Modelagem Geológica Implícita em Mina de Mármore no Complexo Metamórfico Passo Feio, Rio Grande do Sul, Brasil

Authors

  • Giovanni Argenta Pasetto Universidade Federal do Pampa, Campus Caçapava do Sul
  • Ítalo Gomes Gonçalves Universidade Federal do Pampa, Campus Caçapava do Sul
  • Felipe Guadagnin Universidade Federal do Pampa, Campus Caçapava do Sul
  • Evandro Gomes dos Santos Dagoberto Barcellos S/A

DOI:

https://doi.org/10.11137/2020_4_202_217

Keywords:

Strucutre from Motion – Multi View Stereo, análise estrutural e litológica, algoritmos de aprendizagem de máquina

Abstract

A modelagem geológica é uma ferramenta indispensável para o planejamento mineiro; porém a construção de modelos geológicos exige tempo, planejamento e pode gerar custos elevados. O uso de modelos 3D fotorrealistas permite classificar e interpretar remotamente as rochas e estruturas geológicas, reduzindo os riscos inerentes as atividades e aumentando a quantidade e precisão das informações utilizadas na modelagem geológica. Este trabalho apresenta a construção de modelo geológico implícito de mina de mármore, utilizando classificação litológica e análise estrutural por sensoriamento remoto. Projeções fotorealistas das rochas expostas, chamadas de modelos virtuais de afloramento, foram construídos utilizando algoritmos Structure from Motion – Multi-View Stereo.
Esses modelos são compostos por (i) milhões de pontos georreferenciados (nuvem de pontos) contendo informação de cor e vetor normal, e (ii) superfície triangulada texturizada. Para a construção dos modelos virtuais de afloramento, foram adquiridas fotografias aéreas com veículo aéreo não-tripulados. A nuvem de pontos foi classificada por litologia e a orientação e posição das estruturas geológicas foram determinadas na malha triangulada texturizada. Os dados derivados dos modelos virtuais de afloramento foram
processados utilizando algoritmo livre (open-source) baseado em aprendizagem de máquina para o cálculo de um campo escalar. O
resultado consiste em modelo de blocos tridimensional que representa as litologias que ocorrem na mina. O modelo gerado inclui 985.000 m3 de mármore e 598.000 m3 de esteril, permitindo determinar a arquitetura geológica em até 50 metros na horizontal e 30 metros na vertical a partir da superfície do terreno. Esse volume é suficiente para orientar o planejamento da lavra por até dois anos.

References

Agisoft LLC, 2019. Agisoft Metashape User Manual Professional Edition. V. 1.5. St. Petersburg, Rússia. 124 p. Disponível em: <https://www.agisoft.com/pdf/metashape-pro_1_5_en.pdf>. Acesso em: 25 abr. 2019.

Beretta, F.; Rodrigues, A., Peroni, R. & Costa, J.F. 2018. Uso de Vant para Automatização de Classificação Litológica em Frente de Lavra a Céu Aberto. In: CONGRESSO BRASILEIRO DE MINAS A CÉU ABERTO E MINAS SUBTERRÂNEAS, 9, Belo Horizonte, 2018.

Bitencourt, M.F. 1983. Geologia, Petrologia e Estrutura dos Metamorfitos da Região de Caçapava do Sul, RS. Programa de Pós-Graduação em Geociências, Universidade Federal do Rio Grande do Sul, Porto Alegre. Dissertação de Mestrado, 161p.

Bortolotto, O.J. 1986. Petrologia dos Mármores de Caçapava Do Sul, RS. Instituto de Geociências Universidade de São Paulo. São Paulo. Dissertação De Metrado. 87p.

Brown, D.C. 1958. A Solution to The General Problem of Multiple Station Analytical Stereo Triangulation. RCA Technical Report No. 43,

Burnham, B.S. & Hodgetts, D. 2018. Quantifying Spatial and Architectural Relationships from Fluvial Outcrops. Geosphere, 15(1): 236-253.

Calcagno, P.; Courrioux, G., Guillen, A., Fitzgerald, D. & Mcinerney, P. 2006. How 3D implicit geometric modelling helps to understand geology: the 3DGeoModeller methodology. In: INT. ASSOC. FOR MATHEMATICAL GEOLOGY XITH INTERNATIONAL CONGRESS, 11, Bélgica, 2006. Université de Liège.

Carrivick, J.L.; Smith, M.W. & Quincey, D.J. 2016. Structure from Motion in the Geosciences. Londres, Wiley-Blackwell, 197p.

