CN101551471B - 一种高光谱遥感矿物含量定量反演方法 - Google Patents
一种高光谱遥感矿物含量定量反演方法 Download PDFInfo
- Publication number
- CN101551471B CN101551471B CN2009101431901A CN200910143190A CN101551471B CN 101551471 B CN101551471 B CN 101551471B CN 2009101431901 A CN2009101431901 A CN 2009101431901A CN 200910143190 A CN200910143190 A CN 200910143190A CN 101551471 B CN101551471 B CN 101551471B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- mineral
- end member
- content
- continuum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明的方法基于光谱的线性分解。线性分解前,对端元光谱以及高光谱数据进行去连续统处理,消除地形、太阳照度对光谱造成的影响;光谱分解时,端元光谱中加入所有波段均为1的端元,代表所有光谱分解波段范围内无明显吸收特征的矿物端元,无吸收特征的的端元光谱经过去连续统处理后,即可用所有波段均为1的端元代表;线性分解后,针对矿物光谱非线性混合对矿物含量反演结果造成的影响,提出了修正公式,该公式,即可对经过光谱线性分解反演的矿物含量进行修正,使反演的矿物含量更接近真实含量。矿物混合试验证明,该修正公式可减小矿物含量反演的误差。试验数据表明,未经修正时矿物含量反演误差平均为29.8%,经过修正后,平均误差减小至4.5%。
Description
技术领域
本发明涉及一种基于高光谱遥感数据进行矿物信息识别的方法,尤其是能识别矿物的含量。
背景技术
高光谱遥感具有图谱合一的特点,可根据矿物的精细光谱特征进行矿物信息的识别。目前,高光谱遥感矿物识别主要有两大类方法——基于光谱专家知识的识别方法、基于光谱相似性算法的识别方法。前者的基本思路是,综合各种光谱专家知识(光谱吸收特征位置、对称度、深度、面积等),建立矿物识别的决策树从而完成矿物的识别,代表性的方法是“高光谱矿物分层谱系识别方法”(已获得国家发明专利,专利公开号为CN1595203);后者的基本思路是,基于各种光谱相似性算法(光谱角、匹配滤波等),将待识别矿物的光谱与标准矿物光谱库(常用的为美国地质调查局-USGS发布的矿物光谱库)的矿物光谱进行对比,相似度最高的矿物即被认为是待识别的矿物。上述两类方法一般用于定性识别矿物的种类与半定量识别一些矿物组合的相对含量。基于光谱吸收特征深度(或面积)的方法一般用于提取矿物组合的相对含量,2210nm附近吸收特征的深度(或面积)用于识别Al-OH矿物(高岭石、蒙脱石、白云母等)组合的相对含量,2230nm附近吸收特征的深度(或面积)用于识别Mg-OH、CO3 2-矿物(方解石、白云石、绿泥石、绿帘石、蛇纹石、滑石、透闪石等)组合的相对含量。
基于混合光谱线性分解的方法也是高光谱遥感矿物信息提取中重要的方法,但需要考虑并剔除地形、太阳照度所致的“同物异谱”现象、“无光谱吸收特征的矿物”的影响、矿物光谱的非线性混合等影响因素。
高光谱遥感数据由于受地形、太阳照度等各种因素的影响会发生变异,即“同物异谱”现象。相对于光谱照度变异而言矿物含量信息属于微弱信息,直接用光谱线性分解算法反演矿物含量时矿物含量信息将完全淹没于照度变异之中。因此,混合光谱线性分解之前,必须消除地形、太阳照度所致的光谱变异。
“无光谱吸收特征的矿物”的存在也是矿物含量反演的影响因素之一,岩石中除含有蚀变矿物(绢云母、高岭石、绿泥石等)之外,还有大量造岩矿物(石英、长石等)以及金属矿物(黄铁矿、黄铜矿等),造岩矿物与金属矿物在可见光一反射红外(400~2500nm)谱段无明显的光谱吸收特征,将其统称为“无光谱吸收特征的矿物”。由于地形、太阳照度的影响,这类矿物反射光谱强度存在很大的不确定性,无法将其作为光谱分解端元进行光谱分解,而仅仅利用蚀变矿物光谱做为端元进行光谱分解,得到的仅仅是矿物的“光谱含量”,即各种蚀变矿物在所有蚀变矿物总量中所占的比例(Integrated Spectronics Pty.Ltd.公司开发的便携式红外矿物分析仪器PIMA-Portable Infrared Mineral Analyzer提取就是矿物的“光谱含量”),而不是“真实含量”,即各种蚀变矿物在所有矿物(蚀变矿物、造岩矿物以及金属矿物总量)当中的比例。
