（独）石油天然ガス・金属鉱物資源機構（JOGMEC …...Muscovite USGS GDS107 -0.0347...
1
ハイパースペクトルデータの一次微分処理を利用した変質鉱物の識別 三石真祐瞳・川上裕・近藤智之・中村英克 （独）石油天然ガス・金属鉱物資源機構（JOGMEC） １．はじめに 鉱物資源探査では斑岩銅鉱床等に伴われる変質鉱物を抽出するた めに光学リモートセンシングデータが利用されている。ハイパースペク トルデータによる解析では鉱物の分類精度が高くなることが期待され るものの、吸収パターンが類似している鉱物等の分離精度については 課題が残されている。 今回、米国ネバダ州キュプライト地域を対象に、新たなハイパースペ クトルデータ解析手法を適用し、有効性の検討を行った。 対象地域はカンブリア紀の砕屑岩類及び石灰岩、チャートを基盤とし て、第三紀の火山岩類と第四紀の沖積堆積物が広く分布する。このう ち第三紀の火山岩類の一部が中新世中期～後期に熱水変質を被り、 珪化及び粘土化帯を形成している。 Alunite (USGS GDS84) Buddingtonite (USGS GDS85) Muscovite (USGS GDS107) Kaolinite (USGS CM9) Montmorillonite (USGS Swy-1) Calcite (USGS WS272) Chlorite (USGS HS179.3B) Epidote (USGS GDS26.a) +1 + 2 = +1 − +1 + 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 -0.5 0 0.5 1 Frequency Cosθ Histogram Alunite GDS84 Kaolinite CM9 Muscovite GDS107 Montmorillonite Swy-1 Buddingtonite GDS85 Calcite WS272 Chlorite HS179.3 Epidote GDS26a Min Max Mean Stdev Alunite USGS GDS84 -0.1174 0.9614 0.2901 0.2235 Kaolinite USGS CM9 -0.0784 0.8753 0.3774 0.1655 Muscovite USGS GDS107 -0.0347 0.8888 0.4360 0.1827 Montmorillonite USGS Swy-1 -0.0987 0.7985 0.3784 0.1590 Buddingtonite USGS GDS85 -0.1320 0.5669 0.1375 0.0695 Calcite USGS WS272 -0.4929 0.7933 -0.0573 0.1600 Chlorite USGS HS179.3 -0.5109 0.2621 -0.1304 0.0735 Epidote USGS GDS26a -0.5261 0.5440 -0.1869 0.1525 5km 0.9 0.4 Reflectance (Offset for Clarity) ３．解析結果 USGSによる鉱物の反射スペクトルを 教師として、2.08～2.40μmの波長域 において解析を実施した。 - Alunite (GDS84) - Kaolinite (CM9) - Muscovite (GDS107) - Montmorillonite (Swy-1) - Buddingtonite (GDS85) - Calcite (WS272) - Chlorite (HS179.3) - Epidote (GDS26a) VNIRフォールスカラー画像 R:G:B = 0.8075μm:0.6648μm:0.5580μm P1 P1 P2 P3 P4 P5 Alunite GDS84 0.945 0.611 0.233 0.552 0.001 Kaolinite CM9 0.553 0.841 0.365 0.357 0.117 Muscovite GDS107 0.315 0.401 0.889 0.315 0.185 Montmorillonite Swy-1 0.240 0.376 0.772 0.263 0.006 Buddingtonite GDS85 0.326 0.151 0.181 0.542 0.033 Calcite WS272 -0.123 -0.069 -0.071 -0.307 0.648 Chlorite HS179.3 -0.107 -0.177 -0.168 -0.219 0.044 Epidote GDS26a -0.280 -0.231 -0.072 -0.485 0.347 Hook (1990) Clark & Swayze (1996) Dr: 一次微分値 R: 反射率 λi: バンドiの中心波長 R² = 0.7306 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.3 0.5 0.7 0.9 Kaolinite USGS CM9 Reflectance Muscovite USGS GDS107 Reflectance R² = 0.2048 -8 -6 -4 -2 0 2 4 6 8 -10 -5 0 5 10 Kaolinite USGS CM9 1st-Derivative Muscovite USGS GDS107 1st-Derivative 一次微分前後のスペクトル スペクトルパターンの変化が 大きい波長域 一次微分値の分散 Cosθ=0.855 Cosθ=0.453 P2 P3 P4 P5 一次微分処理をすることでMuscoviteと Kaoliniteの分離性が向上 解析結果のヒストグラム 上図でカラー表示 している範囲 5 地点の反射スペクトルと解析結果（cosθ値）の比較 各地点でcosθ値が 最も高いもの 赤字 AVIRISデータの反射 スペクトル形状から 推定される鉱物 ４．考察・まとめ • スペクトル一次微分処理を行うことにより目的とする鉱物の分離性が高くなることが 確認された。 • 同じ閾値で結果を表示した場合においても、対象とする鉱物の分布域は概ね妥当 であることから、解析者の閾値の設定方法によって結果が異なってしまうという問題 を低減することができると考えられる。 • 本手法はノイズ等の影響を大きく受け、また本来の反射スペクトルが示す反射率の 高さの違いや、緩やかな吸収特徴等の情報が損なわれるため、解析結果の評価に は必ず元の反射スペクトル形状を併せて確認する必要がある。 課題 ：2.3μm付近に吸収特徴を有するCalcite、Chlorite、Epidoteでは全体的にcosθ値 が低くなる傾向が認められた。原因として、長波長域においてセンサのS/N比が低下す ることにより正確なスペクトル形状が得られにくいことが可能性の1つとして考えられる が、今後も本手法による解析が有効な鉱物について検討していく必要がある。 X: データスペクトル Y: 教師スペクトル X´: データスペクトルの平均ベクトル Y´: 教師スペクトルの平均ベクトル 参考文献 • 齋藤元也, 2011. 農業分野でのハイパースペクトルイメージデータの利用, 第3回ALOS2/3ワークショップ. • Clark, R.N. and Swayze, G.A., 1996. Evolution in imaging spectroscopy analysis and sensor signal-tonoize: An examination of how far we have come, Proc. 6 th Annual JPL Airborne Earth Science Workshop, pp. 49-53. • De Carvalho, O.A., and Meneses, P.R., 2000. Spectral Correlation Mapper (SCM): An improvement on the Spectral Angle Mapper (SAM), Proc. 9 th Annual JPL Airborne Earth Science Workshop. • Hook, S.J., 1990, The combined use of multispectral remotely sensed data from the short wave infrared (SWIR) and thermal infrared (TIR) for lithological mapping and mineral exploration: Fifth Australasian Remote Sensing Conference, Proceedings, Oct., 1990, vol.1, p.371-380. • Kodama, S., et al., 2010, Mapping of hydrothermally altered rocks using the Modified Spectral Angle Mapper (MSAM) method and ASTER SWIR data, IJG, 6(1), pp. 41-53. ※本研究はJOGMECが資源エネルギー庁から受託した次世代地球観測衛星利用基盤技術の研究開発（金属資源探査技術の研究開発）による成果である。 ２．使用データ・解析手法 使用データ ◆AVIRISデータ（2002年7月12日撮影） ◆400～2500nmに220バンド ◆空間分解能8m 解析手法 1. ハイパースペクトルデータ、教師スペクトル（USGS Spectral Library）の一次微分 2. 相関性の算出 -SCM法（Carvalho & Meneses, 2000） -Modified SAM法（Kodama et al., 2010） スペクトル一次微分処理のメリット ： ◆幅の広い大きな吸収に隠れた微小ピークを強調する ◆幅の広いピークの肩に乗ったピークの極大吸収波長を明確にする データ解析フロー 反射率の分散
Transcript of （独）石油天然ガス・金属鉱物資源機構（JOGMEC …...Muscovite USGS GDS107 -0.0347...
