Hyperion 高光譜遙感巖性識別填圖

畢曉佳，苗 放，葉成名，李假廣

（1.成都理工大學，成都 610059；2.成都市防震減災局，成都 610042；3.河南省地質測繪院，鄭州 473000）

Hyperion 高光譜遙感巖性識別填圖

畢曉佳1，2，苗 放1，葉成名1，李假廣3

（1.成都理工大學，成都 610059；2.成都市防震減災局，成都 610042；3.河南省地質測繪院，鄭州 473000）

Hyperion高光譜數據在蝕變礦物填圖方面已凸顯其優越性，而在巖性識別方面大多仍在探討中。通過應用Hyperion數據結合野外光譜采集，在研究區進行了巖性填圖的試驗研究。同時，敘述了野外采集光譜數據的過程，建立了野外實測光譜數據庫，利用野外實測巖石光譜作為端元光譜進行SAM（Spectral Angle Match）光譜角巖性填圖。這對于地質環境復雜地區的巖性填圖工作具有一定的應用價值。

Hyperion；高光譜遙感；青藏高原；巖性識別；填圖

0 前言

高光譜遙感技術與傳統光學遙感技術相比，有其獨特優勢。高光譜遙感圖像包含了豐富的空間、輻射和光譜三重信息，在遙感圖像光譜分辨率上更是實現了突破性的提高。其圖譜合一的特點是在傳統的二維遙感圖像基礎上增加了光譜維，形成了一種獨特的三維遙感，在地質調查領域（地質調查、地質找礦和制圖）應用空間廣闊，在巖石出露程度較大的區域優勢尤為明顯，效果尤為突出。相對傳統地質調查、找礦制圖的方法，高光譜遙感填圖成本低、消耗低，不及傳統方法費用的十分之一，在地質環境復雜，交通不便的青藏高原實施開展高光譜遙感技術的填圖工作，對輔助區域基礎地質調查、礦產普查，具有重要的應用價值。

作者于2008年7月進行了野外光譜數據的采集，建立了野外實測光譜數據庫，結合2008年5月～10月在青藏高原東昆侖忠陽山地區獲取的EO－1Hyperion高光譜遙感數據，在反射率圖像轉換的基礎上，利用野外實測巖石光譜作為端元光譜進行了SAM光譜角巖性填圖。

1 Hyperion簡介

EO－1上搭載的高光譜遙感器Hyperion是第一代航天成像光譜儀的代表，是一個星載民用成像光譜儀，空間分辨率為30m，在400nm～2 500nm范圍內共有242個波段，其中在可見光～近紅外（400nm～1 000nm）范圍內有70個波段，在短波紅外 （900nm～2 500nm）范圍內有172個波段，是第一個可以獲取可見光與近紅外以及短波紅外波長范圍光譜信息的星載高光譜傳感器［1］。

2 區域地質背景

研究區忠陽山位于青藏高原北部東昆侖卡巴紐爾多地區，隸屬青海省格爾木市管轄，主體位于青藏高原北部的東昆侖造山帶，南北18.5km，東西22.5km，面積約417km2，平均海拔高程為4 500m左右，相對高差在1 200m～1 500m范圍內，最高海拔為5 536m，如圖1所示。

2.1 區域地層構造特征

忠陽山地區位于東昆侖構造帶以北，地層極為發育。研究區以中新元古代萬保溝群、寒武紀沙松烏拉組、奧陶～志留紀納赤臺群、古中元古代苦海巖群為主要的研究地層。

東昆侖造山帶是我國西部一條規模宏大的造山帶，造山帶沉積、巖漿、變質和構造作用十分復雜。研究區位于東昆侖造山帶中端，跨越了東昆侖造山帶、阿尼瑪卿縫合帶、巴顏喀拉褶皺帶三個構造帶。區內沉積構造類型多樣，變質作用類型復雜，火山巖漿活動頻繁，地殼運動具多階段、多層次的復雜構造格局［2］。

