基于多源高分辨率数据的遗址空间考古精细识别研究

舒慧勤，方俊永，鲁鹏，顾万发，王潇，张晓红，刘学，丁兰坡

(1.中国科学院空天信息创新研究院,北京 100094；2.中国科学院大学,北京 100049；3.河南省科学院地理研究所,郑州 450052；4.郑州市文物考古研究院,郑州 450000)

0 引言

高分辨率遥感影像信息丰富，地物的几何结构和纹理信息明显，可在较小的空间尺度上观察地表的细节变化，揭示地面调查难以观察到的细微特征。因此，借助于高分辨率遥感影像数据对考古遗址进行无损探测，初步预测遗迹分布信息，为田野考古勘探提供目标区域，减少工作量和成本，具有重要的应用价值。

早期高分辨率传感器的研制与应用主要是在军事领域，以大比例尺遥感制图和对地物的分析和人类活动的监测为目的，20世纪90年代以后才逐渐进入商业和民用领域的范围，并迅速地发展起来[1]。随后QuickBird[2-5]，IKONOS[6-8]和KeyHole[9-11]等一系列高分辨率卫星影像也被应用在考古研究中。但在现有的高分辨率遥感卫星数据中，Corona历史影像因具有较早的成像时间，能够复原早期遗址面貌[12]，且其具有高空间分辨率，能够探测遗址潜在遗迹信息[13]，研究土地历史地貌覆盖变化[14]，解决偏远地区的考古调查[15]而广泛应用于考古研究中。且通过Corona卫星的立体像对建立数字高程模型(digital elevation model,DEM)和数字正射影像(digital orthophoto map,DOM)可以对遗址的地形地貌进行详细分析[16]。Google Earth历史影像是研究遗址过去景观的高分辨率数据的关键来源，它能提供非常高分辨率遥感卫星影像，空间分辨率可达到0.5 m，尽管不提供多光谱信息，但可结合不同时间、传感器和分辨率的影像识别遗迹特征，不仅能够检测到很小的考古遗址影像特征[17-19],也可用于分析考古遗址的历史动态变迁，绘制遗址结构地图[20-22]，进行大规模的遗址调查并精确定位[23-24]。

长期实验研究表明，航空热成像和高光谱成像技术可以揭示遗迹特征[25-26]，但技术障碍很大程度上阻碍其在考古领域的广泛应用。近年来，无人机技术和摄影测量图像处理软件(如Agisoft PhotoScan，Pix4Dmapper等)的快速发展极大提高了无人机遥感影像对遗址空间考古的探测能力。如Casana等[27-28]系统介绍了无人机热成像技术应用于考古的原理和方法，实例研究验证了无人机热成像技术在揭示考古遗址夯土建筑、灰坑、沟渠等遗迹的能力；Madeleine等[29]利用无人机热红外影像分析了伊利诺斯州国家草原村庄的居住面积，发现了六边形遗迹特征。高光谱成像技术则提供了探测目标的连续光谱采样，在识别地表覆盖细小类别差异、遗址构成物质成分差别等方面提供帮助，因此对于识别不同年代和成分的遗址类型有重大作用[1]，如Syed[30]等表明在干旱地区利用无人机高光谱影像能够提高作物标记检测率，增强考古遗址识别精度，揭示人眼和标准摄影难以发现的埋藏考古遗迹。但由于高光谱数据数据量大，相邻波段冗余度高且噪声多，不利于提取影像特征，最小噪声分离(minimum noise fraction，MNF)能在保留原始影像最大信息量的前提下，降低谱带间的相关性和噪声，被广泛应用于辅助解释高光谱数据，增强考古弱信息，提取更多的遗迹特征[31-33]。

本研究主要是利用高分辨率无人机热红外、高光谱影像和多源多时相Corona，Google Earth历史影像对河南省郑州市荥阳市广武镇内的平陶城城址进行影像特征的精细识别。对遗址疑似遗迹进行解释，评估其埋藏结构的保存程度，并对遗址内的遗迹分布和类型进行分析，根据识别结果初步重建遗址空间结构，为进一步深化对遗址遗迹的考古发掘提供更多线索和新的视角。

