EN中文

Remote Sensing for Natural Resources >

2025 , Vol. 37 >Issue 5: 195 - 205

DOI: https://doi.org/10.6046/zrzyyg.2024293

Altered mineral mapping and characteristic analysis in Qianhongquan Area，Beishan，Gansu Province，based on hyperspectral data from the ZY-1 02D satellite

  • HE Haiyang , 1, 2 ,
  • LI Shijie , 1 ,
  • QIN Haoyang 1 ,
  • LIU Xiaoyu 1 ,
  • WANG Siqi 1 ,
  • SUN Xu 1
Expand
  • 1. Xi’an Mineral Resources Research Center of China Geological Survey，Xi’an 710100，China
  • 2. Technology Innovation Center for Gold Ore Exploration，China Geological Survey，Xi’an 710100，China

Received date: 2024-09-06

  Revised date: 2025-03-24

  Online published: 2026-06-03

Fold

Abstract

Hyperspectral remote sensing （HRS） technology，with its high spectral resolution and extensive spectral coverage，demonstrates significant potential in geological prospecting. Focusing on the Qianhongquan gold deposit in the Beishan orogenic belt，Gansu Province，this study conducted altered mineral mapping and component analysis，using HRS data from the AHSI sensor on the ZY-1 02D satellite and the self-developed hyperspectral mineral mapping technique，GeoAHSI，revealing their spatial distribution characteristics. Besides，ground-based spectral measurements were conducted on typical profiles to validate the spectral data，thereby assessing the reliability of the hyperspectral mineral mapping results. The results indicate that the primary altered minerals in the Qianhongquan gold deposit and its surrounding rocks include sericites （low-aluminum，medium-aluminum，high-aluminum，and iron-rich muscovites），calcites，dolomites，epidotes，and chlorites. Their distribution is closely related to ductile shear zones，with the distribution of sericites，chlorites，and epidotes being particularly significant within these zones. This spatial correlation provides critical indicators for regional prospecting. Additionally，it was observed that the 2 200 nm absorption feature of sericites and the 2 250 nm absorption feature of chlorites exhibit marked enrichment in silicon （Si） and iron （Fe） around ore bodies，which is closely correlated to the chemical compositions of the minerals. By enhancing the identification of weak spectral features，this study successfully applied HRS technology to mineral identification and spatial distribution analysis. These findings provide a scientific basis for further exploration of the Qianhongquan gold deposit and offer valuable references and guidance for the application of HRS in similar deposits.

Key words： hyperspectral remote sensing （HRS）; alerted mineral mapping; ZY-1 02D （Ziyuan-1 02D） satellite; Qianhongquan gold deposit in Beishan orogenic belt，Gansu Province

Cite this article

HE Haiyang , LI Shijie , QIN Haoyang , LIU Xiaoyu , WANG Siqi , SUN Xu . Altered mineral mapping and characteristic analysis in Qianhongquan Area，Beishan，Gansu Province，based on hyperspectral data from the ZY-1 02D satellite[J]. Remote Sensing for Natural Resources, 2025 , 37(5) : 195 -205 . DOI: 10.6046/zrzyyg.2024293

0 引言

高光谱遥感技术主要基于光谱学发展而来，该技术起源于20世纪80年代，与传统的全色、多光谱遥感影像相比较，具有光谱分辨率高、覆盖谱段广、图谱合一的特点，是当前遥感技术的研究热点和前沿领域[1]。高光谱遥感作为一种新兴地质找矿技术方法，在地质应用方面主要有岩性识别、蚀变矿物填图、地表光谱反演、信息提取、区域性矿产资源调查等[2-3]，可以快速、无损、精确探测矿物，在热液蚀变带、成矿构造解译工作中有空间分辨率上的优势，卫星高光谱遥感以其宽广视域和低成本的大面积成像能力，为地质矿产勘查和基础地质调查提供了丰富而经济的遥感数据源[4-10]，更具应用和推广价值。
本文以甘肃北山前红泉金矿为研究区，利用资源一号 02D AHSI高光谱遥感影像数据，采用自主研发的GeoAHSI填图算法对金矿区蚀变矿物异常进行填图，剖析前红泉金矿床高光谱蚀变矿物种类和分布特征；基于地面光谱测量技术对典型剖面进行光谱实地验证，验证找矿效果，旨在为前红泉金矿床的下一步勘查工作提供新的认识和参考。

1 研究区概况

研究区位于新疆维吾尔自治区与甘肃省交接处的北山成矿带，北山成矿带横跨西伯利亚、哈萨克斯坦和塔里木3大板块，是中亚造山带重要的组成部分[11-12]（图1），区内地质背景复杂，前寒武纪和古生代地层广泛出露，深大断裂和韧性剪切带发育显著，加里东至印支期岩浆活动频繁，成矿作用强烈，具有良好的找矿前景[13-14]。研究区行政区域属于甘肃省玉门市花海镇，研究区地处温带大陆性气候，昼夜温差大且干旱少雨，植被覆盖稀少，第四系大多仅分布在河谷和洼地，基岩出露面积大，为遥感地质研究的理想区域。
该区地处甘肃北山南带，大地构造分区位置为塔里木陆块区敦煌地块，属小西弓—帐房山华力西期—印支期金、钨成矿带，受北山南带巨型韧性剪切带控制[16]。在地层方面，出露地层主要是长城纪古硐井群（ChG）和第四系（Q）。其中，第四系（Q）岩性为砂砾石、亚砂土；长城纪古硐井群一组下段（ $Ch{G}_{1}^{1}$）分布于研究区北侧，岩性为二云石英片岩、石英岩；长城纪古硐井群一组上段（ $Ch{G}_{1}^{2}$）在研究区大面积出露，是主要的含金层位，岩性为千枚岩、千枚状板岩、粉砂质板岩、砂质板岩夹石英岩透镜体；长城纪古硐井群二组（ChG2）分布于研究区南侧，岩性为条带状大理岩、角砾状大理岩。在岩浆岩方面，前红泉地区侵入岩主要为中元古代片麻状花岗岩、中二叠世花岗闪长岩、上三叠世二长花岗岩和斑状花岗闪长岩。脉岩众多，多为花岗闪长岩脉、石英闪长岩脉、石英闪长玢岩、辉长岩脉等。在构造方面，研究区内构造较为发育，发育NWW向韧性剪切带与脆性断裂，二者共同组成区内主要控矿构造[17-19]（图2）。
图1 北山大地构造位置简图（据文献[15]修改）

Fig.1 Regional geological sketch map of the Beishan area （modified from reference[15]）

图2 前红泉金矿床地质简图（据文献[18]修改）

1. 第四系；2.长城纪古硐井群二组；3.长城纪古硐井群一组上段；4.长城纪古硐井群一组下段；5.上三叠世斑状花岗闪长岩；6.中二叠世花岗闪长岩；7.中元古代片麻状花岗岩；8.石英脉；9.花岗岩脉/花岗闪长岩脉；10.石英闪长岩脉/石英闪长玢岩脉；11.辉长岩脉；12.金矿体及编号；13.韧性剪切带；14.逆断层；15平移断层；16.性质不明断层

Fig.2 Geological map of the Qianhongquan gold deposit （modified from reference [18]）

2 高光谱遥感数据获取

本次研究工作使用的数据源分别是资源一号02D AHSI高光谱遥感数据和iSpecField-WNIR便携式光谱仪获取的地面光谱测量数据。
资源一号02D AHSI高光谱遥感数据共166个波段，空间分辨率30 m，幅宽60 km。其中可见光—近红外谱段（VNIR）76个，光谱分辨率10 nm，光谱范围为400~1 040 nm；短波红外谱段（SWIR）90个，光谱分辨率20 nm，光谱范围为1 005~2 501 nm[20]（表1），本次研究数据获取时间为2023年2月15日，产品级别为L1A级，产品号为L1A0000569205，数据质量良好，无云雪等因素干扰，如图3所示。
表1 资源一号02D数据参数

Tab.1 Data parameters of ZY1-02D

波段名称 波段范围/nm 空间分
辨率/m		 波段数 光谱分
辨率/nm
可见光—近红外
（VNIR）		 390~1 040 30 76 10
短波红外（SWIR） 1 005~2 501 30 90 20
图3 前红泉地区高光谱影像位置图

Fig.3 Hyperspectral image showing the location of the Qianhongquan area

iSpecField-WNIR 便携式地物光谱仪可采光谱范围为250~2 500 nm，覆盖可见光、近红外光谱、短波红外光谱3个区段，在可见光和近红外区段光谱分辨率≤1 nm，在短波红外区段光谱分辨率≤6 nm，光谱波长采样间隔是1 nm，光谱通道数2 200个。

3 高光谱数据处理

3.1 数据预处理

对资源一号02D AHSI 高光谱影像L1A级数据，数据预处理工作首先剔除AHSI影像（L1A级）中1 400 nm和1 900 nm的水汽吸收带及毗邻区低信噪比波段；然后经过数据去噪、辐射定标、大气校正和正射校正4个步骤的预处理，获得L2A级地表反射率数据产品（图4）。其中数据去噪利用全局拉伸方法去除影像中的条带噪声并抑制smile效应，辐射定标使用影像自带的辐射定标文件对上述经去条纹处理的影像执行，大气校正采用基于大气辐射传输模型方法使用ENVI 5.3中自带的FLAASH模块完成，正射校正采用研究区12.5 m分辨率DEM数据作为地理基准参考完成。
图4 矿物填图流程

Fig.4 Process of the mineral mapping

3.2 矿物填图

高光谱矿物填图的方法主要可归纳为2类，一个是以光谱沙漏法（Spectral Hourglass）为代表的端元组分提取及匹配算法，另一个是以Tetracorder算法为代表的基于专家规则的多光谱特征加权拟合算法。本文采用自主研发的GeoAHSI高光谱矿物填图工具进行矿物光谱匹配识别工作（图5），该工具采用基于专家规则的多光谱特征加权拟合（Tetracorder）算法对AHSI高光谱影像数据进行光谱分析完成蚀变矿物信息提取，其中，Tetracorder算法参考光谱是基于开源的美国地质调查局（United States Geological Survey，USGS）光谱数据库，使用一种改进的最小二乘曲线拟合算法，分别对每条像素光谱中的去除连续统光谱特征与矿物标准参考光谱数据库特征做匹配，以识别矿物成分[21-22]。GeoAHSI工具继承了Tetracorder算法框架，并做了若干项改进，使用了一种拟合面积残差指数+吸收波长约束作为光谱拟合优度判断依据，同时改进了对>2 300 nm弱光谱特征的利用规则，增强了对透闪石、滑石和蛇纹石等矿物的识别。相较于传统的基于ENVI的光谱沙漏、光谱角匹配等算法，本方法改进了对弱光谱特征的利用规则，增强了对矿物的识别效果，对噪声的抑制作用更为明显，对于数据信噪比的适应性更好。
图5 光谱匹配识别

Fig.5 Spectral matching recognition

3.3 矿物成分填图分析

除矿物填图外，本文选取绢云母矿物和绿泥石矿物开展矿物的短波红外吸收特征位置细微变化研究工作，绢云母（KAl3Si3O10（OH）2）是重要的含水层状硅酸盐矿物，广泛分布于花岗岩和伟晶岩中，是寻找热液矿床的重要的蚀变矿物标志。由以往研究可知绢云母类矿物2 200 nm吸收特征的波长是浮动的，随着金属阳离子含量的变化发生规律性的偏移行为[23]，这与其晶体结构中呈八配位的Al含量有关[24]。本文从USGS光谱数据库中筛选了9个绢云母矿物样本，这些绢云母样本的2 200 nm吸收特征的波长（读取光谱数据并计算局部最小值对应波长，记为wv2 200）和有关元数据见表2，通过观察可知其2 200 nm吸收特征与其Al2O3含量（质量百分比，%）之间存在显著的负线性相关性（图6）。
表2 USGS光谱库绢云母样本

Tab.2 Muscovite samples from the USGS spectral library

样本ID 光谱仪 wv2 200/μm Al2O3质量百分比/%
GDS114 BECK 2.207 33.09
GDS116 BECK 2.214 31.06
GDS111 BECK 2.222 28.03
GDS113 NIC4 2.197 35.64
GDS117 NIC4 2.200 35.54
GDS118 BECK 2.212 31.31
GDS108 NIC4 2.198 35.0
GDS120 NIC4 2.200 35.69
GDS119 BECK 2.204 33.34
图6 绢云母2 200 nm吸收特征的波长与其Al2O3含量之间关系

Fig.6 Relationship between the wavelength of 2 200 nm absorption characteristics of muscovite and its Al2O3 content

绿泥石（（Mg，Fe）3（Si，Al）4O10（OH）2-（Mg，Fe）3（OH）6）是一种重要的热液蚀变作用产物，出现在多种地质环境和岩石中[25]。其晶体空间结构复杂，相当于“三八面体”黑云母层夹水镁石（八面体）层。因此，许多黏土矿物学家将绿泥石族矿物指定为2∶1∶1型黏土矿物。绿泥石晶体中的元素置换过程很普遍且程度不同，导致其化学成分多样化，这取决于其结晶时的岩石整体组成和物理化学条件。那么反过来，绿泥石的结构和组成就记录了其形成时关于起主导作用的物理-化学条件的宝贵信息[26]。绿泥石的化学成分对温度、压力、氧逸度、pH值以及宿主岩石的整体化学成分非常敏感，使它可用作一种优良的地质指针矿物，刻画热液蚀变的物理-化学场。
本文选取了USGS光谱库中的22个绿泥石矿物样本，分析了其在2 250 nm处的吸收特征波长（wv2 250）及相关元数据，见表3。通过线性回归分析，探讨了光谱特征值（wv2 250/μm）与矿物成分中MgO和Fe2O3含量之间的关系，并评估了各成分对光谱特征的显著性影响，结果如图7所示。研究结果表明，光谱值与MgO和Fe2O3含量之间存在显著相关性，拟合模型为：
wv2 250=2.255 6-0.000 3×w（MgO）+0.000 3×w（Fe2O3） ，
式中：wv2 250为吸收特征的波长，μm；w为矿物成分的质量百分比，%。该模型的决定系数（R2）为0.961，表明其解释了光谱值96.1%的变异，且整体模型显著（统计量F=232.5，显著性系数p<0.001）。在自变量的回归分析中，Fe2O3含量的回归系数显著（显著性系数p=0.001），表明其对光谱特征值的影响较强；而MgO含量的回归系数较低（显著性系数p=0.072），未达到显著性水平。结果表明，Fe2O3在光谱特征变化中的作用更为显著，而MgO的影响则需要进一步研究。
表3 USGS波谱库绿泥石样本

Tab.3 Chlorite samples from the USGS spectral library

样本ID 矿物 光谱仪 wv2 250/μm MgO质量百分比/% Fe2O3质量百分比/%
NMNH83369 镁硬绿泥石 NIC4 2.246 33.9 3.76
GDS159 硬绿泥石 NIC4 2.247 34.7 1.16
NMNH83369 镁硬绿泥石 NIC4 2.247 33.9 3.76
SMR-13.b 富镁绿泥石 BECK 2.248 30.2 8.34
SMR-13.a 富镁绿泥石 BECK 2.249 30.2 8.34
SMR-13.d 富镁绿泥石 NIC4 2.250 30.2 8.34
SMR-13.c 富镁绿泥石 NIC4 2.250 30.2 8.34
SMR-13.d 富镁绿泥石 BECK 2.250 30.2 8.34
SMR-13.a 富镁绿泥石 NIC4 2.250 30.2 8.34
SMR-13.a 富镁绿泥石 NIC4 2.250 30.2 8.34
GDS158 硬绿泥石 ASDNG 2.251 24.7 14.10
SC-CCa-1.b 含铁硬绿泥石 BECK 2.255 26.1 20.70
GDS158 硬绿泥石 BECK 2.255 24.7 14.10
SC-CCa-1.a 含铁硬绿泥石 NIC4 2.255 26.1 20.70
SC-CCa-1.b 含铁硬绿泥石 NIC4 2.256 26.1 20.70
GDS157 含铁硬绿泥石 BECK 2.258 16.6 25.30
SMR-15.b 鳞绿泥石 BECK 2.260 16.8 37.50
SMR-15.a 鳞绿泥石 NIC4 2.260 16.8 37.50
SMR-15.d 鳞绿泥石 NIC4 2.260 16.8 37.50
SMR-15.b 鳞绿泥石 NIC4 2.261 16.8 37.50
SMR-15.b 鳞绿泥石 NIC4 2.261 16.8 37.50
SMR-15.c 鳞绿泥石 NIC4 2.261 16.8 37.50
图7 绿泥石2 250 nm吸收特征的波长与其MgO，Fe2O3含量之间关系

Fig.7 Relationship between the wavelength of 2 250 nm absorption characteristics of chlorite and its MgO and Fe2O3 content

3.4 实测光谱数据处理

地面光谱测量主要针对金矿床典型蚀变带进行野外样品采集，并在室内完成样品的光谱采集工作。为确保测试结果的准确性，对每件样品选取3~5个测试点，在后期数据处理中将每组样品3~5条曲线的平均值作为该样品的光谱数据；随后，利用Spec-Analysis软件对地面光谱进行导出，利用GeoAHSI工具对处理的光谱数据进行解析；最后，分析总结金矿床蚀变带蚀变矿物分布特征。

4 分析与讨论

4.1 卫星光谱数据检查

利用ENVI软件对卫星高光谱影像数据的光谱进行检查，发现资源一号02D数据的光谱与USGS光谱库之间存在显著一致性（图8）。通过光谱数据分析可知，大多数卫星像素光谱显示出2~3种矿物的混合特征，主要包括绢云母（2 200 nm和2 350 nm处的诊断特征）与绿泥石（2 250 nm和2 338 nm处的诊断特征）。图8（a）的高光谱数据中，绢云母在2 200 nm和2 350 nm处的光谱与标准矿物光谱数据比较吻合。图8（b）和（c）显示，绿帘石与绿泥石在2 250 nm和2 340 nm处的光谱与标准矿物光谱基本一致，且2 200 nm处存在微弱的吸收特征痕迹；同时，2 340 nm的特征偏向长波方向，表明混合矿物中含有绢云母成分。图8（d）显示，绿泥石与绢云母的混合矿物中，2 200 nm处的吸收特征在标准光谱中较为锐利，而卫星像素光谱在2 200 nm处的吸收特征较为平缓，表明绿泥石的含量仍占主导位置。图8（e）显示，伊利石像素光谱在2 200 nm处存在较为宽缓的吸收特征，而标准矿物光谱的吸收特征更加锐利；同时，卫星像素光谱显示Al-OH吸收特征的峰位明显向长波方向（大于2 200 nm）漂移，这种漂移现象可能与矿物中六次配位的Al离子被其他金属离子（如Fe，Mg等）替代有关，导致矿物中Fe和Mg含量增加，而Al含量降低。图8（f）显示，高岭土的卫星像素光谱在2 205 nm处的主吸收特征与标准矿物光谱特征较为吻合，但2 160 nm处的次级吸收特征相对较弱。图8（g）（h）显示，方解石和白云石矿物均在2 340 nm附近具有特征吸收特征，与方解石相比，白云石的特征吸收向短波方向偏移（2 323~2 330 nm）。
图8 典型矿物ZY1-02D AHSI影像光谱与USGS光谱库参考光谱对比

Fig.8 Comparison of ZY1-02D AHSI spectrum of typical minerals with reference spectrum from the USGS spectral library

4.2 蚀变矿物分布特征

利用ZY1-02D AHSI 高光谱遥感数据共提取了方解石、白云石、绿帘石、绿泥石、低铝白云母、中铝白云母、高铝白云母、富铁白云母（下文将以上4种云母统称为绢云母）、伊利石、高岭石、蒙脱石、针铁矿、褐铁矿等混合矿物信息，并据此绘制了研究区蚀变矿物分布图（图9）。
图9 前红泉地区高光谱遥感蚀变矿物分布图

1. 前红泉金矿及周边地区位置；2.前红泉金矿；3.方解石；4.白云石；5.绿帘石；6.绿泥石；7.低铝白云母；8.中铝白云母；9.高铝白云母；10.富铁白云母；11.伊利石；12.高岭石；13.蒙脱石；14.针铁矿；15.褐铁矿

Fig.9 Distribution of alteration minerals extracted from hyperspectral remote sensing data in the Qianhongquan area

由图9可知，研究区内绢云母和绿泥石的分布较广。绢云母蚀变呈团块状和条带状分布，主要出现在北侧的长城纪古硐井群一组下段，尤其是中铝白云母和低铝白云母的分布较为集中，且呈现紧密分布的特点，表明这两者之间可能存在一定的成因关系；高铝白云母和富铁白云母在区域内的分布相对较少。方解石和白云石蚀变呈团块状和星点状分布，主要集中在矿区南侧的长城纪古硐井群二组；伊利石和蒙脱石蚀变则呈团块状和细脉状分布，主要出现在三叠纪斑状花岗闪长岩体及花岗岩脉、花岗闪长岩岩脉中。褐铁矿和针铁矿蚀变信息的分布面积较小，主要呈团块状和条带状，集中在地层接触带附近，尤其在中元古代片麻状花岗岩与长城纪古硐井群一组下段断层接触处大量发育，呈NWW向条带状分布；长城纪古硐井群一组与二组的断层接触位置也有类似的发育，呈EW向星散状。绿泥石和绿帘石蚀变呈条带状分布，主要出现在研究区北侧的中元古代片麻状花岗岩及长城纪古硐井群一组上段的韧性剪切带内，且长城纪古硐井群一组上段的展布方向与地质图上的韧性剪切带展布方向相同。由于矿体严格受NWW向韧性剪切带控制，结合蚀变矿物的空间分布与组合特征可以看出，与金矿床密切相关的矿物组合为绢云母-绿泥石+绿帘石。根据现有地质资料，金矿床矿体的产出位置也受到韧性剪切带的严格控制，因此可以推测，韧性剪切带内的绿泥石和绿帘石在区域内具有重要的找矿指示作用。

4.3 蚀变矿物成分分析

本文基于资源一号02D AHSI数据，提取了绿泥石Fe-OH和绢云母Al-OH的吸收特征，并分析了其空间分布，图10显示了绿泥石在2 250 nm和绢云母在2 200 nm 附近的吸收特征空间变化（吸收波长经归一化处理作为色相和亮度分量）。很容易观察到，靠近韧性剪切带，绿泥石2 250 nm和绢云母2 200 nm处吸收特征有明显向长波方向移动的趋势，反映在地质作用过程中韧性剪切带内矿体部分绢云母相较于周围围岩Al含量相对较低、Si含量相对较高的特征，绿泥石相较于周围围岩Fe含量相对较高，总体反映矿体存在于富Si和Fe，贫Al的相对低温低压的热液环境。
图10 基于资源一号02D AHSI数据提取的吸收波长分布图

Fig.10 -1 Distribution of absorption wavelength extracted from ZY1-02D AHSI data

成矿的早期阶段，金在高硫、酸性成矿热液中以络合物的形式（Au（HS ${）}_{4}^{-}$）进行迁移。围岩中的黑云母在含硫的酸性热液及氧化条件下，可蚀变为绿泥石和少量金红石，这一过程为黄铁矿化提供了铁来源（式（2））。同时，由于该反应消耗了流体中的H+使得热液pH值升高硫含量降低，Au（HS ${）}_{4}^{-}$络合物难以稳定存在从而产生Au沉淀并形成矿体。
4 KMgFe2AlSi3O10（OH）2（黑云母）+4H2S+O2+4H+→2Mg2Fe3Al2Si3O10（OH）8（绿泥石）+2FeS2（黄铁矿）+6SiO2+2H2O+4K+ ，
式中：KMgFe2AlSi3O10（OH）2为黑云母，代表常见的层状硅酸盐矿物；H2S为硫化氢，参与反应并提供硫元素；O2为氧气，促进反应中的氧化过程；H+为氢离子，参与反应并调节环境中pH值；MG2FE3AL2SI3O10（OH）8为绿泥石，是常见的层状硅酸盐矿物，代表黑云母在反应中转化而成的产物；FeS2为黄铁矿，含铁的硫化物矿物，是反应中生成的副产物；SiO2为二氧化硅，是反应中释放出的硅酸盐矿物；H2O为水，是反应中生成的水分子；K+为钾离子，是反应中释放出的钾离子，可能进入成矿流体或与其他矿物结合。

