基于无人机遥感测量的铝土矿测绘研究

林 坤

(西安航空职业技术学院，陕西 西安 710089)

1 概 述

利用无人机搭载各类遥感设备并结合航空照片、卫星图像等地标特征信息可分析矿物勘探潜在区域的大量信息。由于天气影响以及卫星和各类机载传感器提供的光谱和空间分辨率的不同，遥感已被证明是理解成矿环境和瞄准矿物栖息地的不可替代的工具；从遥感数据中，研究人员可以破译区域岩性，构造地形及地貌细节，这有助于精确瞄准金属和矿物[1-3]。

由于光谱特征对于每种材料是独特的，因此可以用于区分图像中存在的各种材料。相关专家研究VNIR，SWIR和TIR等区域波长为地质调查提供了丰富的探测数据；特别是近红外反射光谱(从0.4 μm到2.5 μm)已经为地质学家提供了岩石信息提取的重要潜在来源；而且近红外区域波长已被广泛用于矿物学测绘，如使用高分辨率成像系统(航空可见/红外成像光谱仪AVIRIS)；同时，利用矿区的卫星DEM(高程数据)可以解译出地貌、地形的构造样式等各种信息。

本文利用ASTER图像数据的VNIR和SWIR波段，研究国内某区域富含铝土的地区的光谱特征。所谓铝土矿是指含铝的矿石，是一种富含氧化铝但碱、碱土和二氧化硅含量低的沉积物。世界上90%的铝土矿用于铝的生产，其它的主要用于研磨剂、化学品和耐火材料的生产。通常业界所指的术语铝土矿是指经济可开采的铝土矿，即含有不低于45%～50%的Al2O3，不高于20%的Fe2O3和3%～5%的复合二氧化硅；而术语氧化铝是指含有52.9%Al和47.1%O的纯Al2O3。铝土矿床起源于富集铝区域的风化形成，铝土矿的母岩包含两种形态：1)火成岩和变质岩，2)沉积岩。研究已证明火成岩和变质岩上的铝土矿沉积在整个地球历史的高原上形成；斜坡型矿床的例子有：基本到中等火山岩，酸性变质岩以及茶花石等。有利于形成铝土矿的条件是渗透性高、连续降雨的高温气候，以及地形高而排水良好的地区，这是由于有机酸的纯净雨水比有机酸可降低石英溶解，对于铝土矿床的形成是非常重要的[4]。

本文主要利用光谱解混作为矿物靶向的图像处理方法评估ASTER(先进星载热辐射和反射辐射计)高光谱图像数据评估铝土矿质量，为探索新的铝土矿床提供技术支持。

2 地质背景

为了研究使用ASTER图像勘探铝土矿矿床的可能性，对国内XX地区的丘陵进行探测，用于铝土矿的研究。XX山的最大高度是2 340 m，该山脉被认为是远古时代的地壳运动形成的，该区域的岩石属于“紫苏花岗岩”大类，由石英、长石、紫苏石榴或含石榴石组成。在地质变化中，斜长石主要转变为高岭土，很少转变为三水铝石；铁的氧化物代替辉石和石榴石等铁镁矿物。山地平均降雨量约为1 500毫米/年；温度范围在16(°)到25(°)之间；3月份的湿度从12月份的87%下降到67%；适应的气候支持了山坡植被茂盛的生长。因此，所有有利于形成铝土矿的条件都存在于该区域。相关地质研究已经证明，该区域的大部分山顶都含有可开采的铝土矿矿床，而目前正在这些矿层中进行采矿，如图1所示为当前区域的分布图像，这里的铝土矿属于残余型，在扁平的山峰上形成覆盖层[5-7]。

图1 XX区域铝土矿分布

3 图像处理过程

3.1 图像处理算法

ASTER(先进星载热辐射和反射辐射计)是机载TERRA-1卫星的传感器系统，主要用于地质绘图。其中所包含三个VNIR波段，这些波段用于某些金属特别是铁的吸收以及植物光合作用中的叶绿素吸收的重要信息来源；另外的六个SWIR波段，用于碳酸盐岩、水合物和氢氧化物矿物质谱的显示。因此，在该研究中，广泛使用了XX地区的ASTER图像数据，由于斜坡有利地形的表现对铝土矿床的形成具有重要意义，因此从SRTM DEM中推导出地形细节，并结合ASTER光谱数据的解谱结果，如图2所示为本研究所采用的详细方法。

图2 图像处理方法

光谱混合是一个过程，他将像素混合，以确定每个光谱端成员的分数，这些分数结合在一起产生混合像素的光谱特征。谱端成员是纯表面覆盖的光谱特征，通常期望在一个图像域内能够找到；线性光谱解混用于根据材料的光谱特性确定多光谱图像中描绘的材料的相对丰度。图像中的混合物表示为被假定为在混合物中的每个组分的响应(光谱)的线性组合，该模型假定观测像素反射率可以被模拟为单个分量反射率乘以他们的相对比例的线性混合，表示如下：

