TRATAMENTO, PADRONIZAÇÃO E CONSISTÊNCIA DE DADOS GEOQUÍMICOS: VIA PYTHON

A linguagem Python tem desempenhado um papel central no avanço de soluções aplicadas à mineração de dados e inteligência artificial no campo das geociências. No Serviço Geológico do Brasil (SGB), sua adoção tem possibilitado a automação de tarefas críticas, como a extração, o processamento e a análise de grandes volumes de dados geoespaciais provenientes de levantamentos de campo. Esses dados, muitas vezes coletados por meio do aplicativo Survey 123 (ESRI), incluem registros fotográficos e informações estruturadas armazenadas em arquivos Geodatabase (GDB). Apesar da facilidade de coleta, a ausência de um sistema eficiente para exportação e classificação desses dados impunha barreiras à organização e análise dos resultados.

Nesse contexto, a Diretoria de Geologia e Recursos Minerais (DGM) implementou uma abordagem baseada em scripts desenvolvidos em Python, integrados ao ambiente ArcGIS Pro. Essa solução viabilizou a criação de plugins personalizados capazes de acessar tabelas de anexos dentro do GDB, extrair imagens georreferenciadas e associá-las às respectivas amostras ou ambientes de coleta. Para automatizar a classificação dessas imagens em categorias como “foto amostra” ou “foto ambiente”, foi utilizado um modelo de inteligência artificial baseado em redes neurais convolucionais (CNN), treinado e implementado na plataforma Orange.

O processo seguiu as etapas propostas pela metodologia de Mineração de Dados descrita por Evsukoff (2020), com foco no pré-processamento, estruturação e análise dos dados. A linguagem Python também foi utilizada em etapas complementares de tratamento e organização, em conjunto com ferramentas como Microsoft Excel e Power BI, permitindo a construção de painéis dinâmicos e relatórios analíticos. O resultado foi um fluxo de trabalho reprodutível e adaptável, capaz de ser incorporado a outros projetos geológicos que utilizam plataformas móveis para coleta de dados em campo.

Como resultado adicional, foi possível gerar uma nova feature class dentro do GDB, estruturada segundo os padrões técnicos da Divisão de Geoquímica (DIGEOQ), promovendo a padronização dos dados e fortalecendo a integração entre os setores do SGB. A experiência reforça a versatilidade do Python como linguagem orientada à ciência de dados, com capacidade de integração entre geoprocessamento, automação, visualização e inteligência artificial no contexto das geociências.