基巖裸露區基于多光譜遙感影像的快速地質解譯
——以甘肅北山黑山地區為例

朱彥虎，黃增保

基巖裸露區基于多光譜遙感影像的快速地質解譯
——以甘肅北山黑山地區為例

朱彥虎1，3，黃增保1，2

（1.甘肅省地質調查院，甘肅蘭州730000；2.中國地質大學地質過程與礦產資源國家重點實驗室，湖北武漢430074；3.中國地質大學國家地理信息系統工程技術研究中心，湖北武漢430074）

目前遙感地質的影像解譯主要以傳統的目視解譯為主，借助經驗，方法落后、效率低下，且缺乏基于光譜的計算機自動分類、基于專家知識的決策樹模型或面向對象特征等自動提取方法；目前遙感地質的解譯主要強調遙感影像的空間分辨率，而對于圖像波譜數據利用非常少。本研究旨在通過各種圖像變換或增強手段，發揮人眼對部分彩色空間圖像特別敏感的特點，利用已有地質背景資料劃分符合地質習慣的單一地層或巖體的區域，建立典型的感興趣區，然后計算其平均波譜，進而利用ENVI軟件監督分類中的神經網絡分類工具，設定恰當的權重與臨界閾值，最后達到較好區分不同地層或巖體的目的。本研究選擇甘肅北山黑山地區，利用lansat8多光譜數據進行試驗，其研究成果可為遙感地質工作提供快速智能的影像解譯方法提供參考，同時也可以應用于青海、西藏等廣闊的基巖出露區域，為礦產資源勘探提供科學依據和決策支持。

landsat8；遙感地質；多光譜；波譜角；大氣校正

一幅遙感影像，包含有三個層面的信息，可以概括為空間維、光譜維、頻率維。若圖像的光譜信息經過輻射定標，那么同一地面二維空間連續空間域的圖像，即不同波段在獲得地面二維空間圖像信息的同時，還獲取地物的連續光譜信息，其獲取的數據形成一個三維數據集，也叫光譜圖像立方體（圖1），若將每層圖像以傅里葉級數展開再加以變換等手段就可分析圖像的頻率域特征。但是到目前為止，無論是基于像素的遙感圖像分類方法，還是面向對象或決策樹的手段（劉漢湖等，2009；徐元進，2009；劉燕君，1984），在遙感地質解譯時其結果都難以達到符合地質邏輯或制圖標準的分類效果，如何快速、準確地解譯一幅遙感影像，將它包含的地層或巖體邊界快速地勾畫出來（鄒林等，2006；呂鳳軍等，2006；于浩等，2013；Zhangetal.，2007），并且能符合地質制圖習慣，是當前以傳統目視解譯為主的遙感地質工作者必須面臨的問題（唐文周，1998）。本論述正是基于此認識，試圖從多光譜遙感數據中以神經網絡的分類方式來識別某一具體地層或巖體信息而展開研究的。本研究原理主要是利用三層反向傳輸神經網絡（李強等，1999；盧柳葉等，2012）。第一層為輸入層，中間層為隱層，第三層為輸出層。輸入層是影響分類精度的關鍵因素。輸入層因素必須準確，在滿足地物光譜有明顯差異的基礎上還要滿足一定的數量條件。

圖1　研究區光譜圖像立方體

1　研究區區域地質背景

研究區位于甘肅省瓜州縣黑山地區，構造上地處塔里木地塊北緣，雙鷹山-西雙鷹山被動陸緣帶上，出露的地層主要為薊縣系平頭山組，為一套白云巖、大理巖組成的臺地相碳酸鹽巖建造；青白口系大豁落山組，由硅質大理巖、白云巖、變質砂巖和石英巖組成；寒武系雙鷹山組和西雙鷹山組，主要為一套硅質巖、炭質板巖、變砂巖夾灰巖，含磷的板巖組成；溝谷中見有中更新統的沖洪積砂礫石層。出露的巖體主要有奧淘紀的角閃輝長巖、角閃橄欖巖，志留紀的石英閃長巖和石炭紀的正長花崗巖，一般沿地層走向侵入，接觸帶見有角巖化，綠泥石化和一些圍巖褪色蝕變現象。構造基本為近東西向的斷裂構造，一般構成各地質體的分界。

