INTEGRAÇÃO E ANÁLISE DE IMAGENS ASTER E IKONOS PARA IDENTIFICAÇÃO DE SÍTIOS DE EXPLORAÇÃO MINERAL COM CARACTERISTICAS DE ALTERAÇÕES HIDROTERMAIS
Creators
- 1. Brazilian Institute of Geography and Statistics
- 2. Universidade Federal do Rio de Janeiro
Description
O Sensoriamento Remoto agrega tecnologia de sensores imageadores e não imageadores, e é uma ferramenta de grande valia no auxilio da pesquisa mineral contribuindo para a identificação, mapeamento e avaliação de diferentes tipos de depósitos minerais. Os sensores orbitais e aerotransportados atuais, permitem obter assinaturas espectrais que podem contribuir na identificação da presença de minerais formados por processos de alteração hidrotermal com deposição de metais como ouro, prata, cobre entre outros. A partir deste contexto o presente trabalho buscou gerar um modelo de classificação que possibilite identificar áreas prováveis para exploração mineral de Cobre (Cu) e Ouro (Au) tendo como base a aplicação de técnicas de Análise de Principais Componentes (APC) às bandas espectrais do sensor multiespectral ASTER. O trabalho foi desenvolvido na Província Mineral de Carajás (PMC), na região de Parauapebas, tendo como balizadores do modelo de classificação proposto todo o arcabouço científico existente sobre as minas de Bacaba, Serra Verde, Alvo 118 e principalmente da mina de Sossego as quais se encontram na área da pesquisa. Os minerais escolhidos como indicadores de áreas prováveis para prospecção de Cu e Au foram a Marialita, Actinolita, Epidoto, Clorita, Biotita e Albita. Cada um destes minerais teve sua curva espectral identificada na Biblioteca Espectral de Minerais do USGS as quais foram posteriormente reamostradas para o comprimento de onda das bandas do sensor ASTER, ou seja, nove bandas do SWIR e VNIR. Estas respostas espectrais possibilitaram determinar os seis conjuntos de quatro bandas cada, que melhor caracterizassem os minerais indicadores. Os resultados apontam que o modelo de classificação aplicado identificou anomalias minerais reconhecidas no terreno, além das já conhecidas na área da pesquisa. Além disso, mostrou eficiência na identificação de áreas que já vêm sendo exploradas como garimpos, pois nestas áreas a movimentação de solo torna abundante em superfície a presença dos minerais indicadores, o que facilita muito o imageamento pelo sensor e conseqüentemente a classificação. Em uma área de aproximadamente 4000 km² foram identificadas cerca de 90 anomalias, classificadas de acordo com o grau de prioridade, sendo 18 de 1ª ordem, 48 de 2ª ordem e 24 de 3ª ordem de prioridade para investigação. Todas as principais ocorrências minerais conhecidas na área foram identificadas, e novas ocorrências foram confirmadas nos trabalhos iniciais de verificação de campo. De maneira geral os minerais identificados do centro para a borda das anomalias foram a Actinolita e Epidoto na porção central da anomalia; Clorita, Albita e Biotita na porção intermediária e a Marialita no halo mais externo.
