朱明永， 李炳謙， 付翰澤， 陳川， 高猛

（1. 核工業(yè)二一六大隊(duì)， 新疆 烏魯木齊830011； 2. 新疆大學(xué)， 新疆 烏魯木齊830047）

遙感技術(shù)因視角廣、 不受地域限制以及信息豐富的特點(diǎn)， 備受地質(zhì)工作者的青睞［1-2］。利用遙感影像對(duì)地質(zhì)體進(jìn)行分類， 是地質(zhì)填圖中對(duì)遙感技術(shù)應(yīng)用的重點(diǎn)之一， 而波譜分辨率高， 空間分辨率好的遙感數(shù)據(jù)更有利于巖性分類［3-4］。 受 瞬 時(shí) 視 場(chǎng)的影響， 同一傳感器難以同時(shí)獲得高光譜分辨率及高空間分辨率的數(shù)據(jù)［5］， 而多源數(shù)據(jù)的協(xié)同恰恰解決了這一問題。

目前， 遙感影像對(duì)地質(zhì)體的分類主要包括人機(jī)交互的目視解譯方法及基于各類算法的影像自動(dòng)分類技術(shù)。 目視解譯易帶有解譯者的主觀色彩， 有可能忽略客觀的地質(zhì)事實(shí)，而自動(dòng)分類已趨 成 熟［6-7］。 其 中SVM 分類 是建立在統(tǒng)計(jì)學(xué)理論基礎(chǔ)上的機(jī)器學(xué)習(xí)方法?？勺詣?dòng)尋找對(duì)分類有較大貢獻(xiàn)的支持向量，由此構(gòu)造出分類器， 進(jìn)而將類與類之間的間隔最大化， 因此具有較好的推廣性和較高的分類準(zhǔn)確性［8-9］。

本文以江尕勒薩依地區(qū)為研究區(qū)， 通過影像協(xié)同處理， 獲得空間分辨率較高、 波譜信息豐富的協(xié)同數(shù)據(jù)， 將野外調(diào)查所獲取的點(diǎn)狀數(shù)據(jù)作為樣本數(shù)據(jù)， 通過SVM 自動(dòng)分類方法， 進(jìn)行巖性分類， 細(xì)化各類地質(zhì)體的空間分布位置， 探索研究區(qū)多源遙感數(shù)據(jù)的巖性分類方法。

1 區(qū)域地質(zhì)背景

研究區(qū)位于新疆且末縣， 大地構(gòu)造位置屬于阿爾金造山帶與昆侖造山帶相結(jié)合的江尕勒薩依-巴什瓦克勒高壓變質(zhì)增生雜巖帶，地層劃分屬江尕勒薩依-安西地層小區(qū)。 區(qū)內(nèi)地層大多呈北東-南西走向， 未發(fā)現(xiàn)巖漿活動(dòng)。 以阿爾金北緣斷裂為界， 北側(cè)主要為一套中-新生代的陸相盆地沉積及第四系松散堆積物； 南側(cè)為阿爾金巖群， 主要為一些深變質(zhì)、 強(qiáng)變形的變質(zhì)巖， 研究區(qū)東部有少許長(zhǎng)城系貝殼灘組出露， 主要為各類片巖（圖1）。

圖1 研究區(qū)區(qū)域地質(zhì)圖（據(jù)新疆地礦局修改， 2010）Fig. 1 Regional geology map of the study area

經(jīng)野外地質(zhì)調(diào)查發(fā)現(xiàn)， 研究區(qū)巖性主要為石英砂巖、 砂巖、 礫巖、 泥巖、 粉砂巖及沖洪積物， 且前人的巖石單元?jiǎng)澐州^粗糙，難以滿足大比例尺工作需求， 如何將小面積的點(diǎn)狀數(shù)據(jù)推廣到整個(gè)研究區(qū)， 是此次研究的關(guān)鍵。

2 遙感數(shù)據(jù)源特點(diǎn)及協(xié)同處理

2.1 影像數(shù)據(jù)對(duì)比

空間分辨率可以表示為影像數(shù)據(jù)像元大小， Worldview-2（以下簡(jiǎn)稱WV-2）數(shù)據(jù)全色及多光譜數(shù)據(jù)影像的空間分辨率達(dá)0.5 m 及2 m， 可有效識(shí)別不同紋理特征、 不同層理的巖石。 而Landsat-8 OLI （以下簡(jiǎn)稱L8） 全色及多光譜數(shù)據(jù)的空間分辨率僅為15 m 及30 m， 空間上僅對(duì)于大規(guī)模出露且連續(xù)性較好的地質(zhì)體有一定的識(shí)別能力（表1）。

