基于GF-5、Landsat8与GF-2遥感数据的蚀变信息提取研究——以四川宁南铅锌矿集区为例*

杜晓川，娄德波，张长青，徐林刚，刘 欢，范莹琳，张 琳，胡金盟，李 彪

（1中国地质大学（北京）地球科学与资源学院，北京 100083；2中国地质科学院矿产资源研究所自然资源部成矿作用与资源评价重点实验室，北京 100037；3河北省地矿局第五地质大队，河北唐山 063000）

遥感被证实是一种有效的找矿手段，且具有监测范围大、获取资料速度快、周期短、成本低等优势，已经广泛应用于为多种类型矿床划定目标勘查区域（Joana et al.，2019）。围岩蚀变是近矿围岩在流体的作用下发生的化学和物理反应，从而引起围岩化学成分和结构构造的变化（翟裕生等，1999），是成矿过程中成矿物质逐步富集留下的印迹，近矿围岩蚀变是矿化的一个主要特征，是找矿的直接标志。宁南矿集区的绝大多数铅锌矿床产于厚层碳酸盐岩中，近矿围岩蚀变明显，蚀变类型包括白云石化、方解石化、黏土矿化、硅化、黄铁矿化、重晶石化及赤铁矿化，且矿床中含有黏土矿物组成的泥质条带夹层。蚀变围岩因其矿物成分、岩石结构与正常围岩有所不同，因此蚀变与未蚀变围岩在遥感影像中色调不同，在波谱表现为不同的波谱曲线特征，这为利用遥感影像提取围岩蚀变信息提供了基础（Carranza et al.，2002；Crosta et al.，2003）。国内外研究者在利用遥感影像进行蚀变信息提取方面做出了很大贡献（汪新庆等，2014），其中，多光谱遥感蚀变信息提取中以ETM+、Landsat8为数据源，利用波段比值、主成分分析、独立成分分析等方法进行蚀变信息提取研究的应用较多（杜诗薇等，2018）。例如：Ranjbar等（2005）以伊朗中部火山带南部ETM+图像为基础，选定ETM+数据中的4、6波段，运用主成分分析方法成功提取研究区内氧化铁和羟基矿物；邓素贞等（2010）通过波段比值与主成分分析结合的方法，从ETM+数据中提取蚀变信息并抑制植被波谱干扰，结果显示，使用该方法提取出的矿化蚀变信息与已知矿产地有较大的一致性；马威等（2016）对云南毛坪铅锌矿的Landsat8影像数据进行分析，依据地质体波谱特征，通过以主成分分析法为主，波段比值法为辅的手段提取与铅锌矿有关的蚀变矿物信息，并取得了较好的效果；吴继炜等（2016）利用遥感图像处理技术，对广西西大明山铅锌矿田影像数据进行构造解译及蚀变信息提取，并结合该区域已知资料，综合圈定出成矿远景区。随着遥感技术的不断发展，高光谱数据所具有更多的波段数量、更窄采样间隔以及更大的信息量优势，极大地增强了遥感对地的观测能力和对地物的鉴别能力。高光谱数据同样在蚀变信息提取方面进行了大量深入的研究，并成功地应用于地质找矿勘查中，取得了良好的效果（Kruse，1988）。例如Gersman等（2008）利用Hyperion高光谱数据在厄立特里亚北部地区进行了热液蚀变岩石填图；连深芹等（2020）基于GF-5高光谱数据，通过光谱角填图的方法提取广东省玉水铜矿植被覆盖区的蚀变矿物信息，并且该数据提取的蚀变信息与研究区地质信息吻合较好。虽然前人在通过遥感影像进行蚀变信息提取方面开展了大量的理论研究和找矿实践，但是大多数研究者侧重于使用单一影像数据或单一方法进行蚀变信息提取工作，对于使用多光谱影像数据、高光谱影像数据与高空间分辨率影像数据结合，同时使用多种手段提取蚀变信息的研究相对较少。

宁南铅锌矿集区是四川省主要铅锌矿成矿区，其铅锌矿数量多、资源潜力巨大，然而前人鲜有基于多光谱数据应用到该区遥感蚀变信息提取中，并且关于将GF-5高光谱数据、GF-2高空分辨率数据应用于该地区作业的相关报道也少见，该地区的蚀变信息提取效果尚不明确。鉴于此，本文基于Landsat8与GF-5两种影像数据采用波段比值法、主成分分析法及光谱角匹配法对四川宁南铅锌矿集区开展铁染蚀变信息和羟基、碳酸根离子蚀变信息及蚀变矿物提取，再结合GF-2高空间分辨率影像的优势，剔除蚀变信息中的伪异常，并对不同蚀变信息结果的优劣进行讨论，旨在揭示该地区蚀变信息特征，进而圈定合理的预测靶区，为后续该区域上的找矿勘查工作提供依据。

