2. 吉林大学地球科学学院, 长春 130061
2. College of Earth Sciences, Jilin University, Changchun 130061, China
0 引言
随着全球经济的飞速发展，人类对石油的需求不断增长，随之而来的就是常规石油的储量日益减少。因此，进入21世纪以来重油已经成为人类重点关注的能源资源，其中油砂扮演着重要的角色[1-2]。此前已有一些国内外学者对油砂进行了研究：Rubinstein等[3-6]对油砂的地球化学特征进行了研究，张国珍等[7-9]从地球物理方面对油砂进行了研究，Flach等[10-13]从地质方面对油砂的沉积环境、构造特征、成藏模式等进行了研究。由此可见，对与已知油砂矿藏相关的一系列特征研究相对成熟，而在其预测方面的研究非常少。遥感作为一种新兴的综合性探测技术，在大气、环境、海洋、农林业、地质等方面得到了广泛的应用。由于遥感技术的非接触、大尺度等优势，在地质找矿的应用也越来越广泛，并且取得了很好的效果[14]。根据油砂的形成过程可知，它存在于地表或近地表，这为遥感探测油砂提供了可能性。不同地物的反射光谱和地物反射率随波长的变化规律，是遥感技术识别、区分地物的基础[15]。岩石光谱学机理研究与遥感信息提取方法技术研究相辅相成，具有一定的对应关系[16]。因此，要从遥感影像上识别、研究油砂，首先需要对其光谱进行分析研究。基于上述理论基础，本文致力于油砂的光谱研究，从而为遥感卫星数据的油砂提取提供指导。
1 原理与方法 1.1 油砂遥感识别机理地物的反射率表示地物对入射电磁波的反射能力，反射率随入射波长变化的规律称为地物的反射光谱。遥感技术可以通过有效的传感器将地物的这种特性记录在图像上，因此可以根据遥感传感器所接收到的电磁光谱特征来识别地物[15]。岩石矿物的光谱特征主要是由物质成分和内部晶体结构所决定，油砂是由沥青、砂、富矿黏土和水组成的混合物，从物质成分来看由石英、黏土矿物、碳酸盐矿物、烃类和水组成。前人研究资料[16]显示，石英的光谱曲线几乎没有特征吸收谱带，黏土矿物在1.4、1.9、2.2、2.3~2.6 nm附近有明显的吸收特征，碳酸盐矿物在1.9、2.0、2.16、2.35、2.55 nm附近有吸收，烃类物质在1.7和2.3~2.6 nm附近有一系列特征吸收；因此，遥感可以通过识别油砂中所含物质的特征谱带对其进行识别。
1.2 最佳波段选取遥感技术应用成功与否，首要关键就在于能否选用最佳的光谱段去探测目标。岩石矿物的光谱受其自身物质成分和含量、内部结构、颜色、粒度等影响；自然界又是一个极其复杂的综合体，各种物体的存在都与其他物体，特别是错综复杂的环境要素相互依存[17]；从上文的机理研究可知，除外在环境和物理性质的影响外，油砂中各物质成分所表现的吸收特征也有重叠。因此，考虑到油砂的光谱影响因素众多，且复杂多变、无量化指标，笔者直接根据油砂中物质成分的光谱特征来判断、选择最佳探测波段，并以油砂含油率与各波段反射率相关性好的波段作为油砂探测的有利波段。
相关系数是反映变量之间相关关系密切程度的统计指标。从相关系数的定义式可以看出，相关系数的取值范围为-1~1，其绝对值越接近1，则代表二者的相关程度越高。具体计算公式如下：
(1) 
(2) 
(3) 
(4) 
(5) 
(6) 式中：σtbc为某波段下油砂样品的含油率构成集合；σtbc, i为第i个样品含油率；
本研究的油砂样品为在我国多个油砂分布区按照地层剖面进行的采样。为了将烃类物质的挥发对实验结果的影响降到最小，在野外将样品用锡纸、塑封袋、透明胶带密封好送到实验室内，利用Field Spec Pro型(美国ASD公司)便携式光谱仪测试得到。光谱范围为350~2 500 nm：在350~1 000 nm范围内采样间隔为1.4 nm，光谱分辨率为3 nm；在1 000~2 500 nm范围内采样间隔为2 nm，光谱分辨率为10 nm。光谱数据以反射率形式表达。
考虑到仪器的稳定性、系统误差及操作者的影响等不可抗拒的因素，每个样品进行10次采样，以算数平均值作为该样品的最终光谱数据。为了减少样品光谱曲线的锯齿边缘，在MATLAB中对所有数据进行平滑处理。
2.1.2 含油率数据油砂的含油率数据按照SY/T 5118-2005 《岩石中氯仿沥青的测定》标准[18](适用于岩石中氯仿沥青质量分数大于0.004 0%的样品)测定得到。
2.1.3 遥感数据本文选择Landsat 8 OLI遥感影像数据，OLI(operational land imager)除包含了ETM+传感器的所有波段外，新增加了深蓝波段(B1)和短波红外波段(B9)，同时对其余7个波段(B2—B8)的波长边界进行了调整，使其具有更好的数据获取、遥感目标识别与地表参数反演能力[19]。
根据Landsat 8 OLI传感器成像时的大气及地表覆盖物状况，选择对后续油砂专题信息提取有利的影像数据。本次研究中，柴达木盆地冷湖地区选择2016年4月27日的Landsat 8数据，马海地区选择2015年11月28日Landsat 8数据。
2.2 数据分析 2.2.1 油砂光谱分析在遥感学中，反射率是地物本质属性之一，能够比较稳定地反映地物光谱特征。本研究中野外采样共计38件，根据室内测试所得油砂样品的反射光谱曲线，将油砂大致分为三类，选择代表性曲线示于图 1：第一类样品的光谱反射率整体较低，没有明显的吸收特征(图 1a)；第二类在350~550 nm反射率上升明显，550~1 900 nm整体较为平缓，2 200~2 500 nm呈下降趋势(图 1b)；第三类(图 1c)则在350~2 150 nm反射率一直呈上升趋势，2 150~2 500 nm逐渐下降。从吸收位置来看，前两类在1 400、1 900、2 200和2 300 nm均有明显的吸收谷，其中1 400和1 900 nm是水的吸收特征，2 200 nm是黏土矿物的吸收，2 300 nm是碳酸盐矿物的吸收；第二类和第三类在950 nm附近，亚铁离子的吸收位置有微弱的吸收谷；第三类则在1 400 nm的位置吸收明显减弱，多数样品在此没有吸收谷，说明该类样品中不含结构水，在1 700 nm附近出现烃类物质吸收谷。
|
| a.第一类；b.第二类；c.第三类。 图 1 研究区油砂光谱曲线 Fig. 1 Spectral curves of oil sands in the study area |
|
|
参考含油率发现，第一类油砂样品含油率为0.05%~0.29%，第二类油砂样品含油率为0.31%~0.79%，整体小于第三类油砂样品含油率(1.00%~2.80%)。
由以上根据含油率大小对油砂光谱曲线的分析可得出：随着含油率的增加，Landsat 8的B5、B6波段反射率差距明显增大，可作为Landsat 8遥感影像上油砂识别的有利波段。
2.2.2 相关性分析利用公式(1)—(6)计算油砂含油率与光谱反射率在各个波长位置的相关系数，绘制相关系数曲线图(图 2)。从图 2中可以得出：油砂含油率与光谱反射率在可见光—近红外波段(350~900 nm)负相关，在470 nm附近达到最大负相关，这个位置正是Fe3+的特征吸收位置，也就是说油砂样品中Fe3+的浓度越高，含油率越低，相反，则含油率越高，这与油砂中烃类蚀变所致的红层褪色现象吻合；随着波长向近红外波段的过渡，相关性逐渐减小，在1 150 nm趋于零相关；随着波长继续向短波红外波段(900~1 700 nm)过渡，油砂含油率与光谱反射率正相关，且相关性逐渐增加；在2 200~2 350 nm相关系数曲线呈下降趋势，这与油砂中烃类蚀变形成的黏土矿化和碳酸盐化相符合[20]。由以上分析可知，在Landsat 8遥感影像上识别油砂的有利波段为B2、B7，其中B2为负相关，B7为正相关。
|
| 图 2 研究区含油率与反射率的相关系数曲线 Fig. 2 Correlation coefficient curve of oil content and reflectance in the study area |
|
|
结合油砂的光谱曲线与Landsat 8数据各波段参数得出，B5、B6波段为Landsat 8数据油砂识别的有利波段。为增强图像上的油砂信息，笔者采用B6—B5和B6/B5两种图像增强模式，分别在柴达木盆地的冷湖和马海地区进行实验，结果如图 3所示，红绿蓝依次反映油砂信息由强到弱。野外验证发现该区域确实存在大量油砂露头(图 4)，空气中弥漫着浓重的油气味。结合野外验证分析得出，对于冷湖地区，B6/B5油砂识别模式明显优于B6—B5，马海地区则B6—B5效果较好。
|
| a.冷湖B6/B5;b.冷湖B6-B5；c.马海B6/B5;d.马海B6-B5。 图 3 基于光谱特征分析的研究区油砂识别结果 Fig. 3 Oil sands identification results in the study area based on spectral feature analysis |
|
|
|
| a.冷湖；b.马海。 图 4 研究区野外油砂露头 Fig. 4 Oil sands outcrops in the area |
|
|
根据相关性分析结果可知，Landsat 8数据的B2、B7波段与油砂的含油率相关性较好，且B2为负相关，B7为正相关。因此，采用B7—B2和B7/B2对油砂进行遥感识别(图 5)。结合野外验证，发现在冷湖地区依然是比值效果要比差值具有明显优势，马海则是B7—B2效果较好。
|
| a.冷湖B7/B2;b.冷湖B7-B2;c.马海B7/B2;d.马海B7-B2。 图 5 基于相关性分析的研究区油砂识别结果 Fig. 5 Oil sands identification results in the study area based on correlation analysis |
|
|
对比图 3和图 5，分析可以得出：根据光谱分析和相关性分析提出的油砂识别模型均取得了很好的效果，但根据相关性分析得出的油砂识别效果更好，遥感在日后油砂勘探方面可以发挥其优势；对于冷湖地区，B6/B5和B7/B2效果明显优于B6—B5和B7—B2，以B7/B2效果最好；马海地区则正好相反，B7—B2的效果最好。
基于光谱特征的油砂识别属于定性分析的结果，而基于相关性分析的是半定量的，并且后者识别效果明显优于前者，说明这种分析方法有效。冷湖地区位于冷湖四号、五号构造带，处于冷湖富油凹陷；马海地区位于冷湖七号构造带，处于伊北生气凹陷。结合两个地区所处的构造带、地形地貌、油砂富集方式等因素，分析原因认为冷湖地区地形起伏大，比值法可以很好地消除地形的影响；马海地区起伏不大，差值法能更好地突出波段间的差异。由于二者所处的生油凹陷、构造带、沉积环境等的不同，造成两个研究区对不同的油砂遥感信息增强方法的敏感程度不同，笔者所做的研究就是通过实验总结不同地区油砂的有利识别模式。
4 结论1) 油砂的光谱曲线随含油率的增加发生明显的变化，且可以被记录在遥感影像上，通过对油砂遥感信息的分析可以得到相应的识别模型。
2) 根据油砂的光谱特征及相关性分析，分别建立星上数据油砂提取模型，并在柴达木盆地冷湖和马海地区进行实验，结果显示基于相关性分析得出的遥感识别模型优于光谱特征。
3) 根据模型在遥感影像上的应用效果，可知提取的油砂找矿靶区有效、可信，不同研究区对油砂遥感信息增强的方法敏感程度不同，比值增强法在冷湖地区效果明显，马海地区则是差值增强法效果较好。
通过以上研究，笔者认为遥感技术可以为油砂的勘探、开发提供一定的技术支持，节省人力、物力、资金及时间成本，但是研究才刚刚起步，还有很大的提升空间。
致谢: 吉林省中化地质矿山总局中化地质勘探院为本次研究提供了含油率数据，在此表示感谢。| [1] |
单玄龙, 车长波, 李剑, 等. 国内外油砂资源研究现状[J]. 世界地质, 2007, 26(4): 459-464. Shan Xuanlong, Che Changbo, Li Jian, et al. Present Status of Oil Sand Resources at Home and Abroad[J]. Global Geology, 2007, 26(4): 459-464. DOI:10.3969/j.issn.1004-5589.2007.04.012 |
| [2] |
曹鹏, 邹伟宏, 戴传瑞, 等. 油砂研究概述[J]. 新疆石油地质, 2012(6): 747-750. Cao Peng, Zou Weihong, Dai Chuanrui, et al. A Review of Oil Sands[J]. Xinjiang Petroleum Geology, 2012(6): 747-750. |
| [3] |
