悦永峥，张廷斌,2，易桂花,3，别小娟，郭 箐，汪子义

（1. 成都理工大学 地球科学学院，四川 成都 610059；2. 地学空间信息技术国土资源部重点实验室，四川 成都 610059；3. 中国科学院水利部 成都山地灾害与环境研究所，四川 成都 610059；4. 四川省地质矿产勘查开发局 四〇三地质队，四川 乐山614200）

色那地区高光谱数据蚀变矿物提取及特征分析

悦永峥1，张廷斌1,2，易桂花1,3，别小娟1，郭 箐4，汪子义1

（1. 成都理工大学 地球科学学院，四川 成都 610059；2. 地学空间信息技术国土资源部重点实验室，四川 成都 610059；3. 中国科学院水利部 成都山地灾害与环境研究所，四川 成都 610059；4. 四川省地质矿产勘查开发局 四〇三地质队，四川 乐山614200）

以西藏班公湖-怒江成矿带西段多不杂矿集区东部的色那有利成矿区为研究区，基于Hyperion高光谱遥感数据，开展蚀变矿物提取研究；提取出褐铁矿、绿泥石和高岭土3类地表蚀变矿物波谱端元，并利用光谱角填图方法进行填图。野外验证结果显示，填图结果与野外调查基本吻合，矿物分带特征明显，并根据蚀变矿物分布情况划定了2个斑岩型矿床重点勘查区。

班公湖-怒江成矿带；Hyperion；高光谱遥感；蚀变矿物；色那地区

西藏班公湖-怒江（简称班-怒）成矿带是位于我国西藏的一条重要斑岩铜矿成矿带，在近年来的地质找矿工作中取得了重大突破，特别是成矿带西段改则县境内的找矿工作更是取得了令人意想不到的成绩[1]。多龙矿集区是该地区较为重要的铜多金属矿集区，目前已发现有多不杂、波龙等多个典型矿床[2]。

遥感地质技术的蓬勃发展在地质工作中占据了重要地位，特别是对典型矿床的发现和更加深入地研究有着深远的推动意义[3-5]。科研工作者对多龙矿集区已进行了大规模的遥感地质工作，别小娟[6]利用ETM+、TM、Aster等数据对矿集区进行了蚀变信息提取和成矿预测，代晶晶[7]、胡紫豪[8]基于Aster数据对多不杂斑岩铜矿区蚀变信息进行了分析研究。然而，前人主要运用TM、ETM+和Aster等影像为多光谱数据，研究结果存在一定的局限性。20世纪末高光谱遥感技术逐步从实验阶段进入实用阶段，光谱分辨率提高到10 nm是其重要标志。此类数据有较高的地表物质辨别能力，能较好地探测具有诊断光谱吸收特征的地物，在提取遥感蚀变信息过程中可将蚀变信息具体到特定矿物[9,10]。尤其是Hyperion数据几乎包含所有蚀变矿物的波谱特征，使得数据的蚀变矿物提取能力得到进一步提升[11]。

鉴于此，本文选取西藏班-怒成矿带色那地区为研究区，运用Hyperion高光谱数据进行矿物蚀变信息提取与研究，并结合研究区实际情况圈定重点勘查区，为野外勘查工作提供线索和找矿依据。

1 研究区概况

西藏多龙矿集区位于班-怒结合带西段、羌塘-三江复合板片南部，属于阿尔卑斯-喜马拉雅成矿带组成部分。区内有多个铜金多金属矿床，主要包括多不杂、波龙、尕尔穷、拿顿和那若等，多为斑岩型矿床[12]；区内地层出露较为简单，主体建造为中侏罗系曲色组（J2q）、色哇组（J2s）的滨海相碎屑岩建造，另有石炭系、二叠系、三叠系、白垩系等地层不同程度出露，第四系主要出露于山间河谷[13]；区内岩浆岩较发育，主要包括花岗闪长玢岩、辉绿玢岩、玄武安山岩等[6]，构造以北东向、北西向及近东向为主[14]。

2 数据与研究方法

2.1 数据来源

Hyperion传感器搭载于EO-1卫星。该卫星由美国国家航空航天局于2000年11月发射升空[15]，轨道高度705 km，倾角为98.7°，其目的是为了与Landsat7参数接近，使2颗卫星图像可以重叠，以便进行比对。Hyperion数据共包含242个波段，光谱范围355～2 577 nm，光谱分辨率为9.6 nm，空间分辨率为30 m，每景覆盖7.5 km×80 km，可提供可见光-近红外、短红外的连续窄波段光谱数据[10]。地表蚀变矿物波谱特征主要集中表现在2 000～2 500 nm，Hyperion数据完全覆盖此波谱区间[16-18]，能满足矿物填图要求。本研究使用Hyperion L1R数据（EO1H1430372004304110PZ），时相为2004-10-30。

