详细介绍一下遥感技术的应用前景
1、遥感技术广泛用于军事侦察、导弹预警、军事测绘、海洋监 视、气象观测和互剂侦检等；
2、在民用方面，遥感技术广泛用于地球资源普查、植被分类、土地利用规划、农作物病虫害和作物产量调查、环境污染监测、海洋研制、地震监测等方面；
3、航空和航天遥感技术在国民经济和军事的很多方面获得广泛的应用，例如应用于气象观测、资源考察、地图测绘和军事侦察等。
遥感地质的现状
遥感地质应用，线、环解译技术普及，但提高有限，标准化程度很低。利用影像单元、影像岩石单元为依据的遥感填图技术，也有规范化的路要走。遥感异常提取技术虽可以在干旱、半干旱区实施大规模快速“扫面”，但在其他景观区应用、还有许多方法技术问题急待解决。矿物填图技术已取得较大进展，正在逐步走向实用化。数字地质信息提取技术才刚刚起步。遥感技术与其他勘查技术一样，有特定的物理基础，有一定的应用前提。它与常规野外地质调查研究工作不同之处：研究的对象是从空中垂直向下拍摄的地表多波段图像；它只能提供由影像可能提供的那部分地质信息；从图像上是不可能获取必须通过野外实地观察研究、取样化验鉴定才能取得的那部分地质资料。因此遥感技术应用是有条件的，有限度的，宜用其所长，避其所短。遥感技术所取得的地面图像和数据及相应的数据和信息处理技术在地质学的应用。又称地质遥感。一般包括4个方面的研究内容：①各种地质体和地质现象的电磁波谱特征。②地质体和地质现象在遥感图像上的判别特征。③地质遥感图像的光学及电子光学处理和图像及有关数据的数字处理和分析。④遥感技术在地质制图、地质矿产资源勘查及环境、工程、灾害地质调查研究中的应用。遥感是以电磁波为媒介的探测技术，对遥感目标（如地球）的电磁波辐射特性进行探测和记录，记录的数据通过遥感平台上的数据通讯和传输系统传送到地面接收站，通过数据接收和处理系统得到图像和数据磁带。遥感图像相当于一定比例尺缩小了的地面立体模型。它全面、真实地反映了各种地物（包括地质体）的特征及其空间组合关系。遥感图像的地质解译包括对经过图像处理后的图像的地质解释，是指应用遥感原理、地学理论和相关学科知识，以目视方法揭示遥感图像中的地质信息。遥感图像地质解译的基本内容包括：①岩性和地层解译。解译的标本有色调、地貌、水系、植被与土地利用特点等。②构造解译。在遥感图像上识别、勾绘和研究各种地质构造形迹的形态、产状、分布规律、组合关系及其成因联系等。③矿产解译和成矿远景分析。是一项复杂的综合性解译工作。在大比例尺图像上有时可以直接判别原生矿体露头、铁帽和采矿遗迹等。但大多数情况下是利用多波段遥感图像（尤其是红外航空遥感图像）解译与成矿相关的岩石、地层、构造以及围岩蚀变带等地质体。除目视解译外，还经常运用图像处理技术提取矿产信息。成矿远景分析工作是以成矿理论为指导，在矿产解译基础上，利用计算机将矿产解译成果与地球物理勘探、地球化学勘查资料进行综合处理，从而圈定成矿远景区，提出预测区和勘探靶区。利用遥感图像解译矿产已成为一种重要的找矿手段。
遥感技术的概念和遥感基本原理
“遥感”（Remote Sensing）即从远处探测、感知物体。遥感技术的一般概念是：从不同高度的遥感平台（Platform）上，使用各种传感器（Sensor），接收和记录来自地球表层各类地物发射或反射的各种电磁波信息，并对这些信息进行加工处理和分析，从而对不同的地物及其属性进行远距离探测和识别的综合技术。 众所周知，世界上所有绝对温度大于零度的物体，都能够反射、发射和吸收电磁波。不同物体由于其物质成分、结构构造以及物理和化学性质的差异，决定了它们对不同波长的电磁波的响应敏感程度的差异。也就是说，不同的物体，它们对一定波长的电磁波的发射、反射和吸收规律不同；即便是同一种类的物体，由于其所处自然状态的不同或是处于不同的地理环境，所表现出来的这种规律也不同。这种规律就是地物的波谱特性。图19-1表示几种植物的波谱特性，图19-2表示同一种农作物不同自然状态所表现出来的波谱特性。除此之外，自然界中大多数物体都具有一定的几何形态和纹理结构。所以，通过上述地物波谱特性的研究，将遥感仪器探测到的不同地物的电磁波信息与之比较，就能区分和鉴别地物的种类及其属性特征。这就是遥感所采用的基本原理。 从理论上讲，对整个电磁波波段都可以进行遥感，但实际上电磁波辐射在空中传输过程中，大气对其有明显的选择性吸收和散射作用（我们将电磁波辐射在大气传输过程中损耗较小，透射率较高的波段称为大气窗口）。由于“大气窗口”效应和探测技术水平限制，目前遥感技术只利用了有限的几个波段（窗口），其中最重要的波段如下。 可见光（0.39～0.76 μm）和近红外（0.76～2.5 μm）波段。这是地物对太阳辐射的强反射波段，所用的传感器主要是照（摄）相机或多波段扫描仪等。 图19-1 几种植物的波谱特性 图19-2 同一农作物不同自然状态的波谱特性 中红外（3～5 μm）波段。主要接收地物对太阳辐射的反射能量和自身的热辐射能量，所用的传感器主要是红外扫描仪等。 热红外（8～14 μm）波段。主要接收地物自身的热辐射能量，所用的传感器主要是热红外扫描仪等。 微波（8～1000 mm）波段。可分为主动和被动两种接收方式。主动式微波传感器通常包括侧视雷达、散射计和高度计；被动式微波传感器采用微波辐射计，包括扫描成像和非扫描成像等类型。
遥感的概念
遥感的概念如下： 遥感（remote sensing）是指非接触的，远距离的探测技术。一般指运用传感器/遥感器对物体的电磁波的辐射、反射特性的探测。遥感是通过遥感器这类对电磁波敏感的仪器，在远离目标和非接触目标物体条件下探测目标地物。 获取其反射、辐射或散射的电磁波信息（如电场、磁场、电磁波、地震波等信息），并进行提取、判定、加工处理、分析与应用的一门科学和技术。 遥感通过人造地球卫星、航空等平台上的遥测仪器把对地球表面实施感应遥测和资源管理的监视(如树木、草地、土壤、水、矿物、农家作物、鱼类和野生动物等的资源管理)结合起来的一种新技术。 遥感是以航空摄影技术为基础，在20世纪60年代初发展起来的一门新兴技术。开始为航空遥感，自1972年美国发射了第一颗陆地卫星后，这就标志着航天遥感时代的开始。经过几十年的迅速发展，成为一门实用的，先进的空间探测技术。 遥感作为一门对地观测综合性科学，它的出现和发展既是人们认识和探索自然界的客观需要，更有其它技术手段与之无法比拟的特点。
基于卫星遥感的热异常提取方法
美国Landsat系列TM和ETM+数据用于煤火探测具有分辨率适中，信息量丰富，各波段信息能相互补充，且覆盖面积大，周期性强的优点；是大面积范围内普查地下煤火与动态探测的基础图像。ASTER数据在短波红外和热红外具有多波段特性，目前在煤火探测方面开展的工作还比较少，它具有一定的应用潜力。 （一）基于ASTER数据的热异常提取方法 1.ASTER数据的特点及应用 先进星载热发射和反射辐射仪（Advanced Spaceborne Thermal Emission and Reflection Radiometer，简称ASTER）是日本通产省（MITI）和美国国家航空和宇宙航行局（NASA）合作的成果。表3⁃2⁃1简要列举了ASTER的性能特点，它主要包括3个独立的光学系统：可见光与近红外辐射计（Visible and Near Infrared，简称VNIR），短波红外辐射计（Short Wave Infrared，简称SWIR）和热红外辐射计（Thermal Infrared，简称TIR）。由于VNIR子系统有一个用于沿轨方向立体观测的向后观测谱段3B和多轨观测的侧视立体观测系统，因而ASTER系统具有对地立体测量能力。作为多光谱高分辨率传感器，它主要可应用于冰川学、火山学、地质学、水文学、农业、城镇变化、自然灾害、气候变化和DEM等领域。 2.数据源的获取 为了进行煤火探测研究，运用了2004年8月7日白天的经过大气校正与发射率分离处理的ASTER⁃2B数据和2004年8月15日夜间的ASTER⁃1B数据。同时还选择了2004年7月的QuickBird数据，作为与热异常信息复合分析数据源。 表3-2-1 ASTER的基本性能参数 3.数据预处理 ASTER和QuickBird数据都是经过辐射和几何校正后的1B级数据，具有地理坐标。它们的投影模式为UTM，Zone 48 North，基准面为WGS⁃84。ASTER⁃2B数据是经过大气校正的地表辐射系数数据、地表温度数据和地表发射率数据。由于ASTER空间分辨率较低，通过双线性内插法进行像元放大，使之与QuickBird数据具有相同的空间分辨率。然后直接利用像元的地理坐标信息，对不同类型的数据进行处理和分析。 4.煤火区ASTER热波段图像特征 图3⁃2⁃1（a）、（b）是乌达煤田白天和夜间的ASTER热红外波段图像。图3⁃2⁃2（a）是对ASTER热红外数据进行大气校正后的地表辐射系数图像，图3⁃2⁃2（b）是热红外波段数据经过大气校正和温度⁃发射率系数分离计算得到的地表温度系数图像。图3⁃2⁃2（c）是热红外波段数据经过大气校正和温度-发射率系数分离计算得到的地表发射系数图像。乌达煤火区白天的热红外波段图像中的高亮度区主要显示的是含煤地层；在夜间热波段图像中，高亮度的白色调区域分布范围较大，层次没有分开。整个乌达煤田都处于一片白色中，部分戈壁滩、沙漠的热辐射也比较强烈。 图3-2-1 研究区不同时相的热波段图像 图3-2-2 研究区ASTER-2B级图像数据 5.夜间热波段图像发射率校正 根据普朗克温度反演公式对夜间热波段数据进行发射率校正，计算公式如下： 地下煤层自燃遥感与地球物理探测技术 其中：λn为ASTER热波段的中心波长；T为温度；n为 ASTER热波段号（1～5）；h为普朗克常数；k为玻耳兹曼常数；c为光速；C1=2πhc2；C2= hc/k；L=（DNn-1）Rn；L为辐射系数；ε为发射率；DN为ASTER⁃1B热波段数据；Rn为DN值与光谱辐射系数校正参数。 图3⁃2⁃3是利用普朗克温度反演公式对夜间原始1B数据经过发射率校正而得到的图像。从图像显示效果可看出，经过校正的图像煤火信息层次丰富，突出了主要火区分布范围和方向，同时压制了戈壁沙漠对热信息的干扰，提高了煤火区热信息反差，有利于煤火热异常的识别与提取。 图3-2-3 发射率校正前后的夜间图像对比效果 6.地下煤火热异常提取方法 1）热信息光谱增强方法 A.单波段增强法。ASTER热红外有5个波段，各个波段对地表温度存在一定的响应差异。从异常提取角度出发，图像亮度值的动态范围、信噪比和标准差越大，图像的热层次越丰富，清晰度越高，对热异常提取与分级越有利。 通过计算比较各波段图像亮度动态范围、信噪比、均值和标准差等数据，优选出对温度变化具有较强检测能力的B5热波段进行热信息的增强处理。图3⁃2⁃4（a）是原始的热红外B5波段图像，灰度图像层次较弱，看不出热特性的强弱变化。图3⁃2⁃4（b）～（e）是通过4种图像增强方法对B5波段图像的增强效果对比。 从中可以看出，不同方法增强效果有差异。线性增强方法虽然对高值热异常有所突出；但与背景的对比度不高，煤火区的灰度层次弱。高斯增强对火区热异常增强很明显，同时对火区和背景的热信息变化也有较好的反映，层次感好；但该方法对图像的条带有增强作用。直方图均衡化增强使火区总体呈现白色调，热信息层次感较差，条带效应明显。平方根增强突出了高值热异常分布的二值图像，压制了背景信息。 B.多波段增强法。不同波段热图像对不同温度的热响应有差异。即当黑体温度升高，热响应会向短波长方向漂移。主成分分析方法以图像的统计特性为基础，主要用于数据压缩和图像增强处理。采用主成分分析法对热波段数据进行变换，可以对多波段热信息进行压缩，达到热信息综合与增强。图3⁃2⁃5是煤火区热波段图像主成分变换后生成的5个主成分分量图像。 第一主成分图像突出了地物的高值热辐射，所占信息量最大，图像层次丰富，信息量大，热异常信息突出，与煤火区之间对应关系较好。 第二主成分图像对地物的中等热辐射比较敏感，与煤火区背景地物的对应关系较好。 第三主成分图像反映了戈壁沙漠的热辐射信息，同时也突出了图像的条带。 图3-2-4 不同增强方法应用效果对比图 第四、第五主成分图像显得杂乱，主要是噪声，无实际意义。 2）热信息提取与分级方法 ①定量分割与分级。为使热异常提取操作规范化，减少主观任意性，首先对热波段图像进行正态化增强。以热波段图像的均值（X）代表区域背景，标准差σ作为尺度，用数倍σ值作为阈值，确定异常量化提取水平。同时利用（X+kσ）对异常进行分级，划分异常强度等级。k值取1，提取的热异常为一级异常；k值取2，提取的热异常为二级异常；k值取3，提取的热异常为三级异常。图3⁃2⁃6是煤火区的热异常分级图。这种分级图可以很直观地反映出图像中高值异常及其不同阈值条件下异常的变化范围，具有标准规范的特点；但异常界线是根据图像的均值和标准差决定的，不同级别异常不是自然过渡，不是图像热信息真实层次的反映。 ②彩色查找表定量分割法。彩色查找表法是通过按照某种规则生成的映射储存在查找表中，把每个位于颜色柱面的中轴上的灰度级匹配到彩色空间中的一点，从而简单地给每个灰度级赋一彩色，将单色图像映射为一幅彩色图像。目前的遥感图像处理软件中有许多彩色映射模式可供使用。图3⁃2⁃7是利用彩色查找表法获取的热信息分级图，热信息分级图像通过不同颜色的色调连续变化，可使热图像灰度变化信息通过彩色视觉效果微妙地反映出来，图中热信息颜色边界过渡自然。可以根据热异常空间分布与地下煤火区对应关系，对不同强弱级别热异常相互分布层次和信息总量进行量化控制，有利于对煤火信息的识别和提取。 图3-2-5 多波段热红外主成分变换图像 图3-2-6 利用ASTER热波段图像定量提取的热异常分布图 图3-2-7 利用彩色查找表法定量提取的热异常分布图 3）热异常信息的复合方法 图3⁃2⁃8是利用研究区热信息分级图像进行IHS变换，对H和S分量进行增强，然后用QuickBird全色波段图像代替I分量再进行反变换处理，生成煤火区的复合热图像。图中遥感热异常以较醒目的粉红色突出在高空间分辨率图像中，粉红颜色的深浅反映了热异常的强弱。 图3-2-8 复合QuickBird信息的乌达煤田热异常图像 7.在煤火探测中的应用 1）非煤火热异常的识别 利用QuickBird图像的高空间分辨率信息，可以识别非煤火引起的热异常，分析引起乌达煤田非煤火热异常的主要因素。 煤矸堆燃烧。煤田内散布着大量的煤矸堆，常年堆积后煤矸堆自燃发火，影像特征为在黑色块状影像的背景中的白色斑点，见图3⁃2⁃9。 矸石场燃烧。煤田内外，主要是煤边缘地区，长期堆积矸石而形成大面积的矸石场，往往自下而上从内向外燃烧，形成大型燃烧场。影像特征为由白色弧线镶边的灰黑色贝壳状结构，见图3⁃2⁃10、3⁃2⁃14。 图3-2-9 煤矸堆燃烧影像 图3-2-10 矸石场燃烧影像 图3-2-11 矸石山燃烧影像 图3-2-12 土法炼焦场燃烧影像 图3-2-13 石灰厂、炼铁厂热异常影像 红色区域为热异常区 图3-2-14 燃烧的煤矸石堆、炼焦厂热异常影像 红色区域为热异常区 矸石山燃烧。煤矿排矸的常年积累，形成多期矸石山，并且常年处于燃烧状态。影像特征为大面积水滴形、椭圆形结构，由灰黑、深灰、蓝灰色组成同心圆图像，有两边对称的放射线状细纹，见图3⁃2⁃11。 土法炼焦场燃烧。土法炼焦场是成排成堆的直径为6～10m 的圆形炼焦炉。影像特征为灰黑色、深灰色、灰白色成排成堆的圆圈形图案，见图3⁃2⁃12。 石灰厂、炼铁厂影像特征为灰白色长方形图案，见图3⁃2⁃13。 2）煤火变化信息分析 ①与已知火区资料对比，提取煤火的发展和变化状态信息。与已知燃烧区分布范围图（2003年）进行重叠，可以判别和圈定燃烧区域（图3⁃2⁃15），发现煤火的发展和变化状态（图3⁃2⁃16），分析探测火区的动态变化趋势。 图3-2-15 与已知火区相吻合的热异常 图3-2-16 反映火区发展变化信息的热异常 红色区域为热异常区，黄线为热异常区边界，蓝线为2003年地面勘查火区边界 ②与航磁组合提取煤火的燃烧发展状态。选择几乎同时获取的航磁资料和遥感资料（2004年8月）进行处理与综合分析，发现结合航磁异常资料可以推断遥感热异常区内煤火燃烧的发展状态。 在图3⁃2⁃17中，遥感热异常区规模较大，且与航磁异常的分布范围、延伸方向很吻合。航磁异常的出现表明该区域是一个长时间大范围的燃烧区。2004年实地调查结果证实，该区正处在强烈燃烧阶段，火情强度和范围都比较大。2005年3月野外检查发现该热异常区已是死火区。 在图3⁃2⁃18中，热异常区与航磁异常分布吻合程度低。在无航磁异常的热异常区内的18 号和19号点，2005年3月野外检查发现了燃烧火点；在航磁异常内无燃烧火点。结合2003年的地面火区资料对比分析，推断航磁异常区对应的是死火区，而热异常区对应的是燃烧规模和强度不大的新发火区。 因此，通过对二者成像时间、吻合程度、范围大小的分析，辅以地面调查，可以进一步提取煤火的发生与发展状态信息。 3）煤火探测有效性分析 对无已知资料对比的热异常区，可通过读取图像地理坐标，使用GPS定位仪和热红外测温仪对热异常区进行实地野外检查。为评价本次热异常应用煤火探测的精度，将明显的干扰异常排除后，共解译出面积大于3个像元的热异常区15处。根据这些热异常边界点地理坐标指示，找出异常区的野外位置，共踏勘出地上异常区内煤火点24个。详细记录了各点的裂隙分布状况、烧变岩石类型、燃烧点分布程度和燃烧强度、地形地貌特征，在12处热异常内发现了地下煤层燃烧现象（图3⁃2⁃19），2 处热异常未发现燃烧（图3⁃2⁃20）。 图3-2-17 热异常与航磁异常相吻合区 图3-2-18 热异常与航磁异常不一致区 黄线为遥感热异常区，密集绿线条的为航磁异常等值线，黑线为2003年地面勘查火区边界，粉红色圆点为野外检查发现的燃烧火点 图3-2-19 在热异常内发现燃烧点 （4个像元） 图3-2-20 在热异常内没有发现燃烧点 （3个像元） 红线为遥感热异常区，黑线为2003年地面勘查火区边界，粉红色圆点为野外检查发现的燃烧火点 利用ASTER数据提取的具有3个像元以上的热异常区，经过地面验证与煤火的符合率达到80%。面积小于3个像元的热异常区与煤火吻合率低，对煤火探测作用较小。 （二）基于TM/ETM+数据的热异常提取方法 1.数据的获取 选取1997年和2002年两个不同时期美国陆地卫星热红外遥感影像作为基本信息源，同时参考多光谱遥感影像及与该地区煤火有关的基础背景数据。方法研究所用数据如表3⁃2⁃2。 2.热异常信息提取方法 以2002年9月21日夜晚的ETM+6波段处理为例。 表3-2-2 热异常提取数据一览表 （1）ETM+6原始影像的直方图上，有两个峰值。一个在灰度值98处；一个在灰度值106附近。结合图像分析，确定98处的峰值是由背景区（正常区）地物辐射造成，反映煤火区、烧变区热异常的峰值出现在106附近（图3⁃2⁃21（a）、（c））。 （2）原图像灰度值（104～160）分段线性拉伸到0～255，目的是压抑背景地物辐射，起到了突出煤火区热红外辐射信息的作用（图3⁃2⁃21（b）、（d））。 图3-2-21 2002年9月21日夜晚ETM+6影像分段线性拉伸前后对比 （3）单波段假彩色密度分割。采用最优密度分割中的最优二段分割，将图像中高值部分的煤田热异常区作为一段，背景区作为一段进行假彩色密度分割。热异常区设为红色，背景区设为白色。 3.成图 将得到的煤田热异常区矢量化，并以Landsat⁃ETM4 单波段影像图为背景，二者进行叠加操作，圈定煤田热异常区的地面分布范围。图3⁃2⁃22表示的是乌达煤田火区热异常的空间分布位置及其范围变化对比。 图3-2-22 乌达煤田火区不同时间的热异常信息提取图 左图，1997年9月；右图，2002年9月；图中黄色表示中等热异常，红色表示强烈热异常 （三）煤火热异常的三维显示方法 为进行煤火热异常三维显示研究，共收集煤火区1：5000地形图18幅，将其中包括煤田绝大部分在内的12幅地形图进行矢量化，在MapGIS6.5软件中进行镶嵌校正，并在ArcGIS9.0中将其转化成DEM。将高空间分辨率的QuickBird影像、DEM以及提取的地下煤火热异常信息进行配准校正，然后运用ArcGIS9.0或者其他遥感专业软件，即可实现煤火热异常的三维显示。主要步骤有： （1）高精度DEM的生成； （2）QuickBird影像与DEM的配准； （3）煤火热异常提取图与QuickBird和DEM的配准； （4）煤火热异常的三维显示。 乌达煤田热异常不同观测角度三维显示见图3⁃2⁃23至图3⁃2⁃25。从中可以看出，应用煤火热异常的三维显示方法，可以对煤田火区的热异常进行多角度、全方位的立体观测，还可以进行局部放大对比观测；能够充分与地形、地貌和地质构造、煤层露头和煤田开采环境结合起来，对研究煤火的分布位置、变化发展方向以及灭火最佳位置和方向的选择都具有直接的指示作用。
实验三十二 遥感矿化与蚀变信息提取
一、实验目的 通过运用ENVI的PCA功能对新疆伊吾淖毛湖地区ETM＋影像数据作铁染异常信息和羟基异常信息提取处理，加深对遥感蚀变和矿化信息提取原理和算法的了解，掌握其ENVI PCA功能技术实现的基本流程和主要操作，取得对这两种信息的图像特征和应用的感性认识。 二、实验内容 ①铁染和羟基波谱异常示矿原理分析；②ENVI遥感铁染异常信息提取操作；③遥感羟基异常信息提取操作；④成果制图与找矿应用分析。 三、实验要求 ①掌握遥感影像蚀变信息提取的原理；②对新疆伊吾淖毛湖地区ETM＋影像进行铁染异常信息提取；③对新疆伊吾淖毛湖地区ETM＋影像进行羟基异常信息提取；④对铁染与羟基异常信息进行分级；⑤编写实验报告。 四、技术条件 ①微型计算机；②新疆伊吾淖毛湖地区ETM＋影像；③ENVI软件；④Photoshop软件（ver.7.0以上）。 五、实验步骤 （一）铁染和羟基波谱异常示矿原理 矿物的反射辐射是遥感地质信息的基本源，各种矿物的波谱特征又取决于其所含元素的离子的类型与数量，如Fe3﹢、Fe2﹢及OH－等。大量的矿物和岩石波谱特性实验室研究结果表明，天然矿物在可见光—近红外光谱段（0.325～2.5μm）最常见的光谱特征，是以这样或那样形式存在的铁（Fe3﹢、Fe2﹢）产生的，或者由于水（H2O）、羟基（OH－）基团产生的。矿物在可见光—近红外光谱段被测量得到的大量信息，主要来自为数不多的几种结构离子和置换离子的电子跃迁过程，以及数目有限的阴离子的振动过程。不同矿物由于矿物化学、矿物晶体结构和矿物粒度不同，波谱特性也不同，见表32-1，图32-1。 表32-1 铁染和羟基蚀变的波谱异常依据 图32-1 典型蚀变矿物的波谱特征 1 —赤铁矿；2—针铁矿；3一黄钾铁矾：4—高岭石；5—绢云母；6—绿泥石 目前，基于多光谱数据进行矿化蚀变信息提取的方法主要有主成分分析法、比值方法、光谱角法等，本次实验利用主成分分析法对新疆伊吾淖毛湖地区ETM＋影像进行蚀变异常信息提取。 主成分分析法（PCA）是现在广泛采用的提取岩石蚀变信息的方法。这种方法是通过对遥感多光谱图像数据矢量的旋转变换，将各个波段中那些高度相关的信息集中到少数几个分量上，并且尽可能地保证这些分量信息互不相干（去相关性），从而用几个波段的线性组合信息图像代表多波段的原图像，使遥感信息得到压缩显示反映，图像分析解译的数据量减少。对于ETM＋图像，通常前三个主成份分量PC1、PC2、PC3就占了多波段图像95%以上的信息。 分析图32-1可知，含铁（Fe3﹢、Fe2﹢）矿物，以次生氧化物为主，部分热液蚀变带的原生矿物，如常见的角闪石、赤铁矿、褐铁矿、针铁矿、磁铁矿和黄钾铁矾等含大量Fe 3﹢， 也有少量Fe2﹢的铁氧化矿物，在ETM+1和ETM +4波段有强吸收带，而在ETM +3波段呈高反射，同时为了避免含羟基矿物的干扰，排除ETM +7波段，最终选取ETM +1、ETM +3、ETM +4、ETM+5这4个波段进行主成分分析，提取铁染蚀变异常。 含羟基基团和含水的矿物，如高岭石、绿泥石、绿帘石、蒙脱石及云母类等次生蚀变矿物，在2.2～2.3μm（相当于ETM +7波段）附近有较强的吸收谱带，使这类含羟基和水的矿物及其所组成的蚀变岩在ETM +7波段产生低值，而在ETM +5波段有相对的高值，由于可见光波段对铁氧化物敏感，为了避免铁染信息的干扰，只选择一个可见光波段参与主成分分析，最终选择ETM+1、ETM +4、ETM+5、ETM +7这4个波段进行主成分分析，提取羟基蚀变异常。 （二）遥感铁染异常信息提取 .1 辐射校正 对新疆伊吾淖毛湖地区ETM＋遥感影像进行辐射校正，辐射校正方法参考本书中的“实验十九 遥感图像辐射校正”。 2.去除干扰信息 将对遥感蚀变异常信息提取的干扰因素，如水体、云、植被利用掩膜方法进行去除，感兴趣区选取方法见本书实验十七，掩膜方法见本书实验十五。 3.铁染异常信息提取——PCA处理 （1）根据上述分析，选择经过去除干扰信息后的ETM+1、ETM+3、ETM+4、ETM+5这4个波段进行主成分分析，首先需要将这4个波段进行层次叠加，在ENVI主菜单栏的“Basic Tools>Layer Stacking”中，打开“Layer Stacking Parameters”对话框（图32-2）。 图32-2 层次叠加参数设置对话框 （2）在“Layer Stacking Parameters”对话框左侧，单击【ImportFile 】按钮，进入“Layer Stacking Input File”对话框，输入已经经过辐射校正并且去除了干扰信息的新疆伊吾淖毛湖地区ETM＋影像1～7波段数据。 （3）点击【Spectral Subset】按钮得到“File Spectral Subset”对话框，选择要合成的ETM+1、ETM+3、ETM+4、ETM+5波段，如图32-3所示，点击【OK】按钮，得到合成的4波段文件。 图32-3“File SpectralSubset”对话框 图32-4 主成分分析对话框 （4）在“Layer Stacking Parameters”对话框右侧，根据实际情况选择需要的地图投影信息；在“X Pixel Size”和“Y Pixel Size”文本框中输入影像像元分辨率；在“Resampling”列表中选择重采样方法。 （5）设置完上述参数后，点击【OK】按钮，得到合成的4波段文件。 （6）在ENVI主菜单栏中选择“Transform >Principal Components> Forward PC Rotation> Compute New Statistics an Rotate”，在“Principal Components Input File”对话框中，输入上一步中合成的四波段文件，打开“Forward PC Parameters”对话框（图32-4）。 （7）在“Forward PC Parameters”对话框中，在“Stats X Resize Factor”和“Y Resize Factor”文本框中输入小于或等于1的调整系数，用于计算统计值时的数据二次采样，该值越小，统计计算速度越快，默认值为1。 （8）输出统计路径及统计文件名（.sta），使用箭头切换按钮，选择根据“Covriacnae Matrix”（协方差矩阵）或者根据“Correlation Matrix”（相关系数矩阵）计算主成分波段，一般来说，计算主成分时选择使用协方差矩阵。 （9）选择输出路径及文件名，输出数据类型选择“Floating Point”。 （10）选择“Select Subsetfrom Eigenvaluse”附近的箭头切换按钮，选择“Yes”，统计信息将被计算；如选择“No”，则系统会计算特征值并显示供选择输出的波段数。 （11）设置完上述参数后，点击【OK】按钮完成主成分分析计算。 4.铁染异常分析 在ENVI主菜单栏中选择“Basic Tools>Statistics>View Statistics File”，打开主成分分析中得到的统计文件，得到ETM +1、4、5和7波段PCA 变换的特征向量矩阵，统计结果见表32-2。 