ESTUDIO GEOLÓGICO PARA DETERMINAR POSIBLES ZONAS CON PRESENCIA DE

MINERALIZACIÓN AURÍFERA MEDIANTE LA APLICACIÓN DE TÉCNICAS DE

PROCESAMIENTO A UNA IMAGEN LANDSAT – 8 EN UN ÁREA DEL ESTADO
BOLÍVAR, VENEZUELA

GEOLOGICAL STUDY TO DETERMINE POSSIBLE ZONES WITH PRESENCE OF GOLD

MINERALIZATION THROUGH THE APPLICATION OF PROCESSING TECHNIQUES TO
A LANDSAT - 8 IMAGE IN AN AREA OF BOLIVAR STATE, VENEZUELA

Jesús E. Camacho A , Natalia N. Rojas V

Unidad de Mediciones Científicas, Dirección de Aplicaciones Espaciales, Agencia Bolivariana para las
Actividades Espaciales, Caracas, Venezuela.
jcamacho@abae.gob.ve, nrojas@abae.gob.ve

Resumen
Al definir zonas con presencia de mineralización aurífera en áreas extensas del Estado Bolívar, resultan
de utilidad las imágenes de satélite Landsat 8. El objetivo general de este estudio es determinar
posibles zonas con presencia de mineralización aurífera aplicando las técnicas de procesamiento a una
escena LANDSAT-8, con objetivos fundamentales de descargar la información requerida en los
portales de acceso a data satelital, procesar la escena con diferentes técnicas para su uso en prospección
minera y elaborar mapas temáticos partiendo de la información proveniente de los cálculos en SIG para
futuras prospecciones mineras. Por lo tanto, la identificación de mineralización aurífera se realizó
mediante la aplicación, análisis y comparación de distintos métodos de trabajo, como la combinación
de bandas multiespectrales, permitiendo resaltar y contrastar las estructuras presentes en la superficie,
así como la determinación de alteraciones propilíticas o argílicas y cocientes de bandas; siendo estas
herramientas muy efectivas para detectar minerales asociados con anomalías representativas a
depósitos auríferos; el análisis de los componentes principales, que permitió diferenciar la información
espectral de los minerales de interés contenida en las bandas multiespectrales, reforzando los datos
obtenidos. Gracias al procesamiento de esta imagen de satélite de observación de la tierra Landsat 8 se
logró la elaboración de productos temáticos, pues cuenta con 11 bandas en diferentes longitudes de
onda que son sensibles a la presencia de determinados componentes mineralógicos, necesarios para
poder estimar la probabilidad de la presencia de oro en el área analizada. Finalmente, se determinó de
una manera más precisa y cuantificable las acumulaciones auríferas en las áreas de interés en este
estudio. Se aclara que los resultados indican la probabilidad, mayor o menor, de encontrar el mineral de
interés, no la certeza absoluta, y para reducir la incertidumbre, la imagen fue sometida a varios
métodos de análisis, comparando y combinando los resultados de cada uno de ellos, para determinar
cuáles son las áreas donde diferentes métodos coinciden.

Palabras claves: Mineralización Aurífera/ Landsat – 8/ Imagen Satelital Técnicas de Procesamiento.

Keywords: Auriferous Mineralization/ Landsat - 8/ Satellite Image/ Processing Techniques.

1/1
Ciudad Universitaria, Caracas 20 al 24 de marzo de 2023
 J. Camacho y N. Rojas. /II Congreso de Geociencias

Descripción del área de estudio: El área de estudio está situada al noreste del estado Bolívar,
aproximadamente a 259 km. de Ciudad Bolívar, en el municipio Cedeño.
Mineralogía de la zona de interés: Mendoza (2005), especifica que el oro se presenta en muchas
formas, pero las comunes son en cuatro tipos:
 Vetas de oro orogénico o “mesotermales”.
 Depósitos de pórfidos de oro, y de oro – cobre.
 Depósitos de oro asociados a sulfuros masivos volcánicos y sedex.
 Depósitos de oro en conglomerados y sedimentos fluvio – deltaico tipo Roraima y pre –
Roraima.

