PROCESAMIENTO DE DATOS ASTER EN EL BLOQUE DE SAN RAFAEL, MENDOZA OBJETIVOS ÁREA DE TRABAJO ÁREA DE TRABAJO

Transcripción

1 ÁREA DE TRABAJO PROCESAMIENTO DE DATOS ASTER EN EL BLOQUE DE SAN RAFAEL, MENDOZA Integrantes: María Paz González, Anabel Gómez Año: 2008 Distrito el Nevado Bloque San Rafael, Mendoza ÁREA DE TRABAJO Cerro San Pedro Bloque San Rafael, Mendoza OBJETIVOS Utilizar los sensores remotos como herramienta para el mapeo geológico de una zona de interés. Identificar y discriminar diferentes unidades geológicas. Identificar zonas de alteración y determinar la presencia de distintos minerales de origen hidrotermal. Reconocer lineamientos o estructuras. La zona de estudio se encuentra ubicada sector central del Bloque de San Rafael, provincia de Mendoza. Esta comprende un halo de alteración n potásica y sericítico tico-arcillosa de distribución n errática que ha sido interpretado como un sistema de tipo cobre porfírico rico pérmico inferior, emplazado en rocas volcánicas y piroclásticas del Grupo Cochicó (Pérmico inferior) y cubiertas parcialmente por coladas basálticas cuaternarias. Mostrar resultados obtenidos de diferentes procesamientos y clasificaciones realizados con datos ASTER. Aplicar los conocimientos adquiridos en un sistema de información geográfica (GIS).

2 METODOLOGIA Imágenes utilizadas ASTER ASTL1A cedida por el SEGEMAR El procesamiento se realizó con el programa ENVI 4.3 Se agruparon las bandas por subsistemas (VNIR, SWIR, TIR) Se realizó un layer stacking para crear un archivo único con todas las bandas (1-14) y la SH (DEM), unificando el tamaño de los píxeles a 30 metros Se extrapoló con el método Nearest Neighbor Se agregó en el Header el nombre y la longitud de onda para cada banda. Se elaboró un recorte de la imagen original (Subset) sobre el cual se realizó el procesamiento. RGB: 321 RGB: 321 con Saturation Stretch RGB: 3S2S1S con realce linear 2% en la imagen

3 Clasificación Supervisada ROI Clasificación Supervisada ROI Basaltos Cuaternario Ignimbritas? y Dacita Likehood RGB: 3S2S1S con realce linear 2% en la imagen Parallelepiped Mahalanobis RGB: 3S2S1S con realce linear 2% en la imagen RGB: 3S2S1S con realce linear 2% en la imagen Clasificación Supervisada ROI Minimum Distance RGB: 431 Likehood

4 RGB: 321 con Saturation Stretch RGB: 4S3S1S con realce linear 2% en la imagen Clasificación Supervisada ROI Likehood RGB: 4S3S1S con realce linear 2% en la imagen RGB: 4S3S1S con realce linear 2% en la imagen

5 RGB: 461 RGB: 1162 RGB: 459 RGB: 469 RGB: 469 COCIENTE DE BANDAS RGB: 3/14/67/5 COCIENTE DE BANDAS RGB: 4/54/64/7 Gray Scale 4/6

6 CALIBRACION Y NORMALIZACION IAR (Internal Average Reflectance): Se utiliza para normalizar las imágenes de una escena a un espectro promedio Es particularmente efectiva para reducir los datos hiperespectrales a reflectancia relativa en un área donde no existen mediciones en el terreno Funciona mejor para las áreas áridas sin vegetación. Se calcula un espectro promedio en la escena y se usa como espectro de referencia para el subset Se utiliza para poder aplicar clasificaciones mineralógicas. EMISSIVITY NORMALIZATION RGB: 469 Se utiliza para calcular los valores de emisividad y temperatura para poder aplicar los índices mineralógicos. ENLACE λ ASTER-SWIR MINERAL Al-OH MINERALES DE INTERES Para prospección de áreas de alteración hidrotermal 2160nm 2200nm Banda5 Banda6 Alunita, montmorillonita, illita, sericita TIPO DE ALTERACION Argilica avanzada, argilica y filica Fe-OH 2260nm Banda7 Jarosita Zona de oxidación INDICES MINERALOGICOS La imágenes de índices son generadas a partir de la banda SWIR y/o TIR aplicando coeficientes de transformación. Dan como resultado imágenes en tonos de grises fáciles de interpretar donde el color banco significa una alta respuesta del mineral buscado CO3; MG-OH 2330nm 2400nm Banda8 Banda9 Calcita, clorita (epidoto) Propilítica Algunos ejemplos..

7 Índice AI = (B7/B5)*(B7/B8) Índice OHI = (B7/B6)*(B4/B6) Ninomiya (2004) Ninomiya (2004) Índice KI = (B4/B5)*(B8/B6) Índice CL = (B6/B8)*(B9/B8) Ninomiya (2004) Ninomiya (2004)

8 PORCENTAJE DE SILICE PORCENTAJE DE SILICE MIN MAX Para diferenciar rocas ácidas se aplicó el cociente 3/1 IG 13/12. El IG (índice de granito) se calcula con el subsistema TIR (12/11/11/10). El cociente 3/1 diferencia óxidos de Fe y el 13/12 discrimina el porcentaje de sílice. RGB: 3/1IG13/12 Índice Q = B12/B13 Ninomiya (1997) Ninomiya (2004) CLASIFICACIÓN SUPERVISADA SAM CLASIFICACIÓN SUPERVISADA SAM Se realizo la clasificación utilizando el mapeo de ángulo espectral (SAM) Consiste en la determinación de la similitud entre el espectro del pixel de la imagen y el patrón espectral del mineral de interés El algoritmo determina la similitud espectral calculando el ángulo de mejor aproximación y considerando a ambos vectores

9 CLASIFICACIÓN SUPERVISADA SAM CLASIFICACIÓN SUPERVISADA SAM SHADED RELIEF IMAGEN APLICACIÓN DE GIS Es un modelo de análisis a partir del DEM Es importante la dirección de la fuente de iluminación ya que permite visualizar sistemas de estructuras o lineamientos Combinación de bandas 431 con saturation streching en la que se superpusieron zonas ricas en Allunita. Elevación 30º Az 15º

10 APLICACIÓN DE GIS CONCLUSIONES Se pudieron identificar distintas litologías en base a diferentes combinaciones de bandas y clasificaciones supervisadas que permitieron un mapeo preliminar de la zona. A partir de índices y cocientes de bandas se pudieron reconocer rocas con distinto contenido de sílice y zonas de alteración. Se detectaron albita, mezclas de kaolinta-esmectita, feldespato potásico, alunita e illita, a partir de la clasificación spectral angle maper, utilizando la librería espectral de la IUGS. Se interpretaron posibles lineamientos a partir de la imagen shaded relief. Se comenzó a trasladar los datos a un sistema de información geográfica con el fin de completar el mapeo gológico y volcar los datos de campo en la imagen generada en gabinete. MODELO DE ELEVACION DIGITAL FIN