Uno de los clasificadores supervisados ms simple es el mtodo de paraleleppedo.

Pero en esta pgina empleamos

un enfoque (generalmente) algo mejor (en trminos de mayor precisin), conocido como el clasificador de distancia
mnima. Esto configura grupos en el espacio multidimensional, definiendo cada uno de una clase distinta (con
nombre). Cualquier pxel se asigna entonces a esa clase ms cercana (distancia vectorial ms corta).

Clasificacin de distancia mnima

Iniciamos nuestra ejemplificacin de clasificacin supervisada mediante la produccin de un solo uso de la rutina de
distancia mnima. El programa IDRISI acta sobre DN en el espacio de banda multidimensional para organizar los
pxeles en las clases que elijamos. Cada pxel desconocido se coloca en la clase ms cercana al vector medio en este
espacio de banda. Para Morro Bay, la imagen de clasificacin resultante consta de 16 niveles de gris, cada uno representa
una clase, a la que podemos asignar cualquier color en la computadora. Podemos elegir combinar clases para tener ya sea
temas de color (colores similares para las clases relacionadas) y / o separar las clases espacialmente adyacentes mediante
el uso de colores dispares. Examine a continuacin esta clasificacin de distancia mnima, en la que usamos las siete
bandas de TM, incluida la trmica. Estudie en relacin con su conocimiento adquirido de esta escena de las pginas
anteriores de esta seccin y comprelo con las clasificaciones que mostramos en la pgina siguiente.
El clasificador ms poderoso de uso comn es el de mxima verosimilitud. Con base en las estadsticas (media, varianza
/ covarianza), se calcula una funcin de probabilidad (bayesiana) a partir de las entradas para las clases establecidas en
los sitios de capacitacin. Cada pxel se juzga en funcin de la clase a la que probablemente pertenezca. Esto se hace con
los datos de Morro Bay TM, usando primero las seis bandas de radiacin reflejadas y luego con la banda trmica de
longitud de onda ms larga agregada. El resultado es un par de mapas de clasificacin bastante crebles cuyos patrones
(las clases) parecen representar de cerca la realidad, pero tenga en cuenta que varias clases no son componentes
normales de la escena terrestre real, por ejemplo, sombras. Una clasificacin posterior (hecha usando IDRISI para
Windows) usando un nmero ms pequeo de clases da un producto final algo diferente.

Clasificacin de mxima verosimilitud

Hicimos esta clasificacin supervisada usando el clasificador de mxima verosimilitud que acta en las siete bandas.
De nuevo, las clases multibanda se derivan estadsticamente y cada pxel desconocido se asigna a una clase utilizando
el mtodo de mxima verosimilitud.
1-23: Si bien la distancia mnima y estas primeras clasificaciones de mxima verosimilitud son, en su mayor parte,
bastante similares, existen algunas diferencias. Mencione algunas. RESPONDER

En esta imagen omitimos banda trmica 6 y definimos 16 clases (este es el mximo permitido en el programa IDRISI).
Estas clases son idnticas a las anteriores registradas en la imagen de distancia mnima. En ambos casos, la clase
Sedimento se ha subdividido en tres niveles (I y II en el ocano y un tercero en la baha) y se intentan dos clases urbanas
(I = Morro Bay; II = Los Osos) para tener en cuenta las diferencias visuales entre ellos (principalmente patrones de
calles). Mire esta clasificacin de imagen y decida qu tan creble es. Compararlo con la imagen de distancia mnima
tambin. Para ayudarlo a comparar clases similares, usamos las mismas asignaciones de color. A continuacin, observe
una clasificacin supervisada que usa la banda 6 y de nuevo especifica 16 clases. Observe cmo cada rea urbana se
vuelve ms homognea. Hay un aumento similar en la homogeneidad espacial de la vegetacin y las pendientes en
general con la Banda 6 aadida, pero en general la Banda 6 no mostr muchas diferencias.
Cada versin de Mxima Verosimilitud de 16 clases es una imagen bastante deslumbrante, con muchas clases
"directamente". Tanto rompientes como Barras de arena (Playa) parecen uniformemente clasificados. La distribucin de
la carga de sedimentos es creble. Hay suficientes diferencias de tono de color entre Morro Bay y Los Osos para justificar
la decisin de convertirlas en dos clases Urbanas (Los Osos difiere en sus patrones de calles y en presencia del suelo
marrn anaranjado, visto en el compuesto de Bandas 1,2). y 3). Sin embargo, los elementos de color de una clase Urbana
se mezclan con la otra, en diferentes proporciones, como cabra esperar. La naranja brillante que se le da a la zona costera
de Marsh ocupa un rea un poco ms grande que su equivalente en la clasificacin de distancia mnima y tambin se
distribuye en pequeos parches alrededor de la costa de Los Osos, y de nuevo a lo largo del ro. Por lo tanto, es probable
que sea una verdadera condicin, ya que esperamos que dicha vegetacin est ms extendida. Sin duda, el grupo de clases
ms incierto se extiende por las colinas. Las categoras SunLit Slope y Shadow Slope son algo artificiales, ya que se
refieren principalmente a una condicin de iluminacin. Mientras que las clases de csped y rboles pueden ser una
combinacin de efectos de iluminacin y una superficie ms clara o ms oscura. La clase Tierra despejada es, una vez
ms, una representacin de las superficies terrestres que pueden soportar, no solo la vegetacin natural delgada o incluso
ser parcialmente estriles, sino que tambin puede tener en algunos lugares un efecto de sombra. El Grasslands est
ubicado correctamente en esta imagen, pero parece extenderse en reas ms amplias que las indicadas en varias otras
imgenes, por lo que sin duda es un caso vlido. La categora Vegetacin verde representa bien la distribucin real del
material orgnico reflectante (en la Banda 4), pero en esta eleccin de asignaciones de clase, no se sealan varios tipos de
cobertura vegetal en crecimiento. Por lo tanto, los elementos del campo de golf y del bosque de montaa se muestran
como "me gusta" y no se distinguen de los cultivos de campo, etc. Podramos distinguirlos hasta cierto grado de
correccin, si le hubiramos dado a cada uno su propia clase y entrenamiento seleccionado sitios.
Casi dos aos despus de que se generaron las clasificaciones supervisadas anteriores, surgi la oportunidad de volver a
hacer la misma escena utilizando el nuevo software IDRISI que opera desde Windows, Versin 1, en lugar de DOS 3.1.
Al realizar esta Clasificacin Supervisada, usamos el mismo clasificador de Mxima Verosimilitud con las siete bandas
TM y 15 clases. Pero, como experimento, decidimos abandonar varias categoras de clase y seleccionar nuevas en su
lugar. Adems, establecimos algunos polgonos de sitio de entrenamiento ligeramente diferentes para cada clase. En
efecto, logramos una clasificacin independiente sin echar un vistazo a los resultados, que se muestran arriba, como gua.
Y, en lugar de utilizar la escena de color natural para elegir sitios de entrenamiento, usamos la imagen de color falso. Este
es el resultado:

(ERROR: Por alguna razn, Windows IDRISI no muestra la clase 15 en la leyenda. Esta clase debe ser "rboles", en
verde oscuro, presente principalmente en la esquina superior derecha del mapa de la clase. Adems, la primera casilla de
leyenda (negro aqu, azul en las otras dos clasificaciones anteriores) no tiene etiqueta, no es una clase con nombre, sino
que se refiere al color utilizado fuera de la imagen del mapa como fondo.

