植被覆盖区高光谱遥感影像上蚀变岩与蚀变矿物信息的提取

徐元进 ,马洪超,孟鹏燕,杨明国

1)中国地质大学(武汉)资源学院数学地质遥感地质研究所,湖北武汉 430074;2)武汉大学遥感信息工程学院,湖北武汉 430079

资源勘查中,高光谱遥感已得到了广泛的应用(Rowan et al.,2000;甘甫平等,2002;阚明哲等,2005;刘圣伟等,2006;Van der Meer,2006a,2012;Chen et al.,2007;Gersman et al.,2008;Bedini,2011;Bishop et al.,2011;高建阳,2011;王润生等,2011;郭娜等,2012;Pour et al.,2013)。在该应用中,大多数研究和热液蚀变作用有关,几乎都是通过识别蚀变矿物去研究资源前景(Van der Meer et al.,2012),使用的参考光谱来自于JPL等光谱库中矿物光谱或从影像上提取的矿物光谱。但是,在植被覆盖区植被等会导致像元光谱中一些蚀变矿物信息微弱,难以被有效提取(Bishop et al.,2011)。同时,由于一些矿物(如高岭石)既能在蚀变作用下形成,也能在非蚀变作用下形成,所以从影像上提取的蚀变矿物信息中,除了有真正找矿意义的蚀变矿物信息外,还包含一些形成于非蚀变作用下无找矿意义的矿物信息。

由于蚀变岩除了包含蚀变矿物的特征外,还包含了其它一些特征(如原岩),因而在遥感影像上,它的信息较其表面蚀变矿物信息更丰富。所以,通过识别信息相对较多、与成矿直接相关的蚀变岩去研究资源前景是很有意义的,这不仅为微弱矿物信息难提取的问题提供一种思路,也可避免一些无找矿意义的矿物信息。本研究选取植被覆盖的云南普朗斑岩铜矿区作为研究区,从影像上分别提取蚀变岩和蚀变矿物信息,分析它们对找矿的有用性。

在高光谱遥感影像上识别地物,光谱匹配技术是进行定量比较、最直接有效的方法,该技术通过比较参考光谱和像元光谱的形态,表达两者的相似性(Van der Meer,2006b,2012)。目前,该技术已得到了广泛应用(Baugh et al.,1998;阚明哲等,2005;Debba et al.,2005;刘圣伟等,2006;Van der Meer,2006b;Kumara et al.,2010;Mountrakis et al.,2011)。SAM(spectral angle mapper)是该技术中应用较多的方法之一(Crósta et al.,1998;Dennison et al.,2004;阚明哲等,2005;Bishop et al.,2011;高建阳,2011;Pour et al.,2013)。本研究将使用SAM,从光谱整体形态出发进行蚀变矿物信息提取。在蚀变岩信息提取中,本研究不仅考虑光谱的整体形态,而且考虑光谱局部形态(本文着重于吸收谷位置形态);识别结果除提供可能拥有蚀变岩的像元外,还提供这些像元光谱的匹配值,便于判断像元中存在蚀变岩信息的可能性。本文在整体形态匹配结果上比较蚀变矿物和蚀变岩的信息,判断它们对找矿的有用性;同时,比较局部形态匹配前后的蚀变岩信息,目的是为了论证本研究方法的有效性。

1 方法

1.1 蚀变矿物信息提取思路

本研究使用的高光谱遥感影像数据来自于美国EO-1卫星传感器Hyperion,为L1R产品。该产品共有242个波段,其中 198个波段(VNIR8-57和SWIR77-224)经过了辐射定标处理,同时由于VNIR56、57与 SWIR77、78重叠,所以只使用了196个波段(426.82—2395.50 nm)。从影像上提取蚀变矿物信息,包含了最小噪声变换(MNF)、像元纯度指数(PPI)、n维可视化与端元选取、端元蚀变矿物识别、SAM方法进行蚀变矿物成图等过程(Kruse,2012),这些过程是在ENVI软件上实现的。在此之前,还必须进行大气校正,本文使用的是 FLAASH模型校正后的结果。

