高光谱遥感卫星技术及其地质应用

Vol．28，Nos．2~3Mar．，2009

2009年3月GEOLOGICALBULLETINOFCHINA

高光谱遥感卫星技术及其地质应用

李志忠1，杨日红1，党福星1，张显峰2，谭炳香3，赵慧洁4

LIZhi-zhong1,YANGRi-hong1,DANGFu-xing1,

ZHANGXian-feng2,TANBing-xiang3,ZHAOHui-jie4

1.中国国土资源航空物探遥感中心，北京100083；2.北京大学，北京100871；

3.中国林业科学研究院林业资源信息研究所，北京100091；4.北京航空航天大学，北京100083

1.ChinaAeroGeophysicalSurveyandRemoteSensingCentreforLandandResources,Beijing100083,China;2.PekingUniversity,Beijing100871,China;

3.InstituteofForestResourceInformationofChineseAcademyofForestry,Beijing100091,China;4.BeijingUniversityofAeronaustics&Astronaustics,Beijing100083,China

摘要：在收集国内外高光谱技术发展、地质应用与研究实例资料的基础上，主要介绍了国内外高光谱地质应用的现状及其主要进展，并简要介绍了高光谱地质应用的主要技术。结合地质应用成功的实例，分析了高光谱遥感卫星技术在矿物识别与填图、岩性填图、矿产资源勘探、矿业环境监测、油气渗漏监测等地学方面的应用优势与前景，同时指出了目前高光谱遥感卫星技术地质应用存在的主要问题与发展趋势。关键词：高光谱；遥感技术；地质应用；进展中图分类号：P5

文献标志码：A

文章编号：1671-2552（2009）02/03-0270-08

LiZZ,YangRH,DangFX,ZhangXF,TanBX,ZhaoHJ.Thehyperspectralremotesensingtechnologyanditsappli-cation.GeologicalBulletinofChina，2009,28(2/3)：270-277

Abstract:Basedoninformationcollectedinaspectofdevelopmentofhyperspectraltechnology,geologicalapplicationanditsmajorprogress,thispaperintroducedthecurrentstatusandmajorprogressofthistechnologyinandabroad,aswellasitsgeologicapplica-tion.Incombinationofsolvedexamples,thispaperanalyzedtheadvantagesandprospectsofhyperspectralremotesensingintermsofmineralrecognitionandmapping,lithologicmapping,mineralresourceprospecting,miningenvironmentmonitoringandleakagemonitoringofoilandgas,meanwhile,itpointedoutproblemsremainedandfuturetrendforthistechnology.Keywords:highspectrum;remotesensingtechnology;geologicalapplication;progress

从20世纪70年代末至80年代初美国提出高光谱遥感概念模型并研制成像光谱仪以来，世界上一些发达国家，如美国、加拿大、澳大利亚和欧盟国家，在研究和开发高光谱遥感的技术和方法方面开展了大量的工作，已经形成涵盖不同光谱波段和具

收稿日期：2008-10-30；修订日期：2008-12-18

有不同空间分辨率的不同平台的高光谱遥感技术体系。地质应用是高光谱遥感应用最早、最成功的领域之一。80年代以来，高光谱遥感被广泛地应用于地质、矿产资源及相关环境的调查中。最近15年来的研究表明，高光谱遥感可为地质应用的发展做出重

地调项目：中国地质调查局地质调查项目（编号:1212010816033）资助作者简介：李志忠（1963-），男，教授级高级工程师，从事遥感地质应用研究

通讯作者：杨日红（1974-），男，博士，副研究员，从事遥感地质应用与技术方法研究。E-mail:yangrihong@sina.com

第28卷第2~3期李志忠等：高光谱遥感卫星技术及其地质应用

271

大贡献，尤其是在矿物识别与填图、岩性填图、矿产资源勘探、矿业环境监测、矿山生态恢复和评价等方面。本文在广泛收集国内外高光谱技术发展、地质应用与研究实例资料的基础上，主要介绍国内外高光谱地质应用的现状，并分析其主要进展，希望能为国内同行提供借鉴与参考。

域之一，但如何利用所识别并填绘的矿物进行地质环境分析是高光谱地质应用的更进一步的关键问题之一。热红外成像仪的使用将矿物识别扩大到一些架状和岛状的硅酸盐。这样通过矿物的共生组合就能有效地对研究区的地质环境进行深入客观的分析和探讨。在矿物识别和矿物精细识别的基础之上，根据矿物共生组合规律和矿物自身的地质意义指示作用，直观地反演各种地质因素之间的内在联系，可提高高光谱在地质应用中分析和解决地质问题的效能。

