频率域航空电磁异常的数字化识别筛选技术

李文杰

(中国地质科学院 地球物理地球化学勘查研究所， 廊坊 065000)

频率域航空电磁法在进行矿产勘查时沿测线连续测量，平均每15 m一个数据，测线长度十几千米至上百千米，一个测区测线总量从几百测线千米到几十万测线千米不等。一般每测线千米数据中平均会出现2 处～3处明显的异常，一个测区则会产生数千至数十万个异常。在如此巨量的航空电磁异常中，排除飞行过载、工业电、飞行高度变化、地质噪声等干扰引起的假异常，快速和高效地识别和筛选出有意义的基岩异常，是有效发挥航空电磁法快速高效勘查优势的关键技术。

作者基于中国地质科学院地球物理地球化学勘查研究所(简称物化探所，IGGE)研制的国内唯一自主技术固定翼频率域航空电磁系统—HDY-402三频航电系统的特有技术，参考国内、外相关技术，借鉴传统的人工异常识别筛选方法，开发了计算机软件异常识别、筛选和解释算法(Computer-aided Anomaly Detection, CAD)，并编制了应用软件，应用在内蒙古地区开展的约42.3万测线千米航空物探综合勘查项目中，有效地提高了海量异常识别筛选的工作效率和质量。

1 国内外研究情况

国外在上世纪七十年代初，针对固定翼频率航电数据，开发了基于计算机的交互式异常识别技术[1-2]，提高了异常解释效率。九十年代末，澳大利亚矿产堪查工业联合研究中心[3](CRC AMET)开发了EM FLOW数据处理解释软件，可以在时间常数(tau)域内根据设定的参数实现航电异常的快速自动识别和反演计算。Valleau[4]系统地介绍了DIGHEM直升机频率域航空电磁数据的处理流程，实现了航电异常的计算机提取、筛选及人工辅助判别。Huang[5-6]提出用多个频率电磁耦合谱的不同特征来识别频率域航电异常，用于UXO探测。

在国内，八十年代初，周凤桐[7]总结了固定翼频率域航空电磁资料的人工处理流程，李文杰[8]研究了固定翼频率域航空电磁异常软件识别技术。在航空电磁异常的软件数字化自动快速拾取和识别方面，国内未见其他相关报导。

2 方法步骤

这里讨论的航电异常数字化识别筛选，主要是指识别局部异常，筛选出其中的有意义的良导基岩异常。异常的计算机自动识别和交互判别，简单地说就是将人工识别经验和技术数字化为计算机标准识别参数和程序代码。航电异常软件自动识别的过程与人工异常识别大体一致，需要经过如下几个步骤：

1)异常自动拾取：即选出一般意义上的待选异常。

2)异常识别筛选：用约束条件来剔除待选异常中明显无意义的异常。

3)交互辅助判别：进一步剔除地质噪声、地形效应异常等难于自动识别的异常。

2.1 异常自动拾取

对经过噪声滤波、相位改正、零漂改正等处理的三频航电剖面数据，取梯度后判别拾取出曲线波峰、波谷，再标记出所有大于三倍噪声水平的待选异常；然后提取异常信息，计算每个异常的半极值宽度、异常幅值、实虚分量比、视电阻率、视深度、飞行高度、地形及地形匹配系数、工业电干扰、过载等相关信息。这些数字化了的异常信息，是下一步自动识别的基础信息。

假设航电某频道曲线为Eij(i为测线号，j为测点号)(图1)，则它的梯度为

Δe(i,j)=grad(Eij)=E(i,j+1)-E(i,j)

(1)

如果Δe(i,j)=0，则在Eij上出现一个拐点，当在拐点相邻点的梯度满足式(2)时

(2)

则拐点对应E(i,j)曲线上的一个谷点(如图1中的点A、C)。同理，当拐点相邻点的梯度满足：

(3)

则拐点对应E(i,j)曲线上的一个峰点(如图1中的点P)，一个波峰加相邻两个波谷就是一个异常。

异常拾取过程中，附带地可以计算出异常的半极值宽度Pw、异常的峰值高度Pp、实虚分量比，以及峰值点处的视电阻率、视电阻率峰值等信息，以备后续步骤筛选。

2.2 自动异常识别

根据基岩异常的特征，设定异常峰值、半极值宽度、背景场值、飞行高度、多频道交集、视电阻率峰值、覆盖层判别等筛选条件，对待选异常进行自动筛选识别，给出异常分类。

虽然数据预处理时进行了噪声滤波，但系统噪声在异常筛选阶段依然需要被考虑。由于噪声的存在，异常峰值高度Pp一般会有一个最小限制即Ppmin≥3·vN，vN是系统的噪声水平，即当异常的峰值高度Pp大于三倍噪声水平时才被考虑。

