祿豐恐龍谷三種典型沉積巖的高光譜響應(yīng)特征分析及識別模型方法研究

王俊杰, 袁希平, 甘 淑, 2*, 胡 琳, 趙海龍

1. 昆明理工大學(xué)國土資源工程學(xué)院, 云南 昆明 650093

2. 云南省高校高原山區(qū)空間信息測繪技術(shù)應(yīng)用工程研究中心, 云南 昆明 650093

3. 滇西技術(shù)應(yīng)用大學(xué)地球科學(xué)與工程學(xué)院, 云南 大理 671009

引 言

沉積巖作為地球上三大巖石類型之一, 雖然只占巖石圈的5%, 但在地表巖石的比例中占70%, 由沉積和沉積變質(zhì)作用而形成的礦產(chǎn)約占世界礦產(chǎn)資源總儲量的80%, 使得沉積巖在遙感地質(zhì)領(lǐng)域的地位非常重要。 相比于多光譜遙感, 高光譜遙感技術(shù)能夠以更高的光譜分辨率獲取巖石的光譜特征信息, 為研究沉積巖或其他巖石的光譜特征、 光譜巖礦識別方法提供了強有力的手段[1]。

隨著人工智能技術(shù)的發(fā)展, 機器學(xué)習(xí)方法越來越多地運用于高光譜巖礦識別領(lǐng)域[2-3]。 由于高光譜數(shù)據(jù)波段多, 數(shù)據(jù)量大, 光譜之間存在大量的冗余信息, 使用全部數(shù)據(jù)建模導(dǎo)致模型計算復(fù)雜, 影響模型的運行效率和推廣能力。 研究表明, 采用光譜識別巖礦主要依賴化學(xué)組分的吸收特征[4], 有研究采用煤與其他巖石中Al元素的不同存在形式, 將光譜吸收特征差異明顯的2 130～2 250 nm作為特征識別波段, 建立隨機森林和支持向量機模型對煤巖進行識別分類, 識別精度可以達到90%以上。 有報道獲取了石榴子石熱紅外光譜受硅酸根離子影響而具有診斷性的3個反射峰位和1個反射峰波長差值信息, 采用BP神經(jīng)網(wǎng)絡(luò)開展石榴子石亞類分類實驗, 結(jié)果證明該方法的可行性與優(yōu)越性。 采用吸收特征波段建立高光譜巖礦識別模型可以減少數(shù)據(jù)冗余, 改善建模效果。 然而即使特定的吸收特征波段具有非常豐富的識別信息, 但對于吸收特征復(fù)雜且分布廣泛的巖石光譜, 使用這種方法可能會產(chǎn)生誤判, 另外特征波段的選取十分依賴先驗知識和工作人員的經(jīng)驗, 不利于巖石光譜的快速自動識別。 特征變量選擇算法可以從高光譜波段信息中挖掘出有效信息特征波長變量, 近年來已經(jīng)被廣泛運用于農(nóng)產(chǎn)品高光譜檢測[5]、 高光譜土壤物質(zhì)含量反演[6]等領(lǐng)域, 但在高光譜巖礦領(lǐng)域的應(yīng)用還較少。

本工作以祿豐恐龍谷三類典型沉積巖為研究對象, 對原始光譜進行一階微分與連續(xù)統(tǒng)去除變換擴大光譜特征, 采用連續(xù)投影算法(successive projections algorithm, SPA)、 競爭性自適應(yīng)重加權(quán)采樣算法(competitive adaptive reweighted sampling, CARS)和迭代保留信息變量法(iteratively retains informative variables, IRIV)三種特征變量選擇算法選取原始光譜與變換光譜中的特征波長, 基于特征波長數(shù)據(jù)分別建立支持向量機(support vector machine, SVM)和隨機森林(random forest, RF)識別模型, 對比建模結(jié)果找出最準確、 高效的沉積巖高光譜識別方法。

1 實驗部分

1.1 研究區(qū)概況

研究區(qū)位于云南省祿豐恐龍國家地質(zhì)公園南緣, 地理坐標(biāo)為: N24°53′54″—24°59′01″, E102°06′10″—102°01′34″; 屬于亞熱帶低緯度高原季風(fēng)氣候, 具“溫暖多雨, 干濕分明”的低緯度山地季風(fēng)氣候特點[7]。

