高光谱遥感技术在高植被覆盖区域地质调查中的应用

文/李科冉 饶家益 卓顺忠

高光谱遥感技术凭借光谱的多维度和光谱探测范围优势，在地物的识别及区分方面较传统多光谱遥感技术有着更广泛的应用空间。本文利用HJ-1A 超光谱成像仪（HSI）的数据源，配合地物光谱仪对目标地质体进行光谱采集，并选择在广东省雷州市西部的唐家镇一带基于高光谱遥感技术对石茆岭组、湛江组两类地层进行了划分工作。笔者通过对比已有地质调查结果发现，运用高光谱遥感技术在高植被覆盖区域对以上两类地层进行识别和划分是可行的，能够解决传统遥感技术无法在高植被覆盖区直接识别地质体这一问题。

遥感技术具有高效率、低成本、大面积、多时相获取地表信息等优点，是区域地质调查尤其是在低植被覆盖的基岩裸露区地质调查中的主要技术手段。然而，在南方高植被覆盖区域，高大茂密的植被遮掩了大部分地质信息，遥感地质工作人员只能依靠间接解译标志来粗略划分地质体。随着高光谱成像技术的发展和成熟，其更加宽广的光谱范围和更加精准的光谱区分能力为遥感数据在高植被覆盖区域地质调查中的应用带来了新的方向。

一、研究区概况及技术路线

（一）研究区概况

本研究为“广东省1 ∶25 万湛江市幅、海口市幅区域地质调查”项目的一部分，研究区位于广东省雷州市西部的唐家镇一带，此区域的地貌以冲洪积台地、熔岩台地及低丘陵为主，地势相对平坦。区域内出露地层为第四纪全新世桂洲组及曲界组、中更新世北海组、中更新世至早更新世石茆岭组、早更新世湛江组。研究区属于亚热带季风性湿润气候，植被覆盖率高且农业发达。

受植被覆盖影响，大部分研究区无法直接通过颜色、影纹、形态等直接解译标志来进行地层解译。另外，在上述地层中，曲界组、桂洲组可由高程及地势等间接解译标志来进行划分；而湛江组与石茆岭组地层地表出露的多为其风化残积土，受颜色相近、土体性质相似等因素的影响，这两类地层在被植被覆盖后无法通过多光谱影像来进行有效区分。基于此，本研究尝试引入高光谱遥感技术来精准识别和划分湛江组与石茆岭组两套地层。

（二）总体技术路线

本研究采用卫星数据与地物光谱数据相结合的形式，建立了天地一体化联系：首先通过分析地物光谱仪测得的地面表观反射率数据，选取可区分上述两套地层的特征谱段；其次对卫星数据进行预处理和特征提取，并建立其与地面表观反射率曲线之间的联系；最后基于特征谱段的差异来划分目标地物。总体技术路线如图1 所示。

（1）地物光谱数据采集。笔者在多个地点使用地物光谱仪采集了裸露的石茆岭组风化土及湛江组风化土的地面表观反射率数据，以便分析其特征谱段。

（2）高光谱数据的获取及预处理。在选取合适的高光谱数据后，笔者通过辐射定标、大气校正、噪声分离等步骤还原了地物真实的表观反射率。

（3）高光谱遥感特征提取。在完成高光谱数据的预处理后，笔者依次采取光谱一阶导数、包络线去除、端元光谱选取等步骤提取了地物的特征谱段，并将其与地物光谱仪采集数据进行了对比，旨在精准区分目标地物。

二、地物光谱的采集及分析

笔者使用Optosky（奥谱天成）ATP9110 地物光谱仪分别对不同地区的湛江组及石茆岭组地层进行多次采样，采样时间为10 时至15 时。该时间段阳光充足，自然光峰值能量高，波形完整。随后，笔者对比分析发现，这两类地层在红外波段（波长761 nm 附近）处有明显区别（见图2）。另外，石茆岭组玄武岩红色风化土的光谱曲线在波长761 nm 处存在一个反射峰，而湛江组风化土在波长757～767 nm 处可见一个吸收峰。

三、高光谱影像处理及特征提取

本研究采用的实验数据均来自HJ-1A 超光谱成像仪，其地面分辨率为50 m，光谱探测范围为460～951 nm，共包含115 个谱段。

（一）预处理

高光谱由于波段通道较窄，获取的光能量较低。在这种情况下，图谱较易受到噪声的影响，特征提取、光谱解混、目标探测以及精细分类等也将受到较大影响。[1]因此，笔者统一对高光谱数据进行噪声分离处理。例如，对HJ-1A 超光谱成像仪部分波段图像中明显的周期性条带噪声，笔者有针对性地进行了去除。[2]处理后，图谱中的周期性条带噪声明显减少。

（二）特征提取

1.光谱一阶导数

笔者通过计算光谱微分值得到了地物光谱的局部极大值、极小值以及拐点的具体位置，有效去除了传感器和大气的影响。[3]随后，笔者对处理后的影像数据进行一阶导数处理，并突出光谱曲线在761 nm附近（HJ-1A第88波段）的吸收峰（一阶导数由负至正的0值附近）和反射峰（一阶导数由正至负的0 值附近），详情如图3所示。

2.包络线去除

对地物光谱进行归一化处理的目的是，突出地物光谱的吸收和反射特征。该特征在包络线去除后更为显著，可用于光谱特征谱段选择和参量分析。

3.端元光谱选取

高光谱影像中每一个像元的光谱曲线都可以看作是该像元所对应的地表物质的光谱信号。在本研究中，笔者采用像元纯度指数（PPI）算法选取了端元光谱[4]，旨在寻找由单一地物组成的像元。

四、结果对比

基于以上工作，笔者对HJ-1A高光谱数据第88 波段进行区分，获得了光谱曲线761 nm 附近有峰值表现的像元，同时确认该像元为石茆岭组玄武岩风化土。在圈定由高光谱反演确定的石茆岭组玄武岩红色风化土后，笔者将调查结果在地质图中进行标注（见图4）。另外，与实际情况相比，高光谱数据反演结果的分布范围更为广泛，目标地物识别准确率约为64%。

五、结论和不足

（一）结论

本研究运用HJ-1A 高光谱遥感数据与地物光谱仪测得表观反射率数据，通过对比分析真实表观反射率数据，进一步明确了目标地物的特征频谱，以及目标地物在特定光谱区间的区别。随后，笔者建立了卫星数据与地面真实表观反射率数据之间的联系，并运用卫星数据进行反演，对研究区内两组无法从多光谱数据层面进行区分的地层进行了准确识别和划分。本研究结果表明，反演结果与区域地质调查结果基本一致，但划分范围略大于实际分布范围。本研究验证了高光谱数据应用于区域地质调查工作的可行性——其丰富的光谱维度信息为有效识别高植被覆盖区地物提供了可能性。然而，反演的多解性导致其划分准确度低于传统遥感解译方法。因此，笔者建议，研究人员在使用多光谱数据对特征和间接标志明显的地层进行一次划分后，再通过高光谱数据进行不同地层的二次划分。

（二）不足之处

（1）笔者经过对比发现，卫星数据反演石茆岭组的地层范围较大。这就说明，后续研究应对反射峰和吸收峰的波峰深度予以约束，以确保研究结果更接近真实情况。（2）高植被覆盖率使得目标地物对混合像元点的光谱曲线贡献率较低，使用空间分辨率更高的高光谱影像则可有效提高目标地物在混合像元内的占比，进而提高反演结果的准确性。