基于多源遙感數(shù)據(jù)的高山峽谷區(qū)巖性信息提取研究
——以新疆烏什縣北山1∶50000填圖試點(diǎn)為例

孟鵬燕，孫 杰，于長春，穆 超，帥 爽，謝 菲，孟 丹

(1. 中國地質(zhì)大學(xué)(武漢)地球科學(xué)學(xué)院， 武漢 430074；2. 中國地質(zhì)調(diào)查局國土資源航空物探遙感中心，北京100083；3. 湖北省國土測繪院，武漢 430010)

基于多源遙感數(shù)據(jù)的高山峽谷區(qū)巖性信息提取研究
——以新疆烏什縣北山1∶50000填圖試點(diǎn)為例

孟鵬燕1，孫 杰1，于長春2，穆 超3，帥 爽3，謝 菲3，孟 丹3

(1. 中國地質(zhì)大學(xué)(武漢)地球科學(xué)學(xué)院， 武漢 430074；2. 中國地質(zhì)調(diào)查局國土資源航空物探遙感中心，北京100083；3. 湖北省國土測繪院，武漢 430010)

新疆烏什縣北山1∶50000填圖試點(diǎn)項(xiàng)目位于塔里木盆地西北邊緣和西南天山交接部位，海拔較高，地形切割較深，屬于典型的高山峽谷區(qū)。利用ASTER、SPOT6、GF-2等多源遙感數(shù)據(jù)，基于典型巖性光譜吸收特征，進(jìn)行巖性差異信息增強(qiáng)與提取研究，總結(jié)出一套基于多源遙感數(shù)據(jù)進(jìn)行巖性單元邊界劃分的方法。以ASTER數(shù)據(jù)、ASTER與SPOT6協(xié)同數(shù)據(jù)、ASTER與GF-2協(xié)同數(shù)據(jù)等為基礎(chǔ)影像數(shù)據(jù)，并選擇最佳波段組合進(jìn)行RGB彩色合成，從而增強(qiáng)影像差異，結(jié)合已有研究區(qū)地質(zhì)資料，初步圈定不同影像單元邊界；繼而利用礦物豐度指數(shù)、SMACC端元豐度提取等方法識(shí)別研究區(qū)內(nèi)主要巖性的分布位置和范圍；最后結(jié)合野外實(shí)際調(diào)查數(shù)據(jù)，依據(jù)實(shí)際地質(zhì)背景和影像質(zhì)量進(jìn)行篩選，獲得最終的巖性單元解譯圖。研究結(jié)果為該區(qū)進(jìn)一步進(jìn)行地層優(yōu)化劃分及對比提供了參考資料。

高山峽谷區(qū)；多源數(shù)據(jù)協(xié)同；礦物豐度指數(shù)；SMACC；巖性信息提取

0 引言

新疆烏什縣北山1∶50000填圖試點(diǎn)區(qū)位于塔里木盆地西北邊緣和西南天山交接部位，海拔較高，地形切割較深，屬于典型的高山峽谷區(qū)。傳統(tǒng)地質(zhì)調(diào)查與研究因其惡劣的地質(zhì)地貌條件難以全面開展，而遙感地質(zhì)調(diào)查較之傳統(tǒng)方法具有研究范圍廣、快速、高效等特點(diǎn)，利用遙感數(shù)據(jù)進(jìn)行地質(zhì)填圖、巖性識(shí)別等工作經(jīng)過長期發(fā)展，已成為一個(gè)成熟有效的技術(shù)方法。近年來，隨著遙感傳感器空間和光譜分辨率的進(jìn)一步提高，可應(yīng)用于地質(zhì)調(diào)查的遙感數(shù)據(jù)源也不斷增多，如何利用多源遙感數(shù)據(jù)各自優(yōu)勢，將其協(xié)同應(yīng)用于遙感調(diào)查是至關(guān)重要的研究課題。本文基于ASTER、SPOT6、GF-2等多源遙感數(shù)據(jù)對該地區(qū)進(jìn)行巖性信息識(shí)別、提取與解譯，力圖為該區(qū)優(yōu)化地質(zhì)填圖提供重要參考。

利用多源遙感數(shù)據(jù)進(jìn)行巖性差異信息增強(qiáng)與提取是當(dāng)前遙感地質(zhì)應(yīng)用領(lǐng)域的熱點(diǎn)研究內(nèi)容之一[1]。自20世紀(jì)80年代以來，各國遙感地質(zhì)學(xué)者深入研究各種巖石、礦物的光譜原理，總結(jié)出從單一礦物到巖石組合等的診斷性光譜特征，并研究了多種礦物、巖石產(chǎn)生特征光譜的原因[2～6]，提出多種遙感增強(qiáng)巖性信息差異的方法[7]。針對數(shù)據(jù)源的選擇，早期國內(nèi)外多采用TM、ETM+等多光譜數(shù)據(jù)進(jìn)行研究[8～9]，隨著Terra衛(wèi)星的升空，短波紅外波段光譜分辨率方面比TM、ETM+等數(shù)據(jù)具有更多優(yōu)勢的ASTER數(shù)據(jù)在基礎(chǔ)地質(zhì)調(diào)查和礦產(chǎn)調(diào)查中得到了廣泛應(yīng)用[10～11]。但ASTER數(shù)據(jù)最大空間分辨率為15 m，部分地質(zhì)體的空間特征信息難以識(shí)別，獲得巖性邊界不夠清晰，難以開展較大比例尺的地質(zhì)調(diào)查研究。隨著多種高空間分辨率傳感器的升空，如法國1.5 m空間分辨率的SPOT6，我國0.8 m空間分辨率的GF-2，其光譜范圍均在0.4～0.9 μm之間，能夠有效彌補(bǔ)ASTER數(shù)據(jù)在可見光—近紅外區(qū)域空間分辨率上的不足。

