Die Belastung des Bodens insbesondere mit toxischen Schwermetallen wird seit Beginn der industriellen Revolution im späten 18. Jahrhundert durch vielfältige Tätigkeiten der Menschen verursacht und tritt mittlerweile als flächendeckendes Phänomen auf. Im Unterschied zu organischen Kontaminationen werden Schwermetalle im Boden nicht abgebaut. Sie reichern sich vielmehr im Boden an und gelten daher als irreversible Immissionen. Schwermetalle können jedoch durch Pflanzen aus dem Boden aufgenommen und dadurch kontrolliert entsorgt werden. Für die Sanierung großer moderat belasteter Flächen bietet sich daher eine In-situ-Sanierung durch die so genannte Phytoremediation bzw. Phytoextraktion an, bei der die Pflanzen über die Nährstoffaufnahme aus dem Boden Schwermetalle mit aufnehmen und in der Pflanzenmasse anreichern. Eine geeignete Phyto-Pflanze ist Mais, der durch sein starkes Wachstum eine hohe Gesamtaufnahmerate an Schwermetallen besitzt. Für die Prozessunterstützung von Sanierungsmaßnahmen, aber auch für die Sicherung von großflächigen kontaminierten Arealen mittels Pflanzen sind geeignete Verfahren zur Dokumentation von vorhandenen Kontaminationen und Sanierungserfolgen erforderlich. Von der Blattfläche wurden auf Spektralon normierte Hyperspektralaufnahmen mit chemischen Cadmiumanalysen der Pflanzen korreliert. Auf Grundlage der Ergebnisse mit Mais wurde die Methode auf weitere Pflanzen wie Rhabarber, Topinambur, Sonnenblume und Tabak und andere Schwermetalle wie Zink, Blei und Kupfer übertragen. Die Eignung der entwickelten Methode, verschiedene Schwermetalle in unterschiedlichen Pflanzen nachzuweisen, wurde auf der Grundlage der jeweiligen Bestimmtheitsmaße diskutiert. Die entwickelte Messanordnung und die untersuchten Indices führen mit geokodierten Makro-Hyperspektralmessungen zu einem neuartigen Monitoringkonzept für die Phytoremediation und somit zu einer detailliert ortsaufgelösten Begleitung von Bodensanierungsprozessen.

Liegen für ein Untersuchungsgebiet spektral und geometrisch hoch aufgelöste Daten unterschiedlicher Sensoren vor, liegt eine kombinierte Nutzung der Datenquellen zur Optimierung der Klassifikationsergebnisse nahe. In einem entscheidungsbasierten Fusionsansatz wird die Klassifikationsgenauigkeit von Bildsegmenten geometrisch hoch aufgelöster Bilddaten durch die Einbindung zusätzlicher Materialinformationen gesteigert. Diese werden aus den Ergebnissen eines Klassifikationsverfahrens zur Materialdetektion, dem Spectral Angle Mapper, abgeleitet. Die zur Auswertung der hyperspektralen Bilddaten notwendigen Referenzspektren wurden in den Untersuchungen bislang manuell definiert. Nachteil dieser manuellen Referenzspektrenselektion ist die subjektive Auswahl der hyperspektralen Bildpixel, deren Spektren als Referenz in die Analyse eingehen. In dieser Arbeit wird ein Verfahren zur automatischen segmentbasierten Referenzspektrenselektion vorgestellt, dessen Konzept auf der Berechnung der spektralen Ähnlichkeit so genannter Referenzkandidaten und die anschließende Gruppierung ähnlicher Bildpixel basiert. Ein Maß für die spektrale Ähnlichkeit der Referenzkandidaten wird durch die Berechnung der Korrelationskoeffizienten ihrer Reflektanzspektren ermittelt. Die Gruppierung spektral ähnlicher Kandidaten erfolgt durch ein dichte-basiertes Clustering. Die Referenzspektren werden abschließend durch die Mittelung der Einzelspektren eines Clusters erzeugt.Die Leistungsfähigkeit des vorgestellten Gesamtkonzeptes zur automatisierten segmentbasierten Referenzspektrenselektion wird in einer Konzeptstudie mit ausgewählten Referenzflächen für elf unterschiedliche Materialien demonstriert. In einer abschließenden Auswertung eines Testgebietes wird die Anwendbarkeit des Konzeptes nachgewiesen

