新疆白杨河铀铍矿区航空高光谱矿物填图及蚀变特征分析

张川， 叶发旺， 徐清俊， 刘洪成， 孟树

(1.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；2.中国地质大学(北京)地球科学与资源学院，北京 100083)

新疆白杨河铀铍矿区航空高光谱矿物填图及蚀变特征分析

张川1,2， 叶发旺1， 徐清俊1， 刘洪成1， 孟树1

(1.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；2.中国地质大学(北京)地球科学与资源学院，北京 100083)

以新疆白杨河铀铍矿区为研究区，通过建立航空高光谱数据CASI/SASI矿物填图处理流程，运用混合调制匹配滤波技术实现了多种蚀变矿物的填图。填图结果的野外验证表明，3种绢云母亚类的准确性高于85%，其他各类矿物的准确性高于90%。叠加研究区铀矿点资料，发现白杨河矿区赤铁矿化和高铝绢云母的空间分布特征与铀矿点分布高度相关，主要位于杨庄岩体与外围火山岩的北接触带附近，呈明显分带性。并且，高、中、低铝绢云母的空间分布指示矿床北部和南部的热液活动温度可能存在差异，区域上存在多期热液活动作用。这为矿区外围找矿预测和区域地质成因研究提供了参考和依据。

高光谱遥感； 蚀变； 白杨河； 铀矿； 矿物填图

0 引言

近年来，高光谱遥感在国内地质调查领域取得了许多的进展和成果，并为金、铜、铅锌及其他金属矿产勘查提供了有效的技术支持[1-4]。但在铀矿地质领域，高光谱遥感的应用相对较少。已有研究表明，热液活动与蚀变作用对铀成矿的富集具有一定的作用[5,6]，高光谱蚀变矿物填图对铀矿找矿勘查具有十分重要的意义。

高光谱矿物填图的实质是对高光谱图像进行监督分类。当前国内外高光谱矿物填图方法可以大致归为2类： 基于统计特征的方法和基于光谱特征的方法。前者是根据已知训练样本的统计特征，确定判别函数或判别规则，从而进行归类，如最大似然法、马氏距离法、支持向量机等[7]； 后者是通过比较研究重建光谱和参考光谱之间的相似性来判断地物的归属，如光谱角匹配、光谱相关性匹配、光谱匹配滤波等[8]。有研究表明，在岩矿识别方面，基于光谱特征的分类方法精度优于基于统计特征的分类方法[9]。本文以新疆维吾尔自治区白杨河铀铍矿区为研究区，选择适当的光谱匹配方法开展航空高光谱矿物填图应用研究，结合矿点资料进行蚀变分带特征分析，为矿区及外围资源勘查提供一些参考。

1 研究区和数据源

1.1 研究区概况

白杨河地区位于新疆维吾尔自治区西北部，准噶尔盆地西北缘雪米斯坦(或称谢米斯台)火山岩带的西段，大地构造上处于哈萨克斯坦-准噶尔板块西北缘古生代陆缘活动带内晚古生代成熟岛弧之上[10]。白杨河矿床是雪米斯坦火山岩带西部发现的具有工业意义的铀、铍共生矿床，区域构造位置位于两条近EW向大断裂的交汇处，在此基础上，发育了数条NE向二级断裂和其他的次级断裂，这些断裂控制了本区重要的火山机构和岩体的展布。区内出露地层由老至新为泥盆系、石炭系、新近系及第四系。火山岩厚度大，岩性复杂，岩浆演化系列完全，从基性到酸性的各类火山碎屑岩和熔岩均有发育，是火山岩型铀矿化及其他金属成矿的有利环境。图1为白杨河矿床地质图，是在杨文龙等[11]和修晓茜等[12]研究基础上修改成图的。

1—新近系; 2—下石炭统黑山头组; 3—下石炭统和布克河组; 4—上泥盆统塔尔巴哈台组上亚组; 5—上泥盆统塔尔巴哈台组下亚组; 6—辉绿岩; 7—辉石闪长岩; 8—闪长玢岩; 9—花岗斑岩; 10—白岗岩; 11—侵入岩接触界线; 12—角度不整合界线; 13—向斜轴部; 14—背斜轴部; 15—断裂及编号; 16—推测断裂

根据前人研究，矿床产出于晚石炭世微晶花岗斑岩与上泥盆统塔尔巴哈台组中酸性火山岩的接触带附近，围岩蚀变发育种类多样，主要有水云母化、赤铁矿化、绿泥石化、碳酸盐化、萤石化等，矿体旁由热液蚀变导致形成褪色带，呈浅绿至白色，在褪色带之上局部发育赤铁矿化[12]。

