基于遥感技术的地表矿物发现应用与研究

卢彦科

（河南省国土资源电子政务中心，河南 郑州 450000）

1 引言

地表矿物是我国丰富的资产，每年都需投入大量人力物力进行勘察找矿[1]。遥感技术作为新兴技术，具有覆盖范围广、重访周期短、不受天气因素影响、不需直接接触目标等优点，在地表信息提取工作中应用愈加广泛[2-4]。目前应用较多的是基于中高分辨率多光谱影像的遥感分类方法，该方法主要依据免费的中分辨率卫星影像（Landsat/Sentinel2）等，进行大尺度的地表信息遥感提取[5]。近年来，随着国产高分辨率卫星影像的发射，2 米或亚米的国产高分辨率卫星影像正在逐步替代可免费获取的中分辨率卫星影像，并且在算法上慢慢积累与改进，尽可能地提升精度[6]。

国产多光谱卫星影像的4 个通道（红、绿、蓝、近红外）波谱范围集中在450 nm ～900 nm 之间，虽然多光谱卫星影像在地表要素提取中具有一定的适用性，但受限于波谱范围，针对特定的地物及元素仍然具有波谱未涉及、没有替代数据等缺点，在矿物提取、土壤元素含量、水质监测方面仍没有形成业务化应用。针对此问题，国产高光谱卫星GF5 应运而生。GF5 高光谱卫星具有400 nm ～2500 nm 全波谱范围，弥补了多光谱数据波谱范围小、波段波谱宽的缺陷[7-8]。作为新公布的数据类型，目前对GF5 高光谱数据的数据预处理、遥感解译工作都较少，本文在研究GF5 数据预处理的基础上，进行地表矿物遥感提取，系统介绍GF5 高光谱数据的整体应用流程。

2 数据及预处理

GF5 卫星在2018 年5 月9 日成功发射，经过在轨测试，2019 年3 月21 日高分五号卫星正式投入使用。对GF5 卫星中的高光谱传感器（AHSI 传感器）数据的预处理工作总结为五个步骤，主要解决GF5 前期预处理（两部分高光谱数据合并、波长信息写入、坏波段剔除等操作）、条纹噪声去除、辐射定标、大气校正和影像滤波等辐射校正工作。GF5 数据需要检查可见光红外（VNIR）、短波红外（SWIR）整景高光谱影像数据的目视效果，检查是否存在片间色差、Etalon 效应，VNIR 和SWIR 数据覆盖是否一致的问题，高反射地物数据信息有无饱和现象，各波段图像的清晰度、坏线和条带的出现和分布，以及云、雪覆盖情况。GF5原始影像预览如图1 所示。

图1 GF5原始影像预览图

GF5 数据预处理流程及各部分成果如下所示：

2.1 GF5 前期预处理

GF5 前期预处理功能中默认剔除25 个水汽强吸收波段，并且舍弃波长重合波段中短波红外部分（SWIR）的前4 个波段。最后，GF5 前期预处理功能中默认输出301 个波段，并在输出文件中设置了中心波长和半高宽等波长信息。

2.2 辐射定标

辐射定标功能可对GF5 前期预处理得到的结果进行辐射定标，将原始DN 值数据定标为辐射亮度值或大气表观反射率。默认以表观反射率的形式输出辐射定标后的数据。辐射定标前后光谱波段差异如图2 所示。

图2 辐射定标前后光谱波段差异

2.3 大气校正

利用6S 辐射传输模型，根据输入的参数动态构建大气校正查找表的方式来进行校正，对通过辐射定标为大气表观反射率的数据进行大气校正。大气校正前后光谱波段差异如图3 所示。

图3 大气校正前后光谱波段差异

2.4 正射纠正

对GF5 数据大气校正后影像进行正射纠正，可根据GF5 数据中的rpb 文件和数值高程设置对影像进行正射纠正，并设置输出分辨率（30 m）、输出坐标系（WGS1984），正射纠正成果如图4 所示。

3 成果与分析

针对GF5 数据矿物提取，本文采用两种方法进行矿物提取，一为基于全球地物光谱库的波谱识别[9]，一为改进的波谱角分类方法[10-11]。

3.1 基于全球地物光谱库的波谱识别

图5 为ENVI 软件中的全球地物光谱库，选取其中的矿物光谱曲线作为指标，将正射纠正后的GF5 影像进行波谱匹配，匹配出与该光谱曲线相一致的像元，作为识别出的矿物。

图4 正射纠正成果

图5 地表矿物标准光谱库

采用相关性分析，分析与标准光谱相关性最大的像元曲线，与光谱库最相近的光谱如图6 所示，在1000 nm 之前，矿物波谱变化趋势与标准光谱库一致，整体呈上升趋势，并且在1000 nm 之后区域平稳；而在1000 nm 至2500 nm 波段，光谱库整体较平滑，而GF5 波谱锯齿状较严重，究其原因，标准光谱库是一个理想状态下不受任何地物混淆的纯净像元光谱真实值，而GF5 影像或多或少存在混合像元的情况，在光谱反应上呈现锯齿状上下波动，然而波动范围仅仅局限于矿物特征光谱范围内，因此该光谱曲线可代表本文GF5 中地表矿物的真实情况。

3.2 改进的波谱角分类

波谱角分类依靠标准光谱库进行识别，本文采用上述得出的最优相关光谱，替代光谱库中的标注光谱分类，以此避免地表真实光谱反射情况与标准光谱之间的差异引起的分类误差，具体结果为：当波谱角最大阈值为0.1 弧度时，没有分类结果；当波谱角最大阈值为0.2 弧度时，没有分类结果；当波谱角最大阈值为0.3 弧度时，分类结果如图7 所示：影像覆盖范围为榴辉石矿物分布地带，该石材多集中在植被稀疏或灌草覆盖的区域，整体突出地面，随山脉走势分布，分类结果中该石材集中分布在影像下部地区，该地区矿物分布趋势与分类结果吻合。

图6 最优相关光谱曲线图

图7 GF5矿物提取成果图

对分类成果进行精度分析，结果如图8 所示。不同地物的分类精度整体在85%以上，其中地表矿物分类精度为93%。整体来说GF5 高光谱数据在遥感分类应用中具有较高的分类精度，这归因于GF5 的全范围波谱信息，全波谱范围可将地物在不同光谱范围内的反映情况良好反映出来，如在可见光范围内，植被与灌草的光谱特征整体相差不大，甚至一样，若不考虑后面的光谱信息，则不能很好地区分开来，而GF5 高光谱数据解决了这些问题。

4 结论

GF5数据作为我国自主研发的全波段高光谱数据，在行业应用中仍处于起步阶段，本文系统介绍了GF5数据从获取到正射纠正的处理流程及处理后的效果，并在此基础上进行了地表矿物信息提取，分别利用光谱识别、改进的波谱角分类方法进行，结果显示GF5数据在地表真实矿物提取中具有较好的可行性及适用性，为矿物发现提供了新的思路及方法。

图8 分类精度评价

研究同时也发现了一定的问题，GF5 数据的预处理流程仍然不能实现工程化批量预处理，需要单景处理，不利于其广泛应用；GF5 高光谱数据预处理后的分辨率为30 米，相对于国产多光谱卫星影像的2 米、亚米分辨率来说，分辨率仍然较低，目前已有的空谱融合技术仍不完善，因此如何提升GF5 数据的分辨率，是其推广应用的问题所在。