遙感技術(shù)在地質(zhì)找礦中的應(yīng)用

余先川，熊利平，張立保，胡 丹，卞珊珊，張遠(yuǎn)飛

(1.北京師范大學(xué)信息科學(xué)與技術(shù)學(xué)院，北京 100875;2.有色金屬礦產(chǎn)地質(zhì)調(diào)查中心，北京100012)

0 引言

遙感是指運(yùn)用現(xiàn)代技術(shù)和先進(jìn)工具，不與目標(biāo)接觸而直接從遠(yuǎn)距離接收目標(biāo)物體電磁波譜信息，通過傳輸、存儲(chǔ)和處理，對(duì)信息進(jìn)行分析與解譯的一門新興的綜合性科學(xué)技術(shù)(梅安新等，2001)，是一種快速、有效的大范圍信息獲取技術(shù)。

過去的30～40年間，隨著多光譜技術(shù)的開發(fā)與成像光譜儀的研制成功，遙感實(shí)現(xiàn)了從多光譜到高光譜甚至超高光譜的發(fā)展，同時(shí)也向定量化、精細(xì)化和智能化方向演進(jìn)。遙感數(shù)據(jù)具有時(shí)實(shí)性高、覆蓋范圍廣、信息豐富客觀等優(yōu)點(diǎn)，已經(jīng)被廣泛應(yīng)用于各個(gè)領(lǐng)域。

自20世紀(jì)70年代起，Hunt(1977)、Cooper等(2002)以及Clark等(1991、1996)深入研究了巖石礦物的光譜特征以及處理技術(shù)，為遙感礦產(chǎn)信息提取、使用遙感方法直接識(shí)別礦物、計(jì)算礦物含量、分析化學(xué)成分、以及分析礦物內(nèi)部晶體結(jié)構(gòu)奠定了理論基礎(chǔ)。目前，利用遙感數(shù)據(jù)進(jìn)行地質(zhì)找礦的相關(guān)技術(shù)已日趨成熟。

傳感器的發(fā)展使得探測(cè)波段不斷細(xì)分，光譜分辨率不斷提高，使地質(zhì)找礦從定性化向定量化轉(zhuǎn)變。近幾十年來，成像光譜技術(shù)的發(fā)展不斷促進(jìn)地質(zhì)找礦方法的完善，提高了遙感地質(zhì)找礦精度。本次研究將從多光譜成像與高光譜成像2個(gè)方面介紹相應(yīng)的找礦方法與找礦應(yīng)用，論述遙感影像應(yīng)用與遙感找礦應(yīng)用的發(fā)展趨勢(shì)，并對(duì)目前遙感領(lǐng)域中的相關(guān)難點(diǎn)進(jìn)行總結(jié)。

1 遙感找礦技術(shù)與應(yīng)用

不同礦物會(huì)表現(xiàn)出不同的光譜吸收特征：在可見光和近紅外光譜段(VNIR，0.4～2.5 μm)，礦物的光譜吸收特征主要?dú)w因于Fe2+、Fe3+等過渡金屬離子的電子躍遷，可識(shí)別礦物有Fe、Mn等過渡元素的氧化物及氫氧化物;在短波紅外譜段(SWIR)，礦物的光譜吸收特征則主要因?yàn)榈V物中 Al—OH、Mg—OH、C以及N等基團(tuán)分子基諧振動(dòng)的倍頻和諧頻，可以識(shí)別含羥基礦物、碳酸鹽礦物以及部分水合硫酸鹽礦物;熱紅外波段(TIR，8～14 μm)和中紅外波段(MIR，3～5 μm)在地質(zhì)研究中同樣具有巨大潛力，對(duì)于一些礦物(如石英、長石、輝石等)，在可見光以及近紅外波段沒有明顯的波譜特征，但是在TIR波段范圍則具有很強(qiáng)的吸收特性。表1列出了可見光—近紅外、短波紅外以及近紅外波段范圍內(nèi)可以識(shí)別的礦物。

表1 可見光—紅外波段可識(shí)別礦物分類Table 1 Classification of identified minerals in visible-infrared wavelengths

光譜成像技術(shù)充分利用物質(zhì)對(duì)不同電磁波譜的吸收或輻射特性，可以在可見光、近紅外、中紅外、短波紅外以及熱紅外區(qū)域獲取許多窄且光譜連續(xù)的圖像數(shù)據(jù)。成像光譜儀是成像光譜技術(shù)發(fā)展的產(chǎn)物，是用于獲取影像信息與光譜信息的光學(xué)傳感器。根據(jù)光譜分辨率和波段數(shù)的不同，目前成像光譜儀可以分為多光譜成像儀、高光譜成像儀以及超光譜成像儀。多光譜成像儀獲取的波段數(shù)在3～12之間，光譜分辨率一般在100 nm左右;高光譜成像儀波段數(shù)在100～200之間，光譜分辨率在10 nm左右;超光譜成像儀波段數(shù)達(dá)到1 000，光譜分辨率在1 nm以下。

遙感地質(zhì)找礦方法隨著遙感成像技術(shù)的發(fā)展而不斷完善，并趨于成熟。在地質(zhì)找礦領(lǐng)域，主要使用多光譜遙感與高光譜遙感進(jìn)行信息提取與礦物識(shí)別。圖1總結(jié)了多光譜遙感與高光譜遙感成像技術(shù)的發(fā)展過程，以及相應(yīng)的找礦方法。經(jīng)過幾十年的研究，目前多光譜遙感影像可識(shí)別的蝕變礦物達(dá)到40多種，這對(duì)圈定礦化蝕變帶、分析蝕變礦物組合、定量或半定量估計(jì)相對(duì)蝕變強(qiáng)度和蝕變礦物含量，以及追索礦化熱液蝕變中心和圈定找礦靶區(qū)具有重要意義。當(dāng)特征光譜的吸收峰或反射峰寬度達(dá)到5～50 nm時(shí)，影像就能夠反映物質(zhì)之間的差別，光譜分辨率越高，物質(zhì)識(shí)別精度越精細(xì)。然而，傳統(tǒng)的多光譜遙感數(shù)據(jù)光譜分辨率一般在幾十至幾百納米之間，波段常常不連續(xù)，不足以反映地物之間的微小差異，因此識(shí)別精度有限，許多地物的吸收等特征不能準(zhǔn)確反映，無法滿足實(shí)際需要。由于多光譜數(shù)據(jù)波段的局限，限制了蝕變提取方法的選擇，很多可以對(duì)巖礦進(jìn)行準(zhǔn)確識(shí)別的高光譜方法無法適用。隨著成像光譜技術(shù)的發(fā)展，光譜分辨率逐步提高，其可探測(cè)識(shí)別的蝕變礦物種類不斷增多，高光譜遙感可以直接對(duì)礦物進(jìn)行識(shí)別，甚至可以進(jìn)行亞像元識(shí)別。目前，美國地質(zhì)調(diào)查局(USGS)波譜庫已經(jīng)建立了481種礦物的光譜，為礦物的識(shí)別奠定了基礎(chǔ)。

1.1 多光譜遙感影像地質(zhì)找礦技術(shù)與應(yīng)用

多光譜遙感影像廣泛應(yīng)用在蝕變信息提取中。目前，多光譜影像在地質(zhì)找礦領(lǐng)域主要經(jīng)歷了2個(gè)時(shí)代：Landsat衛(wèi)星系列傳感器影像以及ASTER傳感器影像研究與應(yīng)用時(shí)代。在多光譜遙感發(fā)展的早期，研究者廣泛使用Landsat MSS/TM傳感器影像，提出了基于波段比值以及主成分分析的方法提取羥基以及氧化物等蝕變信息。隨著ASTER傳感器的出現(xiàn)，與Landsat MSS/TM相比，波段數(shù)量的增加豐富了遙感蝕變信息提取的多樣性，通過高級(jí)星載熱量散射和反射幅計(jì)(ASTER，Advanced Spaceborne Thermal Emission and Reflection Radiometer)數(shù)據(jù)可以提取黏土類、硫酸鹽類、碳酸鹽類、鐵氧化物以及硅類礦物等。

1.1.1 Landsat系列傳感器影像在地質(zhì)找礦中的應(yīng)用 Landsat為美國陸地探測(cè)衛(wèi)星系統(tǒng)，1972年開始發(fā)射第一顆衛(wèi)星 Landsat－1，最近一顆衛(wèi)星為Landsat－8，發(fā)射于2013年2月。廣泛使用的Landsat產(chǎn)品主要有TM、ETM+傳感器影像。

圖1 多光譜遙感技術(shù)與高光譜遙感技術(shù)發(fā)展圖Fig.1 Development of multispectral and hyperspectral remote sensing technologies

