基于SREM融合数据的矿物蚀变信息提取.pdf

第4 0卷 第8期地球科学 中国地质大学学报 V o l . 4 0 N o. 8 2015年8月E a r t hS c i e n c eJ o u r n a l o fC h i n aU n i v e r s i t yo fG e o s c i e n c e sA u g. 2015 d o i1 0.3 7 9 9/d q k x .2 0 1 5.0 0 0 基金项目 高光谱图像融合算法及质量提升模式研究项目N o . 4 1 3 7 1 3 6 2 ; 全球巨型成矿带矿产资源与能源遥感专题产品生产体系项目N o . 2 0 1 3 AA 1 2 A 3 0 2 ; 全球巨型成矿带重要矿产资源与能源遥感探测关键技术项目N o .2 0 1 2 AA 1 2 A 3 0 8. 作者简介 王桂珍1 9 9 0- , 女, 硕士研究生, 主要从事高光谱遥感研究. E - m a i lw a n g g z r a d i .a c .c n *通讯作者 张立福,E - m a i lz h a n g l f r a d i .a c .c n 引用格式 王桂珍, 张立福, 孙雪剑, 等,2 0 1 5.基于S R EM融合数据的矿物蚀变信息提取.地球科学 中国地质大学学报, 4 08 x x x x -x x x x . 基于S R EM融合数据的矿物蚀变信息提取 王桂珍1 ,2, 张立福1*, 孙雪剑1,2, 杨 杭1, 姜海玲3, 童庆禧1 1.中国科学院遥感与数字地球研究所, 北京1 0 0 1 0 1 2.中国科学院大学, 北京1 0 0 0 4 9 3.北京大学地球与空间科学学院, 北京1 0 0 8 7 1 摘要目前卫星高光谱数据幅宽小, 难以进行大面积矿物填图应用.本文探讨了基于多光谱图像光谱分辨率增强方法s p e c t r a l r e s o l u t i o ne n h a n c e m e n tm e t h o d,S R EM 融合算法, 将H y p e r i o n窄幅高光谱和A S T E R宽幅多光谱数据进行融合, 获得宽幅高 光谱数据, 从而进行矿物蚀变信息提取的方法和流程.结果表明 1 原始A S T E R数据仅能识别出A l - OH基团,M g - OH基团 和F e 3离子基团3种矿物, S R EM融合方法能够识别出高岭石、 伊利石、 绢云母、 绿泥石和黄钾铁矾5种蚀变矿物; 2 融合图 像矿物提取结果与原始A S T E R和H y p e r i o n图像的相对精度分别达到9 0. 5 6和9 2.8 5; 3 其中绢云母、 伊利石、 高岭石与 A l - OH基团, 黄钾铁矾与F e 3离子, 绿泥石与 M g - OH基团出露区域基本一致.S R EM融合数据具有幅宽大和光谱分辨率高 的特点, 提高了矿物蚀变信息解译精度, 该方法对大面积矿物填图具有示范作用. 关键词多光谱图像光谱分辨率增强方法; 蚀变信息提取; 斑岩铜矿; 混合调制匹配滤波. 中图分类号P 6 2 7 文章编号1 0 0 0-2 3 8 3 2 0 1 50 8-0 0 0 0-0 9 收稿日期2 0 1 5-0 0-0 0 M i n e r a lA l t e r a t i o nI n f o r m a t i o nE x t r a c t i o nB a s e do nS R EMF u s i o nD a t a W a n gG u i z h e n 1,2, Z h a n gL i f u 1*, S u nX u e j i a n 1,2, Y a n gH a n g 1, J i a n gH a i l i n g 3, T o n gQ i n g x i 1 1.I n s t i t u t eo fR e m o t eS e n s i n ga n dD i g i t a lE a r t h,C h i n e s eA c a d e m yo fS c i e n c e s,B e i j i n g1 0 0 1 0 1,C h i n a 