Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/57149
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
LuizFernandoCursinoTabosa_DISSERT (2).pdf9,2 MBAdobe PDFVisualizar/Abrir
Título: Aplicação de random forest para a detecção de corpos máficos-ultramáficos da suíte gameleira no embasamento da faixa Brasilia, Brasil
Autor(es): Tabosa, Luiz Fernando Cursino
Orientador(es): Yokoyama, Elder
Assunto: Aerogeofísica
Faixa Brasília
Machine Learning
Random Forests
Rochas ígneas
Data de publicação: 7-Out-2026
Referência: TABOSA, Luiz Fernando Cursino. Aplicação de random forest para a detecção de corpos máficos-ultramáficos da suíte gameleira no embasamento da faixa Brasilia, Brasil. 2023. 109 f., il. Dissertação (Mestrado em Geociências Aplicadas e Geodinâmica) — Universidade de Brasília, Brasília, 2023.
Resumo: O embasamento do Orógeno Brasília em sua porção norte, corresponde a parte de um bloco crustal gerado no início do Paleoproterozoico, sendo formado por um extenso volume de magmatismos TTG (trondhjemito-tonalito-granodiorito). A Suíte Gameleira, ocorre no embasamento da Faixa Brasília Norte (sudeste do estado do Tocantins), e corresponde a corpos predominantemente máficos com ocorrência subordinada de rochas ultramáficas no Domínio Almas-Conceição do Tocantins. A região é composta por variações de granitoides, sequências metavulcanossedimentares e metassedimentares. Dessa maneira, o objetivo dessa pesquisa é usar o algoritmo de aprendizado de máquina Random Forest para a detecção de ocorrências de novos corpos máfico-ultramáficos na Suíte Gameleira. Para isso, foram utilizados dados remotos, como levantamentos aerogeofísicos (magnetometria e radiometria), além de sensoriamento remoto (Alos Palsar). Foram gerados produtos derivados da aerogeofísica como Intensidade Magnética Total, Amplitude do Sinal Analítico, uma fatia em -100 metros de profundidade do resultado da Inversão dos Vetores de Magnetização, derivada vertical, derivada Tilt, os três canais radiométricos (K, eTh e eU), Contagem Total, Fator F e Potássio Anômalo. Com a informação desses produtos, foi gerada a base de dados e aplicado o algoritmo Random Forest (algoritmo de aprendizado de máquina supervisionado). A base de dados de treino possui 1659 amostras equivalente a 1,96% da base de dados total (84535 amostras) para a geração deo mapas preditivos litológicos. Para a verificação e avaliação dos dados preditos foram usadas três abordagens: uso de lineamentos magnéticos para averiguar um controle tectônico estrutural na colocação dos corpos, amostras de campo e o uso da Inversão dos Vetores de Magnetização para a análise do comportamento magnético em profundidade dos corpos preditos, uma vez que os corpos da Suíte Gameleira apresentam remanência magnética. Concluiu-se na pesquisa que o uso desse método atrelado as técnicas de verificaçãoutilizadas auxiliam na exploração de terrenos greenfield e brownfield, uma vez que o aprendizado de máquinas pode aprimorar a cartografia existente, delimitando novas ocorrências ou mesmo sugerindo áreas em que se faz necessário melhor detalhamento. O uso de conhecimentos geológicos iniciais e outras informações não inseridas no modelo são de extrema importância, uma vez que o mapa preditivo não corresponde em si a verdade geológica e feita a predição é necessária que seja realizada interpretação do resultado por uma visão geológica.
Abstract: The northern part of the Brasília Orogen in its basement corresponds to a portion of a crustal block formed in the early Paleoproterozoic and consists of an extensive TTG magmatism (trondhjemite-tonalite-granodiorite). The Gameleira Suite is found in the basement of the North Brasília Belt (southeastern Tocantins) and consists of predominantly mafic rocks with subordinate occurrences of ultramafic rocks in the Almas-Conceição do Tocantins Domain. The region is composed of variations of granitoids, metavolcanosedimentary sequences, and metasedimentary rocks. The research aims to use a machine learning method for detecting potential new maficultramafic occurrences in the Gameleira Suite. To achieve this, remote sensing data such as aerogeophysical surveys (magnetometry and radiometry) were used, along with remote sensing. Derived products from aerogeophysics were generated, including Total Magnetic Intensity, Analytic Signal Amplitude, a slice at -100 meters depth from the Magnetic Vector Inversion, vertical derivative, Tilt derivative, the three radiometric channels (K, eTh, and eU), Total Count, F-factor, and Potassium Anomaly. Using the information from these products, a database was created and the Random Forest algorithm (a supervised machine learning algorithm) was applied, training on 1.96% of the total database (84,535 samples) to generate the predictive map. Three approaches were used for data verification and evaluation: the use of magnetic lineaments to investigate structural tectonic control on the placement of bodies, field samples, and the use of MVI to analyze the magnetic behavior at depth of the predicted bodies, as the Gameleira Suite bodies exhibit magnetic remanence. The research concluded that the use of this method, combined with the verification methods used, assists in greenfield and brownfield exploration. Machine learning can enhance existing cartography by delineating new occurrences or suggesting areas that require further detailed mapping. The use of initial geological knowledge and other information not included in the model is crucial since the predictive map does not inherently represent geological truth, and interpretation of the results through a geological perspective is necessary.
Unidade Acadêmica: Instituto de Geociências (IG)
Informações adicionais: Dissertação (mestrado) — Universidade de Brasília, Instituto de Geociências, Programa de Pós-Graduação em Geociências Aplicadas e Geodinâmica, 2023.
Programa de pós-graduação: Programa de Pós-Graduação em Geociências Aplicadas e Geodinâmica
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



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