Содержание к диссертации
Введение
1 Среднемасштабные геологические исследования с позиции дистанционного зондирования 12
1.1 Геологические задачи среднемасштабного уровня и традиционные методы их решения 12
1.1.1 Геологические задачи среднемасштабного уровня 12
1.1.2 Традиционные методы решения геологических задач среднемасштабного уровня 14
1.2 Особенности и характеристики данных дистанционного зондирования среднемасштабного уровня 18
2. Методы обработки данных дистанционного зондирования для решения геологических задач 30
2.1 Предварительные преобразования 30
2.2 Методы, основанные на линейных и статистических преобразованиях 31
2.2.1 Анализ главных компонент 31
2.2.2 Расчет индексных изображений на основе комбинаций спектральных каналов многозональных снимков 32
2.2.3 Построение классификационных изображений по многозональным снимкам 37
2.3 Методы спектрального анализа 39
2.3.1 Использование общедоступных спектральных библиотек 39
2.3.2 Метод спектрального угла 43
2.3.3 Метод «спектрального линейного фракционирования» (Spectral Unmixing) 44
2.3.4 Спектральные срезы (Spectral Slice) 45
2.3.5 Минимальная доля шума (Minimum Noise Fraction) и индекс спектральной чистоты пикселя (Pixel Purity Index) 46
3 Выбор оптимального диапазона съемки. Основные требования, предъявляемые к датчикам дистанционного зондирования, применительно к решению геологических задач 50
3.1 Особенности съемки в различных частях электромагнитного диапазона 51
3.2 Анализ поддиапазонов электромагнитного спектра применительно к геологическим исследованиям 53
3.2.1 Окна прозрачности атмосферы 53
3.2.2 Анализ первого окна прозрачности атмосферы 56
3.2.3 Анализ второго окна прозрачности атмосферы 57
3.2.4 Анализ третьего окна прозрачности атмосферы 59
3.2.5 Анализ четвертого окна прозрачности атмосферы 61
3.3 Анализ существующих спутниковых систем среднего
разрешения применительно к окнам прозрачности атмосферы 63
3.3.1 Мультиспектральные данные 63
3.3.2 Гиперспектральные данные 65
3.3.3 Многоканальные мультиспектральные данные 68
4 Практическое использование снимков ASTER и адаптация методов интерпретации данных ДЗ при решении конкретных геологических задач среднемасштабного уровня 71
4.1 Общая характеристика и особенности полигонов 71
4.2 Полигон Хову-Аксы 72
4.3 Полигон Шира 86
4.4 Полигон Харасавэй 97
4.5 Тарятский вулканический ареал 103
4.6 Уронайский рудный узел 107
4.7Полигон Олон-Обот 117
4.8 Полигон Хан-Тайшири 124
4.9 Плато Дариганга 130
5 Методика решения геологических задач среднемасштабного уровня 136
5.1 Общая структура методики обработки снимков 136
5.2. Определение участков растительности, водных объектов, снега, льда 138
5.3 Составление схемы обнаженности территории 141
5.4. Анализ обнаженных и закрытых территорий 141
5.4.1.Методика решения задачи диагностики вещественного состава 141
5.4.2. Методика определения геологических границ 144
5.4.3. Методика определения типов субстрата 146
5.5. Тематическая обработка полученных результатов 147
Заключение 149
Список используемых источников
- Традиционные методы решения геологических задач среднемасштабного уровня
- Методы, основанные на линейных и статистических преобразованиях
- Анализ поддиапазонов электромагнитного спектра применительно к геологическим исследованиям
- Полигон Хову-Аксы
Введение к работе
Актуальность работы: на современном этапе развития дистанционных методов изучения Земли на первый план выдвигается проблема создания технологий эффективного использования получаемой пространственной информации при решении широкого круга задач в области наук о Земле. Геологические исследования не стали исключением. В настоящее время, с запуском новых спутников с многозональной аппаратурой (имеющих десятки, а то и сотни каналов), стало возможным не просто дешифрировать геологические объекты, но и на основе анализа получаемого спектрального отклика в различных диапазонах, диагностировать вещественный состав объектов. Спутник TERRA с установленным на борту датчиком ASTER был запущен в 1999 году. Фактически, он пришел на смену серии спутников Landsat, не только потому, что они перестали передавать корректные данные (Landsat-7 в 2003г., Landsat-5 в ноябре 2005г.), но и в связи с тем, что возможности ASTER были значительно расширены за счет увеличения количества каналов в среднем ИК и тепловом диапазонах. При этом, для снимков ASTER применимы все методы и алгоритмы, используемые при интерпретации данных Landsat. Несмотря на то, что с момента запуска спутника TERRA прошло достаточно много времени, существует лишь ограниченное количество русскоязычных работ, основанных на материалах датчика ASTER и посвященных решению геологических задач. Это говорит о том, что пока снимки ASTER широкого распространения в России не получили. Предлагаемая работа призвана восполнить этот пробел.
