CN106842348A - 油气微渗漏高光谱遥感识别方法 - Google Patents

油气微渗漏高光谱遥感识别方法 Download PDF

Info

Publication number
CN106842348A
CN106842348A CN201510886245.3A CN201510886245A CN106842348A CN 106842348 A CN106842348 A CN 106842348A CN 201510886245 A CN201510886245 A CN 201510886245A CN 106842348 A CN106842348 A CN 106842348A
Authority
CN
China
Prior art keywords
oil gas
grating
spectrum
micro blazed
gas micro
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510886245.3A
Other languages
English (en)
Other versions
CN106842348B (zh
Inventor
童勤龙
刘德长
王茂芝
杨燕杰
余永安
徐本宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Institute of Uranium Geology
Original Assignee
Beijing Research Institute of Uranium Geology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Research Institute of Uranium Geology filed Critical Beijing Research Institute of Uranium Geology
Priority to CN201510886245.3A priority Critical patent/CN106842348B/zh
Publication of CN106842348A publication Critical patent/CN106842348A/zh
Application granted granted Critical
Publication of CN106842348B publication Critical patent/CN106842348B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/02—Prospecting

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明属于油气微渗漏信息提取技术领域，具体公开一种油气微渗漏高光谱遥感识别方法，包括：选择地面高光谱数据的区域，用地面波谱仪获取该区域光谱数据；对光谱数据进行光谱平均、水汽去除、噪声去除处理；将光谱数据曲线建立微渗漏光谱数据库，获得油气微渗漏光谱曲线；对油气微渗漏光谱曲线分析，得到光谱曲线特征；对油气微渗漏光谱曲线进行包络线去除，并进行吸收峰特征参数提取；利用掩膜提取烃及其蚀变的粘土化信息，即提取油气异常信息；根据油气微渗漏光谱曲线光谱库，对掩膜后的影像进行全波段匹配分类识别，提取出最终的油气微渗漏异常信息。该方法能够将具有类似油气烃光谱吸收特征的干扰地物剔除，直接提取出油气微渗漏信息。

