协同利用高光谱与多光谱遥感技术提取油气异常信息

为了在缺少地面实测数据的情况下对遥感油气异常结果进行验证, 利用多光谱遥感数据和高光谱遥感数据对同一地区进行油气异常解译, 针对同一位置使用两种不同数据的异常结果进行相互验证.并提出了利用高光谱异常提取结果作为先验知识的多光谱异常主分量阈值确定方法, 将该方法与传统主分量阈值方法提取的异常结果, 分别与高光谱提取出的粘土异常区域结果进行重叠率计算, 发现该方法提取出的异常区与高光谱提取的结果重叠率达98.808%, 高于传统主分量阈值方法的98.198%.结果表明利用该方法确定的阈值划分出的异常区具有较高的精度.      

AHDEB油田白垩系油藏油气充注期次的流体包裹体证据

伊拉克AHDEB油田油藏成藏规律对油田后期开发具有重要意义, 与埋藏史相结合的流体包裹体研究是揭示油藏油气成藏期次和时间的有效手段.利用伊拉克AHDEB油田白垩系油藏储层样品对流体包裹体特征进行了分析, 并且通过流体包裹体的显微观察、荧光颜色、单一包裹体的红外光谱和均一温度测定, 结合地质背景对该油田的油充注期次进行了研究.研究表明, 油包裹体以发绿色和黄绿色荧光为主, 少数发浅黄色和黄褐色荧光.油包裹体的显微傅立叶红外光谱测定结果计算的CH_2a/CH_3a、X_inc、X_std可划分油的成熟度, 表明存在两种成熟度的油.最后, 根据均一温度测定结果, 结合埋藏史和热史, 认为该油田可能存在4期油充注成藏相关的流体活动: 第1成藏期发生在95.0~96.5Ma, 相当于晚白垩世早期; 第2成藏期为71.0~78.5Ma, 相当于晚白垩世晚期, 第1期和第2期烃源岩排烃规模小, 产生中-重质油, 后期遭受氧化而形成沥青; 第3成藏期发生在14.0~15.0Ma, 相当于中中新世, 处于生排烃高峰期, 为主要成藏期; 第4期发生在10.0Ma左右, 与第3期为多幕连续充注.      

面向地学应用的高光谱遥感器指标体系设计

高光谱成像技术在地物精确分类上的巨大优势, 使其成为地学遥感领域的热点与主要技术手段.为确定适合地学应用的高光谱遥感器的指标体系, 分析了地学应用的需求, 以及高光谱传感器各指标之间的"约束"关系, 包括空间分辨率、光谱分辨率、幅宽以及信噪比等.提出了高分辨率与宽幅高光谱遥感器的指标体系, 利用宽幅高光谱数据与高分辨率高光谱数据, 可同时满足大范围调查以及重点区域详查的地学应用需求, 为未来地学应用高光谱遥感器的体系化发展提供了参考和支持.      

基于光谱特征参数组合的高光谱数据矿物填图方法

受大气环境等因素的影响, 高光谱遥感矿物识别难以达到较高的精度.为解决该问题, 根据光谱吸收特征参数在大气变化中能保持相对稳定的特点, 提出一种基于光谱特征参数组合的高光谱矿物类型识别方法.文中计算了多种光谱特征参数, 通过最佳指数因子(optimum index factor, OIF)优选特征参数组合, 选定最佳特征参数组合, 利用模式识别方法实现矿物识别.利用机载可见/红外成像光谱仪(airborne visible infrared imaging spectrometer, AVIRIS)高光谱数据, 在美国内华达州Cuprite矿区进行了该方法的应用试验研究, 并与前人矿物填图结果做了对比.结果表明: 吸收波谷位置-吸收面积-吸收右肩位置(P-A-S₂)光谱特征参数组合的矿物识别效果最优, 整体精度达到74.68%.      

