Title: Mapping gossans in arid regions with Landsat TM and SIR-C images: the Beddaho Alteration Zone in northern Eritrea
Abstract: Massive sulphide deposits in the Neoproterozoic Arabian-Nubian Shield are exposed at the surface as Fe-rich crusts termed gossans. Gossans are typically a few tens of metres across but are surrounded by wider clay- and Fe-rich alteration zones. Although Fe-rich gossans have characteristic reflectance spectra and surface roughness, they are often too small to be directly detected by Landsat TM or SIR-C images, both of which have about 30 m spatial resolution. In this paper, a procedure is described whereby gossans and the surrounding alteration zones can be identified and mapped by Landsat TM and SIR-C data using the Beddaho Alteration Zone and the Tebih Gossan in northern Eritrea as an example. Clay and Fe alteration index maps were generated by density slicing for Landsat TM band-ratios 57 and 31, respectively. Landsat 5/7-4/5-3/1 TM images characteristically depict small (tens of pixels) gossans in blue and the more extensive alteration zones in pinkish purple. Chh-LhhLhh/Chh SIR-C images succeeded in identifying the gossan due to enhanced back-scattering of the radar shorter wavelength (6 cm) C-band by the rough gossan surfaces. This enhanced back-scattering might also be partially due to the characteristic dielectric property of the Fe-rich minerals forming the gossans. Choosing known gossans from both 5/7-4/5-3/1 Landsat TM and Chh-Lhh-Lhh/Chh SIR-C images as training sites for supervised classification helped to outline areas with reflectance spectra and radar back-scattering properties similar to those of the training sites. These results show significant correlation between supervised classifications based on the two data sets, suggesting a way to use combined visible and near infrared (VNIR) and radar imagery to explore for mineral deposits in arid regions. Les amas sulfurés massifs du Bouclier néoprotérozoïque arabo-nubien affleurent à la surface sous forme de croûtes riches en fer appelées ‘gossans’. Les gossans ont typiquement une extension de quelques dizaines de mètres et sont entourés par des zones d'altération plus larges á argiles et riches en Fe. Bien que les gossans riches en Fe présentent un spectre de réflectance et une rugosité de surface caractéristiques, ils sont souvent trop petits pour être détectés directement sur les images Landsat TM ou SIR-C, dont la résolution spatiale est d'environ 30 m. Cet article décrit une procédure permettant d'identifier et de cartographier à partir des données Landsat TM et SIR-C les gossans et les zones périphériques d'altération, en prenant pour exemple la zone d'altération de Beddaho et le gossan de Tebih en Erythrée du nord. Les cartes d'indice d'altération en argiles et en Fe ont été dressées par tranches d'isodensité des rapports de bandes Landsat TM 5/7 et 3/1, respectivement. Les images Landsat 5/7-4/5-3/1 TM représentent de façon caractéristique de petits gossans (dizaines de pixels) en bleu et les zones d'altération plus larges en pourpre rosé. Les images Chh-Lhh-Lhh/Chh SIR-C ont réussi à identifier le gossan à cause de l'accroissement de la rétro-diffusion de la bande C de la plus courte longueur d'onde radar (6 cm) par les surfaces rugueuses du gossan. L'accroissement de la rétro-diffusion a pu être due partiellement à la propriété diélectrique caractéristique des minéraux riches en Fe qui forment le gossan. Le choix de gossans connus comme sites de vérification pour une classification revue à partir des images 5/7-4/5-3/1 Landsat TM et Chh-Lhh-Lhh/Chh SIR-C a aidé à définir les zones dont les spectres de réflectance et les propriétés de rétro-diffusion radar sont semblables aux sites de vérification. Ces résultats montrent une corrélation significative entre les classifications revues fondues sur les deux groupes de données, suggérant une méthode d'utilisation combinée de l'imagerie visible et proche-infra rouge (VNIR) et radar pour l'exploration de gîtes minéraux en zones arides.
Publication Year: 2000
Publication Date: 2000-05-01
Language: fr
Type: article
Indexed In: ['crossref']
Access and Citation
Cited By Count: 122
AI Researcher Chatbot
Get quick answers to your questions about the article from our AI researcher chatbot