Description

油气微渗漏高光谱遥感识别方法
技术领域
本发明属于油气微渗漏信息提取技术领域，具体涉及一种油气微渗漏高光谱遥感识别方法。
背景技术
已有的研究认为油气微渗漏会引起地表发生异常，包括烃异常、粘土矿化和碳酸盐化蚀变、二价铁增高、植被异常等，遥感技术通常是探测这些异常来反映油气微渗漏信息。然而，能引起上述异常变化的原因很多，比如粘土矿化可以是风化作用或热液作用形成，碳酸盐化也可以是热液作用形成，矿化热液也可使二价铁增高，气候条件也能使植被发生异常等。所以，如何排除其它原因的可能性，而真正提取出与油气微渗漏有关的异常信息是一个难题。已有研究认为与油气有关烃的光谱在波长1730nm处有一个吸收峰，在2310nm和2340nm处有一个“W”型吸收峰，其中1730nm处为诊断性吸收峰。但是，按照这种特征提取油气渗漏的烃信息却存在很多干扰因素，比如塑料薄膜、一些植被、油毡屋顶、柏油路等，这些干扰因素同样具有在1730nm附近的诊断性吸收峰，从而影响对油气渗漏信息的判断。所以，利用高光谱遥感技术提取油气微渗漏信息，有必要先建立油气微渗漏独有的高光谱遥感识别模型。
发明内容
本发明的目的在于提供一种油气微渗漏高光谱遥感识别方法，该方法能够将具有类似油气烃光谱吸收特征的干扰地物剔除，直接提取出油气微渗漏信息。
实现本发明目的的技术方案：一种油气微渗漏高光谱遥感识别方法，该方法具体包括如下步骤：
步骤(1)选择地面高光谱数据的区域；
步骤(2)选择具有油气微渗漏异常现象的地区作为测量对象，利用地面波谱仪，获取光谱数据；
步骤(3)对上述步骤(2)中获取的地面原始光谱数据进行光谱平均、水汽去除、噪声去除处理；
步骤(4)将上述步骤(3)处理后的地面原始光谱数据曲线建立微渗漏光谱数据库，获得油气微渗漏光谱曲线；
步骤(5)对上述步骤(4)中得到的油气微渗漏光谱曲线进行分析，得到油气微渗漏光谱曲线特征；
步骤(6)对上述步骤(5)中得到的油气微渗漏光谱曲线进行包络线去除，并进行吸收峰特征参数的提取；
步骤(7)利用掩膜提取烃及其蚀变的粘土化信息，即提取油气异常信息；
步骤(8)根据据步骤(4)中获取的油气微渗漏光谱曲线所构建的光谱库，对掩膜后的影像进行全波段匹配分类识别，提取出最终的油气微渗漏异常信息。
所述的步骤(2)中测量上述步骤(1)中地面高光谱数据的区域内微渗漏地段的断裂发育处、地层不整合面处的岩石、土壤地物光谱，共测量样本201个；同时测量该区域内的植被、屋顶油毡、农田的塑料薄膜、柏油路等干扰地物光谱，测量样本60个。
所述的步骤(3)中光谱平均处理具体方法：每个测量对象均测量三次地物光谱，以三条光谱数据的平均值作为最终光谱数据。
所述的步骤(3)的噪声去除处理中对1450-1830nm、1886-2500nm范围进行小波去噪。
所述的步骤(6)中首吸收峰特征参数包括吸收位置、吸收深度、吸收面积、宽度、斜率、对称度。
所述的步骤(7)中采用掩膜技术提取在1730nm和2210nm处具有吸收指示特性的像元，在1730nm处的掩膜为：R1730-r>R1730且R1730<R1730+r；在2210nm处的掩膜为：R2210-r>R2210且R2210<R2210+r。
所述的步骤(8)中光谱信息散度SID(A,B)＝D(A||B)+D(B||A)。
本发明的有益技术效果在于：传统的遥感技术方法探测油气渗漏是分别提取油气渗漏的烃及其引起的蚀变矿物等，而该方法是利用烃及其蚀变矿物的混合模型来直接提取油气微渗漏信息。对于干扰地物较多的覆盖区，利用油气微渗漏高光谱模型可以对干扰因素进行剔除，从而使提取的油气渗漏异常信息更加可靠。
附图说明
图1为本发明所提供的一种油气微渗漏高光谱遥感特征曲线的结构示意图；
图2为本发明所提供的一种干扰地物与油气渗漏光谱曲线对比图；
图3为本发明所提供的一种油气弱信息提取野外验证效果图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
本发明所提供的一种油气微渗漏高光谱遥感识别方法，该方法具体包括如下步骤：
步骤(1)选择地面高光谱数据的区域。
选择具有油气微渗漏异常并且已证实地下有油气藏的地区作为获取地面高光谱数据的区域，如新疆克拉玛依地区和吉木萨尔地区作为获取地面高光谱数据的区域。
步骤(2)选择具有油气微渗漏异常现象的地区作为测量对象，利用地面波谱仪，获取光谱数据。
选择断裂发育处、地层不整合面等易于导致油气微渗漏的构造环境附近的地层、岩石、风化物、土壤等地物，测量其地面光谱，同时测量有干扰因素地区内植被、屋顶油毡、农田塑料薄膜、柏油路等地物的光谱。
测量上述步骤(1)中地面高光谱数据的区域内微渗漏地段的断裂发育处、地层不整合面处的岩石、土壤地物光谱，共测量样本201个。同时测量该区域内的植被、屋顶油毡、农田的塑料薄膜、柏油路等干扰地物光谱，测量样本60个。测量仪器选用美国SVC公司生产的SVC HR-1024地物波谱仪，光谱范围350—2500nm，光谱分辨率在350—1000nm波段小于3.5nm，在1000—1850nm波段小于9.5nm，在1850—2500nm波段小于6.5nm。
