ARTÍCULOS
Reconocimiento de alteración hidrotermal con el sensor ASTER, en el curso medio del Río Santa Cruz (31°40's), provincia de San Juan
Daniel J. Pérez1, Patricio E. D'odorico Benites1,2 y Marta C. Godeas3
1 Laboratorio de Tectónica Andina, Departamento de Ciencias Geológicas, Facultad de Ciencias Exactas y Naturales, Universidad de
Buenos Aires. E-mail: daniel@gl.fcen.uba.ar
2 ArPetrol Argentina S.A. E-mail: p.dodorico@arpetrol.com
3 Servicio Geológico Minero Argentino (SEGEMAR). E-mail: mgodea@mecon.gov.ar
RESUMEN
La utilización del sensor ASTER (Advanced spaceborne thermal emission and reflection radiometer) permitió la identificación de diversos depósitos de alteración hidrotermal, indicando que la aplicación de técnicas espectrales en regiones con buena exposición de afloramientos, permite la identificación de diversas litologías asociadas a dichos depósitos. En el presente trabajo se han probado diferentes métodos para identificar y generar un mapa de zonas con alteración hidrotermal mediante el uso de escenas ASTER. Estas áreas usualmente contienen grandes cantidades de minerales arcillosos susceptibles de ser detectados con imágenes multiespectrales. Diversos autores han desarrollado diferentes procedimientos para clasificar y generar un mapa de estos minerales de origen hidrotermal. Entre las más simples, las combinaciones y cocientes de bandas han probado ser herramientas muy efectivas para detectar blancos. Los índices litológicos buscan reforzar la respuesta espectral de este grupo de minerales mediante productos y cocientes de bandas. Estas técnicas no implican una corrección integral de la escena ASTER. Otras técnicas empleadas en este estudio requieren de un procesamiento más profundo, especialmente cuando se trabaja con datos espectrales. Las mismas incluyen la clasificación SAM (spectral angle mapper) y la transformación MNF (minimun noise fraction) para separar el ruido y reducir los requisitos posteriores para procesar la imagen. Los espectros utilizados en este trabajo fueron obtenidos con muestras de campo con un espectrómetro de reflectancia SWIR (short wave infrared) y mediante la derivación de sus escenas. Los métodos de clasificación han sido probados enáreas de mineralización conocida, como Los Pelambres, El Pachón y Altar; y en otros sectores en la región del río Santa Cruz como Carnicerías y La Coipa; en el sector sudoccidental de la provincia de San Juan. Los resultados de este trabajo se presentan en forma de imágenes de asociación de minerales e índices litológicos.
Palabras clave: Sensores remotos; ASTER; Alteración hidrotermal; Cordillera frontal; SanJuan; Mioceno.
ABSTRACT: Reconnaissance of hydrothermal alteration with the ASTER sensor, in the middle course of Río Santa Cruz (31°40' S), province of San Juan. The advanced spaceborne thermal emission and reflection radiometer (ASTER) was used to identify different deposits of hydrothermal alteration which indicates that several important lithological groups can be mapped in areas with good exposure by using spectral-matching techniques. Different methods are tested in order to identify and map zones with hydrothermal alteration minerals using the ASTER dataset. These areas are often referred to having large quantities of clay minerals which can be detected using multispectral imagery. Several authors have developed different procedures to map these hydrothermal minerals. Among the simplest ones, band combinations and band ratios have proven to be very useful tools for identifying targets. Lithology indexes point to reinforce the spectral response of this group of minerals working with band products and ratios. So far, these techniques do not need a full image correction. Other methods here employed require further processing of the ASTER scene, especially when spectral data are used. These techniques include spectral angle mapper (SAM) classification and minimum noise fraction (MNF) transforms to segregate noise and reduce computational requirements. Spectral data used in this paper were collected from field samples using SWIR (short wave infrared) reflectance spectroscopy and derived from the scene itself. These mapping methods have been tested in areas of known hydrothermal alteration occurrences, e.g. Los Pelambres, El Pachón and Altar, and in other sector of Santa Cruz region like Carnicerias and La Coipa; all of these at the south westernmost part of San Juan province. The result of this work is here presented as a series of images showing lithology indexes and an expected mineral assembly.
Keywords: Remote sensing; ASTER; Hydrothermal alteration; Cordillera Frontal; San Juan; Miocene.
INTRODUCCIÓN
En los últimos años el uso de imágenes satelitales
se ha constituido en una importante
herramienta para generar un mapa litológico
preliminar. Entre los datos más utilizados
para estas tareas se encuentran las
imágenes ASTER (Advanced spaceborne thermal
emissión and reflection radiometer), frecuentemente
empleadas en la identificación de
minerales y generación del mapa geológico
en general. El reconocimiento de zonas
con minerales de alteración hidrotermal es
una aplicación particular de los sensores
remotos multiespectrales, cuyo principal
objetivo en este caso es el reconocimiento
de depósitos comercialmente explotables.
Diversos autores utilizaron este tipo de
imágenes en la identificación de minerales
de alteración hidrotermal, tales como
Kruse (1993), Souza Filho et al. (2003),
Hewson (2003) y Ducart et al. (2006),
Ninomiya (2002, 2004); Rowan et al. (2003)
y Rowan y Mars (2003).
ASTER es un sensor multiespectral a bordo
del satélite EOS (Earth observing system) -
TERRA que forma parte del sistema de
observación terrestre de la NASA. El satélite
posee una órbita heliosincrónica a 705
km de altura. El ancho de barrido es de 60
km y la distancia entre órbitas es de 172 kilómetros.
El sensor tiene una resolución
espectral que va desde 0,520 hasta 11,650
(μm) micrómetros, distribuida en 14 bandas
que a su vez se agrupan en tres subsistemas
independientes. Estos subsistemas
son el VNIR (visible and near infrared) con
tres bandas (1-3) (0,52 a 0,86 μm) y una resolución
espacial de 15 m, el SWIR (short
wave infrared) con seis bandas (4-9) (1,6 a
2,43 μm) y una resolución espacial de 30 m
y, por último, el TIR (thermal infrared) con
cinco bandas (10-14) (8,125 a 11,65 μm) y
una resolución espacial de 90 metros.
