Reseñas de geología de minerales 68 (2015) 14 - 29

Listas de contenidos disponibles en ScienceDirect

Evaluaciones de geología de minerales

Página de inicio de j ourna l: www.el sev i er .com / l ocate / oregeorev

Fusión temporal de datos de teledetección para mejorar regolitos espectrales, patrones

litológicos y de alteración para la exploración mineral regional

Richard L. Langford
PO Box 180, Geeveston, Tasmania 7116, Australia

información del artículo resumen

Historia del artículo: La teledetección se ha utilizado ampliamente para mapear la estructura geológica, los materiales de regolitos y los minerales de alteración hidrotermal en diferentes regiones del
Recibido el 13 de octubre de 2014
mundo, basándose en gran medida en las características espectrales de los minerales de arcilla / carbonato y óxido de hierro. Dado que las características relacionadas con los
Recibido en forma revisada el 23 de diciembre de 2014 Aceptado el 3
minerales pueden formar patrones muy sutiles en las imágenes Landsat,
de enero de 2015
fi Encontrar métodos adecuados para mejorar la información espectral debida a la alteración de los minerales ha sido objeto de muchas investigaciones desde
On-line el 9 de enero de 2015
que se lanzaron los satélites. Aunque los sensores multiespectrales como Landsat no tienen suficiente resolución espectral para distinguir entre fi minerales, el
procesamiento efectivo de los datos produce imágenes útiles para la exploración regional y la focalización cuando se combina con una buena comprensión de los
Palabras clave:

Mapeo espectral accidentes geográficos asociados. ASTER y varios sistemas aerotransportados ahora pueden proporcionar información mineral útil y de alta resolución. Sin

Apilamiento de datos embargo, el costo y el tiempo necesarios para adquirir y procesar datos espectrales de buena resolución ahora deben equilibrarse con la discriminación espectral

Terrenos mejorada posible mediante la combinación temporal o el apilamiento de datos del archivo de datos Landsat existente que se remonta a 1972. Una característica
Forma de relieve de regolito crítica de los espectros relacionada con la composición mineral superficial es su persistencia en el tiempo. Este estudio propone una mejora adicional de los
Hidrotermal datos utilizando la fusión temporal para crear imágenes que sean más fáciles de interpretar e indicadores más fiables de litología y alteración. El nuevo enfoque
Series de tiempo
consiste en seleccionar una gran cantidad de escenas, normalmente separadas por dos o más años, y combinar los datos de cada banda para obtener una firma
espectral acumulativa. La técnica de apilar datos Landsat para crear un nuevo conjunto de datos con una profundidad espectral mucho mayor se denomina
Landsat TM3, o Landsat TMTemporal Merge para TerrainMapping. Esto enfatiza no solo el proceso utilizado para crear el conjunto de datos, sino también el uso
dominante para el cual estos datos son ideales, es decir, mapear terrenos geológicos y relacionados con minerales.

© 2015 Elsevier BV Todos los derechos reservados.

1. Introducción
El programa Landsat es la empresa más antigua de adquisición de imágenes satelitales de la
Tierra. los fi El primer satélite de la serie se lanzó el 23 de julio de 1972, y el más reciente, Landsat 8,
se lanzó el 11 de febrero de 2013 ( tabla 1 ). Los datos de la serie Landsat de satélites de
teledetección se utilizan para agricultura, cartografía, silvicultura, planificación regional, vigilancia y
cartografía geológica. Las imágenes se utilizan a menudo para mapear la estructura geológica
regional, los materiales de regolitos y los minerales de alteración hidrotermal, basados en gran
medida en las características espectrales de los minerales de arcilla / carbonato y óxido de hierro.
Para un solo conjunto de datos Landsat, los minerales en la superficie pueden representar solo
una fracción del contenido de información de cada píxel, ya que están inundados por características
espectrales más prominentes, como el crecimiento de vegetación estacional y fi cicatrices, en todos los
entornos excepto en los más áridos. La mejora de estos patrones minerales muy sutiles en las
imágenes Landsat ha sido objeto de mucha investigación desde que se lanzaron los satélites.
Las características susceptibles de cambiar con el tiempo también han sido objeto de
numerosos trabajos de investigación, casi exclusivamente centrados en detectar o monitorear
cambios con fines ambientales, como la tala de bosques. Entonces, aunque algunos contribuyentes a
la respuesta espectral aumentarán y disminuirán, por ejemplo fi Si hay cicatrices seguidas de
revegetación o cultivos alternados con períodos de barbecho, la firma mineral será un factor
constante. Dado que esta firma será más fuerte en algunos momentos y más débil u oscurecida en
otros, la combinación de varios años de datos superará progresivamente estas variaciones,
destacando así la respuesta mineral.
Numerosos estudios relacionados con el monitoreo del cambio ambiental en la silvicultura y la
agricultura han utilizado imágenes multitemporales, aunque a menudo no se considera la
acumulación de datos para crear un único conjunto de datos nuevo. Por lo general, utilizan
comparaciones entre imágenes procesadas para determinar cambios en el entorno. Por el contrario,
los geocientíficos utilizan casi invariablemente escenas únicas, combinadas con diversos grados de
complejidad en los algoritmos aplicados a los datos. El nuevo trabajo de este estudio, esbozado
inicialmente por Langford (2007) , utiliza datos multitemporales apilados para crear un nuevo conjunto
de datos. Cualquier algoritmo aplicado a estos nuevos datos capitaliza la mayor profundidad y
discriminación posible con una fusión temporal.

Dirección de correo electrónico: Richard.Langford@gmx.com .

URL: http://www.richardlangford.com .

http://dx.doi.org/10.1016/j.oregeorev.2015.01.005
0169-1368 / © 2015 Elsevier BV Todos los derechos reservados.
 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29 15

tabla 1 en radiancia térmica (Banda 6), que a menudo es diferente fi culto para usar e interpretar. Apilar los
Archivos del satélite Landsat, modi fi ed. de USGS Products Long Term Archive, Landsat Satellite Archives.
datos permite identificar áreas de radiancia anómala. fi ed con mayor estafa fi dencia que con un solo
conjunto de datos, aunque interpretar tales variaciones sigue siendo difícil fi culto.
Nombre Intervalo de tiempo Descripción

Landsat 8 OLI (operativo 2013 - presente 15 a 30 metros El enfoque coherente para la adquisición de datos inherente al modelo de datos Landsat TM se
Land Imager) y TIRS (sensor datos multiespectrales de reconoce en el nombre propuesto de la técnica de apilamiento. La técnica de apilar o fusionar datos
térmico de infrarrojos) Landsat 8 de Landsat para crear un nuevo conjunto de datos con una profundidad espectral mucho mayor se
Temática mejorada de Landsat 1999 - 2003 15 a 30 metros
denomina Landsat TM3 (Landsat TM Temporal Merge for Terrain Mapping). Esto enfatiza que estos
Mapper Plus (ETM +) (SLC encendido) datos multiespectrales de
datos son ideales para mapear terrenos geológicos y relacionados con minerales donde los patrones
2003 - presente Landsat 7
(SLC desactivado) una minerales son a menudo sutiles y difíciles. fi culto a destacar.
Mapeador temático Landsat 1982 hasta 2012 Datos multiespectrales de 30 metros

(TM) de Landsats 4 y 5
Escáner Landsat Multiespectral 1972 - 1992 68 × 83 metros (remuestreos a 60 m)
(MSS) datos multiespectrales de Landsats 1 - 5
2. Revisión de la literatura

una El Corrector de línea de exploración (SLC) del instrumento falló en mayo de 2003. Esto provocó que todos los datos del Landsat 7 adquiridos

después de esta fecha tuvieran espacios en blanco.

2.1. Fusión temporal y detección de cambios

Seleccionar un gran número de escenas, normalmente separadas por dos o más años, y
fusionar los datos de cada banda para dar una firma espectral acumulativa, dará una signi fi No se
puede mejorar las imágenes resultantes en comparación con una sola escena ( Figura 1 ). Se han
obtenido buenos resultados con tan solo fi cinco años, aunque se prefiere al menos nueve años,
elegidos para condiciones estacionales óptimas de escenas 100% libres de nubes.
Para el pequeño esfuerzo requerido para seleccionar, descargar y fusionar varios años de datos,
hay un fi No se puede mejorar la calidad y los posibles beneficios. fi t a la exploración, en las imágenes
resultantes. Las mejoras de imágenes más notables se pueden ver cuando se utilizan relaciones
entre bandas, ya que la profundidad de bits de los datos de la imagen es hasta un orden de magnitud
mayor que para una sola escena; esto da como resultado mucho menos ruido en la imagen, lo que
facilita la selección del objetivo. Otra área de mejora es
Uno de los usos más frecuentes de las imágenes de detección remota es la detección de
cambios, y varios de los estudios en este fi toque de campo sobre la investigación descrita en este
estudio. Speci fi En general, hay una serie de estudios revisados en esta sección ( Coppin y Bauer,
1996; Van Niel y McVicar, 2004; Healey y col., 2005; Kennedy y col., 2007, 2010; Jiang y col., 2011;
Mitchell y col., 2013 ) que discuten o utilizan métodos que son similares al método TM3 en este
estudio, aunque la mayoría mantiene los componentes temporales como entidades discretas. Un
estudio ( Kennedy et al., 2010 ) usa un valor mediano para píxeles, pero solo el estudio actual usa la
media aritmética o suma mucho más simple para los valores de píxeles. Jiang y col. (2011) proporciona
la revisión más completa de la fusión de imágenes, centrándose en los métodos más complejos de
fusión y los algoritmos asociados. Dado que la detección de cambios necesita tanto los valores
discretos como los compuestos para dar sentido a cualquier cambio, no ha habido ningún
movimiento en estos estudios para utilizar un compuesto simple que enmascare o elimine
efectivamente cualquier elemento de cambio.

Coppin y Bauer (1996) revisó muchos métodos de detección de cambios en los bosques, incluida
una aproximación a la fusión temporal propuesta en este estudio. Mediante el uso de conjuntos de
datos registrados combinados, o los subconjuntos correspondientes de bandas, recopilados en
condiciones similares casi el mismo día del año pero de diferentes años, se esperaría que las clases
donde se está produciendo un cambio en el dosel forestal tengan estadísticas significativas. fi-

significativamente diferentes de aquellos en los que no se ha producido ningún cambio, y podrían

identificarse fi ed como tal. El método a veces se llama " clase de cambio espectral / temporal en capas fi catión
"," agrupación en clústeres de varias fechas ", o " análisis de patrón de cambio espectral "( Coppin y Bauer,
1996 ). Se seleccionaron para su estudio datos de Landsat TM de tres años diferentes (1984, 1986 y
1990), lo que permitió una evaluación del potencial para la actualización del inventario a mitad de ciclo
durante períodos de dos, cuatro y seis años.

Van Niel y McVicar (2004) completó un estudio de caso en el sureste de Australia que incluyó una
revisión de clasificaciones de varias fechas fi cationes realizados combinando varios números de
bandas por fecha en una sola pila de imágenes antes de la clasificación fi catión (denominado
clasificación estándar de varias fechas fi catión), o extrayendo clases de cultivo único de máxima
precisión de diferentes fechas y combinándolas, post-clasificación fi catión (denominado clasificación
iterativa de varias fechas fi catión). Para su estudio de cultivos classi fi catión, el enfoque iterativo resultó
en una mayor precisión que la pila estándar de imágenes de varias fechas de las mismas fechas. Van
Niel y McVicar (2004) también señaló que la clasificación estándar de varias fechas fi catión, que
combina datos de imágenes de varias fechas para formar una sola imagen de varias fechas antes de
la clasificación fi catión, es un método común en la literatura (por ejemplo, Key et al., 2001 ). Utilizaron
dos o tres imágenes Landsat-7 ETM + sin nubes de 2001 - 02 para crear la pila de imágenes de fecha
múltiple. Estas variantes estándar de varias fechas dieron como resultado imágenes de 14 bandas
(dos fechas por 7 bandas) y 21 bandas (tres fechas por 7 bandas). En este sentido, difieren de la
fusión temporal propuesta en este estudio, en la que los datos de la banda se combinan por suma para
formar una sola banda.

