巖礦高光譜遙感及其在青藏高原的應(yīng)用前景*

丁文清 丁 林

（1.中國科學(xué)院青藏高原研究所 北京 100101；2.青藏高原地球系統(tǒng)與資源環(huán)境國家重點實驗室 北京 100101；3.中國科學(xué)院大學(xué)地球與行星科學(xué)學(xué)院 北京 100049）

地質(zhì)學(xué)研究具有宏大的時間—空間尺度特征。古生物化石和同位素地球化學(xué)幫助解決了時間維度的問題，空間上則主要依賴于地質(zhì)工作者的野外調(diào)查。而對于青藏高原等一些地形復(fù)雜的高海拔無人區(qū)，進行傳統(tǒng)的野外勘查和測繪填圖不僅費時、費力、耗財，還具有很高的危險性（Zhang et al.，2021），這在一定程度上限制了對某些關(guān)鍵科學(xué)問題的突破和礦產(chǎn)資源的勘探。遙感科學(xué)具有得天獨厚的空間優(yōu)勢，為解決這一難題提供了可能的方案（Bedini，2017；Frauenfelder，2021）。

有關(guān)遙感科學(xué)在地質(zhì)學(xué)領(lǐng)域的應(yīng)用研究最早出現(xiàn)于20 世紀(jì)60 年代（Beckman and Whitten，1966），直到Hunt（1977）通過室內(nèi)實驗系統(tǒng)地分析了自然界主要礦物和巖石類型的診斷性光譜吸收特征，地質(zhì)遙感的研究才開始逐漸盛行。1999 年搭載于Terra 衛(wèi)星上的ASTER 多光譜傳感器的發(fā)射升空，極大地推動了地質(zhì)遙感的發(fā)展（Gillespie et al.，2005）。ASTER 圖像提供了進行半定量礦物填圖的機會，被地質(zhì)學(xué)界視為在空間能力發(fā)展上的一個真正里程碑（Meer et al.，2012；Bishop et al.，2018），其相關(guān)數(shù)據(jù)近20 年來一直被廣泛用于蝕變礦物填圖和找礦預(yù)測等方面的工作（代晶晶等，2012；Cudahy et al.，2016；Abrams and Yamaguchi，2019；Hu et al.，2019；Chattoraj et al.，2020）。

光學(xué)遙感影像經(jīng)歷了全色—彩色—多光譜—高光譜的發(fā)展歷程（Meer et al.，2012）。高光譜遙感也被稱為成像光譜遙感，相比多光譜具有圖譜合一的特點，即可以同時獲取二維空間信息和連續(xù)的光譜維信息（Goetz et al.，1985；童慶禧等，2006），是目前光學(xué)遙感領(lǐng)域最先進的技術(shù)。光譜分辨率的提高使得由物質(zhì)本身微小成分變化引起的光譜特征差異可以被識別（Clark et al.，1990），因此在巖石礦物分類、化學(xué)組成的探測甚至定量—半定量分析等方面具有更大的優(yōu)勢。經(jīng)過30 多年的發(fā)展，國內(nèi)外已經(jīng)形成了天—空—地多平臺的高光譜遙感觀測體系（圖1），目前已被廣泛地應(yīng)用于基礎(chǔ)地質(zhì)填圖、礦產(chǎn)勘查、油氣勘探、礦山環(huán)境監(jiān)測以及月球、火星等行星地質(zhì)遙感研究中（甘甫平等，2004；王潤生等，2010；Meer et al.，2012；Ramakrishnan and Bharti，2015；童慶禧等，2016；張兵等，2021）。

圖1 多平臺遙感數(shù)據(jù)在地質(zhì)填圖中的綜合應(yīng)用示意圖（據(jù)Booysen et al.，2021 修改）Fig.1 Image depicting the integrated application of various data sets acquired with satellite，airborne and ground-based platforms in geological mapping（modified after Booysen et al.，2021）

1 巖礦光譜特性

太陽光譜通常被劃分為紫外光（UV，0.001～0.4 μm）、可見光（VIS，0.4～0.7 μm）、近紅外（NIR，0.7～3.0 μm）、中紅外（MIR，3.0～30 μm）和遠(yuǎn)紅外（FIR，30 μm～1 mm）等幾部分，而在地質(zhì)領(lǐng)域得到應(yīng)用的主要是可見光—近紅外（VNIR，0.4～1.0 μm）和短波紅外（SWIR，1.0～2.5 μm）光譜區(qū)間（Clark，1999），對熱紅外（TIR，6～14 μm）部分的應(yīng)用則相對比較薄弱。當(dāng)太陽光線照射到礦物或巖石表面時，特定波長的入射光一部分被吸收，另一部分則被反射或透射，吸收或反射的比例取決于物質(zhì)化學(xué)成分和晶體結(jié)構(gòu)。能量的吸收主要由物體內(nèi)電子過程和分子振動造成，電子過程包括晶體場效應(yīng)、電荷轉(zhuǎn)移、導(dǎo)帶和色心；分子振動過程包括化學(xué)鍵的伸縮、彎曲和旋轉(zhuǎn)等（Clark，1999；童慶禧等，2006；Ramakrishnan and Bharti，2015）。Hunt（1977）最早系統(tǒng)分析了各種礦物的特征譜帶位置及其吸收機理（圖2），為通過反射光譜進行礦物探測奠定了基礎(chǔ)。

圖2 實驗測定的主要礦物類型的診斷性光譜吸收特征位置（據(jù)Hunt，1977 修改）Fig.2 Spectral signature diagram of various minerals measured in the laboratory（modified from Hunt，1977）

1.1 電子過程

礦物在可見光區(qū)域的選擇性吸收主要由金屬陽離子的電子過程產(chǎn)生。

（1）晶體場效應(yīng)：晶體場隨礦物的晶體結(jié)構(gòu)不同而變化，因此晶體場中的原子分裂時吸收的能量也不同，礦物中最常見的光譜吸收來自于Ni、Cr、Co、Fe 等過渡族金屬元素。同一離子在不同礦物中由于晶體場的差異也可產(chǎn)生不同的吸收光譜，據(jù)此可以區(qū)分不同礦物種類。