Además el sensor cuenta con un telescopio
adicional que tiene una resolución espectral
igual a la banda 3 y que está orientado
27,7º hacia atrás, obteniéndose de este
modo las bandas 3N (nadir) y 3B (hacia
atrás), con las que se construye el par estereoscópico
a partir del cual se genera el
modelo digital de elevación (DEM) de
cada escena (Fujisada 1995, ERSDAC
2001), (Cuadro 1).
CUADRO 1: Características de las bandas
de los susbsistemas VNIR, SWIR y TIR.
El área de estudio se sitúa en el sector sudoccidental de la provincia de San Juan, en el departamento de Calingasta, a unos 80 kilómetros al oeste de la localidad de Barreal (Fig. 1). Abarca desde el paralelo 31°27'S hasta 31°40'S y desde el meridiano 70°23'O hasta 70°31'O, cubriendo una superficie total de aproximadamente 980 kilómetros cuadrados. La comarca se caracteriza por su relieve montañoso, con alturas que superan los 4500 m s.n.m.. Los principales valles son surcados por cursos de agua permanentes, el más importante de los cuales es el río Santa Cruz. La zona se caracteriza por la presencia de numerosas manifestaciones con alteración hidrotermal asociadas, algunas de ellas en explotación o en prospección. Como ejemplo se puede citar Los Pelambres, Pachón y Altar (Sillitoe 1973, Fernández et al. 1974 y Almandoz et al. 2005). El presente trabajo es una aplicación de las técnicas de clasificación y generación del mapa litológico, previamente desarrolladas por otros autores.
Figura 1: mapa
geológico y de
ubicación del área
de estudio.
La escena ASTER utilizada en el presente
estudio fue obtenida de la base de datos
de la NASA, a través de la página web http://edcimswww.cr.usgs.gov/pub/imswelcome/,
sitio oficial del EOS (Earth observing
system), mediante la CONAE
(Comisión Nacional de Actividades Espaciales).
La metodología de trabajo se basó en la
comparación de las respuestas de algunasáreas de mineralización conocidas con las
respuestas de blancos en zonas de interés,
previo al trabajo de campo. Durante
la campaña se extrajeron ocho muestras
de los blancos en algunas zonas de interés,
que posteriormente fueron estudiadas
por espectrometría de reflectancia.
Los espectros obtenidos fueron utilizados
como referencia para generar el
mapa a partir de la escena ASTER.
GEOLOGÍA
La comarca está emplazada en el sector
norte de la faja plegada y corrida de La
Ramada, forma parte de la Cordillera
Principal y Cordillera Frontal y se ubica
en el extremo sur del segmento de subducción
subhorizontal (flat slab) (Cahill e
Isacks 1992).
La geología (Fig. 1) de la comarca está dominada por un basamento ígneo compuesto
por cuerpos intrusivos granodioríticos
y coladas piroclásticas. Sobre este
basamento, de edad triásica, se apoya en
discordancia una sucesión sedimentaria
de origen marino somero y continental,
la que presenta una participación creciente
de material piroclástico hacia la sección
superior. La unidad aflorante más
reciente es una volcanita miocena de
composición básica a intermedia.
El basamento del área está formado por
una sucesión de rocas piroclásticas ácidas
del Grupo Choiyoi, las que son intruidas
por el Batolito Pico Los Sapos, de composición
dominante granodiorítica a granítica,
con miembros más básicos subordinados
en abundancia.
La sucesión sedimentaria mesozoica se
inicia con la unidad de synrift de la
Formación Rancho de Lata (Álvarez
1996), constituida principalmente por
conglomerados y brechas mal seleccionadas,
pelitas negras lacustres y rocas piroclásticas
con líticos tobáceos y riolíticos.
En discordancia angular se apoya la
Formación Los Patillos (Álvarez 1996) de
edad jurásica inferior a media (Ramos y Álareniscas y calizas bioclásticas y oolíticas de
origen marino somero. Por encima se halla
un nivel de brechas calcáreas de pocas decenas
de metros de espesor, pertenecientes a
la Formación La Manga, de edad caloviana
inferior a oxfordiana media-superior. Estas
dos últimas de ambiente de postrift (Álvarez
1996). Sin relación estratigráfica se encuentra
la Formación Auquilco constituida
por yesos con textura sacaroide y localizada
sobre la falla Pelambres en el río Carnicería.
Sobre la Formación La Manga y en discordancia,
continúan los depósitos continentales
del Jurásico superior de la Formación
Tordillo, bien representados en la comarca e
integrada por areniscas, sabulitas y conglomerados
rojizos de origen continental, desarrollados
en una cuenca de intraarco, asociados
a un régimen extensional y que marcan
la culminación del ciclo jurásico en la región
(Cristallini y Ramos 1996).
Continúan las secuencias cretácicas con
depósitos volcánicos y volcaniclásticos
continentales de la Formación Cristo
Redentor. Están formados por una alternancia
de coladas andesíticas, ignimbritas
dacíticas, conglomerados clasto-sostenidos
y areniscas rojas. Estos depósitos se
disponen en una faja que bordea la margen
occidental del río Santa Cruz, formando
amplios anticlinales y sinclinales
con rumbo septentrional, extendiéndose
sobre el límite argentino-chileno hasta
aproximadamente los 37°LS. Los depósitos
terciarios con poco desarrollo corresponden
a un pórfiro dacítico vinculado
con un halo de alteración hidrotermal y a
la mineralización de los yacimientos de
El Pachón y Los Pelambres (Fernández et
al. 1974). Otras zonas de alteración han
sido identificadas y localizadas en el terreno,
en la ladera occidental de la cordillera
de Santa Cruz, en el río La Coipa, y
en el río de la Carnicería (Fig. 2). Una
cuarta zona de alteración hidrotermal,
denominada Altares (Fig. 2), ha sido
identificada también en el extremo noroeste
de la zona de estudio, y que corresponde
a un sistema de mineralización de
alta sulfuración vinculado a un sistema de
pórfido cuprífero (Almandoz et al. 2005).
