如果遥感技术提取种植没有去实地采集点有别的办法吗

通过遥感技术获取农作物种植种类的方法

利用波谱分析方法对东北三省作物类型的空间分布进行研究。
农作物种植面积监测:不同的作物在遥感影像上呈现不同的颜色、纹理、形状,利用信息提取的方法,准确获取农作物种植面积、种植区域分布。
农作物长势监测:通过遥感获取农作物的苗情、生长状况及其变化的影像,利用归一化植被指数NDVI曲线反演计算农作物的叶面积指数,从而进行长势监测分析。

遥感信息提取方法

一、ASTER遥感信息提取方法

(一)图像预处理

本次研究所采用的ASTER数据产品等级是1B和3A01,数据已进行了传感器相关系数辐射校正。在进行几何精校正过程中,校正控制点主要源于研究区于20世纪70年代完成的1∶100000地形图,地形图的精度不高,因此控制点的总平均误差控制在2个像元内。

依据《ASTER矿物指数处理手册》的数据处理程序进行暗像元纠正,以消除大气散射对图像的影响。依据直方图找出各波段最小值的像元,像元的每个波段最小值代表或近似于大气辐射的影响,减去最小值的像元即可。ASTER图像经过暗像元处理后相当于进行了一次背景值滤波,使短波红外区间的特征更加明显,有利于提取矿物指数,从而提取岩矿信息。

由于研究区下垫面影响因子复杂,必须要消除云、雪和植被等下垫面复杂因素对基岩信息的干扰,掩膜图像处理技术可以有效地扣除这些干扰信息。具体处理过程为:首先,在植被、云及雪覆盖的原始图像上提取植被NDVI指数,制作NDVI指数图像,然后做植被0-1掩膜,再进行云和雪0-1掩膜,最后将植被掩膜与云、雪掩膜图像叠加,在此基础上进行有用信息的进一步处理,制作掩膜图像。掩膜图像的效用有两个方面,一是压缩图像处理样本的统计空间,使有用的信息相对得到增强,二是排除干扰信息可能引起的假异常。

(二)岩石与矿物信息提取方法

可见光-近红外波段区域对赤铁矿、针铁矿和黄钾铁矾等铁氧化物敏感,而短波红外波段可以探测粘土和层状硅酸岩矿物的特征吸收,实现更为详细的矿物岩石识别。在热红外谱域,8~14μm是最佳大气窗口,由于硅酸盐岩在热红外区间随着SiO2含量的减少,岩石宽缓的吸收带向长波段方向系统位移,从而能够探测SinOk、SO4、CO3、PO4等原子基团基频振动及其微小变化,很容易识别硅酸盐、硫酸盐、碳酸盐、氧化物、氢氧化物等矿物,使困扰遥感地质的岩石识别成为可能,大大拓宽了遥感岩矿识别的广度与深度,从而弥补连续波段高光谱在热红外谱域的不足,使ASTER遥感技术成为岩矿识别的重要补充手段。

本次试验采用的主要信息提取方法包括基于掩膜图像的主成分分析、矿物指数和光谱角度填图方法等。

对于所有ASTER数据,常规图像均采用通道7、3、1(红、绿、蓝)假彩色合成,这种合成方案尽管植被的信息比较突出,但有利于后续使用者对照其他信息的图件判别地质体的色调异常与来源于植被的干扰异常。在该类图像中通常的规律是蓝色调大多为碳酸盐,紫色调的地质体二价铁含量相对较高。主成分图像通常采用4~9波段的主成分分析,依照试验结果,选用不同的主成分,其中3、4、5等弱信息的主成分使用较多。

1.主成分分析

主成分分析是遥感地质最有效和最常用的图像信息提取方法之一,它是将原始的遥感数据集变换成非常小且易于解译的不相关变量,这些变量含有原始数据中大部分信息,通过正交变换去除多波段图像中的相关信息,使新的组分图像之间互不相关,各自包含不同的地物信息,这是一种重要的图像增强方法。

在本次研究中,应用预处理后的掩膜图像进行主成分分析,通过将原始图像进行主成分变换,得到SWIR系统4到9波段的5个主成分的影像,将其中的PC3、PC4、PC5主成分分别置于绿、红、蓝影像层,生成主成分合成影像,并将该影像与高空间分辨率的VNIR段影像进行融合,生成新的主成分彩色合成影像。与传统的彩红外合成影像相比,主成分合成影像色差可以识别更细微的岩性差别。

从图9-6不难看出,对掩膜前后的图像均采用相同的主成分组合方案,但掩膜后的主成分图像细节更加突出,中三叠统闹仓坚沟组(T2n)板岩(蓝色调条带)被突出了。

2.矿物指数法

ETM数据只能提供一些铁锰成分异常和羟基蚀变矿物异常等一些笼统的信息,而ASTER的波段划分更精细,能够提供更为明确的矿物信息。常见矿物的特征吸收带集中在2~2.3μm之间(图9-1),即在ASTER的5~9波段之间,而ASTER的第4波段尽管没有特征吸收存在,但它是地质体反射率统计差异最大的遥感窗口。目前,国际上流行的各类矿物指数方法很多,它们主要是基于上述这些矿物特征吸收带的波长位置及其与ASTER波段设置的关系,通过简单的各类比值运算得来,如《ASTER矿物指数处理手册》所收集的澳大利亚科工组织(CSIRO)和美国地质调查局等机构经常使用的一些矿物指数(图9-7)。

图9-6 温泉水库地区ASTER掩膜主成分分析图像

(短波红外4~9波段的4、3、5主成分合成图像)

波段比值是一种经常被用来提取波谱信息的有效手段。根据代数运算的原理,当波段间差值相近但斜率不同时,反射波段与吸收波段的比值处理可增强各种岩性之间的波谱差异,抑制地形的影响,并显示出动态的范围。波段比值通常是在对大气路径辐射或由多光谱传感器产生的叠加偏移进行初步校正的基础上,由两个波段对应像元的亮度值之比或几个波段组合的对应像元亮度值之比获得。通常是选择特定目标的最小或最大反射或辐射波段作为比值波段。一种地物在两个波段上波谱辐射量的差别,常被称为波谱曲线的坡度。不同地物在同一波段上坡度有大有小,有正有负。比值法就是增强不同地物以及岩石间的这种微小差别。因而,以岩矿的特征光谱为基础,选用适当的波段比值进行彩色合成,可增强岩性和蚀变带信息,便于提取蚀变信息。

我们选取了20个各类矿物比值进行试验应用,在图像处理软件中进行流程式的批量处理,再依据具体地质背景和图像质量进行筛选,获得了较好的应用效果。尤其对粘土类矿物的蚀变和层状硅酸盐矿物的岩性识别非常有效,对巴颜喀拉山群浅变质岩岩性划分具有良好的应用效果。

所采用的各类遥感矿物指数择要描述如下:

