Utilização de Técnicas de Aprendizado de Máquina Supervisionado para Mapeamento Geológico: Um Estudo de Caso na Região de Diamantina, Minas Gerais, Brasil

Trabalho de Conclusão de Curso - Geologia / IGC / UFMG

Orientandos: Franco Naghetini & Guilherme Silveira

Orientadores: Pedro Casagrande & Iago Costa

Resumo

O objetivo deste trabalho é solucionar uma tarefa supervisionada de classificação multinomial 𝑇 que consiste em predizer as unidades litoestratigráficas 𝑦𝑖 em um determinado domínio 𝐷 como função de sensores remotos 𝑥𝑖 e com base em anotações 𝑦(𝑖)=𝑓(𝑥(𝑖)) interpretadas pelos geólogos responsáveis pelo mapeamento da área.

O produto final é um mapa geológico preditivo 1:25.000 da região de Diamantina (MG) que pode ser utilizado como um meio de reconciliação entre os dados/interpretações de campo e os sensores remotos. Nesse sentido, as inconsistências entre o mapa geológico e o mapa preditivo podem fornecer insights e orientar futuras campanhas de mapeamento na região.

O fluxo de trabalho deste projeto é dividido em cinco etapas principais:

Aquisição e preparação dos sensores remotos
Limpeza e análise exploratória dos dados
Pré-processamento e modelagem dos dados
Explicação do modelo
Pós-processamento

O modelo XGBoost apresentou a melhor performance com relação às métricas avaliadas abaixo e à entropia cruzada:

Métricas	XGBoost
Acurácia	0.70
F1-Score	0.71
Precisão	0.74
Recall	0.70

Estrutura do Repositório

.
├───data
│   ├───raster
│   ├───data_nb1.csv
│   ├───data_nb2.csv
│   ├───data_nb3.csv
│   ├───test.csv
│   └───train.csv
├───figures
│   ├───notebook1
│   ├───notebook2
│   ├───notebook3
│   └───notebook4
├───functions
│   ├───Custom_Cleaning.py
│   ├───Custom_Export.py
│   ├───Custom_Prediction.py
│   ├───Custom_Preprocessing.py
│   ├───Custom_Stats.py
│   ├───Custom_Train_Test_Split.py
│   ├───Custom_Validation.py
│   └───functions.pdf
├───output
│   ├───points
│   └───rasters
├───shp
│   ├───boundary.shp
│   └───lithology.shp
├───workflow
│   └───workflow.pdf
├───1-exploratory_data_analysis.ipynb
├───2-predictive_litho_map.ipynb
├───3-model_explanation.ipynb
├───4-geospatial_issues.jl
└───README.md

data contém os dados utilizados nos três notebooks e os dados de treino e teste. Os sensores remotos processados em SIRGAS2000 UTM Zona 23S com resolução de 62.5 m x 62.5 m estão na subpasta raster.
figures contém todos os gráficos e mapas gerados nos três notebooks em formato .png.
functions contém todas as funções auxiliares utilizadas em ambos os notebooks. As funções auxiliares adotam o padrão lowerCamelCase para diferenciá-las das funções nativas e externas do Python. A única exceção é a classe auxiliar MaskedPCA que, por sua vez, adota o padrão UpperCamelCase. Toda vez que uma função auxiliar é utilizada em um dos notebooks, haverá um hiperlink que aponta para o arquivo .py fonte dessa função. Clique aqui para visualizar o mapa mental das funções auxiliares.
output contém os mapas obtidos durante o projeto como pontos e rasters.
shp contém o mapa geológico de campo e o polígono da área deste projeto, ambos em formato .shp.
workflow contém o fluxo de trabalho adotado neste projeto.
1-exploratory_data_analysis.ipynb contém as etapas de limpeza e análise exploratória dos dados.
2-predictive_litho_map.ipynb abrange desde a etapa de pré-processamento dos dados até a seleção do modelo de melhor performance.
3-model_explanation.ipynb apresenta as explicações do modelo selecionado.
4-geospatial_issues.jl apresenta uma análise simples de fenômenos comuns em dados geoespaciais.

Informações Complementares

Sistema de Referência

EPSG: 31983
Projeção: UTM
Zona: 23S
Datum: SIRGAS2000
Unidade: m
Elipsoide: GRS 1980
Resolução: 62.5 m x 62.5 m
Extensão: (xmin = 634163.67, ymin = 7969052.06, xmax = 640038.70, ymax = 7983240.00)

Unidades Litoestratigráficas

ID	Código	Unidade	RGB	Hexadecimal
1	MAcgg	Complexo Granito-Gnáissico	(255,115,223)	#ff73df
2	PP3csbg	Formação Barão de Guaicuí	(190,210,255)	#bed2ff
3	PP34b	Formação Bandeirinha	(230,76,0)	#e64d00
4	PP4esjc	Formação São João da Chapada	(255,170,0)	#ffaa00
5	PP4esb	Formação Sopa Brumadinho	(255,255,115)	#ffff73
6	PP4egm	Formação Galho do Miguel	(76,230,0)	#4de600

Dicionário de Variáveis

Variável	Unidade	Fonte	Descrição
X	m	-	Coordenada X (SIRGAS2000 Zona 23S)
Y	m	-	Coordenada Y (SIRGAS2000 Zona 23S)
GT	nT/m	Biblioteca UFMG	Gradiente total
K	%	Biblioteca UFMG	Potássio
TH	ppm	Biblioteca UFMG	Tório
U	ppm	Biblioteca UFMG	Urânio
CT	μR/h	Biblioteca UFMG	Contagem total
U_K	-	Biblioteca UFMG	Razão urânio / potássio
TH_K	-	Biblioteca UFMG	Razão tório / potássio
U_TH	-	Biblioteca UFMG	Razão urânio / tório
MDT	m	Biblioteca UFMG	Modelo digital de terreno
B02	-	INPE	Landsat 8 Sensor OLI - AZUL (0.450 - 0.515 μm)
B03	-	INPE	Landsat 8 Sensor OLI - VERDE (0.525 - 0.600 μm)
B04	-	INPE	Landsat 8 Sensor OLI - VERMELHO (0.630 - 0.680 μm)
B06	-	INPE	Landsat 8 Sensor OLI - INFRAVERMELHO MÉDIO (1.560 - 1.660 μm)
B07	-	INPE	Landsat 8 Sensor OLI - INFRAVERMELHO MÉDIO (2.100 - 2.300 μm)
TARGET	-	Mapa Integrado Estágio Supervisionado (2018)	Código numérico das unidades litoestratigráficas
COD	-	Mapa Integrado Estágio Supervisionado (2018)	Acrônimo das unidades litoestratigráficas

marcosbr/Mapa-Preditivo