遥感地质找矿：进展、挑战与展望
“新一轮找矿突破战略行动”是我国2021年3月12日公布的“十四五”规划和2035年远景目标纲要之一。自然资源部加强组织实施和顶层设计，加快政策供给，成立了新一轮找矿突破战略行动办公室，构建央-地-企协调联动机制，形成全国找矿一盘棋。这一行动着重加强区域地质研究，提升对矿产资源潜力的预测和评估能力。早在2012年，王晋年等学者针对我国能源与矿产资源需求日益增长的现状，分析了地质找矿面临的诸多挑战及国内外新一代矿物勘查技术的研究进展，并提出了具有划时代意义的“光谱地壳”计划。该计划立足我国矿产勘查难题，整合航天、航空、地面及岩芯高光谱探测技术与装备，旨在实现快速找矿与深部找矿，具有重要的战略价值和找矿潜力。遥感地质找矿具有高效覆盖、精准识别和低成本绿色勘探三大优势。利用卫星影像和航空摄影等手段，可快速探测大面积区域，精准提取地质构造和矿物分布信息，提高找矿效率。高光谱遥感数据能够识别矿区的地质异常特征，如矿体表面表现、岩性分布和构造特征，为地面勘探提供科学指导。与此同时，通过遥感先行开展先行观测、先行探测、先行监测，强化矿产资源精准快速调查，减少对地表生态环境的破坏，兼顾资源开发与生态保护。遥感技术作为地质找矿领域的重要手段，在近三十年来取得了显著的成果。它不仅为地质学家提供了全新的视角和方法，还在重要矿种及矿区勘查中发挥了关键作用。高光谱遥感技术的发展，使得对矿物的识别更加精准。通过获取地物的连续光谱信息，能够精细地分析矿物的成分和结构，从而准确判断潜在的矿化区域。美国地质调查局（USGS）利用高光谱遥感技术在美国西部成功识别出了金、铜等多金属矿化带。通过综合运用多光谱遥感和高光谱遥感技术，我国研究人员发现了大面积的铜矿化异常信息。结合地质背景分析和实地勘查，最终确定了一处大型铜矿位置，其储量丰富，为我国铜资源供应提供了有力保障。合成孔径雷达（SAR）技术也在地质找矿中得到了广泛应用。SAR能够穿透云层和植被，获取地表的地形和形变信息，对于寻找深部隐伏矿床具有重要意义。德国研究人员利用SAR技术在山区发现了大型铅锌矿床。热红外遥感技术同样不可小觑。它可以探测地表的温度异常，为寻找与热液活动有关的矿床提供线索。澳大利亚科研团队借助热红外遥感技术，在干旱地区发现了多处与热液蚀变相关的金矿。在重要矿种及矿区发现中，金、铜、铁等传统矿种依然是重点。巴西通过卫星遥感技术在亚马逊流域附近发现了大型金矿；智利则在安第斯山脉地区找到了丰富的铜矿资源。澳大利亚的西澳地区借助卫星遥感技术进一步扩大了已知铁矿的规模，并发现了新的矿点。除了传统矿种，稀有金属和战略性新兴矿产的勘查也取得了重要突破。在非洲，通过卫星遥感技术发现了锂矿和钴矿，为新能源产业的发展提供了重要的资源保障。近三十年来，国内外在遥感地质找矿技术的不断创新和应用，使得找矿的效率大幅提高，为全球矿产资源的开发和利用作出了重要贡献。1．卫星遥感数据地球观测卫星利用卫星上搭载的可见光、红外和微波等传感器，收集地球表面和近地空间的电磁辐射数据，探测和识别地球资源和环境信息。（1）卫星多光谱数据遥感卫星用于矿产勘查的初期，国外多光谱卫星得到了广泛应用，尤其是美国的陆地卫星（Landsat）系列卫星。其是由USGS和美国国家航空航天局（NASA）联合发射的一系列地球观测卫星，主要用于地表资源监测、环境评估与土地利用变化分析。自1972年以来，Landsat系列已发展至第九颗（Landsat-9），具备连续性强、覆盖面广、影像质量高等特点。以Landsat-8和Landsat-9为例，卫星搭载了陆地成像仪（OLI）和热红外传感器（TIRS），可获取从可见光到短波红外（0.43～2.29µm）以及热红外波段（10.6～12.5µm）的多光谱数据。OLI包含9个波段，TIRS包含2个热红外波段，空间分辨率分别为30m（多光谱）、15m（全色）和100m（热红外），重访周期为16天，适用于大范围地质构造分析和蚀变带的初步识别。随着我国高分辨率光学卫星的快速发展，对地观测能力显著提升。资源一号02C（ZY1-02C）卫星，于2011年发射升空，是中国第一颗国土资源普查的业务卫星，卫星搭载全色5m的多光谱相机（0.52～0.89µm）、2.36m的高分辨率相机和10m的多光谱相机，幅宽达到54km。高分一号（GF-1）是中国高分专项首颗卫星，于2013年发射升空，卫星搭载4个4谱段多光谱相机、2个2m全色和8m多光谱相机（0.45～0.89µm），分别提供幅宽800km、16m分辨率的多光谱影像数据，及幅宽60km、2m的全色和8m的多光谱影像数据。GF-1卫星突破了高空间分辨率、多光谱与高时间分辨率结合的光学遥感关键技术。后续陆续发射的GF-2、GF-7等民用亚米级卫星可提供更高的空间分辨率，为地表断裂构造的精细解译提供了有力支持。（2）卫星高光谱数据高光谱卫星遥感迈入定量化精细识别时代，“图谱合一”的光谱特性，可精细识别地质岩性、蚀变矿物等地质要素。地球观测卫星-1（EO-1）卫星是美国NASA于2000年发射的一颗地球观测技术验证卫星，主要任务是测试先进的遥感仪器和技术。EO-1最具代表性的传感器是先进陆地成像仪（ALI）和高光谱成像仪（Hyperion）。Hyperion覆盖波长范围为0.35～2.57µm，具有220个连续光谱通道，光谱分辨率为10nm，空间分辨率为30m，可获取更为精细的地物光谱特征信息。其波谱范围涵盖可见光到短波红外，波段数量多，有利于蚀变矿物信息提取方法与理论的研究。环境减灾一号A（HJ-1A）卫星于2008年9月发射，是中国首颗高光谱卫星，搭载115个波段的高光谱成像仪（HSI），覆盖波长范围为0.45～0.95µm，空间分辨率100m，主要用于环境与灾害监测。2018年以后，我国高光谱遥感卫星进入快速发展阶段，光谱分辨率与空间分辨率等核心性能指标持续优化，遥感数据获取能力显著增强。GF-5卫星于2018年5月发射升空，搭载包括可见短波红外高光谱相机（AHSI）和全谱段光谱成像仪在内的6台载荷（图1）。GF-5卫星运行于太阳同步轨道，其中可见短波红外高光谱相机获取330个谱段，覆盖波长范围为0.4～2.5µm，空间分辨率30m，影像的幅宽可达60km。近40年来，我国的高光谱卫星技术发展取得了卓越的成就，正广泛应用于我国精准农业、生态监测以及矿产资源勘探等诸多领域。2025年5月17日，中国自然资源航空物探遥感中心联合中国地质大学（武汉）与相关单位共同研制的地质一号卫星，搭载朱雀二号改进型运载火箭，在酒泉卫星发射中心成功发射升空。地质一号卫星针对地质资源环境要素探测需求，在可见-近红外（410～1000nm）和短波红外（1000～2480nm）波段分别配置了16个和10个优化谱段，可显著提升矿物组分、岩性类型、矿山环境等地质信息的精准获取能力。2．航空遥感数据航空遥感找矿技术经历了从传统航空摄影向数字化遥感的重大转型。早期以可见光胶片航空摄影为主，主要用于地貌、构造和岩性识别，信息维度有限。随着数字成像技术的发展，遥感逐步迈入多光谱阶段，通过对特定波段的组合与分析，提升了蚀变信息和矿物类型的识别能力。随着航空遥感平台和光电技术的发展，航空遥感找矿更多使用航空高光谱遥感数据。美国喷气推进实验室于1983年研制出第一台机载成像光谱仪AIS-1，开创了高光谱遥感的先河。国际上，以美国的机载可见光/红外成像光谱仪（AVIRIS）、加拿大小型机载成像光谱仪（CASI/SASI）最具有代表性。其中，AVIRIS成像仪覆盖波长范围为0.38～2.5µm，具有224个连续光谱通道。此外，成像光谱仪还有加拿大的荧光成像光谱仪（FLI）、德国反射式成像光谱仪（ROSIS）和澳大利亚的高光谱制图仪（HyMap）等。国内以上海技术物理所于“七五”和“九五”期间先后研制的航空成像光谱仪（MAIS）与实用型模块化成像光谱仪（OMIS）和推扫式超光谱成像仪（PHI）最为典型。其中，MAIS成像仪由可见/近红外（0.44～1.08µm）、短波红外（0.5～2.45µm）和热红外（8～11.6µm）3个独立的光谱仪组成，光谱通道数71个。3．地面数据地面数据主要包括地物光谱仪（SVCHR~1024、ASD）采集的典型矿物光谱曲线、地质构造图、野外验证数据及其他相关数据，在遥感找矿中的重要意义不可低估。虽然遥感技术能够提供大范围的空间数据，并揭示矿产资源的潜在指示特征，但其解译精度和可靠性仍受到多种因素的影响，如地形复杂性、植被覆盖、气候变化等。地面数据则为遥感数据提供了不可或缺的补充，确保遥感找矿过程中的信息准确性与有效性。采用新技术、新方法加强矿产资源勘查力度，扩大资源储量，是保障我国经济可持续发展战略的重要途径。1．遥感岩性分类方法进展遥感岩性填图主要依据岩石的光谱特征和空间特征实现岩石分类。不同的遥感数据和方法被广泛应用于岩性填图中。（1）基于光谱指数的岩性分类遥感影像岩性分类的常用方法是通过在岩石出露区提取岩性光谱，经过波段运算构造岩性或矿物提取指数，再通过图像增强手段使得遥感影像的颜色及色调达到最大差异，以此划分不同岩石类型。Yamaguchi和Naito对Terra卫星ASTER短波红外（SWIR）波段进行正交变换、波段比值运算及阈值估计，设计了光谱指数用于岩性填图。Ninomiya等用ASTER热红外（TIR）波段创建了石英、碳酸盐和铁镁指数，并在中国西北部、澳大利亚中东部，以及西藏南部的干旱地区进行岩性填图，证明了这些矿物指数在温度和气候变化时的稳定性。（2）基于空间特征的岩性分类提取岩石的空间特征（多尺度纹理特征、几何特征、颜色特征等），通过图像处理（图像变换、图像增强等）可绘制岩性分布图。张翠芬等采用波段叠加的方式，协同多尺度纹理与ASTER光谱信息进行岩性分类。金剑等基于高空间分辨率WorldView-2数据特点和数据统计特征，筛选波段进行了影像纹理增强，提高了不同岩性对比度的同时，削弱了光谱干扰，有效识别了岩性。Diaz等针对岩石的纹理提出了三种基于变分的纹理描述子，用数值方法描述岩石纹理特征的局部结构模式，将纹理比较方法扩展到不同类型的岩石纹理分类中。结果表明，使用基于紧变差函数的特征在常见的纹理类之间，具有很高的区分性。（3）基于机器学习的岩性分类Masoumi等整合ASTER数据的光谱、热和纹理特征，采用随机森林（RF）进行了岩性分类。BdiniEnton采用HyMap机载高光谱成像光谱仪对格陵兰岛南部地区的碳酸岩杂岩进行岩性填图。采用自组织神经网络算法对HyMap影像进行处理得到该区域的岩性填图结果，通过实地采集数据进行精度评价，证实该机器学习方法的有效性。张野基于深度卷积神经网络（CNN）模型，建立了岩石图像集分析的深度学习迁移模型，采用迁移学习方法准确识别了岩石岩性，识别过程智能化、自动化。由于岩石组分及后期变质过程引起的分类不确定性，大部分研究致力于提高岩性识别的精度。各种方法针对不同的岩性进行了提取，但是还没有一种通用方法能够精确地智能化地识别大部分的岩性。2．遥感矿化蚀变信息提取进展矿化蚀变信息是成矿流体移动留下的地质记录。矿化蚀变信息的提取对于找矿靶区圈定具有重要意义。遥感矿化蚀变信息提取是遥感地质应用的一个重要方向，能以便捷的方式提高矿产资源勘查效率。很多蚀变信息提取方法得到了快速发展，如波段比值法、主成分分析（PCA）、光谱角（SAM）、混合像元分解、神经网络等。AminBeiranvandPour等采用Landsat-7卫星ETM+、Hyperion和ALOS卫星PALSAR三种卫星数据对马来西亚的Bau金矿床地区进行蚀变区域探测。采用比值法和主成分分析法处理ETM+多光谱数据，采用线性光谱解混算法处理Hyperion高光谱数据。该地区地处热带，受到云层和厚植被覆盖影响。而SAR数据可以穿透厚云，有利于研究区的构造信息提取。胡滨等采用OLI与ASTER数据提取西藏朱诺矿区的蚀变信息，采用主成分分析法从OLI数据中提取铁染与羟基信息，采用最小能量约束法从ASTER短波红外数据中提取白云母信息。结果表明，遥感数据可有效提取西藏朱诺矿区的围岩蚀变信息。刘磊等采用天宫一号高光谱成像仪数据与SASI机载高光谱卫星数据在中国甘肃省的某金矿区域进行蚀变矿物填图。天宫一号高光谱影像可以探测与金矿有关的绢云母、高岭石、绿泥石、绿帘石、方解石和白云石。结果表明，天宫一号高光谱数据适合于区域填图与矿产勘查。研究结果为中国的高分五号高光谱卫星与德国的EnMAP高光谱卫星在矿化蚀变信息提取的应用提供了依据。3．高光谱遥感地质找矿进展高光谱卫星遥感数据因具备纳米级光谱分辨率、数百个连续窄波段（400～2500nm范围）及宽覆盖特性，为岩性识别与矿物蚀变信息提取提供了独特优势。蚀变矿物光谱吸收机理是金属阳离子在可见光区域的电子过程和阴离子集团在短波红外区域的振动过程，具体表现为可见光近红外（VNIR）波段的褐铁矿/赤铁矿/孔雀石等含铁、铜离子的矿物及萤石等具色心的矿物，吸收谱带集中在502~998nm；以及SWIR波段的绢云母/伊利石/高岭石等含铝羟基的矿物，绿泥石/绿帘石等含镁羟基的矿物，方解石/白云石等含碳酸根的矿物等，吸收谱带集中在2024~2463nm。蚀变矿物的反射光谱曲线，可视为由各个单独吸收特征叠加在包络线背景光谱上形成的。利用包络线去除处理，即将原始光谱与包络线光谱相除，从而减弱不同光照条件下反射率强度差异，凸显不同蚀变矿物的吸收和反射特征，在此基础上提取更准确的典型吸收特征。受蚀变分带特征及成像过程中各种因素的影响，同一矿物在不同地质环境中的组分会发生变化，可能形成不完全相同的波谱曲线。因此USGS标准波谱库在一定意义上不具备普适性。孙雨等通过噪声分离变换分离出有用信号，基于纯净像元指数提取纯净像元并投影至n维可视化空间中进行分析，得出候选端元光谱曲线作为参考影像光谱，建立研究区的参考影像端元波谱库。于亚凤等基于指数模型进行遥感岩性填图，利用实测光谱建立了RI和SI两种光谱指数法，基于ASTER影像提取了二长花岗岩及石英正长岩（图2）。图2 西昆仑成矿带西部研究区RI与SI指数岩性分类结果刘德长等人在甘肃北山的柳元-方山口地区采用航空高光谱成像光谱仪，进行了高光谱遥感蚀变矿物填图。通过提取的蚀变矿物，快速、准确地找到成矿远景区。该区域的研究表明高光谱技术在遥感找矿领域中能够发挥巨大作用（图3）。