王世明 范世杰 裴秋明 張曉宇 呂毓東 杜世回

(①西南交通大學地球科學與環(huán)境工程學院， 成都 611756， 中國)

(②中鐵第一勘察設計院集團有限公司， 西安 710043， 中國)

0 引 言

對地層巖性的遙感識別研究，一直是遙感地質學研究的難點(傅碧宏， 1996a)。傳統(tǒng)上主要采用航片和衛(wèi)片目視解譯的方式，依據巖性花紋、色調等特征影像塊，結合河流地貌等間接標志進行，解譯出的通常為巖類，其解譯難度遠大于地貌和構造解譯，對解譯者的經驗要求很高。后隨著多光譜遙感衛(wèi)星的出現(xiàn)，特別包含多個短波紅外波段的多光譜遙感數據出現(xiàn)，依據礦物的特征光譜，蝕變巖礦信息的提取識別獲得了較大進展，在遙感找礦中獲得了較廣泛應用(刁海等， 2011； 代晶晶等， 2017； 陳喆等， 2019)。近年隨著高分辨率遙感衛(wèi)星技術的進展，國外的Quick Bird、World View系列等高分辨衛(wèi)星，國內的GF-2號衛(wèi)星等，在依據形貌等進行巖性地層解譯上取得了較大進展(路云閣等， 2015； 侯德華等， 2018)。多光譜遙感數據方面，當前應用較多的為美國的陸地衛(wèi)星系列(Landsat 4、5、7、8)，法國的SPOT衛(wèi)星系列(SPOT 1-6)，日本和美國合作發(fā)射的ASTER，歐空局的Sentinel-2A衛(wèi)星，美國的World View(World View-1、2、3、4)系列衛(wèi)星等(張瑞絲等， 2016; 張翠芬等， 2017a)。國內多光譜遙感衛(wèi)星起步則較晚，目前應用較多的主要包括高分系列(GF-1、GF-2)、資源系列(ZY-1、ZY-3)等。多光譜遙感地層巖性解譯技術及方法前人研究較多，也是當前應用于地層巖性解譯的主要手段(傅碧宏等， 1996b; 閆柏琨等， 2005； 張瑞絲等， 2016; 甘甫平等， 2018)，多光譜和高分辨率遙感衛(wèi)星數據疊合，采用綜合遙感解譯法是目前地層巖性解譯的主流。

當前星載高光譜影像主要為美國的EO-1 Hyperion 數據，該數據已廣泛應用于遙感地質信息提取研究中(Bedini， 2009)。Hyperion 影像在可見近紅外到短波紅外(VNIR-SWIR)范圍內共包含242個波段，其光譜分辨率達 9.6nm，能夠實現(xiàn)對地表礦物的定量-半定量識別分類(曾森， 2016; 唐超等， 2017； 張翠芬等， 2017b)。國內目前屬于高光譜遙感影像的數據有天宮一號、珠海一號和GF-5號數據等，但由于覆蓋范圍有限，目前技術方法還多屬于探索階段(李東， 2019; 李娜等， 2019， 2021)。GF-5衛(wèi)星于2018年成功發(fā)射，是我國目前唯一一顆具備全球高光譜觀測能力的衛(wèi)星，在60km 幅寬和30m空間分辨率下，可以獲取從可見光至短波紅外光譜范圍里330個光譜通道，在地層巖性解譯上有重大潛力。各遙感數據的優(yōu)缺點見表1。建立國內高質量的巖礦地物波譜庫，結合野外現(xiàn)場及室內解譯區(qū)巖礦的詳細光譜測試，發(fā)揮高光譜遙感數據波段信息豐富的特點，高分辨率遙感數據分辨率高的優(yōu)勢，依據地質及地物波譜原理，發(fā)揮遙感數據圖像處理的優(yōu)勢，建立區(qū)域解譯標志，應用遙感圖像大數據將是未來遙感巖性地層解譯的重要發(fā)展方向(甘甫平等， 2007; 程娟等， 2020； 胡啟成等， 2020； 王建剛等， 2020)。

