典型地物光譜空間結構特征與基本統計參數分析

王冬寅，朱谷昌，張遠飛

(1.中南大學，長沙 410083;2.有色金屬礦產地質調查中心，北京 100012;3.中色地科礦產勘查股份有限公司，北京 100012)

典型地物光譜空間結構特征與基本統計參數分析

王冬寅1，2，朱谷昌1，3，張遠飛2

(1.中南大學，長沙 410083;2.有色金屬礦產地質調查中心，北京 100012;3.中色地科礦產勘查股份有限公司，北京 100012)

分別從光譜曲線及光譜特征空間入手，對內蒙古突泉與青海同仁研究區野外實測巖石、土壤和植被等3類典型地物的光譜數據進行了分析，發現研究區無論在光譜曲線空間，還是在光譜特征空間，同類地物的分布形態基本一致，而不同之處是由不同地區的地質地貌、生態環境與氣候因素決定的，但不影響其空間分布形態的整體特征。通過分析與實驗，發現了幾種能夠在光譜特征空間對上述3類特征地物進行較好區分的波段組合，可以利用這幾種波段組合指導根據遙感圖像生成的二維散點圖對這3類地物的分類，有助于改進遙感蝕變信息提取方法。

光譜數據分析;光譜空間結構;二維散點圖;統計參數;蝕變信息提取

0 引言

目前，常用的遙感蝕變異常信息提取方法主要為“比值+主成分分析法”，但該方法采用的處理流程和分析手段相對固定，適用地區有限，而且會出現假異常現象［1－2］。近10 a來，人們開始注重利用地物光譜特征分析來指導遙感礦化蝕變信息提取［3－4］。例如: 張遠飛等［5－6］從遙感高(多)光譜數據的基本統計特征出發，研究圖像數據的背景與異常的關系，并對高(多)光譜圖像數據點陣分布的空間幾何結構進行了深入研究，提出了針對遙感圖像多元數據特征的背景－異常模型，進而上升為“遙感蝕變信息多層次分離技術模型”;高建陽［7］基于特征譜帶的光譜微分及完全波形特征的光譜匹配等遙感礦物識別方法對高植被覆蓋區的巖礦信息提取技術進行了探討;余健等［8］基于ASTER圖像可見光、近紅外(VNIR)—短波紅外(SWIR)譜帶的特征光譜分析，采用相對波段吸收深度方法對蝕變信息進行增強處理，在贊比亞謙比希銅礦區取得了較好的地質效果。但在目前常用的利用地物光譜特征分析來指導遙感礦化蝕變信息提取的方法中，基于光譜特征空間分析的研究并不多。雖然2010年李紅等［9］在光譜特征空間中對典型地物點陣的分布形態及其空間分布關系進行了分析總結，但其所研究的區域僅限于中等植被覆蓋的礦物蝕變地區，并沒有對多種景觀地區的典型地物在光譜特征空間的分布情況進行對比分析。本文在前人研究成果的基礎上，對內蒙古突泉縣－扎魯特旗及青海省黃南州同仁－澤庫地區巖石、土壤和植被等典型地物的野外實測光譜進行了研究，從二維散點圖和光譜特征空間基本統計參數的角度分析這2個研究區典型地物的共性與區別;并試圖找出能夠在光譜特征空間區分上述3類典型地物的波段組合，以指導去除遙感圖像中干擾遙感蝕變信息提取的地物信息。

1 研究區概況與光譜數據采集

1.1 研究區概況

本文選擇內蒙古突泉縣－扎魯特旗(以下簡稱內蒙古突泉地區)及青海省黃南州同仁－澤庫地區(以下簡稱青海同仁地區)作為研究區域，研究區內既有植被和土壤，又有裸巖，有利于研究植被、土壤和蝕變巖石這3者的關系。

