多光谱、高光谱遥感岩性解译在川藏铁路勘察中的应用——以藏东南怒江峡谷拥巴地区为例*

王世明 范世杰 裴秋明 张晓宇 吕毓东 杜世回

(①西南交通大学地球科学与环境工程学院， 成都 611756， 中国)

(②中铁第一勘察设计院集团有限公司， 西安 710043， 中国)

0 引 言

对地层岩性的遥感识别研究，一直是遥感地质学研究的难点(傅碧宏， 1996a)。传统上主要采用航片和卫片目视解译的方式，依据岩性花纹、色调等特征影像块，结合河流地貌等间接标志进行，解译出的通常为岩类，其解译难度远大于地貌和构造解译，对解译者的经验要求很高。后随着多光谱遥感卫星的出现，特别包含多个短波红外波段的多光谱遥感数据出现，依据矿物的特征光谱，蚀变岩矿信息的提取识别获得了较大进展，在遥感找矿中获得了较广泛应用(刁海等， 2011； 代晶晶等， 2017； 陈喆等， 2019)。近年随着高分辨率遥感卫星技术的进展，国外的Quick Bird、World View系列等高分辨卫星，国内的GF-2号卫星等，在依据形貌等进行岩性地层解译上取得了较大进展(路云阁等， 2015； 侯德华等， 2018)。多光谱遥感数据方面，当前应用较多的为美国的陆地卫星系列(Landsat 4、5、7、8)，法国的SPOT卫星系列(SPOT 1-6)，日本和美国合作发射的ASTER，欧空局的Sentinel-2A卫星，美国的World View(World View-1、2、3、4)系列卫星等(张瑞丝等， 2016; 张翠芬等， 2017a)。国内多光谱遥感卫星起步则较晚，目前应用较多的主要包括高分系列(GF-1、GF-2)、资源系列(ZY-1、ZY-3)等。多光谱遥感地层岩性解译技术及方法前人研究较多，也是当前应用于地层岩性解译的主要手段(傅碧宏等， 1996b; 闫柏琨等， 2005； 张瑞丝等， 2016; 甘甫平等， 2018)，多光谱和高分辨率遥感卫星数据叠合，采用综合遥感解译法是目前地层岩性解译的主流。

当前星载高光谱影像主要为美国的EO-1 Hyperion 数据，该数据已广泛应用于遥感地质信息提取研究中(Bedini， 2009)。Hyperion 影像在可见近红外到短波红外(VNIR-SWIR)范围内共包含242个波段，其光谱分辨率达 9.6nm，能够实现对地表矿物的定量-半定量识别分类(曾森， 2016; 唐超等， 2017； 张翠芬等， 2017b)。国内目前属于高光谱遥感影像的数据有天宫一号、珠海一号和GF-5号数据等，但由于覆盖范围有限，目前技术方法还多属于探索阶段(李东， 2019; 李娜等， 2019， 2021)。GF-5卫星于2018年成功发射，是我国目前唯一一颗具备全球高光谱观测能力的卫星，在60km 幅宽和30m空间分辨率下，可以获取从可见光至短波红外光谱范围里330个光谱通道，在地层岩性解译上有重大潜力。各遥感数据的优缺点见表1。建立国内高质量的岩矿地物波谱库，结合野外现场及室内解译区岩矿的详细光谱测试，发挥高光谱遥感数据波段信息丰富的特点，高分辨率遥感数据分辨率高的优势，依据地质及地物波谱原理，发挥遥感数据图像处理的优势，建立区域解译标志，应用遥感图像大数据将是未来遥感岩性地层解译的重要发展方向(甘甫平等， 2007; 程娟等， 2020； 胡启成等， 2020； 王建刚等， 2020)。

表1 常见遥感数据岩性解译优缺点对比表

藏东南横断山怒江峡谷区，整体呈北东至南西走向，地形起伏大，海拔高程为3000～6000m，相对高差1500～3000m。该区构造复杂，地层岩性复杂多变，由于环境恶劣，气候极端，交通困难，地质研究程度偏低，基础地质资料缺乏，采用常规的勘察手段实施难度极大，特别是线路地下工程仍然存在大量人员无法到达的区域，很难核实相关区域的地层界线、岩性特征。该区属于高原温带半干旱季风型气候，植被覆盖较少，基岩裸露，这反而为地层岩性遥感解译提供了便利。发挥现代遥感技术快速、高效、高分辨率、波段信息丰富、不受地形影响等优点，开展高分辨率、多光谱、高光谱遥感岩性及地层界线识别技术研究，对铁路选线、岩组和地层界线划分、隧道围岩工程分级、地质灾害识别等具有重要作用(刘春玲等， 2010； 殷跃平等， 2011； 高山， 2014； 童立强等， 2018； 蒋钰峰等， 2019)。

