Resultados do Projeto GEMA – Geração de Mapas de Alta Resolução e Interpretação Avançada de Dados Geológicos mediante Inteligência Artificial

Ao longo dos seus 18 meses de execução (agosto de 2023 – fevereiro de 2025), o projeto GEMA alcançou avanços significativos na integração da inteligência artificial aplicada à geofísica, atingindo marcos técnicos que agregam valor tanto à investigação como à exploração aplicada.

Desenvolvimento de uma base de dados internacional
Como ponto de partida, foi construída uma base de dados geofísica de alcance internacional, que integra informações radiométricas, magnéticas, hiperespectrais, imagens satelitais e modelos digitais de terreno. Essa coleta de dados, obtida em diferentes geografias e sob diversas condições operacionais, permitiu dispor de um repositório robusto para treino e validação de modelos de inteligência artificial, assegurando a capacidade de generalização das soluções desenvolvidas.

Metodologias avançadas de processamento
O projeto estabeleceu um pipeline reprodutível de processamento e normalização de dados, incluindo a homogeneização de sistemas de referência espacial (CRS) e a correção de artefatos comuns em dados magnéticos. Essas metodologias reduziram substancialmente os tempos de preparação de dados, melhorando a qualidade e a rastreabilidade das informações utilizadas na modelagem.

Modelos de inteligência artificial desenvolvidos

1. Correção de artefatos magnéticos (Levelling): Implementou-se uma abordagem baseada em modelos bayesianos e em interpolação espacial, resultando num algoritmo capaz de reduzir de forma significativa a necessidade de ajustes manuais. Esta ferramenta, também disponibilizada como plugin, demonstrou sua utilidade para homogeneizar levantamentos aerogeofísicos de maneira mais rápida e consistente.
2. Segmentação automática de lineamentos: Treinaram-se redes neurais convolucionais (CNN, arquitetura U-Net) para a deteção e o traçado de estruturas geológicas em mapas magnéticos. Os resultados alcançaram valores de precisão elevados (com coeficiente Dice próximo de 0,8 nos conjuntos de treino), demonstrando a capacidade dessas técnicas para automatizar tarefas que tradicionalmente exigiam meses de interpretação manual.

• Previsão geomagnética para perfuração direcional (IFR2): Foi desenvolvido um modelo espaço-temporal (INLA-SPDE) capaz de prever, com alta resolução, as variações do campo magnético em zonas de perfuração. Isso permitiu otimizar a orientação de poços e reduzir erros de trajetória, sendo validado inclusive frente a eventos geomagnéticos específicos registados durante a campanha de validação.

Validação e resultados quantitativos
Os avanços foram confirmados por meio de processos de validação rigorosos:

• Os algoritmos de levelling foram comparados com dados de voos corrigidos manualmente, mostrando alta consistência espacial e melhoria nos coeficientes de correlação (R²).
• Os modelos de lineamentos foram avaliados com métricas padrão (precisão, recall, F1 e Dice), confirmando sua capacidade de generalização em regiões não incluídas no treino.
• O modelo de previsão geomagnética foi validado através da comparação minuto a minuto dos componentes Fx, Fy e Fz em relação a estações independentes, alcançando baixos erros médios absolutos (MAE) e antecipando com sucesso episódios de variabilidade magnética.

Âmbito geográfico de validação
As metodologias foram testadas em diversos cenários geológicos internacionais, reforçando a sua versatilidade. Entre as zonas piloto destacam-se:

• África: Uganda, República Democrática do Congo (Katanga), Nigéria.
• Europa: França, Finlândia e Rússia.
• Ásia: Cazaquistão, Mongólia e Turquia.
• América do Norte: Canadá.

Esse alcance geográfico evidencia a ambição global do projeto e garante que as ferramentas desenvolvidas sejam aplicáveis em diferentes contextos geológicos.

Financiamento
O projeto GEMA conta com um orçamento total de €1.418.908, dos quais €1.206.071,80 correspondem ao apoio da União Europeia (Subvenção Bruta Equivalente). Esse apoio foi fundamental para o desenvolvimento de soluções inovadoras em inteligência artificial e sua aplicação na exploração geofísica.