內蒙古突泉地區位于大興安嶺東南麓與松嫩平原過渡地帶，為波狀起伏的低緩丘陵植被覆蓋區，海拔一般為400～600 m，屬大陸型寒溫帶季風氣候，水系不發育。山包上植被不發育，主要由草本植物、灌木及喬木這3類植物組成;土壤顏色為淺黃色;巖石露頭斷續可見，主要巖石有花崗巖、熔巖、砂巖、斑巖等;該地區位于突泉－科爾沁右翼中旗－扎魯特旗銅、鉛、鋅、銀多金屬成礦帶上，礦床類型主要有矽卡巖型、脈狀熱液型及斑巖型。

青海同仁地區屬于青藏高原東北部的高寒山地地區，海拔一般在3600～4500 m，最高海拔達5000 m以上，屬高原性氣候，干寒、多風、溫差變化大，溝谷河流較發育。區內植被主要為草本植物;土壤富含有機質，顏色較深，接近黑色;主要巖石有砂巖、閃長巖、灰巖、大理巖等;該地區礦種豐富多樣，已探明礦種有銅、鉛、鋅、金、銀、砷、銻、鎢、鉬、錫、鈷等，礦產類型多為與中酸性侵入巖及次火山巖有關的熱液(脈)型、矽卡巖型和疊加改造型。

1.2 光譜數據采集

本文的野外光譜測試使用的是美國SVC(spectra vista corporation)公司生產的GER 2600便攜式光譜儀，其光譜響應范圍為350～2500 nm，光譜分辨率在350～1050 nm范圍內為1.5 nm，在1050～2500 nm范圍內為11.5 nm，視場角為3°。考慮到儀器精度和大氣等因素的影響，本文研究的光譜區間設定在400～2550 nm范圍內。

由于在室外進行光譜測試受大氣、水氣和其他因素影響非常嚴重，研究中使用的所有巖石、土壤以及植被樣本數據，均為在野外測試點采集樣品后在室內進行光譜測試獲得的數據。內蒙古突泉地區的數據為2008年7月和2010年7月2次野外實測數據的集合;青海同仁地區的數據為2009年8月的野外實測數據。數據樣本采集數量及分布情況如表1所示。

表1 光譜數據樣本數統計Tab.1 Sample statistics of spectral data (個)

2 光譜特征與空間結構分析

2.1 光譜特征分析

分別選取內蒙古突泉的西巴彥花地區及青海同仁的曲龍地區的光譜數據(圖1)，采用文獻［9］的研究方法，對植被、土壤及巖石的光譜曲線特征進行對比分析(表2)。

可以看出，2個地區的同類地物反射光譜曲線形態基本一致，存在的不同之處是由不同地區的生態環境、氣候因素與地質條件決定的，但不影響各類地物反射光譜曲線的整體特征。

圖1 典型地物反射光譜曲線Fig.1 Spectral reflectance curves of typical objects

表2 內蒙古西巴彥花與青海曲龍地區典型地物光譜曲線特征對比Tab.2 Comparing spectral curve characters of typical objects in Xibayanhua of Inner Mongolia and Qulong of Qinghai

續表

2.2 光譜特征空間結構分析

光譜特征空間是假設多光譜圖像有n個波段，則每個像元在各波段的灰度值將構成一個向量，用X=(x1，x2，……，xn)T表示，xi為像元的向量值，包含所有X的n維空間稱為“光譜特征空間”［13－14］。

由于光譜曲線空間表達的是曲線的連續變化特征，而光譜特征空間表達的是離散樣點的光譜數據在統計空間的點群分布特征，因此要研究地物在光譜特征空間的分布特征，首先需對野外測得的光譜反射率數據以TM數據各波段范圍為譜段進行重采樣，實現光譜數據從光譜曲線空間到光譜特征空間的映射變換［14］;然后選擇不同的波段作為光譜特征空間的坐標軸，得到光譜數據的二維光譜特征空間的點群分布圖(以下簡稱二維散點圖)。

