0 引言

遥感高光谱数据具有光谱分辨率高、可连续表达地物光谱微细特征的特点，能够为油气信息的识别提供有利的条件，已成功应用于石油和天然气等常规油气能源的勘探研究中^[1-2]。近年来，常规油气能源产量呈现了世界性减少的趋势。而随着经济的发展，油气需求量不断增加，使得非常规油气资源在全球的能源结构中所占比重逐渐增加。油砂作为非常规油气发展的重点研究对象，在油气供应中占有重要地位^[3-4]。综合分析油砂的组分特征及其形成条件后认为，油砂不仅具有常规油气的遥感识别特征，又具有自身的光谱属性特征。因此，笔者从Hyperion高光谱影像能够精细反映油砂中烃类微渗漏现象导致的地表矿物和植被光谱异常变化，以及出露处油砂组分高光谱诊断性特征的角度出发，以具有独特油气聚集规律和分布特征且油气资源勘探程度较低的鄂尔多斯盆地南部地区作为研究对象^[5]，应用空间分析方法，确定油砂分布有利区。

研究区位于鄂尔多斯盆地南部陕西省铜川市耀州区瓷窑渠—石窑沟，地处鄂尔多斯地台与渭河地堑之间，在构造上属于渭北隆起。发育地层自下而上分为: 中三叠统(铜川组(T₂t))、上三叠统(胡家村组(T₃h)、永坪组(T₃y)、瓦窑堡组(T₃w))、侏罗系(中下统延安组(J_1-2y)、中统中直罗组(J₂z))、下白垩统(宜君组(K₁y)、洛河组(K₁l))，由石灰岩、砂岩、砾岩、页岩、泥岩、红色黏土及黄土物质组成^[6-8]。地形西北高、东南低，呈北西—南东向倾斜，相对高差约为1 196 m。该区属暖温带大陆性半干旱半湿润易旱气候，光照条件较我国北方同纬度地区优越；植物资源丰富，类型多样，森林覆盖率已达41.4% ^[9]。

研究所用数据源为地球观测卫星EO-1(Earth Observing-1)搭载的Hyperion成像仪获得的高光谱数据。Hyperion高光谱影像光谱连续性较高，能够反映地物细微的差异特征，从而能够更有效地识别地物。光谱分辨率为10 nm，地面分辨率为30 m，扫描幅宽为7.5 km×42 km。该产品有242个波段，其中1—70波段为可见光近红外波段(VNIR，visible near infrared)，71—242波段为短波红外波段(SWIR，short wave infrared)。选定获取时间为2004年6月8日的Hyperion L1T级数据，对其进行波段筛选、绝对辐射率转换、去条纹处理以及大气校正等常规数据预处理^[10]，获得研究区反射率遥感影像。

油砂储层中烃类物质及其伴随物经过长期的微渗漏，通过地层微裂缝或断层等薄弱带运移至地表，导致上方浅地表土壤中的烃组分含量出现异常，促使地表发生一系列的化学和矿物学变化，产生还原和轻酸环境。这种环境使得长石(如钠长石)的稳定性遭到破坏，成岩蚀变为黏土矿物(高岭石、伊利石、蒙脱石和伊蒙混层等)，氧化铁矿物(褐铁矿、赤铁矿、针铁矿和黄钾铁矾等)还原为氧化亚铁矿物(黄铁矿和菱铁矿等)；导致烃类微渗漏区域出现黏土矿物和氧化亚铁矿物富集的现象。同时，渗漏的烃类物质被土壤吸附后，土壤中微量元素发生迁移，喜烃微生物大量增殖，氧气减少，植被受到胁迫作用，致使生长被抑制，发生“病害现象”^[11]。

鉴于高光谱数据具有能够识别400～2 500 nm谱段区间具诊断性光谱特征的矿化信息和不同生长状况的植被信息的特点，通过分析油砂中烃类微渗漏前后地表矿物和植被的光谱曲线变化特点，提取Hyperion高光谱影像中油砂的空间信息。

