Documente Academic
Documente Profesional
Documente Cultură
AMBIENTAL EN MINERIA
Tabla de contenido
1. IMPACTO AMBIENTAL EN MINERIA ......................................................................................... 3
2. ETAPAS Y TIPOS DE MINERIA ................................................................................................... 4
3. RESIDUOS Y CONTAMINACIN MINERA ................................................................................. 5
4. SENSORES REMOTOS Y MEDIO AMBIENTE.............................................................................. 6
5. SENSORES REMOTOS Y EL MONITOREO DE LA ACTIVIDAD MINERA ...................................... 7
6. VARIABLES AMBIENTALES RELACIONADAS CON LAS ACTIVIDADES MINERAS ...................... 7
7. VARIABLES, CARACTERSTICAS Y PROCESO DE SU GNESIS.................................................... 8
8. DETECCIN DE VARIABLES MEDIANTE SENSADO REMOTO. ................................................ 10
9. SENSORES................................................................................................................................ 16
Landsat .................................................................................................................................... 17
ASTER ...................................................................................................................................... 18
HIPERION ................................................................................................................................ 20
SPOT-HRV ................................................................................................................................ 22
IKONOS.................................................................................................................................... 23
QuickBird ................................................................................................................................ 24
GeoEye-1 ................................................................................................................................. 24
10. HERRAMIENTAS PARA EL MONITOREO DE LA ACTIVIDAD MINERA POR TELEDETECCIN 25
Interpretacin Visual .............................................................................................................. 25
1. Mejora Visual (Visual enhancemen) .............................................................................. 25
2. Transformaciones ........................................................................................................... 29
Contaminacin.
EFECTOS AMBIENTALES
EXTRACCIN
Perturbaciones en la superficie
Vertederos (gran cantidad de residuos slidos) y drenaje cido
Efluentes hidrosfricos (llamados " aguas de mina )
BENEFICIO
Los numerosos estudios que utilizan teledeteccin para la vigilancia del medio ambiente
indican que se est convirtiendo en una herramienta cada vez ms importante para el
estudio de diferentes aspectos a escala local, regional y mundial (Latifovic et al., 2005).
Aunque es evidente que la teleobservacin mediante satlites es ampliamente aceptada
y utilizada por diferentes disciplinas, a menudo relacionados con la condicin del medio
ambiente y dinmica de los ecosistemas, el relativamente pequeo nmero de estudios
relacionados con los impactos ambientales de la minera y la teledeteccin indica una
baja utilizacin en este sector (Latifovic et al., 2005).
Minerales
Estrs de la vegetacin
variables indirectas
Hundimiento
Variables directas
Caractersticas
Minerales
Drenaje cido de mina y Se forma cuando ciertos minerales de sulfuro en las rocas estn expuestos a
materiales ferruginoso
condiciones de oxidacin.
En algunas minas donde los minerales tienen un alto contenido de azufre, el
drenaje de las explotaciones mineras y los montones de residuos pueden llegar a
ser muy cidos y pueden contener altas concentraciones de metales pesados
disueltos.
Gran parte de la DA en todo el mundo se cree comnmente asociado con el carbn
y la minera de metales, pero DA se da en condiciones naturales cuando sulfuros
en materiales geolgicos se encuentran en la construccin de carreteras o
similares, y otras excavaciones profundas.
Drenaje cido de Roca (DAR) es la mayor fuente de contaminacin por minas y
es comn a casi todas las minas metalferas y algunas no metalferas.
El proceso de formacin puede continuar produciendo drenaje cido por dcadas o
siglos despus de que la mina ha cerrado.
El proceso de oxidacin de los sulfuros y la formacin de DAR, drenaje de mina
Neutral (DMN, GARDGUIDE 2009), y el drenaje de la mina salina (DMS) es
muy complejo e involucra una gran cantidad de procesos qumicos y biolgicos
que pueden variar significativamente dependiendo del medio ambiente, geologa y
condiciones climticas.
Aunque pirita es, con mucho, el sulfuro dominante responsable de la generacin
de acidez, diferentes depsitos de mineral contienen diferentes tipos de minerales
Variables directas
Minerales
Las longitudes de onda en el VNIR y SWIR se utilizan para detectar
caractersticas de absorcin relacionada con enlaces moleculares especficos
dentro de los minerales.
Las caractersticas espectrales de los materiales en la TIR son, a la escala espacial
de las imgenes de satlite, ms relacionada con caractersticas qumicas /
mineralgica de los materiales a granel y entonces son ms adecuados
principalmente para mapeo de rocas, en lugar de minerales.
No todos los minerales muestran caractersticas espectrales detectables en los
rangos de longitud de onda, mencionados previamente.
