基于高光谱的高海拔地区矿物信息提取与分析

2023-12-27 11:30杨燕杰

世界核地质科学 2023年4期

杨燕杰

（核工业北京地质研究院遥感信息与图像分析技术国家级重点实验室，北京 100029）

成像光谱系统（又称高光谱）是当今遥感科学发展的前沿技术［1-2］。成像光谱系统将空间维与光谱维信息二者融为一体，使得在宽波段多光谱遥感图像中不可探测的物质成分在高光谱遥感影像中可以被探测和区分［3］，利用实验室精度的波谱特征机理，能够直接识别地表的矿物种类，特别是识别蚀变矿物［4-5］，定量或半定量估计蚀变矿物相对丰度，甚至还可以探测某些蚀变矿物和造岩矿物的成分和结构变异特征［6］，具有快速，精确，受交通条件影响小等优点。矿物填图是高光谱遥感地质应用最成功的领域之一［7］，在指导找矿勘探［8］、资源预测评价方面发挥着越来越重要的作用。

青藏高原［9］岩石裸露区气候条件差，人烟稀少，交通不便，地质工作程度低，是地质遥感最能发挥技术优势的地区。纳赤台地区位于青藏高原北部，东昆仑中部，隶属于青海省格尔木市。由于交通状况较差，传统勘探方法效率低，并且有些区域难以到达，急需引进新方法。因此，开展这一区域的高光谱蚀变信息提取对矿产勘探具有重要的作用和意义。

1 研究区与数据源

研究区坐标范围为：东经94 度10分至95度10分，北纬35 度44分至36 度05分，面积约为3 500 km2。工作区气候为典型大陆性气候，地表植被稀少，岩石裸露程度较高，蚀变现象较明显。青海格尔木纳赤台地区矿产资源丰富，特别是铜矿和玉石矿，区域内存在孔雀石化、碳酸盐化和绿泥石化等矿物蚀变现象，这一地区人烟稀少，地理分区属高寒山地，海拔高、切割深，自然条件恶劣，地面地质工作开展在短期内获取矿物分布信息难度大。研究区内仅在中部有G109 国道穿过，山高沟深，道路难以通行，交通条件较差。

本文蚀变矿物信息提取的数据源采用SASI 航空高光谱影像，该系统是具有国内领先、国际先进水平的航空高光谱测量系统，影像信噪比高。光谱范围介于950～2 450 nm 之间，有100个光谱通道，总视场角40°，瞬时视场角0.07°，每行640个像元，光谱带宽为15 nm，在影像像元光谱曲线中能有效识别蚀变矿物的光谱特征。在相对航高1 500 m 时，空间分辨率可达2 m［10］，SASI 的数据特征可以满足研究区的数据处理要求。

2 处理方法与技术流程

高光谱影像预处理利用SASI 航空成像光谱测量系统自带的ITRES 软件［11］进行，包括几何校正和辐射较正。由于高海拔地区地形复杂，为削除地形变化对影像辐射亮度的影响，利用高精度DEM 数据（空间分辨率为1 m）对影像进行正射校正。由于黑白布在近红外波段的光谱比较相似，采用经验线性法进行大气校正的效果并不理想，本文主要采用ENVI［12］的FLAASH 大气校正模块结合相对大气校正模块进行SASI 影像大气校正和光谱重建。大气校正后通过查看校正后影像质量，剔除信噪比低的波段和水汽吸收波段，便于信息提取与分析。根据大气校正后的影像对USGS 波谱库［13］进行重采样，使其与SASI 影像的波段一致。信息提取使用ENVI 软件，在提取之前，查阅当地地质资料，确定当地主要蚀变矿物类型，高光谱影像信息提取类型以当地已知蚀变类型为主。对信息提取结果的验证，采用地质资料和实地光谱测量相结合，提高验证的效率。通过地质资料与提取结果的空间叠加分析，总结蚀变矿物与已知矿点或异常点的空间分布规律，推测矿产勘探的有利区域。研究技术路线与流程如图1 所示。

