遥感实验说明

遥感实验说明第1页，课件共64页，创作于2023年2月正立体效应：重叠部分朝内，左眼看左片，右眼看右片，可获得与观测实物相似的立体感觉。反立体效应：重叠部分朝内，左眼看右片，右眼看左片（或在已建立正立体效应的基础上，将左右像片各旋转180°，即重叠部分朝外，然后左眼看左片，右眼看右片），则像片上的左右视差较改变了方向，可获得与观测实物相反的立体感觉。零立体效应：把正立体效应的两张像片，各依某一个同名点，按同方向旋转90°，则像对上原有的左右视差较变为上下视差，不存在产生立体感的左右视差较，故称零立体。同名像点的左右视差p和上下视差q不同像点的左右视差较Δ

pb-a=pa-pb第2页，课件共64页，创作于2023年2月立体效应正立体反立体反立体S1S2S1S2S1S2

b1P1a1b2a2P2P2b2a2b1a1P1

a1P1b1a2b2

P2BAB

AA立体模型与实物相反B立体模型与实物相似(正立体效应基础上左右像片旋转180°)零立体：起伏的视模型变平(正立体效应基础上左右像片旋转90°)第3页，课件共64页，创作于2023年2月二、实验内容（一）不用立体镜观察航空像片可用一张硬纸片垂直放在左像片和右像片之间，使左眼只看左像片，右眼只看右像片。形成一个立体模型，这时将中间硬纸片抽掉，仍然有立体模型存在（此时左眼仍保持看左像片，右眼仍保持看右像片）。（二）像对立体观察1．在立体镜下安置像片时，应使两张像片的基线在一条直线上，然后将立体镜基线距离调整到与两眼距离（即眼基线）大致相等，并使立体镜基线方向与像片基线平行。2．观察时，眼睛接近立体镜，若同一地物影像出现双影，是由于两张像片相隔太远或太近（即两张像片的相应点距离大于或小于眼基线），或是两张像片的基线未在一直线上等原因所造成的，这时应慢慢移动像片，使两张像片的基线在一直线上，并使两张像片的间隔适当，直至影像重合。重合后只要仔细观察就会出现立体。3．在立体观察时，像片的阴影部尽量对着自己。第4页，课件共64页，创作于2023年2月实验2ERDAS视窗的基本操作操作前的准备工作：建立自定义的数据输入输出目录A建立自己的工作目录（存放输出（处理过的）数据）。（不能用汉字字符）B选择主菜单Session->PreferenceC在弹出的对话框中选择UserInterface&SessionD在对话框右侧的DefaultDataDirectory和DefaultOutputDirectory分别键入存放已知数据的完整路径及自己建立的工作目录的完整路径。如：DefaultDataDirectory为e:\hlrDefaultOutputDirectory为e:\myc第5页，课件共64页，创作于2023年2月一、目的和要求

熟悉基本的ERDASIMAGINE软件的视窗操作二、实验内容

（一）．视窗操作1、图象及图形文件的显示；2、图象叠加；3、重要的实用菜单功能；4、矢量图形要素及属性编辑；5、注记文件与注记要素。（二）．数据输入输出第6页，课件共64页，创作于2023年2月三、实验步骤（一）．视窗操作

1．图象、图形显示操作（File）：

第一步启动程序“打开文件”

第二步确定打开文件的类型、文件名第三步设置参数，在“打开文件”操作弹出的对话框中点击“RasterOption”设置图象文件显示的各项参数第四步打开图象矢量图形文件的显示操作与上类似。第7页，课件共64页，创作于2023年2月2.实用菜单操作（Utility）：

视窗菜单条中Utility（实用功能）对应有14项命令，选择不同命令进行不同操作：1）光标查询功能（InquireCursor）可查询十字光标所在位置像元的纵横坐标、三个波段颜色、灰度值、直方图等信息，并随光标移动实时变化2）数据叠加显示（Blend,Swipe,Flicker）3）文件信息操作（LayerInfo）图象信息显示及图象信息编辑第8页，课件共64页，创作于2023年2月3.显示菜单操作（View）：

视窗菜单条中的View对应下拉菜单包含19项命令，其中：1）文件显示顺序（ArrangeLayers）：首先在视窗依次打开多个文件（包括图象、图形、注记等文件），注意在打开上层图象时，不要在选择参数中选中清除已打开图象；然后在ArrangeLayersViewer对话框中进行调整文件顺序2）显示比例操作（DisplerScale）3）显示变换操作（Rotate/Flip/Stretch）：只是显示变换，而非对文件数据进行操作第9页，课件共64页，创作于2023年2月4.矢量文件的生成、绘制与编辑：

第一步打开图象文件（OpenRasterLayer）第二步创建图形文件（CreateVectorLayer）第三步绘制图形要素（DrawVectorElements）"Vector"→"EnableEditing"第四步保存矢量文件（SaveVectorLayer）5.注记菜单操作编辑：

注记数据用于标识和说明主要特征或重点区域。注记文件的生成与打开操作还需借助视窗菜单条的文件操作部分完成。第10页，课件共64页，创作于2023年2月（二）、数据输入输出:1、操作步骤：1）选择Import模块，弹出数据输入输出对话框。2）选择是进行数据输入(Import)还是数据输出(Export)。3）选择要进行转换的数据类型（Type）4）选择数据存储的介质。5）选择要进行转换的输入数据，并确定输出数据的文件名称和存储路径。6）进行数据转换（必要时要设置一些参数）。第11页，课件共64页，创作于2023年2月2、 输入单波段数据首先需要将各波段依次输入，转换为ERDASIMAGINE的.img文件:第一步打开输入输出对话框，选择输入数据操作（Import）、输入数据文件类型为普通的二进制（GenericBinary）、选择输入数据媒体为文件（File）、确定输入文件路径和文件名、确定输出文件路径和文件名；第二步设置参数及数据格式（BSQ或BIL或其他）、数据类型、图象记录长度、头文件字节数、数据文件行数、列数、波段数量等第三步输入单波段数据，依次将多个波段数据全部输入3、TIFF图象数据输入输出

第12页，课件共64页，创作于2023年2月4、组合多波段数据

若干个单波段图象文件合成一个多波段图象文件：第一步在ERDASIMAGINE中要先打开"相应的对话框（"ImageIterpreter"→"Utilities"→"LayerStack"→LayerSelectionandStacking对话框第二步在LayerSelectionandStacking对话框中，依次选择并加载（Add）单波段图象第三步将选择的多个波段图象组合成一幅多波段图象Erdas默认打开图像的方式为假彩色(标准假彩色4（R）3（G）2（B），真彩色3（R）2（G）1（B）)（选择NoStrech可以以原图显示），假彩色的读取文件的顺序是第4、第3和第2层数据。所以，波段合成时要注意合成的顺序，文件合成的顺序就是Erdas依次加载的顺序。第13页，课件共64页，创作于2023年2月实验3遥感图像的几何校正一、目的和要求掌握图像几何校正的方法和过程，掌握在ERDAS中使用参考影像（地图）进行多项式几何纠正的操作方法。二、实验内容遥感图像的几何纠正，以多项式拟合法纠正为例进行。1．操作步骤：1）显示图像在Viewer1中打开一幅需要纠正的遥感图像（tmatlanta.img），在Viewer2中打开另一幅供选择地面控制点坐标的地理参考图像（panatlanta.img）。第14页，课件共64页，创作于2023年2月2）调用几何纠正模型在Viewer1菜单中选择Raster|GeometricCorrection，在对话框中选择遥感图像纠正模型。对于TM图像，选择多项式模型Polynomial，然后点OK。显示几何纠正工具，同时显示多项式属性对话框。先显示多项式纠正模型参数对话框。PolynomialOrder表示多项式纠正采用的次数，一般选择2次多项式。点击OK，关闭多项式属性对话框。出现地面控制点（GCP）工具参考设置对话框：选择ExistingViewer，点击OK，要求选择参考图像，将鼠标在打开参考图像的Viewer2中点左键，出现参考图像panatlanta.img的投影信息，点击OK，启动GCPTOOL。第15页，课件共64页，创作于2023年2月3）启动GCPTOOL屏幕显示包括两个放大的视窗Viewer3，Viewer4，分别是两个主视窗Viewer1，Viewer2中两个关联方框的放大框。以及GCPTOOL：包含菜单和工具图标，图标下面显示两幅图像坐标数据，开始选取控制点。4）控制点的选择控制点的选择是几何纠正的关键。（注意：尽量收集标志性地物和道路交叉口等作为控制点。步骤如下：" Viewer1中选择明显点移动连接框，寻找明显地物点，在GCPTOOL中点击，进入GCP选择状态，光标显示为十字，表示可以选择同名点，在Viewer3中明显点上点左键，在GCP数据记录表中显示该点的图像坐标。第16页，课件共64页，创作于2023年2月" 在Viewer2中的选择同名点在Viewer2中移动连接框，到与Viewer3中对应的同名点位置，在GCPTOOL中点击，在Viewer4中明显点上点左键，系统在GCP数据记录表中自动显示该点的地面坐标。在主窗口和放大窗口中系统会显示GCP#1，表示选择的第一对同名点，其颜色可以在GCPTOOL中重新设定。重复1，2两个步骤，直到选择的控制点数满足纠正的数量要求。当选择了六对同名点后，第七个及以上同名点的选择：只需在Viewer1中选择一个明显点，其同名点会在Viewer1中自动显示，如果位置有误差，可以用鼠标左键调整点位，确保选择的是同名点。系统自动计算得到单点误差和其贡献全部控制点平差后的精度显示在右上角，只有当Total小于一个像元时，才满足纠正精度要求，继续后面的重采样。第17页，课件共64页，创作于2023年2月检查点采集：检查点的选取是为了验证控制点的精度，首先设置点的类型为Check，Edit/SetPointType/Check，然后按照前面选择控制点的方法选择检查点。选四个控制点，点击，在相应的栏内显示检查点的残差：检查点的残差显示为其精度在一个像素之内，所以原先选择的8个控制点的精度满足要求。5）．计算变换参数一般在选择好控制点后系统自动计算变换参数。注意：进行多项式几何纠正的最小控制点个数是由所确定的多项式的次数决定的，只有确定了足够的控制点才可以开始进行几何纠正。第18页，课件共64页，创作于2023年2月2．说明

ERDAS所提供的图像几何校正计算模型有7种：Affine--图像仿射变换Polynomial--多项式变换Reproject--投影变换RubberSheeting--非线形、非均匀变换Camera--航空影像正射校正Landsat桳Landsat--卫星图像正射校正SPOT--POT卫星图像正射校正6）．灰度重采样几何纠正工具（GeoCorrectionTools）选择灰度重采样模块，出现重采样对话框：输入纠正后的文件名，确定参数后点击OK。第19页，课件共64页，创作于2023年2月三、实习的成果分析在计算参数时已经利用检查点做了验证，现将纠正后的TM图像与作为参考图像的SPOT图像关联起来，通过人工比较来验证结果。在两个窗口中分别打开SPOT和TM图像。然后点击鼠标右键，弹出菜单：选择Geo.Link/unlink，表示连接两幅图像。提示在要连接的窗口中点击鼠标，将两个窗口关联起来。点击视窗按扭条中的+，移动光标检查两边的位置是否对应。如果两边对应，说明纠正图像满足要求。如果总体精度不能满足纠正要求，其原因可能有：1、多项式次数不能满足纠正要求；2、控制点选择不符合要求：分布不均匀，或者选点精度不符合要求，甚至选错；3、地形起伏引起的投影差超限；参考坐标精度有问题；模型有问题，需要用共线方程纠正。第20页，课件共64页，创作于2023年2月实验4遥感图像增强处理--辐射增强处理一、实验目的掌握在ERDAS中进行辐射增强处理方法（RadiometricEnhancement）

。二、实验内容及实习步骤点击Interpreter/RadiometricEnhancement，进行操作。辐射增强命令辐射增强功能LUTStretch：查找表拉伸通过修改图像查找表（LookupTable）使输出图像值发生变化，是图像对比度拉伸的总和。HistogramEqualization:直方图均衡化对图像进行非线性拉伸，重新分布图像像元值使一定灰度范围内像元的数量大致相等HistogramMatch:直方图匹配对图像查找表进行数学变换，使一幅图像的直方图与另一幅图像类似，常用于图像拼接处理BrightnessInverse:亮度反转对图像亮度范围进行线性及非线性取反值处理HazeReduction:去霾处理降低多波段图像及全色图像模糊度的处理方法NoiseReduction:降噪处理利用自适应滤波方法去除图像噪声DestripeTMData:去条带处理对LandsatTM图像进行三次卷积处理去除条带第21页，课件共64页，创作于2023年2月实验5遥感图像增强处理--空间增强处理一、实验目的掌握在ERDAS中进行空间增强处理（SpatialEnhancement）的操作方法。

二、实验内容及实习步骤点击Interpreter/spatialEnhancement，进行操作。

空间增强命令空间增强功能Convolution:卷积增强用一个系数矩阵对图像进行分块平均处理Non-directionalEdge：非定向边缘增强首先应用两个正交卷积算子分别对图像进行边缘探测，然后将两个正交结果进行平均化处理FocalAnalysis:聚集分析使用类似卷积滤波的方法，选择一定的窗口呼函数，对输入图像文件的数值进行多种变换Texture:纹理分析通过二次变异等分析增强图像的纹理结构AdaptiveFilter:自适应滤波应用自适应滤波器对AOI进行对比度拉伸处理ResolutionMerge:分辩率融合不同空间分辨率遥感图像的融合处理Crisp:锐化处理增强整景图像亮度而不使其专题内容发生变化第22页，课件共64页，创作于2023年2月实验6遥感信息的融合一、实验目的：

通过将高分辨率单波段影像（高分辨率全色数据）和低分辨率多波段影像进行融合，生成具有较高空间分辨率和光谱分辨率的影像，提高影像质量。掌握在ERDAS中进行影像融合的操作方法。二、实验内容：分辨率融合是遥感信息复合的一个主要方法，它使得融合后的遥感图象既具有较好的空间分辨率，又具有多光谱特征，从而达到增强图象质量的目的。注意：在调出了分辨率融合对话框后，关键是选择融合方法，定义重采样的方法操作步骤：1）.将提供的影像数据转换成ERDAS内部文件格式（img）。第23页，课件共64页，创作于2023年2月2）.选择Interprter模块下SpatialEnhancement－>ResolutionMerge打开影像融合对话框。3）.分别选择高分辨率影像文件（spot）和多光谱影像文件(tm)，（注意，输入的影像必须具有相同的地理坐标系）并输入融合影像的文件名和存放路径。4）.确定融合参数（融合方法，重采样方法，选择参与融合的多波段影像中三个波段）。5）.开始融合计算过程.6）.在新的影像视窗中打开融合后的影像，并将起和高分辨率影像文件（spot）和多光谱影像文件(tm)进行比较第24页，课件共64页，创作于2023年2月实验7遥感信息的镶嵌一、实验目的：

将两幅或多幅影像（卫片、航片）镶嵌生成一幅遥感影像。二、实验内容：被镶嵌影像要有一定的重叠度。1）.选择DataPrep模块下MosaicImages，打开影像镶嵌工具窗口。2）.选择Edit菜单下AddImages选项。弹出AddImages对话框。依次将要进行镶嵌的影像添加到影像镶嵌工具窗口中，并在添加单张影像时确定要添加的影像区域（整幅影像、裁切部分、有效部分、AOI部分）并对输入影像进行设置。注意：进行镶嵌的两张或多张影像必须具备地理坐标。第25页，课件共64页，创作于2023年2月3）设置重叠区域匹配选项A选择匹配方法-不匹配、匹配整个影像、仅匹配重叠区域。B选择是否进行色彩均衡。C如果是多波段图像，还要确定直方图匹配类型。4）选择Edit菜单下SetOverlapFunction选项。弹出SetOverlapFunction对话框。对待镶嵌影像的重叠部分进行设置，确定匹配函数（方案）。如果待镶嵌影像上（重叠部分）有明显的线状地物，可以采取沿剪切线进行匹配镶嵌的方法5）选择Process菜单下RunMosaic选项。弹出RunMosaic对话框。进行影像镶嵌。输入镶嵌影像名称及存放路径。6）在影像视窗中查看镶嵌结果，并和原图进行比较。第26页，课件共64页，创作于2023年2月实验8遥感图象的分幅裁剪

一、实验目的：

掌握在ERDAS中进行影像分幅裁剪的操作方法。二、实验内容：按照ERDAS实现图象分幅裁剪的过程，可以将图象分幅裁剪分为两种类型：1.规则分幅裁剪规则分幅裁剪是指裁剪图象的边界范围是一个矩形①通过直接输入右上角、右下角的坐标值；②先在图像视窗中放置查询框，然后在对话框中选择FromInquireBox就可确定图象的裁剪位置。第27页，课件共64页，创作于2023年2月2.不规则分幅裁剪不规则裁剪是指裁剪图象的边界是个任意多边形，无法通过左上角和右下角两点的坐标确定图象的裁剪位置，而必须事先生成一个完整的闭合多边形区域。针对不同的情况采用不同裁剪过程。第一种方法：先在图像视窗中绘制AOL区域，然后在对话框中选择AIO功能；第二种方法：1）将Arcinfo的一个PolygonCoverage多边形转换成网格图象。点击Vector/vectortoRaster—打开vectortoRaster对话框，并设置参数，并实现转换。2）通过掩膜运算实现图像不规则裁剪。点击Interpreter/Utilities/Mask--打开Mask对话框，并设置参数如下：setupRecode设置裁剪区域内新值为1，区域外取0值。第28页，课件共64页，创作于2023年2月实验9遥感图像分类---非监督分类

一、实验目的掌握在ERDAS中进行非监督分类的操作方法；掌握对分类进行精度评估的方法。二、实验内容1、操作步骤

1）选择DataPrep模块下UnsupervisedClassification(或者Classification模块下UnsupervisedClassification)，弹出非监督分类对话框。2）选择要进行分类的遥感图像，并输入要生成的分类图像的文件名。3）在对话框内输入分类参数，主要有分类个数、迭代计算最高次数、收敛阈值。4）开始分类。第29页，课件共64页，创作于2023年2月2.调整分类方案（1）叠加显示原图像和分类图像在同一窗口中显示两图像，原图像在下，分类后图像在上，原图像显示波段组合用R（4）G（5）B（3）（2）调整属性字段显示。在打开的viewer中，选择Raster-Attributes，打开分类后图像的属性表。在该对话框中单击Edit-ColumnProperties,打开对话框，可以调整字段的顺序以及字段名称等。（3）确定所分类别地表种类，改变类别颜色并命名。（4）设置不透明度。属性表中，Opacity字段，0为透明，1为不透明第30页，课件共64页，创作于2023年2月（5）观察类别意义及精度。可以使用viewer窗口的菜单Utility-Flicker,Swipe,Blend等工具（6）标注类别名称和颜色。在属性表中ClassNames中修改3.分类后处理若结果比较满意，则可结束非监督分类。反之，还需要进行分类后处理，如聚类统计，过滤分析，去除分析，分类重编码，合并等。第31页，课件共64页，创作于2023年2月实验10遥感图像分类---监督分类一、实验目的掌握在ERDAS中进行监督分类的操作方法；掌握对分类进行精度评估的方法。二、实验内容1.定义分类模板（1）显示需要进行分类的图像。

