遙感巖性識(shí)別分類研究

王建剛，葉發(fā)旺，邱駿挺，孟 樹，張 川

（核工業(yè)北京地質(zhì)研究院，遙感信息與圖像分析技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室，北京100029）

遙感技術(shù)具有觀測(cè)空間范圍廣、 無(wú)侵入、工作周期短、 獲取信息豐富、 投入產(chǎn)出比高、節(jié)省人力等特點(diǎn)，在地學(xué)領(lǐng)域尤其是小比例尺地質(zhì)調(diào)查中具有得天獨(dú)厚的優(yōu)勢(shì)。 過(guò)去半個(gè)世紀(jì)人類積累了海量的遙感對(duì)地觀測(cè)數(shù)據(jù)，為開展大面積遙感巖性識(shí)別奠定了基礎(chǔ)[1-3]。

遙感巖性識(shí)別是通過(guò)處理分析遙感數(shù)據(jù)，確定地表巖石類型、 分布范圍及狀況的技術(shù)。對(duì)此，前人已經(jīng)進(jìn)行了許多相關(guān)的研究：劉德長(zhǎng)等針對(duì)巖石理化差別，使用多源信息復(fù)合方法進(jìn)行了巖性分類[4]；甘甫平等針對(duì)成像光譜的光譜特征，使用主成分方法進(jìn)行了巖性分類[5]；黃穎瑞等針對(duì)巖性紋理差異，使用地質(zhì)統(tǒng)計(jì)學(xué)區(qū)分巖性紋理進(jìn)行了分類[6]。 總之，有關(guān)遙感巖性識(shí)別的研究很多，使用的方法有很多種，不同方法基于的原理不同，適用范圍不一樣，得出的結(jié)果也不盡相同。針對(duì)不同情況選擇合理有效的遙感巖性識(shí)別方法，筆者進(jìn)行了分析和歸納，將巖性識(shí)別方法進(jìn)行了分類和論述，以期給進(jìn)一步深入研究的學(xué)者提供參考。

1 遙感巖性識(shí)別分類原理

遙感巖性識(shí)別是一個(gè)圖像分類問(wèn)題。 具體來(lái)說(shuō)，是將圖像中每個(gè)像元點(diǎn)劃分到若干個(gè)類別中的具體一類。 即對(duì)具有若干屬性的像元指定類別標(biāo)簽，將像素單元的其他屬性轉(zhuǎn)換為類型屬性的過(guò)程[7]。

雖然分類問(wèn)題的解決途徑有很多種，其核心問(wèn)題依然是分類判據(jù)和分類方法的選擇。分類判據(jù)是指用于分類的信息類型，是一個(gè)或多個(gè)變量信息。 分類方法是對(duì)分類判據(jù)進(jìn)行計(jì)算、 處理并輸出分類結(jié)果的一個(gè)或多個(gè)方法組合（圖1）。

同類目標(biāo)之間的共性、 不同類目標(biāo)之間的差異是客觀存在的。 通常情況下，同類巖石在遙感影像上具有相同或相似的光譜和空間特征，而不同巖石在影像上的光譜和空間特征往往表現(xiàn)不同。 因此，可將光譜特征或空間特征作為遙感巖性分類判據(jù)。 由于遙感影像通常以像元灰度值展示地物，同一類地物在不同波段上的像元灰度值構(gòu)成了該類地物在光譜維上的特征度量，同一類地物在相鄰單元的灰度值變化構(gòu)成了該類地物在空間維上的特征度量。 因此，不同波段的灰度值或相鄰像元的灰度值可作為遙感巖性識(shí)別的分類判據(jù)。

根據(jù)遙感巖性分類問(wèn)題的特點(diǎn)，其分類方法可分為三大類，即基于光譜特征的分類、基于空間特征的分類和基于多源信息復(fù)合的分類[2]。

1.1 基于光譜特征分類

圖1 分類判據(jù)與及處理流程Fig. 1 Classification criteria and processing procedure

在遙感巖性識(shí)別領(lǐng)域，基于當(dāng)前探測(cè)器發(fā)展水平，常用的遙感方法還是光學(xué)遙感。實(shí)際應(yīng)用型光學(xué)遙感是被動(dòng)遙感，輻射源主要是太陽(yáng)和地物，其接受的信號(hào)主要是地物反射太陽(yáng)光和自身熱輻射。 根據(jù)普朗克公式和基爾霍夫定律，太陽(yáng)（6 150 K）的最強(qiáng)輻射對(duì)應(yīng)波長(zhǎng)為470 nm，地表（300 K）最強(qiáng)輻射對(duì)應(yīng)波長(zhǎng)9 660 nm。 圖2 展示了太陽(yáng)和地表實(shí)際電磁輻射差異。 在 300～2 500 nm 范圍內(nèi)，地表反射的太陽(yáng)輻射成為地表主要輻射來(lái)源，而地表自身發(fā)射很弱可以忽略不計(jì)；在6～20 μm熱紅外范圍內(nèi)，主要為地面發(fā)射，太陽(yáng)反射很弱。 同時(shí)大氣層對(duì)電磁波具有吸收、 反射和散射作用，透射率較高的波段——大氣窗口的數(shù)據(jù)更接近真實(shí)地物電磁波譜信息。 因此巖性識(shí)別能夠獲取使用的有效波段主要為可見光～近紅外波段和熱紅外波段[8]。

