王建剛，葉發(fā)旺，邱駿挺，孟 樹，張 川

（核工業(yè)北京地質(zhì)研究院，遙感信息與圖像分析技術(shù)國家級重點實驗室，北京100029）

遙感技術(shù)具有觀測空間范圍廣、 無侵入、工作周期短、 獲取信息豐富、 投入產(chǎn)出比高、節(jié)省人力等特點，在地學領(lǐng)域尤其是小比例尺地質(zhì)調(diào)查中具有得天獨厚的優(yōu)勢。 過去半個世紀人類積累了海量的遙感對地觀測數(shù)據(jù)，為開展大面積遙感巖性識別奠定了基礎(chǔ)[1-3]。

遙感巖性識別是通過處理分析遙感數(shù)據(jù)，確定地表巖石類型、 分布范圍及狀況的技術(shù)。對此，前人已經(jīng)進行了許多相關(guān)的研究：劉德長等針對巖石理化差別，使用多源信息復合方法進行了巖性分類[4]；甘甫平等針對成像光譜的光譜特征，使用主成分方法進行了巖性分類[5]；黃穎瑞等針對巖性紋理差異，使用地質(zhì)統(tǒng)計學區(qū)分巖性紋理進行了分類[6]。 總之，有關(guān)遙感巖性識別的研究很多，使用的方法有很多種，不同方法基于的原理不同，適用范圍不一樣，得出的結(jié)果也不盡相同。針對不同情況選擇合理有效的遙感巖性識別方法，筆者進行了分析和歸納，將巖性識別方法進行了分類和論述，以期給進一步深入研究的學者提供參考。

1 遙感巖性識別分類原理

遙感巖性識別是一個圖像分類問題。 具體來說，是將圖像中每個像元點劃分到若干個類別中的具體一類。 即對具有若干屬性的像元指定類別標簽，將像素單元的其他屬性轉(zhuǎn)換為類型屬性的過程[7]。

雖然分類問題的解決途徑有很多種，其核心問題依然是分類判據(jù)和分類方法的選擇。分類判據(jù)是指用于分類的信息類型，是一個或多個變量信息。 分類方法是對分類判據(jù)進行計算、 處理并輸出分類結(jié)果的一個或多個方法組合（圖1）。

同類目標之間的共性、 不同類目標之間的差異是客觀存在的。 通常情況下，同類巖石在遙感影像上具有相同或相似的光譜和空間特征，而不同巖石在影像上的光譜和空間特征往往表現(xiàn)不同。 因此，可將光譜特征或空間特征作為遙感巖性分類判據(jù)。 由于遙感影像通常以像元灰度值展示地物，同一類地物在不同波段上的像元灰度值構(gòu)成了該類地物在光譜維上的特征度量，同一類地物在相鄰單元的灰度值變化構(gòu)成了該類地物在空間維上的特征度量。 因此，不同波段的灰度值或相鄰像元的灰度值可作為遙感巖性識別的分類判據(jù)。

根據(jù)遙感巖性分類問題的特點，其分類方法可分為三大類，即基于光譜特征的分類、基于空間特征的分類和基于多源信息復合的分類[2]。

1.1 基于光譜特征分類

圖1 分類判據(jù)與及處理流程Fig. 1 Classification criteria and processing procedure

在遙感巖性識別領(lǐng)域，基于當前探測器發(fā)展水平，常用的遙感方法還是光學遙感。實際應(yīng)用型光學遙感是被動遙感，輻射源主要是太陽和地物，其接受的信號主要是地物反射太陽光和自身熱輻射。 根據(jù)普朗克公式和基爾霍夫定律，太陽（6 150 K）的最強輻射對應(yīng)波長為470 nm，地表（300 K）最強輻射對應(yīng)波長9 660 nm。 圖2 展示了太陽和地表實際電磁輻射差異。 在 300～2 500 nm 范圍內(nèi)，地表反射的太陽輻射成為地表主要輻射來源，而地表自身發(fā)射很弱可以忽略不計；在6～20 μm熱紅外范圍內(nèi)，主要為地面發(fā)射，太陽反射很弱。 同時大氣層對電磁波具有吸收、 反射和散射作用，透射率較高的波段——大氣窗口的數(shù)據(jù)更接近真實地物電磁波譜信息。 因此巖性識別能夠獲取使用的有效波段主要為可見光～近紅外波段和熱紅外波段[8]。