（2）電荷轉(zhuǎn)移：電子在不同能級之間發(fā)生躍遷的過程中會吸收或發(fā)射一定波長的電磁輻射，產(chǎn)生特征的光譜，如Fe-O 在藍波段的能量吸收導(dǎo)致鐵氧化物和氫氧化物常呈紅色。不同價態(tài)的同一金屬元素可能具有不同的吸收特征（如Fe2+和Fe3+），元素的取代也會造成吸收帶位置的微小移動，如赤鐵礦中的Fe 被Al 取代時會導(dǎo)致譜帶漂移。

（3）色心：自然界中的礦物晶體往往并不完美，具有晶格缺陷的礦物晶體被光線照射時引起可見光區(qū)域的光譜吸收稱為色心，常見的鹵化物礦物由于色心的吸收而表現(xiàn)出特殊的顏色，如螢石的黃色、紫色和藍色等。

（4）導(dǎo)帶：在某些半導(dǎo)體礦物中，電子可以駐留在兩個能級中——能級高的導(dǎo)帶（conduction band）和能級低的價帶（valence band），二者間能級的差異稱為帶隙。帶隙與可見光到近紅外波長范圍的光子能量相對應(yīng)，其光譜近似為一個階躍函數(shù)。由于導(dǎo)帶躍遷，硫磺（S）和辰砂（HgS）、輝銻礦（Sb2S3）等硫化物在可見光波段顯示出尖銳的反射邊。

1.2 振動過程

不同成分或結(jié)構(gòu)的晶體由于分子或晶格中化學(xué)鍵的振動在不同位置產(chǎn)生基頻（fundamental），多個基頻振動相互疊加產(chǎn)生倍頻（overtone）和合頻（combination）。礦物在短波紅外區(qū)域的反射率吸收光譜主要由陰離子基團的振動過程產(chǎn)生：

（1）水和羥基：礦物中的水分子可以結(jié)晶水和吸附水的形式存在，在1.4 μm和1.9 μm處表現(xiàn)出明顯的吸收（修連存等，2007）。羥基離子是高嶺石、云母、綠泥石等熱液蝕變礦物中的常見組分，它的吸收位置取決于與它結(jié)合的陽離子，往往成為這些礦物的主要鑒別特征。如含Al-OH 和含Mg-OH 的礦物分別在2.2 μm、2.3 μm 處具有特征吸收光譜，這對于巖漿熱液型礦床的勘查具有重要意義。

（2）碳酸鹽：碳酸鹽的振動吸收譜帶是由平面CO32-產(chǎn)生的，其特征的倍頻和合頻譜帶出現(xiàn)在1.9 μm、2.35 μm 和2.55 μm 附近。精細(xì)的吸收波長位置隨成分不同而變化，如碳酸鹽巖在2.30～2.40 μm 范圍內(nèi)的吸收特征隨樣品中Mg 和Fe 替代Ca 的數(shù)量增加而向短波方向移動，可以用來估計巖石樣品中方解石和白云石等礦物的含量（Laukamp et al.，2021b）。

（3）其他礦物：硫酸鹽、磷酸鹽、硼酸鹽、砷酸鹽和釩酸鹽等也有各自特征的振動吸收光譜，通常它們主要的特征譜帶出現(xiàn)在短波紅外波段（燕守勛等，2003）。

實際上，礦物中可能導(dǎo)致光譜吸收的潛在因素十分復(fù)雜，因此，徹底理解礦物物理化學(xué)與診斷性光譜吸收特征產(chǎn)生機理的關(guān)系對反射光譜的有效解譯至關(guān)重要。最近，Laukamp et al.（2021b）對各種環(huán)境下主要造巖礦物在短波紅外（SWIR）、中紅外（MIR）和熱紅外（TIR）波段的振動吸收特征做了全面的總結(jié)和更新。

1.3 巖石光譜特征

巖石是礦物的集合體，其光譜本質(zhì)上是多種礦物光譜的混合，因此巖石的光譜特征主要取決于其礦物組成及相對含量，同時還受到地表風(fēng)化、巖石結(jié)構(gòu)和表面顏色等外在因素的影響（Feng et al.，2018；王珊珊等，2018）。石英、長石、角閃石等最常見的造巖礦物在可見光—近紅外波段的光譜曲線比較平緩，不具備診斷性特征，其吸收光譜往往是受到雜質(zhì)和水的影響（燕守勛等，2003），但這些硅酸鹽礦物由于Si-O 四面體的振動可以在熱紅外（TIR）區(qū)間產(chǎn)生特征的發(fā)射光譜曲線（Laukamp et al.，2021b）。研究表明，從酸性巖到超基性巖，隨著SiO2含量的減少，巖石在10 μm 附近的特征譜帶向長波方向漂移（Sabins，1999）。美國地質(zhì)調(diào)查局（USGS）構(gòu)建了完整的地物光譜數(shù)據(jù)庫（https：//speclab.cr.usgs.gov/spectral-lib），包含主要巖石、礦物類型的實測光譜曲線（Kokaly et al.，2017）。國際上常用的礦物光譜庫還包括美國宇航局（NASA）的JPL 光譜庫（https：//speclib.jpl.nasa.gov/documents/jpl_desc）、約翰霍普金斯大學(xué)光譜庫（https：//speclib.jpl.nasa.gov/documents/jhu_desc）和ASTER 光譜庫（http：//asterweb.jpl.nasa.gov）。

從以上分析可以看出，巖石和礦物微細(xì)的化學(xué)成分和晶體結(jié)構(gòu)變化常常導(dǎo)致光譜吸收位置和吸收形態(tài)的變化，高光譜遙感憑借其極高的光譜分辨率優(yōu)勢可以敏銳地捕捉到這種差異（Cloutis，1996），因此不僅能識別巖性和礦物大類，也能精細(xì)區(qū)分單礦物甚至是礦物的類質(zhì)同象和固溶體系列（Clark et al.，1990；王潤生，2009）。

