GF-5星载AHSI和航空高光谱矿物填图对比——以新疆雪米斯坦地区为例

刘洪成，黄涛，鲁纳川，叶发旺，张川

（1.核工业北京地质研究院 遥感信息与图像分析技术国家级重点实验室，北京 100029；2.山东省煤田地质局第五勘探队，山东 济南250100）

高光谱遥感技术在对目标地物探测的过程中，可以同时获取地物的空间特征和连续的波谱信息，具有“图谱合一”的特点，目前已在自然资源普查、环境与生态监测、地质矿产勘查等领域得到广泛应用。

随着近几年国内外航天和航空高光谱遥感设备研制的进步，高光谱遥感数据类型越来越丰富，不同尺度的高光谱遥感数据层出不穷，基于高光谱遥感影像的蚀变矿物提取方法越来越多。而高光谱遥感数据类型的不同，获取的经济成本不同，在地质应用过程中的识别技术和识别结果亦有差异，在矿物提取过程中，选择合适的遥感数据类型更加重要。张川等［1］利用航空高光谱数据CASI/SASI对新疆白杨河铀铍矿区进行矿物填图，董新丰等［2］利用GF-5（高分五号遥感卫星）影像光谱与相同位置的HyMap影像光谱进行矿物填图的结果分析指出GF-5填图结果正确率优于90%；田茂杰［3］指出SASI航空高光谱数据矿物填图种类和精度明显高于Hyperion数据；Chen［4］在对中国西南龙头山铅锌矿床热液蚀变矿物填图进行高光谱遥感数据源对比中指出ASTER和GF-5数据的总体精度为82.6%及92.9%。国内外对GF-5和CASI/SASI的数据源对比鲜有提及。

因此，本文基于新疆雪米斯坦地区高分5号星载AHSI（高光谱成像仪）和航空CASI/SASI高光谱遥感数据，通过系统分析二者数据特点、数据预处理、不同尺度光谱特征，结合野外地面光谱测量验证和地质验证，对矿物提取效果和填图结果进行对比研究，旨在为未来的地质矿物填图工作在数据选择方面提供一定的参考。

1 地质概况及数据来源

1.1 地质概况

研究区位于新疆塔城雪米斯坦地区，地处准噶尔盆地西北缘，以中低山丘陵为主。出露最老地层为奥陶系，晚古生代泥盆系分布最广［5］。在大地构造上，处于西伯利亚板块与哈萨克斯坦-准噶尔板块的交汇处，自古生代起经历了多期构造运动，地壳演化成熟度较高，研究区及其邻区发育有大量基性-酸性的火山岩，是我国重要的火山岩成矿区［5-8］。目前已发现的矿产以铀、铍为主，控矿构造、热液蚀变等成矿地质要素较发育，种类多样，常见赤铁矿化、碳酸盐化、绢云母化等［5-7］，该成矿区找矿潜力较大。

最早发现的铀矿化主要位于杨庄岩体东段北缘接触带附近，品位相对较低，近些年新发现的铀矿化主要位于杨庄岩体中西段的岩体中部，品位相对较高（图1）。铀矿化平面展布方面大致有两个趋势，一是靠近矿区北缘的铀矿化主要呈近东西向展布，另一则是位于矿区中部的铀矿化主要呈北西走向展布。铀矿化纵向上受杨庄岩体与下伏火山岩的接触带控制，且接触带与闪长岩、辉绿岩脉的复合部位往往形成高品位铀矿，接触带与北东向、北西向破碎带复合部位常形成低品位铀矿。

1.2 数据来源

本次研究收集了CASI/SASI航空高光谱数据与高分5号（GF-5）星载AHSI数据，覆盖范围如图1所示，主要集中在白杨河铀铍矿区及其周边。两类高光谱遥感数据参数见表1。

表1 航天高光谱GF-5与航空高光谱CASI/SASI参数对比Table 1 Parameter comparison between Aerospace hyperspectral GF-5 data and Airborne CASI/SASI data

图1 雪米斯坦火山岩带侵入岩体分布图（底图据参考文献［1］）Fig.1 Geological sketch of Xuemisitan volcanic belt（Modified after reference［1］）