Para los efectos de éste estudio, los depósitos de oro en sedimentos fluvio- deltaicos (depósitos tipo
placer) son los ideales para la aplicación de la metodología, por ser los depósitos que mejor se
visualizan en las imágenes satelitales.
METODOLOGÍA: Considerando que el oro se presenta asociado a diferentes minerales, los análisis
se orientaron a determinar la presencia de los mismos en el área de interés, de la siguiente manera:
Fase 1: Recopilación de la información.
Mapa de Suelos: Búsqueda, descarga, georreferenciación y digitalización. Estos 4 pasos dieron como
resultado un mapa con sus respectivos vectores. El Mapa de Suelos habilita la identificación de los
tipos de suelos presentes en el área, para diferenciación de las áreas posibles de acumulaciones
minerales. El mapa utilizado para realizar la interpretación proviene de un trabajo realizado por
Elizalde, Graciano; Viloria, Jesús y Rosales, Aníbal, “Geografía De Suelos De Venezuela”, presentado
en el XVIII congreso venezolano de la ciencia del suelo, en la Universidad Nacional Experimental Sur
del Lago, año 2009 Zulia, Venezuela.
Mapa Geológico: Búsqueda, descarga, georreferenciación y digitalización. Estos 4 pasos permiten
identificar Unidades Litológicas, Concordancias y Drenajes y Cuerpos de Agua. El Mapa Geológico
identifica las unidades geológicas y litológicas, junto con los contactos geológicos para discriminación
del área de interés, y que proporcionará una interpretación geológica más asertiva. Los datos
geológicos utilizados en este estudio se obtuvieron del Mapa geológico de Venezuela con escala 1:
750.000, hoja n°2 (Urbani F. et al., 2006). Asimismo, estos datos fueron digitalizados y
georreferenciados empleando el sistema geodésico de coordenadas WGS 84 y la proyección UTM de
la zona 20 N.
Modelo Digital de Elevaciones (MDE): Búsqueda, Descarga, Mosaicado y Rellenado de pixeles. El
Modelo Digital de elevación usado fue el del proyecto CARTOSUR- II, con una resolución espacial de
5m, con fecha de adquisición de los datos en abril de 2003.
Imagen Landsat 8: Búsqueda, Descarga, Georreferenciación, Corrección Radiancia-Reflectancia,
Corrección Radiométrica, Corrección Atmosférica. La imagen Landsat– 8 utilizada
(LC08_L1TP_003055_20190301_20190309_01_T1, de fecha 06/10/2020) se obtuvo mediante la
plataforma de Earth Explorer de la USGS. Se seleccionó una imagen captada por este satélite para
aplicar diversas técnicas de procesamiento para determinar la presencia de mineralización aurífera en
un (1) área de interés (figura 1).

2/9
 J. Camacho y N. Rojas. /II Congreso de Geociencias

Figura 1: Escena Landsat 8 (LC08_L1TP_003055_20190301_20190309_01_T1), de fecha 09/03/2019,

con combinación 432 en RGB. Fuente: Camacho J., Rojas N. 2021.

Fase 2: Procesamiento.
Proceso de calibración: Como los expresa Chander (2007), los niveles digitales no representan de
manera directa ninguna variable biofísica y, por tanto, no es conveniente que se obtengan índices
espectrales usando dichos valores “crudos”. Por lo tanto, los valores ND de la imagen Landsat 8fueron
convertidos a Radiancia y posteriormente transformados a valores de Reflectancia y por último, se
realizó una corrección atmosférica.
Discriminación de la superficie (RGB): Se aplicó esta técnica de combinación con el fin de identificar
los elementos en superficie y analizar visualmente las imágenes para discriminar características
relevantes para la exploración minera, ya que mediante la composición de diversas bandas, se puede
generar una primera aproximación a la discriminación de posibles alteraciones y esto en base la
intensidad del pixel, como la combinación RGB (7, 5,2) o el RGB (5, 4,3).
La relación entre bandas esta técnica radica en aplicación de métodos de división entre los pixeles de
una banda por los pixeles de otra banda, y mejorando el contraste y realzando la información de
composición mientras suprime información irrelevante, permite resaltar algunas características que no
pueden verse a simple vista (tomado y modificado de Sabins, 1997). Asimismo, otra aplicación de esta
técnica es para la identificación de las rocas alteradas hidrotermalmente empleando diversas relaciones
de bandas, produciéndose tres (3) mapas de alteraciones:
1) El Mapa de Alteraciones Hidrotermales, identifica la presencia de zonas inalteradas de
zonas con cobertura vegetal (vegetación densa, pastizales o bosques).

