试用主分量分析方法提取澜沧江兰坪地区铜矿化蚀变遥感信息 蚀变遥感异常信息提取
李昌国 张玉君
（地矿部航空物探遥感中心，北京）
摘要：通过图像影像特征分析，并经地面调查证实，澜沧江兰坪地区铜矿化蚀变与围岩存在反射波谱特性差异，即在TM5（近红外）波段（1.55μm～1.75μm）蚀变岩呈高反射率。以此为依据，进行了提取与铜矿化蚀变相关的TM遥感信息的计算机图像处理技术方法研究。实践证明，该区主分量分析处理图像效果最佳。图像上显示的色调异常，通过与红土涧矿区地质勘查资料对比和根据兰坪地区图像上典型地物样区色调理论分析。评价了遥感异常的地质意义。由于图像预处理（几何校正、亮度拉伸、多元统计，最佳波段组合选择等）是针对澜沧江兰坪全区的特征进行的，故处理方法在全区内均有一定适用性。本文综合公式2、图4、表4、彩版附图11（5）等实际材料较详细地介绍了有关提取铜矿化蚀变遥感色调异常信息的方法技术。
关键词：主分量分析 澜沧江兰坪地区 铜矿化蚀变 遥感信息
一、问题的提出
随着航天遥感资料在地学领域应用的逐步深入，根据内生金属矿床热液蚀变产物的光谱特征，通过TM数据计算机图像处理，提取与矿化蚀变相关的遥感色调异常信息，引导勘查金属矿床，在国内外已引起极为广泛的关注[1][5]。1992年春，李昌国同志在进行部直科定91—39号云南省兰坪—云龙找钾研究项目的野外考察时，对该地一些铜矿点周围的特殊地质地貌特征产生了浓厚兴趣，如彩版附图11（1）摄于红土涧地区，在该彩片上左下角和右上角部位均依稀可辨出民采铜矿硐，其周围植被稀疏，残坡积物和土壤颜色较外围地区变浅、变黄、变红，而且规模甚大，景观特征明显，肉眼即能观察到，但该区山高、坡陡、谷深，交通不便，地质工作程度较低，因而萌生了研究从TM数据提取与铜矿化蚀变相关的遥感信息（可简称铜矿化蚀变遥感信息）的想法。
为此，根据该区22件岩矿标本波谱曲线，研究了铜矿化蚀变岩矿的波谱特性；选用1990年12月20日收录的TM7数据进行了图像处理，在图像上选择典型地物样区，分析了典型地物反射波谱特征，并以此为依据，通过多次试验，对用主分量分析法提取铜矿化蚀变遥感信息进行了探讨；对澜沧江流域兰坪盆地西缘从小格拉至金满一带面积约944km2的区域及宝丰、温井、乔后、顺荡井、师井、红土涧等子区TM图像进行了以主成分分析为主的图像处理，获得了可供参考的反映矿化蚀变的异常图像，其中红土涧子区得到814队同期地质工作的证实。
李昌国同志对此工作十分投入，在1993年置数次咯血而不顾，坚持野外考察，无情的癌魔迫使他于1994年春中断了这项正在进行的卓有成效的研究，除红土涧子区外，其他子区均未来得及实地验证。李昌国同志不幸谢世后，笔者根据他遗留下来的大量记录、图像及未竟的报告手稿，以红土涧子区为例，整理成本文，供交流参考，其他子区所获得图像不能一一刊载，但可通信交流。该区图像的地质解译尽管还有待深化，但所研究的十分珍贵的方法经验若能被借鉴，将是对亡灵的告慰。
二、地质背景
试验区位于云南澜沧江流域兰坪盆地西缘小格拉至金满一带。本区构造上属三江构造带，西侧有一条古板块缝合线——长期活动的澜沧江深断裂，纵贯南北。本区曾经历了华力西、印支、燕山、喜山多期构造运动，致使褶皱、断裂、岩浆岩十分发育，并形成一批沉积、内生金属矿床[2]。特别是中晚三叠纪时，沿澜沧江断裂发生大规模中性岩浆（安山岩）喷发，与该区铜矿的形成具有密切的关系。
目前发现的铜矿化主要集中分布于中三叠统上兰组、中侏罗统花开左组及下白垩统南新组层位中。铜矿体呈脉状、透镜状、似层状，大部分矿化均伴有硅化、铁白云石化等热液蚀变。该区由于山陡谷深，地表切割严重，基岩出露良好，矿化蚀变带广泛分布，其残坡积物分布更广，植被又常较稀疏，给开展遥感地质勘查创造了一定条件。
该区地质工作程度较低，目前仅评价完一处中型铜矿床（金满），因此，利用遥感信息圈定找矿靶区，对缩小勘查范围、加速勘查进程具有十分重要意义。
三、岩矿样品采集及反射波谱测定
为了研究利用TM数据提取铜矿化蚀变遥感色调异常信息的可能性和依据，在区内采集了岩矿石标本22件，用IRIS型波谱测试仪测定了这些标本的反射波谱，并按TM波段计算平均反射率。现将有代表性的7种岩性标本的反射率数据列入表1，并绘成曲线图1。
表1 典型岩矿石TM各波段平均反射率统计表（单位：%）
续表
注：
图1 区内典型岩矿石波谱平均反射率曲线（曲线编号及其标本岩性均见表1）
根据反射波谱特征，该区岩矿石反射波谱曲线大体上可分为三大类：第一类（波谱曲线编号1、2、3）为含铜矿化岩石（铜矿石）反射波谱曲线，其特征是：在TM1—TM4波段反射率变化不大，在TM5波段反射率最高，而在TM7又下降了约1/4，许多文献[1]均将此现象解释为由于羟基（OH－）、
以上三类岩矿石反射波谱曲线特征说明，铜矿化蚀变岩与正常岩石反射光谱有一定差异，这就是利用遥感数据来提取铜矿化蚀变信息，并指导寻找铜矿的依据。
四、TM图像预处理
为有效地对图像上代表性地类样区进行波谱分析和找矿信息提取，图像首先需进行一系列预处理，如几何校正、亮度值动态范围拉伸、合成图像波段最优组合选择、比例尺计算等。而且为了便于对兰坪—云龙全区进行拼图和各地类亮度值对比以及重复某些数值运算，预处理是针对全区特征进行的。
从北京卫星地面站1990年12月20日收录的七个波段TM数据选取了兰坪—云龙全区范围（约3072×4096像素，相当于6×8帧512像素×512像素的子区范围）的图像。以地形图作为控制，对图像进行几何校正。然后统计全区图像范围内每一波段像元亮度的最小值和最大值，将各波段的亮度值分别进行线性扩展，拉伸到0～255；再将经过几何校正和扩展拉伸的七个独立波段TM数据，形成七个波段TM图像数据文件。以此为源，再截取出1个兰坪幅（1024像素×1024像素）七波段基础图像文件，做为重点研究图像。
