章欽瑜，張登榮，黃國成，朱 駿

板橋稀土礦遙感找礦信息提取與礦產(chǎn)預(yù)測研究

章欽瑜1，張登榮2，黃國成3，朱 駿1

(1.浙江大學(xué)地球科學(xué)系，杭州 310027;2.杭州師范大學(xué)遙感和地球科學(xué)研究院，杭州 310027;3.浙江省地質(zhì)調(diào)查院，杭州 310027)

通過對離子吸附型稀土礦成礦規(guī)律的分析，從浙江省板橋地區(qū)的遙感地質(zhì)特征研究入手，在研究區(qū)地表范圍內(nèi)進(jìn)行稀土遙感找礦信息的提取。首先利用SPOT圖像和DEM數(shù)據(jù)構(gòu)建的坡度數(shù)據(jù)對與稀土成礦相關(guān)的地貌單元進(jìn)行解譯;然后通過光譜特征分析和基于ASTER圖像的礦物遙感異常提取，獲取與成礦相關(guān)的高嶺土、絹云母、綠泥石等風(fēng)化特征礦物的分布信息;最后疊合分析地貌、坡度及異常提取結(jié)果，進(jìn)行稀土遙感找礦預(yù)測。與地質(zhì)調(diào)查資料及化探數(shù)據(jù)的對比分析證實(shí)，上述方法對圈定1∶5萬的大比例尺離子吸附型稀土礦分布范圍是有效的，可為更詳細(xì)的稀土礦產(chǎn)資源潛力評(píng)價(jià)提供依據(jù)。

離子吸附型稀土礦;遙感;地貌解譯;異常提取;礦產(chǎn)預(yù)測

0 引言

稀土礦作為重要的戰(zhàn)略資源，國內(nèi)外需求量一直很大。我國雖是世界稀土資源大國，但因近年來過度開采，稀土資源量儲(chǔ)備已大幅度下降，迫切需要加強(qiáng)新礦產(chǎn)地調(diào)查，以保證稀土礦的后備供應(yīng)［1］。

目前，在江西、福建、廣東、廣西等南方省份已經(jīng)陸續(xù)發(fā)現(xiàn)了一批離子型稀土礦。具有相似成礦環(huán)境的浙江省有可能存在稀土礦產(chǎn)的開發(fā)潛力。但由于浙江省稀土礦的地質(zhì)調(diào)查工作起步較晚，雖已取得了一定的成果，但工作程度還比較低，大部分地區(qū)尚未完成大比例尺的地質(zhì)勘查［2］。

利用遙感技術(shù)提取成礦區(qū)域內(nèi)的地貌、構(gòu)造、巖性、蝕變等與成礦相關(guān)的特征信息，從而為地質(zhì)找礦提供前期調(diào)查資料，一直是國內(nèi)外學(xué)者關(guān)注的焦點(diǎn)［3］。迄今為止，遙感在國內(nèi)的稀土礦產(chǎn)調(diào)查中已開展了一些應(yīng)用，但公開發(fā)表的相關(guān)技術(shù)方法及應(yīng)用研究成果的文獻(xiàn)極少;而遙感技術(shù)在具有相似成礦模式的堆積型鋁土礦的找礦應(yīng)用中則取得了很多有效的實(shí)際成果［4－7］。

本文利用SPOT，ASTER圖像和DEM數(shù)據(jù)，根據(jù)板橋型稀土礦成礦特征，從遙感地質(zhì)特征入手，開展板橋型稀土礦找礦信息的提取和礦產(chǎn)遙感預(yù)測研究。

1 成礦地質(zhì)背景

到目前為止，浙江省已探明的稀土礦類型以風(fēng)化殼離子吸附型為主，約占全省已探明稀土礦的64%，均分布于浙江省南部(N28°40'以南)，其中以板橋稀土礦最為典型［2］。

