论文部分内容阅读
摘 要 本文以甘肃省金川铜镍矿探測区的Cu、Pb、Zn、Co、Ni、Cr等六种微量地球化学元素在高光谱上的表现为主要目标，一方面根据地球化学方法分析微量元素的异常，另一方面将高光谱遥感信息和地球化学信息融合，以挖掘综合找矿信息，并进一步寻找微量化学元素含量的变化对地物波谱和高光谱遥感波谱的相关影响。
关键词 遥感;地球化学;因子分析;偏相关分析;人工神经网络
中图分类号：P627 文献标识码：A
Abstract： In this thesis， Gansu Jinchuan copper-nickel mine detection zone Cu， Pb， Zn， Co， Ni， Cr and six trace geochemical elements in the hyperspectral as the main objective .On the one hand， analysis based on trace element geochemical anomalies， On the other hand， the hyperspectral remote sensing information and geochemical information fusion， integrated prospecting to mining information， and further to find the trace chemical elements in the change of object spectrum and the spectral correlation of hyperspectral remote sensing .
Key words： remote sensing; geochemistry; factor analysis; partial correlation analysis; artificial neural network
最近几年以来，随着高光谱数据的获取和高分辨率多光谱数据的获取越来越容易，以及地面地物测试仪器的普及，使得遥感数据与地学信息的结合更加容易，遥感及地质、地球化学等信息综合找矿研究已成为重要的方法之一[1-6]。本文针对甘肃金川铜镍矿区地面测试高光谱波谱数据、遥感高光谱波谱数据与地球化学测试数据进行关联分析，进一步开展定量化的地球化学研究。
1 地质背景
研究区域属龙首山铜镍多金属成矿带，该区域在大地构造上属于中朝地块阿拉善南缘龙首山隆起带，露出地层主要有上太古界、元古界、古生界寒武系、泥盆系、石炭系、二叠系、中生界侏罗系、白垩系和第四系。
研究区所属的龙首山地区属地质运动活跃地带，已经历多次的大规模构造运动，构造特征主要为一轴部位大沟井——独峰顶一代的龙首山复式向斜。该地区的岩层主要分为三个地质构造层，分别为基底构造层、准基底构造层和盖层构造层，每一层都发育成一系列的北西向褶皱，并局部倒转。其基底构造层在上太古界龙首山群最为活跃，近南东—北西向无根褶皱及叠加褶皱最为突显，断裂主要运动趋势以走向北西向及北西西向逆断层，在以东西向及南北向正断层及平移断层;准基底构造层主要以下元古界塔马子沟组为主，其中层内小褶曲和层间剪切断裂非常常见。盖层构造层主要较年轻的中元古界、震旦系和古生界地层为主。断裂构造运动形式包括正、逆、平移断层和逆冲推覆构造等，主要以北西西向推覆构造为主，偶尔伴有韧性剪切和伸展构造体系，由于断裂构造存在，加之多期岩浆活动和地壳升降运动的原因，使得该区域构造十分错综复杂。
研究区岩浆活动周期短，频率高，并且种类多，从吕梁期前过渡到燕山期，既出现火山喷发在基性—中酸性，广泛侵入活动出现在超基性—酸性岩浆;侵入岩体的发育伴有白家嘴子超基性岩、塔马子沟基性岩和河西堡花岗岩等。侵入岩受断裂构造控制，多呈岩基、岩脉、岩墙、岩株侵入或注入于各系地层中。
本研究区变质岩发育较为旺盛，其中主要以区域变质岩为主，动力变质岩和接触变质岩次之。区域变质岩包括变砂岩、板岩、千枚岩、片岩、变粒岩、斜长角闪岩、大理岩类及混合岩;动力变质岩和接触变质岩，其中上太古界～下元古界为中深变质岩系，在上太古界～中元古界部分叠加了区域动力热流变质作用，经历了中高温区域变质作用的高角闪岩相、绿帘石角闪岩相及绿片岩相，上元古界变质岩系为绿片岩相。早古生代变质岩主要在低温区域变质和动力变质作用下的产物，属于绿片岩相～低绿片岩相变质岩系。