表1 常見遙感數據巖性解譯優(yōu)缺點對比表

藏東南橫斷山怒江峽谷區(qū)，整體呈北東至南西走向，地形起伏大，海拔高程為3000～6000m，相對高差1500～3000m。該區(qū)構造復雜，地層巖性復雜多變，由于環(huán)境惡劣，氣候極端，交通困難，地質研究程度偏低，基礎地質資料缺乏，采用常規(guī)的勘察手段實施難度極大，特別是線路地下工程仍然存在大量人員無法到達的區(qū)域，很難核實相關區(qū)域的地層界線、巖性特征。該區(qū)屬于高原溫帶半干旱季風型氣候，植被覆蓋較少，基巖裸露，這反而為地層巖性遙感解譯提供了便利。發(fā)揮現(xiàn)代遙感技術快速、高效、高分辨率、波段信息豐富、不受地形影響等優(yōu)點，開展高分辨率、多光譜、高光譜遙感巖性及地層界線識別技術研究，對鐵路選線、巖組和地層界線劃分、隧道圍巖工程分級、地質災害識別等具有重要作用(劉春玲等， 2010； 殷躍平等， 2011； 高山， 2014； 童立強等， 2018； 蔣鈺峰等， 2019)。

本文以川藏鐵路所經藏東南怒江峽谷擁巴地區(qū)的地層巖性解譯為例，在深入了解、綜合分析研究區(qū)已取得的地質調查研究成果的基礎上，探索應用高分辨率、多光譜和高光譜遙感數據，對該地形起伏區(qū)長大隧道的巖性進行遙感識別研究，進一步修正區(qū)域地質調查的成果，細化地層界線等，為隧道圍巖分類提供依據。

1 研究區(qū)地質概況

研究區(qū)位于岡底斯-喜馬拉雅構造地層大區(qū)，屬八宿—古拉地層區(qū)，臨近班公湖—怒江地層區(qū)的怒江縫合帶(圖1)。出露地層主要為上三疊統(tǒng)古竹同組(T3gz)，巖性以砂巖、板巖、灰?guī)r、硅質巖組合為主； 中侏羅統(tǒng)馬里組(J2m)，巖性主要為紫紅色礫巖、含礫砂巖； 上侏羅統(tǒng)拉貢塘組(J3l)，以灰色變質砂巖、粉砂巖及黑色板巖為主； 下白堊統(tǒng)多尼組(K1d)，巖性為灰色板巖及砂巖，局部夾煤層； 古近系宗白群(E2z)與下伏地層呈角度不整合，巖性以紫紅色礫巖、砂巖及泥巖為主。怒江縫合帶主要為一套構造混雜巖，出露的主要為惜機卡巖組(Pz2xj)，瞎絨曲巖組(Pz2x)和怒江巖組(Pz2n)，巖性以各類片巖及大理巖等變質巖為主(謝堯武等， 2007)。該區(qū)構造發(fā)育，斷層褶皺分布廣泛，新構造運動以斷裂活動為主，還多伴隨地震、地熱顯示。該區(qū)地震烈度為7度，區(qū)域內及附近共記錄到破壞性地震157次?？涤袼淼牢挥谠搮^(qū)，全長20.235km，最大埋深1314m，原區(qū)域地質資料顯示，隧址區(qū)經過的地層主要為馬里組(J2m)、拉貢塘組(J3l)、多尼組(K1d)和宗白群(E2z)，巖性以礫巖、砂巖、泥巖及少量灰?guī)r為主。

圖1 研究區(qū)大地構造位置(a)及原地質簡圖(b)

2 遙感數據源及數據處理

2.1 遙感數據源

本次工作選取了高分辨率、多光譜、高光譜3種類型的遙感數據，高分辨率數據選取GF-2號數據，多光譜選取了Landsat8、Aster數據，高光譜由于Hyperion數據在本區(qū)無覆蓋，本次選用GF-5數據，也是首次將GF-5號高光譜數據引入到川藏鐵路遙感地層巖性的識別研究中。

2.2 遙感數據處理

2.2.1 高分辨率數據處理

GF-2號數據具有米級空間分辨率，全色分辨率為1m、多光譜分辨率為4m(潘騰， 2015)。通過輻射定標、大氣校正、幾何精校正及影像融合處理，盡可能保留影像的紋理特征，為巖性目視綜合解譯提供影像紋理基礎。應用去相關處理將GF-2號原始數據進行變換，主要應用K-L變換和色度空間變換模塊(HIS變換)，將原始影像中的相關性減弱或消除。K-L變換將影像中的波譜信息變換為獨立的主成分，并對各主成分之間進行反差增強，并保留影像色調的增強效果，使原始影像的色調和飽和度提升。HIS變換將3個波段的合成圖像由紅、綠、藍坐標系統(tǒng)變換到亮度(I)、色度(H)、飽和度(S)空間，將紅、綠、藍三通道變換為I、H、S 3個互不相關的獨立物理量，在HIS空間中獨立地對飽和度進行增強，可以有效地改善圖像的飽和度，有利于地層界線及巖性的識別(圖2)。

圖2 研究區(qū)GF-2號真彩色影像圖

2.2.2 多光譜遙感數據處理

本次選用的多光譜數據有Landsat-8、Aster數據，通過圖像預處理后對波段組合進行對比分析。landsat8影像經過ICA(獨立主成分分析)處理后RGB賦值432的組合方式能較好地保留影像紋理信息，且色調豐富，分區(qū)較為明顯，對巖性解譯具有一定的輔助作用(張翠芬等， 2017a)。根據研究區(qū)巖性特征，我們通過Aster波段比值和礦物指數結合的方法，制作了研究區(qū)二價鐵指數假彩色合成圖、紅黏土指數假彩色合成圖、硅酸鹽指數假彩色合成圖(Ninomiya et al.，2005; Nahid et al.，2006; 高萬里， 2011； 張瑞絲等， 2016)。二價鐵指數假彩色合成圖即藍色代表黏土類礦物，在E2z宗白群的解譯上效果突出(圖3)。硅酸鹽指數假彩色合成圖高嶺土和白云母異常呈粉紅色，主要為K1d多尼組地層單元，巖性邊界較為清晰。Aster數據具有多波段的特點，可將數據中的光譜與波譜庫光譜進行對比，起到進行地物識別的目的(John et al.，2010; 胡官兵等， 2018)。本次選擇了研究區(qū)中部分區(qū)段進行SAM(光譜角匹配)處理，通過SAM分類的方法，可以較清晰地區(qū)分地層單元和巖性。

圖3 Aster二價鐵指數假彩色合成圖

2.2.3 高光譜遙感數據處理

GF-5號數據為2019年新啟用的衛(wèi)星數據，具有330個波段，在輻射定標之前需要通過國產衛(wèi)星插件讀取GF-5號數據的頭文件(孫允珠等， 2018)。由于目前該數據覆蓋范圍有限，研究區(qū)所獲取的GF-5號數據部分地區(qū)云層覆蓋，需要通過數據掩膜消除云層的影響。為了增強數據信息，達到數據降維的效果，本次研究對經過預處理的GF-5號數據使用了MNF(最小噪聲分離)、PCA(主成分分析)、ICA(獨立主成分分析)處理(李娜等， 2019)。MNF本質上是2次層疊的主成分變換，第1次變換(基于估計的噪聲協(xié)方差矩陣)用于分離和重新調節(jié)數據中的噪聲，這步操作使變換后的噪聲數據只有最小的方差且沒有波段間的相關。第2次是對噪聲白化數據的標準主成分變換。經過MNF變換后的高光譜圖像，較初始高光譜圖像包含更豐富的地物信息，對地層的界限劃分具重要的參考。經過MNF變換后的GF-5圖像色彩豐富，不同顏色區(qū)域和巖性分布及地物界限一致性較好，深紅色為植被覆蓋區(qū)； 紫紅色區(qū)域代表Fe3+的富集區(qū)，和宗白群(E2z)紅色砂巖、礫巖及泥巖分布區(qū)相一致； 嫩黃色區(qū)域和碳酸鹽巖分布區(qū)相一致； 還有淺黃色區(qū)域為SiO2富集，主要為酸性花崗巖分布區(qū)(圖4)。