板橋地區(qū)離子吸附型稀土礦的形成過程與巖體的風(fēng)化作用密切相關(guān)。首先，含有稀土元素的母巖定位后，受構(gòu)造抬升影響，蓋層被剝蝕殆盡，使巖體大量出露地表，在溫暖濕潤的氣候條件下，逐步遭受風(fēng)化，并在原地堆積形成風(fēng)化殼;其次，受化學(xué)風(fēng)化作用的影響，稀土元素被活化，常呈離子態(tài)被吸附于粘土礦物的表面;最后，風(fēng)化殼中的稀土成礦物質(zhì)在經(jīng)歷了淋溶、解析、遷移、吸附，再淋溶、解析、遷移、吸附的反復(fù)作用后，在合適的地質(zhì)環(huán)境下富集，形成具有工業(yè)品位的離子吸附型稀土礦床［8］。

2 研究區(qū)概況

2.1 自然地理概況

研究區(qū)位于浙江省麗水市松陽縣東部的板橋鄉(xiāng)內(nèi)，其地理范圍為 E119°30'～ 119°45'，N28°19'～28°29'，面積約 421.8 km2(圖 1)。

圖1 研究區(qū)地理位置Fig.1 Location of study area

該地區(qū)屬于典型的亞熱帶季風(fēng)氣候區(qū)，四季分明，雨量豐沛，空氣濕潤，年平均氣溫約17℃，年平均降水量1 500 mm。區(qū)內(nèi)地貌以山地丘陵為主，中部為地勢較低的臺(tái)地，四周為低山丘陵，海拔高度100～1 100 m，平均海拔375 m，植被覆蓋密集。

2.2 地質(zhì)概況

研究區(qū)中部發(fā)育燕山晚期靖居包巖體，巖性為中粒石英二長巖、似斑狀黑云母石英二長巖。其中主要礦物包括鉀長石(占40% ～65%)、斜長石(占20% ～35%)和石英(占5% ～15%)，副礦物主要有磁鐵礦、赤褐鐵礦、鋯石等，含稀土礦物主要為獨(dú)居石、磷釔礦等。微量元素中，Pb，La，Ce，Y為高度富集元素(富集系數(shù)K＞4)。稀土元素呈離子態(tài)吸附于粘土礦物中，賦存于完全風(fēng)化層及半風(fēng)化層中。

區(qū)內(nèi)風(fēng)化殼中粘土礦物含量高，礦物成分以高嶺土、伊利石為主;風(fēng)化殼厚度大，平均厚度達(dá)10 m以上，最厚達(dá)17 m。其中，低緩圓平的山頭、平緩的山坡、臺(tái)地上的風(fēng)化殼厚度較大，而在溝谷、山腳等部位風(fēng)化殼厚度較小，甚至尖滅。風(fēng)化殼發(fā)育類型以被蓋式為主，少數(shù)為帽蓋式，兼有癩痢式和裸腳式等特征［9］。

3 稀土遙感找礦信息提取

通過對成礦地質(zhì)背景及地質(zhì)特征分析可知，板橋地區(qū)稀土礦的形成主要與成礦母巖的巖石系列和地貌條件及風(fēng)化殼特征密切相關(guān)。因此，稀土遙感找礦信息的提取從這些方面入手，著重解譯研究區(qū)內(nèi)與成礦有關(guān)的地貌特征，并對風(fēng)化特征礦物遙感異常信息進(jìn)行提取。

3.1 殘坡積地貌信息提取

殘坡積地貌是按照第四紀(jì)地質(zhì)成因分類理論、根據(jù)地質(zhì)作用的動(dòng)力原則劃分的地貌類型，是基巖經(jīng)物理、化學(xué)等風(fēng)化作用后，未經(jīng)任何搬運(yùn)而殘留于原地較平緩的地表形成底部基巖的覆蓋層［10］。由于離子吸附型稀土礦的分布與殘坡積地貌有良好的對應(yīng)關(guān)系，因此將遙感解譯的殘坡積區(qū)作為離子吸附型稀土礦分布區(qū)預(yù)測的一個(gè)重要標(biāo)志。

