云南会泽铅锌矿玄武岩与碳酸盐岩区景观格局分析

石振杰，温兴平，马 威，沈 攀，罗大游，郁 智

(1.昆明理工大学国土资源工程学院，云南昆明 650093；2.云南省矿产资源预测评价工程实验室，云南昆明 650093)

云南会泽铅锌矿玄武岩与碳酸盐岩区景观格局分析

石振杰1，2，温兴平1，2，马 威1，2，沈 攀1，2，罗大游1，2，郁 智1，2

(1.昆明理工大学国土资源工程学院，云南昆明 650093；2.云南省矿产资源预测评价工程实验室，云南昆明 650093)

玄武岩与碳酸盐岩是岩浆岩和沉积岩的典型代表，两大岩类之间的差异性决定了两者具有不同的形状特征和抗风化能力。本文以会泽铅锌矿区为例，研究如何以定量方式表达这种差异。基于5m分辨率的RapidEye遥感影像，利用面向对象分类技术分离玄武岩和碳酸盐岩图斑，计算出代表斑块形态特征和破碎化信息的10个景观指数，并引用主成分分析法消除指数之间的信息冗余，更合理地表达指数意义。结果显示，面向对象分类技术分离出的裸岩斑块可单独计算景观指数，分析效果良好；景观指数分析和主成分分析结果一致，显示出玄武岩破碎度较高，形状呈不规则块状或团块状，碳酸盐岩破碎度比玄武岩低，形状呈现条带状，分析结果与两者的岩性特征以及遥感影像图形特征相符。研究对于岩浆岩和沉积岩的岩性自动识别有一定的指导作用。

玄武岩 碳酸盐岩 面向对象 景观格局 主成分分析

Shi Zhen-jie，Wen Xing-ping，Ma Wei，Shen Pan，Luo Da-you，Yu Zhi.Analyzing landscape patterns of the basalt and carbonate rock area in the Huize lead-zinc mine，Yunnan Province[J].Geology and Exploration，2016，52(3):0543-0550.

0 引言

运用遥感技术进行岩性识别经历了从目视解译到人机交互解译、计算机自动分类的发展历程，极大地提高了地质工作的效率，是遥感地质应用的一个重要方面。传统的岩性信息目视解译标志主要为遥感图像上的色调和图形特征，其分别反映了岩性的光谱特征和形态标志，例如沉积岩色调较浅，呈浅灰或灰色，图形特征主要为直线型或折线型的条纹条带状；岩浆岩中基性岩色调多呈深灰至黑色，具有圆形、椭圆形、环形、串珠状、不规则块状等图形特征。

20世纪70年代起，国外开始了岩石矿物的光谱特征与处理技术的研究，为岩性信息自动提取奠定了基础(Hunt,1977；Clarketal.,1990，2003)；之后国内学者利用多光谱和高光谱数据也进行了大量的岩矿光谱识别技术的应用研究，如燕守勋等(2004)提出高光谱岩矿填图的技术流程和主要技术方法，许多学者对光谱遥感岩矿识别方法及应用进行了详细研究(甘甫平等，2003；唐攀科等，2006；王润生等，2010，2011)。随着遥感信息提取技术的发展，基于专家知识或人工智能等方法在岩性分类中得到应用，如采用决策树C4.5算法(王贤敏等，2010)、运用专家知识混合调制匹配滤波(MTMF)与波段运算方法(孙雨等，2015)、通过对光谱数据或植被指数的主成分分析(查逢丽等，2015)、引入分形维数(Cámaraetal.,2015)等进行岩性识别或蚀变信息提取都有效地提高了分类的精度。

米级、亚米级遥感影像的出现，地物细节信息得到增强，使得综合了地物光谱、纹理、形状和位置等特征的面向对象图像处理技术受到重视(张秀英等，2009)，尤其在城市、植被、岩性等地物分类中应用广泛(Carvalhoetal.，2004；Aitkenheadetal.，2011；Savasetal.，2015)；岩性的识别在光谱基础上，加入了纹理(马德峰等，2008；李智峰等，2011)或地形(Grebbyetal.，2011)信息，精度得到提高。对于分类图像的景观结构组成和空间配置状况是景观格局分析的主要内容，在土地利用方式(李鑫等，2011；黄思琴等，2015)、景观格局演变(方仁建等，2015；李学渊等，2015)和岩溶地区景观多样性变化等方面应用较多(罗光杰等，2011)。然而单独针对裸露岩石的景观指数研究文献出现较少。景观指数能够高度概括景观格局信息，综合反映单个斑块的几何特征和景观级别的空间结构，用于高分辨率影像岩石对象的形态特征、破碎程度等分析，对岩性信息提取研究具有借鉴作用。