Zusammenfassung Kenntnisse über den Zustand und die Entwicklung von Böden sind entscheidend für die Charakterisierung von Ökosystemen und deren Veränderungen. Die weltweite Verbreitung von Eisenoxiden und ihre von der Bodenentwicklung abhängige Konzentration und mineralogische Zusammensetzung machen sie zu geeigneten Indikatoren. Methoden der optische Fernerkundung wurden angewandt, um am Beispiel des Cabo de Gata- Níjar Naturparks, einem semi-ariden Ökosystem in Südostspanien, die Konzentrationen von Eisenoxiden im Boden zu bestimmen und zu kartieren. In der zuerst durchgeführten laborspektroskopischen Studie wurde eine Methode entwickelt, welche den Eisenoxidgehalt (Fed, Citrat-Dithionit extrahierbares Eisenoxid) mit den Eisenabsorptionsbanden verknüpft. Korngrößenabhängige Fed Vorhersagemodelle wurden sowohl für sand- als auch ton-schluff-haltige Proben erstellt. Beide liefern hochgenaue Schätzungen mit weniger als 15% Vorhersagefehler. Ähnliche Werte wurden für korngrößenunabhängige Modelle erreicht. Korngrößenunabhängige Modelle wurden zur Analyse der HyMap-Bilddaten verwendet, da eine pixelbezogene Bestimmung der vorherrschenden Bodentextur nicht möglich war. Die räumliche Verteilung der Fed Konzentration im Untersuchungsgebiet wurde mit einer den Laborergebnissen vergleichbaren Genauigkeit bestimmt. Laboruntersuchungen zum Vegetationseinfluss in Bezug auf Vitalität und Bedeckungsgrad auf die Bodenreflektionsspektren und die Fed Vorhersagegenauigkeit zeigten, dass zuverlässige Abschätzungen bis zu einer Vegetationsbedeckung von ca. 20 % möglich sind. Dementsprechend wurden drei Vorhersagegenauigkeitsklassen definiert, basierend auf der gemeinsamen Detektierbarkeit von Vegetation und Eisenabsorptionsbanden im Bildpixel. Die abgeleitete Fed Verteilungskarte dient der Einschätzung des vorliegenden Bodenzustands und dem Ausweisen von erodierten Oberflächen. Die entwickelte Methode hat aufgrund ihrer Einfachheit ein großes Potential für ein globales Monitoring von sensitiven Gebieten unter der Verwendung von gegenwärtig verfügbaren als auch zukünftigen satellitengestützten Sensoren. / Abstract The knowledge of the soil condition and development is decisive when characterizing and monitoring the change of ecosystems. The global presence of iron oxides and their highly variable concentration and mineralogy reflecting different soil conditions make them a suitable indicator. Optical remote sensing methods are employed to determine and map the soil iron oxide concentrations on the example of the Cabo de Gata-Níjar Natural Park, a semi-arid ecosystem in SE Spain. In an initial laboratory spectroscopy study, a methodology is developed that links iron oxide content (Fed, citrate-dithionite extractable iron oxides) with iron spectral absorption bands. Texture-dependent Fed prediction models are developed for sand- and clay-silt-dominated samples. They yield highly accurate estimations with less than 15 % prediction error. Similar accuracies are achieved from texture-independent models. Texture-independent models are applied to the HyMap image data because a pixel-wise determination of the predominating soil texture is not possible. However, the spatial distribution of Fed concentration in the study area is determined with comparable accuracy as in the laboratory. Laboratory analysis of vegetation vitality and density impact on the soil reflectance spectra and Fed prediction accuracy has shown that reliable estimations are possible until about 20 % leaf cover. Accordingly, three Fed prediction accuracy levels are defined based on the joint detectability of vegetation and iron absorption features. The final Fed prediction map is used to evaluate the current soil conditions and identify potentially eroded soils surfaces. The present method has due to low complexity a high potential for the global monitoring of such sensitive areas from current and future spaceborne sensors.

