Question

遥感与航空放射性信息集成处理与分析

Answer 1

8.1.1 遥感与航空放射性信息集成技术

基于数学理论基础和矿物光谱 (多光谱或高光谱) 特征的岩矿识别方法 (周成虎等，1999; 甘莆平等，2002) ，如图像增强、图像变换、光谱角识别、最优密度分割、交叉相关匹配识别、基于完全谱型的成像光谱岩矿识别、利用神经网络进行矿物自动识别，虽然在裸露的试验区可取得一定效果，但似乎还看不到在植被覆盖区的推广应用的前景。原因主要是像元的混合性和岩石波谱固有的不确定性 (承继成等，2004) 。岩性遥感步履维艰，遥感信息与物化探信息特别是航空放射性信息的集成，可能是遥感岩性识别研究的发展趋势之一。

不同类型的岩石放射性元素的含量和分布特征是不同的 (武汉地质学院地球化学教研室，1979; 刘英俊等，1984) ，表 8.1 列出了主要天然放射性元素在几种主要岩石中的含量和比值。从表中可以看出，火成岩中放射性元素含量随着岩石酸度的增加而增加; 沉积岩中细粒的碎屑岩比较粗粒的碎屑岩放射性元素含量高; 变质岩中变质程度较低的变质岩比深变质岩放射性元素含量高。对花岗岩来说，放射性元素的含量与岩石的地质年代有关，即年代愈晚，放射性元素含量愈高。由此可见，岩石中放射性特征可提供大量区分岩性、地层的信息。而且有的放射性元素 (如钍) 或放射性元素比值在岩石发生后生变化时具有相对稳定的特性，植被对岩石放射性测量几乎没有影响，可以说岩石放射性信息比岩石光谱信息，尤其在植被覆盖区，具有更好的甚至是诊断性的识别特征。

岩石放射性信息可通过航空物探 (航空伽玛能谱) 测量获取，航空物探与航天或航空遥感具有相似的不受地表条件限制和快捷、高效、经济的优点。随着航空物探测量仪器精度的不断提高，获取更精细的地表岩石的放射性元素含量信息是完全有可能的。

当然，岩石放射性信息在岩性识别方面绝不是万能的，像遥感技术中的 “同谱异质、同质异谱”一样，岩石放射性信息中也有 “放射性元素含量相同但岩性不同或岩性相同但放射性元素含量不同”的现象，岩石的风化和蚀变可以造成放射性元素的丢失、迁移和富集，从而会导致岩石的放射性特征的变化，因此采用单一的岩石放射性信息进行岩性识别或分类也不是最理想的选择。

遥感信息是多元信息，包括不同波段的反射率信息，航空放射性信息也是多元信息，包括 γ 总量、U、Th、K 含量及其比值信息，两者均具有获取速度快、成本低、信息量多、覆盖面积大等优势。在理论上可以论证，在实践中也可以证明，遥感与航空放射性信息的集成，既可充分表达岩石光谱信息，包括其纹理和结构构造特征信息，也可充分反映岩石放射性特征信息，增强了岩性的识别区分能力，在地质调查和矿产评价中有较高的应用价值。这即是光 (多光谱、高光谱遥感)- 能 (航空放射性伽玛能谱) 集成技术。刘德长等 (1993) 在 《以航空放射性测量为主的多源信息综合技术及应用》研究中，首次将航空放射性信息与遥感信息进行集成，即以遥感和航空放射性信息为主信息源，利用计算机系统、数字图像处理系统、地理信息系统以及机助制图系统组成的地学信息处理系统，研制既有光谱图像中的空间纹理信息、又含放射性信息的复合图像，进而达到成矿环境分析、成矿模式识别的目的。他们通过①对航空能谱数据进行预处理，包括插值、网格化、灰阶转换; ②将预处理后的航空能谱数据与遥感数据进行坐标配准; ③将配准后的遥感和航空能谱数据进行 RGB 合成，形成系列新型图像。为此，他们对连山关产铀岩体进行了划分，厘定了连山关地区铀的成矿构造格局，预测了成矿有利地段，显示了其良好的应用效果。

冯明月等 (1997) 在 《多源地学信息技术在铀成矿条件分析和远景预测中的应用》研究中，在对原始数据进行预处理和几何配准的基础上，分别用 TM1、5、7 作强度 I，U、Th、K 作色调 H，饱和度 S 取常数 255，从 HIS 空间变换到 RGB 空间，再分别取 3 个图像的蓝通道作假彩色合成，输出 TM1、5、7 和 U、Th、K 综合影像图像。该图像中主要岩层界线清楚，线性、环形构造都得到较好的反映。

表8.1 不同岩石类型 K、U、Th 含量及比值

注: 表中岩浆岩、沉积岩 K、U、Th 含量据陈肇博 (1985) ; 变质岩 U、Th 含量据陈肇博等 (1980) 。

李剑峰等 (1999) 在 《灵泉盆地多源地学信息综合岩性识别方法探讨》一文中，对MSS 4 个波段和航空伽玛能谱 4 个通道的 U、Th、K、总量数据进行多源统计分析，计算其相关矩阵，然后取 K- L 变换后的前3 个主分量进行 RGB 合成，并做直方图均衡化，得到色彩丰富、识别岩性效果较好的专题图像。