Los sistemas a bordo de los satlites ms accesibles tienen slo un nmero
10
11
12
Sobre la base de sus espectros de remuestreo no debemos esperar que sea posible
discriminar entre goetita, ferrihidrita, lepidocrocita y hematita.
Se espera que la resolucin espacial de ASTER y , en particular, de Landsat,
proscribir la asignacin con xito de minerales tales como copiapite y jarosita en
un entorno de DAM, debido a que en muchos de los entornos mineros habr todo
tipo de minerales ( arcilla ) que se mezclan con los minerales DAM, por lo tanto,
enmascarando las pequeas variaciones espectrales relacionados con los DAM minerales.
Imgenes de alta resolucin , como GeoEye , IKONOS , QuickBird y SPOTHRV puede ser ms til para discriminar algunas de estas variaciones sutiles.
La mejor oportunidad de mapear DAM -minerales individuales utilizando
imgenes de satlite sera probablemente con Worldview 2, que tiene 8 bandas
en el rango de longitud de onda entre 400 y 1040nm , con una resolucin espacial
de aproximadamente 2 mts.
Desafortunadamente no hay casi ninguna literatura publicada sobre el uso de estos
datos de satlite para mapear directamente DAM -minerales . Casi toda la
literatura publicada sobre el tema, con los efectos secundarios de DAM , como el
estrs de la vegetacin.
13
14
15
9. SENSORES
En esta seccin, se evala el uso de los datos de sensores satelitales para la medicin
directa de las variables ambientales asociados con la extraccin de minerales. Una
descripcin de cada sensor, sus limitaciones, ventajas y desventajas se da en los prrafos
siguientes.
Los sensores pticos son ampliamente utilizados para el seguimiento del impacto
ambiental. Las imgenes de satlite con moderada a alta resolucin espacial han
facilitado las actividades de investigacin cientfica a escala de paisaje y regional.
Los sensores hiperespectrales pueden proporcionar una mayor resolucin espectral que
se puede utilizar para analizar an ms las condiciones ambientales. Las imgenes de
baja resolucin con alta resolucin temporal pueden ser utilizadas para el anlisis de
series de tiempo.
Diferentes propiedades del sensor son importantes para tener en cuenta, al evaluar su
posible utilizacin para la vigilancia del medio ambiente: La resolucin espacial,
espectral, radiomtrica, temporal, la relacin seal-ruido y la fecha de lanzamiento y
longitud de la serie de tiempo.
La precisin y alta resolucin de las imgenes de alta resolucin espacial se reflejan en
el costo de tales productos, que pueden ser varios miles de dlares por escena. El costo
16
es por lo tanto probable que sea el factor ms restrictivo en el uso de datos de alta
resolucin para la vigilancia del medio ambiente en la extraccin de minerales.
En la obtencin de imgenes de satlite, hay que elegir un nivel adecuado de datos (preprocesamiento). Datos de productos de observacin de la Tierra son procesados en
varios niveles, que van desde el nivel 0 al nivel 4. Productos Nivel 0 son los datos en
bruto a una resolucin de instrumento completo. A niveles ms altos, los datos son
convertidos en parmetros y formatos ms tiles. Todos los instrumentos de los satlites
tienen productos de nivel 1, la mayora tiene productos en los niveles 2 y 3, muchos
tienen productos en el nivel 4.
Landsat
Con slo dos bandas anchas en el SWIR, la idoneidad de Landsat para
la identificacin de los minerales se limita a relativamente grandes
grupos de minerales, tales como arcillas , micas y xidos de hierro
Landsat
Crsta y de Souza Filho (2005) identificaron anomalas arcilla + hierro' de una regin
en la Patagonia, usando una adaptacin de la caractersticas orientadas a la Seleccin de
Componentes Principales, con el fin de marcar blancos potenciales para la minera de
oro. En el marco del proyecto PECOMINES, se utiliz el mismo mtodo para asignar
los desechos mineros y xidos de Fe, en particular, el uso de marcos Landsat que cubren
grandes reas de Rumania y Eslovaquia, lo que demuestra la posibilidad de utilizar
imgenes Landsat para la rpida deteccin en todo el pas de la localizacin y extensin
17
ASTER
ASTER
18
19
HIPERION
HIPERION
20
Kuosmanen et al. (2005) comparan los datos hiperespectrales de HyMap (un sensor
aerotransportado) e Hyperion como herramientas para el estudio de los impactos
ambientales sutiles de talco minero en Lahnaslampi, Finlandia. El objetivo era
comprobar si la clasificacin de los datos de Hyperion pueden revelar las mismas
caractersticas ambientales que se puede lograr a partir de datos HyMap. Llegaron a la
conclusin que los datos de Hyperion son mucho ms ruidosas, y solo sirven para trazar
los contornos de las clases anlogas ambientales ms grandes.
