对观测角、颗粒度、风化程度及化学成分等因素引起的岩石光谱变异特征和规律进行了较全面的研究^{[27, 34]}, 分析和评价了一些常用的光谱参量(强度、整体形态、吸收特征等)对数据质量敏感性和不同条件下稳定性对矿物识别的影响, 提出了高光谱岩、矿识别应尽量提取吸收谱带组合特征等较稳定的全局性光谱特征的技术思路。认为, 在诸多描述谱带的参量中, 最稳定者为谱带的位置(波长)和主次序列关系。在蚀变矿物的吸收谱带中, 除了1 400 nm和1 900 nm波长附近的水和OH^-基团吸收谱带外, 一般都存在一个强度较大的谱带, 称为主要谱带或诊断谱带; 谱带组合特征是指在所研究的光谱区间内, 矿物光谱中由主要谱带、次要谱带和伴生谱带组合形成的共生相伴关系和依据吸收强度确定的主次序列关系。主要谱带和谱带组合特征是识别和区分具体矿物类型的重要指标。波谱的反射强度和总体形态受环境因素、混合光谱和数据质量的影响最大, 在矿物识别中一般仅起到辅助作用^[31]。

岩石一般都由多种矿物组成, 岩石光谱是组分矿物光谱的综合反映。研究矿物混合光谱特征对矿物识别和定量反演有重要的指导意义。

以实验室模拟为主, 开展了矿物混合光谱特征和模型研究。用不同粒度的纯矿物碎粒, 以不同的重量比例, 取含OH^-矿物与造岩矿物、含OH^-矿物与含OH^-矿物、含OH^-矿物与碳酸盐矿物、碳酸盐矿物与碳酸盐矿物、铁质矿物与含OH^-矿物或碳酸盐矿物3种矿物组合五大混合类型, 研究合成光谱的变化规律 ^[27]。

实验结果显示, 岩石的光谱特征并不是组分矿物光谱的简单叠加, 各组分矿物的光谱特征往往相互加强、掩盖, 有时一种矿物光谱甚至会改变另一种矿物的光谱特征谱带在岩石光谱中的表现; 矿物的混合光谱效应不仅影响光谱特征的强度, 而且还会造成光谱特征位置漂移和形态的改变(图1a), 特别是在光谱吸收特征位置相近的情况下, 这种现象更加明显。矿物的光谱识别必须充分考虑混合光谱的影响。另一方面, 自然界矿物有其共生组合规律, 实际应用中, 有时识别特定矿物的共生组合会更有实用价值。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 粒度< 45 μ m高岭石与蒙脱石的混合光谱特征Fig.1 Mixed spectra of kaolinite/montmorillonite with the grain size< 45 μ m

从图1可以看出, 在可见— 近红外区间, 矿物反射率混合光谱表现出明显的非线性特征; 在短波红外区间, 矿物反射率混合光谱近似于线性特征(图1c)。矿物单次反照率光谱的混合呈线性混合特征(图1d), 应用Hapke模型将发射率转换为单次散射反照率(图1b), 使矿物的混合光谱线性化, 能有效提高光谱线性解混和矿物丰度反演的精度。不同比例高岭石与蒙脱石混合光谱线性解混实验结果显示, 矿物丰度反演误差由反射率的18.01%减少到单次散射反照率的5.2%^[32]。

蚀变类型、蚀变矿物组合及蚀变分带是地质找矿的重要标志, 是成矿成岩过程中水— 岩相互作用、热动力作用以及热变质作用等的产物。研究蚀变类型、蚀变矿物组合的光谱特征和直接识别方法, 对遥感地质找矿具有重要的指导和决策意义。