本文以云南省会泽铅锌矿区为例，基于高分辨率影像，运用面向对象分类技术并结合地质图提取矿区玄武岩和碳酸盐岩图斑，通过计算景观格局指数，对比研究两大岩性的几何形态特征和破碎度，分析其与传统的岩浆岩、沉积岩遥感解译标志对应关系，以定量化的方式表达岩性特征，对于较大区域的岩性自动识别有一定的指导意义。

1 研究区地质

会泽铅锌矿位于云南省东北部会泽县矿山镇境内，地处滇东高原和黔西高原结合部，乌蒙山主峰地段，地貌以山地和盆地为主；区内除东部牛栏江流域地形高差较大外，其它地方地势起伏相对和缓。矿区位于川滇黔铅锌银多金属成矿区中南部，面积约为10km2，是我国著名的铅锌锗生产地之一(韩润生等，2001)。

根据云南会泽铅锌矿区1 ∶2.5万地质图，该区出露的岩石地层主要有上震旦统灯影组(Z2d)白云岩，上泥盆统宰格组(D3zg)硅质白云岩、灰岩，下石炭统大塘组(C1d)灰岩、泥岩夹石英砂岩，下石炭统摆佐组(C1b)、中石炭统威宁组(C2w)、上石炭统马平组(C3m)的白云质灰岩、粗晶白云岩，下二叠统梁山组(P1l)石英砂岩夹泥页岩，下二叠统栖霞茅口组(P1q+m)灰岩夹中-粗晶白云岩，上二叠统峨眉山玄武岩组(P2β)的致密块状玄武岩。总的来看该区地层岩性主要包括玄武岩、碳酸盐岩和砂岩或粉砂岩三类(图1)，是岩浆岩和沉积岩的典型代表，其中玄武岩分布于矿山厂断裂以北和矿区南部，相对集中，面积广布；碳酸盐岩位于矿山厂断裂南部和东部，呈NE-SW向展布；砂岩、粉砂岩呈条带状和斑块状镶嵌于碳酸盐岩区，由于出露面积小，且具有沉积岩条纹条带状图形特征，可将其划分到碳酸盐岩区，因此研究区岩性单元可划分为玄武岩和碳酸盐岩两类，是本文景观格局的研究对象。玄武岩与碳酸盐岩岩性差异明显，且碳酸盐岩为广泛分布的石炭系和二叠系下统栖霞、茅口组的灰岩、白云岩及白云质灰岩，发育的岩溶地貌处于中晚期阶段，岩区内岩性发育和风化程度相似，因此其内部景观格局具有一致性和整体性，是与玄武岩区具有不同景观特征的岩性单元。

图1 研究区岩性单元划分(据云南会泽铅锌矿区1 ∶2.5万地质图改编)Fig.1 Lithologic unit division in study area (modified from 1 ∶25000 geological map of Huize lead-zinc mine area，Yunnan province) 1-碳酸盐岩；2-玄武岩；3-砂岩1-carbonate rock；2-basalt；3-sandstone

2 数据与方法

2.1 数据来源及预处理

遥感数据尤其是数据分辨率的合理选择与研究对象的尺度范围密切相关，不同尺度的对象选取适宜的空间分辨率的影像可以得到较好的分类精度和应用效果。本次研究选用2010年10月30日获取的RapidEye卫星数据，其影像获取能力强，地面采样间隔为6.5m，正射影像分辨率为5m，具有大范围覆盖、高重访率、高分辨率和多光谱数据获取等优势。数据除了常规的蓝、绿、红和近红外波段外，提供的红边波段有利于区分植被与岩石信息(表1)。预处理是遥感影像进行分类前保证精度的重要过程，经过辐射校正、大气校正、正射校正后，对影像进行图像配准和裁剪，最终获取研究区影像。会泽铅锌矿区域范围不大，岩性种类简单且差异明显，选取5m分辨率的RapidEye影像地表信息丰富、纹理清晰，能够突出裸露岩石、植被及地形等特征差异，确保分类精度和满足景观格局分析的需要。

