Mamani Ticona Teofilo

UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA GEOLÓGICA Y

METALÚRGICA
ESCUELA PROFESIONAL DE INGENIERÍA GEOLÓGICA
“APLICACIÓN DE IMÁGENES ASTER EN LA

DETECCION DE ZONAS DE ALTERACIONES
HIDROTERMALES, SECTOR TITIRE, CARUMAS,
MOQUEGUA”
TESIS
PRESENTADA POR:
TEOFILO MAMANI TICONA
PARA OPTAR EL TÍTULO PROFESIONAL DE:
INGENIERO GEÓLOGO
PUNO – PERÚ
2017
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA GEOLÓGICA Y METALÚRGICA
ESCUELA PROFESIONAL DE INGENIERÍA GEOLÓGICA
“APLICACIÓN DE IMÁGENES ASTER EN LA DETECCION DE ZONAS DE

ALTERACIONES HIDROTERMALES, SECTOR TITIRE, CARUMAS,
MOQUEGUA”
TESIS
PRESENTADA POR:
TEOFILO MAMANI TICONA

PARA OPTAR EL TÍTULO PROFESIONAL DE:
INGENIERO GEÓLOGO
APROBADO POR EL JURADO REVISOR CONFORMADO POR:
Presidente :
Primer miembro :
Segundo miembro :
Asesor de tesis :
Director de Tesis :
AREA: GEOLOGÍA DE MINAS

TEMA: PROSPECCION DE YACIMIENTOS METÁLICOS
PUNO – PERÚ
2017
DEDICATORIA
A mis padres:
Vidal Mamani Ccapa
Salomé Ticona Arapa
I
AGRADECIMIENTOS
A Dios, todo poderoso.
Agradezco a mi asesor Prof. Dr. Victoriano Rolando Apaza Campos y director

Ing. Luis V. Ortíz Gallegos, por la paciencia que tuvieron, principalmente por la
orientación y apoyo en los momentos difíciles para la realización de esta Tesis.
A los docentes de la Carrera Profesional de Ingeniería Geológica de la

Universidad Nacional del Altiplano – Puno, quienes han contribuido en mi
formación profesional.
A la Universidad Nacional del Altiplano y a la Escuela Profesional de Ingeniería

Geológica por darme la oportunidad de desarrollarme profesionalmente.
A mis padres Vidal Mamani Ccapa y Salome Ticona Arapa, por el incondicional
apoyo que siempre me brindaron, a ellos muchas gracias.
A todas las personas que directa o indirectamente contribuyeron de alguna

manera para que este trabajo pudiera ser realizado.
II
INDICE
Pag.
DEDICATORIA…………………………………………………………………. I
AGRADECIMIENTOS………………………………………………………….. II
ÍNDICE…………………………………………………………………………… III
LISTA DE FIGURAS…………………………………………………………… VIII
LISTA DE CUADROS…………………………………………………………. XIII
LISTA DE TABLAS…………………………………………………………….. XIV
LISTA DE SIGLAS Y ABREVIATURAS……………………………………… XVII
RESUMEN……………………………………………………………………… XVIII
ABSTRACT……………………………………………………………………. XIX
CAPITULO I
INTRODUCCIÓN
1.1. GENERALIDADES……………………………………………………... 1
1.2. PLANTEAMIENTO DEL PROBLEMA………………………………... 2
1.2.1. Formulación del Problema…………………………................ 3
1.3. ANTECEDENTES……………………………………………………… 3
1.4. JUSTIFICACIÓN……………………………………………………….. 4
1.5. HIPÓTESIS……………………………………………………………… 5
1.6. OBJETIVOS……………………………………………………………. 5
1.6.1. Objetivo General………………………………………………. 5
1.6.2. Objetivo Específico……………………………………………. 5
1.7. MÉTODO DE INVESTIGACIÓN DESARROLLADO……………….. 6
III
CAPITULO II
MARCO TEÓRICO CONCEPTUAL
2.0. TELEDETECCIÓN…………………………………………………….. 9
2.1. PRINCIPIOS BÁSICOS DE TELEDETECCIÓN……………………. 10
2.1.1. Energía y Principio de Radiación…………………………….. 11
2.1.2. El Espectro Electromagnético………………………………... 13
2.1.3. Energía Radiante………………………………………………. 16
2.1.4. Firmas Espectrales…………………………………………….. 17
2.1.5. Influencia de la Atmosfera o Absorción Atmosférica en
Determinadas Longitudes de Onda………………………………….. 17
2.1.6. Interacción de la Energía con la Superficie Terrestre……… 18
2.2. CARACTERÍSTICAS DEL SENSOR ASTER………………………. 19
2.2.1. Modelo de Elevación Digital (DEM) …………………………. 20
2.2.2. Resolución del Sensor ASTER……………………………….. 22
2.2.3. Nivel de Data……………………………………………………. 23
2.3. PROCESAMIENTO DE IMÁGENES SATELITALES ASTER…….. 24
2.3.1. Correcciones Geométricas y Ortorectificación……………… 24
2.3.2. Ortorectificación ………………………………………………. 25
2.3.3. Correcciones de Bordes Debido al Error de Paralaje……… 26
2.3.4. Correcciones Radiométricas…………………………………. 26
2.3.5. Conversión de Nivel digital a Radiancia…………………...... 27
2.3.6. Radiancia a Reflectancia……………………………………… 28
2.3.7. Espectroscopia de Reflectancia Aplicada…………………… 29
2.3.7.1. Generalidades ……………………………………….. 29
2.3.7.2. Mecanismos de Absorción Según Hunt (1977) y
Goetz et al (1982)……………………………………………… 31
2.3.7.3. Procesos de Vibración ……………………………… 32
2.3.7.4. Componentes del Espectro………………………… 34
2.3.7.5. Análisis de Envolvente……………………………… 35
2.4. ESPECTROSCOPIA DE REFLECTANCIA DE MINERALES DE
ALTERACIÓN HIDROTERMAL.………………………............................ 37
2.4.1. Comportamiento Espectral de Minerales Representativos
de Alteraciones Hidrotermales.………………………………………. 37
IV
2.4.2. Inventario de Librería Espectral de la USGS………………. 41
2.4.3. Espectrómetro PIMA SP……………………………………… 47
2.5. GEOLOGÍA REGIONAL………………………………………………. 48
2.6. GEOMORFOLOGÍA REGIONAL……………………………………... 49
2.6.1. Estribaciones de los Andes Occidentales……………………. 49
2.6.2. Arco del Barroso……………………………………………….. 50
2.6.3. Altiplano………………………………………………………….. 50
2.6.4. Valle del Rio Coralaque………………………………………… 51
2.7. GEOLOGÍA ESTRUCTURAL REGIONAL…………………………… 52
2.8. GEOLOGÍA ECONÓMICA……………………………………………. 52
CAPITULO III
CARACTERIZACION DEL AREA DE INVESTIGACION
3.1. UBICACIÓN Y ACCESIBILIDAD……………………………………… 53
3.1.1. Ubicación Política………………………………………………. 53
3.1.2. Ubicación Geográfica…………………………………………... 54
3.1.3. Extensión………………………………………………………… 54
3.1.4. Accesibilidad…………………………………………………….. 54
3.2. GEOLOGÍA LOCAL……………………………………………………. 55
3.2.1. Formación Pichu (Ti-Pi)……………………………………..... 55
3.2.2. Tufo Hualillas (Tmc-Hu)……………………………………….. 57
3.2.3. Volcánico Llallahui (Tmc-vll)………………………………….. 57
3.2.4. Formación Maure (Tp-ma)……………………………………. 58
3.2.5. Formación Capillune (Tp-ca)…………………………………. 60
3.2.6. Volcánico Barroso (Tq-vba)…………………………………… 61
3.2.7. Depósitos Fluvioglaciares (Qr-fj)……………………………... 62
3.2.8. Bofedales (Qr-Bo)……………………………………………… 63
3.2.9. Depósitos Aluviales (Qr-Al)…………………………………… 64
3.2.10. Depósitos fluviales (Qr-fl)……………………………………. 65
3.3. GEOLOGÍA ESTRUCTURAL LOCAL……………………………….. 65
3.4. GEOMORFOLOGÍA LOCAL………………………………………… 66
3.4.1. Montaña Alta Pendiente ……………………………………… 66
3.4.2. Montaña Baja Pendiente …………………………………….. 66
V
3.4.3. Pendientes Moderadamente Empinados……………………. 66
3.4.4. Colinas Altas Ligeramente Disectadas………………………. 66
3.4.5. Colinas Bajas Moderadamente Disectadas…………………. 67
3.4.6. Lomadas………………………………………………………… 67
3.4.7. Terraza Alta Plana……………………………………………... 67
3.4.8. Terraza Alta Ondulada………………………………………… 67
3.4.9. Terraza Media Ondulada………………………………………. 67
3.4.10. Terraza Baja Inundable………………………………………. 67
3.4.11. Terraza Baja No Inundable…………………………………. 67
3.4.12. Valles Intramontañosos……………………………………… 68
3.5 . HIDROLOGÍA Y DRENAJE…………………………………………… 68
3.5.1. Cuenca Rio Tambo……………………………………………. 68
3.5.1.1. Subcuenca Coralaque………………………………. 68
3.5.1.2. Rios…………………………………………………… 69
3.5.1.3. Lagunas y Represamientos………………………… 70
3.5.1.4. Bofedales……………………………………………. 71
3.6. PROCESAMIENTO DIGITAL DE LA IMAGEN SATELITAL ASTER 72
3.6.1. Adquisición de imágenes ASTER…………………………… 72
3.6.1.1. Descarga y Adquisición de Imagen ASTER
Mediante ERSDAC…………………………………………… 72
3.6.1.2. Descarga y Adquisición de Imagen ASTER
Mediante el Servicio Geológico de los Estados Unidos……. 76
3.6.2. Pre Procesamiento De Imágenes ASTER…………………… 79
3.6.2.1. Correcciones Geométricas………………………….. 79
3.6.2.2. Correcciones Radiométricas………………………… 79
3.6.2.3. Correcciones Atmosféricas…………………………. 79
3.6.3. Procesamiento de Imágenes ASTER………………………… 80
3.6.3.1. Elaboración de Máscaras……………………………. 80
3.6.3.2. Composición de Bandas…………………………….. 84
3.6.3.3. Cociente de Bandas…………………………………. 88
3.6.3.4. Análisis de Principales Componentes (PCA)……… 90
3.6.3.5. Análisis Espectral y Clasificación Espectral de
Minerales de Alteración……………………………………. 94
VI
CAPITULO IV
ANALISIS Y EXPOSICION DE RESULTADOS
4.1. ANOMALÍA I – SECTOR TITIRE…………………………………… 98
4.1.1. Anomalía Espectral del Sector Titire………………………….. 99
4.1.2. Reconocimiento de Campo………..………………………….. 106
4.1.3 Confirmación Espectral de Anomalías………………………… 108
4.2. ANOMALÍA II – SECTOR CHARAQUE………………………..…. 111
4.2.1. Anomalía Espectral del Sector Charaque……………………. 111
4.3. ANOMALÍA III – TORO BRAVO………..………………………….. 122
4.3.1. Anomalía Espectral del Sector Toro Bravo………………… 123
4.4. ANOMALÍA IV – HUILACA ……...…..……………………………… 133
4.4.1. Anomalía Espectral del Sector Huilaca………………………. 133
4.5. CONCLUSIONES Y RECOMENDACIONES……………………. 143
4.5.1. Conclusiones….………………………………………………… 143
4.5.2. Recomendaciones………..……………………………………. 146
4.6. BIBLIOGRAFÍA……………………….…………………………...... 147
4.7. ANEXOS
Anexo N° 01 – Mapas.
Anexo N° 02 – Álbum de Fotos.
VII
LISTA DE FIGURAS
FIGURA N° 01: Componentes de un sistema de teledetección (tomado

de chuvieco, 1995)………………………………………… 10
FIGURA N° 02: Esquema de una onda electromagnética-Teoría
Ondulatoria (Huygengs, Maxwell)……………………….. 12
FIGURA N° 03: Teoría cuántica (Planck, Einstein)……………………….. 13
FIGURA N° 04: Espectro Electromagnético (Chuvieco, 2008)………….. 14
FIGURA N° 05: Distribución espectral de la energía radiada desde los
cuerpos negros a varias temperaturas (después de
T.M. Lilesand y R.W. Kiefer. 1969)………………………. 16
FIGURA N° 06: Ubicación de las ventanas atmosféricas (máximos de
transmisión) en el espectro electromagnético
(JOCMEC, 2006)…………………………………………… 18
FIGURA N° 07: Interacciones básicas entre la energía
electromagnética y la superficie terrestre (JOGMEC,
2006)……………………………………………………….... 18
FIGURA N° 08: A la izquierda se encuentra la ubicación de las bandas
3B y 3N en el espacio (JOGMEC, 2006)……………….. 21
El ángulo entre la posición nadir y la posición vista
FIGURA N° 09: atrás ha sido diseñado para permitir una relación base-
altura de 0.6 en la dirección de la órbita (along track)
(JOGMEC, 2006)………………………………………….. 21
FIGURA N° 10: Modelo de elevación digital (JOGMEC, 2006)…………. 21
FIGURA N° 11: Comparación entre las resoluciones espectrales de
ASTER y LANDSAT 7 – Thematic Mapper (Manual de
usuario ASTER – JET PROPULSION LABORATORY).. 23
FIGURA N° 12: Etapas utilizadas para el procesamiento de imágenes

ASTER (INGEMMET, 2011)……………………………... 24
FIGURA N° 13: Proceso de ortorectificación de imágenes (tomado de
www.satimagingcorp.com)............................................ 25
VIII
FIGURA N° 14: Imagen sin corregir, adquisición de la imagen ASTER 26
de USGS (United States Geological Survey)………...
FIGURA N° 15: Firmas espectrales de laboratorio y regiones de
Absorción (Modificado de Mars & Rowan, 2006)……… 29
FIGURA N° 16: Radiancia espectral (izquierda), reflectancia obtenida
con FLASSH (derecha)(JOCMEC, 2006)………………. 29
FIGURA N° 17: Valores de longitudes de onda de los rangos visibles
(VIS), el infrarrojo cercano (NIR), y el infrarrojo de onda
corta (SWIR) (Hauff, Phoebel, 1996)……………………. 30
FIGURA N° 18: Características espectrales de la vegetación, tomado
de Hunt (1977) y Goetz et al (1982)…………………….. 31
FIGURA N° 19: Ilustra las posiciones de longitudes de onda de algunos
enlaces de minerales comunes, tomado de Hunt (1977)
y Goetz et al (1982)……………………………………….. 33
FIGURA N° 20: Rasgos de absorción, tomado de (Hunt 1977 y Goetz
et al,1982)………………………………………………….. 34
FIGURA N° 21: Rasgos mayores de absorción, tomado de (Hunt 1977
y Goetz et al 1982)………………………………………… 35
FIGURA N° 22: Aspectos de un espectro de absorción típico,
incluyendo la posición de sus ondas, profundidad y
ancho (alto completo, medio-ancho máximo).…............. 36
FIGURA N° 23: Los rasgos de absorción según su forma y
profundidad………………………………………………… 36
FIGURA N° 24: Detalle de las características del espectro de caolinita
obtenido con el espectrómetro PIMA II………………….. 38
FIGURA N° 25: Gráfico con ejemplo de caracteristicas espectrales de
minerales individuales. …………………………………… 40
FIGURA N° 26: Ejemplo de clinocloros del Fe y Mg.…………………….. 40
FIGURA N° 27: Ejemplos de grupo de alunitas ricas en K-Na-Ca- y
NH4-.………………………………………………………… 40
FIGURA N° 28: Columna Estratigráfica Regional(Nieto,2009)………….. 49
FIGURA N° 29: Rio Coralaque……………………………………………… 51
FIGURA N° 30: Mapa de Ubicación……………………………………….. 53
IX
FIGURA N° 31: Afloramiento de la formación Pichu................................ 56
FIGURA N° 32: Afloramiento de rocas del volcánico Llallahui………….. 58
FIGURA N° 33: Afloramiento de rocas del Grupo Maure……………….. 59
FIGURA N° 34: Afloramiento de Rocas del Volcánico Barroso…………. 62
FIGURA N° 35: Depósito fluvioglaciar……………………………………… 63
FIGURA N° 36: Zonas de Bofedal…………………………………………. 64
FIGURA N° 37: Depósitos aluviales en la quebrada Persani…………… 64
FIGURA Nº 38: Depósitos Fluviales………………………………………. 65
FIGURA N° 39: Página interactiva de búsqueda de imágenes ASTER... 73
FIGURA N° 40: Página interactiva de ingreso de cuenta……………….. 74
FIGURA N° 41: Página interactiva para ordenar productos ASTER…… 74
FIGURA N° 42: Página de cotización de productos ASTER……………. 75
FIGURA N° 43: Página interactiva de pedidos de imágenes ASTER
USGS……………………………………………………….. 77
FIGURA N° 44: Firmas espectrales de Radiancia y reflectancia……….
80
FIGURA N° 45: Generación de máscara de vegetación, zonas de
saturación, sombra y agua………………………………. 82
FIGURA N° 46: Unión de máscaras……………………………………….. 83
FIGURA N° 47: Espectro de algunos minerales característicos de
zonas de alteración Argílica avanzada, Fílica y
Propilítica ………………………………………………….. 88
FIGURA N° 48: Distribución espacial de los valores de los pixeles y
determinación de ejes principales………………………. 99
FIGURA N° 49: Firmas espectrales de la bibliotecas espectral USGS
de algunos minerales con presencia de hierro (Fe3+) e
Hidróxidos (OH-)………………………………………….. 91
FIGURA N° 50: Similitud de Firmas espectrales de Epidota……………. 99
FIGURA N° 51: Similitud de Firmas espectrales de Clorita……………… 100
FIGURA N° 52: Similitud de Firmas espectrales de Calcita……………… 101
FIGURA N° 53: Similitud de Firmas espectrales de Montmorillonita……. 102
FIGURA N° 54: Similitud de Firmas espectrales de Caolinita…………… 103
FIGURA N° 55: Similitud de Firmas espectrales de Pirofilita……………. 104
X
FIGURA N° 56: Similitud de Firmas espectrales de Illita…………………. 105
FIGURA N° 57: Alteración propilítica, argílica y óxidos de Fe…………… 106
FIGURA N° 58: Alteración Propilítica………………………………………. 107
FIGURA N° 59: Alteración Propilítica………………………………………. 107
FIGURA N° 60: Alteración Argílica…………………………………………. 107
FIGURA N° 61: Alteración Argílica…………………………………………. 108
FIGURA N° 65: Similitud de Firmas espectrales de Alunita……………… 114
FIGURA N° 66: Similitud de Firmas espectrales de Dikita………………. 115
FIGURA N° 67: Alteración Argílica………………………………………….. 117
FIGURA N° 70: Firmas espectrales del mineral Alunita ………………… 119
FIGURA N° 71: Firma espectral del mineral alunita-caolinita, Alunita k-
Jarosita……………………………………………………… 120
FIGURA N° 72: Firma espectral de la asociación de minerales sílice-
alunita k-Na-Ca…………………………………………….. 120
FIGURA N° 73: Espectros de reflectancia de la zona de alteración
Argílica obtenidos por el espectrómetro PIMA (SWIR). 121
FIGURA N° 79: Óxidos de Fierro y alteración Argílica…………………… 128
FIGURA N° 80: Óxidos de Fierro y erosión glaciar……………………….. 129
FIGURA N° 81: Oxidación de minerales de fierro………………………… 129
FIGURA N° 82: Alteración Argílica y presencia de óxidos………………. 130
FIGURA N° 83: Las firmas espectrales de las zonas de alteración
Argílica……………………………………………………… 131
XI
Argílica Intermedia del sector de Toro Bravo………….. 132
FIGURA N° 90: Similitud de Firmas espectrales de Epidota……………. 138
FIGURA N° 91: Similitud de Firmas espectrales de Clorita……………… 139
FIGURA N° 92: Similitud de Firmas espectrales de Calcita……………… 140
FIGURA N° 93: Depósitos de material excedentes de movimiento de
tierras del proyecto Pasto Grande……………………….. 141
FIGURA N° 94: Depósitos de restos de ladrillos de construcción………. 142
FIGURA N° 95: Depósitos de restos de materiales eliminados…………. 142
XII
LISTA DE CUADROS
CUADRO N° 01: Ubicación Política……………………………………….. 54

CUADRO N° 02: Accesibilidad……………………………………………… 54
CUADRO N° 03: Zonas de Alteración y Presencia de minerales
mayores y menores……………………………………… 85
CUADRO N° 04: Los cocientes usados para producir un mapa de
alteraciones se muestran a continuación……………... 88
CUADRO N° 05: Muestras tomadas para lectura de firmas espectrales 109
XIII
LISTA DE TABLAS
TABLA N° 01: Magnitudes radiométricas comúnmente utilizadas en

teledetección…………………………………………………… 15
TABLA N° 02: Características de los subsistemas de la imagen ASTER.. 20
TABLA N° 03: Características de los niveles de imágenes ASTER…….. 23
TABLA N° 04: Coeficientes de conversión………………………………….. 27
TABLA N° 05: Regiones de reflectancia espectral………………………… 32
TABLA N° 06: Modos de vibración………………………………………….. 32
TABLA N° 07: Principales características PIMA SP………………………. 47
TABLA N° 08: Ficha de imagen adquirida………………………………….. 78
TABLA N° 09: Combinación de Bandas de Imagen ASTER………………. 84
TABLA N° 10: Composición RGB: 3 2 1……………………………………... 84
TABLA N° 11: Composición RGB: 4/5, 4/6, 4/7…………………………….. 85
TABLA N° 12: Subgrupos de bandas para la determinación de tipos de
alteración ASTER…………………………………………….. 92
TABLA N° 13: Análisis de auto valores obtenidos de la transformación
por Componentes Principales para el subgrupo de bandas
123………………………………………………………………. 92
TABLA N° 14: Análisis de auto valores obtenidos de la transformación
por Componentes Principales para el subgrupo de bandas
1467……………………………………………………………... 93
TABLA N° 15: Comparación de rasgos espectrales con mayor similitud
del mineral Epidota……………………………………………. 99
del mineral Clorita……………………………………………... 100
del mineral Calcita…………………………………………….. 101
del mineral Montomorillonita…………………………………. 102
del mineral Caolinita…………………………………………... 103
XIV
del mineral Pirofilita……………………………………………. 104
del mineral Illita………………………………………………… 105
del mineral Alunita…………………………………………….. 115
del mineral Dikita………………………………………………. 116
XV
del mineral Epidota……………………………………………. 138
del mineral Clorita……………………………………………... 139
del mineral Calcita…………………………………………….. 140
XVI
LISTA DE SIGLAS Y ABREVIATURAS
ASTER : Radiómetro Espacial Avanzado de Reflexión de Emisión Termal.

