遥感和航空放射性信息的综合处理和分析
基于数学理论和矿物光谱(多光谱或超光谱)特征的岩石和矿物识别方法(周成虎等，1999；甘普平，2002)，如图像增强、图像变换、光谱角度识别、最优密度分割、互相关匹配识别、基于完整光谱模式的成像光谱岩矿识别、利用神经网络的自动矿物识别等，虽然在裸露的实验区能取得一些成果，但在植被覆盖区似乎还看不到推广应用的前景。主要原因是像元的混合和岩石光谱固有的不确定性(程程等，2004)。岩性遥感难度大，遥感信息与物化探信息特别是航空放射性信息的融合可能是遥感岩性识别研究的发展趋势之一。
不同类型岩石中放射性元素的含量和分布特征不同(武汉地质学院地球化学系，1979；刘英俊等，1984)，表8.1列出了几种主要岩石中主要天然放射性元素的含量和比值。从表中可以看出，火成岩中放射性元素的含量随着岩石酸度的增加而增加；沉积岩中细碎屑岩的放射性元素含量高于粗碎屑岩。在变质岩中，低变质程度变质岩的放射性元素含量高于深变质岩。对于花岗岩，放射性元素含量与岩石的地质年龄有关，即年龄越大，放射性元素含量越高。可见，岩石中的放射性特征可以提供很多区分岩性和地层的信息。而且岩石发生后生变化时，某些放射性元素(如钍)或放射性元素的比值相对稳定，植被对岩石放射性测量影响不大。可以说，岩石放射性信息比岩石光谱信息具有更好的甚至是诊断性的识别特征，尤其是在植被覆盖地区。
岩石的放射性信息可以通过航空物探(航空伽马能谱)获得，与航空航天或航空遥感类似，不受地表条件限制，快速、高效、经济。随着航空物探仪器精度的不断提高，完全有可能获得更详细的地表岩石放射性元素含量信息。
当然，岩石的放射性信息在岩性识别中绝不是万能的。如同遥感技术中的“同谱异质，同谱异质”，岩石的放射性信息也存在“放射性元素含量相同但岩性不同或相同岩性但放射性元素含量不同”的现象。岩石的风化和蚀变可以引起放射性元素的损失、迁移和富集，从而导致岩石放射性特征的变化。因此，利用岩石的单一放射性信息进行岩性识别或分类并不是最佳选择。
遥感信息是多元信息，包括不同波段的反射率信息，航空放射性信息也是多元信息，包括γ总量、U、Th、K含量及其比值信息，二者都具有获取速度快、成本低、信息量大、覆盖面积大的优点。从理论上可以证明，遥感和航空放射性信息的融合不仅可以充分表达岩石的光谱信息，包括其纹理和结构特征，还可以充分反映岩石的放射性特征，增强岩性的分辨能力，在地质调查和矿产评价中具有较高的应用价值。这是光(多光谱和超光谱遥感)和能量(空中放射性伽马射线光谱)的综合技术。刘德昌等(1993)在“以航空辐射测量为主要信息源的多源信息集成技术与应用”研究中，首次将航空放射性信息与遥感信息集成，即利用计算机系统、数字图像处理系统、地理信息系统和计算机辅助制图系统组成的地学信息处理系统，研制出了光谱图像中既有空间纹理信息又有放射性信息的合成图像，进而实现了以下目标。它们对航空能谱数据进行预处理，包括插值、网格化和灰度转换；(2)预处理后的航空能谱数据与遥感数据的坐标配准；③配准后的遥感和航空能谱数据在RGB下合成一系列新图像。因此，他们对连山关产铀岩体进行了划分，确定了连山关地区铀成矿构造模式，预测了有利成矿区，并展示了其良好的应用效果。
冯等(1997)研究了多源地质信息技术在铀成矿条件分析和远景预测中的应用。在对原始数据进行预处理和几何配准的基础上，以TM1，5，7作为强度I，U，Th，K作为色相H，饱和度S为常数255，从HIS空间转换到RGB空间。在该图像中，主要地层的边界清晰，线性和环形结构得到很好的反映。
表8.1不同岩石类型中K、U和Th的含量及比值
注:表中岩浆岩和沉积岩中K、U、Th含量按陈(1985)；变质岩中铀和钍的含量根据陈等(1980)。
