基于多光谱遥感数据的班怒成矿带蚀变填图的方法研究

于 清

（中国地质大学 （北京），北京 100083）

近年来，国外对遥感异常信息的提取已经全面的运用GIS技术结合遥感和物化探的方法来有效的提高找矿和信息提取的效率。美国Landsat-7卫星的出现使原来的TM数据源增加了一个分辨率为15m的全色波段，上面所采集的大量的遥感图像信息为地质工作者提供了更为有力的数据支持。国内现在在遥感异常信息提取方面也有了飞速的发展，GIS技术和物化探方法的结合成为了遥感找矿的新方法，运用ETM和ASTER数据在植被较少，岩体出露而广阔的地带能够直接提取矿化信息并提供有效的找矿方向和范围，而对被植被大面积覆盖，岩体出露较少的偏远地带的矿化蚀变信息的提取还不够便捷和有效是目前存在的问题。从文献索引来看，单一的运用ETM或ASTER数据对目标区域进行异常信息提取的有很多，但将两种不同的数据做对比分析研究的却颇为稀少。

本文在运用ETM和ASTER数据分别进行遥感地质解译的基础上，对比两种数据在解译过程中个方面的异同，做出深入研究，将两种数据源的特点做系统的分析，并以现代成矿理论为指导，进行矿化蚀变填图和圈定异常包的工作，提供一批矿致异常和找矿线索。

1 研究区概况

本问研究区属于班公湖－怒江成矿带，行政区划属为西藏阿里地区改则县北部，藏北高原腹地，范围为北纬32°10′～32°40′、东经83°30′～84°30′，总面积约5400km2。

改则县地处南羌塘高湖盆区，为高山河谷地带，无平原，平均海拔4700m，最低海拔4394m。境内山势平缓，地形由西北向东南倾斜，主要山脉为海拔均在6000m以上的山峰。

工作区内湖泊众多；区内河流为内流型，主要河流多以湖泊为中心的单独闭塞向心水系，河流短小，大多为间歇性河流。

2 研究区主要矿床矿化类型分析

研究区内当前已知矿（化）点很少，通过查阅文献得知，在研究区有四处矿化露头，矿化类型包括矽卡岩型、构造带－石英脉型矿化、花岗斑岩型。其中后者矿化较弱，且规模较小，见表1。

表1 研究区各矿区矿种及所对应的蚀变类型及控矿因素

研究区内发育了一系列东西走向的逆冲断层，与之伴随的是规模较大的破碎带（宽约10～50m），破碎带发生了强烈的构造变形与热液蚀变作用。三处东西走向构造破碎带中有发现矿化现象。破碎带内部原岩可能包含有曲地组或吞龙共巴组碎屑岩及龙格组碳酸盐岩，但均已发生强烈蚀变，使得原岩组分及组构很难辨认。蚀变类型主要包括硅化和泥化，泥化作用可能较晚，叠加作用在硅化破碎带之上。此外，石英脉大量发育，穿插于破碎带之中，局部已因断裂活动而破碎。

3 研究区遥感异常数据分析

3.1 ETM及Aster的基本数据参数

ETM＋波段特征列于表2。ASTER波段特征列于表3。

Aster数据有14个波段组成，1、2、3波段为可见光/近红外波段，3B波段为后视成像波段，3N波段与3B波段组成立体像对用于ASTER立体测图生成DEM。1、2、3波段的空间分辨率为15m，4～9波段为短波红外波段空间分辨率为30m，10～14波段为热红外波段空间分辨率为90m。较ETM相比Aster数据光谱分辨率和空间分辨率都有了较大的改善，可以用来进行蚀变矿物填图。

表2 ETM＋波段特征

表3 ASTER波段特征

续表3

3.2 遥感异常波谱增强算法确定

通过矿化蚀变类型的诊断波谱特征，利用ETM数据进行蚀变提取时，含羟基蚀变矿物的遥感异常信息提取的方法主要是利用TM1、TM4、TM5、TM7这4个波段进行主成分分析（PCA），这是因为粘土类矿物（含羟基矿物）的特征光谱信息集中在TM5和TM7波段，在TM7波段为特征吸收带，在TM5相对高反射。铁染遥感异常的提取方法主要是利用TM1、TM3、TM4、TM5这4个波段进行主成分分析，这是因为铁氧化物的特征光谱信息集中在了TM1～4波段，在TM3波段呈高反射，在TM4和TM1波段相对吸收。同时为了避免含羟基矿物的干扰，在选取波段组合时舍弃了TM7波段［1］。

