全球视野 媒体聚焦
接受央视报道共计15次 党媒、央媒、地方官媒总传播量达0.5亿人次
油气高光谱遥感探测与应用
高光谱遥感正成为油气勘探领域的一把“光谱钥匙”。它不像传统多光谱遥感只有几个宽波段，而是能在“可见光—近红外—短波红外”范围内提供上百个连续窄波段（光谱分辨率通常10 nm左右），实现“图谱合一”，精准捕捉地表因地下油气微渗漏产生的细微光谱异常。无论是干旱荒漠的矿物蚀变，还是植被覆盖区的植物胁迫，亦或是直接的烃类吸收特征，都能被有效识别。这项技术覆盖范围广，已在国内外多个油田得到验证，尤其适合中国西部复杂地形和植被区勘探辅助。
本文基于最新研究进展，系统梳理高光谱遥感在油气探测中的原理、技术方法、典型案例与展望方向。
烃类微渗漏理论与遥感响应机制
油气藏中的轻烃（主要是甲烷、乙烷等）通过断裂、孔隙或微裂隙缓慢向上运移至地表，形成微渗漏。虽然单次渗漏量极小，但长期积累会在地表产生可检测的异常。遥感探测油气的方法分为直接和间接两类。
直接指示：
地表土壤或岩石吸附的烃类在约1700 nm和2300 nm附近存在特征C-H键伸缩振动吸收峰。实验室混合实验表明，即使烃类与矿物基质混合，这些吸收特征仍可被高光谱数据捕捉（Scafutto et al., 2017）。但实际地表信号往往较弱，易受大气、混合像元和矿物背景干扰。
间接指示（更常用）：
①矿物蚀变：渗漏的还原性烃类改变土壤氧化还原环境，导致红层漂白（赤铁矿转化为针铁矿或菱铁矿）、自生粘土矿物（如高岭石）增加、碳酸盐沉淀等。这些矿物在2200 nm（Al-OH）、2300–2500 nm（碳酸盐）等波段有诊断性吸收特征。
②植被胁迫：土壤缺氧或毒性物质导致植物叶绿素含量下降、叶片结构变化，红边位置（Red Edge Position, REP）向短波方向蓝移，NDVI等植被指数异常。PROSPECT辐射传输模型可模拟这种胁迫光谱，用于反演（van der Meer et al., 2002; Huang et al., 2019）。
这些机制为高光谱探测提供了坚实的理论基础。值得注意的是，Freek van der Meer等人指出微渗漏晕往往呈环状或椭圆状分布，中心可能因“堵塞”而信号较弱。
图 1. 油气藏微渗漏引起的地表蚀变变化（引自Chen et al., 2017)
主要技术方法和数据源
数据源
机载高光谱（如AVIRIS、CASI/SASI、Probe-1）：空间分辨率高（米级），适合重点区详查，但覆盖范围有限、成本较高。
星载高光谱：Hyperion（EO-1，已退役）、中国GF-5 AHSI（高分五号，约330波段，VNIR-SWIR）、EnMAP（德国）、PRISMA（意大利）等。新一代卫星重访周期短、覆盖潜力大，为常规应用奠定基础。
核心处理流程
a. 预处理：辐射定标、大气校正（FLAASH等）、条带噪声去除（GF-5数据常需专用IDL程序消除垂直条纹）、正射校正。
b. 异常提取：光谱匹配法（SAM、SFF）、光谱指数与主成分分析（PCA）、机器学习分类（CART决策树、SVM等）、植被胁迫分析（红边建模、PROSPECT模型）。
c. 后处理与融合：阈值分割、二值化、与地质构造/地球化学数据叠加；野外光谱仪验证或钻井验证。典型案例中，PCA结合CART可有效分离烃类信号与背景干扰（Mu et al., 2023）。
典型应用案例
国际经典案例
美国加州Santa Barbara Ventura盆地（van der Meer et al., 2002）使用Probe-1机载高光谱数据（128波段），结合SAM、Cross Correlogram Spectral Matching (CCSM)、光谱解混和红边建模，利用统计数据整合法（SDI）成功圈定微渗漏晕，概率>0.8，与已知渗漏位置及地下地质数据高度吻合。植被稀疏区矿物异常更明显。
