EXPLORATION AND PRACTICE OF 1: 50000 GEOLOGICAL MAPPING TECHNIQUES FOR ALPINE-GORGE AREA: A CASE STUDY IN BEISHAN AREA OF WUSHI, XINJIANG
-
摘要: 新疆乌什北山填图试点项目充分发挥遥感技术的先导作用，探索1：50000高山峡谷区填图方法。不同分辨率遥感数据在岩性、构造解译等方面的差异表明多源遥感数据综合解译能有效提高解译程度。研究认为同一遥感数据最佳波段组合图像、Landsat-8和Worldview-2数据协同图像增强了对岩性和构造识别的能力。高光谱遥感矿物填图和岩性分类、基于ASTER热红外遥感数据的岩石化学成分填图等是高山峡谷区填图有效技术方法。利用ETM和ASTER数据开展矿化蚀变信息提取，结果表明ASTER较ETM数据在铁染异常、羟基异常等提取方面具有更大的优势。分析认为多元信息综合预测是区域找矿的重要途径。根据乌什北山地质地貌特征，选择其中有效技术方法或技术方法组合开展1：50000地质填图，结果显示在减少剖面测制和路线地质调查数量的同时，达到了填图精度，并取得了若干重要研究成果，为区域构造演化和成矿规律分析总结提供了资料支撑。Abstract: The 1:50000 geological mapping project makes sufficient use of remote sensing technologies to explore new methods of geological mapping in alpine-gorge area of Wushi, Xinjiang. Different spatial resolution remote sensing data can reveal different characteristics of lithology and structures. Integrated interpretations of multi-source remote sensing data can enhance the ability of interpretation effectively. Higher accuracy interpretations of lithologic classification can be obtained by combination of different bands of the same remote sensing image according to the optimum index factor (OIF) and synergestic images of Landsat-8 and worldview-2. Hyperspectral mineral mapping and lithology identification, petrochemistry components mapping using ASTER thermal infrared remote sensing data are useful technologies of geological mapping in alpine-gorge area. Both of the ETM and ASTER data were used to extract alteration information. The result shows that the ASTER data is more useful than ETM data in extracting alteration anomalies, such as ferric contamination anomaly and hydroxyl anomaly. Therefore, it is an important way of multivariate information comprehensive analysis to prospect. Based on the geological and geomorphological features, effective techniques have been selected to complete 1:50000 geological mapping of the North Mountain, Wushen area, and important research results have been obtained. The sufficient use of remote sensing data can reduce the amount of geologic section and geological survey routes, and achieve the mapping precision.
-
0. 引言
21世纪以来, 地质调查工作由传统的供给驱动型转变为需求驱动型, 地质找矿、灾害防治、环境保护、工程建设等专业领域对地质填图成果提出了新的要求[1~2]。目前, 我国已基本完成陆域可测地区1:2dzlxxb-22-4-837、1:250000区域地质调查以及重要经济区和成矿带1:50000区域地质调查, 形成了一套地质填图技术标准规范, 为推进区域地质调查做出了历史性贡献[1]。同时, 借鉴美国、加拿大、澳大利亚等发达国家成功经验, 开展多尺度、多层次和多目标的地质填图示范, 探索适合我国地质特点的区域地质调查方法[3~4]。
然而, 特殊地质地貌类型区(如平原区、森林/第四系松散沉积物覆盖区、强风化区、高山峡谷区、溶岩区等)利用传统的填图方法或借助传统交通工具难以开展区调填图, 但由于资源环境状况调查、地质灾害评价、重大工程建设、关键科学问题研究等的需求, 地质填图目标必须拓展到上述特殊地质地貌区的大部分区域[5]。因此, 特殊地质地貌区填图技术方法探索研究势在必行。高山峡谷区是其中重要的地质地貌类型区之一, 主要分布在西南天山、西昆仑、青藏高原北部和东部地区, 海拔高、切割深, 穿越条件极差, 人员难以达到, 但该类地区常是成矿有利、地质研究程度低、地质灾害频发的地段。鉴于此, 本文在"特殊地质地貌地质填图"工程的资助下, 以新疆乌什北山为例, 探索高山峡谷区1:50000填图方法。
1. 调查区地质地貌特征
测区位于塔里木地块与西南天山造山带的交汇部位, 属于新疆乌什县和吉尔吉斯斯坦管辖(见图 1a)。南部被第四系冲洪积物覆盖, 中北部基岩出露较好, 主要地质体包括中泥盆世托格买提组(D2t)、坦盖塔尔组(D3t), 早石炭世甘草湖组(C1g)和野云沟组(C1y)、晚石炭—早二叠世阿依里河组(C2P1a)、早二叠世巴勒迪尔塔格组(P1b)、早更新世西域组(Qp1x)及晚更新世新疆群(Qp3x)(见图 1b)。研究区西部新厘定出晚三叠世镁铁—超镁铁质层状杂岩体。泥盆系和石炭系变形较强, 表现为由北向南的逆冲断裂-褶皱构造[6]。
测区北部海拔5147~2330 m, 高差2817 m; 中部海拔4450~2035 m, 高差2415 m; 南部海拔3972~1580 m, 高差2392 m; 总体上为典型的高海拔深切割区, 自然地理环境恶劣, 可进入性很差。调查区北部因常年冰雪覆盖而难以开展地质工作。
2. 1:50000高山峡谷区地质填图技术方法
在以往的高山峡谷区地质填图过程中, 调查人员一般是选择可穿越的沟谷, 采用剖面测制和路线地质调查等手段研究各类地质体和构造形迹的基本地质特征, 合理建立填图单位。但剖面和路线的数量常常受到通行条件限制, 导致调查区填图单位划分的准确性和精细性降低, 地层系统、岩浆岩序列、构造格架及成矿地质背景等研究程度相对偏低。随着技术水平的进步, 借助卫星、飞机等装置的传感器和探测器获取地表地质信息的方法得到广泛运用, 例如遥感技术、航空地球物理等[6~10]。本项目充分发挥遥感技术的先导作用, 探索高山峡谷区地质填图方法。
2.1 不同空间分辨率遥感数据选择和多源遥感数据综合岩性、构造解译
根据空间分辨率可将遥感卫星分为低分辨率卫星、中分辨率卫星和高分辨率卫星[7]。目前高山峡谷区地质调查中以TM、ETM、Spot等中低分辨率数据为主开展岩性及构造解译, 但由于部分地区人员无法到达, 难以满足地质单元和地质构造的细化和区分。随着遥感探测技术的发展, 高分、高光谱影像数据在岩性解译、构造识别、地质界线追踪、成矿作用研究等方面发挥了重要作用[7~10]。新疆乌什北山填图试点项目选择了ETM、Aster、Spot5、Spot6、高分一号、高分二号、Quickbird、Geoeye-1、Worldview-2、Worldview-3等10种不同分辨率的遥感数据在测区进行岩性和构造解译、地质界线识别、地质体圈闭及矿化蚀变信息提取。众所周知, 遥感卫星的空间分辨率越高, 对地物的结构、形状、纹理及与邻域地物的关系等刻画就越明显[7, 9~10]。因此, 本文以Spot5、Spot6、Quickbird、Geoeye-1、Worldview-2、Worldview-3等6种数据为例, 对比分析高山峡谷区不同遥感数据的选择依据和解译效果。
由卫星主要参数(表略)对比可知, 中分辨率Spot6数据较Spot5数据多蓝波段, 少短波红外波段, 全色和多光谱分辨率稍高于Spot5[7]。同一地区不同空间分辨率遥感数据岩性解译效果对比图(见图 2)显示, Spot6图像植被信息弱, 阴影小, 对测区地层的展布、岩石类型、褶皱样式等解译效果明显优于Spot5(图 2a, 2b), 在岩性差异较大的地区Spot6数据可以满足1:50000填图精度要求; 但由于其空间分辨率不高, 在岩性差异较小的地区无法区分具体岩类。高分卫星Worldview-2除了具备Quickbird和Geoeye-1卫星4个常见波段外, 在400~1040 nm内新增了4个波段, 波段分布比较连续, 从而能够在此波段范围内增强其光谱分辨能力, 保证了较高的光谱辐射精度, 并减少了各个波段之间的光谱重叠[10]。同一地区Quickbird、Geoeye-1、Worldview-2三种高分数据对岩性的解译结果显示, Worldview-2能提供更精确的地质信息, 如碳酸盐岩中碎屑岩夹层的清晰识别(见图 2c-图2e), 因此在近于同等条件下高山峡谷区岩性、构造解译等可优先选择Worldview-2影像数据。Worldview-3卫星在Worldview-2卫星基础上实现多项性能的提升, 可对岩性单元的形态、纹理以及岩性层间的空间关系等进行精细识别。由于价格昂贵、数据量大、处理困难等因素, 无法大面积普及, 目前仅实用于调查区成矿有利地段或者构造、岩性复杂地区的解译。例如:调查区在Worldview-2影像数据解译的基础上, 局部配合选用Worldview-3数据对前人发现的银矿化层位(变形较强)进行"追索"研究(见图 2f)。构造解译效果对比显示, 中低分辨率遥感数据适合开展宏观构造解译或构造格架研究, 高分遥感数据在小尺度露头构造解译方面体现出优势。本项目调查区选择Spot6数据研究区域性逆冲推覆构造; Worldview-2影像开展褶皱、断层、节理等构造形迹解译(见图 3a-3f); Worldview-3影像分析层劈关系(见图 3g)和劈理期次等(见图 3h)。
图 2 同一地区不同空间分辨率遥感数据岩性解译效果对比图a—Spot5遥感影像图; b—Spot6遥感影像图; c—Geoeye-1遥感影像图; d—Quickbird遥感影像图; e—Worldview-2遥感影像图; f—Worldview-3遥感影像局部放大图; g—高分一号遥感影像图; h—高分二号遥感影像图Figure 2. Comparison of lithologic interpretation of remote sensing data with different spatial resolution in the same area