1 研究区概况

平陶城因与历史上著名的虢国关系密切而倍显科学价值和历史价值。汉朝荥阳县建立，原虢都地方定名为“虢亭”，延续到北魏时期，又名为“平陶城”。据《水经注·济水》载：“索水又东迳虢亭南，应劭曰：‘荥阳故虢国也’，今虢亭是矣。司马彪《郡国志》：‘县有虢亭’，俗谓之平咷城。”《大清一统志·河南开封府》云：“平桃城在荥阳县东南。”由此可见，汉代的平咷城，当即东虢故城，地望与平陶城址所在区域一致[34]。平陶故城所建年代不详，但是在城址始建之前就曾有过商代聚落存在，并且是东虢国的重要城邑。据初步考古调查平陶城城址地理坐标为E113°27′14.05″，N34°52′29.58″，海拔约为110 m(图1)，位于河南省郑州市荥阳市，黄河支流枯河以南，北临广武山，南距索河4 km。枯河以南地区地势平坦，适宜耕种居住，是以遗址地表多为农田，地表植被受耕种活动影响，冬春季节主要以种植小麦为主，夏秋季节主要以种植玉米、谷子、红薯为主，高粱有少量种植。但由于社会经济建设的急剧发展和城镇村庄的不断扩张，遗址周边环境较为复杂。研究区西北角、西南角和东南角均有村落，北边、西边和南边少部分有花卉种植大棚，其东边为高速公路，连霍高速、郑云高速等交汇于此。

图1 研究区地理位置示意图Fig.1 Location of the study area

2 数据源及其预处理

2.1 历史遥感影像

历史影像是研究遗址早期面貌的重要数据来源，研究收集了高分辨率Corona影像和Google Earth历史影像库中的数据。影像参数见表1。

表1 多源高分辨率遥感影像信息Tab.1 Multi-source high-resolution remote sensing image information

作为第一个太空卫星侦察计划，Corona卫星于1958年部署，结合了传统航空照片的高分辨率和易读性，Corona影像还含有多时相、覆盖范围广等优点。1960—1972年，使用了不同锁眼卫星系统获得了大量不同分辨率的清晰图像，这些图像直到1966年才解密，可在美国地质调查局网站(https://earthexplorer.usgs.gov/)的解密项目中获得。本文获取了1962年4月18日到1970年12月4日覆盖研究区域共8景锁眼遥感卫星的高分辨率图像，它保存了中国大规模的土地利用结构变化前的遗址地表景观。获取的Corona单景影像被切割为4小块，研究区域仅位于每景影像中的一小块，属于黑白的全景摄影测量影像，没有投影和坐标信息，存在全景畸变，需要进行几何校正。研究中使用ArcGIS软件，以2003年6月12日无偏移的Google Earth历史影像为基准，通过详细对比，选取多个明显不变的地物点作为地面控制点对Corona影像进行了几何精纠正。

Google Earth是一个虚拟的全球地图服务，包含几种不同空间分辨率的卫星图像，目前也广泛应用于考古研究。Google Earth地图服务2013年提供了历史卫星影像的下载服务，数据库收录了WorldView-1/2/3，PleiadesA/B，GF-1和QuickBird等卫星数据。本文获取了不同时间和来源的历史影像(表1)，这些历史影像是无偏移的以GCS_WGS_1984为坐标系的RGB彩色图片。Google Earth数据主要应用于辨别相对较小的考古遗址所表现出来的考古特征，并验证Corona影像的识别结果。

2.2 低空无人机遥感影像

无人机影像数据拍摄于2020年4月30日，采用Y12多旋翼无人机(参数见表2，图2(a))安装TAU640热红外相机和推帚式成像光谱仪(图2(c),(d))，选择在天气晴朗的时间段起飞并排除信号干扰物，在无人机起飞前，使用飞行控制系统设定好航向、航线和高度(图2(b))。无人机搭载13 mm热红外相机定焦镜头，光谱波段在8～14 μm范围内，飞行高度为150 m，在9:00—11:00获取的无人机热红外影像地面分辨率为0.3 m。高光谱数据采集前，需在地面进行高光谱相机的标准黑白板辐射校正，在光照强度最好的12:00—14:00时间段内采集数据，无人机飞行高度120 m，光谱波段400～1 000 nm，波段数300余种，地面分辨率0.1 m。

