Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/6708
Título: Integração e análise de dados aerogeofísicos por meio da aplicação de técnicas de processamento digital de imagens e classificação não supervisionada : o exemplo do Greenstone Belt Rio das Velhas, quadrilátero ferrífero, MG
Autor(es): Teixeira, Alexandre de Amorim
Silva, Adalene Moreira
Pires, Augusto César Bittencourt
Moraes, Roberto Alexandre Vitória de
Souza Filho, Carlos Roberto de
Assunto: Processamento de imagens
Mineração - ouro
Exploração mineral
Data de publicação: Out-2006
Referência: TEIXEIRA, Alexandre de Amorim et al. Integração e análise de dados aerogeofísicos por meio da aplicação de técnicas de processamento digital de imagens e classificação não supervisionada: o exemplo do Greenstone Belt Rio das Velhas, quadrilátero ferrífero, MG. Revista brasileira de geofísica, São paulo, v. 24, n. 4, p. 559-572, 2006. Disponível em: <http://www.scielo.br/pdf/rbg/v24n4/a09v24n4.pdf>. Acesso em: 7 jan. 2011. doi: 10.1590/S0102-261X2006000400009.
Resumo: Afloramentos escassos e um intemperismo acentuado caracterizam o Greenstone Belt Rio das Velhas no sudeste do Brasil. Este artigo sumariza a utilização de dados aerogeofísicos de alta densidade de amostragem aplicados à exploração mineral baseado no realce e na interpretação de dados magnéticos, radiométricos e eletromagnéticos no domínio da freqüência através de métodos de processamento digital de imagens e classificação não supervionada. Os produtos gerados forneceram novos insights e uma excelente ferramenta para mapeamentos dos diferentes litotipos, melhorando o conteúdo da informação presente nos canais individuais. As imagens geofísicas foram processadas utilizando diferentes combinações. O melhor produto obtido foi a integração via IHS da amplitude e da inclinação do sinal analítico. Informações extraídas desta imagem mapeiam tanto a geologia quanto lineamentos na escalas regionais e locais. Aplicou-se a técnica de classificação não supervisionada conhecida com média K aos dados aerogeofísicos. O resultado realça litologias mapeadas por geólogos de campo na escala 1:100.000. Ela mapeia também rochas hospedeiras e diferentes domínios associados com a mineralização aurífera. Tais domínios são conhecidos por hospedar a mineralização aurífera, ilustrando a utilidade destas técnicas para enriquecer o conhecimento geológico da área estudada. ______________________________________________________________________________ ABSTRACT
Poor outcrop and deep weathering characterize the Rio das Velhas Greenstone Belt in the southeastern from Brazil. This paper summarizes the use of high-density airborne survey for mineral exploration studies based on interpretation enhancements of magnetic, radiometric and frequency domain electromagnetic data using image-processed methods and an unsupervised classification. The generated products provide new insights and an excellent tool for mapping and trace individual lithological units, improving the information content of the single geophysical channels. The geophysical images were processed using different combinations. The best product was the analytical signal amplitude and inclination integrated by IHS transformation. Information extracted from this image maps the geology and lineament patterns at both regional and local scales. The K-means technique using ten classes was also applied to the geophysical data. These results enhance the lithologies mapped by the field geologists at the 1:100.000. Also shows important host rocks and different gold mineralized geological domains. Such domains host the known gold mineralization, illustrating the utility of these techniques to improve the geological knowledge in the study area.
DOI: 10.1590/S0102-261X2006000400009
Aparece nas coleções:IG - Artigos publicados em periódicos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ARTIGO_IntegraçãoAnáliseDadosAerogeofísicos.pdf589,62 kBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons