UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO PROGRAMA DE POSGRADO EN CIENCIAS DE LA TIERRA CENTRO DE GEOCIENCIAS APLICACIÓN DE TÉCNICAS DE PERCEPCIÓN REMOTA CON DATOS ASTER PARA DETECTAR BLANCOS DE EXPLORACIÓN MINERA T E S I S QUE PARA OPTAR POR EL GRADO DE: MAESTRO EN CIENCIAS DE LA TIERRA P R E S E N T A: EDUARDO GERARDO SÁNCHEZ CÁRDENAS TUTOR PRINCIPAL DR. LUIS FERNANDO VASSALLO MORALES Centro de Geociencias, UNAM MIEMBROS DE COMITÉ TUTOR DR. ROMÁN ÁLVAREZ BÉJAR Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas, UNAM DR. EDUARDO GONZÁLEZ PARTIDA Centro de Geociencias, UNAM DR. VICTOR MANUEL VELASCO HERRERA Instituto de Geofísica, UNAM DR. JORGE LOPEZ BLANCO Instituto Nacional de Ecología y Cambio Climático JURIQUILLA QRO. JUNIO 2016 Dedicatoria La culminación de este trabajo representa el esfuerzo de un gran número de personas, que a lo largo de mi formación profesional han estado al pendiente, apoyándome en todo momento… …Camino por la vida acompañado de muchos propósitos, …Lleno de ilusiones y sueños, lleno de fuerza y fe …Lleno de amor y felicidad. Y todo ello gracias a las personas mágicas que llevo muy dentro de mí Y las que les debo todo lo que soy… Este trabajo lo quiero dedicar a mi familia, MILE, MAJIS y ADI que sin ellas no existiría la fortaleza y el amor a continuar día a día al encuentro con la plenitud familiar… GRACIAS… ii Agradecimientos. Muy en especial mi asesor externo, M.C. Gabriel Origel Gutiérrez ya que siempre estuvo al pendiente de los avances de este trabajo, con el compromiso de mejorarlo y llevarlo a su culminación. Gracias por tu profesionalismo y compromiso de formarme como un mejor estudiante….GRACIAS. A mis sinodales: Dr. Luis Vassallo Morales por su tan importante participación, Dr. Román Álvarez Béjar, por sus muy atinadas observaciones en este trabajo, al Dr. Eduardo González Partida por sus claras observaciones y disponibilidad de atenderme, al Dr. Blanco por sus especificas observaciones para mejorar este trabajo y al Dr. Víctor Manuel Velasco Herrera por sus extraordinarios consejos de mejorar este trabajo y en general por sus cátedras de ser mejores estudiantes. Agradezco muy en especial al Consejo Nacional Ciencia y Tecnología, por su importante labor de apoyar a la generación de científicos mexicanos. Al Dr. Carlos Canet Miquel y Dra. Rosa María Prol Ledezma, Responsables de Laboratorio de Yacimientos Minerales del Instituto de Geofísica UNAM, por su excelente disponibilidad para el uso del equipo: Analytical Spectral Devices, Inc. (ASD) LabSpec Pro; LSP 350 – 2500P, Serie 4054, en la toma de firmas espectrales de muestras de campo. Un especial agradecimiento a los amigos Geog. Carlos Alejandro Pérez García y Geol. Marco Antonio Hernández Montaño, que a pesar de los bajos presupuestos en la recolección de muestras, pusieron mucho esfuerzo y dedicación en la obtención y descripción de muestras de campo. De igual forma un especial agradecimiento a toda la comunidad de académicos, administrativos de Geociencias por su excelente trabajo durante mi estancia en el CeGeo. Y muy en especial a la Sra. Marta Pereda, que hace un trabajo muy profesional de calidad y calidez. Agradezco a la comunidad estudiantil durante mi estancia en CeGeo, Amador, Santa María, Jorge, Víctor ±, Aldo, Profe Orozco, Norma, y muy en especial a José Luis Farfán, por el apoyo recibido estoy muy agradecido. Un muy sincero agradecimiento a mi adorada esposa ADRI, que estuvo siempre al pendiente de culminar este trabajo y muy en especial a mis preciosas hijas MAJIS y MILE, que son motor a seguir siempre adelante…¡benditas mujeres!. Y muy en especial a mis suegros, Alfonso Bobadilla M. y Alberta Cedillo G. que son una extraordinarias personas y siempre han velado y apoyado a la familia en estos retos de la vida. A mis padres; apoyo. Emeterio Sánchez y Apolonia Cárdenas, a mis hermanos, por su iii Contenido Dedicatoria………………………………………………………………………. Agradecimientos………………………………………………………………… Resumen……………………………………………………………….….. i Introducción……………………………………………………………..... i.1 Importancia de la producción minera en México……………………………. i.2 Marco legal para la Percepción Remota en la exploración geológico-minera…... i.3 Objetivo general…………………………………………………………….. i.3.1 Objetivo específico………………………………………………………..... i.3.2 Delimitación del trabajo…………………………………………………….. i.4 Estructura del contenido…………………………………………………...... Capítulo I. FUNDAMENTOS DE LA PERCEPCIÓN REMOTA 1.1 Generalidades………………………………………………………………. 1.2 Sistemas de Percepción Remota……………………………………………... 1.2.1 Clasificación de los sensores……………………………………….. a) Aéro-transportada…………………………………………………... b) Espacial – Satelital…………………………………………………. c) Radar ( Radio Detection of Ranging)………………………………... 1.3 La Percepción Remota y la Prospección Geológico - Minera………………… 1.4 Bases Físicas de la Percepción Remota en la prospección minera……………... Capítulo II. EL SATÉLITE TERRA Y EL SENSOR ADVANCED SPACEBORNE TERMAL EMISION AND REFLECTION RADIOMETER (ASTER) 2.1 Características Técnicas…………………………………………………….. 2.2 Los antecedentes de la prospección minera con imágenes ASTER…………….. 2.2.1 Aportes del mapeo hiperespectral…………………………………… Capítulo III. MARCO GEOLÓGICO DE REFERENCIA 3.1 Marco teórico-geológico (Tipo de alteración - mineralización en sistemas de tipo pórfido cuprífero, PC)…………………………………………………... 3.2 Marco geológico……………………………………………………………. 3.2.1 Geología Regional…………………………………………………... 3.2.2 Alteración y mineralización………………………………………… 3.3. Mapeo hidrotermal con sensores remotos y PDI……………………………… 3.3.1. Realce espectral para el mapeo de alteración hidrotermal……………… Capítulo IV. METODOLOGIA DE PROCESAMIENTO DE DATOS ASTER 4.1 Definición del proyecto……………………………………………………... 4.2. Pre - procesamiento…………………………………………………………. 4.3 Procesamiento………………………………………………………………. 4.3.1 Componentes principales (CP)………………………………………. 4.3.2 Supresión de la vegetación………………………………………… 4.3.3 Decorrelation Stretch……………………………………………….. 4.3.4 Método de Combinación de bandas………………………………….. 4.3.5 Método; Band ratio…………………………………………………. 4.3.6 Filtros………………………………………………………………. 4.3.7 Minimum Noise Fraction (MNF)…………………………………….. 4.3.8 Técnica Crosta……………………………………………………… ii iii viii x x xii xiv xiv xiv xvi 1 1 1 1 1 2 4 5 6 12 12 17 28 33 38 38 41 44 46 53 54 56 59 61 61 62 62 62 62 63 63 iv 4.3.8.1 Técnica Crosta adaptado a ASTER…………………... Interpretación de resultados y productos cartográficos………………………... 63 66 Capítulo V. RESULTADOS 5.1 Ubicación de Proyectos mineros…………………………………………….. 5.2 Minerales y técnicas de detección…………………………………………… 5.3 Técnicas y métodos de mapeo………………………………………………. 5.4 Presentación de resultados y definición de blancos…………………………… 5.4.1 Mapas de Potencial Minero (MPM)………………………………….. 5.4.1.1 Resultados del Proyecto Cananea………………………….. 5.4.1.2 Resultados de Proyecto Cumobabi…………………………. 5.4.2 Mapas en RGB……………………………………………………… 5.5 Validación de resultados del procesamiento digital de imágenes……………… 5.5.1 Validación de resultados por comparación estadística………………… 5.5.2 Validación de resultados por muestreo de campo y laboratorio………... 68 70 70 73 73 73 83 86 87 87 89 Capítulo VI. Discusión y Conclusiones Discusión……………………………………………………………….….. Consideraciones…………………………………………………………….. Conclusiones……………………………………………………………….. Anexos……………………………………………………………….…….. Bibliografía……………………………………………………………….… 92 95 96 98 119 4.4 INDICE DE FIGURAS. Figura 1. Figura 2. Figura 3. Minería mexicana en el contexto internacional de inversiones en Vii exploración…………………………………………………………… Participación de los metales en México (CAMIMEX, 2009)……………. ix Figura 4. Relación de satélites comerciales, su ubicación corresponde a su tamaño de pixel y la precisión sobre el terreno………………………………… 4 Elementos de la Percepción Remota…………………………………… 6 Figura 5. Descripción ondicular de la REM……………………………………… 7 Figura 6. Muestra las distintas regiones del espectro electromagnético…………… 8 Figura 7. Ventanas atmosféricas………………………………………………… 9 Figura 8. Firmas espectrales de minerales……………………………………… 10 Figura 9. Satélite TERRA y ubicación de sensor ASTER………………………… 13 Figura 10. Figura 11. Comparación de las bandas espectrales de ASTER con las bandas de Landsat ETM+……………………………………………………….. Modelo estático propuesto por Lowell y Guilbert 1970………………… 17 35 Figura 12. Modelo dinámico propuesto por Gustafson y Hunt 1975……………… 36 Figura 13. Mapa geológico de Sonora Méx., Instituto de Geología ERNO, UNAM…. 41 Figura 14. Esquema comparativo de las estructuras, procesos, tipos de alteración, volátiles liberados, temperaturas, pH, tipos de fluidos y reacciones involucradas en la formación de los depósitos epitermales de baja y alta sulfuración……………………………………………………………. 45 Figura 15. Modelo de zonificación de procesos hidrotermales, según Camprubí et al.2003…………………………………………………………….… 46 v Figura 16. Figura 17. Figura 18. Figura 19. Figura 20. Figura 21. Parte del anexo 1. Firmas espectrales de los minerales mapeados: a) Clorita - Epidota de la USGS, b) Clorita - Epidota remuestreada a bandas ASTER c) Clorita - Epidota de la imagen del proyecto, d) biotita de la USGS, e) biotita remuestreada a bandas ASTER f) biotita de la imagen del proyecto, g) Pirita de la USGS, h) Pirita remuestreada a bandas ASTER i) 51 Pirita de la imagen del proyecto……………………………………… 52 Firma espectral de la Hematita (USGS) ……………………………… Diagrama de flujo de las principales etapas de un proyecto de exploración geológico-minera con datos de Percepción Remota…………………….. 53 Metodología general de procesamiento digital de imágenes ASTER para la detección de áreas de alteración minera……………………………… 54 55 Primera etapa: Definición del proyecto……………………………… Figura 23. Los diferentes niveles de procesamiento generados en ERSDAC, de acuerdo al tipo de dato y a los diferentes subsistemas de ASTER. 56 SEGEMAR-JICA, 2003……………………………………………… Etapa de Pre-procesamiento, niveles de procesamiento de la imagen 57 adquirida, pueden ser los niveles 1A, 1B, 2 y 3A……………………… 59 Diagrama de flujo de la etapa de Procesamiento……………………… Figura 24. Diagrama de Flujo del proceso de segmentación……………………… 65 Figura 25. Etapa de interpretación de resultados de mapeo de datos ASTER………. 67 Figura 26. Localización de imágenes seleccionadas para aplicación de metodología de Procesamiento Digital de Imágenes………………………………… 68 Portada de software ENVI ver. 4.7…………………………………….. 70 Figura 22. Figura 27. Figura 28 (a). Figura 28 (c). Proyecto Cananea; Potencial de alteración potásica 74 (feldespatos alcalinos) ……………………………………………….. Proyecto Cananea; Potencial de biotita………………………………… 75 Proyecto Cananea; Potencial de Cuarzo……………………………….. 76 Figura 29 (a). Proyecto Cananea; área de alteración Propilítica; Potencial de Albita…… 77 Figura 29 (b). Proyecto Cananea; área de alteración Propilítica; Potencial de Clorita…. 78 Figura 29 (c). 79 Figura 32. Proyecto Cananea; área de alteración Propilítica; Potencial de Pirita…… Proyecto Cananea; alteración hidrotermal, por la presencia de Óxidos Férrico, Alunita y Cuarzo……………………………………………… Proyecto Cananea; áreas de alteración Potásica Fílica y Argílica……………………………………………………………… Proyecto Cananea: Potencial de Caolinita……………………………… Figura 33. Proyecto Cumobabi; áreas de alteración Fílica…………………………. 83 Figura 34. Proyecto Cumobabi; áreas de alteración Argílica……………………… 84 Figura 35. Proyecto Cumobabi; áreas de alteración Fílica y Argílica………………. 85 Figura 36. Muestra de mano M_1; Punto “C” ……………………………………. 89 Figura 37. Toma de respuestas espectrales en laboratorio con ASD Pro……………. 90 Figura 38. Firmas espectrales de Caolinita – Esmectita……………………………. 91 Figura 40. Resultados; proyecto Cananea: Potencial de caolinita………………….. 93 Figura 28 (b). Figura 30. Figura 31. 80 81 82 vi ÍNDICE DE TABLAS Tabla 1. Características de sensores comerciales multiespectrales……………… 3 Tabla 2. Resoluciones de las bandas ASTER por subsistema…………………….. 9 Tabla 3. Características técnicas del Instrumento ASTER……………………… 14 Tabla 4. Niveles de procesamiento de los Productos ASTER…………………….. 15 Tabla 5. Características de sensores hiperespectrales…………………………… 28 Tabla 6. Tabla 7. Criterios para la selección de imágenes ASTER en prospección geológico minera……………………………………………………………….. 55 65 Fórmulas y bandas de serie CROSTA aplicadas a datos ASTER……… Tabla 8. Imágenes ASTER seleccionadas……………………………………….. Tabla 9. Minerales, grupos de minerales, alteraciones y asociaciones minerales 70 detectadas por diferentes métodos……………………………………… 69 Tabla 10. (a) y (b) Tabla 11. Tabla 12. Resultados de superficie en áreas (ha) detectadas por método utilizado 71 para proyecto Cananea………………………………………………. Tabla comparativa de resultados de PDI con otro trabajo de la misma área 87 de análisis…………………………………………………………… Técnicas de detección 1para mineral de caolinita……………………….. 92 ÍNDICE DE ANEXOS Anexo 1. Firmas espectrales de los minerales detectados………………………… 98 Anexo 2. Datos de las minas en el noroeste de México…………………………… 107 Anexo 3. Tabla de formulas y serie CROSTA aplicadas a datos ASTER………… 109 Anexo 4. Descripción petrológica y análisis de firmas espectrales……………… 110 vii Resumen La necesidad de impulsar el desarrollo regional en los diferentes sectores de la economía, nos hace proponer alternativas por medio de trabajos académicos ó de investigación que se inserten en los procesos productivos. Las actividades cotidianas de los geocientificos están vinculadas a apoyar la estabilidad y el desarrollo del país. El proceso de extracción de recursos minerales en México está sustentado en amplios ejercicios de exploración (directos e indirectos), es por ello que la importancia de implementar herramientas geomáticas de la Percepción Remota (PR) y Procesamiento Digital de Imágenes (PDI), nos ayudan a caracterizar las áreas con algún grado de potencial minero. Las imágenes de satélites comerciales disponibles hoy en día, nos permiten obtener un alto grado de información en la etapa de exploración de depósitos minerales. La utilización de imágenes de satélite multiespectrales o hiperespectrales complementa a los datos geológicos, litológicos, estructurales, geofísicos, tectónicos, geoquímicos y petrográficos etc., con el fin de apoyar y optimizar la exploración geológico-minera, detectando las áreas de alteración de ciertas tipologías de yacimientos de interés. La “exploración minera” puede ser ampliamente asistida por medio de la percepción remota y otras tecnologías geomáticas. El uso de estas tecnologías, herramientas y técnicas se deben usar antes y después de denunciar o atribuirse derechos de asignación o concesión para explorar. Es decir antes de denunciar, se debe tener más argumentos para así orientar la delimitación de los lotes mineros como futuras asignaciones o concesiones. Y después de denunciar, resulta una estrategia para jerarquizar los blancos, así como para definir otras tareas de la exploración. En el contexto internacional la aplicación del procesamiento digital de imágenes ASTER para apoyar la exploración, se posiciona actualmente como una técnica útil en las etapas tempranas de la exploración y en particular para la selección de los sitios y para la jerarquización de blancos. Las técnicas de percepción remota, como su nombre lo indica, se realizan a distancia, constituyen una serie de técnicas no invasivas y de gran utilidad para estudiar áreas relativamente extensas, de difícil acceso, garantizando la seguridad del personal de campo y sus equipos de trabajo, así como en la optimización de recursos para planear el trabajo de campo, en las subsecuentes y diversas etapas de la exploración Las imágenes del sensor multiespectral ASTER destacan entre las más usadas para detectar minerales de áreas de alteración (Di Tommaso I. and Rubinstein N., 2007; Mars and Rowan, 2006; Hubbard and Crowley, 2005; Rowan et al. 2006; Rowan et al. 2005; Crosta et al., 2003; Ninomiya, 2002; Ninomiya and Fu, 2001). Kalinowski y Simon (2004) elaboraron un manual de procesamiento de índices de minerales utilizando imágenes ASTER y Origel-Gutiérrez (2007) elaboró un catálogo de procesamiento ASTER como guía ilustrada sobre la interpretación visual de la percepción remota aplicada a la cartografía geológica y a la exploración minera. Sin embargo, no se ha reportado aún la integración metodológica de las diversas técnicas, más allá de los índices, la cual permita funcionar como una guía tanto para la interpretación visual como para el procesamiento digital integrado, que sirva de referente sobre los pre-procesos y procesos por aplicar en función de los objetivos de exploración y bajo determinadas circunstancias tales como el tipo de nivel de procesamiento de los datos ASTER. Por esta razón, el objetivo general de este trabajo es integrar las diversas técnicas del procesamiento de imágenes ASTER en una guía metodológica para detectar aéreas de alteración mineralógica y/o asociaciones minerales, originadas por la génesis y evolución de los grupos de minerales tipo, asociados o indicadores de la formación de yacimientos hidrotermales y/o por viii diseminación, favoreciendo la definición de blancos de interés en la exploración geológico-minera. La aplicación de dicha metodología depende de las necesidades particulares de cada proyecto, pero en general se presentan aquí las principales técnicas en función del tiempo disponible, el nivel de pre-procesamiento de las imágenes, la disponibilidad y calidad de datos auxiliares, los minerales a detectar y el tipo de análisis, incluyendo el uso de datos con o sin calibración. Se enfatiza en los criterios para la elección de una escena óptima así como en el tipo de pre-procesamiento requerido. Las técnicas de procesamiento elegidas tienen como fundamento la firma espectral y las características de absorción del mineral. Entre las principales se encuentran: Realce espectral por cocientes, índices y estadística multi-variada; realce espacial para interpretar rasgos geológico-estructurales; clasificación y segmentación usando análisis espectral, así como cartografía de minerales, alteraciones y blancos de exploración. El resultado del trabajo es un diagrama de flujo detallado, que se propone como una guía de procesamiento. Concluye el trabajo con mapas de factibilidad para cada mineral detectado y cartografía de blancos de exploración donde coinciden los principales minerales de alteración en relación a las estructuras geológicas. ix i. Introducción i.1 La importancia de la producción minera en México El mundo actual requiere de la generación de alternativas de desarrollo en todas las ramas de la economía. Las actividades laborales cotidianas de un profesional de las Geociencias, se insertan en proyectos más amplios dirigidos a apoyar la estabilidad y el desarrollo de nuestro país y en especial, para generar inversiones y empleo a corto o largo plazo, con el fin de coadyuvar a la estabilidad económica, local, regional e internacional. Uno de los ejemplos evidentes lo constituyen las actividades relacionadas con la extracción de recursos minerales. En el contexto internacional en el 2008 la minería no escapó a las turbulencias financieras, por la disminución de créditos internacionales de las empresas que cotizan en la bolsa de valores disminuyó la demanda de los minerales y bajó el precio de los metales base. Por ejemplo, México perdió más de 3 mil millones de dólares en los últimos 3 años por el paro de Cananea. Por otra parte, se encuentra el caso de los metales preciosos como Oro y Plata que se mantuvieron muy a la alza, cotizando la onza de oro para 2008 en 729.50 dólares y para 2009 se incrementó a 1000.50 dólares, en tanto que la onza de Plata pasó de 8.88 dólares a 17.40 dólares. En lo referente a metales base como el Cobre el precio se incremento el doble ya que pasó de 1.30 dólares a 2.8 dólares por libra. Lo que representa un indicador de la importancia de sumar esfuerzos para apoyar a este sector de la economía (CAMIMEX, 2008). Figura 1. Minería mexicana en el contexto internacional de inversiones en exploración. Para el 2008 de un total de 1912 empresas que hicieron inversión en exploración, las mexicanas representaron el 6% (756 millones de dólares), ocupando así el cuarto lugar mundial, después de Canadá, Australia y Estado Unidos (Figura 1). La estructura global del sector minero se caracteriza por ser un sistema integrado por empresas que ocupan nichos definidos y utilizan diversas estrategias comerciales para reducir riesgos, crear oportunidades y tener una movilidad ascendente en el sistema. En esta estructura se ubican las grandes empresas multinacionales, empresas x intermedias (medianas), empresas estatales, empresas “junior” y los gestores de proyectos mineros. Las tendencias indican que la inversión minera mundial está a la alza en América Latina con lo que se vislumbran importantes perspectivas para nuestro país. Sobre todo en las empresas “Junior” que son las que hacen inversiones en el área de exploración, algunas de ellas utilizando ya las herramientas de la Percepción Remota y Procesamiento Digital de Imágenes. En México, la inversión total del sector se proyecta en un incremento sin llegar a alcanzar los máximos niveles de la pasada década. Existe también la tendencia de que la explotación y la exploración se presenten como nichos independientes por parte de las empresas mineras “junior”. (CAMIMEX, 2008). México cuenta con una amplia riqueza de minerales en todo el territorio nacional, encontrándose yacimientos de clase mundial. Esta riqueza es tanto en minerales metálicos como en no metálicos; destacan los distritos mineros productores de minerales metálicos como la Herradura, Cananea, la Caridad, Naica, Tayoltita, Fresnillo, Molango, Filos, Tizapa, Rey de Plata, entre otros. En el grupo de los no metálicos tenemos la provincia carbonífera de Coahuila, Sonora central así como las pequeñas pero abundantes manifestaciones de depósitos de celestita en el norte de México y los depósitos de rocas carbonatadas no menos importantes para la industria cementera en el noreste, centro y sur del país; sin dejar fuera a los yacimientos de barita y de arcillas que han jugado un papel importante en la industria. El sector minero mexicano se mantiene como líder mundial en la producción de plata y en 2001 se ubicó en los primeros diez lugares de producción mundial de 18 minerales (Musik, 2004). El sector minero mexicano aporta entre el 1.4% del producto interno bruto nacional, mantiene un saldo positivo en la balanza de pagos y contribuye con el 1.5% al empleo nacional. De manera estimada la producción minera nacional representa el 2.4% de la producción minera mundial, México ocupa el 9º lugar en la producción minera mundial y el 4º lugar en la producción minera de Latinoamérica. Los países a los cuales se exporta la producción minera nacional son Estados Unidos de Norte América, Japón, República del Perú, Suiza, República Dominicana y Canadá, entre otros (CAMIMEX, 2008). La estructura productiva del sector minero en el año 2008 aportó un promedio de 10,489 millones de dólares del valor anual de producción minero-metalúrgica nacional, con una inversión de 3,656 millones de dólares. Y la generación de empleos directos, fueron de 1,500,000 colocando a 18 minerales dentro de los primeros 12 lugares del mundo (CAMIMEX, 2008). xi Figura 2. Participación de los metales en México (CAMIMEX, 2008). i.2 Marco legal para la Percepción Remota en la exploración geológico-minera México cuenta con una amplia tradición minera. Su territorio posee una gran riqueza y un alto potencial minero, por lo que es indispensable promover políticas, programas y acciones de gobierno así como trabajos serios por parte de centros de investigación para que estos recursos sean aprovechados en beneficio de la nación, de las regiones donde se localizan los yacimientos, y desde luego contribuyan con ello a la generación de empleos y el desarrollo regional. El presente trabajo se suma a los esfuerzos para generar alternativas de exploración geológica - minera en el área de la geología económica. Parte del hecho de diagnosticar, detectar y proponer nuevos blancos de exploración, integrando el uso de técnicas de Percepción Remota (PR) y del Procesamiento Digital de Imágenes (PDI) desde las etapas iniciales de la exploración. El desarrollo de métodos y técnicas para el mapeo del potencial mineral es motivado para impulsar la minería, delineando áreas de especial interés o potenciales, que induzcan las inversiones en sitios factibles de contener depósitos minerales. Los esfuerzos por apoyar la actividad minera mexicana tienen su fundamento en el Art. 27 de la Constitución Política Mexicana ya que establece los principios fundamentales que rigen la actividad minera como son el dominio directo de la nación sobre los recursos minerales; la exploración de los mismos por particulares y sociedades constituidas conforme a las leyes mexicanas y por extranjeros, mediante concesiones otorgadas por el ejecutivo federal, con la obligación de ejecutar y comprobar obras y trabajos por parte de sus titulares. Así como el Art. 10 de la Ley Minera el cual menciona que “la exploración del territorio nacional con el objeto de identificar y cuantificar los recursos minerales potenciales de la nación se llevara a cabo por el Servicio Geológico Mexicano, por medio de asignaciones que serán expedidas únicamente a favor de este organismo por la secretaría y cuyo título deberá publicarse en el Diario Oficial de la Federación…” además en esta ley se contempla el otorgamiento de concesiones por concurso sobre terreno amparado por asignaciones, a fin de propiciar se continúen los trabajos de exploración en las manifestaciones mineralógicas descubiertas por el SGM. Entonces de acuerdo con estos principios legislativos, exclusivamente por medio de asignaciones y concesiones mineras se xii puede realizar la exploración y explotación del los minerales, grupos de minerales, sustancias y productos de la descomposición de rocas. El Art. 12 de la Ley Minera especifica que las asignaciones y concesiones se deben de ubicar en el terreno libre por medio de un lote minero y la misma ley lo define como: un sólido de profundidad indefinida, limitado por planos verticales, cuya cara superior es la superficie del terreno, sobre el cual se determina el perímetro que comprende. La localización del lote minero se determina con base en un punto fijo en el terreno denominado punto de partida. Dicho punto se determina en el terreno mediante trabajos técnicos denominados periciales, en virtud de que son realizados por un perito minero previamente registrado para tal efecto en la dirección general de minas. El Art. 3. Frac. I. de la Ley Minera define a la exploración como: las obras y trabajos realizados en el terreno con el objeto de identificar depósitos de minerales o sustancias concesibles, al igual que de cuantificar y evaluar las reservas económicamente aprovechables que contengan. Este trabajo constituye una propuesta para que las tareas de exploración minera se inicien sin entrar en contacto con el terreno, a través de percepción remota, a partir de técnicas no invasivas, aplicadas en las primeras etapas de la exploración, idealmente útiles para planear el trabajo de campo y en casos de difícil acceso, en situaciones peligrosas o en sitios sin cartografía disponible. De forma tal que la selección y delimitación de un lote minero cuente por lo menos con trabajos previos de percepción remota, que no interfieren con el fin principal de la legislación, al ser técnicas no invasivas, las cuales no tienen contacto directo con los objetos a analizar, y sin embargo, si pueden ayudar a delimitar mejor los lotes mineros, jerarquizando y ordenando las propuestas que presenten mayor interés para denunciar. Una vez definidos los lotes mineros las técnicas de procesamiento digital de imágenes satelitales se pueden re-emplear a fondo para hacer análisis detallados o más rigurosos, integrando ya la información de campo y el análisis de muestras. Este trabajo plantea que la “exploración minera” puede ser ampliamente asistida por medio de la percepción remota y otras tecnologías geomáticas. Se propone su uso tanto antes, como después de denunciar, o atribuirse derechos de asignación o concesión para explorar. Antes de denunciar, daría más argumentos para así orientar la delimitación de los lotes mineros como futuras asignaciones o concesiones. Después de denunciar resulta una estrategia para jerarquizar los blancos, así como para definir otras tareas de la exploración. Los preceptos legales antes mencionados parten del supuesto de que la exploración minera está constituida principalmente por actividades y tareas realizadas directamente en sitio, que impactan el área y son invasivas. Ante este marco es que las compañías mineras en México primero denuncian y después realizan la exploración. Pero la Percepción Remota (PR), funciona como una técnica no invasiva, no destructiva y no tiene contacto algunos con el objeto de análisis. Quizás por este desconocimiento, es que las técnicas de PR en la exploración geológico - minera han sido subestimadas en muchos países, principalmente en las etapas iniciales de la exploración. Por ejemplo, son muy pocas las compañías establecidas en México que utilizan este tipo de tecnología y cuando la integran la sub-utilizan, al considerar las imágenes sólo como planos base y en el mejor de los casos para realizar foto-geología apoyándose en herramientas como el Google Earth y los SIG. Sin embargo, en el contexto internacional la aplicación del procesamiento digital de imágenes (PDI) de satélite usando imágenes ASTER para apoyar la exploración, se posiciona actualmente como una técnica especialmente útil en las etapas tempranas de la exploración y en particular para la selección de los sitios a denunciar, así como xiii para la jerarquización de posibles blancos. Las técnicas de percepción remota, como su nombre lo indica, se realizan a distancia, constituyen una serie de técnicas no invasivas y de gran utilidad para estudiar áreas relativamente extensas, de difícil acceso, garantizando la seguridad del personal de campo y sus equipos de trabajo, así como en la optimización de recursos para definir blancos de exploración y planear el trabajo de campo, en las subsecuentes y diversas etapas de la exploración. Por esto se explica que las mineras “Junior” y las grandes compañías petroleras, a escala mundial, sean las que más demanda tienen de imágenes de satélite para los fines de prospección. i.3. Objetivo general El objetivo general de este trabajo es integrar las diversas técnicas del procesamiento de imágenes ASTER en una guía metodológica para detectar aéreas de alteración mineralógica y/o asociaciones minerales, originadas por la génesis y evolución de los grupos de minerales tipo, asociados o indicadores de la formación de yacimientos hidrotermales y/o por diseminación, favoreciendo la definición de blancos de interés en la exploración geológico-minera. i.3.1 Objetivo específico El objetivo específico en este trabajo es la detección de afloramientos de minerales en superficie, como parte inicial en el proceso de prospección minera, dando una aproximación de las áreas de mezclas mineralógicas con técnicas Percepción Remota (PR). Es importante mencionar que el proceso de prospección geológico - minera es más complejo y completo, ya que con la disponibilidad de mayor numero datos de campo como barrenos (núcleos), datos geológicos, estratigráficos y datos de laboratorio (de barrenos, porcentajes, leyes, etc.) a detalle, se pueden integrar más datos para estimar volúmenes o cálculos de reservas mineralógicas, por tanto la PR es parte de este proceso inicial de prospección de un proyecto minero. i.3.2 Delimitación del trabajo Para cumplir con el objetivo general de realizar la integrar las diversas técnicas del Procesamiento Digital de Imágenes (PDI) ASTER en una guía metodológica, está se aplico en un dos proyectos mineros (Cananea y Cumobabi), generando resultados de detección de blancos con potencial mineralógico en superficie. La aplicación de la metodología de PR y PDI depende de las necesidades particulares de cada proyecto pero en términos generales se presentan aquí las principales técnicas a considerar en función del tiempo disponible, el nivel de pre-procesamiento de las imágenes, la disponibilidad y calidad de datos auxiliares, los minerales a detectar y el tipo de análisis, incluyendo el uso de datos con o sin calibración. Para conseguir nuestros objetivos se describe el Procesamiento Digital de Imágenes (PDI), tanto el orientado a los productos de materiales para la interpretación visual como el destinado a la detección y mapeo de blancos por medio de análisis digital. Para explicar con detalle las tareas realizadas, así como para tener mayor control en cada etapa del procesamiento, en este trabajo se utiliza el nivel más bajo o básico de procesamiento para una imagen ASTER, el “1A” que son datos crudos, con los parámetros del sensor y sin correcciones de ningún tipo, pero con valores de los coeficientes y otros datos críticos para realizar tales correcciones. Se enfatiza en los criterios para la elección de una escena óptima así como en el tipo de preprocesamiento requerido. La configuración geológica de una localidad representa un indicador muy importante con referencia a su potencial mineralógico. Comparar la geología del área en particular xiv con depósitos minerales conceptuales y los modelos de exploración constituye el primer paso para evaluar y clasificar su potencial mineralógico. Por esta razón, en este trabajo se eligió como área de estudio la parte Centro-Norte del Estado de Sonora. Además, el conocimiento cualitativo de las asociaciones espaciales de los depósitos minerales conocidos, con referencia a los diferentes rasgos geológicos de áreas bien exploradas, es un factor importante en la mayoría de los programas de exploración. Los datos de exploración disponibles en su mayoría son mapas geológicos: litológicos y/o litoestratigráficos. Por lo tanto, ésta ha sido la única manera de evaluar o mapear el potencial minero de un área, principalmente cuando la geología es conocida y no se cuentan con datos de exploración de otras fuentes. El desarrollo de métodos y técnicas para el mapeo del potencial mineral es motivado por la necesidad de impulsar la minería delineando áreas de especial interés, o potenciales que induzcan las inversiones en exploración a través de áreas con alta probabilidad de contener depósitos minerales. Los depósitos minerales tanto metálicos y no metálicos son acumulaciones o concentraciones anómalas de uno o más minerales dentro de la corteza terrestres. Los procesos que gobiernan la formación de los depósitos minerales son llamados mineralización (Bateman, 1982). Potencial mineral, es la probabilidad de la presencia de un depósito mineral o la existencia de mineralización dentro de un área. El potencial mineral es determinado por los datos disponibles y su interpretación. Considerando que los depósitos minerales se ajusten a los modelos establecidos y/o reportados al conocimiento existente de la mineralización. Los mapas de potencial mineral o los mapas de alteración mineral son generados por la integración de variables geológicas esenciales para el tipo de ocurrencia mineral y su comprobación se hace en base a verificar cómo los modelos predictivos delinean correctamente los depósitos minerales conocidos. La aplicación de técnicas de PR y PDI utilizando imágenes ASTER en la exploración geológico minera constituyen el tema principal de este trabajo, ya que dichas técnicas pueden proporcionar información detallada sobre la mineralogía de los tipos de roca que comprende la superficie de la Tierra, y que han sido utilizados por décadas para el mapeo de rocas, la litología y de los minerales asociados, así como a características de descomposición de la roca (Rowan et al. 1977; Goetz et al., 1983; Boardman y Kruse, 1994; Papp and Cudahy, 2002; Kruse et al., 2003). Los sistemas de sensores espaciales multiespectrales como Landsat MSS, TM y SPOT tienen cuatro a siete canales espectrales. Los datos de Landsat MSS han sido utilizados principalmente en la interpretación de estructuras y geoformas a escala regional (Goetz et al., 1983; Abrams et al., 1983). Las imágenes Landsat TM se han utilizado más habitualmente para la exploración minera debido a que cuenta dos bandas del SWIR que pueden utilizarse para detectar alteraciones de asociaciones minerales (Sabins, 1996; Sabine, 1999). En los últimos 10 años, los instrumentos de detección multiespectrales e hiperespectrales se han aplicado más intensamente en la exploración minera. Además, la disponibilidad de firmas espectrales de rocas y minerales, por ejemplo las bibliotecas espectrales del Jet Propulsion Laboratory (JPL, 1999), así como las del United States Geological Survey (USGS, 2007), permiten identificar mejor diversas litologías y/o minerales, en particular desarrollando técnicas de PDI para detectar valores más puros y aplicar desmezcla espectral. Las técnicas de última generación de Procesamiento Digital de Imágenes elegidas tienen como fundamento la firma espectral y las características de absorción del xv mineral. Entre las principales se encuentran: Realce espectral por cocientes, índices y estadística multi-variada; realce espacial para interpretar rasgos geológicoestructurales; clasificación y segmentación usando análisis espectral, así como cartografía de minerales, alteraciones y blancos de exploración. La producción de mapas de alteración precisos requiere de una buena comprensión de las limitaciones de los datos obtenidos por satélite, de las técnicas que reducen los efectos negativos de la imagen, o los errores comunes en las mismas, así como el conocimiento de la modificación y procesos geoquímicos a los que pueden estar sujetos los minerales (Vander, 2004). El resultado es un diagrama de flujo detallado, que se propone como una guía de procesamiento. Concluyen el trabajo mapas de factibilidad para cada mineral detectado y cartografía de blancos de exploración donde coinciden los principales minerales de alteración en relación a las estructuras geológicas. i.4 Estructura del contenido En el primer capítulo se describen los elementos de la Percepción Remota, los tipos de datos que genera, así como los principios físicos, es decir los fenómenos físicos que interactúan en la Radiación Electromagnética (REM), las ventanas atmosféricas por las que la atmosfera nos permite “observar y medir” la respuesta espectral de los materiales y en general cómo se comportan los fenómenos de Radiancia, Reflectancia, Emitancia