TRAITEMENT NUMERIQUE D’IMAGE ASTER POUR L’IDENTIFICATION
DES ZONES D’ALTERATION HYDROTHERMALES ASSOCIEES AU
SKARN D’AZEGOUR
Mouhssine WAHI a, Kamal TAJ-EDDINE a, Noureddine LAFTOUHI b,
a
: Laboratoire Dynamique des Bassins et Géomatique, Département de Géologie - DYBAGEO,
Faculté des Sciences Semlalia, Université Cadi Ayyad, Maroc
b
: Laboratoire LaboratoireGéostructures, Géomatériaux et Ressources Hydriques - GEOHYD,
Faculté des Sciences Semlalia, Université Cadi Ayyad,
L’objectif de cette étude est de mettre en relief l’efficacité d’images ASTER dans la
cartographie des Altérations Hydrothermales pour élaborer une synthèse des traitements d’images
adéquats a la zone d’étude d’une part et au domaine du Haut Atlas d’autre part, dans la
perspective de développer les techniques de cartographie des altérations et d’exploration minière
au niveau du Haut Altlas de Marrakech, Au regard du rapport Qualité/Temps. Une image du
capteur ASTER (L1B) qui couvre la totalité du secteur minier d’Azegour a été utilisée. Les
prétraitements ont portés sur l’exécution d’une correction géométrique suivie d’une correction de la
diaphonie (Cross-Talk), après, l’image a été orthorectifiée et les canaux PIR et IRM ont été
normalisés en utilisant la méthode « Flat Field Calibration ». Une analyse en composante
principale et une transformation MNF ont été appliquées aux neuf bands PIR et IRM de l’image.
Ensuite, des rapports et des indices de bandes, ont été calculés pour mettre en évidence quelques
minéraux d’altération ainsi que la végétation dans le secteur. Les résultats de l’ACP et de la
transformation MNF ont été très efficaces pour la cartographie de la distribution de la végétation,
de l’oxyde de fer et des minéraux contenant le radicale (OH). Les rapports 3/2 et 4/3 des bandes
ASTER ont conduit à cartographier, respectivement, la distribution spatiale de la végétation et
l’oxyde de fer dans le secteur. Les indices de bandes (RBD) ont permis de cartographier les
anomalies liés à la présence des minéraux contenant le radical (OH). L’utilisation des compositions
colorées RVB sur les résultats obtenus met en évidence les zones d’altération hydrothermale qui
coïncident parfaitement avec les zones exploitées du skarn d’Azegour et les zones présentant des
indices de minéralisations.
Mots clés : Télédétection, ASTER, Altération Hydrothermale, Haut Atlas, Skarn, Azegour
The purpose of this study is to emphasize on the ASTER images efficiency in the mapping
of hydrothermal alterations in order to elaborate a summary of the image processings to be
adequate to the study area and to the high atlas region in a higher scale, in the perspective of
developing alterations and mining mapping techniques in Marrakech High Atlas by taking into
consideration the time/quality factors. An ASTER image (L1b) that covers the whole mining site of
Azegour has been used. Preprocessing carried out Geometric Correction, followed by a CrossTalk
correction. Next, the image was orthorectified and the VNIR and SWIR bands were normalized
using the Flat Field Calibration method. A Principal Component Analysis (PCA) and a Minimum
Noise Fraction (MNF) transformation were then applied to the nine VNIR and SWIR bands of the
image. Finally, band ratios and relative band depth were calculated to highlight some alteration
minerals in adddition to the vegetation characteristics in area. The results of PCA and MNF
transformations have been very effective for the mapping of the distribution of vegetation, Iron
oxyde and OH-bearing menerals. ASTER band ratios 3/2 and 4/3 enabled us to map the spatial
distribution of vegetation and Iron oxide, respectively, in the study area. The relative band depth
allowed us to map OH-bearing minerals anomalies. Finally, using RGB image composite on the
results has highlited the hydrothermal alteration areas that match up perfectly the mining areas of
the Azegour Skarn and the areas presenting hydrothermal alterations anomalies.
Keywords : Remote sensing, ASTER, Hydrothermal alteration, High Atlas, Skarn, Azegour
1
1. Introduction :
La cartographie des altérations est généralement la première étape de
cartographie des ressources minérales, puisque les gisements minéraux sont
généralement associés à l'altération hydrothermale des roches environnantes. Les
gisements minéraux sont souvent produits par le processus de circulation des fluides qui
altèrent la minéralogie et la géochimie des roches mères.
Pourtant, les méthodes habituelles de cartographie et d’exploration minière
requièrent un travail long, laborieux, coûteux et à risques. En général, les géologues sont
confrontés à différents problèmes liés principalement à la difficulté de parcourir le terrain
de façon exhaustive (temps et accès limités, risques naturels et humains) engendrant une
hétérogénéité de l’information recueillie et aux méthodes d’extrapolation et d’interpolation
empiriques utilisées pour le dessin de la maquette de la carte.
