汪大明，王茂芝，胡先莉，张小东，程宾洋

(1.中国地质调查局油气资源调查中心，北京100029;2.成都理工大学数学地质四川省重点实验室，成都610059)

0 引言

高光谱遥感油气探测，主要是利用高光谱遥感技术直接探测地表烃类微渗漏蚀变矿物、微油气苗和地表植被异常，并根据热遥感成像资料识别地温异常等烃类微渗漏信息，进而达到探测油气的目的。异常信息提取主要包括烃异常信息的提取、碳酸盐和黏土矿物的提取以及植被异常的提取。另外，根据微生物异常区分布规律，结合工区地质、钻井、试油资料，可以进行含油气区预测、油气前景分级评价、油气成藏主控因素分析、油气运移规律分析、预测剩余油气分布、单井钻前快速评价、储层预测以及井位部署。

基于油气微渗漏原理，利用遥感技术实现烃异常检测是油气资源遥感勘查的研究重点［1］，可分为直接检测和间接检测两种［2］。直接检测利用烃的波谱识别特征实现烃的分类识别;间接检测利用烃类微渗漏导致地表发生物化反应而产生特定蚀变，通过蚀变信息提取实现烃异常检测。根据检测地表环境差异可分为陆地 (onshore)烃检测［3］和海洋 (offshore)烃检测［4］两大类。利用成像光谱遥感技术通过识别地表土壤中烃的吸收特征检测土壤吸附烃异常也是一个有效的手段。2001年，Hörig等［3］根据成像光谱HyMap数据识别沙质土壤、石油污染土壤、草和塑胶防水油布、混凝土等的研究表明，在光谱的可见光和反射红外区间，区分含烃物质如塑料、屋顶材料和土壤等很有效，1730 nm的烃吸收特征在该谱段上是独一无二的，是烃类探测的关键性特征。进而，Kühn等［5］利用HyMap数据，提出了烃指数在内的多种烃类渗漏提取方法。

本文结合油气微渗漏机理，从高光谱油气探测信息提取角度，基于IDL设计并实现了高光谱遥感油气信息探测信息提取软件。

1 高光谱遥感油气探测软件设计与实现

1.1 高光谱遥感油气探测技术处理流程

由烃类微渗漏理论［6～9］得知，烃类物质扩散、渗漏到地表以气态、液体、固态方式存在于土壤颗粒中，并发生一系列氧化还原反应。产生的二氧化碳、硫化氢与上覆地层中的三价铁，如褐铁矿、赤铁矿，反应生成二价的菱铁矿、黄铁矿;产生的氢硫化物和碳氢化合物导致土壤酸化，致使长石类矿物蚀变还原成为黏土矿物;二氧化碳与水形成的碳酸与各种金属离子反应生成不同的碳酸盐矿物。烃类微渗漏遥感探测技术，主要是利用高光谱遥感直接探测地表油气微渗漏蚀变矿物、微油气苗和地表植被异常，并有效利用热遥感成像资料识别地温异常等。异常信息提取包括烃异常信息提取、碳酸盐化与黏土矿化信息提取以及植被异常提取等。技术处理流程如图1所示。

图1 高光谱遥感油气探测技术处理流程Fig.1 Process chart of hyperspectral remote sensing to probe oil＆ gas

1.2 高光谱遥感油气探测数据处理和信息提取算法

1.2.1 烃异常信息提取算法

高光谱遥感技术通过识别地表烃的吸收特征检测烃类渗漏。研究［3，5，10］表明，1730 nm可作为烃类探测的关键性特征，Kühn等［5］基于此特征构建了烃指数用于含烃地物检测。

在烃指数构建示意图 (见图2)中，B为含烃地物指示吸收峰位1730 nm，A和C分别为含烃地物吸收峰位1730 nm的左右肩宽位置，其取值根据不同传感器和分辨率而有所差异，R和λ是烃指数点位处的辐照度值和波长。所谓烃指数实质就是B'B的长度，由下式计算得到［5］:

图2 含烃物质光谱信号 (辐照度)放大的1730 nm区段［5］Fig.2 Hydrocarbon index sketch in 1730 nm with hydrocarbonaceous material

1.2.2 Fe异常、碳酸盐化和黏土矿化提取算法

本文除了从波谱特征角度实现信息提取之外，还从波谱匹配角度，通过SAM、SCM和SID几种算法实现信息提取。

1.2.2.1 光谱角度填图算法 (SAM)

