高光譜遙感技術在高植被覆蓋區域地質調查中的應用

文/李科冉 饒家益 卓順忠

高光譜遙感技術憑借光譜的多維度和光譜探測范圍優勢，在地物的識別及區分方面較傳統多光譜遙感技術有著更廣泛的應用空間。本文利用HJ-1A 超光譜成像儀（HSI）的數據源，配合地物光譜儀對目標地質體進行光譜采集，并選擇在廣東省雷州市西部的唐家鎮一帶基于高光譜遙感技術對石茆嶺組、湛江組兩類地層進行了劃分工作。筆者通過對比已有地質調查結果發現，運用高光譜遙感技術在高植被覆蓋區域對以上兩類地層進行識別和劃分是可行的，能夠解決傳統遙感技術無法在高植被覆蓋區直接識別地質體這一問題。

遙感技術具有高效率、低成本、大面積、多時相獲取地表信息等優點，是區域地質調查尤其是在低植被覆蓋的基巖裸露區地質調查中的主要技術手段。然而，在南方高植被覆蓋區域，高大茂密的植被遮掩了大部分地質信息，遙感地質工作人員只能依靠間接解譯標志來粗略劃分地質體。隨著高光譜成像技術的發展和成熟，其更加寬廣的光譜范圍和更加精準的光譜區分能力為遙感數據在高植被覆蓋區域地質調查中的應用帶來了新的方向。

一、研究區概況及技術路線

（一）研究區概況

本研究為“廣東省1 ∶25 萬湛江市幅、?？谑蟹鶇^域地質調查”項目的一部分，研究區位于廣東省雷州市西部的唐家鎮一帶，此區域的地貌以沖洪積臺地、熔巖臺地及低丘陵為主，地勢相對平坦。區域內出露地層為第四紀全新世桂洲組及曲界組、中更新世北海組、中更新世至早更新世石茆嶺組、早更新世湛江組。研究區屬于亞熱帶季風性濕潤氣候，植被覆蓋率高且農業發達。

受植被覆蓋影響，大部分研究區無法直接通過顏色、影紋、形態等直接解譯標志來進行地層解譯。另外，在上述地層中，曲界組、桂洲組可由高程及地勢等間接解譯標志來進行劃分；而湛江組與石茆嶺組地層地表出露的多為其風化殘積土，受顏色相近、土體性質相似等因素的影響，這兩類地層在被植被覆蓋后無法通過多光譜影像來進行有效區分?；诖?，本研究嘗試引入高光譜遙感技術來精準識別和劃分湛江組與石茆嶺組兩套地層。

（二）總體技術路線

本研究采用衛星數據與地物光譜數據相結合的形式，建立了天地一體化聯系：首先通過分析地物光譜儀測得的地面表觀反射率數據，選取可區分上述兩套地層的特征譜段；其次對衛星數據進行預處理和特征提取，并建立其與地面表觀反射率曲線之間的聯系；最后基于特征譜段的差異來劃分目標地物?？傮w技術路線如圖1 所示。

（1）地物光譜數據采集。筆者在多個地點使用地物光譜儀采集了裸露的石茆嶺組風化土及湛江組風化土的地面表觀反射率數據，以便分析其特征譜段。

（2）高光譜數據的獲取及預處理。在選取合適的高光譜數據后，筆者通過輻射定標、大氣校正、噪聲分離等步驟還原了地物真實的表觀反射率。

（3）高光譜遙感特征提取。在完成高光譜數據的預處理后，筆者依次采取光譜一階導數、包絡線去除、端元光譜選取等步驟提取了地物的特征譜段，并將其與地物光譜儀采集數據進行了對比，旨在精準區分目標地物。