图 3 不同空间分辨率遥感数据构造解译效果对比图a—斜歪倾伏褶皱影像; b—不对称褶皱影像; c—2褶皱构造影像(局部剥蚀露); d—断层构造影像; e—断层破碎带影像; f—两期节理构造影像; h—层理、劈理构造影像; g—两期劈理构造影像(a—f为Worldview-2数据; h—g为Worldview-3数据)Figure 3. Comparison of structure interpretation of remote sensing data with different spatial resolution随着卫星数据获取技术的不断发展, 国产卫星数据的空间分辨率已经达到m级, 如资源一号02C(ZF-102C)[11~12]; 高分一号(GF-1)[13]; 高分二号(GF-2)[14]。实践表明这些卫星数据分辨率已达到同等空间分辨率国外卫星的水平, 在高海拔-深切割区具有很大的应用潜力[12~15]。本次解译结果也证实GF-1(见图 2g)和GF-2(见图 2h)卫星数据能满足1:50000高山峡谷区填图精度。但由于太阳高度角、卫星轨道及地形起伏的影响, 图像中往往包含阴影, 特别是高分数据表现更为明显, 从而增加了高山峡谷区地物识别、影像配准和图像分割的难度[16]。为了解决遥感图像阴影问题, 前人探索出多种阴影消除方法[16~20], 有效解决了阴影掩盖地质信息的问题。因此, 高山峡谷区在购买遥感数据时需充分考虑图像的时相, 选择有效的检测与补偿优化方法消除阴影。
综上所述, 由于不同的遥感数据空间分辨率、光谱范围不同, 对地物的识别能力存在差异。本项目工作区主要岩性为(生物碎屑)灰岩, 反射波谱影响因子差异不大, 因此, 本次主体使用Worldview-2开展详细的岩性、构造解译及产出状态判定, 利用Spot6数据研究岩性地层的空间展布、组合规律、构造样式等, 局部岩性、构造复杂的地区采用Worldview-3数据, 结果显示中高分辨率遥感数据综合解译明显提高了解译程度。
2.2 高分和多光谱遥感数据间的协同岩性分类
提高遥感图像岩性、构造解译程度是高山峡谷区地质填图的重要途径。目前, TM、Landsat、ASTER等数据光谱分辨率高, 但空间分辨率较低, 不能满足复杂岩石、矿物信息提取的需要; 而QuickBird、Geoeye-1、Worldview-2等遥感数据虽具有高空间分辨率, 但其光谱分辨率低, 缺少短波红外(SWIR), 波谱范围相对较窄[21]。塔里木盆地西北缘柯坪地块中部[22]、美国内华达州铜矿区[23]、爱琴海盆地岛弧中低温热液型金矿区[24]、青藏高原物玛地区[25]、新疆西部[21]等地不同分辨率遥感数据协同岩性分类结果表明, 其光谱具有一定的互补性, 弥补了不同分辨率卫星数据的不足, 有效提高了解译的精度和效率。
基于Worldview-2和Landsat-8数据空间分辨率和光谱分辨率的不同, 本试点项目尝试将二者优势互补, 以提高岩性判断的精度。研究认为一般情况下若两种数据空间分辨率相差20倍以上, 融合数据将损失大量信息, 但Worldview-2第8波段相对其他7个波段, 光谱范围最广, 相对能减小光谱响应范围不一致带来的光谱失真问题[21]。因此, 本文研究选择2 m分辨率的Worldview-2多光谱数据中的第8波段与Landsat-8数据进行融合。首先将Landsat-8全色波段与多光谱进行融合, 继而将融合后的数据与Worldview-2多光谱第8波段数据协同, 最后将协同后的Landsat-8中短波红外数据与Worldview-2数据进行叠加获得协同图像。解译效果对比显示, 单一Worldview-2数据影像可解和可分性不强(见图 4), Landsat-8和Worldview-2协同图像中的层型和非层型影像单元间的界线清晰、色率差异更为明显(见图 5), 说明多光谱遥感数据和高分遥感数据间的这种"互补效应"有效提高了光谱反射特征相似岩性的分类和目视解译的精度。
图 5 Landsat-8和Worldview-2协同影像图Figure 5. The synergestic image of Landsat-8 and Worldview-22.3 同一遥感数据最佳波段组合选择及岩性、构造解译
遥感影像特征分析是图像融合和解译的前提, 按照信息量最大的原则选择最佳遥感波段组合成信息量丰富的彩色图像, 以提高岩性、构造解译程度。波段组合一般遵循2个原则:①波段的标准差(表示各波段像元亮度相对于亮度均值的离散程度)越大, 波段所包含的信息量越大; ②波段之间的相关系数越大, 各波段所包含的信息之间可能出现大量的重复和冗余, 相关系数越小, 各波段的图像数据独立性越高, 图像质量就越好。美国查维茨(Chavez)等1984年提出最佳组合指数(OIF)来表示各波段标准差和波段间相关系数, OIF值越大, 相应组合图像的信息量越大[26~27]。
本试点项目在高差较大的地区分别对Spot5、QuickBird、Geoeye-1等数据进行了遥感影像特征分析(见表 1—表 3)。由表 1可知, Spot5各波段的标准差Band1＞Band2＞Band3＞Band4;波段间相关系数Band134＞Band124＞Band234＞Band123, 最佳组合指数OIF(Band234)＞OIF(Band134)＞OIF(Band124)＞OIF(Band123), Spot5的2, 3, 4波段为最佳波段组合。同样, 表 2和表 3显示, Quickbird数据1, 2, 3波段, Geoeye-1数据1, 2, 3波段为最佳波段组合。因此, 本项目选择Spot5的2、3、4波段、QuickBird的1、2、3波段、Geoeye-1的1, 2, 3波段合成图像, 明显提高了岩性单元的识别效果, 特别是成分、结构、风化程度、物理化学性质等较为相似的岩石(见图 6)。例如:Spot5数据234波段组合图像可将阿依里河组与野云沟组区分(见图 6b); Geoeye-1数据123波段合成图像较其他波段合成图像能更好地提供岩石(阿依里河组灰岩)新鲜面和风化面等细节信息(见图 6c); QuickBird数据123波段组合图像可将基岩裸露区和薄层覆盖区准确区分(见图 6e)。综上所述, 高山峡谷区在图像融合和解译之前, 计算遥感数据各波段的标准差和波段间的相关性、选择最佳波段组合十分必要。
表 1 Spot5影像各波段数据统计特征值及各波段间相关系数矩阵Table 1. Statistic eigenvalues and correlation coefficient matrix for bands of SPOT5波段 最小值 最大值 均值 标准差 相关系数 Band 1 Band 2 Band 3 Band 4 Band 1 0 255 77.485 33.134 Band 1 1.000000 0.897210 0.886567 0.848133 Band 2 0 255 56.163 31.990 Band 2 0.897210 1.000000 0.994379 0.707432 Band 3 0 255 56.588 30.646 Band 3 0.886567 0.994379 1.000000 0.668707 Band 4 15 201 87.089 24.271 Band 4 0.848133 0.707432 0.668707 1.000000 表 2 Quickbird影像各波段数据统计特征值及各波段间相关系数矩阵Table 2. Statistic eigenvalues and correlation coefficient matrix for bands of Quickbird波段 最小值 最大值 均值 标准差 相关系数 Band 1 Band 2 Band 3 Band 4 Band 1 0 1342 507.711 166.118 Band 1 1.000000 0.799445 0.817561 0.775338 Band 2 0 1178 384.326 129.077 Band 2 0.799445 1.000000 0.986813 0.954843 Band 3 0 1425 482.756 142.270 Band 3 0.817561 0.986813 1.000000 0.984581 Band 4 0 802 294.572 76.028 Band 4 0.775338 0.954843 0.984580 1.000000 表 3 Geoeye-1影像各波段数据统计特征值及各波段间相关系数矩阵Table 3. Statistic eigenvalues and correlation coefficient matrix for bands of Geoeye-1波段 最小值 最大值 均值 标准差 相关系数 Band 1 Band 2 Band 3 Band 4 Band 1 0 3061 246.776 490.529 Band 1 1.000000 0.990143 0.979206 0.953965 Band 2 0 1682 117.880 212.023 Band 2 0.990143 1.000000 0.993400 0.973462 Band 3 0 2655 262.247 296.175 Band 3 0.979206 0.993400 1.000000 0.991808 Band 4 0 2086 233.266 173.932 Band 4 0.953965 0.973462 0.991808 1.000000 
图 6 同一遥感数据不同波段组合图像解译效果对比Figure 6. Comparison charts for different bands combined image of a remote sensing data2.4 高光谱遥感矿物填图和岩性识别
高光谱遥感图像包含丰富的空间、辐射和光谱三重信息, 在传统二维图像的基础上增加了光谱维, 遥感技术发生了质的飞跃[28~29]。矿物填图主要通过矿物的光谱特征和特征谱带区分出不同的矿物种类, 填制矿物地图, 是高光谱技术最成功和最能发挥优势的应用领域[29~30]。可见—短波红外谱段可识别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[31]; 中—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矿物类型[29, 32~33]; 高光谱遥感还可探测一些蚀变矿物和某些造岩矿物的成分和结构特征[34~35], 从而分析成矿成岩作用的温压条件[36]、热动力过程[37]、热液运移的时空演化[38], 恢复成岩成矿历史[39]。高光谱矿物识别和矿物填图可分为矿物种类识别、丰度反演和成分识别三个方面[27]。岩矿光谱特征、变化规律及其影响因素是矿物识别的依据和基础, 王润生等[29]系统分析了岩矿光谱影响因素与稳定性、矿物混合光谱特征、蚀变类型与蚀变矿物共生组合的光谱特征, 并研究出高光谱矿物分层谱系识别方法。矿物丰度的定量反演方法包括诊断吸收谱带的深度、数理统计和光谱混合分解等。其中, 混合像元分解是目前反演矿物丰度常用的方法[40], 研究者针对其存在的问题进行改进, 提高了矿物丰度反演的可靠性, 同时提出矿物化学成分反演的若干模型[29], 为矿物填图奠定了理论基础。
阿尔金巴什布拉克[30]、云南三江[41]、冈底斯山东段[42]等地区矿物填图示范结果表明, 星载高光谱Hyperion数据极大地增强了高海拔、深切割地区对蚀变矿物和常见造岩矿物的鉴别能力。Hymap机载成像光谱仪融合了成像和光谱技术, 实时获取研究对象的影像及每个像元的光谱分布特征。新疆东天山和西藏驱龙地区Hymap机载成像光谱数据矿物填图实践表明其识别矿物种类包括蛇纹石、透辉石等10余种, 准确率高, 通过矿物反演岩石类型, 指示矿床、矿点或矿化的分布[29]。
