遥感岩性识别研究进展与展望

刘超群1 马祖陆1 莫源富1，2

（1 中国地质科学院岩溶地质研究所 桂林 541004
2 中南大学 长沙 410083）

【摘　要】　遥感岩性识别是一种先进、快速的岩性填图方法。本文介绍了岩石光谱学机理及其研究进展，对碳酸盐类岩石的光谱特征进行了深入讨论，对岩性遥感信息提取方法进行了综述，分析了利用遥感岩性识别方法开展岩性填图工作的现状与发展趋势，提出在南方高植被覆盖区进行岩性识别研究的重要性，以及在该地区进行遥感岩性识别研究的方向。
【关键词】　岩性识别 谱特征 纹理 多光谱 高光谱

PROGRESS AND PROSPECT ON STUDR OF LITHOLOGIC IDENTIFICATION
BY REMOTE SENSING
LIU Chao-qun1，MA Zu-lu1，MO Yuan-fu1，2

（1．Institute of Karst Geology，CAGS，Guilin 541004，China；2．Central South University，CSU，Changsha 410083，China）
【Abstract】　Lithologic identification by remote sensing is an advanced method for lithologic mapping.In this paper，the author introduces the research level of rock spectroscopy mechanism by now，discusses spectral features of carbonate rocks，summarizes results on study of distilling lithologic information from multispectral and hyperspectral remote sensing data，and analyses the progress trend of applying remote sensing lithologic identification method to lithologic mapping in the future.The author also points out that it is very important to seek for an effective lithologic identification method in the southern regions where surface is covered by deep soil and flourish vegetation，and advises the remote sensing lithologic identification study in these regions.
【Keywords】　Lithologic identification；Spectral feature； Texture；Multispectral；Hyperspectral

　　0 前言
　　遥感图像真实地记录了岩石光（波）谱辐射特征及其形态特征。不同地区由于区域地质背景条件的不同，以及岩石风化程度和覆盖程度的差异，使得岩石的光谱特征和形态特征有较大的变化，所以识别岩石（地层）类型，确定其形态和分布范围，是遥感地质填图中一个重要而又难度较大的领域。遥感岩性填图就是在对岩性填图地层单元的岩性组合的遥感信息进行测试、分析的基础上，进行地层判读，通过圈定具有某些固定判读标志的岩性界线来圈定岩石地层界线的方法。
　　传统的岩性判读方法是通过对光学成像式合成图像（航片、卫片）进行判读来完成的。自从1972年美国成功地发射第一颗陆地资源卫星（Landsat-1）至20世纪90年代以来，传感器技术的飞速发展，推动了遥感影像向更高的光谱分辨率、空间分辨率和时间分辨率的方向发展。如1999年4月美国发射的Landsat-7搭载的增强型专题绘图仪ETM+，在原来7个波段的基础上，增加了15米全色波段；随后于1999年12月18日，成功地发射了Terra卫星，上面搭载了先进星载热发射与反射辐射仪（Advanced Spaceborne Thermal Emission and Reflection Radiometer，简称ASTER），ASTER传感器涵盖了从可见光到热红外的14个波段，并且具有同一轨道的立体观测能力；2001年法国发射的SPOT5号卫星上搭载了1个2.5米分辨率的全色波段，3个10米分辨率和1个20米分辨率的多光谱波段，并几乎能在同一时刻以同一辐射条件获取立体像对。机载和星载成像光谱仪如AVIRIS、PHI、Hyperion等，一般拥有几十到几百个波段，光谱分辨率在几纳米到20纳米之间，空间分辨率在几米到50米之间。侧视雷达卫星具有全天候和穿越部分植被覆盖的能力等等。所有这些为遥感岩性识别奠定了数据基础。
