1. INTRODUCCIÓN

El uso de lenguajes de programación como Python, cada día está cobrando mayor relevancia gracias a su amplia utilización en la realización de aplicaciones web, el desarrollo de software, la ciencia de datos y el machine learning (ML). Los desarrolladores utilizan Python porque es eficiente y fácil de aprender, además de que se puede ejecutar en muchas plataformas diferentes (Python, 2023).

La utilización de programación en las distintas plataformas para aplicaciones en ciencias de la tierra, ha llevado a un gran uso de esta herramienta para las representaciones de infinidad de datos, entre las cuales de identifican las aplicaciones en la generación de gráficos de geología estructural, ploteo de datos y entre otros que han tenido un mayor entendimiento a partir de su representación en plataformas como anaconda Python, la cual permite ingresar tanto códigos como textos (Python para Geólogos, 2022).

En el presente proyecto, se mostrará las aplicaciones de esta gran herramienta en la representación de datos geoquímicos y de geología estructural.

2. ANTECEDENTES

2.1. Data geoquímica

Huánuco es un departamento de la República del Perú ubicado en el centro norte del país, con capital en su ciudad más poblada: la homónima Huánuco. Limita al norte con La Libertad y San Martín, al norte y este con Loreto y Ucayali, al sur con Pasco, al oeste con Áncash. Y se ubica al Noreste de Lima. Algunos de los antecedentes de estudios más importantes realizados son:

• (Quispesivana, 1996) realizó un estudio sobre la geología del cuadrángulo de Huánuco como parte de un proyecto de INGEMMET, el cual describió las principales estructuras geológicas a nivel regional.
• (Carrion & Mata, 2006) realizaron un estudio sobre los riesgos geológicos en la Región Huánuco como parte de un proyecto de INGEMMET, para la caracterización de peligros naturales.
• (Muñoz, Angeldonis, Ale, & Valdivia, 2018) determinan las áreas de interés prospectivo en depósitos de minerales metálicos en toda la Región Huánuco, y de esta forma contribuir con la actualización del Mapa Metalogenético del Perú.

2.2. Data de geología estructural

La data proporcionada no especifica una ubicación geográfica en específico.

3. DESCRIPCIÓN DEL ÁREA DE ESTUDIO

3.1. Data geoquímica

La región Huánuco, ubicada en la vertiente oriental andina, ocupa zonas comprendidas entre la región altoandina, selva alta y selva baja, en la cual destacan tres valles o ríos interandinos principales, de oeste a este: Marañón, Huallaga y Pachitea, limitados por cordilleras abruptas, cabeceras de valles con presencia reducida de glaciares, en esta región se ubica una importante población del país. Geográficamente se encuentra entre los paralelos: 14°03’ y 15°24’ latitud sur y los meridianos 71°07’ y 69°34’ longitud oeste (Figura 1). La frecuencia de peligros en la región, teniendo en cuenta la variedad de climas, complejidad geológico-geomorfológica y sismicidad moderada, está marcada por la ocurrencia de inundaciones y erosión fluvial, movimientos en masa y sismos, en ese orden principalmente (Carrion & Mata, 2006). 

3.2. Data de geología estructural

La data no especifica una ubicación espacial geográfica en específico, pero si indica la información de un sistema de 06 fallas con características inversas dada su polaridad positiva indicada y los siguientes datos:

4. OBJETIVOS DEL PROYECTO 

4.1. Objetivo general

Realizar mediante jupyter notebook la importación de las bases de datos de geoquímica y geología estructural brindadas. 

4.2. Objetivos específicos

• Importar la base de datos de geoquímica y plotearla utilizando GeoPandas. 
• Interpretar la información asociada a la geología estructural de la base de datos brindada. 

5. PROCEDIMIENTOS

5.1. Insumos utilizados

Para elaborar el ploteo de datos del primer jupyter notebook correspondiente a datos geoquímicos se utilizaron los siguientes archivos:

• Archivo de “data_geoquimica” proporcionado por MasterGIS.
• Ministerio del ambiente (MINAM): Para obtener los límites departamentales, provinciales y distritales del país (MINAM, 2022)

Para elaborar el ploteo de datos del primer jupyter notebook correspondiente a datos geoquímicos se utilizaron los siguientes archivos:

• Archivo de  “DATO_ESTRUCTURAL_JUPYTER_NOTEBOOK” proporcionado por MasterGIS.

Para realizar los procedimientos de este proyecto se utilizó el programa Anaconda Python y de manera adicional Google Colab.

5.2. Metodología

La metodología seguida para la realización de los 02 jupyter notebooks solicitados ambos proyectos, está descrita en los siguientes esquemas según cada ploteo de datos. Las actividades desarrolladas en cada uno de los ejercicios, es descrita en las líneas siguientes según cada geoprocesamiento realizado.

A. Data geoquímica

Para realizar el ploteo del archivo brindado “data_geoquimica” en un jupyter notebook e identificar la ubicación espacial del mismo mediante GeoPandas, seguimos el siguiente procedimiento (Figura 2):

A. Activamos un ambiente de trabajo e ingresamos a Jupyter notebook

Ingresamos mediante “Anaconda Prompt” al ambiente que hemos creado para realizar el proyecto. Este ambiente debe contener la librería de GeoPandas   (Figura 3).