Depuis plusieurs années les méthodes de télédétection et de géophysique
aéroportée sont utilisées pour l’acquisition de données sur l’infrastructure géologique de
larges territoires (Rencz, 1999). Ainsi, les méthodes d’imagerie multispectrales (Landsat,
ASTER, etc), et hyperspectrales (Hyperion, AVIRIS, etc), fournissent des couvertures
homogènes et géoréférencées, de résolution contrôlée (qualité des mesures, altitude,
espacement) dans des délais très courts d’acquisition, de traitement et d’archivage. Ces
Images fournissent des informations détaillées sur la minéralogie et la géochimie des
roches de la surface terrestre. Plusieurs recherches ont prouvés la fiabilité des traitements
des données multispectrales dans l’identification des zones d’altération hydrothermale,
(Rencz, 1999).
2. Les données de Télédétection
Les développements récents dans la technologie de télédétection ont été témoins
de deux tendances majeures dans l'amélioration des capteurs. La première tendance est
l'amélioration de la résolution spatiale des images satellitaires (environ 1x1 - 4x4 m),
caractérisées par des systèmes de capteurs commerciaux tels que « IKONOS,
QuickBirdet OrbView-3 ». Ces capteurs (imageur) ciblent principalement des applications
urbaines et suburbaines (Chabrillat et al, 2000).
L'autre tendance est l'amélioration de la résolution spectrale de quelques larges
bandes spectrales, à des dizaines ou des centaines de bandes relativement étroites,
jointives et/ou non jointives. Cette tendance est démontrée par l'utilisation croissante de
divers spectromètres Capteur suborbitaux et satellites (Sondes Hyperspectrales), tels que
l’Airborne Visible/Infrared Imaging Spectrometer (AVIRIS). La technologie d'imagerie
spectrale est particulièrement bien adoptée par de nombreux spécialistes en sciences de
la terre parce qu'elle est sensible aux propriétés physiques et chimiques des matériaux, ce
qui permet d'identifier les constituants minéraux de la surface dans le champ de vision
instantané « instantaneous field of view (IFOV) » (Chabrillat et al, 2000).
En fait, il n'y a aucun accord universel actuellement sur le nombre minimum de
bandes au delà desquelles un ensemble de données peut s'appeler hyperspectral, bien
qu'on suppose souvent que les données hyperspectral devraient contenir au moins 10
bandes spectrales relativement étroites et souvent continues dans les régions spectrales
du visible et proche infrarouge « visible and nearinfrared (VNIR) » (Baltsavia, 2002). Les
données hyperspectral les plus utilisées couramment sont probablement acquises par les
systèmes tels que AVIRIS (développé par le JPL) et HYMAP (fabriqué par Integrated
Spectronics). La valeur de ces ensembles de données réside dans sa résolution spectrale
2
très élevée (Par exemple, AVIRIS dispose de 224 canaux spectraux, chaque canal est de
10 nm de largeur, et couvrant la région électromagnétiques 400 à 2500 nm) (NASA
AVIRIS, 2004). Et aussi dans sa capacité à parvenir à une résolution spatiale très fine
possible lorsque la hauteur de vol est suffisamment faible. Malgré ces avantages, ces
données engagent souvent un coût relativement élevé par mission d’acquisition de
données, ayant la disponibilité limitée comme avec tous les systèmes aéroportés. En
outre, les distorsions géométriques présentes dans les ensembles de données AVIRIS
peut parfois être difficile à corriger en raison la nature aéroportée du capteur. Les données
acquises par des spectromètres portés par les satellites, tels que MODIS, peuvent
constituer une alternative remarquable.
3. Description du site d’étude
3.1. Situation géographique
La région d’Azegour est située à une altitude de 1500m à environ 60km au SSW
de la ville de Marrakech, la zone est limitée au Nord par l’accident d’Amizmiz, au Sud par
l’accident de Midinet, tandis que les limites Est et Ouest correspondent avec celles du
massif occidental de Haut-Atlas.
Azegour représente un grand intérêt économique du fait de sa richesse en
substances utiles, la mine d’Azegour était l’une des plus riches mines en molybdène, le
premier rapport contenant une carte géologique du district a été fait en 1929 par le
directeur de la mine a l’époque Mr. F. HEBRARD. Après, de nombreuses études ont été
faites pour mieux comprendre la mise en place de ces substances minérales. (Arnold
Heim, 1934).