　　岩石的光谱特征是运用遥感方法识别岩性的基础，遥感技术的飞速发展推动了对岩石学机理和对岩石光谱特征的研究，后者又促使遥感岩性识别技术得到深入的发展。最近十几年，国内外学者开展了大量遥感岩性识别试验，并开发出一系列遥感岩性和矿物信息识别与提取技术方法，促进了遥感岩性识别的定量化、精细化和智能化发展。
　　1 岩石光谱学机理与光谱特征研究
　　1.1 岩石光谱学机理
　　岩性光谱是岩石、矿物对特定波长范围的电磁波的反射、吸收和辐射的综合反映。Hunt&Salisbury研究指出，在可见－近红外光谱区（0.4～1.3um），岩石吸收光谱的产生机理，主要是内部金属阳离子的电子跃迁或振动过程[1]；在短波红外光谱区（1.3～2.5um），吸收光谱由羟基、水分子和碳酸根等基团的分子振动引起[2]。其中电子跃迁包括晶体场效应和电荷迁移，是产生吸收光谱最主要的原因，物质内部微粒的分裂以及离子的不同会产生明显不同的吸收。电荷迁移也能产生吸收光谱，通常电荷迁移产生矿物的诊断性吸收光谱。在分子和晶体晶格中，倍频和合频的影响使岩石的光谱更加复杂[3]。
　　王润生等（1999）研究认为，视场几何关系仅影响岩石反射率大小，光谱的整体形态和吸收特征基本保持不变；岩石表面形态只会对谱带强度产生影响，谱带位置、偏倚度基本保持不变；风化作用的影响较复杂，由于风化作用过程中原岩成分发生改变，导致谱带位置发生改变，但阴离子基团所对应的光谱特征较为稳定；混合光谱的整体反射率一般介于参与混合的单矿物光谱反射率之间，强度与矿物的含量基本成线性关系[4]。
　　因此，岩石的光谱特征取决于组成成分、内部结构和光照条件等因素，其中岩石组成成分是主导因素；外部环境和表面特征等因素只会导致岩石反射率高低的变化，而谱带位置、宽度、吸收深度和形态等特征一般较稳定[5]。
　　1.2 岩石光谱特征研究
　　对特定岩石矿物的光谱测试与特征分析始于20世纪60年代末与70年代初。为配合美国Landsat系列卫星资料的应用，以Hunt和Salisbury为代表的美国科学家对地球上各大岩类的岩石矿物成分、电子特征与光谱特征进行了详尽的研究；80年代中后期，随着多光谱到高光谱技术的开发，Clark等更深入地研究了岩石矿物的光谱特征与处理技术，并开发出相应的岩矿信息识别提取软件，促进了岩性定量研究[6-8]。1993年，美国地质调查局（USGS）公布了在实验室测试的100多种矿物的反射光谱数据库资料[9]。我国自1978年以来曾开展过多次遥感试验研究工作，其中1978～1980年的腾冲航空遥感试验对600多组地物光谱特征进行了测试，1982年5月在宁芜遥感试验场进行了多次地物光谱辐射特性测量[10]。
　　对某些特定岩石或岩性地层的光谱研究也相继展开。如研究得出碳酸盐岩的光谱曲线在2.33um和11.3um附近存在由CO32-基团引起的标型谱带特征，白云岩在2.30～2.35um吸收谱带的中心波长位置（2.30um）相对于灰岩的中心波长位置（2.33um）有向短波长方向移动的特点，白云岩的发射光谱在11.3um附近存在低发射谱带，灰岩和泥灰岩在11.3um存在由CO32-基团引起的谱带特征[11]。相对碳酸盐岩，碎屑岩的反射率较低，谱带特征少，无明显规律；碎屑岩的发射光谱曲线有典型的谱带特征，砂岩和粉砂岩在8.1um和9.2um存在由Si-O基团伸缩振动引起的二重低发射谱带。粘土质岩石（泥岩和页岩）在8.0～10.0um存在由Si-O基团引起的谱带特征，谱带的中心波长位置相对砂岩、粉砂岩有向长波长方向移动的特点，在11.3um有CO32-引起的谱带特征[12]。
　　2 遥感岩性信息提取方法
　　2.1 多光谱遥感岩性信息提取方法
　　多光谱数据单波段所包含的光谱区间大，光谱分辨率低，不能够充分表现地物的光谱特征。多光谱遥感岩性识别主要基于图像的空间灰度特征，采用变换方法增强图像的色调、颜色和纹理的差异，以及提取纹理信息，或利用多源数据融合的方法，达到识别岩性的目的。
　　2.1.1 利用增强变换处理提取岩性信息
　　采用增强处理方法提取色调信息，可以扩大不同岩性的灰度差别，突出目标信息和改善图像效果，提高解译标志的判别能力。常用的遥感图像增强方法有反差扩展、去相关拉伸、彩色融合、运算增强、变换增强等。
　　Nahid等利用ASTER731（RGB）波段组合和波段比值图像（RGB4/5-3/1-3/4）能较好的识别不同的岩性单元和结构[13]。丑晓伟等认为经波段比值增强处理的TM3/1（Y）、2/3（M）、7/5（C）比值彩色合成图像，及经去相关扩展增强处理的TIMS234（RGB）彩色合成图像，对不同沉积岩石有较好的识别效果[14]。
　　近年来发展了一系列信息提取技术，有混合光谱分解、MNF变换、NAPC（Noise-adjust Principal Components Transform）[15]、基于主成分的对应分析、光谱角度填图（SAM）、匹配滤波、相关波段吸收深度分析（RBD）等。同时还开发了监督分类法、非监督分类法和决策树分类法等基于模式识别遥感信息提取方法，并且引入了神经网络方法、小波变换和专家知识系统等人工智能及数据挖掘领域的最新成果。
　　金浩、童庆禧等对TIMS数据进行主成分分析，不同岩性由于辐射特性不同，区别地表现在不同的主成分向量上，再将PC134分别与原始图像的237波段叠加并做去相关处理，增强了岩性细微发射率的差异 [16]。Mars运用相关波段吸收深度分析（RBD）技术，根据2.20um和2.33um的强吸收特征光谱识别粘土矿物、碳酸盐矿物和Mg-OH矿物[17]。Lawrence利用ASTER数据的可见光－近红外和短波红外波段，经过匹配滤波处理能够识别灰岩和白云岩；通过热红外波段，可以较容易的识别石英类岩石和碳酸盐岩[18]。
　　2.1.2 利用纹理信息提取岩性信息
　　每个岩性单元的灰度值具有各自不同的空间变化特征是运用纹理进行岩性分类的基础。常用的纹理信息提取方法有灰度共生矩阵法、小波变换和傅立叶变换等。通常将纹理图像作为新的波段参与岩性分类，许多学者的研究表明纹理信息参与分类对岩性识别和分类精度的提高具有显著作用。
　　黄颖端等运用经典变差函数计算TM6个波段的纹理信息，与多光谱波段一起进行分类，分类精度从仅采用多光谱波段时的40.16%提高到72.66%[19]。李培军利用ASTER数据进行岩性分类，仅用原始图像分类获得最高分类精度72.21%，用变差函数提取可见光－近红外波段的纹理与原始图像一起进行分类，精度可达76.55%[20]。赵建华等基于分形纹理进行岩性分类，取得了较好的效果[21]。江平等建立了一套用fBm（分数布朗运动）模型分析纹理的方法，能识别碳酸盐岩、碎屑粘土岩及二者互层 [22]。
　　2.1.3 利用多源数据融合提取岩性信息
　　多源数据融合是遥感信息提取的一种重要方法，包括不同类型、精度及时相遥感数据之间的融合，以及遥感数据与非遥感数据（如DEM数据、坡度图像、地球化学数据、地球物探数据等）的融合，融合后的数据包含了多种数据的信息，有利于显示不同岩性的差异。
　　Lawrence等人利用标准化彩色技术（CNT）将ASTER数据和RADARSAT数据融合，融合后的图像同时包含了ASTER数据的光谱信息和RADARSAT数据的地形形态特征，增强了岩性填图能力；并将ASTER数据与DEM数据生成三维遥感图像，能有效的识别Nile峡谷的岩性单元。马超飞等利用多源数据提取高植被覆盖地区的岩性信息，先找出不同植被微量元素与光谱响应之间的关系，然后综合利用多种非遥感数据，建立成份、光谱与波段的关联进行合适的TM波段选择，最后应用遥感数据弱信息提取方法进行岩性划分，取得了较好的效果 [23]。张万良利用遥感与航空放射性信息集成进行岩性识别研究，综合利用了遥感图像中的光谱信息和空间纹理信息，以及放射性信息具有的岩性识别能谱标志 [24]。由此可见，多源数据融合法拓宽了遥感应用领域，提高了遥感应用能力，具有广阔的前景。
　　2.2 高光谱遥感岩性信息提取方法
　　成像光谱仪在对目标地物空间特征成像的同时，对每个空间像元形成几十至几百个连续光谱覆盖的窄波段[25]。在获得空间图像的同时获得了地物的连续光谱曲线及诊断性特征光谱，从而能够利用光谱信息直接识别地物，并能获取定量信息。高光谱对岩性的识别依赖于岩石的光谱特征，可以依据实测光谱、光谱库光谱或图像纯像元的光谱对岩石类型进行识别并提取定量信息。高光谱数据具有很高的光谱分辨率，包含丰富的纹理信息，目前发展了小波变换和傅立叶变换等方法提取纹理信息，进行岩性识别。高光谱遥感岩性识别可分为基于单个诊断性吸收特征、基于完全谱形特征以及基于光谱知识模型三种类型（甘甫平等，2004）。
　　2.2.1 基于单个诊断性光谱特征的信息提取方法