根据油砂储层中烃类微渗漏所致的黏土矿物和氧化亚铁矿物富集的特点，分析USGS(United States geological survey)光谱库中以褐铁矿、赤铁矿、针铁矿和黄钾铁矾为代表的氧化铁矿物以及以黄铁矿和菱铁矿为代表的氧化亚铁矿物的反射波谱曲线。氧化铁矿物共有的显著吸收特征位置出现在800、900 nm附近，氧化亚铁矿物共有的吸收谱带主要分布在1 000～1 200 nm附近，由此得知两类矿物光谱的主要特征差异位于800～1 200 nm谱带区间(图 1a)。对比研究USGS光谱库中钠长石和黏土矿物在400～2 500 nm的高光谱曲线特征可知：钠长石光谱在整个谱段区间反射率均较高，且吸收特征相对不明显；而高岭石、伊利石、蒙脱石和伊蒙混层等黏土矿物光谱在可见光波段反射率较低，且存在较明显的陡坎变化，同时，在2 200 nm附近具有明显的吸收特征(图 1b)。因此，根据含铁矿物及黏土矿物蚀变前后反射波谱的变化特征能够判别矿物蚀变异常的空间分布状态。

a.氧化铁矿物和氧化亚铁矿物；b.钠长石和黏土矿物。虚线为蚀变前矿物光谱，实线为蚀变后矿物光谱。 图 1 烃类微渗漏相关矿物波谱曲线 Figure 1 Spectra of minerals associated with hydrocarbon microseepage

图选项

植被的高光谱曲线能够反映植物的生长状况和受环境胁迫叶绿素的理化特征。绿色健康植物叶片中叶绿素具有强吸收作用，使得其光谱曲线在450 nm附近的蓝光谱段具有较低的反射特征而产生“蓝谷”现象；由于叶绿素在红光波段的强吸收以及在近红外波段叶片内部散射的共同作用，其在近红外670～780 nm波段区间具有高反射特征^[12-13]。当植被出现胁迫或发生灾害时，叶绿素的吸收遭到破坏，导致“蓝谷”变浅，近红外区间波段反射率降低；因此可以利用这些光谱特征进行植被异常信息提取。

油砂通常是由砂、黏土、沥青、矿物质和水组成的混合物，其光谱同时具有烃类和黏土矿物的诊断性吸收特征。资料^[14-15]表明，油砂中烃类基团的吸收主要集中在1 700 nm附近和2 300～2 600 nm，油砂样品中黏土矿物如高岭石的特征吸收在2 160 nm和2 200 nm谱段附近，伊利石在2 220 nm和2 360 nm附近。因此，在实验室利用便携式短波红外光谱仪(波段范围为1 300～2 500 nm，采样间隔为2 nm，光谱分辨率为5～7 nm)对在研究区内上石节地区油砂出露处采集的7个油砂样品进行光谱测定，得到相应的油砂SWIR光谱曲线及连续统去除曲线(图 2)。根据图 2分析实测油砂样品组分中烃类基团和矿物基团在SWIR谱带的诊断性吸收特征，进而实现利用油砂组分诊断性光谱特征研究出露处地表油砂的空间分布。

a.原始光谱曲线；b.连续统去除后光谱曲线。 图 2 油砂短波红外光谱曲线 Figure 2 SWIR spectra of oil sands

图选项

研究基于烃类微渗漏和油砂组分特征原理，利用Hyperion影像进行油砂有利区预测(图 3)。

图 3 油砂分布有利区遥感预测技术路线图 Figure 3 Technology roadmap for distribution of favorable area of oil sands

图选项

以烃类微渗漏原理为基础的异常信息提取 为去除植被对矿物异常信息提取的干扰，一般应用遥感数据在植被覆盖度低或无植被的情况下进行矿物异常信息的提取。归一化植被指数(NDVI，normalized difference vegetation index)能够反映地表植被的繁茂程度，较好地区分地表植被和非植被区域；因此，针对油气烃类微渗漏的特点，首先对研究区的Hyperion影像数据利用NDVI进行区域划分。设定0.0≤NDVI＜0.4为低植被覆盖区，通过对油气藏烃类微渗漏相关资料的研究，结合研究区背景环境，以菱铁矿和黄铁矿作为氧化亚铁矿物富集的指示矿物，以高岭石作为黏土矿物富集的指示矿物^[18-16]，利用USGS标准光谱库中高岭石、黄铁矿和菱铁矿等矿物的光谱曲线，采用波谱角匹配方法提取研究区中氧化亚铁和黏土矿物富集信息；划定0.4≤NDVI≤0.7为中等植被覆盖区，采用对油气泄漏造成的地表植被生长异常具有很好指示作用并且在中等植被覆盖度下应用效果较好的LIC(lichenthaler index)方法提取植被异常信息； 划定0.7＜NDVI≤1.0为较高植被覆盖区，采用对植被覆盖度要求较高且对植被胁迫具有良好指示作用的CTR(carter indices)方法提取异常植被信息。

以油砂组分特征为基础的信息提取 通过分析实测的野外油砂SWIR光谱曲线(图 2),并结合油砂组分的遥感信息识别特征^[14-15]可知：野外油砂光谱的特征吸收主要是烃类基团和矿物基团振动形成的，1 760 nm附近的吸收特征主要是由烃类基团振动引起的，2 350 nm附近的吸收特征主要是由烃类基团和碳酸盐矿物基团的叠加振动引起的；而2 000～2 180 nm与2 180～2 260 nm谱带的吸收特征构成了高岭石矿物“二元谱结构”。因此，以采集油砂样品的平均光谱反射率作为训练样本，采用波谱角方法(SAM)得到研究区油砂组分信息的空间分布；然后，综合烃类微渗漏所致异常信息以及油砂组分特征提取的信息，确定油砂分布有利区。

波谱角方法(SAM)是一种用于高光谱影像分析的匹配技术。其基本思想是，通过计算端元波谱矢量和每个像元的矢量在N维空间中的角度将像元分配到相应的区间中，夹角越小，分类精度越高。波谱角分类法属于监督分类，一般以标准光谱库中光谱数据或野外样品实测光谱数据作为端 元训练样本，通过设定角度阈值，得到与端元匹配的分类结果。

Lichenthaler等^[12-13]的实验针对蓝谷吸收和近红外波段反射特征进行研究，结果表明，植被光谱中蓝光波段440 nm与近红外波段740 nm的反射率的比值(即LIC)能够较好地反映植被光合作用的程度，对环境的变化比较敏感，可作为植被生长健康状况的检测依据，对油气泄漏造成的地植物异常具有很好的指示作用。LIC的表达式为

(1)

点击浏览公式

式中，R₄₄₀和R₇₄₀分别为440 nm和740 nm处波段的反射率。

Carter等^[19]发现，690～700 nm区间，特别是694 nm处的光谱反射率值，对于植被受到胁迫作用初期引起的叶绿素含量降低的变化特征具有较好的指示作用。同时，叶面反射率在760 nm波段对植被受到胁迫作用较敏感。研究表明，波段在694 nm与760 nm反射率的比值(即CTR)同叶荧光比率相似，都是反映植被受到胁迫作用的重要指示器。CTR的表达式为

(2)

点击浏览公式

式中，R₆₉₄和R₇₆₀分别为694 nm和740 nm处波段的反射率。

基于Hyperion遥感影像，针对低植被覆盖度(0.0≤NDVI＜0.4)区域，利用USGS光谱库中的高岭石、黄铁矿和菱铁矿光谱作为端元训练样本，采用波谱角监督分类方法，通过设定角度阈值进行矿物异常信息提取，以红色表达异常矿物富集信息的提取结果(图 4)；0.4≤NDVI≤0.7的中等植被覆盖区域，利用LIC方法按背景值和异常值特征，参考化探异常分级办法，以大于三倍标准离差(3σ)置信概率为限定，表征植被生长异常的取值范围，并用红色区域显示提取的植被异常信息(图 5)；在0.7<NDVI≤1.0区域应用CTR方法计算较高植被覆盖下受到烃类胁迫作用导致的植被生长异常信息，同样以大于3σ的概率值划定异常信息区域，并以黄色表示(图 5)。经分析发现，所提取的矿物蚀变信息主要集中分布在石窑沟、崔家沟、杏树坪、桃沟、上石节、下石节、罗子村和衣食村等地区；植被异常信息分布较分散，除在上述地区集中分布外，在其他地区如南司马村附近也有分布。