1 研究区概况

研究区位于四川省凉山彝族自治州宁南县东南部。地理坐标为102°43′E-102°51′E，27°01′N-27°07′N（图1）。地形以高原、山地为主，地势特点为西北高，东南低，地处亚热带高原季风气候区，日温差大，年温差小。区内地层主要为太古宙桃子坝组变质碎屑岩夹碳酸盐岩及基性火山岩；震旦系灯影组硅质白云岩、页岩、夹硅质岩及灰岩（严毅发等，2010；贾莉红，2013）；寒武系陡坡寺组页岩夹灰岩、泥岩；奥陶系大箐组白云岩夹灰岩、页岩、泥岩；志留系黄葛溪组灰岩；二叠系梁山组页岩及灰岩。区内断裂构造主要为右行平移，走向北东，沿宁南到会理的宁会断裂与左行平移，走向北西的则木河断裂（张长青等，2005），以及走向近南北的逆断层,沿宁南至越西的黑水河断裂。区内包含6个已知铅锌矿床，本文通过对铅锌矿床的矿产地名称、矿种、类型、控矿要素、规模、品位、含矿层位及岩性、控矿构造、蚀变特征、金属矿物、非金属矿物和说明等12个方面进行介绍，旨在为蚀变信息提取提供理论依据（表1）。

表1 宁南铅锌矿集区矿产地地质特征表Table 1 Geological characteristics table of mineral lands in Ningnan Pb-Zn ore concentration

图1 宁南铅锌矿集区地质简图Fig.1 Geological map of Ningnan lead-zinc ore concentration area

2 遥感影像处理

2.1 数据来源

2013年2月11日，美国航空航天局(NASA)成功发射Landsat8卫星，卫星携带2个传感器，分别为陆地成像仪（OLI）和热红外传感器（TIRS）。其中，OLI传感器的波段参数如表2所示。

GF-2（高分二号）卫星于2014年8月19日发射，是中国自主研制的首颗空间分辨率优于1 m的民用光学遥感卫星，标志着中国遥感卫星进入了亚米级“高分时代”。传感器波段参数如表2所示。

表2 Landsat8 OLI数据与GF-2全色多光谱相机数据波段参数Table 2 Band parameters of Landsat8 OLI and GF-2 Panchromatic multi-spectral camera

GF-5（高分五号）卫星于2018年5月9日发射，是中国高分辨率地球观测系统的重要遥感卫星。卫星主要搭载了6种类型的传感器，用于获取从紫外到长波红外谱段范围的数据，本文主要应用AHSI（可见短波红外波段高光相机）传感器，该传感器拥有可见光、近红外和短波红外共330个波段，其中包括150个可见光近红外波段（NIR），平均采样间隔为5 nm；180个短波红外波段(SWIR），平均采样间隔为10 nm（孙允珠等，2018），AHSI传感器波段参数如表3所示。

表3 GF-5 AHSI数据波段参数Table 3 Band parameters of GF-5 AHSI

2.2 数据预处理

地物的辐射信息从地表到传感器会受到地形、大气、传感器自身等多个方面的影响，从而造成遥感影像发生几何形变和辐射失真（季超，2020），因此影像在进行应用前需要进行预处理。针对Landsat8影像数据首先进行辐射定标，将数据的DN值转换为辐射亮度值，以获得真实的地物反射率（贺金鑫等，2019），其次对定标后的影像进行大气校正，以消除大气中的二氧化碳、氧气、臭氧等成分吸收和散射的影响，最后通过研究区域的矢量范围对影像数据进行裁剪，得到研究区影像数据。

针对GF-5高光谱数据首先进行坏波段去除，由于辐射能量在到达传感器时部分波段会受水汽吸收的影响，因此，将受水汽影响较大的光谱波长范围的波段（1.36~145μm、1.80~1.98μm和2.37~2.40μm）所对应波长范围的47个波段剔除（Liou et al.，2002），保留可以使用的283个波段。再进行辐射定标与坏线修复，由于高光谱传感器由多个电荷耦合器件（CCD）组成，每个CCD又有数万个探测元件，这些探测元件在标定时部分可能会出现错误，导致图像部分列或行出现像元值过小或者缺失等问题，从而产生与周边列或行有明显差异的坏线，因此对GF-5高光谱数据进行逐波段检查，并对坏线部分通过两侧的平均值代替修复，再进行列向条纹噪声修复以及大气校正。列向条纹噪声是由于ASHI采用推扫式的对地观测方式，且传感器在不同行中有不同的光谱响应值，因此在光谱入射时，会在每个波段上产生竖的条纹，本文通过全局去条纹法进行条纹去除。最后进行几何校正和研究区矢量范围裁剪，几何校正是通过数学模型来消除成像时因传感器变形、物镜畸变等内部因素及大气折光、地球曲率、地形起伏等外部因素导致的图像上各地物几何位置发生畸变的过程（张安定，2016）。由于Landsat8是L1级数据产品经过地形数据参与的系统几何校正，图像地理精度较高，本文采用影像对影像校正的几何校正方式，以Landsat8影像作为基准，调整GF-5高光谱影像的空间位置。

针对GF-2高空间分辨率数据首先对其多光谱影像以及全色影像做正射校正处理，然后对两幅影像进行融合处理，以获得空间分辨率为1 m的彩色合成影像。由于GF-2高空间分辨率数据波段较少，波谱范围有限，不适合进行蚀变信息提取，主要用于目视解译，故不对GF-2采取辐射校正操作，而直接对融合后的影像进行研究区的矢量裁剪。