利用Landsat衛(wèi)星傳感器影像進(jìn)行遙感礦化信息提取，其理論和技術(shù)都日趨成熟。1981年，Goetz等(1981)首次利用Landsat多光譜掃描儀(MSS)數(shù)據(jù)，通過可見光和近紅外波段(VNIR)提取了鐵氧化物比率。Landsat TM影像常用于地質(zhì)填圖與構(gòu)造提取中。尤其是在礦化蝕變區(qū)域，Landsat TM波段7/5一般用于從區(qū)域中分離泥化物質(zhì)，以反映羥基吸收帶;波段3/1常用于鐵氧化物的填圖;R=5/7、G=3/1、B=5的組合方式常用于假彩色合成。大多數(shù)蝕變礦物都含有羥基離子(OH－)和3價(jià)鐵離子(Fe3+)，OH－在TM7波段具有強(qiáng)吸收性;Fe3+在TM1、TM2和TM4波段為強(qiáng)吸收，在TM5波段則為強(qiáng)反射。1999年，Sabins等(1999)利用蝕變礦物光譜特征進(jìn)行光譜探測(cè)，并指出TM影像能夠有效地解譯地質(zhì)構(gòu)造和熱液蝕變，同時(shí)高光譜影像能夠識(shí)別鐵礦及黏土礦物。Landsat TM數(shù)據(jù)被廣泛應(yīng)用于地質(zhì)領(lǐng)域，利用TM數(shù)據(jù)結(jié)合其他地球物理數(shù)據(jù)、遙感影像數(shù)據(jù)(Rigol et al，1998;Kettles et al，2000)的影像融合方法(如HIS變換等)已經(jīng)在廣泛使用(Yesou et al，1993)。

Nama(2004)使用ETM影像研究Cameroon研究了1999年因火山爆發(fā)所形成的線性地質(zhì)構(gòu)造信息，與野外考察信息一致，證實(shí)可以從ETM影像中提取有效信息。Mostafa等(2005)利用ETM+影像提取構(gòu)造信息并繪制線性構(gòu)造密度圖，識(shí)別出鈾礦，證實(shí)線性構(gòu)造在地質(zhì)構(gòu)造以及巖礦信息識(shí)別方面的重要作用。Zhou等(2011)通過分析ETM+多光譜影像中蝕變礦物的光譜特征，應(yīng)用基于光譜特征的增強(qiáng)模型、基于PCA和SAM的閾值模型以及MPS模型減小外部干擾，提取出地球化學(xué)異常信息和蝕變信息，進(jìn)行成礦預(yù)測(cè)。Ciampalini等(2013)利用Landsat ETM+數(shù)據(jù)，通過對(duì)數(shù)據(jù)進(jìn)行波段比值、假彩色合成以及主成分分析等增強(qiáng)處理，在非洲西部地區(qū)找到鐵礦床，并證實(shí)多光譜影像在找鐵礦床方面的有效性。

隨著衛(wèi)星傳感器光譜分辨率、空間分辨率和時(shí)間分辨率的提高，極大提升了遙感技術(shù)的對(duì)地觀測(cè)能力。但是這些高光譜數(shù)據(jù)不易獲取或獲取成本太高，一般用戶難以承受。而TM/ETM+數(shù)據(jù)價(jià)格低廉，歷史數(shù)據(jù)積累多，因此依然是當(dāng)前蝕變信息提取的首要和主要信息源。

1.1.2 ASTER影像在地質(zhì)找礦中的應(yīng)用 ASTER是由美國國家航空航天局(NASA)和日本經(jīng)濟(jì)產(chǎn)業(yè)省(METI)聯(lián)合研發(fā)、安裝在Terra衛(wèi)星上的多光譜成像儀，于1999年12月18日發(fā)射升空?；贏STER數(shù)據(jù)涵蓋的波長范圍寬、波段多、性價(jià)比合理等因素，使得ASTER數(shù)據(jù)的研究迅速發(fā)展。ASTER遙感影像包括可見光—近紅外、短波紅外以及熱紅外波段，理論上能被其識(shí)別的蝕變礦物有3類，表2為ASTER波段組合進(jìn)行相應(yīng)蝕變可增強(qiáng)礦物。

表2 ASTER影像各波段比值可增強(qiáng)礦物匯總Table 2 List of enhanced minerals by band ratios based on ASTER images

Cudahy等(2002)提出用不同波段的比值對(duì)不同礦物進(jìn)行填圖：用波段11/10，11/12，13/10提取硅氧化物，用波段(6+9)/(7+8)提取黑云母等礦物，用波段(6+9)/(7+8)識(shí)別鎂礦層。Yamaguchi等(2003)使用ASTER短波紅外波段的線性組合獲取到了內(nèi)華達(dá)州Curprite地區(qū)的方解石、明礬石、高嶺石以及蒙脫石指數(shù)并進(jìn)行了實(shí)地驗(yàn)證，證明了ASTER短波波段(SWIR)用于提取礦物指數(shù)方面的有效性。Mars等(2010)對(duì) Curprite以及 mountain Pass 2個(gè)蝕變地區(qū)的ASTER光譜影像與光譜庫進(jìn)行了比較，匹配的結(jié)果表明泥質(zhì)礦物組合(kaolinite，alunite，dickite)、絹巖化礦物組合(sericite)以及calcite、epidote、chlorite等礦物的組合能夠被識(shí)別出來;然而實(shí)驗(yàn)同時(shí)證實(shí)要將高嶺士與明礬石完全進(jìn)行區(qū)分具有一定的困難。

與Landsat衛(wèi)星傳感器數(shù)據(jù)相比，ASTER數(shù)據(jù)在熱紅外有更多的波段，波譜分辨率更高，尤其是在短波紅外和熱紅外波段，空間分辨率更高。ASTER數(shù)據(jù)較之ETM+數(shù)據(jù)在礦化蝕變信息提取中具有更大的優(yōu)勢(shì)，可以提取更為準(zhǔn)確的遙感異常信息(葉發(fā)旺，2009)。ASTER數(shù)據(jù)除了有可見光與近紅外通道外，還增加了專門為地質(zhì)礦產(chǎn)勘查設(shè)置的6個(gè)短波紅外和5個(gè)熱紅外波段，可以對(duì)高嶺土、絹云母、蒙脫石、綠泥石等蝕變礦物進(jìn)行有效區(qū)分。然而，ASTER沒有藍(lán)色波段，因此不能進(jìn)行真彩色合成。當(dāng)前研究一般利用 ASTER遙感數(shù)據(jù)的可見光—近紅外和短波紅外波段信息，而沒有充分利用熱紅外波段信息。

1.1.3 多光譜遙感在礦物蝕變信息提取中的技術(shù)與應(yīng)用 熱液礦床周圍常常伴隨著圍巖蝕變，蝕變圍巖的范圍一般大于礦體，因此找到圍巖蝕變區(qū)域也意味著熱液礦床可能存在，圍巖蝕變是找礦的重要指標(biāo)。圍巖蝕變與正常圍巖相比具有不同的礦物成分、化學(xué)成分、巖石組構(gòu)和顏色，利用蝕變特殊的光譜特征，可以快速圈定找礦靶區(qū)，達(dá)到快速找礦的目的。多光譜遙感數(shù)據(jù)可以提取 Mg—OH、Al—OH、C和F離子(基團(tuán))信息。熱液礦床的蝕變圍巖通常含有上述4種離子，它們的波譜特征是蝕變遙感異常提取的理論依據(jù)(呂鳳軍等，2009)。然而，在遙感影像中，蝕變信息僅僅是作為一種弱的信號(hào)存在于圖像背景中，因此，如何從遙感圖像中提取或從背景中分割出蝕變信息是研究的重點(diǎn)和難點(diǎn)(Yu et al，1993)。

主成分分析(Crosta et al，1989)、比值運(yùn)算法(Kruse et al，1993)等被廣泛應(yīng)用在蝕變信息提取中。Rowan等(1977)指出巖石在短紅外波段1.6 μm波譜帶以及2.2 μm波譜帶之間的反射率比值可以最大限度地半定量區(qū)分蝕變圍巖和未蝕變巖的區(qū)域范圍。Loughlin(1991)在美國內(nèi)華達(dá)州成功運(yùn)用Crosta技術(shù)發(fā)現(xiàn)了Gold Bar金礦床。Ranjbar等(2002)利用主成分分析法提取伊朗Meiduk地區(qū)斑巖銅礦蝕變信息。高景剛等(2008)通過ETM+數(shù)據(jù)，使用6個(gè)波段影像與增強(qiáng)影像(比值影像、主成分分析影像)對(duì)蝕變巖分布及地質(zhì)背景進(jìn)行像元光譜采樣，并分析光譜特征，發(fā)現(xiàn)蝕變巖與礦區(qū)地層區(qū)分的光譜知識(shí)，建立基于知識(shí)規(guī)則的ETM+影像提取蝕變遙感異常信息模型，并進(jìn)行蝕變異常信息提取，新發(fā)現(xiàn)銅礦化帶一處。毛曉長等(2005)從分析巖礦光譜特征出發(fā)，根據(jù)ETM和ASTER數(shù)據(jù)的光譜特征，采用主成分分析設(shè)計(jì)了相應(yīng)的黏土礦化蝕變信息提取方案，成功對(duì)安徽銅陵鳳凰山礦田進(jìn)行了信息提取，并指出ASTER數(shù)據(jù)較之ETM數(shù)據(jù)在黏土類礦化蝕變信息提取中具有更大優(yōu)勢(shì)。刁海等(2011)通過分析蝕變礦物的光譜曲線，首先得出其在ASTER各波段的吸收、反射特征;然后選擇特征明顯的波段做主成分分析，并依據(jù)其光譜特征與特征向量的對(duì)應(yīng)關(guān)系，確定出主要包含圍巖蝕變信息的主分量，最后對(duì)該分量用分形模型計(jì)算異常灰度的閾值，來提取蝕變異常信息。