2 GF-5星载AHSI高光谱影像数据处理

2.1 星载AHSI高光谱辐射校正

AHSI（高光谱成像仪）高光谱影像光谱分辨率高，波段宽度较狭窄，因此波段设置一般对应很窄的大气吸收段或较宽的光谱吸收段边缘，每个波段受大气影响的程度和相邻波段不一致。在卫星发射之前，要对它进行实验室光谱和辐射定标，确定每个谱段的波长位置和光谱响应函数，并建立不同谱段入瞳辐射亮度值（L）与成像光谱仪输出的数字量化值（DN）之间的定量关系。

式（1）中，gain为增益，offset为偏置。图2为经过辐射校正后的制备光谱曲线对比。

图2 GF-5影像辐射定标前后同一地物（植被）波谱曲线对比Fig.2 Comparison of spectral curve of the same object（vegetation）before and after radiometric calibration

2.2 星载AHSI高光谱大气校正

在太阳-大气-目标-大气-遥感传感器的光线传播路径中，许多因素的影响造成接收的信号不能准确地反映地表物理特征。这些影响因素主要有：大气分子和气溶胶的瑞利散射和米氏散射作用，分子和气溶胶的吸收、散射及两者的耦合效应；地表因素和邻近效应；地形因素；太阳辐射光谱的影响等。在所有的因素中，大气影响是首要的，也是需要重点消除的因素。

大气校正的目的是要消除这些影响，使对地表真实反射率的反演成为可能。高光谱遥感数据的大气校正和光谱重建主要是将高光谱仪获得的图像辐射亮度DN值转换为反射率值，为进行矿物识别与矿物填图奠定基础。为便于后期与CASI/SASI数据矿物填图结果对比，采用ENVI平台下的FLAASH辐射传输模型对辐射校正后的辐射亮度数据进行大气校正与光谱重建，结果如图3所示。

通过对校正前后的研究区同一地物波谱反射曲线进行对比（图3），发现校正前后波谱形态发生了明显的变化，两个短波红外波段的水汽吸收区间（1 342.14～1 443.51 nm，1 797.02～1 956.99 nm）为非真值。因此，后期光谱匹配与矿物识别过程中均将该区间反射率值剔除。

图3 GF-5影像大气校正前后同一地物（植被）波谱曲线对比Fig.3 Comparison of spectral curve of same object（vegetation）before and after atmospheric correction

3 CASI/SASI航空高光谱影像数据处理

3.1 CASI/SASI航空高光谱辐射校正

采用实验室辐射定标获取*.rad和*.sad定标文件，通过CASI/SASI测量系统自带的预处理软件，对航空飞行采集的原始数据进行光谱和辐射校正，保证CASI/SASI航空高光谱成像仪在飞行过程中对地物反射辐射的定量测量。

3.2 CASI/SASI航空高光谱大气校正

通过获取同步或准同步测量“明暗自然地物或人工目标”的光谱曲线，利用“空地回归分析方法”对影像数据与地面同步或准同步实测目标的光谱做最小二乘拟合，将CASI/SASI航空高光谱影像辐射亮度值转化为地面反射率值。本文利用航空飞行数据采集时同步测量的地面白云母等典型地物光谱曲线，采用经验线性法［9］进行大气校正和光谱重建工作，图4为实测蚀变岩石SASI数据光谱重建前后图像曲线对比。

图4 实测蚀变岩石SASI数据光谱重建前后图像曲线对比Fig.4 SASI spectral curves of the altered rock before and after spectral reconstruction

4 高光谱矿物填图

基于目标地物的光谱特征进行岩矿识别的方法是目前常用的矿物填图方法，即根据全波段光谱特征进行匹配，或选取某一特定波段的光谱特征进行匹配，主要包括：光谱角填图法（SAM）、光谱信息散度法（SIDM）和混合调谐匹 配 滤 波 法（MTMF）［10-13］。其 中，经 过 大气校正后反射率曲线是开展高光谱矿物填图的基础［9］。

4.1 基于高光谱技术的矿物提取方法

本文采用基于高光谱技术的矿物提取技术流程如图5所示。根据研究区典型矿物的光谱特性，可见光-近红外波段主要用于提取褐铁矿化和赤铁矿化信息。短波红外波段主要用于提取黏土类蚀变矿物信息。

图5 基于高光谱数据的矿物填图技术流程Fig.5 Technical process of mineral mapping based on hyperspectral data

1）端元波谱识别

基于“沙漏法”矿物填图处理流程，依次进行MNF（最小噪声分离）变换、计算纯净像元指数，经过N维可视化，从高光谱图像中提取出端元光谱，再经过与标准光谱曲线对比，最终确定矿物种类（图6）。

