基于GF-5、Landsat8與GF-2遙感數(shù)據(jù)的蝕變信息提取研究
——以四川寧南鉛鋅礦集區(qū)為例*

杜曉川，婁德波，張長青，徐林剛，劉 歡，范瑩琳，張 琳，胡金盟，李 彪

（1中國地質(zhì)大學（北京）地球科學與資源學院，北京 100083；2中國地質(zhì)科學院礦產(chǎn)資源研究所自然資源部成礦作用與資源評價重點實驗室，北京 100037；3河北省地礦局第五地質(zhì)大隊，河北唐山 063000）

遙感被證實是一種有效的找礦手段，且具有監(jiān)測范圍大、獲取資料速度快、周期短、成本低等優(yōu)勢，已經(jīng)廣泛應用于為多種類型礦床劃定目標勘查區(qū)域（Joana et al.，2019）。圍巖蝕變是近礦圍巖在流體的作用下發(fā)生的化學和物理反應，從而引起圍巖化學成分和結(jié)構(gòu)構(gòu)造的變化（翟裕生等，1999），是成礦過程中成礦物質(zhì)逐步富集留下的印跡，近礦圍巖蝕變是礦化的一個主要特征，是找礦的直接標志。寧南礦集區(qū)的絕大多數(shù)鉛鋅礦床產(chǎn)于厚層碳酸鹽巖中，近礦圍巖蝕變明顯，蝕變類型包括白云石化、方解石化、黏土礦化、硅化、黃鐵礦化、重晶石化及赤鐵礦化，且礦床中含有黏土礦物組成的泥質(zhì)條帶夾層。蝕變圍巖因其礦物成分、巖石結(jié)構(gòu)與正常圍巖有所不同，因此蝕變與未蝕變圍巖在遙感影像中色調(diào)不同，在波譜表現(xiàn)為不同的波譜曲線特征，這為利用遙感影像提取圍巖蝕變信息提供了基礎（Carranza et al.，2002；Crosta et al.，2003）。國內(nèi)外研究者在利用遙感影像進行蝕變信息提取方面做出了很大貢獻（汪新慶等，2014），其中，多光譜遙感蝕變信息提取中以ETM+、Landsat8為數(shù)據(jù)源，利用波段比值、主成分分析、獨立成分分析等方法進行蝕變信息提取研究的應用較多（杜詩薇等，2018）。例如：Ranjbar等（2005）以伊朗中部火山帶南部ETM+圖像為基礎，選定ETM+數(shù)據(jù)中的4、6波段，運用主成分分析方法成功提取研究區(qū)內(nèi)氧化鐵和羥基礦物；鄧素貞等（2010）通過波段比值與主成分分析結(jié)合的方法，從ETM+數(shù)據(jù)中提取蝕變信息并抑制植被波譜干擾，結(jié)果顯示，使用該方法提取出的礦化蝕變信息與已知礦產(chǎn)地有較大的一致性；馬威等（2016）對云南毛坪鉛鋅礦的Landsat8影像數(shù)據(jù)進行分析，依據(jù)地質(zhì)體波譜特征，通過以主成分分析法為主，波段比值法為輔的手段提取與鉛鋅礦有關的蝕變礦物信息，并取得了較好的效果；吳繼煒等（2016）利用遙感圖像處理技術，對廣西西大明山鉛鋅礦田影像數(shù)據(jù)進行構(gòu)造解譯及蝕變信息提取，并結(jié)合該區(qū)域已知資料，綜合圈定出成礦遠景區(qū)。隨著遙感技術的不斷發(fā)展，高光譜數(shù)據(jù)所具有更多的波段數(shù)量、更窄采樣間隔以及更大的信息量優(yōu)勢，極大地增強了遙感對地的觀測能力和對地物的鑒別能力。高光譜數(shù)據(jù)同樣在蝕變信息提取方面進行了大量深入的研究，并成功地應用于地質(zhì)找礦勘查中，取得了良好的效果（Kruse，1988）。例如Gersman等（2008）利用Hyperion高光譜數(shù)據(jù)在厄立特里亞北部地區(qū)進行了熱液蝕變巖石填圖；連深芹等（2020）基于GF-5高光譜數(shù)據(jù)，通過光譜角填圖的方法提取廣東省玉水銅礦植被覆蓋區(qū)的蝕變礦物信息，并且該數(shù)據(jù)提取的蝕變信息與研究區(qū)地質(zhì)信息吻合較好。雖然前人在通過遙感影像進行蝕變信息提取方面開展了大量的理論研究和找礦實踐，但是大多數(shù)研究者側(cè)重于使用單一影像數(shù)據(jù)或單一方法進行蝕變信息提取工作，對于使用多光譜影像數(shù)據(jù)、高光譜影像數(shù)據(jù)與高空間分辨率影像數(shù)據(jù)結(jié)合，同時使用多種手段提取蝕變信息的研究相對較少。

寧南鉛鋅礦集區(qū)是四川省主要鉛鋅礦成礦區(qū)，其鉛鋅礦數(shù)量多、資源潛力巨大，然而前人鮮有基于多光譜數(shù)據(jù)應用到該區(qū)遙感蝕變信息提取中，并且關于將GF-5高光譜數(shù)據(jù)、GF-2高空分辨率數(shù)據(jù)應用于該地區(qū)作業(yè)的相關報道也少見，該地區(qū)的蝕變信息提取效果尚不明確。鑒于此，本文基于Landsat8與GF-5兩種影像數(shù)據(jù)采用波段比值法、主成分分析法及光譜角匹配法對四川寧南鉛鋅礦集區(qū)開展鐵染蝕變信息和羥基、碳酸根離子蝕變信息及蝕變礦物提取，再結(jié)合GF-2高空間分辨率影像的優(yōu)勢，剔除蝕變信息中的偽異常，并對不同蝕變信息結(jié)果的優(yōu)劣進行討論，旨在揭示該地區(qū)蝕變信息特征，進而圈定合理的預測靶區(qū)，為后續(xù)該區(qū)域上的找礦勘查工作提供依據(jù)。

