基于随机森林机器学习算法结合PALSAR与Sentinel-2A遥感数据的地质填图潜力研究——以蒙古南部Tsagaan-uul地区为例

针对蒙古偏远复杂地区地质填图效率低、数据稀缺的问题，本研究创新性整合Sentinel-2A多光谱数据、ALOS PALSAR地形特征与随机森林(RF)算法，系统评估了两种训练策略（地质图与野外样本）的建模效果。结果显示DEM和地形崎岖指数(TRI)为关键预测因子，模型总体精度达64.4%，为区域地质调查提供了可推广的机器学习解决方案。

　　

在地质调查领域，蒙古广袤的国土面积与稀疏的野外数据形成鲜明矛盾。这个矿产资源丰富的国家，目前1:5万比例尺地质图覆盖率不足50%，传统填图方法在交通不便区域面临巨大挑战。尤其像Tsagaan-uul这样的关键成矿带，地质构造复杂且露头分散，亟需发展高效、低成本的现代填图技术。

匈牙利罗兰大学（E?tv?s Loránd University）地球科学博士学院的研究团队独辟蹊径，将机器学习与多源遥感数据融合，在《Journal of Asian Earth Sciences: X》发表了一项创新研究。他们选取蒙古南部Khatanbulag古地块的Tsagaan-uul区块作为实验区，这里发育从新元古代到第四纪的13套地质单元，包括Khulstai变质地体(NP₁hl)的片麻岩、石英岩和志留系Khukh Morit组(S₁hm)的灰岩-砾岩序列，是验证算法普适性的理想场所。

研究采用两大技术路线：其一是基于1:5万地质图的5000个分层随机样本，提取Sentinel-2A的10个光谱波段（如B5、B8A等）和6个铁相关指数（Ferric iron、Gossan等），结合ALOS PALSAR DEM衍生的地形粗糙度指数(TRI)、地形湿度指数(TWI)等20个预测变量；其二是利用36个野外岩石样本和30个第四纪补充点建立局部训练集。通过随机森林(RF)的变量重要性分析（Mean Decrease Gini）和多种数据分割策略（90-10%、80-20%、70-30%）的系统对比，揭示了不同数据配置对分类效果的影响。

变量重要性分析

DEM数据在所有模型中均展现最高区分度（MDG值超40），其次是TRI（约25）和Ferric iron指数（约15）。值得注意的是，Sentinel-2A的SWIR波段（B11、B12）在样本训练模型中贡献突出，印证了短波红外对硅酸盐矿物的敏感特性。

分类性能验证

基于地质图的模型1（90-10%分割，100棵树）取得最佳表现：总体精度64.4%，Kappa系数0.562。其中Baruun Tsohio组(C₂bc)的F1-score达0.72，而Tugrug亚杂岩(ΛπP₁t)因样本稀少仅0.18，凸显样本代表性的关键作用。

野外样本模型的创新发现

采用比例分层(proportional stratification)的Model 14展现出最优稳定性（平均概率0.635±0.213），证明在有限样本条件下，保持原始地层比例能有效提升小类别的识别率。

这项研究的意义不仅在于验证了RF在蒙古地质填图的适用性，更建立了可复制的技术框架：

1. 地形参数（DEM、TRI）是基岩区分类的首要指标

2. 训练集规模比决策树数量更能影响精度

3. 第四纪覆盖层需结合高分辨率影像辅助标注

4. 1:5万地质图存在边界模糊问题，需机器学习修正

该成果为中亚造山带(CAOB)类似区域的数字填图提供了重要参考，特别是将开源卫星数据（Sentinel-2A、ALOS）与轻量化算法结合的策略，对发展中国家地质调查具有显著成本优势。未来若能加入航磁或高光谱数据，有望进一步提升火成岩、变质岩的细分能力。