0引言
碳酸鹽巖是指碳酸鹽礦物含量大于?50%的巖石類，代表性的碳酸鹽巖主要有石灰?guī)r、白云巖等，其中石灰?guī)r的白云石含量位于?0~50%之間，白云巖的白云石含量高于?50%。目前，世界上眾多重要產(chǎn)油氣區(qū)的儲(chǔ)集層都是以碳酸鹽巖為主，因而其在世界油氣探測(cè)中起著重要作用。

1國(guó)內(nèi)外高光譜遙感技術(shù)與發(fā)展

1.1?高光譜遙感技術(shù)的成像原理和特點(diǎn)

至今，碳酸鹽巖巖性識(shí)別方法主要分為兩類；其一是經(jīng)驗(yàn)判讀法，主要是具有豐富經(jīng)驗(yàn)的地質(zhì)學(xué)家在室內(nèi)觀察樣品或者去野外通過(guò)觀察巖石的顏色、紋理與結(jié)構(gòu)等特征來(lái)對(duì)灰?guī)r和白云巖進(jìn)行區(qū)分?？傮w而言，經(jīng)驗(yàn)判讀法具有效率低、受判讀者主觀影響大等不足，因而即使對(duì)于經(jīng)驗(yàn)豐富的地質(zhì)學(xué)家，在野外有時(shí)也難以區(qū)分碳酸鹽巖中的石灰?guī)r與白云巖；其二是光譜識(shí)別法。由于物質(zhì)在電磁波的照射下，其會(huì)引起巖石內(nèi)部分子進(jìn)行一定的運(yùn)動(dòng)，在吸收、散射或者轉(zhuǎn)動(dòng)某種波長(zhǎng)的光后，得到信號(hào)強(qiáng)度與光波長(zhǎng)或頻率的關(guān)系圖，并能夠用于物質(zhì)結(jié)構(gòu)、組成及化學(xué)變化的分析，具體如圖?1?所示。

圖?1?信號(hào)強(qiáng)度與光的波長(zhǎng)或頻率的關(guān)系圖

基于此原理，巖性光譜識(shí)別則是利用巖石或礦物對(duì)特定波長(zhǎng)范圍內(nèi)的電磁波所表現(xiàn)出的反射、吸收和輻射等方面的差異性，從而對(duì)巖性進(jìn)行識(shí)別。相比經(jīng)驗(yàn)判斷法，光譜識(shí)別法具有效率高、省時(shí)省力且精度較高等優(yōu)點(diǎn)，因而得到了廣泛的應(yīng)用。專家學(xué)者研究表明在可見(jiàn)光-近紅外光譜區(qū)（0.4~1.3?μm），巖石吸收光譜主要由于巖石內(nèi)部金屬陽(yáng)離子發(fā)生電子躍遷或振動(dòng)過(guò)程；發(fā)現(xiàn)在短波紅外光譜區(qū)（1.3~2.5?μm），巖石吸收光譜則主要由于羥基、水分子和碳酸根等基團(tuán)分子發(fā)生振動(dòng)；他們展開(kāi)了通過(guò)多類型光譜特征對(duì)礦物信息進(jìn)行遙感識(shí)別、以北方山山口地區(qū)為研究區(qū)，對(duì)典型蝕變巖礦的光譜特征進(jìn)行分析、結(jié)合遙感技術(shù)，對(duì)地質(zhì)巖石進(jìn)行勘查與分析等多項(xiàng)研究分析活動(dòng)；此外，他們還有利用多光譜遙感影像對(duì)尾亞雜巖體的巖性進(jìn)行識(shí)別。通過(guò)對(duì)已有研究文獻(xiàn)進(jìn)行歸納，總結(jié)得到不同光譜波段可識(shí)別的礦物，具體如表?1所示。

