多源遥感数据的岩土类型及地温场信息识别技术设计书

1 多源遥感数据的岩土类型及地温场信息识别技术设计书 1 前言 根据北京市地质矿产勘查开发局文件（京地【 2010】 29号），开展“多源遥感数据的岩土类型及地温场识别关键技术研究”项目，专题编号 目实施单位为北京市地质矿产勘查开发局，项目承担单位为北京市地质研究所，工作起止时间为 2010 年5 月 2012 年 5月。项目分两期开展， 2010 年度进行岩土类型识别关键技术研究， 2011 年度进行地温场识别关键技术研究。 作目标 总目标：利用多源遥感信息和实地波谱测试，对不同沉积环境、不同粒级组成的松散土体类型进行识别，研究其识别关键技术；利用热红外对温度的敏感性，进行地温场异常研究，实现其关键技术的研究与突破。 2010 年度工作目标：利用多源遥感信息和实地波谱测试，对不同沉积环境、不同粒级组成的松散土体类型进行识别，研究其识别关键技术。 作任务 2010年度工作任务为： 1）利用波谱测试仪，测试不同类型的岩土体（包括花岗岩组、碳酸盐岩组、卵砾类土、砂类土、粘性土、黄土类土）的波谱特性； 2 2）利用多源遥感信息融合技术方法和岩土体的波谱特性提取岩土体不同类型； 3）总结研究岩土类 型遥感识别技术方法和理论模型。 2 研究现状 国外在 20 世纪 70 年代初相继开展岩土体信息遥感识别技术的探讨和研究。上世纪 80年代初，国外侧重利用多光谱遥感技术、多源遥感数据融合技术开展植被稀少、裸岩地区的岩性土体类型识别及划分，利用高光谱遥感技术进行区域岩性地质填图的研究工作，并 探索出 一系列遥感岩性和 土体 信息识别与提取技术方法，促进了遥感岩 土体 识别的定量化、精细化和智能化发展。 我国自上世纪 80年代初先后开展地物光谱特征进行测试及对某些特定岩石或岩性地层的光谱研究等工作。特别是高光谱遥感技术的发展，促进了岩性 信息识别的定量化。 国内学者在植被稀少、岩石裸露率高的西北干旱地区开展了大量遥感岩性识别方面的研究，并在该地区探索出了较成熟的多光谱和高光谱岩性信息提取方法。 当前岩土体类型信息提取方法主要有以下两种：一是基于多光谱的岩土体类型遥感信息提取，多光谱遥感岩土识别主要基于图像的空间灰度特征 ,采用变换方法增强图像的色调、颜色和纹理的差异 ,以及提取纹理信息 ,或利用多源数据融合的方法 ,达到识别岩性的目的；二是基于高光谱的岩土类型遥感信息提取，高光谱数据具有很高的光谱分辨率 ,并包含丰富的纹理信息 ,有利于岩性识别。成像光谱 仪在对目标地物空间特征成像的同时 ,对每个空间像元形成几十 3 至几百个连续光谱覆盖的窄波段，在获得空间图像的同时获得了地物的连续光谱曲线及诊断性特征光谱 ,从而能够利用光谱信息直接识别地物 ,并获取定量信息。高光谱对岩土的识别依赖于岩土的光谱特征 ,可以依据实测光谱、光谱库光谱或图像纯像元光谱对岩石类型进行识别并提取定量信息。高光谱遥感岩土识别可分为基于单个诊断性吸收光谱特征、基于完全谱形特征以及基于光谱知识模型 3 种类型。 综上所述，岩土体遥感识别技术在国内均有所应用和发展，但是，研究程度远远落后于地质遥感技术的整体水 平。受当前遥感技术发展水平的限制，目前国内外的遥感岩土识别研究集中在植被稀少、人为影响较弱、岩石裸露率高的地区 ,而很少在土壤植被较好、岩石露头少的地区开展 ,这些地区尚无成熟的遥感岩土识别方法。因此 ,如何在地形复杂、表层土壤厚、植被较好、岩石裸露率低的地区运用遥感方法进行岩土识别是今后研究的重点。 本项目将尝试运用多源遥感数据，在植被覆盖较好的区域，通过研究土壤、植被与岩性的关联，寻找消除表层植被的影响直接提取岩土信息的方法，达到识别岩土类别的目的，以完成岩土体类型识别的关键技术研究。 4 3 研究 思路、内容及方法 究思路 本项目将在遥感和地理信息系统技术支持下，采用实测岩土体波谱数据与定量反演相结合、计算机自动信息提取与人机交互解译相结合的方法，以遥感图像增强为技术关键点，以岩土体波谱测试为基础，辅以其他非遥感多源数据分析，完成多源遥感数据的岩土体类型识别关键技术的研究，研究思路路线图如图 5 图 岩土体类型识别关键技术研究工作思路图 1、数据增强处理 利用多光谱以及高光谱数据不同波段对不同地物的敏感程度的差异，研究不同的数据增强方法所突出的地物类型及信息， 以多种图像增强处理方法对遥感影像进行处理，剔除或减少非岩土体类别信息量，增强岩土体类别的遥感影像对比度，寻找凸显岩土体类别特征的数据增强方案。 经过试验、分析、筛选，寻找不同数据源的最佳增强方案，具体包括： 6 1） 个个多光谱数据凸显岩土体类别的增强处理方案； 2） 个多光谱数据凸显岩土体类别的增强处理方案； 3） 四个高光谱凸显岩土体类别的增强处理方案； 2、建立岩土体波谱数据与遥感数据定量关系 实测研究区域各典型岩土体的反射波谱数据，并对波谱数据进行整理、分析，最终形成各岩土体反 射波谱数据库。针对不同的遥感数据源，运用不同方法对其进行地表的物理特征和参数反演运算，再通过建立数学运算方程的方式，寻找遥感影像反演岩土体类型同实测各类岩土体类型波谱数据之间的相关参数。 3、多源数据融合及信息提取 通过对遥感影像进行预处理和增强处理，得到最能突显岩土体信息的遥感影像数据，再通过人机交互解译平台划分岩土体类别，提取各类岩土体信息。根据研究区域特点，主要区分出以下几种岩土体类型：碳酸盐岩、花岗岩、卵砾类土、砂类土、粘性土、黄土类土。 （ 1）碳酸盐岩组（白云岩与灰岩） 遥感影像上纹理、色调与周边 地区差异较显著，在基岩出露明显地区，多表现为浅色调，形态上表现为山体或山脉，部分有人工痕迹，基岩出露不明显地区多有灌木覆盖，且植被稀疏。 （ 2）花岗岩组 遥感影像上纹理、色调与周边地区差异十分显著，在基岩出露明显地区，表现为浅色调，反射亮度高，形态上表现为山体或山脉， 7 基本无有人工痕迹，基岩出露不明显地区也稍有植被覆盖。 （ 3）卵砾土类 卵砾石类土在影像上多表现为浅色调地带，由于多夹杂低矮灌木或荒草，且部分多开垦为果园，浅色中夹杂颗粒状或点状暗色调，纹理较为单一。 （ 4）砂类土 砂类土多分布于山前河流周边，或 山前粘土与砾石土过度地带，多开垦为农田，但含水少，影像色调较浅。 （ 5）粘性土 粘性土多分布于广阔平原地带，影像上表现为成片农田，其间夹杂居民地与道路，且由于含水较多，影像表现为较深色调，纹理单一。 （ 6）黄土类土 黄土类土是一种浅色调的第四纪松散堆积物，其地面被沟谷网纵横分割，形成独特的切割破碎地貌。黄土类土影像特征比较明显，平原地区出露较多，多为被开垦为旱地农田。 4、综合研究 根据各遥感影像识别岩土体类型信息的程度以及对不同遥感影像而采用的数据增强和处理方法，分析不同沉积环境、不同粒级的岩土体的遥感特 性，总结多源遥感数据识别岩土体类型的方法，探讨岩土体类型识别关键技术方法的可行性、约束性以及所存在的问题。 8 究方法 1、数据收集与分析 本次研究采用的数据源分为遥感数据和非遥感数据，遥感数据分为三种：第一是包含 4 个多光谱与 1 个全色波段的 感数据；第二种为包含 7 个多光谱与 1 个全色波段的 感数据；第三种为包含 14 个波段的 感数据。这三种遥感数据均具有波段多、分辨率高的特点，对研究城市周边岩土体类别识别具有巨大优势。非遥感数据主要包括基础地质数据、地形地貌、前人相关工作成果等， 非遥感数据作为重要的遥感数据补充，即能够提供研究区域的基础资料，又能在多源数据融合、岩土体类别信息提取中发挥重要作用。其中遥感数据要求时相为近年数据，岩石出露较好即可。 2、岩土体波谱测试 遥感卫星传感器所接收来自地表的地物波谱信息包括了大气程辐射、散射、其他地物反射、衍射等多种因素的影响，通过地表波谱测试，能够更准确、高效的提取相关信息，可以去除多种辐射的影响，为建立遥感数据和地面测试数据之间的定量关系奠定基础。 