Целью работы является разработка методики и адаптация методов интерпретации многозональных космических снимков ASTER для решения типовых геологических задач среднемасштабного уровня.
Основными задачами исследования являются:
определить геологические задачи среднемасштабного уровня, которые могут решаться с помощью данных дистанционного зондирования;
оценить достоинства, недостатки и возможности применения существующих методов интерпретации многозональных космических снимков для решения выделенного круга геологических задач;
адаптировать методы интерпретации многозональных космических снимков ASTER с целью решения определенных геологических задач среднемасштабного уровня;
разработать методику анализа космических снимков ASTER для решения типовых геологических задач среднемасштабного уровня.
Объектом исследования являются снимки ASTER восьми полигонов (приложение А) на территории России и Монголии: Хову-Аксы (Республика Тува), Шира (Хакасский заповедник), Харасавэй (север Западной Сибири, полуостров Ямал), Тарятский вулканический ареал (Центральная Монголия), Уронайский рудный узел (Восточное Забайкалье), Олон-Обот (южная Монголия), Хан-Тайшири (западная Монголия), плато Дариганга (юго-восток Монголии).
Научная новизна работы:
- впервые по материалам многозональных космических снимков
датчика ASTER для малоизученных районов России и Монголии решены
задачи, связанные с выявлением особенностей геологического строения
территорий, определением вещественного состава пород и определением
геологических границ.
- в результате исследования восьми полигонов разработана методика
решения перечисленных выше геологических задач, основанная на
комбинации методов спектрального анализа космических снимков,
обучающих классификаций, построении индексных изображений и
визуального дешифрирования;
- рассмотренные полигоны являются репрезентативными (типовыми) с точки зрения геоморфологических и ландшафтно-климатических условий аридных (Монголия), а также субарктических, субполярных и континентальных, характерных для Сибири. Поэтому, разработанная методика может использоваться на подобных полигонах, по всей территории России и Монголии.
Основные защищаемые научные положения:
для решения геологических задач среднемасштабного уровня по многозональным космическим снимкам ASTER целесообразно использовать разработанную методику, основанную на комбинировании методов спектрального анализа космических снимков, обучающих классификаций, построении индексных изображений и визуального дешифрирования, с привлечением дополнительной геологической информации;
наиболее информативным диапазоном данных дистанционного зондирования для анализа вещественного состава горных пород является часть среднего инфракрасного диапазона (от 1,5 до 2,6 мкм);
количество анализируемых каналов в многозональных данных дистанционного зондирования в среднем инфракрасном диапазоне должно обеспечивать выявление характерных полос поглощения и отражения объекта, что позволит на основе сравнения со спектральными библиотеками, достоверно диагностировать его вещественный состав;
для диагностики пород слабо различаемых спектрально следует применять последовательное построение частных индексов.
