CN104537375B - 一种基于卫星遥感数据的褐铁矿化信息提取方法 - Google Patents
一种基于卫星遥感数据的褐铁矿化信息提取方法 Download PDFInfo
- Publication number
- CN104537375B CN104537375B CN201510032510.1A CN201510032510A CN104537375B CN 104537375 B CN104537375 B CN 104537375B CN 201510032510 A CN201510032510 A CN 201510032510A CN 104537375 B CN104537375 B CN 104537375B
- Authority
- CN
- China
- Prior art keywords
- ferritization
- information
- principal component
- wave band
- remote sensing
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于卫星遥感数据的褐铁矿化信息提取方法,包括步骤:一、卫星遥感数据获取:将测区的卫星遥感图像,传送至数据处理设备并进行同步存储;卫星遥感图像为WorldView‑2卫星遥感图像;二、数据预处理;三、主成分分析:采用所述数据处理设备对步骤二中预处理后图像进行主成分分析;四、褐铁矿化信息所在主分量确定;五、阈值确定:先统计得出褐铁矿化信息所在主分量的像元平均灰度值和标准离差σ,再根据统计得出的和σ,计算得出阈值T;六、褐铁矿化信息提取:根据所确定阈值T,提取褐铁矿化信息。本发明方法步骤简单、设计合理且实现方便、使用效果好,能简便、快速且较准确识别褐铁矿化。
Description
技术领域
本发明属于卫星遥感数据应用技术领域,尤其是涉及一种基于卫星遥感数据的褐铁矿化信息提取方法。
背景技术
围岩蚀变是在热液成矿过程中,近矿围岩与热液发生化学反应而产生的一系列物质成分和构造、结构的变化。岩石蚀变信息的提取是遥感地质信息提取中的一个重要方面。目前,应用的数据源主要为多光谱TM、ETM、Aster数据以及少量高光谱与微波遥感数据,其中应用最多的是ETM数据源。矿化蚀变信息提取是一种快速经济的遥感找矿手段,尤其在我国西部地质工作程度较低的岩石裸露半裸露地区,提取矿化蚀变信息是指导找矿行之有效的方法。
张玉君、杨建民在1998年研究了基岩裸露区蚀变遥感信息的提取方法,2004年又对“ETM+(TM)蚀变遥感异常提取方法技术”进行了总结,并在“面向特征主分量选择法(克罗斯塔技术)”的基础上形成并完善了“去干扰异常主分量门限化技术流程”,在2006年启动的全国矿产资源潜力评价中得到大规模的推广运用。1999年,王润生等提出和深入研究了基于特征谱带的岩矿谱系识别技术,并提出基于单矿物和矿物混合光谱识别的地质分析模型,在实际应用的检验中取得了良好的效果。张远飞等把混合像元分解法引入到多光谱遥感异常提取中,从多光谱遥感数据中较好地分离出了矿化蚀变信息。
多光谱遥感数据现阶段可以识别的矿化蚀变主要为铁染异常、羟基异常(铝羟基异常、镁羟基异常)等。铁染异常反映地层中富赤铁矿、褐铁矿、针铁矿、黄钾铁矾等含铁离子的岩石;羟基异常反映地层中富含高岭石、蒙脱石、明矾石或绢云母、绿泥石、绿帘石等含羟基的岩石,该类矿物一般是围岩蚀变的产物,对指导找矿具有意义,其中Aster遥感数据在红外波谱范围进一步细分,使得其可以区分高岭石、明矾石等铝羟基矿物和绿泥石、方解石、蛇纹石等镁羟基矿物。
对于ETM数据,矿化蚀变信息提取主要采用主成分分析的方法,提取铁染异常采用ETM数据的1、3、4、5波段做主成分分析(也称主分量分析、主成分变换),以均值4s(标准离差)作为主分量输出的动态范围。异常主分量的本征向量特点:波段1、4与波段3的贡献系数符号相反。提取羟基异常采用ETM数据的1、4、5、7波段做主成分变换,以均值4s(标准离差)作为主分量输出的动态范围。异常主分量的本征向量特点:波段5与波段7的贡献系数符号相反。
ASTER数据在近红外及热红外波段对光谱进行了进一步细分,具有14个波段,分辨率15米,对蚀变信息提取的能力与精度较高。对于ASTER遥感数据,采用主成分变换处理方法进行与多种蚀变矿物信息异常提取。根据已知矿床和成矿条件,提取Fe2+、Fe3+等变价元素异常、以AL-OH、Mg-OH为主的基团异常、碳酸根异常等异常信息。提取羟基异常采用ASTER数据的1、3、4、n波段做主成分变换,以均值4s(标准离差)作为主分量输出的动态范围,异常主分量的本征向量特点:波段3、n与波段4的贡献系数符号相反。对于AL-OH采用1、3、4、n(n为7、8)做Crosta主成分变换提取异常;于Mg-OH采用1、3、4、n(n为5、6)做Crosta主成分变换提取异常。提取铁染异常采用ASTER数据的1、2、3、4波段做主成分变换,以均值4s(标准离差)作为主分量输出的动态范围。异常主分量的本征向量特点:波段1、3与波段2的贡献系数符号相反。
张玉君、杨金中等在驱龙-甲马地区采用ASTER数据开展矿化蚀变信息提取,与矿(化)点吻合程度好,通过查证遥感异常新发现多处矿化线索。
目前应用的数据源以TM/ETM+、Aster数据为主,空间分辨率较低(15米),铁染异常一般规模较小,在这些数据源中常呈混合像元的形式出现,严重影响铁染异常提取的精度。高分辨率遥感数据主要分两类,一类以QuickBird、Ikonos等为代表的传统数据,空间分辨率为0.6至1米,有4个波段,分布在可见光-近红外波谱范围;另一类是WorldView-2卫星遥感数据,空间分辨率为0.5米,在可见光-近红外波谱范围内细化为8个波段。但目前,以高分遥感数据尤其是WorldView-2卫星遥感数据开展铁氧化矿物代表矿物褐铁矿化的信息提取方法,尚未有人提出。
褐铁矿是主要的铁矿物之一,它是以含水氧化铁为主要成分的、褐色的天然多矿物混合物,但它的含铁量并不高,是次要的铁矿石。在日常的地质找矿工作中,经常见到褐铁矿化。常见的褐铁矿化跟许多矿产有关,特别是跟一些金及金属硫化物的矿床有着密切的关系。同时,由于褐铁矿化发生在地表的浅部,很容易被发现和看到。而在我国大部分地表覆盖比较厚的地区,地表露出的岩石均属于风化岩石,一般很难看到矿床中的有用原生矿物,因而很容易错过很多发现矿床的机会。因而,加强对褐铁矿化的重视,认识与了解褐铁矿化,对今后的找矿工作起着极其重要的作用。
另外,随着国民经济的发展,对矿产资源的需求越来越大,而中东部地区地表矿产资源的勘查工作已基本完成,地质矿产勘查工作逐渐向自然交通条件恶劣的中西部地区、偏远地区延伸,该类地区的自然条件恶劣、交通条件极差,严重影响地勘工作的开展,造成花费了大量的人力物力,却达不到相应效果。因而,由于褐铁矿化是一般矿化地表常见的次生蚀变,对找矿具有重要的指导意义,现如今急需一种方法步骤简单、设计合理且实现方便、使用效果好的基于WorldView-2卫星遥感数据的褐铁矿化信息提取方法,能够在较短时间内高效、快速、较准确的识别褐铁矿化,进而指导找矿,为地勘工作服务,提高工作效率,节约国家和社会投入的资金。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于卫星遥感数据的褐铁矿化信息提取方法,其方法步骤简单、设计合理且实现方便、使用效果好,能简便、快速且较准确识别褐铁矿化。