Figura 2: Combinación de
bandas RGB: 654, con las
zonas de alteración en color
azul claro; y ubicación de
las muestras extraídas estudiadas
con espectrometría
de reflectancia.
La estructura de la región se caracteriza por presentar dos estilos bien definidos, los cuales se habrían desarrollado durante el Mioceno superior. Uno es de piel fina (thin skinned) y habría sido el responsable de la fuerte deformación en la cobertura sedimentaria mesozoica, formando anticlinales y sinclinales en las secuencias cretácicas del Cordón del Yunque y del Límite. El segundo es de piel gruesa (thick skinned), y muestra una deformación que afecta a los bloques de basamento de la cordillera de Santa Cruz la que es levantada por una falla de alto ángulo ubicada al este de dicha cordillera (D´Odorico et al. 2006). La porción central de la comarca en estudio, o bloque Mondaca es levantada por la falla Mondaquita, de alto ángulo, por sobre los estratos mesozoicos previamente descriptos. El estilo de piel fina puede verse en el río Carnicería, mediante el corrimiento Pelambres de bajo ángulo, que afecta la Formación Los Pelambres, previamente deformada, la que constituye una estructura fuera de secuencia (Figs. 1 y 2).
DEPÓSITOS MINERALES EN LA REGIÓN
Dentro de la zona bajo estudio se encuentran
tres áreas de mineralización y alteración
hidrotermal, las cuales están actualmente
en prospección o en explotación.
Estas áreas son Altar, El Pachón y Los
Pelambres (Sillitoe 1973, Fernández et al.
1974 y Almandoz et al. 2005). Dentro de
este estudio, dichas zonas de alteración
son utilizadas como punto de comparación
para generar el mapa de alteraciones
de otros sectores utilizando los datos del
sensor ASTER.
En el extremo noroccidental del área bajo
estudio se encuentra el prospecto Altar, sistema
epitermal de alta sulfuración asociado
a un pórfiro cuprífero (Almandoz et al. 2005). En la parte central del prospecto
aflora un cuerpo intrusivo cuarzo diorítico
de edad miocena que lleva sobreimpuesto
una intensa alteración potásica caracterizada
por biotitas reemplazadas por sericita,
cristales de ortoclasa y cantidades menores
de anhidrita, turmalina y magnetita diseminada.
Sobre este cuerpo intrusivo se desarrolla
un intenso stockwork de cuarzo, pirita, calcopirita y bornita. La zona potásica se
vio posteriormente afectada por dos pulsos
de alteración fílica, con calcosina, digenita,
covellina y bornita asociadas en una primera
fase, mientras que el segundo pulso produjo
removilización parcial del cobre. La
superficie con alteración argílica es reducida
y se halla en una posición topográfica
más elevada respecto de la zona fílica. La
roca de caja, formada por flujos andesíticos,
se encuentra afectada por un halo externo
de alteración propilítica.
Por otro lado, en el sector sudoccidental
de la comarca se desarrolla un importante
sistema de alteración y mineralización
asociado a dos pórfiros cupríferos, Los
Pelambres, sobre territorio chileno
(Sillitoe 1973) y El Pachón (Fernández et
al. 1974). El primero está integrado por
un complejo intrusivo tonalítico que alberga
la mayor parte de la mineralización,
con andesitas y diques aplíticos subordinados.
Las dataciones radimétricas obtenidas
sobre biotitas hidrotermales arrojaron
edades levemente inferiores a 10 Ma
(Reich et al. 2003). El pórfiro cuprífero El
Pachón se encuentra aledaño a Los
Pelambres y en territorio argentino. Está formado por pórfiros dioríticos - granodioríticos
y diques dacíticos - tonalíticos
que en su conjunto intruyen a la Formación Los Pelambres (equivalente a la Formación
Juncal de edad cretácica). La alteración
potásica se desarrolla preferencialmente
sobre las rocas porfíricas, en las
cercanías del contacto con la roca de caja.
Asimismo, la alteración fílica afecta fuertemente
a los plutones, dando como resultado
una paragénesis de sericita - pirita
- sílice. El halo propilítico afecta marginalmente
a los intrusivos, siendo sus
efectos más notorios en la roca de caja,
formada por volcanitas de composición
intermedia y tobas ácidas. Por último, la
alteración argílica aparece como resultado
de un proceso de lixiviación asociada
a un probable enriquecimiento supergénico
(Fernández et al. 1974).
Adicionalmente, durante las labores de
campo se identificaron dos zonas con alteración
visible, previamente no mencionadas
específicamente por la bibliografía
existente. En el presente trabajo estos
dos sectores se los denomina como zona
de interés 1 y zona de interés 2, ésta última
posiblemente vinculada genéticamente
con el pórfiro cuprífero Los Pelambres
(Fig. 2 y posteriores). Algunas muestras
de campo empleadas para este estudio
fueron tomadas en estas áreas de interés.
SENSOR ASTER
Diferentes técnicas de procesos con datos digitales satelitales, como composiciones color RGB, clasificación supervisada y cocientes de bandas, pueden discriminar minerales en rocas con alteraciones hidrotermales. Además y mediante la aplicación de muestreos y espectros con PIMA (portable infrared mineral analyzer) (Cuadro 2), se puede obtener información para ser aplicada luego en procesos de datos de imágenes, lo cual permite identificar zonas de alteración hidrotermal.
CUADRO 2: Mineralogía obtenida por espectrometría de reflectancia.
