Geomathematical evaluation of trace element patterns in lateritic soils above late proterozoic basement units of Nigeria, West Africa

Mächtige lateritische Bedeckung behindert in den Tropen die Erkundung von Explorationszielen in einem beträchtlichen Maße. Der erfolgreichste Weg, um die benötigten geologischen und mineralogischen Informationen zu erlangen, liegt in der Durchführung von regionalen geochemischen Kartierungen. Obwohl die chemische Verwitterung in tropischen Klimaten sehr rasch abläuft, bleiben die intensiven Laugungsvorgänge hauptsächlich auf die Hauptelemente Mg, Ca, Na, K und teilweise Si beschränkt; die meisten der Spurenelemente behalten jedoch den lithologisch vorbestimmten Kontrast ihrer Konzentrationen während der Verwitterung bei. Daher spiegeln die an den ton- und hydroxidreichen Fraktionen der lateritischen Residualböden ermittelten geochemischen Verteilungsmuster die Zusammensetzung der Ausgangsgesteine adäquat wider und dienen daher bei solchen Untersuchungen als Hauptprobenmaterial. Die nigerianische Zinn-Provinz ist sowohl für Sn-Ta-führende Pegmatite wie für Sn-Nb-mineralisierte Ringkomplexe bekannt. Litho- und pedochemische Orientierungsstudien beschäftigten sich mit den spät-proterozoischen Seltenmetall-Pegmatitfeldem von Egbe, Iregun and Wamba in den humiden Tropen von Südwest und Zentralnigeria. Die klassischen Pfadfinderelemente sind Rb, Li, Cs, F in Kombination mit Elementverhältnissen wie K/Rb, Rb/Sr und Mg/Li. Faktor- und Clusteranalyse wurden zunächst benutzt, um die Abhängigkeiten zwischen Variablen beziehungsweise Daten von Amphibolitabfolgen zu studieren, wo die Seltenmetall-Pegmatite auftreten. Diese Amphibolitgesteine konnten in normale und anormale Amphibolite eingeteilt werden. Die anormalen Amphibolite wurden aufgrund ihrer geochemischen Zusammensetzung in vier Untergruppen unterteilt. Um die Seltenmetall-mineralisierten Pegmatite von den tauben Bereichen zu trennen und den Einfluß der Albitisierung auf die Seltenmetall-Mineralisierung zu überprüfen, werden die K/Rb-Verhältnisse gegenüber Rb und die Na/K- Verhältnisse gegenüber den Erzindikatoren Sn und Nb sowie dem petrographischen Indikator Rb des pegmatitischen Gesteins betrachtet. Darüberhinaus werden Faktor- und Clusteranalyse benutzt, um die Seltenmetall-mineralisierten Pegamtite zu charakterisieren. Mit Hilfe der Q-mode Cluster-Analyse konnte eine Klassifizierung erreicht werden, welche die Sn-mineralisierten und Nb-mineralisierten Gesteine mit intensiver Albitisierung von tauben Bereichen erfolgreich trennt. Die Zinn-mineralisierte Gruppe wird durch die Anreicherung von Rb, Li, Cs, F, Mn und Zn und die Abreicherung von Ba, Sr, Zr und Ti charakterisiert. Als Hauptziel wurde eine multivariate Analyse aus den geochemischen Daten der lateritischen Böden aus Egbe und Iregun in Südwest- Nigeria und aus Wamba in Zentral-Nigeria durchgeführt, um maximale Informationen für geochemische Kartierungen und zur Erzexploration zu liefern. In ersten Ansatz wurde eine Kombination von Faktor, Cluster-und Diskriminanzanalyse angewendet, um die überdeckten Ausgangsgesteinseinheiten zu klassifizieren und um die Seltenmetall-höffigen von tauben Bereichen zu unterscheiden. Die Proben wurden darüberhinaus mit der R-mode Faktor-Analyse getestet (redundancy). Um diese Proben in lithologische Klassen einzuteilen, wurden die Q-mode Clusteranalyse der Rohdaten wie auch die Werte der Hauptfaktoren betrachtet. Diskriminanzanalysen wurden angewendet, um die statistische Signifikanz der durch Clusteranalyse ermittelten Gruppen zu verifizieren. Der Vergleich der Gesteinsklassifikationen ergab, daß aufgrund der stärkeren Filterung die Faktoren-Clusterung bessere Ergebnisse liefert als die Rohdaten-Clusterung. In zweiten Ansatz wurden Referenzproben von Seltenmetall-mineralisierten Pegmatiten und den Hauptgesteinseinheiten untersucht, um den vererzten Bereich vom geogenen Hintergrund zu trennen und die Lithologien zu klassifizieren. Li, Mn, Cs und Rb wurden im Bereich Egbe als die Variablen ermittelt, die am besten die vererzten Zonen von den unvererzten Bereichen diskriminieren. Ba, Mn, Ni und Cr waren die nützlichsten Elemente, um die überdeckten Ausgangsgesteine zu klassifizieren. Ba und Mn differenzierten Spessartin-Amphibolite, Amphibolschiefer und Gneise von Graniten und Amphiboliten, während Cr und Ni mafische von sauren Gesteinen unterschieden. Zusätzlich wurde durch die Kombination von R-mode Cluster- und Faktoranalyse eine Methode eingeführt, um Referenzproben für Zielgruppe und Hintergrund zu ermitteln. Diese Methode ist dort sehr effektiv, wo die interessierenden Variablen separate, aber systematische Variationsmuster im gesamten Untersuchungsgebiet aufweisen. Die R-Mode Clusteranalyse wurde benutzt, um die Anzahl der positiv korrelierenden Variablengruppen und die Variablen zu ermitteln, welche die jeweiligen Gruppen bilden. Die Faktoranalyse wurde dann anschließend benutzt, um jede Gruppe zu charakterisieren. Die "Fuzzy c-mean Cluster Analysis" wurde abschließend als diejenige Klassifikationsmethode angewandt, die die Überlappungen zwischen lithologischen Einheiten ermitteln kann, die bei konventioneller Diskriminanz- und Cluster-Analyse nicht berücksichtigt werden. Die Resultate der vorgenannten multivariaten Techniken werden in Form von Verteilungskarten dargestellt, die sowohl für die Gesteins-Klassifizierung als auch für die "Ziel-Hintergrund"-Unterscheidung vergleichbare Ergebnisse liefern und damit in Gebieten mit lateritischer Überdeckung eine deutliche Verbesserung geologischer Karten erwarten lassen.

