Hämeen vyöhykkeen moreenin karkearakeisen fraktion aineistoanalyysi

GEOLOGIAN TUTKIMUSKESKUS Mineraalivarannot yksikkö Espoo 75 / 2017 Hämeen vyöhykkeen moreenin karkearakeisen fraktion aineistoanalyysi Helena Hulkki

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 GEOLOGIAN TUTKIMUSKESKUS Tekijät Helena Hulkki KUVAILULEHTI Päivämäärä / Dnro Raportin laji Arkistoraportti Toimeksiantaja Geologian tutkimuskeskus Raportin nimi Hämeen vyöhykkeen moreenin karkearakeisen fraktion aineistoanalyysi Tiivistelmä Tässä raportissa on tarkasteltu geologisesti Hämeen vyöhykkeelle ja maantieteellisesti Humppilan ja Huittisen välille sijoittuvan moreeniaineiston (fraktio <2 mm) analyysitulosten laadullisia ominaisuuksia ja aineiston soveltuvuutta monimuuttuja-analyyseihin. Aineisto on kerätty Etelä-Suomen malmitutkimusten yhteydessä osana alueellista malmipotentiaalista selvitystä. Referenssinäytteiden puuttumisen takia vain analyysimenetelmän toistettavuutta voitiin tarkastella. Lisäksi eri näyte-erien alkuainepitoisuustasoja vertailtiin aikasarja- ja laatikko-jana-kuvaajien avulla. Laatutarkastelu osoitti tiettyjen alkuaineiden (Au, As, Bi, Sb, Se, Te, Cu, S) osalta laadullisia ongelmia. Aineiston laadullisten heikkouksien johdosta monimuuttuja-analyysien suorittaminen ei ollut mielekästä. Aineiston laatuongelmat näkyivät myös testimielessä tehdyssä SOM-analyysin tuloksissa. Asiasanat (kohde, menetelmät jne.) Hämeen vyöhyke, moreeni, laadunvarmistus, SOM Maantieteellinen alue (maa, lääni, kunta, kylä, esiintymä) Etelä-Suomi, Häme Karttalehdet L344, M333, M411 Muut tiedot Arkistosarjan nimi Arkistoraportti Arkistotunnus 75 / 2017 Kokonaissivumäärä 21 s. Kieli suomi Hinta Julkisuus Julkinen Yksikkö ja vastuualue MIV Hanketunnus - Allekirjoitus/nimen selvennys Helena Hulkki Allekirjoitus/nimen selvennys

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 Sisällysluettelo Kuvailulehti 1 Johdanto 1 2 Aineiston laadun arviointi 1 2.1 Uusintanäytteet / analyyttiset duplikaatit 3 2.2 Alkuaineiden pitoisuustasot 6 3 SOM-analyysi 14 3.1 SOM menetelmä 14 3.2 Aineiston muokkaus ja käytetyt SOM parametrit 14 3.3 SOM analyysin tulokset 15 4 Johtopäätökset 21

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 1 1 JOHDANTO Tässä raportissa on tarkasteltu geologisesti Hämeen vyöhykkeelle ja maantieteellisesti Humppilan ja Huittisen välille sijoittuvaa geokemiallista moreeniaineistoa. Aineisto on kerätty vuonna 2006 Etelä-Suomen malmitutkimusten yhteydessä osana alueellista malmipotentiaalista selvitystä (Kärkkäinen et al. 2008). Työn tarkoituksena oli tarkastella analyysiaineiston laadullisia ominaisuuksia ja aineiston soveltuvuutta monimuuttujaanalyyseihin. Aineiston geokemiallisia tuloksia on aikaisemmin käsitelty mm. raporteissa Kärkkäinen et al. (2008) ja Huhta et al. (2015) sekä julkaisussa Kärkkäinen et al. (2012). 