2 测区地球化学元素分析
根据表1得到的探测区背景值1～3级异常值以及基性和超基性岩的均值，对Ni、Cr、Co、Cu、Pb、Zn进行异常划分。Ni、Cr、Co往往形成环境为高温，与基性超基性岩环境密切相关，所以采用背景值和1～3级异常值来制图。Zn、Cu元素来源比较复杂，也用背景值和1～3级异常值。Pb元素在基性超基性岩中含量极低，所以重点突出低值异常。根据上述方法使用Sufer软件绘制各元素原生晕异常分布，从图1、2、3可以看出，同为超基性岩典型元素的Ni、Cr 、Co其异常分布在中部、西北部和东南部，基本上都是北西向分布，与断裂带分布方向一致。
在对金川铜镍矿测区进行地球化学分析时，重点分析了Ni、Cr、Co、Cu、Pb、Zn等6个单元素，经过相关统计、聚类分析以及因子分析之后，采用了因子分析降维和高温低温元素的比值变换组合。经过概率格纸图解法计算出各元素含量以及组合元素的原生晕异常分布图，经过与地质图对比发现： （1）Ni 、Cr、Co的中、高浓度原生异常呈NW走向展布，与测区地质构造走向一致，说明本区原生异常形成与构造有关，而且中、高浓度原生异常地球化学特征，多与区域地球化学特征显示的矿化超基性岩体的异常相似，说明本区原生异常多为矿化超基性岩体引起。
（2）本区原生异常呈有规律的NW走向异常展布，反映在测区范围内有一深部相连的超基性岩体。
3 高光谱遥感地球化学信息提取
不同属性的多元地学找矿信息（地质、物探、化探、遥感等）之间，存在着两种不同的空间相关关系：套合和耦合。对前者套合而言，是指各元信息之间在空间上相关，但成因关系不明显，利用遥感信息与地球化学信息在空间上融合，可以提取出许多以前方法提出不出的微弱信息。而耦合则是空间和成因均相关（赵鹏大，1999），从原理上从光谱的特征角度上，将影像真正的与地球化学信息完全结合在一起，以致可以进行预测。
在进行遥感信息和地球化学信息关联分析时，一方面是要研究异常之间的套合关系，但是更重要的是着重研究遥感信息和地球化学信息之间的耦合关系。如果要进行预测模型的建立则需要通过多元数理统计分析方法能够对遥感和地物化数据之间的相关性作出正確的识别和判断，在可见光到中红外波段范围内的遥感器可接受的波段内，有些矿物或化学组分具有特征的吸收（或反射）谱带，表明遥感对地球化学信息的响应。
3.1Hyperion数据预处理
由于本文所使用的数据为Hyperion L1T产品（EO1H1320332008248110PW），这是研究性数据，没有像其他商业遥感数据那样经过多级处理，所以需要人工修复。Hyperion L1产品从L0数据经过一系列处理生成，包括斑点去除、回波纠正、背景去除、辐射纠正、坏像元恢复以及图像质量检查等过程。一旦数据集生成，应该不再有坏像元或条纹等误差存在。但是，实际上不正常的像元仍然存在，在进行图像应用之前，必须将不正常的像元识别出来并加以纠正。
3.2高光谱遥感信息提取
金川矿区有过四起主要的基性-超基性岩浆活动事件：太古代斜长角闪岩化的似层状玄武质喷出岩;中元古代，斜长角闪岩化的玄武质侵入体;晚元古代，受绿片岩相变质作用影响的基性—超基性岩体;古生代泥盆纪以后，蒙脱石化的玄武质侵入体。而本文主要研究的就是形成于晚元古代，与铜镍矿化有关的超铁镁质岩石，分布在从太古界到上远古界的震旦系的各个时代地层中，经受了相当绿片岩相的区域变质与后期的构造挤压作用改造，其中相当一部分已转化为阳起石—透闪石片岩。
金川地区的Cr元素主要存在与造岩矿物尖晶石中，而铬尖晶石主要是形成层与基性超基性岩之中，所以总体上要探测Cr元素的分布规律就必须弄清基性、超基性岩脉的分布。而且由于高浓度Cr离子会置换基性、超基性岩中的Mg-OH离子、Fe-OH以及Al-OH，所以本文间接的角度分析Mg-OH、Al-OH分子吸收特征变化就可以与Cr离子建立关联。
根据地面岩石样本所测试的矿物，金川铜镍矿探测区基性-超基性岩的主要矿物组成为辉石、阳起石、绿泥石、橄榄石、蛇纹石、滑石、黑云母等。如表2所示。
从浓度较高的Cr、Ni基性超基性岩样品的矿物组成来看，主要含有橄榄石、阳起石（Ca2（Mg，Fe2+）5〔Si4O11〕2〔OH〕2）、斜长石、绿泥石（chlorite）、蛇纹石（（Mg ，Fe ，Ni） 3 Si2O5（OH）4）、石英等。蚀变矿物阳起石、绿泥石、蛇纹石都具有Mg-OH、Al-OH等比较明显的吸收峰（图7）。所以，这些峰信息与Cr、Ni含量之间的关系是本文研究重点。
