基于Sentinel-2A的礦化蝕變異常信息提取應(yīng)用

王　磊　楊　斌　李　丹　陳　財(cái)

(西南科技大學(xué)環(huán)境與資源學(xué)院　四川綿陽(yáng)　621010)

遙感技術(shù)經(jīng)過(guò)半個(gè)世紀(jì)的高速發(fā)展與廣泛應(yīng)用，利用多光譜遙感數(shù)據(jù)提取無(wú)人區(qū)礦化蝕變信息異常已經(jīng)成為一種快速、精確、低成本的找礦手段[1-2]。成礦區(qū)的蝕變巖石所呈現(xiàn)的遙感光譜信息與金屬礦床類(lèi)型密不可分，提取的蝕變信息異常是一種重要的找礦線索，而遙感找礦正是應(yīng)用此原理產(chǎn)生的技術(shù)[3]，尤其在高海拔、高裂度、高風(fēng)險(xiǎn)的“三高”地區(qū)，遙感找礦已經(jīng)成為地質(zhì)勘探中一項(xiàng)不可或缺的技術(shù)。目前，遙感找礦主要運(yùn)用Landsat 8數(shù)據(jù)和Aster數(shù)據(jù)，基于這兩種數(shù)據(jù)的提取方法已趨于成熟，例如利用ETM數(shù)據(jù)基于SVM和SAM方法提取礦石蝕變信息，利用ASTER數(shù)據(jù)進(jìn)行蝕變巖填圖和熱液蝕變信息提取[4-6]。運(yùn)用的提取方法主要有：基于光譜特征的比值變換法(Band Ratio)、主成分分析法(PCA)、光譜角填圖法(SAM)、對(duì)應(yīng)分析法(R-Q型因子分析法)、混合像元分解法(MPD)以及目前運(yùn)用較少的基于核方法的高斯徑向基核主成分分析法(KPCA)，通過(guò)對(duì)比分析以上方法，決定采用提取精度較高的主成分分析法。

Sentinel-2A衛(wèi)星是歐空局2015年底發(fā)射的一顆多光譜遙感衛(wèi)星，該衛(wèi)星為“哥白尼”計(jì)劃下多光譜成像任務(wù)中的首顆衛(wèi)星，與另一顆2017年初發(fā)射的Sentinel-2B衛(wèi)星組成雙子星。Sentinel-2A衛(wèi)星空間分辨率最高可達(dá)10 m，擁有13個(gè)波段，單星重返周期10 d，在未來(lái)數(shù)年內(nèi)將發(fā)射Sentinel-3A等持續(xù)衛(wèi)星[7]。由于Sentinel-2A數(shù)據(jù)具有空間分辨率高、多光譜、重返周期短和免費(fèi)等優(yōu)點(diǎn)，在未來(lái)遙感研究領(lǐng)域必將占有一席之地，因此選用Sentinel-2A遙感數(shù)據(jù)，以康定雅拉地區(qū)為例進(jìn)行礦化蝕變異常信息提取，為Sentinel-2A新型光學(xué)遙感數(shù)據(jù)在遙感找礦中的應(yīng)用提供參考。

1　Sentinel-2A概況

1.1　Sentinel-2A衛(wèi)星簡(jiǎn)介

Sentinel-2A衛(wèi)星于2015年6月23日成功發(fā)射升空，在距離地面高度786 km、傾角98.5°的太陽(yáng)同步軌道上運(yùn)行，衛(wèi)星設(shè)計(jì)壽命為7 a(燃料可維持12 a)，單星赤道重返周期為10 d，“哨兵”雙星每隔5 d對(duì)全球84°N-56°S范圍內(nèi)的所有地物覆蓋成像一次。Sentinel-2A 衛(wèi)星自發(fā)射升空后經(jīng)過(guò)近半年的運(yùn)行和調(diào)試后正式向全球用戶(hù)提供免費(fèi)數(shù)據(jù)下載，Sentinel-2A數(shù)據(jù)以大寬幅、多光譜、高分辨率等優(yōu)點(diǎn)成為多光譜遙感應(yīng)用領(lǐng)域關(guān)注的熱點(diǎn)[8]，該衛(wèi)星將作為歐洲SPOT-5和Landsat 8衛(wèi)星的延續(xù)者，在其服役期間將提供全球陸地和海岸帶的全部數(shù)據(jù)，數(shù)據(jù)主要用于全球高分辨率和高重返能力的陸地觀測(cè)、生物物理變化制圖、環(huán)境監(jiān)測(cè)、海岸監(jiān)測(cè)和內(nèi)陸水域監(jiān)測(cè)以及風(fēng)險(xiǎn)和災(zāi)害制圖等。