Figura 1. Comparación entre los datos más recientes de Landsat 5 y 8 y los datos de TM3 más antiguos, Weld Range,
Western Australia, utilizando las relaciones de Gozzard (5/7: 4/7: 4/2); prospectivo para recursos de hierro, cromo, níquel y
PGM. (A) Landsat 5, abril de 2011. (B) Landsat 8, marzo
2014. (C) Landsat TM3 suma de nueve años (1989 - 2005). Área 72 × 57 km, centro 27 ° 00 ′ S 117 ° 37 ′ MI. Healey y col. (2005) Se utilizaron pilas de múltiples fechas co-registradas espacialmente para
cuantificar el grado en que es posible identificar el reemplazo de rodales.
dieciséis RL Langford / Ore Geology Reviews 68 (2015) 14 - 29
perturbación utilizando diferentes combinaciones de los índices Tasseled Cap en relación con las
bandas Landsat originales y un índice de perturbación recientemente desarrollado. El marco para
probar estas estructuras de datos fue el análisis compuesto multitemporal ( Coppin y Bauer, 1996 ). En
este procedimiento, se envió una imagen de varias fechas a un clasi fi algoritmo de cationes que
intentó identificar píxeles que exhibían características espectrales consistentes con una pérdida
repentina de vegetación. En cada una de las tres áreas de estudio, el fi La primera estructura de datos
probada fue una pila compuesta de 18 bandas de seis Landsat TM 30-m re fl bandas de ectancia que
cubren las tres fechas de prueba. La fusión temporal propuesta en este estudio difiere en que crea un
nuevo conjunto de datos de seis bandas, no una pila compuesta.
Kennedy y col. (2007) reconoció que la creciente profundidad temporal del registro satelital de
resolución espacial media, como Landsat, brinda la oportunidad de desarrollar algoritmos más ricos
para examinar el cambio en una secuencia de imágenes. Aunque inherentemente para la detección
de cambios, el método se distingue por su uso del registro temporal completo -
tanto en tiempos de estasis relativa como en tiempos de cambio - para detectar mejor y caracterizar
más completamente la dinámica de la superficie terrestre. Describieron y probaron un nuevo enfoque
conceptual para la detección de cambios en los bosques utilizando una densa pila temporal de
imágenes Landsat TM. La premisa central del método fue el reconocimiento de que muchos
fenómenos asociados con cambios en la cobertura terrestre tienen progresiones temporales
distintivas tanto antes como después del evento de cambio, y que estos conducen a firmas
temporales características en el espacio espectral. En lugar de buscar eventos de cambio único entre
dos fechas de imágenes ( Coppin y col., 2004; Coppin y Bauer, 1996; Lu y col., 2004; Mas, 1999 ), los
autores buscaron en cambio estas firmas idealizadas en toda la trayectoria temporal de los valores
espectrales. Aplicaron el método a una pila de 18 imágenes Landsat TM durante el período de 20
años de 1984 a 2004. La principal fuente de error en el método fue el registro incorrecto de imágenes
en la pila, aunque la experiencia del estudio actual ha demostrado que los datos entregados por el
USGS casi siempre está muy bien registrado.
Kennedy y col. (2007) También sugirió que el método es extremadamente intensivo en
computación, y toma días procesar una sola pila de imágenes, aunque esta no ha sido la experiencia
en el estudio actual con software estándar de la industria. Consideraron que el mayor desafío en
muchos ecosistemas sería construir una pila adecuadamente densa de imágenes Landsat debido a
la cobertura de nubes. Se prefiere el apilamiento adecuado para la detección de cambios porque se
ha demostrado en estudios que utilizan otros enfoques de varios años que la precisión de la
detección de cambios disminuye a medida que aumenta el intervalo de cambios ( Healey y col., 2005;
Lunetta y col., 2004; Wulder y col., 2005 ). Sin embargo, la cobertura de nubes puede no ser un
problema si se elige el algoritmo apropiado, y para propósitos de exploración mineral, la serie de
tiempo puede ser fl exible, como es el caso del método propuesto en este estudio. Por el contrario,
una serie de tiempo densa puede causar más problemas para la exploración, ya que los cambios a
corto plazo en el entorno pueden no extinguirse de manera efectiva.
Kennedy y col. (2010) analizó la detección de tendencias en la alteración y recuperación de los
bosques utilizando series de tiempo Landsat anuales (pilas de imágenes) a través del proceso
LandTrendr. Durante años en los que había varias imágenes disponibles, un fl Se creó un mosaico, en
el que el valor espectral de cada píxel se tomó de la imagen más cercana al día juliano mediano de
las imágenes en la pila completa, o de forma iterativa a partir de la siguiente fecha más cercana si el
píxel en la fecha objetivo estaba nublado. Usar un valor mediano es el único significado fi No puede
diferenciarse del método propuesto, que utiliza una media o una suma y, por lo tanto, es más fácil de
calcular y modificar con la adición de nuevos datos.
En su revisión de la fusión de imágenes, Jiang y col. (2011) ven el objetivo de la fusión de datos de
múltiples sensores como la integración de información complementaria y redundante para proporcionar
una imagen compuesta que se puede utilizar para comprender mejor la escena completa. Sin embargo,
observan que uno de fi La fusión de imágenes es el proceso de combinar información de dos o más
imágenes de una escena en una sola imagen compuesta que es más informativa y más adecuada para la
percepción visual o el procesamiento por computadora. Como ocurre con la mayoría de los investigadores
en este fi campo, su objetivo es fi encontrar los mejores algoritmos para el uso del suelo y la clasificación de
la cobertura del suelo fi catión
y monitoreo, a menudo usando más de un tipo de sensor, que también tienden a ser
matemáticamente más complejos que el simple proceso de fusión en este estudio.
Mitchell y col. (2013) miró fi ve Landsat 5 escenas durante la temporada de crecimiento de un
solo año. La pila multitemporal que crearon agrega información espectral de vegetación en varias
etapas fenológicas y tiene el potencial de compensar la información espectral limitada de una sola
imagen. La pila multitemporal estaba compuesta por sesenta
fi cinco bandas (trece para cada una de las fi cinco fechas de adquisición). Trabajos anteriores habían
sugerido que apilar imágenes multiespectrales podría producir una imagen que ha demostrado ser
útil para discriminar tipos de cobertura vegetal y para distinguir objetivos temporalmente dinámicos,
como la vegetación, de objetivos temporalmente estables, como afloramientos rocosos (p. Ej., Liu y
col., 2002; Kuemmerle y col., 2006; Singh y Glenn, 2009; Wang y Lang, 2009 ). El estudio de Mitchell y
col. (2013) demostraron que las imágenes de Landsat pueden detectar la presencia de afloramientos
de basalto en los pastizales occidentales con una tasa de precisión general del 72,35% utilizando RF
classi fi-
catión en una pila multitemporal de imágenes Landsat que incluían tanto la superficie fl valores de
ectancia y derivadas, como índices e índices de bandas (es decir, NDVI, TC, verdor, humedad y
brillo; relación de la Banda 4 a la Banda 6). Aunque la pila multitemporal que utilizaron difiere de la
propuesta en este estudio, el valor de apilar o fusionar es evidente en ambos.
2.2. Cartografía de la alteración hidrotermal
La asociación de rocas alteradas hidrotermalmente con depósitos minerales ha sido reconocida
y aplicada desde hace mucho tiempo como una herramienta de exploración. La aplicación de datos
Landsat TM para la identi fi La cación de la alteración hidrotermal en terrenos áridos ha sido objeto de
investigación desde los primeros días de la disponibilidad de datos de Landsat TM cuando se utilizó
una imagen simple de Bandas 741 (RGB) para identi fi cación de áreas de alteración hidrotermal
mayores de unos 50 m en el norte de Chile ( Baker, 1987 ).
La clave para aplicar con éxito datos de Landsat TM para mapear rocas alteradas es el diseño
de imágenes que mejoran los contrastes espectrales entre los minerales de alteración y otros
minerales y materiales ( Knepper, 1989 ). Los datos de Landsat TM proporcionan un medio para
mapear los óxidos e hidróxidos de hierro férrico (limonita), algunos de los cuales pueden estar
relacionados con rocas alteradas y otros minerales de alteración comunes, como los minerales
arcillosos, carbonatos y micas. Knepper (1989) propuso usar relaciones de banda de TM 5/7: 3/1: 3/4
(RGB), ya que la relación TM5 / 7 hace un excelente trabajo al delinear los minerales que contienen
hidroxilo, sulfatos hidratados y carbonatos, usados en combinación con TM3 / 4 para delimitar la
vegetación; TM3 / 1 se utiliza para limonita ( Knepper, 1989 ).
Zhao y col. (1990) reconoció el problema de identificar la alteración hidrotermal en áreas
densamente vegetadas, y utilizó el análisis de componentes principales dirigido (DPCA) ( Fraser y
Green, 1987 ) para superar estas dif fi culties. Propusieron algoritmos que utilizan una transformación
de componente principal (PC) para las relaciones de banda de 5/7 y 4/3; 5/7 se considera una
relación de bandas eficaz para mejorar la información de alteración en áreas áridas o semiáridas, y la
relación de bandas 4/3 sirve como una excelente imagen del índice de vegetación. los fi el primer PC
contiene la contribución de la vegetación dominante en ambas proporciones; el segundo PC contiene
el aporte de minerales alterados.
Fraser (1991) utilizó DPCA en datos de Landsat TM para identificar y mapear hematita y
goethita sobre terrenos áridos y semiáridos en la provincia de hierro de Australia Occidental. Su
método FEOX-DPCA fue desarrollado para terrenos dominados por óxidos de hierro y vegetación; el
método no fue recomendado para otros tipos de terreno. Críticamente, señaló que la aplicación de
mapas de minerales de óxido férrico para fines pedológicos o geológicos presupone una
comprensión o modelo de la sur fi distribución cial de óxidos férricos. Independientemente del
algoritmo de procesamiento, la forma y el desarrollo de los accidentes geográficos asociados es
fundamental para comprender la imagen resultante.
 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29 17

Ribeiro de Almeida y Crosta (1997) señaló que los sensores multiespectrales, como Landsat TM, instrumento principal a bordo del Landsat 7 ( Tabla 2 ) es el EnhancedThematic Mapper Plus (ETM +),
se pueden utilizar para localizar áreas probables de ocurrencia de alteración hidrotermal. Speci fi En que solo se diferencia en la adición de una banda pancromática de 15 metros de resolución. Siete de las
términos generales, los datos de Landsat TM podrían usarse para diferenciar entre " hierro "( Fe 3+) alteración nueve bandas de datos adquiridas por Landsat 8 ( Tabla 2 ; Figura 2 ) son consistentes con los sensores
(por ejemplo, sulfuros en rocas alteradas) y " arcilla / carbonato "( caolinita, illita / sericita, montmorillonita, Landsat TM y ETM + que se encuentran en los satélites Landsat anteriores, lo que proporciona
alunita, calcita). En las imágenes, por lo general representan solo una fracción del contenido de compatibilidad con los datos históricos de Landsat. Las bandas espectrales del sensor OLI, si bien son
información de cada píxel, por lo que están oscurecidas por características espectrales más similares al sensor ETM + de Landsat 7, proporcionan una mejora de los instrumentos Landsat
prominentes, como la vegetación en un entorno no árido. Por lo tanto, las características espectrales anteriores y tienen la adición de dos nuevas bandas espectrales. Sin embargo, no hay ninguna razón por
debidas a los minerales pueden formar patrones muy sutiles en imágenes de detección remota y, por lo la que no puedan formar parte de un conjunto de datos de TM3 que comienza con Landsat TM en 1982.
tanto, deben mejorarse para su interpretación. Uno de los más ef fi métodos científicos utilizados por

Las escenas de Landsat se procesan a la corrección de terreno estándar (nivel 1 T - precisión y

Ribeiro de Almeida y Crosta (1997) para mejorar la información espectral debido a la alteración de
minerales fue el análisis de componentes principales (PCA). PCA forma la base de algunas técnicas
específicas fi diseñado para extraer información relacionada con la alteración de hierro y arcilla /
carbonato de Landsat TM u otros datos multiespectrales, generalmente conocidos como el
" Crosta " método.
3. Fuente y procesamiento de datos
corrección del terreno) si es posible. El nivel 1 T proporciona precisión radiométrica y geométrica
sistemática al incorporar puntos de control de tierra mientras se emplea un modelo de elevación
digital (DEM) para la precisión topográfica. La precisión geodésica del producto depende de la
precisión de los puntos de control terrestre y de la resolución del DEM utilizado. Los puntos de
control del suelo utilizados para la corrección de Nivel 1T provienen del conjunto de datos GLS2000.
Las fuentes DEM incluyen SRTM, NED, CDED, DTED y GTOPO 30. Para ubicaciones fuera de los
EE. UU., La precisión del producto terraincorregido dependerá de la disponibilidad de puntos de
control de tierra locales (GCP), así como de la resolución de los mejores disponibles. DEM.

