基于光譜匹配的高光譜遙感露天礦物識別方法研究

礦產(chǎn)資源是不可再生資源，非法開采、破壞性開采會造成礦產(chǎn)資源嚴(yán)重破壞，導(dǎo)致國家利益受損。遙感技術(shù)可用于礦產(chǎn)資源監(jiān)測，高光譜遙感技術(shù)增強(qiáng)了對地觀測能力，可對蝕變礦物、巖礦類別進(jìn)行探測，從而為礦產(chǎn)資源開發(fā)利用、違法開采監(jiān)測等提供可靠、便利的遙感分析結(jié)果。高光譜影像記錄了豐富的光譜信息，從光譜特征信息可知，露天開采的礦區(qū)一般呈現(xiàn)某種典型礦種為主的光譜特征?；诖颂卣?，可進(jìn)行典型礦物識別，利用光譜特征分辨礦物成分。目前，光譜相似性測度、光譜特征局部匹配、混合像元分解、基于光譜知識的智能識別等方法是國內(nèi)外較成熟的礦物信息識別方法。光譜匹配將重建光譜與參考光譜相比較，以某種測度函數(shù)度量它們的相似性或相關(guān)性，從而對礦物進(jìn)行識別。相似性測度函數(shù)可以是距離函數(shù)（歐氏距離、馬氏距離）、相似系數(shù)、相關(guān)系數(shù)、光譜信息散度和光譜矢量夾角等；參考光譜既可以是光譜數(shù)據(jù)庫中的標(biāo)準(zhǔn)光譜（典型光譜），也可以是野外或?qū)嶒炇覍崪y的工作區(qū)巖礦光譜，還可以是從圖像中提取的已知區(qū)域圖像光譜。某學(xué)者提出的光譜角填圖法是最廣泛使用的光譜匹配技術(shù)，角度越小越匹配參考光譜，但容易忽略局部特征的變化，產(chǎn)生“同物異譜”和“異物同譜”的現(xiàn)象。后續(xù)相關(guān)學(xué)者提出了一些新的改進(jìn)算法。局部特征匹配方法是以光譜吸收特征參數(shù)為基礎(chǔ)的識別方法，對光譜間微小差異比較敏感，但特征選擇比較單一，穩(wěn)定性較差。針對單一方法存在的識別問題，本文結(jié)合實踐情況，提出了以光譜相似性度量為基礎(chǔ)的光譜匹配方法和光譜特征參量匹配相結(jié)合的露天礦物識別方法，并利用廣東省北部某地的露天礦區(qū)礦物數(shù)據(jù)進(jìn)行方法驗證。實驗結(jié)果表明，該方法可以有效實現(xiàn)露天礦物的識別，具有一定的準(zhǔn)確率可達(dá)到礦物開采利用的監(jiān)測目的，為礦產(chǎn)資源監(jiān)測提供借鑒方法。

1研究區(qū)概況及數(shù)據(jù)情況

廣東省礦產(chǎn)儲量豐富，擁有高嶺土、石英、硫鐵礦、陶瓷土等礦產(chǎn)資源。本文研究建立的廣東省典型礦物光譜庫中的礦物主要針對高嶺石族黏土礦物。本次實驗研究區(qū)域位于廣東省北部地區(qū)，實驗面積約200平方千米，試驗區(qū)地形以山區(qū)為主，包含高嶺土、石英、水泥粗面巖為主要成分的礦產(chǎn)資源，多為露天礦區(qū)。

2研究方法

2.1總體思路

首先，本研究提取礦產(chǎn)數(shù)據(jù)的空間位置信息和必要的屬性信息，獲取研究區(qū)域的高光譜原始影像數(shù)據(jù)并進(jìn)行預(yù)處理，得到研究區(qū)域的高光譜地表反射率數(shù)據(jù)。然后，基于高光譜數(shù)據(jù)提取礦物光譜，構(gòu)建典型礦物光譜庫。最后，結(jié)合高光譜地表反射率數(shù)據(jù)和典型礦物光譜庫，利用光譜匹配和光譜特征參量匹配相結(jié)合的方法進(jìn)行典型露天礦物識別，對結(jié)果精度進(jìn)行驗證，提取露天礦物范圍。具體技術(shù)路線如圖1所示。