巖石通常包含多種礦物，巖石光譜是各種礦物對電磁波反射、 吸收和發(fā)射的綜合體現(xiàn)。 在 0.4～2.5 μm 范圍 （可見光～近紅外～短波紅外） 內(nèi)主要體現(xiàn)為巖石的吸收反射特征，8～14 μm 范圍內(nèi)體現(xiàn)巖石的發(fā)射特征[8]。

礦物的組分結(jié)構(gòu)相對固定，光譜相對穩(wěn)定。 巖石的組成復雜，其各種礦物組分的光譜互相會產(chǎn)生影響，同時還受到其他因素的影響，導致其光譜往往各有差異。 但是其組成礦物的強特征還是會在巖石光譜內(nèi)有所體現(xiàn)，尤其是一些強吸收特征。 地物光譜特征主要表現(xiàn)為：吸收位置、 吸收深度、 吸收面積、 吸收寬度、 吸收對稱性、 光譜斜率、 光譜導數(shù)、 光譜吸收數(shù)目等。 其中，吸收位置、吸收深度和吸收對稱性是最重要的巖礦診斷性光譜特征，三者在巖礦識別的應(yīng)用中也最為廣泛[9-10]。

圖2 太陽和地表實際電磁輻射差異 （據(jù)梅安新，2000）Fig. 2 The difference between the actual electromagnetic radiation of ground surface to the sun emission（After MEI Anxin，2000）

但常見造巖礦物并沒有典型光譜特征，只有部分蝕變礦物有一定的反射率光譜特征，部分造巖礦物有一定的熱紅外發(fā)射特征。 前人對多種礦物的反射率、 發(fā)射率光譜進行了系統(tǒng)研究（Hunt 等），總結(jié)了礦物的反射率、發(fā)射率特點。 可見光-近紅外范圍的地物反射率光譜特征取決于礦物的化學組分和物理結(jié)構(gòu)，其結(jié)果主要是電子躍遷和分子振動的結(jié)果。 在 300～1 300 nm 范圍內(nèi)，礦物光譜特征主要取決于礦物晶體結(jié)構(gòu)中存在的晶體場效應(yīng)、 電荷遷移、 導帶躍遷等，如過渡性金屬元素的電子能級躍遷；1 300～2 500 nm 范圍內(nèi)主要取決于組成礦物結(jié)構(gòu)的陰離子基團震動影響，如水分子（H2O）、 羥基（-OH）、 碳酸根硫酸根等基團的振動[2，10-22]。熱紅外范圍的地物發(fā)射率光譜取決于礦物的鍵位振動，尤其是 Si-O 鍵的振動，以及等基團基頻振動的微小變化（表 1，圖 3）[16，23]。

表1 礦物識別波段范圍Table 1 Band range for mineral identification

圖3 礦物電子特征與振動特征分布及成因圖 （據(jù)Hunt，1982 修改）Fig. 3 Distribution of electronic features and vibration characteristics of minerals and their genesis（Modified after Hunt，1982）

1.2 基于空間特征分類

如前所述，同一類地物在相鄰單元的灰度值變化構(gòu)成了該類地物在空間維上的特征度量。 對于遙感影像，一定灰度值在相鄰像元間的反復變換形成的規(guī)則視覺特征就構(gòu)成了紋理特征。 紋理特征主要有兩個體現(xiàn)：異變性和相關(guān)性。 不同巖性的巖石紋理特征不同時，可利用紋理特征對巖石進行劃分，實際上就是利用紋理的異變性和相關(guān)性進行巖性分類。

1.3 基于多源信息復合分類

除光譜和空間特征外，不同巖石還有其他一些理化特征差異，如重力差異、 磁場差異、 放射性差異等。 將遙感數(shù)據(jù)與其他類型數(shù)據(jù)疊置到一起，通過疊置分析，能夠凸顯出不同巖性性質(zhì)差異，進一步進行巖性區(qū)分成為復合分類。 常用的復合信息包括放射性，重力和磁場等[4，6]。