为解决上述技术问题,本发明采用的技术方案是:一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征在于该方法包括以下步骤:
步骤一、卫星遥感数据获取:将测区的卫星遥感图像,传送至数据处理设备并进行同步存储;
所述卫星遥感图像为WorldView-2卫星遥感图像;
步骤二、数据预处理:采用所述数据处理设备,将步骤一中所述卫星遥感图像中的干扰地物信息去除,获得预处理后图像;
步骤三、主成分分析:采用所述数据处理设备对步骤二中预处理后图像进行主成分分析,过程如下:
步骤301、主成分波段选取:从预处理后图像中选取4个波段作为主成分波段,4个所述主成分波段分为波段B1、波段B6、波段B8和波段B4,其中波段B1的波长为0.40μm~0.45μm,波段B6的波长为0.71μm~0.75μm,波段B8的波长为0.86μm~1.04μm,波段B4的波长为0.59μm~0.63μm;
步骤302、主成分分析处理:根据步骤301中所选取的4个所述主成分波段,调用主成分分析模块对步骤二中所述预处理后图像进行主成分分析,获取特征向量矩阵,并获得所述预处理后图像的4个主分量,4个主分量分别记作主分量PC1、PC2、PC3和PC4;所述特征向量矩阵中包括4个主分量的特征向量,主分量PC1、PC2、PC3和PC4的特征向量分别记作特征向量μ1、μ2、μ3和μ4;
步骤四、褐铁矿化信息所在主分量确定:对步骤302中4个所述主分量的特征向量μ1、μ2、μ3和μ4分别进行分析,从特征向量μ1、μ2、μ3和μ4中找出褐铁矿化信息所在主分量;
所述褐铁矿化信息所在主分量的特征向量中,波段B6和波段B8的权重系数符号相反,波段B6和波段B1的权重系数符号相反,且波段B4和波段B6的权重系数符号相同;
步骤五、阈值确定:先统计得出所述褐铁矿化信息所在主分量的像元平均灰度值和标准离差σ,再根据统计得出的像元平均灰度值和标准离差σ,计算得出阈值T;
步骤六、褐铁矿化信息提取:根据步骤五中所确定的阈值T,提取褐铁矿化信息。
上述一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征是:步骤六中进行褐铁矿化信息提取时,所述数据处理设备调用阈值分割模块,且根据步骤五中所确定的阈值T,对所述褐铁矿化信息所在主分量进行阈值分割,并提取出褐铁矿化信息。
上述一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征是:步骤一中所述测区中包括褐铁矿化已知的区域和褐铁矿化未知的区域,其中褐铁矿化已知的区域为已知区域,褐铁矿化未知的区域为未知区域;
步骤六中从所述预处理后图像中提取出褐铁矿化信息后,还需对所提取的褐铁矿化信息进行筛选;
对所提取的褐铁矿化信息进行筛选时,先将所述已知区域中已知的褐铁矿化区域与步骤六中提取出的所述已知区域的褐铁矿化信息进行对比,并根据所述已知区域中已知的褐铁矿化区域,从步骤六中提取出的所述已知区域的褐铁矿化信息中筛选出正确的褐铁矿化信息,再根据所筛选出的正确的褐铁矿化信息,对步骤六中提取出的所述未知区域的褐铁矿化信息进行筛选。
上述一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征是:对步骤六中提取出的所述未知区域的褐铁矿化信息进行筛选时,所述数据处理设备调用光谱角填图模块且按照光谱角填图法,对所述未知区域的褐铁矿化信息进行筛选。
上述一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征是:对步骤六中提取出的所述未知区域的褐铁矿化信息进行筛选后,还需对所筛选的所述未知区域的褐铁矿化信息进行野外查证,并通过野外查证对所提取的褐铁矿化信息的准确性进行验证。
上述一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征是:步骤六中完成褐铁矿化信息提取后,还需从步骤一中所述测区中找出一个区域作为先分析区域,并对步骤六中提取出的所述先分析区域的褐铁矿化信息进行野外查证,并根据野外查证结果,从步骤六中提取出的所述先分析区域的褐铁矿化信息中筛选出正确的褐铁矿化信息,再根据所筛选出的正确的褐铁矿化信息,对所述测区中除先分析区域之外的其它区域的褐铁矿化信息进行筛选。
上述一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征是:对所述测区中除先分析区域之外的其它区域的褐铁矿化信息进行筛选后,还需对所筛选的所述测区中除先分析区域之外的其它区域的褐铁矿化信息进行野外查证,并通过野外查证对所提取的褐铁矿化信息的准确性进行验证。
上述一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征是:步骤六中完成褐铁矿化信息提取后,所述数据处理设备还需调用滤波模块,对所提取的褐铁矿化信息进行滤波处理。
上述一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征是:步骤五中对阈值T进行计算时,根据公式进行计算;式中,n0=2.5、2或1.5;
步骤六中进行褐铁矿化信息提取时,从步骤二中所述预处理后图像中分级提取褐铁矿化信息;其中,当n0=2.5时,所提取出的褐铁矿化信息为一级褐铁矿化信息;当n0=2.5时,所提取出的褐铁矿化信息为二级褐铁矿化信息;当n0=1.5时,所提取出的褐铁矿化信息为三级褐铁矿化信息。
上述一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征是:步骤六中褐铁矿化信息提取后,还需进行褐铁矿化判释;进行褐铁矿化判释时,根据所提取的褐铁矿化信息,对所述测区中存在的褐铁矿化区域的数量以及各褐铁矿化区域的分布位置、分布范围和褐铁矿化强度进行判断;其中,褐铁矿化强度为一级、二级或三级。
本发明与现有技术相比具有以下优点:
1、方法步骤简单且实现方便,投入成本较低。
2、设计合理,在对褐铁矿化等铁氧化矿物的波谱特征分析的基础上,将褐铁矿化的吸收土样反射特征波谱与WorldView-2卫星遥感数据各个波段进行对比,确定其在WorldView-2卫星遥感数据与吸收、反射特征相对应的不同波段,将上述波段进行一定的组合,采用主成分分析法识别褐铁矿化,对提取的信息进行筛选,将明显的伪信息予以剔除,保留下来的信息根据其所处的地质矿产特征进行推断解释(即判释),从而指导找矿工作。
