Cartografía digital predictiva del potencial mineral mediante SIG de depósitos de fluorita en el noreste de México

• Published in: Boletín de la Sociedad Geológica Mexicana Vol. 72; no. 3; p. A090520
• Main Authors: Díaz-Martínez, Roberto, González-Martínez, Leonela Aimme, Batista-Rodríguez, José Alberto, Hernández-Rosales, Alberto, Blanco-Moreno, Jesús Antonio, Batista-Cruz, Ramón Yosvanis, Almager Cermenates, Yuri, Rodríguez Vega, Antonio, López Saucedo, Felipe de Jesús, Vila Sánchez, Alberto Ramón
• Format: Journal Article
• Language: English
• Published: Sociedad Geológica Mexicana A.C 2020
• Subjects: Geology; Geosciences, Multidisciplinary; GIS; SIG; Mineral prospectivity mapping; lógica booleana; superposición ponderada; Boolean logic; Cartografía del potencial mineral; fluorita; máxima entropía; weighted overlap; maximum entropy; fluorite
• ISSN: 1405-3322
• DOI: 10.18268/BSGM2020v72n3a090520

La cartografía del potencial mineral se fundamenta en la elaboración de modelos de probabilidad de ocurrencia de depósitos minerales, como base para el pronóstico metalogénico y la delimitación de áreas perspectivas. La región noreste de México ha sido cubierta por diferentes levantamientos geológicos, trabajos de exploración minera y estudios metalogénicos regionales y actualmente se reportan más de 160 depósitos y manifestaciones de fluorita. Sin embargo, no se han empleado los métodos que permiten el tratamiento, análisis e integración de las guías de exploración utilizados en la cartografía predictiva de potencialidad minera . En este contexto, surge la necesidad de iniciar trabajos de cartografía predictiva en México, que ayuden a minimizar los costos de la exploración minera por concepto de optimización de áreas potencialmente favorables para el descubrimiento de depósitos minerales. La información geológica, estructural, geoquímica y geofísica disponible del NE de México permite la aplicación de la cartografía del potencial mineral soportada en los sistemas de información geográfica. La metodología se basa en la estructuración de los datos primarios, la superposición ponderada y la integración y análisis de los datos mediante los modelos de lógica booleana y máxima entropía (MaxEnt). Los resultados obtenidos indican que el mapa de potencial mineral ofrece un buen predictor, debido a que se delimitan las áreas más favorables para la presencia de depósitos de fluorita, siendo la densidad estructural el parámetro que más influye con un 28.8% de contribución al modelo de potencialidad mineral.