1.2 数据源

本文采用引自加拿大的CASI/SASI机载成像光谱仪，它可以获取可见光-短波红外光谱范围的图谱合一的高光谱分辨率影像数据，空间分辨率达到亚米级，具体技术参数指标如表1所示。

表1 CASI/SASI成像光谱仪技术指标

2 高光谱图像处理

根据表1中所介绍的系统参数，CASI/SASI传感器的探测范围均在可见光-短波红外波段，所接收的信号都为地表反射太阳光的辐射能量信息，因此它们的数据处理方法是类似的。图2是CASI/SASI高光谱数据处理和矿物填图技术路线图。

图2 CASI/SASI航空高光谱数据处理与矿物填图技术流程

2.1 图像预处理

高光谱图像预处理是进行高光谱遥感矿物填图的基础。图像预处理主要包括辐射校正、几何纠正、大气校正和光谱重建等几个步骤。辐射校正的目的是去除仪器系统误差，将原始图像DN值转化为辐射亮度值； 几何纠正的目的是消除图像空间几何变形，使图像中的地物与实际地理位置相匹配； 大气校正的目的是去除辐射传输过程中的大气环境影响，将辐射亮度值转化为反射率，实现光谱重建。本文采用加拿大ITRES公司提供的系统软件对CASI/SASI数据进行辐射校正和几何纠正； 几何纠正时还结合了研究区的DEM数据进一步提高了纠正精度。利用飞行同步采集的定标场反射率，采用经验线性法[13]完成了大气校正和光谱重建。

2.2 矿物信息提取

2.2.1 端元光谱提取

确定端元光谱是矿物填图之前的关键环节，在已有研究区详细地质资料的情况下，可以根据要提取的目标矿物，通过光谱测量或调用光谱库，直接确定矿物端元光谱，也可以称之为基于已知目的的方法。但是，对于一个全新的区域来说，未知往往多于已知，即这片区域很可能存在经验知识中没有出现的矿物，因此，通过数学方法从图像中挖掘提取出矿物端元光谱，有利于新发现，可以称之为基于未知探索的方法，这套方法目前已集成到遥感图像处理软件ENVI中。具体的方法步骤为： 首先，对光谱重建后的高光谱数据进行特征选择，并采用最小噪声分离变换(minimum noise fraction rotation，MNF)的方法进行降维和去噪处理，以优化数据的信息量； 第二，利用纯净像元指数(pixel purity index，PPI)从高光谱图像绝大多数的混合像元中分离出相对“纯净”的像元，以减少在确定端元时所需分析的像元数，使得端元的提取更加容易； 第三，将“纯净”像元输入到N维可视化空间中，每个像元为其中的一个点，端元一般位于多个点集群处或集群拐角，对这些点进行人机交互式端元选择，通过比对美国地质勘探局USGS矿物标准光谱库来确定最终的矿物端元。

本研究将以上方法相结合，一方面通过对研究区资料的调研，了解研究区已知存在的蚀变矿物类型，同时获取钻孔岩心蚀变样品进行实验室光谱测量，并与美国USGS矿物标准光谱库进行综合比对和光谱分析，确定各类蚀变矿物的诊断性光谱特征波长位置和波长区间。另一方面，通过“特征选择→MNF变换→PPI计算→N维可视化分析→专家光谱解译”从高光谱数据中识别并提取矿物端元光谱，其中SASI数据选择波长2 000 nm之后的波段进行上述处理。这样能够最大程度地避免漏提和错提的现象，提高矿物填图的精度。如图3所示，从CASI数据中识别并提取了赤铁矿。如图4所示，从SASI数据中识别并提取出的矿物种类主要包括： 高铝绢云母、中铝绢云母、低铝绢云母、蒙脱石、高岭石、绿帘石、碳酸盐矿物等。前人研究表明，绢云母的铝羟基(Al-OH)吸收位置随云母中六次配位铝(AlⅥ)含量的增加向短波方向漂移[14,15]。因此，根据SASI数据识别Al-OH在2 200 nm附近的吸收波长位置，分别位于2 195 nm，2 210 nm和2 225 nm，本文将绢云母端元进一步细分出了高铝绢云母、中铝绢云母、低铝绢云母3类。

