近日，遥感领域权威期刊IEEE Transactions on Geoscience and Remote Sensing在线发表了团队最新研究成果 “Identifying the Lineament Structure Cooperatively Using the Airborne Gravimetric, Magnetic and Remote Sensing Data: A Case Study from the Pobei Area, NW China”。该成果提出了一种改进的重磁位场导数的边界识别方法检测地质体边界，利用航空重力、航磁、遥感数据联合识别坡北地区地质线性构造。第一作者为硕士研究生李国立同学，通讯作者为刘双副教授。

       线性构造的识别对确定成矿区域和地质构造的分布起着至关重要的作用，边缘检测方法主要用于识别线性构造和确定地质体边界，从而为地质解释和地球物理反演提供先验信息。传统的边界识别方法水平分辨率低，难以识别叠加异常以及深部复杂地质体。单一数据识别结果由于缺少综合地球物理数据约束，难以得到准确的地质构造解释。

       针对以上问题，在该研究中，改进了传统的一阶导数，提出了二阶斜导数、垂向导数的斜导数和归一化二阶垂向导数边缘检测算法。改进方法的特点是在重磁源边缘产生零值，并能够均衡不同深度的重磁异常。与包括其他二阶导数方法在内的经典边界识别算法相比，模型实验表明提出的方法在识别更精确和更尖锐的边缘方面具有显著优势，并且在区分叠加异常方面尤其有效。实验还表明，边缘检测算法的归一化将使图像更清晰，地质体边缘更容易获得。将改进方法应用于中国坡北地区的航空重力和磁力数据，与前人方法对比，本文提出的边缘检测器显示了更多的地质细节和线性构造。应用Canny、Sobel和Prewitt算子提取遥感图像的边界。将重磁遥感三种不同类型的数据提取的线性构造进行联合约束，最终获得准确的线性构造解译图。

图1传统方法与改进方法的不同模型试验边界识别结果对比图

图2 加入噪声后传统方法与改进方法的模型试验边界识别效果对比: (a) TAHG; (b) 本文提出的S-S_TDR；(c), (d) 不同方法对应的剖面图

图3 传统方法与改进方法实际数据应用对比与构造解译图

图4 遥感图像不同算子边界识别结果 (a) Canny; (b) Sobel; (c) Prewitt; (d) 遥感地质解译图

图5 线性构造综合识别解译图

        该研究获国家自然科学基金（41874122、42122030）资助。

        论文信息：Li, G., S. Liu, X. Jian, D. Zhu, L. Fu, T. Chen and X. Hu, 2022, Identifying the Lineament Structure Cooperatively Using the Airborne Gravimetric, Magnetic and Remote Sensing Data: A Case Study from the Pobei Area, NW China: IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2022.3213806.

        论文链接：https://ieeexplore.ieee.org/document/9916302.