0 引 言

 

  有關遙感與化探數據融合技術的應用和研究,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行了遙感評價、篩選研究;1998年, 方洪賓等對新疆三區林場金化探異常進行了綜合解譯分析和評價, 圈定了多處金礦(化)體;1999年, 廖崇高等[ 4]對蘭坪盆地的線性構造和環形構造做了詳細定量分析, 并研究了遙感地質構造與地球化學異常的關系;2003年, 徐國端等[ 5]在新疆沙泉子金礦區通過對化探和遙感找礦信息的綜合分析, 圈定了4個具有金礦成礦地質異常的找礦靶區;同年, 劉成等[ 6] 對遼南某區Au化探散點數據進行了高精度的圖像化,并與遙感圖像疊加, 發現已知的金礦床和未知的礦化點;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, 經綜合分析和部分實地查證, 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系, 并以新疆東天山地區作為試驗區, 進行了遙感與化探數據融合處理的技術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特點

 

  遙感與化探數據融合符合多元數據融合的特點, 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、監督分類、神經網絡等方法)和決策級融合(最大似然法、知識工程師、專家分類器、神經網絡等方法)。

 

  1.2 遙感與化探數據融合常用算法簡介

 

  對于常用的融合算法, 前人已經作了很好的研究, 比如波段比值、主成分分析、非監督分類、監督分類。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, 主要用于進行數據壓縮或者減少數據的維數, 它是對一組相關的變量進行線性變換, 得到一組維數不變但是彼此互不相關的變量, 即得到一組獨立的變量, 它消除了波段間的相互關系, 減少了各個波段提供的信息的交叉和冗余, 有利于做進一步的分析;非監督分類是借助軟件平臺將原始圖形自動地進行粗略分類, 便于進一步進行監督分類;監督分類是借助已有的資料進行建模、分類, 可以運用專家分類器進行定量的分類。

 

  2 遙感與化探數據融合技術方法

 

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

 

  2.1 研究區簡介

 

  研究所采用的遙感數據是從中國科學院中國遙感衛星地面站購買的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圖、1∶50 000山東電子地質圖、1∶250 000 山東礦產圖。

 

  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, 它直接關系到融合的質量。波段組合優化是由美國查維茨Chavez等(1984)提出最佳指數因子法(optimumindexfactor,OIF)用來進行波段組合優化。

 

  2.3 信息提取

 

  2.3.1 構造信息提取

 

  構造信息提取的重點是隱伏構造判別, 隱伏構造信息可以通過地表地層含水量、水系、地形、巖性等差異特征表現出來, 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光譜的強反射信息下, 十分微弱, 在原始圖像中不易發現。筆者經過對系列處理所得成果圖像的比較, 認為經主成分分析、去相關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對于提取各類線性構造最為有效。

 

  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, 但是通過對物體熱性質的分析、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和熱狀態, 與其他ETM波段的反射率信息互相補充以增強和填制巖性, 揭示成礦地質條件。

 

  圖2中白線為經過目視解譯的構造信息。經查證, 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, 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。

 

  經過比較分析, 發現選取ETM1、ETM3/ETM4、ETM5、ETM7疊加后進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則是專門提取蝕變信息的, 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了它在地殼中的平均豐度時, 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行了相關的預處理(如圖像增強、去相關拉伸等)后, 以坐標為依據進行監督分類, 將化探異常圖像化, 更加直觀地反映到圖像上來。并且為專家分類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過特征級處理后得到的。

 

  2.2.4 專家分類器

 

  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。專家系統作為模擬人類組合各種帶有因果關系知識進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。在已有的像素級和特征級處理的基礎上進行決策級處理將大大提高處理的精度。圖5為專家分類器的結果圖, 更準確, 更具有指導作用, 也說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)。專家分類器如圖6所示。

 

  3 結 論

 

  通過對遙感與化探數據融合技術的研究, 并結合同行的研究經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(如PCA、植被指數、非監督分類、監督分類)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)融合技術才能達到較好的效果。

 

  2)文章在提取線性構造時大膽使用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, 特別是決策級專家系統的使用, 可以很好地解決“同物異譜”與“同譜異物"問題, 同時也體現了其容錯性極強和能獲得較高精度的特點。