1 研究區(qū)概況

研究區(qū)位于四川省涼山彝族自治州寧南縣東南部。地理坐標為102°43′E-102°51′E，27°01′N-27°07′N（圖1）。地形以高原、山地為主，地勢特點為西北高，東南低，地處亞熱帶高原季風氣候區(qū)，日溫差大，年溫差小。區(qū)內(nèi)地層主要為太古宙桃子壩組變質(zhì)碎屑巖夾碳酸鹽巖及基性火山巖；震旦系燈影組硅質(zhì)白云巖、頁巖、夾硅質(zhì)巖及灰?guī)r（嚴毅發(fā)等，2010；賈莉紅，2013）；寒武系陡坡寺組頁巖夾灰?guī)r、泥巖；奧陶系大箐組白云巖夾灰?guī)r、頁巖、泥巖；志留系黃葛溪組灰?guī)r；二疊系梁山組頁巖及灰?guī)r。區(qū)內(nèi)斷裂構(gòu)造主要為右行平移，走向北東，沿寧南到會理的寧會斷裂與左行平移，走向北西的則木河斷裂（張長青等，2005），以及走向近南北的逆斷層,沿寧南至越西的黑水河斷裂。區(qū)內(nèi)包含6個已知鉛鋅礦床，本文通過對鉛鋅礦床的礦產(chǎn)地名稱、礦種、類型、控礦要素、規(guī)模、品位、含礦層位及巖性、控礦構(gòu)造、蝕變特征、金屬礦物、非金屬礦物和說明等12個方面進行介紹，旨在為蝕變信息提取提供理論依據(jù)（表1）。

表1 寧南鉛鋅礦集區(qū)礦產(chǎn)地地質(zhì)特征表Table 1 Geological characteristics table of mineral lands in Ningnan Pb-Zn ore concentration

圖1 寧南鉛鋅礦集區(qū)地質(zhì)簡圖Fig.1 Geological map of Ningnan lead-zinc ore concentration area

2 遙感影像處理

2.1 數(shù)據(jù)來源

2013年2月11日，美國航空航天局(NASA)成功發(fā)射Landsat8衛(wèi)星，衛(wèi)星攜帶2個傳感器，分別為陸地成像儀（OLI）和熱紅外傳感器（TIRS）。其中，OLI傳感器的波段參數(shù)如表2所示。

GF-2（高分二號）衛(wèi)星于2014年8月19日發(fā)射，是中國自主研制的首顆空間分辨率優(yōu)于1 m的民用光學遙感衛(wèi)星，標志著中國遙感衛(wèi)星進入了亞米級“高分時代”。傳感器波段參數(shù)如表2所示。

表2 Landsat8 OLI數(shù)據(jù)與GF-2全色多光譜相機數(shù)據(jù)波段參數(shù)Table 2 Band parameters of Landsat8 OLI and GF-2 Panchromatic multi-spectral camera

GF-5（高分五號）衛(wèi)星于2018年5月9日發(fā)射，是中國高分辨率地球觀測系統(tǒng)的重要遙感衛(wèi)星。衛(wèi)星主要搭載了6種類型的傳感器，用于獲取從紫外到長波紅外譜段范圍的數(shù)據(jù)，本文主要應用AHSI（可見短波紅外波段高光相機）傳感器，該傳感器擁有可見光、近紅外和短波紅外共330個波段，其中包括150個可見光近紅外波段（NIR），平均采樣間隔為5 nm；180個短波紅外波段(SWIR），平均采樣間隔為10 nm（孫允珠等，2018），AHSI傳感器波段參數(shù)如表3所示。

表3 GF-5 AHSI數(shù)據(jù)波段參數(shù)Table 3 Band parameters of GF-5 AHSI

2.2 數(shù)據(jù)預處理

地物的輻射信息從地表到傳感器會受到地形、大氣、傳感器自身等多個方面的影響，從而造成遙感影像發(fā)生幾何形變和輻射失真（季超，2020），因此影像在進行應用前需要進行預處理。針對Landsat8影像數(shù)據(jù)首先進行輻射定標，將數(shù)據(jù)的DN值轉(zhuǎn)換為輻射亮度值，以獲得真實的地物反射率（賀金鑫等，2019），其次對定標后的影像進行大氣校正，以消除大氣中的二氧化碳、氧氣、臭氧等成分吸收和散射的影響，最后通過研究區(qū)域的矢量范圍對影像數(shù)據(jù)進行裁剪，得到研究區(qū)影像數(shù)據(jù)。

針對GF-5高光譜數(shù)據(jù)首先進行壞波段去除，由于輻射能量在到達傳感器時部分波段會受水汽吸收的影響，因此，將受水汽影響較大的光譜波長范圍的波段（1.36~145μm、1.80~1.98μm和2.37~2.40μm）所對應波長范圍的47個波段剔除（Liou et al.，2002），保留可以使用的283個波段。再進行輻射定標與壞線修復，由于高光譜傳感器由多個電荷耦合器件（CCD）組成，每個CCD又有數(shù)萬個探測元件，這些探測元件在標定時部分可能會出現(xiàn)錯誤，導致圖像部分列或行出現(xiàn)像元值過小或者缺失等問題，從而產(chǎn)生與周邊列或行有明顯差異的壞線，因此對GF-5高光譜數(shù)據(jù)進行逐波段檢查，并對壞線部分通過兩側(cè)的平均值代替修復，再進行列向條紋噪聲修復以及大氣校正。列向條紋噪聲是由于ASHI采用推掃式的對地觀測方式，且傳感器在不同行中有不同的光譜響應值，因此在光譜入射時，會在每個波段上產(chǎn)生豎的條紋，本文通過全局去條紋法進行條紋去除。最后進行幾何校正和研究區(qū)矢量范圍裁剪，幾何校正是通過數(shù)學模型來消除成像時因傳感器變形、物鏡畸變等內(nèi)部因素及大氣折光、地球曲率、地形起伏等外部因素導致的圖像上各地物幾何位置發(fā)生畸變的過程（張安定，2016）。由于Landsat8是L1級數(shù)據(jù)產(chǎn)品經(jīng)過地形數(shù)據(jù)參與的系統(tǒng)幾何校正，圖像地理精度較高，本文采用影像對影像校正的幾何校正方式，以Landsat8影像作為基準，調(diào)整GF-5高光譜影像的空間位置。