2 AINEISTON LAADUN ARVIOINTI Moreeniaineiston näytteet on otettu tela-alustaisella iskuporakoneella pohjamoreenista. Näytteet seulottiin <2 mm fraktioon ja jauhettiin ennen analyysiä. Karkearakeiseen fraktioon hienoaineksen sijasta päädyttiin Ritakallion tutkimusten johdosta, missä todettiin pieninä rakeina esiintyvää irtokultaa raskasmineraalirikasteissa (Kärkkäinen et al. 2008). Hämeen vyöhykkeen karkearakeisen fraktion moreeniaines analysoitiin kolmessa erässä tilausnumeroilla 87080, 200239 ja 200240 (Kuva 1). Käytetty analyysimenetelmä oli kaikissa analyysierissä sama eli kuningasvesiliuotus ja alkuainemääritys Au, Bi, Sb, Se ja Te tapauksessa GFAAS-tekniikalla (520U menetelmä) ja muiden alkuaineiden (Ag, Al, As, B, Ba, Be, Ca, Cd, Co, Cu, Cr, Fe, K, La, Li, Mg, Mn, Mo, Na, Ni, P, Pb, S, Sb, Sc, Si, Sr, Ti, V, Y, Zn, Zr) osalta ICP-AES-tekniikalla (511P menetelmä). Tutkimuksen aikana ei ole otettu kenttärinnakaisnäytteitä eikä analyysieriin ole lisätty GTK:n omia projektivertailunäytteitä tai ainakaan näiden tuloksia ei löydy tietokannoista. Laboratorion mahdollisesti käyttämien kansainvälisten sertifioitujen ja laboratorion tekemiä uusinta-analyysejä ei ole raportoitu tutkijoille toimitetuissa analyysituloksissa. Kuitenkin, uusinta-analyysien tulokset löytyivät LIMS-tietokannasta ja ne pystyttiin hakemaan Lanttusovellusta käyttäen. Vertailunäytteiden puuttumisen takia vain analyysimenetelmän toistettavuutta voidaan tarkastella tai arvioida. Lisäksi eri näyte-erien pitoisuustasoja voidaan vertailla aikasarja- ja laatikko-jana-kuvaajilla. Näistä kaavioista voidaan havaita esim. analyysierien välisiä tai sisäisiä eroja tai trendejä pitoisuustasoissa. Kaavioita on tässä luvussa esitetty valikoidusti ja mukaan tarkasteluun ei ole otettu esim. alkuaineita, joiden pitoisuustaso on pääosin alle määritysrajan.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 2 Kuva1. Hämeen analysoidun karkearakeisen fraktion analyysierät DigiKp-kartalla.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 3 2.1 Uusintanäytteet / analyyttiset duplikaatit Uusintanäytteiden perusteella pääalkuaineiden, perusmetallien sekä Bi ja Sb analyyttinen toistettavuus on pääosin hyvä (Kuva 2 a-b). Au-, As-, Se-, Te-pitoisuuksien sekä poikkeuksellisesti Cu- ja S-pitoisuuksien osalta on havaittavissa lieviä ongelmia toistettavuudessa. Valituille alkuaineille laskettiin suhteellinen mittausepävarmuus kaavalla ( x-y / (x + y)/2) * 100 eli analyysiparin pitoisuuksien erotus jaettuna niiden keskiarvolla ja kerrottuna 100:lla. Au, As, Se, Te, Cu ja S keskimääräinen suhteellinen mittausepävarmuus on yli 20 %:a ja vaihteluväli on suuri (Taulukko 1). Kuitenkin, kullan analyyttinen toistettavuus on tässä aineistossa yllättävänkin hyvä sillä se on usein erittäin huono kullan hippuefektistä johtuen. Arseenin todellista toistettavuutta on vaikea arvioida, koska vain 4 näyteparin tulokset ylittävät määritysrajan (Taulukko 1). Uusinta-analyysien perusteella Au:n mahdollisista seuralaisalkuaineista vain Bi ja Sb ovat toistettavuudeltaan luotettavia, mutta As-, Se- sekä Te-pitoisuuksiin näyttäisi sisältyvän epävarmuutta.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 4 Kuva 2 a. Au, As, Sb, Te, Bi, Se, Co, Cu, Ni, Fe, Zn ja S:n korrelaatio laboratorion uusintanäytteissä analyysierittäin.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 5 Kuva 2 b. Al, Ba, Ca, Cr, K, Mg, Mn, P, Sr, Ti, V ja Y:n korrelaatio laboratorion uusintanäytteissä analyysierittäin.