CN104991287A - 中南半岛成矿带典型区铜金矿遥感找矿模型建立方法 - Google Patents
中南半岛成矿带典型区铜金矿遥感找矿模型建立方法 Download PDFInfo
- Publication number
- CN104991287A CN104991287A CN201510447873.1A CN201510447873A CN104991287A CN 104991287 A CN104991287 A CN 104991287A CN 201510447873 A CN201510447873 A CN 201510447873A CN 104991287 A CN104991287 A CN 104991287A
- Authority
- CN
- China
- Prior art keywords
- information
- ore
- alteration
- mineral
- satellite data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- QRJOYPHTNNOAOJ-UHFFFAOYSA-N copper gold Chemical compound [Cu].[Au] QRJOYPHTNNOAOJ-UHFFFAOYSA-N 0.000 title abstract description 10
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 78
- 239000011707 mineral Substances 0.000 claims abstract description 78
- 230000004075 alteration Effects 0.000 claims abstract description 65
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims abstract description 10
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 239000011435 rock Substances 0.000 claims description 47
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 27
- 230000033558 biomineral tissue development Effects 0.000 claims description 17
- 230000003595 spectral effect Effects 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 16
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 16
- 229910052737 gold Inorganic materials 0.000 claims description 16
- 239000010931 gold Substances 0.000 claims description 16
- 241000132092 Aster Species 0.000 claims description 15
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 14
- 229910052802 copper Inorganic materials 0.000 claims description 14
- 239000010949 copper Substances 0.000 claims description 14
- 230000001089 mineralizing effect Effects 0.000 claims description 14
- 229910052742 iron Inorganic materials 0.000 claims description 13
- 125000002887 hydroxy group Chemical group [H]O* 0.000 claims description 10
- 230000001629 suppression Effects 0.000 claims description 10
- 238000012847 principal component analysis method Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 229910001919 chlorite Inorganic materials 0.000 claims description 5
- 229910052619 chlorite group Inorganic materials 0.000 claims description 5
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 claims description 5
- GUJOJGAPFQRJSV-UHFFFAOYSA-N dialuminum;dioxosilane;oxygen(2-);hydrate Chemical compound O.[O-2].[O-2].[O-2].[Al+3].[Al+3].O=[Si]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O GUJOJGAPFQRJSV-UHFFFAOYSA-N 0.000 claims description 5
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 claims description 5
- 229910052622 kaolinite Inorganic materials 0.000 claims description 5
- 229910052901 montmorillonite Inorganic materials 0.000 claims description 5
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- YGANSGVIUGARFR-UHFFFAOYSA-N dipotassium dioxosilane oxo(oxoalumanyloxy)alumane oxygen(2-) Chemical compound [O--].[K+].[K+].O=[Si]=O.O=[Al]O[Al]=O YGANSGVIUGARFR-UHFFFAOYSA-N 0.000 claims description 4
- 229910052595 hematite Inorganic materials 0.000 claims description 4
- 239000011019 hematite Substances 0.000 claims description 4
- 229910052900 illite Inorganic materials 0.000 claims description 4
- LIKBJVNGSGBSGK-UHFFFAOYSA-N iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[Fe+3].[Fe+3] LIKBJVNGSGBSGK-UHFFFAOYSA-N 0.000 claims description 4
- 229910052627 muscovite Inorganic materials 0.000 claims description 4
- VGIBGUSAECPPNB-UHFFFAOYSA-L nonaaluminum;magnesium;tripotassium;1,3-dioxido-2,4,5-trioxa-1,3-disilabicyclo[1.1.1]pentane;iron(2+);oxygen(2-);fluoride;hydroxide Chemical compound [OH-].[O-2].[O-2].[O-2].[O-2].[O-2].[F-].[Mg+2].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].[K+].[Fe+2].O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2.O1[Si]2([O-])O[Si]1([O-])O2 VGIBGUSAECPPNB-UHFFFAOYSA-L 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 229910052626 biotite Inorganic materials 0.000 claims description 3
