基于遙感技術的地表礦物發現應用與研究

盧彥科

（河南省國土資源電子政務中心，河南 鄭州 450000）

1 引言

地表礦物是我國豐富的資產，每年都需投入大量人力物力進行勘察找礦[1]。遙感技術作為新興技術，具有覆蓋范圍廣、重訪周期短、不受天氣因素影響、不需直接接觸目標等優點，在地表信息提取工作中應用愈加廣泛[2-4]。目前應用較多的是基于中高分辨率多光譜影像的遙感分類方法，該方法主要依據免費的中分辨率衛星影像（Landsat/Sentinel2）等，進行大尺度的地表信息遙感提取[5]。近年來，隨著國產高分辨率衛星影像的發射，2 米或亞米的國產高分辨率衛星影像正在逐步替代可免費獲取的中分辨率衛星影像，并且在算法上慢慢積累與改進，盡可能地提升精度[6]。

國產多光譜衛星影像的4 個通道（紅、綠、藍、近紅外）波譜范圍集中在450 nm ～900 nm 之間，雖然多光譜衛星影像在地表要素提取中具有一定的適用性，但受限于波譜范圍，針對特定的地物及元素仍然具有波譜未涉及、沒有替代數據等缺點，在礦物提取、土壤元素含量、水質監測方面仍沒有形成業務化應用。針對此問題，國產高光譜衛星GF5 應運而生。GF5 高光譜衛星具有400 nm ～2500 nm 全波譜范圍，彌補了多光譜數據波譜范圍小、波段波譜寬的缺陷[7-8]。作為新公布的數據類型，目前對GF5 高光譜數據的數據預處理、遙感解譯工作都較少，本文在研究GF5 數據預處理的基礎上，進行地表礦物遙感提取，系統介紹GF5 高光譜數據的整體應用流程。

2 數據及預處理

GF5 衛星在2018 年5 月9 日成功發射，經過在軌測試，2019 年3 月21 日高分五號衛星正式投入使用。對GF5 衛星中的高光譜傳感器（AHSI 傳感器）數據的預處理工作總結為五個步驟，主要解決GF5 前期預處理（兩部分高光譜數據合并、波長信息寫入、壞波段剔除等操作）、條紋噪聲去除、輻射定標、大氣校正和影像濾波等輻射校正工作。GF5 數據需要檢查可見光紅外（VNIR）、短波紅外（SWIR）整景高光譜影像數據的目視效果，檢查是否存在片間色差、Etalon 效應，VNIR 和SWIR 數據覆蓋是否一致的問題，高反射地物數據信息有無飽和現象，各波段圖像的清晰度、壞線和條帶的出現和分布，以及云、雪覆蓋情況。GF5原始影像預覽如圖1 所示。

圖1 GF5原始影像預覽圖

GF5 數據預處理流程及各部分成果如下所示：

2.1 GF5 前期預處理

GF5 前期預處理功能中默認剔除25 個水汽強吸收波段，并且舍棄波長重合波段中短波紅外部分（SWIR）的前4 個波段。最后，GF5 前期預處理功能中默認輸出301 個波段，并在輸出文件中設置了中心波長和半高寬等波長信息。

2.2 輻射定標

輻射定標功能可對GF5 前期預處理得到的結果進行輻射定標，將原始DN 值數據定標為輻射亮度值或大氣表觀反射率。默認以表觀反射率的形式輸出輻射定標后的數據。輻射定標前后光譜波段差異如圖2 所示。

圖2 輻射定標前后光譜波段差異

2.3 大氣校正

利用6S 輻射傳輸模型，根據輸入的參數動態構建大氣校正查找表的方式來進行校正，對通過輻射定標為大氣表觀反射率的數據進行大氣校正。大氣校正前后光譜波段差異如圖3 所示。

圖3 大氣校正前后光譜波段差異

2.4 正射糾正

對GF5 數據大氣校正后影像進行正射糾正，可根據GF5 數據中的rpb 文件和數值高程設置對影像進行正射糾正，并設置輸出分辨率（30 m）、輸出坐標系（WGS1984），正射糾正成果如圖4 所示。

3 成果與分析

針對GF5 數據礦物提取，本文采用兩種方法進行礦物提取，一為基于全球地物光譜庫的波譜識別[9]，一為改進的波譜角分類方法[10-11]。

3.1 基于全球地物光譜庫的波譜識別

圖5 為ENVI 軟件中的全球地物光譜庫，選取其中的礦物光譜曲線作為指標，將正射糾正后的GF5 影像進行波譜匹配，匹配出與該光譜曲線相一致的像元，作為識別出的礦物。

圖4 正射糾正成果

圖5 地表礦物標準光譜庫

采用相關性分析，分析與標準光譜相關性最大的像元曲線，與光譜庫最相近的光譜如圖6 所示，在1000 nm 之前，礦物波譜變化趨勢與標準光譜庫一致，整體呈上升趨勢，并且在1000 nm 之后區域平穩；而在1000 nm 至2500 nm 波段，光譜庫整體較平滑，而GF5 波譜鋸齒狀較嚴重，究其原因，標準光譜庫是一個理想狀態下不受任何地物混淆的純凈像元光譜真實值，而GF5 影像或多或少存在混合像元的情況，在光譜反應上呈現鋸齒狀上下波動，然而波動范圍僅僅局限于礦物特征光譜范圍內，因此該光譜曲線可代表本文GF5 中地表礦物的真實情況。

3.2 改進的波譜角分類

波譜角分類依靠標準光譜庫進行識別，本文采用上述得出的最優相關光譜，替代光譜庫中的標注光譜分類，以此避免地表真實光譜反射情況與標準光譜之間的差異引起的分類誤差，具體結果為：當波譜角最大閾值為0.1 弧度時，沒有分類結果；當波譜角最大閾值為0.2 弧度時，沒有分類結果；當波譜角最大閾值為0.3 弧度時，分類結果如圖7 所示：影像覆蓋范圍為榴輝石礦物分布地帶，該石材多集中在植被稀疏或灌草覆蓋的區域，整體突出地面，隨山脈走勢分布，分類結果中該石材集中分布在影像下部地區，該地區礦物分布趨勢與分類結果吻合。

圖6 最優相關光譜曲線圖

圖7 GF5礦物提取成果圖

對分類成果進行精度分析，結果如圖8 所示。不同地物的分類精度整體在85%以上，其中地表礦物分類精度為93%。整體來說GF5 高光譜數據在遙感分類應用中具有較高的分類精度，這歸因于GF5 的全范圍波譜信息，全波譜范圍可將地物在不同光譜范圍內的反映情況良好反映出來，如在可見光范圍內，植被與灌草的光譜特征整體相差不大，甚至一樣，若不考慮后面的光譜信息，則不能很好地區分開來，而GF5 高光譜數據解決了這些問題。

4 結論

GF5數據作為我國自主研發的全波段高光譜數據，在行業應用中仍處于起步階段，本文系統介紹了GF5數據從獲取到正射糾正的處理流程及處理后的效果，并在此基礎上進行了地表礦物信息提取，分別利用光譜識別、改進的波譜角分類方法進行，結果顯示GF5數據在地表真實礦物提取中具有較好的可行性及適用性，為礦物發現提供了新的思路及方法。

圖8 分類精度評價

研究同時也發現了一定的問題，GF5 數據的預處理流程仍然不能實現工程化批量預處理，需要單景處理，不利于其廣泛應用；GF5 高光譜數據預處理后的分辨率為30 米，相對于國產多光譜衛星影像的2 米、亞米分辨率來說，分辨率仍然較低，目前已有的空譜融合技術仍不完善，因此如何提升GF5 數據的分辨率，是其推廣應用的問題所在。