基于SID-SGA_tan与随机森林的高光谱遥感蚀变矿物识别

Random forest hyperspectral remote sensing alteration mineral identification based on SID-SGA_tan

摘要

高光谱遥感技术已广泛应用于地质填图和找矿中的蚀变矿物识别。随着机器学习的发展,随机森林算法已在成矿环境复杂、矿物类型多样的蚀变矿物信息提取中广泛使用,但其训练样本的质量往往影响识别精度。因此,本文首先定量对比不同提取方法的有效性,选择效果相对最佳的SID-SGA_tan算法在高光谱遥感影像上提取可靠准确的训练样本数据。然后使用随机森林算法进行高光谱矿物蚀变识别实验,进一步验证了遥感蚀变信息在地质找矿上的适用性。结果表明:(1)相较于其他的方法,SID-SGA_tan算法可以提取出准确可靠的训练样本数据;(2)基于SID-SGA_tan的随机森林算法总体精度高达78.46%(降维后77.09%),Kappa系数高达0.705 3(降维后0.686 3),对比SAM等方法,SID-SGA_tan方法的蚀变识别精度得到提升。本文所研究的方法针对信息量巨大、背景复杂的高光谱遥感影像矿物精细识别应用具有很强的潜力。

Abstract

Hyperspectral remote sensing has been widely used for geological mapping and for identifying alteration minerals during mineral exploration. With the development of machine learning, the random forest algorithm has been widely applied to extract alteration mineral information in complex metallogenic settings and across diverse mineral types; however, the quality of training samples often affects recognition accuracy. Therefore, we first quantitatively compared different extraction methods and selected the SID-SGA_tan algorithm as the most effective method for extracting reliable and representative training samples from hyperspectral remote sensing imagery. Subsequently, we conducted hyperspectral alteration mineral identification experiments using random forest classifiers to further validate the applicability of remotely sensed alteration information in geological prospecting. The results indicate that: (1) the SID-SGA_tan algorithm extracts training samples that are more accurate and reliable than those produced by alternative methods; and (2) the overall accuracy of the random forest classifier based on SID-SGA_tan reaches 78.46% (77.09% after dimensionality reduction), with a Kappa coefficient of 0.7053 (0.6863 after dimensionality reduction). These metrics represent an improvement in recognition accuracy over results obtained using SAM and other benchmark methods. The method examined in this study demonstrates strong potential for high-precision mineral identification in hyperspectral remote sensing imagery characterized by rich information content and complex backgrounds.

Graphical abstract

关键词

高光谱遥感 / 蚀变信息 / 随机森林 / 光谱匹配算法

Key words

hyperspectral remote sensing / alteration information / random forest / spectral matching algorithm

0 引言

随着国家对矿产资源需求的不断增长以及地表和浅层矿床的资源逐渐枯竭,传统的野外地质调查面临着诸多挑战和难点^[1],因此如何快速高效地了解围岩蚀变的不同类型以及其在空间上的分布特征成为目前地质调查和矿产资源勘查急需解决的问题^[2-3]。高光谱遥感具有光谱信息丰富、成像范围广、信息量大、周期规律等特点^[4-7],因其在矿物信息提取以及发现蚀变带的空间分布方面具有一定的优势^[8-9]而被广泛应用于矿产资源勘查中^[10-12]。

使用光谱匹配算法定量衡量光谱特征差异是目前高光谱进行地物识别常用的方法^[13-15]。其中光谱角匹配^[16](spectral angle mapper,SAM)、光谱信息散度^[17](spectral information divergence,SID)、光谱梯度角(spectral gradient angle,SGA)^[18]等光谱匹配算法在矿物识别中应用较广。相比于单一光谱匹配算法容易受到其他因素干扰而导致识别结果不稳定,光谱匹配组合算法增强了对细微光谱差异的区分能力,显著提高了识别精度^[19]。相较于其他局部辨别光谱曲线差异的算法,光谱信息散度算法能从信息论角度整体衡量光谱曲线之间的差异^[20]。因此,结合局部特征和整体特征对光谱曲线进行识别可以更精准判断光谱间的相似性^[21]。

然而,复杂的地质背景和遥感影像中的干扰因素可能会增加光谱匹配算法识别矿物的挑战。随着机器学习的发展,其在复杂背景下进行矿物识别显示出了一定的优势^[22-25]。Chen等^[26]将卷积神经网络(CNN)应用于高光谱矿物识别中,CNN在该应用中表现出更高的分类准确性。随机森林算法因其运算速度快、参数少以及具有良好的模型可解释性而在矿物识别中被广泛使用^[27-30]。彭奕博等^[31]基于高光谱技术与随机森林算法相结合建立了岩性的识别模型。唐淑兰等^[32]使用随机森林算法有效地减少了矿物光谱数据中的噪声影响,增强了蚀变信息提取的可靠性和准确性。随机森林算法在高光谱矿物蚀变识别中的精度常受到训练样本数据的影响^[33-34]。因此,本研究选取合适的光谱匹配算法并确立合适的阈值^[35],以获取可靠的训练样本,从而提高矿物蚀变识别的精度。