巖石通常包含多種礦物，巖石光譜是各種礦物對(duì)電磁波反射、 吸收和發(fā)射的綜合體現(xiàn)。 在 0.4～2.5 μm 范圍 （可見光～近紅外～短波紅外） 內(nèi)主要體現(xiàn)為巖石的吸收反射特征，8～14 μm 范圍內(nèi)體現(xiàn)巖石的發(fā)射特征[8]。

礦物的組分結(jié)構(gòu)相對(duì)固定，光譜相對(duì)穩(wěn)定。 巖石的組成復(fù)雜，其各種礦物組分的光譜互相會(huì)產(chǎn)生影響，同時(shí)還受到其他因素的影響，導(dǎo)致其光譜往往各有差異。 但是其組成礦物的強(qiáng)特征還是會(huì)在巖石光譜內(nèi)有所體現(xiàn)，尤其是一些強(qiáng)吸收特征。 地物光譜特征主要表現(xiàn)為：吸收位置、 吸收深度、 吸收面積、 吸收寬度、 吸收對(duì)稱性、 光譜斜率、 光譜導(dǎo)數(shù)、 光譜吸收數(shù)目等。 其中，吸收位置、吸收深度和吸收對(duì)稱性是最重要的巖礦診斷性光譜特征，三者在巖礦識(shí)別的應(yīng)用中也最為廣泛[9-10]。

圖2 太陽(yáng)和地表實(shí)際電磁輻射差異 （據(jù)梅安新，2000）Fig. 2 The difference between the actual electromagnetic radiation of ground surface to the sun emission（After MEI Anxin，2000）

但常見造巖礦物并沒(méi)有典型光譜特征，只有部分蝕變礦物有一定的反射率光譜特征，部分造巖礦物有一定的熱紅外發(fā)射特征。 前人對(duì)多種礦物的反射率、 發(fā)射率光譜進(jìn)行了系統(tǒng)研究（Hunt 等），總結(jié)了礦物的反射率、發(fā)射率特點(diǎn)。 可見光-近紅外范圍的地物反射率光譜特征取決于礦物的化學(xué)組分和物理結(jié)構(gòu)，其結(jié)果主要是電子躍遷和分子振動(dòng)的結(jié)果。 在 300～1 300 nm 范圍內(nèi)，礦物光譜特征主要取決于礦物晶體結(jié)構(gòu)中存在的晶體場(chǎng)效應(yīng)、 電荷遷移、 導(dǎo)帶躍遷等，如過(guò)渡性金屬元素的電子能級(jí)躍遷；1 300～2 500 nm 范圍內(nèi)主要取決于組成礦物結(jié)構(gòu)的陰離子基團(tuán)震動(dòng)影響，如水分子（H2O）、 羥基（-OH）、 碳酸根硫酸根等基團(tuán)的振動(dòng)[2，10-22]。熱紅外范圍的地物發(fā)射率光譜取決于礦物的鍵位振動(dòng)，尤其是 Si-O 鍵的振動(dòng)，以及等基團(tuán)基頻振動(dòng)的微小變化（表 1，圖 3）[16，23]。

表1 礦物識(shí)別波段范圍Table 1 Band range for mineral identification

圖3 礦物電子特征與振動(dòng)特征分布及成因圖 （據(jù)Hunt，1982 修改）Fig. 3 Distribution of electronic features and vibration characteristics of minerals and their genesis（Modified after Hunt，1982）

1.2 基于空間特征分類

如前所述，同一類地物在相鄰單元的灰度值變化構(gòu)成了該類地物在空間維上的特征度量。 對(duì)于遙感影像，一定灰度值在相鄰像元間的反復(fù)變換形成的規(guī)則視覺特征就構(gòu)成了紋理特征。 紋理特征主要有兩個(gè)體現(xiàn)：異變性和相關(guān)性。 不同巖性的巖石紋理特征不同時(shí)，可利用紋理特征對(duì)巖石進(jìn)行劃分，實(shí)際上就是利用紋理的異變性和相關(guān)性進(jìn)行巖性分類。

1.3 基于多源信息復(fù)合分類

除光譜和空間特征外，不同巖石還有其他一些理化特征差異，如重力差異、 磁場(chǎng)差異、 放射性差異等。 將遙感數(shù)據(jù)與其他類型數(shù)據(jù)疊置到一起，通過(guò)疊置分析，能夠凸顯出不同巖性性質(zhì)差異，進(jìn)一步進(jìn)行巖性區(qū)分成為復(fù)合分類。 常用的復(fù)合信息包括放射性，重力和磁場(chǎng)等[4，6]。