在云南普朗地区的遥感找矿中,Bishop等(2011)使用高光谱Hyperion数据,使用上述过程进行了该区蚀变矿物信息提取,取得了一些成果。考虑到影像上提取的矿物光谱与JPL等光谱库中对应矿物的光谱存在一定差异,而与影像上其它区域的该矿物光谱有相同尺度的获取环境,Bishop等(2011)使用的参考光谱是从影像上提取的矿物端元光谱。本研究将采用 Bishop等的思路进行蚀变矿物信息提取,目的是为了得到和前人相同思路的结果。

图1 使用蚀变岩光谱进行高光谱遥感影像上蚀变岩识别流程图Fig.1 Flow chart of the identification of altered rocks in hyperspectral image using the spectra of altered rocks

1.2 蚀变岩信息提取思路

使用不同蚀变类型的野外蚀变岩光谱作为参考光谱,从光谱的整体形态和吸收谷位置光谱形态两方面,进行高光谱遥感影像上蚀变岩识别,其流程如图1,作者在VC++下实现了该流程(Xu et al.,2010)。

1.2.1 数据预处理

蚀变岩光谱测试采用美国ASD公司FieldSpec Pro FR野外光谱辐射仪,该仪器能获取 2151个波段(350.00—2500.00 nm)的光谱。由于野外光谱在1360—1400 nm、1810—1915 nm和2380—2500 nm处被大气水汽吸收干扰(图 3),所以光谱匹配前对这些波段数据进行了干扰剔除。

由于蚀变岩光谱的波谱范围宽于像元光谱,且波段数远大于像元光谱的波段数,所以光谱匹配前应对蚀变岩光谱进行取值,获取一致的光谱范围及波段。取值方法为:在像元光谱的对应波段处获取蚀变岩光谱的反射率。

1.2.2 光谱匹配

考虑到吸收谷位置匹配的复杂性,本研究首先进行光谱整体形态匹配,获取那些可能存在蚀变岩的像元,然后在该结果上进行吸收谷位置光谱形态匹配。吸收谷位置的匹配是通过计算各个对应吸收谷位置的相关系数,然后对光谱整体形态匹配的结果进行进一步判定。

(1)光谱整体形态的匹配

通过计算每个像元光谱和所有蚀变岩光谱的皮尔森相关系数(Pearson correlation coefficient),选出最大相关系数的蚀变岩光谱(以下简称“最可能光谱”)。如果这个最大相关系数大于一个指定值(比如下文第2部分中的0.80),认为该像元可能存在对应“最可能光谱”的蚀变岩。

(2)吸收谷位置光谱形态的匹配

首先,必须确定吸收谷位置波长。在连续统归一化后光谱曲线(Van der Meer,2004)上,每个吸收谷中反射率最小处的波长即为吸收谷位置波长(Xu et al.,2010)。

图2 研究区侵入岩的地质简图Fig.2 Simplified geological map of the intrusive rocks in the study area

图3 六种蚀变岩光谱曲线Fig.3 Curves of six kinds of spectra of altered rocks in Table 1

吸收谷位置光谱形态的匹配,是像元光谱和它的“最可能光谱”,在每个吸收谷波段范围内,计算皮尔森相关系数。在每个吸收谷位置,存在左右两端反射率的极大值点,这两点的波长范围即为该吸收谷的波长范围(Xu et al.,2010)。

1.2.3 识别结果成图

识别结果可通过两幅图表达出来。第一幅图是蚀变岩信息分布图(如图4b),第二幅图是相关系数图(如图4c)。由于二维图像的局限性,第二幅图表达的是光谱整体形态的匹配系数(如图4c)。

对于第一幅图中那些拥有蚀变岩的像元,即使在第二幅图中整体形态的相关系数较大,如果该像元的大部分吸收谷相关系数太小(比如大于80%吸收谷的相关系数为0.5以下),还是认为该像元存在蚀变岩的可能性较小。在下文第2部分中,我们研究的主要是那些存在蚀变岩可能性较大的像元,如图4d(即整体形态的相关系数不小于0.80,且所有吸收谷位置的相关系数都不小于0.85)。对于整体形