光谱角度填图法 (SAM)将像元N维个波段的光谱响应作为N维空间的矢量，通过计算与参考光谱的广义夹角来表征其匹配程度，夹角越小，越相似。两矢量T和R的广义夹角用反余弦表示为，即:

式中:n为波段数;ti和ri为向量T和R的N维分量。

1.2.2.2 光谱相关系数填图算法 (SCM)

作为SAM的改进，提出了基于Pearson相关系数的SCM算法:

式中:x为未知光谱，y为参考光谱 (已知地物光谱)。

与光谱角相类似，SCM需要一个参考光谱与未知光谱计算相关系数，区别在于计算光谱角之前，SCM先对光谱向量进行标准化处理。因为R(x，y)的范围在-1到1之间，定义SCM:

1.2.2.3 光谱信息散度算法 (SID)

假设高光谱影像2个像元N个波段的光谱分别为A=(A1，A2，……，AN)，B=(B1，B2，……，BN)，则光谱信息散度 (SIDM)如下:

式中:

对于一个像元光谱X寻找出最小的SIDM，将X判归为该最小SIDM所在类型。

1.2.3 坏线修复算法［11］

利用像元灰度斜率阈值 (PGST，pixel gray-scale slope threshold method)法可以实现影像各波段的坏线自动判别。坏线修复首先计算像元值与相邻两像元值的差异:

式中:DN为像元值，i，j和m分别为像元的列号、行号和波段号。Ki，m≤1，越接近1，表明该像元值与相邻两像元值的差异越大。

输入阈值α(象元灰度斜率阈值)，如果Ki，m≥α，则该像元为异常点，计算异常点总数;输入阈值β(坏线标志数比例)，如果异常点总数与该列总像元数之比大于β，则判定为坏线，记录有坏线存在的波段以及对应的列号，用相邻列的平均值修复。算法实施时考虑2种情况，一是修复某一波段中存在的坏线，二是修复所选波段范围中存在的坏线。

1.2.4 条纹去除算法

坏线修复以后的影像上还存在垂直条纹的像元值异常现象，采用波段全局归一化方法，通过像元的列平均值、标准差与波段平均值、标准差之间的差异对像元进行分波段线性化修正，可以消除垂直条纹的影响，计算公式:

式中:DNi，j，k和 DN'i，j，k分别为原始和消除垂直条纹之后的像元值。

波段增益 gi，k和偏移量 bi，k的计算公式:

式中:Stdvk和为k波段像元值的标准差和平均值;Stdvi，k和为 k 波段第 i列像元值的标准差和平均值。

算法实施时考虑两种情况，一是去除某一波段中存在的条纹，二是去除所选波段范围中存在的条纹。

1.3 软件设计

软件包括数据导入、影像预处理、波谱曲线特征分析、异常提取等5个主要功能模块(见图3)。数据导入实现高光谱影像读取及研究区地面特征数据导入等功能，其中地面特征数据是指研究区地物光谱测量或化学分析得到的结果特征数据，这些数据可以作为后面异常提取的重要参数。影像预处理是指在用专业软件进行辐射校正和几何校正的基础上进行波段剔除、坏线修复和条纹去除，以便后续影像处理。波谱特征分析主要针对需要提取的异常地物进行像元波谱曲线特征分析。异常提取中的烃异常指含烃地物的异常，黏土异常主要是指伊利石，碳酸盐异常主要指白云石和方解石，铁离子异常主要是指赤铁矿、磁铁矿和菱铁矿异常。软件能处理实际工程应用中飞行获取的条带数据，设计处理数据量可达到GB量级;异常提取中的分类识别算法提供参数和阈值设置界面，使得软件更适应工程应用实际;波谱曲线特征分析提供波峰、波谷以及其他特征计算的能力，弥补ENVI的不足;异常提取过程中能够根据工程应用实测地物波谱数据构建波谱库。

图3 软件功能结构图Fig.3 Sketch map of software function

1.4 软件实现

软件模块基于IDL研制，IDL作为ITT公司开发的第四代可视化交互数据语言，具有强大的数据处理和可视化功能，是进行交互数据分析和可视化应用工程跨平台开发的高效软件和理想工具。软件实现部分界面效果见图4—图6。

2 关键技术

2.1 影像预处理和异常提取算法实现技术

影像预处理是在辐射校正和几何校正基础上进行波段剔除、坏线修复和条纹去除，其中波段剔除主要是对大气中水汽吸收波段进行剔除;坏线修复首先要确定坏线，然后对坏线邻近的行 (或列)平均值进行修复;坏线修复以后的影像上还存在垂直条纹的像元值异常，采用波段全局归一化方法，通过像元的列平均值、标准差与波段平均值、标准差之间的差异对像元进行分波段线性化修正，消除垂直条纹的影响。同时，夹角余弦法 (SAM)、相关系数法 (SCM)和信息散度匹配 (SIDM)是基于异常提取蚀变填图分析的主要内容。在软件实现过程中需要把上述算法机理转化为IDL予以实现。