Figue 1 : Situation géographique du site d’étude
3.2. Cadre géologique régionale
La zone d’étude fait partie du Haut Atlas occidental qui s’élève depuis la côte
atlantique jusqu’au segment le plus haut de la chaîne (Haut Atlas de Marrakech). C’est le
massif le plus ancien, constitué de formations jurassiques ou crétacées entaillées de
vallées profondes. Son point culminant est le Jbel Toubkal à 4 167 mètres, visible de
3
Marrakech. Cette zone a été affectée par deux périodes orogéniques : (i) L’orogenèse
hercynienne marquée par des plis de direction générale N-S, ces plis sont synshisteux, et
attribués à la phase de déformation régionale post-viséenne phase synschisteuse
commune dans l’hercynien sud-mésétien (LAGARDE, 1987 in ZERHOUNI, 1988). (ii)
L’orogenèse Atlasique est moins intense que la déformation hercynienne, les terrains de la
couverture subhorizontale se mettent en place en discordance sur le socle hercynien
érodé. Les failles atlasiques de direction majeur E-O, recoupent les plis hercyniens NS. La
région d’azegour est le seul endroit ou la direction des plis hercyniens est perpendiculaire
à celle des plis atlasiques (ZERHOUNI, 1988).
3.3. Cadre géologique locale
Le secteur d’Azegour comporte une série sédimentaire allant du Paléozoïque
jusqu’au tertiaire. Le Paléozoïque est matérialisé par des terrains sédimentaires
métamorphisés et déformés d’âges cambrien et ordovicien et des terrains magmatiques
dévoilés essentiellement par le granite hercynien. Le Mésozoïque est représenté, par des
terrains sédimentaire allant du Jurassique terminal jusqu’au Crétacé supérieur. Cette série
repose en discordance sur les terrains paléozoïques (granite et schiste). On note
L’absence des terrains du Trais et Jurassique au niveau de ce secteur, et enfin les terrains
d’âge Éocène qui reposent en discordance sur le Crétacé indiquent le Tertiaire dans cette
région (Figure 2).
3.4. Aperçu minéralogique
La mise en place du granite a développé une auréole de métamorphisme de
contact. Les calcaires et dolomies de la série Paléozoïque ont par effet de
métamorphisme donné naissance à des skarns riches en silicates calciques, dans
lesquelles sont confinées les minéralisations en molybdénite, scheelite et chalcopyrite.
Ceci est dû essentiellement aux échanges métasomatiques entre des fluides skarnisants
et les carbonates (ZERHOUNI, 1988). Des skarns à wollastonite affleurent dans différents
points de l'auréole. Le niveau situé sur le flanc ouest de l'Assif Ouadaker est le plus riche
(ZERHOUNI, 1988). Ce niveau s'étend sur une longueur de 420 m et à une puissance
moyenne de 35 m. Il est constitué essentiellement de wollastonite et de grenat. La
minéralisation en Mo, Cu et W est localisée dans l’auréole du métamorphisme de contact
du granite d’Azegour (ZERHOUNI, 1988).
Chaque minéral est confiné dans un type particulier de roches à silicates calciques
(ZERHOUNI, 1988) :
La molybdénite se localise dans des grenatites à grossulaire et idocrase,
La scheelite se localise dans des grenatites à andradite,
La chalcopyrite se localise dans des pyroxénites ouralitisées.
4
Figure 2: Carte géologique ((ZERHOUNI, 1988).
5
4. Matériel et méthodes :
Le Capteur ASTER « Advanced Spaceborne Thermal Emission and Reflection
Radiometer » est d'un intérêt particulier pour la télédétection en domaine de géologie du
fait de ca disposition d'une gamme spectrale relativement large, bonne résolution spatiale,
et un grand nombre de bandes entre les cinq systèmes de capteurs à bord du satellite
EOS Terra & Aqua de NASA (à savoir, ASTER, CERES, MISR, MODIS, and MOPITT).
Comme le montre le (tableau 1), ASTER est sensible à des émissions dans la région de
l'infrarouge thermique, qui va au-delà de 2500 nm, la limite supérieure de plusieurs
capteurs hyperspectraux contemporains. Un autre avantage des données ASTER est que
la bande 3 (VNIR) du capteur a un télescope supplémentaire vers l’arrière qui permet la
collecte d'images stéréoscopiques à 15 m de résolution spatiale. Cette capacité
stéréoscopique rend ASTER idéal pour l'interprétation géologique et géomorphologique
(NASA ASTER, 2004). Bien que n'étant pas un capteur hyperspectral typique, ASTER
fournit des améliorations substantielles par rapport aux capteurs multispectraux
traditionnels, tels que Landsat (TM), du point de vue résolutions spatiale, spectrale et
radiométrique. ASTER est devenu une source de données essentielles pour la
cartographie géologique en raison des améliorations de résolution et de la disponibilité de
donnée faible coûts.