Tenga en cuenta que para algunas de las clases, asignamos colores diferentes a los utilizados en las dos primeras
clasificaciones mximas, lo que hace que sea bastante difcil comparar los resultados con las clasificaciones anteriores.
Sin embargo, desplazarse entre esta y la clasificacin supervisada de 7 bandas justo arriba, revela diferencias y
similitudes.
En la versin de Windows, las dos clases de Sedimentos se combinan. Adems, la clase, llamada Fields en la versin
DOS 3.1, se renombra aqu GreenVeg e incluye campos con cultivos y tambin cierta vegetacin natural (probablemente
bosques locales). Ambos muestran rojo brillante en la reproduccin del color falso. La distribucin de la clase Trees es
similar en ambas clasificaciones, pero est un poco ms extendida en la versin de Windows (pero es ms difcil de ver
porque las sombras verde oscuro y negro no muestran bien el contraste). Las clases Scrubland y Cleared en la versin de
DOS 3.1 estn parcialmente representadas por Scrub en la versin de Windows. En DOS 3.1, Urban II (centrado en el
patrn de la calle Los Osos) es verde oliva y naranja en la versin de Windows. En ambos casos, la distribucin del patrn
de clase Urban II es mucho ms extensa que la situacin real. Las estructuras de la ciudad o grupos de edificios no existen
en la larga franja naranja cerca de la carretera, ni en la parte inferior derecha de la imagen. Aparentemente, algunas
superficies naturales, tal como se interpretan a partir de las imgenes compuestas de color verdadero y falso, dan lugar a
firmas que se parecen a esta clase urbana. En la versin de Windows, varias reas muy brillantes, principalmente
alrededor de Los Osos, han sido llamadas Sandpit. Esto es una suposicin, porque pueden ser tierra excavada o restos
tierra adentro de arena de playa (aunque se clasifican como distintos de la Clase de Arena); solo una visita in situ podra
determinar una identidad correcta.

El punto en el funcionamiento y la comparacin de estas dos clasificaciones es probablemente obvio: el resultado final
preciso es sensible a las variables involucradas y las elecciones que realizamos, principalmente al extrapolar las clases de
sus sitios de capacitacin a las identidades y distribucin de las clases seleccionadas, es decir, el apariencia general y
precisin de las clasificaciones. Las interpretaciones difieren segn los colores y otros factores presentes en la imagen del
entrenamiento, mediante los cuales elegimos las clases separables y bloqueamos los sitios de entrenamiento eficientes. El
nmero de clases, la validez (pureza) del espacio cerrado en los sitios de entrenamiento (y el nmero de pxeles en los
polgonos asignados a cada clase), la naturaleza de una clase (la divisin Urban es algo artificial y Scrub puede ser
bastante clases o caractersticas diferentes en el mundo real), los colores asignados al mapa final y otras consideraciones
contribuyen a las diferencias. Una vez ms, enfatizamos el argumento de que el trabajo de campo, si es logsticamente
posible, antes y despus de la clasificacin de una imagen basada en computadora, es la clave para seleccionar y luego
verificar las ubicaciones de las clases. Por lo tanto, es el mejor seguro para lograr un producto de calidad. Pero, si una
visita in situ no es factible, un intrprete calificado puede desarrollar una clasificacin bastante razonable basada
principalmente en sus habilidades para reconocer las caractersticas obvias del terreno en la escena. El escritor (NMS) ha
logrado clasificaciones crebles de muchas partes del mundo sin ningn trabajo de campo, sino solo por su conocimiento
de la apariencia de los componentes comunes de un paisaje o categoras de uso de la tierra.
El personal del patrocinador original de este tutorial, Cdigo 935 en el Centro de Vuelo Espacial Goddard, ha
desarrollado un programa de procesamiento de imgenes llamado PIT, que se adjunta al Tutorial en el Apndice C.
Incluye un clasificador de mxima verosimilitud. Otro clasificador ideado en 935 utiliza la teora de redes neuronales
para producir un medio de clasificacin de red neuronal probabilstica (PNN). Se muestra un ejemplo que
aparentemente es menos preciso que los utilizados en las dos pginas anteriores; sin embargo, el nmero de clases se
limit a 10 por lo que su distribucin geogrfica divergira de aquellos otros clasificadores que usan ms clases.
La Seccin 1 cierra con un desafo para las personas que trabajan a travs de este Tutorial: para tomar un "Examen"
que pone a prueba su dominio de algunos de los conceptos desarrollados en la Introduccin y esta seccin.

Clasificador de red neuronal probabilstica

La Subdivisin de Ciencias de la Informacin Aplicada (Cdigo 935) del Centro Goddard de Vuelos Espaciales de la
NASA ha desarrollado un programa llamado Photo Interpretation Toolkit (PIT) que realiza operaciones de clasificacin
similares a las que hemos introducido de IDRISI. La principal diferencia est en el modo de seleccionar sitios de
entrenamiento. En lugar de circunscribir estos sitios con polgonos, como en IDRISI, el PIT permite al usuario bloquear
clusters continuos de cuadrados de muestras de tamao individual. El usuario puede mostrar los clsteres directamente en
la imagen de la pantalla en las posiciones del sitio seleccionadas. Los usuarios tambin pueden seleccionar uno de varios
clasificadores para unir pxeles desconocidos con aquellos de clases con estadsticas similares, derivadas de los bloques
del sitio de entrenamiento. Mostramos un ejemplo a continuacin, que utiliza el clasificador Probabilistic Neural Network
de PIT. (Nota: la persona que hace esta clasificacin en Goddard era un programador con experiencia limitada en la
identificacin de clases).
En esta versin, solo se establecieron 10 clases (el lmite superior en ese momento). El producto resultante muestra
similitudes con la versin de Distancia Mnima de IDRISI (en la cual, hay 13 clases) pero es una simplificacin de esta
ltima que fomenta una interpretacin ms fcil. Sin embargo, varias clases muestran clasificaciones errneas notables:
las reas de azul asignadas al agua se encuentran dispersas tierra adentro (probablemente estn asociadas con sombras que
tienen valores DN similares, bajos); los rojos relacionados con Marsh (que deberan estar confinados al delta del ro)
tambin aparecen en lugares extensos, incluidas las montaas ms altas; y el color rojo-marrn dado a Urbano est en
demasiados lugares que ciertamente no son urbanos. El naranja, identificado como Shad2, definitivamente no es sombras,
sino que corresponde a las reas de la escena que tienen tonos brillantes en las imgenes compuestas de color. Esta fue
una mala eleccin para una clase.