表2 无人机主要参数Tab.2 Main parameters of UAV

(a)无人机飞行平台 (b)无人机航线规划

利用Pix4DMapper软件对航空获取的3 218张航空热红外相片进行拼接处理，无人机获取影像时，有自带的定位定向系统(positioning and orientation system,POS)数据，内容包含有经纬度、高度、航向偏角、镜头朝向等参数。处理过程主要包括：①将拍摄得到的无人机原始raw格式数据转换为jpg格式，并进行筛查和剔除无用相片；②建立测区并设置坐标系及相机参数，导入POS数据和控制点文件；③基于POS数据和相片空间位置信息，建立飞行区稀疏点云，进而根据地面控制点生成带有精确空间信息属性的密集点云；④基于密集点云生成飞行区域内3D格网和空间纹理信息；⑤基于空间纹理信息自动处理生成数字表面模型(digital surface model,DSM)和DOM。高光谱原始影像存在几何畸变，利用专用的可视化采控软件和模块实现基于POS数据的系统几何纠正。

3 研究方法

3.1 遗迹特征遥感解译标志

埋藏于地表以下的遗迹遗物通过改变土壤含水量、化学物质、致密度等在遥感影像上形成独特的土壤标记，而因土壤性质改变，植被生长与分布情况发生异常，使植被高度、密度和色彩出现差异，这些差异在遥感影像上都有各自的表现特征，从而成为判断地下遗迹或现象的植被标志。

古河道、墓葬、灰坑等遗迹含腐殖质较多，营养成分高，较周围土壤色调较深，且能够促进植被长势，在遥感影像上表现为正植被标记。古道路等夯土建筑致密性强、含水率低，影响植物根系生长，作物长势较差，表现为负植被标记,若覆盖在裸地下，则表现为影像像元亮度值较高。如图3所示，穿过平陶城城址的古道路在多源高分辨率数据中均体现为笔直条带状，色调与周围土壤有明显差别。由此可见夯土建筑在影像中通常呈色调较浅的条带状，纹理特征也比较明显。残存于地表之上的遗迹会呈现出一定的微地貌特征，如残存的城墙在倾斜太阳光线的照射之下，其阴影的明暗、形状、大小和组合方式能清晰地反映出遗迹特征，由前视相机和后视相机形成的立体像对能体现出城墙、高台立体信息，有利于进行观测和勾绘。通常情况下考古目标具有较规则的几何形状，但是由于遗迹特征受到周围环境干扰，不同时间、温度、天气等都会造成遗迹特征表现不明显，为了减少遗迹特征识别误差，当多幅影像中出现相似的遗迹标志才被认为是异常区域，对比分析解译法能够减少由于影像质量、偶然因素等造成的误差。

图3 古道路遗迹遥感解译标志Fig.3 Sign of remote sensing interpretation of ancient road remains

3.2 遗迹特征增强分析方法

研究中对收集的多源高分辨率遥感影像进行辐射校正、几何纠正等预处理，为便于信息辨识和特征提取，进一步对影像进行增强，不考虑图像质量下降的原因，通过抑制建筑和植被的干扰，将感兴趣的考古目标突出。研究采用交互式直方图拉伸、sobel边缘检测算法和假彩色增强、最小噪声分离(minimum noise fraction，MNF)变换等方法来强调考古目标与周围环境的差异，以提取潜在的遗迹特征信息。

MNF是基于两个连续主成分变换旋转的线性变换，第一次变换用于分离和重新调节数据中的噪声，滤波处理后得到噪声协方差矩阵CN，将其对角化进行变换：

(1)

式中：I为单位矩阵；U为特征向量组成的正交矩阵。当变换矩阵P应用于影像数据X时，通过Y=PX变换，将原始影像投影到新的空间，变换后的噪声数据只有最小的方差且波段间无相关。第二次是对噪声数据的标准主成分变换，以将噪声与数据分离，从而最大化信噪比。公式为：

DD-adj=VT(PTCDP)V，

(2)

式中：CD为影像X的协方差矩阵；V为由特征向量组成的正交矩阵。

经过上面两个步骤处理，数据空间被分为2部分，一是与较大特征值和相对应的特征图像相关；一是与近似相同的特征值以及占主导地位的图像相关。MNF变换有助于发现高光谱数据集中的考古作物标记，这是因为它可以识别表面变异性变化，可以有效检测植被差异。

