论文部分内容阅读
矿产资源开发秩序以及开采过程中引起的环境问题一直是政府管理部门关注的焦点,而矿业开发活动一般分布在交通不发达的偏远山区,获取相关信息较为困难;采用RS、GIS等高新技术手段对矿产资源开发状况进行调查与监测,可以快速、准确、有效的获取矿业活动信息。由于传感器空间分辨率的限制和地物的复杂性,影像中像元的光谱特征并不是单一地物的光谱特征,而是几种地物光谱特征的混合反映,直接将这些像元划为哪一类地物都是不准确的。特别是在矿产资源开发遥感调查领域中,不同地区的地形破碎、矿种繁多、开采方式多样、开采状态不一等导致矿业活动的构成十分复杂,混合像元普遍存在,传统的像元级遥感分类和面积量测精度难以达到实用要求。
开采面、排土场、矿石堆、固体废弃物、矿山设施等是矿业开发活动的主要产物,由于空间分辨率的限制,这些矿业活动在影像上的表现特征比较相似,有时交错分布,从色调和纹理上进行目视解译难度很大;通过混合像元分解技术,从光谱和亚像元的角度研究矿业活动现象,将像元进一步分解成不同的终端单元,可以有效提取出各种矿业活动的分布范围,提高计算机分类的精度,准取计算矿业活动的占地面积。
本文以矿业开发活动历史悠久、矿产资源相对集中的荆门市胡集镇荆襄磷矿带作为研究区,采用成像于2006年的ASTER数据,其光谱范围涵盖了从可见光到热红外共14个光谱通道,其中可见光的空间分辨率达到了15米。
本文主要对以下几个方面进行了初步的研究:
(1)图像预处理技术
由于传感器在获取地物信息过程中受到大气分子、气溶胶和云粒子等大气成份吸收与散射的影响,使其获取的遥感信息中带有一定的非目标地物的成像信息,数据预处理的精度达不到定量分析的要求;本文利用ENVI软件的FLAASH大气校正模块进行纠正,研究基于遥感影像的大气辐射校正实现方法,消除大气透过率、天空光向下漫射等因素对图像质量的影响,来改善影像质量,提高混合像元分解的精度。FLAASH大气校正的结果显示,利用该算法可以较为准确的从图像中获取地表反射率信息,但是对于地形起伏较大、云量过多的地区效果较差,如果将DEM引入FLAASH模型将更有利于提高影像的清晰度。
矿产资源一般分布在山区,地形起伏对影像的变形影响较大,不同数据源叠加分析要求一致的投影坐标系和精确的地理位置,所以用1∶5万地形图为参考对ASTER进行了正射纠正,使影像满足后续空间分析的要求。正射纠正采用ERDAS的LPS模块精度较高,关键是星历参数的正确使用以及控制点数量、位置、分布的控制要适当。
(2)混合像元分解模型与方法研究
分解像元的途径是通过建立光谱的混合模拟模型。国内外很多学者进行了各种模型的研究,提出了线性(1inear)模型、概率(probabilistic)模型、几何光学(geometric-optical)模型、随机几何(stochastic geometric)模型、人工神经网络模型和模糊分析(fuzzy)模型等,所有这些模型都是基于像元的反射率可以表示为端元组分的光谱特征和它们的面积百分比(丰度)的函数这一原理建立的;其中线性模型的研究较为成熟,在提取积雪覆盖度、植被分布、水体污染监测等很多领域都有应用,而且考虑的因素较少,地面的差异性仅作为随机残差来表示,因此本文确定选用线性模型最为合适。
(3)矿产资源开发信息提取最佳方法研究
如果对整个研究区影像直接进行混合像元分解,由于地物类型复杂,异物同谱现象很严重,尤其是城镇中的居民地建筑、道路、固体废弃物等对矿业活动中的同类地物产生干扰,混合像元分解结果效果很差;本文在研究区地质图、地形图和采矿权登记数据库等资料的支持下,首先通过目视解译出矿业活动的范围;将目视解译后的矿业开发活动范围转换为ROI,掩膜去掉影像中非矿业活动信息,然后对转换为反射率的ASTER影像进行MNF变换,消除波段之间的相关性,从数据中分离噪声,突出地物之间的差异。提取纯净像元指数,在N维空间中实时的旋转散点图,根据凸面几何理论圈定开采面、矿石堆和开采场地三个终端端元,运用线性模型将矿产资源开发所需的矿业活动信息精确分类,统计各类地物的占地面积,并用空间分辨率为1米的IKONOS验证提取的面积误差,其中开采场地误差最小,为0.04%,矿石堆误差最大,达到了0.16%。大部分像元的RMS误差在0.1左右,占到了总数的97.5%,总体精度较高。