0引 言

礦產資源是不可再生資源，非法開采、破壞性開采會造成礦產資源嚴重破壞，導致國家利益受損。遙感技術可用于礦產資源監測，高光譜遙感技術增強了對地觀測能力，可對蝕變礦物、巖礦類別進行探測，從而為礦產資源開發利用、違法開采監測等提供可靠、便利的遙感分析結果。高光譜影像記錄了豐富的光譜信息，從光譜特征信息可知，露天開采的礦區一般呈現某種典型礦種為主的光譜特征?；诖颂卣?，可進行典型礦物識別，利用光譜特征分辨礦物成分。目前，光譜相似性測度、光譜特征局部匹配、混合像元分解、基于光譜知識的智能識別等方法是國內外較成熟的礦物信息識別方法。光譜匹配將重建光譜與參考光譜相比較，以某種測度函數度量它們的相似性或相關性，從而對礦物進行識別。相似性測度函數可以是距離函數(歐氏距離、馬氏距離)、相似系數、相關系數、光譜信息散度和光譜矢量夾角等;參考光譜既可以是光譜數據庫中的標準光譜(典型光譜)，也可以是野外或實驗室實測的工作區巖礦光譜，還可以是從圖像中提取的已知區域圖像光譜。某學者提出的光譜角填圖法是最廣泛使用的光譜匹配技術，角度越小越匹配參考光譜，但容易忽略局部特征的變化，產生“同物異譜”和“異物同譜”的現象。后續相關學者提出了一些新的改進算法。局部特征匹配方法是以光譜吸收特征參數為基礎的識別方法，對光譜間微小差異比較敏感，但特征選擇比較單一，穩定性較差。針對單一方法存在的識別問題，本文結合實踐情況，提出了以光譜相似性度量為基礎的光譜匹配方法和光譜特征參量匹配相結合的露天礦物識別方法，并利用廣東省北部某地的露天礦區礦物數據進行方法驗證。實驗結果表明，該方法可以有效實現露天礦物的識別，具有一定的準確率可達到礦物開采利用的監測目的，為礦產資源監測提供借鑒方法。

1研究區概況及數據情況

廣東省礦產儲量豐富，擁有高嶺土、石英、硫鐵礦、陶瓷土等礦產資源。本文研究建立的廣東省典型礦物光譜庫中的礦物主要針對高嶺石族黏土礦物。本次實驗研究區域位于廣東省北部地區，實驗面積約 200 平方千米，試驗區地形以山區為主，包含高嶺土、石英、水泥粗面巖為主要成分的礦產資源，多為露天礦區。

2研究方法

2.1 總體思路

首先，本研究提取礦產數據的空間位置信息和必要的屬性信息，獲取研究區域的高光譜原始影像數據并進行預處理，得到研究區域的高光譜地表反射率數據。然后，基于高光譜數據提取礦物光譜，構建典型礦物光譜庫。最后，結合高光譜地表反射率數據和典型礦物光譜庫，利用光譜匹配和光譜特征參量匹配相結合的方法進行典型露天礦物識別，對結果精度進行驗證，提取露天礦物范圍。具體技術路線如圖 1 所示。

2.2?理論方法

2.2.1??光譜角匹配與歐式距離

光譜匹配一般采用光譜角匹配的方式，將待匹配光譜和樣本光譜看作空間內的兩個向量，計算兩個向量之間的余弦距離進而衡量兩個光譜的相似性。光譜之間夾角的余弦值越小，說明光譜的相似性越高。光譜角匹配夾角余弦公式如公式（1）所示。

式中：α?為光譜向量夾角，n?為波段數，X、Y為不同像元的?n?維光譜向量，x_i、y_i為光譜向量第i?波段的值。

圖?1…?技術路線

2.2.2??光譜特征參數選取

根據物質的電磁波理論，物質的光譜產生均有其物理機制。各種巖石礦物的不同晶體結構導致其振動產生不同的光譜特征，光譜特征可以用來分辨礦物成分。這些光譜特征主要包括光譜中吸收波段的波長位置、吸收深度、對稱度等特征。通過吸收特征參數可提取得到高光譜影像吸收位置、深度、對稱性圖，結合光譜庫中的參考光譜特征參數可進行匹配和分類。本研究采用包絡線消除法對原始光譜進行歸一化處理，這樣可有效地突出光譜曲線的吸收反射特性，并可減少礦物背景光譜的影響，有利于比較光譜特征。包絡線消除前后地表反射率曲線如圖?2?所示。

圖?2…?包絡線消除前后地表反射率曲線

3實驗與結果討論?