En el Apndice B, el programa de procesamiento de imgenes PIT se describe completamente. Ahora puede acceder a l
para su uso interactivo descargndolo desde Internet o desde el CD-ROM; las instrucciones sobre cmo hacer esto se dan
en ese apndice. Entre los diversos conjuntos de datos incluidos est esta subescena de Morro Bay, de la que ahora est
bastante familiarizado. Si se siente intrpido despus de esta exposicin al procesamiento de imgenes, es posible que
desee probar su propio procesamiento en la subescena de Morro Bay, utilizando el procesador PIT, despus de ensearle
sus procedimientos utilizando el "libro de cocina" en el Apndice B. Tambin hay varios otros conjuntos de datos de
diferentes escenas Landsat o SPOT que tambin pueden descargarse; una gua sobre lo que puede hacer especficamente
con ellos se ofrece al final del apndice.
PIT es de dominio pblico y, por lo tanto, est disponible para su uso como ayuda de capacitacin. Un nmero
considerable de sistemas y programas de procesamiento de imgenes estn ahora en el mercado, es decir, son
productos comerciales. Quizs los paquetes de software ms utilizados son suministrados por ERDAS, Inc. de Atlanta,
GA. Una visita al sitio web de ERDAS (ERDAS ahora es parte de Leica

Geosystems) puede ayudarlo a apreciar estos sofisticados sistemas. En ese sitio, hay Tutoriales en lnea sobre
deteccin remota, y en su MapComposer y el software de procesamiento IMAGINE, que vale mucho tiempo para
trabajar. Tendr que registrarse y obtener una contrasea e indicar si desea que lo incluyan en su lista de correo. Para
ayudarlo a visualizar cmo se ven los sistemas en la pantalla de una computadora, hemos reproducido tres ejemplos a
continuacin (consulte los subttulos para obtener ms informacin).
Suficiente! Si ha llegado a este punto trabajando a travs de toda esta seccin y razonado junto con nosotros para
examinar y analizar las diversas imgenes de Morro Bay, habr aprendido bien los conceptos bsicos de la interpretacin
de imgenes. Ests listo, como te lo pide la curiosidad, para examinar las imgenes procesadas en la siguiente seccin,
que comienza con un estudio geolgico de una prominente estructura de pliegues en Utah, as como muchas de las
imgenes en otras secciones que se han procesado para mostrar los resultados similares a aquellos con los que nos
acabamos de familiarizar.
En la mayora de los casos, la interpretacin se ha realizado para usted (tal como figura en el texto) pero el conocimiento
obtenido de la Seccin 1 lo ayudar a apreciar mejor el contenido de la informacin en dichas imgenes, tal vez en la
medida en que pueda extraer ms de ellas que est indicado en el texto.

En esta etapa, tienes dos opciones. Puede optar por seguir leyendo secuencialmente a travs de este Tutorial, comenzando
con lo que se ofrece en el siguiente prrafo, o puede elegir seguir este tema de procesamiento de imgenes y desarrollar
sus propias habilidades de inmediato trabajando interactivamente en el conjunto de imgenes de Morro Bay y / o otros
tres conjuntos de imgenes usando el programa de procesamiento PIT descrito y al que se accede a travs del Apndice B.

ESPERE! Si en realidad (o simula estar) en un aula mientras accede a este Tutorial en la red o en el CD-ROM, conoce la
"maldicin" que debe esperar despus de completar el primer bloque principal de informacin. Un examen!. Hemos
ideado un conjunto bastante amplio de preguntas basadas en interpretaciones de imgenes que ahora invitamos (instamos)
a que emprenda, con el fin de probarse a s mismo que se ha convertido en un experto en el anlisis de datos de
teledeteccin. Hemos reproducido una gran cantidad de escenas y mapas de computadora que cubren una sola escena
completa de Landsat MSS, en el centro-sur de Pensilvania centrada en la capital del estado, Harrisburg. (Estos han sido
tomados del libro de trabajo del tutorial de Landsat.) Todas las preguntas e ilustraciones relevantes se han agregado a la
pgina de complemento especial, a la que puede acceder haciendo clic aqu. Estos tienen su propia hoja de respuestas, a la
que se accede de la forma habitual. Esto, y un Examen final al final de la Seccin 21, ser el ltimo desafo de Q & A que
te arrojamos en este Tutorial. Levntate. Presiona "aqu" - te retamos!

Para obtener ms informacin, antecedentes y lecturas de los Principios bsicos del procesamiento de
computadoras, con nfasis en la deteccin remota, consulte:

Avery, T.E and G.L. Berlin, Fundamentals of Remote Sensing and Airphoto Interpretation, Ch.15, Digital Image
Processing, 1992, Macmillan Publ. Co.

Condit, C.D. and P.S. Chavez, Jr., Basic Concepts of Computerized Digital Image Processing for Geologists, 1979, U.S.
Geol. Surv. Bull. 1462, Wash. D.C.

Jensen, J.R., Introductory Digital Image Processing, 2nd Ed., 1996, Prentice-Hall, Inc.

Xiuping Jia, Remote Sensing Digital Image Analysis, 1999, Springer-Verlag

Lillesand, T.M. and R.W. Kiefer, Remote Sensing and Image Interpretation, Ch. 7, Digital Image Processing,
2000, J. Wiley and Sons, Inc.

Moik, J.G., Digital Processing of Remotely Sensed Images, 1980, NASA Special Paper 432, U.S. Govt. Printing Office.

Russ, J.C., The Image Processing Handbook, 1995, CRC Press.

Sabins, F.F., Remote Sensing: Principles and Interpretation, Ch. 7, Digital Image Processing, 1997, W. H. Freeman &
Co.

Special Issue on Image Processing, 1990, Photogrammetric Engineering and Remote Sensing, v. 56, no.1.