Detta arbete presenterar en icke-destruktiv metod för att detektera och klassificera mognadsgraden hos äpplen med användning av hyperspektrala bilder. Fastställning av mognadsgraden hos äpplen är intressant för bland annat äppelodlare och musterier vid lagring och beredning. Äpplens mognadsgrad är även intressant inom växtförädling. För att fastställa mognadsgraden idag krävs att det skärs i frukten, en så kallad destruktiv metod. Hyperspektrala bilder kan idag användas inom områden som jordbruk, miljöövervakning och militär spaning. / <p>Examensarbetet är utfört vid Institutionen för teknik och naturvetenskap (ITN) vid Tekniska fakulteten, Linköpings universitet</p>

Durch den Prozess der Urbanisierung verändert die Menschheit die Erdoberfläche in großem Ausmaß und auf unwiederbringliche Weise. Die optische Fernerkundung ist eine Art der Erdbeobachtung, die das Verständnis dieses dynamischen Prozesses und seiner Auswirkungen erweitern kann. Die vorliegende Arbeit untersucht, inwiefern hyperspektrale Daten Informationen über Versiegelung liefern können, die der integrierten Analyse urbaner Mensch-Umwelt-Beziehungen dienen. Hierzu wird die Verarbeitungskette von Vorverarbeitung der Rohdaten bis zur Erstellung referenzierter Karten zu Landbedeckung und Versiegelung am Beispiel von Hyperspectral Mapper Daten von Berlin ganzheitlich untersucht. Die traditionelle Verarbeitungskette wird mehrmals erweitert bzw. abgewandelt. So wird die radiometrische Vorverarbeitung um die Normalisierung von Helligkeitsgradienten erweitert, welche durch die direktionellen Reflexionseigenschaften urbaner Oberflächen entstehen. Die Klassifikation in fünf spektral komplexe Landnutzungsklassen wird mit Support Vector Maschinen ohne zusätzliche Merkmalsextraktion oder Differenzierung von Subklassen durchgeführt. Eine detaillierte Ergebnisvalidierung erfolgt mittels vielfältiger Referenzdaten. Es wird gezeigt, dass die Kartengenauigkeit von allen Verarbeitungsschritten abhängt: Support Vector Maschinen klassifizieren Hyperspektraldaten akkurat aber die Kartengenauigkeit wird durch die Georeferenzierung deutlich gemindert; die Versiegelungskartierung stellt die Situation am Boden gut dar, aber die Überdeckung versiegelter Flächen durch Bäume bedingt systematische Fehlschätzungen; eine Bildsegmentierung führt zu keiner Verbesserung der Klassifikationsergebnisse, bietet jedoch eine sinnvolle Möglichkeit zur effektiveren Prozessierung durch Datenkomprimierung. Auf diesem Weg ermöglicht die vorliegende Arbeit Rückschlüsse zur Verlässlichkeit von Datenprodukten, die eine Ausweitung fernerkundlicher Analysen in weniger gut dokumentierte urbane Räume voranbringt. / Urbanization is one of the most powerful and irreversible processes by which humans modify the Earth''s surface. Optical remote sensing is a main source of Earth observation products which help to better understand this dynamic process and its consequences. This work investigates the potential of airborne hyperspectral data to provide information on urban imperviousness that is needed for an integrated analysis of the coupled natural and human systems therein. For this purpose the complete processing workflow from preprocessing of the raw image to the generation of geocoded maps on land cover and impervious surface coverage is performed using Hyperspectral Mapper data acquired over Berlin, Germany. The traditional workflow for hyperspectral data is extended or modified at several points: a normalization of brightness gradients that are caused by directional reflectance properties of urban surfaces is included into radiometric preprocessing; support vector machines are used to classify five spectrally complex land cover classes without previous feature extraction or the definition of sub-classes. A detailed assessment of such maps is performed based on various reference products. Results show that the accuracy of derived maps depends on several steps within the processing workflow. For example, the support vector machine classification of hyperspectral data itself is accurate but geocoding without detailed terrain information introduces critical errors; impervious surface estimates correlate well with ground data but trees covering impervious surface below generally causes offsets; image segmentation does not enhance spectral classification accuracy of the spatially heterogeneous area but offers an interesting way of data compression and more time effective processing. Findings from this work help judging the reliability of data products and in doing so advance a possible extension of urban remote sensing approaches to areas where only little additional data exists.