2.2.1 典型地物散點圖分析

以TM3與TM4波段組合的二維散點圖(圖2)為例，分析植被、土壤與巖石這3類典型地物的光譜特征，以及3者之間的光譜空間結構關系。

圖2 TM3與TM4波段組合散點圖Fig.2 Scatter plots by TM3 and TM4

從圖2可以看出:

1)從整體上看，內蒙古突泉與青海同仁地區的土壤、植被與巖石光譜點群基本特征是非常相似的(其中，植被與巖石2類點群回歸直線的斜率幾乎一致)，而土壤點群回歸直線的斜率稍有差別，表明相同地物在不同地區的光譜特性是具有共性的。

2)植被由于在近紅外波段(TM4)具有很高的反射率，所以其光譜點群明顯有別于其他2類地物。

3)2個地區的土壤擬合直線與巖石擬合直線基本平行，2類點群也很靠近，表明土壤主要來源于巖石的本質特性。

4)仔細比較發現，與內蒙古突泉地區相比，青海同仁地區的土壤點群靠近坐標軸的低端且分布長度明顯比較短，土壤擬合直線與巖石擬合直線有偏向植被點群的趨勢。通過分析可知，青海同仁地區土壤光譜的變化主要是受該地區植被腐爛后的有機質成分的影響，土壤光譜值在TM3波段明顯變低，同時又有些植被光譜特征的痕跡。其他一些相關波段的散點圖也表現出青海同仁地區土壤光譜受植被因素影響的特征。分析自然氣候條件及采集光譜數據時的野外記錄可知，內蒙古突泉地區的土壤主要由巖石風化形成，故土壤光譜特征接近于巖石;青海同仁的土壤中含有較多的有機質，故其光譜特征受植被影響顯著。

由上述分析可知，在相同波段組合的光譜特征空間，不同地區的同種地物呈現的光譜特征相似;其呈現出不同特征的部分，是由該地區的地質地貌、生態環境與氣候因素決定的，是可以解釋的。不同波段組合的散點圖可反映出上述3類地物的不同光譜空間結構特征與相互關系。通過對比分析2個不同地區各種波段組合的散點圖，可從不同側面獲得這些典型地物更多的光譜空間結構特征與相互關系。

2.2.2 散點圖斜率標準差與斜率差分析

為了進一步的研究分析，本文分別采用內蒙古突泉5個小地區、青海同仁5個小地區及2大地區內各自匯總的光譜數據，繪制出幾種常用波段組合的二維散點圖;再分別求得2大地區內部的5個小地區在這些二維散點圖中3類地物的回歸直線斜率的標準差(以下簡稱斜率標準差)，以及2大地區各自匯總數據的二維散點圖中3類地物的回歸直線的斜率(以下簡稱斜率);并計算2大地區間同類地物、同種波段組合的斜率差值(以下簡稱斜率差)，結果見表3。

表3 光譜數據散點圖回歸曲線斜率及標準差Tab.3 Regression curve slope and standard deviation of scatter plots by spectral data

斜率標準差能反映內蒙古突泉與青海同仁地區不同地物在散點圖中分布的相似程度;斜率反映地物在散點圖中的主要分布趨勢;斜率差則反映了各類地物在同種波段組合散點圖中分布的相似程度。

為了使分析更加具有實際意義與針對性，首先分別計算識別3類地物常用的6組TM波段間的相關系數(表4)，然后對3類地物進行散點圖回歸直線的斜率標準差與斜率差分析。

表4 3類地物光譜識別常用的波段組合及其相關系數Tab.4 Correlation coefficients of band composites of the three objects

分析表4發現，在2個地區波段組合方案中，波段間的相關系數具有相似性。一般而言TM波段間的相關系數越小，其組合的信息量越大。下面將主要針對3類地物的各自相關性較小的波段組合進行散點圖回歸直線的斜率標準差與斜率之差分析。

1)土壤光譜特征分析。從表3看出，土壤的波段組合除TM5與TM3，TM5與TM4外，其他波段組合的斜率標準差均不大;而2個地區間同種波段組合中土壤的斜率差較大(均在0.1以上，尤其TM5與TM3，TM3與TM1，TM5與TM4波段組合的斜率差更大)。

