Dados da Submissão

Título

MACHINE LEARNING APLICADO AO MAGMATISMO PLUTÔNICO EDIACARANO-CAMBRIANO DO SISTEMA OROGÊNICO ARAÇUAÍ-RIBEIRA, SE DO BRASIL

Texto do resumo

O paradigma da classificação granítica é tema central de debates na literatura geocientífica. Identificam-se duas correntes principais de pensamento, frequentemente opostas, sobre os mecanismos subjacentes à granitogênese. A corrente 'crustalista', sustenta que os granitos se originam primariamente através dos processos de refusão ou retrabalhamento crustal. Em contrapartida, tem-se a corrente que postula que os melts graníticos provêm de líquidos basálticos mantélicos que, ao passarem por um processo de diferenciação magmática e interação com rochas crustais (e/ou melts provenientes dessas rochas), em zonas MASH (Fusão, Assimilação, Colocação e Homogeneização), evoluem para composições intermediárias e ácidas, resultando na formação dos granitoides. É crucial considerar que a granitogênese seja influenciada por um equilíbrio, e por vezes dominância, entre as contribuições de ambos os processos centrais, variando conforme os estágios e ambientes geodinâmicos. Nesse contexto, o Sistema Orogênico Araçuaí-Ribeira (SOAR – Brasiliano-Pan-Africano) no sudeste do Brasil emerge como um laboratório propício para investigar rochas dessa natureza. Isto é justificado pelo expressivo magmatismo plutônico Ediacarano-Cambriano da região, nominalmente subdividido de G1 a G5, que se acredita ter sido formado em diferentes estágios evolutivos. Existem dois modelos principais que se contrapõem e discutem a natureza geodinâmica do SOAR. De um lado, destaca-se o modelo que propõe uma orogenia colisional subsequente a uma margem continental ativa, com ocorrência de subducção de crosta oceânica sob crosta continental. Por outro lado, existe a defesa de um modelo de orogenia intracontinental, cuja principal força motriz responsável por desencadear o processo orogênico, seria dominada por uma tensão compressiva distante dos limites das margens ativas, atuando em uma massa litosférica coesa. Visando investigar esta controvérsia, empregou-se uma metodologia de Machine Learning com análise estatística supervisionada, utilizando o método de Análise Discriminante Linear (LDA) na categorização de 1243 amostras de rochas graníticas do SOAR, compiladas da literatura. A adoção pioneira do LDA neste contexto, revelou agrupamentos sutis e evidenciou as variáveis mais discriminantes para a separação dos grupos pré-definidos. Os resultados mostram distinções inter-classe claras entre as supersuítes. Uma reclassificação subsequente, sustentada no modelo treinado a partir de 6851 amostras da literatura (não pertencentes ao SOAR), identificou as rochas G1 como ACG (Granitoides Calcio-Alcalinos com Anfibólio); G2, G3 e G4 como CPG/MPG (Granitoides Peraluminosos com Cordierita e/ou Muscovita) típicas; e G5 como bimodais, com predomínio de KCG (Granitoides Calcio-Alcalinos Potássicos) sobre CPG/MPG. Empregaram-se diagramas geoquímicos convencionais centrados nos 10 elementos maiores (SiO2, Al2O3, FeOt, TiO2, MnO, MgO, CaO, Na2O, K2O e P2O5), para se realçar parâmetros fundamentais na classificação granítica (Nomenclatura, Aluminosidade, Maficidade, Alcalinidade) e validar os resultados obtidos pelo modelo treinado. Ao comparar a distribuição das amostras com banco de dados global, observou-se que as 5 supersuítes apresentam padrões semelhantes aos seus correspondentes: G1 com ACG; G2, G3, G4 e G5dif com CPG/MPG; e G5 com KCG. Portanto, tais resultados corroboram majoritariamente os processos petrogenéticos alinhados ao modelo de orogenia colisional de margem continental ativa.

Palavras Chave

Machine Learning; Análise Discriminante Linear; Granitogênese; geoquímica; Sistema Orogênico Araçuaí-Ribeira.