高光谱遥感在矿产资源调查中的应用综述
高光谱遥感在矿产资源调查中的应用综述
摘要：本文简要介绍了高光谱遥感技术矿物光谱识别机理，较详细地介绍了高光谱数据处理和分析技术及发展程度，并系统地阐述了国内外高光谱遥感技术在矿产资源调查应用方面的发展概况，最后指出了高光谱在矿产资源调查领域中的应用及其发展方向。
关键字：高光谱遥感，数据处理技术，矿产资源调查
0引言
所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常）从感兴趣的物体获取有关数据；这种数据能够以足够的光谱分辨率区分出那些具有诊断性光谱特征( Diagnostic Spectral Feature )的地表物质，这一点在地质矿物分类及成图上具有广泛的应用前景[1]。目前，常用的高光谱探测的波长区间一般为~μm，包括了整个可见光区(~μm)、近红外区（~μm）与短波红外区（~μm），共有几百个波段，所有波段排列在一起能形成一条连续的完整的光谱曲线；高光谱数据是一个光谱图像的立方体，其空间图像维描述地表二维空间特征，其光谱维揭示图像每一像元的光谱曲线特征，由此实现了遥感数据图像维与光谱维信息的有机融合[2]。
矿物光谱研究表明，岩石矿物在~μm之间具有一系列可诊断性光谱特征信息，这些特征的带宽多在10~20μm之间[3]，而且不同岩石矿物和矿化蚀变具有不同的光谱特征。由于高光谱分辨率遥感系统获得的连续波段宽度一般在10 nm以内，因此这种数据能够以足够的光谱分辨率分出那些具有诊断性光谱特征的岩石矿物。区域地质制图和矿产勘探是高光谱遥感技术主要的应用领域之一，各种岩石和矿物在电磁波谱上显示的诊断性光谱特征可以帮助人们识别不同的矿物成分。因此,从高光谱遥感数据中提取矿物的光谱信息，然后直接根据其诊断性光谱特征区分矿物或自动判别矿物类型是一种有效的遥感技术方法[4]。
矿产资源调查的主要目的是寻找及探明矿产资源和调查评价区域矿产资源潜力，而利用高光谱遥感技术完全能确定某一或某些矿物在地表上的分布及其相对含量变化，从而直接提供与成矿有关的矿物分布及丰度信息。利用这些矿物信息，并综合矿床成因模型等信息，可有效地确定详查和勘探目标。因此，利用高光谱遥感技术进行矿产资源调查是科学性和实效性的有效途径之一。
1高光谱遥感矿物光谱识别
1.1光谱机理
任何物质其光谱的产生均有着严格的物理机制。对于一个分子，其能量由电子能量、振动能量和转动能量组成。根据分子振动能量级差的计算，其能量级差较小时，产生近红外区的光谱；分子电子能级之间的能量差距一般较大，产生的光谱位于近红外、可见光范围内。在～μm光谱范围内的光谱特征，主要取决于矿物晶格结构中存在着铁等过渡性金属元素；～μm光谱范围内的光谱特征是由矿物组成中的碳酸根离子、氢氧根离子及可能存在的水分子决定的；3～5μm光谱范围内的中远红外波段的光谱特征则由Si-O、Al-O等分子键的振动模式决定的[3]。
1.2矿物光谱识别特征参数
矿物光谱主要取决于物体内电子与晶体场的相互作用，以及物体内的分子振动。在晶体场作用中由于离子能级的跃迁会引起吸收特征的变化，但反射光谱主要还是由矿物的差异引起的，它与粒径无关。电子从一个原子到另一个原子的转移也会对光谱产生影响，例如Fe-O的电子转移就会引起光谱吸收位置向紫外方向移动。所以，矿物光谱吸收机理包括金属阳离子在可见光区域的电子过程以及阴离子基团在近红外区域的振动过程[5]。
由于电子在各个不同能级间的跃迁而吸收或发射特定波长的电磁辐射，从而形成特定波长的光谱特征，因此，不同晶格结构的岩石矿物成分有其不同的光谱特征[1]。这是利用高光谱数据寻找岩矿的物理前提[6]。
高光谱地质遥感主要是利用高光谱数据识别各种矿物成分、它们的丰度以及制图(矿物成分空间分布)。其主要研究内容包括从许多光谱参数中提取各种地质矿物的定性、定量信息。光谱吸收特征包括吸收波段波长位置、深度、宽度、斜率、对称度、面积和光谱绝对反射值等参数。
2高光谱数据处理和分析技术
高光谱遥感数据波段众多，数据量庞大，为快速、准确地从这些数据中提取资源与环境信息，识别不同的物质，揭示目标的本质，则需要依据实际应用的数据处理的要求对海量数据进行处理和分析。