高光谱遥感获取的均是多种矿物的混合光谱,并且混合特性为非线性混合,混合光谱的形成过程是光波与矿物颗粒之间反射、透射、折射、衍射、(多次与单次)散射等多种物理过程综合作用的结果,导致光谱混合为非线性混合。直接利用混合光谱线性分解算法解决光谱非线性混合的问题会引入较大的误差,影响结果的准确性。
发明内容
本发明的目的在于,为了克服现有的高光谱遥感矿物识别方法无法反演矿物含量,识别结果精细程度及定量化程度低的问题,提出一种矿物含量定量反演的方法,不仅可以识别矿物的种类,还可以识别矿物的含量。
本发明的技术解决方案是,一种高光谱遥感矿物含量定量反演方法,包括四个步骤:(1)光谱分解端元的选取,(2)光谱吸收特征连续统去除处理,(3)混合光谱线性分解,(4)光谱线性分解结果的修正;四个步骤依次完成。
(1)光谱分解端元的选取:基于纯像元指数(PPI-Pixel Purity Index)提取光谱分解端元的基础上,结合先验知识确定最终的光谱分解端元。
(2)光谱吸收特征连续统去除(Continum Removal)处理:对高光谱遥感数据,进行连续统去除处理,消除地形、太阳照度对光谱的影响,突出光谱吸收特征谱形。在光谱分解中仅从光谱吸收特征谱形中挖掘矿物含量信息,反射光谱强度信息将不参与光谱分解。
光谱连续统去除,是一种用于分离光谱吸收特征的光谱分析方法,广泛应用高光谱遥感中去除背景影响并分离矿物(石英、长石,绢云母、高岭石、绿泥石等)光谱的吸收特征。连续统被定义为反射光谱曲线中反射峰之间的线性连接部分。连续统是连接反射光谱峰值且折线在峰值处的外角大于180度。连续统去除即以反射光谱除以连续统光谱,以下公式为
经过连续统去除之后,端点处反射率为1,端点之间反射率均小于或等于1。
(3)混合光谱线性分解:
矿物光谱线性混合是由各组成矿物端元光谱线性混合而成,各组成矿物光谱在混合光谱中的比例就是岩石表面该矿物面积占岩石面积的比例,光谱分解就是求取该面积比例,将其视为矿物在岩石中的体积百分含量。线性混合数学表达式为
其中wmix为混合光谱(单次散射反照率光谱),ai为各个混合端元的含量,wi为各端元的光谱,δ混合误差,i为端元的编号,η为端元总数。
光谱分解就是在已知wmix、wi的情况下求解ai。求解矿物含量就是求解均方根最小值的过程,均方根表达式为
在光谱分解的过程中,加入两个约束条件,分别为各端元含量总和为100%以及各端元含量为0~100%。端元光谱采用USGS光谱库中的光谱,端元种类可以综合利用高光谱数据端元提取算法与一些先验知识来确定。“无光谱吸收特征矿物”的光谱无论反射率大小,经过连续统去除之后反射率在所有波段均为1(实际数据由于噪声的影响,并不严格等于1,而是接近于1)。因此,光谱分解时,在端元光谱中加入一条各波段反射率均为1的人为光谱参加分解,这一端元代表“无光谱吸收特征矿物”的光谱。这样,分解得到的就是矿物的“真实含量”,即各种蚀变矿物在所有矿物(蚀变矿物、造岩矿物以及金属矿物总量)当中的比例,而不是“光谱含量”,即各种蚀变矿物在所有蚀变矿物总量中所占的比例。
(4)光谱线性分解结果的修正:
由于光谱非线性混合的影响,直接由线性分解算法反演的矿物含量与真实含量有一定差异。二元混合(两种矿物的混合)中,反射率低的矿物会被高估,反射率高的矿物会被低估,二者反射率差异越大,反演误差越大。特别是暗色矿物与浅色矿物混合时,由于二者反射率差异较大,其反演误差可高达百分之几十。为此,本发明提出一修正公式,用于修正矿物含量反演的误差,来减小反演误差。
为了确定本发明中的修正公式,设计了一系列的矿物混合试验表(表1)。在试验的基础上,总结矿物反演误差的影响因素,提出了以下公式,用于修正反射率较高的端元矿物的含量
CA为经过修正的矿物含量,C为直径利用线性分解计算的含量,RD为两个混合端元之间反射率均值(在所有参与分解的波段的均值)之比。同样,反射率较低的端元矿物含量的修正公式如下
公式中的符号意义同公式(4),公式(4)为反射率较高的端元矿物含量的修正公式,而公式(5)为反射率较低的端元矿物含量的修正公式,二者加和等于1。
本发明实施效果如下表:
表1矿物混合、光谱分解与修正试验表
序号 | 混合端元 | 端元光谱反射率比值(高反射率/低反射率) | 矿物真实含量(Vol%) | 混合光谱线性分解的矿物含量(Vol%),平均误差(%) | 经修这的矿物含量(Vol%),平均误差(%) |