图1 异常的拾取原理

1)半极值宽度。大多数矿体规模比较小，尤其硫化矿体，其走向长度大约在200 m～300 m以下的居多。即使是规模比较大的矿体(如磁铁矿体或大型硫化矿体)，其走向长度可以大于500 m ～600 m，但往往由于地形或者矿体本身倾伏等原因，并不总是能使矿体整个地位于系统的探测深度范围之内，因而实际上反映在航电异常曲线的半极值宽度一般都小于500 m。

2)异常背景。有意义的矿体异常一般不会出现在大面积的低阻区，因此异常波谷的场值可以作为异常背景加以约束，波谷谷点处的场值大于某个限制后，异常可以不被考虑。

3)测量飞行高度。航电接收的二次场随着测量高度的增加以三次幂或更大的速率衰减。测量高度超高时，航电响应中噪声、零漂等干扰因素所占比重成倍增加，测得异常的可信度很低。根据实践经验，一般可以取70 m～80 m作为异常峰值点测量高度的上限。

4)工业电干扰。航电接收的二次场响应异常有一部分是由于50 Hz工业电干扰及飞行过载引起的，这类异常可以利用辅助设备提供的辅助参数来判别和剔除。一般航电系统50 Hz监测输出的信号小于100 mV；当测线上有工业电高压线等干扰时，50 Hz监测输出的信号会远大于100 mV，并随干扰强度的变化而改变。

5)过载干扰。系统自带的过载计在飞行相对平稳时的输出通常小于±0.15 g，当飞机遇到气流或突然的机动动作会使过载计输出产生正负变化，当过载输出大于±0.15 g时所引起的异常可以判断为过载异常，并加以剔除。

6)多频道信息。HDY-402航电系统共有463 Hz、1 563 Hz、8 333 Hz三个工作频率，相对而言中频和低频的探测深度较大，因此在判断异常时主要以中低频为主、高频为辅。如果中低频同时具有异常，则是良导基岩异常的可能性较大。结合低、中、高频的视电阻率、视飞行高度数据，依据视电阻率与二层大地模型的关系，还可以推断出二层大地的电阻率高低，对覆盖层异常的判别帮助很大，也可以作为一类约束条件。

在异常自动识别运算过程中，约束条件如果采用上限和下限双边限制，结合特别给定的约束条件组合，就可以对某类特定类型的异常进行识别，而不光是良导基岩异常。

举例说明，如果将半极值宽度、峰值高度、异常背景、测量高度等约束条件的上限和下限都放宽，即相当于不限制这些条件，而只将辅助信息中的50 Hz工业干扰下限设得较小，如小于100 mV，上限放宽，则可以得到满足大于100 mV下限标准的的50 Hz工业电干扰引起的干扰异常。

2.3 交互辅助识别

数据解释人员根据异常信息，参考地质、化探等相关资料，对自动识别拾取的异常逐个进行解释推断，剔除地形效应、负地形、覆盖层等地质噪声引起的假异常，以及过载、工业电等引起的干扰异常，对推断的基岩异常进行标识。同时对未被自动识别拾取的异常进行补查，以免遗漏可能的基岩异常；最后将所有已标识的异常信息进行输出和汇总。

图2是两处在内蒙二连浩特测区用软件自动识别出来的航电典型异常。图2中曲线自上至下依次为异常响应的视电阻率、高频8 333 Hz(HI/HQ)、中频1 563 Hz(MI/MQ)、低频463 Hz(LI/LQ)实虚分量、飞行高度、地形等剖面曲线。图2(a)为三频航电在一处已知热液型铜矿化点上的异常响应曲线，对应有明显的中低频视电阻率异常。图2(b)为一处典型的残坡积(低洼地)引起的地表覆盖层异常，对应有高频视电阻率异常，中低频视电阻率无明显异常。

2.4 异常自动识别的软件流程

1)准备数据。用于进行异常识别的航电数据需经过噪声滤波处理、相位改正及零漂改正。噪声滤波处理是必须的，其意不言自明。未进行相位改正和零漂改正的航电数据，在进行异常信息提取时，将得到错误的视电阻率、视深度结果，无法保证异常背景、覆盖层异常判定等约束条件的有效性。

2)设定异常筛选条件。设定异常峰值、半极值宽度、背景、测量高度、多频道交集、视电阻率峰值、覆盖层判别等筛选条件。上述异常筛选的约束条件因为都用上、下限数值赋值，因此可以交集使用，或通过将某一项或几项约束条件的上、下限数值设定为完全满足而不参与异常筛选的条件约束。