2 遙感巖性識別方法

與識別原理對應(yīng)的三類識別方法為：基于光譜特征的巖性分類、 基于空間特征的巖性分類和基于多源信息復合的巖性分類[2]。 各類方法及其下屬具體方法的情況總結(jié)于圖4。

2.1 基于光譜特征的巖性分類

基于光譜特征的巖性分類方法主要有五種，即信息增強識別法、 全波形態(tài)識別法、 匹配濾波法、 特定指數(shù)識別法及光譜解混法[2]。

2.1.1 信息增強識別

信息增強識別是一種信息提取與信息處理方法。 在挑選、 增強光譜信息中的有效信息（如吸收特征信息）后，使用增強的信息作為分類判據(jù)，進行分類識別。 實際的遙感影像包含的信息非常多，除了地物的真實信息，還有干擾雜音，因此需要提取增強有用信息。對于巖性識別分類問題，信息增強主要有四種方法，分別是主成分分析（PCA）、 最佳指數(shù)因子（OIF）、 最小噪聲分離（MNF）、 波段比值法（BR）[10，24-27]。

1） 主成分分析法

主成分分析法是一種統(tǒng)計學方法。 其原理是通過對所有信息進行計算，提取出各不相關(guān)主成分組分及各波段貢獻因子。 在遙感主成分提取中，其計算結(jié)果是互不相關(guān)的一組主成分數(shù)據(jù)，每個組分中，各波段的貢獻度不同。 前幾波段包含的信息占據(jù)全部信息中的絕大部分，且越靠前的主成分包含的信息量越大。 因此實際選擇主成分時，要選擇靠前的主成分，同時與其他波段或主成分進行彩色合成，突出對應(yīng)具有特征的巖體。 主成分分析法能提取出有效信息，不會因信息重復影響識別精度。 但是主成分分析提取的是主要信息，又可能會將差異信息視作噪音，因此其結(jié)果還有待進一步處理[5]。

圖4 巖性識別分類方法Fig. 4 Methods of remote sensing identification and classification of lithology

A.Alberti（2000）首次使用主成分分析方法處理分析高光譜數(shù)據(jù)，對西南安哥拉納米貝省區(qū)地區(qū)的超鎂鐵巖體進行了巖性分類，發(fā)現(xiàn)其可行性較好；D.Ren（2006）使用主成分分析（PCA）及其他方法處理 ASTER 數(shù)據(jù)，識別了蛇綠巖組分[27-28]。

2） 最佳指數(shù)因子法

最佳指數(shù)因子法是一種波段選擇方法。通過選擇最佳的三個波段進行假彩色合成，突出目標巖體信息。 選擇最佳波段的指標是波段信息量高 （波段標準差夠大） 且波段之間的相關(guān)性小。 最佳指數(shù)因子法能夠挑選出最佳波段，但是 “最佳波段” 包含的信息并不一定是有效信息，效果有待探究[26]。

3） 最小噪聲分離法

最小噪聲分離法是一種二次主成分分析方法，與主成分方法相似，得到的前幾個主成分數(shù)據(jù)具有絕大部分數(shù)據(jù)特征，后面的成分包含更多噪聲。 忽略其他次要成分，使用前幾個主成分波段，即可分離噪聲，保留主成分。 使用前三個主成分波段進行假彩色合成，通過假彩色合成的影像進行識別。 最小噪聲分離法與主成分分析法的優(yōu)缺點相似[26，29]。

4） 波段比值法

波段比值法是一種凸顯吸收特征的方法。由于中低分辨率衛(wèi)星數(shù)據(jù)更易獲取，更為常用；高光譜分辨率的衛(wèi)星、 航空數(shù)據(jù)較少，獲取較難，使用較少。 但是中低光譜分辨率的數(shù)據(jù)，波段數(shù)較少，波段較寬，光譜曲線不能描述實際反射率變化情況，吸收峰位置、形態(tài)、 深度也很難判定。 但是吸收峰所處波段的反射率值，會比強反射波段的反射率低，因此將具有吸收特征的波段與強反射波段進行相除運算，通過比值高低凸顯吸收、 反射特征，判斷吸收信息。 波段比值方法可以凸顯吸收反射差異，消除地形等因素的影響，提高識別效果。 但是波段比值法要求待識別對象必須有一定的反射、 吸收特征[1，9，30-34]。

