基于高光譜的高海拔地區(qū)礦物信息提取與分析

楊燕杰

（核工業(yè)北京地質(zhì)研究院 遙感信息與圖像分析技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室，北京 100029）

成像光譜系統(tǒng)（又稱高光譜）是當(dāng)今遙感科學(xué)發(fā)展的前沿技術(shù)［1-2］。成像光譜系統(tǒng)將空間維與光譜維信息二者融為一體，使得在寬波段多光譜遙感圖像中不可探測(cè)的物質(zhì)成分在高光譜遙感影像中可以被探測(cè)和區(qū)分［3］，利用實(shí)驗(yàn)室精度的波譜特征機(jī)理，能夠直接識(shí)別地表的礦物種類，特別是識(shí)別蝕變礦物［4-5］，定量或半定量估計(jì)蝕變礦物相對(duì)豐度，甚至還可以探測(cè)某些蝕變礦物和造巖礦物的成分和結(jié)構(gòu)變異特征［6］，具有快速，精確，受交通條件影響小等優(yōu)點(diǎn)。礦物填圖是高光譜遙感地質(zhì)應(yīng)用最成功的領(lǐng)域之一［7］，在指導(dǎo)找礦勘探［8］、資源預(yù)測(cè)評(píng)價(jià)方面發(fā)揮著越來越重要的作用。

青藏高原［9］巖石裸露區(qū)氣候條件差，人煙稀少，交通不便，地質(zhì)工作程度低，是地質(zhì)遙感最能發(fā)揮技術(shù)優(yōu)勢(shì)的地區(qū)。納赤臺(tái)地區(qū)位于青藏高原北部，東昆侖中部，隸屬于青海省格爾木市。由于交通狀況較差，傳統(tǒng)勘探方法效率低，并且有些區(qū)域難以到達(dá)，急需引進(jìn)新方法。因此，開展這一區(qū)域的高光譜蝕變信息提取對(duì)礦產(chǎn)勘探具有重要的作用和意義。

1 研究區(qū)與數(shù)據(jù)源

研究區(qū)坐標(biāo)范圍為：東經(jīng)94 度10分至95度10分，北緯35 度44分至36 度05分，面積約為3 500 km2。工作區(qū)氣候?yàn)榈湫痛箨懶詺夂?，地表植被稀少，巖石裸露程度較高，蝕變現(xiàn)象較明顯。青海格爾木納赤臺(tái)地區(qū)礦產(chǎn)資源豐富，特別是銅礦和玉石礦，區(qū)域內(nèi)存在孔雀石化、碳酸鹽化和綠泥石化等礦物蝕變現(xiàn)象，這一地區(qū)人煙稀少，地理分區(qū)屬高寒山地，海拔高、切割深，自然條件惡劣，地面地質(zhì)工作開展在短期內(nèi)獲取礦物分布信息難度大。研究區(qū)內(nèi)僅在中部有G109 國(guó)道穿過，山高溝深，道路難以通行，交通條件較差。

本文蝕變礦物信息提取的數(shù)據(jù)源采用SASI 航空高光譜影像，該系統(tǒng)是具有國(guó)內(nèi)領(lǐng)先、國(guó)際先進(jìn)水平的航空高光譜測(cè)量系統(tǒng)，影像信噪比高。光譜范圍介于950～2 450 nm 之間，有100個(gè)光譜通道，總視場(chǎng)角40°，瞬時(shí)視場(chǎng)角0.07°，每行640個(gè)像元，光譜帶寬為15 nm，在影像像元光譜曲線中能有效識(shí)別蝕變礦物的光譜特征。在相對(duì)航高1 500 m 時(shí)，空間分辨率可達(dá)2 m［10］，SASI 的數(shù)據(jù)特征可以滿足研究區(qū)的數(shù)據(jù)處理要求。

2 處理方法與技術(shù)流程

高光譜影像預(yù)處理利用SASI 航空成像光譜測(cè)量系統(tǒng)自帶的ITRES 軟件［11］進(jìn)行，包括幾何校正和輻射較正。由于高海拔地區(qū)地形復(fù)雜，為削除地形變化對(duì)影像輻射亮度的影響，利用高精度DEM 數(shù)據(jù)（空間分辨率為1 m）對(duì)影像進(jìn)行正射校正。由于黑白布在近紅外波段的光譜比較相似，采用經(jīng)驗(yàn)線性法進(jìn)行大氣校正的效果并不理想，本文主要采用ENVI［12］的FLAASH 大氣校正模塊結(jié)合相對(duì)大氣校正模塊進(jìn)行SASI 影像大氣校正和光譜重建。大氣校正后通過查看校正后影像質(zhì)量，剔除信噪比低的波段和水汽吸收波段，便于信息提取與分析。根據(jù)大氣校正后的影像對(duì)USGS 波譜庫(kù)［13］進(jìn)行重采樣，使其與SASI 影像的波段一致。信息提取使用ENVI 軟件，在提取之前，查閱當(dāng)?shù)氐刭|(zhì)資料，確定當(dāng)?shù)刂饕g變礦物類型，高光譜影像信息提取類型以當(dāng)?shù)匾阎g變類型為主。對(duì)信息提取結(jié)果的驗(yàn)證，采用地質(zhì)資料和實(shí)地光譜測(cè)量相結(jié)合，提高驗(yàn)證的效率。通過地質(zhì)資料與提取結(jié)果的空間疊加分析，總結(jié)蝕變礦物與已知礦點(diǎn)或異常點(diǎn)的空間分布規(guī)律，推測(cè)礦產(chǎn)勘探的有利區(qū)域。研究技術(shù)路線與流程如圖1 所示。