4.4 韧性剪切带矿化蚀变验证情况

本次研究工作在前红泉金矿床Ⅲ矿段探槽TC21601采集样品共15块，所采样品均为地表开采槽探槽，对矿体及周边围岩蚀变进行了控制，对照USGS标准光谱库中褐铁矿、绿泥石、方解石、绢云母等蚀变矿物的光谱曲线，根据光谱测试在样品中识别出褐铁矿、绢云母、碳酸盐、绿泥石等矿物（图11）。其中在480 nm，660 nm处存在较弱的吸收特征，850~1 050 nm之间存在较强、较宽的吸收谱带，上述多处吸收特征为Fe3+的吸收谱带特征，为岩石发育褐铁矿化所致，2 210 nm处存在强吸收特征，为岩石发育绢云母化所致，且吸收特征多出现在2 210~2 220 nm区间，代表越靠近矿体位置矿物中Al被Si所取代，矿物更加富Si；2 340 nm处存在一处较弱吸收特征，为岩石发育碳酸盐化所致，2 250 nm处存在一个较强的吸收特征，2 350 nm处又存在一个较弱的次级吸收特征，为岩石发育绿泥石化所致。本次高光谱数据提取的蚀变矿物在野外光谱实测中均存在，证实其填图结果可靠性。
图11 蚀变带实测光谱曲线图

Fig.11 Measured spectral curves of the alteration zone

经野外调查可知，探槽内出露岩性主要为粉砂质板岩和千枚状板岩，矿体呈似层状产出，矿体周围围岩蚀变类型主要为碳酸盐化、绢云母化、绿泥石化、硅化和褐铁矿化，与实测光谱分析结果基本一致（图12）。从蚀变矿物空间分布和组合可以看出，在矿体部位主要发育褐铁矿化、硅化、绿泥石和绢云母，褐铁矿化+硅化+绿泥石化+绢云母化蚀变矿物组合可作为金矿床矿体的区域搜索标准。
图12 前红泉地区蚀变带及样品照片

Fig.12 Alteration zones and sample photographs in the Qianhongquan area

5 结论

本文以甘肃北山前红泉金矿床为研究对象，利用资源一号02D高光谱遥感卫星数据，结合自主研发的GeoAHSI高光谱矿物填图技术，提取了区内蚀变矿物信息。结果显示，前红泉金矿及其围岩发育的蚀变矿物类型主要包括方解石、白云石、绿帘石、绿泥石、低铝白云母、中铝白云母、高铝白云母、富铁白云母、伊利石、高岭石、蒙脱石、针铁矿和褐铁矿等。研究表明，高光谱遥感技术能够快速、无损、精确地探测矿物分布特征，为地质找矿提供了重要支持。相比传统地质调查方法，该技术在复杂地质环境下具有显著优势，特别是能够识别与成矿作用相关的微弱光谱特征。
通过对研究区蚀变矿物空间分布特征的分析发现，蚀变矿物与地质构造密切相关，尤其是绢云母、绿泥石和绿帘石在韧性剪切带中的分布特征显著，这些矿物的分布规律为区域找矿提供了重要指示标志。此外，绢云母2 200 nm和绿泥石2 250 nm的短波红外吸收特征变化与其化学成分密切相关，在矿体周围表现出明显的富Si和富Fe特征。这些特征变化不仅揭示了矿区的成矿环境，还为蚀变矿物的识别和成矿条件的研究提供了关键地质信息。地面光谱测量与高光谱遥感数据的一致性验证了遥感技术在地质应用中的可靠性，为后续地质解释提供了有力依据。
本文初步探讨了高光谱遥感提取的蚀变矿物在成矿指示中的作用，但其具体的成矿机制和作用过程仍需进一步研究，为了更有效地结合地面测量和高光谱遥感数据，未来的研究可以探索开发更精确的光谱匹配算法和矿物识别模型，将有助于提高地质找矿的准确性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
杨国鹏, 余旭初, 冯伍法, 等. 高光谱遥感技术的发展与应用现状[J]. 测绘通报, 2008(10):1-4.

Yang G P, Yu X C, Feng W F, et al. The development and application of hyperspectral RS technology[J]. Bulletin of Surveying and Mapping, 2008(10):1-4.

[2]
甘甫平, 董新丰, 闫柏琨, 等. 光谱地质遥感研究进展[J]. 南京信息工程大学学报(自然科学版), 2018, 10(1):44-62.

