基于ASTER遥感数据的岩性提取方法研究

张 春， 刘汉湖， 阳昌霞

（成都理工大学地球科学学院，成都 610059）

目前，遥感数据源越来越多，但就现阶段而言，数据空间分辨率和光谱分辨率的提高往往不能兼得，相反有些还出现互相消长的趋势. 由于ASTER 数据具有较高的空间分辨率和光谱分辨率特征，因而在地质勘查、岩性识别中越来越多地被应用［1］. 得益于遥感技术的不断成熟，人们获得岩石的光谱图像并对其进行分析变得更加方便，现阶段，各个国家在使用这种技术对岩石属性进行研究时，通常选取的是植被较少，没受到人的影响以及有大面积的岩石直接显露出来的区域，并开发出一大批可用的岩性提取技术方法［2］. 国内外研究人员应用ASTER数据已取得了一些研究进展，Kruse等使用空中GERAIS数据从内华达州的某个地区获取其中的相关岩性数据，并识别出其中出现硅化的区域，同时在出现了热液蚀变的范围内找到了铵长石等物质［3-4］. Rowan等对位于加州的帕斯山脉进行了分析，通过ASTER得到的信息进行分析，同时使用了相关分析技术，比如匹配滤波等，成功识别方解石和白云石［5］. Sankaran 等以阿曼苏丹国中部地区为研究区，基于ASTER遥感数据检测相关的热液矿化带［6］. 陈圣波等利用光谱波段比值法对影像进行增强处理，还有效区分出片岩以及碳酸盐岩等岩性信息［7］. 本文使用西藏自治区贡觉县ASTER数据，通过图像处理、地质解译及信息提取等步骤并采用相关方法来增强图像，从而获得相关的岩性信息，提取研究区的岩性信息，从而给岩性研究和矿床勘探提供参考.

1 研究区概况

研究区贡觉县属于藏东南三江流域的横断山脉峡谷区，属西藏自治区昌都地区管辖，面积6 352.5 km2.地形从东南向西北倾斜. 最高海拔5443 m，最低海拔2570 m，平均海拔4021 m［8］，工作区露头良好，大部分为基岩裸露区［9］. 处于青藏高原东南部北端，处于羌塘地体东西与南北向构造的拐角处，东邻金沙江缝合带，西邻班公—怒江缝合带，它是羌塘地块和兰坪—思茅地块中许多早期新生代沉积盆地之一，它长约275 km，宽约15 km，并且呈北北西向条带状展布［10］. 西藏—川西—三江地区的地质构造十分复杂. 通过拉张与汇聚、隆起与坳陷的演化，形成了复杂多样的构造格局目前对其早期构造演化的研究表明，它主要分为三个阶段：晚古生代-中生代早期多岛造山阶段、中生代中后期陆内俯冲造山阶段和新生代陆内转换造山阶段［11］.

图1 研究区位置示意图Fig.1 Location map of the study area

2 数据预处理

ASTER是高级星载热发射反射辐射计（Advanced Spaceborne Thermal Emission and Reflection Radiometer）的简称，本文选择的数据源是L1B级数据，用ENVI软件打开L1A级和L1B级数据会自动进行辐射定标，所以直接进行大气校正. 重采样主要是把短波红外波段4～9空间分辨率重采样为15 m，然后对新的ENVI标准格式文件进行头文件的编辑，包括波长与FWHM 值（半最大值全波），将文件的格式从BSQ 转为BIL，以便用FLAASH 模块进行大气校正. 在选择好输入文件后，软件会弹出缩放因子，根据头文件中ASTER数据的辐射亮度值的单位与FLAASH模块中的单位，换算得出缩放因子为10，基于季节/纬度对MODTRAN 大气模型进行选择，研究区的ASTER数据处于北纬30°的3月应选择中纬度冬季，根据当地的实际情况以及ASTER数据的波段的设置情况［12］.

3 岩性信息提取

3.1 VNIR-SWIR最佳波段组合法

图像波段数据的标准偏差反映了某个波段的像素亮度值相对于波段的像元亮度平均值的离散程度，即图像波段的不同像素之间的亮度值越离散［13］. 利用最佳指数因子计算特征值，得到信息量最大的波段合成组合（图2），用于识别和提取研究区域的岩性信息［14］. 最佳指数因子计算公式为

式中：γxy、γxz、γyz分别为两两波段之间的相关系数，σx、σy和σz分别为单波段bn的标准差. 根据研究得知，参数IOIF的数值增加时，与之相关的组合就含有更多的信息，它就可以更加清晰地将地表信息展现出来［15］.表1具体展示出不同组合方式下IOIF的值，可以看出来，数值最大的是136组合，它就是最终的选择［15］.

图2 研究区Band6（R）-3（G）-1（B）彩色合成图Fig.2 Band6（R）-3（G）-1（B）color synthesis diagram in the study area

3.2 主成分分析法

通过该方法可以实现维度的降低. 通过查看VNIR-SWIR9 波段基本统计数据，表2 中可以看出，第一主分量含有最多信息量，达到了95.372 4%，并且主要来自VNIR 波段中的Band2 以及SWIR 波段中.第一第二主成分分量占总信息的98.147 7%.其余主分量相比第一第二主分量，虽然所含信息较少，但也有十分特别或者重要的岩性信息. 由于第七到第九主分量信息含量十分少，暂不考虑［16］.

为更清楚地分析每个主分量在岩性识别中的作用，提取前六个主成分分量的单波段影像（图3）. 第一主成分、第二主成分含有信息量较多，各类地质体的分辨较好，其余可用来辅助岩性识别.