态的相关系数不小于 0.80,吸收谷位置处相关系数不全是较大的(比如部分相关系数低于 0.85)的像元或区域,我们对其地面物体及其野外环境进行调查分析,检验方法的适用性。

表1 六种蚀变岩光谱信息Table 1 Information concerning the six spectra of altered rocks

图4 高光谱遥感影像及其识别结果图Fig.4 Hyperspectral RS image of the study area and diagrams of its recognition results

表2 图4b或4d中四个圈定点及实地检验结果表Table 2 Identification results and field survey results of the four marked targets in Fig.4b or 4d

2 应用与分析

2.1 研究区

研究区位于中国云南省中甸县普朗斑岩铜矿 区,其 四 角 坐 标 为 :该区属于原始森林覆盖区,地物类型主要是岩石、植被和土壤,地表蚀变岩露头的原岩大部分是侵入岩(主要是石英闪长玢岩)。图2为研究区侵入岩的地质简图,侵入岩的外围区域是以碳酸盐等为主的沉积岩区。

2.2 蚀变岩信息提取及结果分析

2003年9月,在研究区进行了野外光谱采集工作。最终选取6种蚀变岩光谱,其信息如表1,光谱曲线如图3,表1中光谱文件名与图 3中光谱曲线名对应。高光谱影像数据获取时间为2003年9月,图4a为研究区高光谱遥感影像,图4b、c、d是识别结果图。图4b和4d中蚀变岩的色标号与表1中蚀变岩光谱的编号对应。

由图4b、c、d和图2可知:图4b和4d中,蚀变岩信息主要集中在侵入岩及其周围区域;图4c中,可能存在蚀变岩的像元的相关系数都超过0.80,这说明这些像元的光谱和图3中对应的“最佳匹配光谱”有较高相关性。由此说明:使用蚀变岩光谱进行影像中蚀变岩信息提取是可行的。

我们进行了实地检验,识别结果图中数十种蚀变岩圈定点被验证。如表 2,该表中列举了 4个典型圈定点的识别结果与野外实地结果。由表2可知:除了部分表面矿物、覆盖物与实地情况稍微有些不同外,识别结果与实地地物基本一致。

为了论证吸收谷位置识别的重要性,图4b和4d中蚀变岩区被对比研究。在图4b和4d中的侵入岩及周围区域,蚀变岩信息分布区域大致相同,只是存在信息多少的不同。在沉积岩区,图4b中两区(A1、A2),主要为表面有褐铁矿、孔雀石的蚀变石英闪长玢岩(表 1中编号为 3);但是图4d中,这两区(A1、A2)无蚀变岩信息。野外调查表明:这两区没有发现蚀变岩,但很容易见到“铁锈”现象,可能是沉积岩中含铁物质风化氧化所致,因而图4b的这两区的信息是假蚀变岩信息。这种结果可能是因为这两区中含有铁氧化物信息的像元光谱和表面有褐铁矿的石英闪长玢岩的光谱有较高相关性,它们中存在共同的信息(即铁氧化物信息)。因此,为保证识别的精确性,避免一些假的蚀变岩信息,光谱匹配除从整体形态上匹配外,还应从局部吸收谷形态上进行匹配。

2.3 蚀变矿物信息提取及结果分析

由于 Hyperion高光谱数据的短波红外范围(SWIR)的信噪比低于可见光近红外范围(VNIR),为了避免噪声的影响,Bishop等(2011)用VNIR(400—1300 nm)的数据提取铁矿物信息,用SWIR(2000—2400 nm)的数据提取含羟基的矿物信息。本研究采用相同方法提取这两类矿物信息。图5a和5c分别是从影像中提取的粘土矿物和铁矿物的端元光谱曲线,这些端元光谱对应矿物的识别思路为:使用JPL等光谱库中光谱,对端元光谱进行匹配,挑选出与每个端元光谱匹配较好的前 10位光谱,通过对比分析,最终决定该端元光谱对应的是哪种矿物。图5b和5d分别是图5a和5c的端元光谱曲线对应的JPL光谱库中粘土矿物光谱曲线和铁矿物的光谱曲线。