3.1.1 殘坡積地貌遙感識(shí)別

本次研究綜合考慮外營力作用和成因類型，采用人機(jī)交互的目視解譯方法，根據(jù)研究區(qū)影像的形態(tài)、紋理和色調(diào)特征，并結(jié)合區(qū)內(nèi)地形、地勢特點(diǎn)等，建立第四系殘坡積地貌的遙感影像解譯標(biāo)志，提取殘坡積物分布的遙感地貌信息。采用的遙感數(shù)據(jù)是2009年3月1日獲取的SPOT 5圖像，分別用B2，(B3·B1+B3)/B4，B3對應(yīng)R，G，B通道，構(gòu)成假彩色合成圖像(其中B1，B2，B3分別代表SPOT的綠、紅和近紅外波段)。通過Brovey方法將多光譜波段與2.5 m空間分辨率的全色波段融合，獲得融合圖像。

在遙感圖像上，裸露及植被覆蓋較少的殘坡積(Qedl)區(qū)一般具有不同于植被覆蓋區(qū)的色調(diào)特征，主要表現(xiàn)為棕色、土黃色、灰綠色，總體上呈不均勻的斑塊，空間分布零亂。其中，裸露的殘坡積區(qū)主要呈棕色、土黃色，表面結(jié)構(gòu)較光滑;而植被覆蓋較少的殘坡積區(qū)則呈灰綠色、灰色，色調(diào)飽和度較低，影紋結(jié)構(gòu)較復(fù)雜。

另外，殘坡積區(qū)主要分布于侵蝕山區(qū)內(nèi)的地勢平緩地區(qū)，無明顯的山脊線或山體切割淺。影像上一般表現(xiàn)出較高的農(nóng)業(yè)利用程度，多被開墾為梯田、道路等(圖2)。從地形地貌來看，殘坡積區(qū)主要位于經(jīng)風(fēng)化侵蝕的地勢較平緩的山區(qū)(如臺(tái)地、丘包、饅頭山的頂部和上部)，局部位于谷地以及山麓與平原的交接部位［11］。

圖2 殘坡積地貌的SPOT圖像Fig.2 SPOT image of Qedl

依據(jù)上述遙感解譯標(biāo)志對研究區(qū)內(nèi)殘坡積地貌進(jìn)行目視解譯，共解譯出與殘坡積地貌有關(guān)的圖斑46個(gè)。圖斑面積大小不一，最大的達(dá)2.71 km2，最小的僅0.06 km2，平均為0.49 km2;主要分布于研究區(qū)中部后塘、塘里源等地區(qū)的臺(tái)地和丘包上，少部分位于大坑等山坡以及谷地中，多呈塊狀或者不規(guī)則橢圓等形狀(圖3)。

圖3 研究區(qū)殘坡積地貌分布(以SPOT影像為背景)Fig.3 Qedlmapped in study area

3.1.2 基于坡度的殘坡積提取

由于目視解譯方法受解譯人員的經(jīng)驗(yàn)、操作等人為因素影響較大，為了獲得更加客觀、可靠的殘坡積地貌的空間分布信息，本文利用坡度信息對殘坡積地貌的目視解譯結(jié)果進(jìn)行修正。

本次研究采用空間分辨率為30 m的ASTER DEM數(shù)據(jù)，利用GIS的地形分析功能提取研究區(qū)的坡度空間分布信息。根據(jù)以往的地質(zhì)調(diào)查可知，殘坡積地貌一般分布在坡度小于20°的丘陵山區(qū)［2］。因此，本文按＜10°，10°～20°，＞20°共分3 級(jí)，分離出坡度在20°以下的各級(jí)坡度信息，并生成坡度分布圖(圖4)。

