@MASTERSTHESIS{ 2023:661243043,
 	title = {Aplica??es geol?gicas de sensoriamento remoto na pesquisa do potencial mineral para ferro},
 	year = {2023},
 	url = "http://tede2.uefs.br:8080/handle/tede/2010",
 	abstract = "O estado da Bahia ? um dos maiores produtores de recursos minerais do Brasil, gra?as a geodiversidade de seu territ?rio, que possibilita a extra??o de uma grande variedade de tipos de min?rios. Entretanto, apesar dessa proemin?ncia, o setor de produ??o m?nero-industrial para o ferro n?o contribui significamente para essa posi??o de destaque, mesmo possuindo dep?sitos potencialmente mineiros, conhecidos atrav?s de in?meros levantamentos geol?gicos efetuados nos ?ltimos 80 anos. O conhecimento cient?fico encontra-se disperso nos meios de publica??o, enquanto dados quantitativos e qualitativos sobre os dep?sitos de ferro est?o indispon?veis, decorrente do valor estrat?gico para as empresas que investiram seus recursos para obt?-los, sendo uma pequena parcela disponibilizada pelos ?rg?os p?blicos de pesquisa mineral. Dentro deste cen?rio, estrat?gias como a bibliometria na an?lise e sistematiza??o de estudos cient?ficos sobre a utiliza??o de sensoriamento remoto na avalia??o de min?rios pode ser promissora em termos da produ??o de uma an?lise crucial e sistem?tica da literatura e da concess?o de subs?dios que conduzam ? constru??o de informa??o sobre o mapeamento de jazidas de min?rio de ferro. E, novos m?todos de integra??o, como os algoritmos de machine learning, apresentam potencial para alcan?ar uma precis?o maior na delimita??o de zonas de interesse miner?rio. Desta forma, este trabalho tem como objetivo contribuir para o mapeamento de ocorr?ncias de minerais ferrosos no estado da Bahia. O estudo est? dividido em dois cap?tulos. O primeiro cap?tulo consiste em uma an?lise bibliom?trica, atrav?s de t?cnicas de minera??o de texto, para reconhecer padr?es na literatura que possam servir de base para analisar estatisticamente os resultados dos diferentes estudos sobre o mapeamento de jazidas ferr?feras, com o objetivo de avaliar as tend?ncias metodol?gicas nesse campo de atua??o. O segundo cap?tulo trata da aplica??o de um m?todo de aprendizagem de m?quina em imagens de sensoriamento remoto. A utiliza??o de dados auxiliares, como pontos de ocorr?ncia mineral, geologia e ?reas de requerimentos miner?rios foram utilizados para otimizar o gerenciamento dos resultados e permitindo seu uso eficaz como diretriz no processo de pesquisa mineral. Espera-se obter um conhecimento do potencial miner?rio da Bahia em rela??o aos min?rios de ferro, assim refor?ando a ampla aplicabilidade dos dados de sensoriamento remoto no setor da explora??o mineral, permitindo classificar uma extensa regi?o de acordo com seu grau de aproveitamento econ?mico, atrav?s da an?lise dos dados dispon?veis.",
 	publisher = {Universidade Estadual de Feira de Santana},
 	scholl = {Mestrado em  Modelagem em Ci?ncia da Terra e do Ambiente},
 	note = {DEPARTAMENTO DE CI?NCIAS EXATAS}
}