Geoquímica y espectrometría de sedimentos activos en la cuenca del Limarí: Análisis mediante redes neuronales. Felipe Carrasco*, Felipe Astudillo, Juan Lacassie. Servicio Nacional de Geología y Minería, Av. Santa María 0104, Providencia, Santiago, Chile. Alejandro Díaz Empresa Nacional de Minería, Colipí Nº 260, Copiapo, Chile. Javier Ruiz-Del Solar

Advanced Mining Technology Center (AMTC), Av. Tupper 2007, Piso 3, Santiago, Chile. * E-mail: felicarr@ing.uchile.cl Resumen. El uso combinado de espectrometría de

reflectancia infraroja de onda corta sobre sedimentos fluviales activos junto a un análisis estadístico mediante redes neuronales artificiales, ha permitido relacionar patrones espectrales con patrones geoquímicos en la cuenca del Limarí. Este trabajo complementa la información recopilada en la memoria de tesis de Astudillo (Astudillo, 2011). Los resultados muestran que a lo largo de los ríos estudiados existen signaturas espectrales y geoquímicas asociadas a factores geológicos y antropogénicos, estos últimos principalmente de carácter minero. Específicamente, se puede concluir que la composición química y los patrones espectrales reflejan la presencia de zonas de alteración hidrotermal y mineralizada. En este contexto, destacan los cursos superiores del río Hurtado y del estero Punitaqui, donde se ubican respectivamente el prospecto minero Coipita y el distrito Punitaqui mineros Coipita y Punitaqui. Se concluye que esta metodología permite obtener resultados en tiempos breves, facilitando tanto la manipulación como clasificación de los datos, identificando zonas de alteración sin un análisis de espectros en detalle.

Palabras Claves: Limarí, Geoquímica, SWIR, Redes

neuronales artificiales, Sedimentos activos.

1 Introducción La composición química y mineralógica de los sedimentos

fluviales es utilizada, comúnmente, para monitorear la

influencia de factores naturales (geología del basamento) y

el impacto de factores antropogénicos tales como

actividades mineras, agrícolas e industriales y el grado de

urbanización sobre los sistemas fluviales (Birch et al.,

1999). En particular, los sedimentos fluviales de áreas

industrializadas pueden actuar como reservorios de metales

pesados (Power et al., 1992) por largos periodos de tiempo,

que van desde cientos a miles de años (Macklin et al.,

2006). En estas condiciones los sedimentos fluviales

actúan como fuentes de metales pesados para los

organismos acuáticos (Houtman et al., 2004), con un alto

potencial de que estos elementos entren en la cadena

trófica acuática y se bio-acumulen en plantas y animales

(Hellyer, 2000), con el consiguiente riesgo para la salud

humana y medioambiental. Por otra parte, espectralmente

las bandas SWIR (Short Wave Infra Red, Infra Rojo de

Onda Corta) permiten identificar filosilicatos, carbonatos y

sulfatos entre otros (Marel, 1976). Este análisis presenta

bajos costos. La metodología usada no busca identificar

minerales espectralmente, sino relacionar la signatura

espectral con la geoquímica. En este trabajo se estudió la

composición química y los espectros de reflectancia SWIR

de las muestras de sedimentos activos, recolectados en los

principales ríos del sistema fluvial del río Limarí, IVa

Región, Chile. En los sistemas fluviales el transporte de los

elementos mayores y en trazas está controlado,

principalmente, por la carga en suspensión (De Carlo et al.,

2004). Por este motivo, este estudio se concentra en la

fracción <180 µm de los sedimentos recolectados, la cual

se considera como representativa de la carga fluvial en

suspensión (Ortiz et al., 2006). Los resultados de los

análisis químicos (ICP-MS) y espectrales (PIMA-II) de los

sedimentos recolectados fueron analizados con redes

neuronales artificiales no-supervisadas.

