基于光谱匹配的高光谱遥感露天矿物识别方法研究

 矿产资源是不可再生资源，非法开采、破坏性开采会造成矿产资源严重破坏，导致国家利益受损。遥感技术可用于矿产资源监测，高光谱遥感技术增强了对地观测能力，可对蚀变矿物、岩矿类别进行探测，从而为矿产资源开发利用、违法开采监测等提供可靠、便利的遥感分析结果。高光谱影像记录了丰富的光谱信息，从光谱特征信息可知，露天开采的矿区一般呈现某种典型矿种为主的光谱特征。基于此特征，可进行典型矿物识别，利用光谱特征分辨矿物成分。目前，光谱相似性测度、光谱特征局部匹配、混合像元分解、基于光谱知识的智能识别等方法是国内外较成熟的矿物信息识别方法。光谱匹配将重建光谱与参考光谱相比较，以某种测度函数度量它们的相似性或相关性，从而对矿物进行识别。相似性测度函数可以是距离函数（欧氏距离、马氏距离）、相似系数、相关系数、光谱信息散度和光谱矢量夹角等；参考光谱既可以是光谱数据库中的标准光谱（典型光谱），也可以是野外或实验室实测的工作区岩矿光谱，还可以是从图像中提取的已知区域图像光谱。某学者提出的光谱角填图法是最广泛使用的光谱匹配技术，角度越小越匹配参考光谱，但容易忽略局部特征的变化，产生“同物异谱”和“异物同谱”的现象。后续相关学者提出了一些新的改进算法。局部特征匹配方法是以光谱吸收特征参数为基础的识别方法，对光谱间微小差异比较敏感，但特征选择比较单一，稳定性较差。针对单一方法存在的识别问题，本文结合实践情况，提出了以光谱相似性度量为基础的光谱匹配方法和光谱特征参量匹配相结合的露天矿物识别方法，并利用广东省北部某地的露天矿区矿物数据进行方法验证。实验结果表明，该方法可以有效实现露天矿物的识别，具有一定的准确率可达到矿物开采利用的监测目的，为矿产资源监测提供借鉴方法。

1研究区概况及数据情况

广东省矿产储量丰富，拥有高岭土、石英、硫铁矿、陶瓷土等矿产资源。本文研究建立的广东省典型矿物光谱库中的矿物主要针对高岭石族黏土矿物。本次实验研究区域位于广东省北部地区，实验面积约 200 平方千米，试验区地形以山区为主，包含高岭土、石英、水泥粗面岩为主要成分的矿产资源，多为露天矿区。

2研究方法

2.1 总体思路

首先，本研究提取矿产数据的空间位置信息和必要的属性信息，获取研究区域的高光谱原始影像数据并进行预处理，得到研究区域的高光谱地表反射率数据。然后，基于高光谱数据提取矿物光谱，构建典型矿物光谱库。最后，结合高光谱地表反射率数据和典型矿物光谱库，利用光谱匹配和光谱特征参量匹配相结合的方法进行典型露天矿物识别，对结果精度进行验证，提取露天矿物范围。具体技术路线如图 1 所示。

2.2 理论方法

2.2.1  光谱角匹配与欧式距离

光谱匹配一般采用光谱角匹配的方式，将待匹配光谱和样本光谱看作空间内的两个向量，计算两个向量之间的余弦距离进而衡量两个光谱的相似性。光谱之间夹角的余弦值越小，说明光谱的相似性越高。光谱角匹配夹角余弦公式如公式（1）所示。

式中：α 为光谱向量夹角，n 为波段数，X、Y为不同像元的 n 维光谱向量，xi、yi为光谱向量第i 波段的值。

图 1… 技术路线

2.2.2  光谱特征参数选取

根据物质的电磁波理论，物质的光谱产生均有其物理机制。各种岩石矿物的不同晶体结构导致其振动产生不同的光谱特征，光谱特征可以用来分辨矿物成分。这些光谱特征主要包括光谱中吸收波段的波长位置、吸收深度、对称度等特征。通过吸收特征参数可提取得到高光谱影像吸收位置、深度、对称性图，结合光谱库中的参考光谱特征参数可进行匹配和分类。本研究采用包络线消除法对原始光谱进行归一化处理，这样可有效地突出光谱曲线的吸收反射特性，并可减少矿物背景光谱的影响，有利于比较光谱特征。包络线消除前后地表反射率曲线如图 2 所示。

图 2… 包络线消除前后地表反射率曲线

3实验与结果讨论 

3.1 高光谱遥感影像数据预处理

高光谱遥感影像主要来源于 ZY1E 卫星数据，数据预处理根据 ZY1E 卫星的参数特征与光谱特点进行设计，主要包括辐射定标、云掩膜、大气校正等步骤。预处理后的 ZY1E 卫星数据真彩色结果如图 3 所示。