本文以新疆烏什縣北山1∶50000填圖試點(diǎn)為例，利用ASTER、SPOT6、GF-2等多源遙感數(shù)據(jù)，以數(shù)據(jù)協(xié)同理論和礦物光譜理論為基礎(chǔ)，總結(jié)出一套基于多源遙感數(shù)據(jù)進(jìn)行巖性單元邊界劃分的方法，并最終結(jié)合野外實(shí)際調(diào)查資料對該地區(qū)碳酸鹽巖和碎屑巖進(jìn)行差異增強(qiáng)、巖性識(shí)別和巖性單元界線圈定，取得了良好的效果。

1 研究區(qū)概況

研究區(qū)位于新疆維吾爾自治區(qū)西南部，行政區(qū)劃隸屬新疆維吾爾自治區(qū)烏什縣(見圖1)，地理坐標(biāo)：78°52′30″—79°E，41°20′—41°25′N。該區(qū)平均海拔大于3000 m，切割深度一般大于1000 m，為海拔較高的深切割區(qū)。自然地理環(huán)境惡劣，交通不便，車輛通行困難，絕大多數(shù)地區(qū)只能以駱駝和馬作為運(yùn)輸工具。

1,2—第四系沖洪積物；3—安吉然組礫巖夾鈣質(zhì)粗砂巖；4—阿依里下亞組石灰?guī)r、紡錘灰?guī)r、礫狀灰?guī)r及鈣質(zhì)砂巖夾鋁土礦層(C3aia)；5—阿克恰衣群薄層狀砂巖、粉砂巖夾礫巖、灰?guī)r(C1-2ak)；6—阿帕達(dá)爾康下亞組大理巖化灰?guī)r、鮞狀灰?guī)r夾凝灰礫巖泥質(zhì)粉砂巖薄層(D2apb)；7—不整合接觸界線；8—正常接觸界線；9—斷層；10—研究區(qū)圖1 研究區(qū)地理位置和地質(zhì)構(gòu)造簡圖Fig.1 Location and geological sketch of the study area

研究區(qū)處天山造山帶和塔里木板塊的結(jié)合部位，據(jù)前人資料，該區(qū)大地構(gòu)造單元主要包括西南天山造山帶的烏魯克恰提—邁丹—庫瓦特晚古生代裂陷槽和塔里木板塊北緣邊緣斷陷帶[12～14]。該區(qū)主要出露泥盆系、石炭系，屬于西南天山地層小區(qū)，地層走向與天山山脈走向大體平行，呈北東—南西向展布。出露的地層巖石主要包括：中泥盆統(tǒng)阿帕達(dá)爾康下亞組大理巖化灰?guī)r、鮞狀灰?guī)r夾凝灰礫巖泥質(zhì)粉砂巖薄層，下—中石炭統(tǒng)阿克恰衣群薄層狀砂巖，粉砂巖夾礫巖、灰?guī)r，上石炭統(tǒng)阿依里下亞組石灰?guī)r、紡錘灰?guī)r，礫狀灰?guī)r及鈣質(zhì)砂巖夾鋁土礦層，上新統(tǒng)—更新統(tǒng)安吉然組礫巖夾鈣質(zhì)粗砂巖以及全新統(tǒng)松散沖洪積物堆積層(見圖1)。

2 遙感數(shù)據(jù)源及預(yù)處理

前人研究巖石地層差異信息提取時(shí)多采用Landsat7 ETM+或ASTER等單一數(shù)據(jù)源，而單一數(shù)據(jù)源一般會(huì)在光譜或空間分辨率上存在不足。本文在研究過程中利用ASTER以及ASTER與SPOT6協(xié)同、ASTER與GF-2協(xié)同影像進(jìn)行研究，其影像波段物理特征及像元空間特征見表1。

表1 GF-2、SPOT6、ASTER、ETM+遙感數(shù)據(jù)基本特征

由于衛(wèi)星傳感器自身物理特性及電磁波傳輸途徑中易受外界因素干擾，致使所獲取遙感數(shù)據(jù)記錄的地物特征在一定程度上與地表實(shí)際情況存在一定的差異。為了減弱這種差異對巖石地形信息提取所造成的誤差，在數(shù)據(jù)實(shí)際應(yīng)用前需要對其進(jìn)行預(yù)處理，預(yù)處理工作主要包括輻射定標(biāo)、大氣校正、幾何校正和異源遙感數(shù)據(jù)配準(zhǔn)、去干擾等。