1国内外高光谱地质应用主要进展

随着高光谱遥感地质应用的不断扩展和日益深

入，高光谱遥感技术和方法也在不断改进。近年来在以下几个方面取得了突出的进展。

(4)基于高光谱遥感的行星地质探测

除了对地球表面的地质信息探测外，对行星和月球表面信息的探测，高光谱技术也具有不可替代的作用。

从1996年美国的火星探测器MarsGlobalSur-

(1)多层次的高光谱信息获取体系

目前，地面光谱仪主要有澳大利亚的PIMA，美国的ASD、GER、热红外FT-IR等。同时国内外也已开发出多种机载和星载成像光谱仪。国外具有代表性的机载成像光谱仪有美国的AVIRIS、澳大利亚的HyMap、加拿大的CASI系列等；国内有中科院开发的机载OMIS系列、PHI、干涉成像光谱仪等。其中HyMap机载成像光谱仪已在世界各地开展了商业运营。星载成像光谱仪如在轨运行的美国的Hyperion，正在研发的预计于2009年前后发射的有德国的EnMAP和日本的Hyper-X[1]。在外星探测中，有火星探测热红外高光谱仪等，中国和印度的探月计划中也将搭载高光谱仪。这样形成一个从地面到空中到太空的高光谱观测体系，为高光谱在各个领域的应用奠定了坚实的基础。

veyor开始到2003欧空局的火星探测器，以及2007

年中国发射的月球探测卫星嫦娥一号和印度即将发射的探月卫星中，都将搭载高光谱仪。在Mars

GlobalSurveyor中搭载的热辐射光谱仪（TES）是一

个热红外成像光谱仪，利用该数据反演了火星表面角闪石、碳酸盐、赤铁矿、高Ca辉石、低Ca辉石、钾长石、橄榄石、斜长石、石英、玻璃、硫酸盐等11种矿物种类及其分布、含量，其中硅酸盐数据对研究火星起源演化是重要的基础数据，赤铁矿、碳酸盐、硫酸盐数据是研究火星水体存在及演化的重要数据[4]。

MarsOdyssey计划卫星搭载的热辐射成像仪（THEMIS）是一个多光谱热辐射成像仪，虽然其光

谱分辨率相对于TES来说较低，但其空间分辨率较高，弥补了TES数据的不足。

(2)基于高光谱数据的矿物精细识别

基于高光谱数据的矿物成分识别，是许多高光谱地质应用的基础和关键之一。利用高光谱遥感（含热红外高光谱）进行矿物识别可分为3个层次：矿物种类识别、矿物含量识别和矿物成分识别[2]。矿物种类识别是高光谱技术应用最成功的领域之一，也一直是高光谱遥感研究的重点之一。高光谱矿物精细识别包括对矿物亚类识别、矿物组成成分探测、矿物丰度信息提取等矿物微观信息的探测。研究矿物光谱的精细特征与矿物微观信息之间的关系，不仅可以扩展矿物识别的种类，还可反演其形成的地质环境。同时，通过高光谱矿物精细识别，可更好地促进高光谱技术在基础地质、矿产资源评价、矿山污染等领域的深入应用[3]。

2国内外高光谱地质应用技术

高光谱遥感的地质应用很大程度上要依赖于相

关的信息处理、分析方法与技术的进展，这些方法一方面要借助于一般的信息处理、分析技术及相关的数学方法，同时也要紧密结合地质应用本身的特点。因此，高光谱地质应用的技术具有其独特的特点。在此，将从几个主要的方面对高光谱地质应用的主要技术进行概括[5]。

(1)光谱微分技术（spectralderivative）：光谱微分

技术包括对反射光谱进行数学模拟和计算不同阶数的微分(差分)值，以确定光谱弯曲点和最大最小反射率的波长位置。光谱微分强调曲线的变化和压缩均值影响。一般认为，可用一阶微分去除部分线性或

(3)高光谱影像地质环境信息反演

尽管矿物填图是高光谱技术应用得最成功的领

272地质通报GEOLOGICALBULLETINOFCHINA2009年

接近线性的背景、噪声光谱对目标光谱（须为非线性的）的影响。

矿物组成成分探测、矿物丰度信息提取等矿物微观信息的探测。研究矿物光谱的精细特征与矿物微观信息之间的关系，不仅可以增加矿物识别的种类，还将直接反演地质成生环境[10]。同时，通过高光谱矿物精细识别将具有地质指示意义的特征物质条件有机地联系起来，更好地促进高光谱技术在基础地质、矿产资源评价与矿山污染监测等领域的深入应用。

例如，利用东天山航空高光谱HyMap数据开展矿物识别。识别的矿物主要有含Fe矿物：褐铁矿；Al-OH类矿物：富铝云母、白云母、贫铝云母、含Mg-Fe质云母、蒙脱石、高岭石；Mg-OH类矿物：绿泥石+绿帘石、绿泥石、绿帘石、滑石、蛇纹石、绿泥石+蛇纹石；碳酸岩类矿物：方解石；硫酸岩类矿物：盐碱化（石膏和芒硝）[11]。

(2)光谱匹配技术（spectralmatching）：光谱匹配

技术包括图像光谱对参考光谱的匹配，或图像光谱与光谱库的比较，以求出它们之间的相似性或差异性[6]。

CCSM（crosscorrelogramspectralmatching）交叉

相关光谱匹配[7]考虑图像光谱和参考光谱之间的相关系数、偏度和相关显著性标准。通过计算图像光谱（包括测试光谱）和参考光谱（实验室或已知像元光谱）在不同光谱位置的交叉相关系数，绘制交叉相关曲线图。

(3)混合光谱分解技术（spectralunmixing）：这类

技术主要分析光谱数据以确定在同一像元内不同成分（目标）所占的比例或识别在已知端元组分（end

member）分析中其它的组分。由于图像分辨率的限

制，图像中存在大量的混合像元。混合像元分解技术就是提取像元中不同地物类别（端元组分）丰度的方法。已被广泛应用于许多地质制图中[8]。

此外，光谱吸收指数（Spectralabsorptionindex）可进行高光谱遥感图像处理和识别光谱吸收特征，也可进行混合光谱的分解[9]。

3.2基于高光谱的地质成因环境探测

在高光谱分辨率下，能够容易检测矿物光谱随

某些特定元素（比如Al、Ca等）含量的增加而发生漂移的现象，并可能以此特征光谱作为变量来表征矿物中化合物的含量[4,10]。在地质作用过程中，矿物组成元素发生类质同象置换，如白云母类Al与(Fe、

Mg)置换，生成钠云母（paragonite）、白云母、多硅白

云母（phengite）及富Al或贫Al白云母。绿泥石和黑云母类发生Fe2+与Mg置换，赤铁矿和褐铁矿中Al与Fe3+置换，碱性长石中Na与K置换、斜长石中

(4)光谱分类技术(spectralclassification)：在高光

谱遥感的地质应用中，光谱分类技术也很重要，可用于有关矿物成分或岩性的识别与制图。主要的方法包括传统的最大似然方法、人工神经网络方法、支持向量机方法和光谱角制图方法（SpectralAngelMap-

Ca与Na置换等，造成矿物中某一组成元素失衡。

这些表现在光谱特征的细微变化上，对这些细微特征的“捕捉”可以进行相应的识别[6]。

per,SAM）。

(5）光谱特征提取（spectralfeatureextraction）：特

征是对象所表现出来的各种属性和特点。这里的特征提取包括：按照一定的准则直接从原始空间中选出一个子集，即波段选择；另一类是在原始特征空间和新特征空间之间找到某种映射关系，在新特征空间中选择子集（子空间）。

3.3蚀变矿物与矿化带的探测

高光谱遥感被广泛应用于矿产资源的勘查中，

主要是通过蚀变带和蚀变矿物的识别，并结合相关的地质资料，找寻潜在的矿产。各类蚀变矿物往往有很重要的地质指示作用，对它们的识别和探测有着重大的地质意义[12-13]。

(6）模型方法（modeling）：即基于矿物和岩石的

散射和吸收光谱性质模拟反射光谱的各种模型方法，是从物理原理入手、从本质上理解认识岩石矿物光谱的物理机制与物理过程，建立光谱数学物理模型，识别并定量提取岩石矿物信息。

(1)热液蚀变矿物组合探测与成矿分析

Bierwirth等[13]利用HyMap数据和地面实测光

谱数据，对与金矿有关的蚀变矿物组合进行了探测，取得了很好的结果。结果表明，运用HyMap数据可以有效地探测矿物组合，即使在出露较差的地区，只要风化产物留在原地就可以探测出来，而且根据所生成的矿物成分图中的蚀变矿物组合可以识别矿床类型。更重要的是，根据矿物制图，识别出另外2个矿物异常区，这2个异常又反映了岩石中金的异常。

3

3.1

高光谱地质应用与实例分析

矿物成分识别

高光谱矿物精细识别包括对矿物亚类的识别、

第28卷第2~3期李志忠等：高光谱遥感卫星技术及其地质应用

273

矿物成分制图及成分差异为地质勘探提供了十分有价值的信息，尤其对露头条件差，甚至为大量风化产物覆盖的地区。

盐化等,而且在地表及其附近常有次生铀化物存在。

3.4基于高光谱的成矿预测

通过对矿物识别、地质成因等相关信息的提取

(2)金矿矿区蚀变岩石信息提取

在哈图金矿区，中科院遥感所应用航空红外细分光谱仪(FIMS)进行蚀变矿物识别填图。FIMS图像在短波红外区(2.0～2.5μm)设置了6个光谱段，分别为2.0μm(FIMS1)、2.087μm(FIMS2)、2.155μm

与组合关系的分析，能够探讨矿床成生过程中的物源、动力过程等，直接判断可能存在的矿化或矿床信息。这样，在其他知识的辅助下，可以实现对矿化与成矿远景区以及靶区的圈定。基于矿物特征谱带参量地质反演模型①，通过对光谱最大吸收深度位置的探测来大致地识别岩性分布。

(FIMS3)、2.755μm(FIMS4)、2.295μm(FIMS5)、2.390μm(FIMS6)。瞬时视场角为6mrad，飞行高度6000m时地面分辨率为36m。

对从FIMS图像上提取的不同类型地物光谱相

对反射率曲线的分析表明，该曲线可有效地反映蚀变矿物的吸收特征。例如，蚀变玄武岩的相对光谱曲线显示在2.9μm处有明显的吸收特征,这是蚀变的绿泥石化矿物所形成的：绿泥石Mg-OH分子基团的振动造成了在中心波长为2.30μm处的强吸收。蚀变凝灰岩的光谱反射率曲线在2.175μm波段的波谷，反映了这种岩石中绢云母Al-OH分子振动所导致的2.208μm强吸收的存在和影响，而戈壁、非蚀变凝灰质砂岩、玄武岩则无明显吸收特征。

3.5岩性的识别与分类

以现有的岩石矿物光谱库作为参考光谱，利用

高光谱数据可进行有关岩性的识别与分类。

中国国土资源航空物探遥感中心和中科院遥感应用研究所在分析了岩矿光谱特征在高光谱地质应用各个环节中的作用和影响之后,采用HyMap对东天山地区进行高光谱图像数据获取，通过辐射校正、几何校正等图像预处理和MNF变换增强不同岩类分布的信息，基于色调的影像光谱和标准库光谱，区分出花岗岩、花岗闪长岩、闪长岩、辉绿玢岩、基性火山岩、火山碎屑岩、正常沉积岩等岩体、地层岩性单位。

高光谱最大的优势在于利用有限细分的光谱波段再现像元对应地物目标的光谱曲线。在参考光谱与像元光谱组成的二维空间中，基于整个谱形特征的相似性概率的大小，能有效地避免岩石矿物光谱漂移或光谱变异造成的单个光谱特征的不匹配，并能综合利用弱的光谱信息。在对光谱数据库中岩石矿物光谱特征分析总结的基础上，结合矿物端元选择，利用光谱匹配等方法识别出绿泥石、绿帘石、云母类（白云母）、高岭石、盐碱化、方解石等矿物。其中，绿泥石与绿帘石分布在研究区的中部,与地层的分布趋势相一致，可能为区域蚀变所致；云母类主要分布在地层及一些花岗岩体中；碳酸盐岩呈条带状或线状沿构造带近东西向展布；蒙脱石分布在一些白板地内，盐碱化分布在一些干枯的小河沟中。

在上述矿物识别中，无论是光谱角度制图技术还是光谱匹配和混合光谱分解，都存在对非端元矿物信息的分割，因此阈值的选择是面临的一个重要问题。这不仅关系到所识别矿物的可靠度，也关系到矿物分布范围大小的界定。同时由于是分航带提取，不同航带之间并非精确的大气校正使同一地物的光谱特征存在差异，尽管最大程度地降低或减弱了图

(3)铜矿矿区识别与探测

中国国土资源航空物探遥感中心利用航天高光谱数据在驱龙地区识别出与斑岩铜矿密切相关的蚀变矿物组合，发现了3处矿化异常和若干较小的蚀变分布区，经验证与野外实况相当吻合[11,14]。

加拿大空间局利用CASI数据对Noranda地区也进行了铜矿矿区识别研究，利用几种关键的变质矿物进行矿区潜力制图。该研究从研究区北部的己知铜矿勘探点中直接获取光谱指纹,并通过这些指纹在南部找到了2个新的勘探点。这2个矿区在后来的地面调查中被证实为储矿区。

(4)铀矿矿区探测

1991年中国科学院与澳大利亚合作在澳大利亚松谷RumJungle铀矿区获取了71通道成像光谱(MAIS)数据，其中可见近红外区32个波段、短波红外区32个波段、热红外区7个波段，其空间分辨率为15m(VNIR)和22.5m(SWIR)[5]。实验区发现的矿

产为铀矿。碱金属矿化主要产于太古宇Mount

Paratridge群Whites组，矿石U308含量为0.2%～0.4%。矿石矿物有续磷铀云母Mg(UO2)2(PO4)28H2O，矿床

的蚀变类型主要有绿泥石化、绢云母化、滑石化、碳酸

274地质通报GEOLOGICALBULLETINOFCHINA2009年

像边缘的光谱特征畸变，但所提取的矿物空间展布特征的一致性仍受到制约,增加了制图的困难。

田区植被的状况，揭示了与油气微渗漏导致的植被光谱的改变。Crawford[4]利用IRIS光谱测量了俄勒冈州Mist气田区的Douglas杉树的光谱，研究了天然气渗漏导致的光谱异常特征。

3.6油气资源及灾害探测

近年来，高光谱遥感也被广泛应用于油气资源

的探测和油气泄漏等灾害的探测中。VanderMeer等[16]在对基于遥感的油气微渗漏

方法综述的基础上，提出了综合高光谱数据及相关的地质、地球化学数据，运用相关的决策方法提取了可能的油气微渗漏信息，并进行了实际验证。

(1)油气微渗漏探测

赋存于地下的油气藏在一定条件下可向地表渗漏，在地表形成一些特定的现象，这些现象可为油气勘探提供有用的线索。油气的地表渗漏包括2种类型：宏观渗漏（macroseepage）和微渗漏（microseep-

