CN104123559A - 盐湖区地下含钾卤水资源的多源遥感判别方法和系统 - Google Patents
盐湖区地下含钾卤水资源的多源遥感判别方法和系统 Download PDFInfo
- Publication number
- CN104123559A CN104123559A CN201410305836.2A CN201410305836A CN104123559A CN 104123559 A CN104123559 A CN 104123559A CN 201410305836 A CN201410305836 A CN 201410305836A CN 104123559 A CN104123559 A CN 104123559A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- data
- image data
- decipher
- sensing image
- 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
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种适用于盐湖区地下含钾卤水资源的多源遥感判别方法和系统。该方法包括:数据获取步骤,用于进行多源遥感图像数据获取;数据处理步骤,包括对多光谱遥感图像数据和高分辨率遥感图像数据通过多元彩色变换技术处理,并建立遥感地层岩性解译标志以及进行遥感地层岩性解译;对多光谱遥感图像数据利用主成分分析技术提取含盐类异常信息,再通过判读提取法进行盐类信息的提取;对雷达遥感图像数据处理并建立含钾卤水资源的地质构造解译标志以及进行地质构造解译;数据集成步骤,将数据处理步骤获取的三路信息进行叠加、投影变换和配。该方法通过对多源遥感图像数据的处理、解译和集成实现地下含钾卤水资源的准确判别。
Description
技术领域
本发明涉及遥感技术与应用领域,特别是一种适用于盐湖区地下含钾卤水资源的多源遥感判别方法和系统。
背景技术
遥感技术是一门高新技术,用来非接触式探测地球表面和一定深度的物质信息,将遥感应用于地质学上,利用遥感大角度、大视野、信息丰富、定时定位、宏观观测、多波段、立体感强、地形地貌特征明显等特点,研究地球表面及表层的地质体、地质现象的电磁辐射反射特征,识别地质体及地质现象的性质,从而为研究地质构造、地质填图、区域地质调查、矿产资源勘查、地质灾害监测等提供帮助,并且能直接用于地质找矿。从20世纪遥感起步应用到今天,遥感在地学领域里的应用非常广泛。利用遥感技术研究地质构造是遥感地质工作的重要内容之一。遥感地质经历了从传统的目视解译到计算机自动识别、从定性解释到定量分析的过程。由于遥感技术能在短时间内最大限度的集成地球表面和表层的宏观信息,并以直观清晰的图像形式显示地物景观,能够直接或间接的分析地表地质特征和地下隐伏地质特征,是对物探、化探等勘查手段的有效补充,在一定程度上弥补了上述勘查手段的不足,经过资源潜力评价的推广,已被广泛的应用在地质研究中,逐步形成了一个找矿的新参数。经过科技攻关和应用实践,遥感逐渐形成了一套可操作、标准化的技术方法。遥感技术已逐步应用于地质矿产勘探中,1:5万、1:20万和1:100万区域地质调查中遥感方法已被列入规范。基础地质方面,遥感应用于地质填图;矿产地质方面,通过遥感识别蚀变异常信息、地质构造信息、与矿有关的其他地质信息,综合地球物理、地球化学、地质构造等多种找矿信息进行矿产资源勘查,取得了丰硕成果,发展了遥感信息提取的技术。
钾盐是我国重要的紧缺资源,对国民经济和国家安全具有非常重要的意义。近年来钾盐需求大增,钾肥进口量位居世界前列。我国开展找钾工作以来,对成(钾)盐盆地特别是中新生代成(钾)盐盆地进行了系统和深入的研究和调查,在兰坪-思茅盆地、四川盆地、陕北盆地、柴达木盆地、塔里木盆地和吐鲁番盆地,发现了一定含量的钾盐资源,发现新疆塔里木盆地罗布泊第四纪盐湖超大规模钾盐资源,但在寻找大型固体可溶性钾矿方面并未取得实质性的突破。近年来在矿产资源勘查方面已经取得了很大的进展,研究表明,遥感在钾盐探测方面也有一定的作用,“七五”期间,应用遥感地质与航空能谱、化探等相结合,在青海柴达木、新疆库米什、塔里木等盆地进行了钾盐资源的地质调查研究,发现了乌宗布拉克(小横山)、龟背山南、大洼地、铁矿湾、罗布泊东等五处湖泊蒸发化学沉积型钾盐(石盐)矿点,总结了第四纪盐湖中找寻钾盐的遥感地质影像模式。表明遥感在找矿方面具有一定的实践意义,特别是在第四系盐湖中找钾。
随着遥感技术的广泛应用,矿物和岩石的波谱测试和分析也被广泛的关注。岩石矿物波谱特征的研究为提取蚀变遥感异常信息提供了理论基础。目前,蚀变遥感异常信息的提取主要是建立在羟基矿物和铁染矿物对某特征波段有吸收的基础上进行的。含水或含羟基的矿物以及某些硫酸盐、碳酸盐类和含铁矿物主要在短波红外区有一些特征的吸收谱带。在短波红外波长范围内,岩石中的含水或含羟基的矿物(主要为层状硅酸盐和粘土类)以及硫酸盐、碳酸盐矿物和含铁类矿物有特征吸收显示。这些矿物大多数与金属矿床的热液蚀变有关,因此能够利用这些特征指示找矿环境参数,提供找矿线索并指导找矿。
多光谱数据在矿产资源勘查方面有很大的优势。现有的盐湖区地下含钾卤水资源的遥感研究多用于多光谱遥感图像数据的地质解译和多光谱构造解译相互结合的推测方式来进行,这些技术主要的缺点如下:(1)利用遥感图像数据进行地质解译的断裂构造只是表面的能看得到的断裂构造,对于埋深较厚的断裂、大构造往往无法解译出。而许多与地下含钾卤水有关的构造往往埋深较大,因此,实际应用效果不理想;(2)以往的地质解译成果往往是地表的岩性划分,与盐类相关的遥感信息提取涉及较少,盐类信息提取异常的方法未有报道;(3)以往的遥感解译往往使用单一源遥感数据,存在着遥感图像数据不能相互验证的问题;(4)对含钾地下卤水预测,已往的遥感没有直接提取相关的信息,都是根据解译结果推断的。
发明内容
本发明针对现有技术通过多光谱遥感图像数据的地质解译和多光谱构造解译结合的推测方式进行地下含钾卤水资源的遥感研究仅能实现地表的岩性划分导致应用效果不理想、遥感图像数据无法相互验证以及识别准确度低的问题,提供一种盐湖区地下含钾卤水资源的多源遥感判别方法,通过对多源遥感图像数据的处理、解译和集成实现地下含钾卤水资源的准确判别。本发明还涉及一种盐湖区地下含钾卤水资源的多源遥感判别系统。
本发明的技术方案如下:
一种盐湖区地下含钾卤水资源的多源遥感判别方法,其特征在于,所述方法包括下述步骤:
数据获取步骤,用于进行多源遥感图像数据获取,所述多源遥感图像数据包括多光谱遥感图像数据、雷达遥感图像数据和高分辨率遥感图像数据;
数据处理步骤,包括对多光谱遥感图像数据和高分辨率遥感图像数据通过多元彩色变换技术突出图像数据中的有用信息和明确不同地物之间波谱特征的差别,并建立遥感地层岩性解译标志以及进行遥感地层岩性解译;对多光谱遥感图像数据利用主成分分析技术提取含盐类异常信息,再根据波谱特性通过判读提取法进行盐类信息的提取;对雷达遥感图像数据进行干涉和相位解缠处理并建立含钾卤水资源的地质构造解译标志以及进行地质构造解译;
数据集成步骤,将数据处理步骤获取的遥感地层岩性解译、盐类信息和地质构造解译进行叠加、投影变换和配准,集成得到含钾卤水资源的沉积位置,实现地下含钾卤水资源的多源遥感判别。
在数据获取步骤和数据处理步骤之间还存在数据预处理步骤,所述数据预处理步骤在对多光谱遥感图像数据和高分辨率遥感图像数据进行预处理时,对于可见光/短波红外数据根据遥感图像获取时相应的遥感传感器增益和偏移量进行预处理得到带有坐标信息的地表反射率图像,对热红外数据进行温度和发射率的分离。
在数据处理步骤中对多光谱遥感图像数据和高分辨率遥感图像数据采用的多元彩色变换技术包括采用最小噪声分离变换技术和遥感图像岩性增强技术,采用最小噪声分离变换技术判定遥感图像数据的波段数和分离遥感图像数据中的噪声以突出图像数据中的有用信息,采用遥感图像岩性增强技术通过累积直方图的方式明确不同地物之间波谱特征的差别。
在数据处理步骤中是根据遥感图像数据上的地层、岩性的反射光谱和形成的特征地貌分析分别建立不同时代的地层、岩浆层和构造的遥感地层岩性解译标志,依据点到线到面和外围扩展的原则通过地层、侵入岩、断裂构造和环形影像的属性分类进行遥感地层岩性解译。
在数据处理步骤中是对多光谱遥感图像数据利用主成分分析技术提取不同类型地物的异常信息并根据含盐类地物的波谱曲线和反射率来提取相似反射率的含盐类异常信息,再根据波谱特性基于多光谱遥感图像数据的波段的多项式结构采用判读提取法进行盐类信息的提取。
在数据处理步骤中是根据雷达遥感图像数据对地观测特征和断层对雷达回波的特征建立含钾卤水资源的地质构造解译标志,并进行深度的地质构造解译,所述地质构造解译包括对断层的压性构造和张性构造的解译。