2.1 波段重采样

在水汽吸收波段范围内的高光谱图像由于受水汽的影响很大，影像不清晰，在数据处理中需要将这些噪声较多的波段去除，使其不参与后续的数据处理，提高数据处理的速度和精度。且由于成像光谱仪每个条带的数据量很大，且存储设备的容量有限，因此在采集航空数据之前仪器波段的设定过程中，应当减少水汽吸收波段范围中的波段数，在水汽吸收波段范围内仅保留用于大气校正的少数波段即可。另外，由于一些波段可以根据当地的地质状况和蚀变矿物的光谱特征以及相应的数据要求调整采集的波段位置和数量，以便于节约存储空间，提高信噪比。

2.2 大气校正

大气校正是高光谱遥感影像信息提取前的关键性技术。SASI 影像大气校正各种方法中，用FLAASH 方法和经验线性方法进行大气校正效果较好，但处理速度较慢。利用快速大气校正效果与FLAASH 差别不大，处理速度更快，且需要参数较少，如果精度要求不是太高，是理想的大气校正方法。并且，有时某一地域内的地物光谱曲线相似，用经验线性方法和FLAASH 大气校正后的影像中各个像元之间的光谱曲线差别不大，难以区分各种地物信息。另外如果黑白布的面积太小，影响经验线性大气校正方法的效果。这时，利用IAR reflection 相对大气校正方法［14］校正的结果可以突出各种地物之间的光谱差异，更有利于地物的分类。总之，各种大气校正方法都有不同的优、缺点，需要根据研究的内容结合使用。

2.3 光谱匹配方法

根据已知矿物类型在SASI 中的光谱曲线和光谱匹配方法［15］寻找研究区内相同类型的矿物。本文以经过野外验证的已知类型像元光谱为基准，采用整体匹配的光谱角匹配（Spectral Angle Matching，SAM）方法结合局部特征拟合（Spectral Feature Fitting，SFF），这种方法比利用通用波谱库中的矿物波谱曲线的精度要高。在实际应用中，可以首先利用实地波谱曲线与通用波谱进行匹配，确定矿物类型，然后根据实地采集矿物波谱的坐标在SASI 影像中寻找同名地物点，再用同名地物点在影像中的波谱曲线对这种类型的矿物信息进行提取。该提取蚀变方法对大气校正的要求较低，有时甚至不用做大气校正，直接利用影像中同名地物光谱对整个影像进行蚀变矿物信息提取。这种方法具有快速、高效的特点，但对地面测量的要求较高，需要精确定位，另一方面提取的矿物种类有限，可能会遗漏一些矿物类型。

3 蚀变矿物光谱特征分析与信息提取

在不同类型的矿床中，常常有某些特征矿物出现，这些特征矿物称为矿床的标型矿物。在研究区内发现与目标矿产有关的矿物有绿泥石、白云石和孔雀石，因此对该三种矿物的光谱特征进行分析，根据特征提取相应的矿物信息。

3.1 绿泥石

绿泥石［16］是热液型多金属矿床中广泛分布的近矿晕矿物，其生成与低温热液作用，浅成变质作用和沉积作用有关。绿泥石成分复杂，一般分子式为：XmY4O10（OH）8，X=Li+、Al3+、Fe3+、Fe2+、Mg、Mn 和Cr3+。m=5～6。Y=Si、Al 及少量Ti、Cr、Fe3+。绿泥石成分的含铁度［Fe/（Fe+Mg+Mn+Ca）］可用来标志矿床的不同金属组合。

绿泥石光谱曲线（图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，在短波红外上有5个光谱特征吸收峰，分别是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的吸收峰最强且较宽，并且对称；1 373.5～1 403.5 nm 特征也比较明显；1 835～2 075 nm 吸收峰宽度最大，但不对称。通过绿泥石光谱曲线可见，绿泥石在1 835～2 475 nm 范围内的光谱特征比较明显，因此利用这一波谱区间的特征波段提取绿泥石信息。