根据混合光谱的变化规律, 利用光谱库中矿物的典型光谱, 采用数字半定量模拟和实验室模拟相结合的方法, 分别从矿物离子或离子基团(金属阳离子、不同类型的水、OH^- 基团)、矿化蚀变类型、蚀变分带与蚀变矿物共生组合、矿物的类质同象3个层次对主要矿物的谱带特征进行分析和总结: 分析了Fe²⁺、Fe³⁺和Al³⁺等金属阳离子和金属-OH基团的光谱行为; 总结了低、中、高温主要蚀变类型的光谱特征, 主要蚀变矿物的光谱行为, 矿物蚀变和类质同象所引起的光谱变异特征; 从矿物共生组合的角度分析模拟了主要蚀变类型的蚀变矿物吸收谱带的组合效应及其对矿物识别的影响; 提出了用于识别青盘岩化、次生石英岩化、热液力粘土化等蚀变类型中不同蚀变矿物组合的主导光谱和组合光谱特征^{[29, 35, 36]}。根据不同矿化蚀变类型的蚀变分带与矿物的共生组合, 进一步利用Hapke辐射传输模型定量模拟不同蚀变类型、不同矿物共生组合的混合光谱^[32], 研究混合光谱的特征, 并建立相应的查找表, 为高光谱蚀变带的直接识别奠定基础。目前, 这一工作仍在进行中。

高光谱矿物识别的基本原理是高光谱遥感数据的重建光谱与矿物标准光谱或实测光谱的定量比对分析。从岩矿信息提取的角度分析, 国内外发展的光谱识别方法从本质上可归纳为两大类型: 即以重建光谱与标准光谱相似性度量为基础的光谱匹配方法和以矿物学和矿物光谱知识为基础的智能识别方法^[37]。

光谱匹配是将重建光谱与参考光谱相比较, 以某种测度函数度量它们之间的相似性或相关程度^[38], 从而对矿物进行识别的方法。相似性测度函数可以是距离函数(欧氏距离、马氏距离等)^{[39, 40]}、相似性指数^[41]、相关系数^{[42, 43]}、光谱矢量夹角^[44]及光谱信息散度^[45]等。

智能识别方法是以矿物学和矿物光谱知识为基础, 选取合适的具有诊断性的光谱特征或具有鉴别能力的光谱参量, 结合专家系统方法建立识别规则, 对矿物进行识别^[46]。有代表性的是美国地调局发展的Tricorder系统, 它以特征谱带的拟合度、诊断谱带处连续统的大小及梯度, 以及辅助光谱特征作为判别指标进行综合判别。在决策中还考虑了特征强度的归一化、不同鉴别能力的不同特征权重、水气谱带对矿物吸收特征的影响等因素, 识别矿物的种类和正确率都比较高, 可识别的矿物达40种左右^[2]。但由于某些矿物, 特别是与成矿作用有关的热液蚀变矿物的波谱特征差异较小, 更受到矿物混合光谱等因素的影响, Tricorder系统对一些波谱特征相近的一些矿物仍会出现混淆和误判现象^[47]。

针对像元混合光谱和光谱解混中的诸多不确定性以及端元像元选择困难的问题, 从混合光谱与端元光谱的相似性概率理论出发, 将斯皮尔曼相关系数和肯达尔一致性系数引入到高光谱矿物识别中, 发展了光谱混合极大相关的矿物识别方法, 用以识别混合光谱中的主导性矿物, 取得了较好的识别效果^{[30, 48]}, 并获得发明专利“ 基于光谱混合组成的高光谱矿物极大相关识别方法” (专利号: Zl 2004 1 0048343.1)。

目前, 基于光谱匹配, 包括亚像元匹配形成的矿物识别流程都将每种矿物看作是彼此孤立互不联系的个体, 识别中对光谱参量的运用也一视同仁, 平等对待, 而不论其对不同矿物的敏感性和在不同条件下的稳定性。实际上, 根据矿物学和矿物分类学的知识, 同类、同族的矿物在化学成分、晶体结构和光谱特征上都有不同程度的相似性。为此, 提出建立矿物识别分层谱系的思想: 在系统分析矿物光谱的变化规律, 评价光谱参量的敏感性与稳定性的基础上, 参照或借鉴矿物学的分类方法, 在可见— 反射红外光谱区间, 分别以主要吸收谱带、谱带组合特征、谱带精细特征和谱带变异特征为基础, 对矿物依“ 矿物类— 族— 种— 亚种” 逐层进行识别, 形成了成像光谱矿物分层识别谱系, 构成了实际判别决策过程的树状结构^{[31, 49]}。在由类到具体矿物的识别决策中, 所使用特征的精细程度越来越高, 但其稳定性和对矿物的诊断性逐渐降低, 这样, 将识别的不确定性控制在某一类别层次上, 从总体上提高了矿物识别的可信度, 并提高了处理的自动化水平和批量处理能力^[50]。该成果获得了国家发明专利“ 高光谱矿物分层谱系识别方法” (专利号: ZL2004 1 0048346.5)。图2为新疆东天山HyMap 航空多光谱Al-OH类矿物分层识别的结果。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 新疆东天山Al-OH类矿物的分层识别Fig.2 Step-wise identification of Al-OH bearing minerals at eastern Tianshan Mountain area, Xinjiang

