陳立澤， 徐岳仁

(中國地震局 地震預(yù)測研究所，北京100036)

宣化盆地高光譜遙感第四紀(jì)地層分類提取初步研究*

陳立澤*， 徐岳仁

(中國地震局 地震預(yù)測研究所，北京100036)

基于Hyperion高光譜遙感數(shù)據(jù)，采用像素純度指數(shù)(PPI)和光譜角制圖(SAM)等光譜分析方法對河北宣化盆地第四紀(jì)地層的分布情況進(jìn)行定量提取，并對獲取的結(jié)果進(jìn)行實(shí)地驗(yàn)證和優(yōu)化.同時(shí)，分析了第四紀(jì)地層的分布與宣化盆地南緣斷裂帶活動(dòng)之間的關(guān)系.

高光譜遙感；宣化盆地；第四紀(jì)地層

20世紀(jì)80年代興起的高光譜遙感技術(shù)能在特定的光譜范圍內(nèi)以細(xì)小的波段寬度獲取地物完整而連續(xù)的光譜曲線，而且能同時(shí)將傳感器視域內(nèi)所有地物特征記錄下來，在空間域上形成圖像，獲取的數(shù)據(jù)具有圖譜合一的特征，使得遙感數(shù)據(jù)在傳統(tǒng)的二維圖像上增加了光譜維.由此，遙感應(yīng)用可以針對光譜開展，通過光譜特征對地物進(jìn)行定量的區(qū)分，使遙感技術(shù)的定量化水平提高到了一個(gè)全新的階段.自該技術(shù)提出以來，美國、加拿大、澳大利亞等發(fā)達(dá)國家開展了大量的研究和應(yīng)用開發(fā)，在地質(zhì)調(diào)查、巖石礦物識(shí)別、土壤監(jiān)測及精準(zhǔn)農(nóng)業(yè)和森林防護(hù)等方面應(yīng)用廣泛.其中，地質(zhì)是高光譜遙感應(yīng)用中最為成功的一個(gè)領(lǐng)域，國外很多學(xué)者在地質(zhì)填圖和礦物識(shí)別上開展了大量的工作[1～3]，主要基于礦物的光譜吸收特征參數(shù)獲取礦物的豐度信息及空間分布，進(jìn)行巖石礦物的識(shí)別和填圖.受數(shù)據(jù)源的控制，我國高光譜遙感起步相對較晚，主要應(yīng)用在農(nóng)業(yè)和林業(yè)方面，在地質(zhì)和第四紀(jì)研究中應(yīng)用相對較少.但是也有不少學(xué)者在開展相關(guān)研究，努力推進(jìn)高光譜遙感技術(shù)在我國的應(yīng)用[4～6].第四紀(jì)地層因其形成的環(huán)境不同，在成分、結(jié)構(gòu)上有所差異，它們的光譜特征互不相同.但是，這種差異往往非常細(xì)微，對它們進(jìn)行探測，需要很高的光譜分辨率才能識(shí)別，只有在高光譜技術(shù)日臻成熟的今天才能實(shí)現(xiàn).

本文選取位于北京西北的宣化盆地，利用高光譜遙感數(shù)據(jù)所獲取的地物光譜特征，經(jīng)過光譜分析處理，對該地區(qū)第四紀(jì)地層定量分析和提取，并探討宣化盆地第四紀(jì)地層分布與構(gòu)造活動(dòng)性之間關(guān)系.一方面能加強(qiáng)對宣化盆地構(gòu)造活動(dòng)性的了解，另一方面是對高光譜遙感第四紀(jì)定量分析的一個(gè)有益的嘗試.在我國正計(jì)劃發(fā)射高分辨率的高光譜遙感衛(wèi)星之際，利用高光譜遙感數(shù)據(jù)在不同領(lǐng)域開展應(yīng)用研究，有利于發(fā)揮我國高光譜遙感衛(wèi)星的運(yùn)行效益.

