林 坤

(西安航空職業(yè)技術(shù)學(xué)院，陜西 西安 710089)

1 概 述

利用無人機(jī)搭載各類遙感設(shè)備并結(jié)合航空照片、衛(wèi)星圖像等地標(biāo)特征信息可分析礦物勘探潛在區(qū)域的大量信息。由于天氣影響以及衛(wèi)星和各類機(jī)載傳感器提供的光譜和空間分辨率的不同，遙感已被證明是理解成礦環(huán)境和瞄準(zhǔn)礦物棲息地的不可替代的工具；從遙感數(shù)據(jù)中，研究人員可以破譯區(qū)域巖性，構(gòu)造地形及地貌細(xì)節(jié)，這有助于精確瞄準(zhǔn)金屬和礦物[1-3]。

由于光譜特征對于每種材料是獨(dú)特的，因此可以用于區(qū)分圖像中存在的各種材料。相關(guān)專家研究VNIR，SWIR和TIR等區(qū)域波長為地質(zhì)調(diào)查提供了豐富的探測數(shù)據(jù)；特別是近紅外反射光譜(從0.4 μm到2.5 μm)已經(jīng)為地質(zhì)學(xué)家提供了巖石信息提取的重要潛在來源；而且近紅外區(qū)域波長已被廣泛用于礦物學(xué)測繪，如使用高分辨率成像系統(tǒng)(航空可見/紅外成像光譜儀AVIRIS)；同時，利用礦區(qū)的衛(wèi)星DEM(高程數(shù)據(jù))可以解譯出地貌、地形的構(gòu)造樣式等各種信息。

本文利用ASTER圖像數(shù)據(jù)的VNIR和SWIR波段，研究國內(nèi)某區(qū)域富含鋁土的地區(qū)的光譜特征。所謂鋁土礦是指含鋁的礦石，是一種富含氧化鋁但堿、堿土和二氧化硅含量低的沉積物。世界上90%的鋁土礦用于鋁的生產(chǎn)，其它的主要用于研磨劑、化學(xué)品和耐火材料的生產(chǎn)。通常業(yè)界所指的術(shù)語鋁土礦是指經(jīng)濟(jì)可開采的鋁土礦，即含有不低于45%～50%的Al2O3，不高于20%的Fe2O3和3%～5%的復(fù)合二氧化硅；而術(shù)語氧化鋁是指含有52.9%Al和47.1%O的純Al2O3。鋁土礦床起源于富集鋁區(qū)域的風(fēng)化形成，鋁土礦的母巖包含兩種形態(tài)：1)火成巖和變質(zhì)巖，2)沉積巖。研究已證明火成巖和變質(zhì)巖上的鋁土礦沉積在整個地球歷史的高原上形成；斜坡型礦床的例子有：基本到中等火山巖，酸性變質(zhì)巖以及茶花石等。有利于形成鋁土礦的條件是滲透性高、連續(xù)降雨的高溫氣候，以及地形高而排水良好的地區(qū)，這是由于有機(jī)酸的純凈雨水比有機(jī)酸可降低石英溶解，對于鋁土礦床的形成是非常重要的[4]。

本文主要利用光譜解混作為礦物靶向的圖像處理方法評估ASTER(先進(jìn)星載熱輻射和反射輻射計)高光譜圖像數(shù)據(jù)評估鋁土礦質(zhì)量，為探索新的鋁土礦床提供技術(shù)支持。

2 地質(zhì)背景

為了研究使用ASTER圖像勘探鋁土礦礦床的可能性，對國內(nèi)XX地區(qū)的丘陵進(jìn)行探測，用于鋁土礦的研究。XX山的最大高度是2 340 m，該山脈被認(rèn)為是遠(yuǎn)古時代的地殼運(yùn)動形成的，該區(qū)域的巖石屬于“紫蘇花崗巖”大類，由石英、長石、紫蘇石榴或含石榴石組成。在地質(zhì)變化中，斜長石主要轉(zhuǎn)變?yōu)楦邘X土，很少轉(zhuǎn)變?yōu)槿X石；鐵的氧化物代替輝石和石榴石等鐵鎂礦物。山地平均降雨量約為1 500毫米/年；溫度范圍在16(°)到25(°)之間；3月份的濕度從12月份的87%下降到67%；適應(yīng)的氣候支持了山坡植被茂盛的生長。因此，所有有利于形成鋁土礦的條件都存在于該區(qū)域。相關(guān)地質(zhì)研究已經(jīng)證明，該區(qū)域的大部分山頂都含有可開采的鋁土礦礦床，而目前正在這些礦層中進(jìn)行采礦，如圖1所示為當(dāng)前區(qū)域的分布圖像，這里的鋁土礦屬于殘余型，在扁平的山峰上形成覆蓋層[5-7]。