2 高光譜遙感巖礦填圖方法

利用高光譜遙感進行巖礦填圖雖然具有獨特的優(yōu)勢，但至今仍面臨著數(shù)據(jù)源有限和處理過程復(fù)雜兩大障礙（Meer et al.，2012；童慶禧等，2016）。目前常用于地質(zhì)領(lǐng)域的代表性高光譜傳感器有美國的Hyperion（甘甫平等，2002a；Bishop et al.，2011；Zadeh et al.，2014；Huang and Zheng，2019）、AVIRIS（甘甫平等，2003；Kruse，2015；Kumar et al.，2020），澳大利 亞 的HyMap（De Boissieu et al.，2018；Meer et al.，2018；李娜等，2021），加拿大的CASI 和SASI（董新豐等，2014，2018；劉德長等，2017；Wan et al.，2021），意大利的PRISMA HSI（Bedini and Chen，2020），以及中國的搭載于高分五號衛(wèi)星（GF-5）上的高級高光譜成像儀（AHSI）（李娜等，2019；董新豐等，2020；Ye et al.，2020；Fu et al.，2021）等，其基本參數(shù)總結(jié)于表1。另外，我國的天宮一號（TG-1）（林健等，2014；Liu et al.，2018）、珠海一號（OHS）（李先怡等，2019）和資源一號02D 星（ZY-1 02D）（李娜等，2020）上也搭載了高光譜傳感器，也可滿足部分巖性礦物填圖的要求，其地質(zhì)應(yīng)用潛力仍有待挖掘。

表1 巖礦填圖常用高光譜傳感器基本參數(shù)Table 1 Basic parameters of hyperspectral sensors commonly used in rock and mineral mapping

高光譜數(shù)據(jù)具有波段多、光譜分辨率高的特點，帶來豐富的地物信息的同時也造成了數(shù)據(jù)的冗余，使得對數(shù)據(jù)的處理更加復(fù)雜。開展高光譜遙感巖礦填圖的基本流程如圖3 所示。由于受到地表特性、大氣過程、遙感器載荷參數(shù)差異等因素的影響，對獲取的高光譜數(shù)據(jù)，根據(jù)產(chǎn)品級別不同，通常需要用戶進行輻射定標(biāo)、大氣校正和幾何校正等預(yù)處理過程（童慶禧等，2006）。其中，大氣校正最常用的方法是FLASSH（Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes），其目的是將光譜輻射率轉(zhuǎn)換為反射率。利用反射率數(shù)據(jù)進行巖礦特征信息提取，其中涉及到特征波段選擇、波段比值和主成分分析以及圖像融合、像元解混等技術(shù)手段（Cloutis，1996），其本質(zhì)都是為了突出巖礦光譜特性與其本身物化屬性間的關(guān)聯(lián)性，從而實現(xiàn)巖性和礦物的精確識別（甘甫平等，2002b）。目前國內(nèi)外發(fā)展的巖礦高光譜識別方法可以分為3 類（王潤生等，2010；Meer et al.，2012；Asadzadeh and de Souza Filho，2016；Hu et al.，2018）：

圖3 高光譜遙感巖礦填圖工作流程Fig.3 Flowchart for hyperspectral remote sensing of rock and mineral mapping

（1）光譜匹配方法：將遙感成像光譜與光譜庫的參考光譜或?qū)崪y光譜相匹配，構(gòu)建某種測度函數(shù)以評估它們之間的相似性，從而對礦物進行分類。如距離法（DBM）、光譜角填圖（SAM）、匹配濾波（MF）、光譜信息散度（SID）、混合調(diào)制匹配濾波（MTMF）等（Bishop et al.，2011；Zadeh et al.，2014；董新豐等，2018；Liu et al.，2018；Wan et al.，2021）。最新的研究還聚焦于混合算法的發(fā)展，即將不同的相似性度量方法綜合于單一度量體系，如Kumar et al.（2020）通過正切三角函數(shù)計算開發(fā)了一種混合算法SIDSAMtan（即SID × tan（SAM）），結(jié)合光譜信息散度和光譜角填圖兩種方法的特點，提高了礦物識別能力。同時提出基于目標(biāo)和非目標(biāo)的光譜相似性矩陣的方法，可用以確定礦物光譜填圖方法的最佳閾值。

（2）模式識別方法：以礦物學(xué)和光譜學(xué)知識為基礎(chǔ)，提取具有診斷性的光譜特征或光譜吸收參數(shù)（如吸收位置、深度、寬度、對稱度等），建立識別規(guī)則，對礦物進行分類（De Boissieu et al.，2018；Meer et al.，2018；Laukamp et al.，2021b），如光譜特征擬合（SFF）、光譜吸收指數(shù)（SAI）和吸收譜帶定位分析（AABP）等。

（3）人工智能方法：上述兩類巖礦填圖方法的應(yīng)用已經(jīng)很成熟，但這類方法往往要求研究者具有足夠的專家經(jīng)驗和先驗知識來設(shè)置合適的參數(shù)，以獲得最優(yōu)分類效果，且只能提取遙感圖像的淺層特征，分類精度有限。近年來，基于機器學(xué)習(xí)和深度學(xué)習(xí)的算法在計算機視覺和圖像分類中的應(yīng)用發(fā)展迅速，但在巖礦填圖領(lǐng)域尚未受到足夠的重視，將是未來的重要發(fā)展方向之一（Shirmard et al.，2022）。該類算法可以同時提取高光譜圖像的空間和光譜特征，在處理高維度、特征復(fù)雜的數(shù)據(jù)方面表現(xiàn)出強大的優(yōu)勢。其基本原理是通過大量訓(xùn)練數(shù)據(jù)讓計算機學(xué)習(xí)知識，使其能夠自動從原始數(shù)據(jù)中提取特征和信息，然后對測試樣本的像元進行分類，減少了人為干預(yù)的主觀性。訓(xùn)練樣本可以是基于研究區(qū)的野外實測光譜，也可以參考大比例尺地質(zhì)圖，選取高光譜圖像中典型的巖體單元，繪制訓(xùn)練區(qū)域，通常后者的效果更好。國內(nèi)外已有學(xué)者將部分人工智能算法引入到巖礦填圖的實驗中，機器學(xué)習(xí)算法如隨機森林（RF）、支持向量機（SVM）、極限學(xué)習(xí)機（ELM）等（Hu et al.，2018，2019；Thiele et al.，2021）；深度學(xué)習(xí)算法如棧式自編碼（SA）、深度信念網(wǎng)絡(luò)（DBN）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）等（Ye et al.，2020；Fu et al.，2021）。