本文以川藏铁路所经藏东南怒江峡谷拥巴地区的地层岩性解译为例，在深入了解、综合分析研究区已取得的地质调查研究成果的基础上，探索应用高分辨率、多光谱和高光谱遥感数据，对该地形起伏区长大隧道的岩性进行遥感识别研究，进一步修正区域地质调查的成果，细化地层界线等，为隧道围岩分类提供依据。

1 研究区地质概况

研究区位于冈底斯-喜马拉雅构造地层大区，属八宿—古拉地层区，临近班公湖—怒江地层区的怒江缝合带(图1)。出露地层主要为上三叠统古竹同组(T3gz)，岩性以砂岩、板岩、灰岩、硅质岩组合为主； 中侏罗统马里组(J2m)，岩性主要为紫红色砾岩、含砾砂岩； 上侏罗统拉贡塘组(J3l)，以灰色变质砂岩、粉砂岩及黑色板岩为主； 下白垩统多尼组(K1d)，岩性为灰色板岩及砂岩，局部夹煤层； 古近系宗白群(E2z)与下伏地层呈角度不整合，岩性以紫红色砾岩、砂岩及泥岩为主。怒江缝合带主要为一套构造混杂岩，出露的主要为惜机卡岩组(Pz2xj)，瞎绒曲岩组(Pz2x)和怒江岩组(Pz2n)，岩性以各类片岩及大理岩等变质岩为主(谢尧武等， 2007)。该区构造发育，断层褶皱分布广泛，新构造运动以断裂活动为主，还多伴随地震、地热显示。该区地震烈度为7度，区域内及附近共记录到破坏性地震157次。康玉隧道位于该区，全长20.235km，最大埋深1314m，原区域地质资料显示，隧址区经过的地层主要为马里组(J2m)、拉贡塘组(J3l)、多尼组(K1d)和宗白群(E2z)，岩性以砾岩、砂岩、泥岩及少量灰岩为主。

图1 研究区大地构造位置(a)及原地质简图(b)

2 遥感数据源及数据处理

2.1 遥感数据源

本次工作选取了高分辨率、多光谱、高光谱3种类型的遥感数据，高分辨率数据选取GF-2号数据，多光谱选取了Landsat8、Aster数据，高光谱由于Hyperion数据在本区无覆盖，本次选用GF-5数据，也是首次将GF-5号高光谱数据引入到川藏铁路遥感地层岩性的识别研究中。

2.2 遥感数据处理

2.2.1 高分辨率数据处理

GF-2号数据具有米级空间分辨率，全色分辨率为1m、多光谱分辨率为4m(潘腾， 2015)。通过辐射定标、大气校正、几何精校正及影像融合处理，尽可能保留影像的纹理特征，为岩性目视综合解译提供影像纹理基础。应用去相关处理将GF-2号原始数据进行变换，主要应用K-L变换和色度空间变换模块(HIS变换)，将原始影像中的相关性减弱或消除。K-L变换将影像中的波谱信息变换为独立的主成分，并对各主成分之间进行反差增强，并保留影像色调的增强效果，使原始影像的色调和饱和度提升。HIS变换将3个波段的合成图像由红、绿、蓝坐标系统变换到亮度(I)、色度(H)、饱和度(S)空间，将红、绿、蓝三通道变换为I、H、S 3个互不相关的独立物理量，在HIS空间中独立地对饱和度进行增强，可以有效地改善图像的饱和度，有利于地层界线及岩性的识别(图2)。

图2 研究区GF-2号真彩色影像图

2.2.2 多光谱遥感数据处理

本次选用的多光谱数据有Landsat-8、Aster数据，通过图像预处理后对波段组合进行对比分析。landsat8影像经过ICA(独立主成分分析)处理后RGB赋值432的组合方式能较好地保留影像纹理信息，且色调丰富，分区较为明显，对岩性解译具有一定的辅助作用(张翠芬等， 2017a)。根据研究区岩性特征，我们通过Aster波段比值和矿物指数结合的方法，制作了研究区二价铁指数假彩色合成图、红黏土指数假彩色合成图、硅酸盐指数假彩色合成图(Ninomiya et al.，2005; Nahid et al.，2006; 高万里， 2011； 张瑞丝等， 2016)。二价铁指数假彩色合成图即蓝色代表黏土类矿物，在E2z宗白群的解译上效果突出(图3)。硅酸盐指数假彩色合成图高岭土和白云母异常呈粉红色，主要为K1d多尼组地层单元，岩性边界较为清晰。Aster数据具有多波段的特点，可将数据中的光谱与波谱库光谱进行对比，起到进行地物识别的目的(John et al.，2010; 胡官兵等， 2018)。本次选择了研究区中部分区段进行SAM(光谱角匹配)处理，通过SAM分类的方法，可以较清晰地区分地层单元和岩性。