- 229910052955 covellite Inorganic materials 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 229910052935 jarosite Inorganic materials 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 229910052903 pyrophyllite Inorganic materials 0.000 claims description 3
- 229910052950 sphalerite Inorganic materials 0.000 claims description 3
- 229910000906 Bronze Inorganic materials 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 239000010974 bronze Substances 0.000 claims description 2
- 229910052951 chalcopyrite Inorganic materials 0.000 claims description 2
- DVRDHUBQLOKMHZ-UHFFFAOYSA-N chalcopyrite Chemical compound [S-2].[S-2].[Fe+2].[Cu+2] DVRDHUBQLOKMHZ-UHFFFAOYSA-N 0.000 claims description 2
- KUNSUQLRTQLHQQ-UHFFFAOYSA-N copper tin Chemical compound [Cu].[Sn] KUNSUQLRTQLHQQ-UHFFFAOYSA-N 0.000 claims description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 10
- 238000000513 principal component analysis Methods 0.000 description 10
- 238000011160 research Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 6
- 239000010438 granite Substances 0.000 description 6
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 5
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 5
- 239000011133 lead Substances 0.000 description 5
- 238000005065 mining Methods 0.000 description 5
- 229910052759 nickel Inorganic materials 0.000 description 5
- 239000011701 zinc Substances 0.000 description 5
- 229910052725 zinc Inorganic materials 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 229910052709 silver Inorganic materials 0.000 description 4
- 239000004332 silver Substances 0.000 description 4
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 3
- 229910052748 manganese Inorganic materials 0.000 description 3
- 239000011572 manganese Substances 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 229910018512 Al—OH Inorganic materials 0.000 description 2
- 241000205585 Aquilegia canadensis Species 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 229910052934 alunite Inorganic materials 0.000 description 2
- 239000010424 alunite Substances 0.000 description 2
- 229910001748 carbonate mineral Inorganic materials 0.000 description 2
- -1 chalcopharopyrate Inorganic materials 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 239000002734 clay mineral Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- TVZPLCNGKSPOJA-UHFFFAOYSA-N copper zinc Chemical compound [Cu].[Zn] TVZPLCNGKSPOJA-UHFFFAOYSA-N 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000010186 staining Methods 0.000 description 2
- 229910052714 tellurium Inorganic materials 0.000 description 2
- PORWMNRCUJJQNO-UHFFFAOYSA-N tellurium atom Chemical compound [Te] PORWMNRCUJJQNO-UHFFFAOYSA-N 0.000 description 2
- 239000011135 tin Substances 0.000 description 2
- 229910052718 tin Inorganic materials 0.000 description 2
- KPZTWMNLAFDTGF-UHFFFAOYSA-D trialuminum;potassium;hexahydroxide;disulfate Chemical compound [OH-].[OH-].[OH-].[OH-].[OH-].[OH-].[Al+3].[Al+3].[Al+3].[K+].[O-]S([O-])(=O)=O.[O-]S([O-])(=O)=O KPZTWMNLAFDTGF-UHFFFAOYSA-D 0.000 description 2
- 229910021532 Calcite Inorganic materials 0.000 description 1
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 description 1
- 102100034192 Guanine nucleotide exchange factor MSS4 Human genes 0.000 description 1
- 101001134268 Homo sapiens Guanine nucleotide exchange factor MSS4 Proteins 0.000 description 1