La aplicabilidad de las imgenes de Hyperion para el mapeo de minerales ha sido
comparada con otros sensores. Kruse (Kruse, 2002), compar el sensor
aerotransportado a gran altitud Visible/Infrared Imaging Spectrometer (AVIRIS) e
Hyperion para la asignacin de minerales de Cuprite, Nevada (EE.UU.). En otro
ejemplo, se utilizaron los datos de baja altitud AVIRIS e Hyperion para el mapeo de
minerales de oro en el distrito de Los Menucos, Ro Negro, Argentina (Kruse et al. ,
2002). Ambos estudios concluyen que los datos de Hyperion son tiles para producir
informacin geolgica (mineralgica), a pesar de que es posible extraer ms
informacin mineralgica detallada de los datos AVIRIS. La fraccin mnima de ruido
(FMR) resultado de la transformacin indican que los datos AVIRIS contienen mucha
ms informacin que los datos de Hyperion que cubren aproximadamente el misma rea
espacial y rango espectral (Figura 8). Esto redujo los resultados de la respuesta en la
parte de baja dimensionalidad de los datos y como consecuencia un menor nmero de
endmembers puede ser identificado y mapeado. Estos estudios demuestran la
importancia de un alto rendimiento de seal - ruido para sensores hiperespectrales ( ~
50:1 a 20:01 para Hyperion frente a > 500:1 para AVIRIS ). Parece que la RSR de datos
Hyperion es mayor en verano que en invierno ( Kruse, 2002 ). Waldhoff et al, (2008),
comparo ASTER e Hyperion para la cartografa geolgica de la regin desrtica
hiperrida en Egipto. Seleccin endmember se produjo sobre la base de la interpretacin
visual de una imgen QuickBird. Tanto ASTER e Hyperion produjeron resultados
satisfactorios de mapeo, aunque los datos de Hyperion sufrieron errores radiomtricos.
Problemas de calidad de datos Hyperion estimulan a los autores a sealar los datos
21
ASTER como ms valiosos para este estudio. La misma conclusin se extrae por Zhang
y Pazner (2007). Ellos compararon Hyperion, ASTER y Landsat ETM+ para el mapeo
litolgico asociado a oro en California, EE.UU. Los resultados muestran que las
clasificaciones de Hyperion y de datos ASTER son similares, y gracias a la presencia de
ms bandas en el SWIR y bandas trmicas, las imgenes Hyperion y ASTER pueden
lograr una mejor asignacin litolgica que Landsat. Sin embargo, la mejor
disponibilidad y cobertura espacial hace a ASTER ms adecuado para el mapeo
litolgico de grandes superficies. Por ltimo, Leverington ( 2009 ) aplic unmixing en
las imgenes de Hyperion, y concluye que imgenes de Hyperion proporcionan
informacin til sobre la naturaleza de la fraccin de la superficie cubierta (por ejemplo,
permitiendo la separacin cuantitativa entre las contribuciones espectrales de clases
litolgicas y la cubierta vegetal discontinua), pero la informacin general de imgenes
Hyperion no siempre es superior a la de las imgenes generadas usando los mtodos
ms simples de clasificacin Landsat TM. Aunque los datos de Hyperion no tienen las
caractersticas de seal-ruido ptimas, el perfeccionamiento de las tcnicas y los
insumos utilizados en ejercicios unmixing puede permitir una mejora.
FIGURA 8. Grfico de los autovalores de FMR para Cuprita, Nevada (USA), datos
AVIRIS e Hyperion (Kruse, 2002).
SPOT-HRV
SPOT-HRV
22
Imgenes SPOT fueron utilizadas por diversos autores para la fusin de imgenes con
otras imgenes, con el objetivo de monitorear el impacto ambiental de la minas de
minerales. Mularz (1998) utiliz multiespectral Landsat e imgenes SPOT pancromtica
para detectar, evaluar y medir la remediacin ambiental del complejo minero Belchatow
en Polonia. La fusin de imgenes de ambas sensores fueron utilizados de forma
rentable y eficiente para controlar el complejo minero y su entorno. Lpez-Pamo et al.
(1999) estim el espesor de la mina de derrame Aznacllar en Espaa usando varios
mtodos, incluyendo los datos de sensado remoto, fotografa area y las mediciones de
campo. Estimaciones iniciales de la medida de los lodos se basan en la fusin de datos
(IHS transformacin) de imgenes Radarsat y SPOT-HRV.
IKONOS
Al comparar las fuentes de datos de imgenes de satlite comerciales tales como
IKONOS y QuickBird, los clientes tienden a centrarse en la resolucin espacial (es decir,
tamao de pxel). Sin embargo, se debe considerar una serie de otros factores que
afectan la calidad del producto final y el tiempo de entrega. El sistema IKONOS tiene
un nmero de ventajas sobre QuickBird, incluyendo, mayor capacidad de coleccin,
productos estreo, mejor precisin posicional y archivos pequeos y manejables.
