Modelagem Geológica Implícita em Mina de Mármore no Complexo Metamórfico Passo Feio, Rio Grande do Sul, Brasil

Detalhes bibliográficos
Autor(a) principal: Pasetto, Giovanni Argenta
Data de Publicação: 2020
Outros Autores: Gonçalves, Ítalo Gomes, Guadagnin, Felipe, Santos, Evandro Gomes dos
Tipo de documento: Artigo
Idioma: por
Título da fonte: Anuário do Instituto de Geociências (Online)
Texto Completo: https://revistas.ufrj.br/index.php/aigeo/article/view/39937
Resumo: A modelagem geológica é uma ferramenta indispensável para o planejamento mineiro; porém a construção de modelos geológicos exige tempo, planejamento e pode gerar custos elevados. O uso de modelos 3D fotorrealistas permite classificar e interpretar remotamente as rochas e estruturas geológicas, reduzindo os riscos inerentes as atividades e aumentando a quantidade e precisão das informações utilizadas na modelagem geológica. Este trabalho apresenta a construção de modelo geológico implícito de mina de mármore, utilizando classificação litológica e análise estrutural por sensoriamento remoto. Projeções fotorealistas das rochas expostas, chamadas de modelos virtuais de afloramento, foram construídos utilizando algoritmos Structure from Motion – Multi-View Stereo.Esses modelos são compostos por (i) milhões de pontos georreferenciados (nuvem de pontos) contendo informação de cor e vetor normal, e (ii) superfície triangulada texturizada. Para a construção dos modelos virtuais de afloramento, foram adquiridas fotografias aéreas com veículo aéreo não-tripulados. A nuvem de pontos foi classificada por litologia e a orientação e posição das estruturas geológicas foram determinadas na malha triangulada texturizada. Os dados derivados dos modelos virtuais de afloramento foramprocessados utilizando algoritmo livre (open-source) baseado em aprendizagem de máquina para o cálculo de um campo escalar. Oresultado consiste em modelo de blocos tridimensional que representa as litologias que ocorrem na mina. O modelo gerado inclui 985.000 m3 de mármore e 598.000 m3 de esteril, permitindo determinar a arquitetura geológica em até 50 metros na horizontal e 30 metros na vertical a partir da superfície do terreno. Esse volume é suficiente para orientar o planejamento da lavra por até dois anos.
id UFRJ-21_9c43b12e4ad9a5d9aa057f16d01ca8b4
oai_identifier_str oai:www.revistas.ufrj.br:article/39937
network_acronym_str UFRJ-21
network_name_str Anuário do Instituto de Geociências (Online)
repository_id_str
spelling Modelagem Geológica Implícita em Mina de Mármore no Complexo Metamórfico Passo Feio, Rio Grande do Sul, BrasilStrucutre from Motion – Multi View Stereo; análise estrutural e litológica; algoritmos de aprendizagem de máquinaA modelagem geológica é uma ferramenta indispensável para o planejamento mineiro; porém a construção de modelos geológicos exige tempo, planejamento e pode gerar custos elevados. O uso de modelos 3D fotorrealistas permite classificar e interpretar remotamente as rochas e estruturas geológicas, reduzindo os riscos inerentes as atividades e aumentando a quantidade e precisão das informações utilizadas na modelagem geológica. Este trabalho apresenta a construção de modelo geológico implícito de mina de mármore, utilizando classificação litológica e análise estrutural por sensoriamento remoto. Projeções fotorealistas das rochas expostas, chamadas de modelos virtuais de afloramento, foram construídos utilizando algoritmos Structure from Motion – Multi-View Stereo.Esses modelos são compostos por (i) milhões de pontos georreferenciados (nuvem de