本研究使用图5a和5c中提取的矿物光谱作为参考光谱,进行蚀变矿物信息提取。当所有光谱角的值设置为0.04时,图6a、b分别是提取的粘土矿物和铁矿物的信息分布图。将图6a、b中信息与图4a、d中信息进行对比,可知:图6a、b中信息明显多于图4a、d中信息,但是在图6a、b中四处蚀变岩圈定点(R2、R4、R8和 R9)几乎无蚀变信息。当增大所有光谱角的值(比如0.1)时,图6a、b中出现大量新信息,但是这四处圈定点仍无信息。由此说明:遥感影像上,这些圈定点的蚀变矿物信息极其微弱,以致无法被有效提取出;这些圈定点的蚀变岩信息能被有效提取出,可能是因为在影像上这些蚀变岩包含了比它们表面的蚀变矿物更多的信息(如原岩等)。

由图4b、图4d、图6和图2,可知:

(1)相比较图6a,图6b中蚀变信息的位置和轮廓更接近图4b(或4d);图4b和图6b中蚀变信息都主要存在于侵入岩及其周围。这种现象可能是因为在侵入岩及其周围的这些铁矿物主要是热液蚀变作用的产物或其风化氧化后产物,而本研究中蚀变岩也是热液蚀变作用的产物。

(2)图6b中A1、A2区主要是针铁矿和赤铁矿,这与 2.2部分中在这两区验证的“铁锈”现象是接近的。但是,这两区位于沉积岩区,没有发现蚀变岩,因而这两区“铁锈”可能是含铁物质风化氧化所致。第2.2部分中研究已表明:图4b中A1、A2区是表面有褐铁矿的蚀变石英闪长玢岩,虽然该区没有发现蚀变岩,但却指示该区有铁的氧化物;通过增加吸收谷位置的识别,图4b中A1、A2区假的蚀变岩信息可以避免(如图4d中A1、A2区)。

图5 影像上提取的矿物光谱曲线(a,c)与JPL光谱库中矿物光谱曲线的对比(b,d)Fig.5 Comparison of extracted mineral signatures from Hyperion analysis in comparison with JPL library spectra

图6 蚀变矿物信息图Fig.6 Altered mineral maps

(3)在图6a中,硬石膏是信息最多的矿物,其次是高岭石。除部分信息存在于侵入岩及其周围区域外,更多的硬石膏和高岭石信息存在于沉积岩区。这些存在于沉积岩区的信息可能来自于沉积岩,因而可能是假的蚀变信息。

上述分析表明:遥感影像上,通过蚀变岩光谱获取的蚀变信息比通过蚀变矿物光谱获取的蚀变信息更可靠,原因可能是这些蚀变岩仅形成于热液蚀变作用下,是与研究区斑岩铜矿的形成直接相关,而使用的一些“蚀变矿物”既可在蚀变作用下形成,也可在非蚀变作用下形成。

3 结论

(1)在蚀变岩识别图上,4个典型蚀变岩点的野外验证表明:除了部分表面矿物、覆盖物与实地情况稍微有些不同外,识别结果与实地地物基本一致。但是,通过蚀变矿物光谱获取的蚀变信息分布图中,这 4点处无任何信息。由此说明:这些点的蚀变岩信息较其表面蚀变矿物信息更丰富,因而能被有效识别出。

(2)在蚀变岩信息图中,通过比较吸收谷位置识别前后的结果,发现:只进行光谱整体形态识别的结果中一些区域(如图4b中A1、A2)存在假的蚀变岩信息。因此,为保证识别的精确性,避免一些假的蚀变岩信息,光谱匹配除从整体形态上匹配外,还应从局部吸收谷形态上进行匹配。