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 6 Taulukko 1. Keskimääräinen suhteellinen mittausepävarmuus (%) valituilla alkuaineilla 1 2 3 *) vaihteluväli *) Kpl Au 18.2 23.9 16.2 0-67 13 As 7.3 37.7 22.7 12-32 4 Sb 10.8 10.8 10.8 0-36 26 Te 42.5 44.1 28.3 0-91 21 Bi 10.8 10.8 10.8 1-91 27 Se 24.6 24.6 18.7 0-106 25 Co 4.4 4.4 4.4 0-17 27 Cu 21.6 21.6 21.6 0-51 27 Ni 4.3 4.3 4.3 0-12 27 Cr 4.1 4.1 4.1 0-16 27 Fe 2.7 2.7 2.7 0-9 27 Zn 1.8 1.8 1.8 0-6 27 S 15.8 25.0 16.5 0-89 15 1) kaikki parit mukana 2) parit, joissa ainakin toinen arvo > DL 3) parit, joissa kummatkin arvot >DL *) parit, joissa kummatkin arvot >DL 2.2 Alkuaineiden pitoisuustasot Alkuainepitoisuuksia tarkasteltiin laatikko-jana ja aikasarja-kaavioilla. Aikasarja-kaavioissa näytteiden pitoisuudet on esitetty näytteiden analysointijärjestyksessä näyte-erittäin (Kuva 3 a-c). Koko aineiston sekä yksittäisten näyte-erien pitoisuusjakaumat on esitetty laatikko-jana kuvaajilla, joissa laatikon vasenreuna edustaa Q1:sta ja oikeareuna Q3:sta ja pystyviiva mediaania (Kuva 4). Aikasarja-kaavioista voi havainnoida itse analyysilaitteistosta aiheutuvaa virhettä, joka ilmenee esim. pitoisuustason systemaattisena nousuna tai laskuna eli trendeinä (nk. drifting-ilmiö). Lisäksi, näistä kaavioista näkee analyysierien välisiä pitoisuustasojen vaihteluja ja myös poikkeavat näytteet erottuvat selkeästi. Eri alkuaineiden kaavioista ei ole havaittavissa trendejä tai suuria tasoeroja eri analyysierien kesken. Poikkeuksen muodostavat kuitenkin Au, As, Bi, Sb ja Te. Lievää yleisen Bi:n pitoisuustason laskua näkyy analyysierien 87080 ja 200240 tapauksessa ja hyvin selkeä laskeva trendi näkyy näyte-erän 200240 Sb:n pitoisuustasossa ja nouseva trendi näyte-erän 200239 Te-pitoisuuksissa (Kuva 3 a-b). Lisäksi Sb:n pitoisuustaso on selkeästi korkeampi näyte-erässä 87080 kuin muissa erissä (Kuvat 3 a ja 4 a). Mielenkiintoinen on Au:n kaavio, jossa näyte-erässä 200239 on alhaisempi määritysraja, mutta kuitenkin alle määritysrajan olevia arvoja on samansuuruinen määrä kuin muissa erissä. Au:n tapauksessa näyttää kuin

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 7 määritysrajan lasku olisi yleisesti laskenut Au:n pitoisuustasoa (Kuva 3 a). Samanlainen ilmiö voi olla mahdollista myös As:n tapauksessa. Aikasarja-kuvaajilta havaitut trendit voivat kuitenkin olla todellisia ja ilmentää alueella esiintyviä geokemiallisia trendejä, sillä näytteitä ei ole sekoitettu ennen analysointiin lähettämistä eli peräkkäiset näytenumerot edustavat toisiaan lähellä olevia näytteitä. Toisaalta, näyteaineisto ei edusta verkko- tai linjanäytteenottoa vaan paremminkin näytteet on kerätty hajapisteistä ja verrattain kaukaa toisistaan (200-900 m). Lisäksi voisi olettaa, että kaavioista havaitut piirteet tulisivat esille useampien alkuaineiden kohdalla eikä ainoastaan Bi:n, Sb:n ja Te:n tapauksessa, jos havaitut trendit aiheutuisivat geologisista tekijöistä. Näyte-erän 87080 Sb- ja Bi-pitoisuustaso on korkeampi ja Co-, Cu-,Ni- ja Zn-pitoisuustaso on alempi kuin muissa analysoiduissa näyte-erissä (Kuva 4 a-b). Nämä tasovaihtelut voisivat ilmentää esim. kivilajien vaihtelua. Toisaalta näiden alkuaineiden yleinen pitoisuustaso on verrattain alhainen ja itse pitoisuuserot ovat pieniä (esim. näyte-erien mediaaniarvot Co:lla 5, 9 ja 8 ppm, Taulukko 3) ja siten lievät tasoerot voivat johtua myös itse analyysimenetelmästä varsinkin kun liikutaan näinkin