图3 CASI端元光谱曲线

图4 SASI端元光谱曲线

2.2.2 矿物填图

高光谱矿物填图是根据矿物端元光谱，将这些矿物从图像上提取并表达出来的过程。矿物填图的光谱匹配方法分为基于局部光谱和基于整体光谱的方法，前者仅利用光谱曲线诊断性吸收峰的深度、宽度、对称度等参量进行相似性匹配识别； 后者以全部光谱区间或某一段光谱区间的整体光谱为基础进行相似性匹配识别。因此，后者可以在一定程度上改善单个波形的不确定性影响，从而提高识别精度[16]。此外，由于高光谱图像普遍存在的混合像元效应，多采用线性解混的方法，对光谱重建后的高光谱图像进行亚像元分解，得到每种端元矿物在像元中的比例。笔者认为，结合了地物实际波谱特征并考虑了混合像元问题的方法，是高光谱矿物填图相对更为理想的方法。因此，本文选择混合调制匹配滤波(mixture tuned matched filtering,MTMF)方法进行矿物填图。MTMF的思想是对像元进行解混并估计每个像元端元的丰度，是将线性混合分解与匹配滤波相结合的方法，它综合了匹配滤波不需要其他背景端元光谱参与，以及不受线性混合分解的像元中各端元含量为正且总和为1的条件约束等优点，因而降低了矿物的检出限，能探测出其他方法不能检测出的岩石中微量矿物成分[17]。每个端元在MTMF的结果中输出一幅匹配滤波图像和一幅不可行性图像，同时具有一个大于背景分布值的较高的匹配滤波值和一个较低的不可行性值的像元即为此端元的最优匹配像元，最后，采用二维散点图结合阈值分割法可得到每种矿物对应的分布范围。

3 矿物填图结果及分析

3.1 矿物填图结果与野外验证

图5和图6分别为利用CASI和SASI高光谱数据提取的白杨河铀铍矿区矿物提取分布图，并与已知的铀矿化点分布位置进行了叠加。从各种矿物的空间分布特征来看，赤铁矿化主要分布于杨庄岩体的北缘、西部以及南缘的中部； 高铝绢云母主要分布在杨庄岩体的北缘、东缘和西南缘； 中铝、低铝绢云母及少量的蒙脱石发育在杨庄岩体西南部的外围火山岩中。此外岩体西北部褶皱构造带内发育了大量蚀变，包括各类绢云母、绿帘石、碳酸盐、高岭石及蒙脱石等。总体上看，各种蚀变主要发育在杨庄岩体与外围火山岩的接触带边缘附近以及外部，而岩体的内部蚀变相对较弱。

图5 白杨河矿区CASI数据矿物提取分布图

图6 白杨河矿区SASI数据矿物提取分布图

野外实地考察时对研究区进行了地面光谱测量，以验证矿物填图的准确性。野外光谱测量采用美国ASD(Analytica Spectra Devices., Inc)公司生产的Field Spec便携式可见光-短波红外地物光谱仪，其光谱范围覆盖350～2 500 nm，光谱分辨率在350～1 050 nm之间为3 nm，1 050～2 500 nm之间为10 nm。在实际测量中，选择晴朗无云的天气，每个验证点依据填图矿物浓集区在图像中的坐标位置定位到野外实地的蚀变发育地段，在坐标中心点及其附近测量10～20组光谱曲线，对测量后的光谱曲线进行光谱识别，若80%以上的光谱曲线特征与填图矿物类型相吻合，说明该填图矿物在实地的混合矿物比例中占据主导地位，即认为此验证点上的矿物填图是准确的。光谱曲线识别依据矿物诊断性光谱特征的吸收峰波长位置、吸收峰组合、吸收峰深度以及光谱曲线整体形态等进行判断。由于野外测量的露头光谱多为混合光谱，每种矿物的判断需要满足其特征吸收峰必须存在，并且吸收峰深度相对较强的原则。以绢云母为例，特征吸收峰有2个分别位于2 200 nm和2 350 nm附近，吸收峰波长位置区间分别在2 190～2 202 nm和2 345～2 355 nm的为高铝绢云母； 吸收峰波长位置区间分别在2 202～2 212 nm和2 345～2 355 nm的为中铝绢云母； 吸收峰波长位置分别在2 212～2 225 nm和2 345～2 355 nm的为低铝绢云母。利用ASD对填图的各种矿物进行光谱测量，重点对高、中、低铝绢云母进行了验证测量，对测量之后的光谱曲线进行逐条的识别、分析和判断。结果表明高岭石、碳酸盐、绿帘石的矿物填图准确率达到100%，赤铁矿的准确率在90%以上； 而高、中、低铝绢云母和蒙脱石的填图准确率略低，但也达到了85%以上，这是因为这几种矿物的光谱特征较为相似。总体上看，利用CASI/SASI进行精细矿物填图的准确性很高，对区域蚀变的研究十分有利。图7为野外实地验证的照片和部分光谱测量结果。