研究區(qū)以構(gòu)造侵蝕地貌為主, 形成了獨特的環(huán)狀構(gòu)造地貌景觀。 主要地層為下、 中侏羅統(tǒng)馮家河組+張河組: 主要巖性為紫紅色泥巖、 灰白、 灰黃色砂巖, 夾鈣質(zhì)泥巖、 泥灰?guī)r, 以及下白堊統(tǒng)馬頭山組: 主要巖性為紫紅、 灰紫色砂巖, 夾砂質(zhì)泥巖及含銅砂、 頁巖。

1.2 沉積巖光譜數(shù)據(jù)采集與預(yù)處理

選取研究區(qū)內(nèi)三類典型沉積巖采樣, 盡可能采集巖石的新鮮面, 最終獲取研究區(qū)不同地理位置的63個巖石樣品, 其中泥巖、 砂巖和灰?guī)r各21個。 用于測量沉積巖光譜的儀器是美國ASD公司的ASD FieldSpec3地物光譜儀, 其光譜范圍為350～2 500 nm, 光譜采樣間隔為1.38 nm(350～1 000 nm)和2 nm(1 000～2 500 nm), 重采樣間隔為1 nm。 為保證光譜數(shù)據(jù)質(zhì)量, 所有光譜測定均選擇時間在10:00—14:00時、 晴朗無云、 自然光照良好的天氣下進行, 測量時保持巖樣周圍通視良好, 無陰影遮擋的環(huán)境, 鏡頭距離巖樣10 cm, 與直射太陽光保持一定角度。 每個巖樣采集10次光譜數(shù)據(jù), 取算數(shù)平均值作為巖樣的代表性光譜數(shù)據(jù)。 由于受測量時環(huán)境及設(shè)備等因素的影響, 所測光譜存在抖動和噪聲, 因此去掉受干擾嚴重的光譜波段, 截取后的光譜波段范圍為400～2 400 nm, 然后采用SG平滑(Savitzky-Golay smoothing)[8]對其進行平滑降噪, 得到原始光譜。

1.3 研究方法

1.3.1 光譜變換方法

在光譜分析中, 單一的原始光譜曲線有時對光譜特征的反映不夠突出, 故采用一階微分及連續(xù)統(tǒng)去除法分別對原始光譜進行光譜變換。 一階微分變換能減少背景噪聲的影響、 增強光譜曲線斜率的細微變化, 強化譜帶特征[9], 計算公式為

(1)

式(1)中,R′(λi)為波長λi處的一階微分光譜;R(λi+1)、R(λi-1)為波長λi+1、λi-1處的原始光譜反射率; Δλ為波長λi+1、λi-1之間的差值。

連續(xù)統(tǒng)去除變換在野外巖礦高光譜應(yīng)用中表明, 能有效突出光譜曲線吸收特征[10]。 計算公式為

(2)

式(2)中,CR(λi)為λi處的連續(xù)統(tǒng)去除值;R(λi)為λi處光譜反射率;RH(λi)為λi處直線的光譜反射率。

1.3.2 特征波長選擇算法

高光譜數(shù)據(jù)量大, 冗余度高, 可能會影響模型運行的效率與準確度, 因此使用特征波長選擇算法對數(shù)據(jù)進行降維。 采用SPA、 CARS和IRIV三種特征選擇算法分別選取原始光譜及兩種變換光譜的特征波長, 將全波段與所選取的特征波長數(shù)據(jù)作為模型的輸入變量。

SPA是使矢量空間共線性最小化的前向變量選擇算法, 通過將波長投影到其他波長上, 選擇投影向量最大的波長為待選波長, 然后建立多元線性回歸模型選出最佳特征波長[11]。 本實驗使用SPA算法時設(shè)置特征波長為2～30個。

CARS是基于蒙特卡洛采樣和偏最小二乘模型(partial least square, PLS)回歸系數(shù)的特征波長選擇方法, 采用自適應(yīng)加權(quán)采樣保留PLS模型中回歸系數(shù)權(quán)重值較大的波長變量再次建立PLS模型, 選擇交叉驗證均方根誤差最小的子集作為最佳特征波長變量子集[12]。 執(zhí)行CARS時設(shè)置最大迭代次數(shù)為100, 交叉驗證為10折, 蒙特卡洛采樣次數(shù)為50。

IRIV算法基于模型集群分析方法將所有波長變量分為強信息變量、 弱信息變量、 無信息變量和干擾信息變量, 經(jīng)過多次迭代剔除無信息變量和干擾變量, 最后采用反向消除獲取最佳變量[13]。 執(zhí)行IRIV時設(shè)置交叉驗證次數(shù)為5, 最大主成分數(shù)為10。

