·178 工程科学学报，第44卷.第2期 表7本文方法与其他方法提取精度对比 during the Mesoproterozoic Namaqua Orogeny.Precambrian Res, Table 7 Comparison of extraction accuracy between the present method 2013,224:629 and other methods [2]Xie M H,Zhang Q.Chen S B.et al.Extraction of alteration Extraction accuracy/% anomaly information by feature-based principal component Mineral Ratio threshold Method of analysis from ASTER data.Editorial Commite Earth SciJChina Ratio +SVM segmentation this paper Univ Geosci,.2015,40(8):1381 Bi 77.3546 81.1341 85.4088 (谢明辉，张奇，陈圣波，等.基于特征导向主成分分析遥感蚀变 Mus 81.2830 82.9870 84.7640 异常提取方法.地球科学一中国地质大学学报，2015,40(8)： Am 76.9684 81.1002 85.7308 1381) Chl 64.6594 66.4532 70.6933 [3] Zadeh M H,Tangestani M H,Roldan F V,et al.Sub-pixel mineral mapping of a porphyry copper belt using EO-1 Hyperion data. Gt 61.8422 63.1886 65.5992 Space Res,2014,53(3):440 Act 62.7847 64.2351 66.7509 [4]Wu Z C,Ye F W,Guo F S,et al.A review on application of techniques of principle component analysis on extracting alteration 4结论 information of remote sensing.J Geo-Inf Sci,2018,20(11):1644 (吴志春，叶发旺，郭福生，等.主成分分析技术在遥感蚀变信息 根据变质矿物的特征性光谱特征进行比值运 提取中的应用研究综述.地球信息科学学报，2018,20(11)： 算增强ASTER影像，并基于光谱特征和变差函数 1644) 纹理进行多尺度分割，然后，通过RF提取变质矿 [5] Liu Y Z,Lai H R,Zhang D W,et al.Change detection of high resolution remote sensing image alteration based on multi-feature 物信息，最后经过野外验证进行精度评价.结果表 mixed kernel SVM model.Remote Sens Land Resour,2019, 明，黑云母、白云母、角闪石等在ASTER影像上 31(1):16 具有鉴定性特征，提取精度可分别达到85.4088%、 (刘义志，赖华荣，张丁旺，等.多特征混合核SVM模型的遥感 84.7640%、85.7308%;而绿泥石、石榴石、阳起石 影像变化检测.国土资源遥感，2019,31(1)：16) 作为次要矿物，鉴定时被主要造岩矿物干扰，提取 [6] He Z H,He BB.Weight spectral angle mapper(WSAM)method 精度达到60%以上 for hyperspectral mineral mapping.Spectrosc Spectr Anal,2011, 基于野外调查和ASTER影像处理进行变质矿 31(8):2200 (何中海，何彬彬.基于权重光谱角制图的高光谱矿物填图方法 物的提取可有效提高变质岩野外调查效率和精 光谱学与光谱分析，2011,31(8)：2200) 度.本文方法可较为准确的鉴定ASTER的变质矿 [7] Kaur S,Bansal R K,Mittal M,et al.Mixed pixel decomposition 物：可为其他遥感影像提取矿物提供借鉴：也可作 based on extended fuzzy clustering for single spectral value remote 为辅助地质调查的有效手段.与其他类似研究相 sensing images.J Indian Soc Remote Sens,2019,47(3):427 比，基于变差函数的多尺度分割能增强形态特征 [8] Feng W Q,Sui H G,Tu J H,et al.Change detection method for 对矿物信息的区分能力；RF对训练数据的统计假 high resolution remote sensing images using random forest.Acta 设少、对矿物混合导致的噪声不敏感、分类变异 Geodaet Cartograph Sin,2017,46(11):1880 性低，对多种矿物组成的岩性具有较强的分析 (冯文卿，眭海刚，涂继辉，等.高分辨率遥感影像的随机森林变 化检测方法.测绘学报，2017,46(11)：1880) 能力 [9] Booysen R,Zimmermann R,Lorenz S,et al.Towards multiscale 下一步研究方向：①比值运算增强目标矿物 and multisource remote sensing mineral exploration using RPAS:a 的同时也增强了其他具有相似光谱特征的矿物， case study in the Lofdal carbonatite-hosted REE deposit,Namibia. 导致误分类，可通过原始岩性进行增强约束：②多 Remote Sens,2019,11(21):2500 尺度分割对对象内部的同质性要求较高，然而实 [10]Cid Y D,Muller H,Platon A,et al.3D solid texture classification 际像元为多种矿物的混合，过分割现象较多，可通 using locally-oriented wavelet transforms.IEEE Trans Image 过解混像元突出主要信息；③RF的分类精度取决 Process,2017,26(4):1899 于树的棵树，可通过寻优算法代替人工判定树的 [11]Wang M,Zhang X C,Wang J Y,et al.Forest resource classification based on random forest and object oriented method. 棵树 Acta Geodaet Cartograph Sin,2020,49(2):235 (王猛，张新长，王家耀，等.结合随机森林面向对象的森林资源 参考文献 分类.测绘学报，2020,49(2)：235) [1]Diener J F A.White R W.Link K,et al.Clockwise,low-P [12]You Y F,Wang S Y,Wang B,et al.Study on hierarchical building metamorphism of the Aus granulite terrain,southern Namibia, extraction from high resolution remote sensing imagery.Remote表 7 本文方法与其他方法提取精度对比 Table 7   Comparison of extraction accuracy between the present method and other methods Mineral Extraction accuracy/% Ratio + threshold segmentation Ratio +SVM Method of this paper Bi 77.3546 81.1341 85.4088 Mus 81.2830 82.9870 84.7640 Am 76.9684 81.1002 85.7308 Chl 64.6594 66.4532 70.6933 Gt 61.8422 63.1886 65.5992 Act 62.7847 64.2351 66.7509 4    结论 根据变质矿物的特征性光谱特征进行比值运 算增强 ASTER 影像，并基于光谱特征和变差函数 纹理进行多尺度分割，然后，通过 RF 提取变质矿 物信息，最后经过野外验证进行精度评价. 