CN105574621A - 基于遥感蚀变异常的斑岩铜矿预测系统及方法 - Google Patents
基于遥感蚀变异常的斑岩铜矿预测系统及方法 Download PDFInfo
- Publication number
- CN105574621A CN105574621A CN201610031237.5A CN201610031237A CN105574621A CN 105574621 A CN105574621 A CN 105574621A CN 201610031237 A CN201610031237 A CN 201610031237A CN 105574621 A CN105574621 A CN 105574621A
- Authority
- CN
- China
- Prior art keywords
- alteration
- mineral
- remote sensing
- wave spectrum
- spectrum
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提出的一种基于遥感蚀变异常的斑岩铜矿预测系统及方法,将斑岩铜矿理论波谱模拟、实测波谱测量、遥感图像处理相结合,对于斑岩型铜矿床成矿进行预测研究,实现斑岩铜矿成矿靶区预测,为西部等不易到达地区开展矿产资源预测提供了有效的技术方法支撑。本发明的系统包括采集的已知矿区蚀变矿物样品、可见光-近红外-短波红外波谱测试仪和计算机,可见光-近红外-短波红外波谱测试仪用于对采集的已知矿区蚀变矿物样品进行波谱测试,计算机用于根据得到的已知矿区蚀变矿物样品实测波谱,基于AETER遥感数据和典型蚀变带理论波谱模型,运用多种蚀变信息提取算法对研究区ASTER遥感图像进行蚀变信息提取,圈定最佳找矿靶区。
Description
技术领域
本发明属于地质矿产资源研究技术领域,特别是涉及一种基于遥感蚀变异常的斑岩铜矿预测系统及方法。
背景技术
近十年多来,西藏班公湖—怒江成矿带西段改则县取得了斑岩铜矿找矿工作的重大突破,目前已知典型矿床有多不杂斑岩型铜矿等。然而,相对于班公湖-怒江缝合带横贯青藏高原长达2000余公里的延伸规模来讲,多不杂只是一个“点”,还没有构成真正意义上的成矿带。斑岩型铜矿床是世界上重要的铜矿成矿类型,占世界铜资源储量一半以上,因此对于斑岩型铜矿床成矿的预测研究,具有十分重要的意义。
矿化蚀变分带是斑岩铜矿主要的特征之一。斑岩铜矿系统的热液蚀变和蚀变矿物组合分带已经得到较为成熟的研究。按蚀变成因划分,斑岩铜矿的蚀变主要由以下四种水岩反应形成:(1)挥发份加入(青磐岩化);(2)水解反应(绢英岩化、高级泥化和中等泥化蚀变);(3)碱交代(如钾化和Na-Ca蚀变);(4)硅质加入(硅化)。斑岩铜矿有其特征的蚀变组合及其分带形,斑岩铜矿的蚀变可延伸到斑岩铜矿外围数百米,理想的同心环状带分带从中心向外分别为:钾化带(石英-钾长石-黑云母)→绢英岩化带(石英-绢云母-黄铁矿)→泥化带(石英-高岭石-蒙脱石)→青磐岩化带(绿帘石-方解石-绿泥石)。
光谱矿物测量技术是近年来发展起来并逐步成熟的一种应用于光谱矿物测量的遥感技术,它由高光谱遥感技术发展而来。目前,技术上可行并常用的高光谱技术可探测波长区间大致为300-2500nm,在该波长范围内,斑岩铜矿中含水、含氢氧根的蚀变矿物以及硫酸盐和碳酸盐蚀变矿物具有一些特殊吸收特征,通过对这些吸收特征的研究,可以实现对斑岩铜矿成矿作用密切相关的蚀变矿物的识别,提供找矿线索并指导找矿。
自20世纪80年代末Landsat卫星升空以来,遥感技术在地质勘查中得到了广泛的应用。随着2000年先进星载热发射和反射辐射仪ASTER(AdvancedSpaceborneThermalEmissionandReflectionRadiometer)数据的获取,ASTER数据已被一些学者运用在岩石学和矿床学研究中。ASTER遥感数据相对于其它多光谱遥感数据而言,在短波红外与热红外波段设置了更多的波段,可提取更精细的矿物信息,在遥感地质调查与基础研究中有广阔的应用前景。
在现代地质矿产勘查中,遥感蚀变异常技术是重要的方法之一,其主要是利用遥感技术对地质中的蚀变异常进行有效提取,从而为地质矿产勘查工作的开展奠定基础。在遥感图像中,蚀变异常是一种较为弱性的信息类型,在提取的过程中具有一定的难度,并且这种信息在采集的过程中,很容易受到观测点当地气候环境的影响,从而使得信息的提取变得更加困难,有必要在此基础上进一步探索更有效的方法。现有技术中,还没有将斑岩铜矿理论波谱模拟、实测波谱测量、遥感图像处理联合起来进行斑岩铜矿成矿预测的案例。
发明内容
本发明的目的是提出一种基于遥感蚀变异常的斑岩铜矿预测系统及方法。首先基于Hapke和Shkuratov非线性光谱混合理论,建立斑岩铜矿典型蚀变带矿物波谱混合模型,之后通过对已知斑岩铜矿地表样品波谱测量及与典型蚀变带蚀变模型的对比分析,总结其地表蚀变特征,最后基于已知典型矿区地表蚀变特征及与成矿作用的关系,运用多种蚀变信息算法对其外围开展ASTER遥感图像蚀变信息提取研究,实现斑岩铜矿成矿靶区预测,为西部等不易到达地区开展矿产资源预测提供有效的技术方法支撑。
本发明的技术方案是:
1.一种基于遥感蚀变异常的斑岩铜矿预测方法,其特征在于,包括以下步骤:
1)建立斑岩铜矿典型蚀变带理论波谱模型;
2)采集已知矿区地表样品,测量采集样品的波谱;
3)将典型蚀变带理论波谱模型与测量的已知矿区样品波谱进行对比分析,获取已知矿区地表蚀变特征;
4)将已知矿区样品实测波谱与AETER遥感图像数据进行对比,获取已知矿区地表蚀变信息图像波谱特征;
5)运用多种蚀变信息提取算法,对找矿预测区域AETER遥感图像进行蚀变信息提取;
6)对蚀变信息提取结果进行叠加分析,结合地质资料信息,确定最佳成矿靶区,实现斑岩铜矿成矿靶区预测。
2.所述步骤1)中,建立斑岩铜矿典型蚀变带理论波谱模型的步骤包括:
a)在美国USGS矿物反射率标准光谱库的基础上,利用Shkuratov模型的可逆性,求取矿物的物理参数,建立矿物物理参数模拟库;
b)在此基础上,考虑入射角、出射角、相位角,利用Hapke模型,模拟出矿物及其矿物混合物的双向反射率光谱。
3.所述步骤5)中,所述蚀变信息提取算法包括彩色增强法、波段比值合成法、光谱指数法、光谱角填图法中的两种以上算法;
