高光谱矿物识别方法与识别模型

高光谱矿物识别和矿物填图可分为3个层次，即矿物的种类识别、丰度反演和成分识别。种类识别是识别岩石中的矿物组成；丰度反演是反演目标矿物在岩石中的相对含量或含量百分比；成分识别一般是识别矿物中金属离子的相对含量或不同金属离子的含量比。

矿物种类识别矿物分层识别谱系

高光谱矿物识别的基本原理是高光谱遥感数据的重建光谱与矿物标准光谱或实测光谱的定量比对分析。从岩矿信息提取的角度分析，国内外发展的光谱识别方法从本质上可归纳为两大类型：即以重建光谱与标准光谱相似性度量为基础的光谱匹配方法和以矿物学和矿物光谱知识为基础的智能识别方法。

光谱匹配是将重建光谱与参考光谱相比较，以某种测度函数度量它们之间的相似性或相关程度，从而对矿物进行识别的方法。相似性测度函数可以是距离丽数（欧氏距离、马氏距离等）、相似性指数、相关系数、光谱矢量夹角及光谱信息散度等，智能识别方法是以矿物学和矿物光谱知识为基础，选取合适的具有诊断性的光谱特征或具有鉴别能力的光谱参量，结合专家系统方法建立识别规则，对矿物进行识别[4]。有代表性的是美国地调局发展的Tricorder系统，它以特征谱带的拟合度、诊断谱带处连续统的大小及梯度，以及辅助光谱特征作为判别指标进行综合判别。在决策中还考虑了特征强度的归一化、不同鉴别能力的不同特征权重、水气谱带对矿物吸收特征的影响等因素，识别矿物的种类和正确率都比较高，可识别的矿物达40种左右。但由于某些矿物，特别是与成矿作用有关的热液蚀变矿物的波谱特征差异较小，更受到矿物混合光谱等因素的影响，Tricorder系统对一些波谱特征相近的一些矿物仍会出现混淆和误判现象。

]针对像元混合光谱和光谱解混中的诸多不确定性以及端元像元选择困难的问题，从混合光谱与端元光谱的相似性概率理论出发，将斯皮尔曼相关系数和肯达尔一致性系数引人到高光谱矿物识别中，发展了光谱混合极大相关的矿物识别方法，用以识别混合光谱中的主导性矿物，取得了较好的识别效果，并获得发明专利“基于光谱混合组成的高光谱矿物极大相关识别方法”（专利号：Z1 2004 10048343.1）。

目前，基于光谱匹配，包括亚像元匹配形成的矿物识别流程都将每种矿物看作是彼此孤立五不联系的个体，识别中对光谱参量的运用也一视同仁，平等对待，而不论其对不同矿物的敏感性和在不同条件下的稳定性。实际上，根据矿物学和矿物分类学的知识，同类、同族的矿物在化学成分、晶体结构和光谱特征上都有不同程度的相似性。为此，提出建立矿物识别分层谱系的思想：在系统分析矿物光谱的变化规律，评价光谱参量的敏感性与稳定性的基础上，参照或借鉴矿物学的分类方法，在可见一反射红外光谱区间，分别以主要吸收谱带、谱带组合特征、谱带精细特征和谱带变异特征为基础，对矿物依“矿物类一族一种一亚种”逐层进行识别，形成了成像光谱矿物分层识别谱系，构成了实际判别决策过程的树状结构[M1，49]。在由类到具体矿物的识别决策中，所使用特征的精细程度越来越高，但其稳定性和对矿物的诊断性逐渐降低，这样，将识别的不确定性控制在某一类别层次上，从总体上提高了矿物识别的可信度，并提高了处理的自动化水平和批量处理能力5。

该成果获得了国家发明专利“高光谱矿物分层谱系识别方法”（专利号：ZL200410048346.5）。图2为新疆东天山 HyMap航空多光谱Al-OH类矿物分层识别的结果。

在应用过程中，通过对相似矿物精细光谱特征的分析，在识别谱系中进一步发展和引人光谱相似性匹配、光谱指数和混合分解等方法，进一步细化和扩充了高光谱矿物分层识别规则，建立了可集成不同识别算法分层次的识别框架，使可识别的矿物增加到30余种。

矿物丰度识别矿物丰度光谱识别

即是根据测量光谱的某些特征，定性或定量地反演矿物在地质体中相对含量（丰度）的方法。目前，矿物丰度的定量反演方法主要有基于诊断吸收谱带的深度、光谱混合分解和数理统计方法。

反射光吸收谱带的强度（Intensity）是矿物的本征吸收强度（Intrinsic Absorption Strength）、散射特性和矿物丰度的函数川]。矿物混合光谱特征研究结果表明[27]，矿物特征谱带强度与矿物的百分含量基本呈线性相关，利用吸收谱带的强度变化可以近似估计矿物的相对含量。由于混合光谱的影响，不同岩石中矿物的谱带强度与矿物百分含量的关系不同，谱带深度还受到环境因素和光谱重建精度等因素的影响，而具有一定的不确定性[52]统计分析方法最常用的是回归分析和偏最小二乘回归分析[53]，起到了“规一化”或“定标”的作用，将反演的“相对含量”转化为“真实含量”，但需要测量和分析大量的样品。

混合像元分解是目前反演矿物丰度常用的方法[54]，但其存在两大主要问题：一是目前混合分解使用的基本都是线性模型，但在反射光谱区间，矿物光谱混合属于紧致混合，非线型特征明显；二是混合光谱分解得到的“丰度”信息是各端元光谱在混合光谱中所占的比重，是矿物的“光谱丰度”。针对这两大问题，我们采取三大措施对光谱线性混合分解进行改进：一是利用 Hapke 辐射传输模型将光谱反射率转换为单次散射反照率，将光谱的非线性混合转换为“线性混合”；二是用连续统去除方法分离吸收谱带和背景，以减少照度和环境因素的影响；三是加人代表无吸收特征矿物的光谱单次散射反照率为1的端元参加分解，使反演的丰度接近其真实丰度（图3），提高了丰度反演的可靠性。

矿物化学成分反演与地质成因信息分析

白云母、绿泥石是成因矿物学和找矿矿物学研究的两种重要的特征矿物。通过采集不同地点、不同岩性及不同成因的两种样品作实验室测试，研究光谱特征与矿物成分、结构的关系变化，分析其所包含的成因及形成时的温、压信息。采集了新疆东天山地区黄山东铜镍矿超基性岩中的以叶绿泥石为主的绿泥石，香山西和黄山铜镍矿的辉长岩、辉绿岩等基性岩中的铁镁绿泥石，红滩金矿辉长岩、辉绿岩等基性岩中的辉绿泥石，香山西铜镍矿中性闪长岩中的叶绿泥石和铁镁绿泥石、绿泥绢云板岩中的铁镁绿泥石等样品，在实验室测量反射光谱，并用电子探针对其进行化学成分分析。

根据绿泥石颗粒的分析结果，以28个氧原子为标准计算绿泥石的结构式。同时收集了USGS 光谱库中绿泥石的光谱数据与相应的化学分析结果，研究绿泥石的光谱特征与其化学成分以及形成温度之间的相互关系。分析结果表明，绿泥石矿物的Mg八面体配位数、（Fe）/（Fe+ Mg）、Al"等离子数与Mg-OH/Fe-OH基团的谱带位置和光谱吸收深度有一定的相关关系，同时随绿泥石生成温度的升高，Mg-OH/Fe-OH基团的特征吸收位置向长波方向漂移[32]以同样方法研究不同成因类型白云母（绢云母）中四面体Al离子含量、八面体Al离子含量（图4左）、Al，0，重量百分比、（Si）/（Al）（图4右）等参数与2 210 nm附近谱带位置的关系，结果显示谱带位置随白云母中Al"含量的减少，（Si）/（AlV）值的增加而向长波方向漂移[32.57]根据实验结果，用回归分析方法，建立了根据白云母在2 210 nm波长附近谱带位置反演白云母中Al"含量、（Si）/（Al"）等的回归方程（图4）；根据绿泥石3 330 nm附近谱带位置反演Fe、Mg质量分数，（Fe）/（Fe+ Mg）、（Mg）/（Fe’+ + FeZ+）等比值的反演模型。

中热红外多/高光谱数据处理和矿物识别

从“十一五”开始，中国国土资源航空物探遥感中心在反射光谱矿物识别研究的基础上，进一步开展了发射光谱的矿物识别方法研究，将使用的光谱区间由可见一反射红外扩展到中一热红外谱段，以建立全谱段的矿物填图技术体系，目前已取得很多阶段性成果。

（1）定量研究分析了不同大气模式下温度廓线

误差对发射率反演的影响。分析比较了参考通道法、昼夜法、灰体发射率法、比值法、a剩余法、发射率归一化法及温度-发射率分离法等目前国内外所发展的主要发射光谱反演方法，总结了它们的应用条件和优、缺点[，开发了相应的处理程序。

（2）利用JHU 和 ASU光谱数据中138个岩矿样品的发射光谱，以及收集到的火星TES热红外高光谱数据，研究应用发射光谱的矿物识别方法，

运用与反射光谱矿物识别类似的思路，建立了一些造岩矿物和矿石矿物的识别准则

（3）分析研究了克里斯琴森特征（CF）与岩石SiO，含量、SCFM 指数[（SiO，）/（SiO2+ Ca0 +FeO + MgO）]的关系，建立相关模型。

（4）针对ASTER 热红外多光谱数据波段的特点，设计了SiO指数（E1z/81x），建立了其与SiO、含量的统计关系，并利用Si0，指数由 ASTER 热红外多光谱数据定量反演地表岩石SiO含量。在新疆东天山工作区发现了一处原地质图上未予填绘的辉石岩岩体（图5）。