3、使用效果好且实用价值高,花费时间短,能够在较短时间内高效、快速、较准确地识别褐铁矿化,进而指导找矿,为地勘工作服务,提高工作效率,节约国家和社会投入的资金,并且利用WorldView-2卫星遥感数据进行褐铁矿化信息提取,所提取褐铁矿化信息的精度更高。因而,本发明设计合理、方法步骤简单、适用面广且实现方便,在自然条件恶劣、工作程度低的地区高效快速地识别褐铁矿化,弥补地质工作的不足。在老并-赞坎矿集区进行应用,效果较好,提取的异常与矿化吻合程度高,另外通过该方法也发现了黑恰铁多金属矿等一批金属矿产,产生了良好的经济效益和社会价值。本发明能够填补相关领域的空白,对指导找矿工作有一定意义。
综上所述,本发明方法步骤简单、设计合理且实现方便、使用效果好,能够在较短时间内高效、快速、较准确的识别褐铁矿化,进而指导找矿,为地勘工作服务,提高工作效率,节约国家和社会投入的资金。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的方法流程框图。
图2为褐铁矿化的波谱曲线图。
图3为褐铁矿化吸收反射特征波谱与WorldView-2卫星遥感影像中各波段的对比示意图。
具体实施方式
如图1所示的一种基于卫星遥感数据的褐铁矿化信息提取方法,包括以下步骤:
步骤一、卫星遥感数据获取:将测区的卫星遥感图像,传送至数据处理设备并进行同步存储。
所述卫星遥感图像为WorldView-2卫星遥感图像。
步骤二、数据预处理:采用所述数据处理设备,将步骤一中所述卫星遥感图像中的干扰地物信息去除,获得预处理后图像。
本实施例中,步骤二中对干扰地物信息进行去除,所去除的干扰地物包括干河道、冲积扇、冰、雪、云、湖水、雪域周边湿地、河道两测的湿地、沼泽以及阴影等与蚀变矿物无关的地物。
实际对干扰地物信息进行去除时,去除方法选用比值法、高端切割法、低端切割法、Q值法或光谱角法。上述去除方法均为常规的干扰地物去除法,详见专利号为ZL201210222732.6且公告号为CN102749296A的发明专利说明书第[0057]至[0080]段中所记载的内容。
干扰地物信息去除时,通过观察波普特征,灵活选用不同的去除方法,将非目标区及非目标地物经数字处理归入干扰窗,通过掩膜获得基础图像,以便进行主成分分析,尽可能地减少干扰地物对异常提取工作产生的影响。
步骤三、主成分分析:采用所述数据处理设备对步骤二中预处理后图像进行主成分分析,过程如下:
步骤301、主成分波段选取:从预处理后图像中选取4个波段作为主成分波段,4个所述主成分波段分为波段B1、波段B6、波段B8和波段B4,其中波段B1的波长为0.40μm~0.45μm,波段B6的波长为0.71μm~0.75μm,波段B8的波长为0.86μm~1.04μm,波段B4的波长为0.59μm~0.63μm。
步骤302、主成分分析处理:根据步骤301中所选取的4个所述主成分波段,调用主成分分析模块对步骤二中所述预处理后图像进行主成分分析,获取特征向量矩阵,并获得所述预处理后图像的4个主分量,4个主分量分别记作主分量PC1、PC2、PC3和PC4;所述特征向量矩阵中包括4个主分量的特征向量,主分量PC1、PC2、PC3和PC4的特征向量分别记作特征向量μ1、μ2、μ3和μ4。
步骤四、褐铁矿化信息所在主分量确定:对步骤302中4个所述主分量的特征向量μ1、μ2、μ3和μ4分别进行分析,从特征向量μ1、μ2、μ3和μ4中找出褐铁矿化信息所在主分量。
所述褐铁矿化信息所在主分量的特征向量中,波段B6和波段B8的权重系数符号相反,波段B6和波段B1的权重系数符号相反,且波段B4和波段B6的权重系数符号相同。
步骤五、阈值确定:先统计得出所述褐铁矿化信息所在主分量的像元平均灰度值和标准离差σ,再根据统计得出的像元平均灰度值和标准离差σ,计算得出阈值T。
步骤六、褐铁矿化信息提取:根据步骤五中所确定的阈值T,提取褐铁矿化信息。
本实施例中,步骤301中进行主成分波段选取时,以褐铁矿化的波谱特征为依据进行选取。
首先,对褐铁矿化的波谱特征进行分析,具体是对褐铁矿化等铁氧化矿物的波谱特征进行分析。地物的波谱特征是指地面物体具有的辐射、吸收、反射和透射一定波长范围电磁波的特征。
围岩蚀变是与热液有关金属矿的重要找矿标志,如高岭土化、硅化、绿泥石化、绿帘石化等,且不同的围岩蚀变反应了不同成矿条件。围岩蚀变矿物一般含羟基离子,在红外波谱区间有明显的吸收特征波谱段,在遥感影像中易识别,对指导找矿具有重要意义。同时,矿化一般伴随有褐铁矿化等铁氧化物次生蚀变,以铁氧化物组成的铁帽为矿体表生氧化露头的显著性标志,亦是最直接的找矿标志之一。铁氧化物有褐铁矿、赤铁矿、黄钾铁钒等,化学特征普遍含Fe2+、Fe3+,在可见光波段有吸收特征波谱段和强反射特征波谱段,在遥感影像中易识别,除了指导铁矿床的找矿,对其它金属矿的找矿也具有一定意义。
Fe2+的基态D在四面体场中分裂为较高的五重线能级Eg和较低的五重线能级T2g,由于仅存在一个自旋容许跃迁,从而在1.0μm~1.1μm附近产生一个常见的强而宽的谱带;Fe3+有一个对称的基态S,在任何晶体场中都不分裂,到4G态所形成的更高能级的跃迁均为自旋禁戒,因而光谱相对较弱,但在0.6μm~0.9μm间产生强的吸收特征波谱段。
根据图2所示,褐铁矿化的波谱曲线在波长为0.45μm~0.55μm和0.8μm~0.90μm的区段呈较强的吸收特征,在波长0.65μm~0.80μm的区段具有强反射特征,Fe2+、Fe3+的特征谱段主要位于波长为0.45μm~1.1μm的区间,而波长为2.0μm~2.5μm的区段主要体现OH-、H2O、CO3 2-等的吸收特征与反射特征。在WorldView-2卫星遥感数据(也称WorldView-2卫星遥感图像)的波谱范围内主要反映的是Fe2+、Fe3+的吸收特征与反射特征。
结合图3,WorldView-2卫星遥感数据在可见光-近红外波谱范围内的8个波段分别为波段B1、B2、B3、B4、B5、B6、B7和B8,各波段的划分详见表1:
表1WorldView-2卫星遥感数据在可见光-近红外波谱范围内波段划分表
波段号 | 波段 | 波谱范围(μm) | 分辨率(m) |
B1 | 海岸波段 | 0.40~0.45 | 1.8 |
B2 | 蓝 | 0.45~0.51 | 1.8 |
B3 | 绿 | 0.51~0.58 | 1.8 |
B4 | 黄色波段 | 0.59~0.63 | 1.8 |
B5 | 红 | 0.63~0.69 | 1.8 |
B6 | 红色边缘波段 | 0.71~0.75 | 1.8 |
B7 | 近红外1 | 0.77~0.89 | 1.8 |
B8 | 近红外2 | 0.86~1.04 | 1.8 |
PAN | 全色 | 0.45~0.80 | 0.5 |
将铁氧化物的吸收特征和反射特征与WorldView-2卫星遥感数据的各波段分别对应,由图3所示,在WorldView-2卫星遥感数据的波段B1、B2和B8呈吸收特征,在波段B4、B5和B6呈反射特征,其中波段B1和B8呈强吸收,波段B6呈强反射。通过对比分析,由于WorldView-2卫星遥感数据细化为8个波段,波段B1和B8与铁氧化物的吸收特征波谱段准确对应,波段B6与铁氧化物的反射特征波谱段亦准确对应,更适于进行褐铁矿化信息提取。因而,所选取的4个所述主成分波段分为波段B1、波段B6、波段B8和波段B4。综上,根据WorldView-2卫星遥感数据与铁氧化物吸收与反射特征相对应的不同波段,采用波段B1、波段B6、波段B8和波段B4进行主成分变换。
步骤302中所述的主成分分析是通过对特定的几个波段(即所选取的主成分波段)进行主成分分析,去除波段之间的相关性,降低数据维数,使尽可能多的有用信息集中到少量的影像波段中。各个主分量常常代表一定的地质意义,且互不重复,地质意义具有其独特性。尤其提取遥感异常的原则是以大型矿(常含有高值异常)为主要目标时,提取方法首选应是主成分分析法。
本实施例中,步骤302中进行主成分分析处理时,过程如下:
步骤3021、计算4个所述主成分波段的灰度平均值和方差,计算得出的各主成分波段的灰度平均值记作各主成分波段的方差记作其中k为正整数且k=1、2、3、4,各主成分波段记作波段k。
其中,对各主成分波段的灰度平均值进行计算时,根据公式式中n为波段k的图像行数和列数,n2为波段k的图像像元总数量,为波段k的图像上所有像元的灰度值之和。
对主成分波段的方差进行计算时,根据公式
步骤3022、计算协方差矩阵:
根据公式计算得出各主成分波段对应的协方差值,其中,C(k,l)为波段k对应的协方差值,C(k,l)为C(k,1)、C(k,2)、C(k,3)、C(k,4),k为正整数且k=1、2、3、4,l为正整数且l=1、2、3、4,xk(p,q)为像素点(p,q)在波段k的图像上的灰度值,xl(p,q)为像素点(p,q)在波段l的图像上的灰度值,为波段k的灰度平均值,为波段l的灰度平均值。
这样,便求出4个所述主成分波段对应的协方差值,并相应得到协方差矩阵
步骤3023、计算得出协方差矩阵C的特征值和特征向量:对协方差矩阵C进行特征分解,得出协方差矩阵C的四个特征值(记作λ1、λ2、λ3和λ4)与四个特征向量(即特征向量μ1、μ2、μ3和μ4)。
步骤3024、计算图像的主分量:先获取变换矩阵A,变换矩阵A=CT,也就是说说变换矩阵A为协方差矩阵C的转置矩阵,根据主成分变换的数学原理,对所述预处理后图像中的每个像素(也称像元)进行变换,便可求得所述预处理后的四个主分量;其中,对所述预处理后图像中的每个像素(也称像元)进行变换后,用4维向量表示像素的第一个元素组成了所述预处理后图像的第一个主分量,相应地第二个元素、第三个元素和第四个元素分别组成了所述预处理后图像的第二个主分量、第三个主分量和第四个主分量,即主分量PC1、PC2、PC3和PC4。
主成分变换(Principal Component Analysis)又称K—I,变换或霍特林(Hotelling)变换,是基于变量之间的相关关系,在尽量不丢失信息前提下的一种线性变换的方法,主成分变换能够将图像B分解为一组主成分的和,而每个主成分都对应一个权重(也称权重系数),该权重的大小恰恰图像B中不同部分的相关性,可通过对主成分的选取实现不同相关性波段信号的分离。
本实施例中,步骤六中进行褐铁矿化信息提取时,所述数据处理设备调用阈值分割模块,且根据步骤五中所确定的阈值T,对所述褐铁矿化信息所在主分量进行阈值分割,并提取出褐铁矿化信息。
本实施例中,步骤五中对阈值T进行计算时,根据公式进行计算;式中,n0=2.5、2或1.5。
步骤六中进行褐铁矿化信息提取时,从步骤二中所述预处理后图像中分级提取褐铁矿化信息;其中,当n0=2.5时,所提取出的褐铁矿化信息为一级褐铁矿化信息;当n0=2.5时,所提取出的褐铁矿化信息为二级褐铁矿化信息;当n0=1.5时,所提取出的褐铁矿化信息为三级褐铁矿化信息。
其中,步骤五中标准离差式中N为所述褐铁矿化信息所在主分量的像元总数量,xt为所述褐铁矿化信息所在主分量的第t个像元的灰度值,其中t为正整数且t=1、2、…、N。
本实施例中,步骤一中所述测区中包括褐铁矿化已知的区域和褐铁矿化未知的区域,其中褐铁矿化已知的区域为已知区域,褐铁矿化未知的区域为未知区域。
步骤六中从所述预处理后图像中提取出褐铁矿化信息后,还需对所提取的褐铁矿化信息进行筛选。
对所提取的褐铁矿化信息进行筛选时,先将所述已知区域中已知的褐铁矿化区域与步骤六中提取出的所述已知区域的褐铁矿化信息进行对比,并根据所述已知区域中已知的褐铁矿化区域,从步骤六中提取出的所述已知区域的褐铁矿化信息中筛选出正确的褐铁矿化信息,再根据所筛选出的正确的褐铁矿化信息,对步骤六中提取出的所述未知区域的褐铁矿化信息进行筛选。
并且,对步骤六中提取出的所述未知区域的褐铁矿化信息进行筛选时,所述数据处理设备调用光谱角填图模块且按照光谱角填图法,对所述未知区域的褐铁矿化信息进行筛选。
其中,光谱角填图(Spectral Angle Mapping,简称SAM)法是一种监督分类方法,该方法是将图像波谱直接同参考波谱匹配的一种交互式分类方法,是一种比较图像波谱与地物波谱或波谱库中地物波谱的自动分类方法。
本实施例中,将所述已知区域中已知的褐铁矿化区域与步骤六中提取出的所述已知区域的褐铁矿化信息进行对比,通过已知的矿产资料,先获取所述已知区域中已知的褐铁矿化区域并将其与提取出的所述已知区域的褐铁矿化信息相互叠加,便可完成褐铁矿化信息筛选过程,从提取出的所述已知区域的褐铁矿化信息中筛选出正确的褐铁矿化信息,筛选出的正确的褐铁矿化信息为已知正确的褐铁矿化,建立训练样本,作为未知区域的参考,采用光谱角填图法对所述未知区域的褐铁矿化信息进行筛选。
本实施例中,步骤六中完成褐铁矿化信息提取后,所述数据处理设备还需调用滤波模块,对所提取的褐铁矿化信息进行滤波处理。
此时,根据所提取褐铁矿化信息所处的成矿地质特征进行筛选,并从找矿角度分析,通过进行滤波对干扰信息进行二次去除。
并且,滤波处理完成后,再对所提取的褐铁矿化信息进行筛选。
由于所述预处理后图像中每个波段的直方图往往呈正态分布,其特点是:通常只有一个中心;大小相等、符号相反的正负偏离几率接近,直方图对称于y轴;极大正偏离和极小负偏离几率很小,反映异常信息在整个图像中占很小份额,直方图向两端迅速衰减。
实际操作过程中,对所述已知区域进行褐铁矿化信息提取时,所选取的阈值T以最大限度包含已知矿化蚀变区域(即所述已知区域中已知的褐铁矿化区域)为原则,即通过将所提取的褐铁矿化信息与所述已知区域中已知的褐铁矿化区域进行对比,并根据对比结果,对阈值T进行调整,直至确定阈值T,采用所确定的阈值T进行阈值分割后,所提取出的所述已知区域的褐铁矿化信息包含所述已知区域中已知的褐所有铁矿化区域。
对于所述未知区域,为了减小人为误差,阈值处理采取以标准离差σ作为尺度,以像元平均灰度值与n0倍标准离差σ之和作为褐铁矿化信息所在主分量输出的动态范围。其中,一级异常取2.5σ,二级异常取2σ,三级异常取1.5σ,目的是对异常区域进行强度划分,对褐铁矿化信息进行逐层分离,获得褐铁矿化强度分级图。
