基岩裸露区基于多光谱遥感影像的快速地质解译——以甘肃北山黑山地区为例

朱彦虎，黄增保

基岩裸露区基于多光谱遥感影像的快速地质解译
——以甘肃北山黑山地区为例

朱彦虎1，3，黄增保1，2

（1.甘肃省地质调查院，甘肃兰州730000；2.中国地质大学地质过程与矿产资源国家重点实验室，湖北武汉430074；3.中国地质大学国家地理信息系统工程技术研究中心，湖北武汉430074）

目前遥感地质的影像解译主要以传统的目视解译为主，借助经验，方法落后、效率低下，且缺乏基于光谱的计算机自动分类、基于专家知识的决策树模型或面向对象特征等自动提取方法；目前遥感地质的解译主要强调遥感影像的空间分辨率，而对于图像波谱数据利用非常少。本研究旨在通过各种图像变换或增强手段，发挥人眼对部分彩色空间图像特别敏感的特点，利用已有地质背景资料划分符合地质习惯的单一地层或岩体的区域，建立典型的感兴趣区，然后计算其平均波谱，进而利用ENVI软件监督分类中的神经网络分类工具，设定恰当的权重与临界阈值，最后达到较好区分不同地层或岩体的目的。本研究选择甘肃北山黑山地区，利用lansat8多光谱数据进行试验，其研究成果可为遥感地质工作提供快速智能的影像解译方法提供参考，同时也可以应用于青海、西藏等广阔的基岩出露区域，为矿产资源勘探提供科学依据和决策支持。

landsat8；遥感地质；多光谱；波谱角；大气校正

一幅遥感影像，包含有三个层面的信息，可以概括为空间维、光谱维、频率维。若图像的光谱信息经过辐射定标，那么同一地面二维空间连续空间域的图像，即不同波段在获得地面二维空间图像信息的同时，还获取地物的连续光谱信息，其获取的数据形成一个三维数据集，也叫光谱图像立方体（图1），若将每层图像以傅里叶级数展开再加以变换等手段就可分析图像的频率域特征。但是到目前为止，无论是基于像素的遥感图像分类方法，还是面向对象或决策树的手段（刘汉湖等，2009；徐元进，2009；刘燕君，1984），在遥感地质解译时其结果都难以达到符合地质逻辑或制图标准的分类效果，如何快速、准确地解译一幅遥感影像，将它包含的地层或岩体边界快速地勾画出来（邹林等，2006；吕凤军等，2006；于浩等，2013；Zhangetal.，2007），并且能符合地质制图习惯，是当前以传统目视解译为主的遥感地质工作者必须面临的问题（唐文周，1998）。本论述正是基于此认识，试图从多光谱遥感数据中以神经网络的分类方式来识别某一具体地层或岩体信息而展开研究的。本研究原理主要是利用三层反向传输神经网络（李强等，1999；卢柳叶等，2012）。第一层为输入层，中间层为隐层，第三层为输出层。输入层是影响分类精度的关键因素。输入层因素必须准确，在满足地物光谱有明显差异的基础上还要满足一定的数量条件。

图1　研究区光谱图像立方体

1　研究区区域地质背景

研究区位于甘肃省瓜州县黑山地区，构造上地处塔里木地块北缘，双鹰山-西双鹰山被动陆缘带上，出露的地层主要为蓟县系平头山组，为一套白云岩、大理岩组成的台地相碳酸盐岩建造；青白口系大豁落山组，由硅质大理岩、白云岩、变质砂岩和石英岩组成；寒武系双鹰山组和西双鹰山组，主要为一套硅质岩、炭质板岩、变砂岩夹灰岩，含磷的板岩组成；沟谷中见有中更新统的冲洪积砂砾石层。出露的岩体主要有奥淘纪的角闪辉长岩、角闪橄榄岩，志留纪的石英闪长岩和石炭纪的正长花岗岩，一般沿地层走向侵入，接触带见有角岩化，绿泥石化和一些围岩褪色蚀变现象。构造基本为近东西向的断裂构造，一般构成各地质体的分界。

