基于多源数据协同的SVM 岩性分类研究
——以江尕勒萨依地区为例

朱明永， 李炳谦， 付翰泽， 陈川， 高猛

（1. 核工业二一六大队， 新疆 乌鲁木齐830011； 2. 新疆大学， 新疆 乌鲁木齐830047）

遥感技术因视角广、 不受地域限制以及信息丰富的特点， 备受地质工作者的青睐［1-2］。利用遥感影像对地质体进行分类， 是地质填图中对遥感技术应用的重点之一， 而波谱分辨率高， 空间分辨率好的遥感数据更有利于岩性分类［3-4］。 受 瞬 时 视 场的影响， 同一传感器难以同时获得高光谱分辨率及高空间分辨率的数据［5］， 而多源数据的协同恰恰解决了这一问题。

目前， 遥感影像对地质体的分类主要包括人机交互的目视解译方法及基于各类算法的影像自动分类技术。 目视解译易带有解译者的主观色彩， 有可能忽略客观的地质事实，而自动分类已趋 成 熟［6-7］。 其 中SVM 分类 是建立在统计学理论基础上的机器学习方法。可自动寻找对分类有较大贡献的支持向量，由此构造出分类器， 进而将类与类之间的间隔最大化， 因此具有较好的推广性和较高的分类准确性［8-9］。

本文以江尕勒萨依地区为研究区， 通过影像协同处理， 获得空间分辨率较高、 波谱信息丰富的协同数据， 将野外调查所获取的点状数据作为样本数据， 通过SVM 自动分类方法， 进行岩性分类， 细化各类地质体的空间分布位置， 探索研究区多源遥感数据的岩性分类方法。

1 区域地质背景

研究区位于新疆且末县， 大地构造位置属于阿尔金造山带与昆仑造山带相结合的江尕勒萨依-巴什瓦克勒高压变质增生杂岩带，地层划分属江尕勒萨依-安西地层小区。……