La región del río Santa Cruz y en general
de Cordillera Frontal a estas latitudes, esárida y con poca o nada cobertura vegetal,
lo cual favorece ampliamente el uso
de datos satelitales en la identificación de
minerales asociados a depósitos con interés
económico. En el presente trabajo se
aplicaron varias y diferentes técnicas de
procesamiento de datos satelitales con la
finalidad de identificar y realizar el mapa
de diferentes unidades geológicas además
de las zonas de alteración hidrotermal.
Usualmente, para aplicar técnicas de identificación
de alteración hidrotermal se utilizan
los subsistemas VNIR y SWIR, con
una resolución espacial de 30 m y nueve
bandas que cubren el rango espectral
0,520 - 2,430 (μm) micrómetros.
Preprocesamiento de la imagen
En el presente trabajo se utilizó una escena
ASTER con un procesamiento nivel 1B
(L1B), el cual lleva incorporado coeficientes
radimétricos y geométricos en un archivo
adjunto. Adicionalmente, este producto
se proyecta sobre un mapa rotado y georreferenciado,
preservando la resolución
del instrumento (ERSDAC 2001).
Sin embargo el procesamiento L1B no
lleva ninguna corrección del efecto Crosstalk (Iwasaki et al. 2005). Este fenómeno
consiste en la pérdida de señal por
reflexión de fotones desde la banda 4 hacia
las bandas 5 y 9, causando que la respuesta
de estas últimas sea mayor a la
real. Si bien este efecto se produce en todas
las bandas del subsistema SWIR, es
más intenso en las dos bandas mencionadas
porque están físicamente más cerca
de la banda 4 en el sensor. La corrección
se realizó usando programa ERSDAC
Crosstalk® 3, de libre acceso.
Los valores digitales de ocho bits de cada
banda fueron transformados en valores
de radiancia en la atmósfera superior.
Este procedimiento, que evita pérdida de
información, puede ser realizado utilizando
la siguiente ecuación general:
En donde Radi es la radiancia de una
banda, UCFi es el coeficiente de transformación
(unit conversion factor) y DNi es
la reflectancia expresada como un valor
digital de ocho bits. Los factores de conversión
son provistos por la NASA en
cada meta archivo que acompaña a la
imagen procesada a nivel L1B. Una vez
efectuadas estas correcciones, puede comenzar
el trabajo de interpretación de la escena con combinaciones, cocientes e índices de identificación litológica.
La radiación solar reflejada que detecta el
sensor debe necesariamente atravesar la
atmósfera, que está constituida por gases
y polvo. Estos elementos producen un
debilitamiento y distorsión de la respuesta
debido a la absorción selectiva de algunas
longitudes de onda en particular con
respecto a otras, que llegan con mínimas
perturbaciones hasta el sensor. Estos fenómenos
pueden suprimirse aplicando
una corrección atmosférica (Green et al. 1993) en la que se tiene en cuenta un modelo
de atmósfera (para este estudio el
modelo es mid - latitude summer), el efectos
de los aerosoles (despreciables en este
caso) y la humedad ambiental media. El
propósito de este procesamiento es que
las condiciones bajo las cuales son obtenidos
los espectros en la imagen sean
iguales a las condiciones de laboratorio
donde se obtienen las curvas de espectrometría
de reflectancia. En este estudio,
la corrección atmosférica se realizó con
el software comercial ENVI Flaash®.
Combinaciones y cocientes de bandas
Las combinaciones de bandas constituyen
el método más simple y rápido para localizar
zonas con presencia de minerales arcillosos.
Para este trabajo se ha empleado la
combinación RGB: 654. Las arcillas presentan
una fuerte absorción en las bandas
5 y 6, asociada a la vibración del enlace Al-
OH en el rango 2,160 a 2,200 (μm) micrómetros
(Hunt y Salisbury 1970, Pontual et
al. 1997). La reflectancia en la banda 4 de
ASTER es más elevada, ya que no tiene
asociada ninguna absorción característica
de las arcillas. Por este motivo, en la combinación
de bandas expuesta las zonas con
minerales arcillosos se ven en diferentes
tonos de azul (Fig. 2).
Las combinaciones de cocientes de bandas
constituyen otra herramienta para detectar áreas con presencia de minerales
arcillosos. El método consiste en realizar
el cociente entre una banda en donde las
arcillas presentan picos de reflectancia
(alto DN o digital number asociado) y otra
banda en donde las arcillas tienen picos
de absorción (bajo DN asociado). De
este modo, se busca reforzar la respuesta
de aquellos píxeles que reúnan estas condiciones.
La combinación RGB: 4/5,
4/6, 4/7 utilizada en este trabajo da
como resultado una imagen en donde las
zonas con alteración aparecen de color
blanco, debido a la alta respuesta en los
tres cocientes (Fig. 3). Como se mencionó anteriormente, el enlace Al-OH de las
arcillas produce picos de absorción en las
bandas 5 y 6, mientras que en la banda 7
la reflectancia es baja debido al enlace Fe-
OH (Pontual et al. 1997).
Figura 3: Combinación
de bandas RGB para los
cocientes 4/5, 4/6, 4/7.
En este caso, los blancos
aparecen de color blanco
o blanco verdoso. (Zona
de Interés 1: La Coipa y
río Santa Cruz. Zona de
Interés 2: La Carnicería.)
Índices de identificación litológica - SWIR
La identificación de minerales de alteración
puede realizarse aprovechando las
características de absorción en determinadas
regiones del espectro, coincidentes
con algunas bandas del sensor ASTER.
Algunos autores han planteado el uso deíndices litológicos para lograr tal fin. En
particular, Ninomiya (2004) ha utilizadoíndices para reforzar la respuesta de
aquellas áreas con presencia de minerales
de alteración. Dichos índices fueron utilizados
en el presente estudio con la finalidad
de identificar diversas áreas las cuales
contienen arcillas de origen hidrotermal
(Zonas de interés 1 y 2 en la figura 4a).
Figura 4: a) Índice OHIa en la zona de estudio. Las respuestas más intensas están asociadas al prospecto Altar y a la Zona de Interés 1. Véase en la escala de colores
el umbral establecido por Ninomiya (4 para el índice OHa); b) Índice OHIb en la misma área, donde los valores más altos se hallan los mismos sectores.