2.3 去干扰信息处理

遥感数据中存在许多干扰因素，导致地质信息不能很好地凸显，为提高蚀变信息提取的准确性，需通过建立掩膜去除影像中干扰因素（韦玉春，2007）。针对研究区情况，干扰因素主要为植被、水体和阴影。通过归一化植被指数（NDVI）提取植被干扰信息，其计算公式为：

对Landsat8选取band5与band4进行计算，并采用0.42＜NDVI＜1的分割阈值建立植被掩膜文件；对GF-5选取band112与band63进行计算，并采用；0.52

本次研究使用改进的归一化差异水体指数（MNDWI）提取水体干扰信息（徐涵秋，2005），其计算公式如下：

对Landsat8选取band3与band6进行计算，并采用-0.12＜MNDWI＜-1的分割阈值建立水体掩膜文件；对GF-5选取band41与band112进行计算，并采用-0.211000的分割阈值建立阴影掩膜文件；对GF-5选取band112>900的分割阈值建立阴影掩膜文件。

最终通过波段计算将植被、水体和阴影掩膜文件组合成综合掩膜文件，对研究区影像进行综合掩膜，得到处理前后的影像数据，以Landsat8数据为例（图2a~b）。

图2 宁南铅锌矿集区Landsat8影像掩膜前后对比图a.Landsat8掩膜前影像；b.Landsat8掩膜后影像Fig.2 Comparison of Landsat8 image before and after masking of the Ningnan lead-zinc ore concentration area a.Landsat8 image before masking;b.Landsat8 image after masking

3 蚀变信息提取

3.1 波谱特征分析

遥感探测的是地表物质的光谱信息，只要有一定面积的蚀变岩石出露，即便是矿体隐伏，在遥感图像上都会有一定的反应，这为应用遥感技术提取蚀变异常信息、辅助地质找矿的理论依据（张玉君等，2014）。

根据研究区内主要的围岩蚀变类型为白云岩化、方解石化、黏土化、硅化、黄铁矿化、赤铁矿化，选取及分析相应的岩矿波谱曲线，此次研究使用美国地质调查局标准波谱库（USGS）（图3a~d）。岩矿的波谱特征取决于其所含离子与基团的晶体场效应和基团振动的结果（Gupta，2003），其中铁离子主要有4个特征吸收谱带，分别为0.40~0.50μm、0.80~0.92μm、1.39~1.41μm、1.90~1.92μm；特征反射谱带主要有3个，分别为0.65~0.72μm、1.23~1.30μm、1.60~1.70μm。羟基离子团、碳酸根离子团主要有3个吸收谱带，分别为0.86~0.98μm、1.32~1.44μm、2.15~2.55μm；特征反射谱带主要有3个，分别为0.49~0.58μm、1.60~1.70μm、2.00~2.14μm。

3.2 波段比值法

波段比值法的目的是突出某些光谱差异，有助于增强某些特征，这些特征是在原影像中看不到或者很弱，波段比值基于波谱曲线的波峰和波谷，通常以反射率较高的波段除以反射率较低的波段（Ali et al，2014），该方法可以消除阴影和地形影响，使其适用于复杂地形（Mwaniki et al.，2016）。为了使效果更加直观且可以观察到各地物之间细微的差异，本文对波段比值结果采用线性密度分割法，该方法将颜色渐变应用于波段比值中，其中冷色代表较低的值，暖色代表较高的值，由此产生影像增强效果，使结果更加线性直观，并突出难以观察到的灰度差异（Sabins et al.，1996）。

依据铁染蚀变矿物的波谱曲线（图3a），反射谱带选择1.60~1.70μm，吸收谱带选择0.80~0.92μm，对应Landsat8影像band6/band5，对应GF-5高光谱影像band230/band122，波段比值密度分割图中橙红色地区指示强铁染蚀变区域，黄色地区指示中、弱铁染蚀变区域，蓝色地区指示非蚀变区域（图4a~b）。依据羟基、碳酸根离子波谱曲线（图3b~d），反射谱带选择1.60~1.70μm，吸收谱带选择2.15~2.55μm，对应Landsat8影 像band6/band7，对应GF-5高光谱影像band230/band309，由于植被波谱曲线在1.67μm附近处于强反射，在2.10~2.40μm处于强吸收，使得波段比值突出植被的表现效果，导致灰度图像中植被成为最亮区域，很大程度上干扰了羟基、碳酸根离子的提取效果，因此需要先对影像进行植被掩膜，再进行波段比。波段比值密度分割图中，橙红色地区指示强羟基、碳酸根蚀变区域，黄色地区指示中、弱羟基、碳酸根蚀变区域，蓝色地区指示非蚀变区域与被掩膜区域（图4c）。

3.3 主成分分析法

蚀变信息提取方法中，主成分分析法（PCA）具有实现简单、速度快、效果好、稳健等优点（张满郎，1996；张玉君等，2003；张远飞等，2013），是一种常用的多元统计技术，其中，Crosta技术（Loughlin et al.,1991）是对4个波段进行主成分分析，通过应用正交变换减少相关数据的冗余，减少各组分间的相关性，尽可能将有用信息集中到新组分中，且各新组分间互不相关，从而达到增强目标的目的（Ali et al.,2014）。由于植被、水体、阴影等干扰信息的波谱特征会影响特征向量的符号、大小及各主成分的统计方差，使得蚀变信息提取精度受到极大影响，因此在主成分分析之前要进行掩膜处理（Mia et al，2012）。

3.3.1 铁染蚀变信息提取

依据铁染矿物的波谱曲线（图3a），本文通过多次波段选择、尝试与验证，最终选择0.40~0.50μm、0.80~0.92μm两个吸收谱带和0.65~0.72μm、1.60~1.70μm两个反射谱带进行主成分分析来提取铁染蚀变信息，谱带分别对应Landsat8影像的band2、band5、band4、band6四个波段，GF-5高光谱影像的band6、band122、band74、band230四个波段。

图3 宁南铅锌矿集区铁染，羟基、碳酸根离子波谱曲线图a.铁染波谱曲线；b.铝羟基波谱曲线；c.镁羟基波谱曲线；d.碳酸根离子波谱曲线Fig.3 Spectrum curve of iron-stained,hydroxyl,carbonate ion of the Ningnan lead-zinc ore concentration area a.Spectrum curve of iron-stained;b.Spectrum curve of aluminum-hydroxy;c.Spectrum curve of magnesium-hydroxy;d.Spectrum curve of carbonate

PC主分量选取依据0.40~0.50μm与0.65~0.72 μm所在波段的贡献系数相反，载荷因子为一正一负且绝对数值较大，0.80~0.92μm与1.60~1.70μm所在波段的载荷因子尽可能也为一正一负。由表4、表5分析结果可知，在Landsat8影像PC3主分量中band2、band4、band5、band6的贡献系数和载荷因子及GF-5高光谱影像PC4主分量band6、band74、band122、band230的贡献系数和载荷因子与依据一致，因此，判断Landsat8影像的铁染蚀变信息位于PC3主分量中，GF-5高光谱影像的铁染蚀变信息位于PC4主分量中。

3.3.2 羟基、碳酸根离子蚀变信息提取

依据羟基、碳酸根离子矿物的波谱特征（表3 b~d），作者通过多次波段选择、尝试与验证，最终选择提取效果较好的0.86~0.98μm、2.15~2.55μm两个吸收谱带，0.49~0.58μm、1.60~1.70μm两个反射谱带，分别对应Landsat8影像的band5、band7、band2、band6四个波段。由于GF-5高光谱影像拥有更多的短波红外波段数量、更窄的采样间隔，因此其具有区别铝羟基、镁羟基及碳酸根离子的能力。铝羟基为富铝的含水矿物，对应矿产地出露的高岭石、蒙脱石等黏土矿物，其特征吸收谱带主要为2.15~2.21μm（图3b）；镁羟基为富镁的含水矿物，对应矿产地出露的绿泥石、绿帘石等黏土矿物，其特征吸收谱带主要为2.28~2.36μm（图3c）；碳酸根离子对应矿产地出露的白云石、方解石等矿物，其特征吸收谱带主要为2.48~2.55μm（图4d）。GF-5高光谱影像中所选取的铝羟基、镁羟基、碳酸根离子提取的波段，前3个波段一致，即都选取了band27、band122、band230，而最后1个波段选取不同，其中，铝羟基选择band294，镁羟基选择band309，碳酸根离子选择band324。作者对每类波段选择进行主成分分析来提取羟基、碳酸根离子蚀变信息。PC主分量选取依据1.60~1.70μm与0.86~0.96μm、2.15~2.55μm所在波段的贡献系数相反，载荷因子为一正两负且绝对数值较大。由表4分析结果可知，在Landsat8影像PC4主分量中band5、band6、band7的贡献系数和载荷因子与依据一致，因此，判断Landsat8影像的羟基、碳酸根离子蚀变信息位于PC4主分量中；由表5分析结果可知，GF-5高光谱影像中镁羟基、碳酸根离子各自的PC4主分量中band122、band233与代表性波段band309、band324的贡献系数和载荷因子与依据一致，因此，判断GF-5高光谱影像镁羟基、碳酸根离子蚀变信息位于PC4主分量中；铝羟基的PC4主分量中band122、band233与band294的贡献系数与依据正好呈相反关系，故需要对铝羟基的PC4主分量进行取反操作。

表5 宁南铅锌矿集区GF-5影像主成分分析特征向量表Table 5 Eigenvectors of principal component analysis for GF-5 image of the Ningnan lead-zinc ore concentration area

图4 宁南铅锌矿集区波段比值图a.Landsat8铁染波段比值图；b.GF-5铁染波段比值图；c.GF-5羟基、碳酸根离子波段比值图Fig.4 Band ratio of iron-stained of Landsat8 of the Ningnan lead-zinc ore concentration area a.Band ratio of iron-stained of Landsat8;b.Band ratio of iron-stained of GF-5;c.Band ratio of hydroxyl and carbonate ion of GF-5