Background Tarkett AB Ronneby (Sweden) is a flooring solutions company, recognized for the manufacturing and recycling of homogeneous plastic flooring. Tarkett AB recycles mainly installation spill and manufacturing defects. However, Tarkett AB is considering widening its recycling capabilities to include old and torn plastic floors which may contain impurities and banned substances or plastic floors of competing brands. To accomplish this, Tarkett is considering a completely new recycling line with an automated sorting process instead of the current manual process. Thus, Tarkett proposes a dissertation to conceptualize a new automated sorting system with added capacity and increased functionality. Purpose This work aims to investigate the current sorting process and introduce conceptual solutions for a new automated sorting process capable of identifying and separating plastic floors according to the manufacturer, type, condition, and external waste by using existing technology. Method The methods and tools used in this work are mainly based on a modified product development process. Starting with data collection of the current sorting process, performing a need-finding, and extracting requirements for an automated sorting process, investigating relevant technology, evaluating technology based on scientific literature and tests. The testing was conducted in collaboration with two companies. Near-infrared scanners were tested with Holger AB, while pattern recognition systems were tested with Vision-Geek. Finally, three concepts for the automated sorting process were developed and shown through flow charts and 2D-3D illustrations. Results The results of this work showed that it was possible to use near-infrared and pattern recognition for the separation of plastic floors. Besides, three conceptual solutions for an automated sorting process were generated and showcased with schematic graphs and 2D-3D illustrations. The concepts describe how the sorting process functions and what technology is used for each step of the process. Concept 1 and Concept 2 used both pattern recognition and spectroscopy methods. While Concept 3 only used spectroscopy methods. Moreover, spectroscopy methods were used to sort plastic floors by content while pattern recognition by appearance. Conclusions Recycling of torn and old plastic flooring can be beneficial for both the environment and the recycling industry. Yet, it presents some challenges relating to reliable, fast, and nondestructive identification for sorting and separation purposes. New and proven technology such as near-infrared hyperspectral imaging and pattern recognition can be used. However, high-quality pattern and spectrum libraries of multiple plastic floors have to be created for optimal and reliable reference models. Furthermore, pattern recognition and near-infrared methods need to be tested further at an industrial scale. / Bakgrund Tarkett AB Ronneby (Sverige) är ett golvlösning företag, erkänt för tillverkning och återvinning av homogent plastgolv. Tarkett AB återvinner huvudsakligen installations spill och tillverkningsfel. Tarkett AB överväger dock att utvidga sina återvinnings förmågor till att omfatta gamla och sönderrivna plastgolv som kan innehålla föroreningar och förbjudna ämnen eller plastgolv från konkurrerande varumärken. För att åstadkomma detta överväger Tarkett en helt ny återvinnings linje med en automatiserad sorteringsprocess istället för den aktuella manuella processen. Således föreslår Tarkett ett examensarbete för att konceptualisera ett nytt automatiserat sorteringssystem med ökad kapacitet och ökad funktionalitet. Syfte Detta arbete syftar till att undersöka den nuvarande sorterings processen och introducera konceptuella lösningar för en ny automatiserad sorteringsprocess som kan identifiera och separera plastgolv efter tillverkare, typ, skick och externt avfall med befintlig teknik. Metod De metoder och verktyg som används i detta arbete är huvudsakligen baserade på en modifierad produktutvecklingsprocess. Vilket börja med datainsamling av den aktuella sorterings processen, hitta behov och extrahera krav för en automatiserad sorteringsprocess, undersöka relevant teknik, utvärdera tekniken baserad på vetenskaplig litteratur och tester. Testningen genomfördes i samarbete med två företag. Nära-infraröda skannrar testades med Holger AB, medan mönsterigenkänning system testades med Vision-Geek. Slutligen utvecklades tre koncept för den automatiserade sorterings processen och visades genom flödesscheman och 2D-3D-illustrationer. Resultat Resultaten av detta arbete visade att det var möjligt att använda nära-infraröd och mönsterigenkänning för separering av plastgolv. Dessutom genererades tre konceptuella lösningar för en automatiserad sorteringsprocess och visades med schematiska grafer och 2D-3D-illustrationer. Begreppen beskriver hur sorterings processen fungerar och vilken teknik som används för varje steg i processen. Koncept 1 och Koncept 2 använde både mönsterigenkänning och spektroskopi metoder. Medan Koncept 3 bara använde spektroskopi metoder. Spektroskopi metoderna användes för att sortera plastgolv efter innehåll medan mönsterigenkänning efter utseende. Slutsats Återvinning av sönderrivna plastgolv kan vara fördelaktigt för både miljön och återvinningsindustrin. Dock finns det några utmaningar med anknytning till pålitlig, snabb och icke-förstörande identifiering för sorterings- och separation ändamål. Ny och beprövad teknik som nästan infraröd hyperspektral avbildning och mönsterigenkänning kan användas. Emellertid måste mönster- och spektrum bibliotek av hög kvalitet av flera plastgolv skapas för optimala och pålitliga referens-modeller. Dessutom måste mönsterigenkänning och nära-infraröda metoder testas vidare i industriell skala.