(a) 赤铁矿化野外照片 (b) 赤铁矿化光谱测量曲线

(c) 高铝绢云母野外照片(d) 高铝绢云母光谱测量曲线

(e) 低铝绢云母野外照片(f) 低铝绢云母光谱测量曲线

3.2 蚀变特征分析及探讨

根据CASI和SASI矿物填图结果分析发现，白杨河矿区杨庄岩体北接触带的蚀变组合和空间分布具有明显的分带性，高铝绢云母主要分布于岩体与外围火山岩接触带的外带，赤铁矿化主要分布在接触带的内带和岩体内部。将它们与已知铀矿化点的空间位置叠加后分析，发现赤铁矿化和高铝绢云母的分布与本区铀矿化的分布规律十分相似，空间相关性较高。这一点与铀矿地质研究上普遍认为的铀矿化与赤铁矿化关系密切的认识相一致； 而高铝绢云母与铀矿化是否有关仍需要进一步的研究。

绢云母中的AlⅥ含量变化常常是由于地质学上组分相互替代造成的，组分替代过程常与温度、压力以及流体PH值密切相关，因此，绢云母Al-OH吸收峰位置可以用来讨论流体成矿条件，对矿产勘查地质成因分析有重要的指导作用。前人的一些研究发现，对于许多热液矿床来说，越靠近矿体和强蚀变岩处，绢云母的Al-OH吸收峰波长位置越小，远离则波长位置越大[18-20]，因此高铝绢云母反映了相对高温的流体环境，而低铝绢云母则反映相对低温的流体环境。根据这些研究成果，本文认为在杨庄岩体北部发育以高铝绢云母为主的蚀变，而南侧主要发育低铝、中铝绢云母蚀变，反映了北部的热液活动温度相对较高，并且区域上可能存在过多期热液活动作用。

4 结论

基于新疆白杨河铀铍矿区的CASI/SASI航空高光谱数据，利用混合调制匹配滤波技术实现了多种蚀变矿物的提取和填图，得出以下结论：

1)航空高光谱矿物填图的野外验证结果表明，高光谱遥感可以为区域地质调查和找矿勘查预测提供准确而可靠的信息。

2)根据研究区铀矿点和矿物填图的空间叠加结果，赤铁矿化和高铝绢云母与矿区铀矿点的分布高度相关，发育在杨庄岩体与外围火山岩接触带附近，并具有明显的空间分带性，这为研究区外围的找矿预测提供了参考。

3)根据三类绢云母的空间分布特征，反映了杨庄岩体的北部热液活动温度相对较高，南部温度相对较低，并且区域上可能存在过多期热液活动。这为该地区的地质成因研究提供了依据。

志谢： 感谢核工业二一六大队在野外调查工作中提供的帮助。

[1] 甘甫平,王润生.高光谱遥感技术在地质领域中的应用[J].国土资源遥感,2007,19(4):57-60.doi:10.6046/gtzyyg.2007.04.13. Gan F P,Wang R S.The application of the hyperspectral imaging technique to geological investigation[J].Remote Sensing for Land and Resources,2007,19(4):57-60.doi:10.6046/gtzyyg.2007.04.13.

[2] 王润生,甘甫平,闫柏琨,等.高光谱矿物填图技术与应用研究[J].国土资源遥感,2010,22(1):1-13.doi:10.6046/gtzyyg.2010.01.01. Wang R S,Gan F P,Yan B K,et al.Hyperspectral mineral mapping and its application[J].Remote Sensing for Land and Resources,2010,22(1):1-13.doi:10.6046/gtzyyg.2010.01.01.

[3] 李志忠,杨日红,党福星,等.高光谱遥感卫星技术及其地质应用[J].地质通报,2009,28(2/3):270-277. Li Z Z,Yang R H,Dang F X,et al.The hyperspectral remote sensing technology and its application[J].Geological Bulletin of China,2009,28(2/3):270-277.

[4] 张宗贵,王润生,郭小方,等.基于地物光谱特征的成像光谱遥感矿物识别方法[J].地学前缘,2003,10(2):437-443. Zhang Z G,Wang R S,Guo X F,et al.Mineral recognition method by spectrometry remote sensing based on material spectral characteristics[J].Earth Science Frontiers,2003,10(2):437-443.

