CN103760617A - 浅水湖盆三角洲生长规律与沉积模式的获取方法及装置 - Google Patents
浅水湖盆三角洲生长规律与沉积模式的获取方法及装置 Download PDFInfo
- Publication number
- CN103760617A CN103760617A CN201310731743.1A CN201310731743A CN103760617A CN 103760617 A CN103760617 A CN 103760617A CN 201310731743 A CN201310731743 A CN 201310731743A CN 103760617 A CN103760617 A CN 103760617A
- Authority
- CN
- China
- Prior art keywords
- delta
- remote sensing
- sensing image
- water
- shallow
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 136
- 230000012010 growth Effects 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004062 sedimentation Methods 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 230000008021 deposition Effects 0.000 claims abstract description 22
- 230000001360 synchronised effect Effects 0.000 claims abstract description 14
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 12
- 208000035126 Facies Diseases 0.000 claims description 48
- 230000009605 growth rhythm Effects 0.000 claims description 26
- 238000012113 quantitative test Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 230000001105 regulatory effect Effects 0.000 claims description 11
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000011835 investigation Methods 0.000 abstract description 5
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 239000003102 growth factor Substances 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 10
- 238000011160 research Methods 0.000 description 10
- 241000555268 Dendroides Species 0.000 description 6
- VAYOSLLFUXYJDT-RDTXWAMCSA-N Lysergic acid diethylamide Chemical compound C1=CC(C=2[C@H](N(C)C[C@@H](C=2)C(=O)N(CC)CC)C2)=C3C2=CNC3=C1 VAYOSLLFUXYJDT-RDTXWAMCSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005137 deposition process Methods 0.000 description 2
- 230000007773 growth pattern Effects 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 241000132092 Aster Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种浅水湖盆三角洲生长规律与沉积模式的获取方法及装置，其中，所述方法包括：获取一定时间跨度的多时相遥感影像，并对所述多时相遥感影像进行组合预处理；将组合预处理后的时相遥感影像的水位进行分级，选取相同水位级时相遥感影像作为分析对象；在选取的遥感影像的水位相同的时期，进行同步野外沉积考察，建立浅水湖盆三角洲各类沉积微相识别模版；根据所述浅水湖盆三角洲各类沉积微相识别模版，对相同水位级时相遥感影像进行整个浅水湖盆三角洲的全局范围的沉积微相解译，获取多时相解译矢量；根据所述多时相解译矢量对整个浅水湖盆三角洲生长要素遥感定量分析；根据分析结果获取浅水湖盆三角洲的生长规律与沉积模式。
Description
技术领域