LANDSAT : Land = Tierra, Sat = Satelite.
USGS : United States Geological Survey – Servicio Geológico de los
Estados Unidos.
ERSDAC : Earth Remote Sensing Data Analysis Center
INGEMMET : Instituto Geológico, Minero y Metalúrgico.
NASA : Administración Nacional de Aeronáutica y del Espacio
ENVI : Software de Entorno para Visualización de Imágenes
Iperespectrales.
GPS : Sistema de Posicionamiento Global.
SAM : Spectral Angle Mapper
PCA : Análisis de Componentes Principales
PIMA : Analizador Portátil Infrarrojo de Minerales
FPCS : Feature-Oriented Principal Component Selection
CONIDA : Comisión Nacional de Investigación y Desarrollo Aeroespacial
DEM : Modelo de Elevación Digital
VNIR : Radiómetro en el visible e infrarrojo cercano
SWIR : Radiómetro infrarrojo de longitudes de onda corta
TIR : Radiómetro infrarrojo térmico
UTM : Universal Transverse Mercator
WGS84 : World Geodetic System 84 – Sistema geodesico Mundial 1984
SILCAST : Sensor Information Laboratory Corporation
GCP : Puntos de control terrestre
HDF : Hierarchical Data Format.
RGB : Red, Green and Blue.
μm Micrómetro.
ND : Nivel Digital
NDVI Índice de vegetación diferencial normalizada
FLASSH : Fast Line-of-sight Atmospheric Analysis of spectral Hipercubes
XVII
RESUMEN
El presente estudio se localiza en el sector de Titire, distrito de Carumas,

provincia de Mariscal Nieto, departamento de Moquegua. Tiene como objetivo,
determinar zonas de anomalías espectrales relacionadas a alteraciones
hidrotermales a partir de imágenes satelitales ASTER, La metodología que se
siguió para análisis e interpretación de imágenes ASTER fue mediante
técnicas de composición de bandas RGB: 321, RGB: 931, RGB: 468, RGB:
943, cociente de bandas con los ratios obtenidos: 4/6, 5/6, 5/8, análisis de
componentes principales mediante método CROSTA y el análisis espectral con
el método SAM (Spectral Angle Mapper), los cuales permitieron identificar
zonas anómalas asociadas a las alteraciones hidrotermales. En el proceso de
interpretación, se identificaron cuatro zonas de anomalías espectrales: la
primera anomalía ubicada en el sector de Titire con mayor absorción en el
campo del infrarrojo medio entre 2.30μm – 2.35μm, asociadas a la alteración
Propilítica, y entre 2.70μm – 2.78μm, asociadas a la alteración Argílica;
mediante reconocimiento de campo se confirmó la evidencia de alteraciones.
La segunda anomalía ubicada en la zona de sector de Charaque donde
presenta mayor absorción en el campo del infrarrojo medio 2.71μm – 2.90μm,
asociadas a la alteración Argílica. La tercera anomalía ubicada en la zona de
sector de Toro Bravo con mayor absorción en el campo del infrarrojo medio
entre 2.64μm – 2.91μm, asociadas a la alteración Argílica; mediante
reconocimiento de campo se confirmó presencia de alteraciones. La cuarta
anomalía ubicada en el sector Huilaca con alta reflectancia en el campo del
infrarrojo cercano y medio entre 0.55μm – 1.60μm, asociadas a la alteración
Propilítica, así mismo entre 0.80μm – 0.87μm, asociadas a la alteración
Argílica; mediante reconocimiento de campo se verificó la mescla caótica de
estas alteraciones producto de un depósito del movimiento de tierras de zonas
de alteración ubicadas en otros lugares.
Palabras Claves: Alteraciones Hidrotermales, Espectros, Imágenes

ASTER, Procesamiento Satelital, Prospección.
XVIII
ABSTRACT
The present study is located in the sector of Titire, district of Carumas, province
of Mariscal Nieto, department of Moquegua. The objective of this study was to
determine areas of spectral anomalies related to hydrothermal alterations from
ASTER satellite images. The methodology used to analyze and interpret
ASTER images was by means of RGB band composition techniques: 321,
RGB: 931, RGB: 468, RGB: 943, band ratio with obtained ratios: 4/6, 5/6, 5/8,
analysis of main components by CROSTA method and spectral analysis with
the SAM method (Spectral Angle Mapper), which allowed to identify Anomalous
areas associated with hydrothermal alterations. In the interpretation process,
four zones of spectral anomalies were identified: the first anomaly located in the
sector of Titire with greater absorption in the field of the average infrared
between 2.30μm - 2.35μm, associated to the Propilítica alteration, and between
2.70μm - 2.78μm, associated with Argilic alteration; By means of field
recognition, evidence of alterations was confirmed. The second anomaly
located in the sector of Charaque where it presents greater absorption in the
field of the average infrared 2.71μm - 2.90μm, associated to the Argilic
alteration. The third anomaly located in the sector of Toro Bravo with greater
absorption in the field of the average infrared between 2.64μm - 2.91μm,
associated with the Argilic alteration; By means of field recognition, the
presence of alterations was confirmed. The fourth anomaly located in the
Huilaca sector with high reflectance in the near infrared field and between
0.55μm - 1.60μm, associated to the Propilitic alteration, also between 0.80μm -
0.87μm, associated to the Argilic alteration; By means of field recognition, the
chaotic mixture of these alterations was verified as a result of a deposit of the
movement of lands of zones of alteration located in other places.
keywords: ASTER Images, Hydrothermal Alterations, Prospecting,

Spectrum, Satellite Processing,
XIX
CAPITULO I
INTRODUCCIÓN
1.1. GENERALIDADES
El uso de las imágenes satelitales en las últimas décadas, se ha

constituido en una herramienta muy importante en las prospecciones
mineras para identificar unidades litológicas, unidades geomorfológicas, y
anomalías de alteración hidrotermal. Dentro de esta tecnología, existen
diferentes imágenes satelitales aplicados al estudio de recursos naturales
y minería, como Landsat, WorldView, RapidEye, ASTER, esta última se
ha utilizado por las ventajas que ofrece una mayor resolución espectral,
respecto a otras.
El estudio se realizó con la finalidad de identificar zonas de

alteraciones hidrotermales a partir de imágenes ASTER, partiendo de la
hipótesis que los minerales presentan una firma espectral muy
característica según sus propiedades físicas, mostrando curva de alta
reflectancia y mayor absorción en el campo del infrarrojo cercano y de
onda corta del espectro. Con este propósito se realizó el procesamiento
de imagen satelital ASTER, mediante técnica de composición de bandas,
cocientes y un análisis espectral, e identificar anomalías en las firmas
espectrales, que es asociada a ensambles mineralógicos de alteraciones
hidrotermales.
1
Considerando los aspectos metodológicos, análisis de
interpretación de datos, resultados alcanzados, son presentados en el
presente estudio, de manera secuencial en cuatro capítulos siguientes:
capítulo uno, se expone el planteamiento del problema conducente al
tema de estudio. En el capítulo dos, se presenta la base teóricamente
científica de sensores remotos aplicados al estudio de recursos naturales.
En el capítulo tres, se describe las características geológicas de la zona
de estudio que es materia de análisis para correlacionar con las firmas
espectrales e identificación de zonas de anomalías espectrales a partir del
procesamiento y composición de bandas. En el capítulo cuatro, se expone
los resultados obtenidos en el análisis e interpretación e identificación de
las cuatro zonas con características espectrales muy particulares que se
detallan en los capítulos correspondientes.
1.2. PLANTEAMIENTO DEL PROBLEMA
La prospección de nuevos yacimientos mineros en diferentes

latitudes presenta problemas de costos elevados y tiempos prolongados
de prospección, por lo tanto surge la necesidad de hacer estas
prospecciones, cada vez a menor tiempo y a bajo costo. Es por eso que
actualmente el uso de tecnologías de teledetección en la etapa de
prospección minera es bastante utilizado, cada vez estas tecnologías
están siendo desarrolladas con mayor capacidad para obtener
información detallada.
Antecedentes de investigaciones a partir de imágenes de satélite

muestran resultados favorables que permitieron identificar zonas de
alteraciones hidrotermales asociados a yacimientos mineros;
considerando el avance de los conocimientos presentados, se plantea:
2
1.2.1. FORMULACIÓN DE PROBLEMA
¿Qué características o anomalías espectrales presentan, y pueden

ser detectados en imagen satelital ASTER las zonas de alteración
hidrotermal que afloran en el sector de Titire?
1.3. ANTECEDENTES
A nivel nacional como extranjero, existen diferentes trabajos de

investigación de prospección minera a partir de uso de imagen satélite
con resultados que permitieron identificar y encontrar nuevos proyectos
mineros como: Proyecto Pallcamachay, ubicado en el departamento de
Ancash, realizado por (VARGAS, 2010), donde se utilizó técnicas de
procesamiento satelital ASTER para cartografiar los minerales de
alteraciones hidrotermales. En Castrovirreyna – Huancavelica, se utilizó
las imágenes ASTER para el mapeo de minerales de alteración
hidrotermales. En Argentina, en el yacimiento El Infiernillo, se utilizó
imágenes ASTER para el mapeo de alteraciones hidrotermales, realizado
por (TOMMASO, 2005).
A si mismo existen diferentes trabajos de investigación universitaria

como la tesis denominada “Imágenes Áster en la identificación de zonas
de alteración hidrotermal en los alrededores de Yunga-Moquegua”, por
(DÍAZ, 2007), en donde ha utilizado imágenes ASTER para determinar
zonas de alteración hidrotermal. Se ha revisado también una tesis
denominada “procesamiento de imágenes satelitales aplicado al estudio
geológico del sector Unión Soratira del distrito de San Antón – Azángaro –
Puno, por (MAMANI, 2012), en donde se ha utilizado las imágenes
LANDSAT 7ETM + (Enhace Thematic Mapper) para el estudio geológico,
y comprobar el nivel de precisión del mapeo mediante la imagen satelital
con el mapeo de campo. También se realizó una tesis denominada
Determinación de zonas de alteración hidrotermal mediante imágenes
ASTER, oeste de Cajamarca (RODRÍGUEZ, 2010). En la Universidad
Nacional Autónoma de Honduras, también se ha hecho una tesis
denominada Caracterización de alteración hidrotermal y dinámica de
3
cobertura de suelos mediante métodos de teledetección, del valle de
Choluteca, Honduras, por (CORRALES, 2010), donde ha utilizado las
imágenes satelitales LANDSAT TM4 y ETM7 para caracterizar
alteraciones hidrotermales y su comportamiento en dinámica de
coberturas.
Con los conocimientos y experiencia alcanzados de estudio de

casos en diferentes latitudes, en el presente trabajo de investigación se
aplicó al estudio de la zona de Titire por ser una zona de interés
económica desde el punto de vista de los recursos mineros donde se
encuentran ubicados los yacimientos mineros como la mina Tucari y
Santa Rosa. El presente estudio constituye el primer trabajo de
exploración que se realiza en la zona de Titire mediante uso de imagen
satélite ASTER.
1.4. JUSTIFICACIÓN
El uso de imágenes satelitales, en estudio de recursos naturales es

una herramienta de suma importancia por las ventajas que ofrece en el
estudio de recursos naturales, prospección minera y fundamental es de
gran ayuda en las exploraciones mineras que permite aminorar los costos y
el tiempo que estas requieren.
El estado peruano a través de CONIDA (Comisión Nacional de
Investigación y Desarrollo Aeroespacial) ha adquirido un satélite de
observación con el nombre del proyecto “centro de operaciones de
imágenes satelitales – CNOIS”, PIP: 21918, su viabilidad fue dada el año
2013 y fue lanzado el año 2016, la empresa proveedor del satélite es
AIRBUS Defence and Space.
Las metodologías para elaborar un mapeo de alteración hidrotermal
mediante procesamiento de las Imágenes satelitales ASTER, son
esenciales en la etapa de prospección y es una gran ayuda como guía para
estudiantes y profesionales afines.
4
Los resultados de estudio constituyen una contribución en el
conocimiento del comportamiento espectral de zonas alteración hidrotermal
la cual servirá como base para estudios posteriores más detallados.
1.5. HIPÓTESIS
Las características espectrales de las zonas de alteración

hidrotermal según los diversos estudios, generalmente presentan una
firma espectral con alta reflectancia y mayor absorción en el campo del
infrarrojo cercano y medio, debido a que los minerales reaccionan con la
luz de acuerdo a las vibraciones de sus enlaces catiónicos, que son
respuesta de los minerales típicos de zonas de alteración, propilitica,
argilica, filica, las cuales se hallan presentes y focalizadas en ciertas
áreas del sector de Titire.
1.6. OBJETIVOS
1.6.1. OBJETIVO GENERAL
Determinar zonas de anomalías espectrales relacionadas a

alteraciones hidrotermales a partir de imágenes satelitales ASTER en el
sector de Titire.
1.6.2. OBJETIVOS ESPECIFICOS
I. Determinar en imágenes ASTER el tipo de firma espectral en la

composición de bandas RGB: 321, RGB: 931, RGB: 468, RGB:
943.
II. Comparar las firmas espectrales del procesamiento de la imagen
ASTER con las firmas espectrales de la librería espectral de la
USGS para determinar zonas de alteraciones hidrotermales.
III. Confirmar las anomalías espectrales de alteraciones
hidrotermales con el espectrómetro PIMA.
5
1.7. METODO DE INVESTIGACIÓN DESARROLLADO
Con el objetivo de alcanzar los resultados, se desarrolló de manera

secuencial el siguiente procedimiento:
A. Recopilación bibliográfica y base de datos
 Recopilación y sistematización bibliográfica de información

geológica – sensores remotos aplicados al campo de exploración
minera.
 Adquisición e instalación de software: ENVI 5.0, ARCGIS,
AUTOCAD, GLOBAL MAPPER, GOOGLE EARHT, etc.
 Descarga de base de datos del sensor ASTER.
 Elaboración de mapa base de la zona de estudio a escala 1:125
000.
B. procesamiento de imágenes ASTER
 Pre procesamiento de las imágenes ASTER.- la imagen cruda

necesita ser preparada para tener mejor realce al momento de
procesar, por los cuales se siguió los siguientes pasos:
- Corrección geométrica.- se ajustó las variaciones

espaciales que ocurren al momento de la captura de
dicha imagen.
- Corrección radiométrica.- se ha mejorado los niveles
digitales originales de la imagen.
- Correcciones atmosférica.- se ha corregido de Radiancia
a reflectancia, la radiación transmitida entre la superficie
terrestre y el sensor.
 Procesamiento de imágenes para determinar anomalías.
6
- Elaboración de máscaras.- se elaboró las máscaras de
vegetación, nubes, agua, sombra para separar del
procesamiento de la imagen.
- Composición de bandas y cocientes.- se analizaron la
combinación de bandas y ratios en donde permitió
discriminar zonas de alteración hidrotermal.
- Identificación visual de zonas de alteración.- se identificó
posibles zonas de alteración con respecto al resultado de
la combinación y ratio de bandas interpretado por colores
registrados en la imagen.
- Análisis de componentes principales (PCA).- se hizo
procedimiento matemático usado en el procesamiento de
imágenes satelitales para transformar un número de
bandas espectrales altamente correlacionadas en un
número menor de bandas espectrales no
correlacionadas.
- Análisis espectral.- se determinó la similitud entre dos
espectros (Imagen ASTER con imagen USGS).
 documentación y elaboración de mapas de zonas anómalas de

alteraciones hidrotermales
C. Reconocimiento de campo.- el reconocimiento de campo se

focalizo en las zonas que presenta anomalías espectrales, el mismo
que se realizó a una escala 1: 75000
 En las zonas de anomalías se hizo levantamiento de información

de campo concerniente al aspecto litológica, estructural y
alteraciones hidrotermales.
 Se recolecto las muestras de campo para análisis macroscópicos
de minerales para correlacionar de firmas espectrales con el
espectrómetro PIMA SP.
7
D. Confirmación de anomalías espectrales
 Se obtuvo firmas espectrales de las muestras tomadas del

campo con el espectrómetro PIMA SP.- Luego de la extracción
de muestra, se procedió a limpiar una pequeña parte del
afloramiento de tal forma que la muestra de mano tenga la mayor
parte caras libres de la acción meteórica en el caso que se
presente muestra húmeda se procede al secado al horno de 30 a
60 grados centígrados; finalmente se procedió a la lectura del
espectro de la muestra con el PIMA e identificación del espectro.
 Comparación de las firmas espectrales obtenidas del
espectrómetro PIMA SP con las firmas espectrales anómalas,
obtenidas de la imagen ASTER.
E. Análisis e interpretación de resultados
 Una vez obtenido los resultados, se procedió a analizar e

interpretar dichos resultados del procesamiento.
F. Redacción final del trabajo de tesis
 Se elaboraron mapa de anomalías espectrales, redacción de las

discusiones y la edición final de la tesis.
8
CAPITULO II
MARCO TEÓRICO CONCEPTUAL
2.0. TELEDETECCIÓN
Teledetección (Remote Sensing) es la ciencia y el arte de obtener

información de un objeto, área o fenómeno, a través del análisis de
datos adquiridos mediante un dispositivo, el cual no está en contacto
directo con el objeto, área o fenómeno que se está investigando. La
obtención de los datos involucra el uso de instrumentos llamados
sensores capaces de ver o captar las relaciones espectrales y
espaciales de objetos y materiales observables a una considerable
distancia de aquellos (LILESAN; KIEFER, 1994).
Hay muchas aplicaciones en las que los sensores puede usarse

para generar información detallada ya sea en materiales y/o objetos en
la superficie de la tierra. Algunos de ellos son: petróleo, gas, océano,
agricultura, medioambiente, minería, geología, entre otros.
Los sensores remotos utilizan una fuente de energía para registrar

datos de superficie terrestre, que son las distribuciones de energía del
“Espectro Electromagnético” (EM) debido a las características de la
superficie terrestre (SABINS, 1987).
Los sensores remotos son los instrumentos que pueden ser

colocados en plataformas orbitales, llamados “satélites” o, ser
aerotransportados “aviones”. Estas características van a determinar la
resolución (espacial y espectral) produciendo una amplia variedad de
9
datos, para ser utilizados desde la elaboración de un mapa, cuantificar o
monitorear los diferentes recursos de la tierra, hasta determinar la
química de los materiales (LOUGHLIN, 1991).
2.1. PRINCIPIOS BÁSICOS DE TELEDETECCIÓN
El principio de la teledetección se basa en que cada área emite o

refleja una radiación específica, en función de su propia naturaleza, por
consiguiente el flujo energético es un factor indispensable en la
adquisición de información para conseguir como producto una imagen o
escena (CHUVIECO, 1995) (fig. 1).
Los procesos y elementos que actúan en los sensores remotos

electromagnéticos son la adquisición de datos y el análisis de los datos.
FIGURA N° 01: componentes de un sistema de teledetección

(CHUVIECO, 1995).
10
2.1.1. ENERGÍA Y PRINCIPIO DE RADIACIÓN
Históricamente las propiedades de la radiación electro-magnética

se han explicado por dos teorías aparentemente contrapuestas: aquella
que la concibe como un haz ondulatorio (HUYGENGS; MAXWELL,
1963), y aquella otra que la considera como una sucesión de unidades
discretas de energía, fotones o cuantos, con masa igual a cero
(PLANCK; EINSTEIN, 1900). Actualmente, parece que ambas teorías se
pueden compaginar, pues se ha demostrado que la luz puede
comportarse de acuerdo a ambos planteamientos (CHUVIECO, 1995).
Según la teoría ondulatoria, (1). La energía electro-magnética se

transmite de un lugar a otro siguiendo un modelo armónico y continuo, a
la velocidad de la luz y conteniendo dos campos de fuerzas ortogonales
entre sí: eléctrico y magnético (2). Las características de este flujo
energético pueden describirse por dos elementos: longitud de onda (λ) y
frecuencia (F). La primera hace referencia a la distancia entre dos picos
sucesivos de una onda mientras que la frecuencia designa el número de
ciclos pasando por un punto fijo en una unidad de tiempo. Ambos
elementos están inversamente relacionados, como describe la siguiente
formula:
c=λxF {i}
Donde c indica la velocidad de la luz (3 x 108 m/s), λ expresa la

longitud de onda y F la frecuencia (Herzios, ciclos por segundo). En
definitiva, a mayor longitud de onda, menor frecuencia y viceversa, por lo
que basta con indicar un solo termino para identificar propiamente el tipo
de energía mencionado.
11
FIGURA N° 02: Esquema de una onda electromagnética-Teoría Ondulatoria
(HUYGENGS; MAXWELL, 1963)
Gracias a la teoría cuántica, podemos calcular la cantidad de

energía transportada por un fotón, siempre que se conozca su
frecuencia:
Q=hxF {ii}
Donde Q es la energía radiante de un fotón (en julios), F la

frecuencia y h la constante de Planck (6,6 x 10-34 J.seg.). Sustituyendo
en {a} podemos así mismo expresar:
Q = h x (c/ λ) {iii}
Lo que significa, en definitiva, que a mayor longitud de onda o

menor frecuencia-el contenido energético será menor y viceversa. Esto
implica que la radiación en longitudes de onda largas es más difícil de
detectar que aquella centrada en longitudes cortas, de ahí que las
primeras requieran más sofisticados medios de detección (HUYGENGS;
MAXWELL, 1963).
12
FIGURA N° 03: Teoría cuántica (PLANCK; EINSTEIN, 1900)
2.1.2. EL ESPECTRO ELECTROMAGNÉTICO
De las formulas anteriores, se deduce que podemos describir

cualquier tipo de energía radiante en función de su longitud de onda o
frecuencia. Aunque la sucesión de valores de longitud de onda es
continua, suelen establecerse una serie de bandas en donde la radiación
electro-magnética manifiesta un comportamiento similar. La organización
de estas bandas de longitudes de onda o frecuencia se denomina
espectro electro-magnético (fig. 4). Comprende, en un continuo, desde
las longitudes de onda más cortas (rayos gamma, rayos X), hasta las
kilométricas (tele-comunicaciones). Las unidades de medida más
comunes se relacionan con la longitud de onda. Para las más cortas se
utilizan micras (µm = 10-6 metros), mientras las más largas se miden en
centímetros o metros. Normalmente a estas últimas (denominadas
micro-ondas) se les designa también por valores de frecuencia (en
gigahercios, GHz = 108 Hz). (PLANCK; EINSTEIN, 1900)
Desde el punto de vista de la teledeteccíon, conviene destacar

una serie de bandas espectrales, que son las más frecuentemente
empleadas con la tecnología actual. Su denominación y amplitud varían
según distintos autores, si bien la terminología más común es la
siguiente.
- Espectro visible (0.4 a 0.7 µm). Se denomina así por tratarse de la

