Introducción

Si bien habitualmente las técnicas de tele-detección se aplican sobre datos provenientesde la superf icie terrestre, en este artículo sepropone la aplicación de esas mismas técnicassobre información de la superf icie lunar va-liéndonos de las imágenes de algunos de lossatélites que orbitan alrededor de la Luna.

No es de extrañar que las agencias espacia-les entiendan la teledetección como una disci-plina preferente en sus investigaciones, y es-

tén utilizando estas técnicas para ampliar susconocimientos de los diferentes cuerpos delsistema solar. Se envían sondas y se procesainformación no sólo de la Luna, sino de las su-perf icies y atmósferas de Mercurio, Venus,Marte, Júpiter y Saturno entre otros cuerposcelestes (Clark et al., 2003, y Nittler et al.,2004).

Incluso recientemente se está empezando avalorar la espectrometría como una técnica atener en cuenta en el estudio de planetas ex-trasolares, evaluando el espectro de luz de és-

Clasificación de unidades geológicas sobre la superficie lunar

Iñaki Ordóñez Etxeberria y Aitor Bastarrika IzagirreDepartamento de Ingeniería Minera, Metalúrgica y Ciencia de los Materiales.

Escuela de Ingeniería de Vitoria-Gasteiz. Universidad del País Vasco UPV/EHU.

Resumen

Este trabajo consiste en la aplicación de técnicas de teledetección sobre imágenes lunares, con elobjetivo de obtener información de las características superficiales mineralógicas de la Luna. Se des-criben el tratamiento de las imágenes obtenidas por la misión SELENE, desarrollada por la AgenciaJaponesa de Exploración Aeroespacial (JAXA), así como los resultados obtenidos para el área de es-tudio. La zona escogida se ubica en la región sur de la meseta Aristarchus, y corresponde a una de lasregiones de mayor diversidad geológica de la Luna. Las 120 imágenes analizadas cubren alrededor de10.000 km2 y como resultado final del trabajo se ha realizado la cartografía mineralógica de la regióna la mejor escala cartográfica conseguida hasta ahora.

Palabras clave: Luna, meseta y cráter Aristarchus, SELENE, MI-VIS, MI-NIR, LROC, cartogra-fía lunar, geología lunar, mineralogía lunar.

Abstract

This work consisted in the application of remote sensing techniques on lunar images with the aimof obtaining information on the superficial mineralogy features of the moon. It describes the processingof the images obtained by the SELENE mission, developed by the Japan Aerospace Exploration Agency(JAXA), and the results obtained in one particular study area. The chosen region is located to the southof the Aristarchus plateau and corresponds to a region with one the biggest geological diversity in themoon. The 120 images analyzed cover an extension of 10,000 km2, resulting in the best resolutionmineralogy cartography obtained so far.

Key words: Moon, Aristarchus plateau and crater, SELENE, MI-VIS, MI-NIR, LROC, lunarcartography, lunar geology, lunar mineralogy.

* Autor para la correspondencia: iordonez002@ikasle.ehu.es; aitor.bastarrika@ehu.esRecibido: 30-10-12; Aceptado: 10-05-13.

Asociación Española de Teledetección Revista de Teledetección 39, 34-45ISSN: 1988-8740

tos y comparándolo con el reflejado por nues-tro planeta sobre la superf icie lunar (Palléet al., 2009).

Los criterios para clasif icar y determinarunidades geológicas sobre la superficie lunarhan variado significativamente en lo últimosaños. En los años 60 y 70 del siglo XX las pau-tas básicas usadas para definir la distribuciónespacial de los materiales geológicos de nues-tro astro más cercano, eran definidas por la tex-tura superficial y topográfica aportada por imá-genes pancromáticas (Wilhelms et al., 1979).El criterio de clasificación venía determinadobásicamente por la tonalidad de las áreas, sinaportar información significativa sobre la mi-neralogía que las configuraba.

Sin embargo, los recientes avances en la te-ledetección han permitido expandir las posibi-lidades de este ámbito de estudio, la resolucióny cobertura espacial han ido aumentando, y lasmisiones lunares han aportado imágenes mul-tiespectrales e hiperespectrales de gran calidadde la superficie lunar (Jaumann et al., 2012).

Las características y localización de mate-riales lunares están siendo objeto de estudiopor diversas Agencias Espaciales y equipos deinvestigación. En este sentido, el número demisiones y satélites enviados a la Luna desdemediados del siglo pasado es elevado, y en losúltimos años se han realizado esfuerzos por re-cabar datos que explicaran el origen y evolu-ción de ésta y aportaran información geológi-ca que permita examinar la existencia de aguaen forma de hielo y las posibilidades para lamejor ubicación de futuras bases científ icaspermanentes en el satélite.

Con esos objetivos, en la actualidad nos en-contramos con una gran cantidad de sensoresque se encargan de determinar un alto númerode características lunares alrededor de la to-pografía, la geomorfología, la mineralogía y lageodesia entre otros ámbitos de estudio.