pienissä pitoisuuksissa. Todennäköisesti aikasarja- ja laatikko-jana-kuvaajilta havaitut alkuaineiden pitoisuustasovaihtelut ja lievät trendit ovat analyysimenetelmästä aiheutuvia eivätkä johdu niinkään geologisista tekijöistä. Tätä päätelmää ei voi varmuudella todentaa ilman standardinäytteitä. Joidenkin alkuaineiden kohdalla on käytetty eri määritysrajoja eri analyysierissä, vaikka analyysimenetelmä on ollut sama (Taulukko 2). As:n analysoinnissa on ollut käytössä kaksi erilaista määritysrajaa, joista kummatkin ovat melko korkeita ja siten pääosa Aspitoisuuksista jää alle määritysrajan (82 %). Aikasarja-kaavioista erottuu yksi poikkeuksellisen korkean Au-, As-, Bi-, Sb- ja Te- pitoisuuden omaava näyte (järjestysnumero 84 kuvassa 3 a-b). Analyysien mittausepävarmuudet ja analyysilaitteistosta mahdollisesti johtuvien alkuaineiden pitoisuustasojen vaihtelut ja trendit, poikkeavan korkeita pitoisuuksia sisältävät näytteet sekä alle määritysrajan olevien pitoisuuksien suuri suhteellinen määrä vaikeuttavat alkuaineiden keskinäisten korrelaatioiden määrittämistä. Myös aineiston analysoinnissa korrelaatioihin perustuvien esim. monimuuttuja-analyysien tulkinta ei ole välttämättä mielekästä. Nämä seikat hankaloittavat myös anomalisten näytteiden määrittämistä.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 8 Kuva 3 a. Au-, As- ja Sb-pitoisuudet näytteiden analysointijärjestyksessä ja näyte-erittäin. Analyysierät on erotettu punaisella viivalla ja määritysrajat on esitetty harmaalla viivalla.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 9 Kuva 3 b. Te-, Bi- ja Se-pitoisuudet näytteiden analysointijärjestyksessä ja näyte-erittäin. Analyysierät on erotettu punaisella viivalla ja määritysrajat on esitetty harmaalla viivalla.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 10 Kuva 3 c. Cu-, Fe- ja S-pitoisuudet näytteiden analysointijärjestyksessä ja näyte-erittäin. Analyysierät on erotettu punaisella viivalla ja määritysrajat on esitetty harmaalla viivalla.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 11 Kuva 4a. Au-, As-, Sb-, Te-, Bi-, Se-, Co-, Cu-, Ni-, Fe-, Zn- ja S-pitoisuudet esitettynä laatikko-jana-kuvaajilla analyysierittäin. Harmaalla laatikolla on esitetty koko aineisto.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 12 Kuva 4 b. Al-, Ba-, Ca-, Cr-, K-, Mg-, Mn-, P-, Sr-Ti-, V- ja Y-pitoisuudet esitettynä laatikkojana-kuvaajilla analyysierittäin. Harmaalla laatikolla on esitetty koko aineisto.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 13 Taulukko 2. Tiedossa olevat määritysrajat analyysierittäin ja alle määritysrajan (<DL) olevien näytteiden lukumäärät ja prosenttiosuus koko näytemäärästä (497). Tilausnr As Au Cr Ni S Sb Te Se 87080 <15 ppm <2 ppb < 50 <5 ppb <10 ppb 200240 <10 ppm <2 ppb < 20 <5 ppb <10 ppb 200239 <10 ppm <1 ppb < 1 < 3 < 20 <3 ppb <3 ppb <10 ppb < DL yht: 409 kpl 251 kpl 2 kpl 1 kpl 177 kpl 1 kpl 82 kpl 19 kpl 82 % 51 % < 1 % < 1 % 36 % < 1 % 16 % 4 % Taulukko 3. Koko aineiston ja yksittäisten näyte-erien tilastollisia tunnuslukuja. Au As Sb Te Bi Se Co Cu Ni Fe Zn S ALL Count 497 497 497 497 497 497 497 497 497 497 497 497 Minimum 0.5 5.0 2 2 4 5 2 6 2 5910 10 10 Maximum 200 650.0 1490 1030 108000 3030 48 221 180 67500 330 13000 Mean 2.9 