Manual Basico de Exploracion Minera

UNIVERSIDA NACIONAL MICAELA BASTIDAS DE APURIMAC Ing. Walquer Huacani Calsin CARRERA PROFESIONAL DE INGENIERIA DE MINAS wahu [email protected] CURSO: PLANEAMIENTO DE MINADO

1

MANUAL BASICO DE APLICACIÓN DE

IMÁGENES SATELITALES EN LA

EXPLORACION MINERA

ABANCAY-2012


2

1.- IMAGENES DE SATELITE EN LA EXPLORACION GEOLOGICA - MINERA

INTRODUCCION

Las imágenes de satélite han demostrado ser una herramienta importante en la

exploración geológica – minera, minimizando costos en la etapa exploratoria.

Las imágenes de satélite se han aplicado con mucho éxito en la geología estructural, los

mosaicos de estas permiten la detección de grandes rasgos lineales, la banda del

infrarrojo cercano es la más utilizada para esta tarea porque proporciona mayor

información debido a la respuesta espectral de determinadas litologías en este rango de

la longitud de onda.

En los últimos años la aparición de una serie de sensores multiespectrales e

hiperespectrales, han permitido discriminar entre distintos tipos de litológica, identificar

minerales como la alunita, illita, clorita, caolinita, epidota, óxidos, entre otros. Las bandas

más usadas para el mapeo de minerales son las correspondientes al espectro visible e

infrarrojo. Para el caso de los silicatos de utiliza las bandas del infrarrojo térmico.

Las imágenes satelitales también son utilizadas en la elaboración de mapas

geomorfológicos, actualización de cartas geológicas

Las imágenes más utilizadas en la exploración geológica – minera son:

LANDSAT, ASTER, ALI, QUICKBIRD, SPOT, HYPERION y los aerotransportados:

GEOSCAN, MASTER, AVIRIS, HYPMAP, entre otros.

2.-DESCRIPCION DE LAS IMÁGENES UTILIZADOS EN LA EXPLORACION

MINERA

SATELITES LANDSAT.- Los satélites LANDSAT han capturado imágenes de la tierra

desde 1972, es un sensor multiespectral que capta tomado imágenes multiespectrales de

mediana resolución por desde 1972, por esto LANDSAT posee un archivo histórico

incomparable en calidad, detalle, cobertura y duración.

Las imágenes Landsat se caracterizan por la variedad de bandas que las componen. Estas

imágenes se separan en 2 tipos: Landsat 7 (sensor ETM+) y Landsat 5 (sensor TM); ambas

poseen 7 bandas multiespectrales que van desde el visible hasta el infrarrojo medio, con

una resolución de 30 metros, en la mayoría de ellas. Sin embargo, la diferencia entre ellas

radica en que las Landsat 7 poseen una banda pancromática de 15 metros y en el caso de

la banda termal, aumenta la resolución de 120 a 60 metros. Cada escena cubre 180*175

Km2. Las principales aplicaciones de estas imágenes se centran en la identificación y

clasificación de las distintas cubiertas que existen en la superficie terrestre,

determinación de humedad del suelo, clasificación de la vegetación, estudios geológicos,

elaboración de mapas hidrotermales y estudios multitemporales.


3

LANDSAT tiene imágenes de todo el mundo desde la década del 80 hasta la

actualidad

2.1.- LANDSAT 5 (TM).- Captura imágenes desde el año 1984 hasta la actualidad, el

ancho de la escena es alrededor de 180 Km2 y posee 7 bandas espectrales:

Banda 1 (Azul): Usada para el mapeo de aguas costeras, mapeo de tipo de forestación o

agricultura y la identificación de los centros poblados.

Banda 2 (Verde): Corresponde a la reflectancia del verde de la vegetación vigorosa o

saludable. También es usada para la identificación de centros poblados.

Banda 3 (Rojo): Es usada para la discriminación de especies de plantas, la determinación

de límites de suelos y delineaciones geológicas así como modelos culturales.


4

Banda 4 (Infrarrojo Reflectivo): Determina la cantidad de biomasa presente en un área,

enfatiza el contraste de zonas de agua-tierra, suelo-vegetación.

Banda 5 (Infrarrojo Medio): Es sensible a la cantidad de agua en las plantas. Usada en

análisis de las mismas, tanto en época de sequía como cuando es saludable. También es una

de las pocas bandas que pueden ser usadas para la discriminación de nubes, nieve y hielos.

