623Revista de la Asociación Geológica Argentina 66 (4): 623 - 633 (2010)

RECONOCIMIENTO DE ALTERACIÓN HIDROTERMALCON EL SENSOR ASTER, EN EL CURSO MEDIO DEL RÍOSANTA CRUZ (31°40’S), PROVINCIA DE SAN JUAN

Daniel J. PÉREZ1, Patricio E. D'ODORICO BENITES1,2 y Marta C. GODEAS3

1 Laboratorio de Tectónica Andina, Departamento de Ciencias Geológicas, Facultad de Ciencias Exactas y Naturales, Universidad deBuenos Aires. E-mail: daniel@gl.fcen.uba.ar 2 ArPetrol Argentina S.A. E-mail: p.dodorico@arpetrol.com 3 Servicio Geológico Minero Argentino (SEGEMAR). E-mail: mgodea@mecon.gov.ar

RESUMEN La utilización del sensor ASTER (Advanced spaceborne thermal emission and reflection radiometer) permitió la identificación de di-versos depósitos de alteración hidrotermal, indicando que la aplicación de técnicas espectrales en regiones con buena ex-posición de afloramientos, permite la identificación de diversas litologías asociadas a dichos depósitos. En el presente tra-bajo se han probado diferentes métodos para identificar y generar un mapa de zonas con alteración hidrotermal median-te el uso de escenas ASTER. Estas áreas usualmente contienen grandes cantidades de minerales arcillosos susceptibles deser detectados con imágenes multiespectrales. Diversos autores han desarrollado diferentes procedimientos para clasificary generar un mapa de estos minerales de origen hidrotermal. Entre las más simples, las combinaciones y cocientes de ban-das han probado ser herramientas muy efectivas para detectar blancos. Los índices litológicos buscan reforzar la respuestaespectral de este grupo de minerales mediante productos y cocientes de bandas. Estas técnicas no implican una correcciónintegral de la escena ASTER. Otras técnicas empleadas en este estudio requieren de un procesamiento más profundo, es-pecialmente cuando se trabaja con datos espectrales. Las mismas incluyen la clasificación SAM (spectral angle mapper) y latransformación MNF (minimun noise fraction) para separar el ruido y reducir los requisitos posteriores para procesar la ima-gen. Los espectros utilizados en este trabajo fueron obtenidos con muestras de campo con un espectrómetro de reflectan-cia SWIR (short wave infrared) y mediante la derivación de sus escenas. Los métodos de clasificación han sido probados enáreas de mineralización conocida, como Los Pelambres, El Pachón y Altar; y en otros sectores en la región del río SantaCruz como Carnicerías y La Coipa; en el sector sudoccidental de la provincia de San Juan. Los resultados de este trabajose presentan en forma de imágenes de asociación de minerales e índices litológicos.

Palabras clave: Sensores remotos, ASTER, alteración hidrotermal, Cordillera frontal, SanJuan, Mioceno.

ABSTRACT: Reconnaissance of hydrothermal alteration with the ASTER sensor, in the middle course of Río Santa Cruz (31°40' S), province of San Juan. The advanced spaceborne thermal emission and reflection radiometer (ASTER) was used to identify different de-posits of hydrothermal alteration which indicates that several important lithological groups can be mapped in areas with goodexposure by using spectral-matching techniques. Different methods are tested in order to identify and map zones with hydro-thermal alteration minerals using the ASTER dataset. These areas are often referred to having large quantities of clay mine-rals which can be detected using multispectral imagery. Several authors have developed different procedures to map thesehydrothermal minerals. Among the simplest ones, band combinations and band ratios have proven to be very useful tools foridentifying targets. Lithology indexes point to reinforce the spectral response of this group of minerals working with bandproducts and ratios. So far, these techniques do not need a full image correction. Other methods here employed require fur-ther processing of the ASTER scene, especially when spectral data are used. These techniques include spectral angle mapper(SAM) classification and minimum noise fraction (MNF) transforms to segregate noise and reduce computational require-ments. Spectral data used in this paper were collected from field samples using SWIR (short wave infrared) reflectance spec-troscopy and derived from the scene itself. These mapping methods have been tested in areas of known hydrothermal altera-tion occurrences, e.g. Los Pelambres, El Pachón and Altar, and in other sector of Santa Cruz region like Carnicerias and LaCoipa; all of these at the south westernmost part of San Juan province. The result of this work is here presented as a seriesof images showing lithology indexes and an expected mineral assembly.

Keywords: Remote sensing, ASTER, hydrothermal alteration, Cordillera Frontal, San Juan, Miocene.

INTRODUCCIÓN

En los últimos años el uso de imágenes sa-telitales se ha constituido en una importan-te herramienta para generar un mapa lito-lógico preliminar. Entre los datos más uti-lizados para estas tareas se encuentran lasimágenes ASTER (Advanced spaceborne ther-mal emissión and reflection radiometer), frecuen-temente empleadas en la identificación deminerales y generación del mapa geológicoen general. El reconocimiento de zonascon minerales de alteración hidrotermal esuna aplicación particular de los sensoresremotos multiespectrales, cuyo principalobjetivo en este caso es el reconocimientode depósitos comercialmente explotables.Diversos autores utilizaron este tipo deimágenes en la identificación de mineralesde alteración hidrotermal, tales comoKruse (1993), Souza Filho et al. (2003),Hewson (2003) y Ducart et al. (2006),Ninomiya (2002, 2004); Rowan et al. (2003)y Rowan y Mars (2003).ASTER es un sensor multiespectral a bor-do del satélite EOS (Earth observing system) -TERRA que forma parte del sistema deobservación terrestre de la NASA. El saté-lite posee una órbita heliosincrónica a 705km de altura. El ancho de barrido es de 60km y la distancia entre órbitas es de 172 ki-lómetros. El sensor tiene una resoluciónespectral que va desde 0,520 hasta 11,650(µm) micrómetros, distribuida en 14 ban-das que a su vez se agrupan en tres subsis-temas independientes. Estos subsistemasson el VNIR (visible and near infrared) contres bandas (1-3) (0,52 a 0,86 µm) y una re-solución espacial de 15 m, el SWIR (shortwave infrared) con seis bandas (4-9) (1,6 a2,43 µm) y una resolución espacial de 30 my, por último, el TIR (thermal infrared) concinco bandas (10-14) (8,125 a 11,65 µm) yuna resolución espacial de 90 metros.Además el sensor cuenta con un telescopioadicional que tiene una resolución espec-tral igual a la banda 3 y que está orientado27,7º hacia atrás, obteniéndose de estemodo las bandas 3N (nadir) y 3B (haciaatrás), con las que se construye el par este-reoscópico a partir del cual se genera elmodelo digital de elevación (DEM) de