表1不同礦物波段識(shí)別范圍

根據(jù)表?1?可以得到，不同的礦物識(shí)別波段差異較大，其中部分礦物識(shí)別波段相對(duì)較窄，比如方解石等，其波段識(shí)別范圍為?2.26~2.30??μm。因此，傳統(tǒng)的多光譜遙感因其波段范圍較大，光譜分辨率低等原因難以高精度地識(shí)別礦物；相比之下，高光譜因具有光譜分辨率高等優(yōu)勢(shì)，甚至達(dá)到?2?個(gè)納米波段，因而與多光譜相比，識(shí)別精度更高。當(dāng)然，高光譜數(shù)據(jù)在運(yùn)用時(shí)也需要一定的預(yù)處理方法。目前，常用的預(yù)處理方法包括光譜反射率微分、連續(xù)統(tǒng)去除和其他數(shù)學(xué)變換方法。專家學(xué)者研究表明不同光譜變換方式的建模精度和預(yù)測(cè)精度具有以下關(guān)系：光譜對(duì)數(shù)微分>光譜一階微分>光譜倒數(shù)微分>光譜連續(xù)統(tǒng)去除>光譜倒數(shù)對(duì)數(shù)>原始光譜；然而該預(yù)測(cè)精度的排序并非全然一致的，仍需要通過(guò)具體的建模精度進(jìn)行綜合判斷，如某專家在研究可見(jiàn)光-近紅外光譜的成分預(yù)測(cè)時(shí)，盡管對(duì)光譜進(jìn)行導(dǎo)數(shù)運(yùn)算能夠消除光譜中基線的平移和漂移，能夠減輕粒徑干擾，然而在實(shí)際運(yùn)用時(shí)，若樣本前處理效果得當(dāng)，使用原始吸光度光譜的預(yù)測(cè)精度更好。另外，除對(duì)高光譜數(shù)據(jù)進(jìn)行預(yù)處理外，光譜變量挑選和模型方法的選取也是重要環(huán)節(jié)。其中，光譜變量挑選涉及到從幾百甚至幾千個(gè)光譜波段變量中挑選出敏感波段，因?yàn)榇蠖鄶?shù)變量與所研究的巖性種類無(wú)關(guān)。事實(shí)上，光譜變量篩選主要包括三個(gè)目的：剔除無(wú)效信息變量；濾除冗余信息變量；消除共線性信息變量。目前，常用的光譜變量篩選方法包括遺傳算法、非信息變量消除法、連續(xù)投影算法、競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣算法（CARS）、迭代變量子集優(yōu)化算法（IVSO）、蒙特卡洛無(wú)信息變量消除集成算法（EMCUVE）等。在模型選取方面，主要包括主成分回歸法（PCR）、偏最小二乘回歸法（PLSR）和連續(xù)小波變換（CWT）等。然而，每種方法都存在各自的優(yōu)缺點(diǎn)。比如有些專家學(xué)者研究表明偏最小二乘回歸法可以提供多對(duì)多變量的線性回歸建模，能夠很好地解決多重共線性問(wèn)題；有些研究表明運(yùn)用多特征波段構(gòu)建的逐步模型精度較高。總體而言，已有高光譜建模研究中，并未有相對(duì)統(tǒng)一的光譜預(yù)處理方法、敏感波段挑選方法以及建模方法。由于不同的方法擁有各自的優(yōu)缺點(diǎn)，因而在實(shí)際應(yīng)用中，仍然采用盡可能全面的處理方法，從而對(duì)比分析不同方法建模的精度。因此，本文從巖性識(shí)別的角度出發(fā)，以不同類型碳酸鹽巖的高光譜曲線為基礎(chǔ)數(shù)據(jù)，通過(guò)對(duì)高光譜數(shù)據(jù)進(jìn)行預(yù)處理等操作，從而建立有效的巖性識(shí)別模型，為區(qū)域地質(zhì)勘探和油氣勘探及開(kāi)發(fā)提供快速準(zhǔn)確的分類方法。

1數(shù)據(jù)獲取、預(yù)處理及模型確定?