Noomen等[22]通过室内实验、野外光谱测量和对高光谱图像（Probe-1）的分析，研究了油气微渗漏

对植被光谱的影响，目的在于通过认识植被的异常来发现新的油气资源。

这些实例显示，基于高光谱的微渗漏探测主要通过一些间接证据，如植被异常、土壤和岩石蚀变，为油气勘探提供线索。而油气资源的确定还要依靠相关的地质资料。

高光谱数据也被应用于海上油气资源的勘查中。海底的油气渗漏可在海洋表面形成油膜，可用遥感的方法（包括高光谱遥感）来探测。

尽管高光谱图像具有高的光谱分辨率，可以更准确地探测各种不同的蚀变和植被异常，但现有的卫星高光谱数据（EO-1Hyperion）覆盖范围有限（空间分辨率也较低），广泛应用还存在一定的困难。

此外，高光谱遥感方法也被应用于油砂中油含量的探测，用于辅助油砂中油的提炼，在加拿大阿尔伯塔省已被采用。

age）。宏观渗漏是地表可见的油气渗漏[15]，用常规的

方法（如地表观测）就可以直接发现，通常沿断裂带或不整合面发育。微渗漏是烃类物质垂直或近于垂直渗漏到地表，是肉眼不可见的油气渗漏，常规的方法难以发现，其存在的直接证据就是在某些油气藏上方进行常规地球化学测量时，发现土壤气体和土壤中轻的烃类物质的异常[16]。油气的微渗漏可引起地表岩石土壤的蚀变和植被的异常，在肉眼难以分辨的情况下，通过遥感方法可探测出。

常见的油气微渗漏引起的地表异常包括：①红层的退色，油气微渗漏产生的还原环境使Fe3+向

Fe2+转化，导致土壤或岩石中Fe2+的富集；②粘土矿

化（粘土矿物的富集），即混层粘土矿物和长石向高岭石的转化，长石向粘土矿物（高岭石、伊利石、绿泥石）转化；③碳酸盐化即碳酸盐矿物含量的增多；④植被异常；⑤某些地温异常等。

常规方法很难发现油气微渗漏引起的地表异常（如土壤岩石蚀变和植被异常），而遥感则提供了快速、有效的手段来探测地表土壤、岩石和植被的异常，因此被应用于油气微渗漏的探测[17-19]，为油气勘探提供有益的线索。早期的油气微渗漏遥感探测研究多采用宽波段的图像数据，如LANDSATTM数据，来提取有关的蚀变信息，并在一些已知的油气区获得了成功。但宽波段的遥感数据由于其有限的光谱和空间分辨率，在探测油气微渗漏方面有很大的局限性，如LandsatTM数据仅有2个短波红外波段

(2)油气管线监测

石油和天然气管线输送的石油产品对经济发展有着至关重要的作用。虽然大部分管线埋藏在地下，但管线的渗漏对附近的环境也构成很大的威胁。1999年，EllisGeoSpatial公司的创始人和负责人JimEllis开始利用高光谱影像来探测油气渗漏。

Taylor[23]在油气管线渗漏监测方面也做过很多研究。

研究结果表明，高光谱数据提供了非常详细的信息，用户可以借此正确地识别和辨别管线和设施中的问题区域。可以很快地从大区域中提取出环境敏感的区域，在渗漏加重之前，可以识别发生缓慢渗漏的油气管线。早期检测可以降低管线公司为补救而花费的代价。

(第5和7波段)，难以进一步区分一些与油气微渗

漏有关的蚀变，如碳酸盐化和粘土化。近年来，高光谱数据被应用于探测微渗漏研究[20-21]，一些石油公司也采用了相关的技术。

(3)石油泄漏探测

20世纪60年代末,美国巴巴拉油田溢油事故

震惊了西方国家。为了在大范围内对事故进行调查，

Singhroy等[21]采用荧光线阵成像仪（光谱范围430～850nm,288通道）研究了密西根StoneyPoint油

第28卷第2~3期李志忠等：高光谱遥感卫星技术及其地质应用

275

在70年代初，美国的科学家就开始了溢油遥感技术和系统的研究。受海岸警备队(USCG)的委托，美国国家宇航局(NASA)和加州大学合作，推出了世界上第一套航空遥感溢油监测系统(AOSS)。该系统针对海上溢油监视应用，对遥感仪器进行了优化。加拿大、德国、法国、瑞典、丹麦等国家也都建立了各自的监测系统。

由于高光谱遥感能够提供每个像元的连续光谱曲线，具有对物质识别与含量计算的潜力，能够消除一些虚警信息，因此高光谱遥感影像能够对石油泄漏探测做出精确而快速的反应。机载高光谱成像由于同时具备较高的空间分辨率和光谱分辨率，因此制图效率和制图精确程度都比传统的遥感方式好。