圖1 XX區(qū)域鋁土礦分布

3 圖像處理過程

3.1 圖像處理算法

ASTER(先進(jìn)星載熱輻射和反射輻射計)是機(jī)載TERRA-1衛(wèi)星的傳感器系統(tǒng)，主要用于地質(zhì)繪圖。其中所包含三個VNIR波段，這些波段用于某些金屬特別是鐵的吸收以及植物光合作用中的葉綠素吸收的重要信息來源；另外的六個SWIR波段，用于碳酸鹽巖、水合物和氫氧化物礦物質(zhì)譜的顯示。因此，在該研究中，廣泛使用了XX地區(qū)的ASTER圖像數(shù)據(jù)，由于斜坡有利地形的表現(xiàn)對鋁土礦床的形成具有重要意義，因此從SRTM DEM中推導(dǎo)出地形細(xì)節(jié)，并結(jié)合ASTER光譜數(shù)據(jù)的解譜結(jié)果，如圖2所示為本研究所采用的詳細(xì)方法。

圖2 圖像處理方法

光譜混合是一個過程，他將像素混合，以確定每個光譜端成員的分?jǐn)?shù)，這些分?jǐn)?shù)結(jié)合在一起產(chǎn)生混合像素的光譜特征。譜端成員是純表面覆蓋的光譜特征，通常期望在一個圖像域內(nèi)能夠找到；線性光譜解混用于根據(jù)材料的光譜特性確定多光譜圖像中描繪的材料的相對豐度。圖像中的混合物表示為被假定為在混合物中的每個組分的響應(yīng)(光譜)的線性組合，該模型假定觀測像素反射率可以被模擬為單個分量反射率乘以他們的相對比例的線性混合，表示如下：

式中Ri——傳感器的頻帶i中的表面反射率；

Fe——表示最終成員的分?jǐn)?shù)e；

Re——表示終端成員e在傳感器波段的反射；

N——表示頻譜結(jié)束成員的數(shù)量；

Ei——表示傳感器頻帶i中的N端成員配合誤差。

鋁土礦中的氧化鋁的豐度決定了EMR的2.2 μm區(qū)域的吸收強(qiáng)度，本文選用ASTER 6號(2.185～2.225 μm)和7號(2.235～2.285 μm)用于對氧化鋁和粘土礦物的鑒別和定量。

3.2 氧化鋁豐度映射分析

為了對研究區(qū)域內(nèi)的鋁土礦進(jìn)行定位，通過定位鋁土礦，植被和其他成分的終端成員(純像素)來完成ASTER圖像的光譜解混的圖像。生成多源的的散點(diǎn)圖和不同場景的像素純度指數(shù)(PPI)圖像以定位最終成員。對于該區(qū)域的圖像信息，在三個分?jǐn)?shù)圖像中，丟棄植被和水分分?jǐn)?shù)圖像，僅取得氧化鋁分?jǐn)?shù)圖像，并進(jìn)行密度切片以在研究區(qū)域中劃分出富含鋁土礦的礦穴。氧化鋁分?jǐn)?shù)圖像包含值為0～1的像素，在密度分割過程中，氧化鋁分?jǐn)?shù)值為0.7～1.0的像素全部被分組為一個密度等級并被劃分，如圖3所示為按照這個密度等級進(jìn)行的像素(假設(shè)氧化鋁含量為70%至100%)劃分[8-10]。

通過分?jǐn)?shù)圖像的密度切片確定的富含氧化鋁的區(qū)域可以位于封蓋外部，為了定位位于覆蓋層上的富含氧化鋁的區(qū)域，可通過生成地形的數(shù)字高程模型并定位封蓋。

圖3 氧化鋁含量為70%至100%的遙感信息圖

3.2.1 生成DEM和三維圖像

在SRTM-DEM中，高度值為1 100～1 325 m的地區(qū)被分成不同的等級。這樣的切片帶出了該區(qū)域的頂部和山峰，然后將密度切片的DEM覆蓋在密度切片的分?jǐn)?shù)圖像上以定位落在山頂上的富含氧化鋁的區(qū)域，并對感興趣的區(qū)域標(biāo)有標(biāo)識號和標(biāo)高(如圖3所示)。