图6 部分矿物CASI/SASI端元光谱曲线Fig.6 End member spectral curve of some altered minerals from CASI/SASI data

2）端元波谱分析

赤铁矿和褐铁矿，在波长450～1 050 nm具有较高的光谱曲线拟合度，并且在823～957 nm具有明显的吸收谷。绢云母在2 000～2 420 nm具有较高的光谱曲线拟合度，在2 195～2 210 nm是Al-OH典型吸收特征。绿泥石、绿帘石在2 330～2 345 nm和2 255 nm具有两个吸收谷。白云石、方解石在2 315～2 330 nm和2 150 nm及2 135 nm具有两个吸收谷（图7）。高岭土在2 195～2 210 nm和2165均有吸收谷。

图7 部分矿物GF5星载AHSI端元光谱曲线Fig.7 End member spectral curve of some altered minerals from AHSI data

3）光谱匹配

采用光谱角匹配和基于混合像元解混的混合调谐匹配滤波法（MTMF），设置一定的阈值 从USGS（United States Geological Survey，美国地质勘探局）光谱库或者地面实测光谱中选择矿物光谱进行匹配［13］。

4）矿物识别准确率评定

采用剖面查证与随机点查证相结合的方法，地面采样、地物光谱仪实地光谱测量和室内岩矿鉴定相结合的手段，以填绘的独立异常区为单位对填图结果开展野外验证。通过对两种不同尺度高光谱数据蚀变矿物填图结果对比分析，发现两种数据提取的矿物在空间分布上一致性较好，经过野外查证，提取矿物的准确率较高。

4.2 CASI/SASI数据矿物填图

通过对研究区CASI/SASI数据的光谱重建处理、端元提取和端元光谱分析，成功提取了赤铁矿、绢云母、高岭石、绿泥石、绿帘石、蒙脱石、叶蜡石、迪开石、碳酸盐等矿物或矿物组合（图8）。并根据2 210 nm附近吸收峰位置的变化，进一步将白云母、伊利石、绢云母提取为富铝、贫铝、中铝云母类矿物［14］。根据2 330 nm吸收谷左右两个肩部反射率比值的关系，进一步将绿泥石和绿帘石区分。根据2 315 nm和2 330 nm吸收谷位置来区分白云石和方解石矿物。根据高岭土、迪开石等矿物2 165 nm处吸收深度及与2 210 nm、2 270 nm、2 315 nm吸收位置的关系进行区分。

图8 雪米斯坦地区CASI/SASI航空高光谱数据矿物填图Fig.8 Mineral mapping result of airborne hyperspectral CASI/SASI data in Xuemisitan area

4.3 GF-5星载AHSI数据矿物填图

过对研究区GF-5星载AHSI数据的光谱重建处理、端元提取和端元光谱分析，成功提取了绢云母、绿帘石、绿泥石、蒙脱石、方解石等矿物，结果如图9所示。提取的矿物主要集中在白杨河矿床以北地区，其中高铝绢云母主要分布在研究区西北部，而绿泥石和绿帘石分布在东北和中部偏北地区，研究区西北部分布有高铝绢云母、高岭石等矿物混合物，与CASI/SASI提取结果有很好的一致性。

图9 雪米斯坦地区GF-5星载AHSI高光谱数据矿物填图Fig.9 Mineral mapping result of GF-5-AHSI hyperspectral data in Xuemisitan area

5 结论

1）本文以新疆雪米斯坦地区两种不同尺度的高光谱数据为基础，在对两种数据进行预处理工作的基础上，选定合适的端元波谱，运用混合调谐匹配滤波方法基于AHSI星载高光谱数据和CASI/SASI航空高光谱数据进行了蚀变矿物提取。

2）通过对比分析两种不同尺度高光谱数据蚀变矿物提取结果，发现两种数据提取的矿物在空间分布上一致性较好，经过野外查证，本次提取矿物的准确率较高。但AHSI数据提取的矿物种类少于CASI/SASI数据，且不能对绢云母亚类进行细分，原因在于空间分辨率差别比较大，但可以满足一般地质勘查的需求。由于在实际工作中CASI/SASI数据获取成本远高于AHSI数据，因此，在地质勘查工作中应坚持航空高光谱为主，航天高光谱为辅的策略。需要寻找一种兼顾两者优点的高光谱遥感数据获取方式，例如无人机载高光谱遥感，会成为未来的发展趋势。

致谢：感谢中国科学院上海技术物理研究所提供了GF-5星载AHSI高光谱遥感数据。