圖4 研究區(qū)坡度分布Fig.4 Slope distribution map of the study area

從圖4可以看出，坡度在20°以下的區(qū)域主要分布于平緩的山麓坡地、山間臺(tái)地、低丘頂部、山間谷地、河谷平原以及河道、湖泊、水庫等部位。其中，河谷平原以及河道、湖泊、水庫等與殘坡積地貌無關(guān)，其坡度極為平緩，一般低于10°，需要剔除。值得注意的是，由于計(jì)算機(jī)自動(dòng)提取，部分圖斑零碎雜亂(面積小到僅數(shù)個(gè)像元大小)，在輔助地貌解譯中并無實(shí)際意義。因此在數(shù)據(jù)后期處理中，對碎小的坡度圖斑進(jìn)行了歸并處理。

最后，將殘坡積區(qū)的上述目視解譯結(jié)果與20°以下的坡度信息及已知的侵入巖體空間分布信息進(jìn)行疊加分析，進(jìn)一步確定與成礦相關(guān)的殘坡積區(qū)的空間分布范圍，生成最終的殘坡積地貌解譯圖(圖5)。

圖5 巖體范圍內(nèi)20°坡度以下殘坡積地貌分布圖Fig.5 Residual talus slope topography map with the slope below 20°in rocks

在巖體的分布范圍內(nèi)，共解譯出殘坡積區(qū)的24個(gè)圖斑，面積最大的達(dá)5.874 km2，面積最小的僅0.005 km2，平均面積為 0.633 km2，多呈不規(guī)則塊狀。解譯圖斑的外包絡(luò)線分布范圍大致與地質(zhì)圖上的靖居包巖體出露范圍相當(dāng)。在巖體的北部及東部，圖斑分布相對較集中、連續(xù)性好;南部及西部則較零星、連續(xù)性相對較差。

3.2 風(fēng)化特征礦物遙感信息提取

3.2.1 光譜特征分析

由區(qū)域地質(zhì)調(diào)查資料可知，研究區(qū)的稀土成礦母巖為一套堿性花崗斑巖。在表生風(fēng)化作用下，花崗斑巖中的深色礦物常發(fā)生分解，形成高嶺土、絹云母、綠泥石等礦物［12］。因此，高嶺土、綠泥石和絹云母是母巖表生風(fēng)化作用的特征礦物。此外，獨(dú)居石是主要的含稀土礦物，由于與稀土成礦呈高度相關(guān)，該礦物在一定程度上也可以為研究區(qū)稀土成礦分布提供指示信息。因此，本文嘗試?yán)霉庾V特征分析和異常提取的方法獲取高嶺土、絹云母、綠泥石和獨(dú)居石的分布信息。

為了分析上述礦物在ASTER數(shù)據(jù)的VNIR—SWIR波段的光譜特征，將全波段的實(shí)驗(yàn)室光譜數(shù)據(jù)重采樣到ASTER的各個(gè)波段(圖6)。

圖6 特征礦物光譜曲線圖Fig.6 Spectral curves of the characteristic minerals

從重采樣后的光譜曲線圖上可以看出，高嶺土和絹云母的光譜吸收特征十分相似，在ASTER6波段處表現(xiàn)為強(qiáng)吸收;在ASTER4波段前，高嶺土的反射率要高于絹云母，而在其后的波段則相反。綠泥石的反射率由可見光到近紅外是逐步上升的，在ASTER8波段處出現(xiàn)強(qiáng)吸收。獨(dú)居石在短波紅外的特征不明顯，而在ASTER3波段表現(xiàn)為強(qiáng)吸收谷。根據(jù)這些特征制訂了基于ASTER的高嶺土、絹云母、綠泥石和獨(dú)居石的遙感異常信息提取方案。