3/9
 J. Camacho y N. Rojas. /II Congreso de Geociencias

2) El Mapa de Alteraciones Argílicas/ Propilíticas, discrimina las rocas alteradas de las

inalteradas. Sin embargo, esta relación permite identificar cuáles son los sectores en donde las
rocas presentan alteración argílica o propilítica.
3) El Mapa de Alteraciones asociadas al Au, es una relación que se utiliza para el mapeo
de alteraciones de rocas asociadas directamente a la mineralización aurífera.

Sin embargo, para la implementación de los sensores remotos como herramientas en la prospección
minera, la región a estudiar debe poseer un bajo porcentaje de cobertura vegetal (menor del 50%), para
el reconocimiento de rocas alteradas (Sabins, 1997). Por lo tanto, para la discriminación los suelos
desnudos, de los suelos con cobertura vegetal, se aplicó un Índice de Vegetación de Diferencia
Normalizada (NDVI, por sus siglas en inglés), mediante una relación entre las bandas 5 y 4 del sensor
Landsat 8, permitiendo de esta manera, detectar en el área de interés los sectores con presencia o
ausencia de vegetación verde viva; y con las bandas 5 y 7, se aplicó el Índice Diferencial de Agua
Normalizado (NDWI, por sus siglas en inglés), utilizado como una medida de la cantidad de agua que
posee la vegetación o el nivel de saturación de humedad que posee el suelo, concediendo el realizar
una clasificación supervisada más precisa, construyendo máscaras para la extracción de vegetación,
hidrografía y nubosidad, y así poder analizar los resultados obtenidos en las zonas con presencia de
suelos desnudos.
Fase 3: Post– Procesamiento.
Con los resultados del cálculo de las Alteraciones Minerales (Argílicas/ Propilíticas) se aplicó la
técnica de Decorrelación (técnica que consiste en el desarrollo de un análisis de componentes
principales de una imagen, seguida de una normalización de los valores de varianza de cada
componente y de un aumento gaussiano de contraste de cada uno de ellos (Díaz, 2012)) para afinar el
método de identificación de las alteraciones Argílicas/ Propilíticas, facilitando resaltar las
características litológicas y mineralógicas del área de interés, mejorando de esta manera, el proceso de
identificación de regiones que en la imagen original, eran de difícil discriminación, tal y como lo eran
las zonas inalteradas.
PCA: Es una técnica que se encarga de reducir el número de variables mediante la correlación
de los componentes principales, suprimiendo la diferencia de iluminación entre las bandas
relacionadas, y eliminando cualquier efecto topográfico indeseado. Se tomaron las bandas
multiespectrales de la 2 a la 7 y se agruparon en un Layer Stacking, para generar un RGB.
Posteriormente, mediante la metodología implementada por Crosta y Rabelo (1993), al RGB
resultante se le aplico el Análisis PCA, generando dos categorías 1) el análisis de las
abundancias anómalas relacionadas con los óxidos de hierro, 2) el análisis de las abundancias
anómala relacionadas con los hidróxidos.
Fase 4: Final.
El Mapeo Espectral (SAM, por sus siglas en inglés) es una clasificación espectral basada en la toma de
un ángulo n-D para hacer coincidir los pixeles con los espectros de referencia. Por lo tanto, se toman
como referencia tres firmas espectrales de los minerales de Pirita, Calcopirita y Limonita, ya que son
minerales asociados al oro. Al aplicar el SAM a cada uno de los minerales antes mencionados, esta
técnica determinó la similitud espectral que existía entre la firma espectral y los valores de los pixeles
de la imagen corregida atmosféricamente, obteniendo de esta manera, tres imágenes donde se detallan
sectores con la presencia de los minerales. Para esto, se usó un rango de tolerancia de diecisiete por
ciento (17 %), pues si se excede el veinte por ciento (20%), la clasificación espectral se confundiría con
otros minerales en superficie.