李剑锋等人(1999)对MSS的四个波段和航空伽马能谱的四个通道的U、Th、K和total数据进行多源统计分析，计算其相关矩阵，然后取K- L变换后的前三个主成分进行RGB合成，并进行直方图均衡化，从而得到颜色丰富、岩性识别效果好的一个。
朱民强(2002)在博士论文《基于GIS的砂岩盆地铀矿多源信息综合评价技术研究》中，通过SURFER软件将网格数据转换为影像数据，再通过ERDAS图像处理软件与TM数据配准。然后，将TM数据K- L变换后的第一和第二主成分PC1和PC2与用于RGB的航空能谱U图像数据组合，组合图像为铀矿预测提供依据。
遥感与航空放射性信息集成技术的操作过程大致可以概括为以下五个步骤:
(1)预处理和几何配准两种原始数据图像。
(2)计算各波段遥感数据与航空数据之间的相关系数矩阵U，Th，K，Tc，U/Th，K/U等。
(3)对相关变量进行K- L变换、Maunsel变换或逆变换。
(4)使用K- L变换的主成分本身或其他变量进行假彩色合成和图像增强，以获得专题图像。
(5)监督分类专题影像，输出专题地图。
8.1.2象山地区遥感和航空放射性信息综合图像处理与分析
象山地区遥感数据经过多项式几何精校正和SFIM融合，航空放射性数据与遥感数据平齐校正到同一UTM (Clarke，1886)投影系统。这两类图像具备综合处理的几何配准条件。
在Erdas (8.6)软件平台上，将SFIM1，2，3，4，5，7与K，U，Th，Tc的图像进行叠加组合，计算相关系数矩阵(表8.2)。
表8.2香山地区SFIM1，2，3，4，5，7与K，U，Th，Tc数据的相关系数矩阵
从表8.2可以看出，遥感数据(SFIM1，2，3，4，5，7)各波段之间存在一定的相关性，机载数据K，U，Th，Tc之间存在较好的相关性，而遥感数据与机载数据之间相关性很小。象山地区植被发育，遥感数据包含的岩石特征信息较少，而植被和地形(纹理)信息较多，而航空数据主要反映岩性特征，这是两类信息互不相关的内在因素，也是整合两类信息的意义所在。
为了有效整合两种信息，作者采用了K- L变换方法，将多元变量分解成若干个新的信息递减的无关变量，即通过压缩数据维度，使原始信息损失最小，达到提取主题信息的目的。
表8.3香山地区SFIM1，2，3，4，5，7特征值和K，U，Th，Tc的K- L变换
K- L变换的特征值见表8.3。从表8.3可以看出，①KL1、KL2和KL3包含了总信息量的99.97%；②KL1信息量最大，主要来自Tc，KL8来自Th，KL9来自U，KL10来自K；③KL2主要体现在SFIM5信息中，但在其他波段也有体现。④KL6对SFIM5和7波段的负荷强、贡献相反，可用于提取含水矿物的异常蚀变信息。因此，KL6、KL1和KL2的RGB合成图像(图8.1)比单一的遥感或航空数据图像更具有可解释性。
在图8.1中，第四系冲积沉积物呈红色，呈线状和分支状；上白垩统南雄组红色砂岩，蓝色，浮雕状，粗脑状；下白垩统鹅湖岭组斑状熔岩，黄绿色，具中深切割块体；花岗斑岩或流纹岩英安斑岩的色调与斑状熔岩相似，但其阴影更复杂。震旦系变质岩，浅灰绿色，中浅切密羽状；加里东期或燕山早期花岗岩，黄绿色，不规则爪状山脊，树枝状水系发育良好。
此外，图8.1中也很好地显示了线环结构的图像。
与简单的遥感影像相比(见图4.1)，该影像最明显的改进是基底变质岩与基底花岗岩、火山-侵入杂岩的色调存在明显差异，提高了影像的视觉效果。虽然遥感数据的空间分辨率达到15 m，但航测数据的网格间距为300 m，大部分岩性地层边界的界定仍然不够。由于相山地区已经进行了1∶25000的岩性岩相填图，合成图像的空间分辨率远远不能满足更精细的岩性识别和蚀变信息提取的要求。只有在航空物探仪器精度明显提高的情况下，这种既能表达光谱信息又能表达能谱信息的合成图像在象山地区的应用才有实际意义。因此，作者没有对这个图像进行进一步的处理或分类。