10.2 52 17 432 132 9 32 18 19988 53 367 Median 1.0 7.5 40 11 99 65 7 27 14 16800 46 73 Standard Deviation 9.9 30.0 73 47 4924 252 6 21 13 10759 31 877 Interquartile Range 2.0 2.5 35 13 88 101 6 19 10 12050 30 354 Range 200 645 1489 1029 107996 3025 46 215 179 61590 320 12990 Tilaus 87080 Count 208 208 208 208 208 208 208 208 208 208 208 208 Minimum 1.0 7.5 12 3 26 5 2 6 3 5910 12 25 Maximum 200 650 1490 1030 108000 2420 48 160 180 67300 183 5540 Mean 3.6 13.8 75 18 797 114 7 29 16 19375 48 300 Median 2.3 7.5 60 10 114 62 5 23 12 16100 40 61 Standard Deviation 13.9 44.9 104 71 7552 208 5 20 15 10569 28 616 Interquartile Range 2.3 0.0 30 9 116 85 4 19 8 10950 30 311 Range 199.0 642.5 1478 1028 107974 2415 46 154 177 61390 171 5515 Tilaus 200240 Count Numeric 146 146 146 146 146 146 146 146 146 146 146 146 Minimum 1.0 5.0 4 3 18 5 3 8 5 6850 20 10 Maximum 68.6 57.5 194 107 798 1920 31 221 71 64800 330 6470 Mean 3.3 7.8 37 14 118 134 10 35 20 21374 60 415 Median 1.0 5.0 30 10 89 58 9 29 17 19350 49 98 Skewness 6.7 4.1 2 3 3 5 1 5 2 1 3 4 Interquartile Range 2.0 0.0 24 19 80 100 7 21 10 14050 31 399 Range 67.6 52.5 190 105 780 1915 29 213 66 57950 310 6460 Tilaus 200239 Count Numeric 143 143 143 143 143 143 143 143 143 143 143 143 Minimum 0.5 5.0 2 2 4 5 2 9 2 6340 10 10 Maximum 28.9 91.0 293 102 13200 3030 32 123 61 67500 182 13000 Mean 1.7 7.4 35 17 221 157 10 33 18 19463 54 417 Median 0.5 5.0 29 14 97 80 8 29 15 16200 49 74 Standard Deviation 2.8 9.4 29 14 1103 294 6 17 11 10487 26 1183 Interquartile Range 1.3 0.0 14 14 74 119 6 17 11 12000 26 427 Range 28.4 86.0 292 101 13196 3025 30 114 59 61160 172 12990

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 14 3 SOM-ANALYYSI 3.1 SOM menetelmä SOM-analyysin avulla voidaan tarkastella geokemiallisen aineiston rakenteellisia piirteitä. Käytännössä tämä tarkoittaa mm. alkuainesuhteiden tarkastelua, alkuaineseurueiden ja - populaatioiden ja anomaalisten näytteiden identifioimista sekä mahdollisesti erilaisten geologisten prosessien tai trendien tunnistamista. SOM (eng. Self-Organizing Map) on tiedon louhintamenetelmä ja tarkoittaa itseorganisoituvaa karttaa, joka on ohjaamattomaan oppimiseen perustuva neuroverkkomalli. Sen on kehittänyt akateemikko Teuvo Kohonen (Kohonen 2001). Tässä työssä on käytetty Teknillisen korkeakoulun SOM Matlab toolbox in päälle Csiro Exploration & Mining n kehittämää graafista käyttöliittymää (SiroSOM), joka on suunnattu erityisesti geotieteellisen aineiston analysointiin (esim. Fraser and Hodgkinson 2009). SOM-menetelmässä näytepisteet esitetään vektoreina monimuuttuja aineistoavaruudessa, jossa geokemiallisen aineiston kyseessä ollessa yksi muuttuja on yksi alkuaine. SOMlaskennassa samankaltaiset vektorit (= näytteet) ryhmitellään joukoiksi ja kutakin joukkoa edustaa yksi yhteinen ns. keskivektori, jota kutsutaan BMU-yksiköksi (best-matching unit). Yhteen joukkoon voi kuulua yksi tai useita näytteitä. Joukkoa edustava keskivektori asettuu laskennallisesti näiden näytteiden keskiöön ja saa uudet monimuuttuja-arvot sijaintinsa mukaan aineistoavaruudessa. Keskivektorit muunnetaan laskennallisesti 2-ulotteiseksi SOMkartaksi, jonka soluina ovat nyt keskivektorit eli BMU-yksiköt yksittäisten näytteiden sijaan. SOM-mallinnuksen