利用遙感進(jìn)行蝕變異常信息提取，主要針對(duì)的是類似于熱液成礦作用等由內(nèi)生成礦作用引起的蝕變巖石的光譜異常信息，在一些基巖裸露區(qū)或植被低覆蓋區(qū)可以定性地評(píng)判蝕變范圍和種類，往往是一種行之有效的方法。然而蝕變異常信息提取不適用于裸露程度低的區(qū)域，以及由外生成礦引起的成礦區(qū)域。

1.2 高光譜遙感影像地質(zhì)找礦技術(shù)與應(yīng)用

高光譜遙感又稱作成像光譜遙感。高光譜遙感能夠獲得可見光、近紅外、短波紅外、熱紅外波段短而窄的連續(xù)光譜波段數(shù)據(jù)，其波段分辨率可以達(dá)到5～10 nm，使得原來不可探測(cè)的物質(zhì)在高光譜遙感中可以進(jìn)行探測(cè)。高光譜遙感影像圖像信息具有多維性，包含豐富的空間、輻射以及光譜3個(gè)維度的信息。

高光譜遙感影像提供了豐富的地球表面信息，在礦物識(shí)別與填圖研究中具有巨大潛力。高光譜成像光譜儀可以分為星載成像光譜儀和機(jī)載成像光譜儀。星載成像光譜儀包括：MODIS、ARIES、Hyperion、HS、FIHSI、COIS、UVISI、VIMS、PRISM(吳培中，1999);機(jī)載成像光譜儀包括：AIS、AVIRIS、GER、DAIS、ASDIS、FLI/PM1、CASI、ROSIS、AMSS、HyMap、FIMS、MAIS、OMIS、PHI等(趙英時(shí)，2003)。比較常用的幾個(gè)高光譜掃描儀數(shù)據(jù)包括AVIRIS、HyMap、Hyperion等，表3列出了這3種高光譜成像光譜儀的一些性能參數(shù)。

表3 AVIRIS、HyMap以及Hyperion影像參數(shù)對(duì)比Table 3 Comparison of imaging parameters for AVIRIS，HyMap and Hyperion images

1.2.1 光譜遙感找礦方法 遙感技術(shù)的發(fā)展，改善巖礦信息識(shí)別與提取的技術(shù)條件，極大地增強(qiáng)遙感對(duì)地觀測(cè)能力和對(duì)地物的鑒別能力，提高遙感技術(shù)的定量化水平，使遙感從對(duì)地物的鑒別發(fā)展到了對(duì)地物的直接識(shí)別階段。

目前，高光譜遙感礦物識(shí)別方法主要分為2類，即光譜匹配技術(shù)和亞像元方法(Van Der Meer，2006)。

(1)光譜匹配技術(shù)。光譜匹配技術(shù)是將重建光譜與參考光譜進(jìn)行比較，以某種測(cè)度函數(shù)來度量它們之間的相似性或相關(guān)程度，從而實(shí)現(xiàn)對(duì)礦物的識(shí)別。相似性測(cè)度函數(shù)可以為距離函數(shù)(歐氏距離、馬氏距離)、相關(guān)系數(shù)、相似系數(shù)、光譜信息散度或光譜矢量夾角等。目前主要的光譜匹配方法包括光譜角匹配法、光譜特征擬合、匹配濾波等。

光譜角匹配法(SAM，Spectral Angle Mapper)由Kruse等(1993)提出，該方法將光譜數(shù)據(jù)視為多維向量空間的矢量，通過計(jì)算測(cè)試光譜(像元光譜)與參考光譜之間的“角度”來確定兩者之間的相似性。其計(jì)算公式如下：

式(1)中，ti和ri分別表示測(cè)試光譜和參考光譜;nb表示波段數(shù);α表示測(cè)試光譜與參考光譜之間的角度，取值范圍為0°～90°，α值越小，測(cè)試光譜與參考光譜之間的相似度越高。

光譜角匹配法最大的特點(diǎn)是夾角值與光譜向量的模無關(guān)，也就是說與圖像的增益系數(shù)無關(guān)，只強(qiáng)調(diào)形狀上的相似性。使用光譜角匹配法可以快速識(shí)別光譜庫中的所有已知礦物，2個(gè)光譜之間的相似性不受向量長度及增益的影響，因而可以減少地形對(duì)照度的影響。但是對(duì)于同一大類中的礦物，其光譜矢量間的夾角極為相似，因此光譜角匹配法識(shí)別效果有限。

光譜特征擬合方法(SFF，Spectral Feature Fitting)是一種基于光譜吸收特征匹配的方法，由Clark等(1991)提出。在進(jìn)行匹配之前，需要將影像像元光譜與參考光譜經(jīng)過包絡(luò)線消除處理，然后使用最小乘法擬合像元光譜與參考光譜經(jīng)過連續(xù)統(tǒng)去除后的曲線，對(duì)于每個(gè)像元光譜輸出1個(gè)擬合值和1個(gè)均分根誤差(RMS)值。光譜特征擬合后得到1幅比例圖像和RMS圖像或1幅合成的擬合圖像(Scale/RMS)，擬合值越高表明該像元與參照波譜匹配越好。光譜特征擬合方法對(duì)噪聲和地形有一定的抑制作用。

匹配濾波技術(shù)(MF，Matched Filtering)(Mazer et al，1988)起源于數(shù)字信號(hào)處理中的線性約束最小方差波束形成器，該方法的思想是提取特定方向的信號(hào)而衰減其他方向的信號(hào)干擾。光譜匹配濾波的結(jié)果是一系列灰度圖像，每一幅圖像對(duì)應(yīng)于1個(gè)選定的參考光譜端元，圖像中每個(gè)像元的浮點(diǎn)值表示該參考端元在像元中的子像元的豐度值。匹配濾波技術(shù)可以最大化突出目標(biāo)信息，壓縮背景信息。匹配濾波在選定了某些感興趣端元光譜的情況下，將未知光譜歸為背景光譜，最大化突出已知端元光譜的同時(shí)盡可能抑制背景光譜，是一種快速探測(cè)指定地物種類的技術(shù)而不需要知道一幅影像中的全部端元光譜。由于匹配濾波會(huì)產(chǎn)生較多的虛假信號(hào)，Boardman(1998)在匹配濾波基礎(chǔ)上提出了混合調(diào)制匹配濾波，該方法能夠減小虛假信號(hào)出現(xiàn)的概率。

實(shí)際上，由于同譜異物、同物異譜等現(xiàn)象的存在，同時(shí)在研究區(qū)中，地物的光譜曲線往往具有很大的相似性，特別是對(duì)于手工采集的地物反射光譜曲線，僅僅利用地物的光譜曲線信息或單一波段圖像的DN值進(jìn)行礦物識(shí)別，往往不能取得滿意的效果，容易造成誤判或漏分。因此，為提高地物識(shí)別分類精度和可靠性，需要綜合利用地物的光譜吸收特征、空間幾何信息、形狀信息等多種信息并輔以地物其他先驗(yàn)知識(shí)(如實(shí)地調(diào)查資料)進(jìn)行礦物識(shí)別。

(2)亞像元光譜識(shí)別。遙感影像傳感器所獲取的地面反射或發(fā)射光譜信號(hào)是以像元為單位進(jìn)行記錄的，它是像元所對(duì)應(yīng)的地表物質(zhì)光譜信號(hào)的綜合。若1個(gè)像元僅包含1種地物類型，則該像元稱作純像元;如果該像元包含地物種類不止1種，則稱作混合像元。

混合像元的存在，是傳統(tǒng)的像元級(jí)遙感分類和面積量測(cè)精度難以達(dá)到要求的主要原因。為提高遙感應(yīng)用的精度，一種廉價(jià)可行的方法就是分解混合像元，使遙感影像的空間分辨率由像元級(jí)達(dá)到亞像元級(jí)。

