成像光谱数据建模与分类识别技术研究——以云南腾冲矿区为试验区

在系统分析成像光谱数据特征及岩石矿物具有诊断意义的吸收光谱特征形成机理的基础上，采用基于相关系数测度的光谱匹配技术、基于高斯改进型模型的光谱建模技术及人工神经网络分类算法，实现了岩石矿物光谱特征波形对比分析及诊断光谱信息提取与建模，提高了光谱分类识别算法的计算速度和分类精度。采用上述技术对云南腾冲铀矿区进行实验研究，取得良好效果。     

植被覆盖区卫星高光谱遥感岩性分类

植被高覆盖区岩石和土壤在遥感图像上表现为弱信息、小目标,如何利用卫星高光谱遥感提取岩性弱信息是目前遥感地质应用中的最大挑战之一。以黑龙江呼玛地区为例,选择美国EO-1卫星Hyperion高光谱数据。由于植被与下伏岩石-土壤的光谱混合,分别计算研究区含土壤因子和不含土壤因子的植被指数,并对两类不同的植被指数进行主成分分析,以此分离植被和岩石-土壤组分。在含土壤因子植被指数主成分分析的二维组分散点图上,明显区分出背景植被与异常岩石-土壤组分,证实了植被与岩石-土壤组分经主成分分析分离的效果。同时在不添加土壤因子植被指数的分析中,明显区分出植被覆盖信息。通过对实验区典型岩石进行野外光谱测试,然后对光谱进行连续统去除处理,将其作为参考光谱,与分离后的岩石-土壤光谱进行光谱特征拟合（SFF）,从而成功地识别出研究区内不同岩石类型,特别是玄武岩、流纹岩、砂砾岩、安山质凝灰岩、大理岩和石英片岩识别效果较好。根据研究区内不同岩石地层单元内岩石组合特征,通过分离后的组分合成图像,成功地实现了岩性分类。与已知地质图叠加,证实通过卫星高光谱数据提取的不同岩石类型颜色边界与地质图岩性界线吻合较好。结果表明：通过植被与岩石-土壤光谱组分分离,结合高光谱遥感的光谱特征拟合,能够识别不同的岩石类型,实现植被覆盖区岩性分类。     

基于热红外遥感数据的西藏冈底斯东段岩性识别

ASTER数据包含有从太空测量来自地球表面的多光谱热红外辐射数据。通过对JHU光谱库中岩石矿物热红外光谱特征的分析,以及对ASTER影像TIR波段光谱特征进行分析,利用比值法和光谱角制图法SAM相结合进行石英、砂岩和硅酸盐岩类等造岩矿物识别并在西藏冈底斯东段泽当矿田应用,最后将遥感解译分析结果与该区已的地质资料进行比较。结果表明,ASTER影像TIR波段基本上能识别硅酸盐类造岩矿物,并且对于岩性识别具有很大的应用潜力。     

基于光谱指数的遥感影像岩性分类

由于传统的岩性分类方法受岩石辐射干扰因素大, 存在"同物异谱"以及"同谱异物"现象, 岩性分类精度低, 所以在深入分析岩石矿物光谱特征基础上, 以西昆仑成矿带地区的二长花岗岩、石英正长岩以及正长岩为研究对象, 基于这3种岩性的实测光谱数据以及先进星载热发射和反射辐射仪(advanced spaceborne theemal emission and reflection radiometer, ASTER)影像数据的波段设置特征, 建立了RI和SI两种光谱指数.利用所建立的RI以及SI光谱指数对ASTER遥感数据进行岩性分类.结果显示, RI和SI两种光谱指数法在提取二长花岗岩时精度达到70%以上, 石英正长岩精度为80%左右, 与最大似然法得到的分类结果相比, 这两种岩性的分类精度明显提高了.      

基于Hyperion高光谱数据和随机森林方法的岩性分类与分析

探索利用高光谱数据的岩性填图新方法是遥感地质应用领域的重要需求之一。本文运用随机森林方法和EO-1Hyperion高光谱数据,对新疆塔里木西北部柯坪地区的局部区域进行岩性分类,并对相关问题进行分析。分别利用光谱特征以及加入光谱一阶导数特征进行岩性分类,并对不同特征对岩性分类的重要性进行分析,同时与现有的基于光谱角制图方法(SAM)进行比较。结果表明,与SAM方法相比,随机森林方法得到了更高精度的岩性分类结果,是一种有效可行的岩性分类方法。根据特征重要性的排序,蓝绿光波段、短波红外波段以及相应的一阶导数特征对研究区Hyperion数据的沉积岩岩性分类贡献更大。     

