Conferencia Latinoamericana de Usuarios Esri – LAUC 2013
16 al 18 de Octubre, 2013 | Lima, Perú

Exploración de Minerales
...
OBJETIVOS
General
• Desarrollar una metodología para el procesamiento de
imágenes ASTER que genere una detección más preci...
ASTER
Subsistema

2

0.63-0.69
0.78-0.86

3B

0.78-0.86

4

1.60-1.70

5

2.145-2.185

6

2.185-2.225

7

2.235-2.285

8

...
ASTER v/s LANDSAT

Comparación de la resolución espectral de los sensores ASTER y LANDSAT ETM +

Esri LAUC13 Exploración d...
ESPECTROMETRÍA DE IMÁGENES

Curvas espectrales de laboratorio ajustadas a la
resolución de la imagen ASTER (VNIR+SWIR)

Es...
ASOCIACIONES DE MINERALES
Asociación de Minerales

Minerales

Rango de Estudio

Hematita
Óxidos de Fierro

Goetita

VISIBL...
CLASIFICACIÓN POR ÁRBOLES DE DECISIÓN
“El clasificador por árboles de decisión genera clasificaciones utilizando series de...
ABSORCIÓN ABSOLUTA Y RELATIVA
Una de las características más importantes para la identificación de minerales son
las absor...
CURVAS ESPECTRALES

Curvas espectrales de laboratorio de algunos minerales de interés

Esri LAUC13 Exploración de minerale...
CURVAS ESPECTRALES EN ASTER

Curvas espectrales de laboratorio ajustadas al sensor SWIR de la imagen ASTER

Esri LAUC13 Ex...
ARBOL DE DELCISIÓN PARA MINERALES
ABS-BX
RBD-X

: Absorción Absoluta de la Banda X
: Absorción Relativa de la Banda X

Árb...
DISTRITO CUPRITA
Para evaluar esta técnica, el proceso se realizará en un distrito geológico de
interés conocidoest llamad...
RESULTADOS INICIALES

Clasificación generada a partir del árbol de decisión inicial

Esri LAUC13 Exploración de minerales ...
ARBOL DE DELCISIÓN MODIFICADO

Árbol de decisión final para el procesamiento de la imagen ASTER en Cuprita

Esri LAUC13 Ex...
RESULTADOS FINALES

Clasificación final utilizando un árbol de decisión en una imagen ASTER en el distrito Cuprita

Esri L...
RESULTADOS FINALES

Mapeo de imagen ASTER (izq) v/s Mapeo de image AVIRIS (der)
Alunita

Kaolinita

Esri LAUC13 Exploració...
CONCLUSIONES
• La clasificación por árboles de decisión es una herramienta muy útil
para clasificar elementos en imágenes ...
Exploración de
Minerales utilizando
“Árboles de Decisión”
en imágenes ASTER
Calcita

José Manuel Lattus

Kaolinita
Muscovi...
Upcoming SlideShare
Loading in...5
×

Detección de minerales utilizando clasificando por "Arboles de Decisión" en imágenes Aster, Jose Manuel Lattus - Universidad de Chile / SRGIS Ltda, Chile

891

Published on

Muchas técnicas o metodologías de procesamiento para imágenes Aster están basados en la similitud entre espectros de laboratorio y espectros de la imagen (pixel). Por otro lado existen técnicas basadas en operaciones matemáticas simples y complejas, donde los pixeles más brillantes representan ciertas características espectrales; estos procesos están ligados a un cierto nivel de tolerancia definido por el usuario. La “Clasificación por árboles de decisión” es una útil herramienta para seleccionar pixeles cuya curva espectral tiene las características exactas que se quieren resaltar, basado en las características que el usuario considera importantes para definir un mineral o una asociación mineral.

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
891
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
85
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Detección de minerales utilizando clasificando por "Arboles de Decisión" en imágenes Aster, Jose Manuel Lattus - Universidad de Chile / SRGIS Ltda, Chile