（2）打开模板编辑器并调整显示字段。在ERDAS中，点击C1assifier/SignatureEditor菜单项，出现SignatureEditor对话框。第32页，课件共64页，创作于2023年2月（3）获取分类模板信息利用AOI工具选择训练样区，将AOI区域加载到Signature分类模板中。并定义该训练样区所代表的分类类别的名称（SignatureName）和该类别在分类后图像中的颜色（Color）。重复上述操作过程以多选择几个区域AOI，并将其作为新的模板加入到SignatureEditor当中，同时确定各类的名字及颜色。如果对同一个专题类型（如水体）采集了多个AOI并分别生成了模板，可以将这些模板合并，以便该分类模板具多区域的综合特性。（4）保存分类模版信息。第33页，课件共64页，创作于2023年2月2.评价分类模板在对遥感影像做全面分类之前，对所选的训练区样本是否典型以及由训练区样本所建立起来的判别函数是否有效等问题并无足够的把握。因此，通常在全面分类之前，先仅用训练区中的样本数据进行试分类，即分类模版的评价。分类模板评价工具包括：分类报警工具（Alarms）、可能性矩阵（Contingencymatrix）、特征对象（Featureobjects）、特征空间到图像掩模（FeatureSpacetoimagemasking）、直方图方法（Histograms）、分类的分离性（Signatureseparability）、分类统计分析（Statistics）。3.执行监督分类设置完成后执行监督分类。分类完成后，打开分类图像（Supervised.img）第34页，课件共64页，创作于2023年2月4.分类精度评估执行了监督分类之后，需要对分类精度进行评估。分类精度评估是将专题分类图像中的特定像元与已知分类的参考像元进行比较，实际工作中常常是将分类数据与地面真值、先前的试验地图、航空像片或其它数据进行对比。下面是具体的操作过程：（1）在视窗中打开原始图像（2）在Classifier/Classification菜单中，选择AccuracyAssessment菜单项，进入精度评估模块。AccuracyAssessment对话框中显示了一个精度评估矩阵（AccuracyAssessmentCellarray）。精度评估矩阵中将包含分类图像若干像元的几个参数和对应的参考像元的分类值。这个矩阵值可以使用户对分类图像中的特定像元与作为参考的已知分类的像元进行比较，参考像元的分类值是用户自己输入的。矩阵数据存在分类图像文件中。第35页，课件共64页，创作于2023年2月（3）打开分类专题图像。在SupervisedImage对话框中打开与视窗中对应的分类专题图像。（4）将原始图像视窗与精度评估视窗相连接。（5）在精度评价对话框中设置随机点的色彩。（6）产生随机点。本步骤将在分类图像中产生一些随机的点，随机点产生之后，需要用户给出随机点的实际类别。然后，随机点的实际类别与在分类图像的类别将进行比较。（7）显示随机点及其类别。在AccuracyAssessment对话框中，点击View/ShowAll(所有随机点均以第五步设置的颜色显示在视窗中)，点击Edit/ShowClassValues（各点的类别号出现在数据表的class字段中）。第36页，课件共64页，创作于2023年2月（8）输入参考点对应的实际类别值。在数据表的Reference字段输入各个随机点的实际类别值（只要输入参考点的实际分类值，它在视窗中的色彩就变为第五步设置的PointWithReference颜色）。（9）设置分类评价报告输出环境及输出分类评价报告。在AccuracyAssessment对话框中，确定分类评价报告的参数，产生分类精度报告。所有报告将显示在ERDAS文本编辑器窗口，可以保存为文本文件。通过对分类结果的评价，如果对分类精度满意，保存结果。如果不满意，可以进一步做有关的修改，如修改分类模板、或者对其它功能进行调整。第37页，课件共64页，创作于2023年2月5.分类后处理监督分类后，在分类结果中会产生一些面积很小的图斑，对专题制图和实际应用都会产生一定的影响，有必要对这些小图斑进行一系列处理。ERDAS系统中的GIS分析命令Clump、Sieve、Eliminate可以综合完成小图斑的处理工作。6.栅格转矢量为了使分类后的栅格图像，转换为GIS能够直接分析的矢量地图，需要进行栅格转矢量操作。具体步骤是：在ERDAS的Vector/RasterToVector菜单中进行转换。为arcinfo格式：点击OK按钮，在弹出的对话框中可以设置容忍度为5：点击OK按钮，则可以在ArcMap中打开转换后的矢量图。第38页，课件共64页，创作于2023年2月

热液型金属矿床中，某种有用元素的逐步富集是形成矿床的必要条件，而这种成矿物质通常由成矿热液来迁移搬运和卸载沉淀，围岩蚀变是成矿物质逐步富集过程中留下的印记，是热液型金属矿床找矿的重要标志。

围岩蚀变是指近矿与热液发生反应产生的一系列新物质替代旧物质的交代作用。蚀变岩存在不一定有矿，但大型、特大型矿床一般均有强烈且较大范围的围岩蚀变。

遥感蚀变信息与热液矿床有较高的相关性，遥感蚀变异常与地球物理异常、地球化学异常一样可作为其独立的找矿参数。TM图象识别三类蚀变矿物第39页，课件共64页，创作于2023年2月

主要造岩矿物的成分(硅、铝、镁和氧)，其振动基频在中红外和远红外区，在可见-近红外区不产生具有诊断性的谱带。

岩石中的次要成分(含铁矿物以及蚀变矿物，含有Fe2+、Fe3+、OH-、CO2-3等离子的蚀变矿物)，在可见光及近红外区中形成了具有诊断意义的反射谱。

岩石中常见的蚀变类型主要为：绿泥石化、绢云母化、高岭土化、褐铁矿化、黄铁矿化等，它们均含有Ｆｅ２＋、Ｆｅ３＋离子或羟基ＯＨ－、碳酸根ＣＯ２－３离子。第40页，课件共64页，创作于2023年2月

涉及铁化、与热液作用有关的泥化蚀变（粘土矿物（含羟基ＯＨ－）和碳酸盐矿物（含碳酸根ＣＯ２－３））、硅化３类蚀变遥感异常。其中，铁化和泥化是蚀变信息提取的主要目标。