Ashraf Emam（2018）對沙漠的巖石類型進行了識別。 選取了埃及東南沙漠研究區(qū)，使用OLI 數(shù)據(jù)和ASTER 數(shù)據(jù)，通過最佳指數(shù)因子，波段比值，主成分分析和最小噪聲分離等圖像信息增強方式，實現(xiàn)了巖性識別分類。并通過野外驗證，評價了分類精度[26]。

2.1.2 全波形態(tài)識別法

全波形態(tài)識別法是所有波段的信息都參與處理計算，使用的是數(shù)據(jù)全部信息。 即將像元光譜曲線與樣本光譜曲線比較，計算其相似程度，進行類別劃分。 相似程度的計算常用方法有基于距離匹配、 基于角度匹配等。

1） 基于距離測度法

基于距離測度法是計算空間內(nèi)兩向量間的空間距離，根據(jù)距離遠近評價相似程度。常用的距離計算方法有歐氏距離法、 馬氏距離法、 曼哈頓距離法和混合距離法等。 基于距離匹配時使用的各參數(shù)權(quán)重相同，會極大影響識別精度，因此需要對權(quán)重進行重新分配[2，35]。

2） 基于角度測度法

基于角度測度法是計算向量間角度，根據(jù)角度大小判斷相似程度。 將光譜的n 個波段視為n 維空間向量，每波段的反射率值視為一個向量維度，計算目標光譜向量與樣本光譜向量之間的夾角，夾角越小說明目標與樣本越相似。 SAM 方法不會受到反射率強度影響，能消除地形的因素干擾，效果較好。但在實際使用中，仍舊有一些問題，如各波段權(quán)重相同，無關(guān)波段會影響識別精度[2-3，27-29]。

高慧等（2013）使用了最小噪聲分離方法進行了數(shù)據(jù)處理，分離了噪聲，然后使用SAM 方法處理主成分數(shù)據(jù)，識別了巖性，結(jié)果證明識別精度較高[36]。

2.1.3 匹配濾波法

匹配濾波法是信號處理領(lǐng)域最有效的線性檢測方法，能有效處理噪聲雜音問題。 在遙感分類問題中，該方法能夠最大化純凈端元波譜信號，抑制噪聲雜音信號，再將光譜與波譜庫匹配，識別光譜類型[34，37-40]。

Rowan（2003）使用 Aster 數(shù)據(jù)，利用可見光、 近紅外和短波紅外波段，通過匹配濾波處理，識別了灰?guī)r和白云母；利用熱紅外數(shù)據(jù)識別了石英類巖石和碳酸鹽巖石；Rowan（2004）使用Hymap 數(shù)據(jù)，通過匹配濾波處理，識別了超基性巖性及鄰近巖性[32，41]。

2.1.4 特定指數(shù)識別法

特定指數(shù)識別法是一種人為規(guī)定的度量指數(shù)，根據(jù)各波段反射率值計算得到能夠定量化描述巖礦組分。 在遙感巖性識別領(lǐng)域，最常見使用的是 Ninomiya 等人（2004，2005，2010，2016，2017）提出的礦物指數(shù)法[42-47]。 其理論是各種成分含量與波段反射率值有相關(guān)關(guān)系，使用波段反射率值可反演礦物指數(shù)的數(shù)值，通過各種礦物指數(shù)判斷礦物巖性類別。Ninomiya 等研究了一系列指數(shù)：二氧化硅指數(shù)、 鎂鐵指數(shù)、 碳酸鹽指數(shù)、 石英指數(shù)、 石膏指數(shù)等。 通過光譜信息計算特定指數(shù)，根據(jù)各種指數(shù)進行巖性分類評價[48]。