y Temperatura, se muestran las características técnicas principales de los diferentes sensores comerciales multiespectrales, así como las características que definen una imagen de satélite. En el capítulo segundo se describen las características técnicas del sensor Advanced Spectral Thermal Emision Radiometer (ASTER), desde su puesta en órbita, la forma de adquisición de imágenes, los tipos de datos o niveles de procesamiento, las disponibilidad de los mismos y se especifican las características que debe tener una escena óptima para proyectos mineros, al final de este capítulo se describen algunos trabajos que utilizan datos del sensor ASTER aplicados a la prospección minera. En el capítulo tercero se resume la geología regional y local del Estado de Sonora, mencionando los distritos mineros que por muchas décadas han sido de gran importancia a la minería, se explica la génesis y evolución de los yacimientos tipo Pórfidos Cupríferos (PC) por medio de modelos estáticos y dinámicos. Así como las áreas de alteración con asociaciones de minerales producidos por hidrotermalismo en sus diferentes etapas (Hipotermal, mesotermal y epitermal) y bajo características especificas como temperatura, presión, profundidad, calidad, cantidad y origen de los fluidos, disponibilidad de rocas encajonantes, zonas de debilidad, etc. En este capítulo también se mencionan los minerales, asociaciones minerales seleccionados en este trabajo para su detección a través del Procesamiento Digital de Imágenes ASTER, usando como criterio la inclusión de los mismos dentro de modelos estáticos y dinámicos que describen la génesis y evolución de los yacimientos, así como la disponibilidad de firmas espectrales para cada mineral elegido, las cuales muestran la respuesta espectral de cada mineral. El capítulo cuarto se puede considerar como el más importante ya que describe detalladamente las principales etapas de la metodología que se utilizo, y que se propone para futuros ejercicios similares, tomando en consideración las particularidades e intereses de cada proyecto minero, generalmente bajo una perspectiva orientada a optimizar recursos económicos y disminuir el tiempo de proceso. xvi A pesar de los aportes de Di Tommaso I. and Rubinstein N., 2007; Mars and Rowan, 2006; Hubbard and Crowley, 2005; Rowan et al. 2006; Rowan et al. 2005; Crosta et al., 2003; Ninomiya, 2002; Ninomiya and Fu, 2001, que hay utilizado las imágenes ASTER para detectar minerales de áreas de alteración, solo Kalinowski y Simon ; 2004 ha elaborado un manual de procesamiento de índices de minerales utilizando imágenes ASTER y Origel-Gutiérrez (2007) elaboró un catálogo de procesamiento ASTER como guía ilustrada sobre la interpretación visual de la percepción remota aplicada a la cartografía geológica y a la exploración minera. Sin embargo, no se ha reportado aún la integración metodológica de las diversas técnicas, más allá de los índices, la cual permita funcionar como una guía tanto para la interpretación visual como para el procesamiento digital integrado, que sirva de referente sobre los preprocesos y procesos por aplicar en función de los objetivos de exploración y bajo determinadas circunstancias tales como el tipo de nivel de procesamiento de los datos ASTER. En el capitulo quinto se presentan los resultados obtenidos de la aplicación de la metodología descrita en el capítulo anterior. El ejercicio se hizo en dos proyectos mineros (Cananea y Cumobabi), se explican las técnicas de detección utilizadas para cada mineral o asociación mineral determinada, (Anexo 3), siendo los índices – cocientes, técnica Crosta y el mapeador espectral Spectral Angle Mapper (SAM) las principales técnicas aplicadas. Se presentan las dos modalidades de representación de resultados; 1) Mapa de Potencial Minero (MPM) y 2) Mapas en RGB o en cañones Rojo (R), Verde (G) y Azul (B). Posteriormente se describe la validación de resultados de procesamiento digital de imágenes, por medio de dos formas; a) por comparación estadística y b) por muestreo de campo y de laboratorio. En el capítulo de Discusión, Consideraciones y Conclusiones se concentran las ventajas y desventajas de las técnicas de detección de minerales y en general en el PDI, así como las complicaciones y optimizaciones de proyectos mineros bien planteados, es decir, desde cómo elegir una imagen optima, la calidad de dato o nivel de procesamiento de las imágenes según nuestro objetivo y de acuerdo al tiempo disponible. Se destacan la importancia o las ventajas de utilizar esta metodología en etapas iniciales de los proyectos mineros, antes de tener un “lote minero” ya denunciado, ya que se tiene un mejor acercamiento o conocimiento de las manifestaciones de minerales de alteración y puede ser más orientada la exploración de campo, reduciendo costos de inversión y problemas culturales. xvii CAPÍTULO I I. FUNDAMENTOS DE LA PERCEPCIÓN REMOTA 1.1 Generalidades La International Society for Photogrammetry and Remote Sensing (ISPRS) en 2008, define a la Fotogrametría y la Percepción Remota (PR) como la ciencia, el arte y la tecnología para la obtención de información fidedigna a partir de imágenes capturadas sin contacto con el objeto de interés y de otros sistemas sensores sobre la Tierra y su medio ambiente, así como de otros objetos físicos y procesos a través de grabación, medición, análisis y representación. El nombre de PR apareció inicialmente durante las primeras misiones interplanetarias de sondas espaciales no tripuladas, a bordo de las cuales se instalaron cámaras de televisión para la captura y envío a la Tierra de imágenes correspondientes a regiones selectas de la superficie de otros planetas. El desarrollo de esta ciencia, por su aplicación novedosa a la geología, se ha visto involucrado al estudio de la superficie terrestre. De ahí que la PR se haya definido como la obtención de información acerca de una superficie o escena, utilizando luz visible e invisible, por medio del análisis automatizado de datos obtenidos a distancia por un sensor remoto. 1.2 Sistemas de percepción remota La Percepción Remota (PR) permite obtener información a distancia de objetos sin que exista un contacto material, en nuestro caso se trata de objetos situados sobre la superficie terrestre. Para que esta observación sea posible es necesario que, exista algún tipo de interacción entre los objetos y el sensor. En este caso la interacción va a ser un flujo de radiación que parte de los objetos y se dirige hacia el sensor. Este flujo puede ser, en cuanto a su origen, de tres tipos: Radiación solar reflejada por los objetos (luz visible e infrarrojo reflejado) Radiación terrestre emitida por los objetos (infrarrojo térmico) Radiación emitida por el sensor y reflejada por los objetos (por ejemplo el radar) Las técnicas basadas en los dos primeros tipos se conocen como PR pasiva y la última como PR activa. 1.2.1 Clasificación de los sensores De acuerdo a la plataforma en la que se monte dicho sensor será: a) Aérea (Montada en avión, helicóptero, Globo, Drones) Y los sensores más usados son Cámara fotográfica Cámara multibanda Cámara digital Cámara de video Barredor Multiespectral 1 En este tipo de tecnologías las fotografías aéreas son las que se utilizan más comúnmente por su versatilidad y rapidez de obtención. Ventajas: Aporta mayor detalle del área de estudio, en su contexto espacial a mayor escala cartográfica que la escena satelital, lo que origina mayor costo. Flexibilidad en aspectos temporales y específicos, ya que como está montado en un avión se puede planear con detalle la información que se desea. Se considera un insumo complementario en el análisis de fenómenos estáticos. b) Espacial - Satelital La PR espacial utiliza sensores montados en plataformas como naves espaciales tripuladas, estaciones orbitales o satélites autónomos que giran alrededor de la Tierra en órbitas polares, oblicuas o geoestacionarias. Ventajas: Visión sinóptica del medio a estudiar Mayor periodicidad en la captación del dato Bajo costo del área cubierta Información en formato digital, lo que la hace una herramienta muy potente en el reconocimiento de la superficie terrestre. De acuerdo a la disponibilidad de la fuente de energía electromagnética, los sistemas de sensores satelitales se clasifican en Pasivos y Activos. Los sistemas Pasivos dependen de una fuente de luz externa (sol), por tanto son sistemas ópticos (dentro del espectro del visible, y algunos en el infrarrojo) de captación de Intensidad de flujo radiante. Algunos de estos sensores son: 2 a) Multiespectrales (Tabla 1). Tabla 1. Características de sensores comerciales multiespectrales Nombre de sensor WorldView – 2 GeoEye Resolución espacial (metros) 0.5 2 0,41 / 1,34 (0.5 comercial) 1,65 / 5,41 (2 comercial) RapidEye 5 Quick Bird 0.6 2.4 Spot 5 5 y 10 2.5, 5, 10 y 20 IRS -1C y 1D Landsat 7 TM ASTER ALOS AVNIR-2 5.8 23 y 70 188 30 15 30 90 10 Resolución espectral Número de Bandas 1 pancromática 8 multiespectrales. (4) de color (rojo, verde, azul e IR cercano 1, NIR1) y (4) nuevas bandas (costera, amarillo, borde del rojo e IR cercano 2, NIR) 1 pancromática 5 4 multiespectrales (3 VNIR) y (1 NIR) 5 (4 VNIR: azul, verde, rojo, red edge y NIR) 1 Pancromática 3 (VNIR) y 1 (NIR) 1 Pancromática 2 (VNIR) verde rojo 1 (NIR) y 1 (MIR) 1 Pancromática 4 ( azul-verde, verde, rojo e IR) 2 (rojo e IR cercano) 3 (VNIR azul-verde, verde, rojo) 1 (NIR), 2 (IRM) y 1 (IR lejano) 3 VNIR, 6 SWIR 5 TIR 3 (VNIR azul, verde, rojo) 1 (NIR) 3 Figura 3. Relación de satélites comerciales, su ubicación corresponde a su tamaño de pixel y la precisión sobre el terreno. b) Hiperespectrales Hyperion Master AVIRIS Hymap c) Radar ( Radio Detection of Ranging) Por otro lado los sistemas activos son independientes de la fuente de energía, ya que ellos generan pulsos retro-dispersados para obtener respuestas electromagnéticas tales como el RADAR (Radio Detection of Ranging). Los sistemas de radar consisten en dispositivos de alta resolución que emiten una serie de pulsos de onda de las microondas y reciben la respuesta reflejada por la superficie terrestre. Debido a las propiedades electromagnéticas de estas ondas son capaces de recibir datos en casi todas las condiciones atmosféricas en día y noche. El sistema de radar SAR (Radar de Apertura Sintética) tiene varias ventajas que lo hacen diferente a los sistemas ópticos de la percepción remota. Ya que éste es un sistema activo por tener su propia fuente de radiación, que emite radiación en las frecuencias o pulsos convenientes, el rango de análisis en el espectro electromagnético corresponde al rango de las microondas de 0.5 – 75 cm, puede operar de día o noche, controlando la resolución, el alcance y la frecuencia, ya que funciona como emisor y receptor de frecuencias, aunque cabe mencionar que este alcance o resolución estará determinado por el objetivo a analizar. Ejemplos: SEASAT SIR-A y B MAGALLANES J-ERS – 1 SIR-C /X-SAR RADARSAT-1 4 ERS-1 y 2 ENVI ASAR TERRASAR X COSMO SKY MED Las características que definen una imagen a) Tipo de sensor: pasivo o activo. b) Tamaño de pixel (unidad mínima de almacenamiento de datos sobre el terreno), resolución espacial. c) Precisión sobre el terreno, error de georeferencia. d) Número de Bandas, resolución multiespectral. e) Fecha y hora de adquisición, resolución temporal. f) Capacidad de Registro de la Energía Electromagnética: resolución radiométrica. g) Porcentaje de nubosidad. h) Nivel de Procesamiento. i) Ángulo de incidencia. j) Ángulo de visión lateral. k) Área máxima de cobertura. Tales características resultan importantes para seleccionar la mejor escena en función del tipo de aplicación. 1.3 La percepción remota y la prospección geológico – minera La PR se aplica principalmente en las evaluaciones de los recursos naturales del planeta y la gestión del medio ambiente. Sin embargo, también tiene usos en otras áreas de las geociencias. El grado de complejidad de las aplicaciones depende del objetivo a estudiar así como las atribuciones que el sensor remoto pueda realizar. En casos donde los elementos están más relacionados o mezclados, como lo son las aplicaciones geológico - mineras, o de prospección, el análisis requiere de sensores específicos y plataformas adecuadas, así como de técnicas muy especializadas de procesamiento de imágenes. En general, es cada vez mayor la demanda para la obtención de datos satelitales a partir de imágenes tanto ópticas y como de radar, es decir, datos de sensores pasivos y activos integrados. Es probable que el área de investigación más difícil en PR desde satélite sea la de aplicación a las geociencias, ya que al hacer la integración de datos topográficos, geológicos, estratigráficos, estructurales, geofísicos, geoquímicos, petrográficos, etc., todos ellos coordinados con un buen apoyo de campo, trae como consecuencia que el manejo de datos digitales sea complejo. Y los sistemas computacionales pueden convertirse en una gran tarea de procesamiento; sin embargo, las aplicaciones de la investigación geológica se hallan en los importantes dominios de la prospección minera y petrolera. De hecho, las grandes compañías petroleras y mineras a escala mundial son las que más demanda tienen de imágenes satelitarias para los fines de prospección. El trabajo de investigación con PR en geociencias está dividido en dos grandes categorías: la primera que concierne esencialmente a fenómenos estáticos, como lo es la distribución, carácter y estructura de cuerpos rocosos, geoformas, litologías y fallas estructurales, y la segunda, que tiene que ver con fenómenos dinámicos, como el 5 vulcanismo, las modificaciones en la plataforma continental y la sismología. En las observaciones de fenómenos estáticos, uno de los atributos de mayor valor de los datos espaciales y espectrales de sensores remotos se deriva simplemente de la gran distancia desde la cual es observada la Tierra, con la consecuente visión sinóptica del área cubierta por una sola observación. En geología es particularmente importante la visión de conjunto, pues las geoformas, tales como las cadenas montañosas, los valles, las cuencas o las mesetas, están estrechamente interrelacionadas y su extensión puede abarcar una gran área; de manera que para evaluar geológicamente una región se requiere de una visión sinóptica. La aplicación de la PR en la exploración geológico – minera, es parte de un sistema complejo e integrado de captura de datos acerca de varios parámetros geológicos, tectónicos, geoquímicos, sistemas de mineralización, génesis, así como de la historia tectono-geológica de la formación de terrenos. La PR como técnica de prospección a partir de imágenes, se relaciona con en el análisis de la respuesta espectral de minerales indicadores o asociados, y produce zoneamientos (áreas de mayor interés). Junto con las técnicas de análisis espacial inmersas en los Sistemas de Información Geográfica, la PR puede llegar a la predicción de resultados, por lo cual constituye una herramienta valiosa que demanda de una alta especialización científica. 1.4 Bases físicas de la percepción remota en la prospección minera La Percepción Remota (PR) es una técnica que permite llevar a cabo observaciones a distancia por medio de instrumentos especiales o sensores. Estos registran la energía solar reflejada (reflectancia), así como la energía emitida por la atmósfera, el océano y la superficie terrestre (emitancia). Los satélites organizan la información registrada por el sensor y la envían a una estación receptora en forma de imagen digital. Inmediatamente después de la captación, personal especializado realiza diferentes procesos para obtener mediciones sin tener que desplazarse hasta el sitio de interés. Esto agiliza el procesamiento de la información en tiempo real, como un costo relativamente bajo. Y una ventaja adicional es que facilita la creación de un banco de información digital (Chuvievo, 2000) Los cuatro elementos básicos que incluyen la PR son: la fuente de radiación (sol), el medio de propagación (atmósfera), el objeto de estudio (superficie terrestre) y el sensor satelital que en este trabajo será el ASTER (Figura 4). Figura 4. Elementos de la Percepción Remota; A: Fuente de energía, pasiva o activa B: Trayectoria y su interacción con la atmósfera C: Incidencia en la superficie terrestre D: Satélite E: Ciclo de toma y descarga de datos F: Estación terrena de pre-proceso G: Información al usuario. 6 La principal fuente de radiación es la energía electromagnética proveniente del Sol. El medio de propagación de la radiación solar se efectúa en la atmósfera, el océano y la superficie terrestre, a través de los cuales la energía es absorbida, transmitida y reflejada. Debido a ello, para este caso el objeto de estudio, es la detección de aéreas de alteración y esto se analiza a partir de la energía emitida o reflejada por dichos objetos. La energía es registrada por los sensores satelitales en diferentes regiones o canales espectrales, en función de los objetivos de cada programa espacial ya sea geológico, meteorológico, oceanográfico o ambiental. La Radiación Electromagnética (REM) constituye la base para cualquier estudio de PR. La REM puede explicarse como energía emitida en forma de ondas eléctricas y magnéticas que fluctúan propagándose a través de la atmósfera (Figura 5). Pero también como paquetes de partículas llamados photones o cuantos. Y por sus características ondulatorias, la energía puede medirse en términos de amplitud, frecuencia y longitud de onda. Pero para analizar cualquier aspecto de la REM, en lo general, sólo una de estas descripciones se aplica. Todos los tipos de energía electromagnética, es decir, las ondas de todas las frecuencias, viajan con la misma velocidad en el vacío. La REM se puede explicar por medio de la Teoría de Maxwell, 1965, la cual habla de la C=λν donde: C: Velocidad de la Luz λ: Longitud de onda ν: Frecuencia Propiedades de ondas electromagnéticas. A: Amplitud Dirección Velocidad C=3x108 m/s en el vacío λ: Longitud ν: Frecuencia. Figura 5. Descripción ondicular de la REM Teoría cuántica de Plank, 1900 donde: E: cuanto de energía h: constante de Planck 1900 v: frecuencia Ley de Stefan – Boltzmann donde: es la energía medida en (Wm-2) σ: Constante de Stefan – Boltzmann (5.7x10-8 Wm-2K-4) T: Temperatura (Kelvin) 7 Entonces las leyes de Radiación a considerar son: Ley de la Radiación de Planck: la energía de cada cuanto es igual a la frecuencia de la radiación multiplicada por la constante Para la Ley de Stefan – Boltzmann: la E total varia con respecto a la 4a potencia de la T absoluta. En la Ley de Desplazamiento de Wien: la (λ) de la E es inversamente proporcional a la T absoluta. En la Ley de la Radiación de Kirchhoff; los buenos absorbentes son también buenos emisores. Estas leyes explican el comportamiento de la REM en la atmósfera terrestre. El espectro electromagnético es un continuo que puede ser ordenado y dividido, de acuerdo a su longitud de onda o frecuencia de la radiación, el cual incluye desde las longitudes de onda más cortas, como los rayos gamma y los rayos X, cuya longitud de onda corresponde alrededor de 0.0001 micrómetros (µm); hasta las longitudes de onda más largas como las de radio y televisión, cuyas unidades se manejan en metros o kilómetros (Chinea, 2001; Figura 6). En la figura 6. Muestra las distintas regiones del espectro electromagnético según la radiación electromagnética que emite (espectro de emisión) o absorbe (espectro de absorción) una sustancia. La parte visible del espectro es realmente muy pequeña en relación con los otros tipos de energía. De izquierda a derecha, el espectro muestra una disminución de energía. Este decremento de energía se manifiesta también en la frecuencia, debido a que está relacionada de forma inversa con la longitud de onda. Algunas zonas del espectro son fácilmente identificadas por el ser humano. Por ejemplo, nuestros ojos son capaces de detectar una pequeña porción conocida como región visible, nuestra piel percibe la radiación del infrarrojo térmico o lejano en forma de calor; y gracias a la tecnología, las microondas constituyen un medio excelente de comunicación (Aguirre, 2002). La atmósfera se comporta como un filtro selectivo a distintas longitudes de onda, de tal forma que algunas bandas del espectro eliminan prácticamente cualquier posibilidad de observación remota. Los principales causantes de esta absorción son los gases como el CO2 y O2 así como el vapor de agua (H2O), (Lillesand y Kiefer, 1979). Por ejemplo, el oxígeno molecular (O2) filtra las radiaciones ultravioleta (< 0.1 µm), así como pequeños sectores en el infrarrojo térmico y las microondas. El Ozono (O 3), absorbe la energía ultravioleta (longitudes de onda < 0.3 µm), así como las microondas en longitudes de onda de aproximadamente 27 mm (Figura 7). Como consecuencia de esta absorción, la observación espacial se reduce a 8 determinadas bandas del espectro, conocidas como ventanas atmosféricas, en donde la transmisibilidad de la atmósfera es alta (Figura 7). Las principales ventanas atmosféricas son las siguientes: (a) espectro visible e infrarrojo cercano, se sitúa entre 0.3 y1.35 µm, (b) infrarrojo medio existen varias: 1.5 a 1.8 µm, 2.0 a 2.4 µm, 2.9 a 4.2 µm, y 4.5 a 5.5 µm; (c) infrarrojo térmico, entre 8 y 14 µm, en las microondas, por arriba de 20 mm, en donde la atmósfera es prácticamente transparente. Figura 7. Las ventanas atmosféricas son rangos (en longitudes de onda), para los cuales la atmósfera resulta "translúcida", es decir, a través de las cuales la REM (inmersa en los procesos de emisión y reflexión) pasa con mayor facilidad. En otras longitudes de onda, la radiación es absorbida por varios gases como CO2, O2, O3 y H2O. Las ventanas atmosféricas son idóneas para realizar procesos de PR, evitando interferencias a la radiación reflejada o emitida por los objetos o fenómenos de la superficie terrestre que son el objetivo de la observación. Algo que afecta en forma importante la observación de la superficie terrestre es la presencia de nubes, las cuales reflejan y/o absorben la radiación electromagnética en amplías regiones del espectro. Se observa que la intensidad espectral de la energía solar es mucho mayor que la emitida por los objetos en la superficie de la Tierra. Antes de que la radiación solar llegue a la superficie terrestre, ésta es afectada por los distintos componentes atmosféricos (gases, vapor de agua y aerosoles) mediante procesos de absorción, dispersión y transmisión dependiendo de su longitud de onda. Esto ocasiona que su intensidad disminuya al llegar a la superficie de la Tierra. Sin embargo, la mayor parte de la emisión solar permanece en la región visible del espectro, y en menor proporción en el infrarrojo cercano (0.7 – 1.3 µm) y medio (1.3 – 8 µm). Los sensores satelitales que detectan la radiación visible miden la cantidad de energía solar reflejada por los objetos de la superficie de la Tierra. Para lograr la identificación de objetos y procesos en la superficie terrestre, lo que interesa es la reflectividad y la emitancia de estos objetos respecto a las diferentes longitudes de onda de cada tipo de material, suelo, vegetación, agua, etc. De esta manera, se reflejará la parte de radiación incidente de forma distinta, lo que permitirá distinguir tal rango de los demás, si se mide la radiación reflejada. En este sentido a partir de medidas de laboratorio se ha obtenido la reflectividad para las distintas cubiertas en diferentes longitudes de onda. 9 Si se asume que la influencia de la atmósfera es mínima, ya que se trabajará en una ventana atmosférica durante un día despejado, resulta posible calcular la reflectividad utilizando la siguiente fórmula: 𝝆= 𝐑 𝐬𝐞𝐧 𝐑 𝐬𝐨𝐥 Donde: Rsen es la radiación que ha recibido el sensor procedente de un punto de la superficie terrestre y, Rsol es la radiación que, emitida por el sol en la longitud de onda correspondiente al canal con que se está trabajando, llega a dicho punto de la superficie terrestre. El gráfico que, para cada longitud de onda, muestra la reflectividad en tanto por ciento se conoce como firma espectral (Figura 8) y constituye una marca o registro de identidad de los objetos. La Figura 8. Muestra las firmas espectrales de minerales. Relacionando el % de reflectividad por cada longitud de onda a lo largo del espectro electromagnético. En el Anexo A1 se muestran las firmas espectrales de minerales que resultan de interés para esta investigación. Las mismas aparecen en forma continua como fueron publicadas por el USGS (Digital Spectral Library, splib05a, reportadas en Clark, et al., 2004, las cuales ya están integradas en el software ENVI), así como las mismas firmas simplificadas o remuestreadas a las 9 bandas espectrales del sensor ASTER, integrando los subsistemas VNIR y SWIR. Las firmas espectrales del USGS, en forma continua y simplificada al ASTER (Anexo 2), muestran la ubicación de las bandas de absorción y reflexión de cada mineral detectado. En el continuo de la firma espectral se tienen 420 bandas para cada mineral. En la versión simplificada ASTER, se toma únicamente el rango de la firma 10 donde se ubican las bandas del VNIR y SWIR de ASTER, simplificando sólo a 9 bandas, ya que es precisamente esta área donde se tienen datos a procesar para la detección de cada mineral. Cabe mencionar que los minerales a detectar se seleccionan de acuerdo a la tipología de las aéreas de alteración del yacimiento de interés. El fenómeno físico responsable para generar información espectral sobre la composición de minerales y rocas en la región del visible e infrarrojo cercano (entre 0.4 y 2.5 μm) son las transiciones vibracionales que se presentan en su estructura molecular. Esta región se caracteriza por los altos valores de reflectancia de la mayoría de los tipos de rocas (riolitas, andesitas, basaltos, granitos, etc.) y minerales (arcillosos, sulfatos, filosilicatos, etc.) alrededor de 1.65 μm, y por fuertes rasgos de absorción para la banda centrada alrededor de 2.2 μm (Goezt and Rowan, 1981). Las propiedades espectrales de los minerales en proyectos de PR y exploración dependen de varios factores. La composición química no es el único factor que determina la respuesta espectral. Son varios los elementos que pueden afectar la forma en que se realiza la transmisión de la REM pasando a través de la atmósfera, ocurriendo procesos de absorción y reflexión. Entre los factores que afectan la respuesta espectral del suelo, se encuentra la textura, con una mayor reflectividad al aumentar el tamaño medio de las partículas, los suelos arenosos tienen así mayor reflectividad (se ven más claros) que los arcillosos. El problema es que la textura afecta también al contenido de humedad por lo que no resulta fácil diferenciar con imágenes de satélite entre ambos factores. Los minerales tienen, por su parte, una caída en reflectividad entorno a 2.2 μ que no tienen las arenas. Por otra parte, en la naturaleza los minerales se encuentran mezclados con otros minerales y agregados, constituyendo las rocas y los suelos. En una imagen de satélite calibrada a valores de reflectancia, los pixeles mostrarán la reflectividad promedio de la superficie en el terreno comprendida por dicho pixel. Así es importante utilizar técnicas sofisticadas que busquen pixeles aislados o puros, de los minerales de interés. La fuerte correlación entre los factores que influyen sobre la respuesta espectral de la superficie terrestre, conlleva cada día más a implementar de técnicas más específicas de Procesamiento Digital de Imágenes (PDI) para poder así analizar, caracterizar, discriminar y detectar en una imagen diversas zonas en función de sus características mineralógicas, litológicas y geológicas en general. 11 CAPÍTULO II II. EL SATÉLITE TERRA Y EL SENSOR ADVANCED SPACE-BORNE TERMAL EMISION AND REFLECTION RADIOMETER (ASTER) 2.1 Características técnicas El programa ESE (Earth Science Entreprise) de la NASA (National Aerospace and Space Administration) trabaja con grupos internacionales para diseñar, construir y lanzar instrumentos avanzados para observar los fenómenos relacionados con el cambio global. ESE se compone de cuatro partes: i) una serie de satélites llamados EOS (Earth Observation System), ii) una serie de satélites pequeños, iii) un programa de investigación científica y iv) un sistema de información y datos EOS (EOSDIS, EOS Data and Information System) que proporciona un mecanismo para el almacenamiento y procesamiento de datos y la distribución a la comunidad científica (Abrams, 2000). En el marco del Programa ESE se desarrolló uno de los sensores multiespectrales con gran interés para aplicaciones en prospección geológico minera, el sensor multiespectral Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER), el cual es un instrumento con capacidad estereoscópica que se encuentra situado a bordo de la plataforma EOS AM-1(Terra) de la NASA, lanzada en Diciembre de 1999, y es fruto de la cooperación entre Japón y EEUU. Terra fue la primera plataforma lanzada dentro del sistema de observación de la Tierra EOS, y marcó una nueva era en la comprensión y seguimiento de la atmósfera de la Tierra, los océanos y los continentes desde una única plataforma espacial. ASTER como parte de la misión Earth Observation System tiene como objetivo observar, comprender, y modelar el sistema de la Tierra para descubrir la forma en que está cambiando, para predecir mejor los cambios, y así comprender las consecuencias para la vida en el planeta. ASTER se está utilizando para obtener mapas detallados, de reflectancia, temperatura de la superficie de la Tierra y de datos de elevación (DEMs). Además del sensor ASTER, la plataforma EOS AM-1 (Terra) lleva a bordo otros cuatro sensores: CERES (Clouds and the Earth’s Radiant Energy System), MODIS (Moderate-Resolution Imaging Spectroradiometer), MOPITT (Measurements of Pollution in the Troposphere) y MISR (Multi-Angle Imaging Spectroradiometer), la Figura 9 muestra tales sensores. Los datos obtenidos mediante el sensor ASTER son utilizados por los científicos para estudiar un amplio rango de problemas relacionados con la superficie de la Tierra (Figura 9), entre los que se encuentran cambios en la vegetación debidos a causas naturales y humanas, estudios del cambio climático a corto plazo y búsqueda de indicadores de este cambio, tales como el avance o retroceso de los glaciares, el seguimiento de la extensión del hielo marino y el albedo, la observación de la degradación de los arrecifes de coral, los efectos humanos, así como las mejoras de la exploración de los recursos naturales (Abrams y Hook, 1995). 12 Figura 9. Satélite TERRA y ubicación de sensor ASTER ASTER proporciona datos en tres regiones espectrales por medio de tres radiómetros distintos (subsistemas). El subsistema visible e infrarrojo cercano (VNIR) tiene tres bandas espectrales cubriendo el rango 0.52-0.86 µm con una resolución de 15 m. El subsistema para el infrarrojo de onda corta (SWIR) tiene un total de seis bandas espectrales cubriendo el rango 1.60-2.45 µm con una resolución de 30 m. Y el subsistema infrarrojo térmico (TIR) posee cinco bandas espectrales cubriendo el rango 8.125-11.65 µm con una resolución de 90 m (Tabla 2.) Tabla 2. Resoluciones de las bandas ASTER por subsistema Región Espectral (Subsistemas) NVIR SWIR TIR Banda Ancho de banda Longitud de onda efectiva 1 2 3* 4 5 6 7 8 9 10 0.52 – 0.60 0.63 – 0.69 0.76 – 0.86 1.60 – 1.70 2.145 – 2.185 2.185 – 2.225 2.235 – 2.285 2.295 – 2.365 2.360 – 2.430 8.125 – 8.475 0.556000 0.661000 0.807000 1.656000 2.167000 2.209000 2.262000 2.336000 2.400000 (8.279) 11 12 13 14 8.475 – 8.825 8.925 – 9.275 10.25 – 10.95 10.95 – 11.65 (8.635) (9.074) (10.659) (11.267) Resolución Espacial (metros) Resolución Radiométrica (bits) 15 8 30 8 90 12 (*) banda 3N El sistema VNIR incluye además una banda espectral de visión trasera (3B) con un ángulo de 27.6º para proporcionar la capacidad estéreo, para cada escena capturada con las bandas de 3N y 3B se obtiene un par estereoscópico a lo largo de la trayectoria orbital, este par - estéreo se utiliza para crear modelos digitales de elevación (DEM). 13 La revisita es cada 16 días, pero en caso de emergencia por desastres naturales se puede obtener datos de cada 2 días en virtud de la posibilidad de reorientar el sensor para registrar escenas de las zonas adyacentes. La anchura de la escena adquirida es de 60 por 60 kilómetros (Yamaguchi et al., 1998, Fujisada et al., 2001). El sistema captura las escenas en un barrido a lo largo de la trayectoria de la órbita y la distancia en el terreno entre dos pasos orbitales vecinos y adyacentes es de 171 kilómetros en el Ecuador, quedando así una zona no cubierta en visión nadir entre ambos pasos. Para cubrir dichas aéreas con imágenes el sistema cuanta con un desplazamiento angular (pointing angle), que es lateral (en forma perpendicular a la dirección de la trayectoria orbital) y puede ser de +/- 8 grados. La Tabla 3. muestra las especificaciones técnicas para el instrumento ASTER. Una mayor información se encuentra disponible en la página web dedicada al sensor y perteneciente al JPL (Jet Propulsion Laboratory, 1999): http://speclib.jpl.nasa.gov/ Tabla 3 Características técnicas del Instrumento ASTER Característica – Subsistemas NVIR SWIR TIR Resolución espacial (m) 15 30 90 Velocidad datos (Mbps) 62 23 4 ±318 km. en (±24°) ±116 km. en (±8.55°) ±116 km. en (±8.55°) Anchura imagen (km) 60 60 60 Resolución radiométrica (bits) 8 8 12 Si, Banda 3N y 3B NO NO Vision Cross-track pointing Capacidad Estéreo Fuente: Propulsion Laboratory, California Institute of Technology, Pasadena, California (1999), ASTER Spectral Library - Version 2.0, en línea <http://asterweb.jpl.nasa.gov.>, acceso libre, consulta 3 de Diciembre de 2008. Las imágenes ASTER vienen suministradas en formato HDF (Hierarchical Data Format) y se definen en función de una serie de niveles de procesamiento, descritos en la Tabla 4. Los datos correspondientes a las imágenes originales (nivel 1A) vienen dados en niveles digitales escalados en 8 bits. Para obtener radiancia en Wm-2sr1mm-1 deben de aplicarse los coeficientes radiométricos que pueden encontrarse en Earth Remote Sensing Data Analysis Center, ERSDAC (2001), ASTER User's Guide ver. 3.1 (en línea) ftp://asterweb.jpl.nasa.gov/outgoing/userguide/ A continuación se describen los niveles o productos generados para el sensor ASTER, que representan mayor interés para este trabajo. 14 Tabla 4. Niveles de procesamiento de los Productos ASTER Nivel Producto Descripción 1A Radiancia en el sensor Datos de la imagen y coeficientes geométricos y radiométricos. 1B Radiancia sensor 2A01 Temperatura de brillo 2A02 Emisividad espectral (Decorrelation Stretch) relativa Composiciones de color realzado. 2A03 Reflectancia espectral relativa (Decorrelation Stretch) Composiciones de color realzado. 2B01 Radiancia de superficie (Visible, infrarojo cercano) Radiancia corregida de los efectos atmosféricos 2B02 Radiancia de (Infrarojo Térmico) superficie Radiancia corregida de los efectos atmosféricos 2B03 Temperatura de la superficie terrestre Temperatura obtenida a partir del algoritmo TES 2B04 Emisividad de la superficie Temperatura obtenida a partir del algoritmo TES 2B05 Reflectividad de la superficie (Visible, Inf. Cercano Obtenida a partir de las radiancia de superficie con correcciones topográficas 4A Clasificación de superficies polares y Clasificación de los pixel polares en una de las ocho clases; nube de agua, nube de hielo, aerosol/polvo, agua, tierra, nieve/hielo derretimiento y sombra 4A21 Modelo de Elevación Absoluta (MED) Digital MED producto a partir de la capacidad estéreo de la banda 3N y 3B 3A01 Radiancia en ortorectificada 4A01 Modelo de Elevación Relativa (MED) registrada el en el Datos 1A con los radiométricos aplicados coeficientes geométricos y Radiancia del sensor convertida a Temperatura nubes sensor y Datos de radiancia en el sensor y ortorectificado Digital El nivel 1A de ASTER corresponde a datos de radiancia en el sensor, este producto contiene los coeficientes de corrección geométrica y los coeficientes de calibración radiométrica adjuntos, no aplicados. Este producto es responsabilidad de equipo de científicos Japoneses. Los coeficientes de calibración radiométrica se utilizan para compensar la sensibilidad del sensor, y la información se genera de una base de datos para todos los detectores. El nivel 1A se define como la reconstrucción del dato no procesado a máxima resolución. El dato nivel 1A viene acompañado por un archivo auxiliar con los datos de efemérides del satélite y con tablas de coeficientes de calibración radiométrica y de corrección geométrica sin aplicar a la imagen. 