針對GF-2高空間分辨率數(shù)據(jù)首先對其多光譜影像以及全色影像做正射校正處理，然后對兩幅影像進行融合處理，以獲得空間分辨率為1 m的彩色合成影像。由于GF-2高空間分辨率數(shù)據(jù)波段較少，波譜范圍有限，不適合進行蝕變信息提取，主要用于目視解譯，故不對GF-2采取輻射校正操作，而直接對融合后的影像進行研究區(qū)的矢量裁剪。

2.3 去干擾信息處理

遙感數(shù)據(jù)中存在許多干擾因素，導致地質(zhì)信息不能很好地凸顯，為提高蝕變信息提取的準確性，需通過建立掩膜去除影像中干擾因素（韋玉春，2007）。針對研究區(qū)情況，干擾因素主要為植被、水體和陰影。通過歸一化植被指數(shù)（NDVI）提取植被干擾信息，其計算公式為：

對Landsat8選取band5與band4進行計算，并采用0.42＜NDVI＜1的分割閾值建立植被掩膜文件；對GF-5選取band112與band63進行計算，并采用；0.52

本次研究使用改進的歸一化差異水體指數(shù)（MNDWI）提取水體干擾信息（徐涵秋，2005），其計算公式如下：

對Landsat8選取band3與band6進行計算，并采用-0.12＜MNDWI＜-1的分割閾值建立水體掩膜文件；對GF-5選取band41與band112進行計算，并采用-0.211000的分割閾值建立陰影掩膜文件；對GF-5選取band112>900的分割閾值建立陰影掩膜文件。

最終通過波段計算將植被、水體和陰影掩膜文件組合成綜合掩膜文件，對研究區(qū)影像進行綜合掩膜，得到處理前后的影像數(shù)據(jù)，以Landsat8數(shù)據(jù)為例（圖2a~b）。

圖2 寧南鉛鋅礦集區(qū)Landsat8影像掩膜前后對比圖a.Landsat8掩膜前影像；b.Landsat8掩膜后影像Fig.2 Comparison of Landsat8 image before and after masking of the Ningnan lead-zinc ore concentration area a.Landsat8 image before masking;b.Landsat8 image after masking

3 蝕變信息提取

3.1 波譜特征分析

遙感探測的是地表物質(zhì)的光譜信息，只要有一定面積的蝕變巖石出露，即便是礦體隱伏，在遙感圖像上都會有一定的反應，這為應用遙感技術提取蝕變異常信息、輔助地質(zhì)找礦的理論依據(jù)（張玉君等，2014）。

根據(jù)研究區(qū)內(nèi)主要的圍巖蝕變類型為白云巖化、方解石化、黏土化、硅化、黃鐵礦化、赤鐵礦化，選取及分析相應的巖礦波譜曲線，此次研究使用美國地質(zhì)調(diào)查局標準波譜庫（USGS）（圖3a~d）。巖礦的波譜特征取決于其所含離子與基團的晶體場效應和基團振動的結(jié)果（Gupta，2003），其中鐵離子主要有4個特征吸收譜帶，分別為0.40~0.50μm、0.80~0.92μm、1.39~1.41μm、1.90~1.92μm；特征反射譜帶主要有3個，分別為0.65~0.72μm、1.23~1.30μm、1.60~1.70μm。羥基離子團、碳酸根離子團主要有3個吸收譜帶，分別為0.86~0.98μm、1.32~1.44μm、2.15~2.55μm；特征反射譜帶主要有3個，分別為0.49~0.58μm、1.60~1.70μm、2.00~2.14μm。

3.2 波段比值法

波段比值法的目的是突出某些光譜差異，有助于增強某些特征，這些特征是在原影像中看不到或者很弱，波段比值基于波譜曲線的波峰和波谷，通常以反射率較高的波段除以反射率較低的波段（Ali et al，2014），該方法可以消除陰影和地形影響，使其適用于復雜地形（Mwaniki et al.，2016）。為了使效果更加直觀且可以觀察到各地物之間細微的差異，本文對波段比值結(jié)果采用線性密度分割法，該方法將顏色漸變應用于波段比值中，其中冷色代表較低的值，暖色代表較高的值，由此產(chǎn)生影像增強效果，使結(jié)果更加線性直觀，并突出難以觀察到的灰度差異（Sabins et al.，1996）。

依據(jù)鐵染蝕變礦物的波譜曲線（圖3a），反射譜帶選擇1.60~1.70μm，吸收譜帶選擇0.80~0.92μm，對應Landsat8影像band6/band5，對應GF-5高光譜影像band230/band122，波段比值密度分割圖中橙紅色地區(qū)指示強鐵染蝕變區(qū)域，黃色地區(qū)指示中、弱鐵染蝕變區(qū)域，藍色地區(qū)指示非蝕變區(qū)域（圖4a~b）。依據(jù)羥基、碳酸根離子波譜曲線（圖3b~d），反射譜帶選擇1.60~1.70μm，吸收譜帶選擇2.15~2.55μm，對應Landsat8影 像band6/band7，對應GF-5高光譜影像band230/band309，由于植被波譜曲線在1.67μm附近處于強反射，在2.10~2.40μm處于強吸收，使得波段比值突出植被的表現(xiàn)效果，導致灰度圖像中植被成為最亮區(qū)域，很大程度上干擾了羥基、碳酸根離子的提取效果，因此需要先對影像進行植被掩膜，再進行波段比。波段比值密度分割圖中，橙紅色地區(qū)指示強羥基、碳酸根蝕變區(qū)域，黃色地區(qū)指示中、弱羥基、碳酸根蝕變區(qū)域，藍色地區(qū)指示非蝕變區(qū)域與被掩膜區(qū)域（圖4c）。