3.2.2 準(zhǔn)備線索圖

目前的鋁土礦位于高密度和交叉點(diǎn)的地區(qū)，由于風(fēng)化作用突出的地區(qū)是鋁土礦形成的有利地區(qū)，因此需找出高線密度和交匯點(diǎn)的地區(qū)，最后將其與確定的蓋板相關(guān)聯(lián)。線性密度圖是從線性圖制備的，圖像分成50*50像素的網(wǎng)格，由于每個像素尺寸為15米，一個網(wǎng)格的面積相當(dāng)于地面0.562 5平方公里。對于目前的研究，只有包含兩個以上的線條的網(wǎng)格被選中，通過疊加線條密度和線條交叉圖，共同區(qū)域被劃分。

3.2.3 整合分?jǐn)?shù)圖像，DEM和線條圖像

可以看出，在密度切片分?jǐn)?shù)圖像和線圖中確定的一些富含氧化鋁的區(qū)域位于陡峭的斜坡和低洼地區(qū)。由于這項研究的重點(diǎn)是山頂，所以試圖劃分位于蓋層中的富含氧化鋁的部分，使用SRTM DEM識別了26個覆蓋圖(圖3)。類似地，具有高發(fā)生率和線性交叉點(diǎn)的區(qū)域與氧化鋁分?jǐn)?shù)圖像和DEM衍生的覆蓋圖像整合。在綜合以上信息的基礎(chǔ)上，推斷研究區(qū)有16個覆蓋層，滿足了鋁土礦形成的條件，根據(jù)實際查詢所選取的大部分是富含氧化鋁。

4 結(jié) 語

本文主要基于無人機(jī)搭載遙感設(shè)備，利用高光譜遙感在礦產(chǎn)勘查中的成功技術(shù)，對國內(nèi)XX區(qū)域的鋁土礦進(jìn)行了勘探，使用ASTER SWIR影像來定量和定性分析礦物棲息地的可能性，得出如下結(jié)論：

1)線性光譜分離有助于生成用于劃分鋁土礦富集區(qū)的氧化鋁豐度圖像；

2)從SRTM獲得的DEM有助于確定研究區(qū)的鋁土礦覆蓋層。

參考文獻(xiàn)：

[1] 劉聰, 賀躍光, 陳帥, 等. 某鋁土礦低空無人機(jī)遙感測繪成果精度分析[J]. 測繪工程, 2017, 26(1): 17-20.

[2] 陳帥. 低空無人機(jī)遙感技術(shù)及其在某鋁土礦山測繪中的應(yīng)用[D]. 長沙: 長沙理工大學(xué), 2015.

[3] 成功, 曾令瑤, 楊震. 基于ASTER熱紅外數(shù)據(jù)的堆積型鋁土礦含量反演[J]. 輕金屬, 2014(2): 5-9.

[4] 鄧捷, 白亞輝. 基于ASTER遙感數(shù)據(jù)在地質(zhì)找礦中的應(yīng)用[J]. 世界有色金屬, 2017(14): 124+126.

[5] 陳緒慧, 胡丹娟, 袁立男. 基于兩種方法的鋁土礦蝕變信息提取[J]. 黑龍江工程學(xué)院學(xué)報, 2015, 29(2): 22-26.

[6] 張端陽. 高分辨率遙感技術(shù)在礦山動態(tài)監(jiān)測中的應(yīng)用[D]. 焦作: 河南理工大學(xué), 2015.

[7] 張端陽, 潘振祥. 遙感技術(shù)在礦業(yè)活動動態(tài)監(jiān)測中的應(yīng)用[J]. 測繪通報, 2015(6): 72-74.

[8] 張琪, 賀躍光, 肖亮, 等. 某鋁土礦山大比例尺低空無人機(jī)航測3D產(chǎn)品質(zhì)量檢查與應(yīng)用[J]. 工程建設(shè), 2017, 49(10): 49-53.

[9] 伍道林. 無人機(jī)航測技術(shù)的應(yīng)用與實踐分析[J]. 低碳世界, 2017(31): 95-96.

[10] 劉聰, 賀躍光, 陳帥, 等. 無人機(jī)測繪在某鋁土礦山土地復(fù)墾中的應(yīng)用[J]. 中國錳業(yè), 2016, 34(1): 52-54.