única radiación electro-magnética que puede percibir nuestros
13
ojos, coincidiendo con las longitudes de onda en donde es
máxima la radiación solar. Suelen distinguirse tres bandas
elementales, que se denominan azul (0.4 a 0.5 µm); verde (0.5 a
0.6 µm); y rojo (0.6 a 0.7 µm), en razón de los colores elementales
asociados a esas longitudes de onda.
- Infrarrojo próximo (0.7 a 1.3 µm). A veces se denomina también
infrarrojo reflejado y fotográfico, puesto que puede detectarse a
partir de films dotados de emulsiones especiales. Resulta de
especial importancia por su capacidad para discriminar masas
vegetales y concentraciones de humedad.
- Infrarrojo medio (1.3 a 8 µm), en donde se entremezclan los
procesos de reflexión de la luz solar y de emisión de la superficie
terrestre.
- Infrarrojo lejano o térmico (8 a 14 µm), que incluye la porción
emisiva del espectro terrestre.
- Micro-ondas (a partir de 1mm), con gran interés por ser un tipo de
energía bastante trasparente a la cubierta nubosa.
FIGURA N°04: Espectro Electromagnético (CHUVIECO,

2008)
14
TABLA N° 1: Magnitudes radiométricas comúnmente utilizadas en
teledetección (CHUVIECO, 1995)
Magnitudes radiométricas comúnmente

Utilizadas en teledetección
Concepto Símbolo Fórmula Unidad de Medida
Energía radiante Q -- Julios (J)
Densidad radiante W Q/δv J/m3
Flujo radiante ɸ Q/δt Vatios (W)
Emitancia radiante Μ ɸ /δA W/m2
Irradiancia E ɸ /δA W/m2
Intensidad
I ɸ /δΩ W/sr
radiante
Radiancia L W/m2sr
Radiancia
Lλ L /δ λ W/m2sr µm
espectral
Emisividad ε M/Mn
Reflectividad ƿ ɸr/ɸi
Absortividad α ɸa/ɸi
Transmisividad ‫ז‬ ɸt/ɸi
Sr, estéreo-radian, medida del ángulo solido
µm micrómetro o micra (10-6 metros)
Mn Emitancia de un cuerpo negro
ɸi flujo incidente
ɸr Flujo reflejado
ɸa Flujo abosrbido
ɸt Flujo transmitido
θ angulo formado por la superficie y la dirección normal
1 m = 1.000.000 µm
1m = 1.000.000.000 nm
15
2.1.3. ENERGÍA RADIANTE
Todo objeto a temperatura por encima del 0 absoluto (0°K o -

273°C) emite energía. La cantidad de energía es función de la
temperatura, la ley de Stefan-Boltzmann describe esa situación:
W=σ*Τ4
Donde W es el total de energía radiante (watts/m 2), σ es la

constante de Stefan-Boltzmann (5.67*108-Wm2-k-4).
Es importante tener presente la potencia de la temperatura, la

relación de Stefan-Boltzmann es válida solo para los denominados
cuerpos negros, un cuerpo negro es un material ideal que absorbe toda
la energía incidente. Esto no existe en la realidad, el máximo de
absorción es 1.
Así un cuerpo negro a 6000 K, la temperatura de la superficie del

sol, no emitirá radiación con la longitud de onda tan corta como 0.1 µᵐ,
teniendo un pico de energía a 0.5 µᵐ, pero emitirá todas las longitudes
de onda más allá de 100 µᵐ. La energía total emitida está dada por las
áreas bajo las curvas (LILESAN; KIEFER, 1994). (fig. 5).
FIGURA N° 05: Distribución espectral de la energía radiada desde

los cuerpos negros a varias temperaturas (LILESAND; KIEFER,
1969)
16
2.1.4. FIRMAS ESPECTRALES
Una vez que la energía electromagnética llega a la superficie

terrestre, interactúa con cada tipo de material ya sea por reflexión,
absorción o transmisión, de acuerdo a un patrón de respuesta espectral
particular. Este comportamiento distintivo de cada tipo de material es
aprovechado en procesos de clasificación de imágenes, siendo común
referirse a él como “firma espectral”. (JOGMEC, 2006).
Su determinación en forma consistente presenta algunas
dificultades asociadas a las siguientes razones:
 La vegetación tiene un comportamiento dinámico debido a los cambios
fenológicos que ocurren estacionalmente. Esto significa que su firma
espectral cambia durante el año.
 Las condiciones de iluminación asociadas a la topografía (pendiente y
orientación), la posición del sol durante el año (elevación y azimut), y
las condiciones de humedad del suelo y la vegetación pueden significar
variaciones importantes en el patrón de respuesta espectral.
 Debido a la resolución espacial de la mayoría de los sensores, la
información contenida en un píxel es el resultado de una mezcla
espectral de varios tipos de materiales.
2.1.5. INFLUENCIA DE LA ATMOSFERA O ABSORCIÓN ATMOSFÉRICA

EN DETERMINADAS LONGITUDES DE ONDA
La atmosfera tiene un rol importante en el registro de los datos de

sensores y en la interacción con la radiación electromagnética.
Contienes muchos gases y partículas diferentes, por lo cual absorbe y
transmite muchas longitudes de onda diferentes de radiación
electromagnética.
En longitudes de onda menores 0.3 µᵐ (UV) son prácticamente

absorbidas. El agua (H2O) e hidroxilo (-HO) absorben radiación en
determinadas λ las más importantes son 1,4; 1,9; 3,1; y 6,2 µᵐ.
17
Otros gases como CO2 y O3+ también absorben radiación, por esta
razón los sensores remotos se limitan a las regiones con alta
transmitancia, a esas regiones se les denomina ventanas atmosféricas.
Estas ventanas existen en la región de las microondas, en

algunas bandas de longitud de onda en el infrarrojo, en toda la región
visible (VIS) y parte de las regiones del ultravioleta (UV) cercano.
FIGURA N° 06: Ubicación de las ventanas atmosféricas (máximos de

transmisión) en el espectro electromagnético (JOGMEC, 2006)
2.1.6. INTERACCIÓN DE LA ENERGÍA CON LA SUPERFICIE DE LA

TIERRA
Cuando la energía electromagnética incide sobre la superficie de

la tierra, puede interactuar de tres formas: reflexión (r), absorción (a), y/o
transmisión (i). La energía detectada por el sensor es una función de la
energía reflejada. (fig. 7).
FIGURA N° 07: Interacciones básicas entre la energía electromagnética

y la superficie terrestre (JOGMEC, 2006)
18
2.2. CARACTERÍSTICAS DEL SENSOR ASTER
El sensor ASTER obtiene datos a través de 14 bandas

espectrales con un ancho de barrido de 60 km y una resolución temporal
de 16 días (JET PROPULSION LABORATORY, 2013).
El sensor está compuesto de tres radiómetros (tabla 1), cada uno

responsable de medir en diferentes porciones del espectro
electromagnético (JET PROPULSION LABORATORY, 2013).
El radiómetro en el visible e infrarrojo cercano (VNIR) colecta

datos en tres canales espectrales entre 3.52-0.86 µᵐ y resolución
espacial de 15m. (JET PROPULSION LABORATORY, 2013).
El instrumento VNIR está equipado con un canal que mira hacia

atrás separado en la porción del infrarrojo cercano del espectro
electromagnético (canal 3B en la tabla 1), inclinado 27.6° del nadir, que
proporciona una capacidad de visión.
El radiómetro infrarrojo de longitudes de onda corta (Short

Wavelength InfraRed, SWIR) obtiene datos a través de seis canales
espectrales entre 1.60 - 2.430 µᵐ con una resolución espacial de 30 m.
(tabla 2).
Finalmente el radiómetro infrarrojo térmico (Thermal InfraRed,

TIR) obtiene datos en cuatro bandas espectrales entre 8.125 – 11.65 µᵐ
con una resolución espacial de 90 m.
Las características más relevantes de estas imágenes son que

tienes alta resolución espacial y un amplio rango espectral. Su
capacidad estéreo Along – Track B/N 0.6; permite generar DEM o DTM
de alta calidad. Presenta una precisión elevación DEM: 15 m (3ζ) y
precisión Geolocación DEM: 50m. (3ζ) (fig. 8 fig. 9). (JET PROPULSION
LABORATORY, 2013)
19
TABLA N° 2: Características de los subsistemas de la imagen ASTER
(JET PROPULSION LABORATORY, 2013)
NUMERO RANGO RESOLUCION RESOLUCION

SUB
DE ESPECTRAL ESPACIAL RADIOMETRICA
SISTEMA
BANDA (µm) (m) (bits)
0.520-0.600
1
(verde)
0.630-0.690
2
(rojo)
VNIR 15 8 bits
0.780-0.860
3N
(NIR)
0.780-0.860
3B
(NIR)
4 1.600-1.700
5 2.145-2.185
6 2.185-2.225
SWIR 30 8 bits
7 2.235-2.285
8 2.295-2.365
9 2.360-2.430
10 8.125-8.475
11 8.475-8.825
TIR 12 8.925-9.275 90 12 bits
13 10.25-10.95
14 10.95-11.65
2.2.1. MODELO DE ELEVACIÓN DIGITAL (DEM)
Un modelo de elevación digital es regularmente un Raster con

valores de elevación que representan la superficie del suelo a nivel del
mar.
Para generar el DEM se utiliza la tecnología de stereo matching

entre las bandas 3N y 3B (fig. 8)
20
Tiene una banda de observación backward (observa con un
ángulo de retraso) que pertenece al VNIR (fig. 09).
FIGURA N° 08: A la izquierda se encuentra la ubicación de las bandas 3B y

3N en el espacio (JOGMEC, 2006)
FIGURA N° 09: A la derecha se muestra la configuración estéreo del

subsistema VNIR. El ángulo entre la posición nadir y la posición vista
atrás ha sido diseñado para permitir una relación base-altura de 0.6 en la
dirección de la órbita (along track) (JOGMEC, 2006).
FIGURA N°10: Modelo de elevación digital (JOGMEC, 2006).
21
2.2.2. RESOLUCIONES DEL SENSOR ASTER
2.2.2.1. Resolución espacial.- es el tamaño del pixel en el terreno, ASTER 15,

30, 90 m. debe ser menor a la mitad de tamaño del objeto de interés
más pequeño. Cuanto menor sea el tamaño del pixel será menor la
probabilidad de que este sea un compuesto de datos cercanos por lo
tanto mayor la resolución espacial. (JET PROPULSION
LABORATORY, 2013).
2.2.2.2. Resolución temporal.- es la frecuencia con que un satélites puede
obtener imágenes de un área en particular. Para el caso del sensor
ASTER es de 16 días. (JET PROPULSION LABORATORY, 2013).
2.2.2.3. Resolución radiométrica.- la resolución radiométrica o sensibilidad
radiométrica se refiere al número de niveles digitales usados para
expresar la información colectada por el sensor en una escala de gris
(brillo). Se expresa comúnmente como el número de bits (dígitos
binarios) necesarios para almacenar el nivel máximo de información.
Para el caso del sensor ASTER las resoluciones son de 8 y 12 bits.
(JET PROPULSION LABORATORY, 2013).
2.2.2.4. Resolución espectral.- se refiere a la amplitud de las bandas
espectrales. Se relaciona con las características de los diferentes
materiales sobre la superficie terrestre que tiene diferentes patrones de
respuesta espectral o de emisividad. (JET PROPULSION
LABORATORY, 2013).
Ya que existe una relación estrecha entre la resolución espectral,

y la relación señal/ruido, es necesario considerar la buena selección y
el número adecuado de bandas espectrales para identificar diferentes
blancos de interacción.
Las imágenes del sensor ASTER, tiene 14 bandas y se pueden

discriminar las arcillas entre las bandas 5 a la 9 a diferencia que las
LANDSAT que en ese rango tiene solo la banda 7.
22
FIGURA N° 11: Comparación entre las resoluciones espectrales de
ASTER y LANDSAT 7 (JET PROPULSION LABORATORY, 2013)
2.2.3. NIVEL DE DATA

2.2.3.1. Nivel 1A. se define como la reconstrucción de dato no procesado a
máxima resolución. El dato nivel 1ª viene acompañado por un archivo
auxiliar con los datos de efemérides del satélite y con tablas de
coeficientes de calibración radiométrica y de corrección geométrica sin
aplicar a la imagen. El nivel 1ª es el dato de origen para producir el
Modelo Digital de Elevaciones DEM pues posee los parámetros
geométricos necesarios que permiten elaborar el DEM sin puntos de
control de campo. (JET PROPULSION LABORATORY, 2013).
2.2.3.2. Nivel 1B es generado aplicando esos coeficientes.
2.2.3.3. Nivel 3A la información de las imágenes en este nivel cuentan con las
correcciones de los niveles L1A y L1B (tabla 3).
TABLA N°3: características de los niveles de imágenes ASTER.
Nivel Nivel Nivel

IMAGEN ASTER
1A 1B 3A
Calibración - Radiométrica X  
Georeferenciada X  
Modelo Elevación Digital (DEM) X X 
23
2.3. PROCESAMIENTO DE IMÁGENES SATELITALES ASTER
FIGURA N° 12: etapas utilizadas para el procesamiento de imágenes

ASTER (INGEMMET, 2011)
2.3.1. CORRECCIONES GEOMÉTRICAS Y ORTORECTIFICACIÓN
El dato nivel 1A se procesa con el software elaborado por el

equipo científico japonés, en base Windows, Macintosh o Linux,
denominado SILCAST (www.silc.co.jp) “Sensor Information Laboratory
Corporation”, el cual asigna una coordenada a cada pixel realiza la
corrección por la altura sobre el nivel del mar y proyecta los datos a un
plano de referencia predeterminado, UTM, WGS84.
SILCAST:
Archivo de entrada: Level-1A HDF Level-1B HDF
Archivo de salida: Geotiff, Proyección UTM.
24
2.3.2. ORTORECTIFICACIÓN
Es una forma de rectificación que corrige el desplazamiento

debido al terreno y que se puede usar si existe un DEM del área de
estudio. Está basada en las ecuaciones de colinealidad, que se pueden
derivar usando GCPs (puntos de control terrestre) en 3D. En áreas
relativamente planas, la ortorectificación no es necesaria, pero en áreas
montañosas, en las cuales se requiere un alto grado de exactitud, se
recomienda la ortorectificación.
Las variaciones topográficas en la superficie de la tierra y la

inclinación del satélite afectan la distancia con la que se muestran las
características en la imagen satelital. Cuando más topográficamente
diverso sea el paisaje, tanto mayor será la distorsión inherente en la
imagen (fig. 13). Para realizar estas correcciones a las imágenes ASTER
se utiliza el software SILCAST, que realiza la ortorectificaión y
extracción de modelos de elevación digital (DEM) a partir de la imagen
ASTER L1A y L1B en formato HDF. (www.satimagingcorp.com)
FIGURA N° 13: Proceso de ortorectificación de imágenes (tomado de

www.satimagingcorp.com)
25
2.3.3. CORRECCIONES DE BORDES DEBIDO AL ERROR DE PARALAJE
Las bandas de las imágenes ASTER sufren errores de paralaje,

porque los arreglos de sensores para las diferentes bandas no están
perfectamente alienados. Esto da lugar a que las bandas se desplacen
en el espacio respecto a las otras, por lo tanto tiene una gran impacto en
la calidad de la imagen si no se corrige (fig. 14). Para corregir la imagen
se realiza un enmascaramiento para redimensionar las bandas de las
imágenes tomando como referencia la banda más pequeña, que
generalmente es la banda 7, y de esta manera tener una imagen sin
errores en los bordes. 8. (HUNT, 1977).
FIGURA N° 14: imagen sin corregir, adquisición de la imagen

ASTER de USGS (UNITED STATES GEOLOGICAL SURVEY, 2015)
2.3.4. CORRECCIONES RADIOMÉTRICAS
Debido a que el sensor del satélite se encuentra orbitando en una

altura de 705 Km aproximadamente, la respuesta radiométrica que
percibe desde la superficie se modifica a consecuencia de su paso por la
atmosfera. Uno delos efectos más importantes de la atmosfera en las
radiaciones visibles e infrarrojas próximas es debido a la dispersión
producida por las moléculas de los gases (dispersión de Rayleigh).
Otros efectos de dispersión atmosférica son debidos a la

presencia de partículas de aproximadamente el mismo tamaño que las
26
longitudes de onda (aerosoles), pero son más esporádicos y suelen
presentarse únicamente en días de atmosferas poco nítidas.
Para aproximar la respuesta recibida por el sensor a la real del

objeto observado en la superficie terrestre, se aplican métodos para
calcular la Radiancia espectral en el sensor y luego eliminar o reducir la
dispersión que ocurre en la atmosfera.
2.3.5. CONVERSIÓN DE NIVEL DIGITAL A RADIANCIA
Se realiza la calibración radiométrica en el cual los niveles

digitales (ND), de las imágenes ASTER ortorectificadas son convertidos
a Radiancia en sensor, con la siguiente relación:
Radᵢ = (NDᵢ-1) x coefᵢ… (1)
Dónde:
Radᵢ : Radiancia de la banda i
NDᵢ : Nivel Digital de la banda i
coefᵢ : Coeficiente de re calibración de la banda i (ver tabla 4)
TABLA N° 4: coeficientes de conversión (JET PROPULSION

LABORATORY, 2013)
27
2.3.6. RADIANCIA A REFLECTANCIA
2.3.6.1. Obtención de reflectancia mediante la corrección atmosférica
(método FLASSH)
Los valores de la Radiancia de las imágenes ASTER son

convertidos en reflectancia mediante la corrección atmosférica
utilizando el modelo FLASSH (Fast Line-of-sight Atmospheric
Analysis of spectral Hipercubes) incluido en el programa ENVI. Este
método, parte de una ecuación estándar de Radiancia espectral en
un píxel del sensor, L, que se aplica al rango de longitud de onda
correspondiente al espectro solar (emisión térmica no se toma en
cuenta), en materiales lambertianas o sus equivalentes. (KAUFMAN,
1997a)
El modelo FLASSH incluye un método para recuperar la

cantidad estimada de aerosol/neblina de píxeles de terrenos oscuros
en la escena. El método se basa en observaciones por Kaufman et
al. (1997) de una proporción casi fija entre las reflectancias de
píxeles como a 660 nm y 2100 mn.
FLASSH recupera la cantidad de aerosoles iterando

ecuaciones sobre una serie de rangos visibles, por ejemplo, a 17 km
y 200 km. Para cada rango visible, se recupera la escena a la media
de 660 nm y 2100 nm para las reflectancias píxeles oscuros, y se
interpola la mejor estimación del rango visible, haciendo coincidir la
relación a la proporción media de ~0.45 que se observó por
Kaufman et al. (1997). Utilizando esta estimación rango visible,
FLASSH realiza un segundo y último calculo MODTRAN4 sobre
agua. (KAUFMAN, 1997a)
La propiedad usada para cuantificar la firma espectral de cada

material es llamada reflectancia espectral: la razón de la energía
reflejada y la energía incidente como una función de la longitud de
onda. La reflectancia varía con la longitud de onda para la mayoría
de los materiales (fig. 15), ya que la energía en ciertas longitudes de
onda es dispersada o absorbida en diferentes grados.
28
FIGURA N°15: Firmas espectrales de laboratorio y regiones de
Absorción (MARS; ROWAN, 2006).
Estas variaciones de reflectancia son evidentes cuando se

realiza un análisis espectral, para tal fin la Radiancia de las
imágenes ASTER es transformada en reflectancia (fig. 16) mediante
la corrección atmosférica usando el modelo FLASSH (Fast Line-of-
sight Atmospheric Analysis of spectral Hipercubes).
FIGURA N°16: Radiancia espectral (izquierda), reflectancia obtenida

con FLASSH (derecha) (JOCMEC, 2006)
2.3.7. ESPECTROSCOPIA DE REFLECTANCIA APLICADA

2.3.7.1. Generalidades
La espectroscopia de reflectancia aplicada puede definirse

como la técnica que utiliza la energía de las regiones del espectro
electromagnético de la luz visible (0.4-0.7), la cercana a infrarrojo
(0.7-1.3) y el infrarrojo de ondas cortas (1.2-2.5 mm) para analizar
los materiales (fig. 17).
29
La ciencia y técnicas de la espectroscopia de reflectancia
aplicada están basadas en las propiedades espectrales de los
materiales. Ciertos átomos y moléculas absorben energía en función
de su estructura atómica. Esto se manifiesta en la forma de un
gráfico o espectro de reflectancia en sus características rasgos de
absorción, lo cual se analizará en detalle posteriormente. (HAUFF,
1996)
Para el análisis de áreas anómalas, se utilizó el equipo

espectrómetro portátil infrarrojo de onda corta PIMA con el cual se
realizó la identificación de los minerales de grano fino (arcillas) así
como definir sus variaciones de composición.
FIGURA N°17: valores de longitudes de onda de los rangos visibles

(VIS), el infrarrojo cercano (NIR), y el infrarrojo de onda corta
(SWIR). La escala horizontal está en micrones y nanómetros, la
escala vertical muestra el porcentaje de reflectancia. (HAUFF,
PHOEBEL, 1996)
30
2.3.7.2. Mecanismo de Absorción Según Hunt (1977) y Goetz et al (1982)
Las características de la reflectancia del espectro de los

minerales son el resultado de las diferentes propiedades físicas y
químicas. Las transiciones entre los distintos niveles de energía y las
diferencias composicionales se manifiestan por los principales
rasgos de absorción en longitudes de ondas predeterminadas. La
siguiente fig. 18, resume las tres regiones principales de reflectancia
espectral dentro del espectro electromagnético, así como las
razones por las cuales dichas características de absorción
aparezcan en ciertas longitudes de onda en especial.
FIGURA N°18: Características espectrales de la vegetación, tomado

de (HUNT, 1977 y GOETZ et al, 1982).
31
TABLA N°5: Regiones de reflectancia espectral.
REGION MECANISMO DOMINANTES