2 Metodología, muestreo, resultados 2.1 Muestreo, análisis químico y espectral

La recolección de muestras en la cuenca del Limarí, se

realizó entre enero y febrero de 2010, tomándose en total

126 muestras. La mayoría de estas, corresponde a un

compósito de entre 2 y 4 Kg formado por sub-muestras de

sedimento fluvial recolectadas a una profundidad entre 0 y

5 cm, en un tramo de entre 20 a 50 m a lo largo del canal

activo, con una distancia promedio de 3 km entre puntos

de muestreo. El resto, corresponde a sedimentos

recolectados en las terrazas fluviales pre-industriales

cercanas al cauce principal. Para la recolección y

almacenaje de las muestras se utilizaron palas y bolsas

plásticas (PVC). Posteriormente, en el laboratorio, las

muestras fueron secadas (<60°C) y tamizadas. La fracción

<180 µm de cada muestra fue pulverizada en un mortero

de ágata. Las muestras fueron analizadas mediante

espectrometría de emisión ICP-ES y de masa ICP-MS, en

laboratorios de AcmeLabs, para obtener abundancia total

de óxidos principales y de elementos traza

70

respectivamente. Por otra parte, durante el 2012, el

material de rechazo fue muestreado espectralmente

mediante un espectrómetro PIMA-II de Integrated

Spectronics, para lo cual se consideró el valor promedio de

tres mediciones sobre cada muestra. Los resultados de los

análisis químicos y espectrales fueron estudiados

estadísticamente, y por separado, utilizando redes

neuronales artificiales no-supervisadas del tipo Growing

Cell Structures (Fritzke, 1994). Esta técnica de análisis

multivariado ha sido exitosamente aplicada al estudio de

datos geoquímicos de distintos materiales, dado que

permite: 1) visualizar la estructura de grupos o clusters del

set de datos; 2) visualizar las relaciones lineales y no-

lineales existentes entre las variables (e.g., Lacassie et al.,

2008).

2.2 Resultados Los datos químicos de las muestras de los sedimentos

fluviales fueron analizados utilizando redes neuronales

artificiales no-supervisadas. Como resultado de este

análisis se generó un mapa bi-dimensional o “mapa

neuronal”, compuesto por 8 unidades o “nodos”

interconectados. Cada uno de estos nodos (Nodos G)

representa un subconjunto de muestras del set de datos con

características químicas similares (Tabla 1). Para los datos

espectrales se genera una clasificación similar de 8 nodos

(Nodos E). En la Figura 1 se muestra la forma general

(promedio) de cada familia de datos espectrales.

Tabla 1. Geoquímica asociada a cada nodo y relación con nodos

espectrales (Datos de Astudillo, 2011). Nodo

geoquímico

Nodo

espectralValores altos

G1 E7 CaO, Total C, Sr

G2 E1Cu, As, Mo, U, Zn, MnO, Ba, Be, Co, Cs, Sn, Y -

SHREE, Ni, Cd, Bi,Tl, Se

G3 E4, E8 Al2O3 , MgO

G4 E3, E6 Au, Hg, Ag, Fe2O3 , Total S, Pb, Sb

G5 E2 Zr, TiO2, Cr2O3, Sc, Ga, Hf, Nb, Ta, V, W

G6 - P2O5

G7 - SiO2, Na2O, K2O, Rb, Th, SLREE

G8 E5 SiO2, Na2O, K2O, Rb, Al2O3, MgO, Sc, Ga

3 Discusión de los resultados Existen muestras asociadas a un mismo nodo que

presentan una distribución geográfica común, ya sea

espectral y/o geoquímicamente (Figura 2), además es

posible observar sectores en los cuales existe una

correlación entre nodos espectrales y geoquímicos (Tabla

1). Las zonas más destacadas en este aspecto son el tramo

superior del río Hurtado, el prospecto Coipita en el mismo

sector y el distrito minero de Punitaquí en la cabecera del

Estero Punitaqui. Se desprende de lo anterior, que los

ensambles mineralógicos pertenecientes a estas zonas están

asociados a una signatura espectral bien definida y a una

geoquímica particular, por lo cual se puede vincular

espectros y geoquímica en algunos sectores, aunque los

minerales que generan las señales no necesariamente estén

formados por los mismos elementos que presentan valores

elevados en metales pesados, de hecho existen zonas en las

cuales la signatura espectral es una sub-zona de la

signatura geoquímica. Esto demuestra la existencia de

ensambles minerales entre los minerales que son

detectados espectralmente y aquellos minerales que

presentan concentraciones elevadas de metales pesados

Figura 1. Promedio de espectros para cada nodo.