1.3.3 識別模型構(gòu)建方法

為準確評價模型的識別效果, 采用Kennard-Stone算法[14]將63個巖樣以2∶1的比例劃分為42個訓(xùn)練集與21個預(yù)測集, 同時保證訓(xùn)練集及預(yù)測集中三類沉積巖的數(shù)量相等。 基于訓(xùn)練集樣本數(shù)據(jù)建立三類沉積巖的SVM和RF識別模型, 對預(yù)測集樣本進行識別, 并用識別精度作為模型評價標(biāo)準選出最優(yōu)的識別方法。 識別精度為正確識別的預(yù)測集樣本數(shù)與預(yù)測集樣本總數(shù)的比值, 該值越接近于1, 表明模型的識別效果越好。

2 結(jié)果與討論

2.1 沉積巖光譜變換及特征分析

圖1(a, b, c)分別為三類沉積巖樣本的原始光譜曲線, 圖1(d)為均值曲線。 從圖中可以看出, 三類沉積巖光譜曲線的變化趨勢基本相同, 由于不同沉積巖所含的鐵離子、 水分、 羥基、 碳酸根離子等化學(xué)成分含量不同, 導(dǎo)致其在一些波段上的光譜特征有所差異[4, 15]。 泥巖總體反射率在0.02～0.28之間, 砂巖總體反射率在0.02～0.3之間, 灰?guī)r總體反射率在0.06～0.42之間。 三類沉積巖在1 400和1 900 nm附近都存在水分子吸收帶, 在2 200 nm附近都存在由所含黏土礦物中的羥基振動的吸收帶, 其中灰?guī)r在這些吸收帶上的吸收特征最明顯[見圖1(c)]; 泥巖與砂巖在550 nm附近有一個吸收谷, 主要是這兩種巖石所含礦物中含有的Fe2+和Fe3+離子引起的; 砂巖在900 nm附近還存在Fe3+弱吸收譜帶; 灰?guī)r在2 350 nm存在明顯的碳酸根離子特征吸收譜帶, 部分泥巖和砂巖樣本中會含有少量鈣質(zhì)膠結(jié)物, 因此在2 350 nm附近也出現(xiàn)了較明顯的碳酸根離子吸收帶。

圖1 三類典型沉積巖原始光譜曲線

圖2(a)和圖2(b)分別是原始光譜經(jīng)過一階微分和連續(xù)統(tǒng)去除變換后的光譜曲線。 一階微分變換后的光譜, 其縱坐標(biāo)表示原始光譜曲線變化的速率, 正值表示正的光譜曲線變化速率, 負值表示負的光譜曲線變化速率, 能夠凸顯原始光譜曲線的曲率變化。 連續(xù)統(tǒng)去除變換后, 光譜反射率歸一化為0～1, 形成若干明顯的吸收谷, 有效地擴大了光譜曲線中的吸收特征。

圖2 三類典型沉積巖光譜變換后的光譜曲線

2.2 光譜特征波長的選取

使用SPA、 CARS和IRIV算法分別在沉積巖樣品的原始、 一階微分及連續(xù)統(tǒng)去除光譜數(shù)據(jù)中選取特征波長, 選取出的特征波長在全波段中的分布分別如圖3(a, b, c)所示。 三種算法從原始光譜中分別選取12、 51和7個特征波長, 分別占全波段的0.6%、 2.6%和0.4%; 從一階微分光譜中分別選取10、 59和19個特征波長, 分別占全波段的0.5%、 3%和1%; 從連續(xù)統(tǒng)去除光譜中分別選取10、 51和10個特征波長, 分別占全波段的0.5%、 2.6%和0.5%。 通過對比, 三種特征波長選擇算法對高光譜數(shù)據(jù)都有很好的降維效果。

圖3 不同算法選取的特征波長分布曲線

選取出特征波長的分布較好地對應(yīng)了巖石光譜的吸收特征區(qū)間。 以原始光譜為例, SPA從原始光譜中選取的12個特征波長, 其中2個位于550 nm附近的Fe2+和Fe3+吸收帶, 1個位于900 nm附近Fe3+吸收帶, 3個位于1 900和2 200 nm附近的水分子、 羥基吸收帶, 1個位于2 350 nm的碳酸根離子吸收帶, 特征譜帶附近的特征波長數(shù)量占了特征波長總數(shù)的58%; CARS和IRIV提取的特征波長中特征譜帶附近的特征波長所占的比例分別為65%和100%, 表明巖石化學(xué)成分差異所導(dǎo)致的光譜特征規(guī)律對構(gòu)建識別模型有重要的作用, 可以作為采用光譜信息進行巖石類型識別的基礎(chǔ)。