Transferencia de carga Identidad del con Metales de
VIS
transición + molecular
Efectos del campo cristalino Identidad Metales de
VIS/NIR
transición + del compuesto molecular.
Transición de vibración Identidad + geometría de
SWIR
cationes enlazados con OH, SO4, CO3
UV- Bandas de conducción Ausencia total de conformación
SWIR - NEGRO
Nota: VIS = Visible, NIR = near – infra red (infrarrojo cercano),
SWIR = short – wave infra-red (infraroja de onda corta y UV =
violet (ultra violeta)
2.3.7.3. Procesos de Vibración
Los movimientos vibracionales entre los componentes

(átomos, moléculas) dentro de la red cristalina son los llamados
modos fundamentales. El número y forma o tipo de estas vibraciones
se determinan por los átomos compuestos presentes, su geometría
espacial y la longitud de las fuerzas que los une. (HUNT, 1977 y
GOETZ et al 1982).
Cada vibración normal tiene un número cuántico, Vi, asociado

con ella y una frecuencia normal O1 la vibración “ia” se relaciona con
el movimiento involucrado (tabla 6)
TABLA N°6: Modos de vibración
FRECUENCIA MODOS DE VIBRACION
V1 o V OH Extensión simétrica OH
V2 Enlace H-O-H
V3 Extensión asimétrica OH
32
Por ejemplo, en la molécula de agua hay 3 modos de
vibración fundamentales.
Cuando un modo fundamental es excitado por dos o más

cuantos de energía, ocurre un sobretono o armónico. Este produce
una banda en o cerca de algún valor que representa un múltiplo de
la frecuencia fundamental (por ejemplo 2 o 1.3 o 1). Un rasgo o
banda combinada aparece cuando dos o más vibraciones diferentes
de armónicos y combinaciones ocurren en las regiones de SWIR y
VNIR. (HUNT, 1977 y GOETZ et al 1982).
Ciertos átomos y moléculas absorben de pendiendo de sus

estructuras atómicas. La expresión de este fenómeno toma la forma
de un espectro de reflectancia, con rasgos de absorción, posición de
longitudes de onda y perfiles o aspectos distintivos que pueden ser
usados para identificar minerales y fases orgánicas.
Cada mineral detectado en el rango SWIR tiene un conjunto

de rasgos espectrales bastante únicos que se combinan en el
espectro de reflectancia. Los rasgos tienen frecuencias o longitudes
onda con posiciones y anchos de bandas característicos. Tanto los
rasgos espectrales como la envolvente o componente de fondo son
influenciados por múltiples variables.
FIGURA N°19: Ilustra las posiciones de longitudes de onda de

algunos enlaces de minerales comunes, tomado de (HUNT, 1977
y GOETZ et al, 1982).
33
Por lo antes expuesto, es posible usar estas consistentes
longitudes de onda de diferentes para la identificación Al-OH se
encuentra en la zona de longitud de onda de 2200nm; los enlaces
Fe-OH se encuentran siempre en la zona entre 2280-2295 para las
arcillas; los enlaces Ca-CO3 se encuentran alrededor de 2,334nm.
2.3.7.4. Componentes del Espectro
El espectro de reflectancia consiste en general en una curva

de envolvente o continuum de rasgos de absorción y rasgos de
absorción que tiene frecuencias o posiciones específicas de longitud
de onda y de amplitud de bandas. (HUNT, 1977 y GOETZ et al
1982). (fig. 20)
Los rasgos de absorción son mostrados convencionalmente

como mínimos respecto al envolvente general de curvas. La
intensidad de los rasgos o profundidad es controlada por la
intensidad de las vibraciones de energía presentes en las longitudes
de onda específicas, que son características de cada mineral
individual. Esto viene a ser función no solo de la concentración de la
sustancia detectada, sino también de numerosas propiedades físicas
de los materiales.
FIGURA N°20: rasgos de absorción, tomado de (HUNT, 1977 y

GOETZ et al, 1982).
34
Las características que deben ser consideradas en cualquier
espectro, para la identificación de compuestos son los siguientes:
rasgos de absorción, estos cambian de forma, profundidad respecto
al eje vertical, y posición respecto al eje horizontal (longitud de onda)
que nos indica, zonas de energía generada por la vibración de
ciertas moléculas y radicales: OH, H2O, NH4, CO3 y enlaces de
catión OH COMO Al-OH, Mg-OH, Fe-OH. (Fig. 21).
FIGURA N°21: Rasgos mayores de absorción, tomado de (HUNT,

1977 y GOETZ et al 1982)
2.3.7.5. Análisis de Envolvente
Un cociente de envolvente se obtiene por la razón o cociente

entre el valor de reflectancia y su envolvente. Cuando el espectro
coincide con el envolvente, su cociente es 1 (fig. 22).
En el proceso de remover el envolvente las posiciones de los

mínimos de las absorciones pueden sufrir algunos desplazamientos
en longitud de onda. (HUNT, 1977; GOETZ et al 1982).
35
Sin embargo de lo anterior, los efectos de fondo pueden ser
reducidos de esta manera, y se hace más fácil efectuar la extracción
de rasgos y el análisis de los espectros.
FIGURA N°22: aspectos de un espectro de absorción típico,

incluyendo la posición de sus ondas, profundidad y ancho (alto
completo, medio-ancho máximo). Se muestra también un perfil
generalizado denominado “hull” o “continuo”.
Los principales rasgos de absorción que pueden observarse

en un espectrómetro PIMA, es la forma y profundidad de cada uno
de ellos está en función de las características de la molécula del
mineral analizado. (fig. 23).
FIGURA N°23: los rasgos de absorción según su forma y

profundidad.
36
2.4. ESPECTROSCOPIA DE REFLECTANCIA DE MINERALES DE
ALTERACION HIDROTERMAL.
La espectroscopia de reflectancia es una técnica analítica usada

por químicos y mineralogistas desde comienzos de 1900, con los datos
infrarrojos en minerales (COBLENTS, 1905). Los espectrofotómetros
infrarrojos comercialmente disponibles a mediados de 1940 permitieron
el incremento en el uso de esta técnica para la mineralogía. Las
primeras compilaciones de espectros de minerales fueron publicados por
(LYON; MOENKE, 1962). (FARMER, 1974) publicó un libro bastante
completo en sus aspectos teóricos y prácticos y (MAREL;
BEUTELSPACHER, 1976) compilaron las características
espectrográficas de las arcillas. (KODAMA, 1985) publicó los análisis
espectrales de minerales típicos encontrados en suelos, incluyendo una
gran cantidad de hidróxidos, óxidos, filosilicatos, carbonatos y sulfatos.
2.4.1. COMPORTAMIENTO ESPECTRAL DE MINERALES

REPRESENTATIVOS DE ALTERACIONES HIDROTERMALES.
Las características de absorción son manifestaciones de reflejos o

tonos de primero y segundo orden y la combinación de tonos de modos
fundamentales que ocurren en la región media del infrarrojo. El
espectrómetro SWIR es particularmente sensitivo a ciertas moléculas y
radicales, incluyendo OH, H2O, NH4, CO3 y los enlaces del catión OH
tales como Al-OH, Mg-OH y Fe-OH. Las posiciones características en
el espectro de cada mineral y sus formas típicas son función de los
enlaces moleculares presentes en el mineral. Las variaciones en su
composición química pueden ser detectadas en el tamaño y posición de
las características de cada espectro, el cual cambia consistentemente
por la sustitución de elementos. El espectrómetro SWIR es parcialmente
sensitivo a variaciones de cristalización, pero podría no detectar cambios
primarios en la estructura molecular. Un típico espectro consiste de
varias características de absorción. La Figura 24 ilustra los diferentes
aspectos de un espectro de absorción típico, incluyendo la posición de
37
sus ondas, profundidad y ancho (alto completo, medio-ancho máximo).
Se muestra también un perfil generalizado denominado “hull” o
“continuun” (HUNT, 1977 y GOETZ et al 1982).
FIGURA N° 24: Detalle de las características del espectro de caolinita

obtenido con el espectrómetro PIMA II, se indica el perímetro exterior
o “Hull”, puntos profundos y la posición y ancho total en la mitad de la
máxima profundidad (HUNT, 1977 y GOETZ et al 1982).
Los minerales pueden ser distinguidos no solamente en base a

sus características distintivas y las posiciones de sus ondas sino también
por el carácter de su perfil sin deducir el “hull”. Ejemplos comunes de
minerales de alteración son mostrados en la Figura 25. La identificación
de minerales está basada en la posición de las ondas, su intensidad,
38
forma de la depresión relacionada a la absorción y la forma total del
espectro.
Las longitudes de onda en la zona de onda corta del infrarrojo no

son adecuadas para la mayoría de los silicatos anhidros. Además, es
difícil identificar minerales presentes en cantidades menores que el 5%
a menos que la muestra sea una simple mezcla con cuarzo y que el
mineral sea altamente reflectivo. La reflectividad o reflectancia al
infrarrojo varía según las diferentes especies de mineral. En mezclas de
minerales activos al infrarrojo el mineral dominante y típicamente más
reflectivo, es fácilmente identificable, sin embargo, como regla general,
10% o más de un mineral debe de estar presente para su positiva
identificación. Donde están presentes minerales de baja reflectancia, su
reconocimiento requerirá del 20% o más cantidad del mineral existente
en la muestra (por ejemplo: carbonatos, cloritas).
Composición Química de los Minerales: Las variaciones en la química

del mineral son mayormente detectadas por cambios en la posición de
las ondas o cambios en la forma del perfil generalizado o “hull” del
espectro. La presencia de hierro en la mayoría de los minerales resulta
en una fuerte inclinación positiva entre 1,300 a 1,900 nm. Una
comparación del espectro del clinocloro rico en Fe y del rico en Mg se
muestra en la Figura 26. La variación química en el grupo de los
carbonatos se manifiesta por un cambio en la posición de su
característica mayor en función de la presencia de diferentes cationes.
La característica dominante varía ampliamente, incluyendo la magnesita
(Mg) a 2,300 nm, dolomita (Mg, Ca) a 2,320 nm, calcita (Ca) a 2,330 nm
y rodocrosita (Mn) a 2,360 nm. Variaciones químicas en el grupo de la
alunita son manifestadas por cambios en la posición 1,480nm, con
valores que varían de ~1,461 (NH4), a ~1,478 nm (puro K) a 1,496 (Na)
a 1,510 nm (Ca.). La variación en la composición de un mineral es mejor
evaluada con muestras monominerálicas; sin embargo, mediante la
técnica SWIR podría ser posible definir las variaciones en algunas
mezclas de minerales (HUNT, 1977 y GOETZ et al 1982).
39
FIGURA N° 25: Ejemplo de
caracteristicas espectrales de minerales
inividuales. Los valores de reflectancia
estan omitidos para mayor claridad.
FIGURA N° 27: Ejemplos de grupo
de alunitas ricas en K-Na-Ca- y NH4-.
La ampliación muestra la ubicación
de las características distintivos de K
y Ca con una muestra con Ca
dominante, los elementos de esta
muestra fueron confirmados con un
microscopio electrónico. Los
FIGURA N° 26: Ejemplo de clinocloros ejemplos fueron tomados de la base
del Fe y Mg. Nota la fuerte pendiente de datos de SPECMIN.
entre 1,300 y 1,900 mn de la clorita rica
en Fe.
40
2.4.2. INVENTARIO DE LIBRERÍA ESPECTRAL DE LA USGS (UNITED
STATES GEOLOGICAL SURVEY).
La recopilación de medidas de radiometría ha llevado a la

generación de librerías o bibliotecas espectrales. En los últimos años el
interés por estas librerías o bibliotecas ha crecido ya que son una
herramienta excepcional que:
 facilita la interpretación automática de cubiertas a partir de sensores

hiperespectrales,
 ayuda a calibrar los valores de reflectividad estimados a partir de las
imágenes,
 sirven como entrada para la extracción de modelos de mezclas
espectrales, para validar modelos de simulación
 combinados con imágenes hiperespectrales, se utilizan para deducir
el contenido de humedad de la vegetación a partir de la inversión de
modelos de transferencia radiactiva.
 se usan para determinar la resolución espacial, espectral, temporal y
radiométrica más adecuada para futuros sensores.
La mayor parte de estas librerías o bibliotecas son

fundamentalmente una recolección de clases geológicas como la
biblioteca del USGS (http://speclab.cr.usgs.gov/spectral-lib.html), o la ASTER
(http://speclib.jpl.nasa.gov/).
A continuación veremos un inventario resumido de la librería

espectral de la USGS.
41
LIBRARY SPECTRAL UNITED STATES
GEOLOGICAL SURVEY
MINERAL: EPIDOTA M-01
FORMULA: Ca2(Al,Fe+3)3(SiO4)3(OH)
IMAGEN DE LA MUESTRA FIRMA ESPECTRAL

MINERAL: CALCITA M-02
FORMULA: CaCO3
IMAGE_OF_SAMPLE:
NO PHOTO

MINERAL: MUSCOVITA M-03
FORMULA: KAl2Si3O10(OH)2
42
GEOLOGICAL SURVEY
MINERAL: KAOLINITA M-04
FORMULA: Al2Si2O5(OH)4

MINERAL: CLORITA M-05
FORMULA: (Mg,Fe)3(Si,Al)4O10(OH)2-(Mg,Fe)3(OH)6
IMAGE_OF_SAMPLE:
NO PHOTO

MINERAL: ALUNITA M-06
FORMULA: (Na,K)Al3(SO4)2(OH)6
IMAGE_OF_SAMPLE:
NO PHOTO
43
GEOLOGICAL SURVEY
MINERAL: DIKITA M-07
FORMULA:
IMAGE_OF_SAMPLE:
NO PHOTO

MINERAL: ILLITA M-08
FORMULA:
IMAGE_OF_SAMPLE:
NO PHOTO

MINERAL: MAGNETITA M-09
FORMULA:
IMAGE_OF_SAMPLE:
NO PHOTO
44
GEOLOGICAL SURVEY
MINERAL: MONTMORILLONITA M-10
FORMULA:
IMAGE_OF_SAMPLE:
NO PHOTO

MINERAL: PIRITA M-11
FORMULA:
IMAGE_OF_SAMPLE:
NO PHOTO

MINERAL: CUARZO M-12
FORMULA:
IMAGE_OF_SAMPLE:
NO PHOTO
45
GEOLOGICAL SURVEY
MINERAL: ZUNYITA M-13
FORMULA:
IMAGE_OF_SAMPLE:
NO PHOTO

MINERAL: DIASPORA M-14
FORMULA:
IMAGE_OF_SAMPLE:
NO PHOTO

MINERAL: PIROFILITA M-15
FORMULA:
IMAGE_OF_SAMPLE:
NO PHOTO
46
2.4.3. ESPECTRÓMETRO PIMA SP
PIMA SP es un espectrómetro que mide la reflectancia solo en la

región de onda corta (SWIR), que abarca el intervalo 1300 – 2500
nanometros. Esta región es equivalente a las bandas 5 y 7 de ASTER.
Este espectrómetro tiene una fuente propia de luz interna, la cual le
permite recolectar datos de campo de muy buena calidad como en
laboratorio, por medio de la iluminación directa de las muestras de las
rocas. (HAUFF, 1996)
De esta manera es capaz de recolectar espectros de una variedad

de muestras, las cuales pueden ser: rocas, fragmentos, testigos,
muestras pulverizadas y líquidos. Los análisis o recolección de espectros
de cada muestra lleva menos de 30 segundos.
El PIMA fue diseñado especialmente para ayudar al mapeo de

minerales de alteración hidrotermal en la exploración, verificar anomalías
de la combinación de bandas espectrales de las imágenes satelitales.
TABLA N° 7: Principales características PIMA SP (HAUFF, 1996)
Principales características
Intervalo de medición : 1300 – 2500 nm.
Resolución espectral : 5 – 6 nm.
Intervalo de muestreo : 2 nm.
Tiempo de adquisición de los : 37 seg. En modo normal, 17 seg.
espectros Modo rápido y 6 min. 15 seg. Para
muestreos de alta calidad.
Señal/ruido : Desde 2500:1 en modo normal,
11500:1 para integraciones más altas.
Capacidad de almacenaje : 600 espectros aprox.
Peso 3.4 – 3.9 kg.
47
2.5. GEOLOGIA REGIONAL
La geología de esta zona se encuentra representada por

materiales volcánicos y sedimentarios fuertemente disectados y
erosionados. Sobre los materiales volcánicos se puede decir que se
hallan, a su vez, representados por dos subgrupos: el primero presenta
una base areal bastante extendida y se encuentra conformado por
depósitos tanto del periodo Terciario como del Cuaternario; el segundo,
ya más localizado (distritos Yunga, Ichuña y Lloque de la provincia de
Sánchez Cerro), son depósitos más antiguos y se encuentran
conformados por depósitos volcánicos del Jurásico Superior y del
Cretáceo Inferior. En cuanto a los materiales sedimentarios-
metamórficos, éstos se relacionan con eventos sucedidos durante el
Cuaternario (depósitos aluviales, lacustres y morrénicos) y se
encuentran conformando tres pequeñas áreas en los distritos de
Carumas, Cuchumbaya y San Cristóbal de la provincia de Mariscal Nieto
(INGEMMET, 2011)
Los materiales descritos han sido meteorizados y erosionados de
tal manera que esta zona presenta una configuración en la que se
pueden distinguir dos grandes sectores: una puna extendida y las
vertientes pronunciadas. En la primera, los cambios de pendientes son
suaves y moderados, excepto en los lugares en donde aparecen
innumerables glaciares de superficie reducida, nevados y conos
volcánicos. Entre los nevados destacan el Coralaque, Huilcane, Cerca y
el Arundayo; entre los conos volcánicos el Ticsani (5408 m.s.n.m.),
Ubinas (4 950 m.s.n.m., aún en estado fumarólico) y el Omate o Huayna
rutina (4877 m.s.n.m.). Todos ellos son parte del arco de volcanes
creado durante la etapa de volcanismo moderno que ocurrió a fines del
Terciario y el Cuaternario. Con respecto al último, tenemos que en el año
1600 se produjo la erupción del volcán Omate, la misma que duró varios
días y formó depósitos de hasta 5 metros de espesor. (INGEMMET,
2011)
48
COLUMNA ESTRATIGRÁFICA REGIONAL
FIGURA N° 28: Tomado de (NIETO, 2009)
2.6. GEOMORFOLOGÍA REGIONAL
La zona de estudio presenta unidades geomorfológicas bien

diferenciadas, las cuales son: Estribaciones de los Andes Occidentales,
Arco del Barroso, el Altiplano y el Valle del Río Coralaque.
2.6.1. ESTRIBACIONES DE LOS ANDES OCCIDENTALES
Esta unidad cubre casi en un 80% la zona de estudio y con

carácter amplio de manera regional está presente. Abarca los distritos
de Cuchumbaya, San Cristóbal y Chojata.
Presenta una superficie accidentada con pendientes inclinadas,
con laderas disectadas por numerosas quebradas de causes angostos,
flancos de corto recorrido y pendientes fuertes; conformando una
topografía accidentada. La zona ha sido labrada mediante procesos
erosivos. Las rocas van del Cretáceo medio a Superior (volcánicos
Matalaque y Toquepala), Terciario Inferior (Formación Pichu) y
materiales del cuaternario (INGEMMET, 2011).
49
2.6.2. ARCO DEL BARROSO
Es una de las unidades de considerable extensión, se le

reconoce desde el suroriental del cuadrángulo de Omate hasta la parte
norte del cuadrángulo de Puquina.
Una parte de esta gran unidad penetra en esta área, la cual está
constituida por una sucesión de conos volcánicos unidos por colinas de
flancos suaves. La intensa erosión glaciar del pleistoceno ha producido
la destrucción de los conos y rocas volcánicas (derrames y
piroclásticos). (GARCÍA, 1978).
Presenta altitudes que van de 3,000 a 5,000 m.s.n.m. se
caracteriza por consistir de una cadena montañosa de naturaleza
volcánica, los cuales están formados por múltiples aparatos lavicos con
un avanzado estado de erosión. Dentro de los cuales tenemos: Volcán
Huaynaputina (4198 m.s.n.m.), Volcán Ubinas (5,075 m.s.n.m.), Ticsani
(5,408 m.s.n.m.), Humajalso (5,100 m.s.n.m.), Huertasera (4,800
m.s.n.m.) Subagay (5,050 m.s.n.m), Vilacacane (5,000 m.s.n.m),
Ichojollo (5,097 m.s.n.m.), Copapujo (5,400 m.s.n.m.) y Huaccanaque
(5,000 m.s.n.m.). Algunos se encuentran cubiertos por nieve perpétua.
Todos ellos son parte del arco de volcanes creado durante la etapa de
volcanismo moderno que ocurrió a fines del Terciario y el Cuaternario.
Debido a la intensa erosión del pleistoceno los conos y las rocas
volcánicas lavicas han sido erosionados produciendo la destrucción de
estos. La cadena montañosa en mención se presenta disectada
transversalmente por numerosos valles y quebradas. (INGEMMET,
2011)
2.6.3. ALTIPLANO
Esta unidad geomorfológica es de carácter regional, se emplaza

desde el este y noreste de los distritos de Cuchumbaya, San Cristóbal y
Chojata, llegando hasta Bolivia. Se caracteriza por su topografía llana,
entre cadenas de cerros o conos volcánicos. Con altiplanicies que van
desde 4,400 a 4,800 m.s.n.m., las cuales son: Humajalso, Canana y
Catapampa, rellenadas mayormente por material fluvioglaciar y
50
piroclásticos, a las que localmente se les denomina "Pampas.
Consecuentemente la zona de estudio se encuentra en parte dentro de
esta unidad geomórfica. (INGEMMET, 2011)
2.6.4. VALLE DEL RÍO CORALAQUE
El río Coralaque corta la superficie altiplánica, formando un

accidente geográfico espectacular. El valle tiene forma de “u”, esto
significa que se encuentra en estado geomorfológico de madurez.
El cauce del río Coralaque que presenta es poco profundo y
estable, aumentando su caudal en temporadas de lluvia (verano). El
patrón de precipitación es muy similar en todos estos ríos y consiste en
una ausencia de precipitación en la costa y un incremento de la
precipitación en la sierra, como resultado de la condensación de las
nubes en la falda occidental de los andes. (INGEMMET, 2011).
Teniendo en cuenta la litología existente (variaciones en el

contenido de fragmentos líticos, tipo de matriz y resistencia de las rocas
del volcánico Matalaque) y rasgos estructurales (diaclasas, fracturas y
fallas) así como efectos climáticos, los que han dado lugar al relieve
actual que se observa. (Fig. 29). (INGEMMET, 2011).
FIGURA N° 29: Río Coralaque
51
2.7. GEOLOGÍA ESTRUCTURAL REGIONAL
El área de estudio estructuralmente ha sido afectada por

numerosas deformaciones, causando zonas de intenso diaclasamiento,
fracturamiento y fallamiento, así también se han determinado
lineamientos de carácter estructural regional, en imágenes satelitales
con lineamientos cuyas direcciones predominantes son NNW - SSE,
estas son paralelas a la línea de la costa peruana, el flanco oeste de los
Andes. Estas estructuras son la más antiguas datan del paleoceno,
relacionadas a la tectónica Hercínica. Además existen lineamientos
estructurales de dirección NE-SW y E-W, son estructuras más jóvenes,
datan del Eoceno, Plioceno, Pleistoceno (INGEMMET, 2011)
2.8. GEOLOGIA ECONOMICA
En la zona de estudio se ubica la franja XXIII donde se encuentra

epitermales de Au-Ag del Mio-Plioceno. Se extiende en el dominio
volcánico de la cordillera Occidental del centro-sur del Perú (12°30-18°).
La mineralización de Au-Ag, está relacionada con la actividad magmática
Mio-Pliocena. Sus controles estructurales son fallas NO-SE de los
sistemas de fallas Chonta, Abancay-Condoroma-caylloma y Cincha-
Lluta, así como, fallas menores EO. Las edades de minerales de esta
franja se registran entre 7 y 1 Ma, constituida principalmente por
epitermales de Au-Ag de alta sulfuración, con excepción del depósito de
Ag-Au Arcata de baja sulfuracion (5.4Ma, CANDIOTTI et al., 1990) y del
depósito de Pb-Zn-Ag de recuperada de intermedia sulfuracion (6.4 Ma,
NOBLE; MCKEE, 1999). Los epitermales de Au-Ag de alta sulfuracion
que se distribuye en esta franja son Tucari, Santa Rosa, que se
encuentran en el margen derecho de la zona de estudio. (INGEMMET,
2011).
52
CAPITULO III
CARACTERIZACIÓN DEL ÁREA DE INVESTIGACIÓN
3.1. UBICACIÓN Y ACCESIBILIDAD