2.2 研究區巖石地層信息

東昆侖造山帶巖體成份變化大，種類繁多，不同巖性之間常常呈漸變過渡關系。研究區主要地層巖石特征如下：

（1）奧陶～志留紀納赤臺群：為青海東昆侖布爾汗達山一帶出露的一套變質綠片巖夾碳酸鹽巖地層。具體巖性為①哈拉巴依溝組：灰黑色片理化鈣質千枚巖、絹云母千枚巖，次為灰色石英片巖；②石灰廠組：灰白色（糜棱巖化）白云石大理巖、淺灰色中厚層狀粉晶白云巖、淺灰色中厚層狀粉晶～細晶白云巖、灰白色片理化微晶白云巖；③灰褐、灰綠色含構造角礫片理化蝕變流紋巖、灰綠色片理化蝕變流紋巖。

（2）古元古代苦海巖群：灰黑色條帶狀眼球狀二云斜長片麻巖、灰白色含白云母白云石大理巖、灰色黑云方解石英千枚巖、灰黑色絹云母白云石英片巖、深灰色變細砂巖，上部夾變形礫巖。

（3）中新元古代萬保溝群：時代為震旦～奧陶紀，①碎屑巖夾火山巖組：灰黑色條帶狀眼球狀二云斜長片麻巖、灰白色含白云母白云石大理巖、灰色黑云方解石英千枚巖、灰黑色絹云母白云石英片巖、深灰色變細砂巖，上部夾變形礫巖；②碳酸鹽巖巖組：灰白色（糜棱巖化）白云石大理巖、淺灰色中厚層狀粉晶白云巖、淺灰色中厚層狀粉晶～細晶白云巖、灰白色片理化微晶白云巖夾少量灰白色微晶～粉晶白云巖和灰色條帶狀結晶灰巖。

（4）寒武紀沙松烏拉組：下部為灰黑色碳質千枚巖及變粉砂巖，上部為灰色石英千枚巖，參見區域地質圖2（見下頁）。

圖1 交通位置圖Fig.1 Location map of research area

圖2 1∶200000區域地質圖Fig.2 Regional geology map

3 野外光譜采集

3.1 測量儀器

本次野外光譜測量中，我們所使用的儀器是美國ASD公司的最新產品（FieldSpec FR便捷式地物光譜儀）。此儀器不僅具有攜帶方便、速度快、高信噪比、高可靠性、高重復性、操作簡單和軟件包功能強勁等特點，而且它還可以作實時測量和觀察輻射、輻射度、CIE顏色、反射和透射［3］。

3.2 光譜采集

作者在2008年7月18日至23日開展了本次野外光譜數據采集工作，因為每年7月～9月該地區的大氣、空氣濕度、風、光照和云層覆蓋等條件適宜于野外光譜數據采集，而且采集到的數據和選用的遙感圖像數據時間匹配性好，滿足研究精度要求和填圖需要。

光譜數據采集采用野外和室內測量相結合的測量方法，作者在研究區域內選擇多個具有代表性的開闊地帶作為平場進行了多次重復光譜測量。并針對高海拔對儀器電子元器件的影響，采用室內測量和降低海拔多次測量相結合的綜合測量方法，使測量值最大限度地接近實地測量值，以滿足測量精度要求和后期圖像處理與填圖工作的需要。

采集內容包含研究區域內花崗巖、巖漿巖、變質巖、流紋巖、千枚巖、大理巖、板巖、頁巖、鐵礦石、銅礦石、金礦石、鉛礦石、鋅礦石等達一百多種不同類型，以及同種類型不同狀態（如：巖礦石的風化面、新鮮面等）的巖礦石的光譜數據室內和野外采集工作，并且經過系統編號整理建立了各種巖礦石與其光譜數據的對應表，極大地縮短了后期數據處理的時間，并為以后的填圖工作提供了較為完備的野外實測光譜數據庫。

3.3 數據處理

野外數據處理與數據采集同等重要，在這里數據的預處理即地物光譜輻射能力到反射能力的初步處理。

根據物理學中對反射率的定義，要確定一種物質反射能力的大小，需要同時測量參考物和目標物的光譜反射能量，兩者相除可消除同時出現在目標物和參照物光譜響應中的放大參數。例如光源（通常為太陽）的光譜輻射和光譜儀自身的光學輸出，得到目標物相對于參考板的相對反射率，即：