23
QuickBird
En la literatura cientfica se han publicado muy pocos estudios en los que se utiliz las
imgenes QuickBird para el monitoreo del impacto ambiental de la extraccin de
minerales. Esto probablemente se relaciona con el alto costo de los datos QuickBird,
debido a su alta resolucin espacial, y su baja resolucin espectral. Girouard et al. (2004)
comparan imgenes QuickBird y Landsat TM para la cartografa mineral, utilizando el
algoritmo Spectral Angle Mapper. Aunque los datos QuickBird tienen mayor resolucin
espacial, los resultados fueron mejores para la clasificacin Landsat TM, porque
QuickBird carece de una banda espectral en el SWIR, una parte crucial para la
discriminacin espectral de minerales y roca. Ellos llegan a la conclusin de que las
imgenes QuickBird pueden ser tiles para visualizar el rea de estudio, localizar
afloramientos en el campo y facilitar el mapeo estructural, pero que, para la exploracin
mineral, es mucho ms importante tener alta resolucin espectral en lugar de alta
resolucin espacial.
GeoEye-1
24
Interpretacin Visual
1. Mejora Visual (Visual enhancemen)
Informacin muy valiosa se obtiene mediante la interpretacin visual de imgenes de
satlite. Por lo tanto, muchas herramientas estn disponibles para mejorar la extraccin
de informacin. Algunos de las tcnicas ms comunes se describen brevemente, tales
como: aumento del contraste, procesamiento de Intensidad-Matiz-Saturacin,
decorrelation stretching y composiciones de color.
25
26
27
28
2. Transformaciones
a. Cocientes de Bandas
Es un proceso de mejora en la que el valor de una banda se divide por la de cualquier
otra banda en la matriz del sensor. Si ambos valores son similares, el cociente resultante
es un nmero cercano a 1. Si el numerador es bajo y el denominador alto, el cociente se
aproxima a cero. Si esto se invierte (mayor numerador, denominador bajo) el nmero es
muy superior a 1. Estos nuevos nmeros se pueden estirar o expandir para producir
imgenes con una considerable variacin de contraste en una versin en blanco y negro.
Ciertas caractersticas o materiales pueden producir tonos grises distintivos de
determinados cocientes. Relaciones de bandas son especialmente adecuadas para los
conjuntos de datos donde la banda numerador se elige para controlar un estndar poco
variable, mientras que la banda denominador mapea la variabilidad de una caracterstica
espectral especfica. Por ejemplo, la relacin entre el rojo/infrarrojo cercano
proporciona una buena distincin entre rocas desnudas y las reas cubiertas de
vegetacin. El cociente IR medio/azul tiene xito en la distincin entre las rocas
limolticas y no limolticas. La relacin rojo/azul tiende a enfatizar las caractersticas de
materiales rojos o naranjas, tales como xido de hierro hidratado natural, como tonos de
brillantes. Tres cocientes de bandas se pueden combinar como composicin de color
que ponen de relieve ciertas caractersticas en colores distintos.
29
30
31
las relaciones de banda pueden minimizar las diferencias de brillo entre las unidades
litolgicas (es decir, las relaciones tienden a enfatizar la informacin de color, restando
importancia al brillo absoluto) y pueden facilitar la comparacin de los datos recogidos
en fechas diferentes, que difieren en el ngulo solar. La relacin de las bandas del
Landsat 7 y 5 aumenta la capacidad de discriminar los materiales de superficie, rocas
particularmente alteracin hidrotermal, a pesar de que ambigedades importantes fueron
reconocidos debido a la amplitud de banda 7 de Landsat TM. Soe et al. (2005) utilizan
cocientes de imgenes Landsat para un anlisis preliminar: b5/b7 para minerales de
arcilla, B5/B4 para minerales ferrosos y b3/b1 para xidos de hierro. Kalinowski y
Oliver (2004) ofrecen una visin general de las relaciones de las bandas de ASTER de
uso comn y las combinaciones de bandas para la exploracin de minerales (TABLA 1).
Absorcin relativa Espesor-Banda
(Relative absorption Band-Depth)
de imgenes (RBD, Crowley et al., 1989) son tres puntos especialmente tiles para la
visualizacin de Al-OH, Mg-OH e intensidades de absorcin de CO3 antes de realizar el
anlisis espectral ms detallada. Por ejemplo, Rowan y Mars (2003) compararon
umbrales concretos de imgenes ASTER RBD de Mountain Pass, California con mapas
litolgicos y datos areos, y mostraron patrones similares de pxeles que representan
Ca-CO3 absorcin ((b7 + b9) / b8) y caliza distribucin, el Ca,Mg-CO3 RBD imgen
absorcin ((B6 + b8) / B7) con la distribucin dolomita. El RBD imgen absorcin AlOH ((b5 + b7) / b6) se corresponde con la distribucin de los granitos, gneis, rocas
granticas y granodiortico y rocas de cuarzo. La relacin ASTER B2/B1 muestra la
distribucin de pxeles con intensa absorcin de Fe3 +.