Swain, P.H. and S.M. Davis, Remote Sensing - The Quantitative Approach, 1978. McGraw-Hill Book Co.
La segunda seccin se concentra en aplicaciones de teledeteccin a estudios geolgicos. Una lista de usos principales
comienza esta pgina. Se presta especial atencin a las formas en que la teledeteccin (especialmente a travs de la
clasificacin de imgenes) puede ayudar a hacer mapas geolgicos. Se discute la nocin de "formacin" y se dan
razones de por qu esta unidad de mapa geolgico estndar no puede ser reconocida como tal solo en imgenes. Se
menciona una de las trampas de hacer estos mapas nicamente a partir de imgenes, a saber, la presencia de suelo y / o
cubierta vegetal. Se muestran algunas firmas espectrales tpicas de diferentes tipos de rocas.

Muchos lectores del Tutorial y particularmente las Secciones 2, 5, 17 y 19 encontrarn que los conceptos geolgicos y los
principios subyacentes les son desconocidos o desconocidos. Para ayudar a estas personas a crear un fondo rpido, se
ofrece una introduccin o resea de las ideas esenciales de Geologa como una pgina agregada, a la que puede acceder
haciendo clic aqu. Una oportunidad similar se proporciona en la Seccin 14 que trata de los Principios de Meteorologa.

APLICACIONES GEOLGICAS:

ESTRATIGRAFA Y ESTRUCTURA

Antecedentes generales

Los gelogos han utilizado fotografas areas durante dcadas para servir como bases de datos desde las cuales pueden
hacer lo siguiente:

1. Elegir unidades de rocas (estratigrafa)

2. Estudiar la expresin y modos del origen de las formas terrestres (geomorfologa)

3. Determinar las disposiciones estructurales de los estratos alterados (pliegues y fallas)

4. Evaluar cambios dinmicos de eventos naturales (por ejemplo, inundaciones, erupciones volcnicas)

5. Busque pistas superficiales (como alteracin y otros signos de mineralizacin) a los depsitos subsuperficiales de
minerales, petrleo y gas, y aguas subterrneas.

6. Funciona como una base visual sobre la cual se dibuja un mapa geolgico directamente o sobre una superposicin
transparente.
Con el advenimiento de las imgenes espaciales, los geocientficos ahora pueden ampliar ese uso de tres maneras
importantes:

1) La ventaja de una gran rea o cobertura sinptica les permite examinar en escenas nicas (o en mosaicos) la
representacin geolgica de la Tierra sobre una base regional

2) La capacidad de analizar las bandas multiespectrales cuantitativamente en trminos de nmeros (DN) les permite
aplicar rutinas de procesamiento informtico especiales para discernir y mejorar ciertas propiedades de composicin de
los materiales de la Tierra

3) La capacidad de fusionar diferentes tipos de productos de teledeteccin (por ejemplo, imgenes de reflectancia con
radar o con imgenes trmicas) o combinarlos con datos topogrficos de elevacin y con otros tipos de bases de
informacin (por ejemplo, mapas temticos, mediciones geofsicas y encuestas de muestreo qumico) permite nuevas
soluciones para determinar las interrelaciones entre las diversas propiedades naturales de los fenmenos de la tierra.

Si bien estos nuevos enfoques impulsados por el espacio an no han revolucionado las formas en que los geocientficos
realizan sus estudios de campo, han demostrado ser tcnicas indispensables para mejorar el proceso de mapeo geolgico
y llevar a cabo exploraciones prcticas de recursos minerales y energticos a gran escala.

Ahora consideramos varios ejemplos de aplicaciones geolgicas usando estos nuevos enfoques. Primero nos
concentramos en cmo se manipulan los datos del Landsat Thematic Mapper (TM) para una regin local en Utah para
identificar diferentes tipos de rocas, mapearlos en un rea extensa usando clasificacin supervisada y correlacionar sus
patrones espaciales con informacin independiente sobre su disposicin estructural. A continuacin, nuestro enfoque
cambia al examen de las estructuras geolgicas, en particular los lineamientos, tal como se muestran en las
configuraciones regionales de EE. UU., Canad y frica. Luego, en la Seccin 5, veremos cmo los datos adquiridos en
el espacio se ajustan a los mtodos actuales de exploracin de depsitos minerales y de hidrocarburos al considerar un
estudio de caso de una zona mineralizada y en una escena de Landsat de gran rea en Oklahoma. En la Seccin 18,
volveremos a un tema geolgico al examinar los accidentes geogrficos a escalas regionales (la llamada
megageomorfologa) como tema principal al considerar cmo se usa la teleobservacin en los estudios de ciencias
bsicas.

La mayora de los mapas geolgicos tambin son mapas estratigrficos, es decir, registran la ubicacin y las identidades
de las secuencias de tipos de rocas de acuerdo con sus edades relativas. La unidad de roca fundamental es la formacin
(abreviada como Fm o fm), definida simplemente como un conjunto de rocas mapeable distinto (si es sedimentario, luego
generalmente en capas) que tiene una distribucin geogrfica especfica. Una formacin tpicamente se caracteriza por
uno o dos tipos dominantes de materiales de roca.

El trmino "formacin" se asocia ms comnmente con estratos, es decir, capas de sedimentos que se han endurecido en
rocas sedimentarias. En la mayora de las condiciones, los sedimentos se depositan en capas horizontales o casi iguales en
los fondos marinos, los fondos de los lagos y de manera transitoria en los lechos de los ros. Aqu hay un conjunto tpico
de capas sedimentarias expuestas en un corte de carretera:
Si vemos rocas sedimentarias inclinadas a ms de unos pocos grados de la horizontal, debemos sospechar que estn
involucradas en desplazamientos de su estado horizontal original por fuerzas (tectnicas) que hacen que las rocas se
doblen y curven (plieguen) o se rompan (fallas). Aqu hay un corte a lo largo de una carretera de Maryland que atraviesa
el cinturn de pliegues de los Apalaches.
Cualquier formacin dada se emplaza durante un lapso finito de tiempo geolgico. Podemos aproximar su edad por los
fsiles (evidencia de vida pasada) que se depositaron en ella durante el tiempo en que estas formas de vida existieron. La
datacin por edades al determinar las cantidades de elementos radiactivos y sus productos de decadencia-hija
generalmente puede producir estimaciones de edad an ms precisas. Otro enfoque, menos preciso, para fijar la edad
(lapso) de una unidad de roca es observar su posicin en la secuencia de otras unidades de rocas, algunas de cuyas edades
son independientes. Podemos correlacionar las unidades con las equivalentes mapeadas en otros lugares a las que se les
han calculado las edades. Este mtodo tiende a poner entre corchetes el momento en que se deposit la formacin
sedimentaria, pero las influencias erosionales pueden conducir a incertidumbres. La asociacin de capas sedimentarias
con intervalos de tiempo especficos constituye el campo de la estratigrafa. Las rocas gneas y metamrficas tambin
tienen un significado temporal y se tratan como unidades de roca (algunas pueden retener caractersticas estratificadas) en
mapas geolgicos (que muestran todas las unidades estratigrficas en una leyenda).