15 ASTER nivel 1A es un producto idóneo para la orto-rectificación y para la producción de DEM ya que tiene los coeficientes radiométricos y geométricos no aplicados así como todos los parámetros del sensor. El nivel 1B Radiancia registrada en el sensor es un producto radiométricamente calibrado y los datos están geométricamente corregistrados para todos los canales de ASTER. Este producto es creado mediante la aplicación de los coeficientes radiométricos y geométricos de los datos de nivel 1A. Las bandas han sido coregistradas entre sí. Los valores de Radiancia registrada en el sensor se dan en W / (m2 µm.sr). Este producto sirve como entrada a los productos geofísicos derivados. Es decir el nivel 1B es un dato al que ya le fueron aplicados los coeficientes mencionados, está rotado (no orientado al norte) y sirve para realizar estudios donde la precisión geométrica no es crucial, éste nivel de procesamiento incluye una corrección geométrica simple, donde no se consideran las diferencias de escala debido al relieve, sin embargo sus productos resultan idóneos para integrar las imágenes con bases de datos en el ambiente de un SIG. El Nivel 2B03 denominado Temperatura de la Superficie, donde las temperaturas de la superficie de la Tierra son obtenidas por la Ley de Planck, aplicando la corrección atmosférica Los cinco canales de infrarrojo térmico del instrumento ASTER sirven para hacer estimaciones directas de emisividad de la superficie. Así como para calcular la inercia térmica y como complemento a los datos globales del sensor MODIS por ejemplo: en casos de incendios. Los sensores actuales proporcionan escasa información útil para derivar emisividad de la superficie y los investigadores están obligados a utilizar sustitutos de la emisividad. El Nivel 2B05 reflectancia de la superficie contiene datos de reflexión en superficie, consta de un conjunto de bandas de valores de reflexión en superficie para el VNIR y al SWIR a 15 y 30 m de resolución, respectivamente, después de aplicar las correcciones atmosféricas a las radiancias observadas. Los datos se registran como reflexión en porcentaje. La corrección atmosférica disminuye los efectos de los cambios en la geometría de satélites y las condiciones atmosféricas, mejora también la clasificación del tipo de superficie y de las estimaciones relacionadas con la radiación de la Tierra. La Reflectancia en superficie se calcula para las escenas de cielo claro, solamente. El objetivo de estos productos ASTER es proporcionar estimaciones de la reflectancia en la superficie. Las reflectancias en la superficie también se pueden utilizar para la clasificación de la superficie, y los estudios de la desertificación. Entre los requerimientos de los investigadores que desarrollaron el sensor ASTER, con el fin de obtener datos geológicos detallados para estudiar fenómenos que pudieran producir un impacto a nivel global, fueron colocar detectores en rangos espectrales bien seleccionados, para así favorecer la detección de las características espectrales de los principales de grupos de minerales de alteración, tales como: 16 Alunita Albita Clorita - Epidota Caolinita – Esmectita Illita Hematita Pirofilita Pirita Ferroso Ferrico Cuarzo Sílice Carbonato Una de las principales características de ASTER que explica su potencial en la prospección geológico – minera, es la cantidad de bandas con que cuenta, y en particular la posición de estas en correspondencia con las bandas de absorción de minerales representativos de los principales tipos de alteración. Por ejemplo, en el subsistema de SWIR, el ASTER tiene las bandas: 4, 5,6 y 7, mientras que el sensor Landsat ETM+ tiene las bandas 5 y 7. El otro caso es el TIR de ASTER, que cuenta con 5 bandas (10, 11, 12, 13 y 14) frente al Landsat ETM+ tiene sólo una. Esta característica explica cómo a partir de imágenes ASTER se pueden discriminar más minerales que con imágenes Landsat ETM. Figura 10. Comparación de las bandas espectrales de ASTER con las bandas de Landsat ETM+. 2.2 Los antecedentes de la prospección minera con imágenes ASTER El uso de las técnicas de percepción remota y del procesamiento digital de imágenes en aplicaciones geológicas está bien documento (Goetz et al., 1985; Kruse et al., 1993 y 2003; Rowan and Mars, 2003). En general se considera el análisis de la firma espectral de los minerales de interés, la determinación de las bandas de absorción específicas de cada mineral o grupo mineralógico, el diseño de sensores con bandas que coincidan con los rangos de absorción críticos de los minerales y dentro de ventanas atmosféricas, así como las transformaciones, técnicas y algoritmos que aplicados a las imágenes permitan la detección de tales minerales. 17 Desde 1972 con el lanzamiento del Landsat MSS, los desarrollos en procesamiento digital de imágenes se han orientado al uso de las imágenes de satélite del tipo multiespectral para apoyar la prospección minera. Los primeros mapas de alteración hidrotermal, fueron creador a partir de métodos cualitativos, como cocientes, esta técnica en particular consiste en relacionar bandas por medio de división matemática utilizando como numerador la banda de mayor reflexión y como denominador la banda de mayor absorción. Es una técnica sencilla de aplicar, es muy eficaz en especial para detectar características de absorción de óxidos de Fe e hidróxidos en la gama del visible y el infrarrojo cercano (Vane, 1987). Con el lanzamiento del sensor Landsat Thematic Mapper en 1986, las capacidades para generar mapas de alteración hidrotermal aumentó significativamente debido a las adiciones de la banda 5 y 7 ya que cubrían la región del espectro electromagnético en donde muchos minerales y micas manifiestan características espectrales debido a la absorción de asociaciones de hidroxilo (Neville, 2003). Crosta y Moore (1989) en el sur oeste de Minais Gerais Brazil, a partir del procesamiento de datos Landsat TM, elaboraron cartografía geológica con una técnica de mapeo mineral aplicando el método de estadística multivariada Análisis de Componentes Principales (PCA) para detectar óxidos de hierro e hidróxidos así como minerales relacionados con sulfuros. Propusieron así una técnica llamada Selección de Componentes Principales Orientada a Rasgos (Feature-Oriented Principal Component Selection, FPCS), la cual está enfocada a la identificación de materiales. Esta técnica se basa en el examen de Análisis de Componentes Principales (sus siglas en ingles PCA), en cuanto a las cargas o pesos de los eigenvectores para decidir en cuál de los Componentes Principales (PC) se concentrará la información directamente relacionada con las firmas espectrales teóricas del mineral de interés. Un aspecto importante de este enfoque es que predice si la superficie del blanco se manifiesta por pixel oscuro o brillante en el componente principal relevante de la imagen. Del análisis detallado de la magnitud y signo de estos pesos, responsables de la variancia estadística asociada a cada componente, se deduce la combinación de bandas que mejor concentre las características de la litología. Todo ello teniendo en cuenta las propiedades espectrales de los minerales (bandas extremas de absorción y reflexión). Loughling (1991) modificó la técnica Crosta seleccionando series de 4 bandas Landsat TM específicas, aplicando el PCA por separado a cada sub-serie. La metodología se basa específicamente en la entrada selectiva de bandas al PCA (por ejemplo, TM 1, 3,4 y 5 para la detección de FeOx y TM 1 ó 2 ó 3, 4,5 y 7 para la detección de hidroxilos). Cabe mencionar que Landsat Thematic Mapper (TM) amplió su longitud de onda en la región de 1,65 micrómetros (banda 5) y 2,22 micrómetros (banda 7), donde el mineral, carbonato, sulfato, y minerales hidratados muestran absorción espectral (Abrams et al., 1977; Hunt, 1980). Con estas bandas espectrales se logró mejorar la capacidad de discriminar los materiales de alteración hidrotermal y en particular las rocas, pero importantes deficiencias fueron reconocidos por la amplitud de la banda TM 7. Por ejemplo, para identificación de carbonato producto de la alteración hidrotermal y las 18 rocas son difíciles de distinguir espectralmente (Goetz et al. 1983). En un ejercicio de una imagen Landsat TM estos autores confirmaron que la mayoría de las rocas de carbonato expuestas alrededor de 30 km no se pudieron distinguir de la alteración hidrotermal. Asimismo, la distinción de mineralogía entre diferentes tipos alteración hidrotermal (por ejemplo, fílica frente argílica) tampoco pudo ser derivada espectralmente con datos del landsat TM. El amplio ancho de banda y, relativamente, la baja resolución espacial de Landsat MSS y TM, no fueron suficientes para detectar sutiles variaciones espectrales asociadas con la formación de carbonatos inducidos por filtración de hidrocarburos (Berger, 1994, Van der Meer et al. 2002). Además Landsat TM / ETM+ son sensores de sólo una banda en la región TIR (banda 6), y no puede ser utilizados para la cartografía detallada de cada uno de los minerales de silicato, las especies y sus abundancias (Ashish Misra, et al. 2007). El ancho de las bandas del ETM+ no permite la discriminación entre los distintos minerales, pero si hace posible la detección de casi todos los grupos de minerales principalmente al grupo de los óxidos de hierro y el de los hidroxilos. Las primeras investigaciones se caracterizan por aplicar cocientes de bandas y composición en color para identificar y mapear zonas de alteración, cuando se producen resultados confusos; el contenido de vegetación a nivel de subpixel se ha considerado la causa de este problema. Las técnicas de Análisis de Componentes Principales Dirigidas (ACPD) y en particular la variante denominada Técnica Crosta (Análisis de Componentes Principales Orientadas), basada en la técnica de Análisis Selectivo de Componentes Principales desarrollada por Chavez y Kwarteng (1989) fueron desarrolladas para separar la respuesta de los óxidos de hierro, hidroxilos y vegetación, haciendo una composición en color con las componentes resultantes. El problema de discriminar los grupos minerales lo ha resuelto en gran parte el sensor ASTER, ya que cuenta con seis bandas en la región SWIR, manteniendo posiciones estratégicas para la absorción y captación de energía distintivas de la alteración de minerales con presencia de OH y otras asociaciones de hidroxilos como M-OH y AlOH. (Hunt, 1977). El Uso de infrarrojos de onda corta (SWIR) del espectro electromagnético nos permite identificar aéreas de alteración hidrotermal siendo esta una de las más exitosas aplicaciones geológicas de la PR ASTER es un sensor que permite la identificación y la discriminación de minerales relacionados con la alteración hidrotermal utilizando datos multiespectrales de sus tres subsistemas VNIR, SWIR y TIR. Las bandas del sensor ASTER fueron específicamente seleccionadas de acuerdo con las absorciones espectrales presentes en los minerales de alteración como carbonatos, sulfatos y otras fases hidratadas originadas por Al-O-H, Mg-O-H, Si-O-H y CO3. El grupo de científicos a cargo de determinar la posición de las bandas en dicho sensor consideró los trabajos previos como el de Hunt (1977). En teoría, las propiedades de ASTER le permiten distinguir elementos de mezcla de minerales correspondientes a las regiones que cubren las seis bandas SWIR. Sin embargo, debido a la gama de respuestas espectrales originadas por mezcla de minerales, se dificulta la zonificación de los sistemas de alteración hidrotermal. Por ello 19 en las investigaciones de Fujisada 2001 y 2005, Ninomiya et al., 2003, Rowan 2003, Mars 2006 y 2007, Yamaguchi et. al. 2003, Crosta et al., 2003, Abrams, M. et al., 2000, Hubbart B. et al., 2003 y 2005, Fu B. et al. 2007, Di Tommaso, I. 2007 se aplican diversas técnicas de Procesamiento Digital de Imágenes (PDI), para determinar hasta qué punto los miembros de diagnóstico final de las diferentes zonas del sistema de alteración estudiado, pueden ser extraídos o mapeados para generar modelos simulación de mezclas, incluyendo en el cálculo: (1) la respuesta espectral derivada de la roca y (2) la mezcla de respuestas de bibliotecas espectrales. Desde 1999 el sensor ASTER ha generado imágenes y entre sus principales aplicaciones están las destinadas a realizar análisis de tipo geológico, mineralógico, litológico y de prospección minera (Ninomiya, 2002, 2003, 2004, 2005 y 2007; Rowan, 1998, Rowan and Mars, 2003, 2004 y 2005 Rowan et. al. 2003, 2004, 2005, 2006), Mars and Rowan, 2006). Las imágenes ASTER son especialmente útiles para la identificación de minerales de hierro y minerales que se encuentran en zonas de alteración hidrotermal (Sabins, 1999). En particular ASTER permite identificar grupos de minerales, incluyendo los carbonatos, Al-OH, Fe, Mg-OH, grupos H-O-H y el óxido de Fe (Ninomiya, 2004; Rowan et al., 2006). Las imágenes ASTER en especial el subsistema del Infra Rojo de Onda Corta (SWIR) se han utilizado para identificar grupos minerales portadores del ion O-H, carbonatos, entre otros (Crosta, 2003), así como de minerales producto de los sistemas hidrotermales, ya sean de alta o baja sulfuración. Referencias importantes relacionadas con la identificación de zonas de alteración hidrotermal con imágenes ASTER son los trabajos de Rowan and Mars, 1998, 2003, 2006; Ninomiya, 2003; Hubbard et al., 2003, 2005 y 2007; Vander, 2004; Crowley, 2003; Fu, 2007; Di Tomasso y Marquetti, 2004 y 2007, así como Hook, 2005. En estos trabajos se muestra cómo los datos multiespectrales del sensor ASTER han sido de gran utilidad en la evaluación de recursos minerales, apoyando y mejorando la forma de elegir posibles blancos, en función de la factibilidad de aparición de las alteraciones minerales. A continuación se exponen y comentan las contribuciones más importantes. A finales de la década de los noventa iniciaron los primeros trabajos sobre la aplicación de datos ASTER, éstos indicaron que el método más útil para la asignación de unidades litológicas debería ser el algoritmo unmixing lineal. El índice de pureza de píxel, propuesto unos años atrás (Boardman, 1993) resultaría un medio adecuado para identificar los endmembers en una imagen, aunque el número de iteraciones necesarias para identificar todos los endmembers no era tan evidente (Rowan, 1998). En 1999 Rowan utilizo imágenes del sensor ASTER para análisis litológico en Iron Hill, Colorado EE.UU, generó un DEM a partir de una escena ASTER y lo comparó con un mapa topográfico, también utilizo el subsistema TIR para derivar unidades litológicas, que fueron comparadas con los resultados del procesamiento de datos TIMS y con mapas de fotogeología, en sus resultados, los datos geológicos obtenidos de ASTER a partir del análisis espectral, representaron un alto potencial. 20 Hasta el 2003 el sensor ASTER era el único sensor satelital con capacidad de observación multiespectral que cubría el rango del infrarrojo térmico (TIR, 8 a 12 micras), representando así una amplia aplicación en prospección minera. La mayoría de los métodos para realce litológico o mapeo mineralógico con sensores remotos multiespectrales y con datos del TIR proponían o requerían como entrada aplicar la transformación a emisividad, pero la utilización de datos en Nivel-1B radiancia en el sensor (sin correcciones atmosféricas) tiene ventaja en términos de productividad, ya que no requiere aplicar correcciones complejas (Ninomiya, 2003). Otra ventaja del Nivel-1B es la extensión para el Nivel 3A de datos, que facilita la fusión con el SIG. Los estudios de Rowan et al., 2003 y Ninomiya 2003 describieron la forma en que los datos espectrales de ASTER fueron usados para detectar alteración hidrotermal, principalmente para aplicaciones en la exploración minera. Ninomiya, Y. et. al. (2002). Definen los Índice de cuarzo (IQ), del Índice de Carbonato (IC), del Índice de contenido de sílice SiO2 (IS) y el Índice de Rocas Máficas. Y las fórmulas propuestas son: IQ=(Banda 11/ Banda 10) / (Banda 11 / Banda 12) IC= Banda 13/ Banda 12 IS= Banda 12/ Banda 13 IM=Banda 12 / Banda 13 Donde el IM se correlaciona con el contenido de silicato y sensible a los carbonatos. Y en Ninomiya (2003a) en un estudio realizado a lo largo de un complejo ofiolítico en el río Yarlung Zangbo en el Tíbet, China. Utilizo los datos ASTER correspondientes al subsistema TIR con ejemplos para el análisis de aplicabilidad de datos Nivel 1B, puso de manifiesto que la cartografía litológica derivada de los índices propuestos era estable y no dependía de la variación de la temperatura y/o las condiciones atmosféricas. Ninomiya (2003b), definió otros índices como el del (OHI), es decir el OH contenido en minerales de alteración así como el Índice de caolinita (KLI), el Índice de alunita (ALI) y el Índice de calcita (CLI), definidos como: OHI=(b7/b6)*(b4/b6), KLI= (b4/b5)*(b8/b6), ALI=(b7/b5)*(b7/b8) y CLI=(b6/b8)*(b9/b8). En otro trabajo Ninomiya (2005), utilizo los índices QI, CI y MI donde explica como separa el MI de los carbonatos. Y lo define como: 𝐃𝟏𝟐 𝐃𝟏𝟐 ∗ 𝐃𝟏𝟒𝐧 𝑴𝑰𝒏 = = 𝐃𝟏𝟑 ∗ 𝑪𝑰𝒏 𝐃𝟏𝟑𝐧+𝟏 Donde: MI es en el caso de que n=0 En este trabajo utilizo datos ASTER de nivel 1b al igual que Ninomiya y Fu (2002) donde comprueban la utilidad de estos datos para obtener los índices QI, CI y MI; para discriminar tipos de roca. Un análisis teórico de la estabilidad de los índices con 21 respecto a la temperatura de la superficie y la atmósfera indica que los parámetros de QI y MI son insensibles a la temperatura, siempre que las condiciones atmosféricas son buenas, pero CI está gravemente afectado por las diferencias de temperatura, incluso en buenas condiciones atmosféricas (Ninomiya, 2002). La normalización de la temperatura de brillo de la banda 13 fija la temperatura y reduce la fuerte dependencia de CI a la temperatura de la superficie. La normalización de los datos del sensor de luminosidad en la banda i se define como: Donde: nLisen es a sensor de luminosidad en la banda i, λi es el centro longitud de onda (µm) de la banda, εa 13 es el supuesto de emisividad en banda de 13, nT es la temperatura fijada (ºK), que se normalizaron, y C1 y C2 son las constantes de radiación. Aquí, en este estudio, εa 13 se adoptó como 1.0, y nT se adopta como 300. Los estudios de casos con los índices aplicados a los datos normalizados se aplicaron con éxito para mejorar la capacidad de CI en el mapeo de carbonato de las rocas (Ninomiya, 2003; Ninomiya, 2004; Ninomiya y Fu, 2003). La normalización del procesamiento no es importante para QI y MI; Sin embargo, aquí el normalizado en luminosidad del sensor se utiliza para todos los índices para la uniformidad del tratamiento de datos. Rowan and Mars (2006) en Reko Diq, Pakistan mapearon alteración fílica (muscovita), argílica (alunita) y propilítica (clorita y muscovita). Con el TIR en rocas silícicas. En 2006 Mars and Rowan en el Arco Magmatico Zagros, en Iran mapearon alteración fílica y argílica de un sistema de yacimiento de pórfido de cobre en el complejo metamórfico de la India, utilizando un algoritmo con operadores lógicos con datos ASTER, obteniendo excelentes resultados, dicho algoritmo es: 22 Rowan and Mars 2003, describieron un ejercicio de evaluación de los datos ASTER de una zona de California al sur-suroeste de Las Vegas, Nevada, USA., con sensores ASTER y AVIRIS utilizaron técnicas de procesamiento espectral. Calibraron el sensor AVIRIS con datos de campo y de laboratorio, y el sensor ASTER fue calibrado con referencia en campo usando la reflectancia espectral de aguas superficiales in situ. En otro trabajo Rowan and Mars (2005), realizado en el complejo ultramáfico de Mordor NT, Australia, evaluaron los datos del sensor ASTER, mediante un mapeo de las principales alteraciones hidrotermales. A partir de muestras de campo midieron en laboratorio las respuestas espectrales así como la emitancia, logrando establecer relaciones litológicas entre propiedades y composiciones espectrales. Dichas muestras sirvieron de base para el análisis de la imagen ASTER. Rowan y coautores (2006), mapearon alteración fílica y argílica utilizando imágenes ASTER, datos de firmas espectrales de laboratorio y mediciones espectrales de muestras en campo. Las rocas de alteración fílica se caracterizan por absorción de Al-OH en la banda 6 de ASTER a causa de las vibraciones moleculares en muscovita, mientras que las rocas de alteración argílica tienen una absorción en la banda 5 y es debido a la alunita. Para la alteración propilítica, con presencia de clorita y moscovita, la absorción está en el rango espectral de 2,33 y 2,20 μ m y las rocas que contienen, esta alteración se forma en la zona periférica y se encontraron dispersas dentro de la principal zona alterada. Con bandas del subsistema TIR y el método del cociente b13 / b12 detectaron la silicificación, mejorando así la distinción entre depósitos de cuarzo superficiales y rocas silicificadas mediante el uso combinado de filtros de procesamiento de imagen 23 TIR junto con los espectros de emisión, tales como los proporcionados por espectrómetros de campo. Crosta y coautores (2003) en la Patagonia Argentina aplicaron la Técnica Crosta adaptándola a imágenes ASTER de acuerdo a la variación propuesta por (Loughlin, 1991), proponiendo las sub-series o combinaciones de bandas para el mapeo de alunita (1,3,5,7), illita (1,3,5,6) caolinita (1,4,6,7), y caolinita+esmectita (1,4,6,9). Explicaron también la forma en que se puede utilizar esta técnica para el mapeo de otro tipo de minerales de alteración que son valiosos para las actividades de exploración, resaltando el papel de esta efectiva y sólida técnica. En el capítulo de IV de metodología se explica con detalle la utilización de esta técnica en este estudio. Hubbard y co-autores (2005) en el Altiplano Chileno - Boliviano realizaron un análisis con los sensores Advanced Land Imager (ALI), Hyperion y ASTER en la región de 0.4– 2.4 µm donde detectaron alteración hidrotermal, la funcionalidad de este trabajo fue al utilizar las seis bandas del visible y el infrarrojo cercano de longitudes de onda (0.4-1.0 m) de ALI, útiles para discriminar entre el hierro férrico y las seis bandas del SWIR (1.0-2.5 µm) de ASTER, que permitieron distinguir entre diversos minerales. Las imágenes ALI y ASTER se utilizaron como base para calibrar y mejorar la precisión de los datos multiespectrales. También evaluaron datos hiperespectrales de Hyperion. ALI es muy útil para discriminar entre diversos tipos de hierro férrico (con minerales, tales como la hematita, goethita y jarosita). De esta forma ASTER aumentó la resolución espectral para discriminar entre los minerales sulfatados, como caolinita, esmectita, alunita y jarosita. Hellman y Ramsey (2004) utilizaron datos de ASTER y AVIRIS, aplicando el método de cocientes, en particular el cociente b4/b6 de ASTER y el b139/b195 de AVIRIS (1.67 µm/2.22 µm). Las rocas alteradas normalmente tienen cocientes superiores a la unidad (Sultan et al., 1987). Aunque en la mayoría de los casos, los cocientes ASTER y AVIRIS fueron similares entre sí, el cociente de AVIRIS fue ligeramente mayor que el derivado de ASTER, lo que indica que la técnica aplicada identificó con precisión las rocas presentes, muestreadas en campo, y las expuestas en área de alteración hidrotermal. Marquetti et al. 2004 realizaron una combinación de bandas ASTER 1B en RGB 3-2-1 asegurando que son los datos más adecuados para el mapeo de distintas unidades geológicas. La combinación RGB 4-6-9 la utilizaron para la identificación de zonas de alteración hidrotermal debido a que, en general, los minerales que componen las alteraciones argílicas, presentan una firma espectral característica, con picos de absorción en las bandas 5 (alunita, caolinita) y 6 (caolinita, montmorillonita, etc.) y reflectancia en la banda 4. Realizaron cocientes de bandas 3/1, 4/6, 7/5 y la combinación de estas detectó los halos de alteración. Los índices espectrales 3/1 para óxidos, 4/6 para alteración argílica y (b5+b7)/b6 para minerales como illita o muscovita y (sericita), la aplicación de clasificaciones como SAM para muscovita y caolinita con firmas sp8 (USGS), la técnica denominada Spectral Feature Fitting (SFF) para illita, así como para el mapeo de las zonas de alteración hidrotermal. También ajustaron el 24 realce de la imagen mediante la técnica de saturation stretch y decorrelation stretch con la finalidad de resaltar diferentes litologías, estructuras y áreas de alteración. Ninomiya et. al. 2005, con datos ASTER-TIR de nivel 1B del área este-central de Mt. Fitton al Sur de Australia, utilizaron índices incluyendo el Índice del Cuarzo (QI) para cuarcita usando un valor umbral de 1,05 y un umbral secundario de 1.035 (aplicado caso por caso) útil para detectar sílice en rocas con alto contenido de cuarzo y bajas en feldespato potásico, el Índice de Carbonato (CI) para detectar calcita y dolomita con umbral de 1,045 y un umbral secundario de 1.035, en el caso del Índice de rocas máficas (MI) las rocas con menos del 50% de silicato o con contenido químico SiO2) están bien detectadas usando umbrales entre 0.92. y 0.89 siendo una frontera estable entre las rocas máficas y félsicas. Lo que proporciona un enfoque integrado de la cartografía litológica en las zonas áridas y semi-áridas de la Tierra. Destaca en este trabajo el Índice de rocas Máficas (IM) que se obtiene por medio del cociente ASTER b12/b13, pero el MI se correlaciona con el contenido de SiO2 en las rocas de silicato, normalmente rocas ígneas, pero también es sensible a los carbonatos. Kruse et al. (2006) en los Menucos Argentina realizaron un excelente ejercicio de PR de un caso complejo en sistemas epitermales, mapeando blancos para exploración de oro mediante una combinación de análisis de campo con mapeo multiespectral e hiperespectral. Grández y Navarro 2006 realizaron un análisis de imágenes ASTER nivel 1B, con diferentes combinaciones de bandas, seleccionando la combinación 8-3-1 (RGB) logrando diferenciar los cambios litológicos y estructurales, la combinación 4-6-1 (RGB) con saturación de color, mostrando los diferentes halos de alteración, la alteración argílica presentó fuerte absorción en la banda 6 (2,2 µm), diferenciándose algunas zonas con tonalidades verdes, la combinación 5,2,1 (RGB) fue útil para la determinación de zonas de alteración (argílica y oxidación). Con los cocientes de bandas visualizados en RGB lograron discriminar zonas de alteración asociada a cuerpos intrusivos o subvolcanicos, tales como en RGB 3/1, 4/6 y 4/7. La silicificación fue detectada mediante el empleo del índice de cuarzo para obtener la sílice en superficie empleando las bandas del subsistema TIR mediante la fórmula propuesta por Ninomiya (2003). Aplicaron también la técnica CROSTA para detectar caolinita, alunita, illita y cuarzo superficial, que son los minerales relacionados a depósitos hidrotermalmente alterados y asociados a depósitos epitermales de alta sulfuración. Di Tomasso y co-autores 2007 en la Provincia de Rio Negro, los Menucos Argentina, evaluaron la precisión de datos ASTER con las bandas de absorción 1 y 3 características para detectar óxidos de Fe-; las bandas 5 y 6 para detectar Al-OH causados por minerales arcillosos, alunita y/o muscovita, sericita; la banda 7 para detectar los Fe-OH causados principalmente por jarosita y/o Fe-muscovita y la banda 8 para Mg-OH, causado principalmente por clorita, epidota y/o carbonatos (CO3). Emplearon los cocientes para análisis cualitativo de detección de alteración de minerales, en RGB: 4/5, 4/6, 4/7, donde la visualización en color blanco muestra una respuesta de banda 5 y la banda 6 (Al-OH) y la banda 7 (Fe-OH). El compuesto RGB de los cocientes: 4/6, 4/7, 3/1, mostró buenos resultados en la discriminación de 25 litologías. Aplicaron los Índices que propuso Ninomiya (2002) y varios índices mineralógicos ASTER para la detección de minerales y composiciones químicas de sílice, carbonatos y rocas de silicato. Utilizaron también el clasificador Spectral Angle Mapper (SAM) para diferentes minerales básicos identificando subclases espectrales tales como; a) sericita/illita más poca caolinita (en verde), b) illita + jarosita (en rojo), c) sericita / illita (en amarillo), d) Jarosita + óxidos de Fe- (en azul), las mezclas obtenidas en la visualización aparecieron principalmente en el interior y exterior halo de alteración estudiado. Di Tomasso y co-autores (2007) muestran con un radiómetro espectral GER 3700 con 648 bandas en rango espectral de 0,35 a 2,5 μ m. También emplearon el PIMA. Del conjunto de muestras analizadas por diferentes herramientas, se mapeo la distribución de la alteración fílica (illita / sericita, caolinita, jarosita y los óxidos de Fe-), el sílice y alteración potásica (feldespato-K). La buena correlación de los resultados del procesamiento de imágenes con la espectrometría (GER 3700 y PIMA) usada, así como el análisis petrográfico mostró que las imágenes ASTER, se pueden aplicar en aéreas con geología conocida, logrando nuevos “blancos” y el mapeo de rutas preliminares para el zonamiento de la alteración. Hubbard Bernard E. y co-autores (2007) en Mountains Quadrangles, Alaska, realizaron un mapa regional de potencial metalogénico en escala 1:250,000, en este trabajo mostraron la utilidad de datos del sensor ASTER para el mapeo litológico, mostraron también que puede ser utilizado para limitar mejor la orientación de zonas de alteración hidrotermal. Mapearon 13 unidades litológicas de yacimientos minerales, tales como: volcánicos alojados en sulfuros masivos (VMS) y pórfido cobre y molibdeno. Gad y Kusky (2007) en Arabian–Nubian utilizaron datos ASTER y aplicaron el método de cocientes tales como 4/7-4/6-4/10 para la cartografía litológica, además este compuesto mostró un alto Índice de Factor Óptimo (OIF). Para la aplicación de los cocientes combinados incluyeron las bandas SWIR (bandas 4, 6, y 7) junto con la banda 10 correspondiente al TIR, re-muestreando esta última a 30 m. Mostraron que el compuesto ASTER 4/7-4/6-4/10 resulta poderoso para distinguir las diferencias sutiles entre las diversas unidades de rocas. Zacchin y coautores (2007) realizaron una prueba en el Cratón San Francisco, Brazil, donde integraron trabajo geofísico y geológico, con la finalidad de mapear zonas alteradas y aplicaron la técnica Crosta a datos ASTER como fue mencionada antes. Zhang X. et. al. (2007) evaluaron datos ASTER en el mapeo litológico de minerales asociados con depósitos de oro de un distrito minero del sur de California USA. Con datos de SWIR de ASTER realizaron los PCA, utilizaron técnicas como cocientes, los cuales son útiles para discriminar la densidad de la vegetación y los tipos de minerales. Utilizaron los índices propuestos por Ninomiya 2003. Y aplicaron un algoritmo de des-mezcla, logrando mapear cuatro alteraciones minerales: alunita, caolinita, montmorillonita y muscovita. Chen X., et, al., (2007), en Cuprite Nevada, integraron datos hiperespectrales para obtener cartografía geológica, a partir de datos de sensores AVIRIS, MODIS, ASTER y 26 el Simulator MASTER. Utilizaron cuatro métodos de clasificación a estos datos y un conjunto combinado. Utilizaron matrices de confusión para evaluar la exactitud de la clasificación. La evaluación se hizo con el coeficiente kappa, el Spectral Angle Mapper (SAM) mostró la mejor clasificación general, el clasificador por distancia mínima tuvo la segunda mejor exactitud, seguido por clasificador Ajuste Espectral de Rasgos (SFF). Los procesamientos y métodos de análisis aplicados a los datos ASTER y la utilidad de los mismos en el mapeo de minerales de cuarzo y carbonato, lo demuestran Barnardby W. et. al. (2008), en el norte de Nevada. La alta correlación en la identificación entre cuarzo y carbonato y las correspondientes litologías, tipos de alteraciones superficiales de material no consolidado y zonas de disturbios antropogénicos que contienen estos minerales es una prueba de la aplicación de los datos ASTER, particularmente por sus bandas en la región del TIR. Por otra parte, en lo referente a los antecedentes de aplicación de ASTER en México, es importante mencionar que a pesar de que las imágenes ASTER están disponibles desde 1999, el presente trabajo es el primer documento en el Posgrado en Ciencias de la Tierra y en el país que deja explicito el potencial de los datos del sensor ASTER para detectar blancos de exploración minera. Los trabajos previos aplicados a las Geociencias, en los que colaboran mexicanos, utilizando técnicas de Percepción Remota y datos del sensor ASTER son los de Bernard E. Hubbard, et al. 2007, en el cual evaluaron y compararon la utilidad de un DEM derivado de datos SRTM así como otro generado con imágenes ASTER. Posteriormente Huggel et al. 2008, realizaron algo similar en el Volcán Popocatépetl. El trabajo más reciente lo publicaron A.A. Arellano-Baeza et al., 2009, analizando períodos de mayor actividad microsísmica, asociados con la actividad volcánica del volcán Popocatépetl y utilizando dicha tecnología para destacar los flujos piroclásticos. De acuerdo con las referencias mencionadas, los mejores resultados en la utilización de escenas del sensor ASTER, se han obtenido principalmente en ambientes semiáridos, con poca o escasa cobertura vegetal (Fujisada 2001 y 2005, Ninomiya et al., 2003, Rowan 2003, Mars 2006 y 2007, Yamaguchi et. al. 2003, Crosta et al., 2003, Abrams, M. et al., 2000, Hubbart B. et al., 2003 y 2005, Fu B. et al. 2007, Kruse 2006, Di Tommaso, I. 2007 etc. La mayoría se ha apoyado de otros datos espaciales, algunos integraron otro tipo de imágenes multiespectrales o hiperespectrales, en la mayoría se utilizan técnicas de procesamientos como: separación de Temperatura y Emisividad (TES), reducción espacial y espectral de la información contenida en las imágenes como el Minimum Noise Fraction (MNF) y el Pixel Pure Index (PPI), cocientes de bandas, clasificadores como el Spectral Angle Mapper (SAM) y el SFF, entre otras que han sido las más utilizadas para la prospección minera y detección de minerales de alteración. Es importante reconocer que el sensor ASTER aporta grandes resultados para la exploración geológico-minera utilizando las bandas SWIR y TIR en el análisis de alteración hidrotermal, generando mapas de minerales de alteración en aéreas con alta exposición, principalmente minerales definidos alrededor de 2.200 μm, el cual es característico de la absorción de los hidróxidos (caolinita y muscovita ). El mapeo de 27 los minerales se ha realizado a partir de firmas espectrales de referencia y principalmente usando el algoritmo denominado Spectral Angle Mapper (SAM), que busca el mejor ajuste (los ángulos más pequeños) entre las firmas de referencia y la firma espectral de cada pixel en la imagen, previamente calibrada a valores de reflectancia. Con datos de TIR transformados a emisividad se detecta mejor el sílice, en forma de cuarzo usando diversos cocientes e índices, y al ser un componente importante de la mayoría de las salidas de sistemas de alteración hidrotermal, resultan únicas las características espectrales en la región del TIR para aplicaciones de exploración geológico-minera (Gillespie et al., 1984; Hook et al., 1994). 2.2.1 Aportes y relaciones entre la tecnología hiperespectral y la multiespectral Los sensores hiperespectrales has estado disponibles durante más de dos décadas, por ejemplo el sensor HyMAP opera desde principios de 1980 (Goetz et al., 1985) y el Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) ha sido volado por la NASA desde 1987 (Green et al. 1998). El sensor Hyperion montado en satélite Earth Observing System (EOS-AM1) opera desde 1999. Los sensores hiperespectrales se caracterizan por tener un gran número de bandas espectrales continuas en un amplio rango del espectro electromagnético (Tabla 5). La principal característica de una imagen hiperespectral es el diseño de toma de datos espectrales (amplio rango espectral), el número de detectores, la resolución espacial, radiométrica y algo muy importante la relación de la señal y el ruido (Lillesand y Kiefer, 1994). El potencial de la cartografía litológica con los datos hiperespectrales se ha demostrado desde la primera adquisición de la Airborne Imaging Espectrómeter (AIS) en 1983 (Vane et al., 1984). Tabla 5. Características de sensores hiperespectrales. Sensor/ Características Numero de bandas Rango espectral Hyperion AVIRIS HyMap* 220 224 100 - 200 (0.356 – 2.577 µm) (0.38 – 2.5 µm) (0. 0.55 2.5 µm) Resolución espacial (metros) Resolución radiométrica Plataforma Principales usos 30 5-20 (depende de altitud), 2 -10 16-bit 12 bit 16-bit Satelital Aerotransportada Aerotransportada Mineral y Biomasa Monitoreo ambiental, agricultura, geología, suelo, forestal, vegetación, etc, Monitoreo ambiental, agricultura, geología, suelo, forestal, vegetación, etc, 28 Es importante destacar los trabajos de Rowan (2003), Hubbard (2003 y 2005), Hellman y Ramsey (2004) y Chen (2007). Donde el principal aporte es aprovechar las ventajas de datos hiperespectrales, estos permiten la transición entre pequeñas bandas de absorción casi continua lo que optimiza y se aproxima más a las firmas espectrales a mapear o detectar. Crowley, J., Hubbard, B. y Mars J. (2003) utilizaron los datos satelitales Hyperion, y aerotransportados (AVIRIS), permitiéndoles discriminar los compuestos de rocas y las principales alteraciones hidrotermales y asociaciones minerales de alunita, caolinita, cristobalita, y yeso en los Conos Mount Shasta y Shastina California EE.UU. Abrams y Hook (1991) mostraron uno de los primeros ejemplos de la combinación de datos hiperespectrales AVIRIS y datos multiespectrales TIMS (Thermal IR Multispectral Scanner) para ayudar en la clasificación de alteración sílica y rocas carbonatadas. Chen et al. (2007) mostraron que la integración de VNIR / SWIR de datos hiperespectrales junto con datos multiespectrales TIR podrían dar como resultado una gran mejoría en la identificación de óxidos y silicatos. El sensor AVIRIS ha sido volado por la NASA desde 1987 (Green et al., 1998) y ha proporcionado una gran cantidad de información sobre la composición de los materiales terrestres (Vane, G., and Goetz, A., 1993). AVIRIS cuenta con cuatro espectrómetros con 224 detectores o bandas individuales en un rango espectral de 0,4 a 2,5 µm, su resolución espectral es de: 10 nm, la resolución espacial es de 5-20 m (depende de altitud), el campo de visión es de 30º. AVIRIS es considerado como uno de los principales sensores hiperespectrales debido a su alta relación señal-ruido. Posteriormente en el 2000 la NASA lanzo el proyecto Earth Observación 1 (EO-1) incluyó el sensor Hyperion, siendo el primer espectrómetro de imágenes hiperespectrales a bordo de un satélite, lo cual representa un importante acervo de datos para PR en prospección geológica – minera e investigación. Hubbard (2003 y 2005) realizo estudios en el altiplano Boliviano, donde evaluó datos hiperespectrales de Hyperion, con datos multiespectrales de Advanced Land Imager (ALI) y de ASTER, con el fin de detectar y mapear alteraciones hidrotermales. El sensor Hyperion se asemeja al sensor AVIRIS en el rango de resolución espectral. Hyperion es un sensor que registra datos en un rango contiguo de longitud de onda del VNIR al SWIR con un total de 220 bandas espectrales, una faja de 7,5 X 100 Km. y de 30 metros de resolución espacial. Las aplicaciones científicas del sensor Hyperion se limitan por el bajo porcentaje de cobertura mundial y porque es relativamente baja la relación señal-ruido (Thome et al., 2003). Sin embargo dicho inconveniente se ha corregido con el apoyo de sensores multiespectrales como ALI y ASTER. Hubbard B., et.al. 2003, en el Altiplano boliviano integraron datos de ALI y ASTER en el VNIR (0.41.0 µm) y del SWIR (1.0-2.5 µm), aunque la posición central de las bandas de estos dos sensores son diferentes se aprovecha la mayor resolución espectral de ALI en el VNIR y de ASTER en el SWIR. ALI es útil porque el centro de sus bandas están ubicados especialmente para discriminar minerales de el hierro – férrico, entre Hematita, Gohetita y Jarosita y el sensor ASTER tiene la capacidad de distinguir entre óxidos, hidroxilos, carbonato y sulfatos, tales como caolinita, esmectita, alunita, y jarosita (Hubbard et al., 2003; Rowan et al., 2003). Por su parte Hyperion gracias a su 29 resolución espectral es un excelenete auxiliar en la calibración de los datos d ALI + ASTER, disminuyendo errores de calibración, logrando evaluar en las tres escenas los correspondientes factores de escala para ajustar ALI y ASTER sus valores de reflectancia. En otras palabras, sobre los datos correctos de Hyperion se ajustaron datos de ALI y ASTER. De este modo, la estrecha faja de datos de Hyperion, se puede utilizar para calibrar una área de datos multiespectrales (Hubbard et al., 2003). Pero tiene una desventaja en proyectos geológico – mineros, porque su cubrimiento vertical es de 100 km. Lo que da formas muy alargadas de cubrimientos y solo 7 km. de ancho, este tipo de “formas” de disponibilidad de datos hiperespectrales, muchas veces no coinciden con los polígonos que cubre unidades geológico – mineras que requieren mayor nivel de análisis espectral. Es decir los polígonos de áreas de interés son muchas veces irregulares. Hubbard B., Crowley J, 2005 consideran utilizar datos de PR para realizar análisis espectral en la discriminación mineralógica y mapeo litológico por medio de tres cuestionamientos fundamentales; 1) ¿Cuando los datos pueden ser lo suficientemente bien calibrados para producir información de diagnósticos de tipo espectral? 