典型地物光谱空间结构特征与基本统计参数分析

王冬寅，朱谷昌，张远飞

(1.中南大学，长沙 410083;2.有色金属矿产地质调查中心，北京 100012;3.中色地科矿产勘查股份有限公司，北京 100012)

典型地物光谱空间结构特征与基本统计参数分析

王冬寅1，2，朱谷昌1，3，张远飞2

(1.中南大学，长沙 410083;2.有色金属矿产地质调查中心，北京 100012;3.中色地科矿产勘查股份有限公司，北京 100012)

分别从光谱曲线及光谱特征空间入手，对内蒙古突泉与青海同仁研究区野外实测岩石、土壤和植被等3类典型地物的光谱数据进行了分析，发现研究区无论在光谱曲线空间，还是在光谱特征空间，同类地物的分布形态基本一致，而不同之处是由不同地区的地质地貌、生态环境与气候因素决定的，但不影响其空间分布形态的整体特征。通过分析与实验，发现了几种能够在光谱特征空间对上述3类特征地物进行较好区分的波段组合，可以利用这几种波段组合指导根据遥感图像生成的二维散点图对这3类地物的分类，有助于改进遥感蚀变信息提取方法。

光谱数据分析;光谱空间结构;二维散点图;统计参数;蚀变信息提取

0 引言

目前，常用的遥感蚀变异常信息提取方法主要为“比值+主成分分析法”，但该方法采用的处理流程和分析手段相对固定，适用地区有限，而且会出现假异常现象［1－2］。近10 a来，人们开始注重利用地物光谱特征分析来指导遥感矿化蚀变信息提取［3－4］。例如: 张远飞等［5－6］从遥感高(多)光谱数据的基本统计特征出发，研究图像数据的背景与异常的关系，并对高(多)光谱图像数据点阵分布的空间几何结构进行了深入研究，提出了针对遥感图像多元数据特征的背景－异常模型，进而上升为“遥感蚀变信息多层次分离技术模型”;高建阳［7］基于特征谱带的光谱微分及完全波形特征的光谱匹配等遥感矿物识别方法对高植被覆盖区的岩矿信息提取技术进行了探讨;余健等［8］基于ASTER图像可见光、近红外(VNIR)—短波红外(SWIR)谱带的特征光谱分析，采用相对波段吸收深度方法对蚀变信息进行增强处理，在赞比亚谦比希铜矿区取得了较好的地质效果。但在目前常用的利用地物光谱特征分析来指导遥感矿化蚀变信息提取的方法中，基于光谱特征空间分析的研究并不多。虽然2010年李红等［9］在光谱特征空间中对典型地物点阵的分布形态及其空间分布关系进行了分析总结，但其所研究的区域仅限于中等植被覆盖的矿物蚀变地区，并没有对多种景观地区的典型地物在光谱特征空间的分布情况进行对比分析。本文在前人研究成果的基础上，对内蒙古突泉县－扎鲁特旗及青海省黄南州同仁－泽库地区岩石、土壤和植被等典型地物的野外实测光谱进行了研究，从二维散点图和光谱特征空间基本统计参数的角度分析这2个研究区典型地物的共性与区别;并试图找出能够在光谱特征空间区分上述3类典型地物的波段组合，以指导去除遥感图像中干扰遥感蚀变信息提取的地物信息。

1 研究区概况与光谱数据采集

1.1 研究区概况

本文选择内蒙古突泉县－扎鲁特旗(以下简称内蒙古突泉地区)及青海省黄南州同仁－泽库地区(以下简称青海同仁地区)作为研究区域，研究区内既有植被和土壤，又有裸岩，有利于研究植被、土壤和蚀变岩石这3者的关系。