- 101000595513 Homo sapiens Phosphatidylinositol 4-phosphate 5-kinase type-1 beta Proteins 0.000 description 1
- 241000218378 Magnolia Species 0.000 description 1
- 240000006694 Stellaria media Species 0.000 description 1
- QXZUUHYBWMWJHK-UHFFFAOYSA-N [Co].[Ni] Chemical compound [Co].[Ni] QXZUUHYBWMWJHK-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 229910001570 bauxite Inorganic materials 0.000 description 1
- 125000005587 carbonate group Chemical group 0.000 description 1
- RYTYSMSQNNBZDP-UHFFFAOYSA-N cobalt copper Chemical compound [Co].[Cu] RYTYSMSQNNBZDP-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- YOCUPQPZWBBYIX-UHFFFAOYSA-N copper nickel Chemical compound [Ni].[Cu] YOCUPQPZWBBYIX-UHFFFAOYSA-N 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- IUMKBGOLDBCDFK-UHFFFAOYSA-N dialuminum;dicalcium;iron(2+);trisilicate;hydrate Chemical compound O.[Al+3].[Al+3].[Ca+2].[Ca+2].[Fe+2].[O-][Si]([O-])([O-])[O-].[O-][Si]([O-])([O-])[O-].[O-][Si]([O-])([O-])[O-] IUMKBGOLDBCDFK-UHFFFAOYSA-N 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 230000000483 effect on mineralization Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 229910052869 epidote Inorganic materials 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- JQJCSZOEVBFDKO-UHFFFAOYSA-N lead zinc Chemical compound [Zn].[Pb] JQJCSZOEVBFDKO-UHFFFAOYSA-N 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 229910001112 rose gold Inorganic materials 0.000 description 1
- 229910052604 silicate mineral Inorganic materials 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种中南半岛成矿带示范区铜金矿遥感找矿模型建立方法，包括：通过卫星探测获取中南半岛成矿带多光谱卫星数据和高光谱卫星数据；根据现有技术确定成矿带的主要成矿地质特征，建立其地质找矿模型；从得到的多光谱卫星数据中提取成矿带控矿构造与赋矿岩层信息；根据确定的成矿地质特征，从得到的多光谱卫星数据中提取典型矿物或矿物组合蚀变异常信息；根据确定的成矿地质特征，从得到的高光谱卫星数据中提取高光谱蚀变矿物信息；根据得到的上述信息建立基于遥感示矿信息的矿产资源潜力评价标准，再将所述标准应用于典型区域，最终形成所述的遥感找矿模型。本发明的方法最终得到的模型系统在中南半岛成矿带铜金矿找矿实践中应用，具有一定的应用价值。
Description
技术领域
本发明涉及一种地质调查方法，具体涉及一种遥感找矿模型建立方法。
背景技术
中南半岛从地理学的角度讲，包括越南、老挝、中国云南、柬埔寨、缅甸、泰国及马来西亚西部。从全球成矿带区划的角度上讲，中南半岛成矿带除包含上述区域之外，还包括马来西亚、印度尼西亚等地区。该成矿带是全球巨型成矿带之一，矿产资源丰富，有称得上世界级“优势矿产”的铜、金、镍、锡、铝土矿和石油天然气等矿产资源。其中，马来西亚、印度尼西亚和巴布亚新几内亚等国矿产资源最为丰富。
中南半岛成矿带中，金、铜、镍主要分布在3个成矿区上，分别是：
1)苏门答腊-爪哇铜、金成矿区：与酸性、中酸性岩浆活动有关的矿产主要为铜、金、银、铅、锌、锡等。如班达亚齐超大型铜锌矿、Lubuksulasih大型铜锌矿、大型Purnama金银矿、塔利纳大型金银矿等。
2)苏拉威西镍(金、铜)成矿区：主要形成铜、铜(金、铅锌)、金、金银(铅锌、碲)、金(铜、铅锌)和铅锌矿。如大型的汤姆勃里拉道县斑岩型铜(金)矿床；中型的热液型帕莱莱金矿，北拉努特金矿，均伴生银、碲、铅、锌及脉状产出的马卡来铜锌矿和帕利马铜矿。
3)俾斯麦海金、铜(镍)成矿区：位于新几内亚岛。主要形成斑岩型-浅成低温热液型矿床，如潘古纳超大型铜金矿、Simuku中型铜金矿。另还有红土型镍矿开始形成，如大型的昔克鲁普镍(钴)矿。
上述成矿区植被覆盖茂密，地质资料比较缺乏，金、铜、镍多金属成(控)矿地质条件比较复杂，矿产空间分布严格受构造、岩浆岩带的控制。成矿作用与构造运动、岩浆活动密切相关，此外这些成矿区具有多期(次)成矿、分布广泛、规模大、品位高等特点。示范区矿床产出特征显示出某些特定的、不同规模大小的、不同类型的矿床共生和组合产出现象和规律。
近年来，以找矿预测和成矿作用为目的的线性构造解译和研究已成为人们利用遥感技术研究构造和成矿作用等共同关注的热点。线性构造对金属矿床空间分布的控制及其找矿意义已经得到广泛关注。
遥感图像蚀变信息的提取已经成为遥感找矿的一个重要方法。早在1976年，戈茨就提出了在短红外波段两波谱带反射率的比值可以提供蚀变岩石和未蚀变岩石最大的分辨率；同年，罗曼等人也采用MSS4/5，MSS5/6，MSS5/7比值图像的彩色合成图对含次生粘土，氧化硅和褐铁矿的蚀变矿区进行了识别填图，随后许多学者运用波段比值方法都取得了很好的效果。1989年，Crosta在TM图像数据上利用主成分分析法成功地圈定了巴西半干旱地区铁染和泥化现象，开启了运用主成分分析及其改进的方法进行蚀变信息提取的先河。美国在其中部地区也开展了大量的基于遥感数据的示矿信息提取和分析工作，并建设了大量的岩矿光谱库，取得了良好效果。
国内这方面的研究工作主要开始于90年代，本世纪初国土资源部航遥中心通过多光谱的研究，初步建立了适合干旱与裸露地区遥感找矿异常方法的技术体系—“去干扰－主成分分析—异常筛选技术”(DPF技术)，并在中国西部地区矿产资源勘查中取得较好的效果。随后一些学者发展了基于ASTER卫星数据行矿化信息提取技术方法，在矿产资源调查与评价中取得了一定的效果。近几年来，在863计划课题和国土资源大调查项目的支持下，开展了境外矿产资源遥感地质勘查技术研究，针对赞比亚铜(钴)矿、埃塞俄比亚金、铁矿和秘鲁斑岩铜矿等试验区研发了具有一定创新性的蚀变信息提取技术，所建立的矿产资源遥感调查与评价系统具有实用性，圈定的成矿带(或成矿区)、遥感远景区和遥感找矿靶区具有重要的应用价值。
基于上述研究进展，本发明旨在针对中南半岛成矿区建立一种遥感找矿模型，在中南半岛示范区遥感找矿实践中实现其应用价值。
发明内容
本发明的目的在于：提供一种中南半岛成矿带铜金矿遥感找矿模型建立方法，为建立遥感地质矿产综合评价体系提供可靠的依据。
本发明的上述目的通过以下技术方案实现：
一种中南半岛成矿带示范区铜金矿遥感找矿模型建立方法，包括以下步骤：
1)通过卫星探测获取中南半岛成矿带示范区的多光谱卫星数据和高光谱卫星数据；
2)根据现有技术确定成矿带的主要成矿地质特征，建立其地质找矿模型；
3)从步骤1)得到的多光谱卫星数据中提取成矿带控矿构造与赋矿岩层信息；
4)根据步骤2确定的成矿地质特征，从步骤1)得到的多光谱卫星数据中提取典型矿物或矿物组合蚀变异常信息；
5)根据步骤2确定的成矿地质特征，从步骤1)得到的高光谱卫星数据中提取高光谱蚀变矿物信息；