含铁离子类矿物多分布在金属矿物氧化带、含铁矿物的风化表面，其波谱特征主要取决于铁离子的价态，矿物种类以褐铁矿、针铁矿、黄钾铁矾、赤铁矿等Fe3+矿物为主，Fe2+矿物较少。

含水(羟基)蚀变矿物是指内部存在两种位于不同结构位置上的氧原子—-硅氧四面体氧和羟基氧，也称为含水矿物、氢氧化物，为泥化蚀变的产物，在热液及风化矿床中较发育。如高岭土、白云母、蒙脱石、伊利石、绢云母、绿泥石、绿帘石、黑云母、方解石等粘土类矿物大多含有羟基(OH-)。第41页，课件共64页，创作于2023年2月

含碳酸根离子(CO2－3)蚀变矿物以方解石、白云石、菱镁矿等为代表。

由于植被覆盖、地形影响等因素的干扰，这些矿化蚀变信息在图像上表现为一种弱信息。必须采用多种方法，逐步排除干扰信息，将矿化蚀变信息从中分离出来。

提取的方法可以分为两种趋势，一是基于特征谱带的增强手段，如比值增强、主成分分析等（对有积雪覆盖的高山地区不适用）；二是基于波谱形态识别的方法，如光谱角填图。第42页，课件共64页，创作于2023年2月

目前，依据蚀变矿物在可见光—近红外区反射光谱特征，

TM图象能识别三类蚀变：①铁的氧化物、氢氧化物和硫酸盐，包括褐铁矿、赤铁矿、针铁矿和黄钾铁矾。②含水或羟基矿物(OH-矿化)，包括粘土矿物和云母。③水合硫酸盐矿物(石膏和明矾石)和硫酸盐矿物(方解石和白云岩等)。

铁的氧化物、氢氧化物和硫酸盐在TM1、TM2、TM3波段反射比曲线上升梯度很陡，TM4波段附近有一个较强吸收带。

含②类及③类的蚀变矿物在TM7存在强烈吸收谷。第43页，课件共64页，创作于2023年2月

Fe3+矿物在TM1波段、TM2波段和TM4波段为强吸收；在TM3波段为高反射；在TM5波段，除黄钾铁矾为高反射外，其它也具反射特征。第44页，课件共64页，创作于2023年2月Fe2+蚀变矿物的特征吸收中心在TM7波段。第45页，课件共64页，创作于2023年2月

与热液作用有关的泥化蚀变（粘土矿物（含羟基ＯＨ－）和碳酸盐矿物（含碳酸根ＣＯ２－３）），在ＴＭ７波段为强吸收，ＴＭ５波段为高反射；TM3波段的反射率高于TM1波段反射率。

泥岩和碳酸盐在第5波段有着吸收特征，在第7波段有着反射特征。

分析蚀变矿物的波谱曲线，当波段间差值相近但斜率不同时，利用反射波段与吸收波段的比值处理增强各种岩性之间的波谱差异，形成突出蚀变弱信息的图像。

比值法进行遥感蚀变信息的提取

第46页，课件共64页，创作于2023年2月

通过TM5/7（粘土矿物clayminerals）、TM4/3可有效地增强和提取含粘土矿物、云母等含羟基矿物及水合硫酸盐和碳酸盐的信息

；

通过TM3/1（铁氧化物ironoxide）可有效地增强和提取含铁的氧化物、氢氧化物类的蚀变岩信息

TM5/4（铁矿石ferrousminerals）用于区分有植被和无植被覆盖的土壤和岩石，区分云母及黄钾铁矾、明矾石及石膏、方解石及粘土这三类矿物，识别褐铁矿化第47页，课件共64页，创作于2023年2月非蚀变岩：TM5/7≈1暗色调，TM4/3≈1暗色调蚀变岩（含OH-的粘土类）：TM5/7>>1呈亮色调，TM4/3≈1呈暗色调植被：TM5/7>>1呈亮色调，TM4/3>>1呈亮色调铁氧化物：TM3/1>>1，识别褐铁矿化，呈亮色调赤铁矿化，呈暗色调第48页，课件共64页，创作于2023年2月TM7/4≥1.0云母TM7/4≤1.0明矾石和石膏TM4/3，识别植被和褐铁矿化岩石，植被发育区呈亮色调；褐铁矿化岩石呈暗色调