1 | 方解石+白云石 | 1.15 | 方解石:5%、20%、35%、50%、65%、80%、95% | 方解石:2%、6%、22%、33%、59%、70%、91%平均误差:9.6% | 方解石:5%、13%、40%、55%、79%、87%、97%平均误差:5.7% |
2 | 方解石+针铁矿 | 3.04 | 针铁矿:4%、5%、7%、10% | 针铁矿:53%、61%、68%、74%平均误差:57.5% | 针铁矿:0.5%、3%、6%、10%平均误差:1.6% |
3 | 高岭石+磁铁矿 | 2.83 | 磁铁矿:1%、3%、4%、47%、10% | 磁铁矿:8%、21%、24%、31%、47%平均误差:21% | 磁铁矿:0%、0.2%、0.3%、0.8%、3.4%平均误差:4.1% |
4 | 针铁矿+高岭石 | 2.3 | 针铁矿:5%、20%、35%、50%、65%、80%、95% | 针铁矿:36%、70%、83%、89%、94%、96%、98%平均误差:31% | 针铁矿:3%、24%、45%、61%、76%、85%、91%平均误差:6.7% |
矿物含量反演试验表明(表1),未经过修正的矿物含量反演误差平均达29.8%,而经过修正的矿物含量反演误差减小为4.5%。说明本发明的修正公式可达到减小矿物含量反演误差的目的,达到了较弱矿物非线性混合对矿物含量反演所造成的误差。对于多元混合(多种矿物混合)的情况,可将反射率相近的矿物光谱合并成为一个混合端元,将多元混合转化为二元混合的问题加以解决。
本发明具有如下优点:可将岩石中各混合端元识别出来,提高了高光谱遥感蚀变矿物信息提取的精细化、定量化程度,提升了高光谱遥感矿物信息提取的层次,有助于改善遥感技术在矿产勘查中的应用效果。
具体实施例
现将本发明应用于新疆东天山土墩铜镍矿区的HyMap数据,反演了绢云母、方解石、绿泥石、绿帘石、滑石(或透闪石)、蛇纹石六种矿物分布。
以矿区一个白云母富集区的光谱随地形的变异为例,由于地形所致的照度不同,白云母富集区内向阳面反射率明显大于背阳面反射率,向阳面光谱吸收特征深度强于背阳面。显然,反射光谱特别是反射率值蕴含了更多的地形、太阳照等信息,矿物含量信息反而成为次要信息,直接进行光谱分解无法得到矿物的含量信息。经过连续统去除之后,二者光谱基本一致,地形的影响已得到了压制。连续统去除后的光谱谱形主要蕴含了矿物含量信息。
反演结果的验证分别直接验证法与间接验证法。直接验证法为根据反演结果进行野外实地采用测量,并对反演结果进行验证;间接验证法为通过将反演结果与其它方法进行对比,并完成验证的方法。
直接验证法由于采样时的地理定位精度、样品代表性等影响因素可操作性差,本发明的验证采用间接验证法。为完成验证,将图像光谱与美国地质调查局(USGS)标准光谱进行了对比。蛇纹石、绿帘石、绿泥石、滑石与透闪石光谱特征相近,同时没有纯度较高像元,光谱混合效应导致这些矿物的图像光谱难以与标准光谱库中的纯矿物光谱对比。基于光谱吸收特征面积的矿物含量提取方法尽管无法提取矿物绝对含量,但提取的矿物含量的分布趋势可信度较高,可作为检验本次试验结果的标准,可验证反演的矿物含量分布是否正确。通过比较矿物含量反演结果与矿物或矿物组合的相对含量;可知,本次试验反演的矿物含量与光谱吸收特征的面积一致性较高,表明反演的矿物含量在分布趋势上是比较可靠的。
Claims (1)
1.一种高光谱遥感矿物含量定量反演方法,包括四个步骤:(1)光谱分解端元的选取,(2)光谱吸收特征连续统去除处理,(3)混合光谱线性分解,(4)光谱线性分解结果的修正,其特征是,四个步骤依次完成;
(1)光谱分解端元的选取:基于纯像元指数提取光谱分解端元的基础上,结合先验知识确定最终的光谱分解端元;
(2)光谱吸收特征连续统去除处理:对高光谱遥感数据,进行连续统去除处理,消除地形、太阳照度对光谱的影响,突出光谱吸收特征谱形,在光谱分解中仅从光谱吸收特征谱形中挖掘矿物含量信息,反射光谱强度信息将不参与光谱分解;
应用高光谱遥感中去除背景影响并分离石英、长石、绢云母、高岭石、绿泥石矿物光谱的吸收特征,连续统为反射光谱曲线中反射峰之间的线性连接部分,连续统是连接反射光谱峰值且折线在峰值处的外角大于180度,连续统去除即以反射光谱除以连续统光谱,以下公式为
经过连续统去除之后,端点处反射率为1,端点之间反射率均小于1;
(3)混合光谱线性分解:
矿物光谱线性混合是由各组成矿物端元光谱线性混合而成,各组成矿物光谱在混合光谱中的比例就是岩石表面该矿物面积占岩石面积的比例,光谱分解就是求取该面积比例,将其视为矿物在岩石中的体积百分含量,线性混合数学表达式为
其中wmix为混合光谱,ai为各个混合端元的含量,wi为各端元的光谱,δ混合误差,i为端元的编号,η为端元总数;
光谱分解就是在已知wmix、wi的情况下求解ai;求解矿物含量就是求解均方根最小值的过程,均方根表达式为
其中,λ为每个波段对应的波长,j为波段编号,m为波段总数
在光谱分解的过程中,加入两个约束条件,分别为各端元含量总和为100%以及各端元含量为0~100%,端元光谱采用USGS光谱库中的光谱,端元种类是综合利用高光谱数据端元提取算法与一些先验知识来确定;“无光谱吸收特征矿物”的光谱无论反射率大小,经过连续统去除之后反射率在所有波段均为1;光谱分解时,在端元光谱中加入一条各波段反射率均为1的人为光谱参加分解,这一端元代表“无光谱吸收特征矿物”的光谱;分解得到的就是矿物的含量;
(4)光谱线性分解结果的修正:
直接由线性分解算法反演的矿物含量与真实含量有一定差异,以下公式,用于修正反射率较高的端元矿物的含量
CA为经过修正的矿物含量,C为利用线性分解计算的含量,RD为两个混合端元之间参与光谱分解的波段反射率均值之比;同样,反射率较低的端元矿物含量的修正公式如下
公式中的符号意义同公式(4),公式(4)为反射率较高的端元矿物含量的修正公式,而公式(5)为反射率较低的端元矿物含量的修正公式,二者加和等于1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101431901A CN101551471B (zh) | 2009-05-19 | 2009-05-19 | 一种高光谱遥感矿物含量定量反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101431901A CN101551471B (zh) | 2009-05-19 | 2009-05-19 | 一种高光谱遥感矿物含量定量反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101551471A CN101551471A (zh) | 2009-10-07 |
CN101551471B true CN101551471B (zh) | 2012-01-18 |
Family
ID=41155815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101431901A Expired - Fee Related CN101551471B (zh) | 2009-05-19 | 2009-05-19 | 一种高光谱遥感矿物含量定量反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101551471B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101871884B (zh) * | 2010-06-02 | 2012-06-27 | 中国国土资源航空物探遥感中心 | 多景aster遥感数据大气校正与区域性矿物填图方法 |
CN101887012B (zh) * | 2010-06-28 | 2011-11-09 | 中国国土资源航空物探遥感中心 | 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法 |
CN102944524B (zh) * | 2011-08-14 | 2015-05-06 | 北京理工大学 | 一种用于油气勘探的光谱库的实现方法 |
CN102645350B (zh) * | 2012-03-08 | 2013-11-13 | 浙江大学 | 基于高分卫星遥感数据的土壤采样方法 |
CN102721650B (zh) * | 2012-06-13 | 2014-05-14 | 中国地质科学院矿产资源研究所 | 基于特征指标的矿物成分遥感信息提取方法及装置 |
CN103175801B (zh) * | 2013-03-14 | 2015-06-24 | 中国国土资源航空物探遥感中心 | 一种批量化与自动化的高光谱遥感矿物填图方法 |
CN103335968B (zh) * | 2013-06-25 | 2015-04-01 | 中国科学院遥感与数字地球研究所 | 基于背景光谱去除的高光谱解混方法 |
CN103674247B (zh) * | 2013-11-21 | 2015-07-29 | 中国科学院上海技术物理研究所 | 一种丰度值可控的草地混合光谱获取实验方法 |
CN104749653A (zh) * | 2013-12-31 | 2015-07-01 | 北京大学 | 一种基于多谱段电磁波勘查地下煤层气富集区的方法 |