La vegetacin a menudo impide el anlisis geolgico de cocientes de banda, ya que est
ampliamente distribuida y puede ser espectralmente similar a los xidos de hierro y
arcillas cuando se muestrean por los sistemas de imgenes de banda ancha. Fraser y
Green (1987) desarrollaron una tcnica que consiste en la transformacin de
componentes principales (vase tambin c) con dos entradas de imgenes con cocientes
de bandas. El primer cociente es un discriminante geolgico (confundido por la
presencia de vegetacin), el segundo cociente es elegido por su idoneidad como un
ndice de vegetacin. El segundo Directed Principal Component (DPC) tiene las
propiedades de una discriminante geolgica, pero est menos influenciado por la
vegetacin.
b. ndices de Vegetacin
c. Otras Transformaciones
La base de las transformaciones lineales de datos es que un conjunto de datos
multidimensional se reordena en el espacio con el fin de:
1) Des-correlacionar la informacin de las nuevas dimensiones (anlisis de
componentes principales o PCA)
2) Relacionar directamente la informacin en las nuevas dimensiones caractersticas de
la escena, como el suelo y la vegetacin (tasseled cap, TC, or Kauth-Thomas, KT,
32
transformacin)
3) Reducir la dimensionalidad de los datos mediante la concentracin de la informacin
relevante en un menor nmero de dimensiones (tanto PCA y KT)
4) Maximizar la separabilidad entre clases de entidades predeterminadas y minimizar la
variabilidad dentro de las clases (transformacin cannica).
Anlisis de componentes principales es un procedimiento de des-correlacin que
reorganiza por estadstica de medias los nmeros digitales de diferentes bandas
espectrales (Vaseashta et al . , 2007). La tcnica de PCA implica un procedimiento
matemtico que transforma un nmero de (posiblemente) variables correlacionadas en
un nmero de variables no correlacionadas (ms pequeo), llamado componentes
principales (por ejemplo, vase la figura 11). Este, sin embargo, sufre el inconveniente
de generar resultados escena-dependientes, que, entre otros, disminuye seriamente su
aplicabilidad para el anlisis multitemporal. Solans Vila ( 2007 ), por lo tanto, desarroll
una tcnica multitemporal PCA para controlar la regeneracin de vegetacin postincendio de la cubierta en el Mediterrneo europeo. Parte del problema de dependencia
de la PCA se puede superar con la transformacin tasseled cap ( o transformacin KT ).
Este enfoque se basa en una transformacin lineal de los ND donde la informacin del
suelo (brillo), la vegetacin (verdor), y la humedad (humedad) son separados en planos
en el espacio de datos multidimensional . Mientras PCA no es explcitamente sensibles
a la estructura de datos a nivel inter-clase (se basa en la matriz de covarianza global), el
algoritmo KT no afecta a la separabilidad de clase (el objetivo es mejorar la percepcin
humana de las clases). Un multitemporales Kauth - Thomas transformacin (MKT) se
llev a cabo en el estudio de Lau et al . ( 2006 ). Ellos supervisan perturbaciones en la
superficie terrestre debido a las operaciones de minera a cielo abierto y la central
elctrica de carbn debido a las actividades mineras. Afirmaron que MKT ofrece una
manera rpida de identificar los diferentes cambios en la superficie y sin conocimiento
previo de las caractersticas espectrales de la superficie de tierras cubiertas.
