遙感影像線性構造目視解譯與自動解譯對比研究

徐良龍 溫興平 徐俊龍 章瑞 李倩

摘 要：線性構造是指遙感圖像上直線狀或者曲線狀的地表線性影像，為了對線性構造目視解譯和計算機自動解譯結果進行比較，基于高分一號衛星遙感影像進行RGB彩色合成和低通濾波處理，達到圖像增強的目的，并分別采用人工目視解譯和計算機自動解譯方法提取線性構造信息，對得到的數據進行統計分析，分別作相應的雷達圖和密度圖，并進行非參數檢驗和相關性分析。結果顯示，雷達圖所體現的線性構造的最優選方位均為50°;密度圖高值區均呈現NE-SW兩向延長分布;非參數檢驗的顯著性值為0.843;Pearson相關系數為0.552。研究表明，人工目視解譯和計算機自動解譯結果一致性較好，并具有較強的內在相關性，因此在線性構造研究中，計算機自動解譯可作為對傳統人工目視解譯的一種輔助和驗證手段。

關鍵詞：遙感;線性構造;雷達圖;密度圖;相關分析

DOI：10. 11907/rjdk. 192565 開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP317.4 文獻標識碼：A 文章編號：1672-7800（2020）007-0215-04

Comparative Study on Lineament of Remote Sensing Image by Visual Interpretation and Automatic Interpretation

XU Liang-long1，2， WEN Xing-ping1，2， XU Jun-long1，2， ZHANG Rui1，2， LI Qian1，2

（1. Faculty of Land Resource Engineering， Kunming University of Science and Technology;

2. Mineral Resources Prediction and Evaluation Engineering Laboratory of Yunnan Province，Kunming 650093，China）

Abstract： Linear structure refers to the linear or curvilinear surface image on the remote sensing image. In order to compare the results of visual interpretation of linear structure with the results of computer automatic interpretation， RGB color synthesis and low-pass filtering processing are carried out based on the remote sensing image of high score satellite 1 to achieve image enhancement， and the linear structure information is extracted by artificial visual interpretation and computer automatic interpretation respectively. Statistical analysis on the data is made， corresponding radar map and density map are made respectively， and non parameter test and correlation analysis are carried out. The results show that the optimal azimuth of linear structure reflected in radar map is 50 °; the high value areas of density map show NE-SW two-way extended distribution; the significance value of nonparametric test is 0.843; the Pearson correlation coefficient is 0.552. The research shows that the results of manual visual interpretation and computer automatic interpretation are consistent， and have strong internal correlation. Therefore， in the study of linear structure， computer automatic interpretation can be used as an auxiliary and verification means for traditional manual visual interpretation.

Key Words： remote sensing; lineament; radar map; density map; correlation analysis

0 引言

遙感作為一種對地觀測的技術，有著大面積同步觀測、時效性強、獲取信息量大等優勢，已廣泛應用于城市規劃、生態環境保護、農林業、海洋與湖泊、軍事偵察、地質學等領域。其中，在地質方面最有成效的應用為對線性構造的分析研究[1-3]。線性構造是受地質構造作用間接或者直接控制的線性形跡，是地質構造場在地表的反映，在遙感影像上表現為任何形式的天然的線或者線形排列[4]。其通常與地質構造要素有關，又主要與節理、斷層等斷裂構造有關，其產出方位具有正交特征，并具有優選方位，其展布規律間接地揭示了一個地區構造的基本格局[5-6]。由于線性構造具有數量大、分布隨機性強的特點，為闡明其地質構造意義，往往需要運用數學地質知識對其進行統計分析[7]。

