CN105095562B - 一种预测土壤轻烃指标的方法及装置 - Google Patents
一种预测土壤轻烃指标的方法及装置 Download PDFInfo
- Publication number
- CN105095562B CN105095562B CN201510288035.4A CN201510288035A CN105095562B CN 105095562 B CN105095562 B CN 105095562B CN 201510288035 A CN201510288035 A CN 201510288035A CN 105095562 B CN105095562 B CN 105095562B
- Authority
- CN
- China
- Prior art keywords
- pedotheque
- soil
- hydrocarbon
- contrast value
- content
- 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.)
- Active
Links
Abstract
本发明涉及一种预测土壤轻烃指标的方法及装置，其中，方法包括：从目标区域中采集土壤样品；其中，同一份土壤样品分为两份，第一份土壤样品用于土壤轻烃含量测量，第二份土壤样品用于光谱测量；对所述第一份土壤样品进行土壤轻烃含量测量，获得土壤轻烃衬度值；对所述第二份土壤样品进行光谱测量，获得光谱指标；其中，所述光谱指标包括反射率、反射率一阶导数、反射率二阶导数和反射率吸收深度；利用所述土壤轻烃衬度值和所述光谱指标确定相关系数；根据所述相关系数的大小确定建模需要的光谱指标；以所述土壤轻烃衬度指标作为因变量，所述建模需要的光谱指标作为自变量，建立回归模型；利用所述回归模型预测目标区域土壤轻烃指标。
Description
技术领域
本发明涉及油气勘探技术领域，特别涉及一种预测土壤轻烃指标的方法及装置。
背景技术
根据烃类微渗漏理论和垂直运移理论，通过陆上沉积物中的轻烃指标异常来寻找烃类资源，是常用的一种非地震油气勘探方法。其中，轻烃指标包括：甲烷(C1)、乙烷(C2)、乙烯(C2-)、丙烷(C3)、丙烯(C3-)、丁烷(iC4)、正丁烷(nC4)、异戊烷(iC5)、正戊烷(nC5)的总烃含量和重烃含量。
土壤轻烃指标测量，主要是测量土壤颗粒间的游离烃和土壤矿物晶格间的吸附烃的烃类成分。目前，经常采用的检测方法为顶空气法和酸解烃法。这两种方法均首先在野外进行一定深度的样品采集，将样品带回实验室，经过对土壤的预处理，再应用专业仪器进行轻烃的探测。这种实验室测量的方法，精度比较高。
但是对于油气勘探的大面积测量来说，这两种方法特别费时费工，而且，土壤样品的保存、预处理，都会使土壤中的轻烃指标失真。针对这种情况，提供一种野外土壤轻烃指标的快速探测方法是本领域亟待解决的问题。
发明内容
为解决现有技术的问题，本发明提出一种预测土壤轻烃指标的方法及装置，本技术方案能够快速的预测土壤轻烃指标，极大提高了油气勘探效率。
为实现上述目的，本发明提供了一种预测土壤轻烃指标的方法，包括：
从目标区域中采集土壤样品；其中，同一份土壤样品分为两份，第一份土壤样品用于土壤轻烃含量测量，第二份土壤样品用于光谱测量；
对所述第一份土壤样品进行土壤轻烃含量测量，获得土壤轻烃衬度值；
对所述第二份土壤样品进行光谱测量，获得光谱指标；其中，所述光谱指标包括反射率、反射率一阶导数、反射率二阶导数和反射率吸收深度；
利用所述土壤轻烃衬度值和所述光谱指标确定相关系数；
根据所述相关系数的大小确定建模需要的光谱指标；
以所述土壤轻烃衬度指标作为因变量，所述建模需要的光谱指标作为自变量，建立回归模型；
利用所述回归模型预测目标区域土壤轻烃指标。
优选地，还包括：
对所述回归模型进行验证，确定模型的预测能力。
优选地，所述获得土壤轻烃衬度值的步骤包括：
通过顶空气法得到所述第一份土壤样品的土壤颗粒间游离烃的C1～C5成分的含量、游离烃的总烃含量以及重烃含量；
通过酸解烃法得到所述第一份土壤样品的土壤矿物晶格中吸附烃的C1～C5成分的含量、吸附烃的总烃含量以及重烃含量；
利用衬度方法分别对所述第一份土壤样品的土壤颗粒间游离烃的C1～C5成分的含量、游离烃的总烃含量以及重烃含量和土壤矿物晶格中吸附烃的C1～C5成分的含量、吸附烃的总烃含量以及重烃含量进行标准化，得到相应指标的衬度值；
将所述第一份土壤样品的土壤颗粒间游离烃的C1～C5衬度值和土壤矿物晶格中吸附烃的C1～C5衬度值相加，得到所述第一份土壤样品的C1～C5衬度值；将所述第一份土壤样品的游离烃的总烃衬度值和土壤矿物晶格中吸附烃的总烃衬度值相加，得到所述第一份土壤样品的总烃衬度值；将所述第一份土壤样品的游离烃的重烃衬度值和土壤矿物晶格中吸附烃的重烃衬度值相加，得到所述第一份土壤样品的重烃衬度值。
优选地，所述获得光谱指标的步骤包括：
对所述第二份土壤样品进行物理粉碎，筛除干扰物质；
将处理后的第二份土壤样品放入容器中，通过可见光-近红外光谱仪进行接触式测量获得第二份土壤样品的反射率光谱。
对所述反射率光谱进行再处理，得到反射率一阶导数、反射率二阶导数和反射率吸收深度。
优选地，所述建立回归模型的步骤包括：
以所述土壤轻烃衬度指标作为因变量，所述建模需要的光谱指标作为自变量，通过偏最小二乘法，获得回归系数；
根据土壤样品在参与建模的波长对应地吸收特征确定回归系数的合理性；
利用合理性的回归系数建立回归模型。
为实现上述目的，本发明还提供了一种预测土壤轻烃指标的装置，包括：
样品获取单元，从目标区域中采集土壤样品；其中，同一份土壤样品分为两份，第一份土壤样品用于土壤轻烃含量测量，第二份土壤样品用于光谱测量；
土壤轻烃衬度值获取单元，用于对所述第一份土壤样品进行土壤轻烃含量测量，获得土壤轻烃衬度值；
光谱指标获取单元，用于对所述第二份土壤样品进行光谱测量，获得光谱指标；其中，所述光谱指标包括反射率、反射率一阶导数、反射率二阶导数和反射率吸收深度；
相关系数确定单元，用于利用所述土壤轻烃衬度值和所述光谱指标确定相关系数；
建模自变量确定单元，用于根据所述相关系数的大小确定建模需要的光谱指标；
建模单元，用于以所述土壤轻烃衬度指标作为因变量，所述建模需要的光谱指标作为自变量，建立回归模型；
预测单元，用于利用所述回归模型预测目标区域土壤轻烃指标。
优选地，还包括：
验证单元，用于对所述回归模型进行验证，确定模型的预测能力。
优选地，所述土壤轻烃衬度值获取单元包括：
游离烃测量模块，用于通过顶空气法得到所述第一份土壤样品的土壤颗粒间游离烃的C1～C5成分的含量、游离烃的总烃含量以及重烃含量；
吸附烃测量模块，用于通过酸解烃法得到所述第一份土壤样品的土壤矿物晶格中吸附烃的C1～C5成分的含量、吸附烃的总烃含量以及重烃含量；
标准化模块，用于利用衬度方法分别对所述第一份土壤样品的土壤颗粒间游离烃的C1～C5成分的含量、游离烃的总烃含量以及重烃含量和土壤矿物晶格中吸附烃的C1～C5成分的含量、吸附烃的总烃含量以及重烃含量进行标准化，得到相应指标的衬度值；
相加模块，用于将所述第一份土壤样品的土壤颗粒间游离烃的C1～C5衬度值和土壤矿物晶格中吸附烃的C1～C5衬度值相加，得到所述第一份土壤样品的C1～C5衬度值；将所述第一份土壤样品的游离烃的总烃衬度值和土壤矿物晶格中吸附烃的总烃衬度值相加，得到所述第一份土壤样品的总烃衬度值；将所述第一份土壤样品的游离烃的重烃衬度值和土壤矿物晶格中吸附烃的重烃衬度值相加，得到所述第一份土壤样品的重烃衬度值。
优选地，所述光谱指标获取单元包括：
预处理模块，用于对所述第二份土壤样品进行物理粉碎，筛除干扰物质；
反射率光谱获取模块，用于将处理后的第二份土壤样品放入容器中，通过可见光-近红外光谱仪进行接触式测量获得第二份土壤样品的反射率光谱。
衍生光谱指标确定模块，用于对所述反射率光谱进行再处理，得到反射率一阶导数、反射率二阶导数和反射率吸收深度。
优选地，所述建模单元包括：
回归系数确认模块，用于以所述土壤轻烃衬度指标作为因变量，所述建模需要的光谱指标作为自变量，通过偏最小二乘法，获得回归系数；