cada escena (Fujisada 1995, ERSDAC2001), (Cuadro 1).El área de estudio se sitúa en el sectorsudoccidental de la provincia de SanJuan, en el departamento de Calingasta, aunos 80 kilómetros al oeste de la locali-dad de Barreal (Fig. 1). Abarca desde elparalelo 31°27'S hasta 31°40'S y desde elmeridiano 70°23'O hasta 70°31'O, cu-briendo una superficie total de aproxima-damente 980 kilómetros cuadrados. Lacomarca se caracteriza por su relievemontañoso, con alturas que superan los4500 m s.n.m.. Los principales valles sonsurcados por cursos de agua permanen-tes, el más importante de los cuales es elrío Santa Cruz. La zona se caracteriza porla presencia de numerosas manifestacio-nes con alteración hidrotermal asociadas,algunas de ellas en explotación o en pros-pección. Como ejemplo se puede citarLos Pelambres, Pachón y Altar (Sillitoe1973, Fernández et al. 1974 y Almandozet al. 2005). El presente trabajo es unaaplicación de las técnicas de clasificacióny generación del mapa litológico, previa-mente desarrolladas por otros autores.La escena ASTER utilizada en el presen-te estudio fue obtenida de la base de da-tos de la NASA, a través de la página webhttp://edcimswww.cr.usgs.gov/pub/ims-welcome/, sitio oficial del EOS (Earth ob-serving system), mediante la CONAE(Comisión Nacional de Actividades Espaciales).La metodología de trabajo se basó en lacomparación de las respuestas de algunasáreas de mineralización conocidas con lasrespuestas de blancos en zonas de inte-rés, previo al trabajo de campo. Durantela campaña se extrajeron ocho muestrasde los blancos en algunas zonas de inte-rés, que posteriormente fueron estudia-das por espectrometría de reflectancia.Los espectros obtenidos fueron utiliza-dos como referencia para generar elmapa a partir de la escena ASTER.

GEOLOGÍA

La comarca está emplazada en el sectornorte de la faja plegada y corrida de LaRamada, forma parte de la Cordillera

Principal y Cordillera Frontal y se ubicaen el extremo sur del segmento de sub-ducción subhorizontal (flat slab) (Cahill eIsacks 1992).La geología (Fig. 1) de la comarca estádominada por un basamento ígneo com-puesto por cuerpos intrusivos granodio-ríticos y coladas piroclásticas. Sobre estebasamento, de edad triásica, se apoya endiscordancia una sucesión sedimentariade origen marino somero y continental,la que presenta una participación crecien-te de material piroclástico hacia la sec-ción superior. La unidad aflorante másreciente es una volcanita miocena decomposición básica a intermedia.El basamento del área está formado poruna sucesión de rocas piroclásticas ácidasdel Grupo Choiyoi, las que son intruidaspor el Batolito Pico Los Sapos, de com-posición dominante granodiorítica a gra-nítica, con miembros más básicos subor-dinados en abundancia.La sucesión sedimentaria mesozoica seinicia con la unidad de synrift de laFormación Rancho de Lata (Álvarez1996), constituida principalmente porconglomerados y brechas mal selecciona-das, pelitas negras lacustres y rocas piro-clásticas con líticos tobáceos y riolíticos.En discordancia angular se apoya laFormación Los Patillos (Álvarez 1996) deedad jurásica inferior a media (Ramos y Ál-

D. J. PÉREZ, P. E . D 'ODORICO BENITES Y M. C. GODEAS624

VNIR

SWIR

TIR

CUADRO 1: Características de las bandasde los susbsistemas VNIR, SWIR y TIR.

Subsistema Banda Rango Resolución No. Espectral Espacial

μm (micrometro)

123N3B4567891011121314

0.52 - 0.600.63 - 0.690.78 - 0.860.78 - 0.861.600 - 1.7002.145 - 2.1852.185 - 2.2252.235 - 2.2852.295 - 2.3652.360 - 2.4308.125 - 8.4758.475 - 8.8258.925 - 9.27510.25 - 10.9510.95 - 11.65

15 m

30 m

90 m

625

Figura 1: mapageológico y deubicación del áreade estudio.

Alteración hidrotermal en el río Santa Cruz...

varez 1999). La misma está constituida porareniscas y calizas bioclásticas y oolíticas deorigen marino somero. Por encima se hallaun nivel de brechas calcáreas de pocas dece-nas de metros de espesor, pertenecientes ala Formación La Manga, de edad calovianainferior a oxfordiana media-superior. Estasdos últimas de ambiente de postrift (Álva-rez 1996). Sin relación estratigráfica se en-cuentra la Formación Auquilco constituidapor yesos con textura sacaroide y localizadasobre la falla Pelambres en el río Carnicería.Sobre la Formación La Manga y en discor-dancia, continúan los depósitos continenta-les del Jurásico superior de la FormaciónTordillo, bien representados en la comarca eintegrada por areniscas, sabulitas y conglo-merados rojizos de origen continental, des-arrollados en una cuenca de intraarco, aso-ciados a un régimen extensional y que mar-can la culminación del ciclo jurásico en la re-gión (Cristallini y Ramos 1996).Continúan las secuencias cretácicas condepósitos volcánicos y volcaniclásticoscontinentales de la Formación CristoRedentor. Están formados por una alter-nancia de coladas andesíticas, ignimbritas

dacíticas, conglomerados clasto-sosteni-dos y areniscas rojas. Estos depósitos sedisponen en una faja que bordea la mar-gen occidental del río Santa Cruz, for-mando amplios anticlinales y sinclinalescon rumbo septentrional, extendiéndosesobre el límite argentino-chileno hastaaproximadamente los 37°LS. Los depósi-tos terciarios con poco desarrollo corres-ponden a un pórfiro dacítico vinculadocon un halo de alteración hidrotermal y ala mineralización de los yacimientos deEl Pachón y Los Pelambres (Fernández etal. 1974). Otras zonas de alteración hansido identificadas y localizadas en el te-rreno, en la ladera occidental de la cordi-llera de Santa Cruz, en el río La Coipa, yen el río de la Carnicería (Fig. 2). Unacuarta zona de alteración hidrotermal,denominada Altares (Fig. 2), ha sidoidentificada también en el extremo nor-oeste de la zona de estudio, y que corres-ponde a un sistema de mineralización dealta sulfuración vinculado a un sistema depórfido cuprífero (Almandoz et al. 2005).La estructura de la región se caracteriza porpresentar dos estilos bien definidos, los cua-