3.1.1. UBICACIÓN POLÍTICA.- La ubicación política donde se encuentra el
área de estudio:
53
FIGURA Nº 30: Mapa de Ubicación Fuente: Elaboración propia
CUADRO Nº 01: Ubicación Política

SECTOR DISTRITO PROVINCIA DEPARTAMENTO
Titire Carumas Mariscal Nieto Moquegua
3.1.2. UBICACIÓN GEOGRÁFICA.
El área de estudio, sector Titire, se encuentra situada en la parte

Sur Occidental del Perú, entre las coordenadas geográficas 16° 31'
49.9" Latitud Sur y los 70° 21' 46.6" de Longitud Oeste del meridiano de
Greenwich.
La altitud Fluctúa entre 3740 y 5560 m.s.n.m. región geográfica

costa y sierra. Ver anexos mapa M-01 Ubicación.
3.1.3. EXTENSIÓN
La extensión del área de estudio comprende de un polígono

extenso de 134051.89 Ha.
3.1.4. ACCESIBILIDAD
Se puede acceder, vía aérea, de Lima a Juliaca (~1 hora);
posterior mente vía terrestre siguiendo la carretera asfaltada
Interoceánica Sur Puno - Laraqueri - Moquegua. Ver anexos Mapa M-01
Ubicación.
CUADRO Nº 02: Accesibilidad

RUTA VIA DE ACCESO LONG. TIEMPO
Lima – Juliaca Aérea - 1 Hora
Juliaca - Puno Carretera Asfaltada 45 Km 1 Hora
Puno – Titire Carretera Asfaltada 105 Km 1.5 Horas
54
3.2. GEOLOGIA LOCAL
La litología de la zona está conformada principalmente por 9

unidades litológicas compuestas de rocas de edad terciario y
cuaternario.
3.2.1 FORMACIÓN PICHU (Ti-pi)
El nombre de Formación Pichu fue introducido por (MAROCCO,

1968). En el área objeto del presente estudio esta unidad está
representada por conglomerados y brechas de color verde violáceo,
intercaladas con escasas areniscas conglomerádicas de matiz tufácea,
de colores predominantemente verde a crema-amarillento.
Los conglomerados y las brechas están compuesta por elementos

de naturaleza mayormente volcánica, de composición andesítica con
menores proporciones de rocas intrusivas, cuarcitas y algo de calizas.
Los clastos son sub-redondeados, tienen tamaño variable alcanzando
hasta 50 cm. de diámetro, con predominio de clastos de 4 a 8 cm., que
están en una matriz areno-tufácea de composición feldespática de grano
fino a medio. (INGEMMET, 2011).
Las intercalaciones de areniscas de los niveles medios, así como

las que constituyen los niveles superiores son de grano fino a medio con
abundantes feldespatos (grauvacas o sub-grauvacas) con algunas
gradaciones a limolitas. Estos clásticos se caracterizan por ser livianos y
muy compactos, presentándose bien estratificadas en capas delgadas
de 20 a 30 cm. En estas rocas se encuentran restos mal conservados de
plantas ligeramente silicificadas. (INGEMMET, 2011).
Estratigráficamente, suprayacen en discordancia angular bien

definida al Volcánico Matalaque, e infrayacen con la misma relación al
Volcánico Tacaza o formaciones más recientes. Su grosor máximo
dentro de los cuadrángulos estudiados se presume que sea de 700 m.
55
Estructuralmente, presenta plegamientos tipo monoclinales y
sinclinales con un grado de deformación mucho menor que el de las
formaciones subyacentes. (INGEMMET, 2011).
La Formación Pichu es típicamente continental ofreciendo

grandes variaciones laterales. Su deposición se habría originado por una
rápida erosión y transporte de material de los lugares altos lo cual
impidió una buena selección de los constituyentes, razón por la cual la
secuencia presenta indistintamente en un mismo banco tantos
elementos angulosos como redondeados, condiciones que parece
persistieron durante todo el lapso de deposición de esta formación, pues
las areniscas de los niveles superiores también presentan similares
características. Ver anexos Mapa M-15 Geológico.
Edad.- Debido a que no se ha podido determinar por su mal

estado de conservación los restos de plantas recolectadas, la edad de
esta formación se establece en base a sus relaciones estratigráficas, así
como al hecho de encontrar entre los clastos de los horizontes
conglomerádicos, fragmentos de rocas intrusivas cuya edad se sitúa
entre el Cretáceo superior-Terciario inferior, razones que en el presente
trabajo permiten señalar que se habría depositado en el intervalo
Eoceno-Oligoceno inferior. (INGEMMET, 2011).
Figura Nº 31: Afloramiento de la formación Pichu.
56
3.2.2 TUFO HUAYLILLAS (Tms-hu)
Las rocas que constituyen este miembro localmente descritos bajo

la denominación de tufos Huaylillas, consisten en tufos mayormente
ácidos de composición riolítica y dacítica con diferencias en el color,
textura y mineralogía. Algunos contienen abundantes feldespatos y
biotita, otros presentan cuarzo en su masa (INGEMMET, 2011).
Los tufos son blandos, livianos y fácilmente atacables por los

agentes meteóricos. Una magnífica exposición de esta unidad se ha
distinguido en el camino hacia el distrito de Carumas, donde el corte
practicado por la carretera deja observar claramente la variación y
relaciones estratigráficas de toda la secuencia (INGEMMET, 2011).
Estratigráficamente esta unidad suprayace con débil discordancia

a los clásticos del miembro inferior e infrayace a derrames andesíticos y
basálticos del miembro superior. Se presentan en bancos más o menos
horizontales conformando pequeñas planicies cortadas por quebradas
de tramos rectilíneos. Las rocas ofrecen un sistema de fracturamiento
perpendicular a los planos de estratificación sin que las fracturas de
niveles superiores corten a los niveles inferiores. Ver anexos Mapa M-15
Geológico.
3.2.3 VOLCÁNICO LLALLAHUI (Tms-vll)
Este volcánico constituye partes altas y rellenando topografías

suaves, presenta una coloración rojiza con algunas franjas blanquecinas
que corresponden a bancos de tobas blancos.
Yace en discordancia erosional sobre la formación Pichu. Está

compuesta por coladas de andesitas, tobas de grano fino a brechoides y
algunas riolitas, con potencias que van de 30 cm a 20 m.
57
Su edad es inferido solo por su posición estratigráfica asignándole
una edad aproximada del Terciario medio a superior. Ver anexos Mapa
M-15 Geológico.
FIGURA Nº 32: Afloramiento de rocas del volcánico

Llallahui
3.2.4 FORMACIÓN MAURE (Tp-ma)
Se emplea esta denominación utilizada por (MENDIVIL, 1965)

para describir afloramientos similares que ocurren cubriendo sectores
amplios.
Litológicamente, la Formación Maure está constituida por brechas,

conglomerados, areniscas, tufos, limolitas y arcillas. La brecha es de
origen volcánico y de color gris verdoso. Las areniscas son de grano
medio, color pardo-amarillento a rosado y fácilmente disgregables. Las
areniscas conglomerádicas tienen coloración grisácea y matiz tufácea.
Los tufos de composición dacítica o riolótica son de naturaleza lítica y
presentan una coloración amarillenta a crema, tienen poca consistencia
y abundantes inclusiones de pómez y otras rocas e intercalaciones de
lechos de arcillas blanquecinas. Los conglomerados tienen
esencialmente clastos de cuarcitas y andesitas (INGEMMET, 2011).
58
En el área, la secuencia estudiada suprayace en discordancia
angular a las formaciones cretáceas, observándose en otros lugares
sobre el volcánico Tacaza, e infrayace a los tufos Sencca con débil
discordancia. Ver anexos Mapa M-15 Geológico.
Edad.- En el presente trabajo, la edad de esta formación queda

establecida en base a sus relaciones estratigráficas ya que no se han
recolectado fósiles. Esta unidad suprayace en discordancia angular a las
rocas del volcánico Tacaza cuya edad se presume sea Miocénica, e
infrayace a rocas del Terciario superior; por lo tanto, los límites de la
formación en discusión se ubicarían en el Mioceno-Plioceno. Corrobora
este hecho el estudio de la “Geología de Bolivia” por (AHLFELD, 1960),
quien informa que Douglas encontró en los estratos de la “Formación
Mauri” (equivalente en Bolivia a la Formación Maure) una mandíbula de
Mastodón (fósil diagnóstico del Post-mioceno) y 9 especies de plantas
fosilizadas que fueron estudiadas por (BERRY, 1922) en base a lo cual a
la Formación Maure se le asigna una edad Pliocénica, por ser esta
formación la continuación hacia el oeste de los “estratos Mauri”.
FIGURA Nº 33: Afloramiento de rocas del Grupo

Maure
59
3.2.5 FORMACIÓN CAPILLUNE (Tp-ca)
El nombre de esta formación fue dado por (MENDIVIL, 1965),

quien estudió las características litológicas de la sección tipo, ubicada en
las vecindades de la localidad de Capillune; la litología consiste en una
serie sedimentaria lacustre, compuesta por conglomerados, areniscas,
piroclásticos, limolitas y arcillas con coloraciones grises, blanco-
amarillentas y verdosas.
La uniformidad litológica y textural de la formación es frecuente en

extensos afloramientos.
Topográficamente, conforma pequeñas lomadas de cumbres más

o menos horizontales, y mamelones esparcidos en la zona de estudio o
conformando tierras bajas que cubren amplias zonas. Se encuentran en
posición horizontal a ligeramente inclinadas sin ofrecer mayores
deformaciones estructurales.
En la zona de estudio, esta formación aflora extensamente como

continuación de exposiciones descritas por (MENDIVIL, 1965). Este
hecho nos indica el amplio desarrollo de dicha formación que alcanza un
grosor de 200 m., en la quebrada Tacalaya, (JAEN, 1965).
Esta unidad está constituída por una serie alternante de areniscas

arcósicas de grano fino pobremente diagenizadas con colores grises a
amarillentos que mayormente se presentan en capas de 30-40 cm;
arcillas blanco-amarillentas en capas delgadas; lentes de areniscas
conglomerádicas dentro de una matriz tufácea, cuyos elementos son
subangulosos a subredondeados; también es frecuente la ocurrencia de
limolitas de color amarillento, en capas de 20-25 m; rocas piroclásticas
consistentes en tufos líticos, lapilli y pómez, se presentan en bancos de
carácter lenticular dentro de la secuencia.
60
En el paraje denominado Patjata, las areniscas inferiores son de
color plomizo en fractura fresca, el mismo que se torna amarillento por la
acción intempérica, su estratificación es en capas delgadas de 20 a 30
cms., fácilmente disgregables: estas areniscas pasan a areniscas
conglomerádicas cuyos elementos están aglutinados en una matriz
tufácea. (INGEMMET, 2011).
Es importante destacar la ocurrencia de un conglomerado de base

que se presenta en la quebrada labrada por el río Viscachas. Dicho
conglomerado consiste de cantos gruesos, angulosos, sin estratificación
clara; el tamaño de los guijarros varía de 10 a 50 cm. de diámetro, en
escasa matriz areno-tufácea de color gris amarillento. Esta unidad
suprayace en discordancia erosional a los derrames del volcánico
Tacaza y constituyen, en este lugar, la base de la formación. Ver anexos
Mapa M-15 Geológico.
Edad y Correlación.- Esta unidad ofrece las siguientes relaciones

estratigráficas: susprayace en discordancia erosional al Volcánico
Tacaza y en débil discordancia o concordantemente al Volcánico Sencca
(Plioceno inferior a medio), e infrayace en discordancia erosional
manifiesta al volcánico Barroso del Pleistoceno, por tanto se le asigna
una edad Plioceno superior. (INGEMMET, 2011).
3.2.6 VOLCÁNICO BARROSO (TQ-vba)
La subunidad corresponde a una secuencia de rocas volcánicas

constituidas por una intercalación de bancos de tufos y lavas de
composición traquítica con cantidades menores de andesitas.
Esta subunidad presenta variaciones litológicas aún en área

próximas, cambiando de una fase traquítica a una traquiandesítica y
mayormente andesítica en el área que nos ocupa. También, intercalan
algunos bancos de brechas lenticulares.
61
Es manifiesto el gran fracturamiento que presentan estas rocas, a
través de dichas fracturas, en algunas zonas, se producen emanaciones
de gases sulfurosos, con la consecuente formación de depósitos de
azufre, y todas ellas permiten una circulación fácil de las aguas
meteóricas originando acuíferos muy importantes en las rocas
subyacentes, constituidas por materiales clásticos con capas
impermeables. (INGEMMET, 2011). Ver anexos Mapa M-15 Geológico.
Edad y correlación.- Para localizar a este complejo de rocas en

la escala geológica, nos valemos de su posición estratigráfica, según la
cual sabemos que suprayacen a la formación Capillune de edad
Pliocénica e infrayacen a depósitos del Cuaternario antiguo por lo que,
tentativamente, ubicamos al Grupo Barroso entre el Plioceno y el
Pleistoceno. (INGEMMET, 2011).
FIGURA Nº 34: Afloramiento de Rocas del Volcánico

Barroso
3.2.7 DEPÓSITOS FLUVIOGLACIARES (Qr-fg)
Con esta denominación se describe una serie de depósitos que se

encuentran en la zona de estudio, ocupando las laderas y sectores bajos
62
de los cerros, el fondo de las cabeceras de los valles y las pequeñas
depresiones ubicadas a altitudes de 3,500 a 4,500 m.s.n.m.
Su litología consiste de conglomerados finos con intercalaciones
de areniscas en bancos o capas gruesas muy deleznables y de color
blanco grisáceo. (INGEMMET, 2011). Ver anexos Mapa M-15 Geológico.
FIGURA Nº 35: Depósito fluvioglaciar
3.2.8 BOFEDALES (Qr-bo)
En la mayoría de las planicies se encuentran pequeños depósitos

de arenas arcillosas con materia vegetal descompuesta en zonas
pantanosas donde crecen variedades de pasto natural. A estas zonas
localmente se les conoce con el nombre de “bofedales”. Los pastos se
utilizan para la crianza de los auquénidos y las raíces secas como
combustible doméstico. (INGEMMET, 2011).Ver anexos Mapa M-15
Geológico.
63
FIGURA Nº 36: Zonas de Bofedal
3.2.9 DEPÓSITOS ALUVIALES (Qr-al)
Se encuentran los depósitos recientes cuyos materiales han sido

arrancados y transportados por el agua y depositados a poca distancia
de su lugar de origen. Estos materiales se presentan poco consolidados
y sus elementos no tienen ninguna selección, tratándose más bien de
una mezcla heterogénea de rocas de diferentes tamaños y formas
(angulosas a subredondeadas), en escasa matriz fina y con variaciones
notables de su exposición a otra. Ver anexos Mapa M-15 Geológico.
FIGURA Nº 37: Depósitos aluviales en la quebrada Persani.
64
3.2.10 DEPÓSITOS FLUVIALES (Qr-fl)
Los fondos de los valles actuales se encuentran ocupados por

este tipo de depósitos, que consisten la acumulación caótica de rocas de
diferentes tamaños y naturaleza. Por el tamaño de los clastos se les
clasifica en: cascajo, grava, arena y limo. (INGEMMET, 2011). Ver
anexos Mapa M-15 Geológico.
FIGURA Nº 38: Depósitos Fluviales
3.3. GEOLOGIA ESTRUCTURAL LOCAL
La zona de estudio se encuentra ubicada en el dominio alto

Condoroma Caylloma. Corresponde a un alto estructural mesozoico
desarrollado en la parte media de la cuenca occidental del sur y centro
del Perú. Los depósitos mesozoicos son menos potentes que en la
cuenca (CARLOTTO, 2009). Está controlado por el sistema de fallas
Condoroma-Caylloma-Mollebamba.
Zonas de deformación en la parte norte, en sedimentos de la

formación Maure con plegamientos y buzamientos en el sector noreste
de la zona de Titire que llegan hasta 40° a 50° de buzamiento,
alcanzando un rumbo de N25°E En el extremo Noreste la influencia
65
deformativa está presente en sedimentos cretáceos que no afloran en la
zona de estudio, con plegamientos y fallamientos relacionados con la
mineralización en la mina Cacachara. (CARLOTTO, 2009).
En cuanto a las fallas, la más representativa es la que se ubica en
la parte Este de la pampa Titire, que ha movilizado bloques en terrenos
plioceno (Formación Maure). Este lineamiento se puede proyectar hasta
el extremo Suroeste del embalse Pasto Grande.
En los terrenos del Grupo Barroso lo que más se ha podido
observar son lineamientos con orientación Noroeste, como el que
aparece al Oeste de la laguna Suches. Al sur oeste, se encuentra la
caldera Tutupaca en el cual se encuentran el arco Suches y Viscacha.
Estrato volcán de Tutupaca y Suche. (CARLOTTO, 2009).
Ver anexos Mapa M-16 Dominios Estructurales.
3.4. GEOMORFOLOGIA LOCAL
3.4.1. MONTAÑA ALTA PENDIENTE.- Las montañas altas, presenta

pendientes > 25% y una altitud mayor a 4740 m.s.n.m. estas montañas,
se ubican en la zona de estudio, en los arcos volcánicos del barroso.
3.4.2. MONTAÑA BAJA PENDIENTE.- Presenta pendientes > 25% y una

altitud mayores de 4040 m y menos iguales a 4740 m.s.n.m. estas
montañas, están ubicadas en los alrededores de los arcos volcánicos.
3.4.3. PENDIENTES MODERADAMENTE EMPINADOS.- Presenta pendientes

de 15 a 25% y una altitud de 3840 a 4040 m.s.n.m. Estas pendientes se
ubican mayoritariamente en la sub cuenca del rio Coralaque.
3.4.4. COLINAS ALTAS LIGERAMENTE DISECTADAS.- Presenta

pendientes de 25 a 50% y una altitud de 3840 a 4040 m.s.n.m. estas
colinas se encuentran en la sub cuenca del rio Coralaque.
66
3.4.5. COLINAS BAJAS MODERADAMENTE DISECTADAS.- Presenta
pendientes empinados de 25 a 50% y una altitud de 3740 a 3840
m.s.n.m. estas colinas se encuentran alrededor de los conos volcánicos
y alrededor de las montañas altas.
3.4.6. LOMADAS.- Presenta pendientes de 8 a 15% aproximadamente y una

altitud de 3740 a 3820 m.s.n.m. Estas lomadas se encuentran ubicadas
en las partes más bajas de la zona de estudio.
3.4.7. TERRAZA ALTA PLANA.- Presenta pendientes de 0 a 15%

aproximadamente y una altitud de > 4040 m.s.n.m. esta es la mayor
parte de la zona de estudio.
3.4.8. TERRAZA ALTA ONDULADA.- Presenta pendientes de 15 a 25%

aproximadamente y una altitud de > 4040 m.s.n.m. son las terrazas
altas mayormente onduladas que se ubican en los alrededores de las
colinas altas.
3.4.9. TERRAZA MEDIA ONDULADA.- Presenta pendientes de 8 a 15%

aproximadamente y una altitud de 3820 a 4040 m.s.n.m. estas terrazas
están ubicadas mayormente en la sub cuenca del rio Coralaque.
3.4.10. TERRAZA BAJA INUNDABLE.- Presenta pendientes de 0 a 4%

aproximadamente y una altitud de 3740 a 3820 m.s.n.m. también están
ubicadas en la sub cuenca del rio Coralaque.
3.4.11. TERRAZA BAJA NO INUNDABLE.- Presenta pendientes de 4 a 8%

aproximadamente y una altitud de 3740 m.s.n.m. a 3820 m.s.n.m. son
terrazas bajas que se ubican en la sub cuenca del rio Coralaque.
67
3.4.12. VALLES INTRAMONTAÑOSOS.- Son valles que van de 3740 a 4500
m.s.n.m. los ríos que circulan por estos valles contribuyen a la cuenca
de Tambo, generalmente cuando estos atraviesan las montañas, son
valles jóvenes (V) con pendientes fuertes y cuando atraviesan las
lomas, son valles maduros de pendientes suaves.
Ver anexos Mapa M-17 Mapa Geomorfológico.
3.5. HIDROLOGÍA Y DRENAJE
3.5.1. CUENCA RÍO TAMBO.
La cuenca del río Tambo (1 077 MMC/año, según Estudio