亞像元方法基本原理是將混合光譜表示為像元中各成分端元光譜和端元在像元中所占比例的某種函數(shù)，在像元光譜和另外一些參數(shù)(成分端元或端元比例)已知的情況下反演未知參數(shù)。亞像元方法包括2類：基于線性混合模型的光譜解混方法以及基于非線性混合模型的光譜解混方法。而線性混合模型包括有監(jiān)督的光譜解混算法以及無監(jiān)督的光譜解混算法。有監(jiān)督的光譜解混方法一般包括端元提取和端元豐度計(jì)算2個(gè)部分，前者可以獲得混合像元內(nèi)地物種類信息，后者可以計(jì)算得到各種地物端元在混合像元中的所占比例;無監(jiān)督光譜解混方法在獲取端元的同時(shí)進(jìn)行豐度計(jì)算。

①線性光譜解混。(a)端元提取原理——凸面幾何學(xué)分析?！岸嗽北欢x為數(shù)據(jù)中代表類別特征的理想化純數(shù)據(jù)。提取高光譜數(shù)據(jù)中的純光譜技術(shù)稱為光譜端元提取，是高光譜數(shù)據(jù)解混和其他高光譜數(shù)據(jù)分析實(shí)施的前提(Chang et al，2010)。

目前研究最多的端元提取方法是基于凸面單體(Convex Simplex)的方法。Boardman(1993)最先揭示了高光譜數(shù)據(jù)在其特征特征空間(波段空間)呈現(xiàn)單形體的結(jié)構(gòu)，引入了凸面幾何學(xué)分析法，成功將凸面單體理論用于端元自動(dòng)提取，隨后國內(nèi)外學(xué)者對(duì)基于凸面單體的端元提取方法進(jìn)行了廣泛研究。

高光譜圖像中每個(gè)像元可以近似認(rèn)為是圖像中各個(gè)端元的線性混合。凸面幾何分析是基于線性混合模型的，線性混合模型的一般描述如式(2)—(4)所示。

式中，N表示端元數(shù);p指圖像中任意一個(gè)L維光譜向量(L為圖像波段數(shù));E表示L×N矩陣，其中的每列均為端元向量，E=［e1，e2，…，eN］;c為系數(shù)向量，c=(c1，c2，…，cN)T;ci是元p中端元ei所占的比例;n為誤差項(xiàng)。

高光譜圖像中的每個(gè)像元都是其L維特征空間中的一個(gè)點(diǎn)，其中由一些稱之為端元的點(diǎn)構(gòu)成了高光譜圖像的基本元素，圖像中的所有像元都可以由這些端元線性組合而成(省去誤差項(xiàng)n)。而滿足式(2)—(4)所有點(diǎn)的集合正好構(gòu)成1個(gè)n－1維空間的凸集，這些端元?jiǎng)t坐落于凸面單形體的頂面上。

(b)線性光譜解混方法。線性光譜解混方法可以分為有監(jiān)督的光譜解混與無監(jiān)督的光譜解混。目前研究最廣泛的是有監(jiān)督的光譜解混方法，有監(jiān)督的光譜解混方法其端元提取與豐度估計(jì)分2步實(shí)現(xiàn)，即先從數(shù)據(jù)集中提取出端元，再使用豐度求解方法進(jìn)行豐度估計(jì)。

目前，端元提取方法大多是基于凸面單體約束(李二森等，2011)，基于凸面單體的方法，其目的就是要高效準(zhǔn)確地求取凸面單體的頂點(diǎn)。Boardman等(1995)提出像元純度指數(shù)算法(PPI，Pixel Purity Index)，該方法將凸面幾何與子空間投影的像元純度指數(shù)相結(jié)合，將具有最多投影的向量作為端元。由于PPI方法對(duì)噪聲非常敏感，需要預(yù)先對(duì)高光譜數(shù)據(jù)進(jìn)行去噪以及降維處理，因此純像元指數(shù)法是一種人工干預(yù)的半自動(dòng)方法。純像元指數(shù)法其端元數(shù)量以及最大循環(huán)次數(shù)完全由用戶自定義，投影向量需要隨機(jī)產(chǎn)生，所獲取的端元不穩(wěn)定。Winter(2004)提出了N－FINDR法，該方法將具有最大體積的單體頂點(diǎn)作為端元，具有高效率、高精度、高穩(wěn)定性等特點(diǎn)，N－FINDR法在求取端元前同樣需要對(duì)高光譜數(shù)據(jù)進(jìn)行預(yù)處理。Nascimento等(2005)提出頂點(diǎn)成分分析法(VCA，Vertex Component Analysis)，它將所有影像上的像素投影到隨機(jī)方向上，并將具有最大投影的像素作為第一個(gè)端元，通過迭代將光譜數(shù)據(jù)投影到與由已提取端元構(gòu)成的子空間正交的方向上的方法來提取其余端元。

將單個(gè)像元作為1個(gè)端元，使得這類算法對(duì)局外點(diǎn)(Outlier)極其敏感。為了克服局外點(diǎn)問題，Neville等(1999)提出了迭代誤差分析(IEA，Iterative Error Analysis)算法，將與凸錐頂點(diǎn)光譜夾角很小的多個(gè)像元的平均光譜作為端元光譜;Araújo等(2001)提出序列投影算法(SPA，Successive Projection Algorithm)，該方法建立在凸面幾何與正交投影基礎(chǔ)上，在端元候選像素空間鄰接性上包含一個(gè)限制，以降低局外點(diǎn)像素的影響，產(chǎn)生實(shí)際的端元。

基于凸面單體的方法一般假定影像中各端元至少存在1個(gè)純像元，而實(shí)際影像中并不能保證各類地物在影像上均存在對(duì)應(yīng)的純像元，因此這些端元提取算法提取的端元一般是混合度最低的像元。針對(duì)實(shí)際影像中一般不存在相應(yīng)純像元的問題，Ifarranguerri等(1999)提出凸錐分析法(CCA，Convex Cone Analysis)，將基于遙感圖像物理特性得到的凸錐角點(diǎn)作為端元，獲得了很好的實(shí)驗(yàn)效果。Plaza等(2002)提出自動(dòng)形態(tài)學(xué)端元提取算法(AMEE，Automated Morphological Endmember Extraction)，利用數(shù)學(xué)形態(tài)學(xué)算法結(jié)合空間信息自動(dòng)地提取端元;Berman等(2004)提出迭代限制端元(ICE，Iterated Constrained Endmember)算法，將單體端點(diǎn)方差和最小化應(yīng)用于端元迭代提取中。

上述端元提取算法中端元數(shù)目大多是已知的，而事實(shí)上端元數(shù)目很難準(zhǔn)確確定，通過目視判讀影像獲取端元數(shù)目的方法存在較大偏差，并且結(jié)果因人而異，因而學(xué)者們致力于研究端元數(shù)目的估計(jì)算法。Harsanyi等(1993)提出 HFC(Harsanyi Farrand Chang)方法用于確定AVIRIS高光譜圖像數(shù)據(jù)中的端元數(shù)目，該方法對(duì)樣本相關(guān)矩陣和樣本協(xié)方差矩陣中對(duì)應(yīng)的特征值進(jìn)行比較，將大小不同的特征值數(shù)目作為端元數(shù)目。Chang等(2004)對(duì) HFC方法進(jìn)行改進(jìn)，提出了NWHFC(Noise－whitened HFC)方法，增加了噪聲白化處理操作，消除了噪聲對(duì)特征值對(duì)比的影響。HFC和NWHFC均將估計(jì)的影像虛擬維度(VD，Virtual Dimensionality)作為端元數(shù)目，但得到的VD一般比實(shí)際端元數(shù)目大。

在進(jìn)行端元提取之后，可以實(shí)現(xiàn)豐度估計(jì)，以求出每個(gè)純地物在混合像元內(nèi)的比例。從20世紀(jì)90年代起，學(xué)者們都在探討如何估計(jì)豐度，早期的豐度求解方法都面臨著計(jì)算復(fù)雜的問題(Boardman，1993)。Bioucas等(2001)對(duì)全約束最小二乘法進(jìn)行了深入研究，提出了一種非監(jiān)督的全約束最小二乘方法(FCLS，F(xiàn)ully Constrained Least Squares)，用非負(fù)約束(ANC)以及和為1約束(ASC)全約束，計(jì)算速度快，是目前最為常用的豐度估計(jì)方法;劉凱等2013年提出了基于權(quán)重光譜解混方法的高光譜礦物填圖方法(WLSMA)，在豐度求解過程中引入基于Fisher準(zhǔn)則的補(bǔ)償權(quán)值矩陣以提高反演精度。