式中 r為所測物體的反射率；Bi為目標物的反射能量；B0為參考板的反射能量。

由于自然界中不存在反射率為100%的物體，因此要得到被測物體的絕對反射率，還應用相對反射率乘以參考板的反射系數［4］，而野外所采集到的ASD數據就是表征所需要的各種巖礦石的輻射能力的數據。基于以上原理并借助相應的軟件，對所測得的巖石光譜數據進行對比、USGS光譜庫對比驗證、統計分析、篩選、提純、求均值、野外水汽強吸收波段處理、數據轉換等，得到了各種巖礦石的反射率。經過編輯整理初步建立了相應的光譜庫，為后期研究工作的順利進展提供了基本依據。圖3所示為圖5分類結果中顏色依次對應的幾種巖性類野外實測光譜。

4 高光譜遙感巖性分類識別與填圖

高光譜遙感巖性分類識別是一種快速、有效的巖性填圖方法，遙感圖像真實地記錄了巖石的空間幾何形態特征以及光譜輻射特征。然而，不同地區的區域地質背景條件不同，巖石的風化程度和覆蓋程度也有所差異，這就使得巖石的形態特征和光譜特征具有了較大的變化。所以識別巖石類型，確定其形態和分布范圍，是遙感地質填圖重要的目標［5］。

巖性分類識別的方法選擇光譜角度匹配法SAM（Spectral Angle Match），即通過計算一個測試光譜（像元光譜）與一個參考光譜之間的“角度”來確定兩者之間的相似性。參考光譜可以是實驗室光譜或野外測定光譜，或是從圖像上提取的像元光譜［6］。SAM分類法通過比較地物光譜形態特征的相似性進行分類識別，是一種基于自身的光譜分類方法。SAM用到的參考端元光譜可以來自于ASCII文件、光譜庫、統計文件，或直接從圖像中抽取（如ROI平均波譜）［7］。作者在本文將野外實測地物光譜庫中的終端元光譜之間的角度與N維空間中的每個像元向量進行比較，角度越小，表示與之匹配的參照光譜越接近。由于與矢量的模無關，光譜角度對增益不敏感，對亮度影響也不是很敏感，從而能夠減弱因地形和照度引起的增益變化。SAM方法能有效避免因巖石礦物光譜漂移或光譜變異而造成的單個光譜特征的不匹配，并能充分綜合利用弱的光譜信息［7］，是處理高光譜數據一種有效的分類方法。

圖3 野外實測光譜Fig.3 Field measured spectral

研究區地形地貌復雜，沉積構造類型多樣，變質作用類型復雜，火山巖漿活動頻繁，同質異狀化極其嚴重，所以作者采用野外實測光譜數據進行了巖性的分類填圖。野外實測光譜曲線與USGS標準光譜曲線經對比分析具有相似性，已經排除了一些自然因素對光譜曲線的影響，在具有診斷性光譜特征的波段具有比標準光譜更加顯著的光譜特征，以白云巖為例（如圖4所示）。在分類的過程中發現，巖石類型的多樣性及其復雜性決定了巖石光譜的多樣性，所選巖石光譜數量一般要多于巖石類型。我們可以選用具有較好診斷性光譜特征的光譜曲線進行分類，在圖4中，白云巖在2 300nm附近處存在一個明顯的吸收谷，在2 360nm附近存在一個明顯的吸收峰，在2 450nm～2 500nm波段范圍內亦存在一些細小的吸收特征。

圖4 野外實測白云巖與USGS標準光譜曲線對比圖Fig.4 Field data of the dolomites compared with theUSGS standard spectrogram curve