本发明涉及现代沉积学分析技术领域，特别涉及一种利用多时相遥感影像数据分析建立现代浅水湖盆三角洲动态生长规律与沉积模式的技术。
背景技术
现代沉积研究是沉积学研究中重要部分，目前主要的手段有沉积考察和模拟实验两种,传统的现代沉积考察存在观察范围局限且静态的缺陷，虽然近年来逐渐发展起来水槽模拟实验和数值模拟实验取得了一些成果，可以模拟动态沉积过程，但由于模拟的参数有限，难以恢复真实的自然沉积过程。遥感影像以成像范围大的全局性优势是现代三角洲沉积考察的重要参考依据，但是，初级阶段的研究大多停留在静态三角洲的形态展示和定性分析，利用多时相高精度的动态遥感影像开展三角洲的沉积相特征和生长规律的定量化分析，并与三角洲的局部野外考察相互验证，能成为现代沉积调查的一种快速有效的技术手段。与传统现代沉积考察方式相比该项技术成本低、精度高、且速度快，更为重要的是遥感卫星成像不受地域限制，可以在全球范围内开展研究，为沉积学创新提供有效手段。
Robert M等人于2005年6月在《MARINE GELOLGY》杂志中发表的《Development of the kura delta,Azerbaijan;a record of Holocene Caspian sea-levelchanges》一文中利用2004年01月24日的ASTER遥感影像，结合现场考察和表层沉积资料开展现代Kura三角洲的沉积环境制图。
邹才能等人于2008年6月在《地质学报》第82卷第6期中发表《大型敞流坳陷湖盆浅水三角洲与湖盆中心砂体形成与分布》一文中，利用同一年份的鄱阳湖枯水期和洪水期影像来对比分析鄱阳湖在枯水与洪水期的沉积环境变化。
张昌民等人于2010年10月在《沉积学报》第28卷第5期中发表《浅水三角洲沉积模式》一文，利用Google Earth平台提供的静态卫星照片，对洞庭湖和鄱阳湖现代沉积进行了研究，总结了以天然堤为主体的树枝状三角洲和以分流砂坝为主体的朵状三角洲。
综上所述，通过文献调研发现，前人的研究都是停留在单个时相静态的遥感影像的三角洲形态展示与定性分析，无法建立动态的定量化的准确三角洲沉积模式，增加了油田砂体预测不确定性，目前尚未有方法利用多时相遥感影像数据来开展现代三角洲动态生长模式的分析研究。
发明内容
为解决上述问题，本发明提出一种浅水湖盆三角洲生长规律与沉积模式的获取方法及装置。
为实现上述目的，本发明提供了一种浅水湖盆三角洲生长规律与沉积模式的获取方法，包括：
获取一定时间跨度的多时相遥感影像，并对所述多时相遥感影像进行组合预处理；
将组合预处理后的时相遥感影像的水位进行分级，选取相同水位级时相遥感影像作为分析对象；
在选取的遥感影像的水位相同的时期，进行同步野外沉积考察，建立浅水湖盆三角洲各类沉积微相识别模版；
根据所述浅水湖盆三角洲各类沉积微相识别模版，对相同水位级时相遥感影像进行整个三角洲的全局范围的沉积微相解译，获取多时相解译矢量；
根据所述多时相解译矢量对整个浅水湖盆三角洲生长要素遥感定量分析；
根据分析结果获取浅水湖盆三角洲的生长规律与沉积模式。
可选的，在本发明一实施例中，所述组合预处理用于减小不同卫星传感器的遥感数据之间的光谱特征差异和空间坐标差异。
可选的，在本发明一实施例中，所述组合预处理包括影像融合、几何校正和影像增强。
可选的，在本发明一实施例中，所述建立浅水湖盆三角洲沉积微相识别模版的步骤包括：
根据三角洲的沉积体系类型，将选取的遥感影像进行初步的沉积微相类型划定；
在选取的遥感影像的水位相同的时期，进行同步野外沉积考察，验证各类沉积微相的影像特征与地面特征的对应关系，对不同类型不同时相的遥感影像进行校正和增强处理，并对不同相带的遥感影像特征进行了系统的观察和描述，建立浅水湖盆三角洲各类沉积微相识别模版。
可选的，在本发明一实施例中，所述对相同水位级时相遥感影像进行整个浅水湖盆三角洲的全局范围的沉积微相解译的步骤具体包括：根据所述浅水湖盆三角洲各类沉积微相识别模版，分别对各景中等分辨率影像进行整个三角洲的全局范围的沉积微相解译。
可选的，在本发明一实施例中，所述对相同水位级时相遥感影像进行整个浅水湖盆三角洲的全局范围的沉积微相解译的步骤进一步还包括：针对三角洲局部重点区域开展高分辨率影像解译。
可选的，在本发明一实施例中，所述对三角洲生长要素遥感定量分析的步骤具体包括：
将不同时间点的单时相遥感影像的解译矢量进行叠加对比，分析整个浅水湖盆三角洲的生长重点，给出定量的分析结果。
可选的，在本发明一实施例中，所述整个浅水湖盆三角洲的生长重点包括：分析河道、河道间和分流坝的分布与动态生长过程。
为实现上述目的，本发明还提供了一种浅水湖盆三角洲生长规律与沉积模式的获取装置，包括：
预处理单元，用于获取一定时间跨度的多时相遥感影像，并对所述多时相遥感影像进行组合预处理；
分析对象获取单元，用于将组合预处理后的时相遥感影像的水位进行分级，选取相同水位级时相遥感影像作为分析对象；
沉积微相识别模版建立单元，用于在选取的遥感影像的水位相同的时期，进行同步野外沉积考察，建立浅水湖盆三角洲各类沉积微相识别模版；
沉积微相解译单元，用于根据所述浅水湖盆三角洲各类沉积微相识别模版，对相同水位级时相遥感影像进行整个三角洲的全局范围的沉积微相解译，获取多时相解译矢量；
定量分析单元，用于根据所述多时相解译矢量对三角洲生长要素开展遥感定量分析；
三角洲生长规律与沉积模式单元，用于根据分析结果获取浅水湖盆三角洲的生长规律与沉积模式。