  1. 1. Conferencia Latinoamericana de Usuarios Esri – LAUC 2013 16 al 18 de Octubre, 2013 | Lima, Perú Exploración de Minerales utilizando “Arboles de Decisión” en imágenes ASTER José Manuel Lattus Universidad de Chile – SRGIS Ltda. Esri LAUC13
  2. 2. OBJETIVOS General • Desarrollar una metodología para el procesamiento de imágenes ASTER que genere una detección más precisa de los elementos (minerales) a mapear. Específicos • Identificar las características de las curvas espectrales de diferentes minerales que están comúnmente asociados en las clasificaciones, para identificarlas como elementos distintos. • Generar las condiciones lógicas necesarias para asociar un pixel a una clase (mineral). • Validar la técnica en una zona de estudio conocida. Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  3. 3. ASTER Subsistema 2 0.63-0.69 0.78-0.86 3B 0.78-0.86 4 1.60-1.70 5 2.145-2.185 6 2.185-2.225 7 2.235-2.285 8 2.295-2.365 9 2.360-2.430 10 8.125-8.475 11 8.475-8.825 12 8.925-9.275 13 10.25-10.95 14 TIR 0.52-0.60 3N SWIR Rango Espectral (µm) 1 VNIR Nº Banda Resolución Espacial (m) Niveles de Cuantización 15 8 bits 30 8 bits 90 12 bits 10.95-11.65 Características de los 3 sistemas del sensors ASTER Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  4. 4. ASTER v/s LANDSAT Comparación de la resolución espectral de los sensores ASTER y LANDSAT ETM + Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  5. 5. ESPECTROMETRÍA DE IMÁGENES Curvas espectrales de laboratorio ajustadas a la resolución de la imagen ASTER (VNIR+SWIR) Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  6. 6. ASOCIACIONES DE MINERALES Asociación de Minerales Minerales Rango de Estudio Hematita Óxidos de Fierro Goetita VISIBLE Jarosita Ilita Alteración Argílica Muscovita SWIR Kaolinita Alunita Pirofilita Clorita Alteración Propilítica Epidota SWIR Calcita Cuarzo Silicatos Granates TIR Albita Rango de estudio de la espectrometría de algunos minerales Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  7. 7. CLASIFICACIÓN POR ÁRBOLES DE DECISIÓN “El clasificador por árboles de decisión genera clasificaciones utilizando series de pasos de decisión binaria para seleccionar un pixel en una clase” Ejemplo de un árbol de decisión en ENVI Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  8. 8. ABSORCIÓN ABSOLUTA Y RELATIVA Una de las características más importantes para la identificación de minerales son las absorciones en la curva espectral en distintas longitudes de onda. En algunos casos, una absorción absoluta pequeña, se transforma en una absorción relativa cuando se pasa de una curva fina a una curva basada en datos multiespectrales. Absorción Relativa v/s Absorción Absoluta Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  9. 9. CURVAS ESPECTRALES Curvas espectrales de laboratorio de algunos minerales de interés Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  10. 10. CURVAS ESPECTRALES EN ASTER Curvas espectrales de laboratorio ajustadas al sensor SWIR de la imagen ASTER Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  11. 11. ARBOL DE DELCISIÓN PARA MINERALES ABS-BX RBD-X : Absorción Absoluta de la Banda X : Absorción Relativa de la Banda X Árbol de desición para clasificación de minerales Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  12. 12. DISTRITO CUPRITA Para evaluar esta técnica, el proceso se realizará en un distrito geológico de interés conocidoest llamado "Cuprita" en Nevada, USA. Mapeo de minerales en Cuprite con una imagen hiperespectral (AVIRIS) Alunita Kaolinita Dickite Buddingtonite Ilita/Esmectita Opalo Calcita Muscovita Muscovita+Clorita Tufitas no alteradas Depósito de Playa Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  13. 13. RESULTADOS INICIALES Clasificación generada a partir del árbol de decisión inicial Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  14. 14. ARBOL DE DELCISIÓN MODIFICADO Árbol de decisión final para el procesamiento de la imagen ASTER en Cuprita Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  15. 15. RESULTADOS FINALES Clasificación final utilizando un árbol de decisión en una imagen ASTER en el distrito Cuprita Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  16. 16. RESULTADOS FINALES Mapeo de imagen ASTER (izq) v/s Mapeo de image AVIRIS (der) Alunita Kaolinita Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER Calcita Muscovita
  17. 17. CONCLUSIONES • La clasificación por árboles de decisión es una herramienta muy útil para clasificar elementos en imágenes multiespectrales, permite detectar pequeñas variaciones de las curvas espectrales de los pixeles, que a su vez, marcan la diferencia entre un mineral y otro. • Esta metodología el aplicable para cualquier área de las geociencias, la construcción del árbol de decisión va de la mano del conocimiento espectral que se tenga sobre los elementos que se quieren mapear, y de las posibilidades que nos da la curva de ser diferenciable de otros elementos. • En la clasificación no sólo se pueden usar distintas bandas, también podemos incluir en el procesamiento modelos de elevación, que nos nutren con condiciones como altura, pendiente y aspecto. Por otro lado podemos incorporar bandas de otros sensores, imágenes de clasificación previamente hechas, etc. Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER
  18. 18. Exploración de Minerales utilizando “Árboles de Decisión” en imágenes ASTER Calcita José Manuel Lattus Kaolinita Muscovita Alunita Esri LAUC13
  1. ¿Le ha llamado la atención una diapositiva en particular?

    Recortar diapositivas es una manera útil de recopilar información importante para consultarla más tarde.

×