所述数据集成步骤利用GIS技术将数据处理步骤获取的矢量化的多源数据进行叠加、投影变换和配准,通过相交分析法或判别分析法或加权叠加分析法综合处理,集成提取含钾卤水资源的沉积位置。
一种盐湖区地下含钾卤水资源的多源遥感判别系统,其特征在于,包括依次连接的数据获取装置、数据处理装置和数据集成装置,
数据获取装置,用于进行多源遥感图像数据获取,所述多源遥感图像数据包括多光谱遥感图像数据、雷达遥感图像数据和高分辨率遥感图像数据;
数据处理装置,包括与数据获取装置均相连的第一数据处理装置、第二数据处理装置和第三数据处理装置,所述第一数据处理装置对多光谱遥感图像数据和高分辨率遥感图像数据通过多元彩色变换技术突出图像数据中的有用信息和明确不同地物之间波谱特征的差别,并建立遥感地层岩性解译标志以及进行遥感地层岩性解译;所述第二数据处理装置对多光谱遥感图像数据利用主成分分析技术提取含盐类异常信息,再根据波谱特性通过判读提取法进行盐类信息的提取;所述第三数据处理装置对雷达遥感图像数据进行干涉和相位解缠处理并建立含钾卤水资源的地质构造解译标志以及进行地质构造解译;
数据集成装置,分别与第一、第二和第三数据处理装置相连,用于将遥感地层岩性解译、盐类信息和地质构造解译进行叠加、投影变换和配准,集成得到含钾卤水资源的沉积位置,实现地下含钾卤水资源的多源遥感判别。
所述数据获取装置通过数据预处理装置与数据处理装置相连,所述数据预处理装置在对光谱遥感图像数据和高分辨率遥感图像数据进行预处理时,对于可见光/短波红外数据根据遥感图像获取时相应的遥感传感器增益和偏移量进行预处理得到带有坐标信息的地表反射率图像,对热红外数据进行温度和发射率的分离。
所述第一数据处理装置对多光谱遥感图像数据和高分辨率遥感图像数据采用的多元彩色变换技术包括采用最小噪声分离变换技术和遥感图像岩性增强技术,采用最小噪声分离变换技术判定遥感图像数据的波段数和分离遥感图像数据中的噪声以突出图像数据中的有用信息,采用遥感图像岩性增强技术通过累积直方图的方式明确不同地物之间波谱特征的差别;
和/或,所述第一数据处理装置根据遥感图像数据上的地层、岩性的反射光谱和形成的特征地貌分析分别建立不同时代的地层、岩浆层和构造的遥感地层岩性解译标志,依据点到线到面和外围扩展的原则通过地层、侵入岩、断裂构造和环形影像的属性分类进行遥感地层岩性解译。
所述第二数据处理装置对多光谱遥感图像数据利用主成分分析技术提取不同类型地物的异常信息并根据含盐类地物的波谱曲线和反射率来提取相似反射率的含盐类异常信息,再根据波谱特性基于多光谱遥感图像数据的波段的多项式结构采用判读提取法进行盐类信息的提取;
和/或,所述第三数据处理装置根据雷达遥感图像数据对地观测特征和断层对雷达回波的特征建立含钾卤水资源的地质构造解译标志,并进行深度的地质构造解译,所述地质构造解译包括对断层的压性构造和张性构造的解译。
所述数据集成装置利用GIS技术将数据处理装置获取的矢量化的多源数据进行叠加、投影变换和配准,通过相交分析法或判别分析法或加权叠加分析法综合处理,集成提取含钾卤水资源的沉积位置。
本发明的技术效果如下:
本发明涉及一种盐湖区地下含钾卤水资源的多源遥感判别方法,通过数据获取步骤实现多光谱遥感图像数据、雷达遥感图像数据和高分辨率遥感图像数据的多源遥感图像数据获取,数据处理步骤针对不同的遥感图像数据进行数据处理,对多光谱遥感图像数据和高分辨率遥感图像数据通过多元彩色变换技术突出图像数据中的有用信息和明确不同地物之间波谱特征的差别,并建立遥感地层岩性解译标志以及进行遥感地层岩性解译;对多光谱遥感图像数据利用主成分分析技术提取含盐类异常信息,再根据波谱特性通过判读提取法进行盐类信息的提取;对雷达遥感图像数据进行干涉和相位解缠处理并建立含钾卤水资源的地质构造解译标志以及进行地质构造解译;在数据集成步骤对遥感地层岩性解译、盐类信息和地质构造解译进行叠加、投影变换和配准,实现地下含钾卤水资源的多源遥感判别。本发明通过对多光谱遥感图像数据和高分辨率遥感图像数据进行多元彩色变换并建立遥感地层岩性解译标志,以及对雷达遥感图像数据处理并地质构造解译标志,实现了盐湖区地质的表层和深度解译,为埋深较大的地下含钾卤水资源的构造的识别提供了依据,避免了现有技术只是针对表面的能看得到的断裂构造进行推测方式解译导致实际应用效果不理想的问题。本发明解决了盐湖区覆盖下的构造识别和地下卤水识别困难的问题,通过对盐湖区地质的表层和深度解译,配合含盐类异常信息以及进一步提取的盐类信息,进行信息的综合叠加集成处理,集成得到含钾卤水资源的沉积位置,快速有效地识别地下含钾卤水资源,多源遥感图像数据的获取和数据处理避免了现有技术仅使用单一源遥感数据存在遥感图像数据无法相互验证的弊端,多源遥感图像数据之间可以实现相互验证,提高了含钾卤水资源的识别的准确度,实现盐湖区地下含钾卤水资源的直接提取,并可以达到理想的应用效果。
本发明还涉及一种盐湖区地下含钾卤水资源的多源遥感判别系统,包括依次连接的数据获取装置、数据处理装置和数据集成装置,数据获取装置能够获取多源遥感图像数据,数据处理装置通过内部的第一数据处理装置、第二数据处理装置和第三数据处理装置对多源遥感图像数据分别进行不同的处理、解译以及盐类信息提取,数据集成装置最终集成实现地下含钾卤水资源的准确判别。该系统针对的是盐湖区地下含钾卤水资源的深层的地质构造解译、盐湖区地表遥感地层岩性解译和盐湖区地表盐类信息的识别,对多源遥感图像数据所隐藏的与含钾地下卤水资源有关的信息进行揭示和综合处理,实现盐湖区地下含钾卤水资源的多源遥感判别,实现多源遥感图像数据之间的相互验证,能够有效地解决针对盐湖区地下含钾卤水的遥感勘查的许多技术性问题,经过系统处理后成果简单,识别准确度高,在使用上符合企业工作的操作,能够为前期矿权圈定提供指导和后期工程布置和勘查提供重要技术资料。
附图说明
图1为本发明盐湖区地下含钾卤水资源的多源遥感判别方法的流程图。
图2为本发明盐湖区地下含钾卤水资源的多源遥感判别方法中的雷达遥感图像数据预处理的优选流程图。
图3为本发明方法的数据处理步骤中对多光谱遥感图像数据和高分辨率遥感图像数据处理得到的遥感地层岩性解译结果图。
图4为本发明方法的数据处理步骤中对雷达遥感图像数据处理时两次成像图像干涉相位示意图。
图5为本发明方法的数据处理步骤中对雷达遥感图像数据处理得到的地质断裂构造解译结果图。
图6为本发明所述地下含钾卤水资源的多源遥感判别结果图。
图7为本发明盐湖区地下含钾卤水资源的多源遥感判别系统的结构框图。
图8为本发明盐湖区地下含钾卤水资源的多源遥感判别系统的优选的结构框图。
具体实施方式
下面结合附图对本发明进行说明。
本发明涉及一种适用于盐湖区地下含钾卤水资源的多源遥感判别方法,其流程图如图1所示,包括以下步骤:
数据获取步骤,用于进行多源遥感图像数据获取,所述多源遥感图像数据包括多光谱遥感图像数据、雷达遥感图像数据和高分辨率遥感图像数据;
数据处理步骤,包括对多光谱遥感图像数据和高分辨率遥感图像数据通过多元彩色变换技术突出图像数据中的有用信息和明确不同地物之间波谱特征的差别,并建立遥感地层岩性解译标志以及进行遥感地层岩性解译;对多光谱遥感图像数据利用主成分分析技术提取含盐类异常信息,再根据波谱特性通过判读提取法进行盐类信息的提取;对雷达遥感图像数据进行干涉和相位解缠处理并建立含钾卤水资源的地质构造解译标志以及进行地质构造解译;
数据集成步骤,将数据处理步骤获取的遥感地层岩性解译、盐类信息和地质构造解译进行叠加、投影变换和配准,集成得到含钾卤水资源的沉积位置,实现地下含钾卤水资源的多源遥感判别。
本发明的盐湖区地下含钾卤水资源的多源遥感判别方法针对的是其它的方法往往不能解决覆盖区构造信息,特别是在盐湖区覆盖下的构造识别和地下含钾卤水资源识别困难的问题,采用多源遥感图像数据的信息提取和识别为核心方法,主要是对多源遥感图像数据进行约束,通过对多光谱遥感图像数据进行含盐类异常信息以及进一步的盐类信息的提取,对盐湖区地质的表层和深度解译,对遥感数据所隐藏的与地下含钾卤水资源有关的信息进行揭示和综合处理,特别揭示隐藏在厚覆盖物下的地下含钾卤水资源信息及构造信息,进行多源遥感图像数据相互验证,提供识别的准确度,是一种针对含钾卤水资源遥感判别的最新技术,能够有效快速地识别含钾卤水资源,提供勘查和工程布置依据。下面对本发明的盐湖区地下含钾卤水资源的多源遥感判别方法的具体步骤进行详细说明。
一、数据获取
获取多源遥感图像数据,该多源遥感图像数据包括多光谱遥感图像数据、雷达遥感图像数据和高分辨率遥感图像数据。其中,多光谱遥感图像数据如ASTER遥感图像数据,可选择无云、无雪、植被较少的春节和冬季数据;雷达遥感图像数据如PALSAR雷达遥感图像数据,可选择一对雷达数据,水平基线和垂直基线较小的数据;高分辨率遥感图像数据如GEOEYE、QUICKBIRD、WORLDVIEW等高分辨率遥感图像数据,可选择无云、无雪、植被覆盖少的秋季或春季数据。
二、数据预处理
在数据获取步骤获取多光谱遥感图像数据、雷达遥感图像数据和高分辨率遥感图像数据后,优选先执行该数据预处理步骤,包括对多光谱遥感图像数据和高分辨率遥感图像数据进行预处理以及对雷达遥感图像数据进行预处理。
1、多光谱遥感图像数据和高分辨率遥感图像数据的预处理
1)对于可见光-短波红外数据,直接获取遥感图像会存在几何变形和亮度变化等问题,经过预处理得到地表反射率图像。
具体公式如下:
其中:R1为地表反射率;pi=3.14;d表示影像当天的日地距离;A是太阳高度角;Esun值为大气层外相应波长的太阳光谱辐照度;L是辐亮度,可通过下式求出:
L=gain×DN+bias
其中:gain为增益;bias为偏移。
2)对于热红外数据需要温度和发射率的分离。公式如下:
其中:T为温度;λ为热红外数据的波长;ε为发射率;c1,c2为常数;c1=3.74818×10-4Wμm2;c2=1.43878×104Kμm。R2为光谱辐射亮度,可以通过下面公式计算出:
QCAL是热红外数据的实际辐射;LMINλ是QCAL=0时的光谱辐射值;LMAXλ是在QCAL=QCALMAX的光谱辐射值;QCALMAX是数据的图像辐射值。R2的单位是W/(m2×sr×μm)。
而对于多光谱遥感图像数据(如ASTER)来说,由于存在三个不同传感器(每个遥感数据源对应一个传感器)获取的数据,分辨率不一样,首先需要通过插值合并的归一化处理并生成包含所使用波段的单一文件,插值合并分为几个像元合并成一个像元和一个像元直接分成几个像元。
2、雷达遥感图像数据预处理
为了利用雷达遥感图像数据(简称雷达数据)的特性,一般利用原始数据进行处理,经过聚焦、多视、配准、滤波、辐射定标、几何校正和增强处理等一系列步骤,优选的流程图如图2所示。
①聚焦
在原始数据中,某一探点的雷达信号能量与距离和方位有关,利用聚焦处理的目的就是把这种分散的能量输出到某一个像素上,主要表征参数为线性调频发射脉冲持续时间和天线波束照亮周期长度。探测点距离的变化导致结果距离偏移,一般采用距离-多普勒算法进行校正。
②多视
经过聚焦处理后的图像,需要尽可能高的分辨率和尽可能少的斑点噪声。通过多视处理,距离和方位单元都被平均化了,提供辐射的分辨率。多视处理函数与方位像素间距和斜率像素间距及入射角的特征等参数有关,为了获得多视图像,需要考虑地面空间分辨率和图像像素方位距离。
③滤波
从传感器接收的雷达数据有大量的斑点,这个噪声由于雷达数据的多个后向散射所叠加的随机的乘性噪音,减少噪音以牺牲空间分辨率为代价,通常是在多视处理后执行,可以采用斑点噪声滤波算法。
④配准
在同一区域的多视图像基于时间序列的斑点噪声滤波执行要求图像倾斜等几何因素。因此,图像必须配准,图像的配准必须以正确的方式进行变换。其中,配准和滤波的处理顺序可以互换。
⑤地理编码和几何校正
主要有两种形式,一种为不使用数字高程模型的地图坐标系统,一种为使用数字高程模型的地形地理编码,一般是先模型校正后进行地理编码再配合几何校正方法进行。
⑥辐射定标和归一化
为了对传感器接收的后向散射雷达图像能够进行对比,需要对雷达图像进行辐射定标和归一化处理。各向散射pd与散射面积A关系公式如下:
其中,pd为各向散射接收功率;pt为发射功率;pn为噪声;Pr为距离上图像像素大小;pa为方位上图像像素大小;GA为发射和接收的天线增益;λ为雷达波波长;为雷达接收器的电子增益;Gp为处理器常数;σo为后向放射系数;La为大气衰减;Ls为系统损失;θel为天线高度角;θaz为天线方位角;θir为距离入射角;θia方位入射角,R为距离传播损失系数,为天线增益参数。
并且,地理编码与归一化及辐射校正的处理顺序可以互换。
⑦增强处理
首先利用直方图图示进行目估,如果遥感图像为M×N的窗口,这个窗口内遥感图像某一个波段像元xj,k(j=1,…,m;k=1,…,n)区间为[x0,xn],统计这个窗口内的直方图,公式如下:
其中i∈[0,n],xj,k=xi为逻辑操作。
我们取pi的最大与最小值,即max(pi)和min(pi)。然后把最小值作为0,最大值作为255,中间其他值按内插重新采样。公式如下:
其中,yj,k为原始图像某一波段像元xj,k拉伸后的值,j=1,…,m;k=1,…,n。
三、数据处理
该数据处理步骤可以理解为是分别按照三个分支完成不同数据的处理。
1、第一个分支是对多光谱遥感图像数据和高分辨率遥感图像数据进行数据处理,通过多元彩色变换技术突出遥感图像数据中的有用信息和明确不同地物之间波谱特征的差别,该多元彩色变换技术优选包括采用最小噪声分离变换技术和遥感图像岩性增强技术,采用最小噪声分离变换技术判定遥感图像数据的波段数和分离遥感图像数据中的噪声以突出图像数据中的有用信息,采用遥感图像岩性增强技术通过累积直方图的方式明确不同地物之间波谱特征的差别;根据遥感图像数据上的地层、岩性的反射光谱和形成的特征地貌分析分别建立不同时代的地层、岩浆层和构造的遥感地层岩性解译标志,依据点到线到面和外围扩展的原则通过地层、侵入岩、断裂构造和环形影像的属性分类进行遥感地层岩性解译。具体如下:
1)多元彩色变换
多元彩色变换的目的是为了突出图像中的有用信息,扩大不同影像特征之间的差别,以便提高对图像的解译和分析能力。多元彩色变换效果与图像本身的数据特征有关。主要有两个方面:(1)突出不同地物之间波谱特征的差别,在地质应用方面主要是为了便于识别不用地质体、岩石类型及地质异常;(2)突出空间形态、边缘、线条及纹理结构特征等,如地质构造、线性体及地貌特征等。主要分为两步:
1.1)最小噪声分离变换
最小噪声分离变换(Minimum Noise Fraction Rotation,MNF Rotation)技术用于判定图像数据内在的维数(即波段数),分离数据中的噪声,减少随后处理中的计算需求量。MNF本质上是两次层叠的主成分变换。第一次变换(基于估计的噪声协方差矩阵)用于分离和重新调节数据中的噪声,这步操作使变换后的噪声数据只有最小的方差且没有波段间的相关性。第二次是对噪声白化数据的标准主成分变换。为了进一步进行波谱处理,通过检查最终特征值和相关图像来判定数据的内在维数。数据空间可被分为两部分:一部分与较大特征值和相对应的特征图像相关,其余部分与近似相同的特征值以及噪声占主导地位的图像相关。假设获取的遥感数据每个观察信号z可以表示为:
z=s+n
其中,n为噪声(假设与s不相关),s为理想状况下的信号(无噪声)。观察信号z的协方差矩阵为Σz,噪声的协方差矩阵为Σn。假设矩阵F为Σn的白化矩阵,则:
式中,Δn为由Σn的特征值组成的对角矩阵。实际上矩阵E由Σn的特征向量组成,满足EΓΣnE=Δn。
记Σw=FΓΣzF为调整噪声(白化)之后的观察数据的协方差矩阵,对这个矩阵进行主成分变化,可以得到矩阵G,使得:GΓΣwG=Δw,GΓG=I
式中,Δw是由Σw的特征值所组成的对角矩阵,G则是有相应的特征向量构成。
噪声调整主成分(NAPC)变换总变换矩阵H=FG。
MNF算子为的特征向量矩阵。
1.2)图像岩性增强处理
在最小噪声分离变换后还可以进行图像岩性增强处理,主要是利用一系列技术手段改善图像的视觉效果,明确不同地物之间波谱特征的差别,提高图像的清晰度,将图像化成一种更适合于人或计算机进行分析处理的形式。
遥感图像经过准归一化处理后,DN值域分布在0≤rk≤255范围内。对[0,255]区间内的任一个rk值进行如下变换:
当灰度级是离散值的时候,可用频数近似代替概率值,即:
式中,L是灰度级数;pr(rk)是取第k级灰度值的概率;nk是在图像中出现第k级灰度的次数;N是图像中像素数。
通常把为得到均匀直方图的图像增强用直方图累积分布函数的离散形式可由式表示:
其反变换为:rk=T-1(sk)
主要算法如下:
列出原始图像和变换后图像的灰度级:i,j=0,1,….,L-1,其中L是灰度级的个数;
统计原图像各灰度级的像素个数ni;
计算原始图像直方图:N为原始图像像素总个数;
计算累积直方图:
利用灰度变换函数计算变换后的灰度值,并四舍五入:j=INT[(L-1)pj+0.5];
确定灰度变换关系i→j,据此将原图像的灰度值f(m,n)=i修正为g(m,n)=j;
统计变换后各灰度级的像素个数nj;
计算变换后图像的直方图:
2)遥感地层岩性解译
遥感地层岩性解译包括赋予不同的影像特征不同的地质意义,包括地层、岩体岩性岩相和断层构造以及火山机构等多种因素,这需要从已知的地层地质来推测未知的地层地质特征。遥感地质解译工作以编译方式为主,在已有地质资料和对区域地质构造背景进行综合分析的基础上,以多光谱(ASTER)遥感影像图、高分辨率(GEOEYE)遥感影像图作为底图,以区内地质图或地热分布图作为参考,采用目视解译与人机交互解译并重的方法进行修编解译。解译过程中遵循宏观→微观→宏观的原则,从已知到未知、从简单到复杂、从可解译程度较高的区域到低的地区,循序渐进,反复解译,逐步深化。解译工作程序具体为:解译标志初建+遥感地质初步解译→野外踏勘+补充完善解译标志→全面详细解译→野外验证+综合分析→遥感地质图编制和解译说明书编写。