1 宣化盆地概況

宣化盆地位于首都圈西北，鄂爾多斯塊體東北緣.構(gòu)造上處于山西地塹系和張家口-渤海斷裂帶交匯地帶.晉冀蒙盆嶺構(gòu)造區(qū)內(nèi)，是一個(gè)NW向的不規(guī)則第四紀(jì)盆地(圖1)，有關(guān)盆地的形成時(shí)代和盆地內(nèi)新生代松散沉積物的厚度等資料很少，對這個(gè)盆地的第四紀(jì)沉積及其形成演化過程研究程度較差.研究區(qū)內(nèi)第四紀(jì)地層主要沿基巖山體山前地帶以及山間溝谷分布[7].盆地南緣有一條斷裂，西起水泉村，向東經(jīng)龍門堡、崞村南，止于魏家溝附近，長約15 km，走向近東西，正斷性質(zhì)，斷裂上盤可見第四紀(jì)黃土和礫石層.晚更新世以來宣化盆地南緣斷裂有過活動(dòng)，斷層活動(dòng)對第四紀(jì)地層和地貌有一定的影響[8].

2 Hyperion數(shù)據(jù)預(yù)處理

美國NASA于2000年11月21日把EO-1(Earth Observing-1)新型地球觀測衛(wèi)星送入太空，該衛(wèi)星上搭載了第一個(gè)星載民用成像高光譜儀Hyperion.Hyperion數(shù)據(jù)價(jià)格昂貴，而且國內(nèi)獲取渠道有限.不過現(xiàn)在可通過USGS網(wǎng)站(http://edcsns17.cr.usgs.gov/NewEarthExplorer)和國際科學(xué)數(shù)據(jù)服務(wù)平臺(tái)(http://datamirror.csdb.cn)獲得用于科學(xué)用途的免費(fèi)數(shù)據(jù).Hyperion傳感器工作譜段從356～2 577 nm，一共242個(gè)波段.空間分辨率30 m，幅寬180 km×7.5 km.本文使用的Hyperion于2004年2月3日獲取，為L1級(jí)HDF格式的產(chǎn)品，由傳感器本身造成的可見光-近紅外(VNIR)波段與短波紅外(SWIR)波段之間的空間錯(cuò)位已進(jìn)行過系統(tǒng)校正.但是L1級(jí)產(chǎn)品上不正常的像元依然很多.在進(jìn)行地物定量分類提取前，需要對Hyperion高光譜遙感數(shù)據(jù)進(jìn)行未標(biāo)定及水氣影響波段的去除、壞線修復(fù)、條紋去除、Smile效應(yīng)去除、大氣校正等一系列的預(yù)處理[9，10]，以提高光譜分類提取的精度.

2.1 未標(biāo)定及水氣影響波段的去除

Hyperion數(shù)據(jù)一共242個(gè)波段，VNIR波段70個(gè)，波段號(hào)從1到70，SWIR波段172個(gè)，波段號(hào)從71到242.NASA只對VNIR8～57和SWIR77～224一共198個(gè)波段做了系統(tǒng)標(biāo)定.VNIR56～57與SWlR77～78波長重疊，而且前者噪音比后者小，通常保留VNlR56～57波段，得到196個(gè)獨(dú)立標(biāo)定波段.在標(biāo)定的波段中，121～127、167～178和224波段的工作波長分別為1 356～1 417 nm、1 820～1 932 nm和2 395 nm，這幾個(gè)波長范圍受水汽的影響較大.其中123～125(1 376，1 386，1 396 nm)三個(gè)強(qiáng)水汽吸收波段在用FLAASH模型做大氣校正時(shí)對云層特別是高空云的估算有重要作用，121、122、126、127、167～178和224波段沒有其他用途，而且包含的地面信息也較少，因此在做地物分類提取時(shí)直接刪除，所以總共保留的波段為179個(gè)(表1).由于生成L1級(jí)產(chǎn)品時(shí)，VNIR和SWIR分別采用了40和80作為擴(kuò)大因子.將像元值轉(zhuǎn)換為絕對輻射值時(shí)，VNIR波段和SWIR波段要分別除以40和80進(jìn)行還原.

表1 保留的Hyperion波段

2.2 壞線的修復(fù)與條紋去除

在Hyperion的L1級(jí)產(chǎn)品中，仍然存在少量無數(shù)據(jù)或數(shù)據(jù)值非常小的行或者列，這里稱之為壞線.壞線的出現(xiàn)沒有規(guī)律性，需要對保留的179個(gè)波段進(jìn)行逐一檢查，并用其相鄰行或列像元的平均值取代，進(jìn)行壞線修復(fù).

