GF-5光学遥感数据与地球化学数据融合研究

逄伟 刘大伟

摘要：地球化学数据作为一种重要的基础数据，广泛应用于矿产勘查、环境评价、资源潜力分析等领域。遥感数据可以反映地表物质的电磁波特性，这一物理化学关系使遥感—地球化学数据融合成为可能。现有的遥感—地球化学数据融合方法存在融合精度不高，可选择的融合方法较少，不适应于实际生产应用等问题。为解决上述问题，提高地球化学数据的精度，展开了光学遥感影像与地球化学数据的融合研究，实现了遥感—地球化学数据融合。

关键词：光学遥感  地球化学  数据融合  GF-5

中图分类号：P237

Research on the Fusion of GF-5 Optical Remote-Sensing Data and Geochemical Data

PANG Wei1  LIU Dawei2

（1. 801 Hydrogeological Engineering Geology Group， Shandong Provincal Bureau of Geology and Mineral Resources， Jinan， Shandong Province， 250014 China; 2. Tianqiao District Center for Disease Prevention and Control in Jinan， Jinan， Shandong Province， 250013 China）

Abstract： As a kind of important basic data， geochemical data is widely used in fields such as mineral exploration， environmental evaluation and resource potential analysis， remote-sensing data can reflect the electromagnetic wave characteristics of surface materials， and the physicochemical relationship makes it possible to integrate remote-sensing data and geochemical data. The existing fusion method of remote-sensing data and geochemical data has problems such as low fusion accuracy， few alternative fusion methods and unsuitable for practical production applications. To address the above issues and improve the accuracy of geochemical data， this paper conducts research on the fusion of optical remote-sensing images and geochemical data， and achieves the fusion of remote-sensing data and geochemical data.

Key Words： Optical remote sensing; Geochemistry; Data fusion; GF-5

目前，我国的地球化学数据库建设多集中于我国东部、中部地区，对于西部经济不发达地区、无人区的地球化学数据库建设投入较少，这对该地区基于地球化学数据的生态环境、地质勘查等工作带来一定困难[1]。鉴于此状况，基于地球化学数据的相关工作急需一种更经济有效的手段获得该地区的地球化学数据。

遥感数据可以快速、大面积获取地球表面或者其他星体表面的光谱信息，这些信息由地表物质的电磁波特性所决定[2]。学术界对遥感数据与地球化学数据对应关系的探索由来已久，前人的大量研究表明，从遥感数据中可以获得与地表矿化蚀变有关的信息。遥感数据中的灰度值反映着地表物质对电磁波的吸收特征，包括有吸收谷的波长、深度和位置等，而这些特征与组成地物不同分子的分子振动形式、电子跃迁行为有着密切联系，比如碳酸盐基团中的铁、锰离子的吸收特征。同时也存在部分研究证明遥感数据的特征还与对应地表的地球化学元素的含量高低存在相关关系[3]。

1  数据准备

1.1  研究区地球化学测量数据

研究区地球化学数据来源于1：20万水系沉积物地球化学测量成果资料，采样单元4 km2，涵盖了该地区Ag、As、Au、B、Ba、Be、Bi、Cd、Co、Cr、Cu、F、Hg、La、Li、Mn、Mo、Nb、Ni、P、Pb、Sb、Sn、Sr、Th、Ti、U、V、W、Y、Zn、Zr、SiO2、Al2O3、Fe2O3、K2O、Na2O、CaO、MgO在内共39种主要、次要、微量元素和氧化物。

1.2 研究区遥感数据

本文所使用的GF-5数据获取时间为2019年10月8日。GF-5数据与地表重金属元素的关系已有部分研究人员做过相关研究工作，例如土壤重金属元素的反演、水体污染的提取。本研究依据光谱数据与物质构成间的物理化学关系，以GF-5数据作为数据源实现遥感—地球化学数据融合方法。

2 遥感—地球化学数据融合过程

地学数据随着技术手段的提高，可用于地学分析的种类及数量都得到一定程度的发展。为了从不同种类、不同结构的数据中得到需要的信息，研究人员需要通过数据融合的手段消除不同数据中的不确定因素，获得比单一数据更充分的信息[4]。数据融合存在不同的结构，包括有像元级、特征级与决策级。特征级与像元级数据融合方法有模板法、聚类分析、自适应神经网络、逻辑模板法等，决策级融合方法有推理法、贝叶斯推理法、层次级描述法等[5]。本文采用融合层次为像元、级融合[6]。

本文通过遥感影像分解实现遥感影像高频信息和地球化学低频信息融合。融合流程如图1所示。1：20万地球化学插值数据可以视作反映该地区总体地球化学特征的数据，即该地区地球化学数据的低频信息。如公式1所示。

式（2）中，指某位置处的地球化学数据样品，加密采样点至地球化学数据足够密集时，可以认为此时的地球化学数据是包含有空间细节信息的地球化学数据。

同时，与又存在式（3）的关系，数据由构成，即低频地球化学数据和包含空间细节信息的地球化学数据都是由地球化学数据组成的。这意味着低频地球化学数据中每个地球化学采样点的权重与高频地球化学数据中每个地球化学采样点的权重一致，如式（3）所示。