图 3… 预处理后的 ZY1E 卫星数据真彩色显示

3.2 典型矿物光谱库构建

3.2.1  典型矿物光谱提取

本文结合高光谱地表反射率数据和典型矿物资源图斑，基于高光谱地表反射率数据获取典型矿物的分布范围，利用空间分析和光谱分析的方法，提取典型矿物的光谱信息。

（1）高光谱数据和矿物资源图斑数据分析整理。高光谱数据属于光学影像，易受云和云影的影响。为了保证初步提取光谱的准确性和数量，本研究尽量选择云影响较小的矿区影像用于光谱库提取。对矿产资源图斑进行分析，将露天开采的矿山确定为光谱库提取对象。

（2）典型矿物光谱提取和筛选。ZY1E 卫星的高光谱数据空间分辨率为 30 米，通过典型矿产图斑范围提取的像元需筛选确定矿物光谱特征，主要包括空间分析和光谱分析两个方面的筛选。在空间分析方面，假定矿区像元在矿区边缘更容易受其他地物的干扰，在影像上提取矿产范围时可利用图像腐蚀手段排除周围地物。在光谱分析方面，利用矿区范围内典型矿物的光谱相似程度，排除离群光谱，提升光谱库精度。

3.2.2  矿物光谱库构建与验证

（1）矿物光谱库构建。本研究基于 2017 年、2018 年和 2019 年违法矿区图斑，确定用于提取光谱的矿区范围，通过归一化植被指数（NDVI）和归一化水体指数（NDWI）剔除矿区内植被和水体像元，计算每个矿区所有矿产像元的平均光谱。对每种矿物建立一个文件夹，以矿物编码为文件名，如 81170（陶瓷土编码）。每个文件夹包含矿区光谱文本文件、标记影像、矿区真彩色影像 3类数据。矿区光谱文本文件记录了用于提取光谱的资源影像时间、矿区位置、矿区主矿物编码及波长反射率。标记影像为矿区最小外接矩形范围，该范围内像元若是矿区像元则被赋值为 1，反之为0。矿区真彩色影像主要展示矿区在影像中的情况，方便目视查看。

（2）构建光谱库验证。矿物光谱库中的矿物主要以高岭石族黏土矿物成分为主，其他光谱特征用于比对排除非高岭土成分矿物。光谱库根据卫星影像数据构建，为验证光谱库构建成果的准确性，本研究利用光谱仪进行了实地光谱测量，高岭土矿区实地光谱测量反射率如图 4 所示。

图 4… 高岭土矿区样本及反射率曲线

利用当天过境的高光谱卫星遥感影像光谱反射率进行实地光谱反射率匹配，结果如图 5 所示。由图 5 可知，高光谱卫星影像数据构建的光谱库与实地测量结果具有较强的一致性，与实际地物的光谱特征匹配，可基于该特征通过光谱匹配方式进行露天矿物识别。

图 5… 实地测量光谱与高光谱影像光谱反射率对比

3.3 试验结果

3.3.1  光谱角匹配与欧氏距离

光谱角阈值与欧氏距离阈值对矿区初步提取结果具有很大的影响，为了保证粗提取阶段所有矿区被提取出来，本研究设置了较低的光谱角阈值和欧氏距离阈值。经实验测试，光谱角阈值设为 0.9，欧氏距离阈值设为 8，即像元光谱与参照光谱的光谱角大于 0.9 且欧氏距离小于 8 时，该像元被判定为矿区像元。

3.3.2  基于光谱特征的矿区提取

本研究提取光谱中吸收波段的波长位置、吸收深度、相对吸收深度等光谱特征参数。参考高岭土类矿物在 2200nm 波段处的吸收带，利用光谱特征参数进一步筛选矿区提取结果，光谱特征处理后得到初步矿区结果。采用形态学处理，消除提取结果中分散独立像元的影响，需进一步进行腐蚀膨胀处理，最终得到矿区提取结果，如图 6所示。

3.3.3  结果与讨论

疑似违法露天开采矿区提取结果以 JPG 或TIFF 格式展示，疑似违法开采矿区的矿物主成分是陶瓷土（矿物编号 81170）。本研究将高光谱高分辨率融合提取结果与采矿权图斑叠加，红色像元为确定边界的遥感提取矿区，黄色矢量图斑为采矿权图斑。研究区域的右上和中上部分存在疑似违法开采矿区，矿物集中的中上部分存在疑似越界违法开采矿区，如图 7 所示。

图 6… 高光谱提取矿区结果

图 7… 疑似违法露天开采矿区提取结果

本研究结合已有的矿区资料分布情况，将试验区划分为 3 个区域，区域 1 主要为已有的较密集矿区，区域 2 为较零散分布的矿区，区域 3 为较少的矿区。对 3 个区域的识别提取结果进行光谱匹配，对比识别矿区与已知矿区的资料，逐一检查采矿权图斑内是否存在矿区像元，计算提取精度。统计结果如表 1 所示。

表 1… 高光谱矿区提取结果与矿区图斑匹配情况

由以上结果可知，本研究基于高光谱卫星影像数据可识别提取高岭土类矿区。按已有资料情况，提取结果查全率为 66% 以上，准确率约50%。

审核编辑 黄昊宇