本实施例中,对步骤六中提取出的所述未知区域的褐铁矿化信息进行筛选后,还需对所筛选的所述未知区域的褐铁矿化信息进行野外查证,并通过野外查证对所提取的褐铁矿化信息的准确性进行验证。
并且,当所述测区中无所述已知区域时,步骤六中完成褐铁矿化信息提取后,还需从步骤一中所述测区中找出一个区域作为先分析区域,并对步骤六中提取出的所述先分析区域的褐铁矿化信息进行野外查证,并根据野外查证结果,从步骤六中提取出的所述先分析区域的褐铁矿化信息中筛选出正确的褐铁矿化信息,再根据所筛选出的正确的褐铁矿化信息,对所述测区中除先分析区域之外的其它区域的褐铁矿化信息进行筛选。
并且,对所述测区中除先分析区域之外的其它区域的褐铁矿化信息进行筛选后,还需对所筛选的所述测区中除先分析区域之外的其它区域的褐铁矿化信息进行野外查证,并通过野外查证对所提取的褐铁矿化信息的准确性进行验证。
本实施例中,步骤六中褐铁矿化信息提取后,还需进行褐铁矿化判释;进行褐铁矿化判释时,根据所提取的褐铁矿化信息,对所述测区中存在的褐铁矿化区域的数量以及各褐铁矿化区域的分布位置、分布范围和褐铁矿化强度进行判断;其中,褐铁矿化强度为一级、二级或三级。
实际操作过程中,步骤六中褐铁矿化信息提取后,先对所提取的褐铁矿化信息进行筛选,再对所筛选的褐铁矿化信息进行野外查证,最后进行褐铁矿化判释。
本实施例中,通过对所提取的褐铁矿化信息开展野外查证工作,验证所提取褐铁矿化信息的可靠性和准确性。
由于所述测区内前人均有不同程度进行地质工作,利用这些地质资料,将成矿有利层位、有利的控矿构造、有利的岩浆体与经过提取出且经筛选的褐铁矿化信息结合起来,进一步缩小野外检查工作的目标区,提高所提取褐铁矿化信息的利用水平。
本实施例中,所述已知区域为西昆仑塔什库尔干地区老并铁矿所在矿区,矿区出露地层为古元古界布伦阔勒岩群(Pt1B),赋矿岩系以中低变质岩为主,主要为绿片岩相,局部达到角闪岩相。围岩主要为黑云石英片岩、斜长角闪片岩、大理岩等。岩石组合分为三段:下部为黑云石英片岩夹斜长角闪片岩、含磁铁矿层,中部为黑云石英片岩夹磁铁矿层,上部位黑云石英片岩夹磁铁石英岩。由河南地调院开展普查工作,共圈定大小矿体18个,其中M1、M2、M7、M9是主要矿体。矿石矿物主要为磁铁矿,有少量赤铁矿、黄铁矿、黄铜矿、磁黄铁矿等。脉石矿物为石英、黑云母、绿泥石等。矿石结构主要为自形、半自形-它形粒状结构,矿石构造主要有条带状构造、浸染状构造、块状构造。按照步骤三中所述的方法,对该矿区的WorldView-2卫星遥感数据进行处理,获得特征向量矩阵详见表2:表2已知区域的WorldView-2卫星遥感数据主成分分析的特征矩阵
特征向量 | B1 | B6 | B8 | B4 |
PC1 | 0.276 | 0.548 | 0.545 | 0.572 |
PC2 | 0.813 | 0.234 | -0.520 | -0.120 |
PC3 | 0.508 | -0.590 | 0.582 | -0.234 |
PC4 | 0.076 | -0.545 | -0.306 | 0.777 |
表2中,对主分量PC3而言,波段B6的权重系数与波段B8和波段B1的权重系数符号均相反,波段B6和权重系数符号相反,且波段B4和波段B6的权重系数符号相同,因而主分量PC3为褐铁矿化信息所在主分量。
之后,对所述已知区域进行阈值分割,对阈值分割后提取出的褐铁矿化信息进行滤波处理,褐铁矿化信息主要分布于布伦阔勒岩群黑云石英片岩段,该岩性段是区内磁铁矿主要含矿层位,异常形态呈多个近平行的条带,在实验区呈两个向斜夹一个背斜的特征展布,与矿区构造相同,与探槽等工程空间位置吻合,反映磁铁矿地表氧化次生蚀变。随后,通过野外查证来验证所提取的铁染异常(即褐铁矿化信息),共查证7处,其中6处是矿化蚀变,因而所提取褐铁矿化信息的精度较高,野外查证结果详见表3:
表3 已知区域褐铁矿化野外查证表
其中,TFe为全铁品位,即矿石中所有的铁元素的含量。
本实施例中,所述未知区域为西昆仑黑恰一带所在的矿区,按照步骤三中所述的方法,对该矿区的WorldView-2卫星遥感数据进行处理,获得特征向量矩阵详见表4:
表4 未知区域的WorldView-2卫星遥感数据主成分分析的特征矩阵
特征向量 | B1 | B6 | B8 | B4 |
PC1 | 0.383 | 0.549 | 0.505 | 0.544 |
PC2 | -0.704 | 0.270 | 0.578 | -0.313 |
PC3 | -0.571 | 0.268 | -0.499 | 0.594 |
PC4 | 0.178 | 0.744 | -0.403 | -0.503 |
对主分量PC3而言,波段B6的权重系数与波段B8和波段B1的权重系数符号均相反,波段B6和权重系数符号相反,且波段B4和波段B6的权重系数符号相同,因而主分量PC3为褐铁矿化信息所在主分量。
本实施例中,所选取的阈值且对主分量PC3进行阈值分割,对分割后提取的褐铁矿化信息进行滤波处理,提取出的褐铁矿化信息呈规则条带状北西向展布,与地层走向一致,特征明显。通过野外验证,发现多处菱铁矿、赤铁矿矿化,矿化与提取的褐铁矿化信息的规律一致。
褐铁矿化信息主要出露志留系下统温泉沟群(S1W),为一套浅变质(低绿片岩相)的浅海相碳酸盐岩-碎屑岩沉积建造;容矿岩系为温泉沟群(S1W)顶部硅质大理岩为主,次为斑点状板岩、千枚岩等浅变质碎屑岩系。矿化带呈北西-南东向断续延伸,走向320°,向西北被康西瓦断裂所截,宽度200-500m,部分地段被厚层残坡积物覆盖。倾角50°-70°,产状与地层产状一致,层控特征明显,空间上与大理岩关系密切。矿体多呈层状、似层状、扁豆状,产状与矿化带产状基本一致,厚度10-20m。位于F29断裂南侧,断层两侧岩性差异大,断裂南侧为志留系下统温泉沟群(S1W),北侧为二叠系黄羊岭群(PH),断裂破碎带宽约50m,内部充填断层角砾,局部可见断层泥。野外查证结果表明,主断裂带两侧次级断裂发育,为热液脉型铅锌多金属矿提供了良好的容矿空间。沿矿化带附近岩浆岩活动较弱,仅在东北段南部温泉沟群内见辉绿岩和闪长岩体。围岩蚀变较弱,主要为碳酸盐岩化、硅化、绢云母化、褐铁矿化等。矿石成分单一,主要矿石矿物为菱铁矿,含量占矿石总量的70%以上,部分氧化呈赤铁矿。脉石矿物主要为石英(10-20%)、白云母(3-5%)和铁白云石,其次为少量黄铁矿和黄铜矿,偶见石墨、电气石、磷灰石等。菱铁矿呈半自形-自形粒状结构,粒度变化较大。在野外查证中,选取矿化带中代表性强的菱铁矿样品进行化学分析,测定结果显示,单个样品最高全铁品位为55%,最低品位为44.3%,平均品位为50.45%,远高于菱铁矿工业品位(20%)。矿石主要发育粗晶自形-半自形结构,呈块状构造和条带状构造。矿床成因初步认为热水沉积-构造改造型,具层位稳定、沿走向倾向连续性好、规模大特征。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何限制,凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化,均仍属于本发明技术方案的保护范围内。