高光谱数据处理与分析的首要目标是实现对地观测海量数据处理能力，同时要求比较精确的定量分析能力。近年来，随着高光谱遥感理论的不断完善以及机载和星载高光谱传感器的日益成熟，高光谱遥感技术在资源勘查、环境评价以及军事研究等领域得到广泛应用。同时，在数据处理方法研究方面，随着该技术应用领域的逐渐拓展和深入，相应的遥感数据处理方法亦不断创新和完善。目前，针对高光谱数据特点，基于多光谱遥感已有的成熟的数据处理方法，并结合现代信息技术，众多国内外科研工作者通过大量的科研实践，又发展了不少技术方法，并在相关的领域取得了成功。
2.1国内外高光谱数据处理技术发展现状
国外研究概括
美国加利福尼亚大学计算机可视化研究实验室主任GlennHealey博士，利用计算机算法和基于地物光谱特征的反射模型[7](reflectance models),研究不同光照条件、不同天气状况下，不同尺度目标的识别技术，识别算法可以提取低对比度、局部可视的亚像元(subpixel)信息(目标只占单个像元面积的5% )；美国加利福尼亚洲托兰斯光学研究系统公司(OKSI)采用归纳特征值(generalized eigenvalue problem,GEP)技术[8]，将高光谱数据转换到类间距离最大，而类内距离最小的特征空间内，实现了海量数据的最佳分离效果；美国华盛顿海军研究实验室(Naval Research Laboratory,NRL)亦成功开发了可以针对海量数据进行有效的数据压缩，并进行像元分解和最终端元(endmember)的识别的光学信号实时自适应识别系统[9](optical real-time adaptive signature identification system,ORASIS)；Harsanyi等发展了正交亚空间投影(Orthogonal subspace projection)低概率探测(Low-probability detection, LPD)算法，用于植被覆盖区岩石出露少的地物类型的成像光谱填图和未知背景下的目标提取；在混合像元处理方面，美国马里兰大学的研究人员提出了一种正交子空间投影方法（OSP），他们将224个波段的AVIRIS影像数据去掉噪声较大的波段后得到158个波段，再针对五种主要地物类型，采用OSP方法得到5个分量影像，每个分量各表示一种地物类型的分布情况。经检验，成图的分类结果与地面观测是一致的。这一方法既考虑了混合光谱问题，又考虑了数据压缩问题，还在处理过程中加入了去噪声的操作，是目前比较有代表性的混合像元处理技术[12]；Tompkins提出修正的光谱混合分析(MSMA)模型。该模型利用虚拟端元，采用一个阻尼最小二乘算法，根据一定的先验知识，有效地并最终可以选择亚像端元进行光谱分解。
另外，以下高光谱数据处理方法在光谱填图中亦得到广泛应用，并取得较好的实际应用效果。比如[13]光谱角匹配技术(Spectral Angle Mapper,SAM)、光谱微分技术(Spectral Derivative)、二值编码匹配(binary encoding classification,BEC)、线性光谱分解(Spectral unmixing/spectralmixing analysis)、最大噪声组分变换(Minimum noise fraction,MNF)、光谱特征拟合(Spectral feature fitting, SFF)、交叉相关光谱匹配技术[10](Cross correlogramspectral matching, CCSM)(该技术曾应用于美国内华达州Cuprite地区的粘土矿物填图)、最小距离分类(minimum distance classification,MDC)、最大似然分类(maximum likelihood classification,MLC)、马氏距离分类(mahalanobis distance classification,MaDC)、最小二乘法分类( least squares classification, LSC)等。
2.12国内研究概括
中国科学院遥感应用研究所提出了面向地物诊断光谱特征提取的光谱吸收指数计算方法(spectral absorption index, SAI)[11]。其基本原理是：任一光谱吸收特征主要是由光谱吸收峰和两个肩部组成，因此根据高光谱图像的中心波长与带宽，可以计算出该吸收峰的波段宽度、对称性参数、反射率差及吸收强度，并由此建立吸收基线方程。在此基础上，根据已知条件与光谱参数，解算光谱吸收指数，生成一系列典型目标与背景的光谱吸收指数图像。该技术在哈图金矿区的实际应用中，有效地识别了5种类型的蚀变岩石，发现了两条稳定的金矿化蚀变带；该所的刘建贵博士根据城市目标物光谱特点，基于多光谱数据处理中的K-L变换技术，提出了面向地物分类的改进型主成分分析技术(principal component analysis,PCA)[1]，并将其应用于北京市沙河镇城市地物分类研究中，取得理想效果；另外，在高光谱数据地质应用的研究中，中国国土资源航空物探遥感中心王润生等根据矿物的完全波形，利用神经网络进行矿物自动识别，甘甫平等设计开发了基于完全谱形的成像光谱岩矿识别技术，也取得了一定的应用效果。
