基于遙感協(xié)同數(shù)據(jù)對巖性進行監(jiān)督分類
——以阿爾金西段江格勒薩依地區(qū)為例

高 猛， 陳 川*， 竇海鵬， 李炳謙， 薛文洋， 朱亞勝

(1.新疆大學地質(zhì)與礦業(yè)工程學院,烏魯木齊 830047；2.新疆大學新疆中亞造山帶大陸動力學與成礦預(yù)測重點實驗室,烏魯木齊 830047；3.華北地質(zhì)勘查局第四地質(zhì)大隊,秦皇島 066000；4.核工業(yè)二一六大隊, 烏魯木齊 830011)

遙感技術(shù)是地質(zhì)工作不可或缺的重要組成部分,利用遙感技術(shù)自動對巖性進行識別,對地質(zhì)工作智能化、自動化發(fā)展更顯得彌足珍貴。中國學者為提高分類精度或基于不同特征構(gòu)建復合數(shù)據(jù),或基于不同數(shù)據(jù)構(gòu)建協(xié)同數(shù)據(jù),或二者兼而有之。陳秋曉等[1]基于不同特征組合對地物進行分類,發(fā)現(xiàn)對SPOT數(shù)據(jù)進行多特征組合分類,具明顯優(yōu)勢。張錦水等[2]基于支持向量機方法,利用光譜、紋理、結(jié)構(gòu)等信息對IKONOS高空間分辨率數(shù)據(jù)進行分類。張翠芬[3]在南天山、西昆侖等地區(qū)基于不同遙感數(shù)據(jù)利用多種協(xié)同、分類方法對自動識別巖性進行較為全面研究。張斌等[4]、帥爽等[5]利用Landsat-8與Worldview-2協(xié)同數(shù)據(jù)西昆侖地區(qū)沉積地層進行自動分類,取得較好效果。王永吉等[6]利用光譜和紋理特征對土地利用類型進行分類,并得出高空間分辨率分類效果較優(yōu)。張翠芬等[7]通過對不同尺度紋理Worldview-2數(shù)據(jù)及ASTER數(shù)據(jù)進行協(xié)同,深入研究紋理尺度對沉積地層自動分類的影響。王文靜等[8]利用多時相Landsat-8數(shù)據(jù)并將光譜、紋理、歸一化差分植被指數(shù)(normalized difference vegetation index, NDVI)時間序列等作為特征對棉花進行分類,效果較好。這些方法盡管應(yīng)用領(lǐng)域不同,但其利用多種特征、多源數(shù)據(jù)對地物進行分類均取得較好效果的事實是毋庸置疑的。研究區(qū)沉積地層層理與變質(zhì)巖紋理于遙感影像結(jié)構(gòu)不盡相同且二者光譜特征差異較大,鑒于此,筆者利用Landsat-8與Worldview-2及其協(xié)同數(shù)據(jù)并復合其光譜、紋理等特征對阿爾金地區(qū)變質(zhì)巖及外圍沉積巖進行自動提取,為超高壓變質(zhì)區(qū)地質(zhì)體解譯工作提供可靠方案。

1 研究區(qū)概況

阿爾金西段江格勒薩依地區(qū)地處江嘎薩依-巴什瓦克高壓變質(zhì)增生雜巖帶西北緣,北側(cè)為塔里木盆地(圖1),在Worldview-2遙感影像上清晰可見阿爾金巖群變質(zhì)巖及一套北東走向中生代地層,中生代地層為侏羅系、白堊系,地層層序較為規(guī)律,阿爾金巖群變質(zhì)巖主要為片巖組、片麻巖組等[9],通過與以往地質(zhì)資料進行對比發(fā)現(xiàn)該區(qū)巖性界線與具備0.5 m分辨率的Worldview-2遙感影像相比精度較低,因此，審慎利用遙感協(xié)同數(shù)據(jù)及監(jiān)督分類中精確度較高的最大似然法[10]對巖性進行實驗性分類,以期更深入了解該區(qū)地質(zhì)情況。

Ⅰ為灰色中薄層粉砂巖; Ⅱ為薄層頁巖; Ⅲ為灰褐色中厚層礫巖; Ⅳ為灰白色含礫砂巖; Ⅴ為灰色泥巖; Ⅵ為石英砂巖; A為黑云母二長片麻巖; B為黑云母片巖; C為黑云母石英片巖; D為黑云母片麻巖;E為石英片麻巖圖1 研究區(qū)地質(zhì)圖Fig.1 Geological map of study area