式中Ri——传感器的频带i中的表面反射率；

Fe——表示最终成员的分数e；

Re——表示终端成员e在传感器波段的反射；

N——表示频谱结束成员的数量；

Ei——表示传感器频带i中的N端成员配合误差。

铝土矿中的氧化铝的丰度决定了EMR的2.2 μm区域的吸收强度，本文选用ASTER 6号(2.185～2.225 μm)和7号(2.235～2.285 μm)用于对氧化铝和粘土矿物的鉴别和定量。

3.2 氧化铝丰度映射分析

为了对研究区域内的铝土矿进行定位，通过定位铝土矿，植被和其他成分的终端成员(纯像素)来完成ASTER图像的光谱解混的图像。生成多源的的散点图和不同场景的像素纯度指数(PPI)图像以定位最终成员。对于该区域的图像信息，在三个分数图像中，丢弃植被和水分分数图像，仅取得氧化铝分数图像，并进行密度切片以在研究区域中划分出富含铝土矿的矿穴。氧化铝分数图像包含值为0～1的像素，在密度分割过程中，氧化铝分数值为0.7～1.0的像素全部被分组为一个密度等级并被划分，如图3所示为按照这个密度等级进行的像素(假设氧化铝含量为70%至100%)划分[8-10]。

通过分数图像的密度切片确定的富含氧化铝的区域可以位于封盖外部，为了定位位于覆盖层上的富含氧化铝的区域，可通过生成地形的数字高程模型并定位封盖。

图3 氧化铝含量为70%至100%的遥感信息图

3.2.1 生成DEM和三维图像

在SRTM-DEM中，高度值为1 100～1 325 m的地区被分成不同的等级。这样的切片带出了该区域的顶部和山峰，然后将密度切片的DEM覆盖在密度切片的分数图像上以定位落在山顶上的富含氧化铝的区域，并对感兴趣的区域标有标识号和标高(如图3所示)。

3.2.2 准备线索图

目前的铝土矿位于高密度和交叉点的地区，由于风化作用突出的地区是铝土矿形成的有利地区，因此需找出高线密度和交汇点的地区，最后将其与确定的盖板相关联。线性密度图是从线性图制备的，图像分成50*50像素的网格，由于每个像素尺寸为15米，一个网格的面积相当于地面0.562 5平方公里。对于目前的研究，只有包含两个以上的线条的网格被选中，通过叠加线条密度和线条交叉图，共同区域被划分。

3.2.3 整合分数图像，DEM和线条图像

可以看出，在密度切片分数图像和线图中确定的一些富含氧化铝的区域位于陡峭的斜坡和低洼地区。由于这项研究的重点是山顶，所以试图划分位于盖层中的富含氧化铝的部分，使用SRTM DEM识别了26个覆盖图(图3)。类似地，具有高发生率和线性交叉点的区域与氧化铝分数图像和DEM衍生的覆盖图像整合。在综合以上信息的基础上，推断研究区有16个覆盖层，满足了铝土矿形成的条件，根据实际查询所选取的大部分是富含氧化铝。

4 结 语

本文主要基于无人机搭载遥感设备，利用高光谱遥感在矿产勘查中的成功技术，对国内XX区域的铝土矿进行了勘探，使用ASTER SWIR影像来定量和定性分析矿物栖息地的可能性，得出如下结论：

1)线性光谱分离有助于生成用于划分铝土矿富集区的氧化铝丰度图像；

2)从SRTM获得的DEM有助于确定研究区的铝土矿覆盖层。

参考文献：

[1] 刘聪, 贺跃光, 陈帅, 等. 某铝土矿低空无人机遥感测绘成果精度分析[J]. 测绘工程, 2017, 26(1): 17-20.

[2] 陈帅. 低空无人机遥感技术及其在某铝土矿山测绘中的应用[D]. 长沙: 长沙理工大学, 2015.

[3] 成功, 曾令瑶, 杨震. 基于ASTER热红外数据的堆积型铝土矿含量反演[J]. 轻金属, 2014(2): 5-9.

[4] 邓捷, 白亚辉. 基于ASTER遥感数据在地质找矿中的应用[J]. 世界有色金属, 2017(14): 124+126.

[5] 陈绪慧, 胡丹娟, 袁立男. 基于两种方法的铝土矿蚀变信息提取[J]. 黑龙江工程学院学报, 2015, 29(2): 22-26.

[6] 张端阳. 高分辨率遥感技术在矿山动态监测中的应用[D]. 焦作: 河南理工大学, 2015.

[7] 张端阳, 潘振祥. 遥感技术在矿业活动动态监测中的应用[J]. 测绘通报, 2015(6): 72-74.

[8] 张琪, 贺跃光, 肖亮, 等. 某铝土矿山大比例尺低空无人机航测3D产品质量检查与应用[J]. 工程建设, 2017, 49(10): 49-53.

[9] 伍道林. 无人机航测技术的应用与实践分析[J]. 低碳世界, 2017(31): 95-96.

[10] 刘聪, 贺跃光, 陈帅, 等. 无人机测绘在某铝土矿山土地复垦中的应用[J]. 中国锰业, 2016, 34(1): 52-54.