P. 1
7278255 Deteccion de Alteracion Hidrotermal a Traves de Imagenes ETM

7278255 Deteccion de Alteracion Hidrotermal a Traves de Imagenes ETM

|Views: 11|Likes:
Published by Arquimedes Aular

More info:

Published by: Arquimedes Aular on Feb 14, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

01/02/2014

pdf

text

original

Detección de Alteración Hidrotermal a través de imágenes ETM

+

Maximiliano Leiva Sotomayor

Introducción
La intención de este proyecto es comprobar si es posible detectar la presencia de minerales producidos por alteración hidrotermal, con la finalidad de utilizar esta herramienta de percepción remota en la exploración geotérmica, debido al estrecho vínculo existente entre los campos geotermales y la alteración hidrotermal de los minerales. Debido a la naturaleza de este proyecto, el trabajo se acotó en espacio y minerales.

. Debido a que se sabe de su actividad geotermal es que esperamos encontrar minerales de alteración en esta zona.Zona de Estudio El lugar de trabajo elegido fue el campo geotermal de El Tatio. También se eligió El Tatio porque prácticamente no tiene vegetación y muy probablemente no habrá nubes en las imágenes de esta zona.

Ubicación: -22° 20’ S . 4250 msnm. -68° W . .

61 0.90 1.78 .52 0.52 .5 2.0.Imágenes ETM+ Sensor Landsat 7 Sensitividad Espectral (µm) 0.53 .0.2.63 .55 .69 0.35 0.45 .1.0.90 Ubicación Espectral Nominal Blue Green Red Near-IR Mid-IR Thermal-IR Mid-IR Falso color Resolución Espacial (m) 30 x 30 30 x 30 30 x 30 30 x 30 30 x 30 60 x 60 30 x 30 15 x 15 Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7 Band 8 (Pancromatica) .0.09 .75 10.12.0.4 .

Estas alteraciones son graduales y sus productos son variados. pero para este proyecto el análisis se enfocó en los minerales de alteración con alto contenido de hidroxilos (OH-) y algunos óxidos de hierro.Minerales de Alteración La alteración hidrotermal se debe al cambio que sufren los minerales de la roca producto de la circulación de fluidos a altas temperaturas. como los que se encuentran en los campos geotermales. .

2 µm. y alta reflectancia en el rango del rojo.6 µm y baja cerca de los 2. que permiten su detección.Minerales de Alteración El motivo por el cuál se ha centrado el análisis en estos productos de la alteración hidrotermal es por particularidades que presentan en su espectro. Los minerales con alto contenido de hidroxilos tienen una alta reflectancia en el rango cercano a los 1. Mientras que los óxidos de hierro tienen una fuerte absorción en el rango del UV y el azul. .

.

dadas las bandas de Landsat7. se utiliza esta herramienta para realzar estos contrastes espectrales. .Band Ratios Haciendo uso de la información respecto a las particularidades de las reflectancias de los grupos de minerales que buscamos. y Band3/Band1 para destacar los óxidos de hierro. podemos utilizar el ratio Band5/Band7 para realzar los hidroxilos en la imagen. En particular.

Imagen Base .

Hidroxilos .Band5/Band7.

oxidos de hierro .Band3/Band1.

la imagen no indica una clara presencia de óxidos. Estos resultados preliminares permiten orientar nuestra búsqueda en una clasificación supervisada. provenientes de las manifestaciones superficiales de este campo geotermal en el caso de los hidroxilos. mientras que en el caso de los óxidos de hierro. . principalmente localizados en torno a escurrimientos de agua.Band Ratios Las imágenes arrojan como resultado algunas zonas donde potencialmente podríamos reconocer minerales de alteración.

La base de esto radica en la diferencia de las respuestas espectrales de los distintos minerales. podemos comenzar por reconocer distintas litologías a través de distintas combinaciones de las bandas para imágenes RGB. a grandes rasgos. Esto potencialmente nos permitirá reconocer diferentes minerales en superficie. con lo cuál podemos intentar buscar combinaciones apropiadas para realzar las alteraciones que buscamos.RGB Para comenzar a reconocer los minerales de alteración. .

.

