一种快速识别基性-超基性岩的新方法——基性度遥感指数法

韩海辉，张转，任广利，易欢，刘拓

(自然资源部岩浆作用成矿与找矿重点实验室，中国地质调查局西安地质调查中心/西北地质科技创新中心，陕西 西安 710054)

岩石和矿物在电磁波谱上具有其独特的诊断性波谱，利用这些特征可以区分其类型(Rowan et al.，1977；Hunt et al.，1978；Chavez et al.，1982；Salisbury et al.，1989，1994；Duke et al.，2010；张良培，2014；Asadzadeh et al.，2016；Bishop et al.，2018)。随着遥感技术的发展，如何应用成像光谱数据直接识别不同岩矿类型成为遥感地质研究的热点之一。对此，荷兰学者Van der Meer(2012)根据遥感数据源划分了3个研究时代：Landsat时代、ASTER时代、高光谱时代。在可见光-近红外光谱区(0.325～2.5 μm)，矿物中Fe2+、Fe3+、OH-、CO32-等离子或分子基团在反射谱带可形成特征吸收峰。国内外学者根据这个特征，利用主成分分析、比值分析和光谱角填图等信息增强方法，从多源遥感数据中广泛识别铁染、泥化和碳酸盐化等蚀变带，为近年全球铁、铜、金等矿种的资源勘查工作提供了有效帮助(Goetz et al.，1981；Crosta et al.，1989；Loughlin，1991；Zadeh et al.，2014；Gabr et al.，2015；Boissieu et al.，2018；Carrino et al.，2018；Govil et al.，2018)。

但对于岩浆熔离型矿床(尤其铜镍矿)来说，赋矿基性-超基性岩体多呈规模较小的岩株或小透镜体状，往往导致蚀变辉长岩等围岩中的蛇纹石化、绿泥石化、绿帘石化等低弱矿化遥感蚀变异常往往与复杂地质背景信息叠加(Gabr et al.，2010；别小娟等，2013；陈圣波等，2016；成功等，2016；Liu et al.，2018)。在此情况下，仅利用近红外波段识别蚀变矿物类型或围岩岩性通常会受到“同物异谱”和“异物同谱”的干扰，造成结果的不确定性和不可靠性。

理论上来讲，所有高于绝对零度的物体都能够辐射电磁波，具有反射、吸收、透射和发射电磁波的能力，这种特征也就是地物的电磁波谱(光谱)特征。常见造岩矿物中Si-O键的振动会产生热辐射，在8～14 μm的热红外波段范围内具有明显异常值(Salisbury et al.,1992；刘汉湖等，2008；陈圣波等，2016)。ASTER数据在热红外波谱范围内具有5个波段，可以间接反映岩石中SiO2的含量，从而为基性-超基性岩体的识别和填图提供依据。因此，前人通过遥感数据反演岩石中SiO2含量，从而划分出酸性、中性、基性地质体(杨长保等，2009；陈圣波等，2016)。但这种方法并未考虑识别出的基性-超基性岩中可能包括了碳酸盐岩等地层，因为它们同样为低SiO2含量。

针对上述不足，笔者通过分析基性岩体在热红外波谱范围内的发射谱特征，提出了基于硅化-碳酸盐化的“基性度遥感指数法”。采用多光谱ASTER数据在基性岩广泛分布的北山柳园地区进行实验，快速识别该区域基性-超基性岩；并通过室内外验证的方式定量评价新方法的有效性，为北山及西北地区基性-超基性岩体的遥感定量识别提供理论依据和技术参考。

1 遥感数据预处理

ASTER传感器搭载的Terra卫星发射于1999年12月，该数据具有3个空间分辨率为15 m的可见光和近红外波段(VNIR，0.52～0.86 μm)，6个空间分辨率为30 m的短波红外波段(SWIR，1.6～2.43 μm)、5个空间分辨率为90 m的热红外波段(TIR，8.125～11.65 μm)。国内外多项研究均表明，该数据非常适合于提取与成矿有关的各类蚀变矿物和围岩(Ninomiya，2002；Kalinowski et al.，2004；Pour et al.，2012；Son et al.，2014；韩海辉等，2016)。

