ASTER是TERRA卫星携载的一种高级光学传感器, 包括了从可见光到热红外共14个光谱通道, 其中, 15 m分辨率的VNIR(可见光与近红外)与30 m分辨率的SWIR(短波红外)波段范围内记录的是地物光谱反射率, 90 m分辨率的TIR(热红外)波段范围内记录的是地物热辐射值; 每景图像的范围为60 km× 60 km。本文只使用了可见光、近红外及短波红外波段的数据(表1)。本文使用的ASTER图像的成像时间是2005年10月7日。

表1

Tab.1

表1(Tab.1)

表1 ASTER VNIR和SWIR波段数据特征 Tab.1 Characteristic of ASTER data in VNIR and SWIR bands 波段 波长/μ m 中心波长/μ m 空间分辨率/m 辐射分辨率/% 绝对精度/% 量化级/bits 1 0.520~0.600 0.560 NE△ ρ ≤ 0.5 VNIR 2 0.630~0.690 0.660 15 NE△ ρ ≤ 0.5 ≤ ± 4 8 3 0.760~0.860 0.820 NE△ ρ ≤ 0.5 4 1.600~1.700 1.650 NE△ ρ ≤ 0.5 5 2.145~2.185 2.165 NE△ ρ ≤ 1.3 SWIR 6 2.185~2.225 2.205 30 NE△ ρ ≤ 1.3 ≤ ± 4 8 7 2.235~2.285 2.260 NE△ ρ ≤ 1.3 8 2.295~2.365 2.330 NE△ ρ ≤ 1.0 9 2.360~2.430 2.395 NE△ ρ ≤ 1.3

表1 ASTER VNIR和SWIR波段数据特征 Tab.1 Characteristic of ASTER data in VNIR and SWIR bands

2.2.1 辐射定标

本文使用的数据是ASTER L1B数据, 经过几何纠正及辐射校正。几何纠正的相对误差小于15 m(即在一个像元内), 达到了一般的误差要求; 大气校正的过程需要辐射亮度值, 因此需要对ASTER L1B数据进行辐射定标, 将DN值转换成辐射值。本文中蚀变异常提取涉及的波段范围是可见光、近红外及短波红外波段, 波长范围最大到2.5 μ m, 所以只用到ASTER数据的前9个波段。鉴于VNIR数据的分辨率是15 m, 需要对VNIR的3个波段的数据进行重采样, 以便与短波红外波段数据统一为30 m的分辨率。利用ENVI的layer stacking工具把上述9个波段数据整合在一起, 编辑头文件, 重新定义波长、中心波长、半极值宽、传感器的增益和偏差。利用preprocessing软件中的定标工具完成辐射定标。

2.2.2 FLAASH大气校正

大气校正的目的有两个: ①去除传感器接收地物反射光携带的大气干扰因素的影响; ②将辐射率转换为反射率, 以便于与参考光谱进行比较。

FLAASH(fast line-of-fight atmospheric analysis of spectral hypercubes)是目前精度较高的大气辐射校正模型。它是基于像素级的校正, 可校正漫反射引起的连带效应, 调整人为抑止导致的波谱平滑, 有效地消除大气、光照等因素对地物反射的影响, 获得地物较为准确的反射率、辐射率、地表温度等真实的物理模型参数。

通过FLAASH大气校正前、后波谱及实测波谱(图1)的对比可以看出, 校正后可见光范围的反射率降低, 短波红外范围的反射率升高, 曲线更接近地物的实际波谱; 特别是短波红外波段, 突出了ASTER的B6, B8波段的吸收特征, 有利于进行蚀变信息提取。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 FLAASH大气校正前、后波谱及实测光谱Fig.1 The spectrum before and after FLAASH atmospheric correction and field measurement

岩矿的光谱特征取决于其所含离子与基团的晶体场效应与基团振动的结果。对红外光谱产生吸收的基团/分子主要有H₂O, C O32-, NH⁴⁺, Al-OH, Mg-OH和Fe-OH, 所涉及的矿物主要有层状硅酸盐矿物(绿泥石、蛇纹石、绿帘石、闪石等)、碳酸盐矿物(方解石、白云石等)和硫酸盐矿物(明矾石、黄铁钾矾、石膏等)。上述矿物常出现于热液蚀变带中, 对找矿具有重要的指导意义。