6)根据步骤3)、步骤4)和步骤5)得到的信息建立基于遥感示矿信息的矿产资源潜力评价标准，再将所述标准应用于典型区域，最终形成所述的遥感找矿模型。
本发明优选的方案中，步骤1)所述的多光谱卫星数据可以来自多种卫星系统，优选ETM、ASTER多光谱数据和/或SAR数据。
本发明优选的方案中，步骤1)所述的高光谱卫星数据可以来自多种卫星系统，优选来自Hyperion或天宫一号的高光谱卫星数据。
本发明优选的方案中，步骤2)所述的成矿地质特征包括：已知铜金矿空间分布特征、构造背景特征、含矿岩体和赋矿岩层特征以及矿化蚀变特征。
本发明优选的方案中，步骤3)所述的提取成矿带控矿构造与赋矿岩层信息具体包括以下步骤：
3.1)对多光谱卫星数据进行空间变换处理、图像信息增强和/或影像纹理分析；
3.2)找出地质-地貌-景观背景的映射规律；
3.3)建立线性与环形构造和岩层解译标志；
3.4)提取线性构造与环形构造和岩层信息；
3.5)结合地质找矿模型确定控矿构造和赋矿岩层信息。
更优选的方案中，步骤3.1)所述的多光谱卫星数据是ETM多光谱数据；植被覆盖区采用SAR等多元数据融合技术，开展相应的岩性和构造信息解译；步骤3.3)优选先进行岩性单元划分，再根据单元划分有针对性的建立解译标志。
所述的解译标志优选包括色调标志、地貌标志和/或水系标志。
本发明优选的方案中，步骤4)所述的提取典型矿物或矿物组合蚀变异常信息包括以下步骤：
4.1)选择白云母muscovite，赤铁矿hematite，黄钾铁矾jarosite，蒙脱石montmorillonite，黄铜矿chalcopyrite，铜蓝covellite，叶腊石pyrophyllite，闪锌矿，sphalerite，绿泥石chlorite，黑云母biotite，高岭石kaolinite和伊利石illite作为蚀变矿物；泥化-绢英岩化带和青磐岩化带蚀变矿物组合信息；绢云母化和高级泥化等重要蚀变矿物。4.2)根据步骤4.1)选择的蚀变矿物种类和多光谱影像识别度，将蚀变分为铁染、羟基、碳酸根三种较易识别的类型；
4.3)采用比值和主成分分析法综合提取蚀变信息，其中采用主成分分析法(PCA)进行铁质成分和羟基化物蚀变信息提取。
本发明优选的方案中，步骤5)所述的提取高光谱蚀变信息包括以下步骤：
5.1)采用基于向植被正交子空间投影(OSP)变换的背景抑制方法，具体包括：
根据式(2)所示的模型，向高光谱卫星数据图像中提取出来的植被的正交子空间投影：
r＝dαp+Uγ+n (2)
其中，r是像元光谱向量，d＝mp是感兴趣端元的光谱信号，U＝[m1,m2,…,mp-1]是非感兴趣端元的光谱信号，α＝[α1,α2,…,αp]是丰度矩阵，n是噪声或模型误差；
然后根据式(3)消除植被信息的影响，实现有效的背景抑制:
其中，为投影算子，d表示植被信号。可以看出，在抑制背景的同时实现了噪声的抑制；
5.2)采用基于PPI端元提取方法，先采用掩膜算法使云层不参与运算，再手动选取纯净像元后采用SAM光谱角提取方法提取。
本发明方案中，步骤6)所述的根据步骤3)、步骤4)和步骤5)得到的信息建立基于遥感示矿信息的矿产资源潜力评价标准，具体是：选取构造各级量化图层(包括构造交点数值、等密度、优益度等)、岩性地貌单元、蚀变单元图层等10个以上数量的因子图层，根据同类地区已知矿化点按照信息量计算法计算各地质因素、找矿标志所提供的找矿信息量；同时计算各单元中各标志信息量的总和；最终计算结果按大小排序，至少取信息量排在前5的影响因子，最终形成矿产资源潜力评价标准。
本发明的方法是经过发明人对现有技术的大量研究、深入分析和多重筛选而最终获得的。本发明的方法利用了从现有资料中和实地探测中总结得到的自然规律，优选了最佳的数据获取方法和处理方法，最终得到的模型系统在中南半岛成矿带铜金矿找矿实践中进行应用，具有一定的应用价值。
附图说明
图1为本发明实施例1步骤4)的蚀变提取图像。
图2为本发明实施例1步骤4)综合蚀变提取分布图。
具体实施方式
实施例1
中南半岛成矿带铜-金矿遥感找矿模型建立方法，包括以下步骤：
1)通过卫星探测获取中南半岛成矿带的ETM、ASTER多光谱卫星数据和SAR卫星数据，以及Hyperion或天宫一号的高光谱卫星数据；
2)根据现有技术确定成矿带的已知铜金矿空间分布特征、构造背景特征、含矿岩体和赋矿岩层特征以及矿化蚀变特征，建立其地质找矿模型；
3)从步骤1)得到的多光谱卫星数据中提取成矿带控矿构造与赋矿岩层信息；具体包括以下步骤：
3.1)对ETM多光谱卫星数据进行空间变换处理、图像信息增强和/或影像纹理分析；
3.2)找出地质-地貌-景观背景的映射规律；
3.3)先进行岩性单元划分，再根据单元划分有针对性的建立线性与环形构造和岩层解译标志；所述的解译标志包括色调标志、地貌标志和水系标志；
3.4)提取线性构造与环形构造和岩层信息；植被覆盖区采用SAR等多元数据融合技术，开展相应的岩性和构造信息解译；
3.5)结合地质找矿模型确定控矿构造和赋矿岩层信息。
4)根据步骤2)确定的成矿地质特征，从步骤1)得到的多光谱卫星数据中提取典型矿物或矿物组合蚀变异常信息。具体包括：
4.1)选择白云母，赤铁矿，黄钾铁矾，蒙脱石，黄铜矿，铜蓝，叶腊石，闪锌矿，绿泥石，黑云母，高岭石和伊利石作为蚀变矿物；泥化-绢英岩化带和青磐岩化带蚀变矿物组合信息；绢云母化和高级泥化等重要蚀变矿物。
4.2)根据步骤4.1)选择的蚀变矿物种类和多光谱影像识别度，将蚀变分为铁染、羟基、碳酸根三种较易识别的类型；
4.3)采用比值和主成分分析法综合提取蚀变信息，具体方法如下：
波段加减组合运算提取蚀变岩。对普遍的矿化蚀变岩与主要植被、草地、水体和围岩光谱曲线进行对比发现矿化蚀变岩光谱曲线波动大，波段间差值大，而围岩光谱曲线相对平缓，波段间差值较小。根据这一特征，采用波段加减组合运算，可以扩大矿化蚀变岩与背景的亮度差，达到增强矿化蚀变岩信息的目的。其中矿化蚀变岩在ETM+5、3波段为反射峰，与围岩差值大且高于围岩值，在ETM+1、4、7波段为吸收峰，ETM影像因第7波段较宽，反映不明显；但在1、4波段反映较明显，与围岩值接近。因此，采用图像通道运算(B5+B3+B2)-(B7+B4+B1)(用V1表示，如图1a)，B表示通道，为避免负值，加B2进行计算。
根据普遍矿化蚀变岩光谱特征总结出常用的波段比值(如表1)，选用ETM的B3/B1增强铁化蚀变信息在B3，B1波段处的植被和其他蚀变矿物的反射率只是略有增加，但以赤铁矿为代表的铁化蚀变矿物的ETMB3波段反射值远远大于B1，所以B3/B1的高值处能反映铁化蚀变信息，发明人采用ETM的B3/B1和ASTER的B2+3/B1进行比较，发现ETM的光谱分辨率高，而且时相效果好，得到的结果和花岗岩体分布比较吻合，而ASTER的比值结果规律不明显，故采用ETM的B3/B1(用V2表示，图1b)；同理，ASTER B5+7/B6增强硅化蚀变信息(用V3表示，图1c)，ETM的B5/B7增强粘土化、碳酸盐化蚀变信息(用V4表示，图1d)
表1 多光谱数据波段比值处理及其意义
采用主成分分析法(PCA)进行铁染和羟基蚀变信息提取
先对研究区干扰地物如水和阴影(ETM+7/ETM+1)、云(ETM+1高端切割)、植被(ETM+5/ETM+4)、盐碱地(ETM+3或ETM+4高端切割)等进行掩膜处理，掩膜处理不仅可以大大减少后期处理的干扰因素，而且对于减少提取过程中产生的“干扰”信息具有十分重要的意义。
利用FLAASH进行大气校正，获取地物反射率基本满足景与景之间的接图。对经过前期预处理的用ETM+1、ETM+4、ETM+5、ETM+7波段做掩模主分量分析，以±4σ(标准离差)做为主分量输出的动态范围，获得羟基蚀变遥感异常主分量；异常主分量的本特征向量应具特点是，ETM+7和ETM+4的贡献系数与ETM+5的贡献系数符号相反，再基于PC4统计出象元灰度值平均值和标准离差(σ)，分别按照1.5σ、2σ和2.5σ设立阈值，切割出三级蚀变信息，并赋以不同的颜色。
采用ETM+1、ETM+3、ETM+4、ETM+5波段做掩模主分量分析，同样以±4σ做为主分量输出的动态范围，提取与含Fe3+的矿物相关的铁染遥感异常；异常主分量的本特征向量应具特点是，ETM+1和ETM+4的贡献系数与ETM+3的贡献系数符号相反，同理再基于PC4统计出象元灰度值平均值和标准离差(σ)，分别按照1.5σ、2σ和2.5σ设立阈值，切割出三级蚀变信息，并赋以不同的颜色。
由于ETM波段数有限，在进行多种干扰信息的去除时，不能完全去除干扰信息，利用主成分分析获取的铁染和羟基蚀变信息并非是一种定量化信息，残余的干扰会造成“伪”异常，需要对提取的蚀变信息加以优化，主要是对数字化的蚀变信息对照遥感影像和遥感地质解译图(或地质图)直接删除“干扰”信息。主要去除冰雪边或水体(海洋、湖和湿地)边缘、干河道、冲积区、薄云、薄冰、冰绩垄等引起的异常。最后编制研究区蚀变信息分布图。