回归系数合理性处理模块，用于根据土壤样品在参与建模的波长对应地吸收特征确定回归系数的合理性；
回归模型模块，用于利用合理性的回归系数建立回归模型。
上述技术方案具有如下有益效果：本技术方案引入可见光-近红外光谱分析技术，建立了土壤轻烃指标-光谱指标回归模型，实现了基于可见光-近红外光谱的土壤轻烃指标的快速预测，提高了油气勘探效率。
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为本发明提出一种预测土壤轻烃指标的方法流程图之一；
图2为本发明提出一种预测土壤轻烃指标的方法流程图之二；
图3为本发明提出一种预测土壤轻烃指标的装置框图之一；
图4为本发明提出一种预测土壤轻烃指标的装置框图之二；
图5为本实施例的示意图；
图6为本实施例土壤样品采集的位置示意图；
图7为本实施例穿过工区土壤轻烃的总烃衬度值剖面示意图；
图8a为本实施例的土壤样品中的380～2500nm波长范围内反射率光谱示意图；
图8b为本实施例的土壤样品中的380～2500nm波长范围内反射率一阶导数的光谱示意图；
图8c为本实施例的土壤样品中的380～2500nm波长范围内反射率二阶导数的光谱示意图；
图8d为本实施例的土壤样品中的380～2500nm波长范围内反射率吸收深度的光谱示意图；
图9为土壤样品的甲烷衬度实测值与预测值的对比示意图；
图10为土壤样品的总烃衬度实测值与预测值的对比示意图。
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。
本技术方案的工作原理为：可见光-近红外光谱检测技术发展迅速，比如美国ASD公司的FieldSpec系列便携式可见光-近红外光谱仪，其光谱的分辨率高达1nm，可以探测到物质的细微差异。近年来，随着对可见光-近红外光谱检测技术的深入研究，具备了根据地物光谱指标提取和分析地物内在属性的能力，从而开创了解决土壤轻烃含量测量问题的全新技术思路。本技术方案通过建立土壤轻烃指标与光谱指标之间的回归模型，实现地表土壤轻烃含量的快速预测。
基于上述工作原理，本发明提出一种预测土壤轻烃指标的方法之一，如图1所示。包括：
步骤101)：从目标区域中采集土壤样品；其中，同一份土壤样品分为两份，第一份土壤样品用于土壤轻烃含量测量，第二份土壤样品用于光谱测量；
步骤102)：对所述第一份土壤样品进行土壤轻烃含量测量，获得土壤轻烃衬度值；
在步骤102中，本实施例获得土壤轻烃衬度值的具体步骤包括：
通过顶空气法得到所述第一份土壤样品的土壤颗粒间游离烃的C1～C5成分的含量、游离烃的总烃含量以及重烃含量；
通过酸解烃法得到所述第一份土壤样品的土壤矿物晶格中吸附烃的C1～C5成分的含量、吸附烃的总烃含量以及重烃含量；
利用衬度方法分别对所述第一份土壤样品的土壤颗粒间游离烃的C1～C5成分的含量、游离烃的总烃含量以及重烃含量和土壤矿物晶格中吸附烃的C1～C5成分的含量、吸附烃的总烃含量以及重烃含量进行标准化，得到相应指标的衬度值；
将所述第一份土壤样品的土壤颗粒间游离烃的C1～C5衬度值和土壤矿物晶格中吸附烃的C1～C5衬度值相加，得到所述第一份土壤样品的C1～C5衬度值；将所述第一份土壤样品的游离烃的总烃衬度值和土壤矿物晶格中吸附烃的总烃衬度值相加，得到所述第一份土壤样品的总烃衬度值；将所述第一份土壤样品的游离烃的重烃衬度值和土壤矿物晶格中吸附烃的重烃衬度值相加，得到所述第一份土壤样品的重烃衬度值。
步骤103)：对所述第二份土壤样品进行光谱测量，获得光谱指标；其中，所述光谱指标包括反射率、反射率一阶导数、反射率二阶导数和反射率吸收深度；
在步骤103中，本实施例获得光谱指标的具体步骤包括：
对所述第二份土壤样品进行物理粉碎，筛除干扰物质；
将处理后的第二份土壤样品放入容器中，通过可见光-近红外光谱仪进行接触式测量获得第二份土壤样品的反射率光谱。
对所述反射率光谱进行再处理，得到反射率一阶导数、反射率二阶导数和反射率吸收深度。
步骤104)：利用所述土壤轻烃衬度值和所述光谱指标确定相关系数；
步骤105)：根据所述相关系数的大小确定建模需要的光谱指标；