En la Tabla 1 se detallan algunas de las ca-racterísticas de las misiones y sensores que sehan enviado a la Luna. Se han recopilado aque-llos instrumentos que por las características de

Clasificación de unidades geológicas sobre la superficie lunar 35

Tabla 1. Principales misiones lunares con interés geológico

Sensor Región espectral Rango (nm) Resolución (m/px)

Clementine - Agencia: Nasa (1994-1994)

UVVIS Ultravioleta-Visible 400-1000 100-325HiRes Visible 400-800 7-20LIDAR Láser — 40LWIR Infrarrojo 8000-9500 55-136NIR Infrarrojo Cercano 1100-2780 150-500

Smart-1 - Agencia: ESA (2003-2006)

AMIE Visible-Infrarrojo 750-950 50SIR Infrarrojo 900-2400 300

SELENE - Agencia: JAXA (2007-2009)

MI Visible-Infrarrojo 415-1550 20-62SP Visible-Infrarrojo 500-2600 500TC Visible 430-850 10LRS Radar — 30LALT Láser — 1600

Chandrayaan-1 - Agencia: ISRO (2008-2009)

Moon Mineralogy Mapper-M3 Visible-Infrarrojo 446-3000 140

LRO - Agencia: NASA (2009-2012)

Diviner Infrarrojo 350-4000 180LAMP Ultravioleta 57,5-196,5 100LOLA Láser — 5LROC Ultravioleta-Visible 300-680 1

la información capturada tienen un interéscientífico dentro de la temática de este artícu-lo, incluyendo así las misiones Clementine,Smart-1, SELENE, Chandrayaan-1 y LRO.

Los objetivos de estas misiones se circuns-criben en el ámbito geológico, y así en la mi-sión Clementine se buscaba estudiar la super-f icie lunar y el asteroide 1620 Geógrafo.Smart-1 de la ESA recopiló datos que ayuda-ron a responder cuestiones sobre el origen dela Luna y la posible presencia de hielo en susuperficie, y en este sentido la misión SELE-NE ha obtenido datos científicos que han ex-plicado el origen y evolución lunar, y se dis-pone de la información que va a poder abordarel desarrollo de tecnologías para futuras ex-ploraciones a nuestro satélite. Los experimen-tos a bordo de Chandrayaan-1 y LRO permitenen la actualidad realizar una cartografía a altaresolución de toda la superficie lunar, distin-guiendo la distribución de diferentes elemen-tos como el magnesio, aluminio, silicio, cal-cio, hierro y titanio, así como algunos denúmero atómico alto, como el radón, uranio ytorio, y evaluar la superficie lunar en vista afuturos aterrizajes para exploraciones huma-nas en el satélite.

En lo que se refiere a la tipología de los ma-teriales geológicos que se pueden encontrar so-bre la superficie lunar, éstos vienen determi-nados por las condiciones en las que se originóla Luna y la carencia de procesos erosivos decarácter atmosférico, de tal modo se configu-ra la naturaleza de las rocas lunares como detipo ígneo.

Si bien el origen de la Luna aún se está de-finiendo, la hipótesis más aceptada es la de-nominada Teoría del Impacto, que básicamen-te determina que un cuerpo del tamaño deMarte habría impactado sobre la Tierra hace4.500 millones de años. Este choque presumi-blemente habría expulsado grandes cantidadesde material alrededor de la órbita terrestre, yfinalmente la Luna se habría formado a travésde la acumulación y compactación de estoscomponentes (Hartmann et al., 1986).

En las primeras etapas de la formación de laLuna, ésta estaría compuesta por una masa demagma que paulatinamente fue solidificando,y durante este tiempo varios eventos de im-pacto siguieron modificando la superficie lu-

nar. Tras éstos, las lavas fluyeron sobre la su-perficie formando los mares y más tarde lle-garían las erupciones piroclásticas arrojandorestos de basalto derretido.

De esta forma, la superficie lunar estaría for-mada por rocas ígneas procedentes del océanode magma original, y el magma producido porlos impactos durante su origen y los eventosvolcánicos posteriores. Así la totalidad de lasrocas que podemos encontrar sobre la superfi-cie lunar pertenecen al tipo de rocas magmáti-cas, predominando entre ellas el basalto que cu-bre los mares lunares (Hartmann et al., 1986).

Área de estudio y datos usados

Sobre la superf icie lunar existen, básica-mente, dos características que determinan ladiversidad de materiales geológicos. Por un la-do los cráteres de impacto o astroblemas, y porotro la actividad volcánica.

En este sentido, el área escogida para el es-tudio de este trabajo ha sido parte de la mese-ta de Aristarchus, que incluye el cráter del mis-mo nombre situado en la zona este de la región,el inicio del Vallis Schröteri al norte, con la for-mación «cabeza de cobra» que corresponde auna depresión originada por actividad volcá-nica, y el cráter Herodotus al oeste.