1.1?碳酸鹽巖高光譜數(shù)據(jù)采集
本研究去野外總共采集?340?塊碳酸鹽巖樣本，并在實(shí)驗(yàn)室內(nèi)采用非成像光譜儀測(cè)量巖樣光譜。在具體實(shí)驗(yàn)室測(cè)量時(shí)，為確保高光譜數(shù)據(jù)的準(zhǔn)確性，在測(cè)量前對(duì)其進(jìn)行白板定標(biāo)，并對(duì)每一個(gè)碳酸鹽巖樣品新鮮表面測(cè)量多次，最終取其算術(shù)平均值作為該樣品的反射光譜數(shù)據(jù)。

1.2?光譜數(shù)據(jù)預(yù)處理
碳酸鹽巖樣本在野外采集后，由于巖石樣本受其化學(xué)成分、外部環(huán)境、表面特征和照射條件等因素影響，因此為排除外部因素影響，需要對(duì)其光譜數(shù)據(jù)進(jìn)行預(yù)處理操作，從而去除噪聲和不平滑的光譜曲線波段，從而采用更加適合分析的光譜曲線。本文通過(guò)對(duì)已有研究進(jìn)行整理，所采用的光譜預(yù)處理方法包括?Savitzky-Golay?卷積平滑濾波、趨勢(shì)線（DT）和連續(xù)統(tǒng)去除（CR）等。其中?Savitzky-Golay卷積平滑濾波法是采用一個(gè)多項(xiàng)式來(lái)計(jì)算波長(zhǎng)?t?處經(jīng)過(guò)平滑處理后的均值，其計(jì)算公式如式（1）所示。

式中，hi?是?Savitzky-Golay?平滑系數(shù)，H?被稱為歸一化因子。平滑系數(shù)可以通過(guò)多項(xiàng)式擬合計(jì)算。Savitzky-Golay?平滑方法強(qiáng)化了中心波長(zhǎng)點(diǎn)的作用，其能夠降低噪聲，提高光譜信噪比。此外，本文在進(jìn)行預(yù)處理后，為研究不同光譜采樣間隔對(duì)模型精度的影響，分別將光譜重采樣間隔為?0?nm、2?nm、4?nm、6?nm、8?nm?和?10?nm，其中?0?nm?即是原始光譜，從而最終得到?6?份不同采樣間隔的高光譜數(shù)據(jù)。

1.3?模型的確定與精度評(píng)價(jià)
根據(jù)對(duì)現(xiàn)有相關(guān)研究模型進(jìn)行整理與對(duì)比分析，本文最終選擇以下四種建模方法，分別為多元線性回歸模型（MLR）、主成分回歸模型（PCA）、偏最小二乘回歸模型（PLSR）和逐步回歸模型（SR）。具體而言，多元線性回歸模型是將?Y?的總體條件期望表示為多個(gè)解釋變量的函數(shù)；主成分回歸模型是通過(guò)提取彼此之間正交的主成分分量，并同時(shí)建立線性回歸預(yù)測(cè)模型，本研究中所使用的主成分分量數(shù)為?5；偏最小二乘回歸模型是考慮與因變量相關(guān)性情況下的最小二乘算法，是通過(guò)投影分別將預(yù)測(cè)變量和觀測(cè)變量投影到一個(gè)新的空間，并建立新的線性回歸模型的過(guò)程；逐步回歸模型是指用被解釋變量對(duì)每一個(gè)待研究的解釋變量做簡(jiǎn)單回歸分析，使用貢獻(xiàn)最大的解釋變量對(duì)應(yīng)的回歸方程為基礎(chǔ)，并按照貢獻(xiàn)大小的順序逐個(gè)引入剩余的解釋變量。模型確定后，需要對(duì)模型的精度進(jìn)行檢驗(yàn)。本文利用決定系數(shù)（R2）對(duì)模型的穩(wěn)定性進(jìn)行評(píng)價(jià)，R2取值范圍為?0~1，其值越大，表明模型穩(wěn)定性越強(qiáng)，模型擬合程度越高；利用均方根誤差（Root?Mean?Square?Error，RMSE）對(duì)模型的預(yù)測(cè)能力進(jìn)行評(píng)價(jià)，RMSE?越小，表明預(yù)測(cè)值和真實(shí)測(cè)量值之間的偏差越小，模型的預(yù)測(cè)能力越強(qiáng)，其計(jì)算公式如式（2）所示。

式中，N?為樣本集包含樣本的總數(shù)目，y（i）realy和y（i）predicty分別表示第?i?個(gè)樣本的真實(shí)值和利用模型建立的預(yù)測(cè)值。?經(jīng)過(guò)對(duì)光譜數(shù)據(jù)進(jìn)行處理、模型確定與精度評(píng)價(jià)等步驟，最終可得到本文的技術(shù)路線圖如圖?3?所示。

圖?3??研究技術(shù)路線圖

2結(jié)果與分析?