ハイパースペクトルデータの一次微分処理を利用した変質鉱物の識別三石真祐瞳・川上裕・近藤智之・中村英克
（独）石油天然ガス・金属鉱物資源機構（JOGMEC）
１．はじめに
鉱物資源探査では斑岩銅鉱床等に伴われる変質鉱物を抽出するた
めに光学リモートセンシングデータが利用されている。ハイパースペク
トルデータによる解析では鉱物の分類精度が高くなることが期待され
るものの、吸収パターンが類似している鉱物等の分離精度については
課題が残されている。
今回、米国ネバダ州キュプライト地域を対象に、新たなハイパースペ
クトルデータ解析手法を適用し、有効性の検討を行った。
対象地域はカンブリア紀の砕屑岩類及び石灰岩、チャートを基盤とし
て、第三紀の火山岩類と第四紀の沖積堆積物が広く分布する。このう
ち第三紀の火山岩類の一部が中新世中期～後期に熱水変質を被り、
珪化及び粘土化帯を形成している。 Alunite (USGS GDS84)
Buddingtonite (USGS GDS85)Muscovite (USGS GDS107)
Kaolinite (USGS CM9)
Montmorillonite (USGS Swy-1)
Calcite (USGS WS272) Chlorite (USGS HS179.3B) Epidote (USGS GDS26.a)
𝐷𝑟𝜆𝑖+1 + 𝜆𝑖
2=𝑅 𝜆𝑖+1 − 𝑅𝜆𝑖𝜆𝑖+1 + 𝜆𝑖
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
-0.5 0 0.5 1
Fre
quency
Cosθ
Histogram Alunite GDS84
Kaolinite CM9
Muscovite GDS107
Montmorillonite Swy-1
Buddingtonite GDS85
Calcite WS272
Chlorite HS179.3
Epidote GDS26a
Min Max Mean Stdev
Alunite USGS GDS84 -0.1174 0.9614 0.2901 0.2235
Kaolinite USGS CM9 -0.0784 0.8753 0.3774 0.1655
Muscovite USGS GDS107 -0.0347 0.8888 0.4360 0.1827
Montmorillonite USGS Swy-1 -0.0987 0.7985 0.3784 0.1590
Buddingtonite USGS GDS85 -0.1320 0.5669 0.1375 0.0695
Calcite USGS WS272 -0.4929 0.7933 -0.0573 0.1600
Chlorite USGS HS179.3 -0.5109 0.2621 -0.1304 0.0735
Epidote USGS GDS26a -0.5261 0.5440 -0.1869 0.1525
5km
0.9
0.4
Refle
cta
nce (
Offset fo
r C
larity
)
３．解析結果
USGSによる鉱物の反射スペクトルを教師として、2.08～2.40μmの波長域において解析を実施した。
- Alunite (GDS84)
- Kaolinite (CM9)
- Muscovite (GDS107)
- Montmorillonite (Swy-1)
- Buddingtonite (GDS85)
- Calcite (WS272)
- Chlorite (HS179.3)
- Epidote (GDS26a)
VNIRフォールスカラー画像
R:G:B = 0.8075μm:0.6648μm:0.5580μm
P1
P1 P2 P3 P4 P5
Alunite GDS84 0.945 0.611 0.233 0.552 0.001
Kaolinite CM9 0.553 0.841 0.365 0.357 0.117
Muscovite GDS107 0.315 0.401 0.889 0.315 0.185
Montmorillonite Swy-1 0.240 0.376 0.772 0.263 0.006
Buddingtonite GDS85 0.326 0.151 0.181 0.542 0.033
Calcite WS272 -0.123 -0.069 -0.071 -0.307 0.648
Chlorite HS179.3 -0.107 -0.177 -0.168 -0.219 0.044
Epidote GDS26a -0.280 -0.231 -0.072 -0.485 0.347
Hook (1990)
Clark & Swayze (1996)
Dr: 一次微分値R: 反射率λi: バンドiの中心波長
R² = 0.7306
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.3 0.5 0.7 0.9
Ka
olin
ite
US
GS
CM
9R
efle
cta
nce
Muscovite USGS GDS107 Reflectance
R² = 0.2048
-8
-6
-4
-2
0
2
4
6
8
-10 -5 0 5 10
Ka
olin
ite
US
GS
CM
9 1
st-
Deri
va
tive
Muscovite USGS GDS107 1st-Derivative
一次微分前後のスペクトル