表4 宁南铅锌矿集区Landsat8影像主成分分析特征向量表Table 4 Eigenvectors of principal component analysis for Landsat8 image of the Ningnan lead-zinc ore concentration area

3.3.3 蚀变信息的分级与滤波处理

为使蚀变信息更有层次地显示，采用主分量密度分割法对蚀变信息进行分级处理。一般异常分级是利用直方图统计均值X和标准差σ，通过对“均值+N×标准差(σ)”中N的调整，进行主分量异常等级阈值分割。即偏离均值X的程度(N倍标准差σ)表示异常的级别（杜诗薇等，2018），且N值越高，异常数量越少，异常级别越高，对于铁染蚀变信息，羟基、碳酸根离子蚀变信息，N值一般取2~3,结合研究区的特点，铁染蚀变信息N值分别取1、2、2.5，羟基、碳酸根离子蚀变信息N值分别取2、2.5、3。分别对Landsat8影像、GF-5高光谱影像的铁染、羟基、碳酸根离子的主分量进行密度分割的量化分级，分为三级弱异常区、二级中异常区、一级强异常区，3个异常等级分别赋予不同的颜色。对分级后的异常采用3×3的中值滤波进行非线性信号处理，以消除孤立的噪声点，从而使蚀变信息周围的像素值接近真实值。

3.3.4 伪异常剔除

遥感影像中由于存在同物异谱、异物同谱及噪声干扰等情况，提取出的蚀变信息不可避免地具有伪异常现象，为提高结果的精度，需对蚀变信息进行筛选，剔除伪异常。

作者详细解读研究区的蚀变信息（图5a~i）发现，分布较分散、单个面小的弱异常多为未处理噪声造成的伪异常；河流附近地区的条带状异常多为异物同谱、混合像元现象及山坡上滚落岩石造成的伪异常；沿山脊线分布的条带状异常多为第四系出露的伪异常。蚀变信息中存在大量面积出露较大、形态以片状和条带状为主的异常（图5a、f），大部分由强异常组成，只有四周环绕小部分中弱异常，鉴于此类异常数量较多，且Landsat8影像与GF-5高光谱影像无法分辨异常下的地物类型，本文采用结合具有1m高空间分辨率的GF-2影像，其数据可以清晰观察到大多地物，通过影像对此类异常下的地物进行观察与分辨发现，大多数地物为小村庄规模的居住区、民用耕地及周围出露的棕黄-浅红色土地，其中居住区房屋的蓝色塑钢屋顶，极易被当作铁染蚀变信息提取（图5b）；民用耕地因含有大量潮湿的黏土矿物，易被当作羟基蚀变信息提取（图5g）；周围出露土地多为第四系沉积物中的黄土，颜色由棕黄至浅红，黄土中含有三价铁离子，且含量随着时间的推移在不断积累（田明中，2009），因此易被当作铁染蚀变信息提取（图5b、d），黄土中又因含有角闪石、绿帘石、云母、方解石等羟基、碳酸盐类矿物，故也易被当作羟基、碳酸根离子蚀变信息所提取（图5g~i）。剔除每幅影像中的伪异常，得到铁染蚀变信息，羟基、碳酸根离子蚀变矿物分布（图5a、f，图6a~c）。

图5 宁南铅锌矿集区蚀变信息及伪异常图a.Landsat8铁染蚀变信息主成分分析；b~c.GF-2铁染伪异常地物；d~e.Landsat8波段比值铁染伪异常；f.GF-5铝羟基蚀变信息主成分分析；g~i.GF-2羟基伪异常地物Fig.5 Alteration information and pseudo-anomaly of the Ningnan lead-zinc ore concentration area a.Principal component analysis diagram of Landsat8 iron-stained alteration information;b~c.Landmark of iron-stained pseudo-anomaly of GF-2;d~e.Band ratio of iron-stained pseudo-anomaly of Landsat8;f.Principal component analysis image of GF-5 aluminum-hydroxyl alteration information;g~i.Landmark of hydroxyl pseudo-anomaly of GF-2

3.4 光谱角匹配法

光谱角匹配法是基于波谱空间分析，依据在地物的每一个像元处可以得到一条连续的波谱曲线，不同的矿物对应不同特征的波谱曲线（黄玮，2010）。光谱角匹配技术精细地识别效果往往需要较高的波谱分辨率、较多的波段数量作为支撑，对此本研究方法只应用GF-5高光谱影像。

