地表岩石Fe2O3、SiO2之遥感定量反演探索

第1 章绪论

1.1 选题依据及研究意义
随着我国经济的高速发展，矿产资源需求量也急速增加，同时，地表露头矿和浅部矿愈来愈少，传统找矿方法难以实施，遥感正好缓解这一矛盾，运用遥感进行地质岩矿信息定量反演成为现代找矿技术一个重要方面。
运用遥感技术找矿主要是基于不同矿物有着不同的光谱特征谱带原理，利用这些特征谱带，可以有效的识别岩石中的矿物组分，反演矿物在岩石中的质量百分比。其原理是组成岩石的各种矿物内部结构不停的变化，会吸收或辐射固定波长的电磁波，从而产生不同岩石的光谱特征[1-3]。因此，通过遥感来识别和提取与这些与成矿有关的特征光谱信息，能为找矿提供有价值的线索，从而提高找矿效率。
高光谱遥感的出现是遥感界的一场革命，它在电磁波谱的可见光-近红外波段内光谱分辨率高达10 nm，甚至更高。高光谱遥感能获取许多非常窄的近似连续的光谱数据，它的这种特性使得它能探测到在宽波段遥感中探测不到的物质，从而能捕捉到不同矿物的特征吸收谱带，进而对矿物进行识别和分类，因此，可以用它来反演地表岩石Fe2O3的含量，确定褐铁矿、赤铁矿等矿物在岩石中的分布情况，而且根据矿物组合关系，可以知道Fe3+通常分布在硅化带比较发育的地带，黄甲铁矾通常出现在蒙脱石等的泥化带中；这些矿物又经常与金和金属硫化物矿床的关系密切。这些信息可以为我们寻找上述各类矿床提供直接或间接的信息。因此，研究岩石中Fe2O3的含量具有重要意义。
SiO2含量的成功定标，能区分不同岩石的类别。如果从找矿的方面考虑，由于大多数矿产的形成与硅化密切相关，因此石英脉也是野外找矿的主要标志[4]。在可见光-近红外波段（0.4 μm~2.5 μm），SiO2不产生吸收光谱，但在热红外波段（8 μm~12 μm）有强烈的基频振动，岩石中SiO2含量与热红外发射率光谱有很强的相关性，因此，可以建立SiO2含量与发射率光谱回归分析模型。在此基础上，可以利用ASTER 数据热红外波段对SiO2含量进行了定量反演。
...................................

1.2 国内外研究现状
1.2.1 地表岩石的Fe2O3含量的研究方面
一、关于岩石矿物Fe2O3在可见光-近红外的波谱特征
含Fe3+离子的矿物在风化岩石和土壤中都广泛存在。在1970-1979 年，一些研究者，做了大量关于岩石矿物在可见光-近红外波段的波谱特征的研究，研究发现由针铁矿、赤铁矿和黄钾铁矾组成的三价铁的铁帽的特征吸收波段集中在850 nm 和950 nm，并指出铜矿床的铁帽的反射光谱特征与赤铁矿相似。他们也发现羟基蚀变的矿物振动吸收特征集中在1400 nm，2200 nm，2300 nm 附近[5-8]。
1979 年Hunt、Ashley 利用内华达洲金矿区域的含铁岩土样品研究了含铁蚀变矿物的光谱特征，他们研究发现，含铁蚀变矿物的含量对岩土光谱影响非常明显，即使含铁蚀变矿物含量很少，也可以用来区别其他矿物[7]。Tunell 通过对绢英岩化矿物进行了研究，发现，Fe3+通常分布在硅化带比较发育的地带，黄甲铁矾通常出现在蒙脱石等的泥化带中，当黄铁矿和黄铜矿中硫化物减少时，就表示褐铁矿和针铁矿含量在增加，此研究结果对寻找与金或金属硫化物矿床有非常重要的意义[9]。
1974 年，Rowan 等研究了近Nevada 的Goldfield 附近影像图，发现氧化铁富集是由于Fe3+在500~1100nm 光谱范围内发生了电子的跃迁[10]。后来的工作中(Ashley 和Abrams，1980；Rowan 和Kahle，1982；Rowan 等等，1977；Abrams等，1977）利用了一些传感器在2200 nm 振动吸收特性，来定位与蚀变有关的粘土矿物聚集的岩石。可以得出结论：这两个吸收特征是蚀变的有效的指示指标，这种光谱特性的组合在非蚀变区是不会发生的[11-16]。但是，像铁染的页岩和被风化的花岗闪长岩之类的岩石，同样含有铁氧化物和粘土物质除外。
1983 年，杨柏林等一些研究人研究岩石反射光谱特征与成分、粒度的关系，研究表明，在硅酸盐岩石中，若SiO2含量大，其反射率较高，反之则低；半透明矿物（如赤铁矿组成的赤铁矿矿石）在400~550 nm 间，样块的反射率最高，粒度小的样品反射率低；而近红外波段范围内粒度大的样品的反射率低，粒度小的样品反射率高；研究还指出Fe3+在400~600 nm 波段形成一个正吸收边，并在520 nm 波段附近各形成一个吸收谱带，750 nm 波段附近存在着反射峰[17-18]。
1987 年季耿善等人比较了大量脱铁前后的曲线，得出：游离氧化铁对光谱特性的影响很大，其主要吸收带位于300~600 nm、800~1100 nm 波段范围内，其中吸收最强位置在420、480、900 nm 附近[19]。岩石和矿物在400~2500 nm 波段范围内所呈现的反射光谱特征，主要是由组成的阳离子的电子跃迁和阴离子团的分子振动引起，且400~1300 nm 波段范围内的反射光谱特征主要是由阳离子的电子跃迁所引起的[7]。
这些岩石矿物的波谱特征的研究为在可见光-近红外波段范围内进行含Fe3+矿物含量的定量反演提供了理论基础。
.................................