查道函等[8]通過ETM+影像對環形和線性構造進行解譯和統計分析，并參照地質資料和已有礦點得出4個成礦預測區;蔣科迪等[9]利用OLI影像解譯出臨沂地區發育的主要斷裂;王媛媛等[10]通過ETM+影像提取線性構造并應用定量分析方法圈定出成礦前景區;李琳[11]通過TM影像對福建紫金山地區線性體進行統計分析，為遙感找礦提供了構造依據;趙小星[12]利用桑木崗地區的ETM+影像綜合分析了線性構造、蝕變異常、區域地質和已礦化點等信息，圈出了7個3級成礦區;高立東等[13]以ETM+影像為數據，提取出線性構造，解譯出斷裂位置及活動特征，為野外調查工作提供了有效信息，并深化了對區域構造的認識。

由上可知，目前遙感構造信息提取主要是基于Landsat衛星影像并結合人工目視解譯方法實現。然而由于Landsat衛星影像的分辨率較低，并且通過目視解譯提取線性構造存在較強主觀性，往往無法反映出完全客觀的地表構造信息。而隨著圖像處理技術的發展，邊緣檢測技術已成為自動提取線性構造信息的重要手段，其在提高工作效率、辨別細微構造、降低主觀因素干擾方面較傳統人工目視解譯有明顯優勢，而邊緣檢測中的Canny算法因其檢測效果較好，在研究中被廣泛使用[14-15]。因此，本文將基于高分一號影像，通過目視解譯和計算機自動解譯方法提取線性構造，并對解譯結果進行對比分析，從而補充和加強線性構造的解譯工作。

1 地質概況

研究區為會澤鉛鋅礦區，礦區位于云南省曲靖市會澤縣境內，處于昭通-曲靖隱伏斷裂和小江斷裂之間的北西向、北東向和南北向構造帶的復合部位[16]。此區域巖漿活動強烈，廣泛分布著二疊系晚期具有多期噴發特征的基性火成巖，與巖漿活動相伴的含礦熱液對形成的鉛鋅礦床具有積極改造作用[17-18]。地質構造特征為發育NE向大型斷裂與褶皺組成的逆沖推覆構造，具有代表性的構造為NE向具有多期活動性特點的礦山廠斷裂、麒麟廠斷裂和東頭斷裂，并伴生著近乎垂直于NE向的NW向斷裂構造[19]（見圖1）。礦區內分布著礦山廠和麒麟廠兩個礦床，此地地勢險要，但交通便利。

2 線性構造提取

線性構造是指遙感影像上天然的線性形跡，它以兩側區域在圖形結構及色調上的差異或者本身的色線顯現出來，因此對線性構造進行提取和分析前，要對遙感影像進行圖像增強處理，從而有效識別出線性構造。本文采用高分1號衛星影像，高分1號衛星由中國航天科技集團公司所屬中國空間技術研究院研制，于2013年4月26日在酒泉衛星發射基地成功發射，作為我國高分辨率對地觀測系統的首發星，配置了兩臺2m分辨率全色/8m分辨率多光譜相機和4臺16m分辨率多光譜相機。

2.1 線性構造人工提取

RGB彩色合成是為了擴展單色波段的色彩空間，通過彩色合成得到的彩色圖像因其信息攜帶量大、色彩豐富，提高了地表的可視性，有助于對目標地物進行目視解譯。本文對影像數據進行321波段RGB合成（見圖2（a）），以此為基礎在ARCGIS平臺上通過人工目視解譯方法進行矢量化線性構造提取，得到線性構造解譯圖（見圖2（b））。

2.2 線性構造自動提取

空間增強指通過對遙感圖像單個像元與相鄰像元的灰度值進行改變而實現圖像增強。本文對影像數據的B4波段進行低通濾波處理，并將處理后的B4波段灰度圖像（見圖3（a））通過Canny算法，選取0.1和0.04作為高閾值和低閾值，0.3作為高斯濾波器的標準差提取線性構造，并經過長度篩選得到線性構造解譯圖（見圖3（b））。

3 線性構造解譯結果分析

3.1 雷達圖分析

一般情況下，線性構造多數與構造應力作用有關，是斷裂構造在地表的直觀表現，并具有一定的展布規律，對其作方位分析有助于揭示其優選方位，從而從不同側面反映一個地區的基本構造格局。方位分析通常通過雷達圖實現，因此以0°為起始，每10°為一個區間，統計每一個區間內線性構造的數量，最終得到線性構造雷達圖。

如圖4所示，人工目視解譯和計算機自動解譯方法提取線性構造的最優選方位為50°即NE方向，這與研究區主要發育NE向地質構造的格局基本一致，是構造作用和構造應力場演化特征在地表的反映。線性構造所反映的地質構造格局體系是長期以來構造運動及應力改造的總體趨勢，由此形成的具有代表性的深大斷裂不僅控制著該區域地質結構特征和演化，往往還控制著成礦作用。

3.2 密度圖分析

線性構造密度是指單位面積內的線性構造數量，其高值區往往是褶皺和斷裂發育部位，對其作密度圖分析有助于了解一個地區斷裂發育程度以及構造作用的強弱和規模特征[20]。因此，先用850*850方形網格單元對構造解譯圖進行劃分，統計網格內線性構造的數量，并將每個網格的線性構造數量作為密度屬性值，賦予網格中心點，通過SUFFER軟件制成密度圖。

如圖5所示，兩種方法提取線性構造的密度圖高值區均呈現NE-SW兩向延長分布，而兩向延長的高值區往往預示著附近有隱伏大斷裂的存在，結合地質概況發現，兩條高值區都隨著該區域具有代表性的NE向礦山廠斷裂和麒麟廠斷裂附近展布，因此密度圖從不同側面揭示了這些大斷裂沿線附近構造變形作用強烈，是構造應力釋放地段，常發育密集的斷層、節理等地質構造。

3.3 非參數檢驗

由于目視解譯和自動解譯結果極其相似，因此對密度圖分析中兩種方法所對應的密度變量進行兩配對變量的非參數檢驗。兩配對變量的非參數檢驗用于在總體分布未知情況下，對變量來自的兩個總體是否具有顯著性差異進行檢驗。而由于兩個地質變量原始值的量綱及數值大小不同，為了消除變量間的量綱關系，從而使數據具有可比性，在進行檢驗前應對原始數據進行標準化處理，再將標準化處理后的數據進行非參數檢驗。

如表1所示，檢驗結果顯示其雙尾顯著性值為0.843，大于顯著性水平0.05，這表示兩個密度變量無系統性差異即來自于相同分布的總體，其表明由同一張影像通過目視解譯和自動解譯方法提取的線性構造可能具有內在聯系。

3.4 相關性分析

由上述分析可知，兩種解譯結果可能存在內在聯系，而在統計學中，通過制作相關圖可以直接判斷變量之間的大致關系，因此為了直觀反映其所在關系，通過兩個密度變量制成散點圖，如圖6所示。散點圖除了小部分點偏離趨勢線較大外，大部分點都沿著擬合的趨勢線附近展布，因此認為兩變量之間存在一定相關性。

散點圖只能感性地反映出變量間的相關關系，為了更加精確地描述兩種解譯結果之間的內在相關性，需計算變量之間的相關系數，并探討其相關方向及相關程度。而當兩個變量都服從正態分布時，它們之間的相關程度可用Pearson簡單相關系數表示。Pearson簡單相關系數區間為[-1，1]，表現為正相關和負相關，相關系數絕對值越大，兩個變量的相關程度就越高。因此，以密度（對數）為橫坐標，密度（對數）區間內的頻數為縱坐標作出直方圖，如圖7所示。兩個直方圖的形態大致服從正態分布，因此適合用Pearson簡單相關系數表示其相關程度。

對兩個變量進行Pearson相關系數計算，得出相關性如表2所示，其相關系數為0.552，雙尾顯著性值為0，小于顯著性水平0.01，表示兩者相關性較強，為中度正相關。這也表明了兩種方法解譯的線性構造存在著內在統一性，人工目視解譯結果可以通過計算機自動解譯結果進行驗證，因而自動解譯可以作為對線性構造解譯工作的補充和加強。

