第一作者简介: 况 忠(1975-),男,工程师,长期从事区域地质、矿产地质及遥感地质应用研究工作。Email:gzsygxh@163.com。
为了对贵州省矿产资源潜力进行评价,以ETM+为数据源,采用“去干扰异常主分量门限化技术(deinterfered anomalous principal component thresholding technique,DAPCTT)”提取了贵州省弱矿化蚀变遥感信息(即羟基遥感异常和铁染遥感异常信息)。这些信息是大量的离散数据,并以栅格文件形式表现,故采用密度加权法对离散异常点进行了表面内插处理,并绘制成等值线图。从这些图可以看出,遥感异常的分布具有一定的规律性,与地层、构造和矿产资源分布均有较好的吻合度。结合部分元素的地球化学异常分布图、高分辨率遥感图像和野外实测蚀变带等地学资料对遥感异常进行比对和验证的结果表明,用上述方法提取的弱矿化蚀变遥感信息可靠,基本反映了它们与地质构造、岩石及采矿场的依存关系,为贵州省矿产资源潜力评价提供了新的依据。
Taking Landsat7 ETM+ as the data source and using “de-interfered anomalous principal component thresholding technique,i.e., DAPCTT”,the authors extracted weak mineralization and alteration remote sensing information (i.e. hydroxyl and iron-stain remote sensing anomaly information) in Guizhou Province. As this kind of information contains large quantities of discrete data and uses the grid file form,the authors used the density weighted method to process the surface interpolation of the discrete outliers and drew the contour maps. The contour maps show that the remote sensing anomaly distribution has certain regularity and is in good agreement with the formation, structure and distribution of mineral resources. In combination with geochemical element anomaly distribution map,high resolution remote sensing images and field measured alteration zone data,the comparison and verification were made for the remote sensing anomalies, and the results show that the weak mineralization and alteration remote sensing information extracted by these methods is reliable and can reflect the basic relationships between geological structures,rocks and mining fields. In addition, it can supply new clues to the evaluation of mineral resources potential in Guizhou Province.
