Footprint superficial do depósito aurífero pequizão, Greenstone Belt Crixás, Goiás, Brasil

Dissertação (mestrado) — Universidade de Brasília, Instituto de Geociências, Programa de Pós-Graduação em Geologia, 2021.Esta dissertação apresenta os resultados da caracterização do footprint superficial da mineralização aurífera do depósito Pequizão, localizado no Greenstone Belt Crixás, utilizando análise multivariada de dados geoquímicos e de espectrorradiometria de reflectância. Para tanto, foi efetuada uma coleta de 939 amostras em uma malha orientada de solo de aproximadamente 0,35 km2 com perfis transversais de direção E-W. Os perfis possuem espaçamento de 25 m tanto entre os perfis quanto entre as estações de amostragem. Em cada estação foram coletadas três amostras que correspondem a três profundidades a saber: a partir de 45 cm do nível do solo coletou-se o nível A, e repetindo a mesma distância para os subsequentes níveis B e C, totalizando um perfil de 135 cm de profundidade. Os dados geoquímicos obtidos foram processados utilizando técnicas de estatística multivariada como análise de componentes principais e análise de fatores, assim como algoritmos de aprendizado em conjunto (ensemble learning) e agrupamento hierárquico (clustering). Foi utilizada análise geoquímica univariada como abordagem inicial, identificando que elementos pathfinders de Au aumentam a concentração com o aumento de profundidade. Com a análise de clustering conseguiu-se identificar que Ag, Hg, Sb, Te, e Tl estão associados com o Au, Com a técnica de ensemble learning pode-se mapear que o grupamento Zn, Al, Ga, e Pb também pode prever a ocorrência de amostras mineralizados a ouro na base de dados. Resultados obtidos a partir de dados de espectroradiométricos indicam abundância de caolinita, gibsita, anfibólio e clorita, com predomínio de mica branca no filito carbonoso e dolomito. A mica branca é um importante mineral para análise de alteração mineral por ser altamente resistente ao intemperismo e ocorre como muscovita nas amostras de solo analisadas, porém ocorre como muscovita fengítica (mais pobre em Al) nas amostras mineralizadas. A análise de dados de espectroscopia de reflectância mostra resultados robustos para detectar e mapear minerais indicativos de alteração hidrotermal como muscovita e a gibsita e que podem ser classificados como minerais-índice das estruturas mineralizadas Palmeiras e Estrutura IV, respectivamente. O footprint mineralógico definido em furos de sondagens por outros estudos também não foi preservado durante o intemperismo. A análise de componentes principais permitiu a identificação no PC1 dos elementos como a associação de Fe-Al-Cr-Ni-Cu, em contraste com K-Na-Ba-Tl. PC2 conseguiu definir os elementos de maior importância na predição de ouro, onde o PC3 destaca os elementos As-Ag-Te-Ca-Mg e gibsita associados diretamente à mineralização. Na análise de fatores, o Fator 1 prediz as unidades das rochas parentais, enquanto o Fator 3 caracterizou e delimitou as zonas da assinatura da mineralização como representativos da alteração hidrotermal em superfície. Comparando amostras de Pequizão com solo distal e não mineralizado, podemos inferir enriquecimento Sb, V, Na, Ba, e W e depleção de Zn, Ga e Pb, e que pode ser associado ao Fator 2. Com base nesses últimos elementos, é possível dizer que a predição de conteúdo de Au pelo ensemble learning se deve à ausência de ouro na presença de altas concentrações de Zn, Ga e Pb no Pequizão. De acordo com os resultados, sugere-se a aplicação de estudos pilotos para ampliar a aplicação na exploração em brownfield com base em métodos de solo, mais baratos, rápidos, dependentes de menor infraestrutura e de maior abrangência — até em locais de mais difícil acesso — do que sondagens. Para isso, é preciso uma expansão do conhecimento pedológico brasileiro e na relação entre espessura, clima e vegetação com a mudança e preservação de footprints de depósitos, além de mais estudos detalhados de espectrometria que possui rapidez na identificação e delimitação da expressão da alteração hidrotermal em superfície.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).This dissertation presents the results of the characterization of the surface footprint of the auriferous mineralization of the Pequizão deposit, located in the Crixás Greenstone Belt, using multivariate analysis of geochemical data and reflectance spectroscopy. Thus, there is a need to understand the extent, behavior, and preservation of the footprint after weathering. Therefore, a collection of 939 samples was carried out on an oriented soil grid of approximately 0.35 km2 with cross-sectional profiles of E-W direction. The profiles are 25 m apart between each line and also between the sampling stations. At each station, three samples corresponding to three depths were collected: starting at 45 cm from ground level, level A was collected, repeating the same distance for subsequent levels B and C, resulting in a 135 cm-deep profile. The obtained geochemical data were processed using multivariate statistical techniques such as principal component analysis and factor analysis, as well as ensemble learning and clustering. Univariate geochemical analysis was used as an initial approach, identifying that Au pathfinder elements increase in concentration with depth. Clustering analysis identified that Ag, Hg, Sb, Te, and Tl are clustered with Au. With the ensemble learning technique, it can be mapped that the Zn, Al, Ga, and Pb clustering can also predict the occurrence of gold mineralized samples in the database. Results obtained from spectroradiometric data indicate an abundance of kaolinite, gibbsite, amphibole, and chlorite, with the predominance of white mica in the carbonaceous phyllite and dolomite. White mica is an important mineral for mineral alteration analysis because it is highly resistant to weathering and occurs as muscovite in the soil samples analyzed, but as phengitic muscovite (Al-poor) in the mineralized samples. Reflectance spectroscopy analysis proved to be a powerful technique in detecting and mapping minerals indicative of hydrothermal alteration, identifying gibbsite and muscovite and can be classified as index minerals of the Palmeiras and Structure IV mineralized structures, respectively. The mineralogical footprint defined in drill holes by other studies was also not preserved in the regolith. Principal component analysis allowed the identification in PC1 of the elements as the Fe-Al-Cr-Ni-Cu association, in contrast to K-Na-Ba-Tl. PC2 was able to define the elements of greatest importance in predicting gold, where PC3 highlights the elements As-Ag-Te-Ca-Mg and gibbsite associated directly with mineralization. Factor 1 predicted the parent rock units in factor analysis, while Factor 3 characterized and delineated the zones of the mineralization signature as representative of hydrothermal alteration at the surface. Comparing Pequizão samples with distal, unmineralized soil, we can infer Sb, V, Na, Ba, and W enrichment and Zn, Ga, and Pb depletion, thereby interpreting the result of Factor 2. Based on the latter elements, it is possible to say that the prediction of Au content by the learning ensemble is due to the absence of gold in the presence of high Zn, Ga, and Pb concentrations in Pequizão. According to the results, pilot studies are suggested to expand the application in brownfield exploration based on soil methods, which are cheaper, faster, less infrastructure-dependent, and more feasible - even in places of hard access - than drilling. This requires an expansion of Brazilian pedological knowledge and the relationship between thickness, climate, and vegetation with changes and preservation of the footprint from the deposit, as well as more detailed spectrometric studies and database to increase the ease and quickness in identifying and delimitation of the expression of hydrothermal alteration at the surface