3国内外高光谱遥感技术在矿产资源调查的应用现状与前景
自20世纪90年代后期，高光谱技术就逐渐在美国、澳大利亚、加拿大等国由试验走向实用阶段。目前，该项技术在矿物填图、植被生化参数探测和大气参数反演等领域得到广泛应用。矿物识别和矿物填图是高光谱技术最成功的应用领域。通过对矿物种类、丰度和成分的识别，特别是与成矿作用密切相关的蚀变矿物的识别，可以用来有效地圈定热液矿化蚀变带，定量或半定量估计相对蚀变强度和蚀变矿物含量，给出对成矿作用的规模和强度的有益认识，这对加强矿产资源调查，为矿产调查寻找矿靶区和新发现矿产地提供了可靠的理论依据。以下分别从内外、国内阐述高光谱遥感技术在矿产资源调查的应用现状。
3.1国外应用
目前，世界上大的矿业公司如De Beers(北美)和Anglo American(南非)等，都已经装备有自己的机载高光谱传感器和便携式传感器，PIMA在世界各地己有80个矿业公司在使用。
高光谱遥感技术在矿产资源调查方面已有很多成功实例。加拿大的Noranda矿业公司在南美的斑岩铜矿带上(500km长、50km宽)确定勘探目标时，从成像光谱技术获得的矿物图上，确定了明矾石+高岭石类组合是找矿的首选目标。澳洲CSIRO公司在美国内华达州Comstock金矿及其相邻地区进行了成像光谱技术矿物填图，结果表明，用成像光谱数据能细致地分辨多种粘土矿物(包括高岭石类中的不同亚种)，准确地圈定出由上升岩浆热液造成的酸性蚀变(高级泥化带，以地开石加明矾石为特征)，由溶有岩浆气体的地下水造成的酸性蚀变(泥化带，以高岭石加明矾石为特征)，以及由沸腾热液形成的伊利石一蒙脱石带。Meer&Bakker[10]通过建立交叉相关光谱匹配技术，利用AVIRIS数据和实验室光谱对美国内华达州Cuprite地区进行地表矿物识别研究，成功地将高岭石、方解石、水铵长石等区分开来，确定了它们的空间分布范围；Crosta等[14]根据区内地质情况和蚀变特征，以USGS标准矿物光谱数据库为标准，结合矿物在岩石中光谱变异特征，建立单矿物识别规则，从AVIRIS图像中提取白云母、方解石、高岭石、明矾石、绿泥石及玉髓等矿物；Kruse在美国加州和内华达的Grapevine北部山区利用绢云母在μm，μm和μm的特征吸收，对石英—绢云母—黄铁矿蚀变带进行地质填图。利用蒙脱石在μm的特征吸收确定包含蒙脱石的泥质蚀变带[15]；Chabrillat等利用辉石在1μm附近的电子跃迁吸收，用航空高光谱数据进行地质填图和岩石鉴别[16]。
国内应用
我国于20世纪80年代中、后期也着手发展自己的高光谱系统，先后成功地研制了MAIS、OMIS，PHI和C-HRIS等成像光谱仪；一些单位开展了相应的方法研究和应用试验。由于受数据源的限制，国内仅有中国科学院遥感所、中国国土资源航空物探遥感中心(下文简称“航遥中心”)等少数单位开展了较为系统的应用研究工作。在高光谱矿物填图方面，国内的研究基本停留在矿物类型识别阶段，能够识别的矿物种类较少，发展的数据处理方法和初步建立的一些矿物识别规则尚需要在更多的实践中加以验证、补充、优化和修订。尽管如此，还是有好些相对成功的应用实例。
中科院上海技术物理所利用MAIS在河北张家口地区的实验中地对该地区新生界全新统、更新统、中生界侏罗纪张家口群、下元古界红旗营子群及花岗片麻岩、蛇绿岩脉、辉石类岩脉采用不同的图像处理方法获得了较为精确的岩石地层识别分类，证明了高光谱遥感在岩石出露较好区域进行岩类定性识别和大比例尺填图的可能；谢红接等[17]运用中国科学院上海技术物理所研制的模块式航空71波段高光谱仪(MAIS)影像数据，在纯净像元提取、混合像元分解、光谱角制图、匹配滤波、光谱特征拟合等方面做了试验性研究工作，提取了该区的铀矿特征信息(如蚀变、矿化等)，为高光谱图像的矿产资源调查应用奠定了基础。