研究区内主要地层类型有（图2）：

图2　研究区地质图

2　地层（岩体）分类方法与结果

依据本研究区的地质背景并结合目视解译和实地调查，确定将该研究区划分为6种主要地层（岩体）（杨建民等，2007），分别为第四系、寒武系、蓟县系、石炭系、奥陶系和青白口系。解译分粗解译和精解译两个阶段，粗解译阶段是根据地质背景情况，将图像中感兴趣区域的选择在同一地层（岩体）中，然后设定初始输入值（感兴趣区的平均光谱信息），并确定一定阈值，训练ENVI图像处理软件中提供的神经网络模型（赵文吉等，2007；李燕等，2012；赵玉灵等，2005），达到初步分类的效果，若是分类结果不满意，可以重新设定阈值再次分类，直到满足分类结果与已知地质背景较吻合为止；第二步是精解译阶段，即将第一步解译未详细区分的地层，在分辨率容许范围内继续细分。

2.1地物分类主要技术工作流程

地物分类主要技术流程见图3所示。

图3　地物分类流程图

表1　各个波段相关性分析

2.2大范围内图像的解译

人眼对于彩色图像的识别能力要远远大于黑白图像，然后不同波段组合的假彩色合成图像由于波段信息相互间的冗余而存在差异，理论上两相关性较弱的波段组合含有更加丰富的图像信息，所以本研究计算了图像各个波段间的相关性，以利于选择更加合适的波段来辅助选择感兴趣区域。

由表1可见，7、5、4等波段相对较独立，冗余信息少，故在本研究中，较多地采用了752、741等波段的假彩色合成图像。

本研究区范围及具体感兴趣的选择见图4所示，依据已有地质资料，选择了1-6的区域作为感兴趣区，共六个研究区域，以提取初始的输入值（平均波谱），这六个区代表的地层（岩体）分别是：1第四系、2寒武系、3蓟县系、4石炭系、5奥陶系、6青白口系。

图4　研究区（大）752波段假彩色图像

通过计算，各预分类地层（岩体）平均波谱见图5所示：

图5　典型地区波谱图像

2.3初步分类结果对比

图6　初步分类后蓟县系地层的效果展示

图7　初步分类后全图效果展示

由图6、图7单个地层和总体的对比可见，分类效果比较符合已有地质图的表达习惯，并且在边界上比原地质图更加清晰，且将同一地层规模较小的边界也提取出来，可以方便地在进一步制图综合中根据比例尺大小予以取舍。

在实际中，感兴趣区样本数据波谱差异程度大小与最后实际地物波谱是否难以区分关系较大，选择样本的光谱差异越大，则提取地物可分性就越好。

能否在实际中进一步对地层进行岩性细分呢？对此做了进一步的研究如：对于第6个感兴趣区域，即青白口系地层，由图像可见有明显的色彩分层和不同的纹理信息，可进一步对此地层试验地层的岩性细分。

2.4小区域的同一地层内的岩性细分试验研究

对于第6个感兴趣区，即青白口系岩性地层在地质图中并未详细区分小的岩性地层，如图8的第3个图（landsat8的741波段假彩色合成）所示，该层可见有多层更小的地层东西向平行展布，但肉眼并不好进一步细分。为了更好地在该层选择比较纯净的感兴趣区，我们对图像作了HLS空间变换和缨帽变换两种图像增强效果（HeikoZumsprekeletal.，2000）（图8中1、2小图），以辅助确定比较适合的感兴趣区域（孙洪泉等，2011）。不难看出，经变换后，图8中的小1图具有比较明显差异的色彩是蓝紫色、绿色、黄色三种，图8的小2图中是红色、黄色、蓝色三种，不难看出两图中各自的三种色彩分布上比较集中且较为一致，故选择它所在区域为新的感兴趣区域，作为识别同一地层内小岩性地层的标准，在图中由①、②、③标示，如3图所示。据此再计算其平均波谱（图9）作为初始输入值（S.Anbazhaganetal.，2009），然后经过同前面在大范围区域内基于神经网络的监督分类相同的步骤，可以得出最终如图8第4个图的分类结果，经实地验证，这三类分别为①大豁落山组硅质大理岩、②变质砂岩夹石英岩、③白云岩。

2.5总结

由于不同的岩性具有不同的反射波谱曲线与特征峰（王钦军等，2006；王润生等，2007），这就对遥感影像的计算机自动分类、自动提取等方法在理论上实现提供了可能。对于一景多光谱遥感影像的解译，可有如下几个步骤：首先将它分块，使得每小块包含的地层数目不要太多，一般小于多光谱的波段数，然后根据地质背景资料，选择合适的感兴趣区域计算其平均波谱，再利用神经网络进行分类，对于某些具体地层也可以用同样的方法进一步细分，从而得到由粗到精的解译。