Véase en la escala de colores el umbral establecido por Ninomiya (3,5 para el índice OHb).
El primero de los índices queda definido por la siguiente ecuación:
Los minerales como la montmorillonita, caolinita, alunita y las micas presentan una absorción muy definida en la banda 6, mientras que en las bandas 4 y 7 tienen una reflectancia moderada. Según el autor (Ninomiya 2004) la detección de minerales sensibles a este índice se produce cuando se cumple la condición OHIa> 4,05. La figura 4a es un mapa de este índice, en donde se observa que los mayores valores (colores naranja y rojo) están asociados al prospecto Altar y a los pórfiros cupríferos Los Pelambres y El Pachón. Del mismo modo, se puede inferir la presencia de montmorillonita y micas en las Zonas de interés 1 y 2 debido a los altos valores de este índice en estos sectores. El segundo índice utilizado en la identificación de minerales de alteración es similar al primero, pero detecta aquellos minerales con un pico de absorción centrado en la banda 5, de modo que la ecuación para este nuevo índice se define como:
Dentro del grupo de minerales susceptibles
de ser detectados con este índice están
la pirofilita, la caolinita y la alunita. Se
puede definir la presencia de uno o más
de estos minerales si se cumple que
OHIb > 3,5. La figura 4b es el resultado
de la aplicación de este segundo índice
sobre la escena ASTER. Nuevamente se
observan altos valores por encima del
umbral establecido asociados a las áreas
de mineralización conocida, así como a la
zona de interés 1.
Un tercer índice hace uso de un rasgo espectral único de la alunita, una absorción
muy fuerte y definida que se centra en la
banda 8, por lo cual Ninomiya (2004) ha
definido el índice de alunita como:
No obstante, la identificación de este sulfato mediante la aplicación del índice ha dado resultados negativos. Por este motivo se infiere que las zonas de alteración estudiadas no exhiben cantidades significativas de alunita que puedan ser detectadas con este método.
ESPECTROMETRÍA DE REFLECTANCIA
La espectrometría de reflectancia es una
técnica de identificación de minerales basada
en la emisión de radiación electromagnética
en la región del espectro infrarrojo
cercano (SWIR). Dentro de este
rango, algunos iones y enlaces metal-ión
tienen absorciones muy definidas que
permiten reconocer su existencia dentro
de la muestra analizada (Litvak y Godeas
2003). La mayoría de estos iones y enlaces
se encuentran en los minerales de alteración
hidrotermal, por este motivo el
método es de amplia aplicación en la búsqueda
de áreas mineralizadas.
Dentro del área de estudio se han seleccionado
algunos puntos de extracción de
muestras para ser estudiadas con espectrometría
de reflectancia SWIR. La elección
de estos puntos se hizo sobre la base de
las imágenes de combinaciones de bandas
y cocientes de bandas. Se extrajeron un total
de ocho muestras (Fig. 2), que fueron
posteriormente estudiadas con un espectrómetro
PIMA (portable infrared mineral
analyzer) de reflectancia SWIR (Fig. 7). El
cuadro 2 es una síntesis de las interpretaciones
de las muestras estudiadas. La espectrometría
de reflectancia SWIR es un
método semicuantitativo
Figura 5: Resultado de la clasificación SAM
sobre el área de estudio, utilizando los espectros
de campo. Los colores del mapa resultante
se corresponden con los colores de los espectros
de la figura 8. Los blancos de alteración
han sido identificados satisfactoriamente, con
excepción de la zona de interés 1.
Figura 6: Clasificación SAM de la escena, utilizando
los espectros o endmembers extraídos de la imagen. Los
colores del mapa resultante se corresponden con los
colores de los espectros de la figura 9. Se observa que
al este del prospecto Altar hay una amplia zona donde
la clasificación ha sido positiva. Sin embargo, estos
afloramientos, correspondientes a una granodiorita triásica,
no han sido identificados como blancos por los
otros métodos empleados en este trabajo.
Figura 7: Espectros de reflectancia de las muestras
estudiadas, su interpretación se puede ver en
el cuadro 2.
PROCESAMIENTO DE LOS DATOS ASTER
La técnica para identificación de minerales y litologías utilizada en este trabajo fue desarrollada inicialmente para trabajar con imágenes hiperespectrales, aunque su uso luego se hizo extensivo a las escenas multiespectrales, con resultados satisfactorios (Crosta et al. 2003 a y b). Dichas técnicas de trabajo requieren un procesamiento adicional sobre la imagen que consiste en eliminar los efectos de la atmósfera sobre la radiación incidente y reflejada.
Clasificaciones con el método SAM (spectral angle mapper)
La técnica SAM es un método de comparación automática entre los espectros de cada píxel de la escena y un conjunto de espectros de referencia (Kruse et al. 1993). Estos últimos pueden ser extraídos de una base de datos espectrales o pueden obtenerse con muestras de campo en un laboratorio. El algoritmo básico permite tratar los espectros como vectores en un espacio n-dimensional, en donde n es el número de bandas incluidas en la clasificación. Cada vector espectral tiene asociado una dirección y un módulo;éste último proporcional a la iluminación solar. La comparación se realiza en términos de la diferencia angular (llamado ángulo espectral) entre los vectores de la imagen y de referencia. La diferencia angular entre dos vectores espectrales puede calcularse con la siguiente ecuación:
En donde t es el espectro de estudio y r el espectro de referencia. El número n representa
el número de bandas estudiadas
y α es el ángulo entre vectores. El método
no es sensible a la iluminación solar,
ya que compara ángulos y no módulos.
Por este motivo, todas las iluminaciones
son tratadas igualmente por el algoritmo.
El resultado del método es una imagen
de clasificación SAM y un número n de
imágenes rule que muestran la distancia
angular entre cada espectro de la imagen
y el espectro de referencia, medida en radianes.
