澳大利亞Carpentaria錳礦蝕變信息提取研究

張東梅++石玉龍++吳瓊

摘要：根據錳礦相關蝕變礦物光譜特征的分析以及在分析和研究ASTER多光譜衛星遙感數據的基礎上，利用ERDAS空間建模的方法，根據錳礦相關蝕變礦物光譜特征的分析對澳大利亞Carpentaria錳礦先做出了數據預處理以及提取蝕變異常信息，主要提取了鐵染、羥基、碳酸鹽類的蝕變信息。

關鍵詞：ASTER；蝕變信息；主成分分析；錳礦

中圖分類號：TB

文獻標識碼：A

doi：10.19311/j.cnki.16723198.2016.25.092

0引言

以澳大利亞Carpentaria地區為例，利用ASTER對該區的礦化蝕變信息提取的研究。蝕變信息提取方法的前提條件：（1）該區的蝕變信息以及與蝕變信息對立的干擾信息的光譜特征；（2）提取的蝕變信息的最優波段組合。先分析該區的成礦條件和蝕變礦物光譜特征，再用主成分分析的方法提取出礦化蝕變信息。

1研究背景

該研究區的錳礦有沉積型、熱液型、表生型三種錳礦床，軟錳礦，硬錳礦及菱錳礦等錳礦。淺層的錳礦床中富含大量羥基離子和三價鐵離子是由于在錳礦中存在大量鐵化和泥化，使錳礦化異常在一定程度上可由羥基、鐵染異常表征。根據菱錳礦的性質，錳礦化異?？梢砸罁妓岣x子來判斷。

2ASTER數據簡介

ASTER獲得的影像數據有14個波段，集中分布于可見光-近紅外、短波紅外、熱紅外3個光譜區。主要信息如表2所述。

3ASTER數據的蝕變信息波譜依據

3.1羥基離子波譜特征

羥基離子（-OH）在8波段呈現強烈的吸收峰現象，在4波段呈反射峰。利用ASTER數據主成分分析提取羥基蝕變物主要對ASTER1-ASTER（N）（1，3，4，6波段主成分分析方法提取Al-OH基團信息；1，3，4，8波段主成分分析方法提取Mg-OH基團信息），波段的選擇取決于研究區蝕變礦物的波譜特征。在波段8為反射峰，系數取正；Band4為吸收谷，取負。

3.2Fe3+波譜特征

Fe3+的反射率在ASTER 1-ASTER4波段是遞增的狀態，第4波段的反射率遠大于3波段的反射率，從而在3波段形成一個相對較弱的吸收峰，在4波段有明顯的反射峰。1波段和3波段為吸收谷。

鐵染蝕變礦物在ASTER1、3波段處是吸收谷，在ASTER2、4波段處是反射峰，由此得到對代表鐵染物主成分的判斷準則是：選取ASTER1、2、3、4等4個波段構成與改該主成分的特征向量。其中Band2系數應與Band1及Band3的系數符號相反，與Band4的系數符號相同，因為鐵染物對應的1、3波段處是波谷，因此取負；同時Band2、4取正。

3.3CO32-波譜特征

離子在波段8有明顯的吸收峰，在波段5有一個次級吸收峰。

4蝕變信息提取流程

ASTER數據的蝕變信息提取的基本流程如圖1。

5ASTER蝕變信息的提取

5.1ASTER數據校正及波段提取

檢查并處理ASTER數據，再根據需要選取相應的波段：鐵染（ASTER1-4波段）、羥基（ASTER1、3、4、6波段）、碳酸鹽化（ASTER1、3、5、8波段）。

5.2掩膜去干擾并進行主成分分析

5.2.1制作mask文件

植被在ASTER數據光譜特征上選band4/band3為判斷依據：當只有植被因素時，其反射特征呈band4低于band3亮度值應超過band4亮度值，相反，還有其他因素的作用時，band4亮度值才會超過band3亮度值。

水體在ASTER近紅外波段吸收較強，在第4波段附近吸收率近100%；

在可見光波段的灰度比較高，因此可以選用波段band4/band1

此步驟采用ERDAS建模進行。建模如圖2。

運算函數為：EITHER 1 IF （ $n1_prdat015_1234（4） / （$n1_prdat015_1234（1） + 0000000001） <= 1.25 AND $n1_prdat015_1234（4） / （$n1_prdat015_1234（1） + 0.0000000001） >= 056 ） OR 0 OTHERWISE

5.2.2掩膜主成分分析

該模型，主要是對數據進行波段選擇，然后用生成的mask文件進行掩膜，最后進行主成分分析，經過主成分分析即可得到蝕變異常信息。

5.3鐵染礦物遙感異常的提取

用主成分分析ASTER數據的1-4波段來提取鐵染礦物信息。Fe2+/Fe3+異常分量表征特征為ASTER2、4波段貢獻與3波段貢獻相反。

通過對表中特征向量的觀察，可得第3主分量（PCA3）為蝕變異常分量。

5.4OH-礦物遙感異常的提取

通過主成分分析1、3、4、6波段，可以提取絕大多數OH-基團礦物信息。OH-物異常分量表征特征應為在ASTER1、3、4波段貢獻與6波段貢獻相反，并在6波段具有高載荷。

通過對表中特征向量的觀察，可得第4主分量（PCA4）為蝕變異常分量。

5.5碳酸鹽化蝕變異常提取

同樣用主成分分析的方法對1、3、5和8波段進行分析，可以提取絕大多數CO32-礦物信息。異常分量表征特征為ASTER5、8波段貢獻與第3波段貢獻相反，并在3或者8波段載荷較高。

通過對表中特征向量的觀察，可得第2主分量（PCA2）為蝕變異常分量。

5.6歸一化及低通濾波處理

經過主成分分析及均值濾波處理后的鐵染基和羥基進行波段合成，依次歸一化處理，最終得以消除或盡量減少反照率變化和地形影像所造成的差異。其在空間建模中的算式為：

（X-最小值最大值-最小值）×256

最大值為：均值+2倍方差；最小值為：均值-2倍方差。

將得到的主分量提取，分別將幾種蝕變信息的主分量提取并進行歸一化處理

此操作用ERDAS建模處理：

函數為：（$n1_prdat011 - （GLOBAL MEAN （$n1_prdat011 ， IGNORE 0） - 2 * GLOBAL SD （$n1_prdat011 ， IGNORE 0） / GLOBAL SD （$n1_prdat011 ， IGNORE 0） * 64 + 1 ）

5.7蝕變信息疊加

經過上述蝕變信息的提取，對提取的信息進行匯總，將異常信息疊加在一起，便可進行下一步成礦靶區的預測與圈定。

6結論

（1）本文基于ERDAS空間建模對ASTER數據進行蝕變信息提取，了解運用ASTER數據進行蝕變信息的提取的ERDAS空間建模處理基本流程。

（2）本文采用主成分分析法提取鐵染基、羥基的蝕變信息、碳酸鹽礦物蝕變異常信息，對后期的成礦的預測提供了幫助。

（3）通過對研究區的錳礦權區ASTER數據進行異常信息提取，對錳礦的地質研究和勘查工作提供了有益信息。