本次实验使用了六景ASTER数据，获取时间分别为2001年6月6日(2景)、2001年10月28日(1景)、2002年8月12日(1景)和2004年9月27日(2景)，数据级别均为L1B。原始数据已经过了辐射校正和几何初校正，图像质量较好，无云及阴影遮盖。由于ASTER短波红外波段存在因传感器设计引起的串扰(Crosstalk)现象(Kalinowski et al.，2004；袁金国等，2009)。因此，首先使用日本地球遥感数据分析中心(ERSDAC)开发的CrossTalk 3.0软件对数据进行串扰校正。

为消除大气对反射率的影响，本次实验利用ENVI软件提供的FLAASH模块对ASTER1～9波段进行大气校正，同时利用ENVI软件提供的Thermal Atm Correction模块对ASTER10～14波段数据进行大气校正。为了获取热红外发射率值，本次研究采用ENVI平台的发射率归一化法获得ASTER影像发射率图像。

为确保ASTER数据的几何精度，本次实验以野外手持式GPS采集的控制点和研究区1∶10万DEM为控制资料；首先，利用ENVI软件提供的Orthorectification模块分别对ASTER数据1～9波段和10～14波段进行几何精校正；其次，用图像重采样方法均选择双线性插值法，各波段输出像元大小统一为30 m，通过与标志地物对比，发现校正后多光谱ASTER图像的实际定位误差约为1～3个像元，可以满足蚀变矿物提取的精度要求；最后，将可见光波段(1～3波段)、短波红外波段(4～9波段)和热红外波段(10～14波段)进行波段合并处理。对于遥感图像中的植被等干扰信息，笔者在可见光和短波红外波段采用波段比值技术进行去除。

2 “基性度遥感指数法”的提出

前人通过分析石英及其他典型硅酸盐类矿物的发射率光谱特征，建立了SiO2含量与遥感热红外波段归一化发射率值之间的数量关系，为利用ASTER热红外图像识别酸性、中性、基性地质体提供了依据(杨长保等，2009)。但这种方法在识别基性岩体时存在一定弊端，因为它并未考虑到碳酸盐岩区域同样表现出低SiO2含量的特征。中国西北地区地质背景复杂，碳酸盐岩地层广泛发育。近年在北山、阿尔金、东昆仑等地区开展的遥感地质调查研究项目中，笔者团队均发现不排除这种干扰因素很容易产生“同物异谱”和“异物同谱”的现象，会造成识别结果存在较大不确定性(任广利等，2013，2018；Yang et al.，2014；韩海辉等，2016，2018)。因此，如何进一步改进识别方法以降低干扰因素的影响值得分析。基于上述考虑，笔者通过光谱分析提出了基于硅化-碳酸盐化的“基性度遥感指数法”，即在反演SiO2含量的过程中加入碳酸盐含量这个限定因子，从而最大可能地降低碳酸盐岩等低SiO2含量地层在基性-超基性岩体遥感识别中的干扰。

通过研究，发现大多数情况下波谱数据的红外部分可利用基尔霍夫定律(E=1-R)计算地物发射率，其可行性已在前人实验和野外测量中得到验证(张莹彤等，2017)。本次研究利用JHU波谱库中石英和碳酸盐(方解石)的波谱数据计算了两者的发射率曲线，并采集到ASTER热红外波谱范围(图1)。可以发现石英在8～12 μm波段范围内的归一化发射率曲线呈现出2个明显的“V”字形振动特征峰。总体来看，在ASTER13和14波段为高发射率，在ASTER12波段附近为低发射率；而碳酸盐在8～12 μm波段范围内也呈现3个较明显的“V”字形振动特征峰，尤其在11～12 μm波谱范围的振动幅度最大，对应为ASTER13和14波段，即在ASTER13波段为高发射率，在ASTER14波段附近为低发射率。因此，根据这些显著特点，可以利用热红外数据近似反演岩体中的SiO2含量和碳酸盐含量。

a.石英；b.方解石

具体来说，根据石英在ASTER热红外的13波段发射率相对强于12波段的特征，可用Band13/Band12计算硅化指数；利用碳酸盐在ASTER热红外的13波段发射率相对强于14波段的特征，可用Band13/Band14计算碳酸盐指数。在此基础上，笔者提出“基性度遥感指数”，即在计算过程中排除碳酸盐干扰，公式定义如下。

(1)