Las pantallas de deteccin remota, ya sean fotografas areas o imgenes adquiridas en el espacio, muestran la
distribucin superficial de las mltiples formaciones generalmente presentes y, en las condiciones adecuadas, el tipo de
rocas en las formaciones. Las formaciones muestran patrones que dependen de su proximidad a la superficie, su extensin
sobre el rea estudiada, sus espesores relativos, su actitud estructural (capas horizontales o inclinadas) y su grado de
erosin. Los gelogos experimentados pueden reconocer algunos tipos de rocas simplemente por su apariencia en la foto /
imagen. Identifica otros tipos a partir de sus firmas espectrales. Sobre el rango espectral cubierto por las bandas de
Landsat TM, los tipos y edades de las rocas muestran distintas variaciones en longitudes de onda especficas. Esto es
evidente en los siguientes diagramas espectrales que muestran curvas determinadas por laboratorio obtenidas por un
espectrmetro de reflectancia para un grupo de diversas rocas sedimentarias de Wyoming:
2-1 A partir de estos espectros, prediga el color general de estas cuatro unidades de roca: Niobrara Fm;
Chugwater Fm; Frontier Fm; Thermopolis Fm.RESPONDER

2-2:Lo que distingue espectralmente a Mowry Fm De Thermopolis Fm; el Jelm Fm del Conglomerado White
River? RESPONDER

Una forma comn de mapear la distribucin de la formacin es confiar en los sitios de entrenamiento en las ubicaciones
dentro de la foto / imagen. Los gelogos identifican las rocas consultando mapas de reas o visitando sitios especficos en
el campo. Luego extrapolan la apariencia de las rocas fotogrficamente o por sus propiedades espectrales a travs de la
foto o imagen para ubicar las unidades en las reas ms all del sitio (en efecto, el enfoque de clasificacin supervisada).

Al hacer un mapeo geolgico a partir de imgenes, sabemos que las formaciones no estn necesariamente expuestas en
todas partes. En cambio, pueden estar cubiertos de tierra o vegetacin. Al dibujar un mapa, un gelogo aprende a
extrapolar las exposiciones superficiales debajo de las reas cubiertas, haciendo deducciones lgicas sobre qu unidades
ocultas es probable que ocurran debajo de la superficie. Al trabajar solo con imgenes, estas deducciones pueden resultar
difciles y son una fuente de posible error. Adems, las edades de las rocas no se determinan directamente a partir de los
datos espectrales, por lo que la identificacin de una formacin en particular requiere cierta informacin independiente
(conocimiento de los tipos de rocas de una regin y su secuencia).
En casos excepcionales, como los que se mostrarn en las prximas tres pginas, cuando los estratos geolgicos se
vuelven de lado (del plegamiento, discutidos en la pgina 2-5) para que las sucesivas unidades geolgicas sean visibles
como una secuencia, los cambios dentro de y entre cada unidad discreta se puede medir en trminos de alguna propiedad
espectral, como por ejemplo, variaciones en la reflectancia de una banda dada, o una relacin de bandas. Cuando se
representa grficamente como se muestra a continuacin, el resultado son trazados que se asemejan (anlogamente) a los
hechos a partir del registro de pozos de propiedades tales como la resistividad elctrica, la permeabilidad, la intensidad
magntica y otros parmetros geofsicos. Aqu hay dos figuras, la parte superior muestra la sucesin de estratos
sedimentarios expuestos a lo largo del Arco Casper en el centro de Wyoming; siendo el fondo "registros" de reflectancia
derivados de atravesamientos espectrales a lo largo de una de las lneas en la imagen superior:
En el diagrama inferior, la unidad inferior es la Formacin de Fosforia Prmica, que se extiende hacia arriba desde la
Formacin Trisico de Chugwater a la Piedra arenisca de la Frontera (Cretceo) en la parte superior. A la derecha, el
trazado izquierdo es de TM banda 3 (rojo), con un 0% de reflectancia a la derecha que se extiende al 70% a la izquierda
y el trazado a la derecha va del 0% a la izquierda al 50% a la derecha.
 RESPUESTAS

2-1: La Fm Niobrara es brillante, tiene las reflectancias promedio ms altas a travs de todo el intervalo espectral. En lo
visible, tiene la mayor reflectancia en rojo, pero las reflectancias en verde y azul no son mucho ms bajas, por lo que hay
una mezcla casi uniforme de los tres colores primarios, cede predominantemente a un blanco con un matiz rojo
amarillento dbil. Y as es como se ve en el campo. El Niobrara tpicamente es una piedra caliza calcrea que en todas
partes, cuando est recin expuesta, es de color blanquecino a gris. En el otro extremo, la Thermopolis Fm es un esquisto
negro y esto se indica por sus bajas reflectancias en el visible, que tiene aproximadamente el mismo valor de azul a rojo
(es decir, una baja reflectancia, espectralmente material uniforme es de color negro a gris oscuro). El Frontier Fm es
comnmente de color marrn, pero tiene un miembro verdoso (del mineral Glauconite); su curva espectral alcanza su
mximo en el verde en el visible. La Fm de Chugwater tiene una curva espectral en el visible que se eleva de baja a alta
reflectancia de azul a rojo; por lo tanto, es rojiza. En el campo, es una unidad distintiva visible a kilmetros de distancia
por su color rojo medio.

2-2: Como se dijo en la respuesta anterior, la Thermopolis es una lutita negruzca. La curva espectral para el Mowry Fm es
similar en forma a la Thermopolis pero tiene una reflectancia promedio mucho ms alta. Es un espcimen de color gris
mediano en la mano y en el campo (a menudo con una superficie erosionada de color amarillo grisceo). La piedra
arenisca de Jelm tiene una curva espectral similar en el visible a la del conglomerado de White River. Por lo tanto, no
seran fcilmente separables en una imagen visible. Hay aproximadamente un 5% de diferencia en la reflectancia en el
segmento Near-IR (alrededor de 0,9 mm) muestreado por MSS 7 y TM 4. La principal distincin es en longitudes de onda
ms largas en Near-IR. El Jelm tiene bandas de absorcin a 1.9 y 2.3 mm; White River no tiene estas bandas.

