Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

Aplicación de la teledetección en la exploración geológica y de recursos minerales

15.770 visualizaciones

Publicado el

Expositor: Gonzáles, Katherine / Exposición interna
17/01/2011

Publicado en: Educación

Aplicación de la teledetección en la exploración geológica y de recursos minerales

  1. 1. Aplicación de la Teledetección en laexploración geológica y de recursos minerales Curso : IS-GEO KIGAM, Diciembre 2010 Katherine Gonzales Laboratorio de Teledetección Enero 2011
  2. 2. Teledetección
  3. 3. EspectroElectromagnético
  4. 4. Transmisión atmosférica
  5. 5. Imágenes Satelitales - Resolución espectralVisible (Azul) Visible (Verde) Visible (Rojo) Visible Visible Visible (cercano IR) (medio IR) (medio IR)
  6. 6. Imágenes Satelitales Imagen LANDSAT Composición RGB:321
  7. 7. Imágenes Satelitales Composición colorLANDSAT 742 (RGB) LANDSAT 731 (RGB)LANDSAT B4
  8. 8. Interacción radiación – superficie terrestre•E. Transmitida: pasa de un medio a otro y puede sufrir un cambio de velocidad.•E. Absorbida: la radiación incidente, cede parte de su energía para calentar el objeto.•E. Reflejada: la radiación se propaga con un angulo igual al angulo de incidencia.•E. Dispersada: La dirección de propagación varía aleatoriamente.•E. Emitida: La energía es primero absorbida, luego re-emitida.
  9. 9. Imágenes Satelitales – ReflectanciaReflectancia: Cantidad de energía que es reflejada por un objetoluego de que esta incide sobre él. El resto de la energía incidentepuede ser transmitida o absorbida por el objeto. (Guariguata &Kattan 2002) . i= r+ a+ t i i i i Luz reflejada ρ= ------------------ Luz incidente
  10. 10. Imágenes Satelitales – Firma espectralLas variaciones en la cantidadde radiación emitida y reflejadade las coberturas en diferenteslongitudes de onda usadaspara determinar las firmasespectrales de las mismas y asípoder diferenciarlas.ESPECTROSCOPIA DE REFLECTANCIATécnica que usa la energía electromagnética en diferentes regiones delespectro como el visible (0.4-0.7 micrómetros), Cercano Infra-rojo (0.7 – 1.3micrómetros) e Infra-rojo de onda corta (1.3 – 2.5 micrómetros).Inicialmente usado por especialistas en Geoquímica, luego paraTeledetección.
  11. 11. Espectroscopía de ReflectanciaEn geología: principalmente se aplica en exploración mineral, mapeo delitología, mapeo de minerales, delineación de zonas de alteración.Minerales• Ocurren naturalmente, sólidos inorgánicos:• Química definida, estructura definida (arreglo deátomos), cada mineral se diferencia de los otros por suquímica, estructura o ambos)◦silicatos(SiO4-4) quartz, SiO2; pyroxene, (Mg,Fe)Si2O6; plagioclase, NaAlSi3O8◦carbonatos(CO3-2) calcite, CaCO3◦oxidos(O), hydroxidos(OH-) hematite, Fe2O3; goethite, FeO(OH)◦haluros(Cl-, Br-, F-, I-), sulfatos(SO4-2), etc. halite, NaCl; gypsum, CaSO4·2H2O◦elementos nativos (Au, Ag, C, Cu)
  12. 12. Rasgos de absorción•Diferentes tipos de minerales absorbeno dispersan la energía incidente demanera diferente en respuesta a lasdiferentes longitudes de onda.• Estas diferencias en absorción ydispersión pueden ser usadas paraidentificar minerales.• Análisis de máximos y mínimos decurvas, de reflectancia: Mínimos absorción molecular (rasgos de absorción, bandas de absorción)
  13. 13. Causas de los rasgos de absorciónLa luz del sol incide sobre la tierra ypuede ser absorbida o reflejada.Puede ocurrir 6 clases deabsorción:1) Transferencia de cargas2) Efecto en el campo crisyallno field effects3) Vibrations moleculares4) Centros de color5) Bandas de conduccion6) Transiciones orbilaes
  14. 14. Causas de los rasgos de absorción• Presencia de H2O• tamaño de partícula• mezclas• presencia de materia orgánica• Mineralogía (enlaces moleculares…)• composición catiónica• cristalinidad (desorden)• parámetros instrumentales.