4/9
 J. Camacho y N. Rojas. /II Congreso de Geociencias

Targets de Exploración: Luego de haber generado los mapas espectrales se tomó la información
resultante para determinar las áreas prospectivas relacionadas a la presencia de los minerales Pirita,
Calcopirita y Limolita. Asimismo, estas comparaciones permitieron generar los Target de Exploración
(figura 5b), y se emplearon como herramienta de validación entre los métodos aplicados.
RESULTADOS
Se generaron los mapas de Contraste Mejorado, Características geológicas y afloramientos rocosos
(siendo éstas unas combinaciones RGB empleadas para contrastar las características litológicas y
brindar detalle sin realces adicionales), falso color infrarrojo y color verdadero.
Al aplicar la técnica de Relación entre bandas, se obtuvieron imágenes mejoradas que facilitaron
determinar la presencia de rocas alteradas hidrotermalmente. Como la identificación de Óxidos de
Hierro, Rocas con contenido de Hidróxidos, Sulfuros, Hierro Férrico, Minerales Ferrosos y Minerales
Arcillosos.
1) El mapa de Alteraciones Hidrotermales, puede detallar en tonos morados a magenta rocas con
clara presencia de alteración hidrotermal, tonos verdes representan los suelos con vegetación y
en tonos azules las nubes (figura 2).

Figura 2: Alteraciones hidrotermales en el área de interés, los colores magenta son las rocas alteradas
hidrotermalmente, y las zonas con color verde, son las zonas con vegetación. Fuente: Camacho J., Rojas N.
2021.

2) El Mapa de Alteraciones Argílicas/ Propilíticas, discrimina si la alteración es argílica,

presentando una coloración que va de vino tinto al rosa claro y, si la alteración es propilítica,
representada por colores amarillos claros a naranjas (figura 3).

5/9
 J. Camacho y N. Rojas. /II Congreso de Geociencias

A B

Figura 3: Alteraciones argílicas propilíticas en el área de interés, las alteraciones argílicas (A) en coloraciones
rojo a rosa, y las alteraciones propilíticas (B) en colores amarillo a naranja. Fuente: Camacho J., Rojas N. 2021.

3) El Mapa de Alteraciones asociadas al Au, por medio de tonalidades amarillas a naranja son
representadas estas zonas, en relación a zonas inalteradas estas se representan en tonos verdes,
suelos con vegetación en tonos azules y las nubes y sombras de nubes en azul y rojo
respectivamente (figura 4).

6/9
 J. Camacho y N. Rojas. /II Congreso de Geociencias

Figura 4: Alteraciones asociadas al Au en el área de interés, los suelos con vegetación (A) en coloraciones
azules, y las zonas alteradas (B) en colores amarillo a naranja, y los suelos tanto con vegetación y zonas alteradas
(C). Fuente: Camacho J., Rojas N. 2021.

Coeficientes o Ratios de Bandas: Se obtuvo una imagen con matices entre amarillo y naranja que
delinean aquellas áreas con presencia de rocas alteradas. De igual forma, se obtuvieron imágenes que
mejoraron la identificación de las rocas alteradas hidrotermalmente utilizando diferentes tipos de ratios
de bandas con características de reflexión distintivas, como herramientas para la discriminación del
suelo alterado del inalterado y resaltar de esta manera, las áreas donde se produce la concentración de
minerales.

7/9
 J. Camacho y N. Rojas. /II Congreso de Geociencias

Con los Análisis de Componentes principales se produjo el mapa de Alteraciones Hidrotermales a

partir de los PCA de los Hidróxidos y Óxidos de Hierro, siendo estos, minerales vinculados al oro; y
por último, con el mapa de Alteraciones asociadas al Au, ya que esta relación se emplea para
determinar aquellas zonas que están estrechamente vinculadas a la presencia de mineralización aurífera
en superficie.