2.2 Hyperion数据预处理

Hyperion数据在生产过程中已进行了相应处理。然而，数据中仍然有大量异常像元存在，会对实验结果造成很大影响。因此，必须对原始数据进行预处理才能使用，流程如图1所示。

图1 预处理流程图

Hyperion数据共有242个波段，但并非所有波段都作了辐射定标，剔除未定标波段重新组合，剩余波段为8～57、77～224。其中波段56～57与波段77～78重合，但是波段77～78比波段56～68噪音大，一般选用波段56～57。因此新生成图像包括波段为8～57和79～224，共有196个波段[19]。此外，重组波段中有些受水汽影响较大[20]，且这些波段中极少包含对本研究有用信息，因此将其剔除。波段选取情况见表1、表2。

表1 被剔除波段及其波长范围

表2 保留波段及其波长范围

Hyperion数据在提供给用户时已完成了定标，但通常会将VNIR波段乘以40，SWIR波段乘以80，以方便储存。在预处理过程中，需将数据像元值换算成绝对辐射值，即分别将可见光-近红外和短红外波段除以比例因子40和80，合并后得到绝对辐射值数据[21]。传感器在定标过程中会出现一些不可避免的错误和误差，所以在Hyperion L1R数据中存在一些异常数据，通常称为坏线[22]。对保留波段逐个进行坏线筛查并将其修复，见表3。

表3 坏线波段及其列号

Hyperion光谱仪系统中CCD电荷耦合器件的排列方式是垂直于轨道方向，采用推扫式对地进行观测。由于传感器对光谱的响应值存在差异，因此在多数波段上存在竖向条纹，严重影响图像质量及图像应用[23]。针对此研究区影像条纹分布特点，综合各种条纹去除方法，最终选取全局条纹去除法对数据进行条纹去除[24]。

大气校正在预处理过程中最为重要，其目的是获得地表的真实物理模型参数。本次研究运用ENVI中FLAASH模块对影像进行大气校正[25,26]。最后，以1∶50 000地形图为基准，选取15个控制点，运用双线性内插法对数据进行几何校正。

2.3 高光谱矿物填图

2.3.1 端元波谱获取

作为高光谱分类、地物识别等过程中的参考波谱，端元波谱的获取将是实验结果精度的决定性因素。本次研究借助纯净像元指数（PPI）和n维可视化提取出5类端元波谱（图2），经与标准波谱库对比匹配后，最终确定3种矿物（图3），分别为端元1与绿泥石匹配得分为0.931，端元2与高岭土匹配得分为0.933，端元4与褐铁矿匹配得分为0.913。

图2 端元波谱曲线图

图3 纯净像元波谱曲线匹配结果

绿泥石类矿物类似于氢氧化镁[Mg3(OH)6]，缺少层间阳离子是此类矿物的重要特征，两层间主要靠静电力结合在一起。在Martinez-Alonso研究中发现，八面体层中Fe和Mg的置换引起绿泥石光谱在2 260 nm和2 320 nm处发生变化[27,28]；提取出矿物端元波谱吸收特征主要集中在2 250 nm左右。

高岭土为一种硅酸盐，属于含铝羟基矿物，且常含有一定水分[29]，主要成分化学式为[Al2Si2O5(OH)4]。Hunt的实验表明，高岭土在1 357 nm和1 403 nm处具有中等吸收特征，在1 394 nm和1 413 nm处体现强吸收特征，在2 382 nm处强烈吸收，并在2 160 nm和2 209 nm处有一个成对特征吸收谱[27,28]。

含铁类矿物是研究区中较为重要的一种矿物，其中褐铁矿分布较多。褐铁矿光谱特征一般是在900 nm附近有较强吸收特征，从此特征波长处开始，波谱反射率将会急速增加，一般到1 400 nm达到最值，从最高值处波谱反射率逐步降低。由于此类矿物一般含有结晶水，因此在1 400 nm和1 900 nm处往往受羟基或水的波谱特征影响[27,28]。研究区内褐铁矿较发育。