針對不同的礦物、巖石類別及區(qū)域具體情況，選擇合適的光譜填圖方法，最終可以得到巖性或礦物類別分布的填圖結(jié)果。而礦物豐度的定量反演主要使用經(jīng)驗?zāi)Ｐ秃突谳椛鋫鬏斃碚摰奈锢砟Ｐ?，如光譜吸收指數(shù)、光譜混合分解和數(shù)理統(tǒng)計等方法。此外，物質(zhì)的化學(xué)成分變化會影響光譜吸收的波長位置，特征吸收的深度則與物質(zhì)的豐度成正相關(guān)，因此利用高光譜技術(shù)也能進行礦物化學(xué)組成的定量反演（Meer，2018；Laukamp et al.，2021b）。最終通過精度評價、野外查證和地球化學(xué)分析可以檢驗高光譜填圖的準(zhǔn)確性。

值得注意的是，遙感填圖的結(jié)果往往具有一定的不確定性，可能會存在假異常。研究者們已經(jīng)逐漸認(rèn)識到，結(jié)合地質(zhì)、地球化學(xué)、地球物理的多學(xué)科手段交叉驗證可以有效增加礦體預(yù)測的準(zhǔn)確性和可靠性，降低勘探風(fēng)險。如Chattoraj et al.（2020）將基于ASTER 遙感數(shù)據(jù)的光譜填圖結(jié)果與布格重力異常、元素異常、線性構(gòu)造密度圖結(jié)合，分別賦予不同的權(quán)重值，疊加后識別出了最有潛力的礦化區(qū)。

3 巖礦高光譜遙感應(yīng)用進展

3.1 區(qū)域巖礦填圖

美國內(nèi)華達州的Cuprite 地區(qū)是開展遙感地質(zhì)學(xué)試驗和應(yīng)用示范最經(jīng)典的地區(qū)，由于地處干旱環(huán)境，熱液蝕變區(qū)域出露良好，發(fā)育有明礬石、高嶺石、伊利石、白云母等蝕變礦物，吸引了眾多國內(nèi)外研究者在此進行遙感巖礦填圖（Goetz et al.，1985；Kruse et al.，2003；董新豐等，2020）。Goetz and Srivastava（1985）使用世界上首臺機載成像光譜儀（AIS）在Cuprite 地區(qū)發(fā)現(xiàn)了一種十分稀少的礦物——水銨長石，該礦物在野外調(diào)查中難以直接鑒別，但具有2.12 μm 的特征吸收光譜。Bedini and Chen（2020）的填圖結(jié)果則表明，30 m 空間分辨率的星載PRISMA 傳感器也能成功探測出露面積較小的水銨長石。我國自然資源航空物探遙感中心利用Cuprite 地區(qū)的AVIRIS 數(shù)據(jù)開展礦物識別試驗，提出并建立了分別以特征譜帶—譜帶組合—全譜帶光譜分解進行礦物大類—單礦物—礦物精細(xì)識別的分層識別礦物譜系（甘甫平等，2003），取得了較好的效果。最近，Tan et al.（2020）提出一種基于巖性超像元的波段選擇方法，應(yīng)用于Cuprite 和準(zhǔn)噶爾地區(qū)的巖性填圖中，通過選擇更少的波段數(shù)而獲得了更精確的分類結(jié)果。

Hyperion 作為世界上首臺星載高光譜傳感器，覆蓋了VNIR-SWIR 波段，且影像數(shù)據(jù)相對容易獲取，因此多年來無論國內(nèi)還是國外的衛(wèi)星高光譜巖礦識別研究都以Hyperion 為主要數(shù)據(jù)來源。然而，較低的信噪比影響了Hyperion 提取特征光譜和識別單礦物的能力，往往導(dǎo)致具有相似光譜特征的礦物被混淆（Kruse et al.，2003；Zadeh et al.，2014）。中國于2018 年發(fā)射的GF-5 AHSI 傳感器不僅光譜分辨率更高，其信噪比（SNR）和幅寬也大大優(yōu)于Hyperion（孫允珠等，2018；劉銀年等，2020），有效緩解了當(dāng)前高光譜數(shù)據(jù)源不足的處境，已經(jīng)在地質(zhì)領(lǐng)域的應(yīng)用中表現(xiàn)出了強大的性能，并將在未來的高光譜巖礦研究中持續(xù)發(fā)揮作用。如董新豐等（2020）基于GF-5 衛(wèi)星AHSI 數(shù)據(jù)在甘肅柳園地區(qū)開展工作，使用綜合了光譜特征增強匹配度和特征參量的礦物識別方法，共識別出白云石、方解石、絹云母、綠泥石和高嶺石等10 余種礦物，并進一步對絹云母Al 含量信息進行了反演（圖4）。結(jié)果表明GF-5 超高的光譜分辨率在礦物成分信息識別上具有很強的優(yōu)勢，但與機載傳感器數(shù)據(jù)相比，空間分辨率較低導(dǎo)致像元混合明顯，可能造成對含量較低的礦物有一定漏檢。

圖4 柳園地區(qū)GF-5 衛(wèi)星高光譜礦物填圖結(jié)果（據(jù)董新豐等，2020 修改）a.礦物分布圖；b.絹云母成分圖Fig.4 Hyperspectral mineral mapping result of GF-5 of Liuyuan area（modified from Dong et al.，2020）

機器學(xué)習(xí)、深度學(xué)習(xí)方法在遙感圖像分類中的應(yīng)用成為近年來高光譜研究的一大熱點，在巖礦領(lǐng)域也表現(xiàn)出很好的應(yīng)用潛力（Shirmard et al.，2022）。Ye et al.（2020）基于深度學(xué)習(xí)的方法，利用GF-5 AHSI 圖像在柳園地區(qū)進行巖性單元填圖，成功劃分了不同時代的巖漿巖、沉積巖和變質(zhì)巖等十多種巖性單元，與區(qū)域地質(zhì)圖基本一致（圖5）。不但表明高分五號SWIR 數(shù)據(jù)信噪比高，滿足大比例尺、大面積巖性填圖的要求（李娜等，2021），也證明了深度學(xué)習(xí)算法在巖性填圖中的優(yōu)越性，其使用的多尺度三維深度卷積神經(jīng)網(wǎng)絡(luò)法（M3D-DCNN）分類精度高、分類效果穩(wěn)定，總體精度高達97%。Fu et al.（2021）評估了棧式自編碼（SAE）和幾種卷積神經(jīng)網(wǎng)絡(luò)方法（CNN）在蝕變礦物填圖中的性能，直接填繪了西藏多龍礦集區(qū)的絹英巖化帶、泥化帶和青磐巖化帶的空間分布，表明深度學(xué)習(xí)方法具有強大的學(xué)習(xí)能力，可以從高光譜圖像中同時提取深層光譜和空間特征，減少相似礦物間的錯分誤差。