表1 RapidEye波段参数

2.2 面向对象分类

面向对象分类技术是以对象(图斑)为单位，集合光谱、色调、形态、纹理和空间关系等信息将影像进行分类，不仅突破了基于像元分类的方法，也能多层次的获取对象信息，更好地发挥了高分辨率影像的价值。本文基于ENVI 5.1面向对象空间特征提取模块完成图像分割、对象分离、特征提取和参数测量这一过程，将原始图像转化为更抽象更紧凑的形式，以利于进行更高层的分析和理解。图像分割是影响分类效果的关键因素之一，研究采用的多尺度分割算法综合了图像的光谱、纹理和形状特征，充分利用各个波段及DEM、NDVI、波段比值、HSI颜色空间等辅助信息，将图像划分为各具特性、互不重叠的区域；其次选取训练样本进行监督分类，分类器采用支持向量机(SVM)，此时的监督分类同样集合了数据的光谱、空间和纹理信息，分类精度更高。

2.3 景观指数选取

景观指数高度浓缩了景观信息，以指标形式展现景观斑块几何特征和结构配置。综合考虑研究区出露岩石的特性、结构、分布等因素，以玄武岩、碳酸盐岩和整个出露岩石为研究单元，选取斑块面积、密度、形状指数等10个指标对其形态特征和破碎度进行评价，指标公式及意义见表2。景观指数基于GIS平台中景观生态学分析工具Patch Analyst(Rempeletal.，2011)进行计算。

表2 景观指数选取及含义

注：公式中i表示景观类型，j表示斑块，N代表斑块数量，A代表斑块面积，E代表斑块周长。

3 结果与分析

3.1 分类结果及精度评价

研究经过多次实验，采用边缘检测分割算法和Full Lambda Schedule合并算法对图像进行分割、合并，阈值分别设为50和80，纹理内核为3，获取图斑后选取样本利用SVM进行监督分类。根据研究需要，结合土地利用标准，将研究区划分为五种土地利用类型，分别是裸岩、林地、耕地、建设用地和河流，各自特征见表3。这5种土地利用类型皆为玄武岩和碳酸盐岩的上覆景观，各景观类型差异较大，研究目的在于对独立的岩性单元景观格局进行分析，因此需要针对裸岩、玄武岩和碳酸盐岩分布区的图斑进行景观指数计算。

精度评价是对分类结果准确度检验的重要环节，本文结合实地考察情况，采用混淆矩阵对分类结果进行精度验证，分别计算总体精度、Kappa系数、生产者精度和用户精度(表4)。如表4所示，总体分类精度为91.05%，Kappa系数为0.87，总体分类效果良好；裸岩用户精度达到83.69%，虽然错分样本较多，是因为少量岩石风化物紧靠耕地，边界不明显，被分入裸岩和建设用地中，实则会逐渐风化成土壤被开发为耕地，也揭示了岩石风化的特性，但不影响后续景观格局分析。

表3 研究区土地利用类型划分

表4 土地利用类型分类精度

3.2 岩性斑块景观指数分析

玄武岩和碳酸盐岩的岩性差异使得其被风化剥蚀的程度不同，且在遥感图像上具有岩浆岩和沉积岩不同的图形特征，通过上述10个景观指数分析玄武岩、碳酸盐岩和整个裸岩的破碎程度和形态特征是研究的主要目的。结果如表5所示，斑块数量(NP)、边界密度(ED)、斑块密度(PD)和平均斑块面积(MPS)是较常用的表示景观细碎化的指标，在此用于揭示这两种岩石类型的破碎度情况。从斑块数量来看，裸岩单元分割的斑块数量共为241个，其中玄武岩为158个，约占66%，而碳酸盐岩约占39%，玄武岩占比重更大，表明在同一分割尺度下玄武岩被分割程度较高，体现了其更容易风化破碎；斑块密度也被称为破碎度指标，玄武岩斑块密度值大于碳酸盐岩，破碎情况明显；玄武岩平均斑块面积比碳酸盐岩偏小，说明单个斑块尺度上，玄武岩斑块相对较小，破碎程度高，而碳酸盐岩斑块较大，破碎度较低；边界密度也代表了被分割的程度，单位面积内边界值越大说明斑块形状越复杂，主要表现为斑块边界曲折呈锯齿状，不规则，玄武岩边界密度较大，表明其在被分割为较小斑块的同时，边界复杂、不规则，也体现了其破碎程度高。以上综合反映出玄武岩较碳酸盐岩被分割程度更高，表明玄武岩更容易被剥蚀风化，岩石破碎化明显。景观指标也定量显示了玄武岩破碎化和不规则的边界特征，而且因在裸岩单元占比重大，也提升了整个裸岩的破碎度指数值，这与玄武岩和碳酸盐岩的岩性特征相符。