Фактический материал состоит из космических снимков ASTER, полученных автором через Интернет, а также предоставленных центром ERSDAC (Earth Remote Sensing Data Analysis Center) по программе ASTER ARO (AP-0238), (AP-0313), (AP-310), (AP-0321). Также были использованы цифровые модели рельефа, полученные по радарным данным SRTM (Shuttle Radar Topography Mission) с разрешением 0,000833 (90x60м); геологические
и топографические карты различных масштабов; карты природных комплексов; схемы подземной льдистости, заозеренности, растительности, геологического субстрата; эталонные спектральные библиотеки и результаты полевых исследований.
Методика исследования
При решении поставленных задач использовались следующие методы дистанционного зондирования:
визуальное дешифрирование;
статистические методы, в том числе и классификация с обучением;
методы спектрального анализа;
пороговая дискретизация;
построение индексных изображений, включая частные.
В качестве программного обеспечения использовались пакеты программ цифровой обработки информации: Leica Geosystems ERDAS Imaging 8.7., RSI ENVI 4.2., ESRI ArcView 3.2., ESRI ArcGis 9.0.
Практическая значимость результатов
Использование многозональных снимков ASTER при геологических исследованиях позволило определить вещественный состав пород, геологические границы, в том числе создать схемы разломов, реконструировать геологическое строение; решить ряд геоландшафтных задач (определение типов субстрата, растительности, выявление заснеженных участков, гидрологических объектов). Результаты, полученные в ходе работы, применены геологами в дальнейших изысканиях. Разработанная методика может быть использована при геологических исследованиях других малоизученных районов со сходными геоморфологическими и ландшафтно-климатическими условиями.
Личный вклад. В связи с тем, что исследования проводились на стыке двух наук: аэрокосмические исследования Земли и геологии, большинство публикаций по теме диссертации выполнены в соавторстве со специалистами
в области геологии. При этом всё, что связано с обработкой данных дистанционного зондирования, выполнено непосредственно автором.
В результате тематической обработки многозональных космических снимков ASTER автором разработана методика их анализа и интерпретации, позволяющая решать конкретные геологические задачи среднемасштабного уровня. Обработка включала в себя проведение классификационных операций; спектральный анализ снимков; получение индексных изображений, как общеизвестными, так и адаптированными методами; визуальное дешифрирование снимков и анализ цифровых моделей рельефа (ЦМР). Автором созданы геоинформационные базы данных для четырех полигонов, а для остальных полигонов значительно дополнены данными дистанционного зондирования; переведены в электронный вид две геологические карты.
Апробация работы: результаты диссертационной работы докладывались на международных конференциях ENVIROMIS-2002 6-12 июля 2002 года, Томск; ENVIROMIS-2004 17-25 июля 2004 года, Томск; на молодежной конференции: «Первая Сибирская международная конференция молодых ученых по наукам о Земле» 4-6 декабря 2002 года, Новосибирск; на всероссийских конференциях «Дистанционное зондирование поверхности Земли и атмосферы» 2-6 июня 2003, Иркутск; «Современные проблемы дистанционного зондирования Земли из космоса» 10-12 ноября 2003 года, Москва; на Первой Сибирской конференции пользователей программных продуктов ESRI и ERDAS 25-26 октября 2001 года, Новосибирск; на Второй Сибирской конференции пользователей программных продуктов ESRI и ERDAS с 31 марта по 1 апреля 2003 года, Новосибирск. По теме диссертационной работы опубликовано 30 научных работ.
Благодарности.
Работа выполнена в НРЦГИТ ОИГТМ СО РАН (ныне Институт геологии и минералогии) под научным руководством канд. геол.-минерал.
