基于多源遥感与航空物探数据的岩性分类方法

遥感影像可以获取地表岩性的光谱、色调、纹理等信息,但其所提取的信息局限于地表,对深层地质问题解释并无明显优势;航空物探数据则对地下深部异常体信息的提取更具优势。单一某类数据难以满足基础地质、资源勘查等方面复杂应用的需求。因此,提出一种遥感与航空物探信息联合分析方法,以新疆某地为研究区,结合遥感与航空物探多源数据特征,基于随机森林方法对研究区岩性进行分类。结果表明,与使用单一某类数据相比,遥感与航空物探信息联合分析方法能提高岩性分类精度。该方法对于推动遥感与航空物探技术在地质填图中的精细化应用,具有一定实用价值与指导意义。     

基于BP神经网络的航空物探数据分类方法

大比例尺、高精度航空物探测量,为岩性分类提供了可靠的基础资料,而BP神经网络分类为岩性分类提供了有效手段.笔者依据BP神经网络模型原理,编制了用于航空物探数据处理与解释的BP神经网络软件,并成功用于航空伽马能谱的岩性分类解释.示例证明,借助BP神经网络算法,处理并解释航空物探数据的分类问题,如岩性划分等,具有十分明显的效果.     

SAR遥感数据用于岩性识别与分类的研究

利用新疆北部山区雷达遥感数据,通过遥感数字图像处理与增强,生成雷达遥感假彩色合成影像应用于岩性判释。对不同岩性岩石,利用极化雷达提供的地表岩石的多种散射信息作为输入进行计算机神经网络分类,岩性识别分类的总精度为62.6%。与常规雷达数据分类对比,分类精度与岩石识别正确率均有显著提高。     

航空物探在酸性岩岩性划分中的效果

北山地区近几年来开展的大比例尺、高精度航空物探 (磁、伽马能谱)测量,为岩性分类提供了可靠的高分辨率基础资料,也为这一地区的地质矿产勘查提供了新的信息.以北山东段岩性构造填图酸性侵入岩分类为例,介绍航空物探岩性分类的技术方法及工作要点.     

多源遥感数据管理系统研究

针对多源遥感数据管理问题进行探索研究,主要运用镶嵌数据集模型和影像与解译数据集成显示方法.基于ArcGIS和IMINT特征知识库平台,使用C#和其他编程工具进行开发,设计并实现了多源遥感数据管理系统的功能模块,可以高效、简便地管理多源遥感数据.     

多源遥感数据反演土壤水分方法

基于ASAR-APP影像数据和光学影像数据,根据水云模型研究了小麦覆盖下地表土壤含水量的反演方法。利用TM和MODIS影像构建的植被生物、物理参数与实测小麦含水量进行回归分析,发现TM影像提取的归一化水分指数(NDWI)反演精度较好,相关系数达到0.87。根据这一关系,结合水云模型并联立裸露地表土壤湿度反演模型,建立了基于多源遥感数据的土壤含水量反演模型和参数统一求解方案。反演结果表明:该方案可得到理想的土壤水分反演精度,并可控制参数估计的误差。反演土壤含水量和准同步实测数据的相关系数为0.9,均方根误差为3.83%。在此基础上,分析了模型参数的敏感性,并制作了研究区土壤缺水量分布图。     

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。     

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。     

多源遥感影像融合方法研究

遥感影像融合处理能够综合利用来自同一场景的不同源的影像信息,获得更为准确、可靠的信息描述,是现代遥感技术的重要组成部分,是解决多源遥感数据综合、提高遥感影像空间分辨率和光谱信息以及挖掘遥感信息潜力的有效方法。针对多源遥感影像数据融合的技术原理及方法进行分析,比较其优缺点,同时给出影像融合的基本步骤以及评价准则。     

多源遥感数据图谱协同岩石单元分类方法

岩石单元的结构、构造、差异风化和出露状况在遥感图像上综合表现为图形纹理特征即“图”标志，其矿物成分和组合则表现为光谱特征即“谱”标志.传统遥感岩石单元分类以利用其光谱特征为主，图形纹理特征为辅，因此分类精度有限.以新疆维吾尔自治区与甘肃省交界的北山西段为研究区，开展岩石单元图形指数和光谱指数协同分类方法研究.基于Worldview-2全色图像构建的图形指数，能够量化岩石单元的层理、构造、展布形态和微地貌等特征，包括0°和45°定向滤波图像及灰度共生矩阵计算出的同质性和异质性特征图像、熵特征图像；光谱指数基于Worldview-2多光谱图像和ASTER（Advanced Spaceborne Thermal Emission and Reflection Radiometer）短波红外波段图像利用比值、和-差方法构建.多源遥感图像构建的光谱指数其光谱波段涵盖可见光-近红外及短波红外，包括RI（Ratio index）_ASTER、SI（Spectral index）_ASTER、SI_Worldview-2.采用面向对象方法对建立的图谱指数进行多尺度分割，依据不同岩石单元出露规模建立适宜的分割尺度，利用光谱指数自动提取相应岩石信息，实现岩石单元自动分类.结果表明，实验区基于图谱协同方法共划分出17类岩石单元，总体精度达到83.62%，而单独利用Worldview-2和ASTER图像，仅划分出13类和14类岩石单元.提出的图谱协同岩石分类方法可为我国西部高海拔深切割无人区地质调查及找矿工作提供新思路和遥感技术支撑.      