第2 章岩矿中Fe2O3和SiO2遥感定量反演理论基础

运用遥感技术找矿主要是基于不同矿物有着不同的光谱特征谱带原理，利用这些特征谱带，可以有效的识别岩石中的矿物组分，反演矿物在岩石中的质量百分比。这些特征谱带产生的主要原因是物质内部的结构不同，导致物质组成成分的内部离子和基团振动所产生的晶体场效应也不同；因此，不同的矿物具有不同的特征光谱，这些谱带是这种矿物自身的特征[2,3]。

2.1 氧化物矿物的波谱特征
形成机理矿物是阴离子和阳离子组成化合物，分子内部不同的运动导致矿物形成不同的吸收特征，其运动形式分为平动、转动、振动和电子运动[22]。设分子运动能量为E，则：
E = E平+ E 转+ E振+E电 ……………………（2.1）
式中，E平、E转、E振、E电分别分子平动的能量、转动能量、振动能量和电子能量。
分子平动的能量不产生吸收波谱，因为它是温度的函数；与波谱有关的能量是分子转动能量、振动能量和电子能量；根据量子力学理论，分子运动能量是量子化的，分成间断的能级，每个分子存在转动能级、振动能级和电子能级，各种运动能级能量差极不相同[22]。分子转动能级能量差很小，约为10-4~10-2ev(电子伏特)，对应波长为100~104μm 的电磁辐射的光子能量在远红外区和微波区域，称为远红外波谱及微波频段。分子振动能级能量差为0.01~1 ev，比转动能级大得多，其电磁辐射波长为1~100 μm，主要在红外区域，称为红外波谱；分子内电子能级能量差更大，为1~20 ev，对应波长为0. 05~1 μm，主要在紫外-可见光-近红外区域[32]。
遥感岩矿波谱在可见光-近波红外波段范围内，产生吸收特征峰主要是由金属组成的阳离子的电子能级之间的跃迁和自由离子能级与晶体场或配位场互相作用使自由离子的能级发生变动后能级之间的跃迁引起[33]。这里本文主要研究电子迁移中的电荷转移效应。
...................................

2.2 影响矿物光谱特征的主要因素
岩石矿物在可见光-近红外波段的反射率还是在热红外波段的发射率，都受到诸多种因素的影响，如矿物成分、组成结构、粒度大小、矿物之间的光谱混合、地表形态等等因素；除此之外，Clark 等指出观测几何也会对光谱数据产生严重影响[34-36]。
一、电子跃迁和基团振动
物质因为其内部状态的变化，会辐射或吸收特定波长的电磁波，光谱吸收主要是电子跃迁和基团振动引起[35]。
（1）电子跃迁。电子跃迁分为晶体场效应、电荷转移效应、导带跃迁吸收效应和色心这四种形式。原子或离子向更高能级跃迁时，物质中的原子、电子会对特定波长光子吸收，此时，反射光谱的吸收特征便会出现。物质内部晶体场的结构不同，能级的分化数量也随之变化，这种变化会使吸收产生显著的差异，其形成的吸收谱带可以作为矿物的诊断吸收谱带。
（2）基团振动。每个分子键及其它们的质量都会影响基团振动强度，单一基谐振动为倍频，结合不同模式的振动叫倍频，这两种振动都要吸收能量。由于基团振动吸收的影响，从而使矿物的光谱复杂化，这种振动常出现在短波红外和中红外波段上。|
二、粒度影响
粒度大小对反射率的影响比较复杂，矿物的粒度只会影响反射率的大小，不会改变矿物光谱吸收特征，但粒度与反射率之间并不是简单的正相关或负相关，在硅酸盐岩石中，若SiO2含量大，其反射率较高，反之则低；在半透明矿物（如赤铁矿组成的赤铁矿矿石）在400~550 nm 间，粒度大的样块的反射率高，粒度小的样品反射率低；而近红外波段范围内粒度大的样品的反射率低，粒度小的样品反射率高[13]。
三、影响矿物光谱特征的其它因素
除了上述这些影响因素以外，岩石表面的风化程度、岩石中矿物的混合类型、大气环境等等也会影响岩石矿物的光谱特征，Clark 研究还发现，当晶格中的元素被其它元素替代时，会扰乱晶格周期，使得自然晶体的晶格出现缺陷，导致在吸收波段位置上会出现小偏离[35]。
.......................................

