4. 遥感数据源选择与矿区适用性分析

矿区岩性识别不是“找一张最清晰的影像”那么简单。多光谱、高光谱、SAR 与高空间分辨率数据各自记录的是不同物理量：多光谱记录可见光—短波红外若干宽波段反射率，高光谱记录上百个窄波段的连续光谱曲线，SAR 记录微波后向散射的幅度与相位，高空间分辨率数据则强调米级甚至亚米级的空间细节。选型的本质，是把“岩性识别任务需要什么信息”与“数据源能提供什么信息”对齐，并接受各自的能力边界。

四类数据源的能力边界

多光谱数据（以 Landsat 8/9 OLI、Sentinel-2 MSI 为代表）波段少但覆盖宽、重访稳定、免费可得，适合做矿区大范围岩性分区和铁染、羟基蚀变等蚀变异常初筛。其边界在于：波段宽导致不同矿物光谱混合严重，难以区分光谱相近的岩类（如不同成分的碳酸盐岩、黏土矿物类型），且 10～30 m 空间分辨率对露天采场台阶、排土场边界这类小尺度对象偏粗。

高光谱数据（以 GF-5 AHSI、EnMAP、PRISMA 为代表）具有 5～10 nm 量级的光谱采样，能捕捉 2.2 μm 附近 Al-OH 吸收、2.3 μm 附近 Mg-OH/碳酸盐吸收等诊断性特征，是识别具体蚀变矿物组合、辅助划分岩性单元的最有力手段。边界在于：空间分辨率通常 30 m 左右、幅宽窄、重访周期长、信噪比受光照与大气影响大，且矿区地表常被粉尘、尾矿覆盖和人为扰动污染，光谱纯度下降。

SAR 数据（以 Sentinel-1、GF-3 为代表）主动成像、穿透云雨、不依赖光照，对矿区地形起伏、粗糙度、含水量和结构面敏感，适合多云多雨矿区、地形复杂区以及形变与地表结构辅助判读。边界在于：后向散射是地表几何与介电特性的综合响应，并非矿物光谱信息，单独用于岩性分类能力有限，且存在叠掩、透视收缩和斑点噪声。

高空间分辨率数据（以 GF-2、WorldView-3、无人机影像为代表）能清晰呈现岩层产状、节理走向、采场台阶、岩堆纹理等宏观结构信息，是目视解译和构造—岩性关系判读的基础底图。边界在于：波段配置往往较少（或虽有多波段但幅宽小、成本高），光谱信息不足，且阴影、云影和人工设施干扰明显。

把边界转化为选型判据

选型时建议先明确三个约束：目标尺度（区域岩性分区、矿区岩性单元、采场精细对象）、识别粒度（岩类大类、岩性单元、蚀变矿物组合）、可用条件（预算、重访、云雨、地形）。例如，一个位于西南多云山区的金属矿区，若任务是圈定与成矿相关的蚀变带，合理组合是：Sentinel-2 多光谱做区域蚀变异常（铁染、羟基）初筛，GF-5 高光谱在异常区做矿物组合确认，GF-2 或无人机影像做构造与采场边界解译，Sentinel-1 SAR 补充云雨期间的地表结构与形变信息。四者不是替代关系，而是“粗筛—精查—结构约束—全天候补充”的互补关系。

需要特别提醒的是，高空间分辨率数据虽然“看得清”，但其光谱信息往往不足以支撑矿物级识别；SAR 虽然“穿得透”，但其后向散射不能直接等同于岩性。把高空间分辨率影像当作岩性分类的光谱输入，或把 SAR 幅度直接当作岩性特征，都是常见的误用。

一个可操作的选型决策表

下表给出矿区岩性识别中常见任务与数据源组合的对应关系，可作为项目启动时的选型参考。表中“主”指承担主要识别任务的数据源，“辅”指用于约束、验证或补充的数据源。

选型后的验证动作

数据源选定后，不能直接进入分类。建议先在矿区布设 15～30 个野外验证点（覆盖主要岩性单元和蚀变带），用便携式光谱仪实测岩石光谱，与影像像元光谱做比对：若高光谱影像在 2.2 μm 附近的吸收位置与实测一致，说明光谱数据可用；若偏差明显，需检查大气校正与几何配准。对多光谱数据，则重点验证蚀变指数异常区与已知矿化点的空间吻合度。对 SAR 数据，可用同一区域两期影像的相干性变化辅助判断地表扰动。验证通过后，再进入样本制作与分类环节，避免“数据选错、后面全错”。