(1)波段12/波段13比值:基性度指数(BDI)。由澳大利亚科工组织Bierwith提出,BDI与岩石中的二氧化硅含量有很好的负相关,高亮度为基性成分高的地质体,低亮度为酸性地质体,可以很好反映地质体的基性程度。在东大滩铜矿区花岗岩体外接触带及前寒武纪变质岩区,BDI显示出很好的异常及其与铜矿之间的关系。

(2)波段14/波段12比值:富石英岩类异常。异常效果良好,是硅化蚀变的重要依据。在昆仑山巴颜喀拉山群地层和温泉水库西部的下二叠统中普遍存在该指数的异常,表明均为一套高硅质的浅变质岩系。在卡巴纽尔多南部,沙地表现为高二氧化硅含量的正异常。此外,高山冰缘区土壤湿度存在垂直分带现象,同样会引起基性度指数或二氧化硅指数的假异常,这种异常往往沿等高线分布。

(3)波段13/波段14比值:碳酸盐岩异常。该比值由于热红外14通道的噪声较大,应用效果并不理想,仅在温泉水库和昆仑山一带有较好的显示。

(4)波段4/波段5比值:铁矾土异常。Bierwith定义为铁矾土,而Volesky定义为硅酸盐蚀变。高浓度异常的大面积分布通常具有重要的找矿指示意义。

图9-7 《ASTER矿物指数处理手册》中常用矿物指数汇总

(5)波段5/波段3+波段1/波段2比值:二价铁异常。该比值需要谨慎对待,尤其在高山区,雪在1波段的高反射常常引起假异常,需要结合常规合成图像具体分析。

(6)波段4/波段2比值:铁帽异常。试验区图像效果较差,尚未发现有意义的异常,但由于铁帽在找矿中的重要意义,以及其负异常的突出特征,保留这一指数是必要的。

(7)波段7/波段5比值:高岭土矿物异常,该比值不确定性较强。沟谷中条带状分布的异常可能与表生作用下的风化高岭土有关,大面积的团块状异常才具有内生蚀变矿物的意义。

(8)(波段4+波段6)/波段5比值:明矾石和高岭土指数。在纳赤台万保沟群中大面积出现这种异常,但实地考察属硅化大理岩异常。

(9)波段7/波段6比值:白云母异常。白云母在2.2μm附近的特征吸收(ASTER第6波段)较强,实践证明该指数较为敏感,对板岩类有良好的识别能力。

(10)(波段5×波段7)/(波段6×波段6)比值:粘土矿物蚀变异常。具有明确的找矿指示意义,在水泥厂东北部存在这种异常。

(11)(波段7+波段9)/波段8比值:碳酸盐-绿泥石-绿帘石组合异常。主要分布在1∶5万水泥厂幅东北部和温泉水库西部。可以与波段13/波段14比值图像碳酸盐异常对比,进一步区分碳酸盐异常和绿泥石-绿帘石异常。

(12)波段5/波段6比值:多硅云母异常。

(13)(波段5+波段7)/波段6比值:绢云母-白云母-伊利石组合异常。该组矿物高浓度异常具有明确的找矿指示意义,但大面积异常通常意味着变质岩区的片岩,如内蒙古狼山地区的大面积异常与该地区伟晶岩化、云母片岩、板岩等区域变质或侵入接触变质作用有关。在东昆仑试验区也具有很好的效果,昆仑山巴颜喀拉山群和温泉水库西部的下二叠统均有大面积的该类矿物异常。

必须指出的是,实际信息提取过程中,白云母和高岭土异常经常在空间上相伴生,在昆仑山和1∶250000填图区北部出现这种情况,很有可能仅仅是一种异常。在变质岩区有可能仅仅是白云母,而非高岭土。从图9-1不难看出,高岭石和白云母的特征吸收带都出现在ASTER的第6通道,波长位置的细微差别有可能是ASTER矿物指数方法容易产生混淆的原因。在1∶50000填图区东北部的异常也同样出现类似状况,绿帘石、绿泥石、角闪石和碳酸盐均出现异常。实际上这种异常均出现在第8通道附近,这几种矿物均存在较强的吸收带。这种情况可能仅仅是碳酸盐,但它们与典型的碳酸盐(731为蓝色调)又有明显的区别。

尽管如此,矿物指数方法在实际应用中也存在一些问题,从典型矿物曲线和ASTER波段的对比中不难看出有可能出现几种易混淆的矿物组:如高岭土-白云母和方解石-白云石-绿帘石-绿泥石-角闪石等矿物组。因此,集中在第6和第8通道的异常仅仅说明具有显著的某种矿物类的异常,而不能明确说明是何种矿物。在复杂条件下只能明确矿物类,可以在此基础上进行野外验证,从而确定矿物种类。

在热红外区间,岩石的二氧化硅含量与Si-O2振动强吸收带的波长位置呈现反比的系统位移规律,这是ASTER识别硅酸盐岩的基本依据。此外,碳酸盐岩在ASTER的14波段的强吸收也是识别该岩类的基本依据,但14通道红外辐射能量最弱,噪声大,应用效果不理想。

3.光谱角度填图方法

光谱角度填图方法(SAM)是Boardman开发的一种算法程序,一般用于超光谱图像的监督分类。该方法给出一系列光谱记录来逐一定义每个岩石类型,将每个像元看作n维图像数据库空间的一个向量,并计算与光谱数据库中光谱数据记录(参考光谱)之间的向量夹角。像元光谱与光谱记录(参考光谱)的光谱角度相匹配,即可分类为该类岩石。SAM方法的优越性在于只考虑像元光谱与参考光谱的相似性,不考虑像元相对亮度的影响,这在一定程度上改善了阴影,或者土壤湿度的干扰,因为角度的匹配不考虑向量模的大小。

该方法应用的条件是图像数据必须进行反射率反演,使像元的“视反射率”能够与光谱数据库中的参考光谱进行匹配。但实际应用中,由于大气条件和图像质量等各方面的原因,较难完成反射率反演这道科学程序,从而限制了该方法的实际应用。因为ASTER的数据质量不理想,参考光谱选用的是典型的像元光谱。

光谱角度填图方法试验区选在纳赤台北部的东昆中断裂带附近的花岗岩内外接触带(图9-8)。试验中选取的典型岩类有5个,构成参考光谱数据库。提取的像元光谱是1~9波段,依照这组波段曲线,它们的光谱角度最大差异的区间分布在4~9波段的近红外-短波红外谱段,因此将其作为SAM处理的6维向量空间,角度匹配的阈值为5度。从结果中能够看出,SAM方法不仅可以克服花岗岩中不同亮度值对分类的影响,能够进行阴影中的分类,而且能够区分常规合成图像中容易混淆的 白云石(蓝色)和高岭土(黄色)。但万保沟群中的部分岩性段被归入花岗岩体(红色),说明该方法还不能区分“同谱异质”的地质体。

图9-8 纳赤台北部ASTER数据4~9通道光谱角度填图

上图—光谱角度填图结果;中图—ASTER7、3、1常规合成图像;下图—基于像元的分类参考光谱

说明:横轴为ASTER1-9波段;纵轴为像元视反射率。

二、IRS-P6遥感矿物指数试验

IRS-P6在地质上的应用国内外少有报道,主要原因是它波段分布有限,尤其缺少短波红外区间的设置,因此缺乏对羟基类地质体信息的识别能力(表9-7),但它的地面分辨率高于ETM,在ETM数据缺乏或者质量不佳的情况下也不失为一种可以替代的数据资源。本次试验也对其在地质填图中的应用效果进行了比值指数的初步应用。

表9-7 IRS-P6和ETM的波段设置对比

在可见和近红外区间,铁的特征吸收占光谱的主导因素。依据常见铁氧化矿物的吸收特征,针对0.9μm附近三价铁的宽缓吸收带,波段2和波段3良好地反映了该处的吸收特征。因此选用CH2/CH3作为三价铁氧化矿物的指数。如果没有铁氧化矿物存在,吸收带就不存在,这个比值将会是很低的。所使用几个比值指数如下:三价铁氧化矿物CH2/CH3;二价铁或暗色岩系CH1/CH4平的特征;碳酸盐岩CH1/CH2,依据碳酸盐岩一般缺乏铁矿物,缺少铁族矿物在近紫外区间很强的电子跃迁引起的吸收。

但在卡巴纽尔多南部局部地区,采用了4/3.2/3和1/2几种比值组合,完全是针对该区广泛分布的砂板岩,依据试验效果的一种选择。

IRS-P6的应用效果不如ETM,但应用上述比值合成的假彩色图像在解译应用中也能够与ETM图像取长补短。如温泉水库西部,IRS-P6有更加概括的岩性信息,而ETM由于短波红外信息的加入,图斑细碎,不宜于解译成图。

三、Hyperion遥感信息提取方法

由于高光谱遥感具有多个波段和高光谱分辨率的特点,高光谱的窄波段可以有效地区别矿物的吸收特征,利用各种矿物和岩石在电磁波谱上显示的诊断性光谱特征可以识别矿物,使矿物识别和区域地质制图成为高光谱技术主要的应用领域之一。

为了实现研究区内岩矿高光谱遥感的识别和分类,并考虑到研究区复杂的地质、地貌、气候和地表覆盖等特点对所采用的遥感图像的影响,在高光谱岩矿填图中采用地面光谱和图像光谱相结合的处理分析方法。

(一)岩石光谱测量

为了最大限度地满足光谱测量精度的要求,在本次野外光谱测量中所采用的仪器为美国ASD公司的最新产品FieldSpec FR便捷式地物波谱仪(图9-9),该仪器主要参数见表9-8。此仪器不仅具有携带方便、速度快、高信噪比、高可靠性、高重复性、操作简单和软件包功能强劲等特点,而且还可以进行实时测量和观察辐射、辐射度、CIE颜色、反射和透射。

图9-9 野外光谱采集

数据采集软件采用的是美国ASD公司的FieldSpec FR数据采集分析软件包,该软件具有速度快、实时测量、操作界面简单、灵敏度高和功能强大等优点,另外它所获取的数据可以直接被ENVI软件读取,极大地促进了后期数据处理进程。

由于研究区域特殊地理位置和复杂的气候条件,而且气候多变,考虑到诸多不利因素对光谱采集质量的影响,我们于2008年7月进行了野外光谱数据采集,此时该地区的大气、空气湿度、风、光照和云层覆盖等条件适宜于野外光谱数据采集,而且采集到的数据和选用的遥感图像数据时间匹配性好,满足研究精度要求和填图需要。

为了最大限度地满足高光谱遥感矿物填图的要求,采用了野外和室内测量相结合的测量方法。另外,在研究区域内还选择了多个具有代表性的开阔地带作为平场并进行了多次重复测量。

野外完成了包含花岗岩、变质岩、流纹岩、千枚岩、大理岩、板岩、页岩、铁矿石、铜矿石、金矿石、铅矿石、锌矿石等多达100多种不同类型以及同种类型不同状态(如岩矿石的风化面、新鲜面等)的岩矿石的光谱数据室内和野外采集工作,并且经过系统编号整理建立了各种岩矿石与其光谱数据的对应表(图9-10),为图像解译和填图工作提供了较为完备的基础数据。

表9-8 FieldSpec FR便捷式地物波谱仪相关参数

图9-10 野外实测光谱数据库

(二)矿物光谱测量

采用南京地质调查中心研发的BJKF-III型便携式近红外矿物分析仪,对矿化样品进行光谱曲线测量,得到典型蚀变矿物光谱曲线,其矿物包括方解石(图9-11a)、高岭石(图9-11b)、绿泥石(图9-11c)和孔雀石(图9-11d)等。黄铜矿为铜的硫化物矿石,具有不透明矿物的典型特征,遥感较难识别,而孔雀石存在二价铜离子引起的特征吸收带。

图9-11 东大滩铜矿典型矿物光谱曲线图

通过驼路沟钴金矿床野外调查取样,利用便携式近红外矿物光谱仪对样品进行光谱测量,进一步验证了遥感图像提取孔雀石和黄钾铁矾等矿物信息(图9-12)。同时,在驼路沟矿区断裂带内还检测出遥感图像未能解译出的石膏等矿物(图9-12d)。

(三)数据预处理

Hyperion高光谱数据经过斑点去除、回波纠正、背景去除、辐射纠正、坏像元恢复以及图像质量检查等一系列处理过程,用户拿到的数据应该不再有坏像元或条纹,但实际上却仍然存在,在进行图像应用之前,必须对图像进行预处理,纠正不正常的像元。预处理主要包括去除未定标及受水汽影响的波段、绝对辐射值转换、坏线修复及误差条带的去除、反射率定标和大气校正等。

1.去除未定标及受水汽影响的波段

Hyperion数据的242个波段中,经过辐射定标的独立波段实际上只有196个,但有些波段受水汽影响非常严重,无法应用,经去除处理后只有158个波段可用(表9-9)。

2.绝对辐射值转换

Hyperion的L1产品数据集以有符号的整型数据记录,数值范围为-32767~+32767。但实际上地物的辐射值非常小,产品生成时对VNIR和SWIR波段都采用了扩大因子,系数分别为40和80。因此,需要把图像的亮度值转换为绝对辐射值,将VNIR和SWIR波段分别除以40和80,生成绝对辐射值图像。

图9-12 驼路沟钴金矿典型矿物光谱曲线图

表9-9 剔除和保留的波段

3.坏线修复及误差条带的去除

由于Hyperion传感器的个别通道存在坏的探测元,致使图像存在着不正常数据,DN值为零或者非常小的称为死像素列,即坏线。对坏线用相邻行或列的平均值进行修复,坏线修复前与修复后效果见图9-13。

