Este documento describe la aplicación de la teledetección en la exploración geológica y de recursos minerales. Explica conceptos como el espectro electromagnético, las imágenes satelitales, la interacción radiación-superficie terrestre y la espectroscopía de reflectancia. También cubre técnicas como la espectroscopía en el infrarrojo cercano y el infrarrojo de onda corta para la identificación de minerales. Finalmente, introduce la teledetección hiperespectral y sus vent

1. Aplicación de la
Teledetección en la
exploración geológica y de
recursos minerales
Curso : IS-GEO KIGAM, Diciembre 2010
Katherine Gonzales
Laboratorio de Teledetección
Enero 2011

2. Teledetección

3. Espectro
Electromagnético

4. Transmisión atmosférica

5. Imágenes Satelitales - Resolución espectral
Visible (Azul) Visible (Verde) Visible (Rojo) Visible Visible Visible
(cercano IR) (medio IR) (medio IR)

6. Imágenes Satelitales
Imagen LANDSAT
Composición RGB:321

7. Imágenes Satelitales
Composición color
LANDSAT 742 (RGB)
LANDSAT 731 (RGB)
LANDSAT B4

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. 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 incidente
puede ser transmitida o absorbida por el objeto. (Guariguata &
Kattan 2002) .
i= r+ a+ t
i i i i
Luz reflejada
ρ= ------------------
Luz incidente

10. 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.
ESPECTROSCOPIA DE REFLECTANCIA
Técnica 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.

11. Espectroscopía de Reflectancia
En geología: principalmente se aplica en exploración mineral, mapeo de
litología, mapeo de minerales, delineación de zonas de alteración.
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)
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. Rasgos de absorción
•Diferentes tipos de minerales absorben
o dispersan la energía incidente de
manera diferente en respuesta a las
diferentes longitudes de onda.
• Estas diferencias en absorción y
dispersión pueden ser usadas para
identificar minerales.
• Análisis de máximos y mínimos de
curvas, de reflectancia:
Mínimos absorción molecular
(rasgos de absorción, bandas de
absorción)

13. Causas de los rasgos de absorción
La luz del sol incide sobre la tierra y
puede ser absorbida o reflejada.
Puede ocurrir 6 clases de
absorción:
1) Transferencia de cargas
2) Efecto en el campo crisyallno field effects
3) Vibrations moleculares
4) Centros de color
5) Bandas de conduccion
6) Transiciones orbilaes

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. Causas de los rasgos de absorción
Humedad del suelo
El agua gran absorbente
Suelos 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

16. Causas de los rasgos de absorción
Contenido de materia orgánica
Materia orgánica gran absorbente
Suelos con mayor contenido de materia orgánica más oscuros con
respecto a los suelos más secos.

17. Causas de los rasgos de absorción
Rugosidad
* Superficies lisas reflexión especular.
* Superficie rugosa reflexión difusa (arenas color claro en imagen)

18. Causas de los rasgos de absorción
Tamaño de grano
La mayor dispersión ocurre en granos pequeños con respecto a los granos
más grandes.

19. Causas de los rasgos de absorción
Contenido de óxido de Hierro
Causa 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.

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
cristalinidad
Los mínimos asociados a la orientación de sus componentes, y la intensidad y perfil a sus enlaces químicos y composición (fuente: SIInc.).

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. 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. Espectroscopía de reflectancia VNIR (0.4 a aprox. 1.0 µm)
Óxidos
Arcillas
Óxidos +
arcillas

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. Aplicaciones en exploración geológica y de recursos minerales

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. 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. 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)
B8
Además: Hidróxidos (brocita, diaspora); Algunos Sulfatos (jarosita, alunita)
Anfíboles; (actinolita); Micas (muscovita); Epidotas, Zeolitas.

