基于局部可变窗口的Crosta蚀变信息提取技术——以莫海拉亨为例

彭光雄, 王明艳, 何 皎

(1.中南大学 有色金属成矿预测教育部重点实验室, 湖南 长沙 410083; 2.青海省地质调查院, 青海 西宁810012; 3.湖南有色金属控股集团有限公司 矿山管理部, 湖南 长沙 410015)

基于局部可变窗口的Crosta蚀变信息提取技术
——以莫海拉亨为例

彭光雄1,2, 王明艳3, 何 皎2

(1.中南大学 有色金属成矿预测教育部重点实验室, 湖南 长沙 410083; 2.青海省地质调查院, 青海 西宁810012; 3.湖南有色金属控股集团有限公司 矿山管理部, 湖南 长沙 410015)

针对常规Crosta技术的不足, 本文提出一种基于局部可变窗口的改进方法。改进方法利用局部可变窗口将整幅影像划分为若干个独立统计分析单元, 并且在每个独立单元内部排除水体、云、冰雪等干扰信息, 然后再进行主成分分析和矿化蚀变异常组分的判断与选择。本次研究以莫海拉亨铅锌矿区为例, 利用改进方法进行了矿化蚀变的信息提取和遥感找矿实例分析。结果表明, 改进的Crosta方法能有效降低环境噪声, 对干扰信息有较强的筛选过滤功能, 同时对弱蚀变信息有较强的识别能力。褐铁矿化和硅化是矿区主要的矿化蚀变类型, 断裂对成矿的控制作用明显。位于断裂带以及断裂交汇的部位, 且铁帽、碳酸盐化和硅化遥感异常重叠的区域是重要的遥感找矿标志。

矿化蚀变；Crosta技术；遥感异常；局部可变窗口；莫海拉亨

0 引 言

矿床在生成、演化的全过程中, 其成矿条件表现为地质演化过程中的地质异常事件, 因而寻找地质异常成为预测矿床的必要条件之一(赵鹏大和陈永清, 1999)。随着遥感技术的发展, 矿产地质勘查中矿化蚀变的遥感异常跟地球化学异常和地球物理异常一样逐渐成为了一种具有独立性找矿标志的参数(王彪等, 2011)。TM和ASTER等遥感影像在矿化蚀变信息的提取中发挥了重要作用, 并仍是当前遥感地质勘探的重要数据来源, 其勘探潜力还有待进一步的挖掘(王润生等, 2011)。基于主成分分析的Crosta 技术首先在TM遥感数据的处理上取得了较大的突破(Crósta and Moore, 1989)。Loughlin (1991)在美国内华达州成功运用Crosta 技术发现了Gold Bar金矿床。在美国内华达PascoCanyon 地区, 2004年运用Crosta技术在密集勘探区又新发现了详细地质填图未能发现的表生蚀变带, 并在该蚀变带上经钻探发现了金矿床, 说明利用TM遥感数据仍可导致新的发现(Bedell, 2004)。Crósta et al. (2003)在阿根廷Los Menucos金矿基于Crosta 技术利用ASTER遥感数据成功提取了明矾石、伊利石、高岭石+蒙脱石、高岭石等蚀变信息。张玉君和姚佛军(2009)的研究也表明Crosta 技术在ASTER的蚀变信息方面也有较好的稳定性和良好的应用效果。燕守勋等(2011)对700 多个矿床(点)统计后发现在Crosta彩色合成图像上, 高含铁氧化物的暗红图斑主要与铁、铅锌、金、铜、钼矿有关, 高含铁氧化物与高含羟基矿物的亮白图斑主要与内生铜矿有关, 总相关率达45%。因此Crosta技术在TM和ASTER等遥感影像上均表现出良好的找矿指示能力, 被持续和广泛地应用于矿床蚀变岩的信息增强处理中, 在找矿勘查中发挥了重要作用。但是传统的Crosta技术是基于整幅影像进行统计分析来计算每个组分的特征向量值的, 导致统计计算过程中包含了水体、云、冰雪等干扰信息,从而使得所得到的异常结果也包含了大量噪声, 在一定程度上影响了矿化蚀变信息提取的精度。若能利用局部可变窗口将整幅影像划分为若干个独立统计分析单元, 并且在每个独立单元内部排除水体、云、冰雪等干扰信息, 然后再进行主成分分析计算和矿化蚀变异常组分的判断与选择, 将会有效降低环境噪声, 提高矿化蚀变信息提取的精度。