宋晚郊（2013）使用了 ASTER 影像，通過波段比值法和礦物指數(shù)法，結(jié)合野外查證，進行了巖性識別（圖 5）[33]。

2.1.5 光譜解混法

遙感影像像元記錄的是一定面積內(nèi)所有地物光譜信號的混合結(jié)果，是混合像元。 混合像元內(nèi)的所有地物會彼此影響，光譜典型特征被減弱，致使分類精度下降。 光譜解混法能將混合光譜分解，得到組成成分與比例，即所謂的端元與豐度。 使用光譜解混方法能夠?qū)r性的混合光譜解混成礦物或已知巖性的光譜組合，進一步判斷巖性類型。 常用的光譜解混方法分為線性解混和非線性解混。線性解混將混合光譜視為幾種端元的線性組合，彼此之間沒有相互作用；非線性解混認為各種端元之間相互作用，混合光譜并不是簡單的線性組合，地物的混合程度、 物理分布都會影響混合效果。 Hapke 模型是近些年使用較多的非線性解混模型，實踐證明，該模型解混效果較好[6，12，24，37，49-51]。

圖5 巖性解譯圖 （據(jù)宋晚郊，2013）Fig. 5 Lithological interpretation map （After SONG Wanjiao，2013）

Martin Black（2016）在南極半島的巖石裸露區(qū)進行了巖性識別繪圖。 通過MNF 變換、像素分割處理后，估算了端元數(shù)量，使用端元提取算法（EEA）從圖像中提取端元，進行了光譜解混，確定端元的豐度，最后根據(jù)端元豐度繪圖并標記了巖性。 實驗結(jié)果表明，雖然有一定噪聲和誤差，但總體分類情況較好[50]。

余琳使用了Hyperion 數(shù)據(jù)，在西藏地區(qū)進行了基于線性解混的巖性識別。 結(jié)果發(fā)現(xiàn)使用基于完全約束的最小二乘法線性解混進行巖性分類精度最高，甚至比傳統(tǒng)SAM 方法的識別精度更高[52]。

2.2 基于空間特征的巖性分類

基于空間特征的巖性分類方法有三類：統(tǒng)計提取法、 模型提取法及頻域變換法[51，53]。

2.2.1 統(tǒng)計提取法

統(tǒng)計提取法是以計算灰度值作為特征，通過穩(wěn)定的灰度值特征情況判斷區(qū)域內(nèi)灰度變化。 常用計算方法有變差函數(shù)法、 灰度共生矩陣法、 灰度級行程長度法、 自相關(guān)函數(shù)法。 這幾種方法都能對局部內(nèi)的灰度信息進行統(tǒng)計，揭示空間變化情況。 該類方法只需按公式計算即可，較為簡單便捷，且適用性強；但是與實際視覺效果吻合一般，效果并不很好[53]。

黃穎端（2003）、 李培軍（2004）使用地質(zhì)統(tǒng)計學中的對數(shù)變差函數(shù)，計算了遙感圖像的紋理，并結(jié)合光譜信息，實現(xiàn)了巖性分類。結(jié)果發(fā)現(xiàn)結(jié)合紋理信息識別能提高分類精度[6，53]。

2.2.2 模型提取法

模型提取法是根據(jù)計算模型算法進行提取。 主要方法有分形模型法、 馬爾可夫隨機場模型法。 分形模型是根據(jù)分形理論指導實現(xiàn)的，該理論認為自然界中的幾何圖案雖然在整體上不規(guī)則，但是在不同尺度上具有自相似性。 可以通過計算分形維度，量化描述紋理結(jié)構(gòu)的相似度[54]。

趙建華（2004）使用 TM 數(shù)據(jù)，采用分形方法計算了紋理信息，然后使用紋理信息進行分類，結(jié)果證明分類精度較好[51]。

潘蔚（2009）提出了基于遙感圖像的地形結(jié)構(gòu)-巖性組分分解的巖性多重分形研究。 通過對不同地區(qū)二長花崗巖體和沉積變質(zhì)巖的ETM 影像、 地形結(jié)構(gòu)圖像及巖性組分圖像對比分析，發(fā)現(xiàn)圖像分解后，巖性與地形結(jié)構(gòu)多重分形譜有相關(guān)性。 因此提出了遙感圖像的地形結(jié)構(gòu)-巖性組分模型和分離算法，研究證明該方法可以有效地區(qū)分巖石類型[55]。