3.1. Datos Landsat

El sensor Landsat Thematic Mapper (TM) se llevó a bordo de los Landsat 4 y 5 desde julio de 3.2. Datos ASTER

1982 hasta mayo de 2012 con un ciclo de repetición de dieciséis días. Se obtuvieron muy pocas
imágenes desde noviembre de 2011 hasta mayo Este estudio se ha basado casi exclusivamente en datos de Landsat para demostrar los
2012, y el satélite comenzó las actividades de desmantelamiento en enero de 2013 ( https://lta.cr.usgs.gov/TM
beneficios fi ts de fusión temporal. ASTER (emisión térmica espacial avanzada y re fl Radiómetro de
). El sensor Landsat Enhanced Thematic Mapper Plus (ETM +) a bordo del satélite Landsat 7 ha acción) es un sensor japonés que es uno de los fi cinco dispositivos de detección remota a bordo del
adquirido imágenes de la Tierra de forma casi continua desde julio de 1999, con un ciclo de satélite Terra lanzado a la órbita terrestre por la NASA en 1999. El instrumento ha estado recopilando
repetición de dieciséis días. Sin embargo, el Scan Line Corrector (SLC) del instrumento falló en datos desde febrero de 2000. ASTER captura 14 bandas, con una combinación única de amplia
mayo de 2003, lo que hace que los datos adquiridos después de esa fecha tengan un valor limitado ( https://lta.cr.usgs.gov/LETMP
cobertura espectral y alta resolución espacial en el infrarrojo cercano visible a través de infrarrojo de
). Los Landsats 4/5 y 7 tienen la adquisición de datos consistente más larga de cualquier sistema de onda corta a las regiones infrarrojas térmicas. El conjunto de datos de Nivel 1B proporciona valores de
detección remota, y se conectan temporal y espectralmente con los últimos sensores, el Operational radiancia calibrados o escalados y es la entrada para la mayoría de los productos de nivel superior.
Land Imager (OLI) y el sensor de infrarrojos térmicos (TIRS), a bordo del satélite Landsat 8, que se Aunque estos datos también podrían usarse para la fusión temporal, la huella más pequeña (60 × 60
lanzó en febrero de 2013 ( https://lta.cr.usgs.gov/L8 ). La designación anterior de este satélite fue la km) y el costo actual de descarga pueden limitar el uso del método.
Misión de Continuidad de Datos Landsat (LDCM), y el scienti fi c El objetivo de Landsat 8 es recopilar
datos suficientes fi-

3.3. Selección, adhesión y almacenamiento de datos

cientemente consistente con los datos de las misiones Landsat anteriores para permitir estudios de la
cobertura del suelo y el cambio de uso del suelo durante períodos de varias décadas. La consistencia en
la geometría de adquisición, calibración, características de cobertura, características espectrales y
espaciales, calidad del producto de salida y disponibilidad de datos han hecho posible que las personas
comparen o combinen datos de Landsat de mes a mes y de año a año ( http://science.nasa.gov/ mission /
ldcm / ).
Landsat 4 - 5 datos de imagen fi Los archivos constan de siete bandas espectrales ( Tabla 2 ). La
resolución es de 30 m para las bandas 1 a 7. Infrarrojo térmico (TIR) La banda 6 se recogió a 120
m, pero se volvió a muestrear a 30 m. los
Explorador de tierra ( http://earthexplorer.usgs.gov ) proporciona en línea
búsqueda, visualización de exploración, exportación de metadatos y descarga de datos de las ciencias de
la tierra de los archivos del Servicio Geológico de EE. UU. (USGS). Seleccionar una sola escena para una
especificación fi c punto o área pequeña toma minutos, por lo que seleccionar múltiples escenas durante
varios años para producir un conjunto de datos regionales TM3, como los nueve años y doce escenas
para el orógeno Capricornio en Australia Occidental tomará aproximadamente 2 h ( http: // www.
richardlangford.com/index.html ). Los datos ASTER facturables están disponibles a través de la División de
Teledetección de la Tierra de Japan Space Systems en Japón.

Tabla 2
Comparación de longitudes de onda de banda espectral entre Landsat 4 - 5, 7 y 8, modi fi ed de USGS Preguntas frecuentes sobre las misiones Landsat http://landsat.usgs.gov/ band_designations_landsat_satellites.php .

Landsat Longitud de onda Resolución Landsat Longitud de onda Resolución Landsat 8 Longitud de onda Resolución
4-5 (micrómetros) (metros) 7 (micrómetros) (metros) (micrómetros) (metros)

Banda 1 - Banda de aerosoles costeros 0,43 - 0.45 30

Banda 1 0.45 - 0,52 30 Banda 1 0.45 - 0,52 30 2 - Azul 0.45 - 0,51 30
Banda 8 0,52 - 0,90 15 Banda 8 - Banda pancromática 3 0,50 - 0,68 15
Banda 2 0,52 - 0,60 30 Banda 2 0,52 - 0,60 30 - Verde 0,53 - 0,59 30
Banda 3 0,63 - 0,69 30 Banda 3 0,63 - 0,69 30 Banda 4 - rojo 0,64 - 0,67 30
Banda 4 0,76 - 0,90 30 Banda 4 0,77 - 0,90 30 Banda 5 - Banda 9 de infrarrojo cercano 0,85 - 0,88 30
(NIR) - Cirro 1,36 - 1,38 30
Banda 5 1,55 - 1,75 30 Banda 5 1,55 - 1,75 30 Banda 6 - SWIR 1 1,57 - 1,65 30
Banda 7 2,08 - 2,35 30 Banda 7 2,09 - 2,35 30 Banda 7 - SWIR 2 2.11 - 2,29 30
Banda 6 10,40 - 12,50 120 • ( 30) Banda 6 10,40 - 12,50 60 • ( 30) 10.60 - 11.19
Banda 10 - Infrarrojos térmicos (TIRS) 1 Banda 11 - Infrarrojos 100 • ( 30)
térmicos (TIRS) 2 11,50 - 12.51

