Detección de Alteración

Hidrotermal a través de
imágenes ETM+

Maximiliano Leiva Sotomayor

 Introducción
La intención de este proyecto es comprobar si es posible
detectar la presencia de minerales producidos por
alteración hidrotermal, con la finalidad de utilizar esta
herramienta de percepción remota en la exploración
geotérmica, debido al estrecho vínculo existente entre
los campos geotermales y la alteración hidrotermal de
los minerales.

Debido a la naturaleza de este proyecto, el trabajo se

acotó en espacio y minerales.
 Zona de Estudio
El lugar de trabajo elegido fue el campo geotermal de El
Tatio. Debido a que se sabe de su actividad geotermal
es que esperamos encontrar minerales de alteración en
esta zona.
También se eligió El Tatio porque prácticamente no
tiene vegetación y muy probablemente no habrá nubes
en las imágenes de esta zona.
 Ubicación:
-22° 20’ S , -68° W , 4250 msnm.
 Imágenes ETM+

Sensitividad Ubicación Resolución

Sensor Landsat 7 Espectral Espectral Espacial
(µm) Nominal (m)

Band 1 0.45 - 0.52 Blue 30 x 30

Band 2 0.53 - 0.61 Green 30 x 30
Band 3 0.63 - 0.69 Red 30 x 30
Band 4 0.78 - 0.90 Near-IR 30 x 30
Band 5 1.55 - 1.75 Mid-IR 30 x 30
Band 6 10.4 - 12.5 Thermal-IR 60 x 60
Band 7 2.09 - 2.35 Mid-IR 30 x 30
Band 8 (Pancromatica) 0.52 - 0.90 Falso color 15 x 15
 Minerales de Alteración
La alteración hidrotermal se debe al cambio que sufren
los minerales de la roca producto de la circulación de
fluidos a altas temperaturas, como los que se
encuentran en los campos geotermales.

Estas alteraciones son graduales y sus productos son

variados, pero para este proyecto el análisis se enfocó
en los minerales de alteración con alto contenido de
hidroxilos (OH-) y algunos óxidos de hierro.
 Minerales de Alteración
El motivo por el cuál se ha centrado el análisis en estos
productos de la alteración hidrotermal es por
particularidades que presentan en su espectro, que
permiten su detección.

Los minerales con alto contenido de hidroxilos tienen

una alta reflectancia en el rango cercano a los 1.6 µm y
baja cerca de los 2.2 µm. Mientras que los óxidos de
hierro tienen una fuerte absorción en el rango del UV y
el azul, y alta reflectancia en el rango del rojo.
 Band Ratios
Haciendo uso de la información respecto a las
particularidades de las reflectancias de los grupos de
minerales que buscamos, se utiliza esta herramienta
para realzar estos contrastes espectrales.