根据ENVI自带usgs_min矿物波谱库数据，经过5点均值光滑处理之后再将多个曲线平均后得到图7。从图7中可以看出，在短波红外部分，超基性岩Mg含量高，而Al含量低，Mg-OH在2.3～2.33μm之间的特征峰非常明显[7]，这是本文研究的主要特征峰。含Al-OH矿物诊断谱带一般位于2165～2205nm附近。从晶体分子上来看，Mg-OH和Al-OH吸收峰是分析Cr、Ni、Co的关键，所以本文主要分析以上2个位置的峰信息。
高光谱提取矿物信息有着多光谱所不具备的优势，由于其波谱是连续的，所以可以使用ENVI软件中的波谱沙漏分析工具（Spectral Hourglass Wizard）来进行像元端元提取、光谱角匹配等方法来提取矿物信息[8]。具体处理方法有以下一些：
最小噪声分离旋转（MNF）：最小噪声分离旋转（MNF）分为正变换和逆变换，正交变换能够将信号与噪声分离，变换后的前数个波段的特征值远远大于以后波段的特征值，且这些波段数据显示的地物影像清晰，集中地物的绝大部分光谱信息，而且能分离波段中的噪声数据。通过一次正变换和一次逆变换就可以去除噪声，从而提高波谱数据的处理效率[9]。
将本次试验数据158个波段全部进行MNF分析，在通过MNF特征值图可以发现，经过MNF变换之后的数据中，按特征值由大到小排序的变换分量所包含的噪声成分逐渐减小，图像质量依次提高，MNF波段1的特征值是最大的。噪声主要集中在特征值低的波段，一般认为特征值大于1的波段包含波谱信息，特征值接近1的波段包含噪声。根据实际情况，如图8，MNF变换的第20波段噪声信息量大，基本上不能够提供有用的信息，而20以后的主成分信息量更少，所以本文只提取了1-19个波段做为MNF的主成分。并将这19个主成分进行MNF逆变换为一组新的数据，这时新数据的噪声更少。
纯净像元提取：在现实中真正的纯净像元是不存在的，但是为了方便运算，这里所指的纯净像元是相对的。沙漏工具通过将N维散点图映射为一个随机单位向量的反复迭代计算生成PPI（纯净像元）影像，这样通过PPI影像计算得到的像元大多数是纯净像元或极值像元。所以经过迭代次数越多，得到的纯净像元越好，但是处理时间会增加。研究设置迭代次数为12000次，阈值设置为数据噪声等级的2.5倍，噪声阈值接近1个像元，因此阈值设置为2。 PPI的处理结果随后会输入到N维可视化工具中，通过旋转将备选像元的n维散点图相继向低维空间投影，交互式选择分布于数据粒子云主体的外围或末端的像元则为最终的端元像元。
波谱得分分析：高光谱数据具有多光谱所不具备的光谱连续的优势，高光谱波谱与矿物波谱的匹配方法在沙漏工具中主要有三种：
①光谱角分类法，是将光谱数据视为多维空间的矢量，利用解析方法计算像元光谱与光谱数据库中参考光谱之间矢量的夹角，根据夹角的大小来确定光谱间的相似程度，以达到识别地物的目的[10]。
②波谱二值分类法，根据波段值落在均值的上或下方，把数据波普和端元波普编码为0或1，异或逻辑函数用来将每种编码后的参考波普同编码后的数据波谱进行比较的方法[11]。
③波谱特征值匹配法，将像元波谱的特征峰信息与参考波谱特征峰信息进行对比来进行分类预测。
ENVI沙漏工具波谱得分分析是将像元波谱同时采用光谱角分类法、波谱二值分类法和波谱特征值匹配法三种方法同时进行分析，并通过赋予三种方法不同的权值来进行得分匹配，得分数高则表明波谱形态的匹配相似度越高，1则代表完全匹配。
由图9所示，金川铜镍矿探测区基性-超基性岩岩脉为探测区西南部北西向的辉橄岩、变辉橄岩以及辉绿岩。这些岩脉的都比较窄，最窄的只有10米不到，而Hyperion的像元为30米×30米，所以必定有不少像元无法分辨或者微笑辉绿岩混合其他岩性光谱。由表2所知，辉橄岩最突出的构岩矿物是橄榄石、辉石、绿泥石、阳起石，而辉绿岩最突出的构岩矿物是阳起石、绿泥石。为了从遥感上提取出辉橄岩和辉绿岩的信息，本文采用USGS波谱库中的辉石和橄榄石组合叠加提取辉橄岩，采用绿泥石和阳起石组合提取辉绿岩（如图10所示），使用高光谱的沙漏工具进行了信息提取。其中光谱角分类的分类角经过多次试验，取值0.07，光谱角分类的在得分分析时权值取0.3;波谱二值分类法权值取0.2;波谱特征值匹配法取权值0.5。根据反复的实验，辉绿岩和辉橄岩信息提取如下：