对ETM+1、4、5、7进行主成分分析，获取“羟基图像”(碳酸盐化、粘土化)。表2是ETM+1、4、5、7波段主成分分析结果，其中，PC4特征向量载荷因子绝对值较大的是ETM+5和ETM+7，分别为0.611256和-0.683262，两者符号相反，而ETM+1和ETM+4的载荷因子小，说明PC4信息基本上来自ETM+5通道和ETM+7通道，且ETM+5为加信息，ETM+7为减信息，与粘土矿物和碳酸盐矿物存在ETM+5高反射和ETM+7强吸收相符，突出了泥化蚀变信息。因此，取PC4作为“羟基图像”(以V5表示，图1e)。
表2 工作区ETM+1、4、5、7特征向量及特征值Eigenvector
| Band1 | Band4 | Band5 | Band7 | |
| PC1 | 0.1789542 | 0.3258974 | 0.635745 | 0.4578169 |
| PC2 | -0.1815784 | 0.7891245 | 0.0571296 | -0.3854477 |
| PC3 | 0.943496 | 0.195637 | -0.265663 | -0.031077 |
| PC4 | 0.218880 | -0.334082 | 0.611256 | -0.683262 |
②ASTER蚀变矿物组合信息提取技术
由于该卫星所搭载的ASTER传感器数据具有从可见光近红外、短波红外到热红外14个波段，相对TM/ETM具有较高的空间分辨率和光谱分辨率，特别是在短波外有6个波段和热红外有5个波段，它们分别对粘土矿物、碳酸盐和硅酸岩类矿物具有较好的识别能力。本次研究采用主成分分析法，可根据典型区蚀变矿物在ASTER可见光－短波红外9个波段吸收谷和反射峰特征，研究不同景观区和不同地质背景条件下阈值的选取。在研究ASTER数据蚀变矿物信息提取方法的过程中，基于USGS标准波谱数据库，重建了常见蚀变矿物在ASTER卫星数据的反射率曲线，综合分析后发现由绢云母、高岭石、蒙脱石、伊利石和明矾石等Al-OH蚀变矿物组合具有在2.2吸收谷(对应ASTER数据的B6)，B4高反射峰和B7较高反射峰特征。另外，由绿泥石、绿帘石和碳酸盐化(方解石和白云石)等Al-OH蚀变矿物组合在2.3μm附近具有吸收谷，对应ASTER数据B8，同时具有B4高反射峰以及在B9具有相对B8较高反射峰特征。
对ASTER1、5、7、9进行主成份分析，获取“铁组图像”(铁化)。由于ASTER1、5、7波段能够区分岩石中铁、锰矿物和含铁、锰矿物的相对含量，ASTER9可识别含绿帘石族矿物的岩石。对ASTER1、5、7、9波段进行主成分分析，分析结果见表3，其中，PC3和PC4以ASTER1、5、7组合信息为主。
从特征向量载荷因子大小和数值符号及通过对主组分图像进行增强处理、比较发现，PC3更能突出铁化蚀变信息。因此取PC3为“铁组图像”(用V6表示，图1f)。
表3 工作地区ASTER1、5、7、9特征向量及特征值Eigenvector
| Band1 | Band5 | Band7 | Band9 | |
| PC1 | 0.208049 | 0.537537 | 0.296981 | 0.761296 |
| PC2 | -0.256710 | -0.636818 | 0.681183 | 0.254071 |
| PC3 | -0.579456 | 0.652123 | 0.316029 | 0.372951 |
| PC4 | -0.867020 | 0.453478 | 0.150089 | -0.141801 |
最佳变量图像的选择：
图1为工作区裁剪后的信息增强处理的V1～V6图像，在6种派生图像变量中，除V2(B3/B1)在突出铁化信息的同时更突出了地形信息外，其它图像变量都突出了已知矿化带的特征影像，对矿化蚀变信息增强具有明显效果。同时，它们各自对其它信息产生了不同程度的增强和压抑。最显著的如V4增强了第四系沉积物信息(多为粘土类和碳酸盐类物质)，对花岗岩信息有所压抑；V1和V5包含岩石信息量大，并与其它岩石信息构成负相关关系。V3突出了花岗岩体信息，这正是硅化蚀变比较明显的地区。为了消少干扰因素，增强混合蚀变异常信息，再次对V1～V6等6个变量图像进行第二次主成分分析，变量图像的二次PCA统计特征见表4。
表4 工作区第二次主成分分析特征向量及特征值
| Eigenvector | V1 | V2 | V3 | V4 | V5 | V6 |
| PC1 | -0.999986 | 0.000427 | 0.000455 | -0.000461 | -0.005259 | -0.000294 |
| PC2 | 0.000055 | -0.006294 | -0.020122 | 0.008687 | -0.069333 | 0.997333 |
| PC3 | 0.005277 | 0.015828 | -0.011685 | -0.025334 | -0.997071 | -0.069230 |
| PC4 | 0.011646 | -0.455138 | -0.648843 | -0.609520 | -0.008379 | -0.011465 |
| PC5 | -0.000007 | 0.823383 | -0.566976 | -0.011970 | 0.020347- | 0.004724 |
| PC6 | 0.000188 | -0.130485 | -0.168052 | -0.976783 | 0.024302 | 0.005983 |
表4中，PC1中V1的载荷因子最大，其次为V5和V4，V5和V6较小，其中V2为正号，其它为负号。因此，PC1突出的是岩石和植被的区别信息。对照表7可知，V1与V3为负相关且相关性大，与其它变量相关性均相对较大，这与V1包含大量的地形和岩石信息有关。PC2主要反映V1、V2、V3、V4的铁化和粘土化蚀变信息；PC4中V3(ASTERB5+7/B6)的载荷因子最大，并与V2呈高度负相关， 主要反映硅化和铁化的混合信息；PC6主要反映V4的粘土化信息；在PC3和PC2中，V6和V5值分别高达0.997333和-0.997071，主要反映了V6的铁化信息和V5的泥化信息，根据V3、V4、V5形成综合蚀变分布图如图2。由图2可以看出，在蚀变提取结果中硅化多分布于花岗岩岩体部分和构造发育集中处，而铁化蚀变分布于两个火山口附近，于碳酸盐岩、凝灰岩位置较为吻合，但在花岗岩和断裂集中带却很少有铁化信息，这说明工作区内成矿和铁化的关系不大。而羟基蚀变除去云层的影响后，在银金矿点分布很集中，与硅化的高值区也较为吻合，对于成矿带的预测很有指示作用，而羟基蚀变矿物较多，以高岭石、白云母、绢云母、蒙脱石、绿泥石、明矾石等为代表，为粘土化蚀变带的主要蚀变矿物，是热液矿床形成过程中形成的蚀变矿物。
5)根据步骤2)确定的成矿地质特征，从步骤1)得到的高光谱卫星数据中提取高光谱蚀变矿物信息；
5.1)采用基于向植被正交子空间投影(OSP)变换的背景抑制方法，具体包括：
根据式(2)所示的模型，向高光谱卫星数据图像中提取出来的植被的正交子空间投影：
r＝dαp+Uγ+n (2)
其中，r是像元光谱向量，d＝mp是感兴趣端元的光谱信号，U＝[m1,m2,…,mp-1]是非感兴趣端元的光谱信号，α＝[α1,α2,…,αp]是丰度矩阵，n是噪声或模型误差；
然后根据式(3)消除植被信息的影响，实现有效的背景抑制:
其中，为投影算子，d表示植被信号。可以看出，在抑制背景的同时实现了噪声的抑制；
5.2)采用基于PPI端元提取方法，先采用掩膜算法使云层不参与运算，再手动选取纯净像元后采用SAM光谱角提取方法提取。
6)根据步骤3)、步骤4)和步骤5)得到的信息建立基于遥感示矿信息的矿产资源潜力评价标准，再将所述标准应用于典型区域，最终形成所述的遥感找矿模型，具体是：选取构造各级量化图层(包括构造交点数值、等密度、优益度等)、岩性地貌单元、蚀变单元图层等10个以上数量的因子图层，根据同类地区已知矿化点按照信息量计算法计算各地质因素、找矿标志所提供的找矿信息量；同时计算各单元中各标志信息量的总和；最终计算结果按大小排序，取信息量排在前5的影响因子，最终形成矿产资源潜力评价标准。
表5为主要的影响因子图层和信息量值，取前5个的影响因子，对信息量结果图层进行最终的矿化区优选，分别为：
I、Padangsidempuan(巴东实林泮)地区的银金矿区包括3个信息量高值区，信息量值平均值大于1.7；
