IANIGLA   20881
INSTITUTO ARGENTINO DE NIVOLOGIA, GLACIOLOGIA Y CIENCIAS AMBIENTALES
Unidad Ejecutora - UE
congresos y reuniones científicas
Título:
CLASIFICACIÓN DE YESO MEDIANTE IMÁGENES ASTER EN LA CORDILLERA PRINCIPAL MENDOCINA.
Autor/es:
MESCUA, J. F.
Lugar:
Jujuy
Reunión:
Congreso; XVII Congreso Geologico Argentino; 2008
Institución organizadora:
Asociacion Geologica Argentina
Resumen:
ResumenSe presenta una metodología para el mapeo de yeso con imágenes satelitales ASTER, mediante la aplicación de la herramienta “Decision Tree” del programa ENVI 4.2 a los procesamientos para el reconocimiento de yeso descriptos en Mescua (2007). Se utilizaron imágenes ASTER con nivel de procesamiento L3A generadas en el Sector de Sensores Remotos y Sistemas de Información Geográfica del SEGEMAR, correspondientes a dos áreas de la Cordillera Principal mendocina. El primer caso de estudio corresponde a las nacientes del río Borbollón (34°15´S, 69°45´ O). La segunda zona analizada se encuentra entre el Río del Cobre y el límite intenacional argentino-chileno (35º S, 70º15´ O). En ambas áreas se realizó un relevamiento general de campo para evaluar los resultados obtenidos.La estratigrafía de las áreas de estudio se encuentra compuesta por una espesa sucesión sedimentaria mesozoica, volcanitas cenozoicas y depósitos cuaternarios. Dentro de los depósitos mesozoicos se encuentra la Formacion Auquilco, correspondiente a una sucesión evaporítica jurásica superior integrada por yeso y anhidrita, que alcanza espesores de hasta 400 m (Legarreta y Uliana 1999). El reconocimiento y mapeo de esta unidad utilizando imágenes ASTER es el objetivo de este trabajo. Con ese fin se aplicaron dos métodos de procesamiento a las imágenes.Por un lado se utilizó el índice de cuarzo (Qi), uno de los índices de determinación de minerales para el subsistema TIR de ASTER definidos por Ninomiya (2003, 2004). Este índice puede usarse también para reconocer sulfatos, y en particular yeso, ya que estos minerales proporcionan una respuesta muy baja en el Qi (Ninomiya et al. 2005). El segundo método consistió en la aplicación combinada de los cocientes de bandas 4/5 y 7/5 (Marquetti 2005, Mescua 2007). Este método permite identificar al yeso a partir de los sectores que presentan elevada respuesta en el cociente 4/5 y baja respuesta en el cociente 7/5. A fin de simplificar la metodología, se generó un nuevo cociente a partir de los dos mencionados: (4/5)/(7/5), de manera de destacar el yeso con alta respuesta.A partir del relevamiento de campo se observó que en ambos métodos los errores por exceso fueron más importantes que los errores por defecto, y que los píxeles determinados como yeso erróneamente por cada método son diferentes. Este hecho permite la aplicación de la técnica de “Decision Tree” con el objetivo de eliminar estos errores.La herramienta “Decision Tree” del programa ENVI 4.2 realiza clasificaciones utilizando una serie de decisiones binarias para definir clases de píxeles; cada decisión divide los píxeles de una imagen en dos clases basándose en una expresión. Las expresiones ingresadas pueden ser funciones matemáticas, operadores lógicos, operadores booleanos, etc (Research Systems Inc 2005).En cada una de las imágenes se determinaron los valores de umbral para los píxeles reconocidos como yeso. Para el índice de cuarzo el mejor valor observado fue Qi≤0,90 en el área de Río Borbollón y Qi≤0,95 en Río del Cobre, mientras que para el cociente de bandas se utilizó (4/5)/(7/5)≥1,3 en ambos casos. Se generó un  “arbol de decisiones” combinando los umbrales de cada imagen, seleccionando en una nueva clase los píxeles determinados como yeso por ambos métodos y eliminando los determinados por sólo uno. De esta manera se eliminaron los errores por exceso de cada método, obteniéndose una mejor determinación de los afloramientos de yeso.
rds']