ASTER數(shù)據(jù)進(jìn)行常規(guī)影像預(yù)處理之前，需進(jìn)行CROSSTALK(串?dāng)_)校正，其目的是去除由于ASTER傳感器設(shè)計(jì)的原因所致短波紅外通道傳感器的相互干擾對數(shù)據(jù)的影響。本文利用針對ASTER數(shù)據(jù)的CROSSTALK校正軟件完成針對研究區(qū)受影響的4個(gè)波段的校正。

巖石地層信息提取需要利用其光譜特性，對ASTER數(shù)據(jù)進(jìn)行輻射定標(biāo)和大氣校正處理是必要的工作。采用FLAASH工具對兩種多光譜數(shù)據(jù)進(jìn)行大氣校正，以消除大氣等因素對地物真實(shí)反射率的影響。

由于異源數(shù)據(jù)協(xié)同，在分別對ASTER、SPOT6、GF-2等數(shù)據(jù)進(jìn)行幾何校正后，還需進(jìn)行異源數(shù)據(jù)配準(zhǔn)。具體做法是：以空間分辨最高的GF-2(全色0.8 m)為參考影像，通過手動(dòng)選取同名控制點(diǎn)，分別配準(zhǔn)ASTER和SPOT6數(shù)據(jù)。在進(jìn)行SPOT6的手動(dòng)配準(zhǔn)前，首先利用Moravec匹配算法對GF-2和SPOT6影像進(jìn)行自動(dòng)匹配，然后再手動(dòng)調(diào)整匹配較差的同名點(diǎn)，直至匹配殘差小于1。由于ASTER數(shù)據(jù)和GF-2有較大的空間分辨率差異，自動(dòng)匹配算法難以有效提取同名點(diǎn)，因此采用手動(dòng)選取同名點(diǎn)進(jìn)行匹配的方法。

3 巖性信息提取方法

3.1 多源遙感數(shù)據(jù)協(xié)同增強(qiáng)法

協(xié)同理論就是將兩種或兩種以上組分相匹配在一起，達(dá)到組合效果優(yōu)于多個(gè)組分單獨(dú)應(yīng)用時(shí)效果的總和[15]。協(xié)同理論在遙感地質(zhì)領(lǐng)域中主要指將不同衛(wèi)星平臺(tái)所搭載的不同傳感器或者同一傳感器數(shù)據(jù)的光譜分辨率、空間分辨率構(gòu)成一個(gè)系統(tǒng)。衛(wèi)星傳感器成像過程中瞬時(shí)視場的限制使同一傳感器獲取的影像難以同時(shí)滿足高空間分辨率和高光譜分辨率[16]。在遙感巖性信息提取應(yīng)用中，高空間分辨率遙感影像可以較好地描述地表細(xì)節(jié)信息[17]，如不同類型巖石層理以及巖性單元之間的接觸關(guān)系；中等分辨率多光譜數(shù)據(jù)的短波紅外波段數(shù)據(jù)相對于可見光波段則能夠有效描述巖石礦物的光譜差異，有利于主體巖性劃分提取。如果能有效地將多源數(shù)據(jù)結(jié)合起來實(shí)現(xiàn)優(yōu)勢互補(bǔ)，將十分有利于巖性信息識(shí)別和提取能力的發(fā)展和進(jìn)步。因此，如何有效實(shí)現(xiàn)多源遙感數(shù)據(jù)的空間分辨率優(yōu)勢和光譜分辨率優(yōu)勢的協(xié)同是研究者關(guān)注的熱點(diǎn)。

SPOT6數(shù)據(jù)全色波段空間分辨率為1.5 m，GF-2空間分辨率為0.8 m，均屬于高空間分辨影像，明顯優(yōu)于空間分辨率為15 m的ASTER數(shù)據(jù)；但ASTER數(shù)據(jù)擁有包括可見光、近紅外、短波紅外在內(nèi)的9個(gè)波段，尤其是ASTER 數(shù)據(jù)在短波紅外區(qū)擁有6個(gè)波段，光譜分辨率有了很大改善，對于礦物吸收波譜特征的反應(yīng)也更加靈敏。因此，可以利用Gram-Schmidt光譜銳化法，將經(jīng)過預(yù)處理的ASTER反射率數(shù)據(jù)分別與SPOT6、GF-2全色波段融合，形成分辨率分別為1.5 m、0.8 m的高分辨率多光譜9波段協(xié)同數(shù)據(jù)。

