Análisis e integración de datos espaciales en investigación de recursos geológicos mediante Sistemas de Información Geográfica

Resumen

En la investigación
geológica, como es el caso de la exploración de recursos minerales,
es frecuente disponer de grandes volúmenes de datos espaciales,
referentes a información temática diversa, costosa de obtener, que
son adecuadamente tratados y analizados con ayuda de los sistemas de
información geográfica (SIG). Se puede decir, que el objetivo final
de este análisis de datos es la elaboración de mapas que indiquen
las zonas o puntos donde es posible la presencia de un recurso (por
ejemplo, mapas de favorabilidad minera). Para ello es necesario
elaborar modelos espaciales predictivos que permitan la
incorporación y combinación de las variables relevantes relacionadas
con el fenómeno estudiado. Estos modelos, elaborados normalmente en
entorno SIG, poseen naturaleza numérica diversa, que van desde
modelos basados en la combinación de mapas mediante reglas lógicas,
aritméticas, estadísticas o probabilísticas, hasta modelos más
complejos basados en algoritmos de inteligencia artificial y minería
de datos. En este artículo se presenta la aplicación de dos métodos
de integración de datos espaciales, el método de suma ponderada
multiclase y el de regresión logística múltiple, en un contexto
aplicado de investigación de depósitos metálicos en el SE de España.
Los modelos han sido implementados mediante SIG y han permitido
generar mapas predictivos, por medio del cálculo de un índice de
favorabilidad minera (IFM), que ha facilitado la selección de las
zonas con mayor potencialidad para albergar depósitos minerales. Los
resultados obtenidos indican que el rendimiento de los modelos es
similar en muchos de los experimentos, con porcentajes de acierto de
depósitos conocidos sólo un poco superiores en los modelos basados
en regresión logística. No obstante, el método de suma ponderada
multiclase puede ser aceptable en la mayoría de los casos.