①雖然土壤光譜在TM4與TM7波段組合的相關系數最小，但它的斜率標準差和斜率差的值均不大，說明該波段組合在散點圖中反映出的是土壤光譜的共性信息，對土壤光譜的個性信息反映不明顯。

②土壤光譜在TM5與TM3，TM5與TM4兩組波段組合的相關系數較小，且土壤在TM5與TM3，TM5與TM4波段組合的散點圖中斜率標準差與斜率差均較大。土壤在TM3，TM4與TM5三個波段的光譜反射率受到水分、有機質含量、土壤成分及其他土壤特性等影響［15］。分析可知，TM5與 TM3，TM5與TM4兩種波段組合的散點圖能夠較好地區分不同的土壤類型，反映出不同地區土壤所具有的特性。

③何挺等［16］通過研究分析，認為光譜反射率與有機質含量呈負相關，在TM3，TM4波段附近的相關性最強。因此，雖然在土壤光譜方面TM3與TM1波段組合相關性較高，但在散點圖中斜率標準差較小、斜率差較大，說明TM3與TM1波段組合較好地反映了2大地區內各自土壤的共性，同樣反映了2大地區土壤在有機質含量方面的明顯不同。

2)巖石光譜特征分析。從表4看出，巖石在TM數據的各常用波段組合中任意波段間的相關系數均較高。根據隨機場理論和實際工作總結，地物的光譜數據在2個相關波段的二維散點圖上一般呈橢圓形分布［5，17］。本文中所研究的巖石、土壤和植被樣本在所有波段組合的二維散點圖分布形態也均可以用橢圓形來描述，為便于分析說明，將包含所有樣本點的最小橢圓稱為該點群的“外包橢圓”。

從表3中可以看出，巖石的斜率差都較小(除TM3與TM1波段組合的斜率差為0.38外，其余波段組合的斜率差均不超過0.1)。觀察內蒙古突泉和青海同仁地區的TM3與TM1波段組合散點圖(圖3)可以看出，青海同仁地區的巖石光譜樣本在散點圖上分布形態的離散度較大，已經不是橢圓形分布，說明其可能存在蝕變信息［5］。青海同仁地區在TM3與TM1波段組合的斜率標準差為0.2377，是2個地區巖石的所有波段組合的斜率標準差中最大的。由此也可以看出，在TM3與TM1波段組合中，青海同仁地區的巖石顯示出了較明顯的蝕變信息特征。

圖3 TM3與TM1波段組合散點圖Fig.3 Scatter plots by TM3 and TM1

3)植被光譜特征分析。從表3看出:植被波段組合斜率標準差不大(除TM4與TM7，TM5與TM3外);2地區間同種波段組合植被的斜率差非常小(除TM4與TM7外，其他波段組合的斜率差約0.1)。

①植被光譜反射率在TM3與TM4波段處的相關性最小，在TM5與TM4波段處的相關性較小。但植被的上述2種波段組合的斜率標準差及斜率差均非常小，說明這2種波段組合能較好地反映植被光譜的共性信息，對不同地區植被光譜的個性信息反映不明顯。

②植被光譜反射率在TM4與TM7波段之間的相關性較小。但TM4與TM7波段組合的斜率標準差在內蒙古突泉地區為0.3062，在青海同仁地區為0.7127，這2個地區的斜率標準差相差很大;TM4與TM7波段組合的斜率差也較大(為0.39)。說明TM4與TM7波段組合能夠反映出青海同仁5個小地區的植被具有較大差異，比內蒙古突泉5個小地區的植被差異更大。這是由于青海同仁不同地區樣品采集地大多是放牧區，其土壤受有機質的影響大，各地土壤成分的差異較大，植被因受到土壤營養類型的影響而導致了植被光譜比較大的變化。