大多数内生矿床都伴有围岩蚀变现象, 因此矿化蚀变是重要的找矿标志之一。围岩矿化蚀变是在热液作用下, 矿床围岩的化学成分、矿物成分、结构和构造发生变化的现象。最常见的蚀变有硅化、绢云母化、绿泥石化、云英岩化、矽卡岩化、白云岩化、重晶石化和锰铁碳酸岩化等, 常见于热液矿床的周围。据有关研究[1, 2, 3], 蚀变岩石与热液矿床有很高的相关性, 大多数蚀变矿物在短波红外波段具有诊断性的波谱特征[4]; 具有鉴定意义的特征波谱带是由含铁(Fe2+ , Fe3+)和羟基(OH-)、水(H2O)或碳酸根(C
随着卫遥感技术的发展, 国内外学者在弱矿化蚀变遥感信息提取技术方面的研究也得到了发展。在我国贵州省, 遥感技术在地质领域的应用和研究亦在不断地深入和发展, 例如杨柏林等[7]利用TM数据在黔桂地区进行了遥感信息提取和找矿预测; 崔敏中[8]、董光贵[9]利用TM图像对紫木凼— 贞丰一带进行了构造研究; 况忠等[10] 利用ETM+图像对黔西南地区进行了隐伏构造(或构造弱化带)的研究和找矿预测; 况顺达等[11]利用MSS像片、TM数据和黑白航片, 结合区域地质矿产资料和物化探资料等多源信息对黔东南地区铜金矿进行了研究和预测。纵观这些年来的研究成果, 一方面是在区域性的基础地质调查中进行遥感地质解译, 另一方面是在找矿预测中提取矿化蚀变遥感异常信息, 但后者仅涉及小范围或特定的重点区域。本文以贵州省矿产资源潜力评价项目遥感专题为依托, 利用ETM+数据对全省进行了弱矿化蚀变遥感信息提取, 并对提取的矿化蚀变遥感信息进行加权统计处理[12]和成图。得到的弱矿化蚀变遥感异常分布图图面清晰, 可读性强, 较好地反映了遥感异常信息与地质构造、地层岩石及有关矿产的相关性。
贵州省地层发育比较齐全(图1), 青白口系至第四系都有出露[13, 14]。除中-晚二叠世峨眉山玄武岩在黔西北有较广分布外, 其他类别的岩浆岩出露面积小, 数量也不多。保持原沉积岩特征的低绿片岩相变质岩主要分布在黔东南地区, 第四系分布零星、面积小。构造运动既有剧烈的褶皱运动, 又有和缓的升降运动。
贵州省在成矿体系❶(❶据全国矿产资源潜力评价项目“ 成矿区带课题组” 划分方案(2007年8月)。)上属于滨太平洋成矿域上扬子成矿省和华南成矿省。在武陵构造旋回期, 贵州处于扬子陆块东南缘, 形成了与碰撞型或后造山期岩浆岩相关的钨、锡、铌、钽等矿产。在雪峰— 加里东构造旋回期, 贵州处于被动大陆边缘位置, 其裂陷盆地控制了沉积型、喷流沉积型矿产锰、重晶石、磷、烃源岩及页岩气、镍、钼、钒等矿产的形成; 而以金、铅、锌、金刚石等为主的内生矿产明显受变质核杂岩构造和板内岩浆岩控制。在海西— 燕山构造旋回期, 贵州同时受东南侧钦防海槽和西南侧特提斯域发展演化的影响, 从晚古生代开始发生陆内裂陷, 至三叠纪初转化为前陆盆地, 其裂陷盆地和前陆盆地控制了沉积型、喷流沉积型矿产如煤、锰、铝土矿、
重晶石、烃源岩及页岩气、铁、铅、锌等的形成; 由于该时期贵州省所处前陆盆地之构造位置, 内生矿产明显受浅层滑脱构造和板内岩浆岩控制, 形成了金、锑、砷、汞、铅、锌、软玉等非常有特色的中低温热液矿产。
选用Landsat7 ETM+原始遥感数据, 获取时间为1999年和2000年。采用主成分分析法提取了羟基(泥化)和铁染(铁化)2种矿化蚀变遥感异常。
通过地物波谱特征分析, 用数学方法将可能形成干扰的非目标地物经数学处理归入干扰窗; 去干扰后再进行径辐射校正和无损拉伸处理, 获得基础图像; 并形成干扰物掩模, 进行掩模主分量分析, 尽可能地减少干扰物(水体、云、城市建筑物、地形阴影、云影和植被等)对矿化蚀变遥感异常信息提取产生的影响。