2.1?光譜預(yù)處理結(jié)果對(duì)比?
經(jīng)過(guò)預(yù)處理后，選擇單個(gè)樣品將其結(jié)果進(jìn)行對(duì)比顯示，具體如圖?4?所示。

（a）預(yù)處理前???????????????????????????????????????????（b）預(yù)處理后

圖?4??碳酸鹽巖樣品高光譜曲線預(yù)處理前后對(duì)比

根據(jù)圖?4?可以發(fā)現(xiàn)，經(jīng)過(guò)預(yù)處理操作后，碳酸鹽巖光譜典型吸收特征被放大，進(jìn)而更加突出土壤光譜吸收顯著的區(qū)域，具體包括?1500?nm、1900?nm和?2300?nm?處附近。

2.2?建模精度對(duì)比評(píng)價(jià)
表?2?是建模集中各模型精度對(duì)比表。

表?2??模型總體精度對(duì)比分析表?

根據(jù)表?2?可得，從各模型平均精度來(lái)看，主成分分析模型（PCA）>偏最小二乘回歸模型（PLSR）>逐步回歸模型（SR）>多元線性回歸模型（MLR），其中主成分分析模型平均精度為?75.19%；從各采樣間隔模型平均精度來(lái)看，各采樣間隔模型精度排序?yàn)?4?nm>2?nm>0?nm（原始光譜）>6?nm>8?nm>10?nm，可得在采樣間隔為?4?nm?時(shí)候，光譜模型平均精度最高（74.43%）。整體而言，各模型平均精度為?71.62%。為了解各模型建立方法的精度隨光譜采樣距離的變化趨勢(shì)，結(jié)合表?2，繪制得到各模型精度變化折線圖（圖?5）。

圖?5??不同模型不同光譜采樣間隔精度變化?

根據(jù)圖?5，可以發(fā)現(xiàn)雖然在?4?nm?時(shí)，四種建模方法平均精度最高，但并非所有模型都在?4?nm?時(shí)，模型精度最高。具體而言，主成分分析模型（PCA）和逐步回歸模型（SR）在采樣間隔為?2??nm?時(shí)，模型精度最高；而偏最小二乘回歸模型（PLSR）和多元線性回歸模型（MLR）在采樣間隔為?4??nm?時(shí)，模型精度最高。綜合分析可得，主成分分析模型（PCA）在光譜采樣間隔為?2?nm?時(shí)，模型精度最高，為?79.78%，接近于?80%；而多元線性回歸模型（MLR）在對(duì)原始光譜曲線進(jìn)行建模時(shí)，精度最低，為?64.34%；另外，光譜采樣間隔為?10??nm?時(shí)，四種模型構(gòu)建方法精度均較低，均低于?70%。

3結(jié)論

本研究通過(guò)對(duì)野外采集的?340?塊碳酸鹽巖樣品進(jìn)行高光譜測(cè)量，經(jīng)過(guò)光譜預(yù)處理及光譜重采樣等操作后，選擇四種方法進(jìn)行模型的構(gòu)建。通過(guò)對(duì)結(jié)果進(jìn)行分析，得到如下結(jié)論：（1）主成分分析模型在光譜采樣間隔為?2??nm?時(shí)，具有最高的模型精度（79.78%），其次是采樣間隔為?2?nm?時(shí)的逐步回歸模型（76.61%），最后是采樣間隔為?4?nm?時(shí)的偏最小二乘回歸模型和多元線性回歸模型，其精度分別為?73.48%和?73.21%；（2）隨著光譜采樣間隔的增加，四種模型的精度均基本表現(xiàn)為先增加，后下降的變化趨勢(shì)；（3）當(dāng)光譜采樣間隔較大時(shí)，所有模型精度均低于?70.00%。然而，本研究也存在一定的不足之處，首先是所有模型的精度均未超過(guò)?80%，其次是模型的預(yù)處理過(guò)程相對(duì)較粗糙，未能使得模型構(gòu)建精度更高?？傮w而言，本研究可為區(qū)域地質(zhì)判斷及油氣區(qū)識(shí)別等提供有效的技術(shù)和方法手段。