平均斑块边界(MPE)、平均周长面积比(MPAR)、平均形状指数(MSI)和平均斑块分维数(MPFD)代表了景观斑块的形状指标，用于表示斑块的几何形状特征、复杂程度等。玄武岩的平均斑块边界比碳酸盐岩小，是因为其单个斑块平均面积较小，碳酸盐岩单个斑块在空间尺度上占有优势。其余指标都是以斑块的周长与面积的关系衡量其形状特征的，平均周长面积比代表了平均单个斑块的形状紧密性特征，周长面积比越小斑块形状越趋近于圆形，越大表明斑块形状变为方形或矩形，玄武岩的平均周长面积比较碳酸盐岩小，体现了玄武岩的斑块总体呈团块状，而碳酸盐岩斑块总体上偏条带状。面积加权平均形状指数(AWMSI)以斑块面积为权重，指数越大，斑块形状就越复杂。玄武岩的平均形状指数比碳酸盐岩小，而面积加权的平均形状指数较大，说明玄武岩在连片化形成大斑块的同时，形状趋于复杂、不规则；相反，碳酸盐岩面积加权平均形状指数较小，而平均形状指数偏大，表明大面积的碳酸盐岩斑块更趋向简单化；研究区建筑、道路、工矿等建设用地大多分布在碳酸盐岩单元之上，该指数反映出人为干扰对景观的影响。分维数也是表达景观格局总体特征和斑块形状复杂程度的重要指标，数值越接近1表明形状越简单，通常是人为影响造成的，能够反映人类活动的干扰情况，数值越接近于2表明形状复杂程度越高。玄武岩的平均斑块分维数和面积加权平均斑块分维数(AWMPFD)均比碳酸盐岩大，可见无论斑块大小尺度变化，玄武岩斑块分维数偏大，形状比碳酸盐岩更为复杂，破碎度也高，这与玄武岩容易被风化剥蚀后成土，造成其上覆景观类型多样有关；碳酸盐岩斑块分维数偏小，人为活动影响较多，使其形状相对规则简单。以上也综合反映了玄武岩和碳酸盐岩分别呈现了近圆形、不规则块状和条带状的图形特征，符合岩浆岩和沉积岩典型的图形特征。

表5 各岩性单元景观指数值

3.3 主成分分析

主成分分析是把数量较多且相关性比较大的变量转化为少数独立的不相关的综合变量组成主成分，用主成分去分析问题。通过相关性分析得知，本文用来衡量岩性单元破碎度和形状特征的景观指数之间相关性比较大，例如面积加权平均斑块分维数与平均斑块边界和平均斑块面积、平均形状指数和面积平均形状指数都呈显著负相关，其显著性水平为0.05；平均斑块分维数与边界密度和斑块密度、边界密度与斑块密度以及平均斑块边界和平均斑块面积都呈显著正相关，显著性水平达到0.01。这些相关性比较大的景观指数对于景观格局的解释存在信息的重叠和冗余，主成分分析可以对其进行降维，以涵盖85%以上信息的主成分来反映景观格局特征。

为了便于对比分析，将以上10个景观指数进行标准化处理，对转化后的数据进行主成分分析，计算结果见表6和表7。表6可知，第一主、第二主成分初始特征值分别为7.848、2.152，方差贡献率分别为78.479%、21.521%。前两种主成分的累积方差贡献率达到100%，说明这两种主成分包含了所有指数信息，可以对研究单元的破碎度等特征进行综合分析。表7为主成分分析载荷矩阵，表示主成分与原始各指数之间的相关程度。可以看出第一主成分F1与面积加权平均斑块分维数(AWMPFD)、平均斑块边界(MPE)、平均斑块面积(MPS)、平均形状指数(MSI)、面积加权平均形状指数(AWMSI)、平均斑块分维数(MPFD)、边界密度(ED)和斑块密度(PD)的载荷值均大于89.7%，可用第一主成分表示这8个指数信息内容；由载荷系数可以得知，第一主成分值越大，平均斑块边界、平均斑块面积和平均形状指数越小，其余指数越大，且第一主成分与面积加权平均斑块分维数相关性最大，表明该主成分综合反映了岩性单元斑块的面积和边界复杂度，代表破碎化程度。第二主成分F2与斑块数量(NP)和平均周长面积比(MPAR)载荷值为76%以上，可以反映这2个指数信息内容，且与平均周长面积比呈正相关，相关性最大，与斑块数量呈负相关，该主成分主要反映了岩性单元斑块的形状特征。

