基于特征譜帶的高光譜遙感礦物譜系識(shí)別 (1)

1、 基于特征譜帶的高光譜遙感礦物譜系識(shí)別甘甫平1,2, 王潤生2, 馬藹乃1(1. 北京大學(xué)遙感與地理信息系統(tǒng)研究所, 北京100871; 2. 中國國土資源航空物探遙感中心, 北京100083摘要:、。礦物光譜包含一系列特征吸收譜帶。獨(dú)特波形, 能夠指示離子類礦物、CO 232+3+3+, Al OH 和Mg OH 等 的可, 并以美國Cuprite 地區(qū)的AV IRIS 數(shù)據(jù)進(jìn)行礦, , 取得了, 初步實(shí)現(xiàn)利用宏觀的手段(遙感技術(shù) 進(jìn)行微觀(礦物 的探測。關(guān)鍵詞:礦物譜系識(shí)別; 識(shí)別規(guī)則; 特征譜帶; 高光譜;AV IRIS中圖分類號(hào):P57514; P231文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1005

2、2321(2003 02044510收稿日期:20021009; 修訂日期:20021213基金項(xiàng)目:國家自然科學(xué)基金項(xiàng)目(40201034 ; 國家8632103項(xiàng)目(2001AA13602024 ; 國土資源部“十五”重點(diǎn)科研項(xiàng)目(2002206 ; 中國地質(zhì)調(diào)查局重點(diǎn)科研項(xiàng)目(D K9902062作者簡介:甘甫平(1971, 男, 博士后, 主要研究方向:遙感技術(shù)與應(yīng)用、高光譜遙感與遙感信息模型。高光譜的光譜識(shí)別是高光譜區(qū)分于多光譜的主要標(biāo)準(zhǔn), 也是高光譜的優(yōu)勢所在。目前高光譜巖礦蝕變信息識(shí)別與提取的方法主要為基于光譜波形參數(shù)15、波譜相似性測度614、混合光譜模型1522等。在具有大量

3、已知地物光譜時(shí)這些方法適應(yīng)性強(qiáng), 圖像地物識(shí)別更有用。但明顯不足是由于實(shí)際地物光譜變異、獲取數(shù)據(jù)受觀測角以及顆粒大小的影響而造成光譜變化, 準(zhǔn)確匹配比較困難, 造成巖礦識(shí)別與分析上的混淆和誤差23。事實(shí)上, 礦物往往具有其特有、獨(dú)特的診斷性特征吸收譜帶, 這些特征譜帶在不同的礦物中具有較穩(wěn)定的波長位置和較穩(wěn)定的獨(dú)特波形, 能夠指示離子類礦物、單礦物的存在6,2427。通過這些譜帶或其組合, 能夠?qū)崿F(xiàn)對(duì)礦物的識(shí)別。由此, 本文通過對(duì)礦物光譜特征進(jìn)行分析和總結(jié), 建立基于特征譜帶的礦物識(shí)別譜系對(duì)礦物類或礦物進(jìn)行識(shí)別。該方法在一定程度上可以實(shí)現(xiàn)對(duì)高光譜巖礦信息的智能識(shí)別。1礦物光譜特征在當(dāng)前光學(xué)遙感

4、攝影普遍使用的譜段范圍(0. 42. 5m 內(nèi), 巖礦標(biāo)型光譜特征都與碳酸根、水、羥基和鐵離子等陰離子基團(tuán)或一些陽離子有關(guān)。礦物吸收特征的差異主要取決于礦物晶體物化屬性的不同, 即陰陽離子的化合價(jià)、陽離子的配位數(shù)目、主要陽離子的質(zhì)量、鍵的共價(jià)程度、陰陽離子間的距離、晶體對(duì)稱的不同26。這些特征吸收指的是礦物獨(dú)特而較穩(wěn)定的吸收譜帶。這些譜帶在不同的礦物中有較穩(wěn)定的波長位置, 具較穩(wěn)定獨(dú)特的波形, 指示著某種礦物的存在。一般而言, 陽離子(如Fe 2+, Fe 3+和Mn 3+等 因電子躍遷而在可見光區(qū)或近紅外具有特征譜帶, 陰離子基團(tuán)(如CO 2-3, H 2O ,OH -與金屬-OH 基團(tuán)等

5、因彎曲振動(dòng)而在短波紅外產(chǎn)生倍頻與合頻的光譜特征28。1. 1陽離子光譜特征(1 Mn 離子:這里主要分析水錳礦、硬錳礦、菱錳礦、錳鋁榴石與錳橄欖石中Mn 的光譜特征。Mn 2+是典型的d 5電子構(gòu)架, 其譜帶主要產(chǎn)生于電子躍遷。在可見光區(qū)域(圖1 , 錳的特征譜帶主要為0. 45m 與0. 55m 以及在0. 360. 41m 附近的3處吸收特征, 或在0. 40. 6m 區(qū)域產(chǎn)生的第10卷第2期2003年4月地學(xué)前緣(中國地質(zhì)大學(xué), 北京Earth Science Frontiers (China University of G eosciences ,Beijing Vol. 10No.

6、2Apr. 2003 一個(gè)較陡的半吸收特征 。圖1含錳礦物光譜Fig 11The spectral feature of Mn 2bearing minerals下圖為上圖的局部放大(2 Fe 離子:在礦物的組成成分中, Fe 是一個(gè)非常重要的元素。由晶體場理論可知, Fe 2+的基態(tài)D 在四面體場中分裂為較高的五重線能級(jí)E g 和較低的五重線能級(jí)T 2g ; 由于僅存在一個(gè)自旋容許躍遷, 從而在1. 01. 1m 附近產(chǎn)生一個(gè)常見的強(qiáng)而寬的譜帶; Fe 3+有一個(gè)對(duì)稱的基態(tài)S , 在任何晶體場中都不分裂, 到4G 態(tài)所形成的更高能級(jí)的躍遷均為自旋禁戒, 因而光譜相對(duì)較弱, 但在0. 60.

7、9m 間產(chǎn)生強(qiáng)的吸收譜帶。對(duì)于不同類型鐵化合物, 因其分子結(jié)構(gòu)、晶體結(jié)構(gòu)以及透明度的差異, 其特征譜形差別較大。圖2為一些含鐵礦物的波譜曲線。從光譜曲線可知, 鐵硅酸鹽礦物的特征譜帶位于0. 9m , 呈對(duì)稱展布于0. 81. 0m 光譜區(qū)域。鐵的氫氧化合物特征譜帶位于1. 0m 附近, 成非對(duì)稱展布于0. 71. 40m 之間。而鐵的碳酸鹽礦物吸收譜帶呈寬緩平直狀展布于0. 81. 5m 之圖2鐵化合物光譜Fig 12The spectral feature of Fe 2bearing minerals下圖縱坐標(biāo)偏移, 以便能夠清楚展示不同鐵化合物的光譜特征間。但鐵的氧化物和硫化物因礦物顏

8、色的影響, 屬于不透明礦物系列, 出現(xiàn)光譜吸收限, 光譜特征被掩446 圖3含鋁礦物波譜Fig 13The spectral feature of Al 2bearing minerals 上圖:Al的氧化物與氫氧化物; 下圖:Al的硅酸鹽礦物蓋, 輕微的氧化或蝕變可能使鐵的一些特征波譜顯現(xiàn)出來。(3 鋁離子(Al 3+ 類礦物光譜:鋁離子在大多礦物中均能發(fā)現(xiàn), 尤其是硅酸鹽礦物。鋁在硅酸鹽礦物結(jié)構(gòu)中起著雙重作用。一是呈四次配位, 代替部分的Si 4+而進(jìn)入絡(luò)陰離子, 形成鋁硅酸鹽; 二是呈六次配位, 存在于硅氧骨干之外, 起一般陽離子作用, 形成鋁的硅酸鹽; 或者兼有上述兩者的特性。圖3為這

9、些礦物的波譜曲線。鋁的氧化物波譜為1. 4m 附近的反射峰較強(qiáng)。鋁的氫氧化物中, 三水鋁石由于所含較強(qiáng)的Al O H 鍵的伸縮振動(dòng)的合頻或倍頻的作用, 在1. 41. 6m 間產(chǎn)生尖銳的由主要的1. 435m 與次要的1. 558m 組成的“二元”吸收特征。硬水鋁石因Al 3+充填由O 2-和(OH -形成的1/2的八面體空隙,Al O H 鍵較弱而在1. 408m 產(chǎn)生較弱的吸收特征 。圖2The spectral feature of anorthite and epidote圖5高嶺石2夕線石光譜Fig 15The spectral feature of kaolinite and si

10、llimanite鋁的硅酸鹽礦物(圖3, 4, 5 的特征光譜與AlO4并不相關(guān), 與AlSi 3O 8相關(guān)性也不明顯。鋁在硅酸鹽中的光譜行為主要是鋁陽離子的電子躍遷以及Al OH 基團(tuán)伸縮振動(dòng)的合頻與倍頻的作用, 而在短波紅外光譜產(chǎn)生特征吸收光譜。隨著Al OH 鍵力的增強(qiáng)與數(shù)量的增多, 硅酸鹽礦物的特征更多地凸顯出OH 基團(tuán)的尖銳且窄的吸收特征。由于Al OH 基團(tuán)在不同晶體結(jié)構(gòu)中能級(jí)的差異, 其吸收譜帶的形態(tài)、位置以及次級(jí)吸收峰的形態(tài)都有所不同。從圖3下圖可見, 鈉長石光譜特征并不明顯; 白云母與高嶺石均因較強(qiáng)的Al OH 鍵而表現(xiàn)出較為一致的1. 42m 與2. 15m 的特征吸收峰,

11、 但在2. 02. 5m 之間的吸收峰形態(tài)卻存在較大的差異, 這是二者識(shí)別與區(qū)分的標(biāo)志, 是Al 在晶體結(jié)構(gòu)中不同占位的光譜外在表現(xiàn)。在低溫條件下, AlO 4四面體的體積稍大于( ( 447 6of Mg SiO 4四面體。如鈣長石Ca Al 2Si 2O 8轉(zhuǎn)變成綠簾石Ca 2(Al , Fe 3O (OH SiO 4Si 2O 7, 使Al 全部處于八面體配位中, 成為最穩(wěn)定的形式。綠簾石光譜特征(圖4 較鈣長石復(fù)雜, 并具有與高嶺石或白云母相同的譜形, 但相對(duì)于后二者, 其特征譜帶的位置相對(duì)向長波方向移動(dòng)。這主要是由于綠簾石晶體中具有Fe 的類質(zhì)同象, 影響了Al 在晶體中鍵力與鍵長,

12、 從而使能級(jí)分裂的大小或OH 基團(tuán)伸縮彎曲振動(dòng)的方向發(fā)生變化造成的。在高溫富Al 環(huán)境,AlO4可由六次配位轉(zhuǎn)變?yōu)椴糠值腁l 的四次配位。如高嶺石Al 4Si 4O 10(OH 8在10001500°C 的條件下可部分地轉(zhuǎn)變?yōu)橄€石AlAlSiO5。比較二者的光譜特征(圖5 可見, 在2. 2m 附近的主要特征吸收差異不大, 主要差別是高嶺石中OH 基團(tuán)振動(dòng)產(chǎn)生的吸收峰較夕線石尖銳, 次級(jí)吸收峰特征較明顯?？偟膩碚f,Al 離子自身以及硅鋁四面體并無特征吸收, 含鋁硅酸鹽或鋁的鋁硅酸鹽礦物的光譜特征更主要是Al OH 鍵振動(dòng)的合頻或倍頻的結(jié)果,這將在金屬-OH 的光譜特征中加以進(jìn)一步論

13、述。1. 2陰離子光譜特征(1 金屬OH :由于陰陽離子之間鍵的共價(jià)程度、陰陽離子間的距離造成晶體對(duì)稱度等的不同, 使金屬OH 基團(tuán)光譜產(chǎn)生一定的差異。圖6主要為含Mg OH 鍵礦物的光譜。該類礦物最為顯著的是在2. 30m 附近具有強(qiáng)吸收特征峰。陽起石強(qiáng)吸收譜帶位于2315nm 處, 黑云母圖7Al OH 特征離子光譜Fig 17The spectral feature of Al -OH bonds2335nm , 水鎂石2315nm , 葉蛇紋石2325nm , 纖蛇紋石2325nm , 鋰皂石2305nm , 利蛇紋石23152325nm , 金云母2325nm , 滑石2315nm

14、, 透閃石2315nm 。含Mg 2OH 的礦物光譜以23152335nm 的最大吸收譜帶為特征, 這也是識(shí)別含Mg OH 鍵礦物的顯著標(biāo)志。圖7主要是含Al OH 鍵礦物的光譜。該類礦物最顯著的吸收特征是由位于2. 20m 附近的最大吸收峰以及其兩側(cè)的一些次一級(jí)吸收峰構(gòu)成“二元結(jié)構(gòu)”。明礬石的特征吸收譜帶位于2165nm 和2325nm 處; 鋰綠泥石為2175nm 和2365nm ; 埃洛石為2205nm 和2165nm ; 伊利石為2215nm 和2355nm ; 高嶺石為2205nm 和2165nm ; 蒙脫石為2205nm 和2215nm ; 白云母21952225nm 和2355n

15、m ; 葉蠟石2165nm 和2315nm ; 累托石2195nm ; 黃玉2085nm 和2155nm ,2215nm ?？梢姾珹l OH 鍵的礦物的識(shí)別光譜位于2165nm 2215nm 之間。(2 CO 2-3:在碳酸鹽CO 3絡(luò)陰離子中,C 與O 之間為鍵力強(qiáng)的共價(jià)鍵, 而CO 3與金屬陽離子則以離子鍵為主。在1. 3m 以前, 碳酸鹽礦物的光譜特征主要是由金屬離子躍遷所決定; 而1. 3m 以后,其光譜特征是基團(tuán)振動(dòng)所產(chǎn)生, 即CO 2-3或一些水分子本身的倍頻或合頻模式振動(dòng)產(chǎn)生(圖8 。在近m ,2. 35m ,2. 16m ,2. 0m 和1. 9m , 第、第是較清楚的雙重譜帶

16、, 強(qiáng)度比其余3個(gè)強(qiáng); 碳酸鹽巖礦物最顯著的識(shí)別特征是2. 32. 4m 之間具448 圖8碳酸鹽巖礦物光譜特征Fig 18The spectral feature of carbonite minerals下圖為上圖局部放大; 兩圖的縱坐標(biāo)已偏移有單一的特征吸收, 對(duì)稱性左寬右窄, 有別于其它類礦物光譜特征。同時(shí)該類絕大多數(shù)礦物也具有2. 12. 2m 以及2. 5m 附近的次一級(jí)特征吸收。所含陽離子的不同, 而在0. 41. 2m 區(qū)間出現(xiàn)陽離子躍遷的光譜特征, 可用于識(shí)別不同類型的碳酸鹽巖礦物。2礦物識(shí)別譜系與識(shí)別規(guī)則由以上分析可知, 陰離子診斷譜帶位于22. 5m 光譜區(qū)域, 一般為絡(luò)

17、陰離子彎曲振動(dòng)的合頻或倍頻的吸收特征譜帶或疊加在OH 基團(tuán)伸縮振動(dòng)光譜之上的復(fù)合譜帶; 而Fe 2+,Fe 3+和Mn 2+診斷譜帶一般位于0. 41. 2m 光譜區(qū)域, 為電子躍遷吸收特征譜帶。由此, 將礦物識(shí)別光譜劃分為兩個(gè)區(qū)域,即小于1m 的光譜區(qū)和大于2m 的光譜區(qū)。在這兩個(gè)光譜區(qū)域中分別進(jìn)行不同光譜機(jī)制礦物離子化合物的識(shí)別。在大于2m 光譜區(qū)域提取含Al OH 和CO 2-3礦物類; 在1m 光譜區(qū)提取含F(xiàn)e 2+, Fe 3+和Mn 2+的礦物類。例如, Fe 2+在1000nm 附近的產(chǎn)生特征譜帶,CO 2-3在2300nm 處的產(chǎn)生特征吸收,Al OH 在2200nm 附近產(chǎn)生

18、特征吸收等。利用陰陽離子特征譜帶或其譜帶組合大致可以對(duì)礦物進(jìn)行識(shí)別。例如, 同時(shí)具有Fe 2+在1000nm 與CO 2-3在2300nm 附近的特征譜帶, 便大致確定為該礦物為菱鐵礦。由于類質(zhì)同象替代系列的存在以及離子光譜的敏感性而產(chǎn)生混淆, 如Fe 2+Zn 2+、Ca 2+Fe 2+等陽離子的部分替代, 可形成FeCO 32ZnCO 3、Ca CO 32Fe CO 3等的不完全類質(zhì)同象系列。這樣, 在對(duì)礦物的精確識(shí)別時(shí), 除了利用陰陽, , 上, 建立分層識(shí)別礦物譜系(Spectral Identification Tree (SIT , 對(duì)礦物或礦物類別從大類到礦物逐層進(jìn)行識(shí)別(圖9

19、。(1 特征譜帶識(shí)別:主要用于對(duì)含離子大類礦物進(jìn)行識(shí)別:含Al OH 礦物:診斷譜帶一般位于21652205nm 附近; 含CO 2-3礦物:診斷譜帶一般位于23352386nm 區(qū)間; 含F(xiàn)e 2+礦物:診斷譜帶一般位于10001100nm 附近; 含F(xiàn)e 3+礦物:診斷譜帶一般位于600900nm 附近; 含Mn 2+礦物:診斷譜帶一般位于450600nm附近。(2 譜帶組合識(shí)別規(guī)則:以主吸收譜帶和次要吸收譜帶的組合識(shí)別單礦物, 并考慮到吸收譜帶在不同巖石中的漂移。這里以Al -OH 鍵的礦物, 如明礬石、蒙脫石和白云母為例, 建立的組合光譜識(shí)別規(guī)則:明礬石:兩個(gè)特征吸收分別位于2175n

20、m (21652175nm , ±10nm 和2325nm ; 蒙脫石:位于2215nm (22052215nm , ±10nm 的主要特征吸收伴隨有一個(gè)2440nm 的次級(jí)吸收; 白云母:位于2205nm (21952215nm , ±20nm 的主要特征吸收伴隨有3個(gè)次級(jí)吸收峰, 分別位于2355nm ,2440nm 和2115nm ; 高嶺石:位于2205nm (21852235nm , ±20nm 的主要特征吸收伴隨有3個(gè)次級(jí)吸收峰, 分別位于2165nm ,2315nm ,2386nm 。(3 全譜帶光譜分解識(shí)別:為避免光譜變異和光譜混合效應(yīng),

21、 以整個(gè)光譜曲線作參量, 利用光譜分解模型進(jìn)行礦物精細(xì)識(shí)別。光譜分解模型是建立在Hapke 29(1981 雙向反射理論以及不同地物對(duì)光譜響應(yīng)的差異之上構(gòu)造的光譜模型30,X =M f +e(1 ( ( 449 這里, f =(f 1, f 2, f 3, , f c T 表示端員豐度矢量, X =(x 1, x 2,. . . , x n T為像元的數(shù)字值矢量, M 是參考端員光譜矢量, e 為誤差向量, 且滿足E (e =0與E (ee T=N (2 光譜分解模型需限制c n +1, 且ci =1f i =1以上為線性分解模型。但在一個(gè)像元內(nèi), 地物光譜并非為純像元的線性混合, 而更多地表

22、現(xiàn)為非線性。對(duì)于單散射, 可作為線性模型分解; 多散射則認(rèn)為非線性混合。利用算子(3 可以通過單散射反照率(SSA 轉(zhuǎn)換將非線性“線性化”5, 再利用式(2進(jìn)行光譜分解。W =(3r +6 r/2( 其中W , 物類識(shí)別, , 再利用組合譜帶識(shí)別規(guī)則識(shí)別礦物, 進(jìn)一步地利用全譜帶光譜特征進(jìn)行礦物種類精細(xì)識(shí)別。3礦物分層識(shí)別提取(1 試驗(yàn)區(qū)地質(zhì)概況:以1998年獲取的美國Cuprite 地區(qū)的航空高光譜A VIRIS 數(shù)據(jù)進(jìn)行試驗(yàn)。該區(qū)主要出露巖層有寒武系沉積巖和變沉積巖、第三系火山巖和第四系沖積層。第三系火山巖熱液蝕變廣泛, 在95號(hào)公路兩邊形成兩個(gè)南北向拉長的蝕變區(qū), 明顯可分為硅化帶、蛋白

23、石化帶和泥化帶, 從中部向外呈同心圓狀分布31。硅化區(qū)主要蝕變礦物為石英和少量的方解石、明礬石和高嶺石; 蛋白石化帶分布廣泛, 主要為明礬石、浸染狀蛋白石、方解石置換的蛋白石和高嶺石; 泥化帶主要有高嶺石、蒙脫石和少量由火山玻璃生成的蛋白石32。本區(qū)露頭出露良好, , 從20世紀(jì)70, 就成為美國, , 蝕變33。(2 礦物識(shí)別:在Cuprite 地區(qū), 利用前述所建立的礦物譜系識(shí)別規(guī)則對(duì)Al OH ,Mg OH ,CO 2-3, Fe 2+,Fe 3+和Mn 2+類礦物作識(shí)別試驗(yàn), 識(shí)別結(jié)果見圖10。圖中亮度值表示該類礦物分布的相對(duì)豐度。從這6類離子礦物類識(shí)別結(jié)果分析, 該區(qū)中部以含Al O

24、H 鍵的礦物為主, 含Mg OH 鍵的礦物分布較少。結(jié)合CO 2-3與Fe2+的分布分析認(rèn)為, 在該區(qū)西南部可能有菱鐵礦存在, 在礦區(qū)中部偏東部存在高價(jià)鐵礦物, 如黃鉀鐵釩、赤鐵礦等。 進(jìn)一步利用掩圖9基于礦物識(shí)別譜系集成Fig 19Spectral Identification Tree (SIT for mineral extraction based on spectral characteristic of mineral450( ( 451 膜技術(shù), 在Al OH 離子類礦物區(qū)域中, 進(jìn)一步根據(jù)組合譜帶識(shí)別規(guī)則識(shí)別明礬石、蒙脫石、白云母和高嶺石, 結(jié)果如圖11。(圖12 。4結(jié)論將識(shí)

25、別結(jié)果與Clark 和Swayze 34的結(jié)果相比較, 兩個(gè)近于一致。Clark 和Swayze 利用的是Tri 2corder 軟件, 基于UN IX 操作平臺(tái), 以大量的地物光譜數(shù)據(jù)庫, 大氣輻射轉(zhuǎn)換模型和地面定標(biāo)目標(biāo)為基礎(chǔ), 采用波形匹配和全波段譜形的最小二乘擬合進(jìn)行礦物識(shí)別。其識(shí)別結(jié)果都是經(jīng)X 2射線衍射分析等技術(shù)和野外檢查進(jìn)行了驗(yàn)證, 準(zhǔn)確性較高, 可作為地面實(shí)況對(duì)比分析的基礎(chǔ)。對(duì)比結(jié)果說明, 本次所建立的有關(guān)礦物的譜系識(shí)別規(guī)則符合實(shí)際、簡單易行, 可以從大類到具體礦物, 再到礦物類質(zhì)同像系列或同質(zhì)多像變體, 高效地用于提取巖礦成因信息。礦物準(zhǔn)確識(shí)別的前提是高光譜數(shù)據(jù)的信噪比較高,

26、輻射標(biāo)定與大氣校正準(zhǔn)確可靠, 能再現(xiàn)地物光譜特征。隨著高光譜儀技術(shù)性能(比如傅立葉分光高光譜儀 的改進(jìn)與提高, 將改善高光譜物質(zhì)識(shí)別的精度, 推動(dòng)高光譜物質(zhì)識(shí)別的智能化與定量化, 并將在一定程度上實(shí)現(xiàn)利用宏觀的手段進(jìn)行微觀的探測。感謝美國NASA 提供Cuprite 地區(qū)航空高光譜AVIRIS 數(shù)據(jù)。R eferences參考文獻(xiàn):1KRUSE F A. Use of airborne imaging spectrometer data to mapminerals associated with hydrothermally altered rocks in the, and Califor

27、nia J .Envi 2EY J K , L C. Airborneof the Ruby Mountains , Montana :mineral discrimination using relative absorption band 2depth im 2agesJ.Remote Sens Envi ron , 1989,29:1212134.3WAN GJ , ZHEN G L , TON G Q. The spectral absorption identi 2fication model and mineral mapping by imaging spectrometer d

28、ata J.Remote Sens Envi ron (Chi na , 1996, 11(1 :20231(in Chinese . 王晉年, 鄭蘭芬, 童慶禧. 成像光譜圖象光譜吸收鑒別模型與礦物填圖研究J.環(huán)境遙感,1996,11(1 :20231. 4dE JON G S M. Imaging spectrometry for monitoring tree dam 2age caused by volcanic activity in the Long Valley Caldera , Cali 2forniaJ.I TC Journal , 1998, 1:1210.5LON GH

29、I I , SCAV ETTI M , CHIARI R , et al. Spectral analy 2sis and classification of metamorphic rocks from laboratory re 2flectance spectral in the 0. 42. 5m interval :a tool for hyper 2spectral data interpretationJ.Int J Remote Sensi ng , 2001,22(18 :376323782.6BAU GH W M , KRUSE F A , WILL IAM W , et

30、al. Quantita 2tive geochemical mapping of ammonium minerals in the Southern Cedar Mountains , Nevada , using the airborne visible/infrared imaging spectrometer (AVIRIS J .Remote Sens Envi ron , 1998, 65:2922308.7FENSTERMA KER L K , MILL ER J R. Identification of Flu 2vially redistributed mill tailin

31、gs using high spectral resolution air 2craft data J.Photogram met ric Engi neeri ng &Remote Sens 2i ng , 1994, 60(8 :9892995.8BEN 2DOR E , KRUSE F A. Surface mineral mapping ofMakhtesh Ramon Negev , Israel using GER 63channel scanner dataJ.Int J Renote sensi ng , 1995,16(8 :352923553.9CROSTA A P

32、 , SABIN E C , TARANIK J V. Hydrothermal al 2teration mapping at Bodie , California , using AVIRIS hyperspec 2tral dataJ.Remote Sens Envi ron , 1998,65:3092319.10DRA KE N A , MACKIN S , SETTL E J J. Mapping vegetation ,soil , and geology in semiarid shrublands using spectral matching and mixture mod

33、eling of SWIR AVIRIS imagery J.RemoteSens Envi ron , 1998,68:12225.11YU HAS R H , GEO TZ F H A , BOARDAM J W. Discri mi na 2452 tion A mong Semiari d L andscape Endmembers Usi ng the S pec 2t ral A ngle M apper (S A M A lgorithm C .Summaries of theThird Annual J PL Airborne G eoscience Workshop ,1J

34、une 1992, Pasadena , CA :JPL Publication 92214,1472149.12FERRIER G. Application of image spectrometer data in identi 2fying environmental pollution caused by mining at Rodaquilar SpainJ.Remote Sens Envi ron , 1999, 68:1252137.13VAR DER MEER F , BA KKER W. Cross correlogram spectralmatching :Applicat

35、ion to surface mineralogical mapping by using AVIRIS data from Cuprite ,NevadaJ.Remote Sens Envi ron , 1997,61:3712382.14GAN F , WAN G R , J IAN G S , et al. Discrimination techniquefor rocks or ore deposits based on the feature of full spectral shape using hyperspectral remote sensing and its appli

36、cationJScientia Geologica Si nica ,2000(3in .甘甫平, , J, ,35(3 :376215ADAMS J B , SMITH M O , JOHNSON P E. Spectral mixturemodeling :a new analysis of rock and soil type at the Viking Lan 2der 1site J .Journal of Geophysical Research , 1986, 91(B8 :809828112.16MUSTARD J F , PIETERS C M. Abundance and

37、distribution ofultramafic microbreccia in Moses Rock Dike :quantitative appli 2cation of mapping spectroscopyJ.Journal of Geophysical Re 217ROBERTS D A , GARDN ER M , CHURCH R , et al. Mappingchaparral in the Santa Monica Mountains using multiple end 2member spectral mixing models J .Remote Sens Env

38、i ron . , 1997,65:2672279.18SABOL D E , JOHN J R , SMITH M O. Quantitative subpixelspectral detection of targets in multispectral imagesJ.Journalof Geophysical Research , 1992, 97(E2 :265922672.19SETTL E J J , DRA KKE N A. Linear mixing and the estimationof ground cover proportionsJ.Int J Remote Sen

39、si ng , 1993, 14(6 :1159|1177.20SHIPMAN H , ADAMS J B. Detectabilit y of minerals on DesertAlluvial Fans using reflectance spectraJ.Journal of Geophysi 2cal Research , 1987,92(B10 :1039121042.21SHIMABU KURO Y E , SMITH J A. The least-squares mixingmodels to generate fraction derived from remote sens

40、ing multi 2spectral data J .I EEE T rans Geos Remote Sens , 1991, 29(1 :16220.22SMITH M O , JOHNSON P E , ADAMS J B. Quantitative de 2termination of mineral type and abundances from reflectance spectra using principal components analysisJ.Journal of Geo 2physical Research , 1985,90(Suppl :7972804.23

41、GAN F , WAN G R , MA A , et al. The development and ten 2dency of both basis and techniques of discrimination for minerals and rocks using spectral remote sensing dataJ.Remote Sensi ngTechnology and A pplication , 2002, 17(3 :1402147(in Chi 2nese . 甘甫平, 王潤生, 馬藹乃, 等1光譜遙感巖礦識(shí)別基礎(chǔ)與技術(shù)研究進(jìn)展J.遙感技術(shù)與應(yīng)用,2002,17

42、(3 :1402147. 24CLAR K N R. Spectroscopy of rocks and minerals , and principlesof spectroscopy EB/OL .http :/speclab. cr. usgs. gov , 1999(last revised J une 25,1999 .25CLAR K R N , KIN G TVV , K L E J WA M , et al. High spectralresolution reflectance spectroscopy of minerals J.Journal ofGeophysical

43、Research , 1990,95:26spectra for the de 2of ., 1978, 63:F. Investigation on Pri nciples and Techniques of Ext ract 2i ng Inf ormation of Rocks and Mi nerals Usi ng Remote Sensi ng Data D.Beijing :China University of G eosciences ,2001. 甘甫平. 遙感巖礦信息提取基礎(chǔ)與技術(shù)方法研究D .北京:中國地質(zhì)大學(xué), 2001. 28Institute of G eolog

44、ical Intelligence. Monograph f or RemoteSensi ng (1 C .Beijing :G eological Publishing House ,1980(inChinese . 地質(zhì)礦產(chǎn)部地質(zhì)情報(bào)所. 遙感專輯(1 C.北京:地質(zhì)出版社,1980. 29HAPKE B. Bidirectional reflectance spectroscopy ,1, TheoryJ.Journal of Geophysical Research , 1981,86:303923054.30ICHO KU C , KARNIEL I A. A review of

45、mixture modelingtechniques for sub 2pixel Land cover Estimation J .RemoteSensi ng Reviews , 1996, 13:1612186.31SWA YZE G A , CLAR K R N , GOETZ A F H , et al. Usi ngI magi ng S pect roscopy to Better U nderstand the Hydrothermal and Tectonic History of the Cuprite Mi ni ng Dist rict , NevadaC.Summar

46、ies of the Seventh J PL Airborne Earth Science Workshop , January 12216,1998,Pasadena ,CA :J PL Publication 97221,3832384.32ASHL EY R P , ABRAMS M J. Alteration mapping using multi 2spectral images 2Cuprite Mining district , Esmeralda county , NevadaA .U. S. Geological S urvey Open File Report R .19

47、80. 802367.33HOO K S J , RAST M. Mi neralogic M appi ng Usi ng A i rborneV isible Inf rared I magi ng S pect rometer (A V IRIS S hort w ave Inf rared (S W IR Data Acqui red over Cuprite , Nevada C .Presented in the 2nd AVIRIS Worshops , 425J une , 1990, Pasadena ,CA :JPL Published , 1990. 1992207.34

48、CLAR K R N , SWA YZE G A. Evolution in Imaging Spec 2troscopy analysis and sensor Signal 2to 2Noise :An examination of how far we have come ,1996. http :/speclab. cr. usgs. gov/pub/Cuprite.( (453 SPECTRAL IDEN TIFICA TION TREE (SIT FOR MIN ERALEXTRACTION BASED ON SPECTRAL CHARACTERISTICS OF MIN ERAL SG AN Fu 2ping 1,2,WAN G Run 2sheng 2,MA Ai 2na