Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://tede2.uefs.br:8080/handle/tede/1967
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSantos, Rodrigo Soares Vieira dos-
dc.creator.Latteshttp://lattes.cnpq.br/5103383834188405por
dc.contributor.advisor1Franca-Rocha, Washington de Jesus Sant’anna da-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6817204233903341por
dc.contributor.advisor-co1Iza, Edgar Romeo Herrera de Figueiredo-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/5015144313723021por
dc.date.accessioned2025-11-14T19:16:17Z-
dc.date.issued2023-03-17-
dc.identifier.citationSANTOS, Rodrigo Soares Vieira dos. Modelagem do potencial mineral de bauxita a partir de dados aerogeofísicos e de sensoriamento remoto na porção sudeste da Bahia, Brasil, 2023, 66f., Dissertação (mestrado) - Programa de Pós-Graduação em Modelagem em Ciências da Terra e do Ambiente, Universidade Estadual de Feira de Santana, Feira de Santana.por
dc.identifier.urihttp://tede2.uefs.br:8080/handle/tede/1967-
dc.description.resumoO presente trabalho visou a construção de um modelo de potencial mineral de bauxita a partir da integração de dados aerogeofísicos e de sensoriamento remoto em uma área que corresponde à porção leste do Cráton São Francisco no sudeste do estado da Bahia, Brasil. Estudos recentes demonstraram um potencial para ocorrências de bauxita e outros minerais supergênicos na região. Esses minerais estão ligados à presença de perfis lateríticos bem desenvolvidos a partir da ação do intemperismo. Para construir o modelo, foram gerados mapas de concentração de K, eTh e eU, que nos permitem identificar a assinatura geoquímica dos materiais associados ao regolito, além do Gradiente Total, que nos fornece informações acerca da susceptibilidade magnética dos materiais. Para estudar o contexto geomorfológico da área, foram gerados um modelo digital de terreno (SRTM) e um mapa de declividade. Imagens Landsat 8 também foram utilizadas com o intuito de estudar a distribuição espacial dos materiais superficiais a partir da sua composição química, além de um mapa litológico para fornecer informações acerca da rocha-fonte dos materiais residuais. O algoritmo de aprendizado supervisionado Random Forest foi aplicado para integrar os mapas de evidências gerados, resultando no modelo de potencial mineral de bauxita para a região. O modelo resultante reduziu consideravelmente a área de pesquisa e obteve medidores de desempenho satisfatórios, atingindo um F-score de 0,81 e um coeficiente kappa de 0,83. As áreas sugeridas pelo modelo como alvos reforçam o potencial mineral de áreas com ocorrências já conhecidas, além de sugerir novos alvos para prospecção. A metodologia foi implementada na plataforma de processamento digital de imagens na nuvem Google Earth Engine, a partir de um ambiente de desenvolvimento integrado (IDE) que utiliza linguagem de programação JavaScript. Além de sugerir alvos prospectivos, os resultados ainda indicaram que os mapas de evidência com maior importância na geração do modelo foram os gerados a partir do SRTM, além do urânio e do potássio.por
dc.description.abstractThe present work aimed to build a bauxite mineral potential model by integrating airborne geophysics and remote sensing data in an area that corresponds to the eastern portion of the São Francisco Craton in the southeast of Bahia state, Brazil. Recent studies have demonstrated a potential for bauxite and other supergene minerals in the region, linked to the presence of well-developed lateritic profiles resulting from weathering. To build the model, maps of K, eTh, and eU concentrations were generated to identify the geochemical signature of materials associated with regolith, as well as the Total Gradient, to provide information about the magnetic susceptibility of materials. To study the geomorphological context of the area, a digital elevation model (SRTM) and a slope map were generated. Landsat 8 scenes were also used to study the spatial distribution of surface materials based on their chemical composition, along with a lithological map to provide information about the source rock of the residual materials. The Random Forest supervised learning algorithm was applied to integrate the generated evidence maps, resulting in the bauxite mineral potential model for the region. The resulting model considerably reduced the study area and obtained satisfactory performance measures, achieving an F-score of 0.81 and a kappa coefficient of 0.83. The areas suggested by the model as targets reinforce the mineral potential of areas with known occurrences, as well as suggesting new targets for prospecting. The methodology was implemented on the Google Earth Engine cloud image processing platform using a JavaScript programming language integrated development environment (IDE). In addition to suggesting prospective targets, the results also indicated that the evidence maps with the most importance within the model generation were those from the SRTM, as well as from uranium and potassium.eng
dc.description.provenanceSubmitted by Daniela Costa (dmscosta@uefs.br) on 2025-11-14T19:16:17Z No. of bitstreams: 1 RODRIGO SOARES VIEIRA DOS SANTOS - Dissertacao.pdf: 20903039 bytes, checksum: 12eab76479266f3d13b3f888778868d2 (MD5)eng
dc.description.provenanceMade available in DSpace on 2025-11-14T19:16:17Z (GMT). No. of bitstreams: 1 RODRIGO SOARES VIEIRA DOS SANTOS - Dissertacao.pdf: 20903039 bytes, checksum: 12eab76479266f3d13b3f888778868d2 (MD5) Previous issue date: 2023-03-17eng
dc.formatapplication/pdf*
dc.thumbnail.urlhttp://tede2.uefs.br:8080/retrieve/8209/RODRIGO%20SOARES%20VIEIRA%20DOS%20SANTOS%20-%20Dissertacao.pdf.jpg*
dc.languageporpor
dc.publisherUniversidade Estadual de Feira de Santanapor
dc.publisher.departmentDEPARTAMENTO DE CIÊNCIAS EXATASpor
dc.publisher.countryBrasilpor
dc.publisher.initialsUEFSpor
dc.publisher.programPrograma de Pós-Graduação em Modelagem em Ciências da Terra e do Ambientepor
dc.rightsAcesso Abertopor
dc.subjectBauxitapor
dc.subjectAerogeofísicapor
dc.subjectSensoriamento Remotopor
dc.subjectAprendizado Supervisionadopor
dc.subjectRandom Forestpor
dc.subjectGoogle Earth Enginepor
dc.subjectBauxiteeng
dc.subjectAirborne geophysicseng
dc.subjectRemote Sensingeng
dc.subjectSupervised Learningeng
dc.subjectRandom Foresteng
dc.subjectGoogle Earth Engineeng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRApor
dc.titleModelagem do potencial mineral de bauxita a partir de dados aerogeofísicos e de sensoriamento remoto na porção sudeste da Bahia, Brasilpor
dc.typeDissertaçãopor
Aparece nas coleções:Coleção UEFS

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
RODRIGO SOARES VIEIRA DOS SANTOS - Dissertacao.pdfSantos, Rodrigo Soares Vieira dos - Dissertação20,41 MBAdobe PDFThumbnail

Baixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.