les se habrían desarrollado durante elMioceno superior. Uno es de piel fina (thinskinned) y habría sido el responsable de lafuerte deformación en la cobertura sedi-mentaria mesozoica, formando anticlinalesy sinclinales en las secuencias cretácicas delCordón del Yunque y del Límite. El segun-do es de piel gruesa (thick skinned), y mues-tra una deformación que afecta a los blo-ques de basamento de la cordillera de SantaCruz la que es levantada por una falla dealto ángulo ubicada al este de dicha cordille-ra (D´Odorico et al. 2006). La porción cen-tral de la comarca en estudio, o bloqueMondaca es levantada por la falla Monda-quita, de alto ángulo, por sobre los estratosmesozoicos previamente descriptos. El esti-lo de piel fina puede verse en el ríoCarnicería, mediante el corrimientoPelambres de bajo ángulo, que afecta laFormación Los Pelambres, previamente de-formada, la que constituye una estructurafuera de secuencia (Figs. 1 y 2).

DEPÓSITOS MINERALES ENLA REGIÓN

Dentro de la zona bajo estudio se encuen-tran tres áreas de mineralización y altera-ción hidrotermal, las cuales están actual-mente en prospección o en explotación.Estas áreas son Altar, El Pachón y LosPelambres (Sillitoe 1973, Fernández et al.1974 y Almandoz et al. 2005). Dentro deeste estudio, dichas zonas de alteraciónson utilizadas como punto de compara-ción para generar el mapa de alteracionesde otros sectores utilizando los datos delsensor ASTER.En el extremo noroccidental del área bajoestudio se encuentra el prospecto Altar, sis-tema epitermal de alta sulfuración asociadoa un pórfiro cuprífero (Almandoz et al.2005). En la parte central del prospectoaflora un cuerpo intrusivo cuarzo dioríticode edad miocena que lleva sobreimpuestouna intensa alteración potásica caracteriza-da por biotitas reemplazadas por sericita,cristales de ortoclasa y cantidades menoresde anhidrita, turmalina y magnetita disemi-nada. Sobre este cuerpo intrusivo se des-arrolla un intenso stockwork de cuarzo, piri-

626

Figura 2: Combinación debandas RGB: 654, con laszonas de alteración en colorazul claro; y ubicación delas muestras extraídas estu-diadas con espectrometríade reflectancia.

D. J. PÉREZ, P. E . D 'ODORICO BENITES Y M. C. GODEAS

ta, calcopirita y bornita. La zona potásica sevio posteriormente afectada por dos pulsosde alteración fílica, con calcosina, digenita,covellina y bornita asociadas en una prime-ra fase, mientras que el segundo pulso pro-dujo removilización parcial del cobre. Lasuperficie con alteración argílica es reduci-da y se halla en una posición topográficamás elevada respecto de la zona fílica. Laroca de caja, formada por flujos andesíti-cos, se encuentra afectada por un halo ex-terno de alteración propilítica. Por otro lado, en el sector sudoccidentalde la comarca se desarrolla un importan-te sistema de alteración y mineralizaciónasociado a dos pórfiros cupríferos, LosPelambres, sobre territorio chileno(Sillitoe 1973) y El Pachón (Fernández etal. 1974). El primero está integrado porun complejo intrusivo tonalítico que al-berga la mayor parte de la mineralización,con andesitas y diques aplíticos subordi-nados. Las dataciones radimétricas obte-nidas sobre biotitas hidrotermales arroja-ron edades levemente inferiores a 10 Ma(Reich et al. 2003). El pórfiro cuprífero ElPachón se encuentra aledaño a LosPelambres y en territorio argentino. Estáformado por pórfiros dioríticos - grano-dioríticos y diques dacíticos - tonalíticosque en su conjunto intruyen a la Forma-ción Los Pelambres (equivalente a la For-mación Juncal de edad cretácica). La alte-ración potásica se desarrolla preferencial-mente sobre las rocas porfíricas, en lascercanías del contacto con la roca de caja.Asimismo, la alteración fílica afecta fuer-temente a los plutones, dando como re-sultado una paragénesis de sericita - piri-ta - sílice. El halo propilítico afecta mar-ginalmente a los intrusivos, siendo susefectos más notorios en la roca de caja,formada por volcanitas de composiciónintermedia y tobas ácidas. Por último, laalteración argílica aparece como resulta-do de un proceso de lixiviación asociadaa un probable enriquecimiento supergé-nico (Fernández et al. 1974).Adicionalmente, durante las labores decampo se identificaron dos zonas con al-teración visible, previamente no mencio-nadas específicamente por la bibliografía

existente. En el presente trabajo estosdos sectores se los denomina como zonade interés 1 y zona de interés 2, ésta últi-ma posiblemente vinculada genéticamen-te con el pórfiro cuprífero Los Pelambres(Fig. 2 y posteriores). Algunas muestrasde campo empleadas para este estudiofueron tomadas en estas áreas de interés.

SENSOR ASTER

Diferentes técnicas de procesos con datosdigitales satelitales, como composicionescolor RGB, clasificación supervisada y co-cientes de bandas, pueden discriminar mi-nerales en rocas con alteraciones hidroter-males. Además y mediante la aplicación demuestreos y espectros con PIMA (portableinfrared mineral analyzer) (Cuadro 2), se pue-de obtener información para ser aplicadaluego en procesos de datos de imágenes,lo cual permite identificar zonas de altera-ción hidrotermal.La región del río Santa Cruz y en generalde Cordillera Frontal a estas latitudes, esárida y con poca o nada cobertura vege-tal, lo cual favorece ampliamente el usode datos satelitales en la identificación deminerales asociados a depósitos con inte-rés económico. En el presente trabajo seaplicaron varias y diferentes técnicas deprocesamiento de datos satelitales con lafinalidad de identificar y realizar el mapade diferentes unidades geológicas ademásde las zonas de alteración hidrotermal. Usualmente, para aplicar técnicas de iden-tificación de alteración hidrotermal se uti-lizan los subsistemas VNIR y SWIR, conuna resolución espacial de 30 m y nuevebandas que cubren el rango espectral0,520 – 2,430 (µm) micrómetros.

