4. 铁染蚀变光谱机理与波段选择
铁染蚀变是遥感找矿中最常见、也最容易被误判的一类蚀变信息。说它常见，是因为铁氧化物在地表分布极广；说它容易误判，是因为植被、土壤含水量、大气程辐射甚至云影都会在可见光—近红外区间制造与铁染相似的“假信号”。要把铁染从背景中稳定分离出来，关键不在于套用一个现成公式，而在于理解铁离子在哪些波长上“留下指纹”，以及 Sentinel-2 的哪些波段正好落在这个指纹上。
一、铁离子的光谱机理：为什么是“蓝—绿—红—近红外”这一段
铁染蚀变的核心矿物是赤铁矿（Fe₂O₃）、针铁矿（FeOOH）、褐铁矿以及含铁绿泥石、黄钾铁矾等。它们的光谱行为由 Fe³⁺ 的电子跃迁决定，主要表现为两类特征：
- 电荷转移吸收：O²⁻→Fe³⁺ 的电荷转移带在紫外—蓝光区形成强吸收，使含铁矿物在 0.4～0.5 μm 附近反射率明显偏低，这是铁染在蓝波段“发暗”的物理根源。
- 晶体场吸收：Fe³⁺ 在八面体配位场中产生 d-d 跃迁，典型吸收位于 0.85～0.95 μm 附近，针铁矿还常在 0.48 μm 与 0.67 μm 附近出现次级吸收，形成“蓝谷—绿峰—红谷—近红外肩”的波形。
因此，铁染矿物的诊断性光谱形态可以概括为：蓝波段强吸收、绿波段相对抬升、红波段再次吸收、近红外（0.85～0.95 μm）出现吸收谷。这一形态是后续所有铁染指数设计的物理依据——指数本质上是在用波段比值放大“谷”与“峰”的落差，同时压制地形和反照率带来的整体亮度变化。
二、Sentinel-2 波段与铁染特征的对应关系
Sentinel-2 MSI 在可见光—近红外区间提供了较密的波段采样，恰好覆盖铁染的关键节点。下表给出与铁染识别直接相关的波段及其作用（波长为标称中心波长，空间分辨率以 L2A 产品为准）：
| 波段 | 中心波长 | 分辨率 | 与铁染的关系 |
|---|---|---|---|
| B2 蓝 | 490 nm | 10 m | O²⁻→Fe³⁺ 电荷转移吸收区，铁染处反射率低 |
| B3 绿 | 560 nm | 10 m | 铁染相对“峰”位，常作比值分子 |
| B4 红 | 665 nm | 10 m | 针铁矿次级吸收，铁染处偏低 |
| B6 红边 | 740 nm | 20 m | 过渡区，可辅助区分铁染与植被红边 |
| B8 近红外 | 842 nm | 10 m | 接近 Fe³⁺ 晶体场吸收谷，铁染处反射率下降 |
| B8A 窄近红外 | 865 nm | 20 m | 更贴近 0.87～0.90 μm 吸收中心，抗水汽干扰更好 |
| B11/B12 短波红外 | 1610/2190 nm | 20 m | 黏土/羟基与铁染联合判别时使用 |
需要特别强调两点工程细节。第一，B8 与 B8A 都可作为近红外通道，但 B8A 更窄、更靠近吸收中心，在铁染信号弱时往往对比度更好，代价是 20 m 分辨率需重采样到 10 m 网格。第二，所有波段必须使用 L2A 地表反射率并做云掩膜，否则大气散射会把蓝波段的“谷”填平，直接导致铁染指数失效。
三、铁染指数常用波段组合的原理
把上面的光谱形态翻译成可计算的指数，思路只有一条：用“谷”波段除以“峰”波段，或让两个“谷”波段与一个“峰”波段做归一化。比值能消去太阳高度角、地形坡度和整体反照率的乘性影响，归一化则进一步把结果压缩到 −1～1，便于跨景比较。以下是三类最常用的组合及其适用条件。
（1）比值型：B4/B3（红/绿）。铁染在红波段吸收、绿波段相对抬升，比值越小说明铁染越强。实际使用中常取倒数 B3/B4 使“高值=高铁染”，便于与阈值比较。该指数简单稳健，但对绿色植被极其敏感——植被在绿波段有反射峰、红波段被叶绿素强吸收，会产生与铁染同向的响应，因此必须叠加 NDVI 掩膜。
（2）归一化型：(B4−B8)/(B4+B8)。红与近红外同时位于铁染的吸收侧，二者之差对铁染敏感，而分母起到亮度归一化作用。这一形式与 NDVI 结构相同但符号相反，实际计算中常写作 (B8−B4)/(B8+B4) 后取反，或直接使用 (B4−B8)/(B4+B8) 并约定高值为铁染。它对地形阴影的抑制明显优于单波段比值，是区域尺度铁染制图的主力指数。
（3）蓝波段参与的 B2/B3 或 (B2−B3)/(B2+B3)。蓝波段是电荷转移吸收最强处，对赤铁矿、黄钾铁矾等强铁染矿物响应突出，适合在裸露基岩区做高置信度提取；但蓝波段受大气散射影响最大，必须使用 L2A 并检查气溶胶校正质量，否则整景偏移会淹没真实信号。
四、从指数到可判读结果：一个可复现的示例流程
假设我们处理一景覆盖干旱—半干旱裸露山地的 Sentinel-2 L2A 影像，目标是圈定铁染蚀变异常。可按以下顺序执行：
- 预处理：读取 B2、B3、B4、B8（10 m）与 B8A（20 m 重采样至 10 m），应用 SCL 场景分类层剔除云、云影、水体与雪，像元值除以 10000 转为 0～1 反射率。
- 计算指数：按上节公式逐像元计算三个铁染指数，得到三张浮点栅格。
- 植被与阴影压制：计算 NDVI=(B8−B4)/(B8+B4)，将 NDVI>0.3 的像元置为无效；用 B11 低反射率辅助识别阴影区并掩膜。
- 异常分级：对每个指数在有效像元内取均值 μ 与标准差 σ，按 μ+1σ、μ+2σ、μ+3σ 划分三级异常。示例中若某像元 B4/B3 的倒数为 1.42、全图 μ=1.05、σ=0.12，则 (1.42−1.05)/0.12≈3.1，落入三级异常。
- 交叉验证：保留至少两个指数同时达到二级以上的像元作为最终铁染异常，叠加地质图与已知矿点核对。
需要提醒的是，上述 μ、σ 与阈值均为教学示例中的合理假设，实际作业必须按景统计，并注意不同季节、不同传感器增益下阈值会漂移。分级结果还应与短波红外（B11/B12）的羟基蚀变信息叠加分析：铁染与羟基异常在空间上共生或相邻，往往是斑岩型、矽卡岩型矿化的有利指示；若铁染异常孤立出现且沿公路、居民点分布，则更可能是人工地物或火烧迹地。
归纳起来，铁染识别的波段选择不是记忆几个公式，而是沿着“Fe³⁺ 在蓝、红、近红外形成吸收谷，在绿波段形成相对峰”这条光谱主线，去挑选 Sentinel-2 中正好落在谷与峰上的波段，再用比值或归一化把落差放大、把干扰压下去。理解了这条主线，面对不同传感器（如 Landsat 8 的 B2/B3/B4/B5）也能自行迁移波段组合，而不必依赖固定模板。