Hyperion的L1級(jí)圖像產(chǎn)品中，除了壞線之外，有些波段上還存在條紋，VNIR波段圖像上條紋數(shù)目較少，但是很明顯，SWIR波段圖像上的條紋多，但是相對較輕.條紋的存在嚴(yán)重影響了圖像的質(zhì)量和圖像的應(yīng)用.因此，需要進(jìn)行條紋去除或修復(fù)處理的工作.本文采用全局去條紋的方法，效果明顯，見圖2，而且對整個(gè)圖像的像元值改變不是很大，能有效的保持光譜曲線的形狀.

2.3 圖像的Desmile處理

Hyperion產(chǎn)品存在一種比較特殊的效應(yīng).由于Hyperion探測器分光方式和推掃成像模式，導(dǎo)致圖像在垂直飛行方向上，像元的波長中心位置向兩邊偏移，這就是Smile效應(yīng).VNIR波段和SWIR波段圖像分別由兩個(gè)不同的探測器獲取，它們的Smile效應(yīng)程度不一樣.通常VNIR波段的Smile效應(yīng)比較明顯，而SWIR波段比較小.對于光譜變化平緩的水體和其他地物，Smile效應(yīng)對光譜的影響不明顯，但是當(dāng)光譜變化劇烈時(shí)，Smile效應(yīng)就會(huì)很明顯，而且大氣校正過程也不能消除這種影響.對Smile效應(yīng)的消除處理稱之為Desmile處理.

本文在大氣校正前對Hyperion數(shù)據(jù)采用移動(dòng)線性適應(yīng)與差值的處理方式來降低Smile效應(yīng)的影響.并通過直接查看762 nm兩側(cè)波段的差值圖像上是否存在亮度梯度判斷糾正的效果.圖3是Hyperion VNIR40(752 nm)和VNIR42(772 nm)波段的差值圖像，可看到Smile效應(yīng)去除前，有明顯的亮度梯度，去除后的差值圖像幾乎沒有亮度梯度，說明Smile效應(yīng)去除效果良好.

2.4 大氣校正

大氣校正是高光譜遙感數(shù)據(jù)進(jìn)行地表參數(shù)定量分析的前提，其主要目的是減少或消除大氣散射和吸收作用等因素對從地面反射到傳感器的光譜的影響.本文采用Fast Line-of-sight Atmospheric Analysis of Hypercubes(FLAASH)基于輻射傳輸方程理論模型進(jìn)行校正.該方法計(jì)算精度高，但是計(jì)算過程需要參數(shù)多以及計(jì)算量大.表2是本文進(jìn)行FLAASH輸入的參數(shù)，大部分參數(shù)可以從高光譜數(shù)據(jù)的元數(shù)中直接得到或計(jì)算得出；少量參數(shù)，比如模型的選取，根據(jù)成像條件和經(jīng)驗(yàn)得出.圖4是大氣校正前后的光譜曲線對比.

表2 FLAASH大氣校正輸入?yún)?shù)

經(jīng)過大氣糾正后的光譜和野外用光譜儀采集的光譜具有很好的相似性，表明FLAASH大氣校正是有效的[11].大氣校正后把水汽吸收嚴(yán)重的123～125波段剔除，保留176個(gè)波段做進(jìn)一步的分析處理.從校正后的光譜曲線上可以看出有很多連續(xù)鋸齒噪音，需要進(jìn)一步處理.首先采用MNF轉(zhuǎn)換的方法來進(jìn)行光譜平滑，VNIR和SWIR波段圖像由兩個(gè)不同的傳感器獲取，噪音表現(xiàn)特征不一樣，因此分開進(jìn)行MNF轉(zhuǎn)換，然后選取特征值高的MNF波段的子集進(jìn)行MNF反向轉(zhuǎn)換，最后將兩個(gè)MNF反向轉(zhuǎn)換圖像合在一起，生成整體的MNF去噪圖像.經(jīng)過MNF去噪后的光譜曲線還有較多的鋸齒，再使用Savitzky-Golay濾波器進(jìn)行平滑濾波，這是一種在時(shí)域內(nèi)基于局域多項(xiàng)式最小二乘法擬合的濾波方法，在濾除噪聲的同時(shí)可以確保信號(hào)的形狀、寬度不變[12]，能在消除噪音的同時(shí)比較好的保持光譜形狀.濾波處理時(shí)，在圖像上找一種典型地物，比如水或者雪，通過調(diào)整濾波參數(shù)，保持圖像濾波后的光譜與地物的理論光譜形狀一致.