ASTER
Regions Résolutions
No de bande Spectrale (μm) Spatiale (m) Radiométrique
1 0.52–0.60
2 0.63–0.69
VNIR 15 8 bits
3N 0.78–0.86
3B 0.78–0.86
4 1.60–1.70
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
Tableau 1: Spécifications techniques de l’image Aster
L’image ASTER couvre une large région spectrale avec 14 bandes couvrant le
visible, l’infrarouge moyen et l'infrarouge thermique (Figure 3). La résolution spatiale varie
avec la longueur d'onde : 15 m dans le visible et l’infrarouge proche (VNIR-Visible and
Near Infrared), 30 m dans le moyen infrarouge (SWIR-Short Wave Infrared) et 90 m dans
l'infrarouge thermique (TIR-Thermal Infrared).
6
Figure 3 : Localisation des 14 bandes spectrales d’ASTER et sur le spectre de
transmittance atmosphérique.
L’image ASTER utilisée dans cette étude est une L1B avec absence totale de
nuages. Acquise le 26 avril, 2003, elle a été corrigée, des effets atmosphériques et des
déformations géométriques liées au capteur, par le Centre EROS.
L’image a été traitée
Les prétraitements, réalisées par l’intermédiaire du logiciel ENVI 4.7, ont porté sur
la correction géométrique par rapport a la carte topographique d’Azegour au 1: 50 000
(Projection: Lombert Conformal Conic ; Sphéroïde: Clarke 1880 ; Datum: Merchich), avec
une transformation géométrique par un polynôme du deuxième degré, associée à un
rééchantillonnage par la méthode du plus proche voisin dans une première étape. Les
bandes de l’IRM (SWIR) ont été corrigées de l’effet de la diaphonie (cross-talk)
manuellement en utilisant “ERSDAC Crosstalk 3”. L’image a été ré-échantillonnées afin
que toutes les 9 bandes PIR et IRM (VNIR & SWIR) aient la même taille 15 x 15 m de
pixels. Ensuite ortho-rectifiée par rapport au modèle numérique d’altitude GDEM d’Aster
(Global Digital Elevation Model) pour éliminer le déplacement et la distorsion des pixels
liés au relief. Finalement, une calibration par la méthode «Flat Field Calibration» a été
appliquée pour normaliser les canaux ASTER dans l’IRM et le PIR.
5. Cartographie de l’altération hydrothermale :
La plupart des gisements minéraux sont détectés au terrain par la reconnaissance
des roches de surface qui ont subi une altération hydrothermale, quelques types
d’altérations peuvent être mieux distinguées en télédétection que sur le terrain, du fait que
la plupart des minéraux ont des caractéristiques d’absorption sur des longueurs d’ondes
en dehors du spectre visible par l’œil humaine.
Dans la zone d’étude l’interaction des fluides skarnisants avec l’encaissant
carbonaté a provoquer des échanges métasomatiques donnant ainsi naissance a des
silicates calciques dans lesquelles sont confinées les minéralisations en molybdénite,
scheelite et chalcopyrite.
Dans ce qui suit, on mettra les bandes d’Aster à l’épreuve, pour détecter les zones
présentant des anomalies spectrales de minéraux ou groupes de minéraux associés à la
présence de l’altération hydrothermale dans le secteur d’étude.
7
6. Techniques de traitement d’images :
6.1. L’Analyse en Composante Principale (ACP) :
L’Analyse en Composante Principale (ACP) est une analyse statistique multivariée
qui consiste à transformer des variables corrélées (liées entre elles) en nouvelle variables
décorrélées les unes des autres (Composantes Principales). Cette technique permet de
réduire l’information en un nombre plus limité que le nombre initiale de variables, il s’agit
de projeter les variables dans un nouvel espace géométrique et de rechercher de
nouveaux axes orthogonaux de façon que la variance de données originales soit
maximisée (A. Beiranvnd pour, and M. Hashim., 2011).
Une transformation en composante principale standard a été utilisée avec un
calcule de matrice de covariance sur toute les bandes du PIR et IRM (VNIR & SWIR). Les
9 bandes d’ACP résultantes sont illustrées à la figure 4.
Ces composantes principales sont rangées par ordre décroissant d’information, la
CP1 (première composante principale) est formée de la contribution positive de toutes les
bandes du PIR et IRM (VNIR & SWIR) comme c’est indiqué sur le tableau 2 et contient
94,87% de variance des données ceci est due probablement à la luminosité totale de
l’image (Loughlin, 1991). La CP2 contient le second plus grand pourcentage de variance
avec la contribution négative des bandes1 et 2 et positive de la bande 3 (tableau 2) qui
met en évidence la distribution du couvert végétale dans la zone d’étude par des pixels
clairs, du fait que la végétation présente une haute réflectance dans la bande 3 d’Aster et
une faible réflectance dans la bande 2 (Xu et al., 2004).
