植被覆蓋區ASTER斑巖型銅礦礦化蝕變分帶異常信息提取研究

閆潔茹， 趙志芳， 史青云， 張偉華

(1.云南大學資源環境與地球科學學院，云南昆明650091； 2.云南省遙感中心，云南昆明650091)

植被覆蓋區ASTER斑巖型銅礦礦化蝕變分帶異常信息提取研究

閆潔茹1,2， 趙志芳1,2， 史青云1,2， 張偉華1,2

(1.云南大學資源環境與地球科學學院，云南昆明650091； 2.云南省遙感中心，云南昆明650091)

摘要：為彌補以往研究中植被覆蓋區遙感礦化蝕變信息提取精細化程度不高、蝕變弱異常難以從復雜背景中分離等不足，采用ASTER遙感數據，以植被覆蓋較厚的西南三江成礦帶寶興廠礦區為研究區，針對寶興廠斑巖型銅礦礦化蝕變分帶由外至內綠泥石化—鉀化硅化—黑云母化硅化分布的特點，在頻率域內，采用多重分形“廣義自相似性”和“局部奇異性”理論與能譜面積法(S-A法)，探索了復雜地質背景條件下斑巖型銅礦蝕變分帶與特征礦物弱異常信息增強提取方法。經野外驗證，方法應用取得了較好的效果。

關鍵詞：斑巖型銅礦；植被覆蓋；蝕變分帶；弱異常信息增強；S-A法；云南曲靖

doi:10.3969/j.issn.1674-3636.2015.03.468

中圖分類號：TP751.2;P618.41

文獻標識碼：A

文章編號：1674-3636(2015)03-0468-07

收稿日期：2015-07-09；修回日期：2015-07-13；編輯：蔣艷

基金項目：中國地質調查局項目“西南三江成礦帶中南段斑巖型銅礦遙感找礦模型研究與靶區優選”(12120113095400)

作者簡介：閆潔茹(1992—)，女，碩士研究生，主要從事遙感地質應用研究工作，E-mail:461100056@qq.com

0引言

隨著我國經濟的高速增長，對礦產資源的剛性需求成為焦點問題，但礦產資源的賦存狀態復雜多樣，礦體的形態、產狀及與圍巖的關系等千變萬化，近地表的礦產資源日益減少，找礦難度越來越大。早在20世紀70年代，遙感已經應用在地質找礦中，Abrams等1997年利用陸地衛星遙感數據對礦化蝕變異常信息提取進行研究，提取了含3價鐵的蝕變巖，最早揭示了遙感蝕變異常信息提取與蝕變巖石中所含主要離子的關系。此后，遙感技術逐步應用在地質礦產勘查中，Safwat等于2010年利用ASTER的波段比值和N維三度分析研究金礦化，表明了該方法對礦化蝕變分帶的研究較有成效(姚佛軍等,2012)。近年來，Bertoldi等(2011)采用ASTER數據探索了在地形高差大、陰影和云雪覆蓋厚的背景下，基于地形改正或干擾等級劃分等提取遙感礦化蝕變弱異常及侵入巖體等信息的方法(王頔等,2015)，初步解決了遙感礦化蝕變弱異常信息與植被、云雪、陰影等復雜地質背景疊加在一起的問題。

總結以往研究，針對植被覆蓋背景下斑巖型銅礦礦化弱異常精細化信息的增強處理仍較為薄弱。由于對遙感礦化蝕變地質異常信息與背景干擾信息混合疊加這一現象重視不夠，導致植被覆蓋下斑巖型銅礦礦化低弱蝕變異常信息在提取過程中被屏蔽。基于此，從分析植被覆蓋特點及斑巖型銅礦礦化蝕變礦物光譜的基礎上，采用ASTER數據，在頻率域空間內，基于多重分形模型，開展了寶興廠礦區斑巖型銅礦遙感蝕變弱異常信息的增強與提取研究。