圖5 柳園地區(qū)GF-5 AHSI 巖性填圖結(jié)果與區(qū)域地質(zhì)圖比較（據(jù)Ye et al.，2020 修改）Fig.5 Comparison between GF-5 AHSI lithological map and regional geological map in Liuyuan area（modified from Ye et al.，2020）

越來越多的對比研究表明，綜合多譜段或全譜段的光譜填圖可以充分發(fā)揮不同波段的特性，大大改進對巖性單元和蝕變礦物的填圖效果。這是因為每個波段區(qū)間具有不同的巖礦識別能力，針對不同地物有各自的優(yōu)勢和局限性。如VNIR 波段適于提取含鐵離子的礦物，SWIR 波段則可以區(qū)分碳酸鹽礦物和含Al-OH、Mg-OH 的熱液蝕變相關(guān)礦物，而TIR 波段具有識別石英和主要造巖硅酸鹽礦物的能力。Kruse（2015）通過邏輯運算符對VNIR-SWIR-LWIR 波段數(shù)據(jù)進行組合，在全譜段范圍內(nèi)獲得蝕變礦物和巖性填圖的綜合結(jié)果，彌補了各波段獨立分析的不足。Feng et al.（2018）則是采用連續(xù)小波分析（Continuous Wavelet Analysis）方法結(jié)合SWIR-LWIR 數(shù)據(jù)，同時獲取了超鎂鐵質(zhì)巖體、鎂鐵質(zhì)巖體和富石英沉積物等地質(zhì)單元的空間分布，不但減小了光譜數(shù)據(jù)的隨機噪聲和空間條帶對巖性解譯的影響，同時也增強了相似巖體間微小的礦物成分差異。

此外，相較于野外地質(zhì)填圖的區(qū)域局限性，高光譜遙感填圖可以發(fā)現(xiàn)一些通過傳統(tǒng)手段難以探測到的隱伏斷層和巖體，從而對過去地質(zhì)調(diào)查繪制的地質(zhì)圖進行校對和修訂（李娜等，2021；Wan et al.，2021）。

3.2 礦產(chǎn)資源勘查

高光譜遙感技術(shù)已在金伯利巖礦床、碳酸巖稀土礦床、斑巖礦床、淺成低溫?zé)嵋盒偷V床、矽卡巖礦床等眾多礦床類型的勘查中得到廣泛應(yīng)用（Bedini，2017），其中最受關(guān)注的則是斑巖型銅礦床（甘甫平等，2002a；Bishop et al.，2011；Zadeh et al.，2014；Hu et al.，2018；Fu et al.，2021）。因為斑巖銅礦具有典型的熱液蝕變和礦化分帶特征——核部為鉀化帶，外圍分別為絹英巖化帶、泥化帶、青磐巖化帶（Lowell and Guilbert，1970）。這些蝕變礦物在SWIR 區(qū)域具有獨特的吸收光譜，很容易被識別，如泥化帶中的高嶺石，表現(xiàn)出在2 200 nm 附近的強烈吸收和2 170 nm 處的次級吸收（圖6）。通過高光譜遙感開展蝕變礦物填圖，不僅有利于圈定找礦靶區(qū)，也能分析成巖成礦的溫壓條件和熱液流體的物理化學(xué)性質(zhì)及遷移過程（Van Ruitenbeek et al.，2005；Guo et al.，2019；唐楠等，2021），反演成巖成礦歷史，從而建立成礦和找礦模型（劉德長等，2017；郭娜等，2018）。

圖6 典型斑巖銅礦蝕變分帶（據(jù)Lowell and Guilbert，1970 修改）及其特征礦物的反射率光譜（光譜數(shù)據(jù)來自USGS splib07a 光譜庫：https：//crustal.usgs.gov/speclab/QueryAll07a.php）Fig.6 Alteration zones of typical porphyry copper deposits（modified from Lowell and Guilbert，1970）and reflectance spectra of characteristic minerals（https：//crustal.usgs.gov/speclab/QueryAll07a.php）

光譜分辨率的提高會導(dǎo)致空間分辨率相對降低，造成更大的像元混合，從而影響礦物識別效果，尤其是對于豐度較小的礦物或小型巖體干擾很大（Kruse et al.，2003；Liu et al.，2018），因此多源遙感數(shù)據(jù)的結(jié)合對于區(qū)域找礦大有裨益。Hu et al.（2018）綜合使用Sentinel-2A、ASTER 和Hyperion 數(shù)據(jù)在青藏高原多龍礦集區(qū)進行熱液蝕變礦物填圖。通過Sentinel-2A MSI 圖像進行鐵氧化物和含羥基礦物填圖，ASTER 數(shù)據(jù)則被用于提取Al-OH 和Mg-OH 族礦物的信息。最后通過匹配濾波法分析Hyperion 高光譜圖像，識別白云母、高嶺石和綠簾石，獲得準(zhǔn)確的熱液蝕變填圖結(jié)果。根據(jù)填圖結(jié)果，圈定了3 個與長英質(zhì)侵入體有關(guān)的成礦遠(yuǎn)景區(qū)。類似地，Bishop et al.（2011）在云南普朗地區(qū)進行高光譜遙感礦產(chǎn)勘查，首先利用ASTER 數(shù)據(jù)確定初始靶區(qū)，再利用Hyperion 數(shù)據(jù)進行詳細(xì)的礦物填圖。最終通過光譜角填圖和混合調(diào)制匹配濾波法識別出一致的蝕變分帶模式，即由中心向外發(fā)生絹英巖化（絹云母）、泥化（高嶺石和蒙脫石）、青磐巖化（綠簾石）的變化，反映了低溫、低硫化組合的特征，代表遠(yuǎn)離侵入雜巖中心的邊緣熱液體系，因此認(rèn)為該區(qū)域可能難以發(fā)現(xiàn)具有重大經(jīng)濟意義的礦床。