tuloksia voidaan esittää mm. pitoisuus- eli komponenttikarttoina (component plot), joissa BMU-solun väri ilmentää kyseisen alkuaineen pitoisuutta kyseisessä BMU-yksikössä. Lämpimät värit tarkoittavat korkeita pitoisuuksia ja kylmät värit matalia pitoisuuksia. Pitoisuuskartoilta voidaan identifioida eri populaatioita ja vertaamalla eri alkuaineiden komponenttikarttoja keskenään voidaan määrittää alkuaineseurueita. Alkuaineiden keskinäisiä suhteita sekä trendejä ja prosesseja voidaan tarkastella myös kahden alkuaineen hajontakuvaajilla (cross plot). 3.2 Aineiston muokkaus ja käytetyt SOM parametrit Mallin luomisessa käytettiin 13 alkuainetta; Co, Cr, Cu, Fe, Ni, S, Zn, Au, As, Bi, Sb, Se, Te eli mukana olivat tavallisemmat metallit, rikki ja Au mahdollisine seuralaisalkuaineineen. Malliin laitettiin mahdollisimman vähän alkuaineita, jotta final qe -arvo ei nousisi korkeaksi. SOM-ajoja suoritettiin useita käyttäen hivenen eri parametreja, mutta käsittelyyn valitussa mallissa käytettiin sovelluksen antamia oletusparametreja. Tosin, aineistolle tehtiin logtransformaatio, mutta ei normalisointia. Normalisoinnin poisjättäminen pienentää eli parantaa final qe -arvoa ja lisäksi muodostuvat trendit tulevat selkeämmin esille. Alkuaineiden voimakkaimmat riippuvuussuhteet tulivat esille kaikissa kokeilluissa malleissa, mutta yksittäisen alkuaineen kohdalla eri malleissa voi tulla esille eri määrä detaljitietoa. Alkuaineiden alle määritysrajan olevat pitoisuudet vietiin SOM-analyysiin puolitettuina arvoina, joita oli enimmäkseen arseenilla, kullalla, rikillä, telluurilla ja seleenillä (kts. Taulukko

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 15 2). Käsittelyyn valitun mallin SOM-kartan koko oli 18 x 12 ja nk. final qe=1.55 ja final qt=0.105. 3.3 SOM analyysin tulokset SOM-mallinnuksen tuloksena saatujen eri alkuaineiden pitoisuuskarttoja verrattaessa keskenään havaitaan, että Co-, Cr-, Ni-, Zn-, Fe- sekä osin Cu-komponenttikartat ovat hyvin samankaltaisia, samoin As ja Sb keskenään (Kuva 5). Au-pitoisuuskartalla näkyy yksi korkeita Au-pitoisuuksia sisältävä populaatio, johon liittyy korkeita As- ja Sb-pitoisuuksia ja vain kohtalaisia Cu-, Te-, Bi- ja Se-pitoisuuksia (Kuvat 6-7). Korkeimpiin Cu-pitoisuuksiin (Cu:n komponenttikartan vasen ylänurkka kuvassa 5) näyttäisi liittyvän myös korkeita Te, Bi ja myös Se-pitoisuuksia. Tosin Bi-kartalta erottuu kaksi erillistä korkeita Bi-pitoisuuksia sisältävää populaatiota. Sankaltainen Au-As-Sb- ja Cu-Te-Se-Bi-yhteys samoin kuin Bi:n kaksi eri populaatiota havaittiin myös Hämeen vyöhykkeen hienoainesmoreenin SOMmallinnuksen tuloksena alueelta, joka sijoittuu etelään ja itään nyt tutkittavasta alueesta (Hulkki 2015). Erona hienoainesmoreenin SOM-mallinnustuloksiin on kuitenkin se, että nyt Au muodostaa yhden selvän korkeita pitoisuuksia sisältävän populaation, joka liittyy korkeisiin As ja Sb-pitoisuuksiin eikä korkeimpiin Cu- ja Te-pitoisuuksiin näytä nyt liittyvän kohonneita Au-pitoisuuksia.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 16 Kuva 5. SOM-mallinnuksessa käytettyjen alkuaineiden pitoisuus- eli komponenttikartat. Lämpimät värit tarkoittavat korkeita ja kylmät värit matalia pitoisuuksia.