可选的，在本发明一实施例中，所述沉积微相识别模版建立单元包括：
沉积微相类型初步划定模块，用于根据三角洲的沉积体系类型，将选取的遥感影像进行初步的沉积微相类型划定；
各类沉积微相识别模版模块，用于在选取的遥感影像的水位相同的时期，进行同步野外沉积考察，验证各类沉积微相的影像特征与地面特征的对应关系，对不同类型不同时相的遥感影像进行校正和增强处理，并对不同相带的遥感影像特征进行了系统的观察和描述，建立浅水湖盆三角洲各类沉积微相识别模版。
可选的，在本发明一实施例中，所述沉积微相解译单元具体用于根据所述浅水湖盆三角洲各类沉积微相识别模版，分别对各景中等分辨率影像进行整个三角洲的全局范围的沉积微相解译。
可选的，在本发明一实施例中，所述沉积微相解译单元进一步还用于针对三角洲局部重点区域开展高分辨率影像沉积微相解译。
可选的，在本发明一实施例中，所述定量分析单元具体用于将不同时间点的单时相遥感影像的解译矢量进行叠加对比，分析整个浅水湖盆三角洲的生长重点，给出定量的分析结果。
可选的，在本发明一实施例中，所述定量分析单元进一步用于分析河道、河道间和分流坝的分布与动态生长过程。
上述技术方案具有如下有益效果：本发明充分利用时间序列影像数据中的光谱信息和时相信息，结合GIS、GPS技术，将遥感技术引入现代沉积学领域，提出利用大范围的遥感数据辅以局部野外考察，刻画现代三角洲的沉积微相时空展布，利用多时相遥感数据的动态对比叠加分析三角洲沉积模式的方法和技术，有效提高现代沉积考察野外作业的效率和精度，弥补了水槽模拟和数值模拟的不足，对传统的现代沉积学研究方法进行了由点到面、由静态到动态、由虚拟到现实的扩展，便于地质学家开展现代沉积的科学系统的理论研究工作，建立对油田勘探开发生产有用的沉积模式，进而提高油田勘探开发的产能和效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提出的一种浅水湖盆三角洲生长规律与沉积模式的获取方法流程图；
图2为本发明提出的一种浅水湖盆三角洲生长规律与沉积模式的获取装置框图；
图3为本实施例的湖盆浅水三角洲生长规律与沉积模式的技术流程图；
图4为本实施例的研究区（鄱阳湖赣江三角洲）影像水位分级图；
图5为本实施例的研究区（鄱阳湖赣江三角洲）沉积微相遥感识别模板图；
图6为本实施例的重点研究区（鄱阳湖赣江三角洲中支）沉积相遥感解译结果图；
图7为本实施例的树枝状沉积向结网状沉积转化示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
近年来，全球范围内的对地观测空间技术得到不断发展,国内外的卫星数量和种类日益增多，空间分辨率和时间分辨率越来越高，对目标物的重复观测能力增强，并且细节更为突出，但同时也面临着不同卫星传感器的遥感数据之间的光谱特征差异问题，随着我们对遥感技术的深入研究，已经具备了利用遥感技术精确描述现代浅水湖盆三角洲沉积特征的能力，并且在前人静态定性的研究基础上，开创性引入了多时相动态的定量分析技术，从而开辟了解决现代浅水湖盆三角洲生长规律和沉积模式分析的全新技术思路。
本申请的技术方案充分利用时间序列影像数据中的光谱信息和时相信息，其中，光谱信息可以展示出三角洲在空间维上的形态展布特征，时相信息可以恢复三角洲在时间维上的发育变化过程。与以往现代传统三角洲沉积模式建立的直接或者间接的技术方法相比，这样具有两个显著特点：
1）在现有传统现代沉积考察方法的基础之上，首次创新性的引入遥感技术，根据遥感影像的大范围全局性和精确定量的特点，结合野外的验证结果应用于遥感影像的沉积相带分析，使其转化为技术上易于实现的一种现代沉积调查的快速准确的技术手段。
2）技术方案中创新性提出的多时相遥感影像沉积微相解译与动态叠加分析技术，弥补了水槽模拟和数值模拟方法难以模拟大自然复杂沉积环境和沉积过程的缺陷，真实还原现代三角洲的沉积发育过程，使其成为三角洲生长规律与沉积模式建立的一种科学可信的技术手段。
如图1所示，为本发明提出的一种浅水湖盆三角洲生长规律与沉积模式的获取方法流程图。包括：
步骤101）：获取一定时间跨度的多时相遥感影像，并对所述多时相遥感影像进行组合预处理；
步骤102）：将组合预处理后的时相遥感影像的水位进行分级，选取相同水位级时相遥感影像作为分析对象；
步骤103）：在选取的遥感影像的水位相同的时期，进行同步野外沉积考察，建立浅水湖盆三角洲各类沉积微相识别模版；
步骤104）：根据所述浅水湖盆三角洲各类沉积微相识别模版，对相同水位级时相遥感影像进行整个浅水湖盆三角洲的全局范围的沉积微相解译，获取多时相解译矢量；
步骤105）：根据所述多时相解译矢量对整个浅水湖盆三角洲生长要素遥感定量分析；
步骤106）：根据分析结果获取浅水湖盆三角洲的生长规律与沉积模式。
可选的，在本发明一实施例中，所述组合预处理用于减小不同卫星传感器的遥感数据之间的光谱特征差异和空间坐标差异。
可选的，在本发明一实施例中，所述组合预处理包括影像融合、几何校正和影像增强。
可选的，在本发明一实施例中，所述建立浅水湖盆三角洲沉积微相识别模版的步骤包括：
根据三角洲的沉积体系类型，将选取的遥感影像进行初步的沉积微相类型划定；
在选取的遥感影像的水位相同的时期，进行同步野外沉积考察，验证各类沉积微相的影像特征与地面特征的对应关系，对不同类型不同时相的遥感影像进行校正和增强处理，并对不同相带的遥感影像特征进行了系统的观察和描述，建立浅水湖盆三角洲各类沉积微相识别模版。
