Utilização de Técnicas de Aprendizado de Máquina Supervisionado para Mapeamento Geológico: Um Estudo de Caso na Região de Diamantina, Minas Gerais, Brasil
Orientandos: Franco Naghetini & Guilherme Silveira
Orientadores: Pedro Casagrande & Iago Costa
O objetivo deste trabalho é solucionar uma tarefa supervisionada de classificação multinomial 𝑇 que consiste em predizer as unidades litoestratigráficas 𝑦 em um determinado domínio 𝐷 como função de sensores remotos X 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 área de interesse 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 pode ser consultado aqui.
Oito classificadores foram comparados entre si, sendo eles:
- Regressão Logística (RL)
- Decision Tree (DT)
- Naive Bayes (NB)
- K-Nearest Neighbors (KNN)
- Support Vector Machines (SVM)
- Random Forest (RF)
- XGBoost (XGB)
- Multilayer Perceptrons (MLP)
Dentre eles, os modelos XGBoost e Random Forest apresentaram as melhores performances com relação às métricas avaliadas. Os scores de validação cruzada para esses modelos são apresentados abaixo:
Métricas | XGBoost | Random Forest |
---|---|---|
F1-score | 0.77 | 0.78 |
Precisão | 0.78 | 0.78 |
Recall | 0.77 | 0.78 |
Acurácia | 0.77 | 0.78 |
.
├───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
├───LICENSE
└───README.md
-
data contém os dados utilizados nos quatro 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 quatro notebooks em formato .png.
-
functions contém todas as funções auxiliares utilizadas nos 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 as etapas de pré-processamento e modelagem dos dados. Os mapas geológicos preditivos são gerados aqui.
-
3-model_explanation.ipynb apresenta os resultados da interpretação do classificador XGBoost com o framework SHAP.
-
4-geospatial_issues.jl apresenta uma análise interativa simples de fenômenos comuns em dados geoespaciais.
Grande parte do trabalho (três primeiros notebooks) foi desenvolvida em linguagem Python, em ambiente Jupyter Notebook. Caso deseje executar os notebooks localmente, aconselhamos a instalação do Python via Anaconda. A vantagem desse distribuidor é que grande parte das bibliotecas utilizadas no trabalho são automaticamente instaladas em sua máquina.
Todas as bibliotecas utilizadas, bem como suas respectivas versões são apresentadas ao final deste documento, em Versões. As bibliotecas que não são instaladas automaticamente junto ao Anaconda apresentam um "*".
Opcionalmente, é possível visualizar os notebooks no próprio GitHub ou, ainda, executá-los no ambiente Google Colab. Entretanto, nem todos os recursos presentes estarão habilitados em ambos os casos.
Apenas o quarto notebook foi desenvolvido em linguagem Julia, em ambiente Pluto. Para executar esse notebook localmente, primeiro instale Julia 1.6. Em seguida, no Julia REPL, execute os seguintes comandos para instalar o Pluto:
julia> using Pkg
julia> Pkg.add("Pluto")
Em seguida, execute o Pluto:
julia> using Pluto
julia> Pluto.run()
Nota: Não se preocupe com as versões das bibliotecas Julia utilizadas. Como o Pluto apresenta seu próprio gerenciador de pacotes, ao abrir o notebook pela primeira vez, todos os pacotes necessários serão automaticamente instalados nas versões apropriadas (isso pode demorar alguns minutos!).
Importante: A versão do Pluto deve ser igual ou maior à 0.16.0. Caso queira consultar sua versão, no Julia REPL, digite:
julia> using Pkg
julia> Pkg.status()
- 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)
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 |
Variável | Unidade | Fonte | Descrição |
---|---|---|---|
X | m | - | Coordenada X |
Y | m | - | Coordenada Y |
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 Estágio Supervisionado (2018) | Código numérico das unidades litoestratigráficas |
COD | - | Mapa Estágio Supervisionado (2018) | Acrônimo das unidades litoestratigráficas |
- python v3.6.10
- conda v4.9.2
- jupyter v1.0.0
- numpy v1.19.5
- pandas v1.0.5
- matplotlib v3.2.2
- seaborn v0.10.1
- scipy v1.5.0
- scikit-learn v0.24.1
- *imbalanced-learn v0.8.0
- *xgboost v1.4.0
- *geopandas v0.9.0
- *rasterio v1.1.7
- *folium v0.12.0
- *shap v0.39.0
Nota: As bibliotecas que não são instaladas automaticamente junto ao Anaconda foram destacadas com o símbolo "*".
Este repositório encontra-se sob a licença MIT:
"Uma licença permissiva, curta e simples com condições que exigem apenas a preservação de direitos
autorais e avisos de licença. Trabalhos licenciados, modificações e trabalhos maiores podem ser
distribuídos em termos diferentes e sem código-fonte."
Para mais detalhes, consulte o arquivo de licença.