然而, 高光谱数据在岩性识别填图方面仍处于探索研究中。毕晓佳等[28]在东昆仑忠阳山地区, 利用野外实测岩石光谱作为端元光谱进行了SAM光谱角岩性填图, 对地质环境恶劣的地区具有较好的应用价值。高海拔、深切割区往往存在植被覆盖, 经主成分分析将植被与岩石-土壤光谱组分分离, 并对实验区典型岩石进行野外光谱测试, 将其作为参考光谱, 与分离后的岩石-土壤光谱进行光谱特征拟合(SFF), 从而成功地识别出区内不同岩石类型[43]。测区位于国界线军事管理区时, 难以获得高光谱数据, 利用其开展矿物识别和填图, 进行地质调查, 是非常有效的方法。
2.5 基于ASTER热红外遥感数据的岩石化学填图
美国亚利桑那州立大学地质系行星探索实验室建立了ASU红外光谱波谱库, 该波谱库提供了多种矿物的热红外发射率波谱和矿物化学成分(氧化物含量)的分析结果, 为波谱和氧化物间的关系探讨提供了可能[44]。ASTER数据在热红外具有5个波段[7], 通常将ASU波谱库的矿物波谱重采样至ASTER各热红外波段, 对矿物的波谱进行波段比值分析, 并与各矿物成分进行相关性研究, 选择波段比值与各氧化物含量最大相关系数, 进行对数模拟, 从而确定热红外波段比值与化学成分(氧化物)的数值关系。例如, 陈江等[44]利用模拟公式在四川西范坪矿区对地表岩石中SiO2、K2O、N2O三种氧化物含量进行计算, 根据SiO2和全碱含量划分出9类岩浆岩类型, 填图结果与区域地质图基本吻合; 闫柏琨等[45]采用SiO2指数由ASTER热红外多光谱数据定量反演地表岩石SiO2含量, 在新疆东天山成功发现辉石岩岩体。本试点项目利用ASTER热红外多光谱数据反演岩石中SiO2、K2O、N2O三种氧化物含量, 结合高分遥感数据在测区北部国界线附近发现酸性岩体(限于篇幅, 成果另文发表)。该方法是区分不同属性侵入岩的有效途径之一, 但沉积岩、变质岩区依靠氧化物含量推断岩性有待进一步研究。
2.6 多光谱/高光谱遥感数据矿化蚀变信息提取
矿化蚀变信息(带)是高山峡谷区填图的重要内容之一, 矿化蚀变信息是重要的找矿标志, 矿化蚀变岩石和矿物的波谱特征与其他地物的波谱特征有明显差异, 因此, 遥感矿化蚀变信息提取是最为快捷有效的方法之一[46]。研究认为ASTER、TM/ETM等遥感数据可识别的蚀变矿物主要分为3类:①铁的氧化物、氢氧化物和硫酸盐, 包括褐铁矿、赤铁矿、针铁矿和黄钾明矾; ②羟基矿物, 包括黏土矿物和云母; ③水合硫酸盐矿物(石膏和明矾石)及碳酸盐矿物(方解石和白云岩等)[7]。目前, 基于ASTER、TM/ETM等多光谱遥感数据的矿化蚀变信息定量和半定量研究已形成相对完善的技术方法体系[47~54]。此外, 星载、机载高光谱遥感蚀变矿物识别和异常提取的方法、模型的建立等方面也取得丰硕的成果[28~35], 对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、圈定矿化蚀变带和找矿靶区等均具有重要作用[29]。
2.6.1 ETM数据矿化蚀变信息提取
本试点项目针对ETM数据采用比值法、主成分分析法开展矿化蚀变信息提取, 对比其在高山峡谷区蚀变信息提取的优劣性。波段比值法是一种经常被用来提取含羟基蚀变矿物及氧化物的基本方法[55~56], 实质上该方法是基于含Fe2O3风化壳或铁帽的一般色彩特征[56]。本文采用TM3/TM1区分Fe3+氧化物含量的高低和提取铁染信息(见图 7a), 利用TM5/TM7比值提取含羟基蚀变矿物信息(见图 7c)。主成分分析法本质即压缩多光谱信息中遥感变量的数目, 通过一定的数学重组形式在多光谱上形成内在联系较为合理或地质意义更为明确的新的变量或主成分[56]。本项目采用TM1、TM3、TM4、TM5等4个波段进行主成分分析提取铁化蚀变, 舍弃TM7波段(为了避免含羟基和碳酸根矿物的干扰), 依据特征向量组合特征(见表 4), 选取PC3作为"铁组图像", 采用门限化技术, 进行高值切割以获得铁染异常信息图像(见图 7b)。提取羟基异常时选用TM1、TM4、TM5、TM7等4个波段进行主成分分析, 依据特征向量组合特征(见表 5), 选取PC4作为""羟基图像", 进行低值切割以获得羟基异常信息图像(见图 7d)。由异常图可见, 主成分分析法相对于比值法提取的蚀变矿物种类相对多, 野外验证吻合程度较高。
表 4 ETM1, 3, 4, 5波段主成分变换特征向量矩阵Table 4. Eigenvector statistics for ETM band 1, 3, 4 and 5主成分 TM1 TM3 TM4 TM5 PC1 0.45460 0.55101 0.47559 0.51336 PC2 -0.55332 -0.39852 0.24776 0.68821 PC3 -0.10604 0.38590 -0.80948 0.42962 PC4 -0.68988 0.62342 0.23910 -0.27974 表 5 ETM 1, 4, 5, 7波段主成分变换特征向量矩阵Table 5. Eigenvector statistics for ETM band 1, 4, 5 and 7主成分 TM1 TM4 TM5 TM7 PC1 0.46652 0.50298 0.55470 0.47083 PC2 0.77310 0.16771 -0.47247 -0.38855 PC3 -0.40502 0.80432 -0.02006 -0.43431 PC4 0.14367 -0.26823 0.68460 -0.66237 
图 7 ETM和ASTER遥感数据矿化蚀变信息对比图a—ETM比值法铁染异常信息; b—ETM主成分分析法铁染异常信息; c—ETM比值法羟基异常信息; d—ETM主成分分析法羟基异常信息; e—ASTER主成分分析法铁染异常信息; f—第一组羟基异常信息; g—第一组羟基异常信息; h—CO32-离子团异常信息Figure 7. Images of alteration minerals produced from ETM and ASTER remote sensing data2.6.2 ASTER数据矿化蚀变信息提取
相对ETM数据, ASTER数据波段多、波段范围窄、地面分辨率高[7]。本次针对ASTER数据采用主成分分析法开展矿化蚀变信息提取, 根据离子(基团)的诊断性波谱特征, 选择1, 2, 3, 4波段按照主成分分析法提取Fe3+离子信息, 主成分分析特征向量矩阵见表 6。第四主成分(PC4) 图像中包含了较多的铁染信息, 采用门限化技术, 进行高值切割来获得铁染异常信息图像(见图 7e)。
表 6 ASTER 1, 2, 3, 4波段主成分变换特征向量矩阵Table 6. Eigenvector statistics for ASTER band 1, 2, 3 and 4主成分 ASTER1 ASTER2 ASTER3 ASTER4 PC1 -0.32791 -0.36411 -0.46219 -0.73910 PC2 0.52264 0.53843 0.20825 -0.62736 PC3 0.24623 0.37636 -0.85951 0.24283 PC4 -0.74746 0.66020 0.06524 -0.03442 调查区含羟基的蚀变矿物主要有高岭土、伊利石、绢云母、绿泥石、绿帘石、黑云母、方解石等, 根据蚀变矿物反射光谱曲线的特征吸收谱带, 可将其分为2组, 采用主成分分析法开展矿化蚀变信息提取。蚀变矿物波谱曲线与ASTER数据波段的对应关系显示:第一组蚀变矿物(包括高岭土、伊利石与绢云母)在ASTER5、ASTER6波段具有中强吸收; 第二组蚀变矿物(包括方解石、黑云母、绿泥石、绿帘石)在ASTER8波段有强吸收。因此, 本次选择ASTER1、ASTER3、ASTER4、ASTER(5+6)/2波段提取第一组含羟基的蚀变矿物; 选择ASTER1、ASTER3、ASTER4、ASTER8波段提取第二组含羟基的蚀变矿物。
主成分分析特征矩阵表(见表 7)显示, ASTER4的系数与ASTER3、ASTER(5+6)/2的系数符号相反, 与ASTER1的系数符号相同。PC4为含有蚀变矿物信息的分向量, 聚集了蚀变遥感异常信息, 故此利用第四主分量图像进行低值切割, 进行异常滤波以获得第一组羟基异常信息图像(见图 7f)。根据主成分分析特征向量矩阵表(见表 8), 选取PC4为羟基异常主分量(聚集了蚀变矿物信息)对第四主分量图像进行低值切割, 进行异常滤波来获得第二组羟基异常信息图像(见图 7g)。
表 7 ASTER 1, 3, 4, (5+6)/2主成分变换特征向量矩阵Table 7. Eigenvector statistics for ASTER band 1、3、4 and (5+6)/2主成分 ASTER1 ASTER3 ASTER4 ASTER(5+6)/2 PC1 0.29182 0.41810 0.68145 0.52503 PC2 0.63120 0.57799 -0.30069 -0.42084 PC3 -0.51442 0.35968 0.47487 -0.61685 PC4 -0.50180 0.60146 -0.46873 0.40833 表 8 ASTER 1, 3, 4, 8主成分变换特征向量矩阵Table 8. Eigenvector statistics for ASTER band 1、3、4 and 8主成分 ASTER1 ASTER3 ASTER4 ASTER8 PC1 0.29166 0.41401 0.68170 0.52803 PC2 0.49962 0.64353 -0.17682 -0.55225 PC3 0.70933 -0.30017 -0.46186 0.43982 PC4 -0.40270 0.56953 -0.53918 0.47197 运用同样的方法, 选择ASTER 1、3、4、5波段, 运用主成分分析法提取与含CO32-离子团矿物相关的蚀变遥感异常信息, 特征向量矩阵见表 9。选取PC4为羟基异常主分量, 对第四主分量图像采用门限化技术, 进行高值切割来获得CO32-离子团异常信息图像(见图 7h)。
表 9 ASTER1、ASTER3、ASTER4、ASTER5主成分变换特征向量矩阵Table 9. Eigenvector statistics for ASTER band 1、3、4 and 5主成分 ASTER1 ASTER3 ASTER4 ASTER5 PC1 0.28050 0.39882 0.65579 0.57637 PC2 0.57972 0.64566 -0.27923 -0.41119 PC3 -0.70521 0.53074 0.29824 -0.36338 PC4 0.29652 -0.37733 0.63484 -0.60554 新疆乌什北山试点填图项目利用ETM和ASTER数据开展矿化蚀变信息提取, 结果显示主成分分析法相对比值法提取的蚀变矿物种类更多, 野外吻合程度较高。在岩性和矿物识别非常有效的短波红外和热红外区域, ASTER数据较ETM数据具有更多的波段, 实践证实其在矿化蚀变信息识别上具有更大的优势, 与前人研究一致[57~58]。本项目结合地质、地球物理及地球化学等资料综合分析, 去除"假"异常, 并进行野外验证, 发现矿化线索若干处, 为区域成矿条件分析与成矿预测提供资料。
2.7 多元信息综合找矿
遥感矿化蚀变信息提取可为区域找矿提供依据, 指明找矿方向和成矿有利地段[7], 但仍然存在一定的不确定性, 矿化线索的发现仍需其他方法佐证, 如利用化探、物探、地质等资料对遥感矿化蚀变信息进行综合分析, 去伪存真, 摸索规律, 从而达到"迅速掌握全局、逐步缩小靶区"的目标[56]。此外, 将化探、物探等数据与遥感数据融合(Fusion)或叠合(Overlaying), 归纳总结找矿规律, 甄别、筛选成矿有利地段的方法已得到验证[59~60]。高山峡谷区大部分地区人员难以到达, 野外异常查证困难, 多元信息综合分析显得尤为重要, 新疆乌什北山项目在填图过程中开展遥感矿化蚀变信息提取, 从地质、物探、化探、遥感多元信息角度筛选矿化蚀变信息, 综合推断找矿有利地段。通过野外异常查证, 发现矿化蚀变线索若干处, 研究致矿因素, 从而将方法由可人工验证的地区向不可人工验证地区推广。