2 遙感巖性識(shí)別方法

與識(shí)別原理對(duì)應(yīng)的三類識(shí)別方法為：基于光譜特征的巖性分類、 基于空間特征的巖性分類和基于多源信息復(fù)合的巖性分類[2]。 各類方法及其下屬具體方法的情況總結(jié)于圖4。

2.1 基于光譜特征的巖性分類

基于光譜特征的巖性分類方法主要有五種，即信息增強(qiáng)識(shí)別法、 全波形態(tài)識(shí)別法、 匹配濾波法、 特定指數(shù)識(shí)別法及光譜解混法[2]。

2.1.1 信息增強(qiáng)識(shí)別

信息增強(qiáng)識(shí)別是一種信息提取與信息處理方法。 在挑選、 增強(qiáng)光譜信息中的有效信息（如吸收特征信息）后，使用增強(qiáng)的信息作為分類判據(jù)，進(jìn)行分類識(shí)別。 實(shí)際的遙感影像包含的信息非常多，除了地物的真實(shí)信息，還有干擾雜音，因此需要提取增強(qiáng)有用信息。對(duì)于巖性識(shí)別分類問(wèn)題，信息增強(qiáng)主要有四種方法，分別是主成分分析（PCA）、 最佳指數(shù)因子（OIF）、 最小噪聲分離（MNF）、 波段比值法（BR）[10，24-27]。

1） 主成分分析法

主成分分析法是一種統(tǒng)計(jì)學(xué)方法。 其原理是通過(guò)對(duì)所有信息進(jìn)行計(jì)算，提取出各不相關(guān)主成分組分及各波段貢獻(xiàn)因子。 在遙感主成分提取中，其計(jì)算結(jié)果是互不相關(guān)的一組主成分?jǐn)?shù)據(jù)，每個(gè)組分中，各波段的貢獻(xiàn)度不同。 前幾波段包含的信息占據(jù)全部信息中的絕大部分，且越靠前的主成分包含的信息量越大。 因此實(shí)際選擇主成分時(shí)，要選擇靠前的主成分，同時(shí)與其他波段或主成分進(jìn)行彩色合成，突出對(duì)應(yīng)具有特征的巖體。 主成分分析法能提取出有效信息，不會(huì)因信息重復(fù)影響識(shí)別精度。 但是主成分分析提取的是主要信息，又可能會(huì)將差異信息視作噪音，因此其結(jié)果還有待進(jìn)一步處理[5]。

圖4 巖性識(shí)別分類方法Fig. 4 Methods of remote sensing identification and classification of lithology

A.Alberti（2000）首次使用主成分分析方法處理分析高光譜數(shù)據(jù)，對(duì)西南安哥拉納米貝省區(qū)地區(qū)的超鎂鐵巖體進(jìn)行了巖性分類，發(fā)現(xiàn)其可行性較好；D.Ren（2006）使用主成分分析（PCA）及其他方法處理 ASTER 數(shù)據(jù)，識(shí)別了蛇綠巖組分[27-28]。

2） 最佳指數(shù)因子法

最佳指數(shù)因子法是一種波段選擇方法。通過(guò)選擇最佳的三個(gè)波段進(jìn)行假彩色合成，突出目標(biāo)巖體信息。 選擇最佳波段的指標(biāo)是波段信息量高 （波段標(biāo)準(zhǔn)差夠大） 且波段之間的相關(guān)性小。 最佳指數(shù)因子法能夠挑選出最佳波段，但是 “最佳波段” 包含的信息并不一定是有效信息，效果有待探究[26]。

3） 最小噪聲分離法

最小噪聲分離法是一種二次主成分分析方法，與主成分方法相似，得到的前幾個(gè)主成分?jǐn)?shù)據(jù)具有絕大部分?jǐn)?shù)據(jù)特征，后面的成分包含更多噪聲。 忽略其他次要成分，使用前幾個(gè)主成分波段，即可分離噪聲，保留主成分。 使用前三個(gè)主成分波段進(jìn)行假彩色合成，通過(guò)假彩色合成的影像進(jìn)行識(shí)別。 最小噪聲分離法與主成分分析法的優(yōu)缺點(diǎn)相似[26，29]。

4） 波段比值法

波段比值法是一種凸顯吸收特征的方法。由于中低分辨率衛(wèi)星數(shù)據(jù)更易獲取，更為常用；高光譜分辨率的衛(wèi)星、 航空數(shù)據(jù)較少，獲取較難，使用較少。 但是中低光譜分辨率的數(shù)據(jù)，波段數(shù)較少，波段較寬，光譜曲線不能描述實(shí)際反射率變化情況，吸收峰位置、形態(tài)、 深度也很難判定。 但是吸收峰所處波段的反射率值，會(huì)比強(qiáng)反射波段的反射率低，因此將具有吸收特征的波段與強(qiáng)反射波段進(jìn)行相除運(yùn)算，通過(guò)比值高低凸顯吸收、 反射特征，判斷吸收信息。 波段比值方法可以凸顯吸收反射差異，消除地形等因素的影響，提高識(shí)別效果。 但是波段比值法要求待識(shí)別對(duì)象必須有一定的反射、 吸收特征[1，9，30-34]。