2) ¿La precisión de los datos es suficientemente confiable en la identificación de los materiales de interés con la posibilidad de realizar muestreo de campo, esto depende de la calidad de resoluciones espectrales, espaciales y radiométricas? 3) ¿Qué métodos de transformación espectral son más útiles para la detección, identificación y mapeo de la gran variedad de materiales terrestres, basándose únicamente en la información contenida en los datos de la imagen?. La primera cuestión justifica la utilización de datos de sensores hiperespectrales y multiespectrales, donde la calibración descrita por Hubbard et al. (2003) justifica la utilización y la forma de preparar la información para el análisis espectral de datos ALI, ASTER y Hyperion. En los cuestionamientos segundo y tercero se aborda la importancia de unir datos de sensor ALI en sus rango del VNIR con la cobertura espectral de ASTER en subsistema SWIR para producir un ancho de barrido de 13 detectores con datos de reflectancia (ALI + ASTER=13 bandas sucesivas). Esta estrategia de utilizar los datos de ALI + ASTER y Hyperion para estudiar la heterogeneidad de los datos espectrales en las diferentes escalas de mapeo mineral sirve para obtener mejores resultados. El tener datos hiperespectrales nos incrementa la cantidad de datos y dimensionalidad de la zona supera claramente la número limitado de dimensiones disponibles (mayor número de datos espectrales) en la serie ALI + ASTER. En los resultados la detección de minerales con datos Hyperion fue apenas un poco mejor que el mapeo de minerales con escena fusionada de las 13 bandas de ALI + ASTER. Hubbard et al. (2003). Chen et al (2007), integraron datos de AVIRIS y MASTER en la región de Cuprite, Nevada, integraron los subsistema del VNIR y SWIR pero le dieron peso al análisis multiespectral del subsistema TIR, por proporcionar mejor mapeo litológico en el grupo del sílice ya que está más ampliamente disponible y se ha demostrado que proporciona importante información geológica (Hook & Abrams, 1991; Chen et al. 2007). En su trabajo el clasificador espectral SAM mostró algunas ventajas sobre el método SFF en el PDI de datos multiespectrales del subsistema TIR, se obtuvo mayor precisión en la discriminación bajo albedo volcánico y rocas calcáreas que no tienen rasgos distintivos en la región TIR. La diferencia espectral del hierro y sulfuros en el 30 VNIR fue difícil de resolver por desmezcla espectral. Pero gracias a la eficacia del SAM que subdivide en subgrupos espacialmente lograron diferenciar las mezclas por pixel. El método SAM se adapta a clasificar pequeñas diferencias espectrales entre los materiales a mapear en estas condiciones. Es decir, utilizando el mismo principio de mínima distancia angular se puede explicar en general la alta precisión de clasificador SAM convirtiéndolo en una técnica robusta de mapeo, logrando manejar datos tan dispares de asociaciones minerales como de datos hiperespectrales. La utilización de colección de firmas espectrales de la amplia gama de minerales de alteración, existentes en catálogos digitales (bibliotecas espectrales) ayuda a identificar los minerales de alteración. Porque son datos con los que se puede validar los resultados PDI en algún proyecto y así entrenar o calibrar el mapeo espectral, el programa ENVI cuenta con una amplia colección de bibliotecas espectrales. En aplicaciones geológico-mineras dentro de las más importantes están las Servicio Geológico de EE.UU y las desarrolladas para al sensor ASTER, Clark, R. N 2007 en línea: http://speclab.cr.usgs.gov/spectrallib.html. Sin embargo, las bibliotecas espectrales se pueden elaborar con datos de campo para cada proyecto minero. Las bibliotecas digitales de reflectancia espectral cubren el rango de longitudes de onda desde el ultravioleta al infrarrojo lejano. Clark, R.N et. al. 2007, describen las bibliotecas espectrales del USGS, citando que es la base de conocimientos para la espectroscopia de los minerales y materiales relacionados en programas de investigación que se realizan en el Servicio Geológico de EE.UU. (http://speclab.cr.usgs.gov/spectral-lib.html), (http://speclab.cr.usgs.gov). Gran parte de esta biblioteca espectral surgió de la necesidad de apoyar los estudios de espectroscopia de la Tierra y los planetas. El espectro continúo de bandas permiten la definición precisa de las características de absorción y reflexión de firmas espectrales de una gran variedad de materiales. La identificación de los materiales terrestres ó embebidos en una escena (imagen) requiere de una amplia biblioteca espectral de comprobación, ya sean minerales, cobertura vegetal ó vegetación, materiales formados por el hombre y otros presentes en unan imagen satelital o aérea. La biblioteca espectral de ASTER incluye datos de tres bibliotecas espectrales: 1) de la Universidad Johns Hopkins University (JHU), 2) la del Jet Propulsion Laboratory (JPL) y 3) de la biblioteca espectral de United States Geological Survey (USGS - Reston). La versión 2.0 de la biblioteca espectral ASTER tiene una recopilación de más de 2,400 espectros de materiales naturales y artificiales, esta versión fue publicada el 3 de diciembre de 2008. (http://speclib.jpl.nasa.gov/). Crósta, A.P., Sabine, C., Taranik, J.V., (1998), Hacen una comparación de clasificadores espectrales de Spectral Angle Mapping (SAM) y Tricorder en California con datos hiperespectrales AVIRIS, concluyendo que ambos tienen la capacidad de generar mapas de minerales, por un lado Tricorder mostro una mayor variedad de minerales de alteración, SAM aunque es un mucho más sencillo el método fue desarrollado para agilizar mediciones espectrales de similitud, pero no es capaz de determinar las pequeñas diferencias entre las especies minerales, como clasifica el algoritmo Tricorder. El clasificador SAM utilizado por su mayor disponibilidad en paquetes comercial de procesamiento de imágenes, lo que facilita su uso y lo convierten en una opción viable para el mapeo de minerales de alteración. El algoritmo Tricorder aporta resultados más detallados en comparación con el SAM, pero su utilización es más compleja y requiere de algún tipo de conocimientos de umbrales de 31 espectroscopia y generar mucho más tiempo maquina mucho más que el clasificador SAM. Xianfeng Chen A., (2007) con datos AVIRIS Y MASTER, utilizan el clasificador SAM con el mínimo distancia angular obteniendo mejores resultados en la clasificación, seguido por el Spectral Feature Fifting (SFF) con mayor probabilidad de clasificación. Y reportan resultados del estudio mostrando que el algoritmo SFF aplicado a la combinación de AVIRIS con MASTER con datos del subsistema TIR son especialmente valiosos para la identificación de sílice y cuarzo. Las técnicas de mapeo espectral con datos hiperespectrales con algoritmos como SFF o clasificador SAM, han sido utilizadas también con imágenes multiespectrales como el sensor ASTER. En el presente trabajo se explica a detalle cómo se usó el clasificador SAM (Capítulo IV). Teniendo dos aportes; el primero es porque se utilizo con datos multiespectrales, siendo originalmente creado para datos hiperespectrales y segundo porque se utilizo con umbral de campo de entrenamiento de una sola tipología de mineral de alteración mapeando todas las variantes disponibles de dicho tipo de mineral (Capítulo V). En este trabajo se usaron técnicas de PDI de datos multiespectrales de ASTER, las cuales fueron creadas para datos hiperespectrales como es el caso de los algoritmos de SAM y SFF, según trabajos de Crósta, A.P., et. al. (1998), Hubbard et al., (2003), (2005), Xianfeng Chen A., et. al. (2007). Los datos hiperespectrales nos ayudan a calibrar los datos multiespectrales, los resultados de utilizar algoritmos como el SAM o SFF con datos multiespectrales nos generan un alto nivel de análisis espectral muy apegados a los resultados hiperespectrales, Hubbard et al., (2003), ya que la disponibilidad de cubrimiento de datos hiperespectrales son limitadas y entonces se echa mano de datos multiespectrales ayudando a cubrir así toda el área de interés. Los resultados de análisis integrados multiespectrales e hiperespectral, utilizando técnicas de PDI como SAM, SFF; tomando en cuenta las limitantes en la discriminación espectral, calibración de datos y cubrimiento del área de interés; representan una opción excelente para obtener resultados de similar calidad a los estudios directamente realizados sólo con datos hiperespectrales en la detección de áreas de alteración y en general en la prospección geológico minera. En este trabajo no se contó con una imagen hiperespectral para mejorar la calibración de nuestras escenas ASTER, sin embargo si aplicó y se adaptó el algoritmo SAM para operar usando como datos de entrada las imágenes ASTER. 32 CAPÍTULO III III. MARCO GEÓLOGICO DE REFERENCIA. En este capítulo se describe el marco geológico del área de interés, aunque este trabajo no tiene como objetivo el estudio de una región en particular (estudio de caso), el marco geológico resulta importante para definir las alteraciones representativas, para explicar las modificaciones pertinentes para un proyecto concreto, así como para tomar decisiones adaptando, en función de las necesidades detectadas, las técnicas disponibles en la metodología de la exploración geológica – minera con imágenes ASTER. Es importante destacar que el conocimiento del Marco Geológico del área de interés, en cualquier proyecto de exploración geológico – minera, además de dirigir mejor la aplicación de las técnicas de percepción remota, ofrece más elementos para interpretar los resultados. El área de estudio se ubica en la parte centro norte del Estado de Sonora, fue elegida como ejemplo para exponer cómo se puede implementar una metodología genérica para la exploración geológica – minera con imágenes ASTER. Los criterios considerados en la elección de la misma se relacionan con los nulos recursos económicos disponibles para trabajo de campo, en consecuencia, la región elegida cumple dos condiciones: tiene una fuerte actividad minera y su geología ya se ha reportado en diversos trabajos, entre las principales referencias de carácter geológico se encuentran: Noguéz-Alcántara, 2007; Valencia-Moreno, 2005; Pérez-Segura, et al., 2006. En esta zona se encuentran dos importes minas de cobre: Cananea y Caridad, además algunas compañías mineras han manifestado el interés en explorar sitios aledaños. El propósito de este capítulo es describir de forma detallada la génesis y evolución de este tipo de yacimientos Pórfidos Cupríferos, las alteraciones hidrotermales asociadas, así como las que resulten más representativas para este trabajo en relación a su posible detección remota. 3.1. Marco teórico-geológico (Tipo de alteración - mineralización en sistemas de tipo pórfido cuprífero, PC) Las características regionales del exterior del complejo plutónico de Sonora, así como las rocas circundantes muestran alteraciones producto del hidrotermalismo y por ende la modificación de las aguas contenidas en poros y grietas en dichas rocas, generando sistemas convectivos acuosos, dando como resultado soluciones hidrotermales que permean no solo al intrusivo progenitor, sino también a las rocas encajonantes evidenciando con ello intercambio químico e isotópico en las rocas involucradas (White, 1998). La mayoría de los sistemas hidrotermales se restringen a las porciones superiores de la corteza (alrededor de 7-9 km o menos), donde las rocas se comportan frágiles y se fracturan, permitiendo la penetración de aguas meteóricas. El cobre en fases fundidas puede ser fraccionado hacia una fase de vapor magmático en magmas pobres en fenocristales. Los pórfidos cupríferos son yacimientos de gran tonelaje (106-109 TM) y bajas leyes de cobre (0.2-c.2%Cu). Aparte del cobre estos yacimientos pueden presentar cantidades variables de molibdeno y/o metales preciosos (Au+Ag), susceptibles de ser recuperados económicamente. Se asocian a rocas intrusivas generalmente félsicas de composición granodiorítica, aunque los pórfidos del Pacífico SW (desarrollados en arcos de islas) suelen asociarse a facies intermedias (intrusivos dioríticos). Presentan un modelo zonal de alteración hidrotermal con un núcleo de alteración potásica 33 (feldespato K, biotita, que grada hacia fuera hacia una alteración fílica (cuarzosericítica). Más periféricamente encontraremos facies argílicas (intermedia o avanzada) y propilítica (con clorita, epidota, calcita). La secuencia de alteración es la siguiente: 1) formación de las zonas de alteración potásica y propilítica; 2) desarrollo de la alteración fílica (hacia fuera y arriba); y 3) formación de facies de alteración argílica en la parte superior del sistema. Las rocas que circundan los yacimientos minerales de origen hidrotermal casi siempre muestran los efectos de las reacciones que resultan de la tendencia de los fluidos calientes a equilibrarse con las rocas a través de los cuales se mueven. Los efectos de estas reacciones son llamados alteración de la roca encajonante y el volumen que esta zona de alteración ocupa. Esta última puede ser avanzada implicando la presencia de minerales tales como caolinita y alunita. Se reconoce un translape temporal y espacial en esta secuencia. De 1 a 3 la participación de aguas meteóricas en el sistema hidrotermal es cada vez más importante. De hecho, la parte superior del sistema hidrotermal entra de lleno en el campo epitermal (alteración argílica avanzada), donde pueden formarse mineralizaciones auríferas en un ambiente más superficial (desde unos 2 km de profundidad hasta la superficie). La zonificación generalmente representa la transición química y mineralógica de la roca original exterior hacia el interior del cuerpo mineralizado. Cada zona tiene sus minerales diagnósticos que la separa de las zonas adyacentes. Etapas y zoneamiento. Los rasgos distintivos de los depósitos de tipo Pórfido Cuprífero (PC), además de su estrecha asociación con rocas intrusivas magmáticas de textura porfídica, son sus grandes cantidades de mineral económico (varios 100 x 106 tons. de mineral), su baja ley (0.5–1 % Cu); de tal modo que algunos solo pueden resultar comercialmente aprovechables gracias al enriquecimiento supergénico del Cu provocado por los procesos de intemperismo (Anderson, 1983; Titley, 1982a). Además de la naturaleza primaria de la roca huésped, los otros dos aspectos más importantes de la mineralogía de estos depósitos son los minerales de mena, la ganga y la alteración de la roca encajonante que está invariablemente presente y es típica de estos sistemas mineralizados. En los modelos típicos cordilleranos para estos tipos de depósitos (ejemplo El Salvador, Chile; El Arco, Baja California, México; Bingham, Utah, USA), se distinguen varias zonas de mena (y equivalentes de alteración), las cuales son el reflejo y resultado de las distintas etapas evolutivas del sistema. También las zonas con máxima intensidad de mineralización en cuanto al contenido total de sulfuros metálicos de Fe-Cu rara vez exceden el 10% en promedio (normalmente ~6% para el suroeste de Norte América) y las distintas zonas hipogénicas se distribuyen en un patrón concéntrico ubicado dentro y alrededor de la intrusión. Lowell y Guilbert en 1970 propusieron un modelo relativamente sencillo caracterizado por un zoneamiento lateral y vertical de la mineralización y de la alteración, el cual está centrado en un intrusivo generalmente de textura porfídica (Fig.11). De acuerdo con la definición textual de dichos autores, los PC son “depósitos de sulfuros de cobre y molibdeno consistentes en mineralización diseminada y en vetillas tipo stockwork, la cual fue emplazada en varios tipos de roca encajonante alteradas por soluciones hidrotermales en patrones zoneados regularmente concéntricos”. La concepción del modelo de Lowell and Guilbert se basó en un estudio realizado en el depósito de San Manuel-Kalamazoo, en Arizona, el cual fue probado y refinado con información 34 compilada a partir de un importante número de depósitos de cobre y molibdeno reconocidos en Norte y Sur América. Figura 11. Modelo estático propuesto por Lowell and Guilbert (1970) para el depósito de San Manuel – Kalamazoo, Arizona, mostrando el zoneamiento vertical y lateral de la alteración y la mineralización de los pórfidos de cobre. El zoneamiento que define Lowell and Guilbert (1970), en el modelo del depósito de San Manuel – Kalamazoo, Arizona consiste de: (fig. 11). Zona interior o núcleo de baja ley en zona potásica ± magnetita de varios cientos de metros de diámetro. Es pobre en sulfuros con pirita 2 a 5 % y cociente mineralógico de py/cpy ~3:1, con calcopirita mayor que bornita, mineralización diseminada con molibdeno en altas cantidades. Zona de mena bordeando al núcleo, centrada sobre los límites de la alteración potásica y fílica. La pirita varía de 5-10% y el cociente py/cpy de ~2.5:1. Abundan vetillas tipo D de calcopirita en stockwork con poca bornita, enargita y digenita, el contenido de Cu varia de 0.4–1%, con algo de molibdeno y oro. Zona pirítica que ocupa la mayor parte de las zonas fílica y argílica. El contenido de pirita es muy alto (10–15%) y el cociente py/cpy es de ~15:1. El contenido de Cu es bajo (0.05–0.3% Cu), presente en vetillas y diseminado. Zona externa que coincide con la zona propilítica hasta el límite con la roca encajonante inalterada. Es pobre en pirita y mineralización de Cu rara, la esfalerita y galena son comunes pero escasas, con valores de Ag y trazas de tetrahedrita. Zonas de brecha que son alimentadores comunes con alta ley (2–5% Cu) y pueden atravesar desde el stock de pórfido a la roca encajonante y hasta cerca de la superficie. Gustafson and Hunt (1975) definen un modelo dinámico para los depósitos tipo pórfido, esta idea ha sido modificada por Gustafson y Quiroga (1995). Este modelo dinámico consiste en que la mineralización hipogénica en los sistemas mineralizados de tipo pórfido está relacionada principalmente con alguna de las múltiples fases 35 (desde 2 a más de 15, normalmente ~3–4 principales) de intrusión de pórfido o fase ‘productiva’. Para distinguir y entender mejor la evolución de un centro plutónico mineralizado, o la evolución típica de un sistema mineralizado de PC, se describen 4 etapas o procesos magmáticos e hidrotermales (Fig. 12) que generan alteraciones hipogénicas las cuales se describen enseguida: Figura 12. Modelo dinámico propuesto por Gustafson and Hunt (1975) para los depósitos tipo Pórfidos mostrando las diferentes etapas de alteración hipogénicas. 1. La etapa temprana u ortomagmática que es simultánea con la intrusión de los pórfidos y alteración asociada. Las vetillas ortomagmáticas se conocen ya sea como vetillas tipo M (magmáticas o de magnetita), o vetillas tipo A (cuarzofeldespato-K de segregación) y también las vetillas tipo EB (biotita temprana) de biotita secundaria temprana (Gustafson y Quiroga, 1995). En esta etapa, la alteración-mineralización potásica domina dentro del pórfido, pero se extiende hacia las partes más calientes de la roca de caja y altera su mineralogía original, ya sea pervasiva o selectivamente, principalmente por biotita secundaria o biotización. Las vetillas tipo A, se desarrollan en el pórfido mismo y en la roca circundante, y pueden ser de sólo biotita, sólo cuarzo o cuarzo- feldespato-K y/o, cuarzo-sulfuros. En los pórfidos productivos (de mineralización) estas vetillas aportan cantidades variables, por lo regular bajas (sulfuros totales o ST ~0.5%), de calcopirita-bornita o calcopirita sola en el núcleo del sistema (ejemplo el pórfido productivo), y pirita-bornita o calcopirita-pirita (ST ~0.5 a < 2.0%) en la periferia del núcleo y roca encajonante inmediata. En muchos depósitos en esta etapa se introduce entre ~50 y 75 % del Cu. También se genera alteración propilítica en los bordes adyacentes al núcleo potásico, en las porciones de más baja temperatura y con desarrollo de escasas vetillas, se forma un halo de esta alteración periférica, la cual es contemporánea y está químicamente en equilibrio con la zona potásica, siendo casi idéntica a ésta en composición total, pero distinta en mineralogía y fluidos generadores. Los fluidos predominantes en la alteración propilítica son de origen meteórico y de menor temperatura que la zona potásica, aunque relacionados al mismo centro porfídico o fuente de calor. Las asociaciones más comunes son: cuarzo-albita-clorita, cuarzocalcita-epidota y/o clorita-albita-epidota, con cantidades variables pero escasas de pirita. En la zona potásica el K sustituye al Na de los feldespatos por intercambio de base, formando una zona deficiente en Na al centro y rica en la periferia, siendo lo opuesto para el K. En la zona propilítica también se libera Na el cual se canaliza estructuralmente en vetas y vetillas perfiféricas al centro de mineralización (ej. Sierrita; Anthony and Titley, 1988). 36 2. La etapa transicional o tardimagmática es conocida como etapa de vetillas tipo B con asociaciones de molibdenita-cuarzo y turmalina-muscovita, acompañada frecuentemente por brechamiento freatomagmático con mineralogía similar a la de las vetillas. Esta alteración se desarrolla cuando el sistema magmático comienza a abrirse y se propicia la mezcla de fluidos magmáticos con otros fluidos hidrotermales (de origen meteórico) y produce la alteración fílica temprana. Es una fase intermedia entre las vetillas tipo A potásicas y tipo D hidrotermales, denominada transicional o mixta. Está caracterizada por las vetillas tipo B, que se producen en las fases tardías de enfriamiento del pórfido o fase tardimagmática. Con la mezcla progresiva de fluido hidrotermal, además de vetilleo, se produce brechamiento freatomagmático por presión de vapor generado en mezclas de fluidos magmáticos e hidrotermales que todavía son de alta temperatura, baja acidez y en frágil equilibrio (metaestable) con la roca de caja (Clark, 1993). Las vetillas tipo B son de cuarzo con sutura longitudinal, central, simétrica, contienen cantidades mínimas o nulas de sulfuros, excepto por la molibdenita y cantidades bajas de calcopirita. Esta etapa aporta entre un 15 y 20% del Cu en las menas y es la fase principal de mineralización en los pórfidos de Mo y pórfidos de Cu o Cu–Au ricos en Mo, así como en otros elementos litófilos y volátiles. La alteración y vetillas producidas en esta etapa se superponen a las paragénesis ortomagmáticas previas. Las etapas subsecuentes más hidrolíticas se superponen unas a otras, traslapando sus mineralogías respectivas y algunas veces obliterando a fases previamente formadas. 3. La etapa hidrotermal se caracteriza porque en ella se desarrolla la fase de alteración-mineralización más importante de muchos sistemas mineralizados, de tipo PC (Titley, 1993). Se caracteriza por ser de menor temperatura que las dos anteriores y es rica en fluidos hidrotermales ácidos, con alta presión de vapor, los cuales provocan una notable perturbación al fracturar y reaccionar con la roca previamente alterada, produciendo nuevos vetilleos y más brechamiento. Estos procesos hidrolíticos producen las vetillas tipo D, que presentan una sutura longitudinal, central, simétrica, y bordes de reacción con la roca huésped, generalmente como halos sericíticos (hidromica blanca). Las vetillas pueden ser sólo de cuarzo o sólo de sulfuros (pirita mayor que calcopirita) y combinaciones variables o delgadas fracturas rellenas con sericita. Esta etapa comprende dos tipos principales de alteración pervasiva: (a) La alteración fílica, con sericitización pervasiva y cuarzo-sericita-pirita variables (ambiente de acidez moderada); y (b) La alteración argílica avanzada con alunita pervasiva y en vetillas, caolinita pervasiva, y mezclas con dickita, sílice oquerosa (vuggy silica), pirofilita, diáspora, andalucita y mucha pirita (ambiente de acidez alta). La alteración argílica intermedia incluye solo minerales de más baja acidez y temperatura, principalmente del grupo de la caolinita (ej. esmectita y haloysita) sin alunita. En esta etapa hidrotermal no solamente se modifican las alteraciones preexistentes, sino que también se removilizan y redepositan los metales. También se adiciona Cu en cantidades importantes que pueden variar entre ~5 y 15% Cu típicamente y mucho más en algunos casos. Algunas veces simultáneamente con esta etapa se producen intrusiones porfídicas tardías intraminerales (Gustafson and Hunt, 1975; Titley, 1993). 37 4. La etapa geotermal o freática es la etapa hipogénica más tardía del sistema mineralizante (post-mineral temprana), cuando el ambiente magmático se abre completamente o se colapsa; la mezcla con fluidos meteóricos es cuantiosa y los fluidos ácidos llegan a ser dominantes (Beane and Bodnar, 1995). Esta etapa por lo general es estéril, aunque puede removilizar parcialmente algunos metales y aportar abundante pirita + enargita, comúnmente asociadas con alteración argílica pervasiva, localmente avanzada. Los efectos de esta etapa son de baja temperatura y se localizan en las porciones superiores (‘litocapa’ argílica) más superficiales del sistema mineralizante (Sillitoe, 1996). El colapso y la mezcla de fluidos provocan ‘estallamiento’ y escape de gases producto de la alta presión de volátiles, los cuales en su trayecto desarrollan brechas freáticas (diatremas) que algunas veces son intrusionadas por cuerpos subvolcánicos tardíos. Estas estructuras verticalmente extensas, con pocas excepciones, generalmente son post-minerales y en ocasiones destruyen significativamente y exponen zonas mineralizadas preexistentes. A menudo existen etapas subsecuentes post-mineral, que suceden posterior a la etapa geotermal en donde tienen lugar levantamientos, erosión y exposición a los procesos de intemperismo, los cuales propician alteración y mineralización supergénica de alta concentración de Cu. Las zonas ricas de depositación de calcopirita en los depósitos tipo PC tienden a formarse a lo largo del límite entre los dos tipos de sistemas hidrotermales (interno y externo), sugiriendo que la interfase de mezcla puede ser importante en la depositación mineral (Lowell and Gilbert, 1970; Titley, 1982b). En algunos casos las menas primarias pueden ser disueltas y redepositadas por los fluidos hidrotermalmeteóricos de etapa tardía, los cuales típicamente tienen bajo pH. Este modelo para los depósitos tipo PC implica que, aunque el H2O de estos sistemas mineralizantes tiene al menos dos fuentes principales (1) la fuente primordial de azufre, cobre y otros metales pesados es básicamente el sistema magmático, expresado por el stock de pórfido mismo, y (2) una posible contribución variable (aun desconocida) de materiales lixiviados de la roca encajonante (Taylor, 1997). 3.2. Marco geológico El Estado de Sonora es el principal productor de metales, minerales y rocas industriales en México, su producción principal es de cobre, molibdeno, oro, grafito, barita, wollastonita y caliza para cemento. Los principales tipos de yacimientos son pórfidos cupríferos y skarns, en metales base como hierro, así como depósitos de oro mesotermales y epitermales. (Pérez-Segura, 2006). El territorio sonorense tiene una historia geológica bastante compleja. En él acontecieron varios eventos geológicos que dieron lugar a una gran diversidad de unidades litológicas, las cuales, por medio de los fenómenos endógenos (tectonismo y vulcanismo) y exógenos (erosión y depósito) sucedidos a través del tiempo, han transformado su estructura original y modelado el paisaje 3.2.1 Geología regional La geología de Cananea exhibe un basamento de unos 1,000 m de espesor de cuarcitas y carbonatos del Cámbrico al Carbonífero, dividido en las Formaciones Bolsa, Abrigo, Escabrosa y Martín, subyacidos por un granito proterozoico con una edad U-Pb en circones de 1,440 ± 15 Ma (Anderson and Silver, 1977). Estas rocas descansan de manera discordante por debajo de una gruesa secuencia de tobas y 38 flujos de composición intermedia a félsica de las Formaciones Elenita y Henrietta de posible edad triásica (?) y jurásica (Valentine, 1936). Por encima aparece una cubierta volcánica discordante de unos 1500 m de espesor, dominada por flujos de andesitas y dacitas laramídicas de las Formaciones Mariquita y Mesa (Meinert, 1982; Bushnell, 1988). El volcanismo laramídico estuvo acompañado por varios pulsos intrusivos contemporáneos, que incluyen la diorita Tinaja, la granodiorita Cuitaca y la monzodiorita Chivato. Estos dos últimos intrusivos presentan edades U-Pb en circones de 64 ± 3 Ma y 69 ± 1 Ma, respectivamente (Anderson and Silver, 1977). Las inyecciones tardías de plutones porfídicos cuarzo-feldespáticos y troncos riolíticos, algunos de los cuales son responsables de la mineralización en el distrito de Cananea, presentan edades entre 59.9 ± 2.0 Ma y 57.4 ± 1.6 Ma (Wodzicki, 2001). La geología de Nacozari incluye rocas sedimentarias del Cretácico Temprano pertenecientes al Grupo Bisbee, las cuales afloran mejor en la parte noroeste del área en la zona de Florida-Barrigón (Theodore y Priego de Wit, 1978). Una gran parte del área está cubierta por flujos de derrames y tobas intermedias y félsicas de edad laramídica, las cuales están intrusionadas por una serie de troncos sub-volcánicos. La mina de La Caridad fue el sitio más importante y mejor estudiado del distrito (Echávarri-Pérez, 1971, 1973; Livingston, 1973, 1974; Seagart, et al., 1974; Berchenbritter, 1976). Se considera la zona con mayor acumulación de metales, con un aproximado de más de 1800 Mt de mineral con 0.452% de Cu y 0.0247% de Mo (Singer et al., 2005), representando un volumen total de 8.14 Mt de Cu contenido. La geología del distrito de Cumobabi es relativamente simple en el sentido de que no se conocen afloramientos del basamento pre-laramídico. Las rocas más antiguas de éste distrito consisten en andesitas y dacitas cortadas por un plutón monzonítico con una edad K-Ar en biotita de 63.1 ± 1.7 Ma, expuesto en la zona de San Judas (Scherkenbach et al., 1985). Por otro lado, un plutón granodiorítico en el área de la mina Washington dio una edad K-Ar en biotita de 56.4 ± 1.2 Ma (Damon et al., 1983), lo cual aproximadamente tiene la edad del evento intrusivo pre-mineral en el distrito de Cumobabi. Edades K-Ar en biotita y sericita asociadas al evento hidrotermal indicaron un rango de entre 56 y 40 Ma (Scherkenbach et al., 1985; Damon et al., 1983), lo cual sugiere un periodo relativamente largo para la actividad hidrotermal en este distrito. Sin embargo, recientemente dos edades Re-Os en molibdenitas indicaron una edad coincidente de 58.7 ± 0.2 Ma (Barra et al., 2005). En Sonora este-central se reconocen dos grupos de edades para las rocas plutónicas: (a) la fase más antigua pre-larámide, o tal vez larámide (muy temprana) se encuentra en la región de Bacanora-Sierra El Novillo y Rebeico, con edades entre ~90 y 84 Ma (Pérez-Segura, 2006). Ésta se ubica en una franja batolítica orientada noreste-este a suroeste-oeste (casi E-W) que presenta cierto diacronismo haciéndose más joven hacia el oeste. La mineralización cuprífera asociada, en esta fase no es típica de yacimientos tipo PC, sino más bien de yacimientos de FeOx-Cu-Au (IOCG); y (b) una fase más joven (Larámide tardía) traslapada a la primera, se presenta en franjas de orientación noroeste-sureste y edades entre ~57–52 Ma, por ejemplo el batolito de El Jaralito (Roldán-Quintana, 1991). Esta fase no es productiva de mineralización importante de tipo PC en esta región; Sin embargo, se extiende con edades muy similares a la de ~57–52 Ma, hacia el centro-norte de Sonora, hasta la región de Cumobabi y Nacozari donde sí produjo mineralización significativa entre 57–53 Ma. En la región de Cananea los grandes batolitos favorables a la mineralización presentan edades entre 68 y 61 Ma, y los stocks y pórfidos de ~62–56 Ma. En casi todos los casos, los stocks y pórfidos asociados, presentan edades similares o ligeramente menores a los batolitos de donde se derivan. 39 Las unidades litológicas presentes en Sonora este–central corresponden a (figura 13). Unidades Precámbricas Rocas de basamento del terreno Norte América que incluyen al Esquisto Pinal con edad de 1.7 a 1.6 Ga e intrusivos graníticos de 1.4 Ga como el Granito Cananea (Anderson and Silver, 1977). Unidades Paleozoicas La sucesión sedimentaria carbonatada y siliciclástica de plataforma marina que representa parcialmente a todos los periodos paleozoicos y es conocida localmente como Cuarcita Capote. Estas secuencias del noreste de Sonora pertenecen a la porción sur de la plataforma y el miogeocinclinal Cordillerano (Campa y Coney. 