Mapeamento preditivo de favorabilidade para ouro na porção central da Província Mineral do Tapajós, Pará

Detalhes bibliográficos
Autor(a) principal: Souza Gaia, Sulsiene Machado de, 1988-
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1641341
Resumo: Orientador: Carlos Roberto de Souza Filho
id UNICAMP-30_f79b7ea635136814e91b52f81d83bb9c
oai_identifier_str oai::1164552
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Mapeamento preditivo de favorabilidade para ouro na porção central da Província Mineral do Tapajós, ParáPredictive mapping of gold favorability in the central portion of the Tapajós Mineral Province, ParáModelamento de prospectividade mineralMáquina de vetores de suporteLógica fuzzyPesos de evidênciasProvíncia Mineral do TapajósMineral prospectivity modelingSupport Vector MachinesFuzzy logicWeights of evidenceTapajós Mineral ProvinceOrientador: Carlos Roberto de Souza FilhoDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de GeociênciasResumo: O objeto dessa pesquisa compreende a modelagem da favorabilidade mineral para ouro relacionado a intrusões na porção central da Província Mineral do Tapajós (PMT), na região sudoeste do Pará. O escopo do estudo abrange a experimentação e avaliação de métodos knowledge e data-driven aplicados a dados multifonte visando a predição de alvos potenciais para a ocorrência de mineralização aurífera, considerando os fatores críticos do sistema mineral abordado e as características da mineralização conhecida. O processamento de dados aerogamaespectrométricos permitiu a identificação de uma assinatura de alteração hidrotermal comum aos sítios de mineralização aurífera, fornecendo informação em regiões com pouco ou nenhum dado de campo. A análise de dados aeromagnetométricos realçados por filtro de continuação ascendente permitiu a identificação de zonas de alta resposta magnética associada a estes depósitos, provavelmente relacionadas ao transporte dos fluidos hidrotermais. Feições lineares extraídas de imagens de radar revelaram a predominância de feições de direcão geral NNW-SSE, que coadunam com o principal controle estrutural dos depósitos nesta região. Os dados gamaespectrométricos, magnetométricos e topográficos analisados foram integrados pela aplicação de três técnicas de modelamento de favorabilidade - Lógica Fuzzy (knowledge-driven), Lógica Bayesiana (ou Pesos de Evidência; data-driven) e outra baseada em algoritmo de machine learning (data-driven) - resultando na concepção de três modelos prospectivos para a área estudada. O modelo Fuzzy resultou na indicação de alvos de maneira mais efetiva e setorizada, principalmente na porção leste da área, refletindo proporcionalmente o panorama de disponibilidade dos dados e mapeando razoavelmente bem as áreas de conhecida ocorrência de mineralização. No entanto, alguns depósitos não foram mapeados pelo modelo, ou tiveram escores de favorabilidade baixos. Ainda assim, sua validação indicou confiança no grau de aleatoriedade explorado para mapear o evento mineralizador. O modelo Bayesiano indicou zonas de maior potencial distribuídas regularmente na área, com geometria alongada em direções compatíveis com os trends estruturais prospectivos, mapeando a maioria dos depósitos conhecidos nas zonas de maior probabilidade. O algoritmo de machine learning foi mais preciso em indicar como prospectivas as áreas de depósitos conhecidos. Em todos os modelos, as regiões indicadas como prospectivas coincidem, em sua maioria, com os depósitos mais expressivos, como São Jorge e Tocantinzinho. Os resultados obtidos nos modelos foram combinados para gerar um mapa de concordância, onde se mapeou a sobreposição das maiores pontuações prospectivas dos mesmos, com a indicação de novas zonas de interesse prospectivo na porção central da PMTAbstract: This research aims to model mineral favorability for intrusion-related gold in the central portion of the Tapajós Mineral Province (TMP) in the southwestern Pará state. The scope of the study includes the experimentation and evaluation of knowledge and data-driven methods applied to multisource data aiming at the prediction of potential targets for the occurrence of gold mineralization, considering the critical factors of the mineral system sought and the characteristics of the known mineralization. The aerogammaspectrometric data processing allowed identifying a hydrothermal alteration signature common to gold mining sites, providing information in regions with little or no field data. The aeromagnetometric data analysis enhanced by an upward continuation filter allowed the identification of high magnetic response zones associated with these deposits, probably related to hydrothermal fluids' transport. Linear features extracted from radar images revealed the predominance of features of general direction NNW-SSE, which are consistent with the main structural control of deposits in this region. The analyzed gamma-spectrometric, magnetometric and topographic data were integrated by the application of three favorability modeling techniques – Fuzzy Logic (knowledge-driven), Bayesian Logic (or Weights of Evidence; data-driven), and another based on machine learning algorithm (data-driven) – resulting in the conception of three prospective models for the studied area. The fuzzy model indicated targets in a more effective and sectorized manner, mainly in the eastern portion of the