• Los productos procesados después del 25 de febrero de 2010 se vuelven a muestrear a píxeles de 30 metros.
18 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29
Figura 2. Bandas de sensores espectrales Landsat 8 comparadas con bandas de sensores Landsat 7 ETM +, modi fi ed fromUSGS Preguntas frecuentes sobre las misiones Landsat http://landsat.usgs.gov/ ldcm_vs_previous.php .
Cada conjunto de datos Landsat TM tiene doble cremallera, se suministra como un archivo comprimido
creado mediante el ensamblaje de colecciones de fi archivos en un solo archivo tar y luego comprimir ese
archivo con gzip. los fi archivo final, llamado tarball, es el archivo .tar.gz entregado fi le. Suelen ser de unos 140
Mb y se descomprimen en un archivo tar de unos 360 Mb. Cuando fi Finalmente descomprimidos, los datos
ocuparán aproximadamente el mismo espacio que el archivo, aunque si se convierten a un conjunto de datos
JPEG 2000 de seis bandas sin comprimir ocuparán sólo unos 80 Mb; los datos ráster equivalentes
almacenados en un formato binario, Band-Interleaved-by-Line (BIL) son mucho mayores a más de 300 Mb.
Los volúmenes de descarga de datos no son un problema para la mayoría de los geólogos, ya que tanto las
velocidades de descarga como los volúmenes de los proveedores de servicios son generosos y mejoran
continuamente. Mantener el archivo comprimido como se suministra es una buena copia de seguridad,
aunque descargar de nuevo desde la fuente es siempre una opción si el almacenamiento local es un
problema.
Una vez convertido a JPEG 2000 sin comprimir fi Por lo tanto, incluso el mayor conjunto de datos
regionales debería ser manejable. JPEG 2000 se puede utilizar para almacenar los valores enteros grandes
asociados con un conjunto de datos TM3, pero no puede manejar números no enteros. Como el proceso TM3
utiliza una suma de años, no un promedio, los datos sin procesar siempre deben ser números enteros. Sin
embargo, con la llegada de los datos Landsat 8 de 12 bits y la necesidad de reducirlos a un formato compatible
de 8 bits sin pérdida de detalles, los datos ya no serán números enteros, lo que aumentará potencialmente los
volúmenes de almacenamiento.
El tiempo necesario para descomprimir los datos, crear un conjunto de datos multibanda y sumar los datos
para crear el fi El conjunto de datos final de TM3 es de aproximadamente un minuto por año de datos, es decir,
alrededor de nueve minutos para una combinación de nueve años. Aunque esto es mucho más largo de lo que
se necesita para administrar una sola escena, no es una cantidad excesiva de tiempo considerando los
beneficios. fi ts descritos en este estudio. Se debe tener cuidado de verificar la georreferenciación de escena a
escena, ya que el procesamiento por parte del USGS muy ocasionalmente falla en producir un conjunto de datos
correctamente georreferenciado. Verificar las esquinas y el centro de una pila de datos es un paso sensato y que
agregará un poco más al tiempo de procesamiento general.
3.4. Fusión temporal
La técnica de fusionar datos de detección remota no es innovadora y, aunque ha sido explorada
por investigadores anteriores ( Weydahl, 1993; Pohl y Van Genderen, 1998 ), no se ha aplicado a los
datos Landsat de la forma descrita en este estudio. La técnica propuesta consiste en fusionar datos
Landsat sin procesar de un amplio rango temporal, elegidos para condiciones óptimas del terreno y
cobertura de nubes mínima o nula. Los datos de cada banda se suman para crear una nueva banda
de varios años fusionada. Esto normalmente daría un conjunto de datos de números enteros
grandes, aunque para los datos de Landsat 8, cada banda debe fi Primero se dividirá por 256 para
reducirlo a un espacio teórico de 8 bits, dando un fi conjunto de datos combinado final de números
reales. Esta técnica se ha hecho mucho más fácil y confiable con el
advenimiento de datos altamente procesados y disponibles gratuitamente del USGS ( Woodcock et
al., 2008 ). La técnica fue fi primero se aplicó con éxito a los datos de Landsat utilizando conjuntos de
datos limitados del invernadero australiano de fi ce (AGO) y servicios de teledetección (RSS) en el
gobierno de Australia Occidental ( Langford, 2007 ).
Pohl y Van Genderen (1998) describió y explicó principalmente la fusión de imágenes basada en
píxeles de datos de satélites de observación de la Tierra como una contribución al procesamiento de
datos orientado a la integración de múltiples sensores. El concepto de fusión de imágenes que
detallaron es un proceso que trata con datos e información de múltiples fuentes para fi información
necesaria o mejorada para la toma de decisiones ( Hall, 1992 ). Un general de fi La definición de fusión
de imágenes se da como: " La fusión de imágenes es la combinación de dos o más imágenes
diferentes para formar una nueva imagen mediante el uso de un determinado algoritmo. "( Van
Genderen y Pohl, 1994 ). La fusión de imágenes se realiza en tres niveles de procesamiento
diferentes según la etapa en la que tiene lugar la fusión; píxel, función o nivel de decisión. La fusión
de imágenes a nivel de píxel significa fusión en el nivel de procesamiento más bajo en referencia a la
fusión de parámetros físicos medidos, y esta es la técnica que se propone en este estudio.
Pohl y Van Genderen (1998) señaló que, además de los tres niveles en los que se puede
realizar la fusión, la fusión de imágenes se puede aplicar a varios tipos de conjuntos de datos:
• sensor temporal único Weydahl, 1993 ),
• multisensor temporal ( Pohl y van Genderen, 1995 ),
• sensor espacial único Cliche et al., 1985 ),
• multisensor espacial ( Chavez et al., 1991 ),
• multisensor de datos únicos ( Guyenne, 1995 ).
Este estudio solo analiza el fi Primera categoría, fusión temporal de un solo sensor, ya que se ha
convertido en una opción mucho más viable durante las últimas dos décadas a medida que han mejorado
el volumen, la calidad y la accesibilidad de los datos de Landsat.
Fusión temporal de un solo sensor propuesto por Weydahl (1993)
utilizó datos de SAR ERS-1 de un solo canal para el análisis y la clasificación fi catión de las
características del suelo. Propuso que la falta de información multiespectral podría compensarse en
parte adquiriendo datos en momentos predecibles o haciendo uso de la dimensión temporal. Usó
hasta cuatro imágenes y concluyó que la combinación de varias imágenes de SAR, adquiridas en
diferentes momentos sobre la misma área, muestra un aumento en la clasificación general. fi resultado
catiónico. Sin embargo, este resultado depende en gran medida de la combinación de imágenes, el
número de imágenes y el moteado. fi ltro método utilizado.
Langford (2007) señaló que los datos de imágenes de sensores remotos multibanda contienen
información sobre el patrón del paisaje y los cambios temporales que se subutilizan en el mapeo de la
forma del terreno y el lecho rocoso de regolitos. los
 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29
La fusión de datos de Landsat TM para una variedad de épocas para su uso en el mapeo del terreno,
produciendo lo que ahora se denominan imágenes Landsat TM3 o TM3, abordó de manera efectiva el
desafío de producir un conjunto consistente de imágenes en un área dominada por cambios estacionales
de vegetación y fi re cicatrices como el desierto de Tanami en el norte de Australia.
Si bien la mayoría de los usuarios se enfocarían naturalmente en las imágenes más recientes
como las más valiosas, la mejor manera de identificar patrones persistentes en el paisaje que se
relacionan con materiales geológicos es eliminando los efectos a corto plazo. La imagen más
reciente puede ser la peor en términos de fi re cicatrices, fl inundaciones y revegetación, así como la
degradación a largo plazo de los sensores satelitales. Se utilizó una suma aritmética simple o media
de los datos AGO y RSS para el Tanami de 1994 a 2005.
Langford (2007) para producir imágenes con una profundidad de color mejorada y una discriminación
de material geológico mejorada que complementara de manera más efectiva el detalle disponible en
las ortofotografías de alta resolución utilizadas para el mapeo geológico regional.
3.5. Imágenes de false color composite
Se pueden utilizar combinaciones de bandas Landsat TM para proporcionar descripciones
generales del paisaje y los materiales. Landsat TMBands 741 y 754, que se muestran como RGB,
pueden resaltar arcillas, vegetación y óxidos de hierro en un contexto amplio. Sin embargo, los efectos
topográficos, que pueden producir un albedo alto, contribuyen a la alta correlación entre las bandas y
son generalmente los efectos dominantes en las imágenes compuestas en color. Las imágenes de
banda única (por ejemplo, TM5) mostradas en escala de grises se pueden utilizar para resaltar detalles
espaciales. Tanto los compuestos de color como las imágenes en escala de grises son fondos útiles
para otras capas temáticas. Pueden integrarse de manera adecuada con los datos de espectroscopía de
rayos gamma y cubrirse con los datos DEM para mejorar las visualizaciones del terreno ( Wilford y
Creasey, 2002; Gozzard, 2004 ).
3.6. Imágenes de band ratio
El uso de relaciones de banda es un método de procesamiento de imágenes simple y útil para
mejorar la re espectral. fl diferencias de ectancia que ayudarán en la discriminación y mapeo de fi c
materiales que incluyen minerales, suelos y vegetación. Si las bandas utilizadas corresponden a las
posiciones de re fl picos de ectancia, depresiones de absorción y cambios en la curva de la pendiente,
luego el uso de relaciones entre bandas maximizará los contrastes espectrales y de absorción. Una
ventaja de usar proporciones es la supresión de las diferencias de iluminación causadas por la
topografía, ya que los materiales que tienen la misma relación espectral fl Las características de ectancia
tendrán el mismo valor de relación independientemente de las diferencias de brillo en la imagen original
( Gozzard, 2004 ). Las imágenes de proporciones generalmente están saturadas y no muestran
información topográfica, pero también pueden ser ruidosas debido a la profundidad de color limitada de
los datos Landsat TM de una sola época.
La experiencia ha demostrado ( Gozzard y Tapley, 1994; Tapley y Gozzard, 1994; Gozzard, 2004 )
que dos mejoras de imagen en particular pueden discriminar e identificar eficazmente una amplia
gama de materiales de regolito; se trata de relaciones entre bandas de las Bandas 5/7: 4/7: 4/2
(RGB) y una imagen de extensión de descorrelación de las Bandas 754 (RGB); las relaciones entre
bandas utilizadas se denominan aquí relaciones de Gozzard. Esta combinación es más eficaz para
resaltar la ocurrencia y sur relativo fi Concentraciones ciales de los minerales primarios que incluyen
hematita, goethita y caolinita dentro de los suelos, gravas y afloramientos rocosos de félsico y ma fi c
unidades Gozzard, 2004 ).
Las relaciones de banda también suprimen las variaciones relacionadas con la topografía, las
variaciones generales en fl diferencias de ectancia y brillo relacionadas con el tamaño del grano, al
tiempo que enfatiza las diferencias en la forma de la luz espectral. fl curvas de ectancia Rowan y col.,
1974; Abrams y col., 1983; Blodget y Brown, 1982; Sultan y col., 1986 ). La técnica de multiplicación y
relación de bandas maximiza la discriminación de rocas porque ciertas relaciones de bandas son
sensibles a especi fi c componentes químicos y mineralógicos de la roca.
19
3.7. Profundidad de color y proporciones de banda
Los datos de Landsats 4/5 y 7 se entregan como imágenes de formato de archivo de imagen con
etiquetas (TIFF) de 8 bits para cada banda, lo que limita la profundidad de color en una imagen de tres
bandas a color verdadero de 24 bits; 256 colores por capa (0 - 255). Los datos de Landsat 8 se entregan
como imágenes TIFF de 16 bits, aunque los datos se adquieren en formato de 12 bits. Aunque esta mejora
en la profundidad de bits resultará en mejores imágenes, particularmente con las relaciones de banda, los
datos todavía se fi ned a un rango temporal estrecho.
Cuando se combinan varios años de datos mediante la suma, la profundidad de bits aumenta.
Entonces, durante nueve años de datos de 8 bits, la profundidad de color es de 0 a 2304 colores por
capa (256 × 9), que es efectivamente Deep Color entre 10 y 12 bits. La combinación de 16 años de
datos crearía una imagen en color real de 12 bits (4096 colores), aunque este enfoque estricto para la
manipulación de datos no es necesario. Con Landsat 8, la combinación de varios años de datos
puede aumentar aún más la profundidad de bits y proporcionará una mejora adicional al método TM3
en el futuro. Al fusionar los datos de Landsat 8 con los datos más antiguos, los datos de 12 bits
simplemente se reducen a 8 bits por división, aunque los datos resultantes ya no son números
enteros.
En teoría, el ojo humano puede distinguir millones de colores, pero en la práctica es difícil. fi culto
para ver cualquier diferencia entre los colores en una imagen Deep Color creada a partir de un
conjunto de datos TM3 y una imagen convencional de 24 bits de color verdadero de una sola época.
Críticamente, la existencia de más matices de cada uno de los tres colores primarios significa que se
pueden realizar más operaciones en la imagen sin riesgo de bandas o posterización perceptibles; La
posterización se produce cuando la profundidad de bits aparente de una imagen se ha reducido tanto
que tiene un impacto visual. Esto se ve comúnmente en imágenes que usan relaciones de banda y
que se elimina cuando se crean imágenes TM3.
Cuando se utilizan relaciones de bandas o algoritmos más complejos, la claridad de la imagen
es fundamental para determinar los límites litológicos, las estructuras, los materiales de regolitos y
las posibles zonas de alteración. Fig. 3 proporciona un ejemplo de la aplicación de relaciones de
bandas en el mapeo de la estratigrafía proterozoica y el regolito asociado en el orógeno Capricornio
de Australia Occidental. La región es prospectiva para la mineralización de metales base
estratificados ( Cooper et al., 1998 ). Las relaciones entre bandas utilizadas son las relaciones de
Gozzard 5/7: 4/7: 4/2 (RGB) ( Gozzard y Tapley, 1994; Tapley y Gozzard, 1994 ). Esta combinación es
más eficaz para resaltar la ocurrencia y sur relativo fi Concentraciones ciales de los minerales
primarios que incluyen hematita, goethita y caolinita dentro de los suelos, gravas y afloramientos
rocosos de félsico y ma fi c unidades Gozzard, 2004 ).
Fig. 3 compara los datos del Landsat 5 de 2011 para parte de la Ruta 112Row77 con un conjunto de datos TM3
que comprende nueve años de datos del Landsat 5 desde 1987 hasta
2011. Tanto a nivel regional como local, las imágenes de TM3 parecen ser más nítidas y proporcionan
una discriminación de color más clara. A escala local, que suele ser de mayor interés para determinar los
objetivos de exploración, la imagen de una sola época no es fácil de interpretar. La imagen de TM3, sin
embargo, muestra unidades estratigráficas delgadas pero consistentes alrededor de 100 m de ancho, y
unidades de regolito cartografiables tan estrechas como 50 m.
3.8. Algoritmos complejos
El uso de algoritmos complejos para delinear áreas de interés geológico, generalmente con un
enfoque en el potencial de exploración o patrón de alteración, está muy extendido en la literatura. Por
muy bueno que sea el algoritmo en teoría, si se aplica a un conjunto de datos que no es lo
suficientemente bueno para la tarea, los objetivos de exploración resultantes serán, en el mejor de los
casos, deficientes. Con los datos de TM3, existe una mayor probabilidad de que el algoritmo funcione
según lo previsto y de que los minerales o anomalías objetivo se identifiquen correctamente. fi ed.
Uno de los algoritmos complejos más efectivos para discriminar una gama de diferentes
materiales de regolito es DPCA, desarrollado por Fraser y Green (1987) . La DPCA se utiliza para
separar arcillas en las imágenes derivando los componentes principales de las proporciones de las
Bandas 4/3 y 5/7. La proporción 4/3 mejora la vegetación verde y la proporción 5/7 mejora una
respuesta mixta de vegetación y arcilla. El DPCA que opera en estas relaciones de banda es capaz
de
20 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29

Fig. 3. Estratos del proterozoico en la cuenca de Bangemall (CapricornOrogen), Australia occidental, 160 km al suroeste de Newman, usando GozzardRatios (5/7: 4/7: 4/2). (A, C) Un año (2011). (D, C) TM3 de nueve años (1987 - 2011). Área regional
10 × 10 km, centro 118 ° 38 ′ 40 ″ E 24 ° 22 ′ 30 ″ S; área detallada 5 × 2,5 km, centro 24 ° 23 ′ 3 ″ S 118 ° 37 ′ 13 ″ MI.

separar la vegetación de la respuesta de la arcilla. los ' arcilla ' La banda (derivada del segundo
componente principal) se combina luego con una proporción de Bandas 5/4 (materiales ferruginosos)
y Bandas 7 + 1 (materiales ricos en sílice) en una imagen compuesta en color ( Wilford y Creasey,
2002 ).
Este procedimiento se ha aplicado tanto a un solo año de datos como a un conjunto de datos
TM3 de nueve años (1987 - 2011) de la Ruta 112 Fila 76, y muestran diferencias bastante claras ( Figura
4 ). La mina de hierro Hope Downs ubicada en la región de Pilbara de Australia Occidental, 100 km al
noroeste de Newman, se encuentra justo al oeste del área en estas imágenes.
Aunque el uso de datos térmicos mejorará con la creciente disponibilidad de datos de sensores
hiperespectrales que están diseñados para el mapeo de la superficie, usar los datos más limitados de
Landsat TM es una opción viable cuando se aplica la fusión temporal, dada la confiabilidad y calidad
mejoradas del resultado. imagen. A pesar de la dif fi En la interpretación de los datos de emitancia
térmica Landsat, la aplicación de la fusión temporal todavía se considera una técnica de
procesamiento adicional útil y, por lo tanto, esto se ha evaluado en este estudio.

No hay garantía de que la imagen de TM3 sea correcta, pero parece poco probable que la imagen
de un solo año sea una mejor representación de la realidad que la imagen del conjunto de datos de
TM3 fusionado. Además, los algoritmos a veces muestran resultados muy similares ( Figura 4 C - D) y, a
veces, resultados bastante diferentes ( Figura 4 mi - GRAMO).
3.9. Infrarrojos térmicos
La banda térmica Landsat TM, que se designa como Banda 6, tiene menor sensibilidad
radiométrica y una resolución espacial más gruesa, en relación con la re fl bandas activas Tabla 2 ). La
banda térmica responde a diferentes temperaturas y emisividades en el suelo. Esto produce
imágenes que muestran las diferencias relativas en la energía térmica emitida que se correlacionan
en parte con los efectos del calentamiento solar en superficies de diferente composición y
orientación.
La importancia del infrarrojo térmico como fuente potencial de información geológicamente útil
ha sido reconocida durante décadas ( Settle, 1981 ), y los resultados de la investigación indicaron que
la información geológica obtenida de las mediciones de infrarrojos térmicos generalmente
complementa y no duplica los tipos de información derivada de los datos espectrales. fl mediciones de
ectancia. Asentamiento (1981) llegó a la conclusión de que el infrarrojo térmico era una parte del
espectro subestimada y subutilizada desde un punto de vista geológico, y hasta cierto punto esta
situación no ha cambiado con respecto a los datos actuales del Landsat. A diferencia de los sensores
TIR más recientes, como los utilizados por ASTER, todos los sistemas Landsat hasta la fecha no han
sido diseñados para mapear la composición de la superficie y, por lo tanto, tienen un valor limitado
para los geólogos. Esto incluye las bandas TIR duales de Landsat 8 y la banda TIR única de Landsat
de la generación anterior.
3.10. Limitaciones de fusión temporal
Las dos situaciones de interés para la industria de la exploración donde TM3 puede no
proporcionar una mejor entrada de datos son la vegetación densa, como la selva tropical, y las áreas
extremadamente áridas. En el primer caso, hay tan poca superficie mineral re fl Es evidente que
ninguna cantidad de fusión puede amplificar la respuesta. En esta última situación, si hay poca o
ninguna vegetación, sin
fi re cicatrices o estacional fl En cambio, la respuesta de un solo año debería ser un poco diferente a la
de varios años fusionados. Sin embargo, aunque una imagen compuesta de color simple no muestra
prácticamente ninguna diferencia en áreas áridas, un algoritmo complejo, como los que usan
proporciones o componentes principales, aún puede mostrar una mejora notable.
4. Bene fi ts de la aplicación de la fusión temporal
4.1. Nube
El objetivo de cualquier adquisición de imágenes es fi Primero evite y luego minimice el impacto
de las nubes. Para conjuntos de datos a escala regional, que abarcan más de una combinación de
ruta-fila de escena, esto es dif fi culto, y en algunas áreas del mundo casi imposible de lograr para una
gran serie de tiempo. El impacto de las nubes variará, dependiendo de la extensión, forma y
densidad de las nubes. Los ejemplos en Figura 5 muestra una nube irregular con sombras densas. La
imagen de un año está claramente dominada por las nubes, mientras que la imagen TM3 True Color
muestra solo una tenue sombra. Las imágenes de Gozzard Ratios no muestran ningún signo obvio
de la nube cuando se utilizan los datos de TM3, pero sí un fuerte fl uencia en un solo año.
 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29 21