本文以随机森林算法为基础进行了高光谱遥感蚀变识别研究,协同光谱信息散度-光谱梯度角正切相结合的光谱匹配算法(即SID-SGA_tan算法),提出了一种适用于矿物蚀变识别的方法,以解决训练样本数据的获取难题,并进一步提高蚀变识别的精度。

1 研究区概况与数据预处理

1.1 研究区概况

Cuprite矿区位于美国内华达州西南部,经纬坐标为117°10'W~117°14'W,37°30'N~37°34'N(图1)。Cuprite矿区位于内华达山脉内含有丰富矿物类型的岩浆热液蚀变带,带内大部分矿物可以通过高光谱影像进行识别。Cuprite矿区主要出露寒武系沉积岩、三叠纪火山岩和第四系冲积岩3种岩层,火山热液蚀变大范围发育且呈南北向分布。其中,蚀变最丰富、最强烈的是硅化带,主要代表矿物为石英,并伴生少量的方解石、高岭石和明矾石;蛋白石化带也有广泛分布,主要有高岭石、明矾石、水胺长石、白云母和地开石等;泥化带发生的蚀变反应较少,分布在东、西两个蚀变区的边缘,代表矿物是由斜长石蚀变而来的高岭石,并间或夹杂由火山玻璃蚀变而来的蒙脱石和蛋白石^[36-38]。

1.2 数据源及预处理

1.2.1 AVIRIS数据

选择美国内华达州Cuprite矿区的一景AVIRIS-classic(机载可见/红外光谱仪)高光谱遥感影像,时间为1996年4月25日,其具体参数如表1^[39]所示。以WGS-84坐标系为基准进行几何校正,最终得到一景波长范围1.990 8~2.479 0 μm、共计50个波段、400×350个像素点的高光谱遥感影像。

1.2.2 USGS波谱库及验证数据

本文选取美国地质调查局(USGS)提供的矿物波谱库作为数据源之一。在提取Cuprite矿区的训练样本数据时,根据n维可视化的结果,与获得的AVIRIS影像中的纯净像元进行对比打分,以确定目标矿物类型。选取1995年美国地质调查局(USGS)由Clark等^[40]完成的Cuprite矿区矿物填图作为蚀变识别实验的验证数据(图2)。

1.2.3 数据处理平台

本文中,高光谱遇感影像的预处理、Cuprite矿区目标矿物波谱库构建及矿物蚀变信息的可视化等操作主要由ENVI 5.3及ArcGIS 10.2实现,各光谱匹配算法的对比分析主要由MATLAB 2019实现,基于SID-SGA_tan的随机森林蚀变识别主要由Python 3.7实现。

2 方法

2.1 训练样本方法选取

基于机器学习算法的高光谱矿物识别中往往依赖于准确的训练样本^[22],因此选择合适的光谱匹配算法提取精度较高的训练样本至关重要。本研究使用不同的光谱匹配算法以及它们的组合算法,通过构建模拟混合像元,利用相关光谱区分熵(RSDE)定量评价各光谱匹配算法,选出最适合的光谱匹配算法。

2.1.1 光谱角匹配(SAM)

光谱角匹配算法(SAM)是将光谱曲线视为n维矢量(n表示两光谱曲线的波段数量),把目标像元光谱和参考光谱之间的广义夹角定义为光谱间的相似度量。其计算公式为

(1)$ \operatorname{SAM}(X, Y)=\cos ^{-1} \frac{\sum_{i=1}^{n} X_{i} Y_{i}}{\sqrt{\sum_{i=1}^{n} X_{i}^{2}} \sqrt{\sum_{i=1}^{n} Y_{i}^{2}}}$

其中,n为波段数量,X_i为像元光谱,Y_i为参考光谱。计算出两光谱的SAM值之后,还需分类者手动划分分类阈值,低于该阈值的像元光谱被分类为对应的参考光谱的地物类别。

2.1.2 光谱信息散度(SID)

光谱信息散度(SID)是以光谱的信息论为出发点,将高光谱遥感影像中的目标像元视为具有丰富光谱信息的多维度列向量,而这些列向量具有自信息,用来对比光谱曲线的差异性、相似性和可变性。其相关定义如下:

(2)$ \operatorname{SID}(X, Y)=D(X \| Y)+D(Y \| X)$

(3)$ D(X \| Y)=\sum_{i=1}^{n} p_{i} \log \left(\frac{p_{i}}{q_{i}}\right)$

(4)$ D(Y \| X)=\sum_{i=1}^{n} q_{i} \log \left(\frac{q_{i}}{p_{i}}\right)$

其中,n为波段数量,X为像元光谱,Y为参考光谱,D(X‖Y)定义为X对Y的相对熵,D(Y‖X)定义为Y对X的相对熵,p_i是X光谱曲线的概率向量,q_i是Y光谱曲线的概率向量。

2.1.3 光谱相关角(SCA)

光谱相关角(spectral correlation angle,SCA)是基于光谱相关系数(spectral correlation coefficient,SCC)延伸而来。SCC的计算公式为

(5)$ \operatorname{SCC}(X, Y)=\frac{\sum_{i=1}^{n}(X-\bar{X})(Y-\bar{Y})}{\sqrt{\sum_{i=1}^{n}(X-\bar{X})^{2}} \sqrt{\sum_{i=1}^{n}(Y-\bar{Y})^{2}}}$

根据SCC的定义,其值域为[-1,1],反映的是两光谱曲线的线性相关程度。据此,SCA的计算公式为

(6)$ \mathrm{SCA}(X, Y)=\cos ^{-1}\left(\frac{\operatorname{SCC}(X, Y)+1}{2}\right)$

其中,n为波段数量,X为像元光谱,Y为参考光谱,$\overline{X}$为像元光谱的平均值,$\overline{Y}$为参考光谱的平均值。根据定义可知,SCA的值域为$\left[0,\frac{\pi }{2}rad\right]$,以此来度量两光谱曲线之间的相似程度(SCA数值越小,相似度越高)。

2.1.4 光谱梯度角(SGA)

光谱梯度角(SGA)是将光谱曲线视为二维空间中的向量,对其进行一阶求导以获得光谱的梯度向量,再利用与构造光谱角相似的方法来计算两光谱梯度向量之间的广义夹角SGA。SGA的计算公式为

(7)$ \operatorname{SG}(X)=\left(X_{2}-X_{1}, X_{3}-X_{2}, X_{4}-X_{3}, \cdots, X_{n}-X_{n-1}\right)$

(8)$ \mathrm{SG}(Y)=\left(Y_{2}-Y_{1}, Y_{3}-Y_{2}, Y_{4}-Y_{3}, \cdots, Y_{n}-Y_{n-1}\right)$

(9)$ \mathrm{SGA}(X, Y)=\cos ^{-1}\left(\frac{\mathrm{SG}(X), \mathrm{SG}(Y)}{|\mathrm{SG}(X)| \times|\mathrm{SG}(Y)|}\right)$

其中,n为波段数量,X为像元光谱,Y为参考光谱,SG为光谱的梯度向量。SGA具有强调光谱曲线局部特征(尤其是斜率)变化的优点。

2.1.5 SID-SGA_tan

光谱信息散度-光谱梯度角(SID-SGA_tan)是由张修宝等^[20]于2011年提出,并通过计算机仿真光谱证明其识别效果的优越性。SID-SGA_tan既能发挥SID表征信息熵在光谱整体识别上的优势,又能考虑到以SGA突出光谱局部特征或细微差异。其计算公式为

(10)$ \operatorname{SID-SGA}_{\tan }(X, Y)=\operatorname{SID}(X, Y) \times \tan [\operatorname{SGA}(X, Y)]$

其中,n为波段数量,X为像元光谱,Y为参考光谱。

2.1.6 SID-SAM_tan

光谱信息散度-光谱角(SID-SAM_tan)是由Du等^[19]于2003年提出,且经过试验证明其识别效果优于单独的SAM、SID算法。SID-SAM_tan兼顾了信息熵特征和光谱曲线整体形状。其计算公式为

(11)$ \operatorname{SID-SAM}_{\tan }(X, Y)=\operatorname{SID}(X, Y) \times \tan [\operatorname{SAM}(X, Y)]$

其中,n为波段数量,X为像元光谱,Y为参考光谱。

2.1.7 SID-SCA_tan

光谱信息散度-光谱相关角(SID-SCA_tan)方法由吴浩等^[21]用来进行云南个旧普雄地区的蚀变识别研究,认为其较单一光谱匹配算法更能识别光谱间的细微差异。SID-SCA_tan中,SCA保留了SAM削弱阴影影响的优点,考虑了光谱正负相关性,能配合SID反映光谱曲线整体形状。其计算公式为

(12)$ \operatorname{SID-SCA}{ }_{\tan }(X, Y)=\operatorname{SID}(X, Y) \times \tan [\operatorname{SCA}(X, Y)]$

其中,n为波段数量,X为像元光谱,Y为参考光谱。

2.2 评价指标

2.2.1 相关光谱区分概率(RSDPB)