Hyperion光谱仪采用推扫式的对地观测方式,所以系统中CCD的排列方式垂直于航迹方向。由于不同行中的传感器对光谱响应值不同,在光谱入射时会导致在每个谱段上出现竖条纹,即列向条带噪声。条纹严重影响图像的质量及实际应用,应用时需要对条纹噪声进行去除处理。

本项目采用ENVI软件中的傅里叶变换及联合概率滤波平滑方法去除影像的条纹噪声,并用MNF进行效果评价。修复效果见图9-14。

图9-13 VNIR第56波段坏线修复前后图像

图9-14 垂直条纹去除前后图像对比

4.反射率定标

高光谱遥感数据定标的首要任务就是对成像光谱仪定标,将遥感器探测到的数据变换为绝对亮度或与地表反射率、表面温度等物理量有关的相对值的处理过程。通过原始图像提取的波谱曲线为太阳辐射与大气辐射共同作用的结果,这些波谱剖面曲线都是相似的,表示的是辐射亮度曲线,而不是反射率波谱曲线。因此,需要将辐射亮度曲线转换为反射率波谱曲线,以消除大气吸收、散射、地形起伏及传感器本身误差所带来的各种失真对数据的影响,恢复地物光谱数据的原貌。将影像的辐射亮度值转换成表观反射率的过程,称为反射率定标或地物光谱重建。

主要校正定标的方法有平场域定标、内部平均相对反射率定标以及经验线性定标。本次研究针对星载高光谱数据,主要采用了基于大气辐射传输理论的FLAASH定标模型,并进了分析总结,得到了比较好的应用效果。

5.大气校正

遥感卫星传感器接收到的目标物反射及发射能量辐射在传输过程中需要通过大气层,使高光谱遥感影像记录的是包含地面反射光谱信息和大气辐射传输效应引起的地面反射辐照度变化等综合信息。大气校正的目的是消除大气和光照等因素对地物反射的影响,获得地表的真实物理模型参数,如地物反射率、辐射率和地表温度等。图像是否需要进行大气校正,主要取决于图像的质量及用途。对于空间分布均匀的影像,如果只是用单时像的数据分类,由于大气对分类的影响是一致的,就没有必要进行大气校正。对于空间分布不均匀的影像,如有些区域有雾或者下雨等现象,就有必要纠正大气的影响。因此,将表示反射率亮度的原始遥感影像DN值数据转换为反射率数据,对正确利用遥感数据进行定量分析及信息提取十分关键。由于本次研究利用实测地物光谱与美国USGS光谱库标准光谱相结合的方法进行识别分类,所以需要进行大气校正。

目前,基于大气辐射传输理论的辐射校正模型主要包括:5S、6S、ATREM、MODTRAN、ACORN和FLAASH等。针对Hyperion高光谱数据的特点,本项目主要利用ENVI软件中的FLAASH模块进行大气校正处理。

为了验证FLAASH大气校正的效果,分别使用了校正前后的雪、岩石及水体的混合波谱曲线进行对比见图9-15,并采用野外实测波谱曲线与校正后的图像的波谱曲线进行对比,总的效果较好。

图9-15 大气校正前后雪、岩石和水体的波谱曲线对比

6.几何纠正

图像预处理的最后一步工作为图像的几何纠正。本研究采用了1∶100000纳赤台幅地形图,应用二次多项式和双线性内插重采样方法,共选取了117个控制点,对高光谱数据进行了几何精度校正。

(四)图像镶嵌与裁剪

本项目共定购东大滩地区5景Hyperion数据,其中KL2与KL3景在夏天获取,KL4-KL6在冬天获取,所以地物色调相差较大,进行镶嵌时必须进行调色处理。由于Hyperion数据覆盖面积宽7.7km,长85km,南北向覆盖区域较长,应用时需做剪裁处理。经过镶嵌与剪裁之后数据的覆盖范围见图9-5。

(五)信息提取

经过去除未定标和受水汽影响的波段、进行绝对辐射值转换、坏线及条纹修复、smile效应去除、大气校正和几何精度校正等过程,得到反射率数据。利用波谱分析工具Spectral Analyst进行波谱分析鉴别矿物,选择美国地质调查局波谱库,该库包括近500种矿物波谱,波长范围0.4~2.5μm。本次岩矿蚀变信息提取主要应用USGS波谱库作为端元波谱,结合野外实测光谱曲线,应用纯净像原指数法(PPI)作为辅助方法提取端元波谱,最后利用光谱角(SAM)填图法和波谱特征拟合法(SFF)成图。

本项目各类遥感图像覆盖面积达18850km2。除受风成黄土、植被、雪被、草甸土、阴影以及冰缘冻融作用所产生的碎屑坡积物等因素干扰不能有效提取信息外,其他地区均提取出大量岩石、构造和矿化蚀变信息。野外验证表明,不同的遥感数据均可有效地提取地质信息,但是适用范围和提取信息量存在差别。本项目选择温泉水库地区和玉珠峰巴颜喀拉山群分布区进行ASTER遥感岩性填图与纳赤台地区Hyperion高光谱矿物填图试验,评价国内目前尚未普及、但极具应用前景的ASTER和Hyperion等遥感信息在岩性与矿物填图中的应用潜力。

遥感数据及其处理

一、遥感数据及其特征

滇东北地区铅锌矿遥感地质调查工作共分为三个层次,其中1∶5万层次及1∶2.5万层次使用美国陆地卫星(Landsat-7)ETM+数据作为基础数据,1∶1万层次使用美国快鸟(QuickBird)卫星数据作为基础数据。

(一)ETM+数据

ETM+数据是美国1999年4月所发射的陆地7号卫星携带的增强型主题成像仪(ETM+)对地球表面所采集的数据,其基本参数、设计波段的特征及设计用途见表3-1。

表3-1Landsat-7卫星参数及数据特征

长期对Landsat系列卫星数据在地质方面的应用研究表明,Landsat卫星数据各个波段都能提供地质构造、地形地貌信息。其中,5、6、7波段信息量更为丰富,1、2、3、4波段能够区分岩石中的铁、锰矿物和含铁、锰矿物的相对含量,尤其是4波段对于三价铁的矿物比较敏感,可以借此区分岩性,5波段对绿帘石族特征谱带敏感,7波段识别碳酸盐岩、绿片岩、绢云片岩和粘土岩及粘土矿物聚集带的效果较好,6波段对于识别地热异常、岩石和构造的含水性及鉴别地质构造有一定的用途。另外,Landsat-7还增加了一个15m分辨率的全色波段,从视觉效果上直接提高了对地物的识别,见表3-2。

