Ferramentas virtuais e geotecnologias têm aplicação crescente na análise de elementos geológicos. A Biblioteca Virtual de Geologia do Brasil é um projeto colaborativo com o objetivo de documentar o patrimônio geológico por meio dessas ferramentas. Afloramentos e amostras serão selecionadas e digitalizadas, gerando modelos 3D que ficarão disponíveis de forma gratuita para serem utilizadas em atividades de extensão, ensino e desenvolver recursos para educação, pesquisa e extensão em geociências.

Geologia Regional, Geotectônica, Patrimônio Geológico, Geoconservação, Divulgação e Popularização das Geociências.

As ferramentas virtuais, tais como a realidade virtual e aumentada, a produção de modelos 3D e a aprendizagem de máquina têm crescido exponencialmente nas últimas décadas (e.g., Howell, 2018). Essas ferramentas têm aplicação nas mais diversas atividades humanas. A aplicação de ferramentas virtuais nas Geociências está revolucionando a forma como as informações geológicas são adquiridas na superfície terrestre, permitindo a extração e integração de grandes volumes de dados 1d, 2d e 3d (e.g., Tavani et al., 2014; Casini et al., 2016; Volgger & Cruden, 2016; Burnham & Hodgetts, 2018). Esses dados são utilizados para a construção de modelos da Terra, em diversas escalas e com variadas resoluções (Wilson et al., 2011; Crosby, 2012; Nesbit et al., 2018). Atividades de campo são fundamentais para analisar e coletar minerais, rochas e estruturas geológicas, portanto são indispensáveis em programas de Geologia. Não existe substituto para as atividades de campo, pela experiência sensorial de manipulação física de amostras e instrumentos de análise e medias, e pelo conhecimento e experiencia adquiridos na análise e catalogação de informações nos pontos de campo (afloramentos). Contudo, a quantidade de horas em campo é limitada e, consequentemente, o número de afloramentos que podem ser visitados. Além disso, muitas localidades são inacessíveis ou podem oferecer riscos naturais as atividades de campo. Em programas de Geologia, as atividades de campo dependem de fatores didáticos, de segurança, logística, climáticos, de legislação e financeiros, que muitas vezes são empecilhos para o pleno desenvolvimento das atividades (e.g., Roach et al., 2016). A disponibilização de materiais virtuais tem um alto potencial para aprimorar o ensino–aprendizagem em geociências, no ensino fundamental, médio e superior. Os modelos virtuais 3d de afloramentos, amostras de minerais, rochas e fósseis, são produtos digitais que podem ser compartilhados e visualizados em qualquer região da Terra. Um pesquisador ou um estudante podem analisar um afloramento rochoso localizado na Austrália, ou na Escócia, ou em qualquer localidade utilizando do compartilhamento mundial de afloramentos virtuais. Iniciativas pioneiras, como o Virtual Library of Australia's Geology (ausgeol.org), o Safari Data Base (safaridb.com) e o e-RocK (e-rock.co.uk), são exemplos das aplicações da disponibilização de acervo virtual 3d. Inspirado nas iniciativas internacionais, o BRGeol.org utiliza parte dos conhecimentos gerados nos sistemas disponíveis para propor um método atualizado que inclui, além dos modelos virtuais, informações a respeito da localização e georreferenciamento, geologia, idades, tipos de rocha, estruturas geológicas, fósseis, entre outros. O processo de ensino–aprendizagem em Geociências é extensivamente baseado em cenários de prática. O uso de MVA no processo de ensino–aprendizagem tem duas vantagens principais: a possibilidade de estudar afloramentos de diversos tipos de rochas e estruturas em qualquer lugar da Terra; e permitir a extração e integração de informações nos modelos. O projeto teve início na UNIPAMPA, e agora prevê a criação do núcleo UFVJM.

