多源遥感数据的岩土类型与地温场信息识别技术设计书

多源遥感数据的岩土类型及地温场信息识别技术设计书1 前言根据市地质矿产勘查开发局文件（京地【2010】29号），开展“多源遥感数据的岩土类型及地温场识别关键技术研究”项目，专题编号dkjdzky2010002，项目实施单位为市地质矿产勘查开发局，项目承担单位为市地质研究所，工作起止时间为2010年5月——2012年5月。

项目分两期开展，2010年度进行岩土类型识别关键技术研究，2011年度进行地温场识别关键技术研究。

1.1 工作目标总目标：利用多源遥感信息和实地波谱测试，对不同沉积环境、不同粒级组成的松散土体类型进行识别，研究其识别关键技术；利用热红外对温度的敏感性，进行地温场异常研究，实现其关键技术的研究与突破。

2010年度工作目标：利用多源遥感信息和实地波谱测试，对不同沉积环境、不同粒级组成的松散土体类型进行识别，研究其识别关键技术。

1.2 工作任务2010年度工作任务为：1）利用波谱测试仪，测试不同类型的岩土体（包括花岗岩组、碳酸盐岩组、卵砾类土、砂类土、粘性土、黄土类土）的波谱特性；2）利用多源遥感信息融合技术方法和岩土体的波谱特性提取岩土体不同类型；3）总结研究岩土类型遥感识别技术方法和理论模型。

2研究现状国外在20世纪70年代初相继开展岩土体信息遥感识别技术的探讨和研究。

上世纪80年代初，国外侧重利用多光谱遥感技术、多源遥感数据融合技术开展植被稀少、裸岩地区的岩性土体类型识别及划分，利用高光谱遥感技术进行区域岩性地质填图的研究工作，并探索出一系列遥感岩性和土体信息识别与提取技术方法，促进了遥感岩土体识别的定量化、精细化和智能化发展。

我国自上世纪80年代初先后开展地物光谱特征进行测试及对某些特定岩石或岩性地层的光谱研究等工作。

特别是高光谱遥感技术的发展，促进了岩性信息识别的定量化。

国学者在植被稀少、岩石裸露率高的西北干旱地区开展了大量遥感岩性识别方面的研究，并在该地区探索出了较成熟的多光谱和高光谱岩性信息提取方法。

当前岩土体类型信息提取方法主要有以下两种：一是基于多光谱的岩土体类型遥感信息提取，多光谱遥感岩土识别主要基于图像的空间灰度特征,采用变换方法增强图像的色调、颜色和纹理的差异,以及提取纹理信息,或利用多源数据融合的方法,达到识别岩性的目的；二是基于高光谱的岩土类型遥感信息提取，高光谱数据具有很高的光谱分辨率,并包含丰富的纹理信息,有利于岩性识别。

成像光谱仪在对目标地物空间特征成像的同时,对每个空间像元形成几十至几百个连续光谱覆盖的窄波段，在获得空间图像的同时获得了地物的连续光谱曲线及诊断性特征光谱,从而能够利用光谱信息直接识别地物,并获取定量信息。

高光谱对岩土的识别依赖于岩土的光谱特征,可以依据实测光谱、光谱库光谱或图像纯像元光谱对岩石类型进行识别并提取定量信息。

高光谱遥感岩土识别可分为基于单个诊断性吸收光谱特征、基于完全谱形特征以及基于光谱知识模型3种类型。

综上所述，岩土体遥感识别技术在国均有所应用和发展，但是，研究程度远远落后于地质遥感技术的整体水平。

受当前遥感技术发展水平的限制，目前国外的遥感岩土识别研究集中在植被稀少、人为影响较弱、岩石裸露率高的地区,而很少在土壤植被较好、岩石露头少的地区开展,这些地区尚无成熟的遥感岩土识别方法。

因此,如何在地形复杂、表层土壤厚、植被较好、岩石裸露率低的地区运用遥感方法进行岩土识别是今后研究的重点。

本项目将尝试运用多源遥感数据，在植被覆盖较好的区域，通过研究土壤、植被与岩性的关联，寻找消除表层植被的影响直接提取岩土信息的方法，达到识别岩土类别的目的，以完成岩土体类型识别的关键技术研究。