スペクトルパターンの変化が大きい波長域
一次微分値の分散
Cosθ=0.855
Cosθ=0.453
P2
P3
P4
P5
一次微分処理をすることでMuscoviteとKaoliniteの分離性が向上
解析結果のヒストグラム上図でカラー表示している範囲
5地点の反射スペクトルと解析結果（cosθ値）の比較
各地点でcosθ値が最も高いもの
赤字AVIRISデータの反射スペクトル形状から推定される鉱物
４．考察・まとめ• スペクトル一次微分処理を行うことにより目的とする鉱物の分離性が高くなることが
確認された。
• 同じ閾値で結果を表示した場合においても、対象とする鉱物の分布域は概ね妥当
であることから、解析者の閾値の設定方法によって結果が異なってしまうという問題
を低減することができると考えられる。
• 本手法はノイズ等の影響を大きく受け、また本来の反射スペクトルが示す反射率の
高さの違いや、緩やかな吸収特徴等の情報が損なわれるため、解析結果の評価に
は必ず元の反射スペクトル形状を併せて確認する必要がある。
課題：2.3μm付近に吸収特徴を有するCalcite、Chlorite、Epidoteでは全体的にcosθ値
が低くなる傾向が認められた。原因として、長波長域においてセンサのS/N比が低下す
ることにより正確なスペクトル形状が得られにくいことが可能性の1つとして考えられる
が、今後も本手法による解析が有効な鉱物について検討していく必要がある。
X: データスペクトル Y: 教師スペクトルX´: データスペクトルの平均ベクトルY´: 教師スペクトルの平均ベクトル
参考文献• 齋藤元也, 2011. 農業分野でのハイパースペクトルイメージデータの利用, 第3回ALOS2/3ワークショップ.
• Clark, R.N. and Swayze, G.A., 1996. Evolution in imaging spectroscopy analysis and sensor signal-tonoize: An examination of how far we have come, Proc. 6th Annual JPL Airborne Earth Science Workshop, pp. 49-53.
• De Carvalho, O.A., and Meneses, P.R., 2000. Spectral Correlation Mapper (SCM): An improvement on the Spectral Angle Mapper (SAM), Proc. 9 th Annual JPL Airborne Earth Science Workshop.
• Hook, S.J., 1990, The combined use of multispectral remotely sensed data from the short wave infrared (SWIR) and thermal infrared (TIR) for lithological mapping and mineral exploration: Fifth Australasian Remote Sensing
Conference, Proceedings, Oct., 1990, vol.1, p.371-380.
• Kodama, S., et al., 2010, Mapping of hydrothermally altered rocks using the Modified Spectral Angle Mapper (MSAM) method and ASTER SWIR data, IJG, 6(1), pp. 41-53.
※本研究はJOGMECが資源エネルギー庁から受託した次世代地球観測衛星利用基盤技術の研究開発（金属資源探査技術の研究開発）による成果である。
２．使用データ・解析手法
使用データ
◆AVIRISデータ（2002年7月12日撮影）
◆400～2500nmに220バンド
◆空間分解能8m
解析手法
1. ハイパースペクトルデータ、教師スペクトル（USGS Spectral
Library）の一次微分
2. 相関性の算出
-SCM法（Carvalho & Meneses, 2000）
-Modified SAM法（Kodama et al., 2010）
スペクトル一次微分処理のメリット：
◆幅の広い大きな吸収に隠れた微小ピークを強調する
◆幅の広いピークの肩に乗ったピークの極大吸収波長を明確にする
データ解析フロー
反射率の分散
![MIT 6.01SC S11 Lecture 6: Designing Control Systems …...tV_gfaVW`Ug`WcVbcVaV]`aWg]Wgta`cg_`\Y]W`Ug`WZV`aWfaW`U\]rWgtYf`WgW[UYZVWaqa`ViWga `UYf^UW\`W[VcVWVfa`WY]VWbgc`sWY]VW`U\]^sWY]VWYbVcg`Ycj](https://static.fdocuments.net/doc/165x107/610a4ce678e8d673051cabcc/mit-601sc-s11-lecture-6-designing-control-systems-tvgfavwugwcvbcvavawgwgtacgywugwzvawfawurwgtyfwgwuyzvwaqaviwga.jpg)
