2、遥感蚀变信息基础：蚀变矿物光谱特征、常见蚀变类型及其遥感可识别性
遥感蚀变信息提取的物理基础在于：热液蚀变作用会改变岩石中矿物组合与化学成分，进而导致岩石在可见光-短波红外（VNIR-SWIR，0.4~2.5μm）波段的反射光谱特征发生系统性变化。不同蚀变矿物具有特征性的诊断吸收谱带，这些谱带源于Fe³⁺、Fe²⁺、OH⁻、H₂O、CO₃²⁻等基团的电子跃迁和分子振动过程。理解这些光谱特征与蚀变类型的对应关系，是选择遥感数据、设计提取流程、判读异常图斑的前提。
上图展示了光谱特征、蚀变类型与遥感可识别性之间的对应关系。实际工作中，我们通常从“已知蚀变类型→反推光谱特征→选择合适波段/方法”的路径来设计提取方案，而不是盲目堆砌算法。
2.1 蚀变矿物的光谱物理机制
蚀变矿物光谱特征主要由两大物理机制控制：电子跃迁和分子振动。电子跃迁主要影响可见光-近红外（VNIR，0.4~1.1μm）波段，涉及Fe³⁺、Fe²⁺、Mn²⁺等过渡金属离子；分子振动则主导短波红外（SWIR，1.1~2.5μm）波段，涉及OH⁻、H₂O、CO₃²⁻、Al-OH、Mg-OH等基团。
| 光谱区间 | 主导机制 | 典型吸收位置 | 相关矿物/基团 |
|---|---|---|---|
| VNIR (0.4-1.1μm) | 电子跃迁 | 0.45, 0.65, 0.90μm | 赤铁矿、针铁矿、褐铁矿（Fe³⁺） |
| VNIR (1.0-1.1μm) | 电子跃迁 | 1.0-1.1μm宽吸收 | 绿泥石、角闪石（Fe²⁺） |
| SWIR (1.4μm) | OH⁻伸缩振动 | 1.40-1.41μm | 所有含OH⁻矿物（黏土、云母） |
| SWIR (1.9μm) | H₂O弯曲振动 | 1.90-1.95μm | 含吸附水或结构水的矿物 |
| SWIR (2.17-2.21μm) | Al-OH振动 | 2.17, 2.20, 2.21μm | 高岭石、白云母、伊利石、明矾石 |
| SWIR (2.30-2.35μm) | Mg-OH / CO₃²⁻振动 | 2.30-2.35μm | 绿泥石、方解石、白云石、菱铁矿 |
理解这些吸收位置后，我们就能解释为什么ASTER数据的6个SWIR波段（1.6~2.43μm）足以区分主要蚀变类型，而Landsat TM/ETM+仅有两个SWIR波段（1.55-1.75μm和2.08-2.35μm），对黏土矿物的区分能力明显不足。
2.2 常见蚀变类型及其光谱特征
2.2.1 泥化蚀变（黏土化）
泥化蚀变以高岭石、蒙脱石、伊利石等黏土矿物为标志，是热液系统中常见的蚀变类型，通常与中酸性岩浆热液活动有关。其光谱特征为：在1.4μm处有强OH⁻吸收，在2.17~2.21μm处有Al-OH诊断吸收。高岭石在2.16μm和2.20μm处有双吸收特征，而蒙脱石在2.20μm处为单吸收。在ASTER数据中，利用（B4+B6）/B5或（B5×B7）/B6²等比值可有效增强泥化异常。
2.2.2 硅化蚀变
硅化蚀变以石英、玉髓、蛋白石等SiO₂矿物为标志，在VNIR-SWIR波段几乎没有特征吸收，表现为整体反射率偏高且光谱曲线平缓。这使得硅化在可见光-短波红外数据中难以直接识别，但在热红外（TIR，8~14μm）波段，石英具有显著的Reststrahlen特征（发射率低谷在8.2~9.2μm）。因此，硅化蚀变通常需要借助热红外数据（如ASTER TIR波段、AHSI热红外）或间接通过“去植被、去铁染后的高反射率区域”来推断。
2.2.3 铁染蚀变
铁染蚀变以褐铁矿、赤铁矿、针铁矿等铁氧化物/氢氧化物为标志，是氧化环境下最常见的蚀变类型。其光谱特征为：Fe³⁺在0.45μm、0.65μm和0.90μm处有吸收，导致含铁矿物在可见光波段呈现红褐色-黄褐色色调。在Landsat TM/ETM+中，利用B3/B1或B3/B2比值可增强铁染信息；在ASTER中，B2/B1或(B1+B3)/B2同样有效。但需注意，植被覆盖区、氧化土壤、盐碱地等也可能产生类似的光谱响应。