2.2.3 頻域變換法

頻域變換法主要是通過頻域變換處理進行信號信息轉(zhuǎn)換。 主要處理方法有傅里葉分析法、 小波分析法。 傅里葉分析法是對能量譜紋理進行變換，最終提取紋理的尺度和方向；小波分析法能夠在時間-頻率方面和時間-尺度方面進行分析，得到高頻信息，體現(xiàn)圖像空間特征[56]。

Perez 等人（2011）使用多向主成分分析法提取光譜特征，小波紋理分析計算紋理特征，將兩種數(shù)據(jù)結(jié)合，并運用 SVM （支持向量機）方法進行分類，取得了良好分類效果[57]；D. Ren（2006）獲取了 ASTER 數(shù)據(jù)，使用 主成分分析，快速傅里葉變換（FFT）和冗余小波變換（RWT） 方法，提取了主成分，抑制了噪聲，增強了圖像信息與對比度，識別了蛇綠巖。

2.3 基于多源信息復合的巖性分類

基于多源信息復合的巖性分類方法，其本質(zhì)是GIS 方法空間分析中的疊置分析方法，將多重信息疊置分析，使用邏輯交、 并、 差等運算，篩選識別出滿足條件的所有區(qū)域。常用的復合識別方法主要是光能譜集成法和重磁放數(shù)據(jù)復合法。

光能譜集成法，即將多元數(shù)據(jù)信息，如多光譜遙感、 雷達遙感、 高光譜遙感、 航空放射性伽馬能譜等多種信息復合，融合形成新的 MR、 MSR、 HSR 融合圖像。 在此基礎(chǔ)上，同時使用重磁放數(shù)據(jù)復合法，將融合圖像分別與重力、 磁場、 地球化學、 地質(zhì)等其他地學信息進行復合分析，形成多源地學信息圖像數(shù)字綜合技術(shù)，結(jié)合掩膜 （Mask）、 主成分（PCA）和色度空間變換（HIS）等處理，提取巖性信息[58]。 劉德長等利用該技術(shù)在植被覆蓋的花崗巖、 火山巖和沉積盆地地區(qū)進行了地質(zhì)填圖和鈾礦找礦應(yīng)用，取得了較好的應(yīng)用效果[59-61]。

多源信息復合識別方法使用的放射性信息、 重磁信息對地表狀況沒有要求，可以使用航空物探方法獲取，不受地表條件限制，經(jīng)濟快捷高效。 但是與遙感光譜信息相似，重磁放信息也會有同物異譜的問題，同時風化蝕變等理化作用會使巖石性質(zhì)變化，導致重磁放信息丟失等。 因此重磁放信息不能單一使用，需要多種信息配合使用[58]。

張萬良等使用遙感與航空放射性信息集成進行巖性識別研究，認為放射性元素的能譜不受植被影響，有利于識別植被覆蓋區(qū)的巖性[61]。

Bahiru（2016）使用了 TM 數(shù)據(jù)，同時結(jié)合數(shù)字高程模型，進行了全色波段圖像融合，成功進行了巖性識別[58]。

劉德長等（1992，1993）提出了以航放信息為主的多源地學信息圖像數(shù)字綜合技術(shù)，研究了航放數(shù)據(jù)與遙感數(shù)據(jù)結(jié)合的成礦預測與巖性識別方法。 并在遼寧連山關(guān)地區(qū)進行了成礦預測試驗性研究。 通過對巖體航放數(shù)據(jù)的分析，制作了巖體的鈾釷比值影像圖，將傳統(tǒng)認識上的連山關(guān)產(chǎn)鈾巖體劃分為兩個不同部分，并證明兩部分屬不同時代的兩個巖體[59-60]。

3 討論

3.1 影響因素

遙感巖性識別的結(jié)果會受到很多因素的影響，常見影響因素包括大氣環(huán)境、 地形起伏、 表面顆粒大小、 粗糙程度、 巖石風化以及其他巖性變化等[10，13，62-63]。