(3)通过比较提取的蚀变岩、粘土矿物、铁矿物的信息图,发现:铁矿物的信息分布与蚀变岩信息分布较接近,主要存在于侵入岩及其周围,可能是因为铁矿物主要是热液蚀变作用的产物或其风化氧化后产物,而蚀变岩也是热液蚀变作用的产物;在粘土信息分布图中,硬石膏和高岭石是主要的矿物,但是大量信息分布在沉积岩区。这些说明:通过蚀变岩光谱获取的蚀变信息比通过蚀变矿物光谱获取的蚀变信息更可靠。

甘甫平,王润生,杨苏明.2002.西藏Hyperion数据蚀变矿物识别初步研究[J].国土资源遥感,(4):44-51.

高建阳.2011.Hyperion高光谱数据在福建钟腾铜钼矿区的应用研究[J].国土资源遥感,(1):87-90.

郭娜,郭科,张婷婷,刘廷晗,胡斌,汪重午.2012.基于短波红外勘查技术的西藏甲玛铜多金属矿热液蚀变矿物分布模型研究[J].地球学报,33(4):641-653.

阚明哲,田庆久,张宗贵.2005.新疆哈密三种典型蚀变矿物的HyMap高光谱遥感信息提取[J].国土资源遥感,(1):37-40.

刘圣伟,甘甫平,闫柏琨,杨苏明,王润生,王青华,唐攀科.2006.成像光谱技术在典型蚀变矿物识别和填图中的应用[J].中国地质,33(1):178-186.

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[J].地质学报,85(11):1700-1743.

BAUGH W M,KRUSE F A,JR W W A.1998.Quantitative Geochemical Mapping of Ammonium Minerals in the Southern Ceder Mountains,Nevada,Using the Airborne Visible/Infrared Imaging Spectrometer(AVIRIS)[J].Remote Sensing of Environment,65(3):292-308.

BEDINI E.2011.Mineral mapping in the Kap Simpson complex,central East Greenland,using HyMap and ASTER remote sensing data[J].Advances in Space Research,47(1):60-73.

BISHOP C A,LIU Jian-guo,MASON P J.2011.Hyperspectral remote sensing for mineral exploration in Pulang,Yunnan Province,China[J].International Journal of Remote Sensing,32:2409-2426.

CHEN Xiao-feng,WARNER T A,CAMPAGNA D J.2007.Integrating visible,near-infrared and short wave infrared hyperspectral and multispectral thermal imagery for geological mapping at Cuprite,Nevada[J].Remote Sensing of Environment,110:344-356.

CRO´STA A P,SABINE C,TARANIK J V.1998.Hydrothermal Alteration Mapping at Bodie,California,Using AVIRIS Hyperspectral Data[J].Remote Sensing of Environment,65:309-319.

DEBBA P,VAN RUITENBEEK F J A,VAN DER MEER F D,CARRANZA E J M,STEIN A.2005.Optimal field sampling for targeting minerals using hyperspectral data[J].Remote Sensing of Environment,99:373-386.

DENNISON P E,HALLIGAN K Q,ROBERTS D A.2004.A comparison of error metrics and constraints for multiple endmember spectral mixture analysis and spectral angle mapper[J].Remote Sensing of Environment,93:359-367.

GAN Fu-ping,WANG Run-sheng,YANG Su-ming.2002.Study on the alteration minerals identification using Hyperion data [J].Remote Sensing for Land and Resources,(4):44-51(in Chinese with English abstract).

GAO Jian-yang.2011.The application of the Hyperion hyperspectral image to the Zhongteng Cu-Mo deposit in Pinghe County of Fujing province[J].Remote Sensing for Land and Resources,(1):87-90(in Chinese with English abstract).

GERSMAN R,BEN-DOR E,BEYTH M,AVIGAD D,ABRAHA M,KIBREAB A.2008.Mapping of hydrothermally altered rocks by the EO-1 Hyperion sensor,Northern Danakil Depression,Eritrea[J].International Journal of Remote Sensing,29:3911-3936.