[5] 李子颖,张金带,秦明宽,等.中国铀矿成矿模式[M].中国核工业地质局&核工业北京地质研究院,2014:3-8. Li Z Y,Zhang J D,Qin M K,et al.Metallogenic Models of Uranium Deposits in china[M].China Nuclear Geology & Beijing Research Institute of Uranium Geology,2014:3-8.

[6] 王谋,李晓峰,王果,等.新疆雪米斯坦火山岩带白杨河铍铀矿床地质特征[J].矿产勘查,2012,3(1):34-40. Wang M,Li X F,Wang G,et al.Geological characteristics of Baiyanghe beryllium-uranium deposits in Xuemisitan volcanic belt,Xinjiang[J].Mineral Exploration,2012,3(1):34-40.

[7] 彭正林,毛先成,刘文毅,等.基于多分类器组合的遥感影像分类方法研究[J].国土资源遥感,2011,23(2):19-25.doi:10.6046/gtzyyg.2011.02.04. Peng Z L,Mao X C,Liu W Y,et al.Method for classification of remote sensing images based on multiple classifiers combination[J].Remote Sensing for Land and Resources,2011,23(2):19-25.doi:10.6046/gtzyyg.2011.02.04.

[8] 王润生,杨苏明,闫柏琨.成像光谱矿物识别方法与识别模型评述[J].国土资源遥感,2007,19(1):1-9.doi:10.6046/gtzyyg.2007.01.01. Wang R S,Yang S M,Yan B K.A review of mineral spectral identification methods and models with imaging spectrometer[J].Remote Sensing for Land and Resources,2007,19(1):1-9.doi:10.6046/gtzyyg.2007.01.01.

[9] 刘汉湖,杨武年,杨容浩.高光谱遥感岩矿识别方法对比研究[J].地质与勘探,2013,49(2):359-366. Liu H H,Yang W N,Yang R H.A comparative study on the mineral identification methods using hyperspectral remote sensing data[J].Geology and Exploration,2013,49(2):359-366.

[10]董连慧,冯京,刘德权,等.新疆成矿单元划分方案研究[J].新疆地质,2010,28(1):1-15. Dong L H,Feng J,Liu D Q,et al.Research for classification of metallogenic unit of Xinjiang[J].Xinjiang Geology,2010,28(1):1-15.

[11]杨文龙,Mostafa F,李彦龙,等.西准白杨河铍矿床萤石及流体包裹体特征[J].新疆地质,2014,32(1):82-86. Yang W L,Mostafa F,Li Y L,et al.Characteristics of fluid inclusions and fluorite of Baiyanghe beryllium deposit in western Junggar[J].Xinjiang Geology,2014,32(1):82-86.

[12]修晓茜,范洪海,马汉峰,等.新疆白杨河铀铍矿床围岩蚀变及其地球化学特征[J].铀矿地质,2011,27(4):215-220,256. Xiu X Q,Fan H H,Ma H F,et al.The wall rock alteration and its geochemical characteristics of Baiyanghe uranium and beryllium deposit,Xinjiang[J].Uranium Geology,2011,27(4):215-220,256.

[13]亓雪勇,田庆久.光学遥感大气校正研究进展[J].国土资源遥感,2005,17(4):1-6.doi:10.6046/gtzyyg.2005.04.01. Qi X Y,Tian Q J.The advances in the study of atmospheric correction for optical remote sensing[J].Remote Sensing for Land and Resources,2005,17(4):1-6.doi:10.6046/gtzyyg.2005.04.01.[14]刘圣伟,闫柏琨,甘甫平,等.绢云母的光谱特征变异分析及成像光谱地质成因信息提取[J].国土资源遥感,2006,18(2):46-50.doi:10.6046/gtzyyg.2006.02.12. Liu S W,Yan B K,Gan F P,et al.An analysis of spectral features variation of sericite and the extraction of geologic genesis information by using imaging spectroscopic technique[J].Remote Sensing for Land and Resources,2006,18(2):46-50.doi:10.6046/gtzyyg.2006.02.12.

[15]梁树能,甘甫平,闫柏锟,等.白云母矿物成分与光谱特征的关系研究[J].国土资源遥感,2012,24(3):111-115.doi:10.6046/gtzyyg.2012.03.20. Liang S N,Gan F P,Yan B K,et al.Relationship between composition and spectral feature of muscovite[J].Remote Sensing for Land and Resources,2012,24(3):111-115.doi:10.6046/gtzyyg.2012.03.20.

