基于多光譜遙感數據的班怒成礦帶蝕變填圖的方法研究

于 清

（中國地質大學 （北京），北京 100083）

近年來，國外對遙感異常信息的提取已經全面的運用GIS技術結合遙感和物化探的方法來有效的提高找礦和信息提取的效率。美國Landsat-7衛星的出現使原來的TM數據源增加了一個分辨率為15m的全色波段，上面所采集的大量的遙感圖像信息為地質工作者提供了更為有力的數據支持。國內現在在遙感異常信息提取方面也有了飛速的發展，GIS技術和物化探方法的結合成為了遙感找礦的新方法，運用ETM和ASTER數據在植被較少，巖體出露而廣闊的地帶能夠直接提取礦化信息并提供有效的找礦方向和范圍，而對被植被大面積覆蓋，巖體出露較少的偏遠地帶的礦化蝕變信息的提取還不夠便捷和有效是目前存在的問題。從文獻索引來看，單一的運用ETM或ASTER數據對目標區域進行異常信息提取的有很多，但將兩種不同的數據做對比分析研究的卻頗為稀少。

本文在運用ETM和ASTER數據分別進行遙感地質解譯的基礎上，對比兩種數據在解譯過程中個方面的異同，做出深入研究，將兩種數據源的特點做系統的分析，并以現代成礦理論為指導，進行礦化蝕變填圖和圈定異常包的工作，提供一批礦致異常和找礦線索。

1 研究區概況

本問研究區屬于班公湖－怒江成礦帶，行政區劃屬為西藏阿里地區改則縣北部，藏北高原腹地，范圍為北緯32°10′～32°40′、東經83°30′～84°30′，總面積約5400km2。

改則縣地處南羌塘高湖盆區，為高山河谷地帶，無平原，平均海拔4700m，最低海拔4394m。境內山勢平緩，地形由西北向東南傾斜，主要山脈為海拔均在6000m以上的山峰。

工作區內湖泊眾多；區內河流為內流型，主要河流多以湖泊為中心的單獨閉塞向心水系，河流短小，大多為間歇性河流。

2 研究區主要礦床礦化類型分析

研究區內當前已知礦（化）點很少，通過查閱文獻得知，在研究區有四處礦化露頭，礦化類型包括矽卡巖型、構造帶－石英脈型礦化、花崗斑巖型。其中后者礦化較弱，且規模較小，見表1。

表1 研究區各礦區礦種及所對應的蝕變類型及控礦因素

研究區內發育了一系列東西走向的逆沖斷層，與之伴隨的是規模較大的破碎帶（寬約10～50m），破碎帶發生了強烈的構造變形與熱液蝕變作用。三處東西走向構造破碎帶中有發現礦化現象。破碎帶內部原巖可能包含有曲地組或吞龍共巴組碎屑巖及龍格組碳酸鹽巖，但均已發生強烈蝕變，使得原巖組分及組構很難辨認。蝕變類型主要包括硅化和泥化，泥化作用可能較晚，疊加作用在硅化破碎帶之上。此外，石英脈大量發育，穿插于破碎帶之中，局部已因斷裂活動而破碎。

3 研究區遙感異常數據分析

3.1 ETM及Aster的基本數據參數

ETM＋波段特征列于表2。ASTER波段特征列于表3。

Aster數據有14個波段組成，1、2、3波段為可見光/近紅外波段，3B波段為后視成像波段，3N波段與3B波段組成立體像對用于ASTER立體測圖生成DEM。1、2、3波段的空間分辨率為15m，4～9波段為短波紅外波段空間分辨率為30m，10～14波段為熱紅外波段空間分辨率為90m。較ETM相比Aster數據光譜分辨率和空間分辨率都有了較大的改善，可以用來進行蝕變礦物填圖。

表2 ETM＋波段特征

表3 ASTER波段特征

續表3

3.2 遙感異常波譜增強算法確定

通過礦化蝕變類型的診斷波譜特征，利用ETM數據進行蝕變提取時，含羥基蝕變礦物的遙感異常信息提取的方法主要是利用TM1、TM4、TM5、TM7這4個波段進行主成分分析（PCA），這是因為粘土類礦物（含羥基礦物）的特征光譜信息集中在TM5和TM7波段，在TM7波段為特征吸收帶，在TM5相對高反射。鐵染遙感異常的提取方法主要是利用TM1、TM3、TM4、TM5這4個波段進行主成分分析，這是因為鐵氧化物的特征光譜信息集中在了TM1～4波段，在TM3波段呈高反射，在TM4和TM1波段相對吸收。同時為了避免含羥基礦物的干擾，在選取波段組合時舍棄了TM7波段［1］。

利用Aster數據時含羥基蝕變礦物的遙感異常信息提取的方法主要是通過是對Aster數據1、3、4、n波段進行主成分分析，n的選取是由工作區蝕變礦物波譜特性所決定的。鐵染遙感異常的提取方法主要是對1、2、3、4波段做掩膜主分量分析，提取與Fe相關的礦物鐵染遙感異常主分量。第4、6、1波段作為紅綠藍假彩色組合，則（Al-OH）在第6波段的吸收特征顯示紫色；Fe在第1波段的吸收特征顯示黃色。波段比值運算方法對識別蝕變礦物也非常有幫助，利用4/5，4/6，4/7波段作為紅綠藍假彩色組合，在Aster第5、6波段有吸收特征的Al-OH和在第7波段有吸收特征的Fe-OH 顯示為白色［2］。

根據圖x和圖x所示及分析，遙感數據的診斷性波譜特征確定本次遙感蝕變提取方法主要采用采用波段比值法，輔以主成分分析的方法對班怒成礦帶地區所收集到的ETM和Aster數據進行遙感蝕變信息提取。針對Fe3＋礦物、高嶺石、硅化、綠簾石/方解石/綠泥石等多種礦物及礦物組合進行蝕變提取（表4）。

表4 主要蝕變礦物提取方法［3］

4 研究區蝕變礦物填圖及初步分析

4.1 ETM數據蝕變礦物填圖

蝕變提取流程如圖1所示。

圖1 蝕變提取流程［1］

4.1.1 干擾信息的祛除

干擾的祛除應根據地物在不同波段下不同的波譜特征而選擇不同的處理方法。主要選用不同的數學方法，將可能形成干擾的非目標地物經數學處理歸入干擾窗，經掩膜運算祛除非目標物，盡可能的減少干擾物（云、陰影、水體、植被等）對異常提取所產生的影響。本課題對植被的消除，選用了ENVI自帶的NDVI模塊對其進行了掩膜運算；對云、水體和冰雪的消除則運用B1/B7的波段運算將其劃入干擾窗。

4.1.2 遙感礦化蝕變信息的提取

對于上述去干擾圖像，本課題采用主成分分析法來提取蝕變異常信息（表5）。

羥基蝕變異常是利用TM1、TM4、TM5、TM7這4個波段進行主成分分析（PCA），這是因為粘土類礦物（含羥基礦物）的特征光譜信息集中在TM5和TM7波段，在TM7波段為特征吸收帶，在TM5相對高反射。對代表羥基化物主分量的判斷準則是：構成該主分量的本征向量，其TM5系數應與TM7和TM4的系數符號相反，與TM1的系數符號相同。將上述去干擾圖像做主成分分析，得到波段間的本征向量矩陣，據準則，羥基蝕變應包含于PC4中［4］。

表5 羥基異常主成分分析向量矩陣

鐵染蝕變異常利用TM1、TM3、TM4、TM5這4個波段進行主成分分析（表6），這是因為鐵氧化物的特征光譜信息集中在了TM1～4波段，在TM3波段呈高反射，在TM4和TM1波段相對吸收。同時為了避免含羥基礦物的干擾，在選取波段組合時舍棄了TM7波段。對代表鐵染物主分量的判斷準則是：構成該主分量的本征向量，其TM3系數應與TM1和TM4的系數符號相反，與TM5系數符號相同。得到波段間本征向量矩陣后，據準則，鐵染蝕變也包含與PC4中。

表6 鐵染異常主成分分析向量矩陣

對PC4圖像進行拉伸和均值濾波后，進行最優密度分割，采取化探異常分級的辦法，以標準離差做為尺度，用數倍σ值做為閾值，限定異常水平（表3）。目的是對異常強度進行分級，獲得分級異常圖。本次異常分為三級，鐵染異常分級采用3.0、2.5、2.0倍σ值做為閾值、羥基異常分級采用2.8、2.4、2.0倍σ值做為閾值；對鐵染一、二、三級異常再分別采用3＊3、5＊5’7＊7窗口濾波處理，對羥基一、二、三級異常再分別采用3＊3、3＊3、7＊7窗口濾波處理，濾波處理的目的是為了去除孤立的異常點。

濾波后將圖層分別提取出來，轉換格式并導入ARCGIS下做成圖處理，在ARCGIS下將蝕變異常圖層與底圖疊加，添加圖例、比例尺和格網等要素并做細節處理。

4.2 Aster數據蝕變礦物填圖

4.2.1 數據預處理

首先對Aster數據三個傳感器上不同分辨率的波段進行重采樣，為了將其與ETM數據對比分析，統一重采樣分辨率為30m。然后進行輻射定標，因本研究所用的ENVI為4.8版本，所以不需要自行進行輻射定標。坐標由UTM變換為GK后，編輯1～9波段的頭文件信息，將波段文件轉換為BIL格式以便進行大氣校正，本文大氣校正是運用ENVI所帶的FLAASH插件進行校正的［5］。