4 结果与分析

4.1 平陶城城廓空间分析

城墙作为城市、城池和城堡的抵御外侵防御性建筑，主要有墙体和城门两个基本要素，绝大多数城墙外围还有护城河。据考古研究，平陶城城址作为周代重要城邑，形态初步推测为方形，即四周城墙长度大致相等，城墙和道路都是用夯土建造，夯土高度密实且分层。Google Earth 2019年影像(图4(a))显示现存的城墙主要有北墙大部分和东墙北段，其余各段已荡然无存。图4(b)，(c)表示即使是城市更迭、覆灭，仍有部分墙体残存，实地考察发现，北墙残高2～3 m左右，西北角较为高大，高约5 m，东墙一般残高2 m左右，宽约1 m。经5%的线性高斯增强后的Corona影像(如图4(d)所示)可以观测到城墙的大致形状及城墙坍塌后遗留的痕迹。东墙北段和南墙的阴影标记显示墙体高于地表；北墙大部分墙体也存在，但是由于墙内侧有建筑物存在，墙体显示不明显；东墙南段仍有长条脊状线存在；西墙破坏最严重，周代城邑大多为方形，西边直线道路与三边墙体形成方形的空间格局，可推断出西边墙体与道路重合。使用Corona影像的Sobel边缘检测算法得出的边缘和纹理信息可识别出平陶城城址的城墙轮廓(图4(e))。图4(a)和图4(d)对比分析发现，在20世纪60年代以前遗址已经遭到了不可逆转的破坏，之后土地覆盖发生了巨大的变化，耕地结构也随着改变，最明显的是南城墙东段坍塌严重，地表不复存在，影像上依稀能看到痕迹(图4(f)和图4(g))，箭头显示的条带状负作物标记都表明了南城墙遗址的存在。

(a)综合分析 (b)部分北墙东段城墙遗迹 (c)部分东墙北段城墙遗迹 (d)Corona显示城墙轮廓 (e)Sobel识别城墙轮廓

(f)2011年GoogleEarth历史影像疑似东段南城墙负作物标记 (g)2013年GoogleEarth历史影像疑似东段南城墙负作物标记

(h)Corona疑似圆形角台遗迹 (i)假彩色疑似圆形角台遗迹 (j)疑似角台区域已建寺庙

在城墙的西北处，即北城墙和西城墙交汇处，墙体有明显的不连续性，北墙西端有明显的高台凸出(图4(d))，图4(h)中高台形状呈现圆形。据《周礼·考工记》：“宫隅之制，以为诸侯之城制。”周代时期的都城建筑工艺中，在城墙转角处会建方形或圆形角台，并规定“宫隅之制七雉，城隅之制九雉”，即指角台高度较城墙高二丈。平陶城初步考古调查也发现现存城墙西北角较其他城墙高，非监督分类、Sobel边缘检测和平均值的波段组合能够增强高台异常区颜色，圆形结构更为清晰(图4(i))。然而疑似为角台的异常区域现今已建房屋，已无法进行进一步识别与验证(图4(j))。

城门是一座城市的重要节点，由于平陶城考古研究有限，在已有的勘探和发掘资料中，没有任何关于城门的资料。遗痕分析法[35]可以帮助我们寻找叠压在地表之下的古代城址，“遗痕”即古代城市的城垣、河湖、街道和大型建筑所遗留的痕迹，它反映了城市本身的历史变化，可以根据分析现代城市中所遗留的古代城市痕迹，复原被埋在地下的古代城市的平面规划和布局[36]。城门作为城邑出入通道在城市交通中占有重要位置，并影响着城的格局，城门与城门之间有一定的紧密联系。古代的城墙虽然残破、但仍高高立于地上，因此只有城门附近进出方便，这些都会对居民生活、道路建设等产生影响。从道路制图(图5)中可以看出，北墙、南墙和东墙分别存在缺口，且每个缺口都有道路穿过。此外，南北缺口的位置是对称的，中间有一条笔直道路连接。东墙缺口是北墙和南墙道路向东走向的交汇处，缺口位置处于东墙的正中心。因此，根据遗痕分析法推断这3个缺口为平陶城城门的地点。然而由于破坏严重，西门的具体位置未能被发现。平陶城城址规模较小，推测城门的数量也少，研究中发现的缺口数量和位置可以与城墙形成很好的对应，增强了识别出的城门的可信度。综合以上分析结果，可以认为平陶城城址为方形，西北角有一角台，东、南、北墙各有一城门。

图5 平陶城城址疑似城门大致位置Fig.5 The approximate location of the suspected gate of Pingtao City