故在实际地质工作中，尤其是矿调、区调等的前期踏勘，若以已有资料和地质背景为基础，先以地层为单位，大范围内初步解译，再将比较复杂的地质体在岩性上做精解译，包括如矽卡岩化、绿泥石化等蚀变信息的提取（刘德长等，2015），最后在野外辅助验证，可以较大幅度地提高解译的速度和效率。

图8　青白口系地层

图9　青白口系亚层感兴趣区的平均波谱

3　结论

（1）采用BP神经网络进行遥感影像分类，在一定程度上减轻了传统遥感影像分类中常出现的错分、漏分现象。分类的结果与实际地物具有很好的吻合性，在一定程度上验证了神经网络的可靠性。尤其对于发挥遥感大范围的地质解译，可以在数小时内完成，并且对于地层或岩体的解译效果与传统实际测量绘制的经典1：20万地质图吻合率较好，尤其对于第四系的解译，高海拔地区以及无人区等工作条件恶劣的地区更是有广阔的应用潜力。

（2）由于组成岩石的矿物的多样化与其各矿物组成比例的多变性、阴坡阳坡，地形海拔等地域条件的复杂多变性以及天气气象等条件的影响，使得出现同物异谱或同谱异物的现象，给解译增加了难度。

（3）今后工作中，可以实地测量并建立区域岩性波谱库，来弥补当前只能在遥感图像中选择比较纯净的感兴趣区提取适合研究区特定地层特点的光谱的现状。

［1］李强，王正志.基于MRF模型和人工神经网络的遥感图像分类综合方法研究［J］.国防科技大学学报，1999，21（1）：62-66.

［2］李燕，陈莹，董秀兰，等.基于神经网络的遥感图像识别算法［J］.测绘与空间地理信息，2012，35（2）：156-158.

［3］卢柳叶，张青峰，李光录.基于BP神经网络的遥感影像分类研究［J］.测绘科学.2012，37（6）：140-143.

［4］刘汉湖，杨武年，杨容浩.ALI遥感数据在岩矿信息提取中的应用研究［J］.地质与勘探，2009，45（4）：456-461.

［5］刘燕君，遥感图象中矿产信息的提取［J］.地质与勘探，1984（8）：30-35.

［6］吕凤军，邢立新，范继璋，等.基于蚀变信息场的遥感蚀变信息提取［J］.地质与勘探，2006，42（02）：65-68.

［7］刘德长，邱骏挺，田丰，等.区域控矿断裂带的航空高光谱遥感技术研究—以黑石山－花牛山深大断裂带为例［J］.地质与勘探，2015，51（2）：0366-0375.

［8］孙洪泉，窦闻，易文斌.遥感图像融合的研究现状、困境及发展趋势探讨［J］.遥感信息，2011（1）：104～108.

［9］唐文周.我国遥感地质工作的现状和近期展望［J］．国土资源遥感，1998，36（2）：24-32.

［10］王润生，杨苏明，阎柏琨.成像光谱矿物识别方法与识别模型评述［J］.国土资源遥感，2007，71（1）：1-9.

［11］王钦军，蔺启忠.一种岩性提取新方法—光谱排序编码法［J］.地质与勘探，2006，42（3）：91-96.

［12］徐元进.面向找矿的高光谱遥感岩矿信息提取方法研究［D］.武汉：中国地质大学（武汉）.2009.

［13］杨建民，张玉君，姚佛军.利用ETM+遥感技术进行尾亚杂岩体的岩性识别［J］.岩石学报，2007，23（10）：2399-2301.

［14］于浩，李东，常玲，等.基于ASTER数据的西昆仑造山带岩性提取研究［J］.新疆地质，2013，31（4）：380-383.

［15］赵文吉，段福州，刘晓萌.ENVI遥感影像处理专题与实践［M］.北京：中国环境科学出版社，2007：150-155.

［16］赵玉灵，杨金中，和正民，等.基于ERDAS地质信息提取功能的设计与实现［J］.遥感信息，2005（2）：36-38.

［17］邹林，杨自安，朱谷昌.多光谱遥感蚀变信息提取新方法研究［J］.地质与勘探，2006，42（06）：70-76.

TP751

A

10.3969/j.issn.1672-6375.2016.09.004

2016-6-20

朱彦虎（1981-），男，汉族，甘肃定西人，研究生，主要研究方向：遥感地质。