基于無監(jiān)督的光譜解混算法其豐度估計(jì)與端元提取過程是同步實(shí)現(xiàn)的。Gruninger等(2004)提出了連續(xù)最大角凸錐模型(SMACC，Sequential Maximum Angle Convex Cone)，該模型在進(jìn)行端元提取的同時(shí)進(jìn)行豐度計(jì)算，并可以用于波段選擇。近年來，許多學(xué)者將獨(dú)立成分分析和非負(fù)矩陣分解應(yīng)用于光譜解混理論的研究，取得了較滿意的效果。Miao等(2007)提出的最小體積約束 NMF算法(MVCNMF)，將體積限制與最小二乘法及凸面幾何結(jié)合起來，在不假設(shè)純像元存在的情況下進(jìn)行高光譜混合像元解混。Jia等(2009)提出受限的NMF方法，該方法使用離散自適應(yīng)馬爾可夫隨機(jī)場(chǎng)模型產(chǎn)生的自適應(yīng)函數(shù)描述平滑約束，同時(shí)使用非平滑NMF以及稀疏約束的NMF算法量化豐度的稀疏度，最后基于梯度優(yōu)化方法進(jìn)行求解，該方法能夠有效地進(jìn)行無監(jiān)督的光譜解混。Luo等(2010)將獨(dú)立成分分析方法用在光譜解混中，使用成分全局相關(guān)最小化的約束，進(jìn)行并行ICA計(jì)算，取得了較好的解混效果。

基于無監(jiān)督的光譜解混算法計(jì)算量大、效率低，但獲取的端元及其精度相對(duì)更高。

②基于非線性模型的光譜解混算法。前面介紹的方法均基于線性混合，當(dāng)混合像元內(nèi)物質(zhì)元素尺寸比較小、入射光存在多次反射或折射時(shí)，將會(huì)與多種物質(zhì)發(fā)生作用，導(dǎo)致非線性混合。目前，亞像元方法一般都使用線性混合模型，實(shí)際在大多數(shù)情況下，各種地物的光譜信息是通過非線性形式混合的。

亞像元方法的優(yōu)點(diǎn)是基于知識(shí)，而缺點(diǎn)是有些端元容易被忽略掉，因?yàn)橛跋瘾@取以及處理過程中會(huì)出現(xiàn)計(jì)算誤差。Foody等(1997)首次提出非線性混合問題并提出了一種非線性混合模型，同時(shí)利用這些模型進(jìn)行了分解。許多學(xué)者開始利用非線性光譜混合模型來實(shí)現(xiàn)混合像元分解。Carpenter等(1999)研究了 ARTMMAP神經(jīng)網(wǎng)絡(luò)模型的混合像元分解技術(shù)，取得了一定的實(shí)驗(yàn)效果。Penn(2002)利用模擬退火和遺傳算法在解空間中搜索最優(yōu)解，對(duì)隨機(jī)搜索方法在非線性光譜解混中的應(yīng)用進(jìn)行了研究。Huang等(2003)提出了基于非線性逐步回歸模型的混合像元分解方法，使用MODIS數(shù)據(jù)進(jìn)行了驗(yàn)證，證明了該方法的有效性。Kwon等(2005)利用核空間理論將混合像元光譜矢量從低維空間影射到高維特征空間，使得在特征空間中構(gòu)造的線性混合模型對(duì)應(yīng)于原始空間的非線性光譜混合模型，揭示了典型地物光譜間的高階特性。余先川等(2013，2014)提出了基于二次散射模型進(jìn)行高光譜解混以及礦物填圖，該模型是一種非線性混合模型，對(duì)美國內(nèi)華達(dá)州的Cuprite數(shù)據(jù)進(jìn)行礦物填圖，結(jié)果較線性模型更符合實(shí)際。除此之外，許多學(xué)者開始將支持向量機(jī)用于端元提取，獲得了較好的實(shí)驗(yàn)結(jié)果(Bovolo et al，2010)。

非線性光譜混合模型的分解精度可能高于線性光譜混合模型，但是由于自然界巖石礦物的組成、性狀和波譜特征非常復(fù)雜，而且真實(shí)獲得的影像會(huì)受到諸多外界因素的影響，非線性混合模型的建立具有一定困難，目前線性光譜混合模型仍是研究最多、應(yīng)用最廣泛的混合像元分解模型。

1.2.2 高光譜遙感在礦物識(shí)別與填圖中的應(yīng)用目前，國內(nèi)外應(yīng)用最廣泛的高光譜遙感數(shù)據(jù)有機(jī)載高光譜成像儀AVIRIS(Airborne Visible/Infrared Imaging Spectrometer，航空可見光/紅外光成像光譜儀)、機(jī)載成像光譜儀HyMap以及星載高光譜傳感器Hyperion。

AVIRIS數(shù)據(jù)廣泛應(yīng)用在礦物研究及填圖領(lǐng)域。Clark等(1996)根據(jù)OH、CO2－3、和SO2－4礦物晶體內(nèi)部在2.0～2.5 μm之間的振蕩吸收特征，利用AVIRIS影像數(shù)據(jù)編制內(nèi)華達(dá)州赤銅礦分布圖。Kokaly等(1998)利用 USGS的光譜庫和專家系統(tǒng)軟件將AVIRIS影像中每個(gè)像元的光譜與 USGS光譜庫中300多種物質(zhì)(包括礦物、礦物混合物、植被、水、雪和人造材料)的光譜進(jìn)行對(duì)比和判別分類，對(duì)美國黃石國家公園的 AVIRIS影像進(jìn)行生物和礦物填圖。Swayze等(2004)研究了AVIRIS影像對(duì)含有蛇紋石、超基性巖等石棉類礦物的光譜識(shí)別能力。研究區(qū)位于美國 Dorado和 Plumas縣3 km寬的條帶上，成功編制了透閃石、陽起石及滑石的礦物分布圖(局部植被覆蓋度高達(dá)70%)。研究表明，在植被嚴(yán)重覆蓋的區(qū)域，從 AVIRIS影像上提取的礦物豐度比實(shí)際的要低，用 AVIRIS影像編制的礦物分布圖可以補(bǔ)充野外填圖的成果，但是不能替代野外填圖。目前，AVIRIS數(shù)據(jù)常常用于研究目的，提供的商用數(shù)據(jù)很少。

HyMap數(shù)據(jù)于1997年開始應(yīng)用于商業(yè)勘探領(lǐng)域，尤其在地質(zhì)勘探領(lǐng)域特別是礦物填圖方面得到了廣泛應(yīng)用。Bierwirth等(2002)利用HyMap影像對(duì)Pilbara中部Indee區(qū)域進(jìn)行蝕化信息提取，用HyMap數(shù)據(jù)填礦物分布圖。Ellis等(2004)利用HyMap高光譜影像在陶土分布區(qū)進(jìn)行遙感調(diào)查，將陶土的原始蝕變花崗巖和系列高嶺土(高嶺石、蒙脫石、綠泥石、白云母、黃玉及其過渡類型礦物)作為端元組分參與分類識(shí)別，繪制了高嶺土豐度圖。國土資源航空物探遙感中心和澳大利亞合作(王潤生等，2005)，利用航空成像光譜HyMap數(shù)據(jù)在新疆東天山編制了工作區(qū)1∶5萬約3 000 km2的礦物分布圖和1∶1萬的重點(diǎn)區(qū)段礦化蝕變異常分布圖。澳大利亞地質(zhì)調(diào)查局利用 HyMap航空成像光譜礦物填圖技術(shù)，在澳大利亞西部Panorama地區(qū)通過填制和研究相互疊加的綠泥石化和絹云母化的分布，找出相對(duì)富鋁絹云母和貧鋁絹云母在空間分布的規(guī)律性，在貧鋁絹云母分布區(qū)所指示的熱液上升帶發(fā)現(xiàn)新礦化。HyMap數(shù)據(jù)空間分辨率高，適合進(jìn)行商業(yè)應(yīng)用。

國內(nèi)外許多學(xué)者使用Hyperion數(shù)據(jù)開展了地質(zhì)方面的研究。王潤生等(2012)應(yīng)用 EO－1衛(wèi)星的高光譜傳感器Hyperion數(shù)據(jù)，對(duì)西藏驅(qū)龍地區(qū)的蝕變礦物進(jìn)行了初步識(shí)別，識(shí)別出高鋁和低鋁絹云母化礦物、高嶺石礦物以及綠泥石和孔雀石化礦物組合;在鄂爾多斯盆地東勝地區(qū)利用Hyperion數(shù)據(jù)進(jìn)行了蝕變礦物填圖，圈定了與含礦層有關(guān)的高嶺土化的范圍。Cudahy等(2002)使用Hyperion數(shù)據(jù)對(duì)澳大利亞西部Panorama進(jìn)行了熱巖蝕變研究，填圖結(jié)果與該地區(qū)HyMap填圖結(jié)果具有一致性。Gersman等(2008)使用Hyperion數(shù)據(jù)進(jìn)行熱巖蝕變填圖，取得了較好的填圖效果。Hyperion適合進(jìn)行地質(zhì)應(yīng)用，但是由于其幅寬較窄，僅7.5 km，在一定程度上使其實(shí)用性受到限制。