表32-2 ETM +1、3、4和5波段PCA变换的特征向量 由表32-2可以看出，PCI主要反映了ETM +4和ETM +5波段的信息；PC2反映了ETM+4波段的加信息和ETM +5波段的减信息；PC3反映了ETM +1和ETM +3波段的减信息；PC4反映了ETM+l波段的加信息和ETM+3波段的减信息。根据铁染类矿物的波谱特征，包含这类蚀变信息的图像应该具有ETM +1和ETM +3波段或者ETM +3和ETM +4波段具有相反的贡献值且绝对值较大，因此选择PC4为铁染异常信息。 5.铁染异常分级显示 （1）统计PC4信息。在ENVI主菜单栏中选择“Basic Tools>Statistics>Compute Sta tistics”，选择上一步主成分分析得到的PC4分量，进行统计分析，得到标准差（Stdev）与均值（Mean）。 （2）提取铁染异常信息。根据概率密度分布曲线的数学含义，可以把统计均值理解为主分量分析结果的区域背景值，利用下列公式来划分异常等级： 异常值＝X +kσ （32-1） 式中：X表示均值（Mean）；σ表示标准差（Stdev）；对于铁染蚀变异常，k一般取1.5～2.5，本次实验分别取k为1.5、2和2.5，将铁染异常信息分为弱、中和强三个等级。 （3）密度分割。在PC4分量主窗口上方的命令栏中，选择“Overlay>Density Slice”，打开“Density Slice Band Choice”对话框，对“Data Range”按如下公式计算三级异常的数据分级并赋色。 对应弱异常：[Mean, Mean+1.5Stdev），绿色； 对应中等异常：[Mean+1.5Stdev,Mean+2Stdev），黄色； 对应强异常：[Mean+2Stdev,Max]，红色。 对PC4分量铁染蚀变异常信息分为弱、中、强三级。密度分割方法参考本书中实验八。 （三）遥感羟基异常信息提取 遥感羟基异常信息提取的操作与遥感铁染异常信息提取的步骤完全相同，差别仅在于，遥感羟基异常信息提取PCA采取的波段组合是ETM+1、ETM+4、ETM+5和ETM+7，因此，其PC4波段线性组合系数——特征向量，在数值上不同于遥感铁染异常PC4波段线性组合系数，见表32-3。 表32-3 ETM +1、4、5和7波段PCA变换的特征向量 由表32-3可以看出，PC1主要反映了ETM +4和ETM+5波段的信息；PC2反映了ETM+4波段的信息；PC3反映了ETM+1的信息；PC4反映了ETM+5和ETM+7波段的信息，且符号相反。根据羟基类矿物的波谱特征，包含这类蚀变信息的图像应该存ETM +7波段产生低值，而在ETM +5波段有相对的高值，因此选择PC4 为羟基异常信息。 对于羟基蚀变异常信息密度分割，k一般取2～3，本次实验分别取k为2、2.5和3，将羟基异常信息分为弱、中和强三个等级。其余步骤与铁染蚀变异常相同。 （四）成果制图与找矿应用分析 运Photoshop软件以并列窗口方式打开本次实验获得的ETM＋铁染异常图像和ETM＋羟基异常图像，观察两图像中铁染异常和羟基异常的分布情况，用Photoshop画笔工具圈出这两种异常区域。在此基础上，分析两种异常的重叠分布区域和单一分布区域情况。如果这些区域具备相应的有利成矿地质条件，它们具有不同的找矿前景。其中，两种异常重叠的区域要比单一某种异常存在的区域具有更好的找矿前景。对你认为有价值的铁染异常和羟基异常进行编号注记。 六、实验报告 （1）简述实验过程。 （2）回答问题：（①运用多波段遥感数据提取铁染信息和蚀变信息的理论依据是什么？②根据本实验的PCA ETM＋波段组合方案，对照ASTER数据的波谱特征，如果采用ASTER数据提取铁染和羟基蚀变异常信息，应该分别利用其哪些波段作主成分分析为宜？为什么？③提交对两种异常做出圈定并进行编号注记的找矿应用分析图。 实验报告格式见附录一。