定义参考光谱t和目标光谱集S={s₁,s₂,…,s_n},则目标光谱集关于参考光谱的RSDPB为

(13)$ \operatorname{RSDPB}\left(t, S_{i}\right)=\frac{m\left(t, S_{i}\right)}{\sum_{i=1}^{n} m\left(t, S_{i}\right)}$

其中,m(t,S_i)为用某种光谱匹配算法对参考光谱和目标光谱进行相似度计算的结果。RSDPB作为计算相关光谱区分熵(RSDE)的基础,数组本身不具有算法间的对比意义。

2.2.2 相关光谱区分熵(RSDE)

已知RSDPB的情况下,RSDE的计算公式为

(14)$ \operatorname{RSDE}(t)=-\sum_{i=1}^{n} \operatorname{RSDPB}\left(t, S_{i}\right) \log _{2}\left[\operatorname{RSDPB}\left(t, S_{i}\right)\right]$

RSDE用于评价目标光谱和参考光谱相似性的不确定度。RSDE值越大,分类结果的不确定度越高;RSDE值越小,目标光谱被正确分类的概率越大。据此,可用RSDE定量评价各光谱匹配算法。

为了定量比较各光谱匹配算法对相似光谱曲线的识别能力,本文利用相关光谱区分熵(RSDE)指标进行评价,而相关光谱区分概率(RSDPB)是进一步计算RSDE的基础数。

2.2.3 混淆矩阵(confusion matrix)

对比制图分类结果与地面真实分类结果时,矩阵的列对应地面真实类别,行对应制图分类类别,每个单元格的数值表示成功匹配的地面真实像元数量。本研究使用像元数量来代表混淆矩阵的结果。

2.2.4 总体精度(overall accuracy)

数值上等于整幅图像中分类正确的像元与总像元之比,因此总体精度的值域为[0,1],数值越大说明分类精度越高。其计算公式为

(15)$ P_{\circ}=\frac{\sum_{i=1}^{r} x_{i}}{n}$

其中,n是验证像元的总数,r是分类的类别数量,x_i表示第i类地物被正确分类的像元数量。

2.2.5 Kappa系数

Kappa系数表示总体精度偶然正确率,常被用作分类结果的一致性检验,其值域为[-1,1]。Kappa系数的数值若小于0,说明分类结果与真实情况相反,基本不可信;数值为0时,说明分类方式基本随机;数值越接近于1,说明分类精度越高,通常认为Kappa系数在0.61~0.80时具有高度的一致性,在0.81~1.00时几乎完全一致。Kappa系数与验证样本像元数量的大小无关,取决于分类方法本身。其计算公式为

(16)$ \text { Карра }=\frac{P_{\mathrm{o}}-P_{\mathrm{e}}}{1-P_{\mathrm{e}}}$

(17)$ P_{\mathrm{e}}=\frac{a_{1} \times b_{1}+a_{2} \times b_{2}+\cdots+a_{r} \times b_{r}}{n^{2}}$

其中,P_o是总体精度,n是验证像元的总数,r是分类的类别数量,a_i表示第i类地物的真实样本数量,b_i表示第i类地物的制图像元数量。

2.2.6 生产精度(producer’s accuracy)

若影像中某一像元的地面真实类型为c类,分类器制图时能将其判定为c类的概率。

2.2.7 用户精度(user’s accuracy)

若影像中某一像元在制图时被分类器判定为c类,对应的地面真实类型恰好为c类的概率。

2.3 随机森林算法

随机森林算法具有运行速度快、泛化能力强、参数要求少等优点,进行图像处理时能包容背景噪声和异常值,并兼顾学习效率和识别精度^[41],因此其在噪声较多、岩性较为复杂的高光谱遥感数据蚀变识别方面有巨大潜力。随机森林算法的主要流程主要分为两步:一是随机森林生长,即利用Bootstrap重抽样方法提取训练样本集中数据构建多棵CART决策树来组成随机森林;二是随机森林分类,即针对待预测数据进行投票并综合确定最终分类。本文在完成这两步的基础上,还利用基尼系数(Gini)做随机森林的特征重要性排序并进行深入研究。

3 结果与分析

3.1 训练样本方法选取

为使随机森林算法可以识别不同矿物光谱的细微差异,本文在提取训练样本时需分析各光谱匹配算法对不同比例混合矿物的敏感性和识别效果。因此,从USGS提供的蚀变填图验证数据中选取相对纯净的明矾石像元作为参考光谱,并以标准矿物光谱库中选取的纯净的绿泥石像元作为干扰光谱为例。随后,按照不同比例(15%、30%、45%、60%、75%和90%)将绿泥石的干扰光谱掺入到明矾石的参考光谱中,以模拟出6种不同程度的混合像元光谱曲线(图3)。最后,通过构建模拟混合像元并计算像元与参考光谱间的相似度而获得相关光谱区分熵(RSDE)指标。

