多种类植被覆盖地区ASTER影像岩石_土壤信息提取方法研究

28卷1期:86291ACTAGEOSCIENTICASINICA

　　　　　　　　()

281:86291

Feb.2007

多种类植被覆盖地区ASTER影像岩石、土壤信息

提取方法研究

陈　江1,2　王安建1　黄妙芬3

)

)

)

1)中国地质科学院,北京100037;2)沈阳地质矿产研究所,辽宁沈阳110032;

3)大连水产学院,辽宁大连116023摘　要　植被的发育限制了遥感在地质学方面的应用,特别是在多种类植被发育地区不能直接地根据波谱特征进行岩石与矿物方面的填图。利用线性波谱分离等技术方法可以从植被、基岩或土壤混合信息中区分出多类别植被波谱,从像元混合光谱中减去各植被类型所占的像元光谱强度,从而可以求出土壤光谱强度及其所占的份额,有效剥离出岩石和土壤信息。在试验区利用多种类植被干扰消除方法,进行遥感蚀变矿物和岩石填图,具有极大的可靠性。该技术可以在中等植被发育地区的遥感填图中得以推广和应用。关键词　多种类植被,ASTER,岩石,土壤,线性波谱分离

TheASTERImagingRockandSoilInformationExtractionMethodinMultiple

VegetationsCoveredAreas

CHENJiang1,2　WANGAnjian1　HUANGMiaofen3

)

)

)

1)ChineseAcademyofGeologicalScience,Beijing100037;2)ShenyangInstituteofGeologyandMineralandResources,

Shenyang,Liaoning110032;3)FisheriesUniversity,Dalian,Liaoning116023

Abstract　Alteredmineralandrockmappinginvegetationcoveredareas,especiallyinmultiplevegetationscoveredareas,isquitedifficult.Theutilizationoflinearspectralseparationtechniquecanextractvegetationtypesfromvegetation,rockandsoilmixtures,andsubtractspectraofvariousvegetationtypes,withtheremainingspectrabeingspectraofrocksandsoils.Afterthat,thesoilandrockspectracanberestoredaccordingtotheallotment.Thetestofthismethodinthestudyareashowsthatthemineralandrockmappingresultisreliable.Themethodcanbeusedextensivelyinthealteredmineralandrockmappingworkofthevegetationcoveredareas.

Keywords　multiplevegetations,ASTER,rock,soil,linearspectralseparation

　　高光谱遥感的发展在地质学的研究方面产生了飞跃的变化,可以进行定性的或定量的岩石、矿物研究。ASTER(AdvancedSpaceborneThermalEmis2sionandReflectionradiometer,即先进热发射和反

(Ferrieretal.,2001;Kruseetal.,2002)采用高光

谱的处理方法对ASTER遥感数据进行处理,从而进行与矿化有关的蚀变矿物填图及岩石填图等。

ASTER遥感数据和其他类型的数据一样,很多

射辐射计)是为了对地球表面特质成分进行大比例尺填图而设计的,它具有从可见光到热红外的多光谱波段和高的空间分辨率。虽然ASTER遥感数据为多光谱遥感数据类型,但是国外一些研究人员

关于岩石、矿物填图的成功结果大多数是建立在干旱裸露区。如将其直接应用于中度植被覆盖区,就会产生很大的误差。在中度植被覆盖地区,ASTER的一个像元内可能包括几种地物端元成分,如植被、