本次研究对象为地表岩土体，采用波谱测试仪器，采集北京地区典型岩土体类别反射波谱数据，包括各种 碳酸盐岩、花岗岩、卵砾类土、砂类土、粘性土、黄土类土的波谱数据，并对收集到的岩土体波谱数据进行整理、分析，形成各类岩土体的波谱库。 9 野外波谱测试 3、数据处理 包括对遥感数据与非遥感数据的处理。对遥感数据主要进行图像辐射校正、图像校正、影像融合、图像增强等遥感图像处理方法，对非遥感数据主要进行数据标准化、可视化等处 理。采用软件有 （ 1）图像辐射校正 在保持足够信息量和清晰度的前提下，对原始图像进行降噪、去条带、去霾等辐射增强，对辐射度畸变较大的原始图像进行辐射度纠正处理。 （ 2）图像校正 图像校正包括对中分辨率影像数据的几何纠正和对高分辨率影像数据的正射校正。遥感影像数据应统一投影、统一坐标系，设置如下： 平面坐标系采用 1954 北京坐标系； 高程系统采用 1956黄海高程基准； 影像图的投影采用高斯 1）几何纠正 10 以精度相同或高于影像比例尺的地形图为基准图 件，选取适当的控制点，采用多项式和三角有限元两种方法进行几何精纠正，投影方式选用高斯 度分带坐标系统。控制点应均匀分布，选取地形图和影像中均能正确识别、定位的明显地物点上，尽量选择道路等线形地物交叉点的中心。 2）正射校正 高分辨率影像数据由于轨道较低、入射角太大、地表切割强烈，图像中存在严重的几何畸变。为消除地形起伏引起的图像变形、提高遥感信息提取精度、丰富地形地势信息，高分辨率数据需要利用星历参数、适当精度的控制点及 过严格物理模型对其进行图像的正射校正。 项目中只有 像需借 助地形高程模型（ 通过与图像相对应的 数，在此基础上增加控制点，提高正射校正精度。在校正过程中，可先校正全色波段，然后以校正好的全色波段作为参照，校正多光谱波段。目前的商业软件， 可以用 （ 3）非遥感数据标准化与可视化 非遥感数据包括了基础地质图件、文字报告、统计数据等，这些数据作为多源数据的一部分，必须经过数据标准化与可视化后才能够同遥感数据结合。具体而言就是对基础图 件进行扫描，进行配准，将图件信息进行矢量化及栅格化等；将文字报告和统计数据中 11 对地物的性质、数量、面积描述转变成矢量文件，通过投影变换的方式投影到目标坐标系。 （ 4）多源影像融合 项目所采用的数据包括非遥感数据和遥感数据，数据的类型不同、标准、单位等都不同，要使各种数据所包括的信息和遥感数据所包含的信息进行组合，必须经过信息的融合，对多源数据的信息进行处理、标准化、正规化和可视化，使其在同一个标准体系下，才能够进行信息融合。信息融合的主要方法包括以下几个方面： 1）新型像素级融合方法 基于对立成分分析 的多源空间信息融合 基于非负举证分解分析的多源空间信息融合 基于稀疏成分分析的多源空间信息融合 2）特征级融合方法 主要包括多源信息特征提取、特征评价准则、特征空间的构建方法、多源特征融合模型的研究等。 4、图像增强和变换 依据不同岩土体波谱特性进行相应的图像增强和变换。图像增强包括边缘增强、彩色增强、对比度增强等，通过增强处理，加大各岩土体遥感影像的信息差异，以进行岩土类别的识别；图像变换侧重于主要的特征信息提取，包括比值运算、差值运算、 换、换等，通过变换处理，达到信息 综合或信息拆分的目的。根据不同数据源的实际特点，选择行之有效的增强方法。 12 5、遥感影像地表反射值反演 地表光谱反射率是地表理化特征和内在结构的综合反映。岩土体反射光谱特性的研究是岩土体遥感的物理基础，并为岩土体本身属性的研究提供了一个新的途径和指标。 