33
Figura 11. Datos ASTER de imgen de satlite de las cuatro ciudades de franja 60 Km
( 1 Los ngeles , Estados Unidos; 2 San Francisco, EE.UU. , 3 de Calcuta , India , y 4
en Bangkok , Tailandia.) : ( 1a) RGB bandas 321 , ( 1b ) RGB de las primeras 3 bandas
PCA muestra la absorcin de la radiacin en la atmsfera debido a los contaminantes,
( 1c )LA densidades de corte, banda 14 (a 11mm de bandas espectrales) en pseudocolor
sobre DOQQ confirma la importante concentracin de partculas en la atmsfera, ( 2a )
bandas RGB 321 , ( 2b ) RGB de primero 3 bandas PCA muestra smog sobre industrias
de Berkeley, ( 2c ) Densidades de corte, banda 14 sobre DOQQ confirma la existencia
de partculas en suspensin en la atmsfera, ( 3a ) RGB de 321 bandas , ( 3b ) RGB de
los primeros 3 bandas PCA muestra poca neblina en la ciudad, ( 3c ) Relacin de banda,
imgen de Kolkata , en RGB B- 3-2 , 9-6, 10-14, confirma la presencia de partculas en
suspensin en el rea de la ciudad , (4a ) bandas RGB 321 muestra neblina en la parte
noroeste de la ciudad, ( 4b ) RGB bandas 765 muestra absorcin de la radiacin en las
bandas SWIR , ( 4c ) bandas RGB 15,14,13 muestra absorcin en las bandas TIR y
confirma material particulado en la atmsfera (Vaseashta et al. , 2007)
Crsta y Moore (1989) desarrollaron una tcnica basada en la PCA para el mapeo de
xido/hidroxido de hierro relacionado con los yacimientos de sulfuros en los terrenos
del cinturn de granito de piedra verde con Landsat TM. La tcnica, denominada
Feature-orientated Principal Component Selection (FPCS), se bas en el
34
35
36
a. Clasificacin Supervisada
Clasificacin supervisada es un procedimiento para la identificacin de reas
espectralmente similares en una imgen por entrenamiento de sitios para objetivos
conocidos y luego extrapolar esas firmas espectrales a otras reas de los objetivos
desconocidos. Clasificacin supervisada se basa en el conocimiento a priori de la
ubicacin y la identidad de las clases especficas en la imgen, y necesita una gua del
usuario para especificar en qu clases un objeto puede ser clasificado. Informacin a
priori se puede lograr a travs del trabajo de campo, la interpretacin de fotografas
areas de alta resolucin o de otras fuentes de informacin independientes.
Hay muchos aspectos que deben ser considerados al realizar una clasificacin
supervisada. El usuario experto tambin tiene que proporcionar un conjunto de objetos
de muestra con clases conocidas. El software determina la firma espectral de los pxeles
dentro de este conjunto conocido, y utiliza esta informacin para definir la media y la
varianza de las clases en relacin con todas las bandas de entrada o capas. A
continuacin, se asigna a cada pxel de la imgen, sobre la base de su firma espectral, a
la clase que coincide ms estrechamente. Es importante elegir reas de formacin que
cubren toda la gama de variabilidad dentro de cada clase de inters para permitir al
software clasificar con precisin al resto de la imgen. Algunos de los algoritmos de
clasificacin ms comnes utilizados para la clasificacin supervisada incluyen la
clasificacin de mnima distancia a la media, clasificador de paraleleppedo, clasificador
de mxima verosimilitud de Gauss y Spectral Angle Mapper.
El clasificador paraleleppedo utiliza un cuadro delimitador alrededor del rea de
medicin de espacio ocupado por el conjunto de entrenamiento y luego clasifica todos
los pxeles desconocidos que caen dentro de esa zona como pertenecientes a la clase del
conjunto de entrenamiento. El criterio utilizado para determinar las dimensiones de
contorno es a menudo el espacio de medicin de coordenadas de los pxeles de valor
mnimo y mximo dentro del conjunto de entrenamiento. Si el pxel no entra dentro de
ninguna clase, se le asigna a la clase nula (cdigo 0). El clasificador de paraleleppedo
se utiliza tpicamente cuando se requiere velocidad. El inconveniente es (en muchos
casos) pobre precisin y si las cajas se superponen requiere un nuevo paso de toma de
decisiones en la clasificacin.
La clasificacin de probabilidad mxima es un criterio de decisin estadstica para
ayudar en la clasificacin de las firmas superpuestas, asignando pxeles a la clase de
probabilidad ms alta, y por lo tanto se considera que puede dar resultados ms precisos
que la clasificacin de paraleleppedo sin embargo, es mucho ms lento debido por los
clculos adicionales. Se supone, adems, que las clases en los datos de entrada tienen
una distribucin Gaussiana y que las firmas son bien seleccionadas, que no es siempre
el caso.
El Spectral Angle Mapper (SAM) es un algoritmo de clasificacin fsicamente basado
en la comparacin de la similitud espectral entre (superficie) reflectancia espectral de la
37
38
FIGURA 12. MTMF mapa mineral para AVIRIS (izquierda) e Hyperion (deracha) para
Cuprita, Nevada (USA). Pxeles de colores muestran la predominancia espectral de los
minerales con concentraciones mayores a 10%. (Kruse et al., 2003)
En los mtodos de rboles de decisin, un rbol binario en el que se construye en cada
nodo un nico parmetro se compara con alguna constante. Si el valor de caracterstica
es mayor que el umbral, se toma la rama derecha del rbol, y si el valor es ms pequeo,
la rama izquierda es seguida. Despus de una serie de estas pruebas, se llega a un nodo
de hoja del rbol en el que todos los objetos se etiquetan como pertenecientes a una
clase en particular. Los rboles de decisin son por lo general mucho ms rpidos en la
fase de construccin (formacin) de los mtodos de redes neuronales, y tambin tienden
a ser ms rpidos durante la fase de aplicacin. Su desventaja es que no son tan flexibles
en modelar distribuciones espaciales con parmetros complejos como las redes
neuronales o mtodos de vecinos ms cercanos.