高光譜數(shù)據(jù)的信噪比大小會(huì)影響應(yīng)用精度，Kruse等(2003)使用 Hyperion數(shù)據(jù)并且將之與AVIRIS數(shù)據(jù)進(jìn)行了比較，結(jié)果說明具有高信噪比的數(shù)據(jù)填圖結(jié)果可靠性更高，指出高光譜傳感器可以提供豐富的礦物信息，但同時(shí)未來的傳感器必須提高信噪比;Hubbard等(2003)研究了 ALI、ASTER、Hyperion數(shù)據(jù)填圖，同樣支持這個(gè)結(jié)論。因此，在使用高光譜數(shù)據(jù)進(jìn)行應(yīng)用研究時(shí)需要考慮高光譜傳感器的信噪比。

2 遙感技術(shù)在地質(zhì)找礦中的應(yīng)用趨勢(shì)

遙感影像數(shù)據(jù)在地質(zhì)領(lǐng)域應(yīng)用廣泛。筆者統(tǒng)計(jì)了近10年中國知網(wǎng)數(shù)據(jù)庫(CNKI)以及Web of Science數(shù)據(jù)庫中上述5種影像數(shù)據(jù)(ASTER、TEM、AVIRIS、Hyperion、HyMap)相關(guān)應(yīng)用的論文數(shù)量，結(jié)果如圖2所示。多光譜衛(wèi)星ASTER、ETM數(shù)據(jù)使用量總體呈上升趨勢(shì)，而高光譜衛(wèi)星的使用增輻較小，總體呈平穩(wěn)趨勢(shì)。就數(shù)據(jù)的獲取難易程度而言，多光譜數(shù)據(jù)比較容易獲取，Landsat系列衛(wèi)星原始數(shù)據(jù)甚至可以免費(fèi)下載;而高光譜數(shù)據(jù)獲取難度較大，價(jià)格比較昂貴，同時(shí)高光譜影像的預(yù)處理過程比較復(fù)雜，在一定程度上限制了高光譜數(shù)據(jù)的使用。

圖2 CNKI庫、Web of Science庫中近10年各衛(wèi)星研究趨勢(shì)圖Fig.2 Research trends of satellite data in the recent decade in the databases

多光譜數(shù)據(jù)與高光譜數(shù)據(jù)的結(jié)合應(yīng)用已經(jīng)成為熱點(diǎn)。Bedini等(2011)結(jié)合HyMap數(shù)據(jù)以及ASTER數(shù)據(jù)各自的優(yōu)點(diǎn)，在格凌蘭島中東部地區(qū)進(jìn)行礦產(chǎn)勘測(cè)，指出：HyMap數(shù)據(jù)能夠有效繪制蝕變礦物的空間分布，ASTER數(shù)據(jù)可以充分利用其空間及光譜信息對(duì)礦物進(jìn)行探測(cè)，并且基于零均值正態(tài)分布的熱波段假彩色合成波影像能夠有效顯示巖性信息。隨著各種遙感衛(wèi)星的發(fā)射以及傳感器的發(fā)展，遙感技術(shù)日趨成熟。利用遙感技術(shù)的優(yōu)點(diǎn)進(jìn)行信息提取，在地質(zhì)找礦方面有著巨大的潛力。它在巖礦識(shí)別、地質(zhì)構(gòu)造解譯、礦化蝕變信息提取等方面應(yīng)用廣泛，為礦產(chǎn)資源勘查提供了重要信息。

基于遙感影像的線性構(gòu)造和遙感蝕變異常信息可以作為找礦預(yù)測(cè)的標(biāo)志，遙感技術(shù)在地質(zhì)找礦的直接應(yīng)用包括構(gòu)造信息的提取、蝕變信息提取以及巖石礦物識(shí)別等(錢建平等，2013)。遙感技術(shù)可以運(yùn)用各種圖像處理技術(shù)增強(qiáng)和提取與成礦有關(guān)的構(gòu)造信息和蝕變信息，以達(dá)到識(shí)別礦床的目的(Rajesh，2008)。高光譜遙感的發(fā)展，可以實(shí)現(xiàn)對(duì)礦物的直接識(shí)別。圖3是近10年來遙感技術(shù)在構(gòu)造信息的提取、蝕變信息提取以及巖石礦物識(shí)別等方面應(yīng)用的趨勢(shì)圖，統(tǒng)計(jì)數(shù)據(jù)來源于CNKI庫以及Web of Science數(shù)據(jù)庫?？梢钥闯?，國內(nèi)在構(gòu)造信息、蝕變信息提取與巖礦識(shí)別3個(gè)方面的研究都較多，而國外總體上在巖礦識(shí)別上研究較多，而在構(gòu)造信息與蝕變信息提取方面的研究較少，可見國內(nèi)由于在找礦應(yīng)用上的大量投入而趨向于找礦勘察的研究，而國外則趨向于基礎(chǔ)地質(zhì)的研究。隨著成像光譜技術(shù)的發(fā)展，其在地質(zhì)找礦各個(gè)領(lǐng)域的應(yīng)用將越來越廣泛。

圖3 CNKI庫、Web of Science庫中近10年找礦應(yīng)用研究趨勢(shì)圖Fig.3 Research trends of remote sensing application in geological prospecting in the recent decade of the databases

3 結(jié)論

多光譜數(shù)據(jù)和高光譜數(shù)據(jù)在地質(zhì)找礦中廣泛使用，并且在蝕變信息提取以及礦物識(shí)別等方面取得了較好的效果。從多光譜遙感影像、高光譜遙感影像在地質(zhì)找礦中的應(yīng)用2個(gè)方面進(jìn)行論述，并對(duì)其發(fā)展趨勢(shì)進(jìn)行了研究，得出如下結(jié)論。

從遙感影像方面，應(yīng)用多光譜影像進(jìn)行找礦占主要部分;找礦應(yīng)用方面，國內(nèi)外找礦重點(diǎn)不同，國內(nèi)則趨向于找礦勘查研究，而國外則偏重于基礎(chǔ)地質(zhì)研究;找礦方法方面，多光譜影像找礦技術(shù)已經(jīng)相對(duì)成熟，而高光譜影像基礎(chǔ)研究比較成熟，但實(shí)際地質(zhì)勘察應(yīng)用仍然需要重大突破。

由于一些技術(shù)與現(xiàn)實(shí)條件的限制，遙感找礦仍然存在一些困難，體現(xiàn)在以下幾個(gè)方面。

(1)研究工作主要在礦物裸露地區(qū)開展，在非裸露地區(qū)進(jìn)行礦物識(shí)別非常困難。研究一直關(guān)注于裸露地區(qū)，在植被覆蓋的非裸露地區(qū)研究較少，植被的覆蓋加大了遙感地質(zhì)找礦的難度。Carlson等(1997)提出植被覆蓋指數(shù)，并廣泛用來度量植被覆蓋程度;Crippen等(2001)提出“Forced invariance”方法，以減少植被干擾，增強(qiáng)影像中潛在的礦物信息，但是在地質(zhì)找礦領(lǐng)域仍然較難滿足實(shí)際需求。

(2)光譜解混算法主要是基于線性混合模型，非線性混合模型研究較少。盡管實(shí)驗(yàn)研究表明，非線性光譜混合模型的分解精度可能高于線性光譜混合模型，但是線性光譜混合模型仍是目前研究最多、應(yīng)用最廣泛的混合像元分解模型。隨著遙感技術(shù)的發(fā)展，非線性光譜混合模型會(huì)得到越來越多的關(guān)注。

(3)在地質(zhì)找礦中，蝕變礦物組合和蝕變分帶比單一的蝕變礦物更具有指導(dǎo)和決策意義。礦物識(shí)別目前主要關(guān)注于單一礦物識(shí)別模式，在組合礦物識(shí)別模式方面仍需深入研究。同類型巖石中的礦物組分，不同礦種、不同成因類型礦床的礦物生成序列，礦物的共生和伴生組合，蝕變類型和蝕變礦物組合及分帶、標(biāo)型礦物等都有一定的內(nèi)在規(guī)律(王潤生等，2012)。

(4)結(jié)合多種分辨率融合技術(shù)(高光譜分辨率，高時(shí)間分辨率，高空間分辨率)的面向?qū)ο蟮木?xì)礦物填圖和遙感地質(zhì)填圖是遙感技術(shù)的發(fā)展方向，是傳統(tǒng)地質(zhì)填圖技術(shù)的升級(jí)換代。

刁海，張達(dá)，狄永軍，等.2011.基于主成分分析和分形模型的ASTER蝕變異常信息提取［J］.國土資源遙感，23(2)：75－80.

高景剛，薛春紀(jì)，吳淦國，等.2008.基于知識(shí)的蝕變遙感異常信息快速提取及找礦應(yīng)用實(shí)踐［J］.遙感學(xué)報(bào)，(1)：186－192.