對于熱液礦床，高光譜遙感分析主要針對與成礦相關(guān)的各種蝕變礦物組合，而對于礦化蝕變不發(fā)育的地區(qū)也可以通過直接識別礦石礦物進行找礦，比如通過提取赤鐵礦、菱鐵礦分布信息來尋找沉積型鐵礦（董新豐等，2018），或分析風(fēng)化層反射光譜特征以尋找風(fēng)化成因的紅土型鎳礦（De Boissieu et al.，2018）和稀土礦床（Tan et al.，2022）。

利用高光譜技術(shù)對鉆孔巖心成像是光譜地質(zhì)學(xué)發(fā)展的又一趨勢（郭娜等，2018；唐楠等，2021；Medina et al.，2021；Xiao et al.，2021），它彌補了衛(wèi)星和機載平臺只能對地表的礦物分布進行探測而無法在垂向上獲得深部數(shù)據(jù)這一缺陷。通過短波紅外分析實時進行快速、無損的巖心編錄工作，已經(jīng)成為巖漿—熱液礦床勘探中的重要工具。Guo et al.（2019）在青藏高原甲瑪斑巖—矽卡巖型銅礦區(qū)，進行野外鉆孔樣品的可見光—短波紅外反射光譜測量，借助TSG 軟件（The Spectral Geologist?）對巖心中幾種主要礦物的含量進行快速估計。結(jié)合地球化學(xué)數(shù)據(jù)分析，表明Al-OH 波長與Cu、Mo 礦的品位有密切關(guān)系，礦體主要與Al-OH 波長為2 203～2 206 nm 的白云母共存，富礦出現(xiàn)在Al-OH 波長＞2 206 nm 的地方，認(rèn)為甲瑪?shù)V床深部仍有很好的找礦潛力。白云母的特征波長由長到短和結(jié)晶度由高到低的變化指示了成巖溫度由高到低、離成礦中心距離由近及遠(yuǎn)的變化，這對于成礦期次的劃分、流體與圍巖的相互作用和尋找高品位礦床具有重要啟示（Medina et al.，2021；Xiao et al.，2021）。

為了能夠更直觀地反映礦區(qū)地質(zhì)特征、揭示成礦規(guī)律，礦物填圖研究已逐步從二維平面填圖向立體空間的三維填圖模型發(fā)展。為了勘查被沉積物覆蓋的河道型鐵礦（Channel Iron Deposit），澳大利亞科學(xué)家開發(fā)了三維礦物填圖技術(shù)，通過獲取Rocklea穹隆地區(qū)的鉆井巖心高光譜數(shù)據(jù)（HyLogging?）和地表航空高光譜數(shù)據(jù)（HyMap?），并結(jié)合X 射線熒光光譜分析的全巖地球化學(xué)數(shù)據(jù)，來實現(xiàn)3D 可視化礦物填圖的目的（圖7）（Cudahy，2016；Laukamp et al.，2021a）。結(jié)果表明，集成了地表與地下相關(guān)資料的3D礦物填圖技術(shù)可以提高鉆孔布置的準(zhǔn)確性，大大降低勘探風(fēng)險和成本。而利用反射光譜測定的高嶺土結(jié)晶度可以區(qū)分原地風(fēng)化的基巖和被搬運的河道沉積物，聯(lián)合植被解混方法的應(yīng)用，則為在植被發(fā)育和風(fēng)化層覆蓋的地方找礦提供了可能。此外，Thiele et al.（2021）開發(fā)了多尺度、多傳感器數(shù)據(jù)集成的自動化3D 地質(zhì)填圖軟件平臺，應(yīng)用于西班牙Corta Atalaya 露天礦的巖性和蝕變填圖。

圖7 西澳Rocklea 穹隆地區(qū)3D 礦物模型（據(jù)Cudahy，2016 修改）a.Rocklea 穹隆西南斜向3D 視圖，展示了利用機載HyMap?（表層）和鉆井巖心HyLogger?（彩色豎樁）反射光譜測定的高嶺土無序度。冷色代表原地風(fēng)化的基巖，暖色代表被搬運的物質(zhì)（沖積物/塌積物）。CID 的分布是由XRF 測出的FeO 質(zhì)量分?jǐn)?shù)計算得到的，用紅色陰影塊體表示（C）。風(fēng)化的基巖區(qū)域用黃色虛線標(biāo)出，并標(biāo)出那些打進地下貧礦區(qū)的鉆孔（D，E，F(xiàn)，G）。白色直線表示（b）中橫截面（A-B）的位置。 b.通過鉆井巖心和機載遙感影像測得的橫截面（A-B）的FeO 含量，去除了地表植物混合的影響。橙黃色虛線多邊形表示鐵礦殼，從沖積物覆蓋的20 m 以下（H）延伸到出露于地表（I）Fig.7 3D mineral models of the Rocklea dome area，western Australia（modified from Cudahy，2016）

3.3 礦物化學(xué)反演

高光譜遙感在地質(zhì)領(lǐng)域的應(yīng)用不能簡單停留在對巖石礦物類型的鑒別上，也需要強調(diào)對巖礦化學(xué)（元素含量）和物理（與成巖成礦及變質(zhì)過程有關(guān)的溫度、壓力）信息的提取。光譜特征與礦物化學(xué)、晶體結(jié)構(gòu)的關(guān)系變化，可以提供其地質(zhì)成因及形成時的溫、壓信息。王潤生等（2010）研究表明隨綠泥石生成溫度的升高，其Mg-OH /Fe-OH 基團的特征吸收位置向長波方向漂移。白云母在2 200 nm 處有顯著的吸收，這是由OH 拉伸和Al-OH 彎曲共同造成的，而具體的吸收位置與白云母中Alvi的含量有關(guān)。Duke（1994）發(fā)現(xiàn)變質(zhì)雜砂巖中的白云母Alvi含量與變質(zhì)級別成正相關(guān)，即隨變質(zhì)程度增加（從黑云母帶到矽線石帶），白云母中Alvi含量增加，Al-OH 吸收位置向短波方向漂移，吸收深度加深（圖8）。據(jù)此可建立白云母特征譜帶位置與八面體Al 離子含量的相關(guān)回歸方程（梁樹能等，2012），更為重要的是，這為巖石學(xué)家評估變質(zhì)強度的空間變化提供了一種全新的方法，有助于恢復(fù)區(qū)域變質(zhì)歷史信息。此外，在SWIR 區(qū)域，伊利石、高嶺石和白云母的特征波長位置是礦物結(jié)晶度的指標(biāo)，而結(jié)晶度又是這些礦物形成溫度或風(fēng)化程度的指標(biāo)，代表了它們在蝕變系統(tǒng)中所處的位置，因此通過波長特征填圖可以增進對熱液系統(tǒng)中流體路徑和微小地球化學(xué)變化的理解（Van Ruitenbeek et al.，2005；Meer et al.，2018）。