所述彩色增强法是指通过分析已知矿床的图像特征,寻找和已知矿床相似的图像特征,选择不同的波段组合进行彩色合成,对于彩色合成图像再进行图像拉伸增强;
所述波段比值合成法是指根据常见蚀变矿物光谱特征,结合研究区域的地质情况,计算不同波段的比值,以突出相应的蚀变矿物信息,并进行拉伸增强处理;
所述光谱指数法是指通过分析特定蚀变矿物的波谱吸收特征总结的定量化区分矿物类别的指数,提取与成矿有着密切联系的蚀变矿物信息,然后对提取结果进行彩色分割;
所述光谱角填图法是指选取已知斑岩铜矿典型蚀变带地物波谱为依据,对研究区域进行光谱角填图得到一幅光谱角分类图像,然后对图像进行彩色分割;
4.所述步骤5)中,包括对AETER遥感图像进行数据预处理的步骤,所述遥感图像数据预处理包括波段串扰去除、大气矫正、干扰地物去除。
5.所述步骤6)中,所述叠加分析是指将步骤5)中几种蚀变信息提取结果进行矢量化,然后在地理信息处理软件中进行叠加分析,提取公共区域作为最佳成矿靶区。
6.一种基于遥感蚀变异常的斑岩铜矿预测系统,其特征在于,包括采集的已知矿区蚀变矿物样品、可见光-近红外-短波红外波谱测试仪和计算机,所述可见光-近红外-短波红外波谱测试仪用于对采集的已知矿区蚀变矿物样品进行波谱测试,所述计算机用于根据得到的已知矿区蚀变矿物样品实测波谱,基于AETER遥感数据和典型蚀变带理论波谱模型,运用多种蚀变信息提取算法对研究区ASTER遥感图像进行蚀变信息提取,提取蚀变信息异常区域,圈定最佳找矿靶区。
7.所述计算机包括蚀变信息处理模块,所述蚀变信息处理模块包括AETER遥感数据预处理单元、蚀变矿物实测波谱获取单元以及蚀变信息提取单元;所述蚀变信息提取单元用于将典型蚀变带理论波谱模型与通过蚀变矿物实测波谱获取单元获取的已知矿区样品波谱进行对比获得已知矿区地表蚀变矿物特征信息,并将已知矿区样品实测波谱与通过AETER遥感数据预处理单元获取的AETER遥感图像数据进行对比获得已知矿区地表蚀变带波谱图像特征信息,选取几种蚀变信息提取算法对找矿预测区域的AETER遥感图像进行蚀变信息提取,将蚀变信息提取结果进行矢量化叠加分析得到最佳成矿预测靶区,实现成矿靶区预测。
8.所述AETER遥感数据预处理单元包括波段串扰去除得到的数据、大气矫正得到的数据、干扰地物去除得到的数据。
9.所述蚀变信息提取单元包括典型蚀变带理论波谱模型数据,所述典型蚀变带理论波谱模型数据包括典型蚀变矿物及其矿物混合物的双向反射率光谱模拟数据。
10.所述蚀变信息提取算法包括彩色增强法、波段比值合成法、光谱指数法、光谱角填图法。
本发明的技术效果:
本发明提出的一种基于遥感蚀变异常的斑岩铜矿预测系统及方法,将斑岩铜矿理论波谱模拟、实测波谱测量、遥感图像处理相结合,对于斑岩型铜矿床成矿进行预测研究。首先基于Hapke和Shkuratov非线性光谱混合理论,建立斑岩铜矿典型蚀变带矿物波谱混合模型,之后通过对已知斑岩铜矿地表样品波谱测量及与典型蚀变带蚀变模型的对比分析,总结其地表蚀变特征,最后基于已知典型矿区地表蚀变特征及与成矿作用的关系,运用多种蚀变信息算法对其外围开展ASTER遥感图像蚀变信息提取研究,实现斑岩铜矿成矿靶区预测,为西部等不易到达地区开展矿产资源预测提供了有效的技术方法支撑。
附图说明
图1为基于遥感蚀变异常的斑岩铜矿预测方法的流程图。
图2为建立典型蚀变带理论波谱模型的流程图。
图3a、3b分别为斑岩铜矿钾化带蚀变矿物及矿物混合物光谱模拟图。
图4a、4b分别为斑岩铜矿绢英岩化带蚀变矿物及矿物混合物光谱模拟图。
图5a、5b分别为斑岩铜矿泥化带蚀变矿物及矿物混合物光谱模拟图。
图6a、6b分别为斑岩铜矿青磐岩化带蚀变矿物及矿物混合物光谱模拟图。
图7a、7b分别为多不杂青磐岩化样品实测波谱图与理论模型模拟图。
图8a、8b分别为多不杂绢英岩化样品实测波谱图与理论模型模拟图。
图9a、9b分别为ASTER图像波谱和TerraSpec实测波谱重采样后波谱。
图10为常见蚀变矿物的波谱特征图。
图11为多龙矿集区采用彩色增强法提取的蚀变异常信息主要分布区域图。
图12为多龙矿集区采用波段比值合成法提取的蚀变异常信息主要分布区域图。
图13为多龙矿集区采用光谱指数法提取的蚀变异常信息主要分布区域图。
图14为多龙矿集区采用光谱角填图法提取的蚀变异常信息主要分布区域图。
图15为多龙矿集区蚀变信息提取综合分析结果图。
图16为基于遥感蚀变异常的斑岩铜矿预测系统示意图。
具体实施方式
以下结合附图对本发明的实施例做进一步的详细说明。
如图1所示,为基于遥感蚀变异常的斑岩铜矿预测方法的流程图。
一种基于遥感蚀变异常的斑岩铜矿预测方法,包括以下步骤:
建立斑岩铜矿典型蚀变带理论波谱模型;
采集已知矿区地表样品,测量采集样品的波谱;
1)将斑岩铜矿典型蚀变带理论波谱模型与测量的已知矿区样品波谱进行对比分析,获取已知矿区地表蚀变特征;
2)将已知矿区样品实测波谱与AETER遥感图像数据进行对比,获取已知矿区地表蚀变信息图像波谱特征;
3)运用多种蚀变信息提取算法,对找矿预测区域AETER遥感图像进行蚀变信息提取;
4)对蚀变信息提取结果进行叠加分析,结合地质资料信息,确定最佳成矿靶区,实现斑岩铜矿成矿靶区预测。
图2为建立斑岩铜矿典型蚀变带理论波谱模型的流程图。建立典型蚀变带理论波谱模型的步骤包括:
a)在美国USGS矿物反射率标准光谱库的基础上,利用Shkuratov模型的可逆性,求取矿物的物理参数(复折射系数),建立矿物物理参数模拟库;
b)在此基础上,考虑入射角、出射角、相位角,利用Hapke模型,模拟矿物及其矿物混合物(岩石和土壤)的双向反射率光谱。
岩石的光谱表现远比矿物的复杂,岩石的光谱本质上是矿物的混合光谱,并受其结构、构造和表面形态等因素的影响。前人研究表明矿物光谱的混合效应是非线性的,为描述这种非线性混合,之前的学者提出了很多算法和模型,其中Hapke和Shkuratov光谱混合模型是两种目前主要的非线性模型。根据以上步骤,本发明在对蚀变带矿物的物理性质(粒度、充填度、混合比例等)初步了解或假设的情况下,在美国USGS矿物标准光谱库的基础上,利用基于Hapke模型和Shkuratov模型的矿物光谱非线性混合模型,模拟蚀变带的光谱,建立不同矿物共生组合的模拟光谱,得到了斑岩铜矿床四个典型蚀变带蚀变矿物的光谱。