4.2 无人机热红外及高光谱图像异常区域分析

通过对无人机热红外影像判读，发现一长方形的疑似遗迹靶区，长约44 m，宽约10 m，西边和北边线性特征明显，在热红外影像中表现为异常亮值，东边和南边线性特征不连续(图6)。为了突出温度差异点，对热红外影像进一步增强处理，将高通滤波图像、低通滤波图像和原图像进行RGB组合(图6(b))，影像信息层次感增加使异常亮值表现更为明显。在Google Earth历史影像库中的RGB图像中该特征表现不明显(图6(c))，而1963年的Corona影像(图6(d))表现出来的长方形特征的阴影标记位置与热红外影像的大致相同，可推断出它们是同一个遗迹。对它们的位置进行分析显示，从多时相的遥感影像中确认此遗迹位置没有发生明显的土地利用改变，地表覆盖在过去的几十年间变化较小，主要为耕地(图6(e))。说明该长方形靶区形成较早，可能与平陶城城址有关。基于以上的假设，通过分析它与平陶城城墙和城门之间的距离和方位来推断此遗迹类型。它与东城门之间的距离约为整个城址的1/3，正中心正对东城门，由此推断，此长方形或为古代建筑基址。考古学家们从地表散落的陶罐上发现有戳印的“平陶禀(廪)陶”、“平兆用器”等东周陶文，推断出当时可能设有工官管理的制陶作坊，实地考察也从遗址地表收集到小而多的陶片(图6(f))。由于是官营作坊，其规模大、等级高，据其规模和位置推测，此长方形房基有可能是当时的制陶作坊遗迹。

(a)热红外长方形特征疑似遗迹 (b)彩色合成长方形特征疑似遗迹 (e)异常区域地表现状

相对于高光谱原始谱带，通过应用MNF获得补充信息，比应用主成分变换更易于视觉分析遗迹特征,因为主成分变换对噪声比较敏感，当遥感影像的噪声过大时第一分量的信噪比降低导致降维效果变差，MNF旨在通过将一组相关变量通过信噪比大小转换为一组新的不相关变量来消除频谱冗余信息或噪声并突出图像中的信息频谱变化的过程。利用MNF处理后的航空高光谱影像中(图7)，第一成分包含了最大的信息量(图7(a))，随着维数的增加，影像质量逐渐下降。通过高光谱最小噪声分离分析，可以对研究区的一些影像特征进行突出显示，发现条带状的负作物标记，该标记在Google Earth历史影像和无人机热红外影像中表现不明显(图7(g)，(h))，但是在MNF前2个主成分中可以观测到表面不明显的遗迹特征。在真彩色影像(图7(d))中负作物标记显示不突出，且在假彩色影像(图7(e))中无作物标记，但使用前3个主成分的所有组合生成假彩色影像以进行彩色增强，将条带状的灰度差别转换为明显的色彩差异，明显有利于疑似目标解译和提取更多有用信息(图7(f))。对航空高光谱影像识别到的靶区进行分析，发现在Corona影像上由北门到东门的道路(图5)与靶区影像位置重叠，且长时间序列影像显示该道路在1970年以后就已废弃，覆压在耕地下，根据遗迹特征遥感解译标志进行判读，可确定该靶区类型为古道路遗迹。

(a)MNF1 (b)MNF2

5 结论

基于多源高分辨率遥感影像数据，本研究对平陶城城址进行无损详细识别、定位和提取遗迹特征信息，并对考古遗址空间结构重建，主要结论如下：

1)利用多时相、多源高分辨率遥感影像，对比分析考古目标表现的色调、质感、形状、大小等特征，能够提取出遗址的异常区域。且依据城址规模、缺口等现代城市所遗留的古代城市痕迹的“遗痕分析法”可推测平陶城城址城门数量和大致位置。研究还有效探测到疑似城墙、角台、长方形房基、壕沟等遗迹，为研究遗址的建筑格局、等级和形制研究提供重要的空间信息，初步可确定平陶城城址符合周代时期古代城市的传统布局。

2)无人机热红外技术可以揭示在地面或光学影像上不明显的埋藏的考古特征，高光谱影像经过MNF变换有助于探测微弱信息，Corona影像能够识别出早期遗址面貌，Google Earth历史影像则在微小的疑似遗迹特征检测和提取方面提供帮助。利用边缘检测算法可以有效提取遗迹纹理信息，尤其是城墙结构的信息增强，彩色合成方法能够将微小影像特征的灰度差别显示为明显的色彩差异，有利于目视识别靶区目标。

3)综合利用多源高分辨率遥感影像数据对遗址遗迹特征进行解译，很大程度提高了考古调查效率和准确性，未来的研究将结合地球物理探测方法进行勘察，以期为下一步考古工作提供更有效的线索和依据。