Definitivo de la Presa Tolapalca), se generan en la cuenca alta, en
nuestra zona de estudio; por la margen derecha mediante los ríos
Coralaque, Ichuña y Paltature; por la margen izquierda con los ríos
Vizcachas, Chilota y Carumas; estos últimos tres afluentes conforman
las subcuencas de trasvase para el Proyecto Pasto Grande, cubriendo
un área total de 12744.41 km2.
3.5.1.1. Subcuenca Coralaque
Pertenece a la cuenca del rio Tambo. Se forma por la confluencia

de los Rios Titire y Vizcachas a una altitud de 4,050m Actualmente este
último río recibe aguas del Embalse Pasto grande cuyo destino es llegar
hasta el Valle de Tambo. En esta subcuenca se registraron 03 lagunas y
01 embalse (Pasto Grande).
Las microcuencas involucradas en el estudio son:
a) Microcuenca Vizcachas
b) Microcuenca Titire
c) Microcuenca Chilota
a). Microcuenca Vizcachas
Es el primer tributario en importancia. Nace en el embalse Pasto

Grande a una altitud de 4,550m. En su recorrido recibe aporte de
68
humedales y manantiales. Recibe aguas del rio Chilota antes de unirse
con el rio Titire.
Cuenta con un área de drenaje de 856.22 Km2. Su longitud es

41.319 Km, su ancho promedio de 39.365km. La altitud máxima llega a
4,929m. La pendiente promedio del curso principal es S=0.011.
b). Microcuenca Titire
Es la segunda en importancia. Su principal tributario es el rio

Aruntaya. Desde su naciente recibe aporte de humedales y manantiales.
Antes de unirse con el Rio Coralaque recibe aportes de los rios
Queillirijahuiri y el Humajalso.
Cuenta con un área de drenaje de 638.47 Km2. Su longitud es

42.440 Km, su ancho promedio de 19.904km. La altitud máxima llega a
4,846m. La pendiente promedio del curso principal es S=0.015.
c). Microcuenca Chilota
Nace en un extenso Humedal del mismo nombre En su recorrido

recibe aportes de riachuelos y manantiales, tales como Patjata,
Huanocuni y Saltiajahuira. Cuenta con un área de drenaje de 297.93
Km2. Su longitud es 26.98 Km, su ancho promedio de 18.791. La altitud
máxima llega a 5,076m. La pendiente promedio del curso principal es
S=0.010
3.5.1.2. Ríos
a). Río Principal
El río principal de esta subcuenca es el rio Coralaque que se

forma por la confluencia de los ríos Vizcachas y Titire a 4,100 msnm. En
su corto recorrido dentro del área de estudio, el cauce es poco profundo
y estable. Con presencia de sedimentos y cantos rodados en el lecho.
69
b). Ríos secundarios
Esta subcuenca posee 2 cursos de ríos secundarios, el río

Vizcachas y el rio Titire. Ambos son permanentes. Tiene cauces poco
profundo y estables. Presentan cantos rodados medianos en su lecho.
Sus riberas están cubiertas por Ichu, thola y otros arbustos.
Las características principales de estos ríos, se describen a

continuación:
o Titire
Pertenece a la microcuenca del mismo nombre. Nace por los

aportes de los riachuelos Aruntaya y el Queullirijahuiri a 4,550 m. Su
cauce es estable y con presencia de cantos rodados. Tiene una longitud
de 53.708 km y su pendiente promedio es S=0.015. Sus aguas son
aprovechadas para beber por los rebaños de camélidos y ovinos.
o Vizcachas
Pertenece a la microcuenca Vizcachas. Este rio inicia con las

descargas del embalse Pasto Grande en su recorrido recibe aportes del
riachuelo Sojota y el rio Chilota. A 4,350 msnm. Su cauce es estable con
presencia de cantos rodados en el lecho. Tiene una longitud de 54.562
km y su pendiente promedio es S=0.011.
3.5.1.3. Lagunas y Represamientos
a). Laguna Villanerani
Pertenece a la microcuenca Titire. Se ubica a una altitud de 4,802

msnm. En el distrito de Carumas, provincia de Mariscal Nieto, Dpto.
Moquegua. El acceso es a través de la antigua carretera Moquegua-
Puno. Se toma un desvío en el paraje Japucamañe y se recorre 30Km
en trocha aproximadamente.
70
b). Embalse Pasto Grande
Pertenece a la microcuenca Vizcachas, Se ubica a una altitud de

4,550 msnm, en el distrito de Carumas, provincia de Mariscal Nieto,
departamento de Moquegua. El acceso es a través de la carretera
binacional. A la altura del Paraje Achacpujo existe un desvio por una
trocha.
3.5.1.4. Bofedales
a). Huachunta
Pertenece a la microcuenca Vizcachas. Se localiza en distrito de

Carumas, provincia de Mariscal Nieto y departamento de Moquegua. A
una altitud de 4,407 msnm. Tiene una extensión de 1154 Has.
b). Chilota
Pertenece a la microcuenca Chilota. Se localiza en distrito de

c). Aruntaya
Pertenece a la microcuenca Titire. Se localiza en distrito de

d). Cacachara
Pertenece a la microcuenca VIzcachas. Se localiza en distrito de

e). Charaque
Pertenece a la microcuenca Titire. Se localiza en distrito de Carumas,

provincia de Mariscal Nieto y Dpto. de Moquegua. A una altitud de 4,779 msnm.
Tiene una extensión de 170 Has. Ver anexos Mapa M-18 Mapa Hidrológico.
71
3.6. PROCESAMIENTO DIGITAL DE LA IMAGEN SATELITAL ASTER
3.6.1. AQUISICION DE IMÁGENES ASTER
Se adquirieron imágenes del sensor ASTER (Advanced

Spaceborne Thermal Emission and Reflection Radiometer) el cual se
encuentra en el satélite Terra.
El sensor ASTER sigue actualmente capturando imágenes en

forma periódica pero no sistemática.
3.6.1.1. Descarga y adquisición de imagen ASTER mediante ERSDAC
Las imágenes más actuales pueden pedirse al centro ASTER

GDS IMS de Earth Remote Sensing Data Analysis Center (ERSDAC) en
Japón.
A continuación, se mostrarán los procedimientos para adquirir la

escena del sensor ASTER.
ERSDAC (Earth Remote Sensing Data Analysis Center),

distribuye las imágenes satelitales a través del sitio Web:
http://gds.ersdac.jspacesystems.or.jp/?lang=en, (Fig. 39)
72
FIGURA Nº 39: página interactiva de búsqueda de
imágenes. ASTER (www.ersdac.com)
Para ordenar las imágenes satelitales, se debe ser usuario o de

no serlo, se debe registrarse en la misma página web de ERSDAC. (Fig.
40).
73
FIGURA Nº 40: página interactiva de ingreso de cuenta.
(www.ersdac.com)
Aparecerá una pantalla interactiva en la que se llevan a cabo la

búsqueda y ordenar productos. (Fig. 41)
FIGURA Nº 41: página interactiva para ordenar productos ASTER.

(www.ersdac.com)
Una vez, en la pantalla interactiva, se ingresa las condiciones de

búsqueda como por ejemplo las fechas de toma de imágenes que se
desea trabajar (esto se hace en el lado izquierdo de la pantalla).
Luego, se ubicado la zona de estudio en el mapa mundial, y se

enmarca un área de interés donde se desea adquirir las imágenes. A
continuación se hace clic en el botón “Search” para buscar las imágenes.
74
Los resultados de la búsqueda se muestran en el lado izquierdo
de la pantalla, donde aparecen las diferentes imágenes con diferentes
fechas y seleccionar haciendo clic en la imagen más adecuada y con
menos de 10% de nubosidad, luego de elegir y seleccionar la imagen se
hace clic en el botón “add to Card” para agregar al carrito de pedidos.
A continuación nos aparece una ventana de confirmación de

datos de la imagen y el costo de la imagen satelital, (Fig. 42)
FIGURA Nº 42: Página de cotización de productos ASTER.

(www.ersdac.com)
Una vez revisada la cotización y la confirmación de los pedidos,

se hace clic en “OK”.
75
Se hace el pedido utilizando una tarjeta de transacción bancaria
para hacer la compra de la imagen y ERSDAC procesa la solicitud y
envía un enlace a la dirección del correo electrónico desde donde se
puede descargar la imagen, el pedido es entregado como un vínculo de
un correo electrónico.
3.6.1.2. Descarga y adquisición de la imagen ASTER mediante el servicio

geológico de los estados unidos USGS.
El servicio geológico de los estados unidos USGS, también

proporciona imágenes satelitales, dentro de ellos del Sensor ASTER,
mediante la página web http://glovis.usgs.gov/
Para adquirir una escena de imagen satelital ASTER, se debe ir a

la página web descrita, luego desplegar la opción “Collection” y dentro
de las opciones, se elige el sensor ASTER, L1A Día (VNIR / SWIR /
TIR).
Luego se hace clic en el área de búsqueda del mapa mundial y

localizar el área de estudio (o escriba las coordenadas del área de
estudio), usa las flechas a la izquierda de las imágenes para encontrar el
área exacta que busca.
Nota: se debe habilitar java en el equipo, de lo contrario no se

visualizara el mapa mundial.
Una vez que se encuentre la ruta/fila y la imagen correcta, se

utiliza los botones de escena siguiente y escena Anterior para encontrar
imágenes de un año y un mes en particular (esto es útil para encontrar
una imagen libre de nubes).
76
FIGURA N° 43: Página interactiva de pedidos de imágenes ASTER USGS.
( www.usgs.com)
Una vez encontrada la imagen deseada, se resalta haciendo clic

en él, y luego se hace clic en Agregar en la esquina inferior izquierda del
visor. Cuando se añaden todas las imágenes deseadas, haga clic en
“Order”.
Nota: se tiene que crear un nombre de usuario y contraseña (o

inicie sesión en su cuenta) con el fin de descargar los datos. Aparece
una ventana de carrito; y se hace clic en configurar procesamiento para
seleccionar el formato de archivo HDF a continuación, se hace clic en
“Checkout” y Enviar pedido.
USGS procesa la solicitud y envía un enlace a la dirección del

correo electrónico desde donde se puede descargar la imagen, el pedido
es entregado como un vínculo de un correo electrónico (toma desde
unos pocos minutos hasta 3 días hábiles).
77
TABLA N°8: Ficha de imagen adquirida
FICHA DE IMAGEN ASTER ADQUIRIDA
Satélite
TERRA
Sensor
ASTER
Fuente
ERSDAC
Lat / Long
16.706386° 70.408946°
(Centro)
S W
Fecha de
23 agosto 2013
Adquisición
ID ASTL1A00311102004150351.HDF
Área de
60 x 60 Km
Cobertura
Bandas Longitud de onda (μm) Resolución Especial (m)
Banda 1 0,520 - 0,60 15

Banda 2 0.630-0.690 15
Banda 3 0.780-0.860 15
Banda 3b 0.780-0.860 15
Banda 4 1.600-1.700 30
Banda 5 2.145-2.185 30
Banda 6 2.185-2.225 30
Banda 7 2.235-2.285 30
Banda 8 2.295-2.365 30
Banda 9 2.360-2.430 30
Banda 10 8.125-8.475 90
Banda 11 8.475-8.825 90
Banda 12 8.925-9.275 90
Banda 13 10.25-10.95 90
Banda 14 10.95-11.65 90
78
3.6.2. PRE PROCESAMIENTO DE IMAGEN ASTER
3.6.2.1. Correcciones Geométricas
Los datos crudos (nivel 1A) se han corregido geométricamente,

con el software ENVI 5.3, el cual asigna una coordenada a cada pixel.
Se realizó la corrección por la altura sobre el nivel del mar y proyectar
los datos a un plano de referencia determinada, UTM, WGS84, Zona 19,
Banda K.
3.6.2.2. Correcciones Radiométricas
Una vez que se haya corregido geométricamente la imagen, se

procedió a hacer las correcciones radiométricas convirtiendo los niveles
digitales a Radiancia espectral de la imagen.
Se realizó la calibración radiométrica en el cual los niveles

digitales (ND), de las imágenes ASTER son convertidos a Radiancia en
sensor, con la siguiente relación:
Radᵢ = (NDᵢ-1) x coefᵢ… (1)
Dónde:
Radᵢ : Radiancia de la banda i
NDᵢ : Nivel Digital de la banda i
coefᵢ : Coeficiente de re calibración de la banda i.
3.6.2.3. Corrección atmosférica
Los valores de la Radiancia de las imágenes ASTER se

convierten a reflectancia mediante la corrección atmosférica utilizando el
modelo FLASSH (Fast Line-of-sight Atmospheric Analysis of spectral
Hipercubes) incluido en el programa ENVI 5.3.
79
FLASSH recupera la cantidad de aerosoles iterando ecuaciones
sobre una serie de rangos visibles. Estas variaciones de reflectancia son
evidentes cuando se realiza un análisis espectral, para tal fin la
Radiancia de las imágenes ASTER es transformada en reflectancia
mediante la corrección atmosférica usando el modelo FLASSH (Fast
Line-of-sight Atmospheric Analysis of spectral Hipercubes).
reflectancia obtenida con

Radiancia espectral
FLASSH
FIGURA N° 44: Firmas espectrales de Radiancia y reflectancia
(Elaboración propia)
3.6.3. PROCESAMIENTO DE IMAGEN ASTER
3.6.3.1. Elaboración de máscaras
Para resaltar las anomalías espectrales es necesario enmascarar

las siguientes zonas en la imagen:
 Las zonas cubiertas por vegetación (en zonas de vegetación seca

resalta la presencia de arcillas y que pude no ser cierto).
 Las zonas que corresponden a cuerpos de agua y sombras por
pendiente.
 Las zonas de saturación (valores máximos de zonas blancas).
80
I. Mascara de vegetación
 Para crear la máscara de vegetación se usa el Índice de vegetación

diferencial normalizada (NDVI).
 Se elige el umbral correspondiente. Generalmente la vegetación
densa y/o robusta tiene un NDVI > 0.40. Sin embargo dado que cada
imagen es diferente, se debe elegir el umbral de manera interactiva
superponiendo los valores de NDVI.
 Finalmente se crea la máscara para la vegetación.
II. Mascara de sombra, agua y background
 Determinar las áreas de sombra y agua, haciendo uso de la banda 5

(valores bajos).
 Determinar el umbral a partir de esta banda, y crear una máscara.
III. Mascara de nubes y zonas saturadas:
 Determinar las áreas de nubes y las zonas saturadas haciendo uso de

la banda 1 (valores altos).
 Determinar el umbral a partir de esta banda, y crear una máscara.
81
Elaboración de Mascaras
Máscara de vegetación Máscara de Aguas
Máscara de Sombras Máscara de Nieves y Nubes
FIGURA N° 45: Generación de máscara de vegetación, zonas de

saturación, sombra y agua.
82
IV. Unión de máscaras:
Unir las tres mascaras en una sola mascara.
FIGURA N° 46: Unión de mascaras

83
3.6.3.2. Composición de Bandas
Esta es la etapa preliminar del mapeo de minerales posterior a la

adecuada preparación de los datos, se analizaron combinaciones
simples de bandas y ratios.
Se hicieron diferentes combinaciones de bandas, la combinación

4, 6, 8 útil para la determinación de zonas de alteración y 3, 2, 1 de
oxidación, sin el empleo de otras técnicas de procesamiento de
imágenes, visualizándose en tonos amarillos de zonas alteradas y con
presencia de óxidos y el empleo de ratio de bandas nos ayuda a
discriminar zonas de alteración hidrotermal. (8, 9, 10).
TABLA N° 9: Combinación de Bandas de Imagen ASTER
Composición de falso color RGB 321
Discriminación de tipos de rocas RGB 931
Mapeando Alteraciones RGB 468 943 567
TABLA N° 10: Composición RGB: 3 2 1
R G B
COLOR
3 2 1
Vegetación A B B Rojo
Óxidos de Hierro M A B Verde - Amarillo
Otras rocas M M M Gris
Sedimentos en el agua B M M Cyan
A: ALTO M: MODERADO B: BAJO
84
TABLA N° 11: Composición RGB: 4/5, 4/6, 4/7
R G B
COLOR
4/5 4/6 4/7
Alunita (Alt. Argilica) A M B Rojo - Amarillo
Caolinita (Alt. Filica) M A B Verde - Amarillo
Calcita (Alt. Propilitica) B B A Azul
A: ALTO M: MODERADO B: BAJO
Se procede a establecer la secuencia del procesamiento digital de

las imágenes ASTER, haciendo uso del software ENVI 5.3, en la
determinación en superficie de tipos de alteración.
Las imágenes ASTER (subsistemas VNIR y SWIR) permiten

obtener mapas de tipos de alteración (cuadro 3), como son alteración
Argílica, Fílica y Propilítica.
CUADRO N° 03: Zonas de Alteracion y Presencia de minerales mayores

y menores (ROWAN; LATHRAM, 1980).
Zona de
Minerales mayores y menores
Alteración
Propilítica Epídota, Clorita, Albita, Carbonato, Montmorillonita, Goetita
+ Mica potásica, Pirita, Zeolitas.
Argílica Montmorillonita, Caolinita, Cuarzo, Mica Potásica, Goetita,
Hematita, Jarosita + Clorita, Carbonato.
Argílica avanzada Cuarzo, Pirofilita, Alunita, Caolinita, Opalo, Feldespato
Potásico, Mica Potásica, Hematita + anastasa.
Fílica Cuarzo, Mica Potásica, caolinita, Arcilla Esmectita,
Hematita, Jarosita, Feldespato Potásico, Albita.
Opalizada Cuarzo, Alunita, Caolinita, Pirofilita, Calcita + Anastasa.
Silicificada Cuarzo, Alunita, Caolinita, Diáspora, Pirofilita, Hematita,
Goetita, Jarosita + Anastasa, Rutilo, Opalo, Mica Potásica.
85
I. Identificación visual de zonas de alteración.
Podemos identificar visualmente la presencia de zonas de

alteración, vegetación, nubes, cuerpos de agua, etc. Las composiciones
RGB que nos sirven para visualizar dichas características son:
RGB: 321 Identificación de vegetación en rojo, zonas de saturación en

blanco, agua en color negro. (Ver anexos Mapa M-02)
RGB: 931.- Se combinaron bandas a fin de realizar una primera

interpretación foto geológica de la región. La combinación RGB 931,
permitió identificar y correlacionar diferentes litologías con mapas
preexistentes. (Ver anexos Mapa M-03)
RGB: 468.- De las diferentes combinaciones de banda, se ha

seleccionado la composición color RGB: 468, ella muestra en tonos de
colores las diferentes zonas de alteración de la zona de estudio. (Ver
Mapa M-04)
El análisis de la composición RGB: 468 nos permite identificar

tres zonas notables de alteraciones:
 Sector Titire.- en este sector se puede observar la predominancia

del color verde propios de la alteración Propilítica, acompañados del
color magenta en menor proporción, estas estas coloraciones son
debido a la fuerte absorción de la banda B6 (2.20μm.) en este rango
espectral absorben los minerales de arcilla debido al enlace Al- OH.
(HUNT Y SALISBURY, 1970).
 Sector Charaque.- en este sector se observa claramente el color
magenta en mayor proporción, estas coloraciones son debido a la
fuerte absorción de la banda B6 (2.20μm.) en este rango espectral
absorben los minerales de arcilla debido al enlace Al- OH. (HUNT Y
SALISBURY, 1970).
 Sector Toro Bravo.- en este sector se observa en menor proporción
el color magenta, esto nos permite inferir la presencia de arcillas
propias de la alteración Argílica. (HUNT Y SALISBURY, 1970).
86
RGB: 943.- esta combinación nos permite observar claramente la
presencia de óxidos, ella muestra en tonos de colores las diferentes
zonas de alteración de la zona de estudio. (Ver Anexos Mapa M-05).
El análisis de la composición RGB: 943 nos permite identificar en

las tres zonas la presencia de óxidos:
 Sector Titire.- en esta combinación RGB: 943 también se puede

observar con más claridad, la predominancia del color verde propios
de la alteración Propilítica, con algunos muestras de óxidos de
coloración amarillo pálido. (HUNT Y SALISBURY, 1970).
 Sector Charaque.- en esta combinación RGB: 943, también se

puede observar un color amarillo pálido, propios de oxidos. Esto se
debe a una fuerte absorción de la banda B1 (0.55μm) en este rango
espectral tenemos la absorción debida a procesos electrónicos del
catión Fe3+ (HUNT Y SALISBURY, 1970).
 Sector Toro Bravo.- con esta combinación RGB: 943, se observa

también la presencia de óxidos en este sector.
87
3.6.3.3. Cociente de Bandas
Los cocientes de bandas son usados para resaltar las diferencias

espectrales entre bandas y reducir los efectos de la topografía.
Dividiendo una banda espectral por otra se genera una nueva banda de
intensidades relativas.
Alteración Argílica avanzada Alteración Fílica Alteración Propílica

alto cociente 4/6 y4/5 alto cociente 5/6 y4/6 alto cociente 5/8
Alunita, Caolinita y Dickita Montmorillonita, Kaoesmectita, Calcita, Clorita, Epidota
Illita y Muscovita
FIGURA N° 47: Espectro de algunos minerales característicos de zonas
de alteración Argílica avanzada, Fílica y Propilítica (MOROZUMI, 2006).
La selección de las bandas para cada tipo de alteración se

determina en base al espectro de los minerales y/o asociaciones
minerales presentes en los depósitos característicos de dichas zonas de
alteración.
CUADRO N° 04: los cocientes usados para producir un mapa de

alteraciones se muestran a continuación.
Tipo de alteración Cociente

Argílica avanzada 4/6
Fílica 5/6
Propilítica 5/8
88
Se realiza los cocientes de bandas al archivo conteniendo las 9
bandas (de preferencia aplicar previamente el enmascaramiento).
Obteniendo un archivo conteniendo los tres cocientes.
Se realiza una composición RGB con los ratios obtenidos: 4/6,

