面向火星表面層狀硅酸鹽識(shí)別的模型研究

張 霞,吳 興,2*,楊 杭,陳圣波、林紅磊,2

1. 中國(guó)科學(xué)院遙感與數(shù)字地球研究所,北京 100101 2. 中國(guó)科學(xué)院大學(xué),北京 100049 3. 吉林大學(xué),吉林 長(zhǎng)春 130012

面向火星表面層狀硅酸鹽識(shí)別的模型研究

張 霞1,吳 興1,2*,楊 杭1,陳圣波3、林紅磊1,2

1. 中國(guó)科學(xué)院遙感與數(shù)字地球研究所,北京 100101 2. 中國(guó)科學(xué)院大學(xué),北京 100049 3. 吉林大學(xué),吉林 長(zhǎng)春 130012

層狀硅酸鹽是火星表面含水礦物的主要存在形式之一、也是比較火星不同沉積物和水蝕作用程度的指示礦物、因此構(gòu)建其識(shí)別模型對(duì)研究火星的地質(zhì)演化極其重要。短波紅外和熱紅外譜段對(duì)礦物的基團(tuán)、離子光譜響應(yīng)機(jī)理不同、具有不同的識(shí)別優(yōu)勢(shì)、然而國(guó)內(nèi)外聯(lián)合兩者識(shí)別層狀硅酸鹽礦物則鮮有研究?；赨SGS光譜庫(kù)數(shù)據(jù)、面向火星探測(cè)器緊湊型偵查成像光譜儀(CRISM)和熱輻射成像系統(tǒng)(THEMIS)、在層狀硅酸鹽的光譜響應(yīng)機(jī)理研究基礎(chǔ)之上、分別構(gòu)建短波紅外識(shí)別模型與熱紅外模型、進(jìn)而結(jié)合短波紅外和熱紅外譜段、基于Fisher判別分析構(gòu)建層狀硅酸鹽的綜合識(shí)別模型。交叉驗(yàn)證表明、綜合模型識(shí)別精度優(yōu)于短波紅外模型和熱紅外模型、對(duì)90.6%的礦物樣本正確識(shí)別、有效提高了層狀硅酸鹽的識(shí)別精度。

高光譜； 短波紅外； 熱紅外； 層狀硅酸鹽； 火星

引 言

層狀硅酸鹽是一種含水硅酸鹽、易于在多種地質(zhì)作用中形成。層狀硅酸鹽是火星表面過(guò)去液態(tài)水獨(dú)特的記錄[1]、也是比較不同火星沉積物和蝕變程度的指示礦物[2]。因此構(gòu)建其光譜識(shí)別模型對(duì)研究火星的地質(zhì)演化極其重要。

地物波譜信息是遙感識(shí)別地物的關(guān)鍵依據(jù)。在短波紅外譜段、層狀硅酸鹽的光譜特征主要由H2O或OH-相關(guān)的特征控制。H2O的吸收位置主要在1.4和1.9 μm附近、OH-與特定陽(yáng)離子結(jié)合產(chǎn)生的振動(dòng)在2.165～2.5 μm區(qū)域出現(xiàn)診斷特征[3]。在熱紅外譜段、層狀硅酸鹽主要為Si—O鍵伸縮振動(dòng)光譜、吸收特征位于9.5 μm附近、在9～10 μm為強(qiáng)吸收帶。

國(guó)外學(xué)者利用這些診斷性光譜在火星層狀硅酸鹽礦物探測(cè)方面進(jìn)行了一系列成功的探索。在短波紅外譜段、火星緊湊型偵查成像光譜儀(CRISM)數(shù)據(jù)具有高光譜、空間分辨率及較高的信噪比、在礦物填圖方面已得到廣泛的應(yīng)用。Bishop等基于CRISM數(shù)據(jù)探測(cè)到Mawrth Vallis地區(qū)層狀硅酸鹽廣泛分布[4]。Gurunadham等使用CRISM數(shù)據(jù)研究火星Gale撞擊坑的層狀硅酸鹽分布[5]。在熱紅外譜段、熱輻射成像系統(tǒng)(THEMIS)以較高的空間分辨率廣泛應(yīng)用于火星巖礦信息提取。Bandfield(2008)利用去相關(guān)拉伸的THEMIS發(fā)射率圖像6-5-4波段假彩色合成識(shí)別Hellas Basin西部的高二氧化硅沉積物[6]。McDowell等基于THEMIS探測(cè)到Nili Fossae地區(qū)存在層狀硅酸鹽[7]。目前研究大多局限于單一譜段、聯(lián)合短波紅外與熱紅外光譜識(shí)別層狀硅酸鹽礦物則鮮有研究。