area, proportionally reflecting the panorama of data availability and mapping areas of known mineralization occurrences reasonably well. However, some deposits were not mapped by the model or scored low prospective values. Nevertheless, its validation indicated confidence in the degree of randomness explored to map the mineralizing event. The Bayesian model indicated areas of greater potential distributed regularly in the area, with elongated geometry in directions compatible with the prospective structural trends, mapping most known deposits in the most likely areas. The machine learning algorithm was more accurate in indicating areas of known deposits as prospective. In all models, the regions indicated as prospective coincide, in their majority, with the most expressive deposits, such as São Jorge and Tocantinzinho. The results obtained in the models were combined to generate a concordance map, which mapped the overlapping of their highest prospective scores, indicating new areas of prospective interest in the central portion of the PMTMestradoGeologia e Recursos NaturaisMestra em Geociências[s.n.]Souza Filho, Carlos Roberto de, 1965-Leite, Emilson PereiraFerreira, Francisco José FonsecaUniversidade Estadual de Campinas (UNICAMP). Instituto de GeociênciasPrograma de Pós-Graduação em GeociênciasUNIVERSIDADE ESTADUAL DE CAMPINASSouza Gaia, Sulsiene Machado de, 1988-20212021-04-23T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (113 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1641341SOUZA GAIA, Sulsiene Machado de. Mapeamento preditivo de favorabilidade para ouro na porção central da Província Mineral do Tapajós, Pará. 2021. 1 recurso online (113 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Geociências, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1641341. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1164552Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2021-05-13T10:26:46Zoai::1164552Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2021-05-13T10:26:46Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Mapeamento preditivo de favorabilidade para ouro na porção central da Província Mineral do Tapajós, Pará
Predictive mapping of gold favorability in the central portion of the Tapajós Mineral Province, Pará
title Mapeamento preditivo de favorabilidade para ouro na porção central da Província Mineral do Tapajós, Pará
spellingShingle Mapeamento preditivo de favorabilidade para ouro na porção central da Província Mineral do Tapajós, Pará
Souza Gaia, Sulsiene Machado de, 1988-
Modelamento de prospectividade mineral
Máquina de vetores de suporte
Lógica fuzzy
Pesos de evidências
Província Mineral do Tapajós
Mineral prospectivity modeling
Support Vector Machines
Fuzzy logic
Weights of evidence
Tapajós Mineral Province
title_short Mapeamento preditivo de favorabilidade para ouro na porção central da Província Mineral do Tapajós, Pará
title_full Mapeamento preditivo de favorabilidade para ouro na porção central da Província Mineral do Tapajós, Pará
title_fullStr Mapeamento preditivo de favorabilidade para ouro na porção central da Província Mineral do Tapajós, Pará
title_full_unstemmed Mapeamento preditivo de favorabilidade para ouro na porção central da Província Mineral do Tapajós, Pará
title_sort Mapeamento preditivo de favorabilidade para ouro na porção central da Província Mineral do Tapajós, Pará
author Souza Gaia, Sulsiene Machado de, 1988-
author_facet Souza Gaia, Sulsiene Machado de, 1988-
author_role author
dc.contributor.none.fl_str_mv Souza Filho, Carlos Roberto de, 1965-
Leite, Emilson Pereira
Ferreira, Francisco José Fonseca
Universidade Estadual de Campinas (UNICAMP). Instituto de Geociências
Programa de Pós-Graduação em Geociências
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Souza Gaia, Sulsiene Machado de, 1988-
dc.subject.por.fl_str_mv Modelamento de prospectividade mineral
Máquina de vetores de suporte
Lógica fuzzy
Pesos de evidências
Província Mineral do Tapajós
Mineral prospectivity modeling
Support Vector Machines
Fuzzy logic
Weights of evidence
Tapajós Mineral Province
topic Modelamento de prospectividade mineral
Máquina de vetores de suporte
Lógica fuzzy
Pesos de evidências
Província Mineral do Tapajós
Mineral prospectivity modeling
Support Vector Machines
Fuzzy logic
Weights of evidence
Tapajós Mineral Province
description Orientador: Carlos Roberto de Souza Filho
publishDate 2021
dc.date.none.fl_str_mv 2021
2021-04-23T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1641341
SOUZA GAIA, Sulsiene Machado de. Mapeamento preditivo de favorabilidade para ouro na porção central da Província Mineral do Tapajós, Pará. 2021. 1 recurso online (113 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Geociências, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1641341. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1641341
identifier_str_mv SOUZA GAIA, Sulsiene Machado de. Mapeamento preditivo de favorabilidade para ouro na porção central da Província Mineral do Tapajós, Pará. 2021. 1 recurso online (113 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Geociências, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1641341. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1164552
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (113 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189173177876480

Registros relacionados