[16]黄光玉,沈占锋,赵欣梅.高光谱遥感矿物识别方法研究[J].资源环境与工程,2007,21(1):50-54. Huang G Y,Shen Z F,Zhao X M.Discussion for discrimination method of mineral using hyperspectral remote sensing[J].Resources Environment & Engineering,2007,21(1):50-54.

[17]Boardman J W.Leveraging the high dimensionality of AVIRIS data for improved sub-pixel target unmixing and rejection of false positives:Mixture tuned matched filtering[C]//Summaries of the Seventh Annual JPL Airborne Earth Science Workshop.Pasadena,CA:JPL Publication,1998.

[18]Herrmann W,Blake M,Doyle M,et al.Short wavelength infrared(SWIR) spectral analysis of hydrothermal alteration zones associated with base metal sulfide deposits at Rosebery and Western Tharsis,Tasmania,and Highway-Reward,Queensland[J].Economic Geology,2001,96(5):939-955.

[19]Yang K,Lian C,Huntington J F,et al.Infrared spectral reflectance characterization of the hydrothermal alteration at the Tuwu Cu-Au deposit,Xinjiang,China[J].Mineralium Deposita,2005,40(3):324-336.

[20]Harraden C L,Mcnulty B A,Gregory M J,et al.Shortwave infrared spectral analysis of hydrothermal alteration associated with the Pebble Porphyry Copper-Gold-Molybdenum deposit,Iliamna,Alaska[J].Economic Geology,2013,108(3):483-494.

(责任编辑： 李瑜)

Mineral mapping and analysis of alteration characteristics using airborne hyperspectral remote sensing data in the Baiyanghe uranium and beryllium ore district，Xinjiang

ZHANG Chuan1,2， YE Fawang1， XU Qingjun1， LIU Hongcheng1， MENG Shu1

(1.NationalKeyLaboratoryofRemoteSensingInformationandImageAnalysisTechnology,BeijingResearchInstituteofUraniumGeology,Beijing100029,China; 2.FacultyofGeosciencesandResources,ChinaUniversityofGeosciences,Beijing100083,China)

The technology of hyperspectral remote sensing has the special advantages in regional alteration information extraction. Hyperspectral mineral mapping has important reference value for hydrothermal uranium exploration. In this paper, the data processing flow of CASI/SASI airborne hyperspectral remote sensing data was established and mixture tuned matched filtering was applied to realize minerals mapping in the Baiyanghe uranium and beryllium ore district, Xinjiang. The results of mineral mapping were evaluated by the field verification and the results show that the accuracy of three kinds of sericite’s mapping is higher than 85% and the accuracy of other minerals’ mapping is larger than 90%. The overlay analysis of uranium ore spots and the results of mineral mapping show that there is a significantly correlation of the characterization of spatial distribution between uranium ore spots and the alteration of hematite and Al-rich sericite. The alterations of hematite and Al-rich sericite are near the contact zone between Yangzhuang rock body and peripheral volcanic rocks and exhibit distinct characteristics of zoning. Furthermore, there may be some differences in the temperature of hydrothermal activity between the north and the south of the deposit according to the spatial distribution characteristics of three kinds of sericite, which indicates the existence of multiple hydrothermal activities in the region. The results obtained by the authors can provide references for prospecting prediction of the periphery of the ore district and regional geological genesis research.

hyperspectral； alteration; Baiyanghe； uranium deposit； mineral mapping

10.6046/gtzyyg.2017.02.23

张川，叶发旺，徐清俊,等.新疆白杨河铀铍矿区航空高光谱矿物填图及蚀变特征分析[J].国土资源遥感,2017,29(2):160-166.(Zhang C，Ye F W，Xu Q J,et al.Mineral mapping and analysis of alteration characteristics using airborne hyperspectral remote sensing data in the Baiyanghe uranium and beryllium ore district，Xinjiang[J].Remote Sensing for Land and Resources,2017,29(2):160-166.)

2015-12-11；

2016-06-22

中核集团优先发展技术项目“铀及伴生元素矿产勘查高分辨率遥感评价技术研究”(编号： 中核科发[2010]269号)资助。

张川(1985-)，男，工程师，博士研究生。主要从事高光谱遥感信息提取、遥感地质研究。Email: chuanzi521@163.com。

TP 79

A

1001-070X(2017)02-0160-07