在应用过程中, 通过对相似矿物精细光谱特征的分析, 在识别谱系中进一步发展和引入光谱相似性匹配、光谱指数和混合分解等方法, 进一步细化和扩充了高光谱矿物分层识别规则, 建立了可集成不同识别算法分层次的识别框架, 使可识别的矿物增加到30余种^[33]。

矿物丰度光谱识别即是根据测量光谱的某些特征, 定性或定量地反演矿物在地质体中相对含量(丰度)的方法。目前, 矿物丰度的定量反演方法主要有基于诊断吸收谱带的深度、光谱混合分解和数理统计方法。

反射光吸收谱带的强度(Intensity)是矿物的本征吸收强度(Intrinsic Absorption Strength)、散射特性和矿物丰度的函数^[51]。矿物混合光谱特征研究结果表明^[27], 矿物特征谱带强度与矿物的百分含量基本呈线性相关, 利用吸收谱带的强度变化可以近似估计矿物的相对含量。由于混合光谱的影响, 不同岩石中矿物的谱带强度与矿物百分含量的关系不同, 谱带深度还受到环境因素和光谱重建精度等因素的影响, 而具有一定的不确定性^[52]。

统计分析方法最常用的是回归分析和偏最小二乘回归分析^[53], 起到了“ 规一化” 或“ 定标” 的作用, 将反演的“ 相对含量” 转化为“ 真实含量” , 但需要测量和分析大量的样品。

混合像元分解是目前反演矿物丰度常用的方法^[54], 但其存在两大主要问题: 一是目前混合分解使用的基本都是线性模型, 但在反射光谱区间, 矿物光谱混合属于紧致混合, 非线型特征明显; 二是混合光谱分解得到的“ 丰度” 信息是各端元光谱在混合光谱中所占的比重, 是矿物的“ 光谱丰度” 。针对这两大问题, 我们采取三大措施对光谱线性混合分解进行改进: 一是利用Hapke辐射传输模型将光谱反射率转换为单次散射反照率, 将光谱的非线性混合转换为“ 线性混合” ; 二是用连续统去除方法分离吸收谱带和背景, 以减少照度和环境因素的影响; 三是加入代表无吸收特征矿物的光谱单次散射反照率为1的端元参加分解, 使反演的丰度接近其真实丰度(图3), 提高了丰度反演的可靠性^[32]。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 新疆东天山土墩矿区HyMap数据反演的蛇纹石体积百分含量Fig.3 Abundance of smectite (vol%) estimated from HyMap data at Tuden mining area of Xinjiang

白云母、绿泥石是成因矿物学和找矿矿物学研究的两种重要的特征矿物^{[55, 56]}。通过采集不同地点、不同岩性及不同成因的两种样品作实验室测试, 研究光谱特征与矿物成分、结构的关系变化, 分析其所包含的成因及形成时的温、压信息。

采集了新疆东天山地区黄山东铜镍矿超基性岩中的以叶绿泥石为主的绿泥石, 香山西和黄山铜镍矿的辉长岩、辉绿岩等基性岩中的铁镁绿泥石, 红滩金矿辉长岩、辉绿岩等基性岩中的辉绿泥石, 香山西铜镍矿中性闪长岩中的叶绿泥石和铁镁绿泥石、绿泥绢云板岩中的铁镁绿泥石等样品, 在实验室测量反射光谱, 并用电子探针对其进行化学成分分析。根据绿泥石颗粒的分析结果, 以28个氧原子为标准计算绿泥石的结构式。同时收集了USGS光谱库中绿泥石的光谱数据与相应的化学分析结果, 研究绿泥石的光谱特征与其化学成分以及形成温度之间的相互关系。分析结果表明, 绿泥石矿物的Mg八面体配位数、ω (Fe)/ω (Fe+Mg)、 Al^Ⅳ 等离子数与Mg-OH/Fe-OH基团的谱带位置和光谱吸收深度有一定的相关关系, 同时随绿泥石生成温度的升高, Mg-OH/Fe-OH基团的特征吸收位置向长波方向漂移^[32]。