2.2理論方法

2.2.1光譜角匹配與歐式距離

光譜匹配一般采用光譜角匹配的方式，將待匹配光譜和樣本光譜看作空間內(nèi)的兩個向量，計算兩個向量之間的余弦距離進(jìn)而衡量兩個光譜的相似性。光譜之間夾角的余弦值越小，說明光譜的相似性越高。光譜角匹配夾角余弦公式如公式（1）所示。

式中：α為光譜向量夾角，n為波段數(shù)，X、Y為不同像元的n維光譜向量，xi、yi為光譜向量第i波段的值。

圖1…技術(shù)路線

2.2.2光譜特征參數(shù)選取

根據(jù)物質(zhì)的電磁波理論，物質(zhì)的光譜產(chǎn)生均有其物理機(jī)制。各種巖石礦物的不同晶體結(jié)構(gòu)導(dǎo)致其振動產(chǎn)生不同的光譜特征，光譜特征可以用來分辨礦物成分。這些光譜特征主要包括光譜中吸收波段的波長位置、吸收深度、對稱度等特征。通過吸收特征參數(shù)可提取得到高光譜影像吸收位置、深度、對稱性圖，結(jié)合光譜庫中的參考光譜特征參數(shù)可進(jìn)行匹配和分類。本研究采用包絡(luò)線消除法對原始光譜進(jìn)行歸一化處理，這樣可有效地突出光譜曲線的吸收反射特性，并可減少礦物背景光譜的影響，有利于比較光譜特征。包絡(luò)線消除前后地表反射率曲線如圖2所示。

圖2…包絡(luò)線消除前后地表反射率曲線

3實驗與結(jié)果討論

3.1高光譜遙感影像數(shù)據(jù)預(yù)處理

高光譜遙感影像主要來源于ZY1E衛(wèi)星數(shù)據(jù)，數(shù)據(jù)預(yù)處理根據(jù)ZY1E衛(wèi)星的參數(shù)特征與光譜特點進(jìn)行設(shè)計，主要包括輻射定標(biāo)、云掩膜、大氣校正等步驟。預(yù)處理后的ZY1E衛(wèi)星數(shù)據(jù)真彩色結(jié)果如圖3所示。

圖3…預(yù)處理后的ZY1E衛(wèi)星數(shù)據(jù)真彩色顯示

3.2典型礦物光譜庫構(gòu)建

3.2.1典型礦物光譜提取

本文結(jié)合高光譜地表反射率數(shù)據(jù)和典型礦物資源圖斑，基于高光譜地表反射率數(shù)據(jù)獲取典型礦物的分布范圍，利用空間分析和光譜分析的方法，提取典型礦物的光譜信息。

（1）高光譜數(shù)據(jù)和礦物資源圖斑數(shù)據(jù)分析整理。高光譜數(shù)據(jù)屬于光學(xué)影像，易受云和云影的影響。為了保證初步提取光譜的準(zhǔn)確性和數(shù)量，本研究盡量選擇云影響較小的礦區(qū)影像用于光譜庫提取。對礦產(chǎn)資源圖斑進(jìn)行分析，將露天開采的礦山確定為光譜庫提取對象。

（2）典型礦物光譜提取和篩選。ZY1E衛(wèi)星的高光譜數(shù)據(jù)空間分辨率為30米，通過典型礦產(chǎn)圖斑范圍提取的像元需篩選確定礦物光譜特征，主要包括空間分析和光譜分析兩個方面的篩選。在空間分析方面，假定礦區(qū)像元在礦區(qū)邊緣更容易受其他地物的干擾，在影像上提取礦產(chǎn)范圍時可利用圖像腐蝕手段排除周圍地物。在光譜分析方面，利用礦區(qū)范圍內(nèi)典型礦物的光譜相似程度，排除離群光譜，提升光譜庫精度。

3.2.2礦物光譜庫構(gòu)建與驗證

（1）礦物光譜庫構(gòu)建。本研究基于2017年、2018年和2019年違法礦區(qū)圖斑，確定用于提取光譜的礦區(qū)范圍，通過歸一化植被指數(shù)（NDVI）和歸一化水體指數(shù)（NDWI）剔除礦區(qū)內(nèi)植被和水體像元，計算每個礦區(qū)所有礦產(chǎn)像元的平均光譜。對每種礦物建立一個文件夾，以礦物編碼為文件名，如81170（陶瓷土編碼）。每個文件夾包含礦區(qū)光譜文本文件、標(biāo)記影像、礦區(qū)真彩色影像3類數(shù)據(jù)。礦區(qū)光譜文本文件記錄了用于提取光譜的資源影像時間、礦區(qū)位置、礦區(qū)主礦物編碼及波長反射率。標(biāo)記影像為礦區(qū)最小外接矩形范圍，該范圍內(nèi)像元若是礦區(qū)像元則被賦值為1，反之為0。礦區(qū)真彩色影像主要展示礦區(qū)在影像中的情況，方便目視查看。