Hyperion高光谱遥感岩性识别填图

Hyperion高光谱数据在蚀变矿物填图方面已凸显其优越性,而在岩性识别方面大多仍在探讨中.通过应用Hyperion数据结合野外光谱采集,在研究区进行了岩性填图的试验研究.同时,叙述了野外采集光谱数据的过程,建立了野外实测光谱数据库,利用野外实测岩石光谱作为端元光谱进行SAM(Spectral Angle Match)光谱角岩性填图.这对于地质环境复杂地区的岩性填图工作具有一定的应用价值.     

ASD FieldSpec 3地物光谱数据在水磨—大河地区岩性分类中的应用

以四川省旺苍县水磨—大河地区为研究区, 利用美国ASD FieldSpec 3便携式地物光谱仪野外实测岩矿波谱数据和ASTER遥感影像数据, 基于GIS平台, 根据野外实测的岩石光谱曲线和USGS光谱库的典型岩石光谱曲线提取端元波谱, 对区域影像像元的光谱曲线进行匹配, 采用ENVI4.4软件自动信息提取与人机交互解译相结合的方式, 进行岩性分类, 可以有效地划分区内岩性界线, 满足填图需求, 对辅助该区区域基础地质调查、矿产普查等具有重要的应用价值。      

基于激光诱导击穿光谱技术的岩石表面指纹图谱分析及分类方法

岩石岩性识别在油气田探测开发、研究地球成因及演化发展、地质灾害分析预测等众多方面起着不可替代的导向作用,因此岩石的识别分类对于地质勘探分析来说至关重要。为了提高岩石的分类准确率,提出了一种基于激光诱导击穿光谱技术(LIBS)的岩石表面指纹图谱分析及分类方法。通过LIBS对岩石表面不同位置进行激发,获取原始光谱数据。对收集到的光谱数据进行去除异常点、归一化等预处理操作,根据岩石矿物成分确定五种含量差异较大元素(硅、铝、钾、钠、镁)的特征谱线并得到元素指纹图谱。然后选择支持向量机(SVM)作为分类器进行分类,分别建立利用光谱均值的分类模型和多维指纹图谱融合的分类模型,并对两种分类结果进行比较。利用光谱均值的分类模型准确率为59. 4%,多维指纹图谱融合的模型分类准确率为96. 5%。实验结果表明,元素指纹图谱展示了岩石表面元素分布,可以充分利用不同种类岩石本身的不均匀性结构信息,极大地提高了岩石的分类准确率。     

砂岩型铀矿光谱特征匹配技术研究

本根据成像光谱数据的特点，采用高精度光谱数据预处理技术和基于相关系数测度的光谱匹配技术，实现了岩石矿物光谱特征波形对比分析及诊断光谱信息提取。在此基础上，以云南腾冲铀矿区和内蒙古海拉尔盆地为例，进行试验研究，取得实效。     

多光谱、高光谱遥感岩性解译在川藏铁路勘察中的应用——以藏东南怒江峡谷拥巴地区为例

遥感技术为岩性识别提供了新的视角和重要途径。川藏铁路康玉隧道地处藏东南横断山怒江峡谷拥巴地区,全长20.235 km,最大埋深1314m。针对该区地形起伏大,环境恶劣,人员难以到达,基础地质资料薄弱的现状,综合运用高分辨率、多光谱和高光谱遥感数据进行地层岩性的综合解译。在高分辨率遥感影像目视解译的基础上,运用波谱角度匹配(SAM)、最小噪声分离变换(MNF)、典型波段组合等有效提取岩性信息的多光谱、高光谱遥感数据综合处理方案,并结合GF-5号高光谱数据丰富的波段信息,进行遥感信息的有效增强、提取及自动分类。在详细野外验证的基础上,新识别并划分出一套北西向展布的中侏罗统桑卡拉佣组(J₂s)碳酸盐岩地层,细化了古近系宗白群(E₂z)等多个地层单位边界,修订原地层界线10余处,并形成了适合高原地貌起伏区快速识别及有效获取岩性、地层界线的遥感解译技术方案。该研究可为铁路规划、选线和设计提供重要的基础资料,同时亦有助于遥感岩性解译工作的推广应用。     