可选的，在本发明一实施例中，所述对相同水位级时相遥感影像进行整个浅水湖盆三角洲的全局范围的沉积微相解译的步骤具体包括：根据所述浅水湖盆三角洲各类沉积微相识别模版，分别对各景中等分辨率影像进行整个三角洲的全局范围的沉积微相解译。
可选的，在本发明一实施例中，所述对相同水位级时相遥感影像进行整个浅水湖盆三角洲的全局范围的沉积微相解译的步骤进一步还包括：针对三角洲局部重点区域开展高分辨率影像解译。
可选的，在本发明一实施例中，所述对整个浅水湖盆三角洲生长要素遥感定量分析的步骤具体包括：
将不同时间点的单时相遥感影像的解译矢量进行叠加对比，分析整个浅水湖盆三角洲的生长重点，给出定量的分析结果。
可选的，在本发明一实施例中，所述分析整个浅水湖盆三角洲的生长重点进一步包括：分析河道、河道间和分流坝的分布与动态生长过程。
如图2所示，为本发明提出的一种浅水湖盆三角洲生长规律与沉积模式的获取装置框图。包括：
预处理单元201，用于获取一定时间跨度的多时相遥感影像，并对所述多时相遥感影像进行组合预处理；
分析对象获取单元202，用于将组合预处理后的时相遥感影像的水位进行分级，选取相同水位级时相遥感影像作为分析对象；
沉积微相识别模版建立单元203，用于在选取的遥感影像的水位相同的时期，进行同步野外沉积考察，建立浅水湖盆三角洲各类沉积微相识别模版；
沉积微相解译单元204，用于根据所述浅水湖盆三角洲各类沉积微相识别模版，对相同水位级时相遥感影像进行整个浅水湖盆三角洲的全局范围的沉积微相解译，获取多时相解译矢量；
定量分析单元205，用于根据所述多时相解译矢量对整个浅水湖盆三角洲生长要素遥感定量分析；
三角洲生长规律与模式单元206，用于根据分析结果获取浅水湖盆三角洲的生长规律与沉积模式。
可选的，在本发明一实施例中，所述沉积微相识别模版建立单元203包括：
沉积微相类型初步划定模块，用于根据三角洲的沉积体系类型，将选取的遥感影像进行初步的沉积微相类型划定；
各类沉积微相识别模版模块，用于在选取的遥感影像的水位相同的时期，进行同步野外沉积考察，验证各类沉积微相的影像特征与地面特征的对应关系，对不同类型不同时相的遥感影像进行校正和增强处理，并对不同相带的遥感影像特征进行了系统的观察和描述，建立浅水湖盆三角洲各类沉积微相识别模版。
可选的，在本发明一实施例中，所述沉积微相解译单元204具体用于根据所述浅水湖盆三角洲各类沉积微相识别模版，分别对各景中等分辨率影像进行整个三角洲的全局范围的沉积微相解译。
可选的，在本发明一实施例中，所述沉积微相解译单元204进一步还用于针对三角洲局部重点区域开展高分辨率影像沉积微相解译。
可选的，在本发明一实施例中，所述定量分析单元205具体用于将不同时间点的单时相遥感影像的解译矢量进行叠加对比，分析整个浅水湖盆三角洲的生长重点，给出定量的分析结果。
可选的，在本发明一实施例中，所述定量分析单元205进一步用于分析河道、河道间和分流坝的分布与动态生长过程。
实施例：
如图3所示，为本实施例的浅水湖盆三角洲生长规律与沉积模式的技术流程图。本实施例的实现采用如下技术方案：
第一步：多时相遥感影像搜集整理及预处理；
根据三角洲生长规律和沉积模式的研究需求和不同类型遥感影像数据存档情况，尽可能搜集最大时间跨度的影像数据。建议采用中等分辨率陆地卫星影像作宏观研究，高分辨率卫星影像作局部生长研究。波段范围需覆盖可见光和近红外波段。影像组合预处理过程包括影像融合、几何精校正和影像增强处理，用于减小不同卫星传感器的遥感数据之间的光谱特征差异和空间坐标差异。后续的影像解译和定量分析都是基于组合预处理后的影像数据进行。
搜集1973-2013年鄱阳湖赣江三角洲中等分辨率遥感影像59景，高分辨率影像6景。进行影像融合、几何精校正和影像增强的组合预处理，增强了遥感影像的解析度，并保证了多时相影像之间的准确的空间坐标对应关系，使后续的影像解译和生长变迁定量分析的结果更为可靠。
第二步：影像水位分级优选；
在已知研究区不同时相的相应水文基础资料的情况下，优选以精确的水位数据作为所有影像水位分级的标准；在水文基础资料未知的情况下，可选取影像中较为稳定的参照物，根据参照物在不同影像上出露情况间接判断影像的相对水位，进而进行水位的分级。根据影像水位分级的情况，优选同一水位的影像开展后续分析工作。
如图4所示，为本实施例的研究区（鄱阳湖赣江三角洲）影像水位分级图。根据鄱阳湖赣江三角洲一年四季水位变化情况，选取相对稳定的参照物进行影像的水位分级，选取的参照物为①最大湖岸（人工堤岸）；②三角洲前缘朵体；③龙潭（龙头和龙尾出露），将影像的水位分为6级：
1级：水位最高，到达最大湖岸边界；
2级：赣江主支出露，但前缘分支河道未出露；
3级：赣江主支出露，前缘分支河道出露，但前缘朵体未出露；
4级：赣江主支出露，前缘朵体出露，龙潭的龙头出露，但龙尾未出露；
5级：赣江主支出露，前缘朵体出露，龙潭的龙头和龙尾分别出露；
6级：赣江主支出露，前缘朵体出露，龙潭的龙头和龙尾均出露，并连成一体。
优选最大时间跨度范围内等时间间隔的同水位级遥感影像：包括中等分辨率影像4景（1973年12月24日MSS、1983年11月28日MSS、1995年12月07日TM、2006年11月03日TM），高分辨率影像3景（2007年11月22日ALOS、2011年12月04日QuickBird、2013年03月05日SPOT6），作为后续分析的基础影像数据。