航遥中心也取得了相应的进展，他们利用美国Cuprite矿区的航空可见和红外成像光谱仪AVIRIS数据和河北崇礼-赤城地区MAIS数据，开展了蚀变矿物提取和矿物填图方法试验；在野外和实验室条件下，开展了岩矿光谱的影响因素和矿物混合光谱研究，测试了高岭石、白云母、方解石、白云石、蒙托石、绿帘石等矿物光谱共300余条，初步总结了矿物光谱变异规律等。此后，航遥中心还应用EO-1卫星的成像光谱Hyperion的视反射数据，对西藏驱龙地区的蚀变矿物进行了初步识别，识别出高A1和低A1绢云母化矿物、高岭石矿物以及绿泥石和孔雀石化矿物组合；甘甫平等[18]利用成像光谱遥感技术识别和提取了矿化蚀变信息，其做法是首先利用低分辨率的遥感数据识别出地质异常分布，圈出重点区段；然后利用高光谱MAIS数据在这些重点区段开展蚀变信息(主要是钾化)提取与找矿预测。区内钾长石化带主要矿物组合为钾长石、微斜长石、石英、绢云母、黄铁矿等。这些矿物除黄铁矿外，均含Al-OH和Mg-OH键的化合物。尤其是随着钾化的减弱，Al-OH键化合物减少，光谱随之发生变化，对识别和提取矿化蚀变信息十分有利。王润生、甘甫平等人在成像光谱矿物填图技术与应用示范课题中，对新疆东天山地区开展区域面积性矿物填图和西藏驱龙地区开展矿化蚀变矿物填图应用示范，取得了与地面一致的应用效果，矿物识别率和识别正确率均达到85%以上；王青华等[19]运用MAIS影像数据，通过对研究区各岩类的野外光谱特征测试，对比分析图像中岩石的光谱特征，根据训练区不同岩类的光谱特征，采用不同的图像处理方法，较好地提取了岩石信息，达到较准确识别岩矿类别的目的；张宗贵等[20]利用机载可见光、近红外及短波红外成像光谱(HyMap)数据，开展了基于地物光谱特征成像光谱遥感矿物识别方法研究，结果认为，根据研究区内存在的主要Al-OH和Mg-OH的特征吸收峰矿物类型，通过对矿物光谱特征的综合分析，分别建立了绿泥石、绿帘石、橄榄石、绢云母、滑石、石膏及黑云母等矿物组合的识别准则，有效地填绘出了这些矿物在该航带上的分布情况。
高光谱遥感技术在矿产资源调查的应用前景
目前高光谱遥感技术在矿产资源调查领域已经得到了成功地应用。这是光学、结晶学、光谱学、传感器技术和图像处理技术等学科共同发展的结果，由于它具有将高光谱分辨率的图像与光谱合二为一的特点，不仅能有效地直接识别地表物质，而且还能更深入地研究地表物质的成分及结构。因此，通过岩石光谱信息模型，反演某些指示矿物的丰度分布，结合遥感专题图件以及丰富的纹理信息，借助于相应的成矿模式和理论，可以从全局、综合的角度对研究区的矿产进行可持续的勘探和开发，这在矿产资源调查应用的成矿预测方面有着广泛的应用前景。
4结束语
综上所述，我们可以看出，高光谱遥感以其光谱分辨率高、图谱合一的特点受到了国内外研究者的广泛关注。从二十世纪八十年代开始到现在的二十多年中，无论在成像光谱仪等硬件方面还是在图像处理系统等软件方面都得到了的迅速的发展。同时，在矿产资源调查领域也已经得到了广泛地应用。但是，由于不同的矿物光谱分析方法均有各自的优缺点，在不同的情况下，应该根据实际情况选择适合需要的方法。
因此，针对中国地质大调查“我国新一代星载高光谱数据地质应用处理系统研建与应用示范”项目的子项目“星载高光谱数据地质应用处理系统总体方案研究与数据处理试验系统开发”中的粘土矿高光谱应用产品技术指标研究，为了使高光谱遥感技术在该项目中得到充分的应用，需要进一步开展以下工作：
(1)深入分析和研究粘土矿及稀土矿（元素）的物化属性与光谱特征的相关性。上文提到，矿物的光谱特征主要由组成成分、物质内部晶体结构、物化特征所制约。因此，进一步认识到岩矿光谱细微变化与其物质内部组分、内部晶格结构之间的信息关联，是改善和提高高光谱遥感区分不同种类的粘土矿、粘土矿与稀土矿、以及提取是否附有稀土元素的粘土矿信息的关键。
(2)进一步分析、试验高光谱数据预处理与矿物填图现有的各种技术方法。因为预处理及矿物填图效果的好坏直接影响到矿物信息提取的精度，最终影响高光谱技术指标评价及应用处理系统的技术体系的设计。由于自然界矿物的共生组合波段变异，在实际应用中，纯单一矿物端元有时很难确定或不需要确定，在技术方法研究中应当考虑如何根据自然界矿物的共生组合规律和波段变异，选择矿物或矿物组合作为端元。
(3)探索在有植被覆盖区提取岩矿信息的技术。利用高光谱遥感数据，若能识别和圈定由金属矿化异常引起的植被光谱变异区域，将在国家矿产资源调查应用研究中起到不可估量的作用。