专利名称：高光谱多端元线性拟合矿物识别与矿化指示方法
技术领域：
本发明涉及一种矿物识别和矿化指示的方法，尤其是一种利用光谱混合组成的高光谱多端元的线性拟合，来进行矿物识别和矿化指示的方法。
背景技术：
矿物在自然界的存在以及与其它矿物的共生具有一定的规律。矿物的共生组合是由组成矿物本身的化学元素的性质和形成矿物的地质作用过程的物理化学条件所支配。在不同地质作用过程中矿物共生组合的赋存与分布规律是不一样的，如岩浆作用矿物共生组合和风化作用矿物共生等。在同一地质作用过程中因温度的变化而形成高温、中温和低温的矿物共生组合，随着岩石类型的不同其矿物共生组合也发生相应的变化。在矿床形成过程中，也必然会在矿体周围产生一定的矿物组合，并在近矿空间内以矿物空间上的变化特征形成朝矿体方向呈明显梯度变化的矿物组合分带现象。这样，利用矿物共生组合的分布规律、分带性与差异性可以确定地质作用类型和成岩成矿等物化条件(如温、压等)等地质相关信息。例如，根据蚀变矿物共生组合的生长间断或蚀变矿物的共生关系可划分蚀变阶段、确定蚀变作用类型；根据每一蚀变过程中的矿物分带性可确定蚀变带序或递进蚀变序列；根据矿物的共生组合分布的空间叠加情况可分析各阶段蚀变与成矿的关系；继而更深入地研究蚀变形成的化学特点、温度、压力以及成矿流体中组分的富集情况，流体与围岩作用以及作用的原因，探讨蚀变与成矿过程。因此，对矿物共生组合与分带性的研究有助于对成岩成矿作用地质条件与地质环境的认识，正确判断矿床的成因类型，指导矿产的找寻与勘探。
高光谱遥感主要集中于单矿物的识别研究，而对从图像中提取矿物的共生组合特征和对成矿与矿物组合的关系研究较少。但单矿物的识别的主要困难是“混合像元”的存在。目前，广泛地应用的混合光谱分解技术首要地是需要地面地物端元的光谱信号，分解模式也常常是利用线形或非线形方程估算这些光谱信号(端元)，识别的精度在很大程度上依靠所输入地面地物端元的准确性以及端元的数量。但实际应用中地面端元是未知的，从而影响矿物识别的精确性，也不利于矿物组合与共生关系分析以及成矿预测。
总之，原有的技术方法如混合光谱模型分解着重于矿物的识别，由于难以具有混合分解端元的先验知识，识别的精度不高；另一方面，没有与地质应用很好地结合起来，难以实现对矿化的识别、成矿远景的圈定与靶区的优选。
发明内容
针对上述不足，本发明提供一种将混合(像元)光谱与不同的端元光谱的理解为离散数据之间的共变关系，通过这些离散变量之间的函数关系，借助于回归和判别分析以期获得变量之间的直接影响(Direct effects)或间接影响(Indirect effects)，从而加以整合得到整体的影响(Total effects)，这样便得到一组描述混合物整体内在联系的模型化参数的方法，利用这些参数与端元之间的潜在关联达到对不同组成端元识别与矿化指示的目的。
本发明的高光谱多端元线性拟合矿物识别与矿化指示方法，包括如下步骤；(1)根据成矿理论以及围岩蚀变特征，选择具有指示不同矿种的蚀变矿物构成多端元组合；(2)将(1)所选择的多端元矿物组利用最小二乘法逐像元地进行线性拟合，使其拟合的任一像元处的相关系数最大，残差系数最小；在高光谱图象处理中，利用矩阵运算进行多元线性回归拟合，Yn＝Xn(p+1)A(p+1)+ε(n+1)式中，Y是图象像元光谱；A是回归参数向量；X是组成端元光谱，ε是随机误差向量矩阵；在上式中，假设(1)x1，x2，…，xp是确定变量，不含随机成分；假设(2)x1，x2，…，xp之间非完全相关性；利用拟合的参数向量A作为不同端元组成的在混合物内的分布权重，以该权重大小作为该端元存在的概率，同时也可以表示分布的该端元分布的相对丰度；(3)将不同端元组分的权重作为矿物的模型化参数，进行彩色制图，显示矿物权重分布情况，以权重分布较大者为所识别矿物。
本发明高光谱多端元线性拟合矿物识别与矿化指示方法，还包括将上述步骤(3)的相关系数图中最大相关系数分布区作为矿化指示区域，或远景区以及靶区。
高光谱多端元线性拟合矿物识别与矿化指示方法的优点为，可以将预定的一种或者多种矿物的光谱曲线与实际混合端元的光谱图像拟合，进行比较，从而克服现有技术难以具有混合分解端元的先验知识，识别的精度不高的缺点；并且可以对成矿远景的圈定与靶区进行优选。
高光谱多端元线性拟合矿物识别与矿化指示方法的其他细节和特点可通过阅读下文结合附图详加描述的实施例即可清楚明了。
图1是本发明分别是绿帘石、绿泥石、蛇纹石、方解石、高岭石和云母的拟合的图像；图2是本发明对成矿远景的示意图。
具体实施例方式
如上所述，本发明的方法是(1)根据成矿理论以及围岩蚀变特征，选择具有指示不同矿种的蚀变矿物构成多端元组合，即实际测量得到的多端元图像；(2)将(1)所选择的多端元矿物组利用最小二乘法逐像元地进行线性拟合，使其拟合的任一像元处的相关系数最大，残差系数最小；在高光谱图象处理中，利用矩阵运算进行多元线性回归拟合，Yn＝Xn(p+1)A(p+1)+ε(n+1)式中，Y是图象像元光谱；A是回归参数向量；X是组成端元光谱，ε是随机误差向量矩阵；在上式中，假设(1)x1，x2，…，xp是确定变量，不含随机成分；假设(2)x1，x2，…，xp之间非完全相关性；利用拟合的参数向量A作为不同端元组成的在混合物内的分布权重，以该权重大小作为该端元存在的概率，同时也可以表示分布的该端元分布的相对丰度；(3)将不同端元组分的权重作为矿物的模型化参数，进行彩色制图，显示矿物权重分布情况，以权重分布较大者为所识别矿物；(4)将相关系数图中最大相关系数分布区作为矿化指示区域，或远景区以及靶区。
下面举例说明本发明的方法选择新疆东天山土墩铜镍矿床的HyMap数据进行示例。该矿床由不同大小的矿体和矿化体组成，产于超基性岩中并受一定的岩相控制。含矿岩石蚀变强烈，常具有滑石化、透绿泥石化、叶蛇纹石化。尤其矿体的顶部岩石蚀变更加强烈，岩石往往蚀变成片状、粉沫状。具较强的粘土化、高岭土化。这些蚀变分布具有明显的面型风化和线型风化分带特征。根据成矿理论与蚀变与矿的关系，第一步骤选择绿帘石、绿泥石、蛇纹石、方解石、高岭石和白云母作为端元组分进行拟合；第二步骤根据上述步骤(2)中的公式，将所选矿物绿帘石、绿泥石、蛇纹石、方解石、高岭石和白云母的每一矿物标准光谱与所拍摄的高光谱图像数据进行拟合，利用拟合的参数向量A作为不同端元(矿物)组成的在混合物内的分布权重，以该权重大小作为该端元存在的概率，同时也可以表示分布的该端元分布的相对丰度；第三步骤将不同端元组分的权重作为矿物的模型化参数，进行黑白或者彩色制图，显示矿物权重分布情况，以权重分布较大者为所识别矿物，例如，图1分别表示各个所选矿物拟合后的结果图像，图中高亮度的区域表示存在该矿物的概率较高，相反低亮度的区域表示存在该矿物的概率较低或者不存在该矿物(黑色分布区)。第四步骤将相关系数图中最大相关系数分布区作为矿化指示区域，或远景区以及靶区，例如，图2为将所选择的绿帘石、绿泥石、蛇纹石、方解石、高岭石和白云母作为多端元进行拟合后，表示该新疆东天山土墩铜镍矿床，相关系数分布成矿的指示，即图中高亮度，圆圈内的区域成矿概率较高，为找矿远景区域。
权利要求
1.本发明高光谱多端元线性拟合矿物识别与矿化指示方法，包括如下步骤；(1)根据成矿理论以及围岩蚀变特征，选择具有指示不同矿种的蚀变矿物构成多端元组合；(2)将(1)所选择的多端元矿物组利用最小二乘法逐像元地进行线性拟合，使其拟合的任一像元处的相关系数最大，残差系数最小；在高光谱图象处理中，利用矩阵运算进行多元线性回归拟合，Yn＝Xn(p+1)A(p+1)+ε(n+1)式中，Y是图象像元光谱；A是回归参数向量；X是组成端元光谱，ε是随机误差向量矩阵；在上式中，假设(1)x1，x2，…，xp是确定变量，不含随机成分；假设(2)x1，x2，…，xp之间非完全相关性；利用拟合的参数向量A作为不同端元组成的在混合物内的分布权重，以该权重大小作为该端元存在的概率，同时也可以表示分布的该端元分布的相对丰度；(3)将不同端元组分的权重作为矿物的模型化参数，进行彩色制图，显示矿物权重分布情况，以权重分布较大者为所识别矿物。
2.根据权利要求1所述的方法，其特征在于还包括将上述步骤(3)的相关系数图中最大相关系数分布区作为矿化指示区域，或远景区以及靶区。
全文摘要
本发明提供一种高光谱多端元线性拟合矿物识别与矿化指示方法，根据成矿理论以及围岩蚀变特征，选择具有指示不同矿种的蚀变矿物构成多端元组合；将所选择的多端元矿物组进行线性拟合，使其拟合的任一像元处的相关系数最大，在高光谱图象处理中，利用矩阵运算进行多元线性回归拟合，拟合的参数向量A作为不同端元组成的在混合物内的分布权重，以该权重大小作为该端元存在的概率，同时也可以表示分布的该端元分布的相对丰度。将不同端元组分的权重作为矿物的模型化参数，进行彩色制图，显示矿物权重分布情况，以权重分布较大者为所识别矿物。再将上述步骤(3)的相关系数图中最大相关系数分布区作为矿化指示区域，或远景区以及靶区。
文档编号G06F19/00GK1595110SQ20041004834
公开日2005年3月16日 申请日期2004年6月29日 优先权日2004年6月29日
发明者甘甫平, 周强, 王润生 申请人:中国国土资源航空物探遥感中心