3.3 主成分分析法

蝕變信息提取方法中，主成分分析法（PCA）具有實現(xiàn)簡單、速度快、效果好、穩(wěn)健等優(yōu)點（張滿郎，1996；張玉君等，2003；張遠飛等，2013），是一種常用的多元統(tǒng)計技術，其中，Crosta技術（Loughlin et al.,1991）是對4個波段進行主成分分析，通過應用正交變換減少相關數(shù)據(jù)的冗余，減少各組分間的相關性，盡可能將有用信息集中到新組分中，且各新組分間互不相關，從而達到增強目標的目的（Ali et al.,2014）。由于植被、水體、陰影等干擾信息的波譜特征會影響特征向量的符號、大小及各主成分的統(tǒng)計方差，使得蝕變信息提取精度受到極大影響，因此在主成分分析之前要進行掩膜處理（Mia et al，2012）。

3.3.1 鐵染蝕變信息提取

依據(jù)鐵染礦物的波譜曲線（圖3a），本文通過多次波段選擇、嘗試與驗證，最終選擇0.40~0.50μm、0.80~0.92μm兩個吸收譜帶和0.65~0.72μm、1.60~1.70μm兩個反射譜帶進行主成分分析來提取鐵染蝕變信息，譜帶分別對應Landsat8影像的band2、band5、band4、band6四個波段，GF-5高光譜影像的band6、band122、band74、band230四個波段。

圖3 寧南鉛鋅礦集區(qū)鐵染，羥基、碳酸根離子波譜曲線圖a.鐵染波譜曲線；b.鋁羥基波譜曲線；c.鎂羥基波譜曲線；d.碳酸根離子波譜曲線Fig.3 Spectrum curve of iron-stained,hydroxyl,carbonate ion of the Ningnan lead-zinc ore concentration area a.Spectrum curve of iron-stained;b.Spectrum curve of aluminum-hydroxy;c.Spectrum curve of magnesium-hydroxy;d.Spectrum curve of carbonate

PC主分量選取依據(jù)0.40~0.50μm與0.65~0.72 μm所在波段的貢獻系數(shù)相反，載荷因子為一正一負且絕對數(shù)值較大，0.80~0.92μm與1.60~1.70μm所在波段的載荷因子盡可能也為一正一負。由表4、表5分析結(jié)果可知，在Landsat8影像PC3主分量中band2、band4、band5、band6的貢獻系數(shù)和載荷因子及GF-5高光譜影像PC4主分量band6、band74、band122、band230的貢獻系數(shù)和載荷因子與依據(jù)一致，因此，判斷Landsat8影像的鐵染蝕變信息位于PC3主分量中，GF-5高光譜影像的鐵染蝕變信息位于PC4主分量中。

3.3.2 羥基、碳酸根離子蝕變信息提取

依據(jù)羥基、碳酸根離子礦物的波譜特征（表3 b~d），作者通過多次波段選擇、嘗試與驗證，最終選擇提取效果較好的0.86~0.98μm、2.15~2.55μm兩個吸收譜帶，0.49~0.58μm、1.60~1.70μm兩個反射譜帶，分別對應Landsat8影像的band5、band7、band2、band6四個波段。由于GF-5高光譜影像擁有更多的短波紅外波段數(shù)量、更窄的采樣間隔，因此其具有區(qū)別鋁羥基、鎂羥基及碳酸根離子的能力。鋁羥基為富鋁的含水礦物，對應礦產(chǎn)地出露的高嶺石、蒙脫石等黏土礦物，其特征吸收譜帶主要為2.15~2.21μm（圖3b）；鎂羥基為富鎂的含水礦物，對應礦產(chǎn)地出露的綠泥石、綠簾石等黏土礦物，其特征吸收譜帶主要為2.28~2.36μm（圖3c）；碳酸根離子對應礦產(chǎn)地出露的白云石、方解石等礦物，其特征吸收譜帶主要為2.48~2.55μm（圖4d）。GF-5高光譜影像中所選取的鋁羥基、鎂羥基、碳酸根離子提取的波段，前3個波段一致，即都選取了band27、band122、band230，而最后1個波段選取不同，其中，鋁羥基選擇band294，鎂羥基選擇band309，碳酸根離子選擇band324。作者對每類波段選擇進行主成分分析來提取羥基、碳酸根離子蝕變信息。PC主分量選取依據(jù)1.60~1.70μm與0.86~0.96μm、2.15~2.55μm所在波段的貢獻系數(shù)相反，載荷因子為一正兩負且絕對數(shù)值較大。由表4分析結(jié)果可知，在Landsat8影像PC4主分量中band5、band6、band7的貢獻系數(shù)和載荷因子與依據(jù)一致，因此，判斷Landsat8影像的羥基、碳酸根離子蝕變信息位于PC4主分量中；由表5分析結(jié)果可知，GF-5高光譜影像中鎂羥基、碳酸根離子各自的PC4主分量中band122、band233與代表性波段band309、band324的貢獻系數(shù)和載荷因子與依據(jù)一致，因此，判斷GF-5高光譜影像鎂羥基、碳酸根離子蝕變信息位于PC4主分量中；鋁羥基的PC4主分量中band122、band233與band294的貢獻系數(shù)與依據(jù)正好呈相反關系，故需要對鋁羥基的PC4主分量進行取反操作。

表5 寧南鉛鋅礦集區(qū)GF-5影像主成分分析特征向量表Table 5 Eigenvectors of principal component analysis for GF-5 image of the Ningnan lead-zinc ore concentration area

圖4 寧南鉛鋅礦集區(qū)波段比值圖a.Landsat8鐵染波段比值圖；b.GF-5鐵染波段比值圖；c.GF-5羥基、碳酸根離子波段比值圖Fig.4 Band ratio of iron-stained of Landsat8 of the Ningnan lead-zinc ore concentration area a.Band ratio of iron-stained of Landsat8;b.Band ratio of iron-stained of GF-5;c.Band ratio of hydroxyl and carbonate ion of GF-5