2.2.4 碳酸盐化与绿泥石化
碳酸盐化以方解石、白云石为标志，在2.33~2.35μm处有CO₃²⁻强吸收；绿泥石化在2.30~2.35μm处有Mg-OH吸收，同时在1.0~1.1μm处有Fe²⁺宽吸收。这两类蚀变在ASTER B8（2.295~2.365μm）上表现为低值，但需通过B7/B8比值与泥化区分（泥化在B7低值，碳酸盐在B8低值）。
2.3 遥感可识别性评估与数据选择
不同遥感数据对蚀变类型的可识别性差异显著，选择数据源时需综合考虑光谱分辨率、空间分辨率、覆盖范围与成本。
| 数据源 | 光谱范围 | 可识别蚀变类型 | 主要限制 |
|---|---|---|---|
| Landsat 8 OLI | VNIR+2 SWIR | 铁染、部分泥化（粗分） | SWIR波段少，黏土矿物区分弱 |
| ASTER | VNIR+6 SWIR+5 TIR | 泥化、碳酸盐化、铁染、硅化（TIR） | SWIR波段2017年后失效，需用历史数据 |
| Sentinel-2 MSI | VNIR+3 SWIR | 铁染、粗分泥化 | SWIR空间分辨率60m，波段数有限 |
| Hyperion / 高光谱 | 连续光谱 | 精细区分矿物种类 | 数据获取难、处理复杂、信噪比低 |
| GF-5 AHSI | VNIR+SWIR 330波段 | 精细矿物填图 | 幅宽窄、重访周期长 |
在实操中，ASTER数据是当前多光谱蚀变提取的首选，因为其6个SWIR波段覆盖了Al-OH、Mg-OH、CO₃²⁻等关键诊断吸收位置。若研究区无ASTER数据或数据失效，可退而求其次使用Sentinel-2或Landsat 8，但需接受蚀变类型区分度的下降。
2.4 案例拆解：某斑岩铜矿区ASTER蚀变信息提取
以某典型斑岩铜矿区为例，该区植被覆盖度约30%，地表出露中酸性侵入岩与围岩接触带，已知矿化类型为黄铜矿-黄铁矿-绢云母化组合。目标是通过ASTER数据提取泥化、铁染和硅化蚀变信息，为后续勘探提供靶区。
关键输入数据与参数：
- ASTER L1T级数据（2006年获取，SWIR波段正常）
- 预处理：大气校正（FLAASH）、地形校正（C校正）、去异常值
- 提取方法：主成分分析（PCA）+ 比值法 + 光谱角填图（SAM）
操作流程：
- 裁剪研究区，去除水体与阴影（NDWI阈值+DEM坡向分析）
- 铁染提取：ASTER B2/B1比值，阈值取均值+1.5倍标准差
- 泥化提取：对B1、B3、B4、B6做PCA，选取PC4（特征向量显示B6负载荷），取负异常
- 硅化间接推断：计算B4/B6比值（高值区可能为硅化或明矾石），结合地质图排除已知非矿化体
- SAM分类：以USGS光谱库中高岭石、白云母、褐铁矿光谱为端元，设置最大角度0.1弧度
结果对比：PCA提取的泥化异常与已知矿化蚀变带重叠率约72%，SAM分类结果重叠率约65%，比值法铁染异常与地表氧化带吻合良好。但硅化推断结果存在约30%的假异常，主要分布于石英砂岩地层出露区。
复盘经验：单一方法难以同时提取多种蚀变，建议采用“比值法初筛+PCA细化+SAM验证”的组合策略。硅化提取必须结合地质背景，不能仅依赖光谱信息。此外，植被覆盖区的蚀变信息会被严重削弱，需先进行植被抑制处理（如NDVI掩膜或混合像元分解）。
2.5 常见误区与总结
误区2：忽略大气校正直接做比值。大气散射对可见光波段影响显著，未校正的B2/B1比值可能被大气路径辐射主导。
误区3：将蚀变异常等同于矿化异常。蚀变晕范围通常远大于矿体，且可能由非矿化热液系统（如地热系统）产生。
总结要点：遥感蚀变信息提取的核心在于“光谱特征→波段选择→方法适配”的逻辑链。泥化、铁染、碳酸盐化在SWIR波段有明确的诊断吸收，可直接提取；硅化需借助热红外或间接推断；绿泥石化与碳酸盐化在2.30~2.35μm重叠，需结合其他波段区分。实际工作中，务必结合地质背景、地形、植被覆盖等因素综合判读，避免“唯光谱论”。