　　根据端元的单个诊断性吸收光谱特征（包括吸收的位置、深度、宽度、面积、对称性等），从高光谱数据中提取并增强这些信息，直接用于岩性识别[26]。如HIS编码与吸收波段图将波段吸收中心位置图像、深度图像和半极值宽度图像分别赋予明度（H）、强度（I）和饱和度（S），然后变换到RGB空间，根据色调差异进行岩性矿物识别[27]。
　　2.2.2 基于完全谱形特征的信息提取方法
　　基于完全谱形的识别技术是利用整条光谱曲线，在参考光谱和像元光谱二维空间中，评价二者的相似程度。光谱匹配（SM）计算图像像元光谱与参考光谱的差异大小来识别岩性；相似指数（SI）根据已知像元平均光谱与未知像元光谱的波段差值平方和的均值大小识别岩性；光谱角度填图（SAM）根据像元光谱与参考光谱之间的矢量夹角大小来识别岩性[28]。由于光谱角度填图没有考虑非选择性吸收的相对强弱，因此难以区分谱形相似而亮度相差较大的岩类，为了改善这一不足，可以利用两幅均值图像与光谱角度图像进行彩色合成，合成图像既反映了岩性光谱的谱形信息，也包含了岩性的反射率信息[29]。Lawrence等利用HyMap高光谱数据，运用匹配滤波处理方法识别超基性岩性及邻近岩性，取得较好的效果，并研究认为在风化地形区域进行岩性单元填图时，对可见光－近红外和短波红外波段的光谱形状和反射率进行分析与分析特征光谱同样重要[30]。
　　利用整条光谱曲线进行岩性匹配识别，可以改善单个光谱特征的不确定性影响；其不足在于岩性光谱受各种因素的影响会产生变异，以及对光谱差异不大的岩性识别效果不理想。
　　2.2.3 基于光谱知识模型的信息提取方法
　　基于光谱模型的岩性信息提取方法能够在识别岩性的同时量化岩石的成分、含量和其它物理特征，是高光谱遥感岩性信息提取的发展方向，这类方法依赖于光谱学和数理方法，在实际应用中难以确定特征参数和描述光谱模型，目前尚未成熟。但随着相关学科的发展，基于光谱模型的高光谱岩性信息提取方法的识别精度和量化能力会得到进一步提高。
　　3 遥感岩性识别研究展望
　　岩石和矿物的光谱学研究是遥感岩性识别研究的基础，因此，今后要继续深入研究岩石矿物的光谱学机理，不仅要测量单个矿物的光谱并分析其诊断性特征，建立和完善矿物的光谱库，更重要的是测量和研究多种矿物、岩石组成的岩性地层单位的成分与光谱的相关性特征、规律及其诊断性特征。从岩性地质填图的角度看，以基本岩性地层单位为研究对象进行岩矿成分与光谱相关性测试与分析是今后遥感地质应用研究的发展趋势和重要研究方向。
　　目前国内外的遥感岩性识别研究集中在植被稀少、人为影响较弱、岩石裸露率高的地区，而很少在土壤植被较发育、岩石露头少的地区开展岩性识别研究，如国内的遥感岩性识别研究多在北方地区进行。目前南方地区尚无成熟的遥感岩性识别方法。因此，如何在地形复杂、表层土壤厚、植被较发育、岩石裸露率低的南方地区运用遥感方法进行岩性识别是今后研究的重点。我国广大的南方地区气候温暖湿润，岩石上部覆盖着较厚的土壤和茂密的植被，在影像上表现的通常是土壤和植被的信息，岩性信息很弱。遥感岩性识别的关键是寻找消除表层土壤和植被的影响直接提取岩性信息的方法；或者通过研究土壤、植被与岩性的关联达到识别岩性的目的。
　　南方地区遥感岩性识别研究的发展趋势有以下三个方面：一是开展不同岩性地层单位的岩石地球化学特征与其上土壤化学特征和植被生物化学特征之间的相关分析，寻找其对应的遥感光谱信息变化规律；二是加强遥感信息与非遥感信息的综合分析，如将遥感信息与地球物理数据、地球化学数据进行融合可以提高岩性判读的精度；放射性元素能谱测量数据不受土壤、植被的影响，可以较好地识别不同岩性信息等等；三是探索对新的高空间分辨率、高光谱分辨率的其它遥感信息的岩性识别方法。如微波遥感、激光雷达遥感数据能部分穿越树林遮挡，直接获取真实地表的高精度三维能量分布信息。高光谱遥感具有极高的光谱分辨率、信息量大，能很好地区分南方碳酸盐岩类岩石中成分差异不大的岩性地层单元，虽然航空高光谱信息获取的成本高，但近年来高空间分辨率的星载高光谱数据平台开始得到发展，如美国EO-1卫星的高光谱成像仪（Hyperion）能够获取空间分辨率为30米，多达220个波段的数据。对星载高光谱数据开展应用方法研究应是今后研究的方向之一。
　　不同岩性由于组成成分及内部结构的不同，在物理性质和化学性质上存在差异，从而形成了各种各样的地形地貌，不同岩性的地层在坡度、高度以及起伏等方面存在着差异，因此数字高程信息会对遥感岩性识别有所帮助。可以通过将研究区域的数字高程信息和遥感影像结合建立三维遥感信息模型，利用遥感三维可视技术，将岩性地层的空间分布、光谱变化与地形地貌综合形成可视化遥感地面实况模型，提高岩性的判读精度。
　　4 结语
　　与常规的岩性填图方法相比，遥感岩性识别具有周期短、投入人力物力少的特点，具有极大的推广应用价值。本文论述了遥感岩性识别的基本原理，总结了目前常用的遥感岩性识别方法，引用了众多学者的研究成果，并对遥感岩性识别的发展方向提出了一些见解。
　　国内学者在植被稀少、岩石裸露率高的西北干旱地区开展了大量遥感岩性识别方面的研究，并在该地区探索出了较成熟的多光谱和高光谱岩性信息提取方法。由于我国南方地区气候温暖湿润，土壤和植被发育，岩石露头少，给遥感岩性识别带来了很大的困难，目前在南方地区开展的遥感岩性识别研究较少，尚无成熟的方法可循。因此，在南方高植被覆盖地区开展遥感岩性识别研究，寻找有效的识别方法，是今后研究的重点之一。

作者简介：刘超群（1980-），男，湖南邵阳人，硕士研究生，主要从事遥感信息提取与GIS方面的工作。
　　　　　E-mail：lcqun_2000@163.com　　联系电话：13481371612

参 考 文 献
[1] Hunt G R.Spectroscopic Properties of Rocks and Minerals in Handbook of Physical Properties of Rocks.Volume Ⅰ，（R.S.Carmichael，ed）CRC press， Boca Raton.1982
[2] 丁喧等.光谱遥感找矿理论、技术与应用.地球化学.1992，1：1-8
[3] 甘甫平、王润生.遥感岩矿信息提取基础与技术方法研究.北京：地质出版社.2004
[4] 王润生等.成像光谱方法技术开发应用研究.国土资源部“九五”重点科研项目报告.航空物探遥感中心.1999
[5] 丑晓伟、傅碧宏.干旱区TM图像岩石地层信息提取与分析方法研究.沉积学报.1995，13（supp）：164-170
[6] Clark N R.Spectroscopy of Rocks and Minerals，and Principles of Spectroscopy.http：//speclab.Cr.usgs.gov （last revised June 25，1999）
[7] Clark R N，Roush T L.Reflectance Spectroscopy：Quantitative Analysis Techniques for Remote Sensing Applications.Journal of Geophysical Research.1984，89（B7）：6329-6340
[8] Roger N.Clark，Gregg A.Swayze，K.Ericlivo，Etc.Imaging Spectroscopy：Earth and Planetary Remote Sensing with USGS Tetracorder and Expert Systems，Journal of Geophysical Research.2003，108（E12）：5131
[9] Roger N.Clark，Gregg A.Swayze，etc.The U.S.Geological Survey，Digital Spectral Library.version1（0.2～3.0um），U.S.Geological Survey Open File Report 93.1993，592-1340
[10] 国家科委国家遥感中心.中国遥感大事记（1981～1996）.兰州大学出版社.1996
[11] 傅碧宏.遥感岩石学的研究及其进展.地球科学进展.1996，11（3）：252-258
[12] 丑晓伟、傅碧宏等.干旱区热红外多光谱遥感岩石地层信息提取与分析方法研究.科学通报.1994，39（18）：1693-1695
[13] Nahid DS Gani，Mohamed G.Abdelsalam.Remote Sensing Analysis of the Gorge of the Nile，Ethiopia with Emphasis on Dejen–Gohatsion Region.Journal of African Earth Sciences.2006，44（2）：135-150
[14] 丑晓伟、傅碧宏等.沉积岩石信息的热红外多光谱遥感探测及有效性评价.遥感技术与应用.1996，11（1）：7-13
