Prospección de Uranio en la región Vichada - Guanía a través de la correlación entre imágenes satelitales y muestras de campo usando Sistemas Inteligentes

Abstract

La toma de muestras y sobre todo establecer con seguridad una muestra óptima en un área extensa no es un trabajo fácil, además de costoso y demorado, cuando se trata de aplicar modelos geoestadísticos que me infieran con base en un muestreo, el comportamiento similar espacial del terreno estudiado. Aplicar buena geoestadística es muy exigente si se quieren predicciones confiables y económicamente viables. Afortunadamente hay disponible grandes volúmenes de información espacial digital de Sensores Remotos con valiosa información sobre nuestro territorio. Para acceder y manipular esta información de teledetección se vienen utilizando técnicas y herramientas potentes como los sistemas inteligentes para realizar y examinar relaciones validas entre las múltiples variables que informan dichas imágenes. Por lo tanto, se propuso construir un modelo de Regresión a partir de algoritmos de minería de datos basado en Maquinas de Soporte Vectorial para relacionar los valores de los niveles digitales de una imagen LANDSAT con la posición geográfica de los valores de Uranio muestreados en campo en la campaña de prospección geoquímica realizada por el Ingeominas, en el año 2006 en la región de Vichada - Guainia. El nuevo modelo mejora la determinación de la variabilidad espacial de la variable de prospección. Plantea un mejoramiento del análisis geoestadistico clásico a partir del nuevo modelo, el cual incide en una disminución del levantamiento de muestras en campo, produciendo un ahorro muy significativo en tiempo y dinero. (Texto tomado de la fuente).

Sampling and above all safely establish optimum sample over a large area is not an easy job, costly and time well, when it comes to applying geostatistical models infer based on a sampling, similar behavior studied land space. Apply good geostatistics is very demanding if you want reliable and economically viable predictions. Fortunately there are available large volumes of digital spatial information Remote Sensing with valuable information on our territory. To access and manipulate this information from remote sensing have been used as powerful tools and techniques for intelligent systems and examine relationships among multiple variables valid reporting these images. Thus, is proposed to build a regression model based on data mining algorithms based on Support Vector Machines to relate the values of the digital levels of LANDSAT image with the geographical position of Uranium values sampled in the field in geochemical prospecting campaign by the Ingeominas, in 2006 in the region of Vichada – Guainia. The new model improves the determination of the spatial variability of the variable of prospecting. It poses a classical geostatistical analysis improvement from the new model, which affects lifting a decrease in field samples, producing significant savings in time and money.