③植被光譜反射率在TM5與TM3波段之間的相關性較小。但TM5與TM3波段組合的斜率標準差在內蒙古突泉與青海同仁均為0.4左右，斜率差較小(僅0.11)。由此可知，TM5與TM3波段組合反映出2大地區內部各小地區植被的差異性，而2大地區之間的整體差異性較小。

3 典型地物的最佳波段及組合

通過對2大地區的光譜數據分析得出，在野外采集的光譜數據經過重采樣映射到光譜特征空間后形成的二維散點圖中，2大地區各類地物無論是共性還是個性，都得到較好地反映。因此筆者認為在二維散點圖中對各類地物信息進行區分是可行的。

3.1 波段選擇

本文通過對內蒙突泉與青海同仁2省的散點圖進行觀察分析，發現TM3與TM4波段組合所形成的散點圖能夠較好地區分3類地物(圖3);TM5與TM3，TM5與TM4，TM5與 TM7等波段組合對3類地物的區分也有一定的效果。因此，選擇以上幾種波段組合計算比值，再與原始波段進行組合形成的散點圖能夠對3類地物進行更好地區分。

3.2 最佳波段組合

根據分析與實驗，發現TM3/TM4波段比值分別與原始波段TM1，TM3，TM4和TM7及波段比值TM3/TM1，TM5/TM3，TM5/TM4 和 TM5/TM7 進行組合，形成的二維散點圖能夠很好地區分3類地物;此外，TM5/TM3與TM5/TM4波段組合比值形成的二維散點圖也能夠較好地區分3類地物。

本文在光譜特征空間將3類地物進行區分之后，能夠指導根據遙感圖像所形成的散點圖進行3類地物的分類。分類時需要使用分割法或聚類法對各類地物進行區分，其中對TM3/TM4與TM4組合(圖4)，TM3/TM4與 TM3/TM1組合，TM3/TM4與TM5/TM7組合較適合使用分割法;對TM5/TM4與TM5/TM3組合(圖5)，TM3/TM4與TM5/TM3組合較適合使用聚類法。

圖4 TM3/TM4，TM4波段組合散點圖Fig.4 Scatter plots by TM3/TM4 and TM4

圖5 TM5/TM4，TM5/TM3波段組合散點圖Fig.5 Scatter plots by TM5/TM4 and TM5/TM3

4 結論

1)不同地區同種地物在相同波段組合的光譜特征空間中呈現出相似的光譜幾何結構特征;不同地區的同種地物在相同波段組合的光譜特征空間呈現出的不同特征部分，是由該地區的生態環境、氣候因素與地質條件決定的，是可以解釋的。

2)內蒙古突泉地區的土壤主要由巖石風化形成，光譜特征接近于巖石;青海同仁地區的土壤含有較多有機質，其光譜受植被光譜的影響顯著。

3)在野外采集的地物光譜數據經過重采樣映射到光譜特征空間后所形成的二維散點圖中，不同地區的3類地物無論是共性還是個性，都可以得到較好的反映。因此，在二維散點圖中對各類地物信息進行區分是可行的。

4)在光譜特征空間中，TM3/TM4波段比值分別與原始波段TM1，TM3，TM4，TM7及波段比值 TM3/TM1，TM5/TM3，TM5/TM4和 TM5/TM7進行組合，形成的二維散點圖能夠很好地區分土壤、巖石與植被3類地物;此外，TM5/TM3與TM5/TM4波段比值組合形成的二維散點圖也能夠較好地區分這3類地物。

5)本文僅在理論層面對在光譜特征空間中可以區分土壤、巖石與植被這3類地物的波段組合進行了分析與選取，在實際遙感圖像中對3類地物進行區分時，還需要進一步的實踐與驗證。

［1］胡 波，朱谷昌，張遠飛，等.空間U統計量法在遙感蝕變信息提取中的應用研究［J］.國土資源遙感，2011(3):71－76.Hu B，Zhu G C，Zhang Y F，et al.The Application of Spatial U － static Method to the Extraction of Alteration Anomalies［J］.Remote Sensing for Land and Resources，2011(3):71 － 76(in Chinese with English Abstract).