表4 寧南鉛鋅礦集區(qū)Landsat8影像主成分分析特征向量表Table 4 Eigenvectors of principal component analysis for Landsat8 image of the Ningnan lead-zinc ore concentration area

3.3.3 蝕變信息的分級與濾波處理

為使蝕變信息更有層次地顯示，采用主分量密度分割法對蝕變信息進行分級處理。一般異常分級是利用直方圖統(tǒng)計均值X和標準差σ，通過對“均值+N×標準差(σ)”中N的調(diào)整，進行主分量異常等級閾值分割。即偏離均值X的程度(N倍標準差σ)表示異常的級別（杜詩薇等，2018），且N值越高，異常數(shù)量越少，異常級別越高，對于鐵染蝕變信息，羥基、碳酸根離子蝕變信息，N值一般取2~3,結(jié)合研究區(qū)的特點，鐵染蝕變信息N值分別取1、2、2.5，羥基、碳酸根離子蝕變信息N值分別取2、2.5、3。分別對Landsat8影像、GF-5高光譜影像的鐵染、羥基、碳酸根離子的主分量進行密度分割的量化分級，分為三級弱異常區(qū)、二級中異常區(qū)、一級強異常區(qū)，3個異常等級分別賦予不同的顏色。對分級后的異常采用3×3的中值濾波進行非線性信號處理，以消除孤立的噪聲點，從而使蝕變信息周圍的像素值接近真實值。

3.3.4 偽異常剔除

遙感影像中由于存在同物異譜、異物同譜及噪聲干擾等情況，提取出的蝕變信息不可避免地具有偽異?，F(xiàn)象，為提高結(jié)果的精度，需對蝕變信息進行篩選，剔除偽異常。

作者詳細解讀研究區(qū)的蝕變信息（圖5a~i）發(fā)現(xiàn)，分布較分散、單個面小的弱異常多為未處理噪聲造成的偽異常；河流附近地區(qū)的條帶狀異常多為異物同譜、混合像元現(xiàn)象及山坡上滾落巖石造成的偽異常；沿山脊線分布的條帶狀異常多為第四系出露的偽異常。蝕變信息中存在大量面積出露較大、形態(tài)以片狀和條帶狀為主的異常（圖5a、f），大部分由強異常組成，只有四周環(huán)繞小部分中弱異常，鑒于此類異常數(shù)量較多，且Landsat8影像與GF-5高光譜影像無法分辨異常下的地物類型，本文采用結(jié)合具有1m高空間分辨率的GF-2影像，其數(shù)據(jù)可以清晰觀察到大多地物，通過影像對此類異常下的地物進行觀察與分辨發(fā)現(xiàn)，大多數(shù)地物為小村莊規(guī)模的居住區(qū)、民用耕地及周圍出露的棕黃-淺紅色土地，其中居住區(qū)房屋的藍色塑鋼屋頂，極易被當作鐵染蝕變信息提?。▓D5b）；民用耕地因含有大量潮濕的黏土礦物，易被當作羥基蝕變信息提?。▓D5g）；周圍出露土地多為第四系沉積物中的黃土，顏色由棕黃至淺紅，黃土中含有三價鐵離子，且含量隨著時間的推移在不斷積累（田明中，2009），因此易被當作鐵染蝕變信息提?。▓D5b、d），黃土中又因含有角閃石、綠簾石、云母、方解石等羥基、碳酸鹽類礦物，故也易被當作羥基、碳酸根離子蝕變信息所提?。▓D5g~i）。剔除每幅影像中的偽異常，得到鐵染蝕變信息，羥基、碳酸根離子蝕變礦物分布（圖5a、f，圖6a~c）。

圖5 寧南鉛鋅礦集區(qū)蝕變信息及偽異常圖a.Landsat8鐵染蝕變信息主成分分析；b~c.GF-2鐵染偽異常地物；d~e.Landsat8波段比值鐵染偽異常；f.GF-5鋁羥基蝕變信息主成分分析；g~i.GF-2羥基偽異常地物Fig.5 Alteration information and pseudo-anomaly of the Ningnan lead-zinc ore concentration area a.Principal component analysis diagram of Landsat8 iron-stained alteration information;b~c.Landmark of iron-stained pseudo-anomaly of GF-2;d~e.Band ratio of iron-stained pseudo-anomaly of Landsat8;f.Principal component analysis image of GF-5 aluminum-hydroxyl alteration information;g~i.Landmark of hydroxyl pseudo-anomaly of GF-2

3.4 光譜角匹配法

光譜角匹配法是基于波譜空間分析，依據(jù)在地物的每一個像元處可以得到一條連續(xù)的波譜曲線，不同的礦物對應不同特征的波譜曲線（黃瑋，2010）。光譜角匹配技術精細地識別效果往往需要較高的波譜分辨率、較多的波段數(shù)量作為支撐，對此本研究方法只應用GF-5高光譜影像。

對連續(xù)不間斷且波段數(shù)量龐大的高光譜數(shù)據(jù)進行光譜角匹配前，需要解決數(shù)據(jù)本身存在的3個問題：①高光譜數(shù)據(jù)的地物波譜曲線具有許多類似于毛刺狀的陡崖，這種陡崖現(xiàn)象是由于局部高頻噪聲造成的，并在實際地物波譜曲線中往往不存在，會影像礦物識別精度，為此通過Savitzky-Golay（S-G）方法對影像的波譜曲線進行適當?shù)钠交幚?，S-G方法是一種在時域內(nèi)基于局域多項式最小二乘法擬合的濾波方法，其特點是濾除噪聲的同時可以確保波譜的形狀與寬度不變；②高光譜數(shù)據(jù)波段間的噪聲影響，對影像進行最小噪聲變換（MNF）操作，MNF針對影像數(shù)據(jù)的內(nèi)在維數(shù)，通過2次層疊的主成分變化，第一次變換是使噪聲數(shù)據(jù)只有最小的方差，而沒有波段間的相關性，第二次是對噪聲數(shù)據(jù)的標準主成分變換（Berman et al,2012），變換后可根據(jù)各分量進行去噪；③單個空間分辨率為30 m的像元中大多是由多種地物組成的混合像元，需要從中提取純凈地物端元。對影像采用像元純凈指數(shù)法（PPI）提取純凈端元，PPI是對像元光譜矢量上迭代的單位矢量，其被稱為“軸”的不同隨機方向。通過統(tǒng)計方法，將矢量方向端點或矢量方向端點中的所有圖像作為純像元計數(shù)（鄭博夫，2018）。將提取出的純凈端元利用N維可視化工具繪制其波譜曲線，并與USGS的礦物波譜曲線進行對比分析，對比方法使用光譜角匹配技術（SAM），該技術通過求得2個光譜之間的廣義夾角，根據(jù)夾角的大小確定光譜間的相似程度，角度越小相似程度越高，以達到識別蝕變礦物的目的。