成的铁污染、选冶废水所产生的水污染、植被污染等信息的提取研究。

利用高光谱的技术优势可以快速且有效地直接识别与提取出污染源的种类、类型，并分析其潜在的污染趋势，为矿山环境分析、污染监测、制定治理规划和复垦计划提供了新技术和知识支撑。

(2)欧盟矿区环境影响评价与监测

欧洲利用先进的地球观测技术进行环境影响评价与检测计划(assessingandmonitoringtheenviron-

mentalimpactofminingactivitiesinEuropeusingadvancedearthobservationtechniques(MINEO))，是由欧盟资助的信息社会技术(InformationSocietyTech-nologyProgram(1998—2002))项目之一。该项目的研究目标主要有2个方面：第一，发展地球观测数据的

信息挖掘与提取方法，为欧盟的决策者和工业部门提供周期性更新的矿区环境专题图及相关的工具；第二，发展在环境管理系统中地球观测信息与知识辅助决策的关键组成部分，推动其在可持续发展系统中对于欧盟矿区的环境风险的定位与检测，并辅助环境管理决策过程。为此,MINEO计划联合英国、德国、葡萄牙、奥地利、芬兰5个国家，在6个矿区建立了试点，并对每个试点确定其相关的研究目标[8]。

FoudanSalem等[24]通过高光谱影像对石油泄漏

探测进行了系统研究，认为利用高光谱遥感能够最大程度地去除传统方法的局限，同时特征匹配比传统色彩合成得到的泄漏区的分布更精确。

3.7矿山环境的高光谱监测

金属矿物或元素、油气渗漏等污染可引发植物

的异常及其光谱的变异。国内外学者对此在机理上进行了较深入的研究，开展了一些航空和卫星多光谱、高光谱遥感试验研究。高光谱遥感的发展为利用遥感方法定量地探测植物的光谱变异和植物异常，探测和分析环境污染，以及开展相应的环境治理成为可能。

土壤受到污染，特别是受到重金属污染，会使植物金属含量增高而引起植物重金属中毒，影响植物的生长状态，从而使植物的光谱特征，如绿峰、红谷、红外反射坪等的强度和位置发生改变，并可引起红边和蓝边斜率的变化和位置的偏移。在可见光和反射红外区主要表现为：高重金属含量常使植物发生“缺绿症”，是叶绿素含量下降，叶黄素含量增高，叶绿素a/b的比值增大，造成红谷变浅；高重金属含量会改变或破坏叶细胞的结构，造成红外反射坪的增高；造成光谱红边的斜率和位置发生变化。叶绿素含量的减少会造成红边向短波方向位移，称为蓝移，而叶绿素体受损则形成红移。

3.8高光谱植被重金属污染探测

植被在可见光波段（400～685nm）的光谱主要受

叶色素（叶绿素、叶黄素、胡罗卜素）的控制，其中以叶绿素的影响最大。由于叶绿素强烈吸收蓝光和红光，在480nm和680nm波长附近形成2个吸收谷，分别被称作“蓝谷”和“红谷”；在550nm附近出现绿发射峰，使植物外观呈现绿色。当植物受污染发生病变后叶绿素含量减少，红谷变浅，红谷和绿峰之间的梯度变缓，使植物外观呈黄色。由植物病变引起的叶绿素减少称为“缺绿症”。植被光谱在750～1250nm区间主要受叶细胞结构的影响。叶细胞之间的空隙导致光的散射与折射，使反射率增高形成红外反射坪。植物病变后叶细胞结构发生畸变或者遭到破坏，细胞间隙增多，散射增强，发射率增高。由于红谷和红外反射坪的综合效果，植物反射光谱在

(1)德兴铜矿矿山污染的高光谱监测

甘甫平等[25]利用航天Hyperion高光谱数据研究矿山污染物的识别，在对德兴铜矿矿山野外光谱特征综合分析与总结的基础之上,综合考虑污染物的光谱特征,开展了对废矿中如黄铁矿等氧化所造

680～750nm区间急剧上升形成一个发射陡坡，称为

“红边”。植物病变后，红谷变浅和红外反射坪增高，都使红边的斜率和位置发生变化。

岩石和土壤的地球化学异常会使植物金属元素

276地质通报GEOLOGICALBULLETINOFCHINA2009年

的含量增高或引起植物重金属中毒的现象，影响植物的生长状态和长势，从而使植物的光谱特征，如绿峰、红谷、红外反射坪等的强度和位置发生改变，并可引起红边和蓝边斜率的变化和位置的偏移。植被生物变异特征在谱学上重点表现为叶绿素（含类胡萝卜素）结构、含量、水分、元素等的不同而引起的谱形差异，最为显著的是光谱红边的“红移”（健康，生长旺盛）和“蓝移”（不发育，中毒等）。

利用高光谱对植物光谱的“精细”结构和变异的探测和分析，定量、半定量地提取与估计植被生物物理和生物化学参数，快速且定量地评价冠层结构、状态或活力、冠层水文状态，估计冠层生物化学成分的含量，如N、P、K、糖类、淀粉、蛋白质、氨基酸、木质素、纤维素、叶绿素等。进而结合生物地球化学的分析，可用以探测和评价地球化学异常、分析环境污染程度、进行矿产资源探测等。