内蒙古突泉地区位于大兴安岭东南麓与松嫩平原过渡地带，为波状起伏的低缓丘陵植被覆盖区，海拔一般为400～600 m，属大陆型寒温带季风气候，水系不发育。山包上植被不发育，主要由草本植物、灌木及乔木这3类植物组成;土壤颜色为浅黄色;岩石露头断续可见，主要岩石有花岗岩、熔岩、砂岩、斑岩等;该地区位于突泉－科尔沁右翼中旗－扎鲁特旗铜、铅、锌、银多金属成矿带上，矿床类型主要有矽卡岩型、脉状热液型及斑岩型。

青海同仁地区属于青藏高原东北部的高寒山地地区，海拔一般在3600～4500 m，最高海拔达5000 m以上，属高原性气候，干寒、多风、温差变化大，沟谷河流较发育。区内植被主要为草本植物;土壤富含有机质，颜色较深，接近黑色;主要岩石有砂岩、闪长岩、灰岩、大理岩等;该地区矿种丰富多样，已探明矿种有铜、铅、锌、金、银、砷、锑、钨、钼、锡、钴等，矿产类型多为与中酸性侵入岩及次火山岩有关的热液(脉)型、矽卡岩型和叠加改造型。

1.2 光谱数据采集

本文的野外光谱测试使用的是美国SVC(spectra vista corporation)公司生产的GER 2600便携式光谱仪，其光谱响应范围为350～2500 nm，光谱分辨率在350～1050 nm范围内为1.5 nm，在1050～2500 nm范围内为11.5 nm，视场角为3°。考虑到仪器精度和大气等因素的影响，本文研究的光谱区间设定在400～2550 nm范围内。

由于在室外进行光谱测试受大气、水气和其他因素影响非常严重，研究中使用的所有岩石、土壤以及植被样本数据，均为在野外测试点采集样品后在室内进行光谱测试获得的数据。内蒙古突泉地区的数据为2008年7月和2010年7月2次野外实测数据的集合;青海同仁地区的数据为2009年8月的野外实测数据。数据样本采集数量及分布情况如表1所示。

表1 光谱数据样本数统计Tab.1 Sample statistics of spectral data (个)

2 光谱特征与空间结构分析

2.1 光谱特征分析

分别选取内蒙古突泉的西巴彦花地区及青海同仁的曲龙地区的光谱数据(图1)，采用文献［9］的研究方法，对植被、土壤及岩石的光谱曲线特征进行对比分析(表2)。

可以看出，2个地区的同类地物反射光谱曲线形态基本一致，存在的不同之处是由不同地区的生态环境、气候因素与地质条件决定的，但不影响各类地物反射光谱曲线的整体特征。

图1 典型地物反射光谱曲线Fig.1 Spectral reflectance curves of typical objects

表2 内蒙古西巴彦花与青海曲龙地区典型地物光谱曲线特征对比Tab.2 Comparing spectral curve characters of typical objects in Xibayanhua of Inner Mongolia and Qulong of Qinghai

续表

2.2 光谱特征空间结构分析

光谱特征空间是假设多光谱图像有n个波段，则每个像元在各波段的灰度值将构成一个向量，用X=(x1，x2，……，xn)T表示，xi为像元的向量值，包含所有X的n维空间称为“光谱特征空间”［13－14］。

由于光谱曲线空间表达的是曲线的连续变化特征，而光谱特征空间表达的是离散样点的光谱数据在统计空间的点群分布特征，因此要研究地物在光谱特征空间的分布特征，首先需对野外测得的光谱反射率数据以TM数据各波段范围为谱段进行重采样，实现光谱数据从光谱曲线空间到光谱特征空间的映射变换［14］;然后选择不同的波段作为光谱特征空间的坐标轴，得到光谱数据的二维光谱特征空间的点群分布图(以下简称二维散点图)。

2.2.1 典型地物散点图分析

以TM3与TM4波段组合的二维散点图(图2)为例，分析植被、土壤与岩石这3类典型地物的光谱特征，以及3者之间的光谱空间结构关系。

图2 TM3与TM4波段组合散点图Fig.2 Scatter plots by TM3 and TM4

从图2可以看出:

1)从整体上看，内蒙古突泉与青海同仁地区的土壤、植被与岩石光谱点群基本特征是非常相似的(其中，植被与岩石2类点群回归直线的斜率几乎一致)，而土壤点群回归直线的斜率稍有差别，表明相同地物在不同地区的光谱特性是具有共性的。

2)植被由于在近红外波段(TM4)具有很高的反射率，所以其光谱点群明显有别于其他2类地物。

3)2个地区的土壤拟合直线与岩石拟合直线基本平行，2类点群也很靠近，表明土壤主要来源于岩石的本质特性。

4)仔细比较发现，与内蒙古突泉地区相比，青海同仁地区的土壤点群靠近坐标轴的低端且分布长度明显比较短，土壤拟合直线与岩石拟合直线有偏向植被点群的趋势。通过分析可知，青海同仁地区土壤光谱的变化主要是受该地区植被腐烂后的有机质成分的影响，土壤光谱值在TM3波段明显变低，同时又有些植被光谱特征的痕迹。其他一些相关波段的散点图也表现出青海同仁地区土壤光谱受植被因素影响的特征。分析自然气候条件及采集光谱数据时的野外记录可知，内蒙古突泉地区的土壤主要由岩石风化形成，故土壤光谱特征接近于岩石;青海同仁的土壤中含有较多的有机质，故其光谱特征受植被影响显著。

由上述分析可知，在相同波段组合的光谱特征空间，不同地区的同种地物呈现的光谱特征相似;其呈现出不同特征的部分，是由该地区的地质地貌、生态环境与气候因素决定的，是可以解释的。不同波段组合的散点图可反映出上述3类地物的不同光谱空间结构特征与相互关系。通过对比分析2个不同地区各种波段组合的散点图，可从不同侧面获得这些典型地物更多的光谱空间结构特征与相互关系。

2.2.2 散点图斜率标准差与斜率差分析

为了进一步的研究分析，本文分别采用内蒙古突泉5个小地区、青海同仁5个小地区及2大地区内各自汇总的光谱数据，绘制出几种常用波段组合的二维散点图;再分别求得2大地区内部的5个小地区在这些二维散点图中3类地物的回归直线斜率的标准差(以下简称斜率标准差)，以及2大地区各自汇总数据的二维散点图中3类地物的回归直线的斜率(以下简称斜率);并计算2大地区间同类地物、同种波段组合的斜率差值(以下简称斜率差)，结果见表3。

表3 光谱数据散点图回归曲线斜率及标准差Tab.3 Regression curve slope and standard deviation of scatter plots by spectral data

斜率标准差能反映内蒙古突泉与青海同仁地区不同地物在散点图中分布的相似程度;斜率反映地物在散点图中的主要分布趋势;斜率差则反映了各类地物在同种波段组合散点图中分布的相似程度。

为了使分析更加具有实际意义与针对性，首先分别计算识别3类地物常用的6组TM波段间的相关系数(表4)，然后对3类地物进行散点图回归直线的斜率标准差与斜率差分析。

表4 3类地物光谱识别常用的波段组合及其相关系数Tab.4 Correlation coefficients of band composites of the three objects

分析表4发现，在2个地区波段组合方案中，波段间的相关系数具有相似性。一般而言TM波段间的相关系数越小，其组合的信息量越大。下面将主要针对3类地物的各自相关性较小的波段组合进行散点图回归直线的斜率标准差与斜率之差分析。

1)土壤光谱特征分析。从表3看出，土壤的波段组合除TM5与TM3，TM5与TM4外，其他波段组合的斜率标准差均不大;而2个地区间同种波段组合中土壤的斜率差较大(均在0.1以上，尤其TM5与TM3，TM3与TM1，TM5与TM4波段组合的斜率差更大)。