通過提取研究區(qū)的端元波譜，并與USGS的礦物波譜進行對比分析，根據(jù)光譜曲線的形狀與特征反射、特征吸收特點，作者識別出與鉛鋅礦床密切相關的赤鐵礦、白云石、高嶺石3種蝕變礦物，并為3種蝕變礦物賦予不同顏色（圖6d）。

圖6 寧南鉛鋅礦集區(qū)蝕變信息圖a.Landsat8羥基、碳酸根離子蝕變信息主成分分析；b.GF-5鎂羥基蝕變信息主成分分析；c.GF-5碳酸根離子蝕變信息主成分分析；d.GF-5蝕變信息光譜角匹配Fig.6 Alteration information of the Ningnan lead-zinc ore concentration area a.Principal component analysis image of Landsat8 hydroxyl,carbonate ion alteration information;b.Principal component analysis image of GF-5 magnesium-hydroxyl alteration information;c.Principal component analysis image of GF-5 carbonate ion alteration information;d.Spectrum matching image of GF-5 alteration information

4 結(jié)果與討論

4.1 蝕變信息提取結(jié)果討論

通過識別蝕變帶的方式去發(fā)現(xiàn)礦化區(qū)，蝕變帶最常見礦物是鐵氧化物和黏土礦物（Sabins et al.，1999），作者采用了3種已知的圖像處理方法來識別研究區(qū)的蝕變帶。在波段比值方法中，Landsat8影像提取的鐵染比值結(jié)果（圖4a）與6個已知礦產(chǎn)地相對比，銀廠溝和騎螺溝2個礦產(chǎn)地的異常較好，大埡口-獅子山、廠梁子2個礦產(chǎn)地的異常次之，鐵索橋與大橋邊2個礦產(chǎn)地的異常較弱；GF-5高光譜影像提取的鐵染比值結(jié)果中（圖4b），銀廠溝、騎螺溝、大埡口-獅子山、廠梁子4個礦產(chǎn)地的異常范圍縮小，異常值也有所降低，大橋邊礦產(chǎn)地的異常范圍基本沒有變化，鐵索橋礦產(chǎn)地異常值依然較弱。鐵染波段比值結(jié)果中存在其他蝕變程度較高且成片出現(xiàn)的異常區(qū)域，在結(jié)合GF-2影像觀察其地物類型后發(fā)現(xiàn)，其大部分異常區(qū)域為小規(guī)模居住區(qū)、民用耕地及第四系黃土出露的偽異常（圖5b~e）。在Landsat8影像提取的羥基、碳酸根離子比值結(jié)果與已知礦產(chǎn)地對比中，銀廠溝、大埡口-獅子山等6個礦產(chǎn)地的異常都較一般，且與礦產(chǎn)地周圍異常值差別不大；GF-5高光譜影像提取的羥基、碳酸根離子比值結(jié)果要優(yōu)于Landsat8影像，騎螺溝、大埡口-獅子山、廠梁子、鐵索橋、大橋邊5個礦產(chǎn)地的異常情況較好，其中鐵索橋與廠梁子具有高異常值（圖4c）。從結(jié)果中可知：①波段比值法應用在2種影像的鐵染蝕變信息提取中，均有較好效果，具有一定的指示意義，故將2種影像的提取結(jié)果作為預測靶區(qū)圈定的疊合對比數(shù)據(jù)；②此方法在羥基、碳酸根離子蝕變信息提取中的效果要弱于鐵染的結(jié)果，Landsat8影像的效果較差，原因可能為Landsat8波段范圍較大，即便消除了植被的影響，仍有未知因素干擾，且波段數(shù)量較少，不能進行波段間的更換。值得一提的是，GF-5高光譜影像的提取結(jié)果尚可，其具有波段間采樣間隔短、波段數(shù)量多等優(yōu)勢，可以從眾多波段比值結(jié)果中選擇出最優(yōu)結(jié)果。因此，只將GF-5高光譜影像數(shù)據(jù)結(jié)果作為預測靶區(qū)圈定的疊合對比數(shù)據(jù)。