根据光谱得分分析中三种方法的综合得分，辉橄岩和辉绿岩信息提取如图10所示。
在图中可以看到，辉橄岩在南部地区具有一个比较密集的北西走向分布带，而在中部地区分布则比较零散。在与地质图（图9）相对应后发现，在探测区南部震旦系出现的辉橄岩脉相对比较宽，在Hyperion中能够比较明显的提取出来，但是其分布比较零散，规律性不强。而在探测区中部也出现一个规模比较小的北西向辉橄岩脉，而地质图中则为白家嘴子组的大理岩出露，这说明大理岩对辉橄岩的提取具有一定的干扰。
在探测区辉绿岩脉比辉橄岩脉更加细小，Hyperion更加难以区分。从图10可以看出，提取出来的辉绿岩还是比较零散，大体可以看出呈北西向。在与地质图对比后发现，比较宽的辉绿岩还是可以提取，而规模小的辉绿岩则完全淹没在其他光谱信息里。
3.3遥感地球化学信息相关性分析
微量地球化学元素含量及其组合变换值与高光谱遥感波谱存在一定的内在相关性。在金川铜镍矿探测区，Cr、Co、Ni等化学元素含量与地面多数岩性波谱不存在比较明显的相关性，而与基性-超基性岩的辉橄岩和辉绿岩呈比较明显的规律。
本文以橄榄石、辉石为矿物波谱提取辉橄岩，经过光谱角分类、二值分类和特征峰分类法的综合得分分类，结果中橄榄石的分布比地质图中橄榄石分布要多，这说明其他岩性特别是大理岩，对橄榄石的分布有一定的干扰。在提取辉绿岩信息时采用绿泥石和阳起石的组合，在去除了与辉橄岩重叠的信息后发现，完全符合辉绿岩的信息明显比地质图中的要少，这与辉绿岩脉太窄有关。
在提取了基性-超基性岩后，在岩脉之上采集了40个波谱样本，并与地球化学指标进行相关分析。结果证明，在辉橄岩和辉绿岩中，峰面积、中心波段和吸收深度都与Cr、Ni、因子主成分值有比较强的相关。经过偏最小二乘法回归预测，预测效果比较理想，这证明在辉橄岩和辉绿岩中，Cr、Ni、因子主成分值與Mg-OH峰信息由比较强的相关性。
4 结论与问题
主要的结论有以下几点：
（1）从地球化学元素Cu、Zn、Pb、Co、Ni、Cr的分布来看，Cu、Zn、Pb分布规律并不明显，而Co、Ni、Cr这三个高温元素存在比较强的相关性。其分布主要集中在震旦系地层中的基性-超基性岩脉区，基本上呈北西向展布，与构造断层、基性-超基性岩将活动有关。
（2）地球化学含量与室内测试地物波谱存在一定的相关性，通过单波段回归分析与多元回归分析，如偏最小二乘法、神经网络回归分析等方法发现Mg-OH的吸收峰与高温元素Cr、Co、Ni具有地质上的规律。地物波谱经过数学变换之后进行单波段回归或多元回归效果比原反射率要好。Cr含量比较高的基性-超基性岩与地物波谱的规律性比较强。
（3）在金川铜镍矿探测区，以橄榄石、辉石为矿物波谱提取辉橄岩，经过光谱角分类、二值分类和特征峰分类法的综合得分分类，结果中橄榄石的分布比地质图中橄榄石分布要多，这说明其他岩性特别是大理岩，对橄榄石的分布有一定的干扰。用绿泥石和阳起石的组合提取辉绿岩信息，在去除了与辉橄岩重叠的信息后发现，完全符合辉绿岩的信息明显比地质图中的要少，这与辉绿岩脉太窄有关。
参考文献/References
[1]魏文薪. 遥感数据与化探数据融合及应用研究[D].吉林大学. 2007， 7-9.
[2]张远飞，植起汉. 遥感、地球物理和地球化学数据之间的相关性探讨[J]. 矿产与地质， 1986（3）： 58-61.
[3]林树道. 遥感找矿的生物地球化学信息[J]. 国土资源遥感， 1991（4）： 13-19.
[4]徐瑞松. 粤西、海南金矿生物地化效应的遥感研究[J]. 地质学报， 1992. 66（2）： 170-181.
[5]浦瑞良，宫鹏. 高光谱遥感及其应用[M]. 北京：高等教育出版社， 2000： 193-202.
[6]刘福江等. 遥感与化探数据融合技术在金矿预测中的应用[J]. 地质与勘探， 2007（3）： 74-77.
[7]吴昀昭， 田庆久， 季峻峰.，遥感地球化学研究[J]. 地球科学进展， 2003.12（1）：56-59.
[8]孙卫东等. 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（2）： 214-217.
[9]刘汉丽等. 结合MNF变换与灰值形态学的三江平原多光谱、多时相MODIS遥感影像分类[J]. 武汉大学学报（信息科学版）， 2011（2）： 153-156.