（2）構(gòu)建光譜庫驗證。礦物光譜庫中的礦物主要以高嶺石族黏土礦物成分為主，其他光譜特征用于比對排除非高嶺土成分礦物。光譜庫根據(jù)衛(wèi)星影像數(shù)據(jù)構(gòu)建，為驗證光譜庫構(gòu)建成果的準(zhǔn)確性，本研究利用光譜儀進(jìn)行了實地光譜測量，高嶺土礦區(qū)實地光譜測量反射率如圖4所示。

圖4…高嶺土礦區(qū)樣本及反射率曲線

利用當(dāng)天過境的高光譜衛(wèi)星遙感影像光譜反射率進(jìn)行實地光譜反射率匹配，結(jié)果如圖5所示。由圖5可知，高光譜衛(wèi)星影像數(shù)據(jù)構(gòu)建的光譜庫與實地測量結(jié)果具有較強(qiáng)的一致性，與實際地物的光譜特征匹配，可基于該特征通過光譜匹配方式進(jìn)行露天礦物識別。

圖5…實地測量光譜與高光譜影像光譜反射率對比

3.3試驗結(jié)果

3.3.1光譜角匹配與歐氏距離

光譜角閾值與歐氏距離閾值對礦區(qū)初步提取結(jié)果具有很大的影響，為了保證粗提取階段所有礦區(qū)被提取出來，本研究設(shè)置了較低的光譜角閾值和歐氏距離閾值。經(jīng)實驗測試，光譜角閾值設(shè)為0.9，歐氏距離閾值設(shè)為8，即像元光譜與參照光譜的光譜角大于0.9且歐氏距離小于8時，該像元被判定為礦區(qū)像元。

3.3.2基于光譜特征的礦區(qū)提取

本研究提取光譜中吸收波段的波長位置、吸收深度、相對吸收深度等光譜特征參數(shù)。參考高嶺土類礦物在2200nm波段處的吸收帶，利用光譜特征參數(shù)進(jìn)一步篩選礦區(qū)提取結(jié)果，光譜特征處理后得到初步礦區(qū)結(jié)果。采用形態(tài)學(xué)處理，消除提取結(jié)果中分散獨立像元的影響，需進(jìn)一步進(jìn)行腐蝕膨脹處理，最終得到礦區(qū)提取結(jié)果，如圖6所示。

3.3.3結(jié)果與討論

疑似違法露天開采礦區(qū)提取結(jié)果以JPG或TIFF格式展示，疑似違法開采礦區(qū)的礦物主成分是陶瓷土（礦物編號81170）。本研究將高光譜高分辨率融合提取結(jié)果與采礦權(quán)圖斑疊加，紅色像元為確定邊界的遙感提取礦區(qū)，黃色矢量圖斑為采礦權(quán)圖斑。研究區(qū)域的右上和中上部分存在疑似違法開采礦區(qū)，礦物集中的中上部分存在疑似越界違法開采礦區(qū)，如圖7所示。

圖6…高光譜提取礦區(qū)結(jié)果

圖7…疑似違法露天開采礦區(qū)提取結(jié)果

本研究結(jié)合已有的礦區(qū)資料分布情況，將試驗區(qū)劃分為3個區(qū)域，區(qū)域1主要為已有的較密集礦區(qū)，區(qū)域2為較零散分布的礦區(qū)，區(qū)域3為較少的礦區(qū)。對3個區(qū)域的識別提取結(jié)果進(jìn)行光譜匹配，對比識別礦區(qū)與已知礦區(qū)的資料，逐一檢查采礦權(quán)圖斑內(nèi)是否存在礦區(qū)像元，計算提取精度。統(tǒng)計結(jié)果如表1所示。

表1…高光譜礦區(qū)提取結(jié)果與礦區(qū)圖斑匹配情況

由以上結(jié)果可知，本研究基于高光譜衛(wèi)星影像數(shù)據(jù)可識別提取高嶺土類礦區(qū)。按已有資料情況，提取結(jié)果查全率為66%以上，準(zhǔn)確率約50%。

審核編輯 黃昊宇