将提取出的3类端元波谱信息与实验室研究得出的矿物波谱特征进行比对，发现波谱特征基本吻合，但在极个别波谱范围内特征波谱发生偏移。这是由于在提取纯净端元时不能保证端元内只包含有单一矿物，纯净像元波谱中大多会存在程度不一的噪音，且在波段选取时可能会造成波谱信息缺失。

2.3.2 波谱角填图（SAM）

SAM是一种常用的填图方法，填图时阈值通常在0.05～0.15之间[30]，此值要根据实地情况进行选择。经过多次实验，此值设置为0.1较为符合实际情况，最后将填图结果叠加到ETM影像图上，得矿物分布图（图 4）。对提取结果进行野外验证，在蚀变信息分布范围内均有相应矿物分布，野外验证点用星号表示，并采集野外照片（见图5、6）。

图5 野外高岭土照片

图6 野外褐铁矿照片

3 结果分析

3类矿物主要分布在色哇组与曲色组，与多不杂矿床周围出露地层基本一致。褐铁矿分布较为零散，在整个研究区分布广泛。高岭土分布在研究区北部与中部的色哇组和曲色组中，北部呈北东向带状分布，中部半圆状分布，与地层展布情况一致。绿泥石主要分布在研究区南部，在中北部有少量出露，南部分布特征较为明显，主要呈近东西向条带状分布，同断裂走向，推测受断裂控制。此外，褐铁矿与高岭土、高岭土与绿泥石之间存在不同程度的重叠区。根据典型斑岩铜矿床常见蚀变矿物分布特征可知，各种矿物之间存在共生组合规律，如含铁离子矿物常与粘土类矿物共生，此次实验中矿物分布符合此类共生规律。同时，3类矿物分布由内向外显示出褐铁矿-高岭土-绿泥石的蚀变矿物分带特征，与斑岩铜矿蚀变分带的似千枚岩化带-泥化带-青磐岩化相对应（图7）。

图7 蚀变分带图

研究区出露有玢（斑）岩，蚀变矿物多围绕玢岩分布。玢（斑）岩是斑岩型铜金矿成矿岩体，是找矿的直接标志。结合研究区内蚀变矿物分带和斑岩铜矿典型矿床成矿要素，在研究区圈定出2个重点找矿靶区。

4 结 语

研究区表现出褐铁矿-高岭土-绿泥石蚀变矿物良好的分带特征，结合区内多不杂典型矿床成矿要素，

圈定了2个找矿靶区，为寻找多不杂式矿床提供了遥感找矿线索。班-怒成矿带是西藏自治区重要成矿带之一，由于区内自然环境恶劣，大面积矿产勘查工作难度较大。利用Hyperion高光谱数据的优势，根据目标矿种或矿产类型有针对性地开展蚀变矿物提取工作，