наук Н.Н.Добрецова, которому автор выражает свою искреннюю благодарность. Автор также благодарит канд. геол.-минерал. наук И.Д.Зольникова, канд. геол.-минерал. наук С.К.Кривоногова., канд. геол.-минерал. наук С.А.Каргополова, канд. техн. наук В.Н.Дементьева за многочисленные консультации и ценные замечания при подготовке работы. Ценные рекомендации и советы были высказаны Баскаром Рамачандраном (Bhaskar Ramachandran), специалистом из NASA, а также канд. техн. наук В.В.Егоровым, д-р физ.-мат. наук Л.М.Митником, канд. геогр. наук В.И.Горным, канд. техн. наук Л.И.Пермитиной, д-р. геол.-минерал. наук А.Г.Дмитриевым, канд. техн. наук Т.В.Кейко, д-р. техн. наук А.П. Гуком, канд. техн. наук Т.А.Широковой, канд. техн. наук Е.Н.Кулик, канд. техн. наук В.С.Коркиным, которым автор выражает искреннюю благодарность. Автор выражает признательность А.Н.Добрецову, канд. геол.-минерал. наук В.А.Ляминой, Е.А.Наумову, А.Б.Рябинину, Г.С.Дягилеву, М.С.Нагирняку, А.В.Черепанову за помощь при подготовке работы.
Традиционные методы решения геологических задач среднемасштабного уровня
Геологические карты это масштабные графическое изображение на топографической основе геологического строения какого-либо участка земной коры [17]. Они подразделяются на собственно геологические, показывающие возраст, состав горных пород и условия их залегания; инженерно-геологические карты; карты четвертичных (современных) отложений.
К геологическим картам относятся также тектонические, литолого-фациальные (карты состава осадочных пород), металлогенические, полезных ископаемых и другие. Геологическая карта среднемасштабного уровня представляет собой комплект взаимоувязанных карт геологического содержания с объяснительной запиской [18]. Составляют геологические карты при помощи геологической съемки, отбора проб и образцов пород, изучения данных бурения, а также визуального дешифрирования снимков, сделанных с самолета или космоса. Различными цветами и индексами на карте обозначают возраст пород. Исключение составляют магматические породы, где цветом обозначается состав, а возраст указывается буквенным индексом. Геологическая карта состоит из легенды, геологического разреза, стратиграфической колонки (изображение последовательности напластования горных пород), схемы использованных картографических материалов. Создание геологической карты разбивается на несколько этапов: 1) подготовительные работы, которые включают: составление проекта работ, обеспечение партии снаряжением, оборудованием, топографическими картами, материалами аэрофотосъемки, изучение фондовых материалов, изучение геологического строения по результатам предыдущих геологических исследований; 2) полевые работы обычно состоят из следующих видов работ: а) рекогносцировочные маршруты (с целью ознакомления с местностью, выявления географических особенностей); б) описание разрезов (для определения стратиграфических границ); в) геолого-съемочные работы (подразделяются на маршруты: в крест простирания, по простиранию и параллельные маршруты, которые проводятся по долинам рек, ущельям, оврагам; метод оконтуривания обнажений); г) шлиховое опробование (является эффективным методом при поиске полезных ископаемых); д) литохимическое опробование (для изучения геохимических характеристик картографируемых толщ); е) гидрохимические исследования (с целью получения необходимых данных для общей характеристики подземных вод района съемки); ж) геофизические исследования (для выявления и прослеживания контактов литологических разностей пород, геологических тел и тектонических структур на глубине); з) геоморфологические исследования; 3) камеральные работы включают в себя обработку материалов, собранных в процессе полевых исследований.
При среднемасштабном картографировании полевые наблюдения ведутся с частотой наблюдения не более 1x1 км. Таким образом, процесс создания геологических карт весьма трудоёмок и требует больших временных и денежных затрат. Однако привлечение современных данных дистанционного зондирования позволяет еще до проведения полевого сезона решить определенный круг геологических задач, что значительно облегчает проведение дальнейших полевых изысканий.
Вернувшись к общему списку геологических задач среднемасштабного уровня, можно сказать, что наиболее востребованными являются задачи определения вещественного состава и определение геологических границ. С точки зрения ДЗ, определение геологических границ, в общем случае, становится проблемой дешифрирования, а определение вещественного состава пород - задачей диагностирования.