Banda 6 (Termal): Para la vegetación y detección de la vegetación que se encuentra

enferma, intensidad de calor, aplicaciones de insecticidas, para localizar la polución

termal, ubicar la actividad geotermal, actividad volcánica, etc.

Banda 7 (Infrarrojo medio): Es importante para la discriminación de tipos de rocas y

suelos, así como el contenido de humedad entre suelo y vegetación.

2.2.- LANDSAT 7 (ETM), este sensor a diferencia del LANDSAT – TM, captura

imágenes pancromáticas con 15 metros de resolución y dos imágenes termales en una en

ganancia baja y la otra en ganancia alta, cubren un área aproximada de 180 Km2. A partir

del año 2003 LANDSAT – ETM tuvo problemas y a partir del 14 de julio del mismo año,

las imágenes se colectan en modo SLC-off.

Características de las bandas de las imágenes LANDSAT


5

2.3.- COMBINACION DE BANDAS CON LANDSAT

Gracias a las combinaciones de bandas podemos resaltar variaciones de color, textura,

tonalidad y diferenciar los distintos tipos de cobertura que existen en la superficie, estas

son las combinaciones de bandas más usadas:

Bandas 3, 2, 1 (RGB): Es una imagen de color natural. Refleja el área tal como la

observa el ojo humano en una fotografía aérea a color.

Bandas 4, 3, 2 (RGB): Tiene buena sensibilidad a la vegetación verde, la que aparece de

color rojo, los bosques coníferos se ven de un color rojo más oscuro, los glaciares se ven

de color blanco y el agua se ve de color oscuro debido a sus características de absorción.

Bandas 7, 4, 1 (RGB): Esta combinación de bandas es ampliamente utilizada en geología.

Utiliza las tres bandas menos correlacionadas entre sí. La banda 7, en rojo, cubre el

segmento del espectro electromagnético en el que los minerales arcillosos absorben, más

que reflejar, la energía; la banda 4, en verde, cubre el segmento en el que la vegetación

refleja fuertemente; y la banda 1, en azul, abarca el segmento en el cual los minerales con

óxidos de hierro absorben energía.

Bandas 7, 4, 2 (RGB): Permite discriminar los tipos de rocas. Ayuda en la interpretación

estructural de los complejos intrusivos asociados a los patrones volcano-tectónicos.

Bandas 5, 4, 3 (RGB): En esta combinación la vegetación aparece en distintos tonos de

color verde.

Bandas 7, 3, 1 (RGB): Ayuda a diferenciar tipos de rocas, definir anomalías de color que

generalmente son de color amarillo claro algo verdoso, la vegetación es verde oscuro a

negro, los ríos son negros y con algunas coloraciones acules a celestes, los glaciares de

ven celestes.

2.4.- LANDSAT EN LA EXPLORACION GEOLOGICA – MINERA

Mediante la combinación de bandas se puede resaltar variaciones de color, tonalidad,

textura de las rocas, es muy utilizada para el mapeo de estructuras y detectar zonas de

óxidos y arcilla. Debido a la resolución espacial de las imágenes LANDSAT se puede

trabajar a escalas aproximadas de: 1/80,000 con las bandas de 30 metros y 1/35,000

para la banda pancromática de 15 metros.

3.- IMAGENES ASTER

Las imágenes ASTER, son captadas desde 1999 por el satélite Terra.

Estas imágenes poseen 14 bandas separadas en 3 grupos, el primero con una resolución de

15 metros, en donde están las bandas del visible y del infrarrojo cercano; el segundo con

una resolución de 30 metros compuesto por 6 bandas del infrarrojo y un tercer grupo


6

termal, con una resolución de 90 metros. Sus principales aplicaciones están en el análisis

de suelos, cuerpos de agua, geología, medio ambiente, usos de suelo, entre otros. Además,

cuenta con 2 bandas estereoscópicas, a partir de las cuales se puede generar modelos

digitales de elevación. Cada escena ASTER, tiene una extensión de 60 * 60 Km2.

ASTER es un sensor multiespectral, tienen una resolución temporal de 16 días al igual que

LANDSAT. ASTER.

ASTER se divide en tres subsistemas: VNIR, SWIR y TIR; cuyas características se

pueden ver en el siguiente cuadro.