Los píxeles más oscuros representan
una diferencia angular menor, y
por lo tanto una mayor similitud entre espectros
(Ducart et al. 2006).
Para este trabajo se han utilizado los espectros
de campo como referencia para
aplicar esta técnica de clasificación espectral,
mientras que el valor angular máximo
de similitud entre vectores es 0,10 radianes.
La figura 5, es el resultado de la
clasificación SAM con los espectros de
campo. Los espectros de campo, medidos
con el espectrómetro de reflectancia
SWIR, fueron re-muestrados para la resolución
del sensor ASTER (Fig. 8). Se
han tomado como válidos sólo aquellos
espectros que se identificaron sobre lasáreas de alteración conocidas. La clasificación
positiva en otros sectores de la escena,
principalmente en los afloramientos
del Batolito Pico Los Sapos, podría
indicar la existencia de una asociación de
minerales compatible con la meteorización
de granitoides. Se ha observado la
ocurrencia de minerales del grupo de las
arcillas en las secciones delgadas estudiadas
para esta unidad litológica.
Figura 8: Espectros de campo utilizados para la
clasificación SAM (figura 6) re-muestrados a la resolución
del subsistema SWIR de ASTER (muestra
30-06 en rojo; muestra 30-06a en verde; muestra
31-06a en amarillo; muestra 37-06 en azul). Los
colores indicados de las curvas corresponden a la figura 5. Los espectros re-muestrados se indican
con letra "R".
Identificación de minerales con espectros de la imagen
Para el presente estudio se utilizó una
técnica adicional en la identificación de
alteración, en la cual se utiliza el método
SAM pero usando espectros de referencia
extraídos de la propia escena ASTER.
Para ello se emplearon las bandas 4 a 9
del subsistema SWIR y el asistente de clasificación
espectral de ENVI®, denominado ENVI Spectral hourglass wizard, basado
en el flujo de trabajo propuesto por
Kruse (1999).
El primer paso es una transformación estadística
tipo MNF (minimun noise fraction)
para determinar la dimensionalidad inherente
a los datos y separar el ruido
(Green et al. 1988). El proceso utiliza dos
transformaciones en cascada, basadas en
el análisis de componentes principales
(PCA). La primera transformación reescala
y remueve la correlación entre bandas
del ruido. El resultado de este primer
paso es información en donde el ruido
tiene varianza unitaria y no tiene correlación
entre bandas. La segunda transformación
es un análisis de componentes
principales común, que reduce la dimensionalidad
de los datos. El producto de
este proceso es un conjunto de imágenes,
en donde la información espectral útil se
agrupa en las primeras bandas, mientras
que las últimas bandas tienen asociadas
mucho ruido y poca información, y por
lo tanto pueden ser descartadas. En base
a este ultimo análisis del método, es que
para el presente estudio, de las seis bandas
MNF determinadas por el asistente,
sólo se tomaron las cinco primeras, ya
que son las que sólo tienen información.
La búsqueda y selección de los espectros
de referencia que serán utilizados en la clasificación
posterior se realiza con un algoritmo
denominado índice de píxel puro
(purity pixel index - PPI) (Boardman et al.
1995). Este es un medio para separar los
píxeles que son mezclas de aquellos píxeles
espectralmente más puros. Estos últimos
usualmente pueden ser expresados como
mezclas de endmembers. Mediante la iteración
de proyecciones n dimensionales y un
valor de umbral, el algoritmo PPI determina
cuantas veces cada píxel fue registrado
como extremo en las múltiples proyecciones.
Usualmente, los píxeles más puros corresponden
a sustancias espectralmenteúnicas, como pueden ser los minerales.
Para este trabajo, se utilizaron las primeras
cinco bandas MNF y 12.000 proyecciones,
estableciendo como valor umbral
2,5 DN (siendo el valor unitario de DN
un desvío estándar respecto de la media
de los píxeles). La identificación y selección
de los píxeles más puros y extremos
fue asistida con la herramienta n-Visualizer® de ENVI®. Como resultado de este
proceso de selección, se obtuvieron siete
espectros o endmembers.
Los espectros obtenidos con el algoritmo
PPI y la herramienta de visualización fueron
posteriormente empleados en una
clasificación SAM. La distancia angular
máxima de similitud entre vectores espectrales
fue establecida en 0,10 radianes.
Aunque se utilizaron los siete endmembers,
solamente dos probaron ser identificables
en forma efectiva sobre las áreas
de alteración conocidas y las zonas de interés
1 y 2 (Fig. 6). Por este motivo, los
restantes cinco espectros fueron descartados
para obtener la imagen definitiva.
La composición mineralógica de estos
dos espectros puede ser estimada mediante
un análisis cuidadoso de los picos
de absorción y reflexión. Para ello, los
dos endmembers usados para clasificar la
imagen fueron comparados con los espectros
de referencia de la base de datos
espectrales del USGS (Clark et al. 1993).
De este modo, el espectro n-D Class 3
está dominado por caolinita, mientras
que el espectro n-D Class 4 estaría compuesto
principalmente por Illita y cantidades
menores de muscovita (Fig. 9).
Figura 9: Espectros de referencia utilizados para
la clasificación SAM de la figura 6. De los siete obtenidos
originalmente, sólo dos mostraron una detección
sobre los blancos de alteración. Para la interpretación,
véase el texto.
CONCLUSIONES
El uso y análisis de datos del sensor multiespectral
ASTER en la zona de estudio,
ha permitido realizar el levantamiento de
la geología y estructura, y además también
realizar la identificación de zonas
con presencia de minerales de alteración,
susceptibles de ser detectados con este
sensor. La combinación de bandas RGB:
654 incluye los picos de absorción más característicos de las arcillas, principalmente
en el rango 2,160 - 2,200 (μm) micrómetros,
donde absorbe el enlace metálico
Al-OH. Por este motivo, la combinación
ha resultado efectiva para reconocer
blancos de alteración en las zonas de
interés 1 (ríos Santa Cruz, La Coipa) y 2
(río de la Carnicería). Del mismo modo,
el cociente de bandas RGB: 4/5, 4/6,
4/7 refuerza las respuestas de los picos
de absorción de las arcillas, por ello también
resulta útil para reconocer blancos.