29. Imágenes Satelitales – Mapeo de alteraciones
Pachía - Palca
ASTER : ratios 4/6, 5/6, 5/8 RGB

30. 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
૓= Ls/ LBB
Un cuerpo negro, por consiguiente, tiene
un coeficiente ε = 1

31. Imágenes Satelitales – Emisividad
Ley de Kirchhoff : ε(λ) + r (λ) = 1

32. Espectros TIR para grupos minerales

33. Índices litológicos para ASTER-TIR
Ninomiya y Fu, 2002

34. Aplicación de índices litológicos (Beishan, China)
Ninomiya y Fu, 2002

35. Aplicación de índices litológicos (Beishan, China)

36. Aplicación de índices litológicos (Beishan, China)

37. Aplicación de índices litológicos (Beishan, China)

38. Aplicación de índices litológicos (Beishan, China)

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. Teledetección Hiperespectral

41. 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)”

42. Teledetección Hiperespectral
Multiespectral vs. Hiperespectral

43. Teledetección Hiperespectral
Multiespectral vs. Hiperespectral

44. 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

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. Sensores Hiperespectrales
•HYPERION

47. Teledetección Hiperespectral
PROCESAMIENTO: 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
Utilizan el campo espectral o
subsecciones de la imágen.
Ejemplos: Empirical Line Method,
Flat Field
Contribución atmosférica en la
radiancia-al-sensor

48. Teledetección Hiperespectral
PROCESAMIENTO: Métodos de corrección atmosférica
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.

49. Teledetección Hiperespectral
PROCESAMIENTO: Métodos de calibración atmosférica (ACORN incluye
MODTRAN)

50. Teledetección Hiperespectral
PROCESAMIENTO: 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. Teledetección Hiperespectral

52. Teledetección Hiperespectral
PROCESAMIENTO: Decorrelation stretch
• Para imágenes con bajo contraste espectral. Se usa para mejorar
datos termal infrarojo multiespectrales e hiperespectrales.

53. Teledetección Hiperespectral
PROCESAMIENTO: Decorrelation stretch

54. Teledetección Hiperespectral
PROCESAMIENTO: RATIOS
• El método de ratios es una herramienta pobre para un conjunto
de datos hiperespectrales, pero es rápido para resaltar algunas
características.

55. Teledetección Hiperespectral
PROCESAMIENTO: RATIOS

56. Teledetección Hiperespectral
PROCESAMIENTO: ANALISIS ESPECTRAL
Algorithms:
• Spectral angle mapper. ¿Que tan bien el espectro
• Spectral feature Fitting de la imágen corresponde
• Tetracorder al espectro del blanco?

57. Teledetección Hiperespectral
PROCESAMIENTO: IDENTIFICACIÓN DE ESPECTROS
Identificación “manual” (al ojo)
Se usa librerias espectrales publicadas
Identificación “automatica”
“Spectral Analyst” del software ENVI

58. Teledetección Hiperespectral
PROCESAMIENTO: 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. Teledetección Hiperespectral
PROCESAMIENTO: 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. Teledetección Hiperespectral
PROCESAMIENTO: SPECTRAL ANGLE MAPPER Clasificación
SAM
Alunita
Kaolinita

61. Teledetección Hiperespectral
PROCESAMIENTO: 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. Teledetección Hiperespectral
PROCESAMIENTO: SPECTRAL FEATURE FITTING (SFF)

63. Teledetección Hiperespectral
PROCESAMIENTO: MATCHED FILTERING
Maximiza la respuesta
de los miembros
finales y minimiza la
respuesta del fondo
(background).

64. Teledetección Hiperespectral
COMPARACION MATCHED FILTERING – SPECTRAL FEATURE FITTING

65. Teledetección Hiperespectral
REDUCCIÓN 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
cobertura
SAM: Spectral Angle
Mapper

66. REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DE
MIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALES
Método “HOURGLASS” (Reloj de Arena)

67. 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

68. REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DE
MIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALES
Método “HOURGLASS” (Reloj de Arena)
PLOTEO DE VALORES EIGEN

69. 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)

70. 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

71. REDUCCIÓN DE LA DIMENSIONALIDAD DE DATOS , DETERMINACIÓN DE
MIEMBROS FINALES Y ANALISIS DE MEXCLAS ESPECTRALES
Método “HOURGLASS” (Reloj de Arena)

72. 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
•…etc.

73. Imágenes del Laboratorio de Teledetección
• LANDSAT • ASTER

74. • Generación de productos para ser incluidos en GEOCATMIN:
Mosaicos B3 ASTER.
Mosaicos 931 ASTER (interpretación litológica).
Mosaicos Anomalías espectrales LANDSAT.

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. GRACIAS