幾種重要蝕變礦物的光譜可區分性和通道可區分性研究

買合木提江·買木提孜,古麗格娜·哈力木拉提,木合塔爾·艾買提

(1.阿克蘇地區國土資源局,新疆 阿克蘇 843000;2.喀什師范學院生物與地理科學系,新疆 喀什 844006)

成像光譜技術在地質找礦勘查和礦產資源評價以及一些基礎地質研究中都可發揮重要的作用[1].通過研究不同蝕變礦物在某一個波段內的光譜曲線及光譜差值,區分可以區分的一組蝕變礦物；通過設定不同的閾值,根據傳感器的特點區分可以區分蝕變礦物的傳感器通道.擬通過本研究,實現選擇某種傳感器來識別和區分蝕變礦物,具有實際應用價值.

1 蝕變礦物的光譜可區分性和通道可區分性研究

圖1 9種主要蝕變礦物的光譜曲線

蝕變礦物的光譜可區分性研究是在遙感地質找礦中非常重要的工作,由于不同的蝕變礦物所包含的化學物質和離子診斷有所區別,在一定的波段內吸收峰和反射峰也不一樣[2],由于一些礦物所包含的化學物質的診斷特征有相似之處[3],所以這些蝕變礦物的光譜曲線相互挨近,不容易判斷礦物類型,在這種情況下先對其進行光譜可區分性分析,確定哪些蝕變礦物是可以區分的,哪些礦物是不可以區分,然后再進行礦物識別的相關工作可以得到很好的工作效率,即光譜可區分性分析是成功識別和提取蝕變礦物的必要前提工作.

1.1蝕變礦物光譜可區分性分析在本文中,根據USGS標準礦物光譜庫的礦物光譜數據,利用MATLAB編程語言開發了一個分析工具,目的是實現自動尋找礦物可區分光譜區間和針對給定遙感器的可區分通道.圖1是開發的分析工具輸出的蝕變礦物的曲線圖.從圖1的蝕變礦物的光譜曲線可以看到高嶺石和蒙脫石在1.4 μm附近和2.2 μm附近都有一個相同的強烈的吸收峰,這是因為這兩種礦物所含的羥基(—OH)和Al—OH基團的振動譜帶引起的[4-5],這種情況下不易區分.綠泥石、黑云母和綠簾石等礦物的反射率隨著波長的增大大體上保持著升高的狀態,在2.3 μm附近綠泥石和綠簾石的反射率同時大幅度地下降,出現了吸收峰,這是因為這兩種蝕變礦物所含的Mg—OH基團的振動譜帶引起的[6],這種情況下也不易區分.黃鐵礦和黃銅礦隨著波長的增大反射率越來越接近,這種情況下也不易區分.為了明確地確定可區分蝕變礦物的光譜區間,我們不妨設一個閾值,大于這個閾值就可以區分屬于哪種蝕變礦物,小于則不可區分,我們可以分幾種閾值情況分析蝕變礦物的可區分性,分別為10%、30%等.按照此方法我們可以確定可區分蝕變礦物的光譜區間和可區分的遙感器通道.

表1是閾值分別等于10%、30%的時候可以區分的光譜區間(以正長石與其他礦物為例).從表1和圖1可以看到,隨著閾值的增高可區分的波段區間越來越小.閾值等于30%的時候正長石-高嶺石與正長石-石英就沒有可區分的光譜區間.

表1 可區分的光譜區間

1.2在不同傳感器各波段上的蝕變礦物的可區分性雖然我們分出了可區分的光譜區間但是在該區間內不一定有可區分的傳感器通道,我們只能在傳感器的通道可區分的情況下才可以進行識別和提取蝕變信息,所以確定可區分蝕變礦物的傳感器通道也是進行遙感找礦的非常重要的工作,是成功地識別和提取蝕變礦物的前提.

從TM傳感器的波長特征來看,我們要分析的蝕變礦物的光譜數據都在可見光～近紅外～短波紅外波段內,所以從TM傳感器的波段中剔除第六個熱紅外波段,并對TM的可見光～近紅外～短波紅外波段進行重新編號,即第七波段改為第六波段,把原來的第六波段去掉.

從圖2可以看到,TM傳感器的波段1、2、3、4、5、6內可以識別和區分蝕變礦物.TM傳感器的第6波段的范圍是2.08～2.35 μm,波段比較寬,顯然是將各種礦物在該區間的反射峰和吸收峰統統掩蓋[7],未能加以區分,只有一部分礦物可以區分,右邊第一個是第六波段,從圖中可以明顯地看到遙感器的第六波段掩蓋了部分蝕變礦物的反射峰和吸收峰,一些礦物的光譜曲線相交,這種情況下礦物的光譜差值都等于0,所以在此通道不能區分蝕變礦物.