1 方法描述与改进

1.1 Crosta技术

Crósta and Moore 于1989年提出了一种特征导向的主成分选择方法(Feature-oriented Principal Components Selection, FPCS)。该方法利用主成分分析(PCA)的特征向量载荷根据特定目标地物(如蚀变)的光谱特征来判断和选取该地物所在的主成分分量(PC)影像。并且判断目标地物(如蚀变)在对应主成分分量(PC)影像中的是暗像元或者亮像元是执行该方法一个重要的环节。英国国家遥感中心(U.K. National Remote Sensing Centre, NRSC)在此基础上总结并提出利用最能反映目标地物(如蚀变)的4个特征遥感波段进行主成分分析的方法, 从而发展成为Crosta 技术(Loughlin, 1991)。张玉君等(2003)、张玉君和姚佛军(2009)、Crósta et al. (2003)对TM和ASTER遥感影像Crosta 技术能识别的主要蚀变类型的特征波段进行了研究, 本文归纳总结如表1所示。根据特定矿化蚀变光谱特征和Crosta法则, 通常反射率高的波段和反射率低的波段两者的特征向量的符号相反且绝对值比较大的组分则为矿化蚀变异常所在的组分, 一般情况下是第4组分PC4; 并且若反射率高的波段对应的特征向量值为正值, 则异常表现为亮像元, 反之则表现为暗像元; 以此来判断异常组分像元是亮像元或是暗像元, 若异常为暗像元则可对该组分乘以－1将其转换为亮像元。

表1 主要矿化蚀变Crosta分析的特征波段组合Table 1 The characteristic bands of Crosta technique for major alteration types

1.2 局部可变窗口Crosta技术

由于Crosta技术具有快速、稳定、可靠的优点并且不需要进行辐射校正和大气校正, 使得其在地质勘查领域得到广泛应用。常规的Crosta技术是针对整个影像进行统计计算的。而地表类型是复杂多样的,并且还包括水体、云、冰雪等干扰信息, 因而用整个影像的统计结果难以表征局部地表的统计特点。因此利用整个影像进行Crosta分析必然会引入较多的环境噪声, 对矿化蚀变信息提取的精度产生负面影响。解决上述问题的思路是利用局部可变窗口将整幅影像划分为若干个独立单元, 排除水体、云、冰雪等干扰信息, 对有效的背景像元进行标识, 然后在每个独立单元内部再进行Crosta计算分析。改进的Crosta技术流程如图1所示, 方法步骤描述如下。

步骤1: 输入遥感影像。输入一幅遥感影像A。

图1 局部可变窗口Crosta分析矿化蚀变信息提取方法流程Fig.1 The flow chart of the improved Crosta technology

步骤2: 有效背景像元标识。对步骤1中输入的遥感影像A进行水体、云、冰雪和高覆盖度的植被等干扰地物的识别, 进行有效背景像元的区分和标识, 其中有效背景像元是指为非损坏数据像元、非水体像元、非云像元、非冰雪像元和非高覆盖度的植被像元。可利用归一化植被指数NDVI和归一化水体指数NDWI对遥感影像A进行植被和水体的判断识别。TM遥感影像的NDVI的计算方法为(TM4－TM3/TM4+TM3), NDWI的计算方法为(TM2－TM5)/(TM2+TM5); ASTER遥感影像的NDVI的计算方法为(ASTER3－ASTER2/ASTER3+ ASTER2), NDWI的计算方法为(ASTER1－ASTER4)/ ( ASTER1+ASTER4)。

步骤3: 局部可变窗口选择。对经过步骤2进行有效背景像元标识的遥感影像以N×N像元的活动窗口对每个像元进行扫描并进行统计, 其中N为11至31之间的奇数, 该统计是以扫描点所在像元为中心,从11×11窗口开始搜索, 依次扩大搜索窗口, 最大扩展至31×31 窗口, 直到有效背景像元的数量占整个窗口像元数量的比例达到51%时停止搜索。如图2所示。

