Este documento describe un curso de capacitación sobre la generación de mapas de potencial minero utilizando las herramientas ArcGIS Pro y Spatial Analyst. El curso cubre temas como la preparación de datos, el uso de modelos predictivos probabilísticos, y la generación de mapas de potencial minero mediante extensiones como ArcSDM. El objetivo es enseñar a los participantes a utilizar las herramientas GIS para realizar análisis de información y generar sus propios mapas de potencial minero.

2. Generación de Targets de Exploración utilizando ArcGIS Pro & Spatial Analyst
CAPACITACIÓN
La Extensión Spatial Analyst en ArcGIS
Preparación de los datos
Mapas de Potencial Minero
Automatizar el modelo con las herramientas de Model Builder
Modelos Predictivos Probabilísticos
Generar Mapa de Potencial Minero utilizando la extensión ArcSDM
Nociones de Lógica Difusa
Generar un Mapa de Potencial Minero de Maricunga
Consultas a: Gerardo Smith A – GSInnova
Smith.Gerardo@gmail.com
Cell 56 9 7764 5015
Los Héroes 1560 – La Puntilla – La Herradura –
Coquimbo - Chile

3. Mapas de Potencial Minero utilizando ArcGIS Pro Spatial Analyst & ArcSDM
Generación de Targets de Exploración

4. Introducir a geocientístas y especialistas en geomática en las técnicas de
preparación de datos orientadas al análisis de la información, relacionando capas
de modo que, basado en diferentes técnicas, podamos generar mapas que sean
capaces de predecir fenómenos espaciales.
Un Mapa de Potencial Minero es generado buscando las asociaciones espaciales
entre zonas conocidas de mineralización con mapas geológicos, estructurales,
geofísicos, geoquímicos, etc.
Estas relaciones pueden ser exploradas con la ayuda de las herramientas GIS y los
modelos usados para combinar mapas pueden predecir depósitos no descubiertos.
Al completar este curso, el participante será capaz de: utilizando las herramientas
GIS, realizar análisis de la información bajo diferentes técnicas y generar sus Mapas
de Potencial Minero.
OBJETIVO DE LA CAPACITACIÓN
MAPAS DE POTENCIAL MINERO

5. • Hillshade
• Reclasificación
• El Calculador Raster
• Overlay Weighted Sum
• Overlay Weighted Overlay
Ej. 1 - La Extensión Spatial Analyst en ArcGIS
• Análisis de Proximidad – Crear Buffers alrededor de la evidencia
• Extraer evidencia binaria Geofísica desde una imagen RGB
• Determinar elevaciones favorables desde un DEM utilizando las
Ocurrencias Mineras
• Otras herramientas de Geoprocesamiento útiles en el proceso del mapa.
• Extraer evidencia vectorial desde imágenes satelitales procesadas
Este ejercicio tiene por objetivo familiarizarse con las herramientas más utilizadas en la preparación y desarrollo
de los procesos involucrados en la creación de Mapas de Potencial Minero.
Ej. 2 - Preparación de los datos
• Kernel Density
• Interpolating to Raster
• Análisis de Superficie – Contours
• Análisis de Superficie – Slope
• Análisis de Superficie – Aspect
Generación de Targets de Exploración

6. Ej. 3 - Mapas de Potencial Minero
• Herramientas para el análisis de Mapas
• Modelando un par de Mapas
• Múltiples Mapas
• Evaluación de Potencial Minero
• Tipos de Modelos
ModelBuilder es una aplicación que se utiliza para crear, editar y
administrar modelos. Los modelos son flujos de trabajo que encadenan
secuencias de herramientas de geoprocesamiento y suministran la salida de
una herramienta a otra herramienta como entrada.
A través de esta herramienta y basados en el modelo generado, crearemos
un flujo de trabajo en Model Builder que nos permita almacenar esta
secuencia de comandos para posteriormente reutilizarla tantas veces como
queramos, modificando sus input o sus parámetros.
En un Mapa de Potencial Mineral se busca encontrar asociaciones espaciales entre zonas conocidas de mineralización con
mapas geológicos, geofísicos y geoquímicos, que pueden ser explorados con la ayuda de las herramientas del GIS, y los
modelos usados para combinar mapas pueden predecir depósitos no descubiertos.
• Generación de un Mapa de Evidencia
• Modelo del Mineral Potential Map
• Setear las variables de Ambiente
• Generación del Modelo
Ej. 4 – Automatizar el modelo con las herramientas de Model Builder
Generación de Targets de Exploración

7. • La Extensión ArcSDM
• Instalación
• Configuración de ArcSDM
• El Modelo Carlin
Ej. 5 – Modelos Predictivos Probabilísticos
Utilizando las herramientas de geoprocesamiento de ArcSDM, construir un
Mapa de Potencial Minero con las capas de evidencia del área definidas.
La metodología de los pesos de la evidencia fue adaptada para el mapeo de potencial mineral con GIS. La extensión de Arc-SDE utiliza
la asociación estadística entre los puntos de un Training Point como un tema que muestra sitios de minerales y temas de evidencia que
muestran los tipos de rocas, geoquímica, geofísica o mediciones a determinar los pesos.
Spatial Data Modeller, SDM, es una colección de herramientas para añadir
mapas categóricos y producir un mapa de predicción en donde algo de interés
es probable que ocurra.
• El Peso de la Evidencia (Wofe)
• Training Points
• Área de Estudio
• Mapas de Evidencia
• Tema de Respuesta
Ej.6 - Generar Mapa de Potencial Minero utilizando la extensión ArcSDM
Generación de Targets de Exploración

8. • Lógica Difusa en ArcGIS
• Fuzzy Memberships
• Fuzzy Overlay
Ejercicio 8 – Generar un Mapa de Potencial Minero de Maricunga utilizando Wofe
Concepto
Lógica basada en la teoría de conjuntos que trata de imitar el comportamiento de la lógica humana.
Se utiliza para representar la información imprecisa, ambigua o vaga, para tomar decisiones razonables en un entorno de incertidumbre.
Ejercicio 7 – Nociones de Lógica Difusa
• Conceptos
• Características
• Lógica Clásica v/s Lógica Difusa
• Lógica Difusa en datos de Geociencias
• Calcular los pesos para cada capa de evidencia,
• De acuerdo a las tablas de Contraste,
reclasificar las capas de evidencia en binarias,
• Ejecutar el proceso Weighted Sum
• Abrir el proyecto Ejercicio8.mxd,
• En Geoprocessing Options, setear opciones,
• Setear las variables de ambiente,
• Cargar la herramienta ArcSDM,
• Ejecutar los procesos de preparación de los datos
indicados para cada capa de evidencia,
Generación de Targets de Exploración