.

pero la variabilidad de los resultados puede ser demasiado grande como para utilizarlo como una herramienta resolutiva.RGB y Clasificaciones A partir de distintas combinaciones de bandas. Esto representa una buena aproximación. con los cuales podemos tomar algunos píxeles como muestra para realizar clasificaciones supervisadas con el algoritmo que se considere más adecuado. ya que se basa en lo que se ve en las imágenes y el criterio de quien elige los píxeles representativos de cada clase. . podemos reconocer distintos grupos de rocas. además no nos permite reconocer minerales específicos.

Entre más pequeño el ángulo. tratándolos como vectores de igual dimensión que el número de bandas. mayor similitud. La similitud espectral se determina por el ángulo entre la referencia y el píxel. .Spectral Angle Mapper (SAM) SAM es una clasificación espectral supervisada que consiste en utilizar un vector n-dimensional para comparar el espectro de cada píxel con un espectro de referencia.

y el desconocimiento de un criterio para seleccionar los más adecuados. Debido a la gran cantidad de espectros existentes para un mismo mineral.Spectral Angle Mapper Para realizar la clasificación con este método es necesario contar con espectros de referencia. se utilizaron todos para la clasificación. para lo cuál se utilizó los espectros de la librerías que vienen con el programa ENVI 4.3 . principalmente los espectros contenidos en la librería espectral de minerales de la USGS. .

Goetita .

Hematita .

Kaolinita .

Pirofilita .

Spectral Angle Mapper Las clasificaciones se realizaron utilizando un ángulo máximo en torno a los 0. En la siguiente clasificación se incluyen todos los minerales que se buscaron. . y en la siguiente diapositiva su código de colores. esto puede explicarse por similitud de espectros de referencia o mucha tolerancia en el ángulo máximo. También se ve que algunos pixeles son clasificados como más de un mineral.15 rad. y se aprecia una reincidencia en las zonas clasificadas: corresponden a las descargas de agua y los cerros que rodean el lugar. .

.

Muscovita Montmorilonita Pirita Phlogopita Paragonita Hematita Pirofilita Clorita Goetita Ilita Alunita Kaolinita Albita Cuarzo .

Esta imprecisión para identificar minerales dentro de la imagen puede explicarse por la discreta cantidad de bandas con las cuales se contaba para la clasificación (sólo 6). y que los minerales buscados tienen similitudes importantes en sus espectros. puesto que las clasificaciones de los píxeles que las componían eran muy variadas . para espectros de referencia compuestos por cerca de 400 puntos. sí se pudo comprobar la posibilidad de detección de la alteración hidrotermal mediante este tipo de imágenes. .Conclusiones La detección de alteración hidrotermal fue posible. acentuadas por lo anterior. con lo que comprobamos su factibilidad. Pese a no tener resultados concluyentes sobre el tipo de alteración. sin embargo para algunas áreas la clasificación era imprecisa.

Preguntas .

Browne. Egypt”. Walter. SE Desert. A. Z. M. Yang. “Mineralogical and structural characterization of alteration zones detected by orbital remote sensing at Shalatein District. Precambrian Research 151 (2006) 211-223. A. T. Western Australia”. “Application of the Crosta technique for porphyry copperalteration mapping. Journal of Asian Earth Sciences 24 (2004) 237-243. Journal of Volcanology and Geothermal Research 106 (2001) 53-65. . M. J. Walshe. “Clay minerals related to the hydrothermal activity of the Bouillante geothermal field (Guadeloupe)”. Pilbara Craton. North Pole Dome. T. A. Cudahy. “Hydrothermal alteration at the Panorama Formation. A. using ETM+ data in the southern part of the Iranian volcanic sedimentary belt”. Genter. K. Huntington. P. Journal of Volcanology and Geothermal Research 158 (2006) 380-400. “Characterising the hydrothermal alteration of the Broadlands-Ohaaki geothermal system. M. B. Brown. New Zealand. Kontny. Ranjbar. Journal of Volcanology and Geothermal Research 135 (2004) 195-219. Moezifar. Guisseau. D. Sanjuan. Mas.Referencias       “Analysis of hot springs and associated deposits in Yellowstone National Park using ASTER and AVIRIS remote sensing”. using short-wave infrared spectroscopy”. Ramadan. Journal of African Earth Sciences 40 (2004) 89-99. M. Hellman. H. Ramsey. Honarmand. J.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->