Preprocesamiento de la imagenEn el presente trabajo se utilizó una esce-na ASTER con un procesamiento nivel 1B(L1B), el cual lleva incorporado coeficien-tes radimétricos y geométricos en un archi-vo adjunto. Adicionalmente, este productose proyecta sobre un mapa rotado y geo-rreferenciado, preservando la resolucióndel instrumento (ERSDAC 2001). Sin embargo el procesamiento L1B nolleva ninguna corrección del efectoCrosstalk (Iwasaki et al. 2005). Este fenó-meno consiste en la pérdida de señal porreflexión de fotones desde la banda 4 ha-cia las bandas 5 y 9, causando que la res-puesta de estas últimas sea mayor a lareal. Si bien este efecto se produce en to-das las bandas del subsistema SWIR, esmás intenso en las dos bandas menciona-das porque están físicamente más cercade la banda 4 en el sensor. La correcciónse realizó usando programa ERSDACCrosstalk® 3, de libre acceso.Los valores digitales de ocho bits de cadabanda fueron transformados en valoresde radiancia en la atmósfera superior.Este procedimiento, que evita pérdida deinformación, puede ser realizado utili-zando la siguiente ecuación general:

En donde Radi es la radiancia de unabanda, UCFi es el coeficiente de transfor-mación (unit conversion factor) y DNi esla reflectancia expresada como un valordigital de ocho bits. Los factores de con-versión son provistos por la NASA encada meta archivo que acompaña a laimagen procesada a nivel L1B. Una vezefectuadas estas correcciones, puede co-menzar el trabajo de interpretación de la

627

CUADRO 2: Mineralogía obtenida por espectrometría de reflectancia.

Muestra Litología (original) Composición

23-06 Ignimbrita riolítica Illita 60%, 20% caolinita, 20% cuarzo 30-06 Riolita Cuarzo 60%, 40% illita-esmectita 30-06a Granodiorita Cuarzo 60%, 40% illita-esmectita 31-06 Granodiorita Cuarzo 60%, illita 40%, trazas de jarosita 31-06a Granodiorita Cuarzo 80%, illita-esmectita 20%, trazas de caolinita 37-06 Riolita Cuarzo 60%, illita-esmectita 40% 38-06 Dacita Illita 90%, chamosita 10% 39-06 Dacita Illita 100%

Alteración hidrotermal en el río Santa Cruz...

escena con combinaciones, cocientes eíndices de identificación litológica.La radiación solar reflejada que detecta elsensor debe necesariamente atravesar laatmósfera, que está constituida por gasesy polvo. Estos elementos producen undebilitamiento y distorsión de la respues-ta debido a la absorción selectiva de algu-nas longitudes de onda en particular conrespecto a otras, que llegan con mínimasperturbaciones hasta el sensor. Estos fe-nómenos pueden suprimirse aplicandouna corrección atmosférica (Green et al.1993) en la que se tiene en cuenta un mo-delo de atmósfera (para este estudio elmodelo es mid - latitude summer), el efectosde los aerosoles (despreciables en estecaso) y la humedad ambiental media. Elpropósito de este procesamiento es quelas condiciones bajo las cuales son obte-nidos los espectros en la imagen seaniguales a las condiciones de laboratoriodonde se obtienen las curvas de espec-trometría de reflectancia. En este estudio,la corrección atmosférica se realizó conel software comercial ENVI Flaash®.

Combinaciones y cocientes de bandasLas combinaciones de bandas constituyenel método más simple y rápido para locali-zar zonas con presencia de minerales arci-llosos. Para este trabajo se ha empleado lacombinación RGB: 654. Las arcillas pre-sentan una fuerte absorción en las bandas5 y 6, asociada a la vibración del enlace Al-OH en el rango 2,160 a 2,200 (µm) micró-metros (Hunt y Salisbury 1970, Pontual etal. 1997). La reflectancia en la banda 4 deASTER es más elevada, ya que no tieneasociada ninguna absorción característicade las arcillas. Por este motivo, en la com-binación de bandas expuesta las zonas conminerales arcillosos se ven en diferentestonos de azul (Fig. 2).Las combinaciones de cocientes de ban-das constituyen otra herramienta para de-tectar áreas con presencia de mineralesarcillosos. El método consiste en realizarel cociente entre una banda en donde lasarcillas presentan picos de reflectancia(alto DN o digital number asociado) y otrabanda en donde las arcillas tienen picos

de absorción (bajo DN asociado). Deeste modo, se busca reforzar la respuestade aquellos píxeles que reúnan estas con-diciones. La combinación RGB: 4/5,4/6, 4/7 utilizada en este trabajo dacomo resultado una imagen en donde laszonas con alteración aparecen de colorblanco, debido a la alta respuesta en lostres cocientes (Fig. 3). Como se mencio-nó anteriormente, el enlace Al-OH de lasarcillas produce picos de absorción en lasbandas 5 y 6, mientras que en la banda 7la reflectancia es baja debido al enlace Fe-OH (Pontual et al. 1997).

Índices de identificación litológica - SWIRLa identificación de minerales de altera-ción puede realizarse aprovechando lascaracterísticas de absorción en determi-nadas regiones del espectro, coincidentescon algunas bandas del sensor ASTER.Algunos autores han planteado el uso deíndices litológicos para lograr tal fin. Enparticular, Ninomiya (2004) ha utilizadoíndices para reforzar la respuesta deaquellas áreas con presencia de mineralesde alteración. Dichos índices fueron utili-zados en el presente estudio con la finali-dad de identificar diversas áreas las cualescontienen arcillas de origen hidrotermal(Zonas de interés 1 y 2 en la figura 4a).El primero de los índices queda definidopor la siguiente ecuación:

Los minerales como la montmorillonita,caolinita, alunita y las micas presentanuna absorción muy definida en la banda6, mientras que en las bandas 4 y 7 tienenuna reflectancia moderada. Según el au-tor (Ninomiya 2004) la detección de mi-nerales sensibles a este índice se producecuando se cumple la condición OHIa >4,05. La figura 4a es un mapa de este ín-dice, en donde se observa que los mayo-res valores (colores naranja y rojo) estánasociados al prospecto Altar y a los pór-firos cupríferos Los Pelambres y ElPachón. Del mismo modo, se puede infe-rir la presencia de montmorillonita y mi-

628

Figura 3: Combinaciónde bandas RGB para loscocientes 4/5, 4/6, 4/7.En este caso, los blancosaparecen de color blancoo blanco verdoso. (Zonade Interés 1: La Coipa yrío Santa Cruz. Zona deInterés 2: La Carnicería.)