3. 高山峡谷区传统1:50000填图技术方法和成果表达方式的改进建议
区域地质填图的常规方法包括剖面测制和路线地质调查, 其中, 地质剖面是区域地质填图的基础, 是建立填图单位的主要途径和重要方法[1, 8]。前人对剖面测制的数量、位置、观察内容等均做了相关规定, 保证了地质填图的成果质量[8]。然而, 高海拔、深切割等人员难以到达的地区, 难以开展剖面测制工作。本试点项目在前期详细的遥感解译(测区及邻幅)的基础上, 为了保证测区所有填图单位均有所控制, 进行了相关探索尝试:①测区剖面无法控制的填图单位, 在邻幅相邻地段、相同的地层或构造分区进行测制; ②采用路线地质剖面代替实测地质剖面; ③影像单元剖面, 以影像单元为调查单位, 剖面尽量安排在影像单元齐全的地段, 若交通不便或无法达到, 可分段选线进行控制, 保证每个影像单元均有剖面控制。
路线地质调查是区域地质填图最基本的方法[1, 8], 同样, 常规的路线地质调查技术规范和数字填图技术规范等在高山峡谷区大部分地区无法实施。本项目采用如下方法:①根据遥感解译程度和地质地貌特征, 灵活布置地质调查路线, 即"遥感解译程度-地质-地貌"引导地质调查路线。②高山峡谷区试点填图仍采取数字填图技术, 但PRB过程不再机械使用, 部分地区采用地质点控制地质界线和构造, 定点根据需要随机定点, 野外现场连图; ③测区无法开展路线地质调查, 在邻幅相邻地段、相同的地层或构造分区进行; ④影像单元路线, 地质调查路线尽量安排在影像单元齐全的地段, 若交通不便或无法到达, 仍可分段选线进行单元控制。
目前, 1:50000地质图的填图单位均用确定的代号表示。然而, 高山峡谷区部分地质体属性难以开展野外查证, 如本试点项目在测区北部国界线附近(常年积雪)发现酸性侵入岩, 遥感影像清晰显示了其出露范围, 但该花岗岩的形成时代和具体岩性无法得知。因此, 本项目建议在人员无法验证的局部地区地质体可适当采用特殊的代号加以表示, 如:通过遥感等手段确定是沉积岩, 但无法确定其具体岩石组合和形成时代时, 可采用"未分沉积岩(Undivided sedimentary rock, Usr)"表达; 花岗岩无法细分时建议采用"未分花岗岩(Undivided granite, Ug)"表示; 岩脉无法确定其是中性还是酸性时, 建议使用"未分岩脉(Undivided dike, Ud)"表示。此外, 以往的地质图上对于已确定的矿点和矿化点基本采用不同大小和颜色符号表示, 蚀变带和含矿层等用非正式填图单位表示[8]; 本项目尝试采用不同代号叠加的形式将测区已确定的矿点和矿化点的含矿岩石类型、矿化类型、成矿时代等分别表示在图面上, 尽可能更全面反映野外客观事实。
4. 讨论与结论
高山峡谷区如何利用遥感技术和有限的地质调查路线及剖面等资料, 最大限度地挖掘通行困难地区的地质信息, 合理建立填图单位, 是填图技术方法探索的重点。因此, 通行困难地区岩石类型、岩石组合、构造变形等的识别和定性是高山峡谷区填图的关键。本项目在乌什北山运用了多种遥感技术进行岩性、构造识别及矿化蚀变信息提取, 有效提高了填图精度。
然而, 高山峡谷区岩性和构造的解译并非采用以上所有技术方法, 而是根据不同地区岩石和构造类型, 选取其中一种或几种技术方法(组合)开展调查区岩性单元划分和构造形迹识别。例如:调查区南部灰岩和碎屑岩互层的地区, 两类岩石成分、色率、影纹、风化面、水系等差异明显, 构造简单, 任何一种中分或高分遥感数据即可区分岩性和构造。研究区中北部主要岩石类型为泥盆纪、石炭纪(生物碎屑)灰岩, 岩石的矿物组成、矿物粒度、结构构造和产状、表面颜色、风化程度等反射波谱影响因子差异不大, 因此, 需结合测区典型岩石光谱特征, 选择最佳波段组合融合图像、高分和多光谱遥感数据协同图像等两种方法组合方可有效解决光谱反射特征相似岩系难以细化的问题。测区北部新发现的侵入体与围岩色率、纹理等差异较大, 任何一种中高分辨率遥感图像均可确定其出露范围及与围岩的接触关系, 但需配合使用ASTER热红外岩石化学填图反演岩性的方法进一步判断该侵入岩为酸性岩体。因此, 高山峡谷区填图过程中需根据测区岩石及构造的可分或复杂程度, 选择有效技术方法或者技术方法组合。
新疆乌什北山填图过程表明, 在全区详细构造、岩性解译的基础上, 结合区域地质资料, 建立遥感解译标志, 但仍需通过剖面测制和路线地质调查才能不断验证、修正和完善解译标志, 确定岩性单元和构造的属性, 建立填图单位。由此可见, 传统的填图方法在高山峡谷区填图过程中无法替代。本次试点填图结果显示, 在减少剖面测制和路线地质调查数量的同时, 通过遥感等技术手段, 达到了1:50000填图精度, 保证了填图成果质量, 并取得了若干重要研究进展, 为区域构造演化和成矿规律分析总结提供了资料支撑。
-
图 2 同一地区不同空间分辨率遥感数据岩性解译效果对比图
a—Spot5遥感影像图; b—Spot6遥感影像图; c—Geoeye-1遥感影像图; d—Quickbird遥感影像图; e—Worldview-2遥感影像图; f—Worldview-3遥感影像局部放大图; g—高分一号遥感影像图; h—高分二号遥感影像图
Figure 2. Comparison of lithologic interpretation of remote sensing data with different spatial resolution in the same area
图 3 不同空间分辨率遥感数据构造解译效果对比图
a—斜歪倾伏褶皱影像; b—不对称褶皱影像; c—2褶皱构造影像(局部剥蚀露); d—断层构造影像; e—断层破碎带影像; f—两期节理构造影像; h—层理、劈理构造影像; g—两期劈理构造影像(a—f为Worldview-2数据; h—g为Worldview-3数据)
Figure 3. Comparison of structure interpretation of remote sensing data with different spatial resolution
图 5 Landsat-8和Worldview-2协同影像图
Figure 5. The synergestic image of Landsat-8 and Worldview-2
图 6 同一遥感数据不同波段组合图像解译效果对比
Figure 6. Comparison charts for different bands combined image of a remote sensing data
图 7 ETM和ASTER遥感数据矿化蚀变信息对比图
a—ETM比值法铁染异常信息; b—ETM主成分分析法铁染异常信息; c—ETM比值法羟基异常信息; d—ETM主成分分析法羟基异常信息; e—ASTER主成分分析法铁染异常信息; f—第一组羟基异常信息; g—第一组羟基异常信息; h—CO32-离子团异常信息
Figure 7. Images of alteration minerals produced from ETM and ASTER remote sensing data
表 1 Spot5影像各波段数据统计特征值及各波段间相关系数矩阵
Table 1. Statistic eigenvalues and correlation coefficient matrix for bands of SPOT5
波段 最小值 最大值 均值 标准差 相关系数 Band 1 Band 2 Band 3 Band 4 Band 1 0 255 77.485 33.134 Band 1 1.000000 0.897210 0.886567 0.848133 Band 2 0 255 56.163 31.990 Band 2 0.897210 1.000000 0.994379 0.707432 Band 3 0 255 56.588 30.646 Band 3 0.886567 0.994379 1.000000 0.668707 Band 4 15 201 87.089 24.271 Band 4 0.848133 0.707432 0.668707 1.000000 
下载: 导出CSV
表 2 Quickbird影像各波段数据统计特征值及各波段间相关系数矩阵
Table 2. Statistic eigenvalues and correlation coefficient matrix for bands of Quickbird
波段 最小值 最大值 均值 标准差 相关系数 Band 1 Band 2 Band 3 Band 4 Band 1 0 1342 507.711 166.118 Band 1 1.000000 0.799445 0.817561 0.775338 Band 2 0 1178 384.326 129.077 Band 2 0.799445 1.000000 0.986813 0.954843 Band 3 0 1425 482.756 142.270 Band 3 0.817561 0.986813 1.000000 0.984581 Band 4 0 802 294.572 76.028 Band 4 0.775338 0.954843 0.984580 1.000000
下载: 导出CSV
表 3 Geoeye-1影像各波段数据统计特征值及各波段间相关系数矩阵
Table 3. Statistic eigenvalues and correlation coefficient matrix for bands of Geoeye-1
波段 最小值 最大值 均值 标准差 相关系数 Band 1 Band 2 Band 3 Band 4 Band 1 0 3061 246.776 490.529 Band 1 1.000000 0.990143 0.979206 0.953965 Band 2 0 1682 117.880 212.023 Band 2 0.990143 1.000000 0.993400 0.973462 Band 3 0 2655 262.247 296.175 Band 3 0.979206 0.993400 1.000000 0.991808 Band 4 0 2086 233.266 173.932 Band 4 0.953965 0.973462 0.991808 1.000000
下载: 导出CSV
表 4 ETM1, 3, 4, 5波段主成分变换特征向量矩阵
Table 4. Eigenvector statistics for ETM band 1, 3, 4 and 5
主成分 TM1 TM3 TM4 TM5 PC1 0.45460 0.55101 0.47559 0.51336 PC2 -0.55332 -0.39852 0.24776 0.68821 PC3 -0.10604 0.38590 -0.80948 0.42962 PC4 -0.68988 0.62342 0.23910 -0.27974
下载: 导出CSV
表 5 ETM 1, 4, 5, 7波段主成分变换特征向量矩阵
Table 5. Eigenvector statistics for ETM band 1, 4, 5 and 7
主成分 TM1 TM4 TM5 TM7 PC1 0.46652 0.50298 0.55470 0.47083 PC2 0.77310 0.16771 -0.47247 -0.38855 PC3 -0.40502 0.80432 -0.02006 -0.43431 PC4 0.14367 -0.26823 0.68460 -0.66237
下载: 导出CSV
表 6 ASTER 1, 2, 3, 4波段主成分变换特征向量矩阵
Table 6. Eigenvector statistics for ASTER band 1, 2, 3 and 4
