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

Post on 08-Jun-2015

858 Views

Category:

Documents

3 Downloads

Preview:

Click to see full reader

DESCRIPTION

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.

Transcript

Esri LAUC13

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 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER

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.

OBJETIVOS

Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER

Subsistema Nº Banda Rango Espectral (µm) Resolución

Espacial (m)

Niveles de

Cuantización

VNIR

1 0.52-0.60

15

8 bits 2 0.63-0.69

3N 0.78-0.86

3B 0.78-0.86

SWIR

4 1.60-1.70

30

8 bits

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

TIR

10 8.125-8.475

90

12 bits 11 8.475-8.825

12 8.925-9.275

13 10.25-10.95

14 10.95-11.65

ASTER

Características de los 3 sistemas del sensors ASTER

Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER

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

ASTER v/s LANDSAT

Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER

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

ESPECTROMETRÍA DE IMÁGENES

Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER

ASOCIACIONES DE MINERALES

Asociación de Minerales Minerales Rango de Estudio

Óxidos de Fierro Hematita

VISIBLE Goetita

Jarosita

Alteración Argílica

Ilita

SWIR Muscovita

Kaolinita

Alunita

Pirofilita

Alteración Propilítica Clorita

SWIR Epidota

Calcita

Silicatos Cuarzo

TIR Granates

Albita

Rango de estudio de la espectrometría de algunos minerales

Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER

CLASIFICACIÓN POR ÁRBOLES DE DECISIÓN

Ejemplo de un árbol de decisión en ENVI

“El clasificador por árboles de decisión genera clasificaciones utilizando series de pasos de decisión binaria para seleccionar un pixel en una clase”

Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER

ABSORCIÓN ABSOLUTA Y RELATIVA

Absorción Relativa v/s Absorción Absoluta

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.

Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER

CURVAS ESPECTRALES

Curvas espectrales de laboratorio de algunos minerales de interés

Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER

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

ARBOL DE DELCISIÓN PARA MINERALES

ABS-BX : Absorción Absoluta de la Banda X RBD-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

DISTRITO CUPRITA Para evaluar esta técnica, el proceso se realizará en un distrito geológico de

interés conocidoest llamado "Cuprita" en Nevada, USA.

Alunita Kaolinita Dickite Buddingtonite Ilita/Esmectita Opalo Calcita Muscovita Muscovita+Clorita Tufitas no alteradas Depósito de Playa

Mapeo de minerales en Cuprite con una imagen hiperespectral (AVIRIS)

Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER

RESULTADOS INICIALES

Clasificación generada a partir del árbol de decisión inicial

Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER

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

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

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

RESULTADOS FINALES

Alunita Kaolinita Calcita Muscovita

Esri LAUC13 Exploración de minerales utilizando "árboles de decisión" en imágenes ASTER

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

José Manuel Lattus

Exploración de

Minerales utilizando

“Árboles de Decisión”

en imágenes ASTER

Alunita

Muscovita

Kaolinita

Calcita

top related