Les contributions des bandes 1, 2 et 4 d’Aster dans la CP3 (tableau 2) nous
permet de prédire la présence d’oxyde de fer distingué par des pixels clairs du fait que
l’oxyde de fer présente une réflectance minimale dans le visible (bande 1 et 2 d’Aster) et
une haute réflectance dans le proche infrarouge (bande 4) (Velosky et al., 2003) ces
zones coïncident avec les terres cultivées dans la zone d’étude. La CP4 met
probablement en évidence la différence entre les canaux du visible impliquant les bande 1,
2, et 3 d’Aster, avec des valeurs positives et les canaux de l’infrarouge impliquant les
bandes 4, 5, 6, 7, 8, et 9 d’Aster, avec des valeurs négatives (Pour &Hashim., 2011). La
CP5 montre une grande contribution des canaux de l’IRM (SWIR). On note des
contributions positives des bandes 5, 6, 7 d’ASTER dans la CP5. Les minéraux
d’altération hydrothermale contenant des radicaux AL(OH) comme l’Alunite, la Muscovite,
la Kaolinite et l’Illite présentent des absorptions caractéristiques dans la région du spectre
électromagnétique couverte par ces bandes (2,14 μm – 2,28 μm). Les pixels clairs
montrent la distribution de ces ensembles de minéraux. On note la présente des
contributions positives des bandes 8 et 9 d’ASTER dans la CP5. Ces deux bandes
couvrent les régions d’absorptions caractéristiques des minéraux contenant les radicaux
(Fe ; Mg(OH)) tel que et la trémolite, ainsi que celle des carbonates tels que la calcite et la
dolomite (2,29 μm – 2,43 μm) (Mars and Rowan, 2006) les pixels sombres témoignent sur
la présence des carbonates. La CP6 montre des contributions négatives des bandes 7 et
8 caractéristique aux minéraux contenant le radical Fe(OH), tel que la biotite, la chlorite et
la jarosite. Cet ensemble de minéraux apparait en pixels sombres sur l’image de la CP6
vue le signe négatif de la contribution des bandes 7 et 8 d’ASTER. Les trois dernières
bandes d’ACP semblent très broyées car elles contiennent une variance minimale dont
une grande partie est due au bruit dans l’image d’origine (Q Chang et al., 2006).
8
Figure 4 : Résultat d l’ACP
Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7 Band 8 Band 9
CP 1 0.518049 0.713023 0.435158 0.157846 0.052646 0.051027 0.044691 0.033286 0.021584
CP 2 -0.242821 -0.375545 0.893022 0.044483 -0.012240 -0.007636 -0.013760 -0.011780 -0.000949
CP 3 -0.808223 0.521857 -0.005711 0.200938 0.095791 0.090856 0.096006 0.075057 0.041836
CP 4 0.131045 0.270928 0.110854 -0.853830 -0.230060 -0.228263 -0.193814 -0.136312 -0.083271
CP 5 0.046608 -0.069036 0.028018 -0.447995 0.463010 0.426364 0.438071 0.384251 0.236345
CP 6 -0.009611 0.007327 -0.001605 -0.043711 0.526643 0.411051 -0.503797 -0.544760 -0.032403
CP 7 -0.000855 0.002729 -0.003668 -0.003844 -0.648337 0.693571 -0.165980 0.034713 0.264249
CP 8 0.000094 -0.000747 0.004153 -0.032691 -0.142809 0.263778 0.576447 -0.432396 -0.624246
CP 9 -0.000648 -0.000505 0.003176 -0.003198 0.050092 0.188708 -0.381411 0.584769 -0.688788
Tableau 2 : Matrice des vecteurs propres issue de l’analyse en composante principale
Les bandes (CP5 ; CP6 ; CP2) ont été utilisées en composition colorée RVB (RGB
color composite), cette composition colorée permet une bonne séparation des différents
facies de la zone d’étude (Figure 5), les zones d’altération hydrothermale sont misent en
évidence par des pixels de couleur orange, ces zones coïncident parfaitement avec les
zones exploitées du skarn d’Azegour et les zones présentant des indices de
minéralisations.
9
Figure 5 : Composition Colorée RVB (CP5 ; CP6 ; CP2)
6.2. MNF (Minimum Noise Fraction)
Cette analyse montre la variation entre les bandes dans une image et identifie la
localisation des anomalies spectrales, cette analyse est très importante en domaine de
prospection minière du fait que les anomalies spectrales sont généralement indicatives
des altérations. La transformation MNF sert à déterminer la dimensionnalité inhérente des
données images pour isoler le bruit et réduire les exigences de calcules pour des
traitements ultérieurs (Boardman et kruse, 1994). Cette méthode est similaire à l’analyse
en composante principale (ACP), et elle est utilisée comme une transformation
préparatoire pour condenser les composantes principales en un nombre contrôlé de
bandes spectrales. Les premières bandes MNF contiennent des signaux et les bandes
restantes contiennent du bruit (Altinbas et al., 2004).