Claims (8)
1.一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征在于该方法包括以下步骤:
步骤一、卫星遥感数据获取:将测区的卫星遥感图像,传送至数据处理设备并进行同步存储;
所述卫星遥感图像为WorldView-2卫星遥感图像;
步骤二、数据预处理:采用所述数据处理设备,将步骤一中所述卫星遥感图像中的干扰地物信息去除,获得预处理后图像;
步骤三、主成分分析:采用所述数据处理设备对步骤二中预处理后图像进行主成分分析,过程如下:
步骤301、主成分波段选取:从预处理后图像中选取4个波段作为主成分波段,4个所述主成分波段分为波段B1、波段B6、波段B8和波段B4,其中波段B1的波长为0.40μm~0.45μm,波段B6的波长为0.71μm~0.75μm,波段B8的波长为0.86μm~1.04μm,波段B4的波长为0.59μm~0.63μm;
步骤302、主成分分析处理:根据步骤301中所选取的4个所述主成分波段,调用主成分分析模块对步骤二中所述预处理后图像进行主成分分析,获取特征向量矩阵,并获得所述预处理后图像的4个主分量,4个主分量分别记作主分量PC1、PC2、PC3和PC4;所述特征向量矩阵中包括4个主分量的特征向量,主分量PC1、PC2、PC3和PC4的特征向量分别记作特征向量μ1、μ2、μ3和μ4;
步骤四、褐铁矿化信息所在主分量确定:对步骤302中4个所述主分量的特征向量μ1、μ2、μ3和μ4分别进行分析,从特征向量μ1、μ2、μ3和μ4中找出褐铁矿化信息所在主分量;
所述褐铁矿化信息所在主分量的特征向量中,波段B6和波段B8的权重系数符号相反,波段B6和波段B1的权重系数符号相反,且波段B4和波段B6的权重系数符号相同;
步骤五、阈值确定:先统计得出所述褐铁矿化信息所在主分量的像元平均灰度值和标准离差σ,再根据统计得出的像元平均灰度值和标准离差σ,计算得出阈值T;
步骤六、褐铁矿化信息提取:根据步骤五中所确定的阈值T,提取褐铁矿化信息;
步骤五中对阈值T进行计算时,根据公式进行计算;式中,n0=2.5、2或1.5;
步骤六中进行褐铁矿化信息提取时,从步骤二中所述预处理后图像中分级提取褐铁矿化信息;其中,当n0=2.5时,所提取出的褐铁矿化信息为一级褐铁矿化信息;当n0=2.5时,所提取出的褐铁矿化信息为二级褐铁矿化信息;当n0=1.5时,所提取出的褐铁矿化信息为三级褐铁矿化信息;
步骤一中所述测区中包括褐铁矿化已知的区域和褐铁矿化未知的区域,其中褐铁矿化已知的区域为已知区域,褐铁矿化未知的区域为未知区域;
步骤六中从所述预处理后图像中提取出褐铁矿化信息后,还需对所提取的褐铁矿化信息进行筛选;
对所提取的褐铁矿化信息进行筛选时,先将所述已知区域中已知的褐铁矿化区域与步骤六中提取出的所述已知区域的褐铁矿化信息进行对比,并根据所述已知区域中已知的褐铁矿化区域,从步骤六中提取出的所述已知区域的褐铁矿化信息中筛选出正确的褐铁矿化信息,再根据所筛选出的正确的褐铁矿化信息,对步骤六中提取出的所述未知区域的褐铁矿化信息进行筛选。
2.按照权利要求1所述的一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征在于:步骤六中进行褐铁矿化信息提取时,所述数据处理设备调用阈值分割模块,且根据步骤五中所确定的阈值T,对所述褐铁矿化信息所在主分量进行阈值分割,并提取出褐铁矿化信息。
3.按照权利要求1所述的一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征在于:对步骤六中提取出的所述未知区域的褐铁矿化信息进行筛选时,所述数据处理设备调用光谱角填图模块且按照光谱角填图法,对所述未知区域的褐铁矿化信息进行筛选。
4.按照权利要求1所述的一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征在于:对步骤六中提取出的所述未知区域的褐铁矿化信息进行筛选后,还需对所筛选的所述未知区域的褐铁矿化信息进行野外查证,并通过野外查证对所提取的褐铁矿化信息的准确性进行验证。
5.按照权利要求1或2所述的一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征在于:步骤六中完成褐铁矿化信息提取后,还需从步骤一中所述测区中找出一个区域作为先分析区域,并对步骤六中提取出的所述先分析区域的褐铁矿化信息进行野外查证,并根据野外查证结果,从步骤六中提取出的所述先分析区域的褐铁矿化信息中筛选出正确的褐铁矿化信息,再根据所筛选出的正确的褐铁矿化信息,对所述测区中除先分析区域之外的其它区域的褐铁矿化信息进行筛选。
6.按照权利要求5所述的一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征在于:对所述测区中除先分析区域之外的其它区域的褐铁矿化信息进行筛选后,还需对所筛选的所述测区中除先分析区域之外的其它区域的褐铁矿化信息进行野外查证,并通过野外查证对所提取的褐铁矿化信息的准确性进行验证。
7.按照权利要求1或2所述的一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征在于:步骤六中完成褐铁矿化信息提取后,所述数据处理设备还需调用滤波模块,对所提取的褐铁矿化信息进行滤波处理。
8.按照权利要求1所述的一种基于卫星遥感数据的褐铁矿化信息提取方法,其特征在于:步骤六中褐铁矿化信息提取后,还需进行褐铁矿化判释;进行褐铁矿化判释时,根据所提取的褐铁矿化信息,对所述测区中存在的褐铁矿化区域的数量以及各褐铁矿化区域的分布位置、分布范围和褐铁矿化强度进行判断;其中,褐铁矿化强度为一级、二级或三级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510032510.1A CN104537375B (zh) | 2015-01-22 | 2015-01-22 | 一种基于卫星遥感数据的褐铁矿化信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510032510.1A CN104537375B (zh) | 2015-01-22 | 2015-01-22 | 一种基于卫星遥感数据的褐铁矿化信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104537375A CN104537375A (zh) | 2015-04-22 |
CN104537375B true CN104537375B (zh) | 2018-03-13 |
Family