式中BDI数值越高代表岩石的基性度指数越高，即岩石为基性-超基性岩的几率越大。

3 “基性度遥感指数法”的测试

3.1 测试区地质概况

测试区位于甘肃、新疆交界部位的柳园镇区域，大地构造位置介于西伯利亚板块、哈萨克斯坦板块与塔里木板块三者之间，属中元古—早古生代多旋回北山裂谷带，是在前寒武纪稳定陆块上发育的多阶段构造-岩浆岩带。该区域大地构造位置属北山裂谷带，南北横跨星星峡-旱山微板块、敦煌微板块2个二级单元(杨建国等，2012)。铜镍矿化基性-超基性岩体集中产于布特-平头山微地块中及其两侧2条区域性深大断裂带(大山头-岗流脑子和方山口-庙庙井-双鹰山)附近；区内地层出露较全，从中—新元古界、古生界及新生界均有出露。区域上产出众多镁铁-超镁铁质岩体，已发现铁、铜、镍、金、钨、铅锌等矿产地几十余处，是北山成矿带中一个重要资源勘查区(胡鹏，2007；王立社等，2008；杨建国等，2012)。

根据已知地质调查图件修编的基性-超基性岩体分布图(图2)，可以看出测试区内基性-超基性岩体主要分布于明舒井—红柳沟—北大泉、辉铜山和三个井—罗雅楚山—怪石山一带，其他区域呈零星出露状况。前人研究表明，该区域矿化岩体均为强烈分异或多期次侵位的小岩体，部分含矿岩体围岩蚀变强烈，以蛇纹石化、绿泥石化和滑石化为主(杨建国等，2012；谢燮等，2015)。

图2 测试区基性-超基性岩分布图(据1∶100万地质图和1∶10万地质图修改)

3.2 “基性度遥感指数法”的识别结果

基于实验中采用的六景ASTER热红外数据，笔者利用“基性度遥感指数法”获取了测试区岩体基性度指数图(图3)，这为分析和判断基性-超基性岩体的分布及特征提供了基础数据。图3中，深棕色区域是基性度指数的高值区，代表这些区域为基性-超基性岩体的概率较大；形态来看，高值区主要呈现斑块状或条带状，较明显的高值分布区位于辉铜山、红柳沟—北大泉、老金厂—红柳园、照壁山、天湖—星星峡一带及墩墩山附近。

为有效评估识别结果的准确性，笔者综合利用已知地质资料(1∶100万地质图、1∶250万地质图、营毛沱-玉石山地区1∶10万成矿预测图)和野外地质调查结果，对基性度指数值高的区域选取验证点，核查对应的岩性。实验中共选取65个验证点(图3)，基本覆盖了所有高值区域，然后将对比结果以混淆矩阵的形式进行统计(表1)。

表1 验证点岩性的混淆矩阵表

结果表明，虽然仍有部分地层和中酸性岩体被误识别为基性-超基性岩，但总体来说“基性度遥感指数法”识别效果较好，准确率可达70%左右，而且通过新方法识别的基性-超基性岩体斑块边界比以往地质图中填绘的边界更为精细和准确。另外，通过对比验证，发现一般线状或条带状分布的高值区域基本为地层，可分3类：①由玄武岩、安山凝灰岩、流纹岩等组成的中基性火山岩。例如，金塔组和墩墩山组。②由各种变质岩组成的敦煌杂岩。③含白云质灰岩的碳酸盐岩。例如，平头山组。而基性-超基性岩体多呈现为斑块状。图3中还有个别高基性度值的小斑块在已知地质图上未被单独标识或标识为中酸性岩体(闪长岩)，因野外未能逐一核查，故无法判断是否为遗漏或错标的基性-超基性小岩体，这些疑似斑块一定程度上也影响着本次评估的精度(评估中按非基性-超基性岩统计)。

图3 测试区基性度遥感指数图

3.3 典型矿区识别结果的应用分析

在测试区内已发现了多个与基性-超基性岩体有关的矿(化)点。其中，红柳沟铜镍矿点和三个井铜镍矿点是较为典型的岩浆熔离型矿点。笔者对这2个矿点区的遥感地质特征进行了综合分析。

从成矿地质背景来看，红柳沟铜镍矿点与三个井铜镍矿点同处于北山裂谷带中。其中，红柳沟铜镍矿点位于三个井铜镍矿点北侧，区内发育的红柳沟基性-超基性岩体位于塔里木板块北缘北山裂谷带，岩体两侧分别为大山头-岗流脑子、方山口-庙庙井-双鹰山2条区域性深大断裂带；岩石主要由辉长岩、橄榄辉长岩、辉石岩等组成，岩石具有多期侵位且岩相分异性好的特点(杨建国等，2012；谢燮等，2015)。