Une transformation MNF a été appliquée sur l’ensemble des bandes PIR et IRM
(VNIR & SWIR) de l’image ASTER, et ensuite des compositions colorées ont été utilisées
sur les résultats de cette transformation.
Les images résultantes d’une transformation MNF montrent une diminution
constante de la qualité image vers les dernières composantes MNF. (Chen, 2000). Les
résultats obtenus montrent que les composantes MNF8 et MNF9 ne présentent aucune
information utile due au grand taux de bruit contenue dans ces composantes, de ce fait,
on a exclus ces deux images (MNF8 et MNF9). Les composantes restantes ont été
utilisées pour produire des compositions colorées RVB (RGB color composite). Les
composantes MNF7 ; MNF4 ; MNF2 ont été utilisées en RVB, la figue 6 illustre le résultat
obtenu. L’altération hydrothermale se manifeste par des pixels en couleur jaune, sur cette
image la majorité des unités lithologiques sont identifiables en comparant avec la carte
géologique de la région. Ce résultat est aussi identique au résultat obtenu par l’analyse en
composante principale sur l’image ASTER.
10
Figure 6 : bandes MNF (7; 4; 2)
6.3. Rapports et indices de bandes ASTER (Aster band ratios)
Cette méthode est utilisée pour optimiser les déférences spectrales entre les
bandes (canaux) et réduire l’effet de l’ombrage causé par la topographie. Elle est basée
sur la notion de réflectance, et consiste en la division du nombre digitale DN (digital
number) dans une bande par le DN du pixel correspondant dans une autre bande. Cette
technique utile pour la détection quantitative de l’altération hydrothermale (Di Tommaso I,
Rubinstein N ; 2007). Plusieurs rapports de bandes ont été proposés et vérifiés pour la
détection de quelques minéraux ou groupe de minéraux associés à l’altération
hydrothermale.
Xu et al (2004) ont montré que le rapport (Bande 3 / Bande 2) d’ASTER est utile
pour la détection du couvert végétale, ce même rapport a été vérifié par Pour et Hashim
(2011). La figure 7, montre Le résultat de l’application de ce rapport sur l’image ASTER de
la zone d’étude, les pixels clairs indiquent la présence de la végétation. Ces zones riment
avec les zones détectées sur l’image CP2 obtenue par l’analyse en composante
principale. Rowan et al (2005) et El Qayedi et al (2006) ont utilisé le rapport (Bande 1 /
Bande 2) pour la détection du fer ferreux (Fe 2+). Ce rapport a été appliqué sur l’image
ASTER de la zone d’étude après avoir masqué la végétation pour éliminer son effet
d’absorption dans la bande 2. La figure 7 montre la répartition du fer ferreux dans la zone
d’étude qui est liquidée par les pixels clairs, cette distribution met en évidence
essentiellement les schistes et les dépôts volcaniques du socle paléozoïque. Le rapport
(Bande 2 / Bande 1) a été utilisé par Rowan et al (2003) pour montrer la distribution des
pixels avec une absorption intense du fer ferrique (Fe 3+). L’application de ce rapport dans
la zone d’étude (figure 7) montre de fortes valeurs sur les zones de terres cultivées, mais
aussi sur le granite avec des valeurs moins importantes. Rouskov et al, (2005) ont utilisé
le rapport (Bande 4/ Bande 3), (mentionné aussi par Kalinowski et al, (2004)), pour
cartographier la distribution d’oxyde de fer, l’utilisation de ce rapport sur l’image ASTER de
notre zone d’étude (figure 7) montre de grandes teneurs en oxydes de fer aux enivrant de
l’intrusion granitique.
11
(A) (B)
(C) (D)
Figure 7 : Résultats des rapports de bandes sur l’image ASTER A : 3/2 ; B : 1/2 -
3/2 ; C : 4/3 ; D : 2/1
Les indice de bandes RBD (Relative absorption-band depth) (Crowley et al., 1989)
est une formulation très utile pour la détection de l’intensité d’absorption de Al(OH),
Mg(OH), CO3 (Rowan et al, 2003). Le RBD1 ((Bande 4+ Bande 6) / Bande 5), Figure 8,
met en évidence la présence de minéraux tel l’alunite, kaolinite et la pyrophillite, ces
minéraux apparaissent en pixels sombres sur l’image résultante (Rouskov et al, 2005).
Cette distribution est similaire à la distribution de ces groupes de minéraux sur la CP5
(pixels clairs).
Le RBD2 ((Bande 6 + Bande 9) / Bande 8), Figure 8, est caractéristique a
l’absorption de Fe-Mg(OH) et des carbonates, l’application de cet indice sur l’image donne
une distribution de pixels similaire au résultat obtenue sur l’image CP6.