矿化蚀变信息提取的方法较多, 常用的有主成分分析法、比值法和光谱角法等。主成分分析是利用蚀变矿物的波谱特征提取蚀变信息的一种方法, 其特点之一是对图像数据进行集中和压缩, 将多光谱图像的各个波段中高度相关的信息集中到少数几个波段, 并且尽可能地保证这些波段的信息互不相关, 从而达到分离和识别有关信息的目的。
TM遥感数据各波段之间存在一定的相关性, 为了减少各波段数据之间的相关性对遥感分类的影响, 本文采用“ 去干扰异常主分量门限化技术” (deinterfered anomalous principal component thresholding technique, DAPCTT)[4] 进行了蚀变遥感异常信息的提取。用B1, B4, B5和B7波段数据提取羟基矿化蚀变遥感信息, 用B1, B3, B4和B5波段数据提取铁染矿化蚀变遥感信息。
将用上述方法提取的遥感异常, 按照标准离差的倍数Kσ 进行分割, 即羟基异常为Kσ =2.0(阈值为191, 192), 铁染异常为Kσ =1.5(阈值为175, 176), 并进行了3× 3窗口的滤波平滑处理; 然后在此基础上采用密度加权法[15]对离散采样点进行表面内插处理, 生成矿化蚀变遥感异常信息等值线图(图2)。
![]() | 图2 贵州省矿化蚀变遥感异常信息等值线图Fig.2 Contour maps of remote sensing anomaly information of mineralization and alteration in Guizhou Province |
该等值线图以待计算网格为中心, 进行圆形区域搜索; 进而计算每个格网的密度值, 落入搜索区内的点具有不同的权重, 靠近格网搜寻区域中心的点或线会被赋予较大的权重, 随着其与格网中心距离的加大而降低权重。不同区域离散点的密集程度不同, 因此在等值线图中形成了一个个不同级别的搜索中心, 使对较弱矿化蚀变信息的识别能力得到了提高。
从图2(a)中可以看出, 羟基(泥化)遥感异常主要分布于遵义— 都匀一线以西的区域内, 在黔西南地区较密集, 有极好的搜索中心, 而在其他地区则分布相对分散。
羟基遥感异常受地层和构造控制较为明显, 主要分布于下江群、板溪群、寒武系、泥盆系、石炭系、二叠系和三叠系等地层中, 尤其是二叠系和三叠系最为明显; 岩性主要为灰岩、白云岩和粘土岩。
羟基遥感异常的搜索方向与区域构造的延伸方向大致相同。在紫云— 六盘水断褶带附近其搜索方向呈NW向延伸, 在遵义— 毕节一带呈NE向与近SN向2个方向搜索, 在鸡场一带呈近EW向与SN向搜索相交, 在贵阳以南的克混— 都匀之间大致呈近SN向延伸。羟基遥感异常在黔西南地区有花贡、楼下、坡脚和陇纳4个最明显的搜索中心, 其他地区的稍差, 次级搜索中心主要分布在赫章六曲河、沙厂、鸡场、克混、岔河、凯里和铜仁等地。
黔西南地区是省内著名的金、锑矿产地, 羟基遥感异常分布区的地层主要为二叠系和三叠系, 岩性以灰岩、泥质灰岩、白云质灰岩、泥质白云岩和粘土岩为主, 围岩蚀变有硅化、白云石化等, 与矿床(点)间有较好吻合度。
毕节— 贵阳— 凯里一线羟基遥感异常的空间分布表现出从SE向NW延伸, 所处地层从老到新有白云岩夹泥岩— 灰岩— 白云岩夹泥岩的变化规律。
据有关资料显示, 赤水— 习水一带赋存有丰富的油气藏, 由于烃类微渗漏常常引起油气藏上方地表出现泥化、地表放射异常和热惯量异常等[16], 因此羟基遥感异常的存在可能与油气藏的烃类微渗漏有一定的关系。此外, 在务川— 息烽— 兴义一线以西, 以及六曲河— 普安一线以东的区域内分布有富含煤层气的龙潭组碎屑岩, 部分羟基异常的形成亦可能与煤层气渗漏有关。在铝土矿、磷块岩、锰矿和硫铁矿等沉积矿产分布区, 羟基遥感异常反映的大多是这些矿种的采矿信息。务川一带呈NE向分布的羟基遥感异常表现较弱, 但与该地区的汞矿点和汞化探异常均有较好的吻合度。在黔东南地区, 出露地层为前寒武系下江群、隆里组和长安组等浅变质岩系, 主要产石英脉型和蚀变型金矿, 羟基遥感异常主要分布在远口和钟灵一带, 较弱、较分散, 但与矿化点间有一定的吻合度。
