汪大明，肖政浩

(1.中國(guó)地質(zhì)調(diào)查局油氣資源調(diào)查中心，北京100029;2.中國(guó)國(guó)土資源航空物探遙感中心，北京100083)

0 引言

隨著傳感器技術(shù)的發(fā)展，高光譜遙感技術(shù)已經(jīng)廣泛應(yīng)用于礦產(chǎn)資源地質(zhì)調(diào)查領(lǐng)域，尤其是礦產(chǎn)資源調(diào)查和找礦應(yīng)用。

地質(zhì)勘查遙感系統(tǒng)是“十二五”期間研建的面向礦產(chǎn)資源和能源調(diào)查的集數(shù)據(jù)接入、數(shù)據(jù)處理、數(shù)據(jù)存儲(chǔ)、地質(zhì)應(yīng)用于一體的多功能綜合性地質(zhì)調(diào)查平臺(tái)，是能夠?qū)Ａ康母吖庾V星載、機(jī)載、地面巖心數(shù)據(jù)進(jìn)行接收、存儲(chǔ)、處理和分發(fā)的地面處理系統(tǒng)，其中地質(zhì)應(yīng)用主要面向礦產(chǎn)資源探測(cè)和油氣資源探測(cè)［1］。

本文基于地質(zhì)勘查遙感系統(tǒng)，通過(guò)對(duì)國(guó)內(nèi)外較成熟的地質(zhì)信息提取與識(shí)別技術(shù)進(jìn)行總結(jié)和優(yōu)化，建立了高光譜數(shù)據(jù)地質(zhì)應(yīng)用產(chǎn)品生成的技術(shù)流程，主要包括構(gòu)造、巖性和礦物信息的提取，并結(jié)合物化探資料與其他地質(zhì)資料進(jìn)行成礦遠(yuǎn)景區(qū)預(yù)測(cè)，最后總結(jié)出礦產(chǎn)資源地質(zhì)信息產(chǎn)品體系及其生成流程。

1 礦產(chǎn)資源地質(zhì)信息產(chǎn)品

礦產(chǎn)資源高光譜遙感探測(cè)的產(chǎn)品主要包括構(gòu)造信息產(chǎn)品、巖性信息產(chǎn)品、礦物信息產(chǎn)品和遠(yuǎn)景成礦預(yù)測(cè)產(chǎn)品。根據(jù)地質(zhì)勘查遙感系統(tǒng)的數(shù)據(jù)處理流程，衛(wèi)星下行數(shù)據(jù)及航空回放數(shù)據(jù)定義為0級(jí)產(chǎn)品，經(jīng)過(guò)輻射校正的數(shù)據(jù)定義為1級(jí)產(chǎn)品，經(jīng)過(guò)幾何校正的產(chǎn)品定義為2級(jí)產(chǎn)品 (見(jiàn)表1)，1級(jí)和2級(jí)產(chǎn)品均為基礎(chǔ)產(chǎn)品。

表1 遙感衛(wèi)星數(shù)據(jù)產(chǎn)品分級(jí)Table 1 Gradation rules of remote sensing data products

2級(jí)以上的產(chǎn)品為高級(jí)數(shù)據(jù)產(chǎn)品，是針對(duì)相關(guān)的典型地質(zhì)應(yīng)用生成的數(shù)據(jù)產(chǎn)品。根據(jù)地質(zhì)勘查遙感系統(tǒng)總體設(shè)計(jì)，典型的地質(zhì)應(yīng)用包括礦產(chǎn)資源高光譜遙感探測(cè)、油氣高光譜遙感探測(cè)和巖心高光譜遙感應(yīng)用，分別定義為A類 (礦產(chǎn))、B類 (油氣)和C類 (巖心)高級(jí)產(chǎn)品。

礦產(chǎn)資源高光譜遙感探測(cè)產(chǎn)品 (A類高級(jí)產(chǎn)品)包括:3A構(gòu)造信息產(chǎn)品，4A巖性信息產(chǎn)品，5A礦物信息產(chǎn)品和6A遠(yuǎn)景成礦預(yù)測(cè)產(chǎn)品 (見(jiàn)表1)。

2 研究區(qū)地質(zhì)背景

本文選擇新疆東天山土墩地區(qū)進(jìn)行高光譜礦產(chǎn)資源地質(zhì)信息產(chǎn)品的業(yè)務(wù)化生成流程研究，選取該地區(qū)高光譜影像進(jìn)行驗(yàn)證。