[15] Green A A，Berman M，Switzer B，etc.A Transformation for Ordering Multispectral Data in Terms of Image Quality with Implications for Noise Removal[J].IEEE Transaction on Geoscience and Remote Sensing.1988，26（1）：65-74
[16] 金浩、童庆禧等.成像光谱和热红外多光谱技术地质制图研究.环境遥感.1994，（2）：138-144
[17] Mars，J.C.Geologic Mapping of the Sierra San Jose Mountain Range，Mexico Using Advanced Spaceborne Thermal Emission and Reflection Radiometer（ASTER）Data：A Remote Sensing Tool to Assist Geologic Mapping in the field.Remotely Sensed Data for Geologic and Environmental Studies.Session No.242
[18] Lawrence C.Rowan，John C，Mars.Lithologic Mapping in the Mountain Pass，California Area Using Advanced Spaceborne Thermal Emission and Reflection Radiometer（ASTER）Data.Remote Sensing of Environment.2003，84（3）：350-366
[19] 黄颖端、李培军等.基于地统计学的图像纹理在岩性分类中的应用.国土资源遥感.2003，3：45-49
[20] 李培军.用ASTER图像和地统计学纹理进行岩性分类.矿物岩石.2004，24（3）：116-120
[21] 赵建华、杨树锋等.基于分形纹理的遥感图像岩性识别方法.遥感信息理论研究.2004，2：2-4
[22] 江平、石世民.fBm纹理分类模型及其在岩性识别中的应用.环境遥感.1995，10（1）：38-44
[23] 马超飞、马建文等.应用多源数据提取高植被覆盖地区岩性信息－以湖南黔阳地区为例.地质科学.2002，37（3）：365-371
[24] 张万良.遥感岩性识别的发展趋势－遥感与航空放射性信息集成.矿物岩石地球化学通报.2005，24（1）：88-91
[25] 赵英时等.遥感应用分析原理与方法.科学出版社.2003
[26] Clark R N，King T V V，Gorelick N S.Automatic Continuum Analysis of Reflectance Spectra[A].In Proceedings of the Third Airborne Imaging Spectrometer Data Analysis Workshop[C].JPL Publication.1987：87-142
[27] 王青华、王润生等.高光谱遥感技术在岩石识别中的应用.国土资源遥感.2000，4：39-43
[28] Kruse F A，Lefkoff A B，Boardman J W，etc.The Spectral Image Processing System（SIPS）-Interactive Visualization and Analysis of Imaging Spectrometer Data[J].Remote Sensing of Environment.1993，44：145-163
[29] 王志刚、朱振海等.光谱角度填图方法及其在岩性识别中的应用.遥感学报.1999，3（1）：60-65
[30] Lawrence C.Rowan，Colin J.Simpson，John C.Mars.Hyperspectral Analysis of the Ultramafic Complex and Adjacent Lithologies at MordNT.Australia.Remote Sensing of Environment.2004，91（3-4）：419-431
[31] Sabol D E，John J R， etc.Quantitative Subpixel Spectral Detection of Targets in Multispectral Images[J].Journal of Geophysical Research.1992，97（E2）：2659-2672