Translated Descriptions
Translated Description (Arabic)
O Sensoriamento Remoto agrega tecnologia de sensores imageadores e não imageadores, e é uma ferramenta de grande valia no auxilio da pesquisa mineral contribuindo para a identificação, mapeamento e avaliação de diferentes tipos de depósitos minerais. أوس سينسوريس أوربيتيس إي إيروتبورتادوس أتوايس، بوريسيم أوتر أسيناتوراس إسبكترايس كيو بوديم المساهمة نا أديتيفيكاساو دا بريسينسا دي مينيريس فورماتادوس بور بروسيسوس دي تيراساو هيدروتيرمال كوم دي ميتايس كومو أورو، براتا، كوبري إنتري أوتروس. جزء من سياق أو حاضر عمل تجاري نموذجي لمكونات أساسية (APC) مثل العصابات الطيفية التي تعمل على استشعار أستر متعدد الأطياف. O trabalho foi desenvolvido na Província Mineral de Carajás (PMC), na região de Parauapebas, tendo como balizadores do modelo de classificação proposto todo o arcabouço científico existente sobre as minas de Bacaba, Serra Verde, Alvo 118 e principalmente da mina de Sossego as quais se encontram na área da pesquisa. Os minerais escolhidos como indicadores de áreas prováveis para prospecção de Cu e Au foram a Marialita, Actinolita, Epidoto, Clorita, Biotita e Albita. Cada um destes minerais teve sua curva espectral identificada na Biblioteca Espectral de Minerais do USGS as quais posteriormente reamostradas para o comprimento de onda das bandas do sensor ASTER, ou seja, nove bandas do SWIR e VNIR. Estas respostas espectrais possibilitaram determinar os seis conjuntos de quatro bandas cada, que melhor caracterizassem os minerais indicadores. نتائج البحث عن نموذج تصنيف هوية الشذوذات المنجمية التي لا توجد تيرانو، علم الكونيكيدس الذي لا يوجد بيسكويسا. Além disso, mostrou eficiência na identificação de áreas que já vêm sendo exploradas como garimpos, pois nestas áreas a movimentação de solo torna abundante em superfície a presença dos minerais indicadores, o que facilita muito o imageamento pelo sensor e conseqéntemente a classificação. إم أوما أريا دي أروكسيمادامنت 4000 كم² فورام هويات ذيل 90 حالة شاذة، كلاسيفاداس دي أكوردو كوم أو غرو دي بريسيديد، سيندو 18 دي 1 ª أوردرم، 48 دي 2 ª أوردرم ه 24 دي 3 ª أوردرم دي بريسيديد بارا إنفيستيكاساو. توداس كمدير أوكورانسياس مينيريس كونكيداس نا أريا فورام هينفيكاداس، ه نوفاس أوكوررينسياس فورام فورام كونفيرماداس نوس ترابالوس إنيسيايس دي فيريفيكاساو دي كامبو. دي maneira geral os minerais identificados do centro para a borda das anomalias foram a Actinolita e Epidoto na porção central da anomalia; Clorita, Albita e Biotita na porção intermediária e a Marialita no halo mais externo.Translated Description (French)
O Sensoriamento Remoto agrega tecnologia de sensores imageadores e não imageadores, e é uma ferramenta de grande valia no auxilio da pesquisa mineral contribuindo para a identificação, mapeamento e avaliação de diferentes tipos de depósitos minerais. Os sensores orbitais e aerotransportados atuais, permitem obter assinaturas espectrais que podem contribuir na identificação da presença de minerais formados por processos de alteração hidrotermal com deposição de metais como ouro, prata, cobre entre outros. A partir deste contexto o presente trabalho buscou gerar um modelo de classificação que possibilite identificar áreas prováveis para exploração mineral de Cobre (Cu) e Ouro (Au) tendo como base a aplicação de técnicas de Análise de Principais Componentes (APC) às bandas espectrais do sensor multiespectral ASTER. O trabalho foi desenvolvido na Província Mineral de Carajás (PMC), na região de Parauapebas, tendo como balizadores do modelo de classificação proposto todo o arcabouço científico existente sobre as minas de Bacaba, Serra Verde, Alvo 118 e principalmente da mina de Sossego as quais se encontram na área da pesquisa. Os minerais escolhidos como indicadores de áreas prováveis para prospecção de Cu e Au foram a Marialita, Actinolita, Epidoto, Clorita, Biotita e Albita. Cada um destes minerais teve sua curva espectral identificada na Biblioteca Espectral de Minerais do USGS as quais foram posteriormente reamostradas para o comprimento de onda das bandas do sensor ASTER, ou seja, nove bandas do SWIR e VNIR. Estas respostas espectrais possibilitaram determinar os seis conjuntos de quatro bandas cada, que melhor caracterizassem os minerais indicadores. Os resultados apontam que o modelo de classificação aplicado identificou anomalias minerais reconhecidas no terreno, além das já conhecidas na área da pesquisa. Além disso, mostrou eficiência