1983; Gonzalez-Leon, 1986; Stewart, 1988) y reposan discordantemente sobre el Precámbrico. Hacia su base yace la Cuarcita Capote o Formación Bolsa del Cámbrico, seguida por las formaciones calcarelarcillosas Abrigo Cámbrico, Martín del Devónico, y Escabrosa de Misisípico. Unidades Mesozoicas Rocas Jurásicas de supuesta edad jurásica que en algunas áreas presentan un marcado metamorfismo y deformación tectónica (Jmv) incluye riodacitas tobas, sedimentos volcanoclásticos, cuarzoarenitas y conglomerados. Rocas marinas de Jurasico Superior de la Formacion Cucurpe (Araujo y Estavillo, 1987 en mapa geologíco ERNO-UNAM) que subyace a las rocas de Grupo Bisbee. Incluye una variedad de rocas siliciclásticas, volcanosedimentarias y volcánicas deformadas con fósiles de amonitas y bivalvos del Oxfordian – Titoniano (Villaseñor et al, 2005 en mapa geologíco ERNO-UNAM) Unidades Meso-Cenozoicas Rocas plutónicas de composición granodiorítica con edades de 90 a 40 Ma. (Damon, 1983), junto con la Formación Tarahumara forman el arco magmático Larámide, esta ultima incluye rocas volcánicas de composición andesítica y dacítica con intercalaciones de volcanosedimentos y tobas riolíticas, con edades de 90 a 55 Ma. (Mc Dowell, 2001). Unidades Cenozoica Formación Tarahumara (Wilson y Rocha, 1947 en González-León et.al 2008) y su equivalente a la Formación Mesa (Valentine 1936), incluye rocas volcánicas de composición andesítica y dacítica con intercalaciones de volcanosedimentos y tobas riolíticas, sus edades reportadas van de aproximadamente 90 a 55 Ma. (Mc Dowell, 2001) Conglomerado polimíctico deformado (Formación Cocóspera de Gilmont, 1978 en González-León et.al 2008) con clastos y bloques derivados de la Caliza Mural. Unidad sintectónica de una deformación compresiva cretácica cuyo rasgo tectónico mas distintivo es la cabalgadura de la falla San Antonio (Rodríguez–Castañeda 2003 e en González-León et.al 2008) Subyace discordantemente en la Formación Tarahumara que aparentemente no representa tal deformación compresiva. Volcanismo félsico de la Sierra Madre Occidental también conocido como Supergrupo Volcánico Superior (Mc Dowell and Clabaugh, 1979). Lo forman principalmente tobas e ignimbritas de composición ríolitica y en menor proporción andesitas y basaltos. Sus edades se ubican en un rango entre 32 y 25 Ma. 40 Depósitos aluviales, fluviales y lacustres de la Formación Baúcarit de la etapa del Mioceno, fueron depositados en cuencas asociadas a la tectónica distensiva “Basin and Range”. Se incluyen también las gravas y arenas no consolidadas del PlioCuaternario, Grupo Sonora (Grijalva–Noriega y Roldan–Quintana, 1998) Figura 13. Mapa geológico de Sonora Méx., Instituto de Geología ERNO, UNAM. 3.2.2 Alteración y mineralización En la mayoría de los casos, los sistemas de PC en esta región se caracterizan por grandes zonas con alteración hidrotermal potásica, fílica, propilítica y argílica, relacionadas con la presencia de troncos hipabisales cuya composición varía entre monzonitas y cuarzo-dioritas. La mineralización se presenta principalmente como zonas de stockwork ó en forma diseminada, especialmente hospedada en rocas volcánicas laramídicas de composición intermedia, así como en los mismos intrusivos sub-volcánicos. Existen además importantes concentraciones asociadas con estructuras brechoides y zonas de skarn, con mineralización de Mo, Ag, Au, W, Pb y Zn. En México, los pórfidos con mineralización de Cu-Mo-W son en general más abundantes e importantes, destacando Cananea y La Caridad, pero existe un segundo tipo de pórfidos con mineralización de Cu-Au que están más restringidos a la porción 41 sur del cinturón en Sinaloa, Baja California (una vez que su posición pre-apertura del Golfo de California ha sido restituida; Figura 11), Michoacán, Guerrero y Chiapas. (Noguéz-Alcántara, et. al. 2007). Los distritos mineros que su tomaron como referencia en este apartado son: Milpillas, Cananea y San Felipe, y los describiremos por su ubicación en dirección norte sur. Distrito Cananea – Milpillas. El distrito minero de Cananea – Milpillas es un claro ejemplo de dicho modelo, este yacimiento está ubicado en la provincia metalogénica de Sonora-Arizona-Nuevo México y se caracteriza por una mineralización hipogénica con leyes de 0.1–0.15% Cu, asociada al emplazamiento de plutones laramídicos. Noguéz-Alcántara B. (2008) describen el enriquecimiento hipogénico y pervasivo; Este patrón posee distintas zonas con una mineralogía (mena, ganga y alteración) característica y una posición espacial relacionada a sus respectivas fuentes. El patrón hipogénico fue inicialmente de alteraciones potásicas y propilítica, seguido por alteraciones hidrotermales fílicoargílicas pervasivas. La zona potásica incluye biotita-cuarzo-feldespato K±sulfuros y se ubica hacia el centro del sistema, y hacia la periferia se ubica la zona propilítica caracterizada por cuarzo-albita-clorita±calcita-epidota±pirita (Noguéz-Alcántara 2008). Las alteraciones fílica y argílica son pervasivas e incluyen cuarzo, sericita y pirita la primera, y alunita, caolinita y sílice la segunda. Esta mineralogía constituye una ganga no-reactiva muy favorable para el enriquecimiento supergénico del cobre. Este patrón hipogénico está evidenciado por la presencia de abundantes vetillas tempranas de cuarzo-feldespato K±sericita preservadas y por los contenidos de sulfuros relictos encapsulados en cuarzo. La mineralización hipogénica es de baja ley (entre 0.1 y 0.15% Cu), y su mineralogía es simple; el sulfuro más abundante es pirita, que varía entre alrededor de 3% hasta más de 10%, seguida por calcopirita que reemplaza biotita y plagioclasa y es el sulfuro primario de Cu más importante. La bornita, aunque en cantidad mucho menor, aparece hacia el centro del sistema y como intercrecimientos por exsolución en la calcopirita. La molibdenita es un constituyente menor que ocurre comúnmente en vetillas tardías con cuarzo, turmalina y muscovita. La covelita y la digenita aparecen en cantidades traza, al igual que la tenantita, la esfalerita y la galena. En las porciones superficiales ocurre una paragénesis freática tardía de enargita- alunita en cantidades muy pequeñas. La zona mineralizada se extiende en dirección NW-SE, e incluye los depósitos de Cananea, Mariquita, María, Lucy, Milpillas y El Alacrán entre los más relevantes. Mineralización y alteración supergénica La mineralogía supergénica en Milpillas domina tanto el zoneamiento vertical, como la distribución actual de la mineralización de cobre de interés económico. Las litologías observadas son en gran medida producto de alteración supergénica que se superpone a la alteración hipogénica. Los cuerpos de mineral se ubican a una profundidad entre los 150 y 700 m. Ocurren hacia la base de la zona oxidada de un extenso perfil intemperizado de alrededor de 150 m hasta más de 600 m de espesor, el cual a su vez está cubierto por una columna post-mineral de gravas recientes subhorizontales de 20 hasta unos 350 m de espesor. El perfil supergénico fue preservado en el semigraben Cuitaca Norte por sepultamiento sedimentario debajo de estas gravas, las cuales 42 pertenecen al Grupo Sonora del Mioceno Tardío-Plioceno (Grijalva-Noriega y RoldánQuintana, 1998). El porcentaje total de sulfuros formadores de ácido (alrededor de 10% en volumen, principalmente pirita y calcopirita) contenido originalmente en el sistema mineralizado de Milpillas, al oxidarse, desarrollaron el capote lixiviado que dio lugar a la zona enriquecida con Cu subyacente. Desde la superficie hasta la transición entre la zona de enriquecimiento y los sulfuros hipogénicos, el perfil intemperizado comprende cuatro zonas principales: una zona de lixiviación y una zona de óxidos por arriba del nivel freático, una zona de enriquecimiento supergénico, y una zona hipogénica por debajo del nivel freático, con las correspondientes subzonas de mezcla sobre los contactos transicionales entre zonas. Esta configuración se reproduce con cada nuevo ciclo, lixiviándose los cuerpos superiores y redepositándose más abajo, con mayor espesor y más alta ley de Cu (Anderson, 1983). Cada zona supergénica se caracteriza por sus asociaciones mineralógicas de mena, ganga y alteración generalmente pervasivas en diversas escalas. Estas zonas ocurren superpuestas y modifican la paragénesis hipogénica original (mena, ganga y alteración). La mineralogía característica resultante en cada zona es muy distinta de la original, pero depende en gran medida de la composición global inicial (reactividad) de dichas zonas. La mayor parte de la producción de cobre en México proviene de la mina de Cananea, la explotación se hace a cielo abierto de importantes horizontes de enriquecimiento supergénico con más de 500 m de espesor, relacionados a una serie de pórfidos cuarzo-feldespáticos y troncos riolíticos, (Meinert, 1982; Wodzicki, 2001). Algunos de los cuales son responsables de la mineralización en el distrito de Cananea. De acuerdo con fechamientos K-Ar en biotitas, la edad de la alteración hidrotermal se estima en 56.7 ± 1.2 Ma (Damon et al., 1983), y está caracteriza por una zona potásica enmascarada por un importante halo de cuarzosericita cercana a los intrusivos porfídicos y una alteración propilítica periférica. La mineralización está mayormente distribuida en la zona potásica y la zona cuarzo-sericítica, y consiste de calcopirita y molibdenita en forma diseminada y en stockwork. Distrito Nacozari El distrito Nacozari representa el segundo distrito en tamaño dentro del cinturón de PC del noroeste de México, destacando como un importante productor de cobre a escala mundial. Sus principales minas son: La Caridad, Pilares, Bella Esperanza, Los Alisos, Florida-Barrigón, y El Batamote. La mineralización está asociada a un intrusivo cuarzomonzonítico de edad comprendida entre 54-55 Ma (Damon et al., 1983). Esta edad es ligeramente más antigua a las edades obtenidas recientemente con base en análisis de Re-Os en molibdenitas estimando una edad de entre 53.8 y 53.6 Ma (Valencia et al., 2004), lo que sugiere que el evento magmático- hidrotermal en La Caridad fue relativamente corto. El resto de los centros mineralizados están inactivos; sin embargo, actualmente se están realizando campañas de exploración en algunas zonas, incluyendo Los Alisos y Florida-Barrigón. Cabe mencionar que la mina Pilares fue uno de los primeros sitios en desarrollar actividad minera en el norte de Sonora. Valencia M. et.al. (2006). Este depósito consiste en una brecha volcánica de composición latítica, cuyos fragmentos se encuentran cementados por especularita. Bella Esperanza consiste en una zona de stockwork y brechas asociadas a un tronco cuarzo-monzonítico de 55.9 ± 1.2 Ma (K-Ar en biotita), emplazado en rocas volcánicas laramídicas (Damon et al., 1983). El depósito está caracterizado por una impresionante zona de oxidación, sin embargo no se ha detectado aún la presencia de mineralización económica. 43 Distrito de Cumobabi. Aunque actualmente inactivo, hace algunos años el distrito de Cumobabi figuró como el primer productor de molibdeno del país, con una producción reportada de 2.9 Mt de mineral con leyes de 0.245% de Mo y 0.165% de Cu (CRM, 1992). Su importancia estaba centrada en la brecha de San Judas, aunque existen muchas otras zonas mineralizadas entre las que destacan Transvaal, Cobre Rico y Washington. De acuerdo con Scherkenbach et al. (1985), la mineralización en Cumobabi ocurrió en dos pulsos principales. El primero estuvo asociado a la alteración potásica y consiste en molibdenita, pirita, cuarzo, calcopirita, anhidrita y apatito. El segundo pulso se asocia a la alteración sericítica y consiste en calcopirita, ilmenita, anhidrita, tetraedrita, esfalerita, galena, siderita y turmalina. Las brechas de la zona de San Judas-Transvaal comúnmente contienen más del 10% de Mo, mientras que las rocas en las que se emplazaron estas estructuras contienen menos del 0.01% de Mo. En la mina Washington, las brechas están dominadas por pirita, calcopirita, molibdenita y scheelita asociada a la alteración potásica (Simmons and Sawkins, 1983). El depósito de Cobre Rico es muy poco conocido en la literatura, pero se sabe que tuvo actividad mineral en el pasado (Scherkenbach et al., 1985). Se trata de una brecha de colapso hospedada en rocas volcánicas, desarrollada en una zona de alteración sericítica y propilítica (Echávarri-Pérez, 1978; CRM, 1992). 3.3 Mapeo hidrotermal con sensores remotos y PDI La litología que circundan los yacimientos minerales de origen hidrotermal casi siempre muestran los efectos de las reacciones que resultan de la tendencia de los fluidos calientes de origen cortical de aguas meteóricas o aguas de circulación profunda tendientes a equilibrarse con las rocas a través de los cuales se mueven. Los efectos de estas reacciones son llamados alteración de la roca encajonarte y el volumen que esta ocupa zona de alteración (Caprubí A., et al., 2006, fig.14). La alteración hidrotermal es un término general que incluye la respuesta mineralógica, textural y química de las rocas a un cambio ambiental, en térmicos químicos y termales, en la presencia de agua caliente, vapor o gas. La alteración hidrotermal ocurre a través de la transformación de fases minerales, crecimiento de nuevos minerales, disolución de minerales y/o precipitación, y reacciones de intercambio iónico entre los minerales constituyentes de una roca y el fluido caliente que circuló por la misma. Aunque la composición litológica inicial tiene una influencia en la mineralogía secundaria (hidrotermal), su efecto es menor que el debido a la permeabilidad, temperatura y composición del fluido. En efecto, la temperatura del fluido y el pH del mismo son los factores más relevantes en la asociación mineralógica resultante de los procesos de alteración hidrotermal, más que la litología. Los procesos volcánicos a menudo se asocian con la circulación de fluidos hidrotermales a través del edificio volcánico, alterando las rocas bajo diferentes condiciones de temperatura y de presión (y de paso, económico que producen depósitos de minerales). Los conjuntos minerales resultantes de la alteración se identifican utilizando espectrometría de aviones de imágenes de datos (Crowley and Zimbelman, 1997). Similares, aunque menos precisa, las discriminaciones que se pueden hacer con ASTER datos. (D. Pieri, M. Abrams 2004) 44 Figura 14. El esquema nos muestra los sistemas de forma comparativa de las estructuras, procesos, tipos de alteración, volátiles liberados, temperaturas, pH, tipos de fluidos y reacciones involucradas en la formación de los depósitos epitermales de baja y alta sulfuración. Igualmente se muestra su relación con las rocas magmáticas como fuente de calor, fluidos y componentes químicos para estos depósitos, comprendiendo desde una cámara magmática en proceso de enfriamiento, la formación de depósitos metálicos relacionados a pórfidos (cupríferos, auríferos, o molibdeníferos), hasta el ambiente epitermal (modificado de Sillitoe, 1995; con base en los datos de Hedequist and Lowenstern, 1994; Gammons and Williams-Jones, 1997; Corbett and Leach, 1998). La posición de la transición frágil–dúctil se ha ubicado en temperaturas de ~ 400ºC, y a 5–7 km de profundidad (p.e. Fournier, 1991; Nielson et al., 1999). En: Caprubí A., et al., 2006. Para Caprubí A., et al., (2006), los minerales de alteración pueden ser considerados como el resultado de los procesos de mineralización como son los yacimientos minerales en sí. Los cuales generan en general tres amplios grupos de minerales característicos de la alteración hidrotermal: Los hidroxilos como sericita, caolinita, pirofilita, motmorillonita etc. (minerales y micas), minerales de fierro (hematita, goethita y jarosita) y los sulfatos hidratados (yeso y alunita). Algunos de estos minerales como la aluníta y la jarosita se forman únicamente durante los procesos de alteración hidrotermal, mientras que otros minerales como la caolinita y la hematita pueden formarse como productos de intemperismo. 45 Otro aspecto importante de las alteraciones es su zonificación de transición química y mineralógica de la roca original que va del exterior hacia el interior del cuerpo mineralizado. Cada zona tiene sus minerales diagnósticos que la separa de las zonas adyacentes (fig.15). Figura 15. Muestra el modelo de zonificación de procesos hidrotermales, según Camprubí et al.2003, donde se observa un esquema de la composición mineralógica de las alteraciones hidrotermales asociadas a la formación de depósitos minerales epitermales, mesotermales y porfídicos, según el pH de las soluciones mineralizantes (modificado y simplificado de Corbett y Leach, 1998). Abreviaciones: Ab = albita, Ac = actinolita, Ad = adularia, Al = alunita, And = andalucita, Bi = biotita, Ca = calcedonia, Cb = carbonatos (de Ca, Mg, Mn y/o Fe), Cc = calcita, Cl = clorita, Co = corindón, Cr = cristobalita, Dc = dickita, Di = diápora, Do = dolomita, Ep = epidota, Fp = feldespatos potásicos, Ha = halloysita, I = illita o illita–esmectita, K = caolinita, Mt = magnetita, Op = ópalo o sílice opalina, Pi = pirofilita, Px = clinopiroxenos, Q = cuarzo, Se = sericita, Si = siderita, Sm = esmectita o esmectita– illita, Tri = tridimita, Z = zeolitas (de menor a mayor temperatura: natrolita, chabazita, mordenita, heulandita; laumontita; wairakita). En: Caprubí A., et al., 2006. 3.3.1 Realce espectral para el mapeo de alteración hidrotermal El uso de la PR permite una comprensión de la distribución de los materiales en la etapa de exploración ya que por medio del mapeo espectral de las aéreas de alteración se obtiene una visión a escala regional. Esto es sumamente importante para poner de manifiesto las posibles zonas de mineralización. La utilidad de sensores remotos multiespectrales y en general la utilización de técnicas para discriminación de materiales se basa en las diferencias que existen entre sus respuestas espectrales. El uso de imágenes de satélites en la exploración minera y mapeo geológico nace en década de los 1970 (Vincent, 1997). Abrams et al. (1977) identificaron alteración 46 hidrotermal de minerales del distrito minero de Cuprita Nevada USA. Varios años más tarde, Vincent et al. (1984) utilizo datos de sensores multiespectrales aerotransportados y espaciales para detectar contenido de sílice y generar el mapa del distrito del Cuprita USA. La mayoría de sensores de satélites, como el Landsat 7 fue reforzado con el cartógrafo temático Plus (ETM +), el cual no tienen la necesaria resolución espectral para detectar la amplia gama de características espectrales propias de una mineralización hidrotermal (Sabins, 1999). Ruiz-Armenta y Prol-Ledesma (1998) utilizaron las respuestas espectrales del sensor Landsat TM para identificar áreas de alteración hidrotermal de minerales en un área del Cinturón Volcánico Transmexicano. Destacando las dos mejores técnicas para mejorar la detección de alteración se encontraron (1) análisis de componentes principales (CPA) que es un análisis estadístico para de correlación de bandas, y (2) HSI (matiz, saturación, intensidad) de transformación, es decir una simple transformación no-lineal que puede alcanzar un sentido más fuerte de color de una imagen sin el más grande proceso de estadístico de correlación (Ruiz-Armenta y ProlLedesma, 1998). Las técnicas de realce digital tanto espacial como espectral se usan directa o indirectamente para extraer información de las imágenes multiespectrales para la solución de problemas específicos. Estas técnicas se basan en la relación que existe entre la composición de los diferentes materiales que constituyen la escena y su respuesta espectral en cada una de las bandas que componen la imagen. El objetivo principal de aplicar las técnicas del realce digital, es el de mapear áreas con alteración hidrotermal y estructuras geológicas a partir de la extracción de la información espacial y espectral contenida en la imagen. Para efectos de este trabajo es muy importante conocer los tipos asociaciones minerales presentes en cada una de las zonas de alteración hidrotermal típicas de los Pórfidos de cobre. Según Oyarzun, R. (1991) describe el zoneamiento típico del modelos de mineralización de las alteraciones hidrotermales así como sus asociaciones mineralógicas que las define • Alteración potásica. Caracterizada por la presencia de feldespato potásico secundario y/o biotita secundaria (anhidrita también puede estar presente). En términos fisicoquímicos esta alteración se desarrolla en presencia de soluciones casi neutras y a altas temperaturas (400º-600ºC). (se acompaña de pirita y magnetita) • Alteración Fílica. También denominada cuarzo-sericítica o simplemente sericítica: caracterizada por el desarrollo de sericita y cuarzo secundario, en menor proporción pirita. Es el resultado de una hidrólisis moderada a fuerte de los feldespatos, en un rango de temperatura de 300º-400ºC. • Alteración Argílica. También denominada argílica intermedia: caracterizada por la presencia de caolinita y/o montmorillonita. • Argílica avanzada. Caracterizada por la destrucción total de feldespatos en condiciones de una hidrólisis muy fuerte, dando lugar a la formación de caolinita y/o alunita. • Propilítica. Caracterizada por la presencia de clorita, epidota y/o calcita, pirita y plagioclasa albitizada. Generada por soluciones casi neutras en un rango variable de temperaturas. 47 • Silicificación. Caracterizada por la destrucción total de la mineralogía original. La roca queda convertida en una masa silícea. Representa el mayor grado de hidrólisis posible. Los rellenos hidrotermales de espacios abiertos por cuarzo "no son" una silicificación. Los grupos de minerales que se mapearon utilizado la metodología descrita en el capitulo cuatro y para nuestro estudio de caso, donde las alteraciones detectadas gracias a la respuesta espectral medidas en micrómetros de máxima adsorción y de máxima reflexión, así como las dos bandas de ASTER de máxima absorción y las dos bandas ASTER de máxima reflexión. (ver figura 16.) La figura 16 muestra un ejemplo de la mezcla de minerales detectados. Firmas espectrales USGS, re-muestreadas a ASTER. (corte de Anexo 1), donde 1) es la firma espectral de la USGS, 2) Firma espectral remuestreada a bandas ASTER y 3) Firma espectral de la imagen del proyecto. CLORITA 1) 2) 48 3) BIOTITA 1) 2) 49 3) PIRITA 1) 2) 50 3) Figura 16. Parte del anexo 1. Firmas espectrales de los minerales mapeados: a) Clorita - Epidota de la USGS, b) Clorita - Epidota remuestreada a bandas ASTER c) Clorita - Epidota de la imagen del proyecto, d) biotita de la USGS, e) biotita remuestreada a bandas ASTER f) biotita de la imagen del proyecto, g) Pirita de la USGS, h) Pirita remuestreada a bandas ASTER i) Pirita de la imagen del proyecto De los minerales detectados de la imagen sus características coinciden con una mezcla de Pirita, Biotita y Clorita – Epidota (2.33 μ m). La Clorita es responsable de la absorción de Fe, Mg-OH se caracteriza por tener cerca de la región de 2.35 μ m y la secundaria en función de 2,25 μ m, así como las múltiples amplia - hierro ferroso características ubicado en región de longitud de onda corta de 1,3 μ m. Todos estos espectros o firmas espectrales se consideraron como perfiles espectrales y finalmente estos se utilizan como referencia en cartografía espectral. Por ejemplo las características espectrales de los óxidos de hierro relacionados a manifestaciones superficiales de áreas mineralizadas (p.e. gossan y halos de alteración) los cuales presentan rasgos característicos en la región del visible e infrarrojo cercano del espectro electromagnético (0.4-1.1 μm), así como de los minerales de la Tabla 5 y la vegetación, (esta última por la fuerte respuesta espectral que presenta en la región del visible e infrarrojo cercano, lo que interfiere en la identificación e interpretación de los óxidos de hierro y por su intensa cobertura de esta región del espectro electromagnético proveen las bases físicas para el mapeo de zonas alteradas. La alteración observada en campo comúnmente es indicada frecuentemente por la presencia de óxidos de hierro y minerales arcillosos OH (hidroxilos). Cuando los minerales de óxidos de hierro están presentes el color de la roca es café, rojo, anaranjado o amarillo y si están presentes minerales arcillosos el color es verde claro, crema, amarillo pálido y violeta claro. La abundancia de los minerales de hierro en las rocas alteradas ayuda en la localización de estas, dado que estos minerales afectan fuertemente la porción de 0.4 a 1.1 μm de la región del visible e infrarrojo cercano (VNIR - SWIR). Los rasgos espectrales debido a transiciones electrónicas de los minerales de hierro que se presentan comúnmente en las rocas alteradas en el rango de 0.35 a 1.5 μm (Hunt and Ashley, 1979). (Anexo1). 51 Figura 17. Firma espectral de la Hematita (USGS). La firma espectral de hematita (Fig. 17) presenta rasgos bien definido se caracteriza por el aumento de la reflectancia en las longitudes de onda cortas hasta un máximo cerca de 0.75 μm y un mínimo que ocurre generalmente en 0.85 μm. La presencia de anomalías de reflectancia en la banda cerca de 0.9 μm es un indicador confiable de los minerales formados principalmente por hierro-férrico. Si las anomalías se centran en las longitudes de onda más pequeñas que 0.9 μm, el mineral predominante es generalmente hematita. Si la anomalía está centrada en 0.9 μm o en valores mayores que esta longitud de onda el mineral dominante es usualmente jarosita o goethita. La presencia de la jarosita puede ser definida por el rasgo de absorción en 0.43 μm. 52 CAPÍTULO IV IV METODOLOGÍA DE PROCESAMIENTO DE DATOS ASTER Las imágenes del sensor multiespectral ASTER destacan entre las más usadas para detectar minerales de áreas de alteración (Di Tommaso I. and Rubinstein N., 2007; Mars and Rowan, 2006; Hubbard and Crowley, 2005; Rowan et al. 2006; Rowan et al. 2005; Crosta et al., 2003; Ninomiya, 2002; Ninomiya and Fu, 2001). Kalinowski y Simon (2004) elaboraron un manual de procesamiento de índices de minerales utilizando imágenes ASTER y Origel-Gutiérrez (2007) elaboró un catálogo de procesamiento ASTER como guía ilustrada sobre la interpretación visual de la percepción remota aplicada a la cartografía geológica y a la exploración minera. Sin embargo, no se ha reportado aún la integración metodológica de las diversas técnicas, más allá de los índices, la cual permita funcionar como una guía tanto para la interpretación visual como para el procesamiento digital integrado, que sirva de referente sobre los pre-procesos y procesos por aplicar en función de los objetivos de exploración y bajo determinadas circunstancias tales como el tipo de nivel de procesamiento de los datos ASTER. Por esta razón, este capítulo tiene como propósito integrar las diversas técnicas del procesamiento de imágenes ASTER, como una guía metodológica para detectar aéreas de alteración mineralógica y/o asociaciones minerales, originadas por la génesis y evolución de los grupos de minerales tipo, asociados o indicadores de la formación de yacimientos hidrotermales y/o por diseminación, favoreciendo la definición de blancos de interés en la exploración geológico-minera. Las principales etapas que se pueden realizar en un proyecto para la detección de áreas de alteración minera con imágenes ASTER son: definición del proyecto, preprocesamiento, procesamiento e Interpretación de resultados (Figura 18). Figura 18. Diagrama de flujo de las principales etapas de un proyecto de exploración geológico-minera con datos de Percepción Remota. La metodología aplicada en este trabajo se muestra con detalle en la Figura 19 y a continuación se analiza de acuerdo a sus principales etapas. 53 Figura 19. Metodología general de procesamiento digital de imágenes ASTER para la detección de áreas de alteración minera. 4.1 Definición del proyecto La Figura 20 muestra los pasos a seguir para hacer una buena definición de los minerales o alteraciones a mapear considerando los objetivos del proyecto, el conocimiento previo sobre la geología regional y local, las estructuras geológicas, los modelos de mineralización aplicables, así como los trabajos geológicos y mineralógicos publicados, resultan elementos críticos para la elección de los minerales a buscar, en relación a la tipología de las alteraciones de cada sitio. 54 Figura 20. Primera etapa: Definición del proyecto. Ésta etapa define los minerales a mapear e incluye la ubicación del área de interés (AOI) en un marco geológico – regional y en el caso de un proyecto local, incluye la delimitación del predio o lote minero para la exploración detallada. Comprende definir la extensión en kilómetros, así como las escalas geográficas y cartográficas adecuadas, ya sea para argumentar técnicamente el denuncio y tramitarlo, o para profundizar en las técnicas de procesamiento aplicadas en el caso de una concesión en exploración. En esta parte inicial se recopilan todos los datos auxiliares que se tengan a la mano del sitio, tales como: DEMs, curvas de nivel, información litológica, geológica, estratigráfica, hidrológica, carreteras, bancos de materiales, minas activas y abandonadas, localidades y en general la toponimia. Posteriormente, una vez definida el área de interés, se hace una búsqueda detallada de la “escena óptima” tomando en cuenta todas las características que definen a una imagen (Tabla 6), incluyendo el nivel de procesamiento, el cual está en función de las características propias del proyecto minero. Al respecto y considerando que el insumo principal son las imágenes, resulta crítico realizar una selección cuidadosa de las mismas. La mejor escena está en función del tipo de aplicación. Los criterios más importantes para la selección de imágenes ASTER aplicadas a la exploración geológico-minera se describen en la Tabla 6. Tabla 6. Criterios para la selección de imágenes ASTER en prospección geológico minera. 1. Fecha específica de toma 2. Nubosidad Preferir fechas cercanas al periodo de estiaje con el propósito de que la cobertura vegetal no sea tan vigorosa espectralmente. Nula o con menos del 10% sin afectar áreas de interés 3. Ángulo de visión lateral “pointig angle” 4. Nivel de Procesamiento 5. Año de toma Cercano a cero, para tener mayor proximidad a la toma en nadir y en consecuencia reducir así los errores posicionales. Según el presupuesto y el tiempo disponible para realizar el proyecto minero. Preferir las escenas de los primeros años de operación de ASTER, con propósito de minimizar la aparición de impactos por obras mineras recientes que pudiera dificultar los resultados o sesgarlos. Fuente: Propia 55 4.2 Pre - procesamiento En esta etapa se realiza una “preparación” de la imagen a procesar, aquí se realizan múltiples correcciones de acuerdo al nivel de procesamiento adquirido y de los objetivos propios del proyecto minero, es decir las correcciones radiométricas, geométricas y atmosféricas están implícitas según el nivel de procesamiento, por tanto este nivel determina las transformaciones o calibraciones que se necesiten realizar ya sean a valores de radiancia, reflectancia, emitancia y/o temperatura. De acuerdo al nivel del procesamiento adquirido (Figura 21), pueden existir varios escenarios de pre-procesamiento de la imagen (Figura 19), en función también de los minerales que se pretende detectar según el interés del usuario. El primer nivel de procesamiento ASTER es el ”Nivel 1A” conteniendo datos de radiancia en el sensor, este nivel corresponde a la “imagen cruda” y contiene datos de radiancia no proyectados. En el encabezado interno incluyen los coeficientes de corrección radiométrica y geométrica, pero sin aplicar. Por otra parte, el Nivel 1B también tiene datos de radiancia en el sensor pero ya tiene aplicados tales coeficientes. Los diferentes niveles de pre-procesamiento para imágenes ASTER que genera el proveedor japonés ERSDAC (Figura 21) son generados a partir de datos Nivel 1A o 1B, y de acuerdo al tipo de correcciones geométricas, radiométricas y atmosféricas se les va asignando un nivel de procesamiento. Figura 21. Los diferentes niveles de procesamiento generados en ERSDAC, de acuerdo al tipo de dato y a los diferentes subsistemas de ASTER. SEGEMAR-JICA, 2003. Las correcciones geométricas y radiométricas son las más usuales o genéricas, aunque estas pueden aplicarse o no dependiendo del nivel de pre-procesamiento con el que se adquiere la imagen, o de las características específicas de cada uno de los subsistemas ASTER utilizados. Regularmente, al indicar el grado de preprocesamiento de los datos, (por ejemplo ASTER 1A) se hace referencia si se han aplicado o no tales correcciones. El nivel 1A se define como la reconstrucción del dato no procesado a máxima resolución. El dato nivel 1A viene en formato HDF (Hierarchical Data Format), el cual contiene todas las referencias espaciales y de toma para la correcta calibración de la imagen, es decir las efemérides del satélite y las 56 tablas de coeficientes de calibración radiométrica y de corrección geométrica que no han sido aplicadas a la imagen, y por tanto conserva sus valores originales. La etapa de pre-procesamiento de datos ASTER se muestra en la Figura 21, la cual presenta un diagrama simplificado común para todo tipo de aplicación de imágenes ASTER, es decir, no sólo para la exploración geológico minera. En la Figura 22 se muestran los diferentes pasos a seguir según el tipo de dato, es decir del nivel de procesamiento adquirido o disponible. Figura 22. Etapa de Pre-procesamiento, niveles de procesamiento de la imagen adquirida, pueden ser los niveles 1A, 1B, 2 y 3A. Explicación en el texto. La Figura 22 muestra, los cuatro niveles de procesamiento de ASTER, los son sometidos primero a algún tipo de corrección geométrica. Los datos en nivel 1A son requeridos para ortorectificación. Los datos 1B y 2, ya están proyectados y cuentan con una corrección geométrica pero es indispensable aplicarles la rotación señalada en sus metadatos para orientarlos al norte. El nivel 3A corresponde a datos ya ortorectificados. En el caso de utilizar imágenes ASTER 1A en su formato nativo HDF, se transforman a Nivel 3A, por ejemplo usando el software SILCAST (Sensor Information Laboratory Corp), este software genera en forma automática un DEM relativo por esterocorrelación de las bandas 3N y 3B, sin usar puntos GCP, a una resolución espacial de 30 metros, posteriormente, en forma también automatizada, orto-rectifica la imagen usando dicho DEM. Es importante configurar para el proceso de re-muestreo el método vecino más cercano, para garantizar que los valores de radiancia no se 57 alteren, generando datos del VNIR, SWIR y TIR totalmente co-registrados y con arreglos de matrices que son múltiplos exactos, según el tamaño del pixel (15,30 y 90 metros). El resultado de este paso genera datos de nivel 3A (3A01 de ERSDAC), que ya son archivos orto-rectificados en formato GEOTIFF. Siguiendo las etapas del pre-procesamiento, con datos nivel 3A, o incluso con niveles 1B y 2, procede integrarlos a través de apilarlos por subsistema-resolución, almacenándolos en 3 archivos BIL, después se re-muestrea el subsistema SWIR, cambiando el tamaño del pixel de 30 a 15 metros para hacer la integración VNIR+SWIR, ambos al mismo tamaño de pixel. Es recomendable re-muestrear el SWIR a 15 metros para no perder información, sobre todo si hay interés en detectar áreas de óxidos férricos, aunque también es posible re-muestrear el VNIR a 30 metros. Estando ambos subsistemas con el mismo tamaño de pixel se integran todas las bandas apilándolas en un archivo, éste se debe almacenar o convertir a formato BIL, que es el óptimo para el cómputo de las operaciones del procesamiento digital de imágenes. El subsistema TIR se trabaja por separado en su resolución original de 90 metros integrando sus bandas en un archivo BIL. Para el caso del subsistema TIR se utiliza un algoritmo para corregir los valores de los pixeles de la imagen ASTER TIR (niveles 1A, 1B o 3A) en todas sus bandas, estos valores han sido modificados por la degeneración de partes mecánicas y eléctricas de los sensores. Para esto se utiliza la metodología modificada de Tonooka et al. (2003 y 2004) para calibrar y corregir la deriva que se produce en las 5 bandas del sensor de ASTER TIR. Con este método se generan los coeficientes de re-calibración para el TIR. El algoritmo desarrollado en ErMapper que realiza esta tarea es: (((i11)*(UCC))*(value1))+(value2). En este algoritmo los valores de la constante corresponden al coeficiente simple o normal de corrección, según las especificaciones de ASTER para las bandas del TIR Unit Conversion Coefficients: UCC en unidades Wm-2sr-1. La variable 1 es el coeficiente A de Tonooka y la variable 2 es el coeficiente B de Tonooka. Ambos coeficientes se generan en el sistema disponible en línea: http://tonolab.sis.ibaraki.ac.jp/ASTER/Recal. Posteriormente se presentarán dos casos: Caso 1 Corresponde al supuesto en el que se dispone del tiempo suficiente para procesar una escena y el nivel de la imagen es 1A (ya transformado a nivel 3A en SILCAST), o directamente adquirida con un proveedor en nivel 3A (re-muestreada usando vecino más cercano). Además, bajo este supuesto, también se requiere del análisis espectral riguroso, para clasificar y segmentar la imagen usando firmas espectrales de los minerales de interés. Se pueden presentar entonces dos opciones en función de los minerales a detectar. a) Si se buscan óxidos y/o hidroxilos, se propone aplicar la calibración de los datos para llevarlos por algún método a valores de reflectancia para los subsistemas VNIR+SWIR, así como aplicarles posteriormente una técnica de enmascaramiento para ocultar los datos y valores de la imagen que no son de interés mapear (agua, sombras, nubes, valores saturados, vegetación, etc.), o donde a priori se sabe que ahí se pueden generar falsos positivos, así como positivos sin interés. También se puede realizar la calibración del Subsistema VNIR+SWIR a valores de Radiancia y posteriormente a Reflectancia, paso requerido en modelos de corrección como el implementado en el módulo FLAASH del ENVI. 58 b) Si lo que se busca son Silicatos, Carbonatos, Feldespatos y Anomalías Térmicas, se requiere calibrar a radiancia las bandas del TIR y posteriormente enmascararlas. Caso 2 Corresponde al supuesto en el que al menos una de las interrogantes del diagrama de flujo es negativa (Figura 2, Pre-proceso), es decir, no hay tiempo suficiente para procesar con análisis espectral riguroso, los niveles de imagen no se han llevado a nivel 3A, o no es necesario el análisis espectral riguroso. Cumpliendo alguno de estos supuestos, se procede a enmascarar y evaluar la calidad de los datos. Una vez aplicado el enmascaramiento se termina la etapa de Pre-Proceso, ya que los datos hasta aquí obtenidos o preparados, se deben evaluar visual y estadísticamente para iniciar la etapa siguiente. 4.3 Procesamiento Esta etapa de la metodología se muestra en la Figura 23, es diversa porque define los métodos de análisis visual o digital por aplicar, según el objetivo y las características de los datos que se han preparado en el pre-procesamiento. El objetivo principal en el Procesamiento Digital de Imágenes (PDI) es encontrar o detectar algo que desconocemos a partir de elementos de referencia (conocidos). Las tareas del PDI, en consecuencia, están relacionadas con identificar, localizar, clasificar y segmentar. Figura 23. Diagrama de flujo de la etapa de Procesamiento. 59 De acuerdo a las características de los datos con los que se cuente, así como al tipo de alteración o asociación mineral que se requiere mapear, se tienen dos escenarios a seguir: 1) En este escenario se tienen datos ya calibrados, con nivel 2 de procesamiento y además se requiere aplicar análisis espectral riguroso, teniendo dos opciones de procesamiento: a) Hacer la clasificación de la imagen y la posterior segmentación concentrada en la clase de interés. Para el caso de la clasificación SAM, en las imágenes regla, previamente seleccionadas para la segmentación, se buscan los valores mínimos (ángulos más bajos) dentro de la imagen regla seleccionada, o si son más de una, en todas ellas. Los posibles blancos en exploración minera se buscan en los valores extremos, en este caso mínimos. Primero se determina un valor umbral, que es un valor angular en radianes, con los pixeles que cumplan tal condición, se genera así una región de interés (ROI), la ROI se convierte a un archivo de clasificación (con una sola clase). Este archivo es depurado por segmentación para disminuir las celdas aisladas que no representan mucho interés, para concentrar la exploración hacia los sitios con celdas más agregadas, pero sin afectar rasgos que pudieran ser importantes como anillos, curvilineamientos y lineamientos asociados a estructuras de alteración y/o vetas. Esta imagen clasificada se segmenta utilizando una cantidad adecuada de pixeles vecinos como criterio de contigüidad (8 pixeles), así como el número mínimo de pixeles que formarán un segmento, los segmentos se convierten después a imagen binaria o de clasificación. Alternativamente, la imagen clasificada se puede sólo someter a filtros de moda (quita pecas) realizando diferentes evaluaciones por prueba y error. Cuando se llega a un producto óptimo, se exporta a formato vector y se crean los archivos shapefile (shp) para compararlos con otros métodos del análisis digital, usados para detectar el mismo mineral o asociación de minerales. b) Hacer el realce espectral y espacial por medio de técnicas visuales como: Cocientes de bandas, Índices, CRÓSTA (Crósta y Moore 1989), filtros de borde, filtros direccionales, etc. Para lograr extraer información de las imágenes, una de las primeras funciones del PDI es el realce de los patrones, rasgos u objetos que conforman una escena y que son de especial interés para un estudio. Se busca mejorar la calidad de una imagen refiriéndola o transformándola a un espacio más adecuado, en el cual se pueden enfatizar objetos de interés. Posteriormente, se realiza la segmentación de los sitios de mayor potencial de contener el mineral o asociación mineral de interés, considerando que en el caso de cocientes simples e índices, los valores extremos de interés son los máximos, bajo este criterio se puede segmentar en el percentil 97 o mayores. En el caso de la técnica CROSTA (Crósta y Moore 1989), los valores extremos a segmentar pueden ser tanto mínimos (percentil 1-3) como máximos (percentil 97). 