2.1 波段重采樣

在水汽吸收波段范圍內(nèi)的高光譜圖像由于受水汽的影響很大，影像不清晰，在數(shù)據(jù)處理中需要將這些噪聲較多的波段去除，使其不參與后續(xù)的數(shù)據(jù)處理，提高數(shù)據(jù)處理的速度和精度。且由于成像光譜儀每個(gè)條帶的數(shù)據(jù)量很大，且存儲(chǔ)設(shè)備的容量有限，因此在采集航空數(shù)據(jù)之前儀器波段的設(shè)定過程中，應(yīng)當(dāng)減少水汽吸收波段范圍中的波段數(shù)，在水汽吸收波段范圍內(nèi)僅保留用于大氣校正的少數(shù)波段即可。另外，由于一些波段可以根據(jù)當(dāng)?shù)氐牡刭|(zhì)狀況和蝕變礦物的光譜特征以及相應(yīng)的數(shù)據(jù)要求調(diào)整采集的波段位置和數(shù)量，以便于節(jié)約存儲(chǔ)空間，提高信噪比。

2.2 大氣校正

大氣校正是高光譜遙感影像信息提取前的關(guān)鍵性技術(shù)。SASI 影像大氣校正各種方法中，用FLAASH 方法和經(jīng)驗(yàn)線性方法進(jìn)行大氣校正效果較好，但處理速度較慢。利用快速大氣校正效果與FLAASH 差別不大，處理速度更快，且需要參數(shù)較少，如果精度要求不是太高，是理想的大氣校正方法。并且，有時(shí)某一地域內(nèi)的地物光譜曲線相似，用經(jīng)驗(yàn)線性方法和FLAASH 大氣校正后的影像中各個(gè)像元之間的光譜曲線差別不大，難以區(qū)分各種地物信息。另外如果黑白布的面積太小，影響經(jīng)驗(yàn)線性大氣校正方法的效果。這時(shí)，利用IAR reflection 相對(duì)大氣校正方法［14］校正的結(jié)果可以突出各種地物之間的光譜差異，更有利于地物的分類。總之，各種大氣校正方法都有不同的優(yōu)、缺點(diǎn)，需要根據(jù)研究的內(nèi)容結(jié)合使用。

2.3 光譜匹配方法

根據(jù)已知礦物類型在SASI 中的光譜曲線和光譜匹配方法［15］尋找研究區(qū)內(nèi)相同類型的礦物。本文以經(jīng)過野外驗(yàn)證的已知類型像元光譜為基準(zhǔn)，采用整體匹配的光譜角匹配（Spectral Angle Matching，SAM）方法結(jié)合局部特征擬合（Spectral Feature Fitting，SFF），這種方法比利用通用波譜庫(kù)中的礦物波譜曲線的精度要高。在實(shí)際應(yīng)用中，可以首先利用實(shí)地波譜曲線與通用波譜進(jìn)行匹配，確定礦物類型，然后根據(jù)實(shí)地采集礦物波譜的坐標(biāo)在SASI 影像中尋找同名地物點(diǎn)，再用同名地物點(diǎn)在影像中的波譜曲線對(duì)這種類型的礦物信息進(jìn)行提取。該提取蝕變方法對(duì)大氣校正的要求較低，有時(shí)甚至不用做大氣校正，直接利用影像中同名地物光譜對(duì)整個(gè)影像進(jìn)行蝕變礦物信息提取。這種方法具有快速、高效的特點(diǎn)，但對(duì)地面測(cè)量的要求較高，需要精確定位，另一方面提取的礦物種類有限，可能會(huì)遺漏一些礦物類型。