II、Tanggamus(西楠榜)金银铁锰多金属成矿区包括2个信息量高值区，信息量值平均值大于2.0。
表5 主要影响因子图层及信息量
| 标志号 | 找矿标志 | 信息量 |
| 7 | NW向断裂5km附近 | 1.498676066 |
| 4 | 花岗岩平原—丘陵区 | 1.253296373 |
| 1 | 羟基蚀变区 | 1.204550672 |
| 9 | 构造交点数高值 | 1.050399992 |
| 13 | 环形影像内外2km内外 | 0.915424556 |
| 3 | 解译大型断裂10km附近 | 0.851241212 |
| 16 | 优益度高值区 | 0.774345958 |
Claims (10)
1.一种中南半岛成矿带铜金矿遥感找矿模型建立方法，包括以下步骤：
1)通过卫星探测获取中南半岛成矿带多光谱卫星数据和高光谱卫星数据；
2)根据现有技术确定成矿带的主要成矿地质特征，建立其地质找矿模型；
3)从步骤1)得到的多光谱卫星数据中提取成矿带控矿构造与赋矿岩层信息；
4)根据步骤2确定的成矿地质特征，从步骤1)得到的多光谱卫星数据中提取典型矿物或矿物组合蚀变异常信息；
5)根据步骤2确定的成矿地质特征，从步骤1)得到的高光谱卫星数据中提取高光谱蚀变矿物信息；
6)根据步骤3)、步骤4)和步骤5)得到的信息建立基于遥感示矿信息的矿产资源潜力评价标准，再将所述标准应用于典型区域，最终形成所述的遥感找矿模型。
2.权利要求1所述的方法，其特征在于：步骤1)所述的多光谱卫星数据来自ETM、ASTER多光谱数据和/或SAR数据。
3.权利要求1所述的方法，其特征在于：步骤1)所述的高光谱卫星数据来自Hyperion和/或天宫一号的高光谱卫星数据。
4.权利要求1所述的方法，其特征在于：步骤2)所述的成矿地质特征包括：已知铜金矿空间分布特征、构造背景特征、含矿岩体和赋矿岩层特征以及矿化蚀变特征。
5.权利要求1所述的方法，其特征在于：步骤3)所述的提取成矿带控矿构造与赋矿岩层信息具体包括以下步骤：
3.1)对多光谱卫星数据进行空间变换处理、图像信息增强和/或影像纹理分析；
3.2)找出地质-地貌-景观背景的映射规律；
3.3)建立线性与环形构造和岩层解译标志；
3.4)提取线性构造与环形构造和岩层信息；
3.5)结合地质找矿模型确定控矿构造和赋矿岩层信息。
6.权利要求5所述的方法，其特征在于：步骤3.1)所述的多光谱卫星数据是ETM8多光谱数据；植被覆盖区采用SAR等多元数据融合技术，开展相应的岩性和构造信息解译；步骤3.3)优选先进行岩性单元划分，再根据单元划分有针对性的建立解译标志。
7.权利要求5所述的方法，其特征在于：所述的解译标志包括色调标志、地貌标志和/或水系标志。
8.权利要求1所述的方法，其特征在于：步骤4)所述的提取提取典型矿物或矿物组合蚀变异常信息包括以下步骤：
4.1)选择白云母、赤铁矿、黄钾铁矾、蒙脱石、黄铜矿、铜蓝、叶腊石、闪锌矿、绿泥石、黑云母、高岭石、和伊利石作为蚀变矿物；泥化-绢英岩化带和青磐岩化带蚀变矿物组合信息；绢云母化和高级泥化等重要蚀变矿物。
4.2)根据步骤4.1)选择的蚀变矿物种类和多光谱影像识别度，将蚀变分为铁染、羟基、碳酸根三种较易识别的类型；
4.3)采用比值和主成分分析法综合提取蚀变信息，其中采用主成分分析法进行铁质成分和羟基化物蚀变信息提取。
9.权利要求1所述的方法，其特征在于：步骤5)所述的提取高光谱蚀变信息包括以下步骤：
5.1)采用基于向植被正交子空间投影(OSP)变换的背景抑制方法，具体包括：
根据式(2)所示的模型，向高光谱卫星数据图像中提取出来的植被的正交子空间投影：
r＝dαp+Uγ+n (2)
其中，r是像元光谱向量，d＝mp是感兴趣端元的光谱信号，U＝[m1,m2,…,mp-1]是非感兴趣端元的光谱信号，α＝[α1,α2,…,αp]是丰度矩阵，n是噪声或模型误差；
然后根据式(3)消除植被信息的影响，实现有效的背景抑制:
其中，为投影算子，d表示植被信号。可以看出，在抑制背景的同时实现了噪声的抑制；
5.2)采用基于PPI端元提取方法，先采用掩膜算法使云层不参与运算，再手动选取纯净像元后采用SAM光谱角提取方法提取。
10.权利要求1所述的方法，其特征在于：步骤6)所述的根据步骤3)、步骤4)和步骤5)得到的信息建立基于遥感示矿信息的铜金矿矿产资源潜力评价标准，具体是：选取构造各级量化图层(包括构造交点数值、等密度、优益度等)、岩性地貌单元、蚀变单元图层等10个以上数量的因子图层，根据同类地区已知矿化点按照信息量计算法计算各地质因素、找矿标志所提供的找矿信息量；同时计算各单元中各标志信息量的总和；最终计算结果按大小排序，至少取信息量排在前5的影响因子，最终形成铜金矿矿产资源潜力评价标准。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510447873.1A CN104991287A (zh) | 2015-07-27 | 2015-07-27 | 中南半岛成矿带典型区铜金矿遥感找矿模型建立方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510447873.1A CN104991287A (zh) | 2015-07-27 | 2015-07-27 | 中南半岛成矿带典型区铜金矿遥感找矿模型建立方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104991287A true CN104991287A (zh) | 2015-10-21 |
Family
ID=54303123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510447873.1A Pending CN104991287A (zh) | 2015-07-27 | 2015-07-27 | 中南半岛成矿带典型区铜金矿遥感找矿模型建立方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104991287A (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105574621A (zh) * | 2016-01-18 | 2016-05-11 | 中国地质科学院矿产资源研究所 | 基于遥感蚀变异常的斑岩铜矿预测系统及方法 |
| CN106124050A (zh) * | 2016-06-22 | 2016-11-16 | 电子科技大学 | 一种基于子空间的高光谱亚像元目标盲提取检测方法 |
| CN106885772A (zh) * | 2015-12-15 | 2017-06-23 | 核工业北京地质研究院 | 一种地质知识参与的etm遥感羟基蚀变矿物提取改进方法 |
| CN107255621A (zh) * | 2017-05-18 | 2017-10-17 | 成都理工大学 | 基于植物叶绿素值特征变化的高植被覆盖区遥感找矿方法 |
| CN107765323A (zh) * | 2017-09-25 | 2018-03-06 | 成都理工大学 | 一种基于aster卫星数据的成矿预测方法 |
| CN108333129A (zh) * | 2018-02-12 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种蚀变信息获取方法及系统 |
| CN108345048A (zh) * | 2018-01-18 | 2018-07-31 | 中国科学院遥感与数字地球研究所 | 一种基于遥感蚀变信息的地球化学元素异常来源追索方法 |
| CN108387529A (zh) * | 2018-01-15 | 2018-08-10 | 北京矿产地质研究院 | 基于岩石组合和实地提取的岩石光谱特征提取方法 |
| CN109118453A (zh) * | 2018-08-28 | 2019-01-01 | 西北核技术研究所 | 一种背景抑制的图像处理方法 |
| 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 |
| CN110706212A (zh) * | 2019-09-10 | 2020-01-17 | 甘肃省地质调查院 | 矿化蚀变信息提取方法、终端设备及存储介质 |
| CN110806605A (zh) * | 2019-11-15 | 2020-02-18 | 中国地质科学院矿产综合利用研究所 | 高纬度高寒地区稀土-铀矿遥感找矿方法 |