本文从USGS波谱库中选择上述矿物的光谱数据, 得到重采样到与ASTER波段一致的波谱曲线, 以观察ASTER数据的波谱特征, 便于对PCA分量的选择, 提高矿物识别精度。

3.1.1 Fe离子的波谱特征

由于电荷转移效应, Fe离子常常吸收较短波长的能量, 导致其反射率曲线在蓝光波段方向急剧下降, 形成陡峭的斜坡, 因此含铁矿物一般都表现为红色或接近红色。含铁矿物在ASTER的B1波段的反射率远低于其他波段, 在B2波段的反射率相对B1波段高。针铁矿、赤铁矿在B1— 4波段的反射率随波长的增加而变高, 而在B3波段的反射率远低于在B4波段的反射率, 主要是Fe³⁺的波谱特征。上述含铁矿物在B4波段都有较强的反射, 但在其他波段没有明显的吸收或反射特征(图3)。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 Fe离子的波谱特征Fig.3 The spectral characteristic of Fe ion

3.1.2 Al-OH基团的波谱特征

大多数矿物都含有Al离子, 特别是硅酸盐矿物(代表矿物有白云母、高岭石、蒙脱石等), 其特征吸收谷在2 170~2 210 nm附近。上述3种硅酸盐矿物在ASTER的B1— 4波段的反射率随波段号的递增而变高, 在B5— 7波段则相反呈递减趋势, 在B6波段形成吸收谷(这与2 170~2 210 nm的特征吸收谷是相符的); 只有白云母在B8波段还有一个微弱吸收谷(图4)。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 Al-OH基团的波谱特征Fig.4 The spectral characteristic of Al-OH group

3.1.3 Mg-OH基团的波谱特征

含有Mg离子的矿物也很常见(代表矿物有绿泥石、绿帘石), 其特征吸收谷在2 315~2 335 nm附近。上述两种含Mg离子矿物在ASTER的B1— 4波段的反射率随波段号的递增而变高, 在B5波段呈反射峰特征, 而在B8波段形成吸收谷(图5), 这是因Mg-OH基团的振动产生的。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 Mg-OH基团的波谱特征Fig.5 The spectral characteristic of Mg-OH group

3.1.4 CO₃^2-基团的波谱特征

碳酸盐矿物的诊断特征是在2 335~2 386 nm附近形成吸收谷, 主要是因基团振动(即C O32-, H₂O倍频或合频)产生的(代表矿物有方解石、白云石)。上述2种碳酸盐矿物在ASTER的B1— 3波段的反射率随波段号的递增而变高, 在B5波段有微弱吸收(反射率略低于B3波段), 在B8波段有强吸收谷(图6)。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 CO32-基团的波谱特征Fig.6 The spectral characteristic of CO32- group

PCA法是根据蚀变矿物的波谱特征选择主成分变换波段, 分析变换后的本征向量载荷因子的大小和符号, 确定每个波段对矿化蚀变矿物的光谱响应的贡献, 判别适合提取蚀变矿物异常的主分量图像, 根据蚀变矿物在主分量图像中的分布特征提取遥感异常信息。

通过分析对比上述离子、基团的波谱特征, 选择ASTER数据的合适波段进行PCA, 这是信息提取成功的关键。选择合适的PC分量进行中值滤波、密度分割, 从而得到信息提取的结果。下面以含Al-OH基团的蚀变矿物信息提取为例予以说明。

在含Al-OH基团的蚀变信息提取中, 为了突出该基团在B6 波段吸收、在B7波段反射的特征, 选择B3, 4, 6, 7波段做PCA来提取蚀变信息, 其实质是通过PCA扩展B6, 7波段的光谱反差, 以提取该组蚀变信息, 其本征向量必须满足具有相反的贡献值并有相对高的负载荷。从表2可以看出, PC4符合上述条件。

表2

Tab.2

表2(Tab.2)

表2 Al-OH基团信息提取的主成分本征向量矩阵 Tab.2 Eigenvalue matrix of the PCA for extraction of Al-OH group information 主成分 B3 B4 B6 B7 V/%① PC1 -0.341 253 -0.570 176 -0.525 545 -0.531 270 94.56 PC2 -0.894 006 0.029 172 0.431 867 0.115 730 4.36 PC3 -0.037 524 -0.500 875 -0.264 462 0.823 271 0.63 PC4 -0.287 909 0.650 517 -0.683 633 0.163 044 0.45 ① V/%表示该主成分占B3, 4, 6, 7总信息的百分比。

