使用ASTER和ENVI进行埃及东部沙漠区域的矿产勘查和蚀变带制图
分享
-
2016-06-20
在埃及东部沙漠地区绘制金矿热蚀变区域，并且根据金矿化的low-potential性质从蚀变区域里识别金矿。结合金矿的地质构造和地质原理，进一步研究金矿蚀变特征，辅助修正金矿开采计划
主要提取方法包括: 波段比值计算, 主成分分析, 最小能量约束(CEM)，并用这些方法评估已知金矿——Sukari金矿（24.95526 N, 34.720242 E ），使用的数据是从NASA获取的ASTER 反射率数据。
地理区域
为了验证方法的可靠性，选择两个勘查区域：Sukari金矿和Abu Marawat 区域，一个是已知的金矿，一个是未知的带勘查区域。
图1：埃及东部Landsat ETM+(7,4,2)假彩色合成图上的Sukari金矿和Abu Marawat区域
方法
蚀变区制图方法可分为三种：传统方法，波谱分析法和混合像元分解法（如：最小能量约束分析法）。每种方法的流程如图2所示，虚线框部分是可选择的分析方法。
图2：蚀变区制图主要流程和方法
(一) 波段比值计算
主要使用两种波段比值方法：
使用ENVI下的Bandmath进行波段运算，如图3为得到的结果。
图3：两种波段比值的RGB合成效果
(二) 矿物指数(Ninomiya, 2003)
主要使用四种指数：
OHI指数代表氧-氢组成的矿物
KLI指数代表是高岭石
ALI指数代表明矾石
CLI指数代表方解石
每一种指数都有一定的阈值以及空间上的聚合，可以利用各种矿物指数识别每一种蚀变矿物并进行蚀变带制图。结合波段比值和主成分分析可以有效的进行蚀变信息提取。
但是我们也看到，矿物指数可以绘制一些矿物的分布，但很难定义区分单一分布的矿物质，而且波段比率的阈值设置依赖于主观条件和经验值。因此，我们需要把高级的光谱分析应用于检测蚀变带及相关矿产勘查活动。
图4：矿物勘查的敏感波段(Sabins, 1999)
(三) 主成分变换的矿物指数
如图5是将主成分变换技术和矿物指数相结合今夕蚀变区域制图。
图5：流程图（X.Zhang，2007）
(四) 最小能量约束技术(CEM)（Harsanyi, 1993）
最小能量约束法（CEM）使用有限脉冲响应线性滤波器（finite impulse response -FIR)和约束条件，最小化平均输出能量，以抑制图像中的噪声和非目标端元波谱信号，即抑制背景光谱，定义目标约束条件以分离目标光谱。
这种方法的主要优势是优势：
(五) “波谱沙漏”方案(Kruse et al., 2003)
这个方案在ENVI中的n维光谱空间将蚀变区域与背景分离，可以使用SAM波谱识别方式或者混合像元分解得到丰度图。
图6：“波谱沙漏”方案
图7：蚀变区域的矿物波谱
图8：ASTER上获取的矿物波谱响应曲线
图9：增强光谱吸收特征
图10：n维光谱空间下获取的丰度图
取得的成果
在Sukari金矿区域利用各种方法进行蚀变区域的监测结果，如图10所示。
• a) Abram亚伯兰的波段比率
• b) Sabins沙宾的波段比率
• c)PCA变换的矿物指数
• d)波段光谱反射率的主成分分析
• e)多维光谱空间特征的混合波谱分析的矿物丰度的主成分分析结果
• f)利用SAM分类鉴定的蚀变带矿物 (红色区域)。
图11：各种方法的识别结果
将这些方法用在Abu Marawat地区，结果如图12所示。
• a）PCA变换矿物指数中监测的黄色区域为矿物蚀变区域；
• b）最小能量约束技术获取的结果图；
• c）利用n维波谱特征空间进行的PCA变换的矿物质分离 (黄色为蚀变区域)；
• d）波段组合为4、6、8对应的光谱沙漏规则影像。
图12：Abu Marawat地区的分析结果
如图13是基于n维空间混合像元分解与波段比值计算方法的波谱差异。
• 图13（a）通过不同组合的波段比值计算获取的结果；
• 图13（b）是通过多维光谱空间上的混合像元分解获取的影像。
在图上的椭圆形的1和3号区域，即影像的右中心位置和右上角位置，通过波段比率计算方法获取的结果在影像有很好的矿物分离。在图上的中-右和右上角的三个“肾”状的岩石，在蚀变区域使用波段比值图像类似的显示颜色时，后者比前者具有更好的分离性。
图13：基于n维空间混合像元分解与波段比值计算方法的结果比较
总结
从上面的结果中可以看到，丰度图的主成分变量要比PCA的矿物指数更加有效和灵活。可以检测出图像中空间位置不明显的稀有金属（例如蚀变信息中次要的富铁部分），但是在背景特征不易探测的情况下表现较差
以上成果归美国圣路易斯大学地球和大气科学系的Abduwasit Ghulam博士
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d01011sg9.html
主要提取方法包括: 波段比值计算, 主成分分析, 最小能量约束(CEM)，并用这些方法评估已知金矿——Sukari金矿（24.95526 N, 34.720242 E ），使用的数据是从NASA获取的ASTER 反射率数据。
地理区域
为了验证方法的可靠性，选择两个勘查区域：Sukari金矿和Abu Marawat 区域，一个是已知的金矿，一个是未知的带勘查区域。
图1：埃及东部Landsat ETM+(7,4,2)假彩色合成图上的Sukari金矿和Abu Marawat区域
方法
蚀变区制图方法可分为三种：传统方法，波谱分析法和混合像元分解法（如：最小能量约束分析法）。每种方法的流程如图2所示，虚线框部分是可选择的分析方法。
图2：蚀变区制图主要流程和方法
(一) 波段比值计算
主要使用两种波段比值方法：
- 比率 (RGB:5/7, 3/1, 3/5) (Sabins, 1997)
- Abrams 比率 (RGB:5/7 ， 4/5, 3/1) (Abrams, 1983)
使用ENVI下的Bandmath进行波段运算，如图3为得到的结果。
图3：两种波段比值的RGB合成效果
(二) 矿物指数(Ninomiya, 2003)
主要使用四种指数：
- OHI = (band7/band6)*(band4/band6)
OHI指数代表氧-氢组成的矿物
- KLI = (band4/band5)*(band8/band6)
KLI指数代表是高岭石
- ALI = (band7/band5)*(band7/band8)
ALI指数代表明矾石
- CLI = (band6/band8)*(band9/band8)
CLI指数代表方解石
每一种指数都有一定的阈值以及空间上的聚合，可以利用各种矿物指数识别每一种蚀变矿物并进行蚀变带制图。结合波段比值和主成分分析可以有效的进行蚀变信息提取。
但是我们也看到，矿物指数可以绘制一些矿物的分布，但很难定义区分单一分布的矿物质，而且波段比率的阈值设置依赖于主观条件和经验值。因此，我们需要把高级的光谱分析应用于检测蚀变带及相关矿产勘查活动。
图4：矿物勘查的敏感波段(Sabins, 1999)
(三) 主成分变换的矿物指数
如图5是将主成分变换技术和矿物指数相结合今夕蚀变区域制图。
图5：流程图（X.Zhang，2007）
(四) 最小能量约束技术(CEM)（Harsanyi, 1993）
最小能量约束法（CEM）使用有限脉冲响应线性滤波器（finite impulse response -FIR)和约束条件，最小化平均输出能量，以抑制图像中的噪声和非目标端元波谱信号，即抑制背景光谱，定义目标约束条件以分离目标光谱。
这种方法的主要优势是优势：
- 通过自定义端元波谱来消除混合背景波谱和高亮目标波谱
- 可执行局部混合分解
(五) “波谱沙漏”方案(Kruse et al., 2003)
这个方案在ENVI中的n维光谱空间将蚀变区域与背景分离，可以使用SAM波谱识别方式或者混合像元分解得到丰度图。
图6：“波谱沙漏”方案
图7：蚀变区域的矿物波谱
图8：ASTER上获取的矿物波谱响应曲线
图9：增强光谱吸收特征
图10：n维光谱空间下获取的丰度图
取得的成果
在Sukari金矿区域利用各种方法进行蚀变区域的监测结果，如图10所示。
• a) Abram亚伯兰的波段比率
• b) Sabins沙宾的波段比率
• c)PCA变换的矿物指数
• d)波段光谱反射率的主成分分析
• e)多维光谱空间特征的混合波谱分析的矿物丰度的主成分分析结果
• f)利用SAM分类鉴定的蚀变带矿物 (红色区域)。
图11：各种方法的识别结果
将这些方法用在Abu Marawat地区，结果如图12所示。
• a）PCA变换矿物指数中监测的黄色区域为矿物蚀变区域；
• b）最小能量约束技术获取的结果图；
• c）利用n维波谱特征空间进行的PCA变换的矿物质分离 (黄色为蚀变区域)；
• d）波段组合为4、6、8对应的光谱沙漏规则影像。
图12：Abu Marawat地区的分析结果
如图13是基于n维空间混合像元分解与波段比值计算方法的波谱差异。
• 图13（a）通过不同组合的波段比值计算获取的结果；
• 图13（b）是通过多维光谱空间上的混合像元分解获取的影像。
在图上的椭圆形的1和3号区域，即影像的右中心位置和右上角位置，通过波段比率计算方法获取的结果在影像有很好的矿物分离。在图上的中-右和右上角的三个“肾”状的岩石，在蚀变区域使用波段比值图像类似的显示颜色时，后者比前者具有更好的分离性。
图13：基于n维空间混合像元分解与波段比值计算方法的结果比较
总结
从上面的结果中可以看到，丰度图的主成分变量要比PCA的矿物指数更加有效和灵活。可以检测出图像中空间位置不明显的稀有金属（例如蚀变信息中次要的富铁部分），但是在背景特征不易探测的情况下表现较差
以上成果归美国圣路易斯大学地球和大气科学系的Abduwasit Ghulam博士
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d01011sg9.html