3 蝕變礦物光譜特征分析與信息提取

在不同類型的礦床中，常常有某些特征礦物出現(xiàn)，這些特征礦物稱為礦床的標(biāo)型礦物。在研究區(qū)內(nèi)發(fā)現(xiàn)與目標(biāo)礦產(chǎn)有關(guān)的礦物有綠泥石、白云石和孔雀石，因此對(duì)該三種礦物的光譜特征進(jìn)行分析，根據(jù)特征提取相應(yīng)的礦物信息。

3.1 綠泥石

綠泥石［16］是熱液型多金屬礦床中廣泛分布的近礦暈礦物，其生成與低溫?zé)嵋鹤饔茫瑴\成變質(zhì)作用和沉積作用有關(guān)。綠泥石成分復(fù)雜，一般分子式為：XmY4O10（OH）8，X=Li+、Al3+、Fe3+、Fe2+、Mg、Mn 和Cr3+。m=5～6。Y=Si、Al 及少量Ti、Cr、Fe3+。綠泥石成分的含鐵度［Fe/（Fe+Mg+Mn+Ca）］可用來標(biāo)志礦床的不同金屬組合。

綠泥石光譜曲線（圖2）的特征波段在1 360、1 405、1 388、1 835、1 985、2 085、2 165、2 245、2 265、2 325、2 375、2 418 和2 466 nm，在短波紅外上有5個(gè)光譜特征吸收峰，分別是1 373.5～1 403.5 nm、1 835～2 075 nm、2 235～2 265 nm、2 305～2 355 nm、2 375～2 400 nm。 其中以2 305～2 355 nm的吸收峰最強(qiáng)且較寬，并且對(duì)稱；1 373.5～1 403.5 nm 特征也比較明顯；1 835～2 075 nm 吸收峰寬度最大，但不對(duì)稱。通過綠泥石光譜曲線可見，綠泥石在1 835～2 475 nm 范圍內(nèi)的光譜特征比較明顯，因此利用這一波譜區(qū)間的特征波段提取綠泥石信息。

3.2 白云石

白云石化學(xué)成分為CaMg（CO3）2，主要由碳酸鈣與碳酸鎂所組成［17］（CaCO3與MgCO3的比例大致為1∶1）。白云石存在于結(jié)晶石灰?guī)r以及其他富含鎂的變質(zhì)巖中，部分產(chǎn)于熱液礦脈和碳酸鹽巖石的孔穴內(nèi)，偶爾作為各種沉積巖的膠結(jié)物，為碳酸鹽巖中最常見的一種造巖礦物［18］。

白云石（Dolomite）的光譜曲線（圖3）特征波段在1 796、1 865、1 885、1 985、2 025、2 145、2 185、2 325、2 365、2 496和2 528 nm。在2 185～2 365 nm、2 365～2 560 nm有兩個(gè)明顯的吸收峰。在2 325～2 496 nm 有一個(gè)明顯的反射峰。在1 796～1 885 nm、1 885～2 025 nm 也有兩個(gè)小吸收峰，在1 885 nm 處有一個(gè)小反射峰。白云石在2 185～2 560 nm 的波譜特征明顯。

圖3 白云石的光譜曲線Fig. 3 Spectral curve of dolomite

基于SASI 重采樣后白云石光譜曲線的特征波段有：1 790、1 985、2 015、2 210、2 315 和2 375 nm。其中在2 210～2 375 nm范圍內(nèi)的特征明顯，選擇2 210、2 315 和2 375 nm 等3個(gè)波段可以保持這個(gè)波譜范圍內(nèi)的白云石波譜特征。

3.3 孔雀石

孔雀石是一種碳酸鹽礦物，主要成分為Cu2（OH）2CO3，顏色深綠到鮮艷綠，絲絹光澤或玻璃光澤，半透明至不透明，莫氏硬度介于3.5～4.5 之間?？兹甘a(chǎn)于銅礦的地表、近地表氧化帶，與赤銅礦、藍(lán)銅礦、銅藍(lán)和硅孔雀石等共生，是原生銅礦的重要找礦標(biāo)志礦物，也是一種玉料［19-20］。

孔雀石（Malachite）的光譜曲線（圖4）特征波段在1 985、2 025、2 125、2 215、2 235、2 265、2 315、2 355、2 375、2 400 和 2 496 nm。 在2 235～2 315 nm 有兩明顯的吸收峰。 在2 275～2 355 nm 有一個(gè)明顯的反射峰。在2 375 nm 處有一個(gè)小反射峰。 白云石在2 135～2 450 nm 的波譜特征明顯。

圖4 孔雀石的光譜曲線Fig. 4 Spectral curve of malachite

以SASI 影像為基準(zhǔn)進(jìn)行光譜重采樣后，孔雀石的光譜曲線吸收峰位于2 270 和2 360 nm，在1 200 至2 100 nm 的光譜反射率變化較大。