B. Importamos las librerías necesarias

Importamos las librerias de GeoPandas, Fiona y Matplotlib para visualizar las tablas de los datos, realizar gráficas y ploteos (Figura 4).

C. Identificamos el lugar de estudio

• Abrimos la tabla de datos de ‘data_geoquimica’.
• Ploteamos los datos de forma simple.
• Usamos el código “data_geoquimica.explore()” para visualizar la ‘data_geoquimica’ en un mapa online que nos ayudará a identificar la ubicación del lugar de estudio. En este caso los puntos fueron  observados en Huánuco. Esto fue importante para descargar el shapefile de ‘peru_distritos’ de un geoservidor del Perú (Figura 5).

D. Verificamos el crs de ‘data_geoquimica’

Identificados el crs o (coordinate reference system) de ‘data_geoquimica’ mediante ‘.crs’. Identificamos que corresponde a un EPSG:32718, correspondiente a WGS84 18S. Esta información servirá para homogenizar las demás capas que se graficarán (Figura 6).

E. Importamos un shapefile de "distritos_peru")

Descargamos e importamos un shapefile de los limites distritales de Perú ya que el área de estudio se ubica en "Huánuco" segun ".explore" (Figura 7).

F. Filtramos la información a distritos que pertenecen a "Huanuco" y homogenizamos el crs a 'data_geoquimica'

Mediante una nueva línea de código, seleccionamos y ploteamos solamente los distritos que pertenecen al departamento de Huánuco. También homogenizamos la capa creada al crs de ‘data_geoquimica’ (Figura 8).

H. Filtramos los distritos por provincias de Huánuco

Mediante ‘dissolve’ realizamos una representación gráfica de todas las provincias que forman entre los distritos (Figura 9).

I. Ploteamos la data geooquimica

Mediante algunas líneas de comando, ploteamos los datos correspondientes a ‘data_geoquimica’ para identificar la provincia a la que pertenece. En este caso, comparando este mapa con una imagen del área de estudio mostrado en la primera parte del presente informe, identificamos que los datos de geoquímica brindados, han sido tomados en la provincia de Lauricocha (Figura 10).

J. Ploteamos la data geoquimica - Cu_ppm y Mn_ppm

Finalmente, a modo de buscar una mejor representación de la información geoquímica brindada, realizamos gráficos ‘quantiles’ para representar la cantidad de partes por millón (ppm) de los elementos de Cu y Mn (Figura 11 y 12).

B. Data de geología estructural

Para realizar el ploteo del archivo brindado “DATO_ESTRUCTURAL_JUPYTER_NOTEBOOK” en un jupyter notebook e identificar las características de las fallas brindadas, usamos la librería APSG en la versión 0.7.3. En este caso, como una alternativa ante los problemas de compatibilidad de la librería y la creación de diferentes ambientes en Anaconda Python, se realizó el uso de la plataforma de Google Colab, la cual funciona mediante vía online de manera gratuita como el entorno de Anaconda Python, con la ventaja de poder cargar librerías de forma más rápida y que se puede descargar los procedimientos realizados en un documento .ipynb, es así que como alternativa se realizaron los siguientes procedimientos, tal y cual se han realizado en Jupyter notebook y en las sesiones de clases (Figura 13):

A. Abrimos Google Colab

En el buscador de Google, colocamos las siglas de Google Colab y elegimos la primera opción. Posteriormente aparecerá una pagina en la cual debemos seleccionar la opción de ‘nuevo cuaderno’ (Figura 14 y 15).

B. Instalamos la librería APSG y la importamos

Instalamos la librería APSG(A Python package for Structural Geologists) y la importamos en una celda de código (Figura 16).

C. Instalamos la version apsg==0.7.3 que es la más estable e importamos nuevamente

Realizamos la instalación de la versión que se ha utilizado en este caso, la cual corresponde a la versión 0.7.3. Posteriormente importamos la librería para tener todas las aplicaciones de esta librería (Figura 17).

D. Realizamos un diagrama de fallas mediante la función 'fault’

Realizamos un diagrama de fallas mediante la función 'fault(dir-buz,buz,dir-plunge, plunge)' ingresando los datos de cada falla brindada, y así crear ploteos de tipo Angelier (Figura 18).

E. Realizamos diagramas de diedros (pelotas de playa)

Realizamos diagramas de diedros mediante la clase 'FaultSet' y el método 'amgmech'. Los resultados se almacenan en 'SteroGrid'. El comportamiento predeterminado es calcular recuentos de datos de fallas (positivo en extensión y negativo en compresión). Volviendo a ingresar los datos brindados para el ejercicio, realizamos el siguiente procedimiento (Figura 19):

Realizamos un suavizado del gráfico realizado mediante el método de probabilidad (Figura 20):

Este notebook al ser guardado en formato .ipynb, puede ser abierto y leído con normalidad en el entorno de Jupyter Notebook de Anaconda Python (Figura 21).

