基于地物光譜分析的ASTER巖土類型識別

王云濤，余先川

(1.北京市地質(zhì)研究所，北京 100120;2.北京師范大學信息科學與技術(shù)學院，北京 100875)

基于地物光譜分析的ASTER巖土類型識別

王云濤1，余先川2

(1.北京市地質(zhì)研究所，北京 100120;2.北京師范大學信息科學與技術(shù)學院，北京 100875)

利用遙感數(shù)據(jù)和實測不同巖土類型波譜測試數(shù)據(jù)，以實測不同土體反射光譜數(shù)據(jù)為基礎(chǔ)，通過對遙感數(shù)據(jù)進行圖像增強處理，對不同沉積環(huán)境、不同粒級組成的松散土體類型進行識別。研究發(fā)現(xiàn)，ASTER數(shù)據(jù)721波段組合能夠有效識別不同土體類型，在凸顯不同土體類別的效果最好;ASTER數(shù)據(jù)的平方根拉伸及標準分段拉伸對不同土體類型的區(qū)分效果最好;通過對遙感數(shù)據(jù)進行主成分變換，發(fā)現(xiàn)遙感數(shù)據(jù)圖像信息量得到有效集中，增強了圖像的層次感，能夠有效增強圖像信息。

ASTER數(shù)據(jù);地物波譜;巖土類型;信息增強;北京

0 引言

對巖礦光譜及空間分布精細特征的探測是高空間與高光譜分辨率遙感的優(yōu)勢所在(甘甫平，2001)。遙感技術(shù)的發(fā)展與地物光譜特征的研究密不可分，巖土的光譜特征是運用遙感方法識別巖土類型的基礎(chǔ)，遙感技術(shù)的飛速發(fā)展推動了對巖土光譜特征的研究，后者又促使遙感巖性識別技術(shù)得到深入的發(fā)展(唐蘭蘭等，2006;甘甫平等，2000)。

國內(nèi)外眾多學者均對應用遙感技術(shù)進行巖土類型識別進行了大量的研究。燕守勛等(2004)分析了多種巖礦光譜分析的技術(shù)方法，李培軍(2004)利用ASTER數(shù)據(jù)進行巖性分類，取得較好效果。Clark等(1987)根據(jù)地物吸收光譜特征，從高光譜數(shù)據(jù)中提取并增強這些信息，直接用于巖性識別;Nahid等(2006)利用ASTER 731波段組合和波段比值圖像能較好的識別不同的巖性單元和結(jié)構(gòu);Rowan等(2003)利用ASTER數(shù)據(jù)經(jīng)過匹配濾波處理能夠識別灰?guī)r和白云巖。

我國曾開展過多次遙感試驗研究，但多以植被覆蓋較少的地區(qū)，研究對象也以巖石礦物為主，未見針對巖土類型進行的研究。

1 研究區(qū)概況

以北京為研究區(qū)，北京市位于華北平原西北隅，燕山山脈和太行山山脈銜接部位，地理位置為東經(jīng)115°25'—117°30'，北緯 39°26'—41°03'?？偯娣e16 410 km2，其中山區(qū)面積約10 072 km2，占總面積的61.4%，平原面積6 338 km2，占總面積的38.6%(北京市地質(zhì)礦產(chǎn)勘查開發(fā)局，2008)。

在巖土類型分布上，除北部以砂壤質(zhì)為主，其他地區(qū)均以中壤質(zhì)為主，有少量砂壤質(zhì)分布，其中密云、懷柔、昌平地區(qū)有少量砂質(zhì)土壤分布，大興有大量砂質(zhì)土壤分布。

2 研究思路與方法

2.1 研究技術(shù)路線

通過巖土體波譜測試，掌握不同巖土體類型的波譜特征，利用不同類型遙感數(shù)據(jù)，在不同波段上對巖土體的敏感程度的差異，運用不同的增強方法，結(jié)合其他非遙感數(shù)據(jù)，通過數(shù)據(jù)融合技術(shù)方法，進行信息的增強與提取，達到巖土類型遙感識別的目的，研究技術(shù)路線見圖1。