第三步：建立沉积微相识别模板。根据优选的基础影像数据，在影像成像的同水位期进行同步野外沉积考察，重点验证各类沉积微相的影像特征与地面特征的对应关系，建立不同类型遥感影像的三角洲沉积微相识别模板，浅水湖盆三角洲沉积相带识别模板从顶点到前缘可划分为三角洲平原相和三角洲前缘相两个亚相，进一步可划分为河道、河道间、分流坝、决口扇、天然堤、废弃河道等沉积微相，各种相带在遥感影像上的反映有着明显的不同特征，我们通过对不同类型不同时相的遥感影像进行精校正和增强处理，并对不同相带的遥感影像特征进行了系统的观察和描述，从而建立了沉积微相识别模板。
鄱阳湖赣江三角洲为典型的畅流型浅水湖盆三角洲，根据湖相的三角洲沉积体系，结合赣江三角洲影像形态特征展布，初步判断赣江三角洲主要发育河道、河道间、天然堤、决口扇等沉积微相类型。在影像的同水位期的2013年3月初开展赣江三角洲沉积考察，并搜集处理同期遥感影像数据，通过影像特征与地面特征的对应，建立赣江三角洲的沉积微相（河道、河道间、心滩、分流坝、决口扇、天然堤、废弃河道）遥感识别模板。如图5所示，为本实施例的研究区（鄱阳湖赣江三角洲）沉积微相遥感识别模板图。
第四步：遥感影像沉积相解译编图。根据已建立的三角洲沉积微相遥感识别模板，分别对各景中等分辨率影像进行整个三角洲的全局范围的沉积微相解译，针对局部重点区域开展高分辨率影像解译。
如图6所示，为本实施例的重点研究区（鄱阳湖赣江三角洲中支）沉积相遥感解译结果图。赣江三角洲的重点研究区域为赣江三角洲的中支前缘，利用已建立的沉积微相遥感识别模板，对中等分辨率影像4景（1973年12月24日MSS、1983年11月28日MSS、1995年12月07日TM、2006年11月03日TM）和高分辨率影像3景（2007年11月22日ALOS、2011年12月04日QuickBird、2013年03月05日SPOT6）分别进行沉积相解译编图。其中，高分辨率影像重点针对局部重点区进行解译。
第五步：多时相遥感三角洲生长要素定量分析。基于解译得到的多时相遥感影像沉积微相矢量数据，开展三角洲生长、河道生长、分流坝变化等定量分析。
基于单个时相影像沉积相遥感解译结果，将4个时相（1973年12月24日MSS、1983年11月28日MSS、1995年12月07日TM、2006年11月03日TM）以及最新时相2013年03月05日SPOT6进行叠加对比，分析三角洲的生长重点，分析河道和分流坝的分布与动态生长过程，并给出定量的分析结果。
优选的遥感影像数据的时间跨度为1973年-2013年共计40年时间，40年间赣江三角洲生长最为迅速的是中支前缘，朵体面积由12km2增加到24km2，河道总长度由120km增加到200km，其中赣江三角洲中支右翼为2007-2013年近6年来的生长重点，河道和分流坝向湖推进600多米，成为赣江三角洲下个阶段的生长重点。
第六步：总结三角洲生长规律与模式。依据多时相的沉积微相解译矢量和生长要素定量分析的结果进行综合分析，开展三角洲沉积模式的总结。
如图7所示，为本实施例的树枝状沉积向结网状沉积转化示意图。通过对赣江三角洲7个时相沉积相解译结果和生长要素定量变化的综合分析，得到赣江三角洲沉积模式为树枝状与结网状。在图6中，空间维上，赣江中支主河道西侧分支河道主要呈树枝状分布，赣江中支主河道东侧分支河道主要呈结网状分布；在图7中，时间维上，分支河道在入湖口多形成树枝状，后期被改造为结网状。
最后应说明的是：上述仅用以说明本发明而并非限制本发明所描述的技术方案；尽管本说明书对本发明已进行了详细的说明，但是，本领域的技术人员仍然可以对本发明进行修改或等同替换，一切不脱离本发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围中。
Claims (14)
1.一种浅水湖盆三角洲生长规律与沉积模式的获取方法，其特征在于，包括：
获取一定时间跨度的多时相遥感影像，并对所述多时相遥感影像进行组合预处理；
将组合预处理后的时相遥感影像的水位进行分级，选取相同水位级时相遥感影像作为分析对象；
在选取的遥感影像的水位相同的时期，进行同步野外沉积考察，建立浅水湖盆三角洲各类沉积微相识别模版；
根据所述浅水湖盆三角洲各类沉积微相识别模版，对相同水位级时相遥感影像进行整个三角洲的全局范围的沉积微相解译，获取多时相解译矢量；
根据所述多时相解译矢量对整个浅水湖盆三角洲生长要素遥感定量分析；
根据分析结果获取浅水湖盆三角洲的生长规律与沉积模式。
2.如权利要求1所述的方法，其特征在于，所述组合预处理用于减小不同卫星传感器的遥感数据之间的光谱特征差异和空间坐标差异。
3.如权利要求2所述的方法，其特征在于，所述组合预处理包括影像融合、几何校正和影像增强。
4.如权利要求1所述的方法，其特征在于，所述建立浅水湖盆三角洲沉积微相识别模版的步骤包括：
根据三角洲的沉积体系类型，将选取的遥感影像进行初步的沉积微相类型划定；
在选取的遥感影像的水位相同的时期，进行同步野外沉积考察，验证各类沉积微相的影像特征与地面特征的对应关系，对不同类型不同时相的遥感影像进行校正和增强处理，并对不同相带的遥感影像特征进行了系统的观察和描述，建立浅水湖盆三角洲各类沉积微相识别模版。