Características de las bandas del sensor ASTER


7

Comparación entre LANDSAT y ASTER


8

ASTER tiene imágenes de todo el mundo desde el año 2000 hasta la actualidad

3.1.- UTILIZACION DE ASTER EN LA EXPLORACION GEOLOGICO – MINERA

Las características espectrales y geométricas fueron diseñadas especialmente para

aplicaciones geológicas. ASTER permite la discriminación litológica, mapeo de estructuras

geológicas y la identificación de áreas de alteración hidrotermal, a su vez gracias a las 6

bandas en el SWIR, nos permite analizar las características de absorción de distintos

minerales. Entre los minerales que se pueden discriminar se encuentran la caolinita,

alunita, illita, clorita, epidota, jarosita, dickita, sericita, entre otros.

Aster también es muy utilizada en la generación de modelos de elevación del terreno.


9

4. - IMAGENES ALI (ADVANCED LAND IMAGER)

Es un sensor que se encuentra a bordo del satélite EO-1, el cual fue lanzado el 21 de

noviembre del año 2000. El sensor ALI, se creó con la finalidad de seguir la continuidad

de los datos LANDSAT. ALI tiene 10 bandas, de las cuales la primera es pancromática con

10 metros de resolución espacial y 9 multiespectrales (6 en el VNIR y 3 en el SWIR)

tienen una resolución de 30 metros y son tomadas en el VNIR y el SWIR.

Comparación de la resolución espectral entre los sensores ALI y LANDSAT


10

Ejemplos de imágenes ALI


11

Cobertura de ALI en el sur del Perú

4.1.- ALI EN LA EXPLORACION GEOLOGICO – MINERA

ALI al igual que LANDSAT y ASTER permite la discriminación litológica y el mapeo de

estructuras geológicas, a diferencia de LANDSAT y ASTER, ALI solo tiene 37 km x 42

km - 180 km (la longitud de la toma es variable).

En el mapeo de óxidos y arcillas ALI da resultados más fiables, debido a sus

características espectrales.

Si comparamos ALI y ASTER, ALI es mejor en el mapeo de óxidos, puesto que tienen 6

bandas en el VNIR y ASTER solo posee 3, en el caso del mapeo de arcillas, ASTER es el

mejor sensor multiespectral hasta la fecha.

Comparación de firmas espectrales de la USGS remuestreadas a ALI y ASTER

5.- IMAGENES HYPERION

Este sensor se encuentra a bordo del satélite EO-1, HYPERION es el primer sensor

hiperespectral a bordo de un satélite, tienen 220 bandas, las cuales abarcan el rango

espectral de a los 356 a 2577 mm, con una resolución espacial de 30 metros, gracias a su

resolución espectral se puede hacer mapeos detallados de cobertura vegetal, minerales,

etc.

HYPERION de igual forma que ALI, no tiene recubierto todo el mundo.


12

Imágenes captadas por HYPERION a nivel mundial

Comparación del tamaño de las escenas de

LANDSAT y los sensores del satélite EO-1


13

Cobertura de imágenes HYPERION en el sur de Perú

5.1.- HYPERION EN LA EXPLORACION GEOLOGICO – MINERA

Las imágenes HYPERION son usadas para el detallado de minerales, el procesamiento de

datos HYPERION, se hace mediante técnicas avanzadas de procesamiento de imágenes

hiperespectrales.


14


15

Ejemplos de imagines HYPERION capturas en Perú

Comparación entre firmas de laboratorio de la USGS y las mismas remuestreadas a la

imagen HYPERION

6.- EJEMPLOS APLICATIVOS UTILIZANDO ERDAS IMAGENS 9.2 Y ARCGIS 10

PARA LA COMBINACION DE BANDAS Y CLASIFICACION DE IMÁGENES

SATELITALES LANDSAT


16

EJERCICIO N° 01

COMBINACION DE BANDAS UTILIZANDO IMÁGENES LANSAT EN ARCGIS 10

En este ejercicio se trabajará con las imágenes LANSADT 7 (ETM)

1. Preparación de la imagen

Se trabajará con las bandas del infrarrojo cercano y visible, las cuales tienen una

resolución de 30 metros. Son las que se encuentran numeradas como: Bandas 7, 4, 1

(RGB)

2. Composición de bandas:

La composición de bandas se realizará con las bandas 7, 4 y 1

Abrir en ArcCatalog el siguiente directorio:

D:/GIS/Composicion de Bandas LANDAST Abancay/crear una carpeta de trabajo

Abrir el programa ArcMap 10 desde el escritorio

Se abre la ventana del ArcGis 10, en donde aparece en la ventana principal el ArcMap

con vista previas, las guardadas, sin título, a la cual nosotros accédenos a sin título o

simplemente cerrar (X)


17

Abrir la caja de herramientas ArcToolbox/Data Management Tools/Raster/Raster

Processing/Composite Bandas

Clic en Compisite bandas/ se genera un cuadro de Composite Bandas en donde

ingresamos las imágenes en Input Raster, buscamos la carpeta de las imágenes /

seleccionamos/Add


18

En Output Raster (seleccionar una carpeta en donde se guardara el archivo)/Save/Ok

Después de unos minutos el programa lo procesa las bandas en la cual nos da la imagen

Raster combinadas que nosotros podemos interpretar la composición.


19

Se debe crear las grides, la escala, la orientación del mosaico creado para ello

hacemos clic derecho en la pantalla (imagen)/ Data Frame Properties

En Data Frame Properties/ General y Data Frame colocar las escala, en Display las

unidades (meters) y luego pasar a Crides para construir las grillas.


20

Grides/New grides/ tenemos dos opciones para construir Grides Graticule divides

map by mendians and parallels (Coordenadas Geográficas), Measured Grid: divides map

into a frid of map units (Coordenadas UTM)/siguiente

En la tabla créate a measured grid, indicar los intervalos (x,y) y el Style tipo de línea

y color/siguiente

El tipo de letra y color que van tener las coordenadas también hay configurar en Text

style/siguiente


21

En Data Frame Properties/Properties/labels/Additional properties/Nuber

format/disminuir el número de decimales

Demos reducir a cero los decimales/aceptar/aceptar/aplicar/aceptar/aplicar/aceptar

En la parte inferior clic en Layout View, para visualizar el plano generado por el

programa, antes de eso hay configurar el formato de impresión


22

Una vez configurado el formato de impresión hacer clic en layout View para configurar

para el ploteo, antes de eso hay adicionar la leyenda, el norte magnético, la escala

gráfica, la rótula, etc.

EJERCICIO N° 02

CLASIFICACION DE IMÁGENES LANDSAT UTILIZANDO ERDAS IMAGINE

1.- Procesamiento de Imágenes Satelitales LANDSAT

Este manual consiste en manejar las imágenes satelitales para hacer una

interpretación del tipo de cobertura que representan. Basándose en la manipulación

numérica de las imágenes, podemos interpretar y clasificar los números digitales que

representa cada píxel y convertirlos a un lenguaje que podamos manipular y trabajar

en diferentes formatos.

Las manipulaciones que se pueden realizar incluyen:

Pre procesamiento

Realce

Clasificación


23

Trabajaremos en el Realce y la Clasificación, ya que nuestra imagen insumo ya cuenta

con correcciones de distorsiones radiométricas y geométricas, mismas que

corresponden al pre procesamiento.

Para realizar este ejercicio utilizaremos ERDAS Imagine.

Mejoramiento Visual de la imagen:

Aquí aplicaremos técnicas de realce para mejorar la interpretabilidad visual de una

imagen, aunque no aumenta la cantidad de información contenida en ella.

Utilizaremos la técnica de Estiramiento de contraste, para reasignar valores a los

pixeles y realzar su diferenciación para que sea más fácil su clasificación.

Abrir ERDAS Imagine 9.2, y abrir una vista, clic en Viewer

Luego en la nueva ventana se abrirá (si pregunta qué tipo de vista se desea utilizar

seleccionar Classic Viewer)

Ingresar la imagen con que trabajaremos, en la vista creada en clic en File,

Open/Raster Layer


24

Se abrirá una nueva ventana donde navegaremos hacia donde guardamos la imagen

landsat banda 3, 5 y 7 al encontrarla, seleccionarla y clic en ok

Una vez cargada hacer anti clic en la pantalla y clic en Fit imagen To

Para que aparezca en la pantalla en tiempo real hacer clic derecho en Fit Image To

Window


25

Una vez visualizada en la pantalla abrir otra ventana Viewer # 2 y enseguida OK

Se abrirá una nueva ventana Viewer # 2, buscamos la carpeta donde está guardado la

imagen lansat banda 5 y 7 al encontrarla, seleccionarla y clic en OK y así

sucesivamente las bandas que se desee cargar.

