1. CLASIFICACION DE
IMÁGENES SATELITALES
PARA LA EXPLORACION
MINERA
Ing. WALQUER HUACANI CALSIN

2. INTRODUCCION
• La clasificación supervisada y no supervisada
permite explorar diferentes tipos de
atributos o clases por medio del análisis
estadístico multivariado, este proceso
identifica los valores de cada píxel de una o
varias bandas de una imagen ráster, crea y
evalúa las clases o clúster (firmas), finalmente
reclasifica de acuerdo a las probabilidades de
cada clase. Este procedimiento es muy
práctico para crear de forma automática un
mapa de uso del suelo o de cobertura vegetal.

3. IMÁGENES LANDSAT
• Los satélites LANDSAT han capturado imágenes
de la tierra desde 1972, es un sensor
multiespectral que capta tomado imágenes
multiespectrales de 180 km2 de escena.
• Las imágenes Landsat se caracterizan por la
variedad de bandas que las componen. Estas
imágenes se separan en 2 tipos: Landsat 7
(sensor ETM+) y Landsat 5 (sensor TM); ambas
poseen 7 bandas multiespectrales que van desde
el visible hasta el infrarrojo medio, con una
resolución de 30 metro.

4. IMÁGENES LANDSAT 7 (ETM)
• Banda 1 (Azul) Banda 2 (Verde) Banda 3 (Rojo)
Banda 5 (IR Medio) Banda 6 (IR Térmico H) Banda 8 (Pancromática)

6. COMBINACION DE BANDAS
LANDSAT 7 ETM
• UBICACIÓN:
• REGION : APURIMAC
• PROVINCIA: ANTABAMBA
• DISTRITO: KILKATA -ANTABAMBA
• COORDENADAS UTM WGS-84
• 755923.416 E
• 8401385.206 N
• 4606 m

9. COMBINACION DE BANDAS
LANDSAT 7 ETM
• Gracias a las combinaciones de bandas
podemos resaltar variaciones de color,
textura, tonalidad y diferenciar los
distintos tipos de cobertura que existen en
la superficie, estas son las combinaciones
de bandas mas usadas:
• Bandas 3, 2, 1 (RGB): Es una imagen de
color natural. Refleja el área tal como la
observa el ojo humano en una fotografía
aérea a color.

14. COMBINACION DE BANDAS
LANDSAT 7 ETM ERDAS

15. COMBINACION DE BANDAS
LANDSAT 7 ETM ERDAS

17. COMBINACION DE BANDAS
LANDSAT 7 ETM
• Bandas 4, 3, 2 (RGB): Tiene buena
sensibilidad a la vegetación verde, la que
aparece de color rojo, los bosques
coníferos se ven de un color rojo más
oscuro, los glaciares se ven de color
blanco y el agua se ve de color oscuro
debido a sus características de
absorción.

20. COMBINACION DE BANDAS
LANDSAT 7 ETM
• Bandas 7, 4, 1 (RGB): Esta combinación
de bandas es ampliamente utilizada en
geología. Utiliza las tres bandas menos
correlacionadas entre sí. La banda 7, en
rojo, cubre el segmento del espectro
electromagnético en el que los minerales
arcillosos absorben, más que reflejar, la
energía; la banda 4, en verde, cubre el
segmento en el que la vegetación refleja
fuertemente; y la banda 1, en azul, abarca
el segmento en el cual los minerales con
óxidos de hierro absorben energía.

23. CLASIFICACION SUPERVIZADA
EN ARC GIS
• La clasificación supervisada en ArcGIS
permite clasificar el ráster por medio
de cada píxel de una celda, es necesario
tener conocimiento previo de las clases
del área de estudio (uso actual del
suelo). Se debe marcar puntos y asignar
un valor numérico para cada clase.

25. CLASIFICACION SUPERVIZADA
EN ARC GIS
• Posteriormente se genera y guarda una firma
espectral con la herramienta Create
Signatures.
• ArcToolbox > Spatial Analyst Tools >
Multivariate > Create Signatures
• Con la herramienta Maximum Likelihood
Classification usar la imagen ráster y el
shapefile con el campo de los valores numéricos
de cada clase.
• ArcToolbox > Spatial Analyst Tools >
Multivariate > Maximum Likelihood
Classification

27. CLASIFICACION NO
SUPERVIZADA EN ARC GIS
• La clasificación no supervisada en ArcGIS no
determina ninguna prioridad para obtener las
clases, es decir lo realiza en base a
probabilidades, el resultado es una imagen
ráster reclasificada y opcionalmente genera un
archivo con su respectiva firma, para efectuar
este procedimiento se usa la herramienta Iso
Cluster Unsupervised Classification.
• ArcToolbox > Spatial Analyst Tools >
Multivariate > Iso Cluster Unsupervised
Classification

30. CLASIFICACION
SUPERVIZADA EN ERDAS
• La clasificación supervisada en ERDAS
IMAGENS consiste en manejar las
imágenes satelitales para hacer una
interpretación del tipo de cobertura que
representan. Basándose en la manipulación
numérica de las imágenes, podemos
interpretar y clasificar los números
digitales que representa cada píxel y
convertirlos a un lenguaje que podamos
manipular y trabajar en diferentes
formatos.

32. CLASIFICACION
SUPERVIZADA EN ERDAS

33. CLASIFICACION
SUPERVIZADA EN ERDAS

42. GRACIAS