2) En este escenario no se tienen datos calibrados, o no se adquirió el nivel 2 de procesamiento y/o además no se requiere de análisis espectral riguroso, entonces se realiza la producción de material visual, por medio de realces espectrales como: Cocientes, Índices, Análisis de Componentes Principales, Decorrelation Stretch, supresión de la vegetación (Crippen and Blom, 2001), etc. Se continúa con el Análisis espacial para realzar rasgos estructurales por medio de filtros de 60 borde y direccionales aplicados tanto a la imagen ASTER como a datos DEM. Para generar productos a color de las áreas de alteración, las imágenes que realzan cada mineral de interés se proyectan usando la técnica RGB. Composiciones altamente correlacionadas tendrán poco contraste y requerirán la técnica Decorrelation Stretch. Los resultados se visualizan directamente en pantalla o se imprimen. Se puede calcular para la serie VNIR+SWIR la técnica de supresión de la vegetación, la cual modela la disminución de la respuesta espectral de la vegetación en el área de estudio tratando de recuperar la respuesta espectral del suelo. Este método ayuda a interpretar mejor las características geológicas y funciona mejor con un dosel de vegetación abierta. El modelo calcula la relación de cada banda de entrada con la vegetación, entonces de-correlaciona el componente vegetal del total de la señal en cada pixel por banda. Los resultados de la supresión de la vegetación se utilizan en el análisis visual, pero no en el análisis espectral. A esta serie con respuesta de la vegetación disminuida se le calcula el Primer Componente Principal (CP1vs), el cual captura la mayor varianza de la escena. A este (CP1vs) se le aplican filtros de realce de bordes y se utilizará como “imagen base” en tonos de grises para sobreponer en la misma los polígonos de factibilidad minera. 4.3.1 Componentes principales (CP) El uso de Componentes Principales produce bandas de salida no correlacionadas, para separar el ruido de los componentes y para reducir la dimensionalidad de los conjuntos de datos. Dado que los datos de bandas de imágenes multiespectrales y hiperestectrales son a menudo muy relacionadas, los componentes principales (CP) de transformación se utiliza para producir bandas de salida no correlacionadas. Esto se hace para encontrar un nuevo conjunto de ejes ortogonales que se tienen su origen en los datos de media y que circulan de manera que la varianza de los datos es máxima. Las bandas de CP son combinaciones lineales de las bandas espectrales originales y no están correlacionadas. Se puede calcular el mismo número de bandas de PC de salida como de entrada de bandas espectrales. El primer PC(PC1) contiene el mayor porcentaje de varianza de los datos y la banda de PC segunda (PC2) contiene la segundo más grande de la varianza de datos, y así sucesivamente. Las bandas de PC de última (PCn) aparecen ruidosos porque contienen muy poca variación, que en gran parte se debe al ruido en los datos originales espectral. Las bandas de los Componentes Principales se utilizan para producir imágenes de compuesto color más coloridos que espectralmente, los colores de las imágenes compuestas por esto componentes son mayor calidad visual porque los datos no se correlaciona. (Richards, J.A., 1999. Extracto de un manual de ayuda ENVI) 4.3.2 Supresión de la vegetación El uso de la opción de supresión de la vegetación (Crippen, R. E., and R. G. Blom. 2001), se utiliza para disminuir la vegetación desde el punto de vita visual, se utilizan las bandas correspondientes al rojo y al infrarrojo. Este método ayuda a interpretar mejor las características geológicas y funciona mejor con un dosel de vegetación abierta y con imágenes de resolución espacial media de 30 m. El modelo calcula la relación de cada banda de entrada con la vegetación, entonces de-correlaciona el 61 componente vegetal del total de la señal en cada pixel por banda. Los resultados de la supresión de la vegetación se utilizan en el análisis visual, pero no para el análisis espectral. 4.3.3 Decorrelation Stretch El uso de Decorrelation Stretch elimina la alta correlación del conjunto de datos de imágenes. Sirve para producir una imagen a color con mayor calidad visual. Los datos altamente correlacionados suelen producir imágenes de color muy suave o de bajo contraste. El Decorrelation stretch requiere de tres bandas de entrada. Esta técnica es útil cuando las bandas están altamente correlacionadas, por ejemplo las bandas de ASTER TIR, 10, 12, y 13 producen una imagen en RGB bastante similar, sin algún contraste visual. Este tipo de imagen es difícil de interpretar y no es muy útil. La aplicación de Decorrelation Stretch se aplica a cada banda de manera que se muestra la correlación mínima entre bandas. Es decir es otra manera de reducir la redundancia en la imagen. 4.3.4 Método de Combinación de bandas La combinación de bandas es la asignación tres bandas a cada uno de los canales o cañones del Rojo, Verde y Azul de algún software de procesamiento de imágenes, para la visualización en pantalla o para la salida a impresión. El color de cada píxel estará influenciado por el o los predominios de los canales, que dependen de las características espectrales del material o los materiales abarcados. La asignación de las bandas se realiza teniendo en cuenta las características espectrales de lo que se desea estudiar. Por ejemplo una combinación 631 de ASTER, nos dará los colores más reales de los materiales como es en tonalidades rojisas los suelos desnudos, en verde la vegetación y en azul el agua. 4.3.5 Método; Band ratio Relación de uso dos bandas para aumentar las diferencias entre ellas de forma espectrales y para reducir los efectos de la topografía. La división de una banda espectral por otro produce una imagen que proporciona la intensidad de la banda familiar. La imagen aumenta las diferencias entre las bandas espectrales. ENVI puede producir imágenes de la banda en cualquier relación de punto flotante (decimal), formato o byte de datos de formato. Formato de punto flotante es el predeterminado. Usted puede combinar los tres ratios en un color ratio compuesto (CRC) de la imagen para determinar la forma espectral aproximada de espectro de cada píxel. (extracto de la ayuda ENVI 4.7 manual). 4.3.6 Filtros La aplicación de filtros es la técnica de realce espacial u operación de convolución que modifica el valor de un píxel con respecto al valor de los píxeles circundantes, con el objetivo de obtener suavizado, realce de bordes, realce de lineamientos, entre otros productos. Matemáticamente son matrices o KERNEL que operan línea a línea y columna a columna realizando una operación matemática, suma, resta, multiplicación, etc. Esta operación genera un nuevo valor de píxel. 62 Según los valores que se elijan para los coeficientes de la matriz, se obtendrán distintas transformaciones sobre la imagen, tales como: suavizado (filtrado pasa-baja), detección de bordes (filtrado pasa-alta), realce de bordes, gradientes direccionales, etc. 4.3.7 Minimum Noise Fraction (MNF) La Minimum Noise Fraction (MNF). Es un método estadístico que funciona las diferencias en una imagen basada en DNs píxel en varias bandas. Matemáticamente, se usa vectores propios y valores propios para resolver los principales vectores y direcciones de los datos de (nube de valores de datos de la imagen). La idea es mostrar las diferencias y no que las similitudes entre las bandas. Así que en las imágenes de componentes principales que busca en el máximo las diferencias entre lo que el sensor está recogiendo en diferentes bandas en lugar de donde diferentes bandas está grabando, es decir lo mismo que la reducción de la redundancia. El cálculos también determinar el ruido en la imagen. Después de hacer este análisis puede entonces ir y hacer una serie de ratios band, se compara con MNF o de los componentes principales de la imagen, y tal vez asignar cada banda de la MNF a algún rasgo o característica. Recuerde que estas son las estadísticas y hacer no indican ningún minerales específicos, sino únicamente las diferencias entre las áreas de la imagen. Esto método funciona mejor para las imágenes SWIR. (extracto de la ayuda ENVI). El MNF se transforma para determinar la dimensionalidad inherente de datos de la imagen, para separar el ruido en los datos, y para reducir los requisitos de cálculo para posteriores ... El espacio de procesamiento de datos puede ser dividido en dos partes: una parte asociados a los grandes valores propios y eigenimages coherente, y una parte complementaria con la unidad cerca de - valores propios y el ruido dominado por las imágenes. Al usar sólo las partes coherente, el ruido es separados de los datos, mejorando así los resultados del tratamiento espectral. (extracto de la ayuda ENVI). 4.3.8 Técnica Crosta La Técnica Crosta es conocida como selección de características orientadas a Componentes Principales (CP) (Crosta y Moore, 1989). A través del análisis de valores propios de los vectores que permite la identificación de los principales componentes que contienen información espectral sobre los materiales específicos, así como la contribución de cada una de las bandas originales de los componentes en relación con la respuesta espectral de los materiales de interés. Esta técnica indica si los materiales están representados por píxeles brillantes u oscuros en los componentes principales de acuerdo con la magnitud y signo de los vectores propios 4.3.8.1 Tecnica Crosta adaptado a ASTER El Análisis de Componentes Principales (ACP) es una técnica estadística de síntesis de la información, o reducción de la dimensión (número de variables). Es decir, ante un banco de datos con muchas variables, el objetivo será reducirlas a un menor número perdiendo la menor cantidad de información posible. Los nuevos componentes principales o factores serán una combinación lineal de las variables originales, y además serán independientes entre sí. Un aspecto clave en ACP es la interpretación de los factores, ya que ésta no viene dada a priori, sino que será deducida tras observar la relación de los factores con las variables iniciales (habrá, pues, que estudiar tanto el signo como la magnitud de las 63 correlaciones). Esto no siempre es fácil, y será de vital importancia el conocimiento que el experto tenga sobre la materia de investigación. El ACP es una transformación que permite mejorar la dispersión de un conjunto de datos multiespectrales redistribuyéndolos alrededor de otro conjunto de ejes ortogonales en un espacio multidimensional que maximiza la varianza de los datos. El ACP se usa frecuentemente en PR para reducir la dimensionalidad de los datos de imágenes multiespectrales sin una pérdida importante de información. Las composiciones de color utilizando los componentes principales fundamentales pueden facilitar así la identificación y mapeo de los materiales de la superficie mediante interpretación visual. Sin embargo, al depender los resultados del ACP de cada escena en particular, el significado físico de los colores en una imagen de CP en muchas ocasiones no está claro y para dotar de contenido físico a ciertas combinaciones de CP se diseñaron dos técnicas ligeramente diferentes: los índices espectrales y el ACP orientado a la identificación de materiales FC, ambas técnicas están siendo utilizadas con imágenes ASTER. Crósta y Moore (1989) a partir de la técnica de estadística multivariada de Análisis de Componentes Principales desarrollaron una técnica sobre una imagen Landsat TM, denominada Selección del Componente Principal Orientado a Rasgos (FPCS) y mejor conocida como Crósta, la cual fue utilizada para el mapeo de óxidos de fierro e hidróxilos, identificando el componente que contiene información espectral sobre materiales específicos, así como la contribución de cada una de las bandas originales de los componentes en relación con la respuesta espectral de los materiales de interés. Esta técnica indica si los materiales están representados por píxeles brillantes u oscuros en los componentes de acuerdo con la magnitud y signo de los eigenvectores. En 1991 Loughling modificó la técnica FPCS seleccionando series de 4 bandas Landsat TM específicas y aplicando el PCA por separado a cada serie para asegurar que ciertos materiales no sean detectados y que la información espectral de los materiales de interés fuera mapeada en un sólo componente. En esta guía se integró la técnica Crósta con la modificación propuesta por Louglin (1991) y aplicada así en imágenes ASTER por Crosta et al. (2003). Bajo esta modificación se seleccionan las subseries de 4 bandas ASTER de acuerdo a la posición de los rasgos espectrales característicos de los minerales que son clave en la determinación de alteraciones usando las porciones VNIR+SWIR del espectro. Es decir, de acuerdo a la posición de bandas de absorción y reflexión del mineral a mapear, se dirige o se predetermina la serie de bandas de las que se va a obtener la cantidad de datos más representativos de esa firma espectral, elevando la factibilidad de obtener información óptima en lo mapeado. Por ejemplo, Crosta et al. (2003) propusieron las sub-series de bandas ASTER para el mapeo de Alunita, Caolinita, IIlita y Caolinita+Esmectita. En este trabajo se agregaron más sub-series seleccionando las bandas a partir de la firma espectral del mineral de interés. En seguida se muestra la figura 24 donde se describen los pasos a seguir para realizar la segmentación a través de filtros de moda. 64 Figura 24. Diagrama de Flujo del proceso de segmentación. Con el conjunto de las 14 de bandas de ASTER se pueden realizar varios métodos para mapear y discriminar las alteraciones y grupos de minerales. La Tabla 7 muestra ejemplos de cocientes e índices así como las bandas usadas por Crosta et al., (2003). Tabla 7. Fórmulas y bandas de serie CROSTA aplicadas a datos ASTER Mineral o alteración Clave Fórmula ASTER Serie CROSTA Alunita ALI i= (7/5)(7/8) 1357 Arcillas banda 6 OHIa i= (7/6)(4/6) Arcillas banda 6 OHIb i= (7/5)(4/5) Arcillas OHI i=OHIa AND OHIb Arcillas Clay_1 i= (5+7)/6 Arcillas Clay_2 i= (5/6)(7/6) Alt. Argílica: Alu/kao/Pyro/ Arg i= (4+6)/5 *puede ser (4+6)/(5*2) i= (6/5) Alt. Argílica avanzada Phy i= (4+7)/6 i= (7/5) Alt. Fílica: Alt. Fílica: (Ser/Mus/ili/sme) Alt. Propílica Opcional i= 6/5 Alunita Alt. Fílica: Observaciones Phy2 i= (5+7)/6 i= (8/5) 65 CLI i= (6/8)(9/8) Kaolinita KLI i= (4/5)(8/6) Kaolinita KLIa i= 7(5+6) Kaolinita i= 4/6 si Kaolinita i=7/5 ¿? 1467 1469 Kaolinita + Esmectita Illita Illi i= Clay – KLIa 1356 variantes 2 y 3 4+7/6*2 Illita Illi i= Clay – KLIa 1456 variantes 1 y 5 4+7/6*2 Muscovita i=7/6 Oxidos: férrico Fe3+ i= 2/1 Oxidos: hematita* i= 3/1 Oxidos i= 2/1 Oxidos i= 4/1 Oxido ferroso Fe2+ i= 5/3 + ½ Silicatos Ferrosos i= 4/3 Jarosita i= 4/7 Si *Alteración Oxido Fe, Cu-Au 1247 (GOG) i= 13/12 QI i= (11/10)(11/12) SiO2_3 i= 11/10 SiO2_4 i= 11/12 i= 13/10 SiO2_5 SiO2_2 *Req. Mascara de Vegetación i= 14/12 Rocas ricas en Cuarzo Cuarzo, Carbonato 7+9/8*2 1259 (GOG) Goetita Sílice SiO2 4+7/6*2 SiO2_2 i= ((11*11)/10)/12 Inverso Sílice i= (12/13) QI Índice de Grado Básico i= (12/13) Granitoide i= (12/11)(11/10) Dolomita i= (6+8)/7 5678** (GOG) Carbonato i=13/14 4689 Carbonato/Clorita/Epidota i= (7+9)/8 Epidota/Clorita/Anfíbol i= (6+9)/(7+8) Clorita i= (5/8) *Puede ser (6+8)/(7*2) 2458/2489 (GOG) Fuente: Propia 4.4 Interpretacion de resultados y productos cartográficos Para integrar, analizar y sintetizar los resultados obtenidos del procesamiento, tanto del análisis visual como digital, se recomienda concentrar los resultados en formato vectorial en un SIG e interpretar con apoyo de sus funciones de análisis espacial (sobre-posición), aquellas áreas que se interceptan entre sí, definiendo polígonos más reducidos pero con mayor potencial de éxito en la detección del mineral de interés, ya que es ahí donde métodos diferentes coinciden en señalar que esa superficie tiene el mayor potencial para determinado mineral, asociación mineral o área de alteración, jerarquizando áreas, integrando la interpretación de las estructuras geológicas de interés y construyendo así mapas de potencial o factibilidad de cada mineral (Figura 25). 66 Figura 25. Etapa de interpretación de resultados de mapeo de datos ASTER En lo referente a la interpretación del CP la identificación de las cargas en la cuales está manifestado el mineral de interés no es siempre evidente. Es decir es complejo encontrar en qué componente queda lo que buscamos, y se opta por usar dos CP y los dos resultados se toman como posibles sitios, principalmente cuando ambos coinciden. Lo que significa que este sitio mapeado por los dos componentes se presume como posible “blanco”, aunque quizá se excluyan sitios donde afloren algunos minerales de interés. La generación de imágenes en composición a color RGB también puede servir para representar Óxidos, Hidroxilos y Cuarzo en los cañones del Rojo, Verde y Azul, respectivamente, con la finalidad de observar “blancos” de alteración hidrotermal. La asociación de estos tres elementos representados en cada color da como resultado un color “Blanco” para la presencia de los tres elementos mapeados en la imagen. Las diferentes asociaciones o combinaciones de color son óxidos en rojo, hidróxilos en verde, cuarzo en azul, óxidos e hidróxilos en amarillo, hidróxilos y cuarzo en cian, óxidos y cuarzo en magenta. Integrando todos los mapas de factibilidad o potencial para cada mineral, así como las estructuras geológicas, los polígonos de la litología y la información auxiliar se realizará el mapa de Blancos de Exploración: Áreas de Alteración (Figura 25), el cual resulta muy útil en la planeación del trabajo de campo (optimizando recursos), así como orientando la programación de las diversas tareas de la exploración, incluyendo las campañas de levantamientos geofísicos. Es importante mencionar que cualquier información geocientífica disponible, ayudará a mejorar el mapa de blancos de exploración. En este capítulo se integró una guía metodológica para detectar aéreas de alteración mineralógica y/o grupos de minerales asociados o indicadores de la formación de yacimientos hidrotermales y/o por diseminación. Las técnicas incluidas permitieron la detección y el mapeo de alunita, caolinita, ilita, óxido férrico, óxido ferroso, jarosita, goetita, cuarzo, feldespato alcalino, dolomita, carbonato, clorita, epidota, muscovita, alteración fílica y alteración argílica. Otros tipos de minerales son explicados en trabajos previos. En este trabajo se enfatizó en presentar y explicar el diagrama de flujo detallado, propuesto como una guía de procesamiento que servirá para aplicar las técnicas de detección aquí descritas e incluso cualquier otra destinada al realce de minerales. 67 CAPÍTULO V V. RESULTADOS En este capítulo se describen los resultados del Procesamiento Digital de Imágenes (PDI) ASTER aplicando la metodología descrita en el capítulo IV. Los minerales detectados se integraron en un sistema de información geográfica, la presentación de los mismos se realizó utilizando técnicas de procesamiento digital de imágenes, de análisis espacial y de cartografía digital, mostrando el potencial para cada mineral; así como los blancos de exploración, en sitios donde coincidieron los principales minerales de alteración en relación a las estructuras geológicas y otros datos auxiliares. 5.1 Ubicación de Proyectos mineros Para aplicar la metodología propuesta se eligieron dos sitios de interés, “proyectos mineros” ubicados en los distritos de Cananea y Cumobabi, Sonora, México, asignándole para su identificación los mismos nombres a cada uno (Fig. 26). Figura 26. Localización de imágenes seleccionadas para aplicación de metodología de Procesamiento Digital de Imágenes. 68 Se adquirieron dos imágenes ASTER en nivel 1A para dos proyectos mineros (Tabla 8). Estos proyectos están ubicados en el estado de Sonora donde se presenta alteración asociada a yacimientos Pórfido de Cobre (PC), los cuales ya se han descrito en el capítulo III. De acuerdo con Lowell and Guilbert (1970) en su modelo estático (Cap. III, Fig. 11), los yacimientos tipo PC presentan un zoneamiento lateral y vertical de mineralización y alteración, como son: alteración potásica, fílica, argílica y propilítica. Para el modelo dinámico de Gustafson and Hunt (1975, capítulo III, fig. 12), se presentan otro tipo de procesos y alteraciones sobre sistemas primarios por influencia de Temperatura, Presión, Fluidos, rocas en las que se emplaza, zonas de debilidad, etcétera. Tabla.8 Imágenes ASTER seleccionadas** Nombre de Proyecto Nivel de Procesam iento Ubicación Lat. min. (Norte) Lat. máx. (Norte) Long, min. (Oeste) Long, máx. (Oeste) Fecha de toma de datos Ponting Angle Nubosidad (%) Canane a 1A 30º43’11 .55” 31º20’53 .16” 110º1’50 .89” 110º46’3 1.89” 05 Nov 2002 0.0 0.0 Cumoba bi 1A 28º56’3. 44” 29º34’19 .47” 109º10’4 2.28” 109º56’4 2.61” 10 Dic 2003 8.5 0.0. Minerales a buscar Óxido Ferroso, Pirofilita, Pirita, Illita, Caolinita, Albita, Alunita, Clorita, Epidota, Feld. Alcalinos, Biotita, Cuarzo, Sílice, Alteración fílica, Alteración argílica Óxido Ferroso, Pirofilita, Pirita, Illita, Caolinita, Albita, Alunita, Clorita, Epidota, Feld. Alcalinos, Biotita, Cuarzo, Sílice, Alteración fílica, Alteración argílica ** Proporcionadas Dr. Francesco Zucca, Universidad de Pavia, Italia. La selección de las imágenes está relacionada con la importancia de las regiones geológico – mineras del estado de Sonora, los distritos mineros de Milpillas – Cananea, La Caridad, Cumobabi y Nacozari han sido históricamente productores de minerales base, metales preciosos y arcillas industriales. Para lograr nuestro objetivo principal que es la integración de una metodología para el procesamiento de imágenes ASTER en la detección y el mapeo de minerales de alteración, se aplicó dicha metodología en estos dos sitios de interés, pero cabe mencionar que los resultados de cada ejercicio dependen de las necesidades particulares del proyecto minero así como de los minerales o asociación de minerales a mapear. La importancia de aplicar la metodología en Sonora es porque desde el punto de vista geológico - económico, representa una importante actividad. En lo regional se conocen bien los distritos mineros, pero no las zonas de alteración y mineralización, las cuales se originaron en sistemas de tipo pórfido cuprífero y skarn, representando la principal fuente de cobre y molibdeno conocida, superando en algunos casos los 1000 Mt de mineral, con leyes de cobre arriba de 0.5% (Richards, 1999). Las zonas de alteración características de procesos hipotermales, mesotermales y epitermales, generan grupos de minerales que se manifiestan en superficie; en este trabajo las técnicas de PDI se aplicaron para conocer qué tipo de alteraciones, asociaciones y grupos de minerales podrían definir o caracterizar mejor la tipología de mineralización, la Tabla 8 lista los minerales considerados para su detección. Es importante mencionar que el software de procesamiento imágenes utilizado para estos proyectos principalmente fue el Environment for Visualizing Images (ENVI) 4.7, (fig. 27). 69 Figura 27. Portada de software ENVI ver. 4.7 5.2 Minerales y técnicas de detección Con el conjunto de datos de las 14 de bandas de ASTER se pueden aplicar varias técnicas de detección (Tabla de minerales Anexo 3.) para mapear y discriminar las alteraciones y los grupos de minerales. Para este estudio se utilizaron los cocientes e índices, la técnica Crosta y la clasificación supervisada SAM. La Tabla 9 muestra los diferentes métodos utilizados en los proyectos mineros, en nuestro ejercicio se detectaron los mismos minerales de alteración en cada proyecto, pero esto depende más de las características del distrito y los objetivos de la exploración en relación al mineral de interés y sus alteraciones asociadas. Tabla 9. Minerales, grupos de minerales, alteraciones y asociaciones minerales detectadas por diferentes métodos Proyecto: Cumobabi -- Proyecto: Cananea Pirita Illita Pirofilita Alunita Albita Hematita Caolinita Clorita Cuarzo Sílice Oxido ferrico Biotita Feldespato Alcalino Alteración fílica (Ser+Mus+Ilita+Esmec) Alteración Argílica Anomalías térmicas Cocientes Índice Crosta SAM SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI SI -SI Nomenclatura; SI: Método aplicado, Espacio en blanco; Método NO aplicado 5.3 Técnicas y métodos de mapeo Las Tablas 10(a) y tabla 10(b) presentan los resultados de procesamiento obtenidos, incluyen la superficie en metros cuadrados (m2) detectadas para cada mineral y por cada método para el proyecto Cananea. Para facilitar la comparación entre los diferentes métodos, se reportan los resultados para la caolinita, óxido férrico, Illita y clorita. 70 Tabla 10 (a) Resultados de superficie en áreas (ha) detectadas por método utilizado para proyecto Cananea Comparación de áreas Superficie detectada Superficie Indice Indice Crosta Crosta SAM Total (I) (I) (C) (C) (S) m2 m2 % m2 % m2 Caolinita 3,600,000,000 61,771,499 1.715875 34,375,950 0.95489 37,974,824 Hematita 3,600,000,000 39,262,275 1.090619 24,761,250 0.68781 7,827,975 Continuación. Tabla 10 (a) Total detectado Caolinita Hematita m2 134,122,273 71,851,500 I-C ** I-C m2 27,395,549 14,501,025 % 20.425801 20.181938 Diferencia I-S m2 23,796,675 31,434,300 SAM (S) % 1.05486 0.21744 I-S C-S C-S % 17.7425229 43.7489823 m2 -3,598,874 16,933,275 % -2.6832784 23.5670445 *( I) índice, (C) Crosta, (S) Spectral Angle Mapper (SAM), (m2) Metros cuadrados **La interpretación por ejemplo de I-C, es la diferencia que hay entre el método Índice y el método CROSTA, para determinado mineral. Tabla 10 (b) Resultados de superficie en áreas (ha) detectadas por método utilizado para proyecto Cananea Comparación de área Sup_Total Illita Clorita m2 3,600,000,000 3,600,000,000 Superficie detectada Crosta (C)* m2 11,653,650 43,814,474 Crosta (C) % 0.32371 1.21707 SAM (S) m2 5,778,000 1,130,625 SAM (S) % 0.1605 0.03141 Total detectado Diferencia C-S** C-S m2 17,431,650 44,945,099 m2 5,875,650 42,683,849 % 33.706792 94.968862 * (C) Crosta, (S) Spectral Angle Mapper (SAM), (m2) Métros cuadrados **La interpretación por ejemplo de C - S, es la diferencia que hay entre el método CROSTA y método SAM, para determinado mineral. De acuerdo con las tablas 10 (a) y (b) de la superficie mapeada por cada método, y para mostrar las características generales de cada uno, a continuación se describen los resultados para la caolinita: a) Para el caso del método de Índice y/o cocientes para la caolinita del proyecto Cananea se obtuvo una superficie de 61,771,499 m2, representando el 1.71 % de la superficie total de la imagen, este método es el más usado en las referencias. En los índices y cocientes, las áreas de interés reportan valores muy altos. La principal ventaja de esta técnica es que no requiere el uso de datos calibrados y es de rápido procesamiento. b) La técnica de clasificación supervisada Spectral Angle Mapping (SAM) fue creada para imágenes hiperespectrales y se ha reportado como un excelente mapeador espectral. En este trabajo se aplicó a datos ASTER multiespectrales integrando los subsistemas VNIR y SWIR, sumando 9 bandas. Según los resultados obtenidos para caolinita en el proyecto Cananea, la superficie detectada fue de 37,974,824 m2, lo que representa el 1.05486 % del total del área de imagen mapeada. Esta cantidad es menor a la reportada con el método de índices o cocientes. Lo anterior porque utiliza un umbral angular muy bajo que constituye un criterio conservador, que ocasiona la detección de áreas más pequeñas pero con mayor potencial. Para definir los umbrales en la técnica SAM, en este estudio se recurrió a una zona de entrenamiento o Región de Interés (ROI), que correspondía al área de la mina Cananea y su 71 presa de jales, la intención fue buscar los mismos patrones espectrales presentes en la ROI, para poder mapearlos en toda la imagen y encontrar así posibles blancos. Con el umbral obtenido (valor angular en radianes), se procedió a mapear este mineral en toda la imagen. Otro aporte de originalidad del trabajo en esta técnica SAM es que fue adaptada para llegar a detectar variantes de un mismo mineral; ya que se tomaron todas las variantes de la firma espectral disponibles para un solo mineral en la biblioteca de Firmas Espectrales del USGS; es decir; no se tomaron diferentes minerales de referencia, sino que se tomaron todas las variantes de la firma de un mineral por corrida. Lo que genera una imagen regla (rule) con los ángulos por variante de cada mineral. En la interpretación de las bandas de regla que resultan del SAM, se buscan los valores extremos más bajos y con mayor número de datos; es decir cúmulos de datos de valores bajos. Las ventajas de la modificación realizada, en relación al uso estándar, es que de esta forma resulta más sensible y permite detectar subclases de un mismo mineral, haciéndola más detallada y ampliando las posibilidades de éxito en la detección de minerales con más de una firma espectral disponible. Entre las desventajas de este método están: usa de datos calibrados a reflectancia, necesita un valor angular bajo (umbral) cuya selección adecuada requiere de algún campo de entrenamiento conocido, utiliza más tiempo de procesamiento y requiere firmas espectrales confiables, como las librerías espectrales del USGS, JPL o de campo con equipo bien calibrado. c) La técnica CROSTA para caolinita: generó un superficie detectada de 34,375,950 m2 lo que representa el 0.95489% del total del área mapeada. Este método de detección utiliza la técnica estadística multivariada conocida como Análisis de Componentes Principales (ACP), la cual se ha empleado durante más de una década, siendo ya un estándar en el mapeo y elaboración de cartografía geológica, así como de alteraciones mediante imágenes ASTER. Se puede describir como una técnica rápida, porque no requiere datos calibrados, realiza buena separación de rasgos. La desventaja es que la interpretación estadística no siempre es fácil, ya que se fundamenta en los Componentes Principales donde el objetivo es concentrar la información en un sólo componente (CP), y generalmente los minerales a buscar o detectar se concentran en los últimos CP, pero se acompañan del ruido, y entonces al mapear el mineral también se mapea el ruido, por lo que se debe tener cuidado y entrenamiento. Es decir en los últimos componentes se tiene información caótica y no es tan fácil encontrar estadísticamente el CP que contiene el mineral a mapear. Para el reconocimiento del cuarzo resulta de gran importancia el Subsistema ASTER TIR, y en particular para su mapeo, aún a pesar de su resolución de 90 metros, resulta también de gran interés el uso de una técnica para detectar los pixeles más brillantes en la imagen. El mapeo con datos térmicos calibrados a Emitancia reduce el número de falsos positivos en la detección de Cuarzo y el Inverso del Sílice que nos ayuda a detectar los Feldespatos alcalinos. 72 5.4 Presentación de resultados y definición de blancos. De los proyectos mineros en los que se aplicó la metodología de Procesamiento Digital de Imágenes descrita en el capítulo IV se obtuvieron manifestaciones de minerales tales como, pirita, pirofilita, illita, alunita, hematita, caolinita, caolinita esmectita, clorita, biotita, albita, feldespatos alcalinos así como mezclas de minerales en zonas de alteración potásica, fílica y argílica. 5.4.1 Mapas de Potencial Minero (MPM) Los Mapas de Potencial Mineral (MPM) constituyen un medio idóneo para la presentación de resultados. Esta técnica cartográfica utiliza la integración de los resultados de diversos métodos de detección de minerales dentro del ambiente de un software SIG, y a partir del análisis espacial asigna mayor potencial a las áreas donde coinciden o se interceptan las áreas definidas por diferentes métodos, y menor potencial donde sólo alguno de ellos detecta dicho mineral. A continuación se muestran como ejemplo algunos los MPM de los dos proyectos mineros. 5.4.1.1 Resultados del Proyecto Cananea De acuerdo con la geología del distrito minero Cananea – Milpillas (capítulo III), el enriquecimiento supergénico, hipogénico y pervasivo genera una serie de tipologías de alteración potásica (biotita, cuarzo, feldespato alcalino y sulfuros, pirita más abundante): al centro del sistema y la alteración propilítica (cuarzo, albita, clorita, calcita, epidota, pirita; a la periferia), seguida de alteraciones fílica (cuarzo, sericita y pirita) y argílica avanzada (alunita, caolinita y sílice) en esta última es favorable para el enriquecimiento de cobre. (Figuras 28, 29 y 30) 73 Figura 28(a). Proyecto Cananea; Potencial de alteración potásica (feldespatos alcalinos) 74 Figura 28 (b). Proyecto Cananea; Potencial de biotita 75 Figura 28 (c). Proyecto Cananea; Potencial de Cuarzo 76 Figura 29 (a). Proyecto Cananea; área de alteración Propilítica; Potencial de Albita 77 Figura 29 (b). Proyecto Cananea; área de alteración Propilítica; Potencial de Clorita 78 Figura 29 (c). Proyecto Cananea; área de alteración Propilítica; Potencial de Pirita 79 Figura 30. Proyecto Cananea; Mapa de alteración hidrotermal, por la presencia de Óxidos Férricos, Alunita y Cuarzo. 80 Figura 31. Proyecto Cananea; áreas de alteración Potásica Fílica y Argílica. La presencia de aéreas de alteración potásica, fílica y argílica avanzada, esta última por la presencia de alunita, caolinita, clorita y cuarzo. Figura 31. La detección de mezclas de minerales como; sericita, muscovita, illita y esmectita integradas en un área de alteración Fílica. Figura 31. Las áreas de alteración como, potásica, fílica y argílica nos permiten observar la manifestación de estos zoneamientos laterales clásico de los yacimiento típicos de PC. 81 Figura32. Proyecto Cananea: Mapa de Potencial de Caolinita Figura 32. Mapa de potencial de caolinita como un indicador de procesos hidrotermales y áreas de mineralización, donde la caolinita se presenta en diferentes zonas de alteración, destacando su manifestación en las zonas de alteración argílica avanzada. En figura 32 se muestra la presencia de caolinita en el centro de la mina y en su presa de jales siendo una respuesta lógica de manifestación mineralógica, ya que en la mina y presa de jales se tiene de conocimiento la presencia de dicho mineral mapeado. 82 5.4.1.2 Resultados de proyecto Cumobabi, De acuerdo con Scherkenbach et al. (1985), la mineralización en Cumobabi ocurrió en dos pulsos principales. El primero estuvo asociado a la alteración potásica y consiste en molibdenita, pirita, cuarzo, calcopirita, anhidrita y apatito. El segundo pulso se asocia a la alteración sericítica y consiste en calcopirita, ilmenita, anhidrita, tetraedrita, esfalerita, galena, siderita y turmalina. Figura33. Proyecto Cumobabi; áreas de alteración Fílica. 83 Figura 34. Proyecto Cumobabi; áreas de alteración Argílica. 84 Figura 35. Proyecto Cumobabi; áreas de alteración Fílica y Argílica. 5.4.2 Mapas en RGB Hasta tres diferentes minerales se pueden integrar en una sola imagen a color, usando la técnica RGB, por ejemplo para el caso de representar Óxidos, Hidroxilos y cuarzo en los cañones de Rojo, Verde y Azul, respectivamente, con la finalidad de observar “blancos” de alteración hidrotermal. La asociación de estos tres elementos representados en cada color da como resultado un color “blanco” en caso de tener los 85 tres elementos presentes en un mismo sitio. Las diferentes asociaciones o combinaciones de color son óxidos en rojo, hidróxidos en verde y cuarzo en azul, óxidos e hidróxidos en amarillo, hidróxidos y cuarzo, en cian, oxido y cuarzo en magenta. Estos resultados de datos de imágenes ASTER se pueden utilizar para mapear especialmente variaciones de grupos de minerales que tienen una relación directa o inducida por procesos de alteración. 86 5.5 Validación de resultados del procesamiento digital de imágenes Las técnicas de PR requieren tener algún tipo de aproximación relacionado con la calidad de los resultados, las técnicas directas para realizar esta aproximación requieren intenso trabajo de campo. En este capítulo se presentan dos formas de evaluación. 5.5.1 Validación de resultados por comparación estadística En este trabajo se tuvieron restricciones económicas fuertes que limitaron la evaluación a una estrategia indirecta de comparación con el propósito de realizar una aproximación en la calidad de los resultados. Para este propósito se uso un estudio previo (Origel-Gutiérrez, comunicación directa) cubriendo parcialmente nuestra zona de estudio, correspondiente a la imagen Cumobabi, cuyos límites específicos no es posible mostrar por confidencialidad de la información original, sin embargo el análisis estadístico de las superficies detectadas sirve para mostrar qué tanto este trabajo, es comparable a los resultados de otro estudió en una zona donde ambos se interceptan. Para realizar este tipo de análisis exactamente a la misma área en común. Se integraron por mineral las variantes de cada método y posteriormente fueron comparados los minerales ya integrados: Caolinita, Alunita, Illita, Pirofilita y Alteración fílica (Sericita+Muscovita+illita+Esmectita). La tabla 11 contiene los datos específicos producto de esta comparación de superficie mapeada para algunos minerales en común. Tabla 11. Tabla comparativa de resultados de PDI con otro trabajo de la misma área de análisis*. Superficie Superficie Superficie Superficie A Diferencia Total detectada detectada intersección entre A y B (A) (B) B Km2 Caolinita 472.3129125 4.9089061 0.497025 0.054329 4.4118811 Illita 472.3129125 15.0021323 0.9822909 0.9822909 14.0198414 Alunita 472.3129125 4.5009751 0.5275165 0.5275165 3.9734586 Pirofilita 472.3129125 4.3612804 0.668925 0.1243716 3.6923554 Alt.fílica 472.3129125 1.5761513 7.58655 0.1943998 -6.0103987 Superficie A intersección B Diferencia entre A y B Continuación de Tabla 11. Superficie detectada (A) Superficie detectada (B) Caolinita 1.039333448 0.105232143 % 0.011502756 0.934101305 Illita 3.176312132 0.207974606 0.207974606 2.968337526 Alunita 0.952964649 0.111687925 0.111687925 0.841276725 Pirofilita 0.92338792 0.141627506 0.026332448 0.781760414 Alt.fílica 0.333709132 1.606255048 0.041159114 1.272545916 **Para términos explicativos en este apartado, nuestros resultados del PDI los llamaremos (A) y los resultados del mapeo de otro trabajo realizado en esta misma área y con los que se compararon; lo llamaremos (B). 