2.1)解译标志建立
解译过程中首先参考已有的地质资料和图件,通过已知地质体、构造等与遥感影像间的对比,依据遥感图像数据上主要地层、岩性的反射光谱和形成的特征地貌分析,按照地质复杂程度不同,分别建立不同时代的地层、岩浆岩和构造等的遥感地层岩性解译标志。由粗到细,由影像分区到地质体单元,随着解译的深化,逐步补充、充实、完善,贯穿于解译的全过程。地质体、地质现象在遥感影像上表映的直接面貌为直接解译标志,而借助地形地貌、水系、植被等间接因素判译的地质内容为间接解译标志。
2.2)遥感解译
在充分收集和初步掌握勘查区地质情况及遥感影像特征的基础上,以遥感影像地图为主信息源,参考区内已有的地质资料和图件,采取编译结合的方式进行解译。首先选取地质构造简单、岩石地层出露较齐全、影像特征清楚的地区,进行系统的遥感地质修编解译后,再按照由点到线到面、由易到难的原则,向外围逐步扩展到相同地质条件、相同影像特征的未知区以至全区的地质解译。通过地质体影像特征差异、影像组合规律初步解译划分编图单位,通过属性分类,生成遥感解译草图,为野外地质踏勘阶段路线布置提供依据。
地层:采用岩石地层方法编图,填图单位参考原地质图地层作为标准,取舍上多分到“组”。
侵入岩:采用年代+岩性表示方法编图,解译中充分利用其面状、环状、椭圆状、透镜状、不规则状等空间形态、色彩(调)、地貌组合以及与周围层状岩石的不协调关系、影纹结构标志等影像特征圈定和区分不同岩石类型侵入岩体。
断裂构造:解译重点以断层、断裂带为主,对于那些反映断层性质、产状、构造岩、伴生构造、构造组合以及成生时序有重要指示意义的影像特征可参考已有资料在图中适当表示。对于那些反映隐伏层、断裂带的特征应详细加以表示。对线形影像的延伸、分叉、复合、穿插、交切等特点及与毗邻地区线性影像的相互关系等进行解译确认后,按其地质属性分类、命名及划分等级。
环形影像:重点解译两组以上线性构造围限形成的环形、地表出露的小侵入体、火山机构、隐伏岩体形成的穹状隆起或其它热源活动引起的地表面状反映等环形信息。
2.3)遥感解译图编制
经过详细解译和现场修正解译,在充分掌握勘查区地质情况的基础上,对调查前建立解译标志进行补充与修改,进一步厘定编图单位,利用相应软件,编制遥感解译图。图面内容包括:地理要素、编图单位、属性、界线、代号和相互关系,以及图例、图名、比例尺等内容。地理要素参考地形图进行编制,包括现代冰川、水系、山系名称及主要地名等,其中勘查区内现有水系、交通关况参考遥感影像图进行修编而成;编图中地层单位应参考原地质图进行统一,地层单位多分到“组”。制图采用高斯-克吕格投影,1980年西安坐标系,6度分带。为保持图面参数的一致,所有图件均使用图例规范的统一系统库。为了便于修改,图面图层结构按不同内容划分为若干图层,主要包括地质要素图层、地理图层、图内整饰图层等。编图中所用图式、图例、符号、色标等,参照地质矿产部GB6390-86《地质图用色标准及用色原则》等的有关标准执行。遥感地层岩性解译结果如图3所示。图中,粗线表示遥感解译一级构造,细线表示遥感解译二级构造;例如,标号X所示区域表示化学沉积,标号Y所示区域表示冲洪沉积、湖沼沉积、化学沉积,标号Z所示区域表示化学沉积,标号O所示区域表示盐田,标号P所示区域表示现代湖水、干涸湖泊。
2、第二个分支是对多光谱遥感图像数据进行数据处理,利用主成分分析技术提取不同类型地物的异常信息并根据含盐类地物的波谱曲线和反射率来提取相似反射率的含盐类异常信息,再根据波谱特性基于多光谱遥感图像数据的波段的多项式结构采用判读提取法进行盐类信息的提取。
1)含盐类异常信息提取
在分布着盐类矿物的某一区域内,遥感图像接收的信号近似为太阳辐射穿过大气层经不同类型地物反射再穿透大气层最后进入传感器的部分、经大气散射后以漫入射形式经不同类型地物反射再穿透大气进入传感器的部分和大气程辐射部分。公式如下:
其中,E0为太阳辐射,为有用信号的大气透射率,Tθ噪声的大气透射率,n为地物种类,Ri为第i类地物的反射率,θ为入射方向天顶角,S为系统增益系数,ED为大气散射,Lp为大气程辐射。
对于大气来说,大气程辐射可以认为是一个定值,因此我们能用线性拉伸去除大气的影响,大气散射影响作用对蚀变异常提取影响不大,不予考虑。那么公式如下:
利用主成分分析可以提取出异常信息,公式变成:
其中,k为提取出来的不同类型异常信息。如果知道某类含盐岩石的波谱曲线,即知道某类矿床蚀变岩石反射率为Rm,利用监督分类技术提取与这类矿床反射率相似的信息,即公式为:R‘m≈Rm
那么提取出来的信息为:
显然,L″m 中包含了大量与Rm相似的地物信息,其中Rm∈‘m,而L″包含了含盐矿物的信息,因此某含盐岩石遥感异常信息能够利用如下公式:L″m=L″m‘∩L″提取出来。
特别说明的是,根据概率论的中心极限定理。若一个随机变量是由大量相互独立的随机因素的影响所造成,而每一个别因素在总影响中所起的作用都不很大,则这种随机变量通常都服从或近似服从正态分布。地物的形成受相互独立而随机的诸多因素(例如入侵岩浆的成分、温度、压力、酸碱度、空间分布、后期剥蚀的物理化学条件等等)影响,每一因素的变化都起了一定但又不很大的作用。因此,遥感数据每个波段近似服从或服从正态分布。根据定义,n个波段的遥感组成的数据集S在n维空间上为一个凸集或近似为一个凸集。由于遥感数据的散点集的闭包可以看成n维空间的一个广义凸多面体,因此可以利用主成分分析法来求蚀变矿物特征光谱所在的那个顶点部分的信息集合。
2)盐类信息
溶采区高钾区域采用的是多光谱遥感图像分离好的数据进行信息提取,根据其波谱特征,采用了多项式结构的判读提取法,主要提取的公式如下:
式中:k1、k2、k3为常数,为上下界限。b1、b4、b6、b7、b8为多光谱遥感图像数据的第一,第四,第六,第七和第八波段。将上述波段所对应的图像中的像素进行计算对比,符合上述公式要求的数据就提取出来,提取的即为盐类信息。
3、第三个分支是对雷达遥感图像数据进行干涉和相位解缠处理,并根据雷达遥感图像数据对地观测特征和断层对雷达回波的特征建立含钾卤水资源的地质构造解译标志,并进行深度的地质构造解译,所述地质构造解译包括对断层的压性构造和张性构造的解译。
雷达具有一定的穿透性,所使用L波的雷达数据如PALSAR数据实际波长为23.5cm,可以绕过小于23.5cm的物体,因此,利用雷达可以穿透云层,植被,也能够穿透一定厚度的第四纪或松散沉积物,能够揭露地下一定深度的信息,特别适用于浅覆盖区构造的识别,在断层区域,因为断层的错动,雷达信息显示弱于周围信息的线性信息,我们在东天山、东准噶尔、西藏阿里等多地区进行了试验研究,都证明了雷达技术对于构造识别的重要性。雷达发射器发出雷达波,岩层和断层都产生了回波,岩层由于质地均匀密实产生的回波较强,而断层由于错断角砾产生、质地不均匀,断层对流体的可导性等作用,吸收了部分雷达波,产生的回波明显减弱而形成线性构造。
雷达数据处理通常在基线估计的基础上进行干涉生成、去平地效应、相位解缠等一系列步骤。
干涉雷达利用传感器两次过境的时间差来计算,距地距离R1和R2的差可以利用相位差φ来进行测量,一个图像值乘上复共轭的另一图像的值,从而形成干涉,干涉条纹通常包含了类似等高线、形变等信息。卫星在两次成像时,传感器到地面点距离分别为R1和R2,两次成像图像相位差信息(干涉相位)示意如图4所示,并且有如下计算公式:
S1和S2表示两次成像的卫星位置,φ表示相位,λ表示雷达波长,R1和R2表示卫星传感器与地面点之间的斜距。
相位φ中既包含了成像区域两次成像期间地表形变信息φdef,又包含了地形信息φtopo、地球曲率引起的参考椭圆趋势相位φflat、轨道误差φorbit、大气效应φatmos、时空失相关引起的噪声信息φnoise等多种信息:
φ=φdef+φtopo+φflat+φorbit+φatmos+φnoise
如果在干涉处理工程中,使用外部DEM数据就可以去除地形相位信息φtopo;通过轨道参数可以去除参考椭球相位趋势φflat;一般如果基线较短,轨道误差φorbit较小,可以忽略,而噪声信息φnoise可以通过滤波处理来抑制;大气效应φatmos引起的测量误差在空间尺度上表现为低频信息,可以忽略。
外部DEM数据加入处理和轨道参数参与计算后,可以分离出干涉相位φ’def,为了获得地表形变,可以通过相位解缠得到地表形变相位φdef。φdef与雷达视线方向地表形变Δr成正比:
相位解缠的方法较多,有枝切区域增长法、最小成本流法、最小二乘法、多重网格法、格林函数法等。