Los índices han resultado parcialmente
exitosos para identificar minerales arcillosos
en la zona de trabajo. Presentan una
fuerte respuesta en el prospecto Altar, El
Pachón y la zona de interés 1 (ríos Santa
Cruz, La Coipa). En Los Pelambres y la
zona de interés 2 (río de la Carnicería) las
respuestas fueron más débiles y en particular
con el índice OHIb no alcanzaron a
superar el valor de umbral establecido por
Ninomiya (2004) como base de identificación.
El índice de alunita ALI no arrojó resultados positivos en ninguna porción
de la imagen, hecho que puede interpretarse
como la ausencia de este mineral en
cantidades significativas.
El uso de espectros de campo fue útil
para determinar la composición básica de
las arcillas que constituyen los blancos de
alteración. A partir del análisis de esta
imagen se concluye que estas áreas en
particular se hallan dominadas por mezclas
de sílice y arcillas del grupo de la illita-
esmectita. La discriminación en halos
concéntricos sugiere además que la illitaesmectita
podría tener distintos grados
de cristalinidad, a pesar de que las muestras
presentan la misma proporción entre
esta arcilla y el cuarzo. Por otro lado, la
clasificación realizada con los espectros
obtenidos de la escena podría indicar la
presencia de caolinita en el sector externo,
mientras que los núcleos de alteración
podrían estar efectivamente constituidos
por illita y cantidades subordinadas
de muscovita.
Sin embargo, la identificación de minerales
con el método de los endmembers derivados,
no ha sido certero en la identificación
de las áreas con alteración hidrotermal.
De los siete espectros extraídos con
este método, sólo dos corresponden a
mezclas de minerales arcillosos. Por otro
lado, la clasificación ha incluido amplias
zonas donde afloran las granodioritas
triásicas, inmediatamente al este del prospecto
Altar. Estas zonas no han sido
identificadas como blancos por ninguna
otra técnica de reconocimiento empleada
en este estudio.
AGRADECIMIENTOS
Los autores agradecen a los árbitros por la lectura crítica del texto. A Río Tinto Exploration, por su apoyo en las tareas de campo. Contribución parcialmente financiada con fondos del Subsidio UBACYT X812, Universidad de Buenos Aires.
TRABAJOS CITADOS EN EL TEXTO
1. Almandoz, G., Zulliger, G. y Marquez- Zavalía, F. 2005. Altar: mineralización de alta sulfuración vinculada a un sistema de pórfido cuprífero, San Juan, Argentina. 16° Congreso Geológico Argentino, Actas 2: 369-376.
2. Álvarez, P.P. 1996. Los depósitos triásicos y jurásicos de la Alta cordillera de San Juan. En Ramos, V.A, Aguirre Urreta, M.B., Alvarez, P.P., Cegarra, M.I., Cristallini, E.O., Kay, S.M., Lo Forte, G.L., Pereyra, F.X. y Pérez, D.J. (ed.) Geología de la región del Aconcagua, provincias de San Juan y Mendoza. Subsecretaría de Minería de la Nación. Dirección Nacional del Servicio Geológico, Anales 24(5): 59- 137, Buenos Aires.
3. Alvarez, P.P. y Ramos V.A. 1999. The Mercedario rift system in the principal Cordillera of Argentina and Chile (32º SL). Journal of South American Earth Sciences 12: 17-31.
4. Boardman, J.W., Kruse, F.A. y Green, R.O. 1995. Mapping target signatures via partial unmixing of AVIRIS data. Fifth JPL Airborne Earth Science Workshop, JPL Publication 95-1: 23- 26.
5. Cahill, T. e Isacks, B.L. 1992. Seismicity and Shape of the Subducted Nazca Plate. Journal of Geophysical Research 97(B12): 17503-17529.
6. Clark, R.N., Swayze, G.A., Gallagher, A.J., King T.V.V. y Calvin, W.M., 1993. The U.S. Geological Survey, Digital Spectral Library: Version 1: 0.2 to 3.0 microns, U.S. Geological Survey Open File Report 93-592, 1340 p., Washington.
7. Cristallini, E.O. 1996. La faja plegada y corrida de La Ramada. En: Ramos, V.A, Aguirre Urreta, M.B., Alvarez, P.P., Cegarra, M.I., Cristallini, E.O., Kay, S.M., Lo Forte, G.L., Pereyra, F.X. y Pérez, D.J. (ed.): Geología de la región del Aconcagua, SEGEMAR, Anales 24: 349-385, Buenos Aires.
8. Cristallini, E.O., Kay, S.M. y Ramos, V.A. 1994. Las volcanitas cretácicas y terciarias de la Cordillera del Límite Argentino - Chileno a los 32º latitud Sur. 7º Congreso Geológico Chileno, Actas 2: 1311-1315.
9. Cristallini, E.O. y Ramos, V.A. 1996. Depósitos continentales cretácicos y volcanitas asociadas. En: Ramos, V.A, Aguirre - Urreta, M.B., Alvarez, P.P., Cegarra, M.I., Cristallini, E.O., Kay, S.M., Lo Forte, G.L., Pereyra, F.X. y Pérez, D.J. (ed.): Geología de la región del Aconcagua. SEGEMAR, Anales 24: 231-273, Buenos Aires.
10. Crósta, A.P., Souza Filho, C.R., Ducart, D.F., Azevedo, F. y Brodie, C. 2003a. Alteration mapping for gold exploration in Patagonia, Argentina, using ASTER imagery. En ASPRS Annual Conference, Proceedings, 05- 09/05/2003, Anchorage.