2-3: Probablemente se sienta seguro al separar de 4 a 5 o 6 unidades como mximo. En realidad, hay 14 formaciones
separables (o, en un caso, dos miembros dentro de una formacin) presentes en la escena. Solo una unidad, que es
bastante tonificada, realmente est en agudo contraste con todas las dems. Otras bandas hacen un mejor trabajo en la
separacin, como veremos ms adelante en esta seccin.

2-4: Un anticlinal es un pliegue ascendente, las rocas se curvan hacia arriba en un arco, con la parte superior siendo una
cresta y los lados con extremidades inclinadas movindose hacia abajo en direcciones opuestas. Una lnea de
sincronismo es al revs, un pliegue descendente, con su punto ms bajo en el centro o canal. Estos pliegues suelen tener
capas y son tridimensionales. Tienden a desaparecer o sumergirse en cualquier direccin perpendicular al lugar donde se
pliegan al mximo. Las anticlines se clasifican en lneas de sincronizacin en una faja plegada (en la escena de
Harrisburg que estudiamos al final de la Seccin 1, las crestas fueron en su mayora anticlinales que se erosionaron de
modo que las unidades rocosas resistentes a la erosin permanecieron topogrficamente por encima de las ms dbiles).
Si est familiarizado con el trazado de la curva matemtica "senoidal", su secuencia de curvas ascendentes y
descendentes es anloga a anticlinales y sinclinales. Las ondas de agua hacia arriba y hacia abajo tambin son
comparables. Veremos imgenes de estos pliegues en otras secciones del Tutorial.Arriba y abajo de las ondas de agua
son tambin comparables. Vamos a ver imgenes de estos pliegues en otras secciones de la gua de aprendizaje.
2-5: Al menos cuatro unidades principales son distinguibles. En realidad, hay varios ms presentes en la formacin, pero
estos son delgados y difciles de ver u ocurren en la base del monoclinal. El tono negro en la otra foto area es en realidad
vegetacin, como se ve en el primer plano de la primera foto en color.

2-6: Band 7 es, en general, ms oscuro. El Navajo Fm, brillante con alto contraste en la Banda 1, muestra solo un ligero
contraste en la Banda 7.

2-7: Ambos hacen un buen trabajo. Pero el producto Color Hbrido parece definir y distinguir mejor las unidades en la 2/3
izquierda de la imagen y la PCA, el tercio superior derecho restante, 1/3. La eleccin de la asignacin del color tambin
ayuda a discriminar las diferencias, como por ejemplo, el contraste de color entre los miembros Moenkopi superior e
inferior.

2-8: Algo del negro probablemente sea sombras relacionadas con cortes en las crestas, paredes de mesa, etc .; las falsas
alarmas Navajo pueden ser un artefacto de la topografa: ciertas pendientes cortadas en rocas con firmas normalmente
diferentes pueden estar enfrentadas al sol entrante, un efecto que notamos en la escena de Morro Bay; el aluvin es
probablemente una mezcla de astrgalo (fragmentos de roca que cae de acantilados) en la base de las colinas escarpadas
(nota donde se ubica parte de la blanca), slopewash del terreno ms alto a cada lado, y los depsitos de llanuras de
inundacin de la pequea, por lo general arroyo seco. La unidad de Mancos surge ro arriba y contiene menos cubierta
aluvial, por lo que domina la firma Mancos.

2-9: la primera clasificacin IDIMS, aunque no es tan colorida o brillante, parece superior a la IDRISI. La eleccin
precisa de los sitios de entrenamiento puede haber sido un factor; la calidad de la escena (reflectancias relativas)
tambin puede haber sido un factor. Se usaron diferentes clasificadores de mxima verosimilitud en IDRISI e IDIMS;
tal vez el que se aplic en el sistema IDIMS fue ms sensible. La imagen de invierno de IDIMS sufre en calidad (por
lo tanto, en precisin) a la de verano, en gran parte debido al bajo ngulo del Sol, que no ilumin la escena con la
misma eficacia. Los patrones negros son en su mayora sombras en los recovecos de erosin en el hogback.

2-10: la mayora de los EE. UU. Est cubierta por bosques, pastos, cultivos o reas urbanas; de hecho, se ha estimado que
menos del 2% de la superficie oriental consiste en roca madre expuesta y que est fuertemente meteorizada (anormal), por
lo que no muestra roca fresca. En los desiertos, la intemperie puede producir una superficie delgada erosionada,
generalmente rica en hierro, que recubre la roca (en lugares ms de 40% de la superficie del suelo est aflorada) de modo
que aquellos de diferentes colores y otras propiedades estn enmascarados por este uniforme. Apareciendo recubrimiento,
lo que dificulta la discriminacin del tipo de roca. El rea Waterpocket Fold muestra recubrimientos mnimos.
2-11: Los anticlinales son estructural y topogrficamente altos, formando las montaas anticlinales. Los sinclinales son
descendentes y aqu ocupan los valles que estn en proceso de ser llenados con escombros erosivos (aluvin) lavados por
la erosin de la montaa.

2-12: Hay un cinturn de plegado que se extiende diagonalmente a travs de la imagen que se asemeja mucho a los
pliegues que vimos en el centro de Pensilvania en el Examen de la Seccin 1. En Marruecos, estos pliegues son tambin
crestas que se destacan porque sus estratos son ms resistentes a la erosin que los estratos ms dbiles intermedios. En
cierto sentido, esta rida escena de las montaas del Atlas es como una escena de Pensilvania sin el efecto de
enmascaramiento de la vegetacin.

2-13: En la mitad norte de las montaas que corren de izquierda a derecha a travs de la parte central de la escena, hay
una segunda falla de desgarre o llave (parte de ella est ocupada por un valle de corriente seca [delgada]). Tambin es
lateral izquierdo, es decir, la mitad norte se ha movido hacia el oeste.

2-14: La Zona de Orthris es difcil de separar de la Zona de Pindus yuxtapuesta. La Zona Pelagnica muestra ms
variabilidad topogrfica que las otras y tiene tanto un componente de valle como uno de montaa. Esto sucedera si esa
Zona fuera un bloque de empuje que tuviera continuidad estratigrfica interna, pero sus unidades inferiores se
erosionaron ms fcilmente que las superiores (las montaas al este). Ambas zonas probablemente se identificaron como
separadas principalmente de la evidencia de campo, principalmente como discontinuidades en las edades de las rocas (es
decir, rocas yuxtapuestas cuyas edades indican que faltan algunos intervalos de edad).

