矿物填图工作方法(王润生)

1、裸露区成像光谱矿物填图基本工作方法成像光谱矿物填图技术体系框架成像光谱技术体系包括数据获取和标准产品生成、数据预处理和光谱重建、矿物光谱识别与图像分析、矿物识别的不确定性和敏感性分析、光谱识别支持系统、应用分析与建模、多数据的组合运用等几大部分： 1、数据预处理和光谱重建包括图像质量评价、噪声弱化、辐射校正、辐射定标、坏道剔除、大气校正和光谱重建等，压制或消除各种类型的干扰，将图像数据转换为地面反射率数据，选择用于矿物识别的通道。2、光谱识别支持系统由光谱库、方法库和模型规则库等组成。光谱库存储有典型岩矿标准光谱、工作区岩矿光谱、与光谱数据配套的技术参数和环境参数，为成像光谱的地物识别和成分反

2、演提供依据和标准；方法库收集和存储光谱数据的处理方法和工具，包括光谱模拟、光谱的合成与分解、光谱变换、光谱运算、光谱的统计分析、波形特征的提取与分析、光谱制图等；模型规则库收集和存储所建立的地物和地物成分的光谱识别规则或反演模型。3、矿物光谱识别与图像分析在光谱识别支持系统的支持下，运用波形分析、光谱匹配、混合分解、智能识别等方法，识别矿物或反演矿物的成分，编制相应图件，评价识别的可信度。4、矿物识别的不确定性和敏感性分析：通过理论分析、模拟试验和实际比对，分析矿物识别的影响因素和各种因素对矿物识别影响的敏感性和影响程度，研究在实际工作中避免或减小影响的措施和方法，估计矿物识别的检出限和识别的

3、可靠性。为实际的工作部署、技术参数选择以及所需采取的具体技术措施提供依据。4、应用分析与建模：结合实际应用目标，建立矿产资源评价、地质制图、矿山环境、油气勘查、土壤退化、行星探测等应用模型。评价实际应用效果。技术体系框图见图1。其它遥感图像航天成像光谱航空成像光谱地面实况数据图像显示预处理预处理波谱数据库图像处理辐射校正与光谱重建光谱识别支持系统分层解释图像识别光谱识别与分类成像光谱反演与建模 多光谱识别模型矿物类型识别模型矿物含量反演模型矿物成分识别模型矿物识别反演谱系高光谱图像分类识别取模型地植物异常识别模型智能矿物识别系统分层解释识别图像分类识别光谱智能识别光谱匹配识别混合像元识别波形分

4、析识别应用评价分析和应用模型岩性岩相划分与地质制图矿产资源评价与成矿预测矿山环境监测土壤类型识别与退化监测其它应用模型成岩成矿地质环境和地质历史恢复图1 成像光谱矿物填图技术体系二、两种地质找矿应用模式不同类型岩石中的矿物组分、不同矿种不同成因类型矿床的矿物生成序列、矿物的共生和伴生组合、蚀变类型和蚀变矿物组合及分带、标型矿物等都有其一定的内在规律，受地质活动历史和地质环境的影响和制约。在地质找矿中，蚀变矿物组合和蚀变分带比单一的蚀变矿物更具有指导和决策意义，很多情况下，并不需要逐一识别出各种单一的矿物成分，更需要的是识别出矿物的共生组合及其分带。因此，在找矿应用中，针对不同情况，可分别采用基

5、于单矿物识别和基于混合矿物（蚀变带）识别两种应用模式。基于单矿物的光谱识别模式基于单矿物识别的组合模式是根据单个矿物的波谱特征，逐个地对区内的单矿物进行一一识别，然后根据矿物的空间分布，结合矿物的共生组合规律和工作区地质环境与地质条件，分析矿物分布的空间组合型式和空间变化，划分不同的蚀变带、变质带、岩化带或相带，进行深入的地质分析。模式的技术流程见图2。该模式能提取每一种感兴趣的矿物及其空间分布特征，对矿物共生组合和空间变化的分析也比较精确而客观。但由于自然界的矿物绝大多数都以组合的形式出现在岩石中，遥感探测到的都是矿物的混合光谱，对单矿物较精确的识别必须要进行“混合像元分解”。2、基于组合矿

6、物的光谱识别模式基于矿物混合光谱识别的组合模式是基于对岩石矿物组合光谱规律的深刻认识，从矿物共生组合出发，结合矿物的光谱特征知识，直接从图像光谱中提取出不同组合矿物的分布，然后进行蚀变带与蚀变矿化分布的识别。最终进行成矿地质分析，圈定成矿靶区，进行资源评价。技术框架如图3。这种模式在一定程度上可克服单矿物识别中的困难，识别的工作量也大大减少。但会对有关单矿物的空间分布规律的分析带来一定的影响。在实际应用中，可采用两种做法： 根据成矿规律，按照所要识别的蚀变带的矿物组合，利用标准波谱库中的单矿物光谱，进行光谱拟合或合成，作为识别组合矿物的参照或依据。这种做法中对矿物组合及其相对含量的选择往往会受