为了获得一幅含有最大信息量、波段之间信息相关性最小、显示效果最佳的三波段彩色合成图像，利用式（1）中的组合相关因子Q做为选择最优波段组合的尺度和依据，通过求出组合相关因子Q的最大值来进行最优波段组合选择。
张玉君地质勘查新方法研究论文集
式中，Si为i波段方差或离差，也称为变异；ri为波段间的相关系数。
利用式（1）计算，选择的澜沧江兰坪幅TM彩色合成图像最优三波段组合为TM5、TM4、TM3或TM4、TM5、TM7两种方案。
本工作采取逐步提高研究详细程度的方法，逐级截取并放大图像，从澜沧江兰坪全区图像（彩版附图11（5））截取兰坪幅子区图像（彩版附图11（3））；从兰坪幅子区截取拉井幅亚子区：再从拉井幅亚子区图像中截取红土涧幅小子区（彩版附图11（4））。其比例尺也逐级增大。
五、主要地类影像亮度值特征分析
从比例尺为1∶20万的兰坪幅TM4（R）、TM5（G）、TM7（B）彩色合成图像上，选取了11个地类影像样区（其位置见彩版附图11（3））。每一地类样区像元亮度值，按样区内全部像元亮度值平均求得，并做成图2。
从图2可见，其中4号、5号、6号曲线，形态与图1中的第一类岩矿石反射光谱曲线十分相似，即TM5呈反射峰，TM7略下降，这三条曲线样区对应地面岩石均有不同程度的矿化蚀变，所不同的是在TM4处形态有所变化，如曲线6样区对应于地面红土涧铜矿点，且地表有一定植被覆盖（见彩版附图11（1）左下角），由于植被的近红外波段“陡坡效应”引起TM4亮度值变化，且TM4亮度值较4、5号曲线高，而TM3亮度值则较5号曲线低，这就是植被干扰所致。图2中9号和11号曲线，呈现十分典型的植物反射波谱特征，这两条曲线样区对应于地面稠密茂盛的植被区，但是两条曲线各波段亮度值高低仍有差别，可能植被类型尚有一定差别。图2中10号和3号曲线，其影像样区对应地面均为泥灰岩，但分别处于地面的阴坡和阳坡部位，故亮度值有高低之分，但在
图2 兰坪地区几种岩石及植被样区的TM亮度值曲线（亮度值是经过拉伸的）
1—白村—羊村附近J3泥岩；2—松登附近K2泥岩、粉砂岩；3—羊村附近J2泥灰岩；4—裸露红层，无植被覆盖；5—浅色矿化石英砂岩；6—红土涧矿区铜矿化蚀变白云质灰岩，有少量植被；7—拉井ZK2附近的Ey红层；8—洋芋山附近T3火山碎屑岩；9—茂盛植被覆盖区；10—吉祥附近J2泥灰岩；11—茂盛植被覆盖区
TM4处均呈弱反射峰。图2中1号和2号曲线呈高亮度值特征，TM3呈反射峰，TM4呈吸收谷，该曲线样区对应地面岩类为泥岩、粉砂岩。图2中8号和7号曲线亮度值偏低，曲线平缓，这两条曲线样区对应地面岩类为火山碎屑岩和红色含盐地层。以上特征构成提取铜矿化蚀变信息的依据。
六、铜矿化蚀变遥感信息提取
遥感技术虽然具有获取信息宏观概括性强，且覆盖面积大和可定期重复观测等优点。但是，直接指示矿床或矿体产出的例子却非常罕见。这首先因为地质成矿过程是极其复杂的，其次由于当前遥感技术的空间和波谱分辨率还有限。以致遥感数据反映的矿产信息常常十分微弱，背景地质信息却非常强，因此提取矿产信息就成为遥感地质的首要任务和难题，而且试图建立一种数学公式（简单的或复杂的），通过计算机对遥感图像进行处理，达到提取矿化信息的目的，常常亦不能奏效。我们曾采用图像处理技术中常用的累试法，通过比值法、彩色座标系变换、非监督分类、六个波段或七个波段KL转换（即主分量分析）等[4]试图突山TM数据中所包含的微弱矿化遥感信息，效果均不佳。最后较成功地利用四波段（TM1-TM4-TM5-TM7及TM1-TM3-TM4-TM5两种组合）主分量分析方法提取了铜矿化蚀变遥感信息。
6.1 KL变换
主分量分析在图像处理技术中，即是通过KL变换来实现的。众所周知，通常几乎每一种多元分析法都要求对复杂的问题进行简化，即以牺牲一些信息为代价，来降低复杂集合的维数，或者说通过变换，舍弃一些次要参数，达到“从树木看森林”的目的[3]。尽管在数学上，主分量分析的定义及运算是严格的，但TM数据KL转换结果反映的地质意义却是十分复杂的，排列在前面的主分量反映的是广泛分布的地层、岩性、构造、植被等地物信息，而序号大的主分量则反映某些宏观上较次要的信息。通过研究发现数个地区矿化蚀变信息常常包含在这些次要信息之中。因此本文采用的主分量分析方法不同于常规的以压缩维数来突出主要信息为目的的主分量分析；而是采取避开主要信息，利用微弱的次要分量信息的途径，并探究其特殊的地质含义的方法，因此不是采用“从树木看森林”的思路，而采用“从树叶变化看虫害”的思路。
表2 KL变换特征值及特征向量
具体做法是对图像进行KL变换。各主分量与原波段像元亮度值的线性相关系数就是统计所得本征向量的各分量，各主分量的相对变异即是统计所得之本征值，对澜沧江兰坪地区两幅1024像元×1024像元四波段图像，TM1、TM4、TM5、TM7和TM1、TM3、TM4、TM5分别进行了 KL变换，以TM1、TM3、TM4、TM5数据的变换结果之地质意义更易阐明，虽然从最优组合角度来看，TM1、TM4、TM5、TM7组合所包含的信息量更大，但这一组合中没有TM3，而TM3对于压制植被影响有特殊意义。澜沧江兰坪地区TM1、TM3、TM4、TM5四个波段像元亮度值KL变换统计结果见表2，第一至第四主分量所含信息量分别为：87%、9.7%、2.8%和0.5%。
6.2 异常图像成图
由于本次研究目的主要是研究在主分量分析结果中那些序号大，而信息量占次要地位的分量之地质意义，一般异常信息多包含在第四（KL P4）、第三（KL P3）分量中，它们与各TM波段像元亮度值的线性函数关系如式（2）：
张玉君地质勘查新方法研究论文集
故异常图像采用彩色合成方法形成，即采用KL P4（R）、KL P3（G）与TM3/TM4（B）进行彩色合成。彩版附图11（3）即是从澜沧江兰坪异常图像中截取出的兰坪幅子区图像。TM3/TM4（R34）比值的意义在于减少地形影响及压制植被干扰，彩色合成时将其赋予蓝色，对衬托地质总背景有利。KL P4、KL P3信息构成虽明确，但其地质意义却并不直观，根据各地类影像样区彩色合成的色彩理论计算，可以判断各类色调的地质意义，并进一步结合实地查证结果，对异常图像的各色调作出定性评价。
6.3 典型地物样区彩色合成色调理论计算
按（2）式计算兰坪地区各典型地物样区TM1、TM3、TM4、TM5四个波段像元亮度值的KL P4、KL P3,KL P2（见表3）。
根据表3列出的P4（R）、P3（G）、R34（B）的数据，可以大致估计各样区在彩色合成图像上应呈现的色调。再将以上样区在1:20万兰坪地区遥感色调异常图像（彩版附图11（3））上标出，正如预计的那样，其色调基本与表3中理论推测的色调吻合，因此可以判断该图上，红色、紫红色调可解译为铜矿化蚀变异常区；黄、绿色调主要属植被和泥灰岩分布区，其他各岩性呈现白、青、蓝色调（表3）。
表3 各样区TM图像KL变换主分量值和TM3/TM4一览表
6.4 红土涧子区的初步地质验证
从彩版附图11（3）图像上截取红土涧子区（128像素×128像素）并放大四倍，获1∶5万红土涧子区异常图像（彩版附图11（4））。经对比研究，云南814队填制的1∶5万地质简图（图3）中的Ⅲ、Ⅳ、V号浅色铜矿化层均落入彩版附图11（4）的深红色区，其中Ⅳ号浅色铜矿化层为本矿区主要矿层，长约1000m，平均厚2.34m，平均品位2.14%，最高达6.12%，地表可见孔雀石、蓝铜矿、黑铜矿、斑铜矿、辉铜矿等矿物，以浸染状、晕散状、薄膜状和细脉状产于浅色石英砂岩粒间及裂隙中，含矿层内矿化连续性较好。Ⅳ号浅色铜矿化层长度、厚度均大于Ⅲ号，但铜矿化差，品位低，仅为0.02%～0.04%，地表局部可见少量蓝铜矿、孔雀石等。V号铜矿化层处于层间破碎带中，长650m，宽40m左右，品位在2.08%～12.77%之间。深部主要铜矿物以辉铜矿为主，地表则以孔雀石、蓝铜矿、黑铜矿为主，矿体呈脉状、豆荚状、串珠状及似层状。
表4 异常吻合率
图3 云南省兰坪县拉井（红土涧）铜矿地质简圈
点划线方框为红土涧子区铜矿化、蚀变遥感色调异常图像（彩版附图11（4））对应位置（据814队资料）
1—古新统果郎组；2—始新统云龙组；3—上白垩统曼宽河组；4—下白垩统南新组；5—上侏罗统坝注路组；6—中侏罗统花开左组；7—背斜轴；8—正断层；9—逆断层；10—性质不明断层；11—铜矿层；12—浅色层（铜矿化）
Ⅰ号浅色铜矿化层部分与异常图像上的淡玫瑰色调区吻合，该矿化层品位较低，为0.27%～0.8%，且矿化不连续，地表断续可见孔雀石、蓝铜矿等铜矿物。
Ⅱ号浅色调矿化层及部分I号矿化层在彩版附图11（4）上无紫红色调异常显示，可能是受到山体阴影掩盖，尚待进一步研究。
此外，在彩版附图11（3）黄色方框内的东北角有一块三角形深玫瑰色调区，对应地质图为拉马山北（已超出图3范围）地区，814队追踪到含铜浅色层两层，共长2400m，厚4m～4.2m，品位为0.31%～1.71%，该矿化层在异常图像上也有玫瑰红色色调异常反映。
根据色调异常分布与铜矿化层面积对比统计，两者吻合率见表4。
从表4可知，红土涧矿区地质勘查结果与遥感色调异常的吻合率为89.3%。但对有异常而无矿化的问题未进行统计研究，显然异常范围是大于矿化范围的，此问题十分复杂，目前由于未能对异常逐一查证和研究，故两者吻合程度尚有待进一步探讨。但一般地说，对于预测不能像勘查那样要求，期待预测结果完全准确，正如任何一种物探信息的多解性一样。
综上所述，可以有依据地认为，利用主分量分析在澜沧江兰坪地区提取铜矿化蚀变遥感信息是可行的，有效性甚高。
七澜沧江兰坪异常图像的改进
在制作1024像素×1024像素澜沧江兰坪地区异常改进图像（彩版附图11（5））时，进行了双重KL变换，目的是为了进一步减少第一次KL变换P3、P4分量间的相关性，起到“提纯”异常的作用，取TM6的负值做为地质背景的衬托。即分别对TM1、TM3、TM4、TM5四个波段和TM1、TM4、TM5、TM7四个波段进行KL变换，然后分别从获得的主分量中选取P3、P4两个主分量再进行KL变换，各又获得两个主分量（PP1、PP2），从TM1、TM3、TM4、TM5双重KL变换获得的两个主分量中选取PP2，从TM1、TM4、TM5、TM7双重 KL变换获得的两个主分量中选取PP1，和TM6一起分别赋予R、B、G，进行假彩色合成，生成澜沧江地区兰坪异常图像（彩版附图11（5），其处理流程如下图：
图4 澜沧江兰坪地区TM异常图像处理流程图
两种波段组合双重KL变换所得主分量本征值及本征向量见表2、表5、表6、表7。
表5 TM1、TM3、TM4、TM5二次KL变换特征值
表6 KL变换特征值及特征向量
表7 TM1、TM4、TM5、TM7二次KL变换特征值
彩版附图11（5）上的红色调的地质意义在6.4和6.3节中已有详细讨论。它也是铜矿化蚀变遥感信息。彩版附图11（5）上黄色调是PP：与TM6取负后的高值区的合成色调，也就是与低温区有关的色调，主要反映山的阴坡信息，由于6.4一节讨论山体阴坡铜矿化异常实例较少，故尚不能充分肯定黄色调也是铜矿化蚀变信息的显示。彩版附图11（5）上绿色背景（－TM6）色调衬托地质地形概貌，由于彩色合成将TM1、TM4、TM5、TM7 KL变换后的第三、四分量，再做二次KL变换，获得的第一主分量（PP1），赋于蓝色，故判断彩版附图11（5）上蓝色调主要反映泥岩信息（根据6.4、6.3节阐述的原理）。
通过以上讨论，我们感兴趣的主要是异常图像上的红色调异常。这些红色调异常主要反映铜矿化蚀变信息，它们主要沿澜沧江横断裂延伸呈羽状集群展布。这些异常直观地显示了铜矿化蚀变区面积的大小，它与矿脉或矿层出露规模成正相关。彩版附图11（5）上还标出了一些地名代号，便于与地理、地质图对比。由于该图是压缩显示，零散的异常点也有所丢失，若以四幅拼接或放大扫描输出就更清晰了。除金满（彩版附图11（5）上代号11，下同）和红土涧（15）为已知矿床外，在象鼻村（3）、科登涧（4）、岩头（5）、温登（6）、下屋罗—新华（8）、萤娥（10）、计夺鸡（12）、元宝山—孝金窝（13）、羊村—白村（16）等地附近所显现的红色调异常，也可能预示有铜矿化存在。
地质研究对象无比复杂、变化无穷，矿化蚀变信息相对又十分微弱；试想用某一种或几种数学（图像处理技术）方法进行运算，从而得出充分的具普遍意义的解，是超越当前科技水平的。但是我们仍然可以针对某些特定的地区，简化问题，寻找出一组适当的图像处理技术（数学工具）将微弱的矿化蚀变信息相对纯净地提取出米。
本文得到本中心丁群同志的宝贵意见，云南遥感站张昕、814地质队李金星和刘基富等同志曾参与图片解译、计沦，特此致谢。
参考文献
[1]刘燕君等.东坪式金矿盲矿矿体的多元信息预测研究，国土资源遥感，1994,（1）:15～22
[2]肖荣阁等.云南中新生代地质与矿产.北京：海洋出版社，1993
[3]M.肯德尔等.多元分析.北京：科学出版社，1983
[4]Zhang Yu-Jun.Digital inaage processing of airborne radiometric and magnetic datafrom central Chaidamu Basin.UAS:Tulsa,An Overview of Exploration Geophysics in China.American Society of Exploration Geophysics,1989,517-535
[5]M.P.Ekstrom.Digital Image Processing Techniques.USA:Academic Press,Inc,1984
A STUDY FOR EXTRACTION OF THE Cu-MINERALIZA-TION ALTERATION INFORMATION IN LANCANGJIANG-LANPING REGION BY PRINCIPLE COMPONENT ANALYSIS OF REMOTE SENSING DATA
Li Chang guo,Zhang Yu jun
（MGMR,Centerfor Aero Geophysics ond Remote Sensing,Beijing,100083）
Abstract It was confirmed by sampling in site and on image, that there are anomalous characteristics of spectra（high reflection in NIR TM51.55μm-1.75um）in the Lancangjiang Lanping Region.It provides the scientific basis for the experimental research of image processing techniques for extraction of the TM RS information,related to the Cu-mineralization and alteration.The best results were got by the principle component analysis.The geologic nature of the anomalies was evaluated by comparison with the geological work in Hong tujian area and by the theoretical calculation of the image sampling.Becuse of the fact, that the image preprocessing（the geometric restoration, the brightness scaling, the multivariate statistics, the optimized choice of TM channels etc.）was accomplished for the whole region uniformly.So it is reasonable to consider, that the obtained processing technique is also applicable for the whole region.And this paper describes it withfull and accurate table（4）,formulas（2）, graphics（4）and colour images（5）.
Key words Principle component analysis,Lancangjiang Lanping region, Cu mineralization alteration Remote sensing information
原载《国土资源遥感》，1997,No.1。
用ETM数据提取“蚀变遥感异常”引人关注的几个技术问题~
张玉君
（中国国上资源航空物探遥感中心，北京；返聘于中国地质科学院矿产资源研究所，北京）
摘要：本文通过模型试验讨论提取遥感异常中的两个重要问题：主分量分析的灵敏度极限（或检出限）和植被干扰容限度；还介绍为改进邻景蚀变异常的可比性所做的准归一化技术，此技术在一百多景ETM蚀变遥感异常提取中得到成功应用。
关键词：主分量分析（PCA）灵敏度极限（或检出限）；植被干扰容限度；相邻景蚀变异常可比性；准归一化
1 主分量分析（PCA）的灵敏度极限（或检出限）
当用PCA提取遥感异常时，无论是羟基异常（用TM1、TM4、TM5、TM7）或是铁染异常（用TM1、TM3、TM4、TM5）都常常出现为第4主分量（张玉君等，1998,2002,2003；李昌国等，1997），其本征值都是最小的，也就是说蚀变遥感信息仅占全景信息量的很小份额。那么应考虑一个问题：蚀变信息量少到何种程度将被PCA丢失，即PCA的检测灵敏度下限（或检出限）是多少？
为了探讨此问题，设计了如下模型实验：建四维图像（2550×2000×4），分割为（1275×1000×4）四个子图，利用在柳沟峡获得的TM图像采样数据，依左上、右上、左下、右下的次序输入金矿蚀变岩、植被、辉长岩、冰的TM1、4、5、7波段数据，并令其按列方向从0到相应波段DN值递变，递变周期为255列。若以（255×1×4）为一个单元，则全图有20000个单元，左上角的蚀变岩有5000个单元，经PCA提取，门限用3σ，得出蚀变岩占5000/20000即1/4时的PCA结果。然后对蚀变岩区依次用辉长岩取代，蚀变岩区分别保留500个单元（1275×100×4）、10个单元（1275×2×4）、5个单元（1275×1×4）、3个单元（765×1×4）和1个单元（255×1×4）；对每一次改变都进行了 PCA，门限取3σ。门限值的确定以不出现干扰（来自冰或植被）为原则，当门限降低出现干扰时意味着来自蚀变岩的信息已减弱，以致淹没于干扰中。六次PCA检出限模型实验结果列入表1：
表1 PCA检出限模型实验结果简表
续表
根据检出限模型实验结果，可以认为用PCA提取蚀变信息的检出限优于两万分之一或十万分之五。这意味着在面积为两万平方公里的图幅上，只要蚀变岩（有强有弱）的总面积不小于一平方公里，即可被PCA提取出来。此检出限模型实验结果具参考意义。
2 提取蚀变遥感异常受高植被干扰的容限度
植被是矿致遥感异常提取过程中的常见干扰因素。为了探讨植被干扰的容限度问题，设计和进行了两个模型实验。实验结果都表明，当混合像素中植被成分达到或超过50%的时候，蚀变异常就很难提取了，这一结果与澳大利亚飞机上所做测量是一致的。
为了初探高植被区的异常提取效果，并应云南地调院要求，对云南中甸高山植被茂密地区的13240景做了异常提取，还分别以普朗斑岩铜矿和红山铁矿为参考样板区，用光谱角法（SAM）对异常做了优选；经云南地调院综合地、物、化、遥选点和地面槽探查证，发现了地苏嘎Cu矿点，地表出露两个矿化斑岩体（宽度分别为6米和11米），当年即投入了钻探，初步含Cu品位为0.1～0.5%。
证实戈壁荒漠区所取得的方法技术在高植被区的应用虽受到相当限制，但仍能发挥一定作用。
3 相邻景蚀变遥感异常可比性的改进
大面积提取蚀变遥感异常工作常常需要多景图像的拼接，其中包括分层异常的拼接，日益迫切地感到不同时相的同景ETM数据或毗邻不同景ETM数据所获结果的可比性晃亟待改善。笔者进行了五项校正研究：大气径辐射校正、太阳高度角校正、日地距离校正、大气层上照度较正及增益校正，通过这五项校正明显改进了相邻景及不同时相同景信息提取结果的可比性。
在细致进行这五项校正时，避开了难以做到针对与气溶胶的密度及水蒸气的浓度相关的大气精校正，故称之为原始数据的准归一化处理（未达到严格意义上的归一化）。原始数据经准归一后，获同一比例尺的视反射率值（每一DN代表0.2%或0.25%视反射率）。
3.1径辐射校正
笔者试用了两种方法即波段相关分析法和直方图最小值法进行径辐射校正，结果对比列入表2。波段相关分析法只有当感兴趣区内仅存在一种岩性时才比较准确，故选用直方图最小值法。
表2 径辐射校正对比表
3.2 日地距离校正
地球以每秒29.79公里的平均速度沿椭圆形轨道绕太阳公转，此椭圆轨道的扁率（也称偏心率）为0.0167，长半径为149597870km，与地球赤道面相交成23°26′的角度。日地距离d定义为日心到地心的距离，取日地平均距离为天文单位距离（AU），但此距离也是变化的，1968～1983年地球与太阳的平均距离为149600000km,1984年以后为149597870km。每年约在1月4日为近日点（perihelion），约在7月4日为远日点（aphelion），近日点距太阳147100000km，远日点距太阳152100000km。
为了研究日地距离影响，笔者从天文志获得1998～2003年六年内日地距离数值表，每半小时一个点。太阳辐照度与d2成反比；过去认为日地距离变化带来的太阳辐照度变化约为5%，一般无须校正；为了更准确地作评价，特计算了1998～2003年六年日地距离变化带来的太阳辐照度变化平均为6.68%，见表3，由于此值达到近7%，故认为进行日地距离校正是必要的。
表3 日地距离最大校正系数计算表
Landsat 7的轨道为太阳同步轨道（朱述龙等，2000），轨道倾角为98.2°，周期为98.9′，过赤道时刻为地方平均时上午10时，1/4周期为24.725′，我们西部任务区分布在北纬27°～北纬44°之间，过境时间约为地方时上午9时50分左右，故可取地方时上午10时。日地距离表中所给时间为世界时，或称格林尼治时（UT），即0时区时间（经度0°子午线处的民用时），表示为GTM。为了查找某一景图的日地距离，首先确定其经度属哪个时区，以时区标准经度两侧各7.5°为界，然后计算当地上午10时对应的格林尼治时，用此格林尼治时即可查到所要求的日地距离。例如，某景ETM图像位于东经90°＋7.5°范围内，它距格林尼治有6个时区，故应查表中该口上午（10-6）=4时的日地距离d。
3.3 增益校正
在美国的Landsat 7计划中，为保证对地面数据的正常获取及对数据的充分利用，Landsat 7对ETM＋传感器的信号处理部分进行了重新设计，使其可以在两种状态下工作，即高增益状态和低增益状态。在图像上表现为像元亮度的变化。对于1、2、3、4、5、7波段增益的改变分为三个组（林友明，2003）：波段1、2、3一同变化，波段4单独设置，波段5、7一同调整。传感器增益设置的规律是，按季节在某一纬度范围内对传感器的增益进行设置。当一景图某一波段增益设置发生变化时，在图像上该波段的亮度值便发牛阶跃性变化。据悉此变化多发生在一景图像的下四分之一处，北京地面站对有增益改变的数据进行了处理，将增益改变后的像元亮度调整到增益改变前的水平上，因此用户不会看到有阶跃性变化的图像。
但是当研究毗邻图景的可比性问题时，就必须考虑它们的增益。
3.4 太阳高度角引起的辐射误差校正及太阳高度角的计算
太阳高度角引起的畸变校正是将太阳光线倾斜照射时获取的图像校正为太阳光线垂直照射时获取的图像，太阳以高度角φ斜射时得到的图像g（x,y）与直射时得到的图像f（x,y）有下式中的关系，且各波段图像可采用相同的太阳高度角φ进行校正。
张玉君地质勘查新方法研究论文集
太阳方位角随成像季节、地理纬度的变化而变化，通常太阳方位角引起的图像辐射值变化只对图像细部特征产生影响，故可不进行太阳方位角的校正。
由于太阳高度角的影响，在图像上产生地形地物阴影；太阳高度角引起的畸变校正并不能消除地形地物的阴影，我们的对策是将全阴影区及大部半阴影区在预处理时作为干扰区加以剔除，所以在太阳高度角校正时不涉及这些地区。
一般情况下太阳高度角可从数据头文件中得到，在缺失太阳高度角数据时，可用ENVI图像处理软件获得。
3.5 地物视反射率的计算
文献（朱述龙等，2000）给出 p＝πLd2/（E0×Sinφ）
式中，p为地物反射率；d为日地天文单位距离，可从日地距离表中查到；φ为太阳高度角，可从头文件中得到；E。为太阳辐照度，文献（冯钟葵，2002）给出了一组参考值，其单位为watts/（meter2×μm）；L为地物在大气顶部的辐射亮度（L=goin×DN+bias），DN为像元值，goin（增益）和bios（偏置）可以从头文件中得到（冯钟葵，2001）。
如果暂时不考虑d和φ，则ρk＝π×L/E0，若以QLMAX和QLMIN分别表示各波段可能的最大和最小像元值（冯钟葵，2002），QLMAX=255,QLMIN=1；ρkMAX=LMAXхπ/E0，ρkMIN=LMIN×π/E0;LMAX和LMIN分别表示各波段的最大和最小光谱辐射值；QLMAx、QLMIN、LMAX和LMIN均可在地面站Londsat-7产品的Metodata（MTL）文件中查到，由于无论是高增益或是低增益条件下，偏置是不变的，所以LMIN不随增益改变而改变；各波段LMAx的仅随增益（高或地）的调节在两个水平间变化，如表4所列为低增益状态，表5所列为高增益状态，可看到LMIN和LMAX的变化规律。
表4 低增益状态下视反射率换算系数
表5 高增益状态下视反射率换算系数
Gk（%）＝（ρkMAX－ρkMIN）×100/（QLMAX-QLMIN）＝（LMAX-LMIN）×π×100/[E0×（QLMAx-QLMN）]
若K为视反射率换算系数，则 K=Gk（%）×d2/（Sinφ×G）
B＝ρkMIN/Gk,B取整，得B0。
若某景ETM＋数据每一像素的DN值经（DN-B0）×K处理，则该图像准归一为每一灰阶代表G（%）视反射率，即此时灰阶格值为G（%）视反射率
此外还采取化探异常分级的办法，对所提取的蚀变遥感异常做门限化（Thresholding）处理，门限值取数被标准离差，即以σ做为尺度，用数倍σ值做为阈值，限定异常水平，得到羟基异常和铁染异常各三级二值图像。此技术也有助于改进相邻景蚀变遥感异常的可比性。
无论准归一化或是以σ尺度进行异常分级，在执行中都归结为便捷的填表操作，有利于工程化完成，此技术已应用于一百多景 ETM＋的处理。彩版附图15展示两个时相不同增益（14231H, 14231L）及毗邻景（14231）重叠区色调差异很大，经准归一化后，不仅使三景图色调更为相近，并可用接近于统一规定的2σ获取二级异常，可比性有了明显改善。
参考文献
[1]张玉君，杨建民.基岩裸露区蚀变遥感信息的提取方法[J].国土资源遥感，1998,（2）:46～53
[2]张玉君，杨建民，陈薇.ETM+（TM）蚀变遥感异常提取方法研究与应用—地质依据和波谱前提[J].国t资源遥感，2002（4）:30～36
[3]张玉君，曾朝铭，陈薇.ETM+（TM）蚀变遥感异常提取方法研究与应用一方法选择和技术流程[J].国土资源遥感，2003,（2）:44～49
[4]李昌国，张玉君.试用主分量分析方法提取澜沧江兰坪地区铜矿化蚀变遥感信息[J].国土资源遥感，1997,（1）:20～30
[5][日]遥感研究会编.刘勇卫，贺雪鸿译.遥感精解.北京：测绘出版社，1993
[6]朱述龙.张占睦.遥感图像获取与分析.北京：科学出版社，2000
[7]冯钟葵.Landsat 7 ETM＋数据的增益设置及增益改变[J].（中国遥感卫星地面站）用户简讯，2001（3）, 8～9
[8]冯钟葵，关于地物辐射值的计算问题[J].（中国遥感卫星地面站）用户简讯，2002（2）,1
[9]林友明.Landsat-7增益和偏置的计算[J].（中国遥感卫星地面站）用户简讯，2003（3）,7
原载《长春遥感应用会议“国土资源遥感技术发展文集”》，2006。
ASTER卫星数据包括可见光、红外到热红外共14个光谱通道，相对于ETM数据其 波段多、通道范围窄（即光谱分辨率高）、可识别较多类型的蚀变矿物。
根据地表蚀变矿物的波谱特征及其与ASTER波段的对应关系，确定蚀变信息提取方 案：(1)含铁、锰及Fe-OH蚀变矿物在ASTER 1，2有强吸收谷；(2)Al-OH蚀变矿物在 ASTER5或6波段产生强吸收谷；含Mg-OH与 离子的蚀变矿物在ASTER8有强吸 收谷；(3)同时含OH-与 的蚀变矿物（如蓝铜矿化蚀变），在ASTER7，9波段上有 较强吸收谷，而且在ASTER8有一反射峰。主成分分析技术是通过正交线性变换去除多波 段图像中的相关信息，使其组分图像之间互不相关，各自包含不同的地物信息。根据上述 金属离子和一些分子基团波谱吸收特征，通过对一些常用方法的试验，确定本次研究基于 ASTER数据的蚀变信息提取模型为：掩膜＋选择性主成分分析＋阈值分割＋中值滤波。
基于ASTER数据的蚀变遥感异常信息的提取，采用掩膜＋主成分分析＋滤波＋阈值 分割技术模型来实现。将异常图像均值＋1倍标准差定为异常下限，提取蚀变遥感异常信息，为了去除背景和干扰信息，对提取的异常信息需进行3×3中值滤波，获取蚀变遥感异常。为了增强可视效果和便于之后与其他平台数据进行综合分析应用，同时保证格式转换时信 息不损失，本次研究采用矩形格网技术，将提取的各类蚀变信息转换成面矢量格式并叠加 到最佳遥感合成图像图上，以使异常信息表达效果最佳。本次研究中，由于ASTER图像 多有云和雪覆盖，合成图像地物表达不完整和且可视效果差，为了克服这一不足，所提取 基于ASTER数据的蚀变遥感异常，都将展布在ETm3，2，1波段与全色波融合后生成的 合成图像上。
（一）泽当研究区
1.氧化铁染异常信息提取
根据含氧化铁蚀变矿物的波谱特及其与ASTER波段图像对应的关系，选用 ASTER1，2，3，4波段进行选择性主成分分析，所得特征矩阵如表5-5所示。由表中可 看出PC4分量为反映铁染信息的主分量。取均值＋1倍标准差进行异常分割，进行3×3 中值滤波之后，提取铁染异常信息。
表5-5 由ASTER1，2，3，4进行主成分分析后的特征向量矩阵
2.泥化异常信息提取
根据此类蚀变矿物如高岭石、白云母和明矾石等的波谱特征，选用ASTER1，3，5，6进行主成分分析，提取泥化信息。主成分分析变换的特征矩阵见表5-6。从表中可看出 PC4为反映泥化信息的主分量，取其均值＋1.5倍标准差截取遥感异常信息，进行3×3中 值滤波之后，提取泥化异常信息。
表5-6 由ASTER1，3，5，6进行主成分分析后的特征向量矩阵
3.碳酸盐化与绿色蚀变岩化信息提取
采用同样原理选用ASTER1，3，5，8进行主成分分析，提取碳酸盐化与绿色蚀变岩化（即 类青磐岩化）异常信息，主成分分析变换特征矩阵见表5-7。从表中可看出PC4为反映泥 化信息的主分量，取其均值＋1.5倍标准差截取异常，3×3中值滤波后，制作碳酸盐化绿 色蚀变岩化异常信息。
表5-7 由ASTER1，3，5，8进行主成分分析后的特征向量矩阵
4.综合信息提取
将上面所提取的图像采用矩形网格化（网格大小为像元大小）技术将氧化铁染、泥化 图像，碳酸盐化与绿色蚀变岩化信息图像转换成面矢量格式，在ArcGIS9.3中，利用GIS 的空间分析功能分别求逻辑与，求取含同一地区同时含两种或三种异常图像，最后将单类 异常进行3×3中值滤波，叠加生成蚀变遥感异常信息综合图（图5-3）。
图5-3 泽当地区蚀变遥感异常信息综合图
（二）羌堆研究区
1.氧化铁染异常信息提取
选用ASTER1，2，3，4进行主成分分析，其特征矩阵如表5-8所示。提取氧化铁染 异常信息。
表5-8 由ASTER1，2，3，4进行主成分分析后的特征向量矩阵
2.泥化异常信息提取（表5-9）
3.碳酸盐化与绿岩化异常信息提取（表5-10）
表5-10 由ASTER1，3，5，8进行主成分分析后的特征向量矩阵
4.综合异常提取
