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.