2.U n i v e r s i t yo fC h i n e s eA c a d e m yo fS c i e n c e s,B e i j i n g1 0 0 0 4 9,C h i n a 3.C o l l e g eo fE a r t ha n dS p a c eS c i e n c e s,P e k i n gU n i v e r s i t y,B e i j i n g1 0 0 8 7 1,C h i n a A b s t r a c tT h ec u r r e n t s a t e l l i t eh y p e r s p e c t r a l d a t aw i t hn a r r o ws w a t hh a sb e e nr e s t r i c t e di nt h eu s eo f l a r g ea r e am i n e r a lm a p - p i n g . T h es p e c t r a l r e s o l u t i o ne n h a n c e m e n tm e t h o dS R EMw h i c hr e s t r u c t u r e s a l a r g ew i d t hh y p e r s p e c t r a l d a t aw i t hH y p e r i o n n a r r o ws w a t hh y p e r s p e c t a l d a t aa n dA S T E Rw i d es w a t hm u l t i - s p e c t r a ld a t ai sd i s c u s s e di nt h ep a p e r . T h er e s u l t ss h o w t h a t1o n l yt h r e ek i n d so fm i n e r a l sA l - OH,M g - OHa n dF e 3 a r ed e t e c t e d i nA S T E Rd a t a,w h i l e f i v ek i n d so fm i n e r a l s k a o l i n i t e,i l l i t e,c h l o r i t e,s e r i c i t ea n d j a r o s i t ea r e i d e n t i f i e d i nf u s i o nh y p e r s p e c t r a l d a t a;2c o m p a r e dw i t ht h em i n e r a l so f f u s i o nd a t aw i t hA S T E Ra n dH y p e r i o nd a t a,t h eo v e r a l l a c c u r a c yi sr e s p e c t i v e l y9 0.5 6 a n d9 2.8 5;3s e r i c i t e,i l l i t ea n d k a o l i n i t ea p p e a ra t t h er e g i o no fA l - OH,j a r o s i t es h o w su pa t t h ea r e ao fF e 3 a n dc h l o r i t es h o w su pa tM g - OHr e g i o n . T h e S R EMf u s i o nd a t aw i t hh i g hs p e c t r a l r e s o l u t i o nc a n i m p r o v e t h em i n e r a l a l t e r a t i o ne x t r a c t i o na c c u r a c yw h i c hm a k e sag o o de x - a m p l e f o r l a r g ea r e am i n e r a lm a p p i n g . K e yw o r d sS R EMf u s i o nd a t a;a l t e r a t i o n i n f o r m a t i o ne x t r a c t i o n;p o r p h y r yc o p p e r;m i x t u r e t u n e dm a t c h e df l i t e r . 