圖1 研究技術(shù)路線圖

2.2 研究方法

2.2.1 數(shù)據(jù)收集與分析 本次研究遙感數(shù)據(jù)源選擇了ASTER遙感衛(wèi)星數(shù)據(jù)，這種遙感數(shù)據(jù)具有波段多、空間分辨率高、價格便宜的特點，對研究城市周邊巖土體類別識別具有一定的優(yōu)勢。

研究項目采用FieldSpec Pro FR(350～2 500 nm)便攜式光譜輻射計對采集的巖土體樣本進行反射光譜測試。巖土樣本取自北京市不同地貌單元，具有代表性，其中包括卵礫類土、砂類土、黏性土3種(常士驃等，2006)。

2.2.2 遙感數(shù)據(jù)預處理 (1)大氣校正。大氣校正的目的是消除大氣和光照等因素對地物反射的影響，廣義上講獲得地物反射率、輻射率或者地表溫度等真實物理模型參數(shù);狹義上是獲取地物真實反射率數(shù)據(jù)，用來消除大氣中水蒸氣、氧氣、二氧化碳、甲烷和臭氧等物質(zhì)對地物反射的影響，消除大氣分子和氣溶膠散射的影響。本次研究在ENVI軟件下通過FLAASH模型進行ASTER遙感數(shù)據(jù)的大氣校正。

(2)幾何校正。以精度相同或高于影像比例尺的地形圖為基準圖件，選取適當?shù)目刂泣c，采用多項式和三角有限元兩種方法進行幾何精糾正，投影方式選用高斯-克呂格投影6°分帶坐標系統(tǒng)?？刂泣c應均勻分布，選取地形圖和影像中均能正確識別、定位的明顯地物點上，盡量選擇道路等線形地物交叉點的中心。

(3)圖像增強與變換。利用兩幅均值圖像與光譜角度圖像進行彩色合成，合成圖像既反映了巖性光譜的譜形信息，也包含了巖性的反射率信息(王志剛等，1999)。圖像增強與變換的目的是要增強影像效果，將不清晰的圖像變得清晰或強調(diào)某些重要信息的特征，抑制不感興趣信息，改善圖像質(zhì)量、豐富信息量，加強圖像判讀和識別效果的圖像處理方法。

波段組合選擇。根據(jù)實測波譜特征與遙感影像波段分布進行對比分析，確定不同巖土體最大可能區(qū)分的波長范圍，選擇適當?shù)牟ǘ位虿ǘ谓M合方式，以區(qū)分或識別不同巖土體類型。

對比度拉伸。對最佳的波段組合遙感影像進行對比度拉伸處理，增強巖土類型信息，減弱非巖土類型信息，達到凸顯不同巖土體類型的目的。選擇不同的對比度拉伸處理方法，選擇效果最好、與實際最吻合的處理方法。

圖像變換。對遙感數(shù)據(jù)進行圖像變換。主成分分析在信息提取中是一種最基本而又非常有效的圖像處理方法(張滿郎，1996)，本次研究采用了對ASTER數(shù)據(jù)的主成分變換。主成分變換，是對一個多光譜圖像進行變換矩陣進行線性組合，產(chǎn)生一個新的多光譜圖像，變換后的影像信息量主要集中在前面的波段上，信噪比加大，噪聲相對較少，而后面的波段基本為噪聲。

3 巖土類型遙感識別技術(shù)研究

3.1 巖土波譜曲線分析

ASTER數(shù)據(jù)在波長350～2 500 nm范圍內(nèi)，只有可見光近紅外、短波紅外9個波段，其他波段均為位于實測光譜范圍內(nèi)，波段分布與不同土體類型反射光譜曲線關(guān)系見圖2。

圖2 ASTER波段分布及巖土波譜曲線

從圖2中可以看出，ASTER數(shù)據(jù)各波段中，B1、B2、B3波段上卵礫類土同其他類土反射光譜差距最大，其他波段上無明顯差異;砂類土、黏性土反射光譜曲線十分相近，但隨著波長增加，兩者差距有增大趨勢，在ASTER波段中B4—B9波段之間兩者差值較大。