2-15: Una fractura (o articulacin) es solo una grieta o ruptura en la roca en la cual la roca de cada lado se separa a cierta
distancia. Un fallo es una ruptura en la cual la roca de un lado se desliza o se desliza contra la roca del otro lado, de
modo que cada lado se desplaza a cierta distancia del otro. Como se ve desde el aire o el espacio, en una foto / imagen,
una fractura es solo una marca lineal en la que el tono de las rocas es el mismo en ambos lados. La mayora de las fallas
causan suficiente movimiento para que las capas individuales o incluso las formaciones se desplacen, de modo que
puede haber una discontinuidad aguda en el patrn tonal, en el que un tipo de roca se enfrenta a otra. O, en la imagen de
China, las partes topogrficas de los sistemas montaosos se compensan visiblemente por las fallas.

2-16: Esta es la forma en que se hace profesionalmente: coloque una superposicin de tejido en la imagen y trace las
fracturas como un mapa. Ahora, comience en cualquier fractura. Use un transportador para medir el ngulo que forma con
la horizontal, de 0 a 180 . Registre ese ngulo. Marque la lnea de fractura con una pequea marca cruzada para indicar
que ha completado su medicin. Haga lo mismo para todas las dems fracturas. Coloque los ngulos que mida en una
tabla de rangos, por lo tanto, instale recipientes como 0 - 5 , 6 - 10 , 176 - 180 . Ahora haga un diagrama de cuas
estrechas, cada una con un ancho angular de 5 , para todos los intervalos anteriores de 0 a 180 . Complete cada ancho
hasta una longitud determinada por el nmero de fracturas individuales en ese intervalo angular (adopte una unidad de
longitud). Usted terminar con lo que se conoce como un "Diagrama de Rose". Para ver cmo es esto, simplemente vuelve
a la pgina que dejaste y desplzate hacia abajo hasta la parte inferior de la segunda figura. Tiene dos de esos diagramas.
Mire el mapa de fracturas e intente correlacionar sus frecuencias de orientacin con el diagrama de Rose.
2-17: Podra usar un satlite geoestacionario, uno cuya rbita est muy lejos y tiene la velocidad del satlite igual que la
Tierra que gira debajo, de manera que permanece "fija" en relacin con un punto directamente debajo (en el ecuador).
Esto ve a la Tierra en todo momento del da y de la noche, por lo que el efecto de iluminacin angular aumenta
progresivamente las fracturas / fallas en diferentes azimuts del Sol. El problema es que, a esa distancia, uno necesitara un
potente telescopio para obtener una resolucin adecuada. O bien, podra lanzar una contraparte por la tarde a un satlite
de sobrevuelo matutino como Landsat, con ambos viajando en las mismas secuencias orbitales pero con tiempos
escalonados. Sin embargo, nadie en la NASA (o el Congreso) comprara esta idea a menos que se puedan encontrar ms
usos que solo la deteccin de fracturas para justificar el enorme gasto.

2-18: En el diagrama de la rosa para la parte oeste de la escena, hay una tendencia notable que corre de norte a noroeste
que no captan los satlites. Este es probablemente un efecto de ngulo del Sol: esta tendencia es real, pero se pierde en
gran parte debido al sesgo de iluminacin.

2-19: El nmero de fracturas (o, ms propiamente, la densidad o el nmero por unidad de rea) es menor en la provincia
Superior que en la Provincia de Grenville.

2-20: Las imgenes de Landsat, incluso cuando estaban ampliadas, no delimitaban claramente ni mostraban el sistema de
fractura cruzada. La tcnica de mejora de bordes basada en computadora expuso la presencia de estas fracturas que de
otro modo podran haberse pasado por alto. El examen de las fotos del vuelo de la aeronave probablemente podra haber
hecho lo mismo, pero ese vuelo era caro y realmente se hizo ex post facto para corroborar la evidencia del Landsat.

2-21: El rea de la imagen est justo al sur del Mar Muerto, que vio en el mosaico en la pgina 2-7 (el extremo sur del
Mar de Dea est justo en la parte superior). Corriendo hacia arriba en el centro de la imagen de Landsat hay una lnea
continua que representa la falla del Mar Muerto en la Zona de Rift. Dos caractersticas ayudan a definir la linealidad: 1) el
frente lineal directo de las montaas justo al este de la falla; 2) en varios lugares, una discontinuidad en las tierras bajas
llena de sedimentos del desierto, visto como cambios tonales abruptos. Vuelve y mira si te perdiste esta lnea de falla.
La creacin de un mapa geolgico con la ayuda de imgenes de teledeteccin se ilustra para un rea en Utah conocida
como Waterpocket Fold (un monoclinal como se define en esta pgina). Se especifica su ubicacin con la meseta de
Colorado y se describe e ilustra la principal unidad geomrfica / estructural. Se presenta una imagen Landsat TM 1 del
rea Fold y varias fotos oblicuas areas y tomas en el suelo ayudan a visualizar las unidades geolgicas y el terreno que
se encuentran all.

Usando Landsat para estudios geolgicos

Con estas condiciones en mente, vemos la primera escena para analizar. Es una demostracin de las capacidades de
mapeo de un subconjunto de una imagen de Landsat TM dominada por el Waterpocket Fold que se encuentra dentro del
Parque Nacional Capitol Reef, en el centro-sur de Utah, a unas 35 millas al sur de Caineville en la Carretera 24.

2-3:El doblado de Waterpocket se muestra en esta imagen justo arriba. Examine de cerca la escena de Landsat
TM
Banda estrecha 2 escena. Cuntas unidades distintas y diferentes cree que se puede distinguir en esta
banda, basadas nicamente en las variaciones de niveles de gris?RESPONDER
El Parque Capitol Reef est dentro de la meseta de Colorado, una importante provincia fisiogrfica que se extiende a
travs de partes de Colorado, Nuevo Mxico, Arizona y Utah. La caracterstica natural ms conocida de la meseta, por
supuesto, es el Gran Can. All, el ro Colorado ha cortado casi una milla de profundidad en los estratos rocosos
horizontales de la edad paleozoica. Estas rocas sedimentarias en capas horizontales son el sello distintivo de la meseta.
En la mayora de los EE. UU., Grandes fuerzas de interacciones laterales entre las placas tectnicas norteamericanas y
del Pacfico y otras placas han hecho que los estratos de la corteza continental superior se doblen, se daen y se
aplastan en numerosos cinturones montaosos, de los cuales las Montaas Rocosas, Wasatch, la Cordillera de la Costa
del Pacfico y muchos otros son ejemplos principales Esta es una de las ideas centrales en el gran paradigma conocido
como Tectnica de Placas (las placas son bloques de escala subcontinentales o segmentos de la litosfera de la Tierra; el
trmino "tectnica" se refiere a la deformacin de escala y los movimientos de / en la corteza terrestre, que conducen a
caractersticas estructurales tales como pliegues, fallas, bloques de empuje y fracturas). Sin embargo, en una regin en
el oeste, la meseta de Colorado, la corteza respondi de manera diferente al levantarse verticalmente manteniendo la
orientacin horizontal inicial de los estratos de cobertura, en lugar de comprimirse lateralmente en unidades
deformadas.

