Aplicación de la teledetección en la exploración geológica y de recursos minerales
76
Aplicación de la Teledetección en la exploración geológica y de recursos minerales Katherine Gonzales Laboratorio de Teledetección Enero 2011 Curso : IS-GEO KIGAM, Diciembre 2010
description
Expositor: Gonzáles, Katherine / Exposición interna17/01/2011
Transcript of Aplicación de la teledetección en la exploración geológica y de recursos minerales
Aplicación de la Teledetección en la
exploración geológica y de recursos minerales
Katherine GonzalesLaboratorio de Teledetección
Enero 2011
recursos mineralesCurso : IS-GEO KIGAM, Diciembre 2010
Teledetección
Espectro Electromagnético
Transmisión atmosférica
Imágenes Satelitales - Resolución espectral
Visible (Azul) Visible (Verde) Visible (Rojo) Visible (cercano IR)
Visible (medio IR)
Visible (medio IR)
Imágenes Satelitales
Imagen LANDSAT Composición RGB:321
Imágenes SatelitalesComposición color
LANDSAT 742 (RGB)
LANDSAT 731 (RGB)
LANDSAT B4
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.
Imágenes Satelitales – Reflectancia� Reflectancia: Cantidad de energía que es reflejada por un objeto
luego 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
Imágenes Satelitales – Firma espectral
Las variaciones en la cantidad
de radiación emitida y reflejada
de las coberturas en diferentes
longitudes de onda � usadas
para determinar las firmas
espectrales de las mismas y así
poder diferenciarlas.poder diferenciarlas.
ESPECTROSCOPIA DE REFLECTANCIATécnica que usa la energía electromagnética en diferentes regiones del espectro como el visible (0.4-0.7 micrómetros), Cercano Infra-rojo (0.7 – 1.3 micrómetros) e Infra-rojo de onda corta (1.3 – 2.5 micrómetros).Inicialmente usado por especialistas en Geoquímica, luego para Teledetección.
En geología: principalmente se aplica en exploración mineral, mapeo de litología, mapeo de minerales, delineación de zonas de alteración.
Espectroscopía de Reflectancia
Minerales• Ocurren naturalmente, sólidos inorgánicos:
• Química definida, estructura definida (arreglo de
átomos), cada mineral se diferencia de los otros por su
química, estructura o ambos)
◦silicatos(SiO4-4)◦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)
•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.
Rasgos de absorción
identificar minerales.
• Análisis de máximos y mínimos decurvas, de reflectancia:
Mínimos ���� absorción molecular(rasgos de absorción, bandas deabsorción)
Causas de los rasgos de absorción
1) Transferencia de cargas
2) Efecto en el campo crisyallno field effects
3) Vibrations moleculares
4) Centros de color
La luz del sol incide sobre la tierra y
puede ser absorbida o reflejada.
Puede ocurrir 6 clases de
absorción:
4) Centros de color
5) Bandas de conduccion
6) Transiciones orbilaes
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.• parámetros instrumentales.
Causas de los rasgos de absorciónHumedad del sueloEl agua ���� gran absorbenteSuelos con mayor humedad ���� más oscuros (en VNIR y SWIR) con respecto a los suelos más secos.
La absorción del agua ���� 1.4, 1.9 and 2.7 micrómetros.���� Determinación de humedad
Causas de los rasgos de absorciónContenido de materia orgánicaMateria orgánica ���� gran absorbenteSuelos con mayor contenido de materia orgánica ���� más oscuros con respecto a los suelos más secos.
Causas de los rasgos de absorciónRugosidad* Superficies lisas ���� reflexión especular.* Superficie rugosa ���� reflexión difusa (arenas ���� color claro en imagen)
Causas de los rasgos de absorciónTamaño de granoLa mayor dispersión ocurre en granos pequeños con respecto a los granosmás grandes.
Causas de los rasgos de absorciónContenido de óxido de HierroCausa absorción en el NIR (0.85 – 0.9 micrómetros) y la dispersión en el rojo es mayor con respecto a suelos con bajo contenido de oxidos de hierro.
Identificación de mineralesEjemplo: Caolinita. Dos dobletes de absorción en 1.4 y 2.2 micrómetros
GRUPO DE LA CAOLINITA
Contenido Contenido Contenido Contenido de aguade aguade aguade agua Índice de Índice de Índice de Índice de
cristalinidadcristalinidadcristalinidadcristalinidad
Los mínimos asociados a la orientación de sus componentes, y la intensidad y perfil a sus enlaces químicos y composición (fuente: SIInc.).
Aplicaciones en exploración geológica y de recursos minerales
• Mapeo:– Geología Regional – Rocas caja con mineralización potencial – Asociaciones de alteraciones minerales– Características minerales– Morfología– Estructuras– Estructuras– …
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
Espectroscopía de reflectancia VNIR (0.4 a aprox. 1.0 µm)
ÓxidosArcillasÓxidos + arcillas
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 subterráneos de agua, influencia de paleometeorizacion, migración de
fluidos a través de un rasgo estructural, entre otros).
caolinitaillitaesmectitaalunitapirofilita
Al2Si4O10(OH)2
(K,H3O)(Al, Mg, Fe)2(Si, Al)4O10[(OH)2,(H2O)]
Al2Si2O5(OH)4
KAl3[(OH)6 (SO4)2]
(Na, Ca)(Al,Mg)6(Si4010)3(OH)6-nH20
Aplicaciones en exploración geológica y de recursos minerales
Espectroscopía de reflectancia SWIR (1.0 a 2.5 µm) SWIR particularmente sensitivo a:
• OH- (hidroxilo)• Catión + OH (Mg-OH,
Al-OH, Fe-OH)• H2O (Agua)• CO3= (Carbonato)• CH (Metino)• NH4+ (Metano)
Kaolinite
Montmorillonite
B6
Alunite
Andesite
Granite
Vegetation
After Yamaguchi et al. (1993)
Libreria Espectral USGS Patrón espectral ASTER
4
4
Espectroscopía de reflectancia SWIR (1.0 a 2.5 µm)
Band ratio 4/6 for enhancement of
Alunite and Kaolinite
6
6
Imagen ASTER RGB:468
Los minerales que contienen la
molécula carbonato (CO3)
absorben en el rango 2.33 a
2.35 mm (Gaffey, et al. 1993)
Espectroscopía de reflectancia SWIR (1.0 a 2.5 µm)
2.35 mm (Gaffey, et al. 1993)
Además: Hidróxidos (brocita, diaspora); Algunos Sulfatos (jarosita, alunita) Anfíboles; (actinolita); Micas (muscovita); Epidotas, Zeolitas.
B8
Imágenes Satelitales – Mapeo de alteraciones
ASTER : ratios 4/6, 5/6, 5/8 RGBPachía - Palca
Teledetección TIR (Termal InfraRojo) � Emisividad: Capacidad de un cuerpo de emitir energía con relación
a la que emitiría un cuerpo negro.
Emisividad (�)
Ls = radiancia de la superficie de interés
LBB= radiancia de un cuerpo negro
�
LBB= radiancia de un cuerpo negro
�= Ls/ LBB
Un cuerpo negro, por consiguiente, tiene
un coeficiente ε = 1
Imágenes Satelitales – Emisividad
Ley de Kirchhoff : ε(λ) + r (λ) = 1
Espectros TIR para grupos minerales
Índices litológicos para ASTER-TIRNinomiya y Fu, 2002
Aplicación de índices litológicos (Beishan, China)
Ninomiya y Fu, 2002
Aplicación de índices litológicos (Beishan, China)
Aplicación de índices litológicos (Beishan, China)
Aplicación de índices litológicos (Beishan, China)
Aplicación de índices litológicos (Beishan, China)
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.
Teledetección Hiperespectral
Teledetección Hiperespectral“adquisición de imágenes en cientos de bandas contíguas registradas de tal manera que en cada elemento de la imagen sea posible obtener un espectro de reflectancia completo (Goetz, 1992)”
Teledetección HiperespectralMultiespectral vs. Hiperespectral
Teledetección HiperespectralMultiespectral vs. Hiperespectral
Ventajas de los datos hiperespectrales en la exploración mineral
Los datos multiespectrales � usados mayormente para producir mapas de
clasificacion de unidades minerales o litológicas, los minerales se pueden
identificar pero con cierto grado de aproximación.
Los datos hiperespectrales � pueden ser usados para identificar minerales con rasgos de absorción distintivos.
Esta capacidad puede ser usado para distinguir minerales asociados a niveles de
alteración:
◦Propilitica
◦Filica
◦Argillica
◦Opalizada
◦Silicificada
Sensores Hiperespectrales• Aerotransportados
- AVIRIS (NASA)- HYMAP (Comercial HyVista Corp.)- SPECTIR (SPECTIR Corp.)- CASI (ITRES)- SEBAS- AHI (Univ. de Hawai)
• Satelitales • Satelitales - EO-1 (USGS)
HYPERION (220 bandas; 0.4 – 2.5 micrometros)
Futuros Satélites•PRISMA (ASI – Italia, 2012)•ENMAP (DLR – Alemania 2014)
Sensores Hiperespectrales•HYPERION
Teledetección HiperespectralPROCESAMIENTO: Métodos de corrección atmosférica
Dos técnicas:
1) Basado en modelos
Uso del código de transferencia
radiativa para modelar la atmósfera.