步骤4: 窗口内主成分分析。对经过步骤2进行有效背景像元标识的遥感影像根据Crosta方法选择能反映矿化蚀变的4个遥感波段(如表1所示), 然后对步骤3中选择的N×N窗口中对所有的有效背景像元进行基于特征导向的主成分分析, 得到PC1、PC2、PC3和PC4组分。以TM的铁染异常和ASTER铁帽异常提取为例, 某一个N×N窗口主成分分析结果如表2所示。

图2 局部可变窗口统计分析示意图Fig.2 The schematic diagram of the statistical analysis on the local variable window

表2 某N×N窗口主成分分析各组分的特征向量值Table 2 The Eigenvectors of four PCA components in the local variable window

步骤5: 异常组分的判断。根据矿化蚀变光谱的强吸收和高反射特征对步骤4中得到的4个组分进行判断, 得到矿化蚀变异常所在的组分。判断的方法是根据反射率高的波段和反射率低的波段两者的特征向量的绝对值较大且符号相反的组分就判断为矿化蚀变异常所在的组分。

步骤6: 异常明暗像元的判断。对经过步骤5得到的矿化蚀变异常所在的组分进行明暗像元的判断, 判断的方法是当反射率高的波段对应的特征向量值为正值, 则异常表现为亮像元, 反之则表现为暗像元。

步骤7: 异常明暗像元转换与赋值。以输入的遥感影像A的任一波段为模板进行复制, 构建一个异常影像B; 当经过步骤6判断出的异常为亮像元时则将该组分中心像元的特征向量的值直接赋给异常影像B所对应位置的像元, 当经过步骤6判断出的异常为暗像元时则将该组分中心像元的特征向量的值乘以-1, 将暗像元转换为亮像元后再赋给异常影像B所对应位置的像元, 得到最终异常影像C。

步骤8: 输出异常影像。对步骤7中得到的最终异常影像C进行输出, 灰度影像C中的矿化蚀变异常均表现为亮像元。如图3b是该方法提取的ASTER铁帽异常。

2 效果比较分析

利用ENVI4.5+IDL7.0软件开发平台对上述基于局部可变窗口的Crosta技术进行编程以实现蚀变异常信息的提取。

分别利用改进方法与常规Crosta法提取了青海莫海拉亨地区的TM铁染异常和ASTER铁帽异常,统计结果比较如表3所示。改进方法和常规Crosta方法提取的TM铁染异常的均值分别为0.2004和0.1179, 标准差分别为3.1319和3.5238, 改进方法提取的TM铁染异常比常规Crosta方法的均值要大69.7%, 标准差要小12.5%, 说明改进方法提取的TM铁染异常更加强烈而集中一些。改进方法和常规Crosta方法提取的ASTER铁帽异常的均值分别为0.1252和0.0476, 标准差分别为3.0795和3.6237,改进提取的ASTER铁帽异常比常规Crosta方法的均值要大163.0%, 标准差要小54.4%, 也说明改进方法提取的ASTER铁帽异常表现出更加强烈而集中的特点, 而且能较好地弥补部分常规Crosta方法遗漏的蚀变异常信息。

图3中A、B、C和D四个矿床(点)正好位于在图3b改进方法提取的铁帽异常的高值区, 而在图3a中则位于常规Crosta方法提取的铁帽异常的低值区,从而反映出改进方法对弱蚀变信息有较强的识别能力。莫海拉亨地区的蚀变异常提取结果比较分析表明, 改进的Crosta方法对干扰信息有较强的筛选过滤功能, 同时对弱蚀变信息有较强的识别能力。

表3 改进方法与常规Crosta法提取的蚀变异常统计结果Table 3 The statistical results of the anomaly extracted through the traditional Crosta technology and the improved method

图3 常规Crosta方法(a)和改进方法(b)提取的ASTER铁帽异常结果Fig.3 The gossan anomaly extracted through the traditional Crosta technology(a) and the improved method(b)