本次研究采用了三种不同空间分辨率与波谱分辨率的遥感影像数据，各卫星数据间的传感器参数差异决定了在反演遥感数据地表反射值不能一概而论，本研究将分别采用 型与 型两种方法分别对 对高光谱反射数据，则首先进行预处理，去掉高频噪声的干扰，去掉包络线，突出光谱曲线的吸收和反射特征，并将反射率归一化到 01 之间，光谱的吸收特征也归一化到一致的光谱背景上，有利于其他光谱曲线进行特征数值的比较，从而提取特征波段以供分类识别。 6、影像再处理、解译及统计分析 通过查找影像反演以及室内解译过程中出现的影像信息不强、岩土体分辨能力差，解译中出现的错解、漏解等问题，并逐一进行分析、修改、完善，进一步寻找运用多源遥感技术识别岩土体类别的方法。 13 4 工作部署 不同类型的岩土体， 其反射波谱有所不同，其受到自身构成物质的粒径以及岩土体所含 矿物质 、含水量、植被覆盖程度等多种因素的影响，因此进行岩土体的波谱测试，工作部署需要综合考虑多种因素，遵从以下几个原则： 1、统一性、完整性原则 波谱测试点的部署应该全面，既要考虑岩体的类型及光谱特征，同时考虑土体类型，从宏观把握，测试点应该基本包括研究的所有岩体和土体类型。 2、重点突出的原则 对于岩土体的波谱测试不能面面俱到，对重点研究的岩土体类型，应该重点部署相应工作（本次工作重点为土体类型识别）。 3、典型性、代表性的原则 岩土体波谱测试的 样本选择，应当选择具有典型性和代表性的区域进行测试，岩体波谱测试应部署于基岩集中分布区，土体的测试主要部署于平原区。 工作区的部署根据本次工作目标即进行岩土体类型的识别开展，北京西山和北山主要为基岩，平原区为坡洪积物、冲积物，因此岩体的波谱测试主要部署于西部和北部山区，土体类型的波谱测 14 试主要部署于平原区。 根据研究要求，进行岩土体波谱测试，岩体测试样本为 70 个，土体波谱测试样本为 130 个，各类岩土体波谱测试数量见表 4岩土体 波谱测试样本数量表 类型 数量（个） 岩体 花岗岩 30 白云岩 20 灰岩 20 土体 卵砾类土 40 砂类土 40 粘性土 40 黄土类土 10 总计 200 1、岩土体波谱 测试 工作部署 （ 1）岩体类型波谱测试工作部署 岩体的组成成分不同，岩体的颜色不同，其反射率也有所差异，从基性岩到酸性岩，它们之间的反射率可在 70%范围内变化，深色岩石的反射率要低于浅色岩，比如花岗岩岩石呈浅色调、辉长岩以铁镁质矿物为主，岩石呈暗色调；同时岩体结构不同、物理化学条件不同、结晶度不同，其反射率也有差异，同一类型的岩体的结晶度和粒度不同， 其光谱反射率也有不均匀性，如粗粒花岗岩的光谱反射率变化要大于细粒花岗岩，因此岩体波谱测试部署，不但要测试不同岩体类型的谱特性，同时测试同类岩体不同结构的、不同风 15 化程度其波谱的特征。 岩 体波谱测试主要部署于四个区域（见图 1）昌平南口北侧和 延庆大榆树南侧 花岗岩出露区； 2）密云水库西侧怀柔县八道河东侧，花岗岩出露区 ； 3）门头沟和石景山灰岩出露区； 4）房山十渡白云岩 图 体波谱测试区工作部署图 四个工作区共部署波谱测试点 70个，各个测试区的坐标见表 4 16 表 4岩体波谱测试区范围 岩体波谱测试区序号 拐点坐标 1 E 115 57 43， N 40 15 00 E 115 57 36， N 40 23 05 E 116 13 41， N 40 23 12 E 116 57 43， N 40 15 00 2 E 116 34 05， N 40 36 51 E 116 48 00， N 40 36 51 E 116 48 00， N 40 27 01 E 116 34 05， N 40 27 01 3 E 115 55 35， N 40 01 39 E 116 11 12， N 40 01 39 E 116 11 12， N 39 54 42 E 115 55 35， N 39 54 42 4 E 115 31 27， N 39 42 10 E 115 41 35， N 39 42 10 E 115 41 35， N 39 36 40 E 115 31 27， N 39 36 40 表 4岩体波谱测试区及测试样本数量表 岩体 测试区编号 数量（个） 花岗岩 1 15 2 15 白云岩 3 20 灰岩 4 20 总计 70 1）花岗岩组波谱测试 花岗岩主要部署于测试 1 和 2 区，这两个区域是花岗岩的主要分布区域。