利用遥感数据进行矿物蚀变信息提取, 从而圈 定找矿靶区, 成为矿产勘查的重要途径之一 钱志奇 等, 2 0 1 4.与传统的多光谱数据相比, 成像光谱数据 拥有几十到数百个波段, 较高的光谱分辨率使其比 多光谱影像包含更丰富的光谱信息, 在很大程度上 提高了遥感找矿的精度K r u s ee ta l., 1 9 9 9; 童庆禧 地球科学 中国地质大学学报第4 0卷 等, 2 0 0 6.目前针对高光谱矿物蚀变信息提取, 国内 外学者做出了大量的研究, 并取得了良好的效果 C u d a h ye ta l. ,2 0 0 1; 甘 甫 平 等,2 0 0 2; 田 丰 等, 2 0 1 0;H o s s e i n j a n ie ta l. , 2 0 1 4. 目前高光谱卫星数据空间分辨率低, 影像幅宽 小M a y u m i a n dI w a s a k i, 2 0 1 1 , 难以满足遥感找矿 的实际需求.以H y p e r i o n数据为例, 其光谱分辨率 高达1 0n m, 能够区分黄铁矿、 针铁矿、 黄钾铁矾、 绢 云母、 绿泥石、 高岭石、 方解石等矿物C u d a h ye t a l. , 2 0 0 1 , 但H y p e r i o n数据的空间分辨率只有3 0 m, 幅宽只有7.5k m, 这在很大程度上限制了它在大 面积矿产勘查中的应用. 为了获得更高空间分辨率的高光谱影像,E i s - m a n na n dH a r d i e2 0 0 4 提出了一种基于最大后验 概率估计的方法, 通过融合全色影像与高光谱影像 建立亚像元信息, 增强高光谱影像的空间分辨率; Z h a n ge ta l. 2 0 0 9 基于贝叶斯估计, 利用小波域变 换进 行 了 多/高 光 谱 影 像 的 融 合 算 法 研 究;L i u 图1 A S T E R多光谱数据与H y p e r i o n高光谱数据幅宽对比 F i g .1 T h ed i f f e r e n t b r e a d t ho fA S T E Rd a t a a n dH y p e r i o nd a t a e ta l. 2 0 0 9 利用U P DM理论, 以A L I多光谱数据 模拟H y p e r i o n数据, 得到了较好的模拟效果;W i n - t e re ta l. 2 0 0 7 提出了C R I S P图像融合理论, 实现 多光谱影像和高光 谱影像的 融合;Y o k o y ae ta l. 2 0 1 2 将混合像元解混理论应用到多/高光谱数据 融合中去, 实现了高光谱空间分辨率的增强. 传统的融合算法重建出的高光谱数据产品基本 都被限制在了原始多/高光谱数据的重合范围内, 而 没有考虑到非重合区域的光谱重建问题 图1. S u n e ta l. 2 0 1 4 提出了一种多光谱图像光谱分辨率增 强方法 s p e c t r a lr e s o l u t i o ne n h a n c e m e n tm e t h o d, S R EM 的融合算法, 利用多/高光谱重合区域的光 谱信息进行建模, 实现整个多光谱影像范围的高光 谱数据的重构, 获取了宽覆盖的高空间高光谱分辨 率图像. 根据遥感蚀变矿物填图的需求, 本文将探讨一种 基于S R E M方法, 将H y p e r i o n高光谱图像和A S T E R 多光谱图像进行融合, 获得宽幅高空间高光谱图像, 然后基于融合后的宽幅高光谱数据进行矿物蚀变信 息提取的方法和处理流程, 试图解决目前高光谱卫星 数据难以进行大面积找矿应用的难题. 