Ashraf Emam（2018）對(duì)沙漠的巖石類型進(jìn)行了識(shí)別。 選取了埃及東南沙漠研究區(qū)，使用OLI 數(shù)據(jù)和ASTER 數(shù)據(jù)，通過(guò)最佳指數(shù)因子，波段比值，主成分分析和最小噪聲分離等圖像信息增強(qiáng)方式，實(shí)現(xiàn)了巖性識(shí)別分類。并通過(guò)野外驗(yàn)證，評(píng)價(jià)了分類精度[26]。

2.1.2 全波形態(tài)識(shí)別法

全波形態(tài)識(shí)別法是所有波段的信息都參與處理計(jì)算，使用的是數(shù)據(jù)全部信息。 即將像元光譜曲線與樣本光譜曲線比較，計(jì)算其相似程度，進(jìn)行類別劃分。 相似程度的計(jì)算常用方法有基于距離匹配、 基于角度匹配等。

1） 基于距離測(cè)度法

基于距離測(cè)度法是計(jì)算空間內(nèi)兩向量間的空間距離，根據(jù)距離遠(yuǎn)近評(píng)價(jià)相似程度。常用的距離計(jì)算方法有歐氏距離法、 馬氏距離法、 曼哈頓距離法和混合距離法等。 基于距離匹配時(shí)使用的各參數(shù)權(quán)重相同，會(huì)極大影響識(shí)別精度，因此需要對(duì)權(quán)重進(jìn)行重新分配[2，35]。

2） 基于角度測(cè)度法

基于角度測(cè)度法是計(jì)算向量間角度，根據(jù)角度大小判斷相似程度。 將光譜的n 個(gè)波段視為n 維空間向量，每波段的反射率值視為一個(gè)向量維度，計(jì)算目標(biāo)光譜向量與樣本光譜向量之間的夾角，夾角越小說(shuō)明目標(biāo)與樣本越相似。 SAM 方法不會(huì)受到反射率強(qiáng)度影響，能消除地形的因素干擾，效果較好。但在實(shí)際使用中，仍舊有一些問(wèn)題，如各波段權(quán)重相同，無(wú)關(guān)波段會(huì)影響識(shí)別精度[2-3，27-29]。

高慧等（2013）使用了最小噪聲分離方法進(jìn)行了數(shù)據(jù)處理，分離了噪聲，然后使用SAM 方法處理主成分?jǐn)?shù)據(jù)，識(shí)別了巖性，結(jié)果證明識(shí)別精度較高[36]。

2.1.3 匹配濾波法

匹配濾波法是信號(hào)處理領(lǐng)域最有效的線性檢測(cè)方法，能有效處理噪聲雜音問(wèn)題。 在遙感分類問(wèn)題中，該方法能夠最大化純凈端元波譜信號(hào)，抑制噪聲雜音信號(hào)，再將光譜與波譜庫(kù)匹配，識(shí)別光譜類型[34，37-40]。

Rowan（2003）使用 Aster 數(shù)據(jù)，利用可見光、 近紅外和短波紅外波段，通過(guò)匹配濾波處理，識(shí)別了灰?guī)r和白云母；利用熱紅外數(shù)據(jù)識(shí)別了石英類巖石和碳酸鹽巖石；Rowan（2004）使用Hymap 數(shù)據(jù)，通過(guò)匹配濾波處理，識(shí)別了超基性巖性及鄰近巖性[32，41]。

2.1.4 特定指數(shù)識(shí)別法

特定指數(shù)識(shí)別法是一種人為規(guī)定的度量指數(shù)，根據(jù)各波段反射率值計(jì)算得到能夠定量化描述巖礦組分。 在遙感巖性識(shí)別領(lǐng)域，最常見使用的是 Ninomiya 等人（2004，2005，2010，2016，2017）提出的礦物指數(shù)法[42-47]。 其理論是各種成分含量與波段反射率值有相關(guān)關(guān)系，使用波段反射率值可反演礦物指數(shù)的數(shù)值，通過(guò)各種礦物指數(shù)判斷礦物巖性類別。Ninomiya 等研究了一系列指數(shù)：二氧化硅指數(shù)、 鎂鐵指數(shù)、 碳酸鹽指數(shù)、 石英指數(shù)、 石膏指數(shù)等。 通過(guò)光譜信息計(jì)算特定指數(shù)，根據(jù)各種指數(shù)進(jìn)行巖性分類評(píng)價(jià)[48]。

宋晚郊（2013）使用了 ASTER 影像，通過(guò)波段比值法和礦物指數(shù)法，結(jié)合野外查證，進(jìn)行了巖性識(shí)別（圖 5）[33]。