表3-2 Landsat-7ETM+数据特征及在地质上的用途简表

图3-1 滇东北地区ETM数据分布示意图

本次工作范围占有ETM数据129-041及129-042两景,时相均为2001年12月23日。工作范围在两景数据中的位置如图3-1。数据元数据情况见表3-3。

表3-3 129-041,129-042卫星数据元数据特征

续表

(二)快鸟(Quick Bird)卫星数据

快鸟(Quick Bird)是美国Digital Globel(Earth Watch)公司2001年10月发射的高分辨率卫星,其空间最高分辨率为61cm,可制作比例尺在1∶1万左右的影像。卫星参数及数据特征见表3-4。

表3-4 Quick Bird卫星参数及数据特征

快鸟卫星数据的波段设置,与ETM数据具有一定的对应性,1、2、3、4波段波长范围完全一致,只是在全色波段快鸟数据比ETM数据的波长范围略窄一些。

大比例尺遥感地质调查工作主要布设于彝良毛坪地区,购置快鸟数据80km2,范围为X:3038000—3046000,Y:35392000—35402000。属于现拍数据,数据采集时间为2004年5月8日,其元数据特征见表3-5。

表3-5 毛坪地区快鸟卫星数据元数据特征

二、遥感数据处理

(一)数据处理软件

遥感图像处理主要使用加拿大专业遥感图像处理软件PCIGeomatica8.0及美国著名专业遥感图像处理软件ENVI3.5。

(二)数据处理流程

遥感数据处理的主要流程包括数据组织(即数据种类选择、范围确认、时相选择、订购等)、数据镶嵌(单景数据不存在此过程)、几何校正、图像生成、图像增强、图像整饰等过程,见图3-2。

图3-2 数据处理流程图

(三)数据处理

1.数据镶嵌

所谓镶嵌,就是将相邻两景图像拼接、形成大图像的过程。在图像镶嵌过程中如果使用不同时相的数据,由于数据成像的季节、太阳高度角不同,导致同名像元点在不同的数据上可能表现为不同的灰阶;当使用相同时相数据时,由于地面站后期人为分景、单独处理,也会导致同名像元点在不同的数据上有可能表现为不同的灰阶,同一地物在不同数据上表现出不同特征。因此说,图像的镶嵌过程是一个数据重叠范围内的配准过程。

滇东北地区1∶5万工作区涉及129-041及129-042两景数据,数据镶嵌是在PCIGeomatica遥感图像处理平台的GCPworks模块中完成的。镶嵌过程中侧重于重叠数据范围内同名点的选择及镶嵌线的选择。一般每两景图像上下镶嵌选择10~15个GCP。在镶嵌线的选择上,避免一条直线,根据镶嵌区的地貌特征尽量使镶嵌线通过色差较大的地方,避免人为造成线性体。然后利用PCI提供的ColourMatching功能对镶嵌区内的图像色彩进行匹配,使镶嵌后图像的色彩在镶嵌线两侧柔和过渡,达到无缝的效果。

2.几何校正

(1)几何校正方法

由于卫星姿态与轨道、地球运动和形状、遥感器本身的性能和扫描镜的不规则、探测器的配置、检测器采样延迟、数模转换的误差等等原因,均会导致原始遥感图像的严重几何变形,不能直接使用。一般而言,卫星地面站会根据卫星轨道的各种参数将图像进行粗略的校正,但往往由于遥感器的位置及姿态的测量值不高,其粗校正后的图像仍存在不小的几何变形。用户需要利用地面控制点和多项式纠正模型做进一步的几何纠正。只有按照一定的投影模式对原始图像进行几何精校正后的图像,才能使图像上每个像元具有相应的准确的地理坐标,只有进行几何精校正后的图像才能制作成能与其他图件配合使用的“地图(map)”。几何纠正的步骤有以下3步:

1)地面控制点(GCP)的选择。地面控制点的选择一般有两种方法,实地测量和在相同比例尺或更大比例尺地形图上采点。地面控制点选择的原则是,选择在图像上显示清晰、实地不(或很少)随时间变化的定位识别标志,如道路交叉点、河流交汇处等。另外,控制点要在校正范围内均匀分布,并保证一定的数量。

2)多项式模型纠正。多项式模型纠正就是在图像像元坐标(x,y)与地形图上相应点的地理坐标(X,Y)之间通过适当的坐标多项式模型(坐标变换函数)建立一种关系,从而通过像元的重新定位把图像拟合到地形图上。多项式校正模型的数学表达式为:

滇东北铅锌银矿床遥感地质与成矿预测

式中:aij,bij为多项式系数;N为多项式次数,取决于图像的变形程度、控制点的数量和地形位移的大小。

3)重采样。由于经过了多项式校正,重新定位后的像元在原图像中分布是不均匀的,因此需要对原图像按一定的规则重新采样,进行亮度值的插值计算,建立新的图像矩阵。常用的重采样方法有最临近法、双线性内插法、三次卷积内插法。3种方法在地物边缘增强、地物连贯性、计算速度等方面各有利弊。其中三次卷积内插法对边缘有所增强,并具有均衡化和清晰化的效果,但计算量大。

(2)1∶5万工作范围图像几何校正

1∶5万工作范围图像校正使用相应范围的1∶5万地形图60幅。校正点的选择是在60幅地形图上均匀选择GCP203点,校正模型选择了二次多项式拟合,重采样方法使用三次卷积内插法。校正后的图像投影方式为高斯投影、6°分带,中央经线为105°,椭球体采用克拉索夫斯基1954椭球体,与地形图保持一致。

(3)1∶1万工作范围图像几何校正

由于缺少相同比例尺地形图,收集到的地形资料只有区内1∶5万地形图和极少部分1∶2000地形图,因此校正点的采集采用地形图采点与野外实地测点相结合的方法完成。共采集GCP33个。校正模型选择了二次多项式拟合,重采样方法使用三次卷积内插法。校正后的图像投影方式为高斯投影、3°分带,中央经线为105°,椭球体采用克拉索夫斯基1954椭球体。

3.彩色合成

彩色合成的目的是将单色波段每像元的28(即256)色空间扩展到224(即16777216)色空间,增强目标地物的可视性,提高目视解译效果。通过色彩丰富、信息携带量大的基础彩色图像,解译人员才能充分识别图像的信息,进行地质解译。

为达到最佳的彩色合成效果,参加合成的波段选择常遵循以下原则:

1)参加合成的单波段有较大的方差,即波段本身具有较大的信息量。

2)参加合成的各波段间相关系数较小,避免信息的重复和冗余。

3)参加合成的三波段图像的均值要相近,避免合成图像产生严重偏色。

4)为突出目标地物,要选择目标物体显示较为突出的波段。

彩色合成图像为3个波段,赋予红、绿、蓝三原色的合成图像。

1∶5万工作范围基础图像制作选择了波段7、4、2合成方案,1∶2.5万工作范围基础图像选择了波段4、5、3合成方案,1∶1万工作区基础图像选择了波段3、2、1合成方案。选择依据将在“数据特征”一节中进行分析。

