遥感解译

遥感图像上丰富的结构、纹理、色调等特征提供了大量直接或间接的地质找矿信息，如岩性分界、控矿构造、矿化蚀变等信息，从而为地质找矿工作提供了一种行之有效的方法技术。实践证明，遥感信息能使人们快速地缩小找矿靶区，发现有意义的遥感地质异常，从而提高找矿命中率。为了从整体上了解阳山金矿带控矿构造特征及蚀变特征，课题组自2000年起先后购买了该地区的1:5万TM,ETM,SPOT，快鸟等遥感数据，并结合野外地质调查对其进行了数据处理和解译，从宏观上指导了金矿勘查工作。

1011　遥感影像基本处理

影像处理的目的是为下一步解译工作提供高质量的遥感影像图，是遥感应用工作的基础。为确定阳山金矿带岩石、构造以及蚀变带的展布特征，对遥感影像进行了TM影像增强处理、ETM影像融合增强处理、SPOT影像与TM影像融合增强处理。

（1）TM影像增强处理

原始数据来源于Landsat5 TM129-37，时相1986年7月31日。选定合成方案为TM731（RGB），以1:5万地形图校正和直方图均衡增强、整饰、注记后成图。成图范围为东经104°27＇～104°57＇；北纬32°55＇～33°15＇，成图比例尺为1:5万。

（2）ETM影像融合增强处理

原始数据来源于Landsat7 ETM129-37，时相2000年5月10日。选定合成方案为ETM8+731（RGB），以1:5万地形图校正和直方图均衡增强、整饰、注记后成图。成图范围为东经104°27＇～105°07＇；北纬32°55＇～33°15＇，成图比例尺为1:5万。其融合处理步骤如下：

1）ETM8分辨率为15m,ETM7,ETM3,ETM1分辨率均为30m，首先利用PCI的GCPWORK模块对ETM7,ETM3,ETM1按15m像元分辨率进行加密重采样，采样方式为双线性内插。

2）ETM8与ETM7,ETM3,ETM1影像套合配准。

3）ETM731（RGB）进行IHS变换。

4）以ETM8替代Ⅰ，进行ETM8,H,S到RGB的反变换，形成ETM8+731（RGB）高分辨率彩色影像。

因本区地形起伏和高差大，致使影像明暗反差太大，将影像在PHOTOSHOP上进行了人工目视效果调整，以利于进一步目视解译。

（3）SPOT影像与TM影像融合增强处理

SPOT原始数据来源于SPOT1号星1A产品，轨道号262/284，时相1999年2月21日，像元分辨率10m，单波段。

SPOT影像与TM影像的配准与融合：

1）将TM 影像按1:5万地形图校正，输出范围为东经104°27＇～104°57＇；北纬32°55＇～33°15＇，同时按10m像元分辨率进行加密重采样，采样方式为双线性内插。

2）由于本区地势起伏很大，地面坡度的影响致使SPOT影像产生很大畸变（图101）。通常采用的多项式曲面拟合误差很大，许多山脊、山谷的配准不好，因而融合后的影像出现了明显的重影与模糊（图102）。

采用Thin Plate Spline（TPS）算法效果较好（图103），但仍需采取巨量的同名地物点。

此次以校正后的TM影像为参考影像，对SPOT影像进行畸变纠正。利用人机交互在全区选择了6815对同名点。采用Thin Plate Spline（TPS）纠正算法将SPOT与TM配准，然后进行融合。

3）TM731（RGB）进行IHS变换；以SPOT替代I，进行SPOT,H,S到RGB的反变换。形成SPOT与TM融合影像。最后经直方图均衡增强、整饰、注记后成图。其中1:5万比例尺成图范围为东经104°27＇～104°57＇；北纬32°55＇～33°15＇；1:2万比例尺成图范围为东经104°37'15＂～104°49 '45＂；北纬33°02'00＂～33°08'15＂。

1012　岩性构造解译

利用MAPINFO配准可以对不同尺度的遥感影像综合对比解译。解译内容包括线性构造、环型构造、破碎带及脉岩（图104）。

10121 线性构造

区内规模较大的线性构造有3组，南部为马家磨－魏家坝断裂，沿白水江EW 向展布，东至白龙江向北弯曲，呈NE向，遥感影像上形迹最明显。中部为安昌河－观音坝断裂，观音坝向东至北金山一带与马家磨－魏家坝断裂交会，整体呈扁“S”型。北部一组呈NE向，西南端起自汤卜沟。大致与松柏－黎坪断裂对应。

除NE向及NEE向构造以外，在遥感图中还可以看到近SN向构造影像，其中马莲河附近的SN向断裂构造迹象较为明显，但两侧没有明显的错动。此外，在观音坝一带也可见到近NS向线性构造影像，但规模较小。

10122 环型构造

总体沿安昌河－观音坝断裂呈串珠状展布。环体内斜长花岗斑岩脉发育，常多条脉连为一体。环型构造成因很可能与深部斜长花岗斑岩上侵有关。环型构造大小不等，面积小者不足1km2，而大者可达数十平方千米，以下仅就轮廓清晰的环型构造进行描述。

（1）观音坝环型构造

该构造位于矿区东部寺沟－阳山一带，东西长约25km，南北宽约2km，呈近椭圆形，整体呈浅绿色色调，而且色调均匀，与围岩界线截然（图105）。野外观察表明，该部位斜长花岗斑岩脉极为发育，其宽可达数十米，而且多条脉常连成一体，泥盆系夹于其间，其中，泥盆系灰岩碳酸盐化强烈。从产状上看，这些地层极有可能为浮于岩体之上的捕虏体，另外，钻孔资料也显示地层之下有斜长花岗斑岩脉出现。所以在深部，斜长花岗斑岩脉可能是连在一起的，从而构成了观音坝隐伏岩体。因此，观音坝环型构造可能为斜长花岗斑岩岩株上侵所形成的。

图101 TM与SPOT对比影像

图102 TM与SPOT多项式配准融合对比影像

图103 TM与SPOT TPS配准融合对比影像

图104 阳山地区及外围线、环型构造遥感解译图

图105 阳山矿段（左）及安坝矿段和葛条湾矿段（右）解译图

图中绿色线示环形构造；红色线为断裂或推测断层；红色扁豆体示脉岩；红色斑杂细环示蚀变带

（2）安坝环型构造

该构造在安坝—葛条湾一带发育，东西长约5km，南北宽约35km。为一近椭圆形的边界模糊的环型构造（图105），其东边到草坪梁，西边到马莲河，南边切割并破坏了金子山环型构造。该环型构造内还包含了两个小的环型构造，西侧小环位于无价山以北，东侧小环位于草坪梁以西。该环型构造内岩脉发育，尤其是无价山北侧岩脉厚大，而且安坝－葛条湾一带岩石蚀变强烈，所以该环型构造也具有岩浆热环的特征。

（3）泥山环型构造

该构造在泥山、汤卜沟一带发育，具子母环特征，较大的环起自泥山以东，向西到汤卜沟以西，呈近椭圆形，其中包含了泥山和汤卜沟两个子环型构造。在这些环内发现有斜长花岗斑岩脉等多种岩脉，而且热液成因的红色碳酸岩细脉在该地也很发育，显示该环型构造也可能与岩浆活动有关。

10123 破碎蚀变带

影像上常呈色调异常带，花斑状影纹（图105）。经实地调查发现，矿区构造破碎蚀变带在1:5万TM遥感图上呈现淡灰绿色，未蚀变地层为淡红褐色，在遥感图上，蚀变带分布于安昌河－观音坝断裂附近。在矿区西部汤卜沟、泥山一带，破碎蚀变带宽约1km，呈近EW 向展布；在葛条湾一带，破碎蚀变带产生了分支，南侧分支沿上湾—三角地一直延至安坝，而北侧分支绕向无价山以北，最后又在安坝一带与南侧分支会合。从规模上看，北侧分支较宽；在安坝一带，蚀变破碎带达到最宽。再向东至草坪梁一带，蚀变破碎带变窄。在高楼山一带，蚀变破碎带仍较窄，直到四沟以东，破碎蚀变带与观音坝岩体所形成的浅绿色汇合。

10124　脉岩

影像上呈细微正突起或细微色调异常（图105），在矿区脉岩多沿构造破碎带发育，一般较为连续。

1013　蚀变信息提取

10131　矿化蚀变信息提取原理简述

用遥感技术探测地物，是以各种物体对电磁波的反射、透射、吸收和自身发射为依据的。所有地物在可见光和短波红外波段内都具有与其组分有关的光谱吸收特征，许多地物的光谱吸收特征具有专一性，据此可以精确地鉴别地物。近矿围岩蚀变形成的蚀变岩石与其周围的正常岩石在其矿物种类、结构、颜色等差异导致岩石反射光谱特征的差异，在某些特定的光谱波段形成特定的蚀变岩石的光谱异常。光谱异常导致遥感图像或数据的异常，通过图像处理技术可得到近矿围岩蚀变信息或矿化高丰度值异常区信息。由于成矿热液作用，绝大部分内生矿床都有黄铁矿化、绢云母化、高岭土化和碳酸盐化等蚀变现象，蚀变晕圈或蚀变岩石常常是矿床存在的重要的直接标志，而且蚀变范围比矿床要大得多，这就为蚀变信息提取创造了条件。

含铁矿物在TM1至TM4可见光及近红外波段具有明显的光谱吸收特征，对于探测含褐铁矿的岩石和土壤有较好的效果。TM5（155～175μm）和TM7是专为地质勘查设计的波段。在TM7（208～235μm）波段内，羟基和碳酸盐矿物形成明显的特征吸收带，是目前探测含Al—OH,Fe—OH,Mg—OH基团的矿物与碳酸盐类矿物的最理想的航天遥感波段之一。

大部分蚀变岩石中含有较多的Fe3＋,OH－， 等离子，大量的岩石波谱测试数据表明，在可见光至红外光谱区，这些离子具有特征反射或吸收谱带，而组成造岩矿物的主要化学成分（Si,Al,Mg,0）并不具备上述光谱特征，这就为蚀变信息的提取提供了物理基础（甘甫平等，2004；马建文，2001；张远飞，1999；赵元洪，1991；朱亮璞，1994）。

10132　数据干扰因素剔除

通过分析研究区内TM数据发现，本区的干扰因素主要为植被、河道和积雪等，为了减少这些因素对蚀变提取的影响，分别对图像进行掩膜处理，得到了新的（剔除了植被、河道、积雪）数据图像。在后续处理过程中，干扰因素的方差降为零，其他部分的方差不变，由此提高了后续算法对掩膜后剩余区信息的分解效率。

由于植被在红光波段（TM3）与近红外波段（TM4）反射率的差异大的波谱特性（图106），应用（近红外反射率－红光反射率）/（近红外＋红光反射率）指数对植被的覆盖程度标示作用，得到了应用（TM4-TM3）/（TM4+TM3）来计算反映植被覆盖的膜（图107a）。由于水体和积雪在黄、绿光波段都有明显的强反射特征，而在近红外波段都有相对的明显低值，因此采用TM1与TM4进行比值增强，得到了比较满意的效果（图107b）。

图106 积雪、水体、植物的波谱曲线

（据我国典型地物标准波谱数据库，2007）

图107 研究区干扰因素剔除

a—植被；b—河道、积雪

10133 波段比值增强

波段比值方法是根据地面不同岩性或矿物特征在遥感多波段光谱反映的差异，利用相关波段的比值运算增加特定矿物信息最常用的手段之一。如前所述，含羟基的粘土矿物和碳酸盐矿物，在TM7波段具有强吸收，在TM5波段为强反射，而褐铁矿等含铁蚀变矿物在TM3表现为高反射，在TM1,TM2和TM4则具有不同程度的吸收特征。因此可以用TM3/1识别铁化、用TM5/7识别含羟基矿物、水合硫酸盐和碳酸盐，这类矿物的比值都较高。通过比值运算，获得了TM3/1和TM5/7的两组图像（图108）。

图108 阳山一带金矿化蚀变信息图（3×3中值滤波）

a—铁染蚀变信息特征TM3/1;b—羟基蚀变信息特征TM5/7

10134 主成分分析

主成分分析的主要特性之一就是把原来多波段图像中的有用信息集中到数目尽可能的新的组分图像中，而且新组分图像互不相关。新生成的第一主分量包含了原来多波段像的绝大部分信息，其他组分图像的方差依次减少，包含的信息量也剧减。第一主分量要反映了地貌和纹理信息，而矿化蚀变信息往往包含在信息量少的第三、第四主分量中。

经过实验，通过利用经过掩膜预处理的TM1,TM3,TM4,TM5波段和TM1,TM4,TM5,TM7波段分别进行4波段的主成分分析提取铁染和羟基蚀变图像，达到了比较满意的效果（图109）。

图109 阳山一带金矿化蚀变信息图（3×3中值滤波）

a—PCA1345:b—PCA1457

首先，对TM1,TM3,TM4,TM5进行主成分分析，获取铁（铁化）蚀变信息。表101是其分析结果。其中PC4特征向量截荷因子在TM1,TM3上呈高值，且在TM3上为正值、TM1上为负值，基本上与含Fe2＋和Fe3＋的矿物在TM3上存在反射峰和在TM1波段上存在吸收谷相符，所以PC4突出了铁化蚀变晕信息。

表101 阳山金矿区TM1,TM3,TM4,TM5波段特征向量及特征值

其次，对TM1,TM4,TM5,TM7进行主成分分析获取羟基图像蚀变信息。表102是其分析结果。利用TM1,TM4,TM5,TM7主成分分析获取羟基蚀变其主成分图像必须同时满足两个条件：一是TM5和TM7具有相反的贡献值；二是TM5和TM7同TM1和TM4相比有强的负载值。由此可知PC4满足上述条件。

表102 阳山金矿区TM1,TM4,TM5,TM7波段特征向量及特征值

10135　混合蚀变信息提取

对矿化蚀变岩与围岩光谱曲线进行对比可知，矿化蚀变岩光谱曲线波动大，波段间差值大；而围岩光谱曲线，相对平缓，波段间差值较小。根据这一特征，采用波段加减组合运算，可以扩大矿化蚀变岩与围岩的亮度差，达到增强矿化蚀变岩信息的目的。矿化蚀变岩在ETM5和ETM3波段为反射峰，多数蚀变岩与围岩差值大且多高于围岩值，在ETM1,ETM4和ETM7波段为吸收峰，与围岩值接近。因此，采用（B5+B3）/（B7+B4+B1）可以增强大部分的矿化蚀变信息。

另外，采用波段比值、主成分分析的方法也较好地获取了铁化、强粘土化和碳酸盐化蚀变信息。

因此，可以对上述蚀变信息分量进行二次主成分分析，即FPCA（（B5+B3）/（B7+B4+B1）,B3/1,B5/7,PCA1345和PCA1457的第四主分量），由于各分量均主要反映的是蚀变信息，因此，二次主成分分析中比重最大的分量就可以认为是混合蚀变信息，也就是FPC1分量。

10136 蚀变异常提取效果分析评价

通过对照上述各方法提取蚀变信息效果后发现，蚀变信息分布具有规律性，所提取的蚀变信息与研究区控矿构造和已知矿（化）点在空间上有着良好的对应关系。应用TM3/1比值和PCA1345,PCA1457获取的蚀变信息效果较好，三者的分布在空间上基本一致。笔者将PCA1345和PCA1457获取的铁化、强粘土化、碳酸盐化蚀变信息和二次主成分分析获取的混合蚀变信息同时叠合在TM543立体遥感图上（图1010）。羟基蚀变与铁染蚀变两者分布趋势基本一致，两者在大部分区域相互叠合，图像在全区均有分布，异常面积总体较小，具有呈带、呈区分布的特征。主要异常区集中在本区近EW向、NEE向联合村－观音坝构造金成矿带及其向北东方向的延伸部分分布，区内主要的联合村金矿床、阳山金矿的葛条湾矿段、安坝矿段、高楼山矿段和阳山矿段均有不同程度的蚀变信息显示。其次在张家山、泥山、汤卜沟等外围区段也有较小异常区分布，除此之外的大部分地区基本没有异常显示。该方法达到了预期的效果。提取出的异常区（带）色调符合理论推导，与阳山金矿区成矿地质特征基本相符。

图1010 提取出的金矿化蚀变信息与3D遥感图叠加效果图

融合方法

IHS 显色系统采用色调（Hue）、饱和度（Saturation）、亮度（Intensity）表示颜色。基于IHS 彩色空间变换的遥感图像融合算法是遥感领域应用较多的一种方法，该算法首先将多光谱图像的三个波段映射到RGB 彩色空间，然后再由RGB 彩色空间变换到IHS 彩色空间，融合过程就是用高分辨率全色图像去代替IHS 彩色空间中的I 分量，最后将IHS 彩色空间变换到RGB 彩色空间即可得到融合图像。

影像方法

影像影像融合技术是解决多源遥感数据综合，提高遥感图像空间分辨率和光谱信息以及挖掘遥感信息潜力的有效方法[7]，仍旧在不断更新完善中。各种融合方法的适用对象不尽相同，针对具体融合图像，选取合理的融合算法是取得理想融合效果的前提条件。

岩石、植被和土壤等环境物质在高温的作用下，会引起这些物质物理、化学性质的改变，形成与煤层自燃有关的一些特殊光谱特征。煤层自燃改变了原岩的物理和化学成分，形成的烧变岩在物质组分方面发生很大变化，特别是不同烧变程度的烧变岩中氧化铁的富集程度不一样，燃烧程度大的烧变岩呈灰白到白色，燃烧程度小或正处于燃烧阶段的烧变岩则表现为红色或红褐色。

土壤。土壤的可见光、近红外光谱特性与土壤的质地、有机质含量和含水性等有关。煤层自燃的热作用导致周围的土壤含水性降低，致使土壤的光谱反射率升高。正常地区的土壤，其湿度不变，反射率较低。煤层自燃的作用还使土壤中有机质含量减少，颜色发生变化，这样会引起土壤光谱特性的变化，反射率相对增加。

植被。煤层自燃高温作用对植被的生长和发育产生一系列直接或间接的影响，改变了植被的环境条件，影响局部小气候、土壤、水分含量，致使土壤结构、湿度发生变化，间接影响植物生长，导致区内植被发育不正常和分布不均匀。此外，植被受温度异常影响，产生“升温”和“毒化”作用，煤层燃烧后产生的芒硝、硫磺等析出物的毒害也使植被的色素物质改变，从而影响植被的光谱分布特征。

（一）煤火区高光谱特征分析

根据乌达煤火区野外调查，对燃烧区内处于不同燃烧程度下的岩石和土壤以及围岩标本进行了采集和室内光谱测试，主要按围岩、烧变岩和土壤三种类型进行分类和归纳。

1白色沉积物覆盖岩石与围岩

在裂隙烟气喷出口孔壁的红色砂岩（原岩）经过烟气烘烤后，表面覆盖一层白霜状物质，喷口有大量白色沉积物。裂隙部位温度在100～300℃之间，烘烤岩石温度在60～70℃之间，地表温度在10～13℃之间。图2⁃2⁃1为乌达火区内典型的白色沉积物烧变岩和原岩的反射光谱曲线。光谱曲线特征差异为：红色砂岩（原岩）在0879μm处可见到宽而吸收强的Fe3+离子谱带，在0671μm处的 Fe3+离子谱带较弱，反映出较强的褐铁矿吸收特征（05μm和09μm附近的吸收）。岩石烘烤表面覆盖一层白霜状物质后，以上光谱特征消失。红色砂岩在1417μm、1933μm、2214μm附近存在着强的吸收光谱；而覆盖一层白霜状物质后，以2077μm和2209μm的吸收谱带明显。红色砂岩在048～1353μm间反射率从15%陡升到48%；在2157～250μm之间吸收特征多而明显，反射率从46%下降到34%；受燃烧影响的岩石面的反射率曲线在048～1353μm上升平缓，从15%陡升到30%，只有在2214μm吸收特征清晰，尖而强。这是两者的最明显差异。

图2-2-1 处于燃烧喷气口部位岩石与未受烘烤岩石的光谱曲线比较图

2烧变砂岩

煤层燃烧使得上覆的砂岩、页岩等受热变质，形成黑红色、红褐色和灰黑色烧变岩，地表呈塌陷乱石堆；周围未烧变砂岩总体呈青灰色，这种现象主要出现在煤层自燃的死火阶段。烧变岩分布很杂乱，颜色基本呈现红褐色和灰黑色，温度与地表周围温度变化不大。燃烧程度大的烧变岩呈灰白到白色，燃烧程度小或正处于燃烧阶段的烧变岩则表现为红色或红褐色。

图2⁃2⁃2为乌达煤火区部分烧变岩和原岩的反射光谱曲线。板状灰黑色烧变岩的反射率较高，而红褐色致密块状烧变砂岩的反射率最低。在吸收特征方面，红褐色烧变砂岩的铁离子光谱吸收特征最明显，在0664μm和0866μm附近出现宽而深的典型褐铁矿波谱特征，在0900μm的强吸收随波长增加反射率急剧上升，至1400μm附近达最高值。除在1400μm和1940μm都存在明显的水汽吸收谱带外，在2209μm附近未烧变原岩的吸收强烈；而烧变岩吸收变化很大，红褐色致密块状烧变砂岩的吸收不明显，而红褐色板状细砾烧变砂岩与原岩的吸收一致。此外，部分烧变岩在2324μm和2452μm出现吸收特征，可能与粘土矿物的吸收有关。

3烧变土壤

正在燃烧区的土壤受喷出口白色热气蒸烤（受灭火注水的影响），土壤湿度较高，呈灰黑色泥状物，泥土中含有火星；而未被烟汽烘烤的土壤呈**和灰白色，土壤呈板结状，湿度低。喷出口温度在70～1600℃之间。图2⁃2⁃3为乌达煤火区正在烘烤土壤和未烘烤土壤的反射光谱曲线对比图。

处于燃烧区上方通过裂隙冒出的烟雾烘烤的土壤，其反射率曲线低缓平直，反射率值低。048～1353μm间反射率曲线从3%缓慢升到6%；在短波红外波段，由4%下降到3%。地表正常土壤的反射率最小值为11%，最大反射率为15%。在吸收特征方面，两者都表现出无明显的吸收谱带现象，即没有出现强的吸收特征；受烘烤的土壤在1949μm出现强的水汽吸收谱带。两者的差异主要体现在反射率大小上。

图2-2-2 燃烧烧变岩石与未烧变岩石的光谱曲线比较图

图2-2-3 燃烧区烟气烘烤土壤与未烘烤土壤的光谱曲线比较图

在部分已处于燃烧熄灭阶段的土壤区，冒汽孔部位的土壤表层覆盖一层白色沉积物，喷出口温度在50～600℃。图2⁃2⁃4为乌达煤田火区含白色沉积物土壤和不含白色沉积物土壤的反射光谱曲线对比图。

燃烧区周围白色物质覆盖土壤与未受影响土壤（原土壤）的光谱特征差异明显。以波长060μm为分界线，波长小于060μm，白色混合状的土壤的反射率值大于原土壤的反射率值；波长大于060μm，正好相反。白色土壤的反射率变化在19%～31%之间，原土壤的反射率变化在17%～38%之间。二者在1417μm、1950μm和2220μm处都存在强的吸收特征。

图2-2-4 燃烧区烟气烘烤土壤与未烘烤土壤的光谱曲线比较图

4地表析出的芒硝和硫磺矿物

图2⁃2⁃5为从USGS（2004）矿物光谱数据库中提取的芒硝和硫磺矿物光谱曲线。

芒硝的反射率曲线非常典型，曲线形态起伏大，可见光—近红外反射率值较高，可达90%。在短波红外波段存在多个非常明显的光谱吸收特征。硫磺在045～05μm内反射率曲线陡升，由5%快速升高到80%；在05～25μm内曲线几乎水平，反射率值在80%左右，没有很明显的吸收特征。

表2⁃2⁃5是根据上述典型岩石矿物、土壤与围岩的反射光谱数据的吸收特征与煤火区燃烧状态的对应关系，总结分析得到的燃烧区高光谱探测特征参数。

（二）煤火区多光谱特征分析

对于TM和ASTER多波段图像，不同的波段对岩石、植被、土壤和水分的识别敏感度差异较大。为了对比分析具有一定规模的不同类型的煤火区烧变岩、土壤、植被和非燃烧区地物的图像多光谱特征，对TM遥感图像按不同燃烧区的岩石、土壤、植被和积雪等大类进行采样；对ASTER遥感图像按不同烧变岩类型进行采样。利用这些采样统计数据做出各地物的图像光谱曲线图，分析这些地物在煤火区与非煤火区的光谱差异。

1TM图像光谱特征

根据汝箕沟具有一定规模煤火区（大于3个像元）的岩石、土壤、植被和积雪等典型地物的分布信息，提取这些地物剖面的图像光谱信息，主要变化特征如下。

图2-2-5 硫磺和芒硝的光谱曲线比较图

表2-2-5 地下煤层自燃高光谱探测参数特征

（1）煤火燃烧区光谱剖面特征。煤火区的反射光谱剖面曲线见图2⁃2⁃6（a）、（b）。总体表现为5、7波段急剧升高，波段间图像亮度值的基本变化模式为：TM5＞TM7＞TM1＞TM3＞TM2＞TM4。

图2-2-6 汝箕沟煤火区剖面图像亮度值变化曲线

在乌兰矿和大岭明火区，7波段图像亮度值急剧升高，烧变岩和明火区的波段比值TM7/TM4呈现出强烈的异常特征；围岩区波段间图像亮度值基本变化模式为TM1＞TM2＞TM3＞TM4＞TM5＞TM7。

（2）煤火燃烧区植被的光谱剖面特征。选取一块稳定均匀且有植被分布的煤火区，其剖面亮度值变化曲线见图2⁃2⁃7（a）。光谱变化特征为：TM5＞TM4＞TM7＞TM1＞TM3＞TM2。非煤火区的植被特点是TM2和TM3之间有部分相交点，亮度值在20～60之间变化。

（3）煤火燃烧区积雪的光谱剖面特征。煤火燃烧区积雪的光谱剖面曲线见图2⁃2⁃7（b），变化趋势是：TM3＞TM5＞TM7＞TM4＞TM1＞TM2。非煤火区：TM3＞TM1＞TM2＞TM4＞TM5＞TM7，TM5值较高，差异较大。

（4）烧变土壤区的光谱剖面特征。非烧变区与烧变沙地光谱剖面曲线见图2⁃2⁃7（c）、（d）。光谱特征有两种模式：正在燃烧的烧变土壤TM5＞TM7＞TM3＞TM1＞TM2＞TM4，过火区的土壤TM5＞TM3＞TM7＞TM1＞TM2＞TM4。非烧变区土壤的光谱特征为：TM5＞TM7＞TM3＞TM4＞TM2＞TM1，各波段曲线相互平行，无交叉现象。

2ASTER图像光谱特征

ASTER卫星遥感数据的独特之处是增加了短波红外和热波段的数目，结合地面调查地理坐标信息和地下煤火灾害实况，对一些包含特殊燃烧目标的像元图像光谱信息进行提取和分析。图2⁃2⁃8 至图2⁃2⁃9是汝箕沟和乌达煤火区不同典型烧变岩区图像光谱特征曲线，光谱特征变化如下。

（1）汝箕沟火区烧变岩石的图像光谱特征：正在燃烧区的烧变砂岩在B1和B2波段值大于非燃烧区的烧变砂岩，B3和B4波段亮度值变化出现不规律变化。在SWIR谱段，燃烧区上部岩石短波红外波段波形特征明显。燃烧区的炭质砂岩和烧变岩区的B9亮度值比B8有明显升高趋势，变化幅度可能与地表的燃烧温度有关。采样点显示短波红外波段亮度值大小和波形变化特征可能与岩性和燃烧程度有关。

（2）在乌达煤田，地表采样点显示VNIR谱段波形变化与汝箕沟地区地表采样点的波形变化相反。短波红外波形变化特征形式多样，彼此间差异变化很大。围岩的短波红外波段亮度值明显高于烧变岩区的波段亮度值，B3、B4和B5波段亮度值变化特征比较明显。由于乌达煤田地形起伏小，岩石类型基本以砂岩和含煤系地层为主，在SWIR谱段的变化主要反映的是火区岩石的烧变信息，砂岩、煤层及其岩性等的混合分布信息。