式（3）中，1表示地球化学样品和地球化学低频信息的映射方式。遥感影像可分解为遥感高频信息和遥感低频信息。通过建立遥感高频信息与地球化学数据间的联系，就可以得到地球化学高频信息，如式（4）、（5）、（6）所示。

式（4）中，指遥感数据，是遥感低频信息，是遥感高频信息，本文所采用的遥感影像分解方法是Mallat快速小波变换算法。该方法通过低通滤波器和高通滤波器实现对遥感影像的快速分解。

式（5）、（6）中，是遥感数据与地球化学数据采样点的映射关系，是融合系数。根据式（5）得到的遥感影像和地球化学数据间的映射关系，根据该映射关系，只要加密遥感影像对应的，依据式（6）就可以得到融合有空间细节的地球化学数据。

3 数据融合实验

为了对融合结果的质量进行评估，本文使用区域内1∶5万地球化学实测数据作为参照。融合结果与图1直观对比目视评价。使用均值、方差、平均梯度、和皮尔逊相关系数对融合结果进行定量评价与分析。本文所采用的验证集数据来自于该地区地球化学实地勘测数据，如图2所示。验证区1∶5万地球化学数据与1∶20万地球化学相关系数及评价指标如表1所示。

该对照表可用于评估数据融合质量。均值、方差反映融合数据与1∶5万地球化学数据总体偏离程度，相关系数可评判融合图像精度，空间频率描述融合图像包含的空间细节。

3.1融合实验

线性回归融合实验采取全局线性融合和局部线性融合两种方法。融合结果采取目视评价和前述精度评价指标评判融合结果。

与基于GF-5数据的局部线性回归方法相似，研究中采用全局逻辑回归实现遥感—地球化学数据的非线性融合。数据源是降维后的GF-5数据与1∶20万地球化学原始数据，融合结果如图3所示。

基于GF-5数据的融合结果值域范围与原始数据差异较小，图像上空间细节差异体现较好。误差分布的均值方差分别为11.25与7.47。由平均梯度可知，该结果融合空间信息远高于局部对应线性回归方法。

3.2 融合结果精度评价

表2是Ni元素融合结果各评价指标，从表中可以看出，全局逻辑回归方法与局部线性回归方法比全局线性回归、局部逻辑回归方法效果好。由平均梯度指标证明，全局逻辑回归方法可以最大程度地将遥感数据的空间细节信息与地球化学数据融合。局部线性回归融合方法所得结果蕴含的空间细节信息的比全局逻辑回归方法少。但局部线性回归融合结果中，地球化学高异常区更集中，可以直接指示成矿元素富集的区域。

结果表明全局逻辑回归融合方法适配于地球化学数据与遥感数据间的复杂关系，可以有效表征遥感数据中的空间细节信息。局部线性回归融合方法所得结果优于全局线性融合方法所得结果，表明地球化学数据和遥感数据上存在空间上的关联性，且局部线性回归方法可以有效反映这种局部空间上的联系。

3.3 Ni元素融合结果综合分析

为了验证融合方法泛用性，本文选择Ni元素实现遥感—地球化学数据融合。以GF-5数据作为数据源，分别采用局部线性回归方法和全局逻辑回归方法得到Ni元素的融合图像。

目视判别Ni元素的融合图像，局部线性回归和全局逻辑回归所得融合图像与该地区Ni元素克里金插值后原始影像元素高低值分布相同。局部线性回归方法所得图像更平滑，全局逻辑回归所得结果图像细节更丰富。

局部线性回归融合结果相关系数达到0.80。由平均梯度可知，全局逻辑回归所得结果空间细节较局部线性回归所得结果而言空间细节更丰富。两种融合方法所得结果与1∶20万影像误差均值小于1，较好地体现了1∶20万原始数据中Ni元素的分布特征。评价结果表明上述融合方法可以较好地获得精度更高的地球化学融合数据。

4 结语

本文以实际工作中地球化学数据精度欠佳为出发点，以高精度地球化学数据获取困难为待解决问题，依据遥感数据覆盖范围广、精度高、获取廉价的特点，提出基于线性回归、逻辑回归的遥感—地球化学数据融合方法，得到包含遥感数据空间信息的融合结果。

参考文献

[1] 黄慧坤. 基于遥感图像梯度场的地球化学定量反演结果评价研究[D].长沙：中南大学，2022.

[2] 孔华，黄慧坤，成功.结合化探数据的齐石滩金矿区遥感地球化学建模[J].地质学刊，2022，46（2）：111-119.

[3] 任小玉. 基于遥感数据的地表地球化学成分反演模型研究[D].长春：吉林大学，2022.

[4] 刘汉粮，王学求，张必敏，等.深穿透地球化学勘查技术对胶东冲积土覆盖区隐伏金矿的勘查指示[J].地质学报，2023，97（5）：1683-1700.

[5] 孙立东，周翔，杨亮，等.松辽盆地莺山地区深层天然气地球化学特征与成藏模式[J].石油学报，2023，44（2）：285-298.

[6] 陈瑜，徐飞，程宏飞，等.锂同位素地球化学研究新进展[J].地学前缘，2023，30（5）：469-490.