钾化为斑岩铜矿的早期蚀变,基本蚀变矿物是钾长石和黑云母,并伴有大量石英以及石膏等。钾化带所涉及的主要矿物有钾长石(Orthoclase)、黑云母(Biotite)、石英(Quartz)、石膏(Gypsum),对其相对含量做了如下估计,钾长石40%、黑云母30%、石英15%、石膏15%,得到的蚀变矿物及其矿物混合物光谱如图3a、3b所示。蚀变带的主导光谱特征吸收位于1.9μm附近,为石膏的光谱特征所致,而波谱整体上升的形态基本保留了黑云母的特征。
绢英岩化蚀变为晚期蚀变类型,基本蚀变矿物为绢云母、绢云母、黄铁矿。绢英岩化带所涉及的主要矿物有绢云母(Muscovite)、石英(Quartz)、黄铁矿(Pyrite),对其相对含量做了如下估计,绢云母30%、石英50%、黄铁矿20%,得到的蚀变矿物及其矿物混合物光谱如图4a、4b所示。蚀变带的主导光谱特征吸收位于1.4μm、2.2μm附近,为绢云母的光谱特征所致。
泥化带蚀变为晚期蚀变类型,主要蚀变矿物为石英、高岭石、蒙脱石等。泥化带所涉及的主要矿物有石英(Quartz)、高岭石(Kaolinite),蒙脱石(Montmorillonite)。对其相对含量做了如下估计,石英20%、高岭石40%,蒙脱石40%,得到的蚀变矿物及其矿物混合物光谱如图5a、5b所示。蚀变带的主导光谱特征吸收位于1.4μm、1.9μm、2.2μm附近,为高岭石和蒙脱石的波谱特征所致。
青磐岩是由绿泥石、绿帘石、方解石、阳起石以及黄铁矿的暗绿到浅绿色致密块状的热液蚀变岩石。青磐岩化带所涉及的主要矿物有绿泥石(Chlorite)、绿帘石(Epidote)、方解石(Calcite),对其相对含量做了如下估计,绿泥石33%、绿帘石34%、方解石33%,得到的蚀变矿物及其矿物混合物光谱如图6a、6b所示。蚀变带的主导光谱特征吸收位于2.335μm附近,为绿泥石、绿帘石、方解石所致,整体波谱形态基本为绿泥石和绿帘石的形态。
步骤2)中,采集已知矿区地表样品,是采集西藏改则县多不杂斑岩铜矿地表样品,它是西藏班公湖-怒江成矿带近几年发现的较大的铜多金属矿,地表采样位置主要位于目前已有的平洞、探槽和浅井,少部分样品采于露头。在多不杂地表共采集样品41件,对于每一件样品都建立了一张样品信息的记录表,内容主要包括序号、样品编号、样品地点、样品照片、样品岩性鉴定、样品镜下照片、波谱测试结果、与斑岩铜矿典型蚀变带蚀变矿物波谱对比、分析及结论。对每件样品进行了镜下分析及波谱测试,其中镜下分析的主要目的是获取岩石定名及矿物信息,波谱测试则是为了获取岩石的光谱曲线。波谱测试时,采用可见光-近红外-短波红外波谱测试仪,每个样品针对岩石的3个不同位置测量3组数据,对测量获取的3组波谱数据取平均后得到岩石的波谱,对获取的光谱曲线一般进行去连续统(continuumremoval)处理,以去除背景对波谱的影响。
步骤3)中,选取了多不杂矿区绢英岩化及青磐岩化样品的实测波谱和步骤1)建立的斑岩铜矿典型蚀变带理论波谱模型进行了对比分析,如图7a、7b所示,为多不杂青磐岩化样品实测波谱图与理论模型模拟图。对比图7a、7b,结果表明两者的吸收特征具有较好的一致性。青磐岩化均具有绿帘石等蚀变矿物2340nm处的主吸收特征及2255处的次吸收特征,且均具有1400nm及1900nm处的水的吸收特征。图8a、8b分别为多不杂绢英岩化样品实测波谱图与理论模型模拟图。对比图8a、8b,表明绢英岩化均具有绢云母等蚀变矿物2200nm处的吸收特征,1400nm处水的吸收特征。这一结果一方面进一步验证了前一节建立的模型的可信度,另一方面也为今后基于实测波谱确定矿区蚀变带提供了理论依据。
步骤4)中,选取了绿帘石化、绢云母化及基本无蚀变的岩石进行样品实测波谱和ASTER图像波谱的对比分析。针对TerraSpec波谱仪测量获取的具不同蚀变特征的波谱,按照ASTER波段设置对其进行波谱重采样,并将得到的波谱与ASTER图像波谱进行对比,如图9a、9b所示。对比结果表明,实测波谱与ASTER数据图像波谱具有良好的一致性,如样品编号为DBZ–33的样品为绿帘石化,具有第8波段的吸收特征;样品编号为DBZ–26的样品为绢英岩化,具有第6波段的吸收特征;样品编号为DBZ–02的样品由于为砂岩,基本无蚀变。这一结果为之后的基于图像的蚀变信息提取研究奠定了理论依据。
步骤5)中,包括对ASTER图像数据进行预处理的步骤。ASTER图像数据进行预处理主要包括波段串扰去除、大气矫正、干扰地物去除。
其中,ASTER数据波段串扰去除:ASTER短波红外波段存在波段串扰现象,串扰是两条信号线之间的耦合,信号线之间的互感和互容引起线上的噪声,即一个波段和另一个波段信号混合在一起,这造成了在一些图像上,由于波段4及其他波段的串扰,波段5和波段9波谱特征有高的异常。采用了日本官方网站上CrossTalk3.0软件消除波段串扰。
ASTER数据大气矫正:星载成像遥感器实际上获取的是太阳辐射通过大气层之后的信息。因此,传感器获取的信息包括地物和大气信息。为了定量分析地表参数,去除大气影响是实现定量分析地表参数遥感研究的关键一步。FLAASH(FastLine-of-sightAtmosphericAnalysisofSpectralHypercubes)是由世界一流的光学成像研究所----波谱科学研究所(SpectralSciences)在美国空气动力实验室支持下开发的大气校正模块。FLAASH采用MODTRAN4+辐射传输模型的代码,是目前精度最高的大气辐射校正模型。它是基于像素级的校正,可校正由于漫反射引起的连带效应,可调整由于人为抑止而导致的波谱平滑,能有效消除大气和光照等因素对地物反射的影响,获得地物较为准确的反射率和辐射率、地表温度等真实物理模型参数。对ASTERL1B级1-9波段数据采用ENVI软件中Flaash模块完成大气校正。
干扰地物去除:去干扰地物是通过特征观察,灵活选用不同的数学方法,将可能形成干扰的非目标地物经数学处理归入干扰窗,去干扰后获得基础图像;并形成掩膜,尽可能地减少干扰物对异常提取工作产生的影响。干扰地物主要包括植被、水体、白泥地、云等.根据干扰地物的波谱特征,通常选取归一化植被指数通过阈值切割可以较好的去除植被信息;选取波段7与1的比值图像通过低端切割可以去除水体信息;选取波段3的高端切割去除白泥地和云信息。另外由于ASTER数据各通道组成的图像边框不整齐,因此需要进行去边框处理;对整幅图像来说,如果最靠左边数据是Band6采集的,最右边数据Band7采集的,可以利用Band6*Band7去除边框。最后将各种干扰地物进行处理生成掩膜图像。