图2-2-7 汝箕沟煤火区典型地物剖面图像亮度值变化曲线

1新加坡星展银行（DBS）：新加坡本土第一大商业银行，GFmag 全球最安全的银行 top10；多币种账户，投资品种丰富，0佣金。

2 新加坡华侨银行(OCBC)：新加坡本土三大行之一；华侨永亨银行为其全资子公司；全资持有大东方人寿保险以及私行新加坡银行 。

3新加坡大华银行(UOB)：新加坡本土三大行之一，东南亚第 3 大银行，对跨境大额进出账非常宽松，后续无账户管理费用。

4新加坡渣打银行(standard charterd)：160 年前进入新加坡市场，新加坡本地最大的外资银行；跟香港渣打银行同属于英国渣打集团。

5新加坡汇丰银行(hsbc)：隶属于汇丰集团，背景雄厚，管理全球银行, 唯一一家支持 QuickCash 的外资银行，开户快，网银转款额度高，手续费低；

6新加坡花旗银行（citibank）：全球性的巨头，环球银行，历史悠久，全球网点最多，境外投资种类最丰富。

离岸解决方案：美国|新加坡|香港，海外本土bankers&lawyers团队，2万+case行业积累

地质信息遥感图像增强处理目的是通过选择合理的图像处理方法，改善图像的视觉效果，突出遥感地质调查所需要的有用信息。

431 常用的图像增强处理方法

在遥感地质应用方面，图像增强处理方法按照主要增强的信息内容可分为波(光)谱特征增强和空间特征增强两大类。

4311 图像波(光)谱特征增强处理

图像波(光)谱特征增强处理是基于多波段数据，对每个像元的灰度进行变换达到图像增强的目的。其图像增强结果便于识别不同性质的地质体、岩石类型、地质异常(如蚀变带、热异常等)、规模较大的线性和圆形构造。

(1)灰度变换方法

当原始图像的直方图比较窄，灰度分布较集中，图像层次较少时，进行灰度变换是最基本的要求。对于灰度接近正态分布的图像通常进行线性拉伸就可达到改善图像视觉效果的目的。对于直方图呈多峰状、部分地物过亮或过暗的图像，应针对图像的特点采用不同的灰度变换方法，包括分段线性拉伸、直方图调整和高斯变换等非线性拉伸等。

分段线性拉伸是为了有效利用有限个灰度级，将整个灰度范围划分为几个区间，分区间进行线性扩展，达到最大限度增强图像中有用信息的目的。常用的非线性变换有指数变换法(增强原始图像的高亮度值部分)、对数变换法(增强图像的低亮度值部分)、高斯变换(增强图像中间灰度范围)及正切变换(可对图像的暗、亮区进行增强)。

直方图调整是通过改善图像的直方图形态来达到图像增强的目的。其原理是用一种变换函数作用于原始图像的直方图，使之变成具有某种特定亮度分布形态的直方图。这种方法着重于扩展高频数亮度值之间的间隔，使直方图中部所包含的地物反差得到增强，有利于地质体的区分。常用的直方图调整方法有直方图均衡化和直方图正态化等。

(2)比值增强

比值增强是通过不同波段的同名像元亮度值之间的除法运算，生成新的比值图像来实现的。比值处理对地质信息尤为敏感，成为遥感地质图像处理中广为应用的方法之一。其基本作用为:

1)可以扩大岩石和土壤的波谱差异，有利于这些地物的区分。

2)消除或减弱地形等环境因素对同类岩性的影响。

3)提取与矿化蚀变有关的信息。

4)比值彩色合成图像能够增强岩性和蚀变岩信息。

(3)主成分变换

主成分变换是多波段遥感图像增强常用的一种方法。它是一种基于图像统计特征的多维正交线性变换，变换后的新组分图像反映了地物总的辐射差异和某些波谱特征，同时还具有分离信息、减少相关、突出不同地物的作用。利用不同新组分图像进行彩色合成，可显著提高彩色增强效果，有助于岩性的区分。在实际应用中，也常用比值或差值图像与原始图像一起进行主成分变换，会有利于某些专题信息的提取。

(4)IHS变换

在色度学中，把彩色图像的RGB变换成亮度(I)、色度(H)、饱和度(S)称为IHS变换，而IHS变换成RGB称为反变换。利用IHS变换和反变换，可以进行多源遥感图像之间的信息融合、高度相关图像数据的色彩增强、图像的特征增强，以及改善图像空间分辨率等融合处理。如图41所示，对研究区内的环形构造、岩体和地层都起到了一定的增强作用。

图41 新疆瓦石峡地区图像增强处理对比

4312 图像空间增强

图像空间增强处理是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。其图像增强结果主要突出地质体的空间形态、边缘、线条及结构特征等。如地质构造、线性体及地貌形态等。常用的图像增强方法有数据融合和卷积增强等。

(1)数据融合

主要有IHS融合法、Brovey法和三维反差增强融合法。IHS融合法的关键是根据输入图像的光谱情况和地面的覆盖情况来选择正变换和反变换公式;Brovey法是通过选择三个归一化后的低分辨率波段图像与高分辨率图像乘积来增强图像信息，该方法优点在于锐化图像的同时能够保持原多光谱信息，对于山地、水体、植被等地物增强效果好;基于三维反差增强的融合法是扩大同名点像元在三个低分辨率合成波段上的灰度差异，同时要求增强后的图像同名点像元在三个波段的灰度值相对大小关系不变，三个波段的灰度值之和不变。对高分辨率图像要进行灰度线性拉伸、纹理能量增强和细化处理。该方法扩大了地物间的色彩差异，减少了相关性，可以对融合图像的锐度、灰度、色彩等空间信息分离并进行动态跟踪处理，直到取得满意效果为止。如图42所示，图42(a)为SPOT原始图像，图42(b)为SPOT数据与TM多光谱数据的融合结果，提高了遥感解译的可靠性。

图42 SPOT图像融合处理

(2)卷积增强

地物的边界及各种线性形迹，通常都表现有一定的空间分布频率，可以通过空间域或频率域的滤波对它们进行增强。卷积处理就是比较简单有效而最常用的空间滤波方法之一。卷积增强是一种邻域处理技术，它是通过一定尺寸的模板对原图像进行卷积运算来实现的。增强不同方向的边界(或线性体)，可按一定的排列方向来分配模板中各元素的权系数，改变模板尺寸和板内元的差值可产生不同的效果。一般模板越大，差值越大，对低频的粗大构造形迹增强越明显，而高频信息(小断层、节理裂隙)增强的幅度越小。卷积增强对于突出某一方向的地质体边界和线性断裂构造或形迹具有明显的效果，对一些环形构造或线迹也会起到增强作用，因此，在遥感地质图像处理中被广泛使用。

上述处理方法在岩性地层、构造信息提取中具有广泛的应用。在实际应用中，可根据不同的地质地理条件与图像特点，采取组合多样，手段灵活的方式进行图像增强处理。

432 特征信息增强处理方法

4321 岩性信息增强处理

岩性信息增强处理的目的是通过特征图像处理方法的选择来实现岩石类型或类型组合的提取。其应用原理主要依据不同性质的岩石因其矿物成分、结构构造、岩石表面结构、覆盖物成分、含水性，以及地域环境上的差异等，通过多波段遥感数据上所反映的波谱和纹理信息规律来实现的。

(1)波段组合变换方法

对于遥感多波段图像和经过空间配准的同一地区的不同传感器获取的多幅单波段遥感图像，通过进行一系列的组合代数运算，从而达到增强岩性信息的目的。以TM图像数据举例说明:

1)用TM3、2、1，TM4、3、1，TM5、4、3和TM7、4、1等彩色合成图像可识别花岗岩带、接触变质带和区域变质岩之间的岩性界线。如图43所示，其中，图43(a)的TM5、4、3彩色合成图像，对区内的地层岩性的分布特征起到明显的增强作用;图43(b)的TM7、4、1彩色合成图像，突出了白云岩岩性特征信息。

2)用TM5/TM1、TM4/TM2、TM5/TM7波段组合进行彩色合成，可增强和识别碳酸盐岩和黏土矿化信息。如图43(c)所示，增强了白云岩地质界线。

3)用TM4×TM4/(TM4+TM5+TM7)、TM4×TM5/(TM4+TM5+TM7)、TM4×TM7/(TM4+TM5+TM7)进行彩色合成，可增强不同岩性之间的影纹变化、消减地形起伏引起的阴阳坡亮度值差异，提高岩性的细部反差。图44(a)和图44(b)均增强了某一岩性段的分布特征信息。

4)用TM5/TM1、(TM5×TM7)/(TM1×TM2)、(TM7－TM1)/(TM3+TM4)彩色合成图像可增强第四纪地层、地表铁离子的变化信息，突出岩石的纹理结构。如图45所示，与图45(a)相比，图45(b)对提取区内地层、岩体的变化信息，以及区分主要岩石类型、突出环形构造方面起到明显的应用效果。

(2)光谱剖面法

当研究区岩石、地层与背景之间在光谱上是可分的，即与背景之间存在着较少的同谱现象，可以借助于光谱剖面知识进行岩性专题信息提取，主要步骤为:

1)对典型地物如裸露岩石、地层、雪、阴影等进行光谱采样，提取光谱剖面曲线，从中发现不同岩性类型的光谱差异。

2)通过波谱间变化关系，分别对特征岩性建立基于光谱知识的提取模型。

3)按照建立的模型提取裸露岩石、地层信息。

4)当不同岩石、地层内部成分的光谱与背景之间存在着较多同谱现象时，需借助于地物的其他知识进行提取。

图43 新疆瓦石峡地区不同波段彩色合成图像对比

图44 多波段相关性比值增强处理对比

图45 图像增强处理对比

(3)基于地物纹理的岩性识别

当岩性组成复杂，且分布尺度大于传感器的空间分辨率时，遥感图像就可能记录到地物的结构组成信息，其影像就存在着明显的纹理特征。当存在着有别于背景地物的纹理结构特征时，就可利用地物的光谱特征与纹理特征提取岩性信息。利用纹理识别岩性的方法步骤如下。

1)选择一定大小的移动窗口，计算不同地物的纹理特征，对待研究岩石类型的纹理特征与周围地物的纹理特征进行比较分析。主要纹理特征计算有:对数变差函数、平均欧式距法(一阶)、方差法(二阶)、斜度(三阶)、峰度(四阶)和共生矩阵法。从灰度共生矩阵中可以产生8种纹理测度，它们分别是局部平稳、对比度、相异性测度、均值测度、标准差、熵、角二阶矩及相关等。

2)分析研究岩石裸露区和背景地物之间的纹理指数和图像，寻找岩石类型与纹理特征的关联规律，采用合适的阈值，识别和提取岩石信息。

(4)基于形状知识识别岩性信息

1)增强地物之间的边界，提取出边界信息。进行形状指数的计算。主要测定基于周长和面积的指数、基于面积的指数以及基于面积和区域长度的指数。

2)根据岩石的形状知识指数值，对不同形状指数的岩性进行定性定位识别和提取，结合不同岩性的形状特征赋予一定的地质属性信息。

(5)主成分变换多层次信息分析识别岩性信息

基于主成分分析的多层次信息分解技术是增强地质岩性弱信息的一种常用方法，在岩性增强和识别中的实施过程如下。

1)多波段图像的统计特征分析。对多波段图像数据进行统计特征分析，计算波谱图像的灰度动态范围、均值与中值、波段图像的相关系数矩阵、波段图像的协方差阵。

2)求出多波段图像的协方差阵的特征值与特征向量，用特征向量构成KL变换的系数矩阵A。

3)主成分变换后处理。根据岩性识别目的和各主分量与矩阵向量间的关系分析，选择包含特定岩性信息的组分图像、包含专题信息组分图像的增强处理、组分图像的彩色合成处理以及组分图像与其他处理结果或波段图像的信息复合分析。

4)根据各主分量的分析结果，对主分量图像的各种后处理结果与单元结果对照进行影像目视解译，确定能够较好反映工作区岩性信息的主分量图像，选取它们做彩色合成或信息复合，增强影像上的地质岩性弱信息。

(6)IHS变换法增强岩性信息

对多波段图像选择适当的代数运算后所产生的新图像进行IHS变换，可起到突出岩性的目的。例如，利用TM波段比值进行IHS变换，可以识别火山岩地区的岩性和与矿化有关的蚀变特征。

1)用TM5/TM7，TM3/TM4，TM3/TM2比值分别赋红、绿、蓝进行IHS变换。

2)在变换处理后的图像上，Fe2O3含量高的玄武岩分布区呈醒目的褐色或红色色调，不同岩性的火山岩类有不同的色调，可以相互区分;含黏土类矿物和三价铁氧化物的矿化蚀变岩石分布区呈独特的**。

(7)对遥感图像进行最优多级密度分割提取岩性信息

目的是在植被稀少、基岩广泛裸露的干旱地区通过选择最佳遥感识别图像，通过最优多级密度分割，提取和识别岩石信息。

1)利用费歇尔准则对图像进行密度分割，通过直方图统计，找到使各分割段的段内离差总和最小、段间离差总和最大的分割法，称为图像的最优多级密度分割法。

2)对分割图像按灰度级由高到低分别赋以不同的颜色，对照区域地质图确定不同颜色的地质岩性属性信息。

(8)岩性的自动分类识别

在干旱、半干旱地区，利用遥感图像的光谱信息，使用非监督分类方法，可起到岩性自动识别和填图的目的。

以TM或ETM+数据为例，说明非监督分类方法主要实施过程:

1)从TM或ETM+多波段图像中选择3个三波段组合，使波段间相关性小且重复利用的波段最少。

2)对所有波段组图像用均衡反差增强技术进行反差增强，以优化每个波段的反差，消除彩色合成中可能出现的色彩偏差。

3)对每个三波段组合用RGB-IHS变换产生一个色度图像，然后分别进行合成，产生色度合成图像。

4)用三维特征空间交互集群技术对色度合成图像进行非监督集群分类。

5)用模板直方图匹配分类技术对分类图像进行空间再分类，以检测感兴趣类的结构和模式。

6)对分类图像用空间滤波法和小类别合并技术进行平滑处理和空间简化处理。

7)根据野外检查与类别的波谱曲线形态，参照地质图，将类别赋以岩性或按其他地物类型术语进行识别和描述。

8)进行交互式类别编辑。用类别区域编辑法将代表不同地带的不同岩性按位置进行分解，用类别分组法将相同岩性或地物类型一致的类别归入一组。

9)用边缘检测技术，检测地物类别边缘。

10)对调整后的分类图像进行交互式着色，并将反映地形背景的强度图像叠加到岩性分类图中，形成岩性影像图。

(9)基于岩块分类的岩石类型识别

适用于干旱、半干旱基岩裸露区岩石类的识别。以TM数据为例具体说明主要实施过程:

1)对TM图像进行地形校正，生成数字视反射率图像R1、R2、R3、R4、R5、R7。

2)用TM6与R1～R7进行空间集群法非监督分类，编制平面分类图。

3)用TM6与R1～R7数据进行监督分类，首先用已知样本作为训练区，训练区样本为厚层单岩性岩块、简单岩性组合岩块，复杂岩性组合岩块和标志性薄层岩块，然后逐个像元提取同类目标并编制平面图。

4)对分类图像中的各类别进行均值、最小、最大值，标准差、协方差等参量统计。

5)进行纹理分析及分类，编制纹理类型平面图。

6)对非监督分类、监督分类及纹理分类平面图进行叠合，通过人机交互目视解译归并整理，编制岩石遥感类型平面图。

7)岩石填图。将已知岩石属性信息填绘于同类的空白区域中，未知空白区域待野外检查确定岩性属性后填入。

(10)用高光谱资料来识别岩性

利用成像光谱资料，定量检测岩石和单种或多种矿物的波谱特征，提取和识别岩性和矿物信息，编制专题岩性和矿物图件。主要实施方法是:

1)确定工作区岩性和矿物的一些标志性波谱特征。

2)利用高光谱成像数据提取地物的波谱曲线，与岩石的野外光谱曲线和某些标志性矿物的实验室实测典型曲线对比，半定量地确定岩性和标志性矿物的存在。

3)通过岩性和标志性矿物的检测，达到找矿和编制岩性分布图的目的。

4322 断裂构造及地质界线图像增强处理

主要利用空间滤波、自动线性提取等方法增强或提取断裂构造信息。

(1)空间方向滤波方法

对原始图像进行方向滤波，突出某一方向的纹理信息，增强地质体的空间结构。

1)按其所需要的方向信息确定滤波算子见表41。

2)对多波段图像进行主成分变换，利用定向滤波法对第一主分量图像进行边缘梯度增强。

3)增强图像的局部边缘梯度，压制整个图像的反差，再结合一些平滑处理方法对构造蚀变带和环形构造进行增强。

4)图像反差扩展。采用拉伸、直方图变换、比值、滤波等，突出图像中的线、边缘、纹理结构特征，增强岩性、线形构造和环形构造影像特征。

5)高通滤波增强空间频率高的地表形迹，提取几十到几百米的线性体(如节理、裂隙和断裂等一些地质构造形迹);低通滤波增强空间频率低的地表形迹，提取延伸长、规模大的断裂带和蚀变带等地质形迹。

6)用高斯卷积滤波突出地质体边界轮廓细节，区分纹理差异大的岩体。

(2)傅里叶功率谱纹理增强法

1)取一定大小的窗口图像，分别作行、列傅氏变换。

2)求功率谱矩阵，作对数变换。

3)计算纹理测度，形成纹理图像。

4)纹理图像解译，提取线性体信息和岩性地质界线。

(3)图像纹理统计法

通过纹理特征变化推测断裂活动的差异、岩石成分的变化等，圈定活动断裂带范围，解释断裂活动方式。

(4)线、环状影像特征法

1)对图像进行高通滤波和线状影像增强

2)从225°～675°、675°～1125°、2925°～3375°及3375°～225°四个方向进行方向滤波。

3)计算单位面积(25km×25km)线状影像密度及等密度图。

4)对线、环状影像平面图进行目视分析，筛除非地质边缘点，并进行叠合与归并，划分线状影像区、带和等级，环状影像之间的空间结构及其组合关系。

5)进行线、环状影像地质属性解译。

(5)线性体自动提取法

1)采用定向滤波法对多波段图像的KL变换第一分量进行边缘梯度增强。

2)对梯度图像进行二值化处理，提取边缘点图像。

3)人机交互去掉干扰和孤立的边缘点。

4)利用Hough变换进行线性体的连接和统计，输出线性体分布图和密度图。

5)线性构造提取与地质分析。

(6)图像亮温法

选择适当季节和时间的热红外遥感图像，以热红外波段图像的亮温分布的极值线为标志，提取构造信息。

(7)多重主成分分析方法

首先应用各种方法，包括一般主成分分析、选择主成分分析(特征主成分选择)、波段比值等，尽可能提取图像中较弱的地质构造信息，然后提取显示最好或较好的专题信息，进行二次处理。处理方法包括两种:一是进行不同的彩色组合或叠加，以突出专题信息;二是选取对专题信息提取最有利的结果和原始波段再次进行主成分分析，进行地质信息的二次提取和增强。

(8)基于融合处理的构造信息提取方法

不同传感器获取同一地区的图像，由于其波长范围不同、几何特性不同、分辨率不同等因素而具有不同的应用特点，基于不同传感器图像的融合处理，可以综合不同传感器图像的优点，提高对构造信息的识别能力。下面以TM和SAR图像融合处理为例进行说明。