Urbanisierungsprozesse beeinflussen die Funktionen natürlicher Ökosysteme signifikant. Bereitgestellte ökosystemare Leistungen unterliegen Veränderungen, die direkt die Lebensbedingungen des Menschen beeinflussen. Funktionale Freiflächen mit Baum- und Gehölzbeständen sind wichtige Bestandteile urbaner Ökosysteme und lindern lokal Einflüsse der Urbanisierung. Die Umweltbedingungen in der Stadt weichen von den natürlichen ab und mindern die Funktionsfähigkeit der Bäume. Gegenüber etablierten, terrestrischen Untersuchungen des Baumzustands ermöglicht die Fernerkundung räumlich und zeitlich flexible Vitalitätscharakterisierungen. In dieser Dissertation wird ein fernerkundlicher Ansatz zur Baumzustandserhebung erarbeitet. Bei Nutzung hyperspektraler Bilddaten werden biophysikalische und strukturelle Baumparameter mit dem quantitativen Ansatz der Strahlungstransfermodellierung (RTM) abgeleitet. Schwerpunkt dieser Arbeit war die Adaption der RTM auf einzelne Bäume. Hierzu wurden drei Anpassungen vorgenommen: die Korrektur höhenbedingter Bildpunktversätze, die Selektion von Bildelementen und die Nutzung eines geometrisch-optischen Modells, um Einflüsse der Kronentopographie zu korrigieren. Eine Validierung der Modelle und abgeleiteter Parameter basierte auf umfangreichen Geländeerhebungen. Beispielhaft wurde die weißblühende Rosskastanie, eine Hauptbaumart Berlins, untersucht. Ein Modelltest zeigte die Eignung der modifizierten RTM, die optischen Eigenschaften von Kastanien zu modellieren. Mit einer Sensitivitätsanalyse wurde der Einfluss spezifischer Baumeigenschaften auf die Modellergebnisse quantifiziert, was die Optimierung des Verfahrens ermöglichte. Durch Invertierung der Modelle konnten die vitalitätsrelevanten Parameter Chlorophyll- und Wassergehalt realistisch abgeleitet und in ein Baumkataster eingebunden werden. Damit leistet diese Dissertation einen Beitrag, das thematische Spektrum verfügbarer Biogeodaten zur Untersuchung stadtökologische Prozesse zu erweitern. / Urbanisation affects natural ecosystems functions significantly. This leads to changes in ecosystem services which are directly linked to human living conditions. Functional open spaces, especially when covered with wood and trees, are a major component of urban ecosystems and lessen the impact of urbanisation. Environmental conditions of urban areas are fare away from non urban, natural ones. The functionality of trees decreases as a consequence of these unfavourable conditions. In comparison to terrestrial surveys, remote sensing enables spatially and temporally flexible descriptions of tree vitality. In the present work a remote sensing based approach to investigate conditions of urban trees was developed. Radiative transfer models (RTM) were used to derive biophysical and structural parameters from hyperspectral data. In order to adapt the modelling approach to single trees three modifications were made: a) the correction of pixel shifts due to the height of trees and non-nadir view angles of the sensor; b) the selection of spectrally pure pixels; c) the correction of albedo effects induced by crown geometry. A detailed validation of the models and the estimated parameters is performed based on data of an extensive ground survey. Being one of Berlin’s main tree species, the horse chestnut (lat. Aesculus hippocastanum) was exemplary investigated. An Evaluation of the modified RTM showed that they are able to model the optical properties of chestnut canopies. A sensitivity analysis was performed to quantify the impact of tree specific effects on the results of the modelling approach. The findings allowed an optimization of the method. Vitality parameters such as chlorophyll and water content could be realistically estimated by model inversion. Results were finally linked to an existing cadastral system. Results from this work help widen the thematic spectrum of environmental biogeodata applications and investigating multiple processes of urban ecology.