  15. 15. Causas de los rasgos de absorciónHumedad del sueloEl agua gran absorbenteSuelos con mayor humedad más oscuros (en VNIR y SWIR) con respectoa los suelos más secos. La absorción del agua 1.4, 1.9 and 2.7 micrómetros. Determinación de humedad
  16. 16. Causas de los rasgos de absorciónContenido de materia orgánicaMateria orgánica gran absorbenteSuelos con mayor contenido de materia orgánica más oscuros conrespecto a los suelos más secos.
  17. 17. Causas de los rasgos de absorciónRugosidad* Superficies lisas reflexión especular.* Superficie rugosa reflexión difusa (arenas color claro en imagen)
  18. 18. Causas de los rasgos de absorciónTamaño de granoLa mayor dispersión ocurre en granos pequeños con respecto a los granosmás grandes.
  19. 19. Causas de los rasgos de absorciónContenido de óxido de HierroCausa absorción en el NIR (0.85 – 0.9 micrómetros) y la dispersión en elrojo es mayor con respecto a suelos con bajo contenido de oxidos dehierro.
  20. 20. Identificación de minerales Ejemplo: Caolinita. Dos dobletes de absorción en 1.4 y 2.2 micrómetros GRUPO DE LA CAOLINITA Contenido de agua Índice de cristalinidadLos mínimos asociados a la orientación de sus componentes, y la intensidad y perfil a sus enlaces químicos y composición (fuente: SIInc.).
  21. 21. Aplicaciones en exploración geológica y de recursos minerales • Mapeo: – Geología Regional – Rocas caja con mineralización potencial – Asociaciones de alteraciones minerales – Características minerales – Morfología – Estructuras – …
  22. 22. Espectroscopía de reflectancia VNIR (0.4 a aprox. 1.0 µm)Respuesta espectral de óxidos y sulfatos de hierro (Fe2O3) KFe33+(SO4)2(OH)6 FeO(OH) FeO(OH)·nH2O B1 B2 B3
  23. 23. Espectroscopía de reflectancia VNIR (0.4 a aprox. 1.0 µm) Óxidos Arcillas Óxidos + arcillas
  24. 24. Espectroscopía de reflectancia SWIR (1.0 a 2.5 µm) La espectrometría de reflectancia SWIR método analítico basado en la sensibilidad a la presencia de minerales del grupo de las arcillas, aquellos que tienen en su composición el anión hidroxilo (OH) y el agua (H2O). Identificación de minerales por su configuración cristalina en enlace con los cationes. Evaluación de interacciones agua-roca con las arcillas en diferentes ambientes, (procesos: diseminación en depósitos minerales, canales subterráneos de agua, influencia de paleometeorizacion, migración de fluidos a través de un rasgo estructural, entre otros). (Na, Ca)(Al,Mg)6(Si4010)3(OH)6-nH20 (K,H3O)(Al, Mg, Fe)2(Si, Al)4O10[(OH)2,(H2O)]Al2Si4O10(OH)2 KAl3[(OH)6 (SO4)2] Al2Si2O5(OH)4 pirofilita alunita esmectita illita caolinita
  25. 25. Aplicaciones en exploración geológica y de recursos minerales
  26. 26. Espectroscopía de reflectancia SWIR (1.0 a 2.5 µm) SWIR particularmente sensitivo a: • OH- (hidroxilo) • Catión + OH (Mg-OH, Al-OH, Fe-OH) Kaolinite • H2O (Agua) • CO3= (Carbonato) • CH (Metino) • NH4+ (Metano) Montmorillonite Alunite B6 Andesite Granite Vegetation After Yamaguchi et al. (1993)
  27. 27. Espectroscopía de reflectancia SWIR (1.0 a 2.5 µm) Libreria Espectral USGS Patrón espectral ASTER 4 4 6 6 Band ratio 4/6 for enhancement of Alunite and Kaolinite Imagen ASTER RGB:468
  28. 28. Espectroscopía de reflectancia SWIR (1.0 a 2.5 µm) Los minerales que contienen la molécula carbonato (CO3) absorben en el rango 2.33 a 2.35 mm (Gaffey, et al. 1993) B8Además: Hidróxidos (brocita, diaspora); Algunos Sulfatos (jarosita, alunita) Anfíboles; (actinolita); Micas (muscovita); Epidotas, Zeolitas.
  29. 29. Imágenes Satelitales – Mapeo de alteraciones Pachía - Palca ASTER : ratios 4/6, 5/6, 5/8 RGB
  30. 30. Teledetección TIR (Termal InfraRojo)Emisividad: Capacidad de un cuerpo de emitir energía con relacióna la que emitiría un cuerpo negro. Emisividad (૓) Ls = radiancia de la superficie de interés LBB= radiancia de un cuerpo negro ૓= Ls/ LBB Un cuerpo negro, por consiguiente, tiene un coeficiente ε = 1
