مقالات

هیدروژن طبیعی یا هیدروژن سفید، شکلی زمین شناسی از هیدروژن است که به عنوان منبع انرژی امیدوارکننده ای متمایز از انواع صنعتی هیدروژن مانند هیدروژن سبز، آبی، خاکستری و قهوه ای شناخته میشود. درک ویژگیها و روشهای تولید هیدروژن سفید برای پتانسیل آن به عنوان یک منبع انرژی بدون کربن بسیار مهم است. این هیدروژن از فرآیندهای زمین شناسی طبیعی ایجاد میشود، از جمله خارج شدن هیدروژن از اعماق زمین و گوشته، سرپنتینیزاسیون سنگهای اولترامافیک و تعاملات مختلف با آب و مواد معدنی. مطالعات کنونی عمدتاً بر روی مجموعه های اوفیولیتی و نوارهای میانه اقیانوس متمرکز شده است، جایی که فرآیندهای سرپنتینیزاسیون هیدروژن سفید تولید میکنند. این تشکیل های زمین شناسی همچنین میتوانند به عنوان مکانهای مؤثر ذخیره سازی 2CO عمل کنند و اهمیت آنها را در چشم انداز انرژی افزایش میدهند. با وجود پتانسیل هیدروژن سفید برای مشارکت در آینده انرژی پایدار، استخراج آن همچنان چالشی فنی و نامشخص باقی مانده است. بازار جهانی هیدروژن در حال حاضر تحت سلطه هیدروژن تولید شده از سوختهای فسیلی است، اما پیشبینی ها نشان میدهد که تا سال 2070 به سمت تولید مبتنی بر برق تغییر خواهد کرد. کشورهایی که دارای ذخایر هیدروکربن هستند، مانند کشورهای خاورمیانه، در حال بررسی پتانسیل هیدروژن سفید هستند و پروژه های بین المللی در عربستان سعودی و عمان در حال انجام است. با تلاش جهان برای کاهش انتشار گازهای گلخانهای، کاوش و استفاده از هیدروژن سفید میتواند نقش حیاتی در دستیابی به سیستم انرژی بدون کربن ایفا کند و نیاز به مطالعات پیشرفته و برنامه ریزی استراتژیک در دستور کارهای توسعه ملی را ضروری میسازد

تغییرات آب و هوایی ناشی از انتشار گازهای گلخانهای، یکی از بزرگترین چالشهای بشر در قرن بیست و یکم محسوب میشود. براساس آمارها، صنایع سنگین سهم عمدهای از نشر 2CO را به خود اختصاص داده اند و با افزایش جمعیت و تقاضا برای محصولات صنعتی، این چالش به مراتب جدیتر خواهد شد. بنابراین، دستیابی به هدف انتشار صفر خالص، نیازمند توجه ویژه به فناوریهای نوین میباشد. در این راستا، فناوری جذب، استفاده و ذخیره کربن (CCUS (به عنوان یک راهکار کلیدی برای کاهش گازهای گلخانه ای شناخته شده است. مقاله حاضر به بررسی وضعیت کنونی و افق پیش روی CCUS در ایران می پردازد و به اهمیت همکاریهای بین المللی و سرمایه گذاری در این حوزه اشاره میکند. همچنین، نقش CCUSدر صنایع جدید و رو به رشد نظیر تولید هیدروژن آبی و صنایع شیمیایی مورد بررسی قرار میگیرد. این مقاله به دنبال ارائه نقشه راهی برای استفاده بهینه از فناوری CCUS در ایران است و بر لزوم تلاشهای ملی برای همگامی با تحوالت جهانی تأکید میورزد. در نهایت، مقاله نتایج و راهکارهایی را برای بهبود توسعه پایدار و کاهش تأثیرات منفی تغییرات اقلیمی ارائه میدهد. ایران نیازمند برنامه ریزی دقیق برای استفاده از CCUS و منابع انرژی های نوین مانند انرژیهای خورشیدی و بادی است. این فناوریها میتوانند به تولید برق پاک در مناطق خشک کمک کنند و با ایجاد اشتغال و تأمین امنیت غذایی، به رشد اقتصادی کشور کمک کنند. همچنین، تولید هیدروژن از طریق انرژیهای تجدیدپذیر و سوختهای فسیلی با استفاده از CCUS میتواند به عنوان یک راهبرد مهم برای آینده انرژی ایران به شمار آید. علاوه بر این، امکان واردات 2CO و ترسیب آن در اعماق زمین، درآمد زایی برای کشور را به همراه خواهد داشت. نهایتا،ً سرمایه گذاری در ساخت تجهیزات و فناوریهای لازم برای این فرآیندها، به پیشبرد اهداف توسعه ای و کاهش آثار منفی تغییرات اقلیمی در ایران کمک خواهد کرد