3 第四紀(jì)地層分析與提取

3.1 地層非監(jiān)督分類

在不知道研究區(qū)內(nèi)第四紀(jì)地層的種類及分布的情況下，為了快速地了解研究區(qū)內(nèi)地物的種類及分布，可以采用非監(jiān)督分類對高光譜圖像進(jìn)行分析.經(jīng)過大氣校正后，研究區(qū)的Hyperion保留了176個(gè)波段，其中有些波段信息冗余而且存在噪聲.在這種情況下，需要一種特征降維的方法來減少特征數(shù)，減少噪音和冗余，減少計(jì)算量.本文采用主成分分析法(Principal component analysis，PCA)對高光譜數(shù)據(jù)進(jìn)行降維處理[13]，然后對其進(jìn)行非監(jiān)督分類，獲取研究區(qū)地物信息.

主成分分析法是一種數(shù)學(xué)變換的方法,它把給定的176個(gè)波段認(rèn)為是一組相關(guān)變量，通過線性變換轉(zhuǎn)成另一組不相關(guān)的變量，這些新的變量按照方差依次遞減的順序排列，并保持變量的總方差不變.本文選取了前五個(gè)主成分分量，其特征值總和已達(dá)到99.74%，認(rèn)為基本已包含了原來176個(gè)波段的信息.

非監(jiān)督分類采用Iterative Selforganizing Data Analysis Techniques Algorithm(IsoData)算法.通過設(shè)定初始參數(shù)而引入人機(jī)對話環(huán)節(jié)，并使用歸并與分裂的機(jī)制，當(dāng)聚類結(jié)果某一類中樣本數(shù)太少，或兩個(gè)類間的距離太近時(shí)，將它們合并為一類，當(dāng)聚類結(jié)果某一類中樣本某個(gè)特征類內(nèi)方差太大，將其分為兩類.根據(jù)初始聚類中心和設(shè)定的類別數(shù)目等參數(shù)迭代，最終得到一個(gè)比較理想的分類結(jié)果.用IsoData進(jìn)行分類處理，需要對預(yù)期的類數(shù)、每一類中允許的最少樣本數(shù)目、類內(nèi)各特征分量分布的相對標(biāo)準(zhǔn)差上限、類中心間的最小距離下限、在每次迭代中最多可以進(jìn)行“合并”操作的次數(shù)、允許的最多迭代次數(shù)進(jìn)行初始化.

3.2 地層光譜角制圖

光譜角制圖(Spectral Angel Mapper,SAM)是一種比較直接的利用光譜特征進(jìn)行地物分類提取的方法.進(jìn)行分類提取前，需要知道所有要提取類的光譜特征.這里，我們通過計(jì)算像素純度指數(shù)(Pixel Purity Index，PPI)獲取所要進(jìn)行分類的地物組分端元.因?yàn)橛行┰胍舻墓庾V特征也很獨(dú)特，在PPI計(jì)算中也會(huì)體現(xiàn)出較高的指數(shù).為了減少噪音的影響，在做PPI運(yùn)算前，先對數(shù)據(jù)做最小噪音分離(Minimum Noise Fraction，MNF).進(jìn)行地層光譜角制圖，首先要對高光譜數(shù)據(jù)進(jìn)行最小噪音分離，根據(jù)特征向量的變化，選取信噪比高而且圖像質(zhì)量好的MNF波段作為PPI提取數(shù)據(jù)集，再利用PPI指數(shù)高的像元作為待分類的地物組分端元，最后通過SAM制圖方法，獲取研究區(qū)各種地物的分布情況.