Decorrelación: Se obtuvo un Mapa de Alteraciones Argílicas/Propilíticas que permitió identificar

regiones que eran de difícil discriminación en la original. Las alteraciones argílicas (tonalidades que
varían entre morado, rojo y rosado) y alteraciones propilíticas (tonalidades marrones, naranja y
amarillo).
Luego de haber generado la clasificación supervisada se agregan los Vectores de Unidades Litológicas,
Contactos Geológicos y Drenajes- Cuerpos de Agua, Óxido de Hierro, Hidróxidos, Minerales Ferrosos
para elaborar el mapa Geológico clasificado (figura 5a), que facilita el hacer una interpretación de las
características geológicas y su asociación con la clasificación del sector en función de vegetación,
suelos descubiertos, nubes, sombras y cuerpos de agua. Con las clasificaciones por las firmas
espectrales, se identificaron los sectores a través de tres categorías (probabilidad alta, media y baja) y
esto en relación a la aglomeración de los minerales. Sin embargo, se compararon estos sectores con
diversos productos antes elaborados para obtener una mayor de probabilidad de la existencia de
depósitos auríferos. Se procede a la búsqueda de firmas espectrales de minerales relacionados al oro
(Pirita, Calcopirita y Limolita). Con todos los datos citados anteriormente, se elaboró el mapa de
Targets de exploración (figura 5b), consintiendo la identificación del mineral en cuestión con todas las
variables analizadas y por su coincidencia en el área en todos los cálculos.

A B

Figura 5: Área geológica clasificada (A) y Targets de exploración en la zona de interés (B). Los polígonos
irregulares con sombreado azul son las zonas con alta probabilidad de contenido aurífero, las sombreadas en cyan
son las que tienen una probabilidad media de concentración, y las sombreadas en rojo son las que poseen una baja
probabilidad de concentración de Au. Fuente: Camacho J., Rojas N. 2021.

8/9
 J. Camacho y N. Rojas. /II Congreso de Geociencias

CONCLUSIONES
Al unir todas estas técnicas de investigación, sumado a todos los datos geológicos, más las
clasificaciones y los cálculos de bandas, ratios, decorrelaciones, se pudo identificar la presencia del
mineral citado en el área de interés, por medio de las distintas comprobaciones.
RECOMENDACIONES
Es necesario la validación de éstos datos en campo, por lo que se recomienda el uso de métodos
geofísicos (gravimetría y métodos eléctricos) y muestreos geoquímicos para su confirmación.
BIBLIOGRAFÍA
Chander G., Markham B and Barsi J.A. (2007). Revised LANDSAT– 5 thematic mapper radiometric calibration. IEEE
Geoscience and Remote Sensing letters. Consultado en octubre de 2021, de https://ieeexplore.ieee.org/document/4271443.

Crosta A.P. and Rabelo A. (1993). Assesing Landsat TM for Hydrothermal alteration mapping in central – western Brazil

Díaz K. (2012). Análisis de los sistemas LANDSAT etm+ y terra ASTER como método de prospección de yacimientos
epitermales. el caso del depósito aurífero de rodalquilar, Almería, España. Consultado en octubre de 2021, de
https://core.ac.uk/download/pdf/72022115.pdf.

Elizalde, G.; Viloria, J. y Rosales, A, (2009). Geografía de suelos de Venezuela. Consultado en mayo de 2021, de
https://slideplayer.es/slide/2985763/.

Kressal R. (2020). Using principal componenet anlisys as a gold exploration tool. Consultado en octubre de 2021.

Mendoza S., V. (2005). Geología de Venezuela, T I: Guayana, Los Andes y Sistema Montañoso del Caribe. Universidad de
Oriente, Ciudad Bolívar, Venezuela, p83- p144.

MathWorks, (2021). Consultado en mayo de 2021, de https://es.mathworks.com/discovery/support-vector-

machine.html#:~:text=Support%20vector%20machine%20(SVM)%20es,reconocimiento%20de%20im%C3%A1genes%20y
%20voz.

Sabins F. F. (1997). Remote sensing– principles and interpretation – 3rd edn. Consultado en Octubre de 2021, de
https://www.cambridge.org/core/journals/geological-magazine/article/abs/sabins-f-f-1997-remote-sensing-principles-and-
interpretation-3rd-ed-xiii-494-pp-new-york-w-h-freeman-co-price-3295-hard-covers-isbn-0-7167-2442-
1/0F2C85CB86CE4283D71B7BB3587DE994.

Urbani F.; Hackley, P. ; Karlsen, A. y Garrity, C.. (2006). Mapa Geológico de Venezuela. Consultado en mayo de 2020, de
https://pubs.usgs.gov/of/2006/1109/.

9/9