11. Crósta, A.P., Souza Filho, C.R., Azevedo, F. y Brodie, C. 2003b. Targeting key alteration minerals in epithermal deposits in Patagonia, Argentina, using ASTER imagery and principal components analysis. International Journal of Remote Sensing 24(21): 4233-4240.
12. Ducart, D.F., Crósta, A.P., Souza Filho, C.R. y Coniglio, J. 2006. Characterizing surficial alteration at Los Menucos epithermal district, Patagonia, Argentina, using shortwave infrared spectrometry and ASTER multispectral images. Economic Geology 101(5): 981-996.
13. D´Odorico P., Sequeira N. y Pérez, D.J. 2006. Geología del curso medio del río Santa Cruz, Andes principales (31º45´ LS) San Juan, Argentina. 11° Congreso Geológico Chileno, Actas 2: 193-196, Antofagasta.
14. Earth Remote Sensing Data Analysis Center (ERSDAC) 2001. ASTER User Guide, part I, 47 p., Tokio.
15. Fernández, R., Brown, F. y Lencinas, A. 1974. Pachón, un nuevo pórfido cuprífero argentino. 5º Congreso Geológico Argentino, Actas 1: 77-89.
16. Fujisada, H. 1995. Design and performance of ASTER instrument. Proceedings of SPIE, the International Society for Optical Engineering 2583: 16-25.
17. Green, A.A., Berman, M., Switzer, P. y Craig, M.D. 1988. A transformation for ordering multispectral data in terms of image quality with implications for noise removal. IEEE Transactions on Geoscience and Remote Sensing 26(1): 65-74.
18. Green, R.O., Conel, J.E. y Roberts, D.A. 1993. Estimation of aerosol optical depth, and aditional atmospheric parameters for the calculation of apparent reflectance from radiance measured by the Airborne Visible / Infrared Imaging Spectrometer. En Fourth Annual Airborne Geoscience Workshop, JPL Publication 93 - 26, Proceedings: 1: 83-86.
19. Hewson, R.D., Mah, A., Dunne, M. y Cudahy, T.J. 2003. Mapping mineralogical and structural relationships with satelliteborne ASTER and airborne geophysics at Broken Hill. En ASEG 16th Geophysical Conference and Exhibition, Adelaide, Extended Abstracts, doi:10.1071/ASEG2003ab072.
20. Hunt, G.R. y Salisbury, J.W. 1970. Visible and near-infrared spectra of minerals and rocks: I Silicate Minerals. Modern Geology 1: 283-300.
21. Iwasaki, A., y Tonooka, H. 2005. Validation of a crosstalk correction algorithm for ASTER/SWIR. IEEE Transactions on Geoscience and Remote Sensing 43: 2747- 2751.
22. Kruse, F.A. 1999. Visible and infrared: sensors and Case Studies. En: Rencs, A.N. (ed.), Capitulo 11, Remote Sensing for the Earth Sciences, John Wiley & Sons, 567- 611, New York.
23. Kruse, F.A., Lefkoff, A.B., Boardman, J.B., Heidebreicht, K.B., Shapiro, A.T., Barloon, P.J., y Goetz, A.F.H. 1993. The Spectral Image Processing System (SIPS)- interactive visualization and analysis of imaging spectrometer data. Remote Sensing of Environment 44: 145-163.
24. Litvak, V.D. y Godeas, M.C. 2003. Espectrometría de reflectancia: metodología y aplicaciones. Revista de la Asociación Argentina de Geología Económica 14: 42-48.
25. Ninomiya, Y. 2002. Mapping quartz, carbonate minerals and mafic-ultramafic rocks using remotely sensed multiespectral thermal infrared ASTER data. International Society for Optical Engineering, Proceedings of SPIE, 4710: 191-202, Bellingham.
26. Ninomiya, Y. 2004. Lithologic mapping with multispectral ASTER TIR and SWIR data. Proceedings of SPIE, 5234: 180-190, Bellingham.
27. Pérez, D.J. y Ramos, V.A., 1996. El basamento prejurásico. En Ramos, V.A, Aguirre-Urreta, M.B., Alvarez, P.P., Cegarra, M.I., Cristallini, E.O., Kay, S.M., Lo Forte, G.L., Pereyra, F.X. y Pérez, D.J. (ed.) Geología de la región del Aconcagua, SEGEMAR, Anales 24: 27- 58, Buenos Aires.
28. Pontual, S., Merry, N.J. y Gamson, P. 1997. Spectral Analysis Guides for Mineral Exploration: G-MEX Manual Practical Aplications Handbook, AusSpec International, 1: 1-169, Victoria.
29. Reich, M., Parada, M.A., Palacios, C., Dietrich, A., Schultz, F., y Lehmann, B. 2003. Adakite - like signature of Late Miocene intrusions at Los Pelambres giant porphyry copper deposit in the Andes of central Chile: metallogenic implications. Mineralium Deposita 38: 876-885.
30. Rowan, L.C., Hook, S.J., Abrams, M.J. y Mars, J.C. 2003. Mapping hydrothermally altered rocks at Cuprite, Nevada using the Advanced Spaceborne Thermal Emissivity and Reflection Radiometer ASTER. A new satelliteimaging system. Economic Geology 98: 1019-1027.
31. Rowan, L.C. y Mars, J.C. 2003. Lithologic mapping in the Mountain Pass, California, using Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) data. Remote Sensing of Environment 84: 350-366.
32. Sillitoe, R.H. 1973. Geology of the Los Pelambres porphyry copper deposit, Chile. Economic Geology 68: 1-10.
33. Souza Filho, C.R., Tapia Calle, C.H., Crósta, A.P. y Xavier, R.P. 2003. Infrared spectroscopy and ASTER imagery analysis of hydrothermal alteration zones at the Quellaveco porphyry-copper deposit, southern Perú. American Society of Photogrammetry and Remote Sensing (ASPRS), Proceedings Annual Conference 2003: 1- 12, Anchorage.
Recibido: 13 de Noviembre, 2009
Aceptado: 25 de Marzo, 2010