基于ASTER数据的金川铜镍矿床外围遥感找矿预测

成功， 朱佳玮， 毛先成

(中南大学地球科学与信息物理学院有色金属成矿预测教育部重点实验室，长沙　410083)



基于ASTER数据的金川铜镍矿床外围遥感找矿预测

成功， 朱佳玮， 毛先成

(中南大学地球科学与信息物理学院有色金属成矿预测教育部重点实验室，长沙410083)

摘要：为了对甘肃省金昌市金川铜镍矿床外围地区进行遥感找矿预测，首先根据ASTER数据不同波段的特性分别提取岩性信息和蚀变信息，对热红外(TIR)波段，在采用波段比值法定量提取二氧化硅含量的基础上，利用波段比值计算的岩性指数(lithological index,LI)定量提取基性-超基性岩信息; 对可见光-近红外(VNIR)及短波红外(SWIR)波段，运用主成分分析法定性提取高岭土-绢云母化、绿泥石化和蛇纹石化等矿化蚀变信息； 然后在ArcGIS平台上，对所提取的矿化蚀变信息进行量化定级和叠加处理，制作综合矿化蚀变异常信息图(其反映的异常范围和强度与已知矿区十分一致)； 最后利用综合矿化蚀变异常信息，对金川铜镍矿床外围地区进行找矿预测，共圈定出3个找矿预测区，可为寻找同类型的矿床提供参考。

关键词：ASTER； 岩性指数(LI)； 主成分分析； 岩矿信息提取； 找矿预测

0引言

随着遥感和数字图像处理技术的快速发展，借助于多光谱遥感数据探测岩性和矿物的应用越来越多。不同的岩石、矿物受其物质组分、晶体结构、表面形态和外部环境等因素影响，在不同波段范围表现出不同的光谱特征，这是进行岩矿、蚀变信息遥感识别的基础[1]。国内外许多学者已成功地将多光谱遥感技术应用于矿产资源勘查、评价与信息提取中。丑晓伟等[2-3]将热红外(TIR)波段数据去相关扩展后进行假彩色合成，提取出干旱地区的岩石地层信息； 又利用TM图像进行波段比值、彩色合成后划分了岩石地层单元； 马建文[4]使用TM数据采取掩模+主成分变换+分类识别的方法提取了含矿蚀变带； 张远飞等[5]使用多元数据分析+ 比值+主成分变换+掩模处理+分类的方法在新疆、内蒙古、江西和云南等地区成功提取了金矿化蚀变信息； Ninomiya[6]使用ASTER数据进行波段比值，获取了石英岩、碳酸盐岩和超基性岩等的岩性指数(lithological index,LI)； 杨建民等[7]应用比值、主成分分析和光谱角填图法提取了东天山戈壁区矿化蚀变信息； 陈江等[8]利用ASTER的热红外波段提取了二氧化硅含量进行岩石填图； 陈建明等[9]基于ASTER数据，使用主成分分析提取了铁染蚀变信息； 杨长保等[10]使用ASTER数据的可见光-近红外(VNIR)以及短波红外(SWIR)波段进行光谱角制图，提取了Fe-OH和Al-OH蚀变信息； Pour等[11]使用最小分离变换法成功识别了伊朗东南部的热液蚀变矿区； 邓会娟等[12]利用ASTER数据，采用Crosta技术和比值法提取了高岭石化、青磐岩化、黄铁矿化和硅化等遥感蚀变异常信息； 张云峰等[13]则应用主成分分析方法直接提取了与矽卡岩化有关的“榴石类矿物-透闪石-透辉石-阳起石”和“绿泥石-绿帘石-阳起石-透闪石-透辉石”2类遥感蚀变矿物组合异常。但是，在金川地区的遥感应用很少，只有Meer等[14]使用模块式机载成像光谱仪(modular airborne imaging spectrometer,MAIS)数据对金川进行过岩性填图； 陈三明等[15]使用ASTER数据结合地球化学方法对金川矿区的南延和西北延地区进行过找矿预测。本文利用波段比值计算的岩性指数提取基性-超基性岩信息，利用主成分分析法提取金川铜镍矿区及其外围的矿化蚀变信息，并利用综合异常信息进行找矿预测。

1研究区地质背景

金川铜镍矿区位于甘肃省金昌市，地理坐标在E101°50′45″～101°54′00″，N38°33′30″～38°36′30″之间，东北部与金川市城区邻接。矿区内植被覆盖少。金川铜镍硫化物矿床储量占全国可利用镍总储量的90%以上，是世界上目前正在开采的第三大镍矿，仅次于俄罗斯的Noril’sk矿床和加拿大的Sudbury矿床。整个矿区自西向东分为Ⅲ,Ⅰ,Ⅱ和Ⅳ共4个矿体，呈透镜状产于4处超基性岩中，岩体沿NW向延伸，向南倾，呈岩墙状产出。Ⅰ和Ⅱ矿体基岩裸露良好，Ⅲ和Ⅳ矿体上有第四系覆盖。

近年来，金川铜镍矿床深部地质找矿勘探已取得了一些新的突破。研究表明，Ⅰ号和Ⅲ号矿体原为同一岩体，Ⅱ号和Ⅳ号矿体也原为同一岩体，均被后期断层错开； 而Ⅰ号与Ⅱ号矿体原来是2个独立的岩体，因断层F16-1的活动使它们在空间上“相聚”在一起(图1)。

图1　金川矿区断裂构造系统[16]

已有研究表明，在超基性岩体底板下凹的部位找到了海绵陨铁状富矿体,并通过数学建模预测了深部矿化的变化趋势[17-20]。对于外围找矿问题，已有部分学者开展了一些地质研究。研究发现，在金川铜镍矿床外围地区存在大量的基性-超基性岩，而且这些外围区域的基性-超基性岩与金川含矿岩体有类似的矿物组成、相近似的微量元素含量以及相似的稀土配分曲线，表明它们很可能是同源岩浆演化岩体在不同地段侵入的产物，有望在这些岩体中找到类似矿床[16,20-21]。与岩体接触的围岩均有不同程度的蚀变, 主要有蛇纹石化、绿泥石化、透闪石化和滑石碳酸盐化等, 蚀变范围较大，可作为寻找此类矿体的间接标志[22-24]。也有人利用ASTER遥感数据开展了金川外围地区找矿预测，在金川矿区南部预测了多个找矿有利地区[15]，但至今尚未取得突破性进展。

2遥感数据及预处理

2.1遥感数据

本文选用的ASTER遥感数据(景号为0804190407090804220357)，获取时间为2008年4月19日。ASTER数据具有较好的空间分辨率和波谱分辨率，可见光-近红外4个波段的分辨率为15 m，短波红外5个波段的分辨率为30 m，热红外5个波段的分辨率为90 m，非常适合于岩矿信息的提取。

2.2数据预处理

由于本文使用的数据为ASTER Level 1B数据，是在Level 1A基础上经过几何纠正和辐射校正的数据，因此可略去这2个预处理步骤。

2.2.1VNIR及SWIR数据预处理

采用 Crosstalk 3.0校正方法消除传感器设置造成的能量流溢； 通过辐射定标把DN值转换成辐射亮度值，并将SWIR波段重采样至15 m； 采用快视线超立方体大气光谱分析(fast line-of-sight atmospheric analysis of spectral hypercubes，FLAASH)算法对VNIR以及SWIR波段数据进行大气校正，得到反射率数据。

2.2.2TIR数据预处理

通过辐射定标把DN值转换为辐射亮度值； 利用ENVI提供的Thermal Atm Correction工具进行大气校正； 采用掩模方法去除城区和植被对矿区外围的干扰。

3遥感信息提取

3.1利用波段比值法进行岩性提取

比值增强是最为常用的增强方法，它通过不同波段同一像元亮度值之间的比值运算生成新的比值图像。

由于金川铜镍矿的含矿母岩为超基性岩体，而岩浆岩根据SiO2含量(酸度)划分为4个等级，其中超基性岩的SiO2含量小于45%； Si-O键因其振动过程造成在TIR波段有明显的吸收和发射特征，因而可使用TIR波段提取与SiO2含量有关的信息。陈江等[8]对亚利桑那州立学校提供的TIR波谱库进行研究，得出了SiO2含量与ASTER TIR波段的函数关系，即

SiO2%=28.760 503 921 704 lg[6.560 448 646 402B13B14/(B10B12)] ，

(1)

式中B10,B12,B13和B14分别为ASTER TIR波段TIR10,TIR12,TIR13和TIR14的辐射亮度值。

利用式(1)计算得到SiO2含量； 根据已知超基性岩体相应的SiO2含量选择合适的阈值对SiO2含量图进行彩色等密度分割，从而提取出超基性岩分布范围，再叠置到ASTER影像底图上(图2(a))。

(a) 根据SiO2含量提取 (b) 根据岩性指数提取

图2提取的超基性岩分布

Fig.2Distribution of extracted ultrabasic rocks

从图2(a)可以看出，SiO2含量低值异常区包含了超基性岩分布区(裸露岩体及矿渣堆)，但也包含了SiO2含量很低的大理岩。根据实测的不同类型岩石的发射光谱，对ASTER TIR波段之间进行比值运算，提取岩性指数，发现根据B12/B13能够提取超基性岩，因为相比于其他岩性，超基性岩在B12的发射率大于在B13的发射率，且差值大于其他岩性[6]。因此，超基性岩的岩性指数LI=B12/B13。对TIR波段计算B12/B13后，根据已知超基性岩体的波段比值大小确定阈值，提取超基性岩(图2(b))，可剔除大理岩干扰。

对比图2(a)和(b)可以看出，使用LI进行超基性岩岩性提取后，Ⅰ矿体西部的大理岩虽然仍有部分被提取，但是提取的大理岩含量相比之前已经变少； 而Ⅱ矿体东部的大理岩干扰已被消除。

3.2利用主成分分析法进行蚀变信息提取

(a) USGS波谱数据库 (b) ASTER数据

图34种蚀变矿物反射率曲线

Fig.3Reflectance curves of 4 kinds of altered mineral

从图3可以明显看出，高岭石与绢云母反射率曲线有2个大的反射峰，具有相似的波谱特征； 绿泥石反射率曲线只有1个大的反射峰，而蛇纹石的反射率曲线则较为平坦。因此，可以选择不同波段组合分别利用主成分分析方法提取相应的遥感蚀变信息。

3.2.1高岭石+绢云母化蚀变信息提取

由图3可知，高岭石和绢云母在B6有吸收特征，因此B6的特征值符号应该为负； 而B4的反射率较高，其特征值应取正值，且2个值应该较大。选用ASTER B1，B3，B4和B6进行主成分分析，得到统计特征矩阵(表1)。

表1　高岭石+绢云母PCA特征矩阵

尽管表1中没有符合B4的特征值为正、B6的特征值为负条件的主分量，但是PC4中的B4和B6的特征值符号相反且特征值较大，因此对PC4的B4和B6取反后即可符合高岭石和绢云母蚀变信息提取要求。

3.2.2绿泥石化蚀变信息提取

根据绿泥石的反射光谱曲线(图3(右))可知其在 ASTER B8处有一吸收谷，选取 ASTER B1，B3，B4和B8进行主成分分析,其B4 的系数应与B8的系数符号相反，对应的B4取正，同时B8为负。在绿泥石特征矩阵(表2)统计中，没有正好符合上述条件的PC主分量，但对PC4的B4和B8取反就可以满足绿泥石蚀变信息提取的要求。

表2　绿泥石PCA特征矩阵

3.2.3蛇纹石化蚀变信息提取

根据蛇纹石的反射光谱曲线(图3(右))可知其反射率较低，在B8处有一吸收谷，在B2处也有一不明显吸收谷，选择ASTER B1，B2，B6和B8进行主成分分析(表3)。对PC3的B2和B8取反可符合蛇纹石化蚀变信息提取的要求。

表3　蛇纹石PCA特征矩阵

3.2.4遥感蚀变信息提取成果图

对前文选中的主成分分量分别进行彩色等密度分割处理。根据主分量统计结果，以标准偏差为阈值δ，M为最大值，将蚀变异常分为3个等级： [δ，2δ)，[2δ，3δ)和[3δ，M]，并分别赋予蓝,绿和红色，蓝色对应[δ，2δ)，为三级异常； 绿色对应[2δ，3δ)，为二级异常； 红色对应[3δ，M]，为一级异常。并将彩色等密度分割图叠置到遥感影像底图上，得到遥感矿化蚀变异常信息图(图4)。

(a) 高岭石+绢云母化 (b) 绿泥石化 (c) 蛇纹石化

图4遥感矿化蚀变异常信息

Fig.4Remote sensing alteration anomalous information

3.3找矿预测

在ArcGIS平台上，分别对高岭石+绢云母化、绿泥石化和蛇纹石化3种主要蚀变异常分级处理，每种异常分为3个等级(分别赋值为1,2,3)； 再进行叠加，3种蚀变异常叠加后的取值范围在1—9之间； 将小于3的低值设为透明，并叠置到遥感影像底图上，得到综合矿化蚀变异常图(图5)。

图5　综合矿化蚀变异常

从图5可以看出，在Ⅰ,Ⅱ矿体含矿超基性岩体大面积直接出露，异常信号最强，异常范围较大； Ⅲ,Ⅳ矿体被第四系覆盖，异常信号极弱，仅见零星低级异常。此外，在已知矿区南延的大片区域，存在多处较大面积的综合矿化蚀变异常，且异常区域与先前提取的基性-超基性岩分布区域(图2)基本一致，说明异常可能是与基性-超基性岩有关的矿化异常，可在这些异常区域寻找同类型铜镍硫化物矿床(图6)。

图6　遥感找矿预测区

图6中，在Ⅱ,Ⅳ矿体西南部(A区)，存在大面积分布的综合矿化蚀变异常，且异常信号强，可以作为一级找矿预测区； 在Ⅲ矿体西部(B区)，也存在大面积异常，但高异常区域面积较小，可作为二级找矿预测区； 在Ⅰ矿体南部(C区)，异常分布面积较小，强度中等，可以作为三级找矿预测区。

经野外调查验证，在A，B，C这3个找矿预测区均发现了基性-超基性岩和矿化蚀变带。

4结论

以金川铜镍矿矿区及其外围为研究区，基于ASTER遥感数据，运用波段比值计算岩性指数，定量提取了基性-超基性岩信息； 运用主成分分析法定性提取了高岭土化、绢云母化、绿泥石化和蛇纹石化等矿化蚀变信息； 运用蚀变信息量化定级法得到的综合矿化蚀变异常进行了遥感综合找矿预测，共圈定出3个找矿预测区，可为寻找同类型的矿床提供参考。

参考文献(References)：

[1]张志军,甘甫平,李贤庆,等.基于ASTER数据的蚀变矿物信息提取——以哈密黄山铜镍矿区为例[J].国土资源遥感,2012,24(2):85-91.doi:10.6046/gtzyyg.2012.02.16.

Zhang Z J,Gan F P,Li X Q,et al.The extraction of altered mineral information based on ASTER data:A case study of the Huangshan copper-nickel ore district in Hami[J].Remote Sensing for Land and Resources,2012,24(2):85-91.doi:10.6046/gtzyyg.2012.02.16.

[2]丑晓伟,傅碧宏,郑建京.干旱区热红外多光谱遥感岩石地层信息提取与分析方法研究[J].科学通报,1994,39(18):1693-1695.

Chou X W,Fu B H,Zheng J J.Extraction and analysis of lithostratigraphic information from thermal infrared multispectral scanner imagery in arid region[J].Chinese Science Bulletin,1994,39(18):1693-1695.

[3]丑晓伟,傅碧宏.干旱区TM图像岩石地层信息提取与分析方法研究[J].沉积学报,1995,13(s1):164-170.

Chou X W,Fu B H.Extraction and analysis of lithostratigraphic information from Landsat Thematic Mapper imagery in arid region[J].Acta Sedimentologica Sinica,1995,13(s1):164-170.

[4]马建文.利用TM数据快速提取含矿蚀变带方法研究[J].遥感学报,1997,1(3):208-213,224.

Ma J W.Methodology study of quickly identifying mineral bearing alterations from TM data[J].Journal of Remote Sensing,1997,1(3):208-213,224.

[5]张远飞,吴健生.基于遥感图像提取矿化蚀变信息[J].有色金属矿产与勘查,1999,8(6):604-606.

Zhang Y F,Wu J S.Extraction of mineralization and alteration information from remote sensing images[J].Mineral Exploration,1999,8(6):604-606.

[6]Ninomiya Y.Mapping quartz,carbonate minerals,and mafic-ultramafic rocks using remotely sensed multispectral thermal infrared ASTER data[C]//Proceedings of SPIE 4710,Thermosense XXIV.Orlando,FL:SPIE,2002:191-202.

[7]杨建民,张玉君,陈薇,等.ETM+(TM)蚀变遥感异常技术方法在东天山戈壁地区的应用[J].矿床地质,2003,22(3):278-286.

Yang J M,Zhang Y J,Chen W,et al.Application of ETM+(TM) remote sensing alteration anomaly extraction technique to Gobi area,East Tianshan Mountains[J].Mineral Deposits,2003,22(3):278-286.

[8]陈江,王安建.利用ASTER热红外遥感数据开展岩石化学成分填图的初步研究[J].遥感学报,2007,11(4):601-608.

Chen J,Wang A J.The pilot study on petrochemistry components mapping with ASTER thermal infrared remote sensing data[J].Journal of Remote Sensing,2007,11(4):601-608.

[9]陈建明,孙卫东,闫柏琨,等.ASTER多光谱遥感异常提取在新疆天湖铁矿中的应用[J].新疆地质,2009,27(4):368-372.

Chen J M,Sun W D,Yan B K,et al.The application and research of the anomaly extraction process base on the ASTER multi-spectral remote sensing in Tianhu iron ore mine[J].Xinjiang Geology,2009,27(4):368-372.

[10]杨长保,姜琦刚,刘万崧,等.基于ASTER数据的内蒙古东乌珠穆沁北部地区遥感蚀变信息提取[J].吉林大学学报:地球科学版,2009,39(6):1163-1167.

Yang C B,Jiang Q G,Liu W S,et al.Hydrothermal alteration mapping using ASTER data in Northern Dong Ujimqin,Inner Mongolia[J].Journal of Jilin University:Earth Science Edition,2009,39(6):1163-1167.

[11]Pour A B,Hashim M.Spectral transformation of ASTER data and the discrimination of hydrothermal alteration minerals in a semi-arid region,SE Iran[J].International Journal of the Physical Sciences,2011,6(8):2037-2059.

[12]邓会娟,姚聿涛,彭光雄,等.青海纳日贡玛斑岩型Cu-Mo矿床遥感蚀变异常提取与找矿预测[J].国土资源遥感,2014,26(2):154-161.doi:10.6046/gtzyyg.2014.02.25.

Deng H J,Yao Y T,Peng G X,et al.Extraction of remote sensing alteration anomalies and prospecting prediction of porphyry Cu-Mo deposits in Narigongma,Qinghai Province[J].Remote Sensing for Land and Resources,2014,26(2):154-161.doi:10.6046/gtzyyg.2014.02.25.

[13]张云峰,焦超卫,李剑斌,等.陕西柞水冷水沟地区遥感地质特征及找矿预测[J].国土资源遥感,2014,26(4):187-194.doi:10.6046/gtzyyg.2014.04.29.

Zhang Y F,Jiao C W,Li J B,et al.Remote sensing geological features and ore prediction in Lengshuigou,Zhashui county,Shaanxi province[J].Remote Sensing for Land and Resources,2014,26(4):187-194.doi:10.6046/gtzyyg.2014.04.29.

[14]van der Meer F,Fan L H,Bodechtel J.MAIS imaging spectrometer data analysis for Ni-Cu prospecting in ultramafic rocks of the Jinchuan Group,China[J].International Journal of Remote Sensing,1997,18(13):2743-2761.

[15]陈三明,吴虹,谭泛,等.基于ASTER的遥感地球化学统计预测模型及应用——以金川铜镍矿床外围找矿为例[J].桂林理工大学学报,2010,30(4):480-489.

Chen S M,Wu H,Tan F,et al.Statistics prediction model and application of remote geochemical sensing based on ASTER:Jinchuan copper-nickel ore deposit periphery prospecting[J].Journal of Guilin University of Technology,2010,30(4):480-489.

[16]宋谢炎,陈列锰,邓宇峰,等.金川两个岩体的识别及其深边部找矿意义[J].矿物学报,2011(S1):389-390.

Song X Y,Chen L M,Deng Y F,et al.Two rock identification in Jinchuan and its deep ore-prospecting significances [J].Acta Mineralogica Sinica,2011(S1):389-390.

[17]张建辉.金川与金平铜镍硫化物矿床地质特征对比[D].昆明:昆明理工大学,2005.

Zhang J H.Geological Characteristics Differences Between Jinchuan Copper-nickel Sulfide and Jinping[D].Kunming:Kunming University of Science and Technology,2005.

[18]江荣伏.金川矿区深部找矿方向探讨[J].地质与勘探,2003,39(5):35-38.

Jiang R F.Discussion on exploration orientation in the depth of Jinchuan mining area[J].Geology and Prospecting,2003,39(5):35-38.

[19]田毓龙,把多恒,高志武,等.金川镍铜矿床数学模型对深部矿化变化趋势的指示[J].地质与勘探,2008,44(1):82-88.