圖8 黑云母帶和矽線石帶全巖粉末樣品的實驗室傅里葉變換紅外反射光譜，顯示了主要的白云母（musc）和黑云母（biot）吸收帶（據(jù)Duke，1994 修改）Fig.8 Laboratory Fourier-transform-infrared reflectance spectra of two whole-rock powders showing principal muscovite（musc）and blotite（biot）absorption bands（modified from Duke，1994）

4 高光譜遙感在青藏高原的地質(zhì)應(yīng)用前景

青藏高原一直是全世界地球科學(xué)研究的前沿?zé)狳c地區(qū)，也是未來發(fā)展地球系統(tǒng)科學(xué)最理想的天然實驗室（Chen et al.，2021），并且礦產(chǎn)資源豐富、植被覆蓋度低，但由于地勢偏遠(yuǎn)、交通不便等原因，地質(zhì)工作程度相對不足。相比于傳統(tǒng)地質(zhì)學(xué)往往針對某個特定剖面開展研究，高光譜遙感可以在大范圍內(nèi)獲取空間上連續(xù)的巖石礦物、元素含量分布信息，有助于增強對區(qū)域地質(zhì)背景的全面理解。同時，地質(zhì)遙感的研究將會大大減少對巖礦實物樣品的需求，做到無損分析，有利于生態(tài)環(huán)境的保護。以下主要從兩大方面分析高光譜地質(zhì)遙感在青藏高原的應(yīng)用前景與發(fā)展方向。

4.1 地質(zhì)填圖與礦產(chǎn)資源勘查

（1）青藏高原海拔高、自然環(huán)境惡劣，傳統(tǒng)的地質(zhì)填圖和找礦方法成本花費高、風(fēng)險大、難以獲取全面信息。遙感制圖正在邁入基于大數(shù)據(jù)和人工智能技術(shù)的智慧制圖時代（宮鵬，2021），巖礦填圖方法也應(yīng)當(dāng)與時俱進，探索將創(chuàng)新的制圖理論與技術(shù)應(yīng)用于地質(zhì)領(lǐng)域。集成多源數(shù)據(jù)的智能化、自動化數(shù)字地質(zhì)填圖是不可阻擋的發(fā)展趨勢（Thiele et al.，2021），一些最新開發(fā)的人工智能算法還沒有被引入遙感圖像處理中，如貝葉斯深度學(xué)習(xí)、圖深度學(xué)習(xí)、轉(zhuǎn)換遞歸神經(jīng)網(wǎng)絡(luò)等，嘗試將這些先進的方法應(yīng)用到青藏高原高光譜巖礦填圖中有望大幅提高野外地質(zhì)填圖的效率與準(zhǔn)確度。

（2）淺成低溫?zé)嵋盒徒鸬V床和斑巖型銅礦床是目前高光譜遙感找礦應(yīng)用最多的礦床類型（Bedini，2017），在青藏高原已發(fā)現(xiàn)的銅礦床中，以多龍礦集區(qū)為代表的斑巖型礦床占比超過一半（王勤等，2017），具有巨大的銅礦資源潛力。大規(guī)模熱液蝕變帶的發(fā)育，使得以蝕變礦物為主導(dǎo)的高光譜遙感找礦勘查在青藏高原大有可為。

（3）作為全球三大成礦域之一，青藏高原成礦規(guī)模大、礦床類型豐富（侯增謙等，2006），除了廣受關(guān)注的斑巖礦床之外，還包括矽卡巖鐵礦（如羌塘南緣材瑪）、蛇綠巖鉻鐵礦（如羅布莎）、造山型金礦（如藏南Au-Sb 成礦帶）、巖漿鎳銅礦（如夏日哈木）等，針對不同礦床類型的成礦巖體及相關(guān)蝕變礦物開展高光譜遙感調(diào)查有望發(fā)現(xiàn)新的礦化點。最近，秦克章等（2021a）在喜馬拉雅瓊嘉崗地區(qū)首次發(fā)現(xiàn)了偉晶巖鋰礦，鋰資源量達超大型規(guī)模。根據(jù)秦克章等（2021b）提出的“向更高處找鋰”的觀點，喜馬拉雅高海拔地區(qū)淡色花崗巖體外側(cè)遠(yuǎn)端的圍巖內(nèi)最可能產(chǎn)出含鋰偉晶巖，然而，由于山高勢險等原因，眾多5 400 m 以上的更高海拔地區(qū)尚未開展檢查工作。利用高光譜和多光譜數(shù)據(jù)探測喜馬拉雅地區(qū)的含鋰礦物（如鋰輝石、鋰云母等）、花崗偉晶巖的分布，將有助于推動青藏高原硬巖型鋰資源的找礦預(yù)測。為滿足世界范圍內(nèi)日益增長的稀有金屬鋰資源需求，未來幾年通過高空間和高光譜分辨率的衛(wèi)星數(shù)據(jù)進行鋰礦勘查將成為新的研究熱點。