在波段1、2、3、4內高嶺石、石英、黃鐵礦、正長石等蝕變礦物的反射率比其他礦物的較大,光譜差值也較大,這種情況下上述這些礦物與其他礦物都可以區分,波段1、2、3內高嶺與石英的光譜曲線大體上保持一致,反射率很近似,不易區分,也沒有可區分的遙感器通道.在波段4內 綠泥石、黃銅礦、蒙脫石、黑云母等蝕變礦物的光譜曲線都相交(見圖3),這種情況下光譜差值也都等于0,都不能區分.

利用開發的工具可以輸出閾值不同的情況下的各個蝕變礦物的光譜差值矩陣,如表2是閾值等于30%時的光譜差值矩陣,以正長石與其他礦物為例.在表2中絕對值大于閾值的元素對應的蝕變礦物在該元素所在的位置對應的傳感器通道內可以區分,例如,正長石-高嶺石在通道1不能區分,正長石-黑云母在通道1可以區分.矩陣元素等于0的都是在該通道內光譜差值都小于閾值的礦物,這種情況下在該通道內不能區分.

圖2 TM波段通道和蝕變礦物光譜曲線

圖3 波段通道1、2、3、4的放大圖

蝕變礦物對 通道1通道2通道3通道4通道5通道6正長石-高嶺石正長石-黑云母正長石-黃鐵礦正長石-黃銅礦正長石-綠簾石正長石-綠泥石正長石-蒙脫石正長石-石英-0.00060.42958.16665.00965.19951.679-0.000-0.000-0.00061.78859.12666.09665.13354.593-0.000-0.000-0.00062.61959.42966.68764.58459.816-0.000-0.000-0.00061.28460.77367.33959.68360.036-0.000-0.000-0.00040.60465.33866.65440.03437.276-0.000-0.000-0.0000.00066.65566.67241.33041.719-0.000-0.000

表3 是 閾值不同的情況下可區分的傳感器通道總數.從表3中可以看到閾值等于10%的時候可以區分蝕變礦物的遙感器通道還是比較多,很多蝕變礦物在1～6的整個通道內都可以區分,只有正長石-石英沒有可區分的遙感器通道,6～6這種情況說明只有第六個通道可以區分蝕變礦物.從表中可以看到閾值等于30%的情況與10%的有明顯的差異,可區分的通道數明顯地減少,出現了很多沒有可區分的通道,說明閾值等于30%的時候蝕變礦物之間的光譜差值比較大.

表3 TM傳感器可區分通道總數(正長石與其他礦物為例)

通過相同的方法可以得到ASTER,HYPERION等傳感器通道的可區分能力.ASTER傳感器的通道比TM的多,所以TM遙感器通道不能區分的礦物ASTER傳感器可以區分,尤其是TM傳感器的第六通道不能區分的礦物ASTER傳感器可以區分,而且空間分辨率比TM傳感器的高一倍.所以可識別和可區分蝕變礦物的可能性比TM傳感器的大.

HYPERION是光譜分辨率很高的高光譜傳感器,在0.4～2.5 μm之間有連續不斷的通道[4],這種情況下可以區分的通道數量比TM和ASTER多幾倍,我們要分析可區分性的蝕變礦物是光譜區間在0.4～2.5 μm范圍之內,所以我們用HYPERION傳感器的在此波段(0.4～2.5 μm)范圍內的通道,即第6至第233通道(6～233),如圖4.

圖4 HYPERION波段通道和蝕變礦物光譜曲線

1.33種傳感器對蝕變礦物區分能力的綜合比較根據上述的實驗結果我們可以對不同傳感器可區分蝕變礦物的能力進行綜合比較,方法是考察一種礦物對其他8種礦物的可區分性通道的數目,包括其可區分通道的交集和并集.表4是傳感器對閾值等于10%的可區分蝕變礦物的通道數的對比.

表4 3種傳感器通道對9種蝕變礦物的可區分能力比較

從表4可以看到,在TM傳感器的6個通道中有1個通道同時可區分黑云母跟其他的所有的蝕變礦物,即可區分黑云母跟其他蝕變礦物的通道的交集.可區分蝕變礦物的通道數一共有6個.

在ASTER傳感器中有1個通道可以同時區分綠泥石跟其他的所有的蝕變礦物,即可區分綠泥石跟其他所有蝕變礦物的通道的交集.可區分蝕變礦物的通道數一共有9個.