本文由国家“十五”科技攻关项目(编号:Z003BA61ZA-05)和中国地质科学院博士后基金联合资助。

责任编辑:刘志强;收稿日期:2006201205;改回日期:2006211201。

第一作者简介:陈江,男,1971年生,高级工程师,主要从事矿产资源勘查、GIS和遥感研究;通讯地址:110032,辽宁省沈阳市北陵大街25

号;电话:024286848048;E2mail:hardrock30@163.com。

第1期　　　　　　　　　陈江等:多种类植被覆盖地区ASTER影像岩石、土壤信息提取方法研究87

岩石与土壤。从植被、基岩或土壤混合信息中有效剥离岩性信息是遥感技术在地质学方面得以充分应用的技术关键,也是遥感信息提取的技术难点。过去曾有很多学者对植被覆盖区的蚀变矿物信息提取进行了研究,提供了较好的思路与方法。马超飞等(1999)在线性混合像元分解的基础上通过对TM影像中混和像元进行补偿置换,即用像元中非植被地物光谱信息置换植被部分,从而达到定量消除植被影响的目的;刘成等(2003)曾利用相似的方法,用混合像元线性模型对中等植被覆盖区的粘土蚀变信息提取进行了研究;查显杰等(2005)利用多维空间角度方法提取植被覆盖区蚀变信息。唐世浩等(2003)曾提出新的计算植被覆盖度的方法,并对部分植被覆盖下的土壤光谱实现重建。综合分析过去的对植被覆盖区岩石、土壤信息的提取方法的研究,大多是假设植被覆盖区为单一植被类型,只是消除了假设的单一种类植被的干扰信息,而实际上在一个植被覆盖区通常存在着多种植被类型,因此必须对多种类的植被进行消除,才能使岩石、矿物解译成果更加准确。本文将线性波谱分离技术进行扩展,实现利用ASTER数据源从多种植被类型的覆盖中提取岩石和土壤信息。

如果已划分出多种地物类型,根据有关植被的

判别方法,可以确定出几种植被类型来。假如植被的种类为X种,在限制ε趋近于0的条件下,则X种植被的反射率值为:

Ri-veg

=Σ(Fj×Rij)

j=1

x

(4)

(5)　　Ri-veg+Ri-soil=Ri

　　Ri-veg为在第i波段划分出的多种植被的反射率值,Ri-soil为第i波段土壤或岩石的反射率值,Ri为第i波段未进行分类的原始反射率值。

像元中非植被部分(岩石或土壤)可以通过总的反射率值减去各类植被的反射率值得到。将土壤或岩石反射率值除以土壤或岩石所占的份值,就完成

了土壤或岩石光谱的重建。光谱重建后像元的反射率值只是土壤或岩石的反射率值,从而消除了植被的影响。

Rsoil-

restore

=

Ri-Σ(Fj×Rij)

j=1x

1-ΣFj

j=1

x

(6)

2　应用实例

试验区为三江中段,范围为东经100°30′～102°00′,北纬27°20′～28°00′。该区植被覆盖比较严重,植被种类也较多样,从图1中可以看出有松树,蒿草等植被类型。根据上述的植被干扰消除方法,按如下步骤进行。2.1　确定植被覆盖区本文采用目前得到广泛应用的归一化植被指数-NDVI来确定植被覆盖区。理论上,NDVI变动于0～1之间.NDVI数值越大,表明植被的覆盖程度越高,植被活动越强。因此,在植被覆盖率低的地区,人们常采用年或月平均NDVI的某一界限值作为阈值,来排除非植被因素的影响.较早期使用月平均0.05的NDVI阈值,后来使用年均值0.1作为阈值(Zhouetal.,2001)。NDVI值是近红外波段与可见光波段像元值的差与像元值的和之比,计算公式为:

NIR-VIS(7)NDVI=

NIR+VIS

　　其中,NIR代表的是近红外波段,VIS代表可见光波段。

在ASTER遥感数据中分别用波段3(所在波长为0.8070μm)和波段1(所在波长为0.5560μm)来

1　多种类植被干扰的消除原理

岩石、土壤与植被的共存在遥感影像上表现为混合像元。解决此类混合像元问题,可以利用线性波谱分离技术(Boardman,1989;Ichokuetal.,1996)。线性波谱分离技术是针对混合像元的特点,

利用地物波谱组合等研究成果,对遥感数据每一个像元进行波谱分离,从而计算出每个像元中含有某类地物的含量,达到解决混合像元问题的目的。根据其原理,每个像元的反射率被假定为在这一像元点上每种材料(或终端单元)的反射率的线性组合。

Ri=Σ(Fj×Rij)+ε(λi)　(i=1,2,...n)(1)

j=1

m

ΣFj=1　　

j=1

m

(2)