1礦區地質特征

云南寶興廠礦區斑巖型銅鉬礦可分4期3種巖石類型。其成礦作用發生于寶興廠復式斑巖體內，礦化與蝕變相伴進行從巖體向外為鉬礦、鉬礦+銅+鐵礦、鉛鋅鐵礦+金銀礦。金屬元素分帶為Mo—Cu+Mo (Fe)—Cu+Au—Pb+Zn+Au+As+Ag。表現出由巖體—接觸帶—圍巖地層由高溫—低溫的系列成礦效應。巖體內普遍發育自交代與熱液蝕變作用，蝕變特征因巖性而異。研究區與礦化密切的主要類型是鉀-硅化。鉀化主要表現為黑云母化，次為鉀長石化；“閃長巖模式”相同礦化與大量出現熱液黑云母相伴，但只有同時發育硅化時礦化才強；綠泥石則是低級變質作用中的典型礦物(表1、圖1)。

表1　寶興廠銅礦蝕變分帶對應特征蝕變礦物表

圖1　寶興廠礦區地質礦產圖1-三疊系白土田組：淺灰、黃色砂巖、粉砂巖、泥巖夾紫紅色泥巖，底部含礫砂巖；2-二疊系峨眉山組：灰綠色致密、杏仁狀玄武巖，夾苦橄巖、凝灰質砂泥巖、煤線及硅質巖；3-二疊系陽新組：深色、淺色灰巖間互，含燧石條帶或結核；4-石炭系水長阱組：灰、深灰色灰巖、白云質灰巖夾硅質巖；5-泥盆系榴江組：灰黑、棕色硅質巖、硅質泥巖；6-泥盆系長育村組：黑白條帶狀硅質巖夾灰白、粉紅色頁巖，頂部夾含磷、錳鮞狀灰巖；7-志留系—泥盆系青山組：淺灰夾深灰色灰巖，角礫狀灰巖，底部黑灰色灰巖；8-志留系康廊組：白云質灰巖、白云巖；9-奧陶系南板河組：灰色鈣質泥質粉砂巖、砂巖夾含礫質泥質灰巖；10-奧陶系向陽組：灰黑、灰綠、深灰色頁巖平石英細砂巖，頂部夾含礫砂巖、細砂巖；11-奧陶系海東組：灰色細粒含長石砂巖、石英砂巖；12-古近紀花崗斑巖Fig.1　Map showing geology and minerals in the Baoxingchang ore district

2數據源

研究區選擇植被覆蓋較厚的西南三江成礦帶寶興廠礦區。數據源為ASTER數據，該數據源除在可見光、近紅外波段與TM、ETM+具有相近的波譜及空間分辨率外，在短波紅外和熱紅外波段則比TM、ETM+具有較高的波譜及空間分辨率，因而在地質領域受到廣泛關注。研究共涉及2景ASTER數據(時相：2006-02-06，2002-02-23)，該遙感影像數據質量較好，云覆蓋較少，圖像清晰。

3研究方法

3.1　主成分分析法

主成分分析法是一種正交線性變換，在信息總量守恒的前提下，將多光譜圖像中高度相關的信息集中到少數幾個波段，并且盡可能保證這些波段之間的信息互不相關(荊風等,2005)。由于遙感各波段相互之間存在一定的相關性，為減少各波段之間存在的相關性對分類的干擾，并兼顧礦化蝕變的波譜特征，因此，ASTER礦化蝕變遙感異常信息的提取用主成分分析法進行篩選。

一般來說，主成分分析法可以在信息損失最小的前提下，減少變量數目、降低數據維數，起到數據壓縮的作用；另外，主成分分析還具有去相關性的作用。以二維數據為例，第一主成分以取向代表信息量最大為原則，第二主成分與第一主成分正交。主成分分析在較低序的主成分分量中保留了多光譜數據的主要特征。所以，主成分分析方法所獲得的第一主成分是各個波段的加數和，基本上反映了地物總的輻射差異，其他成分則能夠揭示地物的某些波譜特征。