3研究思路、容及方法3.1 研究思路本项目将在遥感和地理信息系统技术支持下，采用实测岩土体波谱数据与定量反演相结合、计算机自动信息提取与人机交互解译相结合的方法，以遥感图像增强为技术关键点，以岩土体波谱测试为基础，辅以其他非遥感多源数据分析，完成多源遥感数据的岩土体类型识别关键技术的研究，研究思路路线图如图3.1。

图3.1 岩土体类型识别关键技术研究工作思路图3.2研究容1、数据增强处理利用多光谱以及高光谱数据不同波段对不同地物的敏感程度的差异，研究不同的数据增强方法所突出的地物类型及信息，以多种图像增强处理方法对遥感影像进行处理，剔除或减少非岩土体类别信息量，增强岩土体类别的遥感影像对比度，寻找凸显岩土体类别特征的数据增强方案。

经过试验、分析、筛选，寻找不同数据源的最佳增强方案，具体包括：1）SPOT5四个个多光谱数据凸显岩土体类别的增强处理方案；2）ETM七个多光谱数据凸显岩土体类别的增强处理方案；3）ASTER十四个高光谱凸显岩土体类别的增强处理方案；2、建立岩土体波谱数据与遥感数据定量关系实测研究区域各典型岩土体的反射波谱数据，并对波谱数据进行整理、分析，最终形成各岩土体反射波谱数据库。

针对不同的遥感数据源，运用不同方法对其进行地表的物理特征和参数反演运算，再通过建立数学运算方程的方式，寻找遥感影像反演岩土体类型同实测各类岩土体类型波谱数据之间的相关参数。

3、多源数据融合及信息提取通过对遥感影像进行预处理和增强处理，得到最能突显岩土体信息的遥感影像数据，再通过人机交互解译平台划分岩土体类别，提取各类岩土体信息。

根据研究区域特点，主要区分出以下几种岩土体类型：碳酸盐岩、花岗岩、卵砾类土、砂类土、粘性土、黄土类土。

（1）碳酸盐岩组（白云岩与灰岩）遥感影像上纹理、色调与周边地区差异较显著，在基岩出露明显地区，多表现为浅色调，形态上表现为山体或山脉，部分有人工痕迹，基岩出露不明显地区多有灌木覆盖，且植被稀疏。

（2）花岗岩组遥感影像上纹理、色调与周边地区差异十分显著，在基岩出露明显地区，表现为浅色调，反射亮度高，形态上表现为山体或山脉，基本无有人工痕迹，基岩出露不明显地区也稍有植被覆盖。

（3）卵砾土类卵砾石类土在影像上多表现为浅色调地带，由于多夹杂低矮灌木或荒草，且部分多开垦为果园，浅色中夹杂颗粒状或点状暗色调，纹理较为单一。

（4）砂类土砂类土多分布于山前河流周边，或山前粘土与砾石土过度地带，多开垦为农田，但含水少，影像色调较浅。

（5）粘性土粘性土多分布于广阔平原地带，影像上表现为成片农田，其间夹杂居民地与道路，且由于含水较多，影像表现为较深色调，纹理单一。

（6）黄土类土黄土类土是一种浅色调的第四纪松散堆积物，其地面被沟谷网纵横分割，形成独特的切割破碎地貌。

黄土类土影像特征比较明显，平原地区出露较多，多为被开垦为旱地农田。

4、综合研究根据各遥感影像识别岩土体类型信息的程度以及对不同遥感影像而采用的数据增强和处理方法，分析不同沉积环境、不同粒级的岩土体的遥感特性，总结多源遥感数据识别岩土体类型的方法，探讨岩土体类型识别关键技术方法的可行性、约束性以及所存在的问题。

3.3 研究方法1、数据收集与分析本次研究采用的数据源分为遥感数据和非遥感数据，遥感数据分为三种：第一是包含4个多光谱与1个全色波段的SPOT5遥感数据；第二种为包含7个多光谱与1个全色波段的ETM遥感数据；第三种为包含14个波段的ASTER遥感数据。