| CN111103632A (zh) * | 2019-12-11 | 2020-05-05 | 中国地质科学院岩溶地质研究所 | 一种基于遥感探测分析预测区中红土镍矿的方法 |
| CN111141698A (zh) * | 2019-12-30 | 2020-05-12 | 中国地质大学（北京） | 一种基于热红外比辐射率的岩性分类方法 |
| CN111239851A (zh) * | 2020-03-18 | 2020-06-05 | 西安西北有色物化探总队有限公司 | 一种北方铝土矿定位方法及装置 |
| CN112379453A (zh) * | 2020-11-04 | 2021-02-19 | 西安建筑科技大学 | 交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用 |
| CN114386497A (zh) * | 2021-12-31 | 2022-04-22 | 核工业北京地质研究院 | 面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法 |
| CN115586155A (zh) * | 2022-09-29 | 2023-01-10 | 中国科学院广州地球化学研究所 | 快速圈定脉状金矿床矿体及获得其指示标志指标的方法 |
| CN116843884A (zh) * | 2023-07-05 | 2023-10-03 | 青海省地质调查院(青海省地质矿产研究院、青海省地质遥感中心) | 一种伟晶岩型稀有金属矿的识别方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101539998A (zh) * | 2009-04-29 | 2009-09-23 | 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 |
| CN103454693A (zh) * | 2013-09-12 | 2013-12-18 | 核工业北京地质研究院 | 一种白岗岩型铀矿勘查成矿要素遥感图谱特征识别方法 |
| CN104537375A (zh) * | 2015-01-22 | 2015-04-22 | 西安煤航卫星数据应用有限公司 | 一种基于卫星遥感数据的褐铁矿化信息提取方法 |
-
2015
- 2015-07-27 CN CN201510447873.1A patent/CN104991287A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101539998A (zh) * | 2009-04-29 | 2009-09-23 | 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 |
| CN103454693A (zh) * | 2013-09-12 | 2013-12-18 | 核工业北京地质研究院 | 一种白岗岩型铀矿勘查成矿要素遥感图谱特征识别方法 |
| CN104537375A (zh) * | 2015-01-22 | 2015-04-22 | 西安煤航卫星数据应用有限公司 | 一种基于卫星遥感数据的褐铁矿化信息提取方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘严松: "里伍铜矿遥感找矿信息提取及外围找矿远景分析", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
| 谢红接 等: "高光谱图像的分类和维数减少--正交子空间投影法", 《国外铀金地质》 * |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106885772B (zh) * | 2015-12-15 | 2019-06-18 | 核工业北京地质研究院 | 一种地质知识参与的etm遥感羟基蚀变矿物提取改进方法 |
| CN106885772A (zh) * | 2015-12-15 | 2017-06-23 | 核工业北京地质研究院 | 一种地质知识参与的etm遥感羟基蚀变矿物提取改进方法 |
| CN105574621A (zh) * | 2016-01-18 | 2016-05-11 | 中国地质科学院矿产资源研究所 | 基于遥感蚀变异常的斑岩铜矿预测系统及方法 |
| CN106124050A (zh) * | 2016-06-22 | 2016-11-16 | 电子科技大学 | 一种基于子空间的高光谱亚像元目标盲提取检测方法 |
| CN107255621A (zh) * | 2017-05-18 | 2017-10-17 | 成都理工大学 | 基于植物叶绿素值特征变化的高植被覆盖区遥感找矿方法 |
| CN107765323A (zh) * | 2017-09-25 | 2018-03-06 | 成都理工大学 | 一种基于aster卫星数据的成矿预测方法 |
| CN108387529A (zh) * | 2018-01-15 | 2018-08-10 | 北京矿产地质研究院 | 基于岩石组合和实地提取的岩石光谱特征提取方法 |
| CN108345048A (zh) * | 2018-01-18 | 2018-07-31 | 中国科学院遥感与数字地球研究所 | 一种基于遥感蚀变信息的地球化学元素异常来源追索方法 |
| CN108333129A (zh) * | 2018-02-12 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种蚀变信息获取方法及系统 |
| CN108333129B (zh) * | 2018-02-12 | 2020-04-21 | 中国科学院遥感与数字地球研究所 | 一种蚀变信息获取方法及系统 |
| CN109118453B (zh) * | 2018-08-28 | 2022-03-04 | 西北核技术研究所 | 一种背景抑制的图像处理方法 |
| CN109118453A (zh) * | 2018-08-28 | 2019-01-01 | 西北核技术研究所 | 一种背景抑制的图像处理方法 |
| 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 |
| CN110706212A (zh) * | 2019-09-10 | 2020-01-17 | 甘肃省地质调查院 | 矿化蚀变信息提取方法、终端设备及存储介质 |
| CN110806605A (zh) * | 2019-11-15 | 2020-02-18 | 中国地质科学院矿产综合利用研究所 | 高纬度高寒地区稀土-铀矿遥感找矿方法 |
| CN111103632A (zh) * | 2019-12-11 | 2020-05-05 | 中国地质科学院岩溶地质研究所 | 一种基于遥感探测分析预测区中红土镍矿的方法 |
| CN111141698A (zh) * | 2019-12-30 | 2020-05-12 | 中国地质大学（北京） | 一种基于热红外比辐射率的岩性分类方法 |
| CN111239851A (zh) * | 2020-03-18 | 2020-06-05 | 西安西北有色物化探总队有限公司 | 一种北方铝土矿定位方法及装置 |
| CN112379453A (zh) * | 2020-11-04 | 2021-02-19 | 西安建筑科技大学 | 交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用 |
| CN112379453B (zh) * | 2020-11-04 | 2024-05-17 | 西安建筑科技大学 | 交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用 |
| CN114386497A (zh) * | 2021-12-31 | 2022-04-22 | 核工业北京地质研究院 | 面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法 |
| CN115586155A (zh) * | 2022-09-29 | 2023-01-10 | 中国科学院广州地球化学研究所 | 快速圈定脉状金矿床矿体及获得其指示标志指标的方法 |
| CN115586155B (zh) * | 2022-09-29 | 2023-09-01 | 中国科学院广州地球化学研究所 | 快速圈定脉状金矿床矿体及获得其指示标志指标的方法 |
| CN116843884A (zh) * | 2023-07-05 | 2023-10-03 | 青海省地质调查院(青海省地质矿产研究院、青海省地质遥感中心) | 一种伟晶岩型稀有金属矿的识别方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104991287A (zh) | 中南半岛成矿带典型区铜金矿遥感找矿模型建立方法 | |
| Pour et al. | Detection of hydrothermal alteration zones in a tropical region using satellite remote sensing data: Bau goldfield, Sarawak, Malaysia | |
| Rajesh | Application of remote sensing and GIS in mineral resource mapping-An overview | |
| Mwaniki et al. | A comparison of Landsat 8 (OLI) and Landsat 7 (ETM+) in mapping geology and visualising lineaments: A case study of central region Kenya | |
| Sun et al. | Extracting mineral alteration information using WorldView-3 data | |
| Abdelkareem et al. | An integrated approach for mapping mineral resources in the Eastern Desert of Egypt | |
| CN104537375B (zh) | 一种基于卫星遥感数据的褐铁矿化信息提取方法 | |
| CN105068136A (zh) | 基于多源信息的中南半岛示范区铜金矿潜力定位评价方法 | |
| Wang et al. | Remote sensing and GIS prospectivity mapping for magmatic-hydrothermal base-and precious-metal deposits in the Honghai district, China | |
| Ahmadirouhani et al. | Integration of SPOT-5 and ASTER satellite data for structural tracing and hydrothermal alteration mineral mapping: Implications for Cu–Au prospecting | |
| Bencharef et al. | Polymetallic mineralization prospectivity modelling using multi-geospatial data in logistic regression: The Diapiric Zone, Northeastern Algeria | |
| Bahiru et al. | Integrated geological mapping approach and gold mineralization in Buhweju area, Uganda | |
| Vural et al. | Remote sensing technique for capturing and exploration of mineral deposit sites in Gumushane metallogenic province, NE Turkey | |
| Mbianya et al. | Remote sensing satellite-based structural/alteration mapping for gold exploration in the Ketté goldfield, Eastern Cameroon | |
| Gabr et al. | Aeromagnetic and Landsat-8 data interpretation for structural and hydrothermal alteration mapping along the Central and Southern Eastern Desert boundary, Egypt | |
| da Cunha Frutuoso | Mapping hydrothermal gold mineralization using landsat 8 data. A case of study in chaves license, Portugal | |
| Sultan et al. | Tectonic evolution of kid metamorphic complex and the recognition of Najd fault system in South East Sinai, Egypt | |
| Ahmed et al. | Geomorphic and lithologic characteristics of Wadi Feiran basin, Southern Sinai, Egypt, using remote sensing and field investigations | |
| 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 | |
| Soe et al. | Remote sensing and GIS studies of alteration and predictive mineral exploration in the Central Volcanic Arc, Myanmar | |
| Ramadan et al. | Integration of geological, remote sensing and geophysical data for the identification of massive sulphide zones at Wadi Allaqi area, South Eastern Desert, Egypt | |
| Han et al. | A new method for extraction of alteration information using the Landsat 8 imagery in a heavily vegetated and sediments‐covered region: A case study from Zhejiang Province, E. China | |
| Salem | ASD field hyperspectral measurements for discrimination of the ferruginous rocks and the iron ore types at El Gedida-Ghorabi area, Bahariya Oasis, Western Desert, Egypt | |
| Ott et al. | GIS analyses and favorability mapping of optimized satellite data in northern Chile to improve exploration for copper mineral deposits | |
| Ombiro et al. | Application of remote sensing in mapping hydrothermally altered zones in a highly vegetative area—A case study of Lolgorien, Narok County, Kenya |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151021 |
|
| RJ01 | Rejection of invention patent application after publication |