Ejemplos : FLAASH, ACORN
2) Basado en datos empiricos
Contribución atmosférica en la
radiancia-al-sensor
2) Basado en datos empiricos
Utilizan el campo espectral o
subsecciones de la imágen.
Ejemplos: Empirical Line Method,
Flat Field
Teledetección Hiperespectral
Empirical 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.
PROCESAMIENTO: Métodos de corrección atmosférica
campo.
Teledetección HiperespectralPROCESAMIENTO: Métodos de calibración atmosférica (ACORN ���� incluye MODTRAN)
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 mm G = 0.55 mm B = 0.45 mm
R = 1.7 mm G = 0.9 mm B = 0.48 mm
Teledetección Hiperespectral
Teledetección HiperespectralPROCESAMIENTO: Decorrelation stretch
• Para imágenes con bajo contraste espectral. Se usa para mejorar datos termal infrarojo multiespectrales e hiperespectrales.
Teledetección HiperespectralPROCESAMIENTO: Decorrelation stretch
Teledetección HiperespectralPROCESAMIENTO: RATIOS
• El método de ratios es una herramienta pobre para un conjunto de datos hiperespectrales, pero es rápido para resaltar algunas características.
Teledetección HiperespectralPROCESAMIENTO: RATIOS
Teledetección HiperespectralPROCESAMIENTO: ANALISIS ESPECTRAL
Algorithms:
• Spectral angle mapper.• Spectral feature Fitting• Tetracorder
¿Que tan bien el espectro de la imágen corresponde al espectro del blanco?
Teledetección HiperespectralPROCESAMIENTO: IDENTIFICACIÓN DE ESPECTROS
Identificación “manual” (al ojo)
� Se usa librerias espectrales publicadas
Identificación “automatica”
� “Spectral Analyst” del software ENVI
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
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
Teledetección HiperespectralPROCESAMIENTO: SPECTRAL ANGLE MAPPER Clasificación
SAM
AlunitaKaolinita
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.
Teledetección HiperespectralPROCESAMIENTO: SPECTRAL FEATURE FITTING (SFF)
Teledetección HiperespectralPROCESAMIENTO: MATCHED FILTERING
Maximiza la respuesta
de los miembros
finales y minimiza la
respuesta del fondo
(background).(background).
Teledetección HiperespectralCOMPARACION MATCHED FILTERING – SPECTRAL FEATURE FITTING
Teledetección HiperespectralREDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DE MIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALES
Si por ejemplo se quiere
mapear varias coberturas:
� SMA: Spectral Mixture
Analysis
Si se quiere mapear una sola
coberturacobertura
� SAM: Spectral Angle
Mapper
REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DE MIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALES
Método “HOURGLASS” (Reloj de Arena)
REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DE MIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALES
Método “HOURGLASS” (Reloj de Arena)Minimun noise fraction : Decorrelaciona, y Reescala el ruido en los datos
REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DE MIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALES
Método “HOURGLASS” (Reloj de Arena)PLOTEO DE VALORES EIGEN
REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DE MIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALES
Método “HOURGLASS” (Reloj de Arena)INDICE DE PUREZA DE PIXELES (PPI)
REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DE MIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALES
Método “HOURGLASS” (Reloj de Arena)Visualización n-D ���� Selección de miembros finales
REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DE MIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALES
Método “HOURGLASS” (Reloj de Arena)
REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DE MIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALES
Método “HOURGLASS” (Reloj de Arena)
Metodos de Clasificación: •SAM•LSU•MF•MTMF•MTMF•…etc.
Imágenes del Laboratorio de Teledetección
• LANDSAT • ASTER
• Generación de productos para ser incluidos en GEOCATMIN:� Mosaicos B3 ASTER.� Mosaicos 931 ASTER (interpretación litológica).� Mosaicos Anomalías espectrales LANDSAT.
• Generación de productos para ser incluidos en GEOCATMIN:
ASTER B3Análisis Estructural
ASTER 931 (RGB)Análisis Litológico
Anomalías Espectrales LANDSATAlteraciones: Óxidos + Arcillas
GRACIAS