①虽然土壤光谱在TM4与TM7波段组合的相关系数最小，但它的斜率标准差和斜率差的值均不大，说明该波段组合在散点图中反映出的是土壤光谱的共性信息，对土壤光谱的个性信息反映不明显。

②土壤光谱在TM5与TM3，TM5与TM4两组波段组合的相关系数较小，且土壤在TM5与TM3，TM5与TM4波段组合的散点图中斜率标准差与斜率差均较大。土壤在TM3，TM4与TM5三个波段的光谱反射率受到水分、有机质含量、土壤成分及其他土壤特性等影响［15］。分析可知，TM5与 TM3，TM5与TM4两种波段组合的散点图能够较好地区分不同的土壤类型，反映出不同地区土壤所具有的特性。

③何挺等［16］通过研究分析，认为光谱反射率与有机质含量呈负相关，在TM3，TM4波段附近的相关性最强。因此，虽然在土壤光谱方面TM3与TM1波段组合相关性较高，但在散点图中斜率标准差较小、斜率差较大，说明TM3与TM1波段组合较好地反映了2大地区内各自土壤的共性，同样反映了2大地区土壤在有机质含量方面的明显不同。

2)岩石光谱特征分析。从表4看出，岩石在TM数据的各常用波段组合中任意波段间的相关系数均较高。根据随机场理论和实际工作总结，地物的光谱数据在2个相关波段的二维散点图上一般呈椭圆形分布［5，17］。本文中所研究的岩石、土壤和植被样本在所有波段组合的二维散点图分布形态也均可以用椭圆形来描述，为便于分析说明，将包含所有样本点的最小椭圆称为该点群的“外包椭圆”。

从表3中可以看出，岩石的斜率差都较小(除TM3与TM1波段组合的斜率差为0.38外，其余波段组合的斜率差均不超过0.1)。观察内蒙古突泉和青海同仁地区的TM3与TM1波段组合散点图(图3)可以看出，青海同仁地区的岩石光谱样本在散点图上分布形态的离散度较大，已经不是椭圆形分布，说明其可能存在蚀变信息［5］。青海同仁地区在TM3与TM1波段组合的斜率标准差为0.2377，是2个地区岩石的所有波段组合的斜率标准差中最大的。由此也可以看出，在TM3与TM1波段组合中，青海同仁地区的岩石显示出了较明显的蚀变信息特征。

图3 TM3与TM1波段组合散点图Fig.3 Scatter plots by TM3 and TM1

3)植被光谱特征分析。从表3看出:植被波段组合斜率标准差不大(除TM4与TM7，TM5与TM3外);2地区间同种波段组合植被的斜率差非常小(除TM4与TM7外，其他波段组合的斜率差约0.1)。

①植被光谱反射率在TM3与TM4波段处的相关性最小，在TM5与TM4波段处的相关性较小。但植被的上述2种波段组合的斜率标准差及斜率差均非常小，说明这2种波段组合能较好地反映植被光谱的共性信息，对不同地区植被光谱的个性信息反映不明显。

②植被光谱反射率在TM4与TM7波段之间的相关性较小。但TM4与TM7波段组合的斜率标准差在内蒙古突泉地区为0.3062，在青海同仁地区为0.7127，这2个地区的斜率标准差相差很大;TM4与TM7波段组合的斜率差也较大(为0.39)。说明TM4与TM7波段组合能够反映出青海同仁5个小地区的植被具有较大差异，比内蒙古突泉5个小地区的植被差异更大。这是由于青海同仁不同地区样品采集地大多是放牧区，其土壤受有机质的影响大，各地土壤成分的差异较大，植被因受到土壤营养类型的影响而导致了植被光谱比较大的变化。

③植被光谱反射率在TM5与TM3波段之间的相关性较小。但TM5与TM3波段组合的斜率标准差在内蒙古突泉与青海同仁均为0.4左右，斜率差较小(仅0.11)。由此可知，TM5与TM3波段组合反映出2大地区内部各小地区植被的差异性，而2大地区之间的整体差异性较小。