方法同泽当研究区，综合蚀变异常分布见图5-4。
图5-4 羌堆-普隆地区蚀变遥感异常信息综合图
（三）克鲁-朗达研究区
1.氧化铁染异常信息提取（表5-11 ）
表5-11 由ASTER1，2，3，4进行主成分分析后的特征向量矩
2.泥化异常信息提取（表5-12）
表5-12 由ASTER1、3、5，6进行主成分分析后的特征向量矩
3.碳酸盐化与绿色蚀变岩化异常信息提取（表5-13）
表5-13 由ASTER1，3，5，8进行主成分分析后的特征向量矩阵
4.综合异常信息提取（图5-5）
（四）蚀变遥感信息提取与分析
在用ASTER数据提取蚀变遥感异常信息研究中，由于泽当的情况相对典型，所以针 对泽当地区进行蚀变异常分析。在ETM图像上没有信息显示（图5-6）的明则（程巴）矿区在ASTER图像都显示明显氧化铁染异常，且各类异常与化探异常吻合较好（图5-7）。沿雅鲁藏布江缝合带的基性超基性岩带，铁染异常呈带状分布。此外努日（劣布）矿区岩 体与围岩的接触带上还可见综合异常，表明ASTER卫星数据，对蚀变信息具有较高的诊 断和识别性，可以利用它来进行典型地区的蚀变遥感异常信息的提取。
图5-5 克鲁-朗达地区遥感矿化蚀变异常信息综合图
图5-6 基于ETM的蚀变遥感信息分布图
图5-7 基于ASTER的蚀变遥感信息分布图
ASTER-TIR用于岩性填图的初步研究
答：摘要:本文报导利用东天山哈密地区的两景 ASTER-TIR进行了区分岩性的初步研究结果和所采用的主要方法技术:去相关扩展、自适应聚类分析、主分量分析等。成功地解译了碳酸盐、铁橄榄石、阳起石、透闪石、钠长石、微斜长石等矿物及相关的岩性。 关键词:去相关扩展;自适应聚类分析;主分量分析 1 前言 ASTER(advanced space-...
如何用主成分分析法确定指标权重?
答：在SPSS中，主成分分析是通过设置因子分析中的抽取方法实现的，如果设置的抽取方法是主成分，那么计算的就是主成分得分，另外，因子分析和主成分分析尽管原理不同，但是两者综合得分的计算方法是一致的。层次分析法根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响...
主成分分析的原理
答：在用统计分析方法研究多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。主成分分析是对于原先提出的所有变量，将重复的变量（...
基于不同数据源的土地利用变化遥感动态监测方法
答：现在,遥感技术已成为进行土地利用变化动态监测的重要手段。 基于遥感影像的土地利用变化监测方法大致可分为两类:光谱直接比较法和分类结果比较法。多数变化提取算法属于前一种,主要包括影像差值法、比值法、主成分分析法和变化矢量分析法等,这些算法直接通过两时相数据的光谱差异确定变化发生的区域,但不能得出变化图斑的...
统计按照统计方法分类分为
答：的一种多变量统计分析方法.它的基本思想是将观测变量进行分类,将相关性较高,即联系比较紧密的分在同一类中,而不同类变量之间的相关性则较低,那么每一类变量实际上就代表了一个基本结构,即公共因子.对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量....
主成分分析用于放射性数据处理
答：4)计算测区各测点的主分量得分，并绘制主分量得分等值线图。第一主分量得分，f1=0.62K+0.42U+0.66Th 第二主分量得分，f2=-0.40K+0.90U-0.19Th 第三主分量得分，f3=0.66K+0.14U-0.73Th 应用主分量分析方法处理航空伽马能谱测量数据，可用来进行岩性填图和成矿远景预测。对于青海柴达木...
矿产地质解译
答：图5.28 比值方法提取蚀变信息 b.主成分分析。又称克罗斯塔技术(面向特征的主成分选择分析方法),在数学上常称为KL变换,它是在统计特征基础上的多维(如多波段)正交线性变换。主组分变换的目的就是要把原来多个波段中的有用信息集中到数目尽可能少的新的组分图像中,并使这些组分图像之间互不相关,即各自包含不同的地...
TM/ETM +影像矿化蚀变信息提取
答：4. 综合提取法 蚀变信息相对于遥感影像丰富的信息而言是一种弱信息，且常被背景信息所掩盖，通常在蚀变信息的提取过程中，单纯用一种或几种方法很难取得满意的效果。综合提取法就是各种蚀变信息提取方法的综合应用，一般是在 TM 原始波段、比值波段和主成分分析后的主分量中进行的二次波段比值或二次...
钾盐勘查的综合方法技术
答：*经主分量分析所获K曲线展现出在60m和130m深处的富含杂卤石层。 伽马能谱测井方法成功地在6个省(云南、湖北、四川、山东、新疆及青海)得到推广应用。厚度≥0.5m、KCl含量≥2%的含钾盐层在勐野井及其它矿区均可测出。石油部曾制定了“油盐兼探”的技术政策,在此政策的鼓舞下在江汉油田利用伽马能谱测并发现了...
基于特征光谱的矿化蚀变信息增强提取模型
答：主成分分析基于变量之间的相互关系在信息总量守恒的前提下利用线性变换的方法来实现去相关性。由于所获各主分量之间不相关，故各主分量之间信息没有重复或冗余。蚀变异常信息的提取正是利用了主成分分析的这一基本性质。TM多波段数据通过PCA所获每一主分量常常代表一定的地质意义且互不重复，即各主分量的...