随着绿泥石干扰信息的增多,模拟混合像元光谱与纯净明矾石光谱的差异逐渐增大。纯净明矾石光谱曲线的吸收峰在波长2 160 nm附近,随着绿泥石干扰的增加,吸收峰逐渐向2 300 nm移动;到混合光谱6时,吸收峰已基本移动到2 350 nm,呈现出明显的绿泥石吸收峰。

表2和表3显示了光谱匹配基础算法和组合算法计算的RSDPB和RSDE值。结果表明,三种光谱匹配组合算法的RSDE值均小于各类基础算法,且显著降低,表明组合算法在识别相似光谱的细微差异方面具有更大的优势。其中,SID-SGA_tan算法的RSDE值最小,表明其光谱识别能力较强,区分效果最佳。该算法对混合像元光谱的敏感性更高,能更有效地识别光谱的细微差异,从而提高目标像元的正确分类概率。考虑到Cuprite矿区的AVIRIS高光谱遥感影像中的矿物像元往往并不纯净且伴随有一定程度的失真现象,因此使用SID-SGA_tan算法以获得更高的识别精度。SID-SGA_tan算法提取训练样本的关键是阈值的选取,本文主要是结合经验法和试错法确定分类阈值。吴浩等^[21]利用SID-SGA_tan算法进行云南普雄地区的矿物识别时,选取的阈值一般为0.002;同时也有其他利用SID和SGA算法进行矿物识别的研究,有经验阈值以供参考。这里为提取更准确、更具代表性的训练样本,需要进一步减小SID-SGA_tan阈值。在此基础上,结合遥感影像的可视性,不断通过实验试错以确定阈值,最终得到各矿物的分类阈值及对应像元数量。因此,本文利用SID-SGA_tan算法一共提取24 958个训练样本(像元)(表4)以进行后续的随机森林蚀变识别实验。

3.2 目标矿物波谱库构建

为实现研究区AVIRIS高光谱遥感影像混合像元的端员波谱识别与提取,本文协同“最小噪声分离MNF-纯净像元指数PPI-n维可视化”技术。其中将纯净像元指数(PPI,pixel purity index)的迭代次数确定为10 000,同时阈值系数设置为2.0时,迭代曲线相对缓慢平稳增长且最终近似趋于稳定水平状态,最终获取了30 000个纯净像元。

最后,将提取出来的端员光谱曲线与USGS矿物波谱库进行比对,并确定在Cuprite矿区的蚀变矿物主要有水胺长石、方解石、明矾石、高岭石和白云母,其波谱曲线如图4所示。根据已构造的目标矿物波谱库,分别进行了SAM和SID-SGA_tan矿物识别制图,以便后续进一步与随机森林算法进行对比,研究各算法制图精度。

3.3 基于SID-SGA_tan的随机森林蚀变识别

本文研究了随机森林模型在不同决策树数量(ntree)下的表现以及节点分割次数(mtry)对模型稳定性的影响。结果表明,当ntree达到300时,随机森林模型的袋外数据误差(OBB-error)基本稳定,且不会出现过拟合现象,因此确定ntree为300。同时,根据特征数量(50个波段的高光谱遥感影像),选择mtry为7,即特征数量的近似平方根。

使用随机森林进行高光谱遥感影像分类过程中,往往会出现信息冗余、计算量大的情况,因此本研究利用Gini系数对特征重要性(即高光谱影像的波段)进行排序并对数据进行波段筛选。AVIRIS高光谱遥感影像各波段在随机森林蚀变识别中的重要性排序如图5所示。

目标矿物的特征波段具有较高的重要性。波段1、2、4、5和3对应高岭石、白云母、明矾石、方解石的反射峰和水胺长石的吸收谷,这些波段的光谱反射率差异较大,便于区分各矿物。波段16、17、18、19对应高岭石、白云母、明矾石、水胺长石的吸收谷。波段36、37、38、39则基本对应上了水胺长石、高岭石、明矾石、方解石的反射峰及白云母、方解石、高岭石、明矾石的吸收谷。因此,通过波段重要性排序与矿物波谱的“对应关系”可以看出,参与随机森林蚀变识别的关键波段往往是物理和统计意义上的矿物波谱“诊断性”波段,对矿物识别具有重要意义。这也证明了随机森林模型能够识别出矿物的特征波段。本文选择重要性排序前15的波段进行矿物蚀变识别(按序排列分别是第2、1、5、4、37、38、3、17、16、7、8、18、9、36、49波段),其波段重要性贡献度已累计高达0.565 8。

3.4 精度评价

将SAM、SID-SGA_tan、基于SID-SGA_tan的随机森林(降维前后)共4幅矿物分类图与USGS发布的Cuprite矿区标准矿物蚀变填图(图6)进行对比,计算其各自的混淆矩阵,得到总体精度、Kappa系数、生产精度、用户精度指标,分别如表5~8所示。