Gan F P, Dong X F, Yan B K, et al. Research progress of spectro-metry geological remote sensing[J]. Journal of Nanjing University of Information Science & Technology (Natural Science Edition), 2018, 10(1):44-62.

[3]
代晶晶, 赵龙贤, 姜琪, 等. 热红外高光谱技术在地质找矿中的应用综述[J]. 地质学报, 2020, 94(8):2520-2533.

Dai J J, Zhao L X, Jiang Q, et al. Review of thermal-infrared spectroscopy applied in geological ore exploration[J]. Acta Geologica Sinica, 2020, 94(8):2520-2533.

[4]
孙雨, 赵英俊, 秦凯, 等. 基于航空成像高光谱数据的玉石矿找矿要素识别和找矿预测——以青海省纳赤台地区为例[J]. 地质论评, 2017, 63(s1):203-204.

Sun Y, Zhao Y J, Qin K, et al. Ore-forming factors and prospecting of jade ore using airborne hyperspectral data:Taken the nachitai area in Qinghai Province as an example[J]. Geological Review, 2017, 63(s1):203-204.

[5]
赵佳琪, 董新丰, 李娜, 等. 基于高光谱数据的甘肃花西山金矿蚀变特征分析与找矿预测应用[J]. 地质与勘探, 2023, 59(1):122-133.

Zhao J Q, Dong X F, Li N, et al. Alteration characteristics and prospecting prediction of the Huaxishan gold deposit in Gansu Province based on hyperspectral data[J]. Geology and Exploration, 2023, 59(1):122-133.

[6]
孙雨, 刘家军, 赵英俊, 等. 基于GF-5高光谱数据的蚀变矿物填图及地质应用——以甘肃省瓜州县花牛山地区为例[J]. 中国地质, 2022, 49(2):558-574.

Sun Y, Liu J J, Zhao Y J, et al. Alteration mineral mapping based on the GF-5 hyperspectral data and its geological application:An example of the Huaniushan area in Guazhou County of Gansu Province[J]. Geology in China, 2022, 49(2):558-574.

[7]
王聪聪, 陈川, 李云鹏, 等. 东天山帕尔岗塔格西斑岩铜矿高光谱遥感蚀变特征及其对找矿的指示意义[J]. 地质与勘探, 2023, 59(6):1171-1181.

Wang C C, Chen C, Li Y P, et al. Hyperspectral remote sensing alteration characteristics of the Paergangtagexi porphyry copper deposit in eastern Tianshan Mountains and their indicative significance for prospecting[J]. Geology and Exploration, 2023, 59(6):1171-1181.

[8]
孙雨, 刘家军, 翟德高, 等. 基于资源一号02D卫星高光谱数据的甘肃头吊泉-南大滩地区蚀变矿物填图及金矿化带识别[J]. 地质与勘探, 2022, 58(2):399-409.

Sun Y, Liu J J, Zhai D G, et al. Alteration minerals mapping and identification of gold mineralization belt based on ZY1-02D hyperspectral data in the Toudiaoquan-nandatan area,Gansu Province[J]. Geology and Exploration, 2022, 58(2):399-409.

[9]
赵志芳, 张新乐, 陈琪, 等. 普朗斑岩型铜矿区矿化蚀变特征矿物填图及找矿潜力分析:来自资源一号02D遥感卫星的证据[J]. 沉积与特提斯地质, 2022, 42(1):17-29.

Zhao Z F, Zhang X L, Chen Q, et al. Mapping of alteration minerals and prospecting potential analysis of Pulang porphyry copper deposit:Evidence from remote sensing data of Ziyuan-1 02D satellite[J]. Sedimentary Geology and Tethyan Geology, 2022, 42(1):17-29.

[10]
李根军, 杨雪松, 张兴, 等. ZY1-02D高光谱数据在地质矿产调查中的应用与分析[J]. 国土资源遥感, 2021, 33(2):134-140.doi:10.6046/gtzyyg.2020190.

Li G J, Yang X S, Zhang X, et al. Application and analysis of ZY1-02D hyperspectral data in geological and mineral survey[J]. Remote Sensing for Land and Resources, 2021, 33(2):134-140.doi:10.6046/gtzyyg.2020190.

[11]
江思宏, 聂凤军, 胡朋, 等. 北山地区岩浆活动与金矿成矿作用关系探讨[J]. 矿床地质, 2006, 25(s1):269-272.

Jiang S H, Nie F J, Hu P, et al. Discussion on the relationship of magmatism and gold metallogeny in Beishan mountain area[J]. Mineral Deposits, 2006, 25(s1):269-272.

[12]
Pan X, Liu W, Hou Z. Ore-forming fluids as sampled by sulfide- and quartz-hosted fluid inclusions in the Jinwozi lode gold deposit,eastern Tianshan Mountains of China[J]. Resource Geology, 2014, 64(3):183-208.