步骤(3)对上述步骤(2)中获取的地面原始光谱数据进行光谱平均、水汽去除、噪声去除处理。
光谱平均处理具体方法：每个测量对象均测量三次地物光谱，以三条光谱数据的平均值作为最终光谱数据，光谱数据平均使用ENVI软件中Spectral Math工具完成。
水汽去除处理具体方法：野外利用太阳光直接测量地物光谱，容易受天气和水汽影响，获得的光谱曲线在水汽吸收波段具有明显噪声，在光谱1850nm—2000nm区间，数据可靠性基本为零，2500nm以后的光谱曲线基本无法使用，这些波段因为不是反映油气信息的主要波段，所以直接截断。
噪声去除处理具体方法：为了保留油气渗漏的一些弱信息，使用分段小波去噪的方法，对实测光谱曲线噪声较大，或者主要反映油气信息的吸收波段进行小波去噪，而且不同吸收峰波段选用不同的小波参数，以实现每个吸收峰特征最大限度的保留真实光谱信息和细节特征，对其它噪声少、无吸收特征、质量较好的波段范围不做处理。本发明中对光谱350-1450nm范围不做处理，对光谱1450-1830nm、1886-2500nm范围分别进行小波去噪。
步骤(4)将上述步骤(3)处理后的地面原始光谱数据曲线建立微渗漏光谱数据库，获得油气微渗漏光谱曲线。
在ENVI软件中，将处理后的地面原始光谱数据曲线按照微渗漏和干扰信息分别建库。
步骤(5)对上述步骤(4)中得到的油气微渗漏光谱曲线进行分析，得到即油气微渗漏光谱曲线烃及其蚀变矿物组合特征，油气微渗漏高光谱模型。
对上述步骤(4)中得到的油气微渗漏光谱曲线进行统计分析，归纳总结油气微渗漏光谱曲线烃及其蚀变矿物组合特征，即该特征即为油气微渗漏高光谱模型。
例如如图1所示，油气微渗漏光谱曲线特征如下：在波长1731nm附近有一个极微弱的单吸收峰；在波长2210附近有明显的粘土化吸收特征(高岭土化或伊利石化)；部分碳酸盐化较明显，曲线在波长2345nm附近有明显吸收峰；相对宏渗漏光谱曲线，微渗漏在2310nm和2340nm处的“W”型双吸收峰不明显。
步骤(6)对上述步骤(5)中得到的油气微渗漏光谱曲线进行包络线去除，并进行吸收峰特征参数的提取。
首先对上述光谱曲线进行包络线去除，然后通过IDL语言编程实现对微渗漏光谱曲线在波长1730nm附近吸收峰特征参数的提取，包括吸收位置、吸收深度、吸收面积、宽度、斜率、对称度6个参数，提取结果统计如下：
参数 吸收峰位置 吸收深度 吸收面积 吸收宽度 吸收面积斜率 对称度
最大值 1757.5nm 0.6168 307.375 94.2999 0.0394 1.0208
最小值 1721.2nm 0.0623 108.922 43.5 0.0000244 0.9184
平均值 1731.48nm 0.2285 183.9952 56.2203 0.005 0.9774
步骤(7)利用掩膜提取烃及其蚀变的粘土化信息，即提取油气异常信息。
用掩膜技术构建掩膜，提取在1730nm和2210nm处具有吸收指示特性的像元，在1730nm处的掩膜为：R1730-r>R1730且R1730<R1730+r；在2210nm处的掩膜为：R2210-r>R2210且R2210<R2210+r
R代表在相应波长的光谱反射率，r代表探测器的光谱分辨率，如对于SASI，即短波红外数据的光谱分辨率为15nm。经掩膜处理后的影像实现了烃及其蚀变的粘土化信息提取，即主要的油气异常信息。
步骤(8)根据步骤(4)中获取的油气微渗漏光谱曲线所构建的光谱数据库，利用SID全波段匹配方法，对掩膜后的影像进行全波段匹配分类识别，提取出最终的油气微渗漏异常信息。
其中SID的计算公式如下：假设高光谱影像两个像元N个波段的光谱分别为A＝(A1，A2，…AN),B＝(B1,B2,…BN),则光谱信息散度SID定义为：
SID(A,B)＝D(A||B)+D(B||A)
其中：
D(A||B)表示B关于A的相对熵，Pi、qi表示第i个波段反射率出现的概率
如图2所示，虽然红柳茎秆、柏油路、屋顶油毡、塑料薄膜等干扰地物与油气渗漏光谱曲线在1730nm附近均有一个单独的吸收峰，但干扰地物在2210nm处明显没有粘土吸收特征，2345nm处也没有碳酸盐吸收特征。因此，可以利用油气渗漏光谱烃和相关蚀变矿物的组合特征在高光谱影像中将上述干扰地物排除，并提取出油气微渗漏信息。
采用本发明的油气微渗漏方法，能够在高光谱油气信息填图中将地面塑料薄膜、油毡屋顶、柏油路、植被等干扰因素剔除，从而突出油气微渗漏信息。剔除干扰因素后的异常更好的显示了油气渗漏异常，经野外验证，验证区表层土壤有明显的油迹，且表层和深层土壤的光谱曲线均显示出油气微渗漏的特征。
上面结合附图和实施例对本发明作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。本发明中未作详细描述的内容均可以采用现有技术。

