卫星高光谱数据在地质填图中的比较（结果分析篇）

高光谱应用

在之前卫星高光谱数据在地质填图中的比较系列中，分别对研究数据、研究方法及技术进行了介绍，本节将介绍相关研究结果。

1.结果分析

1）定性比较分析

实地样本分析：研究团队通过实地样本的光谱分析，确定了特定矿物的吸收峰，如钕的吸收峰在 450-1350 nm 范围内，以及碳酸盐的吸收峰在 2337 nm 处。

卫星与航空高光谱数据比较：在较大的地面采样间距（30 m 和 5 m），卫星和航空高光谱数据无法捕捉到细微的矿物吸收特征，如钕的吸收峰，但能够识别出碳酸盐的吸收特征。

 (a): HyMap、EnMAP 、PRISMA和EMIT与实测样点的光谱对比

 (b)：HyMap、EnMAP 、PRISMA和EMIT在光谱端元（方解石、白云石和围岩）段光谱对比

 2）绝对和相对一致性评估 

 通过比较不同传感器的反射率估计值，发现 EnMAP、EMIT 和 HyMap 之间存在一定的一致性，而 PRISMA 传感器的数据与其他传感器存在较大差异，尤其是在 SWIR 光谱范围内。

 3）特征一致性分析 

 光谱指数分析：通过应用特定的光谱指数，研究者们能够识别出与地质特征相关的矿物，如钙碳酸盐和镁碳酸盐，并且在不同的传感器数据中得到了一致的结果。

 图  假色三元合成图显示 Epembe 站点的光谱指数结果。方解石光谱指数（红色）清晰地勾勒出每个数据集中富含方解石的碳酸盐岩堤

 4）潜在特征一致性分析 

 使用线性解混技术生成的矿物丰度图与地质地图的对比表明，尽管 PRISMA 传感器的光谱数据在 SWIR 范围内存在问题，但所有传感器的数据都能够反映出地质特征的空间分布，不同传感器的数据在潜在特征（如矿物丰度）的一致性上表现出较好的相关性。

图  ( A ) HyMap、( B ) EnMAP、( C ) EMIT 和 ( D ) PRIMSA的光谱丰度图。光谱图中的 x 轴和 y 轴分别表示波长和反射率。光谱丰度图的每个通道都与相邻光谱图中相应的彩色端元光谱相关联。

结论

 HyMap、EnMap、PRISMA 和 EMIT 数据之间存在显著差异，VNIR 光谱范围内的卫星数据一致性较好，而 SWIR 光谱范围内的一致性较差。EnMAP 和 EMIT 传感器在 SWIR 光谱范围内提供了较为清晰的矿物吸收特征，有助于地质填图；而 PRISMA 传感器的数据VNIR 光谱的数据质量优于 SWIR 光谱，在 SWIR 光谱范围内存在较大的噪声和伪影，导致光谱指数与地质图与EnMap 和 EMIT 的结果不太一致。  

 [1]:Chakraborty, R.; Rachdi, I.; Thiele, S.; Booysen, R.; Kirsch, M.; Lorenz, S.; Gloaguen, R.; Sebari, I. A Spectral and Spatial Comparison of Satellite-Based Hyperspectral Data for Geological Mapping. Remote Sens. 2024, 16, 2089. https://doi.org/ 10.3390/rs16122089