Processamento digital em nuvem para caracterização espectral e geofísica de litofácies neoproterozoicas da Sub-bacia de Irecê, Bahia.

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Oliveira, Camila Figueredo
Orientador(a): Misi, Aroldo
Banca de defesa: Almeida, Tati de, Silva, Ardemirio de Barros, Vasconcelos, Rodrigo Nogueira de, Santana, Ana Virginia Alves de
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal da Bahia
Instituto de Geociências
Programa de Pós-Graduação: em Geologia
Departamento: Não Informado pela instituição
País: brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: http://repositorio.ufba.br/ri/handle/ri/32815
Resumo: A Sub-Bacia de Irecê é formada por sucessões carbonáticas e siliciclásticas depositadas em ambiente marinho e mapeadas como Formação Salitre, Supergrupo São Francisco. Entre os diversos bens minerais encontrados nesta bacia, destacam-se os depósitos de fosfato e de sulfeto de zinco. A utilização de produtos cartográficos obtidos por integração de dados espectrais e aerogeofísicos (gamaespectrométricos) para a discriminação de unidades geológicas tem apresentado bons resultados. Alguns estudos comprovam que tanto a espectroscopia de reflectância quanto o processamento de imagens multiespectrais e hiperespectrais de sensoriamento remoto, são eficientes para a distinção qualitativa e semi-quantitativa da reflectância espectral dos diversos materiais geológicos e que os dados gamaespectrométricos assinalam padrões geofísicos associados a unidades litológicas. A presente tese objetivou caracterizar a distribuição espacial das unidades litofaciológicas na Sub-bacia de Irecê associando dados de Sensoriamento Remoto (imagens Landsat e Sentinel) e Geofísicos (imagens de contagens de 40K, 238U e 232Th). No mapa das variáveis gamaespectrométricas na Sub-Bacia de Irecê observou-se que boa parte da área de estudo é caracterizada por valores intermediários para os três elementos, comportamento esperado em rochas sedimentares devido ao tamanho dos grãos e facilidade de processos de intemperismo e lixiviação. O mapa ternário comparado com o mapa geológico demonstrou uma forte correlação na separação das unidades. Para as análises espectrais foram utilizadas as imagens Landsa – 8 e Sentinel – 2A, adquiridas na plataforma do Google Earth Engine na qual foram desenvolvidos todos os processamentos de dados. As assinaturas obtidas por índices espectrais, têm os seus contornos semelhantes a algumas unidades geológicas mapeadas por mapas de referência. As imagens Sentinel – 2A apresentaram dados mais detalhados das litofáceis por possuírem resoluções espaciais e espectrais mais altas do que os dados da série Landsat – 8, no infravermelho próximo visível. A integração dos dados geofísicos e de sensoriamento remoto foi realizada pelo classificador Random Forest, que identificou agrupamentos de variáveis espectrais e geofísicas associadas aos principais tipos litológicos da sub-bacia. Para a homogeneização de classes nas imagens foi utilizado o filtro Majority, que permitiu unificar pixels destoantes, diminuindo os ruídos e elevando a qualidade visual dos mapas. Foram utilizados critérios estatísticos para avaliar e comparar a exatidão do mapa de classificação, que demonstraram que o erro de comissão moderado para a maior parte das unidades, com valores entre 30% à 39 %. Já o erro de omissão das classes Pecb1, Veio de Quartzo, QC, Un B1 foi superior a 70%. Ao final da busca pelo modelo mais adequado com base nos dados, chegou-se a uma taxa de acerto estatístico variando de 69% à 71% pelo índice de exatidão gobal. Os resultados dos dois tipos de acurácias empregadas foram concordantes, indicando que as classificações são consideradas muito boas, entretanto a classificação utilizando as imagens Sentinel – 2A apresentou o resultado um pouco melhor quando comparadas com a imagem Landsat – 8. O estudo demonstrou resultados satisfatórios para a integração de imagens de satélite e dados geofísicos, utilizando o classificador Random Forest na plataforma Google Earth Engine tendo sido proposto um modelo litofaciológico para a Sub-bacia de Irecê. Apesar do estudo se concentrar nessa sub-bacia, o método proposto pode ser aplicado em outras regiões de ambiente geológico similar.