在主成分分析提取蝕變信息的結(jié)果中，理想的異常分布區(qū)域為弱異常信息包圍中異常信息，中異常信息包圍強異常信息，強、中、弱3級異常能很好地套合在一起。Landsat8的鐵染主成分分析結(jié)果中，異常以零星狀居多，部分呈條帶狀分布，其只在廠梁子礦產(chǎn)地附近有套合較好的鐵染異常，其他礦產(chǎn)地異常較差（圖5a）；GF-5的鐵染主成分分析結(jié)果中，條帶狀異常分布有所增加，零星狀分布仍然較多，并且6個礦產(chǎn)地附近都只分布些零散弱異常，沒有套合效果較好的異常出現(xiàn)。主成分分析法應用于2種影像的鐵染蝕變信息提取的結(jié)果較差，故2種影像的提取結(jié)果都不用于預測靶區(qū)圈定。在羥基、碳酸根離子主成分分析結(jié)果中，Landsat8影像異常大部分呈零星狀分布，大埡口-獅子山、廠梁子、銀廠溝、騎螺溝4個礦產(chǎn)地附近都有套合較好的異常，其中，大埡口-獅子山、廠梁子、騎螺溝3個礦產(chǎn)地的異常尤為突出（圖6a）；GF-5高光譜影像中的鋁羥基異常、鎂羥基異常、碳酸根離子異常大多都以零星點狀與條帶狀分布。其中，鋁羥基異常在大埡口-獅子山、廠梁子、騎螺溝3個礦產(chǎn)地處有較好的套合異常（圖5f），鎂羥基、碳酸根離子異常在大埡口-獅子山、廠梁子、騎螺溝和銀廠溝4個礦產(chǎn)地的異常套合較好。大埡口-獅子山、廠梁子2個礦產(chǎn)地的鎂羥基、碳酸根離子異常范圍要大于鋁羥基的范圍，在大橋邊礦產(chǎn)地也有中弱異常出現(xiàn)，但在鐵索橋礦產(chǎn)地處基本沒有異常出現(xiàn)（圖6b~c）。通過對比分析可知，大橋邊礦產(chǎn)地的異常更多是由鎂羥基或碳酸根離子異常造成的，由于鎂羥基、碳酸根離子在短波紅外處的波譜特征差別不大，大部分特征吸收譜帶范圍相同，只有幾納米的差別，因此2種蝕變信息提取結(jié)果差別不大，基本沒有不同異常地點間的差異，僅是同一異常點中范圍大小的差異，但與鋁羥基蝕變信息卻有明顯的不同之處，主要表現(xiàn)為異常出露地點的不同，以及在相同異常點中，范圍大小的不同（圖6b~c、圖5f）。鑒于每種羥基、碳酸根離子蝕變信息的提取效果都較符合礦產(chǎn)地的實際情況，故4種提取結(jié)果都將作為預測靶區(qū)圈定的疊合對比數(shù)據(jù)。

光譜角匹配法提取蝕變礦物的結(jié)果可知，赤鐵礦以零星狀分布在影像中；高嶺石以塊狀、零星狀分布在影像中；白云石以條帶狀、塊狀分布在影像中，且分布范圍要明顯大于赤鐵礦與高嶺石。蝕變礦物在與6個礦產(chǎn)地相對比中，銀廠溝、騎螺溝、廠梁子和大埡口-獅子山4個礦產(chǎn)地附近均有赤鐵礦、白云石、高嶺石出露，且吻合程度較好，鐵索橋、大橋邊2個礦產(chǎn)地附近出露有少量的白云石與極少量的赤鐵礦（圖6d）。從提取結(jié)果中發(fā)現(xiàn)，不論采用波段比值法還是光譜角匹配法，鐵索橋和大橋邊2個礦產(chǎn)地提取到的鐵染蝕變信息數(shù)量及范圍要明顯弱于其余4個礦產(chǎn)地。對此通過礦產(chǎn)地地質(zhì)特征資料（表1）可知，4個礦產(chǎn)地附近均形成黃鐵礦化蝕變或赤鐵礦化蝕變，而鐵索橋與大橋邊2個礦產(chǎn)地基本以重晶石化、白云石化為主，故鐵染蝕變信息較弱。在與已知礦產(chǎn)地對比分析可知，光譜角匹配法的蝕變礦物提取效果較好，且具有指示意義，故將該結(jié)果作為預測靶區(qū)圈定的疊合對比數(shù)據(jù)。

通過波段比值法、主成分分析法和光譜角匹配法3種蝕變信息提取方法應用于2種影像數(shù)據(jù)的結(jié)果可知：①在相同的研究區(qū)使用不同的方法在提取不同種類蝕變信息中各有優(yōu)勢，且提取結(jié)果具有一定差異性。在研究區(qū)中，波段比值法在鐵染蝕變信息提取中的效果要優(yōu)于主成分分析，原因可能為波段比可以有效地消除陰影和地形的影響，使其適用于復雜地形，且波段比提取鐵染蝕變信息基本不受植被干擾的影響，以及波段比值法在采用密度分割后所呈現(xiàn)出來的效果為線性，更加直觀；②主成分分析法在羥基、碳酸根離子蝕變信息提取中的效果要優(yōu)于波段比值法，原因可能為波段比值在計算中應用2個波段的信息量少于主成分分析應用4個波段的信息量，其次波段比值在提取羥基、碳酸根離子中易受植被干擾，即便對植被進行掩膜后，Landsat8的波段比值的結(jié)果也不佳，并且該研究區(qū)的植被覆蓋較強，而主成分分析法在進行掩膜后有較好的效果；③光譜角匹配法的提取效果優(yōu)于波段比值法與主成分分析法，具體表現(xiàn)在蝕變礦物的出露范圍和分布數(shù)量與已知6個礦產(chǎn)地吻合性更好，原因可能為光譜角匹配法更加充分利用了GF-5高光譜影像數(shù)據(jù)波段數(shù)量多、采樣間隔短的波譜優(yōu)越性，將提取蝕變信息結(jié)果精準到礦物級別，但處理大量波段會產(chǎn)生較大計算量，以及因波段間相關性強而產(chǎn)生數(shù)據(jù)冗余度高等問題，使得該方法提取到的蝕變礦物數(shù)量及分布范圍較多，難以單憑這一種提取方法精準圈定預測靶區(qū)，因而需要結(jié)合波段比值法與主成分分析法共同圈定靶區(qū)。

4.2 靶區(qū)圈定

通過上述結(jié)果討論分析，本文采用具有一定指示意義的蝕變信息進行疊合對比圈定靶區(qū)（圖7a~i），其中Landsat8影像選取鐵染波段比值結(jié)果與羥基、碳酸根離子主成分分析結(jié)果，GF-5高光譜影像選取鐵染，羥基、碳酸根離子波段比值結(jié)果，鋁羥基、鎂羥基、碳酸根離子主成分分析結(jié)果以及光譜角匹配分析結(jié)果。圈定方法依據(jù)在相同的區(qū)域中，波段比值圖中表現(xiàn)為中、高異常值，主成分分析圖中3級異常套合情況較好，且靶區(qū)地物排除造成偽異常的地物，光譜角匹配圖中包含赤鐵礦、白云石和高嶺石礦物。經(jīng)過疊合對比分析，選取了較為合適的靶區(qū)，該靶區(qū)在鐵染，羥基、碳酸根離子波段比值（圖7a~c）圖中都為中高異常值，羥基、碳酸根離子主成分分析圖（圖7d~g）中的蝕變異常套合也較好，且GF-2高光譜影像（圖7i）對應的地物排除居住區(qū)及第四系黃土造成的偽異常，以及靶區(qū)（圖7h）包含赤鐵礦、白云石和高嶺石等礦物。