7、到对工作区地质规律的认识和地质观点的影响，具有一定的主观性。合成的光谱与实际情况会有一定的差距。矿物知识矿物光谱遥感数据混合像元分解矿物共生组合规则矿物识别矿物共生组合共生组合空间变化及分带成矿、地质知识矿产资源预测与地质应用综合分析图2 基于单矿物识别的组合模式工作区地质条件矿物光谱矿物共生组合规律组合光谱遥感数据蚀变带、矿化带识别成矿、地质知识资源矿产评价与地质应用综合分析图3 基于矿物组合识别的组合模式 以野外已知不同岩矿化带的实测波谱为依据。这种方法针对性强，往往能取得较好的识别效果。但需要作一定量的野外调查和现场波谱测试，而且要求所获取的波谱必须具有一定的代表性，能反映目标蚀变带总体

8、的波谱特征。三、成像光谱矿物填图基本技术流程成像光谱矿物填图应包括辐射标定、大气校正与光谱重建、航带和跨航带照度调整、矿物端元选择、分航带矿物识别、几何校正、图像镶嵌与地理编码、全区矿物分布图的编制等基本步骤（图4）。镶嵌与地理编码几何纠正图像分航带铁氧化物矿物分布图铁氧化物矿物识别可见近红外谱段图像矿物端元选择分航带矿物识别分航带几何纠正全区地理编码图像全区矿物分布图编图、编辑与整饰光谱分区短波红外谱段图像分航带矿物分布图调整后视反射率图像航带照度调整视反射率图像大气校正和波谱重建入瞳处辐射度图像辐射定标成像光谱DN数据图4 成像光谱矿物填图的基本技术流程1、辐射标定根据仪器方或数据获取方所

9、提供的辐射定标参数，将获取的成像光谱数据作辐射标定，将图像值转换为仪器入瞳处的辐射度值，生成辐射度图像。辐射标定生成的辐射度图像应是成像光谱服务系统能向用户提供的某一级别的标准产品。2、大气校正与光谱重建成像光谱矿物识别的基本原理是成像光谱数据的重建光谱与矿物标准光谱或实测光谱的定量对比分析。辐射定标和光谱重建是地物识别和定量分析不可缺少的环节。重建光谱的质量直接影响到矿物识别的能力和可信度。对辐射度图像作大气校正，生成反射率图像。由于混合像元问题，得到的光谱是像元中所有地物光谱的加权和，可称为像元光谱。并且校正中一般未考虑地形和观测方向的影响，得到的应是“视反射率”。视反射率图像也应是成像光

10、谱服务系统向用户提供的更高一级的标准产品。（1）大气校正方法的选择实际工作中，大气校正推荐采用“空地回归分析方法”或“基于成像光谱数据大气参量提取的辐射传输模型的方法”。航空成像光谱在数据获取时，都应选择定标场，进行同步或准同步地面光谱测量，有条件时还可以用太阳辐射计作太阳直射辐射监测或用地面光谱仪检测太阳照度的变化，用以估计大气气溶胶光学厚度等参数，为大气校正中的大气参数选择提供依据。若测区及其附近自然定标场选择比较困难或选取的定标场不够理想，可考虑布设人为地标，作为自然定标场的补充。在定标场（点）的地物特性（地物成分、湿度、植物生长状况等）变化不大时，采用非同步的光谱测量数据（踏勘时的光谱

11、量测或飞行后的补测），一般也能取得较好的校正结果。对于卫星数据，组织同步测量比较困难，一般采用辐射传输模型方法进行大气校正。（2）重建光谱质量的判断方法与判断标准 大气校正后重建光谱的质量可以用以下方法做检验： 与地面光谱作比较。 与波谱数据库中的标准波谱比较。 检查特定地物的光谱特征。重建光谱质量的判断标准： 与地面光谱或数据库中的标准光谱的形态和变化趋势一致，特征谱带清晰可辨，谱带位置和谱带特征无明显变异。 绿色植物的光谱特征明显，530-580 nm区间出现反射峰； 阔叶植物蓝波区间（400-490nm）和红波区间（620-680nm）的反射比为1-3。 较洁净的水体750nm以长光谱区