表2 Al-OH基团信息提取的主成分本征向量矩阵 Tab.2 Eigenvalue matrix of the PCA for extraction of Al-OH group information

对提取的含Al-OH基团的异常信息进行3× 3中值滤波增强, 分别以3.0, 2.5, 2.0倍标准离差提取1— 3级异常, 最后得到含Al-OH基团的白云母、高岭石、蒙脱石等矿物的蚀变信息(图7)。

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 Al-OH基团蚀变信息提取图Fig.7 Map of alteration extraction of Al-OH group

从图7可以看出, 含Al-OH基矿物分布不均, 除香山矿外, 在其他矿区均有集中分布, 在图东北角呈面状分布。由于PCA是对ASTER图像原始波段的线性组合分析, 各主分量中所包含的方差很小的面状异常信息, 大部分是由噪声引起的; 加上波谱分辨率和密度分割阈值的影响, PCA结果中常包含干扰异常。据地质资料, 在图7的东北角地区大量分布的是滑石和绿泥石, 只有零星的绢云母和风化成因的蒙脱石等Al-OH类矿物。

采用同样的方法, 通过对ASTER数据中典型地物的波谱特征分析, 选择出代表另外3组矿物光谱特征的波段, 并保证区分另外3组矿物: 用ASTER的B1, 2, 3, 4波段做PCA来提取Fe离子信息; 用B1, 3, 4, 5波段做PCA来提取C O32-基团信息; 用B1, 3, 4, 8波段做PCA来提取Mg-OH基团信息。

用PCA方法提取的遥感蚀变信息常含有干扰异常, 因此有必要进行异常信息筛选。本文采用SAM进行干扰异常筛选。

SAM是以多波段遥感数据构成的多维矢量数据与从波谱库中得到的已知参考端元矢量的多维空间向量角作为基本依据, 从高光谱遥感数据提取信息的一种有效方法。

SAM分类用到的端元波谱通常可以来自ASCII文件、波谱库或从遥感图像中的感兴趣区提取。本文输入的端元波谱是USGS光谱库中的标准曲线重采样到ASTER的 9个波段的波谱(包括上述9种蚀变矿物的波谱)。

依据上述端元波谱, 分别进行含Fe离子矿物(针铁矿、赤铁矿)、含C O32-基团矿物(方解石、白云石)、含Al-OH基团矿物(白云母、蒙脱石、高岭石)和含Mg-OH基团矿物(绿泥石、绿帘石)等4组(9种)蚀变矿物的SAM异常填图。利用波段运算, 将同类矿物的PCA分类数据与SAM分类数据相乘, 进行干扰异常筛选。图8为上述4组蚀变矿物信息异常筛选前、后结果的对比。

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 异常筛选前后结果对比Fig.8 Comparison between result of PCA and result after de-interfered anomaly

研究区含Fe离子矿物信息的PCA提取结果(图8(a))中明显具有条带状的噪声影响, 通过SAM筛选后可以看到, 含Fe离子矿物信息零星分布, 在香山矿附近稍有集中(图8(b)), 与实际情况吻合。碳酸盐矿物主要是方解石, 据地质资料得知, 方解石在香山、黄山、黄山东矿区附近有集中分布的含矿异常(图8(c)), 经SAM筛选后的结果(图8(d))与实际吻合。Al-OH类矿物的PCA结果(图8(e))中东北角分布的面状干扰异常, 通过SAM筛选后得到有效的剔除(图8(f))。研究区北部广泛分布有区域变质成因的绿片岩, 含有大量的绿泥石、滑石类Mg-OH矿物, 在黄山、黄山东矿区分布有带状、面状的热液蚀变形成的绿泥石, 黄山南矿区附近并无绿泥石蚀变发育。Mg-OH类矿物PCA的结果(图8(g))中北部有大面积的“ 非矿” 异常和矿区周边的热液成因的绿泥石, 与实际吻合; SAM筛选前、后图像变化不大, 但SAM筛选后的结果(图8(h))筛选掉了黄山南矿区附近的干扰异常。