步骤106)：以所述土壤轻烃衬度指标作为因变量，所述建模需要的光谱指标作为自变量，建立回归模型；
在步骤106中，本实施例获得光谱指标的具体步骤包括：
以所述土壤轻烃衬度指标作为因变量，所述建模需要的光谱指标作为自变量，通过偏最小二乘法，获得回归系数；
根据土壤样品在参与建模的波长对应地吸收特征确定回归系数的合理性；
利用合理性的回归系数建立回归模型。
步骤107)：利用所述回归模型预测目标区域土壤轻烃指标。
如图2所示，为本发明提出的一种预测土壤轻烃指标的方法流程图之二。在图1的基础上，还包括：
步骤108)：对所述回归模型进行验证，确定模型的预测能力。
基于上述工作原理，本发明提出一种预测土壤轻烃指标的装置之一。如图3所示。包括：
样品获取单元301，从目标区域中采集土壤样品；其中，同一份土壤样品分为两份，第一份土壤样品用于土壤轻烃含量测量，第二份土壤样品用于光谱测量；
土壤轻烃衬度值获取单元302，用于对所述第一份土壤样品进行土壤轻烃含量测量，获得土壤轻烃衬度值；
光谱指标获取单元303，用于对所述第二份土壤样品进行光谱测量，获得光谱指标；其中，所述光谱指标包括反射率、反射率一阶导数、反射率二阶导数和反射率吸收深度；
相关系数确定单元304，用于利用所述土壤轻烃衬度值和所述光谱指标确定相关系数；
建模自变量确定单元305，用于根据所述相关系数的大小确定建模需要的光谱指标；
建模单元306，用于以所述土壤轻烃衬度指标作为因变量，所述建模需要的光谱指标作为自变量，建立回归模型；
预测单元307，用于利用所述回归模型预测目标区域土壤轻烃指标。
如图4所示，为本发明提出的一种预测土壤轻烃指标的装置框图之二。在图3的基础上，还包括：
验证单元308，用于对所述回归模型进行验证，确定模型的预测能力。
本发明实施例的工区以涩北气田为例进行说明。如图5所示，本方法包括以下步骤：
S501：以100m为间隔，采集油气区、非油气区浅表0.5～1m深度范围的土壤样品，保证不受地表大气氧化的影响。采集的土壤样品，同一样品一分为二，一份用于土壤轻烃指标测量，一份用于光谱测量，保证测量对象的一致性。
在S501中，如图6所示，为本实施例土壤样品采集的位置示意图。由图6可知，本实施例的土壤样品为穿过油气田、非油气田采集土壤样品。
S502：应用顶空气法得到第一份土壤样品的土壤颗粒间游离烃的C1～C5成分的含量，根据土壤颗粒间游离烃的C1～C5成分的含量计算游离烃的总烃含量(C1+C2+C3+C4+C5)和重烃含量(C2+C3+C4+C5)；应用酸解烃法得到第一份土壤样品的土壤矿物晶格中吸附烃的C1～C5成分的含量,根据土壤矿物晶格中吸附烃的C1～C5成分的含量计算吸附烃的总烃含量(C1+C2+C3+C4+C5)和重烃含量(C2+C3+C4+C5)；利用衬度方法分别对游离烃和吸附烃的C1～C5含量、总烃含量和重烃含量进行标准化，得到相应指标的衬度值，将游离烃和吸附烃的C1～C5衬度值、总烃衬度值、重烃衬度值分别对应相加，得到第一份土壤样品的土壤C1～C5衬度值、总烃衬度值和重烃衬度值。
以涩北气田为例，如图7所示，本实施例穿过工区土壤轻烃的总烃衬度值剖面示意图。从图7中可以看出，不同测点总烃衬度值差异较大。
S503：对第二份土壤样品进行物理粉碎，筛除大颗粒和细小植物根系等物质；将处理后的第二份土壤样品放入容器中，选择美国ASD公司的FieldSpec3可见光-近红外光谱仪，应用高密度反射探头进行接触式测量，这种探头的内置灯可以保证光源的稳定性和一致性。光谱测量时选择50次光谱平均，提高最终获取的反射率光谱数据的信噪比。对土壤样品的反射率光谱，采用ViewSpec软件Splice Correction(连接点修正)功能消除1000nm和1830nm波长位置的光谱跃迁，最终得到校正后的第二份土壤样品的反射率光谱。对第二份土壤样品的反射率光谱进行再处理，得到反射率一阶导数、反射率二阶导数和反射率吸收深度三个衍生光谱指标；
