基于ASTER影像的蚀变异常提取方法研究——以赞比亚谦比希铜矿床地区为例

余 健，董玉森，张 志，杨日红

基于ASTER影像的蚀变异常提取方法研究
——以赞比亚谦比希铜矿床地区为例

余 健1，董玉森1，张 志1，杨日红2

(1.中国地质大学(武汉)地球科学学院，武汉 430074;2.中国国土资源航空物探遥感中心，北京 100083)

基于赞比亚谦比希(Chambishi)铜矿带中的多种蚀变矿物及其在ASTER影像VNIR－SWIR谱带的特征光谱分析，采用相对波段吸收深度(Relative absorption－Band Depth，RBD)和波段比值的方法对蚀变信息进行增强处理。用波段比值ASTER 2/ASTER 1和ASTER 3的RBD增强黄铁矿和黄铜矿信息，用ASTER 8的RBD增强白云石、方解石和黑云母信息，用ASTER 6的RBD增强绢云母信息;对已有的Crosta主成分分析法进行改进，将信息增强后的比值和RBD数据应用于Crosta法则，对谦比希铜矿及其附近区域进行蚀变信息提取。经已知铜矿床(点)验证及地质资料分析证明，上述方法能够有效地提取蚀变信息并识别研究区内主要矿物，提取结果可靠，可为蚀变异常提取工作提供参考。

ASTER;SWIR;蚀变异常;谦比希;相对波段吸收深度(RBD)

0 引言

矿化蚀变遥感异常作为一种独立的找矿因子，可以为找矿提供新的思路和手段。近年来，国内利用多光谱遥感技术进行金属矿产勘查已有广泛应用并取得显著成效，诸如张玉君等［1，2］利用TM数据在基岩裸露区及浅覆盖区开展了蚀变信息遥感异常提取工作;赵元洪等［3］利用TM数据的波段比值加主成分分析的方法提取热液蚀变信息;马建文等［4］提出在TM数据中分离环境干扰因素从而增强蚀变信息的方法。而国外对这方面的研究开始较早，Rokos等［5］用 TM 5/TM 7、TM 3/TM 1 波段比值和主成分分析方法对爱琴海盆地Quaternary岛弧中的低温热液型金矿进行了蚀变信息提取和找矿预测;Timothy等［6］利用TM数据进行假彩色合成分析，在干旱气候下的阿拉伯—努比亚地盾提取出金矿化蚀变信息;Loughlin［7］利用 TM 图像的 4 个波段(TM1、TM3、TM5、TM7 或 TM1、TM4、TM5、TM7)，采取主成分变换结合主因子求反方法，对巴西热带地区残积土壤中的三价铁和羟基蚀变岩信息进行了填图。这些研究一般是基于一些与热液成矿作用相关矿物(如铁染矿物和羟基矿物)的诊断性波谱特征，从而使遥感能对其进行识别［8，9］。但由于TM数据空间分辨率不高，加重了混合像元的影响;Goets在1975年曾提出用短波红外的1.6～2.2 μm波谱带反射率的比值可以区分未蚀变岩石和蚀变岩［10］，但TM数据光谱范围较宽，覆盖1.6～2.2 μm波谱范围的只有TM5和TM7波段，尤其对于含Al－OH、Mg－OH和碳酸根离子的矿物(其特征吸收波谱分别位于2.2 μm 及 2.3 μm 附近［11，12］)，不能将它们很好地区分，因此在通过光谱分析识别岩性方面，TM数据还存在一定的局限性。