1 原理与方法 1.1 S R EM算法原理 S R EM融合算法利用高光谱图像和多光谱图 像重合区域不同地物类型光谱信息之间的相关关 系, 建立基于样本学习的数据融合模型, 进行高光谱 图像的重构, 得到与原始多光谱图像具有相同空间 分辨率, 与原始高光谱图像具有相同光谱分辨率的 高光谱数据立方体.模型建立的具体过程如下 1 对原始高光谱图像利用V C A等算法进行 端元提取, 进行地物类型的划分. 2 将提取的每种地物光谱作为聚类中心, 构建 每一类地物的光谱数据集, 光谱数量不少于多光谱图 像的波段数, 同时, 与高光谱数据所在像元对应的多 光谱数据也根据高光谱数据集的聚类结果进行归类. 3 用hq T K表示第q类拥有K个波段的一条 高光谱向量,m q T L 表示拥有L个波段的一条多 光谱向量, 则根据S u ne ta l.2 0 1 4 中的S R EM算 法, 每一组地物光谱数据集中的多/高光谱数据的关 系都可以用以下公式来表示 G􀆴qMqHqrq, 1 式中,M qmq T L1,mq T L2, ,mq T Lw [ ] , 表示多光谱向量组m q T Lj的一个LW维矩阵; Hqhq T K1,hq T K2, ,hq T Kw [] , 表示高 光谱向量组h q T Lj的一个KW维矩阵j的取值 为1到W ;W是从地物类型q中提取的光谱的数量 q 取值为1到N.只要W的值大于或等于L, 则对应地 物类型q的一个特定转换矩阵G 􀆴 q 就可以被计算出 来.在高光谱数据集中选提取N种地物类型就可以得 到N个转换矩阵. 4 采 用 一 种 基 于 光 谱 角 加 权 的 最 小 距 离 S AWMDs p e c t r a la n g l e w e i g h t e d m i n i m u m d i s - t a n c e 光谱匹配算法, 将像元与每个转换矩阵重构 出的高光谱向量h􀆴 q T Ki与该类别原始高光谱向 2 第8期 王桂珍等 基于S R EM融合数据的矿物蚀变信息提取 图2 MF分值和不可信度值示意 F i g .2 T h es c h e m a t i cp l o to fMFa n d i n f e a s i b i l i t y 据D i P i e t r oe ta l.2 0 1 0 量的平均值H q相匹配, 把用于匹配效果最好转 换矩阵G􀆴 q作为正确的选择.S AWMD光谱匹配 算法的原理如公式 2 所示S u ne ta l. , 2 0 1 4 S AWMDqi EMDqi[1-c o sS AMqi ] n , 2 其中 EMDqi‖h􀆴q T Ki-Hq‖2, 3 S AMqi c o s - 1 ‖h􀆴q T Ki‖2‖Hq‖2 , 4 式中, i表示多光谱图像中的像元;EMDqi表示 光谱向量h􀆴 q T Ki和Hq 的欧氏距离;S AMqi 表示两个光谱向量光谱角; 参数n是对光谱角权重的 调节 一般取值为1.光谱匹配效果越好,S AWMD qi的值越小. 用光谱匹配的方式完成对转换矩阵的选择后, 正确的重构高光谱向量就可以通过以下公式得到 S u ne ta l. , 2 0 1 4 h􀆴 T KiG 􀆴cm T Li, 5 式中 h􀆴 T Ki为重构后的像元高光谱向量,m T Li为重 构前像元的多光谱向量. 同时, S AWMDci m i n[S AWMD1i,S AWMD2i, ,S AWMD N i]. 6 公式 5 这一过程被重复应用在多光谱影像的 所有像元, 就可以得到最终重构的大幅宽高空间分 辨率的高光谱影像. 1.2 蚀变信息提取方法 运 用 混 合 调 制 匹 配 滤 波 m i x t u r et u n e d m a t c h e df l i t e r,MTMF 算法进行矿物蚀变信息提 取. MTMF方法结合了匹配滤波m a t c h e df l i t e r, MF 算法和线性混合理论D i P i e t r oe t a l. , 2 0 1 0.其 中, 匹配滤波MF 算法不需要知道图像中所有的 端元类别, 只需要目标端元类别及其光谱曲线; 线性 混合理论则规定任何一个像元信号是其端元信号的 线性组合, 且总和为1 林娜等,2 0 1 1.经过MTMF 计算后的每类端元都有两种灰度值, 分别为MF分 值 yMF 和不可信度值x 图2. 