4 結語

本文基于高分一號影像，通過目視解譯和計算機自動解譯方法提取線性構造，并對解譯結果進行對比分析。經研究可知，人工目視解譯和計算機自動解譯線性構造最優選方位均為50°即NE方向，并且與區域構造格局相吻合，密度圖高值區均呈現NE-SW兩向延長分布，兩種方法解譯結果一致性較好。通過對線性構造解譯結果進行對比研究發現，其解譯結果具有較強相關性。因此，在后續線性構造研究中，基于邊緣檢測的計算機自動解譯可作為對傳統人工目視解譯的一種輔助和驗證手段。

參考文獻：

[1] 溫興平. 遙感技術及其地學應用[M]. 北京：科學出版社，2017.

[2] 尹占娥. 現代遙感導論[M]. 北京：科學出版社，2008.

[3] 徐俊龍，溫興平，張皓楠，等. 遙感線性構造中心對稱度的尺度效應研究[J]. 地質科技情報，2019，38（3）：290-298.

[4] 李攀峰，趙鐵虎，齊君，等. 利用遙感數據解譯蓬萊地區的主要線性構造[J]. 海洋地質前沿，2014，30（12）：36-40.

[5] 李晨偉，曾敏，張自賢，等. 遙感線性構造提取方法及意義——以高燕錳礦區為例[J]. 四川地質學報，2016，36（4）：659-662.

[6] 莊培仁，趙不億. 遙感技術及地質應用研究[M]. 北京：地質出版社，1986.

[7] 徐俊龍，溫興平，余敏，等. 基于地質統計學原理的會澤鉛鋅礦遙感線性構造解析[J]. 地質與勘探，2014，50（4）：763-771.

[8] 查道函，劉丙秋，梁軍，等. 大瑤山遙感線性構造分形及成礦預測[J]. 國土資源導刊，2015，12（4）：50-53.

[9] 蔣科迪，羅生龍，周立，等. 臨沂地區斷裂構造遙感解譯[J]. 物探化探計算技術，2018，40（2）：269-276.

[10] 王媛媛，李好斌，張廷，等. 靈丘線性體定量分析與成礦預測[J]. 煤炭技術，2017，36（2）：112-114.

[11] 李琳. 福建紫金山TM遙感影像線性構造定量分析[J]. 長沙大學學報，2013，27（2）：10-12.

[12] 趙小星. 西藏桑木崗地區遙感線性構造和蝕變信息提取與找礦預測[J]. 現代地質，2017，31（4）：851-859.

[13] 高利東，趙勝金，楊海星，等. 霍林河地區遙感影像線性構造解譯[J]. 西部資源，2017（6）：123-126.

[14] 韓玲，楊軍錄，陳勁松. 遙感信息提取及地質解譯[M]. 北京：地質出版社，2017.

[15] 韓利利，田益民，齊千慧，等. 基于MATLAB數字圖像邊緣檢測算法的研究[J]. 北京印刷學院學報，2019，27（7）：98-101.

[16] 孟貴華. 會澤鉛鋅礦地質特征及成礦分析[J]. 云南地質，2014，33（3）：380-383.

[17] 張有榮，向龍洲，張小兵，等. 云南會澤鉛鋅礦地區磁異常推斷斷裂構造及地質意義[J]. 云南大學學報（自然科學版），2017，39（S2）：151-156.

[18] 劉磊，朱杰勇，祁昌煒. 云南會澤縣待補鉛鋅礦區巖石地球化學特征[J]. 礦產與地質，2012，26（6）：490-496.

[19] 宋煜，李保珠. 云南會澤鉛鋅礦區地下水化學和同位素分析[J]. 地質學報，2018，92（5）：1081-1089.

[20] 徐俊龍，溫興平，余敏，等. 基于ETM+影像的會澤鉛鋅礦線性體優勢方位研究[J]. 河南科學，2013，31（12）：2217-2221.

（責任編輯：孫 娟）