MNF變化可以看做為兩步疊加的主成分變換[14].第一步，基于圖像噪聲協(xié)方差矩陣對噪音進(jìn)行分離變化，使變換后的數(shù)據(jù)噪音方差和波段之間的相關(guān)性都最?。坏诙?，對噪聲分離后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)主成分變換，變換后得到的向量中的各元素互不相關(guān)，第一分量集中了大量的信息，而且信噪比也最高，隨著維數(shù)的增加，影像質(zhì)量逐漸下降，信噪比也減小.經(jīng)過MNF變化的圖像基于特征值可以分為兩部分：一部分特征值較大，圖像信息豐富；其余部分特征值較小而且近似，以噪音為主.本文對經(jīng)過大氣校正后的176個(gè)Hyperion波段進(jìn)行最小噪音分離變化后用于PPI指數(shù)提取.

進(jìn)行PPI提取的目的是為了找到高光譜數(shù)據(jù)中那些光譜很純或者獨(dú)特的像元.它們往往代表某一類型具備獨(dú)特光譜特征的地物，可用作高光譜分類的組分單元.PPI算法把經(jīng)過MNF變化去噪降維后的圖像所有像元重復(fù)的投影到一個(gè)n維隨機(jī)單位向量空間里，并使處在邊界位置的像元向量出現(xiàn)在隨機(jī)單位向量邊緣的概率最大.記錄每次投影中落在單位向量端部的獨(dú)特像元及每個(gè)像元被標(biāo)記為獨(dú)特像元的次數(shù).被標(biāo)記為獨(dú)特像元的頻率越高，認(rèn)為該像元光譜可區(qū)分性越強(qiáng).像素純度指數(shù)高的像元主要代表可區(qū)分的地物類型.

光譜角制圖是對地物光譜波形相似性的一種度量.光譜角分類將Hyperion數(shù)據(jù)的每個(gè)像素的光譜都視為波譜空間的一個(gè)矢量，波譜空間的維數(shù)與數(shù)據(jù)的波段數(shù)一樣.在這個(gè)波譜空間里，由光照或陰影的作用等因素的影響造成同一類型地物的不同像素上的總光照增加或減小,這個(gè)像素對應(yīng)的矢量長度將增大或減小,但是它的角度方向?qū)⒈３植蛔?不同的地物其光譜角度方向是不同的.計(jì)算圖像上所有像元與前面基于PPI提取出的純像元之間的光譜矢量之間的夾角，以確定其相似度.二者之間的夾角越小，說明光譜越相似，屬于同一類型地物的可能性就越大.利用光譜角進(jìn)行分類，可以減小由太陽入射角、地形和觀測角等因素引起的同物異譜現(xiàn)象.此外，光譜角對于乘性干擾具有良好的抗干擾性，不受照度變化的影響[15].

3.3 地層分類結(jié)果比較

對地層非監(jiān)督分類和光譜角制圖結(jié)果進(jìn)行比較，見圖6.用IsoData進(jìn)行非監(jiān)督分類，在宣化南部地區(qū)分出了6類地物.其中，盆地內(nèi)部主要有4類：分別用黃、暗黃、深綠、藍(lán)色，前三種為第四紀(jì)沉積物，最后的藍(lán)色代表水體.南部山區(qū)比較雜亂，有綠色、黃色、暗黃色，還有藍(lán)色存在.綠色可能代表山區(qū)的基巖.黃色、暗黃色為第四紀(jì)沉積物，在山區(qū)有一定的分布.可能由于基巖風(fēng)化，形成現(xiàn)代土壤，或者盆地地區(qū)干燥沉積物由于風(fēng)的原因搬運(yùn)到了山區(qū)，導(dǎo)致山區(qū)的基巖分類中夾雜著第四紀(jì)沉積物的分類.在山區(qū)發(fā)現(xiàn)有代表水體的藍(lán)色，說明非監(jiān)督分類存在一定的錯(cuò)誤.對此，本文分析認(rèn)為山區(qū)有陰影，陰影地區(qū)的信息量相對較少，而水體的反射率低，總體的信息量也少，導(dǎo)致基于主成分分析后的非監(jiān)督分類把信息量少的這些像元?dú)w到了同一類.