D. J. PÉREZ, P. E . D 'ODORICO BENITES Y M. C. GODEAS

cas en las Zonas de interés 1 y 2 debido alos altos valores de este índice en estossectores. El segundo índice utilizado enla identificación de minerales de altera-ción es similar al primero, pero detectaaquellos minerales con un pico de absor-ción centrado en la banda 5, de modoque la ecuación para este nuevo índice sedefine como:

Dentro del grupo de minerales suscepti-bles de ser detectados con este índice es-tán la pirofilita, la caolinita y la alunita. Sepuede definir la presencia de uno o másde estos minerales si se cumple queOHIb > 3,5. La figura 4b es el resultadode la aplicación de este segundo índicesobre la escena ASTER. Nuevamente seobservan altos valores por encima delumbral establecido asociados a las áreasde mineralización conocida, así como a lazona de interés 1. Un tercer índice hace uso de un rasgo es-pectral único de la alunita, una absorciónmuy fuerte y definida que se centra en la

banda 8, por lo cual Ninomiya (2004) hadefinido el índice de alunita como:

No obstante, la identificación de este sul-fato mediante la aplicación del índice hadado resultados negativos. Por este moti-vo se infiere que las zonas de alteraciónestudiadas no exhiben cantidades signifi-cativas de alunita que puedan ser detecta-das con este método.

ESPECTROMETRÍA DE REFLECTANCIA

La espectrometría de reflectancia es unatécnica de identificación de minerales ba-sada en la emisión de radiación electro-magnética en la región del espectro infra-rrojo cercano (SWIR). Dentro de esterango, algunos iones y enlaces metal-ióntienen absorciones muy definidas quepermiten reconocer su existencia dentrode la muestra analizada (Litvak y Godeas2003). La mayoría de estos iones y enla-ces se encuentran en los minerales de al-

teración hidrotermal, por este motivo elmétodo es de amplia aplicación en la bús-queda de áreas mineralizadas.Dentro del área de estudio se han selec-cionado algunos puntos de extracción demuestras para ser estudiadas con espectro-metría de reflectancia SWIR. La elecciónde estos puntos se hizo sobre la base delas imágenes de combinaciones de bandasy cocientes de bandas. Se extrajeron un to-tal de ocho muestras (Fig. 2), que fueronposteriormente estudiadas con un espec-trómetro PIMA (portable infrared mineralanalyzer) de reflectancia SWIR (Fig. 7). Elcuadro 2 es una síntesis de las interpreta-ciones de las muestras estudiadas. La es-pectrometría de reflectancia SWIR es unmétodo semicuantitativo

PROCESAMIENTO DE LOSDATOS ASTER

La técnica para identificación de minera-les y litologías utilizada en este trabajofue desarrollada inicialmente para traba-jar con imágenes hiperespectrales, aun-que su uso luego se hizo extensivo a las

629

OHIbbanda4 x banda7banda5 x banda5

ALIbanda7 x banda7banda5 x banda8

Figura 4: a) Índice OHIa en la zona de estudio. Las respuestas más intensas están asociadas al prospecto Altar y a la Zona de Interés 1. Véase en la escala de co-lores el umbral establecido por Ninomiya (4 para el índice OHa); b) Índice OHIb en la misma área, donde los valores más altos se hallan los mismos sectores.Véase en la escala de colores el umbral establecido por Ninomiya (3,5 para el índice OHb).

Alteración hidrotermal en el río Santa Cruz...

escenas multiespectrales, con resultadossatisfactorios (Crosta et al. 2003 a y b).Dichas técnicas de trabajo requieren unprocesamiento adicional sobre la imagenque consiste en eliminar los efectos de laatmósfera sobre la radiación incidente yreflejada.

Clasificaciones con el método SAM(spectral angle mapper)La técnica SAM es un método de compa-ración automática entre los espectros decada píxel de la escena y un conjunto deespectros de referencia (Kruse et al.1993). Estos últimos pueden ser extraí-dos de una base de datos espectrales opueden obtenerse con muestras de cam-po en un laboratorio. El algoritmo básicopermite tratar los espectros como vecto-res en un espacio n-dimensional, en don-de n es el número de bandas incluidas enla clasificación. Cada vector espectral tie-ne asociado una dirección y un módulo;éste último proporcional a la iluminaciónsolar. La comparación se realiza en térmi-nos de la diferencia angular (llamado án-gulo espectral) entre los vectores de laimagen y de referencia. La diferencia an-

gular entre dos vectores espectrales pue-de calcularse con la siguiente ecuación:

En donde t es el espectro de estudio y rel espectro de referencia. El número n re-presenta el número de bandas estudiadasy α es el ángulo entre vectores. El méto-do no es sensible a la iluminación solar,ya que compara ángulos y no módulos.Por este motivo, todas las iluminacionesson tratadas igualmente por el algoritmo.El resultado del método es una imagende clasificación SAM y un número n deimágenes rule que muestran la distanciaangular entre cada espectro de la imageny el espectro de referencia, medida en ra-dianes. Los píxeles más oscuros repre-sentan una diferencia angular menor, ypor lo tanto una mayor similitud entre es-pectros (Ducart et al. 2006). Para este trabajo se han utilizado los es-pectros de campo como referencia paraaplicar esta técnica de clasificación espec-

tral, mientras que el valor angular máxi-mo de similitud entre vectores es 0,10 ra-dianes. La figura 5, es el resultado de laclasificación SAM con los espectros decampo. Los espectros de campo, medi-dos con el espectrómetro de reflectanciaSWIR, fueron re-muestrados para la re-solución del sensor ASTER (Fig. 8). Sehan tomado como válidos sólo aquellosespectros que se identificaron sobre lasáreas de alteración conocidas. La clasifi-cación positiva en otros sectores de la es-cena, principalmente en los afloramien-tos del Batolito Pico Los Sapos, podríaindicar la existencia de una asociación deminerales compatible con la meteoriza-ción de granitoides. Se ha observado laocurrencia de minerales del grupo de lasarcillas en las secciones delgadas estudia-das para esta unidad litológica.

Identificación de minerales con es-pectros de la imagenPara el presente estudio se utilizó unatécnica adicional en la identificación dealteración, en la cual se utiliza el métodoSAM pero usando espectros de referen-cia extraídos de la propia escena ASTER.

630

Figura 5: Resultado de la clasificación SAMsobre el área de estudio, utilizando los espec-tros de campo. Los colores del mapa resultantese corresponden con los colores de los espec-tros de la figura 8. Los blancos de alteraciónhan sido identificados satisfactoriamente, conexcepción de la zona de interés 1.