1.2　光譜特性

Sentinel-2A衛(wèi)星上搭載的高分辨率多光譜成像儀(MSI)是一種基于濾光片的推掃式成像儀，能有效區(qū)分可見(jiàn)光(VIS)、近紅外(NIR)和短波紅外(SWIR)區(qū)間的13個(gè)波段，成像幅寬為290 km，每10 d更新一次全球陸地表面成像數(shù)據(jù)[9-10]。Sentinel-2A光譜分辨率為15～180 nm，空間分辨率為10，20，60 m 3種，13個(gè)采集譜段中有6個(gè)可見(jiàn)光通道，4個(gè)近紅外短波通道，3個(gè)近紅外長(zhǎng)波通道。為了直觀突出Sentinel-2A遙感數(shù)據(jù)特點(diǎn)，將服役年限、重返周期、成像寬幅、波段數(shù)量和空間分辨率基本參數(shù)與Landsat 8進(jìn)行對(duì)比分析，結(jié)果如表1，表2。

表1　Sentinel-2A和Landsat 8參數(shù)對(duì)比Table 1 Comparison of two satellite parameters

表2　Sentinel-2A和Landsat 8波段對(duì)比Table 2 Comparison of two satellite bands(to be continued)

續(xù)表2　Sentinel-2A和Landsat 8波段對(duì)比Table 2 Comparison of two satellite bands(continued)

從表1可以看出Sentinel-2A遙感數(shù)據(jù)在各個(gè)方面都有很大的優(yōu)勢(shì)，尤其是在影像分辨率和波譜數(shù)量上優(yōu)勢(shì)明顯，這將有利于定量遙感的發(fā)展。

Sentinel-2A遙感數(shù)據(jù)有13個(gè)波段，據(jù)目前國(guó)內(nèi)外研究表明Band 1 是氣溶膠波段，通常用于氣溶膠校正，而B(niǎo)and 2，Band 3，Band 4，Band 5，Band 6，Band 7，Band 8和Band 8a是提取植被的良好波段，主要用于陸地覆蓋分類(lèi)、植被監(jiān)測(cè)以及礦物探測(cè)，Band 9 是水汽波段，用于水蒸氣校正，Band 10是卷云波段，特殊情況下用于洋流探測(cè)，Band 11和Band 12適合提取雪、云、冰信息和物理參數(shù)反演。其中，4個(gè)空間分辨率為10 m的波段可使Sentinel-2A衛(wèi)星數(shù)據(jù)同SPOT-5或Landsat 8任務(wù)之間保持良好的連續(xù)性，以滿足用戶(hù)特別是在土地覆蓋基本分類(lèi)方面的需求；6個(gè)空間分辨率為20 m的波段可以滿足用戶(hù)在土地覆蓋高級(jí)分類(lèi)和地球物理參數(shù)反演等方面的需求；3個(gè)空間分辨率為60 m的波段主要用于大氣校正和卷云篩選。在波段分布上，在Sentinel-2A衛(wèi)星數(shù)據(jù)比Landsat 8分布在可見(jiàn)光區(qū)間多1個(gè)波段、在近紅外多3個(gè)波段、短波紅外波段數(shù)相同，但在中遠(yuǎn)紅外區(qū)間，Sentinel-2A無(wú)波段分布，較Landsat 8稍顯不足?？梢钥闯鯯entinel-2A的優(yōu)勢(shì)在于可見(jiàn)光和近紅外短波的應(yīng)用，比如遙感找礦、植被監(jiān)測(cè)以及陸地覆蓋高級(jí)分類(lèi)和定量分析等應(yīng)用，并且Sentinel-2A衛(wèi)星數(shù)據(jù)在波譜分辨率和空間分辨率上較Landsat 8分辨率更高，可以預(yù)見(jiàn)在定量遙感某些領(lǐng)域?qū)⑷〈鶯andsat 8而得到更廣泛的應(yīng)用。