В большинстве случаев задачи по определению собственно генезиса, возраста или структуры вещества при помощи ДЗ не решаются. В редких случаях, в основном через косвенные признаки решение таких задач возможно. Но в этом случае процесс опять сводится либо к дешифрированию, либо к диагностированию. В качестве примера можно привести случай, когда визуальное дешифрирование вулканов по снимку способствовало решению задачи, связанной с возрастом геологических образований. Так, в районе Тарят (Монголия) вулкан Хорго, являясь более молодым, имеет четко выраженный кольцевой конус, тогда, как рядом расположенные конусы более древних вулканов сильно деградированы и разрушены (по результатам полевых исследований 2005г., при непосредственном участии автора). Структуру геологических тел также не всегда можно однозначно определить по данным ДЗ. Это возможно, если строение тела прослеживается в горизонтальной плоскости. Тогда это случай, где структурные особенности геологических объектов не различимы от границ. Если же структура геологического тела меняется в вертикальном направлении, например, слои или другие элементы тела расположены друг над другом, то выявить их с помощью данных ДЗ можно, только при проявлении последних на поверхности, например, при вскрытии рельефом.
Методы, основанные на линейных и статистических преобразованиях
Анализ главных компонент (АГК) это метод, основанный на статистических подходах, при котором создаются новые координатные оси (компоненты) с направлениями, соответствующими направлениям наибольшего разброса исходных данных [15]. В типичном многозональном изображении обычно первые две или три компоненты способны описать практически всю изменчивость спектральных характеристик. Отбрасывая остальные компоненты, можно уменьшить объем данных без заметной потери информации.
Несмотря на то, что многозональная съемка началась не более четверти века назад, тем не менее, за этот срок исследователи накопили большой объем эмпирических данных [34]. Уже хорошо известно, какие соотношения яркости в различных зонах спектра соответствуют растительности, обнаженной почве, снегу, водным поверхностям, урбанизированным территориям и другим распространенным типам ландшафта. Для геологии такая информация тоже имеет значение, поскольку в большинстве случаев подобные объекты являются мешающим фактором при проведении геологических исследований. Выразив эти известные соотношения в виде комбинаций яркостей различных зон, рассчитанных по заданным формулам, можно получать так называемые индексные изображения.
Из всех существующих вегетационных индексов, наиболее распространенным является NDVI (Normalized Differential Vegetation Index) -нормализованный дифференциальный вегетационный индекс. Он показывает наличие и состояние растительности по соотношению отраженных энергий в красном и ближнем ИК диапазонах (рисунок 6). Эта зависимость основана на различных спектральных свойствах хлорофилла в этих двух спектральных поддиапазонах [36].
Обнаженная почва имеет значение NDVI около 0,025, облака 0, снег и лед "минус" 0,05, вода "минус" 0,25, искусственные материалы (бетон, асфальт) "минус" 0,5. Для растений в нормальном состоянии NDVI близок к значению 0,6. Низкое значение NDVI (около 0,3; 0,4) свидетельствует о недостатке влаги или заболевании растения. Наличие участков угнетенной растительности может быть признаком обогащения тяжелыми металлами (признак рудоперспективности) или признаком неблагоприятной экологической обстановки, поэтому NDVI является также индикатором загрязнения окружающей среды [37].
Для расчета NDVI подходят любые многозональные снимки, содержащие красный и ближний ИК-диапазоны в отдельных каналах, летнего и осеннее-весеннего периода съемки.
Так же существуют индексы MODVI (Modified Difference Vegetation Index) — модифицированный вегетационный индекс, позволяющий выделить степень смешанности насаждений, RVT (Ratio Vegetation Index) — индекс отношения растительности, GEMI (Global Environment Vegetation Index) -глобальный индекс растительности окружающей среды, PVI (Perpendicular Vegetation Index) - перпендикулярный индекс растительности, но они менее распространены [38].