3.2　S-A法去除干擾信息

由于地質成礦過程的長期性和復雜性，記錄這一過程的數據集往往具有非線性結構和非平穩特征(陳永清等,2009,2011)。其空間分布在特征空間域具有局部不均一性和各相異性，而且通常表現出服從多重分形分布的特征，其尺度不變性和廣義自相似性是各種地質過程和地質事件所產生的地質特征和模式的本質屬性，分形和多重分形模型可以用來表征尺度不變性(成秋明,2006)。因此，本次研究探索將非線性理論和方法引入有效提取變質礦物異常信息中。

非線性理論和方法應用于深層次礦致弱異常信息提取，可有效增強礦致弱異常信息，更好地提取礦致弱異常信息(陰江寧等,2012)。即采用基于“廣義自相似性”與“局部奇異性”多重分形模型的S-A法進行地質背景與礦致異常的分離(王艷等，2012)。S-A法能夠在傅立葉能譜空間中度量地球化學異常所對應的各向異性的廣義自相似性，并能通過識別不同的廣義自相似性將能譜的分布分解成不同的濾波器，進而利用傅立葉逆變換對地球化學異常和背景進行分解(黃靜寧等，2009)。這種自相似性可以由以下冪律關系表達：

A(>S)∝S-β

(1)

式(1)中，S為能譜密度，A為大于能譜密度的某一臨界值(S0)的面積。不同的β值在logA(>S0)-logS圖上能夠獲取。通常在log-log圖上，所有直線段服從關系式(1)。不同的直線段代表不同的分形關系，2條直線的交點所對應的橫坐標值(能譜密度值)被視為確定分形濾波器的閾值。借助這些閾值，可以構造各種異常濾波器和背景濾波器，通過傅立葉逆變換將其變換到空間域中，以實現對復雜空間模式(如區域異常和局部異常)的分離。

4異常信息提取方案設計

寶興廠斑巖型銅礦礦區地表植被覆蓋較厚、斑巖型銅礦礦化蝕變分帶及其特征蝕變礦物特征明顯?；诖?，設計植被覆蓋區斑巖型銅礦礦化蝕變分帶信息提取方案如下。

4.1　植被覆蓋光譜反映及信息提取

歸一化植被指數(NDVI)是反映土地覆蓋植被狀況的一種遙感指標，是反映植被生長狀況及植被覆蓋度的一種廣泛應用的指示因子(曾浩等,2013)。NDVI能夠與植被覆蓋呈現較好的正相關性，對研究區進行NDVI研究表明，植被覆蓋度大于62%，表明該區域植被覆蓋較厚。

4.2　蝕變分帶特征礦物遙感異常提取

4.2.1石英及硅化蝕變帶信息提取分析石英的波譜曲線(圖2)可以發現：石英在ASTER數據的B2波段呈吸收谷，B4波段具有高反射，B12波段存在強反射，B11波段為強吸收，故認為選取2、4、11、12波段進行主成分分析，可以提取絕大多數硅化信息。硅化異常分量PC2表征特征為在ASTER 2、11波段的貢獻應與4、12波段相反，且12波段具有高載荷。對PC2分量應用S-A法，將PC2分量傅里葉變換至頻率域空間(圖3)，以異常分量頻率值及像元數量分別作為S-A法中的S、A來考慮，生成log-log圖(圖4)。

圖2　石英波譜圖Fig.2　Diagrams showing spectra of quartz

圖3　石英PC2傅里葉變換結果圖Fig.3　Result of PC2 Flourier transform for quartz

圖4　石英異常分量S-A法log-log圖Fig.4　log-log plot of quartz anomaly component by the S-A method

log-log圖分形特征顯示，頻率域空間異常分量頻度與像元數量關系符合冪律關系，且可用不同直線段表示。不同的直線段代表了不同的分形關系，2條直線的交點所對應的橫坐標值(能譜密度值)被視為確定分形濾波器的閾值。log-log圖上，log(異常頻率)分形濾波器閾值為0.41，認為該閾值為地質背景與石英變質礦物異常的分離值，選取該閾值即可進行地質背景與石英變質礦物的分離。