3.2.2 礦物異常信息提取

本次風(fēng)化特征礦物遙感異常信息提取采用的數(shù)據(jù)是ASTER L1B數(shù)據(jù)，空間分辨率重采樣到15 m。由于研究區(qū)跨越了多景數(shù)據(jù)，先對其進(jìn)行鑲嵌拼接、裁剪，然后轉(zhuǎn)換到統(tǒng)一的投影坐標(biāo)系。

為了使ASTER光譜數(shù)據(jù)更好地匹配地物的真實(shí)光譜，減少干擾，需要將其轉(zhuǎn)化為垂直方向的地表反射率。因此，在進(jìn)行光譜特征提取前，首先對ASTER數(shù)據(jù)進(jìn)行預(yù)處理。由于所采用的ASTER L 1B數(shù)據(jù)已經(jīng)進(jìn)行過輻射定標(biāo)，可以直接通過FLAASH大氣校正消除大氣的影響。鑒于研究區(qū)處于山地丘陵地區(qū)，相鄰像元間的地形變化比較大，像元光譜可能會(huì)受到相鄰像元的影響，本文還采用了非朗伯體方程進(jìn)行光譜的地形校正［13］，最后將其校正到垂直方向的地表反射率(圖7)。

此外，區(qū)內(nèi)存在大面積的高植被覆蓋區(qū)，水系也比較發(fā)育。為了去除水體和植被的干擾，需要通過掩模運(yùn)算將二者去掉，從而將地表露頭較好的像元單獨(dú)提取出來。根據(jù)水體在ASTER3和ASTER4波段的下降趨勢，二者的比值小于1，可作為水體的掩模。采用NDVI指數(shù)小于0.3作為植被的掩模。

圖7 礦物異常提取流程Fig.7 Flow chart of mineral anomaly extraction

借鑒前人在蝕變礦物異常信息提取中的研究成果，采用比較成熟的波段組合主成分分析方法［14－16］分別提取絹云母和綠泥石礦物異常信息。由于高嶺土與絹云母的光譜變化特征相似以及獨(dú)居石獨(dú)特的光譜吸收波段，本文使用波段深度法(band depth，BD)來提取高嶺土和獨(dú)居石異常信息。

利用ASTER數(shù)據(jù)提取粘土類礦物主要采用對ASTER1，3，4，n波段組合進(jìn)行主成分分析(PCA)的方法(n的選擇由目標(biāo)礦物的波譜特征決定)。絹云母在ASTER6波段表現(xiàn)為強(qiáng)吸收，在ASTER7波段則表現(xiàn)為強(qiáng)反射，因此選擇 ASTER1，3，4，6，7 作為PCA的輸入。通過PCA變換得到的特征向量如表1所示。

表1 ASTER1，3，4，6，7 波段的 PCA 特征向量Tab.1 PCA eigenvectors of ASTER1，3，4，6，7 bands

從表1中可以看出，對PC5的主要貢獻(xiàn)來自絹云母的特征波段，它很好地反映了絹云母在ASTER7的高反射和在ASTER6的強(qiáng)吸收關(guān)系。由于高反射一般表示為正的貢獻(xiàn)，為了處理的方便，對PC5取反，以便使圖像中的高值對應(yīng)于異常。

根據(jù)綠泥石的波段特征，選擇 ASTER1，2，3，5，8，9波段進(jìn)行PCA變換，得到的特征向量如表2所示。從PCA分析結(jié)果看，PC5得到的ASTER5，8波段貢獻(xiàn)最大，且 ASTER5，9波段和 ASTER2，8波段的符號(hào)相反，最符合綠泥石在ASTER5，9的高反射率和在ASTER2，8波段的吸收關(guān)系。

表 2 ASTER 1，2，3，5，8，9 波段的 PCA 特征向量Tab.2 PCA eigenvectors of ASTER 1，2，3，5，8，9 bands

