A interpretação dos dados de levantamento geoquímico

RESUMO Os dados geoquímicos são geralmente derivados de levantamentos geoquímicos governamentais e industriais que abrangem áreas em várias resoluções espaciais. Esses dados de levantamento são difíceis de reunir e integrar devido à sua mistura heterogênea de mídias, frações de tamanho, métodos de digestão e instrumentação analítica. Esses conjuntos de dados montados frequentemente contêm milhares de observações com 50 ou mais elementos. Embora a montagem desses dados seja um desafio, os conjuntos de dados integrados resultantes oferecem uma oportunidade para descobrir uma ampla gama de processos geoquímicos associados à geologia subjacente, alteração, modificação da paisagem, intemperismo e mineralização. O uso de métodos de análise de dados e visualização estatística, combinados com sistemas de informação geográfica, proporciona um ambiente eficaz para identificação de processos e descoberta de padrões nesses grandes conjuntos de dados. Métodos modernos de avaliação de dados para associações, estruturas e padrões são agrupados sob o termo ‘mineração de dados’. A mineração de dados inclui a aplicação de análise de dados multivariada e técnicas estatísticas, combinadas com sistemas de informação geográfica, e pode auxiliar significativamente a tarefa de interpretação de dados e subsequente construção de modelos. Os dados geoquímicos requerem manuseio especial quando medidas de associação são necessárias. Devido à sua natureza composicional, logratios são necessários para eliminar os efeitos de fechamento nos dados geoquímicos. Métodos exploratórios multivariados incluem: matrizes de gráficos de dispersão (SPLOM), ajuste para dados censurados e faltantes, detecção de observações atípicas, cálculo de médias robustas, correlações e covariâncias, análise de componentes principais, análise de cluster e índices baseados em conhecimento de associação. Métodos multivariados modelados incluem análise discriminante, análise de variância, árvores de classificação e regressão, redes neurais e técnicas relacionadas. Muitos desses tópicos são abordados com exemplos para demonstrar sua aplicação.