Rubinstein I, Strausz O P, Spyckerelle C, et al. The Origin of the Oil Sand Bitumens of Alberta:A Chemical and a Microbiological Simulation Study[J]. Geochimica et Cosmochimica Acta, 1977, 41(9): 1341-1353. DOI:10.1016/0016-7037(77)90077-1 |
| [4] |
Desando M A, Lahajnar G, Ripmeester J A, et al. The Low Temperature Oxidation of Athabasca Oil Sand Asphaltene Observed from 13C, 19F and Pulsed Field Gradient Spin-Echo Proton nmr Spectra[J]. Fuel, 1999, 78(1): 31-45. |
| [5] |
刘春, 张惠良, 沈安江, 等. 川西北地区泥盆系油砂岩地球化学特征及成因[J]. 石油学报, 2010, 31(2): 253-258. Liu Chun, Zhang Huiliang, Shen Anjiang, et al. Geochemistry Characteristics and Origin of the Devonian Oil-Sandstone in the Northwest of Sichuan Basin[J]. Acta Petrolei Sinica, 2010, 31(2): 253-258. |
| [6] |
Osacky M, Geramian M, Ivey D G, et al. Mineralogical and Chemical Composition of Petrologic End Members of Alberta Oil Sands[J]. Fuel, 2013, 113(11): 148-157. |
| [7] |
张国珍, 龙泉. 准噶尔盆地东部北27井区含油砂体的定量解释[J]. 石油地球物理勘探, 1990, 25(5): 639-644. Zhang Guozhen, Long Quan. Quantitative Interpretation of Oil Sands in North 27 Well Zone in Eastern Junggar Basin[J]. Oil Geophysical Prospecting, 1990, 25(5): 639-644. |
| [8] |
Eastwood J. Temperature-Dependent Propagation of P-and S-Waves in Cold Lake Oil Sands:Comparison of Theory and Experiment[J]. Geophysics, 1993, 58(6): 863-872. DOI:10.1190/1.1443470 |
| [9] |
于福生, 王彦华, 李学良, 等. 柴达木盆地狮子沟-油砂山构造带变形特征及成因模拟[J]. 大地构造与成矿学, 2011, 35(2): 207-215. Yu Fusheng, Wang Yanhua, Li Xueliang, et al. Deformation Characteristics and Genesis Simulation of the Shizigou Youshashan Structural Belt in Qaidamu Basin[J]. Geotectonica et Metallogenia, 2011, 35(2): 207-215. DOI:10.3969/j.issn.1001-1552.2011.02.005 |
| [10] |
Flach P D.Oil Sands Geology: Athabasca Deposit North[D].Edkmonton: Alberta Research Council, 1984.
