研究区位于云南省西南边境西双版纳州勐海县和普洱市澜沧县境内,西南侧与缅甸接壤,地理坐标在N22°00'~22°20',E99°45'~100°15'之间。该区地处横断山系纵谷南段、怒江山脉向南延伸的余脉部分,区内山岭纵横交错,地形复杂,植被茂密,并分布有小范围原始森林。在这种热带雨林覆盖区进行野外地质调查难度很大,利用遥感技术辅助填图则可较好地降低野外工作强度,增强工作预见性,提高填图效率。

目前,国内针对遥感地质填图方面的研究,多集中在植被覆盖少、岩石裸露率高的西北干旱地区,并已探索出了一些较成熟的方法^[1,2,3,4],而在西南高植被覆盖区开展遥感填图方法的研究还相对较少。现有研究成果主要可分为2个方面: 其一,利用ETM+(TM)或高光谱数据采用合适的样本进行监督分类,通过计算机自动提取岩类信息。陈圣波等^[5]利用Hyperion高光谱数据采用一定的数学方法分离出植被和岩石-土壤组分,并将野外实测光谱作为参考光谱,进行光谱特征拟合,进而识别出不同岩石类型; 刘灿等^[6]通过利用覆盖区内已有的地质资料建立高精度的训练区,并选择最大似然法进行监督分类,取得了较高的分类精度。其二,通过数据融合、比值分析和波段组合等影像处理方法增强地质信息,并进行目视解译。刘刚等^[7]通过遥感数据类型选择、影像处理和遥感解译等方面进行东北森林覆盖区遥感地质调查; 刘超群等^[8]总结了南方覆盖区遥感岩性识别的关键因素,包括消除表层土壤和植被的影响,直接提取岩性信息,或者通过研究土壤、植被与岩性的关联,达到识别岩性的目的,并认为高空间分辨率、高光谱分辨率和雷达遥感将成为植被覆盖区地质信息提取的发展趋势。

由于研究区处于我国西南热带雨林区,气候湿润多雨,土壤植被发育、基岩出露少,利用单一的遥感数据源,或者进行常规的计算机自动提取地质信息,精度低、局限性大。因此,本研究针对区内高植被覆盖的特点,从数据源选择和解译方法等方面来最大限度地降低高植被覆盖对遥感解译的干扰。在数据源选择方面,受热带雨林覆盖影响,区内基岩与土壤断续出露、不连续且出露范围较窄,利用一般中低空间分辨率遥感数据难于识别,而采用高空间分辨率遥感数据则能较好地揭示地质体的局部细节信息; 同时雷达遥感数据还能在一定程度上消除植被影响、突出形态特征信息。一般遥感影像为平面视图,难以突出地形、地貌特征; 利用三维高程渲染图不仅可从多角度立体显示地形起伏和山体的基本形态(如山脊、沟谷、鞍部等),提高遥感影像对地貌形态的可读性,还可以不考虑地表植被覆盖的影响,专注形态信息,有助于地质信息提取尤其是构造分析^[9]。在解译方法方面,通过采用以上多源数据,利用土壤与下伏基岩的关联性、地形地貌与地质体的关联性和人类工程活动与岩性的关联性等特点,总结出研究区内各地质体在色调、形态、影纹、地貌和人类工程活动等方面的解译标志,有助于植被覆盖区地质信息的提取,进而有助于热带雨林覆盖区遥感地质解译和地质填图。

研究区属热带山地季风气候区,温湿多雨; 在地貌上位于横断山系南部,属中高山区,河谷深切,地形复杂、相对高差大; 表层土壤厚、植被发育、岩石裸露率低,根据采用ETM+遥感数据提取的植被信息,研究区植被覆盖度高达53.65%,因而造成岩石光谱信息与植被、土壤光谱信息混合,难于通过基岩的光谱反射特征直接进行解译区分。

研究区属于西藏—三江造山系,横跨怒江—昌宁—孟连结合带之澜沧俯冲增生杂岩和扬子西缘多岛-弧-盆系之碧罗雪山—临沧陆缘弧带。区内地层缺失较多,仅出露中元古界(澜沧岩群)、泥盆系—石炭系、侏罗系、白垩系、新近系及第四系,各地层接触关系及层序清晰。晚古生代—三叠纪是该区火山岩活动最强烈的时期,二叠纪—三叠纪花岗岩分布于该区东部; 三叠纪后海相沉积基本消失,侏罗系、白垩系以红色碎屑沉积为主,第四系沉积类型多样,山间小盆地堆积、河流阶地广泛发育。地质构造较复杂,褶皱、断裂发育,断裂以NW向为主,并被NE向断裂切割改造^[10]。