87 La superficie de muestreo en los dos trabajos corresponde a un área total de 472.3 Km2. Los resultados de mapeo para el caso de la Caolinita se caracterizan por manifestarse en sistema hidrotermal de alta sulfuración, por zoneamientos verticales y horizontales, típicos de los pórfidos de cobre. En nuestros resultados del trabajo A representa el 1.039333448 % de área detectada y en el trabajo B el 0.105232143 % del total de área mapeada. Pero lo destacable es que ambos se interceptan en un 0.011502756 % de superficie, es decir, aunque este porcentaje pareciera bajo, en el terreno representa 54,329 m2 detectados por dos trabajos de la misma zona y usando el mismo método de PDI. Para la Alunita: en el trabajo A se detectaron 4.5 km2 ó 450 Ha., lo que corresponde a un 0.952964649 % con respecto a nuestra área total de estudio, es decir del total se superficie procesada el método de detección empleado logro mapear casi el 1% del cual el 0.111687925 % de este trabajo A está contenido en el trabajo B; es decir el 0.111687925 % de área detectada con presencia de Alunita, fue mapeada por los dos trabajos con los mismos métodos, lo que nos da una nivel mayor de grado de veracidad de la presencia en campo de este mineral, el cual, está asociado a la alteración argílica avanzada. En esta zona de alteración gran parte de los minerales de las rocas son transformados a dickita, caolinita, pirofilita, diásporo, alunita y cuarzo, originadas por el hidrotermalismo de alta sulfuración en formas concéntrica. Para el caso de la Illita, en el trabajo A se detectó un 3.176312132 %, y en el trabajo B el 0.207974606 % con respecto al total de superficie mapeada. Pero es importante mencionar que el área detectada para illita en el trabajo B está completamente contenida o mapeada en el trabajo A. Entonces este 0.207974606 % de área mapeada para illita por dos trabajos con mismos métodos de PDI y con diferentes datos, nos da mayor seguridad de que esta manifestación mineral sí está presente en el campo de análisis. La illita está asociada a la alteración fílica con procesos hidrotermales de alta sulfuración y en sistemas concéntricos típicos de pórfidos de cobre. La Pirofilita es un mineral asociado a la alteración argílica avanzada, al igual que la alunita son minerales de alta sulfuración. En el trabajo A se mapeo el 0.92338792 % y para el trabajo B el 0.141627506 %, y con un 0.026332448 % de área común detectada; es decir los resultados de mapeo de pirofilita, en los dos trabajos coincidieron en 124,371.55 m2 de superficie. Dichos resultados de PDI con PR nos respaldan para asegurar que en esta superficie mapeada existe la presencia de pirofilita. Los resultados de detección de mezclas de minerales como la sericita, muscovita, illita y esmectita, denominada como área de alteración fílica, se comportan diferente con respecto a los anteriores minerales, ya que en el trabajo A se detecto 0.333709132 %, en el trabajo B el 1.606255048 % y el área interceptada en los dos trabajos es de 0.041159114 %, que representa 194,399.81 m2, los cuales tomamos como referencia para considerar que dicho PDI con datos Aster, es óptimo en la detección de áreas de alteración hidrotermal en sistemas de yacimiento por diseminación zoneada clásica de los Pórfidos de Cobre 88 5.5.2 Validación por muestreo de campo y análisis espectral en laboratorio Por otro lado, se hizo el análisis de firmas espectrales de campo, de solo un punto muestreado en el terreno, ya que por falta de inversión dicho muestreo no se pudo completar. Dicho sitio lo denominaremos punto “C” y tiene una ubicación geográfica: 29º 3' 6.58''N y 109º 31' 13.66'' W. De este sitio se recabaron unas muestras (Figura 38) y se decidió muestrear por que en los resultados de PDI se mapeo la Alunita en un rango Alto y muy alto, así como la alteración fílica junto a alteración argílica, cerca de este punto se tienen manifestaciones de alteración potásica o feldespatos alcalinos. Figura 36 Muestra de mano M_1; Punto “C” La Figura 36, muestra roca de textura porfídica, con escasos fragmentos de cristal de cuarzo. Roca volcánica con evidencias de estructura fluidal muy viscosa. La mineralogía que se observa es de feldespatos potásicos (ortoclasa) en 40%, Plagioclasas 40%, fragmentos de cuarzo de 0.5 a 1% de minerales ferromagnesianos (Biotita) y 5% de matriz. El tipo de alteración es argílica intermedia. En la matriz de la roca, se observa moderada salificación posterior, afectando parcial a la matriz argilizada, algunas plagioclasas tienen débil alteración argílica y sericitita muy fina. La mayoría de las ortoclasas fueron muy débilmente afectadas por la agilización y no fueron afectados por la salificación. El tipo de oxidación es leve e envidente percolación de óxidos hematiticos en planos de exfoliación de cristales y estructura de flujo posteriormente sobre planos de fracturas tardias (ortoclasa). Hay oxidación gohetitica, jarosita y escasos oxidos de hematita de origen coloidal posterior a la gohetita. El tipo de deformación es por microfracturas rellenos de óxidos gohetiticos desde la roca una coloración amarillenta. De la muestras recogidas en campo, se obtuvieron sus firmas espectrales de laboratorio, con un equipo Analytical Spectral Devices, Inc. (ASD) LabSpec Pro; LSP 350 – 2500P, Serie 4054. Figura (38) Obteniendo lo siguiente: 89 Figura 37. Toma de respuestas espectrales en laboratorio con ASD Pro. a) b) 90 c) d) Figura 38. Firmas espectrales corresponden a una variedad de Caolinitas – Esmectitas en recuadro: a) firma de USGS, Clark R.N, et.al 2007, b) Firmas USGS Clark R.N, et.al 2007 remuestreadas a las bandas de ASTER, c) firma de datos de la imagen procesada y d) la firma de campo obtenida con un ADS; donde las líneas continuas representan las firmas de USGS y las líneas discontinuar son firmas muestra de campo) Para determinar a qué minerales corresponden nuestras firmas espectrales de campo éstas se analizaron con la función Spectral Analyst disponible en ENVI, utilizando tanto la técnica Spectral Angle Mapper y la Spectral Feature Fitting, así como las firmas espectrales de laboratorio de USGS, Clark R. N., 2007 El resultado de este análisis se muestra en la figura 38 (d) que es parte del Anexo 4 y el mineral es clasificado como Caolinita – Esmectita es consistente con lo reportado en el procesamiento digital de las imágenes ASTER, ya que el comportamiento de absorción y reflexión de estas firmas corresponden un mineral asociado a las alteraciones. Y para mayo detalle ver el Anexo 4. 91 CAPÍTULO VI VI. Discusión Con resultados de este trabajo se evidencia que la integración de técnicas y métodos de mapeo de minerales de alteración es fundamental para conocer las ventajas y desventajas de cada método o técnica de detección, con la finalidad de planear el proyecto minero más factible, dando respuestas en el menor tiempo y con alta calidad de resultados en la detección de blancos, para tomar decisiones y utilizar el más idóneo, según tales características, o integrando todos si se cuenta con el tiempo suficiente.. Los resultados de aplicación de la metodología en nuestros dos proyectos mineros aportan datos comparables entre las tres técnicas utilizadas y los diferentes minerales detectados para ambos proyectos. Por ejemplo, la tabla 12 muestra las tres técnicas para el caso de la caolinita, que es un mineral de alteración típico o indicador de zonas de alteraciones. Técnica / mineral Caolinita Tabla 12. Técnicas de detección para mineral de caolinita Índice - cociente Serie Crosta *(b4/b6) denominada caolinita simple (b4/b5)/(b8/b6) denominada como caolinita compleja. Serie 1,4,6,7** SAM Clasificación supervisada SAM usando como firmas de referencia las del USGS, JPL, firmas de muestras de campo *(b4): banda 4 de ASTER, (b5) banda 5 de ASTER, (b6): banda 6 de ASTER, (b8): banda 8 de ASTER **1,4,6,7; serie Crosta de Bandas 1,4,6y 7 de ASTER La detección de caolinita es un indicador inicial de algún nivel o área de alteración. En la medida en que este mineral sea detectado por más de un método, se reducen los falsos positivos de la detección, generándose así un Mapa de Potencial Mineral (MPM), ya que los resultados tienen alta confiabilidad por que estas técnicas ya lo han reportado, por ejemplo en nuestro proyecto Cananea (figura 40). Se aplicaron las tres técnicas de detección y se logro la caracterización del Potencial Medio, Alto y Muy Alto. 92 Figura 40. Resultados; proyecto Cananea: Potencial de caolinita. En la Figura 40. Se muestran los rangos de presencia de caolinita, en color amarillo donde sólo un método de mapeo reporta la presencia de este mineral (es decir se suman las áreas de mapeo de los tres métodos Índice, Crosta o SAM, siempre que no se intercepten entre ellas), el color naranja es un rango alto, porque corresponde a sitios donde dos métodos coincidieron o se interceptan en esa misma área como potencial de caolinita (es decir sitios mapeado por dos métodos cualquiera que estos fueran), y el color rojo, es rango Muy alto porque esas áreas de la imagen coinciden o se interceptan en los tres métodos o técnicas de mapeo mineral. 93 Las ventajas y desventajas de utilizar alguna de estas técnicas de detección dependen de las necesidades de cada proyecto, es decir si los resultados que se buscan son rápidos y el análisis es visual, existen técnicas básicas como los índices – cocientes, estos métodos son los más usados en las referencias. Para el mapeo de caolinita del proyecto Cananea, se aplicó esta técnica para comparar dichos resultados y para generar los mapas de potencial minero (MPM). En el procesamiento, las áreas de interés reportan valores muy altos. Por ejemplo en la figura 40, en los colores blancos, claros y brillantes de CP1, se presume la presencia de este mineral, lo cual se confirma en las parte altas de las geoformas, en la mina y su presa de jales, ya que es totalmente conocido que en estos se concentra este mineral de alteración. La principal ventaja de esta técnica es que no requiere el uso de datos calibrados y es de rápido procesamiento. La técnica CROSTA se ha empleado durante más de una década, siendo ya un estándar en el mapeo y elaboración de cartografía geológica, así como de alteraciones mediante imágenes ASTER. Se puede describir como una técnica rápida, porque no requiere datos calibrados, realiza buena separación de rasgos. La desventaja es que la interpretación estadística no siempre es fácil, ya que se fundamenta en los Componentes Principales donde el objetivo es concentrar la información en un sólo componente (CP), y generalmente los minerales a buscar o detectar están concentrados en los últimos CP, pero acompañados del ruido remanente, y entonces al mapear el mineral también se mapea una parte de ruido, por lo que se debe tener cuidado y entrenamiento. Es decir en los últimos componentes se tiene información de interés mineral y cierto ruido de la imagen, y no es tan fácil encontrar estadísticamente el CP que contiene el mineral a mapear. El mapeo con la técnica SAM para caolinita, en el proyecto Cananea, resultó un ejercicio muy interesante , porque el mapeo por esta técnica resulta muy puntual o con menor cantidad de área reportada, por ejemplo, si lo comparamos con los resultados del método de índices. Lo anterior porque utiliza un umbral angular muy bajo que constituye un criterio conservador, que ocasiona la detección de áreas más pequeñas pero con mayor potencial. En este ejercicio se definieron los umbrales en una zona de entrenamiento o Región de Interés (ROI), que correspondía al área de la mina Cananea y su presa de jales, la intención fue buscar los mismos patrones espectrales presentes en la ROI, para poder mapearlos en toda la imagen y encontrar así posibles blancos. Con el umbral obtenido (valor angular en radianes), se procedió a mapear este mineral en toda la imagen. Un aporte de originalidad del trabajo está en la forma en que se aplicó aquí la técnica de clasificación supervisada SAM, la cual fue adaptada para llegar a detectar variantes de un mismo mineral; ya que se tomaron todas las variantes de la firma espectral disponibles para un sólo mineral en la biblioteca de Firmas Espectrales del USGS; es decir; no se tomaron diferentes minerales de referencia, sino que se tomaron todas las variantes de la firma de un mineral por corrida. Por ejemplo en los mineraes Hematita, Caolinita e Illita, la clasificación SAM en cada uno requirió de firmas con 12, 8 y 5 variantes de dichos minerales, respectivamente. Las ventajas de la modificación realizada, en relación al uso estándar, es que de esta forma resulta más sensible y permite detectar subclases de un mismo mineral, haciéndola más detallada y ampliando las posibilidades de éxito en la detección de minerales con más de una firma espectral disponible. Entre las desventajas de este método están: usa datos calibrados a reflectancia, necesita un valor angular bajo (umbral) cuya selección adecuada requiere de algún campo de entrenamiento conocido, utiliza más tiempo de 94 procesamiento y requiere firmas espectrales confiables, como las librerías espectrales del USGS, JPL o de campo con equipo bien calibrado. Consideraciones La importancia de la integración metodológica para el mapeo de blancos de alteración apoya directamente a reducir tiempos y costos a la industria minera y en esa medida apoya al desarrollo económico de las áreas de exploración. Las ventajas de conocer el mayor número de áreas de alteración hidrotermal en el país o en los distritos mineros ya conocidos desde el punto de vista geológico, resulta un aporte para el conocimiento del potencial minero susceptible de inversión económica en explotación de mineral. Con el conocimiento y descripción de la calidad y potencialidad de la PR y el PDI de diversas técnicas integradas en una quía metodológica, se justifica la utilización de las imágenes ASTER, para convertirlas en el eje inicial de la exploración minera. Es importante mencionar que el sensor ASTER (capítulo II) fue diseñado por geólogos, que conocían las necesidades de la ubicación de las bandas espectrales de absorción y reflexión de materiales geológicos, aunque es un sensor multiespestral (14 bandas) estos detectores de flujo radiante están bien ubicados para la percepción remota de minerales. Una de las etapas de la exploración se refiere a los aspectos legales que autorizan y definen las condiciones en que se realizará la misma, es decir, a los permisos, la asignación o concesión de lotes mineros a exploración. Para iniciar una etapa exploratoria de algún área en el terreno se necesita tener un lote minero concesionado a concurso con un costo por hectárea, lo que genera incertidumbre de que en esa concesión se pueda encontrar “mineral pagable” o el grado de concentración de mineral que resulta muchas veces no es costeable y termina el proceso exploratorio y se abandona. Este problema se resolvería, si se realizan trabajos de Percepción Remota como el aquí expuesto en las áreas o distritos mineros con el fin de “mapear” “blancos” con mayor potencialidad de concentración mineral y solo se concesionan esos predios. Se reducen así costos, tiempo, equipo, brindando también mayor seguridad al personal de campo, para dar seguimiento del proceso exploratorio con otras técnicas de campo y de laboratorio. En la aplicación de la metodología y específicamente en la etapa de procesamiento se emplearon tres aportaciones muy importantes . 1) Una nueva serie Crosta de illita; 1356 (variantes 2 y 3) y 1456 variantes (1 y 5) 2) SAM usando un umbral en aéreas de entrenamiento y buscando todas las variantes disponibles para cada mineral, como subclases del mismo por corrida. 3) La Presentación de resultados a través de Mapas de Potencial Mineral. . 95 Conclusiones Este trabajo integra una guía de procesos aplicables a imágenes ASTER para la detección de minerales de alteración, y como factor crítico en la exploración geológicominera. Esta guía constituye un medio para vincular el sector minero privado y los trabajos académicos, orientados a incrementar la actividad minera y en consecuencia al desarrollo económico. México cuenta con una amplia riqueza de minerales de carácter mundial, y este trabajo deja explicita lo importancia de desarrollar y aplicar métodos y técnicas de mapeo del potencial mineral para impulsar la minería, logrando delinear áreas de especial interés, o potenciales que induzcan las inversiones en exploración a través de áreas con alta probabilidad de contener depósitos minerales. Este trabajo deja ver la debilidad de la legislación minera en el proceso de otorgar una concesión y una asignación minera. Ya que de acuerdo a los principios legislativos, es exclusivamente por medio de asignaciones y concesiones mineras como se puede realizar la exploración y explotación del los minerales, grupos de minerales, sustancias y productos de la descomposición de rocas y desde luego ya se debe tener un lote minero. Al realizar diversos procesos sin entrar en contacto directo con el terreno, a través de técnicas de percepción remota, no invasivas, no se afecta ni se impacta el terreno propiamente. Recomendamos aquí realizar primero la detección de minerales con imágenes ASTER y ya con las primeras interpretaciones de los resultados considerar, realizar los trámites legales correspondientes para adjudicarse los derechos de exploración. Se propone aquí entonces DETECTAR con percepción remota en un marco más regional, lo que nos lleva a tener más argumentos para orientar la delimitación de los lotes mineros para futuras asignaciones y para los trabajos de exploración en el terreno. La importancia de elegir una imagen óptima; es decir el tipo de dato o nivel de procesamiento y la disponibilidad de los mismos, nos apoyará para obtener mejores resultados de acuerdo al objetivo definido en el inicio del proyecto minero. La aplicación de la metodología descrita utilizando imágenes de satélite ASTER resulta una herramienta útil para la determinación de zonas de alteración hidrotermal las que asociadas a los contactos litológicos y estructurales pueden ser indicativos de nuevos objetivos de exploración. Se realizo un Procesamiento Digital de Imágenes (PDI) a las imágenes de nuestros proyectos mineros con la finalidad de aplicar la metodología propuesta en este trabajo que es la de detectar el potencial minero, a partir de identificar blancos de exploración asociados a alteraciones hidrotermales. Estas técnicas ya han sido aplicadas en diferentes proyectos, pero para nuestro caso, se le dio un peso mayor a las herramientas de procesamiento enfocados a los índices-cocientes, CROSTA y al clasificador SAM, implementando en los dos últimos variantes novedosas. La metodología descrita y aplicada en este trabajo deja ver el potencial de los datos del sensor ASTER, en la óptima detección de los minerales de alteración hidrotermal de los sistemas de pórfido de cobre. Los resultados obtenidos del procesamiento de datos ASTER han sido útiles para la elaboración de mapas de potencial mineral. 96 De acuerdo con el principio fundamental del método Spectral Angle Mapping (SAM), que es generar modelos simulados de dos o más firmas espectrales tratadas como vectores en el espacio con igual dimensión al número de bandas. El resultado de este método, en el mapeo fue óptimo, por aplicarlos con librerías re - muestreadas de USGS a las bandas de ASTER y con toda la gana de firmas espectrales de dichas librerías. Las imágenes ASTER constituyen una herramienta poderosa en los primeros pasos de exploración de mineral, ya que nos proporcionan datos de alta precisión que se puede utilizar como base para cartografía de la superficie y la distribución de determinados minerales típicos de las zonas de alteración hidrotermal, para así reducir el tiempo y costo necesario para evaluación de campo. En general, el análisis de Procesamiento Digital de Imágenes (PDI) espectral en el SWIR proporcionó información sobre la distribución de los principales grupos de minerales, mientras que el análisis espectral en el Térmico nos detecta los silicatos, para conocer la composición y variaciones entre las principales litologías. La presencia de biotita (en la zona potásica) es un indicador, de lo que se puede detectar a más profundidad (por ejemplo, andesita, granitoides). 97 Anexo 1. Firmas espectrales de los minerales detectados Se presentan las firmas espectrales de minerales detectados, en el recuadro A) se muestra el espectro continuo de la librería espectral de USGS (Spectral Library USGS; Clark et.al. 2007), en recuadro B) la misma firma espectral remuestreada a las bandas de ASTER y en C) firma espectral de la imagen calibrada a radiancia en enteros.. A) B) C) ALBITA 98 A) B) C) ALUNITA 99 A) B) C) BIOTITA 100 A) B) C) CAOLINITA - ESMECTITA 101 A) B) C) CLORITA - EPIDOTA 102 A) B) C) HEMATITA 103 A) B) C) ILLITA 104 A) B) C) PIRITA 105 A) B) C) PIROFILITA 106 Anexo 2. Datos de las minas en el noroeste de México. 107 108 Anexo 3. Tabla de formulas y serie CROSTA aplicadas a datos ASTER Tabla de formulas y serie CROSTA aplicadas a datos ASTER Mineral o alteración Clave Formula ASTER ALUNITA ALI ¡= (7/5)(7/8) Alunita SERIE CROSTA Umbral >1 Arcillas banda 6 OHIa ¡= (7/6)(4/6) 4.05 Arcillas banda 6 OHIb ¡= (7/5)(4/5) 3.5 Arcillas OHI OHIa AND OHIb Arcillas Clay ¡= (5+7)/6 Arcillas Clay2 ¡= (5/6)(7/6) Alt. Argílica: Alu/kao/Piro/ Arg (4+6)/5 Alt. Fílica: Phy (4+7)/6 (7/5) Phy2 (5+7)/6 (8/5) CLI ¡= (6/8)(9/8) Caolinita KLI ¡= (4/5)(8/6) Caolinita KLIa ¡= 7(5+6) Caolinita ¡= 4/6 si Caolinita ¡= 7/5 ? Caolinita + Esmectita Illi ¡= Clay – KLIa Illita Illi ¡= Clay – KLIa Muscovita I=7/6 OXIDOS: férrico Fe3+ ¡= 2/1 OXIDOS: hematita* ¡= 3/1 OXIDOS ¡= 2/1 OXIDOS ¡= 4/1 Oxido ferroso Fe2+ ¡= 5/3 + ½ Silicatos Ferrosos I= 4/3 Jarosita ¡= 4/7 Goethita USGS 4+7/6*2 USGS (GOG) 4+7/6*2 4+7/6*2 7+9/8*2 *Req. Mascara de Vegetación *Alteración Oxido Fe, CuAu 1247 (GOG) ¡= 13/12 ¡= 14/12 QI ¡= (11/10)(11/12) SiO2_3 ¡= 11/10 SiO2_4 ¡= 11/12 SiO2_5 ¡= 13/10 SiO2_2 1356 variantes 2 y 3 1456 variantes 1 y 5 1259 (GOG) Si Rocas ricas en Cuarzo Cuarzo, Carbonato 1467 1469 Illita Sílice SiO2 *puede ser (4+6)/(5*2) (6/5) Alt. Fílica: Alt. Fílica: (Ser/Mus/ili/esme) Alt. Propílica Opcional 1357 I= 6/5 Alt. Argílica avanzada Observaciones SiO2_2 INVERSO Sílice ¡= ((11*11)/10)/12 (12/13) QI Índice de Grado Básico I=(12/13) Granitoide ¡= (12/11)(11/10) Dolomita (6+8)/7 Carbonato 13/14 Carbonato/Clorita/Epidota (7+9)/8 Epidota/Clorita/Anfíbol (6+9)/(7+8) Clorita (5/8) 5678** (GOG) *Puede ser (6+8)/(7*2) 4689 2458/2489 (GOG) 109 Anexo 4. Descripción petrológica y análisis de firmas espectrales Con el propósito de verificar la calidad de los resultados de la detección de minerales, fueron recolectadas muestras de campo en la ubicación geográfica de: 29º 3' 6.58''N y 109º 31' 13.66'' W, ver figura 27; mapa de ubicación de proyectos mineros y ubicación del punto “C”. Descripción petrológica de muestras de campo El área en la que se ubica el punto “C” (Figura 27) corresponde a un ambiente sedimentario donde se presentan rocas de tipo areniscas y calizas con edad paleozoica. El muestreo fue tomado cerca de una pequeña mina inactiva, el yacimiento se asocia posiblemente a un Skarn cuprífero. Enseguida se describen las muestras recolectadas. Tabla de descripción petrológica; Donde la columna de la izquierda se presenta la imagen de cada muestra y en la columna derecha la descripción petrológica. Muestra 1; (M_1) -Tipo de Roca: Riodacita de textura porfídica, con escasos fragmentos de cristal de cuarzo de estructura fluidal muy viscosa. -Mineralogía: Feldespatos potásicos (ortoclasa) 40%, Plagioclasas 40%, Fragmentos de cuarzo de 0.5 a 1% de minerales ferromagnesianos (Biotita) y 5% de matriz. -Tipo de Alteración: moderadamente argílica en la matriz de la roca porfídica. Se observa moderada salificación posterior parcial afectando a la matriz argilizada, algunas plagioclasas tiene débil alteración y sericita muy fina. La mayoría de las ortoclasas fueron muy débilmente afectadas por la argilización y no fueron afectados por la salificación. -Tipo de Oxidación: Leve e incipiente percolación de óxidos hematiticos en planos de exfoliación de cristales y estructura de flujo posteriormente sobre planos de fracturas tardíos (ortoclasa). Hay oxidación goetitica, jarosita y escasos óxidos de hematita de origen coloidal posterior a la goethita. -Tipo de Deformación: Únicamente microfracturas rellenos de óxidos goethiticos desde la roca en coloración amarillenta. -Minerales de Mena: No existen. -Minerales de Ganga: No existen de origen hidrotermal. 110 Muestra 2; (M_2) -Tipo de Roca: Ortocuarcita de grano fino a muy fino. -Textura petrológica: Sostenida o clástica, no se observa cementante, los granos de cuarzo están soldados entre sí por diagénesis. -Mineralogía: granos de cuarzo 99%, aprox. 1% de minerales tales como magnetita y clorita. -Tipo de Alteración: Trazas esporádicas de clorita interclastos, entre los granos de cuarzo. -Tipo de Oxidación: Hematitica únicamente en planos de microfracturas rellenando parches de óxidos goethiticos. -Tipo de Deformación: Fracturamiento y Microfracturamiento. -Minerales de Mena: No se observan aparentes o visibles. Sin embargo, el ambiente o faces mineralógicas de la roca pudiera estar asociado a yacimientos de oro microcristalino. -Minerales de Ganga: Vetas y Vetillas de cuarzo tipo draza con trazas de pirita de origen hidrotermal mayormente oxidados a hematita. -Rasgos Paragenéticos: Secuencia de eventos. 1.- Fracturamiento de la roca 2.- Emplazamiento de vetillas con cuarzo draza y pirita. 3.- Formación de biotita secundaria por procesos hidrotermales. 4.- Emplazamiento de hematita de hábito tabular, más grueso que la especularita. 5.- Proceso de oxidación especialmente de la pirita. Muestra 3; (M_3) -Tipo de Roca: Skarn Carstico. metamorfismo de contacto. Metamórfica producto del -Textura petrológica: Granoblastica. -Mineralogía: Grosularia (granate Calcico) esporádicamente granates de andradita. -Tipo de Alteración: Actinolita, Nefrita, Tremolita -Tipo de Oxidación: principalmente hematitica, menormente goetitica y trazas de jarosita en planos de fractura conjuntamente con los óxidos de manganeso. -Minerales de Mena: 2 o 3% de Broshantita (sulfato de Cobre) escasa calcocita ¿tenorita? -Minerales de Ganga: Óxidos de manganeso coloforme a agregados terrosos. 111 muestra 4; (M_4) -Tipo de Roca: Ortocuarcita. -Textura petrológica: Sostenida (clástico Sostenido granos). -Mineralogía: 99% de clastos granulometría muy fina a fina de cuarzo, forma geométrica redondeada y subredondeada. -Tipo de Alteración: Pervasiva a la vetilla de cuarzo mas sulfuros, hay una leve salificación a escasamente un centímetro de la vetilla. -Tipo de Oxidación: Hematitica principalmente rellenando planos de fractura y microbrechas en zonas de vetillas, parches de goethita y jarosita diseminada. -Minerales de Mena: No se observan en apariencia; sin embargo, en la roca en sus zonas de fracturamiento tiene microvetillas de cuarzo, lo cual puede ser un lugar atractivo para la prospección de oro. -Minerales de Ganga: cuarzo en la vetillas, jarosita (sulfato de fierro y óxidos hematiticos. -Tipo de Formación: Intenso microfracturamiento dando un aspecto brechudo a la roca manifestando un ambiente originalmente semifragil. -Rasgos parageneticos: ocurre un fractura miento en zona semifragil con emplazamiento de sulfuros (pirita), cementando algunos fragmentos de ortocuarcita de hematita casi especular o laminaciones muy gruesas, ocurre la oxidación por parte de los sulfuros, con una leve oxidación de la hematita laminar. Formación de jarosita en huecos rellenados especialmente en la zona de vetillas de sulfuros. Muestra 5; (M_5) -Tipo de Roca: Ortocuarcita de grano muy fino a fino. -Textura petrológica: Sostenida (clástico Sostenido granos). -Mineralogía: granos de cuarzo. -Tipo de Alteración: No se observa alteración, salvo una recristalización entre granos que funcionan como soldadura grano con grano. -Tipo de Oxidación: Hematitica principalmente en vetillas, de origen pirita hidrotermal, se observan óxidos gohetiticos y cristales esporádicos de sulfato de fierro (jarosita). -Minerales de Mena: No se observan en apariencia. -Minerales de Ganga: algo de cuarzo en vetillas de origen hidrotermal y oxido de fierro. Fracturas rellenas de hematita o especularita con cristales tabulares, no hojosas, con apariencia semirodal en los Stocks paralelos a las vetillas ocasionalmente no tienen bordes simétricos. -Tipo de Formación: fracturamiento y microfracturamiento, en un nivel de semifragil; ocasionales fracturas lenticulares de retracción semejando el esquema de deformación riodel, rellenas de óxidos hematiticos terrosos. -Rasgos paragenéticos: inyección de vetillas de sulfuros mas cuarzo; sulfuros se oxidaron a hematita, parte a goethita. Inyección de hematita especular, con cristales tabulares (hojas laminares muy gruesas. Formación de jarosita especialmente en las vetillas de sulfuros. 112 Las muestras colectadas fueron sujetas a un análisis de laboratorio para determinar su firma espectral con un espectrofotómetro portable, éste es un equipo que mide la intensidad de la luz (intensidad luminosa) en un rango del espectro electromagnético y las unidades son en micrómetros (µn). En el Analytical Spectral Devices, Inc. (ASD) modelo LabSpec Pro; LSP 350 – 2500P, Serie 4054, se procesaron las muestras en el Laboratorio del Instituto de Geofísica de la UNAM, obteniendo lo siguiente: Toma de firmas espectrales en laboratorio con un espectrofotómetro ASD LabSpec Pro; LSP 350 – 2500P. 113 Firmas espectrales que corresponden a las variedad de minerales mapeados en recuadro: a) foto de muestra y b) firmas de muestras de campo con el espectrofotómetro ADS; donde las líneas continuas representan las firmas de USGS (Spectral Library USGS; Clark et.al. 2007) que resultan más apegadas a las firmas de las muestras de campo, que aparecen en líneas discontinuas. Muestra M_1; a) b) Los resultados de análisis espectral, muestran que la muestra M_1, según la comparación de firmas espectrales de laboratorio y firmas de librerías espectrales del USGS, corresponde a un mineral de alteración hidrotermal denominado Caolinita – Esmectita (subclase 4 y 5 –USGS) ubicado en la zona de alteración fílica. 114 Muestra M_2 a) b) Los resultados de análisis espectral, de la muestra M_2, corresponde a un mineral de alteración hidrotermal como el cuarzo (subclase 4 - USGS), presente en las zonas de alteración cuarzo – sericitica (alteración propilítica) acompañado de feldespato potásico y caolinita. 115 Muestra M_3 a) b) Los resultados de análisis espectral de la muestra M_3, corresponde a un mineral de alteración hidrotermal como la actinolita (subclase 4 – USGS) ó nefrita, producto de metamorfismo de contacto, rica en magnesio (Mg) y fierro (Fe). 116 Muestra M_4 a) b) Los resultados de análisis espectral, de la muestra M_4, reporta un mineral de alteración hidrotermal como el cuarzo (subclase 4 – USGS) presente en vetillas asociado a alteración propilítica y acompañado de sulfuros (pirita, jarosita, etc) 117 Muestra M_5 a) b) Los resultados de análisis espectral, muestran que la M_5, corresponde a un mineral de alteración hidrotermal como el cuarzo, con vetillas de óxidos férricos como hematita, Jarosita, Goethita. 118 REFERENCIAS Abrams, M. J., 2000, The Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER): Data products for the high resolution imager on NASA's Terra Platform. International Journal of Remote Sensing, 21(5), 847-859. Abrams, M.J., Ashley, L., Rowan, L., Goetz, A., Kahle, A., 1977. Mapping of hydrothermal alteration in the Cuprite Mining District, Nevada, using aircraft scanner images for the spectral region 0.46 to 2.36 Am. Geology 5, 713–718. Abrams, M. J., Brown, L., Lepley, R., Sadowski, 1983. Remote sensing for porphyry copper deposits in Southern Arizona. Economic Geology, 78: 591-604. Abrams M . J. and Hook J., 1995. Simulated ASTER Data for Geologic Studies. IEEE Transactions of Geosciences and Remote Sensing, vol. 33, No. 3. PP. 692-699. Abrams, M., Hook, S., & Ramachandran, B., 2002, ASTER user handbook. Ver. 2.0, Jet Propulsion Laboratory, California Institute of Technology. (En línea) en <http:// asterweb.jpl.nasa.gov/content/03_data/04_Documents/aster_user_guide_v2.pdf> consulta enero 2008 Anderson, J.A., 1983, Characteristics of leached capping and techniques of appraisal, en Titley, S.R. (ed.), Advances in Geology of the Porphyry Copper Deposits: Southwestern North America: The University of Arizona Press, 275-295. Anderson, T.H., y Silver, L.T., 1977, U-Pb Isotope Ages of Granitic Plutons Near Cananea, Sonora: Economic Geology, 72, 827–836. Anthony, E.Y., y Titley, S.R., 1988, Progressive mixing of isotopic reservoir during magma genesis at the Sierrita porphyry copper deposit, Arizona: Inverse solutions: Geochemica et Cosmochemica Acta, 52, 2235–2249. Aguirre-Gómez, 2002, Los mares Mexicanos a través de Percepción Remota, Métodos y Técnicas para el Estudio de Territorio. México D.F. Universidad Nacional Autónoma de México, Instituto de Geografía, Temas Selectos de Geografía de México. 83p. Bateman, A.J. 1982, Yacimientos minerales de rendimiento económico. Sexta edición. Ed Omega. Barcelona. Barnaby W. Rockwell and Albert H. Hofstra, 2008, Identification of quartz and carbonate minerals across northern Nevada using ASTER thermal infrared emissivity data—Implications for geologic mapping and mineral resource investigations in well-studied and frontier areas, Geosphere; February 2008; v. 4; no. 1; p. 218–246; doi: 10.1130/GES00126.1 Barra, F., Ruiz, J., Valencia, V.A., Ochoa-Landín, L., Chesley, J.T., Zurcher, L., 2005, Laramide porphyry Cu-Mo mineralization in northern Mexico: Age constraints from ReOs geochronology in molybdenite: Economic Geology, 100, 8, 1605–1616. Beane, R.E., y Bodnar, R.J., 1995, Hydrothermal Fluids and Hydrothermal Alteration in Porphyry Copper Deposits, en Pierce, F.W., y Bolm, J.G., (eds.), Porphyry Copper Deposits of the American Cordillera: Arizona Geological Society Digest, 20, 83–93. Berchenbritter, D. K., 1976, The Geology of La Caridad Fault, Sonora, Mexico: M.S. thesis unpublished, University of Iowa, Iowa, 127 p. Boardman, J. W., 1993, Automating spectral unmixing of AVIRIS data using convex geometry concepts, in Summaries of the Fourth Annual JPL Airborne, Geoscience Workshop, Spec. Publ. 93-26, pp. 11-14, Jet Propul. Lab., Pasadena, Calif. Boardman, J. W., and Kruse, F. A., 1994, Automated spectral analysis: A geological example using AVIRIS data, northern Grapevine Mountains, Nevada: in Proceedings, Tenth Thematic Conference, Geologic Remote Sensing, 9-12 May 1994, San Antonio, Texas, p. I-407 - I-418. Buhe A., Kaneko M., Takada M., Satoh K. and Katoh K., 2007, Evaluate the accuracy of the atmospheric correction (ATCOR software method) of the ASTER data using ground radiometric measurement data. In: Shunlin Liang et al., Editors, Proceedings of the Conference on ISPMSRS 2005, ISPRS, WG/VII/1, Beijing, pp. 358–362. Bushnell, S.E., 1988, Mineralization at Cananea, Sonora, Mexico, and the paragenesis and zoning of breccia pipes in quartzo-feldspathic rock: Economic Geology, 83, 1760–1781. Cámara Minera de México (CAMIMEX) 2008, Cobre: Fundamental en la vida moderna y esencial en la creación de infraestructura, Boletín Mensual Marzo, p. 6. 119 Cámara Minera de México (CAMIMEX), 2008, La Industria Minera de México retos y oportunidades, p. 39. Campa, M., Coney, P.J., 1983, Tectono-stratigraphic terranes and mineral resource distribution in Mexico: Canadian Journal of Earth Sciences, 20, 1040–1051. Camprubí Antoni y Albinson Tawn 2006, Depósitos epitermales en México: actualización de su conocimiento y reclasificación empírica, Boletín de la Sociedad Geológica Mexicana, Volumen Conmemorativo del centenario, Revisión de algunas tipologías de depósitos minerales de méxico Tomo LVIII, NÚM. 1, 2006, P. 27-81 Clark, A.H., 1993, Are outsize Porphyry Copper Deposits Either Anatomically or environmentally distinctive? en Whiting, B.H., Hodgson, C.J. y Mason, R., (eds.), Giant Ore Deposits: Society of Economic Geologists Special Publication 2, 213– 283. Clark, R. N., Swayze G. A., Wise R., Livo K. E., Hoefen T. M., Kokaly R. F., and Sutley S. J. 2004, USGS Digital Spectral Library (splib05a). En línea: en http://speclab.cr.usgs.gov/spectrallib.html, consulta Juniodel 2004. Crippen, R. E., and R. G. Blom. 2001. Unveiling the lithology of vegetated terrains in remotely sensed imagery. Photogrammetric Engineering & Remote Sensing 67(8): 935-943. Crosta Alvaro P., Filho C. R. De Souza, 2003, Targeting key alteration minerals in epithermal deposits in Patagonia, Argentina, using ASTER imagery and principal component analysis: Int. J. Remote Sensing, Vol. 24, No. 21, 4233–4240. Crosta, A. and More, J. M cM ., 1989. Enhancement of Landsat Thematic M apper imagery for residual soil mapping in SW M inais Gerais State, Brazil: a prospecting case history in Greenstone belt terrain. In: Proceedings of the 7th ERIM Thematic Conference: Remote sensing for exploration geology, pp. 1173-1187. Crósta Alvaro P., Sabine Charles, and Taranik James V., 1998, Hydrothermal Alteration Mapping at Bodie, California, Using AVIRIS Hyperspectral Data: Remote Sensing Environmen. 65:309–319. Crowley J.K. , Hubbard B.E. and Mars J.C., 2003, Analysis of potential debris flow source areas on Mount Shasta, California, by using airborne and satellite remote sensing data Remote Sensing of Environment 87 345–358. Crowley, J., Rowan, L., & Podwysocki, M., 1988, Evaluation of airborne visible/infrared imaging spectrometer data of the Mountain Pass, California, carbonatite complex. In G. Vane (Ed.), Proceedings of the Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) performance evaluation workshop, June 6 – 8.: Jet Propulsion Laboratory Publication, vol. 88-38 ( pp. 155– 161). Jet Propulsion Laboratory, California Institute of Technology. Crowley, J., Zimbelman, D., 1997. Mapping hydrothermally altered rocks on Mount Rainier, Washington, with Airborne Visible nfrared Imaging Spectrometer (AVIRIS) data. Geology 25, 559–569. Cudahy Thomas J., Whitbourn Lewis B., Connor Philip M., Mason Peter, and Phillips Richard N., 1999, Mapping Surface Mineralogy and Scattering Behavior Using Backscattered Reflectance from a Hyperspectral Midinfrared Airborne CO2 Laser System (MIRACO2LAS) IEEE Transactions on Geoscience and Remote Sensing, vol. 37, no. 4. Chavez, E. Jr., y Kwarteng Yaw. A. 1989, Extracting Spectral Contrast in Landsat Thematie Mapper Image Dala Using Selective Principal Component Analysis: Photogramme- Inc Engineering and Remote Sensing, Vol. 55, No. 3, Pp. 339-348. Chavez, JR. Pat S. , 1988, An Improved Dark-Object Subtraction Technique for Atmospheric Scattering Correction of Multispectral Data. Remote Sensing of Environment , 24:459-479. Chen X., Warner T.A., Campagna D. J., 2007, Integrating visible, near-infrared and short-wave infrared hyperspectral and multispectral thermal imagery for geological mapping at Cuprite, Nevada: Remote Sensing of Environment 110, 344–356 Chikhaoui M., Bonn F., BokoyeA. I.,and Merzouk A. 2005, A spectral index for land degradation mapping using ASTER data: Application to a semi-arid Mediterranean catchment International Journal of Applied Earth Observation and Geoinformation 7 140–153 Chuvieco E. (2000) Fundamentos de Teledetección espacial, Ed., RIALP, 568 pp. Chuvieco E. (2008) Teledetección Ambiental. 