其中,MF分值评 估了像元与端元的相似度并大致估计亚像元的丰 度; 不可信度值较高时为虚假信号.当MF分值较高 而不可信度值较低时, 获取得到的像元与目标端元 最为匹配. 1.3 精度评价 1 融合结果精度评价.融合后光谱曲线与原始 H y p e r i o n光谱曲线的差异可通过光谱角s p e c t r a l a n g l em a p p i n g,S AM 来评价. S AM 采用角度相似 系数描述光谱间的相似度.对于两个光谱向量x和 y,S AM的数学定义如下Y u h a se ta l. , 1 9 9 2 θS AMx,ya r c c o s ‖x‖ ‖y‖ . 7 光谱角越小, 光谱间的相似度越大, 完全匹配θ 为0.本文根据不同矿物端元类别的平均光谱 角 θ - S AM作为评判指标. 融合后图像的保真度可用通用图像质量指标 u n i v e r s a l i m a g eq u a l i t yi n d e x,U I Q I 方法来进行 评价.对融合前后图像反射率值x和y按下式计算 W a n ga n dB o v i k, 2 0 0 2 Qw 4σx yx - y - σ 2 xσ 2 y []x - 2 y - 2 [] , 8 式中,x1 N􀰑 N i 1xi,y1 N􀰑 N i 1yi,θ 2 x和 θ 2 y分别为融合前后像元间的方差. U I Q I评价了3个 方面的变形 相关性、 亮度和对比度, 其理想值为1. 本文根据不同矿物类别的U I Q I指数进行评价. 2 矿物蚀变信息提取结果评价.针对S R EM 融合方法在矿物提取中的有效性, 可用混淆矩阵对 融合前后的提取结果进行评估分析.混淆矩阵能够 反映识别结果与真实属性之间的关系, 常用于分类 结果的评价. 给定一个类别集合Cc1, c2, ck{} , 它与另 一个类别集合Mm1,m2, mk{} 的混淆矩阵可 以表示为 张静等, 2 0 0 5 3 地球科学 中国地质大学学报第4 0卷 CM c m1 1c m1jc m1N ︙ ︙ ︙ c mi1c m i j c mi N ︙ ︙ ︙ c mN1c m N j c mNN , 9 其中, 对角线元素表示C集合中的像元被正确识别 的百分率, 理想情况下, 混淆矩阵是一个对角阵. 针对混淆矩阵的基本统计估量包括 赵英时, 2 0 0 3 1 总体分类精度 P∑ n k1 c mk k/c m. 1 0 总体分类精度是指针对每一个随机样本, 所识 别的结果与真实属性之间相一致的概率. 2 用户精度 对于第i类 Puic mi i/∑ N j1 c m i j . 1 1 用户精度表示从识别结果中任取一个随机样本, 其所具有的类型与地面实际类型相同的条件概率. 3 制图精度 对于第j类 PAjc mj j/∑ N i1 c m i j . 1 2 制图精度表示相对于真实属性中的任意一个随 机样本, 分类结果图上同一地点的分类结果与其相 一致的条件概率. 2 实验区和数据处理 2.1 实验区介绍 本文 所 选 择 的 实 验 区 域 是 位 于2 2 1 7 S, 6 8 5 4 W的丘基卡玛塔铜矿, 隶属智利北部安托法 加斯塔省, 位于智利首都圣地亚哥以北1 6 5 0k m, 其 海拔约为28 0 0m, 矿区面积约8 0 0k m 2, 是世界上 最大的露天开采铜矿山.它主要包含3个矿床 丘基 卡马塔矿床 主矿 、 埃克索提卡矿床 南矿 及潘帕 诺特矿床 北矿.区内西部断层是含矿岩体入侵及 斑岩铜矿形成的重要控制因素.丘基卡玛塔矿区地 层主要为火山岩系列, 矿区普遍存在绿泥石-绿帘 石-方解石蚀变组合.沿西部断层分布的第三纪的 花岗 斑 岩 丘 基 卡 马 塔 斑 岩 是 主 要 含 矿 岩 石 O s s a n d ne ta l., 2 0 0 1 图3.含矿斑岩体的多期 侵入使花岗斑岩呈现明显的蚀变分带, 由内往外依 次为石英绢云母化蚀变带、 高岭土化蚀变带及青磐 岩化蚀变带L o p e z, 1 9 3 9.