pontos) contendo informação de cor e vetor normal, e (ii) superfície triangulada texturizada. Para a construção dos modelos virtuais de afloramento, foram adquiridas fotografias aéreas com veículo aéreo não-tripulados. A nuvem de pontos foi classificada por litologia e a orientação e posição das estruturas geológicas foram determinadas na malha triangulada texturizada. Os dados derivados dos modelos virtuais de afloramento foramprocessados utilizando algoritmo livre (open-source) baseado em aprendizagem de máquina para o cálculo de um campo escalar. Oresultado consiste em modelo de blocos tridimensional que representa as litologias que ocorrem na mina. O modelo gerado inclui 985.000 m3 de mármore e 598.000 m3 de esteril, permitindo determinar a arquitetura geológica em até 50 metros na horizontal e 30 metros na vertical a partir da superfície do terreno. Esse volume é suficiente para orientar o planejamento da lavra por até dois anos.Universidade Federal do Rio de JaneiroPasetto, Giovanni ArgentaGonçalves, Ítalo GomesGuadagnin, FelipeSantos, Evandro Gomes dos2020-12-18info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.ufrj.br/index.php/aigeo/article/view/3993710.11137/2020_4_202_217Anuário do Instituto de Geociências; Vol 43, No 4 (2020); 202_217Anuário do Instituto de Geociências; Vol 43, No 4 (2020); 202_2171982-39080101-9759reponame:Anuário do Instituto de Geociências (Online)instname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJporhttps://revistas.ufrj.br/index.php/aigeo/article/view/39937/pdf/*ref*/Agisoft LLC, 2019. Agisoft Metashape User Manual Professional Edition. V. 1.5. St. Petersburg, Rússia. 124 p. Disponível em: <https://www.agisoft.com/pdf/metashape-pro_1_5_en.pdf>. Acesso em: 25 abr. 2019. Beretta, F.; Rodrigues, A., Peroni, R. & Costa, J.F. 2018. Uso de Vant para Automatização de Classificação Litológica em Frente de Lavra a Céu Aberto. In: CONGRESSO BRASILEIRO DE MINAS A CÉU ABERTO E MINAS SUBTERRÂNEAS, 9, Belo Horizonte, 2018. Bitencourt, M.F. 1983. Geologia, Petrologia e Estrutura dos Metamorfitos da Região de Caçapava do Sul, RS. Programa de Pós-Graduação em Geociências, Universidade Federal do Rio Grande do Sul, Porto Alegre. Dissertação de Mestrado, 161p. Bortolotto, O.J. 1986. Petrologia dos Mármores de Caçapava Do Sul, RS. Instituto de Geociências Universidade de São Paulo. São Paulo. Dissertação De Metrado. 87p. Brown, D.C. 1958. A Solution to The General Problem of Multiple Station Analytical Stereo Triangulation. RCA Technical Report No. 43, Burnham, B.S. & Hodgetts, D. 2018. Quantifying Spatial and Architectural Relationships from Fluvial Outcrops. Geosphere, 15(1): 236-253. Calcagno, P.; Courrioux, G., Guillen, A., Fitzgerald, D. & Mcinerney, P. 2006. How 3D implicit geometric modelling helps to understand geology: the 3DGeoModeller methodology. In: INT. ASSOC. FOR MATHEMATICAL GEOLOGY XITH INTERNATIONAL CONGRESS, 11, Bélgica, 2006. Université de Liège. Carrivick, J.L.; Smith, M.W. & Quincey, D.J. 2016. Structure from Motion in the Geosciences. Londres, Wiley-Blackwell, 197p. Cawood, A.J.; Bond, C.E.; Howell, J.A.; Butler, R.W.H. & Tokage, Y. 2017. Lidar, UAV or Compass-clinometer? Accuracy, Coverage and The Effects on Structural Models. Journal of Structural Geology, 98: 67-82. Fischler, M.A. & Bolles, R.C. 1981. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography. Communications of the ACM, 24(6):381-395. Gonçalves, I.G.; Kumaria, S. & Guadagnin, F. 2017. A Machine Learning Approach to the Potential-Field Method for Implicit Modeling of Geological Structures. Computers & Geosciences, 107: 173–182. Hartmann, L.A.; Nardi, L., Formoso, M., Remus, M., De Lima, E. & Mexias, A. 1999. Magmatism and Metallogeny in the Crustal Evolution of Rio Grande Do Sul Shield, Brazil. Pesquisas em Geociências, 26: 45–63. Hodgetts, D. 2013. Laser Scanning and Digital Outcrop Geology in the Petroleum Industry: A Review. Marine and Petroleum Geology, 46:335-354. Lopes, C.G.; Pimentel, M.M.; Philipp, R.P.; Gruber, L.; Armstrong, R. & Junges, S. 2014. Provenance of the Passo Feio Complex, Dom Feliciano Belt: Implications for the Age of Supracrustal Rocks of the São Gabriel Arc, Southern Brazil. Journal of South American Earth Science. 58: 9-17. Lowe, D.G. 2004. Distinctive Image Features from Scale-Invariant Keypoints. International Journal of Computer Vision, 60(2):91-110. Maxelon, M.; Renard, P., Courrioux, G., Brändli, M. & Mancktelow, N. 2009. A Workflow to Facilitate Three-Dimensional Geometrical Modelling of Complex Polydeformed Geological Units. Computers & Geosciences, 35:644–658. Philipp, R.P.; Pimentel, M.M. & Basei, M.A.S. 2018. The Tectonic Evolution of the São Gabriel Terrane, Dom Feliciano Belt, Southern Brazil: The Closure of the Charrua Ocean. In: S. SIEGESMUND et al. (eds.), Geology of Southwest Gondwana. Regional Geology Reviews. p. 243-265. Porcher, C.A. & Lopes, R.C. (Orgs.), 2000. Cachoeira do Sul – Folha SH.22-Y-A. Mapa geológico. Programa Levantamentos Geológicos Básicos do Brasil. Brasília: CPRM. Ribeiro, M.; Bocchi, P.R., Figueiredo, P.M. & Tessari, R.L. 1966. Geologia da Quadrícula de Caçapava do Sul, Brasil. Rio De Janeiro. DNPM/DFPM, Boletim 127. 232p. Sides, E.J. 1997. Geological Modelling of Mineral Deposits for Prediction in Mining. Geologische Roundschau. Delft, 86(2): 342-353. Slama, C.C. 1980. Manual of Photogrammetry. Falls Church, VA, American Society of Photogrammetry. 1050p. Tavani S.; Granado P.; Corradetti A.: Girundo M.: Iannace A.: Arbués P.: Munõz J. & Mazzoli S. 2014. Building a Virtual Outcrop, Extracting Geological Information from it, and Sharing the Results in Google Earth via OpenPlot and Photoscan: An example from the Khaviz Anticline (Iran). Computers and Geosciences, 63:44-53. Tavani, S.; Corradeti, A. & Billi, A. 2016. High Precision Analysis of An Embryonic Extensional Fault-Related Fold Using 3D Orthorectified Virtual Outcrops: The Viewpoint Importance in Structural Geology. Journal of Structural Geology, 86: 200-210. Viana, C.D.; Grohmann, C.H.; Busarello, M.S.T. & Garcia, G.P.B. 2018. Structural analysis of clastic dikes using Structure from Motion-Multi-View Stereo: a case-study in the Paraná Basin, southeastern Brazil. Brazilian Journal of Geology, 48: 839-852. Vollgger, S.A.; Cruden, A.R., Ailleres, L. & Cowan, E.J. 2015. Regional Dome Evolution and its Control on Ore-Grade Distribution: Insights From 3D Implicit Modelling of the Navachab Gold Deposit, Namibia. Ore Geology Reviews, 69: 268–284. Wellman, F. & Caumon, G. 2018. 3-D Structural Geological Models: Concepts, Methods, And Uncertainties. Advances in Geophysics, 59: 1-121.Copyright (c) 2020 Anuário do Instituto de Geociênciashttp://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccess2021-12-28T02:11:18Zoai:www.revistas.ufrj.br:article/39937Revistahttps://revistas.ufrj.br/index.php/aigeo/indexPUBhttps://revistas.ufrj.br/index.php/aigeo/oaianuario@igeo.ufrj.br||1982-39080101-9759opendoar:2021-12-28T02:11:18Anuário do Instituto de Geociências (Online) - Universidade Federal do Rio de Janeiro (UFRJ)false