光譜角制圖的結(jié)果上分的類與Isodata非監(jiān)督分類的結(jié)果大致相同，但是可以看出光譜角制圖分類結(jié)果更加精細(xì)，地物的分布也更為合理.盆地內(nèi)主要有黃色和暗黃色兩類第四紀(jì)沉積物.藍(lán)色對應(yīng)水體，需要指出的是在藍(lán)色水體的北部還有一種粉紅的分類，這是由于該地區(qū)水淺，水底泥沙的光譜參與了分類造成的.在南部山區(qū)，紫色對應(yīng)基巖，深綠色對應(yīng)黃土，黃色和暗黃色對應(yīng)第四紀(jì)沉積物.山區(qū)陰影位置，在利用光譜角制圖中沒有出現(xiàn)像非監(jiān)督分類一樣把陰影當(dāng)做水體的情況.陰影區(qū)的反射率盡管比較低，但光譜角分類能消除或減弱因太陽入射角、地形、坡向等因素對分類結(jié)果的影響，基于光譜特征分類能獲取更好的結(jié)果.

4 結(jié) 論

為了檢驗(yàn)基于Hyperion分類結(jié)果，對宣化盆地南緣斷裂周邊地區(qū)進(jìn)行了實(shí)地考察驗(yàn)證，考察點(diǎn)的具體分布見圖7.考察結(jié)果顯示，宣化盆地出露的主要第四紀(jì)地層為晚更新統(tǒng)(Qp3)，主要分布于山麓地帶，沿坡麓堆積，以風(fēng)成馬蘭黃土為主，局部夾雜薄層地表片流堆積或洪積砂礫層、砂土層，厚度變化較大，對應(yīng)圖中晚更新世黃土臺(tái)地.全新統(tǒng)(Qh)沿基巖山前坡麓地帶、盆地以及溝谷分布，成因類型以坡洪積、沖洪積和沖積為主.其中坡洪積主要沿溝口呈沖洪積扇型分布，見圖7，這些沖洪積扇已基本相互連結(jié)而形成山前緩傾斜平原，以礫塊、砂、砂土和亞砂土為主，靠近坡麓黃土臺(tái)地，多疊置有次生含礫黃土；沖洪積層沿接近盆地中心地帶的沖洪積平原分布，對應(yīng)圖中的平原堆積；沖積層主要沿溝谷及其階地分布，對應(yīng)圖中的河流階地和現(xiàn)代河流沉積.

高光譜遙感分類比較準(zhǔn)確的分出了晚更新統(tǒng)黃土，全新統(tǒng)(Qh)坡洪積、沖洪積分布情況，而且斷層的線性陡坎在高光譜圖像上也有明顯的體現(xiàn).說明高光譜遙感在第四紀(jì)研究和活動(dòng)構(gòu)造研究中能發(fā)揮重要的作用.利用高光譜遙感分類和解譯結(jié)果，可以對研究區(qū)內(nèi)宣化南緣斷裂的構(gòu)造活動(dòng)性做出初步的評(píng)價(jià).

宣化盆地南緣斷裂南側(cè)為基巖山區(qū)，與盆地相對高差500～700 m，出露地層主要為侏羅系火山巖、沉火山巖.從基巖山麓向盆地過渡，往往順坡堆積黃土而發(fā)育黃土斜坡或黃土臺(tái)地.順坡堆積的黃土與侏羅系火山巖之間呈斷層接觸，由于后期經(jīng)歷了斷層作用、黃土加積、坡積作用以及地表侵蝕作用的共同改造，線性地貌陡坎位于黃土臺(tái)地前緣，高15～20 m.斷層全新世活動(dòng)，假設(shè)陡坎高度代表晚更新世以來斷層累積位錯(cuò)量，因此估算斷層的平均滑動(dòng)速率約為0.2 mm/a，未來有發(fā)生地表破壞性地震的可能性.

[1] GERSMAN R, BEN-DOR E, BEYTH M, et al. Mapping of hydrothermally altered rocks by the EO-1 hyperion sensor, northern danakil depression,eritrea[J]. International Journal of Remote Sensing, 2008,29(13):3 911-3 936.