石英绢云母蚀变带位于 图3 丘基卡马塔地质图 F i g .3 G e o l o g i cs k e t c ho fC h u g u i c a m a t a 据O s s a n d ne ta l.2 0 0 1 改编 最里层, 主要矿物为石英和绢云母; 高岭土化蚀变带 含有高岭石、 蒙脱石、 绿泥石等; 青磐岩化蚀变带主 要有绿泥石、 绿帘石、 方解石以及金属矿物黄铁矿、 赤铁矿等 田丰等, 2 0 1 0. 2.2 实验数据与处理 本文采用的A S T E R数据获取于2 0 0 5年4月 3 0日, 幅宽为6 0k m, 拥有1 4个波段, 覆盖可见-近 红外、 短波红外和热红外波段, 本文利用的是可见- 4 第8期 王桂珍等 基于S R EM融合数据的矿物蚀变信息提取 图4 H y p e r i o n和A S T E R数据处理流程 F i g .4 D a t ap r o c e s s i n go fH y p e r i o nd a d aa n dA S T E Rd a t a 近红外到短波红外的9个波段.其中可见-近红外 有3个波段, 空间分辨率为1 5m, 能够记录F e 3离 子基团和植被的波谱特征的重要信息; 短波红外有 6个波段, 空间分辨率为3 0m, 能够显示羟基矿物和 碳酸盐矿物不同的光谱吸收特征. H y p e r i o n数据获 取于2 0 0 4年8月8日, 空间分辨率为3 0m, 幅宽为 7.5k m, 光谱分辨率为1 0n m.较高的光谱分辨率使 得能够更加细致的区分绢云母、 伊利石和高岭石等 羟基矿物类别. 本文数据处理流程如图4所示.其中A S T E R 和H y p e r i o n影像的预处理过程包括 1 使用C r o s s t a l k软件消除A S T E R数据短波 红 外 波 段 的 串 扰 现 象 I w a s a k ia n d T o n o o k a, 2 0 0 5 , 然后将空间分辨率重采样到1 5m, 与可见- 近红外数据组成9波段图像, 并进行大气校正. 2 对H y p e r i o n数据进行波段筛选、 坏线修复、 条纹去除、 s m i l e效应校正、 大气校正、 几何校正等处 理 谭炳香等, 2 0 0 6. 3 利用最邻近法将H y p e r i o n数据重采样到 1 5m, 并与A S T E R数据进行几何配准. 利用S R EM算法将A S T E R和H y p e r i o n的反 射率图像进行数据融合, 重构出与A S T E R数据具 有相同覆盖范围和空间分辨率的高光谱图像, 其光 谱分辨率与H y p e r i o n一致. 然后针对融合数据进行矿物蚀变信息提取.使 用E NV I软件经过MN F变换、P P I计算、N维可视 化和MTMF计算实现矿物蚀变信息提取.将提取结 果分3级显示0. 3 50.5 0、0.5 00.7 5和0.7 5 1.0 0. 最后针对融合图像 进行精度评 价.分别选 择 S AM和U I Q I作为融合后光谱曲线和图像保真度 的评价指标; 选择混淆矩阵进行融合数据分类结果 与A S T E R和H y p e r i o n分类结果的评价指标. 3 结果与分析 3.1 光谱特征分析 从原始H y p e r i o n数据和融合高光谱数据的重 合区域中, 均提取出了绢云母、 伊利石、 高岭石、 绿泥 石和黄钾铁矾5种蚀变矿物 图5 , 它们所在像元 位置不同数据来源的光谱曲线对比如图6所示.这5 种矿物在0. 42.5μm波段范围具有不同的光谱吸 收特征 1 绢云母和伊利石在22 0 3n mH y p e r i o n 第2 0 5波段 处具有较为明显的吸收特征, 其主要是 由A l - OH基团的振动引起; 2 在22 0 3n m处绢云 母比伊利石具有更深的吸收峰, 此特征可将二者区 分开 来; 3高 岭 石 在21 6 3n m2 0 1波 段和 22 0 3n m2 0 5波段 处具有双吸收峰特征; 4 黄钾 铁矾在8 9 4n m5 4波段 附近呈现出较宽的吸收 峰, 在22 6 4n m2 2 1波段 处呈现相对狭窄的吸收 峰.