ID=52852895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510032510.1A Expired - Fee Related CN104537375B (zh) | 2015-01-22 | 2015-01-22 | 一种基于卫星遥感数据的褐铁矿化信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104537375B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109269987A (zh) * | 2018-10-11 | 2019-01-25 | 核工业北京地质研究院 | 一种基于spot5遥感数据的盐湖水体矿化度定性估测方法 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104991287A (zh) * | 2015-07-27 | 2015-10-21 | 中国地质调查局武汉地质调查中心 | 中南半岛成矿带典型区铜金矿遥感找矿模型建立方法 |
CN108181664B (zh) * | 2018-01-18 | 2019-11-15 | 中国地质调查局西安地质调查中心 | 一种伟晶岩型稀有金属矿的识别方法及系统 |
CN109188560A (zh) * | 2018-09-12 | 2019-01-11 | 中山大学 | 矿产重点预测区异常查证方法 |
CN109657637B (zh) * | 2018-12-27 | 2022-07-26 | 核工业北京地质研究院 | 一种利用casi图像区别不同岩石中赤铁矿的方法 |
CN109961087B (zh) * | 2019-02-01 | 2021-10-08 | 中国地质科学院矿产资源研究所 | 基于空间数据集分析的异常遥感信息提取方法及装置 |
CN111060987A (zh) * | 2019-12-30 | 2020-04-24 | 核工业北京地质研究院 | 一种综合使用遥感数据及水文资料圈定温泉有利区的方法 |
CN111292325B (zh) * | 2020-03-31 | 2021-01-12 | 中国地质调查局西安地质调查中心(西北地质科技创新中心) | 一种基于遥感技术的萤石矿识别方法 |
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 |
CN111816263B (zh) * | 2020-06-30 | 2024-01-16 | 核工业北京地质研究院 | 一种基于etm+遥感数据定性识别盐湖水域赋矿量的方法 |
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 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426625A (zh) * | 2011-09-21 | 2012-04-25 | 中国国土资源航空物探遥感中心 | 基于aster卫星数据的斑岩铜典型蚀变带矿物信息提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2502871A1 (en) * | 2005-03-31 | 2006-09-30 | G.M.J. Technologies Ltd | Structural-geodynamic method of forecasting of localizing highly permeable porous-fractured collecting basins development zones and hydrocarbons deposits |
-
2015
- 2015-01-22 CN CN201510032510.1A patent/CN104537375B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426625A (zh) * | 2011-09-21 | 2012-04-25 | 中国国土资源航空物探遥感中心 | 基于aster卫星数据的斑岩铜典型蚀变带矿物信息提取方法 |
Non-Patent Citations (1)
Title |
---|
WorldView-2高分辨率卫星数据在西昆仑塔什库尔干地区遥感地质调查中的应用;王晓鹏;《地质论丛》;20140930;第29卷(第3期);428-432 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109269987A (zh) * | 2018-10-11 | 2019-01-25 | 核工业北京地质研究院 | 一种基于spot5遥感数据的盐湖水体矿化度定性估测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104537375A (zh) | 2015-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104537375B (zh) | 一种基于卫星遥感数据的褐铁矿化信息提取方法 | |
Cheng et al. | A spatially weighted principal component analysis for multi-element geochemical data for mapping locations of felsic intrusions in the Gejiu mineral district of Yunnan, China | |
Cheng | Singularity theory and methods for mapping geochemical anomalies caused by buried sources and for predicting undiscovered mineral deposits in covered areas | |
Zuo | Identifying geochemical anomalies associated with Cu and Pb–Zn skarn mineralization using principal component analysis and spectrum–area fractal modeling in the Gangdese Belt, Tibet (China) | |
Rajesh | Application of remote sensing and GIS in mineral resource mapping-An overview | |
Van der Meer et al. | Spectral characterization of ophiolite lithologies in the Troodos Ophiolite complex of Cyprus and its potential in prospecting for massive sulphide deposits | |
Bencharef et al. | Polymetallic mineralization prospectivity modelling using multi-geospatial data in logistic regression: The Diapiric Zone, Northeastern Algeria | |
Chen et al. | Identifying potential Au-Pb-Ag mineralization in SE Shuangkoushan, North Qaidam, Western China: combined log-ratio approach and singularity mapping | |
Andongma et al. | Mapping of hydrothermal alterations related to gold mineralization within parts of the Malumfashi Schist Belt, North-Western Nigeria | |
Eberle et al. | Integrated data analysis for mineral exploration: A case study of clustering satellite imagery, airborne gamma-ray, and regional geochemical data suites | |
Li | Textural and rule-based lithological classification of remote sensing data, and geological mapping in Southwestern Prieska sub-basin, Transvaal Supergroup, South Africa | |
Moonjun et al. | Application of airborne gamma-ray imagery to assist soil survey: A case study from Thailand | |
Joseph et al. | Application of remote sensing method for geological interpretation of Sokoto Plain, Nigeria | |
Maleki et al. | Hydrothermal alteration and structural mapping of the Qolqoleh-Kasnazan shear zone in Iran using remote sensing data | |
Rani et al. | Performance of image classification on hyperspectral imagery for lithological mapping | |
Abdolmaleki et al. | Exploration of IOCG mineralizations using integration of space-borne remote sensing data with airborne geophysical data | |
Soe et al. | Remote sensing and GIS studies of alteration and predictive mineral exploration in the Central Volcanic Arc, Myanmar | |
Umaru et al. | Litho-structural and hydrothermal alteration mapping for delineation of gold potential zones within Kaiama, northwestern Nigeria, using airborne magnetic and radiometric data | |
Bishta | Assessment of the reliability of supervised classifications of Landsat-7, ASTER, and SPOT-5 multispectral data in rock unit discriminations of Jabal Daf-Wadi Fatima area, Saudi Arabia | |
Bishta et al. | Rock unit discriminations using image processing technique of ablah area, arabian shield, saudi arabia | |
Chen et al. | Application of the geo-anomaly unit concept in quantitative delineation and assessment of gold ore targets in Western Shandong Uplift Terrain, Eastern China | |
Honarmand et al. | Integration and analysis of airborne geophysics and remote sensing data of Sar Cheshmeh Area, using directed principal component analysis | |
Eberle et al. | Crisp clustering of airborne geophysical data from the Alto Ligonha pegmatite field, northeastern Mozambique, to predict zones of increased rare earth element potential | |
Alghamdi et al. | Preliminary Site Investigation based on RGB Electromagnetic Energy of Landsat-7 Images in Wadi Fayidah, Saudi Arabia | |
Niiranen et al. | EXPLORATION LAPLAND 3D (XL3D)–AN INTEGRATIVE GEOMODELING WORKFLOW TO SUPPORT EXPLORATION |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180313 Termination date: 20190122 |