2.1.5 光譜解混法

遙感影像像元記錄的是一定面積內(nèi)所有地物光譜信號(hào)的混合結(jié)果，是混合像元。 混合像元內(nèi)的所有地物會(huì)彼此影響，光譜典型特征被減弱，致使分類精度下降。 光譜解混法能將混合光譜分解，得到組成成分與比例，即所謂的端元與豐度。 使用光譜解混方法能夠?qū)r性的混合光譜解混成礦物或已知巖性的光譜組合，進(jìn)一步判斷巖性類型。 常用的光譜解混方法分為線性解混和非線性解混。線性解混將混合光譜視為幾種端元的線性組合，彼此之間沒(méi)有相互作用；非線性解混認(rèn)為各種端元之間相互作用，混合光譜并不是簡(jiǎn)單的線性組合，地物的混合程度、 物理分布都會(huì)影響混合效果。 Hapke 模型是近些年使用較多的非線性解混模型，實(shí)踐證明，該模型解混效果較好[6，12，24，37，49-51]。

圖5 巖性解譯圖 （據(jù)宋晚郊，2013）Fig. 5 Lithological interpretation map （After SONG Wanjiao，2013）

Martin Black（2016）在南極半島的巖石裸露區(qū)進(jìn)行了巖性識(shí)別繪圖。 通過(guò)MNF 變換、像素分割處理后，估算了端元數(shù)量，使用端元提取算法（EEA）從圖像中提取端元，進(jìn)行了光譜解混，確定端元的豐度，最后根據(jù)端元豐度繪圖并標(biāo)記了巖性。 實(shí)驗(yàn)結(jié)果表明，雖然有一定噪聲和誤差，但總體分類情況較好[50]。

余琳使用了Hyperion 數(shù)據(jù)，在西藏地區(qū)進(jìn)行了基于線性解混的巖性識(shí)別。 結(jié)果發(fā)現(xiàn)使用基于完全約束的最小二乘法線性解混進(jìn)行巖性分類精度最高，甚至比傳統(tǒng)SAM 方法的識(shí)別精度更高[52]。

2.2 基于空間特征的巖性分類

基于空間特征的巖性分類方法有三類：統(tǒng)計(jì)提取法、 模型提取法及頻域變換法[51，53]。

2.2.1 統(tǒng)計(jì)提取法

統(tǒng)計(jì)提取法是以計(jì)算灰度值作為特征，通過(guò)穩(wěn)定的灰度值特征情況判斷區(qū)域內(nèi)灰度變化。 常用計(jì)算方法有變差函數(shù)法、 灰度共生矩陣法、 灰度級(jí)行程長(zhǎng)度法、 自相關(guān)函數(shù)法。 這幾種方法都能對(duì)局部?jī)?nèi)的灰度信息進(jìn)行統(tǒng)計(jì)，揭示空間變化情況。 該類方法只需按公式計(jì)算即可，較為簡(jiǎn)單便捷，且適用性強(qiáng)；但是與實(shí)際視覺效果吻合一般，效果并不很好[53]。

黃穎端（2003）、 李培軍（2004）使用地質(zhì)統(tǒng)計(jì)學(xué)中的對(duì)數(shù)變差函數(shù)，計(jì)算了遙感圖像的紋理，并結(jié)合光譜信息，實(shí)現(xiàn)了巖性分類。結(jié)果發(fā)現(xiàn)結(jié)合紋理信息識(shí)別能提高分類精度[6，53]。

2.2.2 模型提取法

模型提取法是根據(jù)計(jì)算模型算法進(jìn)行提取。 主要方法有分形模型法、 馬爾可夫隨機(jī)場(chǎng)模型法。 分形模型是根據(jù)分形理論指導(dǎo)實(shí)現(xiàn)的，該理論認(rèn)為自然界中的幾何圖案雖然在整體上不規(guī)則，但是在不同尺度上具有自相似性。 可以通過(guò)計(jì)算分形維度，量化描述紋理結(jié)構(gòu)的相似度[54]。

趙建華（2004）使用 TM 數(shù)據(jù)，采用分形方法計(jì)算了紋理信息，然后使用紋理信息進(jìn)行分類，結(jié)果證明分類精度較好[51]。

潘蔚（2009）提出了基于遙感圖像的地形結(jié)構(gòu)-巖性組分分解的巖性多重分形研究。 通過(guò)對(duì)不同地區(qū)二長(zhǎng)花崗巖體和沉積變質(zhì)巖的ETM 影像、 地形結(jié)構(gòu)圖像及巖性組分圖像對(duì)比分析，發(fā)現(xiàn)圖像分解后，巖性與地形結(jié)構(gòu)多重分形譜有相關(guān)性。 因此提出了遙感圖像的地形結(jié)構(gòu)-巖性組分模型和分離算法，研究證明該方法可以有效地區(qū)分巖石類型[55]。