在多光谱数据中，ASTER数据由于具有较多的波段数(多达14个波段)、较高的波谱分辨率和空间分辨率(可见光/近红外部分的空间分辨率为15 m)，对矿化蚀变信息的波谱特征有更好的识别能力。ASTER数据的VNIR、SWIR和TIR波段对岩性识别填图可起到辅助作用，其中VNIR的3个波段对过渡金属、尤其是铁和稀土元素的波谱吸收［13，14］以及对光合作用植物的叶绿素的波谱吸收［15］是重要的信息源;在SWIR的6个波段中，碳酸盐和氢氧化物矿物光谱显示出与基团合频和倍频谱带相关的分子吸收特征［16］。虽然一些组成岩石的重要矿物(如石英、长石)在VNIR和SWIR波段并没有显示出吸收特征，但在TIR波段显示出基本分子吸收特征［17－20］，因此ASTER数据对硅酸盐岩的识别有很大的优势。此外，ASTER数据的VNIR波段具有15 m的空间分辨率，尽管其幅宽仅为60 km，但ASTER的大角度侧摆扫描成像能力将整个垂直轨道方向的成像范围扩宽为232 km［21］。所以，在利用多光谱遥感数据对蚀变信息遥感异常提取中，与TM和ETM+数据相比，ASTER数据具有明显优势。

基于上述背景，本文采用ASTER的可见光—近红外波段和短波红外波段数据，根据USGS标准波谱库中的矿物波谱，借鉴前人研究方法并进行改进，开展了赞比亚谦比希(Chambishi)铜矿地区的蚀变遥感异常提取方法研究。

1 研究区地质概况

谦比希铜矿位于赞比亚—刚果(金)铜矿带的中部，该铜矿带是非洲中部卢菲莲(Lufilian)弧形构造带东段的一部分。卢菲莲弧形构造带从赞比亚和刚果(金)边境的东部呈弧形延伸到西部的赞比亚—安哥拉边境，是一个长约500 km、宽80 km的Cu、Co、Ni、Pb、Zn 多金属成矿带。区内最主要的构造为NW向的卡富埃(Kafue)背斜，所有矿床均分布于该背斜两翼的含矿地层中。铜矿带的地层主要由前寒武纪的基底核与加丹加(Katangan)超群盖层所组成;基底核地层为早前寒武纪的卢富布(Lufubu)超群和中前寒武纪的穆瓦(Muva)超群，前者为片岩、片麻岩及侵入其中的花岗岩，后者主要为石英岩(图1)。

图1 赞比亚谦比希铜矿带地质简图(引自赵兴国，2010)Fig.1 The sketch geological map of Chambishi copper belt in Zambia(from Zhao Xing － guo，2010)

由于地表覆盖物较薄，渗透性较好，致使矿体遭受了强烈的风化作用和氧化作用，形成了许多铜氧化物的矿物，主要有孔雀石、少量铜蓝及原生黄铁矿、黄铜矿和斑铜矿。脉石矿物有方解石、硬石膏、石英、长石、绢云母及白云母等。研究区的含矿建造还遭受了低级区域变质作用，原始的砾石、长石质砂岩、泥岩和粘土质沉积物已变为砾岩、长石质石英岩、石英质长石砂岩、泥岩和片岩;碳酸盐岩建造已重结晶成白云质或方解石质大理岩;在粗粒的长石砂岩和砾岩中，受剪切作用影响的细粒白云母已变成绢云母和黑云母［22］。矿区内只发现了一些小型断裂，在背斜顶部石英岩中发现了与拖拽褶皱有关的小断裂。沿着底砾岩、粗砾岩和下盘砾岩3个砾岩层都出现了层间滑动，虽然滑动距离并不大，却形成了剪切带。区内断裂对矿体无明显的错断［23］。

2 蚀变异常提取

2.1 数据预处理

采用的ASTER数据获取于2005年4月10日，图幅范围为12°07'40″～12°46'09″S，27°38'08″～28°20'08″E，产品等级为L1B。由于原始数据在卫星接收时受到各种因素影响，为了减小误差、提高蚀变信息提取的精度，需对ASTER L1B数据进行预处理。

2.1.1 去串扰处理

ASTER短波红外波段(SWIR)存在因探测器单元的光子泄漏而产生的辐射率偏移或附加误差导致的串扰(Crosstalk)现象。考虑到串扰效应有可能引起数据的反射率异常，本文应用Crosstalk校正软件［24］对ASTER L1B数据的短波红外波段数据进行了去串扰处理，以保证蚀变异常信息的提取精度。

2.1.2 重采样

ASTER数据的空间分辨率在可见光—近红外波段(VNIR)为15 m，而在短波红外波段(SWIR)为30 m。为了充分利用ASTER数据在VNIR波段的高空间分辨率优势，将SWIR波段的像元重采样到15 m;然后与VNIR波段合成，形成9个波段的数据。

