色那地區高光譜數據蝕變礦物提取及特征分析

悅永崢，張廷斌,2，易桂花,3，別小娟，郭 箐，汪子義

（1. 成都理工大學 地球科學學院，四川 成都 610059；2. 地學空間信息技術國土資源部重點實驗室，四川 成都 610059；3. 中國科學院水利部 成都山地災害與環境研究所，四川 成都 610059；4. 四川省地質礦產勘查開發局 四〇三地質隊，四川 樂山614200）

色那地區高光譜數據蝕變礦物提取及特征分析

悅永崢1，張廷斌1,2，易桂花1,3，別小娟1，郭 箐4，汪子義1

（1. 成都理工大學 地球科學學院，四川 成都 610059；2. 地學空間信息技術國土資源部重點實驗室，四川 成都 610059；3. 中國科學院水利部 成都山地災害與環境研究所，四川 成都 610059；4. 四川省地質礦產勘查開發局 四〇三地質隊，四川 樂山614200）

以西藏班公湖-怒江成礦帶西段多不雜礦集區東部的色那有利成礦區為研究區，基于Hyperion高光譜遙感數據，開展蝕變礦物提取研究；提取出褐鐵礦、綠泥石和高嶺土3類地表蝕變礦物波譜端元，并利用光譜角填圖方法進行填圖。野外驗證結果顯示，填圖結果與野外調查基本吻合，礦物分帶特征明顯，并根據蝕變礦物分布情況劃定了2個斑巖型礦床重點勘查區。

班公湖-怒江成礦帶；Hyperion；高光譜遙感；蝕變礦物；色那地區

西藏班公湖-怒江（簡稱班-怒）成礦帶是位于我國西藏的一條重要斑巖銅礦成礦帶，在近年來的地質找礦工作中取得了重大突破，特別是成礦帶西段改則縣境內的找礦工作更是取得了令人意想不到的成績[1]。多龍礦集區是該地區較為重要的銅多金屬礦集區，目前已發現有多不雜、波龍等多個典型礦床[2]。

遙感地質技術的蓬勃發展在地質工作中占據了重要地位，特別是對典型礦床的發現和更加深入地研究有著深遠的推動意義[3-5]。科研工作者對多龍礦集區已進行了大規模的遙感地質工作，別小娟[6]利用ETM+、TM、Aster等數據對礦集區進行了蝕變信息提取和成礦預測，代晶晶[7]、胡紫豪[8]基于Aster數據對多不雜斑巖銅礦區蝕變信息進行了分析研究。然而，前人主要運用TM、ETM+和Aster等影像為多光譜數據，研究結果存在一定的局限性。20世紀末高光譜遙感技術逐步從實驗階段進入實用階段，光譜分辨率提高到10 nm是其重要標志。此類數據有較高的地表物質辨別能力，能較好地探測具有診斷光譜吸收特征的地物，在提取遙感蝕變信息過程中可將蝕變信息具體到特定礦物[9,10]。尤其是Hyperion數據幾乎包含所有蝕變礦物的波譜特征，使得數據的蝕變礦物提取能力得到進一步提升[11]。

鑒于此，本文選取西藏班-怒成礦帶色那地區為研究區，運用Hyperion高光譜數據進行礦物蝕變信息提取與研究，并結合研究區實際情況圈定重點勘查區，為野外勘查工作提供線索和找礦依據。

1 研究區概況

西藏多龍礦集區位于班-怒結合帶西段、羌塘-三江復合板片南部，屬于阿爾卑斯-喜馬拉雅成礦帶組成部分。區內有多個銅金多金屬礦床，主要包括多不雜、波龍、尕爾窮、拿頓和那若等，多為斑巖型礦床[12]；區內地層出露較為簡單，主體建造為中侏羅系曲色組（J2q）、色哇組（J2s）的濱海相碎屑巖建造，另有石炭系、二疊系、三疊系、白堊系等地層不同程度出露，第四系主要出露于山間河谷[13]；區內巖漿巖較發育，主要包括花崗閃長玢巖、輝綠玢巖、玄武安山巖等[6]，構造以北東向、北西向及近東向為主[14]。

2 數據與研究方法

2.1 數據來源

Hyperion傳感器搭載于EO-1衛星。該衛星由美國國家航空航天局于2000年11月發射升空[15]，軌道高度705 km，傾角為98.7°，其目的是為了與Landsat7參數接近，使2顆衛星圖像可以重疊，以便進行比對。Hyperion數據共包含242個波段，光譜范圍355～2 577 nm，光譜分辨率為9.6 nm，空間分辨率為30 m，每景覆蓋7.5 km×80 km，可提供可見光-近紅外、短紅外的連續窄波段光譜數據[10]。地表蝕變礦物波譜特征主要集中表現在2 000～2 500 nm，Hyperion數據完全覆蓋此波譜區間[16-18]，能滿足礦物填圖要求。本研究使用Hyperion L1R數據（EO1H1430372004304110PZ），時相為2004-10-30。