［2］張遠飛，吳健生.基于遙感圖像提取礦化蝕變信息［J］.有色金屬礦產與勘查，1999，8(6):604 －606.Zhang Y F，Wu J S.Extraction of Mineralization and Alteration Information from Remote Sensing Images［J］.Geological Exploration for Non － ferrous Metals，1999，8(6):604 － 606(in Chinese with English Abstract).

［3］張宗貴，王潤生，郭小方，等.基于地物光譜特征的成像光譜遙感礦物識別方法［J］.地學前緣，2003，10(2):437 －443.Zhang Z G，Wang R S，Guo X F，et al.Mineral Recognition Method by Spectrometry Remote Sensing Based on Material Spectral Characteristics［J］.Earth Science Frontiers，2003，10(2):437 － 443(in Chinese with English Abstract).

［4］吳德文，朱谷昌，張遠飛，等.多元數據分析與遙感礦化蝕變信息提取模型［J］.國土資源遙感，2006(1):23－25.Wu D W，Zhu G C，Zhang Y F，et al.The Multivariate Data Analysis and the Model for Extracting Remote Sensing Mineralization and Alteration Information［J］.Remote Sensing for Land and Resources，2006(1):23 －25(in Chinese with English Abstract).

［5］張遠飛，楊自安，張普斌，等.高(多)光譜數據的背景－異常子空間模型研究［J］.地球信息科學學報，2009，11(3):282－290.Zhang Y F，Yang Z A，Zhang P B，et al.Research on Background-Anomaly Sub-space Model of Hyper(Multi)spectral Data［J］.Geo-Information Science.2009，11(3):282 － 290(in Chinese with English Abstract).

［6］張遠飛，吳德文，袁繼明，等.遙感蝕變信息多層次分離技術模型與應用研究［J］.國土資源遙感，2011(4):6－13.Zhang Y F，Wu D W，Yuan J M，et al.The Model and Application of Multi-level Detaching Technique of Remote Sensing Alteration Information［J］.Remote Sensing for Land and Resources，2011(4):6－13(in Chinese with English Abstract).

［7］高建陽.Hyperion高光譜數據在福建鐘騰銅鉬礦區的應用研究［J］.國土資源遙感，2011(1):87 －90.Gao J Y.The Application of the Hypeion Hyper-spectral Image to the Zhongteng Cu-Mo Deposit in Pinghe County of Fujian Province［J］.Remote Sensing for Land and Resources，2011(1):87 － 90(in Chinese with English Abstract).

［8］余 健，董玉森，張 志，等.基于ASTER影像的蝕變異常提取方法研究——以贊比亞謙比希銅礦床地區為例［J］.國土資源遙感，2011(3):54－60.Yu J，Dong Y S，Zhang Z，et al.Research on the Methods for Extraction of Alteration Information by Using ASTER Data:A Case Study of the Chambishi Copper Deposit in Zambia［J］.Remote Sensing for Land and Resources，2011(3):54 － 60(in Chinese with English Abstract).

［9］李 紅，朱谷昌，張遠飛，等.礦化蝕變區典型地物光譜特征分析與空間結構研究——以內蒙古突泉縣－扎魯特旗成礦帶為例［J］.國土資源遙感，2010(1):89－95.Li H，Zhu G C，Zhang Y F，et al.Reflectance Spectral Characteristics and Spatial Structure of Typical Objects in Mineralization and Alteration Areas:A Case Study of the Tuquan-Jarud County Metallogenic Belt in Inner Mongolia［J］.Remote Sensing for Land and Resources，2010(1):89 －95(in Chinese with English Abstract).

［10］童慶禧.中國典型地物波譜及其特征分析［M］.北京:科學出版社，1990:602－604.Tong Q X.Typical Object Spectrum Analysis of China［M］.Beijing:Science Press，1990:602 －604(in Chinese).