從ASTER數(shù)據(jù)9個(gè)波段中選擇3個(gè)波段進(jìn)行假彩色合成，以便于更好地表達(dá)圖像信息之間的色調(diào)差異。通過計(jì)算ASTER影像不同波段之間的相關(guān)性，確定合適的波段組合。相關(guān)性矩陣可以反映不同波段之間的相關(guān)性(波段之間的相關(guān)系數(shù)越大，各波段所包含的信息之間越可能出現(xiàn)大量的重復(fù)和冗余；相關(guān)系數(shù)越小，各波段的圖像數(shù)據(jù)獨(dú)立性越高，圖像質(zhì)量就越好)，因此，選擇波段間相關(guān)性盡可能小的進(jìn)行彩色合成。為了提高彩色合成圖像的效果，增加巖性單元之間的可分程度，本研究通過多次波段組合實(shí)驗(yàn)，觀察彩色合成效果，并最終選擇波段相關(guān)性(見表2)相對較小的短波紅外8波段、近紅外4波段和可見光1波段進(jìn)行假彩色合成。圖2—圖4分別為研究區(qū)ASTER原始影像、ASTER與SPOT6協(xié)同影像、ASTER與GF-2協(xié)同影像的8、4、1波段彩色合成圖。

通過直觀地對比分析可知，三種圖像總體展現(xiàn)出的色調(diào)基本一致，均能較好地表現(xiàn)影像單元之間的差異，清晰描述影像單元邊界，且后兩種協(xié)同影像無論在色調(diào)差異性上還是影像空間紋理清晰度上均優(yōu)于原始影像。對比ASTER與SPOT6協(xié)同影像(見圖3)和ASTER與GF-2協(xié)同影像(見圖4)，ASTER與GF-2協(xié)同數(shù)據(jù)在影像紋理清晰度上比ASTER與SPOT6協(xié)同數(shù)據(jù)更勝一籌，如圖4紅色矩形框內(nèi)地貌具有清晰的樹枝狀、梳狀影像形跡，能夠非常直觀地被識(shí)別出來，而圖3中地貌特征則需仔細(xì)甄別。此外，由于太陽高度、地形高差以及SPOT6、GF-2兩種傳感器數(shù)據(jù)采集模式的差異，GF-2影像沒能較好地消除陰影的影響，致使ASTER與GF-2協(xié)同數(shù)據(jù)在陰影區(qū)數(shù)據(jù)顯示效果上弱于ASTER與SPOT6協(xié)同數(shù)據(jù)。因此，在地形起伏較大的地區(qū)可采用ASTER與SPOT6協(xié)同數(shù)據(jù)，起伏不大的地區(qū)可采用ASTER與GF-2協(xié)同數(shù)據(jù)，進(jìn)行巖石影像單元邊界的圈定，使地質(zhì)界線解譯效果達(dá)到最佳。

表2 相關(guān)系數(shù)矩陣

圖2 ASTER原始影像(R:8, G:4, B:1)Fig.2 Original image of ASTER (R:8, G:4, B:1)

圖3 ASTER與SPOT6協(xié)同影像(R:8, G:4, B:1)Fig.3 Cooperative image of ASTER and SPOT6 (R:8, G:4, B:1)

圖4 ASTER與GF-2協(xié)同影像(R:8, G:4, B:1)Fig.4 Cooperative image of ASTER and GF-2 (R:8, G:4, B:1)

3.2 礦物豐度指數(shù)法

礦物豐度指數(shù)法能有效減弱大氣反照率、地形坡度等因素的干擾，增強(qiáng)不同礦物光譜特征之間的差異，被廣泛應(yīng)用于地質(zhì)填圖中[18]。礦物豐度指數(shù)法主要是利用礦物的診斷性光譜特征突出礦物在影像上的信息，以便于進(jìn)一步劃分主體巖性、細(xì)化填圖。

圖5 碳酸鹽礦物和典型黏土類礦物光譜曲線Fig.5 Spectral curves of carbonate minerals and typical clay minerals

通過彩色合成法將礦物豐度指數(shù)ASTER (B7+B9)/B8、ASTER (B5+B7)/B6、ASTER (B2/B1)分別賦予紅通道(R)、綠通道(G)、藍(lán)通道(B)，從礦物豐度指數(shù)合成圖(見圖6)來看，碳酸鹽礦物在合成圖上主要呈紅色、品紅色、粉紅色、橙紅色；Mg-OH黏土礦物在合成圖上呈橙黃色、黃色；Al-OH黏土礦物在合成圖上主要呈深綠色、淺綠色、藍(lán)綠色、黃綠色；含F(xiàn)e3+礦物在合成圖上主要呈深藍(lán)色、淺藍(lán)色、藍(lán)紫色。對比礦物豐度指數(shù)合成圖(見圖6)與傳統(tǒng)的彩色短波紅外、近紅外、可見光合成影像(見圖2)可見，礦物豐度指數(shù)法所得結(jié)果影像擁有更為豐富的色彩信息，色差更為明顯，巖性的微弱差別更為顯著，可為進(jìn)一步判別主體巖性，圈定巖性界線提供重要依據(jù)。

圖6 礦物豐度指數(shù)法彩色合成圖Fig.6 Synthesized color image according to mineral abundance index

3.3 端元提取及波譜分析法

端元提取及波譜分析法是利用有效地算法將混合像元中具有穩(wěn)定光譜特征的地物像元(端元)分解出來，并將其與實(shí)驗(yàn)室光譜或野外實(shí)測光譜進(jìn)行匹配，最終確定該端元實(shí)際地物類別的一種地物識(shí)別方法，在快速巖性填圖、高效地劃分巖性單元方面被廣泛應(yīng)用。