La composition colorée RVB des rapports de bandes 2/1 ; 4+6/5 ; 3/2 (Figure 9),
dévoile les zones d’altération hydrothermale par des pixels en marron foncé, ces zones
coïncident parfaitement avec les zones exploitées du skarn d’Azegour et les zones
présentant des indices de minéralisations. Ce résultat est presque identique à celui du
composé coloré sur des bandes ACP et MNF.
12
(E) (F)
Figure 8 : Indices de bandes sur l’image ASTER E : RBD1 ; F : RBD2
Figure 9 : La composition colorée RVB des rapports de bandes 2/1 ; 4+6/5 ; 3/2
1. Conclusion et discussion :
Dans cette étude les données PIR et IRM (VNIR et SWIR) de l’image ASTER ont
été utilisées pour l’identification de la présence de l’altération hydrothermale associée à la
mise en place du SKARN d’Azegour dans le Haut Atlas occidentale. L’Analyse en
Composante Principale (ACP), Fraction de Bruit Minimum (MNF) et les Rapports et
Indices de bandes ont été appliquées à l’image ASTER de la zone d’étude et ont été
évalués la détection et la cartographier les anomalies liées à l’altération hydrothermale.
L’analyse de l’image ASTER niveau L1B, après avoir appliqué une correction géométrique
suivie d’une correction de la diaphonie (Cross-Talk) puis une orthorectification et enfin,
l’utilisation de la méthode « Flat Field Calibration » pour la normalisation des canaux PIR
et IRM de l’image, a fourni des données utiles pour la détection de ces zones d’altération
dans le secteur d’Azegour.
Les résultats de L’Analyse en Composante Principale (ACP) ont été très efficaces
pour la détection des minéraux ou groupes de minéraux dans le secteur en se basant sur
13
leurs propriétés spectrales dans le PIR et IRM (VNIR et SWIR). La CP2 et CP3 (figure 4)
ont donné respectivement la distribution de la végétation et de l’oxyde de fer dans la zone
d’étude, alors que les anomalies liées à la présence de minéraux contenant le radicale
(OH) ont été détectés dans les composantes CP5 et CP6. L’utilisation de ces
composantes en compositions colorées RVB (CP5 ; CP6 ; CP2) a mis en évidence des
anomalies (zones d’altération hydrothermale) qui coïncident parfaitement avec les zones
exploitées ou présentant des indice de minéralisation du SKARN d’Azegour. Les résultats
de la transformation MNF sur les neuf bandes PIR et IRM de l’image ASTER ont permis
aussi de cartographier l’altération hydrothermale, l’utilisation des composantes MNF
(MNF7; MNF4; MNF2) a donner un résultat identique à celui de l’analyse en composante
principale. Les rapports de bandes appliqués aux bandes PIR de l’image ASTER ont été
très utiles pour la cartographie de la distribution du fer dans la zones d’études et ont
permis de différencier entre la distribution spatiale du fer ferreux (Fe2+) et le fer ferrique
(Fe3+) dans le secteur. Les rapports 3/2 et 4/3 des bandes ASTER ont permis de
cartographier, respectivement, la distribution spatiale de la végétation et l’oxyde de fer
dans le secteur, les indices de bandes RBD1 et RBD2 appliqués aux bandes IRM de
l’image ASTER ont permis de cartographier les anomalies liés à la présence des minéraux
contenant le radical (OH) de façon presque similaire aux composantes principales CP5 et
CP6. L’utilisation des compositions colorées RVB sur les résultats obtenus par chacune de
ces transformations met en évidence les zones d’altération hydrothermale qui coïncident
parfaitement avec les zones exploitées du skarn d’Azegour et les zones présentant des
indices de minéralisations.
Ces résultats ont avérés efficaces et en concordance avec les réalités du terrain.
Les techniques de traitements utilisées, notamment, L’Analyse en Composante Principale
(ACP), Fraction de Bruit Minimum (MNF) et les Rapports et Indices de bandes ont un rôle
important dans la détection des zones d’altération hydrothermale et peuvent être
complémentaires entre elles pour donner des résultats plus sures. Et ainsi, fournir des
cartes d’altération géoréférenciées qui peuvent être utilisées comme étape préliminaire
dans l’exploration des zones d’intérêt économiques par les géologues, en un temps bref et
à faible coût.
14
Références :
Baltsavia, E.P., 2002. Special section on image spectroscopy and hyperspectral imaging. ISPRS Journal of
Photogrammetry and Remote Sensing 57, 169–170.