2.2 Hyperion數據預處理

Hyperion數據在生產過程中已進行了相應處理。然而，數據中仍然有大量異常像元存在，會對實驗結果造成很大影響。因此，必須對原始數據進行預處理才能使用，流程如圖1所示。

圖1 預處理流程圖

Hyperion數據共有242個波段，但并非所有波段都作了輻射定標，剔除未定標波段重新組合，剩余波段為8～57、77～224。其中波段56～57與波段77～78重合，但是波段77～78比波段56～68噪音大，一般選用波段56～57。因此新生成圖像包括波段為8～57和79～224，共有196個波段[19]。此外，重組波段中有些受水汽影響較大[20]，且這些波段中極少包含對本研究有用信息，因此將其剔除。波段選取情況見表1、表2。

表1 被剔除波段及其波長范圍

表2 保留波段及其波長范圍

Hyperion數據在提供給用戶時已完成了定標，但通常會將VNIR波段乘以40，SWIR波段乘以80，以方便儲存。在預處理過程中，需將數據像元值換算成絕對輻射值，即分別將可見光-近紅外和短紅外波段除以比例因子40和80，合并后得到絕對輻射值數據[21]。傳感器在定標過程中會出現一些不可避免的錯誤和誤差，所以在Hyperion L1R數據中存在一些異常數據，通常稱為壞線[22]。對保留波段逐個進行壞線篩查并將其修復，見表3。

表3 壞線波段及其列號

Hyperion光譜儀系統中CCD電荷耦合器件的排列方式是垂直于軌道方向，采用推掃式對地進行觀測。由于傳感器對光譜的響應值存在差異，因此在多數波段上存在豎向條紋，嚴重影響圖像質量及圖像應用[23]。針對此研究區影像條紋分布特點，綜合各種條紋去除方法，最終選取全局條紋去除法對數據進行條紋去除[24]。

大氣校正在預處理過程中最為重要，其目的是獲得地表的真實物理模型參數。本次研究運用ENVI中FLAASH模塊對影像進行大氣校正[25,26]。最后，以1∶50 000地形圖為基準，選取15個控制點，運用雙線性內插法對數據進行幾何校正。

2.3 高光譜礦物填圖

2.3.1 端元波譜獲取

作為高光譜分類、地物識別等過程中的參考波譜，端元波譜的獲取將是實驗結果精度的決定性因素。本次研究借助純凈像元指數（PPI）和n維可視化提取出5類端元波譜（圖2），經與標準波譜庫對比匹配后，最終確定3種礦物（圖3），分別為端元1與綠泥石匹配得分為0.931，端元2與高嶺土匹配得分為0.933，端元4與褐鐵礦匹配得分為0.913。

圖2 端元波譜曲線圖

圖3 純凈像元波譜曲線匹配結果

綠泥石類礦物類似于氫氧化鎂[Mg3(OH)6]，缺少層間陽離子是此類礦物的重要特征，兩層間主要靠靜電力結合在一起。在Martinez-Alonso研究中發現，八面體層中Fe和Mg的置換引起綠泥石光譜在2 260 nm和2 320 nm處發生變化[27,28]；提取出礦物端元波譜吸收特征主要集中在2 250 nm左右。

高嶺土為一種硅酸鹽，屬于含鋁羥基礦物，且常含有一定水分[29]，主要成分化學式為[Al2Si2O5(OH)4]。Hunt的實驗表明，高嶺土在1 357 nm和1 403 nm處具有中等吸收特征，在1 394 nm和1 413 nm處體現強吸收特征，在2 382 nm處強烈吸收，并在2 160 nm和2 209 nm處有一個成對特征吸收譜[27,28]。

含鐵類礦物是研究區中較為重要的一種礦物，其中褐鐵礦分布較多。褐鐵礦光譜特征一般是在900 nm附近有較強吸收特征，從此特征波長處開始，波譜反射率將會急速增加，一般到1 400 nm達到最值，從最高值處波譜反射率逐步降低。由于此類礦物一般含有結晶水，因此在1 400 nm和1 900 nm處往往受羥基或水的波譜特征影響[27,28]。研究區內褐鐵礦較發育。