这三种遥感数据均具有波段多、分辨率高的特点，对研究城市周边岩土体类别识别具有巨大优势。

非遥感数据主要包括基础地质数据、地形地貌、前人相关工作成果等，非遥感数据作为重要的遥感数据补充，即能够提供研究区域的基础资料，又能在多源数据融合、岩土体类别信息提取中发挥重要作用。

其中遥感数据要求时相为近年数据，岩石出露较好即可。

2、岩土体波谱测试遥感卫星传感器所接收来自地表的地物波谱信息包括了大气程辐射、散射、其他地物反射、衍射等多种因素的影响，通过地表波谱测试，能够更准确、高效的提取相关信息，可以去除多种辐射的影响，为建立遥感数据和地面测试数据之间的定量关系奠定基础。

本次研究对象为地表岩土体，采用波谱测试仪器，采集地区典型岩土体类别反射波谱数据，包括各种碳酸盐岩、花岗岩、卵砾类土、砂类土、粘性土、黄土类土的波谱数据，并对收集到的岩土体波谱数据进行整理、分析，形成各类岩土体的波谱库。

野外波谱测试3、数据处理包括对遥感数据与非遥感数据的处理。

对遥感数据主要进行图像辐射校正、图像校正、影像融合、图像增强等遥感图像处理方法，对非遥感数据主要进行数据标准化、可视化等处理。

采用软件有ERDAS、PCI、ENVI、PHOTOSHOP。

（1）图像辐射校正在保持足够信息量和清晰度的前提下，对原始图像进行降噪、去条带、去霾等辐射增强，对辐射度畸变较大的原始图像进行辐射度纠正处理。

（2）图像校正图像校正包括对中分辨率影像数据的几何纠正和对高分辨率影像数据的正射校正。

遥感影像数据应统一投影、统一坐标系，设置如下：平面坐标系采用1954坐标系；高程系统采用1956黄海高程基准；影像图的投影采用高斯-克吕格投影。

1）几何纠正以精度相同或高于影像比例尺的地形图为基准图件，选取适当的控制点，采用多项式和三角有限元两种方法进行几何精纠正，投影方式选用高斯-克吕格投影6度分带坐标系统。

控制点应均匀分布，选取地形图和影像中均能正确识别、定位的明显地物点上，尽量选择道路等线形地物交叉点的中心。

2）正射校正高分辨率影像数据由于轨道较低、入射角太大、地表切割强烈，图像中存在严重的几何畸变。

为消除地形起伏引起的图像变形、提高遥感信息提取精度、丰富地形地势信息，高分辨率数据需要利用星历参数、适当精度的控制点及DEM通过严格物理模型对其进行图像的正射校正。

项目中只有SPOT5影像需借助地形高程模型（DEM），通过与图像相对应的RPC（Rapid Positioning Capability）参数，在此基础上增加控制点，提高正射校正精度。

在校正过程中，可先校正全色波段，然后以校正好的全色波段作为参照，校正多光谱波段。

目前的商业软件，ENVI4.7、ERDAS IMAGE9.2均可以用RPC参数完成正射校正（3）非遥感数据标准化与可视化非遥感数据包括了基础地质图件、文字报告、统计数据等，这些数据作为多源数据的一部分，必须经过数据标准化与可视化后才能够同遥感数据结合。

具体而言就是对基础图件进行扫描，进行配准，将图件信息进行矢量化及栅格化等；将文字报告和统计数据中对地物的性质、数量、面积描述转变成矢量文件，通过投影变换的方式投影到目标坐标系。

（4）多源影像融合项目所采用的数据包括非遥感数据和遥感数据，数据的类型不同、标准、单位等都不同，要使各种数据所包括的信息和遥感数据所包含的信息进行组合，必须经过信息的融合，对多源数据的信息进行处理、标准化、正规化和可视化，使其在同一个标准体系下，才能够进行信息融合。

信息融合的主要方法包括以下几个方面：1）新型像素级融合方法基于对立成分分析的多源空间信息融合基于非负举证分解分析的多源空间信息融合基于稀疏成分分析的多源空间信息融合2）特征级融合方法主要包括多源信息特征提取、特征评价准则、特征空间的构建方法、多源特征融合模型的研究等。