朱明永， 李炳謙， 付翰澤， 陳川， 高猛

（1. 核工業(yè)二一六大隊， 新疆 烏魯木齊830011； 2. 新疆大學(xué)， 新疆 烏魯木齊830047）

遙感技術(shù)因視角廣、 不受地域限制以及信息豐富的特點， 備受地質(zhì)工作者的青睞［1-2］。利用遙感影像對地質(zhì)體進行分類， 是地質(zhì)填圖中對遙感技術(shù)應(yīng)用的重點之一， 而波譜分辨率高， 空間分辨率好的遙感數(shù)據(jù)更有利于巖性分類［3-4］。 受 瞬 時 視 場的影響， 同一傳感器難以同時獲得高光譜分辨率及高空間分辨率的數(shù)據(jù)［5］， 而多源數(shù)據(jù)的協(xié)同恰恰解決了這一問題。

目前， 遙感影像對地質(zhì)體的分類主要包括人機交互的目視解譯方法及基于各類算法的影像自動分類技術(shù)。 目視解譯易帶有解譯者的主觀色彩， 有可能忽略客觀的地質(zhì)事實，而自動分類已趨 成 熟［6-7］。 其 中SVM 分類 是建立在統(tǒng)計學(xué)理論基礎(chǔ)上的機器學(xué)習(xí)方法。可自動尋找對分類有較大貢獻的支持向量，由此構(gòu)造出分類器， 進而將類與類之間的間隔最大化， 因此具有較好的推廣性和較高的分類準確性［8-9］。

本文以江尕勒薩依地區(qū)為研究區(qū)， 通過影像協(xié)同處理， 獲得空間分辨率較高、 波譜信息豐富的協(xié)同數(shù)據(jù)， 將野外調(diào)查所獲取的點狀數(shù)據(jù)作為樣本數(shù)據(jù)， 通過SVM 自動分類方法， 進行巖性分類， 細化各類地質(zhì)體的空間分布位置， 探索研究區(qū)多源遙感數(shù)據(jù)的巖性分類方法。

1 區(qū)域地質(zhì)背景

研究區(qū)位于新疆且末縣， 大地構(gòu)造位置屬于阿爾金造山帶與昆侖造山帶相結(jié)合的江尕勒薩依-巴什瓦克勒高壓變質(zhì)增生雜巖帶，地層劃分屬江尕勒薩依-安西地層小區(qū)。 區(qū)內(nèi)地層大多呈北東-南西走向， 未發(fā)現(xiàn)巖漿活動。 以阿爾金北緣斷裂為界， 北側(cè)主要為一套中-新生代的陸相盆地沉積及第四系松散堆積物； 南側(cè)為阿爾金巖群， 主要為一些深變質(zhì)、 強變形的變質(zhì)巖， 研究區(qū)東部有少許長城系貝殼灘組出露， 主要為各類片巖（圖1）。

圖1 研究區(qū)區(qū)域地質(zhì)圖（據(jù)新疆地礦局修改， 2010）Fig. 1 Regional geology map of the study area

經(jīng)野外地質(zhì)調(diào)查發(fā)現(xiàn)， 研究區(qū)巖性主要為石英砂巖、 砂巖、 礫巖、 泥巖、 粉砂巖及沖洪積物， 且前人的巖石單元劃分較粗糙，難以滿足大比例尺工作需求， 如何將小面積的點狀數(shù)據(jù)推廣到整個研究區(qū)， 是此次研究的關(guān)鍵。

2 遙感數(shù)據(jù)源特點及協(xié)同處理

2.1 影像數(shù)據(jù)對比

空間分辨率可以表示為影像數(shù)據(jù)像元大小， Worldview-2（以下簡稱WV-2）數(shù)據(jù)全色及多光譜數(shù)據(jù)影像的空間分辨率達0.5 m 及2 m， 可有效識別不同紋理特征、 不同層理的巖石。 而Landsat-8 OLI （以下簡稱L8） 全色及多光譜數(shù)據(jù)的空間分辨率僅為15 m 及30 m， 空間上僅對于大規(guī)模出露且連續(xù)性較好的地質(zhì)體有一定的識別能力（表1）。