二、地物光譜的采集及分析

筆者使用Optosky（奧譜天成）ATP9110 地物光譜儀分別對不同地區的湛江組及石茆嶺組地層進行多次采樣，采樣時間為10 時至15 時。該時間段陽光充足，自然光峰值能量高，波形完整。隨后，筆者對比分析發現，這兩類地層在紅外波段（波長761 nm 附近）處有明顯區別（見圖2）。另外，石茆嶺組玄武巖紅色風化土的光譜曲線在波長761 nm 處存在一個反射峰，而湛江組風化土在波長757～767 nm 處可見一個吸收峰。

三、高光譜影像處理及特征提取

本研究采用的實驗數據均來自HJ-1A 超光譜成像儀，其地面分辨率為50 m，光譜探測范圍為460～951 nm，共包含115 個譜段。

（一）預處理

高光譜由于波段通道較窄，獲取的光能量較低。在這種情況下，圖譜較易受到噪聲的影響，特征提取、光譜解混、目標探測以及精細分類等也將受到較大影響。[1]因此，筆者統一對高光譜數據進行噪聲分離處理。例如，對HJ-1A 超光譜成像儀部分波段圖像中明顯的周期性條帶噪聲，筆者有針對性地進行了去除。[2]處理后，圖譜中的周期性條帶噪聲明顯減少。

（二）特征提取

1.光譜一階導數

筆者通過計算光譜微分值得到了地物光譜的局部極大值、極小值以及拐點的具體位置，有效去除了傳感器和大氣的影響。[3]隨后，筆者對處理后的影像數據進行一階導數處理，并突出光譜曲線在761 nm附近（HJ-1A第88波段）的吸收峰（一階導數由負至正的0值附近）和反射峰（一階導數由正至負的0 值附近），詳情如圖3所示。

2.包絡線去除

對地物光譜進行歸一化處理的目的是，突出地物光譜的吸收和反射特征。該特征在包絡線去除后更為顯著，可用于光譜特征譜段選擇和參量分析。

3.端元光譜選取

高光譜影像中每一個像元的光譜曲線都可以看作是該像元所對應的地表物質的光譜信號。在本研究中，筆者采用像元純度指數（PPI）算法選取了端元光譜[4]，旨在尋找由單一地物組成的像元。

四、結果對比

基于以上工作，筆者對HJ-1A高光譜數據第88 波段進行區分，獲得了光譜曲線761 nm 附近有峰值表現的像元，同時確認該像元為石茆嶺組玄武巖風化土。在圈定由高光譜反演確定的石茆嶺組玄武巖紅色風化土后，筆者將調查結果在地質圖中進行標注（見圖4）。另外，與實際情況相比，高光譜數據反演結果的分布范圍更為廣泛，目標地物識別準確率約為64%。

五、結論和不足

（一）結論

本研究運用HJ-1A 高光譜遙感數據與地物光譜儀測得表觀反射率數據，通過對比分析真實表觀反射率數據，進一步明確了目標地物的特征頻譜，以及目標地物在特定光譜區間的區別。隨后，筆者建立了衛星數據與地面真實表觀反射率數據之間的聯系，并運用衛星數據進行反演，對研究區內兩組無法從多光譜數據層面進行區分的地層進行了準確識別和劃分。本研究結果表明，反演結果與區域地質調查結果基本一致，但劃分范圍略大于實際分布范圍。本研究驗證了高光譜數據應用于區域地質調查工作的可行性——其豐富的光譜維度信息為有效識別高植被覆蓋區地物提供了可能性。然而，反演的多解性導致其劃分準確度低于傳統遙感解譯方法。因此，筆者建議，研究人員在使用多光譜數據對特征和間接標志明顯的地層進行一次劃分后，再通過高光譜數據進行不同地層的二次劃分。

（二）不足之處

（1）筆者經過對比發現，衛星數據反演石茆嶺組的地層范圍較大。這就說明，后續研究應對反射峰和吸收峰的波峰深度予以約束，以確保研究結果更接近真實情況。（2）高植被覆蓋率使得目標地物對混合像元點的光譜曲線貢獻率較低，使用空間分辨率更高的高光譜影像則可有效提高目標地物在混合像元內的占比，進而提高反演結果的準確性。