Sánchez Cárdenas Eduardo - Centro de Geociencias ::.. UNAM

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