CN103954567B (zh) * | 2014-04-15 | 2016-12-07 | 塔里木大学 | 基于连续统去除法的土壤盐分测定方法 |
CN104572580B (zh) * | 2014-12-19 | 2018-06-19 | 中国国土资源航空物探遥感中心 | 一个表达矿物颗粒光散射空间分布特征的函数的构建方法 |
CN104964931B (zh) * | 2015-06-10 | 2017-07-21 | 中国科学院遥感与数字地球研究所 | 一种火星表面含水矿物定量反演方法 |
CN105676208B (zh) * | 2016-01-06 | 2017-12-05 | 中国国土资源航空物探遥感中心 | 一种机载高光谱遥感数据光度校正方法 |
CN106568737B (zh) * | 2016-10-28 | 2019-10-22 | 核工业北京地质研究院 | 一种地面成像高光谱反演钾盐含量的方法 |
CN107389571B (zh) * | 2017-07-21 | 2019-06-14 | 中国科学院遥感与数字地球研究所 | 一种矿物组分高光谱遥感精细鉴别方法 |
CN107478580B (zh) * | 2017-07-31 | 2020-08-25 | 中国科学院遥感与数字地球研究所 | 基于高光谱遥感的土壤重金属含量估算方法及装置 |
CN107727592B (zh) * | 2017-10-10 | 2020-10-09 | 中国矿业大学 | 一种基于煤岩高光谱反射特性的煤岩界面识别方法 |
CN109978162B (zh) * | 2017-12-28 | 2021-10-19 | 核工业北京地质研究院 | 一种基于深度神经网络的矿物含量光谱反演方法 |
CN108228533A (zh) * | 2018-01-04 | 2018-06-29 | 中煤航测遥感集团有限公司 | 物质分析方法及装置 |
CN110618106B (zh) * | 2019-08-12 | 2022-04-01 | 中国地质调查局西安地质调查中心 | 一种基于近红外反射光谱的绿泥石矿物种类鉴定方法 |
CN111521579B (zh) * | 2020-05-07 | 2023-02-24 | 中国自然资源航空物探遥感中心 | 一种基于高光谱遥感数据的白云母及其光谱端元识别方法 |
CN111738562A (zh) * | 2020-05-29 | 2020-10-02 | 核工业北京地质研究院 | 一种选择砂岩铀矿优势层位的方法 |
CN113281276B (zh) * | 2021-04-26 | 2022-12-13 | 中国自然资源航空物探遥感中心 | 一种矿石组分信息提取方法、设备及存储介质 |
CN113406041B (zh) * | 2021-05-31 | 2023-03-17 | 核工业北京地质研究院 | 一种钠交代岩型铀矿关键蚀变矿物组合获取方法 |
CN115112575B (zh) * | 2022-06-29 | 2023-03-24 | 中国地质科学院地质研究所 | 一种多类型光谱变异下月表矿物含量定量反演方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2173298A (en) * | 1985-04-02 | 1986-10-08 | Commissariat Energie Atomique | Spectrometric gamma diagraphy system for the determination of the geological parameters of a rock |
RU2076346C1 (ru) * | 1992-08-11 | 1997-03-27 | Институт геологии и геофизики им.Х.М.Абдуллаева АН Республики Узбекистан | Способ картирования содержаний породообразующих минералов интрузивных пород |
CN1595203A (zh) * | 2004-06-29 | 2005-03-16 | 中国国土资源航空物探遥感中心 | 高光谱矿物分层谱系识别方法 |
CN1595110A (zh) * | 2004-06-29 | 2005-03-16 | 中国国土资源航空物探遥感中心 | 高光谱多端元线性拟合矿物识别与矿化指示方法 |
CN1595109A (zh) * | 2004-06-29 | 2005-03-16 | 中国国土资源航空物探遥感中心 | 基于光谱混合组成的高光谱矿物极大相关识别方法 |
CN101109658A (zh) * | 2007-06-25 | 2008-01-23 | 北京航空航天大学 | 一种高光谱矿物填图方法 |
-
2009
- 2009-05-19 CN CN2009101431901A patent/CN101551471B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2173298A (en) * | 1985-04-02 | 1986-10-08 | Commissariat Energie Atomique | Spectrometric gamma diagraphy system for the determination of the geological parameters of a rock |
RU2076346C1 (ru) * | 1992-08-11 | 1997-03-27 | Институт геологии и геофизики им.Х.М.Абдуллаева АН Республики Узбекистан | Способ картирования содержаний породообразующих минералов интрузивных пород |
CN1595203A (zh) * | 2004-06-29 | 2005-03-16 | 中国国土资源航空物探遥感中心 | 高光谱矿物分层谱系识别方法 |
CN1595110A (zh) * | 2004-06-29 | 2005-03-16 | 中国国土资源航空物探遥感中心 | 高光谱多端元线性拟合矿物识别与矿化指示方法 |
CN1595109A (zh) * | 2004-06-29 | 2005-03-16 | 中国国土资源航空物探遥感中心 | 基于光谱混合组成的高光谱矿物极大相关识别方法 |
CN101109658A (zh) * | 2007-06-25 | 2008-01-23 | 北京航空航天大学 | 一种高光谱矿物填图方法 |
Non-Patent Citations (2)
Title |
---|
李晓松.干旱地区稀疏植被覆盖度高光谱遥感定量反演研究.《中国博士学位论文全文数据库 基础科技辑》.2009,(第04期),全文. * |
闫柏琨.热红外遥感岩矿波谱机理及信息提取技术方法研究.《中国优秀博硕士学位论文全文数据库(博士)基础科技辑》.2006,(第08期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN101551471A (zh) | 2009-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101551471B (zh) | 一种高光谱遥感矿物含量定量反演方法 | |
CN101887012B (zh) | 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法 | |
Le Fèvre et al. | The VIMOS Ultra-Deep Survey:~ 10 000 galaxies with spectroscopic redshifts to study galaxy assembly at early epochs 2< z≃ 6 | |
Yücel et al. | Characterization of Hatay honeys according to their multi-element analysis using ICP-OES combined with chemometrics | |
Reimann et al. | The Eurogeosurveys geochemical mapping of agricultural and grazing land soils project (GEMAS)-Evaluation of quality control results of particle size estimation by MIR prediction, Pb-isotope and MMI-extraction analysis | |
De Caritat et al. | A continental-scale geochemical atlas for resource exploration and environmental management: the National Geochemical Survey of Australia | |
CN104596957A (zh) | 基于可见光近红外光谱技术的土壤铜含量估算方法 | |
Frahm | Can I get chips with that? Sourcing small obsidian artifacts down to microdebitage scales with portable XRF | |
CN104463224A (zh) | 基于丰度显著性分析的高光谱图像解混方法及系统 | |
KR101206295B1 (ko) | 근적외 다변량 분석법을 이용한 곡물 시료의 원산지 판별방법 | |
CN113109281B (zh) | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 | |
CN103699889A (zh) | 一种基于高光谱遥感技术的尾矿识别方法及系统 | |
Placco et al. | Searches for Metal-poor Stars from the Hamburg/ESO Survey Using the CH G Band | |
Zhong et al. | Revealing the multi-stage ore-forming history of a mineral deposit using pyrite geochemistry and machine learning-based data interpretation | |
Nunes et al. | On the challenges of using field spectroscopy to measure the impact of soil type on leaf traits | |
Russell et al. | NIRS quantification of lake sediment composition by multiple regression using end-member spectra | |
Gawad et al. | Coupling ATR-FTIR Spectroscopy and Chemometric Analysis for Rapid and Non-Destructive Ink Discrimination of Forensic Documents | |
CN113252600A (zh) | 反射光谱分析风化壳样品离子吸附态稀土含量的方法 | |
CN104964931A (zh) | 一种火星表面含水矿物定量反演方法 | |
Congiu et al. | Trace metal contaminants in sediments and soils: comparison between ICP and XRF quantitative determination | |
He et al. | Historical trends and pollution assessment of heavy metals in core sediments from the Jiangsu offshore area, China | |
Chruścińska | Influence of spectral width of stimulation band on the shape of OSL curve | |
CN112949038A (zh) | 一种计算海洋水体不同浮游植物种群比吸收系数的方法 | |
Spano et al. | CURIES: Compendium of uranium Raman and infrared experimental spectra | |
Benedet et al. | Clean quality control of agricultural and non-agricultural lime by rapid and accurate assessment of calcium and magnesium contents via proximal sensors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120118 Termination date: 20120519 |