图3 Aster二价铁指数假彩色合成图

2.2.3 高光谱遥感数据处理

GF-5号数据为2019年新启用的卫星数据，具有330个波段，在辐射定标之前需要通过国产卫星插件读取GF-5号数据的头文件(孙允珠等， 2018)。由于目前该数据覆盖范围有限，研究区所获取的GF-5号数据部分地区云层覆盖，需要通过数据掩膜消除云层的影响。为了增强数据信息，达到数据降维的效果，本次研究对经过预处理的GF-5号数据使用了MNF(最小噪声分离)、PCA(主成分分析)、ICA(独立主成分分析)处理(李娜等， 2019)。MNF本质上是2次层叠的主成分变换，第1次变换(基于估计的噪声协方差矩阵)用于分离和重新调节数据中的噪声，这步操作使变换后的噪声数据只有最小的方差且没有波段间的相关。第2次是对噪声白化数据的标准主成分变换。经过MNF变换后的高光谱图像，较初始高光谱图像包含更丰富的地物信息，对地层的界限划分具重要的参考。经过MNF变换后的GF-5图像色彩丰富，不同颜色区域和岩性分布及地物界限一致性较好，深红色为植被覆盖区； 紫红色区域代表Fe3+的富集区，和宗白群(E2z)红色砂岩、砾岩及泥岩分布区相一致； 嫩黄色区域和碳酸盐岩分布区相一致； 还有浅黄色区域为SiO2富集，主要为酸性花岗岩分布区(图4)。

图4 GF-5数据MNF变换典型地物分布图

3 遥感地层岩性解译

3.1 碳酸盐岩的解译

本次经过高分辨率遥感影像及多光谱、高光谱遥感数据处理后，发现该区碳酸盐岩分布范围远大于原有区域地质资料所反映的，在康玉隧道通过区碳酸盐地层广泛存在。在该区1︰25万地质图上，该区碳酸盐岩未独立划分地层(谢尧武等， 2007)，本次在高分辨率遥感图上识别出明显的白色影像块(图5a)，在排除冰川的前提下，确认其为碳酸盐岩物理风化产物，整体呈现白色粉状(图5c)，且分布广，覆盖面大。在Landsat8 ICA解译图上(图5b)，其和周围地层也有明显区别。通过遥感解译与野外实地勘察，在该设计隧道通过地段新识别出两条近平行的北北西向展布的灰岩，通过与区域岩性对比分析，将其归为中侏罗统桑卡拉佣组(J2s)，该地层为一套碳酸盐台地前缘斜坡相沉积，化石稀少，含碳酸盐岩滑塌块体，岩性稳定，主要为微晶砂屑灰岩夹硅质白云岩。该地层遥感影像特征呈不均匀的灰白色调，条带状粗糙断续纹理，纹理延续性好，与其他地质体边界较清楚。高山、棱角状山脊、V 形谷，影纹呈条带状、纹点状、树枝状、羽状水系，岩溶地形不发育，特别是物理风化的碎屑坡积物，遥感影像上呈灰白色粉状，是该区灰岩遥感识别的典型特征。

图5 桑卡拉拥组(J2s)灰岩遥感特征图

该区中侏罗统桑卡拉佣组(J2s)在部分地区出现溶蚀钙华现象，遥感解译特征明显。钙华总体遥感特征和灰岩类似，可覆盖在其他地层之上，Aster波段组合合成图上以亮红色为特征(图6a)，在GF-5号MNF变换图像上和周围地层界线明晰(图6b)，岩性解译特征明显。总体看来，高寒山区的碳酸盐岩地貌，通常以物理风化为主，其遥感影像以发育大范围白色碎屑风化物为识别特征，多光谱、高光谱波段组合是识别碳酸盐岩的有效方法。

图6 桑卡拉拥组(J2s)钙华遥感特征图

3.2 红层碎屑岩的解译

红层是一种红色的陆相碎屑岩系(彭华等， 2003)。研究区中侏罗统马里组(J2m)岩性主要为紫红色砾岩、含砾砂岩，古近系宗白群(E2z)岩性以紫红色砾岩、砂岩及泥岩为主，两套地层都呈红色色调的碎屑岩，可划归红层的范畴，区别在于宗白群的红色程度远远大于马里组。在高分辨率遥感影像图上，宗白群(E2z)呈明显的红色色调(图7a)，丘状山地、V 形谷，树枝状、平行状水系，影纹呈斑块状、纹状、粗糙，宗白群紫红色风化色与多尼组灰黑色风化色界线明显。由于该套地层富含Fe3+离子及黏土矿物(孙娅琴等， 2016; 张瑞丝等， 2016)，在多光谱、高光谱波段比值和矿物指数处理后影像特征明显(图3，图7b)，其分布范围和GF-5号MNF变换处理后Fe3+富集区相一致，在Aster光谱角分类图也可较清晰的识别出其范围界线，遥感影像特征最为明显。结合区域地质资料，川藏地区第三系红色湖相沉积岩分布广泛，同老的地层以不整合方式接触，在遥感图上以红色调较易识别，且三价铁含量高的特征，可以在特征波谱组合上得到好的体现，野外识别特征明显。

