?

引 言

早期僅靠地面油氣顯示來勘探油氣藏的方法已逐步被地質方法所代替.隨著科學技術的發展和尋找復雜油氣藏的需要，地震、油氣化探和衛星遙感方法被逐步引入油氣勘探工作中。而高光譜遙感技術的發展，把遙感的油氣勘探應用推向更高、更有效、定量化的應用層次。本文此次研究是利用高光譜遙感圖像，對×?×地區烴類微滲漏造成的遙感異常信息進行提取，運用文中使用的特征提取算法以及所設計的分類系統，作為天然氣綜合勘探方法中的重要一環，可為實現該地區天然氣蝕變異常區的圈定、進而確定地下天然氣富集、最終為天然氣勘探，提供新的重要的參考依據。

高光譜遙感成像示意

1數據預處理

在對數據進行分析和處理之前，為了真實地反映地貌信息，預處理過程必不可少。文中進行了如圖1所示的各項預處理工作。首先對Level?1B數據進行絕對輻射率轉換，VNIR波段除以40.0，SWIR波段除以80.0。由于高光譜傳感器個別通道存在壞的探測元，導致其對應的采樣像素列不響應，DN(DigitalNumber)值為零。對這些死像素列(壞線)，采用光譜線性插值的方法實現校正。光譜儀系統中每一行的各CCD光譜響應不一致，導致在每個譜段上出現了豎的條紋，即列向條帶噪聲。文中采用二次多項式擬合的方法去除條帶噪聲。針對高光譜在SWIR波段范圍內的低信噪比，文中采用了小波域小波強制消噪方法去除圖像隨機噪聲。輻射校正則采用ENVI模塊FLAASH?4.1大氣輻射校正軟件包處理完成。

圖1??預處理

2油氣特征提取與分類方法

2.1?基于小波PCA的特征提取方法

遙感反射率?Rrs=Lw/Ed(0+)?，?即對水體的遙感反射率的計算必須要測量水體的離水輻亮度?Lw與水體表面?入射輻照度?Ed(0+)?。

針對×?×地區地表油氣信息微弱、高光譜數據的空間分辨力不夠高、SWIR波段信噪比較低等因素，一種有效的特征提取算法就極為重要，也是研究工作的難點。一些傳統的特征提取算法經試用后效果甚微。文中采用了基于小波PCA的改進型特征提取方法，它充分結合了小波分解以及主成分分析的優勢，能夠有效地提取微弱信息。主成分分析(PCA)能利用譜段之間的相互關系，在盡可能地不丟失信息的同時，除去譜段間多余信息，將多譜段的圖像信息壓縮到少數幾個譜段而仍能保持有效性。

圖2　基于小波PCA的特征提取流程

另一方面，小波變換能在光譜域內針對每一個像元進行數據降維。它不僅可以減少數據量，同時也能保留光譜信號中的差別，使典型光譜中的峰谷信息保留下來，這對大多數基于像元運算的分類器很有優勢。由于小波分解是作用于每一個像元的，所以，在空間域內基于小波的降維不能很好區分相鄰像元間的不同類。而PCA則能彌補這一不足，它能提供更多的不同類在相鄰像元間的局部空間信息。因此，由小波分解和PCA結合而成的特征提取算法，有助于更好地進行地物分類，提取烴類微滲漏蝕變特征。此算法的具體流程如圖2所示。

2.2?分類系統設計

在高光譜分類中，實際感興趣的地物，如農作物、森林覆蓋、自然植被、礦物以及城區中的感興趣地物都是以多種狀態存在的，并在不同的光照條件下獲取，呈現出相當大的統計可變性。因此用單一的平均光譜或典型地物光譜響應不足以表征這些地物，而應該用一族響應來表征。量化地表征這一族響應的最有力、并有多種用途的方法之一就是將每個響應用多元概率密度函數建模，從而可以采用統計模式識別方法對樣本進行分類。監督訓練與非監督訓練是互為補充的。前者將分析員對該區域的知識施加于分析中以約束其結果，而后者則根據該地區所代表的地物輻射特性(譜特性)的相似性和相異性來分類，不受關于該區域外部知識的約束.本文結合兩者的優點，運用K-Mean聚類法/最大似然法混合訓練策略，采用粗分→細分→精分思想，完成對天然氣蝕變異常區的分類.具體分類過程如圖3所示。

圖3　天然氣特征區分類系統流程

3結果分析

3.1?實驗結果分析

遙感反射率?Rrs=Lw/Ed(0+)?，?即對水體的遙感反射率的計算必須要測量水體的離水輻亮度?Lw與水體表面?入射輻照度?Ed(0+)?。

研究區內富含石英、石鹽、方解石、白云石、鉀長石、斜長石、文石、石膏以及和一些粘土礦物，如蒙脫石、伊利石、高嶺石和綠泥石等。根據其巖性特點，結合上述這些粘土礦物的光譜特征，可分析出含Al-OH基團礦物(如高嶺石、蒙脫石、伊利石)的特征譜段是2.16～?2.24μm，含Mg-OH基團礦物(如綠泥石)的特征譜段是2.30～?2.40μm。根據以上特征譜段，我們研究的目標數據是B?180～B?224，共45個譜段，其對應的譜段范圍為1.951～?2.395μm。特征提取時保留前5個主成分作為特征圖像，用于后續分類過程.在完成分類之后，我們對8景天然氣蝕變異常區分類圖進行了幾何校正及鑲嵌處理，以同一經緯度的ASTER數據為底圖，輸出完整的×?×地區天然氣蝕變異常區分類圖，如圖4所示(紅點即為天然氣特征點，用淺藍色標識出蝕變異常區，分別用字母表示)。

圖4　×?×地區天然氣特征區分類圖

3.2?地質解譯

遙感反射率?Rrs=Lw/Ed(0+)?，?即對水體的遙感反射率的計算必須要測量水體的離水輻亮度?Lw與水體表面?入射輻照度?Ed(0+)?。

工作區主要為第四系內部構造。該區已有2個探明氣田，儲量較大，即一號、二號氣田(圖4中藍圈所示)，它們屬于背斜式構造，目前已在進行天然氣的鉆井開采工作。從圖4可觀察到，特征點在B、C區域密度很大，與已在進行生產的一號、二號氣田吻合得非常好。在圖4的西北角有蝕變異常區A顯示。分析地質資料，可發現此位置是屬于構造巖性異常體，儲量較一號、二號氣田小。西南角也有蝕變異常區D顯示，可用第四系沉積相來解釋。

地質資料表明，南部區域屬于第四系淺-較深湖相，是生氣區。西南角從新第三紀開始就已是生氣區，南部從第四紀開始才為生氣區，故而西南角相對密集。蝕變異常區E目前沒有準確的地質資料，所以無法對其進行準確分析，需要后期采用地震、物化探測等其他勘探手段去驗證。該地區所得到的地物分類結果，與本研究開展的地面同步測量及其他地質資料(包括付出極高的經濟、人力、時間代價所獲得的地震法等地質結構分析資料)具有很高的復合程度，表現了十分優良的分類精度；后期根據綜合結果在該地區若干鉆井，均有天然氣發現。說明此方法對資源勘探起到了重要的作用，在經濟性、有效性、快速性、大面積普查可能性等方面具有突出的優勢，未來有巨大的發展空間。

4總?結

運用上述特征提取及分類系統，利用高光譜數據，基本實現了×?×地區天然氣蝕變異常區的分類。根據該地區的地質資料可知，具有異常顯示的區域與該地區氣藏形成條件相吻合。文中采用的基于小波PCA的特征提取方法，有效地提取了該地區地表微弱的天然氣蝕變特征。在分類時，文中采用的非監督/監督分類混合訓練策略，有效地將干擾地物區分開，實現了天然氣蝕變異常區的聚類。油氣勘探歷來是一門地球物理、地球化學、石油地質學等學科綜合應用的科學。高光譜遙感作為一項新世紀以來逐漸走向實用的新技術，可以在眾多業已成熟的油氣勘探技術中，作為新的一員，充分發揮自己的能量。

審核編輯：符乾江