3.2 波段組合選擇

ASTER數(shù)據(jù)包括9個可用波段，對9個波段進行最大值、最小值、平均值、方差統(tǒng)計(表1)。根據(jù)統(tǒng)計值發(fā)現(xiàn)，信息量最大的波段是B1、B2、B3，即可見光部分，從可見光到中遠紅外波段，其信息量都呈逐漸減少的趨勢。

表1 ASTER影像統(tǒng)計表

為凸顯不同土體類型信息并保留圖像最大信息量，保證影像實際效果，根據(jù)地物波譜曲線特征，選擇巖土信息量大、信息差異大的波段進行組合和對比分析(圖3)。通過各ASTER數(shù)據(jù)各波段RGB組合對比發(fā)現(xiàn)，321波段組合可有效識別卵礫類土，721波段組合可對不同土體類型進行識別，對區(qū)分卵礫類土、砂類土及黏性土方面效果最好，其他波段組合均對不同土體類型有所反應，但效果較差，或反應不同土體界線較差，或信息丟失嚴重。

綜上所述，ASTER多波段組合增強中，721波段RGB組合在凸顯研究區(qū)不同土體類別的同時，能夠最大限度保留影像的豐富度，是最佳選擇。

3.3 對比度增強

多波段組合增強研究表明，ASTER數(shù)據(jù)對不同土體類型的區(qū)分效果較好，在對比度增強研究中，利用ASTER數(shù)據(jù)721波段組合，進行不同程度的數(shù)據(jù)拉伸試驗，并做效果對比，尋找最適合土體類型識別的遙感數(shù)據(jù)拉伸方式，探究識別巖土遙感信息的技術(shù)。ASTER數(shù)據(jù)721波段組合各種對比度拉伸效果見圖4。

通過對比發(fā)現(xiàn)，在識別卵礫類土上，各種拉伸方法均可有效識別，卵礫類土均呈高亮反映;在區(qū)分砂土與黏土上，平方根拉伸區(qū)分效果最好砂類土呈灰色調(diào)，黏性土呈綠色調(diào)，標準分段拉伸及高斯拉伸區(qū)分效果稍差。

3.4 圖像變換分析

ASTER數(shù)據(jù)可用波段有9個，對這9個波段進行主成分變換，對前3個主成分分量進行RGB組合如下。

結(jié)果顯示，經(jīng)過主成分變換，圖像信息得到有效集中，研究區(qū)各巖土類型的信息凸顯效果也得到增強。研究區(qū)土體粒徑分級效果明顯，卵礫類土圖像亮度較高，經(jīng)主成分變換后呈現(xiàn)橘紅色，砂類土圖像亮度次之，經(jīng)主成分變換后呈現(xiàn)黃色或淺黃色，而黏性土圖像亮度較暗，多表現(xiàn)為暗色調(diào)。

3.5 分類精度評估

對數(shù)據(jù)增強影像進行監(jiān)督分類，并使用總體分類精度和Kappa系數(shù)2種精度評價方法對數(shù)據(jù)增強效果進行精度評估。將ASTER影像用監(jiān)督分類的方法計算分類精度(表2)。

表2 ASTER分類結(jié)果混淆矩陣

從混淆矩陣可以看出，巖石與卵礫類土的識別率正確率最高，粉質(zhì)黏土次之，黏土最低。黏土部分被錯分為粉質(zhì)黏土，是因為這一區(qū)域二者光譜差異較小，圖像特征相似。

利用精度統(tǒng)計工具，對兩個分類結(jié)果進行了粗略的總體精度和Kappa系數(shù)估計，隨機產(chǎn)生了30個點，每個點靠人工判讀與計算機分類相比較得到一個總體精度和Kappa系數(shù)(表3)。Kappa系數(shù)更能描述出數(shù)據(jù)的一致性，能夠更好地評價分類結(jié)果。典型地區(qū)的分類結(jié)果Kappa系數(shù)可以達到0.6～0.8，說明可以較為有效地提取不同土體類型的信息。

圖3 ASTER數(shù)據(jù)各種RGB波段組合示意圖

表3 精度評估

4 結(jié)論

(1)通過將遙感數(shù)據(jù)通地物實測波譜數(shù)據(jù)相結(jié)合，對遙感數(shù)據(jù)進行數(shù)據(jù)增強處理，能夠有效識別不同地物信息，尋找遙感數(shù)據(jù)識別地物信息的關(guān)鍵技術(shù)方法。