3)异常拾取。计算航电各频道实、虚分量曲线的梯度，根据正、负峰组合判断拾取波峰、波谷，一个波峰及相邻两个波谷构成一个被选异常。

4)异常信息提取。计算被选异常的峰值、半极值宽度、视电阻率、视电阻率背景、测量高度、多频道交集、视电阻率峰值、视飞行高度等信息，并根据半极值宽度等条件识别双峰异常。

图2 已知矿化点异常和残坡积引起的覆盖层异常综合剖面图Fig．2 Composite profiles of an ore anomaly and a residual sediment anomaly (a)矿化点异常；(b)覆盖层异常

5)应用约束条件筛选异常。应用异常筛选条件，筛选出符合各约束条件交集的异常。如上所述，约束条件可根据任务需要进行设定，因而可以区分出50Hz工业电干扰异常、覆盖层异常等特定类型异常。

6)输出异常筛选结果。将异常结果输出为文本文件，其中包含异常的各种信息，及位置坐标、异常种类、评级等，供方法解释人员进一步筛选。

7)辅助信息解释。根据地形剖面曲线等辅助条件对异常筛选结果进行进一步分类，剔除负地形异常及地形效应异常。

将异常识别算法用软件代码实现，然后再依据以上流程就可以编织出航电异常识别程序(图3)。

图3 异常自动识别流程Fig．3 Flow chart of the digital anomaly detection and classification

3 应用实例

图4为内蒙古某测区航电异常自动拾取的结果。图中彩色底图为视电阻率平面图(暖色代表视低电阻率，冷色代表高视电阻率)，紫色三角点为自动拾取的异常位置，黑色箭头所指蓝色圆点为已知矿或矿化点。可以看到在图中间最上部①、④号已知矿化点与自动异常拾取的位置是完全对应的。①号异常为已知的热液型铜矿化点，自动识别在8 040线上有明显航电响应异常与之对应(图5)。该异常控制长度2 km，半极值宽度297 m，飞行高度48 m，中频和低频实虚分量比分别为1.88和1.76，异常清晰。④号已知热液型铜矿化点在8 170、8 180线间穿过，在8 180线矿化点附近自动识别找到了航电异常，但异常峰值较小。②号已知热液型铜矿化点在6 870线上方通过，但测线上未见明显异常，在相邻的6 850线、6 860线航电异常明显。③号已知热液型锰矿化点位于8 240线、8 250线间，为热液型铜矿化点，在测线上未发现明显异常，但在相邻的8 270、8 280、8 290线上自动识别出了异常条带。

图4 内蒙某测区航电异常自动识别筛选结果Fig．4 Digital detection and classification results of a survey area in Inner Mongolia

图5 内蒙某测区8040线上的已知矿上航电异常响应

4 结论

频率域航空电磁异常的数字化自动识别筛选技术补充完善了国产HDY-402三频航空电磁系统数据处理技术，开发的异常识别程序实用、高效，可根据解释人员定义的不同约束条件检出不同类型的航电异常，提高了数据处理的效率和质量，填补了国内该领域的技术空白。但是受到数据质量不佳及数据信息量有限等条件的限制，航电异常的自动识别筛选结果中包含有干扰异常，仅能实现异常的初步筛选，还不能完全替代解释人员的人工判别。

参考文献：

[1] DAVID FOUNTAIN, RICHARD SMITH. 55 Years of AEM; 50 Years of KEGS! Fugro Web Site, 2003, www.fugro.com.au.

[2] PALACKY G J, WEST G F. Computer Processing of Airborne EM Data[J]. Geophysical Prospecting, 1974, 22:490-509.

[3] EM FLOW. User Guide and Reference Manua[M]. Encom Technology Pty Ltd.

[4] NICHOLAS VALLEAU. HEM Data Processing-A Practical Overview[M]. Proc. 14th ASEG Conf and Exhibition, 2000, Perth, Australia.

[5] HAOPING HUANG, WON I J. Identification of Mineral Deposits using airborne electromagnetic spectra[M]. SEG Annual Meeting, 2002.

[6] HOAPING HUANG. Automated anomaly picking from broadband electromagnetic data in an unexploded ordance (UXO) survey [J] .Geophysics, 2003, 68(6), p1870-1876.

[7] 周凤桐. 补偿式航空电磁法[J]. 物化探研究报道，1982(11):1-78.

[8] 李文杰. 频率域航空电磁数据处理技术研究 [D] .北京：中国地质大学, 2008.