基于局部可变窗口的Crosta蚀变信息提取技术——以莫海拉亨为例

针对常规Crosta技术的不足,本文提出一种基于局部可变窗口的改进方法。改进方法利用局部可变窗口将整幅影像划分为若干个独立统计分析单元,并且在每个独立单元内部排除水体、云、冰雪等干扰信息,然后再进行主成分分析和矿化蚀变异常组分的判断与选择。本次研究以莫海拉亨铅锌矿区为例,利用改进方法进行了矿化蚀变的信息提取和遥感找矿实例分析。结果表明,改进的Crosta方法能有效降低环境噪声,对干扰信息有较强的筛选过滤功能,同时对弱蚀变信息有较强的识别能力。褐铁矿化和硅化是矿区主要的矿化蚀变类型,断裂对成矿的控制作用明显。位于断裂带以及断裂交汇的部位,且铁帽、碳酸盐化和硅化遥感异常重叠的区域是重要的遥感找矿标志。

青海纳日贡玛斑岩型Cu–Mo矿床遥感蚀变异常提取与找矿预测

青海三江北段是我国重要的多金属成矿区带,具有形成大型、特大型金属矿床的赋存条件及地质背景。纳日贡玛矿床是该区带中最为典型的斑岩型Cu–Mo矿床。针对斑岩型矿床的典型蚀变分带特征,利用ASTER数据,采用Crosta技术和比值法进行高岭石化、青磐岩化、黄铁矿化和硅化等遥感蚀变异常信息的提取;通过对ASTER和QuickBird图像的遥感解译,获得花岗斑岩体和断裂构造的空间分布图;根据纳日贡玛矿床的成矿规律和控矿要素,利用遥感数据获得的找矿预测因子,圈定了8个具有良好找矿前景的遥感找矿预测区,并总结出纳日贡玛的遥感蚀变异常分带规律,可为三江北段成矿带中其他斑岩型Cu–Mo矿床的找矿勘查提供重要参考信息。

主成分分析技术在遥感蚀变信息提取中的应用研究综述

主成分分析是目前遥感蚀变异常信息提取常用方法之一,该方法具有对影像大气校正质量要求不高、实现简单、提取效果好、效果稳健等优点,广受地质工作者的青睐。根据输入影像的数量及类型、主成分分析的次数等,本文将主成分分析分为标准主成分分析、特征向量主成分分析、定向主成分分析、二次主成分分析、不同影像间的主成分分析等5种类型。其中,特征向量主成分分析又可细分为4个波段特征向量主成分分析和3个波段特征向量主成分分析。在上述分类的基础上,系统介绍了各种主成分分析及蚀变信息主分量的选择,尤其是对特征向量主成分分析的Crosta技术和定向主成分分析的软落叶技术进行了详细阐述。并以TM/ETM+、ASTER影像为例,对部分应用主成分分析提取蚀变异常信息的实例进行了分析,认为:在基岩裸露区,不同主成分分析都可以很好地提取铁化、泥化蚀变信息;在中、低植被覆盖区,采用标准主成分分析、Crosta技术、改进的Crosta技术、软落叶技术、"掩膜/抑制干扰信息+主成分分析"等方法可以有效地提取蚀变异常信息;高植被覆盖区多采用主成分分析生成的蚀变信息主分量进行彩色合成,再通过对彩色影像进行目视解译的方式判断蚀变的类型和范围。其中,"掩膜+Crosta技术"、"掩膜+软落叶技术"、二次主成分分析等方法在高植被覆盖区也可以取得较好的应用效果;对于干扰信息种类众多、岩性复杂的地区,可根据干扰信息、岩性种类划分成若干个小区,再根据每个小区实际情况采用不同的蚀变提取方法,最后将每个小区内提取的蚀变信息进行合并。

遥感和光谱地质进展及其对矿产勘查的实践应用

根据2009年Economic Geology出版的专辑Remote Sensing and Spectral Geology,近年来发表的相关文献以及研究和应用的实践,对遥感与光谱地质进行了综述。内容从测谱学、TM/ETM和ASTER宽波段遥感应用,到地面和航空高光谱遥感应用与热红外遥感。传统的信息填图主要是解译,现代遥感不仅能提取地质和蚀变信息,还能进行其他手段无法进行的有效填图,结合地球物理、地球化学、野外和实验室光谱等,还能加深对矿床成因的理解。现代光谱地质结合XRF和GPS能够对矿物和蚀变带原地定量填图。TM/ETM从铁氧化物和含羥基矿物来提取矿化蚀变信息,大区域快速圈定成矿靶区。ASTER在粘土区SWIR的5个波段,提供了区分粘土矿物类型和一些硫酸盐、碳酸盐的能力,可以区分粘土、高级粘土、绢英岩和青盘岩,以及方解石和白云石。短波区的3个铁波段可以区分黄钾铁矾与赤铁矿和褐铁矿。障碍是需要校正到反射率来区分这些矿物组合,没有辅助数据很难做到这点,这极大地限制了该仪器作为常规勘探工具的能力。Crosta提供了多元统计方法对蚀变带填图,不需要大气校正。ASTER有5个热波段,像元大、信/噪比低。有能力对硅质岩和碳酸盐填图,但噪音多,并不总是有效。航空高光谱具有矿物填图的实用信/噪比。但航天高光谱Hyperion的信/噪比不能满足勘探和填图的要求。热红外是正在发展、尚未应用的勘探工具,其前景是可对硅质、硅酸盐类和碳酸盐填图。高分辨率遥感图像也为矿区快速评价、矿产勘查以及矿山建设提供了有效的技术支持。最后,结合国内外研究进展,讨论了勘查中的数据选择,给出了建设性的结论。