Cawood, A.J.; Bond, C.E.; Howell, J.A.; Butler, R.W.H. & Tokage, Y. 2017. Lidar, UAV or Compass-clinometer? Accuracy, Coverage and The Effects on Structural Models. Journal of Structural Geology, 98: 67-82.

Fischler, M.A. & Bolles, R.C. 1981. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography. Communications of the ACM, 24(6):381-395.

Gonçalves, I.G.; Kumaria, S. & Guadagnin, F. 2017. A Machine Learning Approach to the Potential-Field Method for Implicit Modeling of Geological Structures. Computers & Geosciences, 107: 173–182.

Hartmann, L.A.; Nardi, L., Formoso, M., Remus, M., De Lima, E. & Mexias, A. 1999. Magmatism and Metallogeny in the Crustal Evolution of Rio Grande Do Sul Shield, Brazil. Pesquisas em Geociências, 26: 45–63.

Hodgetts, D. 2013. Laser Scanning and Digital Outcrop Geology in the Petroleum Industry: A Review. Marine and Petroleum Geology, 46:335-354.

Lopes, C.G.; Pimentel, M.M.; Philipp, R.P.; Gruber, L.; Armstrong, R. & Junges, S. 2014. Provenance of the Passo Feio Complex, Dom Feliciano Belt: Implications for the Age of Supracrustal Rocks of the São Gabriel Arc, Southern Brazil. Journal of South American Earth Science. 58: 9-17.

Lowe, D.G. 2004. Distinctive Image Features from Scale-Invariant Keypoints. International Journal of Computer Vision, 60(2):91-110.

Maxelon, M.; Renard, P., Courrioux, G., Brändli, M. & Mancktelow, N. 2009. A Workflow to Facilitate Three-Dimensional Geometrical Modelling of Complex Polydeformed Geological Units. Computers & Geosciences, 35:644–658.

Philipp, R.P.; Pimentel, M.M. & Basei, M.A.S. 2018. The Tectonic Evolution of the São Gabriel Terrane, Dom Feliciano Belt, Southern Brazil: The Closure of the Charrua Ocean. In: S. SIEGESMUND et al. (eds.), Geology of Southwest Gondwana. Regional Geology Reviews. p. 243-265.

Porcher, C.A. & Lopes, R.C. (Orgs.), 2000. Cachoeira do Sul – Folha SH.22-Y-A. Mapa geológico. Programa Levantamentos Geológicos Básicos do Brasil. Brasília: CPRM.

Ribeiro, M.; Bocchi, P.R., Figueiredo, P.M. & Tessari, R.L. 1966. Geologia da Quadrícula de Caçapava do Sul, Brasil. Rio De Janeiro. DNPM/DFPM, Boletim 127. 232p.

Sides, E.J. 1997. Geological Modelling of Mineral Deposits for Prediction in Mining. Geologische Roundschau. Delft, 86(2): 342-353.

Slama, C.C. 1980. Manual of Photogrammetry. Falls Church, VA, American Society of Photogrammetry. 1050p.

Tavani S.; Granado P.; Corradetti A.: Girundo M.: Iannace A.: Arbués P.: Munõz J. & Mazzoli S. 2014. Building a Virtual Outcrop, Extracting Geological Information from it, and Sharing the Results in Google Earth via OpenPlot and Photoscan: An example from the Khaviz Anticline (Iran). Computers and Geosciences, 63:44-53.

Tavani, S.; Corradeti, A. & Billi, A. 2016. High Precision Analysis of An Embryonic Extensional Fault-Related Fold Using 3D Orthorectified Virtual Outcrops: The Viewpoint Importance in Structural Geology. Journal of Structural Geology, 86: 200-210.

Viana, C.D.; Grohmann, C.H.; Busarello, M.S.T. & Garcia, G.P.B. 2018. Structural analysis of clastic dikes using Structure from Motion-Multi-View Stereo: a case-study in the Paraná Basin, southeastern Brazil. Brazilian Journal of Geology, 48: 839-852.

Vollgger, S.A.; Cruden, A.R., Ailleres, L. & Cowan, E.J. 2015. Regional Dome Evolution and its Control on Ore-Grade Distribution: Insights From 3D Implicit Modelling of the Navachab Gold Deposit, Namibia. Ore Geology Reviews, 69: 268–284.

Wellman, F. & Caumon, G. 2018. 3-D Structural Geological Models: Concepts, Methods, And Uncertainties. Advances in Geophysics, 59: 1-121.

Published

2020-12-18

Issue

Section

Article