由野外實測地物光譜直接作為端元光譜進行SAM光譜角填圖，需要注意的是：在運用SAM填圖分類的過程中，最大光譜角的設置，會對分類結果產生較大的影響，需要通過多次的實驗確定取得適當的閾值設定，針對不同的類別設置的閾值也不同。作者在本實驗中，對五類地物的閾值設定分別為0.2、0.3、0.25、0.15、0.20，并且①對得到的初步分類結果進行了后續處理，包括對分類圖像使用了majority analysis多數分析，改變一個大型單一類中的雜散像元；②Clump Classes類別集群，運用形態學算子將臨近的類似分類區域合并成塊，被選的分類首先用一個擴大的操作合并到一塊，然后用指定了大小的變換核對分類圖像進行侵蝕操作，解決了分類圖像經常缺少空間相關性的問題，通過低通濾波平滑了圖像；③Sieve Classes篩選類，通過用斑點分組消除隔離的被分類的像元解決分類圖像中孤島的出現。這一方法需要觀察周圍的四個或八個像元，判定一個像元是否與周圍的同類。如果一類中被分組的像元數少于輸入的值，那些像元就會被從類中刪除。Combine Classes結合并類，用于在已經分類了的圖像中選擇性地進行類的結合，注記結合分類或消除“未被分類”的類有效地刪除了那些單個類，最后得到的巖性分類結果如圖5所示。在圖5中白色空白處是由于忠陽山南邊高山上數據影像的積雪及山體陰影造成的未識別分類的像元。由于作者經過野外數據的采集和已有勘探資料，已對研究區的地質構造和巖石地層信息較為熟悉，所以采用了研究區內主要的數種巖石的光譜進行了分類。由分類結果分析得知對于巖石出露程度較大的深變質巖分類結果較好，分布范圍與已有的資料較吻合。

圖5 巖性分類圖Fig.5 Lithological classification map

5 結論

作者在本文利用野外實測地物光譜數據庫，在高光譜影像數據基礎上進行SAM基于光譜角的巖石分類識別及填圖，這對于地理環境復雜的，交通不便利又多屬無人區的青藏高原忠陽山地區開展填圖工作具有一定的應用價值。特別是針對較為熟知的巖石出露程度較大的深變質巖地區開展大、中比例尺的填圖工作，能夠取到較好效果。

［1］ 譚炳香，李增元，陳爾學，等，EO－1Hyperion高光譜數據的預處理［J］.遙感信息，2005（6）：36.

［2］ 李假廣，苗放，葉成名，等.淺談東昆侖巖礦石光譜數據野外采集［J］.河南城建學院學報，2009，18（5）31.

［3］ 李海萍，莊大方，熊利亞.沙化土地野外光譜數據采集的技術方法探討［J］.武漢大學學報：自然科學版，2003，28（4）：484.

［4］ 中國地理信息網，遙感巖性識別研究進展與展望.［EB／OL］.http：／／www.gisie.net／docc／brow.asp？id＝1494＆Page＝1，2007／9／29.

［5］ 浦瑞良，宮鵬.高光譜遙感及其應用［M］，北京：高等教育出版社，2000.

［6］ Inquiry learning BBS.［EB／OL］.http：／／bbs.matwav.com／archiver／？tid851213.html.

［7］ 畢曉佳.高光譜遙感巖礦填圖應用研究［D］，成都：成都理工大學信息工程學院，2009.

［8］ 吳彬，苗放，葉成名，等.基于FLAASH的高光譜遙感數據大氣校正應用［J］.物探化探計算技術，2010，32（4）：442.

［9］ 劉星，胡光道.高光譜遙感圖像頻域自適應同態濾波薄云去除［J］.物探化探計算技術，2008，30（2）：163.

［10］黃光玉，沈占鋒，趙欣梅.高光譜遙感礦物識別方法研究［J］.資源環境與工程，2007（2）：50.

［11］周子勇，李朝陽.高光譜遙感數據光譜曲線分形特征研究［J］.中北大學學報，2005（6）：451.

［12］甘甫平，王潤生，馬藹乃.基于特征譜帶的高光譜遙感礦物譜系識別［J］.地學前緣，2003（2）：445.

［13］馮靜，舒寧.一種新的高光譜遙感圖像紋理特征提取方法研究［J］.武漢理工大學學報，2009（2）：10.

［14］Du Peijun，Fang Tao，Tang Hong，Chen Yongye，Spectral Features Extraction in Hyperspectral RS Data and Its Application to Information Processing［J］.ACTA PHOTON ICA SIN ICA，2005（2）：293.

P 627

A

10.3969／j.issn.1001－1749.2012.05.18

1001—1749（2012）05—0599—05

國家自然科學基金項目（41001253）；中國地質科學院地質力學研究所地質大調查工作項目（1212010711510）

2012－01－10 改回日期：2012－06－01

畢曉佳（1982－），女，吉林人，博士，工程師，地球探測與信息技術。