2.2.3 頻域變換法

頻域變換法主要是通過(guò)頻域變換處理進(jìn)行信號(hào)信息轉(zhuǎn)換。 主要處理方法有傅里葉分析法、 小波分析法。 傅里葉分析法是對(duì)能量譜紋理進(jìn)行變換，最終提取紋理的尺度和方向；小波分析法能夠在時(shí)間-頻率方面和時(shí)間-尺度方面進(jìn)行分析，得到高頻信息，體現(xiàn)圖像空間特征[56]。

Perez 等人（2011）使用多向主成分分析法提取光譜特征，小波紋理分析計(jì)算紋理特征，將兩種數(shù)據(jù)結(jié)合，并運(yùn)用 SVM （支持向量機(jī)）方法進(jìn)行分類，取得了良好分類效果[57]；D. Ren（2006）獲取了 ASTER 數(shù)據(jù)，使用 主成分分析，快速傅里葉變換（FFT）和冗余小波變換（RWT） 方法，提取了主成分，抑制了噪聲，增強(qiáng)了圖像信息與對(duì)比度，識(shí)別了蛇綠巖。

2.3 基于多源信息復(fù)合的巖性分類

基于多源信息復(fù)合的巖性分類方法，其本質(zhì)是GIS 方法空間分析中的疊置分析方法，將多重信息疊置分析，使用邏輯交、 并、 差等運(yùn)算，篩選識(shí)別出滿足條件的所有區(qū)域。常用的復(fù)合識(shí)別方法主要是光能譜集成法和重磁放數(shù)據(jù)復(fù)合法。

光能譜集成法，即將多元數(shù)據(jù)信息，如多光譜遙感、 雷達(dá)遙感、 高光譜遙感、 航空放射性伽馬能譜等多種信息復(fù)合，融合形成新的 MR、 MSR、 HSR 融合圖像。 在此基礎(chǔ)上，同時(shí)使用重磁放數(shù)據(jù)復(fù)合法，將融合圖像分別與重力、 磁場(chǎng)、 地球化學(xué)、 地質(zhì)等其他地學(xué)信息進(jìn)行復(fù)合分析，形成多源地學(xué)信息圖像數(shù)字綜合技術(shù)，結(jié)合掩膜 （Mask）、 主成分（PCA）和色度空間變換（HIS）等處理，提取巖性信息[58]。 劉德長(zhǎng)等利用該技術(shù)在植被覆蓋的花崗巖、 火山巖和沉積盆地地區(qū)進(jìn)行了地質(zhì)填圖和鈾礦找礦應(yīng)用，取得了較好的應(yīng)用效果[59-61]。

多源信息復(fù)合識(shí)別方法使用的放射性信息、 重磁信息對(duì)地表狀況沒(méi)有要求，可以使用航空物探方法獲取，不受地表?xiàng)l件限制，經(jīng)濟(jì)快捷高效。 但是與遙感光譜信息相似，重磁放信息也會(huì)有同物異譜的問(wèn)題，同時(shí)風(fēng)化蝕變等理化作用會(huì)使巖石性質(zhì)變化，導(dǎo)致重磁放信息丟失等。 因此重磁放信息不能單一使用，需要多種信息配合使用[58]。

張萬(wàn)良等使用遙感與航空放射性信息集成進(jìn)行巖性識(shí)別研究，認(rèn)為放射性元素的能譜不受植被影響，有利于識(shí)別植被覆蓋區(qū)的巖性[61]。

Bahiru（2016）使用了 TM 數(shù)據(jù)，同時(shí)結(jié)合數(shù)字高程模型，進(jìn)行了全色波段圖像融合，成功進(jìn)行了巖性識(shí)別[58]。

劉德長(zhǎng)等（1992，1993）提出了以航放信息為主的多源地學(xué)信息圖像數(shù)字綜合技術(shù)，研究了航放數(shù)據(jù)與遙感數(shù)據(jù)結(jié)合的成礦預(yù)測(cè)與巖性識(shí)別方法。 并在遼寧連山關(guān)地區(qū)進(jìn)行了成礦預(yù)測(cè)試驗(yàn)性研究。 通過(guò)對(duì)巖體航放數(shù)據(jù)的分析，制作了巖體的鈾釷比值影像圖，將傳統(tǒng)認(rèn)識(shí)上的連山關(guān)產(chǎn)鈾巖體劃分為兩個(gè)不同部分，并證明兩部分屬不同時(shí)代的兩個(gè)巖體[59-60]。

3 討論

3.1 影響因素

遙感巖性識(shí)別的結(jié)果會(huì)受到很多因素的影響，常見影響因素包括大氣環(huán)境、 地形起伏、 表面顆粒大小、 粗糙程度、 巖石風(fēng)化以及其他巖性變化等[10，13，62-63]。