可见近红外区域的吸收峰是由于三价铁电子转 换所产生, 而短波红外区域的吸收峰是由于F e - OH 基团和OH基团的伸张和弯曲引起的; 523 3 5n m 2 1 8波段 吸收峰则是绿泥石的吸收特征, 其主要 是由M g - OH基团的振动引起. 3.2 图像信息保持性 为了对S R EM融合数据的信息保持性进行定 量评价, 采用光谱角度量 S AM 和图像相似性指标 U I Q I 进行评估.计算结果如表1所示, S R EM融 合数据与原始H y p e r i o n数据中5种蚀变矿物的 S AM指 标 平 均 只 有3. 1 7 ,U I Q I指 标 平 均 高 达 0.9 8, 说明融合图像中绢云母、 伊利石、 高岭石、 绿泥 石和黄钾铁矾的光谱信息与原始数据具有很高的相 似性, 光谱特征基本保持一致.其中黄钾铁矾和绢云 母S AM值相对较高,U I Q I值相对较小, 在光谱曲 线上表现为黄钾铁矾的光谱曲线在8 9 4n m处的吸 收深度减弱, 绢云母在22 0 3n m处吸收深度减弱, 但这并不会对黄钾铁矾和绢云母的信息提取造成很 大影响. 3.3 矿物提取精度 融合后数据提取出的矿物与H y p e r i o n提取出 的矿物具有很高的吻合度, 矿物分布与H y p e r i o n矿 物分布基本一致.根据计算的误差混淆矩阵显示 表 2 , 其总体相对精度达到9 2.8 5,K a p p a系数为 5 地球科学 中国地质大学学报第4 0卷 图5 H y p e r i o na 与S R EM融合数据b 矿物分布图 重合区域 F i g .5 A l t e r a t i o nm i n e r a l sd i s t r i b u t i o nm a p so fH y p e r i o naa n dS R EMf u s i o nd a t ab 0.8 9 73.融合后黄钾铁矾、 高岭石和绿泥石与H y p e - r i o n提取结果吻合度较高, 而绢云母和伊利石提取 结果精度相对较低, 可能是由于绢云母和绿泥石的 吸收特征相似引起的.融合后数据提取的绢云母分 布于丘基卡马塔矿区西部和北矿西北部, 伊利石分 布于绢云母周围地区, 高岭石大面积出现于主矿周 围, 绿泥石分布于北部区域, 黄钾铁矾出现于北矿北 部扇形区域以及主矿南部区域, 这与该区域的实际 矿物分布情况是基本吻合的. 融合后数据除了具有高光谱的特点, 其空间范 围与原始的A S T E R数据保持一 致, 因此可以 在 A S T E R数据的影像范围之内, 利用高光谱信息进 行精细矿物识别信息的提取.从大范围的融合图像 蚀变矿物分布图7中可以看出, 宽覆盖的融合数据 可识别出与重合区域相同的绢云母、 伊利石、 高岭 石、 绿泥石和黄钾铁矾5种蚀变矿物.蚀变信息多分 布于已知矿点及其周围地区, 包括丘基卡马塔主矿 区域、 北矿 潘帕诺特 区域以及南矿 埃克索提卡 区域.同时, 在未发现矿床地区的空白地带, 蚀变信 息分布集中且蚀变信息强烈, 据此可以进行找矿远 景区的划分.绢云母出现于丘基卡马塔主矿、 北矿以 及远景区1、 2和3; 伊利石分布于绢云母周围区域; 高岭石只在丘基卡马塔矿区周围有显现; 绿泥石于 研究区东北部大面积出露; 黄钾铁矾分布于北矿北 部扇形区域和主矿南部区域, 可能是由于人为的 堆积铜矿石并且长期受到氧化作用形成黄钾铁矾, 6 第8期 王桂珍等 基于S R EM融合数据的矿物蚀变信息提取 图6 A S T E R、H y p e r i o n和S R EM融合数据矿物光谱曲线对比 F i g .6 T h ed i f f e r e n c eo fm i n e r a l ss p e c t r a l c u r v e sb e t w e e nA S T E R,H y p e r i o na n dS R EMf u s i o nd a t a a .绢云母;b .伊利石;c .高岭石;d .绿泥石;e .