以同样方法研究不同成因类型白云母(绢云母)中四面体Al离子含量、八面体Al离子含量(图4左)、Al₂O₃重量百分比、ω (Si)/ω (Al)(图4右)等参数与2 210 nm附近谱带位置的关系, 结果显示谱带位置随白云母中Al^Ⅳ 含量的减少, ω (Si)/ω (Al^Ⅳ )值的增加而向长波方向漂移^{[32, 57]}。

根据实验结果, 用回归分析方法, 建立了根据白云母在2 210 nm波长附近谱带位置反演白云母中Al^Ⅳ 含量、ω (Si)/ω (Al^Ⅵ )等的回归方程(图4); 根据绿泥石3 330 nm附近谱带位置反演Fe、Mg质量分数, ω (Fe)/ω (Fe+Mg)、ω (Mg)/ω (Fe³⁺+ Fe²⁺)等比值的反演模型^{[32, 58]}。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 白云母2 210 nm附近谱带位置与八面体Al离子含量(左)及ω (Si)/ω (AlⅥ )(右)的关系Fig.4 The relationship of Al-OH band wavelength of sericite with octahedral AL composition (left), and with ω (Si)/ω (AlⅥ ) ratio(right)

从“ 十一五” 开始, 中国国土资源航空物探遥感中心在反射光谱矿物识别研究的基础上, 进一步开展了发射光谱的矿物识别方法研究, 将使用的光谱区间由可见— 反射红外扩展到中— 热红外谱段, 以建立全谱段的矿物填图技术体系, 目前已取得很多阶段性成果。

(1)定量研究分析了不同大气模式下温度廓线误差对发射率反演的影响。分析比较了参考通道法、昼夜法、灰体发射率法、比值法、α 剩余法、发射率归一化法及温度-发射率分离法等目前国内外所发展的主要发射光谱反演方法, 总结了它们的应用条件和优、缺点^[11], 开发了相应的处理程序。

(2)利用JHU和ASU光谱数据中138个岩矿样品的发射光谱, 以及收集到的火星TES热红外高光谱数据, 研究应用发射光谱的矿物识别方法^[59], 运用与反射光谱矿物识别类似的思路, 建立了一些造岩矿物和矿石矿物的识别准则。

(3)分析研究了克里斯琴森特征(CF)与岩石SiO₂含量、SCFM指数[ω (SiO₂)/ω (SiO₂+CaO+FeO+MgO)]的关系, 建立相关模型^[60]。

(4)针对ASTER热红外多光谱数据波段的特点, 设计了SiO₂指数(ε ₁₂/ε ₁₃), 建立了其与SiO₂含量的统计关系, 并利用SiO₂指数由ASTER热红外多光谱数据定量反演地表岩石SiO₂含量。在新疆东天山工作区发现了一处原地质图上未予填绘的辉石岩岩体(图5)^[60]。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 新疆东天山黄山东ASTER热红外数据反演的SiO2含量及发现的辉石岩岩体Fig.5 Abundance of SiO2 estimated from ASTER thermal infer-red data at Huangshangdong mining area of Xinjiang and the pyroxenite body found out

矿物识别限是指高光谱所能检测到的矿物最低像元丰度, 即像内矿物的最小平均丰度。利用反演的矿物分布强度与矿物实测丰度相关分析估计高光谱矿物的识别限。结果显示, 高光谱遥感矿物填图的灵敏度或检出限约在5%~10%之间。一般来讲, 反射比比较低的暗色矿物灵敏度较低, 识别限一般在8%~10%左右, 如绿泥石、绿帘石等; 反射比比较高的浅色矿物灵敏度较高, 识别限一般在5%~6%左右, 如方解石等。但矿物的识别限受多种因素的影响, 包括矿物在岩石中的实际含量、分布、范围、与背景的对比度以及数据的空间分辨率等。低空间分辨率会对矿物的像元丰度产生稀释效应。对于分布尺度较小的矿物, 如细脉状的方解石脉和细矿脉中的矿物, 空间分布很不均匀的矿物, 实际的识别限会显著降低^[33]。