在層狀硅酸鹽的光譜響應(yīng)機(jī)理研究基礎(chǔ)之上、采用USGS光譜數(shù)據(jù)庫(kù)、提出基于Fisher判別分析構(gòu)建層狀硅酸鹽的綜合識(shí)別模型、并運(yùn)用交叉驗(yàn)證的分析方法對(duì)模型的精度予以評(píng)價(jià)。結(jié)果表明、本研究提出的綜合識(shí)別模型切實(shí)有效、對(duì)火星表面層狀硅酸鹽識(shí)別具有很大的潛力。

1 實(shí)驗(yàn)部分

1.1 USGS光譜庫(kù)數(shù)據(jù)

USGS(美國(guó)地質(zhì)調(diào)查局)光譜庫(kù)匯集了礦物、巖石、土壤、植被等自然和人工地物的反射率光譜數(shù)據(jù)、其波長(zhǎng)覆蓋紫外到遠(yuǎn)紅外譜段。USGS光譜庫(kù)已廣泛應(yīng)用于光譜識(shí)別與定量反演研究。

火星表面除層狀硅酸鹽外、還有其他造巖礦物(如長(zhǎng)石、輝石、角閃石、石英等)、鐵氧化物、硫酸鹽礦物等。本研究據(jù)此從USGS標(biāo)準(zhǔn)礦物光譜庫(kù)選取69種礦物共計(jì)149條礦物光譜曲線、其中層狀硅酸鹽包括云母族、蒙脫石族、高嶺石族、蛇紋石族、綠泥石族共54條光譜； 其他礦物包括碳酸鹽、硫酸鹽、硼酸鹽、氧化物、以及鏈狀、島狀、架裝硅酸鹽礦物共95條光譜。這些礦物光譜利用Nicolet光譜儀、在干燥條件下通過(guò)雙錐反射測(cè)量獲得。剔除數(shù)據(jù)缺失的波段、波長(zhǎng)范圍為1.5～14.98 μm、涵蓋短波紅外到熱紅外譜段。由于光譜數(shù)據(jù)記錄的是樣品的反射率、在熱紅外譜段運(yùn)用基爾霍夫熱輻射定律近似求得礦物發(fā)射率。

1.2 光譜重采樣

為探測(cè)火星地質(zhì)巖礦分布信息、近年來(lái)美國(guó)、歐洲空間局先后發(fā)射多顆火星探測(cè)器、其中以CRISM和THEMIS性能最佳。CRISM在目標(biāo)探測(cè)模式下可獲取544個(gè)波段、波長(zhǎng)范圍0.362～3.92 μm、涵蓋短波紅外譜段、光譜間隔6.55 nm、空間分辨率為18/36 m[8]。在熱紅外探測(cè)器中、THEMIS以較高的空間分辨率廣泛應(yīng)用于火星巖礦信息提取。THEMIS熱紅外模式共10個(gè)波段、波長(zhǎng)范圍為6.78～14.88 μm、空間分辨率是100 m。

(1)

式中μ為探測(cè)器中心波長(zhǎng)。

(2)

為減弱信息丟失、高斯響應(yīng)采樣間隔定為±3δ。利用高斯響應(yīng)模型計(jì)算礦物樣本各波段的響應(yīng)系數(shù)、將其歸一化處理作為光譜響應(yīng)權(quán)重、和±3δ內(nèi)的反射率加權(quán)求和即得到重采樣的礦物光譜。

2 光譜特征分析及參量化

在短波紅外譜段、礦物吸收特征大都是Fe2+(1.0 μm)和Fe3+(0.9 μm)過(guò)渡族元素的躍遷以及導(dǎo)帶產(chǎn)生； 振動(dòng)過(guò)程大都是水分子(1.4、1.9 μm)、X—OH(X通常為Al3+、Mg2+、Si4+等、在2.1～2.3和2.3～2.5 μm區(qū)域產(chǎn)生許多診斷特征)、可以根據(jù)吸收位置識(shí)別層狀硅酸鹽礦物。圖1反映了不同類別礦物反射光譜的可識(shí)別度。