3.4 信息提取

根據(jù)各種礦物的光譜特征，選擇相應(yīng)的光譜匹配提取方法，利用ENVI軟件對(duì)預(yù)處理后的SASI數(shù)據(jù)進(jìn)行蝕變礦物信息提取。圖5～7是利用SASI高光譜影像提取的相應(yīng)蝕變礦物提取結(jié)果的像元光譜曲線，從影像像元光譜來看，與標(biāo)準(zhǔn)礦物光譜曲線特征基本吻合，證明提取結(jié)果從光譜上是正確的。然后利用實(shí)地考察點(diǎn)記錄和地質(zhì)資料對(duì)蝕變礦物信息提取結(jié)果進(jìn)行逐點(diǎn)匹配驗(yàn)證，結(jié)果表明精度在90 %以上。

圖6 綠泥石的信息提取結(jié)果像元光譜曲線Fig. 6 The extracted result image pixel spectral of the chlorite

圖7 白云石的信息提取結(jié)果像元光譜曲線Fig. 7 The extracted result image pixel spectral of the dolomite

4 結(jié)果分析

圖像的幾何校正和航帶拼接，特別是航空掃描式圖像，需要進(jìn)行多次的重采樣和亮度調(diào)整，有可能影響像元波譜特征。因此目前一般分航帶進(jìn)行礦物識(shí)別，識(shí)別后再作幾何校正和鑲嵌，在此基礎(chǔ)上編制了研究區(qū)礦物分布圖。

將地質(zhì)資料中的相關(guān)礦點(diǎn)及礦化異常點(diǎn)（主要是銅礦點(diǎn)）疊加到提取結(jié)果上，納赤臺(tái)地區(qū)每個(gè)銅礦點(diǎn)周邊都發(fā)現(xiàn)了孔雀石化和綠泥石化，銅礦點(diǎn)及異常點(diǎn)與孔雀石化有很強(qiáng)的相關(guān)性，因此，孔雀石化和綠泥石化空間分布信息提取對(duì)納赤臺(tái)地區(qū)銅礦勘查具有重要意義。根據(jù)白云石礦物信息提取結(jié)果與地質(zhì)資料中玉石礦點(diǎn)的空間相關(guān)分析，納赤臺(tái)地區(qū)每個(gè)玉石礦點(diǎn)周邊都發(fā)現(xiàn)了白云石化，玉石礦與白云石化有很強(qiáng)的相關(guān)性，因此碳酸鹽的信息提取對(duì)玉石礦勘查具有重要意義，這也與地質(zhì)資料中相關(guān)礦點(diǎn)與異常點(diǎn)周邊的蝕變礦物描述相吻合。根據(jù)蝕變礦物與已知礦點(diǎn)之間的空間關(guān)系（銅與孔雀石化，玉石礦與白云石化）（圖8、10），以及研究區(qū)整體的蝕變礦物空間分布規(guī)律，預(yù)測(cè)了研究區(qū)內(nèi)礦產(chǎn)勘查的重點(diǎn)區(qū)（圖9、11）。

圖8 銅礦周邊的蝕變礦物分布圖Fig. 8 Distribution of altered minerals around copper mine

圖9 銅礦勘查預(yù)測(cè)區(qū)Fig. 9 Prediction area of copper exploration

圖10 玉石礦周邊的碳酸鹽空間分布圖Fig. 10 Spatial distribution of carbonate around jade mine

圖11 玉石礦勘查預(yù)測(cè)區(qū)Fig. 11 Jade ore exploration prediction area

5 結(jié) 論

基于SASI 航空高光譜數(shù)據(jù)建立了數(shù)據(jù)處理流程，提取了青海格爾木納赤臺(tái)地區(qū)的孔雀石、綠泥石和白云石等蝕變礦物信息，經(jīng)野外驗(yàn)證表明精度較高。

根據(jù)已知資料與蝕變礦物的提取結(jié)果，分析了提取的蝕變礦物信息、已有礦產(chǎn)與地質(zhì)信息之間的空間關(guān)系，通過總結(jié)礦點(diǎn)與蝕變礦物的空間分布規(guī)律，發(fā)現(xiàn)孔雀石、綠泥石與研究區(qū)內(nèi)的銅礦點(diǎn)與異常點(diǎn)具有很強(qiáng)的相關(guān)性；玉石礦與白云石具有很強(qiáng)的相關(guān)性。

根據(jù)銅礦及玉石礦異常與礦物空間分布信息的相關(guān)性特點(diǎn)，在研究區(qū)內(nèi)蝕變礦物分布區(qū)圈定了銅及玉石礦的預(yù)測(cè)區(qū)，為高海拔地區(qū)礦產(chǎn)勘查提供了技術(shù)支撐，對(duì)提高相應(yīng)礦產(chǎn)（銅及玉石礦）的找礦精度和效率具有重要的意義。