5/6, 5/8 (Ver anexos Mapa M-06). La alteración Argílica avanzada realza
los tonos rojos (debido al 4/6 alto), la alteración intermedia se muestra
en tonos naranja a amarillo por la mezcla de verde (5/6 alto) y rojo (4/6),
y la alteración Propilítica realza el color azul (debido al 5/8 alto).
89
3.6.3.4. Análisis de Principales Componentes (PCA)
El método de Análisis de Componentes Principales es un

procedimiento matemático usado en el procesamiento de imágenes
satelitales para transformar un número de bandas espectrales altamente
correlacionadas en un número menor de bandas espectrales no
correlacionadas llamadas componentes principales.
Esto se hace encontrando un nuevo conjunto de ejes ortogonales

que tienen su origen en la media del conjunto de datos (fig. 48) y que
son rotados de manera que la varianza del conjunto de datos sea
maximizada. La primera componente de dos bandas estará en la
dirección del eje con la mayor varianza del conjunto de datos, la
segunda componente en la dirección de la segunda mayor varianza y así
sucesivamente.
FIGURA N° 48: Distribución espacial de los valores de los pixeles y

determinación de ejes principales.
Variantes del método son:
a) Feature-Oriented Principal Component Selection – FPCS. Propuesto

por (CROSTA; MOORE, 1987).
b) Crosta Technique. Propuesto por (LOUGHLIN, 1991), adptado del
anterior.
El método de Componentes Principales puede aplicarse a todas

las bandas de una imagen, como es el caso de método FPCS, o a sub
grupos de bandas poco o altamente correlacionadas, como es el caso de
la técnica Crósta. Para el primer caso, la primera componente principal
90
obtenida del conjunto de bandas contendrá el 95% de la varianza total
de las “n” bandas usadas.
En un segundo caso, se usa un subgrupo de bandas que se

correlacionan poco o nada, en cuyo caso el resultado final mostrará la
información que es única para cada banda.
La técnica Crósta (LOUGHLIN, 1991), útil en la determinación de

dos conjuntos de minerales arcillas y óxidos e hidróxidos de hierro (estos
últimos asociados, a la meteorización de sulfuros) como indicadores de
mineralización de oro en depósitos epitermales. Esta técnica se basa en
el análisis de Componentes Principales aplicados a subgrupos de 4
bandas, seleccionados en base a la posición de sus rasgos de absorción
en su espectro (fig. 49)
FIGURA N°49: Firmas espectrales de la bibliotecas espectral USGS de

algunos minerales con presencia de hierro (Fe3+) e Hidróxidos (OH-).
91
Los sub subgrupos debandas para la determinación de zonas de
alteración para las imágenes ASTER han sido elegidos según su
ubicación en el espectro (Tabla 12).
TABLA N°12: Subgrupos de bandas para la determinación de tipos de

alteración ASTER.
Tipo de alteración Subgrupo

Argílica avanzada Bandas 1, 4, 6 y 7
Fílica Bandas 1, 3, 5 y 6
Propilítica Bandas 1, 3, 5 y 8
Óxidos Bandas 1, 2 y 3
Se realiza la transformación por Componentes Principales para

cada subgrupo. Guardar los archivos conteniendo las PC y los archivos
de las estadísticas (*.sta).
Se analiza los auto valores (tabla 12 y 13) a partir de los archivos

*.sta, determinar las PCs que contienen la información de interés para
cada tipo de alteración (ver anexos MAPA M-07, M-08, M-09, M-10).
Para el mapa procesado, tenemos por ejemplo.
TABLA N°13: Análisis de auto valores obtenidos de la transformación

por Componentes Principales para el subgrupo de bandas 123.
OXIDOS
Band 1 Band 2 Band 3
Eigenvector
Band 3 (PC3) -0.379730 0.715175 -0.586796
92
TABLA N°14: Análisis de auto valores obtenidos de la transformación
por Componentes Principales para el subgrupo de bandas 1467.
OXIDOS
Band 1 Band 4 Band 6 Band 7
Eigenvector
Band 6 (PC3) 0.035941 0.763944 -0.511660 0.391537
- Argílica avanzada → PC4

- Fílica → PC4
- Propilítica → -PC4
- Óxidos → PC3
93
3.6.3.5. Análisis Espectral y Clasificación Espectral de Minerales de
Alteración
Se realizó la clasificación supervisada por el método Spectral

Angle Mapper (SAM), el cual consiste en la determinación de similitud
entre dos espectros, uno el del píxel de la imagen y otro el patrón
espectral de referencia del mineral de interés (KRUSE et al., 1993). El
algoritmo determina la similitud espectral calculando el ángulo de mejor
aproximación y considerando a ambos vectores. Esta técnica, cuando es
utilizada con datos calibrados a reflectancia, es relativamente insensible
a efectos de iluminación y albedo. Se utilizó una base de datos
espectrales del Servicio Geológico de los Estados Unidos (speclib4),
(Ver anexos Mapa M-19, Zonas de Alteraciones Hidrotermales
Anómalas)
94
REPORTE ESPECTRAL DE ANALISIS SAM
Firma espectral del mineral : Caolinita Firma espectral del mineral : Caolinita
Librería espectral del USGS Imagen ASTER
Firma espectral del mineral : Alunita Firma espectral del mineral : Alunita
Firma espectral del mineral: Dikita Firma espectral del mineral: Dikita
95
Firma espectral del mineral : Pirofilita Firma espectral del mineral : Pirofilita
Firma espectral del mineral : Illita Firma espectral del mineral : Illita
Firma espectral de: Montmorillonita Firma espectral de: Montmorillonita

96
Firma espectral del mineral: Epidota Firma espectral del mineral: Epidota
Firma espectral del mineral: Clorita Firma espectral del mineral: Clorita
Firma espectral del mineral: Calcita Firma espectral del mineral: Calcita
97
CAPITULO IV
ANÁLISIS Y EXPOSICIÓN DE RESULTADOS
4.1. ANOMALÍA I – SECTOR TITIRE
Esta anomalía se ubica en el sector de Titire y aruntaya, ambos

ubicados en el distrito de carumas, ubicada entre las coordenadas
geográficas 70.43° – 70.28° longitud Oeste y 16.52° - 16.63° latitud Sur,
la altura fluctúa entre 4386 – 4611 m.s.n.m.
A esta anomalía se puede acceder por la carretera interoceánica

Sur Puno – Moquegua y por la carretera de trocha, desvío Presa Pasto
Grande y centro poblado Aruntaya.
Geológicamente afloran rocas de edad terciaria dentro de ellas, la

formación pichu, compuesto por conglomerados y brechas de color
verde violáceo, intercaladas con escasas areniscas conglomerádicas de
matriz tufácea, de colores predominantemente verde a crema-
amarillento. Otra de las formaciones que aflora en este sector es la
formación Maure, compuesta por brechas, conglomerados, areniscas,
tufos, limolitas y arcillas. Tambien otra de las rocas aflorantes son los
tufos hualillas que consisten en tufos mayormente ácidos de
composición riolítica y dacítica con diferencias en el color, textura y
mineralogía. Y por último los depósitos fluviales y aluviales por rocas
cuaternarias.
98
En esta anomalía se presenta, la alteración Propilítica constituido
mayor y representativamente en el sector titire, y seguidamente en esta
anomalía ésta presenta también la alteración Argílica distribuidos más
representativamente en el sector de Aruntaya.
4.1.1. ANOMALÍAS ESPECTRALES DEL SECTOR TITIRE
Los resultados de las anomalías espectrales del sector de Titire,

sus rasgos espectrales, han sido comparados con el software Envi v5.3
ante un registro de imágenes espectrales de la USGS.
4.1.1.1. Anomalia espectral asociada al mineral Epidota:
Firma Espectral - ASTER Firma Espectral - Librería USGS

FIGURA N° 50: Similitud de Firmas espectrales.
TABLA N° 15: Comparación de rasgos espectrales con mayor similitud.
Librería espectral del

Imagen ASTER
USGS.
Alta absorción 1.10μm 1.05μm
Alta reflectancia 2.10μm 2.11μm
Se presentaron similitud de rasgos espectrales en las bandas del
infrarrojo medio con absorción en 1.10μm, 2.35μm. y con una alta
reflectancia en 2.1μm.
99
4.1.1.2. Anomalia espectral asociada al mineral Clorita:


Imagen ASTER
USGS.
Alta reflectancia 2.15μm 2.13μm

infrarrojo medio con una alta reflectancia en 2.15μm y alta absorción en
2.30μm.
100
4.1.1.3. Anomalia espectral asociada al mineral Calcita:


Imagen ASTER
USGS.
Alta reflectancia 0.70μm – 2.15μm 1.80μm

infrarrojo cercano y medio, con una alta reflectancia entre 0.70μm –
2.15μm. Y con una alta absorción en 2.30μm, 2.50μm, 2.80μm del
infrarrojo medio.
Las anomalías de los minerales detectados como epidota, clorita,

calcita, corresponden a la alteración Propilítica (ROWAN; LATHRAM,
1980). Ver anexos Mapa M-11 Clasificación mineral de alteraciones
hidrotermales spectral angle mapper (SAM) – Sector Titire.
101
4.1.1.4. Anomalia espectral asociada al mineral Montmorillonita:


Imagen ASTER
USGS.
Alta reflectancia 0.70μm. – 1.20μm. 1.25μm

infrarrojo medio con una alta reflectancia en 0.70μm - 1.20μm. Y alta
absorción en 1.35μm, 1.90μm, 2.70μm.
102
4.1.1.5. Anomalia espectral asociada al mineral Caolinita:


Imagen ASTER
USGS.
Alta reflectancia 1.32μm. 0.85μm – 1.20μm.
Alta absorción 1.44μm. 1.42μm

infrarrojo cercano con una alta reflectancia entre 0.85μm – 1.20μm. y
también alta reflectancia entre 1.52μm – 1.70μm. y en las bandas del
infrarrojo medio con una alta absorción en 1.44μm, 2.20μm, 2.73μm.
103
4.1.1.6. Anomalia espectral asociada al mineral Pirofilita:


Imagen ASTER
USGS.
Alta reflectancia 1.10μm – 1.83μm. 1.50μm – 1.86μm.

infrarrojo medio con una alta reflectancia en 1.50μm – 1.86μm. Y alta
absorción en 2.10μm. y 2.72μm.
104
4.1.1.7. Anomalia espectral asociada al mineral Illita:


Imagen ASTER
USGS.
Alta reflectancia 1.70μm 1.84μm.
Alta absorción 2.78μm. 2.76μm.

infrarrojo medio con una alta reflectancia en 1.70μm. Y alta absorción
en 2.78μm.
Las anomalías de los minerales detectados como montmorillonita,

caolinita, pirofilita, Illita, corresponden a la alteración Argilica (ROWAN;
LATHRAM, 1980). Ver Anexos Mapa M-11 Clasificación mineral de
alteraciones hidrotermales spectral angle mapper (SAM) – Sector Titire.
105
Para este fin se ha utilizado la librería del servicio geológico de los
Estados Unidos USGS, para comparar la firmas espectrales y
discriminar minerales de alteración tales como: calcita, Clorita, Epidota,
propios del ensamble mineralógico de la alteración Propilítica, luego se
han clasificado con la misma metodología los minerales de arcilla como:
Illita, Montmorillonita, Alunita, Diaspora, Dikita, Caolinita, Pirofilita, que
son las arcillas característicos de la alteración Argílica.
4.1.2. RECONOCIMIENTO DE CAMPO
En el reconocimiento de campo de esta anomalía, se ha ubicado

a través del GPS, ingresando datos de las zonas de alteración de esta
anomalía y son las siguientes:
Se observa en los alrededores del centro poblado Titire la

alteración Propilítica, junto con la alteración Argílica acompañado con
óxidos, (Fig. N°57)
FIGURA N° 57: Alteración propilítica, argílica y óxidos de Fe.
En los alrededores de puente bello, la alteración propílica se

observa de coloración verde pálido. (Fig. N°58)
106
FIGURA N° 58: Alteración Propilítica.
En la figura N° 59, Se aprecia por el rio Coralaque, la alteración
Propilítica es observada tal como indica en la imagen satelital.
FIGURA N° 59: Alteración Propilítica.

El reconocimiento, de la alteración Argílica se encuentra en el
centro poblado de Aruntaya, en esta zona la alteración Argílica tiene más
predominancia. (Fig. N°60).
FIGURA N° 60: Alteración Argílica.
107
En la Figura N°61, se puede observar la alteración Argílica están
acompañados con óxidos.
FIGURA N° 61: Alteración Argílica.
La distribución espacial de las alteraciones percibidas en el

campo, no son uniformes ni constantes, se presentan como mesclas en
distintas proporciones, las cuales tienen incidencia en la morfología de la
curva espectral.
4.1.3. CONFIRMACIÓN ESPECTRAL DE ANOMALÍAS
Se a muestreado los minerales más representativos de la

alteración Propilítica y la alteración Argílica percibidas en el campo.
El espectrómetro PIMA SP (SWIR), estuvo conectado a una PC

en la cual se encuentra el programa de registro de espectros de los
minerales de la muestra.
 Ejecución del programa de recolección de espectros en la PC

 Adhesión de la muestra en la ventana del espectrómetro
 Obtención del espectro (aproximadamente 30 seg)
 Grabación del espectro(*.fos)
Los espectros fueron almacenados en archivos tipo *.fos, porque

fue necesario hacer una transformación a un formato estándar (ASCCII)
para su posterior interpretación.
108
Para el análisis con el PIMA SP (SWIR), las rocas deben estar
secas, que en condiciones de humedad conduce errores de lectura.
CUADRO N° 05: Muestras tomadas para lectura de firmas espectrales
Muestra de la zona de anomalia de Firma espectral

alteracion propilitica Espectrómetro PIMA SP
Muestra de la zona de anomalia de Firma espectral

alteracion argílica Espectrómetro PIMA SP
109
Una vez obtenido los espectros y salvados en formato estándar
ASCII (*.txt), fueron comparados con modelos de curvas espectrales del
servicio geológico de los estados unidos USGS.
Firma espectral “clorita” Firma espectral “clorita”

Espectrómetro PIMA SP Librería USGS
Firma espectral “Montmorillonita” Firma espectral “Montmorillonita”

Espectrómetro PIMA SP Librería USGS
Las firmas espectrales de las muestras de campo, al ser

comparados los rasgos espectrales, presentan una similitud en un 70 %
con las firmas espectrales de USGS, por lo cual se concluye que
corresponden al mineral clorita y montmorillonita.
Las muestras tomadas de campo, no tienen una concentración

pura de los minerales detectados, las cuales tiene incidencia en la
morfología de la curva espectral tomada del espectrómetro PIMA SP.
Por lo cual no tienen una similitud exacta al 100% con la firma espectral
de USGS que son muestras puras y homogéneas.
110
4.2. ANOMALÍA II – SECTOR CHARAQUE
Esta anomalía se ubica en el sector de Charaque, entre los límites

de Carumas y Candarave, ubicada entre las coordenadas geográficas
70.28° – 70.45° longitud Oeste y 16.76° - 16.83° latitud Sur, la altura
fluctúa entre 4672 – 5116 m.s.n.m.
A esta anomalía se puede acceder por la carretera Binacional y

también por la carretera desvío a presa Pasto grande.
Esta anomalía está ubicada exactamente en el arco volcánico del

barroso, que corresponde a una secuencia de rocas volcánicas
constituidas por una intercalación de bancos de tufos y lavas de
composición traquítica con cantidades menores de andesitas.
En esta anomalía se presenta, la alteración Argílica con poca

presencia la alteración Propilítica.
4.2.1. ANOMALÍAS ESPECTRALES DEL SECTOR CHARAQUE
Los resultados de las anomalías espectrales del sector de

Charaque, sus rasgos espectrales, han sido comparados con el software
Envi v5.3 ante un registro de imágenes espectrales de la USGS.

111

Imagen ASTER
USGS.

en 2.77μm.

112

Imagen ASTER
USGS.

absorción en 1.36μm, 1.91μm, 2.71μm.

113

Imagen ASTER
USGS.

infrarrojo cercano con una alta reflectancia entre 0.86μm – 1.23μm. y
también alta reflectancia entre 1.57μm – 1.71μm. Y en las bandas del
infrarrojo medio con una alta absorción en 1.45μm, 2.21μm, 2.74μm.
4.2.1.4. Anomalia espectral asociada al mineral Alunita:

114

Imagen ASTER
USGS.
Alta reflectancia 0.70μm. – 1.40μm. 0.70μm. – 1.40μm.

infrarrojo medio con una alta reflectancia entre 0.70μm. – 1.40μm. Y alta
absorción en 2.90μm.
4.2.1.5. Anomalia espectral asociada al mineral Dikita:

115

Imagen ASTER
USGS.
Alta absorción 1.32μm 1.40μm.

infrarrojo medio con una alta reflectancia entre 1.24μm, 1.52μm. Y alta
absorción en 1.32μm, 2.66μm.
Las anomalías de los minerales detectados como Illita,

montmorillonita, caolinita, alunita, dikita, corresponden a la alteración
Argilica (ROWAN; LATHRAM, 1980).

discriminar minerales de alteración tales como: Illita, Montmorillonita,
Alunita, Diaspora, Dikita, Caolinita, Pirofilita, que son las arcillas
característicos de la alteración Argílica, y en menor proporción la
alteración Propilítica con su ensamble mineralógico de clorita-calcita-
epidota. Ver anexos Mapa M-12 Clasificación mineral de alteraciones
hidrotermales spectral angle mapper (SAM) – Sector Charaque.
116
Luego de la localización de esta anomalía a través del

procesamiento de la imagen satelital ASTER, se hizo el correspondiente
reconocimiento de campo, ubicando el sector a través de un GPS
navegador.
En este sector como se indica anteriormente, se encontró la

alteración Argílica junto con óxidos de fierro, como se ve en la figura.
FIGURA N° 67: Alteración argílica
En la zona del sector Charaque se observa la alteración argílica,

con presencia de óxidos de fierro.
FIGURA N° 68: Alteración Argílica
117
En la siguiente figura N° 69 se puede observar las rocas alteradas
y la presencia de arcillas propios de la alteración Argílica.
FIGURA N° 69: Alteración Argílica
La distribución espacial de estas alteraciones percibidas en el

curva espectral.
Para la validación espectral, se ha tomado muestra de las zonas

de alteración.

en la cual se encuentra el programa de registro de espectros de la
muestra.


118
Para el análisis con el PIMA SP (SWIR), se deberá tener en
cuenta que la muestra debe estar seca, ya que esto puede realizar un
error al realizar la lectura.
FIGURA N° 70: Firmas espectrales del mineral Alunita (Lectura del PIMA SP)
Las firmas espectrales del lado derecho muestran las curvas espectrales
del mineral Alunita con rasgo de absorción de 1.48um, se comparó con
la librería espectral de la USGS. Lado izquierdo.
La firma espectral de la muestra obtenida del sector de Charaque,

representa un rasgo de absorción a 1.48um, el cual es típico de una
alunita potásica como en la Figura N°71.
119
FIGURA N° 71: Firma espectral del mineral alunita-caolinita, Alunita k-
Jarosita
FIGURA N° 72: Firma espectral de la asociación de minerales sílice-

alunita k-Na-Ca.
En la figura N° 73, las muestras son de asociación pirofilita

alunita, la firma espectral de esta asociación presenta un rasgo de
absorción a 1.35um. Y en otras partes del sector Charaque, se presenta
la alteración Silice-pirofilita-alunita y está asociada a brechas
hidrotermales.
120
Argílica obtenidos por el espectrómetro PIMA (SWIR). Y estas son
comparadas con la librería espectral de la USGS.

corresponden a los minerales alunita – caolinita – pirofilita.

121
4.3. ANOMALÍA III – SECTOR TORO BRAVO
Esta anomalía se ubica en el sector Toro bravo, entre los límites

de los distritos de Carumas y San Cristobal, ubicada entre las
coordenadas geográficas 70.49° – 70.59° longitud Oeste y 16.75° -
16.83° latitud Sur, la altura fluctúa entre 4488 – 5106 m.s.n.m.
A esta anomalía se puede acceder por la carretera a Calacoa y

Pallatea.
Geológicamente afloran las rocas del volcánico Barroso que

corresponde a una secuencia de rocas volcánicas constituidas por una
intercalación de bancos de tufos y lavas de composición traquítica con
cantidades menores de andesitas. Y en las partes bajas de este sector,
están depositadas rocas de edad cuaternaria que consiste de
conglomerados finos con intercalaciones de areniscas en bancos o
capas gruesas muy deleznables y de color blanco grisáceo.
En esta anomalía está representada de la alteración Argílica y la

alteración de óxidos de fierro.
122
4.3.1. ANOMALÍAS ESPECTRALES DEL SECTOR TORO BRAVO
Los resultados de las anomalías espectrales del sector de Toro

Bravo, sus rasgos espectrales, han sido comparados con el software
Firma Espectral - ASTER Firma espectral - librería USGS


Imagen ASTER
USGS.

en 2.79μm.
123
Firma Espectral - ASTER Firma espectral - Librería USGS


Imagen ASTER
USGS.

absorción en 1.35μm, 1.92μm. 2.80μm.
124


Imagen ASTER
USGS.

infrarrojo cercano con una alta reflectancia en 1.30μm. y 1.60μm. En las
bandas del infrarrojo medio con una alta absorción en 1.40μm, 2.23μm,
2.72μm.
125


Imagen ASTER
USGS.
Alta reflectancia 0.68μm. – 1.41μm. 0.71μm. – 1.42μm.

infrarrojo medio con una alta reflectancia entre 0.71μm. – 1.42μm. Y alta
absorción en 2.91μm.
126


Imagen ASTER
USGS.
Alta absorción 1.34μm 1.39μm.

infrarrojo medio con una alta reflectancia entre 1.26μm, 1.55μm. Y alta
absorción en 1.34μm, 2.64μm.

Argilica (ROWAN; LATHRAM, 1980). Ver anexos Mapa M-13
Clasificación mineral de alteraciones hidrotermales spectral angle
mapper (SAM) – Sector Toro Bravo.
127
discriminar minerales de alteración tales como: Illita, Montmorillonita,
Alunita, Diaspora, Dikita, Caolinita, Pirofilita, que son las arcillas
característicos de la alteración Argílica, y con presencia de óxidos de
fierro.
Luego de la localización de esta tercera anomalía a través del

procesamiento de la imagen satelital ASTER, hicimos el correspondiente
navegador.
En este sector de Toro Bravo, se ha confirmado la presencia de

óxidos de Fe y en partes de presencia la alteración Argílica, tal como se
ha detectado con el procesamiento satelital como se ve en la siguiente
figura N° 79.
FIGURA N° 79: Óxidos de Fierro y alteración Argílica
128
En la figura N° 80, se observa la oxidación de los minerales de
fierro y la erosión glaciar.
FIGURA N° 80: Óxidos de Fierro y erosión glaciar
En la figura N° 81, podemos observar la oxidación de los

minerales de fierro, en gran parte cubierto de sedimentos erosionados
por la desglaciación.
FIGURA N° 81: Oxidación de minerales de fierro
129
En la siguiente figura, se puede observar la presencia de arcillas
propias de la alteración Argílica, junto con óxidos de fierro.
FIGURA N° 82: Alteración Argílica y presencia de óxidos.
La distribución espacial de estas alteraciones percibidas en el

curva espectral.
Para la validación espectral, se ha tomado muestra de las zonas

de alteración, para obtener las firmas espectrales correspondientes.

en la cual se encuentra el programa de registro de espectros de la
muestra.