dc.title.none.fl_str_mv Modelagem Geológica Implícita em Mina de Mármore no Complexo Metamórfico Passo Feio, Rio Grande do Sul, Brasil
title Modelagem Geológica Implícita em Mina de Mármore no Complexo Metamórfico Passo Feio, Rio Grande do Sul, Brasil
spellingShingle Modelagem Geológica Implícita em Mina de Mármore no Complexo Metamórfico Passo Feio, Rio Grande do Sul, Brasil
Pasetto, Giovanni Argenta
Strucutre from Motion – Multi View Stereo; análise estrutural e litológica; algoritmos de aprendizagem de máquina
title_short Modelagem Geológica Implícita em Mina de Mármore no Complexo Metamórfico Passo Feio, Rio Grande do Sul, Brasil
title_full Modelagem Geológica Implícita em Mina de Mármore no Complexo Metamórfico Passo Feio, Rio Grande do Sul, Brasil
title_fullStr Modelagem Geológica Implícita em Mina de Mármore no Complexo Metamórfico Passo Feio, Rio Grande do Sul, Brasil
title_full_unstemmed Modelagem Geológica Implícita em Mina de Mármore no Complexo Metamórfico Passo Feio, Rio Grande do Sul, Brasil
title_sort Modelagem Geológica Implícita em Mina de Mármore no Complexo Metamórfico Passo Feio, Rio Grande do Sul, Brasil
author Pasetto, Giovanni Argenta
author_facet Pasetto, Giovanni Argenta
Gonçalves, Ítalo Gomes
Guadagnin, Felipe
Santos, Evandro Gomes dos
author_role author
author2 Gonçalves, Ítalo Gomes
Guadagnin, Felipe
Santos, Evandro Gomes dos
author2_role author
author
author
dc.contributor.none.fl_str_mv
dc.contributor.author.fl_str_mv Pasetto, Giovanni Argenta
Gonçalves, Ítalo Gomes
Guadagnin, Felipe
Santos, Evandro Gomes dos
dc.subject.por.fl_str_mv Strucutre from Motion – Multi View Stereo; análise estrutural e litológica; algoritmos de aprendizagem de máquina
topic Strucutre from Motion – Multi View Stereo; análise estrutural e litológica; algoritmos de aprendizagem de máquina
description A modelagem geológica é uma ferramenta indispensável para o planejamento mineiro; porém a construção de modelos geológicos exige tempo, planejamento e pode gerar custos elevados. O uso de modelos 3D fotorrealistas permite classificar e interpretar remotamente as rochas e estruturas geológicas, reduzindo os riscos inerentes as atividades e aumentando a quantidade e precisão das informações utilizadas na modelagem geológica. Este trabalho apresenta a construção de modelo geológico implícito de mina de mármore, utilizando classificação litológica e análise estrutural por sensoriamento remoto. Projeções fotorealistas das rochas expostas, chamadas de modelos virtuais de afloramento, foram construídos utilizando algoritmos Structure from Motion – Multi-View Stereo.Esses modelos são compostos por (i) milhões de pontos georreferenciados (nuvem de pontos) contendo informação de cor e vetor normal, e (ii) superfície triangulada texturizada. Para a construção dos modelos virtuais de afloramento, foram adquiridas fotografias aéreas com veículo aéreo não-tripulados. A nuvem de pontos foi classificada por litologia e a orientação e posição das estruturas geológicas foram determinadas na malha triangulada texturizada. Os dados derivados dos modelos virtuais de afloramento foramprocessados utilizando algoritmo livre (open-source) baseado em aprendizagem de máquina para o cálculo de um campo escalar. Oresultado consiste em modelo de blocos tridimensional que representa as litologias que ocorrem na mina. O modelo gerado inclui 985.000 m3 de mármore e 598.000 m3 de esteril, permitindo determinar a arquitetura geológica em até 50 metros na horizontal e 30 metros na vertical a partir da superfície do terreno. Esse volume é suficiente para orientar o planejamento da lavra por até dois anos.
