CIG   05423
CENTRO DE INVESTIGACIONES GEOLOGICAS
Unidad Ejecutora - UE
congresos y reuniones científicas
Título:
Estimación de la dirección de magnetización por métodos indirectos
Autor/es:
ANA CAROLINA PEDRAZA DE MARCHI; GÓMEZ, JULIÁN LUIS
Lugar:
Mendoza
Reunión:
Congreso; 17 Encuentro Internacional de Ciencias de la Tierra (E-ICES); 2022
Institución organizadora:
Facultad de Ciencias Exactas y Naturales - UNCUYO
Resumen:
La interpretación de anomalías de intensidad total escalar requiere del conocimiento de la dirección de la magnetización de los cuerpos que las originan. Debido a que la descripción de las fuentes que generan la anomalía es por lo general incompleta, es común suponer magnetización puramente inducida. Sin embargo, la presencia de magnetización remanente puede afectar el procesamiento de las observaciones y su posterior interpretación. En los últimos años se han propuesto varios métodos para inferir la inclinación y declinación del vector de polarización magnética a partir de la anomalía escalar. En este trabajo analizamos tres alternativas que denominamos: Max-Min, COR y NNLS. Max-Min maximiza los mínimos de la reducción al polo RTP. COR optimiza la correlación entre la magnitud del gradiente espacial y la derivada vertical de la RTP. NNLS, consiste en aplicar un método de inversión no lineal que utiliza como modelo directo el método de la capa equivalente y el algoritmo de optimización de mínimos cuadrados con condición de no negatividad. En un primer análisis, construimos un ejemplo sintético sencillo para evaluar las estimaciones de la dirección de la magnetización de todos los métodos. Consideramos situaciones de magnetización inducida y de magnetización remanente. Por último, contrastamos ambos métodos utilizando datos reales del complejo Montes Claros de la provincia de Goiás, Brasil. Los tres métodos aplicados lograron obtener buenas estimaciones de la dirección de magnetización en todos los casos. En este trabajo se sugiere utilizar COR y Max-Min para suministrar una dirección de magnetización inicial al método NNLS y reducir el riesgo de la no convergencia debido a la condición inicial de partida.