Una vez cargadas las bandas 3, 5 y 7, se cierra cada ventana (Viewer # 1, Viewer # 2,

Viewer # 3 )


26

Abrir la ventana Interpreter / Utiles / layer Stack

En este cuadro de Layer Selection and Stacking, se selecciona las imágenes de las

bandas 4, 5, y7 en el recuadro Imput File (*gif)

En el recuadro Input File de entrada se adiciona las imágenes landsat 4, 5 y 7

haciendo clic en Add para cada imagen


27

En el recuadro de salida de la imagen Output file (*img) se busca una carpeta de

salida de la imagen, enseguida clic en OK

Una vez combinadas las bandas, abrimos ERDAS IMAGEN clic en VIEWER y en

seguida en OK

Se visualiza el cuadro Viewer # 1, donde hacemos clic en File/Open/Raster layer y

buscamos el archivo (*img) guardado.


28

En este cuadro se busca el archivo (*img) guardado, una vez ubicada clic en OK

Se visualiza el siguiente cuadro, para visualizar en tiempo real la imagen Raster hacer

clic derecho en la ventana negra en Fit Imagen To Windows

2. Clasificación de la imagen

Se realizará una clasificación no supervisada, lo cual consiste en hacer un

agrupamiento de rangos con valores cercanos de los pixeles. El a. En el menú de Erdas

Imagine, clic sobre el ícono


29

Hacer clic en “Classifier”, y seleccionar “Unsupervised Classification” clasificación no

Supervisada

En este cuadro de Unsupervised Classification, en la ventana Input Raster File

Buscar el archivo raster (*img) guardado y luego clic en OK


30

En la ventana Output clúster layer filename (*img.), y Output Signature Set filename

(*sig.) de salida de raster buscar una carpeta para poder guardar y en seguida clic en

OK.

El programa comienza a procesar los Isodatas finales, una vez procesada hacer clic en

OK


31

Cuando el proceso haya terminado abrir otra vista y cargar la nueva imagen creada. En

la nueva vista, seleccionar File/Open/Raster Layer: buscar la nueva imagen creada y

OK.

Esta nueva imagen está en una sola dimensión, donde cada píxel tiene un valor entre

1-9, el cual se le asignó al grupo de píxeles con similares valores.

En este cuadro se muestra el Raster final


32

Ahora haremos un link entre las dos vistas que tenemos. En la vista del

RASTER clasificado, seleccionar View/Link unlink

Viewers/geographical. Clic en la vista de la otra imagen y nuestro link de vistas esta

creado.

Clic en Raster /Atributes para poder combinar en el cuadro

Al final según obtendremos una capa como la que se muestra en la imagen de arriba,

donde las clases han sido cambiadas de color. Para hacernos una idea que representa

cada clase, utilizaremos nuestra imagen real (RGB), con la cual se realizó el link, así se

nos hará más fácil identificar el tipo de cobertura que estamos coloreando e

identificando.


33

Ahora cambiaremos de nombre las clases que hemos coloreado y pre interpretado.

En la tabla de Atributos: Raster Attribute Editor, en la columna de Class Names,

cambiaremos los nombres según nuestra interpretación.

Al hacer los cambios debemos guardarlos, clic en el ícono de guardar de esta tabla.

Posteriormente tendremos que afinar nuestros resultados.

3. Preparación de nuestra capa de Cobertura:

Abrir ArcMap / Add , añadir la imagen clasificada que acabamos de generar


34

Una vez Add, prepara el Formato de impresión, la escala, los grides, la rótula, leyenda,

etc.

Antes de plotear hay que eliminar el ruido: como pueden ver en esta capa raster,

existen clases con área muy pequeña dentro de clases que representan un área más

extensa, a este efecto suele llamársele sal y pimienta y es algo común cuando

realizamos este tipo de procesos. Para eliminar este ruido utilizaremos la herramienta

Majority Filter, que se encuentra en

ArcToolbox /Spatial Analyst Tools/Generalization/Majority Filter

Aquí se muestra la imagen raster de Mapa de cobertura


35

3.- GENERACION DE TOPOGRAFIA A PARTIR DE IMAGEN ASTER

Para generar topografía a partir de imagen ASTER vamos utilizar dos programas como

son GLOBAL MAPPER V 13 y el ArcGIS 10

Para empezar abriremos el programa Global Mapper V 13, es un programa que trabaja

con imágenes Raster y Vectoriales, para estos tipo de trabajo se deben tener imagen

ASTER de 30 metros de resolución con modelo de elevación Digital (altura), también

tenemos imágenes SRTM de 90 metros de resolución y imágenes de 1 y 0.65 metros

resolución como IKONOS que se encuentra en el mundo de la Geomatica con un costo

de $ 7.00 km2, estas imágenes son más precisos se pueden generar planos

Topográficos a escala 1: 5,000, 1:10,000, y modelos de elevación Digital DEM.