对连续不间断且波段数量庞大的高光谱数据进行光谱角匹配前，需要解决数据本身存在的3个问题：①高光谱数据的地物波谱曲线具有许多类似于毛刺状的陡崖，这种陡崖现象是由于局部高频噪声造成的，并在实际地物波谱曲线中往往不存在，会影像矿物识别精度，为此通过Savitzky-Golay（S-G）方法对影像的波谱曲线进行适当的平滑处理，S-G方法是一种在时域内基于局域多项式最小二乘法拟合的滤波方法，其特点是滤除噪声的同时可以确保波谱的形状与宽度不变；②高光谱数据波段间的噪声影响，对影像进行最小噪声变换（MNF）操作，MNF针对影像数据的内在维数，通过2次层叠的主成分变化，第一次变换是使噪声数据只有最小的方差，而没有波段间的相关性，第二次是对噪声数据的标准主成分变换（Berman et al,2012），变换后可根据各分量进行去噪；③单个空间分辨率为30 m的像元中大多是由多种地物组成的混合像元，需要从中提取纯净地物端元。对影像采用像元纯净指数法（PPI）提取纯净端元，PPI是对像元光谱矢量上迭代的单位矢量，其被称为“轴”的不同随机方向。通过统计方法，将矢量方向端点或矢量方向端点中的所有图像作为纯像元计数（郑博夫，2018）。将提取出的纯净端元利用N维可视化工具绘制其波谱曲线，并与USGS的矿物波谱曲线进行对比分析，对比方法使用光谱角匹配技术（SAM），该技术通过求得2个光谱之间的广义夹角，根据夹角的大小确定光谱间的相似程度，角度越小相似程度越高，以达到识别蚀变矿物的目的。

通过提取研究区的端元波谱，并与USGS的矿物波谱进行对比分析，根据光谱曲线的形状与特征反射、特征吸收特点，作者识别出与铅锌矿床密切相关的赤铁矿、白云石、高岭石3种蚀变矿物，并为3种蚀变矿物赋予不同颜色（图6d）。

图6 宁南铅锌矿集区蚀变信息图a.Landsat8羟基、碳酸根离子蚀变信息主成分分析；b.GF-5镁羟基蚀变信息主成分分析；c.GF-5碳酸根离子蚀变信息主成分分析；d.GF-5蚀变信息光谱角匹配Fig.6 Alteration information of the Ningnan lead-zinc ore concentration area a.Principal component analysis image of Landsat8 hydroxyl,carbonate ion alteration information;b.Principal component analysis image of GF-5 magnesium-hydroxyl alteration information;c.Principal component analysis image of GF-5 carbonate ion alteration information;d.Spectrum matching image of GF-5 alteration information

4 结果与讨论

4.1 蚀变信息提取结果讨论

通过识别蚀变带的方式去发现矿化区，蚀变带最常见矿物是铁氧化物和黏土矿物（Sabins et al.，1999），作者采用了3种已知的图像处理方法来识别研究区的蚀变带。在波段比值方法中，Landsat8影像提取的铁染比值结果（图4a）与6个已知矿产地相对比，银厂沟和骑螺沟2个矿产地的异常较好，大垭口-狮子山、厂梁子2个矿产地的异常次之，铁索桥与大桥边2个矿产地的异常较弱；GF-5高光谱影像提取的铁染比值结果中（图4b），银厂沟、骑螺沟、大垭口-狮子山、厂梁子4个矿产地的异常范围缩小，异常值也有所降低，大桥边矿产地的异常范围基本没有变化，铁索桥矿产地异常值依然较弱。铁染波段比值结果中存在其他蚀变程度较高且成片出现的异常区域，在结合GF-2影像观察其地物类型后发现，其大部分异常区域为小规模居住区、民用耕地及第四系黄土出露的伪异常（图5b~e）。在Landsat8影像提取的羟基、碳酸根离子比值结果与已知矿产地对比中，银厂沟、大垭口-狮子山等6个矿产地的异常都较一般，且与矿产地周围异常值差别不大；GF-5高光谱影像提取的羟基、碳酸根离子比值结果要优于Landsat8影像，骑螺沟、大垭口-狮子山、厂梁子、铁索桥、大桥边5个矿产地的异常情况较好，其中铁索桥与厂梁子具有高异常值（图4c）。从结果中可知：①波段比值法应用在2种影像的铁染蚀变信息提取中，均有较好效果，具有一定的指示意义，故将2种影像的提取结果作为预测靶区圈定的叠合对比数据；②此方法在羟基、碳酸根离子蚀变信息提取中的效果要弱于铁染的结果，Landsat8影像的效果较差，原因可能为Landsat8波段范围较大，即便消除了植被的影响，仍有未知因素干扰，且波段数量较少，不能进行波段间的更换。值得一提的是，GF-5高光谱影像的提取结果尚可，其具有波段间采样间隔短、波段数量多等优势，可以从众多波段比值结果中选择出最优结果。因此，只将GF-5高光谱影像数据结果作为预测靶区圈定的叠合对比数据。