圖1 重采樣到CRISM光譜分辨率的典型礦物反射率波譜

Christina等基于目前火星上已探測(cè)的礦物提出了修訂的CRISM光譜參數(shù)[9]。研究表明、光譜參數(shù)能夠捕獲火星表面已知礦物光譜的差異。本文選取與層狀硅酸鹽光譜特征相關(guān)的10個(gè)光譜參數(shù)、其名稱、物理意義及公式如表1所示。

表1 與層狀硅酸鹽相關(guān)的CRISM光譜參數(shù)

*表1公式中、a=(λR-λC)/(λR-λL)、b=1-a。其中λL和λR分別為中心波長(zhǎng)λC左右波長(zhǎng)。

在熱紅外譜段、如圖2所示、根據(jù)不同絡(luò)陰離子的發(fā)射光譜(碳酸根離子(11.1～11.3 μm)、硫酸根離子(8.5～9 μm)、層狀硅酸鹽(9～10 μm))能夠有效區(qū)分礦物。層狀硅酸鹽礦物在9.5 μm附近具有強(qiáng)吸收谷、光譜曲線在THEMIS 4、5、6波段形狀呈“V”字形、波段5對(duì)應(yīng)層狀硅酸鹽最強(qiáng)的吸收谷、能夠很好的與其他礦物區(qū)分開(kāi)來(lái)。進(jìn)行差值、比值、歸一化、對(duì)數(shù)、斜率等數(shù)學(xué)運(yùn)算、增大波段5與波段4和6的反差、分別求取每種運(yùn)算的閾值并統(tǒng)計(jì)其識(shí)別結(jié)果、將識(shí)別精度最高的一種運(yùn)算作為層狀硅酸鹽的熱紅外識(shí)別模型。

圖2 重采樣到THEMIS光譜分辨率的典型礦物發(fā)射率波譜

3 Fisher判別分析及評(píng)價(jià)方法

3.1 Fisher判別函數(shù)

Fisher判別分析是根據(jù)樣本的多個(gè)變量(特征)來(lái)劃分待判樣本歸屬于哪一類的多元統(tǒng)計(jì)分析方法。其基本思想是尋找一個(gè)新的投影方向、使得已知類別總體數(shù)據(jù)點(diǎn)群得以顯著區(qū)分[10]。本研究基于Fisher判別分析、采用多個(gè)光譜參數(shù)來(lái)對(duì)礦物樣本進(jìn)行分類、其基本原理為：

設(shè)從2個(gè)總體分別取得2類p維觀測(cè)值G1、G2如下

其中n=n1+n2。

令a為Rp中的任一向量、μ(x)=a′x為x在以a為法線方向的投影、則上述數(shù)據(jù)的投影為

類間平方和為

(3)

類內(nèi)平方和為

(4)

當(dāng)2類均值有顯著差異時(shí)、則類間差異大、類內(nèi)差異小、即F應(yīng)充分大

F=SSG/SSE=a′Ba/a′Ea

(5)

Fisher準(zhǔn)則下的線性判別函數(shù)μ(x)=a′x的解a為方程|B-λE|=0的最大特征值λ1所對(duì)應(yīng)的特征向量l1[11]。

判別分析有三點(diǎn)假設(shè)：(1)各判別變量遵從多元正態(tài)分布； (2)各組變量的協(xié)方差矩陣相等； (3)每一個(gè)判別變量不能是其他判別變量的線性組合。對(duì)假設(shè)1判別分析要求不甚嚴(yán)格、故在本研究中、首先對(duì)各個(gè)變量進(jìn)行組間協(xié)方差相等檢驗(yàn)、剔除未通過(guò)顯著性檢驗(yàn)的變量。為篩選對(duì)模型解釋能力較強(qiáng)的幾個(gè)變量、且避免余下變量存在線性關(guān)系、采用有進(jìn)有出的動(dòng)態(tài)調(diào)節(jié)方法、最終只保留數(shù)量不太多而判別能力又強(qiáng)的變量。

3.2 模型評(píng)價(jià)方法

將樣本分為構(gòu)造判別函數(shù)的訓(xùn)練集和評(píng)估結(jié)果的驗(yàn)證集、采用交叉驗(yàn)證的方法檢驗(yàn)?zāi)Ｐ偷目煽啃浴＝徊骝?yàn)證是將樣本等分為n份、然后依次使用其中的n-1份(訓(xùn)練集)建立判別函數(shù)、并用新建的判別公式對(duì)第n份(驗(yàn)證集)進(jìn)行判別[11]、以此獲得正判的樣本個(gè)數(shù)、得出正判率。

