Monitoring and prediction of surface runoff in open pit mines with a focus on bauxite extraction

Autor: Spletozer, Aline Gonçalves
Přispěvatelé: Dias, Herly Carlos Teixeira
Jazyk: portugalština
Rok vydání: 2022
Předmět:
Zdroj: LOCUS Repositório Institucional da UFV
Universidade Federal de Viçosa (UFV)
instacron:UFV
Popis: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior A mineração é uma das principais atividades que contribui para o desenvolvimento econômico mundial. Na mineração superficial, o solo é escavado para atingir a matéria prima, como consequência os processos envolvidos no ciclo hidrológico são afetados, em especial, os caminhos das águas superficiais. O monitoramento em campo associado à predição precisa e confiável de escoamento superficial auxilia no planejamento e gestão dos recursos hídricos de áreas mineradas superficialmente, como minas de bauxita. Nesta tese, (i) os estudos sobre escoamento superficial em minas de superfície na última década foram revisados (2009 a 2020); (ii) a análise do escoamento superficial antes da mineração e durante seis anos de reabilitação com plantio de Eucalipto, após a mineração de bauxita foi apresentada; e, (iii) modelos de regressão e cinco algoritmos de aprendizado de máquina foram usados para explicar e predizer o escoamento mensal de seis anos de reabilitação em minas de bauxita. Revisão da literatura, monitoramento do escoamento superficial em campo e os fatores que o influenciam, assim como análises e modelagem no software R foram realizadas para atingir os três objetivos desta tese. As novas descobertas foram: A China, os Estados Unidos e Espanha lideram os trabalhos sobre escoamento superficial em áreas de mineração superficial. O escoamento anual variou entre 2,75 mm até 488 mm, sendo que a maior parte do planeta não registrou os impactos hidrológicos dessa atividade em escala local, por meio de artigos científicos. O escoamento percentual médio monitorado em campo nas minas de bauxita foi inferior a 1% em todos os períodos de reabilitação e chegou a ser 14,09 vezes menor que antes da mineração (1,13%), sendo que as características do solo, serapilheira e vegetação foram os fatores mais explicativos. As equações de regressão linear e algoritmos de aprendizado de máquina indicaram o volume precipitado, duração acumulada da precipitação, intensidade máxima da precipitação, o mês e o número de eventos como as variáveis mais explicativas para a geração do escoamento. A abordagem de modelos de regressão linear foi satisfatória na predição do escoamento superficial de área minerada de bauxita, sendo recomendado usar a equação anual ajustada para o respectivo ano de reabilitação. Os algoritmos de aprendizado de máquina Cubist e Random Forest apresentaram as melhores acurácias para redizer o escoamento na maioria dos anos de reabilitação, mas não houve um melhor modelo que apresentasse consistentemente o melhor resultado em todos os anos de reabilitação, sendo recomendado usar o modelo anual para o respectivo ano de reabilitação. Apesar da reabilitação completa da área minerada demandar um longo processo, nossas descobertas indicam que a sucessão da vegetação e os cuidados com a adequação das características do solo são eficazes para potencializar a recuperação do ecossistema após a desestruturação do solo em minas de bauxita a céu aberto. Assim como, equações e algoritmos apresentaram-se como ferramentas úteis para a predição do escoamento mensal em áreas mineradas, tornando-se um ponto inicial na busca da otimização do planejamento hidrológico das minas superficiais de bauxita. Palavras-chave: Águas superficiais. Mineração. Reabilitação. Inteligência artificial. Hidrologia Florestal. Mining is one of the main activities that contributes to world economic development. In surface mining, the soil is excavated to reach the raw material, as a consequence the processes involved in the hydrological cycle are affected, in particular, the surface water paths. Field monitoring associated with accurate and reliable prediction of surface runoff assists in the planning and management of water resources in surface-mined areas, such as bauxite mines. In this thesis, (i) studies on surface runoff in surface mines in the last decade were reviewed (2009 to 2020); (ii) the analysis of surface runoff before mining and during six years of rehabilitation with Eucalyptus plantations after bauxite mining was presented; and, (iii) regression models and five machine learning algorithms were used to explain and predict the monthly runoff of six years of rehabilitation in bauxite mines. Literature review, monitoring of surface runoff in the field and the factors that influence it, as well as analysis and modeling in the R software were carried out to achieve the three objectives of this thesis. The new findings were: China, the United States and Spain lead the work on surface runoff in surface mining areas. The annual runoff ranged from 2.75 mm to 488 mm, and most of the planet has not recorded the hydrological impacts of this activity on a local scale, through scientific articles. The average percentage runoff monitored in the field in the bauxite mines was less than 1% in all rehabilitation periods and was 14.09 times greater than before mining (1.13%), and the soil characteristics, litter and vegetation were the most explanatory factors. Linear regression equations and machine learning algorithms indicated the volume of precipitation, accumulated duration of precipitation, maximum intensity of precipitation, the month and the number of events as the most explanatory variables for the generation of runoff. The approach of linear regression models was satisfactory in the prediction of surface runoff from bauxite mined area, being recommended to use the annual equation adjusted for the respective year of rehabilitation. The Cubist and Random Forest machine learning algorithms presented the best accuracies to reduce the flow in most years of rehabilitation, but there was no best model that consistently presented the best result in all years of rehabilitation, being recommended to use the annual model for the respective year of rehabilitation. Although the complete rehabilitation of the mined area demands a long process, our findings indicate that the succession of vegetation and the care with the adequacy of the soil characteristics are effective to enhance the recovery of the ecosystem after the destructuring of the soil in mines of the bauxite open pit. As well, equations and algorithms were presented as useful tools for the prediction of monthly runoff in mined areas, becoming a starting point in the search for the optimization of the hydrological planning of surface bauxite mines. Keywords: Surface waters. Mining. Rehabilitation. Artificial intelligence. Forest Hydrology.
Databáze: OpenAIRE
Externí odkaz: