遥感数据协同划分影像地层方法研究——以新疆塔木地区Worldview-2与Landsat-8数据为例

帅 爽，孟 丹，穆 超，谢 菲，胡海潮，邵泽兴

(湖北省国土测绘院，湖北武汉 430010)

TM和ASTER中等分辨率遥感数据相继应用于蚀变岩信息提取、岩性识别和影像地层划分，在区域地质调查、矿产勘查中发挥了重大作用，遥感技术的应用已逐步走向成熟［1-5］。受其空间分辨率影响，影像像元混合严重，其光谱信息、结构信息不能满足更为复杂的岩石矿物信息提取。随着遥感技术的发展，遥感探测频谱范围不断拓宽、分辨率不断提高，可利用的数据源也不断增多，如Worldview-2遥感数据作为新的数据源，其全色空间分辨率达0．46 m，同时多光谱具有8个波段。Landsat-8数据相对于Landsat-7新增一个深蓝波段、一个短波红外波段和一个热红外波段，并且波段宽度变窄。如何挖掘多源遥感数据各自的优点，将其协同应用于遥感地质领域是一项意义重大的课题，也是现代遥感找矿技术发展的必然趋势。

在使用多种数据进行岩性识别和划分方面，前人也做了一些研究。余海阔等为了充分利用ASTER和LandSat ETM+数据特征，将两类数据共21个波段进行协同识别岩性，结果对岩性分类的精度比任何以其中单一数据得到效果更好［6］。但这两种数据的大部分光谱覆盖范围均为重合，未达到理想的光谱协同效果。Rowan等在美国内华达州铜矿区蚀变岩信息提取中，釆用ASTER、AVIRIS和TM数据进行试验，并评价了三种数据的矿物信息识别能力［7］。D．RoS等协同利用TM、SPOT数据，数字高程模型，地球化学数据，对爱琴海盆地岛弧中的低温热液型金矿进行研究，用5/7、3/1等比值及主成分分析等数学运算进行蚀变带识别［8］。这些方法并没有深入探讨多源数据各自的优势，从光谱和空间探测能力上对数据进行扩展和提升。

本文以协同思想为指导，分析Landsat-8数据和Worldview-2数据光谱信息、空间结构信息在岩性划分方面的作用，将不同覆盖范围的波段进行叠加协同，达到光谱分辨率上的协同;并将Landsat-8多光谱数据与Worldview-2数据融合，使其空间分辨率提高到2 m，最终得到兼顾光谱信息和高空间分辨率的协同数据，利用协同遥感数据可高精度地对区域岩性进行划分。

1 不同影像数据基本性能分析

Worldview-2和Landsat-8数据在光谱分辨率、空间分辨率、时间分辨率及辐射分辨率方面均有所差异。从地质体的属性结构上看，影像的时间分辨率及辐射分辨率对遥感岩性的识别影响较小。因此仅对两种数据在光谱、空间上的探测能力进行对比分析。

1．1 光谱探测能力对比分析

光谱分辨率指传感器探测器件接收电磁波辐射时所能区分的最小波长范围，也指传感器在其波长范围内所能划分的波段量度，波段的波长范围越小，波段越多，则波谱分辨率越高。Worldview-2、Landsat-8数据波谱范围对比图1可看出，在可见光—近红外波谱范围内，Worldview-2数据波段范围连续分布，基本上实现该波谱范围内波谱全覆盖，平均波段宽度50 nm，光谱分辨率高。Landsat-8除红绿蓝波段外，还有一个深蓝波段和一个近红外波段，平均波段宽度也为50 nm，但在此波段范围内波段覆盖范围没有Worldview-2数据大，且波段不连续。

在中红外—短波红外波谱范围内，Worldview-2数据没有波段设置，Landsat-8数据在短波红外波段设置有3个波段，平均波段宽度110 nm，光谱分辨率要高于Worldview-2数据。但Landsat-8第9波段图像噪声非常大，主要用于识别卷云，辐射定标后的值集中在0．011 697～0．023 395。因此，在下面的数据处理中将第9波段剔除。

图1 Worldview-2、Landsat-8数据波谱范围对比Fig．1 Comparison of spectrum wavelength range of Worldview-2、Landsat-8 data

1．2 空间探测能力对比分析

空间分辨率是指图像中可辨认的临界物体空间几何长度的最小极限，即对细微结构的分辨率，也可理解为影像像元的尺寸。Worldview-2数据全色空间分辨率为0．46 m，多光谱空间分辨率为2．0 m，能较好地探测地表细节信息，对地层中的节理、岩层层理及岩性单元之间的接触关系都具有较好地表现能力。Landsat-8数据全色空间分辨率为15 m，可见光、近红外和短波红外分辨率均为30 m。对于在地表有一定出露规模，均质性较好的地质体，能充分发挥其识别能力;但对较大比例尺的矿物填图和构造识别，受到混合像元影响，增大岩矿光谱研究的不确定性。因此，在地表空间结构信息挖掘上，Landsat-8数据难以监测到地表重要的细微结构信息。遥感对岩性的识别除了利用岩性单元光谱特性外，岩石的结构信息也是其重要信息。从Worldview-2数据和Landsat-8数据对空间信息的探测能力的对比上看，Worldview-2具有明显的优势。

综上，Worldview-2数据与Landsat-8数据在空间探测能力和光谱探测能力上各有优势。单独利用某一种数据难以达到准确地进行岩石地层分类的要求。理论上将Worldview-2数据的空间探测能力优势与Landsat-8短波红外光谱探测能力的优势协同，可提高遥感对岩性单元的识别能力。

1．3 数据预处理

研究使用的数据是新疆维吾尔自治区阿克陶县2010年5月23日采集的Worldview-2数据和2013年6月3日采集的Landsat-8数据。

首先需要对Worldview-2多光谱数据和Landsat-8多光谱数据进行辐射定标，将影像DN值转化辐射亮度值(Radiance)，Worldview-2和Landsat-8数据辐射定标公式分布如下:

式中:Lλ为Landsat-8数据单波段的辐射亮度值;ML为单波段乘数转换因子;AL为单波段加法转换因子;Qcal为影像 DN 值。Gain、offset、ML、AL 从影像头文件中读取。

然后利用ENVI4．8平台上的FLAASH模块对辐射定标后的Worldview-2数据和Landsat-8数据进行大气校正。FLAASH模块采用MODTRAN4+辐射传输模型对图像逐像元地纠正大气中的二氧化碳、水汽及气溶胶等吸收、散射影响。具体校正公式如式(3)。

式中:L*表示卫星传感器上接受到的单一像元的辐射亮度值;ρ为像元在地表的反射率;ρe表示单一像元及周边的混合像元的地表反射率;S表示大气的球面反射率;La*为大气辐射进入传感器通道内的辐射亮度值;A、B为大气条件系数。在大多数校正模型中，一般地取ρ=ρe，即是忽略“邻近像元”效应。Landsat-8数据校正结果如图2。

图2 Landsat-8数据大气校正效果Fig．2 Atmospheric correction effect of Landsat-8 data

从图2中可以看出，大气校正后，图像的清晰度明显增强，细部纹理也清晰可见。对比校正前后植被的波谱曲线，发现大气校正后植被的波谱曲线趋于正常，大气校正效果良好。

将经过大气校正的Landsat-8多光谱数据与其全色数据采用Gram-Schmidt变换融合法进行融合，得到空间分辨率为15 m的数据。该方法对原始多光谱信息能较好地保留。最后将以大气校正后的Worldview-2反射率数据为参照对Landsat-8反射率数据进行几何校正，保证Landsat数据与Worldview-2数据在空间上配准，平均误差保证在三个像元内。

2 协同方案及优化

2．1 数据协同理论

协同学是20世纪70年代发展起来的一门新兴的交叉科学，它研究一个开放系统和内部系统之间的协同合作，形成宏观有序结构的机理和规律。1971年联邦德国斯图加特大学教授哈肯教授提出了协同的概念。协同理论认为，自然界是由各个层次上不同的系统所构成的统一体，在各个层次、各个系统之间既存在有相互作用和对立影响，又存在着相互制约和合化。由于系统之间的相互联系和制约，构成了一个互为依存协调一致的具有一定发展规律的世界。对于自然界中的每个子系统是如此，对于整个由子系统构成的自然界同样如此。自然界中各系统、层次之间的联系促使了实物的发展和进步［9］。协同就成为连接各子系统的纽带。因此，协同各子系统之间的内在联系，比单一系统所起的作用更大，即表现为协同效应。

协同理论应用于遥感地质领域，是将不同卫星平台上搭载的不同传感器作为统一体中的不同层次，同一传感器数据的光谱分辨率、空间分辨率又构成一个系统，它们相互联系。由于遥感成像中瞬时视场［10］的关系，同一传感器难以同时获得高光谱分辨率和高空间分辨率。所以数据传感器的光谱分辨率和空间分辨率又存在相互作用和对立的关系。

遥感岩性识别中，高空间分辨率遥感数据能较好地探测地表细节信息，对于不同类型岩石的节理、岩石层理及岩性单元之间的接触关系都具有较好地表现能力;中等分辨率多光谱数据的短波红外波段数据对于岩石矿物的光谱差异相对于可见光波段而言有较好地表现［11-12］，对于大尺度岩性划分、蚀变矿物的提取有一定优势(图3)。

因此多源遥感数据对于岩石矿物信息识别能力的发展和进步，是各个传感器光谱探测能力和空间探测能力相互影响、相互制约“协同”推动的［13］。所以用何种方式实现多源遥感数据的空间分辨率优势和光谱分辨率优势的协同是遥感地质发展的趋势。

图3 中等分辨率多光谱数据与高空间分辨率数据岩性识别效果对比Fig．3 Comparison of multispectral data of medium resolution and data lithology of high spatial resolution

2．2 结构协同方案及优化

2．2．1 结构协同方案

通过对Worldview-2、Landsat-8数据空间探测能力上的分析，希望把Worldview-2数据在空间探测能力上的优势“嫁接”到Landsat-8数据上，从而提高影像上岩性判断的精度。首先将Landsat-8数据1～7多波段数据与其全色波段融合成15 m分辨率数据，然后再与Worldview-2多光谱数据中的某单波段数据进行融合。最终获得具备Landsat-8数据1～7波段多光谱信息和Worldview-2数据2 m空间分辨率的空间结构协同数据。需要指出的是遥感数据融合中，如果两种待融合数据空间分辨率比＞20∶1，融合数据将损失大量信息。所以本次研究中没有选择0．5 m空间分辨率的Worldview-2全色数据进行融合。

2．2．2 方案优化

为使协同数据能较好地保持Landsat-8数据1～7波段多光谱信息对结构协同方案进行优化，采用具有高光谱保真度的主成分变换融合法和Gram-Schmidt变换融合法进行试融合，并对融合结果计算与原始多光谱数据的相关系数和光谱扭曲度，一般情况下，相关系数越大，光谱扭曲度越小，融合结果的光谱保真度越好(表1)。

表1 融合结果相关系数与光谱扭曲度对比表Table 1 Contrast table of correlatior coefficient of fusion results and twisting degree of spectrum

由于传统像素级融合一对多的模式中(全色与多光谱融合)，全色波段光谱响应范围与多光谱波段光谱响应范围不一致，传统融合方法又没有从物理上改变光谱不匹配的现状，因此出现了光谱失真的问题。由于Worldview-2多光谱数据的光谱范围不包括短波红外波段，而短波红外波段对于岩性划分又至关重要，所以融合结果出现一定的光谱失真在所难免。通过计算试融合结果的相关系数和光谱扭曲度，最终选择了光谱保真度相对较好的Gram-Schmidt变换融合法，使用了Worldview-2多光谱数据中第8波段作为高空间分辨率波段Landsat-8自融合数据进行融合。这是因为第8波段相对其他7个波段，光谱范围最宽，相对能减小光谱响应范围不一致带来的光谱失真问题。

经过对融合结果的分析，这种光谱失真并不影响影像上岩性的划分。最终结构协同效果如图4。

图4中可以看出，融合数据兼具了Landsat-8数据的光谱信息和Worldview-2数据的空间结构信息，达到了数据结构协同的效果。

2．3 光谱协同方案及优化

2．3．1 光谱协同方案

通过对Worldview-2、Landsat-8数据的光谱覆盖范围及空间探测能力的分析，提出了将两种数据进行协同识别岩性的构想。在光谱覆盖范围上，Worldview-2、Landsat-8数据光谱优势互补，可进行光谱协同。具体方案是将Worldview-2可见光—近红外1～8波段与Landsat-8数据短波红外6、7波段进行叠加获得10个波段光谱协同数据(图5)。