利用Aster数据时含羟基蚀变矿物的遥感异常信息提取的方法主要是通过是对Aster数据1、3、4、n波段进行主成分分析，n的选取是由工作区蚀变矿物波谱特性所决定的。铁染遥感异常的提取方法主要是对1、2、3、4波段做掩膜主分量分析，提取与Fe相关的矿物铁染遥感异常主分量。第4、6、1波段作为红绿蓝假彩色组合，则（Al-OH）在第6波段的吸收特征显示紫色；Fe在第1波段的吸收特征显示黄色。波段比值运算方法对识别蚀变矿物也非常有帮助，利用4/5，4/6，4/7波段作为红绿蓝假彩色组合，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 显示为白色［2］。

根据图x和图x所示及分析，遥感数据的诊断性波谱特征确定本次遥感蚀变提取方法主要采用采用波段比值法，辅以主成分分析的方法对班怒成矿带地区所收集到的ETM和Aster数据进行遥感蚀变信息提取。针对Fe3＋矿物、高岭石、硅化、绿帘石/方解石/绿泥石等多种矿物及矿物组合进行蚀变提取（表4）。

表4 主要蚀变矿物提取方法［3］

4 研究区蚀变矿物填图及初步分析

4.1 ETM数据蚀变矿物填图

蚀变提取流程如图1所示。

图1 蚀变提取流程［1］

4.1.1 干扰信息的祛除

干扰的祛除应根据地物在不同波段下不同的波谱特征而选择不同的处理方法。主要选用不同的数学方法，将可能形成干扰的非目标地物经数学处理归入干扰窗，经掩膜运算祛除非目标物，尽可能的减少干扰物（云、阴影、水体、植被等）对异常提取所产生的影响。本课题对植被的消除，选用了ENVI自带的NDVI模块对其进行了掩膜运算；对云、水体和冰雪的消除则运用B1/B7的波段运算将其划入干扰窗。

4.1.2 遥感矿化蚀变信息的提取

对于上述去干扰图像，本课题采用主成分分析法来提取蚀变异常信息（表5）。

羟基蚀变异常是利用TM1、TM4、TM5、TM7这4个波段进行主成分分析（PCA），这是因为粘土类矿物（含羟基矿物）的特征光谱信息集中在TM5和TM7波段，在TM7波段为特征吸收带，在TM5相对高反射。对代表羟基化物主分量的判断准则是：构成该主分量的本征向量，其TM5系数应与TM7和TM4的系数符号相反，与TM1的系数符号相同。将上述去干扰图像做主成分分析，得到波段间的本征向量矩阵，据准则，羟基蚀变应包含于PC4中［4］。

表5 羟基异常主成分分析向量矩阵

铁染蚀变异常利用TM1、TM3、TM4、TM5这4个波段进行主成分分析（表6），这是因为铁氧化物的特征光谱信息集中在了TM1～4波段，在TM3波段呈高反射，在TM4和TM1波段相对吸收。同时为了避免含羟基矿物的干扰，在选取波段组合时舍弃了TM7波段。对代表铁染物主分量的判断准则是：构成该主分量的本征向量，其TM3系数应与TM1和TM4的系数符号相反，与TM5系数符号相同。得到波段间本征向量矩阵后，据准则，铁染蚀变也包含与PC4中。

表6 铁染异常主成分分析向量矩阵

对PC4图像进行拉伸和均值滤波后，进行最优密度分割，采取化探异常分级的办法，以标准离差做为尺度，用数倍σ值做为阈值，限定异常水平（表3）。目的是对异常强度进行分级，获得分级异常图。本次异常分为三级，铁染异常分级采用3.0、2.5、2.0倍σ值做为阈值、羟基异常分级采用2.8、2.4、2.0倍σ值做为阈值；对铁染一、二、三级异常再分别采用3＊3、5＊5’7＊7窗口滤波处理，对羟基一、二、三级异常再分别采用3＊3、3＊3、7＊7窗口滤波处理，滤波处理的目的是为了去除孤立的异常点。

滤波后将图层分别提取出来，转换格式并导入ARCGIS下做成图处理，在ARCGIS下将蚀变异常图层与底图叠加，添加图例、比例尺和格网等要素并做细节处理。

4.2 Aster数据蚀变矿物填图

4.2.1 数据预处理

首先对Aster数据三个传感器上不同分辨率的波段进行重采样，为了将其与ETM数据对比分析，统一重采样分辨率为30m。然后进行辐射定标，因本研究所用的ENVI为4.8版本，所以不需要自行进行辐射定标。坐标由UTM变换为GK后，编辑1～9波段的头文件信息，将波段文件转换为BIL格式以便进行大气校正，本文大气校正是运用ENVI所带的FLAASH插件进行校正的［5］。