GUO Na,GUO Ke,ZHANG Ting-ting,LIU Ting-han,HU Bin,WANG Chong-wu.2012.Hydrothermal Alteration Distribution Model of the Jiama (Gyama) Copper-Polymetallic Deposit Based on Shortwave Technique[J].Acta Geoscientica Sinica,33(4):641-653(in Chinese with English abstract).

KAN Ming-zhe,TIAN Qing-jiu,ZHANG Zong-gui.2005.The extraction of HyMap hyperspectral remote sensing information from three typical altered minerals in Hami area,Xingjing[J].Remote Sensing for Land and Resources,(1):37-40(in Chinese with English abstract).

KRUSE F A.2012.Mapping surface mineralogy using imaging spectrometry[J].Geomorpholgy,137:41-56.

KUMARA A S,KEERTHI V,MANJUNATH A S,VAN DER WERFF H,VAN DER MEER F.2010.Hyperspectral image classification by a variable interval spectral average and spectral curve matching combined algorithm[J].International Journal of Applied Earth Observation and Geoinformation,12:261-269.

LIU Sheng-wei,GAN Fu-ping,YAN Bo-kun,YANG Su-ming,WANG Run-sheng,WANG Qing-hua,TANG Pan-ke.2006.Application of the imaging spectroscopic technique in mineral identification and mapping[J].Geology in China,33(1):178-186(in Chinese with English abstract).

MOUNTRAKIS G,IM J,OGOLE C.2011.Support vector machines in remote sensing:A review[J].ISPRS Journal of Photogrammetry and Remote Sensing,66:247-259.

POUR A B,HASHIM M,VAN G J.2013.Detection of hydrothermal alteration zones in a tropical region using satellite remote sensing data:Bau goldfield,Sarawak,Malaysia[J].Ore Geology Reviews,54:181-196.

ROWAN L C,CROWLEY J K,SCHMIDT R G,AGER C M,MARS J C.2000.Mapping hydrothermally altered rocks by analyzing hyperspectral image (AVIRIS) data of forested areas in the Southeastern United States[J].Journal of Geochemical Exploration,68(3):145-166.

VAN DER MEER F,VAN DER WERFF H,VAN RUITENBEEK F,HECKER C,BAKKER W,NOOMEN M,VAN DER MEIJDE M,CARRANZA E.2012.Multi- and hyperspectral geologic remote sensing:A review[J].International Journal of Applied Earth Observation and Geoinformation,14(1):112-128.

VAN DER MEER F.2004.Analysis of spectral absorption features in hyperspectral imagery[J].International Journal of Applied Earth Observation and Geoinformation,5(1):55-68.

VAN DER MEER F.2006a.Indicator kriging applied to absorption band analysis in hyperspectral imagery:a case study from the Rodalquilar epithermal gold mining area,SE Spain[J].International Journal of Applied Earth Observation and Geoinformation,8:61-72.

VAN DER MEER F.2006b.The effectiveness of spectral similarity measures for the analysis of hyperspectral imagery[J].International Journal of Applied Earth Obser-vation and Geoinformation,8:3-17.

WANG Run-sheng,XIONG Sheng-qing,NIE Hong-feng,LIANG Shu-neng,QI Ze-rong,YANG Jin-zhong,YAN Bai-kun,ZHAO Fu-yue,FAN Jing-hui,TONG Li-qiang,LIN Jian,GAN Fu-ping,CHEN Wei,YANG Su-ming,ZHANG Rui-jiang,GE Da-qing,ZHANG Xiao-kun,ZHANG Zhen-hua,WANG Pin-qing,GUO Xiao-fang,LI Li.2011.Remote Sensing Technology and Its Application in Geological Exploration[J].Acta Geologica Sinica,85(11):1700-1743(in Chinese with English abstract).

XU Yuan-jin,ZHANG Zhen-fei,HU Guang-dao.2010.Ground Object Identification Based on Absorption-band Position Using EO-1 Hyperion Data[J].Photonirvachak-Journal of the Indian Society of Remote Sensing,38:299-308.