研究區內主要地層類型有（圖2）：

圖2　研究區地質圖

2　地層（巖體）分類方法與結果

依據本研究區的地質背景并結合目視解譯和實地調查，確定將該研究區劃分為6種主要地層（巖體）（楊建民等，2007），分別為第四系、寒武系、薊縣系、石炭系、奧陶系和青白口系。解譯分粗解譯和精解譯兩個階段，粗解譯階段是根據地質背景情況，將圖像中感興趣區域的選擇在同一地層（巖體）中，然后設定初始輸入值（感興趣區的平均光譜信息），并確定一定閾值，訓練ENVI圖像處理軟件中提供的神經網絡模型（趙文吉等，2007；李燕等，2012；趙玉靈等，2005），達到初步分類的效果，若是分類結果不滿意，可以重新設定閾值再次分類，直到滿足分類結果與已知地質背景較吻合為止；第二步是精解譯階段，即將第一步解譯未詳細區分的地層，在分辨率容許范圍內繼續細分。

2.1地物分類主要技術工作流程

地物分類主要技術流程見圖3所示。

圖3　地物分類流程圖

表1　各個波段相關性分析

2.2大范圍內圖像的解譯

人眼對于彩色圖像的識別能力要遠遠大于黑白圖像，然后不同波段組合的假彩色合成圖像由于波段信息相互間的冗余而存在差異，理論上兩相關性較弱的波段組合含有更加豐富的圖像信息，所以本研究計算了圖像各個波段間的相關性，以利于選擇更加合適的波段來輔助選擇感興趣區域。

由表1可見，7、5、4等波段相對較獨立，冗余信息少，故在本研究中，較多地采用了752、741等波段的假彩色合成圖像。

本研究區范圍及具體感興趣的選擇見圖4所示，依據已有地質資料，選擇了1-6的區域作為感興趣區，共六個研究區域，以提取初始的輸入值（平均波譜），這六個區代表的地層（巖體）分別是：1第四系、2寒武系、3薊縣系、4石炭系、5奧陶系、6青白口系。

圖4　研究區（大）752波段假彩色圖像

通過計算，各預分類地層（巖體）平均波譜見圖5所示：

圖5　典型地區波譜圖像

2.3初步分類結果對比

圖6　初步分類后薊縣系地層的效果展示

圖7　初步分類后全圖效果展示

由圖6、圖7單個地層和總體的對比可見，分類效果比較符合已有地質圖的表達習慣，并且在邊界上比原地質圖更加清晰，且將同一地層規模較小的邊界也提取出來，可以方便地在進一步制圖綜合中根據比例尺大小予以取舍。

在實際中，感興趣區樣本數據波譜差異程度大小與最后實際地物波譜是否難以區分關系較大，選擇樣本的光譜差異越大，則提取地物可分性就越好。

能否在實際中進一步對地層進行巖性細分呢？對此做了進一步的研究如：對于第6個感興趣區域，即青白口系地層，由圖像可見有明顯的色彩分層和不同的紋理信息，可進一步對此地層試驗地層的巖性細分。

2.4小區域的同一地層內的巖性細分試驗研究

對于第6個感興趣區，即青白口系巖性地層在地質圖中并未詳細區分小的巖性地層，如圖8的第3個圖（landsat8的741波段假彩色合成）所示，該層可見有多層更小的地層東西向平行展布，但肉眼并不好進一步細分。為了更好地在該層選擇比較純凈的感興趣區，我們對圖像作了HLS空間變換和纓帽變換兩種圖像增強效果（HeikoZumsprekeletal.，2000）（圖8中1、2小圖），以輔助確定比較適合的感興趣區域（孫洪泉等，2011）。不難看出，經變換后，圖8中的小1圖具有比較明顯差異的色彩是藍紫色、綠色、黃色三種，圖8的小2圖中是紅色、黃色、藍色三種，不難看出兩圖中各自的三種色彩分布上比較集中且較為一致，故選擇它所在區域為新的感興趣區域，作為識別同一地層內小巖性地層的標準，在圖中由①、②、③標示，如3圖所示。據此再計算其平均波譜（圖9）作為初始輸入值（S.Anbazhaganetal.，2009），然后經過同前面在大范圍區域內基于神經網絡的監督分類相同的步驟，可以得出最終如圖8第4個圖的分類結果，經實地驗證，這三類分別為①大豁落山組硅質大理巖、②變質砂巖夾石英巖、③白云巖。

2.5總結

由于不同的巖性具有不同的反射波譜曲線與特征峰（王欽軍等，2006；王潤生等，2007），這就對遙感影像的計算機自動分類、自動提取等方法在理論上實現提供了可能。對于一景多光譜遙感影像的解譯，可有如下幾個步驟：首先將它分塊，使得每小塊包含的地層數目不要太多，一般小于多光譜的波段數，然后根據地質背景資料，選擇合適的感興趣區域計算其平均波譜，再利用神經網絡進行分類，對于某些具體地層也可以用同樣的方法進一步細分，從而得到由粗到精的解譯。