运用理论分析、实验和数字模拟相结合的方法, 较系统地分析了大气、地面的非朗伯特性、太阳-目标-仪器的几何关系、光谱分辨率、空间分辨率、信噪比等环境和技术参数对矿物识别的种类、可信度和定量化程度的影响^{[31, 34, 61]}。

矿物识别限和影响因素的研究为高光谱测量的工程布置和技术指标的选择提供了依据。

同类型岩石中的矿物组分, 不同矿种、不同成因类型矿床的矿物生成序列, 矿物的共生和伴生组合, 蚀变类型和蚀变矿物组合及分带、标型矿物等都有一定的内在规律。在地质找矿中, 蚀变矿物组合和蚀变分带比单一的蚀变矿物更具有指导和决策意义。很多情况下, 并不需要逐一识别出各种单一的矿物成分, 更需要的是识别出矿物的共生组合及其分带。据此, 提出了在找矿应用中, 针对不同情况, 可采用的两种应用模式^{[31, 62]}:

(1)基于单矿物的识别模式。对单个矿物逐一识别。根据矿物的空间分布和组合型式, 结合矿物的共生组合规律和工作区地质环境与地质条件, 分析矿物分布的空间组合型式和空间变化, 划分不同的蚀变带、变质带、岩化带或相带, 进行深入的地质分析。

(2) 基于组合矿物(蚀变带)的识别模式。根据不同蚀变类型和蚀变分带的矿物组合, 依据组合光谱特征直接识别蚀变带, 用以进行地质分析和矿产资源评价, 圈定找矿靶区。

通过理论分析和典型试验, 对比分析了大气校正、光谱重建、矿物光谱识别、端元矿物选择及光谱解混等主要技术环节中不同处理方法或模型的应用条件和应用效果, 对比分析了布标光谱同步测量、地物定标点光谱同步测量、定标点光谱非同步测量及大气传输模型等4种成像光谱大气校正和光谱重建方法的效果, 总结和提出了工程实施中光谱重建应遵循的工作准则、重建光谱质量的判断方法与判断准则^{[31, 63]}; 提出了根据不同矿物选择途径和端元类型拟采用的识别方法或方法组合。在此基础上, 总结了一套较系统的干旱裸露区区域成像光谱矿物填图的基本工作方法或工作程式^[31], 形成的较完整的技术和应用体系(除数据获取外)基本能够适应规模化生产的需要。

自然界岩石矿物的组成、性状和波谱特征非常复杂, 在实际工作中, 仅靠数学方法和数学模型往往难以取得较理想的识别效果。熟悉或了解工作区的地质背景、地质环境和地质发展历史, 掌握矿物学、矿物的共生组合和矿物光谱学等方面有关知识和经验, 对识别目标的确定、诊断特征的选择、识别方法的应用、决策依据的建立等都具有重要的指导作用。据此, 提出了基于地质学、矿物学和矿物物理学知识的高光谱矿物填图的工作策略和判别决策方法^[27]。

在以上分析研究和应用示范的基础上, 总结和提出包括数据获取和标准产品生成、数据预处理、大气校正和光谱重建、图像分析、矿物光谱识别、矿物识别的不确定性和敏感性分析、光谱识别支持系统、应用分析与建模、多数据的组合运用等高光谱矿物填图技术体系框架(图6)。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 高光谱矿物填图技术体系框架Fig.6 The framework of technology systematic architecture for hyperspectral mineral mapping