Esta región ha sido estudiada en los traba-jos de investigación de Mustard et al. (2011) yChevrel et al. (2009), en los que se destaca lameseta de Aristarchus como una región de con-siderable variedad geológica, éstos aportanademás resultados de diferenciación de mate-riales y en el caso del estudio de Chevrel et al.(2009), las características mineralógicas de lasrocas que componen la región. Las diferenciasfundamentales de el trabajo que aquí se pre-senta respecto a los dos anteriores radica en laresolución espacial y espectral de las imáge-nes usadas. Así en el trabajo de Mustard et al.(2011) el estudio se realizó con datos hiperes-pectrales del instrumento M3, de 140 m/px. Enel trabajo de Chevrel et al. (2009) fueron usa-das imágenes de la misión Clementine de en-tre 100 a 325 m/px (Tabla 1). En nuestro caso,y como se señala más adelante, la resoluciónespacial de las imágenes de SELENE es de62 m/px, lo que ha permitido la cartografía de

36 I. Ordóñez y A. Bastarrika / Revista de Teledetección (2013) 39, 34-45

la zona a mayor escala que en los estudios an-teriores.

La localización del área de estudio, que seseñala de forma generalizada en la Figura 1, seencuentra entre las longitudes 46° W-52° W ylas latitudes 22° N-25° N, y supone una super-ficie de alrededor de 10.000 km2.

En lo que se refiere a los datos usados parala clasificación de materiales, se ha contado conlas imágenes capturadas por la misión SELE-NE, mediante el instrumento MI. Este instru-mento se subdivide en dos sensores diferentes,el MI-VIS sensible a las longitudes de onda de415, 750, 900, 950 y 1000 nm y que conformauna imagen de 5 bandas, y el MI-NIR que cap-tura información en los 1000, 1050, 1250 y1550 nm agrupados en 4 bandas diferentes.

El satélite SELENE describía, en el momentode la observación, una órbita polar circular a100 km de altura sobre la superficie lunar y unainclinación de 90° (Matsumoto et al., 2009).

Los detalles de ambos sensores se describenen el artículo de Ohtake et al. (2008) y se re-sumen brevemente en la Tabla 2.

El nivel de tratamiento de las imágenes usa-das en este proyecto corresponde al L2B, quesupone una corrección radiométrica de los da-tos, del modo descrito también por Ohtakeet al. (2008). Así, tras esta corrección, la in-formación de las imágenes corresponde a ni-veles de radiancia.

Por otro lado, las imágenes que han partici-pado en el mosaico final objeto de la clasifi-cación geológica fueron tomadas por la misiónSELENE en marzo de 2008.

En la realización práctica de este trabajo sehan usado, además de las imágenes obtenidas

por la misión SELENE, los datos altimétricosproporcionados por el instrumento LROC dela misión LRO de la NASA.

Metodología

Respecto a la metodología aplicada, se de-be señalar que los dos sensores del instrumen-to MI de la misión SELENE (MI-VIS y MI-NIR) utilizados en este trabajo disponen deresoluciones espaciales diferentes, siendo de20 m/px para MI-VIS y 62 m/px para MI-NIR,de modo que al ser ensamblados los datos re-sultantes tienen una resolución de 62 m/px pro-pia del sensor MI-NIR. En este paso se ha apli-cado un remuestreo bicúbico, reduciendo laresolución de MI-VIS a la de MI-NIR, para ob-

Clasificación de unidades geológicas sobre la superficie lunar 37

Figura 1. Localización de la meseta de Aristarchus enla cara visible de la Luna.

Tabla 2. Características de los sensores MI-VIS y MI-NIR.

MI SensorResolución

f FOV BandaLongitud

espacial de onda

1 0,415µm2 0,750 µm

MI-VIS 2D CCD 20 m/px 65 mm 11° 3 0,900 µm4 0,950 µm5 1,000 µm

6 1,015 µm

MI-NIR 2D InGaAs 62 m/px 65 mm 11,2°7 1,050 µm8 1,250 µm9 1,550 µm

tener las imágenes finales. La resolución es-pacial del resultado de este remuestreo es de-terminante a la hora de poder establecer unaescala final del resultado y en total, para la es-cena cartografiada, han participado 120 imá-genes, 60 para cada uno de los sensores, cu-briendo un área de alrededor de 10.000 km2.

Para la aplicación de las técnicas de clasifi-cación sobre las imágenes originales de SE-LENE, previamente se han unido los datos deambos sensores, de modo que conformaran unasola imagen de 9 bandas (Tabla 2). En este sen-tido, cada una de las imágenes ha sido geore-ferenciada a partir de la información aportadaen la cabecera del fichero de datos, indicandola longitud y latitud lunares, para cada uno delas esquinas de la matriz de píxeles, así comopara el punto central de la escena.

