一种基于航天多光谱遥感数据的基性岩识别方法与流程

本发明属于遥感地质调查领域，具体涉及一种基于航天多光谱遥感数据的基性岩识别方法。

背景技术：

遥感岩性识别方法分为目视解译和计算机自动识别两大类。目视解译是岩性识别最常用的方法，在岩性识别中发挥了重要作用，但相对而言效率较低，使其在区域岩性识别中的应用受到制约。计算机自动识别方法包括纹理识别和光谱识别，目前以光谱识别应用最为广泛，常用的岩性光谱分类方法包括比值法、SIF、SAM、MTMF等方法。岩性的计算机自动识别方法相对而言效率较高，但由于受异物同谱等因素的影响，存在较大程度的误判，需要人工对岩性识别结果进行进一步分析，剔除误提取地段。

技术实现要素：

本发明要解决的技术问题是提供一种基于航天多光谱遥感数据的基性岩识别方法，通过相互印证提高了识别精度。

为解决上述技术问题，本发明一种基于航天多光谱遥感数据的基性岩识别方法，包括以下步骤：

步骤一、对航天多光谱的ETM⁺数据进行预处理，得到反射率数据；对航天多光谱的ASTER数据进行预处理，得到发射率数据，对航天多光谱的SPOT 6数据进行预处理，制作真彩色影像；

步骤二、利用步骤一中ETM⁺数据处理得到的反射率数据的band1～band7波段，处理得到ETM⁺数据的矢量文件；

步骤三、利用步骤一中航天多光谱的ASTER数据处理得到的发射率数据，采用统计模型计算SiO₂、MgO和Al₂O₃3种氧化物含量，得到SiO₂、MgO和Al₂O₃3种氧化物含量灰度图分别为B3、B4、B5，对B3、B4、B5分别处理，得到ASTER数据的矢量文件；

步骤四、利用步骤一中得到的SPOT 6数据处理得到的真彩色影像，采用目视解译的方法进行基性岩的精细识别，得到SPOT 6数据的矢量文件；

步骤五、将步骤二中ETM⁺数据的矢量文件、步骤三中ASTER数据的矢量、步骤四中SPOT 6数据的矢量文件进行空间叠加分析，选择重叠区域作为基性岩分布区，从而得到最终的遥感识别的基性岩分布范围。

所述的步骤二中处理得到ETM⁺数据的矢量文件的方法为：设定B1＝(band5*band1)/(band2*band7)，其中，band5、band1、band2、band7分别为反射率数据的band5、band1、band2、band7波段的数值，获得B1灰度影像，对B1灰度影像进行中值滤波处理，并采用高端切割方法，得到ETM⁺数据的矢量文件。

对B1灰度影像中值滤波处理为进行滤波核为3*3的中值滤波处理，设定B2＝filter_3*3(B1)；高端切割方法中，阈值可以为X’_B2+2σ_B2，X’_B2为B2影像的灰度均值，σ_B2为B2影像的灰度方差。

对步骤三中的B3、B4、B5的处理分别为对B3影像进行低端切割，对B4和B5进行高端切割。

本发明的有益技术效果在于：

航天多光谱ETM+数据预处理后可以得到反射率数据，ASTER数据预处理后可以得到发射率数据，SPOT 6数据预处理后形成真彩色影像，为基性岩识别提供基础遥感数据。

航天多光谱ETM+数据比值运算、ASTER数据含量分布图制作和SPOT 6数据目视解译使用了多种遥感数据，通过相互印证提高了识别精度。

空间叠加分析采用统一的矢量进行叠加运算，通过选择重叠地段得到遥感识别基性岩的最终分布区。

具体实施方式

下面结合实施例对本发明作进一步详细说明。

本发明一种基于航天多光谱遥感数据的基性岩识别方法，包括以下步骤：

步骤一、对航天多光谱的ETM⁺数据进行预处理，包括辐射校正、几何校正和大气校正，得到反射率数据；对航天多光谱的ASTER数据进行预处理，包括辐射校正、几何校正和大气校正，得到发射率数据，对航天多光谱的SPOT 6数据进行几何校正预处理，制作真彩色影像；

步骤二、利用步骤一中ETM⁺数据处理得到的反射率数据的band1～band7波段，根据基性岩光谱在ETM⁺数据band5波段存在强烈反射，band2波段强烈吸收的特点，结合band1和band7波段反射率特征，采用综合波段比值法识别基性岩，设定B1＝(band5*band1)/(band2*band7)，其中，band5、band1、band2、band7分别为反射率数据的band5、band1、band2、band7波段的数值，获得B1灰度影像，对B1灰度影像进行滤波核为3*3的中值滤波处理，设定B2＝filter_3*3(B1)，采用高端切割方法，选择阈值，阈值可以为X’_B2+2σ_B2，X’_B2为B2影像的灰度均值，σ_B2为B2影像的灰度方差，得到ETM⁺数据的EVF格式的矢量文件，初步圈定基性岩出露范围；

步骤三、基性岩化学成分上具有SiO₂含量低、MgO含量高和Al₂O₃含量高的特点，利用步骤一中航天多光谱的ASTER数据处理得到的发射率数据，采用统计模型计算SiO₂、MgO和Al₂O₃3种氧化物含量，得到SiO₂、MgO和Al₂O₃3 种氧化物含量灰度图分别为B3、B4、B5，对B3影像进行低端切割，选择阈值，阈值可以为-(X’_B3+2σ_B3)，X’_B3为B3的灰度均值，σ_B3为B3的灰度方差，对B4进行高端切割，选择阈值，阈值可以为(X’_B4+2σ_B4)，X’_B4为B4的灰度均值，σ_B4为B4的灰度方差，对B5进行高端切割，选择阈值，阈值可以为(X’ _B5+2σ_B5)，X’_B5为B5的灰度均值，σ_B5为B5的灰度方差，得到ASTER数据的EVF格式的矢量文件，初步圈定基性岩出露范围；

步骤四、根据基性岩深灰色、灰黑色的影像色调、椭圆形/长条形的形态和明暗相间的斑块状纹理特征，应用SPOT 6遥感数据高空间分辨率的特点，在ETM⁺和ASTER数据初步识别出的基性岩分布地段内，利用步骤一中得到的真彩色影像，有针对性的采用目视解译的方法进行基性岩的精细识别，得到SHAPE格式矢量文件，初步圈定基性岩出露界线；

步骤五、将步骤二中ETM⁺数据的EVF矢量文件和步骤三中ASTER数据的EVF矢量文件均转换为SHAPE格式矢量文件，然后，应用GIS软件平台，采用空间叠加分析方法，将ETM⁺、ASTER和SPOT 6数据圈定的基性岩出露范围的SHAPE文件进行叠合分析，选择重叠区域作为基性岩分布区，从而得到最终的遥感识别的基性岩分布范围。