Figura 6: Clasificación SAM de la escena, utilizandolos espectros o endmembers extraídos de la imagen. Loscolores del mapa resultante se corresponden con loscolores de los espectros de la figura 9. Se observa queal este del prospecto Altar hay una amplia zona dondela clasificación ha sido positiva. Sin embargo, estosafloramientos, correspondientes a una granodiorita triá-sica, no han sido identificados como blancos por losotros métodos empleados en este trabajo.

Figura 7: Espectros de reflectancia de las mues-tras estudiadas, su interpretación se puede ver enel cuadro 2.

D. J. PÉREZ, P. E . D 'ODORICO BENITES Y M. C. GODEAS

α = cos-1ti . ri

ti2 . ri2

Para ello se emplearon las bandas 4 a 9del subsistema SWIR y el asistente de cla-sificación espectral de ENVI®, denomi-nado ENVI Spectral hourglass wizard, basa-do en el flujo de trabajo propuesto porKruse (1999). El primer paso es una transformación es-tadística tipo MNF (minimun noise fraction)para determinar la dimensionalidad inhe-rente a los datos y separar el ruido(Green et al. 1988). El proceso utiliza dostransformaciones en cascada, basadas enel análisis de componentes principales(PCA). La primera transformación rees-cala y remueve la correlación entre ban-das del ruido. El resultado de este primerpaso es información en donde el ruidotiene varianza unitaria y no tiene correla-ción entre bandas. La segunda transfor-mación es un análisis de componentesprincipales común, que reduce la dimen-sionalidad de los datos. El producto deeste proceso es un conjunto de imágenes,

en donde la información espectral útil seagrupa en las primeras bandas, mientrasque las últimas bandas tienen asociadasmucho ruido y poca información, y porlo tanto pueden ser descartadas. En basea este ultimo análisis del método, es quepara el presente estudio, de las seis ban-das MNF determinadas por el asistente,sólo se tomaron las cinco primeras, yaque son las que sólo tienen información.La búsqueda y selección de los espectrosde referencia que serán utilizados en la cla-sificación posterior se realiza con un algo-ritmo denominado índice de píxel puro(purity pixel index - PPI) (Boardman et al.1995). Este es un medio para separar lospíxeles que son mezclas de aquellos píxelesespectralmente más puros. Estos últimosusualmente pueden ser expresados comomezclas de endmembers. Mediante la itera-ción de proyecciones n dimensionales y unvalor de umbral, el algoritmo PPI determi-na cuantas veces cada píxel fue registradocomo extremo en las múltiples proyeccio-nes. Usualmente, los píxeles más puros co-rresponden a sustancias espectralmenteúnicas, como pueden ser los minerales.Para este trabajo, se utilizaron las prime-ras cinco bandas MNF y 12.000 proyec-ciones, estableciendo como valor umbral2,5 DN (siendo el valor unitario de DNun desvío estándar respecto de la mediade los píxeles). La identificación y selec-ción de los píxeles más puros y extremosfue asistida con la herramienta n-Visuali-zer® de ENVI®. Como resultado de esteproceso de selección, se obtuvieron sieteespectros o endmembers.Los espectros obtenidos con el algoritmoPPI y la herramienta de visualización fue-ron posteriormente empleados en unaclasificación SAM. La distancia angularmáxima de similitud entre vectores es-pectrales fue establecida en 0,10 radianes.Aunque se utilizaron los siete endmem-bers, solamente dos probaron ser identi-ficables en forma efectiva sobre las áreasde alteración conocidas y las zonas de in-terés 1 y 2 (Fig. 6). Por este motivo, losrestantes cinco espectros fueron descar-tados para obtener la imagen definitiva. La composición mineralógica de estos

dos espectros puede ser estimada me-diante un análisis cuidadoso de los picosde absorción y reflexión. Para ello, losdos endmembers usados para clasificar laimagen fueron comparados con los es-pectros de referencia de la base de datosespectrales del USGS (Clark et al. 1993).De este modo, el espectro n-D Class 3está dominado por caolinita, mientrasque el espectro n-D Class 4 estaría com-puesto principalmente por Illita y canti-dades menores de muscovita (Fig. 9).

CONCLUSIONES

El uso y análisis de datos del sensor mul-tiespectral ASTER en la zona de estudio,ha permitido realizar el levantamiento dela geología y estructura, y además tam-bién realizar la identificación de zonascon presencia de minerales de alteración,susceptibles de ser detectados con estesensor. La combinación de bandas RGB:654 incluye los picos de absorción más

631

Figura 8: Espectros de campo utilizados para laclasificación SAM (figura 6) re-muestrados a la re-solución del subsistema SWIR de ASTER (muestra30-06 en rojo; muestra 30-06a en verde; muestra31-06a en amarillo; muestra 37-06 en azul). Loscolores indicados de las curvas corresponden a lafigura 5. Los espectros re-muestrados se indicancon letra "R".

Figura 9: Espectros de referencia utilizados parala clasificación SAM de la figura 6. De los siete ob-tenidos originalmente, sólo dos mostraron una de-tección sobre los blancos de alteración. Para la in-terpretación, véase el texto.

Alteración hidrotermal en el río Santa Cruz...

característicos de las arcillas, principal-mente en el rango 2,160 – 2,200 (µm) mi-crómetros, donde absorbe el enlace me-tálico Al-OH. Por este motivo, la combi-nación ha resultado efectiva para recono-cer blancos de alteración en las zonas deinterés 1 (ríos Santa Cruz, La Coipa) y 2(río de la Carnicería). Del mismo modo,el cociente de bandas RGB: 4/5, 4/6,4/7 refuerza las respuestas de los picosde absorción de las arcillas, por ello tam-bién resulta útil para reconocer blancos. Los índices han resultado parcialmenteexitosos para identificar minerales arcillo-sos en la zona de trabajo. Presentan unafuerte respuesta en el prospecto Altar, ElPachón y la zona de interés 1 (ríos SantaCruz, La Coipa). En Los Pelambres y lazona de interés 2 (río de la Carnicería) lasrespuestas fueron más débiles y en parti-cular con el índice OHIb no alcanzaron asuperar el valor de umbral establecido porNinomiya (2004) como base de identifica-ción. El índice de alunita ALI no arrojóresultados positivos en ninguna porciónde la imagen, hecho que puede interpre-tarse como la ausencia de este mineral encantidades significativas.El uso de espectros de campo fue útilpara determinar la composición básica delas arcillas que constituyen los blancos dealteración. A partir del análisis de estaimagen se concluye que estas áreas enparticular se hallan dominadas por mez-clas de sílice y arcillas del grupo de la illi-ta-esmectita. La discriminación en halosconcéntricos sugiere además que la illita-esmectita podría tener distintos gradosde cristalinidad, a pesar de que las mues-tras presentan la misma proporción entreesta arcilla y el cuarzo. Por otro lado, laclasificación realizada con los espectrosobtenidos de la escena podría indicar lapresencia de caolinita en el sector exter-no, mientras que los núcleos de altera-ción podrían estar efectivamente consti-tuidos por illita y cantidades subordina-das de muscovita.Sin embargo, la identificación de minera-les con el método de los endmembers deri-vados, no ha sido certero en la identifica-ción de las áreas con alteración hidroter-

mal. De los siete espectros extraídos coneste método, sólo dos corresponden amezclas de minerales arcillosos. Por otrolado, la clasificación ha incluido ampliaszonas donde afloran las granodioritastriásicas, inmediatamente al este del pros-pecto Altar. Estas zonas no han sidoidentificadas como blancos por ningunaotra técnica de reconocimiento empleadaen este estudio.

