(壹)圖像預處理
本次研究所用ASTER數據的產品等級為1B和3A01，數據經過了傳感器相關系數輻射校正。在幾何精校正過程中，校正控制點主要來源於研究區70年代完成的1∶100000地形圖，地形圖精度不高，因此控制點的總平均誤差控制在兩個像素以內。
根據ASTER礦物指數處理手冊的數據處理程序，對暗像元進行校正，消除大氣散射對圖像的影響。根據直方圖，找出每個波段中具有最小值的像素，該像素在每個波段中的最小值代表或類似於大氣輻射的影響，可以減去具有最小值的像素。經過暗像元處理後，ASTER圖像相當於壹次背景值濾波，使得短波紅外區特征更加明顯，有利於提取礦物指數，從而提取巖礦信息。
由於研究區下墊面因素復雜，需要排除雲、雪、植被等復雜下墊面因素對基巖信息的幹擾，而掩膜圖像處理技術可以有效地扣除這些幹擾信息。具體處理過程如下:首先從植被、雲和雪覆蓋的原始圖像中提取植被的NDVI指數，制作NDVI指數圖像，然後制作植被0-1掩膜，再制作雲和雪0-1掩膜。最後將植被掩膜與雲和雪掩膜圖像疊加，在此基礎上進壹步處理有用信息，制作掩膜圖像。掩模圖像的效用有兩個方面:壹是壓縮圖像處理樣本的統計空間，使有用信息相對增強，二是消除幹擾信息可能造成的假異常。
(2)巖礦信息的提取方法
可見-近紅外波段對赤鐵礦、針鐵礦、黃鉀鐵礬等氧化鐵敏感，短波紅外波段可探測粘土和層狀矽酸鹽礦物的特征吸收，實現更精細的礦物巖石鑒定。在熱紅外光譜中，8～14 μm是最佳的大氣窗口。在熱紅外範圍內，隨著矽酸鹽巖石中SiO2 _ 2含量的降低，巖石的寬吸收帶有系統地向長波方向移動，從而可以探測到SinOk、SO4、CO3、PO4等原子團的基頻振動及其微小變化，並容易識別矽酸鹽、硫酸鹽、碳酸鹽、氧化物和氫氧化物等礦物。使困擾遙感地質的巖石識別成為可能，大大拓寬了巖礦遙感識別的廣度和深度，從而彌補了連續波段高光譜在熱紅外光譜域的不足，使ASTER遙感技術成為巖礦識別的重要補充手段。
本實驗采用的主要信息提取方法包括基於掩膜圖像的主成分分析法、礦物指數法和光譜角制圖法。
對於所有ASTER數據，常規圖像用通道7、3、1(紅、綠、藍)的假色合成。雖然植被的信息是突出的，但這種合成方案有利於後續用戶通過將地圖與其他信息進行比較來區分地質體的顏色異常和來自植被的幹擾異常。這類圖像中通常的規律是，藍色調的多為碳酸鹽，紫色調的亞鐵含量相對較高。主成分圖像通常采用4 ~ 9個波段的主成分分析。根據實驗結果選擇不同的主成分，其中3、4、5等弱信息主成分使用較多。
1.主成分分析
主成分分析是遙感地質中最有效和最常用的圖像信息提取方法之壹。它將原始遙感數據集轉化為非常小且易於解釋的無關變量，這些變量包含了原始數據中的大部分信息。通過正交變換，去除多波段圖像中的相關信息，使新的分量圖像互不相關，包含不同的地物信息。這是壹種重要的圖像增強方法。
在這項研究中，預處理掩模圖像用於主成分分析。通過對原始圖像進行主成分變換，得到了SWIR系統在4 ~ 9波段的5幅主成分圖像。將PC3、PC4和PC5的主成分分別置於綠色、紅色和藍色圖像層，生成主成分合成圖像，並與高空間分辨率的VNIR分段圖像融合，生成新的主成分彩色合成圖像。與傳統的彩色紅外合成圖像相比，主成分合成圖像的色差可以識別更細微的巖性差異。
從圖9-6中不難看出，掩膜前後的圖像采用了相同的主成分組合方案，但掩膜後的主成分圖像細節更加突出，突出了中三疊統腦倉澗溝組(T2n)的板巖(藍色調帶)。
2.礦物指數法
ETM數據只能提供鐵錳成分異常、羥基蝕變礦物異常等壹些籠統的信息，而ASTER的波段劃分更加細致，可以提供更加明確的礦物信息。常見礦物的特征吸收波段集中在2 ~ 2.3微米之間(圖9-1)，即紫菀的5 ~ 9波段之間。ASTER的4波段雖然沒有特征吸收，但卻是地質體反射率統計差異最大的遙感窗口。目前國際上流行的礦物指數方法有很多，主要是根據這些礦物的特征吸收波段的波長位置及其與ASTER波段設置的關系，通過簡單的比值計算得到，如澳大利亞科學技術研究所(CSIRO)和美國地質調查局(圖9-7)在ASTER礦物指數處理手冊中收集的壹些常用的礦物指數。
圖9-6溫泉庫區ASTER掩膜主成分分析圖像
(短波紅外波段4 ~ 9的4、3、5主成分合成圖像)
波段比值是提取光譜信息的壹種有效方法。根據代數運算原理，當波段間差異相近，但斜率不同時，對反射波段和吸收波段進行比值處理，可以增強各種巖性間的光譜差異，抑制地形的影響，顯示動態範圍。波段比通常是在多光譜傳感器產生的大氣路徑輻射或疊加偏移初步校正的基礎上，通過兩個波段對應像元的亮度值之比或幾個波段組合對應像元的亮度值之比得到的。通常選擇特定目標的最小或最大反射或輻射波段作為比值波段。兩個波段之間的光譜輻射的差異通常被稱為光譜曲線的斜率。同壹波段上不同特征的斜率有大有小，有正有負。比值法是為了增強不同特征和巖石之間的這種細微差別。因此，基於巖石和礦物的特征光譜，采用合適的波段比進行彩色合成，可以增強巖性和蝕變帶的信息，有利於蝕變信息的提取。
我們選取了20種礦物配比進行實驗應用，在圖像處理軟件中進行批量處理，然後根據特定的地質背景和圖像質量進行篩選，取得了良好的應用效果。特別是對粘土礦物的蝕變和層狀矽酸鹽礦物的巖性識別非常有效，對巴顏喀拉群淺變質巖的巖性劃分有很好的應用效果。
所選用的遙感礦物指標描述如下:
(1)波段12/波段13比值:基本指數(BDI)。據澳大利亞科技組織Bierwith稱，BDI與巖石中的二氧化矽含量有很好的負相關關系。高亮度是堿性成分高的地質體，低亮度是酸性地質體，能很好地反映地質體的堿性程度。在東大灘銅礦區花崗巖外接觸帶和前寒武紀變質巖區，BDI顯示出良好的異常及其與銅礦的關系。
(2)14帶/12帶比值:富石英巖異常。異常效果好，是矽化蝕變的重要依據。該指標異常普遍存在於昆侖山巴顏喀拉群和溫泉水庫以西的下二疊統地層中，表明它們都是壹套高矽質淺變質巖系。在Cabanuldo南部，沙子顯示出高二氧化矽含量的正異常。此外，高山冰緣地區土壤水分的垂直分帶現象也會造成堿度指數或二氧化矽指數的假異常，往往沿等高線分布。
(3)13/14波段比值:碳酸鹽巖異常。由於熱紅外通道14噪聲較大，該比值應用效果不理想，僅在溫泉水庫和昆侖山顯示較好。
(4)4帶/5帶比值:鋁土礦異常。Bierwith定義為鋁土礦，Volesky定義為矽酸鹽蝕變。高濃度異常的大範圍分布通常具有重要的找礦意義。
圖9-7 Aster礦物指標處理手冊中常見礦物指標匯總
(5)波段5/波段3+波段1/波段2比值:含鐵異常。這個比例需要謹慎對待，尤其是在高山地區。雪在1波段的高反射往往造成假異常，需要結合常規合成影像進行分析。
(6) Band 4/ Band 2比值:異常鐵帽。實驗區成像效果較差，未發現有意義的異常，但由於鐵帽的找礦意義及其負異常特征突出，有必要保留該指標。
(7)帶7/帶5比值:高嶺土礦物異常，比值具有高度不確定性。河谷中的條帶狀分布異常可能與表生作用下的風化高嶺土有關，大面積的塊狀異常具有內生蝕變礦物的意義。
(8)(帶4+帶6)/帶5比值:明礬石和高嶺土指數。該異常在那赤臺萬寶溝群中大面積出現，但在現場屬於矽化大理巖異常。
(9)帶7/帶6比值:白雲母異常。白雲母在2.2μm (ASTER波段6)附近的特征吸收強，實踐證明該指標靈敏，對板巖具有良好的識別能力。
(10)(條帶5×條帶7)/(條帶6×條帶6)比值:粘土礦物異常蝕變。找礦標誌明顯，該異常存在於水泥廠東北側。
(11)(帶7+帶9)/帶8比值:碳酸鹽-綠泥石-綠簾石組合異常。主要分布在1 ∶ 5萬水泥廠東北部和溫泉水庫西部。可與13/14波段比值圖像中的碳酸鹽異常進行對比，進壹步區分碳酸鹽異常與綠泥石-綠簾石異常。
(12)帶5/帶6比值:聚矽酸鹽雲母異常。
(13)(帶5+帶7)/帶6比值:異常絹雲母-白雲母-伊利石組合。該組礦物的高濃度異常具有明確的找礦意義，但大面積異常通常意味著變質巖區的片巖，如內蒙古狼山地區，與該區的偉晶巖化、雲母片巖、板巖等區域變質或侵入接觸變質有關。在東昆侖實驗區也有很好的效果。昆侖山巴顏喀拉群和溫泉水庫以西的下二疊統有大面積的這種礦物異常。
必須指出的是，在實際的信息提取過程中，白雲母和高嶺土的異常往往在空間上相互伴隨，這種情況出現在昆侖山和1∶250000填圖區北部，很可能只是壹種異常。在變質巖區，可能只有白雲母，沒有高嶺土。從圖9-1不難看出，高嶺石和白雲母的特征吸收帶都出現在ASTER的第六通道，波長位置的細微差異可能是ASTER礦物指數法容易混淆的原因。1∶50000測區東北部的異常也相似，綠簾石、綠泥石、角閃石、碳酸鹽均有異常。事實上，這些異常都出現在第八通道附近，這些礦物都有很強的吸收帶。這種情況可能只是碳酸鹽，但它們明顯不同於典型的碳酸鹽(731為藍色調)。
然而，礦物指數法在實際應用中存在壹些問題。從典型礦物曲線和ASTER譜帶的對比中不難看出，可能存在幾個易混淆的礦物群，如高嶺土-白雲母和方解石-白雲石-綠簾石-綠泥石-角閃石。因此，集中在第六和第八通道的異常，只能說明存在某壹礦物類別的顯著異常，而不能明確說明是哪壹種礦物。在復雜條件下，只能確定礦物類型，在此基礎上進行野外驗證，確定礦物類型。
在熱紅外範圍內，巖石的二氧化矽含量與Si-O2振動強吸收帶的波長位置成反比，這是ASTER識別矽酸鹽巖石的基本依據。另外，ASTER的14波段碳酸鹽巖的強吸收也是識別該類巖石的基本依據，但14通道的紅外輻射能量最弱，應用效果不理想。
3.光譜角度映射法
光譜角映射法(SAM)是Boardman開發的算法程序，壹般用於高光譜圖像的監督分類。在該方法中，給出壹系列光譜記錄來逐壹定義每種巖石類型，並將每個像素視為N維圖像數據庫空間中的壹個向量，計算與光譜數據庫中光譜數據記錄(參考光譜)的向量夾角。如果像素光譜與光譜記錄(參考光譜)的光譜角相匹配，則可以歸為這類巖石。SAM方法的優點是只考慮像元光譜與參考光譜的相似性，不考慮像元相對亮度的影響，在壹定程度上改善了陰影或土壤水分的幹擾，因為角度匹配時不考慮矢量模的大小。
這種方法的應用條件是必須對圖像數據的反射率進行反演，使像素的“表觀反射率”與光譜數據庫中的參考光譜相匹配。但在實際應用中，由於大氣條件、圖像質量等多種原因，很難完成反射率反演的科學程序，限制了該方法的實際應用。由於ASTER數據質量不理想，參考光譜是典型的像元光譜。
光譜角填圖法實驗區選在納赤臺北部東昆中斷裂帶附近的花崗巖內外接觸帶(圖9-8)。實驗選取了五種典型巖石，構成了參考光譜數據庫。提取的像元光譜為1 ~ 9波段。根據這壹波段曲線，它們光譜角差異最大的區間分布在4 ~ 9波段的近紅外-短波紅外波段，因此將其作為6維向量空間進行SAM處理，角度匹配的閾值為5度。從結果中可以看出，SAM法不僅可以克服花崗巖中不同亮度值的影響，而且可以在陰影中進行分類，可以區分出常規合成圖像中容易混淆的白雲石(藍色)和高嶺土(黃色)。而萬寶溝群部分巖性剖面被劃為花崗巖(紅色)，說明該方法無法區分“同譜非均質地質體”。
圖9-8納赤臺北部ASTER數據4 ~ 9通道光譜角制圖
光譜以上角度映射結果；中間圖像ASTER 7、3和1的常規合成圖像；基於像素的下分類參考光譜
描述:橫軸為ASTER1-9波段；垂直軸是像素的表觀反射率。
二、IRS-P6遙感礦產指數測試
IRS-P6在地質方面的應用國內外報道較少，主要是其波段分布有限，尤其是短波紅外範圍的設置，因此缺乏識別羥基地質體信息的能力(表9-7)，但其地面分辨率高於ETM，在ETM數據缺乏或質量較差的情況下，可作為替代數據資源。本實驗還對比值指標在地質填圖中的應用效果進行了初步應用。
表9-7 P6國稅局和ETM國稅局的頻段設置比較
在可見光和近紅外範圍內，鐵的特征吸收是光譜中的主要因素。根據常見氧化鐵礦物的吸收特征，對於三價鐵在0.9μm附近的寬而慢的吸收帶，帶2和帶3很好地反映了這裏的吸收特征。因此，選擇CH2/CH3作為氧化鐵礦物的指標。如果沒有氧化鐵礦物，吸收帶就不存在，這個比例會很低。使用的幾個比率指數如下:氧化鐵礦物CH2/CH3；；二價鐵或暗色巖系的特征CH1/CH4平；根據碳酸鹽巖CH1/CH2，碳酸鹽巖中普遍缺乏鐵礦物，缺乏鐵礦物在近紫外範圍內強電子躍遷引起的吸收。
但在卡巴努爾多南部的部分地區，采用了4/3.2/3和1/2的幾種配比組合，對於該地區廣泛分布的板巖，這是根據測試結果做出的選擇。
IRS-P6的應用效果不如ETM，但按上述比例合成的假彩色圖像在解譯應用中也可以取長補短。比如溫泉儲層西部，IRS-P6的巖性信息更壹般，而ETM由於加入了短波紅外信息，不適合解釋。
三、Hyperion遙感信息提取方法
由於高光譜遙感具有多波段、光譜分辨率高的特點，高光譜的窄波段可以有效區分礦物的吸收特征，利用各種礦物和巖石在電磁波譜上的診斷光譜特征可以識別礦物，使礦物識別和區域地質填圖成為高光譜技術的主要應用領域之壹。
為了實現研究區巖礦的高光譜遙感識別和分類，考慮到研究區復雜的地質、地貌、氣候和地表覆蓋對采用的遙感影像的影響，在高光譜巖礦制圖中采用了地面光譜和影像光譜相結合的處理分析方法。
(1)巖石光譜測量
為了最大限度地滿足光譜測量精度的要求，本次野外光譜測量使用的儀器是美國ASD公司的最新產品，FieldSpec FR便攜式地物光譜儀(圖9-9)。該儀器的主要參數見表9-8。該儀器不僅具有便攜、高速、高信噪比、高可靠性、高重復性、操作簡單、軟件包功能強大等特點，而且可以實時測量和觀測輻射、輻射、CIE顏色、反射和透射。
圖9-9現場光譜采集
數據采集軟件采用美國ASD公司的FieldSpec FR數據采集分析軟件包。該軟件具有速度快、實時測量、操作界面簡單、靈敏度高、功能強大等優點。另外，它所獲得的數據可以被ENVI軟件直接讀取，對後期的數據處理過程有很大的促進作用。
由於研究區特殊的地理位置和復雜的氣候條件，以及多變的氣候，考慮到許多不利因素對光譜采集質量的影響，我們於2008年7月進行了野外光譜數據采集。此時該地區的大氣、空氣濕度、風、光、雲量等條件適合野外光譜數據采集，采集的數據與選取的遙感影像數據具有良好的時間匹配性，滿足研究精度和制圖的要求。