Figura 4. Weeli Wolli Creek, Hancock Range, Australia Occidental, 100 km al norte-oeste de Newman. (A) Topografía regional a escala 1: 250.000, con el recuadro rojo que muestra el área (B) a (G). (B) Color verdadero (321) para TM3 de nueve años (1987 - 2011).
(C) Mapeo de alteración de arcilla: hierro: sílice (RGB) (2011). (D) Como arriba para TM3 de nueve años (1987 - 2011). (E) Arcilla: arcilla + hierro: mapeo de alteración de hierro (RGB) (1987). (F) Como arriba (1999). (G) Como arriba para TM3 de nueve años (1987 - 2011).
Área 13 × 13 km, centro 22 ° 56 ′ S 119 ° 13 ′ MI.

Si los datos afectados por la nube se eligen como parte del conjunto de datos de TM3, entonces es anomalía o patrón percibido en la imagen TM3 para asegurarse de que no representa simplemente
importante poder ver los componentes de la combinación, así como la fi imágenes finales, para resolver un artefacto sutil relacionado con un solo evento como humo, nube, fi hay cicatrices o fl ooding.
problemas de interpretación que puedan estar relacionados con la nubosidad. Las imágenes Quick Look

proporcionadas por USGS son ideales para resolver cualquier incertidumbre sobre un solo evento dentro de

la serie de tiempo, como una nube o humo. 4.3. Cicatrices de fuego

4.2. Fumar
El humo tiene partículas de aerosol de dimensiones generalmente más pequeñas en comparación con
las gotas de agua en la nube, de modo que es relativamente transparente a longitudes de onda más largas ( norte
1 μ m, es decir, las bandas Landsat 5 y 7). Se muestra una serie de imágenes para la Cordillera Spinifex,
ubicada a unos 50 km al noroeste de Wiluna, Australia Occidental, y parte de Landsat Path 111 Row 78 ( Figura
6 ). En las imágenes de color verdadero, el residuo de una imagen TM3 ( Figura 6
mayor en la respuesta espectral, y la fi Las cicatrices son apenas perceptibles. Las imágenes del área
UNA - B) es menos obvio que para la nube ( Figura 5 UNA - SI). En el par de imágenes Gozzard Ratios ( Figura
6 C - D), el humo que es bastante evidente en un solo año, es muy dif fi culto para detectar en la imagen
de TM3.
Sin embargo, esto resalta la importancia de comprender y monitorear cualquier componente
anormal de un solo año, y verificar un
Gran parte del norte de Australia se encuentra en fl influido por frecuentes arbustos a gran escala fi
res, lluvias estacionales y posterior revegetación. El ejemplo de Landsat Path 103 Row 70 muestra el
beneficio fi ts de usar fusión temporal para regolito y mapeo litológico ( Figura 7 ). El área de Roper Bar,
600 km al sureste de Darwin, es prospectiva para la piedra de hierro oolítica.
Aplicando el mismo algoritmo a los datos regionales ( Figura 7 UNA - B) muestra
como el extenso fi Las cicatrices en la imagen de un año enmascaran las áreas que cubren y dan una
mala imagen en las áreas adyacentes. La imagen de TM3 muestra una variación regional mucho
local ( Figura 7 C - D) refuerza el dominio de la fi re cicatrices en la imagen de un año, enmascarando la
estratigrafía detallada y el patrón de regolito que es claro en la imagen de TM3.
22 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29

Figura 5. Impacto de las nubes sobre las dunas de arena adyacentes al río Gascoyne, a 90 kilómetros al este de Carnarvon, Australia occidental. (A) True Color (321) Landsat por un solo año (1987). (B) Conjunto de datos TM3 de nueve años de color verdadero. (C) Razones de Gozzard

(5/7: 4/7: 4/2) para 1987. (D) Razones de Gozzard Conjunto de datos TM3 de nueve años (1987 - 2011). Área 36 × 36 km, centro 25 ° 4 ′ S 114 ° 33 ′ MI.

4.4. Inundación
Estacional fl Las inundaciones son a menudo una característica de los ambientes semiáridos,
exacerbadas en áreas de topografía baja como el área del lago Nabberu, a unos 100 km al norte de Wiluna
en Australia Occidental ( Figura 8 ). Estas áreas están dominadas por regolitos, en los que las vías para la
dispersión geoquímica pueden estar oscurecidas, pero normalmente también contienen pequeñas áreas de
afloramiento que son críticas para identificar paleocanales.
usando una imagen de una sola época. Si la respuesta espectral de la superficie predominante es la
vegetación, ninguna cantidad de procesamiento superará esto, y cuando se combina con el efecto de
enmascaramiento visual del mosaico agrícola, las características geológicas más sutiles pueden ser
imposibles de distinguir. Para probar esto, se realizaron dos ensayos; el fi primero para ver si una
selección cuidadosa de la escena, evitando tiempos de exuberante vegetación verde, podría superar
el enmascaramiento, y el segundo para comparar el impacto de la agricultura en áreas de alta y baja
precipitación.

La imagen más antigua, de septiembre de 1987 (día 265) Landsat Path 111 Row 78, muestra
algo de agua en este sistema de lagos de playa, con diversos grados de secado después de la
temporada de lluvias anterior. La imagen más joven, de octubre de 2008 (día 275) y, por tanto, la
misma estación del año, está dominada por la desecación, sin agua estancada evidente. La imagen
de TM3 es claramente un compromiso entre los años más húmedos y más secos, por lo que no
representa la realidad, pero busca retratar los lagos de una manera generalizada que muestre áreas
que son consistentemente secas (marrón claro RGB; 741 azul) y áreas que están periódicamente fl ensombrecido
dos conjuntos de datos y diversos grados de crecimiento de la vegetación. Esto se comparó con una
(RGB azul grisáceo; 741 blanco-marrón claro) durante el período de las imágenes.
Aunque la imagen de TM3 es una vista idealizada del estado de los lagos de playa, tanto desde
una perspectiva de mapeo ambiental como de regolitos, esto crea un modelo más confiable y
consistente, asumiendo que la selección de los conjuntos de datos primarios no está sesgada. Para
un seguimiento estricto del cambio ambiental, es probable que la selección de datos sea más
rigurosa que para fines geológicos.
4.5. Agricultura intensiva
En áreas cultivadas intensivamente o con vegetación espesa, el método TM3 no es mucho
mejor para superar el efecto de enmascaramiento que
Las dos áreas seleccionadas son Bendigo District Gold fi campos del norte de Victoria, Australia,
con 511 mm de lluvia al año (27 - 55 mm / mes), y el Yilgarn Craton en los márgenes orientales del
cinturón de trigo de Australia Occidental, donde las precipitaciones rondan los 259 mm al año (8 - 41
mm / mes).
Dieciséis años de datos del Landsat 5 (1996 - 2011) en Path 93 Row 85
fueron seleccionados para el Bendigo District Gold fi campos, Victoria, con una capa de nubes menor en
selección de solo cuatro de esos años (2004 - 9) sin nubes y mínima vegetación. El conjunto de datos de
dieciséis años elegido al azar arrojó un resultado pobre y, aunque unos pocos años, cuidadosamente
seleccionados, dieron un resultado marginalmente mejor que muchos años de datos, las áreas agrícolas
como esta nunca revelaron más que un patrón espectral vago relacionado con el lecho rocoso.
Se adquirieron ocho escenas Landsat 5 y 7 para Path 113 Row 80 de 1987 a 2010. Éstas
cubren parte de la provincia de hierro de la región del Medio Oeste al este de Geraldton en la costa
occidental de Australia, dividida entre tierras cultivables en el oeste, dominadas por el cultivo de trigo,
y arbustos bajos, árboles y pastos perennes en los matorrales del este ( Figura 9 ).
Las precipitaciones son escasas y estacionales en Yalgoo en los márgenes orientales de la región,
con tasas de evaporación más altas que alrededor de Bendigo. La ausencia estacional de cobertura del
suelo en las áreas cultivables contrasta con la
 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29 23

Figura 6. Impacto del humo visto en arbustos fi res en Spinifex Range, 50 km al norte-oeste de Wiluna, Australia Occidental. (A) Color verdadero (321) para un solo año (1987). (B) True Color TM3 de nueve años (1987 - 2011). (C) Relaciones de Gozzard (5/7: 4/7: 4/2)
para 1987. (D) Relaciones de Gozzard TM3 de nueve años (1987 - 2011). Área 18 × 18 km, centro 26 ° 19 ′ S 119 ° 50 ′ MI.

Vegetación tenue y persistente en el monte. Idealmente, el procesamiento de cada área se llevaría a El conjunto de datos del año se puede manipular en áreas de matorrales para dar una imagen
cabo por separado, ya que el procesamiento de ambos juntos inevitablemente resultará en un cercana, pero no tan buena, a la del procesamiento TM3, resultó imposible superar el impacto de la
compromiso. Sin embargo, aunque el single especificación. fi c estacional

Figura 7. Impacto de fi cicatrices en las bandas elásticas de decorrelación 754 imágenes para parte de la provincia de hierro oolítico de Roper Bar, Territorio del Norte. (A) Escala regional para un solo año (2011). (B) TM3 de diez años a escala regional (2000 - 2011).
(C) Año único a escala local (2011). (D) TM3 de diez años a escala local (2000 - 2011). Área de escala regional 150 × 100 km, centro 14 ° 41 ′ S 134 ° 33 ′ MI; área de escala local 18 × 12 km, centro 14 ° 59 ′ S 134 ° 31 ′ MI.
24 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29

Figura 8. Impacto de la temporada fl en lagos salados 125 km al norte de Wiluna, Australia Occidental, usando True Color (izquierda) y Bandas 741 (derecha). (UNA - B) Año único (1987/265). (C - D) Año único (2008/275). (MI - F) TM3 de nueve años (1987 - 2011).
Área 18 × 36 km, centro 25 ° 36 ′ 42 ″ S 119 ° 58 ′ 59 ″ MI.

personajes de la imagen de una sola época en tierra cultivable. En estas áreas, la imagen de TM3 crecimiento, podría potencialmente superar algunos de los enmascaramiento en áreas más áridas como

proporciona una signi fi No se puede mejorar tanto en los patrones regionales como locales. Yalgoo.