3.1?高光譜遙感影像數據預處理

? ? 高光譜遙感影像主要來源于?ZY1E?衛星數據，數據預處理根據?ZY1E?衛星的參數特征與光譜特點進行設計，主要包括輻射定標、云掩膜、大氣校正等步驟。預處理后的?ZY1E?衛星數據真彩色結果如圖?3?所示。

圖?3…?預處理后的?ZY1E?衛星數據真彩色顯示

3.2?典型礦物光譜庫構建

3.2.1??典型礦物光譜提取

本文結合高光譜地表反射率數據和典型礦物資源圖斑，基于高光譜地表反射率數據獲取典型礦物的分布范圍，利用空間分析和光譜分析的方法，提取典型礦物的光譜信息。

? （1）高光譜數據和礦物資源圖斑數據分析整理。高光譜數據屬于光學影像，易受云和云影的影響。為了保證初步提取光譜的準確性和數量，本研究盡量選擇云影響較小的礦區影像用于光譜庫提取。對礦產資源圖斑進行分析，將露天開采的礦山確定為光譜庫提取對象。

? （2）典型礦物光譜提取和篩選。ZY1E?衛星的高光譜數據空間分辨率為?30?米，通過典型礦產圖斑范圍提取的像元需篩選確定礦物光譜特征，主要包括空間分析和光譜分析兩個方面的篩選。在空間分析方面，假定礦區像元在礦區邊緣更容易受其他地物的干擾，在影像上提取礦產范圍時可利用圖像腐蝕手段排除周圍地物。在光譜分析方面，利用礦區范圍內典型礦物的光譜相似程度，排除離群光譜，提升光譜庫精度。

3.2.2??礦物光譜庫構建與驗證

? （1）礦物光譜庫構建。本研究基于?2017?年、2018?年和?2019?年違法礦區圖斑，確定用于提取光譜的礦區范圍，通過歸一化植被指數（NDVI）和歸一化水體指數（NDWI）剔除礦區內植被和水體像元，計算每個礦區所有礦產像元的平均光譜。對每種礦物建立一個文件夾，以礦物編碼為文件名，如?81170（陶瓷土編碼）。每個文件夾包含礦區光譜文本文件、標記影像、礦區真彩色影像?3類數據。礦區光譜文本文件記錄了用于提取光譜的資源影像時間、礦區位置、礦區主礦物編碼及波長反射率。標記影像為礦區最小外接矩形范圍，該范圍內像元若是礦區像元則被賦值為?1，反之為0。礦區真彩色影像主要展示礦區在影像中的情況，方便目視查看。

? （2）構建光譜庫驗證。礦物光譜庫中的礦物主要以高嶺石族黏土礦物成分為主，其他光譜特征用于比對排除非高嶺土成分礦物。光譜庫根據衛星影像數據構建，為驗證光譜庫構建成果的準確性，本研究利用光譜儀進行了實地光譜測量，高嶺土礦區實地光譜測量反射率如圖?4?所示。

圖?4…?高嶺土礦區樣本及反射率曲線

利用當天過境的高光譜衛星遙感影像光譜反射率進行實地光譜反射率匹配，結果如圖?5?所示。由圖?5?可知，高光譜衛星影像數據構建的光譜庫與實地測量結果具有較強的一致性，與實際地物的光譜特征匹配，可基于該特征通過光譜匹配方式進行露天礦物識別。

圖?5…?實地測量光譜與高光譜影像光譜反射率對比

3.3?試驗結果

3.3.1??光譜角匹配與歐氏距離

光譜角閾值與歐氏距離閾值對礦區初步提取結果具有很大的影響，為了保證粗提取階段所有礦區被提取出來，本研究設置了較低的光譜角閾值和歐氏距離閾值。經實驗測試，光譜角閾值設為?0.9，歐氏距離閾值設為?8，即像元光譜與參照光譜的光譜角大于?0.9?且歐氏距離小于?8?時，該像元被判定為礦區像元。

3.3.2??基于光譜特征的礦區提取

本研究提取光譜中吸收波段的波長位置、吸收深度、相對吸收深度等光譜特征參數。參考高嶺土類礦物在?2200nm?波段處的吸收帶，利用光譜特征參數進一步篩選礦區提取結果，光譜特征處理后得到初步礦區結果。采用形態學處理，消除提取結果中分散獨立像元的影響，需進一步進行腐蝕膨脹處理，最終得到礦區提取結果，如圖?6所示。

3.3.3??結果與討論

疑似違法露天開采礦區提取結果以?JPG?或TIFF?格式展示，疑似違法開采礦區的礦物主成分是陶瓷土（礦物編號?81170）。本研究將高光譜高分辨率融合提取結果與采礦權圖斑疊加，紅色像元為確定邊界的遙感提取礦區，黃色矢量圖斑為采礦權圖斑。研究區域的右上和中上部分存在疑似違法開采礦區，礦物集中的中上部分存在疑似越界違法開采礦區，如圖?7?所示。

圖?6…?高光譜提取礦區結果

圖?7…?疑似違法露天開采礦區提取結果

本研究結合已有的礦區資料分布情況，將試驗區劃分為?3?個區域，區域?1?主要為已有的較密集礦區，區域?2?為較零散分布的礦區，區域?3?為較少的礦區。對?3?個區域的識別提取結果進行光譜匹配，對比識別礦區與已知礦區的資料，逐一檢查采礦權圖斑內是否存在礦區像元，計算提取精度。統計結果如表?1?所示。

表?1…?高光譜礦區提取結果與礦區圖斑匹配情況

由以上結果可知，本研究基于高光譜衛星影像數據可識別提取高嶺土類礦區。按已有資料情況，提取結果查全率為?66%?以上，準確率約50%