publishDate 2020
dc.date.none.fl_str_mv 2020-12-18
dc.type.none.fl_str_mv

dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://revistas.ufrj.br/index.php/aigeo/article/view/39937
10.11137/2020_4_202_217
url https://revistas.ufrj.br/index.php/aigeo/article/view/39937
identifier_str_mv 10.11137/2020_4_202_217
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://revistas.ufrj.br/index.php/aigeo/article/view/39937/pdf
/*ref*/Agisoft LLC, 2019. Agisoft Metashape User Manual Professional Edition. V. 1.5. St. Petersburg, Rússia. 124 p. Disponível em: <https://www.agisoft.com/pdf/metashape-pro_1_5_en.pdf>. Acesso em: 25 abr. 2019. Beretta, F.; Rodrigues, A., Peroni, R. & Costa, J.F. 2018. Uso de Vant para Automatização de Classificação Litológica em Frente de Lavra a Céu Aberto. In: CONGRESSO BRASILEIRO DE MINAS A CÉU ABERTO E MINAS SUBTERRÂNEAS, 9, Belo Horizonte, 2018. Bitencourt, M.F. 1983. Geologia, Petrologia e Estrutura dos Metamorfitos da Região de Caçapava do Sul, RS. Programa de Pós-Graduação em Geociências, Universidade Federal do Rio Grande do Sul, Porto Alegre. Dissertação de Mestrado, 161p. Bortolotto, O.J. 1986. Petrologia dos Mármores de Caçapava Do Sul, RS. Instituto de Geociências Universidade de São Paulo. São Paulo. Dissertação De Metrado. 87p. Brown, D.C. 1958. A Solution to The General Problem of Multiple Station Analytical Stereo Triangulation. RCA Technical Report No. 43, Burnham, B.S. & Hodgetts, D. 2018. Quantifying Spatial and Architectural Relationships from Fluvial Outcrops. Geosphere, 15(1): 236-253. Calcagno, P.; Courrioux, G., Guillen, A., Fitzgerald, D. & Mcinerney, P. 2006. How 3D implicit geometric modelling helps to understand geology: the 3DGeoModeller methodology. In: INT. ASSOC. FOR MATHEMATICAL GEOLOGY XITH INTERNATIONAL CONGRESS, 11, Bélgica, 2006. Université de Liège. Carrivick, J.L.; Smith, M.W. & Quincey, D.J. 2016. Structure from Motion in the Geosciences. Londres, Wiley-Blackwell, 197p. Cawood, A.J.; Bond, C.E.; Howell, J.A.; Butler, R.W.H. & Tokage, Y. 2017. Lidar, UAV or Compass-clinometer? Accuracy, Coverage and The Effects on Structural Models. Journal of Structural Geology, 98: 67-82. Fischler, M.A. & Bolles, R.C. 1981. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography. Communications of the ACM, 24(6):381-395. Gonçalves, I.G.; Kumaria, S. & Guadagnin, F. 2017. A Machine Learning Approach to the Potential-Field Method for Implicit Modeling of Geological Structures. Computers & Geosciences, 107: 173–182. Hartmann, L.A.; Nardi, L., Formoso, M., Remus, M., De Lima, E. & Mexias, A. 1999. Magmatism and Metallogeny in the Crustal Evolution of Rio Grande Do Sul Shield, Brazil. Pesquisas em Geociências, 26: 45–63. Hodgetts, D. 2013. Laser Scanning and Digital Outcrop Geology in the Petroleum Industry: A Review. Marine and Petroleum Geology, 46:335-354. Lopes, C.G.; Pimentel, M.M.; Philipp, R.P.; Gruber, L.; Armstrong, R. & Junges, S. 2014. Provenance of the Passo Feio Complex, Dom Feliciano Belt: Implications for the Age of Supracrustal Rocks of the São Gabriel Arc, Southern Brazil. Journal of South American Earth Science. 