大氣環(huán)境對(duì)巖性識(shí)別效果能產(chǎn)生很大影響。 常用的遙感數(shù)據(jù)并不是原始獲得的亮度值，而是經(jīng)過(guò)輻射定標(biāo)、 大氣校正的反射率值。 傳統(tǒng)大氣校正方法如FLAASH，對(duì)于地理?xiàng)l件相同的區(qū)域，會(huì)設(shè)定相同的參數(shù)，進(jìn)而使用相同的校正方程與校正系數(shù)，進(jìn)行大氣校正。 但實(shí)際情況中，大氣情況復(fù)雜多變，即使是地理?xiàng)l件相同的區(qū)域，其大氣狀況亦常不相同，各種大氣成分對(duì)光線產(chǎn)生的吸收、散射等效果也不同，并不是一個(gè)模型就能很好的模擬實(shí)際大氣情況。 因此通過(guò)大氣校正獲得的反射率與實(shí)際地表測(cè)量的反射率有一定差別，而這些差別會(huì)對(duì)識(shí)別效果產(chǎn)生影響[64]。

地形的高低起伏、 地勢(shì)的走向、 巖石產(chǎn)狀會(huì)對(duì)遙感巖性識(shí)別產(chǎn)生影響。 高低地形、巖石的走向、 傾角、 傾向、 產(chǎn)狀會(huì)產(chǎn)生陰影，陰影區(qū)域入射光減少，通過(guò)統(tǒng)一模型大氣校正得到的反射率會(huì)極大的減弱。 因此在同一區(qū)域，即使是同種巖性，大氣校正得到的山體陽(yáng)面和陰面的巖性的光譜也并不相同，因此也會(huì)對(duì)巖性識(shí)別效果產(chǎn)生較大影響。

表面顆粒大小與粗糙程度都會(huì)直接影響反射率強(qiáng)弱。 相對(duì)而言，巖石表面顆粒越大，越粗糙，反射率越低，漫反射越強(qiáng)；表面顆粒越小，越光滑，反射率越高，鏡面反射越強(qiáng)。 反射率高低不同會(huì)導(dǎo)致光譜曲線的差異，進(jìn)而影響識(shí)別效果。

巖石風(fēng)化會(huì)直接改變地表裸露巖石表面物質(zhì)狀況、 巖石顆粒大小、 粗糙程度等，直接影響反射率強(qiáng)弱與識(shí)別效果。

除此之外，遙感巖性分類方法，還有一些其他方面的問(wèn)題。 主要集中在數(shù)據(jù)質(zhì)量等方面。 不管是遙感光譜數(shù)據(jù)還是重磁放數(shù)據(jù)，由于空間分辨率的關(guān)系，一定會(huì)存在混合像元問(wèn)題，混合像元的混合光譜會(huì)嚴(yán)重影響分類識(shí)別效果；其次，由于空間尺度的關(guān)系，地表紋理信息受言行類別影響不大。 此外，遙感巖性識(shí)別方法，在北方無(wú)植被覆蓋區(qū)效果較好，在南方告知被覆蓋區(qū)，很難發(fā)揮識(shí)別效果。

實(shí)際自然界中的其他巖性變化。 在實(shí)際復(fù)雜的地質(zhì)環(huán)境下影響巖性識(shí)別效果的因素會(huì)更多，蝕變作用、 生物作用以及人文活動(dòng)影響等都會(huì)對(duì)巖石的組成成分、 物理結(jié)構(gòu)產(chǎn)生影響，影響其巖性組分，影響光譜特征，進(jìn)而影響巖性分類結(jié)果。

3.2 存在的問(wèn)題

目前使用的三類主流巖性識(shí)別方法，雖然許多研究證明各種方法均具有可行性，但是同時(shí)也暴露出各種方法的一些問(wèn)題。

基于光譜信息的巖性分類，其實(shí)很多還是沿用的遙感礦物提取方法。 礦物的組成成分單一，蝕變礦物存在典型光譜形態(tài)峰位特征；巖石的組成成分復(fù)雜，并沒(méi)有典型光譜信息和吸收峰，缺乏診斷性光譜特征，所以僅使用光譜信息進(jìn)行提取的效果一般。

基于空間信息的巖性分類，其問(wèn)題主要在于，地表巖性的空間紋理特征復(fù)雜多樣，在低空間分辨率上來(lái)看，每種巖性并沒(méi)有典型對(duì)應(yīng)的紋理特征，地表紋理與地形起伏、地表分布狀況有很大關(guān)系，同時(shí)還會(huì)受到其他地物因素的影響，導(dǎo)致地表紋理不能真實(shí)反映巖性類別信息，因而使用紋理信息進(jìn)行分類的效果也是一般。

基于多元信息復(fù)合的巖性分類，該方法的確能從多個(gè)維度刻畫巖性信息，但是僅僅是在重磁放信息存在異常的區(qū)域，識(shí)別效果較好，對(duì)重磁放普通的地區(qū)——尤其是沒(méi)有重磁放異常的區(qū)域，效果可能不太理想；另外使用多源信息復(fù)合識(shí)別方法，需求的數(shù)據(jù)較多，前期投入較大，可能代價(jià)較為高昂。