新疆天山為巨型古生代造山帶，位于準(zhǔn)噶爾地塊和塔里木地塊的結(jié)合部位，大地構(gòu)造環(huán)境復(fù)雜，巖漿活動(dòng)頻繁，是我國(guó)西部極為重要的銅鎳金成礦區(qū)域。

根據(jù)大地構(gòu)造環(huán)境和構(gòu)造單元地質(zhì)特征分析，東天山是金銅礦發(fā)育的有利地區(qū)。已發(fā)現(xiàn)的成型銅 (鎳)礦床多分布于研究區(qū)的北部，主要類型有斑巖型、銅鎳硫化物型、火山巖塊狀硫化物型，矽卡巖型等［2］。

土墩—黃山—鏡兒泉一帶，巖體高度分異，普遍有銅鎳礦化;現(xiàn)已探明黃山、黃山東為大型礦床，土墩、香山、黃山北為中型礦床，黃山南、二紅洼為小型礦床。土墩—黃山—鏡兒泉一帶出露地層主要為下石炭統(tǒng)干墩組和中石炭統(tǒng)梧桐窩子組。

3 礦產(chǎn)資源地質(zhì)產(chǎn)品生成業(yè)務(wù)化流程研究

3.1 構(gòu)造信息產(chǎn)品生成業(yè)務(wù)化流程

構(gòu)造信息提取一般采用目視解譯與計(jì)算機(jī)半自動(dòng)交互解譯相結(jié)合的方法。首先從高光譜數(shù)據(jù)中抽取相應(yīng)波段，形成真彩色圖像或標(biāo)準(zhǔn)假彩圖像，或者直接采用預(yù)處理效果較好的波段，通過(guò)傳統(tǒng)目視解譯方法進(jìn)行構(gòu)造信息提取，生成相應(yīng)的矢量圖層，最后生成標(biāo)準(zhǔn)的構(gòu)造信息產(chǎn)品 (見(jiàn)圖1)。

圖1 構(gòu)造信息產(chǎn)品生成流程Fig.1 Producing process for geological structure

3.2 巖性信息產(chǎn)品生成業(yè)務(wù)化流程

高光譜巖性信息分類填圖方法:①對(duì)高光譜數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、光譜重建，得到光譜反射率數(shù)據(jù);②根據(jù)礦物波譜特征對(duì)反射率數(shù)據(jù)進(jìn)行波譜降維，對(duì)照地質(zhì)圖選取典型巖性建立感興趣區(qū)，確定巖性分類的先驗(yàn)樣區(qū);③選用合適的方法進(jìn)行巖性信息分類填圖，并對(duì)結(jié)果進(jìn)行優(yōu)化操作。巖性信息分類填圖流程見(jiàn)圖2。

圖2 巖性信息分類填圖流程Fig.2 Process for mapping classification of lithology information

3.2.1 數(shù)據(jù)預(yù)處理

高光譜數(shù)據(jù)預(yù)處理主要包括輻射標(biāo)定、輻射校正和大氣校正，以剔除由于大氣影響、地形起伏以及傳感器本身不穩(wěn)定帶來(lái)的各種失真。

3.2.2 端元選擇

端元是指成分單一的巖性像元。巖性分類信息提取一般要進(jìn)行巖性端元信息選擇，選擇的方式主要有兩種:①根據(jù)野外波譜測(cè)量或從已有的地物波譜信息庫(kù)中選擇端元，通過(guò)此種途徑選擇的端元稱為“參考端元”;②直接從待分類巖性的圖像上選擇端元，然后不斷對(duì)其修改、調(diào)整，確定最終端元，這種圖像上選擇的端元區(qū)域稱為先驗(yàn)樣區(qū)。

基于圖像的端元選擇方法有:①最大噪聲分離 (MNF)變換;②像元純度指數(shù) (PPI)分析;③N維可視化 (n-Dimensional Visualization)［3］。

3.2.3 巖性填圖結(jié)果

對(duì)研究區(qū)高光譜原始數(shù)據(jù)的211個(gè)波段進(jìn)行目視解譯，去掉33個(gè)明顯的噪聲波段，再結(jié)合巖性地質(zhì)特征去掉1300 nm之前的波段85個(gè)，裁剪得到93個(gè)波段，對(duì)裁剪結(jié)果設(shè)定參數(shù)重新分類，得到填圖結(jié)果。