4.2.2鉀長石及鉀化蝕變帶信息提取分析鉀長石的波譜曲線(圖5)可以發現鉀長石在ASTER數據的B2波段具有高反射，B11波段存在反射峰，在B6、B12波段為小吸收谷，故認為選取2、6、11、12波段進行主成分分析，可以提取絕大多數鉀化信息。

圖5　鉀長石波譜圖Fig.5　Diagrams showing spectra of K-feldspar

鉀化異常分量PC3表征特征為在ASTER 6、12波段貢獻應與2、11波段相反，且11波段具有高載荷。對PC3分量應用S-A法，將PC3分量傅里葉變換至頻率域空間(圖6)，以異常分量頻率值及像元數量分別作為S-A法中的S、A來考慮，生成log-log圖(圖7)。

圖6　鉀長石PC3傅里葉變換結果圖Fig.6　Result of PC3 Flourier transform for K-feldspar

圖7　鉀長石異常分量S-A法log-log圖Fig.7　log-log plot of K-feldspar anomaly component by the S-A method

log-log圖分形特征顯示，在頻率域空間異常分量頻度和像元數量關系符合冪律關系，且可用不同直線段表示。不同的直線段代表了不同的分形關系，2條直線的交點所對應的橫坐標值(能譜密度值)被視為確定分形濾波器的閾值。log-log圖上，log(異常頻率)分形濾波器閾值為0.38，認為該閾值為地質背景與鉀長石變質礦物異常的分離值，選取該閾值即可進行地質背景與鉀長石變質礦物的分離。

4.2.3綠泥石及青盤巖化蝕變帶信息提取分析綠泥石的波譜曲線(圖8)可以發現：綠泥石在ASTER數據的B5波段存在反射峰，在B2、B8波段為吸收谷，在B11波段為強吸收。故認為選取2、5、8、11波段進行主成分分析，可以提取絕大多數綠泥石信息。

圖8　綠泥石波譜圖Fig.8　Diagrams showing spectra of chlorite

綠泥石異常分量PC2表征特征為在ASTER5波段貢獻應與11波段相反，且5波段具有高載荷。對PC2分量應用S-A法，將PC2分量進行傅里葉變換至頻率域空間(圖9)，以異常分量頻率值及像元數量分別作為S-A法中的S、A來考慮，生成log-log圖(圖10)。

圖9　綠泥石PC2傅里葉變換結果圖Fig.9　Result of PC2 Flourier transform for chlorite

圖10　綠泥石異常分量S-A法log-log圖Fig.10　log-log plot of chlorite anomaly component by the S-A method

log-log圖分形特征顯示，頻率域空間異常分量頻度和像元數量關系符合冪律關系，且可用不同直線段表示。不同的直線段代表了不同的分形關系，2條直線的交點所對應的橫坐標值(能譜密度值)被視為確定分形濾波器的閾值。log-log圖上，log(異常頻率)分形濾波器閾值為0.71，認為該閾值為地質背景與綠泥石變質礦物異常的分離值，選取該閾值即可進行地質背景與綠泥石變質礦物的分離。

5野外驗證

對提取的礦化蝕變分帶異常信息進行野外查證(查證了32個野外驗證點，拍攝野外照片96張，其中29處吻合，3處未吻合，吻合率達91%)。結合室內巖礦鑒定分析，發現研究區各礦物蝕變異常多表現為硅化蝕變異常和鉀化蝕變異常，表明此次提取的礦化蝕變異常信息可以較好地指示蝕變類型，結果可靠，提取精度好，可作為近礦的重要指示應用于礦產勘查工作中(圖11、圖12、圖13)。

圖11　蝕變遙感異常提取8號點野外驗證及巖礦鏡下鑒定結果圖Fig.11　Field verification of alteration anomaly extraction point No. 8 and the identification under microscope

圖12　遙感蝕變異常提取12號點野外驗證及巖礦鏡下鑒定結果圖Fig.12　Field verification of alteration anomaly extraction point No.12 and the identification under microscope

圖13　寶興廠礦區蝕變信息分布圖Fig.13　Map showing distribution of alteration information in the Baoxingchang ore district

