1. 數據

通過分析研究區巖性與礦化特征，采用Landsat9 OLI、ASTER等多光譜數據，同時為了提高數據空間分辨率，還選取了Airbus CNES影像。

（1）Landsat 9 OLI數據

Landsat 9 OLI數據具有多光譜波段（VNIR-SWIR，30m空間分辨率）和1個全色波段（15m空間分辨率）。采用OLI數據分別進行遙感地質解譯及基于主成分分析的礦化蝕變信息提取。

（2）ASTER數據

ASTER為美國、日本1999年12月聯合發射的Terra衛星所攜帶的遙感器，在可見光/近紅外（VNIR，空間分辨率15m）、短波紅外（SWIR，30m）、熱紅外（TIR，90m）區間共有14個波段，光譜分辨率大幅提高。與Landsat9 OLI多光譜數據相比，VNIR減少了一個波段，但在適合蝕變礦物“診斷性光譜吸收特征”（Diagnostic spectral absorption features）研究的SWIR區間卻增加了4個波段（1.60~2.43μm），使總數達到6個（Landsat數據僅2個波段），可依據巖石、礦物光譜特征選擇各種假彩色合成組合開展解譯。

（3）高光譜數據

GF-5高光譜影像在可見光-短波紅外范圍（400-2500nm）設置了330個波段，空間分辨率為30米。適合開展巖性、礦物詳細填圖。在使用前需對高光譜影像進行大氣校正、幾何校正，RPC正射校正。

2 方法

（1）主成分分析法

主成分分析法（Principal Components Analysis），簡稱 PCA，是適用于多光譜數據的一種蝕變信息提取方法。其原理是在信息總量守恒的情況下，對變量進行線性變換，將多個變量壓縮為互不相關的少數變量，每個主分量都具有不同的地質意義，且信息量逐級減少。通過這種處理可以減少信息的冗余和交叉重復，使數據信息更加豐富且集中，更好的凸顯有用信息，提高信息提取精度。

（2）光譜角填圖法

光譜角填圖技術通過計算一個測試光譜（像元光譜）與參考光譜（實驗室光譜等） 之間的角度來估算兩者之間的相似度（圖1）。

圖1 光譜角度匹配示意圖

假定圖像數據已轉換為暗輻射或程輻射消除后的視反射率， 光譜維數與波段數相等。SAM 通過下式來計算測試光譜ti 與參考光譜ri之間的相似性：

其中： nb等于波段數。兩個光譜之間的相似性不受向量長度及增益的影響， 因而可以減低地形對照度的影響。a為0 到90°。

用SAM礦物填圖方法，可以快速識別光譜庫中的所有已知礦物，并能夠用分類彩色影像來顯示，便于用肉眼直接觀察感興趣礦物的分布范圍。

提取結果分析

對提取結果進行“均值±N*標準差”的閾值分割。其中，針對鐵染蝕變異常信息，令 N 值等于1.5、2、2.5；針對泥化蝕變異常信息，令N值等于2、2.5、3，均將其劃分為一級異常、二級異常、三級異常3個級別。對分級后的蝕變異常進行3×3 的高斯低通濾波以消除椒鹽噪聲，最終得到研究區蝕變異常信息提取結果如下（圖 2）。

圖 2 研究蝕變信息提取結果1

對石英、絹云母、綠泥石、綠簾石進行“均值±N*標準差”閾值分割。非鐵類蝕變異常信息，令 N 值等于2，將結果進行3×3高斯低通濾波后疊合研究蝕變信息提取結果1，得到研究區蝕變信息提取結果2（圖3）。

圖 3 研究區蝕變信息提取結果2

高光譜填圖

本文除了利用多光譜進行填圖還采用GF5數據進行高光譜填圖，跟多光譜的結果相互印證（圖4）。

圖4 高光譜填圖結果圖

綜上所述，基于目前已有資料和已完成的工作得到該地區遙感蝕變綜合找礦信息圖（圖3）、高光譜填圖結果圖（圖4），結果顯示區域內找礦潛力較大，有良好的物源和導礦、儲礦構造條件。