將提取出的3類端元波譜信息與實驗室研究得出的礦物波譜特征進行比對，發現波譜特征基本吻合，但在極個別波譜范圍內特征波譜發生偏移。這是由于在提取純凈端元時不能保證端元內只包含有單一礦物，純凈像元波譜中大多會存在程度不一的噪音，且在波段選取時可能會造成波譜信息缺失。

2.3.2 波譜角填圖（SAM）

SAM是一種常用的填圖方法，填圖時閾值通常在0.05～0.15之間[30]，此值要根據實地情況進行選擇。經過多次實驗，此值設置為0.1較為符合實際情況，最后將填圖結果疊加到ETM影像圖上，得礦物分布圖（圖 4）。對提取結果進行野外驗證，在蝕變信息分布范圍內均有相應礦物分布，野外驗證點用星號表示，并采集野外照片（見圖5、6）。

圖5 野外高嶺土照片

圖6 野外褐鐵礦照片

3 結果分析

3類礦物主要分布在色哇組與曲色組，與多不雜礦床周圍出露地層基本一致。褐鐵礦分布較為零散，在整個研究區分布廣泛。高嶺土分布在研究區北部與中部的色哇組和曲色組中，北部呈北東向帶狀分布，中部半圓狀分布，與地層展布情況一致。綠泥石主要分布在研究區南部，在中北部有少量出露，南部分布特征較為明顯，主要呈近東西向條帶狀分布，同斷裂走向，推測受斷裂控制。此外，褐鐵礦與高嶺土、高嶺土與綠泥石之間存在不同程度的重疊區。根據典型斑巖銅礦床常見蝕變礦物分布特征可知，各種礦物之間存在共生組合規律，如含鐵離子礦物常與粘土類礦物共生，此次實驗中礦物分布符合此類共生規律。同時，3類礦物分布由內向外顯示出褐鐵礦-高嶺土-綠泥石的蝕變礦物分帶特征，與斑巖銅礦蝕變分帶的似千枚巖化帶-泥化帶-青磐巖化相對應（圖7）。

圖7 蝕變分帶圖

研究區出露有玢（斑）巖，蝕變礦物多圍繞玢巖分布。玢（斑）巖是斑巖型銅金礦成礦巖體，是找礦的直接標志。結合研究區內蝕變礦物分帶和斑巖銅礦典型礦床成礦要素，在研究區圈定出2個重點找礦靶區。

4 結 語

研究區表現出褐鐵礦-高嶺土-綠泥石蝕變礦物良好的分帶特征，結合區內多不雜典型礦床成礦要素，

圈定了2個找礦靶區，為尋找多不雜式礦床提供了遙感找礦線索。班-怒成礦帶是西藏自治區重要成礦帶之一，由于區內自然環境惡劣，大面積礦產勘查工作難度較大。利用Hyperion高光譜數據的優勢，根據目標礦種或礦產類型有針對性地開展蝕變礦物提取工作，

