Capitalizando en la Encuesta Florística como una Línea de Evidencia No Destructiva para el Modelado del Potencial Mineral: Un Estudio de Caso de Bauxita en el Suroeste de Australia
Autores: Trotter, Lewis; Wardell-Johnson, Grant; Grigg, Andrew; Luxton, Sarah; Robinson, Todd P.
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Capitalizando en la Encuesta Florística como una Línea de Evidencia No Destructiva para el Modelado del Potencial Mineral: Un Estudio de Caso de Bauxita en el Suroeste de Australia
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Ocurrencia de plantas
Modelos predictivos
Presencia de bauxita
Encuestas florísticas
Métricas del terreno
Potencial mineral
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Mientras que los geobotanistas han utilizado durante mucho tiempo la ocurrencia de plantas para localizar recursos subsuperficiales, ninguno ha utilizado encuestas florísticas como evidencia en modelos de potencial mineral. Aquí, combinamos las distribuciones de especies de plantas con métricas del terreno para producir modelos predictivos que muestran la probabilidad de presencia de bauxita. Identificamos diecinueve taxones con asociaciones estadísticamente significativas con depósitos de bauxita conocidos e identificamos once métricas del terreno de estudios anteriores. Agrupamos las variables en tres conjuntos de variables (florístico, topográfico y topo-flora) y producimos modelos de potencial mineral para cada uno utilizando cuatro algoritmos o enfoques: (a) un modelo lineal generalizado (GLM); (b) bosque aleatorio (RF); (c) maxent (ME); y (d) un ensamblaje heterogéneo apilado (GLM-RF-ME). En general, el modelo de bosque aleatorio superó a todos los algoritmos, incluido el ensamblaje, basado en la métrica del área bajo la curva (AUC). El conjunto de variables florísticas superó al conjunto topográfico (AUC: 0.86 frente a 0.82). Sin embargo, juntos tuvieron la mayor capacidad predictiva (AUC: 0.89). Seis taxones, incluidos Banksia grandis, Leucopogon verticillatus y Persoonia longifolia, fueron indicadores de presencia de bauxita, mientras que cinco otros taxones, incluidos Xanthorrhoea preissii y Hypocalymma angustifolium, estaban asociados con la ausencia de bauxita. Las variables topográficas importantes fueron la humedad topográfica, la posición del paisaje y la profundidad del valle, que caracterizaron las ubicaciones de bauxita como bien drenadas, en las posiciones de la parte superior de colinas suaves y a cierta distancia de los valles. La adición de encuestas florísticas proporciona una nueva línea de evidencia sobre la vida botánica subyacente que tolera, acumula o evita la bauxita o minerales asociados. A diferencia de la perforación, ambos conjuntos de datos pueden ser recolectados e interrogados a bajo costo y sin impacto en el entorno circundante. Estos datos son adiciones valiosas para futuras aplicaciones de modelado de potencial mineral.
Descripción
Mientras que los geobotanistas han utilizado durante mucho tiempo la ocurrencia de plantas para localizar recursos subsuperficiales, ninguno ha utilizado encuestas florísticas como evidencia en modelos de potencial mineral. Aquí, combinamos las distribuciones de especies de plantas con métricas del terreno para producir modelos predictivos que muestran la probabilidad de presencia de bauxita. Identificamos diecinueve taxones con asociaciones estadísticamente significativas con depósitos de bauxita conocidos e identificamos once métricas del terreno de estudios anteriores. Agrupamos las variables en tres conjuntos de variables (florístico, topográfico y topo-flora) y producimos modelos de potencial mineral para cada uno utilizando cuatro algoritmos o enfoques: (a) un modelo lineal generalizado (GLM); (b) bosque aleatorio (RF); (c) maxent (ME); y (d) un ensamblaje heterogéneo apilado (GLM-RF-ME). En general, el modelo de bosque aleatorio superó a todos los algoritmos, incluido el ensamblaje, basado en la métrica del área bajo la curva (AUC). El conjunto de variables florísticas superó al conjunto topográfico (AUC: 0.86 frente a 0.82). Sin embargo, juntos tuvieron la mayor capacidad predictiva (AUC: 0.89). Seis taxones, incluidos Banksia grandis, Leucopogon verticillatus y Persoonia longifolia, fueron indicadores de presencia de bauxita, mientras que cinco otros taxones, incluidos Xanthorrhoea preissii y Hypocalymma angustifolium, estaban asociados con la ausencia de bauxita. Las variables topográficas importantes fueron la humedad topográfica, la posición del paisaje y la profundidad del valle, que caracterizaron las ubicaciones de bauxita como bien drenadas, en las posiciones de la parte superior de colinas suaves y a cierta distancia de los valles. La adición de encuestas florísticas proporciona una nueva línea de evidencia sobre la vida botánica subyacente que tolera, acumula o evita la bauxita o minerales asociados. A diferencia de la perforación, ambos conjuntos de datos pueden ser recolectados e interrogados a bajo costo y sin impacto en el entorno circundante. Estos datos son adiciones valiosas para futuras aplicaciones de modelado de potencial mineral.