4.图像增强

图像增强的目的是为了突出相关的主题信息,提高图像的视觉效果,使解译分析者能更容易地识别图像内容,从而从图像中提取更有用的信息。图像增强的方法很多,从其作用的空间来看可以分为光谱增强和空间增强。这两种增强类型在整个图像处理和信息提取过程中都很常用。对于基础图像的增强一般采用光谱增强,从像元的对比度及波段间的亮度等方面改善图像的视觉效果,基本不改变目标地物的形状、大小等特征。

项目工作中的3种基础图像在生成后均采用光谱增强。根据图像各波段的直方图分布,分析整幅图像中像元间对比度的差异大小,确定光谱增强的具体手段。其中1∶5万范围的波段7、4、2合成图像面积大,地物种类多,信息丰富,增强过程中要求各种信息的充分显示,因此使用直方图均衡化的方法,理论上使图像中的各种亮度值均衡分布。1∶2.5万范围的波段4、5、3合成图像,图像范围相对较小,又由于地形切割较深,造成图像上山体阴影所占面积较大,而西南角地区比较平坦,反射率较高,像元亮度大,因此选择线性拉伸的方法进行增强。1∶1万范围的快鸟卫星波段3、2、1数据合成影像中,红尖山—姜家湾—花苗寨一带植被覆盖较多,造成影像上大面积绿色,使用线性拉伸的方法可以保证原始图像的对比度不再有大改变。

图3-3 毛坪地区图像不同拉伸方法效果对比图

拉伸方法应用效果以毛坪地区1∶1万影像为例,见图3-3。由图中可以看出,不拉伸的图像显然色彩层次太少,使用均方根拉伸的图像总体上提高了图形的亮度,压抑了像元间对比度的扩展,同时亮度高的地区彩色层次减少;直方图均衡化的图像提高了像元间的对比度,在原图像的暗色地区使色彩层次增加,但高亮色地区由于像元频率的增高而使色彩层次减少;线性拉伸不同程度地克服了以上几种拉伸的弊端,使图像色彩趋于丰富,层次趋于明显,便于解译者的解译。

在解译过程中为突出某种特征地物也可采用其他的增强手段,这里不再赘述。

5.图像融合

为了提高图像清晰度,同时充分发挥多波段数据的特点,需要将高分辨率的全色波段与参加彩色合成的多光谱波段进行融合处理。融合后的图像可以发挥多光谱图像与高分辨率图像各自的优势,弥补不足,改善遥感图像目标识别的准确率,提高遥感图像的综合分析精度。

融合方法大致可以分为彩色相关技术和数学方法两大类。彩色相关技术包括彩色合成、彩色空间变换等,有利于保持分辨率和色彩特征,如IHS变换法。常用的融合方法有IHS变换法、PCA变换法、HPF变换法与小波变换法等。

鉴于工作目的,为了提高地面分辨率和保持低分辨率图像的光谱信息,工作中选择了IHS变换方法,即将标准的RGB图像分离为空间信息的明度、波谱信息的色别及饱和度,而后用高分辨率图像代替明度再进行反变换的融合方法。融合后的图像既具有较高的分辨率,又具有与原图像相同的色度与饱和度。其具体过程如图3-4。

项目工作中所采用的ETM数据7个30m多光谱波段与15mPAN波段源于同一传感器,快鸟数据的4个2.4m多光谱波段与其0.6mPAN波段也源于同一传感器,因此数据融合过程中不存在数据配准问题,只对低分辨率波段进行重采样,并对参加融合的各波段进行直方图匹配,再进行IHS变换和RGB变换。其中低分辨率波段的重采样使用的方法为三次卷积内插法。融合前后图像特征如图3-5所示。

图3-4 IHS变换融合流程图

图3-5 融合前、后图像特征对比示意图

(四)图像处理精度评价

镶嵌校正过程中的精度评价常常使用RMS误差(均方根)来衡量,RMS是GCP的输入位置和逆转换之间的距离;它是在用转换矩阵对一个GCP做转换时所期望输出的坐标与实际输出的坐标之间的偏差。

滇东北铅锌银矿床遥感地质与成矿预测

式中:Ri为GCPi的RMS误差,XRi为GCPi的X残差,YRi为GCPi的Y残差。

整幅图像的总RMS误差:

滇东北铅锌银矿床遥感地质与成矿预测

式中:T为总RMS误差。

1.1∶5万镶嵌精度

数据镶嵌的误差大小对几何校正有很大影响,大的误差将人为增大图像的畸变。工作中1∶5万工作范围需要129-041与129-042两景数据上下镶嵌,按照《1/25万遥感地质调查技术规定》(DD2001—01)对镶嵌配准精度的规定同比计算,预设镶嵌误差T≤0.40。镶嵌过程中共采集镶嵌GCP13个,纠正模型1次,误差见表3-6。

表3-6 1∶5万图像镶嵌误差

由表3-6中可以看出,T=0.311,小于预设值0.40,能够满足无缝镶嵌的要求。

2.校正精度

(1)1∶5万图像校正精度

校正精度按照《1/25万遥感地质调查技术规定》(DD2001—01)对图像校正精度及校正点数目的同比计算,预设校正误差T≤0.80。校正过程中在60幅1∶5万地形图上基本均匀地选择203点,经误差调整选择有效校正GCP190个,校正多项式模型选择二次多项式,其误差见表3-7,由表中可以看出,T=0.794,小于预设值0.80,能够达到规范要求。

表3-7 1∶5万图像校正误差

(2)1∶1万图像校正精度

由于工作区只收集到1∶5万地形图和占很小部分的1∶2000地形地质图,且1∶5万地形图年代比较久远,因此在几何校正过程中误差较大。由于图像细节清晰,不影响使用与定位。

3.融合精度

低分辨率数据与高分辨率数据融合的目的是为了提高分辨率,为此,图像融合前后清晰程度的改变成为融合精度评价的主要指标。图像的清晰度是指地物的边界或影线两侧附近灰度有明显差异,即灰度变化率大小,它反映图像微小细节反差变化的速率,即图像多维方向上密度变化的速率,可用g来表示,一般来说融合前后g的变化越大则融合后图像的清晰度越高。

滇东北铅锌银矿床遥感地质与成矿预测

ETM30m多光谱波段与15m全色波段融合前后的值及快鸟数据2.4m多光谱数据与0.6m全色波段融合前后的g值对比见表3-8。由表中可以看出,融合后密度变化速率比原来提高几十到上百倍,表明图像融合后精度有很大提高。