6結論

(1) 通過詳細分析復雜地質背景(植被覆蓋)及石英、鉀長石和綠泥石3種礦物蝕變異常在ASTER數據中的特征波譜反映，引入多重分形模型，基于S-A法設計和構建了ASTER數據斑巖型銅礦礦化蝕變分帶異常信息的提取方法和流程，結合野外驗證，該方法較好地實現了植被等背景信息的去除，改進了斑巖型銅礦礦化蝕變分帶異常提取精度。

(2) 在遙感蝕變異常信息提取過程中，將植被信息均作為背景信息予以去除，增強提取了硅化、鉀化和綠泥石化蝕變異常信息，可能由于蝕變異常信息過于微弱，造成部分區域的蝕變信息存在丟失現象，在后續研究中仍有待加強更加精細化的弱信息增強處理方法的探索。

參考文獻：

成秋明.2006.非線性成礦預測理論:多重分形奇異性-廣義自相似性-分形譜系模型與方法[J].地球科學：中國地質大學學報,31(3):337-348.

陳永清,趙鵬大.2009.綜合致礦地質異常信息提取與集成[J].地球科學：中國地質大學學報, 34(2):325-335.

陳永清,趙彬彬.2011.應用奇異值分解與二維經驗模型分解提取金礦化致礦重力異常[J].地質通報, 30(5):661-669.

黃靜寧,趙鵬大.2009.滇東地區深層次Pt-Cu-Au礦化異常定量提取與評價[J].地球科學：中國地質大學學報,34(2):365-374.

荊風,陳建平.2005.礦化蝕變信息的遙感提取方法綜述[J].遙感信息，(2)：62-65.

王艷,提云生,姜敬敬.2012.數據挖掘在礦產資源定量預測中的應用綜述[J].甘肅科技, 28(17):35-39.

王頔,趙志芳,王瑞雪,等.2015.遙感礦化蝕變分帶弱信息增強提取方法研究：以普朗斑巖型銅礦區為例[J].國土資源遙感, 27(2):146-153.

姚佛軍,張玉君,楊建民，等.2012.利用ASTER 提取德興斑巖銅礦遙感蝕變分帶信息[J].礦床地質,31(4):881-890.

陰江寧,肖克炎,鄒偉,等.2012.地質統計學在東天山化探信息提取中的應用[J].吉林大學學報：地球科學版,42(3):887-894.

趙志芳,談樹成,王峰德，等.2012.ASTER數據礦化蝕變異常信息提取方法研究[J].國土資源科技管理, 29(6):44-50.

曾浩,王金亮,牛怡,等.2013.基于TM影像的彌勒縣植被覆蓋變化率研究[J].環境科學導刊, 32(5):31-34.

BERTOLDI L,MASSIRONI M,VISONA D,et al.2011.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,115(5):1129-1144.

Extraction of anomaly information of mineralized alteration zonation for porphyry copper deposits in vegetation-covered areas using ASTER data

YAN Jie-ru1,2， ZHAO Zhi-fang1,2， SHI Qing-yun1,2， ZHANG Wei-hua1,2

(1. School of Resource Environment and Earth Science, Yunnan University, Kunming 650091, Yunnan, China； 2. Yunnan Provincial Remote Sensing Center, Kunming 650091, Yunnan, China)

Abstract：The previous extraction of mineralized alteration information using remote sensing images in vegetation-covered areas has poor accuracy, and is hard to identify weak anomalies from complex background. Therefore, taking the vegetation-covered Baoxingchang ore district in Sanjiang metallogenic belt as an example, and combin with its alteration zonation going inwardly from chloritization, potassium alteration, silicification to biotitization and silicification, this study used the multi-fractal ″generalized self similarity″ and ″local singularity″ theory and spectral area method (S-A method) in frequency domain, to discuss the alteration zonation and strengthened extraction of weak anomalies in complex geological setting using ASTER remote sensing data. Field verification shows that this method has realized an ideal result.

Keywords：porphyry copper deposit； vegetation cover； alteration mineralization； strengthening of weak anomaly information； S-A method； Qujing in Yunnan