肖正輝， 劉 琳， 陳有明， 李學(xué)良， 楊 娟， 黃 燕

（1.合肥工業(yè)大學(xué) 化學(xué)與化工學(xué)院，安徽 合肥 230009；2.安徽農(nóng)業(yè)大學(xué) 理學(xué)院，安徽合肥 230036；3.安徽省地質(zhì)調(diào)查院，安徽 合肥

230001）

0 引 言

目前，遙感技術(shù)已經(jīng)成為地質(zhì)填圖和找礦的重要技術(shù)手段之一。巖性識(shí)別、地質(zhì)解譯、礦化蝕變信息提取等工作為區(qū)域遙感找礦提供了有力的支持，其中礦化蝕變信息提取工作能為區(qū)域找礦、特別是對(duì)工作條件低、范圍大的區(qū)域提供直接的技術(shù)參數(shù)。常見的礦化蝕變類型，一般都含有Fe2＋、Fe3＋或 OH—、CO2—等離子，這些基團(tuán)構(gòu)成的巖石礦物，在可見光—紅外光譜區(qū)段具有明顯的特征反射或吸收，所以在過去的若干年里，國(guó)內(nèi)外學(xué)者相繼將圖像比值、主成分分析等技術(shù)用于遙感異常信息提取。ASTER和TM（ETM）數(shù)據(jù)是普遍采用的蝕變異常提取的數(shù)據(jù)源，但是它們的分辨率較低，蝕變信息在這些遙感影像上反映出來的是蝕變礦物和各種背景光譜信息的綜合信息。文獻(xiàn)［1］曾提出去干擾主成分變換的一些參考方案，即先消除植被、水體等干擾，再提取蝕變礦物信息，這種方法在我國(guó)西部裸露地區(qū)，取得了較好的效果［2］；但是在中東部地區(qū)，工業(yè)礦體地表線索有限，背景光譜信息復(fù)雜，很難找到符合要求的像元，即使有也大多為偽信息，所以簡(jiǎn)單地去除背景信息難以滿足要求。國(guó)外學(xué)者也提出諸如最小二乘剝離植被等方法，效果不是十分突出，實(shí)用性較差，一定程度上制約了它們?cè)谶b感蝕變信息提取方面的應(yīng)用。由此可見，傳統(tǒng)的圖像分類技術(shù)和蝕變礦物提取方法無法達(dá)到理想的效果。

地物識(shí)別是一種高光譜數(shù)據(jù)分析方法，它利用地表物質(zhì)與已知波譜比對(duì)，計(jì)算出屬于某種已知物質(zhì)的可能性；混合像元分解則通過計(jì)算得到每個(gè)像元中各種物質(zhì)的比例，確定混合像元最可能的物質(zhì)類別，制作物質(zhì)分布圖，為后續(xù)工作提供參考。上述方法主要用于高光譜遙感圖像處理，類似方法國(guó)外有一些應(yīng)用實(shí)例：文獻(xiàn)［3］對(duì)遙感圖像進(jìn)行線性混合像元分解，制作了埃及南部的巖性圖；文獻(xiàn)［4］在伊朗南部進(jìn)行了蝕變礦物填圖。但上述實(shí)例也多是在成礦條件好的裸露地區(qū)。本文的研究區(qū)安徽廬江何家大嶺地表植被覆蓋嚴(yán)重，裸露地表基本上是開采面，巖石礦物混合也較為嚴(yán)重，在這樣的地區(qū)進(jìn)行相關(guān)工作并不多見。本文以先進(jìn)星載熱輻射與反射輻射計(jì)（Advanced Spaceborne Thermal Emission and Reflection Radiometer，ASTER）為數(shù)據(jù)源，結(jié)合多光譜圖像掩模技術(shù)和高光譜數(shù)據(jù)分析方法，采用地物識(shí)別和線性波譜分離方法分析研究區(qū)主要巖石礦物信息，研究上述方法用于ASTER數(shù)據(jù)分析的可行性，并結(jié)合地質(zhì)資料和研究區(qū)實(shí)際，分析ASTER數(shù)據(jù)高光譜分析的效果。

