Mineral mapping with the application of machine learning techniques on data from passive sensors and interferometric coherence on data from active satellite sensors

Abstract

The mapping of hydrothermal alteration zones in volcanic environments is of high interest. The hydrothermal alteration zones are often linked with ore deposits of high economical interest to the private and public exploration sector. Hydrothermal alteration mapping is a demanding task as hydrothermal alterations are usually located in inaccessible regions, and this can create restrictions to in-situ geological exploration methods. For that reason, new methods have been implemented for the investigation of hydrothermal alteration zones that combine concepts from Remote Sensing, signal processing and machine learning for the extraction of information from the available satellite datasets. The aim of this PhD thesis is the mapping of hydrothermal alteration zones via the application of machine learning and signal processing techniques on satellite data from both passive and active sensors. The case study of this PhD is the hydrothermal alteration zones of the Nisyros volcano caldera. In the framework of this PhD thesis, new methods for the extraction of spectral information are presented, which are applied on data from both passive (ASTER, Sentinel-2/MSI and Landsat-8/OLI) and active (Sentinel-1Β) sensors. Concerning the methodologies related with the processing of the data from passive sensors, the first of them relies on linear spectral unmixing, which is applied to the images collected in the visible near infrared (VNIR) and shortwave infrared (SWIR) regions of the electromagnetic spectrum from the above three satellite sensors, for the area of the hydrothermal alteration zones in the caldera of Nisyros’ volcano. The second methodology utilizes information from the same part of the spectrum relies on clustering (Online Generalized Possibilistic C-Means - O-GAPCM) on the first three Principal Components (PCs) on Sentinel-2/MSI, Landsat-8 (OLI) and ASTER satellite images for the mapping of the mineral groups that participate into the hydrothermal alteration zones of the caldera. The third methodology for the processing of images from the passive sensors, which is applied on ASTER data collected from the spectral region of thermal infrared (TIR), relies on clustering (Gaussian Mixture Model – GMM) for the detection and mapping of thermal differentiation zones into the hydrothermal alteration zones. In addition. a fourth methodology that is based on Spectral Indices and utilizes both the visible-near infrared and the shortwave infrared part of the electromagnetic spectrum, is proposed. Finally, combinations of the aforementioned methods are also investigated. Concerning the data from active sensors, corresponding to the microwave spectral region, satellite data from the active satellite sensor Sentinel-1B of the European Space Agency (ESA) is collected for the detection of differences in the texture of altered and unaltered lithologies within the region of the caldera of Nisyros. The outcome of the present study is a variety of thematic maps that has resulted from the proposed methodologies providing information on: a) the hydrothermal alteration degree and corresponding mineralogy of the different lithologies that are linked to the hydrothermal alteration field, b) the detection and mapping of temperature variations within hydrothermal zones and c) the differentiation in texture between altered and unaltered formations within the hydrothermal alteration zones of the Nisyros caldera. The results of the abovementioned methods for the mapping of the hydrothermal alteration zones within the caldera of Nisyros’ volcano are satisfactory as: a) a broad part of the electromagnetic spectrum is utilized, b) various satellite sensors are used and their capabilities are exploited, c) supervised and unsupervised machine learning methods are applied and d) the potential of the traditional technique of differential SAR interferometry (DInSAR) is investigated, focusing mainly on the coherence products.