按照是否選擇先驗(yàn)區(qū)，巖性分類分為非監(jiān)督分類和監(jiān)督分類。非監(jiān)督分類也稱聚類分類，其分類結(jié)果只是對(duì)不同類別達(dá)到了分區(qū)效果，并不能確定類別屬性;監(jiān)督分類又稱訓(xùn)練場(chǎng)地法，根據(jù)已知訓(xùn)練區(qū)提供的樣本，通過(guò)選擇特征參數(shù)，進(jìn)行圖像分類［4］。

本次研究參照研究區(qū)地質(zhì)圖，分別采用非監(jiān)督分類和監(jiān)督分類法進(jìn)行巖性提取 (見(jiàn)圖3)。

圖3 巖性提取結(jié)果Fig.3 Results of lithology extraction

3.3 礦物信息產(chǎn)品生成業(yè)務(wù)化流程

常用的高光譜礦物填圖方法為:①用最大噪聲分離 (MNF)變換對(duì)反射率數(shù)據(jù)進(jìn)行波譜降維，用像元純度指數(shù) (PPI)分析進(jìn)行空間降維;②用N維可視化方法來(lái)確定圖像端元，進(jìn)行端元識(shí)別，確定礦物波譜;③利用合適的方法進(jìn)行礦物填圖，并對(duì)結(jié)果進(jìn)行優(yōu)化操作。礦物填圖流程見(jiàn)圖4。

3.3.1 高光譜數(shù)據(jù)預(yù)處理

對(duì)高光譜數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正等處理后得到光譜反射率數(shù)據(jù)。

3.3.2 典型礦物光譜吸收特征分析

根據(jù)主要波譜特征將礦物劃分為含F(xiàn)e2+礦物、含F(xiàn)e3+礦物、含Mn2+礦物、碳酸鹽礦物、含Al-OH鍵礦物、含Mg-OH鍵礦物等大類。

圖4 礦物填圖流程Fig.4 Process for mapping of mineral

圖5 典型礦物波譜特征Fig.5 Typical spectral features for mineral

Al-OH診斷譜帶一般位于2165～2215 nm附近 (見(jiàn)圖5a);Mg-OH診斷譜帶一般位于2315～2335 nm附近 (見(jiàn)圖5b);CO32-診斷譜帶一般位于2335～2386 nm區(qū)間 (見(jiàn)圖5c);Fe2+診斷譜帶一般位于1000～1100 nm附近;Fe3+診斷譜帶一般位于600～900 nm附近;Mn2+診斷譜帶一般位于450～600 nm附近。

根據(jù)主吸收譜帶和次要吸收譜帶的組合特征，同時(shí)考慮吸收譜帶在不同巖石中的變異，識(shí)別礦物。

3.3.3 礦物識(shí)別技術(shù)

基于光譜數(shù)據(jù)的礦物識(shí)別方法主要有基于光譜波形參數(shù)識(shí)別、基于光譜相似性測(cè)度識(shí)別、基于混合光譜模型識(shí)別以及基于地質(zhì)統(tǒng)計(jì)規(guī)律和基于光譜知識(shí)的智能識(shí)別等［5］。

3.3.4 礦物填圖試驗(yàn)研究

本文選用東天山地區(qū)的HyMap數(shù)據(jù)進(jìn)行礦物填圖試驗(yàn)。研究區(qū)含蛇紋石、白云母、綠簾石、綠泥石礦物。具體填圖流程如下:

①數(shù)據(jù)降維。利用MNF變換進(jìn)行光譜數(shù)據(jù)減維，分離數(shù)據(jù)中的噪聲;觀察最終特征值，確定數(shù)據(jù)的固有維數(shù)，選擇合適的MNF波段進(jìn)行PPI指數(shù)計(jì)算。

②計(jì)算圖像的PPI指數(shù)。最終產(chǎn)生PPI圖像，從直方圖中選擇閾值，僅選擇最純的像元以保證被分析的像元數(shù)最小，將這些像元輸入到分離特定光譜端元的交互式可視化算法中。