巖石光譜主要由組成巖石的礦物光譜疊加而成，礦物光譜特征是巖石光譜特征的主要決定因素。端元是具有穩(wěn)定光譜特征的地物單元(純凈光譜像元)，巖石光譜隨礦物成分及含量不同而發(fā)生較大變化，因此端元選取時(shí)重點(diǎn)考慮組成巖石主要礦物的光譜。圖像端元提取常選用純凈像元指數(shù)(Pixel Purity Index，PPI)法和逐次最大角凸錐體(SMACC)法等獲得[19]。PPI法是對原始影像做純凈像元篩選，剔除不純凈像元，有效提高端元選擇精度。但該方法采用交互性提取端元，受分析者主觀因素影響較大。SMACC法是一種基于凸錐模型的自動(dòng)獲取圖像中端元并提供端元豐度圖像的方法，自動(dòng)的端元提取方式大大提高了數(shù)據(jù)處理效率，消除了人為因素對結(jié)果的影響，適用于大面積快速進(jìn)行中小比例尺巖性的提取工作[20]。SMACC算法公式如下[21]：

式中：E—端元波譜；b—波段索引；i—像素索引；j，k—從1到最大端元n的索引；R—包括端元波譜(列)的矩陣，行表示獨(dú)立像元；A—包括每個(gè)像素中端元j對端元k的豐度矩陣。

圖7 SMACC算法所提取端元波譜Fig.7 The spectral extracted by SMACC algorithm

對利用SMACC算法所提取的端元2、端元4、端元5豐度圖分別賦予紅通道(R)、綠通道(G)、藍(lán)通道(B)進(jìn)行彩色合成，得到SMACC端元豐度合成圖(見圖8)，圖中碳酸鹽礦物主要呈紅色、橙紅色、黃色、黃綠色、淺綠色；Al-OH礦物主要呈綠色、藍(lán)綠色。與以往ASTER的彩紅外合成影像(見圖2)相比，SMACC端元豐度合成圖(見圖8)色差更明顯，巖性細(xì)微差別更為顯著；與礦物豐度指數(shù)法所得彩色合成圖(見圖6)相比，SMACC算法所得結(jié)果更加準(zhǔn)確突出了巖性的色調(diào)和紋理細(xì)節(jié)。綜合分析可知，3幅圖像總體色調(diào)區(qū)分基本一致，說明大類巖性的區(qū)分在3幅圖上均可分辨。相對于傳統(tǒng)彩色合成圖，經(jīng)礦物豐度指數(shù)法和SMACC算法提取端元豐度合成的影像色彩更加豐富，細(xì)節(jié)更顯著，對巖性邊界圈定十分有利。

圖8 SMACC端元豐度合成圖Fig.8 Synthesis image according to SMACC end member abundance

4 巖性單元提取結(jié)果分析

本次研究以ASTER數(shù)據(jù)、ASTER與SPOT6協(xié)同數(shù)據(jù)、ASTER與GF-2協(xié)同數(shù)據(jù)等為基礎(chǔ)影像數(shù)據(jù)，并選擇最佳波段組合進(jìn)行RGB彩色合成增強(qiáng)影像差異，結(jié)合已有研究區(qū)地質(zhì)資料，初步圈定巖性影像差異單元邊界，繼而利用礦物豐度指數(shù)法、SMACC端元豐度提取等方法識(shí)別研究區(qū)內(nèi)主要大類巖性的分布位置和范圍，最后結(jié)合野外實(shí)際調(diào)查數(shù)據(jù)，依據(jù)實(shí)際地質(zhì)背景和影像質(zhì)量進(jìn)行篩選，獲得最終的巖性單元解譯圖(見圖9、圖10)。

1—沖洪積物；2—灰色半固結(jié)礫石層；3—灰色厚-巨厚層狀粗礫巖夾巨礫巖、中細(xì)礫巖、砂巖；4—灰白色、灰色厚層狀含生物碎屑粉晶、亮晶灰?guī)r；5—深灰色厚層狀與薄層狀生物碎屑灰?guī)r互層；6—灰-灰黃色鈣質(zhì)粉砂巖、灰色粉砂質(zhì)灰?guī)r，夾灰黑色薄層；7—灰色薄層狀與厚層狀泥晶灰?guī)r不等厚互層，夾鈣質(zhì)粉砂巖；8—灰黑色厚層狀泥晶灰?guī)r，夾淺灰綠色薄層狀鈣質(zhì)粉砂巖，局部見褐鐵礦化黃鐵礦顆粒；9—深灰色-淺灰綠色中薄層狀粉砂質(zhì)灰?guī)r、鈣質(zhì)粉砂巖；10—灰白色與灰色中厚層狀含生物碎屑灰?guī)r；11—深灰色與淺灰色中厚層狀含生物碎屑灰?guī)r；12—灰白色厚層狀含生物碎屑灰?guī)r；13—深灰色夾灰白色中厚層、中薄層狀含生物碎屑灰?guī)r圖9 研究區(qū)遙感解譯巖性構(gòu)造圖Fig.9 Lithology and structure map interpreted by remote sensing image of study area