3.2 白云石

白云石化学成分为CaMg（CO3）2，主要由碳酸钙与碳酸镁所组成［17］（CaCO3与MgCO3的比例大致为1∶1）。白云石存在于结晶石灰岩以及其他富含镁的变质岩中，部分产于热液矿脉和碳酸盐岩石的孔穴内，偶尔作为各种沉积岩的胶结物，为碳酸盐岩中最常见的一种造岩矿物［18］。

白云石（Dolomite）的光谱曲线（图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有两个明显的吸收峰。在2 325～2 496 nm 有一个明显的反射峰。在1 796～1 885 nm、1 885～2 025 nm 也有两个小吸收峰，在1 885 nm 处有一个小反射峰。白云石在2 185～2 560 nm 的波谱特征明显。

图3 白云石的光谱曲线Fig. 3 Spectral curve of dolomite

基于SASI 重采样后白云石光谱曲线的特征波段有：1 790、1 985、2 015、2 210、2 315 和2 375 nm。其中在2 210～2 375 nm范围内的特征明显，选择2 210、2 315 和2 375 nm 等3个波段可以保持这个波谱范围内的白云石波谱特征。

3.3 孔雀石

孔雀石是一种碳酸盐矿物，主要成分为Cu2（OH）2CO3，颜色深绿到鲜艳绿，丝绢光泽或玻璃光泽，半透明至不透明，莫氏硬度介于3.5～4.5 之间。孔雀石产于铜矿的地表、近地表氧化带，与赤铜矿、蓝铜矿、铜蓝和硅孔雀石等共生，是原生铜矿的重要找矿标志矿物，也是一种玉料［19-20］。

孔雀石（Malachite）的光谱曲线（图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 有两明显的吸收峰。在2 275～2 355 nm 有一个明显的反射峰。在2 375 nm 处有一个小反射峰。白云石在2 135～2 450 nm 的波谱特征明显。

图4 孔雀石的光谱曲线Fig. 4 Spectral curve of malachite

以SASI 影像为基准进行光谱重采样后，孔雀石的光谱曲线吸收峰位于2 270 和2 360 nm，在1 200 至2 100 nm 的光谱反射率变化较大。

3.4 信息提取

根据各种矿物的光谱特征，选择相应的光谱匹配提取方法，利用ENVI软件对预处理后的SASI数据进行蚀变矿物信息提取。图5～7是利用SASI高光谱影像提取的相应蚀变矿物提取结果的像元光谱曲线，从影像像元光谱来看，与标准矿物光谱曲线特征基本吻合，证明提取结果从光谱上是正确的。然后利用实地考察点记录和地质资料对蚀变矿物信息提取结果进行逐点匹配验证，结果表明精度在90 %以上。

图6 绿泥石的信息提取结果像元光谱曲线Fig. 6 The extracted result image pixel spectral of the chlorite

图7 白云石的信息提取结果像元光谱曲线Fig. 7 The extracted result image pixel spectral of the dolomite

4 结果分析

图像的几何校正和航带拼接，特别是航空扫描式图像，需要进行多次的重采样和亮度调整，有可能影响像元波谱特征。因此目前一般分航带进行矿物识别，识别后再作几何校正和镶嵌，在此基础上编制了研究区矿物分布图。

将地质资料中的相关矿点及矿化异常点（主要是铜矿点）叠加到提取结果上，纳赤台地区每个铜矿点周边都发现了孔雀石化和绿泥石化，铜矿点及异常点与孔雀石化有很强的相关性，因此，孔雀石化和绿泥石化空间分布信息提取对纳赤台地区铜矿勘查具有重要意义。根据白云石矿物信息提取结果与地质资料中玉石矿点的空间相关分析，纳赤台地区每个玉石矿点周边都发现了白云石化，玉石矿与白云石化有很强的相关性，因此碳酸盐的信息提取对玉石矿勘查具有重要意义，这也与地质资料中相关矿点与异常点周边的蚀变矿物描述相吻合。根据蚀变矿物与已知矿点之间的空间关系（铜与孔雀石化，玉石矿与白云石化）（图8、10），以及研究区整体的蚀变矿物空间分布规律，预测了研究区内矿产勘查的重点区（图9、11）。