2 數(shù)據(jù)收集與處理

研究工作基于Worldview-2數(shù)據(jù)和Landsat-8數(shù)據(jù),Worldview-2數(shù)據(jù)多光譜數(shù)據(jù)具6個可見光波段,2個近紅外波段,分辨率為2 m,另外具備一個分辨率為0.5 m的全色波段[11],其高空間分辨率利于紋理特征的識別[12], Landsat-8(OLI)數(shù)據(jù)多光譜分辨率為30 m,全色波段分辨率為15 m,波段分布涵蓋可見光和短波紅外部分,對巖性敏感的短波紅外波段尤其利于巖性識別,對兩類數(shù)據(jù)進行輻射定標、大氣校正、正射校正等預(yù)處理[3,13]以保證后期數(shù)據(jù)協(xié)同精度。Worldview-2數(shù)據(jù)獲取時間為2014年7月16日,錨點坐標X=454 972.0、Y=4 226 374.0,太陽方位角為146.2°。Landsat-8數(shù)據(jù)獲取時間為2015年7月26日,錨點坐標X=338 085.0、Y=4 265 415.0,太陽方位角為126.6°。

3 技術(shù)手段

選取兩個研究區(qū)分別對沉積巖和變質(zhì)巖進行遙感協(xié)同數(shù)據(jù)監(jiān)督分類,以高精度Worldview-2遙感影像和以往地質(zhì)資料為基礎(chǔ)在兩個研究區(qū)內(nèi)選取不同巖性訓練樣本,采用Jeffries-Matusita距離來判定訓練樣本可分離性[6],采用最大似然法對Worldview-2數(shù)據(jù)、Landsat-8數(shù)據(jù)及協(xié)同數(shù)據(jù)進行監(jiān)督分類,通過對比驗證巖性分類精度來初步證明該套手段在阿爾金地區(qū)推廣的可行性。Jeffries-Matusita距離作為遙感類別可分離性常用指標應(yīng)用較多,張翠芬[3]在英吉沙地區(qū)利用Jeffries-Matusita距離證明不同沉積地層樣本可分離性； Wei等[14]整合Landsat-8數(shù)據(jù)的紋理特征和光譜特征并利用Jeffries-Matusita距離選取含硅酸鹽巖石樣本并分類。協(xié)同數(shù)據(jù)主要是以Landsat-8數(shù)據(jù)光譜特征和Worldview-2數(shù)據(jù)空間特征為協(xié)同數(shù)據(jù)源,輔以Worldview-2數(shù)據(jù)光譜特征,Worldview-2數(shù)據(jù)空間特征主要是基于其全色波段提取紋理特征[1-2],計算紋理均值、方差、同質(zhì)性、對比度、異質(zhì)性、熵、二階距和相關(guān)性等參數(shù)[8],通過對比分析選擇有利參數(shù)作為協(xié)同波段,Worldview-2數(shù)據(jù)光譜特征主要是采用主成分變換方法提取信息量含量較高的波段[15-16]。為保證協(xié)同數(shù)據(jù)分辨率一致性,將Landsat-8數(shù)據(jù)與Worldview-2數(shù)據(jù)通過主成分變換后的第一主成分融合[15,17]使其分辨率變?yōu)? m,將Worldview-2數(shù)據(jù)全色波段重采樣成2 m[7],如此,協(xié)同數(shù)據(jù)不僅包含幾乎所有原始數(shù)據(jù)的光譜信息和紋理信息,而且保證協(xié)同數(shù)據(jù)源空間結(jié)構(gòu)一致性,提高分類精度和效率。評價分類結(jié)果主要采用混淆矩陣的方式,把分類結(jié)果和高精度遙感解譯地質(zhì)信息進行對比,從而得出分類精度。

4 變質(zhì)巖研究區(qū)

4.1 選擇分類樣本

研究涉及阿爾金巖群出露片麻巖為黑云母二長片麻巖、黑云母片麻巖、石英片麻巖,片巖為黑云母片巖、黑云母石英片巖,根據(jù)高精度遙感(圖1)和地質(zhì)資料,選取不同巖性樣本,并利用Jeffries-Matusita距離計算數(shù)據(jù)可分離性,樣品數(shù)目和可分離性如表1所示。

表1 變質(zhì)巖樣本數(shù)目及可分離性統(tǒng)計Table 1 Number of metamorphic rock samples and separability statistics

用相同的樣本計算兩種原始數(shù)據(jù)可分離性,可以看出Worldview-2數(shù)據(jù)可分離性較差,其高空間分辨率不能完全彌補其光譜涵蓋范圍較窄的弊病,而Landsat-8數(shù)據(jù)樣本可分離性較強,得益于對巖性更敏感的短波紅外波段。所以協(xié)同數(shù)據(jù)是以Landsat-8數(shù)據(jù)光譜特征和Worldview-2數(shù)據(jù)紋理特征,輔以Worldview-2數(shù)據(jù)光譜信息,使得其樣本可分離性更強。

