【摘　要】　本文论述了模式识别在新疆伊吾北山地区遥感影像分类中的应用，根据不同地质体在不同波段上的光谱特征，在数学统计的基础上建立鉴别函数，对矿区中的主要地物进行分类，在模式识别的基础上进行密度分割，圈定了3个预测靶区，6个蚀变带，给成矿预测提供了重要的基础资料。
【关键词】　模式识别 分类规则 鉴别函数 密度分割

　　1 引言
　　遥感技术是最近几十年发展起来的新兴科学技术。随着空间科学技术的发展，各种资源、环境监测卫星的发射与运行，为研究地表动态变化提供了多时相、大范围的实时信息，遥感技术不断与地学、环境科学相互渗透，成为研究地球资源环境最有力的技术手段。遥感模式识别也为模式识别这一传统学科带来了新的问题与挑战，注人了研究与探索的活力。
　　遥感数据是根据不同地物对不同波段电磁波的响应转化为幅度获得的，表征了不同地物。它具有以下特点：（1）各类地物的幅度不同；（2）同类地物各波段幅度不同；（3）有时同类地物在同一波段的幅度也不同，不同地物在同一波段幅度相同（即“同物异谱”和“异物同谱”，有环境、时相上的原因）；（4）遥感数据是一种高维信息，数据量十分巨大。因此，模式识别方法在遥感模式识别中遇到了许多困难：运算量太大，难以获得合适的分类特征，无法获知各类的先验概率和概率分布函数的形式，难以形成复杂的判别函数和分割界面等等。所以模式识别虽然在找矿预测中有一定的应用，但尚未见对高分辨率卫星遥感影像的应用。
　　本文研究表明，通过模式识别技术，可以有效地从Quickbird-2获得金矿找矿信息。由于Quickbird-2数据的高分辨率特征，从而使得模式识别的找矿预测区不仅具有定性，还具有精定位效果，更加有助于金矿资源勘探开发。本文拟对作者在这方面的研究情况作介绍。
　　2 研究区概况
　　北山金矿区大地构造位置处于西伯利亚板块和布克——三塘湖晚古生代早期岛弧东段。构造上处于淖毛湖早期石炭世陆相火山盆地的北部边缘。矿区构造形式主要为断裂，其中NW——NWW组最为突出，与区域构造线一致，表现为区域性的压性断裂和强烈的劈理化和片理化带，严格控制着以闪长岩类为代表的岩浆岩带的展布。其次为NE——NNE组、NNW组，三组断裂奠定了本区构造的基本格局，其围限三角区域控制矿区，矿区矿化和异常的展布。容矿断裂走向复杂多样，空间分布密集，且多显示张剪复合性质。
　　矿区出露地层主要为下泥盆统卓木巴斯套组第二亚组（）、中酸性火山碎屑岩、第三系正常沉积岩和第四系。下泥盆统卓木巴斯套组第二亚组（）构成矿区主体地层，主要为（硅化）英安质凝灰岩、安山质凝灰岩和玄武质凝灰砾质结晶灰岩，整体上由西向东，由中性向中酸性过度。见图1伊吾北山金矿区地质简图[1]。

图1 伊吾北山金矿区地质[1]及遥感解译简图

　　—第一系上新统葡萄沟组，橙黄色粉砂质泥岩；—下泥盆统卓木巴斯套组第二亚组硅化英安质凝灰岩；—下泥盆统卓木巴斯套组第二亚组英安质凝灰岩；—下泥盆统卓木巴斯套组第二亚组安质凝灰岩；—下泥盆统卓木巴斯套组第二亚组玄武质晶屑凝灰岩；—下泥盆统卓木巴斯套组第二亚组泥灰质结晶灰岩；—华力西中期第二侵入次花岗岩；—华力西中期第二侵入次石英闪长岩；—华（转载自中国教育文摘http://www.edUzhai.net，请保留此标记。）力西中期第二侵入次闪长岩；—华力西中期第二侵入次闪长玢岩 βμ—辉绿玢岩；δμ—中性岩；συ—安山玢岩；—。斜长细晶岩；。q—石英脉；1—扭曲带；2—遥感预测靶区；3—蚀变带；4—遥感影象范围；5—金矿带编号；6—断层。
　　区内岩浆岩岩石类型按产状可分为两大类：即中——深层侵入岩，浅成超浅成侵入岩。中——深成侵入岩，第一次侵入岩规模小，分布零星，以辉长岩、闪长岩为代表；第二次侵入岩规模较大，分布较广，以石英闪长岩，花岗闪长岩为代表；第三次侵入岩规模较小，主要分布在区域东南部，以花岗岩为代表。浅成——超浅成侵入岩，以岩体规模小、出露零星为特点，岩石类型主要有辉绿（玢）岩、闪长玢岩、斜长细晶岩和花岗斑岩等，见图1。
　　虽然前人的工作表明该区具有良好的找矿前景，但只是属于基于1：5万比例尺的找矿预测成果，而深入开展矿产地质详查需要1：5000比例尺（甚至更大）的精定位地质资料。因此，仅凭已有地质资料无法对“九五” 期间提出的金矿蚀变带开展进一步深入的详查工作，也无法对外围地区的找矿远景作出预测评价。为尽快查明本区金矿产资源的分布，有必要采用更能够适合于该区开展深入找矿的有效技术方法。但这里人烟稀少，气候恶劣，在资金有限的情况下，开展任何面积性的矿产地质详查工作都不是一件容易的事情。为此，决定采用21世纪初期最先进的高分辨率卫星遥感技术，通过模式识别，开展大比例尺精定位遥感找矿勘查。为下一步找矿提供依据。
　　3 遥感图象分类的原理
　　遥感图象分类（Classification）是将图象的所有像元按其性质分为若干个类别的技术过程。多光谱遥感图象分类是以每个像元的多光谱矢量数据为基础进行的，如图2，假设多光谱图象由n个波段，则（i，j）位置的像元在每个波段上的灰度值可以构成一个矢量，X＝称作维为像元的亮度值，包含X的n维空间称为特征空间，这样n个波段的多光谱图象并可以用n维特征空间中的一点来表示。遥感图象的分类问题，分类图象中的某一类目标称为模式，而把属于该类中的像素称为样本，多光谱矢量X＝称为样本的观测值。

　　如果将多光谱图象上的每个像素用特征空间中的一点表示出来，这样多光谱特征并和特征空间中的点集具有等价关系。通常情况下，同一类地面目标的光谱特性比较接近，因此在特征空间中的点聚集在该类的附近，多类目标在特征空间中形成多个点族。我们可以根据图象的这种特征把遥感图象分割开来。