2.3 建模結(jié)果

對訓(xùn)練集原始光譜、 一階微分光譜和連續(xù)統(tǒng)去除光譜的全波段光譜(full spectra, FS)數(shù)據(jù), 以及經(jīng)過SPA、 CARS和IRIV算法選取出的特征波長光譜數(shù)據(jù), 分別建立SVM和RF沉積巖識別模型。 SVM模型采用徑向基函數(shù)作為核函數(shù), 使用交叉驗證和網(wǎng)格搜索方法尋找最佳懲罰因子C和核參數(shù)γ。 RF模型使用交叉驗證和學(xué)習(xí)曲線方法尋找最佳決策樹數(shù)量n。 不同模型確定的參數(shù)見表1。 模型在預(yù)測集上的識別結(jié)果見表2。

表1 不同SVM和RF模型的參數(shù)

表2 基于不同特征波長選擇方法建立模型的識別結(jié)果

由表2可以看出: 在SVM和RF模型對全波段光譜數(shù)據(jù)的識別結(jié)果中, 原始光譜的識別精度分別為0.857 1和0.761 9, 一階微分變換后光譜的識別精度分別為0.904 8和0.857 1, 連續(xù)統(tǒng)去除變換后光譜的識別精度分別為0.809 5和0.857 1。 變換后光譜的識別精度得到明顯提高, 說明對原始光譜進行合適的光譜變換可以有效提升建模效果。

在對特征波長光譜數(shù)據(jù)的識別結(jié)果中, 識別精度最高的是連續(xù)統(tǒng)去除-SPA-SVM模型, 識別精度達到了0.952 4, SPA共選取出10個特征波長, 其中2個為550 nm附近的Fe2+和Fe3+吸收帶, 2個為900 nm附近Fe3+吸收帶, 5個為1 900和2 200 nm附近的水分子、 羥基吸收帶, 因此該模型可以較好地反映沉積巖化學(xué)成分差異導(dǎo)致的光譜吸收特征規(guī)律。 識別精度最低的是一階微分-IRIV-RF模型, 識別精度為0.714 3, 分析認為一階微分光譜在較多波段的共線性較高, 而且IRIV選取的特征波長數(shù)量較少, 信息量不足, 導(dǎo)致最終的建模效果欠佳。

3 結(jié) 論

針對祿豐恐龍谷三種典型的沉積巖, 地面實測其高光譜數(shù)據(jù), 對原始光譜進行一階微分和連續(xù)統(tǒng)去除變換并分析光譜特征, 采用SPA、 CARS和IRIV算法分別選取原始光譜及兩種變換光譜的特征波長, 然后將全波段數(shù)據(jù)與選取出的特征波長數(shù)據(jù)作為模型的輸入變量, 建立SVM和RF沉積巖識別模型, 對比選出最佳建模方法。 結(jié)果表明: (1)基于全波段數(shù)據(jù)建立的識別模型中, 一階微分-FS-SVM模型的識別精度最高, 為0.904 8, 合適的光譜變換可以有效提升全波段數(shù)據(jù)的建模效果。 (2)相比于用全波段數(shù)據(jù)建立模型, 有的特征波長選擇算法可以在有效減少輸入變量數(shù)的情況下提升建模效果, 有的雖然減少了變量數(shù), 但是使得建模效果降低, 不利于識別模型的優(yōu)化。 連續(xù)統(tǒng)去除-SPA-SVM模型表現(xiàn)最好, 其識別精度為0.952 4, 輸入模型的波長變量數(shù)只占全波段的0.5%, 能夠更準確高效地實現(xiàn)對沉積巖的精確識別。

對沉積巖的光譜分析與識別方法的研究可為高光譜遙感數(shù)據(jù)運用于地質(zhì)資源勘察提供參考。 然而巖石光譜會受到包括礦物成分、 風(fēng)化作用、 表面結(jié)構(gòu)和表面顏色等各種因素的影響, 導(dǎo)致巖石光譜異常復(fù)雜, 這些干擾因素是影響模型精度的主要原因, 本實驗的樣本數(shù)量相對較少, 可能會限制模型的適用范圍, 因此今后的實驗中將增加樣本數(shù)量, 提高模型的普適性。