Home > Industry Application > Environmental Monitoring

高光谱对砾岩岩石的分析处理报告-矿业大学

Announcer： Release time：2017-08-25

高光谱成像技术应用

　　高光谱成像技术具有超多波段（上百个波段）、高的光谱分辨率（几个nm）、波段窄（≤10-2λ）、光谱范围广（200-2500nm）和图谱合一等特点。优势在于采集到的图像信息量丰富，识别度较高和数据描述模型多。由于物体的反射光谱具有“指纹”效应，不同物不同谱，同物一定同谱的原理来分辨不同的物质信息。

　　物体的光谱特性与其内在的理化学特性紧密相关，由于物质成分和结构的差异就造成物质内部对不同波长光子的选择性吸收和发射。完整而连续的光谱曲线可以更好地反映不同物质间这种内在的围观差异，这也正是成像光谱技术实现地物精细探测的物理基础。

　　第一：光谱分辨率高：探测器各波段光谱带宽，表示探测器对地物光谱的探测能力，它包括探测器总的探测波谱的宽度、波段数、各波段的波长范围和间隔。若探测器所探测的波段越多，每个波段的波长范围越小，波段间隔越小，则他的光谱分辨率越高。探测器的光谱分辨率高，它取得的图像能很好地反映出地物光谱性质，不同地物间的差别在图像上能很好地体现出来，探测器探测地物的能力就强。高光谱遥感影像数据的一个重要特征是超多波段和大数据量，对它的处理也就成为其成功应用的关键问题之一。一般矿物质的光谱吸收峰宽度为30nm左右，只有利用光谱分辨率小于30nm的传感器才能够识别出来。

　　第二：影像光谱合一：

　　主要体现在图像和光谱同时呈现出来，而且物质的特征光谱是连续的，研究物体的任何一个环节的信息都可以通过数据建模的方式来进行分析。

图高光谱数据处理分析

　　矿物：具有稳定化学组成份和物理结构，所以矿物的光谱主要取决于光谱吸收的特征，决定因素在于：物质内电子与晶体场的相互作用，还有分子的振动。

　　土壤的光谱特性：土壤的原生矿物：石英、长石、白云母、少量的角闪石、辉石、磷灰石、赤铁矿、黄铁矿等。土壤中的石砾、沙粒几乎全是由原生矿物组成，多以石英为主。粉粒绝大多数也是由石英和原生硅酸盐矿物组成。土壤中的次生矿物主要有一下几类：1、简单的盐类，如碳酸盐、硫酸盐和氯化物等；2、含水的氧化物，如氧化铁、氧化铝、氧化硅等；3、次生层状铝硅酸盐，如高岭石、蒙脱石和水化云母类等。

土壤水分是土壤的重要组成部分，当土壤的含水量增加时，土壤的反射率就会下降，在水的各个吸收带处1400nm、1900nm、2700nm，反射率的下降尤为明显。对于植物和土壤，造成这种现象显然是同一种原因，即入射辐射在水的特定吸收带处被水强烈吸收所致。

图低含水量土壤的光谱曲线

图砂岩光谱反射率随着水侵入时间的变化

　　土壤质地是指土壤中各种粒径的颗粒所占的相对比例。他对土壤光谱反射率特性的影响，主要表现在两个方面：

　　1.影响土壤持水能力，进而影响土壤光谱反射率；

　　2.土壤颗粒大小本身也对土壤的反射率有很大影响；

　　对于土壤粒径较小的粘粒部分，由于其很强的吸湿作用，他在1400nm、1900nm、2700nm等处的水吸收带异常明显。随土壤颗粒变小，颗粒间的空间减少，比表面积增大，表面更趋于平滑，使土壤中粉砂粒的反射率比砂粒高，但当颗粒细至粘粒时，又使土壤持水能力增加，反而降低了反射率。

　　此外，土壤质地影响反射特性的因素不仅是粒径组合及其表面状况，还与不同粒径组合物质的化学组成密切相关。

图砾岩的RGB图像R:1112 G:1322 B:1533

　　砾岩未加水时，对反射率校准后的数据进行主成分分析处理（PCA）：PCA是用多波段数据的一个线性变换，变换数据到一个新的坐标系统，以使数据的差异达到最大。这一技术对于增强信息含量、隔离噪声、减少数据维数非常有用。

　　意义：主成分分析法是使用最为广泛的线形降维方法之一，在许多降维处理中应用都很广泛。主成分分析法将方差的大小作为衡量信息量多少的标准，认为方差越大提供的信息越多，反之提供的信息就越少。其基本思想是通过线形变换保留方差大、含信息多的分量，丢掉信息量少的方向，从而降低数据的维数。降维后每个分量是原变量的线形组合，因此，主成分分析方法本质上是一种线形降维的方法。其计算步骤一般分为以下四步：

　　1）对原始数据样本集合进行标准化处理。

　　2）计算标准化后的数据矩阵的协方差矩阵，并对其进行正交分解，得出主成分分量。

　　3）计算各主成分的累计贡献量，根据要求的贡献率阈值选取主成分。

　　4）针对选取的主成分建立主成分方程，计算主成分值。

　　PCA把原自变量映射为含绝大部分信息的少数潜变量，再用线性的最小二乘法确定这些潜变量系数，建立潜变量和因变量的回归方程后再转换为原自变量和因变量的回归方程。其压缩自变量的效率极高，但其映射过程和因变量无关，因而其预测精度也难达到很高。

　　Savitzky-golay （数字平滑与滤波）

　　给数据以不同的权重，获得更为有效的数据平滑，是基于最小二乘原理，能够保留分析信号中的有用信息，消除随机噪声的有效地数据平滑方法，利用高次多项式进行数据平滑，其实就是一种去卷积运算。

　　由于光谱仪采集得到的光谱信号中既包含实验所需的有用信息，同时由于仪器精密度等原因带来随机噪声，最常用的消除噪声的方法Savitzky-Golay(SG)卷积平滑法，通过多项式来移动窗口内的数据进行多项式最小二乘拟合信号平滑，既消除噪声又保留了光谱轮廓。由于各个样本间分布不均匀、样本大小不一样、样本表面散射及光程变化等都会产生散射影响，采用多远散射校正（multiplicative scatter correction，MSC）的方法可以有效的消除这些散射影响。另外，导数光谱可以有效的消除基线和其他背景干扰，分辨出重叠峰，提高灵敏度和分辨率。针对光谱采集过程中可能存在的噪声来源，分别利用MSC和SG卷积求导方法的不同组合对光谱数据进行与处理。

　　获取并比较经历以下时间段后，砾岩在吸收水分后，其砾岩的整体影像表现变化。水在岩石或者砾岩在近红外波段900nm-2500nm波段都表现出强的吸收，上面已经叙述。

　　此次试验采用的相机光谱波段为900nm-1700nm，水的吸收带主要集中体现在1400nm左右，而矿物岩石的光谱特征主要集中体现在2000nm-2400nm波段范围内。

　　下图为砾岩在未接触水时，其砾岩经过主成分分析（PCA）、Savitzky-golay （数字平滑与滤波）、多远散射校正（multiplicative scatter correction，MSC）的方法处理后，在主成分PC-3状态下的影像表现。