2.1.3 大气校正

蚀变信息提取基于矿物光谱在各个波段的反射强度，因此需去除大气、气溶胶对辐射传输的影响，反演地表真实反射率。利用 ENVI软件中的FLAASH模块对ASTER数据进行大气校正，消除大气和光照等因素对地物反射的影响，从影像中还原出地物的地表反射率、辐射率和地表温度等真实物理模型参数［25］。分别选用典型地物(如植被、砂土、铜矿点等)对大气校正效果进行验证，结果表明，大气校正后地物的波谱曲线与实际地物波谱有较好的拟合，校正效果较好。

2.1.4 边框去除

由于ASTER数据的可见光—近红外波段和短波红外各波段的覆盖范围不一致，造成边框区域在蚀变信息提取时会出现假异常现象，因此需将覆盖范围不一致的边框区域去除，以保证处理结果有效、准确、合理。利用ASTER 3和ASTER 6进行波段“与”(and)运算，做成掩模，使数据在东西方向覆盖范围一致;然后利用ASTER 5和ASTER 7进行波段“与”运算，使数据在南北方向覆盖范围一致。

2.1.5 干扰地物去除

本研究区中主要的干扰地物有植被、河流、居民地、干泥地、云和尾矿库等，这些地物会对蚀变信息的提取造成影响。根据干扰地物的特征光谱(如:植被在ASTER 3有强反射而在ASTER 2却有强吸收;水体整体反射率均很低且在近红外波段反射值几乎为零;云的反射率在近红外波段呈异常高值)，对其提取并进行掩模运算，将干扰物分离并去除。

2.2 蚀变异常信息提取

遥感蚀变异常信息的提取主要依据蚀变矿物的波谱特征采用主成分分析方法实现。对遥感数据进行主成分分析以增强蚀变异常信息，近年来已经成为一种比较成熟的技术，国内也有多位学者和专家对多种不同类型的研究区域进行了相关的研究工作，取得了显著成果;但从地质成矿理论来看，每个成矿带都有各自的成矿特点和蚀变组合，不同的蚀变组合对于成矿类型判断的指导意义也各有不同。因此，前人研究的蚀变异常提取方法只能作为成矿类型相似地区蚀变异常提取的参考，而对于成矿类型不同的地区，最适宜的方法还有待不断尝试和创新，以期达到最好效果。

2.2.1 蚀变矿物光谱特征分析

利用ASTER的VNIR和SWIR波段进行岩性识别的基础是岩石的矿物组成及其在各波段的光谱反射率。正如Hunt等［26］早在1978年基于矿物标本反射光谱试验研究得出的结论:岩石中矿物的主要化学成分(即Si、Al、O和Mg)在可见光—近红外及短波红外区间不能产生诊断性谱带，而次要矿物中的Fe2+、Fe3+、OH－和CO2－3离子或离子基团反而在岩石谱带中占据着具诊断意义的优势地位。

裸露岩石的光谱主要由组成岩石的矿物光谱叠加而成，因此矿物的光谱特征是岩石光谱特征的主要决定因素［27］。研究区内组成出露矿点的主要矿物有孔雀石、铜蓝、黄铁矿、黄铜矿和斑铜矿，蚀变矿物主要为白云石、方解石、绢云母和黑云母。本文采用美国地质调查局(USGS)丹佛光谱实验室采集的标准矿物波谱库中的波谱曲线，对研究区主要蚀变矿物进行波谱对比分析。利用ENVI软件中的波谱运算功能，将波谱库中的相应矿物波谱重采样到ASTER波谱段上，得到ASTER矿物波谱曲线(图2)。

图2 USGS波谱库波谱(实线)与ASTER重采样波谱(虚线)Fig.2 Spectra from USGS spectral library(solid)and spectra resampled from ASTER(dashed)