  31. 31. Imágenes Satelitales – Emisividad Ley de Kirchhoff : ε(λ) + r (λ) = 1
  32. 32. Espectros TIR para grupos minerales
  33. 33. Índices litológicos para ASTER-TIR Ninomiya y Fu, 2002
  34. 34. Aplicación de índices litológicos (Beishan, China) Ninomiya y Fu, 2002
  35. 35. Aplicación de índices litológicos (Beishan, China)
  36. 36. Aplicación de índices litológicos (Beishan, China)
  37. 37. Aplicación de índices litológicos (Beishan, China)
  38. 38. Aplicación de índices litológicos (Beishan, China)
  39. 39. Aplicación de índices litológicos (Beishan, China) • Indices de cuarzo QI) es sensible a las rocas y depósitos cuarzosos. • Rocas ricas en feldespatos y algunos tipos de sulfatos (tipicamente yeso) pueden ser mapeados con bajo QI. • El índice de Carbonato (CI) es sensible a la calcita y dolomita. Tambien sensitivo al contenido de vapor en la atmósfera. •El índice máfico (MI) se relaciona inversamente al contenido de SiO2 en las rocas igneas. Es posible mapear rocas máficas y ultramáficas que dan MI alto.
  40. 40. Teledetección Hiperespectral
  41. 41. Teledetección Hiperespectral“adquisición de imágenes en cientos de bandas contíguas registradas de talmanera que en cada elemento de la imagen sea posible obtener un espectrode reflectancia completo (Goetz, 1992)”
  42. 42. Teledetección HiperespectralMultiespectral vs. Hiperespectral
  43. 43. Teledetección HiperespectralMultiespectral vs. Hiperespectral
  44. 44. Ventajas de los datos hiperespectrales en la exploración mineralLos datos multiespectrales usados mayormente para producir mapas declasificacion de unidades minerales o litológicas, los minerales se puedenidentificar pero con cierto grado de aproximación.Los datos hiperespectrales pueden ser usados para identificar minerales conrasgos de absorción distintivos.Esta capacidad puede ser usado para distinguir minerales asociados a niveles dealteración:◦Propilitica◦Filica◦Argillica◦Opalizada◦Silicificada
  45. 45. Sensores Hiperespectrales• Aerotransportados - AVIRIS (NASA) - HYMAP (Comercial HyVista Corp.) - SPECTIR (SPECTIR Corp.) - CASI (ITRES) - SEBAS - AHI (Univ. de Hawai)• Satelitales - EO-1 (USGS) HYPERION (220 bandas; 0.4 – 2.5 micrometros) Futuros Satélites •PRISMA (ASI – Italia, 2012) •ENMAP (DLR – Alemania 2014)
  46. 46. Sensores Hiperespectrales •HYPERION
  47. 47. Teledetección HiperespectralPROCESAMIENTO: Métodos de corrección atmosféricaDos técnicas:1) Basado en modelos Uso del código de transferencia radiativa para modelar la atmósfera. Ejemplos : FLAASH, ACORN2) Basado en datos empiricos Utilizan el campo espectral o subsecciones de la imágen. Ejemplos: Empirical Line Method, Flat Field Contribución atmosférica en la radiancia-al-sensor
  48. 48. Teledetección HiperespectralPROCESAMIENTO: Métodos de corrección atmosféricaEmpirical Line Usa un conjunto de ganacias y offsets para pasar de radiancia a reflectancia. Necesita medidas de un objeto oscuro y un objeto claro medidos en campo.
  49. 49. Teledetección HiperespectralPROCESAMIENTO: Métodos de calibración atmosférica (ACORN incluyeMODTRAN)
  50. 50. Teledetección HiperespectralPROCESAMIENTO: Composición color RGB • Brindan una rápida perspectiva de los componentes en la imágen. • Se asigna una banda a cada color Red Green Blue, para maximizar la variabilidad espectral en la imágen. Lunar Crater Volcanic Field R = 0.65 R = 1.7 mm G = 0.9 mm B = 0.48 mm mm G = 0.55 mm B = 0.45 mm
  51. 51. Teledetección Hiperespectral
  52. 52. Teledetección HiperespectralPROCESAMIENTO: Decorrelation stretch • Para imágenes con bajo contraste espectral. Se usa para mejorar datos termal infrarojo multiespectrales e hiperespectrales.
  53. 53. Teledetección HiperespectralPROCESAMIENTO: Decorrelation stretch
  54. 54. Teledetección HiperespectralPROCESAMIENTO: RATIOS • El método de ratios es una herramienta pobre para un conjunto de datos hiperespectrales, pero es rápido para resaltar algunas características.
  55. 55. Teledetección HiperespectralPROCESAMIENTO: RATIOS
  56. 56. Teledetección HiperespectralPROCESAMIENTO: ANALISIS ESPECTRAL Algorithms: • Spectral angle mapper. ¿Que tan bien el espectro • Spectral feature Fitting de la imágen corresponde • Tetracorder al espectro del blanco?
  57. 57. Teledetección HiperespectralPROCESAMIENTO: IDENTIFICACIÓN DE ESPECTROS Identificación “manual” (al ojo) Se usa librerias espectrales publicadas Identificación “automatica” “Spectral Analyst” del software ENVI
  58. 58. Teledetección HiperespectralPROCESAMIENTO: SPECTRAL ANGLE MAPPER (SAM) La longitud del vector se relaciona a la iluminación del vector SAM no es sensible a la longitud del pixel
  59. 59. Teledetección HiperespectralPROCESAMIENTO: SPECTRAL ANGLE MAPPER Ejemplo: Cuprita Nevada. Selección de miembros finales Area de alteración hidrotermal. AVIRIS 1995 scene, R=2.1 mm; G=2.2 mm; B=2.34 mm
  60. 60. Teledetección HiperespectralPROCESAMIENTO: SPECTRAL ANGLE MAPPER Clasificación SAMAlunita Kaolinita
  61. 61. Teledetección HiperespectralPROCESAMIENTO: SPECTRAL FEATURE FITTING (SFF) Busca hacer coincidir la forma de los rasgos de absorción en una librería espectral, con los rasgos presentes en los datos hiperespectrales.
  62. 62. Teledetección HiperespectralPROCESAMIENTO: SPECTRAL FEATURE FITTING (SFF)
  63. 63. Teledetección Hiperespectral PROCESAMIENTO: MATCHED FILTERINGMaximiza la respuestade los miembrosfinales y minimiza larespuesta del fondo(background).
  64. 64. Teledetección HiperespectralCOMPARACION MATCHED FILTERING – SPECTRAL FEATURE FITTING
  65. 65. Teledetección HiperespectralREDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DEMIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALES Si por ejemplo se quiere mapear varias coberturas: SMA: Spectral Mixture Analysis Si se quiere mapear una sola cobertura SAM: Spectral Angle Mapper
  66. 66. REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DEMIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALESMétodo “HOURGLASS” (Reloj de Arena)
  67. 67. REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DEMIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALESMétodo “HOURGLASS” (Reloj de Arena)Minimun noise fraction : Decorrelaciona, y Reescala el ruido en los datos
  68. 68. REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DEMIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALESMétodo “HOURGLASS” (Reloj de Arena) PLOTEO DE VALORES EIGEN
  69. 69. REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DEMIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALESMétodo “HOURGLASS” (Reloj de Arena) INDICE DE PUREZA DE PIXELES (PPI)
  70. 70. REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DEMIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALESMétodo “HOURGLASS” (Reloj de Arena)Visualización n-D Selección de miembros finales
  71. 71. REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DEMIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALESMétodo “HOURGLASS” (Reloj de Arena)
  72. 72. REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DEMIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALESMétodo “HOURGLASS” (Reloj de Arena)Metodos de Clasificación:•SAM•LSU•MF•MTMF•…etc.
  73. 73. Imágenes del Laboratorio de Teledetección• LANDSAT • ASTER
  74. 74. • Generación de productos para ser incluidos en GEOCATMIN: Mosaicos B3 ASTER. Mosaicos 931 ASTER (interpretación litológica). Mosaicos Anomalías espectrales LANDSAT.
  75. 75. • Generación de productos para ser incluidos en GEOCATMIN: Anomalías Espectrales LANDSAT Alteraciones: Óxidos + Arcillas ASTER 931 (RGB) ASTER B3 Análisis Litológico Análisis Estructural
  76. 76. GRACIAS

×