Sin embargo los valores de la posición delongitud y latitud no se corresponden exacta-mente a la situación real de los píxeles de laimagen, sino que en algunos casos pueden ve-nir alterados dependiendo de la dirección yorientación del satélite. Por lo tanto, para geo-referenciar correctamente cada una de las es-cenas se han consultado también las etiquetasde la cabecera que determinan estos dos fac-tores, y poder así georreferenciar correcta-mente la imagen.

Una vez se tenían las 120 imágenes georre-ferenciadas, podían unirse entre ellas para con-formar la región de estudio.

Clasificación de las unidadesgeológicas

Para la separación de los diferentes mate-riales sobre el área de estudio, se ha optado por

realizar una clasif icación supervisada por elmétodo de máxima verosimilitud. Por lo tanto,y en la aplicación de este método, se han defi-nido áreas de entrenamiento a las que se les haasignado un material concreto, en referencia alestudio de Chevrel et al. (2009) como se ex-pone más adelante.

El clasificador de máxima verosimilitud (omáxima probabilidad) considera que los datossiguen una función de distribución normal pa-ra asignar la probabilidad de que un píxel cual-quiera pertenezca a cada una de las clases. Elcálculo se realiza para todas las clases, y se leasigna al píxel aquella que maximice la fun-ción de probabilidad.

En nuestro caso las áreas de entrenamientose han seleccionado a partir de la informacióndel estudio de Chevrel et al. (2009) reflejadoen la Tabla 3. De este modo, al tomar las refe-rencias directamente de las imágenes de la mi-sión SELENE, no ha sido necesario determi-nar la reflectividad de la superficie a partir delos valores de radiancia aportados por los dossensores, ya que su consideración no variaríael resultado del método aquí usado.

En la nomenclatura de estas diferentes uni-dades geológicas se ha preferido respetar losnombres dados en el artículo de Chevrel et al.(2009) descritos anteriormente, ya que han si-do la referencia para la determinación de laszonas que iban a conformar las diferentes áreasde entrenamiento, y la tipología de éstas.

Diferencias entre pasadas

El desarrollo de la clasificación se ha debi-do realizar sobre dos imágenes diferentes, quecorresponden a dos grupos de pasadas del sa-

38 I. Ordóñez y A. Bastarrika / Revista de Teledetección (2013) 39, 34-45

Tabla 3. Ubicación de las áreas de entrenamiento para el método de Máxima Verosimilitud

Material Latitud Longitud

AP, anortosita con clinopiroxeno y olivino fragmentado 23°41'30,5439" N 47°31'14,1576" WAER, anortosita con piroxenos 23°54'02,6578" N 46°59'23,6153" WDMD, basalto con material magmático de carácter eruptivo 22°28'20,0361" N 48°50'05,3611" WHE, plagioclasa, clinopiroxeno y ortopiroxeno 24°14'47,5360" N 50°01'13,5895" WNE, ortopiroxeno con bajo contenido en feldespato 23°31'19,8119" N 46°23'06,0219" WOL, olivino 23°17'20,9852" N 46°42'12,4183" WSC, anortosita con clinopiroxeno 23°00'48,3736" N 47°39'45,5882" WSW, materiales basálticos ricos en clinopiroxeno 22°30'02,9549" N 47°34'24,0380" W

télite SELENE sobre el área de estudio. Estoha sido motivado por el diferente ángulo de in-cidencia solar para cada uno de los grupos depasadas, que han imposibilitado la fusión delos datos de radiancia entre ellas. Estos valo-res se muestran muy diferentes para puntos lo-calizados sobre las áreas de solape, incluso traspretender una corrección de éstos a partir delvalor del ángulo de incidencia para cada con-junto de pasadas.

Si bien las diferencias relativas a las condi-ciones geométricas de la radiación solar, y quese señalan a continuación, no son muy acen-tuadas en las órbitas consecutivas, sí lo son en-tre grupos de pasadas no consecutivas.

Hay que señalar que entre pasadas consecu-tivas, el intervalo temporal que separaba cadauna de ellas era de alrededor de 2 horas detiempo, lo que supone 8 horas de diferencia en-tre la primera y la última pasada que cubre lazona de estudio. Sin embargo se debe tener encuenta que un día lunar tiene una duración dealrededor de 28 días terrestres, con lo cual aunpareciendo considerable esa diferencia tempo-ral de 8 horas entre pasadas, suponen unas mo-dificaciones de las condiciones geométricas dela luz solar mínimas. En una aproximación sim-plif icada, sería como situar respecto a la su-perficie terrestre una diferencia temporal deunos 17 minutos entre la primera y la últimapasada de cada grupo.

Se ha estudiado la posibilidad de relacionarel ángulo de incidencia solar con los valores deradiancia de cada imagen, entendiendo que losdatos resultantes debieran ser similares paraambas imágenes en las áreas de solape, una vezaplicada esta corrección.