从图2(b)中可以看出, 铁染(铁化)遥感异常在贵州全省都有分布, 明显受到地层和构造的控制, 主要分布于寒武系、石炭系、二叠系、三叠系碳酸盐岩地层以及侏罗系碎屑岩地层和第四系地层中, 在贵州西部峨眉山玄武岩分布区也有较多的铁染遥感异常分布, 相关性较好。
铁染遥感异常在炉山、金碧、天龙、湖潮、沙文、洛北河、牛场、梵净山、务川(木油厂)和平秋等地均有搜索中心, 搜索方向(分布)与贵州的区域构造分布有较好的一致性, 其浓集中心主要沿梵净山— 贵阳— 安顺NE向断裂带、遵义— 都匀[l4]SN向褶皱带和威宁— 黔西— 施秉近EW向构造带[17]这3个方向分布, 并受其控制而交汇于贵州的中部; 在梵净山地区几乎与该穹状构造一致。
为了检验上述遥感异常是否具有可靠性, 将一些重点区域的遥感异常分别与化探异常(Au, Sb, As, Hg, Cu, Pb, Zn等)和已知矿床(点)进行对比; 并对部分遥感异常分布区利用高分辨率遥感图像进行了矿山开发状况的遥感解译和实地验证。
4.1.1 羟基遥感异常与化探异常对比
所提取的羟基遥感异常在黔西南地区的大厂、坡脚、楼下(图3(a))、克混、铜仁等地与Au, Sb, As, Hg等化探异常组合有较好的重叠, 在远口、钟灵等地与Au化探异常有较好的重叠, 但相对于其他地区, 异常密集程度较弱。在晴隆、花贡(图3(b))、凯里等地与Pb, Zn化探异常有较好的重叠。
![]() | 图3 羟基遥感异常与化探异常对比Fig.3 Comparison between hydroxyl remote sensing anomalies and geochemical element anomalies |
4.1.2 铁染遥感异常与化探异常对比
铁染遥感异常在黔西南盘县民主(图4(左))、贞丰卡务、兴仁紫木凼(图4(右))、盘县石脑和江口梵净山等地与Au, Sb, Hg, As化探异常组合有较好的重叠关系, 与梵净山多金属成矿带的吻合度最好; 在黔东南地区仅在黎平肇兴、从江地虎、锦屏敖市等地与Au化探异常有较好的重叠关系, 但遥感异常强度较弱; 在习水桑木、玉屏和松桃盘石等地与Pb-Zn化探异常有较好的重叠; 在威宁炉山和江口梵净山两地, 与Cu化探异常有较好的重叠。
![]() | 图4 铁染遥感异常与Au, Sb, Hg, As化探异常对比Fig.4 Comparison between iron-stain remote sensing anomalies and geochemical Au, Sb, Hg, As element anomalies |
4.1.3 羟基+铁染遥感异常与化探异常对比
羟基+铁染异常在普安青山、安龙普坪、贞丰者相、兴仁巴铃、平坝马场等地与Hg, Au, Sb, As化探异常组合有较好的重叠关系; 在黔西南地区的普安青山、安龙普坪、贞丰者相(图5)、兴仁巴铃及安顺轿子山等地与Pb-Zn化探异常组合有较好的重叠关系。
本研究对部分遥感异常分布重点地区, 利用SPOT5, GeoEye等高分辨率遥感图像进行了解译和分析, 发现羟基+铁染遥感异常所在的区域大多为采矿场所, 可以确认提取的遥感异常为矿致异常。如图6所示, 绿色影像为植被, 棕黄色影像为修文小山坝铝土矿露天开采场。但是在者相(图5)的遥感异常较为例外, 并未发现有开矿迹象, 却有较好的羟基+铁染异常搜索中心, 遥感异常是否为矿致异常, 值得关注。
(底图为SPOT5 B4(R)B3(G)B2(B)假彩色合成图像)
在大厂(图7)一带为红土型金矿露天开采区。从图7可以看出, 褐红色与灰黄色呈斑驳状不均匀分布、有粗糙感的区域即为采矿区。在该区域内, 部分羟基遥感异常与之有较好的重合。