Si la respuesta espectral de la superficie predominante es la vegetación, como en Bendigo, 4.6. Supervisión de cambios

ninguna cantidad de procesamiento superará esto, y cuando se combina con el efecto de

enmascaramiento visual del mosaico agrícola, las características geológicas más sutiles pueden ser El paradigma actual en el monitoreo o detección de cambios es usar épocas / años únicos, y
imposibles de distinguir. Sin embargo, una cuidadosa selección de la escena, evitando tiempos de posiblemente también específicos fi c temporadas. Si bien este método ampliamente adoptado tiene
exuberante vegetación verde. muchas ventajas, las comparaciones entre

Figura 9. Impacto de la agricultura de tierras secas en los márgenes del Yilgarn Craton, Australia Occidental. (A) Relación de Abrams a escala regional (5/7: 3/2: 4/3 arcilla: óxido de hierro: vegetación) para un solo año 2000. (B) Escala local, como arriba. (C) Razón de
Abraham a escala regional para TM3 de ocho años (1993 - 2010). (D) Escala local, como arriba. (E) TrueColour a escala regional (321) para TM3 de ocho años (1993 - 2010). (F) Escala local, como arriba. Área regional 100 × 100 km, centro 28 ° 56 ′ 30 ″ S 115 ° 51 ′ 15 ″ MI;
área local (recuadro blanco) 25 × 25 km, centro 28 ° 43 ′ S 116 ° 00 ′ MI.
 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29
Los años serán inevitablemente muy variables y, a veces, diferentes. fi cult to spot, especialmente si se
utilizan algoritmos de procesamiento complejos.
El método TM3 se puede utilizar para crear segmentos de tiempo cortos o largos, superpuestos o
contiguos, comenzando desde 1982 si los datos están disponibles. Por ejemplo, el cambio entre un
conjunto de datos TM3 para fi cinco años en la década de 1980 pueden compararse con una fusión de la
década de 1990, o una fusión de diez años entre 1995 y 2005 se puede comparar con una fusión
superpuesta de 2000 a 2005. La combinación de datos para una temporada durante una década puede
compararse de manera más confiable con otra temporada usando TM3, ya que las variables interanuales
son menos dominantes en los conjuntos de datos fusionados.
5. Ejemplos de aplicación de la fusión temporal
Probablemente hay una opinión entre los geólogos de exploración de que la última tecnología y
los datos más recientes siempre proporcionarán imágenes nuevas y más útiles para la orientación.
La progresión de los sensores MSS a través de la serie Landsat TM al Landsat 8 actual es de mayor
rango espectral y densidad, y resolución espacial mejorada, lo que agrega credibilidad a este
argumento. El método TM3 descrito en este estudio, sin embargo, proporciona una visión alternativa -
que los datos heredados se pueden aprovechar para proporcionar resultados comparables, útiles o
incluso mejores en la mayoría de los casos.
Los tres ejemplos proporcionados aquí cubren una pequeña gama de posibles aplicaciones y
beneficios potenciales. fi ts de usar imágenes TM3. los fi El primer ejemplo, del desierto de Tanami,
Australia Occidental, muestra que el método TM3 puede producir una guía más útil para el mapeo de
afloramientos y regolitos que incluso las imágenes más recientes de Landsat 8. El siguiente ejemplo,
que compara la cartografía publicada por el Servicio Geológico de Australia Occidental (GSWA) con
datos mejorados de teledetección espectrales y topográficos, ilustra las mejoras que se pueden
realizar en la cartografía de formas terrestres de regolitos; esto es particularmente útil para
comprender la dispersión geoquímica.
El siguiente ejemplo, de México ( Fernández de la Vega-Márquez et al., 2001 ), muestra cómo se
puede aplicar el método TM3 a datos de emisión térmica de baja resolución (TIRBand6). Aunque la
interpretación de las imágenes sigue siendo difícil fi culto, hay una mayor con fi Dencia que los patrones
mostrados en las imágenes sean reales o persistentes.
5.1. Mapeo de afloramientos y regolitos en la provincia de oro de Tanami
Este ejemplo del desierto de Tanami ( Figura 10 ) ilustra las desventajas
ventaja de centrarse en los últimos datos de Landsat 8 como los mejores. La región del desierto de
Tanami es el hogar de las minas Tanami y Granites, que se encuentran entre las minas de oro más
grandes de Australia; La operación de extracción de oro subterránea Coyote, actualmente en cuidado
y mantenimiento (2014), está ubicada cerca del borde este de Figura 10 UNA - SI.
Las escenas descargadas para Path 106 Row 74 cubren nueve años y tienen edades
comprendidas entre 1989 y 2013, en su mayoría de Landsat 5; Los datos más recientes son de
Landsat 8 y se utilizaron en las comparaciones en Figura 10 . Los datos se eligieron principalmente
por estar libres de nubes, por lo que su fecha es de mayo a octubre; en el Tanami esta es la estación
seca del invierno. La precipitación media anual en el Tanami es de más de 400 mm, pero en la
estación seca de mayo a septiembre, caen menos de 30 mm de lluvia en total.
Las imágenes de TM3 se utilizaron en el mapeo regional de formas terrestres de regolitos por
theGSWA ( Langford, 2007 ), y cuando se combinó con la topografía SRTM mejorada en múltiples escalas
Sus resultados se pueden replicar y posiblemente mejorar cuando se utilizan datos de TM3, en
produjo una poderosa herramienta de mapeo. Las imágenes de SRTM se crearon utilizando Landserf ( http://www.landserf.org/
), basado en la investigación de Madera (1996, 2009) , utilizando el remuestreo multiescala de los datos
para mejorar la visualización del relieve.
La imagen a escala regional utilizando datos de Landsat 8 ( Figura 10 A) tiene numeración
ous fi re cicatrices, y no muestra las características de drenaje a gran escala, así como la imagen
TM3 ( Figura 10 SI). En detalle, la imagen Landsat 8 de 2013 ( Figura 10 C) tiene parches brillantes
espectrales espúreos y escaso detalle en las colinas bajas, mientras que en la imagen TM3 ( Figura
10 D) es relativamente fácil separar áreas de afloramientos y rocas poco profundas (azul-verde
pálido) del regolito dominante (azul-rojo).
25
Dada la importancia del mapeo de afloramientos litológicos y el muestreo de rezagos geoquímicos
para una exploración minera exitosa, la capacidad de identificar con precisión los objetivos es
fundamental. A escala local, las dos imágenes (Landsat 8 y TM3) se pueden comparar con un mapa de
pendientes SRTM mejorado ( Figura 10 F), con contornos desde 410 - 460 m (verde a blanco). El área que
se muestra en Figura 10 mi - G es 100 km 2, con pendientes típicamente inferiores a 1 °, lo que hace que la
planificación transversal y la identificación del objetivo fi dif catión fi culto. La correlación entre el
afloramiento o el lecho rocoso poco profundo y el relieve es clara y fuerte en la imagen de TM3 ( Figura
10 G), pero no tan claro en la imagen reciente de Landsat 8 ( Figura 10 MI).
5.2. Mapeo geológico basado en Landsat
Las imágenes de teledetección se utilizan para la exploración de minerales para mapear la
geología, incluidas las fallas y fracturas que localizan los depósitos de mineral, y para reconocer rocas
alteradas hidrotermalmente por sus firmas espectrales ( Sabins, 1999 ). Sin embargo, las imágenes
Landsat suelen tener una resolución demasiado baja para hacer otra cosa que complementar el
mapeo geológico clásico. Se ha demostrado que la combinación de Landsat TM y datos topográficos
como SR TM es valiosa para el mapeo regional geológico y de formas de relieve de regolitos ( Gozzard
y Langford, 2004; Gozzard, 2004; Langford, 2007 ), cuando la escala del mapeo y la característica
identi fi catión coincide con la resolución de los datos de detección remota.
El campo de minerales Gascoyne en el oeste de Australia ( Figura 11 ) es región
aliado prospectivo para elementos de tierras raras, metales básicos y mineralización de uranio ( Cooper
et al., 1998 ). El mapa geológico publicado 1: 250.000 ( Figura 11 UNA; Thorne y col., 2006 ) muestra
un alto nivel de complejidad en el lecho rocoso y la estructura, y poca discriminación de materiales en
el regolito. El regolito es la vía principal para la dispersión geoquímica, y una comprensión clara de la
relación entre el material y la forma del terreno (mapeo del regolito-forma del terreno) es un
componente clave en la exploración minera exitosa.
En la topografía SRTM, mostrada con iluminación noroeste ( Figura 11 B), hay un abanico
disecado, mostrado por la flecha de dirección suroeste, que tiene más de 40 km de longitud con
pendientes de alrededor de 1: 600. Tanto la imagen TM3 ( Figura 11 C) y la imagen de pendiente SRTM
mejorada multiescala ( Figura 11 RE; Madera, 1996, 2009 ) muestran una complejidad
considerablemente mayor tanto en materiales de superficie como en accidentes geográficos. Las áreas
que se muestran como unidades de regolito idénticas en el mapa publicado tienen patrones y formas
de relieve bastante distintivos en estas dos imágenes. Esto tiene implicaciones para la planificación de
estudios de muestreo del terreno y la posible fuente de anomalías. Las imágenes también brindan una
idea de la evolución del paisaje y la posibilidad de identificar estilos de mineralización relacionados con
paleoambientes, como los depósitos de detritos y canales de hierro en Pilbara.
5.3. Alteración hidrotermal mediante infrarrojos térmicos Landsat TM3, México
En la exploración de minerales, las imágenes de satélite se han utilizado ampliamente para
identificar áreas alteradas hidrotermalmente y para identificar fallas y áreas de mineralización ( Goetz
y col., 1983; Kauffmann, 1988; Crosta y Moore, 1989; Loughlin, 1991; Wester, 1992; Van der Meer y
col., 1995 ). Fernández de la Vega-Márquez et al. (2001) llevó a cabo una investigación exhaustiva y
bien dirigida sobre el problema de la identificación de la alteración hidrotermal en fi culto, terreno con
vegetación en México.
lugar de un solo año ( Figura 12 ). De particular signi fi cance es la oportunidad que ofrece el
procesamiento TM3 para los datos infrarrojos térmicos, que a menudo se pasa por alto en los
estudios de prospectividad. La comparación con el trabajo de estos autores da cierto peso a la
utilidad de los datos de Landsat Band 6, aunque no si se utilizan de forma aislada.
Una sección de Landsat 5 Path 29 Row 46 fue utilizada por Fernández de la Vega-Márquez et
al. (2001) , tomada en abril de 1992; la banda térmica no se utilizó en su estudio debido a su baja
resolución. Los datos de TM3 se componen de nueve años que van desde 1994 a 2011, incluida la
banda térmica de ocho de esos años.
26 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29

Figura 10. Comparación de Landsat 8 reciente con Landsat TM3 en la provincia de oro de Tanami, Australia Occidental, utilizando las relaciones de Gozzard (5/7: 4/7: 4/2). (UNA - C) Escala regional, local y de afloramiento, año único reciente (2013). (RE - F) Escala
regional, local y de afloramiento, TM3 de nueve años (1989 - 2013). (G) Pendiente SRTM mejorada multiescala, noreste iluminado; negro 0 °, azul 0,3 °, blanco
0,6 °, rojo 2 °; contornos 410 - 460 m. Área regional 110 × 83 km, centro 20 ° 00 ′ S 129 ° 00 ′ MI; área local 28 × 24 km, centro 19 ° 59 ′ S 128 ° 31 ′ MI; primer plano (cuadro blanco) 10 × 10 km 19 ° 55 ′ 57 ″ S 128 ° 27 ′ 45 ″ MI.

Las comparaciones presentadas no pretenden ser una revisión crítica del trabajo de Fernández
de la Vega-Márquez et al. (2001) , pero debe verse como un intento de lograr una definición más clara fi
nición de zonas hidrotermalmente alteradas que identi fi ed y mapeado utilizando datos TM3. La
comparación en Figura 12 muestra claramente las zonas identi fi ed como alteración hidrotermal en la
imagen TM3. Sin embargo, la diferencia es notable pero no necesariamente significativa. fi no puedo,
y como lo hizo Fernández de la Vega-Márquez et al. (2001) , seguimiento fi El trabajo de campo
siempre es necesario.
tecnología futura, por lo que tiene una cobertura espacial muy limitada, al igual que el costoso sensor
AVIRIS en el aire. Aunque ASTER tiene cobertura mundial, solo ha estado operando desde diciembre
de 1999, lo que reduce el potencial de fusión temporal. Sin embargo, dado el costo relativamente bajo
y la cobertura en constante crecimiento, el mapeo de minerales utilizando la combinación temporal de
datos ASTER tiene un gran potencial.
Como los datos de Landsat están disponibles desde 1972 hasta el presente, esto permite a los usuarios

monitorear de manera efectiva los cambios a lo largo del tiempo, mientras que para los geólogos de

La cuestión de si la fusión temporal está dando mejor dirección a la fi Las actividades de campo exploración que trabajan a escala regional, esto brinda la capacidad de amplificar las respuestas débiles de la

se tratan mejor si se incluyen los datos de infrarrojos térmicos. Los autores optaron por no utilizar la superficie fusionando datos a lo largo del tiempo. Esto es particularmente útil para el mapeo regional

estructural y de regolitos, en lugar del mapeo de minerales y alteraciones del área local para los que ASTER

fl ectancia (Banda 6) debido a la baja resolución, aunque puede ser que la falta de una dimensión es más adecuado.