Se debe tener en cuenta que los valores de lasimágenes ya están corregidos radiométricamen-te (recordemos que se está trabajando con imá-genes etiquetadas como L2B), y que suponemosque la superficie lunar responde al modelo de unreflector lambertiano, en el que se refleja la ener-gía incidente por igual en todas las direcciones.Por otro lado, debido a las características de laLuna, no debemos contar en este caso con facto-res atmosféricos ni relacionados con la vegeta-ción, así que tan sólo nos resta establecer la co-rrespondencia entre los valores de los dos gruposde pasadas en base al ángulo de incidencia solar.

Para diseñar esta corrección se optó por apli-car una ecuación que relacionara el coseno delángulo de incidencia con los datos de ambasimágenes sobre los valores de 12 puntos demuestreo seleccionados en áreas de solape, demodo que se pudiera establecer una relación li-neal entre ambas imágenes.

Sin embargo el resultado no ha permitido es-tablecer una correspondencia lineal entre losdatos, ya que los valores siguen teniendo dife-rencias notables y no constantes, como se pue-de observar en la Figura 2.

Clasificación de unidades geológicas sobre la superficie lunar 39

Figura 2. Superposición de los grupos de pasadas en la región de estudio.En esta imagen se puede apreciar la diferencia de valores entre pasadas.

Ante la imposibilidad de encontrar una co-rrespondencia entre ambas imágenes que per-mitiera unirlas y trabajar con un único origende datos, la solución que se propone al pro-blema de las diferencias geométricas de la ra-diación solar entre pasadas, es realizar la cla-sif icación geológica de modo separado paracada uno de los grupos de pasadas seleccio-nados, y combinar luego los resultados deambas.

De este modo se puede obtener una infor-mación de los materiales geológicos para unasuperficie mayor que el área cubierta por cadauna de las pasadas orbitales, sin que esta in-formación se vea afectada por los diferentesvalores de radiancia en las áreas de solape.

Resultados

Separabilidad de los materiales

La separabilidad de los materiales geológi-cos se muestra en la Tabla 4, y ha sido calcu-lada a partir de las estadísticas obtenidas en lasregiones de entrenamiento. En este caso, losvalores por debajo de 1,9 indican una pobre se-parabilidad mientras que entre 1,9 y 2 la sepa-rabilidad es adecuada. Como se puede obser-var en la Tabla 4, existe una buena separacióngeneralizada entre materiales, si exceptuamosla correspondiente entre las clases HE y SW,en los que esta separabilidad puede conside-rarse muy pobre con un valor de 1,7.

Sin embargo, el gran parecido de los mate-riales que componen esta unidad geológica, enla que predomina el clinopiroxeno, y que a suvez está reflejado en la semejanza espectral de

la Tabla 4, puede justificar ese valor tan esca-so de separabilidad.

Disposición espacial de los materiales

Para tener una visión completa de la clasifi-cación sobre la región de Aristarchus, se ha rea-lizado un solape de los resultados de dicha clasi-ficación sobre los dos grupos de pasadas,mostrando la cobertura total de materiales geo-lógicos sobre esa porción de la meseta (Figura 3).

Las imágenes resultantes tras aplicar el mé-todo de máxima verosimilitud, muestran en al-guna medida una alta diversidad geológica, yuna disposición continua de las unidades geo-lógicas. Por un lado, destaca la presencia de laclase AP en el interior del cráter Aristarchus,que también está presente junto al cono volcá-nico de la formación «cabeza de cobra» del Va-llis Schröteri.

La unidad geológica AER cubre la porciónnorte de la imagen, combinándose hacia el oes-te con materiales del tipo DMD y SW. Segui-

40 I. Ordóñez y A. Bastarrika / Revista de Teledetección (2013) 39, 34-45

Tabla 4. Separabilidad de los diferentes materiales aplicando la fórmula para el cál-culo de la distancia Jeffries-Matusita

AP AER DMD HE NE OL SC SW

AP 2,000AER 2,000 2,000DMD 2,000 2,000 1,999

HE 2,000 2,000 1,999 1,999NE 2,000 2,000 1,999 1,996 2,000OL 2,000 2,000 2,000 1,999 2,000 1,995SC 2,000 2,000 2,000 2,000 2,000 1,996 1,999SW 2,000 2,000 1,998 1,679 1,999 2,000 2,000 2,000

Tabla 5. Tamaño de la superficie clasificada paracada tipo de materiales

MaterialPorcentaje

km2

de superficie

AP 10,48 % 1.228AER 53,46 % 6.267DMD 7,80 % 915

HE 0,76 % 89NE 6,06 % 711OL 0,18 % 21SC 6,15 % 721SW 15,11 % 1.771

damente, y en la región suroeste del cráter, seaprecia una disposición continua, casi de for-ma paralela, de las clases SC, NE y DMD. Es-ta disposición pudiera responder a las expul-siones de material a partir del impacto delmeteorito, en formas de «cola de gallo».