大氣環(huán)境對巖性識別效果能產(chǎn)生很大影響。 常用的遙感數(shù)據(jù)并不是原始獲得的亮度值，而是經(jīng)過輻射定標、 大氣校正的反射率值。 傳統(tǒng)大氣校正方法如FLAASH，對于地理條件相同的區(qū)域，會設(shè)定相同的參數(shù)，進而使用相同的校正方程與校正系數(shù)，進行大氣校正。 但實際情況中，大氣情況復雜多變，即使是地理條件相同的區(qū)域，其大氣狀況亦常不相同，各種大氣成分對光線產(chǎn)生的吸收、散射等效果也不同，并不是一個模型就能很好的模擬實際大氣情況。 因此通過大氣校正獲得的反射率與實際地表測量的反射率有一定差別，而這些差別會對識別效果產(chǎn)生影響[64]。

地形的高低起伏、 地勢的走向、 巖石產(chǎn)狀會對遙感巖性識別產(chǎn)生影響。 高低地形、巖石的走向、 傾角、 傾向、 產(chǎn)狀會產(chǎn)生陰影，陰影區(qū)域入射光減少，通過統(tǒng)一模型大氣校正得到的反射率會極大的減弱。 因此在同一區(qū)域，即使是同種巖性，大氣校正得到的山體陽面和陰面的巖性的光譜也并不相同，因此也會對巖性識別效果產(chǎn)生較大影響。

表面顆粒大小與粗糙程度都會直接影響反射率強弱。 相對而言，巖石表面顆粒越大，越粗糙，反射率越低，漫反射越強；表面顆粒越小，越光滑，反射率越高，鏡面反射越強。 反射率高低不同會導致光譜曲線的差異，進而影響識別效果。

巖石風化會直接改變地表裸露巖石表面物質(zhì)狀況、 巖石顆粒大小、 粗糙程度等，直接影響反射率強弱與識別效果。

除此之外，遙感巖性分類方法，還有一些其他方面的問題。 主要集中在數(shù)據(jù)質(zhì)量等方面。 不管是遙感光譜數(shù)據(jù)還是重磁放數(shù)據(jù)，由于空間分辨率的關(guān)系，一定會存在混合像元問題，混合像元的混合光譜會嚴重影響分類識別效果；其次，由于空間尺度的關(guān)系，地表紋理信息受言行類別影響不大。 此外，遙感巖性識別方法，在北方無植被覆蓋區(qū)效果較好，在南方告知被覆蓋區(qū)，很難發(fā)揮識別效果。

實際自然界中的其他巖性變化。 在實際復雜的地質(zhì)環(huán)境下影響巖性識別效果的因素會更多，蝕變作用、 生物作用以及人文活動影響等都會對巖石的組成成分、 物理結(jié)構(gòu)產(chǎn)生影響，影響其巖性組分，影響光譜特征，進而影響巖性分類結(jié)果。

3.2 存在的問題

目前使用的三類主流巖性識別方法，雖然許多研究證明各種方法均具有可行性，但是同時也暴露出各種方法的一些問題。

基于光譜信息的巖性分類，其實很多還是沿用的遙感礦物提取方法。 礦物的組成成分單一，蝕變礦物存在典型光譜形態(tài)峰位特征；巖石的組成成分復雜，并沒有典型光譜信息和吸收峰，缺乏診斷性光譜特征，所以僅使用光譜信息進行提取的效果一般。

基于空間信息的巖性分類，其問題主要在于，地表巖性的空間紋理特征復雜多樣，在低空間分辨率上來看，每種巖性并沒有典型對應(yīng)的紋理特征，地表紋理與地形起伏、地表分布狀況有很大關(guān)系，同時還會受到其他地物因素的影響，導致地表紋理不能真實反映巖性類別信息，因而使用紋理信息進行分類的效果也是一般。

基于多元信息復合的巖性分類，該方法的確能從多個維度刻畫巖性信息，但是僅僅是在重磁放信息存在異常的區(qū)域，識別效果較好，對重磁放普通的地區(qū)——尤其是沒有重磁放異常的區(qū)域，效果可能不太理想；另外使用多源信息復合識別方法，需求的數(shù)據(jù)較多，前期投入較大，可能代價較為高昂。