temporal sea más importante que la resolución, ya que los máximos térmicos en la imagen TM3
muestran una fuerte correlación con los fi editado por los autores.
6. Landsat 8 y el futuro del procesamiento de fusiones temporales
Los sensores a bordo de la serie de satélites Landsat pueden carecer de resolución y
sensibilidad espectral en comparación con alternativas como Hyperion, ASTER y AVIRIS, pero tienen
dos dimensiones que ningún otro conjunto de datos de detección remota tiene actualmente en el
mismo grado; tiempo y cobertura. Hyperion, lanzado en 2000, sigue siendo un banco de pruebas
para
Aunque los datos de 12 bits en Landsat 8 son comparables a los datos de una fusión de varios
años, una sola imagen no puede superar los efectos de enmascaramiento a corto plazo del crecimiento
de la vegetación. fi hay cicatrices y fl lo que las imágenes TM3 pueden lograr. Pasarán muchos años, si no
décadas, antes de que el mayor rango dinámico de los datos de Landsat 8 pueda reemplazar el valor que
se puede obtener mediante la fusión temporal de los datos de Landsat 4/5 y 7. Sin embargo, la fusión
temporal de los datos de Landsat 8 representará, con el tiempo, una mejora adicional del método TM3,
aprovechando las bandas adicionales y la discriminación de longitud de onda de banda más ajustada ( Figura
2 ). Esto beneficiará fi t Coincidencia de firmas espectrales y otras técnicas de discriminación de objetivos.
 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29
Figura 11. Uso de imágenes TM3 y topografía SRTM mejorada para mejorar el mapeo de formas terrestres de regolitos y el muestreo geoquímico. Campo Mineral Gascoyne, Australia Occidental, prospectivo regional para elementos de tierras raras,
metales base y uranio. (A) Publicado 1: 250.000 mapa geológico ( Thorne y col., 2006 ). (B) Topografía SRTM, noroeste iluminado, con abanico a lo largo de la flecha. (C) Cocientes de Gozzard (5/7: 4/7: 4/2) en TM3 de nueve años (1987 - 2011) que muestra
una firma regolítica compleja. (D) Pendiente SRTM mejorada multiescala, noroeste iluminada; negro 0 °, azul
0,3 °, blanco 0,6 °, rojo 2 °. Área 40 × 40 km; centro 23 ° 49 ′ S 116 ° 00 ′ MI.
7. Discusión
Existe una gran cantidad de algoritmos de procesamiento que se han utilizado para el mapeo
geológico y de alteración. Independientemente de los algoritmos utilizados para procesar los datos, el
enfoque más comúnmente adoptado es seleccionar una sola escena, a menudo la más reciente, para su
procesamiento. Hasta cierto punto, las imágenes también se eligen basándose tanto en la estética como
en la ciencia, y muchos autores eligen modificar o ajustar los algoritmos existentes para resaltar las
especificaciones. fi c aspectos de relevancia para su investigación. Este estudio no intenta proporcionar
nuevos o modi fi ed, y utiliza imágenes que están diseñadas para ilustrar una especificación fi c ventaja del
procesamiento de TM3, o reproducir el trabajo publicado con fines comparativos. El documento se centra
en mejorar la entrada principal para el procesamiento posterior, no los resultados o el uso de ese
procesamiento. Eso quedará en manos de aquellos que decidan adoptar TM3 para la entrada de datos
según sus especificaciones. fi c área de investigación.
La revisión de la literatura muestra que el uso de datos fusionados temporalmente en apoyo de la
exploración minera no es un negocio central para los investigadores en el fi vejez. Para la mayoría de los
investigadores no geológicos, el énfasis está en conjuntos de datos compuestos, a menudo construidos
utilizando algoritmos complejos, en apoyo de la detección de cambios en la agricultura, la silvicultura, la
degradación ambiental y el uso de la tierra. El procedimiento TM3 en este estudio está respaldado por la
simplicidad en la construcción del conjunto de datos y la aplicación de algoritmos que se utilizan y
comprenden bien en la industria y la academia de recursos minerales.
Este estudio no está diseñado para probar la veracidad de ningún algoritmo de procesamiento en
particular, ni para promover o desarrollar nuevos algoritmos. Más bien, el trabajo que se describe aquí
muestra la importancia de una buena selección de datos,
27
y especi fi calicamente las ventajas de utilizar datos TM3. Los ejemplos elegidos están destinados a
mostrar cómo algunos procesos pueden dar resultados falsos con una sola época y, lo que es más
importante, cuánto más claros y confiables resultados se pueden obtener con los datos de TM3.
Existe amplia evidencia de que los datos multiespectrales e hiperespectrales pueden dar buenos
resultados, pero este estudio también da motivos de precaución. Si una sola época de datos de
Landsat puede ser tan diferente de los datos de TM3, existen muchas razones para sospechar que
una sola época de cualquier fuente de datos también deberá tratarse con precaución.
Si bien será posible con el tiempo ensamblar un conjunto de datos TM3 para prácticamente
cualquier dato de detección remota, a corto plazo esto no es factible actualmente, y a largo plazo el
costo seguirá siendo un fi factor importante en comparación con el acceso gratuito a los datos de
Landsat. Sin embargo, si el acceso gratuito a los datos de ASTER se extiende fuera de los EE. UU. Y el
mundo académico, la aplicación de los métodos descritos en este estudio tiene el potencial de agregar
más valor. Por lo tanto, existe un argumento convincente para utilizar los datos de TM3 para la
focalización de exploración regional. Este conjunto de datos mejorado también tiene la capacidad de
impulsar el desarrollo de nuevos algoritmos de procesamiento y volver a fi de algoritmos existentes,
posiblemente con un elemento más cuantitativo.
Interpretadas correctamente, las imágenes Landsat TM procesadas tienen un significado fi-
No puedo desempeñar un papel importante en ayudar a dilucidar los componentes geológicos y
regolíticos del paisaje. La interpretación de datos mejorados de Landsat TM permite una discriminación
efectiva de una amplia gama de fi depósitos ciales (unidades de forma de relieve de regolito), superficies
rocosas erosionadas y, a través de ellas, el tipo de lecho rocoso fresco subyacente. Además, la
información sobre los procesos geomórficos que operan en el medio ambiente, la procedencia de
28 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29
Figura 12. Comparación de imágenes publicadas ( Fernández de la Vega-Márquez et al., 2001 ) con imágenes TM3 para áreas de alteración hidrotermal (óxidos de hierro e hidroxilos) en la geotermia La Primavera fi campo, México. (A) Minerales de óxido e
hidroxilo utilizando relaciones de banda 3/1: 5/7: 3/1 + 5/7 (publicado Figura 6 ). (B) Imagen de óxido e hidroxilo TM3 de nueve años (1994 - 2011). (C) Áreas de alteración hidrotermal (óxidos de hierro e hidroxilos; publicado Figura 10 ). (D) Emitancia térmica
TM3 Banda 6 de ocho años (1994 - 2011). Área 24 × 23 km, centro 20 ° 38 ′ 25 ″ N 103 ° 32 ′ 55 ″ W.
Los materiales, los niveles de despojo del paisaje y el desarrollo del drenaje se pueden interpretar a partir
de imágenes adecuadamente mejoradas ( Gozzard, 2004 ). Aunque se necesita más esfuerzo para
seleccionar y fusionar los datos necesarios para un conjunto de datos TM3, es más fácil unir los bordes
de la escena y, una vez ensamblados, es más fácil producir imágenes útiles. Se pueden agregar más
años de datos rápidamente a medida que estén disponibles, y se pueden restar fácilmente años de
datos. Un conjunto de datos TM3 bien construido tiene el potencial de mejorar con la edad, reduciendo
aún más la incertidumbre de la exploración.
8. Resumen
Se ha hecho un uso extensivo de Landsat para una variedad de propósitos relacionados con la
tierra, incluyendo cambio de tierra, monitoreo ambiental, mapeo de vegetación, mapeo geológico y
exploración. Sin embargo, estos usos se han basado casi exclusivamente en una sola escena,
mosaicos de escenas o series de tiempo para proporcionar soluciones y, por lo general, consideran que
los datos más recientes son los más útiles. Este estudio muestra las trampas de depender de entradas
de datos limitadas y la clara posibilidad de que los patrones de alteración, las estructuras geológicas y
la distribución del regolito se malinterpreten o se pierdan por completo. Este estudio no ha anulado ni
criticado las conclusiones alcanzadas en trabajos anteriores, sino que simplemente muestra cómo se
puede utilizar potencialmente el proceso TM3 propuesto, si no para dar una respuesta mejor o
diferente, al menos para mejorar la situación. fi dencia en los resultados.
Una mejor entrada de datos al inicio del proceso de exploración no es un sustituto de fi mapeo de
campo, validación y muestreo, pero vale la pena utilizar cualquier proceso que requiera poco tiempo y
esfuerzo si puede proporcionar objetivos claros y sin ambigüedades. El método descrito aquí fue fi utilizado
por primera vez en un conjunto de datos temporales limitados en el Tanami ( Langford, 2007 ) y
posteriormente ampliado para apoyar la cartografía regional para una gama de GSWA
proyectos. Estos se basaron en conjuntos de datos limitados de Commonwealth AGO y Western
Australian RSS, en un momento en que no era posible el acceso gratuito a datos de alta calidad
directamente desde el USGS. Desde entonces, con acceso ilimitado al archivo de USGS, ha sido
posible demostrar mejoras adicionales al trabajo inicial.
La capacidad de elegir una hora particular del día o del año, o de elegir una fi c temporada, solo
mejorará con el tiempo. Esto también se aplicará a otros conjuntos de datos teóricamente mejores,
aunque actualmente Landsat tiene la ventaja sobre todas las demás fuentes en términos de rango
temporal. Además, la calidad de los datos proporcionados por el USGS permite al usuario ir
directamente a la fusión temporal sin la necesidad de más que una verificación rápida de la precisión
del geoprocesamiento.
Las imágenes de TM3 no son una panacea y, en algunos entornos, tendrán dificultades como lo haría
un solo conjunto de datos. La vegetación espesa siempre enmascarará la respuesta de la superficie,
aunque este trabajo ha demostrado que en algunas áreas cultivables estacionalmente, el proceso puede
superar estas variaciones. El trabajo también ha demostrado que la selección cuidadosa de unos pocos
años de datos puede superar tanto al conjunto de datos único como a un conjunto de datos TM3 de muchos
años de datos seleccionados al azar.
Entradas a las estrategias de exploración que son fl awed aumentará los costos y disminuirá las
tasas de éxito. La tendencia en la exploración minera hacia el uso de conjuntos de datos de mayor
resolución con mayor profundidad espectral indudablemente mejorará el éxito a escala local, pero
con un costo. El uso del procesamiento TM3, aprovechando el amplio rango temporal en continuo
crecimiento en los datos Landsat, aún no se puede replicar de otras fuentes y se ha demostrado que
proporciona patrones consistentes, claros y reproducibles en una variedad de entornos. Los datos de
infrarrojos térmicos de baja resolución, que a menudo se pasan por alto, también pueden adquirir un
mayor signi fi cancela la focalización mediante el proceso TM3.
 RL Langford / Ore Geology Reviews 68 (2015) 14 - 29
Agradecimientos
Los datos de Landsat utilizados en este estudio son distribuidos por Land Processes Distributed
Active Archive Center (LP DAAC), ubicado en USGS / EROS, Sioux Falls, SD ( http://lpdaac.usgs.gov ).
David Howard, Geofísico Jefe, Servicio Geológico de Australia Occidental, apoyó la investigación
inicial sobre la fusión temporal en apoyo del mapeo regional y de regolitos y formas terrestres.
Referencias
Abrams, MJ, Brown, D., Lepley, L., Sadowski, R., 1983. Detección remota de pórfido