第3 章数据选择和预处理..................................................................14
3.1 光谱库简介...............................................................................14
3.2 Fe2O3含量反演光谱库岩石样本选择及预处理....................15
3.3 SiO2含量反演光谱库岩石样本选择及预处理......................19
3.4 Hyperion 遥感影像数据获取与处理......................................20
3.5 ASTER 遥感影像数据获取与处理.........................................24
第4 章地表岩石中Fe2O3和SiO2含量反演模型的建立..................27
4.1 Fe2O3含量反演模型的建立....................................................27
4.2 SiO2含量反演模型的建立......................................................36

第5 章地表岩石中Fe2O3和SiO2含量反演

利用在第四章中建立的方程，通过参数评估，选择最优的回归模型。通过最优回归模型来获取遥感影像的特征参数，再进行空间数据生成。

5.1 Fe2O3含量的反演
5.1.1 Hyperion 影像特征参数提取
Hyperion 遥感影像数据是以摄影方式获取的模拟图像，然后用图像扫描仪等进行模/数（A/D）转换得来，所以Hyperion 遥感影像数据属于从野外获取的数据，野外地物环境复杂，除了受大气环境和仪器的影响，岩石周围土壤中有机质、岩石的风化程度、植被等都对岩石光谱有压抑吸收和反射强度的影响。用Hyperion 遥感影像数据进行岩石矿物含量反演时，应该尽可能消除上述的那些影响。对Hyperion 遥感影像数据进行去包络线和小波包分解处理，能有效的降低上述因素对反演结果的影响。
一、Hyperion 影像去连续统
岩石光谱特征曲线在可见光-近红外范围内，吸收特征不是很明显，如果直接从中提取光谱特征进行反演，则反演效果不是很好，对影像光谱做去连续统处理可以有效的突出光谱的吸收和反射特征。本文中对Hyperion 遥感影像做包络线去除处理主要是用图像处理软件ENVI 进行处理。以Hyperion 数据的第27 波段（波长为615~625nm）为例，进行去连续统前后对比。去连续统前后对比图5.2。

从图5.1所示，连续统去除对于光谱波形较平缓的岩矿地物不太明显，在对岩矿信息并没有增强，图像的背景噪声反而被增强。因此，对于环境背景噪声高的高光谱图像，采用连续统去除处理，不利于岩矿信息的提取。
二、Hyperion 影像小波包分解
对Hyperion 影像小波包分解首先是将遥感影像在Arcgis 里转成点文件，然后利用Matlab 编程对点文件进行6 层小波包分解，将光谱曲线的近似信号和细节特征信号分离。最低频系数反应是岩石中矿物及岩石质地对应的光谱变化趋势的近似信号，最高高频系数反应岩石粒度、光谱仪精度等引起的高频振荡的噪声信号。从原始光谱信号中剔除低频系数的重构信号（图5.2（e））和最高频系数的重构信号（图5.2（f）），剩下保留的光谱信号（图5.2（h））就表示细节特征信号。下面以Hyperion 数据第23 波段（波长为574.08~584.82nm）中间截取的一小部分为例。
5.1.2Fe2O3含量的反演结果
在用偏最小二乘法建立回归模型时，原始光谱小波包分解后高频部分建立的模型（方程4.9）精度最高；对因变量去对数后，模型的精度有所提高，因此用此模型（方程4.10）进行反演。图5.3 是Fe2O3含量反演结果图。


................................................

第6 章结论与讨论

6.1 结论
本文充分的利用了Hyperion 数据和Aster 数据的特点，根据可见光-近红外波段的反射特性及热红外波段的发射特性，对大兴安岭南段某基岩裸露区分别进行了岩矿Fe2O3和SiO2含量的反演。
主要成果和结论如下：
（1）地表岩石中SiO2含量与岩石光谱之间有很好的相关性，利用Aster 数据对SiO2含量的反演是可行的。研究表明，热红外波段间的比值及其变换处理，与SiO2含量有很好的线性关系，通过多元逐步回归法和偏最小二乘法建模均能取得很好的效果，精度最高的模型的R2为0.839。
（2）地表岩石中Fe2O3含量与岩石光谱之间的关系很复杂，有一定的不确定性。本文分别基于原始波段反射率、基于小波包分解的高频和低频部分、基于去连续统后小波包分解高频和低频部分建立了Fe2O3含量的多个反演模型。建模方法分别为多元逐步回归法建模和偏最小二乘法建模。结果表明，用原始光谱小波包分解的高频建立的模型精度最高R2为0.729；对因变量求对数后能提高模型精度，R2为0.749。
（3）连续统去除后，用偏最小二乘方法建立的回归模型精度并没有提高。研究表明，连续统去除后虽然能突出了地物光谱特征信息，但对于光谱波形较平缓的岩矿地物不太明显，对遥感图像进行连续统去除处理，增强岩石等地物信息，但图像的背景噪声得到了增强，会造成反演误差；因此，对于环境背景噪声高的高光谱影像，采用连续统去除处理，不利于岩矿信息的提取，此结果正好与徐元进对去连续统研究结果相符。
..................................
参考文献（略）