4 識(shí)別模型及結(jié)果分析

本文基于USGS標(biāo)準(zhǔn)礦物波譜庫(kù)數(shù)據(jù)先分別構(gòu)建層狀硅酸鹽的短波紅外與熱紅外識(shí)別模型、進(jìn)而結(jié)合兩者不同的探測(cè)優(yōu)勢(shì)構(gòu)建綜合識(shí)別模型、通過(guò)交叉檢驗(yàn)對(duì)模型的精度予以評(píng)價(jià)。

4.1 短波紅外識(shí)別模型

根據(jù)表1所列10個(gè)光譜參數(shù)對(duì)礦物樣本進(jìn)行判別分析。首先對(duì)各個(gè)變量進(jìn)行組間協(xié)方差相等檢驗(yàn)、剔除BD1 900、BD2 165、BD2 190、BD2 290這四個(gè)未通過(guò)顯著性檢驗(yàn)的變量、將余下6個(gè)變量逐步加入判別模型。得到Fisher判別函數(shù)式6和兩類礦物的質(zhì)心、其中層狀硅酸鹽質(zhì)心是1.135、其他礦物質(zhì)心-0.645。

SPI=9.12BD2 210+6.68BD2 355+

3.45D2 300-5.25SINDEX-0.379

(6)

SPI與2 210、2 300和2 355 nm的吸收特征正相關(guān)、與層狀硅酸鹽在這幾個(gè)波長(zhǎng)具有診斷性光譜吻合； 與SINDEX負(fù)相關(guān)、是因?yàn)樵搮?shù)主要識(shí)別含水硫酸鹽。交叉驗(yàn)證結(jié)果顯示、SPI成功識(shí)別了54個(gè)層狀硅酸鹽中的45個(gè)、共對(duì)149個(gè)樣本中的131個(gè)正確識(shí)別、識(shí)別精度為87.92%。

4.2 熱紅外識(shí)別模型

TPI=B4+B6-2B5

(7)

式中B4、B5、B6是THEMIS的4、5、6波段。TPI對(duì)149個(gè)礦物樣本中的127個(gè)正確分類、識(shí)別精度達(dá)到85.23%。

表2 熱紅外光譜識(shí)別結(jié)果

4.3 結(jié)合短波紅外與熱紅外識(shí)別模型

將短波紅外的10個(gè)CRISM光譜參數(shù)和在熱紅外選取的1個(gè)參數(shù)TPI構(gòu)成11維的變量空間、對(duì)樣本進(jìn)行Fisher判別分析、得到判別函數(shù)式8和兩類礦物的質(zhì)心、其中層狀硅酸鹽質(zhì)心是1.355、其他礦物質(zhì)心-0.770。

PI=5.13BD2 210+5.31BD2 355+

2.36D2 300-3.85SINDEX+5.12TPI-0.547

(8)

交叉驗(yàn)證結(jié)果顯示、PI成功識(shí)別了54個(gè)層狀硅酸鹽中的47個(gè)、共對(duì)149個(gè)樣本中的135個(gè)正確識(shí)別、識(shí)別精度為90.60%。

對(duì)比本文Fisher判別與Bayes判別分析[11]、決策樹(shù)分類(CART算法)[12]的識(shí)別精度。如表3所示、Fisher判別模型精度優(yōu)于其他兩種方法。

表3 不同識(shí)別方法精度對(duì)比

Fisher判別函數(shù)能夠很好的將兩類礦物區(qū)分開(kāi)來(lái)。對(duì)于新的礦物樣本、計(jì)算相應(yīng)的光譜參數(shù)代入PI、將樣本分類到判別得分更靠近質(zhì)心的一類礦物中。如表4所示(類別1為層狀硅酸鹽礦物、類別0為其他礦物)。

表4 綜合模型識(shí)別礦物樣本示例

5 結(jié) 論

本文提出的綜合模型為火星層狀硅酸鹽識(shí)別奠定光譜基礎(chǔ)、但在模型應(yīng)用于火星遙感圖像時(shí)還需考慮以下問(wèn)題：

(1)短波紅外CRISM與熱紅外THEMIS圖像的空間分辨率不一致、空間重采樣方法將影響識(shí)別結(jié)果；

(2)光譜特征參數(shù)在圖像運(yùn)算中可能會(huì)增大局部噪聲、層狀硅酸鹽識(shí)別精度的提高有賴于光譜波段選擇及光譜特征參數(shù)的優(yōu)化；

(3)火星上大氣的成分與含量與地球大氣迥異、選擇或發(fā)展有效的大氣校正方法以獲得準(zhǔn)確的圖像光譜是火星礦物識(shí)別必須解決的問(wèn)題。

[1] Poulet F,Mangold N,Loizeau D,et al. Astronomy & Astrophysics,2008、487：L41.