由于成像原理、相机参数等不同,不同的卫星遥感数据具有不同的空间分辨率、光谱分辨率等地物细节展示特性,对同一地物的反映也存在着较大的差异。对于地质体的解译,单一遥感数据源难以满足要求,需根据解译对象、调查尺度的差异选用合适的遥感数据组合,在不同尺度下对地质体进行解译^[11,12,13]。本文结合研究区热带雨林地貌景观区特点、解译地质内容以及前人研究成果和经验等综合考虑,采用SPOT6,Sentinel-1以及Landsat系列OLI和ETM+等多种遥感影像做为解译数据源(表1); 同时利用1∶5万地形图生成数字高程模型(digital elevation model,DEM)数据,并制作出三维高程渲染图辅助解译。

对Landsat系列OLI和ETM+数据,利用影像覆盖面积大、色调信息丰富等特点,对研究区及周边大范围进行中小尺度的遥感地质宏观解译,如所处大地构造遥感特征分析。该数据每景覆盖范围大,为34 225 km²,同时具有数据易获取且不同时相数据多等特点,数据预处理包括常规的大气校正、几何纠正、镶嵌和融合等。

对SPOT6数据,利用其高空间分辨率特征进行详细遥感解译,尤其是局部地层岩性解译。该数据共有5个波段,其全色波段空间分辨率为1.5 m,每景覆盖范围为3 600 km²。研究区共涉及3景SPOT6数据。数据预处理包括正射校正、融合和无缝镶嵌等,并采用B3(R),B2(G),B1(B)波段组合生成空间分辨率为1.5 m的真彩色融合影像。

对Sentinel-1数据,利用雷达数据具有一定的穿透性及形态探测能力,辅助进行地质体尤其是构造的解译。本文采用的Sentinel-1数据为C波段合成孔径雷达数据,参数特征如下: 成像模式为侧视成像,入射角为39.327°,极化方式为VV和VH。对雷达数据处理的方法不同于光学影像,根据传感器工作模式、成像机理,进行相应的数据处理,包括多视处理、单影像滤波、地理编码和地理定标等,获取研究区各地质体后向散射系数灰度图。

对三维高程渲染图,利用其形态结构信息丰富的特点进行辅助解译。基于等高线数据,通过ArcGIS软件三维分析模块制作出DEM栅格图及山体阴影图,并通过对DEM图层设置一定的透明度(本文采用30%透明度),叠加于山体阴影图之上,制作出研究区三维高程渲染图。

对于遥感地质填图,岩性和地质构造识别是遥感地质解译的基础,其他地质解译都是在这两者的基础上进行的。因此,分别从色调、形态、地貌和人类工程活动等4个方面阐述岩性和构造在植被覆盖区的解译标志。

在基岩裸露区,不同类型的岩石,由于其组成矿物大小、颜色等差异,具有不同的光谱反射特征,进而引起遥感影像中表现出不同明暗、不同颜色、不同色调饱和度等特征,是识别岩石类型的重要标志。在热带雨林覆盖区,色调差异更多是反映地表覆盖植被、土壤类型及其混合体的差异。

对于植被与下伏基岩的关联性,根据不同遥感影像上,植被、土壤在色调、纹理方面的差异,间接推断出其植被覆盖下的岩石类型。如区内的白云岩,因风化土层薄,大多仅十几cm厚,地表植被难于承载大型树种,多以灌木林为主,偶有乔木。ETM+ B7(R),B4(G),B1(B)波段假彩色合成影像上植被色调偏浅绿,相比周边碎屑岩分布区植被色调更淡。SPOT6高空间分辨率影像上,白云岩覆盖区域为植被、土壤和基岩混合色调信息,对比周边碎屑岩类密集的绿色区域,色调差异大。同时在研究中,采集了不同岩石覆盖区域地表植被信息,包括植被反射光谱信息、生长信息(种类、海拔等),对遥感数据中植被的光谱曲线与实际光谱曲线进行拟合,建立植被光谱特征与相应岩石的关联关系,以获取植被下伏岩石的类型信息。