张川基于三个深度神经网络模型对中国新疆西北部白杨河铀矿床进行矿物填图。图3 甘肃方山口地区蚀变矿物区域分布图（据SASI数据源）4．遥感地质构造提取进展地质构造与成矿预测的研究，主要是通过遥感数据解译出地质构造的信息，依据已有地质资料，结合成矿理论，确定成矿控矿地层、控矿构造等信息，并进行成矿远景区的预测。我国在建立地质构造标志方面有着很深的研究。早在1983年，陈硕彦就利用Landsat-1、2、3卫星的数据对秦岭地区进行了线环构造解译，并结合矿产、岩体的分布做了成矿分析。余晓霞等基于多种不同分辨率的遥感数据，对青海沟里金矿集区进行了线环构造解译，并通过与典型矿床分析，结合各种资料圈定了有利成矿区。Beygi等学者基于ASTER数据，利用波段比值法、选择性主成分分析法和光谱角填图，在伊朗Kacho-Mesqal研究区成功识别了蚀变带，并分析了蚀变带和地质构造分布的相关性。
5．遥感找矿模型研究进展遥感找矿模型通过综合分析典型矿床的区域地质背景、地层分布、区域构造特征和遥感蚀变信息，达到圈定找矿靶区的目的，尤其对缺少地质资料的地区效果明显。国内外专家已经建立了区域变质型铁矿、岩浆熔离型铁矿和综合预测法等遥感找矿模型。代晶晶利用光学和雷达的融合数据提取控矿构造及赋矿岩体信息，结合提取的蚀化信息建立了岩浆熔离型铁矿的遥感找矿模型，在非洲埃塞俄比亚西部圈定了3处遥感找矿靶区。黄祥芝利用遥感矿产预测五要素“线、带、环、色、块”及其组合信息，建立了初步的遥感成矿预测模型。胡滨利用集成学习结合Sentinel-2AMSI数据、ASTER数据、Hyperion数据和高分五号AHSI数据四种遥感数据获取西藏多龙地区的蚀变矿物分布信息，进行成矿预测划定三个新的成矿远景区（图4）。前人的研究表明，遥感找矿模型将遥感技术与地质成矿结合在一起，可大大缩短常规地质调查的工作周期，克服了单一使用遥感异常信息圈定找矿靶区的局限性，实现了遥感地质找矿。6．人工智能技术与遥感找矿研究进展快速发展的人工智能技术，正在逐步地应用于遥感找矿各个环节，包括：
1）如何利用人工智能模型预测矿产；
2）如何利用人工智能模型对多源找矿信息进行数据融合；
3）如何提高矿产预测人工智能模型的准确性、鲁棒性和可解释性。王振江利用岩石薄片显微图像的多维信息，将PPL与XPL等多偏振图像同时作为输入，使用深度残差收缩网络与注意力机制对12种岩石进行分类，有效抑制和消除冗余信息对分类的影响。El-Arafy使用边缘检测技术和机器学习分类，对埃及东北沙漠Gattar地区进行准确地岩性鉴别和构造线提取。关庆锋提出了GAUGE无监督类型的基于图注意力网络的地球化学鉴定框架，识别了中国武夷山多金属成矿带龙岩地区有关金矿床的异常。陈建平基于迁移学习预测法，使用3DCNN模型将区域成矿背景相似的Minle地区训练卷积核转移到数据质量较差的华苑地区的卷积核上，结果表明迁移学习的模型效果更佳，在盆地和断层的验证中的表现与研究区实地结果一致。
基于数据驱动型的机器学习或深度学习矿产预测方法的优势在于：
1）能够借助不同数学函数，对输入数据进行高维抽象信息提取；
2）可逐层、可多源和可大规模学习输入数据的内在特征；
3）借助神经网络强大的参数化技术提高不同上下游任务的能力。然而，地质勘探大数据集，包括地质、地球物理、地球化学和遥感数据规模较大，在遥感找矿领域中，人工智能技术对样本数据的数量与质量有较高的需求。相比于遥感影像的获取技术，遥感影像信息处理技术发展相对滞后。随着空间分辨率的提高，影像中的目标清晰可辨、细节丰富，目标之间的边界清晰，影像中的一个像素能清楚反映地质体的局部细节信息，不再是多种地物信息的混合。同时，采用滤波技术提取构造信息，比值法和主成分分析法提取蚀变信息的地质信息解译方法能有效进行找矿靶区的圈定。然而，由于地质地层的复杂性、矿产资源分布的分散性，利用遥感影像进行精确找矿预测和填图依然面临很多技术难题。