步骤5)中,所述蚀变信息提取算法包括彩色增强法、波段比值合成法、光谱指数法、光谱角填图法中的两种以上算法;
利用遥感技术识别矿化蚀变异常源于地表蚀变矿物波谱特征研究,在0.4-2.5μm光谱范围内,金属离子的电子转移和Al-OH、Mg-OH、CO32–等分子团的振动形成的矿物光谱吸收特征,成为矿物鉴别的主要依据,常见蚀变矿物的波谱特征如图10所示:
(1)铁在氧化环境下多以褐铁矿(Fe3+)形式存在,其光谱曲线在0.5μm和0.9μm处有吸收谷,对应ASTER数据波段Band1和Band3。
(2)OH-往往在SWIR光谱区间产生特征谱带,其精确位置取决于与OH-相连的金属离子,Al-OH标准吸收谷在2.2μm附近,常见的粘土矿物如高岭土、伊利石、绢云母、蒙脱石,对应ASTER数据波段为band5和band6;Mg-OH的标准谱带在2.3μm附近,常见的矿物为阳起石、透闪石、透辉石、绿泥石、滑石等,对应ASTER数据Band8。
(3)CO32-在0.4-2.5μm范围内有多个吸收谱带,以2.33-2.37μm内最强,常见的方解石谱带为2.35μm,白云石的标准谱带为2.33μm,菱镁矿的标准谱带为2.32μm,这些矿物吸收谷对应于ASTER数据波段band8。
彩色增强法是指通过分析已知的矿床的图像特征,寻找和已知矿床相似的图像特征,选择不同的波段组合进行彩色合成,对于彩色合成图像再进行图像拉伸增强;
相同色彩的图像特征可能代表着相同的地物信息。通过分析已知的矿床的图像特征,寻找和已知矿床相似的图像特征,进而寻找新的找矿靶区。经过FLAASH大气矫正后的图像,选择不同的波段组合进行彩色合成,对于彩色合成图像再进行图像增强。经过实验,波段组合468、765比较利于示矿信息的解译。根据图10可知,由于绢云母等粘土类矿物在4波段的反射峰、6波段和8波段的吸收谷,故在468波段组合彩色增强图像上呈现红色;由于在6波段的吸收谷和5和7波段的反射峰,故在765波段组合图像上呈现紫色。以此为依据,可知468波段组合彩色增强图像上红色区域与765波段组合图像上紫色区域有可能为找矿靶区。
波段比值合成法是指根据常见蚀变矿物光谱特征,结合研究区的地质情况,计算不同波段的比值以突出蚀变矿物信息,并进行拉伸增强处理;
遥感成像过程中,由于地形的起伏,向阳面与背阳面的太阳入射通量差异较大。而在(视)反射率转换过程中由于地形校正难度较大,一般假设地表平坦均一,这样,向阳面地物波谱整体变强,背阳面地物波谱整体变弱。波段比值法可有效减弱光谱强度信息,突出光谱吸收特征,从而减弱地形的影响。
ASTER遥感数据尽管从光谱分辨率的角度讲仍然为多光谱数据,但短波红外设置有5个波段,可以识别常见蚀变矿物2210nm、2330nm附近的光谱特征。铁氧化物指褐铁矿、赤铁矿等含铁氧化物,ASTER数据波段2、1与ETM+波段3、1位置接近,波段2与波段1反射率之比与利用ETM+波段3与波段1反射率之比提取铁氧化物的方法相同;硅酸盐铁指赋存于硅酸盐晶格中的铁,主要用于提取辉石、角闪石等暗色造岩矿物以及绿帘石、绿泥石等含铁较高的蚀变矿物,由图10可知,绿泥石、绿帘石波段5与波段4反射率之比均大于1,而其它矿物则小于,故可利用波段5比4的比值区分;高岭石的识别主要根据波段5、6处的弱吸收特征;白云母与蒙脱石光谱特征相近,主要根据波段6处的强吸收特征,与高岭石识别方法的区别就是波段5无吸收特征;明矾石主要根据波段6的强吸收特征来识别;方解石、白云石、绿泥石与绿帘石主要根据波段8的强吸收特征识别,四种矿物光谱特征相近,仅仅利用ASTER1-9波段光谱特征难以区分识别。根据上述蚀变矿物光谱分析,结合研究区的地质情况,选取ASTER数据5/6、7/6波段比值可更好的突出绢英岩化蚀变,波段2/3可以适当突出铁化信息,故最终利用ENVI软件计算5/6、7/6、2/3三个波段比值,并将计算的比值进行彩色合成。
光谱指数法是指通过分析特定蚀变矿物的波谱吸收特征总结的定量化区分矿物类别的指数,提取与成矿有着密切联系的蚀变矿物信息,然后对提取结果进行彩色分割;特定的矿床类型有着特定的蚀变矿物组合,通过提取与成矿有着密切联系的蚀变矿物,进而可以圈定找矿靶区。光谱指数是通过分析特定蚀变矿物的波谱吸收特征总结的定量化区分矿物类别的指数。根据图10所示,绢云母、蒙脱石类矿物在6波段具有较强的吸收特征,在5和7波段有反射峰,根据其吸收深度定义绢云母类光谱指数为(If(5>6)U(7>6)U((1.082192×4-0.082192×6)<5)Then(5+7)×0.5/6)。斑岩型铜矿通常具有绢英岩化蚀变特征,根据上述定义的绢云母类光谱指数提取绢云母、蒙脱石类粘土蚀变矿物信息,然后对提取结果进行彩色分割。
光谱角填图法是指选取斑岩铜矿典型蚀变带地物波谱(如绢英岩化波谱)为依据对研究区域进行光谱角填图得到一幅光谱角分类图像,然后对图像进行彩色分割。
光谱角填图(spectralanglemapping)将光谱数据视为多维空间的矢量,利用解析方法计算像元光谱与光谱数据库光谱或像元训练光谱之间矢量的夹角,根据夹角的大小来确定光谱间的相似程度,以达到识别地物的目的。它是一种监督分类的方法。此算法将两个光谱当作是矢量空间的两个矢量,其维度等于波段数,通过计算两者间的“光谱角”,确定它们的相似程度。选取多不杂矿区地物波谱为依据对研究区域进行光谱角填图,得到一幅光谱角分类图像,再对图像进行彩色分割。
步骤6)中,所述叠加分析是指将步骤5)中各种蚀变信息提取结果进行矢量化,然后在地理信息处理软件ArcGIS软件中进行叠加分析,提取公共区域作为最佳成矿靶区。
具体的,以西藏改则县多龙地区为例开展靶区圈定综合研究,利用ASTER数据,运用多种蚀变信息提取方法,圈定成矿有利区域,为找矿靶区圈定提供技术支持。
根据上述几种蚀变信息提取算法,分别选取了西藏改则县多龙地区ASTER遥感图像的468、765波段彩色增强法、波段5/6、7/6、2/3比值组合、绢云母光谱指数法、SAM算法等几种算法进行蚀变信息提取实验,结果如图11,12,13,14所示。图11为采用彩色增强法提取的蚀变异常信息主要分布区域。图12为采用波段比值合成法提取的蚀变异常信息主要分布区域。图13为采用光谱指数法提取的蚀变异常信息主要分布区域。图14为采用光谱角填图法提取的蚀变异常信息主要分布区域。可以看出,图11,12,13,14分别圈出的地保那木岗有利成矿区、拿若有利成矿区、赛角有利成矿区、色那有利成矿区、铁格龙有利成矿区、尕而勤有利成矿区的区域不尽相同,但有重合区域。