為了最大限度地滿足高光譜遙感礦產填圖的要求，采用野外和室內測量相結合的測量方法。此外，選擇幾個有代表性的開放區域作為研究區域的平坦區域，並進行多次重復測量。
野外采集了包括花崗巖、變質巖、流紋巖、千枚巖、大理巖、板巖、頁巖、鐵礦、銅礦、金礦、鉛礦、鋅礦等65，438+000多種不同類型、不同狀態(如風化面和新鮮面)的巖礦，並通過系統編號建立了各種巖礦及其相互關系。
表9-8 Field Spec FR便攜式地物光譜儀相關參數
圖9-10現場實測光譜數據庫
(2)礦物光譜測量
利用南京地質調查中心研制的BJKF-III便攜式近紅外礦物分析儀，測量礦化樣品的光譜曲線，得到典型的蝕變礦物，包括方解石(圖9-11a)、高嶺石(圖9-11b)和綠泥石(圖9-65438)。黃銅礦是銅的硫化礦，具有不透明礦物的典型特征，難以遙感識別，而孔雀石具有二價銅離子引起的特征吸收帶。
圖9-東大灘銅礦典型礦物光譜曲線+01
通過對駝路溝鈷金礦的野外調查和采樣，利用便攜式近紅外礦物光譜儀對樣品進行了光譜測量，進壹步驗證了遙感影像中孔雀石和黃鉀鐵礬等礦物信息的提取(圖9-12)。同時，在駝路溝礦區的斷裂帶中也檢測到遙感影像無法解譯的石膏等礦物(圖9-12d)。
(3)數據預處理
Hyperion高光譜數據經過了壹系列的處理過程，如斑點去除、回波校正、背景去除、輻射校正、壞像元恢復、圖像質量檢查等。用戶獲得的數據應該不再有壞像素或壞條紋，但實際上它們仍然存在。在圖像應用之前，必須對圖像進行預處理，以校正異常像素。預處理主要包括去除未定標和受水汽影響的波段、絕對輻射值轉換、壞線修復和誤差波段去除、反射率定標和大氣校正。
1.移除未校準和受水汽影響的波段。
在Hyperion數據中的242個波段中，輻射定標後實際上只有196個波段是獨立的，但有些波段受水汽影響嚴重，無法應用，去除後只有158個波段可用(表9-9)。
2.絕對輻射值轉換
Hyperion的L1乘積數據集記錄為有符號整數數據，數值範圍為-32767 ~+32767。但實際上地物的輻射值很小，產品生成時對VNIR和SWIR波段采用了展開因子，系數分別為40和80。因此，需要將圖像的亮度值轉換為絕對輻射值，並將VNIR和SWIR波段分別劃分為40和80，以生成絕對輻射值圖像。
圖9-12駝路溝鈷金礦床典型礦物光譜曲線
表9-9拒絕和保留波段
3.修復壞線和去除誤差帶。
由於Hyperion傳感器個別通道存在不良探測器元件，圖像中出現異常數據，DN值為零或很小，稱為死像素列，即壞線。用相鄰行或列的平均值修復壞線。壞線修復前後效果見圖9-13。
Hyperion光譜儀采用推掃式對地觀測模式，因此系統中CCD的排列與軌道方向垂直。由於不同行的傳感器光譜響應值不同，光譜入射時，每個光譜段上會出現垂直條紋，即列條紋噪聲。條紋嚴重影響圖像質量和實際應用，因此在應用中有必要去除條紋噪聲。
本項目采用ENVI軟件中的傅裏葉變換和聯合概率濾波平滑方法去除圖像的條紋噪聲，並采用MNF對效果進行評價。修復效果見圖9-14。
圖9-13 VNIR第56波段壞線修復前後圖像
圖9-14移除垂直條紋前後的圖像比較
4.反射率校準
高光譜遙感數據定標的首要任務是對成像光譜儀進行定標，將遙感器探測到的數據轉化為絕對亮度或與地表反射率、地表溫度等物理量相關的相對值。從原始圖像中提取的光譜曲線是太陽輻射和大氣輻射相互作用的結果。這些光譜輪廓曲線是相似的，代表輻射亮度曲線，而不是反射率光譜曲線。因此，需要將輻亮度曲線轉換為反射光譜曲線，以消除大氣吸收、散射、地形起伏和傳感器誤差等各種畸變對數據的影響，恢復地物光譜數據的原貌。將影像的輻亮度值轉化為表觀反射率的過程稱為反射率定標或地物光譜重建。