研究區(qū)何家大嶺位于廬樅火山巖盆地，而廬樅火山巖盆地位于長(zhǎng)江下游主要深斷裂帶。整個(gè)火山巖盆地，西鄰中—新生代強(qiáng)烈左旋滑動(dòng)的郯廬斷裂帶，其東為下?lián)P子破碎帶，北靠桐柏－曉天－廬江斷裂帶，南受第四系覆蓋。由于西部受斷層切割，分布有中生代火成巖。該盆地繼承在中三疊紀(jì)—中侏羅世內(nèi)陸凹陷的基底之上，經(jīng)過燕山期活動(dòng)，形成了一套多旋回噴發(fā)的中堿性火山巖，總厚約3 000m，不整合于中侏羅統(tǒng)羅嶺組之上，根據(jù)噴發(fā)旋回和巖石組合，盆地火山巖噴發(fā)經(jīng)歷了4個(gè)旋回，先后為龍門院旋回—磚橋旋回—雙廟旋回—浮山旋回。區(qū)內(nèi)巖石普遍受到強(qiáng)烈的熱液蝕變，蝕變深度一般在200m左右，每一種蝕變帶寬度都比較大。蝕變類型主要有：高嶺土化、硅化、黃鐵礦化、矽卡巖化、絹云母化、綠泥石化、赤鐵礦化、褐鐵礦化等。

1 ASTER數(shù)據(jù)遙感巖礦信息提取

1.1 預(yù)處理

（1）基本數(shù)據(jù)。本文利用ASTER數(shù)據(jù)，數(shù)據(jù)等級(jí)為L(zhǎng)B1，數(shù)據(jù)景號(hào)為008120，已做幾何校正及輻射校正，可以直接用于輻射定標(biāo)等后續(xù)處理。所獲取的研究區(qū)ASTER遙感影像成像時(shí)間為2006年4月17日，光照適中，基本沒有云霧的干擾。ASTER數(shù)據(jù)分別位于3個(gè)光譜區(qū)域：3個(gè)可見光—近紅外波段VNIR（15m分辨率）可獲取過渡族金屬元素的特征波譜，如鐵和稀土元素（REE）；6個(gè)短波紅外波段SWIR（30m分辨率）可獲取含羥基和碳酸鹽化蝕變礦物的特征光譜；另外還有5個(gè)熱紅外波段TIR（90m分辨率）。ASTER對(duì)TM（ETM）數(shù)據(jù)是一種有力的補(bǔ)充，在短波紅外部分，ASTER的5、6、7、8、9波段相當(dāng)于將TM（ETM）數(shù)據(jù)的7波段細(xì)分，使得可識(shí)別的巖礦信息的種類更多，對(duì)某些礦致異常區(qū)分其礦化類型，提取的精度與可靠性進(jìn)一步改善。

（2）大氣糾正。對(duì)于研究地物定量遙感等問題，大氣糾正是不可缺少的步驟，糾正前、后波譜曲線變化很大，對(duì)于能否將某種地物區(qū)別開來具有決定意義，所以首先對(duì)于遙感數(shù)據(jù)進(jìn)行了相應(yīng)的處理。利用ENVI軟件中的ASTER Radiance功能完成ASTER數(shù)據(jù)輻射定標(biāo)，采用ENVI的大氣校正模塊FLAASH進(jìn)行大氣校正處理。通過FLAASH大氣校正前、后波譜的對(duì)比可知，校正后可見光范圍的反射率降低，短波紅外范圍的反射率升高，曲線更接近地物的實(shí)際波譜。

（3）掩膜獲取子區(qū)。由文獻(xiàn)［5］可知，當(dāng)一景圖像包含多個(gè)地理景觀區(qū)域時(shí)，分區(qū)提取有助于提高精度。由于研究區(qū)范圍只是該景的一小部分且不規(guī)則，所以以研究區(qū)邊界對(duì)于圖像進(jìn)行掩膜處理，減少了植被等其他地物對(duì)于信息提取的影響。

1.2 ASTER數(shù)據(jù)純凈像元提取與波譜分析

本文首先將USGS（United States Geological Survey）波譜庫(kù)重采樣至ASTER波段分辨率，作為分析的參考波譜。接著在ENVI平臺(tái)上，對(duì)圖像進(jìn)行最小噪聲分離（Minimum Noise Fraction，MNF）變換，選擇得到合適的維數(shù)6，計(jì)算純凈像元指數(shù)（Pixel Purity Index，PPI）并進(jìn)行閾值切割，將切割得到的像元進(jìn)行N維可視化，在N維可視化器上選擇犄角處像元，取其平均波譜，得到如圖1所示波譜曲線［6－7］。6個(gè)端元的波譜曲線分別用1～6進(jìn)行標(biāo)識(shí)。1號(hào)和5號(hào)端元與高嶺土、明礬石的吸收特征相似——5、6波段為吸收谷，3、4和7波段為反射峰；2號(hào)和6號(hào)端元?jiǎng)t呈現(xiàn)出8波段為吸收谷的特征。

運(yùn)用ENVI Spectral Analyst工具，將波譜角、波譜吸收特征匹配的權(quán)重分別選取0.40，二進(jìn)制編碼法選擇的權(quán)重為0.20，即權(quán)重總和為1，對(duì)于圖1各波譜曲線進(jìn)行打分，得到一系列最可能的巖石類型，即研究區(qū)純度較高的巖石主要是高嶺石、明礬石、石英、輝石等。