在主成分分析提取蚀变信息的结果中，理想的异常分布区域为弱异常信息包围中异常信息，中异常信息包围强异常信息，强、中、弱3级异常能很好地套合在一起。Landsat8的铁染主成分分析结果中，异常以零星状居多，部分呈条带状分布，其只在厂梁子矿产地附近有套合较好的铁染异常，其他矿产地异常较差（图5a）；GF-5的铁染主成分分析结果中，条带状异常分布有所增加，零星状分布仍然较多，并且6个矿产地附近都只分布些零散弱异常，没有套合效果较好的异常出现。主成分分析法应用于2种影像的铁染蚀变信息提取的结果较差，故2种影像的提取结果都不用于预测靶区圈定。在羟基、碳酸根离子主成分分析结果中，Landsat8影像异常大部分呈零星状分布，大垭口-狮子山、厂梁子、银厂沟、骑螺沟4个矿产地附近都有套合较好的异常，其中，大垭口-狮子山、厂梁子、骑螺沟3个矿产地的异常尤为突出（图6a）；GF-5高光谱影像中的铝羟基异常、镁羟基异常、碳酸根离子异常大多都以零星点状与条带状分布。其中，铝羟基异常在大垭口-狮子山、厂梁子、骑螺沟3个矿产地处有较好的套合异常（图5f），镁羟基、碳酸根离子异常在大垭口-狮子山、厂梁子、骑螺沟和银厂沟4个矿产地的异常套合较好。大垭口-狮子山、厂梁子2个矿产地的镁羟基、碳酸根离子异常范围要大于铝羟基的范围，在大桥边矿产地也有中弱异常出现，但在铁索桥矿产地处基本没有异常出现（图6b~c）。通过对比分析可知，大桥边矿产地的异常更多是由镁羟基或碳酸根离子异常造成的，由于镁羟基、碳酸根离子在短波红外处的波谱特征差别不大，大部分特征吸收谱带范围相同，只有几纳米的差别，因此2种蚀变信息提取结果差别不大，基本没有不同异常地点间的差异，仅是同一异常点中范围大小的差异，但与铝羟基蚀变信息却有明显的不同之处，主要表现为异常出露地点的不同，以及在相同异常点中，范围大小的不同（图6b~c、图5f）。鉴于每种羟基、碳酸根离子蚀变信息的提取效果都较符合矿产地的实际情况，故4种提取结果都将作为预测靶区圈定的叠合对比数据。

光谱角匹配法提取蚀变矿物的结果可知，赤铁矿以零星状分布在影像中；高岭石以块状、零星状分布在影像中；白云石以条带状、块状分布在影像中，且分布范围要明显大于赤铁矿与高岭石。蚀变矿物在与6个矿产地相对比中，银厂沟、骑螺沟、厂梁子和大垭口-狮子山4个矿产地附近均有赤铁矿、白云石、高岭石出露，且吻合程度较好，铁索桥、大桥边2个矿产地附近出露有少量的白云石与极少量的赤铁矿（图6d）。从提取结果中发现，不论采用波段比值法还是光谱角匹配法，铁索桥和大桥边2个矿产地提取到的铁染蚀变信息数量及范围要明显弱于其余4个矿产地。对此通过矿产地地质特征资料（表1）可知，4个矿产地附近均形成黄铁矿化蚀变或赤铁矿化蚀变，而铁索桥与大桥边2个矿产地基本以重晶石化、白云石化为主，故铁染蚀变信息较弱。在与已知矿产地对比分析可知，光谱角匹配法的蚀变矿物提取效果较好，且具有指示意义，故将该结果作为预测靶区圈定的叠合对比数据。

通过波段比值法、主成分分析法和光谱角匹配法3种蚀变信息提取方法应用于2种影像数据的结果可知：①在相同的研究区使用不同的方法在提取不同种类蚀变信息中各有优势，且提取结果具有一定差异性。在研究区中，波段比值法在铁染蚀变信息提取中的效果要优于主成分分析，原因可能为波段比可以有效地消除阴影和地形的影响，使其适用于复杂地形，且波段比提取铁染蚀变信息基本不受植被干扰的影响，以及波段比值法在采用密度分割后所呈现出来的效果为线性，更加直观；②主成分分析法在羟基、碳酸根离子蚀变信息提取中的效果要优于波段比值法，原因可能为波段比值在计算中应用2个波段的信息量少于主成分分析应用4个波段的信息量，其次波段比值在提取羟基、碳酸根离子中易受植被干扰，即便对植被进行掩膜后，Landsat8的波段比值的结果也不佳，并且该研究区的植被覆盖较强，而主成分分析法在进行掩膜后有较好的效果；③光谱角匹配法的提取效果优于波段比值法与主成分分析法，具体表现在蚀变矿物的出露范围和分布数量与已知6个矿产地吻合性更好，原因可能为光谱角匹配法更加充分利用了GF-5高光谱影像数据波段数量多、采样间隔短的波谱优越性，将提取蚀变信息结果精准到矿物级别，但处理大量波段会产生较大计算量，以及因波段间相关性强而产生数据冗余度高等问题，使得该方法提取到的蚀变矿物数量及分布范围较多，难以单凭这一种提取方法精准圈定预测靶区，因而需要结合波段比值法与主成分分析法共同圈定靶区。