Beiranvnd Pour A., And Hashim. M., 18 April, 2011, Spectral transformation of ASTER data and the
discrimination of hydrothermal alteration minerals in a semi-arid region, SE Iran. International Journal of the
Physical Sciences Vol. 6(8), pp. 2037-2059,
Boardman, J.W. and Kruse. F.A., 1994. Automated spectral analysis: A geological example using AVIRIS
data, Northern Grapevine Mountains, Nevada: In Proceeding Tenth Thematic Conference. Geological
Remote Sensing, 9-12 May, San Antonio, Texas, 407-418.
Chabrillat, S., Pinet, P.C., Ceuleneer, G., Johnson, P.E., Mustard, J.F., 2000. Ronda peridotite massif:
methodology for its geological mapping and lithological discrimination from airborne hyperspectral data.
International Journal of Remote Sensing 21, 2363–2388.
Chang. Q, Jing. L, Panahi. A (2006). Principal component analysis with optimum order sample correlation
coefficient for image enhancement. Int. J. Rem. Sen., 27(16): 3387–3401.
Chen, C.M., 2000. Comparison of principal component analysis and Minimum Noise Fraction
transformation for reducing the dimensionality of hyperspectral imagery. Geographical Research 33, 163–
178.
Crowley, J.K., Brickey, D.W. et Rowan, L.C. (1989) Airborne imaging spectrometer data of the Ruby
Mountains, Montana: mineral discrimination using relative absorption band-depth images. Remote Sensing
of Environment, vol. 29, p. 121-134.
Di Tommaso I, Rubinstein N (2007). Hydrothermal alteration mapping using ASTER data in the Infiernillo
porphyry deposit, Argentina. Ore. Geol. Rev., 32: 275-290.
Heim, A. (1934): The molybdenum mine at Azegour, Morocco. Economic Geology 29, 76-83.
J. El Qayedy, K. Taj-Eddine, F. Bonn, M. Chikhaoui, O Witam. Caractérisation Lithologique Du Haut Atlas
Marocain À L’aide Des Données D’aster Et De Mesures Spectrales De Terrain. Télédétection, 2006, vol. 6,
n° 2, p. 153-175.
Kalinowski, S. Oliver,.(2004) ASTER Mineral Index Processing Manual. Remote Sensing Applications
Geoscience Australia October 2004.
Loughlin WP (1991). Principal components analysis for alteration mapping. Photogrammetric Eng. Rem.
Sens., 57:1163–1169.
Mars. JC., Rowan. LC. (2006). Regional mapping of phyllic- and argillicaltered rocks in the Zagros
magmatic arc, Iran, using Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER)
data and logical operator algorithms. Geosphere, 2(3): 161-186.
NASA ASTER, 2004. Advanced Spaceborne Thermal Emission and Reflection Radiometer. Disponible à
partir de: <http://asterweb. jpl.nasa.gov>.
NASA AVIRIS, 2004. Airborne Visible/Infrared Imaging Spectrometer. Disponible à partir de:
<http://aviris.jpl.nasa.gov>.
Paul, S., Bardinet, C. et Lenco, M. (1999) Vocabulaire de télédétection : les travaux de la commission de
terminologie de la télédétection aérospatiale (1995-1998). Bulletin SFPT, no 156, p. 28-44.
Rencz, Andrew N., (1999) Remote Sensing for the Earth Sciences - Manual of Remote Sensing (3rd Edition)
Volume 3.
Rouskov. K., Popov. K., Stoykov. S., Yamaguchi. Y., June 2005, Some Applications of the Remote Sensing
in Geology by Using of Aster Images. S E S ‘ 2 0 0 5 Scientific Conference “SPACE, ECOLOGY,
SAFETY” with International Participation 10–13, Varna, Bulgaria.
Rowan. LC., Mars. JC., and Simpson. CJ., (2005) Lithologic mapping of the Mordor, NT, Australia
ultramafic complex using the Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER). Remote Sensing of Environment, vol. 99, p. 105-126.
Rowan. LC., Mars. JC.,. (2003) Lithologic mapping in the Mountain Pass, California area using Advanced
Spaceborne Thermal Emission and Reflection Radiometer (ASTER) data. Remote Sensing of Environment,
vol. 84, p. 350-366.
Velosky JC, Stern RJ, Johnson PR (2003). Geological control of massive sulfide mineralization in the
Neoproterozoic Wadi Bidah shear zone, southwestern Saudi Arabia, inferences from orbital remote sensing
and field studies. Precam. Res., 123(2–4): 235–247.
Xu. Y., Qizhong L, Yun S, Lu W (2004). Extraction Mechanism of Alteration Zones using ASTER Imagery.
2004 IEEE. P. 4174-4175.
15
Zerhouni Youssef, (1988) Contribution à l’étude géologique de la région d’Azegour et des minéralisations en
Mo, W, Cu, et Fe, Haut Atlas de Marrakech – MAROC.
16
