开展遥感地质找矿工作的关键之一是精心选择和获取遥感数据。不同构造单元具有相异的地理地貌特征、不同成矿条件和各自的成矿地质背景。所以选择与研究区成矿特征相适应的遥感数据,是遥感地质找矿取得良好效果的保证。
一、TM与ETM+数据特征
陆地卫星TM和ETM+分别属于美国陆地资源卫星的第二代和第三代传感器系统,具有一定的继承性。两者之间的多光谱波段数相同,都为7个波段,ETM+增加了一个地面分辨率为15m的全色(PAN)波段,以及将TM6波段的空间分辨率提高到60m。多光谱数据空间分辨满足1∶20万的制图要求。对重点矿区(带)进行遥感地质解译,可以通过8波段与多光谱数据融合方法将影像空间分辨率提高到15m,能够达到1∶5万地图草测精度。因此该数据能够满足本次项目中对遥感地质信息提取的要求。
表5-1列出了TM、ETM+遥感数据的主要性能指标。可以看出,ETM(TM)1~4波段为可见光及近红外光,含铁矿物在此波段有明显的光谱吸收特征,对于探测干旱、半干旱环境中含褐铁矿的岩石、土壤有较好效果;ETM7对于出露地表的粘土与碳酸盐矿物敏感,将ETM7和ETM2~5组合分析,对于识别含铁粘土矿物非常有效,这类矿物通常是热液蚀变的标志;TM6可以探测地表的热辐射强度,对于识别与金矿化密切相关的石英脉本身及含石英较多的岩石是非常有用的。总之,能从TM图像中提取三种基本的光谱信息,即铁染强度、岩石土壤中的羟基和碳酸盐根矿物,是地质找矿的十分重要的资料。
表5-1 TM和ETM+的主要性能参数及光谱识别标志
二、工作使用的数据
研究区分布较广,主要涉及研究区的图像有3景,数据景号与采集日期见表5-2。
表5-2 研究区内遥感数据景号与采集日期
三、多波段遥感数据最佳波段组合优选
由于人们对彩色敏感程度比对全色大得多,遥感图像应用研究中多采用RGB彩色合成图像及彩色空间变换图像来进行构造、地层岩性和岩体等解译。然而ETM+图像有7个波段,各波段物理性质不同,且各波段之间信息又有一定重叠和冗余。一般图像的方差越大,包含的信息越多;相关系数越小,波段间信息冗余度越小。所以要求图像方差要大而相关性要小这样两个条件。基于上述依据,目前最佳波段选择的主要方法有:熵与联合熵、OIF指数法、方差-协方差矩阵特征值法等。其中OIF指数法,该方法是美国查维茨提出,理论依据是:图像数据的标准差越大,所包含的信息量也越多,波段的相关系数越小,表明各波段的图像数据独立性也就越高,信息的冗余度也就越小。由于计算方法简单,易于操作,所以最常用。但这些波段选择方法只考虑到两个方面:信息量和相关性,而没有考虑到研究对象的光谱特征和卫星传感器的用途,即要使波段组合后研究地物的光谱特征差异最大。综合各方面因素,在本文中采用“最佳指数(OIF)+光谱特征分析”法。
四、遥感图像处理
遥感图像处理过程中始终以区域控矿地质理论为基础,结合工作区的自然地理地貌环境,在充分总结成矿规律的基础上,从遥感图像或数据中提取不同层次、不同内容的与成矿有关的控矿要素,圈定成矿远景区。
数据处理过程包括:
1)数据预处理:包括图像数据分析,校正,配准,子区裁剪等操作。
2)数据处理:包括图像增强、信息提取等。主要有两方面工作,即图像分类、解译和成矿信息提取。
3)生成专题图层:研究区构造格架、影像构造单元划分,蚀变遥感异常信息以及成矿位场等图层,为多元信息统计分析提供数据源。
遥感图像处理流程(图5-1)。
五、遥感蚀变异常提取
(一)遥感技术应用于斑岩铜矿勘查的理论基础
1.蚀变信息提取的物理学基础