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 17 Au:n, As:n ja Sb:n keskinäinen enemmän tai vähemmän lineaarinen riippuvuus näkyy hyvin kyseisten alku-aineitten hajontakaavioilla (cross ploteilla), joissa korrelaatiokertoimet ovat kohtalaisen korkeita (Kuva 6). Myös Cu:n, Te:n, Bi:n ja osin Se:n välillä on voimakas tai kohtalainen lineaarinen riippuvuus (Kuva 7). Luvussa 2 kuvatuilla analyysilaitteistosta mahdollisesti johtuvien alkuaineiden pitoisuustasojen vaihteluilla ja trendeillä sekä esim. alle määritysrajan olevien As-pitoisuuksien suurella suhteellisella määrällä on todennäköisesti vaikutusta Au:n, As:n ja Sb:n keskinäisiin hajontakuvaajiin. Tosin, nämä seikat todennäköisesti vain heijastuvat hajontakaavioissa näkyvien trendien muotoon eivätkä niinkään muuta alkuaineiden keskinäisiä relaatioita. Esimerkiksi As/Sb-hajontakuvaajaan piirretty käyrä trendi (Kuva 6) olisi todennäköisesti lineaarisempi, jos todellisia arseenipitoisuusmäärityksiä olisi ollut enempi (nyt 82 % arseenin arvoista on korvattu SOMmallissa keinotekoisilla puolitetuilla arvoilla). Samoin Au/As-hajontakaaviossa osa alemman As-pitoisuuden omaavista pisteistä on voinut siirtyä vasemmalle siten, että keskelle kuvaajaa näyttäisi syntyvän aukko (Kuva 6).

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 18 Kuva 6. Korkeita Au-pitoisuuksia sisältävä Au-populaatio on rajattu Au-, As- ja Sb-pitoisuuseli komponenttikartoille. Valittu Au-populaatio näkyy punaisella plus-merkillä Au/As, Au/Sb ja As/Sb hajontakuvaajilla (nk. cross plotit).

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 19 Kuva 7. Korkeita Au-pitoisuuksia sisältävä Au-populaatio on rajattu Cu-, Te-, Bi- ja Sepitoisuus- eli komponenttikartoille. Au-populaatio näkyy punaisella plus-merkillä Cu/Te, Bi/Te ja Se/Te hajontakuvaajilla (nk. cross plotit). Cu/Te-kaavioon on rajattu korkean Cu- (suorakaide) ja Te-pitoisuuden (ympyrä) omaavat ryhmät (BMU-yksiköt).

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 20 Spatiaalisesti korkeimman Au-pitoisuuden omaavan Au-As-Sb-alkuaineseurueen näytteet näyttäisivät keskittyvän kolmelle alueelle (Kuva 8). Tutkimusalueen itäosiin tulee voimakas keskittymä, joka voi osin johtua luvussa 2 kuvatuista eri näyte-erien tasoeroista ja muista aineiston laatuongelmista ja siten se ei välttämättä ole todellinen ainakaan tuossa laajuudessa. Korkeat Cu- ja/tai Te-pitoisuuden omaavien ryhmien näytteet sijoittuvat hajanaisesti eripuolille tutkimusaluetta (Kuva 8). Osa Cu-, Te tai Au-As-Sb-pisteistä osuu kallioperäkartan mukaan mustaliuskealueille ja siten kohonneet metallipitoisuudet voivat johtua kivilajista, varsinkin jos kyseiset liuskeet ovat kiisupitoisia. Kiisupitoisten mustaliuskeiden metallipitoisuudet (kulta mukaan lukien) ovat usein koholla verrattuna tavallisimpiin kivilajeihin. Tutkimusalueen itäosiin osuvat korkeita Cu- ja/tai Te-pitoisuuksia omaavat näytteet graniitin reuna-alueella voivat olla merkittäviä. Mielenkiintoisia voivat olla myös pienten gabro-dioriitti intruusioiden lähettyville osuvat yksittäiset Au-As-Sb-seurueen näytteet sillä näillä alueilla pisteverkko on paikoin hyvin harva. Kuva 8. Au-As-Sb-alkuaineseurueen sekä kuvaan 12 rajattujen korkean Cu- ja Tepitoisuuden omaavien ryhmien (BMU-yksiköiden) näytteiden sijoittuminen DigiKPkallioperäkartalla.