［11］黃家柱.遙感地學分析［M/CD］.［2011 －12 －29］.http://kc.njnu.edu.cn/ygdxfx/page/jiaoan/ch7.htm.Huang J Z.Geography Remote Sensing Analysis［M/CD］.［2011－12 － 29］.http://kc.njnu.edu.cn/ygdxfx/page/jiaoan/ch7.htm(in Chinese).

［12］劉偉東.高光譜遙感土壤信息提取與挖掘研究［D］.北京:中國科學院遙感應用研究所，2002.Liu W D.Study on Extraction of Soil Information and Data Mining by Hyperspectral Remote Sensing［D］.Beijing:Institute of Remote Sensing Applications Chinese Academy of Sciences，2002(in Chinese with English Abstract).

［13］中國知網.CNKI概念知識元庫［DB/OL］.［2011－12－29］.http://define.cnki.net.China National Knowledge Infrastructure.CNKI Conceptual Knowledge Library［DB/OL］.［2011 － 12 － 29］.http://define.cnki.net(in Chinese).

［14］李 紅.地物光譜特征分析及其在礦化蝕變信息提取中的應用研究［D］.長沙:中南大學，2010:31－32.Li H.Research on Spectral Analysis and Its Application to Mineralization Information Extraction［D］.Changsha:Central South University，2010:31 －32(in Chinese with English Abstract).

［15］周 清.土壤有機質含量高光譜預測模型及其差異性研究［D］.杭州:浙江大學，2004:13 －18.Zhou Q.Study on the Hyperspectral Prediction Models of Soil Organic Matter and Its Differences Among Soil Types［D］.Hangzhou:Zhejiang University，2004:13 － 18(in Chinese with English Abstract).

［16］何 挺，王 靜，林宗堅，等.土壤有機質光譜特征研究［J］.武漢大學學報:信息科學版，2006，31(11):975 －979.He T，Wang J，Lin Z J，et al.Spectral Features of Soil Organic Matter［J］.Geomatics and Information Science of Wuhan University，2006，31(11):975 －979(in Chinese with English Abstract).

［17］李智勇，郁文賢，匡綱要，等.基于高維幾何特性的高光譜異常檢測算法研究［J］.遙感技術與應用，2003，18(6):379 －383.Li Z Y，Yu W X，Kuang G Y，et al.The Research of Anomaly Detection Based on High-dimensional Geometrical Feature in Hyperspectral Imagery［J］.Remote Sensing Technology and Application，2003，18(6):379 －383(in Chinese with English Abstract).

Spatial Structure Features and Basic Statistic Parameters of Typical Ground Object Spectral Data

WANG Dong － yin1，2，ZHU Gu － chang1，3，ZHANG Yuan － fei2
(1.Central South University，Changsha 410083，China;2.China Non － ferrous Metals Resource Geological Survey，Beijing 100012，China;3.Sinotech Minerals Exploration Co.，Ltd.，Beijing 100012，China)

From the point of view of spectral curve and spectral feature space and through the analysis of the spectral data of three main ground objects measured in the field，i.e.，rocks，soil and vegetation，in the two study areas of Tuquan in Inner Mongolia and Tongren in Qinghai，the authors found that the feature distribution forms are basically the same in the two study areas in both spectral curve space and spectral feature space，although there exist a bit difference caused by the geological environment，ecological environment and climate factors in different areas.Through the analysis and experiment，it is found that several new band combinations can better distinguish the three main ground objects in the spectral feature space and can also guide the classification of the three main ground objects based on the scatter plots of the remote sensing image.This research is helpful to improving the method for extraction of alteration information.

spectral data analysis;spectrum spatial structure;2D scatter plot;statistical parameter;alteration information extraction

TP 79

A

1001－070X(2012)04－0138－08

2012－01－08;

2012－02－28

10.6046/gtzyyg.2012.04.23

王冬寅(1986－)，女，碩士研究生，地圖學與地理信息系統專業，主要從事GIS和RS應用等方面的研究。E －mail:csu_wdy@163.com。

(責任編輯:邢 宇)