[2] RESMINI R G, KAPPUS M E, AlDRICH W S, et al. Mineral mapping with hyperspectral digital imagery collection experiment (HYDICE) sensor data at Cuprite, Nevada, USA[J]. International Journal of Remote Sensing, 1997, 18(7):1 553-1 570.

[3] VANE G, GOETZ A F H. Terrestrial imaging spectroscopy: current status, future trends[J]. Remote Sensing of Environment, 1993, 44:117-126.

[4] 甘甫平,王潤生,楊蘇明.西藏Hyperion數(shù)據(jù)蝕變礦物識(shí)別初步研究[J].國土資源遙感, 2002,4:44-50.

[5] 王青華,王潤生,郭小方.高光譜遙感技術(shù)在巖石識(shí)別中的應(yīng)用[J].國土資源遙感, 2000, 4:39-43.

[6] 張宗貴,王潤生,郭小方,等.基于地物光譜特征的成像光譜遙感礦物識(shí)別方法[J]. 地學(xué)前緣, 2003, 10(2):437-205.

[7] 徐錫偉,吳衛(wèi)民,張先康,等.首都圈地區(qū)地殼最新構(gòu)造變動(dòng)與地震[M].北京：科學(xué)出版社.2002.

[8] 冉勇康,陳立春,徐錫偉.北京西北活動(dòng)構(gòu)造定量資料與未來強(qiáng)震地點(diǎn)的討論[J].地震學(xué)報(bào), 2001, 23(5):502-513.

[9] BARRY P. EO-1/Hyperion Science Data User's Guide[R]. Redondo Beach, CA: TRW Space, Defense & Inform Syst, 2001.

[10] 譚炳香,李增元,陳爾學(xué),等. EO-1 Hyperion高光譜數(shù)據(jù)的預(yù)處理[J]. 遙感信息,2005, 6:36-41.

[11] 袁金國,牛錚,王錫平.基于FLAASH的Hyperion高光譜影像大氣校正[J].光譜學(xué)與光譜分析, 2009, 29(5):1 181-1 185.

[12] SAVITZKY A, GOLAY M J E. Smoothing and differentiation of data by simplified least squares procedures[J]. Analytical Chemistry, 1964, 36(8):1 627-1 639.

[13] RICHARDS J A. Remote sensing digital image analysis: an introduction[M]. Berlin：Springer-Verlag，1999:240.

[14] GREEN A A, BERMAN M, SWITZER P.et al. A transformation for ordering multispectral data in terms of image quality with implications for noise removal[J].IEEE Transactions on Geoscience and Remote Sensing, 1988, 26(1):65-74.

[15] KRUSE F A, LEFKOFF A B, BOARDMAN J B, et al. The spectral image processing system (sips)-interactive visualization and analysis of imaging spectrometer data[J]. Remote Sensing of the Environment, 1993, 44:145-163.

責(zé)任編輯：龍順潮

Preliminary Classification of Quaternary Strata at the Xuanhua Basin Based on Hyperspectral Remote Sensed Data

CHENLi-ze*,XUYue-ren

(Institute of Earthquake Science, China Earthquake Administration， Beijing 100036 China)

Hyperspectral remote sensing technique has been developed rapidly since 80s of the 20th century,because it has the advantages of high spectral resolution and the ability to present imagery and spectral profile together. In this paper, the Quaternary strata at the Xuanhua Basin in the Hebei Province was extracted from the Hyperion data using spectral analysis methods such as Pixel Purity Index(PPI), Spectral Angel Mapper(SAM) and so on. The extracted results were verified with field work. Based on the improved results, the relationship between Quaternary strata and activities of the Southern Margin Fault at the Xuanhua Basin was discussed.

hyperspectral remote sensing;Xuanhua bains;quaternary strata

2014-08-11

中國地震局地震預(yù)測研究所基本科研業(yè)務(wù)費(fèi)專項(xiàng)(2010IES0203)；科技部國際科技合作項(xiàng)目(2012DFR20440)

陳立澤(1979— ),男，湖南 隆回人，副研究員.E-mail：chenlize@hotmail.com

TP75

A

1000-5900(2015)01-0081-06