主成分变换后，不同的主成分包含着不同信息，根据需要选择合适的波段组合，此处经过多次反复分析和实验，最终将信息特征显著的PC4、PC3、PC5 主成分分别置于红绿蓝影像层，生成主成分合成影像，主成分合成影像的颜色差别能识别更加细微的岩性差别（图4）.

表1 ASTER波段组合OIF指数Tab.1 ASTER band combined OIF index

表2 主成分分析后信息含量及累计特征值Tab.2 Information content and accumulated characteristic value after PCA

图3 ASTER PCA主分量单波段影像Fig.3 ASTER PCA principal component single-band image

3.3 波段比值法

该方法经常被用在遥感得到的图像进行处理，一般情况下，选择的波段是任意的，还能够固定一个波段，然后计算它和其他不同波段之间的比［17］. 具体应用时，能将光谱图像中比较细微的区别放大，并且将由于光强的不同而造成的影响尽可能减小［18］. 对不同的指数进行处理（图5），通过彩色合成来将岩石属性的相关数据凸现出来［19-20］.

经分析发现，研究区东部的砂岩以及骜曲组微晶灰岩的影像特征比较明显，岩性界线较明显. 中部的波里拉组角砾状灰岩影像特征较明显，与右边甲丕拉组长石砂岩钙质粉砂岩岩性界线较清楚，研究区左部的马拉松多群火山岩组流纹岩相比较而言岩性界线也较清楚，但是其他岩性色调从图像上看还是比较混杂，需要结合考虑其他的矿物指数方法以及其他方法结合提取岩性界线.

图4 ASTER PC4-PC3-PC5 RGB 彩色合成影像图Fig.4 ASTER PC4-PC3-PC5 RGB color composite image

图5 研究区ASTER图像Fig.5 ASTER image of the study area

4 岩性单元的遥感影像特征研究

4.1 研究区岩性划分

本篇文章在研究的时候，结合了当地的地质图，比例为1∶20万，经分析与统计，研究区内包含的主要岩石种类为灰岩、砂岩、流纹岩、砾岩、花岗岩等等. 其中本研究区内的主要岩性单元为：流纹岩、砂岩、灰岩.

4.2 典型岩性影像特征

通过前文所用的几种方法解译出典型岩性的界线，并且最好找出各种岩性具有代表性的影像特征. 由于在不同地层年代，就算同一种岩性由于物质组成、外部环境影响、内部结构不同，在影像上也会有不同的特征，因此选取研究区内具有特征的波段组合图像与主成分分析图像进行影像特征描述（图6）.

图6 各类岩石影像特征Fig.6 Image characteristics of various rocks

4.3 编译岩性解译图

本研究区岩体的主要岩性为微晶灰岩、砂岩、粉砂岩、流纹岩. 为了完成研究区岩体的目视解译，首先需要为该区域建立遥感解释标志. 表3为研究区岩性解译标志.

表3 研究区岩性解译标志Tab.3 Interpretation signs of lithology in the study area

将研究区区域地质解译草图与研究区区域地质简图进行对比（图7），可以发现在研究区中对贡觉组粉砂岩、岩屑砂岩与骜曲组微晶灰岩的岩性界线识别较为明显，而由于图像的影像特征与环境特点，对东大桥组岩屑砂岩、含砾粗砂岩和土拖组长石岩屑砂岩、粉砂岩较难区别，对波里拉组生物碎屑灰岩、角砾状灰岩与甲丕拉组岩屑长石砂岩、钙质粉砂岩岩性界线识别较好，并且在图像上由于岩性是不断变化的，最后成果与地质图岩性边界有一定偏差.

图7 研究区地质简图与解译图对比Fig.7 Comparison of geological sketch map and interpretation map

5 结论

本篇文章对ASTER数据进行了研究和处理，并对波段组合的最佳方式进行了探究，采用了主分量分析以及波段比值等图像增强方法对西藏自治区贡觉县地区进行岩性信息识别与提取，主要研究成果如下所述：

1）基于ASTER多光谱数据利用最佳指数因子进行最佳波段组合（631），增强了影像中的岩性信息，可以清晰地圈出砂岩的岩性界线.

2）主成分分析方法与最佳波段组合相比，更加具有优势，从不同的波段组合中可以得出不同的岩性信息，PC4-PC3-PC5 RGB 彩色合成影像中能更清楚地识别灰岩，而利用主成分分析得到的主分量与原始的波段进行组合来提取岩性效果并不理想.

3）利用矿物指数的波段比值方法，得到的矿物指数图像能较好地反映不同矿物类型在图像上的分布状况；而监督分类得到的图像可以作为辅助来进行岩性的识别.

4）通过实验结果能够看出，和常规的数据比起来，通过ASTER获得的数据在清晰度上更好，能更加有效地提取岩性信息. 其中主成分分析法和波段比值法对岩性信息的识别更加有效.

由于矿物混合波谱及其本身结构与化学成分的不同以及环境因素的影响，一些具有相似的光谱特征的岩石不易区分，这使识别和提取一些相似与混合岩石有很大的难度，并且由于一些阴影的影像，导致在使用波段比值法的时候一些岩石矿物的信息会混合在一起，不容易区分. 而且由于岩性是不断变化的，最后成果与地质图岩性边界有一定偏差. 由于ASTER数据空间分辨率和岩体出露情况的影响，对一些出露范围较小的岩体还无法进行有效的识别.