130
Para el análisis con el PIMA SP (SWIR), se deberá tener en
cuenta que la muestra debe estar seca, ya que esto puede realizar un
error al realizar la lectura.
FIGURA N° 83: Las firmas espectrales de las zonas de alteración

Argílica.
En esta imagen son los espectros de reflectancia de las zona de

alteracion algilica del sector de Toro bravo, obtenidos con el
espectrometro PIMA (SWIR), asociaciados a los minerales silice illita y
oxidos de fierro.
131
Argílica del sector de Toro Bravo, obtenidos con el espectrómetro PIMA
(SWIR). Las curvas son comparadas con la librería Espectral de la
USGS.

corresponden a los minerales sílice – Illita – dikita – caolinita - esmectita.

132
4.4. ANOMALÍA IV – HUILACA
Esta anomalía se ubica en el sector Huilaca, en el distrito de

Carumas, ubicada entre las coordenadas geográficas 70.44°longitud
Oeste y 16.78°latitud Sur, la altura fluctúa entre 4512 – 4619 m.s.n.m.
A esta anomalía se ubica al margen izquierdo de la carretea

Interoceanica sur Puno – Moquegua, se accede por una carretea en
trocha, acceso a los canales del Proyecto Pastogrande.
Geológicamente, están depositadas rocas de edad cuaternaria

que consiste de tufos volcánicos, conglomerados finos con
intercalaciones de areniscas.
En esta anomalía está representada de la alteración Argílica, y la

alteración Propilítica que están agrupadas entre sí, que nos llama la
atención, tratándose de una anomalía poderosa pero a la vez, dudosa
por presentarse en medio de rocas cuaternarias.
4.4.1. ANOMALÍAS ESPECTRALES DEL SECTOR HUILACA
Los resultados de las anomalías espectrales del sector de

Huilaca, sus rasgos espectrales, han sido comparados con el software

133

Imagen ASTER
USGS.
Se presentaron poca similitud de rasgos espectrales en las

bandas del infrarrojo medio con una alta reflectancia de 1.60μm.


Imagen ASTER
USGS.
Alta reflectancia 0.85μm 0.80μm. y 1.30μm.
Se presentaron una similitud débil de rasgos espectrales en las

bandas del infrarrojo cercano con una alta reflectancia de 0.85μm.
134


Imagen ASTER
USGS.

infrarrojo cercano con una alta reflectancia de 0.86μm.
135


Imagen ASTER
USGS.

136


Imagen ASTER
USGS.

infrarrojo cercano con una alta reflectancia de 0.87μm, 1.60μm.

Argilica (ROWAN; LATHRAM, 1980). Ver anexos Mapa M-14
Clasificación mineral de alteraciones hidrotermales spectral angle
mapper (SAM) – Sector Huilaca.
Se tiene en cuenta que estas firmas espectrales, no tiene una

mayor similitud con las firmas espectrales de USGS la cual es una
anomalía débil con un porcentaje de concordancia de 35%.
137
4.4.1.6. Anomalia espectral asociada al mineral Epidota:


Imagen ASTER
USGS.

138
4.4.1.7. Anomalia espectral asociada al mineral Clorita:


Imagen ASTER
USGS.
Alta reflectancia 1.61 μm 1.80μm. y 2.20 μm.

139
4.4.1.8. Anomalia espectral asociada al mineral Calcita:


Imagen ASTER
USGS.
Alta reflectancia 0.65μm – 1.60μm. 0.60μm – 1.70μm.

infrarrojo cercano y medio con una alta reflectancia entre 0.65μm –
1.60μm.
Las anomalías de los minerales detectados como epidota, clorita,

calcita, corresponden a la alteración Propilítica (ROWAN; LATHRAM,
1980). Ver anexos Mapa M-14 Clasificación mineral de alteraciones
hidrotermales spectral angle mapper (SAM) – Sector Huilaca.
Se tiene en cuenta que estas firmas espectrales, no tiene una

mayor similitud con las firmas espectrales de USGS la cual es una
anomalía débil con un porcentaje de concordancia de 40%.
140
Luego de la localización de esta tercera anomalía a través del

procesamiento de la imagen satelital ASTER, se hizo el correspondiente
navegador.
Cuando se localiza esta anomalía, se evidencia un depósito de

restos de material excedente denominados “botaderos”, producto del
movimiento de tierras del proyecto Pasto grande, como se ve en la
figura.
FIGURA N° 93: Depósitos de material excedentes de movimiento de

tierras del proyecto Pasto Grande.
En la siguiente figura N° 94, se observa los desechos de

materiales de construcción, restos de plásticos, y alambres, en general
materiales de desechos que se ha utilizado en el proyecto Pasto Grande.
141
FIGURA N° 94: Depósitos de restos de ladrillos de construcción.
En los proyectos de obras de construcciones civiles, los botaderos

son lugares de eliminacion de material inservible del proyecto, producto
de movimiento de tierras, en este caso del Proyecto Pasto grande.
FIGURA N° 95: Depósitos de restos de materiales eliminados.
Se ha evidenciado concentraciones de rocas y sedimentos de

otras zonas de alteración hidrotermal mesclados caóticamente, producto
del movimiento de tierras para depositarlas como botadero.
Por lo que se evidencia de esta anomalía, no corresponde a una

zona de alteración hidrotermal, se concluye que es una anomalía falsa.
142
4.5. CONCLUCIONES Y RECOMENDACIONES
4.5.1. CONCLUSIONES
Las imágenes satelitales ASTER, aplicados a la detección de

alteraciones hidrotermales según el procesamiento de la imagen,
constituyen una herramienta útil para localizar en primera instancia
zonas anómalas de alteraciones hidrotermales, cuyo sustento del
análisis es la siguiente:
1) Sea determinado los tipos de firmas espectrales en imágenes

ASTER, mediante composición de bandas, cociente de bandas,
análisis de componentes principales y SAM, de que cada firma
espectral de las zonas anómalas tiene un particular y singular
respuesta de alta reflectancia y mayor absorción en los campos del
infrarrojo cercano y medio del espectro, debido a que los minerales
reaccionan con las luz de acuerdo a las vibraciones de sus enlaces
catiónicos, que son las siguientes:
a. Anomalía I.- mayor absorción en el campo del infrarrojo medio

entre 2.30μm – 2.35μm y entre 2.70μm – 2.78μm.
b. Anomalía II.- mayor absorción en el campo del infrarrojo medio
entre 2.71μm – 2.90μm.
c. Anomalía III.- mayor absorción en el campo del infrarrojo medio
entre 2.64μm – 2.91μm.
d. Anomalía IV.- alta reflectancia en el campo del infrarrojo
cercano y medio entre 0.55μm – 1.60μm, 0.80μm – 0.87μm.
143
2) Sea ha comparado la similitud de la morfología de las curvas
espectrales del procesamiento satelital ASTER con las firmas
espectrales de la librería de USGS que corresponden a los
siguientes minerales de alteraciones hidrotermales:
a. Anomalía I.- en la absorción de 2.30μm – 2.35μm corresponden

a minerales de la alteración Propilítica y entre 2.70μm – 2.78μm
a la alteración Argílica.
b. Anomalía II.- en la absorción de 2.71μm – 2.90μm corresponden
a minerales de la alteración Argílica.
c. Anomalía III.- La absorción de 2.64μm – 2.91μm,
correspondientes a la alteración Argílica y óxidos.
d. Anomalía IV.- La reflectancia de 0.55μm – 1.60μm,
corresponden a minerales de la alteración Propilítica y entre
0.80μm – 0.87μm, a la alteración Argílica.
3) Se ha confirmado las anomalías espectrales de los minerales que

corresponden a las alteraciones hidrotermales, con el espectrómetro
PIMA, luego de la visita de campo, tomando las muestras
representativas de los minerales de alteración se concluye que:
a. Anomalía I.- la absorción entre 2.30μm – 2.35μm y 2.70μm –

2.78μm se confirmaron que son minerales de la alteración
Propilítica y Argílica respectivamente.
b. Anomalía II.- la absorción entre 2.71μm – 2.90μm se confirma
que son minerales de la alteración Argílica.
c. Anomalía III.- la absorción entre 2.64μm – 2.91μm, se confirma
que son minerales de la alteraciones Argílica y óxidos.
d. Anomalía IV.- se ha evidenciado concentraciones de rocas y
sedimentos de otras zonas de alteración hidrotermal mesclados
caóticamente, producto del movimiento de tierras que fueron
depositadas como botadero.
144
4) Se ha determinado 4 zonas de alteración hidrotermal en lo cual se
precisa de la siguiente manera:
a. Anomalía I.- el Sector de Titire, asociadas a la alteración

Propilítica, y la alteración Argílica.
b. Anomalía II.- el sector de Charaque, asociadas a la alteración
Argílica.
c. Anomalía III.- el sector de Toro bravo, asociadas a la
alteración Argílica y oxidos.
d. Anomalía IV.- el sector de Huilaca, se descarta como zona de
alteración hidrotermal.
145
4.5.2. RECOMENDACIONES
 Para los estudios posteriores, se recomienda determinar las

extensiones de las áreas de alteraciones hidrotermales en imagen y
en campo, para correlacionar las diferencias areáles.
 Se recomienda utilizar las imágenes de épocas de estiaje y factor

climático favorable, donde ofrece menor nubosidad.
 Se recomienda muestreo a más detalle y analizados con equipos de

espectrómetros más precisos y sofisticados como TERRASPEC,
FIELDSPEC, FTIR102 para tener mayor certeza que en el presente
estudio no se tuvo acceso por las limitaciones económicas.
146
4.6. BIBLIOGRAFÍA
1. CARLOTTO, et al (2009). Dominios Geotectónicos y Metalogénesis

del Perú. Boletín de la Sociedad Geológica del Perú. P1-89.
2. CHUVIECO, E. (1995). Fundamentos De Teledección Espacial. 2°
edición. Editorial RIALP, SA. Madrid.
3. CROSTA, A.; MOORE, J. M.C.M. (1989). Enhancement of Landsat
Thematic Mapper Imagery for Residual Soil Mapping in SW Minais
Gerais State, Brazil: a Prospecting Case History in Greenstone Belt
Terrain. In: Processding of the 7th ERIM Thematic Conference:
Remote Sensing for Exploration Geology, pp. 1173-1187.
4. DIAZ, C. E. A. (2007). Imágenes ASTER en la Identificación de
Zonas de Alteración Hidrotermal en los Alrededores de Yunga-
Moquegua. Tesis Ingeniero Geólogo. Carrera profesional de
Ingeniería Geológica, Universidad Nacional del Altiplano. Puno.
5. FARMER, V. C. (1974). Los Espectros Infrarrojos de los Minerales:
Mineralogical Society of London, Darking, Surrey, Adlar and Son
Ltd., Monograph 4, 539 p.
6. GOETZ, A. H .F.; ROWAN, L. C.; KINGSTON, M. J. (1982). Mineral
Identification from Orbit: Initial Results from the Shuttle Multispectral
Infrared Radiometer. Science, 2018. pp1020-1024.
7. GONZALES, A. R. (2005). Caracterización Geoquímica, Petrográfica
y Mineralógica en la Prospección de Oro del Sector Charaque
Cuadrángulo de Huaitire-Moquegua. Carrera Profesional de
Ingeniería Geológica, Universidad Nacional del Altiplano. Puno.
8. HAUFF, P. L. (1996). Recolección e Interpretación de Datos de
espectrómetro SWIR de PIMA II. Arvada. Canada.
9. HEDENQUIS, J. W.; LONGO, T. (2008). Epithermal High-sulfidation
Gold Deposits: Characteristics, related ore types, and exploration:
XIV Congreso Peruano de Geología.
10. HUNT, G. R. (1977).“Spectral Signatures of Particulate Minerals in
the Visible and Near Infrared”, Geophysics, vol. 42, p. 501-513.
11. INGEMMET (2011). Laboratorio de Teledeteccíon. Lima.
147
12. JOGMEC, (2006). Presentación Interna Japan Oil, Gas and Metals.
National Corporation.
13. KAUFMAN, Y. J.; REMER, L. A.; GAO, B. C.; FYNN, L. (1997a).
MODIS 2.1-mm Channel correlation with visible reflectance for use in
remote sensing of aerosol. IEEE Transactions on Geoscience and
Remote Sensing, 35: 1286-1298.
14. KAUFMAN, Y. J.; TANRE, D.; REMER, L.; VERMOTE, E. F.; CHU,
A.; HOLBEN, B. N. (1997b). Operational remote sensing of
tropospheric aerosol over the land from EOS-MODIS. J. Geophys.
Res, 102()14: 17051-17068.
15. KODAMA, H. (1985). Imágenes Espectrales del Infrarrojo de
Minerales; Guía de Referencia para la identificación y
Caracterización de Minerales para el estudio de Suelos: Research
Branch Agriculture Canada, Technical Bulletin 1985-1E, 197 p.
16. LOUGHLIN, W. P. (1991). “Principal component analysis for
alteration mapping”, Photogramm. Eng. Remote. Sens., vol. 57,
p.1163-1169.
17. LYON, R. J. P. (1962). Los Minerales y el Infrarrojo - Una
Bibliografía crítica: Stanford, California, Stanford Research Institute,
76p.
18. LILESAND, T. M.; KIEFER, R. W. (1994). Remote Sensing and
Image Interpretation, 3rd Ed, Jhon Wiley and Sons, Inc.: Toronto.
19. MATTHEW, M. et al. (2005). Atmospheric Correction of Spectral
Imagery: Evaluation of FLASSH Algorithm with AVIRIS Data,
Spectral Sciences, Inc.
20. MAMANI, M. Y. L. (2012). Procesamiento de Imágenes Satelitales
Aplicado al Estudio Geológico del sector Unión Soratira del distrito
de San Antón-Azángaro-Puno. Tesis Ingeniero Geólogo. Carrera
profesional de Ingeniería Geológica, Universidad Nacional del
Altiplano. Puno. p.35.
21. MAREL, H. W.; BEUTELSPACHER, H. (1976) Atlas de la
Espectroscopia del Infrarrojo y los Minerales Arcillosos y sus
Mezclas. Amsterdam, Elsevier, 396 p.
148
22. MARQUETTI, C. (2005). Metodología y Análisis de Imágenes
ASTER para la Exploración Mineral en un Sector de la Cordillera de
Colanguil, San Juan, Argentina. Contribuciones Técnicas del
Proyecto GEOSAT-AR 2005:31-40.
23. MOENKE, H. (1962). Spektralanalyse von mineralien und gesteinen;
eine anleitung zur emissions und absorptionsspektroskopie: Leipzig,
Akademie Verlagsges. (in German).
24. RODRIGUEZ, G. (2010). Determinación de zonas de alteración
Hidrotermal mediante imágenes ASTER, oeste de Cajamarca. Tesis
Ingeniero Geólogo, Universidad Nacional San Antonio de Abad.
Cusco, p.99.
25. ROWAN, L. C.; LATHRAM, E. H. (1980). Mineral exploration in
remote Sensing in Geology, by Siegal and Gillespie. John Wiley &
Son, 702, p.p.553-605.
26. SABINS, FLOYD F. J. R. (1987). Remote Sensing, Principles and
Interpretation. W.H.Freeman Company,New York.494 pp.
27. TOMMASO, I. (2005). Mapeo de Alteración Hidrotermal a partir de
Datos ASTER en el Pórfido de Cu-Mo el Infiernillo, Mendoza-
Argentina. Anais XII Simposio Brasileiro de Sensoriamiento Remoto,
Goiania, Brasil, 16-21 abril 2005. INPE, p.1765-1773.
28. HUYGENGS; MAXWELL, (1963). Horologium Oscilatorium, Paris,
1963.
29. MAX, P. (1900). Sobre la Teoría de la Ley de Distribución de
Energía en el Espectro Normal, Alemania.
30. JET PROPULSION LABORATORY, (2013) Manual de Usuario
ASTER, California.
31. http://gds.ersdac.jspacesystems.or.jp/?lang=en, (2015).
32. http://glovis.usgs.gov/,(2015).
33. http://speclab.cr.usgs.gov/spectral-lib.html, (2015).
34. http://speclib.jpl.nasa.gov/,(2015).
35. www.satimagingcorp.com, (2015).
36. www.silc.co.jp, (2015).
37. www.satimagingcorp.com, (2015).
149
ANEXO N° 01
MAPAS
LISTA DE MAPAS
MAPA N° 01: Ubicación…………………………………………………. M-01

MAPA N° 02: Combinación RGB – 321 (Visible)……………………... M-02
MAPA N° 03: Combinación RGB – 931 (Geológico)…………………. M-03
MAPA N° 04: Combinación RGB – 468 (Alteración Hidrotermal)…... M-04
MAPA N° 05: Combinación RGB – 943 (Alteración Hidrotermal)…... M-05
MAPA N° 06: Ratios RGB – 4/6, 5/6, 5/8 (Alteración Hidrotermal)…. M-06
MAPA N° 07: PC3 – Óxidos…………………………………………….. M-07
MAPA N° 08: PC3 – Alteración Propilítica……………………………. M-08
MAPA N° 09: PC4 – Alteración Fílica…………………………………. M-09
MAPA N° 10: PC4 – Alteración Argílica………………………………. M-10
MAPA N° 11: Clasificación Mineral de Alteraciones Hidrotermales
Spectral Angle Mapper (SAM) – Sector Titire………… M-11
Spectral Angle Mapper (SAM) – Sector Charaque…… M-12
Spectral Angle Mapper (SAM) – Sector Toro Bravo…. M-13
Spectral Angle Mapper (SAM) – Sector Huilaca……... M-14
MAPA N° 15: Geológico…………………………………………………. M-15
MAPA N° 16: Dominios Estructurales……….…………………………. M-16
MAPA N° 17: Geomorfológico…………………………………………... M-17
MAPA N° 18: Hidrológico………………………………………………... M-18
MAPA N° 19: Zonas de Alteraciones Hidrotermales Anómalas…….. M-19
MAPA N° 20: Anomalías Espectrales y Muestreo……………………. M-20
ANEXO N° 02
ALBUM DE FOTOS
FOTO N° 01: Afloramiento de la alteración Propilítica
FOTO N° 02: Afloramiento de la alteración Argílica

FOTO N° 03: Afloramiento de la alteración Argílica, Fílica y óxidos de Fe.
FOTO N° 04: Afloramientos del volcánico barroso y óxidos de Fe.

FOTO N° :05 Afloramiento de una Veta de óxidos
FOTO N° 06: Veta de óxidos

FOTO N° 07: Depósitos Fluvioglaciares
FOTO N° 08: Afloramiento de la alteración Argílica.

FOTO N° 09: Vista panorámica del Rio Coralaque
FOTO N° 10: Puente Coralaque

FOTO N° 11: Puente Vizcachas
FOTO N° 12: Canal del Proyecto Pastogrande

FOTO N° 13: Géiser de Puente Bello – Rio Titire.
FOTO N° 14: Vista panorámica de la Laguna Toro Bravo

FOTO N° 15: Centro Poblado de Titire.
FOTO N° 16: Centro Poblado de Aruntaya.

Mamani Ticona Teofilo

Cargado por

Copyright:

Formatos disponibles

Mamani Ticona Teofilo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Mamani Ticona Teofilo

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE INGENIERÍA GEOLÓGICA Y

ESCUELA PROFESIONAL DE INGENIERÍA GEOLÓGICA

“APLICACIÓN DE IMÁGENES ASTER EN LA

TEOFILO MAMANI TICONA

PARA OPTAR EL TÍTULO PROFESIONAL DE:

“APLICACIÓN DE IMÁGENES ASTER EN LA DETECCION DE ZONAS DE

TEOFILO MAMANI TICONA

AREA: GEOLOGÍA DE MINAS

Vidal Mamani Ccapa

Salomé Ticona Arapa

A Dios, todo poderoso.

Agradezco a mi asesor Prof. Dr. Victoriano Rolando Apaza Campos y director

A los docentes de la Carrera Profesional de Ingeniería Geológica de la

A la Universidad Nacional del Altiplano y a la Escuela Profesional de Ingeniería

A todas las personas que directa o indirectamente contribuyeron de alguna

FIGURA N° 01: Componentes de un sistema de teledetección (tomado

FIGURA N° 12: Etapas utilizadas para el procesamiento de imágenes

CUADRO N° 01: Ubicación Política……………………………………….. 54

TABLA N° 01: Magnitudes radiométricas comúnmente utilizadas en

ASTER : Radiómetro Espacial Avanzado de Reflexión de Emisión Termal.

El presente estudio se localiza en el sector de Titire, distrito de Carumas,

Palabras Claves: Alteraciones Hidrotermales, Espectros, Imágenes

keywords: ASTER Images, Hydrothermal Alterations, Prospecting,

El uso de las imágenes satelitales en las últimas décadas, se ha

El estudio se realizó con la finalidad de identificar zonas de

1.2. PLANTEAMIENTO DEL PROBLEMA

La prospección de nuevos yacimientos mineros en diferentes

Antecedentes de investigaciones a partir de imágenes de satélite

¿Qué características o anomalías espectrales presentan, y pueden

A nivel nacional como extranjero, existen diferentes trabajos de

A si mismo existen diferentes trabajos de investigación universitaria

Con los conocimientos y experiencia alcanzados de estudio de

El uso de imágenes satelitales, en estudio de recursos naturales es

Las características espectrales de las zonas de alteración

1.6.1. OBJETIVO GENERAL

Determinar zonas de anomalías espectrales relacionadas a

1.6.2. OBJETIVOS ESPECIFICOS

I. Determinar en imágenes ASTER el tipo de firma espectral en la

Con el objetivo de alcanzar los resultados, se desarrolló de manera

A. Recopilación bibliográfica y base de datos

 Recopilación y sistematización bibliográfica de información

B. procesamiento de imágenes ASTER

 Pre procesamiento de las imágenes ASTER.- la imagen cruda

- Corrección geométrica.- se ajustó las variaciones

 Procesamiento de imágenes para determinar anomalías.

 documentación y elaboración de mapas de zonas anómalas de

C. Reconocimiento de campo.- el reconocimiento de campo se

 En las zonas de anomalías se hizo levantamiento de información

 Se obtuvo firmas espectrales de las muestras tomadas del

E. Análisis e interpretación de resultados

 Una vez obtenido los resultados, se procedió a analizar e

F. Redacción final del trabajo de tesis

 Se elaboraron mapa de anomalías espectrales, redacción de las

MARCO TEÓRICO CONCEPTUAL

Teledetección (Remote Sensing) es la ciencia y el arte de obtener

Hay muchas aplicaciones en las que los sensores puede usarse

Los sensores remotos utilizan una fuente de energía para registrar

Los sensores remotos son los instrumentos que pueden ser