從WV-2 數(shù)據(jù)可以明顯看出， 礫巖層理較為清晰， 色調(diào)較深， 且為平行密集排列；泥巖多由黏土類礦物構(gòu)成， 抗風(fēng)化能力弱，層理模糊； 而粉砂巖可見由差異風(fēng)化產(chǎn)生的密集排列的層理； 砂巖與石英砂巖因石英含量的差異， 可以看出石英砂巖的層理較為清晰， 多為連續(xù)線狀平行排列的紋理， 而砂巖紋理大多不連續(xù)， 層理相對(duì)較為模糊（圖2）。

就波譜分辨率而言， 二者在可見光均有覆蓋（表1）， 但在短波紅外的范圍內(nèi)， L8 則設(shè)置有兩個(gè)波段， 而WV-2 未設(shè)置波段。 研究區(qū)內(nèi)需要區(qū)分的6 類巖石主要礦物成分為石英、 云母、 長(zhǎng)石類及黏土類礦物。 上述各類 礦 物 在2.20 μm 附 近（個(gè)別1.50 μm 附近）具有不同程度的吸收特征， 分別對(duì)應(yīng)L8 數(shù)據(jù)B6 及B7 波段附近， 在短波紅外均有不同程度的振動(dòng)特性， 從而在影像中表現(xiàn)出不同的反射值［10］， 這說明L8 數(shù)據(jù)擁有更優(yōu)的光譜分辨率。

表1 L8 及WV-2 主要技術(shù)參數(shù)表Table 1 L8 and WV-2 spectral characteristics table

圖2 巖石影像紋理特征Fig. 2 Texture features of rock images

2.2 協(xié)同影像處理

多源影像數(shù)據(jù)協(xié)同可簡(jiǎn)單的定義為實(shí)現(xiàn)波譜分辨率與空間分辨率的互補(bǔ)性融合， 打破了單一傳感器難以同時(shí)獲得高波譜分辨率與高空間分辨率的束縛， 按照一定的算法，將高空間分辨率的數(shù)據(jù)與高波譜分辨率的數(shù)據(jù)相融合， 從而得到光譜分辨率較高， 空間分辨率較強(qiáng)的新型數(shù)據(jù)［11］。

根據(jù)經(jīng)驗(yàn)可知， 若兩類待融合的數(shù)據(jù)空間分辨率＞20:1， 融合后的數(shù)據(jù)將缺失大量的有用信息［12］， 因此本次研究工作將L8 數(shù)據(jù)與WV-2 多光譜數(shù)據(jù)中的第8 波段， 通過光譜保真度較好的Gram-Schmidt 方法進(jìn)行融合處理， 最終得到空間分辨率較高、 波譜信息豐富的協(xié)同數(shù)據(jù)。

3 支持向量機(jī)的巖性分類

3.1 支持向量機(jī)分類方法簡(jiǎn)介及過程

不同的巖性在遙感影像上無論是宏觀的構(gòu)造， 還是微觀的影紋特征、 波譜特征， 均有一定的差異。 SVM 分類是以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為原則， 以訓(xùn)練樣本為約束， 提高模型的泛化能力， 求得最優(yōu)的線性分類面， 從而得到最佳的信息提取結(jié)果， 達(dá)到巖性分類的目的［4，13］。 本 文 利 用ENVI 軟 件classification 模塊， 通過Support Vector Machine Classification工具實(shí)現(xiàn)支持向量機(jī)分類這一過程。