5.如权利要求1所述的方法，其特征在于，所述对相同水位级时相遥感影像进行整个浅水湖盆三角洲的全局范围的沉积微相解译的步骤具体包括：根据所述浅水湖盆三角洲各类沉积微相识别模版，分别对各景中等分辨率影像进行整个三角洲的全局范围的沉积微相解译。
6.如权利要求1所述的方法，其特征在于，所述对相同水位级时相遥感影像进行整个浅水湖盆三角洲的全局范围的沉积微相解译的步骤进一步还包括：针对三角洲局部重点区域开展高分辨率影像解译。
7.如权利要求1所述的方法，其特征在于，所述对三角洲生长要素遥感定量分析的步骤具体包括：
将不同时间点的单时相遥感影像的解译矢量进行叠加对比，分析整个浅水湖盆三角洲的生长重点，给出定量的分析结果。
8.如权利要求7所述的方法，其特征在于，所述整个浅水湖盆三角洲的生长重点包括：分析河道、河道间和分流坝的分布与动态生长过程。
9.一种浅水湖盆三角洲生长规律与沉积模式的获取装置，其特征在于，包括：
预处理单元，用于获取一定时间跨度的多时相遥感影像，并对所述多时相遥感影像进行组合预处理；
分析对象获取单元，用于将组合预处理后的时相遥感影像的水位进行分级，选取相同水位级时相遥感影像作为分析对象；
沉积微相识别模版建立单元，用于在选取的遥感影像的水位相同的时期，进行同步野外沉积考察，建立浅水湖盆三角洲各类沉积微相识别模版；
沉积微相解译单元，用于根据所述浅水湖盆三角洲各类沉积微相识别模版，对相同水位级时相遥感影像进行整个三角洲的全局范围的沉积微相解译，获取多时相解译矢量；
定量分析单元，用于根据所述多时相解译矢量对整个浅水湖盆三角洲生长要素遥感定量分析；
三角洲生长规律与模式单元，用于根据分析结果获取浅水湖盆三角洲的生长规律与沉积模式。
10.如权利要求9所述的装置，其特征在于，所述沉积微相识别模版建立单元包括：
沉积微相类型初步划定模块，用于根据三角洲的沉积体系类型，将选取的遥感影像进行初步的沉积微相类型划定；
各类沉积微相识别模版模块，用于在选取的遥感影像的水位相同的时期，进行同步野外沉积考察，验证各类沉积微相的影像特征与地面特征的对应关系，对不同类型不同时相的遥感影像进行校正和增强处理，并对不同相带的遥感影像特征进行了系统的观察和描述，建立浅水湖盆三角洲各类沉积微相识别模版。
11.如权利要求9所述的装置，其特征在于，所述沉积微相解译单元具体用于根据所述浅水湖盆三角洲各类沉积微相识别模版，分别对各景中等分辨率影像进行整个三角洲的全局范围的沉积微相解译。
12.如权利要求11所述的装置，其特征在于，所述沉积微相解译单元进一步还用于针对三角洲局部重点区域开展高分辨率影像沉积微相解译。
13.如权利要求9所述的装置，其特征在于，所述定量分析单元具体用于将不同时间点的单时相遥感影像的解译矢量进行叠加对比，分析整个浅水湖盆三角洲的生长重点，给出定量的分析结果。
14.如权利要求13所述的装置，其特征在于，所述定量分析单元进一步用于分析河道、河道间和分流坝的分布与动态生长过程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310731743.1A CN103760617B (zh) | 2013-12-26 | 2013-12-26 | 浅水湖盆三角洲生长规律与沉积模式的获取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310731743.1A CN103760617B (zh) | 2013-12-26 | 2013-12-26 | 浅水湖盆三角洲生长规律与沉积模式的获取方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103760617A true CN103760617A (zh) | 2014-04-30 |
| CN103760617B CN103760617B (zh) | 2017-01-11 |
Family
ID=50527881
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310731743.1A Active CN103760617B (zh) | 2013-12-26 | 2013-12-26 | 浅水湖盆三角洲生长规律与沉积模式的获取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103760617B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104729445A (zh) * | 2015-03-11 | 2015-06-24 | 长江大学 | 河口坝几何形态测量方法 |
| CN105136628A (zh) * | 2015-07-31 | 2015-12-09 | 中国石油天然气股份有限公司 | 三角洲沉积遥感探测方法及装置 |
| CN106526697A (zh) * | 2016-12-07 | 2017-03-22 | 中国地质大学（北京） | 一种三角洲建设与破坏主要转换面识别方法 |
| CN109594979A (zh) * | 2018-11-15 | 2019-04-09 | 中国海洋石油集团有限公司 | 基于井轨迹的分流砂坝内部夹层参数计算方法 |