每个区内测试三组数据：第一组，完整的、新鲜出露的花岗岩岩体波谱测试，测试样本各 5 个，两个区共计 10 个；第二组，含有风化层花岗岩波谱测试。长期出露于地表的花岗岩岩体，由于 17 温度湿度等条件的变化，表层含有一定风化层，其反射特性与新鲜出露的岩体有一定的差异，因此在每个测试区内测试样本为 5 个，共计 10 个；第三组，植被不完全覆盖区花岗岩波谱测试，每个测试区测试样本 5 个，共计 10 个，花岗岩波谱测试区 级测试样本数量见表 4 表 4花岗岩波谱测试样本数量表 岩体 测试区 数据组号 数量（个） 合计 花岗岩 1 1 5 15 2 5 3 5 2 1 5 15 2 5 3 5 2）碳酸盐岩组（白云岩和灰岩）波谱测试 碳酸盐岩组主要部署于 测试 3、 4 区 。测试 3 区主要测试灰岩的波谱特性，测试两组数据，第一组，为新鲜出露灰岩岩体波谱特性，第二组，为风化灰岩岩体波谱测试，每组测样 10个，共计 20个。 测试 4 区 ，主要为白云岩波谱测试，分为两组：第一组，选择比较新鲜的白云岩 出露面进行测试，测试样本 10个；第二组，选择具有风化层的白云岩进行测试，测试样本 10 个，测试样本共计 20个。碳酸盐岩波谱测试样本数量见表 4 表 4碳酸盐岩波谱测试样本数量表 岩体 测试区 数据组号 数量（个） 合计 灰岩 3 1 10 20 2 10 18 白云岩 4 1 10 20 2 10 （ 2）土体类型波谱测试工作部署 土体的组成粒径不同其反射率不同，土体内的水分的含水量不同期反射率也有所差异。一般在比较干燥的土体中，粗结构土体反射较弱，比细结构土壤在影像上色调更暗；土体含 水量对其反射率有一定的影响，比如粗砂质土壤因为易排水，水分含量较低，反射率相对较高，粘土其排水能力相对较差，则反射率较低。因此土体类型的波谱测试既要考虑不同粒径大小的土体，同时还要考虑不同含水条件下土体的波谱特征。根据研究的需要，土体波谱测试工作部署见图 个测试区的坐标见表 4个测试区部署测试点的数量见表 4 19 图 土体类型波谱测试工作部署图 表 4土体波谱测试区范围 土体波谱测试区序号 拐点坐标 1 E 116 38 47， N 40 15 33 E 116 02 42， N 40 15 21 E 116 02 42， N 40 12 48 E 116 38 48， N 40 12 48 2 E 116 16 37， N 40 14 43 E 116 21 36， N 40 14 44 E 116 21 36， N 40 12 34 E 116 16 37， N 40 12 34 3 E 116 43 13， N 40 28 40 E 116 50 40， N 40 28 40 E 116 50 40， N 40 24 21 E 116 43 13， N 40 24 21 20 4 E 116 15 29， N 40 10 10 E 116 22 58， N 40 10 10 E 116 22 58， N 40 06 18 E 116 15 32， N 40 06 18 5 E 116 36 56， N 40 10 03 E 116 45 01， N 40 10 03 E 116 45 01， N 40 05 39 E 116 36 56， N 40 05 39 6 E 117 07 16， N 40 14 08 E 117 15 23， N 40 14 08 E 117 15 22， N 40 09 