Os modelos virtuais 3d texturizados de afloramentos (MVA), são projeções 3d foto realistas da superfície de afloramentos rochosos com resolução milimétrica a centimétrica (Fig. 1; e.g., Xu et al., 2000; Pringle et al., 2001, 2006; Tavani et al., 2014; Casini et al., 2016; Volgger & Cruden, 2016; Cawood et al., 2017; Corradetti et al., 2017; Burnham & Hodgetts, 2018). Essas projeções permitem a análise das relações geométricas e cinemáticas entre rochas e estruturas geológicas expostas na superfície terrestre, auxiliando a pesquisa e o ensino em geociências. As principais vantagens do uso de modelos 3d texturizados em geociências são (i) a possibilidade de obtenção de grandes volumes de dados; (ii) a possibilidade de visualização de objetos geológicos de diversas posições, usando telas ou sistemas de imersão em realidade virtual; (iii) a análise geológica de áreas inacessíveis ou com alto risco geológico; (iv) a extração de informações de forma automática, assistida ou manual; (v) a possibilidade de integrar dados 1d, 2d e 3d permitindo a rápida quantificação geométrica e cinemática entre feições geológicas; (vi) a construção e o compartilhamento de modelos geológicos, entre outros. Amostras e acervos de museus podem ser digitalizados em 3d, permitindo o armazenamento e o compartilhamento digitais e a replicação. A partir de modelos virtuais 3d texturizados, podem ser produzidos ortofotomosaicos de alta resolução, que podem ser produzidos de qualquer orientação espacial. Além disso, panoramas esféricos são imagens que mostram a vista de uma única localização abrangendo 360º na horizontal e 180º na vertical. Todos esses materiais podem ser compilados de forma ordenada para compor roteiros virtuais com temas definidos.

O objetivo geral deste projeto é produzir e disponibilizar ao público modelos 3d de afloramentos rochosos e amostras de minerais, rochas e fósseis, que representem a diversidade da geologia brasileira.

As metas deste projeto são: - Catalogar 250 pontos e amostras de interesse geológico nos 3 anos de desenvolvimento do projeto; - Gerar modelos 3d virtuais dos pontos e amostras catalogados, além de panoramas esféricos e imagens de alta resolução; - Divulgar os modelos virtuais 3d, panoramas esféricos e imagens de alta resolução por meio de um sítio eletrônico; - Criar roteiros virtuais que possam dar suporte ao ensino e pesquisa na área das Geociências e áreas afins.

