1

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, B.P. 2390, avenue My Abdellah, 40 000 Marrakech, Maroc. b : Laboratoire LaboratoireGéostructures, Géomatériaux et Ressources Hydriques - GEOHYD, Faculté des Sciences Semlalia, Université Cadi Ayyad,

Courriel (a,b)

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

2

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

3

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

4

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.

5

Figure 2: Carte géologique ((ZERHOUNI, 1988).

6

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.

Regions ASTER

Résolutions No de bande Spectrale (μm) Spatiale (m) Radiométrique

VNIR

1 0.52–0.60

15 8 bits 2 0.63–0.69

3N 0.78–0.86 3B 0.78–0.86

SWIR

4 1.60–1.70

30 8 bits

5 2.145–2.185 6 2.185–2.225 7 2.235–2.285 8 2.295–2.365 9 2.360–2.430

TIR

10 8.125–8.475

90 12 bits 11 8.475–8.825 12 8.925–9.275 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).

7

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.

8

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).

9

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.

10

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.

11

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 (Fe2+). 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 (Fe3+). 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.

12

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.

(A)

(D)

(B)

(C)

13

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

(F) (E)

14

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.

15

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.

16

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.