38 E 117 07 16， N 40 09 38 7 E 116 42 25， N 39 49 58 E 116 51 19， N 39 49 58 E 116 51 19， N 39 43 26 E 116 42 25， N 39 43 26 8 E 115 38 39， N 40 00 53 E 115 45 39， N 40 00 53 E 115 45 39， N 39 57 25 E 115 38 43， N 39 57 25 测试区 1、 2、 3 位于山前台地，主要是洪坡积物，其物质的分选性较差，组成物质相对于洪积扇前缘和河漫滩地区粒径较粗，主要进行粗粒物质的土体波谱测试。 表 4体波谱测试区及测试数量表 土体 测试区序号 数量（个） 卵砾类土 1 30 2 5 3 5 砂类土 4 10 5 10 6 10 7 10 粘性土 4 10 21 5 10 6 10 7 10 黄土类土 8 10 总计 130 测试区内主要进行卵砾石的波谱测试，其取样主要 位于南流村南部的河道内，卵砾石粒径从几毫米至几十厘米不同，因此根据粒径大小，分六组进行测试，第一组，粒径在 250，取样5 个；第二组，粒径在 50间取样 5 个，第三组，粒径在20间取样 5 个，第四组，粒径在 10间取样 5 个，第五组，粒径在 5间，取样 5 个，第六组，粒径小于 2样 5 个。 在测试区 2、 3 进行卵粒类土波谱测试，每个区内测试一组数据，每组数据测样 5个，共计测试 10 个样本。 测试区 4、 5、 6、 7内，主要位于河流的冲积平原内，地貌类型为河 漫滩和河流阶地，组成物质的颗粒粒径较小，主要进行砂类土和粘性土测试，每个测试区内部署 20 个测试样本，砂类土 10 个、粘性土 10 个；同一类土中 5 个样本土体含水量比较低， 5个为土体含水量较高的样本。测样时，选择最具代表性和典型性的区域进行测试，共计 80 个样本， 测试区 8是北京地区黄土分布的区域，测试分为两组，第一组，自然状态下，黄土的光谱特性，测试样本 5 个，第二组，含水量比较高黄土的光谱特性，测样 5 个。 22 、研究工作部署 （ 1）波谱数据研究 根据波谱测试的结果，对测试样本的波谱数据进行整理、对比，总结岩土体波谱 反射的特性、规律。 （ 2）遥感数据研究工作部署 1）可见光波段 根据波谱数据的测试结果，结合遥感数据的特性，进行测试数据和遥感数据之间的综合研究，由于 据均包括了可见光波段，因此对可见光反射比较敏感的岩土体研究，可利用这三种遥感数据，通过研究比对，分析不同遥感数据在岩土体类型识别中的优势。 2）近、中红外波段 包括近红外和中红外波段数据，因此对近红外和中红外比较敏感的岩土体的相关研究，主要利用这两种数据。 3）短波红外和热红外（ 据有 6 个短波红 外波段和 5 个热红外波段，对岩土体的含水率、温度等相关研究主要使用 （ 3）综合研究 通过实地波谱测试和遥感数据的增强、反演、信息提取等，综合研究岩土体类型识别的相关关键技术。 本项目的工作周期为一年，根据项目的需要和要求，工作安排 23 分为五个阶段完成： 1、第一阶段 2010年 5 （ 1）收集北京地区的相关基础资料，主要包括自然地理、基础地质、水文条件、工程地质、环境地质等相关、文字、图件等，然后进行整理，熟悉工作区的地形地貌、水文地质、岩土体类型等状况。 （ 2）根据任务书 要求编写项目设计书。 （ 3）完成设计书的评审、修改、提交。 2、第二阶段 2010年 6 （ 1）遥感数据的预处理与增强 完成遥感数据的几何校正、辐射校正，并进行相应的预处理工作，并做相应的信息增强。 （ 2）非遥感数据的标准化 将统计数据、文字、图形等非遥感数据，按照一定的标准化原则，进行标准化，再进行可视化，使其可以和遥感数据进行匹配。 