Das weltweite Ausmaß der Urbanisierung zählt zu den großen ökologischen Herausforderungen des 21. Jahrhunderts. Die Fernerkundung bietet die Möglichkeit das Verständnis dieses Prozesses und seiner Auswirkungen zu erweitern. Der Fokus dieser Arbeit lag in der Quantifizierung der städtischen Landbedeckung mittels Maschinellen Lernens und räumlich unterschiedlich aufgelöster Hyperspektraldaten. Untersuchungen berücksichtigten innovative methodische Entwicklungen und neue Möglichkeiten, die durch die bevorstehende Satellitenmission EnMAP geschaffen werden. Auf Basis von Bilder des flugzeugestützten HyMap Sensors mit Auflösungen von 3,6 m und 9 m sowie simulierten EnMAP-Daten mit einer Auflösung von 30 m wurde eine Kartierung entlang des Stadt-Umland-Gradienten Berlins durchgeführt. Im ersten Teil der Arbeit wurde die Kombination von Support Vektor Regression mit synthetischen Trainingsdaten für die Subpixelkartierung eingeführt. Ergebnisse zeigen, dass sich der Ansatz gut zur Quantifizierung thematisch relevanter und spektral komplexer Oberflächenarten eignet, dass er verbesserte Ergebnisse gegenüber weiteren Subpixelverfahren erzielt, und sich als universell einsetzbar hinsichtlich der räumlichen Auflösung erweist. Im zweiten Teil der Arbeit wurde der Wert zukünftiger EnMAP-Daten für die städtische Fernerkundung abgeschätzt. Detaillierte Untersuchungen unterstreichen deren Eignung für eine verbesserte und erweiterte Beschreibung der Stadt nach dem bewährten Vegetation-Impervious-Soil-Schema. Analysen der Möglichkeiten und Grenzen zeigen sowohl Nachteile durch die höhere Anzahl von Mischpixel im Vergleich zu hyperspektralen Flugzeugdaten als auch Vorteile aufgrund der verbesserten Differenzierung städtischer Materialien im Vergleich zu multispektralen Daten. Insgesamt veranschaulicht diese Arbeit, dass die Kombination von hyperspektraler Satellitenbildfernerkundung mit Methoden des Maschinellen Lernens eine neue Qualität in die städtische Fernerkundung bringen kann. / The global dimension of urbanization constitutes a great environmental challenge for the 21st century. Remote sensing is a valuable Earth observation tool, which helps to better understand this process and its ecological implications. The focus of this work was to quantify urban land cover by means of machine learning and imaging spectrometer data at multiple spatial scales. Experiments considered innovative methodological developments and novel opportunities in urban research that will be created by the upcoming hyperspectral satellite mission EnMAP. Airborne HyMap data at 3.6 m and 9 m resolution and simulated EnMAP data at 30 m resolution were used to map land cover along an urban-rural gradient of Berlin. In the first part of this work, the combination of support vector regression with synthetically mixed training data was introduced as sub-pixel mapping technique. Results demonstrate that the approach performs well in quantifying thematically meaningful yet spectrally challenging surface types. The method proves to be both superior to other sub-pixel mapping approaches and universally applicable with respect to changes in spatial scales. In the second part of this work, the value of future EnMAP data for urban remote sensing was evaluated. Detailed explorations on simulated data demonstrate their suitability for improving and extending the approved vegetation-impervious-soil mapping scheme. Comprehensive analyses of benefits and limitations of EnMAP data reveal both challenges caused by the high numbers of mixed pixels, when compared to hyperspectral airborne imagery, and improvements due to the greater material discrimination capability when compared to multispectral spaceborne imagery. In summary, findings demonstrate how combining spaceborne imaging spectrometry and machine learning techniques could introduce a new quality to the field of urban remote sensing.