1.3　數(shù)據(jù)級(jí)別介紹

根據(jù)歐空局提供的Sentinel-2A遙感數(shù)據(jù)相關(guān)說(shuō)明資料并參考國(guó)內(nèi)外學(xué)者的論文[11]，將Sentinel-2A遙感數(shù)據(jù)分為5個(gè)層次級(jí)別數(shù)據(jù)，如表3。

表3　Sentinel-2A數(shù)據(jù)層次級(jí)別Table 3 Sentinel-2A data hierarchy level

Sentinel-2A數(shù)據(jù)處理過(guò)程和Landsat 8數(shù)據(jù)相似，由前端傳感器收集數(shù)據(jù)、壓縮傳回地面工作站、工作站進(jìn)行數(shù)據(jù)解壓、數(shù)據(jù)重排列，然后進(jìn)行遙感數(shù)據(jù)特有的輻射校正、重采樣、正射影像校正和大氣表觀反射率計(jì)算等一系列操作組成。

2　數(shù)據(jù)及預(yù)處理分析

2.1　研究區(qū)概況及數(shù)據(jù)選取

選取四川省康定雅拉局部地區(qū)為研究區(qū)域，地理坐標(biāo)在北緯30°0′-30°20′、東經(jīng)101°25′-102°0′之間。長(zhǎng)期以來(lái)，由于受青藏高原急劇隆起抬升和大渡河等河流的切割作用，導(dǎo)致研究區(qū)地形異常復(fù)雜，其間分布有高山、坡陡和深谷等復(fù)雜地形地貌。研究區(qū)平均海拔2 500 m左右，氣候?qū)儆谇嗖馗咴痛箨懠撅L(fēng)氣候區(qū)，常年氣候干燥、降雨量小、晝夜溫差大，植被發(fā)育較差，積雪覆蓋區(qū)較少，并且地處康定偏遠(yuǎn)山區(qū)，自然環(huán)境惡劣，人口稀少，交通不便，不易于現(xiàn)場(chǎng)勘察找礦。在這樣的高海拔、高風(fēng)險(xiǎn)、高裂度的地區(qū)進(jìn)行人工找礦成本高、工期長(zhǎng)，人工勘探不具有現(xiàn)實(shí)意義，但是遙感找礦正好適用于這種植被覆蓋少、海拔較高的山區(qū)。根據(jù)甘孜藏族自治州礦產(chǎn)資源分布圖顯示，目前已經(jīng)探明的礦產(chǎn)資源有金、銀、鉛等貴重金屬礦產(chǎn)，其中巖金礦和砂金礦分布居多，銅礦其次，研究區(qū)礦產(chǎn)資源豐富，是用于基于Sentinel-2A數(shù)據(jù)的遙感找礦的良好地區(qū)，并且研究區(qū)內(nèi)Sentinel-2A遙感數(shù)據(jù)和Landsat 8遙感數(shù)據(jù)影像清晰，辨識(shí)度高，因此選取該地區(qū)作為礦化蝕變異常信息提取的試驗(yàn)區(qū)。

研究區(qū)實(shí)驗(yàn)數(shù)據(jù)采用Sentinel-2A遙感數(shù)據(jù)和Landsat 8遙感數(shù)據(jù)，其數(shù)據(jù)級(jí)別分別為L(zhǎng)1C和L1T，影像拍攝時(shí)間為秋冬季節(jié)，植被積雪覆蓋少，對(duì)提取蝕變信息影響小，兩景影像含云量少，不同地物之間的層次感強(qiáng)，色調(diào)對(duì)比度好，紋理細(xì)節(jié)清晰。圖1為研究區(qū)影像，表4列出了影像基本信息。

圖1　研究區(qū)影像Fig.1　Study area image

數(shù)據(jù)類(lèi)型名稱(chēng)波段數(shù)數(shù)據(jù)級(jí)別采集時(shí)間含云量Sentinel?2AS2A＿OPER＿PRD＿M(jìn)SIL1C＿PDMC＿20161122T152355＿R104＿V20161121T035042＿20161121T03504213L1C2016-11-215．1%Landsat8LC81310392016277LGN0011L1T2016-10-038．3%