近三十年来,中外学者进行了岩石和矿物波谱特性的大量研究工作,这些研究涉及晶体场理论、矿物学、固体物理学、量子力学、遥感岩石学等众多领域。在多年岩石和矿物波谱特征研究的基础上,特别是80年代发射的陆地卫星LandsatV增设了两个短波红外波段:TM5(1.55~1.75μm)和TM7(2.08~2.35μm),为找矿提供了可以提取具有找矿标志意义的热液蚀变遥感信息。美国国家宇航局(NASA)1998年发射的主力遥感卫星LandsatⅦ号进一步将全色波段的空间分辨率由LandsatV卫星的30m提高到15m。
图5-1 遥感图像处理流程
从HuntG.R(1978)和他领导的实验室的研究成果以及阎积惠等(1995)依据矿物反射波谱特征吸收谱带特点的定性分类研究中可以知道:主要造岩矿物在可见光—近红外光谱(0.35~2.5μm)并不产生具有鉴定意义的反射谱带,其光谱特征主要由岩石中为数不多的次要矿物决定:
一是含铁(Fe2+、Fe3+)基团产生,含铁矿物主要有角闪石、赤铁矿、褐铁矿、针铁矿、磁铁矿、黄钾铁矾等,他们在TM1—TM4波段有强的吸收带,若岩石中含多量的Fe3+,而含Fe2+很少,这类岩石的主要吸收谱带位于TM4和TM1波段,反射波长相当于TM3波段的电磁波。若含大量的Fe2+、含Fe3+很少,则主要吸收谱带位于1波段,对于波长相当于TM2波段的电磁波有某种程度的反射。
二是含羟基(OH-)、水(H20)或碳酸根基团产生,羟基的吸收谱带主要有二处:2.2μm,2.3μm,由于OH-在2.2~2.3μm附近存在强吸收谷(称为羟基谱带),使得TM7产生低值,TM5产生高值,含羟基矿物大多为次级蚀变矿物,如高岭土、叶蜡石、云母类矿物、绿泥石、绿帘石等,水在1.4μm和1.9μm处有特征吸收带。含碳酸根矿物主要有五个特征吸收谱带(1.9~2.55μm),较强的两个在2.35μm和2.55μm波长处(称为碳酸根谱带),相对较弱的在1.9μm、2.0μm、2.16μm三处。常见矿物包括方解石、白云石、石膏、菱镁矿等。
2.遥感应用的地质学基础
从控矿因素的分析得知,成矿规律的研究必须从分析控制和影响矿床形成的各种地质因素着手,通过对地层、岩体、断裂、蚀变等地质因素分析,确定控矿地质因素,分析其对成矿有利的程度。
围岩蚀变现象作为找矿标志已有数百年历史,发现的大型金属、非金属矿床更是不胜枚举:北美、俄罗斯的大部分斑岩铜矿、我国的铜官山铜矿、犹他州的大铝矿、西澳大利亚的大型金矿、墨西哥的大铂矿、美国许多白钨矿、世界大多数锡矿、哈萨克斯坦的刚玉矿等。有用元素的逐步富集是形成矿床的根本,而这种成矿物质通常由成矿热液进行迁移搬运和卸载沉淀。近矿围岩蚀变主要是不同类型的热液与周围岩石相互作用的产物,是成矿物质逐步富集成矿过程中留下的印迹。热液来源主要有:岩浆作用有关的热液、变质作用有关的热液以及地下水环流热液等。热液流体在运移过程中由于其温度、物理化学条件以及围岩组分差异,形成不同的蚀变矿物,按照围岩组分可以分为三类:中酸性岩的蚀变(云英岩化、绢云母化、钠长石化、钾长石化)、基性、超基性岩的蚀变(蛇纹石化、绿泥石化、青磐岩化、碳酸盐化)、石灰岩及其他碳酸盐类的蚀变(矽卡岩化、硅化、重晶石化、白云岩化)。并且不同类型的围岩蚀变指示矿床存在的意义不同,这是由于各种蚀变和矿石同样是成矿作用的产物,从而在时间空间上矿和有关的蚀变存在密切的联系,并且不同类型的蚀变及其组合专属一定的矿床(矿种或矿床类型),因而可以用蚀变来预测矿化矿产资源(Курекнн.1954)。近矿围岩蚀变的研究和热液蚀变岩石的发现,可以指示找矿的空间范围,增加找到矿床的机会。而斑岩铜矿的形成过程中蚀变特征尤其明显。
(二)蚀变遥感异常信息提取方法
本次工作中主要采用的是主分量分析法、比值法增强蚀变遥感异常信息,通过阈值处理(决策树技术)分级提取。工作过程为:预处理(去干扰)→信息提取→异常优化。
1.预处理
(1)高端切割去云及盐碱地的影响
根据图像采样统计结果,云的光谱特征在TM(ETM)1、2、3的灰度值相对较高,TM(ETM)5、7的灰度值相对较低;盐碱地一般表现为在TM(ETM)3的灰度值相对较高,其次为TM(ETM)5、7、2、1。本次工作采用ETM1高端切割来去除云的干扰,采用ETM3的高端切割来去除盐碱地的影响,效果较好。
(2)比值法消除植被影响
植被是蚀变异常提取过程中常见的干扰因素。工作区虽然植被覆盖较少,但为了能尽可能完全地提取致矿异常,还是做了此项处理。根据植物的光谱曲线特征绿色植被在TM(ETM)4(0.76~0.90μm)的反射率最高,可以认为,只有当有其他因素影响时,TM(ETM)5才可能大于TM(ETM)4,因此,可以选取ETM5/4≤1来消除植被干扰。
2.信息提取
一般常见的图像处理方法有:主分量分析、光谱角法、比值法等。下面简要介绍这几种方法的基本原理:
(1)主分量分析(PCA:PrinCipal Component Analysis)又称主成分分析,在计算机处理中称K—L变换。TM数据在图像处理系统中经K-L变换将TM图像转变为一组互不相关的表征函数序列,目的在于压缩TM的波谱维数、突出地物类别、提取与矿化有关的蚀变信息。K-L变换在数学含义上,它是一种基于图像统计特征的多维正交线性变换。经过这种变换后生成一组新的组分图像(数目等于或小于原波段数),是输入的若干图像的线性组合,即:
新疆北部主要斑岩铜矿带
其中,X是原多波段图像的数据矩阵,矩阵元素为P个波段的像元值向量;Y是输出的主组分矩阵,即q个组分的像元值向量,一般q≤p;T为变换核矩,通常为由变换波段之间的协方差矩阵所产生的特征向量矩阵。
新疆北部主要斑岩铜矿带
y1=t11x1+t12x2+…+t1pxp 第一组分
…
yq=tq1x1+tq2x2+…+tqpxp 第q组分
y1,y2…yq按协方差矩阵的特征值大小依次排序。
K—L变换后,第一组分(y1)取得最大信息量(可达90%左右),其余依次减少,一、二、三组分基本是已集中了绝大部分信息,后面组分包含的信息量往往已非常小。
(2)光谱角法
把每一个多维空间点以其空间特征向量来表征,并以空间向量角的相似性作为判据。它是一种监督分类,要求每一类别有一个已知参考谱。此参考谱可以是地面实测入库光谱,也可以是已知条件的图面单元的统计入库结果(又称图像采样)。为了直观,设三维空间点P在彩色坐标系中的特征向量为OP,以此向量为轴作小角锥(图5-2),凡位于此小角锥内的空间点都视为相似的。
图5-2 光谱角法原理
根据线性代数理论,向量α、β间夹角θ为
新疆北部主要斑岩铜矿带
式中,(d,β)为n维向量d,β的内积,|α|、|β|分别为向量d,β的长度,当存在已知矿点或矿床时,可以利用光谱角法圈定与其有相似谱特征的成矿远景区,以减少主分量分析所获异常中的非矿异常;当存在两种以上已知矿点时,可以用光谱角法对主分量分析异常进行类别区分。这两点是光谱角法在异常信息提取中对主分量分析法可以起的辅助作用。
(3)比值法
大量的研究成果表明,蚀变矿物在不同TM波段之间存在光谱反差,其中含羟基的粘土矿物和碳酸盐矿物,在TM7波段具有强吸收,在TM5波段为强反射,而褐铁矿在TM3表现为高反射,在TM1、TM2和TM4则具不同程度的吸收特征,故TM5/TM7、TM3/TM1、TM5/TM4和TM4/TM3通常可用于增强提取上述特定的热液蚀变信息。
遥感数据有哪些类型
遥感的种类主要包括以下几个方面:一、卫星遥感数据。这类数据是通过环绕地球的卫星收集的,涵盖了图像、光谱和地理定位等多种信息。卫星遥感数据能够提供大范围的全球观测,广泛应用于环境监测、资源调查和灾害评估等方面,其优势在于覆盖范围广泛且连续性强。二、航空遥感数据。航空遥感数据是通过飞机或其他...