4 Conclusiones Datos geoquímicos y espectrales se pueden correlacionar

entre si geográficamente en zonas ligadas a sectores con

alteración hidrotermal o con influencia antropogénica de

carácter minero. De esta forma, la utilización de redes

neuronales y espectrometría puede llegar a convertirse en

un método de reconocimiento de zonas de interés

económico y/o de contaminación a escala de cuenca previo

a prospección geoquímica, lográndose así una

optimización recursos.

Agradecimientos

Esta contribución fue patrocinada por la Subdirección

Nacional de Geología de SERNAGEOMIN. Especiales

agradecimientos a los señores Lacassie, Astudillo, Díaz y

Ruiz del Solar por su buena disposición y por haber

facilitado el uso de sus datos y muestras.

71

Referencias Astudillo, F. 2011. Controles determinantes en la geoquímica y

mineralogía de los sedimentos fluviales activos en la cuenca del

río Limarí, IV Región de Coquimbo, Chile. Memoria de Título,

Universidad de Chile, Departamento de Geología: 156 p.

Birch, GF, Robertson, E, Taylor, SE, McConchie, DM. 1999. The use

of sediments to detect human impact on the fluvial system.

Environmental Geology 3: 1015-1028.

De Carlo, EH, Beltran, VL, Tomlinson, MS. 2004. Composition of

water and suspended sediment in streams of urbanized

subtropical watersheds in Hawaii Applied Geochemistry 1: 1011-

1037.

Fritzke, B. 1994. Growing cell structures–A self-organizing network

for unsupervised and supervised learning. Neural Networks

7:1441-1460.

Hellyer, G. 2000. Ten Mile River Watershed-Massachusetts: An

assessment of sediment chemistry and ecotoxicity. US

Environmental Protection Agency Report. URL:

http://www.epa.gov/region1/lab/reportsdocuments/tenmile/Water

shedEcotoxicityReport.pdf: 240p.

Houtman, CJ, Cenijn, PH, Hamers, T, Lamoree, MH, Legler, J, Murk,

AJ, Brouwer, A. 2004. Toxicological profiling of sediments using

in vitro bio-assays with emphasis on endocrine disruption.

Environ Toxicol Chem 2 :32-40.

Lacassie, J.P. 2008. Estudio mineralógico y geoquímico del sistema

fluvial del río Rapel, VI Región, Chile. Informe Registrado IR-

08-37, Servicio Nacional de Geología y Minería: 66 p.

Macklin, M.G.; Brewer, P.A.; Hudson-Edwards, K.A.; Bird, G.;

Coulthard, T.J.; Dennis, I.A.; Lechler, P.J.; Miller, J.R.; Turner,

J.N. 2006. A geomorphological approach to the management of

rivers contaminated by metal mining. Geomorphology 7::423-

447.

Marel, H.W. y Beutelspacher, H., 1976, Atlas de la espectroscopia del

infrarrojo y los minerales arcillosos y sus mezclas. Elsevier, 396

p. Amsterdam.

Ortiz, E, Roser, B.2006. Major and trace element provenance

signatures in stream sediments from the Kando River, San'in

district, southwest Japan. The Island Arc 1:223-238.

Páez, C. 2008. Espectrometría de reflectancia (SWIR) aplicada para

mapeo de alteración en la zona de Viruela-La Cruz, proyecto La

India : Distrito Minero Mulatos, Sahuaripa, Sonora México.

Memoria de Titulo, Universidad de Sonora, Mexico.

Power, EA, Chapman, PM. 1992. Assessing sediment quality.

Sediment toxicity assessment. CRC Press, Boca Raton, USA:

457 p.

Figura 2. Distribución espacial de nodos (modificado de Astudillo, 2011)

72