Для , отделения участков воды и снега используют расчет NDSI (Normalized Difference Snow Index) - нормализованный дифференциальный индекс снега. Этот индекс полезен также для разделения снега, льда и кучевых облаков. NDSI - это относительная величина, которая характеризует различие отражательной способности снега в видимом и среднем ИК-диапазонах [39] (рисунок 7). NDSI рассчитывается следующим образом: NDSI = DN(0,52 0,60) - DN(\,55 +1,75) (2) DN(0,52 + 0,60) + ZW(1,55 + 1,75) Для снега NDSI 0,4. Для расчета NDSI подходят многозональные снимки, содержащие зеленый и средний (от 1,55 до 1,75 мкм) ИК-диапазоны в отдельных каналах (это, например, данные датчиков ASTER, ЕТМ+, Hyperion). Выбор сезона съемки зависит от поставленных задач (зимний, весеннее-осенний). 100
Кроме этого, используются специализированные геологические и почвенные индексы. Технология расчета геологических индексов, разработанная в 1997г. Робертом Винсентом позволяет сопоставлять значение яркости индексных изображений с отношением значений лабораторной спектральной кривой минерала в тех же каналах [40]. Этот метод позволил выделить, например, геохимические аномалии, связанные с близкими к поверхности рудными телами [35]. Этим способом по данным датчика Landsat ТМ был выявлен сидерит (карбонат железа). В ходе работы выяснилось, что 0,63-0,69 сидерит для отношении яркостей каналов в диапазонах длин волн 0,45-0,52 0,76-0,90 1,55-1,75 имеет значения спектральных отношений (индексы) 9, 9 и 0,63-0,69 0,76-0,90 8 соответственно. На цветном композиционном изображении RGB, с- „ 0,63-0,69 0,45-0,52 0,76-0,90 составленном из индексных изображении — —, — :— и — — 0,76-0,90 0,63-0,69 1,55-1,75 соответственно, сидерит отображается красным цветом. Для выделения почв, богатых оксидами железа, по данной технологии были обработаны снимки территории севера европейской части России в пределах рек Печоры и Колги [41]. W) Еще одним геологическим индексом является ферроалюмосиликатный, считающийся оптимальным для распознавания пород основного и ультраосновного состава (пород с низким содержанием кремнезема - S1O2) [42]. Ферроалюмосиликатный индекс рассчитывается, основываясь на знании того, что спектральные характеристики горных пород, обогащенных железом (т.е. содержащие гематит или другие минералы железа, характерные для гидротермально измененных пород), заметно различаются в разных поддиапазонах. Описанные выше геологические индексы предназначены для Ш/ выделения объектов с повышенным содержанием железа. Для дешифрирования других типов пород они не применимы.
К почвенным индексам относится RI (Redness Index) - индекс красноцветности, который позволяет определять тип почвы за счёт относительного содержания в ней оксидов железа, (основан на отражении почвы в красном и зеленом диапазоне) [43],
Для расчета индекса красноцветности и ферроалюмосиликатного индекса подходят снимки, содержащие зеленый и красный диапазоны в отдельных каналах (это данные датчиков ASTER, ЕТМ+, Hyperion) и полученные в летний ф период, в дневное время.
Получение индексных изображений на основе комбинаций спектральных каналов многозональных снимков позволяет получать плотность вероятности распространения искомых объектов, поскольку поиск ведется по их, заранее известным спектральным откликам.
Анализ поддиапазонов электромагнитного спектра применительно к геологическим исследованиям
Снимки в видимом диапазоне наиболее привычны в восприятии и понимании обычному человеку, и наиболее часто применяются для визуального дешифрирования объектов. Этот диапазон принято разделять на синий, зеленый и красный поддиапазоны (части). Особенностью использования видимого диапазона является наличие искажений в синей части из-за рассеивания излучения молекулами атмосферных газов (релеевское рассеивание), а также рассеивание и поглощение части энергии частицами влаги и пыли (воздушная дымка) [55, 15]. Тем не менее, этот поддиапазон используется для решения задач, связанных с изучением гидрологических объектов, водных осадков, прозрачности воды и ее загрязнения. Также, снимки в синей части видимого диапазона применяют для выявления дымовых факелов, отделения облаков от снега и горных пород. В зеленой части видимого спектра расположена полоса отражения растительности, что позволяет проводить визуальное дешифрирование ее здоровой, не угнетенной части [56]. Комплексное использование красного поддиапазона, в котором располагается зона поглощения хлорофилла, и ближнего инфракрасного, в котором растительность обладает максимальным отражением, позволяет более эффективно выделять зоны ее распространения (расчет NDVI). В красной части видимого диапазона многие почвы имеют характерное отражение (так называемые «красные почвы»), связанные с наличием оксида железа [57].