表6 主成分分析因子提取

表7 主成分载荷矩阵

将主成分载荷矩阵中的数据分别除以主成分所对应特征值的平方根求得两个主成分中原始指标对应的系数，主成分值即为各系数与原始指数乘积之和，计算公式如下：

F1=0.3567×AWMPFE-0.3525×MPE-0.3511×MPS-0.3412×MSI+0.3343×AWMSI+0.3248×MPFD+0.3243×PD+0.3203×ED-0.1733×MPAR+0.2321×NP

F2=0.0283×AWMPFE-0.1076×MPE-0.1227×MPS+0.2004×MSI-0.2391×AWMSI+0.2829×MPFD+0.2849×PD+0.3009×ED+0.5960×MPAR-0.5179×NP

F=0.78×F1+0.22×F2

各岩性单元主成分值计算结果见表8，其中F为综合主成分值。以上可知第一主成分包含了8个指数信息，代表岩性单元破碎化程度；第二主成分包含2个指数信息，代表岩性单元形状特征。通过比较，玄武岩第一主成分值较大，表明玄武岩斑块破碎度高，边界复杂，而碳酸盐岩斑块破碎程度偏低，F1为负值更体现了其与玄武岩的差异较大；玄武岩第二主成分值同样较碳酸盐岩大，表明玄武岩斑块形状呈不规则团块状，而碳酸盐岩斑块形状简单规则，呈条带状。主成分分析结果总体符合玄武岩和碳酸盐岩的岩性特征和遥感解译标志。

表8 各岩性单元主成分值

4 结语

本文以云南会泽铅锌矿区玄武岩和碳酸盐岩为研究对象，基于面向对象分类技术和景观格局分析工具，通过景观指数计算和主成分分析完成了两大岩性单元的破碎程度和形态特征的分析，获得以下认识：

(1)研究基于RapidEye高分辨率多光谱影像，通过面向对象分类技术分离出的裸岩精度较高，用以进行的景观指数分析效果良好。

(2)文中选取了10个景观指数用来表示裸岩斑块的破碎度情况和形态特征，结果显示玄武岩的斑块数量、斑块密度和边界密度均大于碳酸盐岩，而平均斑块面积较小，表明玄武岩边界复杂、破碎度较高；通过平均斑块边界、周长面积比、形状指数和斑块分维数等形状指标分析得出，玄武岩斑块形状近圆形、呈团块状，形成的大斑块形状复杂不规则，而碳酸盐岩因自身特征和人为干扰影响，总体形状简单，斑块呈条带状。

(3)主成分分析结果显示，通过景观指数因子分析，提取的主成分累积方差贡献率达100%。其中第一主成分包含了平均斑块边界、平均斑块面积、平均形状指数、面积加权平均形状指数、平均斑块分维数、面积加权平均斑块分维数、边界密度和斑块密度8个指数信息，载荷值均大于89.7%，代表了岩石斑块的破碎化程度；第二主成分包含了斑块数量和平均周长面积比2个指数信息，载荷值在76%以上，主要反映岩石斑块的形状特征。

(4)通过计算，玄武岩第一、第二及综合主成分值均大于碳酸盐岩，表明玄武岩斑块破碎度高，边界复杂，形状呈不规则团块状，碳酸盐岩斑块破碎度偏低且形状简单规则，呈条带状。主成分分析结果与景观指数分析结果相同，均符合玄武岩和碳酸盐岩风化特征和图形解译标志。

(5)本文通过玄武岩和碳酸盐岩的景观指数以及主成分分析获取其形态特征和破碎度，以对应岩浆岩和沉积岩的解译标志，效果良好，具有可行性，也适合于其它区域岩性单元景观格局研究。

致谢：本文得到昆明理工大学地质过程与矿产资源省创新团队和昆明理工大学遥感地球化学学科方向团队联合资助，在此表示感谢！

Aitkenhead M J，Aalders I H.2011.Automating land cover mapping of Scotland using expert system and knowledgeintegration methods[J].Remote Sensing of Environment，115:1285-1295