③N維可視化進(jìn)一步提純純凈像元。通過(guò)選擇n維散點(diǎn)圖的頂點(diǎn)和拐角 (n是波段數(shù))，進(jìn)一步提純純凈像元;將最終確定的端元輸入到圖像中的感興趣區(qū) (ROI)，從圖像中提取每個(gè)感興趣區(qū)平均反射率光譜曲線作為成像光譜礦物填圖的候選端元。

④建立真實(shí)波譜庫(kù)。將采集端元的波譜曲線輸出，經(jīng)過(guò)波譜分析得到波譜曲線圖，確定端元礦物并建立該礦物的真實(shí)波譜庫(kù)。

⑤選擇合適的填圖方法，提取各類礦物，并對(duì)提取結(jié)果做最小圖斑去除、類合并等操作，優(yōu)化礦物提取結(jié)果。

3.3.5 填圖結(jié)果及分析

各種填圖方法對(duì)比研究顯示，SAM方法可以快速且較準(zhǔn)確地顯示礦物信息，完成填圖(見(jiàn)6—圖8)。

為了分析高光譜數(shù)據(jù)的礦物填圖效果，本文將礦物信息提取結(jié)果圖與前人對(duì)此研究區(qū)進(jìn)行的礦物填圖結(jié)果進(jìn)行了對(duì)比。設(shè)研究區(qū)總的點(diǎn)數(shù)為N，結(jié)論相同就認(rèn)為該點(diǎn)取值1，最后統(tǒng)計(jì)結(jié)果中1的個(gè)數(shù)n，則巖性信息識(shí)別精度可定義為:

圖6 三種礦物波譜曲線Fig.6 Spectral curves for three kinds of mineral

圖7 三種礦物填圖效果Fig.7 Mapping effects for three kinds of mineral

圖8 礦物填圖結(jié)果Fig.8 Mapping results for mineral

對(duì)比結(jié)果并非完全一致，其中蛇紋石的填圖效果一致性最高;綠簾石的分布范圍一致，但本次數(shù)據(jù)的填圖結(jié)果顯示的范圍較大;白云母的分布范圍基本一致，但貧鋁白云母和富鋁白云母的分布范圍有些混淆。經(jīng)過(guò)對(duì)比分析，本次數(shù)據(jù)和前人數(shù)據(jù)填圖范圍的一致性達(dá)到89%，基本滿足高光譜數(shù)據(jù)的填圖要求。引起誤差的主要原因?yàn)?分辨率越高的數(shù)據(jù)填圖效果越好，輻射校正的精確程度影響填圖的效果，各種分類方法中參數(shù)的選取決定了分類效果。

3.4 遠(yuǎn)景成礦區(qū)預(yù)測(cè)技術(shù)流程

高光譜遠(yuǎn)景成礦區(qū)預(yù)測(cè)主要是在已生成的構(gòu)造信息產(chǎn)品、巖性信息產(chǎn)品和礦物信息產(chǎn)品的基礎(chǔ)上，結(jié)合物化探資料和其他地質(zhì)資料，綜合考慮各種因素最終形成高光譜遠(yuǎn)景成礦預(yù)測(cè)產(chǎn)品 (見(jiàn)圖9)。

3.4.1 化探數(shù)據(jù)處理流程

本文采用均值+2倍標(biāo)準(zhǔn)差作為研究區(qū)化探數(shù)據(jù)的異常下限值。利用Sufer軟件對(duì)原始數(shù)據(jù)進(jìn)行網(wǎng)格化并做出異常等值線圖，以異常規(guī)模的大小為標(biāo)準(zhǔn)對(duì)異常區(qū)域進(jìn)行分級(jí)。

3.4.2 遠(yuǎn)景成礦區(qū)預(yù)測(cè)成果

以東天山地區(qū)黃山—黃山東礦區(qū)典型礦床的分析成果為基礎(chǔ)，以區(qū)域成礦規(guī)律和成礦地質(zhì)背景為依據(jù)，基于高光譜遙感數(shù)據(jù)進(jìn)行蝕變礦物信息提取的綜合空間分析，依據(jù)不同的蝕變礦物確定變量及其域值［6］(見(jiàn)圖10)。

圖9 遠(yuǎn)景成礦區(qū)預(yù)測(cè)產(chǎn)品Fig.9 Prediction production of metallogenic province

圖10 遠(yuǎn)景成礦預(yù)測(cè)結(jié)果Fig.10 Minerogenetic prospect prognostic map

4 礦產(chǎn)資源高光譜遙感探測(cè)技術(shù)流程總結(jié)