AGRADECIMIENTOS

Los autores agradecen a los árbitros por lalectura crítica del texto. A Río TintoExploration, por su apoyo en las tareas decampo. Contribución parcialmente finan-ciada con fondos del Subsidio UBACYTX812, Universidad de Buenos Aires.

TRABAJOS CITADOS EN EL TEXTO

Almandoz, G., Zulliger, G. y Marquez-Zavalía, F. 2005. Altar: mineralizaciónde alta sulfuración vinculada a un sis-tema de pórfido cuprífero, San Juan,Argentina. 16° Congreso GeológicoArgentino, Actas 2: 369-376.

Álvarez, P.P. 1996. Los depósitos triási-cos y jurásicos de la Alta cordillera deSan Juan. En Ramos, V.A, AguirreUrreta, M.B., Alvarez, P.P., Cegarra,M.I., Cristallini, E.O., Kay, S.M., LoForte, G.L., Pereyra, F.X. y Pérez, D.J.(ed.) Geología de la región delAconcagua, provincias de San Juan yMendoza. Subsecretaría de Minería dela Nación. Dirección Nacional delServicio Geológico, Anales 24(5): 59-137, Buenos Aires.

Alvarez, P.P. y Ramos V.A. 1999. TheMercedario rift system in the principalCordillera of Argentina and Chile (32ºSL). Journal of South American EarthSciences 12: 17-31.

Boardman, J.W., Kruse, F.A. y Green,R.O. 1995. Mapping target signaturesvia partial unmixing of AVIRIS data.Fifth JPL Airborne Earth ScienceWorkshop, JPL Publication 95-1: 23-26.

Cahill, T. e Isacks, B.L. 1992. Seismicity

and Shape of the Subducted NazcaPlate. Journal of GeophysicalResearch 97(B12): 17503-17529.

Clark, R.N., Swayze, G.A., Gallagher,A.J., King T.V.V. y Calvin, W.M., 1993.The U.S. Geological Survey, DigitalSpectral Library: Version 1: 0.2 to 3.0microns, U.S. Geological Survey OpenFile Report 93-592, 1340 p.,Washington.

Cristallini, E.O. 1996. La faja plegada ycorrida de La Ramada. En: Ramos,V.A, Aguirre Urreta, M.B., Alvarez,P.P., Cegarra, M.I., Cristallini, E.O.,Kay, S.M., Lo Forte, G.L., Pereyra,F.X. y Pérez, D.J. (ed.): Geología de laregión del Aconcagua, SEGEMAR,Anales 24: 349-385, Buenos Aires.

Cristallini, E.O., Kay, S.M. y Ramos, V.A.1994. Las volcanitas cretácicas y ter-ciarias de la Cordillera del LímiteArgentino - Chileno a los 32º latitudSur. 7º Congreso Geológico Chileno,Actas 2: 1311-1315.

Cristallini, E.O. y Ramos, V.A. 1996.Depósitos continentales cretácicos yvolcanitas asociadas. En: Ramos, V.A,Aguirre - Urreta, M.B., Alvarez, P.P.,Cegarra, M.I., Cristallini, E.O., Kay,S.M., Lo Forte, G.L., Pereyra, F.X. yPérez, D.J. (ed.): Geología de la regióndel Aconcagua. SEGEMAR, Anales24: 231-273, Buenos Aires.

Crósta, A.P., Souza Filho, C.R., Ducart,D.F., Azevedo, F. y Brodie, C. 2003a.Alteration mapping for gold explora-tion in Patagonia, Argentina, usingASTER imagery. En ASPRS AnnualConference, Proceedings, 05-09/05/2003, Anchorage.

Crósta, A.P., Souza Filho, C.R., Azevedo,F. y Brodie, C. 2003b. Targeting key al-teration minerals in epithermal depo-sits in Patagonia, Argentina, using AS-TER imagery and principal compo-nents analysis. International Journal ofRemote Sensing 24(21): 4233-4240.

Ducart, D.F., Crósta, A.P., Souza Filho,C.R. y Coniglio, J. 2006.Characterizing surficial alteration atLos Menucos epithermal district,Patagonia, Argentina, using shortwave

632 D. J. PÉREZ, P. E . D 'ODORICO BENITES Y M. C. GODEAS

infrared spectrometry and ASTERmultispectral images. EconomicGeology 101(5): 981-996.

D´Odorico P., Sequeira N. y Pérez, D.J.2006. Geología del curso medio delrío Santa Cruz, Andes principales(31º45´ LS) San Juan, Argentina. 11°Congreso Geológico Chileno, Actas 2:193-196, Antofagasta.

Earth Remote Sensing Data AnalysisCenter (ERSDAC) 2001. ASTERUser Guide, part I, 47 p., Tokio.

Fernández, R., Brown, F. y Lencinas, A.1974. Pachón, un nuevo pórfido cu-prífero argentino. 5º CongresoGeológico Argentino, Actas 1: 77-89.

Fujisada, H. 1995. Design and performanceof ASTER instrument. Proceedings ofSPIE, the International Society forOptical Engineering 2583: 16–25.

Green, A.A., Berman, M., Switzer, P. yCraig, M.D. 1988. A transformationfor ordering multispectral data interms of image quality with implica-tions for noise removal. IEEETransactions on Geoscience andRemote Sensing 26(1): 65-74.

Green, R.O., Conel, J.E. y Roberts, D.A.1993. Estimation of aerosol opticaldepth, and aditional atmospheric pa-rameters for the calculation of appa-rent reflectance from radiance measu-red by the Airborne Visible / InfraredImaging Spectrometer. En FourthAnnual Airborne GeoscienceWorkshop, JPL Publication 93 - 26,Proceedings: 1: 83-86.