2.2　數(shù)據(jù)預(yù)處理

為了提高提取蝕變信息精度，消除大氣對(duì)地物波譜的影響和便于后期進(jìn)行礦化蝕變信息處理，在進(jìn)行礦化蝕變信息提取前，需要對(duì)Sentinel-2A影像和Landsat 8影像做圖像預(yù)處理。Sentinel-2A遙感數(shù)據(jù)預(yù)處理分為大氣下墊面校正、圖像重采樣及L2A級(jí)別的數(shù)據(jù)導(dǎo)出、波段融合及研究區(qū)裁剪等三大步驟。傳統(tǒng)大氣校正忽略了大氣下墊面對(duì)地物波譜的影響，為了得到更精確的地物波譜信息，使用歐空局提供的SNAP(Sentinel Application Platform，版本5.0)軟件中Sen2Cor模塊進(jìn)行大氣下墊面校正[12]，其具體操作過(guò)程為：首先在SNAP中打開(kāi)sentinel-2A的原始數(shù)據(jù)(L1C數(shù)據(jù))，其次調(diào)用Sen2Cor處理模塊(該模塊需要用戶(hù)手動(dòng)安裝)，設(shè)置參數(shù)Resolution為10 m(可以選擇10,20,60 m)，然后進(jìn)行重采樣(Resampling)操作，最后導(dǎo)出L2A級(jí)別數(shù)據(jù)至ENVI中進(jìn)行礦化蝕變信息提取。Landsat 8遙感數(shù)據(jù)預(yù)處理同樣需要對(duì)影像進(jìn)行大氣校正、圖像重采樣和研究區(qū)裁剪等步驟，殊途同歸，最后也需要使用ENVI進(jìn)行礦化蝕變信息提取，其具體流程如圖2所示。

圖2　數(shù)據(jù)處理流程圖Fig.2　Data processing flow chart

Sentinel-2A遙感數(shù)據(jù)預(yù)處理特殊在于需要調(diào)用SNAP軟件中Sen2Cor模塊進(jìn)行大氣下墊面(BOA)校正，并將L1A級(jí)別數(shù)據(jù)轉(zhuǎn)為L(zhǎng)2A級(jí)別數(shù)據(jù)[13-14]；經(jīng)SNAP軟件預(yù)處理后的Sentinel-2A遙感數(shù)據(jù)，由13個(gè)波段減少至10個(gè)波段，缺少Band 1，Band 9和Band 10共3個(gè)波段，處理后數(shù)據(jù)是10個(gè)波段單獨(dú)保存的img文件，在影像空間分辨率上提高到10 m。由于進(jìn)行大氣下墊面校正，一定程度上減低大氣散射對(duì)地物波譜的影響，間接提高了礦化蝕變異常信息提取精度。為直觀了解大氣下墊面校正對(duì)波譜產(chǎn)生的影響，在SNAP軟件中，分別選取Sentinel-2A數(shù)據(jù)(L1C級(jí)別和L2A級(jí)別)中植被、裸地、巖石和積雪4種不同類(lèi)型地物，用這4種典型地物光譜特征圖來(lái)反映經(jīng)Sen2Cor模塊處理前后的地物光譜變化情況，如圖3所示。

圖3　地物波譜圖(L1C和L2A)Fig.3　Geomorphic spectra (L1C & L2A)

從圖3可知，在經(jīng)過(guò)大氣下墊面校正后，積雪波譜曲線變化最大，巖石波譜曲線和植被波譜曲線除在0.75 μm到0.90 μm有波動(dòng)，其他地方大致相同，裸地波譜曲線從可見(jiàn)光到2.5 μm附近都存在著細(xì)微改變，從前后變化可以看出L2A數(shù)據(jù)的光譜特性與真實(shí)地物光譜特性更為接近。

3　礦化蝕變異常信息提取

礦化蝕變異常信息提取是以礦床圍巖發(fā)生蝕變導(dǎo)致其光譜異常為依據(jù)而進(jìn)行的提取方法，圍巖礦化蝕變實(shí)際上是由于熱液經(jīng)過(guò)一定的區(qū)域(如斷層等)后形成一個(gè)礦物組成、化學(xué)組成等不同于圍巖的一個(gè)帶，而在形成蝕變的過(guò)程中，羥基蝕變非常常見(jiàn)，因此通過(guò)提取羥基蝕變異常信息來(lái)快速圈定蝕變帶，從而確定找礦靶區(qū)。根據(jù)USGS標(biāo)準(zhǔn)波普庫(kù)中各礦物波譜特征曲線發(fā)現(xiàn)，羥基蝕變圍巖中的主要代表礦物有蒙脫石(montmorillonite)、埃洛石(halloysite)、伊利石(illite)和絹云母(muscovite)等4種礦石，這4種礦物波譜特征曲線如圖4所示。據(jù)礦產(chǎn)資源分布圖反映，研究區(qū)內(nèi)分布有數(shù)量不等硫礦、銅礦、水晶礦、石灰石礦、鉛鋅礦和金礦，在這些類(lèi)型不同的礦床中，其圍巖蝕變形成蝕變帶時(shí)常常伴隨著不同程度的羥基蝕變，故可以通過(guò)羥基蝕變信息來(lái)反演可能會(huì)發(fā)生羥基蝕變的礦床位置，從而快速精確地圈定所找礦床位置。

圖4　羥基礦物波譜圖Fig.4　Hydroxyl mineral spectroscopy

羥基蝕變異常信息提取所采用的方法是主成分分析法(PCA)，該方法主要采用“Crosta(克羅斯塔)”原理，是一種根據(jù)地物波譜特征和特征向量矩陣來(lái)提取目標(biāo)地物信息的方法。結(jié)合礦化蝕變異常信息提取過(guò)程中主成分分析法相關(guān)理論[15]，發(fā)現(xiàn)通常采用具有代表蝕變基團(tuán)波譜“高低起伏”的4個(gè)波段組合進(jìn)行主成分分析，比如利用Landsat 7數(shù)據(jù)時(shí)，使用TM1，TM4，TM5，TM7這4個(gè)波段組合進(jìn)行主成分分析提取羥基蝕變異常信息。經(jīng)主成分分析后產(chǎn)生的4個(gè)分量，第一個(gè)分量囊括絕大部分信息，后面分量信息依次遞減，噪聲依次增多，通常認(rèn)為PC1主要是植被等地物信息，PC2或者PC3是礦化蝕變異常信息或云量、陰影信息等，PC4主要是噪聲，含有少量特殊蝕變信息。

3.1　Sentinel-2A蝕變信息提取

在基于Sentinel-2A影像提取羥基蝕變信息過(guò)程中，常見(jiàn)羥基蝕變礦物在Sentinel-2A的11波段即波長(zhǎng)1.6 μm附近有強(qiáng)反射峰，在12波段即波長(zhǎng)2.2 μm附近有強(qiáng)吸收谷，因此選擇Sentinel-2A數(shù)據(jù)Band 2,Band 4,Band 11和Band 12這4個(gè)波段組合進(jìn)行主成分分析提取羥基蝕變信息。其具體實(shí)現(xiàn)技術(shù)途徑分為3個(gè)大步驟：首先，將下載的L1C“哨兵2A”載入SNAP軟件，調(diào)用Sen2Cor模塊將其處理為L(zhǎng)2A數(shù)據(jù)(也可以直接解壓下載數(shù)據(jù)壓縮包，然后在DOS窗口輸入代碼調(diào)用Sen2Cor模塊，代碼為：L2A_Process xxx --resolution=10；xxx為解壓文件路徑)，接著在SNAP軟件中將L2A數(shù)據(jù)在OUTPUT菜單下將其輸出為 .ENVI格式的數(shù)據(jù)；然后將得到的數(shù)據(jù)在ENVI軟件中打開(kāi)，并將需要的若干波段重組得到 .dat數(shù)據(jù)；最后點(diǎn)擊ENVI中的PCA Rotation菜單下的Forward PCA Rotation New Statistics and Rotate子菜單，并設(shè)置輸入數(shù)據(jù)、統(tǒng)計(jì)文件和數(shù)據(jù)輸出路徑、參數(shù)默認(rèn)，對(duì) .dat數(shù)據(jù)進(jìn)行處理分析，找到診斷波段并設(shè)置合理閾值，接著密度分割、信息提取等操作。羥基蝕變信息主分量選擇標(biāo)準(zhǔn)是Band 11和Band 12符號(hào)相反，且貢獻(xiàn)值應(yīng)該最大；主成分特征向量矩陣結(jié)果如表5所示，根據(jù)主分量選擇標(biāo)準(zhǔn)可知，選用PC3作為表征羥基蝕變信息增強(qiáng)圖像，并對(duì)其進(jìn)行密度分割，提取結(jié)果如圖5所示。