故在實際地質工作中，尤其是礦調、區調等的前期踏勘，若以已有資料和地質背景為基礎，先以地層為單位，大范圍內初步解譯，再將比較復雜的地質體在巖性上做精解譯，包括如矽卡巖化、綠泥石化等蝕變信息的提取（劉德長等，2015），最后在野外輔助驗證，可以較大幅度地提高解譯的速度和效率。

圖8　青白口系地層

圖9　青白口系亞層感興趣區的平均波譜

3　結論

（1）采用BP神經網絡進行遙感影像分類，在一定程度上減輕了傳統遙感影像分類中常出現的錯分、漏分現象。分類的結果與實際地物具有很好的吻合性，在一定程度上驗證了神經網絡的可靠性。尤其對于發揮遙感大范圍的地質解譯，可以在數小時內完成，并且對于地層或巖體的解譯效果與傳統實際測量繪制的經典1：20萬地質圖吻合率較好，尤其對于第四系的解譯，高海拔地區以及無人區等工作條件惡劣的地區更是有廣闊的應用潛力。

（2）由于組成巖石的礦物的多樣化與其各礦物組成比例的多變性、陰坡陽坡，地形海拔等地域條件的復雜多變性以及天氣氣象等條件的影響，使得出現同物異譜或同譜異物的現象，給解譯增加了難度。

（3）今后工作中，可以實地測量并建立區域巖性波譜庫，來彌補當前只能在遙感圖像中選擇比較純凈的感興趣區提取適合研究區特定地層特點的光譜的現狀。

［1］李強，王正志.基于MRF模型和人工神經網絡的遙感圖像分類綜合方法研究［J］.國防科技大學學報，1999，21（1）：62-66.

［2］李燕，陳瑩，董秀蘭，等.基于神經網絡的遙感圖像識別算法［J］.測繪與空間地理信息，2012，35（2）：156-158.

［3］盧柳葉，張青峰，李光錄.基于BP神經網絡的遙感影像分類研究［J］.測繪科學.2012，37（6）：140-143.

［4］劉漢湖，楊武年，楊容浩.ALI遙感數據在巖礦信息提取中的應用研究［J］.地質與勘探，2009，45（4）：456-461.

［5］劉燕君，遙感圖象中礦產信息的提取［J］.地質與勘探，1984（8）：30-35.

［6］呂鳳軍，邢立新，范繼璋，等.基于蝕變信息場的遙感蝕變信息提取［J］.地質與勘探，2006，42（02）：65-68.

［7］劉德長，邱駿挺，田豐，等.區域控礦斷裂帶的航空高光譜遙感技術研究—以黑石山－花牛山深大斷裂帶為例［J］.地質與勘探，2015，51（2）：0366-0375.

［8］孫洪泉，竇聞，易文斌.遙感圖像融合的研究現狀、困境及發展趨勢探討［J］.遙感信息，2011（1）：104～108.

［9］唐文周.我國遙感地質工作的現狀和近期展望［J］．國土資源遙感，1998，36（2）：24-32.

［10］王潤生，楊蘇明，閻柏琨.成像光譜礦物識別方法與識別模型評述［J］.國土資源遙感，2007，71（1）：1-9.

［11］王欽軍，藺啟忠.一種巖性提取新方法—光譜排序編碼法［J］.地質與勘探，2006，42（3）：91-96.

［12］徐元進.面向找礦的高光譜遙感巖礦信息提取方法研究［D］.武漢：中國地質大學（武漢）.2009.

［13］楊建民，張玉君，姚佛軍.利用ETM+遙感技術進行尾亞雜巖體的巖性識別［J］.巖石學報，2007，23（10）：2399-2301.

［14］于浩，李東，常玲，等.基于ASTER數據的西昆侖造山帶巖性提取研究［J］.新疆地質，2013，31（4）：380-383.

［15］趙文吉，段福州，劉曉萌.ENVI遙感影像處理專題與實踐［M］.北京：中國環境科學出版社，2007：150-155.

［16］趙玉靈，楊金中，和正民，等.基于ERDAS地質信息提取功能的設計與實現［J］.遙感信息，2005（2）：36-38.

［17］鄒林，楊自安，朱谷昌.多光譜遙感蝕變信息提取新方法研究［J］.地質與勘探，2006，42（06）：70-76.

TP751

A

10.3969/j.issn.1672-6375.2016.09.004

2016-6-20

朱彥虎（1981-），男，漢族，甘肅定西人，研究生，主要研究方向：遙感地質。