以涩北气田为例，如图8a所示，为本实施例的土壤样品中的380～2500nm波长范围内反射率光谱示意图；如图8b所示，为本实施例的土壤样品中的380～2500nm波长范围内反射率一阶导数的光谱示意图；如图8c所示，为本实施例的土壤样品中的380～2500nm波长范围内反射率二阶导数的光谱示意图；如图8d所示，为本实施例的土壤样品中的380～2500nm波长范围内反射率吸收深度的光谱示意图。从图8a～图8d上可以看出，不同光谱指标具有不同的信息量。
S504：计算土壤轻烃指标与对应土壤样品在380～2500nm波长范围的光谱指标(反射率、反射率一阶导数、反射率二阶导数和反射率吸收深度)之间的相关系数；根据相关系数大小，确定用于建模需要的光谱指标。
S105：土壤轻烃指标作为因变量，参与建模需要的光谱指标作为自变量；应用偏最小二乘法，计算土壤轻烃指标与参加建模所需要的光谱指标之间的回归系数；根据土壤样品在参与建模波长位置的吸收特征确定回归系数的合理性，利用合理性的回归系数建立回归模型。
S506：应用交叉验证方法，确定回归模型的预测能力。
以涩北气田为例，如图9所示，为土壤样品的甲烷衬度实测值与预测值的对比示意图。如图10所示，为土壤样品的总烃衬度实测值与预测值的对比示意图。经过对比，得到的甲烷衬度的测定系数R2为0.9557，得到的总烃衬度的测定系数R2为0.9636，R2越接近于1，表明预测值越接近实测值，本技术方案得到的R2均大于0.95，比较接近于1。那么，表明利用本技术方案得到的预测值是比较接近于实测值的。
由图5所示的流程可知，本技术方案首先进行土壤样品采集；应用顶空气和酸解烃方法测量土壤轻烃指标；应用FieldSpec3便携式地物光谱仪获取土壤样品的反射率光谱指标，再处理后得到另外三个衍生光谱指标；应用相关分析法计算土壤轻烃指标与四个光谱指标之间的相关性确定回归模型。利用回归模型预测土壤轻烃指标。
与目前轻烃指标测量技术相比，该技术以轻烃指标-光谱指标回归模型为基础，实现轻烃指标的快速预测，使野外轻烃指标直接获取成为可能。该技术实施简单易操作，极大提高了土壤轻烃指标分析的效率，适合野外大面积轻烃指标测量。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种预测土壤轻烃指标的方法，其特征在于，包括：
从目标区域中采集土壤样品；其中，同一份土壤样品分为两份，第一份土壤样品用于土壤轻烃含量测量，第二份土壤样品用于光谱测量；
对所述第一份土壤样品进行土壤轻烃含量测量，获得土壤轻烃衬度值；
对所述第二份土壤样品进行光谱测量，获得光谱指标；其中，所述光谱指标包括反射率、反射率一阶导数、反射率二阶导数和反射率吸收深度；
利用所述土壤轻烃衬度值和所述光谱指标确定相关系数；
根据所述相关系数的大小确定建模需要的光谱指标；
以所述土壤轻烃衬度指标作为因变量，所述建模需要的光谱指标作为自变量，建立回归模型；
利用所述回归模型预测目标区域土壤轻烃指标；
其中，所述建立回归模型的步骤包括：以所述土壤轻烃衬度指标作为因变量，所述建模需要的光谱指标作为自变量，通过偏最小二乘法，获得回归系数；根据土壤样品在参与建模的波长对应地吸收特征确定回归系数的合理性；利用合理性的回归系数建立回归模型。
2.如权利要求1所述的方法，其特征在于，还包括：
对所述回归模型进行验证，确定模型的预测能力。
3.如权利要求1或2所述的方法，其特征在于，所述获得土壤轻烃衬度值的步骤包括：
通过顶空气法得到所述第一份土壤样品的土壤颗粒间游离烃的C1～C5成分的含量、游离烃的总烃含量以及重烃含量；
通过酸解烃法得到所述第一份土壤样品的土壤矿物晶格中吸附烃的C1～C5成分的含量、吸附烃的总烃含量以及重烃含量；
利用衬度方法分别对所述第一份土壤样品的土壤颗粒间游离烃的C1～C5成分的含量、游离烃的总烃含量以及重烃含量和土壤矿物晶格中吸附烃的C1～C5成分的含量、吸附烃的总烃含量以及重烃含量进行标准化，得到相应指标的衬度值；