3 典型地物的最佳波段及组合

通过对2大地区的光谱数据分析得出，在野外采集的光谱数据经过重采样映射到光谱特征空间后形成的二维散点图中，2大地区各类地物无论是共性还是个性，都得到较好地反映。因此笔者认为在二维散点图中对各类地物信息进行区分是可行的。

3.1 波段选择

本文通过对内蒙突泉与青海同仁2省的散点图进行观察分析，发现TM3与TM4波段组合所形成的散点图能够较好地区分3类地物(图3);TM5与TM3，TM5与TM4，TM5与 TM7等波段组合对3类地物的区分也有一定的效果。因此，选择以上几种波段组合计算比值，再与原始波段进行组合形成的散点图能够对3类地物进行更好地区分。

3.2 最佳波段组合

根据分析与实验，发现TM3/TM4波段比值分别与原始波段TM1，TM3，TM4和TM7及波段比值TM3/TM1，TM5/TM3，TM5/TM4 和 TM5/TM7 进行组合，形成的二维散点图能够很好地区分3类地物;此外，TM5/TM3与TM5/TM4波段组合比值形成的二维散点图也能够较好地区分3类地物。

本文在光谱特征空间将3类地物进行区分之后，能够指导根据遥感图像所形成的散点图进行3类地物的分类。分类时需要使用分割法或聚类法对各类地物进行区分，其中对TM3/TM4与TM4组合(图4)，TM3/TM4与 TM3/TM1组合，TM3/TM4与TM5/TM7组合较适合使用分割法;对TM5/TM4与TM5/TM3组合(图5)，TM3/TM4与TM5/TM3组合较适合使用聚类法。

图4 TM3/TM4，TM4波段组合散点图Fig.4 Scatter plots by TM3/TM4 and TM4

图5 TM5/TM4，TM5/TM3波段组合散点图Fig.5 Scatter plots by TM5/TM4 and TM5/TM3

4 结论

1)不同地区同种地物在相同波段组合的光谱特征空间中呈现出相似的光谱几何结构特征;不同地区的同种地物在相同波段组合的光谱特征空间呈现出的不同特征部分，是由该地区的生态环境、气候因素与地质条件决定的，是可以解释的。

2)内蒙古突泉地区的土壤主要由岩石风化形成，光谱特征接近于岩石;青海同仁地区的土壤含有较多有机质，其光谱受植被光谱的影响显著。

3)在野外采集的地物光谱数据经过重采样映射到光谱特征空间后所形成的二维散点图中，不同地区的3类地物无论是共性还是个性，都可以得到较好的反映。因此，在二维散点图中对各类地物信息进行区分是可行的。

4)在光谱特征空间中，TM3/TM4波段比值分别与原始波段TM1，TM3，TM4，TM7及波段比值 TM3/TM1，TM5/TM3，TM5/TM4和 TM5/TM7进行组合，形成的二维散点图能够很好地区分土壤、岩石与植被3类地物;此外，TM5/TM3与TM5/TM4波段比值组合形成的二维散点图也能够较好地区分这3类地物。

5)本文仅在理论层面对在光谱特征空间中可以区分土壤、岩石与植被这3类地物的波段组合进行了分析与选取，在实际遥感图像中对3类地物进行区分时，还需要进一步的实践与验证。

［1］胡 波，朱谷昌，张远飞，等.空间U统计量法在遥感蚀变信息提取中的应用研究［J］.国土资源遥感，2011(3):71－76.Hu B，Zhu G C，Zhang Y F，et al.The Application of Spatial U － static Method to the Extraction of Alteration Anomalies［J］.Remote Sensing for Land and Resources，2011(3):71 － 76(in Chinese with English Abstract).