1)首先，对SAR图像滤波，进行噪声消除。

2)其次，把单波段SAR图像和多光谱TM图像进行几何配准和融合，TM3、4、5进行IHS变换，用滤波后的SAR图像代替I分量，做IHS反变换，再用TM3、4、5与SAR图像作主成分变换，最后将IHS反变换得到的G分量、TM4波段和主成分变换的第一主分量图像进行彩色合成，作为地质解译图像。

3)融合后的图像可以直观地提取断裂构造信息，利用SAR图像一定的穿透性，可以提取隐伏断裂构造信息。

4323 区域地质稳定性的综合处理与遥感信息的辅助提取

1)获取多时相多平台遥感卫星数据，收集地面控制点数据和区域地质环境资料。

2)进行图像几何精校正和配准处理。首先，对地形图进行高精度扫描，形成数字图像;然后，对数字地形图进行投影变换、配准和镶嵌，进行区域图像的合成与镶嵌;最后，建立地质活动区域的DEM和三维地形地貌可视化影像。

进行人机交互解译。以精校正的数字卫星图像为基础，一方面进行增强构造活动带、滑坡及其发育环境信息的各种图像处理;一方面进行目视解译，确定区域地质稳定性信息，在计算机上定位，划分边界、制作图形。获取遥感解译信息，综合其他环境资料和综合处理进行分析、比较和修改。

4324 隐伏地质信息提取与增强

利用重磁资料与不同类型的遥感图像复合处理技术提取隐伏地质信息。

1)利用重磁网格数据和三维欧拉反褶积方法确定地下构造位置(边界)和深度。

2)利用遥感图像解译地表的构造特征，将重磁数据提取的相应位置的构造信息叠加到遥感构造图像上，把不同深度的构造在图像上分别表现出来，利用图像上构造的不同深度信息，辅助进行隐伏地质体和构造带信息提取。

433 遥感地质信息自动提取方法

计算机自动信息提取的目的是把地质专家用于目视解译的知识定量化表达，从根本上实现知识参与的自动提取。现有的计算机自动信息提取方法主要包括:光谱特征模型法、计算机自动分类法和基于空间数据挖掘与知识发现信息提取方法。

4331 光谱特征模型法

一般利用统计回归建立一个遥感信息模型，根据具体图像的实际情况不断对模型参数进行调整，最终使模型适用于该影像。遥感信息模型是在现有地面实验基础上提炼出来的地物的反演模型，由于图像数据影响因素很多，因此地物在卫星图像上的反映并非与地面实测数据一一对应，把遥感信息理论和实际图幅影像有效结合在一起来进行专题信息自动提取，应用范围和精度都很有限。岩石地层单元建模技术就是一种光谱特征模型法。具体步骤如下。

1)把一些具有特殊影像特征的矿源层、赋矿地层以及诸如含多元素黑色炭质页岩、蛇绿岩带、混杂岩带和超基性岩体等岩石地层作为一种基本单元，它们的多波段遥感像元灰度值是波段的函数，不同单元具有不同的函数曲线。

2)对有一定地质意义的单元进行光谱特征统计，确定特定单元在各波段的亮度范围和同一单元类别在多维空间的聚集性。

3)根据单元类别的变差参数(均值和标准差)，建立基于遥感图像亮度值区间的岩石地层单元模型，输入的阈值参数和多波段遥感数据，自动提取岩石地层单元信息。

4332 分类方法

在遥感信息自动提取方面，分类方法占有重要地位。其核心是对遥感图像进行自动分割。现有的计算机自动分类方法，主要利用的是遥感图像数据，虽然有时可以自动加入其他方面的地学知识，但远没有充分利用人脑在分析图像时所应用的知识，因此很难达到很高的精度。利用分类方法进行岩性自动填图是遥感图像处理中最复杂、最难的一个问题，而对于像植被、水体、土地和冰雪等一些大面积分布均匀的特定目标信息的提取，自动分类可起到良好的应用目的。

4333 基于数据挖掘和知识发现技术

基于数据挖掘和知识发现技术理论的遥感专题信息自动提取，其基本内容包括知识的发现、应用知识建立提取模型，利用遥感数据和模型提取遥感专题信息。在知识发现方面包括从单一遥感图像上发现有关地物的光谱特征知识、空间结构与形态知识、地物之间的空间关系知识;从多时相遥感图像中，除了可发现以上知识外，还可以进一步发现地物的动态变化过程知识;从GIS数据库中发现各种相关知识。利用所发现的某种知识、某些知识或所有知识建立相应的遥感专题信息提取模型，利用遥感数据实现从单知识、单模型的应用到多知识、多模型的集成应用，从单数据的使用到多数据的综合使用的自动信息提取。

Trados 俗称塔多思，全球超强的专业翻译软件，Trados 65支持64种语言互译，自建翻译记忆库(TM)，智能化翻译

Suntrans:《双全智能教育软件》是中国第一套真正的智能教育软件。它是基于几何定理机器可读证明”理论开发，应用了计算机自动推理理论和技术的新一代智能型教育软件。该理论是中国科学院院士张景中教授及其合作者在定理机器证明领域的重要研究成果，代表着世界的领先水平。

ForeignDesk:金桥译通翻译拥有一支由专职科技翻译、软件工程师、网络工程师和专业美工师组成的优秀工作团队。不仅具有准确把握语言的能力，同时具有相关的技术背景，熟悉各种软硬件环境下的本地化技术，可为企业的软件本地化提供可靠保障。以母语为目标语言的翻译专家检查文本以确保译文的清楚、准确及与当地文化的相容性，同时相关技术专家将会对本地化后的产品进行各种软硬件环境下的检测，在整个项目进行中，由客户监督项目的实施并对项目实施过程中出现的问题进行及时反馈。

（一）GIS支持下的遥感图像处理

GIS常常与遥感图像处理手段结合起来使用，更有效的增强与提取遥感信息。这主要表现在两个方面。

一方面是GIS作为重要的辅助手段用于遥感影像的目视解译，以提高解译精度。具体做法是将那些有助于图像解译的矢量专题图层（比如地质图、地形图、土地利用图及植被覆盖、水系发育等等）与待解译的影像叠加显示，前提是这些矢量图层必须先与影像进行过坐标配准，具有统一的坐标。这可以用于人机交互的影像解译，直接在屏幕上画出影像解译结果，还可用于在影像的监督分类前进行选取正确的训练样区以便提高分类精度。在这方面的应用中，同时还要注意这些专题图层与影像的时间差，比如植被覆盖与时相的相关性很大，另外如果时间相差较长，要充分考虑到一些客观条件上的变化，如土地利用类型、建筑物、道路等的变化。

GIS与遥感图像处理结合应用的另一方面表现在：在GIS技术支持下，地学及其他知识直接参与遥感图像的处理中，比如遥感图像的分类中可以将DEM、NDVI等知识直接作为遥感影像的新增波段，与其他波段一起进行分类，这样分类结果中就将反映出这些专题信息的分布。还比如专家系统的应用也是GIS与遥感技术结合应用的成果。

（二）GIS支持下的专题信息提取

1遥感专题信息提取方法研究的发展

遥感专题信息提取（thematic information extraction）是从遥感影像资料中获取某种特定地物特征的信息，其目的是区别图像中所含的专题目标。分类也是一种专题信息提取的方法，但专题信息提取和一般意义上的遥感图像分类有所不同，先定目标，然后有意识地专门面向对象进行识别，而分类是就图像中即有的像元给予类别的归属与划分。它的方法随着遥感技术的改进及遥感应用的深入也在不断地改进，经历了目视解译、自动分类、光谱特性的信息提取及光谱与空间特征的信息提取等多个阶段。

目视解译是最初的图像识别方式。现在的图像识别沿着两个方向发展，一是由计算机的出现带来的信息识别自动化，二是沿着遥感信息传输的本质而探寻信息识别的高精度。它们没有严格的界限，随着各自的发展而相互渗透。现有的计算机自动分类方法，都只是利用了图像数据，没有自动加入其他方面，如地学的知识，没有充分利用人脑在分析图像时所应用的知识，因此不会达到很高的精度。基于知识及专家系统的分类对分类的精度有所改善。同样，专题信息提取的最初是分析特定目标的光谱特征，形成规则，对图像进行 *** 作。计算机领域中人工智能的出现使基于知识或信息的专题信息提取成为可能。遥感成像是从多到少的映射，是个确定过程，影像解译是从少到多的映射，是个不确定过程。因此在遥感解译时，包含一个重要的地学处理过程，它包括两个方面，一是把遥感未带回的信息再补上去，即补充地学相关信息，二是根据影像信息进行地学分析，来推断出影像上未反映的信息，这都需要地学知识强有力的支持。如何把地学专家用于目视解译的知识定量化表达，让它来参与计算机处理，从根本上实现知识参与的自动提取，这是目前专题信息自动提取研究的焦点问题。

计算机自动分类前，先对训练区进行训练，实际上是一个统计的过程。这个统计过程只是就这幅图像而言。然后利用统计结果进行回归，建立一个基本适于该图像的类别确定模型。专题信息提取时，一般是先有一套遥感信息模型，而后根据具体图像的实际情况来不断地修改，实质是对模型参数的调整，最终使模型适用于该影像。遥感信息模型是在现有地面实验基础上提炼出来的地物的反演模型，而地物在卫星图像上的反映并非与地面实测数据一一对应，原因很多，使图像数据具有很大的随机性，这就又涉及到光谱辐射校正的问题。因此，需要把遥感信息理论和实际图幅影像有效地结合在一起来进行专题信息的提取。