圖10 礦物豐度指數(shù)圖、SMACC端元豐度合成圖與遙感解譯巖性構(gòu)造疊加圖Fig.10 Stacking chart of mineral abundance index image, synthesis image of SMACC end member abundance and lithology-structure map

根據(jù)巖性解譯圖和野外實(shí)際調(diào)查可知，ASTER及其與GF-2、SPOT6協(xié)同數(shù)據(jù)解譯的地質(zhì)界線和提取的巖性信息是客觀存在的，野外區(qū)分標(biāo)志除了巖性差別外，主要區(qū)別是顏色的不同(見圖11、圖12)。礦物豐度指數(shù)法和SMACC端元波譜分析法能夠清晰圈定差異巖性的界線，但對于相同巖性不同顏色特征的巖石則難以取得較好的效果(見圖10、圖11a、圖11b)；SMACC端元波譜分析法在較小地質(zhì)體或薄層巖性單元上識(shí)別效果優(yōu)于礦物豐度指數(shù)法，如圖11a、11b中巖性單元8(灰黑色厚層狀泥晶灰?guī)r，夾淺灰綠色薄層狀鈣質(zhì)粉砂巖，

a—礦物豐度指數(shù)圖；b—SMACC端元豐度合成圖；c—ASTER與SPOT6協(xié)同影像；d—野外照片；8—灰黑色厚層狀泥晶灰?guī)r，夾淺灰綠色薄層狀鈣質(zhì)粉砂巖，局部見褐鐵礦化黃鐵礦顆粒；9—深灰色-淺灰綠色中薄層狀粉砂質(zhì)灰?guī)r、鈣質(zhì)粉砂巖圖11 巖性單元8和單元9遙感地質(zhì)特征及野外地質(zhì)特征Fig.11 The remote sensing and field outcrop geological characteristics of lithology unit 8 and unit 9

圖12 巖性單元野外照片F(xiàn)ig.12 Outcrop photos of lithology units

局部見褐鐵礦化黃鐵礦顆粒)和巖性單元9(深灰色—淺灰綠色中薄層狀粉砂質(zhì)灰?guī)r、鈣質(zhì)粉砂巖)之間的界線，利用礦物指數(shù)法難以確定，而SMACC端元波譜分析法則清晰展示了該巖性單元的輪廓。ASTER與SPOT6、GF-2的協(xié)同數(shù)據(jù)能夠在色調(diào)紋理上區(qū)分相同巖性不同顏色特征地質(zhì)界線，如圖9中協(xié)同影像的色調(diào)和紋理特征清晰表示了巖性相似的10、11、12、13等巖性單元之間的差異。因此，有效地結(jié)合多源數(shù)據(jù)協(xié)同增強(qiáng)法、礦物豐度指數(shù)法、SMACC端元波譜分析法能夠最大化地利用遙感地質(zhì)手段圈定巖性單元界線，為進(jìn)一步進(jìn)行研究區(qū)地層劃分提供重要的參考資料。

5 結(jié)論

本文對新疆烏什縣北山1∶50000填圖試點(diǎn)進(jìn)行巖性單元信息提取研究，并利用典型礦物光譜特征規(guī)律對ASTER、GF-2、SPOT6影像使用不同的方法進(jìn)行巖性信息增強(qiáng)，取得了良好的效果。

ASTER與GF-2、SPOT6影像協(xié)同方法較好地增強(qiáng)了巖石的空間紋理特征和影像清晰度；相對于協(xié)同影像，經(jīng)礦物豐度指數(shù)法和SMACC算法提取端元豐度合成的影像色彩更加豐富，細(xì)節(jié)更顯著，對巖性邊界圈定十分有利；與礦物豐度指數(shù)法相比，SMACC算法所得結(jié)果更能準(zhǔn)確地突出巖性色調(diào)差異和巖石紋理細(xì)節(jié)。

通過多源數(shù)據(jù)協(xié)同、礦物豐度指數(shù)方法和SMACC端元分析法等的綜合應(yīng)用，得到了符合填圖精度要求、信息豐富的遙感影像圖，并在此基礎(chǔ)上很好地細(xì)分了研究區(qū)的巖性單元。

經(jīng)野外驗(yàn)證，所解譯巖性界線與野外實(shí)際較為吻合，表明此次研究較好地體現(xiàn)了遙感技術(shù)在艱險(xiǎn)區(qū)域巖性信息提取應(yīng)用中的優(yōu)越性，有效地結(jié)合多源數(shù)據(jù)協(xié)同增強(qiáng)法、礦物豐度指數(shù)法、SMACC端元波譜分析法能夠最大化地利用遙感地質(zhì)手段圈定巖性單元界線，為進(jìn)一步進(jìn)行研究區(qū)地層劃分提供重要的參考資料。

由于數(shù)據(jù)質(zhì)量原因及西北艱險(xiǎn)區(qū)、無人區(qū)的嚴(yán)酷條件，給野外驗(yàn)證工作帶來了許多不便，部分礦物異常難以驗(yàn)證。此外高程差引起的地表分帶性特征干擾了礦物指數(shù)的正確應(yīng)用。云、植被、陰影以及冰緣凍融作用所產(chǎn)生的碎屑坡積物等干擾因素較多，使得定量化遙感的應(yīng)用不能有效實(shí)施。

[1] 王潤生, 熊盛青, 聶洪峰,等. 遙感地質(zhì)勘查技術(shù)與應(yīng)用研究[J]. 地質(zhì)學(xué)報(bào), 2011, 85(11): 1699～1743.