11m2

(εε(λ(3)　　=Σi))2mj=1

其中n代表波段数,m代表地物类别总数,Fj代表

第j类地物的丰度,Rij为第i波段中第j类地物的反射率值,ei为服从正态分布的噪声。Ri代表像元在第i波段段的反射率数值。

88地　球　学　报2007年

图1　试验区的代表性植被类型(A2松树;B2灌木;C2草和土壤)

Fig.1　Themainvegetationtypesinthetestarea(A2pine;B2shrub;C2grassandsoil)

代替上述的近红外与可见光数据,从而计算出ND2VI值。对试验区计算出的NDVI图进行数据统计分析,得到直方图如图2。从直方图中可以看出存在着两个主要的波峰,分别代表植被和土壤,而其波谷则可以近似作为植被区与非植被区的分界,其阀值为0.0852。2.2　线性光谱分离及植被端元波谱的确定

利用ENVI软件首先对影像进行MNF(最小噪声变换)处理,然后进行PPI即纯像元指数的计算,以其计算结果为基础,提取终端单元。对ASTER的14个波段进行处理,共获得了15个纯波谱端元及其丰度值图像,15个纯波谱端元的丰度值总和限定为1。由于研究区内不止一种植被存在,这样在利用纯净像元指数方法会产生几种植被端元成分。需要了解在产生的15种端元成分中哪几种是植被端元。这就要利用NDVI值来判断。如果某种地物端元落在NDVI值大于阈值0.0852的范围则可

图2　归一化植被指数的统计直方图Fig.2　ThestatistichistogramofNDVI

第1期　　　　　　　　　陈江等:多种类植被覆盖地区ASTER影像岩石、土壤信息提取方法研究

表1　各植被端元在各波段的波谱辐射率值

Table1　TheASTERbandsradiancevalue

ondifferentendmember

波段号

1234567891011121314

89

2.3　土壤光谱重建

端元6

53.40399941.77199960.77111.9570013.1322.781253.432752.29351.63770.0568290.041270.0405930.0399990.053994

端元10

67.64828570.64828571.73071323.7121287.1141147.049107

04.7716723.32310.1427040.1118980.0885580.0400370.047643端元12

45.06666637.76000251.43266713.91366.12487.1255.976.08825.11980.0947780.0829190.06370.040.04548

在获得了植被端元的情况下,由于已获得了各

端元的丰度值,因此可以分别对各波段中像元中的植被组分进行计算。以第1波段为例,其方法是将端元成分6的波谱分离的丰度值(F6)与端元6中的第一波段的波谱辐射率值相乘,然后再加上端元10,12的第一波段波谱值与其丰度值的乘积,这样就生成了一幅图像,即植被所占的辐射度值(Rveg)。把所有的端元成分6,10和12的各丰度值图像相加,则产生了植被总丰度值图像(Fveg)。用单位1减去植被总丰度值图像,则为非植被丰度值(Fsoil)图像,而用原始的波段1辐射值(Ri)图像减去植被所占的辐射度图像,产生的图像代表了非植被的辐射度值(Rsoil)。

用非植被的辐射度值图像除以非植被丰度值,得到的是像元内无植被成分而全部是非植被成分的反射率值,这样就完全消除了此波段中的植被的影响。同样以此类推,对其它各波段重复与上述相似的步骤,分别得到各波段的消除植被干扰后的图像。