En la zona sur de la imagen, se distingue lapresencia de materiales SW, que también tienerepresentación en la esquina noreste de la re-gión estudiada.

Por último, hay dos unidades claramente se-paradas y que abarcan una extensión espacialreducida: la zona OL, compuesta por olivino yque destaca al sureste del cráter Aristarchus; yla zona HE, que corresponde a un pequeño crá-ter situado al Norte del cráter Herodotus.

Evaluación de los resultados

La evaluación de los resultados obtenidos esuno de los aspectos más comprometidos de es-te trabajo. Ya se ha señalado que tan sólo secuenta con un artículo que ha identificado losmateriales (Chevrel et al., 2009) y que de he-cho ha servido de referente para la ubicaciónde las clases en los polígonos de entrenamien-

to, y otro material de investigación (Mustardet al., 2011) que propone una separación demateriales geológicos para nuestra área de es-tudio. Por lo tanto no es posible cotejar la ca-lidad del resultado con otros trabajos ni, mu-cho menos, con muestras de campo.

Respecto a la presencia de olivino en la re-gión de Aristarchus, que tiene su referencia enla clase OL, ésta aparece pobremente repre-sentada en el trabajo de Chevrel et al. (2009),si bien, y como se desarrolla más adelante, noexisten dudas de la presencia de este mineralen esa posición sureste del cráter Aristarchus.

Por otro lado, una de las consideraciones queusó el equipo de investigación del cráter Aris-tarchus (Mustard et al., 2011), para la deter-minación de las características geológicas deéste, fue aplicar el algoritmo Spectral AngleMapper (SAM), sobre los datos aportados porla misión Chandrayaan-1. En este caso, y co-mo se puede comprobar en la Figura 5, la di-ferenciación del olivino es clara, y coincide conla presencia de éste en la Figura 4.

En este trabajo de investigación de Mustardet al. (2011), no se analiza el tipo de materia-les que componen el cráter de Aristarchus (sal-vo en el caso del olivino, comentado anterior-

Clasificación de unidades geológicas sobre la superficie lunar 41

Figura 3. Superposición de los resultados de la clasificación para ambos grupos de pasa-das.La clase AP corresponde a anortosita con clinopiroxeno y olivino fragmentado; AER:anortosita con piroxenos; DMD: basalto con material magmático de carácter eruptivo; HE:plagioclasa, clinopiroxeno y ortopiroxeno; NE: ortopiroxeno con bajo contenido en feldes-pato; OL: olivino; SC: anortosita con clinopiroxeno; SW: materiales basálticos ricos en cli-nopiroxeno.

mente), sino que propone un método de clasi-f icación geológica que separa las diferentesclases de materiales del área de estudio tal ycomo se muestra en la Figura 6.

Se puede apreciar cómo se da una distribu-ción coherente de materiales entre la Figura 3

referente a los resultados obtenidos en nuestrotrabajo y la Figura 6. Por un lado la unidad APestá claramente representada en el interior delcráter Aristarchus, y en menor medida en el co-no volcánico de la formación «cabeza de co-bra» del Vallis Schröteri. En los resultados ob-tenidos en la realización práctica de nuestroproyecto la localización y distribución de ma-teriales es similar.

También se observa de forma diferenciadala presencia de olivino, que como se ha deta-llado anteriormente está situado en el sectorsureste del cráter Aristarchus, y que viene cla-ramente diferenciado en rojo sobre la Figura 5.

Por otro lado, se aprecia una distribución pa-ralela idéntica entre las clases SC (azul claro),NE (gris), DMD (azul) de la imagen que se haobtenido en nuestro trabajo, y la gama de co-lores propuestos en la misma región para el re-sultado de Mustard et al. (2011).

Un material que aparece claramente reco-nocible, y que es algo marginal en la escena,es el correspondiente a la clase HE, localiza-do en un pequeño cráter sobre el cráter Hero-dotus, y que se muestra en la Figura 6 clara-mente resaltado con un verde amarillento. Ennuestro resultado este material corresponde ala unidad coloreada en marrón y situada sobreel mismo punto que corresponde a materialesricos en plagioclasa, clinopiroxeno y ortopiro-xeno. También se distingue la distribución uni-

42 I. Ordóñez y A. Bastarrika / Revista de Teledetección (2013) 39, 34-45

Figura 5. Aplicación del algoritmo SAM sobre los datos de M3 (Mustard et al.,2011), para la clasificación del olivino.

Figura 4. Localización de la clase OL en el trabajo deChevrel et al. (2009) y en los resultados de la clasifi-cación obtenidos en este trabajo.

forme y continua de la clase AER en el sectornorte de la imagen. Esta diferenciación es am-pliamente más clara que en el anterior trabajocomparado de Chevrel et al. (2009).