图7 宗白群(E2z)红层碎屑岩遥感特征图

3.3 高光谱数据监督分类

GF-5数据具有大量的光谱信息，在岩性监督分类上有更高的分类精度(李东， 2019； 李娜等， 2021)，基于GF-5数据的特点，本次研究选择SAM光谱角分类的方法进行岩性分类，由于获取的影像光谱中存在部分干扰波段，本次选择前180个波段参与监督分类。GF-5号数据采用支持向量机的分类方法，支持向量机法(SVM)是一种建立在统计学理论基础上的监督分类方法，SVM通过寻找对分类有较大区分能力的支持向量，由此构造分类器，将类与类之间的间隔最大化，针对高光谱数据有较好的分类能力(戈文艳， 2018)。本次共选取11类训练样本，结果显示样本分离性良好，均超过标准值1.9，其分布界线和野外验证一致度较高(图8)。需要注意的，由于本次GF-5数据云层覆盖较多，影响了部分区域的地层岩性分类，但此方法在岩性遥感识别上显示出较好的潜力。

图8 GF-5号监督分类图

3.4 修正后地质图

本次经高分辨率、多光谱、高光谱遥感解译，对该区的原有地质图(图1)进行了一定程度的修订(图9)，共计修订原地层界线10余处，野外验证点230余点，现场复核的准确率整体达95%以上。解体划分出一套以灰岩为主的地层中侏罗统桑卡拉佣组(J2s)，在原马里组(J2m)内划分出一套宗白群(E2z)。解体划分出的桑卡拉佣组(J2s)为两条近平行的北北西向展布的灰岩地层，成果得到了航空物探及现场复核成果的验证。该套灰岩地层由于岩溶发育，在隧址区分布广泛，对隧道工程影响较大。同时限定了各地层的界线，特别是宗白群(E2z)的分布范围。经修正的地质图显示，该隧道经过的地层主要为上三叠统古竹同组(T3gz)、中侏罗统马里组(J2m)、中侏罗统桑卡拉佣组(J2s)，上侏罗统拉贡塘组(J3l)，下白垩统多尼组(K1d)，古近系宗白群(E2z)。

图9 研究区修正地质图

4 结 论

(1)高寒、干旱山区的灰岩地貌，以物理风化为主，其遥感识别以发育大范围白色碎屑风化物为特征，多光谱波段组合对碳酸盐的识别效果明显； 川藏地区第三系红色湖相沉积岩分布广泛、特征明显，同老的地层以不整合方式接触，在遥感图上以红色调较易识别，且三价铁含量高的特征，可以在特征波谱组合上得到好的体现。研究区新识别出一套北北西向展布的碳酸盐岩，该地层主体以灰岩为主，根据区域岩性特征，将其归为桑卡拉佣组(J2s)，同时对原有地质界线进行了较大幅度的调整和修订。有力支撑了交通廊道地质调查工作，为隧道围岩分类等提供重要依据。

(2)在高原复杂艰险山区应用Landsat-8、Aster、GF-2、GF-5等高分辨率、多光谱、高光谱遥感数据，结合野外现场光谱测试，提出了融合多时序遥感数据堆叠、波谱角度匹配(SAM)、最小噪声分离变换(MNF)、典型波段组合等有效提取岩性信息的多光谱遥感数据综合处理方案，首次应用GF-5高光谱遥感数据丰富的波段信息，进行遥感信息的有效增强及提取，在详细野外验证的基础上，修订多光谱及高分辨率遥感图像解译成果。形成了适合高原地貌起伏区通过多遥感资料对比，快速识别及有效获取岩性、地层界线的技术方案。

(3)形成了一套适合高寒无人地质调查资料缺乏区的岩性地层界线综合解译方法。针对高原复杂艰险山区的遥感岩性解译，提出在基岩裸露区，利用多年遥感数据堆叠增强地物信息，重视多光谱、高光谱的波段合成及综合配对，结合典型地物波谱参数，挖掘反映典型矿物岩石的波段组合类型； 根据经野外验证的遥感解译成果，依据地质原理，从遥感形貌、波段组合等方面，推测人类难以到达未知区岩性地层类型，实现了对人力难以企及区的岩性及地层界线信息的有效提取。