遙感與化探數據融合技術(shù)在金礦預測中的應用

  0 引 言

 

  有關(guān)遙感與化探數據融合技術(shù)的應用和研究,從20世紀90年代至今在成礦預測中取得了大量的成果。1994年, 陳南峰等以浙江新昌拔茅火山巖區為試驗區, 提出了“漏斗勘探原理”, 探討了由遙感TM圖像和化探數據參與預測能取得較好的效果, 并論證了礦產(chǎn)勘查中“遙感先行”的可行性;1996年, 劉福權對吉林省渾江市區域化探異常進(jìn)行了遙感評價(jià)、篩選研究;1998年, 方洪賓等對新疆三區林場(chǎng)金化探異常進(jìn)行了綜合解譯分析和評價(jià), 圈定了多處金礦(化)體;1999年, 廖崇高等[ 4]對蘭坪盆地的線(xiàn)性構造和環(huán)形構造做了詳細定量分析, 并研究了遙感地質(zhì)構造與地球化學(xué)異常的關(guān)系;2003年, 徐國端等[ 5]在新疆沙泉子金礦區通過(guò)對化探和遙感找礦信息的綜合分析, 圈定了4個(gè)具有金礦成礦地質(zhì)異常的找礦靶區;同年, 劉成等[ 6] 對遼南某區Au化探散點(diǎn)數據進(jìn)行了高精度的圖像化,并與遙感圖像疊加, 發(fā)現已知的金礦床和未知的礦化點(diǎn);2005年, 周軍等[ 7] 在新疆東準噶爾地區將化探數據與遙感數據融合, 經(jīng)綜合分析和部分實(shí)地查證, 提出一系列重要找礦地段;同年, 吳德文[ 8] 等闡明了遙感找礦信息與化探異常之間存在套合和藕合兩種空間關(guān)系, 并以新疆東天山地區作為試驗區, 進(jìn)行了遙感與化探數據融合處理的技術(shù)方法研究及試驗應用。

 

  1 遙感與化探數據融合研究概述

 

  1.1 遙感與化探數據融合技術(shù)特點(diǎn)

 

  遙感與化探數據融合符合多元數據融合的特點(diǎn), 其融合后的信息更精確、更完全、更可靠。

 

  根據融合層次的不同, 可分為像素級融合(波段疊加、波段比值、IHS變換、主成分分析等方法)、特征級融合(Bayes統計理論、非監督分類(lèi)、監督分類(lèi)、神經(jīng)網(wǎng)絡(luò )等方法)和決策級融合(最大似然法、知識工程師、專(zhuān)家分類(lèi)器、神經(jīng)網(wǎng)絡(luò )等方法)。

 

  1.2 遙感與化探數據融合常用算法簡(jiǎn)介

 

  對于常用的融合算法, 前人已經(jīng)作了很好的研究, 比如波段比值、主成分分析、非監督分類(lèi)、監督分類(lèi)。比值運算是對多光譜段數據中同名像元的光譜亮度相應值實(shí)施除法運算, 它可以部分地消除陰影影響, 突出某些地物間的反差, 具有一定的影像增強作用;主成分分析方法是常用的一種統計方法, 主要用于進(jìn)行數據壓縮或者減少數據的維數, 它是對一組相關(guān)的變量進(jìn)行線(xiàn)性變換, 得到一組維數不變但是彼此互不相關(guān)的變量, 即得到一組獨立的變量, 它消除了波段間的相互關(guān)系, 減少了各個(gè)波段提供的信息的交叉和冗余, 有利于做進(jìn)一步的分析;非監督分類(lèi)是借助軟件平臺將原始圖形自動(dòng)地進(jìn)行粗略分類(lèi), 便于進(jìn)一步進(jìn)行監督分類(lèi);監督分類(lèi)是借助已有的資料進(jìn)行建模、分類(lèi), 可以運用專(zhuān)家分類(lèi)器進(jìn)行定量的分類(lèi)。

 

  2 遙感與化探數據融合技術(shù)方法

 

  遙感與化探數據融合技術(shù)方法流程從像素級、特征級、決策級3個(gè)層次上實(shí)施, 在每一個(gè)層次上針對特定的目的使用具體的融合算法。

 

  2.1 研究區簡(jiǎn)介

 

  研究所采用的遙感數據是從中國科學(xué)院中國遙感衛星地面站購買(mǎi)的2000年的Landsat-7 ETM+數據, 軌道號為120 /034, 成像日期為06 -12, 參考圖件有1∶50 000膠東地區金礦構造地球化學(xué)圖、1∶50 000山東電子地質(zhì)圖、1∶250 000 山東礦產(chǎn)圖。

 

  2.2 數據預處理

 

  融合前預處理主要包括幾何校正和圖像配準兩部分。數據的預處理是遙感影像融合的基本前提, 它直接關(guān)系到融合的質(zhì)量。波段組合優(yōu)化是由美國查維茨Chavez等(1984)提出最佳指數因子法(optimumindexfactor,OIF)用來(lái)進(jìn)行波段組合優(yōu)化。

 

  2.3 信息提取

 

  2.3.1 構造信息提取

 

  構造信息提取的重點(diǎn)是隱伏構造判別, 隱伏構造信息可以通過(guò)地表地層含水量、水系、地形、巖性等差異特征表現出來(lái), 反映在遙感圖像上就是影紋結構、顏色色調的變化與異常。但這些信息往往被掩蓋在地表物質(zhì)光譜的強反射信息下, 十分微弱, 在原始圖像中不易發(fā)現。筆者經(jīng)過(guò)對系列處理所得成果圖像的比較, 認為經(jīng)主成分分析、去相關(guān)拉伸以及反差增強等處理后的假彩色合成圖像ETM1、ETM2、ETM6、ETM5/ETM7對于提取各類(lèi)線(xiàn)性構造最為有效。

 

  應特別指出的是ETM6波段的應用, 一般認為ETM6的分辨率較低(60m)而不予采用, 但是通過(guò)對物體熱性質(zhì)的分析、Kirchhoff解譯原理、ETM6圖像成像原理的了解, 就可以充分利用巖石的熱性質(zhì)和熱狀態(tài), 與其他ETM波段的反射率信息互相補充以增強和填制巖性, 揭示成礦地質(zhì)條件。

 

  圖2中白線(xiàn)為經(jīng)過(guò)目視解譯的構造信息。經(jīng)查證, 與已知構造信息的吻合率達100%, 圖中的紅色2.3.2 遙感蝕變信息提取蝕變巖石信息與金屬礦床有較高的相關(guān)性, 所提取的蝕變遙感異常作為一種找礦標志參數同樣具獨立性[ 14] 。遙感探測的是地表物質(zhì)的光譜信息, 因此只要有一定面積的蝕變巖石出露, 遙感都有可能測出, 也就是說(shuō), 只要有蝕變巖出露, 就有可能在ETM圖像上有所表現, 當然, 蝕變信息的強弱也很重要。

 

  經(jīng)過(guò)比較分析, 發(fā)現選取ETM1、ETM3/ETM4、ETM5、ETM7疊加后進(jìn)行主成分分析最為有效。

 

  圖3中粉紅色為背景信息, 綠色則為蝕變信息,它與圖2中所指示的蝕變信息位置一致, 由于圖2的處理方法主要是為了提取構造信息, 對于蝕變信息的提取則不夠準確, 但是能夠起到一定的指導作用, 圖3則是專(zhuān)門(mén)提取蝕變信息的, 其結果更加的精確。

 

  2.3.3 化探異常提取

 

  當化探數據中某種元素的含量超過(guò)了它在地殼中的平均豐度時(shí), 它就有可能聚集成礦。而同種元素對應的化探異常在遙感圖像上的反映大致相同,因此, 結合手上已有的化探數據和遙感圖像對圖像進(jìn)行了相關(guān)的預處理(如圖像增強、去相關(guān)拉伸等)后, 以坐標為依據進(jìn)行監督分類(lèi), 將化探異常圖像化, 更加直觀(guān)地反映到圖像上來(lái)。并且為專(zhuān)家分類(lèi)器中規則的確定起到很好的指導作用。

 

  圖4中的深紅色為化探異常信息, 是依據已有的化探數據經(jīng)過(guò)特征級處理后得到的。

 

  2.2.4 專(zhuān)家分類(lèi)器

 

  由于“同物異譜”與“同譜異物"現象的存在, 使僅僅停留在像素級和特征級處理的方法存在了一定的局限性。專(zhuān)家系統作為模擬人類(lèi)組合各種帶有因果關(guān)系知識進(jìn)行推理并得出結論的思維構成, 在遙感圖像的處理中有容錯性極強的特點(diǎn)。在已有的像素級和特征級處理的基礎上進(jìn)行決策級處理將大大提高處理的精度。圖5為專(zhuān)家分類(lèi)器的結果圖, 更準確, 更具有指導作用, 也說(shuō)明了在像素級以及特征級基礎上做決策級的處理, 能更加準確的區分各種地物以及其他想要的信息(如蝕變信息)。專(zhuān)家分類(lèi)器如圖6所示。

 

  3 結 論

 

  通過(guò)對遙感與化探數據融合技術(shù)的研究, 并結合同行的研究經(jīng)驗在招遠金礦區應用示范, 得出以下結論:

 

  1)單一的遙感技術(shù)(如PCA、植被指數、非監督分類(lèi)、監督分類(lèi))在遙感找礦研究中都具有一定的局限性, 而采用多種數據源(如化探、遙感)融合技術(shù)才能達到較好的效果。

 

  2)文章在提取線(xiàn)性構造時(shí)大膽使用ETM6, 結果表明, ETM6 與其他波段的反射率信息互相補充以增強和填制巖性, 揭示成礦地質(zhì)條件, 能很好的指示構造信息。

 

  3)文章提出的一種新的基于3 個(gè)層次(像素級、特征級、決策級)的化探遙感融合方法是一種行之有效的綜合型找礦方法, 特別是決策級專(zhuān)家系統的使用, 可以很好地解決“同物異譜”與“同譜異物"問(wèn)題, 同時(shí)也體現了其容錯性極強和能獲得較高精度的特點(diǎn)。