可快速锁定重点找矿靶区，提高找矿效率。

[1] 张廷斌,唐菊兴,李志军,等.西藏尕尔穷铜金矿多光谱遥感地质特征与外围找矿预测[J].国土资源遥感,2014,26(4):170-178

[2] 代晶晶,王瑞江,王润生,等.基于蚀变信息提取的西藏班公湖-怒江成矿带中段斑岩铜矿找矿预测[J].地球学报,2012,33(5):755-762

[3] 郭娜,陈建平,唐菊兴,等. 基于RS技术的西藏甲玛铜多金属矿外围成矿预测研究[J].地学前缘,2010,17(4):280-289

[4] 张玉君,曾朝铭.西藏冈底斯地区斑岩铜矿识别的最佳多光谱遥感异常判据研究[J].矿床地质,2012,31(4):671-698

[5] 代晶晶,王瑞江,曲晓明,等.TerraSpec波谱仪在西藏多不杂斑岩铜矿区蚀变信息研究中的应用[J].国土资源遥感,2013,25(1):105-110

[6] 别小娟,张廷斌,孙传敏,等.西藏多龙矿集区遥感异常提取与成矿预测[J].桂林理工大学学报,2013,33(2):252-258

[7] 代晶晶,曲晓明.西藏多龙铜多金属矿集区构造及蚀变遥感信息提取[J].地质与勘探,2012,48(4):815-822

[8] 胡紫豪,唐菊兴,张廷斌,等.西藏多不杂斑岩铜矿ASTER遥感蚀变异常特征[J].国土资源遥感,2012(1):150-154

[9] 刘衍宏.基于高光谱Hyperion数据的粘土矿信息提取应用研究[D].北京:中国地质大学,2010

[10] 刘国涛.高光谱遥感蚀变矿物识别算法研究[D].成都:成都理工大学,2012

[11] 王爱云,刘素红,王安建,等.基于实测波谱标识的Hyperion数据岩性识别方法[J].地质通报,2011,30(5):773-782

[12] 唐菊兴,孙兴国,丁帅,等.西藏多龙矿集区发现浅成低温热液型铜(金银)矿床[J].地球学报,2014,35(1):6-10

[13] 葛宝.西藏多不杂典型斑岩铜矿地质——地球物理找矿模型研究[D].成都:成都理工大学,2012

[14] 勾永东, 陈玉禄, 刘汉强.西藏改则县铁格隆地区含矿玢岩特征与成因探讨[J].沉积与特提斯地质,2007,27(3):20-26

[15] 张紫程,张绪教,胡道功,等. Hyperion 高光谱遥感在青海东昆仑东大滩地区找矿中的应用[J].现代地质,2011,25(4):759-767

[16] Kruse F A, Boardman J W, Huntington J F. Comparison of EO-1 Hyperion and Airborne Hyperspectral Remote Sensing Data for Geologic Applications[C].IEEE Aerospace Conference, 2002

[17] Kruse F A, Joseph W Boardman, Jonathan F Huntington. Comparison of Airborne Hyperspectral Data and EO-1 Hyperion for Mineral Mapping[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003,41(6):1 388-1 400

[18] Kruse F A. Comparison of AVIRIS and Hyperion for Hyperspectral Mineral Mapping [C].Proceedings 11th JPL Airborne Geoscience Workshop, 2002

[19] 谭炳香,李增元,陈尔学,等. EO-1 Hyperion高光谱数据的预处理[J].遥感信息,2005(6):36-41

[20] 石静,吕凤军,郝跃生,等. Hyperion数据产品及预处理研究[J].河北遥感,2009(2):19-22

[21] 于颖,范文义,杨曦光. EO-1 Hyperion高光谱数据坏线修复方法的对比分析[J].东北林业大学学报,2009,37(11):123-124

[22] 梁继,王建. Hyperion 高光谱影像的分析与处理[J].冰川冻土,2009,31(2):247-253

[23] 高海亮,顾行发,余涛,等. Hyperion遥感影像噪声去除方法研究[J].遥感信息,2014(3):3-7

[24] 龚建周,陈健飞,刘彦随.EO-1 Hyperion高光谱影像的FLAASH 大气校正与评价[J].广州大学学报:自然科学版,2011,10(5):69-75

[25] 田丰,杨苏明,王润生. EO-1 Hyperion高光谱数据FLAASH 模块大气纠正[J].新疆地质,2010,28(1):109-112

[26] 周清,祝民强. EO-1 Hyperion高光谱数据FLAASH 模块大气纠正及评价[J].测绘与空间地理信息,2011,34(6):149-151

[27] 毕晓佳.高光谱遥感岩矿填图应用研究[D].成都:成都理工大学,2009

[28] 徐元进.面向找矿的高光谱遥感岩矿信息提取方法研究[D].武汉:中国地质大学,2009

[29] 林娜.高光谱遥感岩矿特征提取与分类方法研究[D].成都:成都理工大学,2011

[30] 陈析璆.基于多源遥感数据的蚀变提取与应用——以内蒙古狼山西段为例[D].北京:中国地质大学,2009

本 刊 声 明

为适应我国信息化建设，扩大本刊及作者知识信息交流渠道，本刊数据已被《中国核心期刊（遴选）数据库》、《CNKI 中国期刊全文数据库》和《中文科技期刊数据库（全文版）》等收录。在《地理空间信息》发表的论文均默认将其在著作权保护期内的复制权、发行权、汇编权、翻译权以及网络传播权授权给《地理空间信息》编辑部，编辑部可将上述权利转授给第三方使用。作者不再许可他人以任何形式使用该篇论文，但可以在其后续作品中引用（或翻译）该论文中部分内容或将其汇编在作者的非期刊类文集中。如不同意，请事先声明，本刊另作处理。其文章的著作权使用费与本刊稿酬一次性给付（已在收取发表费时折减和换算为杂志赠阅）。

（本刊编辑部）

P237

B

1672-4623（2016）03-0018-04

10.3969/j.issn.1672-4623.2016.03.007

悦永峥，硕士，主要从事遥感地质研究。

2015-05-21。

项目来源：国家自然科学基金资助项目（41202233）。