在对雷达遥感图像数据进行上述处理后,利用雷达对地质构造的解译仍需要建立解译标志,根据雷达图像对地观测特征和断层对雷达回波的特征建立含钾卤水资源的地质构造解译标志,通常断裂在遥感图像上显示出暗色线性的特征。干涉雷达在活动断裂解译中,一方面考虑地质构造解译,一方面也可以进行断层的初步定性。由于常规的雷达影像在厚覆盖区不能够很好的反映出断裂,或者说普通雷达影像不能在厚覆盖区进行构造解译,而干涉雷达避开了覆盖厚度的问题,从地表形变特征进行遥感地质断裂构造的深度解译。本发明是根据图像纹理特征进行深度的地质断裂构造解译,两边条纹特征不一样且具有线性特征的作为断裂识别的依据,特别是干涉条纹具有明显错开特征的就是构造带,如图5所示的地质断裂构造解译结果图。地质断裂构造解译包括对断层的压性构造和张性构造的解译,主要是断裂应力特征不同:断裂的方向与干涉条纹的方向一致,断裂具有张性的特征,是张性断裂构造(或称张性构造);干涉条纹方向与断裂方向近似垂直,断裂具有压性的特征,是压性断裂构造(或称压性构造)。
四、数据集成
在完成上述一、二、三分支的数据处理步骤后,开始数据集成步骤。所述数据集成步骤利用GIS技术将数据处理步骤获取的矢量化的多源数据进行叠加、投影变换和配准,通过相交分析法或判别分析法或加权叠加分析法综合处理,集成提取含钾卤水资源的沉积位置。该步骤主要是利用GIS平台,根据坐标把一系列的图件进行叠加、投影变换和配准,。对各种标志进行综合分析,并优选靶区。对地各类信息进行优选,突出关键有效的信息。
1)GIS能够根据地物信息的具体坐标对各种与找矿有关的信息进行叠加集成。应用GIS进行多源信息叠加时,首先需要对各种信息的投影参数进行准确的备注,使得地球模型、投影方式和带号等都一致,避免出现位置错位等误差。然后需对每种信息都做一个层,如利用MAPGIS来进行处理,需要对某些图件进行“点”、“线”、“区”的重组。“点”指的是文字、代号信息;“线”指的是断层和各种地质界线等;“区”指的是地质体等。最后,利用GIS平台把各种信息对找矿有利的标志都进行总结和分析,从各种信息分析提取有关的信息,优化分析,优选靶区。
2)信息综合
借助GIS平台,对遥感矢量化的遥感地层岩性解译信息图层DM、盐类信息提取图层YM、地质构造解译信息图层GM进行投影变换和配准,通过相交分析、判别分析或加权叠加分析运算等综合处理,研究异常形态、异常强度、异常空间分布规律及其意义,判别优选有意义的区域或点集。
①相交分析
有意义的区域或点集Rj如下:
Rj=DM∩YM∩GM
②判别分析
有意义的区域或点集Rp如下:
Rp=(DM|DM≡k1)∩(YM|YM≡m1)∩(GM|GM≡n1)
式中,k1,m1,n1分别指判别矢量图层是否与含钾地下卤水信息有关的定值。
③加权叠加分析
有意义的区域或点集Rd如下:
Rd=(x×DM|DM≡k1)∩(y×YM|YM≡m1)∩(z×GM|GM≡n1)
式中,k1,m1,n1分别指判别矢量图层是否与含钾地下卤水信息有关的定值,x,y,z为各个矢量图层的加权定值。
3)异常选取
优选地,可以在GIS平台上综合各类信息进一步来优选异常,然后结合野外地质调查和GPS定位技术,在多源信息综合分析的基础上,进行野外实地查证。
根据高分辨率的遥感、ASTER多元彩色变换遥感、雷达遥感、盐类信息提取结果多种信息在GIS平台下的叠加结果。高分辨率的遥感显示的地貌特征非常明显,地表芒硝带、石膏带区别也非常明显,ASTER多元彩色变换遥感对其地层走向和构造部位的判读很清晰,雷达遥感一方面对一些地貌特征和断裂能明显反映出来,另一方面在变形的基础上分析构造的特征并进行构造性质的初步定性,特别是覆盖较厚的区域对断裂的识别具有优势,对环形断裂的识别和解释具有明显优势,能分析阻水导水构造和断陷产生部位。地表高钾区的遥感异常提取以光谱特征为主要依据,利用ASTER数据进行提取。综合以上分析,对地下卤水的进行识别,可以选择3个通道进行假彩色合成。本发明地下含钾卤水资源的多源遥感判别结果如图6所示,如标号A所示的图中白圈所围区域为地下含钾卤水资源判别区。地下含钾卤水资源判别结果以图像形式输出,可以通过彩色合成处理和整饰与注记处理,这样做出来的图像能够直接指示地下含钾卤水预测信息,更加适合勘查和工程布置的决策。
本发明还涉及一种盐湖区地下含钾卤水资源的多源遥感判别系统。本发明为盐湖区地下含钾卤水资源的遥感勘查提供一种全新的解决技术,通过对遥感数据提取盐类信息,确定地表盐类矿物异常位置,通过对雷达遥感数据分析提取含钾地下卤水的构造信息,通过对多源遥感数据的分析和解译确定与地下含钾卤水相关的沉积位置,对多源信息进行综合叠加处理,提供一种针对盐湖区地下含钾卤水资源遥感勘查的多源遥感判别系统。特别揭示隐藏在厚覆盖物下的地下含钾卤水资源信息及构造信息。本发明所述系统基于多源遥感图像数据上的综合处理与集成,能够有效的解决针对盐湖区地下含钾卤水资源遥感勘查的许多技术性问题,经过系统处理后成果简单,在使用上符合地勘部分的操作,能够为前期矿权圈定提供指导和后期工程布置和勘查提供重要技术资料。
本发明的盐湖区地下含钾卤水资源的多源遥感判别系统与本发明上述的盐湖区地下含钾卤水资源的多源遥感判别方法相对应,也可以理解为是实现本发明盐湖区地下含钾卤水资源的多源遥感判别方法的系统。本发明所述系统的结构框图如图7所示,包括依次连接的数据获取装置、数据处理装置和数据集成装置。其中,数据获取装置,用于进行多源遥感图像数据获取,多源遥感图像数据包括多光谱遥感图像数据、雷达遥感图像数据和高分辨率遥感图像数据。数据处理装置,用于对多光谱遥感图像数据和高分辨率遥感图像数据通过多元彩色变换技术突出图像数据中的有用信息和明确不同地物之间波谱特征的差别,并建立遥感地层岩性解译标志以及进行遥感地层岩性解译;对多光谱遥感图像数据利用主成分分析技术提取含盐类异常信息,再根据波谱特性通过判读提取法进行盐类信息的提取;对雷达遥感图像数据进行干涉和相位解缠处理并建立含钾卤水资源的地质构造解译标志以及进行地质构造解译。数据集成装置,用于将数据处理步骤获取的遥感地层岩性解译、盐类信息和地质构造解译进行叠加、投影变换和配准,集成得到含钾卤水资源的沉积位置,实现地下含钾卤水资源的多源遥感判别。
图8是本发明涉及的一种盐湖区地下含钾卤水资源的多源遥感判别系统的优选的结构框图。其中,数据预处理装置为优选部件,数据获取装置通过数据预处理装置与数据处理装置相连;数据处理装置,包括与数据预处理装置均相连的第一数据处理装置、第二数据处理装置和第三数据处理装置;数据集成装置,分别与第一、第二和第三数据处理装置相连。可以说明的是,当没有设置数据预处理装置时,第一数据处理装置、第二数据处理装置和第三数据处理装置均与数据获取装置相连。
优选地,数据预处理装置在对光谱遥感图像数据和高分辨率遥感图像数据进行预处理时,对于可见光/短波红外数据根据遥感图像获取时相应的遥感传感器增益和偏移量进行预处理得到带有坐标信息的地表反射率图像,对热红外数据进行温度和发射率的分离。
第一数据处理装置对多光谱遥感图像数据和高分辨率遥感图像数据通过多元彩色变换技术突出图像数据中的有用信息和明确不同地物之间波谱特征的差别,并建立遥感地层岩性解译标志以及进行遥感地层岩性解译。优选地,采用的多元彩色变换技术包括采用最小噪声分离变换技术和遥感图像岩性增强技术,采用最小噪声分离变换技术判定遥感图像数据的波段数和分离遥感图像数据中的噪声以突出图像数据中的有用信息,采用遥感图像岩性增强技术通过累积直方图的方式明确不同地物之间波谱特征的差别;第一数据处理装置根据遥感图像数据上的地层、岩性的反射光谱和形成的特征地貌分析分别建立不同时代的地层、岩浆层和构造的遥感地层岩性解译标志,依据点到线到面和外围扩展的原则通过地层、侵入岩、断裂构造和环形影像的属性分类进行遥感地层岩性解译,遥感地层岩性解译结果如图3所示。
第二数据处理装置对多光谱遥感图像数据利用主成分分析技术提取含盐类异常信息,再根据波谱特性通过判读提取法进行盐类信息的提取。优选地,第二数据处理装置对多光谱遥感图像数据利用主成分分析技术提取不同类型地物的异常信息并根据含盐类地物的波谱曲线和反射率来提取相似反射率的含盐类异常信息,再根据波谱特性基于多光谱遥感图像数据的波段的多项式结构采用判读提取法进行盐类信息的提取。
第三数据处理装置对雷达遥感图像数据进行干涉和相位解缠处理并建立含钾卤水资源的地质构造解译标志以及进行地质构造解译。优选地,第三数据处理装置根据雷达遥感图像数据对地观测特征和断层对雷达回波的特征建立含钾卤水资源的地质构造解译标志,并进行深度的地质构造解译,该地质断裂构造解译结果如图5所示,所述地质构造解译包括对断层的压性构造和张性构造的解译。
优选地,数据集成装置利用GIS技术将数据处理装置获取的矢量化的多源数据进行叠加、投影变换和配准,通过相交分析法或判别分析法或加权叠加分析法综合处理,集成提取含钾卤水资源的沉积位置,实现地下含钾卤水资源的多源遥感判别。本发明地下含钾卤水资源的多源遥感判别结果如图6所示。
本发明所述盐湖区地下含钾卤水资源的多源遥感判别方法和系统的优点:
1)利用多源遥感对遥感地层岩性解译和地质构造解译和分析,以便于建立地下含钾卤水遥感模型,在光卤石光谱特征基础上提取地表可溶性钾遥感信息,并在此基础上进行靶区预测,并为地下含钾卤水分析预测提供行之有效的技术手段。
2)通过多光谱遥感图像数据和高分辨率遥感图像数据,采用多元彩色变换,可以识别了遥感地貌单元特征,通过野外与室内高分辨率遥感结合,可以对勘查区的地貌特征进行了遥感的识别,特别是高分辨率遥感对地貌的识别非常清晰;可以利用遥感多元彩色变换突出图像数据中的有用信息和明确不同地物之间波谱特征的差别,突出地质信息,利用多种遥感数据结合实际野外查证,在干涉雷达、雷达影像构造解译的基础上,可以对地层和岩性进行了遥感地质解译。
3)利用雷达遥感构造解译、构造定性与区域应力场,可以分析盐湖区构造格局,以及的坳陷区位置,能够分析区域应力场以及断裂的张性和压性。
4)通过盐类信息提取能够分析含光卤石等的化学沉积带为构造带。
5)根据提取的盐类信息,综合遥感各种特征可以建立盐湖区地下卤水遥感模型特征,分析断裂的性质,对小凹陷进行识别。识别地表盐类信息,并为区域内的寻找地下含钾卤水提供新的技术手段,也为在新的区域进行矿权等级提供极其重要的资料,特别是地质资料少,地下卤水含量不明情况提供了一种可行的技术手段。
本发明涉及的一种盐湖区地下含钾卤水资源的多源遥感判别方法和系统,适于进行矿业权圈定筛选,地质情况不明情况下对工程布置进行选址,识别等;也能应用勘查区构造的分析,构造性质的判读;地貌分析,地质解译;第四纪覆盖区构造的检查,地球物理布置;用于盐湖区含钾地下卤水的识别。
应当指出,以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造,但不以任何方式限制本发明创造。因此,尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明,但是,本领域技术人员应当理解,仍然可以对本发明创造进行修改或者等同替换,总之,一切不脱离本发明创造的精神和范围的技术方案及其改进,其均应涵盖在本发明创造专利的保护范围当中。
Claims (12)
1.一种盐湖区地下含钾卤水资源的多源遥感判别方法,其特征在于,所述方法包括下述步骤:
数据获取步骤,用于进行多源遥感图像数据获取,所述多源遥感图像数据包括多光谱遥感图像数据、雷达遥感图像数据和高分辨率遥感图像数据;
数据处理步骤,包括对多光谱遥感图像数据和高分辨率遥感图像数据通过多元彩色变换技术突出图像数据中的有用信息和明确不同地物之间波谱特征的差别,并建立遥感地层岩性解译标志以及进行遥感地层岩性解译;对多光谱遥感图像数据利用主成分分析技术提取含盐类异常信息,再根据波谱特性通过判读提取法进行盐类信息的提取;对雷达遥感图像数据进行干涉和相位解缠处理并建立含钾卤水资源的地质构造解译标志以及进行地质构造解译;
数据集成步骤,将数据处理步骤获取的遥感地层岩性解译、盐类信息和地质构造解译进行叠加、投影变换和配准,集成得到含钾卤水资源的沉积位置,实现地下含钾卤水资源的多源遥感判别。
2.根据权利要求1所述的方法,其特征在于,在数据获取步骤和数据处理步骤之间还存在数据预处理步骤,所述数据预处理步骤在对多光谱遥感图像数据和高分辨率遥感图像数据进行预处理时,对于可见光/短波红外数据根据遥感图像获取时相应的遥感传感器增益和偏移量进行预处理得到带有坐标信息的地表反射率图像,对热红外数据进行温度和发射率的分离。
3.根据权利要求1或2所述的方法,其特征在于,在数据处理步骤中对多光谱遥感图像数据和高分辨率遥感图像数据采用的多元彩色变换技术包括采用最小噪声分离变换技术和遥感图像岩性增强技术,采用最小噪声分离变换技术判定遥感图像数据的波段数和分离遥感图像数据中的噪声以突出图像数据中的有用信息,采用遥感图像岩性增强技术通过累积直方图的方式明确不同地物之间波谱特征的差别。
4.根据权利要求3所述的方法,其特征在于,在数据处理步骤中是根据遥感图像数据上的地层、岩性的反射光谱和形成的特征地貌分析分别建立不同时代的地层、岩浆层和构造的遥感地层岩性解译标志,依据点到线到面和外围扩展的原则通过地层、侵入岩、断裂构造和环形影像的属性分类进行遥感地层岩性解译。
5.根据权利要求1或2所述的方法,其特征在于,在数据处理步骤中是对多光谱遥感图像数据利用主成分分析技术提取不同类型地物的异常信息并根据含盐类地物的波谱曲线和反射率来提取相似反射率的含盐类异常信息,再根据波谱特性基于多光谱遥感图像数据的波段的多项式结构采用判读提取法进行盐类信息的提取。
6.根据权利要求1或2所述的方法,其特征在于,在数据处理步骤中是根据雷达遥感图像数据对地观测特征和断层对雷达回波的特征建立含钾卤水资源的地质构造解译标志,并进行深度的地质构造解译,所述地质构造解译包括对断层的压性构造和张性构造的解译。
7.根据权利要求1或2所述的方法,其特征在于,所述数据集成步骤利用GIS技术将数据处理步骤获取的矢量化的多源数据进行叠加、投影变换和配准,通过相交分析法或判别分析法或加权叠加分析法综合处理,集成提取含钾卤水资源的沉积位置。
8.一种盐湖区地下含钾卤水资源的多源遥感判别系统,其特征在于,包括依次连接的数据获取装置、数据处理装置和数据集成装置,
数据获取装置,用于进行多源遥感图像数据获取,所述多源遥感图像数据包括多光谱遥感图像数据、雷达遥感图像数据和高分辨率遥感图像数据;
数据处理装置,包括与数据获取装置均相连的第一数据处理装置、第二数据处理装置和第三数据处理装置,所述第一数据处理装置对多光谱遥感图像数据和高分辨率遥感图像数据通过多元彩色变换技术突出图像数据中的有用信息和明确不同地物之间波谱特征的差别,并建立遥感地层岩性解译标志以及进行遥感地层岩性解译;所述第二数据处理装置对多光谱遥感图像数据利用主成分分析技术提取含盐类异常信息,再根据波谱特性通过判读提取法进行盐类信息的提取;所述第三数据处理装置对雷达遥感图像数据进行干涉和相位解缠处理并建立含钾卤水资源的地质构造解译标志以及进行地质构造解译;
数据集成装置,分别与第一、第二和第三数据处理装置相连,用于将遥感地层岩性解译、盐类信息和地质构造解译进行叠加、投影变换和配准,集成得到含钾卤水资源的沉积位置,实现地下含钾卤水资源的多源遥感判别。
9.根据权利要求8所述的系统,其特征在于,所述数据获取装置通过数据预处理装置与数据处理装置相连,所述数据预处理装置在对光谱遥感图像数据和高分辨率遥感图像数据进行预处理时,对于可见光/短波红外数据根据遥感图像获取时相应的遥感传感器增益和偏移量进行预处理得到带有坐标信息的地表反射率图像,对热红外数据进行温度和发射率的分离。
10.根据权利要求8或9所述的系统,其特征在于,所述第一数据处理装置对多光谱遥感图像数据和高分辨率遥感图像数据采用的多元彩色变换技术包括采用最小噪声分离变换技术和遥感图像岩性增强技术,采用最小噪声分离变换技术判定遥感图像数据的波段数和分离遥感图像数据中的噪声以突出图像数据中的有用信息,采用遥感图像岩性增强技术通过累积直方图的方式明确不同地物之间波谱特征的差别;
和/或,所述第一数据处理装置根据遥感图像数据上的地层、岩性的反射光谱和形成的特征地貌分析分别建立不同时代的地层、岩浆层和构造的遥感地层岩性解译标志,依据点到线到面和外围扩展的原则通过地层、侵入岩、断裂构造和环形影像的属性分类进行遥感地层岩性解译。
11.根据权利要求8或9所述的系统,其特征在于,所述第二数据处理装置对多光谱遥感图像数据利用主成分分析技术提取不同类型地物的异常信息并根据含盐类地物的波谱曲线和反射率来提取相似反射率的含盐类异常信息,再根据波谱特性基于多光谱遥感图像数据的波段的多项式结构采用判读提取法进行盐类信息的提取;
和/或,所述第三数据处理装置根据雷达遥感图像数据对地观测特征和断层对雷达回波的特征建立含钾卤水资源的地质构造解译标志,并进行深度的地质构造解译,所述地质构造解译包括对断层的压性构造和张性构造的解译。
12.根据权利要求8或9所述的系统,其特征在于,所述数据集成装置利用GIS技术将数据处理装置获取的矢量化的多源数据进行叠加、投影变换和配准,通过相交分析法或判别分析法或加权叠加分析法综合处理,集成提取含钾卤水资源的沉积位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410305836.2A CN104123559B (zh) | 2014-06-30 | 2014-06-30 | 盐湖区地下含钾卤水资源的多源遥感判别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410305836.2A CN104123559B (zh) | 2014-06-30 | 2014-06-30 | 盐湖区地下含钾卤水资源的多源遥感判别方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104123559A true CN104123559A (zh) | 2014-10-29 |