多源遥感数据在新疆精河县震后滑坡调查中的应用

文章将高分二号（GF-2）和高景一号（Superview-1）等高分辨率卫星影像应用于精河县滑坡应急调查中,采用二、三维一体化技术解译疑似滑坡点20处,并以GF-2号卫星数据为基础,结合1:10万地质图勾画了研究区地层岩性分布图。由此,总结出滑坡点主要沿精河分布,坡体坡度一般介于42~60°之间,并大部分发生于头苏泉组（D2to）地层中的规律,为今后地质灾害的应急调查提供参考、示范。     

基于植被抑制法的植被覆盖区多光谱遥感岩性分类

植被的发育限制了遥感在地质学方面的应用, 在植被覆盖区进行岩石填图, 首先要考虑去除植被干扰影响.以内蒙古东乌旗地区为例, 选择先进星载热发射和反射辐射仪(advanced spaceborne thermal emission and reflection radiometer, ASTER)数据, 分别计算研究区内含土壤因子植被指数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, 挑选出植被信息被抑制和岩石-土壤信息突出的主成分进行岩性分类, 和利用最大似然法的分类结果进行对比分析, 评价两种方法的岩性分类性能, 植被抑制法的总体分类正确率为82.946 8%, 最大似然法的总体分类正确率为76.364 3%.结果说明在植被覆盖区, 利用植被指数来抑制植被信息是可行的, 和常规分类方法中的最大似然法相比, 大大提高解译的准确性.      

加入多尺度图像纹理的岩性分类

利用遥感图像进行岩性分类,是遥感地质应用的重要方面之一.本文运用地统计学中变差函数提取图像纹理,并与原始的光谱图像相结合用于遥感图像的岩性分类.文章分析了不同尺度的纹理信息对岩性分类的作用,并进一步分析和比较多尺度图像纹理对岩性分类的作用.结果表明,在岩性分类过程中加入不同尺度的纹理信息可不同程度地提高图像的岩性分类精度,而同时加入多尺度的纹理信息,可得到更高的分类精度.将多尺度的图像纹理信息和光谱信息综合,是一种有效的岩性分类方法.     

三峡库区岩性智能分类研究

三峡库区岩体上方覆盖着厚实的土壤和茂密的植被,是高植被覆盖区,岩性信息弱,因此岩性识别和分类困难,没有成熟的方法可循。针对三峡库区进行岩性分析,选择三峡库区巴东城区作为研究区域,采用2000年5月成像的ETM+遥感影像,构造纹理、光谱、植被覆盖等17个分类因子,将遥感影像与地质图叠加,选取1 101个样本点,采用决策树C4.5算法,挖掘出三峡库区巴东县处岩性的解译规则和知识,决策树的学习精度为96.6%,剪枝后精度为95.9%,规则提取的精度为93.1%,提取的规则置信度很高,并基于知识驱动和规则匹配实现了岩性的智能分类,分类精度较高为90.11%;将分类结果与IsoData方法、K-Means方法、马氏距离法、最大似然法、最小距离法、平行六面体方法等6种方法的分类结果进行比较,试验结果证明,决策树方法的分类结果最好,精度明显高于其他6种方法。     

基于多源遥感数据的青藏高原植被变化特征评价

近几十年来青藏高原升温速率约为全球同期升温速率的2倍,对植被产生了巨大影响,给脆弱的生态环境增加了许多不确定因素,准确评估该地区植被变化显得尤为重要。不同的卫星遥感数据源对评估结果带来一定的不确定性,而过去对多源数据在该地区评估的差异性研究尚不清晰。利用MODIS、GIMMS和SPOT的NDVI数据集通过Theil-Sen趋势估计和Mann-Kendall趋势检验对2000—2014年青藏高原地区的植被变化进行分析,并对不同数据之间的差异性进行评价。结果表明：SPOT NDVI反映的植被绿化显著且迅速,27.44%的像元显著绿化,分别超出MODIS与GIMMS NDVI 4.10%、15.89%,生长季显著绿化趋势达到0.0182 （10a）^-1,高于其他数据0.0078~0.0090 （10a）^-1。MODIS NDVI随着分辨率的提高,显著绿化的像元占比与绿化趋势却逐渐降低;MODIS数据之间显著绿化的像元占比相差不足2.80%。GIMMS NDVI显著褐化的像元占比平均达5.83%,超出其他数据3.37%~5.51%,在春季显著褐化像元最多（7.88%）,与显著绿化像元占比相当。区域平均NDVI具有最小的显著绿化趋势［0.0092 （10a）^-1］,并在春、夏两季表现为植被褐化。因此,基于GIMMS NDVI探究青藏高原植被变化特征时,特别是对春季物候研究,可能会造成结果较大的不确定性。而SPOT与MODIS NDVI体现了较高的一致性,可以互为补充,探究高原植被变化。     