表5　主成分分析特征向量(Sentin1-2A數(shù)據(jù))Table 5 Feature vector of principal component analysis (sentinel-2A data)

圖5　Sentinel-2A蝕變信息Fig.5　Sentinel-2A alteration information

圖5中紅色區(qū)域代表Sentinel-2A影像提取的羥基蝕變異常信息，經(jīng)初步目視解譯，所提取的蝕變信息大部分位于裸露巖石區(qū)，整體成條帶狀分布，提取的羥基礦化蝕變信息影像清晰，效果良好，經(jīng)過(guò)ArcGIS面積統(tǒng)計(jì)，Sentinel-2A提取的礦化蝕變信息面積約為151.18 km2，約占總面積的6.25%，符合蝕變信息分布規(guī)律。

3.2　Landsat 8蝕變信息提取

在基于Landsat 8影像進(jìn)行PCA法提取羥基蝕變信息異常過(guò)程中，根據(jù)張玉君等知名學(xué)者的研究[16]，采用PCA[2,4,6,7]這4個(gè)波段做主成分分析，羥基蝕變信息的主分量選擇標(biāo)準(zhǔn)是Band 6和Band 7符號(hào)相反，且貢獻(xiàn)值應(yīng)該最大；由表6主成分特征向量矩陣結(jié)果及羥基蝕變異常表征分量具有的特性可知，選用PC3作為表征羥基蝕變信息增強(qiáng)圖像，并對(duì)其進(jìn)行密度分割，提取結(jié)果如圖6。

表6　主成分分析特征向量(Landsat 8數(shù)據(jù))Table 6 Feature vector of principal component analysis(Landsat 8 data)

圖6　Landsat 8蝕變信息Fig.6　Landsat 8 alteration information

圖6中紅色區(qū)域代表Landsat 8影像提取的羥基蝕變異常信息，經(jīng)初步目視解譯，所提取的蝕變信息也大部分位于裸露巖石區(qū)，整體成條帶狀分布，并且和圖5中Sentinel-2A影像提取結(jié)果分布相似，提取羥基礦化蝕變信息影像清晰，效果良好，經(jīng)過(guò)ArcGIS面積統(tǒng)計(jì)，Landsat 8提取的礦化蝕變信息面積為109.95 km2，約占總面積的4.54%，符合分布規(guī)律。

3.3　蝕變信息精度評(píng)價(jià)

在研究區(qū)范圍內(nèi)，對(duì)比Sentinel-2A影像和Landsat 8影像提取羥基蝕變信息，并結(jié)合該地區(qū)地質(zhì)圖(圖略)進(jìn)行驗(yàn)證。

從Sentinel-2A數(shù)據(jù)蝕變異常信息提取結(jié)果(圖5)和Landsat 8數(shù)據(jù)蝕變異常信息提取結(jié)果(圖6)疊加分析可以看出(圖7)：兩種羥基蝕變異常信息集中分布主要有6個(gè)不同區(qū)域，從研究區(qū)區(qū)域構(gòu)造分析提取出的礦化蝕變信息的走向大體上與主要的線性構(gòu)造走向一致，呈東南向西北沿?cái)嗔褞Х植迹饕植嫉攸c(diǎn)在折多山單元和龍布溝單元，主要巖性為粗粒似斑狀黑云母二長(zhǎng)花崗巖、中粒黑云母二長(zhǎng)花崗巖，巖脈主要有二長(zhǎng)花崗巖脈、基性巖脈和輝綠巖脈等，且基本上分布在石炭系、二疊系、泥盆系地層中。通過(guò)統(tǒng)計(jì)，Sentinel-2A提取結(jié)果比Landsat 8提取面積多41.23 km2，較Landsat 8提取精度提高了37.49%。通過(guò)地質(zhì)圖分析和查閱該地區(qū)的礦產(chǎn)資源分布圖證明，Sentinel-2A數(shù)據(jù)像其他傳統(tǒng)數(shù)據(jù)一樣能夠精確進(jìn)行遙感找礦應(yīng)用。