[13]
俞胜, 赵斌斌, 贾轩, 等. 北山造山带南缘一条山北闪长岩地球化学、年代学特征及其构造意义[J]. 西北地质, 2022, 55(4):267-279.

Yu S, Zhao B B, Jia X, et al. Geochemistry,geochronology characteristics and tectonic significance of yitiaoshan diorite in the southern margin of Beishan Orogenic Belt[J]. Northwestern Geology, 2022, 55(4):267-279.

[14]
江彪, 王登红, 马玉波, 等. 北山及其相邻地区主要矿床类型、找矿新进展及方向[J]. 地质学报, 2022, 96(6):2206-2216.

Jiang B, Wang D H, Ma Y B, et al. Main deposit types,new deve-lopments and new directions of prospecting in Beishan region and its adjacent areas[J]. Acta Geologica Sinica, 2022, 96(6):2206-2216.

[15]
袁伟恒, 顾雪祥, 章永梅, 等. 甘肃北山地区小西弓金矿床成矿流体性质及矿床成因[J]. 现代地质, 2020, 34(3):554-568.

Yuan W H, Gu X X, Zhang Y M, et al. Properties of ore-forming fluids and genesis of the xiaoxigong gold deposit in the Beishan Region,Gansu Province[J]. Geoscience, 2020, 34(3):554-568.

[16]
丁书宏. 甘肃北山前红泉金矿床绢云母40Ar-39Ar年龄及其地质意义[J]. 黄金科学技术, 2021, 29(2):173-183.

DOI

Ding S H. 40Ar-39Ar age of sericite and its geological significance in Qianhongquan gold deposit,Beishan area,Gansu Province[J]. Gold Science and Technology, 2021, 29(2):173-183.

[17]
王玉玺, 马涛, 张愿宁, 等. 甘肃北山南带地质找矿新进展与找矿方向[J]. 新疆地质, 2023, 41(s1):35.

Wang Y X, Ma T, Zhang Y N, et al. New progress and prospecting direction of geological prospecting in the southern belt of Beishan,Gansu Province[J]. Xinjiang Geology, 2023, 41(s1):35.

[18]
杨镇熙, 丁书宏, 张晶, 等. 甘肃北山南带前红泉金矿的发现及其找矿意义[J]. 西北地质, 2023, 56(6):274-284.

Yang Z X, Ding S H, Zhang J, et al. The discovery and prospecting significance of the Qianhongquan gold deposit in the south Beishan Orogenic Belt,Gansu Province,China[J]. Northwestern Geology, 2023, 56(6):274-284.

[19]
张晶, 杨镇熙, 陈世明, 等. 甘肃北山南带发现前红泉大型金矿床(30.6吨)[J]. 中国地质, 2024, 51(4):1443-1444.

Zhang J, Yang Z X, Chen S M, et al. Qianhongquan large gold deposit (30.6 tons) was discovered in the southern belt of Beishan,Gansu Province[J]. China Industrial Economics, 2024, 51(4):1443-1444.

[20]
韩月, 柯樱海, 王展鹏, 等. 资源一号02D卫星高光谱数据黄河三角洲湿地景观分类[J]. 遥感学报, 2023, 27(6):1387-1399.

Han Y, Ke Y H, Wang Z P, et al. Classification of the Yellow River Delta wetland landscape based on ZY-1 02D hyperspectral imagery[J]. National Remote Sensing Bulletin, 2023, 27(6):1387-1399.

[21]
Clark R N, Swayze G A, Livo K E, et al. Imaging spectroscopy:Earth and planetary remote sensing with the USGS Tetracorder and expert systems[J]. Journal of Geophysical Research:Planets, 2003, 108(E12):5131.

[22]
Kokaly R F, King T V V, Hoefen T M. Surface mineral maps of Afghanistan derived from HyMap imaging spectrometer data,version 2[R]. New York: U. S.Geological Survey Data, 2013.

[23]
王润生, 甘甫平, 闫柏琨, 等. 高光谱矿物填图技术与应用研究[J]. 国土资源遥感, 2010, 22(1):1-13.doi:10.6046/gtzyyg.2010.01.01.

Wang R S, Gan F P, Yan B K, et al. Hyperspectral mineral mapping and its application[J]. Remote Sensing for Land and Resources, 2010, 22(1):1-13.doi:10.6046/gtzyyg.2010.01.01.

[24]
Swayze G A, Clark R N, Goetz A F H, et al. Mapping advanced argillic alteration at cuprite,Nevada,using imaging spectroscopy[J]. Economic Geology, 2014, 109(5):1179-1221.

[25]
de Caritat P, Hutcheon I, Walshe J L. Chlorite geothermometry:A review[J]. Clays and Clay Minerals, 1993, 41(2):219-239.

[26]
Chinchilla D, Ortega L, Piña R, et al. The Patricia Zn-Pb-Ag epithermal ore deposit:An uncommon type of mineralization in northeastern Chile[J]. Ore Geology Reviews, 2016, 73:104-126.

Options
Outlines

/

〈 〉