主成分 ASTER1 ASTER2 ASTER3 ASTER4 PC1 -0.32791 -0.36411 -0.46219 -0.73910 PC2 0.52264 0.53843 0.20825 -0.62736 PC3 0.24623 0.37636 -0.85951 0.24283 PC4 -0.74746 0.66020 0.06524 -0.03442
下载: 导出CSV
表 7 ASTER 1, 3, 4, (5+6)/2主成分变换特征向量矩阵
Table 7. Eigenvector statistics for ASTER band 1、3、4 and (5+6)/2
主成分 ASTER1 ASTER3 ASTER4 ASTER(5+6)/2 PC1 0.29182 0.41810 0.68145 0.52503 PC2 0.63120 0.57799 -0.30069 -0.42084 PC3 -0.51442 0.35968 0.47487 -0.61685 PC4 -0.50180 0.60146 -0.46873 0.40833
下载: 导出CSV
表 8 ASTER 1, 3, 4, 8主成分变换特征向量矩阵
Table 8. Eigenvector statistics for ASTER band 1、3、4 and 8
主成分 ASTER1 ASTER3 ASTER4 ASTER8 PC1 0.29166 0.41401 0.68170 0.52803 PC2 0.49962 0.64353 -0.17682 -0.55225 PC3 0.70933 -0.30017 -0.46186 0.43982 PC4 -0.40270 0.56953 -0.53918 0.47197
下载: 导出CSV
表 9 ASTER1、ASTER3、ASTER4、ASTER5主成分变换特征向量矩阵
Table 9. Eigenvector statistics for ASTER band 1、3、4 and 5
主成分 ASTER1 ASTER3 ASTER4 ASTER5 PC1 0.28050 0.39882 0.65579 0.57637 PC2 0.57972 0.64566 -0.27923 -0.41119 PC3 -0.70521 0.53074 0.29824 -0.36338 PC4 0.29652 -0.37733 0.63484 -0.60554
下载: 导出CSV
-
[1] 李建星, Chen She fa, 毛晓长, 等.中(西)澳地质填图对比及对中国地质填图的启示[J].地质通报, 2015, 34(12):2143~2149. doi: 10.3969/j.issn.1671-2552.2015.12.001LI Jian-xing, CHEN She-fa, MAO Xiao-chang, et al. A comparison of geological mapping between Geological Survey of Western Australia and China Geological Survey and its enlightenment for China's geological mapping[J]. Geological Bulletin of China, 2015, 34(12):2143~2149. doi: 10.3969/j.issn.1671-2552.2015.12.001 [2] 刘树臣, 谭永杰, 白冶, 等.当代世界地质调查工作发展趋势[J].地质通报, 2003, 22(8):613~618. http://www.cnki.com.cn/Article/CJFDTOTAL-ZQYD200308009.htmLIU Shu-chen, TAN Yong-jie, BAI Ye, et al. Current trends in geological survey of the world[J]. Geological Bulletin of China, 2003, 22(8):613~618. http://www.cnki.com.cn/Article/CJFDTOTAL-ZQYD200308009.htm [3] 施俊法, 唐金荣, 周平, 等.世界地质调查工作发展趋势及其对中国的启示[J].地质通报, 2014, 33(10):1465~1472. doi: 10.3969/j.issn.1671-2552.2014.10.001SHI Jun-fa, TANG Jin-rong, ZHOU Ping, et al. Development trend of international geological survey and its implications to China[J]. Geological Bulletin of China, 2014, 33(10):1465~1472. doi: 10.3969/j.issn.1671-2552.2014.10.001 [4] 胡道功, PATRICK J Barosh, 吴珍汉, 等.中美合作东昆仑造山带地质填图的启示:填图理念与填图方法[J].地质通报, 2009, 28(10):1411~1418. doi: 10.3969/j.issn.1671-2552.2009.10.007HU Dao-gong, PATRICK J Barosh, WU Zhen-han, et al. Inspirations from the Sino-U.S. cooperative geological mapping in the East Kunlun orogenic belt:ideas and methods[J]. Geological Bulletin of China, 2009, 28(10):1411~1418. doi: 10.3969/j.issn.1671-2552.2009.10.007 [5] 胡建民.探索与创新特殊地质地貌区现代地质填图技术方法[J].中国地质调查成果快讯, 2016, 1(22):1~7. http://www.cnki.com.cn/Article/CJFDTOTAL-DZLX201702001.htmHu Jian-min. Exploration and innovation of modern geological mapping techniques in special geological and landformareas. New Lettres of China Geological Survey, 2016, 1(22):1~7. http://www.cnki.com.cn/Article/CJFDTOTAL-DZLX201702001.htm [6] 辜平阳, 陈瑞明.西南天山高山峡谷区区域地质调查新方法和新进展[J].中国地质调查成果快讯, 2016, 1(22):1~7.GU Ping-yang, CHEN Ring-ming. New methods for regional geological survey and recent progress in Southwest Tianshan tough and dangerous area, Xinjiang[J]. New Lettres of China Geological Survey, 2016, 1(22):28~30. [7] 田淑芳, 詹骞.遥感地质学[M].北京:地质出版社, 2013:47~48.TIAN Shu-fang, ZHAN Qian. Remote Sensing Geology[M]. Beijing:Geological Publishing House, 2013:47~48. [8] 李永军, 梁积伟, 杨高学, 等.区域地质调查导论[M].北京:地质出版社, 2013:152~173.LI Yong-jun, LIANG Ji-wei, YANG Gao-xue, et al. Introduction to regional geological survey[M]. Beijing:Geological Publishing House, 2013:152~173. [9] 张策, 彭莉红, 汪冰, 等. WorldView-2影像在新疆迪木那里克地区火山沉积变质型铁矿勘查中的应用[J].矿产勘查, 2015, 6(5):523~528. http://www.cnki.com.cn/Article/CJFDTOTAL-YSJS201505005.htmZHANG Ce, PENG Li-hong, WANG Bing. et al. Application of worldview-2 remote sensing image in the exploration of the volcano-sedimentary metamorphic type iron deposits in the Dimunalike area, Xinjiang[J]. Mineral Exploation, 2015, 6(5):523~528. http://www.cnki.com.cn/Article/CJFDTOTAL-YSJS201505005.htm [10] 杨敏, 李健强, 高婷, 等. WorldView-2数据在地质调查中的应用[J].现代矿业, 2012, 6:35~37. doi: 10.3969/j.issn.1674-6082.2012.01.009YANG Ming, LI Jian-qiang, GAO Ting, et al. Application of WorldView-2 data in Geological Survey[J]. Morden Mining, 6:35~37. doi: 10.3969/j.issn.1674-6082.2012.01.009 [11] 马熹肇. 资源一号"02C"卫星数据在轨测试分析[D]. 长春: 吉林大学, 2012.MA Xi-zhao.Data analysis on in-orbit testing of Ziyuan 1-02C satellite[D].Changchun:Jilin university, 2012. [12] 文雄飞, 陈蓓青, 申邵洪, 等.资源一号02C卫星P/MS传感器数据质量评价及其在水利行业中的应用潜力分析[J].长江科学院院报, 2012, 29(10):118~121. doi: 10.3969/j.issn.1001-5485.2012.10.023WEN Xiong-fei, CHEN Bei-qin, SHEN Zhao-hong, et al.Image quality evaluation for ZY-102C satellite P/MS sensors and the potential of its application in water conservancy[J].Journal of Yangtze River Scientific Research Institute, 2012, 29(10):118~121. doi: 10.3969/j.issn.1001-5485.2012.10.023 [13] 邱学雷.高分一号卫星工程首批影像图发布将为国土、环境、农业等领域提供精准服务[J].国防科技工业, 2013, (6):14~16. http://www.cnki.com.cn/Article/CJFDTOTAL-ZGBG201306007.htmQIU Xue-lei.Gaofen-1 satellite first released image map which will peovide accurate service to land resources, environment and agriculture[J]. Defence Science and Technology Industry, 2013, (6):14~16. http://www.cnki.com.cn/Article/CJFDTOTAL-ZGBG201306007.htm [14] 梁树能, 魏红艳, 甘甫平, 等. "高分二号"卫星数据在遥感地质调查中的初步应用评价[J].航天返回与遥感, 2015, 36(4):63~72. http://www.cnki.com.cn/Article/CJFDTOTAL-HFYG201504015.htmLIANG Shu-neng, WEI Hong-yan, GAN Fu-ping, et al. Preliminary application evaluation of GF-2 satellite data in remote sensing geological survey[J]. Space Craft Recovery & Remote Sensing, 2015, 36(4):63~72. http://www.cnki.com.cn/Article/CJFDTOTAL-HFYG201504015.htm [15] 陈玲, 梁树能, 周艳, 等.国产高分卫星数据在高海拔地区地质调查中的应用潜力分析[J], 国土资源遥感, 2015, 27(3):140~145. doi: 10.6046/gtzyyg.2015.01.22CHEN Lin, LIANG Shu-neng, ZHOU Yan, et al.Potential of applying domestic high-resolution remote sensing data to geological survey in high altitudes[J].Remote Sensing for Land and Resources, 2015, 27(1):140~145. doi: 10.6046/gtzyyg.2015.01.22 [16] 邓琳, 邓明镜, 张力树.高分辨率遥感影像阴影检测与补偿方法优化[J].遥感技术与应用, 2015, 30(2):277~284. http://www.cnki.com.cn/Article/CJFDTOTAL-YGJS201502011.htmDENG Lin, DENG Ming-jin, ZHANG Li-shu. Optimization of shadow detection and compensation method for High-resolution remote sensing images[J]. Remote Sensing Technology and application, 2015, 30(2):277~284. http://www.cnki.com.cn/Article/CJFDTOTAL-YGJS201502011.htm [17] Etemadnia H, Alsharif MR.Automatic image shadow identi-fication using LPF in Homomo rphic Processing System Ⅶ digital image computing[J]. Techniques and Applications, Sydney, 2003:429~438. [18] 虢建宏, 田庆久, 吴昀昭.遥感影像多波段检测与去除理论模型研究[J].遥感学报, 2006, 10(2):151~159. http://www.cnki.com.cn/Article/CJFDTOTAL-YGXB200602001.htmUO Jiang-hong, TIAN Qing-jiu, WU Yun-zhao. Study on Multi-spectral detecting shadow areas and a theoretical model of removing shadows from remote sensing images[J]. Journal of Remote Sensing, 2006, 10(2):151~159. http://www.cnki.com.cn/Article/CJFDTOTAL-YGXB200602001.htm [19] 高贤君, 万幼川, 郑顺义, 等.航空遥感影像阴影的自动检测与补偿[J].武汉大学学报(信息科学版), 2012, 37(11):1299~1302. http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201211010.htmGAO Xian-jun, WAN You-chuan, ZHENG Shun-yi, et al. Automatic shadow detection and compensation of aerial remote sensing images[J]. Geomatics and Information Science of WuhanUniversity, 2012, 37(11):1299~1302. http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201211010.htm [20] 杨俊, 赵忠明, 杨健.一种高分辨率遥感影像阴影去除力法[J].武汉大学学报(信息科学版), 2008, 33(1):20~33. http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH200801004.htmYANG Jun, ZHAO Zhongming, YANG Jian. A shadow removal method for high resolution remote sensing image[J]. Geomatics and Information Science of Wuhan University, 2008, 33(1):20~33. http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH200801004.htm [21] 张斌, 张志, 帅爽, 等.利用Landsat-8和worldview-2数据进行协同岩性分类[J].地质科技情报, 2015, 34(3):208~213. http://www.cnki.com.cn/Article/CJFDTOTAL-DZKQ201503030.htmZHANG Bin, ZHANG Zhi, SHUAI Shang, et al. Lithological mapping by using the synergestic Land-8 and Worldview-2 images[J]. Geological Science and Technology Information, 2015, 34(3):208~213. http://www.cnki.com.cn/Article/CJFDTOTAL-DZKQ201503030.htm [22] 余海阔, 李培军.运用LANDSAT ETM+和ASTER数据进行岩性分类[J].岩石学报, 2010, 26(1):345~251. http://www.cnki.com.cn/Article/CJFDTOTAL-YSXB201001039.htmYU Hai-kuo, LI Pei-jun. Lithologic mapping using LANDSAT ETM+ and ASTER data. Acta Petrologica Sinica, 26(1):345~351. http://www.cnki.com.cn/Article/CJFDTOTAL-YSXB201001039.htm [23] Rowan LC, Hook S, Abrams MJ, et al. Mapping hydrothermally altered rocks at CUPRITE, NEVADA, using the advanced spaceborne thermal emission and reflection radiometer(ASTER):A new satellite-imaging system[J]. Econimic Geology, 2003, 98:1019~1027. doi: 10.2113/gsecongeo.98.5.1019 [24] Rokos D, Argialas D, Mavrantza R, et al. Structural analysis for gold mineralization using remote sensing and geochemical techniques in a GIS environment:Island of Lesvos, Hellas. Natural Resources Research, 2000, 9(4):277~293. doi: 10.1023/A:1011505326148 [25] 任梦依, 陈建平. ASTER与WorldView-2结合提取岩性信息流程:以西藏物玛地区为例[J].地质学刊, 2013, 37(4), 585~592. http://www.cnki.com.cn/Article/CJFDTOTAL-JSDZ201304012.htmREN Meng-yi, CHEN Jian-ping. On process of lithologic information extraction by ASTER and WorldView-2 data:A case study of Wuma area in Tibe[J]. Journal of Geology, 2013, 37(4), 585~592. http://www.cnki.com.cn/Article/CJFDTOTAL-JSDZ201304012.htm [26] 孙华, 林辉, 熊育久, 等. Spot5影像统计分析及最佳组合波段选择[J].遥感信息应用技术, 2006, 57~60. http://www.cnki.com.cn/Article/CJFDTOTAL-YGXX200604016.htmSUN Hua, LIN Hui, XIONG Yu-jiu, et al. The analysis of statistical characteristics of Spot5 image and its optimum band combination[J]. Remote Sensing Technology and Application, 2006, 57~60. http://www.cnki.com.cn/Article/CJFDTOTAL-YGXX200604016.htm [27] 金剑, 田淑芳, 焦润成, 等.基于地物光谱分析的WorldView-2数据岩性识别:以新疆乌鲁克萨依地区为例[J].现代地质, 27(2):489~496. http://www.cnki.com.cn/Article/CJFDTOTAL-XDDZ201302031.htmJIN Jian, TIAN Shu-fang, JIAO Run-cheng, et al. Lithology identification with WorldView-2 data based on spectral analysis of surface features:a case study of Wulukesayi district in Xinjiang[J]. Geoscience, 27(2):489~496. http://www.cnki.com.cn/Article/CJFDTOTAL-XDDZ201302031.htm [28] 毕晓佳, 苗放, 叶成名, 等. Hyperion高光谱遥感岩性识别填图[J].