1號(hào)和5號(hào)端元由于與高嶺石、明礬石的吸收特征相近，波譜分析得到高嶺石、明礬石具有高分值，分別為0.882和0.879；2號(hào)和3號(hào)端元與輝石吸收特征相近，同樣波譜分析輝石得到較高的分值，即0.730。4號(hào)、6號(hào)端元?jiǎng)t得到石英較高的分值。通過波譜分析，確定研究區(qū)主要巖石礦物有石英、高嶺石、明礬石、輝石等，與已知蝕變類型高嶺土化、硅化、矽卡巖化、絹云母化、綠泥石化等吻合。Spectral Analyst工具初步給出了研究區(qū)主要巖石礦物類型，為進(jìn)一步的分析奠定了基礎(chǔ)。

圖1 研究區(qū)提取的端元波譜曲線

1.3 ASTER數(shù)據(jù)混合像元分解

Spectral Analyst工具只能初步給出主要巖石礦物類型，但是不能給出進(jìn)一步的含量和分布相關(guān)信息，要想得到更為詳細(xì)的信息，就要解決普遍存在的混合像元問題，即混合像元解混。

混合像元分解模型中的線性模型的原理最簡(jiǎn)單，也最容易實(shí)現(xiàn)，該模型要求所選取的終端單元應(yīng)為研究區(qū)域內(nèi)大多數(shù)像元的有效組成成分，而且要求其個(gè)數(shù)小于等于波段數(shù)［8］。線性光譜混合模型是指像元在某一波段的反射率是由構(gòu)成像元基本組分的反射率以其所占像元面積比例為權(quán)重系數(shù)的線性組合，公式為：

其中，ρ為m行1列的像元波譜矢量，m為波段數(shù)；C為m行n列的端元波譜矩陣，n為端元組分?jǐn)?shù)量；X為n維矢量，其各分量為對(duì)應(yīng)像元組分含量；e為殘差。

為使（1）式結(jié)果有意義，還要有如下2個(gè)約束：

通過上述公式根據(jù)最小二乘法原理就可求解出每種組分的豐度。

很多研究表明，線性光譜混合模型有很好的擬合能力和一定的理論基礎(chǔ)，計(jì)算結(jié)果可達(dá)一定的精度［9－10］。

本文運(yùn)用Matlab的非負(fù)最小二乘算法進(jìn)行線性波譜分離計(jì)算，運(yùn)用圖1中6種端元波譜，代入模型計(jì)算每個(gè)像元中6種地物所占的比例（豐度），理論上要求所有豐度非負(fù)且豐度總和等于1。研究區(qū)殘余均方根誤差（root meam square error，RMSE）和豐度總和分布圖如圖2所示。本文計(jì)算得到6種豐度數(shù)值均非負(fù)，由圖2b可知，6種物質(zhì)豐度總和絕大部分等于1，由圖2a可知RMSE也較小，絕大部分小于0.04，說明本文提取的端元和 采用的計(jì)算方法所得的計(jì)算結(jié)果是有效的。

圖2 研究區(qū)EMS和豐度總和分布圖

線性波譜分離得到的6種物質(zhì)豐度如圖3所示，豐度圖上較亮的像元含該物質(zhì)比例較大，而圖像明暗的對(duì)比可以反映某物質(zhì)的分布，即豐度圖上明亮的部分該物質(zhì)比例大，是該地區(qū)的主要分布地物，反之則比例小或少有分布［11－14］。由圖3知，端元1主要分布在西北、東北地區(qū)，端元5分布最廣，除中心地帶偏少外，基本遍布整個(gè)地區(qū)，因?yàn)槎嗽?、5被判作高嶺石或明礬石，說明高嶺石或明礬石基本遍布整個(gè)地區(qū)；端元4、6含量均較少，主要成分為石英，主要分布在邊緣；端元3主要分布在中北部，而端元2主要分布在中部地區(qū)，因?yàn)槎嗽?、3主要成分是輝石，所以認(rèn)為輝石的分布主要在中北部地區(qū)。

將各種巖石礦物的分布情況與該區(qū)域?qū)嶋H情況進(jìn)行比對(duì)，分布圖顯示巖石礦物分布信息與實(shí)地分布總體一致。

圖3 研究區(qū)各端元組分豐度圖

2 討 論

本文首先利用ASTER數(shù)據(jù)對(duì)于研究區(qū)礦物進(jìn)行提純得到端元，運(yùn)用ENVI software軟件的Spectral Analyst工具分析端元主要成分，分析出的可能物質(zhì)是高嶺石、石英、明礬石、輝石等，且分值較高，分析結(jié)果與研究區(qū)地質(zhì)資料吻合，說明利用ASTER數(shù)據(jù)在高度混合地區(qū)識(shí)別精細(xì)礦物是可能的。接著使用線性波譜分離方法對(duì)主要巖石礦物含量和分布進(jìn)行解算，制作出了大致的巖石礦物分布圖，也與實(shí)地情況吻合。研究表明，利用物質(zhì)識(shí)別、波譜解混等高光譜數(shù)據(jù)處理方法處理ASTER數(shù)據(jù)取得了較好的效果。