| CN112101478A (zh) * | 2020-09-24 | 2020-12-18 | 中国地质大学（北京） | 一种基于结构-成因的三角洲分类方法 |
-
2013
- 2013-12-26 CN CN201310731743.1A patent/CN103760617B/zh active Active
Non-Patent Citations (6)
| Title |
|---|
| ADRIAN J. HARTLEY, ET AL.: "《LARGE DISTRIBUTIVE FLUVIAL SYSTEMS: CHARACTERISTICS, DISTRIBUTION,AND CONTROLS ON DEVELOPMENT》", 《JOURNAL OF SEDIMENTARY RESEARCH》, vol. 80, 31 December 2010 (2010-12-31), pages 167 - 183 * |
| CORNEL OLARIU,ET AL.: "《TERMINAL DISTRIBUTARY CHANNELS AND DELTA FRONT ARCHITECTURE OF RIVER-DOMINATED DELTA SYSTEMS》", 《JOURNAL OF SEDIMENTARY RESEARCH》, vol. 76, 31 December 2006 (2006-12-31), pages 212 - 233 * |
| 朱俊凤等: "《珠江三角洲海岸线遥感调查和近期演变分析》", 《国土资源遥感》, vol. 25, no. 3, 30 September 2013 (2013-09-30), pages 131 - 132 * |
| 赵广明等: "《现代黄河三角洲陆上表层沉积物类型与沉积环境分区及岸线演变》", 《海洋地质与第四纪地质》, vol. 33, no. 5, 31 October 2013 (2013-10-31), pages 47 - 51 * |
| 雷天赐等: "《赣江三角洲形成及其演变遥感研究》", 《华南地质与矿产》, no. 2, 31 December 2007 (2007-12-31), pages 47 - 53 * |
| 马逸麟等: "《赣江三角洲的沉积机制及生长模式》", 《中国地质灾害与防治学报》, vol. 13, no. 4, 31 December 2002 (2002-12-31), pages 33 - 38 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104729445A (zh) * | 2015-03-11 | 2015-06-24 | 长江大学 | 河口坝几何形态测量方法 |
| CN105136628A (zh) * | 2015-07-31 | 2015-12-09 | 中国石油天然气股份有限公司 | 三角洲沉积遥感探测方法及装置 |
| CN105136628B (zh) * | 2015-07-31 | 2018-02-02 | 中国石油天然气股份有限公司 | 三角洲沉积遥感探测方法及装置 |
| CN106526697A (zh) * | 2016-12-07 | 2017-03-22 | 中国地质大学（北京） | 一种三角洲建设与破坏主要转换面识别方法 |
| CN109594979A (zh) * | 2018-11-15 | 2019-04-09 | 中国海洋石油集团有限公司 | 基于井轨迹的分流砂坝内部夹层参数计算方法 |
| CN109594979B (zh) * | 2018-11-15 | 2022-04-22 | 中国海洋石油集团有限公司 | 基于井轨迹的分流砂坝内部夹层参数计算方法 |
| CN112101478A (zh) * | 2020-09-24 | 2020-12-18 | 中国地质大学（北京） | 一种基于结构-成因的三角洲分类方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103760617B (zh) | 2017-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| East et al. | Fluvial–eolian interactions in sediment routing and sedimentary signal buffering: an example from the Indus Basin and Thar Desert | |
| Kang et al. | Topographic mapping on large-scale tidal flats with an iterative approach on the waterline method | |
| CN103760617A (zh) | 浅水湖盆三角洲生长规律与沉积模式的获取方法及装置 | |
| Suganuma et al. | Paleoclimatic and paleoceanographic records through Marine Isotope Stage 19 at the Chiba composite section, central Japan: A key reference for the Early–Middle Pleistocene Subseries boundary | |