2．3．2 协同方案优化

由于Landsat-8数据与Worldview-2数据传感器及成像时间不同，经过大气校正和高斯拉伸变换后同一地物在相同波谱范围内的反射率值不同。如图6，同一地物反射率，Worldview-2数据(红色曲线)较Landsat-8数据(黑色曲线)整体偏高。

图4 结构协同前后数据显示效果图Fig．4 Effect drawing of data display of structure synergy

图5 Worldview-2、Landsat-8数据光谱协同方案图Fig．5 Synergistic proposal map of Worldview-2，Landsat-8

图6 Worldview-2数据、Landsat-8数据上同一地物的反射率差异Fig．6 Reflectivity difference of ground objects of WordView-2，Landsat-8 data

为了使两种数据的反射率值匹配一致，需要确定两种数据进行匹配的因子“S”［14］。从Worldview-2数据与Landsat-8数据的波段覆盖范围上分析，Worldview-2数据Band2(蓝波段)波谱范围为0．450～0．510 μm，Landsat-8数据Band2(蓝波段)波谱范围为0．450～0．515 μm。可以通过计算 Worldview-2数据 Band2均值与Landsat-8数据Band2均值的比值关系来获得两种数据之间的反射率值匹配因子。

计算出Worldview-2数据Band2均值为1 805．733 1，Landsat-8数据Band2均值为1 287．469 2，得到匹配系数为1．402 5。将Landsat-8自融合影像6、7波段数据乘以匹配因子1．402 5后再与Worldview-2多光谱1～8波段数据进行叠加协同，以达到光谱协同方案的优化。

2．4 最终协同方案及效果

通过对具体结构协同方案和光谱协同方案的实验、研究和优化，最终确定了Worldview-2数据与Landsat-8数据协同方案，获得具有10波段光谱信息和2 m空间分辨率的协同数据(图7)。

3 不同数据影像地层划分效果对比实验

分别使用Worldview-2、Landsat-8影像以及协同影像进行了目视岩性划分，并以三组数据上乌鲁克恰特组(K1w)、英吉莎群(K2E1Y)与阿尔塔什组(E1a)的显示特征的差异说明协同数据影像地层划分情况。研究区主要岩性单元岩性描述如表2。

表2 研究区岩性单元具体岩性表Table 2 Lithology of lithology unit in study area

3．1 Worldview-2、Landsat-8 影像地层划分

图7为乌鲁克恰特组、英吉莎群与阿尔塔什组在Worldview-2、Landsat-8影像上的图像特征，由图可见，在Worldview-2、Landsat-8影像上乌鲁克恰特组(K1w)、英吉莎群(K2E1Y)与阿尔塔什组(E1a)的界线都比较清晰。但对于英吉莎群(K2E1Y)内部库克拜组(K2k)、乌依塔克组(K2w)、依格孜牙组(K2y)以及吐依洛克组(E1t)4个组划分效果有所差异。

图7 乌鲁克恰特组、英吉莎群与阿尔塔什组在Worldview-2、Landsat-8影像上的图像特征Fig．7 Image feature of Worldview-2，Landsat-8 image

图7-a中为Landsat-8数据734波段组合影像，图像上乌鲁克恰特组(K1w)石英砂岩呈深紫色，阿尔塔什组(E1a)白色块状硬石膏岩呈浅蓝色，英吉莎群(K2E1Y)整体呈绿色或浅红色。三个岩石单元走向近南北向，接触关系均为整合接触。英吉莎群(K2E1Y)内部库克拜组(K2k)灰绿色页岩与灰黄色页岩互层的岩性在Landsat-8影像上表现为浅绿色中夹杂着黄色。其上伏的乌依塔克组(K2w)的长石砂岩与泥岩互层与依格孜牙组(K2y)的灰色泥晶灰岩在影像均显示为深绿色，难以划分。Landsat-8影像上，英吉莎群(K2E1Y)上部的吐依洛克组(E1t)的紫红色厚层泥岩呈红色、暗红色与周围岩性单元区分比较明显。