由于ASTER數(shù)據(jù)光譜和空間分辨率相對(duì)較低，運(yùn)用上述方法分析礦物及其分布仍然存在一定的問題。例如更進(jìn)一步分析發(fā)現(xiàn)，從主要診斷性光譜特征上看，ASTER數(shù)據(jù)的吸收特征與波譜庫(kù)中波譜吻合的只有2～3個(gè)，即診斷性光譜特征吻合較少；有的甚至只是總體趨勢(shì)相近，如本研究中的石英，說明ASTER數(shù)據(jù)中雖然可以提取到巖石的有關(guān)信息，但有可能是組合特征信息，具體類別需進(jìn)一步求證，可靠性也需進(jìn)一步驗(yàn)證。正是由于ASTER可見光到近紅外部分只有9個(gè)波段，即提取出的端元波譜僅有9個(gè)數(shù)據(jù)點(diǎn)，可利用的信息非常有限，ASTER數(shù)據(jù)對(duì)于很多微小吸收特征不能反映出來，不能準(zhǔn)確地識(shí)別物質(zhì)，所以制約了它的應(yīng)用。同時(shí)，30m的空間分辨率造成地物的嚴(yán)重混合，也使得它難以分辨出精細(xì)的巖石礦物。也就是說，ASTER數(shù)據(jù)還不能滿足對(duì)于巖石礦物精確識(shí)別的需要，但是，可以預(yù)見，隨著更高空間分辨率和光譜分辨率的高光譜數(shù)據(jù)的出現(xiàn)，將可以更好地解決巖礦信息提取這一類的問題。

［1］ 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(guó)土資源遙感，2002，54（4）：30－37.

［2］ 張宗貴.成像光譜巖礦識(shí)別方法技術(shù)研究和影響因素分析［D］.北京：中國(guó)地質(zhì)大學(xué)，2004.

［3］ Qiu F，Abdelsalam M，Thakka P.Spectral analysis of AS－TER covering part of the Neoproterozoic Allaqi－Heiani suture，Southern Egypt［J］.Journal of African Earth Sciences，2006，44（2）：169－180.

［4］ Hosseinjani M，Tangestani M H.Mapping alteration minerals using sub－pixel unmixing of ASTER in the Sarduiyeh area，SE Kerman，Iran［J］.International Journal of Digital Earth，2011，4（6）：487－504.

［5］ 羅小波.遙感圖像智能分類及其應(yīng)用［M］.北京：電子工業(yè)出版社，2011：220－240.

［6］ 樊風(fēng)雷.基于線性光譜混合模型（LSMM）的兩種不同端元值選取方法應(yīng)用與評(píng)價(jià)［J］.遙感技術(shù)與應(yīng)用，2008，23（6）：272－275.

［7］ 薛 綺，匡綱要，李智勇.基于RMS誤差分析的高光譜圖像自動(dòng)端元提取算法［J］.遙感技術(shù)與應(yīng)用，2005，20（2）：278－282.

［8］ 徐元進(jìn)，胡光道，張 獻(xiàn).基于窮舉法的高光譜遙感圖像地物識(shí)別研究［J］.武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2008，33（2）：124－127.

［9］ 許衛(wèi)東，尹 球，匡定波.地物光譜匹配模型比較研究［J］.紅外與毫米波學(xué)報(bào)，2005，24（4）：296－300.

［10］ 陳有明，劉 琳，肖正輝，等.線性波譜分離在城市土地覆蓋影像研究中的應(yīng)用［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，36（3）：365－368.

［11］ Pour A B，Hashim M.Identification of hydrothermal alteration minerals for exploring of porphyry copper deposit using ASTER data，SE Iran［J］.Journal of Asian Earth Sciences，2011，42：1309－1323.

［12］ Rajendran S，Thirunavukkarasu A，Balamurugan G，et al.Discrimination of iron ore deposits of granulite terrain of southern Peninsular India using ASTER data［J］.Journal of Asian Earth Sciences，2011，41：99－106.

［13］ Melendez－Pastor I，Navarro－Pedre～no J，Koch M，et al.Applying imaging spectroscopy techniques to map saline soils with ASTER images［J］.Geoderma，2010，158：55－65.

［14］ Gabr S，Ghulam A，Kusky T.Detecting areas of high－potential gold mineralization using ASTER data［J］.Ore Geology Reviews，2010，38：59－69.