Autor: MORALES GONZALEZ-MORO, Ángel

Título: Clustering Multivariable Aplicado a la Exploración Geoquímica de Sistemas Geotérmicos en Ambientes Volcánicos

Fecha: 2025

Materia: ---

Escuela: E.T.S.I. DE MINAS Y ENERGÍA

Departamento: SIN DEPARTAMENTO DEFINIDO

Acceso electrónico: https://oa.upm.es/90881/

Director/a(s):

• Director/a: PÉREZ RODRÍGUEZ, Nemesio M.

Resumen: High-enthalpy geothermal resources in volcanic settings often lack clear surface manifestations, requiring integrated, data-driven approaches to identify hidden reservoirs. In this study, we apply a multivariate clustering techniquegenetic K-Means clustering (GKMC)to a comprehensive soil gas dataset collected from 1.200 sampling sites across the ~100 km2 Garehagua mining license, located in the southern rift zone of Tenerife (Canary Islands). The survey included diffuse CO2 flux measurements and concentrations of key soil gases (He, H2, CH4, O2, N2, Ar isotopes, and 222Rn, among others). Statistical-graphical analysis using the Sinclair method allowed for an objective classification of geochemical anomalies relative to background populations. The GKMC algorithm segmented the dataset into geochemically coherent clusters. One cluster, defined by elevated CO2, helium, and 222Rn levels, showed a clear spatial correlation with inferred tectonic lineaments in the southern rift zone. These anomalies are interpreted as structurally controlled conduits for the ascent of deep magmatic-hydrothermal fluids. The findings support the presence of a concealed geothermal system structurally constrained in the southern region of Tenerife. This study demonstrates that integrating GKMC clustering with soil gas geochemistry offers a robust methodology for detecting hidden geothermal anomalies. By enhancing anomaly detection in areas with subtle or absent surface expression, this approach contributes to reducing exploration risk and provides a valuable decision-support tool for targeting future drilling operations in volcanic terrains. RESUMEN Los recursos geotérmicos de alta entalpía en entornos volcánicos suelen carecer de manifestaciones superficiales evidentes, lo que exige enfoques integrados basados en datos para identificar reservorios ocultos. En este estudio, aplicamos una técnica de clustering multivariado clustering genético K-means (GKMC) a un conjunto de datos geoquímicos de gases del suelo recolectado en 1.200 puntos de muestreo distribuidos en la licencia minera de Garehagua (~100 km), situada en la zona de rift sur de la isla de Tenerife (Islas Canarias). La campaña incluyó mediciones de flujo difuso de CO y concentraciones de gases clave del suelo (He, H, CH, O, N, isótopos de Ar y Rn, entre otros). El análisis estadístico-gráfico mediante el método de Sinclair permitió una clasificación objetiva de las anomalías geoquímicas respecto a las poblaciones de fondo. El algoritmo GKMC segmentó el conjunto de datos en clusters geoquímicamente coherentes. Uno de los clusters, caracterizado por niveles elevados de CO, helio y Rn, mostró una clara correlación espacial con lineamientos tectónicos inferidos en la zona de rift sur. Estas anomalías se interpretan como conductos estructurales que favorecen el ascenso de fluidos magmático-hidrotermales profundos. Los resultados respaldan la existencia de un sistema geotérmico oculto, estructuralmente controlado, en el sur de Tenerife. Este estudio demuestra que la integración del clustering GKMC con la geoquímica de gases del suelo constituye una metodología robusta para la detección de anomalías geotérmicas ocultas. Al mejorar la detección de anomalías en áreas con expresiones superficiales sutiles o ausentes, este enfoque contribuye a reducir el riesgo exploratorio y ofrece una herramienta valiosa de apoyo para la toma de decisiones en futuras operaciones de perforación en terrenos volcánicos.