圖7 寧南鉛鋅礦集區(qū)預測靶區(qū)圖a.Landsat8預測靶區(qū)鐵染波段比值圖；b.GF-5預測靶區(qū)鐵染波段比值圖；c.GF-5預測靶區(qū)羥基、碳酸根離子波段比值圖；d.Landsat8預測靶區(qū)羥基、碳酸根離子主成分分析圖；e.GF-5預測靶區(qū)鋁羥基主成分分析圖；f.GF-5預測靶區(qū)鎂羥基主成分分析圖；g.GF-5預測靶區(qū)碳酸根離子主成分分析圖；h.GF-5預測靶區(qū)光譜角匹配圖;i.GF-2預測靶區(qū)地物圖Fig.7 Image of target prediction of the Ningnan lead-zinc ore concentration area a.Image of Landsat8 target prediction of iron-stained band ratio;b.Image of GF-5 target prediction of iron-stained band ratio;c.Image of GF-5 arget prediction hydroxyl and carbonate ion band ratio;d.Principal component analysis image of Landsat8 target prediction hydroxyl,carbonate ion alteration information;e.Principal component analysis image of GF-5 target prediction aluminum-hydroxyl alteration information;f.Principal component analysis image of GF-5 target prediction magnesium-hydroxyl alteration information;g.Principal component analysis image of GF-5 target prediction carbonate ion alteration information;h.Image of GF-5 target prediction of spectrum matching;i.Terrain image of GF-2 target prediction

4.3 預測靶區(qū)驗證

（1）化探異常套合驗證

對收集的寧南鉛鋅礦集區(qū)范圍內(nèi)1∶20萬區(qū)域化探數(shù)據(jù)進行調(diào)平，進而結(jié)合研究區(qū)地質(zhì)背景及成礦地質(zhì)條件，針對寧南鉛鋅礦床特征，選擇Pb、Zn、Ca、Mg等元素采用統(tǒng)計分析方法，深入分析單元素及元素組合的空間分布特征，識別與提取了寧南鉛鋅礦集區(qū)的化探異常數(shù)據(jù)。將預測靶區(qū)在化探異常數(shù)據(jù)進行投點可知，預測靶區(qū)在鉛、鋅化探異常數(shù)據(jù)中表現(xiàn)為中高異常值；在鈣鎂異常數(shù)據(jù)中表現(xiàn)為中異常值，預測靶區(qū)與3種化探數(shù)據(jù)異常值都有較好的對應關系（圖8a~c）。

圖8 寧南鉛鋅礦集區(qū)化探異常信息圖a.鉛化探異常；b.鋅化探異常；c.鈣鎂化探異常Fig.8 Information of geochemical anomaly of the Ningnan lead-zinc ore concentration area a.Lead geochemical anomaly;b.Zinc geochemical anomaly;c.Calcium and magnesium geochemical anomaly

（2）野外實地驗證

經(jīng)過仔細的野外實地驗證發(fā)現(xiàn)：①預測靶區(qū)范圍內(nèi)的圍巖主要以白云巖和有機質(zhì)白云巖為主，在礦化處，白云石有明顯的重結(jié)晶現(xiàn)象，易形成膠粒；②產(chǎn)出礦物主要有閃鋅礦、方鉛礦、黃鐵礦、赤鐵礦、重晶石、藍銅礦、螢石，以及部分寒武紀黑色頁巖；③預測靶區(qū)已成為小型礦床，并被云南某礦業(yè)公司開采（圖9a~f）。通過化探異常數(shù)據(jù)驗證與野外實地驗證的結(jié)果，證明了多源數(shù)據(jù)與多種方法相結(jié)合的綜合預測方式是有效性的。

圖9 寧南鉛鋅礦集區(qū)野外實地驗證照片a.方鉛礦；b.具有刀砍紋的白云巖；c.含閃鋅礦的有機質(zhì)白云巖；d.廢棄礦井；e.野外靶區(qū)實地地貌；f.中厚層狀白云巖地貌Fig.9 Photos of field-field validation of the Ningnan lead-zinc ore concentration area a.Galena;b.Dolomite with knife cuts texture;c.Organic matter dolomite containing diblorite;d.Abandoned coal mine;e.Field geomorphology in the field target area;f.Medium-thick stratified dolomite geomorphology

5 結(jié)論

（1）本次研究針對四川寧南鉛鋅礦集區(qū)的實際情況，對Landsat8影像與GF-5高光譜影像采用了波段比值法、主成分分析法與光譜角匹配法3種方式，有效地提取鐵染，羥基、碳酸根離子蝕變信息及礦物，鑒于GF-5高光譜數(shù)據(jù)采樣間隔短、波段數(shù)量多等優(yōu)勢，既可以將羥基、碳酸根離子蝕變信息分別以鋁羥基、鎂羥基、碳酸根離子的3種形式提出，又可將具體蝕變礦物提出，如赤鐵礦、白云石、高嶺石等，為圈定預測靶區(qū)提供了更多的數(shù)據(jù)資料。

（2）GF-2高空間分辨率影像所具有的1 m空間分辨率，可以輔助剔除大量的第四系沉積物黃土、零散分布的民用耕地以及居住區(qū)造成的偽異常。

（3）在對篩選后的蝕變信息結(jié)果進行疊合對比分析后圈定預測靶區(qū)，通過化探異常數(shù)據(jù)與野外實地考察的雙重驗證，確定該預測靶區(qū)含礦，證明多源數(shù)據(jù)與多種方法相結(jié)合的綜合預測方式是有效的。