na identificação de áreas que já vêm sendo exploradas como garimpos, pois nestas áreas a movimentação de solo torna abundante em superfície a presença dos minerais indicadores, o que facilita muito o imageamento pelo sensor e conseqüentemente a classificação. Em uma área de aproximadamente 4000 km² foram identificadas cerca de 90 anomalias, classificadas de acordo com o grau de prioridade, sendo 18 de 1ª ordem, 48 de 2ª ordem e 24 de 3ª ordem de prioridade para investigação. Todas as principais ocorrências minerais conhecidas na área foram identificadas, e novas ocorrências foram confirmadas nos trabalhos iniciais de verificação de campo. De maneira geral os minerais identificados do centro para a borda das anomalias foram a Actinolita e Epidoto na porção central da anomalia ; Clorita, Albita e Biotita na porção intermediária e a Marialita no halo mais externo.Translated Description (Spanish)
O Sensoriamento Remoto agrega tecnologia de sensores imageadores e não imageadores, e éuma ferramenta de grande valia no auxilio da pesquisa mineral contribuindo para a identificação, mapeamento e avaliação de diferentes tipos de depósitos minerais. Os sensores orbitais e aerotransportados atuais, permitem obter assinaturas espectrais que podem contribuir na identificação da presença de minerais formados por processos de alteração hidrotermal com deposição de metais como ouro, prata, cobre entre outros. A partir deste contexto o presente trabalho buscou gerar um modelo de classificação que possibilite identificar áreas prováveis para exploração mineral de Cobre (Cu) e Ouro (Au) tendo como base a aplicação de técnicas de Análise de Principais Componentes (APC) às bandas espectrais do sensor multiespectral ASTER. O trabalho foi desenvolvido na Província Mineral de Carajás (PMC), na região de Parauapebas, tendo como balizadores do modelo de classificação proposto todo o arcabouço científico existente sobre como minas de Bacaba, Serra Verde, Alvo 118 e principalmente da mina de Sossego as quais se encontram na área da pesquisa. Os minerais escolhidos como indicadores de áreas prováveis para prospecção de Cu e Au foram a Marialita, Actinolita, Epidoto, Clorita, Biotita e Albita. Cada um destes minerais teve sua curva espectral identificada na Biblioteca Espectral de Minerais do USGS as quais foram posteriormente reamostradas para o comprimento de onda das bandas do sensor ASTER, ou seja, nove bandas do SWIR e VNIR. Estas respostas espectrais possibilitaram determinan os seis conjuntos de quatro bandas cada, que melhor caracterizassem os minerais indicadores. Os resultados apontam que o modelo de classificação aplicado identificou anomalias minerais reconhecidas no terreno, além das já conhecidas na área da pesquisa. Além disso, mostrou eficiência na identificação de áreas que já vêm sendo exploradas como garimpos, pois nestas áreas a movimentação de solo torna abundante em superfície a presença dos minerais indicadores, o que facilita muito o imageamento pelo sensor e conseqüentemente a classificação. Em uma área de aproximadamente 4000 km² foram identificadas cerca de 90 anomalías, classificadas de acordo com o grau de prioridade, sendo 18 de 1ª ordem, 48 de 2ª ordem e 24 de 3ª ordem de prioridade para investigação. Todas as principais ocorrências minerais conhecidas na área foram identificadas, e novas ocorrências foram confirmadas nos trabalhos iniciais de verificação de campo. De maneira geral os minerais identificados do centro para a borda das anomalias foram a Actinolita e Epidoto na porção central da anomalia; Clorita, Albita e Biotita na porção intermediária e a Marialita no halo mais externo.Files
22978.pdf
Files
(11.5 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:227296faa67c566b76380f924fc2168a
|
11.5 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- INTEGRAÇAO E ANALISE DE IMAGENS ASTER E IKONOS PARA IDENTIFICAÇAO DE SİTIOS DE EXPLORAÇAO MINERAL COM CARACTERISTICAS DE ALTERAÇES HIDROTERMAIS
- Translated title (French)
- INTEGRAÇÃO E ANÁLISE DE IMAGENS ASTER E IKONOS PARA IDENTIFICAÇÃO DE SÍTIOS DE EXPLORAÇÃO MINERAL COM CARACTERISTICAS DE ALTERAÇÕES HIDROTERMAIS
- Translated title (Spanish)
- INTEGRAÇÃO E ANÁLISE DE IMAGENS ASTER E IKONOS PARA IDENTIFICAÇÃO DE SÍTIOS DE EXPLORAÇÃO MINERAL COM CARACTERISTICAS DE ALTERAÇÕES HIDROTERMAIS
Identifiers
- Other
- https://openalex.org/W2601132198
- DOI
- 10.14393/rbcv62n0-43714