3、第三阶段 2010年 9 月 （ 1）岩土体类型波谱测试 根据部署，对不同类型的岩土体进行波谱测试，建立相应的波谱数据库。 （ 2）波谱数据整理分析 对不同岩土体的波谱 数据进行整理分析，研究不同岩土体波谱的特性，为遥感信息的提取奠定基础。 4、第四阶段 2010年 12月 月 24 （ 1）反演 通过波谱测试及相关数据的研究分析，反演不同岩土体类型和其波谱反射之间的定量关系。 （ 2）遥感数据的信息提取 根据不同遥感数据的 特性，完成遥感数据的融合、遥感数据和非 遥感数据的信息融合，提取岩土体相关信息。 （ 3）岩土体类型的识别 根据信息提取的结果，对岩土体类型进行识别，对于识别效果不佳的区域，重新进行信息提取，探索更好的技术方法。 （ 4）识别关键技术比较与分析 通过研究，对提取 岩土体类型的不同技术方法进行比较，分析各技术方法的优点，探究岩土体识别好的技术方法。 5、第五阶段 2011年 4 月 通过综合分析，编写研究报告，完成相关图件的制作，提交局评审。 工作时间安排见表 4 表 4作进度安排表 时间 工作内容 2010 年5 2010 年6 2010 年92010年 12月 月 2011 年 4月 工作设计编写 资料收集、数据定制 遥感数据预处理 25 时间 工作内容 2010 年5 2010 年6 2010 年92010年 12月 月 2011 年 4月 岩土体波谱测试 波谱数据整理 关键技术试验研究 数据融合、 信息提取 岩土体类型 识别 研究报告编写 5 研究工作量 本研究课题主要实物工作量包括资料收集整理与综合分析、多源遥感数据获取、图像预处理、岩土专题信息提取、波谱测试、成果报告编写及提交等。详见表 5 26 表 5研究工作量一览表 工作内容 计量单位 年度工作量 收集资料 收集研究测试区自然地理、区域地质工程、水文地质等相关资料和图件，以及社会经济、人文、交通等资料 份 30 波谱测试 野外取样、对样品进行 波谱测试 个 200 图像预处理 图像预处理 机时 100 图像增强 500 信息提取 200 岩土体信息 提取关键 技术研究 遥感定量反演研究 机时 500 岩土体类型识别 关键技术研究 500 报告编写 研究报告编写 份 1 6 预期成果 2010 年 多源遥感数据的岩土类型识别关键技术研究工作的预期成果主要包括以下两部分： 实测岩土体类型波谱库； 27 2010年 多源遥感数据的岩土类型识别关键技术研究报告。 7 组织管理及人员安排 为 了保证项目的顺利实施，我所与北京师范大学 信息科学与技术学院 联合成立相应的研究组，根据研究组成员的能力，合理安排 28 工作，充分发挥个成员能力，以确保项目成果质量。研究组成员各司其职，人员组成及其职责如下： 研究组项目负责：王云涛 主要职责：决策重大技术、管理问题，负责项目组织，监督研究项目经费的使用，检查工作进度及其工作质量，定期向主管部门汇报项目进展及其阶段性成果； 研究组参加人员：王云涛、王宏斌、刘志杰、王颖、余先川（北师大）、胡丹（北师大）、张力保（北师大）、贺辉（北师大） 主要职责：按照地勘局任务书要求， 我所与北师大参与人员共同探讨研究课题的关键技术和方法。 研究组成人员共有 8 人，由我所 1位高级工程师、 3 位工程师及北师大 1位教授、 1位副教授和 2 位讲师共同组成，是 一只多学科结构、中青年结合的研究队伍。 本项目由我所总工程师韦京莲同志负责指导和质量把关，研究成员组成见表 7 表 7项目组成员一览表 序号 姓名 职称 承担任务 1 王云涛 工程师 项目负责、 工作设计编写、研究报告编写 29 序号 姓名 职称 承担任务 2 王宏斌 工程师 工作设计编写、野外取样、波谱特征提取、研究报告编写 3 刘 志杰 高级工程师 工作设计编写、野外取样、波谱特征提取、研究报告编写 4 王颖 工程师 工作设计编写、图像处理、信息提取、研究报告编写 5 余先川 教授