|
| [11] |
黄籍中, 冉隆辉. 四川盆地震旦系灯影灰岩黑色沥青与油气勘探[J]. 石油学报, 1989, 40(1): 27-36. Huang Jizhong, Ran Longhui. Bitumen and Oil-Gas Exploration in Sinian "Denying Limestone" in Sichuan Basin[J]. Acta Petrolei Sinica, 1989, 40(1): 27-36. |
| [12] |
王清斌, 单玄龙, 臧春艳, 等. 楚雄盆地洒芷油砂地质特征及成藏模式[J]. 世界地质, 2007, 26(1): 52-57. Wang Qingbin, Shan Xuanlong, Zang Chunyan, et al. Geological Characteristics and Forming Pattern of Sazhi Oil Sand in Chuxiong Basin[J]. Global Geology, 2007, 26(1): 52-57. DOI:10.3969/j.issn.1004-5589.2007.01.009 |
| [13] |
石勇, 侯贵廷, 钟尚伦, 等. 柴达木盆地乌南油田下油砂山组成岩作用研究[J]. 天然气地球科学, 2012, 23(5): 909-915. Shi Yong, Hou Guiting, Zhong Shanglun, et al. Study on Diagenesis of Lower Youshashan Formation of Wunan Oil Field in Qaidam Basin[J]. Natural Gas Geoscience, 2012, 23(5): 909-915. |
| [14] |
浦瑞良, 宫鹏. 高光谱遥感及其应用[M]. 北京: 高等教育出版社, 2000. Pu Ruiliang, Gong Peng. Hyperspectral Remote Sensing and Its Applications[M]. Beijing: Higher Education Press, 2000. |
| [15] |
陈述彭, 童庆禧, 郭华东. 遥感信息机理研究[M]. 北京: 科学出版社, 1998. Chen Shupeng, Tong Qingxi, Guo Huadong. Remote Sensing Information Mechanism Research[M]. Beijing: Science Press, 1998. |
| [16] |
张宗贵, 王润生, 郭大海, 等. 成像光谱岩矿识别方法技术研究和影响因素分析[M]. 北京: 地质出版社, 2006. Zhang Zonggui, Wang Runsheng, Guo Dahai, et al. Study on Rock Ore Identification by the Spectral Imaging Technique and Influence Factors Analysis[M]. Beijing: Geological Publishing House, 2006. |
| [17] |
童庆禧. 中国典型地物波谱及其特征分析[M]. 北京: 科学出版社, 1990. Tong Qingxi. Editorial Board of Spectra and Analysis of Typical Earth Objects of China[M]. Beijing: Science Press, 1990. |
| [18] |
岩石中氯仿沥青的测定: SY/T 5118-2005[S].北京: 国家发展和改革委员会, 2005. Determination of Bitumen from Rocks by Chloroform Extraction: SY/T 5118-2005[S].Beijing: National Development and Reform Commission, 2005. |
| [19] |
张玉君. Landsat 8简介[J]. 国土资源遥感, 2013, 25(1): 176-177. Zhang Yujun. Landsat 8 Brief Introduction[J]. Remote Sensing for Land & Resources, 2013, 25(1): 176-177. |
| [20] |
尤金凤, 邢立新, 潘军, 等. 基于Hyperion数据的油砂分布遥感研究[J]. 吉林大学学报(地球科学版), 2016, 46(5): 1589-1597. You Jinfeng, Xing Lixin, Pan Jun, et al. Application of Hyperion Hyperspectral Image for Studying on the Distribution of Oil Sands[J]. Journal of Jilin University (Earth Science Edition), 2016, 46(5): 1589-1597. |