主要的標定方法有平場標定、內部平均相對反射率標定和經驗線性標定。本研究主要將基於大氣輻射傳輸理論的FLAASH定標模型用於星載高光譜數據，並對其進行了分析和總結，取得了良好的應用效果。
5.大氣改正
遙感衛星傳感器接收的反射和發射的能量輻射在傳輸過程中需要穿過大氣，使得高光譜遙感圖像記錄了包括地面反射光譜信息和大氣輻射傳輸效應引起的地面反射輻照度變化的綜合信息。大氣校正的目的是消除大氣和光照對地物反射的影響，獲得真實的地表物理模型參數，如地物的反射率、發射率、表面溫度等。圖像是否需要大氣校正，主要取決於圖像的質量和用途。對於空間分布均勻的影像，如果只使用單時影像數據進行分類，由於大氣對分類的影響是壹致的，因此不需要進行大氣校正。對於空間分布不均勻的圖像，如某些區域有霧或雨，需要校正大氣的影響。因此，將代表反射率亮度的原始遙感影像的DN值數據轉換成反射率數據，對遙感數據的正確使用進行定量分析和信息提取，是非常重要的。由於本次研究采用實測地物光譜與USGS光譜庫標準光譜相結合的方法進行識別分類，因此需要進行大氣校正。
目前基於大氣輻射傳輸理論的輻射修正模型主要有:5S、6S、ATREM、MODTRAN、ACORN、FLAASH。根據Hyperion高光譜數據的特點，本項目主要利用ENVI軟件中的FLAASH模塊進行大氣校正。
為了驗證FLAASH大氣校正的效果，如圖9-15比較了校正前後雪、巖、水的混合光譜曲線，並將野外實測的光譜曲線與校正後圖像的光譜曲線進行了比較，總體效果良好。
圖9-15大氣校正前後雪、巖石和水的光譜曲線對比
6.幾何校正
圖像預處理的最後壹步是圖像的幾何校正。本次研究采用1 ∶ 10000的地形圖，采用二次多項式和雙線性插值重采樣方法。* * *選擇了17個控制點來校正高光譜數據的幾何精度。
(4)圖像拼接和裁剪
本項目* * *訂購東大灘地區5個場景的Hyperion數據，其中夏季采集KL2和KL3場景，冬季采集KL4-KL6場景，地物顏色差異較大，拼接時必須進行配色。由於Hyperion數據覆蓋範圍寬7.7km，長85km，南北覆蓋區域較長，在應用中需要進行裁剪。鑲嵌和裁剪後的數據覆蓋範圍見圖9-5。
(5)信息提取
經過去除未校正和受水汽影響的波段、轉換絕對輻射值、修復不良線條和條紋、去除微笑效應、大氣校正和幾何精度校正，得到反射率數據。使用光譜分析工具Spectral Analyst識別礦物，選用美國地質調查局的光譜庫，包含近500種礦物光譜，波長範圍為0.4~2.5μm m..此次主要以USGS光譜庫作為端元光譜，結合野外實測光譜曲線，以純影像原始指數法(PPI)作為輔助方法提取端元光譜。最後，采用光譜角度映射法和光譜特征擬合法進行映射。
本項目各類遙感影像覆蓋面積為18850km2。除了風成黃土、植被、積雪、草甸土、陰影和冰緣凍融產生的碎屑坡的幹擾外，從其他區域提取了大量的巖石、構造和礦化蝕變信息。實地驗證表明，不同的遙感數據都能有效提取地質信息，但適用範圍和提取的信息量不同。本項目選擇玉珠峰山溫泉庫區和巴顏喀拉群分布區，在那赤臺地區開展ASTER遙感巖性填圖和Hyperion高光譜礦物填圖實驗，以評價ASTER和Hyperion遙感信息在我國尚未普及但具有較大應用前景的巖性和礦物填圖中的應用潛力。