对于土壤与下伏基岩的关联性,由于不同基岩风化产生的土壤形成不同的色调,通过SPOT6高空间分辨率卫星数据,能对这些零散出露的土壤颜色进行很好地区分。如研究区内的临沧花岗岩体,其岩性主要为二长花岗岩、花岗斑岩,其组成矿物斜长石、云母多强风化成高岭土或黏土,颜色多为灰白色,在遥感影像中多呈灰白、灰黄色; 而侏罗系花开左组(J₂h)岩性多为灰紫色砂砾岩、砂岩、粉砂岩、泥岩等,风化后形成的土壤呈紫红色,在影像中的色调与花岗岩差异大(图1),较易区分。

对于松散沉积物含量较多的第四系,其主要反映含水差异,如该区第四系沉积物的含水地段,因水体的反射率总体上比较低,从而在全色波段影像中相比其他地质体色调较深; 同时水体的反射率随着波长的增大逐渐降低,从而含水地段在ETM+ B7(R),B4(G),B1(B)假彩色合成影像中色调偏向于波长较短的B1波段,呈偏蓝色(图2)。

对于断裂构造,可利用Landsat数据波段多、色调信息丰富的优势进行解译,在影像中表现为不同色调的界面呈直线状展布,或色调差异沿狭长线状或带状分布。直线状色调异常的清晰程度与断裂切割深度、断裂强弱有关,直线状色调异常弱可能是断裂埋藏深、活动弱的表现。

不同性质地质体具有不同的形态特征。形态特征既是地质体物理化学特性的综合反映,也是地质体抗风化、抗剥蚀能力的具体表现。地质体形态包括整体形态和局部地质体形态。整体形态为地质体在区内整体的展布特点,中低空间分辨率遥感数据可宏观展现地质体的分布形态。如区内花岗岩侵入体多呈圆形、椭圆形、透镜状、肾状分布; 沉积岩多呈层状、条带状分布,带状纹理结构是其典型的解译标志,可在较大范围内呈条带状延伸。局部形态则在大比例尺度下反映地质体的细节形态,如在SPOT6高空间分辨率影像中,研究区内南段组(DCn)地层因岩性多为粗细相间的韵律层序,在影像中可见清晰的层理条纹或条带线; 同时因其地层产状多呈中等倾斜,在影像中表现出一系列“三角形”沿走向分布,根据岩层三角面可识别其产状(图3)。

对于断裂,根据不同性质其表现出的整体形态特征也不一样,压性断层多表现为舒缓波状的形态特征; 张性断层多表现出锯齿状形态特征; 扭性断层多表现出平直光滑的线性特征。为消除地表覆盖干扰因素,采用三维高程渲染图和雷达数据消除地表高植被覆盖的影响,直接通过形态信息反映相应的地质体; 同时三维数据增加了山体的立体感,对断裂在山区表现的细节形态特征有较强的视觉效果,如区内断裂发育处往往表现出一连串呈线状排列的负地形,通过山的垭口处也表现出线性特征(图4)。

在Sentinel-1 VV极化雷达影像中,发展河断裂(F₃)表现为线性异常特征,断裂两侧影纹为山体结构造成的树枝状影纹; 断裂通过处多为河谷、第四系松散沉积物,后向散射系数低,表现出光滑的带状影纹(图5)。

在解译过程中,同时通过相关三维软件如Skyline和ArcScene等,将不同种类遥感影像、不同波段组合与三维高程模型相叠加,建立多种三维可视化遥感地面模型,从不同角度、不同尺度、不同地表纹理展示区内不同地质体的形态特征,提高地质解译精度。

不同岩性由于组成成分及内部结构不同,在物理和化学性质上存在差异,从而形成了各种各样的地形地貌^[8]。地貌形态包括山脊形态、水系类型、水系密度和植被覆盖程度等。本文利用不同遥感数据源在不同尺度下对地貌形态进行解译,从而间接关联下伏的地质体。如区内惠民岩组(Pt₂h.)变质岩类,其原岩多为泥页岩、基性岩等,较易风化剥蚀,常形成低矮浑圆、波状起伏的丘岗,地形平缓; 由于透水性差,地表径流发育,常呈密集树枝状水系,横断面呈“U”形。而花开左组(J₂h)底部岩性以砂岩夹砾岩为主,硬度较大,耐风化程度相对较强,在影像中表面粗糙,山势较陡,脊线明显,冲沟横断面一般为“V”形; 节理发育,对水系控制作用明显,水系密度较泥岩小,水系类型以树枝状-格状水系为主; 且研究区内花开左组(J₂h)多呈不整合覆盖于惠民岩组(Pt₂h.)变质岩之上,因此在地势上比惠民岩组(Pt₂h.)更高; 同时花开左组(J₂h)底部多为砂砾岩,相对难风化,在影像中两者界线则多为地势转变部位,能较好地圈定其界线(图6)。