從WV-2 數(shù)據(jù)可以明顯看出， 礫巖層理較為清晰， 色調(diào)較深， 且為平行密集排列；泥巖多由黏土類礦物構(gòu)成， 抗風(fēng)化能力弱，層理模糊； 而粉砂巖可見由差異風(fēng)化產(chǎn)生的密集排列的層理； 砂巖與石英砂巖因石英含量的差異， 可以看出石英砂巖的層理較為清晰， 多為連續(xù)線狀平行排列的紋理， 而砂巖紋理大多不連續(xù)， 層理相對較為模糊（圖2）。

就波譜分辨率而言， 二者在可見光均有覆蓋（表1）， 但在短波紅外的范圍內(nèi)， L8 則設(shè)置有兩個波段， 而WV-2 未設(shè)置波段。 研究區(qū)內(nèi)需要區(qū)分的6 類巖石主要礦物成分為石英、 云母、 長石類及黏土類礦物。 上述各類 礦 物 在2.20 μm 附 近（個別1.50 μm 附近）具有不同程度的吸收特征， 分別對應(yīng)L8 數(shù)據(jù)B6 及B7 波段附近， 在短波紅外均有不同程度的振動特性， 從而在影像中表現(xiàn)出不同的反射值［10］， 這說明L8 數(shù)據(jù)擁有更優(yōu)的光譜分辨率。

表1 L8 及WV-2 主要技術(shù)參數(shù)表Table 1 L8 and WV-2 spectral characteristics table

圖2 巖石影像紋理特征Fig. 2 Texture features of rock images

2.2 協(xié)同影像處理

多源影像數(shù)據(jù)協(xié)同可簡單的定義為實現(xiàn)波譜分辨率與空間分辨率的互補性融合， 打破了單一傳感器難以同時獲得高波譜分辨率與高空間分辨率的束縛， 按照一定的算法，將高空間分辨率的數(shù)據(jù)與高波譜分辨率的數(shù)據(jù)相融合， 從而得到光譜分辨率較高， 空間分辨率較強的新型數(shù)據(jù)［11］。

根據(jù)經(jīng)驗可知， 若兩類待融合的數(shù)據(jù)空間分辨率＞20:1， 融合后的數(shù)據(jù)將缺失大量的有用信息［12］， 因此本次研究工作將L8 數(shù)據(jù)與WV-2 多光譜數(shù)據(jù)中的第8 波段， 通過光譜保真度較好的Gram-Schmidt 方法進行融合處理， 最終得到空間分辨率較高、 波譜信息豐富的協(xié)同數(shù)據(jù)。

3 支持向量機的巖性分類

3.1 支持向量機分類方法簡介及過程

不同的巖性在遙感影像上無論是宏觀的構(gòu)造， 還是微觀的影紋特征、 波譜特征， 均有一定的差異。 SVM 分類是以結(jié)構(gòu)風(fēng)險最小化為原則， 以訓(xùn)練樣本為約束， 提高模型的泛化能力， 求得最優(yōu)的線性分類面， 從而得到最佳的信息提取結(jié)果， 達到巖性分類的目的［4，13］。 本 文 利 用ENVI 軟 件classification 模塊， 通過Support Vector Machine Classification工具實現(xiàn)支持向量機分類這一過程。