[10]王旭红等. 基于SAM遥感影像的分类技术研究[J]. 西北大学学报（自然科学版）， 2008（4）： 668-672.
[11]罗富生等. 金矿床遥感影像模式及证据权重法在找矿预测中的应用[J]. 国土资源遥感， 1994（4）.121-123.
关键词 遥感;地球化学;因子分析;偏相关分析;人工神经网络
中图分类号：P627 文献标识码：A
Abstract： In this thesis， Gansu Jinchuan copper-nickel mine detection zone Cu， Pb， Zn， Co， Ni， Cr and six trace geochemical elements in the hyperspectral as the main objective .On the one hand， analysis based on trace element geochemical anomalies， On the other hand， the hyperspectral remote sensing information and geochemical information fusion， integrated prospecting to mining information， and further to find the trace chemical elements in the change of object spectrum and the spectral correlation of hyperspectral remote sensing .
Key words： remote sensing; geochemistry; factor analysis; partial correlation analysis; artificial neural network
最近几年以来，随着高光谱数据的获取和高分辨率多光谱数据的获取越来越容易，以及地面地物测试仪器的普及，使得遥感数据与地学信息的结合更加容易，遥感及地质、地球化学等信息综合找矿研究已成为重要的方法之一[1-6]。本文针对甘肃金川铜镍矿区地面测试高光谱波谱数据、遥感高光谱波谱数据与地球化学测试数据进行关联分析，进一步开展定量化的地球化学研究。
1 地质背景
研究区域属龙首山铜镍多金属成矿带，该区域在大地构造上属于中朝地块阿拉善南缘龙首山隆起带，露出地层主要有上太古界、元古界、古生界寒武系、泥盆系、石炭系、二叠系、中生界侏罗系、白垩系和第四系。
研究区所属的龙首山地区属地质运动活跃地带，已经历多次的大规模构造运动，构造特征主要为一轴部位大沟井——独峰顶一代的龙首山复式向斜。该地区的岩层主要分为三个地质构造层，分别为基底构造层、准基底构造层和盖层构造层，每一层都发育成一系列的北西向褶皱，并局部倒转。其基底构造层在上太古界龙首山群最为活跃，近南东—北西向无根褶皱及叠加褶皱最为突显，断裂主要运动趋势以走向北西向及北西西向逆断层，在以东西向及南北向正断层及平移断层;准基底构造层主要以下元古界塔马子沟组为主，其中层内小褶曲和层间剪切断裂非常常见。盖层构造层主要较年轻的中元古界、震旦系和古生界地层为主。断裂构造运动形式包括正、逆、平移断层和逆冲推覆构造等，主要以北西西向推覆构造为主，偶尔伴有韧性剪切和伸展构造体系，由于断裂构造存在，加之多期岩浆活动和地壳升降运动的原因，使得该区域构造十分错综复杂。
研究区岩浆活动周期短，频率高，并且种类多，从吕梁期前过渡到燕山期，既出现火山喷发在基性—中酸性，广泛侵入活动出现在超基性—酸性岩浆;侵入岩体的发育伴有白家嘴子超基性岩、塔马子沟基性岩和河西堡花岗岩等。侵入岩受断裂构造控制，多呈岩基、岩脉、岩墙、岩株侵入或注入于各系地层中。
本研究区变质岩发育较为旺盛，其中主要以区域变质岩为主，动力变质岩和接触变质岩次之。区域变质岩包括变砂岩、板岩、千枚岩、片岩、变粒岩、斜长角闪岩、大理岩类及混合岩;动力变质岩和接触变质岩，其中上太古界～下元古界为中深变质岩系，在上太古界～中元古界部分叠加了区域动力热流变质作用，经历了中高温区域变质作用的高角闪岩相、绿帘石角闪岩相及绿片岩相，上元古界变质岩系为绿片岩相。早古生代变质岩主要在低温区域变质和动力变质作用下的产物，属于绿片岩相～低绿片岩相变质岩系。
2 测区地球化学元素分析
