Caracterização de depósitos de minerais pesados ricos em titânio no litoral do estado do Rio Grande do Sul a partir de dados de sensoriamento remoto termal orbital e proximal

Abstract

A obtenção de minerais pesados ricos em titânio é fundamental para o desenvolvimento econômico dos países devido a sua utilização por diferentes indústrias, desde pigmentação de tintas até aplicação em nanotecnologia. A principal fonte de dióxido de titânio (TiO 2 ) é a ilmenita, um mineral pesado encontrado em sua maioria em depósitos sedimentares costeiros, também chamados placeres. No Brasil, a ex tração de minerais pesados é baixa com relação ao potencial, sendo realizada somente na mina de Guajú, no estado da Paraíba. No estado do Rio Grande do Sul são conhecidos depósitos de minerais pesados em processo de licenciamento ambiental para exploração. O sensoriamento remoto no infravermelho termal (TIR) se destaca na prospecção geológica, com destaque para o sensor Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) que possui cinco bandas posicionadas nesse intervalo espectral. Além disso, minerais e grupos minerais possuem feições espectrais diagnósticas no espectro TIR. É o caso da ilmenita, que possui um espectro retilíneo e de baixa reflectância, absorvendo praticamente toda radiação eletromagnética entre o visível (VIS) e o infr avermelho de ondas curtas (SWIR). Sendo assim, a presente pesquisa tem como objetivo mapear depósitos de minerais pesados na planície costeira do Rio Grande do Sul (PCRS), a partir da integração de técnicas de sensoriamento remoto TIR orbital e proximal. A primeira etapa foi composta de medidas espectrais TIR em laboratório de amostra de minerais pesados, utilizada como endmember referência n o algoritmo de classificação de imagens Spectral Angle Mapper em imagens de emissividade de superfície (LSE) ASTER da área de estudo (Retiro e Mostardas). A segunda etapa foi quantificar a concentração de minerais pesados por pixel utilizando a assinatura de laboratório como entrada ao algoritmo de classificação Linear Spectral Unmixing (LSU) em imagem LSE ASTER para a l ocalidade do Retiro, município de São José do Norte. A terceira etapa constituiu em utilizar assinatura espectral TIR de laboratório da ilmenita e aplicar os algoritmos SAM e LSU para quantificar sua concentração nos pixels da imagem LSE ASTER no depósito de Mostardas. Nas análises TIR de laboratório foram obtidos os endmembers referência das amostras de minerais pesados e ilmenita, em que o comportamento espectral permitiu identificar feições diagnósticas em aproximadamente 10 μm e 12,7 μm, respectivamente . A composição da amostra de minerais pesados foi avaliada previamente por microscopia eletrônica de varredura, sendo a maior parte dos grãos composta por ilmenita (> 50%). O emprego do SAM sob cenas LSE ASTER do Retiro e Mostardas permitiu classificar os pixels com ocorrência de minerais pesados conforme a similaridade dos espectros (pixel vs . endmember ). Os pixels classificados contendo minerais pesados serviram de máscara para a classificação LSU, onde estimamos uma concentração média de 8,8% e máxima de 20% de minerais pesados no depósito do Retiro, enquanto para Mostardas a concentração média de ilmenita por pixel foi de 7,7% e a concentração máxima de 29,6%. A pesquisa mostrou que a integração de dados TIR de sensoriamento remoto orbital e proximal pod e ser considerada uma alternativa para a detecção de depósitos de minerais pesados em zonas costeiras.

Obtaining heavy minerals rich in titanium is essential for the economic development of countries due to their use in different industries, from paint pigmentation to nanotechnology applications. The main source of titanium dioxide (TiO2) is ilmenite, a hea vy mineral found mostly in coastal sedimentary deposits, also called placers. In Brazil, the extraction of heavy minerals is low in relation to potential, being carried out only in the Guajú mine, in the state of Paraíba. In the state of Rio Grande do Sul, there are known deposits of heavy minerals in the environmental licensing process for exploration. Thermal infrared remote sensing (TIR) stands out in geological prospecting, with emphasis on the Advanced Spaceborne Thermal Emission and Reflection Radio meter (ASTER) sensor, which has five bands positioned in this spectral range. Furthermore, minerals and mineral groups have diagnostic spectral features in the TIR spectrum. This is the case of ilmenite, which has a straight spectrum and low reflectance, a bsorbing practically all electromagnetic radiation between visible (VIS) and shortwave infrared (SWIR). Therefore, the present research aims to map heavy mineral deposits in the coastal plain of Rio Grande do Sul (PCRS), through the integration of orbital and proximal TIR remote sensing techniques. The first stage was composed of TIR spectral measurements in the laboratory of heavy mineral samples, using the Spectral Angle Mapper image classification algorithm in ASTER surface emissivity (LSE) images of the study area (Retiro and Mostardas) as a reference endmember. The second step was to quantify the concentration of heavy minerals per pixel using the laboratory signature as input to the Linear Spectral Unmixing (LSU) classification algorithm in the LSE AST ER image for the location of Retiro, municipality of São José do Norte. The third step consisted of using the laboratory TIR spectral signature of ilmenite and applying the SAM and LSU algorithms to quantify its concentration in the pixels of the LSE ASTER image at the Mostardas deposit. In laboratory TIR analyses, reference endmembers were obtained from samples of heavy minerals and ilmenite, in which the spectral behavior allowed the identification of diagnostic features at approximately 10 μm and 12.7 μm , respectively. The composition of the heavy mineral sample was previously evaluated by scanning electron microscopy, with the majority of the grains being composed of ilmenite (> 50%). The use of SAM under LSE ASTER scenes from Retiro and Mostardas made i t possible to classify pixels with the occurrence of heavy minerals according to the similarity of the spectra (pixel vs. endmember). The classified pixels containing heavy minerals served as a mask for the LSU classification, where we estimated an average concentration of 8.8% and a maximum of 20% of heavy minerals in the Retiro deposit, while for Mostardas the average concentration of ilmenite per pixel was 7 .7% and the maximum concentration of 29.6%. The research showed that the integration of TIR data from orbital and proximal remote sensing can be considered an alternative for detecting heavy mineral deposits in coastal areas.