通过以上几种示矿信息提取结果与该区域1:5万地质矿产图进行对比分析可知,提取的找矿靶区与地质图上含矿岩体----花岗闪长斑岩比较吻合;几种方法提取的结果叠加分析后,避免了单一算法的局限性,为成矿靶区的圈定提供了更为准确的遥感依据,其公共区域为最佳靶区圈定区域,将上述几种方法提取的结果进行矢量化,然后在ArcGIS软件中进行靶区叠加分析,最终确定地保那木岗有利成矿区、拿若有利成矿区、赛角有利成矿区、色那有利成矿区、铁格龙有利成矿区、尕而勤有利成矿区中呈现的黑色区域为斑岩铜矿成矿靶区,如图15所示。
相应的,如图16所示,是一种基于遥感蚀变异常的斑岩铜矿预测系统的示意图。包括采集的已知矿区蚀变矿物样品、可见光-近红外-短波红外波谱测试仪和计算机,所述可见光-近红外-短波红外波谱测试仪用于对采集的已知矿区蚀变矿物样品进行波谱测试,所述计算机用于根据得到的已知矿区蚀变矿物样品实测波谱,基于AETER遥感数据和典型蚀变带理论波谱模型,运用多种蚀变信息提取算法对预测区域ASTER遥感图像进行蚀变信息提取研究,提取蚀变信息异常区域,圈定最佳找矿靶区。
其中,计算机包括蚀变信息处理模块,蚀变信息处理模块包括AETER遥感数据预处理单元、蚀变矿物实测波谱获取单元以及蚀变信息提取单元;蚀变信息提取单元用于将典型蚀变带理论波谱模型与通过蚀变矿物实测波谱获取单元获取的已知矿区样品波谱进行对比获得已知矿区地表蚀变矿物特征信息,并将已知矿区样品实测波谱与通过AETER遥感数据预处理单元获取的AETER遥感图像数据进行对比获得已知矿区地表蚀变带波谱图像特征信息,选取几种蚀变信息提取算法对找矿预测区域的AETER遥感图像进行蚀变信息提取,将蚀变信息提取结果进行矢量化叠加分析得到最佳成矿预测靶区,实现成矿靶区预测。
蚀变信息提取算法包括彩色增强算法、波段比值合成算法、光谱指数算法、光谱角制图算法。AETER遥感数据预处理单元中包括波段串扰去除得到的数据、大气矫正得到的数据、干扰地物去除得到的数据。蚀变信息提取分析单元包括典型蚀变带理论波谱模型数据,典型蚀变带理论波谱模型数据包括典型蚀变矿物及其矿物混合物的双向反射率光谱模拟数据。
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;而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,其均涵盖在本发明创造专利的保护范围当中。
Claims (10)
1.一种基于遥感蚀变异常的斑岩铜矿预测方法,其特征在于,包括以下步骤:
1)建立斑岩铜矿典型蚀变带理论波谱模型;
2)采集已知矿区地表样品,测量采集样品的波谱;
3)将典型蚀变带理论波谱模型与测量的已知矿区样品波谱进行对比分析,获取已知矿区地表蚀变特征;
4)将已知矿区样品实测波谱与AETER遥感图像数据进行对比,获取已知矿区地表蚀变信息图像波谱特征;
5)运用多种蚀变信息提取算法,对找矿预测区域AETER遥感图像进行蚀变信息提取;
6)对蚀变信息提取结果进行叠加分析,结合地质资料信息,确定最佳成矿靶区,实现成矿靶区预测。
2.根据权利要求1所述的基于遥感蚀变异常的斑岩铜矿预测方法,其特征在于,所述步骤1)中,建立斑岩铜矿典型蚀变带理论波谱模型的步骤包括:
a)在美国USGS矿物反射率标准光谱库的基础上,利用Shkuratov模型的可逆性,求取矿物的物理参数(复折射系数),建立矿物物理参数模拟库;
b)在此基础上,考虑入射角、出射角、相位角,利用Hapke模型,模拟出矿物及其矿物混合物(岩石和土壤)的双向反射率光谱。
3.根据权利要求1所述的基于遥感蚀变异常的斑岩铜矿预测方法,其特征在于,所述步骤5)中,所述蚀变信息提取算法包括彩色增强法、波段比值合成法、光谱指数法、光谱角填图法中的两种以上算法;
所述彩色增强法是指通过分析已知矿床的图像特征,寻找和已知矿床相似的图像特征,选择不同的波段组合进行彩色合成,对于彩色合成图像再进行图像拉伸增强;
所述波段比值合成法是指根据常见蚀变矿物光谱特征,结合研究区的地质情况,计算不同波段的比值以突出蚀变矿物信息,并进行拉伸增强处理;
所述光谱指数法是指通过分析特定蚀变矿物的波谱吸收特征总结的定量化区分矿物类别的指数,提取与成矿有着密切联系的蚀变矿物信息,然后对提取结果进行彩色分割;
所述光谱角填图法是指选取已知斑岩铜矿典型蚀变带地物波谱为依据,对研究区域进行光谱角填图得到一幅光谱角分类图像,然后对图像进行彩色分割。
4.根据权利要求1所述的基于遥感蚀变异常的斑岩铜矿预测方法,其特征在于,所述步骤5)中,包括对AETER遥感图像进行数据预处理的步骤,所述遥感图像数据预处理包括波段串扰去除、大气矫正、干扰地物去除。
5.根据权利要求1所述的基于遥感蚀变异常的斑岩铜矿预测方法,其特征在于,所述步骤6)中,所述叠加分析是指将步骤5)中各种蚀变信息提取结果进行矢量化,然后在地理信息处理软件中进行叠加分析,提取公共区域作为最佳成矿靶区。
6.一种基于遥感蚀变异常的斑岩铜矿预测系统,其特征在于,包括采集的已知矿区蚀变矿物样品、可见光-近红外-短波红外波谱测试仪和计算机,所述可见光-近红外-短波红外波谱测试仪用于对采集的已知矿区蚀变矿物样品进行波谱测试,所述计算机用于根据得到的已知矿区蚀变矿物样品实测波谱,基于AETER遥感数据和典型蚀变带理论波谱模型,运用多种蚀变信息提取算法对预测区域ASTER遥感图像进行蚀变信息提取,提取蚀变信息异常区域,圈定最佳找矿靶区。
7.根据权利要求6所述的基于遥感蚀变异常的斑岩铜矿预测系统,其特征在于,所述计算机包括蚀变信息处理模块,所述蚀变信息处理模块包括AETER遥感数据预处理单元、蚀变矿物实测波谱获取单元以及蚀变信息提取单元;所述蚀变信息提取单元用于将典型蚀变带理论波谱模型与通过蚀变矿物实测波谱获取单元获取的已知矿区样品波谱进行对比获得已知矿区地表蚀变矿物特征信息,并将已知矿区样品实测波谱与通过AETER遥感数据预处理单元获取的AETER遥感图像数据进行对比获得已知矿区地表蚀变带波谱图像特征信息,选取几种蚀变信息提取算法对找矿预测区域的AETER遥感图像进行蚀变信息提取,将蚀变信息提取结果进行矢量化叠加分析得到最佳成矿预测靶区,实现成矿靶区预测。
8.根据权利要求7所述的基于遥感蚀变异常的斑岩铜矿预测系统,其特征在于,所述AETER遥感数据预处理单元包括波段串扰去除得到的数据、大气矫正得到的数据、干扰地物去除得到的数据。
9.根据权利要求7所述的基于遥感蚀变异常的斑岩铜矿预测系统,其特征在于,所述蚀变信息提取分析单元包括典型蚀变带理论波谱模型数据,所述典型蚀变带理论波谱模型数据包括典型蚀变矿物及其矿物混合物的双向反射率光谱模拟数据。
10.根据权利要求7所述的基于遥感蚀变异常的斑岩铜矿预测系统,其特征在于,所述蚀变信息提取算法包括彩色增强法、波段比值合成法、光谱指数法、光谱角填图法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610031237.5A CN105574621A (zh) | 2016-01-18 | 2016-01-18 | 基于遥感蚀变异常的斑岩铜矿预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610031237.5A CN105574621A (zh) | 2016-01-18 | 2016-01-18 | 基于遥感蚀变异常的斑岩铜矿预测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105574621A true CN105574621A (zh) | 2016-05-11 |
Family
ID=55884725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610031237.5A Pending CN105574621A (zh) | 2016-01-18 | 2016-01-18 | 基于遥感蚀变异常的斑岩铜矿预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105574621A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107589094A (zh) * | 2017-09-20 | 2018-01-16 | 鞍钢集团矿业有限公司 | 基于光谱特征的鞍山式铁矿石类型确定方法 |
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 |
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 |
CN108593575A (zh) * | 2018-04-18 | 2018-09-28 | 成都理工大学 | 一种基于波谱沙漏工具的多光谱遥感蚀变信息成矿预测方法 |
CN108985130A (zh) * | 2017-05-31 | 2018-12-11 | 核工业北京地质研究院 | 一种基于缓冲区干扰信息去除的蚀变信息提取方法 |
CN110333200A (zh) * | 2019-05-30 | 2019-10-15 | 西藏华钰矿业股份有限公司 | 一种基于短波红外光谱圈定矿化中心的方法 |
CN110618106A (zh) * | 2019-08-12 | 2019-12-27 | 中国地质调查局西安地质调查中心 | 一种基于近红外反射光谱的绿泥石矿物种类鉴定方法 |
CN110658181A (zh) * | 2019-10-24 | 2020-01-07 | 成都理工大学 | 利用矿物拉曼参数对胶东金矿床热液蚀变分带的识别方法 |
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 |
CN111199201A (zh) * | 2020-03-06 | 2020-05-26 | 吉林大学 | 一种多光谱遥感矿化蚀变信息通用优化提取方法 |
CN111709280A (zh) * | 2020-04-30 | 2020-09-25 | 核工业北京地质研究院 | 一种高光谱金矿化蚀变远景区快速识别方法 |
CN113239779A (zh) * | 2021-05-10 | 2021-08-10 | 中国人民武装警察部队黄金第五支队 | 一种基于孔雀石多波段逻辑运算模型的找矿方法及系统 |
CN113486778A (zh) * | 2021-07-01 | 2021-10-08 | 中国科学院空天信息创新研究院 | 一种识别蚀变类型的方法、装置及电子设备 |
CN113554071A (zh) * | 2021-07-08 | 2021-10-26 | 广东石油化工学院 | 一种岩石样品中伴生矿物识别方法及系统 |
CN114575925A (zh) * | 2022-03-14 | 2022-06-03 | 中科海慧(北京)科技有限公司 | 一种基于时空大数据的矿井安全监测和预警的方法 |
CN114612779A (zh) * | 2022-03-14 | 2022-06-10 | 中科海慧(北京)科技有限公司 | 一种基于时空大数据分析的地质矿产勘察方法 |
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 |
CN116242987A (zh) * | 2023-02-24 | 2023-06-09 | 四川省环境政策研究与规划院 | 一种土壤重金属高背景区范围识别方法 |
Citations (4)
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 |
CN102749296A (zh) * | 2012-06-28 | 2012-10-24 | 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 |
CN103207415A (zh) * | 2012-12-30 | 2013-07-17 | 中南大学 | 一种矿化蚀变信息的提取方法 |
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 |
-
2016
- 2016-01-18 CN CN201610031237.5A patent/CN105574621A/zh active Pending
Patent Citations (4)
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 |
CN102749296A (zh) * | 2012-06-28 | 2012-10-24 | 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 |
CN103207415A (zh) * | 2012-12-30 | 2013-07-17 | 中南大学 | 一种矿化蚀变信息的提取方法 |
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 |
Non-Patent Citations (3)
Title |
---|
代晶晶,李庆亭: "基于Hapke和Shkuratov模型的斑岩铜矿蚀变带混合波谱研究", 《地质与勘探》 * |
代晶晶,王瑞江,曲晓明,辛洪波,宋阳: "遥感蚀变信息在西藏多龙矿集区找矿中的应用研究", 《矿物学报》 * |
代晶晶,王瑞江,曲晓明,辛洪波: "TerraSpec波谱仪在西藏多不杂斑岩铜矿区蚀变信息研究中的应用", 《国土资源遥感》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985130A (zh) * | 2017-05-31 | 2018-12-11 | 核工业北京地质研究院 | 一种基于缓冲区干扰信息去除的蚀变信息提取方法 |
CN108985130B (zh) * | 2017-05-31 | 2022-01-07 | 核工业北京地质研究院 | 一种基于缓冲区干扰信息去除的蚀变信息提取方法 |
CN107589094B (zh) * | 2017-09-20 | 2020-02-21 | 鞍钢集团矿业有限公司 | 基于光谱特征的鞍山式铁矿石类型确定方法 |
CN107589094A (zh) * | 2017-09-20 | 2018-01-16 | 鞍钢集团矿业有限公司 | 基于光谱特征的鞍山式铁矿石类型确定方法 |
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 |
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 |
CN108593575A (zh) * | 2018-04-18 | 2018-09-28 | 成都理工大学 | 一种基于波谱沙漏工具的多光谱遥感蚀变信息成矿预测方法 |
CN110333200A (zh) * | 2019-05-30 | 2019-10-15 | 西藏华钰矿业股份有限公司 | 一种基于短波红外光谱圈定矿化中心的方法 |
CN110618106A (zh) * | 2019-08-12 | 2019-12-27 | 中国地质调查局西安地质调查中心 | 一种基于近红外反射光谱的绿泥石矿物种类鉴定方法 |
CN110658181A (zh) * | 2019-10-24 | 2020-01-07 | 成都理工大学 | 利用矿物拉曼参数对胶东金矿床热液蚀变分带的识别方法 |
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 |
CN111199201A (zh) * | 2020-03-06 | 2020-05-26 | 吉林大学 | 一种多光谱遥感矿化蚀变信息通用优化提取方法 |
CN111709280A (zh) * | 2020-04-30 | 2020-09-25 | 核工业北京地质研究院 | 一种高光谱金矿化蚀变远景区快速识别方法 |
CN111709280B (zh) * | 2020-04-30 | 2023-04-18 | 核工业北京地质研究院 | 一种高光谱金矿化蚀变远景区快速识别方法 |
CN113239779A (zh) * | 2021-05-10 | 2021-08-10 | 中国人民武装警察部队黄金第五支队 | 一种基于孔雀石多波段逻辑运算模型的找矿方法及系统 |
CN113486778A (zh) * | 2021-07-01 | 2021-10-08 | 中国科学院空天信息创新研究院 | 一种识别蚀变类型的方法、装置及电子设备 |
CN113554071A (zh) * | 2021-07-08 | 2021-10-26 | 广东石油化工学院 | 一种岩石样品中伴生矿物识别方法及系统 |
CN113554071B (zh) * | 2021-07-08 | 2022-05-20 | 广东石油化工学院 | 一种岩石样品中伴生矿物识别方法及系统 |
CN114575925A (zh) * | 2022-03-14 | 2022-06-03 | 中科海慧(北京)科技有限公司 | 一种基于时空大数据的矿井安全监测和预警的方法 |
CN114612779A (zh) * | 2022-03-14 | 2022-06-10 | 中科海慧(北京)科技有限公司 | 一种基于时空大数据分析的地质矿产勘察方法 |
CN114575925B (zh) * | 2022-03-14 | 2022-11-18 | 中科海慧(北京)科技有限公司 | 一种基于时空大数据的矿井安全监测和预警的方法 |
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 |
CN116242987A (zh) * | 2023-02-24 | 2023-06-09 | 四川省环境政策研究与规划院 | 一种土壤重金属高背景区范围识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105574621A (zh) | 基于遥感蚀变异常的斑岩铜矿预测系统及方法 | |
Pour et al. | Hydrothermal alteration mapping from Landsat-8 data, Sar Cheshmeh copper mining district, south-eastern Islamic Republic of Iran | |
AU2020101520A4 (en) | Method for identifying exposed and buried fault structures in granite-type uranium province | |
Sun et al. | Extracting mineral alteration information using WorldView-3 data | |
CN104537375B (zh) | 一种基于卫星遥感数据的褐铁矿化信息提取方法 | |
CN107192673B (zh) | 基于aster和地下岩芯光谱测量技术的一体化地质填图方法 | |
CN108171210B (zh) | 一种植被覆盖区蚀变遥感异常信息的提取方法及系统 | |
CN103383348A (zh) | 植被覆盖区高光谱遥感蚀变矿物提取方法 | |
Mahboob et al. | Mapping hydrothermal minerals using remotely sensed reflectance spectroscopy data from Landsat | |
CN107589094A (zh) | 基于光谱特征的鞍山式铁矿石类型确定方法 | |
CN113625363A (zh) | 伟晶岩型锂矿的找矿方法及装置、计算机设备及介质 | |
Bhadra et al. | Spectral characteristics of talc and mineral abundance mapping in the Jahazpur Belt of Rajasthan, India using AVIRIS-NG data | |
Pour et al. | Evaluation of earth observing-1 (EO1) data for lithological and hydrothermal alteration mapping: a case study from Urumieh-Dokhtar volcanic belt, SE Iran | |
Zhang et al. | A New Approach for Mineral Mapping Using Drill-Core Hyperspectral Image | |
Schmid et al. | Spatial and spectral analysis of soil surface properties for an archaeological area in Aksum, Ethiopia, applying high and medium resolution data | |
Xu et al. | Detection of alteration zones using hyperspectral remote sensing data from Dapingliang skarn copper deposit and its surrounding area, Shanshan County, Xinjiang Uygur autonomous region, China | |
Thannoun | Mapping lithological and mineralogical units using hyperspectral imagery | |
Brandmeier | Remote sensing of Carhuarazo volcanic complex using ASTER imagery in Southern Peru to detect alteration zones and volcanic structures–a combined approach of image processing in ENVI and ArcGIS/ArcScene | |
Jiang et al. | Lithium‐bearing Pegmatite Exploration in Western Altun, Xinjiang, using Remote‐Sensing Technology | |
Mahan et al. | Exploring porphyry copper deposits in the central Iran using remote sensing techniques | |
Dong et al. | Progress and prospectives on engineering application of hyperspectral remote sensing for geology and mineral resources | |
Habashi et al. | Classification of ASTER Data by Neural Network to Mapping Alterations Related to Copper and Iron Mineralization in Birjand | |
Arvelyna et al. | Hyperspectral mapping for rock and alteration mineral with Spectral Angle Mapping and Neural Network classification method: Study case in Warmbad district, south of Namibia | |
Ahmed | Hydrothermal Alteration Mapping for Geothermal Exploration in Manda-Inakir Area, NW of the Republic of Djibouti | |
Alghamdi et al. | Preliminary Site Investigation based on RGB Electromagnetic Energy of Landsat-7 Images in Wadi Fayidah, Saudi Arabia |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160511 |