WANG Run-sheng, XIONG Sheng-qing, NIE Hong-feng, et al. Remote sensing technology and its application in geological exploration [J]. Acta Geologica Sinica, 2011, 85(11): 1699～1743.

[2] Hunt G R, Salisbury J W. Visible and near infrared spectra of minerals and rocks I: Silieate minerals[J]. Modern Geology, 1970, 1∶ 238～300.

[3] Hunt G R, Salisbury J W. Visible and Near Infrared Spectra of Minerals and Rocks II: Carbonates[J]. Modern Geology, 1971, 2: 23～30.

[4] 燕守勛, 武曉波, 周朝憲,等. 遙感和光譜地質(zhì)進(jìn)展及其對礦產(chǎn)勘查的實(shí)踐應(yīng)用[J]. 地球科學(xué)進(jìn)展, 2011, 26(1): 13～29.

YAN Shou-xun, WU Xiao-bo, ZHOU Chao-xian, et al. Remote sensing and spectral geology and their applications to mineral exploration[J]. Advances in Earth Science, 2011, 26(1): 13～29.

[5] 甘甫平, 王潤生, 馬藹乃,等. 光譜遙感巖礦識(shí)別基礎(chǔ)與技術(shù)研究進(jìn)展[J]. 遙感技術(shù)與應(yīng)用, 2002, 17(3): 140～147.

GAN Fu-ping, WANG Run-sheng, MA Ai-nai, et al. The development and tendency of both basis and techniques of discrimination for minerals and rocks using spectral remote sensing data[J]. Remote Sensing Technology and Application, 2002, 17(3): 140～147.

[6] 王晉年, 李志忠, 張立福,等. “光譜地殼”計(jì)劃——探索新一代礦產(chǎn)勘查技術(shù)[J]. 地球信息科學(xué)學(xué)報(bào), 2012, 14(3):344～351.

WANG Jin-nian, LI Zhi-zhong, ZHANG Li-fu, et al. “Spectral Crust” project: Research on new mineral exploration technology[J]. Journal of Geo-Information Science, 2012, 14(3): 344～351.

[7] 劉超群, 馬祖陸, 莫源富. 遙感巖性識(shí)別研究進(jìn)展與展望[J]. 廣西科學(xué)院學(xué)報(bào), 2007, 23(2):120～124.

LIU Chao-qun, MA Zu-lu, MO Yuan-fu. Progress and prospect of study on remote sensing lithologic identification[J]. Journal of Guangxi Academy of Sciences, 2007, 23(2): 120～124.

[8] Loughlin W. Principal component analysis for alteration mapping[J]. Photogrammetric Engineering & Remote Sensing, 1991, 57(9): 1163～1169.

[9] 丑曉偉, 傅碧宏. 干旱區(qū)TM圖像巖石地層信息提取與分析方法研究[J]. 沉積學(xué)報(bào), 1995,(s1):164～170.

CHOU Xiao-wei, FU Bi-hong. Extraction and analysis of lithostratigraphic information from Landsat Thematic Mapper Imagery in arid region[J]. Acta Sedimentologica Sinica, 1995, (s1): 164～170.

[10] Rowan L C, Mars J C, Simpson C J. Lithologic mapping of the Mordor, NT, Australia ultramafic complex by using the Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER)[J]. Remote Sensing of Environment, 2005, 99(1/2): 105～126.

[11] 時(shí)丕龍, 付碧宏, 二宮芳樹. 基于ASTER VNIR-SWIR多光譜遙感數(shù)據(jù)識(shí)別與提取干旱地區(qū)巖性信息——以西南天山柯坪隆起東部為例[J]. 地質(zhì)科學(xué), 2010, 45(1):333～347.

SHI Pi-long, FU Bi-hong, Ninomiya Y. Detecting lithologic features from ASTER VNIR-SWIR multispectral data in the arid region: A case study in the eastern Kalpin uplift, southwest Tianshan[J]. Chinses Journal of Geology, 2010, 45(1): 333～347.

[12] 劉本培.西南天山構(gòu)造格局與演化[M]. 武漢：中國地質(zhì)大學(xué)出版社, 1996.

LIU Ben-pei. Tectonic pattern and evolution of southwest Tianshan[M]. Wuhan: China University of Geosciences Press, 1996.

[13] 梁群峰, 楊克儉, 楊運(yùn)軍,等. 西南天山梅爾蓋西地區(qū)成礦地質(zhì)條件及成礦預(yù)測[J]. 西北地質(zhì), 2013, 46(1):91～102.