可快速鎖定重點找礦靶區，提高找礦效率。

[1] 張廷斌,唐菊興,李志軍,等.西藏尕爾窮銅金礦多光譜遙感地質特征與外圍找礦預測[J].國土資源遙感,2014,26(4):170-178

[2] 代晶晶,王瑞江,王潤生,等.基于蝕變信息提取的西藏班公湖-怒江成礦帶中段斑巖銅礦找礦預測[J].地球學報,2012,33(5):755-762

[3] 郭娜,陳建平,唐菊興,等. 基于RS技術的西藏甲瑪銅多金屬礦外圍成礦預測研究[J].地學前緣,2010,17(4):280-289

[4] 張玉君,曾朝銘.西藏岡底斯地區斑巖銅礦識別的最佳多光譜遙感異常判據研究[J].礦床地質,2012,31(4):671-698

[5] 代晶晶,王瑞江,曲曉明,等.TerraSpec波譜儀在西藏多不雜斑巖銅礦區蝕變信息研究中的應用[J].國土資源遙感,2013,25(1):105-110

[6] 別小娟,張廷斌,孫傳敏,等.西藏多龍礦集區遙感異常提取與成礦預測[J].桂林理工大學學報,2013,33(2):252-258

[7] 代晶晶,曲曉明.西藏多龍銅多金屬礦集區構造及蝕變遙感信息提取[J].地質與勘探,2012,48(4):815-822

[8] 胡紫豪,唐菊興,張廷斌,等.西藏多不雜斑巖銅礦ASTER遙感蝕變異常特征[J].國土資源遙感,2012(1):150-154

[9] 劉衍宏.基于高光譜Hyperion數據的粘土礦信息提取應用研究[D].北京:中國地質大學,2010

[10] 劉國濤.高光譜遙感蝕變礦物識別算法研究[D].成都:成都理工大學,2012

[11] 王愛云,劉素紅,王安建,等.基于實測波譜標識的Hyperion數據巖性識別方法[J].地質通報,2011,30(5):773-782

[12] 唐菊興,孫興國,丁帥,等.西藏多龍礦集區發現淺成低溫熱液型銅(金銀)礦床[J].地球學報,2014,35(1):6-10

[13] 葛寶.西藏多不雜典型斑巖銅礦地質——地球物理找礦模型研究[D].成都:成都理工大學,2012

[14] 勾永東, 陳玉祿, 劉漢強.西藏改則縣鐵格隆地區含礦玢巖特征與成因探討[J].沉積與特提斯地質,2007,27(3):20-26

[15] 張紫程,張緒教,胡道功,等. Hyperion 高光譜遙感在青海東昆侖東大灘地區找礦中的應用[J].現代地質,2011,25(4):759-767

[16] Kruse F A, Boardman J W, Huntington J F. Comparison of EO-1 Hyperion and Airborne Hyperspectral Remote Sensing Data for Geologic Applications[C].IEEE Aerospace Conference, 2002

[17] Kruse F A, Joseph W Boardman, Jonathan F Huntington. Comparison of Airborne Hyperspectral Data and EO-1 Hyperion for Mineral Mapping[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003,41(6):1 388-1 400

[18] Kruse F A. Comparison of AVIRIS and Hyperion for Hyperspectral Mineral Mapping [C].Proceedings 11th JPL Airborne Geoscience Workshop, 2002

[19] 譚炳香,李增元,陳爾學,等. EO-1 Hyperion高光譜數據的預處理[J].遙感信息,2005(6):36-41

[20] 石靜,呂鳳軍,郝躍生,等. Hyperion數據產品及預處理研究[J].河北遙感,2009(2):19-22

[21] 于穎,范文義,楊曦光. EO-1 Hyperion高光譜數據壞線修復方法的對比分析[J].東北林業大學學報,2009,37(11):123-124

[22] 梁繼,王建. Hyperion 高光譜影像的分析與處理[J].冰川凍土,2009,31(2):247-253

[23] 高海亮,顧行發,余濤,等. Hyperion遙感影像噪聲去除方法研究[J].遙感信息,2014(3):3-7

[24] 龔建周,陳健飛,劉彥隨.EO-1 Hyperion高光譜影像的FLAASH 大氣校正與評價[J].廣州大學學報:自然科學版,2011,10(5):69-75

[25] 田豐,楊蘇明,王潤生. EO-1 Hyperion高光譜數據FLAASH 模塊大氣糾正[J].新疆地質,2010,28(1):109-112

[26] 周清,祝民強. EO-1 Hyperion高光譜數據FLAASH 模塊大氣糾正及評價[J].測繪與空間地理信息,2011,34(6):149-151

[27] 畢曉佳.高光譜遙感巖礦填圖應用研究[D].成都:成都理工大學,2009

[28] 徐元進.面向找礦的高光譜遙感巖礦信息提取方法研究[D].武漢:中國地質大學,2009

[29] 林娜.高光譜遙感巖礦特征提取與分類方法研究[D].成都:成都理工大學,2011

[30] 陳析璆.基于多源遙感數據的蝕變提取與應用——以內蒙古狼山西段為例[D].北京:中國地質大學,2009

本 刊 聲 明

為適應我國信息化建設，擴大本刊及作者知識信息交流渠道，本刊數據已被《中國核心期刊（遴選）數據庫》、《CNKI 中國期刊全文數據庫》和《中文科技期刊數據庫（全文版）》等收錄。在《地理空間信息》發表的論文均默認將其在著作權保護期內的復制權、發行權、匯編權、翻譯權以及網絡傳播權授權給《地理空間信息》編輯部，編輯部可將上述權利轉授給第三方使用。作者不再許可他人以任何形式使用該篇論文，但可以在其后續作品中引用（或翻譯）該論文中部分內容或將其匯編在作者的非期刊類文集中。如不同意，請事先聲明，本刊另作處理。其文章的著作權使用費與本刊稿酬一次性給付（已在收取發表費時折減和換算為雜志贈閱）。

（本刊編輯部）

P237

B

1672-4623（2016）03-0018-04

10.3969/j.issn.1672-4623.2016.03.007

悅永崢，碩士，主要從事遙感地質研究。

2015-05-21。

項目來源：國家自然科學基金資助項目（41202233）。