植被覆盖区高光谱遥感影像上蚀变岩与蚀变矿物信息的提取

在高光谱遥感找矿应用中,从影像上提取的蚀变信息经常包含了很多对找矿无用的信息。为了避免这些无用信息,本研究选取植被覆盖的云南普朗斑岩铜矿区作为研究区,使用该区高光谱遥感数据分别提取蚀变岩和蚀变矿物的信息,分析它们对找矿的有用性。提取蚀变矿物信息使用的是从影像上提取的矿物端元参考光谱,光谱匹配采用的是光谱角方法;提取蚀变岩信息使用的是野外蚀变岩参考光谱,光谱匹配不仅考虑光谱的整体形态,而且考虑吸收谷位置形态。在蚀变岩识别图上,4个典型蚀变岩点的野外验证表明:识别结果与实地地物基本一致。但是,在蚀变矿物信息图中,这4个圈定点无任何信息。这表明:这些点的蚀变岩信息较其表面蚀变矿物信息更丰富,因而能被有效提取出。通过比较蚀变岩、蚀变矿物的信息分布图,发现:一些粘土矿物(比如硬石膏和高岭石)的大量信息分布在沉积岩区,因而可能是假的蚀变信息。这表明:通过蚀变岩光谱获取的蚀变信息比通过蚀变矿物光谱获取的蚀变信息更可靠。在蚀变岩信息提取中,比较吸收谷位置识别前后的结果表明:考虑光谱整体和局部形态比仅考虑整体形态的识别结果具有更高的可靠性。     

融合光谱-空间信息的高光谱遥感影像增量分类算法

提出了一种融合光谱和空间结构信息的高光谱遥感影像增量分类算法INC_SPEC_MPext。通过主成分分析(PCA)提取高光谱影像的若干主成分,利用数学形态学提取各主分量影像对应的形态学剖面(MP),再将所有主分量影像的形态学剖面归并联结,组成扩展的形态学剖面(MPext)。将MPext与光谱信息相结合以增加知识,最大限度地挖掘未标记样本的有用信息,优化分类器的学习能力。不断从分类器对未标记样本的预测结果中甄选置信度高的样本加入训练集,并迭代地利用扩大的训练集进行分类器构建和样本预测。以不同地表覆盖类型的AVIRIS Indian Pines和Hyperion EO-1Botswana作为测试数据,分别与基于光谱、MPext、光谱和MPext融合的分类方法进行比对。试验结果表明,在训练样本数量有限情况下,INC_SPEC_MPext算法在降低分类成本的同时,分类精度和Kappa系数都有不同程度的提高。     

利用多光谱影像检测资源三号卫星平台震颤

卫星平台震颤是影响高分辨率卫星成像质量的因素之一,会引起影像模糊和内部畸变。本文从资源三号卫星多光谱相机的成像特点和多光谱影像配准误差影响因素入手,理论推导和仿真分析了卫星平台震颤对配准误差的影响规律,在此基础上提出了基于多光谱影像高精度密集匹配的平台震颤检测方法和流程,最后利用不同波段、不同时间的成像数据进行试验。试验结果表明资源三号卫星在试验数据成像阶段存在约0.6Hz的平台震颤,且垂轨方向震颤幅值大于沿轨方向,同时引起波段间相同频率周期性配准误差。检测结果为进一步提高资源三号处理精度提供了可能,也为卫星平台震颤源的分析和优化卫星平台设计提供了重要参考依据。     

高光谱影像光谱-空间多特征加权概率融合分类

提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和 AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。     

高光谱影像信息向量机分类

信息向量机是一种基于贝叶斯理论的稀疏高斯过程方法,其模型训练速度快、内存耗费小、稀疏性强,具有良好的预测性能。本文从高斯过程回归模型出发,提出了一种基于信息向量机的高光谱影像分类方法,针对高斯过程分类中的非高斯噪声模型,采用假定概率滤波算法将分类问题转化为回归问题,通过最大化边缘似然函数进行模型训练,选择活动子集中的信息向量数量达到了稀疏的目的。通过ROSIS影像试验,表明了基于信息向量机的高光谱影像分类方法的优势。     

IGS跟踪站的大地高时间序列特征分析

应用国内几个IGS跟踪站在U方向的观测数据,分析研究跟踪站大地高的变化趋势。通过对时间序列进行奇异谱分析和傅立叶变换分析,表明大地高时间序列具有一定的周期性,且周期特性明显,时间序列的时频特性表现出明显的区域性。