大氣校正完成后，需要對研究區進行干擾祛除，本研究區有少量植和云雪覆蓋，所以如圖X，用band9/band1祛除陰影和水體，用band4/band3祛除植被，用波段高端切割的方法祛除云雪。至此，Aster數據的預處理工作基本完成。

4.2.2 遙感礦化蝕變信息的提取

對于經過預處理的圖像，本課題主要采用主成分分析法來提取羥基和鐵染異常，用波段比值法提取不同的熱液蝕變礦物。

羥基蝕變礦物是對1、3、4、n波段組合進行主成分分析，n的選擇由研究區蝕變礦物波譜特征決定。鐵染異常主要對1、2、3、4波段做掩膜主分量分析，提取與Fe3＋的礦物相關的鐵染遙感異常主分量［6］。

由于研究區內含羥基、碳酸鹽化蝕變異常較為普遍，該組礦物吸收谷對應Aster數據band8，所以圖像經過4波段（band1、band3、band4、band8）主成分分析處理，其提取結果如圖2所示。

對于鐵化異常蝕變的提取，根據褐鐵礦的波譜特征，以波段band1、band2、band3、band4構建鐵染提取模型，其提取結果如圖3所示。

而通過波段比值法，Aster數據可以針對不同蝕變礦物進行更為精確的提取。如可以用Band 4/Band3提取鐵氧化物蝕變，如圖4所示。

用Band2/Band1提取Fe3＋礦物，如圖5所示。

用Band5/Band4提取硅酸鹽鐵礦物，如圖6所示。

用（Band5/Band3）＋ （Band2/Band1）來提取Fe2＋礦物，如圖7所示。

而含碳酸根離子礦物是研究區表生帶又一主要蝕變類型，以方解石為代表，特征譜帶2.3μm，運用（Band7＋Band9）/Band8的算來提取碳酸根離子礦物蝕變，其提取結果如圖8所示。

圖2 羥基、碳酸鹽化異常蝕變提取

圖3 鐵化異常蝕變提取

圖4 鐵氧化物蝕變提取

圖5 Fe3＋礦物提取

圖6 硅酸鹽鐵礦物提取

圖7 Fe2＋礦物提取

圖2～8，運用Aster數據對此研究區進行的蝕變礦物提取已基本完成，隨后需要對已提取的蝕變礦物進行異常分級并做圖例處理，最后成果如圖9所示。

圖8 碳酸根離子礦物提取

圖9 研究區全區蝕變異常提取

5 研究結果分析

5.1 數據精度對比分析

ASTER與ETM在可見光近紅外和短波紅外對應波段的光譜響應特征如圖10所示。

對比基于ETM＋和ASTER數據提取的蝕變信息影像，兩者提取的蝕變異常區域空間上基本一致，但是ASTER數據在短波紅外波段有更高的光譜分辨率，能夠進一步識別不同類型的含羥基蝕變礦物。通過本研究區的研究，在提取鐵染蝕變信息上，ASTER數據和ETM＋數據一樣也能很好的提取蝕變信息，兩者大致吻合，而ASTER數據提取的信息更清晰的反映了地質構造信息如縫合帶。在提取羥基蝕變信息上，ASTER數據由于在SWIR光譜范圍內光譜分辨率高，因而能將高嶺土化蝕變異常從羥基礦物組合中單獨提取出來。隨著ETM＋數據獲取的終止，ASTER數據能很好的代替ETM＋數據發揮作用。

圖10 ASTER與ETM在可見光近紅外和短波紅外對應波段的光譜響應特征［7］

5.2 蝕變提取方法對比分析

通過前一章所做的蝕變提取工作，對比兩種不同數據對同一地區進行蝕變提取的過程和方法可以發現如下結論。

干擾祛除：ETM數據在進行干擾祛除時，能夠將陰影、水、冰雪和云用band1/band7這一種波段比值就可以祛除，而且，在祛除植被時可以運用ENVI自帶的插件NDVI將其劃入干擾窗。雖然祛除精度有限，但其方法簡便快捷；而ASTER數據則在去除干擾方面復雜的多，需要針對不同類型的干擾而使用不同的波段比值，甚至于高端切割等手段。但其祛除干擾的精度也相對提高。