根據(jù)高嶺土在ASTER6波段的吸收谷和在ASTER4，7波段的谷肩，采用波段深度方法，構(gòu)造波段運(yùn)算公式(ASTER4+ASTER7)/ASTER2作為波段特征生成高嶺土特征圖;根據(jù)獨(dú)居石在ASTER3波段的吸收谷和在ASTER2，4波段的谷肩，構(gòu)造波段運(yùn)算公式(ASTER2+ASTER4)/ASTER3作為波段特征生成獨(dú)居石特征圖。選擇均值加2倍標(biāo)準(zhǔn)差作為異常下限閾值，最后生成高嶺土、絹云母、綠泥石、獨(dú)居石異常分布圖(圖8)。

由圖8可見，通過上述方法提取的特征礦物遙感異常信息主要離散分布于巖體內(nèi)部及邊緣地區(qū)，在巖體的北部、中部和南部各有幾處異常聚集區(qū)。其中，研究區(qū)內(nèi)綠泥石異常的分布面積最大，在各個(gè)聚集區(qū)均有分布。中部和南部則提取出了較多的獨(dú)居石異常，而北部僅有零星分布。絹云母和高嶺土異常提取的面積相對較小，分布也比較均勻。由于這些特征礦物與稀土礦密切相關(guān)，所提取的異常信息可以大致反映稀土礦的分布趨勢。

4 稀土礦遙感找礦預(yù)測與驗(yàn)證

通過對板橋離子吸附型稀土礦成礦規(guī)律的上述分析，本文建立離子吸附型稀土礦遙感找礦預(yù)測模型為:①母巖分布范圍內(nèi)的第四系殘坡積地貌;②母巖分布范圍內(nèi)地形坡度在20°以下的區(qū)域;③存在與稀土成礦有關(guān)的高嶺土、絹云母、綠泥石等風(fēng)化特征礦物和獨(dú)居石的光譜信息。根據(jù)稀土礦遙感找礦預(yù)測模型，綜合前述殘坡積地貌信息提取和與成礦有關(guān)的礦物光譜異常分析，圈定出研究區(qū)內(nèi)的稀土礦預(yù)測范圍，最后得到稀土礦遙感找礦預(yù)測分布圖(圖9)。

圖9 稀土遙感找礦預(yù)測分布圖Fig.9 Map of rare earth distribution forecasted by remote sensing exploration

為了驗(yàn)證本文提出的離子吸附型稀土礦遙感找礦預(yù)測模型的可靠性，利用已有地質(zhì)調(diào)查資料以及研究區(qū)內(nèi)稀土元素的化探數(shù)據(jù)分別進(jìn)行了分析比對。從已探明的稀土礦的礦區(qū)分布范圍圖來看，研究區(qū)北部的稀土礦遙感找礦預(yù)測區(qū)分布范圍與已知礦區(qū)范圍基本吻合，且區(qū)內(nèi)發(fā)育稀土礦點(diǎn)1處［9］(圖9)。此外，通過化探取樣分析，可知區(qū)內(nèi)存在化探鑭(La)、釔(Y)異常區(qū)，均呈北北東向展布，其中La異常內(nèi)帶分布范圍與靖居包巖體的展布基本一致(圖10(a));而Y異常的高值區(qū)主要分布在研究區(qū)的西南［9］(圖10(b))，這與稀土相關(guān)礦物的遙感異常分布范圍基本一致。從化探數(shù)據(jù)與稀土礦遙感找礦預(yù)測區(qū)的分布情況來看，用遙感找礦預(yù)測模式獲取的稀土礦分布趨勢與化探反映的La的異常分布趨勢更相符。

通過對比分析可以看出，采用上述遙感方法提取的稀土礦地表分布信息與已知礦區(qū)和化探數(shù)據(jù)分布基本吻合，說明本文提出的離子吸附型稀土礦遙感找礦預(yù)測模型具有較高的可靠性和可適性，可以推廣應(yīng)用于浙南離子吸附型稀土礦的找礦預(yù)測。