Claims (7)

1.一种油气微渗漏高光谱遥感识别方法，其特征在于，该方法具体包括如下步骤：
步骤(1)选择地面高光谱数据的区域；
步骤(2)选择具有油气微渗漏异常现象的地区作为测量对象，利用地面波谱仪，获取光谱数据；
步骤(3)对上述步骤(2)中获取的地面原始光谱数据进行光谱平均、水汽去除、噪声去除处理；
步骤(4)将上述步骤(3)处理后的地面原始光谱数据曲线建立微渗漏光谱数据库，获得油气微渗漏光谱曲线；
步骤(5)对上述步骤(4)中得到的油气微渗漏光谱曲线进行分析，得到油气微渗漏光谱曲线特征；
步骤(6)对上述步骤(5)中得到的油气微渗漏光谱曲线进行包络线去除，并进行吸收峰特征参数的提取；
步骤(7)利用掩膜提取烃及其蚀变的粘土化信息，即提取油气异常信息；
步骤(8)根据据步骤(4)中获取的油气微渗漏光谱曲线所构建的光谱库，对掩膜后的影像进行全波段匹配分类识别，提取出最终的油气微渗漏异常信息。
2.根据权利要求1所述的一种油气微渗漏高光谱遥感识别方法，其特征在于：所述的步骤(2)中测量上述步骤(1)中地面高光谱数据的区域内微渗漏地段的断裂发育处、地层不整合面处的岩石、土壤地物光谱，共测量样本201个；同时测量该区域内的植被、屋顶油毡、农田的塑料薄膜、柏油路等干扰地物光谱，测量样本60个。
3.根据权利要求2所述的一种油气微渗漏高光谱遥感识别方法，其特征在于：所述的步骤(3)中光谱平均处理具体方法：每个测量对象均测量三次地物光谱，以三条光谱数据的平均值作为最终光谱数据。
4.根据权利要求3所述的一种油气微渗漏高光谱遥感识别方法，其特征在于：所述的步骤(3)的噪声去除处理中对1450-1830nm、1886-2500nm范围进行小波去噪。
5.根据权利要求4所述的一种油气微渗漏高光谱遥感识别方法，其特征在于：所述的步骤(6)中首吸收峰特征参数包括吸收位置、吸收深度、吸收面积、宽度、斜率、对称度。
6.根据权利要求5所述的一种油气微渗漏高光谱遥感识别方法，其特征在于：所述的步骤(7)中采用掩膜技术提取在1730nm和2210nm处具有吸收指示特性的像元，在1730nm处的掩膜为：R1730-r>R1730且R1730<R1730+r；在2210nm处的掩膜为：R2210-r>R2210且R2210<R2210+r。
7.根据权利要求6所述的一种油气微渗漏高光谱遥感识别方法，其特征在于：所述的步骤(8)中光谱信息散度SID(A,B)＝D(A||B)+D(B||A)。
CN201510886245.3A 2015-12-04 2015-12-04 油气微渗漏高光谱遥感识别方法 Active CN106842348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510886245.3A CN106842348B (zh) 2015-12-04 2015-12-04 油气微渗漏高光谱遥感识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510886245.3A CN106842348B (zh) 2015-12-04 2015-12-04 油气微渗漏高光谱遥感识别方法

Publications (2)

Publication Number Publication Date
CN106842348A true CN106842348A (zh) 2017-06-13
CN106842348B CN106842348B (zh) 2019-06-18

Family

ID=59150907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510886245.3A Active CN106842348B (zh) 2015-12-04 2015-12-04 油气微渗漏高光谱遥感识别方法

Country Status (1)

Country Link
CN (1) CN106842348B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
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
CN109813660A (zh) * 2018-12-25 2019-05-28 核工业北京地质研究院 一种分段式的矿物光谱噪声处理方法
CN110361315A (zh) * 2019-08-22 2019-10-22 核工业北京地质研究院 一种检测原油馏分渗漏过程中表层土壤光谱变化的装置和使用方法
CN111044484A (zh) * 2019-12-30 2020-04-21 核工业北京地质研究院 一种利用粘土蚀变光谱特征识别油气渗漏强度的方法
CN111157488A (zh) * 2019-12-20 2020-05-15 核工业北京地质研究院 一种利用光谱特征反映油气渗漏区碳酸盐蚀变强度的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102012528A (zh) * 2010-11-23 2011-04-13 北京理工大学 一种稀疏植被地区的高光谱遥感油气勘探方法
CN102944524A (zh) * 2011-08-14 2013-02-27 北京理工大学 一种用于油气勘探的光谱库的实现方法
CN103353616A (zh) * 2013-07-05 2013-10-16 吉林大学 一种基于高光谱遥感数据快速识别油气微渗漏的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102012528A (zh) * 2010-11-23 2011-04-13 北京理工大学 一种稀疏植被地区的高光谱遥感油气勘探方法
CN102944524A (zh) * 2011-08-14 2013-02-27 北京理工大学 一种用于油气勘探的光谱库的实现方法
CN103353616A (zh) * 2013-07-05 2013-10-16 吉林大学 一种基于高光谱遥感数据快速识别油气微渗漏的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
候毅: "《高光谱遥感蚀变矿物填图算法对比研究及应用》", 《成都理工大学硕士学位论文2015》 *
张天宇: "《基于高光谱遥感的黄土覆盖区油气微渗漏信息提取》", 《吉林大学硕士学位论文2015年》 *
李志忠等: "《高光谱遥感技术及资源勘查应用进展》", 《中国地质大学学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
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
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
CN109813660A (zh) * 2018-12-25 2019-05-28 核工业北京地质研究院 一种分段式的矿物光谱噪声处理方法
CN110361315A (zh) * 2019-08-22 2019-10-22 核工业北京地质研究院 一种检测原油馏分渗漏过程中表层土壤光谱变化的装置和使用方法
CN110361315B (zh) * 2019-08-22 2022-05-17 核工业北京地质研究院 一种检测原油馏分渗漏过程中表层土壤光谱变化的装置和使用方法
CN111157488A (zh) * 2019-12-20 2020-05-15 核工业北京地质研究院 一种利用光谱特征反映油气渗漏区碳酸盐蚀变强度的方法
CN111044484A (zh) * 2019-12-30 2020-04-21 核工业北京地质研究院 一种利用粘土蚀变光谱特征识别油气渗漏强度的方法

Also Published As

Publication number Publication date
CN106842348B (zh) 2019-06-18

Similar Documents

Publication Publication Date Title
Demattê et al. Geospatial Soil Sensing System (GEOS3): A powerful data mining procedure to retrieve soil spectral reflectance from satellite images
CN106842348A (zh) 油气微渗漏高光谱遥感识别方法
CN102012528B (zh) 一种稀疏植被地区的高光谱遥感油气勘探方法
CN103383348B (zh) 植被覆盖区高光谱遥感蚀变矿物提取方法
Bayer et al. A comparison of feature-based MLR and PLS regression techniques for the prediction of three soil constituents in a degraded South African ecosystem
CN102193090B (zh) 一种遥感图像混合像元分解方法
CN101101338A (zh) 一种油气勘探方法及系统
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
CN106548146A (zh) 基于时空分析的地表覆盖变化算法和系统
CN102354328B (zh) 全球陆表的lai产品反演方法及系统
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
CN104050252A (zh) 一种高光谱遥感蚀变信息提取方法
CN110687053B (zh) 一种基于高光谱影像的区域有机质含量估算方法和装置
Mateen et al. The role of hyperspectral imaging: A literature review
Gomez et al. Analysis of the uncertainties affecting predictions of clay contents from VNIR/SWIR hyperspectral data
Chen et al. Rapid determination of soil classes in soil profiles using vis–NIR spectroscopy and multiple objectives mixed support vector classification
CN110388986A (zh) 基于tasi数据的土地表面温度反演方法
CN111062265A (zh) 一种适于高光谱遥感影像的阴影检测方法
Frassy et al. Minimum noise fraction transform for improving the classification of airborne hyperspectral data: Two case studies
Wu et al. Degraded land detection by soil particle composition derived from multispectral remote sensing data in the Otindag Sandy Lands of China
CN103927558A (zh) 一种软硬变化检测的冬小麦遥感识别方法
Li et al. Hyper-spectral estimation of wheat biomass after alleviating of soil effects on spectra by non-negative matrix factorization
Feng et al. The topographic normalization of hyperspectral data: Implications for the selection of spectral end members and lithologic mapping
He et al. ICESat-2 data classification and estimation of terrain height and canopy height
CN104380082A (zh) 钻石的红外分析

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant