高光譜礦物識別和礦物填圖可分為3個層次，即礦物的種類識別、豐度反演和成分識別。種類識別是識別巖石中的礦物組成；豐度反演是反演目標礦物在巖石中的相對含量或含量百分比；成分識別一般是識別礦物中金屬離子的相對含量或不同金屬離子的含量比。

?

?

?

礦物種類識別礦物分層識別譜系

高光譜礦物識別的基本原理是高光譜遙感數據的重建光譜與礦物標準光譜或實測光譜的定量比對分析。從巖礦信息提取的角度分析，國內外發展的光譜識別方法從本質上可歸納為兩大類型：即以重建光譜與標準光譜相似性度量為基礎的光譜匹配方法和以礦物學和礦物光譜知識為基礎的智能識別方法。

光譜匹配是將重建光譜與參考光譜相比較，以某種測度函數度量它們之間的相似性或相關程度，從而對礦物進行識別的方法。相似性測度函數可以是距離麗數（歐氏距離、馬氏距離等）、相似性指數、相關系數、光譜矢量夾角及光譜信息散度等，智能識別方法是以礦物學和礦物光譜知識為基礎，選取合適的具有診斷性的光譜特征或具有鑒別能力的光譜參量，結合專家系統方法建立識別規則，對礦物進行識別[4]。有代表性的是美國地調局發展的Tricorder系統，它以特征譜帶的擬合度、診斷譜帶處連續統的大小及梯度，以及輔助光譜特征作為判別指標進行綜合判別。在決策中還考慮了特征強度的歸一化、不同鑒別能力的不同特征權重、水氣譜帶對礦物吸收特征的影響等因素，識別礦物的種類和正確率都比較高，可識別的礦物達40種左右。但由于某些礦物，特別是與成礦作用有關的熱液蝕變礦物的波譜特征差異較小，更受到礦物混合光譜等因素的影響，Tricorder系統對一些波譜特征相近的一些礦物仍會出現混淆和誤判現象。

]針對像元混合光譜和光譜解混中的諸多不確定性以及端元像元選擇困難的問題，從混合光譜與端元光譜的相似性概率理論出發，將斯皮爾曼相關系數和肯達爾一致性系數引人到高光譜礦物識別中，發展了光譜混合極大相關的礦物識別方法，用以識別混合光譜中的主導性礦物，取得了較好的識別效果，并獲得發明專利“基于光譜混合組成的高光譜礦物極大相關識別方法”（專利號：Z1 2004 10048343.1）。

目前，基于光譜匹配，包括亞像元匹配形成的礦物識別流程都將每種礦物看作是彼此孤立五不聯系的個體，識別中對光譜參量的運用也一視同仁，平等對待，而不論其對不同礦物的敏感性和在不同條件下的穩定性。實際上，根據礦物學和礦物分類學的知識，同類、同族的礦物在化學成分、晶體結構和光譜特征上都有不同程度的相似性。為此，提出建立礦物識別分層譜系的思想：在系統分析礦物光譜的變化規律，評價光譜參量的敏感性與穩定性的基礎上，參照或借鑒礦物學的分類方法，在可見一反射紅外光譜區間，分別以主要吸收譜帶、譜帶組合特征、譜帶精細特征和譜帶變異特征為基礎，對礦物依“礦物類一族一種一亞種”逐層進行識別，形成了成像光譜礦物分層識別譜系，構成了實際判別決策過程的樹狀結構[M1，49]。在由類到具體礦物的識別決策中，所使用特征的精細程度越來越高，但其穩定性和對礦物的診斷性逐漸降低，這樣，將識別的不確定性控制在某一類別層次上，從總體上提高了礦物識別的可信度，并提高了處理的自動化水平和批量處理能力5。

該成果獲得了國家發明專利“高光譜礦物分層譜系識別方法”（專利號：ZL200410048346.5）。圖2為新疆東天山 HyMap航空多光譜Al-OH類礦物分層識別的結果。

在應用過程中，通過對相似礦物精細光譜特征的分析，在識別譜系中進一步發展和引人光譜相似性匹配、光譜指數和混合分解等方法，進一步細化和擴充了高光譜礦物分層識別規則，建立了可集成不同識別算法分層次的識別框架，使可識別的礦物增加到30余種。

?

?

礦物豐度識別礦物豐度光譜識別

即是根據測量光譜的某些特征，定性或定量地反演礦物在地質體中相對含量（豐度）的方法。目前，礦物豐度的定量反演方法主要有基于診斷吸收譜帶的深度、光譜混合分解和數理統計方法。

反射光吸收譜帶的強度（Intensity）是礦物的本征吸收強度（Intrinsic Absorption Strength）、散射特性和礦物豐度的函數川]。礦物混合光譜特征研究結果表明[27]，礦物特征譜帶強度與礦物的百分含量基本呈線性相關，利用吸收譜帶的強度變化可以近似估計礦物的相對含量。由于混合光譜的影響，不同巖石中礦物的譜帶強度與礦物百分含量的關系不同，譜帶深度還受到環境因素和光譜重建精度等因素的影響，而具有一定的不確定性[52]統計分析方法最常用的是回歸分析和偏最小二乘回歸分析[53]，起到了“規一化”或“定標”的作用，將反演的“相對含量”轉化為“真實含量”，但需要測量和分析大量的樣品。