圖4 GF-5數據MNF變換典型地物分布圖

3 遙感地層巖性解譯

3.1 碳酸鹽巖的解譯

本次經過高分辨率遙感影像及多光譜、高光譜遙感數據處理后，發(fā)現(xiàn)該區(qū)碳酸鹽巖分布范圍遠大于原有區(qū)域地質資料所反映的，在康玉隧道通過區(qū)碳酸鹽地層廣泛存在。在該區(qū)1︰25萬地質圖上，該區(qū)碳酸鹽巖未獨立劃分地層(謝堯武等， 2007)，本次在高分辨率遙感圖上識別出明顯的白色影像塊(圖5a)，在排除冰川的前提下，確認其為碳酸鹽巖物理風化產物，整體呈現(xiàn)白色粉狀(圖5c)，且分布廣，覆蓋面大。在Landsat8 ICA解譯圖上(圖5b)，其和周圍地層也有明顯區(qū)別。通過遙感解譯與野外實地勘察，在該設計隧道通過地段新識別出兩條近平行的北北西向展布的灰?guī)r，通過與區(qū)域巖性對比分析，將其歸為中侏羅統(tǒng)?？ɡ瓊蚪M(J2s)，該地層為一套碳酸鹽臺地前緣斜坡相沉積，化石稀少，含碳酸鹽巖滑塌塊體，巖性穩(wěn)定，主要為微晶砂屑灰?guī)r夾硅質白云巖。該地層遙感影像特征呈不均勻的灰白色調，條帶狀粗糙斷續(xù)紋理，紋理延續(xù)性好，與其他地質體邊界較清楚。高山、棱角狀山脊、V 形谷，影紋呈條帶狀、紋點狀、樹枝狀、羽狀水系，巖溶地形不發(fā)育，特別是物理風化的碎屑坡積物，遙感影像上呈灰白色粉狀，是該區(qū)灰?guī)r遙感識別的典型特征。

圖5 ?？ɡ瓝斫M(J2s)灰?guī)r遙感特征圖

該區(qū)中侏羅統(tǒng)?？ɡ瓊蚪M(J2s)在部分地區(qū)出現(xiàn)溶蝕鈣華現(xiàn)象，遙感解譯特征明顯。鈣華總體遙感特征和灰?guī)r類似，可覆蓋在其他地層之上，Aster波段組合合成圖上以亮紅色為特征(圖6a)，在GF-5號MNF變換圖像上和周圍地層界線明晰(圖6b)，巖性解譯特征明顯?？傮w看來，高寒山區(qū)的碳酸鹽巖地貌，通常以物理風化為主，其遙感影像以發(fā)育大范圍白色碎屑風化物為識別特征，多光譜、高光譜波段組合是識別碳酸鹽巖的有效方法。

圖6 ?？ɡ瓝斫M(J2s)鈣華遙感特征圖

3.2 紅層碎屑巖的解譯

紅層是一種紅色的陸相碎屑巖系(彭華等， 2003)。研究區(qū)中侏羅統(tǒng)馬里組(J2m)巖性主要為紫紅色礫巖、含礫砂巖，古近系宗白群(E2z)巖性以紫紅色礫巖、砂巖及泥巖為主，兩套地層都呈紅色色調的碎屑巖，可劃歸紅層的范疇，區(qū)別在于宗白群的紅色程度遠遠大于馬里組。在高分辨率遙感影像圖上，宗白群(E2z)呈明顯的紅色色調(圖7a)，丘狀山地、V 形谷，樹枝狀、平行狀水系，影紋呈斑塊狀、紋狀、粗糙，宗白群紫紅色風化色與多尼組灰黑色風化色界線明顯。由于該套地層富含F(xiàn)e3+離子及黏土礦物(孫婭琴等， 2016; 張瑞絲等， 2016)，在多光譜、高光譜波段比值和礦物指數處理后影像特征明顯(圖3，圖7b)，其分布范圍和GF-5號MNF變換處理后Fe3+富集區(qū)相一致，在Aster光譜角分類圖也可較清晰的識別出其范圍界線，遙感影像特征最為明顯。結合區(qū)域地質資料，川藏地區(qū)第三系紅色湖相沉積巖分布廣泛，同老的地層以不整合方式接觸，在遙感圖上以紅色調較易識別，且三價鐵含量高的特征，可以在特征波譜組合上得到好的體現(xiàn)，野外識別特征明顯。