区分不同种类的特征矿物:TM5/4（铁矿石ferrousminerals）

，区分植被（＜＜1，呈暗色调）与无植被覆盖的土壤和岩石TM5/4≥1.0云母和黄钾铁矾的值远大于1TM5/4≤1.0明矾石和石膏的值远小于1TM5/4≈1.0方解石和粘土矿物类接近于1TM5/1用于增强含铁类岩石，有助于褐铁矿化信息的提取

TM3/4用于植被稀少区域，能突出氧化铁类蚀变岩第49页，课件共64页，创作于2023年2月

①类蚀变矿物（铁的氧化物、氢氧化物和硫酸盐）的岩石在真彩色合成TM321图像上呈暗红或暗紫红色。褐铁矿在TM542或TM543合成图像上为褐红色。彩色合成图像中

含②（羟基矿物(OH-矿化)

）、③类（水合硫酸盐矿物和硫酸盐矿物）蚀变矿物的岩石在TM432图像呈黄色，TM571图像上为红或青色。

TM5/7(红)、TM3/1(绿)和TM3/4(蓝)彩色合成图像上，赤铁矿和针铁矿化呈绿至青色（TM3/1(绿)>>1、TM3/4(蓝)>>1），黄钾铁矾呈黄白色；含羟基矿物、水合硫酸盐化岩石呈红色、橘红色（TM5/7(红)>>1）。第50页，课件共64页，创作于2023年2月

热液合成hydrothermalcomposite（TM5/7(红)、TM3/1(绿)和TM4/3(蓝)）彩色合成图像上，赤铁矿和针铁矿化呈绿色，黄钾铁矾呈黄绿色；含羟基矿物、水合硫酸盐化岩石呈品红色，绿色植被呈蓝色。

矿物合成mineralcomposite

（TM5/7(红)、TM5/4(绿)和TM3/1(蓝)）彩色合成图像上，赤铁矿和针铁矿化呈蓝至青色，黄钾铁矾呈绿至青色；含羟基矿物、水合硫酸盐化岩石呈品红色。第51页，课件共64页，创作于2023年2月

对铁染信息的提取，首先由ＴＭ＋１、３、４、５四个波段进行主成分变换，舍弃TM7是为了排除粘土类矿物蚀变信息的干扰。主成分分析法进行遥感蚀变信息的提取

对代表铁染物主分量的判断准则是：构成该主分量的特征向量，其TM3系数应与TM1及TM4的系数符号相反，TM4的系数与TM3、TM5的系数相反，TM3一般与TM5系数符号相同。

如果ＴＭ３波段的特征向量载荷因子为负，则铁离子分布区域在主分量影像中为低值异常，故暗色调部分表征了铁染信息。第52页，课件共64页，创作于2023年2月

变换后各波段的特征向量及特征值见表１，根据上述原则确定铁染异常主分量ＰＣ3。特征矩阵(表2)中,PC4即反映了铁染异常主分量。第53页，课件共64页，创作于2023年2月特征矩阵(表2)中,PC4即反映了铁染异常主分量。特征矩阵(表1)中,PC4即反映了铁染异常主分量。第54页，课件共64页，创作于2023年2月特征矩阵(表4)中,PC3即反映了铁染异常主分量。祁连的数据：PC4为铁化蚀变信息的主分量。TM1TM3TM4TM5特征值Pc10.427-0.4820.1090.7567698.743Pc20.575-0.439-0.422-0.544297.579Pc30.4450.1330.837-0.287173.804Pc40.5360.745-0.3280.2219.663第55页，课件共64页，创作于2023年2月

泥化蚀变遥感信息的提取采用主成分变换，由ＴＭ＋１、４、５、７四个波段进行主成分分析，舍弃TM2与TM3波段是为了避免可见光波段同时参加运算导致铁氧化物的干扰。

TM5波段的值为其最高特征向量值且呈正值，反映了粘土类矿物在TM5波段的高反射光谱特征，TM7波段的值为其最高特征向量值且呈负值，反映了粘土类矿物在TM7波段强烈吸收的光谱特征。

对代表羟基化物主分量的判断准则是：构成该主分量的特征向量，其TM5系数应与TM7及TM4的系数符号相反，TM5和TM7的贡献系数值符号相反且绝对值越大越好；TM5一般与TM1系数符号相同。第56页，课件共64页，创作于2023年2月特征矩阵(表1)中,PC4符合要求。特征矩阵(表1)中,PC4符合要