图7-b中为Worldview-2数据432波段组合影像，图像上各岩性单元的颜色差距并不明显。乌鲁克恰特组(K1w)石英砂岩呈暗红色，英吉莎群(K2E1Y)与阿尔塔什组(E1a)颜色比较接近，色调都较浅，但英吉莎群(K2E1Y)层理比较发育，阿尔塔什组(E1a)则是块状的硬石膏岩，以此为划分标准，也比较容易将两个岩性单元分开。英吉莎群(K2E1Y)下部的库克拜组(K2k)和乌依塔克组(K2w)在Worldview-2影像上色调比较接近，结构上层理并不发育，所以难以从影像上进行划分。依格孜牙组(K2y)的灰色泥晶灰岩水平层理比较发育，在Worldview-2影像上表现为一组较密集的平行纹理。以此为特征比较容易与其下伏乌依塔克组(K2w)区分。而依格孜牙组(K2y)与吐依洛克组(E1t)颜色上均呈深灰色，内部纹理也比较接近，所以比较难划分。

3．2 协同影像地层划分情况

图8为乌鲁克恰特组(K1w)、英吉莎群(K2E1Y)与阿尔塔什组(E1a)在协同影像上的表现。可以看出三个组之间的接触关系都非常清晰。

图8 乌鲁克恰特组、英吉莎群与阿尔塔什组在协同影像上的图像特征Fig．8 Image feature of synergistic image

乌鲁克恰特组(K1w)整体呈紫色，与上伏英吉莎群(K2E1Y)为整合接触关系［15］。从下部到上部，紫色逐渐加深，这与该区域1∶25万地质调查报告上表述的从棕红色粉砂质泥岩—浅褐色厚层状含泥砾钙质细粒长石石英砂岩夹细砾岩、棕红色极薄层状长石石英粉砂岩的岩性相符。另外紫色加深，与该组不同层位石英含量有关，石英矿物的特征吸收谱带在 2．195 μm［16］，对应协同数据的第10波段，也就是影像上假彩色合成的红通道，所以岩性上石英含量增高，图像上表现为紫色的加深。结构上从下部向上部岩层变薄，水平层理在一些层位比较发育。

英吉莎群(K2E1Y)在影像上表现为不同颜色的几个条带，与其上伏阿尔塔什组(E1a)为整合接触关系。英吉莎群内部分为库克拜组(K2k)、乌依塔克组(K2w)、依格孜牙组(K2y)以及吐依洛克组(E1t)四个组，所以在影像上表现为4个颜色、结构都不相同的条带。库克拜组(K2k)在英吉莎群中色调比较浅，与其下伏的乌鲁克恰特组容易区分。灰绿色、灰黄色页岩互层岩性在影像上表现为白黄色相间的条纹状纹理，同时水平层理比较发育。乌依塔克组(K2w)岩性为褐红色中层状细粒岩屑长石砂岩与泥岩互层，在影像上表现为比较均一的浅紫色，层理也比较发育。色调上的差异也是它与下伏的库克拜组比较容易区分。依格孜牙组(K2y)主体为灰色泥晶灰岩，在影像上表现为整体深灰色。另外该组灰岩中水平层理十分发育，在影像上表现为间距相等的一组平行纹理。依据特征可将其与下伏乌依塔克组(K2w)进行划分。吐依洛克组(E1t)在影像上表现为比较特殊的暗红色，其岩性为棕红、紫红色厚层泥岩。依据颜色上的特征，使其比较容易与下伏的依格孜牙组区分。

阿尔塔什组(E1a)，在影像上为比较均匀的浅蓝色。该组岩性为白色块状硬石膏岩，所以在影像上层理并不发育，并且颜色比较均一。结合地质调查资料和影像特征可以判定其与下伏的英吉莎群(K2E1Y)为整合接触关系。

综上，Landsat-8数据更能体现岩性单元间的光谱差异，在英吉莎群(K2E1Y)内依格孜牙组(K2y)和吐依洛克组(E1t)的划分上优势明显。Worldview-2数据则在反应岩性单元间结构信息差异上有优势，如沉积纹理、韵律。在英吉莎群(K2E1Y)内乌依塔克组(K2w)和依格孜牙组(K2y)的划分上具有优势。协同数据集合Worldview-2数据与Landsat-8数据的空间结构信息优势和光谱信息优势，在实验区的岩性划分效果上优于单独使用Worldview-2数据或Landsat-8数据。