Cámara J，Gómez-Minguel V，ngel Martín M.2015.Identification of bedrock lithology using fractal dimensions of drainage networks extracted from medium resolution LiDAR digital terrain models [J].Pure and Applied Geophysics：1-17

Clark R N，King TVV，Klejwa M，Swayze G A，and Vergo N.1990.High spectral resolution reflectance spectroscopy of minerals [J].Journal of Geophysical Research，95(B8):12653-12680

Clark R N，Swayze G A，Livo K E，Kokaly R F，Sutley S J，Dalton J B，McDougal R R，Gent C A.2003.Imaging spectroscopy: earth and planetary remote sensing with the USGS Tetracorder and expert systems [J].Journal of Geophysical Research，108 (E12):5-1

De Carvalho L，Clevers J，Skidmore A，de Jong S.2004.Selection of imagery data and classifiers for mapping Braziliannsemideciduous Atlantic forests [J].International Journal of Applied Earth Observationand Geoinformation，5(3):173-186

Fang Ren-jian，Shen Yong-ming，Shi Hai-dong.2015.The changes of coastal wetland landscape pattern based on the characteristics of reclamation: a case study in coastal wetlandof Yancheng，Jiangsu Province，China [J].ActaEcologicaSinica，35(3):641-651(in Chinese with English abstract)

Gan Fu-ping，Wang Run-sheng，Ma Ai-nai，Zhang Zong-gui，Li Meng-xia.2003.Integration for extracting and mineral analysis models for geologicalapplication using remote sensing data [J].Journal of Remote Sensing，7(3):207-213(in Chinese with English abstract)

Grebby S，Naden J，Cunningham D，Tansey K.2011.Integrating airborne multispectral imagery and airborne LiDAR data for enhanced lithological mapping in vegetated terrain [J].Remote Sensing of Environment，115:214-226

Han Run-sheng，Chen Jin，Li Yuan，Ma De-yun，Zhao De-shun，Ma Geng-sheng.2001.Ore-controlling tectonics and prognosis of concealed ores in HuizePb-Zn deposit [J].ActaMineralogicaSinica，21(2): 255-266(in Chinese with English abstract)

Han Run-sheng，Liu Cong-qiang，Huang Zhi-long，Li Yuan，Chen Jin.2001.Characteristics of ore-controlling structures and ree composition of fault rocs in Huize Lead-Zinc deposit，Yunnan [J].Journal of Mineralogy and Petrology，(04):11-18(in Chinese with English abstract)

Huang Si-qin，Chen Ying,Zhang Ren-zhi,Wu Wei,Wei Chen.2015.Spatial correlation analysis of land fragmentation and agriculturedevelopment based on landscape indexes [J].Agricultural Research in the Arid Areas,33(3):238-244(in Chinese with English abstract)

Hunt G R.1977.Spectral signatures of particulate minerals in the visible and near infrared [J].Geophysics，42 (3):501-513

Li Xin,Ou Ming-hao,Ma Xian-lei.2011.Analysis on impact of fragmentation based on landscapeindex to cultivated land use efficiency-a case on Lixiahedistrict in Yangzhou city [J].Journal of Natural Resources，26(10):1758-1767(in Chinese with English abstract)

Li Xue-yuan，Zhao Bo，Chen Shi-lei，Zhao Ying-wang，Bian Kai.2015.Spatial-temporal evolution analysis of mining geological environment based on RS and GIS: a case study of the Dongsheng ore district [J].Remote Sensing for Land & Resources，27(2):167-173(in Chinese with English abstract)

Li Zhi-feng，ZhuGu-chang，Dong Tai-feng.2011.Application of GLCM-based texture features to remote sensing image classification [J].Geology and Exploration，47(3):456-461(in Chinese with English abstract)

Luo Guang-jie，Li Yang-bing，Wang Shi-jie，Cheng An-yun，Dan Wen-li.2011.Comparison of ecological significance of landscape diversity changes in karst mountains: a case study of 4 typical karst area in Guizhou Province [J].ActaEcologicaSinica,31(14):3882-3889(in Chinese with English abstract)

Ma De-feng，Li Pei-jun.2008.The use of multiscale texture in image classification for lithologic mapping[J].Acta Petrological Sinica,24(6):1425-1430(in Chinese with English abstract)

Rempel R S，Kaukinen D，Carr A P.2012.Patch analyst and patch grid.Ontario Ministry of Natural Resources.Centre for Northern Forest Ecosystem Research，Thunder Bay，Ontario