3.2 SVM 巖性分類結(jié)果分析

研究區(qū)內(nèi)6 種巖性的礦物組成及影紋特征均具有較大差異， 這是巖性分類的重要依據(jù)。將點(diǎn)狀數(shù)據(jù)構(gòu)建為影像分類的訓(xùn)練樣本［14］，分別使用L8、 WV-2 及協(xié)同數(shù)據(jù)， 通過SVM分類方法， 得到巖性分類圖， 經(jīng)一系列噪聲去除， 得到3 類影像的巖性分類圖（圖3）。 由分類結(jié)果可知， 3 類影像均能將6 類巖性分離開來， 走向均為北東-南西向， 與前人區(qū)域地質(zhì)資料吻合。 在L8 巖性分類圖中， 區(qū)內(nèi)東側(cè)砂巖有一定的分布， 而WV-2 數(shù)據(jù)很好的分辨出來， 將其分為了沖洪積物和泥巖。 說明該區(qū)域泥巖與砂巖的分辨， 主要是依靠二者光譜上的差異。 對(duì)于研究區(qū)中部的石英砂巖來說， 在L8 影像中呈大規(guī)模北東向延伸狀態(tài)， 而WV-2 數(shù)據(jù)可見區(qū)內(nèi)的石英砂巖呈明顯條帶狀分布， 局部可見石英砂巖與泥巖的互層。 而協(xié)同數(shù)據(jù)恰巧彌補(bǔ)了兩類數(shù)據(jù)的不足， 避免了分類影像的像素斑塊特征， 同時(shí)又提高了光譜分辨率。 更多的地質(zhì)體被有效的分離， 與實(shí)際情況對(duì)應(yīng)較好， 更加符合地質(zhì)事實(shí)。

圖3 巖性分類圖Fig. 3 Lithological classification map

3.3 分類精度評(píng)價(jià)

目前， 主要使用混淆矩陣法來評(píng)估影像的分類精度， 定義如下：

式中： mab—a 類樣本中， 被分到b 類的樣本個(gè)數(shù)， 如果矩陣中對(duì)角線的值越大， 則表示分類精度高， 質(zhì)量好， 基于混淆矩陣的評(píng)價(jià)指標(biāo)主要包括總體分類精度和Kappa 系數(shù)［15］（表2）。

表2 分類精度評(píng)價(jià)表Table 2 Accuracy evaluation of the classification

由于WV-2 數(shù)據(jù)波譜分辨率較低， L8 數(shù)據(jù)空間分辨率較低， 在總體分類精度及Kappa系數(shù)上， 都不及協(xié)同處理后的影像精度高。因此在研究區(qū)內(nèi)， 波譜信息豐富、 紋理結(jié)構(gòu)清晰的協(xié)同影像分類精度更高， 方法更有效，最終得到影像解譯圖（圖4）。

圖4 影像巖性解譯圖Fig. 4 lithological interpretation from remote sensing image

一般情況下， 碎屑巖類的沉積物， 基本不會(huì)出現(xiàn)單一巖性的巨厚沉積層， 在影像圖中可以看出泥巖、 砂巖， 有互層、 夾層現(xiàn)象，本次并未將其再細(xì)化， 僅將其劃分為以某類巖性為主的層位。 同時(shí)區(qū)域上可供參考的資料較少， 上述地質(zhì)體均未劃分至組， 同時(shí)也要注意到研究區(qū)內(nèi)西北角的礫巖， 因河水的沖刷搬運(yùn)， 導(dǎo)致下游河道同樣被誤分類為礫巖。 因此在實(shí)際工作中， 應(yīng)以基礎(chǔ)地質(zhì)特征為依據(jù)， 輔以遙感影像處理技術(shù)， 這樣遙感技術(shù)才能更好的為實(shí)際工作所用。

4 結(jié)論

1） 本文在對(duì)比分析L8 及WV-2 數(shù)據(jù)的空間分辨率及波譜分辨率的基礎(chǔ)上， 利用協(xié)同處理， 得到了兼有二者影像優(yōu)勢(shì)的協(xié)同數(shù)據(jù)；

2） 通過支持向量機(jī)分類， 對(duì)比了L8、WV-2 及協(xié)同數(shù)據(jù)對(duì)研究區(qū)的地質(zhì)單元的劃分結(jié)果， 表明協(xié)同數(shù)據(jù)的分類精度更高， 準(zhǔn)確性更好；

3） 在前人資料的基礎(chǔ)上， 利用影像分類結(jié)果， 準(zhǔn)確厘定了研究區(qū)內(nèi)各類地質(zhì)體的空間分布， 實(shí)現(xiàn)了影像的快速分類及地質(zhì)體的精確識(shí)別， 表明協(xié)同數(shù)據(jù)的支持向量機(jī)分類方法， 在艱險(xiǎn)地區(qū)的地質(zhì)填圖工作中具有一定的參考意義。