结果表 明，黑云母、白云母、角闪石等在 ASTER 影像上 具有鉴定性特征，提取精度可分别达到 85.4088%、 84.7640%、85.7308%；而绿泥石、石榴石、阳起石 作为次要矿物，鉴定时被主要造岩矿物干扰，提取 精度达到 60% 以上. 基于野外调查和 ASTER 影像处理进行变质矿 物的提取可有效提高变质岩野外调查效率和精 度. 本文方法可较为准确的鉴定 ASTER 的变质矿 物；可为其他遥感影像提取矿物提供借鉴；也可作 为辅助地质调查的有效手段. 与其他类似研究相 比，基于变差函数的多尺度分割能增强形态特征 对矿物信息的区分能力；RF 对训练数据的统计假 设少、对矿物混合导致的噪声不敏感、分类变异 性低，对多种矿物组成的岩性具有较强的分析 能力. 下一步研究方向：①比值运算增强目标矿物 的同时也增强了其他具有相似光谱特征的矿物， 导致误分类，可通过原始岩性进行增强约束；②多 尺度分割对对象内部的同质性要求较高，然而实 际像元为多种矿物的混合，过分割现象较多，可通 过解混像元突出主要信息；③RF 的分类精度取决 于树的棵树，可通过寻优算法代替人工判定树的 棵树. 参    考    文    献 Diener  J  F  A,  White  R  W,  Link  K,  et  al.  Clockwise,  low-P metamorphism  of  the  Aus  qranulite  terrain,  southern  Namibia, [1] during the Mesoproterozoic Namaqua Oroqeny. Precambrian Res, 2013, 224: 629 Xie  M  H,  Zhang  Q,  Chen  S  B,  et  al.  Extraction  of  alteration anomaly  information  by  feature-based  principal  component analysis from ASTER data. Editorial Committe Earth Sci J China Univ Geosci, 2015, 40（8）: 1381 （谢明辉, 张奇, 陈圣波, 等. 基于特征导向主成分分析遥感蚀变 异常提取方法. 地球科学—中国地质大学学报, 2015, 40（8）： 1381） [2] Zadeh M H, Tangestani M H, Roldan F V, et al. Sub-pixel mineral mapping of a porphyry copper belt using EO-1 Hyperion data. Adv Space Res, 2014, 53（3）: 440 [3] Wu  Z  C,  Ye  F  W,  Guo  F  S,  et  al.  A  review  on  application  of techniques of principle component analysis on extracting alteration information of remote sensing. J Geo-Inf Sci, 2018, 20（11）: 1644 （吴志春, 叶发旺, 郭福生, 等. 主成分分析技术在遥感蚀变信息 提取中的应用研究综述. 地球信息科学学报, 2018, 20（11）： 1644） [4] Liu  Y  Z,  Lai  H  R,  Zhang  D  W,  et  al.  Change  detection  of  high resolution remote sensing image alteration based on multi-feature mixed  kernel  SVM  model. Remote Sens Land Resour,  2019, 31（1）: 16 （刘义志, 赖华荣, 张丁旺, 等. 多特征混合核 SVM 模型的遥感 影像变化检测. 国土资源遥感, 2019, 31（1）：16） [5] He Z H, He B B. Weight spectral angle mapper (WSAM) method for  hyperspectral  mineral  mapping. Spectrosc Spectr Anal,  2011, 31（8）: 2200 （何中海, 何彬彬. 基于权重光谱角制图的高光谱矿物填图方法. 光谱学与光谱分析, 2011, 31（8）：2200） [6] Kaur S, Bansal R K, Mittal M, et al. Mixed pixel decomposition based on extended fuzzy clustering for single spectral value remote sensing images. J Indian Soc Remote Sens, 2019, 47（3）: 427 [7] Feng W Q, Sui H G, Tu J H, et al. Change detection method for high  resolution  remote  sensing  images  using  random  forest. Acta Geodaet Cartograph Sin, 2017, 46（11）: 1880 （冯文卿, 眭海刚, 涂继辉, 等. 高分辨率遥感影像的随机森林变 化检测方法. 测绘学报, 2017, 46（11）：1880） [8] Booysen R, Zimmermann R, Lorenz S, et al. Towards multiscale and multisource remote sensing mineral exploration using RPAS: a case study in the Lofdal carbonatite-hosted REE deposit, Namibia. Remote Sens, 2019, 11（21）: 2500 [9] Cid Y D, Muller H, Platon A, et al. 3D solid texture classification using  locally-oriented  wavelet  transforms. IEEE Trans Image Process, 2017, 26（4）: 1899 [10] Wang  M,  Zhang  X  C,  Wang  J  Y,  et  al.  Forest  resource classification based on random forest and object oriented method. Acta Geodaet Cartograph Sin, 2020, 49（2）: 235 （王猛, 张新长, 王家耀, 等. 结合随机森林面向对象的森林资源 分类. 测绘学报, 2020, 49（2）：235） [11] You Y F, Wang S Y, Wang B, et al. Study on hierarchical building extraction from high resolution remote sensing imagery. J Remote [12] · 178 · 工程科学学报，第 44 卷，第 2 期