2遥感地质专题信息提取

当今，遥感卫星“群星闪烁”，遥感数据空前丰富，然而，遥感信息被利用的比率却极低。其原因是我们缺少遥感专题信息提取的方法和模型。相对与土地利用/土地覆盖遥感信息提取来说，遥感地质信息提取的难度更大些。概括地说，遥感信息提取的方式主要有3种：目视判读提取、基于分类的信息提取和基于知识发现的遥感信息提取。遥感地质专题信息提取的方式也不外乎这三种。

（1）目视判读提取

早期从遥感影像中提取信息的主要方法是目视判读提取。由于目视判读能综合利用地物的色调或色彩、形状、大小、阴影、纹理、图案、位置和布局等影像特征知识，以及有关地物的专家知识，并结合其他非遥感数据资料进行综合分析和逻辑推理，从而能达到较高的专题信息提取的精度，尤其是在提取具有较强纹理结构特征的地物时更是如此，它是目前业务化生产的一门技术，与非遥感的传统方法相比，具有明显的优势。尽管该方法较费工费时，但由于遥感地质信息计算机自动提取的难度，仍将在遥感地质信息提取中长期存在。

（2）基于分类方法的遥感信息自动提取

在遥感信息自动提取方面，分类方法的研究历史最长久，其核心是对遥感图像的分割，其方法有无监督分类和有监督分类。就无监督分类而言，有 K-MEANS 法、动态聚类型法、模糊聚类法以及人工神经网络法；在有监督分类方面，有最小距离法、最大拟然法、模糊分类法以及人工神经网络法。最大拟然法需要各类型的先验知识及其概率，特别是需要假定各类型的分布属于正态分布，因而它是一种有参数的分类器，在具有先验性概率知识以及各类型满足正态分布的条件下，它具有较好的分类效果，该分类器具有分类速度快的优点。模糊分类是根据模糊数学所构建的一种分类器。它是建立在假设一个像元是由多个类型所组成的基础上，只是各类型的隶属度不同。在对分类器训练时，需要确定训练样本像元中各类型的隶属度，它不需要各类型的先验概率知识，也不要求各类型服从正态分布，它是一种无参数的分类器。但是对训练像元中各类型隶属度的确定比较困难。该方法适用于亚像元信息的提取。人工神经网络分类器是利用人工神经网络技术所构造的分类器，人工神经网络是近几年得到迅速发展的一门非线性科学，它是模拟生物神经网络的人工智能技术，已广泛地用于趋势分析和模式识别以及遥感图像的分类等方面。人工神经网络器不需要各类型的先验性概率知识，也不要求各类型一定要服从正态分布，它是一种无参数的分类器。尽管利用分类器进行分类时所需要的时间很短，但是在对分类器进行训练时，所需要的时间却很长。

就无监督分类而言，其所分的结果，需要专家进行判读和类别的归并，并最终确定其所属的类型。就有监督分类而言，需要选取大量的训练样区，而训练样区的选取不仅费工、费时，训练样区选择的好坏还直接影响分类的效果；同时，分类是对整个图像进行分割，它所要求的是总体的精度最高，这样就不可能完全保证我们所需专题信息的精度一定最高。分类是建立在数理统计基础之上，而没有建立在对遥感信息机理分析的基础上，也没有建立在知识挖掘的基础上，这样就使得它难以实现遥感图像专题信息提取的全自动化。同时，基于光谱特征的分类难以解决异物同谱的问题。在分类中所获取到的知识通常既不可传递，也难以解释。这也是我们对所分结果知其然，而不知其所以然的原因。我们对在任何时候，任何地点的图像，都必须重复选取训练样区的工作。这样，显然就大大限制了遥感信息提取的自动化。为此，基于知识发现的遥感专题信息提取将成为另一个最有前途的方向。

3基于知识发现的遥感专题信息提取

基于知识发现的遥感专题信息提取是遥感专题信息提取的发展趋势之所在。其基本内容包括知识的发现、应用知识建立提取模型，利用遥感数据和模型提取遥感专题信息。在知识发现方面包括从单期遥感图像上发现有关地物的光谱特征知识、空间结构与形态知识、地物之间的空间关系知识。其中，空间结构与形态知识包括地物的空间纹理知识、形状知识以及地物边缘形状特征知识；从多期遥感图像中，除了可以发现以上知识外，还可以进一步发现地物的动态变化过程知识；从GIS数据库中可以发现各种相关知识。在利用知识建立模型方面，主要是利用所发现的某种知识、某些知识或所有知识建立相应的遥感专题信息提取模型，如图3-8所示。在利用遥感数据和模型提取遥感专题信息时，应从简单到复杂，从单知识、单模型的应用到多知识、多模型的集成应用。从单数据的使用到多数据的综合使用。

4基于光谱知识的遥感专题信息提取

地物的光谱知识是遥感专题信息提取中最重要的知识。对地物光谱特征的研究，长期以来都得到各国的高度重视。我国对地物光谱开展了深入的研究，并出版了《中国典型地物波谱及其特征分析》《遥感反射光谱测试与应用研究》等书。周成虎、杜云艳根据对水体光谱特征的分析，建立了有效的NOAA AVHRR水体提取模型。陈铭臻根据对水稻和背景的光谱特征分析，建立了水稻种植面积的提取模型（TM4/TM1，TM4/TM3，TM4/TM2）。Helmut Mayer Carsten Steger通过对道路光谱知识的分析，探讨了从遥感图像上提取道路的方法，Jinfei Wang，Paul MTreitz和Philip JHowarth探讨了利用梯度方向剖面分析法从SPOT PAN图像中提取新修道路，并将其用于更新城区GIS数据库中的道路网。VLacroix，MAcheroy利用了约束梯度法提取了房屋拐角。

RMHaralick，SWang，GShapiro，JBCampbell，探讨了利用一致性标记技术提取河网及其流向。Moller-Jenson提出利用NOAA AVHRR的 CH4＜45，CH5＜35 建立水体提取模型。Jupp等曾提出利用 TM7波段，通过阈值法可以将水体提取出来。

图3-8 基于知识发现的遥感专题信息提取模型

发现光谱知识的方法有典型采样法、光谱曲线法和光谱剖面线法。下面还以新疆瓦石峡地区的美国陆地卫星遥感影像为例，影像大小为512×512 像元，主要典型地物有裸露岩石、雪、阴影等。为了利用这些地物的光谱知识，首先对这几种典型地物进行了光谱采样，光谱采样结果见图3-9。从中可以发现这几种地物具有明显的光谱差。

我们通过对比可以发现，岩石裸露区、冰雪覆盖区及山体阴影的光谱特征明显不同：

（1）总体上看，岩石裸露区的反射率较高，阴影的反射率较低，雪盖区位于中间岩石裸露区在TM1、TM2、TM3、TM4波段上比雪盖区稍高或相近，但在TM5、TM7波段上远高于雪盖区。

（2）雪盖区在 TM1、TM2、TM3、TM4 波段上较阴影为高，在 TM5、TM7 波段上与阴影相近或稍高。

图3-9 瓦石峡地区典型地物光谱采样曲线

（3）岩石裸露区在TM1～TM7波段上都远高于阴影区。

（4）从谱间关系上看，阴影区的反射率从TM1到TM7有逐渐降低的趋势，即TM1＞TM2＞TM3＞TM4＞TM5＞TM6＞TM7。从谱间关系上看，岩石裸露区在TM4上是峰值，即TM3＜TM4，TM4＞TM5；雪盖区的谱间关系也很明显，即由TM4到TM5有一个明显的下降趋势。

通过以上波谱分析，分别对裸露岩石、雪、阴影建立基于光谱知识的提取模型：

雪：

1∶25万遥感地质填图方法和技术

阴影：

1∶25万遥感地质填图方法和技术

岩石：

1∶25万遥感地质填图方法和技术

按照上述模型可提取出雪、阴影和裸露岩石。

基于光谱知识的专题信息提取，需要地物与背景之间在光谱上是可分的，与背景之间存在着较少的同谱现象，并且地物内部的光谱最好要一致。当地物内部光谱不一致时，可以借助于地物内部的特征成分光谱进行提取。当地物内部成分的光谱与背景之间存在着较多同谱现象时，得借助于地物的其他知识进行提取。

5基于地物纹理知识的专题信息提取

当地物组成复杂，且大于传感器的空间分辨率时，就可能遥感到地物的结构和组成。其影像就存在着明显的纹理特征。当存在着有别于背景地物的纹理结构特征时，当只靠基于光谱特征知识的提取难以完全解决专题信息的提取问题时，就必须将地物的光谱知识与纹理知识一起用来提取专题信息。纹理是指灰度值在空间上的变化，它是由一些纹理基元按照不同的空间配置形式所构成的一种图案。纹理基元的空间配置可以是随机的、确定的、概率的和函数的。纹理可分为结构性纹理和非结构性纹理，非结构性纹理又叫随机纹理。在目视判读中，纹理一般用粗细度、平滑性、颗粒性、随机性、方向性、直线性、周期性、重复性等术语来描述和表达。在通过纹理识别地物时，需要将某专题的纹理特征与周围地物的纹理特征进行比较分析。在ERDAS IMAGINE中主要有4种纹理识别的算法：平均欧氏距法（一阶）、方差法（二阶）、斜度（三阶）和峰度（四阶）。它们的计算方法如下：