大气校正完成后，需要对研究区进行干扰祛除，本研究区有少量植和云雪覆盖，所以如图X，用band9/band1祛除阴影和水体，用band4/band3祛除植被，用波段高端切割的方法祛除云雪。至此，Aster数据的预处理工作基本完成。

4.2.2 遥感矿化蚀变信息的提取

对于经过预处理的图像，本课题主要采用主成分分析法来提取羟基和铁染异常，用波段比值法提取不同的热液蚀变矿物。

羟基蚀变矿物是对1、3、4、n波段组合进行主成分分析，n的选择由研究区蚀变矿物波谱特征决定。铁染异常主要对1、2、3、4波段做掩膜主分量分析，提取与Fe3＋的矿物相关的铁染遥感异常主分量［6］。

由于研究区内含羟基、碳酸盐化蚀变异常较为普遍，该组矿物吸收谷对应Aster数据band8，所以图像经过4波段（band1、band3、band4、band8）主成分分析处理，其提取结果如图2所示。

对于铁化异常蚀变的提取，根据褐铁矿的波谱特征，以波段band1、band2、band3、band4构建铁染提取模型，其提取结果如图3所示。

而通过波段比值法，Aster数据可以针对不同蚀变矿物进行更为精确的提取。如可以用Band 4/Band3提取铁氧化物蚀变，如图4所示。

用Band2/Band1提取Fe3＋矿物，如图5所示。

用Band5/Band4提取硅酸盐铁矿物，如图6所示。

用（Band5/Band3）＋ （Band2/Band1）来提取Fe2＋矿物，如图7所示。

而含碳酸根离子矿物是研究区表生带又一主要蚀变类型，以方解石为代表，特征谱带2.3μm，运用（Band7＋Band9）/Band8的算来提取碳酸根离子矿物蚀变，其提取结果如图8所示。

图2 羟基、碳酸盐化异常蚀变提取

图3 铁化异常蚀变提取

图4 铁氧化物蚀变提取

图5 Fe3＋矿物提取

图6 硅酸盐铁矿物提取

图7 Fe2＋矿物提取

图2～8，运用Aster数据对此研究区进行的蚀变矿物提取已基本完成，随后需要对已提取的蚀变矿物进行异常分级并做图例处理，最后成果如图9所示。

图8 碳酸根离子矿物提取

图9 研究区全区蚀变异常提取

5 研究结果分析

5.1 数据精度对比分析

ASTER与ETM在可见光近红外和短波红外对应波段的光谱响应特征如图10所示。

对比基于ETM＋和ASTER数据提取的蚀变信息影像，两者提取的蚀变异常区域空间上基本一致，但是ASTER数据在短波红外波段有更高的光谱分辨率，能够进一步识别不同类型的含羟基蚀变矿物。通过本研究区的研究，在提取铁染蚀变信息上，ASTER数据和ETM＋数据一样也能很好的提取蚀变信息，两者大致吻合，而ASTER数据提取的信息更清晰的反映了地质构造信息如缝合带。在提取羟基蚀变信息上，ASTER数据由于在SWIR光谱范围内光谱分辨率高，因而能将高岭土化蚀变异常从羟基矿物组合中单独提取出来。随着ETM＋数据获取的终止，ASTER数据能很好的代替ETM＋数据发挥作用。

图10 ASTER与ETM在可见光近红外和短波红外对应波段的光谱响应特征［7］

5.2 蚀变提取方法对比分析

通过前一章所做的蚀变提取工作，对比两种不同数据对同一地区进行蚀变提取的过程和方法可以发现如下结论。

干扰祛除：ETM数据在进行干扰祛除时，能够将阴影、水、冰雪和云用band1/band7这一种波段比值就可以祛除，而且，在祛除植被时可以运用ENVI自带的插件NDVI将其划入干扰窗。虽然祛除精度有限，但其方法简便快捷；而ASTER数据则在去除干扰方面复杂的多，需要针对不同类型的干扰而使用不同的波段比值，甚至于高端切割等手段。但其祛除干扰的精度也相对提高。