遥感数据类型及数据处理
1)数据预处理:包括图像数据分析,校正,配准,子区裁剪等操作。 2)数据处理:包括图像增强、信息提取等。主要有两方面工作,即图像分类、解译和成矿信息提取。 3)生成专题图层:研究区构造格架、影像构造单元划分,蚀变遥感异常信息以及成矿位场等图层,为多元信息统计分析提供数据源。 遥感图像处理流程(图5-1)。 五、...
遥感数据有哪些
遥感数据的种类有:卫星遥感数据、航空遥感数据、地面遥感数据等。卫星遥感数据是指通过卫星上搭载的传感器收集地球表面的信息。这些数据覆盖范围广,能够获取全球尺度的数据。卫星遥感数据包括多种类型,如光学数据、雷达数据、红外数据等,它们在不同的气象条件和季节都能提供稳定的观测结果。航空遥感数据是通...
遥感数据及其处理
遥感数据处理的主要流程包括数据组织(即数据种类选择、范围确认、时相选择、订购等)、数据镶嵌(单景数据不存在此过程)、几何校正、图像生成、图像增强、图像整饰等过程,见图3-2。 图3-2 数据处理流程图 (三)数据处理 1.数据镶嵌 所谓镶嵌,就是将相邻两景图像拼接、形成大图像的过程。在图像镶嵌过程中如果使用不...
遥感数据格式介绍
遥感数据主要分为常见的MODIS、Landsat、Sentinel-2与Sentinel-1四个系列。MODIS装置包括36个光谱波段,从可见光到红外波段覆盖,能提供地球表面数据,重访周期约为1至2天。Landsat系统为美国的主要陆地资源观测工具,已发展四代,功能与技术水平随时代进步,能实现商业化运营,对众多领域如能源管理、森林监测...
遥感文件类型分类
遥感数据包括很多种类,一般的最原始的数据是正射影像。一般情况下,影像都是栅格数据,比如.img格式。而带有几何、拓扑参数的数据,是矢量数据,如.shp,.e00格式的。矢量数据一般是进过处理数据,如地形图,专题地图等等。矢量和栅格的分别,可以百度一下。另外,栅格数据显示和分析的时候,是可以多波段...
遥感技术应用发展动态
ENVI是美国RSI公司开发研制的一套功能齐全的遥感图像处理系统,对高光谱数据具有强大的处理能力,IDL语言为用户提供了良好的二次开发环境。与ERDAS和PCI不支持HDF相比,ENVI可以直接读取TM的HDF文件,其支持的栅格数据和矢量数据格式种类也多于其他软件,但ENVI对光谱图像的色彩匹配能力较弱。随着高分辨率卫星的发展,仅使用...
遥感数据收集与处理
应分别采用预处理、基础图像处理和专题图像处理等三种类型的遥感数据处理方法对遥感数据进行处理,以获取满足数字地质填图各个阶段所需要的遥感数据和遥感图像。遥感数据预处理的目的是对遥感原数据转换投影方式、配准图像和镶嵌图像。预处理常用方法包括几何变换、几何校正、图像镶嵌等;基础图像处理应选择多种数据...
遥感的分类及应用概况
例如,多光谱扫描仪就是一种可以利用多个光谱波段同步采集数据的传感器。当利用多个波段所记录的数据相互结合进行分析时,要比仅利用单一波段的图像或者把多个波段单独进行分析,能够获得更多的信息。因此,多光谱数据处理方法成为许多遥感应用的核心内容,包括对地球资源类型和条件的判别。遥感图像的多时相分析...
遥感信息模型有哪些
属性信息模型:属性信息模型描述了遥感数据中与地物属性相关的属性数据。例如,地物类别、土地利用类型、植被指数、温度值等都可以作为属性信息模型的一部分。这些信息模型在遥感数据的分析、处理和应用中发挥重要作用,可以帮助用户理解和提取数据中的有用信息,支持地学研究、资源管理、环境监测等应用领域。