结合表1和公式(5),各波段的实际计算公式如

以认为其是植被端元。利用光谱角法(SAM)划分的各地物类别以及NDVI掩膜图像,进行统计分

析,可以确定哪几种端元属于植被端元。

通过分析,端元成分6,10和12分别是其中的植被端元。各植被端元在各波段波谱辐射率如表1

下:所示。

　　R1-soil-restore=(R1-F6×53.403999-F10×67.648285-F12×45.066666)/(1-F6-F10-F12)　　R2-soil-restore=(R2-F6×41.771999-F10×70.648285-F12×37.760002)/(1-F6-F10-F12)　　R3-soil-restore=(R3-F6×60.771-F10×71.730713-F12×51.432667)/(1-F6-F10-F12)　　R4-soil-restore=(R4-F6×11.957001-F10×23.712128-F12×13.9136)/(1-F6-F10-F12)　　R5-soil-restore=(R5-F6×3.132-F10×7.114114-F12×6.1248)/(1-F6-F10-F12)　　R6-soil-restore=(R6-F6×2.78125-F10×7.049107-F12×7.125)/(1-F6-F10-F12)　　R7-soil-restore=(R7-F6×3.43275-F10×0-F12×5.97)/(1-F6-F10-F12)　　R8-soil-restore=(R8-F6×2.2935-F10×4.771672-F12×6.0882)/(1-F6-F10-F12)　　R9-soil-restore=(R9-F6×1.6377-F10×3.3231-F12×5.1198)/(1-F6-F10-F12)　　R10-soil-restore=(R10-F6×0.056829-F10×0.142704-F12×0.094778)/(1-F6-F10-F12)　　R11-soil-restore=(R11-F6×0.04127-F10×0.111898-F12×0.082919)/(1-F6-F10-F12)　　R12-soil-restore=(R12-F6×0.040593-F10×0.088558-F12×0.0637)/(1-F6-F10-F12)　　R13-soil-restore=(R13-F6×0.039999-F10×0.040037-F12×0.04)/(1-F6-F10-F12)　　R14-soil-restore=(R14-F6×0.053994-F10×0.047643-F12×0.04548)/(1-F6-F10-F12)2.4　植被消除前后矿化蚀变的对比

等Mg2OH的矿物,因此利用波段6与波段8的比值可以分辨出代表青盘岩化的矿物组合。下面图3

和图4分别是对西范坪铜矿区进行的植被消除后的和未消除植被影响的波段比值,结合未作波段比值处理的假彩色合成图5,可以看出:利用波段比来划

通过分别对消除植被影响后的图像与未消除植被影响的图像作对比研究,可以看出未进行植被消除很容易产生错误的结果。对于ASTER遥感数据,由于波段8所对应的波长范围为绿泥石、绿帘石

90地　球　学　报2007年

图3　西范坪矿区植被消除后的Band6/Band8彩色增强图像

Fig.3　Theenhancedbandratio(band6/band8)imagery

aftervegetationremovalinXifanpingorefield

红色区为波段比值较高区,代表了绿泥石,绿帘石化较强之处,

其中白色区为未参加分类厚的植被,像素大小为30m

Theredareaiswiththehighratios,standsfortheintensivealterationofchloriteandepidote,thewhiteareaistheunclassified

coveredbyheavyvegetation,pixelsizeis30m

图5　西范坪矿区未消除植被影响的图像

(R=Band2,G=Band3,R=Band1)

Fig.5　TheoriginalVNIRbandscolorcomposite

inXifanpingorefield

绿色区代表NDVI值较高,是植被覆盖较厚地区,像素大小为30m

ThegreenareasarewiththehighNDVIvalue,standfortheheavy

vegetation,pixelsizeis30m

分蚀变矿物,其中未消除植被中代表蚀变程度较高的高值点落于植被覆盖严重的地区(图4),而图3中由于消除了植被的影响,其高值区正好处于基岩裸露较好的地方。通过对试验区的植被干扰信息的消除,其蚀变矿物和岩石填图结果得到了野外工作的证实,并且在遥感异常区中发现了砂岩型铜矿化。因此,上述的进行植被干扰信息的消除提高了识别岩石、矿物的精度。

3　结论与探讨

在多种类植被覆盖区进行岩石、矿物填图,首先要考虑对植被干扰影响的去除。过去曾有人提出了单一种类植被的消除方法,但是由于实际情况的复杂性,很多地区存在着多种植被类型,此种方法具有很大的局限性。利用线性波谱分离的理论方法,提