预处理：ETM数据在预处理上较ASTER更为简单，如果图像事先没有经过几何校正，则需要进行几何校正，然后根据需要而进行信息增强等处理；而ASTER则不仅需要经过几何校正，还需要进行重采样、坐标变换、输入头文件信息、格式转换和大气校正等一系列预处理才能进行蚀变提取，其中大气校正是决定蚀变提取的准确度的重要因素。

蚀变提取方法：ETM数据提取蚀变矿物时，大多运用主成分分析法进行提取，羟基异常为band1、band4、band5、band7波段主成分分析，铁染异常则是band1、band3、band4、band5波段主成分分析，而且由于ETM数据的分辨率的限制，只能提取这两种异常；ASTER数据在进行蚀变提取时，则需要综合运用主成分分析法和波段比值法来提取不同种类的蚀变矿物，而且可以较为细致的提取出某一类或某一种矿物的异常信息。

6 结论

矿物填图可以说是高光谱技术最成功的，也是最能发挥其优势的应用领域，它使遥感地质由识别岩性发展到识别单矿物以至矿物的化学成分及晶体结构。在可见—短波红外谱段，识别的矿物主要为Fe、Mn等过渡元素的氧化物和氢氧化物、含羟基矿物、碳酸盐矿物以及部分水合硫酸盐矿物等，多达近40种，且大部分属于与成矿作用密切相关的蚀变矿物，这对圈定矿化蚀变带，分析蚀变矿物组合和蚀变相，定量或半定量估计相对蚀变强度和蚀变矿物含量，以及追索矿化热液蚀变中心和圈定找矿靶区，都有重要作用。

而本文正是针对如何能更好的利用遥感数据进行精确有效的矿物蚀变填图所进行了一系列的研究和实践。通过运用ETM和ASTER多光谱遥感数据，对班公湖－怒江成矿带的研究区进行不同方法和流程的蚀变提取，从而得出ETM数据在操作和方法上较为简单方便，适合于对某一地区进行初步或粗略的蚀变提取和异常分析；而ASTER数据无论从精度还是方法上都超过ETM数据，通过对ASTER数据进行分析，我们可以较系统的对研究区的多种蚀变异常进行提取，甚至于精确到不同种矿物。但其工作量和运算量也大大提高，对数据的处理也较为复杂。

通过综合对比分析两种数据看出，ASTER数据逐渐成为矿物蚀变提取的主流数据。曾今Landsat系列卫星数据确实在遥感地质中得到了广泛的应用，但Landsat7于2003年5月因故障停止运行。随着技术的发展，目前卫星数据的空间分辨率和光谱分辨率不断提高，在进行遥感蚀变信息提取的应用中，ASTER数据具有VNIR15m的3个波段，SWIR30m的6个波段，TIR90m的5个波段，其性价比相对较高。在本文的研究区中，应用ASTER数据采用主成分分析法和波段比值法综合提取含Fe离子和羟基矿物蚀变信息具有很好的效果，不仅与ETM＋提取的蚀变信息大体一致，而且可以更好的分类识别不同矿物。所以，ASTER数据会因它的高精度和全面性而在未来的遥感地质应用中具有更大的优势。

［1］苏一鸣，李向前，朱叶飞.ETM＋（TM）蚀变遥感异常提取方法在宁镇地区的应用［J］.地质学刊，2009，33（1）：88-90.

［2］荆凤，陈建平.矿化蚀变信息的遥感提取方法综述［J］.遥感信息，2005（2）：65-69.

［3］吕凤军，郝跃生，王娟，等.多光谱蚀变遥感异常提取方法研究［J］.遥感信息，2008，5（4）：13-17.

［4］张楠楠，周可法，陈曦，等.基于ETM＋的遥感蚀变信息提取方法对比研究［J］.国土资源遥感，2012，93（2）：143-145.

［5］王晓鹏，谢志清，伍跃中.ETM图像数据中矿化蚀变信息的提取—以西昆仑塔什库尔干地区为例［J］.地质与资源，2002，11（2）：24-25.

［6］王润生.遥感地质技术发展的战略思考［J］.国土资源遥感，2008，75（1）：36-40.

［7］黄欣欣.遥感铁染异常的提取与找矿实践研究［J］.西部探矿工程，2012（4）：23-25.

［8］张船红，何政伟.基于ETM和ASTER数据的矿化蚀变提取［J］.地理空间信息，2013，11（4）：15-20.

［9］张船红.西藏墨竹工卡地区遥感找矿信息提取研究［D］.成都：成都理工大学，2011.