لیتیم به عنوان یک فلز استراتژیک و منبع انرژی آینده جهان شناخته میشود. کاربردهای گسترده این فلز در صنایع مختلف، رشد سریع صنعت خودروهای برقی و ظهور وسایل نقلیه هیبریدی و سیستمهای ذخیره انرژی، باعث افزایش چشمگیر تقاضا برای لیتیم در بازار جهانی شده است. به گونه ایکه باتریهای یون- لیتیوم تقریبا یکسوم سرمایه هزینه شده در زمینه باتریهای قابل شارژ و نزدیک به یک ششم کل انرژی ذخیره شده را به خود اختصاص داده اند. از سوی دیگر، با توجه به اینکه ایران یکی از مناطق با ظرفیت تولید لیتیم از منابع شوراب های به شمار میرود، بررسی قابلیتهای این عنصر در کشور اهمیت ویژهای دارد. در این مقاله، علاوه بر بررسی جغرافیای جهانی لیتیم و نگاهی به بازار عرضه و تقاضای آن در دهه های مختلف، به پتانسیلهای لیتیم در ایران و منابع مختلف آن پرداخته شده است

پدیده فرونشست زمین امروزه تهدید و خطر جدی برای گذشته، حال و آینده سرزمین ایران است. ایران رتبه سوم از نظر نرخ فرونشست در سطح جهان را داراست بطوریکه میانگین سرعت رشد این پدیده بیش از 20 سانتیمتر در سال است. عواملی مانند خشکسالی های متوالی، شیوه های کشاورزی نادرست و غیرمدرن، کشت محصوالت پرآب در مناطق کم آب، احداث صنایع با مصرف بالای آب در مناطق نیمه بیابانی و کم آب، تمرکز جمعیتی ناموزون در برخی کلان شهرها منجر به بهره برداری بیش از حد از آبهای زیرزمینی و در نتیجه رخداد فرونشست در سطح گسترده در مناطق مختلف کشور گریده است که امروزه تهدیدی برای محیط زیست، تاریخ و تمدن، زیرساخت ها و جوامع شهری و روستایی و غیره شده است. در نتیجه نیاز به اقدام فوری راهکارهای موثر ارائه شده ی پژوهشگران و متخصص ان توسط تمامی سازمان های مرتبط جهت مقابله با اثرات نابود کننده فرونشست زمین جهت نجات ایران زمین را دارد

ساختارهای زمین شناسی پرشیب در محیط های زمین شناسی پیچیده غالباً به عنوان تله های مواد هیدروکربنی حائز اهمیت هستند. ساختارهای فوق در سالهای اخیر بسیار مورد توجه بوده و تصویر نمودن این قبیل ساختارها به دلیل سازوکار روشهای مرسوم تصویرسازی همانند روشهای پرتو-مبنا و روش مهاجرت معادله موج مبنای یک طرفه بخوبی انجام نمیشود. از اینرو، جهت تصویرسازی مناسب این ساختارها از روش مهاجرت زمانی معکوس داده های لرزه ای به عنوان یک روش معادله موج-مبنا استفاده می شود. در تحقیق حاضر برای تصویرسازی ساختارها از روش حل دو طرفه معادله موج با استفاده از روش تفاضلات محدود استفاده شده است. نتایج استفاده از الگوریتم حل دو طرفه میدان موج نشان می دهد که در این روش کلیه ساختارها بخوبی تصویر شده و محدودیت روشهای تصویرسازی پرتو-مبنا و معادله موج یک طرفه را ندارد

منطقه مورد مطالعه در 35 کیلومتری شمال کاشمر، 15 کیلومتری ریوش و 220 کیلومتری جنوب غربی مشهد قرار دارد. مطالعات بر روی آب، خاک، سنگ و رسوبات منطقه نشان داده است که این منابع، آلودگی شدید به فلزات سنگین )همچون Cr )و شبه فلزات سمی بویژه آرسنیک و آنتیموان را دارا می باشند. مقادیر آرسنیک و آنتیموان در آب ها و خاک های منطقه بسیار بیشتر از حد مجاز استاندارد )برای آرسنیک L/µg 10 و آنتیموان L/µg 20 )است. نتایج این مطالعه نشان داد که سنگهای اولترامافیک )پریدوتیت، هارزبورگیت و لرزولیت( بهشدت سرپنتینی شده، از منابع اصلی آلودگی کروم در منطقه هستند. فرآیندهای دگرسانی و تکتونیکی بر روی این سنگها، منجر به آزاد شدن کروم در محیطزیست شده اند. در واقع، منشأ آلایندگی کروم، کانیهای کرومیت و گروه اسپینل هستند که در طی فرآیندهای دگرسانی، کروم آزاد میکنند. منشأ شبه فلزات سمی در محدوده مورد مطالعه محلولهای گرمابی هستند. محلولهای گرمابی مرتبط با توده های نفوذی گرانیتوئیدی، باعث دگرسانی و ایجاد شرایط مناسب برای کانیسازی آرسنیک و آنتیموان شده اند. منشأ آرسنیک در محدوده کوه زرنیخ ریوش مرتبط با کانیهای سولفیدی مانند رآلگار )4S4As )و ارپیمنت )3S2As )میباشد. که موجب آلودگی آرسنیک در خاکها و آبهای منطقه شده اند. آلودگی کادمیوم در خاک ها و آبهای منطقه کوهسرخ ناشی از کانیهای سولفیدی مانند گالن، اسفالریت و پیریت اما آلودگی آنتیموان مرتبط با کانیهای سولفیدی مانند استیبنیت )3S2Sb)، می باشد