4 结语

从协同理论和Worldview-2、Landsat-8数据的特点出发，将协同理论应用于多源遥感数据遥感地质领域，以提高遥感岩性识别精度。

(1)分析了Worldview-2、Landsat-8数据对于遥感岩性识别的光谱探测能力和空间探测能力，并从两种数据光谱和空间探测能力的优劣出发，将协同理论引入遥感地质领域，阐述了协同运用多源遥感数据进行岩矿信息提取的理论基础。提出了相应的结构协同方案和光谱协同方案，通过对方案的优化，确定了最终的协同方案。

(2)分别使用Worldview-2、Landsat-8和协同数据影像对同一组岩性单元进行划分，并对比划分结果，表明Worldview-2、Landsat-8数据对于不同岩性单元的划分各有优劣;协同数据的岩性划分能力要优于单独使用Worldview-2和Landsat-8数据。

本次研究针对岩层出露较好的沉积岩区，验证了多源遥感数据协同进行岩性划分方法的可行性，研究结果表明数据协同有效地提高了遥感数据的岩性划分能力，然而对于岩浆岩区和变质岩区的岩性划分能力有待进一步研究。

［1］ 张玉君，杨建民，陈薇．ETM+(TM)蚀变遥感异常提取方法研究与应用—地质依据和波谱前提［J］．国土资源遥感，2002(4):30-37．

［2］ Lawrence C．Rowan．Lithologic mapping in the Mountain Pass，California area using Advanced Spaceborne Thermal Emission and Reflection Radiometer(ASTER)data［J］．Remote Sensing of Environment，2003(84):350-366．

［3］ Yamaguchi Y．Spectral indices for lithologic discrimination and mapping by using the ASTER SWIR bands［J］．INT．J．REMOTESENSING，2003(24):4311-4323．

［4］ 李培军．用ASETR图像和地统计学纹理进行岩性分类［J］．矿物岩石，2004(3):116-120．

［5］ XianFeng Zhang．Lithologic and mineral imformation extraction for gold exploration using Aster data in the south chocolate mountains(California)［J］．Journal of Photogrammetry ＆ Remote Sensing，2007(62):271-282．

［6］ 余海阔，李培军．运用LANDSAT ETM+和ASTER数据进行岩性分类［J］．岩石学报，2010(1):345-350．

［7］ Rowan L C，Hook S，Abrams MJ，et al．Mapping hydrothermally altered rocks at CUPRITE，NEVADA，using the Advanced Spaceborne Thermal Emission and Reflection Radiometer(ASTER)，a new satelliteimaging system［J］．Economic Geology，2003(98):1019-1027．

［8］ ROKOS D，ARGIALAS D，MAVRANTZA R，et al．Structural analysis for gold mineralization using remote sensing and geochemical techniques in a GIS environment:island of Lesvos，Hellas［J］．Natural Resources Research，2000，9(4):277-293．

［9］ 郭治安，沈小峰．协同论［M］．太原:山西经济出版社，1991:19-21．

［10］ 马艳华．高空间分辨率和高光谱分辨率遥感图像的融合［J］．红外，2003(10):11-16．

［11］ GR Hunt．Spectral signatures of particulate minerals in the visible and nearinfrared［J］．Geophysics，1977(3):501-513．

［12］ Crosta A，Moore J．Enhancement of Landsat Thematic Mapper imagery for residual soil mapping in SW Minas Gerais State，Brazil-A prospecting case history in greenstone belt terrain［Z］．1990:1173-1187．

［13］ Murphy S W，Wright R，Oppenheimer C．MODIS and ASTER synergy for characterizing thermal volcanic activity［J］．Remote Sensing of Environment，2013，131(4):195-205．

［14］ 余健．ASTER与worldview-2影像协同应用提取岩性信息方法研究［D］．武汉:中国地质大学(武汉)，2012．

［15］ 卢书炜，杜凤军，方怀宾，等．新疆 1∶25万英吉沙县幅(J43C002003)区域地质调查报告［R］．郑州:河南省地质调查院，2004．

［16］ Hunt，R G．Near-infrared(1．3 ～ 2．4 μm)spectra of alteration minerals;potential for use in remote sensing［J］．Geophysics，1979，44(12):1974-1986．