图4　西范坪矿区未进行植被处理的

Band6/Band8彩色增强图像

Fig.4　Theenhancedbandratio(band6/band8)imagery

beforevegetationremovalinXifanpingorefield

红色代表较高的波段比值,像素大小为30m

Theredareasstandforthehighbandratios,pixelsizeis30m

纯多种地物端元波谱。借助归一化植被指数ND2

VI,可以对植被覆盖区的植被种类进行大致识别。

从像元光谱中减去各植被类型所占的像元光谱强度,可以求出土壤光谱强度及其所占的份额,最后换算成为假定只有土壤而无植被存在的光谱,从而最

第1期　　　　　　　　　陈江等:多种类植被覆盖地区ASTER影像岩石、土壤信息提取方法研究91

终消除了植被干扰的影响。通过实例验证,利用该技术消除多种类植被的影响之后,可以进一步利用遥感方法进行遥感蚀变矿物填图和岩石填图等,大大的提高了解译的准确性。

但是还应该注意到以下几个方面:对于消除植被干扰影响的各个公式,从内容上很易理解,在实际操作中是很复杂的,要充分理解公式中各组分所代表的意义;如果高光谱遥感数据的波段越多,则对植被类型划分的越细,准确性越大,不利因素是计算公式也是越复杂,处理数据的工作量越大。必要的时候需要进行计算机编程处理;此方法不只适用于ASTER影像,对于TM/ETM及其它的高光谱遥感数据也可以用同样适用。

致谢　本文在写作过程中得到了北京师范大学刘素红博士的指导,在此表示感谢。

参考文献

查显杰,戴志阳,傅容珊.2005.多维空间角度方法提取植被覆盖

区蚀变信息.遥感信息,2:3～5.

刘成,王丹丽,李笑梅.2003.用混合像元线性模型提取中等植被

覆盖区的粘土蚀变信息.遥感技术与应用,18(20):95～98.马超飞,蔺启忠,马建文,王志刚.1999.定量消除植被影响的补偿

置换方法研究.中国图像图形学报,4(7):553～556.

唐世浩,朱启疆,周宇宇,白香花.2003.一种简单的估算植被覆盖

度和恢复背景信息的方法.中国图像图形学报,8(11):1304～

1308.

gularvaluedecomposition:inProceedings,IGARSS’89,12thCanadianSymposiumonRemoteSensing,4:2069～2072.FerrierG,WhiteK,GriffithsG,BayantR,StefouliM.2001.The

mappingofhydrothermalalterationzonesontheislandofLesvos,Greeceusinganintegratedremotesensingdataset.Int.J.RemoteSensing,1～16.

IchokuC,KarnieliA.1996.Areviewofmixturemodelingtechniques

forsub2pixellandcoverestimation.RemoteSensingReviews,13:161～186.

KruseFA,PerrySL,CaballeroA.2002.Integratedmultispectraland

hyperspectralmineralmapping,LosMenucos,RioNegro,Argenti2na,PartⅡ:EO—1Hyperion/AVIRIScomparisonsandLandsatTM/ASTERExtensions.LiuCheng,WangDanli,LiXiaomei.2003.Extractingclayalteration

informationofmediumvegetationcoveredareasbasedonlinearmodelofspectralmixtureanalysis.RemoteSensingTechnologyandApplication,18(2):95～98(inChinesewiththeabstract).MaChaofei,LinQizhong,MaJianwen,etal.1999.Methodology

studyofcompensatedreplacementforquantitativelyremovingvege2tationeffect.JournalofImageandGraphics,4(7):553～556(inChinesewiththeabstract).

TangShihao,ZhuQijiang,Zhouyuyu,etal.2003.Asimplemethod

toEstimatecrowncoverfractionandrebuildthebackgroundinfor2mation.JournalofImageandGraphics,8(11):1304～1308(inChinesewiththeabstract).

ZhaXianjie,DaiZhiyang,FuRongshan.2005.Alterationinformation

abstractionatvegetationcoveredareausingmultidimensionalspaceanglemethod.RemoteSensingInformation,2:3～5(inChinesewiththeabstract).

ZhouLM,TuckerCJ,KaufmannRK,etal.2001.Variationsin

northernvegetationactivityinferredfromsatellitedataofvegetationindexduring1981to1999.JGeophysRes.,106(D17):20069～

References

BoardmanJW.1989.Inversionofimagingspectrometrydatausingsin2

20083.