图4 软件主界面Fig.4 Software main menu

图5 波段剔除功能界面Fig.5 Menu of band elimination

图6 SAM填图结果Fig.6 SAM mapping result

2.2 海量数据处理技术

由于高光谱数据具有海量特性，实际工程应用条带数据往往达到GB级别，软件具备处理GB量级数据能力是软件实现中的重要技术问题。为此，通过数据分块技术予以实现。IDL分块处理将输入数据分成同样大小的单元 (见图7)，一个空间分块的大小为块包含的行数与每行像元数之积，空间分块近似于按输入的波段对影像进行分块，因而可以进行空间处理，不用考虑文件的存储方式。

图7 分块技术示意图Fig.7 Sketch map of block technique for hyperspectral image data

3 结论

基于IDL作为开发工具，设计并实现了高光谱遥感油气探测信息提取软件，具备高光谱影像大数据读写及处理能力，集成了影像预处理、波谱曲线特征分析、烃类微渗漏异常信息提取等功能，为高光谱遥感油气探测提供了技术支持，在前期数据处理分析工作中具有一定的实用价值。

［1］ Freek van der Meer，Paul van Dijk，Harald van der Werff，et al.Remote sensing and petroleum seepage:A review and case study［J］.Terra Nova，2002，14(1):1～17.

［2］ Ben-Dor E，Chabrillat S，DemattêJ A M，et al.Using imaging spectroscopy to study soil properties［J］.Remote Sensing of Environment，2009，113:S38 ～ S55.

［3］ Hörig B，Kühn F，Oschütz F，et al.HyMap hyperspectral remote sensing to detect hydrocarbons［J］.International Journal of Remote Sensing，2001，22(8):1413～1422.

［4］ Logan G A，Jones A T，Kennard J M，et al.Australian offshore natural hydrocarbon seepage studies:A review and reevaluation ［J］.Marine and Petroleum Geology，2010，27:26～45.

［5］ Kühn F，Oppermann K，Hörig B.Hydrocarbon Index:An algorithm for hyperspectral detection of hydrcarbons ［J］.International Journal of Remote Sensing，2004，25(12):2467 ～2473.

［6］ 申晋利，丁树柏，齐小平，等.烃类微渗漏现象遥感检测研究进展［J］.国土资源遥感，2010，85(3):7～11.SHEN Jin-li，DING Shu-bai，QIXiao-ping，et al.The progress of remote sensing technology in the detection of hydrocarbon micro-seepage［J］.Remote Sensing for Land＆ Resources，2010，85(3):7～11.

［7］ 管仲，田庆久.油气光学遥感研究综述［J］.天然气工业，2006，26(11):44～48.GUAN Zhong，TIAN Qing-jiu.A summary of oil/gas optical remote sensing［J］.Natural Gas Industry，2006，26(11):44～48.

［8］ 朱振海.油气藏烃类微渗漏理论及遥感油气资源探测的机理研究［J］.遥感技术与应用，1994，9(1):1～10.ZHU Zhen-hai.Hydrocarbon microseepage theory and oil-gas reservoir detecting by remote sensing ［J］.Remote Sensing Technology and Application，1994，9(1):1～10.

［9］ 陈圣波，赵靓，王晋年.黄土覆盖区油气微渗漏地表蚀变高光谱特征响应机理研究［J］.光谱学与光谱分析，2012，32(6):1616～1619.CHEN Sheng-bo，ZHAO Liang，WANG Jin-nian.Study on hyperspectral response to surface alteration by oil and gas microseepage under loess area［J］.Spectroscopy and Spectral Analysis，2012，32(6):1616～1619.

［10］ Edward A.Cloutis.Spectral reflectance properties of hydrocarbons:Remote-sensing implications ［J］.Science:New Series，1989，245(4914):165 ～168.

［11］ 张东，张鹰，李欢.海岸带星载高光谱遥感影像预处理方法［J］.海洋科学进展，2009，27(1):92～97.ZHANG Dong，ZHANG Ying，LI Huan.Methods for data preprocessing of hyperspectralsatellite-remote sensing imagerey of coastal zone［J］.Advances in Marine Science，2009，27(1):92～97.