黄钾铁矾 表1 S R EM融合数据和H y p e r i o n光谱相似性 T a b l e1 S p e c t r a ls i m i l a r i t yb e t w e e nS R EMf u s i o nd a t aa n d H y p e r i o n 矿物类型绢云母伊利石高岭石绿泥石黄钾铁矾 S AM 度3.3 3 29 2.6 1 55 2.3 5 65 2.9 6 834.5 9 05 U I Q I0.9 7 99 0.9 8 94 0.9 8 38 0.9 8 590.9 7 49 表2 H y p e r i o n与S R EM融合数据矿物精度分析 T a b l e2 T h ea c c u r a c yo fm i n e r a l sb e t w e e n H y p e r i o nd a t a a n dS R EMf u s i o nd a t a 矿物类型制图精度用户精度 伊利石 7 0.5 27 1.7 7 绢云母 6 8.9 76 4.4 5 高岭石 9 5.1 79 2.1 3 绿泥石 9 6.2 19 9.8 6 黄钾铁矾 9 2.1 88 9.7 4 总体精度 9 2.8 5K a p p a系数0.8 9 73 这些都与实际分布基本一致. 对比融合后图像和原始A S T E R图像的提取结 果笔者发现, 融合后数据提取出的绢云母、 绿泥石和 高岭石与A S T E R数据提取的A l - OH基团信息分 布基本吻合, 且绢云母和伊利石分别对应A l - OH基 团高值和低值区; 高岭石只出现于丘基卡马塔主矿 矿区周围, 同样对应于A S T E R数据提取的羟基基 团.黄钾铁矾提取结果与A S T E R数据提取的F e 3 离子基团分布基本一致, 绿泥石出露区域与A S T E R 提取的M g - OH基团分布基本吻合.将绢云母、 绿泥 石和高岭石与A S T E R提取的A l - OH基团, 绿泥石 与M g - OH基团, 黄钾铁矾与F e 3 离子基团相对 应, 进行混淆矩阵计算, 其总体精度达到9 0. 5 6, K a p p a系数为0.8 1 16 表3. 表3 A S T E R与S R EM融合数据矿物精度分析 T a b l e3 T h ea c c u r a c yo fm i n e r a l sb e t w e e nA S T E Rd a t aa n d S R EMf u s i o nd a t a 矿物类型制图精度用户精度 A l - OH9 5.1 09 0.0 8 M g - OH9 3.2 69 7.6 6 F e 3 8 5.1 16 0.0 8 总体精度 9 0.5 6 17K a p p a系数0.8 1 16 4 结论 针对高光谱遥感数据在矿物识别中应用的限制 问题, 提出了一种基于S R EM融合算法的矿物蚀变 信息提取方法和流程, 融合后的数据具有大幅宽、 高 空间和高光谱分辨率的特点, 能够提取出精细矿物 类型的蚀变信息.实验结果显示, 融合数据的提取结 果与原始A S T E R多光谱图像提取的矿物分布位置 一致, 相对精度达到9 0. 5 6; 并且提取的蚀变矿物 类型更为精细, 原始A S T E R数据仅能识别出A l - 7 地球科学 中国地质大学学报第4 0卷 图7 A S T E Ra 与S R EM融合数据蚀变矿物分布b F i g .7 A l t e r a t i o nm i n e r a l sd i s t r i b u t i o no fA S T E Raa n dS R EMf u s i o nd a t ab OH基团,M g - OH基团和F e 3离子基团3种矿物, 本文提出的方法能够识别出高岭石、 伊利石、 绢云 母、 绿泥石和黄钾铁矾5种蚀变矿物.同时融合图像 提取结果与原始H y p e r i o n高光谱数据提取结果具 有很高的吻合度, 相对精度达到9 2. 8 5.研究结果 证明, 利用S R EM算法融合后的数据, 具有大幅宽 和高光谱分辨率的特点, 提高了矿物蚀变信息解译 精度, 该方法对大面积矿物填图具有示范意义. R e f e r e n c e s C u d a h y,T. ,H e w s o n,R.,H u n t i n g t o n,J .,e ta l .,2 0 0 1. T h e P e