夏银银
下载贤集网APP入驻自媒体
对地观测技术的发展使人类真正能够从总体上把地球作为一个统一的系统加以分析，在不同级次上揭示地球各个圈层的相互联系和相互作用。目前，遥感技术已成为地质工作不可缺少的手段。
成像光谱理论与技术的兴起使对地观测技术发展到了一个新的阶段。如果说光谱分辨率的显著提高增强了遥感对地物的鉴别能力和识别精度，那么，依据高光谱获得的连续光谱特征直接识别地物类型、组成以至地物的成分，则使遥感技术发生了质的飞跃：从鉴别(分类)发展到对地物的直接识别，从探测宏观地物发展到探测地物的组分以至化学组成。遥感工作方法也由图像分析转变为以谱分析为主的图谱结合的模式；遥感应用则逐渐摆脱了“看图识字”的阶段，而越来越依赖于对地物波谱特征的理解和定量分析。
矿物填图(Mineral Mapping)可以说是高光谱技术最成功的，也是最能发挥其优势的应用领域，它使遥感地质由识别岩性发展到识别单矿物以至矿物的化学成分及晶体结构。在可见一短波红外谱段，识别的矿物主要为Fe、Mn等过渡元素的氧化物和氢氧化物、含羟基矿物、碳酸盐矿物以及部分水合硫酸盐矿物等，多达近40种，且大部分属于与成矿作用密切相关的蚀变矿物，这对圈定矿化蚀变带，分析蚀变矿物组合和蚀变相，定量或半定量估计相对蚀变强度和蚀变矿物含量，以及追索矿化热液蚀变中心和圈定找矿靶区，都有重要作用；使用中一热红外谱段可识别包括造岩矿物和矿石矿物在内的绝大多数的矿物类型。高光谱遥感还可探测一些蚀变矿物和一些造岩矿物的成分及结构特征，用以分析成矿成岩作用的温压条件、热动力过程和热液运移的时空演化，恢复成岩成矿历史，建立不同矿床的成矿模型和找矿模型。高光谱矿物识别技术在土壤土质调查、土质退化(沙漠化和盐碱化)监测、矿山环境监测、月球和行星探测等领域也都发挥了重要作用。高光谱矿物填图技术将是支撑我国战略矿产调查、环境监测与防治和探月计划的重要高新技术之一。
在国土资源部科技司、中国地质调查局、“863计划”信息获取和处理主题等的支持下，中国国土资源航空物探遥感中心从“九五”开始系统开展了高光谱矿物填图和应用研究，在主要岩、矿反射光谱特征和影响因素，高光谱数据处理、矿物填图及其地质应用方面都进行了较系统的研究，使我国高光谱矿物填图技术迅速赶上或接近世界先进水平。
一、岩、矿光谱特征的影响因素分析
岩、矿光谱特征和变化规律及其影响因素是矿物识别的依据和基础。国外虽有一些可公开提供使用的岩、矿波谱数据库，但同种岩石、矿物因发育过程和发育状态的不同，其成分、结构及光谱特征会产生一定差异，使其光谱具有地理区域特征。然而，也正是这些变化，使我们可以运用高光谱遥感研究矿物的成分和结构变化，分析热动力过程和热液运移的时空演化特征，预测成矿序列。
（一）岩、矿光谱影响因素与稳定性分析
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，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1400 nm和1900 nm波长附近的水和0H一基团吸收谱带外，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。
（二）矿物混合光谱特征研究
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一矿物与造岩矿物、含OH一矿物与含OH一矿物、含0H一矿物与碳酸盐矿物、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。
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，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。
可以看出，在可见一近红外区间，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。矿物单次反照率光谱的混合呈线性混合特征，应用Hapke模型将发射率转换为单次散射反照率，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％。
（三）蚀变类型与蚀变矿物共生组合的光谱特征分析
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一岩相互作用、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一基团)、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一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。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，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。
二、矿物识别方法与识别模型
高光谱矿物识别和矿物填图可分为3个层次，即矿物的种类识别、丰度反演和成分识别。种类识别是识别岩石中的矿物组成；丰度反演是反演目标矿物在岩石中的相对含量或含量百分比；成分识别一般是识别矿物中金属离子的相对含量或不同金属离子的含量比。
（一）矿物种类识别——矿物分层识别谱系
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pei方法和以矿物学和矿物光谱知识为基础的智能识别方法。
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，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)、相似性指数、相关系数、光谱矢量夹角及光谱信息散度等。
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。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。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。
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陛概率理论出发，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，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”。
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，在可见一反射红外光谱区间，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“矿物类一族一种一亚种”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。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。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”。
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。
（二）矿物丰度识别
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。矿物混合光谱特征研究结果表明，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。
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，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，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gai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，提高了丰度反演的可靠性。