三類遙感巖性分類方法是根據(jù)其分類原理進行區(qū)分的，因而其優(yōu)缺點均與其原理息息相關(guān)。 另外在實際工作中，亦會受到實際情況的約束——不同遙感數(shù)據(jù)的分辨率不同，如高光譜數(shù)據(jù)的光譜分辨率更高，光譜曲線能夠準確刻畫地物光譜特征，使用基于全波形態(tài)方法可能更好；高空間分辨率遙感數(shù)據(jù)的空間分辨率更高，對地物紋理反映更清晰，因此使用基于空間信息的巖性分類方法更合適。

3.3 發(fā)展前景

遙感巖性識別分類，目前很多研究人員已經(jīng)有了很多成果，要想進一步發(fā)展，使遙感巖性識別具有普適性和高精度，必須從理論、 技術(shù)方法、 實際應(yīng)用方面加大投入力度，進行深入研究。 同時，各種遙感巖性識別分類方法都是遙感發(fā)展的新技術(shù)在巖性識別方面的應(yīng)用，因此，遙感巖性識別技術(shù)的新發(fā)展與遙感技術(shù)本身的發(fā)展息息相關(guān)。

從理論上講，理論輻射傳輸模型雖然能模擬實際狀況，但在精度上還是與實際情況有一定差異，因此需要進一步進行理論研究，優(yōu)化輻射傳輸模型、 光學幾何模型，深入分析巖性理化性質(zhì)與光譜信息之間的關(guān)系，理解光譜響應(yīng)機理，為定量化提供理論支撐，從定性向定量方向發(fā)展。

從方法上講，應(yīng)向智能化方向發(fā)展。 數(shù)據(jù)處理、 光譜特征提取、 樣品選擇、 分類方法都受到先驗知識、 工作人員經(jīng)驗、 理論缺陷影響，這在一定程度上影響了分類精度。當前大數(shù)據(jù)、 人工智能方法正隨計算機性能提升而越加完善，其方法高速高效，記憶能力強，且沒有人為主觀因素影響，計算效果較人工有一定提升，且智能化方法正在向各個領(lǐng)域推廣應(yīng)用，遙感巖性分析也是圖像處理的一個方向，遙感巖性智能化識別將成為一個重要的技術(shù)領(lǐng)域。

從實際應(yīng)用領(lǐng)域來看，遙感巖性識別方法，常用于地質(zhì)調(diào)查領(lǐng)域。 然而地表許多地方都被植被覆蓋，遙感技術(shù)表現(xiàn)不佳，導致遙感巖性識別的應(yīng)用范圍、 效果一般。 與此同時，地下鉆探、 深鉆成為人類認識地球的新方法。 將遙感巖性識別方法應(yīng)用到鉆孔信息提取領(lǐng)域，使用遙感光譜分析方法識別鉆孔巖心的巖性，快速進行巖心編錄，是遙感巖性識別新的發(fā)展方向。

4 結(jié)語

遙感技術(shù)為大范圍巖性識別分類提供了現(xiàn)代化高效率的方法，為地質(zhì)資源勘查、 地理國情普查提供了切實可行的解決思路。 本文對遙感巖性識別分類方法進行了總結(jié)梳理，工作成果如下：

1） 總結(jié)了遙感巖性識別在現(xiàn)階段的主流方法，提出根據(jù)分類原理差異進行類別劃分，將現(xiàn)有的遙感巖性分類方法劃分為三類：基于光譜信息的巖性分類、 基于空間信息的巖性分類和基于多源信息復合的巖性分類；解釋了各類方法的具體方法，共3 大類10 小類具體19 種方法，并描述了各種方法的原理及優(yōu)缺點；

2） 認為遙感巖性識別效果會受到大氣環(huán)境、 地表起伏、 風化等多因素干擾，同時也會受到數(shù)據(jù)質(zhì)量、 數(shù)據(jù)類型、 光譜分辨率、空間分辨率的影像，因而在實際使用時，需根據(jù)實際情況具體選擇適合的方法；

3） 在未來發(fā)展方面，提出應(yīng)加強輻射傳輸模型、 光學幾何模型、 巖性理化特征等多方面的理論研究，認為研究方法應(yīng)向智能化、自動化方向發(fā)展，建議遙感巖性識別的應(yīng)用領(lǐng)域可向地質(zhì)鉆孔巖心編錄方向發(fā)展。