(2)ASTER數(shù)據(jù)721波段組合能夠有效識別

不同土體類型，在凸顯不同土體類別的效果最好;ASTER數(shù)據(jù)的平方根拉伸及標準分段拉伸能夠有效增強識別各種土體類型的效果，對不同土體類型的區(qū)分效果最好;通過對遙感數(shù)據(jù)進行主成分變換，發(fā)現(xiàn)遙感數(shù)據(jù)圖像信息量得到有效集中，增強了圖像的層次感，波段組合及對比度拉伸沒有能夠區(qū)分土體類型的部分地區(qū)也出現(xiàn)了不同土體的指向性特征，說明主成分變換能夠有效增強圖像信息。

北京市地質(zhì)礦產(chǎn)勘查開發(fā)局.2008.北京地質(zhì)災害［M］.北京：中國大地出版社.

常士驃，張?zhí)K民.2006.工程地質(zhì)手冊［M］.4版.北京：中國建筑工業(yè)出版社.

甘甫平，王潤生.2000.基于完全譜形特征的成像光譜遙感巖礦識別技術(shù)及其應用［J］.地質(zhì)科學，35(3)：376-384.

甘甫平.2001.遙感巖礦信息提取基礎(chǔ)與技術(shù)方法研究［J］.國土資源遙感，49(3)：59-59.

李培軍.2004.用ASTER圖像和地統(tǒng)計學紋理進行巖性分類［J］.礦物巖石，24(3)：116-120.

唐蘭蘭，張曉帆，劉云華.2006.遙感巖性信息提取的基礎(chǔ)和技術(shù)研究進展［J］.礦業(yè)研究與開發(fā)，26(3)：68-70.

王志剛，朱振海.1999.光譜角度填圖方法及其在巖性識別中的應用［J］.遙感學報，3(1)：60-65.

燕守勛，張兵，趙永超，等.2004.高光譜遙感巖礦識別填圖的技術(shù)流程與主要技術(shù)方法綜述［J］.遙感技術(shù)與應用，19(1)：52-63.

張滿郎.1996.金礦蝕變信息提取中的主成分分析［J］.遙感技術(shù)與應用，11(3)：1-6.

CLARK R N，KING T V V，GORELICK N S.1987.Automatic continuum analysis of reflectance spectra［C］//proceedings of the third airborne imaging spectrometer data analysis workshop［J］. ［S.l.］：JPL，Publicution 87-30：138-142.

NAHID D S，MOHAMED G A.2006.Remote sensing analysis of the gorge of the nile，ethiopia with emphasis on dejengohatsion region ［J］.Journal of African Earth Sciences，44(2)：135-150.

ROWAN L C，MARS J C.2003.Lithologic mapping in the mountain pass，California area using ASTER data［J］.Remote Sensing of Environment，84(3)：350-366.

Identification of soil types from ASTER image based on spectral analysis

WANG Yun-tao1，YU Xian-chuan2

(1.Beijing Institute of Geology，Beijing 100120，China;2.College of Information Science and Technology，Beijing Normal University，Beijing 100875，China)

By making use of enhanced remote sensing data and on the basis of measured reflectance spectrum of different geotechnical species，the authors achieved type identification of loose soils which composed of different grain sizes in different depositional environments.The study found that，ASTER data with band combination of 721 could effectively identify the different geotechnical species with the best effect in highlighting different geotechnical species.Besides，ASTER image enhancement by square root stretching，standard segment stretching and principal component analysis application could effectively enhance the image information and improve the identification accuracy.

ASTER data;Object spectrum;Soil types;Information enhancement;Beijing

TP274

A

1674-3636(2012)01-0054-06

2012-01-06;編輯：陸李萍

國家高科技研究發(fā)展計劃(2007AA12Z156);國家自然科學基金(40672195，41072245);北京市自然科學基金(4102029)

王云濤(1983— )，男，工程師，主要從事遙感地質(zhì)處理與分析，E-mail：229248781@qq.com

10.3969/j.issn.1674-3636.2012.01.54