Savas S,Durduran.2015.Automatic classification of high resolution land cover using a new data weighting procedure: The combination of k-means clustering algorithm and central tendency measures (KMC-CTM) [J].Applied Soft Computing，35:136-150

Sun Yu，Nie Jiang-tao，Tian Feng，Qin Kai，YangGuo-fang，Wang Jian.2015.Alteration mineral mapping of the Xiangshan uranium core using HySpex imaginghyperspectral data and its geological significance [J].Geology and Exploration，51(1):165-174(in Chinese with English abstract)

Tang Pan-ke，Wang Run-sheng,Yang Su-ming，Liu Sheng-wei，Yan Bo-kun，Chen Wei-tao.2006.Uncertainty of influential factors about target recognition of imaging spectrometry [J].Geology and Exploration，42(2):74-78(in Chinese with English abstract)

Wang Run-sheng，Gan Fu-ping，Yan Bo-kun，Yang Su-ming，Wang Qing-hua.2010.Hyperspectral mineral mapping and its application [J].Remote Sensing for Land & Resources,(1):1-13(in Chinese with English abstract)

Wang Run-sheng，Xiong Sheng-qing，Nie Hong-feng，Liang Shu-neng，Qi Ze-rong，Yang Jin-zhong，Yan Bai-kun，Zhao Fu-yue，Fan Jing-hui，Tong Li-qiang，Lin Jian，Gan Fu-ping，Chen Wei，Yang Su-ming，Zhang Rui-jiang，Ge Da-qing，Zhang Xiao-kun，Zhang Zhen-hua，Wang Pin-qing，Guo Xiao-fang，Li Li.2011.Remote sensing technology and its application in geological exploration [J].ActaGeologicaSinica,85(11):1699-1743(in Chinese with English abstract)

Wang Xian-min，NiuRui-qing，Wu Ting.2010.Research on lithology intelligent classification for Three Gorges Reservoir area [J].Rock and Soil Mechanics，31(9):2946-2950(in Chinese with English abstract)

Yan Shou-xun，Zhang Bing，Zhao Yong-chao，Zheng Lan-fen，Tong Qing-xi，Yang Kai.2004.Summarizing the technical flow and main approaches fordiscrimination and mapping of rocks and minerals using hyperspectral remote sensing [J].Remote Sensing Technology and Application,19(1):52-59(in Chinese with English abstract)

Zha Feng-li,Ma Ming，Chen Sheng-bo，Liu Yan-li，Li Yan-qiu，Huang Shuang.2015.Remote sensing lithologic classification of multispectral data based on the vegetation inhibition method in the vegetation coverage area [J].Earth Science-Journal of China University of Geosciences，40(8):1403-1408(in Chinese with English abstract)

Zhang Xiu-ying，Feng Xue-zhi，Jiang Hong.2009.Feature set optimization in object-oriented methodology [J].Journal of Remote Sensing，13(4):664-669(in Chinese with English abstract)

[附中文参考文献]

方仁建,沈永明,时海东.2015.基于围垦特征的海滨地区景观格局变化研究——以盐城海岸为例[J].生态学报,35(3):641-651

甘甫平,王润生,马蔼乃,张宗贵,李孟霞.2003.遥感地质信息提取集成与矿物遥感地质分析模型[J].遥感学报,7(3):207-213

韩润生,陈 进,李 元,马德云,赵德顺,马更生.2001.云南会泽铅锌矿床构造控矿规律及其隐伏矿预测[J].矿物学报,21(2):265-267

韩润生,刘丛强,黄智龙,李 元,陈 进.2001.云南会泽铅锌矿床构造控矿及断裂构造岩稀土元素组成特征[J].矿物岩石,20(4):11-18

黄思琴,陈 英,张仁陟,吴 玮,魏 晨.2015.基于景观指数的耕地细碎化与农业经济水平的空间相关性分析[J].干旱地区农业研究,33(3):238-244

李 鑫,欧名豪,马贤磊.2011.基于景观指数的细碎化对耕地利用效率影响研究——以扬州市里下河区域为例[J].自然资源学报,26(10):1758-1767

李学渊,赵 博,陈时磊,赵颖旺,边 凯.2015.基于遥感与GIS的矿山地质环境时空演变分析——以东胜矿区为例[J].国土资源遥感,27(2):167-173

李智峰,朱谷昌,董泰锋.2011.基于灰度共生矩阵的图像纹理特征地物分类应用[J].地质与勘探,47(3):456-461

罗光杰,李阳兵,王世杰,程安云,丹文丽.2011.岩溶山区景观多样性变化的生态学意义对比——以贵州四个典型地区为例[J].生态学报,31(14):3882-3889

