摘要

    前遥感地质的影像解译主要以传统的目视解译为主，借助经验，方法落后、效率低下，且缺乏基于光谱的计算机自动分类、基于专家知识的决策树模型或面向对象特征等自动提取方法；目前遥感地质的解译主要强调遥感影像的空间分辨率，而对于图像波谱数据利用非常少。

    本研究旨在通过各种图像变换或增强手段，发挥人眼对部分彩色空间图像特别敏感的特点，利用已有地质背景资料划分符合地质习惯的单一地层或岩体的区域，建立典型的感兴趣区，然后计算其平均波谱，进而利用ENVI软件监督分类中的神经网络分类工具，设定恰当的权重与临界阈值，最后达到较好区分不同地层或岩体的目的。本研究选择甘肃北山黑山地区，利用lansat8多光谱数据进行试验，其研究成果可为遥感地质工作提供快速智能的影像解译方法提供参考，同时也可以应用于青海、西藏等广阔的基岩出露区域，为矿产资源勘探提供科学依据和决策支持。

介绍

        在遥感地质解译时其结果都难以达到符合地质逻辑或制图标准的分类效果，如何快速、准确地解译一幅遥感影像，将它包含的地层或岩体边界快速地勾画出来(邹林等，2006；吕凤军等，2006；于浩等，2013；Zhanget a1．，2007)，并且能符合地质制图习惯，是当前以传统目视解译为主的遥感地质工作者必须面临的问题(唐文周，1998)。

        论述正是基于此认识，试图从多光谱遥感数据中以神经网络的分类方式来识别某一具体地层或岩体信息而展开研究的。本研究原理主要是利用三层反向传输神经网络(李强等，1999；卢柳叶等，2012)。第一层为输入层，中间层为隐层，第三层为输出层。输入层是影响分类精度的关键因素。输入层因素必须准确，在满足地物光谱有明显差异的基础上还要满足一定的数量条件。

研究区域背景

        研究区位于甘肃省瓜州县黑山地区，构造上地处塔里木地块北缘，双鹰山一西双鹰山被动陆缘带上，出露的地层主要为蓟县系平头山组，为一套白云岩、大理岩组成的台地相碳酸盐岩建造；青白口系大豁落山组，由硅质大理岩、白云岩、变质砂岩和石英岩组成；寒武系双鹰山组和西双鹰山组，主要为一套硅质岩、炭质板岩、变砂岩夹灰岩，含磷的板岩组成；沟谷中见有中更新统的冲洪积砂砾石层。出露的岩体主要有奥淘纪的角闪辉长岩、角闪橄榄岩，志留纪的石英闪长岩和石炭纪的正长花岗岩，一般沿地层走向侵人，接触带见有角岩化，绿泥石化和一些围岩褪色蚀变现象。构造基本为近东西向的断裂构造，一般构成各地质体的分界。

地层岩体分类方法与结果

将研究区域划分为六中主要的岩体，分为：第四纪、寒武系、蓟县系、石炭系、奥陶系、青白口系

    训练ENVI图像处理软件中提供的神经网络模型，达到初步分类的效果，若是分类结果不满意，可以重新设定阈值再次分类，直到满足分类结果与已知地质背景较吻合为止；第二步是精解译阶段，即将第一步解译未详细区分的地层，在分辨率容许范围内继续细分。

    计算各个波段间的相关性，以利用选择更加合适的波段组合。

由表1可见，7、5、4等波段相对较独立，冗余信息少，故在本研究中，较多地采用了752、741等波段的假彩色合成图像

总结

    由于不同的岩性具有不同的反射波谱曲线与特征峰(王钦军等，2006；王润生等，2007)，这就对遥感影像的计算机自动分类、自动提取等方法在理论上实现提供了可能。对于一景多光谱遥感影像的解译，可有如下几个步骤：

首先将它分块，使得每小块包含的地层数目不要太多，一般小于多光谱的波段数，

然后根据地质背景资料，选择合适的感兴趣区域计算其平均波谱，

再利用神经网络进行分类，对于某些具体地层也可以用同样的方法进一步细分，从而得到由粗到精的解译。

故在实际地质工作中，尤其是矿调、区调等的前期踏勘，若以已有资料和地质背景为基础，先以地层为单位，大范围内初步解译，再将比较复杂的地质体在岩性上做精解译，包括如矽卡岩化、绿泥石化等蚀变信息的提取(刘德长等，2015)，最后在野外辅助验证，可以较大幅度地提高解译的速度和效率。

结论

        BP神经网络对遥感影像进行分类，分类结果与实际地物具有很好的可靠性。遥感解译效果与实际测绘绘制的地质图吻合率很高，尤其是对于第四纪的解译，高海拔地区和无人区等恶劣的地区有广阔的应用潜力。

        由于组成岩石的矿物的多样化与其他各矿物组成的比例的多变性、阴阳坡等大气气象的影响，使得同物异谱、同谱异物的现象，给解译增加难度

        今后工作中，可以实地测量并建立区域岩性波谱库，来弥补当前只能在遥感图像中选择比较纯净的感兴趣区提取适合研究区特定地层特点的光谱的现状。