預處理：ETM數據在預處理上較ASTER更為簡單，如果圖像事先沒有經過幾何校正，則需要進行幾何校正，然后根據需要而進行信息增強等處理；而ASTER則不僅需要經過幾何校正，還需要進行重采樣、坐標變換、輸入頭文件信息、格式轉換和大氣校正等一系列預處理才能進行蝕變提取，其中大氣校正是決定蝕變提取的準確度的重要因素。

蝕變提取方法：ETM數據提取蝕變礦物時，大多運用主成分分析法進行提取，羥基異常為band1、band4、band5、band7波段主成分分析，鐵染異常則是band1、band3、band4、band5波段主成分分析，而且由于ETM數據的分辨率的限制，只能提取這兩種異常；ASTER數據在進行蝕變提取時，則需要綜合運用主成分分析法和波段比值法來提取不同種類的蝕變礦物，而且可以較為細致的提取出某一類或某一種礦物的異常信息。

6 結論

礦物填圖可以說是高光譜技術最成功的，也是最能發揮其優勢的應用領域，它使遙感地質由識別巖性發展到識別單礦物以至礦物的化學成分及晶體結構。在可見—短波紅外譜段，識別的礦物主要為Fe、Mn等過渡元素的氧化物和氫氧化物、含羥基礦物、碳酸鹽礦物以及部分水合硫酸鹽礦物等，多達近40種，且大部分屬于與成礦作用密切相關的蝕變礦物，這對圈定礦化蝕變帶，分析蝕變礦物組合和蝕變相，定量或半定量估計相對蝕變強度和蝕變礦物含量，以及追索礦化熱液蝕變中心和圈定找礦靶區，都有重要作用。

而本文正是針對如何能更好的利用遙感數據進行精確有效的礦物蝕變填圖所進行了一系列的研究和實踐。通過運用ETM和ASTER多光譜遙感數據，對班公湖－怒江成礦帶的研究區進行不同方法和流程的蝕變提取，從而得出ETM數據在操作和方法上較為簡單方便，適合于對某一地區進行初步或粗略的蝕變提取和異常分析；而ASTER數據無論從精度還是方法上都超過ETM數據，通過對ASTER數據進行分析，我們可以較系統的對研究區的多種蝕變異常進行提取，甚至于精確到不同種礦物。但其工作量和運算量也大大提高，對數據的處理也較為復雜。

通過綜合對比分析兩種數據看出，ASTER數據逐漸成為礦物蝕變提取的主流數據。曾今Landsat系列衛星數據確實在遙感地質中得到了廣泛的應用，但Landsat7于2003年5月因故障停止運行。隨著技術的發展，目前衛星數據的空間分辨率和光譜分辨率不斷提高，在進行遙感蝕變信息提取的應用中，ASTER數據具有VNIR15m的3個波段，SWIR30m的6個波段，TIR90m的5個波段，其性價比相對較高。在本文的研究區中，應用ASTER數據采用主成分分析法和波段比值法綜合提取含Fe離子和羥基礦物蝕變信息具有很好的效果，不僅與ETM＋提取的蝕變信息大體一致，而且可以更好的分類識別不同礦物。所以，ASTER數據會因它的高精度和全面性而在未來的遙感地質應用中具有更大的優勢。

［1］蘇一鳴，李向前，朱葉飛.ETM＋（TM）蝕變遙感異常提取方法在寧鎮地區的應用［J］.地質學刊，2009，33（1）：88-90.

［2］荊鳳，陳建平.礦化蝕變信息的遙感提取方法綜述［J］.遙感信息，2005（2）：65-69.

［3］呂鳳軍，郝躍生，王娟，等.多光譜蝕變遙感異常提取方法研究［J］.遙感信息，2008，5（4）：13-17.

［4］張楠楠，周可法，陳曦，等.基于ETM＋的遙感蝕變信息提取方法對比研究［J］.國土資源遙感，2012，93（2）：143-145.

［5］王曉鵬，謝志清，伍躍中.ETM圖像數據中礦化蝕變信息的提取—以西昆侖塔什庫爾干地區為例［J］.地質與資源，2002，11（2）：24-25.

［6］王潤生.遙感地質技術發展的戰略思考［J］.國土資源遙感，2008，75（1）：36-40.

［7］黃欣欣.遙感鐵染異常的提取與找礦實踐研究［J］.西部探礦工程，2012（4）：23-25.

［8］張船紅，何政偉.基于ETM和ASTER數據的礦化蝕變提?。跩］.地理空間信息，2013，11（4）：15-20.

［9］張船紅.西藏墨竹工卡地區遙感找礦信息提取研究［D］.成都：成都理工大學，2011.