[2] Smith M R,Bandfield J L,Cloutis E A,et al. Icarus,2013、223：633.

[3] Carter J,Poulet F,Bibring J P,et al. Journal of Geophysical Research: Planets,2013、118：831.

[4] Bishop J L,Loizeau D,McKeown N K,et al. Planetary and Space Science,2013、86：130.

[5] Gurunadham R、Kumar S. Remote Sensing and Spatial Information Sciences,2014、40：431.

[6] Bandfield J L. Geophysical Research Letters,2008、35(12): 82.

[7] McDowell M L、Hamilton V E. Journal of Geophysical Research: Planets,2009、114(E6): 258.

[8] Murchie S,Arvidson R,Bedini P,et al. Journal of Geophysical Research: Planets,2007、112(E5): 431.

[9] Viviano Beck C E,Seelos F P,Murchie S L,et al. Journal of Geophysical Research: Planets,2014、119：1403.

[10] YUAN Yue,PAN Jun,XING Li-xin、et al(袁 悅、潘 軍、邢立新、等). Science Technology and Engineering(科學(xué)技術(shù)與工程),2015. 109.

[11] HE Xiao-qun(何曉群). Multivariate Statistical Analysis(多元統(tǒng)計(jì)分析). 4 Ed.(第四版). Beijing: China Renmin University Press(北京：人民大學(xué)出版社),2015.

[12] ZHOU Zhi-hua(周志華). Machine Learning(機(jī)器學(xué)習(xí)). Beijing: Tsinghua University Press(北京：清華大學(xué)出版社),2016.

*Corresponding author

Study on Recognition Model of Phyllosilicate of Martian Surface

ZHANG Xia1,WU Xing1,2*,YANG Hang1,CHEN Sheng-bo3,LIN Hong-lei1,2

1. Institute of Remote Sensing and Digital Earth,Chinese Academy of Sciences,Beijing 100101,China 2. University of Chinese Academy of Sciences,Beijing 100049,China 3. Jilin University,Changchun 130012,China

Phyllosilicate belongs to hydrated silica,which is a principal form of hydrous minerals on the martian surface. It’s also an indicator in comparing different sediments and degree of aqueous alteration. Therefore,it’s essential to establish its recognition model for studying the geologic evolution of the Mars. Short-wave infrared (SWIR) spectral bands and thermal infrared (TIR) spectral bands have distinct spectral response to the mineral groups and ions,so they have distinctive advantages in detecting minerals. However the method of combining SWIR and TIR to recognize phyllosilicate is rarely studied. Based on the USGS spectral library,facing Compact Reconnaissance Imaging Spectrometer for Mars(CRISM) and Thermal Emission Imaging System(THEMIS),we conducted the research on the mechanism of the spectral response of phyllosilicate,and established the SWIR and TIR identification model respectively,then combined the SWIR and TIR spectral features to build the combined recognition model of phyllosilicate with Fisher discriminant analysis. The results of cross validation show that the identification accuracy of combined model is the highest,which can correctly classify 90.6% of the mineral samples and improve the identification precision of phyllosilicate effectively.

Hyperspectral remote sensing; Short-wave infrared; Thermal infrared; Phyllosilicate; Mars

Aug. 27,2015; accepted Dec. 18,2015)

2015-08-27、

2015-12-18

國(guó)家自然科學(xué)基金項(xiàng)目(41671360)、國(guó)家“863”計(jì)劃項(xiàng)目(2013AA12A302)資助

張 霞、女、1972年生、中國(guó)科學(xué)院遙感與數(shù)字地球研究所研究員 e-mail: zhangxia@radi.ac.cn *通訊聯(lián)系人 e-mail: wuxing15@mails.ucas.ac.cn

P575

A

10.3964/j.issn.1000-0593(2016)12-3996-05