［2］张远飞，吴健生.基于遥感图像提取矿化蚀变信息［J］.有色金属矿产与勘查，1999，8(6):604 －606.Zhang Y F，Wu J S.Extraction of Mineralization and Alteration Information from Remote Sensing Images［J］.Geological Exploration for Non － ferrous Metals，1999，8(6):604 － 606(in Chinese with English Abstract).

［3］张宗贵，王润生，郭小方，等.基于地物光谱特征的成像光谱遥感矿物识别方法［J］.地学前缘，2003，10(2):437 －443.Zhang Z G，Wang R S，Guo X F，et al.Mineral Recognition Method by Spectrometry Remote Sensing Based on Material Spectral Characteristics［J］.Earth Science Frontiers，2003，10(2):437 － 443(in Chinese with English Abstract).

［4］吴德文，朱谷昌，张远飞，等.多元数据分析与遥感矿化蚀变信息提取模型［J］.国土资源遥感，2006(1):23－25.Wu D W，Zhu G C，Zhang Y F，et al.The Multivariate Data Analysis and the Model for Extracting Remote Sensing Mineralization and Alteration Information［J］.Remote Sensing for Land and Resources，2006(1):23 －25(in Chinese with English Abstract).

［5］张远飞，杨自安，张普斌，等.高(多)光谱数据的背景－异常子空间模型研究［J］.地球信息科学学报，2009，11(3):282－290.Zhang Y F，Yang Z A，Zhang P B，et al.Research on Background-Anomaly Sub-space Model of Hyper(Multi)spectral Data［J］.Geo-Information Science.2009，11(3):282 － 290(in Chinese with English Abstract).

［6］张远飞，吴德文，袁继明，等.遥感蚀变信息多层次分离技术模型与应用研究［J］.国土资源遥感，2011(4):6－13.Zhang Y F，Wu D W，Yuan J M，et al.The Model and Application of Multi-level Detaching Technique of Remote Sensing Alteration Information［J］.Remote Sensing for Land and Resources，2011(4):6－13(in Chinese with English Abstract).

［7］高建阳.Hyperion高光谱数据在福建钟腾铜钼矿区的应用研究［J］.国土资源遥感，2011(1):87 －90.Gao J Y.The Application of the Hypeion Hyper-spectral Image to the Zhongteng Cu-Mo Deposit in Pinghe County of Fujian Province［J］.Remote Sensing for Land and Resources，2011(1):87 － 90(in Chinese with English Abstract).

［8］余 健，董玉森，张 志，等.基于ASTER影像的蚀变异常提取方法研究——以赞比亚谦比希铜矿床地区为例［J］.国土资源遥感，2011(3):54－60.Yu J，Dong Y S，Zhang Z，et al.Research on the Methods for Extraction of Alteration Information by Using ASTER Data:A Case Study of the Chambishi Copper Deposit in Zambia［J］.Remote Sensing for Land and Resources，2011(3):54 － 60(in Chinese with English Abstract).

［9］李 红，朱谷昌，张远飞，等.矿化蚀变区典型地物光谱特征分析与空间结构研究——以内蒙古突泉县－扎鲁特旗成矿带为例［J］.国土资源遥感，2010(1):89－95.Li H，Zhu G C，Zhang Y F，et al.Reflectance Spectral Characteristics and Spatial Structure of Typical Objects in Mineralization and Alteration Areas:A Case Study of the Tuquan-Jarud County Metallogenic Belt in Inner Mongolia［J］.Remote Sensing for Land and Resources，2010(1):89 －95(in Chinese with English Abstract).

［10］童庆禧.中国典型地物波谱及其特征分析［M］.北京:科学出版社，1990:602－604.Tong Q X.Typical Object Spectrum Analysis of China［M］.Beijing:Science Press，1990:602 －604(in Chinese).