Para determinar el grado de coincidencia en-tre las clasificaciones de las imágenes corres-pondientes al primer y segundo grupo de pa-sadas, se ha realizado un conteo de píxelessegún su correspondencia entre clases.

Para ello se ha elaborado un sencillo algo-ritmo, cuyo resultado se refleja en la Tabla 6.Este algoritmo identifica la coincidencia de lasdiferentes clases entre ambas pasadas, gene-rando una matriz de confusión que posterior-mente puede ser evaluada.

A partir de los resultados obtenidos en la Ta-bla 6, se puede calcular fácilmente el porcen-taje de coincidencia entre clases. Así, el resul-tado global que obtenemos en nuestro caso esde un 68,02% de correspondencia entre clases.

Como se puede observar se dan en algunoscasos valores individuales de coincidencia con-siderablemente bajos, como HE para el primergrupo de pasadas, o DMD en el caso del se-gundo grupo, debido principalmente a la esca-sa presencia de esos materiales en las imáge-nes recíprocas.

En este punto hay que señalar, que las imá-genes analizadas no estaban corregidas geomé-tricamente entre sí, con lo cual es posible queno exista una correspondencia completa entrela ubicación de un píxel de una y otra imagen.

Aún y todo, el porcentaje de coincidencia seconsidera bueno, teniendo en cuenta este últi-mo aspecto señalado, y las dificultades que sehan indicado a lo largo del trabajo referentes ala ubicación de las áreas de entrenamiento y ala separación entre clases.

En este sentido, y como se puede observaren la Figura 3, se da una incongruencia en losresultados para ambos grupos de pasadas en laregión Oeste de la imagen, mayormente paralos materiales AER, DMD y SW, aunque en elresto de la imagen se comportan de manera co-herente entre sí. Para la cartografía final se haescogido el grupo de pasadas que de forma másuniforme respondía a la localización de los ma-teriales.

Por último, y con el objetivo de facilitar lainterpretación de los resultados obtenidos seha realizado un documento cartográfico, mos-trado en la Figura 7. Para la correcta transfor-mación de los datos se han proyectado éstos so-bre el sistema de referencia Moon 2000def inido por la International Astronomical

Clasificación de unidades geológicas sobre la superficie lunar 43

Figura 6. Aplicación del algoritmo SAM sobre los da-tos de M3 (Mustard et al., 2011), para la clasificacióndel olivino.

Tabla 6. Número de píxeles coincidentes entre clases

Segunda Primera pasada

pasada Sin AP AER DMD HE NE OL SC SW Coincidencia

solape

Sin solape 114177 113438 481719 24243 21868 48121 4341 69078 172516AP 97385 108718 60687 371 394 2126 48 1494 380 62,40%

AER 515839 16831 632837 47891 15614 19050 458 3627 87279 76,84%DMD 139826 390 50254 73907 12653 17960 157 54 89999 30,12%

HE 77 5 152 12 1224 0 0 0 114 81,22%NE 54464 3583 19703 590 1 82316 60 23181 18 63,59%OL 223 660 71 21 0 1753 1011 68 1 28,20%SC 60734 22337 9827 27 0 12322 24 57801 2 56,48%SW 117284 148 23003 7938 2987 379 1 0 226148 86,78%

Coincidencia 71,21% 79,45% 56,52% 3,72% 60,57% 57,48% 67,04% 55,99%

Union. Además se ha incluido la informaciónaltimétrica derivada del modelo digital de te-rreno obtenido a partir de las imágenes de lamisión LROC, a modo de sombreado de relie-ve y curvas de nivel y por último la proyeccióncartográfica aplicada ha sido la Transversa deMercator. De este modo, y teniendo en cuentala resolución espacial de las imágenes, se haconfeccionado la cartografía mineralógica dela zona a una escala 1/350.000.

Conclusiones

Desde los inicios de la cartografía lunar has-ta la actualidad se ha avanzado de manera de-terminante, apoyándose las diferentes agenciasespaciales en la teledetección. Para la aplica-ción de estas técnicas de teledetección sobreimágenes lunares, se cuenta con diversas fuen-tes de datos hiperespectrales y multiespectra-les, distribuidas por las diferentes agencias es-paciales internacionales.

En nuestro caso, con los datos aportados porlos instrumentos MI-VIS y MI-NIR de la mi-sión SELENE se ha podido realizar una clasi-ficación de materiales lunares de la superficiedel satélite.

Del mismo modo que en anteriores trabajos,el área de estudio escogido ha respondido a unadiversidad geológica elevada, y las diferentesclases obtenidas en el resultado de la clasifi-cación se han localizado de forma coherentecon estos trabajos previos. Sin embargo estaclasificación, para ser resuelta positivamenteha tenido que apoyarse en el trabajo de Che-vrel et al. (2009), impidiendo de este modo re-alizar una evaluación cuantitativa del resulta-do, más allá del propuesto en la coincidenciade las áreas de solape de los dos grupos de pa-sadas. Este último método nos ha devuelto unacoincidencia de disposición idéntica de mate-riales entre las dos imágenes del 68%.