La clasificacin supervisada puede ser muy eficaz y precisa en la clasificacin de
imgenes de satlite y se puede aplicar a nivel de pxel individual o de objetos de la
imgen (grupos de pxeles adyacentes similares). Sin embargo, para que el proceso
funcione eficazmente, la persona que procesa la imgen tiene que tener un conocimiento
a priori (los datos de campo, fotografas areas, o de otros conocimientos) del lugar
donde se encuentran los tipos de inters (por ejemplo, los tipos de cobertura de la tierra),
39
o ser capaz de identificar directamente las imgenes. Este mtodo se utiliza a menudo
con clasificacin no supervisada en un proceso llamado clasificacin hbrida. La
clasificacin no supervisada puede ser utilizada por primera vez para determinar la
composicin de clase espectral de la imgen y ver lo bien que las clases de cubierta
terrestre destinadas se pueden definir en la imgen. Despus de este paso inicial, la
clasificacin supervisada se puede utilizar para clasificar a la imgen en los tipos de
coberturas de intereses.
b. Clasificacin No Supervisada
A diferencia de clasificacin supervisada, la clasificacin no supervisada se utiliza para
agrupar pxeles en un conjunto de datos sobre la base de solo la estadsticas, sin la
necesidad de formacin de datos especificados por el usuario. La premisa bsica es que
los valores dentro de una clase dada deben estar cerca en la medicin, mientras que los
datos en diferentes clases deben ser comparativamente bien separados. El usuario debe
especificar la informacin bsica, como las bandas espectrales a utilizar y el nmero de
categoras para utilizar en la clasificacin. Algoritmos de agrupamiento comunes
incluyen K-means clustering, ISODATA clustering y Narenda-Goldberg Clustering.
Clases obtenidos a travs de la clasificacin no supervisada todava necesitan ser
identificados y etiquetados por el usuario experto, que no siempre es fcil ya que las
clases pueden no corresponder a las clases de inters. La clasificacin no supervisada es
til cuando no hay datos de campo preexistentes o areas detalladas por fotografas para
el rea de la imgen, y el usuario no puede especificar con precisin las reas de
entrenamiento. Adems, este mtodo se usa a menudo como un paso inicial antes de la
clasificacin supervisada (llamada clasificacin hbrida). La clasificacin hbrida puede
ser usada para determinar la composicin de clases espectrales de la imgen antes de
llevar a cabo un anlisis ms detallados y para determinar qu tan bien las clases de
cubierta terrestre se pueden definir en la imgen.
El Spectral Hourglass esquema de proceso, proporciona una forma consistente para
obtener informacin espectral de datos hiperespectrales y sin conocimiento a priori u
observaciones terrestres (Figura 13). El punto clave de la metodologa Spectral
hourglass (Kruse et al., 2003) es la reduccin de los datos tanto en la dimensin
espectral y espacial para localizar, caracterizar e identificar algunos espectros clave
(endmembers) en los datos de imgen hiperespectral que se pueden utilizar para explicar
el resto del conjunto de datos hiperespectrales. Una vez seleccionados los endmembers,
su localizacin y abundancia se pueden asignar a los datos de una transformacin lineal
u original. El mtodo se ha implementado y documentado dentro de ENVI
(Environment for Visualizing Images, an ITT product).
40
Figura 13. El Spectral Hourglass HSI esquema de proceso de datos. Grandes conjuntos
de datos HSI se reducen a unos pocos espectros clave (en el cuello del reloj de arena)
que explican los datos utilizando tcnicas de reduccin de datos espaciales y espectrales.
Mtodos de mapeo espectral basadas en pxeles son aplicados al conjunto de datos HSI
completo. (Kruse y Perry, 2007).
El mtodo Spectral Hourglass deriva la mxima informacin de los datos
hiperespectrales a s mismos, lo que minimiza la dependencia a priori de la informacin
externa. El enfoque de anlisis consta de los siguientes pasos (Kruse y Perry , 2007) :
( 1 ) correccin para los efectos atmosfricos utilizando un modelo atmosfrico, tales
como ACORN (Analytical Imaging and Geophysics LLC (AIG), 2001); ( 2 )
compresin espectral, supresin de ruido y reduccin de dimensionalidad mediante la
transformacin de Fraccin de ruido mnimo ( MNF ) ; ( 3 ) Determinacin de
endmembers utilizando mtodos geomtricos ( pixel Pureza ndice - ' PPI ' ); ( 4 )
Extraccin de espectros de endmember utilizando n-dimensional scatter plott; ( 5 )
Identificacin de espectros de endmember utilizando inspeccin visual, la identificacin
automatizada , y las comparaciones de bibliotecas espectrales , y ( 6 ) Produccin de
mapas de material utilizando una variedad de mtodos de mapeo. El ' Spectral Angle
Mapper ' ( SAM ) produce mapas del mineral espectralmente predominante para cada
pxel mediante la comparacin del ngulo entre los espectros de imgen y espectros de
referencia en el espacio vectorial n-dimensional. Mezcla - Tuned - Matched - Filtering
" ( MTMF ) es bsicamente un procedimiento de separacin (unmixing) espectra parcial
linear.