圖7 宗白群(E2z)紅層碎屑巖遙感特征圖

3.3 高光譜數據監(jiān)督分類

GF-5數據具有大量的光譜信息，在巖性監(jiān)督分類上有更高的分類精度(李東， 2019； 李娜等， 2021)，基于GF-5數據的特點，本次研究選擇SAM光譜角分類的方法進行巖性分類，由于獲取的影像光譜中存在部分干擾波段，本次選擇前180個波段參與監(jiān)督分類。GF-5號數據采用支持向量機的分類方法，支持向量機法(SVM)是一種建立在統(tǒng)計學理論基礎上的監(jiān)督分類方法，SVM通過尋找對分類有較大區(qū)分能力的支持向量，由此構造分類器，將類與類之間的間隔最大化，針對高光譜數據有較好的分類能力(戈文艷， 2018)。本次共選取11類訓練樣本，結果顯示樣本分離性良好，均超過標準值1.9，其分布界線和野外驗證一致度較高(圖8)。需要注意的，由于本次GF-5數據云層覆蓋較多，影響了部分區(qū)域的地層巖性分類，但此方法在巖性遙感識別上顯示出較好的潛力。

圖8 GF-5號監(jiān)督分類圖

3.4 修正后地質圖

本次經高分辨率、多光譜、高光譜遙感解譯，對該區(qū)的原有地質圖(圖1)進行了一定程度的修訂(圖9)，共計修訂原地層界線10余處，野外驗證點230余點，現(xiàn)場復核的準確率整體達95%以上。解體劃分出一套以灰?guī)r為主的地層中侏羅統(tǒng)桑卡拉傭組(J2s)，在原馬里組(J2m)內劃分出一套宗白群(E2z)。解體劃分出的桑卡拉傭組(J2s)為兩條近平行的北北西向展布的灰?guī)r地層，成果得到了航空物探及現(xiàn)場復核成果的驗證。該套灰?guī)r地層由于巖溶發(fā)育，在隧址區(qū)分布廣泛，對隧道工程影響較大。同時限定了各地層的界線，特別是宗白群(E2z)的分布范圍。經修正的地質圖顯示，該隧道經過的地層主要為上三疊統(tǒng)古竹同組(T3gz)、中侏羅統(tǒng)馬里組(J2m)、中侏羅統(tǒng)?？ɡ瓊蚪M(J2s)，上侏羅統(tǒng)拉貢塘組(J3l)，下白堊統(tǒng)多尼組(K1d)，古近系宗白群(E2z)。

圖9 研究區(qū)修正地質圖

4 結 論

(1)高寒、干旱山區(qū)的灰?guī)r地貌，以物理風化為主，其遙感識別以發(fā)育大范圍白色碎屑風化物為特征，多光譜波段組合對碳酸鹽的識別效果明顯； 川藏地區(qū)第三系紅色湖相沉積巖分布廣泛、特征明顯，同老的地層以不整合方式接觸，在遙感圖上以紅色調較易識別，且三價鐵含量高的特征，可以在特征波譜組合上得到好的體現(xiàn)。研究區(qū)新識別出一套北北西向展布的碳酸鹽巖，該地層主體以灰?guī)r為主，根據區(qū)域巖性特征，將其歸為?？ɡ瓊蚪M(J2s)，同時對原有地質界線進行了較大幅度的調整和修訂。有力支撐了交通廊道地質調查工作，為隧道圍巖分類等提供重要依據。

(2)在高原復雜艱險山區(qū)應用Landsat-8、Aster、GF-2、GF-5等高分辨率、多光譜、高光譜遙感數據，結合野外現(xiàn)場光譜測試，提出了融合多時序遙感數據堆疊、波譜角度匹配(SAM)、最小噪聲分離變換(MNF)、典型波段組合等有效提取巖性信息的多光譜遙感數據綜合處理方案，首次應用GF-5高光譜遙感數據豐富的波段信息，進行遙感信息的有效增強及提取，在詳細野外驗證的基礎上，修訂多光譜及高分辨率遙感圖像解譯成果。形成了適合高原地貌起伏區(qū)通過多遙感資料對比，快速識別及有效獲取巖性、地層界線的技術方案。

(3)形成了一套適合高寒無人地質調查資料缺乏區(qū)的巖性地層界線綜合解譯方法。針對高原復雜艱險山區(qū)的遙感巖性解譯，提出在基巖裸露區(qū)，利用多年遙感數據堆疊增強地物信息，重視多光譜、高光譜的波段合成及綜合配對，結合典型地物波譜參數，挖掘反映典型礦物巖石的波段組合類型； 根據經野外驗證的遙感解譯成果，依據地質原理，從遙感形貌、波段組合等方面，推測人類難以到達未知區(qū)巖性地層類型，實現(xiàn)了對人力難以企及區(qū)的巖性及地層界線信息的有效提取。