Considering the ever-growing global demand for raw materials and the complexity of the geological deposits that are still to be found, high-quality extensive mineralogical information is required. Mineral exploration remains a risk-prone process, with empirical approaches prevailing over data-driven strategy. Amongst the many ways to innovate, hyperspectral imaging sensors for drill-core mineral mapping are one of the disruptive technologies. This potential could be multiplied by implementing machine learning. This dissertation introduces a workflow that allows the use of supervised learning to map minerals by means of ancillary data commonly acquired during exploration campaigns (i.e., mineralogy, geochemistry and core photography). The fusion of hyperspectral with such ancillary data allows not only to upscale to complete boreholes information acquired locally, but also to enhance the spatial resolution of the mineral maps. Thus, the proposed approaches provide digitally archived objective maps that serve as vectors for exploration and support geologists in their decision making.:List of Figures xviii List of Tables xix List of Acronyms xxi 1 Introduction 1 1.1 Mineral resources and the need for innovation . . . . . . . . . . . . . 2 1.2 Spectroscopy and hyperspectral imaging . . . . . . . . . . . . . . . . 5 1.2.1 Imaging spectroscopy ....................... 6 1.2.2 Spectroscopy of minerals ..................... 8 1.2.3 Mineral mapping.......................... 12 1.2.4 Mineral mapping in exploration ................. 15 1.2.5 Drill-core mineral mapping.................... 16 1.3 Machine learning .............................. 19 1.3.1 Supervised learning for drill-core hyperspectral data . . . . . 20 1.4 Motivation and approach ......................... 22 2 Hyperspectral mineral mapping using supervised learning and mineralogical data 25 Preface ....................................... 25 Abstract....................................... 26 2.1 Introduction ................................. 27 2.2 Data acquisition............................... 30 2.2.1 Hyperspectral data......................... 30 2.2.2 High-resolution mineralogica ldata . . . . . . . . . . . . . . . 31 2.3 Proposed system architecture ....................... 33 2.3.1 Re-sampling and co-registration ................. 33 2.3.2 Classification ............................ 35 2.4 Experimental results ............................ 36 2.4.1 Data description .......................... 36 2.4.2 Experimental setup......................... 37 2.4.3 Quantitative and qualitative assessment . . . . . . . . . . . . . 37 2.5 Discussion.................................. 40 2.6 Conclusion.................................. 42 3 Geochemical and hyperspectral data integration 45 Preface ....................................... 45 Abstract....................................... 46 3.1 Introduction ................................. 47 3.2 Basis for the integration of geochemical and hyperspectral data . . . 50 3.3 Proposed approach ............................. 51 3.3.1 Geochemical data labeling..................... 51 3.3.2 Superpixel segmentation ..................... 53 3.3.3 Classification ............................ 53 3.4 Experimental results ............................ 54 3.4.1 Data description .......................... 54 3.4.2 Data acquisition........................... 55 3.4.3 Experimental setup......................... 55 3.4.4 Assessment of the geochemical data labeling . . . . . . . . . . 58 3.4.5 Quantitative and Qualitative Assessment . . . . . . . . . . . . 58 3.5 Discussion.................................. 61 3.6 Conclusion.................................. 63 4 Improved spatial resolution for mineral mapping 65 Preface ....................................... 65 Abstract....................................... 66 4.1 Introduction ................................. 67 4.2 Methods: Resolution Enhancement for Mineral Mapping . . . . . . . 69 4.2.1 Hyperspectral Resolution Enhancement . . . . . . . . . . . . . 69 4.2.2 Mineral Mapping.......................... 71 4.2.3 Supervised Classification ..................... 71 4.3 Case Study.................................. 72 4.3.1 Data Acquisition .......................... 72 4.3.2 Resolution Enhancement Application . . . . . . . . . . . . . . 74 4.3.3 Evaluation of the Resolution Enhancement . . . . . . . . . . . 75 4.4 Results .................................... 76 4.4.1 Mineral Mapping.......................... 76 4.4.2 Supervised Classification ..................... 77 4.4.3 Validation .............................. 80 4.5 Discussion.................................. 82 4.6 Conclusions ................................. 84 5 Bibliography 92