区内花岗岩类地貌形态多为低山丘陵,局部为中高山,山脊圆滑,水系发育,多呈树枝状及放射状等,冲沟为“U”型谷。碳酸盐岩中岩溶地貌发育,孤峰石林及溶洞普遍存在,在影像中呈孤立的圆泡状形态排列。

断裂构造在区域内表现出不同地貌单元分界线呈线状展布、河谷或冲沟异常平直、河谷或山脊呈直线状延伸或被切断等特征。

人类工程活动包括居民点、耕地和矿业活动等人类活动。人类活动和产业活动与地形地貌关系密切,而地形地貌又是地质体的外在表现,与岩石地层、构造分布有紧密联系。区内第四系分布区地势较低,地形平坦,土壤肥沃,便于农耕,人工活动形迹明显,居民点密布,道路纵横交错; 而山区尤其是岩性难于风化而形成的陡峭区域,人类活动受限制而分布较少。

区内矿业活动同岩石地层、构造分布关系密切,因此可通过对矿业活动的解译来间接提取所在岩石地层与构造信息。区内采石场多分布于花岗岩、碳酸盐岩区域,煤矿产于三营组(N₂s)碎屑岩中,铁矿多分布于惠民岩组(Pt₂h.)地层中,受地层控制明显; 金矿受深断裂带及热液活动影响,多产于临沧花岗岩体以西NW向断裂与NE向次级线性构造交汇部位上。对于露天开采的非金属矿、金属矿或能源矿,通过高空间分辨率遥感影像可解译出开采面、中转场地和厂房等设施。如区内某金矿(图7),解译出的露天采场多呈梯形或椭圆形,无植被覆盖,采矿专用道路沿采场呈阶梯状分布,且采场周边植被发育较好,两者影像特征差异明显。

根据以上建立的植被覆盖区各地质体的解译标志,结合野外调查情况,本研究进行了详细的遥感解译,取得了较好的效果。主要解译成果如下:

1)在岩石地层方面,较好地解译出区内华力西晚期花岗岩、第四系松散沉积物、侏罗系与白垩系红层、晚古生界碎屑岩、澜沧岩群变质岩之间的界线; 并根据地质填图单元,分析总结了区内各地层与岩浆岩的遥感影像特征、可解译程度及岩石地层分布情况等。

2)在构造方面,利用中低空间分辨率遥感数据对研究区及周边所处的大地构造背景进行解译和认定,搭建了构造格架,并解译出区内主要线性断裂构造; 同时根据岩层三角面,获取了大量的地层产状数据。

3)利用高空间分辨率遥感影像解译出区内所有露天开采矿山的相关信息,尤其是对开采面的解译,为矿山地质调查提供了实时性的基础资料。

4)将解译成果与以往地质资料进行对比分析,对有差异的地段进行了重点解译和野外验证,修改和补充部分地质界线,从而提高了遥感地质解译成果的实用性和可靠性。

1)对于植被覆盖区地质填图中遥感数据源的选择,除常规Landsat系列卫星数据外,能较好识别与提取覆盖区中出露的小范围地质体的高空间分辨率遥感数据,能消除植被影响、突出形态信息的三维高程渲染图与雷达数据,都是较为理想的数据源。

2)在植被覆盖区能够直接提取的地质信息较少,更多的是利用与不同岩性相关联的土壤、植被、水系、地形地貌和人类工程活动等间接解译标志进行识别,如植被和土壤与下伏基岩的关联性、人类工程活动与岩性的关联性等,都能在一定程度上获取更多的地质信息。

但是,在植被覆盖区进行遥感地质解译,利用计算机自动提取地质信息的程度还相对较低,以人工目视解译为主,多与解译者的资料掌握情况、地质情况熟悉程度和解译经验等密切相关; 而且提取的地质信息较为零散、模糊,不利于快速全面地获取地质信息,如何突破这一瓶颈制约,仍需不懈的努力。