3 应用实例

青海杂多县境内的莫海拉亨铅锌矿区地处沱沱河杂多晚古生代断裂带的南缘, 位于青海省重要的多金属成矿带上, 是三江成矿带北西段的重要组成部分, 具有良好的成矿地质条件。本文以莫海拉亨铅锌矿区为例, 应用基于局部可变窗口的Crosta蚀变信息提取技术进行了遥感找矿研究。

3.1 矿化蚀变特征

莫海拉亨铅锌矿区地层主要为下石炭统杂多群碳酸盐组(C1Z2)及碎屑岩组(C1Z1)、中-下二叠统开心岭群诺日巴尕日保组(P2nr)及九十道班组(P2j)。区内矿化带呈长条状赋存于早石炭世杂多群灰岩组(C1Z2)中, 呈北西向带状展布, 展布方向与主构造线方向基本一致, 地表矿化清晰可见(如图4a)。含矿岩体以灰岩为主, 主要表现为褐铁矿化、铅锌矿化, 在裂隙发育处还可见块状铅锌矿石, 局部伴有少量铜蓝、孔雀石等铜矿化。围岩蚀变主要为硅化、碳酸盐化和白云岩化。矿化带内部结构具明显的分带现象,矿化蚀变从中心向两侧分别为: 蜂窝状强褐铁矿化(中心带)(如图4b)、褐铁矿化和硅化(过渡带)、弱褐铁矿化和硅化(基岩带)。区内铅锌矿体风化后在地表形成的褐黄色的铁帽以及呈硅化、碳酸盐化、白云岩化的灰岩与长石石英砂岩接触破碎带是该地区主要的找矿标志(李善平等, 2011)。

图4 地表矿化蚀变特征Fig.4 Characteristics of the surface mineralization and the alteration

3.2 蚀变信息提取

本文运用基于局部可变窗口的Crosta蚀变信息提取技术, 采用ASTER1234的特征波段组合进行铁帽异常的信息提取, 采用ASTER1348的特征波段组合进行碳酸盐化异常的信息提取(张玉君等, 2006)。利用ASTER的热红外波段组合比值法(E10+E11+E12)/ (3×E13), 进行硅化异常信息的提取(Hiroshi and Kazuaki, 2003)。采用碳酸盐化(R)+铁帽(G)+硅化(B)的组合方式得到蚀变异常的彩色合成影像(如图5a)。利用均值加2倍方差作为阈值对铁帽和硅化异常灰度影像密度分割, 分别赋予红色和蓝色, 并以碳酸盐化灰度影像作为底图进行叠加, 得到如图5b所示的结果。

图5 ASTER提取的矿化蚀变异常及断层空间分布图Fig.5 The distribution map of the mineralization anomalies and the faults extracted by ASTER

区内1︰5万成矿元素组合异常、野外观测矿床(点)和部分原生样测试结果可用于对遥感提取的铁帽、碳酸盐化、硅化异常进行评价和分析。铁帽和硅化异常主要沿北西向的断裂带分布, 尤其以F3断层对东南端的硅化异常控制作用最为明显。碳酸盐化异常呈北西向与F1和F2断层平行集中分布在C矿点周围的区域。A、B、C和D四个主要矿点均位于北西向断裂带附近, 并且铁帽和硅化异常比较强烈。根据1︰5万成矿元素组合异常与遥感异常的套合情况, 发现成矿元素组合异常所在的区域基本也都是铁帽、碳酸盐化和硅化遥感异常同时出现的区域。表4莫海拉亨地区不同岩石成矿元素分配特征也能解释这个现象。表4中褐铁矿化硅化灰岩中Pb和Zn元素的含量分别为2992.21×10−6和6618.54 ×10−6, 大大高于没有褐铁矿化和硅化的普通灰岩;而灰白色灰岩则分别为300.27×10−6和801.28×10−6,灰色灰岩分别为59.82×10−6和319.52×10−6。

