论文部分内容阅读
以卫星遥感为代表的地理空间信息数据获取技术,能够快速、精确、大范围获取地球表面的矿产资源分布、道路交通状况、土地利用情况等地表信息。在已有资料基础上如何使用遥感技术更精确的提取岩性仍是研究的热点。本文基于会泽铅锌矿床研究积累下的大量实地采样数据,以研究区广泛分布的灰岩岩性为提取目标,在研究区使用ASTER影像作为遥感数据源进行岩性提取方法研究。ASTER影像在1999年发射升空,拥有15m空间分辨率的同时拥有较高的光谱分辨率,与Landsat-8相比在空间分辨率上具有优势,而SPOT等过高的空间分辨率影像会导致大量混合像元聚集在事物内部,容易丧失地质体的宏观特征。ASTER影像最大的优势在于14个波段数的设置能够更好的用于地质体的识别,在2.3μm附近设置的波段相较于Landsat-8影像更密集,灰岩的高光谱曲线重采样至ASTER波段后依然能够保留吸收特征,使用ASTER影像能够比使用Landsat-8影像更有效的提取灰岩的岩性分布信息,区分碳酸盐岩中的细微差别。将经过预处理后的ASTER影像分别应用矿物指数法、基于特征导向的主成分分析法、ASTER热红外波段、光谱角法,使用这四种提取方法对研究区岩性信息进行提取与分析发现,研究区的地形高差大、植被覆盖率高对岩性提取精度造成较大干扰,使用单一的岩性提取不能充分利用遥感影像中的信息,并剔除干扰,在异常值的阈值确定方面依然不够客观。提出一种基于决策树的岩性提取方法,在进行矿物指数法、主成分分析法提取岩性前先对植被、水体等干扰信息进行掩膜处理,从而提升两种岩性提取方法的提取精度。将矿物指数法、主成分分析法提取结果与地表Ca元素丰度信息、光谱角提取结果叠加。地表Ca元素丰度信息基于实测数据建立ASTER热红外波段与地表Ca含量的反演公式得到,光谱角提取结果是匹配影像纯净端元光谱,通过对比光谱整体相似程度得到。将叠加结果综合研究区的实际岩性分布,建立一个基于CRT增长方法的决策树岩性提取规则。通过决策树规则来提取岩性,达到计算机自动识别岩性、减小人为干扰、提高识别精度的目的。相较于单一的岩性方法,决策树规则提取岩性时选取阈值由机器学习得到,不受主观因素影响。同时决策树的规则建立在四种岩性提取结果之上,能够综合利用光谱信息中的特征吸收带、光谱整体形态、元素含量丰度及影像赋存信息量四方面特性对岩性信息进行提取。经过野外查验,提取精度达到87.4%。决策树规则中的枝叶节点是由计算机筛选得到的,对岩性分类精度增益较大的各项指标组成,这些节点的构建在对地理与气候环境相似的其他区域,例如滇东北地区应用决策树进行岩性提取时具有借鉴意义。