（1）平均欧氏距法（一阶）

1∶25万遥感地质填图方法和技术

式中：xijλ——多波段图像λ波段（i，j）像元的数字值；

xcλ——活动窗口中心像元的λ波段数字值；

n——窗口中的像元数。

（2）方差法（二阶）

1∶25万遥感地质填图方法和技术

式中：xij——像元（i，j）的数字值；

n——活动窗口的像元数；

M——活动窗口的平均值。

（3）斜度（三阶）

1∶25万遥感地质填图方法和技术

式中：xij——像元（i，j）的数字值；

n——活动窗口的像元数；

M——活动窗口的平均值；

V——方差。

（4）峰度（四阶）

1∶25万遥感地质填图方法和技术

式中：xij——像元（i，j）的数字值；

n——活动窗口的像元数；

M——活动窗口的平均值；

V——方差。

另外，常见的纹理探测方法还有共生矩阵法。

本项目主要利用ERDAS IMAGEINE软件二阶方差法来计算影像的纹理特征。计算时采用的移动窗口，为5×5。从新疆瓦石峡地区TM影像的纹理图中可以发现，岩石裸露区纹理指数（二阶方差）较高，图像中显得较亮，而非岩石裸露区纹理指数较低，图像较暗。采用合适的阈值，提取岩石裸露区，可以发现结果大体符合实际情况。

6基于地物形状知识的专题信息提取

有时，地物与背景之间，不仅在光谱特征上相同或相近，而且在纹理特征上也比较相似。在这种情况下，就得依据地物的形状知识进行深一步的提取。对于地质岩性来说，不同的岩性常常具有不同的空间特征：

（1）侵入岩

侵入岩一般具有比较规则的平面几何形态，如：圆、椭圆、透镜状、脉状等，多数缺少层理影像特征。出露规模较大的侵入岩在图像上常具有环状、放射状等类型的水系、节理或岩脉群。

（2）沉积岩

平面形态为条状或带状，具有明显的层理影像特征。一组有序分布的沉积岩常构成颜色各异的层状影像特征。

（3）变质岩

变质岩的影像特征一般与原岩组分及变质过程新物质的加入和结构的变化有关。如果它是正变质岩，影像特征类似岩浆岩；如果它是负变质岩，其影像特征则与沉积岩的影像特征相类似。

发现地物的形态知识的方法有基于周长和面积的方法、基于面积的方法以及基于面积和区域长度的方法。

基于周长和面积的方法

形状指数

1∶25万遥感地质填图方法和技术

对于圆形而言，k大于025，对于正方形而言，k等于025，对于长方形而言，k小于025。线形地物如道路、机场和河流，其k值很小。对于非规则物体而言，其形状越复杂，其k越小。

圆度：

1∶25万遥感地质填图方法和技术

紧凑度：

1∶25万遥感地质填图方法和技术

瘦度率：

1∶25万遥感地质填图方法和技术

基于面积的测度

紧凑度指数：

1∶25万遥感地质填图方法和技术

1∶25万遥感地质填图方法和技术

基于面积和区域长度

形状率

1∶25万遥感地质填图方法和技术

椭圆指数

1∶25万遥感地质填图方法和技术

以上所有式中：

A——物体的面积；

AC——最小外切圆面积；

P——地物周长；

L——长轴长度。

形状知识，可用于地物的定位或定性提取。在用于定位定性提取时，首先，增强地物之间的边界，提取出边界；然后，进行形状指数的测定，从而达到定性定位提取。在用于定性提取时，主要是对所提取的专题信息再进一步肯定其属性。

（三）GIS支持下的多源信息综合分析

在遥感地质专题信息提取中，除了利用遥感数据外，一般还要利用大量的相关数据，如地质图件，物、化探数据等等。在对这些数据的利用方面，有两个步骤：第一步，需要挖掘知识；第二步，将这些知识用来将图形数据与遥感影像联系起来，以支持专题信息的提取。这些知识是一些正相关知识和反相关知识。对这两种知识而言都还可以进一步分为确定性知识和概率性知识。

21世纪卫星遥感将以多光谱、多时相、多分辨率、多传感器以及全天候为地学研究提供对地观测数据，促进遥感应用更广泛、更深入。然而，纵观过去的二三十年，地学思维引导着遥感技术的发展方向；而同时遥感应用的水平却滞后于空间遥感技术的发展。突出表现在：卫星发回的遥感数据未能得到充分利用，而信息提取水平的滞后使遥感数据中隐藏着的丰富知识远远没有得到充分的发掘与利用，造成了遥感信息资源的巨大浪费及其应用价值的降低。因此，信息提取的能力与效率将成为未来遥感应用面临的突出问题之一。

出现于20世纪80年代末并在近年来得到迅速发展的数据开采（Data Mining——DM）与知识发现（Knowledge Discovery from Database——KDD）的技术理论是人工智能、机器学习与数据库技术相结合的产物。它区别于简单地从数据库管理系统检索和查询信息，而强调“从数据库中发现隐含的、先前不知道的潜在有用的信息”、“从数据中鉴别出高效模式的非平凡过程。该模式是新的、可能有用的和最终可理解的”，其目的是把大量的原始数据转换成有价值的知识。而这正是目前以及未来卫星遥感信息处理的瓶颈问题。借鉴数据开采与知识发现的理论和技术将有助于解决遥感数据急剧增长与人们对数据处理和理解困难之间的矛盾。

1空间数据挖掘与知识发现

KDD和DM技术的产生与发展是基于这样一个事实：一方面，数据和数据库急剧膨胀；另一方面，现今数据库的应用仍然停留在查询、检索阶段，数据库中隐藏着的丰富知识远远没有得到充分的发掘和利用。数据库的海量增加与人们对数据库处理和理解困难之间形成了强烈的反差。KDD这个术语首先出现在1989年8月在美国底特律召开的第11届国际人工智能联合会议的专题讨论会上，1991年、1993年和1994年又接着继续举行KDD专题讨论会。随着参加会议人数的增多，从1995年开始，每年都要举办一次KDD国际会议。除了理论研究外，也出现了相当数量的KDD产品和应用系统，并在实际应用中获得了一定的成功。

按照 Fayyad等的定义，KDD 是“从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程”。KDD 的一般过程（图 3-10）包括数据准备（data preparation）、数据挖掘（data mining），以及结果的解释评估（interpretation and evaluation）。

图3-10 KDD过程示意图

数据准备包括数据选取（data selection）、数据预处理（data preprocessing）和数据变换（data transformation）。数据选取的目的是确定发现任务的 *** 作对象，即目标数据（target data），它是根据用户的需要从原始数据库中抽取的一组数据。数据预处理的目的是去除噪声等。当数据挖掘的对象是数据仓库时，一般来说，数据选取和数据预处理已在生成数据仓库时完成。数据变换的主要目的是消减数据维数或降维（dimension reduction），即从初始特征中找出真正有用的特征以减少数据挖掘时要考虑的特征或变量个数。

数据挖掘阶段首先要确定挖掘的任务或目的是什么，考虑决定使用什么样的挖掘算法。同样的任务可以用不同的算法来实现，选择实现算法有两个考虑因素：一是不同的数据有不同的特点，因此需要用与之相关的算法来挖掘；二是用户或实际运行系统的要求，如准确性与可理解性之间的偏好等。

2数据挖掘与知识发现的主要类型和方法

一般统计数据库的数据挖掘出现得最早，也最为成熟。一般而言，数据挖掘和知识发现可分为如下几种类型（Fayyad，1997）：

（1）分类：将数据项映射到一个或若干已定义的类的学习函数。

（2）回归：将数据项映射到实值预报变量的学习函数。

（3）聚类：寻找有限的类别来描述数据集的方法。

（4）概括（或称泛化）：寻找描述各数据子集共性的方法。

（5）依赖模式：寻找描述变量间显著依赖关系的模式。

（6）变化和偏离检测：从与以前数据对比中发现显著变化。

目前在数据挖掘和知识发现的研究中出现了大量的新方法及各种方法的结合，其中比较著名的方法有如下几种：

（1）基于决策树（decision tree）分类的ID3和C45方法。

（2）用于概括的AQ15和CN2方法。

（3）解决不精确、不确定知识的粗糙集（Rough Set）方法。

（4）大量人工神经网络方法，如经典的反向传播［BP］算法，自组织映射（SOM）和自适应谐振理论（ART）等。

（5）贝叶斯概率网络学习方法。

（6）用于产生关联规则的Apriori的方法。

作为目前国外的热门研究课题之一，数据开采和知识发现既是人工智能学者的研究热点，也是数据库专家的探索对象，其工作涵盖了医学、机器学习、人工智能、数学、市场营销等诸多领域。获得了许多有用的知识。迄今为止，国内从事这方面研究的单位还不多，把KDD和DM技术应用于卫星遥感的信息处理，更是一项崭新的课题。

3遥感影像中的数据挖掘与知识发现

卫星遥感数据库作为数据库的一种，对于赋存其中的信息的处理与识别，自然可以借鉴一般意义上的DM和KDD技术；而作为一类特殊的数据库——图像数据库，有着区别于一般关系数据库和事务数据库的信息内容，隐含着丰富的时间、光谱和空间信息。因而，就这类库中的知识发现而言，数据开采也应具有特殊的过程和方法。

根据上述DM和 KDD 的技术流程示意图（图 3-11）并考虑到卫星遥感数据特殊性，中科院的何国金等人提出了针对地质应用的卫星遥感数据开采和知识发现的理论与技术框架。在此框架中，数据开采占了极为重要的地位。它包括遥感数据的时相选择、应用预处理、特征分析、信息识别与知识解释。现实生活中，许多遥感应用者忽略了该过程的特殊作用，直接把原始遥感图像的解释结果作为应用的基础（虽然在解译过程中也加入了人的知识），因而获得的知识往往是肤浅的、表面化的、不精确的。遥感数据开采过程只有充分考虑原始数据的波谱、空间和时间特征，才能更好地实现针对遥感应用的有价值的、较精确的、较高水平的知识发现。

图3-11 卫星数据遥感挖掘和知识发现

以上就是关于遥感解译全部的内容，包括:遥感解译、TM影像与SPOT影像融合有什么特点、光谱信息分析等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！