圖10 化探異常分布圖Fig.10 Map of geochemical anomaly

5 結(jié)論

1)本文選取SPOT遙感圖像和DEM數(shù)據(jù)提取板橋地區(qū)與稀土礦有關(guān)的殘坡積信息，確定了研究區(qū)殘坡積的分布范圍;同時(shí)運(yùn)用ASTER數(shù)據(jù)的波段組合進(jìn)行主成分分析(PCA)和波段深度運(yùn)算(BD)，提取出獨(dú)居石、高嶺土、絹云母和綠泥石遙感異常信息。

2)依據(jù)離子吸附型稀土礦的成礦規(guī)律，綜合遙感地貌解譯和風(fēng)化特征礦物異常信息提取，圈定了板橋地區(qū)稀土礦遙感找礦預(yù)測區(qū);通過與地質(zhì)調(diào)查資料及化探數(shù)據(jù)的比對，證實(shí)了該方法的有效性，表明使用ASTER和SPOT數(shù)據(jù)可以提取出1∶5萬比例尺下的離子吸附型稀土礦的大致分布信息，從而為進(jìn)一步的地質(zhì)勘察工作節(jié)省大量人力物力。

3)嘗試性地建立了離子吸附型稀土礦的遙感找礦預(yù)測模型，為今后進(jìn)一步開展稀土礦的遙感找礦工作提出了較為系統(tǒng)的方法和建議。

4)根據(jù)地質(zhì)調(diào)查資料可知，風(fēng)化特征礦物在研究區(qū)內(nèi)的分布比較廣泛。而在其異常信息的提取中，由于受研究區(qū)高植被覆蓋影響，獲取的異常點(diǎn)相對較少。另外，分割閾值的設(shè)置對異常點(diǎn)數(shù)量的影響也比較大，目前還缺乏定量化的評(píng)判標(biāo)準(zhǔn)。如何有效地去除背景環(huán)境影響及更合理地選擇分割閾值以突顯異常信息，還有待于進(jìn)一步深入研究。

［1］ 韓曉英，李 平，王 勇，等.中國稀土發(fā)展概況［J］.中國有色金屬，2010(2):29 －30.

［2］ 斯小軍.浙江省風(fēng)化殼離子吸附型稀土礦產(chǎn)概查地質(zhì)報(bào)告［R］.浙江省區(qū)域地質(zhì)調(diào)查大隊(duì)，1992:10－30.

［3］ 耿新霞，楊建民，張玉君，等.遙感技術(shù)在地質(zhì)找礦中的應(yīng)用及發(fā)展前景［J］.地質(zhì)找礦論叢，2008，23(2):89 －93.

［4］ 李領(lǐng)軍，張?jiān)品?，?蓉，等.幾內(nèi)亞金迪亞地區(qū)紅土型鋁土礦遙感礦化信息與找礦預(yù)測［J］.遙感信息，2010(5):93－97.

［5］ 成 功，陳松嶺，祝瑞勤，等.平果堆積型鋁土礦地質(zhì)特征及遙感找礦預(yù)測［J］.輕金屬，2009(8):11－18.

［6］ 高光明，周利霞，黃寶華.波羅芬高原紅土型鋁土礦遙感影像特征及信息提?。跩］.圖像處理與模式識(shí)別，2007(3):73－75.

［7］ 羅允義.廣西鋁土礦遙感綜合成礦預(yù)測及資源總量估算［J］.地質(zhì)與勘探，2003，39(3):58 －62.

［8］ 朱安慶，張永山，陸祖達(dá)，等.浙江省金屬非金屬礦床成礦系列和成礦區(qū)帶研究［M］.北京:地質(zhì)出版社，2009:10.

［9］ 樊錫銀，呂新前.浙江省松陽縣板橋稀土礦區(qū)普查地質(zhì)報(bào)告［R］.杭州:浙江省第七地質(zhì)大隊(duì)，1995.