根据表1得到的探测区背景值1～3级异常值以及基性和超基性岩的均值，对Ni、Cr、Co、Cu、Pb、Zn进行异常划分。Ni、Cr、Co往往形成环境为高温，与基性超基性岩环境密切相关，所以采用背景值和1～3级异常值来制图。Zn、Cu元素来源比较复杂，也用背景值和1～3级异常值。Pb元素在基性超基性岩中含量极低，所以重点突出低值异常。根据上述方法使用Sufer软件绘制各元素原生晕异常分布，从图1、2、3可以看出，同为超基性岩典型元素的Ni、Cr 、Co其异常分布在中部、西北部和东南部，基本上都是北西向分布，与断裂带分布方向一致。
在对金川铜镍矿测区进行地球化学分析时，重点分析了Ni、Cr、Co、Cu、Pb、Zn等6个单元素，经过相关统计、聚类分析以及因子分析之后，采用了因子分析降维和高温低温元素的比值变换组合。经过概率格纸图解法计算出各元素含量以及组合元素的原生晕异常分布图，经过与地质图对比发现： （1）Ni 、Cr、Co的中、高浓度原生异常呈NW走向展布，与测区地质构造走向一致，说明本区原生异常形成与构造有关，而且中、高浓度原生异常地球化学特征，多与区域地球化学特征显示的矿化超基性岩体的异常相似，说明本区原生异常多为矿化超基性岩体引起。
（2）本区原生异常呈有规律的NW走向异常展布，反映在测区范围内有一深部相连的超基性岩体。
3 高光谱遥感地球化学信息提取
不同属性的多元地学找矿信息（地质、物探、化探、遥感等）之间，存在着两种不同的空间相关关系：套合和耦合。对前者套合而言，是指各元信息之间在空间上相关，但成因关系不明显，利用遥感信息与地球化学信息在空间上融合，可以提取出许多以前方法提出不出的微弱信息。而耦合则是空间和成因均相关（赵鹏大，1999），从原理上从光谱的特征角度上，将影像真正的与地球化学信息完全结合在一起，以致可以进行预测。
在进行遥感信息和地球化学信息关联分析时，一方面是要研究异常之间的套合关系，但是更重要的是着重研究遥感信息和地球化学信息之间的耦合关系。如果要进行预测模型的建立则需要通过多元数理统计分析方法能够对遥感和地物化数据之间的相关性作出正確的识别和判断，在可见光到中红外波段范围内的遥感器可接受的波段内，有些矿物或化学组分具有特征的吸收（或反射）谱带，表明遥感对地球化学信息的响应。
3.1Hyperion数据预处理
由于本文所使用的数据为Hyperion L1T产品（EO1H1320332008248110PW），这是研究性数据，没有像其他商业遥感数据那样经过多级处理，所以需要人工修复。Hyperion L1产品从L0数据经过一系列处理生成，包括斑点去除、回波纠正、背景去除、辐射纠正、坏像元恢复以及图像质量检查等过程。一旦数据集生成，应该不再有坏像元或条纹等误差存在。但是，实际上不正常的像元仍然存在，在进行图像应用之前，必须将不正常的像元识别出来并加以纠正。
3.2高光谱遥感信息提取
金川矿区有过四起主要的基性-超基性岩浆活动事件：太古代斜长角闪岩化的似层状玄武质喷出岩;中元古代，斜长角闪岩化的玄武质侵入体;晚元古代，受绿片岩相变质作用影响的基性—超基性岩体;古生代泥盆纪以后，蒙脱石化的玄武质侵入体。而本文主要研究的就是形成于晚元古代，与铜镍矿化有关的超铁镁质岩石，分布在从太古界到上远古界的震旦系的各个时代地层中，经受了相当绿片岩相的区域变质与后期的构造挤压作用改造，其中相当一部分已转化为阳起石—透闪石片岩。
金川地区的Cr元素主要存在与造岩矿物尖晶石中，而铬尖晶石主要是形成层与基性超基性岩之中，所以总体上要探测Cr元素的分布规律就必须弄清基性、超基性岩脉的分布。而且由于高浓度Cr离子会置换基性、超基性岩中的Mg-OH离子、Fe-OH以及Al-OH，所以本文间接的角度分析Mg-OH、Al-OH分子吸收特征变化就可以与Cr离子建立关联。
根据地面岩石样本所测试的矿物，金川铜镍矿探测区基性-超基性岩的主要矿物组成为辉石、阳起石、绿泥石、橄榄石、蛇纹石、滑石、黑云母等。如表2所示。
从浓度较高的Cr、Ni基性超基性岩样品的矿物组成来看，主要含有橄榄石、阳起石（Ca2（Mg，Fe2+）5〔Si4O11〕2〔OH〕2）、斜长石、绿泥石（chlorite）、蛇纹石（（Mg ，Fe ，Ni） 3 Si2O5（OH）4）、石英等。蚀变矿物阳起石、绿泥石、蛇纹石都具有Mg-OH、Al-OH等比较明显的吸收峰（图7）。所以，这些峰信息与Cr、Ni含量之间的关系是本文研究重点。
根据ENVI自带usgs_min矿物波谱库数据，经过5点均值光滑处理之后再将多个曲线平均后得到图7。从图7中可以看出，在短波红外部分，超基性岩Mg含量高，而Al含量低，Mg-OH在2.3～2.33μm之间的特征峰非常明显[7]，这是本文研究的主要特征峰。含Al-OH矿物诊断谱带一般位于2165～2205nm附近。从晶体分子上来看，Mg-OH和Al-OH吸收峰是分析Cr、Ni、Co的关键，所以本文主要分析以上2个位置的峰信息。
高光谱提取矿物信息有着多光谱所不具备的优势，由于其波谱是连续的，所以可以使用ENVI软件中的波谱沙漏分析工具（Spectral Hourglass Wizard）来进行像元端元提取、光谱角匹配等方法来提取矿物信息[8]。具体处理方法有以下一些：
最小噪声分离旋转（MNF）：最小噪声分离旋转（MNF）分为正变换和逆变换，正交变换能够将信号与噪声分离，变换后的前数个波段的特征值远远大于以后波段的特征值，且这些波段数据显示的地物影像清晰，集中地物的绝大部分光谱信息，而且能分离波段中的噪声数据。通过一次正变换和一次逆变换就可以去除噪声，从而提高波谱数据的处理效率[9]。
将本次试验数据158个波段全部进行MNF分析，在通过MNF特征值图可以发现，经过MNF变换之后的数据中，按特征值由大到小排序的变换分量所包含的噪声成分逐渐减小，图像质量依次提高，MNF波段1的特征值是最大的。噪声主要集中在特征值低的波段，一般认为特征值大于1的波段包含波谱信息，特征值接近1的波段包含噪声。根据实际情况，如图8，MNF变换的第20波段噪声信息量大，基本上不能够提供有用的信息，而20以后的主成分信息量更少，所以本文只提取了1-19个波段做为MNF的主成分。并将这19个主成分进行MNF逆变换为一组新的数据，这时新数据的噪声更少。
纯净像元提取：在现实中真正的纯净像元是不存在的，但是为了方便运算，这里所指的纯净像元是相对的。沙漏工具通过将N维散点图映射为一个随机单位向量的反复迭代计算生成PPI（纯净像元）影像，这样通过PPI影像计算得到的像元大多数是纯净像元或极值像元。所以经过迭代次数越多，得到的纯净像元越好，但是处理时间会增加。研究设置迭代次数为12000次，阈值设置为数据噪声等级的2.5倍，噪声阈值接近1个像元，因此阈值设置为2。 PPI的处理结果随后会输入到N维可视化工具中，通过旋转将备选像元的n维散点图相继向低维空间投影，交互式选择分布于数据粒子云主体的外围或末端的像元则为最终的端元像元。
波谱得分分析：高光谱数据具有多光谱所不具备的光谱连续的优势，高光谱波谱与矿物波谱的匹配方法在沙漏工具中主要有三种：
①光谱角分类法，是将光谱数据视为多维空间的矢量，利用解析方法计算像元光谱与光谱数据库中参考光谱之间矢量的夹角，根据夹角的大小来确定光谱间的相似程度，以达到识别地物的目的[10]。
②波谱二值分类法，根据波段值落在均值的上或下方，把数据波普和端元波普编码为0或1，异或逻辑函数用来将每种编码后的参考波普同编码后的数据波谱进行比较的方法[11]。
③波谱特征值匹配法，将像元波谱的特征峰信息与参考波谱特征峰信息进行对比来进行分类预测。
ENVI沙漏工具波谱得分分析是将像元波谱同时采用光谱角分类法、波谱二值分类法和波谱特征值匹配法三种方法同时进行分析，并通过赋予三种方法不同的权值来进行得分匹配，得分数高则表明波谱形态的匹配相似度越高，1则代表完全匹配。
由图9所示，金川铜镍矿探测区基性-超基性岩岩脉为探测区西南部北西向的辉橄岩、变辉橄岩以及辉绿岩。这些岩脉的都比较窄，最窄的只有10米不到，而Hyperion的像元为30米×30米，所以必定有不少像元无法分辨或者微笑辉绿岩混合其他岩性光谱。由表2所知，辉橄岩最突出的构岩矿物是橄榄石、辉石、绿泥石、阳起石，而辉绿岩最突出的构岩矿物是阳起石、绿泥石。为了从遥感上提取出辉橄岩和辉绿岩的信息，本文采用USGS波谱库中的辉石和橄榄石组合叠加提取辉橄岩，采用绿泥石和阳起石组合提取辉绿岩（如图10所示），使用高光谱的沙漏工具进行了信息提取。其中光谱角分类的分类角经过多次试验，取值0.07，光谱角分类的在得分分析时权值取0.3;波谱二值分类法权值取0.2;波谱特征值匹配法取权值0.5。根据反复的实验，辉绿岩和辉橄岩信息提取如下：
根据光谱得分分析中三种方法的综合得分，辉橄岩和辉绿岩信息提取如图10所示。