Por otro lado, la evaluación del resultado semuestra compleja en este ámbito de estudio, sibien los resultados propuestos tienen cierta co-rrespondencia al menos cualitativa con ante-riores trabajos en el mismo área. Por lo tantocon esta limitación en la evaluación se entien-de el resultado obtenido como un resultado pre-liminar para una futura cartografía geológicade la región de Aristarchus, apoyada en otrosmétodos.

La resolución espacial de las imágenes quehan determinado la clasificación y diferencia-ción de las unidades geológicas, que corres-

44 I. Ordóñez y A. Bastarrika / Revista de Teledetección (2013) 39, 34-45

Figura 7. Documento cartográfico, a partir del resultado de la clasificación de materialesgeológicos.

ponden a 62 metros por píxel, posibilita la edi-ción de un documento cartográfico a una es-cala de 1:350.000. De este modo se ha obteni-do la cartografía mineralógica a mejor escalade la región de estudio hasta la fecha.

Los siguientes pasos de trabajo debieran en-caminarse en determinar, de forma menos de-pendiente de trabajos previos, la tipología demateriales mediante la comparación de signa-turas espectrales de laboratorio de muestras lu-nares obtenidas por las misiones Luna y Apo-llo. Esto incluye el cálculo de la reflectividada partir de los niveles de radiancia de las imá-genes para disponer de resultados que permi-tan la comparación con los datos de laborato-rio y de muestras lunares.

Referencias

Chevrel, S. D., Pinet, P. C., Daydou, Y., Mouélic, S.Le, Langevin, Y., Costard, F., & Erard, S. 2009.«The Aristarchus Plateau on the Moon: Minera-logical and structural study from integrated Cle-mentine UV-Vis-NIR spectral data». Icarus,(199), pp. 9-24.

Clark, Roger N., Swayze, Gregg A., Livo, K. Eric,Kokaly, Raymond F., Sutley, Steve J., Dalton, J.Brad, McDougal, Robert R. & Gent, Carol A.2003. «Imaging spectroscopy: Earth and plane-tary remote sensing with the USGS Tetracorderand expert systems». Journal of Geophysical Re-search: Planets, 108(E12). ISSN 2156-2202.

Hartmann, W. K., Phillips, R. J., & Taylor, G. J.(Eds.) 1986. Origin of the Moon. Jaumann, R.,Hiesinger, H., Anand, M., Crawford, I. A., Wag-

ner, R., Sohl, F., Jolliff, B. L., Scholten, F., Knap-meyer, M., Hoffmann, H., Hussmann, H., Grott,M., Hempel, S., Kohler, U., Krohn, K., Schmitz,N., Carpenter, J., Wieczorek, M., Spohn, T., Ro-binson, M. S., & Oberst, J. 2012. «Geology, ge-ochemistry, and geophysics of the Moon: Statusof current understanding». Planetary and SpaceScience, 74(1), pp. 15-41.

Matsumoto, S., Tayama, S., Iwamoto, Y., Ogo, K.,Tanaka, K., & Iwayama, Y. 2009. «Operation andEvaluation Results of KAGUYA Attitude and Or-bit Control System on Lunar Orbit». Japan Ae-rospace Exploration Agency.

Mustard, J. F., Pieters, C. M., Isaacson, P. J., Head,J. W., Besse, S.; Clark, R. N., Klima, R. L., Pe-tro, N. E., Staid, M. I.; Sunshine, J. M.; Runyon,C. J., & Tompkins, S. 2011. «Compositional di-versity and geologic insights of the Aristarchuscrater from Moon Mineralogy Mapper data».Journal of Geophysical Research, 116.

Nittler, L. R., McCoy, T. J., Clark, P. E., Murphy,M. E., Trombka, J. I., & Jarosewich, E. 2004.«Bulk element compositions of meteorites: A gui-de for interpreting remote-sensing geochemicalmeasurements of planets and asteroids». Antarc-tic Meteorite Research, 17, p. 231.

Ohtake, M., Haruyama, J., Matsunaga, T., Yokota,Y., Morota, T., Honda, C., & the LISM WorkingGroup. 2008. «Performance and scientif ic ob-jectives of the SELENE (KAGUYA) MultibandImager». Earth Planets Space, 60, pp. 257-264.

Pallé, E., R., Zapatero Osorio M., Barrena, R., Mon-tañés-Rodríguez, P., & Martín, E. L. 2009. «TheEarth’s transmission spectrum from lunar eclip-se observations». Nature, 459, pp. 814-816.

Wilhelms, D. E., Howard, K. A., & Wilshire, H. G.1979. Geologic Map of the South Side of theMoon. U.S. Department of the Interior, U.S. Geo-logical Survey.

Clasificación de unidades geológicas sobre la superficie lunar 45