CN104123559B CN104123559B (zh) | 2017-07-07 |
Family
ID=51768964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410305836.2A Active CN104123559B (zh) | 2014-06-30 | 2014-06-30 | 盐湖区地下含钾卤水资源的多源遥感判别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104123559B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104614782A (zh) * | 2015-01-29 | 2015-05-13 | 青海中航资源有限公司 | 一种盐湖卤水探测方法 |
CN105069283A (zh) * | 2015-07-22 | 2015-11-18 | 中国地质大学(北京) | 一种深层地下卤水资源量的分类方法 |
CN105512651A (zh) * | 2016-01-27 | 2016-04-20 | 核工业航测遥感中心 | 一种基于能谱角的岩性分类方法 |
CN107085245A (zh) * | 2017-05-12 | 2017-08-22 | 中国科学院青海盐湖研究所 | 一种钾盐的找矿勘探方法 |
CN108280433A (zh) * | 2018-01-25 | 2018-07-13 | 中国地质科学院矿产资源研究所 | 一种植被覆盖区下金矿的识别方法及系统 |
CN108427964A (zh) * | 2018-03-05 | 2018-08-21 | 中国地质科学院矿产资源研究所 | 一种遥感图像与地球化学的融合方法及系统 |
CN109656906A (zh) * | 2018-11-21 | 2019-04-19 | 国勘数字地球(北京)科技有限公司 | 一种基于大数据的勘查资料的处理方法 |
CN109740489A (zh) * | 2018-12-27 | 2019-05-10 | 核工业北京地质研究院 | 一种利用casi图像识别赤铁矿的方法 |
CN110826518A (zh) * | 2019-11-14 | 2020-02-21 | 中国地质科学院矿产资源研究所 | 一种遥感影像隐伏地质构造信息提取方法 |
CN111160184A (zh) * | 2019-12-20 | 2020-05-15 | 核工业北京地质研究院 | 一种识别草原覆盖区古河道的方法 |
CN111914650A (zh) * | 2020-06-30 | 2020-11-10 | 核工业北京地质研究院 | 一种基于aster遥感数据识别盐湖富矿水域的方法 |
CN113625363A (zh) * | 2021-08-18 | 2021-11-09 | 中国地质科学院矿产资源研究所 | 伟晶岩型锂矿的找矿方法及装置、计算机设备及介质 |
CN113805243A (zh) * | 2021-09-23 | 2021-12-17 | 河北航遥科技有限公司 | 基于航放资料圈定盐湖型钾盐矿远景区的方法 |
CN114118231A (zh) * | 2021-11-08 | 2022-03-01 | 长安大学 | 多源遥感浅覆盖区地层岩性分类特征空间构建方法、岩性分类方法及系统 |
CN116594011A (zh) * | 2023-07-18 | 2023-08-15 | 中地华北(北京)工程技术研究院有限公司 | 一种基于地下病害体遥感与地质雷达的联合探测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101539998B (zh) * | 2009-04-29 | 2011-04-20 | 中国地质科学院矿产资源研究所 | 蚀变遥感异常提取方法和系统 |
CN102749296B (zh) * | 2012-06-28 | 2014-05-14 | 中国地质科学院矿产资源研究所 | 多光谱遥感斑岩铜矿床蚀变分带信息提取方法及装置 |
-
2014
- 2014-06-30 CN CN201410305836.2A patent/CN104123559B/zh active Active
Non-Patent Citations (2)
Title |
---|
姚佛军 等: ""遥感找钾技术及其应用研究"", 《矿床地质》 * |
张玉君 等: ""应用多光谱ASTER数据对ETM遥感异常的定性判别研究-以东昆仑五龙沟为例"", 《岩石光报》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104614782A (zh) * | 2015-01-29 | 2015-05-13 | 青海中航资源有限公司 | 一种盐湖卤水探测方法 |
CN104614782B (zh) * | 2015-01-29 | 2018-02-02 | 青海中航资源有限公司 | 一种盐湖卤水探测方法 |
CN105069283A (zh) * | 2015-07-22 | 2015-11-18 | 中国地质大学(北京) | 一种深层地下卤水资源量的分类方法 |
CN105512651A (zh) * | 2016-01-27 | 2016-04-20 | 核工业航测遥感中心 | 一种基于能谱角的岩性分类方法 |
CN105512651B (zh) * | 2016-01-27 | 2018-11-06 | 中核坤华能源发展有限公司 | 一种基于能谱角的岩性分类方法 |
CN107085245A (zh) * | 2017-05-12 | 2017-08-22 | 中国科学院青海盐湖研究所 | 一种钾盐的找矿勘探方法 |
CN107085245B (zh) * | 2017-05-12 | 2019-09-17 | 中国科学院青海盐湖研究所 | 一种钾盐的找矿勘探方法 |
CN108280433A (zh) * | 2018-01-25 | 2018-07-13 | 中国地质科学院矿产资源研究所 | 一种植被覆盖区下金矿的识别方法及系统 |
CN108427964A (zh) * | 2018-03-05 | 2018-08-21 | 中国地质科学院矿产资源研究所 | 一种遥感图像与地球化学的融合方法及系统 |
CN109656906A (zh) * | 2018-11-21 | 2019-04-19 | 国勘数字地球(北京)科技有限公司 | 一种基于大数据的勘查资料的处理方法 |
CN109740489A (zh) * | 2018-12-27 | 2019-05-10 | 核工业北京地质研究院 | 一种利用casi图像识别赤铁矿的方法 |
CN110826518B (zh) * | 2019-11-14 | 2022-06-03 | 中国地质科学院矿产资源研究所 | 一种遥感影像隐伏地质构造信息提取方法 |
CN110826518A (zh) * | 2019-11-14 | 2020-02-21 | 中国地质科学院矿产资源研究所 | 一种遥感影像隐伏地质构造信息提取方法 |
CN111160184A (zh) * | 2019-12-20 | 2020-05-15 | 核工业北京地质研究院 | 一种识别草原覆盖区古河道的方法 |
CN111160184B (zh) * | 2019-12-20 | 2023-06-16 | 核工业北京地质研究院 | 一种识别草原覆盖区古河道的方法 |
CN111914650A (zh) * | 2020-06-30 | 2020-11-10 | 核工业北京地质研究院 | 一种基于aster遥感数据识别盐湖富矿水域的方法 |
CN113625363A (zh) * | 2021-08-18 | 2021-11-09 | 中国地质科学院矿产资源研究所 | 伟晶岩型锂矿的找矿方法及装置、计算机设备及介质 |
CN113625363B (zh) * | 2021-08-18 | 2022-04-08 | 中国地质科学院矿产资源研究所 | 伟晶岩型锂矿的找矿方法及装置、计算机设备及介质 |
CN113805243A (zh) * | 2021-09-23 | 2021-12-17 | 河北航遥科技有限公司 | 基于航放资料圈定盐湖型钾盐矿远景区的方法 |
CN113805243B (zh) * | 2021-09-23 | 2023-06-27 | 河北航遥科技有限公司 | 基于航放资料圈定盐湖型钾盐矿远景区的方法 |