تحول دیجیتال و هوش مصنوعی (AI (در دهه های اخیر تأثیرات شگرفی بر علوم مختلف از جمله زمین شناسی و اکتشافات معدنی داشته است. روش های سنتی زمین شناسی که مبتنی بر بررسی های میدانی و تحلیل های آزمایشگاهی بودند،اکنون با مدل هایی یادگیری ماشین، پردازش تصاویر ماهواره ای، داده کاوی و مدل سازی سه بعدی ترکیب شده اند. استفاده از این فناوری ها منجر به افزایش دقت در پیش بینی مناطق معدنی، کاهش هزینه های اکتشاف و بهینه سازی فرآیندهای استخراج شده است. این فناوری ها با ارائه ابزارهای پیشرفته تر برای تحلیل داده ها، مدلسازی و پیش بینی، دقت و سرعت فرآیندهای شناسایی و اکتشافی را به طور چشمگیری افزایش دادهاند. در این مقاله، به بررسی آثار و دستاوردهای تحول دیجیتال و هوش مصنوعی در زمین شناسی و اکتشافات معدنی پرداخته میشود. ابتدا، نقش فناوری هایی مانند یادگیری ماشین، تحلیل داده و هوش مصنوعی در بهبود فرآیندهای اکتشافی و زمین شناسی بررسی میشود. سپس، تأثیر این فناوریها بر کاهش هزینه ها، افزایش دقت و کاهش ریسکهای اکتشافی تحلیل می گردد. در نهایت، چالش ها و فرصتهای پیشرو در این حوزه مورد بحث قرار میگیرد. نتایج نشان میدهد که تحول دیجیتال و هوش مصنوعی به عنوان موتور محرکهای برای نوآوری در زمین شناسی و اکتشافات معدنی عمل کرده و آینده این حوزه را متحول خواهد نمود

اکتشاف معدن فرآیند پیچیده و پر هزینه کاوش با هدف یافتن تمرکزهای اقتصادی ماده معدنی است. روشهای سنتی اکتشاف، که عمدتاً بر داده های زمین شناسی متکی هستند، اغلب زمانبر بوده و نتایجی با عدم قطعیت بالا حاصل میکنند. در سالهای اخیر، استفاده از تکنیکهای یادگیری ماشین انقلابی در این حوزه ایجاد کرده است و ابزارهای قدرتمندی برای تحلیل داده ها و نهایتا شناسایی و پیشبینی الگوها فراهم کرده است. این مقاله به بررسی کاربردهای مختلف یادگیری ماشین در اکتشاف معدن میپردازد و پس از بحث درمورد مزایا، چالشها و چشم اندازهای آینده این الگوریتمها، با ارائه مثالی کاربردی در هدف یابی رخداد کانه زائی در معدن سنگ آهن شماره دو گلگهر سیرجان، کارایی و اثربخشی الگوریتمهای هوش مصنوعی را مورد ارزیابی قرار میدهد. یافته ها در مثال کاربردی حاکی از توانمندی الگوریتمهای یادگیری ماشین و هوش مصنوعی در هدفیابی و پیش بینی زون کانه زائی میباشند. این توانمندی در کنار سایر مزایای این الگوریتمها، پتانسیل بالای این حوزه را در حل مسائل مختلف در حوزه اکتشاف مواد معدنی نشان میدهند