马德峰,李培军.2008.加入多尺度图像纹理的岩性分类[J].岩石学报,24(6):1425-1430

孙 雨,聂江涛,田 丰,秦 凯,杨国防,王 健.2015.相山铀矿岩芯HySpex成像高光谱数据蚀变矿物提取及其地质意义[J].地质与勘探,51(1):165-174

唐攀科,王润生,杨苏明,刘圣伟,阎柏琨,陈伟涛.2006.成像光谱地物识别影响因素的不确定性浅析——以矿物识别为例[J].地质与勘探,42(2):74-78

王润生,甘甫平,闫柏琨,杨苏明,王青华.2010.高光谱矿物填图技术与应用研究[J].国土资源遥感,(1):1-13

王润生,熊盛青,聂洪峰,梁树能,齐泽荣,杨金中,闫柏琨,赵福岳,范景辉,童立强,林 键,甘甫平,陈 微,杨苏明,张瑞江,葛大庆,张晓坤,张振华,王品清,郭小方,李 丽.2011.遥感地质勘查技术与应用研究[J].地质学报,85(11):1699-1743

王贤敏,牛瑞卿,吴 婷.2010.三峡库区岩性智能分类研究[J].岩石力学,31(9):2946-2950

燕守勋,张 兵,赵永超,郑兰芬,童庆禧,杨 凯.2004.高光谱遥感岩矿识别填图的技术流程与主要技术方法综述[J].遥感技术与应用,19(1):52-59

查逢丽,马 明,陈圣波,刘彦丽,李艳秋,黄 爽.2015.基于植被抑制法的植被覆盖区多光谱遥感岩性分类[J].地球科学—中国地质大学学报,40(8):1403-1408

张秀英,冯学智,江 洪.2009.面向对象分类的特征空间优化[J].遥感学报,13(4):664-669

Analyzing Landscape Patterns of the Basalt and Carbonate Rock Area in the Huize Lead-Zinc Mine，Yunnan Province

SHI Zhen-jie1,2，WEN Xing-ping1,2，MA Wei1,2，SHEN Pan1,2，LUO Da-you1,2，YU Zhi1,2

(1.FacultyofLandResourceEngineering，KunmingUniversityofScienceandTechnology，Kunming，Yunnan650093；2.MineralResourcesPredictionandEvaluationEngineeringLaboratoryofYunnanProvince，Kunming，Yunnan650093)

Basalt and carbonate rocks are typical representatives of igneous and sedimentary rocks，of which the distinct shape features and anti-weathering abilities depend on the differences of the two main types. With the Huize lead-zinc mine area of Yunnan Province as an example，this work attempted to characterize such differences by a quantitative manner. Based on RapidEye remote sensing imagery with 5m resolution，the map patches of basalt and carbonate rocks were extracted using the object-oriented classification technology. Then ten landscape indices representing the patch shape and fragmentation information were calculated，and principal component analysis was performed to eliminate redundant information between indices to express the meaning of indices more reasonably. The results show that for the bare rock patches separated by the object-oriented classification technology，the landscape indices can be calculated independently，which achieve good results. Results of landscape index and principal component analyses were consistent，indicating that the fragmentation degree of basalt is higher than carbonate rocks，and basalt patch shape exhibits blocks of irregular or massive shapes，while carbonate rock has a strip-like form. The analysis results are consistent with lithologic features and graphic characteristic in imagery of the two rocks. The study results would be helpful fo lithology identification of igneous and sedimentary rocks.

basalt，carbonate rocks，object-oriented，landscape pattern，principal component analysis

2015-11-13；

2016-03-04;[责任编辑]陈伟军。

国家自然科学基金联合基金(U1133602)、国家自然科学基金(41101343)和云南省高技术产业发展项目计划资助。

石振杰(1991年-)，男，昆明理工大学硕士研究生，主要研究方向为遥感地质。E-mail: shizhenjie8657 @163.com。

温兴平(1970年-)，男，教授，博士生导师，主要从事遥感地质及应用研究。E-mail：619001715@qq.com。

P627

A

0495-5331(2016)03-0543-08