招远金矿区植被异常及遥感找矿意义(5)

448

表3

Table3

ces

指数类别Veg.IndexTNDVI

计算公式ETM4-ETM3

最小值-189.000000

吉林大学学报(地球科学版) 第37卷

各项植被指数及波段比值指数

Thedifferentvegetationindicesandbandratioindi

形成最终的综合解译图(图4,左图为最终监督分类图,右图为局部放大效果)。

最大值96.0000001.004591

平均值-20.2948820.542201

3结 论

SQRT[(ETM4-ETM3)/0.000000(ETM4+ETM3)+0.5]

通过招远金矿区ETM+植被遥感异常提取研究,并结合同行的研究结果,可以得出以下结论:

(1)金矿区的植被由于受Au、Cu等重金属元素的生物地球化学效应作用,其植被的反射光谱异常信息在遥感影像上呈现出异常色调。运用遥感图像处理技术可以有效地分析和提取植被的反射光谱微弱差异,而且在遥感影像上用直观的色调表现出来。

(2)任何一种单一的遥感技术(如PCA、植被指数、非监督分类、监督分类)在遥感找矿研究中都具有一定的局限性,只有综合多种遥感技术才能达到较好的效果。

(3)本文提出一种新的行之有效的综合型植被异常遥感找矿方法,在招远金矿区得到了很好的验证。通过验证,试验结果与已知74个矿点的吻合率达到100%。试验结果还发现在[555000~570000,4132000~4163000]的区域范围内可能存在较大面积的异常,在进行成矿远景区圈定时应该重点考虑。研究成果给植被高覆盖地区(如云南,贵州等)寻找金属矿藏提供了新的参考模型,具有广泛的应用价值和推广意义。

中国地质大学的刘修国教授、吴国平教授、张旺生教授、陈建国教授、刘天佑教授、薛重生教授、中国国土资源航空物探遥感中心的甘甫平博士后、中国地质大学的刘星博士、徐凯博士在写作中给子悉心指导,谨致谢意。

参考文献(References):[1]

LasaponaraR.Ontheuseofprincipalcomponentana lysis(PCA)forevaluatinginterannualvegetationa nomaliesfromSPOT/VEGETATIONNDVItemporalseries[J].EcologicalModelling,2006,194(6):429 434.[2]

Schetselaar,ChungKim.IntegrationoflandsatTM,gamma ray,magnetic,andfielddatatodiscriminatelithologicalunitsinvegetatedgranite gneissterrain[J].RemotesensEnv iron,2000,71(1):89 105.[3]

CuomoV,LanfrediM,LasaponaraR,etal.Detec tionofinter annualvariationofvegetationinmiddleandsouthernItalyduring1985-1999with1kmNO A:SQRT(IR/R)SQRT(ETM4/ETM3)

NDVIIR/RIndex1Index2Index3Index4Index5Index6Index7Index8index9

(ETM4-ETM3)/(ETM4+ETM3)ETM4/ETM3ETM5/ETM4ETM5/ETM3ETM5/ETM2ETM5/ETM1ETM4/ETM2ETM4/ETM1ETM3/ETM2ETM3/ETM1ETM2/ETM1

0.427982-0.6903770.1831680.0000000.0000000.0000000.0000000.0000000.0000000.0000000.0000000.000000

1.7535680.5092023.0750006.0000002.0000002.0000002.0000002.0000001.0000002.0000001.0000001.000000

0.854449-0.1683310.7586630.9973760.7600410.7709440.7070680.2681870.0523170.6969150.3237230.000822

经过对影像的比较分析发现,2种植被指数

(Veg.Index、NDVI)影像中的灰度值差异变化可以区分出正常植被和毒化植被;同时发现5种指数(Index1、Index2、Index3、Index5、Index7)中,In dex1反映农田信息较为全面,Index2和Index5均能够很好地反映部分未受污染的植被信息,Index3对于水体较敏感。这些结论都将作为进一步修正遥感影像监督分类模板建模的依据。2.5

监督分类与综合解译

监督分类本身属于一种人机交互进行分类的过程。即从遥感影像上选取能代表不同地物类型的某些区域作为训练区,然后再按照训练区影像特征进行人机交互分类。

鉴于本文研究区的水域、城镇及背景区植被和矿区植被类型,研究所采用的监督分类方法实质是主要依据前面所做的工作(PCA,植被指数和非监督分类)的基础上,结合地质资料,对非监督分类模板重新建模。这样经过多次反演,形成最终的用于监督分类的模板,再用该模板对图2进行监督分类。但是由于 同谱异物 和 同物异谱 等问题的存在,分类结果往往带有一定的盲目性和不确定性。为了解决光谱和地物之间的关系以及其他问题,对分类结果做了进一步处理。如对小图斑进行剔除,把小