表3-8 融合精度对照

三、工作区遥感数据

(一)1∶5万工作范围ETM数据特征

1∶5万工作范围图像行列数为9233(列)×12423(行)(插值为15m),总像元数为114701559点,由于左上角数据缺少使1140点为无效像素。

数据基本统计特征如表3-9至表3-11,各波段直方图见图3-6。

表3-9 1∶5万范围ETM数据基本统计特征

表3-10 1∶5万范围ETM数据波段间协方差矩阵

表3-11 1∶5万范围ETM数据波段间相关系数矩阵

从以上统计参数来看,8个波段的均值除60m分辨率的波段6和15m分辨率的PAN波段外,其他6个波段相差不大。8个波段的标准差从大到小排列为S5>S7>S4>S3>S6>S8>S2>S1,表明波段5的像元亮度值离散程度最大,波段1最小。对于波段间的相关系数而言(由于6波段与8波段分辨率的不同而不考虑),R12、R23、R25、R35、R45、R57、R37、R27均比较大,数值在0.80以上,而R13、R24、R34、R47相对较小,数值在0.7~0.8之间,相关系数最小的为R14、R15、R17,数值在0.5~0.6之间,相关系数大小也表征了波段间信息冗余的多少。1∶5万工作范围的彩色合成方案就是根据以上的统计数据结合彩色合成波段选择的其他原则而确定的。

直方图是图像范围内每个亮度值(DN)的像元数量的统计分布,能够直观反映原始图像的质量信息,如亮度值分布范围、亮度值分布规律,也可直接大致判读出图像的中值等参数。从8个波段的直方图可以看出波段4、5、7的直方图呈双峰表现,主峰在50~60出现,而在10~15之间又出现一个表现很窄的次峰,这是由于图像上的阴影及水体的像元亮度值所产生的,由此大致可以计算出阴影及水体在图像中所占的面积,以波段5为例计算出所占比例为6%左右。其他各波段的直方图比较接近正态分布。

协方差矩阵反映各个波段各自亮度值取值的分散程度,同时又能反映不同波段间的相关密切程度,它是单波段图像统计表与相关系数矩阵的合成,同时又能反向分裂。

图3-6 1∶5万范围ETM各波段图像直方图

(二)1∶2.5万工作范围ETM数据特征

1∶2.5万工作范围行列数为3000(列)×1860(行),总像元数为5580000点,插值后分辨率为15m。数据基本统计特征如表3-12至表3-14,各波段直方图如图3-7。

表3-12 1∶2.5万范围ETM数据基本统计特征

表3-13 1∶2.5万范围ETM数据波段间协方差矩阵

表3-14 1∶2.5万范围ETM数据波段间相关系数矩阵

图3-7 1∶2.5万范围ETM各波段图像直方图

从以上统计参数来看,8个波段的均值除60m分辨率的波段6为110表现较大,15m分辨率的PAN波段为29表现较小外,其他1、4、5三个波段数值相差不多,在50左右,2、3、7三个波段也相差不大,在37左右。8个波段的标准差从大到小排列为S5>S4>S7>S3>S8>S6>S2>S1,表明波段5的像元亮度值离散程度最大,波段1最小。对于波段间的相关系数而言(由于6波段与8波段分辨率的不同而不考虑),R57、R23、R73表现最大,数值在0.9以上,R12、R13、R25、R27、R35、R45次之,数值在0.8~0.9之间,而R24、R34、R47相对较小,数值在0.7~0.8之间,相关系数最小的为R14、R15、R17,数值在0.5~0.6之间,相关系数大小也表征了波段间信息冗余的多少。1∶2.5万工作范围的彩色合成方案就是根据以上的统计数据结合彩色合成波段选择的其他原则而决定的。

8个波段的直方图形态大致与1∶5万范围一致,表现意义相同,不再赘述。

(三)1∶1万工作范围QB数据特征

1∶1万工作范围采用高分辨率的QB数据,其多光谱波段只有4个,分辨率为2.4m,工作范围图像行列数为4168(列)×3407(行),总像元数为14200376点。多光谱数据基本统计特征如表3-15、表3-16,各波段直方图如图3-8。

表3-15 1∶1万范围QB数据基本统计特征

表3-16 1∶1万范围QB数据波段间相关系数矩阵

从以上统计可以看出,QB数据4个波段中1、2、3波段的相关系数均较大(R12=R23=0.96,R13=0.89),只有近红外波段与其他波段的相关系数很小(R14=0.29,R24=0.37,R34=0.20),同时可以看出近红外波段的中值与标准差也与其他波段相差很大,这是由于工作区内大面积植被所引起的。众所周知,绿色植物的叶绿素对可见光红波段(0.6~0.7μm)有强吸收,而叶内组织对近红外波段(0.7~1.1μm)有高反射,因此大面积植被将会直接改变相关波段的像元亮度值的分布。在基础图像彩色合成波段选择中,依据各项原则结合统计参数,选择波段1、2、3参与合成,为使合成后图像接近真彩色,合成方案为3(R)+2(G)+1(B)。

图3-8 1∶1万范围QB各波段图像直方图

四、遥感信息增强与提取

为了突出地质目标,增强微弱岩石蚀变信息,在图像处理过程中的不同阶段使用了多种信息增强技术方法,主要有地表三维技术、比值运算、KL变换、空间滤波、彩色变换技术等(表3-17)。

表3-17 工作中采用的主要信息增强方法技术及用途

(一)地表三维技术

地表三维技术是利用DEM(数字高程模型)将地图上的二维平面空间按高程的差异制作成一种地形上连续起伏变化的曲面,从而更真实地反映地表地貌的自然景观,突出显示特殊岩性的特殊地貌特征。

毛坪地区地表三维影像的制作利用了1∶5万DEM与QB3、2、1彩色合成图像;1∶5万DEM来源于1∶5万地形图,通过等高线数字化—高程赋值—DEM生成等过程实现。地表三维影像的制作主要有DEM与影像的配准及配准后的DEM与影像的复合两个过程。

图3-9是毛坪地区地表三维景观局部,其中视点为(103°54'27″,27°27'26″),视向45°,视角60°,视域60°。

图3-9 毛坪地区快鸟遥感影像地表三维景观(局部)

从毛坪地区地表三维影像可以看出左侧发育柱状节理的玄武岩及右侧二叠系灰岩地貌景观。

(二)图像比值运算

比值运算是将两个波段中不同亮度的地物成辐射状投射到一个曲线上,从而可非线性地夸大不同地物间的反差,它能够压抑影像上由于地形坡度和方向而引起的辐射量变化,减小环境条件的影响,提供任何单波段都不具有的独特信息。其运算公式为:

滇东北铅锌银矿床遥感地质与成矿预测

式中:DNm(x,y),DNn(x,y)分别是像元(x,y)在m和n波段上的亮度值;Rmn(x,y)为输出的比值。工作中比值运算主要运用于以下两方面。

1.计算植被覆盖度

植被覆盖度(f)是指某一时间某一地区内植被冠层的垂直投影面积与区域总面积之比。遥感地质解译主要是利用地表物体的光谱反射特性的差异,提取与地质工作有关的信息,工作的特点主要针对地表岩石、构造等,当地表植被覆盖时,对这些信息的解译将造成阻碍。因此,了解工作区的植被覆盖度能客观评价该区遥感地质解译的可解译程度。