| Montes et al. | A middle to late Miocene trans-Andean portal: geologic record in the Tatacoa Desert | |
| Owen et al. | The Quaternary glacial history of the Lahul Himalaya, northern India | |
| Picot et al. | Monsoon control on channel avulsions in the Late Quaternary Congo Fan | |
| CN103903014B (zh) | 一种基于卫星遥感技术的荒漠化判释方法 | |
| CN107167853A (zh) | 一种精细恢复岩溶古地貌的方法 | |
| Wu et al. | Facies model on the modern isolated carbonate platform in the Xisha Archipelago, South China Sea | |
| Vojtko et al. | Neotectonic evolution of the northern Laborec drainage basin (northeastern part of Slovakia) | |
| CN109308688A (zh) | 一种可见光和近红外波段厚云及阴影去除方法 | |
| Kumar et al. | Characterization of hydro geological behavior of the upper watershed of River Subarnarekha through Morphometric analysis using Remote Sensing and GIS approach | |
| CN108267797B (zh) | 同生正断层发育区古地貌的恢复方法 | |
| Day et al. | Aeolian dune interactions preserved in the ancient rock record | |
| Evenstar et al. | Quaternary landscape evolution of the Helmand Basin, Afghanistan: Insights from staircase terraces, deltas, and paleoshorelines using high-resolution remote sensing analysis | |
| CN108119133B (zh) | 储层沉积过程的确定方法和装置 | |
| CN109165553A (zh) | 基于深度学习的石油设施遥感自动识别方法及装置 | |
| Huang et al. | Late Pleistocene lake overspill and drainage reversal in the source area of the Yellow River in the Tibetan Plateau | |
| Lee et al. | Seismic stratigraphy of the Heuksan mud belt in the southeastern Yellow Sea, Korea | |
| Zhang et al. | Spatial patterns and controlling factors of the evolution process of karst depressions in Guizhou province, China | |
| Warrlich et al. | 3D and 4D controls on carbonate depositional systems: sedimentological and sequence stratigraphic analysis of an attached carbonate platform and atoll (Miocene, Níjar Basin, SE Spain) | |
| Demir et al. | Preservation by basalt of a staircase of latest Pliocene terraces of the River Murat in eastern Turkey: evidence for rapid uplift of the eastern Anatolian Plateau | |
| Wang et al. | Extraction of palaeochannel information from remote sensing imagery in the east of Chaohu Lake, China | |
| CN114463621A (zh) | 现代沉积源-汇系统遥感定量分析方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |