ADRIANA

Fernerkundungsbasierte Detektion industrieller Wertstoffe in Bergbautailings

Der nachhaltige Umgang mit natürlichen Georessourcen und die effiziente Nutzung von Wertstoffen gewinnt weltweit an Bedeutung. Vor diesem Hintergrund rücken anthropogene Lagerstätten wie Halden und Tailings als potentielle Rohstoffquellen zunehmend in den Forschungsfokus. Für die Erkundung und Bewertung des nutzbaren Wertstoffpotenzials entsprechender Altablagerungen sind neue Strategien notwendig. Das Projekt ADRIANA widmet sich dieser Aufgabe am Beispiel der Tailings aus der Kupfererzaufbereitung in Erdenet, Mongolei. Im Projekt werden Verfahren der Fernerkundung innovativ mit Ansätzen aus der 3D-Lagerstättenmodellierung zur Abschätzung des Potenzials der Tailings als Lagerstätte verknüpft und die technische und ökonomische Machbarkeit einer Gewinnung der enthaltenen Wertstoffe geprüft.

Teilprojekleitung:
  • Cornelia Gläßer
Team:
Teilprojektpartner:
  • G.E.O.S. Ingenieurgesellschaft mbH
  • Dimap-Spectral GmbH
  • CBM Gesellschaft für Consulting, Business und Management mbH
  • GMIT – Deutsch-Mongolische Hochschule für Rohstoffe und Technologie
  • EMC – Erdenet Mining Corporation
  • EiT – Erdenet Institut of Technology
Hintergrund und Ziele:
  • Abschätzung des Ressourcenpotentials des Erdenet Tailings mittels mutisensoraler und mutliskalarer Fernerkundung
  • Entwicklung und Optimierung von Workflows zur fernerkundungsbasierten Analyse von Tailings
Methodischer Ansatz:
  • Multiskalare Fernerkundung
  • Hyperspektrale Fernerkundung
  • Feld- und Laborspektrometrie
  • 3D-Lagerstättenmodellierung
Erwartete Ergebnisse:
  • Entwicklung und Optimierung von Workflows zur fernerkundungsbasierten Analyse von Tailings für rohstoffwirtschaftlich relevante Wertstoffe
  • Abschätzung des Ressourcenpotentials des Erdenet Tailings
Publikationen:
1
Ogen, Y., Denk, M., Glaesser, C. and Eichstaedt, H. (2022) A Novel Method for Predicting the Geochemical Composition of Tailings with Laboratory Field and Hyperspectral Airborne Data Using a Regression and Classification-Based Approach. European Journal of Remote Sensing, 55, 453–470. https://doi.org/10.1080/22797254.2022.2104173.
1
Denk, M. (2022, December 11) Assessing the Composition of Porphyry Copper Tailings Using Visible Light to Longwave Infrared Reflectance Spectroscopy. Poster, Enschede.
1
Ogen, Y. (2022, December 11) Identifying Copper Hot Spots in the Subsurface of an Operational Tailing’s Facility Using Landsat Time-Series Analysis. Presentation, Enschede.
1
Denk, M. (2022, June 22) Exploring Porphyry Copper Tailings With Visible Light To Long Wave Infrared Reflectance Spectroscopy - A Case Study In Erdenet, Mongolia. Presentation, Potsdam.
1
Ogen, Y. (2022, June 22) Utilizing Lidar Intensity Data to Improve Copper and Molybdenum Prediction Models in a High-Wetness Environment. Presentation, Potsdam.
1
Ogen, Y., Denk, M., Gläßer, C. and Eichstaedt, H. (2021, 12.-14.12) A Novel Method For Predicting The Geochemical Composition Of Tailings With Laboratory Field And Hyperspectral Airborne Data Using Regression And Classification-Based Approach. Talk, London.
1
Eichstaedt, H., Tsedenbaljir, T., Kahnt, R., Denk, M., Ogen, Y., Glaesser, C., Loeser, R., Suppes, R., Alyeksandr, U., Oyunbuyan, T. and Michalski, J. (2020) Quantitative Estimation of Clay Minerals in Airborne Hyperspectral Data Using a Calibration Field. Journal of Applied Remote Sensing, 14, 034524. https://doi.org/10.1117/1.JRS.14.034524.
Abschlussarbeiten:
1.
Berndsen J (2022) Fernerkundliche Analyse von Tagebauhalden mittels World-View 3 und Sentinel-2 Satellitenbilddaten am Beispiel der Cu-Mo Lagerstätte Erdenet - Mongolei. Martin-Luther-Universität Halle-Wittenberg
1.
Brandstäter JHO (2020) Satellitengestützte Exploration des Erdenet Bergbaukomplexes mittels Sentinel-2-Daten. Martin-Luther-Universität Halle-Wittenberg

 

News

Erdenet (Mongolei)
2019-2022
BMBF
Forschung