3.3 遥感找矿分析

三江断裂带自古生代起, 经历中生代和新生代期间的长期多次活动, 形成了莫海拉亨地区的基本构造格架, 并控制了区内中酸性侵入体的分布。北西西向次级断裂及北东向与北西西断裂的交切复合部位为岩浆、矿质的赋存提供了极为有利的空间。区内的已知矿床(点)基本分布在北西向断裂的两侧, 金属矿产受断裂构造的控制作用明显, 而呈现出沿北西向断裂呈等间距分布的规律。莫海拉亨矿区内断裂构造广泛分布在下石炭统杂多群、下-中二叠统开心岭群中, 各断裂彼此交错切割, 形成黄褐色破碎蚀变带, 为成矿提供了的重要通道和赋矿空间。北西西向断裂是莫海拉亨矿区的主干断裂, 基本控制了矿区内地层和矿化带的分布。矿区内北东与北西西向断裂及其派生的次级裂隙与围岩的交切部位易产生接触交代作用, 导致元素的迁移或富集, 从而控制矿床(点)在空间上的分布。

从表4可以看出, 区内矿化主要集中分布于灰岩以及构造破碎带中, 矿化强度与硅化、褐铁矿化、碎裂岩化有密切关系。总体表现为, 褐铁矿化越强、岩石碎裂程度越高, 矿化则越强。因此北西向断裂、北东向断裂以及断裂交汇部位部分, 且铁帽、碳酸盐化和硅化遥感异常同时出现的区域是重要的遥感找矿标志。F3、F4和F5断层及F3和F6断层的交汇处硅化异常十分强烈, 局部伴随高强度的铁帽异常,是找矿勘探的重点区域。

表4 莫海拉亨地区不同岩石成矿元素统计特征Tabe 4 Statistics of the ore forming elements from different rocks in Mohailaheng

4 结 论

(1) 改进的Crosta技术利用局部可变窗口将整幅影像划分为若干个独立统计分析单元, 并且在每个独立单元内部排除水体、云、冰雪等干扰信息, 然后再进行主成分分析计算和矿化蚀变异常组分的判断与选择, 能有效降低环境噪声, 对干扰信息有较强的筛选过滤功能, 同时对弱蚀变信息有较强的识别能力。

(2) 利用改进的Crosta技术提取的矿化蚀变信息对莫海拉亨矿区的遥感找矿具有较好指导意义。由于褐铁矿化和硅化灰岩中Pb和Zn元素的含量大大高于没有褐铁矿化和硅化的普通灰岩及断裂对成矿的控制作用, 位于断裂带以及断裂交汇的部位,且铁帽、碳酸盐化和硅化遥感异常重叠的区内是重要的遥感找矿标志。

(3) 改进Crosta技术的优越性在莫海拉亨地区得到了初步的体现, 对于不同地区、不同矿床类型的矿化蚀变信息提取的效果还有待进一步的研究和检验。致谢: 感谢中国地质科学院矿产资源研究所杨建民研究员和中国地质大学(武汉)张志教授提出的建设性的修改意见, 感谢青海省地质调查院提供的野外地质照片和部分测试数据。

李善平, 潘彤, 黄青华, 白宗海, 张志青, 赵海霞. 2011.青海三江北段莫海拉亨铅锌矿床地质特征及找矿前景. 青海大学学报(自然科学版), 29(3): 41−47.

王彪, 陈利燕, 王核, 任广利, 吴玉峰, 黄朝阳, 付王伟. 2011. 遥感蚀变信息定量提取方法在成矿预测中的应用——以西昆仑塔什库尔干地区为例. 大地构造与成矿学, 35(3): 372−377.

王润生, 熊盛青, 聂洪峰, 梁树能, 齐泽荣, 杨金中, 闫柏琨, 赵福岳, 范景辉, 童立强, 林键, 甘甫平, 陈微, 杨苏明, 张瑞江, 葛大庆, 张晓坤, 张振华, 王品清, 郭小方, 李丽. 2011. 遥感地质勘查技术与应用研究. 地质学报, 85(11): 1699−1744.

燕守勋, 武晓波, 周朝宪, 刘朝晖, 庄永成, 曹春香, 魏欣欣, 于彩虹, 肖春生. 2011. 遥感和光谱地质进展及其对矿产勘查的实践应. 地球科学进展, 26(1): 13−30.