3ra. Ed. Ed. Ariel. S.A., Madrid, España. 594 pp. Damon, P.E., Clark, K.C., y Shafiqullah, M., 1983, Geochronology of the porphyry copper 120 deposits and related mineralization of Mexico: Canadian Journal of Earth Sciences, 20, 1052– 1071. Dávila Hernández Norma Angélica 2007, Análisis espacial y espectral de Lahares en el volcán de colima, México, Mexico D.F.: Universidad Nacional Autonoma de México, Posgrado en Geografía, tesis de maestría., 109 pp. Deller Andrews M. E. 2006, Facies discrimination in laterites using Landsat Thematic Mapper, ASTER and ALI data examples from Eritrea and Arabia,: International Journal of Remote Sensing Vol. 27, No. 12, p. 2389–2409. Davila N., Capra L., Gavilanes-Ruiz J.C., Varley N., Norini G., Gómez Vazquez Angel, 2007, Recent lahars at Volcán de Colima (Mexico): Drainage variation and spectral classification, Journal of Volcanology and Geothermal Research 165, 127–141. Di Tommaso, I. 2004. Detección de Áreas de alteración Hidrotermal a partir de datos ASTER SWIR y TIR en Los Menucos, provincia de Río Negro, Argentina. (resumen) en Primer Simposio ASTER-GEOSAT, Buenos Aires, Argentina. Trabajo Nº 20. Di Tommaso Inés y Rubinstein Nora, 2007, Hydrothermal alteration mapping using ASTER data in the Infiernillo porphyry deposit, Argentina, Ore Geology Reviews 32 , 275–290 Dickinson, W.R., 1981, Plate tectonic evolution of the southern Cordillera, en Dickinson, W.R., y Payne, W.D., (eds.), Relations of tectonics to ore deposits in the southern Cordillera: Arizona Geological Society Digest, 14, 113–135. Dozier J. and Wan Z. 1994, Development of practical multiband algorithms for estimating landsurface temperature from EOS/MODIS data Adv. Space Resourse. Vol. 14, No. 3, pp. (3)81-(3)90. Ducart D. F., Crósta Alvaro P., Filho C. R. 2007, Processamento de imagens hiperespectrais do EO-1/Hyperion para o mapeamento de minerais de alteração hidrotermal na Patagônia Argentina, XIII Simpósio Anual Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 21-26 abril 2007, INPE, p. 6449-6451. Earth Remote Sensing Data Analysis Center, ERSDAC, 2006, ASTER User's Guide ver. 3.1 (en linea) en ftp://asterweb.jpl.nasa.gov/outgoing/userguide/ consulta enero 2009. Echávarri-Pérez, A., 1971, Petrografía y alteración del depósito La Caridad, Nacozari, Sonora, México: Memorias de la IX Convención Nacional de la AIMMGM, Hermosillo, Sonora, México. Echávarri-Pérez, A., 1973, Petrography, alteration and mineralization of La Caridad deposit, Sonora, Mexico: Mexicana de Cobre, Reporte interno. Echeverri-Pérez, A., Pérez-Segura E. 1975, Evidencias del origen singenetico del yacimiento El Boleo: Baja California; Acapulco, XI Convención Nacional de la AIMMGMAC, Memorias Técnicas, 409 - 446 English, J., Johnston, S.T., y Wang, K., 2003, Thermal modeling of Laramide magmatism: Testing of the flat-subduction hypothesis: Earth and Planetary Science Letters, 214, 619–632. Franco Pirajno Hydrothermal Processes and Mineral Systems Geological Survey of Western Australia, Perth, WA, Australia Springer 2009 charper two, Pg 81 – 85. French A.N., Schmugge T.J., Ritchie J.C., Hsu A., Jacob F., and Ogawa K., 2008, Detecting land cover change at the Jornada Experimental Range, New Mexico with ASTER emissivities, Remote Sensing of Environment, Volume 112, Issue 4, 15 April 2008, pp., 1730-1748. Fu Bihong, Zheng Guodong, Ninomiya Yoshiki, Wang Chuanyuan, and Sun Guoqiang, 2007, Mapping hydrocarbon-induced mineralogical alteration in the northern Tian Shan using ASTER multispectral data, Terra Nova, 19, 225–231. Fujisada H., 1998. ASTER Level – 1 Data Processing Algorithm. IEEE Transaction on Geoscience and Remote Sensingu, Vol. 36, No. 4. Fujisada, 2001. ASTER stereo system performance. SPIE Proc. Vol. 4540. Fujisada, H., 1994, Overview of ASTER instrument on EOS-AM1 platform. In Proceedings of SPIE, 2268, pp. 14–36. Fujisada, H., Iwasaki, A. and HARA, S., 2001, ASTER stereo system performance. In Proceedings of SPIE: Sensor, System, and next-Generation Satellites V, Toulouse, France, 4540, pp. 39–49. 121 Fujisada, H., Sakuma, F., Ono, A. and Kudo, M., 1998, Design and preflight performance of ASTER Instrument Protoflight Model. IEEE Transactions on Geoscience and Remote Sensing, 36, pp. 1152–1160. Fujisada, H., Bailey, G.B., Kelly, G.G., Hara, S. and Abrams, M.J., 2005, ASTER DEM Performance. IEEE Transactions on Geoscience and Remote Sensing, 43, pp. 2707–2713. Gad S., y Kusky T. 2007, ASTER spectral ratioing for lithological mapping in the Arabian– Nubian shield, the Neoproterozoic Wadi Kid area, Sinai, Egypt Gondwana Research 11 (2007) 326–335 Galvâo Soares Lênio, Almeida-Filho Raimundo, Vitorello Ìcaro, 2005, Spectral discrimination of hydrothermally altered materials using ASTER short-wave infrared bands: Evaluation in a tropical savannah environment, Remote Sensing of Environment 112, 920–933. Gillespie A.R., Kahle A.B. and Palluconi F.D., 1984, Mapping alluvial fans in Death Valley, California, using multichannel thermal infrared images, Geophys. Res. Lett. 11, pp. 1153– 1156. Goetz Alexander F.H., Vane Gregg , Solomon, Jerry E. , and Barrett N. Rock, 1985, Imaging Spectrometry for Earth Remote Sensing: Science, Vol. 228. no. 4704, pp. 1147 – 1153, DOI: 10.1126/science.228.4704.1147 Goetz, A.F.H. ; Rock, B.N. ; Rowan, L.C., 1983, Remote sensing for exploration: an overview; Economic Geologic, Journal Volumen: 78 (4), 573–590. Goetz, A. F. H., & Srivastava, V. 1985, Mineralogical mapping Cuprite mining district, Nevada. In G. Vane, & A. Goetz (Eds.), Proc airborne imaging pectrometer data analysis workshop (pp. 22– 31). JetPropulsion Laboratory Publication. Gomez Cécile, Delacourt Christophe, Allemand Pascal, Ledru Patrick, Wackerle R., 2005, Using ASTER remote sensing data set for geological mapping, in Namibia, Physics and Chemistry of the Earth, 30, 97–108. González Juárez Itzamná 2006, “Exploración geotérmica mediante técnicas de percepción remota”, Instituto de Geofísica. UNAM. González-León, C., 1986, Estratigrafía del Paleozoico de la Sierra del Tule, noreste de Sonora: Revista Mexicana de Ciencias Geológicas, 6, 117–135. González-León, C., McIntosh, W.C., Lozano-Solorzano, R., Valencia-Moreno, M., y RodríguezCastañeda, J.L., 2000, Cretaceous and Tertiary sedimentary, magmatic, and tectonic evolution of north-central Sonora (Arizpe and Bacanuchi Quadrangles), northwest México: Geological Society of America Bulletin, 112, 600–610. González-León, C. M., Valencia-Moreno, M., Noguez-Alcantara, B., y Salvatierra-Domínguez, E. 2008, Mapa Geológico de Sonora, Escala 1:1,000,000, Hermosillo Sonora, México, Editor Universidad Nacional Autónoma de México, Instituto de Geología, Estación Regional del Noroeste, 1 mapa con texto, Consulta en: http://digitalgeosciences.unam.mx. Última actualización, Martes, 08 de Diciembre de 2009 19:11 Grández Erika y Navarro Pedro 2006, Detección de áreas de alteración hidrotermal a partir de datos ASTER en el distrito minero de San Genaro – Huancavelica, (resumen extendido), en XIII Congreso Peruano de Geología, Lima Perú del 17-20 octubre 2006, Sociedad Geológica de Perú, , p. 494-497. Grijalva-Noriega, F.J., y Roldán-Quintana, J., 1998, An Overview of the Cenozoic tectonic and magmatic evolution of Sonora, North-western México: Revista Mexicana de Ciencias Geológicas, 15, 2, 145–156. Guilbert John M. and Park Charles F. “The Geology of ore deposits” W.H freeman and Company, New York, 1975, pp. 170-205. Gustafson, L.B., 1978. Some Major Factors of Porphyry Copper Genesis: Economic Geology, 73, 600–607. Gustafson, L.B., y Hunt, J.P., 1975, The Porphyry Copper Deposit at El Salvador, Chile: Economic Geology, 70, 5, 857–913. Gustafson, L.W., y Quiroga-G., J., 1995, Patterns of Mineralization and Alteration below the Porphyry Copper Orebody at El Salvador, Chile: Economic Geology, 90, 2–16. Hellman M. J., Ramsey M. S., 2004, Analysis of hot springs and associated deposits in Yellowstone National Park using ASTER and AVIRIS remote sensing Journal of Volcanology and Geothermal Research 135 (2004) 195– 219. 122 Hewson, R.D., Cudahy, T.J.,, Mizuhiko S., Ueda K., and Mauger A.J., 2005, Seamless geological map generation using ASTER in the Broken Hill-Curnamona province of Australia, Remote Sensing of Environment, 99, 159 – 172. Hook Simon J., Dmochowski Jane E., Howard Keith A., Rowan Lawrence C., Karlstrome Karl., Stockb Joann M., 2005, Mapping variations in weight percent silica measured from multispectral thermal infrared imagery—Examples from the Hiller Mountains, Nevada, USA and Tres Virgenes-La Reforma, Baja California Sur, Mexico, Remote Sensing of Environment 95, 273–289. Hook, S. J., Karlstrom, K. E., Miller, C. F., and McCaffrey, K. J. W., 1994. Mapping the Piute Mountains, California, with Thermal Infrared Multispectral Scanner (TIMS) images. Hubbard Bernard E., Crowley James K., 2005, Mineral mapping on the Chilean–Bolivian Altiplano using co-orbital ALI, ASTER and Hyperion imagery: Data dimensionality issues and solutions, Remote Sensing of Environment 99 (2005) 173 – 186 Hubbard B. E., Crowley J. K., and. Zimbelman D. R., 2003, Comparative Alteration Mineral Mapping Using Visible to Shortwave Infrared (0.4–2.4 _m) Hyperion, ALI, and ASTER Imagery, IEEE Transactions on Geoscience and Remote Sensing, vol. 41, no. 6, june 2003 Hubbard B. E., Rowan L. C., Dusel-B.Cynthia, and. Eppinger Robert G, 2007, Geologic Mapping and Mineral Resource Assessment of the Healy and Talkeetna Mountains Quadrangles, Alaska Using Minimal Cloud- and Snow-Cover ASTER Data, Open-File Report 2007–1046 , U.S. Geological Survey, Reston, Virginia. Hubbard Bernard E. , Sheridan Michael F. , Carrasco-Núñez , Díaz-Castellón Rodolfo, Raúl Rodríguez Sergio, 2007 Comparative lahar hazard mapping at Volcan Citlaltépetl, Mexico using SRTM, ASTER and DTED-1 digital topographic data, 2006, Journal of Volcanology and Geothermal Research 160 99–124 Huggel C., Schneider D., Julio Miranda P., Delgado Granados H., Kääb A., 2008, Evaluation of ASTER and SRTM DEM data for lahar modeling: A case study on lahars from Popocatépetl Volcano, Mexico, Journal of Volcanology and Geothermal Research 170 99–110 Humphreys, E., Hessler, E., Dueker, K., Farmer, G.L., Erslev, E., y Atwater, T., 2003, How Laramide-Age Hydration of North American Lithosphere by the Farallon Slab Controlled Subsequent Activity in the Western United States: International Geology Review, 45, 575–595. Hunt Graham R. 1977, Spectral signatures of particulate minerals in the visible and near infrared, Geophysics, vol 42. no. 3, 1977 1. p. 501-511. Hunt, Graham. R. and Ashley, R. P., 1979, Spectra of altered rocks in the visible and near infrared. Economic Geology, 74, pp. 1613-1629. Hunt, Graham. R., and Salisbury, J. W., 1970, Visible and near infrared spectral of minerals and rocks- Silicate minerals: Modem Geology, v. 1, p. 238-300. International Society for Photogrammetry and Remote Sensing (ISPRS) en línea; en http://www.isprs.org/society/Default.aspx. Consulta de noviembre del 2008. ITT Visual Information Solutions 2009, “FLAASH User’s Guide” Ayuda de ENVI, 4990 Pearl East Circle, Boulder, Colorado Denver, 80301. Jacob F., Petitcolinc F., Schmugge T., Vermoted E., French A. and Ogawa K. 2004, Comparison of land surface emissivity and radiometric temperature derived from MODIS and ASTER, Remote Sensing of Environment 90 137–152 Jensen, R John., 1996. Introductory Digital Image Processing a Remote Sensing Perspective. Simon & Schuster/A Viacomn Compacy pp 365. Jiménez M. Juan C. “Estimación de la temperatura y la emisividad de la superficie terrestre a partir de datos de alta resolución”, Tesis, Facultad de Fisica, Departamento de Termodinámica, Universidad de Valencia, España, 2004 Kalinowski Aleks and Oliver Simon (Compiled), 2004, ASTER Mineral Index Processing Manual, Remote Sensing Applications Geoscience Australia, October 2004. Krantz, R.W., 1989, Laramide Structures in Arizona, en Jenney, J.P., y Reynolds, S.J., (eds.), Geologic evolution of Arizona: Tucson, Arizona Geological Society Digest 17, 463–483. 123 Khan Shuhab D. and Glenn Nancy F., 2006, New strike-slip faults and litho-units mapped in Chitral (N. Pakistan) using field and ASTER data yield regionally significant results ,International Journal of Remote Sensing Vol. 27, No. 20, 4495–4512. Kruse, F.A. 2002. Comparison of AVIRIS and Hyperion for hyperspectral mineral mapping. In SPIE Aerospace Conference, 9 – 16 March 2002, Big Sky, Montana, published on CD-ROM, IEEE Catalog Number 02TH8593C, Paper 6.0102 (p. 1˜2). Kruse, F. A., Boardman, J. W., & Huntington, J. F,. 2003, Comparison of airborne hyperspectral data and EO-1 hyperion for mineral mapping. IEEE Transactions on Geoscience and Remote Sensing, 41(6), 1388– 1400. Kruse F.A., Lefkoff, A.B., Boardman J.W., Heidebrecht K.B., Shapiro A.T. and Barloon P.J. et al.,1993, The spectral image processing system (SIPS) interactive visualization and analysis of imaging spectrometer data, Remote Sensing Environment 44 pp. 145–163. Kruse F. A., Perry Sandra L. Caballero Alejandro, 2006, District-level mineral survey using airborne hyperspectral data, Los Menucos, Argentina, Annals of Geophysics, vol. 49, N. 1, L Fuqin., Kustas W. P., Anderson M.C., Prueger J. H. and Scott R. L., 2008, Effect of remote sensing spatial resolution on interpreting tower-based flux observations, Remote Sensing of Environment 112, 337–349 Lillesand Y.M: y Kiefer,r.W. 1979 Remote Sensing and Image interpretation. John Wilw&Sons. Nueva York, 612 p. Lira, Ch. J. (2002). Introducción al tratamiento digital de imágenes. Fondo de Cultura Económica. Instituto Politécnico Nacional. 1ra edición, 447 pp. Lira, Ch. J. (2006), Segmentation and morphology of open water bodies from multispectral images. International Journal of Remote Sensing.. Vol. 27, No. 18, 4015-4038. Livingston, D.E., Mauger, R.L., y Damon, P.E., 1968, Geochronology of the emplacement, enrichment, and preservation of Arizona porphyry copper deposits: Economic Geology, 63, 30–36. Livingston, D.E., 1973, Geology, K-Ar ages and Sr isotopy at La Caridad, Nacozari district, Sonora, Mexico: M.S. thesis unpublished, The University of Arizona, Tucson, Arizona, 31 p. Livingston, D. E., 1974, K-Ar ages and isotopy of La Caridad, Sonora, compared to other porphyry copper deposits of the southern Basin and Range province: Geological society of America, Abstract with programs, 6, p. 208. Loughlin, W.P., 1991. Principal component analysis for alteration mapping. Photogrammetric Engineering and Remote Sensing 57, pp. 1163–1169. Lowell, J D. and Guilbert, J. M. 1970.Lateral and Vertical alteration – mineralization zoning in porphypy ore depotits. Economic Geology, vol 65, pp. 373 – 408. Llanes-Castro Angelica I. 2004, An Assessment on the Potential of Mapping Hydrothermal Alteration from ASTER Short Wavelength Infrared Image Data based on Image Simulation Experiments. Tesis doctorado International Institute for Geoinformation Science and Earth Observation Enschede, the Netherlands. Meinert, L.D., 1982, Skarn, manto, and breccia pipe formation in sedimentary rocks of the Cananea mining district, Sonora, Mexico: Economic Geology, 77, 919–949. McDowell, F. W. y Clabaugh, S. E., 1979, Ignimbrites of the Sierra Madre Occidental and their Relation to the Tectonic History of Western Mexico: Geological Society of America Special Paper 180, 113–123. McDowell, F.W., Roldán-Quintana, J., y Connelly, J.N., 2001, Duration of Laramide magmatic arc development in east-central Sonora, Mexico: Geological Society of America Bulletin, 113, 521–531. McDowell, F. W. y Clabaugh, S. E., 1979, Ignimbrites of the Sierra Madre Occidental and their Relation to the Tectonic History of Western Mexico: Geological Society of America Special Paper 180, 113–123. McDowell, F.W., Roldán-Quintana, J. y Amaya-Martínez, R., 1997, Interrelationship of sedimentary and volcanic deposits associated with Tertiary extension in Sonora, Mexico: Geological Society of America Bulletin, 109, 1349–1360. Manzano Delgado Lilia de Lourdes 2006 “Método para evaluación del riesgo local de incendio forestal, en base a técnicas de Percepción Remota” tesis de doctorado. Facultad de Ciencias. UNAM. 124 Marquetti, C. 2005, Metodología y análisis de imágenes ASTER para la exploración mineral en un sector de la Cordillera de Colangüil, San Juan, Argentina. En Marín, G. (ed.), Contribuciones Técnicas Proyecto GEOSAT-AR, 2005. Buenos Aires: Instituto de Geología y Recursos Minerales, Servicio Geológico Minero Argentino, Anales n° 41, p. 31-40. Marquetti C., Becchio R., Seggiaro R. y Nakashima K., 2004, Aplicación de datos ASTER para el mapeo de la hoja geológica andalgalá, catamarca, argentina. SEGEMAR–JICA Iº Simposio ASTER–GEOSAT, Buenos Aires, 4 y 5 de noviembre de 2004 Mars John C. and Rowan L. C., 2007, Mapping phyllic and argillic-altered rocks in southeastern Afghanistan using Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) data U.S. Department of the Interior U.S. Geological Survey. Open-file report 2007-1006, USGS Afghanistan Project Product No. 110. Mars John C. and Rowan L.C., 2006, Regional mapping of phyllic- and argillic-altered rocks in the Zagros magmatic arc, Iran, using Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) data and logical operator algorithms Geosphere; v. 2; no. 3; p. 161-186. Meinert, L.D., 1982, Skarn, manto, and breccia pipe formation in sedimentary rocks of the Cananea mining district, Sonora, Mexico: Economic Geology, 77, 919–949. Mezned Nouha, Abdeljaoued Sâadi and Rached Boussema Mohamed, 2007, Unmixing Based Landsat ETM+ and ASTER Image Fusion For Hybrid Multispectral Image Analysis Unmixing Based Landsat ETM+ and ASTER Image Fusion For Hybrid Multispectral Image Analysis, IEEE, 2007. Miller, D.M., Nielsen, T.H., y Bilodeau, W.L., 1992, Late Cretaceous to early Eocene geologic evolution of the U.S. Cordillera: The Cordilleran Orogen: Conterminous U.S., The Geology of North America: Geological Society of America, 205–260. Mills F., Kannari Y., Watanabe H., Sano M. and Chang S. H., 1994, Thermal airborne multispectral ASTER simulator and its preliminary results, Adv. Space Res. Vol. 14, No. 3, pp. (3)49-(3)58. Misra Ashish, Gupta Ravi P., and Sen Amit K. 2007, Using ASTER TIR Radiance and Surface Emissivity Data to Map Lithology and Silica Abundance in a Metamorphic Terrain, -42441212-9/07/IEEE. 1640 Musik Guillermo A. 2004, El sector minero en México; diagnóstico, prospectiva y estrategia. Centro de Estudios de Competitividad , ITAM México, D.F Nasipuria P., Majumdara T.J., Mitrab D.S., 2006, Study of high-resolution thermal inertia over western India oil fields using ASTER data, Acta Astronautica 58, 270 – 278 Neville RA, Levesque, Staenz K., Nadeau C., Hauff P., and Borstad GA, 2003. Spectral unmixing of hyperspectral imagery for mineral exploration: comparison of results from SFSI and AVIRIS. Ninomiya, Y. (2002). Mapping quartz, carbonate minerals and mafic- ultramafic rocks using remotely sensed multispectral thermal infrared ASTER data. Proceedings of SPIE, 4710, 191– 202. Ninomiya Y., 2003a, Advanced Remote Lithologic Mapping in Ophiolite Zone with ASTER Multispectral Thermal Infrared Data, IEEE, Ninomiya Y., 2003b, A Stabilized Vegetation Index and Several Mineralogic Indices Defined for ASTER VNIR and SWIR Data, IEEE, Ninomiya, Y. 2004, Lithologic mapping with multispectral ASTER TIR and SWIR data. Proceedings of SPIE Vol. 5234, Sensors, systems and next-generation satellites VII, p. 180190. Ninomiya Y., Fu B., Cudahy T. J., 2005, Detecting lithology with Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) multispectral thermal infrared ‘‘radiance-atsensor’’ data Remote Sensing of Environment 99 127 – 139 Noguez Alcantra B., 2008, Reconstrucción del modelos genético y evolución Tectónica del yacimiento tipo Pórfido Cuprífero Milpillas, distrito Cananea, Sonora, México, México D.F. Universidad Nacional Autonoma de México, Instituto de Geología, tesis doctoral, 139p. Noguez-Alcántara B., Valencia-Moreno M., Roldán-Quintana J. y Calmus T. 2007, Enriquecimiento supergénico y análisis de balance de masa en el yacimiento de pórfido cuprífero Milpillas, Distrito Cananea, Sonora, México, Revista Mexicana de Ciencias Geológicas, v. 24, núm. 3, p. 368-388 125 Noyola-Medrano M., Hinojosa-Corona A. y Martín-Barajas A. 2005, Caracterización litológica de regiones desérticas mediante técnicas de percepción remota: Un ejemplo en la franja costera central de Baja California, México Revista Mexicana de Ciencias Geológicas, v. 22, núm. 2, p. 229-245 Ochoa Landín Lucas, Pérez Segura Efrén, del Río Salas Rafael y Valencia Moreno Martín, 2009 Distribución espacial, temporal y tipos de yacimientos myinerales en el estado de Sonora, México, XXVIII Convención Minera Internacional, AIMMGM AC, Veracruz, Ver., 28 al 31 de octubre de 2009. Ogawa Kenta, 2004, Mapping Surface Broadband Emissivity of the Sahara Desert Using ASTER and MODIS Data, Earth Interactions, Volume 8, Paper No. 7, Page 1. Oyarzun, R. 1991, (Eds.) Yacimientos Minerales, Editorial Centro de Estudios Ramón Areces; Madrid), 383-403. Papp and Cudahy, 2002 É. Papp and T. Cudahy, Geophysical and Remote Sensing methods for regolith exploration. In: É. Papp, Editor, Hyperspectral remote sensing, CR-CLEME Open File Report vol. 144 (2002), pp. 13–21. Payan V. and RoyerA., 2004, Analysis of Temperature Emissivity Separation (TES) algorithm applicability and sensitivity, Int. Jornaul Remote Sensing, vol. 25, no. 1, 15–37 Pérez Daniel J, Ducart Diego F., Crósta Alvaro P., 2007, Mapeo geológico con datos ASTER y ETM en Sierra de Umango (29º00´S) Sierras Pampeanas Occidentales, provincia de La Rioja, Argentina, XIII Simpósio Anual Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 21-26 abril 2007, INPE, p. 2103-2110. Pérez Segura. Efrén, 2006 “Estudio Metalogenetico de los yacimientos de Ni-Co- (Cu-Zn) de la esperanza, Sonora Central. Caracterización de los depósitos y relación con el magmatismo Laramidico” tesis de doctorado. Geociencias UNAM.. Pieri D., Abrams M., 2004, ASTER watches the world’s volcanoes: a new paradigm for volcanological observations from orbit, Journal of Volcanology and Geothermal Research 135, 13– 28 Pinheiro da Silva Sebastião M., Crósta Alvaro P., Filho Carlos R. de Souza, 2007, Mapeamento lito-mineralógico de zonas de alteração hidrotermal na porção sul da Província Pegmatítica Borborema Seridó (RN/PB) com dados Terra/ASTER, XIII Simpósio Anual Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 21-26 abril 2007, INPE, p. 2183-2185 Poursaleh, S. 2007. Separation of Carbonates by Using PCA on ASTER Bands. Avialable online at: <http://www.gisdevelopment.net/application/geology/mineral/geom0018.htm>, consulta, enero 2010. Propulsion Laboratory , California Institute of Technology, Pasadena, California, 1999, ASTER Spectral Library - Version 2.0, en línea <http://asterweb.jpl.nasa.gov.>, acceso libre, actualización: 3 de Diciembre de 2008. Ranjbar, H., Hassanzadeh, H., Torabi, M., Ilaghi, O., 2001. Integration and analysis of airborne geophysical data of the Darrehzar area, Kerman Province, Iran, using principal component analysis. Journal of applied geophysics, 48: 33-41. Richards, John A. y Jia, Xiuping. Remote sensing. Digital Image Analysis. 3ra edición. Editorial Springer. Alemania. 1999. Rigol-Sánchez Juan P., y Chica-Olmo Mario 2005, Cartografía de minerales de alteración hidrotermal en el área de Cabo de Gata, Almería, mediante imágenes ASTER. XI Congreso Nacional de Teledetección, 21-23 septiembre 2005. Puerto de la Cruz. Tenerife. Roldán-Quintana, J., 1991, Geology and chemical composition of the Jaralito and Aconchi batholiths in east-central Sonora, Mexico, en Pérez-Segura, E., y Jacques-Ayala, C. (eds.), Studies of Sonoran Geology: Geological Society of America Special Paper 254, 69–80. Roldán-Quintana, J., 1982, Geologia Evolucion Tectonica del estado de Sonora, UNAM, Instituto de Geológia, Revista v. 5, núm. 2, 1982, p. 78-185. Roldán-Quintana, J., 2002, Geologia y yacimientos minerales del distrito de San Felipe , Sonora, UNAM, Instituto de Geológia, Revista v. 3, núm. 2, 1979, p. 97-115. Roldán-Quintana, J., Mora-Klepeis G., Calmus T.,Valencia-Moreno M.y Lozano-Santacruz R. 2002, El graben de Empalme, Sonora, México: magmatismo y tectónica extensional asociados 126 a la ruptura inicial del Golfo de California México, Revista Mexicana de Ciencias Geológicas, v. 21, núm. 3, 2004, p. 320-334 Rockwell Barnaby W. and Hofstra Albert H., 2008, Identification of quartz and carbonate minerals across northern Nevada using ASTER thermal infrared emissivity data—Implications for geologic mapping and mineral resource investigations in well-studied and frontier areas Geosphere, v. 4; no. 1; p. 218–246. Rokugawa S., Matsunaga T., Tsu H. and Ishii Y. 1994, Future potential of thermal infrared multispectral data for mapping temperature and emissivity parameters, Adv. Space Resourses. Vol. 14, No. 3, pp. (3)71 -(3)80. Rowan L. C. 1998, Analysis of simulated advanced spaceborne thermal emission and reflection (ASTER) radiometer data of the Iron Hill, Colorado, study area for mapping lithologies, Journal of Geophysical Research, vol. 103, no. d24, pp. 32,291-32,306. Rowan Lawrence C., Goetz Alexander F. H., and Ashley Roger P., 1977, Discrimination of hydrothermally altered and unaltered rocks in visible and near infrared multispectral images, Geophysics. vol. 42, no. 3; p. 522-535, 8 figs., 3 tables. Rowan L.C., Crowley J.K., Schmidt R.G. Ager C.M. Mars J.C., 2000, Mapping hydrothermally altered rocks by analyzing hyperspectral image (AVIRIS) data of forested areas in the Southeastern United States Journal of Geochemical Exploration 68 145–166. Rowan, L.C., and Mars, J.C., 2003, Lithologic mapping in the Mountain Pass, California, area using Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) data. Remote Sensing of Environment, v. 84, no. 3, p. 350–366. Rowan L.C., Mars J. C. and Simpson. C.J., 2005, Lithologic mapping of the Mordor, NT, Australia ultramafic complex by using the Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Remote Sensing of Environment 99 105 – 126 Rowan L.C, Schmidt Robert G., Mars John C., 2006, Distribution of hydrothermally altered rocks in the Reko Diq, Pakistan mineralized area based on spectral analysis of ASTER data, Remote Sensing of Environment 104 p. 74–87. Rowan L.C., Simpson Colin J., Mars John C., 2004 Hyperspectral analysis of the ultramafic complex and adjacent lithologies at Mordor, NT, Australia, Remote Sensing of Environment 91 419–431 Rowan, L.C.; Wetlaufer, P.H. ; Goetz, A.F.H. Billingsley, F.C. ; Stewart, J.H., 1976, Discrimination of rock types and detection of hydrothermally altered areas in south-central Nevada by the use of computer-enhanced ERTS images Washington, U.S. Govt., Geological Survey Professional USA, . pp. 883. Rowan Lawrence C., Hook Simon J., Abrams Michael J., Mars John C., 2003, Mapping Hydrothermally Altered Rocks at Cuprite, Nevada, Using the Advanced Spaceborne , Thermal Emission and Reflection Radiometer (ASTER), a New Satellite-Imaging System: Economic Geology;; v. 98; no. 5; p. 1019-1027; DOI: 10.2113/98.5.1019. Ruiz-Armenta J. R. y R. M. Prol-Ledesma, 1995, Técnicas de procesamiento de imágenes en la exploración de yacimientos minerales de origen hidrotermal, Física de la Tierra, nfr 7,105-137. Servicio de Publicaciones. Universidad Complutense. Ruiz Armenta J. R., 2003, “Integracion de un modelo de sistema de informacion geografica para el mapeo de potenciales depósitos minerales en el Estado de Guerrero, México”, tesis unam. Ruiz-Armenta, J. R. and Prol-Ledesma, R. M., 1998. Techniques for enhancing the spectral response of hydrothermal alteration minerals in Thematic Mapper images of Central Mexico, International Journal of Remote Sensing, 19: 1981-2000. Sabreen Gad y Timothy Kusky, 2007, ASTER spectral ratioing for lithological mapping in the Arabian–Nubianshield, the Neoproterozoic Wadi Kid area, Sinai, Egypt, Gondwana Research vol. 11 (2007) pp.326–335 Sabine, C., 1999, Remote sensing strategies for mineral exploration. In Remote Sensing for the Earth Sciences—Manual of Remote Sensing, 3rd edn, edited by A. Rencz (New York: American Society of Photogrammetry and Remote Sensing/John Wiley andSons), pp. 375– 447. Sabins. F., F., 1999, Remote sensing for mineral exploration. Ore Geology Reviewa 14. USA Sabins, F., F., 1996, Remote sensing. Principles and interpretation. JR, W. H. Freeman an s Company, Segunda edicion. New York, USA. 127 Sabol, D. E. Jr., Gillespie Alan R., Abbott Elsa, Yamada Gail, 2009, Field validation of the ASTER Temperature–Emissivity Separation algorithm, Remote Sensing of Environment 113, 2328–2344. Samih Al Rawashdeh, Bassam Saleh et Mufeed Hamzah, 2006, The use of Remote Sensing Technology in geological Investigation and mineral Detection in El Azraq-Jordan, Cybergeo : European Journal of Geography [En ligne], Systèmes, Modélisation, Géostatistiques, document 358, mis en ligne le 23 octobre 2006. URL : http://cybergeo.revues.org/index2856.html, DOI : en cours d'attribution, Éditeur : CNRS-UMR Géographie-cités 8504, http://cybergeo.revues.org, http://www.revues.org, Document accessible en ligne à l'adresse suivante : http://cybergeo.revues.org/index2856.html, Document généré automatiquement le 11 février 2010., © CNRS-UMR Géographie-cités 8504 Sawkins, F.J., y Sherkenbach, D.A., 1981, High copper content of fluid inclusions in quartz form northern Sonora: Implications for ore genesis theory: Geology, 9, 37–40. Scheidt Stephen, Ramsey Michael, Lancaster Nicholas, 2008, Radiometric normalization and image mosaic generation of ASTER thermal infrared data: An application to extensive sand sheets and dune fields, Remote Sensing of Environment 112, 920–933. Saegart, W.E., Sell, J.D., y Kilpatrick, B.E., 1974, Geology and copper mineralization of La Caridad porphyry copper deposit, Sonora, México: Economic Geology, 69, 1060–1077. Secretaría de Gobernación, Diario Oficial de la Federación, 2000, Instructivo para los Agentes de Minería, publicado el 4 de Febrero de 2000. México D.F. Secretaría de Gobernación, Diario Oficial de la Federación, 2006, Ley Minera publicada el 26 de junio del 2006, México D.F. Secretaría de Gobernación, Diario Oficial de la Federación, 1999, Reglamento de la ley minera publicada el 15 de febrero de 1999, México D.F. Sherkenbach, D.A., Sawkins, F.J., y Seyfried, Jr., W.E., 1985, Geologic, Fluid Inclusion, and Geochemical Studies of the Mineralized Breccias at Cumobabi, Sonora, México: Economic Geology, 80, 1566–1592. Sherkenbach, D.A., Sawkins, F.J., y Seyfried, Jr., W.E., 1985, Geologic, Fluid Inclusion, and Geochemical Studies of the Mineralized Breccias at Cumobabi, Sonora, México: Economic Geology, 80, 1566–1592. Schmugge Thomas, French Andrew, Ritchie Jerry C, Rango Albert, Pelgrum Henk, 2002, Temperature and emissivity separation from multispectral thermal infrared observations, Remote Sensing of Environment 79, 189– 198. Singer, D. A., Berger, V.I., Moring, B.C., 2005, Porphyry copper deposits of the world: database, map, and grade and tonnage models: U.S. Geological Survey, Open-File Report 2005-1060. Sillitoe, R.H., 1996, Granites and metal deposits; Special issue on the geology of granites: Episodes, 19, 4, 126–133. Stewart, J.H., 1988, Latest Proterozoic and Paleozoic southern margin of North America and the accretion of Mexico: Geology, 16, 186–189. Takashima T., Masuda K., Sano I. and Mukai S., 2001, Atmospheric correction for the aster visible data on terra satellite Adv Space Resourse. vol. 28, No. 1, pp. 177-182. Taylor, H.P. Jr., 1997, Oxygen and Hydrogen Isotope Relationships in Hydrothermal Mineral Deposits, en Barnes, H.L., (ed.), Geochemistry of Hydrothermal Ore Deposits, 3th Ed. John Wiley and Sons, New York, 229–288. Tawn Albinson, 2009, Guías de exploración para depósitos epitermales en México, (memoria) en XXVIII Convención Minéra Internacional, Asociación de Ingenieros de Minas Metalusgistas Geologos de México, AIMMGM AC, Veracruz, Ver., 28 al 31 de octubre. Theodore, T.G., Priego De Wit, M., 1978, Porphyry type metallization and alteration at La Florida de Nacozari, Sonora, Mexico: Journal of Research, USGS, 6, 59-72. Thompson A.J.B. AND Thompson J.F .H., 1996, Atlas of alteration: A fiel and petrographic guide to hidrothermal alteration mineral, Mineral Deposits Division, Geological Association of Canada, Second edition, Department of Earth Sciences, Memorial University of Newfoundland St. John's, Newfoundland, AIB 3X5 Canada. Titley, S.R., 1982a, Geologic Setting of Porphyry Copper Deposits, Southeastern Arizona, en Titley, S.R., (ed.), Advances in Geology of the Porphyry Copper Deposits: Southwestern 128 North America: The University of Arizona Press, 37–58. Titley, S.R., 1982b, The Style and Progress of Mineralization and Alterationin Porphyry Copper Systems: American Southwest, en Titley, S.R., (ed.), dvances in Geology of the Porphyry Copper Deposits: Southwestern North America. The University of Arizona Press, 93–114. Titley, S.R., 1993, Characteristics of Porphyry Copper Occurrence in the American Southwest, en Kirkham, R.V., Sinclair, W.D., Thorpe, R.I., y Duke, J.M., (eds.), Mineral Deposit Modeling: Geological Association of Canada, Special Paper 40, 433–464. Tonooka H., Sakuma F., Kudoh M., AND Iwafune K., 2003, ASTER/TIR onboard calibration status and user- based recalibration, Proc. of SPIE, Vol. 5234,pp. 191-201 Tonooka H., Sakumab Fumihiro, Kudohc Masahiko, Iwafuned Koji, 2004, ASTER/TIR onboard calibration status and user-based recalibration, Society of Photo-Optical Instrumentation Engineers., Proc. of SPIE, Vol. 5234. Valentine, W.G., 1936, Geology of the Cananea Mountains, Sonora, México: Geological Society of America Bulletin, 47, 53–63. Vander Meer, F., Van Dijk, P. and Yang, H., 2002. Remote sensing and petroleum seepage: a review and case study. Terra Nova, 14, 1–17. Vander Wielen, Simon Oliver and Aleks Kalinowski, 2004, Remote sensing and spectral investigations in the Western Succession, Mount Isa Inlier: Implications for exploration predictive mineral discovery CRC Conference Barossa Valley 1-3 June 2004, 205 Vane G., 1987. First results from the Airborne Visible/Infrared Imaging Spectrometer (AVIRIS): in Proceedings, 31st Annual International Technical Symposium, Society of Photo-Optical Instrumentation Engineers, v. 834, p. 166-174. Vane, G., and Goetz, A. F. H. 1993, Terrestrial Imaging Spectrometry: Current Status, Future Trends, Remote Sensing of Environment, 44:117-126. Van der Meer Freek, van Dijk Paul, van der Werff Harald and Yangà Hong,, 2002, Remote sensing and petroleum seepage: a review and case study, Terra Nova, 14, 1–17. Valencia, V.A., Barra, F., Ruiz, J., Quintanar, F., y Noguez-Alcántara, B., 2004, Milpillas porphyry copper deposit, the oldest Laramide porphyry copper in México?: Insights from Re-Os systematics. Congreso Nacional de Geoquímica, Hermosillo, Sonora, México, Actas INAGEQ, 10, 1, 1 p. Valencia-Moreno M., y Ochoa-Landín L. 2009. Metalogenesis de los depósitos tipo Pórfido Cuprífero de Sonora, XXVIII Convención Minera Internacional, AIMMGM AC, Veracruz, Ver., 28 al 31 de octubre de 2009. Valencia-Moreno, M., Ochoa-Landín, L., Noguez-Alcántara, B., Ruiz, J., y Pérez-Segura, E., 2006, Características de los depósitos de pórfido cuprífero en México y su situación en el contexto mundial: en Nieto-Samaniego, A.F., y Alanis-Álvarez, S., (eds.), Revisión de algunas tipologías de depósitos minerales en México: Sociedad Geológica Mexicana, volumen conmemorativo del Centenario, Tomo LVIII, no. 1, p. 1-26. Valenzuela-Navarro L.C., Valencia-Moreno M., Calmus T. y Ochoa-Landín L. y González León C. Revista Mexicana de Ciencias Geológicas, v. 22, núm. 3, 2005, p. 345-357 Vaughan R. Greg, Hook Simon J., Calvin Wendy M., Taranik James V., 2005, Surface mineral mapping at Steamboat Springs, Nevada, USA, with multi-wavelength thermal infrared images, Remote Sensing of Environment 99 (2005) 140 – 158 Vincent, R.K. 1997. Fundamentals of geological and environmental remote sensing. Prentice Hall, Upper Saddle River, NJ. Volesky John C., Stern Robert J., Johnson Peter R., 2003, Geological control of massive sulfide mineralization in the Neoproterozoic Wadi Bidah shear zone, southwestern Saudi Arabia, inferences from orbital remote sensing and field studies, Precambrian Research 123, 235–247. Whateley Michael K.G. 2006, Remote sensing in Introduction to mineral exploration, Charles J. Moon, Michael K.G. Whateley & Anthony M. Evans, ed. Segunda Edición, Editorial Blackwell Publishing, Malden, MA, USA., pp. 101-126. White Kevin, Walden John, Gurney Stephen D., 2007, Spectral properties, iron oxide content and provenance of Namib dune sands, Geomorphology 86 , 219–229 129 White, W.M:, 1998, Stable Isotope Higt Temperature Applications I, II y III; Isotope Geochemistry: Texto disponible en red (www) no publicado, 196-218. Wilson, F.I., y Rocha, S.V., 1949, Coal deposits of the Santa Clara district near Tonichi, Sonora, México: United States Geological Survey Bulletin, 962A, 80 p. Wodzicki, W.A., 2001, The Evolution of Magmatism and Mineralization in the Cananea District, Sonora, México: Society of Economic Geologists Special , Publication 8, 243–263. Yamaguchi, Y., A. B Kahle, H. Tsu, T. Kawakami y M. Pniel, 1998, Overview of Advance Spaceborne Thermal Emission and Reflection Radiometer (ASTER). IEEE Transaction on Geoscience and Remote Sensing, Vol. 36, No. 4.pp. 1062- 107 1. Yamaguchi Y. and Naito C. 2003, Spectral indices for lithologic discrimination and mapping by using the ASTER SWIR bands, Int. J. Remote Sensing, Vol. 24, No. 22, 4311–4323. Yépez S. 2007, Metodología para preparar los datos de ASTER para su ingreso en FLAASH y la aplicación del software para corregir atmosféricamente la imagen. (En línea) Instituto de Ingeniería – Centro de Procesamiento Digital de Imágenes (CPDI), 2007, Caracas, Venezuela. Zacchi Érico Natal Pedro, Adalene Moreira Silva, Catarina Laboure Benfica Toledo, Daniele Beck Cardoso, Carlos Roberto de Souza Filho, 2007, Integracion de datos geofísicos con datos de sensor ASTER, mapeo geológico y selección de áreas para prospección minera en la región de Itapecerixa . MG. XIII Simpósio Anual Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 21-26 abril 2007, INPE, p. 2215-2222. Zhang X., Pazner M., Duke N., 2007, Lithologic and mineral information extraction for gold exploration using ASTER data in the south Chocolate Mountains (California) , ISPRS Journal of Photogrammetry & Remote Sensing 62, 271–282 130