4.2 提取Worldview-2紋理特征

提取紋理特征采用灰度共生矩陣[2-3,16,18-19],這是利用統(tǒng)計原理進行紋理分析最常用的方法之一。張翠芬[3]通過將移動步長設(shè)為1,窗口設(shè)為不同大小,得出窗口大小與紋理特征的關(guān)系,將移動步長設(shè)為1,實驗窗口依次設(shè)為3×3、5×5、7×7、9×9、11×11、13×13、15×15,通過實驗得到不同窗口下各紋理指標方差統(tǒng)計值如表2所示。

表2 不同窗口紋理指標方差統(tǒng)計Table 2 Variance statistics of texture indices in different windows

選擇最佳紋理指標進行協(xié)同,主要考慮信息量及其相關(guān)性,信息量的大小主要反映在方差,方差越大,信息量越豐富,反之信息量越小[3]。同時還要考慮各紋理指標相關(guān)性,如果指標間信息量較大,但相關(guān)性較高,說明二者之間重復冗余的信息較多,二者選擇其一即可。在3×3窗口下,均值、同質(zhì)性、熵、二階距、相關(guān)性分別與各指標相關(guān)性較小,除均值外,熵、二階距、相關(guān)性含信息量較少；方差、對比度和異質(zhì)性含信息量較多,但對比度分別與方差、異質(zhì)性相關(guān)性較大； 但通過分析各指標發(fā)展趨勢,不難發(fā)現(xiàn)熵所含信息比同質(zhì)性、二階距、相關(guān)性大(表3)。

表3 3×3窗口各紋理指標相關(guān)性Table 3 3×3 window texture index correlation

在綜合分析下,最終選擇3×3窗口下均值、方差、異質(zhì)性和熵4種紋理特征指標作為協(xié)同波段(圖2)。

圖2 變質(zhì)巖3×3窗口協(xié)同紋理指標Fig.2 Collaborative texture index of metamorphic rock in the 3×3 window

4.3 提取Worldview-2數(shù)據(jù)光譜特征

為提取Worldview-2數(shù)據(jù)主要光譜信息,采用主成分變換法對Worldview-2數(shù)據(jù)進行主成分分析以實現(xiàn)將主要光譜信息集中到更少幾個波段中[20],通過分析特征量圖(圖3),變換后前4個主成分分量占據(jù)絕大部分信息,而第5～第8主成分所含信息量較少,因此選擇前4個主成分分量作為協(xié)同數(shù)據(jù)源參與分類。

圖3 主成分分析特征量圖Fig.3 Principal component analysis characteristic chart

4.4 最大似然法

在所有監(jiān)督分類方法中,最大似然法在巖性識別方面性能較好。最大似然法以數(shù)據(jù)呈正態(tài)分布為基礎(chǔ),分別計算不同給定像元與訓練樣本相似度,最終將其歸并于相似度最大的一類樣本,從而達到分離影像的目的。張斌等[4]在新疆西昆侖地區(qū)利用此方法對協(xié)同數(shù)據(jù)進行分類實驗,取得較好效果。利用此方法分別對Landsat-8數(shù)據(jù)、Worldview-2數(shù)據(jù)和協(xié)同數(shù)據(jù)進行監(jiān)督分類,分類結(jié)果如圖4所示。

圖4 遙感數(shù)據(jù)分類結(jié)果Fig.4 Result of remote sensing data classification

4.5 混淆矩陣驗證

以高精度遙感目視解譯結(jié)果并以往地質(zhì)資料為標準,對Landsat-8數(shù)據(jù)、Worldview-2數(shù)據(jù)和協(xié)同數(shù)據(jù)分類結(jié)果采用混淆矩陣進行精度驗證,其結(jié)果如表4所示。

表4 混淆矩陣驗證分類結(jié)果Table 4 Confusion matrix verification classification results

利用混淆矩陣驗證分類結(jié)果,可以看出,Worldview-2數(shù)據(jù)分類效果較差,Kappa系數(shù)為0.409,總體精度為55.05%,與其波段只配置在可見光-近紅外部分而限制其對不同巖性的光譜判別的能力,但Worldview-2數(shù)據(jù)空間分辨率較高,可以觀察不同巖性細致的紋理特征。Landsat-8數(shù)據(jù)分類效果相對較好,Kappa系數(shù)為0.832 1,總體精度為87.74%,正體現(xiàn)Landsat-8數(shù)據(jù)雖然空間分辨率比Worldview-2數(shù)據(jù)差,但其波段配置在可見光-近紅外及短波紅外紅外區(qū)間對巖性識別優(yōu)勢較大。而集成了Landsat-8數(shù)據(jù)光譜優(yōu)勢與Worldview-2數(shù)據(jù)紋理優(yōu)勢的協(xié)同數(shù)據(jù),Kappa系數(shù)為0.841,總體精度為88.44%,提升了對巖性的判別能力。