三類遙感巖性分類方法是根據(jù)其分類原理進(jìn)行區(qū)分的，因而其優(yōu)缺點(diǎn)均與其原理息息相關(guān)。 另外在實(shí)際工作中，亦會(huì)受到實(shí)際情況的約束——不同遙感數(shù)據(jù)的分辨率不同，如高光譜數(shù)據(jù)的光譜分辨率更高，光譜曲線能夠準(zhǔn)確刻畫地物光譜特征，使用基于全波形態(tài)方法可能更好；高空間分辨率遙感數(shù)據(jù)的空間分辨率更高，對(duì)地物紋理反映更清晰，因此使用基于空間信息的巖性分類方法更合適。

3.3 發(fā)展前景

遙感巖性識(shí)別分類，目前很多研究人員已經(jīng)有了很多成果，要想進(jìn)一步發(fā)展，使遙感巖性識(shí)別具有普適性和高精度，必須從理論、 技術(shù)方法、 實(shí)際應(yīng)用方面加大投入力度，進(jìn)行深入研究。 同時(shí)，各種遙感巖性識(shí)別分類方法都是遙感發(fā)展的新技術(shù)在巖性識(shí)別方面的應(yīng)用，因此，遙感巖性識(shí)別技術(shù)的新發(fā)展與遙感技術(shù)本身的發(fā)展息息相關(guān)。

從理論上講，理論輻射傳輸模型雖然能模擬實(shí)際狀況，但在精度上還是與實(shí)際情況有一定差異，因此需要進(jìn)一步進(jìn)行理論研究，優(yōu)化輻射傳輸模型、 光學(xué)幾何模型，深入分析巖性理化性質(zhì)與光譜信息之間的關(guān)系，理解光譜響應(yīng)機(jī)理，為定量化提供理論支撐，從定性向定量方向發(fā)展。

從方法上講，應(yīng)向智能化方向發(fā)展。 數(shù)據(jù)處理、 光譜特征提取、 樣品選擇、 分類方法都受到先驗(yàn)知識(shí)、 工作人員經(jīng)驗(yàn)、 理論缺陷影響，這在一定程度上影響了分類精度。當(dāng)前大數(shù)據(jù)、 人工智能方法正隨計(jì)算機(jī)性能提升而越加完善，其方法高速高效，記憶能力強(qiáng)，且沒(méi)有人為主觀因素影響，計(jì)算效果較人工有一定提升，且智能化方法正在向各個(gè)領(lǐng)域推廣應(yīng)用，遙感巖性分析也是圖像處理的一個(gè)方向，遙感巖性智能化識(shí)別將成為一個(gè)重要的技術(shù)領(lǐng)域。

從實(shí)際應(yīng)用領(lǐng)域來(lái)看，遙感巖性識(shí)別方法，常用于地質(zhì)調(diào)查領(lǐng)域。 然而地表許多地方都被植被覆蓋，遙感技術(shù)表現(xiàn)不佳，導(dǎo)致遙感巖性識(shí)別的應(yīng)用范圍、 效果一般。 與此同時(shí)，地下鉆探、 深鉆成為人類認(rèn)識(shí)地球的新方法。 將遙感巖性識(shí)別方法應(yīng)用到鉆孔信息提取領(lǐng)域，使用遙感光譜分析方法識(shí)別鉆孔巖心的巖性，快速進(jìn)行巖心編錄，是遙感巖性識(shí)別新的發(fā)展方向。

4 結(jié)語(yǔ)

遙感技術(shù)為大范圍巖性識(shí)別分類提供了現(xiàn)代化高效率的方法，為地質(zhì)資源勘查、 地理國(guó)情普查提供了切實(shí)可行的解決思路。 本文對(duì)遙感巖性識(shí)別分類方法進(jìn)行了總結(jié)梳理，工作成果如下：

1） 總結(jié)了遙感巖性識(shí)別在現(xiàn)階段的主流方法，提出根據(jù)分類原理差異進(jìn)行類別劃分，將現(xiàn)有的遙感巖性分類方法劃分為三類：基于光譜信息的巖性分類、 基于空間信息的巖性分類和基于多源信息復(fù)合的巖性分類；解釋了各類方法的具體方法，共3 大類10 小類具體19 種方法，并描述了各種方法的原理及優(yōu)缺點(diǎn)；

2） 認(rèn)為遙感巖性識(shí)別效果會(huì)受到大氣環(huán)境、 地表起伏、 風(fēng)化等多因素干擾，同時(shí)也會(huì)受到數(shù)據(jù)質(zhì)量、 數(shù)據(jù)類型、 光譜分辨率、空間分辨率的影像，因而在實(shí)際使用時(shí)，需根據(jù)實(shí)際情況具體選擇適合的方法；

3） 在未來(lái)發(fā)展方面，提出應(yīng)加強(qiáng)輻射傳輸模型、 光學(xué)幾何模型、 巖性理化特征等多方面的理論研究，認(rèn)為研究方法應(yīng)向智能化、自動(dòng)化方向發(fā)展，建議遙感巖性識(shí)別的應(yīng)用領(lǐng)域可向地質(zhì)鉆孔巖心編錄方向發(fā)展。