呂鳳軍，郝躍生，石靜，等.2009.ASTER遙感數(shù)據(jù)蝕變遙感異常提取研究［J］.地球?qū)W報(bào)，(2)：271－276.

李二森，朱述龍，周曉明，等.2011.高光譜圖像端元提取算法研究進(jìn)展與比較［J］.遙感學(xué)報(bào)，(4)：659－679.

梅安新，彭望祿.2001.遙感導(dǎo)論［M］.北京：高等教育出版社.

毛曉長，劉文燦，杜建國，等.2005.ETM+和ASTER數(shù)據(jù)在遙感礦化蝕變信息提取應(yīng)用中的比較：以安徽銅陵鳳凰山礦田為例［J］.現(xiàn)代地質(zhì)，19(2)：309－314.

錢建平，張淵，趙小星，等.2013.內(nèi)蒙古東烏旗遙感構(gòu)造和蝕變信息提取與找礦預(yù)測(cè)［J］.國土資源遙感，25(3)：109－117.

王潤生，丁謙，張幼瑩，等.1999.遙感異常分析的協(xié)同優(yōu)化策略［J］.地球科學(xué)：中國地質(zhì)大學(xué)學(xué)報(bào)，24(5)：488－502.

吳培中.1999.星載高光譜成像光譜儀的特性與應(yīng)用［J］.國土資源遙感，3(41)：31－39.

王潤生，甘甫平，王青華，等.2005.成像光譜技術(shù)在資源勘查中的應(yīng)用研究［R］.北京：中國國土資源航空物探遙感中心.

王潤生，熊盛青，聶洪峰，等.2012.遙感地質(zhì)勘查技術(shù)與應(yīng)用研究［J］.地質(zhì)學(xué)報(bào)，85(11)：1699－1743.

葉發(fā)旺.2009.ASTER數(shù)據(jù)與ETM數(shù)據(jù)蝕變信息提取的對(duì)比研究：以巴會(huì)布拉克鈾礦區(qū)油氣還原蝕變分析為例［J］.地球信息科學(xué)學(xué)報(bào)，11(3)：274－281.

余先川，李建廣，徐金東，等.2013.基于二次散射的高光譜遙感影像光譜非線性混合模型［J］.國土資源遙感，25(1)：18－25.

余先川，熊利平，徐金東，等.2014.基于二次散射非線性混合模型的礦物填圖方法［J］.國土資源遙感，26(2)：60－68.

趙英時(shí).2003.遙感應(yīng)用分析原理與分析［M］.2版.北京：科學(xué)出版社.

ARAúJO M C U，SALDANHA T C B，GALV?O R K H，et al.2001.The successive projections algorithm for variable selection in spectroscopic multicomponent analysis［J］.Chemometrics and Intelligent Laboratory Systems，57(2)：65－73.

BOARDMAN J W.1990.Inversion of high spectral resolution data［C］//Proc SPIE，Imaging Spectroscopy and Terrestrial Environment.Orlando，F(xiàn)L，USA：SPIE，1298：222－223.

BOARDMAN J W.1993.Automating spectral unmixing of AVIRIS data using convex geometry concepts［C］//Summaries 4th Annual JPL Airborne Geoscience Workshop，AVIRIS Workshop.Pasadena，CA：JPL，1：11－14.

BOARDMAN J W，KRUSE F A，GREEN R O.1995.Mapping target signatures via partial unmixing of AVIRIS data［C］//Summaries of the 15th JPL Airborne Earth Science Workshop：JPL Publication 95－1.Pasadena，CA：JPL，1：23－26.

BOARDMAN J W.1998.Leveraging the high dimensionality of AVIRIS data for improved sub－pixel target unmixing and rejection of false positives：mixture tuned matched filtering［C］//Summaries of the Seventh Annual JPL Airborne Geoscience Workshop.Pasadena，CA：JPL Pub，55－56.

BIOUCAS J M，HEINZ D C，CHANG CHEINI.2001.Fully constrained least squares linear spectral mixture analysis method for material quantification in hyperspectral imagery［J］.IEEE Transactions on Geoscience and Remote Sensing，39(3)：529－545.

BIERWIRTH P，HUSTON D，BLEWETT R.2002.Hyperspectral mapping of mineral assemblages associated with gold mineralization in the Central Pilbara，Western Australia［J］.Economic Geology，97(4)：819－826.

BERMAN M，KIIVERI H，LAGERSTROM R，et al.2004.ICE：A statistical approach to identifying endmembers in hyperspectral images：Learning from Earth's shapes and colors［J］.IEEE Transactions on Geoscience and Remote Sensing，42(10)：2085－2095.

BOVOLO F，BRUZZONE L，CARLIN L.2010.A novel technique for subpixel image classification based on support vector machine［J］.IEEE Trans Image Process，19(11)：2983－2999.

BEDINI E.2011.Mineral mapping in the Kap Simpson complex，central East Greenland，using HyMap and ASTER remote sensing data［J］.Advances in Space Research，47(1)：60－73.

CROSTA A P，MOORE J M M.1989.Geological mapping using Iandsat Thematic Imagery in Almeria Province，southeast Spain［J］.International Journal of Remote Sensing，10(3)：505－514.

CLARK R N，SWAYZE G A，GORELICK G.1991.Mapping with imaging spectrometer data using the complete band shape least－squares algorithm simultaneously fit to multiple spectral features from multiple materials［C］//Proceedings of the Third Airborne Visible/Infrared Imaging Spectrometer(AVIRIS)Workshop：JPL Publication 91 －28.Pasadena，CA：JPL，2－3.

CLARK R N，SWAYZE G A.1996.Evolution in imaging spectroscopy analysis and sensor signal－to－noise：An examination of how far we have come［C］//GREEN R O.Summaries of the 6th Annual JPL Airborne Earth Science Workshop.Pasadena，CA：JPL，49－53.

CARLSON T N，RIPLEY D A.1997.On the relation between NDVI，fractional vegetation cover，and leaf area index［J］.Remote sensing of Environment，62(3)：241 －252.

CARPENTER G A，GOPAL S，MACOMBER S，et al.1999.A neural network method for mixture estimation for vegetation mapping［J］.Remote sensing of Environment，70(2)：138－152.

CRIPPEN R E，BLOM R G.2001.Unveiling the lithology of vegetated terrains in remotely sensed imagery［J］.Photogrammetric engineering and remote sensing，67(8)：935 －946.

CUDAHY T J，BARRY P S.2002.Earth magmatic－seawater hydrothermal alteration revealed through satellite－borne Hyperion imagery at Panorama，Western Australia［C］//Proceedings IEEE 2002 International Conference on Geoscience and Remote Sensing.Toronto，CA：IEEE，1：590－592.

CUDAHY T，HEWSON R.2002.ASTER geological case histories：porphyry－skarn－epithermal，iron oxide Cu － Au and Broken Hill Pb － Zn － Ag［J］.Communication in the Workshop Mapping the Earth with ASTER，14(2)：28－32.

COOPER B L，SALISBURY J W，KILLEN R M，et al.2002.Midinfrared spectral features of rocks and their powders［J］.Journal of Geophysical Research：Planets，107(E4)：1－17.

CLARK R N，SWAYZE G A，LIVO K E，et al.2003.Imaging spectroscopy：Earth and planetary remote sensing with the USGS Tetracorder and expert systems［J］.Journal of Geophysical Research：Planets，108(E12)：1－44.

CROSTA A P，DE SOUZA FILHO C R，AZEVEDO F，et al.2003.Targeting key alteration minerals in epithermal deposits in Patagonia，Argentina，using ASTER imagery and principal component analysis［J］.International Journal of Remote Sensing，24(21)：4233－4240.

CHANG CHEINI，DU QIAN.2004.Estimation of number of spectrally distinct signal sources in hyperspectral imagery［J］.IEEE Transactions on Geoscience and Remote Sensing，42(3)：608－619.

CHANG CHEINI，WU CHAOCHENG，LO CHIENSHUN，et al.2010.Real－time simplex growing algorithms for hyperspectral endmember extraction［J］.IEEE Transactions on Geoscience and Remote Sensing，48(4)：1834－1850.

CIAMPALINI A，GARFAGNOLI F，ANTONIELLI B，et al.2013.Remote sensing techniques using Landsat ETM+applied to the detection of iron ore deposits in Western Africa［J］.Arabian Journal of Geosciences，6(11)：4529 －4546.

ELLIS R J，SCOTT P W.2004.Evaluation of hyperspectral remote sensing as a means of environmental monitoring in the St.Austell China clay(kaolin)region，Cornwall，UK［J］.Remote sensing of environment，93(1)：118 － 130.

FOODY G M，LUCAS R M，CURRAN P J，et al.1997.Nonlinear mixture modelling without end－members using an artificial neural network［J］.International Journal of Remote Sensing，18(4)：937－953.