行监测与对生态恢复的状况进行评价，开展基于遥感的岩性矿物填图十分必要。在对高光谱传感器数据需求方面，除上述可获得性差的问题外，在未来发射的新型数据获取系统中，应该专注于：①提高航天成像光谱系统的空间分辨率、辐射分辨率和光谱分辨率；②考虑到地质和环境监测的需要，热红外成像光谱仪的研发与投入运行十分必要；③目前中国自行研制的成像光谱仪主要集中在可见光/近红外波段区域，缺乏高性能的短波红外区域的传感器，尚不能满足地质领域的需求；④需要大力发展在轨和地面校准技术，选择合适的地质遥感实验场，如美国内华达州的Cuprite矿区，已经成为世界上重要的高光谱遥感验证实验场；⑤加强高光谱数据共享与分发渠道的建设等。

（2）缺针对性强的数据处理方法

高光谱数据具有许多与常规宽波段遥感数据不同的特点，因此，要求针对高光谱数据特定的处理和分析方法，以满足地质应用的需求。尽管目前应用部门拥有一些高光谱数据，也缺乏有效的处理和分析方法，也制约了高光谱数据的进一步应用。因此，探索和开发适合地质应用的高光谱数据处理分析方法，并结合具体的应用目的选择合适的方法及参数，将会促进应用的扩展和深入。

（3）无成型的专用软件平台

尽管目前许多遥感图像处理软件平台，如EN-

4存在的主要问题

地质应用是高光谱遥感应用最早、最成功的领

域之一。20世纪80年代以来，高光谱遥感被广泛地应用于地质、矿产资源及相关的环境调查和应用中，并成为一种不可替代的技术手段。高光谱遥感地质应用过程中存在的主要问题如下。

（1）数据源（严重）匮乏

尽管目前国内外有许多高光谱传感器，但绝大多数均是基于航空平台的，仅有少量基于航天平台。航空平台具有灵活、便捷、空间分辨率高等优点，但同时也受到许多条件的制约，如天气状况、航空管制、数据获取费用昂贵等。国内仅有少数单位可以较方便地得到所需的航空高光谱数据。绝大多数地质应用部门无法得到所需的航空高光谱数据，缺乏获取高光谱数据的商业渠道。航天平台具有固定的重访周期，数据的重复性和周期性好，但一般空间分辨率略低。但目前在轨的航天高光谱数据很少，常见的仅有EO-1HYPERION(美国)和CHRIS/PROBA（欧空局），而且以科学研究为目的。因此，高光谱数据源严重匮乏，已成为制约高光谱遥感地质应用的重要因素之一。发展中国自主的适合地质应用的业务化的高光谱卫星，满足多种地质应用的需求，是亟待解决的问题之一。

目前，中国地质环境整治任务与资源勘探任务迫切，因此，利用高光谱遥感手段对矿区地质环境进

VI、ERDASIMAGINE、PCI等，都有针对高光谱遥

感的模块，但都比较零散，如何有效地集成多种处理和分析方法，并加入地质应用的模型和功能模块，形成一套专用的软件平台，也是值得解决的问题之一。

（4）人员培训力度不够

高光谱数据的处理分析和应用是比较专业的技术工作，要求用户具有一定的高光谱遥感方面的专门知识。因此，加强有关高光谱遥感的原理、方法和技术培训，使更多的地质、资源专业用户认识和了解高光谱遥感的应用潜力，也是促进其地质应用所必需的途径之一。目前，中国高校和科研机构在高光谱教学中严重缺乏合适的数据和实验设计，类似的培训班也比较少。

此外，加大对高光谱遥感地质应用的投入和开展有关的应用示范，也是其中重要的问题。

尽管高光谱遥感卫星技术在地质应用研究中取得了较好的效果，但也存在着不少的问题。特别是高

第28卷第2~3期李志忠等：高光谱遥感卫星技术及其地质应用

277

光谱遥感卫星数据源和地质应用处理方法是目前急需解决与探索的问题，也将是我们今后一段时期内研究与发展的重要方向。

致谢：工作中得到中国科学院童庆禧院士、中国地质调查局何凯涛教授、中国林业科学院李增元研究员、国家遥感中心李加洪研究员和中国国土资源航空物探遥感中心、熊盛青、甘甫平研究员等专家的热情指导和帮助，在此深表谢意。参考文献

[1]BachmannCM,DuboisK,FusinaRA.AutomaticdetectionofaninvasiveplantspeciesonabarrierislandintheVirginia[C]//Proc.IGARSS.Sydney,Australia,2001.

[2]CrawfordMF.Preliminaryevaluationofremotesensingdataforde-tectionofvegetationstressrelatedtohydrocarbonmicroseepage:mistdasfield,Oregon[C]//Proceedingsofthefifththematicconference:remotesensingforexplorationgeology.Reno,Nevada,September29-October2,1986:161-177.