区内主要出露地层为晚太古—早元古代敦煌岩群深变质岩建造、蓟县系平头山组富镁碳酸盐岩及少量火山岩建造、奥陶系罗雅楚山组浅海半深水相硅质岩、浊积岩沉积；基性-酸性岩浆岩均有出露，主要为基性岩体，变质岩为花岗闪长质片麻岩(图4a)(杨建国等，2012)。

从图4b可以看出，红柳沟大岩体的基性度指数表现为高值，呈北东向断续延伸的条带状或斑块状分布，这与前人1∶10万地质矿产图(杨建国等，2012)(图4a)中基性岩体的分布区域基本吻合。理论上来说，本次遥感分析结果展示的基性岩体边界和形态更为准确。另外，也发现该区域存在多个地磁异常和化探异常，这些异常勾画区与基性度遥感指数高值区重合较好。以上结果也印证了利用本文这种遥感方法快速识别出的基性岩体具有较高的可对比性。

a.已知地质矿产图；b.基性度遥感指数图

遥感图像上，不管是在中空间分辨率的Landsat-7，还是高空间分辨率的WorldView-2中，红柳沟基性大岩体也是清晰可辨易区分。主要表现为正地形、暗色、表面较平缓、影像纹理呈现刀砍状。其中，Landsat-7的741波段假彩色影像上呈红棕色-褐色，而WorldView-2的841波段假彩色影像上呈灰褐色-深褐色。另外，该基性岩体中新解译出多组近东西向次级断裂与北西向次级断裂，呈现纵横交错的分布局面(图5)。

a.Landsat-7 741波段影像图；b.WorldView-2 841波段影像图

野外地质调查时，发现红柳沟基性岩体以辉长岩为主，基本呈岩株或岩脉状产出，露头小；发育在断裂破碎带附近的辉长岩蚀变现象强烈，取样可见较明显的褐铁矿化、绿泥石化、绿帘石化等，局部可见孔雀石化(图6)。对矿区内铜镍矿化的蚀变辉长岩样品(编号29)进行光谱测量(利用ASD光谱仪)，发现其光谱曲线表现出0.6～0.8 μm，0.8～1.2 μm处的Fe3+离子与Fe2+离子的吸收谱带，并在2.250 μm处和2.345 μm处具有Fe-OH和Mg-OH吸收峰，峰形都较深，表现出明显的绿泥石化蚀变特征；经Specmin软件进行光谱解混计算，得出其蚀变矿物主要有绿泥石、绿帘石、蛇纹石等；将蚀变辉长岩光谱曲线与USGS光谱库中已知矿物的光谱曲线对比，发现蚀变辉长岩光谱曲线上表现出的Mg-OH吸收峰位与绿泥石光谱曲线中Mg-OH特征吸收峰位大体一致(图7)。

图6 红柳沟地区蚀变辉长岩照片

a.绿帘石(USGS光谱率)；b.绿泥石(USGS光谱率)；c.蚀变辉长岩(ASD光谱率)；d.褐铁矿(USGS光谱率)

通过以上对典型矿区的综合分析，本实验进一步验证了利用基性度遥感指数结果判别基性-超基性岩体的可行性和有效性。因此，笔者重新厘定测试区基性-超基性岩体后新识别的疑似小斑块很可能就是尚未发现的基性-超基性岩体，这为该区域今后寻找岩浆熔离型矿床(点)提供了新线索，也为在北山乃至西北其他区域开展同类研究提供了新参考。

4 结论

(1)石英和方解石在8～12 μm波段范围内归一化发射率曲线分别呈现出2个和3个较明显的“V”字形振动特征峰，据此提出了一种基于硅化-碳酸盐化的“基性度遥感指数法”。

(2)“基性度遥感指数法”对基性-超基性岩体的总体识别精度可达70%左右，且识别的岩体边界比以往地质图中填绘边界更为精细，较好地实现了快速识别基性-超基性岩体的目的。

(3)“基性度遥感指数法”识别基性岩体的分布特征与实际地质状况吻合，基性度遥感指数高值区与已知地磁异常和化探异常也有较好重叠，这为利用多种方法快速锁定基性-超基性岩体提供了新思路，尤其是新发现高基性度值疑似的斑块值得核查。

(4)“基性度遥感指数法”对部分地层和中酸性岩体仍然有误识别现象，下一步将结合更多实测光谱数据和人工智能识别技术进一步改进算法，提高其可靠性和精确性。