研究表明绿色植物在可见光红波段(0.6~0.7μm)有强的吸收(叶绿素引起),在近红外波段(0.7~1.1μm)有高的反射和透射(叶内组织引起)。因此,在这两个波段使用比值运算可以充分表达它们反射率之间的差异,制作植被为高亮显示的植被信息图,并直接在图像上以像元数目比值求解植被覆盖度。

2.提取矿化蚀变信息

ETM的不同波段在地质上有不同的应用,这主要取决于各种与矿有关的蚀变矿物在不同波段存在波谱特征上的差异。图3-26是典型蚀变矿物的反射波谱曲线,从图中可看出,通常所讲的泥化蚀变矿物(即含有OH-、CO2-3)在2.2μm附近有明显吸收带,并与TM7波长范围相吻合。而在波段5的波长范围(1.55~1.75μm)内少有矿物的吸收谱带,多数都表现出高反射的特点,未蚀变矿物在波段5范围均没有明显的波谱特征,表现在TM5与TM7两个波段的相对亮度值的相对差异。因此,常常可使用波段5/7比值来突出含羟基和CO2-3类的蚀变矿物特征。另外,由图中可以看出三价铁矿物在波段1具有强的吸收,而在波段3具有相对强的反射;二价铁矿物在波段4具有强的吸收,而在波段5相对具有反射特征,因此也常用波段5/4、3/1比值来突出铁类矿物蚀变特征。比值后的图像上欲突出的蚀变特征常以高亮值显示而被提取出来。

(三)KL变换

KL变换又称为主成分分析,是在统计特征基础上的多维(如多波段)正交线性变换。多波段图像通过这种变换后产生一组新的组分图像,把原来多个波段中的信息进行集中和重组,并使新组分图像之间互不相关。其运算公式为:

滇东北铅锌银矿床遥感地质与成矿预测

其中,X为原图像p个波段的像元值向量,Y为变换后的q个组分的像元值向量,q≤

,T为变换矩阵。

KL变换要求Y的分量Yj与Yk相互独立,且若有j<k,则Yj的方差小于Yk的方差,所以必须有:

滇东北铅锌银矿床遥感地质与成矿预测

又因为:

所以:

即把矩阵D(X)变为对角矩阵Λ,对角线元素λ1、λ2…λp是D(X)的特征值,也分别是Y1、Y2…Yp的方差。

KL变换后的新组分图像中,一般第一组分具有大量的信息,但它包含了地形、植被等因素,对地质体的区分而言就成为干扰因素;其他组分虽然具有小的方差,包含的信息量少,但它可能正好突出了区分某些地质体的信息。因此,当需要对诸多信息进行综合时,往往使用KL变换后的第一组分,当要求某种特征信息时就选择相关的其他主组分。如图3-10,在B7单波段上玄武岩和火山碎屑岩界线显示隐约(或不显示),而在KL变换(参与波段B1、B2、B3、B4、B5、B6、B7)后的PC3上,界线显示明显。

图3-10 KL变换前后岩性边界对比影像

此外,KL变换也是提取与铁化和泥化有关蚀变的遥感信息的重要方法。通过对KL变换后的特征矩阵进行分析,选择富集特征信息的主组分,对蚀变信息的提取又很大的帮助。在后面信息提取过程中已经使用。

(四)空间信息增强

空间信息增强是指通过改变图像空间特征或频率来增强图像上信息的手段,即改变图像的“粗糙”或“平滑”程度来增强特征信息的方法。工作中使用了方向滤波和平均值滤波。

1.方向滤波

方向滤波是梯度法边缘增强的一种,它通过指定的8个方向的滤波模块对图像按方向进行边缘增强。工作中主要使用在线性体的解译和统计中,滤波后的图像突出显示了某个方向的线性体特征,同时对与该方向正交的线性体进行模糊。如图3-11所示,7波段的图像在分别使用 个方向模板滤波后,分别突出显示了45°方向和135°方向的线性体。

图3-11 方向滤波前后图像对比

2.平滑滤波

当需要去除图像上的噪声时,往往使用平滑滤波或低通滤波,加强图像中的低频成分,减弱图像的高频成分,使图像由“粗糙”变得“光滑”。均值滤波就是一种典型的平滑滤波方法,即用局部范围内临域像元亮度均值代替中心原像元亮度值。工作中平滑滤波主要使用在遥感蚀变信息提取后,信息噪声的去除。如图3-12所示,提取的锈水河铅锌矿异常在平滑滤波后,杂乱细小的信息斑点被去除,信息成“块”成“带”出现,方便了对异常分布的分析。

图3-12 平滑滤波前后PCT分级效果对比

(五)彩色变换技术

彩色变换技术是指将彩色图像在不同的彩色坐标系统之间的变换,主要应用在不同遥感器的数据或不同性质的数据融合后彩色合成图像的产生。在图像融合上常使用IHS变换,其简式如下:

滇东北铅锌银矿床遥感地质与成矿预测

变换后RGB混色系统分离为代表空间信息的明度(I)和代表波谱信息的色别(H)、饱和度(S)。从公式可以看出,明度(I)是3个波段的平均亮度,融合时使用直方图匹配后的高分辨率波段代替I,与原来的H、S一起进行IHS变换的反变换,重新变换到RGB空间,这样图像既保证了高分辨率数据的参与,提高地面分辨能力,又保持了原来多光谱波段的光谱特征。其融合效果参见图3-5。

另外,项目工作中较常用的是RGB彩色合成,当图像的饱和度缺乏时,也通过IHS变换的方法,专门对变换后的饱和度分量(S)进行调整,反变换后的图像可解译性会明显提高。

南方rtk 没有已知点情况下如何测量地形图

可以,先做静态布设一个导线网,注意导线网的形状。做完静态把静态数据解算等到一组WGS84坐标系下的坐标数据,然后在自己给其中的一个点一个自定义坐标,比如1000,1000,200。 然后根据这个坐标就可以推算出在这个坐标系下的其他几个点的坐标了,这样北方向就定出来了,因为你只自定义了一个点的坐标,其他的是根据WGS84坐标系算出来的,所以北方向是真实有效地,如果自定义两个就不行了。 你静态解算的原始坐标就做为已知坐标,就可以进行地形测量了。 实在不行就去咨询你们当地南方的技术员。

收集地理信息的方法有哪些?

主要有三种途径 一种是数字化,就是把野外测量好的数据或者地图数字化后的数据利用手工输入的办法录入,是现在精确度最高的建库方法 第二种是从老MIS系统挂接,但这只限于属性数据 第三种是通过遥感影像,这是最廉价最高效的采集方式,但是由于现在地物识别技术有待发展,所以准确度有限,比如管线地理信息系统,里面的水管啊,气管啊就不能有遥感来实现入库

文章标签:自然科学数学理工学科种植花鸟鱼虫