[3]甘甫平,.高光谱遥感技术在地质领域中的应用[J].国土资源遥感,2007,(4):57-60.

posium.Proceedings.IGARSS2000.IEEE2000InternationalVol-ume4,24-28July2000:1382-1384.

[13]BierwirthP,HustonD,BlewettR.Hyperspectralmappingof

mineralassemblagesassociatedwithgoldmineralizationintheCen-tralPilbara,westernaustralia[J].EconomicGeology,2002,97:819-826.

[14]周强，甘甫平，,等.高光谱遥感影像矿物自动识别与应用

[J].国土资源遥感，2005,(4):28-31.

[15]TedescoSA.SurfacegeochemistryinPetroleumexploration[M].

NewYork:ChapmanandHall,1995.

[16]VanderMeer,VanDijkP,VanderWerffH,etal.Remotesensing

andpetroleumseepage:areviewandcasestudy[J].TerraNova,2002,14:1-17.

[17]PattonKH,ManwaringMS.EvaluationofaLandsat-derived

tonalanomalyforhydrocarbonmicroseepage,SouthwestKansas[C]//ProceedingsoftheThematicConferenceRemoteSensingforEx-plorationGeology,ColoradoSprings,USA,1984(AnnArbor:En-vironmentalResearchInstituteofMichigan),1984:441-450.[18]SimpsonCJ,WilfordJR,MacialsLF,etal.Satellitedetectionof

naturalhydrocarbonseepage:PalmValleygasfield,AmadeusBasin,CentralAustralia[J].TheAPEAJournal,19,29:196-211.[19]SegalDB,MerinIS.SuccessfuluseofLandsatThematicMapper

dataformappinghydrocarbonmicroseepage-inducedmineralogicalteration,LisbonValley,Utah[J].PhotogrammetricEngineeringandRemoteSensing,19,55:1137-1145.

[20]YangH,ZhangJ,VanderMeerF,etal.Imagingspectrometrydata

correlatedtohydrocarbonmicroseepage[J].InternationalJournalofRemoteSensing,2000,21:197-210.

[21]SinghroyVH,Stanton-GrayR,SpringerJ.Spectralgeobotanical

investigationofmineralizedtillsites[C]//Proceedingsofthe5ththematicconference:remotesensingforexplorationgeology.Reno,Nevada,September29-October2,1986:523-4.

[22]NoomenMF,SkidmoreAK,VanderMeerFD.Detectingthe

InfluenceofGasSeepageonVegetation,usingHyperspectralRe-moteSensing[C]//Proceedingsof3rdEARSeLWorkshoponImag-ingSpectroscopy.2003:252-256.

[23]TaylorAW.Earlyproblemdetectioninfacilityandpipelinemoni-toring[J].PipelineandGasJournal,2000,225(10):32-36.

[24]FoudanSalem,MenasKafatos.HyperspectralImageAnalysisforOil

SpillMitigation[C]//Proc.AsianConferenceonRemoteSensing.2001,(1):748-753.

[25]甘甫平，刘圣伟，周强.德兴铜矿矿山污染高光谱遥感直接识别研

究[J].地球科学，2004，29(1):119-126.

[4]ClarkRN.SpectroscopyofRocksandMinerals,andPrinciplesofSpectroscopy[C]//ManualofRemoteSensing.NewYork:JohnWi-ley＆SonsInc.,1999.

[5]童庆禧,张兵,郑兰芬.高光谱遥感的多学科应用[M].北京：电子工业出版社，2006.

[6]CloutisEA.Hyperspectralgeologicalremotesensing:evaluationofanalyticaltechniques[J].InternationalJournalofRemoteSensing,1996,17(12):2215-2242.

[7]MeerFV,BakkerW.Crosscorrelogramspectralmatching:applicationtosurfacemineralogicalmappingbyusingAVIRISdatafromcuprite,Nevada[J].RemoteSenslngofEnvironment,1997,61:371-382.[8]KruseFA,LefkoffAB,DietzJB.Expertsystem-basedmineralmappinginnorthernDeathValley,California/Navadausingtheair-bornevisible/infraredimagingspectrometerSensingofEnvironment,1993,44:309-336.

[9]王晋年,郑兰芬,童庆禧.成像光谱图像光谱吸收鉴别模型与矿物填图研究[J].环境遥感,1996,11(1):20-21.

(AVIRIS)[J].Remote

[10]ClarkRN,KingTVV,KlejwaM,etal.Highspectralresolution

reflectancespectroscopyofminerals[J].J.Geophys.Res.,1990,95:12653-12680.

[11]甘甫平，.Hyperion数据蚀变矿物识别初步研究[J].

国土资源遥感，2002,(4):44-50.

①甘甫平,.高分辨率光谱遥感信息地质应用技术方法研究.

国土资源部科研报告，2005.

[12]CooleyT.Validationandexperimentplansforaspacebasedhyper-spectralimagingsystem[C]//GeoscienceandRemoteSensingSym-