CN114118231A (zh) * | 2021-11-08 | 2022-03-01 | 长安大学 | 多源遥感浅覆盖区地层岩性分类特征空间构建方法、岩性分类方法及系统 |
CN114118231B (zh) * | 2021-11-08 | 2023-07-25 | 长安大学 | 多源遥感浅覆盖区地层岩性分类特征空间构建方法、岩性分类方法及系统 |
CN116594011A (zh) * | 2023-07-18 | 2023-08-15 | 中地华北(北京)工程技术研究院有限公司 | 一种基于地下病害体遥感与地质雷达的联合探测方法 |
CN116594011B (zh) * | 2023-07-18 | 2023-09-26 | 中地华北(北京)工程技术研究院有限公司 | 一种基于地下病害体遥感与地质雷达的联合探测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104123559B (zh) | 2017-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104123559B (zh) | 盐湖区地下含钾卤水资源的多源遥感判别方法和系统 | |
CN104123558B (zh) | 地热资源的多源分布式遥感判别方法和系统 | |
CN100547438C (zh) | 一种油气勘探方法及系统 | |
CN104537375B (zh) | 一种基于卫星遥感数据的褐铁矿化信息提取方法 | |
El Janati et al. | Application of ASTER remote sensing data to geological mapping of basement domains in arid regions: a case study from the Central Anti-Atlas, Iguerda inlier, Morocco | |
Khaleghi et al. | Spectral angle mapping, spectral information divergence, and principal component analysis of the ASTER SWIR data for exploration of porphyry copper mineralization in the Sarduiyeh area, Kerman province, Iran | |
Qari et al. | Utilization of Aster and Landsat data in geologic mapping of basement rocks of Arafat Area, Saudi Arabia | |
Bruning et al. | An approach to lineament analysis for groundwater exploration in Nicaragua | |
CN114386497A (zh) | 面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法 | |
Chibani et al. | A combined field and automatic approach for lithological discrimination in semi-arid regions, the case of geological maps of bir later region and its vicinity, Nementcha mounts, Algeria | |
Joseph et al. | Application of remote sensing method for geological interpretation of Sokoto Plain, Nigeria | |
Rani et al. | Performance of image classification on hyperspectral imagery for lithological mapping | |
Eldosouky et al. | A new vector for mapping gold mineralization potential and proposed pathways in highly weathered basement rocks using multispectral, radar, and magnetic data in random forest algorithm | |
Ruisi et al. | Study on geological structural interpretation based on Worldview-2 remote sensing image and its implementation | |
Berger et al. | Utility of high-altitude infrared spectral data in mineral exploration: Application to northern Patagonia Mountains, Arizona | |
Salawu | Interpretation of remote sensing and aeromagnetic data to depict the structural framework of the transitional zone between the Igarra Schist belt and Anambra Basin, Nigeria | |
Deroin et al. | Integrating geologic and satellite radar data for mapping dome-and-basin patterns in the In Ouzzal Terrane, Western Hoggar, Algeria | |
Zhou et al. | ASTER VNIR‐SWIR Based Lithological Mapping of Granitoids in the Western Junggar Orogen (NW Xinjiang): Improved Inputs to Random Forest Method | |
Seid et al. | Identification of lithology and structures in Serdo, Afar, Ethiopia using remote sensing and Gis techniques | |
Mohy et al. | Utilization of full-polarimetric SAR data (RADARSAT-2), ASTER and Landsat 8 data in geological mapping of the west Gebal Elba area, Halayeb district, South Eastern Desert, Egypt | |
Yang et al. | Hyperspectral imaging for mineral composition and weathering recognition of rock slope on the reservoir bank | |
Zhang et al. | Application of Gaofen-5 hyperspectral data in uranium exploration: A case study of Weijing in Inner Mongolia, China | |
Aisabokhae et al. | Supervised classification of Landsat-8 band ratio images for geological interpretation of Sokoto, Nigeria | |
Alghamdi et al. | Preliminary Site Investigation based on RGB Electromagnetic Energy of Landsat-7 Images in Wadi Fayidah, Saudi Arabia | |
Guo et al. | Lithology classification of igneous rocks using C-band and L-band dual-polarization SAR data |
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 |