GEOLOGIAN TUTKIMUSKESKUS 75 / 2017 21 4 JOHTOPÄÄTÖKSET Tämän työn tarkoituksena oli tarkastella Hämeen vyöhykkeen moreenin karkearakeisen fraktion analyysitulosten laadullisia ominaisuuksia ja aineiston soveltuvuutta monimuuttujaanalyyseihin. Vertailunäytteiden puuttumisen takia vain analyysimenetelmän toistettavuutta voitiin tarkastella analyyttisten duplikaattinäytteiden avulla. Lisäksi eri näyte-erien pitoisuustasoja voitiin vertailla aikasarja- ja laatikko-jana-kuvaajilla. Laatutarkastelu osoitti tiettyjen alkuaineiden osalta laadullisia ongelmia: Au-, As-, Se-, Te-, Cu- ja S-pitoisuuksien toistettavuus on paikoin heikkoa. Aineistossa havaittiin analyysilaitteistosta johtuvaa virhettä, joka näkyi analyysierien välisinä tai sisäisinä pitoisuustasojen eroina tai trendeinä Au:n ja sen mahdollisten tiettyjen seuralaisalkuaineiden (As, Bi, Sb, Te) osalta. Analyysien laatua heikentävä tekijänä voidaan pitää myös As-, Au-, S-, ja Te-pitoisuuksien alle määritysrajan olevien näytteiden suurta määrää, joka osin johtuu käytetyistä suhteellisen korkeista määritysrajoista. Aineiston laadullisten heikkouksien (jotka pääosin liittyvät kultaan ja sen mahdollisiin seuralaisalkuaineisiin) johdosta monimuuttuja-analyysien suorittaminen ei ollut mielekästä. Aineistolle tehtiin SOM-analyysi testimielessä, koska se ei ole niin herkkä esim. alle määritysrajan olevien pitoisuuksien suhteen. Aineiston laatuongelmat näyttivät heijastuvan myös SOM-analyysin tuloksiin mm. havaitun Au-As-Sb-alkuaineseurueen spatiaaliseen esiintymiseen. KIRJALLISUUSLUETTELO Fraser, S. & Hodgkinson, J. 2009.An investigation using SiroSOM for the analysis of QUEST stream sediment and lake-sediment geochemical data. Geoscience BC Report 2009-14, CSIRO Report Number: EM MDU P2009/983. Huhta, P., Kärkkäinen, N., Tiainen, 2015. Hämeen malmipotentiaali: moreenigeokemia Geologian tutkimuskeskus, arkistoraportti 89/2015. Hulkki, H., 2015. SOM-analyysi Hämeen vyöhykkeen moreeniaineistosta. Geologian tutkimuskeskus, arkistoraportti 111/2015. Kohonen, T. 2001. Self-Organizing Maps. Third Extended Edition, Springer Series in Information Sciences 30. Kärkkäinen, N, Huhta, P., Lehto, T., Tiainen, M., Vuori, S., Pelkkala, M. 2012. New geochemical data for exploration in southern Finland. Geologian tutkimuskeskus, Special Paper 52, 23-45. Kärkkäinen, N., Tiainen, M., Vuori, S., Huhta, P., 2008. Moreenigeokemiallinen kartoitus v.2003-2007 Forssa-Huittinen alueen kultamalmipotentiaalin arvioimiseksi. Geologian tutkimuskeskus, arkistoraportti M19/2113/2008/81.