En particular, dadas las bandas de Landsat7, podemos

utilizar el ratio Band5/Band7 para realzar los hidroxilos
en la imagen, y Band3/Band1 para destacar los óxidos
de hierro.
Imagen Base
Band5/Band7, Hidroxilos
Band3/Band1, oxidos de hierro
 Band Ratios
Las imágenes arrojan como resultado algunas zonas
donde potencialmente podríamos reconocer minerales
de alteración, principalmente localizados en torno a
escurrimientos de agua, provenientes de las
manifestaciones superficiales de este campo geotermal
en el caso de los hidroxilos, mientras que en el caso de
los óxidos de hierro, la imagen no indica una clara
presencia de óxidos.
Estos resultados preliminares permiten orientar nuestra
búsqueda en una clasificación supervisada.
 RGB
Para comenzar a reconocer los minerales de alteración,
podemos comenzar por reconocer distintas litologías a
través de distintas combinaciones de las bandas para
imágenes RGB. Esto potencialmente nos permitirá
reconocer diferentes minerales en superficie, a grandes
rasgos.
La base de esto radica en la diferencia de las respuestas
espectrales de los distintos minerales, con lo cuál
podemos intentar buscar combinaciones apropiadas
para realzar las alteraciones que buscamos.
 RGB y Clasificaciones
A partir de distintas combinaciones de bandas, podemos
reconocer distintos grupos de rocas, con los cuales
podemos tomar algunos píxeles como muestra para
realizar clasificaciones supervisadas con el algoritmo
que se considere más adecuado.
Esto representa una buena aproximación, pero la
variabilidad de los resultados puede ser demasiado
grande como para utilizarlo como una herramienta
resolutiva, ya que se basa en lo que se ve en las
imágenes y el criterio de quien elige los píxeles
representativos de cada clase, además no nos permite
reconocer minerales específicos.
Spectral Angle Mapper (SAM)
SAM es una clasificación espectral supervisada
que consiste en utilizar un vector n-dimensional
para comparar el espectro de cada píxel con un
espectro de referencia. La similitud espectral se
determina por el ángulo entre la referencia y el
píxel, tratándolos como vectores de igual
dimensión que el número de bandas. Entre más
pequeño el ángulo, mayor similitud.
 Spectral Angle Mapper
Para realizar la clasificación con este método es
necesario contar con espectros de referencia, para lo
cuál se utilizó los espectros de la librerías que vienen
con el programa ENVI 4.3 , principalmente los espectros
contenidos en la librería espectral de minerales de la
USGS.
Debido a la gran cantidad de espectros existentes para
un mismo mineral, y el desconocimiento de un criterio
para seleccionar los más adecuados, se utilizaron todos
para la clasificación.
Goetita
Hematita
Kaolinita
Pirofilita
 Spectral Angle Mapper
Las clasificaciones se realizaron utilizando un ángulo
máximo en torno a los 0.15 rad. , y se aprecia una
reincidencia en las zonas clasificadas: corresponden a
las descargas de agua y los cerros que rodean el lugar.
También se ve que algunos pixeles son clasificados
como más de un mineral, esto puede explicarse por
similitud de espectros de referencia o mucha tolerancia
en el ángulo máximo.
En la siguiente clasificación se incluyen todos los
minerales que se buscaron, y en la siguiente diapositiva
su código de colores.
 Muscovita Pirofilita

Montmorilonita Clorita

Pirita Goetita

Phlogopita Ilita

Paragonita Alunita

Hematita Kaolinita

Albita Cuarzo
 Conclusiones
La detección de alteración hidrotermal fue posible, con
lo que comprobamos su factibilidad, sin embargo para
algunas áreas la clasificación era imprecisa, puesto que
las clasificaciones de los píxeles que las componían
eran muy variadas .
Esta imprecisión para identificar minerales dentro de la
imagen puede explicarse por la discreta cantidad de
bandas con las cuales se contaba para la clasificación
(sólo 6), para espectros de referencia compuestos por
cerca de 400 puntos, y que los minerales buscados
tienen similitudes importantes en sus espectros,
acentuadas por lo anterior.
Pese a no tener resultados concluyentes sobre el tipo de
alteración, sí se pudo comprobar la posibilidad de
detección de la alteración hidrotermal mediante este tipo
de imágenes.
Preguntas
 Referencias
 “Analysis of hot springs and associated deposits in Yellowstone National Park using ASTER and
AVIRIS remote sensing”. M. Hellman, M. Ramsey. Journal of Volcanology and Geothermal
Research 135 (2004) 195-219.
 “Application of the Crosta technique for porphyry copperalteration mapping, using ETM+ data in
the southern part of the Iranian volcanic sedimentary belt”. H. Ranjbar, M. Honarmand, Z.
Moezifar. Journal of Asian Earth Sciences 24 (2004) 237-243.
 “Characterising the hydrothermal alteration of the Broadlands-Ohaaki geothermal system, New
Zealand, using short-wave infrared spectroscopy”. K. Yang, P. Browne, J. Huntington, J. Walshe.
Journal of Volcanology and Geothermal Research 106 (2001) 53-65.
 “Clay minerals related to the hydrothermal activity of the Bouillante geothermal field
(Guadeloupe)”. A. Mas, D. Guisseau, A. Genter, B. Sanjuan. Journal of Volcanology and
Geothermal Research 158 (2006) 380-400.
 “Hydrothermal alteration at the Panorama Formation, North Pole Dome, Pilbara Craton, Western
Australia”. A. Brown, T. Cudahy, M. Walter. Precambrian Research 151 (2006) 211-223.
 “Mineralogical and structural characterization of alteration zones detected by orbital remote
sensing at Shalatein District, SE Desert, Egypt”. T. Ramadan, A. Kontny. Journal of African Earth
Sciences 40 (2004) 89-99.