Abrimos el Global Mapper, tenemos configurar la Proyección, Datum y las unidades

para poder trabajar para esto Clic en Tools/Configure/ en este cuadro hacemos clic

en Proyection (UTM), Zone (-18 Hemisferio Sur), Datum (WGS84), Planer Units

(Meters)/Apply/OK


36

Abrimos el Raster clic en Open Yuor Own Data Files/buscamos la carpeta donde está

guardado la imagen ASTER, antes debemos descomprimir en una carpeta, porque los

archivos vienen comprimidos.

Una vez abierto el archivo solo debemos cargar del formato DEM

(ASTGTM2_S14W073_dem) y enseguida se visualiza la imagen con sus grides de

coordenadas UTM y una barra al lado izquierdo de altitudes


37

Ahora vamos generar contorno (curvas de nivel) de acuerdo al área seleccionado, para

esto entramos a File/Generate Contours


38

Nos muestra un cuadro de opciones. Donde indicamos en contour interval (intervalo de

curvas) a 10 metros/ Contour Baunds (seleccionar el área)

En esta ventana hacemos clic en Draw a Box para seleccionar el área deseada


39

Con el mouse seleccionamos el área a generar curvas de nivel cada 10 metros/Ok/Ok

Ahora podemos visualizar las curvas de nivel que el programa a generado, este

formato vectorial podemos exportar a diferentes formatos con DWG, DXF,etc.

Para exportar entramos a File/Export vector format/DWG/Ok


40

Ahora no deseamos contornos, queremos extraer puntos (X, Y, Z) para trabajar con

programas con AutoCAD Land, AutoCAD Civil 3D, CivilCAD, ArcGIS, etc. Para eso

entramos a File/Export Elevation Grid Format

Nos muestra un cuadro para Seleccionar el formato para esto seleccionamos el

formato XYZ Grid/Ok/Ok


41

Nos muestra la separación de los puntos utilizaremos Comma/Export Bouynds/Draw a

Box/ seleccionamos el área a extraer puntos/Ok/Ok

En programa nos pide en que unidad vamos a guardar para ello lo indicamos y enseguida

por visualizar en formato Text (blok de notas), luego llevar a Excel CSV delimitado

por comas


42

4.- GENERACION DE ISOLINEAS EN ARCGIS

El siguiente es un ejemplo de generación de isoyetas en ArcGis a partir de datos de

estaciones pluviométricas para el Departamento de Apurímac.

Preparación de capas

Se aconseja guardar la información a usar ( tablas de Excel, etc) en una sola carpeta

preferiblemente en D: y guardar en libro de Excel 97-2003 o en formato CSV

delimitado por comas.


43

Al espacio de trabajo se le asigna un sistema de coordenadas especifico (bien sea

geográficas o coordenadas UTM WGS 84 o PASD 56), haciendo anti clic en el

espacio de trabajo en data frame properties/Coordinate system/

Predefined/Projected Coordinate Systems /UTM/ WGS 1984/Souhtem

Hemisphere/WGS 1984 Zone 18 S/Aplicar/Aceptar.

CARGAR CAPA DE PUNTOS DE LAS ESTACIONES

En esta entrada se muestra el procedimiento para realizar isolíneas (isoyetas,

isotermas, isobaras) en ArcGIS, en base a las estaciones meteorológicas.

Antes de iniciar debemos conocer que las isolíneas representan en un mapa líneas,

rectas o curvas, que describen la intersección de una superficie mediante la

interpolación de uno o más planos horizontales, formando gradientes relativos de la

variable o parámetro estimado, con el fin de interpretar gráficamente. Por ejemplo

una isoyeta, isoterma e isobara representan la precipitación, temperatura y presión

respectivamente en una unidad de tiempo considerada sobre una superficie.