4.2 靶区圈定

通过上述结果讨论分析，本文采用具有一定指示意义的蚀变信息进行叠合对比圈定靶区（图7a~i），其中Landsat8影像选取铁染波段比值结果与羟基、碳酸根离子主成分分析结果，GF-5高光谱影像选取铁染，羟基、碳酸根离子波段比值结果，铝羟基、镁羟基、碳酸根离子主成分分析结果以及光谱角匹配分析结果。圈定方法依据在相同的区域中，波段比值图中表现为中、高异常值，主成分分析图中3级异常套合情况较好，且靶区地物排除造成伪异常的地物，光谱角匹配图中包含赤铁矿、白云石和高岭石矿物。经过叠合对比分析，选取了较为合适的靶区，该靶区在铁染，羟基、碳酸根离子波段比值（图7a~c）图中都为中高异常值，羟基、碳酸根离子主成分分析图（图7d~g）中的蚀变异常套合也较好，且GF-2高光谱影像（图7i）对应的地物排除居住区及第四系黄土造成的伪异常，以及靶区（图7h）包含赤铁矿、白云石和高岭石等矿物。

图7 宁南铅锌矿集区预测靶区图a.Landsat8预测靶区铁染波段比值图；b.GF-5预测靶区铁染波段比值图；c.GF-5预测靶区羟基、碳酸根离子波段比值图；d.Landsat8预测靶区羟基、碳酸根离子主成分分析图；e.GF-5预测靶区铝羟基主成分分析图；f.GF-5预测靶区镁羟基主成分分析图；g.GF-5预测靶区碳酸根离子主成分分析图；h.GF-5预测靶区光谱角匹配图;i.GF-2预测靶区地物图Fig.7 Image of target prediction of the Ningnan lead-zinc ore concentration area a.Image of Landsat8 target prediction of iron-stained band ratio;b.Image of GF-5 target prediction of iron-stained band ratio;c.Image of GF-5 arget prediction hydroxyl and carbonate ion band ratio;d.Principal component analysis image of Landsat8 target prediction hydroxyl,carbonate ion alteration information;e.Principal component analysis image of GF-5 target prediction aluminum-hydroxyl alteration information;f.Principal component analysis image of GF-5 target prediction magnesium-hydroxyl alteration information;g.Principal component analysis image of GF-5 target prediction carbonate ion alteration information;h.Image of GF-5 target prediction of spectrum matching;i.Terrain image of GF-2 target prediction

4.3 预测靶区验证

（1）化探异常套合验证

对收集的宁南铅锌矿集区范围内1∶20万区域化探数据进行调平，进而结合研究区地质背景及成矿地质条件，针对宁南铅锌矿床特征，选择Pb、Zn、Ca、Mg等元素采用统计分析方法，深入分析单元素及元素组合的空间分布特征，识别与提取了宁南铅锌矿集区的化探异常数据。将预测靶区在化探异常数据进行投点可知，预测靶区在铅、锌化探异常数据中表现为中高异常值；在钙镁异常数据中表现为中异常值，预测靶区与3种化探数据异常值都有较好的对应关系（图8a~c）。

图8 宁南铅锌矿集区化探异常信息图a.铅化探异常；b.锌化探异常；c.钙镁化探异常Fig.8 Information of geochemical anomaly of the Ningnan lead-zinc ore concentration area a.Lead geochemical anomaly;b.Zinc geochemical anomaly;c.Calcium and magnesium geochemical anomaly

（2）野外实地验证

经过仔细的野外实地验证发现：①预测靶区范围内的围岩主要以白云岩和有机质白云岩为主，在矿化处，白云石有明显的重结晶现象，易形成胶粒；②产出矿物主要有闪锌矿、方铅矿、黄铁矿、赤铁矿、重晶石、蓝铜矿、萤石，以及部分寒武纪黑色页岩；③预测靶区已成为小型矿床，并被云南某矿业公司开采（图9a~f）。通过化探异常数据验证与野外实地验证的结果，证明了多源数据与多种方法相结合的综合预测方式是有效性的。

图9 宁南铅锌矿集区野外实地验证照片a.方铅矿；b.具有刀砍纹的白云岩；c.含闪锌矿的有机质白云岩；d.废弃矿井；e.野外靶区实地地貌；f.中厚层状白云岩地貌Fig.9 Photos of field-field validation of the Ningnan lead-zinc ore concentration area a.Galena;b.Dolomite with knife cuts texture;c.Organic matter dolomite containing diblorite;d.Abandoned coal mine;e.Field geomorphology in the field target area;f.Medium-thick stratified dolomite geomorphology

5 结论

（1）本次研究针对四川宁南铅锌矿集区的实际情况，对Landsat8影像与GF-5高光谱影像采用了波段比值法、主成分分析法与光谱角匹配法3种方式，有效地提取铁染，羟基、碳酸根离子蚀变信息及矿物，鉴于GF-5高光谱数据采样间隔短、波段数量多等优势，既可以将羟基、碳酸根离子蚀变信息分别以铝羟基、镁羟基、碳酸根离子的3种形式提出，又可将具体蚀变矿物提出，如赤铁矿、白云石、高岭石等，为圈定预测靶区提供了更多的数据资料。

（2）GF-2高空间分辨率影像所具有的1 m空间分辨率，可以辅助剔除大量的第四系沉积物黄土、零散分布的民用耕地以及居住区造成的伪异常。

（3）在对筛选后的蚀变信息结果进行叠合对比分析后圈定预测靶区，通过化探异常数据与野外实地考察的双重验证，确定该预测靶区含矿，证明多源数据与多种方法相结合的综合预测方式是有效的。