LIANG Qun-feng, YANG Ke-jian, YANG Yun-jun, et al. Metallogenic prognosis in the Meiergaixi region, southwest Tianshan orogeny[J]. Northwestern Geology, 2013, 46(1): 91～102.

[14] 趙仁夫,楊建國,王滿倉,等. 西南天山地區(qū)礦產(chǎn)資源潛力綜合評價(jià)報(bào)告[R]. 西安：西安地質(zhì)礦產(chǎn)研究所,2003.

ZHAO Ren-fu, YANG Jian-guo, WANG Man-cang, et al. Comprehensive evaluation report on mineral resources potential in southwest Tianshan region[R]. Xi′an: Xi′an Institute of Geology and Mineral Resources, 2003.

[15] Itami H, Roehl T W. Mobilizing Invisible Assets[M]. Harvard University Press, 1991.

[16] 馬艷華. 高空間分辨率和高光譜分辨率遙感圖像的融合[J]. 紅外, 2003, (10): 11～16.

MA Yan-hua. Fusion of high spatial resolution and high spectral resolution remote sensing image[J]. Infrared, 2003, (10): 11～16.

[17] Hunt G R. Spectral signatures of particulate minerals in the visible and near infrared [J]. Geophysics, 1977, 42(3):501.

[18] Amer R, Kusky T, Ghulam A. Lithological mapping in the central eastern desert of Egypt using ASTER data[J]. Journal of African Earth Sciences, 2010, 56(2): 75～82.

[19] 楊可明, 劉士文, 王林偉,等. 光譜最小信息熵的高光譜影像端元提取算法[J]. 光譜學(xué)與光譜分析, 2014, 34(8):2229～2233.

YANG Ke-ming, LIU Shi-wen, WANG Lin-wei, et al. An algorithm of Spectral Minimum Shannon Entropy on extracting endmember of hyperspectral image[J]. Spectroscopy and Spectral Analysis, 2014, 34(8): 2229～2233.

[20] 褚海峰, 翟中敏, 趙銀娣,等. 一種多/高光譜遙感圖像端元提取的凸錐分析算法[J]. 遙感學(xué)報(bào), 2007, 11(4):460～467.

CHU Hai-feng, ZHAI Zhong-min, ZHAO Yin-di, et al. A Convex Cone Analysis Method for end member selection of multispectral and hyperspectral images[J]. Journal of Remote Sensing, 2007, 11(4): 460～467.

[21] 高曉惠, 相里斌, 魏儒義,等. 基于光譜分類的端元提取算法研究[J]. 光譜學(xué)與光譜分析, 2011, 31(7):1995～1998.

GAO Xiao-hui, XIANG Li-bin, WEI Ru-yi, et al. Research on endmember extraction algorithm based on spectral classification[J]. Spectroscopy and Spectral Analysis, 2011, 31(7):1995～1998.

LITHOLOGICAL INFORMATION EXTRACTION IN MOUNTAIN CANYON REGION BASED ON MULTI-SOURCE REMOTE SENSING DATA: A CASE STUDY OF 1∶50000 PILOT GEOLOGICAL MAPPING IN BEISHAN AREA IN WUSHI, XINJIGAN

MENG Peng-yan1, SUN Jie2,YU Chang-chun2, MU Chao1,SHUAI Shuang1, XIE Fei1, MENG Dan1

(1.SchoolofEarthSciences,ChinaUniversityofGeoscience,Wuhan430074,China;2.ChinaAeroGeophysicalSurvey&RemoteSensingCenterforLandandResources,Beijing100083,China;3.HubeiInstituteofLandSurveyingAndMapping,Wuhan430010,China)

The location of 1∶50000 pilot geological mapping program in Beishan, Wushi County, lies at the junction point of north-west margin of Tarim basin and south-west of Tianshan. According to the geomorphic characteristics of high altitude and deep negative relief, the study area belongs to alpine valley region. Based on the typical lithology spectral absorption characteristics, we carried out some research on the enhancement and absorption of lithologic differences information, and summarized a series of methods to divide the lithological units margins according to multi-source remote sensing data. On the foundation of ASTER, ASTER and SPOT6 cooperative data, ASTER and GF-2 cooperative data, we choose the best wave combination to synthesize RGB color and enhance the difference between images. And we preliminarily mark the boundaries of different image units according to the known geological data of study area. Then, the final lithology units can be interpreted by combining field survey data, realistic geological background, and geomorphic images. Thus, the study results provide reference for further optimized stratum division and comparison.

alpine valley region; multi source remote sensing data; mineral abundance index; SMACC; lithological information extraction

1006-6616(2016)04-0907-14

2000-09-16

中國地質(zhì)調(diào)查局地質(zhì)調(diào)查項(xiàng)目“特殊地質(zhì)地貌區(qū)填圖試點(diǎn)”(DD20160060)

孟鵬燕(1989-)，男，碩士，研究方向?yàn)檫b感地質(zhì)、國土資源遙感。E-mail：meng_pengyan@sina.com

孫杰(1982-)，男，博士，研究方向?yàn)檫b感數(shù)據(jù)處理。E-mail：sunjie_cug@163.com

P623

A