Os métodos que serão utilizados no desenvolvimento do projeto consistem na revisão da literatura, construção de modelos virtuais de afloramento, compilação de informações em banco de dados, programação de página de internet para o compartilhamento dos dados produzidos, avaliação e redação de relatórios e publicações. Revisão da literatura Os dados disponíveis na literatura serão compilados na forma de um banco de dados geológico. Serão revisados artigos científicos, monografias, dissertações, teses, capítulos de livro e livros que versem sobre aspectos da geologia dos pontos de interesse e das amostras de minerais, rochas e fósseis. Os dados obtidos na compilação serão disponibilizados no sítio eletrônico do projeto. Construção de modelos virtuais 3d texturizados Modelos virtuais 3d texturizados podem ser representados por nuvens de pontos ou por malhas trianguladas texturizadas; informações estruturais e litológicas podem ser extraídas quantitativamente e de forma remota a partir de modelos 3d (e.g., Carrivick et al., 2016; Tavani et al., 2016). Atualmente existem duas técnicas para a construção de modelos virtuais 3d, laser scanning e Structure from Motion–Multi View Stereo (SfM–MVS). O laser scanning possibilita o cálculo das coordenadas de pontos sobre uma superfície pela emissão e detecção do tempo de percurso de pulsos eletromagnéticos (i.e., Hodgetts, 2013; Burnham e Hodgetts, 2018). SfM–MVS é uma técnica de levantamento topográfica desenvolvida em meados da década de 1980 para a geração de modelos 3D a partir de imagens 2D. Essa técnica é desenvolvida a partir de avanços na fotogrametria tradicional e na visão computacional. SfM–MVS utiliza algoritmos para identificar feições coincidentes em uma coleção de imagens digitais sobrepostas e calcula a localização e orientação das câmeras a partir das diferentes posições das feições reconhecidas. Baseado nos cálculos das imagens sobrepostas, é possível reconstruir nuvens 3D de pontos. As técnicas laser scanning e SfM–MVS são equivalentes em termos de resolução espacial, quantidade de pontos na nuvem e quantidade de triângulos na malha (Cawood et al., 2017), contudo o tempo de processamento e o custo elevado dos levantamentos utilizando laser scanning têm favorecido o uso de SfM–MVS. SfM–MVS possui outras vantagens em relação ao laser scanning, que são: (i) o baixo custo de aquisição, (ii) o menor custo computacional para processamento, (iii) a possibilidade de imagear os alvos de diferentes posições utilizando veículos aéreos não-tripulados (VANT), e (iv) a flexibilidade em termos de resolução espacial, que depende somente da distância entre a câmera e o objeto (Cawood et al., 2017; Carrivick et al., 2016). A construção dos modelos virtuais 3d é subdividida em quatro etapas: (i) planejamento e aquisição de fotografias, (ii) processamento das fotografias e geração de modelos virtuais (SfM–MVS), (iii) interpretação geológica, e (iv) integração dos dados. A figura 2 apresenta um diagrama do fluxo de trabalho que será utilizado no projeto. Planejamento e Aquisição de Fotografias Os modelos virtuais podem ser produzidos utilizando fotografias obtidas com câmera convencional ou com VANT. Para garantir a homogeneidade na densidade de pontos da nuvem e a resolução espacial (Ground Sampling Distance – GSD), os levantamentos realizados de forma autônoma com VANT utilizando sistema de controle de voo (Universal Ground Control System – UgCS) são preferenciais. O GSD é determinado pela equação abaixo: onde, AGL (Average Ground Level) corresponde a distância entre a câmera e o objeto, Wsensor corresponde a largura do sensor da câmera em milímetros, Wimagem corresponde a quantidade de pixels na largura e altura da câmera, e f corresponde à distância focal da câmera (e.g., Vollger et