物探化探计算技术, 2012, 34(5):599~603. http://www.cnki.com.cn/Article/CJFDTOTAL-WTHT201205020.htmBI Xiao-Jia, MIAO Fang, YE Cheng-ming, et al. Lithology identification and mapping by hyperion hyperspectral remote sensing[J]. Computing techniques for geophysical and geochemical exploration, 2012, 34(5):599~603. http://www.cnki.com.cn/Article/CJFDTOTAL-WTHT201205020.htm [29] 王润生, 甘甫平, 闫柏琨, 等.高光谱矿物填图技术与应用研究[J].国土资源遥感, 2010, 1:1~13. doi: 10.6046/gtzyyg.2010.04.01WANG Rui-sheng, GAN Fu-ping, YAN Bo-kun, et al. Hyperspectral mineral mapping and its application[J]. Remote sening For Land &Resources, 2010, 1:1~13. doi: 10.6046/gtzyyg.2010.04.01 [30] 孙卫东, 陈建明, 王润生, 等.阿尔金地区高光谱遥感矿物填图方法及应用研究[J].新疆地质, 2010, 28(2):214~217. http://www.cnki.com.cn/Article/CJFDTOTAL-XJDI201002026.htmSUN Wei-dong, CHEN Jian-ming, WANG Run-sheng, et al. The application and research of Hyperion for hyperspectal mineral mapping on east of Tianshan Mountion[J]. Xinjinag Geology, 2010, 28(2):214~217. http://www.cnki.com.cn/Article/CJFDTOTAL-XJDI201002026.htm [31] Clark RN, Swayze GA. Imaging Spectroscopy:Earth and planetary remote sensing with the USGS tetracorder and expert systems[J]. J Geophysical Res, 2003, 108(E12):5131. [32] Cooper BL, Salisbury JW, Killen RM et al. Potter, Midinfrared Spectral Features of Rocks and Their Powers[J]. J.Geophysical Res., 2002, 107(E4):5017. doi: 10.1029/2000JE001462 [33] 闫柏琨, 王润生, 甘甫平, 等.热红外遥感岩矿信息提取研究进展[J].地球科学进展, 2005, 20:1116~1126. doi: 10.3321/j.issn:1001-8166.2005.10.011 [34] Sunshine JM, Pieters CM. Determining the composition of clivine from reflectance spectros copy[J]. J.Geophysical Res., 1998, 103(E6):13675~13688. doi: 10.1029/98JE01217 [35] Kruse FA, Hauff PL. Identification of illite polytype zoning in disseminated gold deposits using reflectance spectroscopy and X-ray diffraction-potential for mapping with imaging spectrometer[J].IEEE Trans Geosci.Remote Sensing, 1991, 29(1):101~104. doi: 10.1109/36.103298 [36] Duke EF. Near In frared spectra of muscovite, tschermak substitution, and metamorphic reaction progress:Implications for reImplications for remote sensing[J].Geology, 1994, 22:621~624. doi: 10.1130/0091-7613(1994)022<0621:NISOMT>2.3.CO;2 [37] Bowen BB, Martini BA, Chan MA, et al. Reflectance spectroscopic mapping of diagenetic hetrogeneities and fluid-flow path ways in the Jurassic Navajo Sandstone[J].AAPG Bulletin 2007, 91(2):173~190. doi: 10.1306/08220605175 [38] Ruitenbeek FJA, CudahuT, VanderMeer FD. Tracing fluid path ways in fossil hydrothermal systems with near-infrared spectroscopy[J]. Geology, 2005, 33(7):597~600. doi: 10.1130/G21375.1 [39] Cunningham CG, Rye RO, Rockwell BW, et al. Supergene destruction of a hydrothermal replacement alunite deposit at big candy mountain, Utah:mineralogy, spectroscopic remote sensing, stable-isotope, and argon-age evidences[J]. Chemical Geology, 2005, 215:317~337. doi: 10.1016/j.chemgeo.2004.06.055 [40] Johnson PE, Smith MO, Adams JB. Simple algorithms for remote determination o f mineral abundance sand particles sizes from reflectance specta[J]. Jounal Geophy sical Research, 1992, 97(E2):2649~2657. doi: 10.1029/91JE02504 [41] 田丰, 董丽娜, 杨苏明, 等.混合矿物组合光谱在蚀变矿物填图中的应用——以云南香里拉地区Hyperion数据蚀变矿物填图为例[J].地质与勘探, 2010, 46(2):333~337. http://www.cnki.com.cn/Article/CJFDTOTAL-DZKT201002022.htmTIAN Feng, DONGLi-na, YANG Su-ming, et al. Application of combined spectra of mixed minerals to mapping altered minerals:a case study in the Yunnan region based on hyperion data[J]. Geology and Exploration, 2010, 46(2):333~337. http://www.cnki.com.cn/Article/CJFDTOTAL-DZKT201002022.htm [42] 甘甫平, 王润生, 杨苏明.西藏Hyperion数据蚀变矿物识别初步研究.国土资源遥感[J], 2002, 4:45~50. http://www.cnki.com.cn/Article/CJFDTOTAL-GTYG200204009.htmGAN Fu-ping, WANG Run-sheng, YANG Su-ming. Studying on the alteration minerals identification using hyperion data. Rmote sensing for Land& resources, [J], 2002, 4:45~50. http://www.cnki.com.cn/Article/CJFDTOTAL-GTYG200204009.htm [43] 陈圣波, 刘彦丽, 杨倩, 等.植被覆盖区卫星高光谱遥感岩性分类[J].吉林大学学报, 2012, 42(6):1959~1965. http://www.cnki.com.cn/Article/CJFDTOTAL-CCDZ201206044.htmCHEN Sheng-bo, LIU Yan-li, YANG Qian, et al. Lithologic classification from Hyperspectral data in dense vegetation cover area[J].Journal of Jilin University, 2012, 42(6):1959~1965. http://www.cnki.com.cn/Article/CJFDTOTAL-CCDZ201206044.htm [44] 陈江, 王安建.利用ASTER热红外遥感数据开展岩石化学成分填图的初步研究.遥感学报, 2007, 11(4):601~608. doi: 10.11834/jrs.20070483CHEN Jiang, WANG An-jian. The pilot study on petrochanistry components mapp trig with ASTER thermal infrared ranote sensing data. Journal of remote sensing, 2007, 11(4):601~608. doi: 10.11834/jrs.20070483 [45] 闫柏琨, 刘圣伟, 王润生, 等.热红外遥感定量反演地表岩石的SiO2含量[J].地质通报, 2006, 25(5):639~643.YAN Bo-kun, LIU Sheng-wei, WANG Run-sheng, et al. Quantitative of the SiO2 content in surface rocks using thermal infrared remote sensing. Geological Bulletin of China, 2006, 25(5):639~643. [46] 程洋, 童立强.基于背景多层次分离的遥感矿化蚀变信息提取模型及应用实例[J].遥感技术与应用, 2015, 30(3):586~591. http://www.cnki.com.cn/Article/CJFDTOTAL-YGJS201503025.htmCHENG Yang, TONG Li-qiang. The research on model of the alteration mineral mapping base on multilevel separate background and an application example[J]. Remote Sensing Technology and Application, 2015, 30(3):586~591. http://www.cnki.com.cn/Article/CJFDTOTAL-YGJS201503025.htm [47] 赵元洪, 张福祥.波段比值的主成分复合在热液蚀变信息提取中的应用[J].国土资源遥感, 1991, 3(3):25~31. http://www.cnki.com.cn/Article/CJFDTOTAL-GTYG199103002.htmZHAO Yuan-hong, ZHANG Fu-xiang. The application of principal component integration of band rations to extracting Hydrothermal alteration information[J]. Rmote sensing for Land& resources, 1991, 3(3):25~31. http://www.cnki.com.cn/Article/CJFDTOTAL-GTYG199103002.htm [48] 何国金, 胡德永, 陈志军, 等.从TM图像中直接提取金矿化信息[J].遥感技术与应用, 1995, 10(3):51~54. doi: 10.11873/j.issn.1004-0323.1995.3.51HE Guo-jin, HU De-yong, CHEN Zhi-jun, et al. Extracting gold mineralized information directly form TM image[J]. Remote sensing technology and application, 1995, 10(3):51~54. doi: 10.11873/j.issn.1004-0323.1995.3.51 [49] 马建文.利用TM数据快速提取含矿蚀变带方法研究[J].遥感学报, 1997, 1(3):208~213. doi: 10.11834/jrs.19970308MA Jian-wen. Methodology study of quickly indentifying mineral bearing alteration from TM data[J]. Journal of Remote Sensing, 1997, 1(3):208~213. doi: 10.11834/jrs.19970308 [50] 刘庆生, 燕守勋, 马超飞, 等.内蒙哈达门沟金矿区山前钾化带遥感信息提取[J].遥感技术与应用, 1999, 14(3):7~11. doi: 10.11873/j.issn.1004-0323.1999.3.7LIU Qing-sheng, YAN Shou-xun, Ma Chao-fei, et al. Remote sensing extraction of piedmont potassic alteration zone in Hadamengou gold deposit district, inner Mongolia Au tonomous region[J]. Remote Sensing Technology and Application, 1999, 14(3):7~11. doi: 10.11873/j.issn.1004-0323.1999.3.7 [51] 张玉君, 杨建民, 陈薇. ETM(TM)蚀变遥感异常提取方法研究与应用-地质依据和波谱前提[J].国土资源遥感, 2002, 14(4):30~37. doi: 10.6046/gtzyyg.2002.04.07ZHANG Yu-jun, YANG Jian-ming, CHENG Wei. A study of the method for extraction of alteration anomalies from the ETM(TM)data and its application-geologic basis and spectral precondition[J]. Remote Sensing for Land & Resources, 2002, 14(4):30~37. doi: 10.6046/gtzyyg.2002.04.07 [52] 张远飞, 吴德文, 袁继明, 等.遥感蚀变信息多层次分离技术模型与应用研究[J].国土资源遥感, 2011, 23(4):6~13. doi: 10.6046/gtzyyg.2011.04.02ZHANG Yuan-fei, WU De-wen, YUAN Ji-ming, et al. The model and application of multi-level detaching technique of remote sensing alteration information[J]. Remote Sensing for Land & Resources, 2011, 23(4):6~13. doi: 10.6046/gtzyyg.2011.04.02 [53] 罗一英, 高光明, 于信芳, 等.基于ETM+的几内亚铝土矿蚀变信息提取方法研究[J].遥感技术与应用, 2013, 28(2):330~337. doi: 10.11873/j.issn.1004-0323.2013.2.330LUO Yi-ying, GAO Guang-ming, YU Xing-fang, et al. A study on extraction of banxite alteration information of guinea based on ETM+ remote sensing data[J]. Remote Sensing Technology and Application, 2013, 28(2):330~337. doi: 10.11873/j.issn.1004-0323.2013.2.330 [54] 张媛, 张杰林, 赵学胜, 等.基于峰值权重的岩心高光谱矿化蚀变信息提取[J].国土资源遥感, 2015, 27(2):154~159. http://www.cnki.com.cn/Article/CJFDTOTAL-GTYG201502024.htmZHANG Yuan, ZHANG Jie-lin, ZHAO Xue-sheng, et al. Extraction of mineral alteration information from core Hyperspectral images based on weight of absorption peak[J]. Remote Sensing for Land & Resources, 2015, 27(2):154~159. http://www.cnki.com.cn/Article/CJFDTOTAL-GTYG201502024.htm [55] Tomes-Vera MA, Prol-Eedesma RM. Spectral enhancement of selected pixels in thematic mapper images of the guana-juato district(Mexico)to identify hydrothermally altered rocks[J]. Int J Remote Sens, 2003, 24(22):4357~4373. doi: 10.1080/0143116031000075134 [56] 张兵, 周军, 王军年.遥感蚀变矿物填图与找矿方法[J].地球科学与环境学报, 2008, 30(3), 254~259. http://www.cnki.com.cn/Article/CJFDTOTAL-XAGX200803006.htmZHANG Bing, ZHOU Jun, WANG Jun-nian. Analyses of alteration mineral mapping and mineral resources prospecting using TM or ETM data[J]. Journal of Earth Sciences and Environment, 2008, 30(3), 254~259. http://www.cnki.com.cn/Article/CJFDTOTAL-XAGX200803006.htm [57] 毛晓长, 刘文灿, 杜建国, 等. ETM +和ASTER数据在遥感矿化蚀变信息提取应用中的比较-以安徽铜陵凤凰山矿田为例[J].现代地质, 2005, 19(2):309~314. http://www.cnki.com.cn/Article/CJFDTOTAL-XDDZ20050200L.htmMAO Xiao-chang, LIUWen-can, DU Jian-guo, et al. Comparison between ETM+ and ASTER data for extraction of alteration information:a case study of fenghuangshan ore-field, Tongling, Anhui[J]. Geosciece, 2005, 19(2):309~314. http://www.cnki.com.cn/Article/CJFDTOTAL-XDDZ20050200L.htm [58] 林腾, 高光明, 刘容秀. ETM+和ASTER数据在遥感信息提取中的对比研究[J].遥感信息, 2011, 64~68. doi: 10.3969/j.issn.1000-3177.2011.01.023LIN Teng, GAO Guang-ming, LIU Rong-xiu, et al. Comparison between ETM+ and ASTER data for extraction of alteration information[J]. Remote Sensing Information, 2011, 64~68. doi: 10.3969/j.issn.1000-3177.2011.01.023 [59] 刘磊, 张兵, 周军, 等.云南思姑锡矿区地质、化探、遥感多元信息综合找矿[J].地质与勘探, 2008, 44(5):23~33. http://cdmd.cnki.com.cn/Article/CDMD-11941-2009211735.htmLIU Lei, ZHANG Bin, ZHOU Jun, et al. Synthetic analyses of remote sensing, geochemical surveying and geology for the Ore exploration in the Sigu Tin deposit, Yunnan[J]. Geology and Exploration, 2008, 44(5):23~33. http://cdmd.cnki.com.cn/Article/CDMD-11941-2009211735.htm [60] 周军, 陈明勇, 高鹏, 等.新疆东准噶尔蚀变矿物填图及多元信息找矿[J], 国土资源遥感, 2005, (4):51~55. doi: 10.6046/gtzyyg.2005.04.12ZHOU Jun, CHEN Ming-yong, GAO Peng, et al. Alterat ionmineral mapping and multi-information ore prospecting in eastern Jumggar, Xinjiang. Remote Sensing for Land & Resources, 2005, (4):51~55. doi: 10.6046/gtzyyg.2005.04.12 -
下载:
下载:
计量
- 文章访问数: 445
- HTML全文浏览量: 140
- PDF下载量: 27
- 被引次数: 0