在含金属离子的矿物中，黄铁矿的波谱在ASTER 1和ASTER 3波段均有强吸收特征，而在ASTER 2和ASTER 4波段有强反射特征，特征谱带较为明显;黄铜矿的波谱在ASTER 1和ASTER 3波段有吸收特征，在ASTER 2和ASTER 4波段呈反射特征，与黄铁矿相似，在ASTER 5和ASTER 6波段呈现弱吸收谷;斑岩铜矿的反射波谱曲线总体呈递增趋势，特征谱带不明显。

在含CO2－3离子的矿物中，方解石和白云石在ASTER 1～4波段反射率均呈上升趋势，在ASTER 5、6波段才略有吸收特征，而在ASTER 7、8波段两者均呈现明显吸收特征，且在ASTER 8波段存在吸收谷，这与CO2－3离子在NIR光谱2.35 μm和2.55 μm附近出现的内振动的倍频或合频较强有密切关系。

硅酸盐类矿物中，从黑云母波谱曲线可以看出，反射率总体稳定增大，但在ASTER 8波段存在微弱吸收特征;绢云母在ASTER 1～3波段反射率缓慢递增，在ASTER 4、5波段则呈下降趋势，在ASTER 6波段呈现吸收谷特征谱带。

对上述矿物光谱特征的描述见图3。

图3 研究区主要矿物反射率波谱曲线及吸收特征(ASTER各波段中心在图顶部标出)Fig.3 The reflectance spectra and absorption features of main rock－forming minerals in study area(ASTER band centers shown at the top)

从图3可以看出，根据研究区主要矿物的吸收特征谱带，可以将它们分为3类:第1类矿物(黄铁矿、黄铜矿)在ASTER 1、3波段有强吸收，而在ASTER 2、4波段有强反射;第2类矿物(方解石、白云石和黑云母)在ASTER 8波段有吸收谷;第3类矿物(绢云母)在ASTER 5、6波段有弱—强吸收特征。通过归纳，选择出每类矿物的特征吸收谱带，进而选择相应的ASTER波段组合进行相关信息的提取。

2.2.2 蚀变异常提取方法

根据上述主要蚀变矿物波谱分析，参考Crosta主成分分析法［28］的原理，选用ASTER各波段组合进行蚀变异常信息提取:①第1类矿物信息提取中，选用 ASTER 1、ASTER 2/ASTER 1、ASTER 3 和(ASTER 2+ASTER 4)/ASTER 3等4种波段组合进行主成分分析，虽然只有黄铁矿的特征谱带比较明显，但黄铁矿、黄铜矿和斑岩铜矿的波谱均在ASTER 1、2波段有较大反差，且黄铁矿在ASTER 3波段具有强吸收，ASTER 3波段的吸收谷与ASTER 2、4波段的吸收肩形成强烈对比，故使用波段比值［29，30］ASTER 2/ASTER 1和ASTER 3波段的相对波段吸收深度［31］(Relative absorption － Band Depth，RBD)即RBD 3对蚀变矿物信息进行增强;②第2类矿物信息提取中，选用 ASTER 1、ASTER 3、ASTER 4和(ASTER 7+ASTER 9)/ASTER 8，将RBD 8选入波段组合也是考虑到ASTER 8波段的吸收特征与邻近波段形成很好的反差，能起到增强蚀变信息的作用;③第3类矿物信息提取则选用 ASTER 1、ASTER 3、ASTER 4 和(ASTER 5+ASTER 7)/ASTER 6，同理，也是利用RBD 6来更好地识别和提取蚀变信息。

2.2.3 方法应用

将上述方法应用于研究区ASTER影像，得到以下特征向量矩阵(表1～3)。

从第1类矿物波段组合主成分分析的特征向量矩阵(表1)中可以看出，PC3主分量所包含的信息中，ASTER 2/ASTER 1波段组合的权值最大，(ASTER 2+ASTER 4)/ASTER 3波段组合次之，且两者权值均为负值，因此可以认为，PC 3主分量的信息主要由 ASTER 2/ASTER 1和(ASTER 2+ASTER 4)/ASTER 3贡献，而ASTER 2/ASTER 1和(ASTER 2+ASTER 4)/ASTER 3波段组合能够增强含金属离子的矿物。将第三主分量进行PC 3×(－1)处理后，亮色调区域即为第1类矿物的蚀变强烈区。

表1 第1类矿物波段组合主成分分析特征向量矩阵①Tab.1 Eigenvector matrix for the first group of minerals

从第2类矿物波段组合主成分分析的特征向量矩阵(表2)中可以看出，PC 4主分量的信息量主要由(ASTER 7+ASTER 9)/ASTER 8波段组合贡献，正好体现了第2类蚀变矿物在ASTER 8波段的吸收特征，而且PC 4主分量的他波段的权值符号也能反映第2类矿物波谱曲线的反射和吸收特征，因此认为PC 4为第2类蚀变矿物的主分量。

表2 第2类矿物波段组合主成分分析特征向量矩阵Tab.2 Eigenvector matrix for the second group of minerals

同理，在第3类矿物波段组合主成分分析的特征向量矩阵(表3)中，PC 4主分量的信息量主要由(ASTER 5+ASTER 7)/ASTER 6波段组合贡献，最能体现第3类矿物的波谱特征，可作为第3类蚀变矿物的主分量。

表3 第3类矿物波段组合主成分分析特征向量矩阵Tab.3 Eigenvector matrix for the third group of minerals

将上述3类蚀变矿物的蚀变信息主分量分别提取出来后，采用张玉君等［32］提出的主分量阈值化技术分级的作法，计算单波段图像的平均值及标准离差(σ)，以标准离差的值作为分级的尺度，并以标准离差的倍数作为阈值，用于限定异常水平。最后，为了避免提取结果图中的大量噪声点，对结果数据进行了窗口为5×5的中值滤波，得到蚀变矿物异常信息分布图(图4)。

图4 研究区蚀变矿物异常信息分布图及构造纲要图(纬度为南纬，经度为东经)Fig.4 Anomaly distribution images of alteration minerals and tectonic sketch map of the study area

2.2.4 结果分析

参照研究区地质简图(图1)分析3类蚀变信息提取结果可以看出，研究区内的蚀变信息多分布于已知矿点及其周围地区，且大部分沿加丹加地层边缘分布，这与地质资料中描述的有矿体赋存的加丹加群下罗恩组含矿建造具有较好的相关性。区域内的主要构造——卡富埃背斜两侧的含矿地层也有蚀变信息分布，因此认为，提取的蚀变信息结果比较符合地质资料的描述。

具体分析3类蚀变信息提取结果，发现3类蚀变矿物的分布虽整体在空间关系上具有较好的一致性，但仔细观察每处矿点蚀变信息的分布情况可以发现，3者的覆盖范围仅具有很低的重合率，说明只有3种方法的综合运用才能比较完整地提取研究区各类蚀变异常信息，也能更好地体现ASTER数据对各种矿物的识别能力。

3 结论

(1)本文利用相对波段吸收深度(RBD)和波段比值方法对赞比亚谦比希铜矿带ASTER影像中蚀变矿物信息进行增强，并将信息增强后的影像运用于Crosta法则，替换其中相应波段进行主成分分析，提取了研究区内3类主要蚀变矿物的异常信息。经谦比希铜矿带地质资料验证，此方法提取的矿化蚀变信息分布与地质资料的描述有较好的相关性。

(2)采用3种波段组合进行主成分分析，所提取的3类蚀变矿物信息在空间分布上重叠率较低，证明了ASTER数据对蚀变矿物具有很好的识别能力，这主要取决于在蚀变矿物比较敏感的2.0～2.5 μm范围内ASTER具有5个波段能够对含有Mg－OH、Al－OH 和 CO2－3离子的蚀变矿物加以区分。

(3)本文对植被覆盖区矿化蚀变信息提取方法的研究还比较欠缺，有待进一步探索。

［1］ 张玉君，杨建民.基岩裸露区蚀变岩遥感信息的提取方法［J］.国土资源遥感，1998(2):46－53.

［2］ 张玉君，李昌国.试用主分量分析方法提取澜沧江兰坪地区铜矿化蚀变遥感信息［J］.国土资源遥感，1997(1):20－30.

［3］ 赵元洪，张福祥，陈南峰.波段比值的主成分复合在热液蚀变信息提取中的应用［J］.国土资源遥感，1991(3):12－17.

［4］ 马建文，张齐道.利用TM数据提取含金蚀变带的方法研究——以冀北东卯地区为例［J］.国土资源遥感，1994(2):41－45.

［5］ Rokos D.Argialas D，Mavrantza R，et al.Structural Analysis for Gold Mineralization Using Remote Sensing and Geochemical Techniques in a GIS.Environment:Island of Lesvos，Hellas［J］.Natural Resources Research，2000(4):277 －293.

［6］ Kusky T M，Ramadan T M.Structural Controls on Neoprotero zoic Mineralization in the South Eastern Desert，Egypt:an Integrated Field，Landsat TM and SIR － C/X SAR Approach［J］.Journal of African Earth Sciences，2002(1):107 －121.

［7］ Loughlin W P.Principal Component Analysis for Alteration Mapping.［C］//The Eighth Thematic Conference on Geologic Remote Sensing.Denvor，Cclorado，USA，1991.

［8］ Hunt G R.Electromagnetic Radiation:the Communication Link in Remote Sensing［J］.Remote Sensing in Geology，1980(2):5 －45.

［9］ Clark R N.Spectroscopy of Rocks and Minerals and Principles of Spectroscopy［C］//Rencz A N.Remote Sensing for the Earth Science.New York:John Wiley，1999.

［10］ Abrams M J，Ashley R P，Goetz A F H，et al.Mapping of Hydrothermal Alteration in the Cuprite Mining Disrtrict，Nevada，Using Aircraft Scanning Images for the Spectral Region 0.46 to 2.36 mm［J］.Geology，1977(12):713 －718.

［11］ Duke E F.Near Infrared Spectra of Muscovite，Tschermak Substitution，and Metamorphic Reaction Process:Implications for Remote Sensing［J］.Geology，1994，22:621 － 624.

［12］ Hewson R D，Cudahy T J，Mizuhiko S，et al.Seamless Geological Map Generation Using ASTER in the Broken Hill－Curnamona Province of Australia［J］.Remote Sensing of Enviroment，2005，99:159－172.

［13］ Hunt G R，Salisbury J W，Lenhoff C J，et al.Visible and Near Infrared Spectra of Minerals and Rocks:V.Halides，Phosphates，Arsenates，Vanadates and Borates［J］.Modern Geology，1972(3):121－132.

［14］ Rowan L C，Kingston M J，Crowley J K.Spectral Reflectance of Carbonatite and Related Alkalic Igneous Rocks;Selected Samples from Four North American Localities［J］.Economic Geology，1986，81:857 －871.

［15］ Hunt G R.Spectral Signatures of Particulate Minerals in the Visible and Near Infrared［J］.Geophysics，1977，42(3):501 －513.

［16］ Knipling E B.Physical and Physiological Basis for the Reflectance of Visible and Near－ infrared Radiation from Vegetation［J］.Remote Sensing of Enviroment，1970(3):155 －159.

［17］ Hunt G R，Salisbury J W.Mid－infrared Spectral Behavior of Igneous Rocks［R］.Cambridge，MA:Technical Report AFRCL － TR －75 －0356，US Air Force Cambridge Research Laboratory，1974.

［18］ Hunt G R，Salisbury J W.Mid－infrared Spectral Behavior of Sedimentary Rocks［R］.Cambridge，MA:Technical Report AFRCL －TR －75 －0356，US Air Force Cambridge Research Laboratory，1975.

［19］ Hunt G R，Salisbury J W.Mid－infrared Spectral Behavior of Metamorphic Rocks［R］.Cambridge，MA:Technical Report AFRCL －TR －76 －0003，US Air Force Cambridge Research Laboratory，1974.

［20］ Lyon R J P.Evaluation of Infrared Spectrophotometery for Compositional Analysis of Lunar and Planetary Soils［R］.NASA:Ⅱ.NASA Contract Rep CR －100，1964.

［21］ Fujisada H.Design and Performance of ASTER Instrument.Proceedings of SPIE［J］.The International Society for Optical Engineering，1995，2583:16 －25.

［22］颜 平，刘文成.赞比亚谦比希铜矿矿床特征及成因［J］.中国矿山工程，2006，35(1):1 －4.