［10］周 翔，劉玉英，王敏龍，等.地貌學(xué)及第四紀(jì)地質(zhì)學(xué)基礎(chǔ)［M］.北京:地質(zhì)出版社，2007.

［11］范 敏，黃 潔，劉 智，等.基于遙感數(shù)據(jù)的西南地區(qū)第四紀(jì)殘坡積層分布與利用—以四川省鹽源盆地為例［J］.國土資源遙感，2010(增刊):204－208.

［12］徐耀鑒，徐漢南，任錫剛.巖石學(xué)［M］.北京:地質(zhì)出版社，2007.

［13］ Mishra V D，Sharma J K，Singh K M，et al.Assessment of Different Topographic Corrections in Waifs Satellite Imagery of Himalaya Terrain［J］.Journal of Earth System Science，2009，118(1):11 －26.

［14］ Bertoldi L，Massironi M，Vison D，et al.Mapping the Buraburi Granite in the Himalaya of Western Nepal:Remote Sensing Analysis in a Collisional Belt with Vegetation Cover and Extreme Variation of Topography［J］.Remote Sensing of Environment，2011，115:1129－1144.

［15］張玉君，楊建民，陳 薇.ETM+(TM)蝕變遙感異常提取方法研究與應(yīng)用——地質(zhì)依據(jù)和波譜前提［J］.國土資源遙感，2002(4):30－34.

［16］張玉君，曾朝銘，陳 薇.ETM+(TM)蝕變遙感異常提取方法研究與應(yīng)用——方法選擇和技術(shù)流程［J］.國土資源遙感，2003(2):44－50.

The Remote Sensing Prospecting Information Extraction and Mineral Resources Prognosis in the Banqiao Rare Earth Mineral Deposit

ZHANG Qin－yu1，ZHANG Deng－rong2，HUANG Guo－cheng3，ZHU Jun1
(1.Department of Earth Sciences，Zhejiang University，Hangzhou 310027，China;2.Institute of Remote Sensing and Earth Sciences，Hangzhou Normal University，Hangzhou 310027，China;3.Zhejiang Institute of Geological Survey，Hangzhou 310027，China)

In this paper，the prospecting information of the rare earth resources on Earth’s surface was extracted by analyzing the metallogenic regularity and geological remote sensing features of the study area.Firstly，the distribution of geomorphic units of Qedlwas interpreted based on SPOT imagery and slope map obtained from DEM data.Then，the distribution of characteristic minerals closely related to rare earth deposits such as kaolin，sericite and chlorite was extracted by using remote sensing alteration anomaly extraction methods in the study area.At last，the potential rare earth ore districts were predicted by using overlap analysis of geomorphic units of Qedlas well as slope and abnormal extraction results.A comparison with the results of geological and geochemical survey shows that the remote sensing methods proposed in this paper are effective and reliable in prognosis of rare earth mineral distribution at the scale of 1∶50 000 and can provide useful suggestions for more detailed potential evaluation of rare earth mineral resources.

ion adsorption type rare earth;remote sensing;geomorphologic interpretation;abnormal extraction;mineral prediction

TP 79

A

1001－070X(2012)01－0120－07

10.6046/gtzyyg.2012.01.21

2011－06－20;

2011－07－14

中國地質(zhì)調(diào)查局全國礦產(chǎn)資源潛力評(píng)價(jià)浙江省礦產(chǎn)資源潛力評(píng)價(jià)項(xiàng)目(編號(hào):1212010813010)和浙江省城市濕地與區(qū)域變化研究重點(diǎn)實(shí)驗(yàn)室基金項(xiàng)目(編號(hào):KZ11107)共同資助。

章欽瑜(1986－)，女，碩士研究生，主要研究方向?yàn)檫b感地質(zhì)應(yīng)用。E－mail:yean333@gmail.com。

(責(zé)任編輯:劉心季)