En Plateau, hay una excepcin estructural a esto. En algunos lugares, las rocas se doblan suavemente en amplias
urdimbres llamadas anticlinales y sinclinales, en las que las capas de roca se inclinan (decimos que se sumergen) en
direcciones opuestas. An ms comn es un tipo de pliegues llamados monoclines.

La siguiente escena es una escena completa de Landsat MSS tomada el 13 de junio de 1977. Esto muestra la seccin
noroeste de la meseta de Colorado, que incluye partes de las llamadas Canyonlands. La subescena que estudiars est
cerca de la esquina superior izquierda; la lnea negra marca la lnea de vuelo de un sobrevuelo de la aeronave de la
NASA durante el cual un escner multiespectral adquiri datos (ver pgina siguiente).
La mayor parte de la escena superior se encuentra en Utah, pero las reas ms bajas se encuentran en el norte de
Arizona. Pasando por la escena es el ro Colorado que, respaldado desde la presa de Glen Canyon (abajo a la izquierda)
cerca de la ciudad de Page, Utah llena los caones de paredes empinadas para formar el lago Powell. El ro San Juan se
une al Colorado desde el este. El color amarillo prevalente en esta imagen (impreso en Cibachrome, que mejora tanto la
calidad del color como la definicin de las caractersticas) corresponde principalmente a las areniscas y algunas lutitas
que son rojas y naranjas en la naturaleza. Los tonos marrones se asocian con rocas que son rojos oscuros y marrones en
el campo. Algunos campos estn teidos de rojos en la imagen debido a la vegetacin en esta versin IR. Los azules se
asocian con las lutitas que en el campo suelen ser grisceas. Las reas con fuertes tonos rojos (IR) incluyen los Picos
Abajo (arriba a la derecha), las Montaas Henry (arriba a la izquierda) y la Montaa Navajo ms pequea y aislada al
este del Lago Powell. El extremo ms septentrional de la Mesa negra boscosa aparece en la parte inferior central. El
grupo de montaas aisladas hacia el norte es la coleccin de mesas y buttes, conocido como el distrito Hopi Buttes. En
lugar de estar hechos de rocas sedimentarias, como ocurre en Monument Valley al norte, estos son en realidad cuellos
volcnicos erosionados y rellenos de diatrema. Desde el suelo se ven as:
A lo largo del lado derecho de la imagen Landsat hay una larga banda de rocas plegadas que componen Comb Ridge.
En la esquina superior izquierda est el pliegue monoclinal (cruzado por una lnea negra) conocido como el doblez de
Waterpocket, que es el tema de las siguientes pginas de la Seccin 2.

En un monoclnico, las fuerzas causan que las rocas cambien su inclinacin en una sola direccin y luego reanuden la
direccin inicial, como se muestra en este bosquejo que presenta una vista lateral (como si se tratara de un corte
vertical en las capas superficiales de la Tierra) de un monoclinal . En la parte superior hay una lnea que representa un
perfil de la superficie del terreno. En B, por encima de las capas inclinadas, las rocas que son ms resistentes a la
erosin se muestran como crestas (a menudo llamadas "hogbacks" o "flatirons"). En A, una unidad de roca etiquetada
X se encuentra justo debajo de la superficie, pero en B se ha sumergido hacia abajo de tal manera que ahora est muy
por debajo del suelo. Una unidad etiquetada Y en C est muy por encima de X. Estas unidades de rocas y las rocas
intermedias siguen la Ley de Superposicin estratigrfica, que establece lo obvio: las rocas ms jvenes se depositan
sobre las rocas ms antiguas y, por lo tanto, descansan sobre ellas. Si seguimos Y a la izquierda a lo largo de una lnea
punteada, se dobla hacia arriba en B y tambin se encuentra sobre el suelo en A. En otras palabras, estuvo una vez all,
pero se ha eliminado por la erosin.

2-4:Los dos tipos ms comunes de pliegues se llaman anticlinales y sinclinales. Sabes lo que significan estos
trminos estructurales? Si no es as, verifica la respuesta.RESPONDER
Esta es la situacin en Waterpocket Fold, un monoclinal que se extiende a travs de esta subescena.

Una vista en blanco y negro seguida de una vista en color, ambos mirando hacia el noroeste desde aviones de bajo vuelo,
muestran una cresta de caballo dominada por una unidad blanquecina, la famosa piedra arenisca Navajo (la principal
formacin rocosa en el Parque Nacional Zion) y varias otras (rojizo) unidades cerca de su base. La gruesa unidad roja
ms all (oeste) de la arenisca Navajo es la Formacin Wingate. Estas varias unidades se sumergen en ngulos tan
pronunciados como 45 grados. Las rocas ms jvenes que se sumergen suavemente en primer plano (parte inferior de la
foto) forman parte del banco inferior de la Mesa de Tarantula cuya parte superior (al este de la foto, equivalente a C en el
diagrama anterior) es en realidad ms elevada que el pliegue. Apenas podemos ver rocas ms antiguas (equivalentes a A)
debajo del horizonte occidental distante. Estos constituyen los Crculos Acantilados.
Una tercera vista area tomada desde el lado oeste del pliegue mirando hacia el noreste, presenta estas rocas ms viejas a
la izquierda y rocas ms jvenes en la distancia, con el pliegue resaltado por la piedra arenisca Navajo y destacando
como una estrecha banda de afloramientos a lo largo del cresta topogrfica controlada estructuralmente.

Ahora, tomamos dos miradas de primer plano desde el suelo, una mirando hacia arriba contra el pliegue con la
piedra arenisca Navajo cerca de la parte superior y la piedra arenisca de entrada (rojizo) debajo de l, pero
estratigrficamente joven.
La segunda foto mira hacia el este a Tarantula Mesa (una meseta escalonada y plana) con la piedra arenisca de
Mesaverde tapada; las famosas montaas Henry (donde Gilbert concibi la idea de una intrusin lacoltica) contra el
horizonte; y Dakota Arenisca como un afloramiento en bloque en primer plano.

2-5: En la primera fotografa de color oblicua area (que el escritor literalmente colg de la ventana de una
avioneta), cuntas unidades de roca dentro de la rama inclinada del monoclinal se pueden separar visualmente. En
la foto oblicua area en blanco y negro, las unidades de roca ligeramente inclinadas a lo largo del margen del lado
derecho parecen negruzcas; por qu? RESPONDER