Análise multicritério e aprendizado de máquina aplicados na predição do potencial espeleológico da região do Parque Nacional Serra do Gandarela, Quadrilátero Ferrífero/MG.

Abstract

No Brasil, cavidades ferríferas estão geneticamente e geograficamente associadas aos depósitos minerais explotáveis de ferro. Essas cavidades possuem relevância espeleológica, arqueológica, paleontológica e biológica, sendo ambientalmente e legalmente protegidas. Assim, para um melhor planejamento da explotação e licenciamento ambiental torna-se necessário estudar a gênese e o desenvolvimento das cavidades ferríferas buscando preservá-las sem impedir o avanço da mineração. Esse tema é complexo, pouco difundido e os trabalhos que buscam alternativas para predizer a ocorrência dessas cavidades são escassos. Essa demanda justifica o desenvolvimento de pesquisas e produtos capazes de auxiliar tomadores de decisão, planejadores e autoridades competentes para suporte na definição de locais-alvo de prospecção espeleológica de campo. Nesta pesquisa foi avaliada a capacidade preditiva de técnicas utilizando lógica fuzzy e processo hierárquico analítico, além de técnicas de aprendizado de máquina na avaliação da suscetibilidade a ocorrência de cavidades ferríferas. Para isso, foram selecionadas as variáveis: razão de óxido de ferro, declividade, índice de vegetação por diferença normalizada (NDVI), curvatura horizontal, curvatura vertical, intensidade de lineamentos e HAND (height above nearest drainage). Para a validação dos resultados foi utilizado um inventário de cavidades previamente levantado. Essas variáveis foram produzidas a partir do processamento de dados geoespaciais de uma região da Serra do Gandarela, Minas Gerais, Brasil. A primeira técnica aplicada, utilizando lógica fuzzy e processo hierárquico analítico (AHP), foi implementada e os resultados mostraram um desempenho satisfatório do mapa produzido em predizer áreas favoráveis a ocorrência de cavidades ferríferas, apresentando AUC (the area under the curve) em torno de 0,85. Na sequência foi aplicada a técnica de aprendizado de máquina denominada Florestas Aleatórias. Esta técnica foi a que se mostrou mais eficaz no estudo da suscetibilidade a ocorrência de cavidades ferríferas, apresentando AUC igual a 0,957. De forma complementar foi utilizada a técnica de Redes Neurais Artificiais, cujos resultados indicaram que o modelo aplicado não possui capacidade de generalização, apesar de seu desempenho ter sido considerado satisfatório durante o treinamento. Espera-se que os passos metodológicos detalhados neste estudo incentivem os planejadores e tomadores de decisão de empreendimentos de mineração e agências ambientais a adotá-los com o objetivo de mapear a suscetibilidade à ocorrência de cavidades ferríferas totalmente com base na aquisição e análise de dados remotos.