张玉君, 杨建民, 姚佛军. 2006. 用ASTER数据进行不同类型矿床蚀变异常提取研究. 矿床地质, 25(增刊):507−511.

张玉君, 姚佛军. 2009. 应用多光谱ASTER数据对ETM遥感异常的定性判别研究——以东昆仑五龙沟为例.岩石学报, 25(4): 963−70

张玉君, 曾朝铭, 陈薇. 2003. ETM+(TM)蚀变遥感异常提取方法研究与应用——方法选择和技术流程. 国土资源遥感, 56(2): 44−51.

赵鹏大, 陈永清. 1999. 基于地质异常单元金矿找矿有利地段圈定与评价. 地球科学——中国地质大学学报, 24(5): 443−448.

Bedell R. 2004. Remote sensing in mineral exploration. SEG Newsletter, 58: 8−14

Crósta A P and Moore J McM. 1989. Enhancement of Landsat Thematic Mapper imagery for residual soil mapping in SW Minas Gerais State Brazil: A prospecting case history in greenstone belt terrain // Proceedings of the 9th Thematic Conference on Remote Sensing for Exploration Geology, Calgary (Ann Arbor, MI: Environmental Research Institute of Michigan): 1173−1187.

Crósta A P, Souza Filho C R, Azevedo F and Brodie C. 2003. Targeting key alteration minerals in epithermal deposits in Patagonia, Argentina, using ASTER imagery and principal component analysis. International Journal of Remote Sensing, 24(21): 4233−4240.

Hiroshi W and Kazuaki M. 2003. Rock type classification by multi-band TIR of ASTER. Geosciences Journal, 7(4): 347−358.

Loughlin W. 1991. Principal component analysis for alteration mapping. Photogrammetric Engineering and Remote Sensing, 57(9): 1163−1169.

An Improved Crosta Technique Based on Local Variable Window for Alteration Information Extraction—A Case Study of the Mohailaheng Area

PENG Guangxiong1,2, WANG Mingyan3and HE Jiao2
(1. MOE Key Laboratory of Metallogenic Prediction of Nonferrous Metals, Central South University, Changsha 410083, Hunan, China; 2. Qinghai Institute of Geological Survey, Xining 810012, Qinghai, China; 3. Department of Mineral Resources, Hunan Nonferrous Metals Holding Group Co., Ltd., Changsha 410015, Hunan, China)

With the advancement of remote sensing technology, the mineralization-related alteration anomalies can now be used as independent indicators for mineral exploration. Crosta technique, as a method for mineralization and alteration information extraction, played an important role in mineral exploration. However, the traditional Crosta technique calculates the eigenvectors of each component based on the statistical analysis of the entire image. It will produce a lot of noise in the abnormal component and reduce the accuracy of the alteration information extracted. This paper presents an improved method based on local variable window. In the improved method, the entire image is divided into a number of independent statistical analysis units by the local variable window. In each local variable window, principal component analysis and judgment of the abnormal component will comply after the elimination of interference information such as water, clouds, snow and so on. The improved method can reduce the background noise, filter interference information, and identify weak alteration information effectively. Using the improved Crosta technique, mineralization-related alteration anomalies are extracted to guide mineral resources prospecting in the Mohailaheng area, Qinghai province. The NWW-trending faults are the principal faults in the Mohailaheng area, which control the distribution of the strata and the mineralized zones. The combinations of silicification, ferritization and carbonatization anomalies within the fault zones are useful indicators for mineral exploration. There are some intensive alteration anomalies of silicification and ferritization in the intersections of fault F3, F4and F5, which will be the high priority targets for Pb-Zn deposit exploration.

mineralization and alteration; Crosta technique; remote sensing anomaly; local variable window; Mohailaheng

P627

A

1001-1552(2013)03-0553-008

2012-05-25; 改回日期: 2013-03-17

项目资助: 青海省重大科技专项(编号: 2010-J-A1)、中国博士后科学基金(批准号: 2012T50832)和湖南省科技资助计划博士后专项(批准号: 2012RS4047)联合资助。

彭光雄(1978−), 男, 博士后, 讲师, 主要从事遥感地质与成矿预测研究。Email: pgxcsu@csu.edu.cn