辽宁兴城地区岩石光谱测试及特征分析

在辽宁兴城野外实习基地采用ASD光谱仪完成不同岩石样品光谱测试的基础上, 分析了不同类型、不同地质时代的岩浆岩和沉积岩, 及其风化面和新鲜面的光谱曲线特征。兴城野外不同岩浆岩与沉积岩光谱曲线形态相似, 新鲜面和风化面的特征光谱吸收位置相差不大, 但新鲜面的反射率普遍高于风化面的反射率;岩浆岩和沉积岩样品一般在波长为900 nm左右存在铁离子吸收谷;除了在1 400 nm和1 900 nm处有水汽吸收带外, 岩浆岩和沉积岩样品在2 200 nm左右还存在强吸收谷, 而灰岩在2 300 nm左右有比较高的吸收谷, 这也是利用实测光谱进行岩性分类的理论基础。但是, 不同地质年代下的岩石光谱曲线变化并无规律, 更多地与岩石结构、成分和环境因素等相关。这样, 岩石光谱测试及其特征分析可满足研究区岩性识别、矿化蚀变信息提取的需要。     

新疆北山地区侵入岩遥感识别方法

基于ASTER数据、Landsat 8数据及WorldView-2数据,采用波段组合法、最小噪声分离法、主成分分析法以及波段比值法,结合岩石光谱曲线,综合提取了新疆北山地区侵入岩的岩性特征。对WorldView-2进行主成分分析和最小噪声分离,并将R(PCA2)G(PCA1)B(PCA4)、R(MNF2)G(MNF1)B(PCA1)、OLI数据R(B7)G(B6)B(B5)进行假彩色合成,利用OLI数据中的B5/B2、B2/B1突出花岗岩。这些方法解决了复杂岩性的影像色调差异较小、细节不清晰等问题,降低了岩性划分及解译的难度,使各种岩性界线更加明晰。结合前人的区域地质调查成果,对研究区侵入岩岩性进行了系统解译及分析。多源遥感数据的综合利用,有助于更有效地识别复杂岩性并进行更详细的岩性分类,提高遥感岩性识别的正确率。     

Performance of image classification on hyperspectral imagery for lithological mapping

SVM and SAM classifiers for the lithological mapping using Hyperion data in parts of Gadag schist belt of western Dharwar craton, Karnataka, India were used. The main objective of the present study is to assess and compare the potential use of Hyperion data set for lithological mapping. Accuracy assessment of the derived thematic maps was based on the analysis of the confusion matrix statistics computed for each classification map. For consistency, the same set of validation points were used in evaluating the accuracy of the lithological thematic maps produced. On the basis of the accuracy assessment results, it appears that SVM generally outperformed the SAM classifier in both OA accuracy and individual classes’ accuracies. OA accuracy and Kc for SVM is 96.93% and 0.9655, whereas for SAM it is 74.02% and 0.7085 respectively. SVM classification is the best in describing the spatial distribution and the cover density of each lithology, as was also indicated from the statistics of the individual class results. The individual class accuracy were also analyzed for the SVM and the result show that PA ranges from 87% to 100% and UA ranges from 91% to 100%, whereas for SAM ranges from 15% to 95%, and from 31% to 100% respectively. The SVM method could effectively classify and improve on the existing geological map for the Gadag schist belt (GSB) using hyperspectral data. The results could be validated through field visits. Therefore, it is concluded that hyperspectral remote sensing data can be efficiently used to improve existing maps, especially in areas where same rock types show variable degree of alteration over smaller spatial scales.     

多源遥感数据在新疆卡拉麦里地区岩矿识别中的应用

遥感技术广泛应用于地质基础调查、矿产资源勘探、环境评估和地质灾害调查等方面。它已从多光谱发展到高光谱阶段,Landsat- 8是目前最具有代表性和最常用的多光谱数据,ASTER具有高的分辨率和多波段特征,资源一号02D(ZY1- 02D)卫星是我国2019年发射的高光谱业务卫星。为了更好地了解多源遥感数据在岩矿识别中的作用,在新疆东天山卡拉麦里地区进行了相关研究。结果表明：Landsat- 8 OLI的PCA变换结果清晰识别了研究区不同的岩性和地层;使用Landsat- 8 OLI、ASTER和ZY1- 02D高光谱数据,分别采取不同的图像端元提取方法,在进行光谱分析的基础上,利用光谱角填图（SAM）即可得到研究区的主要矿物分类图件。通过野外验证,应用GIS技术进行集成和分析,修正相关图件后,便得到了精准的矿物分类综合图。研究表明：多源遥感数据的集成在岩矿识别方面效果良好、前景巨大。