新疆土屋东— 三岔口工作区面积约3 000 km², 位于康古尔塔格俯冲碰撞带铜镍钼金成矿带之赤湖— 黄山— 镜儿泉铜镍钼金成矿区中。铜镍矿床一般都赋存于复式岩体较晚期贯入的基性或超基性岩相中, 都伴有一定规模的围岩蚀变。应用建立的识别谱系和识别规则, 用HyMap机载成像光谱数据填绘出蛇纹石、透闪石、褐铁矿、富铝白云母、贫铝白云母、蒙脱石、高岭石、绿泥石、绿帘石、绿泥石和绿帘石组合、方解石、盐碱化(石膏和芒硝)等10多种矿物, 编制了全区(图7)和标准分幅(图8)矿物分布图。系统野外查证结果表明, 矿物识别率(含量达到识别限以上地点被识别出的比率)为82%, 识别准确率(被识别出的地点的确存在该矿物的比率)达90%以上。

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 新疆土屋东— 三岔口地区矿物分布Fig.7 Mineral map of Tuwudong-Sanchakou area in Xinjiang

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 新疆东天山黄山幅1:5万标准分幅矿物分布Fig.8 Mineral map of the Huangshan standard 1:50000 map sheet in Xinjiang

对填图结果的地质分析和野外查证发现, 呈带状、片状或团块状, 沿构造线方向大片展布的白云母、绿泥石、绿帘石及方解石等单一矿物或一两种矿物组合, 一般都是区域变质作用的产物; 蛇纹石和透闪石可用以圈定超基性岩; 散布在岩体边缘、接触带、断裂带附近, 呈小板块状、细条纹状、透晶体状、或星点状出现的蛇纹石、透闪石与其他蚀变矿物的组合分布, 往往是成矿作用的反映, 指示着矿床、矿点或矿化的分布, 是找矿的有利地段。据此, 提出了若干找矿有利地段、靶区和找矿有利部位^{[31, 64]}。

在河北崇礼工作区, 根据已经发现的矿床都与碱性杂岩体有关的特点, 以已知矿区蚀变碱性杂岩体的波谱为参照, 通过对工作区MAIS成像光谱数据的处理和识别, 采用光谱匹配方法, 圈出了12个金矿化蚀变异常。对其中的7个异常点进行野外检查, 都见到了与金矿化密切相关的石英脉, 在石英脉或围岩中都发育不同程度的钾长石化、硅化、绿帘石化、绿泥石化、黄铁矿化以及褐铁矿化等蚀变。特别是西沟窑东西沟处两金矿化异常点钾长石化、硅化强烈, 硫化物十分发育, 经采拣块样化验分析, 西沟窑东沟含金0.68 g/t、银348 g/t、铅15.88%; 西沟窑西沟含金4.9 g/t、银50 g/t、铅2.86%^{[27, 65]}。

利用Hyperion航天成像光谱数据, 在西藏驱龙斑岩铜矿远景区填绘了高Al绢云母、低Al绢云母、高岭石以及绿泥石等4种蚀变矿物(图9)。

图9

Fig.9

	Figure Option ViewDownloadNew Window
	图9 西藏驱龙斑岩铜矿高Al绢云母(蓝)、低Al绢云母(绿)、高岭石(红)合成图像Fig.9 Composition image of Al-rich sericite(B), Al-poor sericite(G)and kaolinite(R)of Qulong porphyry copper deposit in Tibet

与斑岩铜矿床典型成矿模型(图10左)对比认为, 绢云母、高岭石及绿泥石的分布对应于云英岩化、粘土化和青盘岩化带。由此建立了工作区斑岩铜矿高光谱遥感找矿模型(图10右), 发现了多处与已知矿区矿物组合特征非常相似的矿化异常和若干较小的蚀变分布区, 经分析评价和地面查证, 圈定找矿靶区3处^{[27, 66]}, 每处都为其后的勘探工作所证实。

图10

Fig.10

	Figure Option ViewDownloadNew Window
	图10 斑岩铜矿典型成矿模型(左)和工作区高光谱遥感找矿模型(右)Fig.10 Typical metallogenic models of porphyry copper deposit(left)and prospecting model of hyperspectral remote sensing in working area(right)

从图9、10可见, 高Al绢云母分布于矿床的北部边缘岩体的接触带上。根据成因矿物学的理论, 低温高压条件有利于铝离子在六次配位中替代其他阳离子, 高Al绢云母形成于相对低温高压环境中, 其在岩体的接触带上集中分布可能反映出成矿岩浆沿接触带上升过程中, 在较浅部位温度降低后而产出, 或是多期热液作用的结果。