Η χαρτογράφηση περιοχών που φιλοξενούν υδροθερμικές εξαλλοιώσεις σε ηφαιστειακά περιβάλλοντα χρήζουν ιδιαίτερης σημασίας ως προς την μελέτη τους. Οι ζώνες υδροθερμικής εξαλλοίωσης συνδέονται συχνά με κοιτάσματα οικονομικού ενδιαφέροντος γεγονός που τις κάνει περιζήτητες για τον ιδιωτικό και δημόσιο ερευνητικό τομέα. Η αποτύπωσή τους δεν είναι μία εύκολη υπόθεση, καθώς πολλές φορές οι υδροθερμικές εξαλλοιώσεις φιλοξενούνται σε δυσπρόσιτα πεδία και αυτό καθιστά αδύνατη την πρόσβαση με επιτόπιες γεωλογικές μεθόδους έρευνας. Για τον λόγο αυτό, νέοι τρόποι χαρτογράφησης έχουν προταθεί στην έρευνα ζωνών υδροθερμικής εξαλλοίωσης, οι οποίες εμπεριέχουν μεθόδους επεξεργασίας εικόνας και σήματος σε δεδομένα Τηλεπισκόπησης και αλγόριθμους μηχανικής μάθησης για την εξόρυξη πληροφοριών από τις διαθέσιμες δορυφορικές εικόνες. Σκοπός αυτής της διδακτορικής διατριβής είναι η χαρτογράφηση ζωνών υδροθερμικής εξαλλοίωσης με την χρήση μεθόδων μηχανικής μάθησης και επεξεργασίας σήματος για την επεξεργασία δορυφορικών εικόνων από παθητικούς και ενεργητικούς δέκτες. Η περιοχή μελέτης αυτής της διδακτορικής διατριβής είναι οι ζώνες υδροθερμικής εξαλλοίωσης της καλδέρας του ηφαιστείου της Νισύρου. Ειδικότερα στα πλαίσια αυτής της διδακτορικής διατριβής παρουσιάζονται νέες μεθοδολογίες για την εξόρυξη φασματικής πληροφορίας που εφαρμόζονται σε δεδομένα τόσο από παθητικούς (ASTER,Sentinel-2/MSI και Landsat-8/OLI) όσο και από ενεργητικούς (Sentinel-1B) δέκτες. Σχετικά με τις μεθοδολογίες που σχετίζονται με την επεξεργασία δεδομένων από παθητικούς δέκτες, η πρώτη εξ αυτών βασίζεται στο γραμμικό φασματικό διαχωρισμό, που εφαρμόζεται σε εικόνες στο κοντινό υπέρυθρο (visible near infrared - VNIR) και στο μικροκυματικό υπέρυθρο (shortwave infrared – SWIR) τμήμα του ηλεκτρομαγνητικού φάσματος από τους τρεις προαναφερθέντες δέκτες για την περιοχή των υδροθερμικών ζωνών της καλδέρας του ηφαιστείου της Νισύρου. Η δεύτερη μεθοδολογία που χρησιμοποιήθηκε για την μελέτη του ίδιου τμήματος του φάσματος βασίζεται στην ομαδοποίηση δεδομένων (clustering - Online Generalized Possibilistic C-Means - O-GAPCM clustering algorithm) επάνω στις τρεις πρώτες κύριες συνιστώσες των εικόνων που ελήφθησαν από Sentinel-2/MSI, Landsat-8 (OLI) και ASTER για την χαρτογράφηση των ορυκτολογικών ομάδων που συμμετέχουν στις υδροθερμικές ζώνες της καλδέρας. Η τρίτη μεθοδολογία για την επεξεργασία εικόνων, η οποία εφαρμόζεται στον παθητικό δέκτη ASTER στην περιοχή του θερμικού υπέρυθρου (thermal infrared – TIR), βασίζεται επίσης στην ομαδοποίηση δεδομένων (clustering) - Gaussian Mixture Model - GMM clustering method) για τον εντοπισμό και την χαρτογράφηση θερμοκρασιακών μεταβολών μεταξύ των υδροθερμικών ζωνών εξαλλοίωσης. Επιπλέον, η τέταρτη μέθοδος αφορά την εφαρμογή φασματικών δεικτών που αξιοποιούν πληροφορία από το ορατό-κοντινό και μικροκυματικό υπέρυθρο. Τέλος, εφαρμόστηκαν και μελετήθηκαν συνδυασμοί των παραπάνω μεθόδων. Ακολούθως, μελετήθηκε το κομμάτι του φάσματος των μικροκυμάτων (microwaves) με την χρήση δορυφορικών δεδομένων από τον ενεργητικό δορυφόρο Sentinel-1B του Ευρωπαϊκού Οργανισμού Διαστήματος για τον εντοπισμό διαφορών στην υφή εξαλλοιωμένων και μη εξαλλοιωμένων πετρωμάτων στην περιοχή της καλδέρας της Νισύρου. Το αποτέλεσμα της παρούσας εργασίας είναι μία σειρά θεματικών χαρτών που προέκυψε από τις προτεινόμενες μεθοδολογίες παρέχοντας πληροφορίες σχετικά με: α) τον βαθμό εξαλλοίωσης των διάφορων λιθολογιών που συνδέονται με το πεδίο υδροθερμικής εξαλλοίωσης, β) τον εντοπισμό και την χαρτογράφηση των θερμοκρασιακών διαφοροποιήσεων εντός των υδροθερμικών ζωνών και γ) την διαφοροποίηση της υφής ανάμεσα σε εξαλλοιωμένους και μη εξαλλοιωμένους σχηματισμούς εντός των ζωνών υδροθερμικής εξαλλοίωσης της καλδέρας της Νισύρου. Τα αποτελέσματα των προαναφερθεισών μεθοδολογιών για την χαρτογράφηση των ζωνών υδροθερμικής εξαλλοίωσης εντός της καλδέρας της Νισύρου κρίνονται ικανοποιητικά καθώς: α) αξιοποιήθηκε μεγάλο εύρος του ηλεκτρομαγνητικού φάσματος, β) έγινε χρήση πολλών και διαφορετικών δεκτών των οποίων διερευνήθηκαν οι δυνατότητες, γ) εφαρμόστηκαν επιβλεπόμενες και μη επιβλεπόμενες τεχνικές μηχανικής μάθησης και δ) διερευνήθηκαν οι δυνατότητες της κλασσικής τεχνικής της διαφορικής συμβολομετρίας ραντάρ με έμφαση στα προϊόντα συμβολομετρικής συνάφειας.