几种重要蚀变矿物的光谱可区分性和通道可区分性研究

买合木提江·买木提孜,古丽格娜·哈力木拉提,木合塔尔·艾买提

(1.阿克苏地区国土资源局,新疆 阿克苏 843000;2.喀什师范学院生物与地理科学系,新疆 喀什 844006)

成像光谱技术在地质找矿勘查和矿产资源评价以及一些基础地质研究中都可发挥重要的作用[1].通过研究不同蚀变矿物在某一个波段内的光谱曲线及光谱差值,区分可以区分的一组蚀变矿物；通过设定不同的阈值,根据传感器的特点区分可以区分蚀变矿物的传感器通道.拟通过本研究,实现选择某种传感器来识别和区分蚀变矿物,具有实际应用价值.

1 蚀变矿物的光谱可区分性和通道可区分性研究

图1 9种主要蚀变矿物的光谱曲线

蚀变矿物的光谱可区分性研究是在遥感地质找矿中非常重要的工作,由于不同的蚀变矿物所包含的化学物质和离子诊断有所区别,在一定的波段内吸收峰和反射峰也不一样[2],由于一些矿物所包含的化学物质的诊断特征有相似之处[3],所以这些蚀变矿物的光谱曲线相互挨近,不容易判断矿物类型,在这种情况下先对其进行光谱可区分性分析,确定哪些蚀变矿物是可以区分的,哪些矿物是不可以区分,然后再进行矿物识别的相关工作可以得到很好的工作效率,即光谱可区分性分析是成功识别和提取蚀变矿物的必要前提工作.

1.1蚀变矿物光谱可区分性分析在本文中,根据USGS标准矿物光谱库的矿物光谱数据,利用MATLAB编程语言开发了一个分析工具,目的是实现自动寻找矿物可区分光谱区间和针对给定遥感器的可区分通道.图1是开发的分析工具输出的蚀变矿物的曲线图.从图1的蚀变矿物的光谱曲线可以看到高岭石和蒙脱石在1.4 μm附近和2.2 μm附近都有一个相同的强烈的吸收峰,这是因为这两种矿物所含的羟基(—OH)和Al—OH基团的振动谱带引起的[4-5],这种情况下不易区分.绿泥石、黑云母和绿帘石等矿物的反射率随着波长的增大大体上保持着升高的状态,在2.3 μm附近绿泥石和绿帘石的反射率同时大幅度地下降,出现了吸收峰,这是因为这两种蚀变矿物所含的Mg—OH基团的振动谱带引起的[6],这种情况下也不易区分.黄铁矿和黄铜矿随着波长的增大反射率越来越接近,这种情况下也不易区分.为了明确地确定可区分蚀变矿物的光谱区间,我们不妨设一个阈值,大于这个阈值就可以区分属于哪种蚀变矿物,小于则不可区分,我们可以分几种阈值情况分析蚀变矿物的可区分性,分别为10%、30%等.按照此方法我们可以确定可区分蚀变矿物的光谱区间和可区分的遥感器通道.

表1是阈值分别等于10%、30%的时候可以区分的光谱区间(以正长石与其他矿物为例).从表1和图1可以看到,随着阈值的增高可区分的波段区间越来越小.阈值等于30%的时候正长石-高岭石与正长石-石英就没有可区分的光谱区间.

表1 可区分的光谱区间

1.2在不同传感器各波段上的蚀变矿物的可区分性虽然我们分出了可区分的光谱区间但是在该区间内不一定有可区分的传感器通道,我们只能在传感器的通道可区分的情况下才可以进行识别和提取蚀变信息,所以确定可区分蚀变矿物的传感器通道也是进行遥感找矿的非常重要的工作,是成功地识别和提取蚀变矿物的前提.

从TM传感器的波长特征来看,我们要分析的蚀变矿物的光谱数据都在可见光～近红外～短波红外波段内,所以从TM传感器的波段中剔除第六个热红外波段,并对TM的可见光～近红外～短波红外波段进行重新编号,即第七波段改为第六波段,把原来的第六波段去掉.

从图2可以看到,TM传感器的波段1、2、3、4、5、6内可以识别和区分蚀变矿物.TM传感器的第6波段的范围是2.08～2.35 μm,波段比较宽,显然是将各种矿物在该区间的反射峰和吸收峰统统掩盖[7],未能加以区分,只有一部分矿物可以区分,右边第一个是第六波段,从图中可以明显地看到遥感器的第六波段掩盖了部分蚀变矿物的反射峰和吸收峰,一些矿物的光谱曲线相交,这种情况下矿物的光谱差值都等于0,所以在此通道不能区分蚀变矿物.

在波段1、2、3、4内高岭石、石英、黄铁矿、正长石等蚀变矿物的反射率比其他矿物的较大,光谱差值也较大,这种情况下上述这些矿物与其他矿物都可以区分,波段1、2、3内高岭与石英的光谱曲线大体上保持一致,反射率很近似,不易区分,也没有可区分的遥感器通道.在波段4内 绿泥石、黄铜矿、蒙脱石、黑云母等蚀变矿物的光谱曲线都相交(见图3),这种情况下光谱差值也都等于0,都不能区分.

利用开发的工具可以输出阈值不同的情况下的各个蚀变矿物的光谱差值矩阵,如表2是阈值等于30%时的光谱差值矩阵,以正长石与其他矿物为例.在表2中绝对值大于阈值的元素对应的蚀变矿物在该元素所在的位置对应的传感器通道内可以区分,例如,正长石-高岭石在通道1不能区分,正长石-黑云母在通道1可以区分.矩阵元素等于0的都是在该通道内光谱差值都小于阈值的矿物,这种情况下在该通道内不能区分.

图2 TM波段通道和蚀变矿物光谱曲线

图3 波段通道1、2、3、4的放大图

蚀变矿物对 通道1通道2通道3通道4通道5通道6正长石-高岭石正长石-黑云母正长石-黄铁矿正长石-黄铜矿正长石-绿帘石正长石-绿泥石正长石-蒙脱石正长石-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 阈值不同的情况下可区分的传感器通道总数.从表3中可以看到阈值等于10%的时候可以区分蚀变矿物的遥感器通道还是比较多,很多蚀变矿物在1～6的整个通道内都可以区分,只有正长石-石英没有可区分的遥感器通道,6～6这种情况说明只有第六个通道可以区分蚀变矿物.从表中可以看到阈值等于30%的情况与10%的有明显的差异,可区分的通道数明显地减少,出现了很多没有可区分的通道,说明阈值等于30%的时候蚀变矿物之间的光谱差值比较大.

表3 TM传感器可区分通道总数(正长石与其他矿物为例)

通过相同的方法可以得到ASTER,HYPERION等传感器通道的可区分能力.ASTER传感器的通道比TM的多,所以TM遥感器通道不能区分的矿物ASTER传感器可以区分,尤其是TM传感器的第六通道不能区分的矿物ASTER传感器可以区分,而且空间分辨率比TM传感器的高一倍.所以可识别和可区分蚀变矿物的可能性比TM传感器的大.

HYPERION是光谱分辨率很高的高光谱传感器,在0.4～2.5 μm之间有连续不断的通道[4],这种情况下可以区分的通道数量比TM和ASTER多几倍,我们要分析可区分性的蚀变矿物是光谱区间在0.4～2.5 μm范围之内,所以我们用HYPERION传感器的在此波段(0.4～2.5 μm)范围内的通道,即第6至第233通道(6～233),如图4.

图4 HYPERION波段通道和蚀变矿物光谱曲线

1.33种传感器对蚀变矿物区分能力的综合比较根据上述的实验结果我们可以对不同传感器可区分蚀变矿物的能力进行综合比较,方法是考察一种矿物对其他8种矿物的可区分性通道的数目,包括其可区分通道的交集和并集.表4是传感器对阈值等于10%的可区分蚀变矿物的通道数的对比.

表4 3种传感器通道对9种蚀变矿物的可区分能力比较

从表4可以看到,在TM传感器的6个通道中有1个通道同时可区分黑云母跟其他的所有的蚀变矿物,即可区分黑云母跟其他蚀变矿物的通道的交集.可区分蚀变矿物的通道数一共有6个.

在ASTER传感器中有1个通道可以同时区分绿泥石跟其他的所有的蚀变矿物,即可区分绿泥石跟其他所有蚀变矿物的通道的交集.可区分蚀变矿物的通道数一共有9个.

在HYPERION传感器中可区分蚀变矿物的通道数很多,同时可区分正长石跟其他所有的蚀变矿物的通道数一共有11个,同时可区分黑云母跟其他所有的蚀变矿物的通道数一共有21个,同时可区分绿帘石跟其他所有的蚀变矿物的通道数一共有25个,同时可区分绿泥石跟其他所有蚀变矿物的通道数一共有45个,同时可区分蒙脱石跟其他所有蚀变矿物的通道数一共有23个,可区分蚀变矿物的通道数一共有227个,交集等于0说明没有一个通道同时能区分所有的蚀变矿物.从以上的分析结果看到HYPERION传感器通道的可区分能力大于TM、ASTER传感器.利用相同的方法可以得到阈值等于30%时的可区分能力.

从本文的研究我们可以发现,在不同的情况下可以选择不同的传感器进行蚀变矿物的区分,在ASTER传感器通道能识别矿物的范围内利用ASTER数据进行蚀变矿物的区分可以得到比较好的结果,因为ASTER传感器的空间分辨率比HYPERION传感器的空间分辨率要高,可以获取更精确的地面信息.根据试验结果我们可以选择适合实际情况的传感器进行矿物区分,在实际工作中具有很重要的意义.

2 总结

围岩蚀变是重要的地质现象之一,也是重要的找矿标志[8-13].在遥感图像中,蚀变信息仅仅作为一种弱的信号存在于图像的背景中,因此,如何从遥感图像中提取或从背景中区分出蚀变信息一直是资源遥感应用于评价研究的重点和难点.本文中利用美国地质调查所(USGS)的标准矿物光谱数据库的几种蚀变矿物的光谱数据,根据不同传感器的波长特征,对蚀变矿物进行了可区分性分析.主要结论如下:

1)从实验结果可见高光谱传感器HYPERION能识别和区分蚀变矿物的通道比TM、ASTER传感器的多几倍,甚至几十倍,具有连续不断的很窄的波段特征,所以在找矿和制图领域应用空间广阔,在岩石出露程度较大的区域优势尤为明显,效果尤为突出.

2)本项研究为9种重要蚀变矿物的识别优选波段区间和传感器通道提供了依据,同时所开发的分析工具有较大的推广应用价值.

3)本文中主要研究了9种重要的蚀变矿物,且本文中的研究方法可以应用于更多的蚀变矿物的研究,具有实际的应用价值.

[1] 张良培,张立福.高光谱遥感[M].武汉:武汉大学出版社,2005:1,33-34,75-79.

[2] 张宗贵,王润生,郭大海,等.成像光谱岩矿识别方法技术研究和影响因素分析[M].北京:地质出版社,2006:10-12.

[3] 甘甫平,王润生,马蔼乃,等.基于特征谱带的高光谱遥感矿物谱系识别[J].地学前缘,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] 李春华,徐涵秋,陈荔聪.ASTER和Landsat-7 ETM+两种多光谱传感器影像的交互对比[J].光谱学与光谱分析,2010,30(9):2519-2520.

[8] 杨金中,方洪宾,张玉君,等.中国西部重要成矿带遥感找异常提取的方法研究[J].国土资源遥感,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] 马莉.MATLAB语言使用教程[M].北京:清华大学出版社,2010.

[13] 孙家斌.遥感原理与应用[M].武汉:武汉大学出版社,2009.