6. RESULTADOS

En ambos ejercicios realizados se puede identificar lo siguiente:

6.1. Data geoquímica

Al realizar un ploteo de la ‘data_geoquimica’, observamos que los puntos se encuentran ubicados en la provincia de Lauricocha, en los límites cercanos al Rio Nupe. Al realizar un gráfico de tipo ‘quantiles’ respecto al contenido de cobre en partes por millón (Cu_ppm), se identifican valores que van desde 4.92 a 12.20 ppm. De los cuales: 02 puntos poseen entre 4.92-6.82 ppm de cobre, 02 puntos entre 7.03-8.17 ppm, 02 puntos entre 8.17-8.93 ppm, 02 puntos entre 8.93-10.62 ppm y 02 puntos entre 10.62-12.20 ppm de cobre. Por lo que, la cantidad identificada de cobre, se puede interpretar como relativamente bajos permitidos y normales (Figura 22).

Por otro lado, al realizar un gráfico de tipo ‘quantiles’ respecto al contenido de manganeso en partes por millón (Mn_ppm), se identifican valores que van desde 204 a 929 ppm. De los cuales: 02 puntos poseen entre 204.00-292.00 ppm de manganeso, 02 puntos entre 292.00-318.60 ppm, 02 puntos entre 318.60-353.20 ppm, 02 puntos entre 353.20-487.60 ppm y 02 puntos entre 487.60-929.00 ppm de manganeso. Por lo que, la cantidad identificada de manganeso, se puede interpretar como relativamente permitidos y normales (Figura 23).

6.2. Data de geología estructural

Al realizar un ploteo de la data ‘DATO_ESTRUCTURAL_JUPYTER_NOTEBOOK’, observamos que los datos brindados corresponden a fallas inversas, dada su polaridad positiva, que además, tienen datos de azimut, buzamiento, dirección del buzamiento, plunge y dire-plunge.

En el diagrama de las 06 fallas realizado, se pueden visualizar el eje de contracción o presión (P), eje de tensión (T) y el plano de movimiento (M), el cual, se presenta con un movimiento compresional característico de este tipo de fallas, representando en este caso, un conjunto de fallas inversas (Figura 24).

Por otro lado, respecto al diagrama de diedros (pelota de playa), que en este caso ha sido suavizado. Visualizamos que el rango de datos varía entre -3.504 y 3.878. El stress se dirige en dirección NW-SE (coloraciones blanquecinas), mientras que la dirección en la que se libera el stress es de SW-NE, el cual es representado en coloraciones oscuras y representa así de forma gráfica, el mecanismo focal de fallas inversas (Figura 25).

7. CONCLUSIONES

• Se realizó mediante jupyter notebook de Anaconda Python la importación de las bases de datos de geoquímica y geología estructural brindadas, las cuales fueron ploteadas e interpretadas a lo largo del informe anteriormente presentado.
• Se importó y ploteó la base de datos de geoquímica utilizando GeoPandas para la lectura de archivos ubicados en carpetas exteriores y se complementó esta representación de datos con la adición de un archivo de distritos a nivel peruano descargado del portal del MINAM. 
• Se interpretó la información asociada a la geología estructural de la base de datos brindada y se representó la misma en el entorno de Google Colab a modo de encontrar una nueva alternativa ante los inconvenientes presentados en Anaconda Python.

8. RECOMENDACIONES

• Se recomienda contrastar la información recopilada con datos geológicos y geofísicos que permitan obtener un mayor estudio y entendimiento actual de la zona de estudio 
• Se recomienda especificar mayor información de los datos de geología estructural a modo de realizar un informe más detallado que permita también, dar una mejor interpretación de los gráficos obtenidos.
• Se recomienda que en caso de tener problemas constantes en la ejecución de librerías o códigos en Anaconda Python, se tome como alternativa de solución la creación de un nuevo ambiente de trabajo que se acople a las versiones de una librería estable que permita manejar la información requerida, y que en caso de no funcionar la misma, para evitar la desinstalación general de Anaconda Python, se use la plataforma interactiva de Google Colab que también muestra buenos resultados que una vez finalizados pueden visualizarse en Jupyter notebook o ser compartidos con otras personas, dada su extensión .ipynb, como se ha realizado en este proyecto.

9. REFERENCIAS BIBLIOGRÁFICAS

INEI. (2009). INEI. Obtenido de https://www.mef.gob.pe/contenidos/inv_publica/webs_dgpi/map_per/huanauco.html

MINAM. (2022). Obtenido de https://geoservidorperu.minam.gob.pe/geoservidor/download.aspx

Muñoz, M. V., Angeldonis, A. S., Ale, J. A., & Valdivia, V. L. (2018). Prospección Geológica-Minera regional en la región Huánuco. Lima: INGEMMET.

Python. (28 de 03 de 2023). Obtenido de https://www.python.org/about/apps/

Python para Geólogos. (22 de 11 de 2022). Obtenido de https://github.com/kevinalexandr19/manual-python-geologia

Quispesivana, L. (1996). Geologia del cuadrángulo Huánuco. Lima: INGEMMET.