Tian Y L,Ba D H,Gao Z W,et al.Mathematical model of Jinchuan Ni-Cu sulfide deposit and its indication of deep mineralization trending[J].Geology and Prospecting,2008,44(1):82-88.

[20]高辉,Hronsky J,曹殿华,等.金川铜镍矿床成矿模式、控矿因素分析与找矿[J].地质与勘探,2009,45(3):218-228.

Gao H,Hronsky J,Cao D H,et al.An analysis on metallogenetic model and ore-control factors of Jinchuan Cu-Ni(PGE) magmatic sulfide deposit and its exploration implications[J].Geology and Exploration,2009,45(3):218-228.

[21]彭桥梁,曾南石,同锐灵,等.金川南延地区基性-超基性岩特征及其与矿区含矿超基性岩体的对比研究[J].矿物岩石地球化学通报,2010,29(4):409-416.

Peng Q L,Zeng N S,Tong R L,et al.A comparative study of the characteristics of the basic-ultrabasic rocks in the southwest region and the ore rocks in the Jinchuan Ni-Cu deposit[J].Bulletin of Mineralogy,Petrology and Geochemistry,2010,29(4):409-416.

[22]贾恩环.甘肃金川硫化铜镍矿床地质特征[J].矿床地质,1986,5(1):27-38.

Jia E H.Geological characteristics of the Jinchuan Cu-Ni sulfide deposit in Gansu province[J].Mineral Deposits,1986,5(1):27-38.

[23]马建青.金川硫化镍贫矿矿物组成对细菌浸出的适应性研究[D].昆明:昆明理工大学,2005.

Ma J Q.Study on Adaptability of Bacterial Leaching of Nickel Sulfide Ore Mineral Composition of Jinchuan[D].Kunming:Kunming University of Science and Technology,2005.

[24]李佐.甘肃金川铜镍硫化物矿床控矿构造研究[D].长沙:中南大学,2009.

Li Z.Analysis on the Ore-controlling Tectonic in Jinchuan Copper-nickel Sulphide Deposit,Gansu Province[D].Changsha:Central South University,2009.

(责任编辑： 刘心季)

Remote sensing prospecting prediction in periphery of the Jinchuan copper-nickel deposit based on ASTER data

CHENG Gong， ZHU Jiawei， MAO Xiancheng

(KeyLaboratoryofMetallogenicPredictionofNonferrousMetalsMinistryofEducation,SchoolofGeosciencesandInfo-Physics,CentralSouthUniversity,Changsha410083,China)

Abstract:According to the different band characteristics of ASTER data, lithologic and alteration information was extracted respectively. After silica content was extracted quantitatively by the band ratio method from TIR bands，the information of mafic-ultramafic rocks was extracted quantitatively by the band ratio lithologic index(LI) method, and the alteration information such as kaolin-sericite, chlorite and serpentine was extracted qualitatively by principal component analysis method from VNIR and SWIR bands. Then, on the ArcGIS platform, the alteration information extracted was made quantitative grading, and an integrated anomalous information figure was compiled after stacking process. The range and intensity were very consistent with the known mine. Finally, the ore prognosis of the Jinchuan copper-nickel deposit was conducted using the integrated anomalous information, and three prospecting prediction areas were delineated, which can provide a reference in the search for the same type of deposits.

Keywords:ASTER； lithologic index(LI)； principal component analysis； extraction of mineral and rock information； prospecting prediction

作者简介：第一 成功(1972-),男,博士研究生,讲师,硕士生导师,主要从事遥感信息提取与地质找矿研究工作。Email： chenggongx@126.com。

中图法分类号：TP 79; P 627

文献标志码：A

文章编号：1001-070X(2016)01-0015-07

基金项目：国家自然科学基金项目“基于重磁电正反演的隐伏矿体三维预测模型修正方法研究”(编号： 41472301)和金川集团技术开发项目“金川矿区深边部隐伏矿体立体定量预测”(编号： 金科地2012-07)共同资助。

收稿日期：2014-09-08；

修订日期：2014-10-20

doi:10.6046/gtzyyg.2016.01.03

引用格式： 成功,朱佳玮,毛先成.基于ASTER数据的金川铜镍矿床外围遥感找矿预测[J].国土资源遥感,2016,28(1)：15-21.(Cheng G,Zhu J W,Mao X C.Remote sensing prospecting prediction in periphery of the Jinchuan copper-nickel deposit based on ASTER data[J].Remote Sensing for Land and Resources,2016,28(1)：15-21.)