图6中背景是AVIRIS高光谱遥感影像的band1图像。可以看到,4幅矿物分类图都基本反映了Cuprite矿区的蚀变分布情况:(1)西蚀变区中心主要是高岭石、明矾石,这两种矿物分布广泛且间或重叠;蚀变中心向外发散,西南方向主要分布有白云母,并掺杂部分方解石,且更多部分的方解石较为集中地分布在矿区西北部。(2)东蚀变区则主要以高岭石、明矾石为主,且高岭石分布范围更为广泛;蚀变中心存在着少量且集中的水胺长石。

尽管利用SAM、SID-SGA_tan、基于SID-SGA_tan的随机森林3种方法制作的4幅矿物分类图都能大致体现研究区蚀变情况,但其分类精度仍存在着一定差异(表5~8)。SAM光谱匹配算法作为一种经典的光谱相似性度量方法,在一定程度上能够准确地识别出矿物光谱与参考库中典型矿物光谱的相似性。但其对光谱峰值位置和形状的敏感度不高可能导致其在复杂背景或光谱峰值较为模糊的情况下表现不佳;具体表现为整体分类精度为70.97%,Kappa系数为0.602 4。而SID-SGA_tan光谱匹配算法结合了空间信息和谱学信息^[20],能够更准确地捕捉矿物光谱的空间分布特征,因此在处理光谱峰值不清晰或混合像元的情况下具有显著优势。而相较于SAM算法,SID-SGA_tan算法(整体分类精度为74.12%,Kappa系数为0.645 7)矿物识别精度更高。这说明基于SID-SGA_tan的随机森林算法不仅能克服自身训练样本数据获取的问题,也能充分发挥机器学习的优势,针对信息量巨大、背景复杂的高光谱遥感影像矿物精细识别应用具有很强的潜力。

对比3种方法制作的矿物分类图与USGS标准蚀变分布验证图,并结合生产精度等评价指标(图7)可以发现:SAM对水胺长石和白云母的分类效果较差,不仅无法区分波谱曲线相似的明矾石和高岭石,还将部分高岭石误判为白云母;SID-SGA_tan存在着不能较好区分明矾石与高岭石的问题,且西北方向白云母与方解石伴随着少量不规律分布的离散像元,但是高岭石和白云母没有出现较大的混合,基本完成区分;基于SID-SGA_tan的随机森林算法对明矾石、水胺长石、高岭石、白云母的识别精度都有了很大提升,但对方解石的识别精度较低,可能是由于获取训练样本时道路东侧的方解石不够典型、特征波段数量为50时对像元的判定标准较高造成的。

使用平均值描述各方法对目标矿物的识别结果。白云母和方解石均能得到较好的识别,是由于这两者的波谱曲线存在着较大的差异;明矾石和高岭石光谱曲线因其较为相似,且常常混合相伴而生,难以精确区分,所以分类精度相对较低。对比3个识别算法,SAM和SID-SGA_tan分辨能力有限,而基于SID-SGA_tan的随机森林算法充分利用到了各波段特征,组建多个CART决策树并多次进行Bootstra重抽样,进一步提高了相似光谱曲线细微识别的可能。水胺长石的平均识别精度不高,主要是由于其像元数量比较少,基于SID-SGA_tan的随机森林算法在降维前充分利用到50个波段的信息而实现了较好的分辨,降维后信息量下降可能导致分类精度的相应下降。

SID-SGA_tan的蚀变识别精度也高于SAM,这说明SID-SGA_tan作为一种光谱匹配组合算法,比单一的光谱匹配算法所改进:SID-SGA_tan既能发挥SID表征信息熵在光谱整体识别上的优势,又能考虑到以SGA突出光谱局部特征或细微差异,而SAM只考虑到光谱曲线在形状上的相似程度。这一结果也与SID-SGA_tan的RSDE值低于SAM相对应。

基于SID-SGA_tan的随机森林算法在降维前后的矿物识别结果表明,虽然波段数量由50降到了15,但总体精度只是从78.46%降到了77.09%,Kappa系数对应从0.705 3降到了0.686 3,精度的下降程度相对来说并不大。因此,在进行数据量特别大的随机森林分类实验时,可以先尝试性地进行特征重要性排序,筛选出较为重要的特征,数据降维后再进行随机森林建模,以进一步提高建模效率,达到分类精度与建模时间、模型复杂度的平衡。

4 结论

本研究针对随机森林蚀变识别中缺乏研究区先验知识、训练样本数据数量不足、质量不高的问题,提出了基于SID-SGA_tan的随机森林算法,并在内华达州Cuprite矿区验证了该算法的准确性。本文主要的结论如下:

(1)构造模拟混合像元,并选择最佳光谱匹配算法。结果表明,SID-SGA_tan算法的RSDE值最低,光谱识别能力相对较强且区分最为有效。

(2)协同“最小噪声分离MNF-纯净像元指数PPI-n维可视化”技术,实现AVIRIS高光谱影像混合像元的端员波谱识别,提取出Cuprite矿区的5种目标矿物光谱曲线。

(3)将基于SID-SGA_tan的随机森林算法(数据降维前后)、SAM算法、SID-SGA_tan算法的蚀变识别结果进行对比分析,并分别计算其混淆矩阵、总体精度和Kappa系数等评价指标。结果表明:基于SID-SGA_tan的随机森林算法总体精度高达78.46%(降维后77.09%),Kappa系数高达0.705 3(降维后0.686 3);对比SAM等方法,SID-SGA_tan方法的蚀变识别精度有了很大的提升,也具有一定的稳定性。这说明基于SID-SGA_tan的随机森林算法不仅能克服自身训练样本数据获取的问题,而且也能充分发挥机器学习的优势,针对信息量巨大、背景复杂的高光谱遥感影像矿物精细识别应用具有很强的潜力。

参考文献

[1] 成秋明. 面向人类智能与人工智能融合的矿产资源预测新范式[J]. 地学前缘, 2025, 32(4): 1-19.

[2] 罗勇军, 罗麟. 国产铁矿和进口铁矿价差扩大的原因探讨[J]. 现代矿业, 2019, 35(5): 5-8.

[3] 倪斌, 黄照强, 郭健, 等. 基于机载和星载高光谱遥感的武夷山成矿带蚀变矿物信息识别研究[J]. 华东地质, 2023, 44(1): 67-81.

[4] 黄宇, 邵燕林, 魏薇, 等. 基于高光谱数据的碳酸盐岩岩性识别决策树模型研究[J]. 激光与光电子学进展, 2025, 62(8): 406-414.

[5] 王瑶, 肖克炎, 唐瑞, 等. 综合多源数据的蚀变矿物填图及其地质应用: 以内蒙古新忽热地区为例[J]. 地学前缘, 2025, 32(4): 213-221.

[6] 谭宏婕, 邱昆峰, 刘洪成, 等. 西秦岭李坝造山型金矿床围岩蚀变特征: 基于高分五号02星(GF-5B)星载高光谱数据信息提取[J]. 岩石学报, 2024, 40(6): 1784-1800.

[7] 田丰, 孙雨, 赵英俊, 等. 航空热红外高光谱在岩性识别中的应用: 以甘肃柳园地区TASI数据为例[J]. 世界核地质科学, 2023, 40(3): 863-873.

[8] 郭东旭, 史维鑫, 郭锐, 等. 高光谱(VNIR-SWIR-TIR)技术对碳酸岩型稀土矿床中氟碳铈矿的识别与应用[J]. 光谱学与光谱分析, 2025, 45(6): 1700-1711.

[9] 韩晓青, 朱黎江, 袁晓波, 等. 高光谱数据深度学习岩性分类及软件研制: 铀成矿高光谱岩性分类[J]. 铀矿地质, 2025, 41(4): 692-706.

[10] 张燕斌, 杜健民, 王圆, 等. 基于无人机高光谱遥感和3D-ResNet的荒漠草原地物分类[J]. 中国农机化学报, 2022, 43(4): 66-73.

[11] 成永生, 周瑶. 土壤重金属高光谱遥感定量监测研究进展与趋势[J]. 中国有色金属学报, 2021, 31(11): 3450-3467.

[12] 张楠楠, 周可法, 孙莉, 等. 遥感蚀变地质特征提取研究: 以新疆康古尔地区为例[J]. 新疆地质, 2008, 26(1): 39-42.

[13] POUR A B, HASHIM M, VAN GENDEREN J. Detection of hydrothermal alteration zones in a tropical region using satellite remote sensing data: Bau goldfield, Sarawak, Malaysia[J]. Ore Geology Reviews, 2013, 54: 181-196.

[14] BEDINI E. Mineral mapping in the Kap Simpson complex, central East Greenland, using HyMap and ASTER remote sensing data[J]. Advances in Space Research, 2011, 47(1): 60-73.

[15] 代晶晶, 王瑞江, 王润生, 等. 基于蚀变信息提取的西藏班公湖—怒江成矿带中段斑岩铜矿找矿预测[J]. 地球学报, 2012, 33(5): 755-762.

[16] 杜晓川, 娄德波, 张长青, 等. 基于GF-5、Landsat8与GF-2遥感数据的蚀变信息提取研究: 以四川宁南铅锌矿集区为例[J]. 矿床地质, 2022, 41(4): 839-858.

[17] ZHANG E, ZHANG X, YANG S, et al. Improving hyperspectral image classification using spectral information divergence[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(1): 249-253.