混合像元分解是目前反演礦物豐度常用的方法[54]，但其存在兩大主要問題：一是目前混合分解使用的基本都是線性模型，但在反射光譜區間，礦物光譜混合屬于緊致混合，非線型特征明顯；二是混合光譜分解得到的“豐度”信息是各端元光譜在混合光譜中所占的比重，是礦物的“光譜豐度”。針對這兩大問題，我們采取三大措施對光譜線性混合分解進行改進：一是利用 Hapke 輻射傳輸模型將光譜反射率轉換為單次散射反照率，將光譜的非線性混合轉換為“線性混合”；二是用連續統去除方法分離吸收譜帶和背景，以減少照度和環境因素的影響；三是加人代表無吸收特征礦物的光譜單次散射反照率為1的端元參加分解，使反演的豐度接近其真實豐度（圖3），提高了豐度反演的可靠性。

?

礦物化學成分反演與地質成因信息分析

白云母、綠泥石是成因礦物學和找礦礦物學研究的兩種重要的特征礦物。通過采集不同地點、不同巖性及不同成因的兩種樣品作實驗室測試，研究光譜特征與礦物成分、結構的關系變化，分析其所包含的成因及形成時的溫、壓信息。采集了新疆東天山地區黃山東銅鎳礦超基性巖中的以葉綠泥石為主的綠泥石，香山西和黃山銅鎳礦的輝長巖、輝綠巖等基性巖中的鐵鎂綠泥石，紅灘金礦輝長巖、輝綠巖等基性巖中的輝綠泥石，香山西銅鎳礦中性閃長巖中的葉綠泥石和鐵鎂綠泥石、綠泥絹云板巖中的鐵鎂綠泥石等樣品，在實驗室測量反射光譜，并用電子探針對其進行化學成分分析。

根據綠泥石顆粒的分析結果，以28個氧原子為標準計算綠泥石的結構式。同時收集了USGS 光譜庫中綠泥石的光譜數據與相應的化學分析結果，研究綠泥石的光譜特征與其化學成分以及形成溫度之間的相互關系。分析結果表明，綠泥石礦物的Mg八面體配位數、（Fe）/（Fe+ Mg）、Al"等離子數與Mg-OH/Fe-OH基團的譜帶位置和光譜吸收深度有一定的相關關系，同時隨綠泥石生成溫度的升高，Mg-OH/Fe-OH基團的特征吸收位置向長波方向漂移[32]以同樣方法研究不同成因類型白云母（絹云母）中四面體Al離子含量、八面體Al離子含量（圖4左）、Al，0，重量百分比、（Si）/（Al）（圖4右）等參數與2 210 nm附近譜帶位置的關系，結果顯示譜帶位置隨白云母中Al"含量的減少，（Si）/（AlV）值的增加而向長波方向漂移[32.57]根據實驗結果，用回歸分析方法，建立了根據白云母在2 210 nm波長附近譜帶位置反演白云母中Al"含量、（Si）/（Al"）等的回歸方程（圖4）；根據綠泥石3 330 nm附近譜帶位置反演Fe、Mg質量分數，（Fe）/（Fe+ Mg）、（Mg）/（Fe’+ + FeZ+）等比值的反演模型。

?

?

?

中熱紅外多/高光譜數據處理和礦物識別

從“十一五”開始，中國國土資源航空物探遙感中心在反射光譜礦物識別研究的基礎上，進一步開展了發射光譜的礦物識別方法研究，將使用的光譜區間由可見一反射紅外擴展到中一熱紅外譜段，以建立全譜段的礦物填圖技術體系，目前已取得很多階段性成果。

（1）定量研究分析了不同大氣模式下溫度廓線

誤差對發射率反演的影響。分析比較了參考通道法、晝夜法、灰體發射率法、比值法、a剩余法、發射率歸一化法及溫度-發射率分離法等目前國內外所發展的主要發射光譜反演方法，總結了它們的應用條件和優、缺點[，開發了相應的處理程序。

（2）利用JHU 和 ASU光譜數據中138個巖礦樣品的發射光譜，以及收集到的火星TES熱紅外高光譜數據，研究應用發射光譜的礦物識別方法，

運用與反射光譜礦物識別類似的思路，建立了一些造巖礦物和礦石礦物的識別準則

（3）分析研究了克里斯琴森特征（CF）與巖石SiO，含量、SCFM 指數[（SiO，）/（SiO2+ Ca0 +FeO + MgO）]的關系，建立相關模型。

（4）針對ASTER 熱紅外多光譜數據波段的特點，設計了SiO指數（E1z/81x），建立了其與SiO、含量的統計關系，并利用Si0，指數由 ASTER 熱紅外多光譜數據定量反演地表巖石SiO含量。在新疆東天山工作區發現了一處原地質圖上未予填繪的輝石巖巖體（圖5）。

?

?