（4）巖心高光譜掃描與航空或航天高光譜圖像聯(lián)合分析，增強對巖石或礦物本身的物理化學(xué)信息的提取，不僅可以幫助礦石品位快速分級，也能重建流體遷移路徑、示蹤熱液成礦中心（Van Ruitenbeek et al.，2005；Guo et al.，2019）。如白云母、綠泥石和黑云母等礦物的元素成分受到成巖成礦時溫度、壓力的影響，離成礦中心由近及遠(yuǎn)其光譜曲線發(fā)生變化，基于巖心和航空航天高光譜數(shù)據(jù)，從垂向和平面上同時獲取這些指示礦物的短波紅外特征波長變化，可以有效示蹤熱液成礦中心，幫助圈定成礦遠(yuǎn)景區(qū)。

4.2 基礎(chǔ)科學(xué)問題研究

地質(zhì)遙感雖已發(fā)展多年，但至今仍偏向于巖礦信息提取、礦產(chǎn)勘查等生產(chǎn)性研究，尚未將其與基礎(chǔ)地質(zhì)科學(xué)問題的研究結(jié)合起來，這主要是由于遙感專業(yè)人員缺少地質(zhì)知識而難以把控關(guān)鍵的地質(zhì)科學(xué)問題，而地質(zhì)學(xué)的研究者則對高光譜遙感圖像處理的復(fù)雜性望而卻步。實際上，高光譜遙感在解決基礎(chǔ)地質(zhì)科學(xué)問題上，具有獨特的優(yōu)勢。地質(zhì)學(xué)強調(diào)時間和空間兩個維度，因此，將同位素地球化學(xué)的時間研究手段與遙感的空間識別優(yōu)勢結(jié)合，是高光譜遙感在基礎(chǔ)地質(zhì)應(yīng)用中十分關(guān)鍵的環(huán)節(jié)；另一方面，從遙感圖像獲得的地表信息與從地質(zhì)、地球物理數(shù)據(jù)獲得的深部信息的耦合具有重要的應(yīng)用前景。

（1）不同來源的沉積物其巖性特征、礦物組成、元素含量等都存在區(qū)別（Dickinson and Suczek，1979），產(chǎn)生的光譜特征必然不同。通過高光譜遙感影像的解譯，劃分沉積巖巖性、粒度、化學(xué)成分分布（Leverington，2010），可對青藏高原內(nèi)部發(fā)育的眾多沉積盆地進行物源分析，與碎屑鋯石等測試結(jié)果進行對比，進一步反演研究區(qū)大地構(gòu)造背景。

（2）青藏高原在新生代的構(gòu)造隆升及強烈的巖石風(fēng)化作用，被認(rèn)為是導(dǎo)致亞洲氣候變化的重要原因，但對于其隆升速率和作用機制一直存在爭議。遙感作為一項地球觀測技術(shù)，具有卓越的變化監(jiān)測能力，但迄今為止，地質(zhì)遙感主要使用單一時相的觀測數(shù)據(jù)，而忽略了遙感在研究地物隨時間變化過程方面的優(yōu)勢（Meer et al.，2012）。通過大規(guī)模風(fēng)化成因的粘土礦物填圖（Tan et al.，2022），評估風(fēng)化程度的區(qū)域差異，可以促進我們對氣候和構(gòu)造變化背景下的風(fēng)化、侵蝕和沉積過程的理解（Cudahy et al.，2016），動態(tài)監(jiān)測現(xiàn)代高原的風(fēng)化剝蝕過程，通過區(qū)域?qū)Ρ冗M一步估算高原隆升速率和恢復(fù)古環(huán)境、古高度（甘甫平等，2000）。

（3）青藏高原內(nèi)部發(fā)育多條蛇綠巖帶，作為地史時期古大洋存在的證據(jù)，對于解譯板塊從俯沖消亡到碰撞閉合的歷史至關(guān)重要。通過衛(wèi)星圖像對蛇綠巖帶進行區(qū)域性的高光譜填圖（黃照強等，2010；別小娟等，2013），分析其空間展布特征，結(jié)合傳統(tǒng)的巖石學(xué)、地球化學(xué)分析，可試圖恢復(fù)特提斯造山帶的動力學(xué)演化過程（Clénet et al.，2010）。

（4）高分辨率遙感也可用于斷層、褶皺、穹隆等線性、環(huán)形構(gòu)造的解譯，進一步解剖造山帶的區(qū)域構(gòu)造情況。光譜填圖與干涉合成孔徑雷達（InSAR）、激光雷達（LiDAR）或立體數(shù)字高程模型（DEMs）等的聯(lián)合使用，實現(xiàn)地表礦物空間分布及其與地形聯(lián)系的可視化，有助于理解地質(zhì)和地貌之間的關(guān)系，促進對表層地質(zhì)過程的解釋（Kruse，2012）。

5 結(jié) 語

本文首先介紹了巖礦高光譜遙感的基本原理及其工作方法和流程，然后綜述了近年來高光譜技術(shù)在區(qū)域巖礦填圖、礦產(chǎn)資源勘查和礦物化學(xué)反演等方面的應(yīng)用情況和最新進展，最后對其在青藏高原地質(zhì)研究中的應(yīng)用前景進行了展望。

礦物填圖是高光譜技術(shù)應(yīng)用最成熟也是最能發(fā)揮其優(yōu)勢的領(lǐng)域之一，加深對巖石礦物光譜機理的理解、推動區(qū)域巖礦光譜數(shù)據(jù)庫的構(gòu)建，有效利用遙感成像的空間優(yōu)勢，對更方便、快捷、全面地進行地質(zhì)調(diào)查和科學(xué)研究大有幫助。但目前仍面臨著數(shù)據(jù)量大、像元混合普遍、處理過程復(fù)雜等問題，未來需要提升高光譜填圖技術(shù)的定量化和智能化水平，降低應(yīng)用門檻。充分利用不同傳感器和不同波段的特性，進行多源數(shù)據(jù)融合、全光譜范圍分析，保證巖礦信息提取的準(zhǔn)確性。將傳統(tǒng)地質(zhì)學(xué)、地球化學(xué)和地球物理方法獲得的地下深部資料與遙感手段獲取的地表觀測數(shù)據(jù)、巖心光譜數(shù)據(jù)結(jié)合，注重多學(xué)科交叉、多方法集成，可將高光譜遙感應(yīng)用到解決基礎(chǔ)地質(zhì)科學(xué)問題上來，這也是未來青藏高原地球系統(tǒng)科學(xué)發(fā)展的重要途徑之一。