[18] ROBILA S A. An investigation of spectral metrics in hyperspectral image preprocessing for classification[C]// Algorithms and technologies for multispectral, hyperspectral, and ultraspectral imagery XI. Bellingham: SPIE, 2005: 597-608.

[19] DU Y, CHANG C, REN H, et al. New hyperspectral discrimination measure for spectral characterization[J]. Optical Engineering, 2004, 43(8): 1777-1786.

[20] 张修宝, 袁艳, 景娟娟, 等. 信息散度与梯度角正切相结合的光谱区分方法[J]. 光谱学与光谱分析, 2011, 31(3): 853-857.

[21] 吴浩, 徐元进, 高冉. 基于光谱相关角和光谱信息散度的高光谱蚀变信息提取[J]. 地理与地理信息科学, 2016, 32(1): 44-48, 封2.

[22] 刘翰霖, 李根军, 林楠, 等. 基于极端随机树的高光谱蚀变信息提取研究[J]. 地理空间信息, 2023, 21(9): 57-60.

[23] 蒋果, 周可法, 王金林, 等. 基于深度学习的花岗伟晶岩型锂铍矿物识别研究[J]. 地学前缘, 2023, 30(5): 185-196.

[24] 孙玉洁, 李晓彦, 张超. 基于机器学习的黑云母成分判别花岗岩成因类型方法研究[J]. 现代地质, 2025, 39(3): 523-540.

[25] 唐赧钰, 申俊峰, 陈强, 等. 基于深度学习的安徽黄屯铜金矿床黄铜矿定量分析及其意义[J]. 现代地质, 2025, 39(3): 541-551.

[26] CHEN J, PISONERO J, CHEN S, et al. Convolutional neural network as a novel classification approach for laser-induced breakdown spectroscopy applications in lithological recognition[J]. Spectrochimica Acta Part B: Atomic Spectroscopy, 2020, 166: 105801.

[27] 赵杰, 周可法, 崔世超, 等. 联合光谱角匹配与随机森林的蚀变信息提取[J]. 遥感信息, 2017, 32(6): 51-55.

[28] 刘君毅, 王清辉, 冯进, 等. 测录井融合潜山储层复杂岩性随机森林识别方法: 以珠江口盆地惠州26-6构造为例[J]. 长江大学学报(自然科学版), 2025, 22(2): 18-27.

[29] 王民, 杨金路, 王鑫, 等. 基于随机森林算法的泥页岩岩相测井识别[J]. 地球科学, 2023, 48(1): 130-142.

[30] 刘凯, 邹正银, 王志章, 等. 基于机器学习的火山岩岩性智能识别及预测[J]. 特种油气藏, 2022, 29(1): 38-45.

[31] 彭奕博, 焦龙, 李栋, 等. 高光谱结合随机森林的岩性识别方法研究[J]. 石油工业技术监督, 2024, 40(3): 49-53.

[32] 唐淑兰, 曹建农, 王国强, 等. 结合小波包变换和随机森林的ASTER蚀变信息提取[J]. 地质学报, 2021, 95(3): 924-933.

[33] 周雪晴, 张占松, 张超谟, 等. 基于粗糙集: 随机森林算法的复杂岩性识别[J]. 大庆石油地质与开发, 2017, 36(6): 127-133.

[34] 黄安, 蔡文渊, 魏新路, 等. 基于改进随机森林的火山岩测井岩性识别[J]. 科学技术与工程, 2023, 23(9): 3696-3704.

[35] 占燕婷, 吴柯, 徐宏根, 等. 联合光谱角与组合特征参数的高光谱影像分类[J]. 遥感信息, 2021, 36(6): 140-146.

[36] IORDACHE M, BIOUCAS-DIAS J M, PLAZA A. Collaborative sparse regression for hyperspectral unmixing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(1): 341-354.

[37] 韦晶, 明艳芳, 刘福江. 基于光谱特征参数组合的高光谱数据矿物填图方法[J]. 地球科学: 中国地质大学学报, 2015, 40(8): 1432-1440.

[38] DAMODARAN B B, COURTY N, LEFEVRE S. Sparse Hilbert Schmidt independence criterion and surrogate-kernel-based feature selection for hyperspectral image classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(4): 2385-2398.

[39] 孙袁超, 王正海, 曾雅琦, 等. 基于AVIRIS高光谱数据的海表甲烷异常识别[J]. 遥感技术与应用, 2022, 37(4): 781-788.

[40] SWAYZE G A, CLARK R N, GOETZ A F H, et al. Mapping advanced argillic alteration at Cuprite, Nevada, using imaging spectroscopy[J]. Economic Geology and the Bulletin of the Society of Economic Geologists, 2014, 109(5): 1179-1221.

[41] 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[J]. 测绘学报, 2017, 46(11): 1880-1890.

基金资助

广东省“珠江人才计划”引进创新创业团队项目(2021ZT09H399)