![]() | 图7 大厂一带红土型金矿采区、羟基遥感异常及矿床点分布(底图为GoeEye B2(R)B3(G)B1(B)假彩色合成图像)Fig.7 Distribution of red-clay-type gold body, hydroxyl remote sensing anomalies and deposits in Dachang area. |
此外, 紫木凼金矿和水银洞金矿所处的位置正好是灰家堡背斜, 而铁染异常的搜索方向与其构造线延伸方向基本一致, 且有一个较好的异常搜索中心, 与高分遥感图像中影像异常的位置也是一致的。
据区域资料[7, 8, 9, 10, 13, 18, 19, 20]显示, 在黔西南地区(图7— 8)局部有矿化和围岩蚀变现象, 以二叠系茅口组大厂层(Pd)(又称构造蚀变体)最为典型, 其岩性为深灰色中层强硅化灰岩、角砾状强硅化灰岩、硅质岩及角砾状粘土岩。岩石中常见斑块状及细脉状白色、绿色石英, 偶见辉锑矿及片状石膏。围岩蚀变以硅化、白云石化、黄铁矿化、高岭土化、萤石化和角砾岩化为主。“ 大厂层” 起着容矿作用, 控制着矿床、含矿体或矿体的分布, 产有金、锑、汞等多种矿产。由于山盆期[21]的夷平风化作用, 使得在大厂一带的金矿以红土型为主, 主要赋存于下伏地层茅口组灰岩形成的岩溶洼地堆积的第四系土壤中。
将遥感异常与蚀变带、矿点、红土型金矿露天开采场进行对比研究, 发现羟基遥感异常在蚀变带上、矿点附近、红土型金矿露天开采场均有较好的重叠关系, 吻合度较高, 进一步证实了弱矿化蚀变遥感异常的提取有较高的可靠性。据此认为, 在大厂地区将遥感异常与微地貌结合, 在茅口灰岩与蚀变岩之间界面附近的岩溶洼地和岩溶管道等区域是找寻红土型金矿的潜在靶区。
1)通过对贵州全省弱矿化蚀变遥感信息的提取和处理, 为地质找矿提供了新依据, 特别是在楼下泥堡、紫木凼、戈塘和大厂等几个特大、大型金矿产出区, 花贡铅锌矿产出区, 以及铜仁汞矿产出区均有较密集的遥感异常分布, 有相对的异常搜索中心。因此, 通过类比, 有必要对上述区域加强多种手段的综合研究, 同时也应重视其他几个异常搜索中心(如陇纳、坡脚等地)的区域资料研究和野外调查工作。随着综合研究的不断深入, 部分成果已经在罐子窑— 茅口地区铅锌矿远景调查以及其他几个科研项目中得到了应用。
2)采用密度加权统计制作的遥感异常分布图既包含了离散点的特征, 又便于开展成矿地质背景与成矿规律研究和找矿预测使用。
3)与化探异常、高分辨率遥感图像和野外实测蚀变带及矿床(点)分布的对比和研究结果表明, 采用“ 去干扰异常主分量门限化技术” 提取的遥感异常有较高的可靠性, 有些遥感异常不仅包含了矿致信息, 同时也包含了采矿信息。
1)在阴影区和植被发育区(如梵净山和黔东南地区), 因掩模运算掩盖了该区大部分地层, 使得遥感异常在该区的提取仅有参考意义。另外, 大部分露天矿采场也在掩模运算过程中被当作干扰物去除了, 这便是许多该出现矿化蚀变遥感异常的地方而没有出现的原因。
2)研究区内部分数据(126、125轨道)时相为植被发育期(5月份), 部分数据(128/40)有少量薄云覆盖, 导致了遥感异常提取效果较差, 对本次研究结果有一定的影响。
3)本文中遥感异常的提取仅为基础性研究, 没有针对特定矿种, 难于适合所有矿种。因此, 今后的遥感异常提取应针对特定区域、特定矿种, 选用空间分辨率和光谱分辨率都较高的遥感数据作专项研究, 以进一步提高遥感资料的可利用性和遥感地质应用的研究程度。
志谢: 本文成文后,韩宝智、朱顺才高级工程师为本文提出了修改意见,在此表示诚挚的谢意。
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
|
[19] |
|
[20] |
|
[21] |
|