هوش مصنوعی(intelligence Artificial(در پترولوژی به کارگیری الگوریتمها و مدلهای پیشرفته برای تحلیل دادهها و شبیهسازی فرآیندهای زمین شناسی سنگها و کانیها است. این فناوری با بهره گیری از روشهای یادگیری ماشین، یادگیری عمیق، و تحلیل داده های حجیم به پژوهشگران و مهندسان امکان می دهد تا سریعتر و با دقت بیشتری فرآیندهای پترولوژیکی را مدلسازی و تحلیل کنند. کاربردهای هوش مصنوعی در این زمینه میتواند شامل طبقه بندی انواع سنگها، شبیه سازی فرآیندهای ژئوشیمیایی، پیش بینی منابع معدنی، تحلیل تصاویر میکروسکوپی، و پیش بینی ویژگیهای فیزیکی سنگها باشد. هوش مصنوعی میتواند به طور مؤثری در شناسایی و طبقه بندی انواع مختلف سنگها کمک کند. این فرآیند با استفاده از الگوریتمهای یادگیری ماشین، به ویژه شبکه های عصبی، امکانپذیر است. ویژگیهای شیمیایی و میکروسکوپی سنگها میتوانند به عنوان ورودی برای آموزش مدلها استفاده شده و در نتیجه انواع مختلف سنگها با دقت بالا شناسایی شوند. مدلسازی فرآیندهای پیچیده زمین شناسی مانند تشکیل سنگهای آذرین و فرآیندهای دگرگونی نیازمند شبیه سازی دقیق داده های آزمایشگاهی و میدانی است. هوش مصنوعی میتواند با استفاده از الگوریتمهای یادگیری عمیق و مدلهای پیچیده، این فرآیندها را شبیه سازی کرده و به پژوهشگران کمک کند تا رفتار مواد تحت شرایط مختلف دما و فشار را بهتر درک کنند. یکی از کاربردهای برجسته هوش مصنوعی در پترولوژی، پیش بینی منابع معدنی است. با استفاده از داده های ژئوفیزیکی و ژئوشیمیایی، الگوریتمهای یادگیری ماشین میتوانند به شناسایی الگوهای پیچیده و پیش بینی مکانهای غنی از منابع معدنی کمک کنند. این پیشبینی ها میتوانند به شناسایی منابع جدید مانند طلا، مس، و دیگر فلزات کمک کنند. تصاویر میکروسکوپی سنگها، که معمولًا به حجم زیاد و با جزئیات دقیق در دسترس هستند، میتوانند توسط الگوریتمهای بینایی ماشین تجزیه و تحلیل شوند. شبکه های عصبی کانولوشنی (CNN (به طور خاص در این زمینه کاربرد دارند و میتوانند ویژگیهای ریزساختاری و کانی شناسی سنگها را شناسایی کنند

این مطالعه با هدف پایش عملیات معدنی و تهیه مدل رقومی، در راستای استفاده کاربردی ار روشهای نوین نقشه برداری و انواع تحلیل مکانی در زمین شناسی و در رمینه پایداری دامنه ها، در سیستتم اطلاعات جغرافیایی در یک محدوده معدنی سرب و روی در شمال استان کرمان انجام پذیرفت. جهت رسیدن به این هدف ابتدا با روشهای نوین و استفاده ار پهپاد، عملیات نقشه برداری سطحی در یک بازه زمانی 2 ساله انجام شد، سپس با پردازش داده های حاصل ار عملیات نقشه برداری مدل رقومی محدوده مطالعاتی تهیه شد. در مراحل بعدی با استفاده مدل رقومی تهیه شده، مطالعات رمین شناسی، مطالعات مکانیک سنگ و بهره گیری ار انواع روشهای تحلیل مکانی نسبت به پایش عملیات معدنی در رمینه تحلیل پایداری شیبهای دامنه ها در بخشی ار محدوده مورد مطالعه که عملیات آماده سازی احداث تونل و برداشت پاشنه دامنه کوه صورت پذیرفته بود، اقدام شد. در تحلیل های صورت گرفته ار عملگرهای ریاتی، منطقی و توابع شرطی ابزارهای تحلیل مکانی نرم افزار ArcMap، استفاده گردید. نظر به اینکه در محدوده مورد مطالعه جهت شیب لایه بندی سن های رسوبی، با جهت شیب دامنه کوه یکسان )آریمتوت 225 تا 315 درجه(، و میانگین کلی شیب لایه بندی سن های رسوبی منطقه مورد مطالعه 15/8 درجه است، و ار آنجا که طی مطالعات مکانیک سن محدوده مورد مطالعه راویه اصطکاک داخلی سن ها 29/1 درجه گزارش شد لذا در مکانهایی که شیب دامنه سنگی کوه در آریموت بین 225 تتا 315 درجته، ار 45 درجه بیشتر میشود، خطر لغز و ناپایداری دامنه کوه بیشتر است، بنابراین با فیلتر کردن مناطق کم خطر با استفاده از ابزارهای تحلیل مکانی و مقایسه خطرات ناپایداری دامنه، قبل و بعد ار عملیات آماده سازی و برداشت پاشنه دامنه کوه، مناطق پرخطر فعلی که حاصل فعالیت معدنی بودند باررساری شد که بایستی اقدامات پیشگیرانه ار جمله احداث پله ایمنی در راستای کاهش شیب کلی دامنه در این مناطق صورت پذیرد.