al., 2015). Considerando que os parâmetros da câmera são fixos, o GSD é controlado somente pelo AGL. Dessa forma, para que o GSD seja uniforme em toda área do levantamento, é fundamental que o AGL seja constante. Portanto, os planos de voo com VANT devem ser corrigidos de acordo com a variação da topografia, mantendo o AGL fixo. Figura 2: Fluxograma de aquisição e processamento dos dados fotográficos para a geração de modelos virtuais utilizando SfM–MVS (modificado de Viana et al., 2018). Para a produção dos modelos virtuais 3d de afloramentos, as fotografias aéreas serão adquiridas utilizando VANT modelo DJI Phantom 4 PRO. Esse equipamento possui sensor CMOS (Complementary Metal-Oxide Semiconductor) de 1” embarcado, que produz fotografias com Wsensor de 13,2×8,8 mm; Wimagem de 5472×3648 pixels; e f de 3,61 mm (https://www.dji.com/br/phantom-4-pro/info#specs). A sobreposição das fotos ao longo da linha de voo será de 80% e entre as linhas de 60%. A estratégia adotada será realizar dois levantamentos aéreos subsequentes. A primeira aquisição fotográfica é realizada com GSD de 2cm/pixel, correspondendo a AGL de 47 m, e produzirá um modelo digital de elevação (MDE) de resolução intermediária (cerca de 10cm/pixel). Nessa etapa, o AGL será corrigido utilizando a superfície SRTM (30m/pixel; Fig. 3a). A segunda aquisição fotográfica será realizada para a produção dos modelos virtuais de afloramento (MVA) com GSD de 0,7cm/pixel, correspondendo a AGL de 25 m. Nessa etapa, o AGL é corrigido a partir do MDE produzido na etapa anterior (Figs. 3b). Tanto o planejamento quanto a realização dos voos serão feitas utilizando o software UgCS (Fig. 3). Os parâmetros de voo incluem: (i) área do levantamento, (ii) GSD, (iii) AGL, (iv) sobreposição frontal e lateral, (v) velocidade e direção de voo e (vi) inclinação da câmera. Serão determinadas as coordenadas X, Y, Z de pontos em campo para o georreferenciamento do MDE e do MVA (Ground Control Points – GCP) e verificação da acurácia do georreferenciamento (Pontos de verificação). Alvos em folha sulfite tamanho A4 serão distribuídos aleatoriamente em toda área do afloramento. Esses alvos serão imageados pelas câmeras e as coordenadas de cada alvo serão coletadas utilizando RTK (Real-Time Kinematic) dGPS (Differential Global Positioning System) modelo STONEX S10 (Fig. 5). As coordenadas dos pontos de campo serão determinadas utilizando Projeção Universal Transversa de Mercator (UTM), datum WGS-1984, zona 22 sul. Processamento de Imagens O processamento das fotografias aéreas para a geração do MDE e do MVA será realizado utilizando o software Agisoft Metashape, e de acordo com o fluxo de trabalho SfM–MVS (Tavani et al., 2014; Carrivick et al., 2016; Tavani et al., 2016; Cawood et al., 2017; Viana et al., 2018). Uma explicação detalhada dos parâmetros e algoritmos envolvidos é compreensivamente abordada em Agisoft LLC (2019). Para cada produto (MDE e MVA), deve-se importar as fotografias e remover as imagens que nitidamente não cobriram a área de interesse. A qualidade das imagens é estimada utilizando algoritmo que estima o contraste entre os pixels detectando a nitidez das bordas das feições. Fotografias com qualidade baixa são removidas (menor que 0,7). As coordenadas das fotos são convertidas para o sistema de coordenadas dos pontos de controle (UTM, datum WGS-1984, zona 22 sul). Figura 3: Aquisição das fotografias aéreas. Em (a) é mostrado o primeiro planejamento de voo, corrigido a partir de superfície SRTM (30m/pixel). Em (b) é mostrado o segundo planejamento de voo, corrigido a partir de MDE (10cm/pixel). Em (c) é mostrado o perfil de elevação do voo mostrado em (b) onde pode ser observado o AGL constante. O alinhamento das imagens (Fig. 4) consiste em determinar os parâmetros internos, localização