圖7　兩種異常信息分析Fig.7　Analysis of Two Kinds of Abnormal Information

4　結(jié)束語(yǔ)

通過(guò)對(duì)四川省康定雅拉地區(qū)Sentinel-2A遙感數(shù)據(jù)進(jìn)行圖像預(yù)處理、波譜特征分析和主成分分析的礦化蝕變異常信息提取分析發(fā)現(xiàn)，Sentinel-2A遙感數(shù)據(jù)比傳統(tǒng)的Landsat 8遙感數(shù)據(jù)光譜分辨率和空間分辨率更高，利用Sentinel-2A遙感數(shù)據(jù)提取出的礦化蝕變信息和Landsat 8提取結(jié)果吻合，提取精度高，結(jié)合該地區(qū)地質(zhì)圖驗(yàn)證，地層分布、區(qū)域構(gòu)造走向基本吻合。

[1]代晶晶. 埃塞俄比亞西部巖漿熔離型鐵礦遙感找礦模型[J]. 遙感技術(shù)與應(yīng)用,2012,27(3):380-386.

[2]徐云峰,唐菊興,鄭文寶,等. 扎西康鋅多金屬礦床外圍遙感找礦預(yù)測(cè)[J]. 金屬礦山,2014,(2):91-95.

[3]丁暄,童慶禧,鄭蘭芬,等. 光譜遙感找礦理論、技術(shù)與應(yīng)用[J]. 地球化學(xué),1992,(1):1-8.

[4]王守志,邢立新,仲波,等. 基于Landsat 8 OLI和GF-1 PMS數(shù)據(jù)融合的鐵染蝕變信息提取[J]. 遙感技術(shù)與應(yīng)用,2016,31(5):950-957.

[5]傅文杰,洪金益,朱谷昌. 基于SVM遙感礦化蝕變信息提取研究[J]. 國(guó)土資源遙感,2006,(2):16-19，82.

[6]楊斌,李茂嬌,王世舉,等. ASTER數(shù)據(jù)在塔什庫(kù)爾干地區(qū)礦化蝕變信息的提取[J]. 遙感信息,2015,30(4):109-114.

[7]龔燃. 哨兵-2A光學(xué)成像衛(wèi)星發(fā)射升空[J]. 國(guó)際太空,2015,(8):36-40.

[8]DRUSCH M, DEL BELLO U, CARLIER S, et al. Sentinel-2: ESA’s optical high-resolution mission for GMES operational services. Remote Sens Environ,2012, 120:25-36.

[9]岳楨干. 歐洲Sentinel-2A衛(wèi)星即將大顯身手——“哥白尼”對(duì)地觀測(cè)計(jì)劃簡(jiǎn)介(上)[J]. 紅外,2015,36(8):34-48.

[10] 時(shí)麗娜,藉雪峰,王星. 利用Sentinel-2A數(shù)據(jù)的西藏阿里冰崩范圍提取[J]. 內(nèi)蒙古煤炭經(jīng)濟(jì),2017,(2):157-160.

[11] 鄭陽(yáng),吳炳方,張淼. Sentinel-2數(shù)據(jù)的冬小麥地上干生物量估算及評(píng)價(jià)[J]. 遙感學(xué)報(bào),2017,21(2):318-328.

[12] MUELLER-WILM U. Sentinel-2 MSI—Level-2A prototype processor installation and user manual[Z].2016.

[13] HAGOLLE O, HUC M, VILLA P D, et al. A multi-temporal and multi-spectral method to estimate aerosol optical thickness over land, for the atmospheric correction of FormoSat-2, Landsat, VENuS and sentinel-2 images[J]. Remote Sens, 2015, 7(3):2668.

[14] ZHU Z, WANG S, WOODCOCK C E. Improvement and expansion of the Fmask algorithm: cloud, cloud shadow, and snow detection for Landsats 4-7, 8, and Sentinel-2 images[J]. Remote Sens Environ, 2015,159:269-77.

[15] 佟家興,杜海鷹,朱福琴,等. 融合主成分分析與光譜角匹配的金銅礦遙感探測(cè)方法[J]. 金屬礦山,2016,(11):119-123.

[16] 楊金中,方洪賓,張玉君,等. 中國(guó)西部重要成礦帶遙感找礦異常提取的方法研究[J]. 國(guó)土資源遙感,2003,(3):50-53.