3.2 SVM 巖性分類結(jié)果分析

研究區(qū)內(nèi)6 種巖性的礦物組成及影紋特征均具有較大差異， 這是巖性分類的重要依據(jù)。將點狀數(shù)據(jù)構(gòu)建為影像分類的訓(xùn)練樣本［14］，分別使用L8、 WV-2 及協(xié)同數(shù)據(jù)， 通過SVM分類方法， 得到巖性分類圖， 經(jīng)一系列噪聲去除， 得到3 類影像的巖性分類圖（圖3）。 由分類結(jié)果可知， 3 類影像均能將6 類巖性分離開來， 走向均為北東-南西向， 與前人區(qū)域地質(zhì)資料吻合。 在L8 巖性分類圖中， 區(qū)內(nèi)東側(cè)砂巖有一定的分布， 而WV-2 數(shù)據(jù)很好的分辨出來， 將其分為了沖洪積物和泥巖。 說明該區(qū)域泥巖與砂巖的分辨， 主要是依靠二者光譜上的差異。 對于研究區(qū)中部的石英砂巖來說， 在L8 影像中呈大規(guī)模北東向延伸狀態(tài)， 而WV-2 數(shù)據(jù)可見區(qū)內(nèi)的石英砂巖呈明顯條帶狀分布， 局部可見石英砂巖與泥巖的互層。 而協(xié)同數(shù)據(jù)恰巧彌補了兩類數(shù)據(jù)的不足， 避免了分類影像的像素斑塊特征， 同時又提高了光譜分辨率。 更多的地質(zhì)體被有效的分離， 與實際情況對應(yīng)較好， 更加符合地質(zhì)事實。

圖3 巖性分類圖Fig. 3 Lithological classification map

3.3 分類精度評價

目前， 主要使用混淆矩陣法來評估影像的分類精度， 定義如下：

式中： mab—a 類樣本中， 被分到b 類的樣本個數(shù)， 如果矩陣中對角線的值越大， 則表示分類精度高， 質(zhì)量好， 基于混淆矩陣的評價指標主要包括總體分類精度和Kappa 系數(shù)［15］（表2）。

表2 分類精度評價表Table 2 Accuracy evaluation of the classification

由于WV-2 數(shù)據(jù)波譜分辨率較低， L8 數(shù)據(jù)空間分辨率較低， 在總體分類精度及Kappa系數(shù)上， 都不及協(xié)同處理后的影像精度高。因此在研究區(qū)內(nèi)， 波譜信息豐富、 紋理結(jié)構(gòu)清晰的協(xié)同影像分類精度更高， 方法更有效，最終得到影像解譯圖（圖4）。

圖4 影像巖性解譯圖Fig. 4 lithological interpretation from remote sensing image

一般情況下， 碎屑巖類的沉積物， 基本不會出現(xiàn)單一巖性的巨厚沉積層， 在影像圖中可以看出泥巖、 砂巖， 有互層、 夾層現(xiàn)象，本次并未將其再細化， 僅將其劃分為以某類巖性為主的層位。 同時區(qū)域上可供參考的資料較少， 上述地質(zhì)體均未劃分至組， 同時也要注意到研究區(qū)內(nèi)西北角的礫巖， 因河水的沖刷搬運， 導(dǎo)致下游河道同樣被誤分類為礫巖。 因此在實際工作中， 應(yīng)以基礎(chǔ)地質(zhì)特征為依據(jù)， 輔以遙感影像處理技術(shù)， 這樣遙感技術(shù)才能更好的為實際工作所用。

4 結(jié)論

1） 本文在對比分析L8 及WV-2 數(shù)據(jù)的空間分辨率及波譜分辨率的基礎(chǔ)上， 利用協(xié)同處理， 得到了兼有二者影像優(yōu)勢的協(xié)同數(shù)據(jù)；

2） 通過支持向量機分類， 對比了L8、WV-2 及協(xié)同數(shù)據(jù)對研究區(qū)的地質(zhì)單元的劃分結(jié)果， 表明協(xié)同數(shù)據(jù)的分類精度更高， 準確性更好；

3） 在前人資料的基礎(chǔ)上， 利用影像分類結(jié)果， 準確厘定了研究區(qū)內(nèi)各類地質(zhì)體的空間分布， 實現(xiàn)了影像的快速分類及地質(zhì)體的精確識別， 表明協(xié)同數(shù)據(jù)的支持向量機分類方法， 在艱險地區(qū)的地質(zhì)填圖工作中具有一定的參考意義。