图 2.结果和解释（引自 van der Meer et al., 2002）
(A)叠加渗漏点的Probe数据(16、9、4的假彩色图像)；(B)SDI矿物蚀变概率图；(C)SDI植被胁迫图；(D)地质图；(E)带标注的SDI矿物概率图。所有概率图中P>0.8
国内部分应用案例
•西峰油田（黄土覆盖区）：Chen et al. (2017)利用机载高光谱数据，通过SFF方法提取微渗漏引起的蚀变矿物异常，圈定有利靶区，为黄土塬区油气勘探提供了有效手段。
图 3.由碳氢化合物微渗漏引起的蚀变矿物图（引自Chen et al., 2017)
其中菱铁矿、方解石、伊利石和高岭石以不同的颜色显示。红色圆圈为生产井位置。数字为现场采样点的位置和数量
•庆阳油田（植被覆盖区）：Huang et al. (2019)基于PROSPECT模型模拟植物胁迫光谱，从CASI/SASI机载高光谱数据中提取微渗漏信息，提取结果与已知产油井位置匹配良好，证明了植被区高光谱探测的可行性。
图 4.庆阳油田提取结果图（引自Huang et al., 2019) 油气微渗流图以红色显示，绿色圆圈为产油井位置
•克拉玛依地区（干旱区直接探测）：Mu et al. (2023)首次利用GF-5星载高光谱数据，在克拉玛依地区直接探测地表烃渗漏。通过针对1730 nm和2327 nm吸收特征的“PCA + CART”分类树处理，野外37个验证点准确率达86.5%，成功识别黑油山等已知渗漏点及人工油污区，同时有效掩膜粘土等干扰。该研究为GF-5数据在油气勘探中的应用提供了重要示范。
图 5.碳氢化合物渗漏的最终检测结果（引自Mu et al., 2023)
(a)CART方法后的检测结果；(b)检测结果的假彩色图像，蓝色区域显示石油和天然气泄漏
此外，高光谱还可结合超低频电磁（SLF）等地球物理方法协同探测（Qin et al., 2016），或用于海上油气平台提取和油污环境监测。
图 6.从高光谱图像中提取蚀变矿物的结果（引自Qin et al., 2016)
挑战与未来展望
当前挑战
• 星载数据空间分辨率有限（通常30m），小尺度或隐蔽渗漏难捕捉；机载数据覆盖成本高。
• 植被茂密区信号衰减严重，混合像元问题突出。
• 大气校正、条带去除和定量反演仍需专业处理；野外验证成本高、信号微弱。
• 数据体量大，处理对计算资源和算法要求较高。
未来方向
• 新卫星与平台：商业高光谱小卫星星座将提供更高重访和分辨率；无人机高光谱适合重点区高精度详查。
• AI赋能：深度学习实现自动端元提取、异常检测、超分辨率重建和多时相变化监测，大幅提升效率。
• 多源数据融合：高光谱 + 多光谱时间序列 + InSAR形变 + 地球物理（电磁） + 地球化学 + 微生物指标，构建综合预测模型。
• 应用拓展：从勘探向油气田全生命周期环境监测延伸（泄漏检测、甲烷排放估算、生态影响评估），服务“双碳”目标。
随着国产商业高光谱卫星（如西光壹号/贰号系列）和AI技术的成熟，高光谱遥感有望从“辅助工具”转变为油气勘探的常规手段，尤其在我国西部复杂区和“一带一路”资源合作中发挥重要作用。
结语
高光谱遥感让隐蔽的地下油气“微渗漏”在光谱维度“现形”，为传统勘探提供了快速广域的补充视角。从Santa Barbara的经典验证，到中国西峰、庆阳、克拉玛依的本土实践，这项技术正不断成熟。未来结合新一代卫星、AI和多源融合，它将成为油气资源绿色高效勘探与环境监测的重要利器。
实际项目应用中，建议结合具体区域地质背景、野外验证和多学科融合，充分发挥其优势。欢迎与我们一起交流！