本文分別研究了構(gòu)造信息產(chǎn)品、巖性信息產(chǎn)品、礦物信息產(chǎn)品和遠(yuǎn)景成礦區(qū)預(yù)測(cè)等關(guān)鍵技術(shù)節(jié)點(diǎn)。各技術(shù)節(jié)點(diǎn)獲取不同的信息產(chǎn)品，層層遞進(jìn)，構(gòu)成了礦產(chǎn)資源高光譜遙感探測(cè)技術(shù)流程 (見(jiàn)圖11)。

5 結(jié)論

圖11 礦產(chǎn)資源高光譜遙感探測(cè)應(yīng)用技術(shù)流程Fig.11 Processes for application technology of mineral hyperspectral remote sensing survey

本文在地質(zhì)勘查遙感系統(tǒng)地質(zhì)應(yīng)用的基礎(chǔ)上，研究了構(gòu)造信息產(chǎn)品、巖性信息產(chǎn)品、礦物信息產(chǎn)品和遠(yuǎn)景成礦預(yù)測(cè)產(chǎn)品生成的技術(shù)流程，最終得到了礦產(chǎn)資源高光譜遙感探測(cè)技術(shù)流程。

選取新疆東天山土墩地區(qū)為研究區(qū)，對(duì)各技術(shù)流程及填圖結(jié)果進(jìn)行了驗(yàn)證。結(jié)果表明，本文總結(jié)的各類產(chǎn)品生成流程方便實(shí)用，填圖結(jié)果比較精確，為今后的遙感地質(zhì)找礦和礦產(chǎn)資源勘查提供了便利的方法和流程。

［1］ 李志忠，楊日紅，黨福星，等.高光譜遙感衛(wèi)星技術(shù)及其地質(zhì)應(yīng)用 ［J］.地質(zhì)通報(bào)，2009，28(2/3):270～277.LI Zhi-zhong，YANG Ri-hong，DANG Fu-xing，et al.Hyperspectral remote sensing satellite technology and its geological application ［J］ Geological Bulletin of China，2009，28(2/3):270 ～277.

［2］ 周強(qiáng)，甘甫平，陳建平，等.哈密土墩礦區(qū)高光譜影像蝕變礦物識(shí)別初步研究［J］.礦床地質(zhì)，2006，25(3):329 ～336.ZHOU Qiang，GAN Fu-ping，CHEN Jian-ping，et al.Application of hyper spectral imaging data to mineral identification in Tudun Cu Ni deposit，Hami，XinJiang ［J］ Mineral Deposits，2006，25(3):329 ～336.

［3］ 常睿春，何政偉，王茂芝.蝕變礦物信息與構(gòu)造在高光譜遙感找礦中的應(yīng)用初探［J］.國(guó)土資源科技管理，2012，29(6):84～87.CHANG Rui-chun， HE Zheng-wei， WANG Mao-zhi， Application of Altered mineral information and structure tohyperspectral remote sensing prospecting.［J］Scientific and Technological Management of Land and Resources，2012，29(6):84 ～87.

［4］ 甘甫平，熊盛青，王潤(rùn)生，等.高光譜礦物填圖及應(yīng)用示范［M］.北京:科學(xué)出版社，2014.GAN Fu-ping， XIONG Sheng-qing， WANG Run-sheng， et al.Hyperspectral mineral mapping and application demonstration［M］，Bei Jing;Science Press，2014.

［5］ 唐攀科，李永麗，李國(guó)斌，等.成像光譜遙感技術(shù)及其在地質(zhì)中的應(yīng)用［J］.礦產(chǎn)與地質(zhì)，2006，20(2):160～164.TANG Pan-ke，LI Yong-li，LI Guo-bin，et al.Imaging spectrometry remote sensing technology and its appl ications in geology［J］，Mineral Resources and Geology，2006，20(2):160～164.

［6］ 呂鳳軍，郝躍生，石靜，等.ASTER遙感數(shù)據(jù)蝕變遙感異常提取研究［J］.地球?qū)W報(bào)，2009，30(2):271～276.Lü Feng-jun，HAO Yue-sheng，SHI Jing，et al.Alteration remote sensing anomaly extraction based on Aster remote sensing data.［J］.Journal of earth，2009，30(2):271～276.