1．植被覆盖区示矿弱信息提取困难覆盖区卫星遥感图像上示矿岩性为小目标，示矿岩性的混合或胁迫光谱表现为弱信息。因此，覆盖区遥感地质找矿面临的问题和难点就是，如何从浅覆盖区岩矿与植被混合光谱中盲源分解出赋矿的岩矿信息，能否抑制中等覆盖区植被光谱，突出岩矿光谱弱信息，提高混合像元分解精度。
2．高海拔、深切割的复杂地质背景高海拔地区通常伴随着极其复杂的地形地貌，如悬崖、深谷和冰雪覆盖等，导致遥感影像的地面覆盖物在空间上呈现出显著的变化。这种地形特征不仅使得遥感影像在不同地物分类时难度加大，而且高山和深切割地区的阴影效应可能遮挡了潜在的矿化带和矿体，使得矿产资源的探测难度倍增，不能充分利用矿物的丛集特征，不利于遥感数据的进一步应用。此外，地形变化剧烈可能导致遥感数据中的地表反射特性不稳定，影响光谱解译和矿物提取的准确性。
3．遥感数据的尺度差异较大常用的遥感找矿模式是寻找均匀的和大尺度的线状、环状、块状等异常分布，分析这些异常形态可确定与矿物异常有关的地质控制因素。但是，相关方法无法在小尺度上提取矿物异常的局部变化性和空间结构信息。基于单一尺度的分析方法不能很好地描述矿物的富集和贫化规律。随着遥感科技的不断进步和市场需求的日益增长，卫星遥感地质找矿技术正迎来前所未有的发展机遇，并展现出广阔的应用前景。
1．多源遥感数据融合技术突破卫星遥感数据与航空遥感、地面勘查数据等进行融合，能够实现不同尺度和精度的数据互补，构建更全面、更准确的地质模型。深度学习算法在卫星遥感地质找矿中的应用将更加成熟。通过大量的遥感数据训练，深度学习模型能够自动提取复杂的地质特征和矿化模式，大大提高找矿的效率和准确性。此外，随着量子技术的发展，量子遥感有望为地质找矿带来新的突破。量子遥感能够利用量子纠缠等特性，提高遥感数据的获取速度和精度，为地质找矿提供更强大的技术支持。
2．更广阔的应用拓展卫星遥感地质找矿将在深海矿产资源勘查中发挥重要作用。随着陆地矿产资源的逐渐减少，深海矿产资源的开发日益受到关注。卫星遥感技术能够对大面积的海域进行快速监测，为深海矿产资源的勘查提供基础数据。同时，在极地地区的地质找矿中，卫星遥感也将具有广阔的应用前景。极地地区环境恶劣，实地勘查难度大，卫星遥感可以克服这些困难，为极地矿产资源的评估和开发提供有力支持。未来，卫星遥感地质找矿技术还将在全球资源战略中扮演重要角色。各国将更加依赖卫星遥感技术获取全球矿产资源的分布和动态信息，以保障国家的资源安全。同时，国际合作将更加紧密，通过共享遥感数据和技术成果，共同推动全球矿产资源的勘查和开发。
3．人工智能找矿前景广阔从最初的数字化找矿，到信息化找矿，再到如今的智能化找矿，未来的找矿方式将更加高效、精准且可持续。基于人工智能技术的遥感找矿，既结合了遥感技术在矿产资源快速、大面积观测方面的优势，又具备人工智能技术的可扩展性、学习能力和快速迭代的特点。在大数据和大型模型的支持下，新一轮找矿突破战略行动将会取得更大的成果。展望未来，人工智能找矿将进一步融合多源数据、自动化设备与先进分析方法，通过智能决策和风险管理，显著提升矿产资源的勘探效率和环境可持续性。这些技术进步不仅为矿业发展注入新的动力，还将确保资源开发与生态保护的协调统一，推动矿业行业迈向更加智能、高效的未来。