在图中可以看到，辉橄岩在南部地区具有一个比较密集的北西走向分布带，而在中部地区分布则比较零散。在与地质图（图9）相对应后发现，在探测区南部震旦系出现的辉橄岩脉相对比较宽，在Hyperion中能够比较明显的提取出来，但是其分布比较零散，规律性不强。而在探测区中部也出现一个规模比较小的北西向辉橄岩脉，而地质图中则为白家嘴子组的大理岩出露，这说明大理岩对辉橄岩的提取具有一定的干扰。
在探测区辉绿岩脉比辉橄岩脉更加细小，Hyperion更加难以区分。从图10可以看出，提取出来的辉绿岩还是比较零散，大体可以看出呈北西向。在与地质图对比后发现，比较宽的辉绿岩还是可以提取，而规模小的辉绿岩则完全淹没在其他光谱信息里。
3.3遥感地球化学信息相关性分析
微量地球化学元素含量及其组合变换值与高光谱遥感波谱存在一定的内在相关性。在金川铜镍矿探测区，Cr、Co、Ni等化学元素含量与地面多数岩性波谱不存在比较明显的相关性，而与基性-超基性岩的辉橄岩和辉绿岩呈比较明显的规律。
本文以橄榄石、辉石为矿物波谱提取辉橄岩，经过光谱角分类、二值分类和特征峰分类法的综合得分分类，结果中橄榄石的分布比地质图中橄榄石分布要多，这说明其他岩性特别是大理岩，对橄榄石的分布有一定的干扰。在提取辉绿岩信息时采用绿泥石和阳起石的组合，在去除了与辉橄岩重叠的信息后发现，完全符合辉绿岩的信息明显比地质图中的要少，这与辉绿岩脉太窄有关。
在提取了基性-超基性岩后，在岩脉之上采集了40个波谱样本，并与地球化学指标进行相关分析。结果证明，在辉橄岩和辉绿岩中，峰面积、中心波段和吸收深度都与Cr、Ni、因子主成分值有比较强的相关。经过偏最小二乘法回归预测，预测效果比较理想，这证明在辉橄岩和辉绿岩中，Cr、Ni、因子主成分值與Mg-OH峰信息由比较强的相关性。
4 结论与问题
主要的结论有以下几点：
（1）从地球化学元素Cu、Zn、Pb、Co、Ni、Cr的分布来看，Cu、Zn、Pb分布规律并不明显，而Co、Ni、Cr这三个高温元素存在比较强的相关性。其分布主要集中在震旦系地层中的基性-超基性岩脉区，基本上呈北西向展布，与构造断层、基性-超基性岩将活动有关。
（2）地球化学含量与室内测试地物波谱存在一定的相关性，通过单波段回归分析与多元回归分析，如偏最小二乘法、神经网络回归分析等方法发现Mg-OH的吸收峰与高温元素Cr、Co、Ni具有地质上的规律。地物波谱经过数学变换之后进行单波段回归或多元回归效果比原反射率要好。Cr含量比较高的基性-超基性岩与地物波谱的规律性比较强。
（3）在金川铜镍矿探测区，以橄榄石、辉石为矿物波谱提取辉橄岩，经过光谱角分类、二值分类和特征峰分类法的综合得分分类，结果中橄榄石的分布比地质图中橄榄石分布要多，这说明其他岩性特别是大理岩，对橄榄石的分布有一定的干扰。用绿泥石和阳起石的组合提取辉绿岩信息，在去除了与辉橄岩重叠的信息后发现，完全符合辉绿岩的信息明显比地质图中的要少，这与辉绿岩脉太窄有关。
参考文献/References
[1]魏文薪. 遥感数据与化探数据融合及应用研究[D].吉林大学. 2007， 7-9.
[2]张远飞，植起汉. 遥感、地球物理和地球化学数据之间的相关性探讨[J]. 矿产与地质， 1986（3）： 58-61.
[3]林树道. 遥感找矿的生物地球化学信息[J]. 国土资源遥感， 1991（4）： 13-19.
[4]徐瑞松. 粤西、海南金矿生物地化效应的遥感研究[J]. 地质学报， 1992. 66（2）： 170-181.
[5]浦瑞良，宫鹏. 高光谱遥感及其应用[M]. 北京：高等教育出版社， 2000： 193-202.
[6]刘福江等. 遥感与化探数据融合技术在金矿预测中的应用[J]. 地质与勘探， 2007（3）： 74-77.
[7]吴昀昭， 田庆久， 季峻峰.，遥感地球化学研究[J]. 地球科学进展， 2003.12（1）：56-59.
[8]孙卫东等. 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（2）： 214-217.
[9]刘汉丽等. 结合MNF变换与灰值形态学的三江平原多光谱、多时相MODIS遥感影像分类[J]. 武汉大学学报（信息科学版）， 2011（2）： 153-156.
[10]王旭红等. 基于SAM遥感影像的分类技术研究[J]. 西北大学学报（自然科学版）， 2008（4）： 668-672.
[11]罗富生等. 金矿床遥感影像模式及证据权重法在找矿预测中的应用[J]. 国土资源遥感， 1994（4）.121-123.