Следующий спектральный диапазон, представляющий интерес для дистанционного зондирования, называется инфракрасным (ИК) и простирается от 0,7 мкм до 10 мкм. Инфракрасный диапазон традиционно разделяется на три части, в зависимости от длины волны и особенностей рассеяния излучения в атмосфере. В первом (ближний ИК; 0,7 - 1,3 мкм) и во втором (средний ИК; 1,3-3,0 мкм) поддиапазоне инфракрасное излучение рассеивается почти также как в видимом, и основным источником этого излучения является Солнце. В третьей части, которая называется дальней или тепловой инфракрасной (3,0 — 103 мкм), большая часть излучения поглощается компонентами атмосферы — водяными парами, углекислым газом, но, в отличие от видимого, излучение в дальнем ИК поддиапазоне меньше рассеивается в атмосфере. Основным источником излучения в этой части диапазона является поверхность Земли [15].
Съемка в тепловом (дальнем ИК) диапазоне используется для изучения и мониторинга вулканической деятельности, изучения течений в океане, обнаружения пожаров, локализации выходов пресных вод в прибрежных зонах, изучения свойств почв, которые связаны с различной теплоотдачей (теплоемкостью) в зависимости от влажности и прочих условий.
Анализ снимков, полученных в радиодиапазоне, позволяет решать такие задачи, как выявление с высокой точностью самых незначительных поверхностных смещений, в том числе в местах, труднодоступных для полевых исследований, построение цифровых моделей рельефа, классификация территории на основе геофизических характеристик, определение динамики протаивания подземных льдов, исследование вулканических процессов, выявление геологических структур и обновление геологических карт [58].
При планировании съемки поверхности Земли учитывают такой важный фактор, как окна прозрачности атмосферы. Атмосфера поглощает и рассеивает часть проходящих через нее лучей. Эти явления избирательные и зависят от длины волны излучения. Поэтому, съемку выполняют, используя только те участки спектра, где коэффициент прозрачности атмосферы достаточно велик, т.е. в так называемых «окнах прозрачности» (отображены на рисунке 15 вверху, белым цветом).
Следует отметить, что коэффициент прозрачности атмосферы не достигает 100% ни в одном из окон, хотя атмосфера практически прозрачна в радиодиапазоне. В диапазоне от 30 до 70 мкм съемка не проводится.
Дальнейшее рассмотрение оптического диапазона будет напрямую связано с окнами прозрачности атмосферы. Это обусловлено тем, что границы деления его на поддиапазоны весьма условные, тогда как у окон прозрачности они фиксированные. На рисунке 16 внизу представлены окна прозрачности атмосферы, а вверху - эталонные спектральные кривые некоторых из наиболее распространенных пород разного типа (магматические, метаморфические и осадочные), а также растительности и воды. Последние рассматриваются как наиболее часто встречающиеся посторонние объекты, в большинстве случаев мешающие проведению геологических исследований
Из рисунка 16 видно, что в участках между окнами прозрачности спектральные кривые представленных объектов имеют явные диагностические пики. Это связано с тем, что спектральные библиотеки получены в лабораторных или полевых условиях, где свойства атмосферы никак не влияли на конечный результат.
Окно прозрачности, располагающееся в микроволновом и радиодиапазонах (0,5 мм и более 10м) в представленной работе не рассматривалось, поскольку для них съемка ведется уже другими типами датчиков (активными сенсорами), исследование которых в рамки этой работы не входило.