5 沉積巖研究區(qū)

5.1 選擇樣本

選擇白堊系克孜勒蘇群(K1k)為巖性分類研究對象,克孜勒蘇群主要巖性為石英砂巖、灰色中薄層粉砂巖、薄層頁巖、灰褐色中厚層礫巖、灰色泥巖、灰白色含礫砂巖,利用高精度遙感(圖1)和地質(zhì)資料選擇不同巖性樣本,并用Jeffries-Matusita距離計算不同巖性樣本可分離性,結(jié)果如表5所示。

從表5可以看出,薄層頁巖、灰色泥巖在礦物組成成分大致相同且不易區(qū)分時,Worldview-2數(shù)據(jù)紋理特征具有明顯的可分性,結(jié)合二者的光譜特征和紋理特征,協(xié)同數(shù)據(jù)各巖性可分性較強。

表5 沉積巖樣本數(shù)目及可分離性統(tǒng)計Table 5 Statistics of sample number and separability of sedimentary rocks

5.2 紋理特征

通過實驗確定提取沉積地層紋理特征時,移動步長為1,最佳窗口為3×3,通過對比紋理指標方差和相關(guān)性,確定最佳紋理指標組合為均值、對比度、異質(zhì)性、熵4種(圖5)。

圖5 沉積巖3×3窗口協(xié)同紋理指標Fig.5 Collaborative texture index of sedimentary rock in the 3×3 window

5.3 分類及驗證

作為Worldview-2數(shù)據(jù)光譜協(xié)同數(shù)據(jù)源,通過主成分變換提取Worldview-2數(shù)據(jù)前4個主成分分量提取光譜信息。最終對Landsat-8數(shù)據(jù)、Worldview-2數(shù)據(jù)紋理特征及光譜特征協(xié)同數(shù)據(jù)采用最大似然法進行監(jiān)督分類,得到分類結(jié)果(圖6),并以高精度遙感影像解譯結(jié)果和以往地質(zhì)資料為標準對分類結(jié)果采用混淆矩陣進行驗證,得到的結(jié)果如表6所示。

圖6 遙感數(shù)據(jù)分類結(jié)果Fig.6 Classification results of remote sensing data

表6 混淆矩陣驗證分類結(jié)果Table 6 Confusion matrix verification classification results

利用混淆矩陣驗證分類結(jié)果,可以看出,Worldview-2數(shù)據(jù)分類效果較差,總體精度為53.34%,雖然Worldview-2數(shù)據(jù)空間分辨率較高,但其波段只配置在可見光-近紅外部分,大大限制了對不同巖性的光譜判別。Landsat-8數(shù)據(jù)分類效果相對較好,總體精度68.86%,正體現(xiàn)Landsat-8數(shù)據(jù)雖然空間分辨率比Worldview-2數(shù)據(jù)差,但其波段配置在短波紅外區(qū)間對巖性識別優(yōu)勢較大。而協(xié)同數(shù)據(jù)綜合二者優(yōu)點,總體精度比單一數(shù)據(jù)較高,體現(xiàn)其在巖性識別方面的巨大潛力。

6 結(jié)論

(1)將Landsat-8數(shù)據(jù)光譜特征和Worldview-2數(shù)據(jù)紋理特征輔以Worldview-2數(shù)據(jù)光譜特征進行協(xié)同,得到集兩種不同遙感數(shù)據(jù)優(yōu)勢于一身的協(xié)同數(shù)據(jù)。該協(xié)同數(shù)據(jù)繼承了Worldview-2數(shù)據(jù)高空間分辨率特點以及Landsat-8數(shù)據(jù)短波紅外光譜特征,而且通過主成分變換的方式Worldview-2數(shù)據(jù)可見光-近紅外光譜特征融入其中,充分利用不同數(shù)據(jù)各自的優(yōu)點對數(shù)據(jù)進行協(xié)同,取得較好協(xié)同效果。

(2)在阿爾金西段高壓變質(zhì)帶西北緣江格勒薩依地區(qū)沉積巖、變質(zhì)巖選區(qū),利用最大似然法對遙感協(xié)同數(shù)據(jù)進行監(jiān)督分類,兩個區(qū)域協(xié)同數(shù)據(jù)總體精度比Landsat-8、Worldview-2單一數(shù)據(jù)總體精度均較大,體現(xiàn)協(xié)同數(shù)據(jù)基于光譜、紋理等多特征在巖性識別方面具明顯優(yōu)勢。

(3)在兩個研究區(qū)運用數(shù)據(jù)協(xié)同、特征提取、監(jiān)督分類等多種遙感技術(shù)組合方法自動提取巖性信息,研究結(jié)果表明效果較好,為深入解體阿爾金西段復雜高壓變質(zhì)帶地質(zhì)體起到了先行作用。