depósitos de cobre en el sur de Arizona. Econ. Geol. 78, 591 - 604.
Baker, MCW, 1987. Identi fi cationes y características espectrales de la alteración hidrotermal
sobre imágenes Landsat TM del norte de Chile. Instituto Australasiano de Minería y Metalurgia, Congreso
Internacional sobre Geología, Estructura, Mineralización y Economía del Pacífico fi c Rim, Broadbeach, Australia.
Blodget, WH, Brown, GF, 1982. Cartografía geológica mediante el uso de
imágenes mejoradas del oeste de Arabia Saudita. US Geol. Surv. Prof. Pap. 1153 (10 págs.).
Chávez, PS, Sides, SC, Anderson, JA, 1991. Comparación de tres métodos diferentes para
fusionar datos multiresolución y multiespectrales: TM y SPOT pan. Photogramm. Ing. Remoto. Sens. 57, 295 - 303.
Cliche, G., Bonn, F., Teillet, P., 1985. Integración del canal SPOT Pan en su multiespecífico
modo tral para mejorar la nitidez de la imagen. Photogramm. Ing. Remoto. Sens. 51, 311 - 316.
Cooper, RW, Langford, RL, Pirajno, F., 1998. Apariciones minerales y potencial de exploración
tial de la Cuenca Bangemall. Oeste. Aust. Geol. Surv. Rep.64 (42 págs.).
Coppin, P., Bauer, M., 1996. Detección de cambios digitales en ecosistemas boscosos con control remoto
detección de imágenes. Sensores remotos Rev.13, 234 - 237.
Coppin, P., Jonckheere, I., Nackaerts, K., Muys, B., Lambin, E., 2004. Cambio digital
métodos de detección en el seguimiento de ecosistemas: una revisión. En t. J. Remote Sens. 25, 1565 - 1596.
Crosta, A., Moore, JMM, 1989. Mejora de las imágenes de Landsat Thematic Mapper para
Mapeo de suelos residuales en el suroeste del estado de Minais Gerais, Brasil: un caso histórico de prospección en el
terreno del cinturón de Greenstone. Actas de la 7ma Conferencia Temática ERIM: Teledetección para la Geología de
Exploraciónpp. 1173 - 1187.
Fernández de la Vega-Márquez, T., Prol-Ledesma, RM, Orozco, G., 2001. Al- hidrotermal
mapeo de estructuras principales y teración usando imágenes TM en geotermia La Primavera
fi eld (México). Geofís. En t. 40 (3), 147 - 162.
Fraser, SJ, 1991. Discriminación e identi fi catión de óxidos férricos utilizando satélite Temático
Datos del mapeador: un estudio de caso de Newman. En t. J. Sensores remotos. 12 (3), 635 - 641.
Fraser, SJ, Green, AA, 1987. Un software defoliante para el análisis geológico de relaciones de bandas.
En t. J. Sensores remotos 8, 525 - 532.
Goetz, AF, Rock, FH, Rowan, BN, 1983. Teledetección para exploración: una descripción general.
Econ. Geol. 78, 573 - 590.
Gozzard, JR, 2004. Parte 2: mapeo predictivo de formas terrestres de regolitos en el taller SEG 2004
1. Cómo mirar, en y a través del regolito para Ef fi cient PredictiveMineral Discoveries, Notas del taller. SEG,
Perth, Australia Occidental (163 págs.).
Gozzard, JR, Langford, RL, 2004. Modelos de paisaje de alta resolución y detección remota
en cartografía geológica predictiva. 12a Conferencia de Australia sobre Percepción Remota y Fotogrametría,
Fremantle, 18 - 22 de octubre de 2004.
Gozzard, JR, Tapley, IJ, 1994. Mapeo mejorado de formas terrestres de regolitos usando Landsat TM
imaginería como una ayuda para la exploración mineral en el distrito de Lawlers, noreste de Gold-
fi Región de campos, Australia Occidental. Actas de la 7a Conferencia Australasia de Teledetección, 1 - 4 de
marzo de 1994, Melbourne, Australia.
Guyenne, T.-D., 1995. Imagen en tándem multitemporal ERS-1/2: Helsinki (Finlandia). Supl.
Earth Obs. P. 48, 4.
Hall, DL, 1992. Técnicas matemáticas en fusión de datos multisensor. Artech House Inc.,
Norwood.
Healey, SP, Cohen, WB, Yang, Z., Krankina, ON, 2005. Comparación de gorra con borlas
estructuras de datos Landsat basadas para su uso en la detección de perturbaciones forestales. Ambientes Sensores Remotos. 97, 301 - 310.
Jiang, D., Zhuang, D., Huang, Y., 2011. Investigación de la fusión de imágenes para la teledetección
solicitud. En: Zheng, Y. (Ed.), Aplicaciones de percepción remota, Fusión de imágenes y sus aplicaciones.
InTech. ISBN: 978-953-307-182-4, págs.1 - 18 http://dx.doi.org/10.5772/ 10548 (Disponible de: http://www.intechopen.com/books/image-fusion-and-itsapplications/survey-of-multispectral-image-fusion-techniques-in-remote-sensingapplications
Wood, J., 1996. La caracterización geomorfológica de modelos digitales de elevación. (Doctor
).
Kauffmann, H., 1988. Exploración de minerales a lo largo de la estructura Aqaba-Levant mediante el uso de TM-
datos: conceptos, procesamiento y resultados. En t. J. Remote Sens. 9, 1639 - 1658.
Kennedy, RE, Cohen, WB, Schroeder, TA, 2007. Detección de cambios basada en trayectoria para
caracterización automatizada de la dinámica de las perturbaciones forestales. Ambientes Sensores Remotos.
110, 370 - 386.
Kennedy, RE, Yang, Z., Cohen, B., 2010. Detectar tendencias en la alteración y recuperación forestal
ery usando series temporales anuales de Landsat: LandTrendr - algoritmos de segmentación temporal. Ambientes
Sensores Remotos. 114, 2897 - 2910.
Key, T., Warner, TA, McGraw, JB, Fajvan, MA, 2001. Una comparación de multiespectral y
información multitemporal en imágenes de alta resolución espacial para clasi fi cación de especies de árboles individuales
en un bosque templado de frondosas. Ambientes Sensores Remotos. 75, 100 - 112.
Knepper, DH Jr, 1989. Mapeo de la alteración hidrotermal con Landsat Thematic Mapper
datos. 28th International Geological Congress Guidebook T182pp. 13 - 21.
29
Kuemmerle, T., Roder, A., Hill, J., 2006. Separación de arbustos y vegetación de pastizales
mediante análisis de mezcla espectral adaptativo de píxeles de varias fechas. En t. J. Remote Sens.27, 3251 - 3271.
Langford, RL, 2007. Mapeo del terreno de regolitos en el Tanami. Geología de Australia Occidental
Cal Survey Record 2007 / 2pp. 3 - 4.
Liu, QJ, Takamura, T., Takeuchi, N., Shoa, G., 2002. Mapeo de la vegetación boreal de una tem-
peratemountain en China por imágenes multitemporales Landsat TM. En t. J. Remote Sens.
23, 3385 - 3405.
Loughlin, WP, 1991. Análisis de componentes principales para mapeo de alteraciones. Photogramm.
Ing. Remoto. Sens. 57, 1163 - 1169.
Lu, D., Mausel, P., Brondizio, E., Moran, E., 2004. Cambiar las técnicas de detección. En t.
J. Remote Sens.25, 2365 - 2407.
Lunetta, RS, Johnson, DR, Lyon, JG, Crotwell, J., 2004. Impactos de la frecuencia temporal de las imágenes
consultoría sobre el seguimiento de la detección de cambios en la cobertura terrestre. Ambientes Sensores Remotos. 89, 444 - 454.
Mas, J.-F., 1999. Monitoreo de cambios en la cobertura terrestre: una comparación de tecnología de detección de cambios
niques. En t. J. Sensores remotos 20, 139 - 152.
Mitchell, JJ, Shrestha, R., Moore-Ellison, CA, Glenn, NF, 2013. Una y varias citas
Landsat classi fi cationes de basalto para apoyar los esfuerzos de levantamiento de suelos. Sensores remotos.2013 (5), 4857 - 4876.
Pohl, C., Van Genderen, JL, 1995. Fusión de imágenes de microondas y teledetección óptica
datos para la actualización de mapas en los trópicos. Procesamiento de imágenes y señales para teledetección, Actas
EUROPTO'95, París, Francia, 25 - 29 de septiembre de 1995. SPIE 2579, 2 - 10.
Pohl, C., Van Genderen, JL, 1998. Fusión de imágenes multisensores en teledetección: conceptos,
métodos y aplicaciones. En t. J. Remote Sens. 19 (5), 823 - 854.
Ribeiro de Almeida, TI, Crosta, AP, 1997. Re fl espectrometría de ectancia de rocas del
Comstock Lode (Virginia City, Nevada, EE. UU.) Y su comparación con la difracción de rayos X. Boletim
IG-USP. Sér. Cientí fi ca 28, 85 - 100.
Rowan, LC, Wetlaufer, PH, Goetz, AFH, Billingsley, FC, Stewart, JH, 1974. Discrimina
ción de tipos de rocas y detección de áreas alteradas hidrotermalmente en el centro-sur de Nevada mediante el uso de
imágenes ERTS mejoradas por computadora. US Geol. Surv. Prof. Pap. 883, 35p.
Sabins, FF, 1999. Teledetección para exploración minera. Ore Geol. Apocalipsis 14, 157 - 183.
Taller de aplicaciones geológicas de las técnicas de teledetección infrarroja térmica. En:
Settle, M. (Ed.), Informe técnico del Instituto Lunar y Planetario 81-06. Instituto Lunar y Planetario, Houston (138
págs.).
Singh, N., Glenn, NF, 2009. Análisis espectral multitemporal para cheatgrass ( Bromus
tectorum) clasi fi catión. En t. J. Remote Sens.30, 3441 - 3462.
Sultan, M., Arvidson, RE, Sturchio, NC, 1986. Mapeo de serpentinitas en el Desierto E de
Egipto utilizando datos de Landsat Thematic Mapper. Geología 14, 995 - 999.
Tapley, IJ, Gozzard, JR, 1994. Técnicas de procesamiento Landsat Thematic Mapper para
Mapeo de formas terrestres de regolitos en Eastern Gold fi campos de la región de Australia Occidental. Actas de la
7a Conferencia Australasia de Teledetección, 1 - 4 de marzo de 1994, Melbourne, Australia.
Thorne, AM, Sheppard, S., Martin, D. McB., Occhipinti, SA y Copp, IA, 2006.
Edmund, WA Hoja SF 50-14 (2da edición). Servicio geológico de Australia Occidental, 1: 250.000 Serie
geológica.
Van der Meer, F., Van Dijk, PM, Westerhof, AB, 1995. Clases digitales fi catión del contacto
aureola metamórfica a lo largo del batolito de Los Pedroches, centro-sur de España, utilizando datos de Landsat
Thematic Mapper. En t. J. Remote Sens.16, 1043 - 1062.
Van Genderen, JL, Pohl, C., 1994. Fusión de imágenes: problemas, técnicas y aplicaciones. En:
Van Genderen, JL, Cappellini, V. (Eds.), Intelligent Image Fusion, Proceedings EARSeL Workshop, Estrasburgo,
Francia, 11 de septiembre de 1994. ITC, Enschede, págs. 18 - 26.
Van Niel, TG, McVicar, TR, 2004. Determinación de ventanas temporales para discriminación de cultivos
ción con teledetección: un estudio de caso en el sureste de Australia. Computación. Electrón. Agric. 45, 91 - 108.
Wang, J., Lang, P., 2009. Detección de cipreses en la península de Florida utilizando
análisis de subpíxeles y SIG. Sensores remotos 1, 1028 - 1042.
Wester, K., 1992. Mediciones de firma espectral y procesamiento de imágenes para aplicaciones geológicas
Sensores remotos. (Tesis doctoral), Departamento de Geografía Física, Universidad de Estocolmo, Estocolmo
(130 págs.).
Weydahl, DJ, 1993. Análisis multitemporal de imágenes de ERS-1 SAR sobre áreas terrestres. Mejor
Comprensión del medio ambiente de la Tierra, Actas 13th Annual IEEE International Geoscience and Remote
Sensing Symposium (IGARSS'93), Tokio, Japón, 18 - 21 de agosto de 1993. IEEE, Nueva York, págs. 1459 - 1461.
Wilford, J., Creasey, J., 2002. Mapeador temático Landsat. En: Papp, É. (Ed.), Geofísica y
métodos de teledetección para la exploración de regolitos. CRC LEME Open File Report 144, pág.6 - 12.
Tesis), Universidad de Leicester ( http://www.soi.city.ac.uk/~jwo/phd ).
Wood, J., 2009. Capítulo 14 Geomorfometría en LandSerf. En: Hengl, Tomislav, Reuter,
Hannes I. (Eds.), Desarrollos en la ciencia del suelo. 0166-2481 vol. 33. Elsevier. ISBN:
9780123743459, págs.333 - 349. http://dx.doi.org/10.1016/S0166-2481(08)00014-7
( http://www.sciencedirect.com/science/article/pii/S0166248108000147 ).
Woodcock, CE, Allen, RG, Anderson, M., Belward, A., Bindschadler, R., Cohen, WB, Gao,
F., Goward, SN, Helder, DL, Helmer, EH, Nemani, R., Oreopoulos, L., Schott, JR, Thenkabail, PS, Vermote, EF,
Vogelmann, JE, Wulder, MA, Wynne, R., 2008. Acceso gratuito a imágenes Landsat. Science 320 (5879), 1011. http://dx.doi.org/
science.320.5879.1011a .
Wulder, MA, Skakun, RS, Dymond, CC, Kurz, WA, White, JC, 2005. Caracterización de
la precisión cada vez menor en la detección de daños por insectos forestales a lo largo del tiempo. Poder. J. Remoto. Sens. 31, 421 - 431.
Zhao, T., Zhang, F., Chen, N., 1990. Una técnica automática y su efecto mediante el uso de Landsat
TMData para extraer información de alteración hidrotermal en el área de roca volcánica subtropical. Conferencia
Asiática sobre Teledetección ( http://www.aars.org/aars/proceeding/ ACRS1990 / Papers / GD290-1.htm ).