［11］黄家柱.遥感地学分析［M/CD］.［2011 －12 －29］.http://kc.njnu.edu.cn/ygdxfx/page/jiaoan/ch7.htm.Huang J Z.Geography Remote Sensing Analysis［M/CD］.［2011－12 － 29］.http://kc.njnu.edu.cn/ygdxfx/page/jiaoan/ch7.htm(in Chinese).

［12］刘伟东.高光谱遥感土壤信息提取与挖掘研究［D］.北京:中国科学院遥感应用研究所，2002.Liu W D.Study on Extraction of Soil Information and Data Mining by Hyperspectral Remote Sensing［D］.Beijing:Institute of Remote Sensing Applications Chinese Academy of Sciences，2002(in Chinese with English Abstract).

［13］中国知网.CNKI概念知识元库［DB/OL］.［2011－12－29］.http://define.cnki.net.China National Knowledge Infrastructure.CNKI Conceptual Knowledge Library［DB/OL］.［2011 － 12 － 29］.http://define.cnki.net(in Chinese).

［14］李 红.地物光谱特征分析及其在矿化蚀变信息提取中的应用研究［D］.长沙:中南大学，2010:31－32.Li H.Research on Spectral Analysis and Its Application to Mineralization Information Extraction［D］.Changsha:Central South University，2010:31 －32(in Chinese with English Abstract).

［15］周 清.土壤有机质含量高光谱预测模型及其差异性研究［D］.杭州:浙江大学，2004:13 －18.Zhou Q.Study on the Hyperspectral Prediction Models of Soil Organic Matter and Its Differences Among Soil Types［D］.Hangzhou:Zhejiang University，2004:13 － 18(in Chinese with English Abstract).

［16］何 挺，王 静，林宗坚，等.土壤有机质光谱特征研究［J］.武汉大学学报:信息科学版，2006，31(11):975 －979.He T，Wang J，Lin Z J，et al.Spectral Features of Soil Organic Matter［J］.Geomatics and Information Science of Wuhan University，2006，31(11):975 －979(in Chinese with English Abstract).

［17］李智勇，郁文贤，匡纲要，等.基于高维几何特性的高光谱异常检测算法研究［J］.遥感技术与应用，2003，18(6):379 －383.Li Z Y，Yu W X，Kuang G Y，et al.The Research of Anomaly Detection Based on High-dimensional Geometrical Feature in Hyperspectral Imagery［J］.Remote Sensing Technology and Application，2003，18(6):379 －383(in Chinese with English Abstract).

Spatial Structure Features and Basic Statistic Parameters of Typical Ground Object Spectral Data

WANG Dong － yin1，2，ZHU Gu － chang1，3，ZHANG Yuan － fei2
(1.Central South University，Changsha 410083，China;2.China Non － ferrous Metals Resource Geological Survey，Beijing 100012，China;3.Sinotech Minerals Exploration Co.，Ltd.，Beijing 100012，China)

From the point of view of spectral curve and spectral feature space and through the analysis of the spectral data of three main ground objects measured in the field，i.e.，rocks，soil and vegetation，in the two study areas of Tuquan in Inner Mongolia and Tongren in Qinghai，the authors found that the feature distribution forms are basically the same in the two study areas in both spectral curve space and spectral feature space，although there exist a bit difference caused by the geological environment，ecological environment and climate factors in different areas.Through the analysis and experiment，it is found that several new band combinations can better distinguish the three main ground objects in the spectral feature space and can also guide the classification of the three main ground objects based on the scatter plots of the remote sensing image.This research is helpful to improving the method for extraction of alteration information.

spectral data analysis;spectrum spatial structure;2D scatter plot;statistical parameter;alteration information extraction

TP 79

A

1001－070X(2012)04－0138－08

2012－01－08;

2012－02－28

10.6046/gtzyyg.2012.04.23

王冬寅(1986－)，女，硕士研究生，地图学与地理信息系统专业，主要从事GIS和RS应用等方面的研究。E －mail:csu_wdy@163.com。

(责任编辑:邢 宇)