祝民强 (2002) 在 《基于 GIS 的砂岩型盆地铀矿多源信息集成评价技术研究》博士论文中，通过对航空能谱数据 (U、Th、K 等) 在 SURFER 软件下把网格数据灰阶转换成影像数据，再通过 ERDAS 图像处理软件与 TM 数据进行配准，然后取 TM 数据 K- L 变换后的第一、二主成分 PC1 和 PC2 与航空能谱 U 影像数据进行 RGB 合成，合成图像为铀矿预测提供了依据。

遥感与航空放射性信息的集成技术操作流程大致可归纳以下 5 个步骤:

(1) 对两类原始数据图像进行预处理、几何配准。

(2) 计算遥感数据各波段与航放数据 U、Th、K、Tc、U/Th、K/U 等的相关系数矩阵。

(3) 对有关变量进行 K- L 变换、蒙塞尔变换或反变换。

(4) 取 K- L 变换后的主成分本身或与其他变量进行假彩色合成并做图像增强处理，得到专题图像。

(5) 对专题图像进行监督分类，输出专题图件。

8.1.2 相山地区遥感与航空放射性信息集成图像处理及分析

相山地区遥感数据已经过多项式几何精纠正和 SFIM 融合，航空放射性数据已经过调平处理并已校正到与遥感数据相同的 UTM (Clarke，1886) 投影系统，两类图像具备了集成处理的几何配准条件。

在 Erdas (8.6) 软件平台对 SFIM1、2、3、4、5、7 和 K、U、Th、Tc 图像进行叠加组合并计算其相关系数矩阵 (表 8.2) 。

表8.2 相山地区 SFIM1、2、3、4、5、7 和 K、U、Th、Tc 数据相关系数矩阵

从表 8.2 可见，遥感数据各波段 (SFIM1、2、3、4、5、7) 之间均具有一定的相关性，航放数据 K、U、Th、Tc 之间具有较好的相关性，但遥感数据和航放数据之间相关性很小。相山地区植被发育，遥感数据所含的岩石特征信息量较少，植被和地形 (纹理)信息较多，而航放数据主要反映的岩性特征信息，这是两类信息互不相关的内在因素，也是进行两类信息集成处理的意义所在。

为了对两类信息进行有效的集成，笔者采用 K- L 变换方法，该方法可以把多元变量分解成几个信息量递减的互不相关的新变量，即在原始信息损失最小的前提下通过压缩数据维数，达到提取专题信息的目的。

表8.3 相山地区 SFIM1、2、3、4、5、7 和 K、U、Th、Tc 之 K- L 变换特征值

K- L 变换的特征值见表 8.3。从表 8.3 可见，①KL1、KL2、KL3 包含了总信息量中的99.97%的信息; ②KL1 信息量最大，主要来源于 Tc，KL8 信息主要来源于 Th，KL9 信息主要来源于 U，KL10 信息主要来源于 K; ③KL2 主要体现为 SFIM5 信息，但其他波段也有一定的体现; ④KL6 对 SFIM5、7 波段具有较强的负载荷并具有相反的贡献，可用于含水矿物蚀变信息异常提取。因此，对 KL6、KL1、KL2 进行 RGB 合成，合成图像 (图8.1) 与单一的遥感或航放数据图像相比，具有更好的可解译性。

在图 8.1 中，第四系冲坡积物，呈大红色调，线状、枝杈状影纹; 上白垩统南雄组红砂岩，呈蓝色，浮雕状、粗脑纹状影纹; 下白垩统鹅湖岭组碎斑熔岩，黄绿色，中深切割的块状; 花岗斑岩或流纹英安斑岩的色调与碎斑熔岩相似，但影纹更复杂; 震旦系变质岩，浅灰绿色，中—浅切割的密羽状; 加里东期或燕山早期花岗岩，黄绿色，不规则爪状山脊，树枝状水系较发育。

此外，线环构造影像在图 8.1 中也得到良好显示。

该图像与单纯的遥感图像 (见图 4.1) 相比，最明显的改进是，基底变质岩与基底花岗岩以及火山- 侵入杂岩的色调有明显的差异，改善了图像的视觉效果。虽然遥感数据的空间分辨率达 15 m，但航放数据的网格间距为300 m，大部分岩性地层的界线的清晰度仍然不够。由于相山地区已进行过 1∶25000 的岩性岩相填图，合成图像的空间分辨率远远达不到进行更精细的岩性识别和蚀变信息提取的要求，只有在航空物探测量仪器精度得到明显提高的情况下，这种既能表现光谱又能表现能谱信息的合成图像在相山地区的应用才具有实践意义。故此，笔者未对此图像做进一步的处理或分类。