Hewson, R.D., Mah, A., Dunne, M. yCudahy, T.J. 2003. Mapping mineralogicaland structural relationships with satellite-borne ASTER and airborne geophysicsat Broken Hill. En ASEG 16thGeophysical Conference and Exhibition,Adelaide, Extended Abstracts,doi:10.1071/ASEG2003ab072.

Hunt, G.R. y Salisbury, J.W. 1970. Visible andnear-infrared spectra of minerals androcks: I Silicate Minerals. ModernGeology 1: 283-300.

Iwasaki, A., y Tonooka, H. 2005. Validationof a crosstalk correction algorithm forASTER/SWIR. IEEE Transactions on

Geoscience and Remote Sensing 43:2747- 2751.

Kruse, F.A. 1999. Visible and infrared: sen-sors and Case Studies. En: Rencs, A.N.(ed.), Capitulo 11, Remote Sensing for theEarth Sciences, John Wiley & Sons, 567-611, New York.

Kruse, F.A., Lefkoff, A.B., Boardman, J.B.,Heidebreicht, K.B., Shapiro, A.T.,Barloon, P.J., y Goetz, A.F.H. 1993. TheSpectral Image Processing System (SIPS)-interactive visualization and analysis ofimaging spectrometer data. RemoteSensing of Environment 44: 145-163.

Litvak, V.D. y Godeas, M.C. 2003.Espectrometría de reflectancia: metodo-logía y aplicaciones. Revista de laAsociación Argentina de GeologíaEconómica 14: 42-48.

Ninomiya, Y. 2002. Mapping quartz, carbo-nate minerals and mafic-ultramafic rocksusing remotely sensed multiespectralthermal infrared ASTER data.International Society for OpticalEngineering, Proceedings of SPIE,4710: 191-202, Bellingham.

Ninomiya, Y. 2004. Lithologic mappingwith multispectral ASTER TIR andSWIR data. Proceedings of SPIE, 5234:180-190, Bellingham.

Pérez, D.J. y Ramos, V.A., 1996. El basa-mento prejurásico. En Ramos, V.A,Aguirre-Urreta, M.B., Alvarez, P.P.,Cegarra, M.I., Cristallini, E.O., Kay, S.M.,Lo Forte, G.L., Pereyra, F.X. y Pérez, D.J.(ed.) Geología de la región delAconcagua, SEGEMAR, Anales 24: 27-58, Buenos Aires.

Pontual, S., Merry, N.J. y Gamson, P. 1997.Spectral Analysis Guides for MineralExploration: G-MEX Manual PracticalAplications Handbook, AusSpecInternational, 1: 1-169, Victoria.

Reich, M., Parada, M.A., Palacios, C., Dietrich,A., Schultz, F., y Lehmann, B. 2003.Adakite - like signature of Late Mioceneintrusions at Los Pelambres giantporphyry copper deposit in the Andes ofcentral Chile: metallogenic implications.Mineralium Deposita 38: 876-885.

Rowan, L.C., Hook, S.J., Abrams, M.J. yMars, J.C. 2003. Mapping hydrother-

mally altered rocks at Cuprite, Nevadausing the Advanced SpaceborneThermal Emissivity and ReflectionRadiometer ASTER. A new satellite-imaging system. Economic Geology 98:1019–1027.

Rowan, L.C. y Mars, J.C. 2003. Lithologicmapping in the Mountain Pass,California, using Advanced SpaceborneThermal Emission and ReflectionRadiometer (ASTER) data. RemoteSensing of Environment 84: 350–366.

Sillitoe, R.H. 1973. Geology of the LosPelambres porphyry copper deposit,Chile. Economic Geology 68: 1-10.

Souza Filho, C.R., Tapia Calle, C.H., Crósta,A.P. y Xavier, R.P. 2003. Infrared spec-troscopy and ASTER imagery analysisof hydrothermal alteration zones at theQuellaveco porphyry-copper deposit,southern Perú. American Society ofPhotogrammetry and Remote Sensing(ASPRS), Proceedings AnnualConference 2003: 1- 12, Anchorage.

Recibido: 13 de Noviembre, 2009Aceptado: 25 de Marzo, 2010

633Alteración hidrotermal en el río Santa Cruz...

/ColorImageDict > /JPEG2000ColorACSImageDict > /JPEG2000ColorImageDict > /AntiAliasGrayImages false /CropGrayImages true /GrayImageMinResolution 300 /GrayImageMinResolutionPolicy /OK /DownsampleGrayImages true /GrayImageDownsampleType /Bicubic /GrayImageResolution 300 /GrayImageDepth -1 /GrayImageMinDownsampleDepth 2 /GrayImageDownsampleThreshold 1.50000 /EncodeGrayImages true /GrayImageFilter /DCTEncode /AutoFilterGrayImages true /GrayImageAutoFilterStrategy /JPEG /GrayACSImageDict > /GrayImageDict > /JPEG2000GrayACSImageDict > /JPEG2000GrayImageDict > /AntiAliasMonoImages false /CropMonoImages true /MonoImageMinResolution 1200 /MonoImageMinResolutionPolicy /OK /DownsampleMonoImages true /MonoImageDownsampleType /Bicubic /MonoImageResolution 1200 /MonoImageDepth -1 /MonoImageDownsampleThreshold 1.50000 /EncodeMonoImages true /MonoImageFilter /CCITTFaxEncode /MonoImageDict > /AllowPSXObjects false /CheckCompliance [ /None ] /PDFX1aCheck false /PDFX3Check false /PDFXCompliantPDFOnly false /PDFXNoTrimBoxError true /PDFXTrimBoxToMediaBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXSetBleedBoxToMediaBox true /PDFXBleedBoxToTrimBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXOutputIntentProfile () /PDFXOutputConditionIdentifier () /PDFXOutputCondition () /PDFXRegistryName () /PDFXTrapped /False

/CreateJDFFile false /Description > /Namespace [ (Adobe) (Common) (1.0) ] /OtherNamespaces [ > /FormElements false /GenerateStructure false /IncludeBookmarks false /IncludeHyperlinks false /IncludeInteractive false /IncludeLayers false /IncludeProfiles false /MultimediaHandling /UseObjectSettings /Namespace [ (Adobe) (CreativeSuite) (2.0) ] /PDFXOutputIntentProfileSelector /DocumentCMYK /PreserveEditing true /UntaggedCMYKHandling /LeaveUntagged /UntaggedRGBHandling /UseDocumentProfile /UseDocumentBleed false >> ]>> setdistillerparams> setpagedevice