将所述第一份土壤样品的土壤颗粒间游离烃的C1～C5衬度值和土壤矿物晶格中吸附烃的C1～C5衬度值相加，得到所述第一份土壤样品的C1～C5衬度值；将所述第一份土壤样品的游离烃的总烃衬度值和土壤矿物晶格中吸附烃的总烃衬度值相加，得到所述第一份土壤样品的总烃衬度值；将所述第一份土壤样品的游离烃的重烃衬度值和土壤矿物晶格中吸附烃的重烃衬度值相加，得到所述第一份土壤样品的重烃衬度值。
4.如权利要求1或2所述的方法，其特征在于，所述获得光谱指标的步骤包括：
对所述第二份土壤样品进行物理粉碎，筛除干扰物质；
将处理后的第二份土壤样品放入容器中，通过可见光-近红外光谱仪进行接触式测量获得第二份土壤样品的反射率光谱；
对所述反射率光谱进行再处理，得到反射率一阶导数、反射率二阶导数和反射率吸收深度。
5.一种预测土壤轻烃指标的装置，其特征在于，包括：
样品获取单元，从目标区域中采集土壤样品；其中，同一份土壤样品分为两份，第一份土壤样品用于土壤轻烃含量测量，第二份土壤样品用于光谱测量；
土壤轻烃衬度值获取单元，用于对所述第一份土壤样品进行土壤轻烃含量测量，获得土壤轻烃衬度值；
光谱指标获取单元，用于对所述第二份土壤样品进行光谱测量，获得光谱指标；其中，所述光谱指标包括反射率、反射率一阶导数、反射率二阶导数和反射率吸收深度；
相关系数确定单元，用于利用所述土壤轻烃衬度值和所述光谱指标确定相关系数；
建模自变量确定单元，用于根据所述相关系数的大小确定建模需要的光谱指标；
建模单元，用于以所述土壤轻烃衬度指标作为因变量，所述建模需要的光谱指标作为自变量，建立回归模型；
预测单元，用于利用所述回归模型预测目标区域土壤轻烃指标；
其中，所述建模单元包括：回归系数确认模块，用于以所述土壤轻烃衬度指标作为因变量，所述建模需要的光谱指标作为自变量，通过偏最小二乘法，获得回归系数；回归系数合理性处理模块，用于根据土壤样品在参与建模的波长对应地吸收特征确定回归系数的合理性；回归模型模块，用于利用合理性的回归系数建立回归模型。
6.如权利要求5所述的装置，其特征在于，还包括：
验证单元，用于对所述回归模型进行验证，确定模型的预测能力。
7.如权利要求5或6所述的装置，其特征在于，所述土壤轻烃衬度值获取单元包括：
游离烃测量模块，用于通过顶空气法得到所述第一份土壤样品的土壤颗粒间游离烃的C1～C5成分的含量、游离烃的总烃含量以及重烃含量；
吸附烃测量模块，用于通过酸解烃法得到所述第一份土壤样品的土壤矿物晶格中吸附烃的C1～C5成分的含量、吸附烃的总烃含量以及重烃含量；
标准化模块，用于利用衬度方法分别对所述第一份土壤样品的土壤颗粒间游离烃的C1～C5成分的含量、游离烃的总烃含量以及重烃含量和土壤矿物晶格中吸附烃的C1～C5成分的含量、吸附烃的总烃含量以及重烃含量进行标准化，得到相应指标的衬度值；
相加模块，用于将所述第一份土壤样品的土壤颗粒间游离烃的C1～C5衬度值和土壤矿物晶格中吸附烃的C1～C5衬度值相加，得到所述第一份土壤样品的C1～C5衬度值；将所述第一份土壤样品的游离烃的总烃衬度值和土壤矿物晶格中吸附烃的总烃衬度值相加，得到所述第一份土壤样品的总烃衬度值；将所述第一份土壤样品的游离烃的重烃衬度值和土壤矿物晶格中吸附烃的重烃衬度值相加，得到所述第一份土壤样品的重烃衬度值。
8.如权利要求5或6所述的装置，其特征在于，所述光谱指标获取单元包括：
预处理模块，用于对所述第二份土壤样品进行物理粉碎，筛除干扰物质；
反射率光谱获取模块，用于将处理后的第二份土壤样品放入容器中，通过可见光-近红外光谱仪进行接触式测量获得第二份土壤样品的反射率光谱；
衍生光谱指标确定模块，用于对所述反射率光谱进行再处理，得到反射率一阶导数、反射率二阶导数和反射率吸收深度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510288035.4A CN105095562B (zh) | 2015-05-29 | 2015-05-29 | 一种预测土壤轻烃指标的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510288035.4A CN105095562B (zh) | 2015-05-29 | 2015-05-29 | 一种预测土壤轻烃指标的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105095562A CN105095562A (zh) | 2015-11-25 |
| CN105095562B true CN105095562B (zh) | 2018-07-10 |
Family
ID=54575990
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510288035.4A Active CN105095562B (zh) | 2015-05-29 | 2015-05-29 | 一种预测土壤轻烃指标的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105095562B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106126879B (zh) * | 2016-06-07 | 2018-09-28 | 中国科学院合肥物质科学研究院 | 一种基于稀疏表示技术的土壤近红外光谱分析预测方法 |
| CN117309780B (zh) * | 2023-11-27 | 2024-02-06 | 核工业北京地质研究院 | 土壤锗元素含量的确定方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102184284A (zh) * | 2011-04-29 | 2011-09-14 | 南京大学 | 有机污染物定量结构活性相关模型抽多法交叉验证方法 |
| CN102509179A (zh) * | 2011-12-26 | 2012-06-20 | 中国石油天然气股份有限公司 | 气井动态产能预测方法 |
| CN103336997A (zh) * | 2013-06-06 | 2013-10-02 | 中国石油天然气股份有限公司 | 致密油资源分布预测方法以及预测装置 |
-
2015
- 2015-05-29 CN CN201510288035.4A patent/CN105095562B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102184284A (zh) * | 2011-04-29 | 2011-09-14 | 南京大学 | 有机污染物定量结构活性相关模型抽多法交叉验证方法 |
| CN102509179A (zh) * | 2011-12-26 | 2012-06-20 | 中国石油天然气股份有限公司 | 气井动态产能预测方法 |
| CN103336997A (zh) * | 2013-06-06 | 2013-10-02 | 中国石油天然气股份有限公司 | 致密油资源分布预测方法以及预测装置 |
Non-Patent Citations (2)
| Title |
|---|
| 木里冻土带天然气水合物赋存区浅层土壤地球化学特征及指示意义;邢学文等;《石油与天然气》;20140228;第35卷(第1期);第159-166页 * |
| 祁连山冻土带天然气水合物遥感探测数据分析与评价;刘松等;《国土资源遥感》;20140930;第26卷(第3期);第106-111页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105095562A (zh) | 2015-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104736986B (zh) | 使用同位素比测量在人口稠密地区中进行气体泄漏检测和定位的方法 | |
| CN104736987B (zh) | 使用水平分析在人口稠密地区中进行气体泄漏检测和定位的方法 | |
| Sanchez et al. | Substantial seasonal contribution of observed biogenic sulfate particles to cloud condensation nuclei | |
| CN104755897B (zh) | 使用多点分析在人口稠密地区中进行气体泄漏检测和定位的方法 | |
| Cerully et al. | On the link between hygroscopicity, volatility, and oxidation state of ambient and water-soluble aerosols in the southeastern United States | |
| Kim et al. | Tree species differentiation using intensity data derived from leaf-on and leaf-off airborne laser scanner data | |
| Bittelli et al. | Correction of TDR-based soil water content measurements in conductive soils | |
| Henry et al. | A rapid method for determining organic matter maturity using Raman spectroscopy: Application to Carboniferous organic-rich mudstones and coals | |
| CN104458693B (zh) | 用于毒品检测的拉曼光谱测量方法 | |
| CN102313699B (zh) | 作物冠层叶片的全氮含量估算方法 | |
| CN104180754B (zh) | 基于激光雷达综合波形模型反演森林生物物理特性的方法 | |
| CN101846628B (zh) | 钻井液的在线拉曼光谱分析方法 | |
| CN104316487B (zh) | 违禁物品检测方法和装置 | |
| Hemingway et al. | An inverse method to relate organic carbon reactivity to isotope composition from serial oxidation | |
| CN104990894B (zh) | 一种基于加权吸光度及相似样本的汽油性质检测方法 | |
| Roberto et al. | 10 Optical Remote Sensing of Vegetation Water Content | |
| CN109669023A (zh) | 一种基于多传感器融合的土壤属性预测方法 | |
| CN107957411B (zh) | 一种用全息荧光检测油源岩成熟度的方法及其装置 | |
| CN104374711B (zh) | 一种树木叶面尘土量的确定方法及系统 | |
| CN104713845A (zh) | 基于太赫兹吸收光谱处理的混合物成分识别方法 | |
| CN105095562B (zh) | 一种预测土壤轻烃指标的方法及装置 | |
| CN102128807A (zh) | 一种快速检测作物叶面雾滴浓度的方法 | |
| CN105092436A (zh) | 一种沉积物粒度光谱分析方法及装置 | |
| Cadd et al. | The potential for rapid determination of charcoal from wetland sediments using infrared spectroscopy | |
| de Aguiar et al. | Dielectric permittivity effects in the detection of tree roots using ground-penetrating radar |
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 |