e orientação das câmeras (Carrivick et al., 2016). Todas as fotos devem ser alinhadas em conjunto, para evitar mal alinhamento entre grupos de câmeras. O alinhamento (Fig. 4a) é produzido pela detecção de feições em cada foto individualmente e correlação das feições entre as diferentes câmeras (algoritmos SIFT e ANN; Lowe, 2004). Correspondências geometricamente inconsistentes são removidas (algoritmo RANSAC; Fischler e Bolles, 1981) e a geometria da cena 3D, posição e parâmetros internos da câmera são determinados por SfM ou bundle adjustment (Brown, 1958; Slama, 1980). Figura 4: Fluxo de trabalho SfM–MVS para geração do MVA: a) alinhamento das câmeras (SfM); b) construção da nuvem de pontos densa (MVS); c) geração da malha triangulada; d) texturização da malha. Após o alinhamento das imagens, a lista de GCPs é importada. Os GCPs são verificados manualmente e corrigidos para posição em cada foto (Fig. 5). Pontos com alto erro de reprojeção e incerteza de reconstrução são removidos. Os parâmetros identificados no bundle adjustment são otimizados usando os GCPs. A nuvem densa de pontos (Fig. 4b) é produzida pela aplicação do algoritmo MVS, após o agrupamento de conjuntos de imagens para um processamento eficiente (Carrivick et al., 2016; Viana et al., 2018). Este procedimento consiste no cálculo de mapas de profundidade para cada pixel em cada foto, com base na posição estimada da câmera. A edição final consiste em remover pontos ruidosos da nuvem densa. O ruído pode ser de vegetação, objetos em movimento, céu, corpos d'água e outros. A remoção de pontos pode ser automática ou semi-automática com uma edição final manual. Figura 5: Processo de georreferenciamento do MVA. Em (a) é ilustrado o reconhecimento do alvo na nuvem de pontos; em (b) o ponto posicionado com auxílio da fotografia aérea; e em (c) o equipamento utilizado para a coleta das coordenadas em campo. A construção e a texturização de uma malha triangulada consistem na criação de uma superfície de malha contínua, geralmente como uma rede triangular irregular. Os triângulos são construídos para cada um dos três pontos mais próximos da nuvem criando uma malha irregular (Fig. 4c). A malha é reduzida para remover triângulos coplanares e diminuir o tamanho do arquivo final. Triângulos são texturizados usando as fotos originais que compõem o modelo, produzindo uma projeção de afloramento 3d foto-realista (Fig. 4d). Compilação de informações em bancos de dados As informações geológicas disponíveis na literatura para cada peça do acervo serão compiladas e disponibilizadas em conjunto com os materiais virtuais. Para cada material serão atribuídas as seguintes informações: Identificador (numérico); Localização (numérico); Descrição da localização (texto); Acurácia da localização (numérico); Nome da pessoa que adquiriu o material virtual (código textual); Data da aquisição do material (data); Tipo de material (código textual); Descrição geológica do local (texto). Avaliação Os resultados e o andamento do projeto serão avaliados a cada semestre, conforme mostrado no cronograma. A avaliação será realizada com o objetivo de determinar se as metas estabelecidas estão cumpridas de acordo com o cronograma. Eventuais dificuldades que levem ao retardo de alguma etapa do projeto guiarão a mudança no cronograma e adequação das metas. Relação de relatórios e publicações Os resultados do projeto serão divulgados ao público por meio de publicações em eventos científicos, publicações em revistas científicas e de divulgação com vinculação nacional e internacional. A divulgação do projeto também será realizada em palestras, conferências, mesas redondas, entre outros. O desenvolvimento do projeto será demonstrado por meio de relatórios anuais, conforme o cronograma do projeto.

Agisoft LLC, 2019. Agisoft Metashape User Manual Professional Edition. V. 1.5. St. Petersburg, Rússia. 124 p. Disponível em: <https://www.agisoft.com/pdf/metashape-pro_1_5_en.pdf>. Acesso em: 25 abr. 2019. Bailey J.E., Whitmeyer, S.J., and De Paor D.G., 2012, Introduction: The application of Google Geo Tools to geoscience education and research, in Whitmeyer, S.J.,Bailey, J.E., De Paor, D.G., and Ornduff, T., eds., Google Earth and Virtual Visualizations in Geoscience Education and Research: Geological Society of America Special Paper 492, p. vii–xix, doi:10.1130/2012.2492(00). Brown, D.C. 1958. A Solution to The General Problem of Multiple Station Analytical Stereo Triangulation. RCA Technical Report No. 43, Burnham, B.S., Hodgetts, D., 2018. Quantifying spatial and architectural relationships from fluvial outcrops. Geosphere, 15 (1), 1-18. Carrivick, J.L., Smith, M.W., Quincey, D.J., 2016. Structure from motion in geoscience. Willey. Casini, G., Hunt, D.W., Monsen, E., Bounaim, A., 2016. Fracture characterization and modeling from virtual outcrops. American Association of Petroleum Geologists Bulletin, 100 (1), 41-61. Cawood, A., Bond, C.E., Howell, J.A., Butler, R.W.H., Totake, Y. 2017. LiDAR UAV or compass-clinometer? Accuracy, coverage and the effects on structural models. Journal of Structural Geology, 98, 67-82. Corradetti, A., Tavani, S., Parente, M., Iannace, A., Vinci, F., Pirmez, C., Torrieri, S., Giorgioni, M., Pignalosa, A., Mazzoli, S., 2017. Distribution and arrest of vertical through-going joints in a seismic-scale carbonate platform exposure (Sorrent peninsula, Italy): insights from integrating field survey and digital outcrop model. Journal of Structural Geology, 1-16. Crosby, C.J., 2012, Lidar and Google Earth: Simplifying access to high-resolution topography data, in Whitmeyer, S.J., Bailey, J.E., De Paor, D.G., Ornduff, T., eds., Google Earth and Virtual Visualizations in Geoscience Education and Research: Geological Society of America Special Paper 492, p. 37–47, doi:10.1130/2012.2492(03). Fischler, M.A. & Bolles, R.C. 1981. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography. Communications of the ACM, 24(6):381-395. Granshaw, F.D., Duggan-Haas, D., 2012, Virtual fi eldwork in geoscience teacher education: Issues, techniques, and models, in Whitmeyer, S.J., Bailey, J.E., De Paor, D.G., and Ornduff, T., eds., Google Earth and Virtual Visualizations in Geoscience Education and Research: Geological Society of America Special Paper 492, p. 285–303, doi:10.1130/2012.2492(20). Hodgetts, D. 2013. Laser Scanning and digital outcrop geology in the petroleum industry: a review. Marine and Petroleum Geology, 46, 335-354. Howell, J., 2018. The virtual geoscience revolution. Janet Watson 2018 Keynote. 27 February Geological Society, Burlington House. https://youtu.be/069eiXRghqY Lowe, D.G. 2004. Distinctive Image Features from Scale-Invariant Keypoints. International Journal of Computer Vision, 60(2):91-110. Nesbit, P.R., Durkin, P.R., Hugenholts, C.H., Hubbard, S.M., Kucharczyk, M., 2018. 3-D stratigraphic mapping using a digital outcrop model derived from UAV images and structure-from-motion photogrammetry. Geosphere, 14 (6), 2469 – 2486. Pringle, J.K., Clark, J.D., Westerman, A.R., Stanbrook, D.A., Gardiner, A.R., Morgan, B.E.F. 2001. Virtual Outcrops: 3-D reservoir analogues. Journal of the Virtual Explorer, 4, 1-6. Pringle, J.K., Howell, J.A., Hodgetts, D., Westerman, A.R., Hodgson, D.M. 2006. Virtual outcrop models of petroleum reservoir analogues: a review of the current state-of-the-art. First Break, 24 (3), 33-42. Roach, M.J., Cox, S.F., King, P., George, A.D., Verdel, C., Welsh, K.J., McLaren, S., 2016. AusGeol.org – A Virtual Library of Australia’s Geology. 35th International Geological Congress Abstracts, Cape Town. Slama, C.C. 1980. Manual of Photogrammetry. Falls Church, VA, American Society of Photogrammetry. 1050p. Tavani, S., Granado, P., Corradetti, A., Girund, M., Iannace, A., Arbués, P., Muñoz, J.A., Mazzoli, S., 2014. Building a Virtual Outcrop, extracting geological information from it, and sharing the results in Google Earth via OpenPlot and Photoscan: An example from the Khaviz Anticline (Iran). Computer & Geosciences, 63, 44-53, 2014. Tavani, S.; Corradetti, A.; Billi, A. 2016. High precision analysis of an embryonic extensional fault-related fold using 3D orthorectified virtual outcrops: The viewpoint importance in structural geology. Journal of Structural Geology, 86, 200-210. Viana, C. D. Grohmann, C. H. Busarello, M. S. T. Garcia, G. P. B. 2018. Structural analysis of clastic dikes using Structure from Motion-Multi-View Stereo: a case-study in the Paraná Basin, southeastern Brazil. Brazilian Journal of Geology, 48: 839-852. Vollger, S.A., Cruden, A.R., 2016. Mapping folds and fractures in basement and cover rocks using UAV photogrammetry, Cape Liptrap and Cape Paterson, Victoria, Australia. Journal of Structural Geology 85, 168 – 187. Wang, M., Rodriguez-Gomez, M.I., Aiken, C.L.V., 2012, Interacting with existing 3D photorealistic outcrop models on site and in the lab or classroom, facilitated with an iPad and a PC, in Whitmeyer, S.J., Bailey, J.E., De Paor, D.G., Ornduff, T., eds., Google Earth and Virtual Visualizations in Geoscience Education and Research: Geological Society of America Special Paper 492, p. 263–283, doi:10.1130/2012.2492(19). Wilson, P., Hodgetts, D., Rarity, F., 2011. Half-graben-scale geocellular outcrop modelling of rift initiation strata from Lidar-based digital outcrop data: The Nukhul syncline, Suez Rift, Egypt. Outcrops Revitalized: Tools, Techniques and Applications, SEPM Concepts in Sedimentology and Paleontology 10, 51-68. Xu, X., Aiken, C.L.V., Bhattacharya, J.P., Corbeanu, R.M., Nielsen, K.C., McMechan G.A., Abdelsalam, M.G., 2000. Creating virtual 3-D outcrop. The leading Edge, 19, 197 - 202.