En muchos estudios, las imgenes se analizaron utilizando el mtodo de Hourglass
para determinar endmembers espectrales nicos, sus distribuciones espaciales y
abundancias, con el fin de producir mapas detallados de minerales.
c. Clasificacin Supervisada y No Supervisada
El mtodo ms conocido que se puede utilizar ya sea para clasificacin supervisada y
no supervisada es la red neuronal artificial (RNA). El tipo no supervisado de estas redes,
que posee la propiedad de auto-organizacin, se llama redes de aprendizaje competitivo.
41
42
43
44
Bibliografa
Barducci, A., Guzzi, D., Marcoionni, P. and Pippi, I., 2005. CHRIS-PROBA
45
46
Fraser, S. and Green, A., 1987. A software defoliant for geological analysis of band
ratios. International Journal of Remote Sensing, 8(33): 525-532.
Girouard, G., Bannari, A., El Harti, A. and Desrochers, A., 2004. Validated Spectral
Angle Mapper algorithm for geological mapping: comparative study between
QuickBird and Landsat-TM, XX ISPRS Congress, Geo-Imagery Bridging Continents,
12-23 July 2004, Istanbul, Turkey.
JOHNSON, Les. 10 Remote Sensing: Environmental Monitoring and Science. EnSky
Alert!. Springer New York, 2013. p. 99-108.
Kalinowski, A. and Oliver, S., 2004. ASTER Mineral Index Processing Manual,
Remote Sensing Applications, Geoscience Australia, pp.
Kohonen, T., 1995. Self-Organizing Maps. Springer Series in Information Sciences, vol.
30, Berlin.
Kruse, F. and Perry, S., 2007. Regional mineral mapping by extending hyperspectral
signatures using multispectral data, IEEE Aerospace Conference.
Kruse, F., Perry, S. and Caballero, A., 2002. Integrated multispectral and hyperspectral
mineral mapping, Los Menucos, Rio Negro, Argentina. Part II: EO-1 Hyperion/AVIRIS
comparisons and Landsat TM/ASTER extensions, 11th JPL Airborne Geoscience
Workshop, 4-8 March 2002, Pasadena, CA. Jet Propulsion Laboratory.
Kuosmanen, V., Laitinen, J. and Arkimaa, H., 2005. A comparison of hyperspectral
airborne HyMap and spaceborne Hyperion data as tools for studying the environmental
impact of talc mining in Lahnaslampi, NE Finland. In: B. Zagajewski, M. Sobczak and
M. Wrzesien (Editors), 4th EARSel Workshop on Imaging Spectroscopy. New quality
in environmental studies, Warsaw, Poland.
Lamb, A., 2000. Earth observation technology applied to mining-related environmental
issues. Mining Technology: IMM Transactions section A, 106(3): 153-156.
Latifovic, R., Fytas, K. and Paraszczak, J., 2005. Assessing land cover change resulting
from large surface mining development. International Journal of Applied Earth
Observation and Geoinformation, 7(1): 29-48.
Lau, W., Ge, L. and Jia, X., 2006. The possibility of using multitemporal Landsat
images for mining monitoring: a preliminary study, 3rd International Symposium on
Future Intelligent Earth Observation Satellites 2006.
Leverington, D., 2009. Mapping surface cover using EO-1 Hyperion data: ongoing
studies in arid environments, 17th International Conference on Geoinformatics, Fairfax,
Virginia.
Lobell, D. and Asner, G., 2004. Cropland distributions from temporal unmixing of
47
48
49
Beijing, pp.1201-1206.
Waldhoff, G., Bubenzer, O., Bolten, A., Koppe, W. and Bareth, G., 2008. Spectral
analysis of ASTER, Hyperion and Quickbird data for geomorphological and geological
research in Egypt (Dakhla Oasis, Western Desert), XXI ISPRS Congress, WG VIII/12,
Beijing, pp.1201-1206.
Zhang, X. and Pazner, M., 2007. Comparison of lithologic mapping with ASTER,
Hyperion, and ETM data in the Southeastern Chocolate Mountains, USA.
Photogrammetric Engineering and Remote Sensing, 73(5): 555-561.
Zhang et al.. Application of hyperspectral remote sensing for environment monitoring in
mining areas. Environ Earth Sci (2012) 65:649658
50