［23］赵兴国.赞比亚谦比希铜矿床地质特征［J］.地质与勘探，2010，46(1):183 －190.

［24］时丕龙，付碧宏，二宫芳树.基于ASTER VNIR－SWIR多光谱遥感数据识别与提取干旱地区岩性信息——以西南天山柯坪隆起东部为例［J］.地质科学，2010，45(1):333 －347.

［25］罗慧芬，王秋玲，吴 彬，等.基于FLAASH模型的ASTER卫星影像大气校正［J］.安徽农业科学，2009，37(17):8101 －8102，8133.

［26］ Hunt G R，Salisbury J W.Assessment of Landsat Filters for Rock Type Discrimination Based on Intrinsic Information in Laboratory Spectral［J］.Geophysics，1978，43:738 －748.

［27］王钦军，蔺启忠.包尔图地区Aster遥感岩性提取［J］.地理与地理信息科学，2006，22(2):9 －12.

［28］ Crosta A P，Moore J Mc M.Enhancement of Landsat Thematic Mapper Imagery for Residual Soil Mapping in SW Minas Gerais State Brazil:a Prospecting Case History in Greenstone Belt Terrain［C］//Calgary.Proceedings of the 9th Thematic Conference on RemoteSensing forExploration Geology.Ann Arbor，MI:Environmental Research Institute of Michigan，1989:1173 －1187.

［29］ Rowan L C，Goetz A F H，Ashley R P.Discrimination of Hydrothermally Altered Rocks and Unaltered Rocks in Visible and Near Infrared Multispectral Images［J］.Geophysics，1977，42(3):522－535.

［30］ Rowan L C，Wetlaufer P H，Goetz A F H，et al.Discrimination of Rock Types and Detection of Hydrothermally Altered Areas in South － central Nevada［J］.US Geological Survey Professional Paper，1974，883:1 －35.

［31］ Crowley J K，Brickey D W，Rowan L C.Airborne Imaging Spectrometer Data of the Ruby Mountains，Montana:Mineral Discrimination Using Relative Absorption Band－depth Images［J］.Remote sensing of Environment，1989，29(2):121 －134.

［32］张玉君，姚佛军.应用多光谱ASTER数据对ETM遥感异常的定性判别研究—以东昆仑五龙沟为例［J］.岩石学报，2009，25(4):963－970.

Research on the Methods for Extraction of Alteration Information by Using ASTER Data:A Case Study of the Chambishi Copper Deposit in Zambia

YU Jian1，DONG Yu －sen1，ZHANG Zhi1，YANG Ri－hong2
(1.The Faculty of Earth Science，China University of Geosciences，Wuhan 430074，China;2.China Aero Geophysical Survey ＆ Remote Sensing Center for Land and Resources，Beijing 100083，China)

Based on several altered rocks in the Chambishi copper deposit and the spectral characteristics of the rocks existing in VNIR －SWIR bands of ASTER data，the authors adopted the methods of Relative absorption－Band Depth(RBD)and band ratio to enhance the mineral alteration information in this paper.The band ratio of ASTER 2/ASTER 1 and the RBD of ASTER 3 were used to enhance the chalcopyrite and pyrite information，the RBD of ASTER 8 was used to enhance biotite and calcite information，and the RBD of ASTER 6 was used to enhance the sericite information.To improve the existing method of Crosta principal component analysis，the authors applied the combination of the enhanced band ratio and RBD to Crosta method with the purpose of extracting the alteration information of the copper deposit and neighborhood areas in Chambishi.As proved by known copper deposit locations and geological analysis，the methods mentioned above can effectively extract the alteration information and distinguish the main minerals in the study area.The results are reliable，thus supplying references to the extraction of alteration information.

ASTER;SWIR;Alteration anomalies;Chambishi;Relative absorption－Band Depth(RBD)

TP 79

A

1001－070X(2011)03－0054－07

2010－12－27;

2011－02－14

科技部项目(编号:2008AA121103－3)资助。

余 健(1986－)，男，土家族，中国地质大学(武汉)在读硕士研究生，主要从事遥感与地理信息系统、遥感地质等遥感应用研究。

(责任编辑:刘心季)