Para crear una isolínea es necesario contar con una capa de puntos de las estaciones

meteorológicas (mínimo tres) georreferenciada y con su respectiva proyección

definida.


44

.

Ahora en el Menu hacer clic en File/ Add Data/ Add XY Data , saldrá un menú

entre el cual ingresamos a Display XY Data

En Add XY Data adicionamos el archivo, luego clic en Edit seleccionamos el Datum y la

Zona 18 sur

http://www.acolita.com/wp-content/uploads/Estaciones-meteorológicas-ArcGIS.png

http://www.acolita.com/wp-content/uploads/Estaciones-meteorológicas-ArcGIS.png


45

En caso de contar los datos dentro de una tabla de Excel con la información

meteorológica, el proceso de georreferenciación se lo realiza con la herramienta Add

XY Data, seguidamente exportar la tabla como shapefile (Clic derecho sobre la capa >

Data > Export Data).

Para realizar este procedimiento es necesario contar con la extensión Spatial Analyst,

dirigirse a la caja de herramientas ArcToolbox > Spatial Analyst Tools >

Interpolation.

En esta dirección contamos con un conjunto de herramientas de interpolación, de

acuerdo al Centro de Recursos de ArcGIS las conceptualiza de la siguiente manera:

http://help.arcgis.com/en/arcgisdesktop/10.0/help/index.html#/An_overview_of_the_Interpolation_tools/009z00000069000000/

http://www.acolita.com/wp-content/uploads/Interpolation-Spatial-Analyst-Tools.png

http://www.acolita.com/wp-content/uploads/Interpolation-Spatial-Analyst-Tools.png


46

IDW (Distancia Inversa ponderada), este método presupone que la variable que

se representa cartográficamente disminuye su influencia a mayor distancia

desde su ubicación de muestra (es el método más simple, es inversamente

proporcional a la distancia).

Kriging, es un procedimiento geoestadístico avanzado que genera una

superficie estimada a partir de un conjunto de puntos dispersados con valores

z, usar la herramienta Kriging en forma efectiva implica una investigación

interactiva del comportamiento espacial del fenómeno representado por los

valores z antes de seleccionar el mejor método de estimación para generar la

superficie de salida (muy empleada en suelos y geología).

Natural Neighbor, interpola una superficie de ráster a partir de puntos

utilizando una técnica de vecinos naturales (útil cuando existen muchos puntos

de entrada).

Spline, utiliza un método de interpolación que estima valores usando una

función matemática que minimiza la curvatura general de la superficie, lo que

resulta en una superficie suave que pasa exactamente por los puntos de

entrada (empleada cuando las superficies varían suavemente).

Una vez definido el método de interpolación (para este ejemplo Kriging, aunque Spline

es recomendado en pluviometría, pero lo uso debido a la irregularidad de los datos, y,

para definir mejor el comportamiento) abrir la herramienta Kriging.

En Input point features seleccionar la capa de puntos (estaciones meteorológicas), en

Z value fiel el campo de la tabla que contiene los datos de las isolíneas (precipitación,

temperatura, presión, etc), en Output surface raster selecionar el directorio, ahora

es posible perzonalizar en las propiedades del raster.

Como paso final se procede a crear las isolíneas, para ello vamos a utilizar la

herramienta Contornos (la misma que se utiliza para crear curvas de nivel) que se

encuentra en la caja de herramientas ArcToolbox > Spatial Analyst Tools > Surface

> Contour, al ejecutarla en el cuadro de diálogo rellenamos los datos, Input raster el

http://www.acolita.com/wp-content/uploads/Kriging-en-ArcGIS.png


47

raster creado anteriormente (Kriging), Output polilyne features definir el directorio

para salvar el shapefile y Contour interval permite fijar un intervalo de las isolíneas,

esto depende de la superfice, varianza y parámetros bajo un criterio técnico. En caso

de requerir polígonos vectoriales es necesario Reclasificar el raster (Spatial Analyst

Tools > Reclass> Reclassify), y posteriormente transformarlo como vector (Conversion

Tools > From Raster > Raster to polygon). Lo interesante de ArcGIS es que cuenta con

un potente set de herramientas que nos permiten llegar a un objetivo por diversas

formas.

http://www.acolita.com/wp-content/uploads/Mapa-de-isoyetas-en-ArcGIS.png


48

Manual Basico de Exploracion Minera

Documents

Transcript of Manual Basico de Exploracion Minera