在HYPERION傳感器中可區分蝕變礦物的通道數很多,同時可區分正長石跟其他所有的蝕變礦物的通道數一共有11個,同時可區分黑云母跟其他所有的蝕變礦物的通道數一共有21個,同時可區分綠簾石跟其他所有的蝕變礦物的通道數一共有25個,同時可區分綠泥石跟其他所有蝕變礦物的通道數一共有45個,同時可區分蒙脫石跟其他所有蝕變礦物的通道數一共有23個,可區分蝕變礦物的通道數一共有227個,交集等于0說明沒有一個通道同時能區分所有的蝕變礦物.從以上的分析結果看到HYPERION傳感器通道的可區分能力大于TM、ASTER傳感器.利用相同的方法可以得到閾值等于30%時的可區分能力.

從本文的研究我們可以發現,在不同的情況下可以選擇不同的傳感器進行蝕變礦物的區分,在ASTER傳感器通道能識別礦物的范圍內利用ASTER數據進行蝕變礦物的區分可以得到比較好的結果,因為ASTER傳感器的空間分辨率比HYPERION傳感器的空間分辨率要高,可以獲取更精確的地面信息.根據試驗結果我們可以選擇適合實際情況的傳感器進行礦物區分,在實際工作中具有很重要的意義.

2 總結

圍巖蝕變是重要的地質現象之一,也是重要的找礦標志[8-13].在遙感圖像中,蝕變信息僅僅作為一種弱的信號存在于圖像的背景中,因此,如何從遙感圖像中提取或從背景中區分出蝕變信息一直是資源遙感應用于評價研究的重點和難點.本文中利用美國地質調查所(USGS)的標準礦物光譜數據庫的幾種蝕變礦物的光譜數據,根據不同傳感器的波長特征,對蝕變礦物進行了可區分性分析.主要結論如下:

1)從實驗結果可見高光譜傳感器HYPERION能識別和區分蝕變礦物的通道比TM、ASTER傳感器的多幾倍,甚至幾十倍,具有連續不斷的很窄的波段特征,所以在找礦和制圖領域應用空間廣闊,在巖石出露程度較大的區域優勢尤為明顯,效果尤為突出.

2)本項研究為9種重要蝕變礦物的識別優選波段區間和傳感器通道提供了依據,同時所開發的分析工具有較大的推廣應用價值.

3)本文中主要研究了9種重要的蝕變礦物,且本文中的研究方法可以應用于更多的蝕變礦物的研究,具有實際的應用價值.

[1] 張良培,張立福.高光譜遙感[M].武漢:武漢大學出版社,2005:1,33-34,75-79.

[2] 張宗貴,王潤生,郭大海,等.成像光譜巖礦識別方法技術研究和影響因素分析[M].北京:地質出版社,2006:10-12.

[3] 甘甫平,王潤生,馬藹乃,等.基于特征譜帶的高光譜遙感礦物譜系識別[J].地學前緣,2003,10(2):445-454.

[4] Kruse F A, Boardman J W, Huntington J F.Comparison of airborne hyperspectral data and EO-1 Hyperion for mineral mapping[J].IEEE Transactions on Geoscience and Remote Sensing,2003,41(6):1388-1400.

[5] Hubbard C.Mineral mapping on the Chilean-Bolivian Altiplano using co-orbital ALI,ASTER and Hyperion imagery:data dimensionality issues and solutions[J].Remote Sensing of Environment,2005,99(1/2):173-186.

[6] Enton B.Mineral mapping in the Kap Simpson complex,central East Greenland,using HyMap and ASTER remote sensing data[J].Advances in Space Research.2011,47:60-73.

[7] 李春華,徐涵秋,陳荔聰.ASTER和Landsat-7 ETM+兩種多光譜傳感器影像的交互對比[J].光譜學與光譜分析,2010,30(9):2519-2520.

[8] 楊金中,方洪賓,張玉君,等.中國西部重要成礦帶遙感找異常提取的方法研究[J].國土資源遙感,2003(3):50-53.

[9] John M, Lawrence C.Spectral assessment of new ASTER SWIR surface reflectance data productsfor spectroscopic mapping of rocks and minerals[J].Remote Sensing of Environment,2010,114:2011-2025.

[10] Amin B P, Mazlan H.The application of ASTER remote sensing data to porphyry copper and epithermal gold deposits[J].Ore Geology Reviews,2012,44:1-9.

[11] Freek D M, Harald M A, Frank J A.Multi- and hyperspectral geologic remote sensing:a review[J].International Journal of Applied Earth Observation and Geoinformation,2012,14:112-128.

[12] 馬莉.MATLAB語言使用教程[M].北京:清華大學出版社,2010.

[13] 孫家斌.遙感原理與應用[M].武漢:武漢大學出版社,2009.