Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-03-09T23:50:31Z No. of bitstreams: 1 DiegoTavaresDeFranca_DISSERT.pdf: 20911860 bytes, checksum: 86e74d1a276c59bb58caa45442ee880f (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-03-14T20:26:24Z (GMT) No. of bitstreams: 1 DiegoTavaresDeFranca_DISSERT.pdf: 20911860 bytes, checksum: 86e74d1a276c59bb58caa45442ee880f (MD5) / Made available in DSpace on 2016-03-14T20:26:24Z (GMT). No. of bitstreams: 1 DiegoTavaresDeFranca_DISSERT.pdf: 20911860 bytes, checksum: 86e74d1a276c59bb58caa45442ee880f (MD5) Previous issue date: 2014-09-19 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES / Para estimar-se a condutividade t?rmica de rochas s?o usados modelos baseados apenas no seu conte?do mineral. Neste trabalho, avaliamos o desempenho dos modelos Krischer e Esdorn (KE), Hashin e Shtrikman (HS), Maxwell cl?ssico (CM), Maxwell-Wiener (MW), e a m?dia geom?trica (GM) para reproduzir os valores de condutividade t?rmica medidos em amostras de rochas cristalinas. Foram utilizadas 1105 amostras de rochas ?gneas e metam?rficas coletadas em afloramentos da Prov?ncia Borborema. Para estas amostras, foram medidas as condutividades t?rmicas e se dispunha dos dados das an?lises modal (porcentagem em volume de quartzo, k-feldspato, plagiocl?sio e soma de minerais m?ficos). As rochas foram divididas em tr?s grupos: (a) rochas ?gneas e ortoderivadas, (b) rochas metassedimentares e (c) todas as amostras. O grupo das rochas ?gneas e orto-derivadas (939 amostras) cobre a maioria das litologias definida no diagrama de Streckeisen, com alta concentra??o no campo dos granitos, granodioritos e tonalitos. No grupo das rochas metassedimentares (166 amostras), foram amostradas as litologias representativas, usualmente com baixo a m?dio grau metam?rfico. O problema de reproduzir os valores medidos de condutividade foi tratado como um problema inverso onde, al?m das medidas de condutividade, a fra??o em volume dos minerais constituintes ? conhecida e a condutividade efetiva dos minerais constituintes e os par?metros dos modelos s?o as inc?gnitas. O objetivo ? identificar o modelo (e as suas estimativas de condutividade efetiva dos minerais e par?metros) que melhor reproduz os valores de condutividade medida das rochas. O desempenho do modelo foi medido pela porcentagem do n?mero de amostras que reproduziam os valores medidos com uma toler?ncia de 15%. Em geral, para todos os modelos o desempenho foi bastante inferior para as rochas sedimentares (com desempenho entre 34% e 65%) em compara??o com as rochas ?gneas e orto-derivadas (desempenho entre 51% e 70%). Para as rochas ?gneas e orto-derivadas todos os modelos tiveram um desempenho similar (desempenho em torno de 70%) exceto para o modelo GM (desempenho entre 51% e 65%). Os modelos KE e HS (desempenho de 70%) apresentaram desempenho ligeiramente superior ao modelo CM e MW (67%). O conte?do de quartzo ? um fator dominante na explica??o da condutividade das rochas ?gneas e orto-derivadas; em particular, usando o modelo MW a iv UFRN/CCET? Disserta??o de mestrado Resumo solu??o ? na pratica uma media harm?nica (associa??o em s?rie) do conte?do de quartzo e da matriz. Por outro lado, para as rochas metassedimentares, os desempenhos dos modelos foram diferentes com o modelo KE (65%) sendo bastante superior ao HS (53%), CM (entre 34% e 42%) e MW (40%) e GM (entre 35% e 42%). Os valores efetivos obtidos para os minerais constituintes apresentaram estabilidade para perturba??es tanto nos valores das condutividades medidas como tamb?m com rela??o ? perturba??es no conte?do de quartzo. O fato de as rochas sedimentares serem mais ricas em minerais planares explica parcialmente o baixo desempenho dos modelos para estas rochas. Neste caso h? uma maior dificuldade em obter-se uma superf?cie polida para um bom acoplamento entre a amostra e o sensor para medida da condutividade, al?m da anisotropia t?rmica apresentada por esses minerais (biotita, por exemplo). Independente do tipo de rocha, tanto os valores muito alto e muito baixo de condutividade s?o dificilmente explic?veis levando-se em conta apenas o conte?do mineral. / A practical approach to estimate rock thermal conductivities is to use rock models based just on the observed or expected rock mineral content. In this study, we evaluate the performances of the Krischer and Esdorn (KE), Hashin and Shtrikman (HS), classic Maxwell (CM), Maxwell-Wiener (MW), and geometric mean (GM) models in reproducing the measures of thermal conductivity of crystalline rocks.We used 1,105 samples of igneous and metamorphic rocks collected in outcroppings of the Borborema Province, Northeastern Brazil. Both thermal conductivity and petrographic modal analysis (percent volumes of quartz, K-feldspar, plagioclase, and sum of mafic minerals) were done. We divided the rocks into two groups: (a) igneous and ortho-derived (or meta-igneous) rocks and (b) metasedimentary rocks. The group of igneous and ortho-derived rocks (939 samples) covers most the lithologies de_ned in the Streckeisen diagram, with higher concentrations in the fields of granite, granodiorite, and tonalite. In the group of metasedimentary rocks (166 samples), it were sampled representative lithologies, usually of low to medium metamorphic grade. We treat the problem of reproducing the measured values of rock conductivity as an inverse problem where, besides the conductivity measurements, the volume fractions of the constituent minerals are known and the effective conductivities of the constituent minerals and model parameters are unknown. The key idea was to identify the model (and its associated estimates of effective mineral conductivities and parameters) that better reproduces the measures of rock conductivity. We evaluate the model performances by the quantity ? that is equal to the percentage of number of rock samples which estimated conductivities honor the measured conductivities within the tolerance of 15%. In general, for all models, the performances were quite inferior for the metasedimentary rocks (34% < ? < 65%) as compared with the igneous and ortho-derived rocks (51% < ? < 70%). For igneous and ortho-derived rocks, all model performances were very similar (? = 70%), except the GM-model that presented a poor performance (51% < ? < 65%); the KE and HS-models (? = 70%) were slightly superior than the CM and MW-models (? = 67%). The quartz content is the dominant factor in explaining the rock conductivity for igneous and ortho-derived rocks; in particular, using the MW-model the solution is in practice vi UFRN/CCET? Disserta??o de mestrado the series association of the quartz content. On the other hand, for metasedimentary rocks, model performances were different and the performance of the KEmodel (? = 65%) was quite superior than the HS (? = 53%), CM (34% < ? < 42%), MW (? = 40%), and GM (35% < ? < 42%). The estimated effective mineral conductivities are stable for perturbations both in the rock conductivity measures and in the quartz volume fraction. The fact that the metasedimentary rocks are richer in platy-minerals explains partially the poor model performances, because both the high thermal anisotropy of biotite (one of the most common platy-mineral) and the difficulty in obtaining polished surfaces for measurement coupling when platyminerals are present. Independently of the rock type, both very low and very high values of rock conductivities are hardly explained by rock models based just on rock mineral content.