58: 9-17. Lowe, D.G. 2004. Distinctive Image Features from Scale-Invariant Keypoints. International Journal of Computer Vision, 60(2):91-110. Maxelon, M.; Renard, P., Courrioux, G., Brändli, M. & Mancktelow, N. 2009. A Workflow to Facilitate Three-Dimensional Geometrical Modelling of Complex Polydeformed Geological Units. Computers & Geosciences, 35:644–658. Philipp, R.P.; Pimentel, M.M. & Basei, M.A.S. 2018. The Tectonic Evolution of the São Gabriel Terrane, Dom Feliciano Belt, Southern Brazil: The Closure of the Charrua Ocean. In: S. SIEGESMUND et al. (eds.), Geology of Southwest Gondwana. Regional Geology Reviews. p. 243-265. Porcher, C.A. & Lopes, R.C. (Orgs.), 2000. Cachoeira do Sul – Folha SH.22-Y-A. Mapa geológico. Programa Levantamentos Geológicos Básicos do Brasil. Brasília: CPRM. Ribeiro, M.; Bocchi, P.R., Figueiredo, P.M. & Tessari, R.L. 1966. Geologia da Quadrícula de Caçapava do Sul, Brasil. Rio De Janeiro. DNPM/DFPM, Boletim 127. 232p. Sides, E.J. 1997. Geological Modelling of Mineral Deposits for Prediction in Mining. Geologische Roundschau. Delft, 86(2): 342-353. Slama, C.C. 1980. Manual of Photogrammetry. Falls Church, VA, American Society of Photogrammetry. 1050p. Tavani S.; Granado P.; Corradetti A.: Girundo M.: Iannace A.: Arbués P.: Munõz J. & Mazzoli S. 2014. Building a Virtual Outcrop, Extracting Geological Information from it, and Sharing the Results in Google Earth via OpenPlot and Photoscan: An example from the Khaviz Anticline (Iran). Computers and Geosciences, 63:44-53. Tavani, S.; Corradeti, A. & Billi, A. 2016. High Precision Analysis of An Embryonic Extensional Fault-Related Fold Using 3D Orthorectified Virtual Outcrops: The Viewpoint Importance in Structural Geology. Journal of Structural Geology, 86: 200-210. Viana, C.D.; Grohmann, C.H.; Busarello, M.S.T. & Garcia, G.P.B. 2018. Structural analysis of clastic dikes using Structure from Motion-Multi-View Stereo: a case-study in the Paraná Basin, southeastern Brazil. Brazilian Journal of Geology, 48: 839-852. Vollgger, S.A.; Cruden, A.R., Ailleres, L. & Cowan, E.J. 2015. Regional Dome Evolution and its Control on Ore-Grade Distribution: Insights From 3D Implicit Modelling of the Navachab Gold Deposit, Namibia. Ore Geology Reviews, 69: 268–284. Wellman, F. & Caumon, G. 2018. 3-D Structural Geological Models: Concepts, Methods, And Uncertainties. Advances in Geophysics, 59: 1-121.
dc.rights.driver.fl_str_mv Copyright (c) 2020 Anuário do Instituto de Geociências
http://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2020 Anuário do Instituto de Geociências
http://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Rio de Janeiro
publisher.none.fl_str_mv Universidade Federal do Rio de Janeiro
dc.source.none.fl_str_mv Anuário do Instituto de Geociências; Vol 43, No 4 (2020); 202_217
Anuário do Instituto de Geociências; Vol 43, No 4 (2020); 202_217
1982-3908
0101-9759
reponame:Anuário do Instituto de Geociências (Online)
instname:Universidade Federal do Rio de Janeiro (UFRJ)
instacron:UFRJ
instname_str Universidade Federal do Rio de Janeiro (UFRJ)
instacron_str UFRJ
institution UFRJ
reponame_str Anuário do Instituto de Geociências (Online)
collection Anuário do Instituto de Geociências (Online)
repository.name.fl_str_mv Anuário do Instituto de Geociências (Online) - Universidade Federal do Rio de Janeiro (UFRJ)
repository.mail.fl_str_mv anuario@igeo.ufrj.br||
_version_ 1797053536996950016