Através da seleção e digitalização de afloramentos e amostras geológicas, pretende-se contribuir com a Biblioteca Virtual de Geologia do Brasil, já existente, porém com contribuições do Núcleo UFVJM. O projeto contará com a participação de discentes da UFVJM, e a partir dos modelos 3d disponíveis na Biblioteca virtual, será possível fazer atividades de ensino de geologia para escolas de ensino básico e médio, assim como trabalhar a capacitação de professores dessas escolas, no ensino de geologia, a fim de difundir o ensino de geologia e geoconservação.

Através da utilização de modelos 3d, será possível integrar áreas de conhecimento para um melhor aproveitamento dos modelos. Áreas como Geologia, Biologia, Agronomia, Arqueologia, Engenharia Florestal, entre outras, poderão contribuir e complementar a utilização dos modelos, para um entendimento integrado e interdisciplinar dos modelos, gerando assim mais conhecimento a todos beneficiados pelo projeto.

O projeto Biblioteca Virtual de Geologia do Brasil - Núcleo UFVJM visa a indissociabilidade Ensino-Pesquisa-Extensão, pois a geração e utilização de modelos 3d de afloramentos e amostras geológicas, abre um leque amplo para pesquisa, através do estudo detalhado e aplicado de feições geológicas, para ensino, pois a utilização de modelos é extremamente didática, e permite acesso remoto a afloramentos de difícil acesso, e extensão, uma vez que pode ser utilizado com muito proveito para o ensino de geologia para às comunidades locais, assim como para a capacitação de professores do ensino fundamental e médio no ensino de geologia.

A utilização de modelos 3d tem o potencial de impactar muito positivamente na formação dos estudantes, uma vez que os modelos podem ser utilizados em sala de aula, ou até mesmo de maneira remota, para o ensino, e, além disso, o estudante pode adquirir o domínio nas técnicas de obtenção de dados no campo, assim como no processamento desses dados para a geração de modelos 3d de afloramentos e amostras geológicas.

O projeto tem um potencial grande para transformação social, uma vez que visa passar o conhecimento geológico para às comunidades e moradores da região de Diamantina, assim como conscientizar a população sobre a urgente necessidade de apropriação desse conhecimento, visando a preservação do patrimônio geológico e natural da região.

A divulgação dos modelos 3d será feita através do site BRGEO.org, já ativo, onde estão disponíveis todos os modelos 3d já gerados.