12、，除太阳耀斑外，反射比小于1。 土壤光谱400-1000nm区间呈缓慢增长的趋势。3、航带和跨航带照度调整由于飞行时间、飞行方向以及地面二向反射的影响，同一航带的不同部位、相邻航带之间的亮度都会有较大差异。亮度的变暗一方面降低了目标与背景的对比度，从而使矿物的检出率下降；另一方面使图像的信噪比下降，影响了矿物的识别能力。使不同航带间填绘的矿物分布产生不连续。矿物识别前，理应对其作归一化调整。对于同一航带不同列之间的亮度变化，可以用基于图像统计特征的校正方法，如根据图像列均值曲线，以图像机下点为基准，将图像亮度作归一化校正的方法；或采用ENVI图像处理软件中的横切航带亮度校正功能（Cross T

13、rack Illumination Coeeection）将不同列的数据进行调整。航带之间亮度的调整，一般采用亮度匹配的方法。地面二向反射和路径的影响与波长有关，亮度调整一般需要分波段进行。因而在分波段校正中要特别注意波段间的相关性和光谱连续性，以防在校正过程中造成像元波谱特征的改变。建议在矿物识别之前，先做航带的亮度归一化，待航带镶嵌阶段，再作航带间的亮度调整。这样虽然会影响某些矿物在航带间的连续性，但基本不会影响对找矿更有意义的那些矿物的识别。4、矿物端元选择端元（Endmember）可认为是在像元光谱中，能被单独分离出来的组分及其光谱。像元光谱则是这些端元光谱的面积或含量的加权和。矿物端

14、元选择即是要选择和确定拟提取和识别的矿物的种类及它们的波谱。端元矿物不一定是某种单矿物，也可以是特定的矿物组合。“基于单矿物识别”应用模式。以“单矿物”作为端元矿物。“基于混合矿物（蚀变带）识别”模式是将特定的矿物组合作为识别端元，如青盘岩化、云英岩等。矿物端元选择的方法可分为两大类：一类是针对应用目标，根据地质成矿理论或通过实地调查或踏勘，确定端元矿物；另一类方法是假定图像中存在有像元光谱基本上仅反映一种矿物光谱的所谓的“纯像元”（Pure Pixels）或“非混合像元”（Unmixed Pixels），用数学方法自动或交互式从图像中提取这些“纯像元”作为端元，同一类“纯像元”的平均像元光谱

15、作为端元光谱。6、矿物识别可用于矿物识别的方法很多，诸如光谱匹配技术、光谱匹配滤波、光谱线性分解，以及矿物光谱分层识别谱系和矿物的识别规则等。我们根据不同的端元选取途径和选取的端元类型，推荐采用不同的识别方法或识别方法组合（图5）。基于知识的端元选择基于图像的端元选择少量单矿物端元多种单矿物端元蚀变岩或矿物组合纯像元指数PPIN维可视化光谱匹配：粗略识别线性混合分解混合调制匹配滤波MTMF识别规则直接识别或MTMF谱系识别混合像元分解光谱匹配识别矿物分布图和矿物丰度图地质和矿物光谱知识工作区地质视反射率图像光谱数据库数据减维和噪声抑制：MNF变换端元选择图5 矿物识别方法的运用基于先验知识选择

16、的端元可分为3种类型： 选择1种或少数几种指示矿物作为端元矿物，如澳大利亚皮尔巴拉矿区叶蜡石和富铝白云母寻找太古界脉状金矿床，可运用这些矿物的光谱识别规则直接提取和填图。光谱识别规则主要根据矿物主要吸收谱带的特征和数个谱带的组合特征，处理简单快捷，且受图像统计特征的影响较小，利于不同航带识别结果的比较。当矿物的混合比较复杂，受混合光谱的影响单矿物的光谱特征变形严重，或对于检出限比较高的矿物，推荐使用混合调制匹配滤波（MTMF），以提高矿物的检出能力和可信度。 端元为多种单矿物，或要求对工作区作全面的矿物填图，使用矿物分层识别谱系，可同时识别和填绘出多种矿物或矿物类。在此基础上，采用线性混合分解

17、方法对矿物作更精细的识别和区分。 某种标志性的岩石、岩体或矿物组合作为端元，如碱性杂岩体、青盘岩化、云英岩化等。因为岩石或蚀变岩石的成分和光谱随地区的变化较大，一般取野外或实验室实测光谱为端元光谱。识别采用光谱匹配方法为宜。对于采用“基于图像端元选择”方法，如PPI或N-FINDR选取的端元，一般采用混合光谱分解算法反演矿物种类和相对含量。可采用混合光谱分解模型作全混合光谱分解或采用混合调制匹配滤波（MTMF）作部分混合分解。在进行光谱分解前，可用光谱匹配算法先作一下粗略识别，审视和评价各端元的可识别性和大体的分布，必要时，可根据识别结果对端元作些处理，如合并光谱相似而容易混淆的端元。需要注意的是，用