GOETZ A F H，ROWAN L C.1981.Geologic remote sensing［J］.Science，211(4484)：781 －791.

GRUNINGER J H，RATKOWSKI A J，HOKE M L.2004.The sequential maximum angle convex cone(SMACC)endmember model［J］.Proceedings of the SPIE，5425：1 －14.

GERSMAN R，BEN－DOR E，BEYTH M，et al.2008.Mapping of hydrothermally altered rocks by the EO－1 Hyperion sensor，Northern Danakil Depression，Eritrea［J］.International Journal of Remote Sensing，29(13)：3911－3936.

HUNT G R.1977.Spectral signatures of particulate minerals in the visible and near infrared［J］.Geophysics，42(3)：501 －513.

HARSANYI J C，F(xiàn)ARRAND W H，CHANG C I.1993.Determining the number and identity of spectral endmembers：An integrated approach using Neyman－Pearson eigenthresholding and iterative constrained RMS error minimization［C］//Proceeding of the 9th Thematic Conference of Geologic Remote Sensing.Michigan，USA：Environmental Research Institute of Michigan，395－408.

HUANG C，TOWNSHEND J R G.2003.A stepwise regression tree for nonlinear approximation：applications to estimating subpixel land cover［J］.International Journal of Remote Sensing，24(1)：75－90.

HUBBARD B E，CROWLEY J K，ZIMBELMAN D R.2003.Comparative alteration mineral mapping using visible to shortwave infrared(0.4 ～ 2.4 μm)Hyperion，ALI，and ASTER imagery［J］.IEEE Transactions on Geoscience and Remote Sensing，41(6)：1401－1410.

IFARRAGUERRI A，CHANG CHEINI.1999.Multispectral and hyperspectral image analysis with convex cones［J］.IEEE Transactions on Geoscience and Remote Sensing，37(2)：756－770.

JIA SEN，QIAN YUNTAO.2009.Constrained nonnegative matrix factorization for hyperspectral unmixing［J］.IEEE Transactions on Geoscience and Remote Sensing，47(1)：161－173.

KRUSE F A，LEFKOFF A B，BOARDMAN J W，et al.1993.The spectral image processing system(SIPS)：interactive visualization and analysis of imaging spectrometer data［J］.Remote Sensing of Environment，44(2/3)：145 －163.

KOKALY R F，CLARK R N，LIVO K E.1998.Mapping the biology and mineralogy of Yellowstone National Park using imaging spectroscopy［C］//GREEN R O.JPL Publication 97－21：Proceedings of the 7th Annual JPL Airborne Earth Science Workshop.Pasadena，CA：JPL，235－244.

KETTLES I M，RENCZ A N，BAUKE S D.2000.Integrating Landsat，geologic，and airborne gamma ray data as an aid to surficial geology mapping and mineral exploration in the Manitouwadge Area，Ontario［J］.Photogrammetric Engineering and Remote Sensing，66(4)：437－445.

KRUSE F A，BOARDMAN J W，HUNTINGTON J F.2003.Comparison of airborne hyperspectral data and EO－1 Hyperion for mineral mapping［J］.IEEE Transactions on Geoscience and Remote Sensing，41(6)：1388－1400.

KWON H，NASRABADI N M.2005.Kernel RX－algorithm：A nonlinear anomaly detector for hyperspectral imagery［J］.IEEE Transactions on Geoscience and Remote Sensing，43(2)：388－397.

LOUGHLIN W P.1991.Principal component analysis for alteration mapping［J］.Photogrammetric Engineering and Remote Sensing，57(9)：1163－1169.

LUO WENFEI，ZHONG LIANG，ZHANG BING，et al.2010.Independent component analysis for spectral unmixing in hyperspectral remote sensing image［J］.Spectroscopy and Spectral Analysis.30(6)：1628－1633.

MAZER A S，MARTIN M，LEE M，et al.1988.Image processing software for imaging spectrometry data analysis［J］.Remote Sensing of Environment，24(1)：201 －210.

MOSTAFA M E，BISHTA A Z.2005.Significance of lineament patterns in rock unit classification and designation：a pilot study on the Gharib－Dara area，northern Eastern Desert，E－gypt［J］.International Journal of Remote Sensing，26(7)：1463－1475.

MIAO LIDAN，QI HAIRONG.2007.Endmember extraction from highly mixed data using minimum volume constrained nonnegative matrix factorization［J］.IEEE Transactions on Geoscience and Remote Sensing，45(3)：765－777.

MARS J C，ROWAN L C.2010.Spectral assessment of new ASTER SWIR surface reflectance data products for spectroscopic mapping of rocks and minerals［J］.Remote Sensing of Environment，114(9)：2011 －2025.

NEVILLE R A，STAENZ K，SZEREDI T，et al.1999.Automatic endmember extraction from hyperspectral data for mineral exploration［C］//Proceedings of the 4th International Airborne Remote Sensing Conference and Exhibition/21st Canadian Symposium on remote Sensing.Ottawa，Ontario，CA：ERIM International Inc，21－24.

NAMA E E.2004.Technical note：Lineament detection on Mount Cameroon during the 1999 volcanic eruptions using Landsat ETM［J］.International Journal of Remote Sensing，25(3)：501－510.

NASCIMENTO J M P，BIOUCAS－DIAS J M.2005.Vertex component analysis：A fast algorithm to unmix hyperspectral data［J］.IEEE Transactions on Geoscience and Remote Sensing，43(4)：898－910.

PENN B S.2002.Using simulated annealing to obtain optimal linear end－member mixtures of hyperspectral data［J］.Computers＆ Geosciences，28(7)：809－817.

PLAZA A，MARTINEZ P，PéREZ R，et al.2002.Spatial/spectral endmember extraction by multidimensional morphological operations［J］.IEEE Transactions on Geoscience and Remote Sensing，40(9)：2025－2041.

ROWAN，L C，GOETZ A E H，ASHLEY R P.1977.Diserimination of hydrothermally altered and unaltered rocks in visible and near infrared multispectral images［J］.Geophysics，42(3)：522－535.

RIGOL J P，CHICA－OLMO M.1998.Merging remote－sensing images for geological－environmental mapping：application to the Cabo de Gata－Níjar Natural Park，Spain［J］.Environmental Geology，34(2/3)：194－202.

RANJBAR H，HONARMAND M，MOEZIFAR Z，et al.2002.Application of the Crosta technique for porphyry copper alteration mapping，using ETM+data：A case study of Meiduk and SAR Cheshmeh areas，Kerman，Iran［J］.Exploration and Mining Geology，11：43－48.

RAJESH H M.2008.Mapping Proterozoic unconformity－related uranium deposits in the Rockhole area，Northern Territory，Australia using Landsat ETM+［J］.Ore Geology Reviews，33(3)：382－396.

SETTLE J J，DRAKE N A.1993.Linear mixing and the estimation of ground cover proportions［J］.International Journal of Remote Sensing，14(6)：1159－1177.

SABINS F F.1999.Remote sensing for mineral exploration［J］.Ore Geology Reviews，14(3)：157 －183.

SWAYZE G A，HIGGINS C T，CLINKENBEARD J P，et al.2004.Preliminary report on using imaging spectroscopy to map ultramafic rocks，serpentinites，and tremolite－actinolite－bearing rocks in California［J］.US Geological Survey Open－File Report，1304：1 － 20.

VAN DER MEER F.2006.The effectiveness of spectral similarity measures for the analysis of hyperspectral imagery［J］.International Journal of Applied Earth Observation and Geoinformation，8(1)：3－17.

WINTER M E.2004.A proof of the N－FINDR algorithm for the automated detection of endmembers in a hyperspectral image［C］//SHEN S S，LEWIS P E.Proc SPIE 5425：Algorithms and Technologies for Multispectral，Hyperspectral，and Ultraspectral Imagery X.Orlando，F(xiàn)L，USA：SPIE，31－41.

YESOU H，BESNUS Y，ROLET J.1993.Extraction of spectral information from Landsat TM data and merger with SPOT panchromatic imagery：a contribution to the study of geological structures［J］.ISPRS Journal of Photogrammetry and Remote Sensing，48(5)：23－36.

YU XIAOLI，REED I S，STOCKER A D.1993.Comparative performance analysis of adaptive multispectral detectors［J］.IEEE Transactions on Signal Processing，41(8)：2639－2656.

YAMAGUCHI Y，NAITO C.2003.Spectral indices for lithologic discrimination and mapping by using the ASTER SWIR bands［J］.International Journal of Remote Sensing，24(22)：4311－4323.

ZHOU KEFA，ZHANG QING，ZHANG NANNAN，et al.2011.Research on the method of extracting alteration information and metallogenic prediction based on multi－information［C］//GAO WEI，JACKSON T J，WANG JINNIAN，et al.Proc SPIE 8156：Remote Sensing and Modeling of E－cosystems for Sustainability VIII.San Diego，California，USA：SPIE，36.