图 4 矿物异常信息图 Figure 4 Graph of mineralization anomalies

图选项

图 5 植被异常信息图 Figure 5 Graph of vegetation anomalies

图选项

由于导致矿物成岩蚀变和植被生长异常的影响因素很多，应用遥感影像提取的矿物富集和植被生长异常信息并不都由油砂中烃类微渗漏现象造成；因此，结合油砂组分分布信息能够更好地明确异常信息的来源。根据油砂内部烃类和黏土矿物等组分在SWIR高光谱谱带具有的诊断性光谱吸收特征，将野外油砂样品SWIR光谱反射率的均值作为端元训练样本，利用光谱角监督分类方法提取影像中与油砂光谱相近的像元，得到具有以红色表达的油砂组分的像元信息(图 6)。通过分析油砂组分的分布，发现该组分信息主要分布在崔家沟、杏树坪、桃沟、上石节、下石节、罗子村和衣食村等地。结合植被和矿物异常信息的分布特征，推测石窑沟的矿物异常和南司马村的植被异常可能不是由油砂储层所引起的。同时，为确保油砂分布的合理性，反复研究分布位置，发现罗子村通往桃沟的区域，即罗子村—桃沟—杏树坪呈线性分布地段分布着大量的异常信息。基于Hyperion影像并结合Google Earth中高分辨率影像进行判读，呈线性分布的异常集中区域实为沥青公路面；由于沥青路面是在矿质材料中掺入路用沥青材料铺筑形成的，其与油砂属性特征相近，从而大大增加了预测中的干扰因素，所以，桃沟和罗子村地区异常信息的产生与油砂储层无关。因而，进一步推断崔家沟、杏树坪、上石节、下石节和衣食村等地区为油砂分布的有利区。

图 6 基于组分的油砂空间信息分布图 Figure 6 Graph of spatial distribution of oil sands from the component characteristics

图选项

野外调查发现，崔家沟、上石节和衣食村等地区为油砂分布区，而下石节和杏树坪地区为非油砂分布区。资料^[20]显示，下石节和杏树坪地区为主要的探煤区，其三叠系砂岩中天然气组分重烃含量较高，导致在采煤生产中也会伴随液态的石油或喷出以甲烷为主的天然气；因此,导致其上覆地表具有与油砂储层引起异常相似的特征。调查中还发现(图 7)：油砂分布区地表大多为基岩出露，可见黄铁矿结核，高岭土化和红层褪色的漂白现象十分明显；崔家沟地区地表仅有少量的草被，上石节和衣食村地表皆有植被和草被覆盖，多生低矮植被。通过对样本的分析，发现采样的油砂样本表面矿物颗粒分选较好、碎屑颗粒含量高、颗粒间结构紧密；镜下鉴定发现颗粒支撑、孔隙胶结、孔隙内见油迹、长石大量黏土化。

图 7 野外照片 Figure 7 Photoes of field confirmation

图选项

1) 根据油砂中烃类物质的微渗漏原理，利用Hyperion高光谱影像提取的矿物和植被等光谱异常信息，在一定程度上对油砂储层的分布具有一定的指示作用。但由于所提取的异常信息复杂，并不能保证其来源皆与油砂的分布有关。因此，在一定程度上会干扰油砂储层位置的判断。

2) 借助油砂野外实测光谱提取Hyperion影像中油砂组分的空间分布信息进行综合分析，可以有效去除基于烃类微渗漏所提取的光谱异常信息中的大量干扰因素，增加了判断油砂位置分布的准确性。同时，为减少不必要的干扰信息，确保有利区预测的合理性，应适当加入影像判读，去除可能引入的与油砂属性相近的含烃物质(如沥青路面)的干扰。

综上，利用高光谱遥感进行油砂储层分布的预测研究具有重要的实用性和科学性，不仅可向其他地区的油砂储层分布研究提供应用实例和技术方法，也可为遥感深入研究油砂可采储量评价提供参考依据。