基于深度特征的双极化SAR遥感图像岩性自动分类

基于像元基元、极化合成孔径雷达（Synthetic Aperture Radar,SAR）数据和传统机器学习算法的岩性分类方法,易受SAR图像固有斑点噪声影响,精度不高.为了降低噪声的影响,本研究以大尺度像元邻域为基元,用于表征地表地质体的遥感图像特征和岩性语义信息;采用高分三号双极化SAR数据进行极化分解构建3通道假彩色合成影像;然后采用深度卷积神经网络（Deep Convolutional Neural Network,DCNN）迁移学习的方法,提取有效的深度特征表示,分别实现5 m和15 m两种空间分辨率下岩性遥感自动分类.结果表明:基于不同分辨率数据和不同DCNN算法,岩性遥感自动分类的总精度均大于80%,最高精度达到91%.基于大尺度像元邻域和DCNN迁移学习方法,能够实现基于SAR数据的高精度岩性分类.      

基于多源遥感数据的云南西双版纳地区地质构造解译

西双版纳地区地处云南横断山系纵谷南段西双版纳热带雨林区,常年高温多雨、植被茂密、地形复杂,出露地质信息少,给区域地质调查工作造成了很大的困难。为有效获取该地区更多的地质信息,配合使用Landsat 8 OLI、SPOT 6、Sentinel-1A雷达遥感数据和高程数据等多源数据,基于建立的解译标志,提取区内地质构造信息,大至宏观上的大地构造背景信息、小至露头尺度构造信息,并详细分析区内各类型线性断裂构造的遥感影像特征与地质意义。提取的构造结果表明,原地质构造与解译构造吻合度较高,同时新解译出大量的线性构造。研究成果为完善该地区的地质构造轮廓与特征认识提供了丰富的遥感基础资料。     

基于多源遥感数据的高位滑坡特征分析——以广元市利州区荣山镇岩窝村滑坡为例

2021年10月6日13时许,四川省广元市利州区荣山镇岩窝村三组发生高位滑坡灾害。滑坡造成4处民房、3条电力线路被毁,掩埋170 m长的乡村公路,堵塞河道350 m。利用高位滑坡滑前多期卫星数据、滑坡滑后高精度无人机航空影像以及机载LiDAR数据等多源遥感信息源,采用三维立体+时间的四维分析方法,研究高位滑坡特征及其滑动模式。从高位滑坡发育背景入手,通过高位滑坡滑前变形特征以及高位滑动过程动态分析,总结高位滑坡变形破坏特征及滑动模式。根据滑坡已经发生过程推演及后部残留滑坡体稳定性分析结果,预测分析高位滑坡未来滑动的三种滑动模式：一是滑坡后缘继续错落和活动,挤压前部滑坡体直接剪出;二是滑坡后缘继续错落和活动,沿着已有滑坡通道发生推移式滑坡;三是前部滑坡体启动,引发中后部滑坡体发生牵引式滑坡。高位滑坡在西南山区屡见不鲜,在早期地质灾害隐患调查中应有效识别、加强防灾减灾措施。     

基于多源多时相遥感数据的稀土开采状况与地质环境问题监测

稀土矿床开采导致矿产资源极大损失,并造成植被破坏、水土流失、环境污染等严重的地质环境问题。本文选取韶关新丰、清远英德交界区域为研究区,采用2010年到2012年3期不同来源的遥感影像为数据源,在建立解译标志的基础上,采用人机交互解译方法提取各年度的稀土开采状况、矿山地质环境问题及恢复治理情况,并进行野外实地验证。监测结果表明,研究区稀土开采图斑较多,但均已停采,矿山地质环境问题较为严重,且大多未进行有效治理。研究发现,基于多源多时相遥感数据的遥感调查手段,既能利用不同时相数据的时效性优势,又能发挥不同分辨率数据识别各类矿山地物和地质环境要素的能力,有效监测稀土矿区的整体状况和变化情况,为国土、环保等相关部门进行矿政管理和地质环境综合治理决策提供科学依据。