Thick accumulations of lateritic covers hinder the occurrence of easily detectable exploration targets in the tropics considerably. The most successful way to establish the badly needed geological and mineral inventories is the application of regional geochemical mapping exercises. Although chemical weathering progresses very fast in the tropic environments, extensive leaching of the primary constituents is mainly restricted to the major elements Mg, Ca, Na, K and partially Si; most of the lithologically determined trace elements, however, retain the contrast of their primary concentration levels during weathering processes. Consequently, geochemical dispersion patterns detected from clay- and hydroxid-rich fractions of lateritic covers reflect the concealed bedrock composition adequately and serve as the primary sample media in such surveys. The Nigerian tin province is known for both Sn-Ta-bearing pegmatites and Sn-Nb-mineralised ring complexes. Earlier orientation studies of litho- and pedochemical surveys were centred around the late Proterozoic rare-metal pegmatite fields of Egbe, Iregun and Wamba in the humid tropics of southwestern and central Nigeria, respectively; the most critical pathfinder elements are Rb, Li, Cs, F in combination with element ratios like KZRb, Rb/Sr and Mg/Li. Factor and cluster analysis were used firstly to study the inter-relationships among variables and samples of amphibolite rock data. These data was classified into "normal and anormal amphibolite"; the anormal amphibolite was further subdivided into four subgroups according to their geochemical composition. To separate productive rare-metal pegmatite from barren ones and to check the influence of albitization for the rare-metal mineralization K/Rb vs. Rb and Na/K vs. ore indicators Sn and Nb and vs. the petrogenetic indicator Rb of the pegmatite rock data were considered. In addition, factor and cluster analysis were used to characterise the rare-metal mineralised pegmatites. The classification obtained from the Q-mode cluster analysis has successfully distinguished Sn-mineralised and Nb-mineralised samples with intense albitization from those which are barren. The tin mineralised group is characterised by enhanced Rb, Li, Cs, F, Mn and Zn and is depleted in Ba, Sr, Zr and Ti. To follow the main goal, a multivariate analytical strategy is followed in extracting maximum information from geochemical lateritic soil data of Egbe and Iregun in southwestern and Wamba in central Nigeria for geochemical mapping and mineral exploration. In the first approach, combinations of factor, cluster and discriminant analysis were used to classify the buried parent rock units and discriminate rare-metal favourable from barren areas. Samples were tested for redundancy using R-mode cluster analysis. Q-mode cluster of the raw data as well as the scores of the main factors were considered to partition the samples into meaningful lithological classes. Discriminant analysis was applied to verify the statistical significance of the groups produced through cluster analysis. Comparison of the rock classification indicated that factorial clustering is more powerful than raw data clustering, due to its filtering power. In the second approach, training samples for rare-metal mineralization and the main rock units in the study area were used to discriminate the ore target from the background and to classify the buried parent rocks. Li, Mn, Cs and Rb are considered to be the best variables discriminating the ore target from the barren in Egbe area. Ba, Mn, Ni and Cr were the most useful elements in classifying concealed bedrocks. Ba and Mn differentiated spessartine amphibolite and amphibole schist and gneisses from Older granites and amphibolite, while Cr and Ni separated the mafic from acidic units. In addition, a method for creating training samples for target and background composition was introduced through the combination of R-mode cluster and factor analysis. The method is most effective in cases where the variables of interest have separate, but systematic patterns of variation across the total study area. R-mode cluster analysis was used to determine the number of positively correlated groups of variables and also the variables that compose each group, and then factor analysis was used to characterise each group. Finally, Fuzzy c-mean cluster analysis was employed as a classification method and to check compositional overlap between different lithological units not revealed by conventional discriminant analysis and hard clustering. Results of the various multivariate techniques are displayed as spatial distribution maps which were almost comparable to each other for rock classification as well as for target - background separation, respectively. In summary, this approach proved to be successful in outlining more detailed geological information in areas concealed by lateritic covers.