Полигон Хову-Аксы
В работе были использованы данные по восьми полигонам, располагающимся в пределах России и Монголии (приложение Б). При выборе полигонов автор руководствовался следующими принципами. Во-первых, на этих полигонах должны решаться конкретные задачи, стоящие перед ЩІ геологами-исследователями. Во-вторых, полигоны должны быть достаточно типовыми по климатическим, ландшафтным характеристикам и рельефу. Природная характеристика тестовых полигонов представлена в таблице 9. Основными задачами, поставленными геологами, были: определение вещественного состава горных пород, определение геологических границ и построение соответствующих схем. Как было уже выше сказано специфика построения геологических схем по данным дистанционного зондирования несколько иная, чем топографических. Так, для геологов принципиально важно было определение на изучаемой территории не просто типов пород, а ф геологических тел, сложенных различными комплексами пород.
При решении задачи выделения геологических границ приоритетным является выявление литологических неоднородностей (пород с различным составом и структурой) и границ раздела между ними, определение конфигурации и морфологии границ, и их пространственная привязка. Следует также заметить, что геологические схемы строились лишь по данным дистанционного зондирования с выборочной проверкой в полевых условиях. Ш Главное отличие созданных геологических схем от геологических карт, построенных с учетом ГОСТов, состоит в том, что геологические карты создаются на основе непосредственной локализации геологических границ на местности, путём прослеживания, либо пересечения полевыми маршрутами (см. раздел 1.1.2).
Для всех тестовых полигонов были созданы ГИС-проекты. Это позволило комплексировать данные ДЗ, геологическую, топографическую информацию, а также другие типы данных, такие как полевые наблюдения, фондовые материалы, результаты анализа проб и пр.
Первым полигоном по разработке методики интерпретации многозональных снимков при решении геологических задач был район Хову-Аксы. Здесь космические снимки использовались для решения следующих задач: 1) определение степени обнаженности / задернованности территории; 2) определение вещественного состава горных пород; 3) обнаружение разломных зон территории Полигон расположен в пределах Тандынского и Тесхемского районов Республики Тува (приложение Б). В геологическом строении района участвуют разновозрастные образования (рисунок 19).
Аляскитовые граниты y_D1 Лейкократовые микрографические граниты v_Pz1 Габбро-диабазы и габбро-диориты S Силлурийские отложения песчаникаи алевролиты известняки Щ Q3 4 Лелювиально-п )ол ювиальные отложения g 03 Аллювиальные пески галечники валунники и озерные отложения Щ J2er Конгломераты, песчаники, алевролиты и аргиллиты Щ D Девонские отложения песчаники алевролиты и известняки Щ Сгг 1_2 Нерасчлененные отложения нижнего и среднего кембрия В Cm кембрийские отложения
Наиболее древними толщами являются эффузивно-осадочные отложения кембрийского периода. На кембрийских толщах с перерывом залегают более молодые, осадочные, главным образом, тонкообломочные морские отложения силура. Юрские отложения залегают на всех более древних образованиях. Известны в районе отложения неогена, широко развиты четвертичные образования. Интрузивные породы (образованы магмой, не достигшей JT/ поверхности, и медленно остывшей в толще Земли) наиболее широко распространены на этом полигоне. Они представлены широкой гаммой пород от оливиновых габбро до гранитов. На геологической карте в составе интрузий выделяются граниты, плагиограниты, гранодиориты, диориты, габбро.
В работе использовались снимки ASTER, полученные в дневное время, а также геологическая карта масштаба 1:200 000. Время получения снимков составляет 05:02:29 (по Гринвичу), 26 мая 2001г, облачность - 1 %. Определение степени обнаженности / задернованностн территории. Ф Одна из первых задач, которая решалась на полигоне Хову-Аксы, это разделение обнаженных и покрытых растительностью территорий. Как было уже сказано, с точки зрения геологии, задернованные участки не несут какой-либо значимой информации и поэтому могут быть исключены из дальнейшего анализа.
Похожие диссертации на Использование многозональных космических снимков при среднемасштабных геологических исследованиях на примере тестовых полигонов Сибири и Монголии
