CN107561024B - 一种适用于盐湖富铀水体的高光谱遥感识别方法 - Google Patents
一种适用于盐湖富铀水体的高光谱遥感识别方法 Download PDFInfo
- Publication number
- CN107561024B CN107561024B CN201710579982.8A CN201710579982A CN107561024B CN 107561024 B CN107561024 B CN 107561024B CN 201710579982 A CN201710579982 A CN 201710579982A CN 107561024 B CN107561024 B CN 107561024B
- Authority
- CN
- China
- Prior art keywords
- uranium
- salt lake
- water
- intensity
- spectral
- 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
本发明属盐湖水体信息提取技术领域,具体涉及一种适用于盐湖富铀水体的高光谱遥感识别方法。本发明包括如下步骤:一、盐湖水体反射光谱测量,获取盐湖水体样本的反射率曲线;二、室内盐湖水样铀元素分离和铀含量分析测试;三、盐湖水样高光谱数据预处理;四、水样高光谱数据噪声去除;五、水样高光谱数据包络线去除;六、基于光谱吸收特征分析技术的不同铀含量水样光谱诊断特征提取;七、基于光谱一阶和二阶微分技术的不同铀含量水样光谱诊断特征提取。本发明能够快速识别盐湖富铀水域,缩小找矿靶区,对于降低盐湖铀资源勘查和分析成本具有十分重要的意义,也为基于航空/航天遥感技术快速识别盐湖富铀水域提供了判别理论和技术支撑。
Description
技术领域
本发明属盐湖水体信息提取技术领域,具体涉及一种适用于盐湖富铀水体的高光谱遥感识别方法。
背景技术
现今,随着煤、石油等传统能源消耗导致雾霾天气出现的频率和PM2.5指数的屡创新高,核能作为一种无碳、经济、安全的清洁能源,越来越受到世界各国的高度重视。当前,由于各国常规铀资源整体储量的不断控制、开采深度加深带来开采难度的不断加大,纷纷探寻新的铀资源类型以保障其长远的发展需求,而盐湖铀资源作为一种储量丰富的非常规战略铀资源吸引着世界各国的眼球。
我国盐湖数量众多,卤水矿产资源多样且多量。根据已开展水文调查工作的盐湖水样分析数据显示,部分盐湖卤水中蕴藏着丰富的铀资源(铀含量达5mg/l)。核工业北京地质研究院王志明等于2010年-2013年对我国盐湖含铀性进行了系统地调查评价,定义了富铀盐湖的概念为盐湖铀含量大于330μg/l,总结出了我国盐湖铀资源储量丰富。一般来说,河流、湖泊等普通水体中微量元素含量分布均匀。但由于盐湖不同方位蚀源区铀源的供给能力,以及盐湖地表、深部补给量和蒸发量的强度不同,造成了盐湖不同水域铀含量高低的不同。因此,若获知盐湖水域的铀含量分布,需对盐湖水进行网格式的系统取样和化学分析。而我国盐湖水域面积广阔,且多分布在人烟稀少,交通不畅的高海拔地区或荒漠区,传统的人工取样化学分析测试铀含量的方法成本高、效率低,不利于大规模开展。因此,开展盐湖富铀水体(铀含量大于330μg/l)的低成本、快速识别具有重要的现实和战略意义。
高光谱遥感技术的快速发展为实现盐湖富铀水体快速识别带来了契机,但盐湖水体物化成分复杂,相对高盐度水体中浓度较低的铀含量对光谱识别带来了很大的考验。国内外学者对盐湖水体的光谱特征开展了相关研究,Bhargana等在实验室条件下测试了低浓度单一成分(含NaCl)盐水的波谱;Crowley等进行了硫酸盐盐湖水中芒硝和石膏等矿物光谱测定,总结得出了该种矿物的光谱反射特征。王跃峰等用便携式远红外矿物分析仪对淡水和高矿化度卤水做了简单的波谱测试,得出高矿化度卤水的反射率明显高于淡水的结论。但限于研究领域的限制,国内外学者没有开展盐湖富铀水体的高光谱特征和识别技术研究。
发明内容
本发明要解决的技术问题:提供一种适用于盐湖富铀水体的高光谱遥感识别方法,能够有效降低盐湖富铀水域识别的勘查和化学分析成本。
本发明采用的技术方案:
为解决上述技术问题,本发明一种适用于盐湖富铀水体的高光谱遥感识别方法,依次包括如下步骤:
步骤一、盐湖水样反射光谱测量。为保证盐湖区域不同铀含量水体光谱特征研究的有效性,采集某一盐湖不同方位湖水、盐池、咸水和淡水若干水样,在室内基于高光谱数据测量仪对水样进行反射光谱测量,获取水样的高光谱曲线;
步骤二、盐湖水样铀含量分析测试。对第一步中采集的盐湖水样在化学分析实验室内进行铀的分离,对分离后的溶液测定铀的含量,获取每个水样铀含量的真实值,铀含量的测定精度可达90%以上;
步骤三、盐湖水样高光谱数据预处理。对步骤一中获取的盐湖水域高光谱曲线进行预处理,获取预处理后的水样高光谱数据;
步骤四、水样高光谱数据噪声去除。对步骤三中获取的预处理后的高光谱曲线进行噪声去除,获取信噪比高的盐湖水样高光谱数据;
步骤五、水样高光谱数据包络线去除。对步骤四中获取的光谱曲线进行包络线去除,获取反射率归一化后的光谱曲线;
步骤六、基于光谱吸收特征分析技术的不同铀含量水样光谱诊断特征提取。在可见-近红外波长范围内,基于光谱吸收特征分析技术对不同铀含量盐湖水的高光谱诊断特征进行提取,获取铀含量大于300ug/L的盐湖水光谱诊断特征参数P1、P2、P3…(吸收峰波段位置)和吸收强度及R1、R2、R3…(反射峰波段位置)和反射强度,建立盐湖富铀水体的光谱吸收诊断模型;
步骤七、基于光谱一阶微分技术的不同铀含量水样光谱诊断特征提取。在可见-近红外波长范围内,基于光谱一阶微分技术对不同铀含量盐湖水的高光谱诊断特征进行提取,获取铀含量大于300ug/L的盐湖水一阶微分光谱诊断特征参数FG-11、FG-12、FG-13…(峰谷波长)和吸收强度及FJ-11、FJ-12、FJ-13…(峰尖波长)和强度,建立盐湖富铀水体的一阶微分光谱诊断模型。
步骤八、基于光谱二阶微分技术的不同铀含量水样光谱诊断特征提取。在可见-近红外波长范围内,基于光谱二阶微分技术对不同铀含量盐湖水的高光谱诊断特征进行提取,获取铀含量大于300ug/L的盐湖水二阶微分光谱诊断特征参数FG-21、FG-22、FG-23…(峰谷波长)、吸收强度及FJ-21、FJ-22、FJ-23…(峰尖波长)和强度,建立盐湖富铀水体的二阶微分光谱诊断模型。
所述步骤一中,高光谱数据测量仪是指美国ASD公司生产的FieldSpec PRO FR光谱仪;
所述步骤二中,铀的分离过程用Chelex-100螯合树脂将盐湖水中大量的可溶盐基体与铀及部分微量元素分离;铀含量的测定采用美国PE公司生产的ICP-MS仪器。
所述步骤三中,预处理技术包括基线校正、填充零技术;
所述步骤四中,噪声去除技术包括光谱均值和中值平滑技术;
所述步骤六、步骤七中,可见-近红外波长指波长范围为350nm~1500nm;
所述步骤六中,光谱吸收特征分析技术采用连续统去除法(continnum removal);吸收峰波长位置P1=592nm、吸收强度较强,P2=607nm、吸收强度强,P3=759nm、吸收强度较强,P4=1163nm、吸收强度较强;反射峰波段位置R1=705nm、反射强度较弱,R2=805nm、反射强度较强,R3=1073nm、反射强度较强;
所述步骤七中,一阶微分峰谷波长位置FG-11=588nm、强度较强,FG-12=834nm、强度较强,FG-13=927nm、强度强,FG-14=1131nm、强度较强;一阶微分峰尖波长位置FJ-11=596nm、强度较强,FJ-12=790nm、强度较强,FJ-13=1050nm、强度较强。
所述步骤八中,二阶微分峰谷波长位置FG-21=599nm、强度较强,FG-22=822nm、强度较强,FG-23=920nm、强度强,FG-24=966nm、强度强;二阶微分峰尖波长位置FJ-21=590nm、强度较强,FJ-22=734nm、强度较强,FJ-23=969nm、强度强。
本发明的有益技术效果在于:本发明的方法能够快速识别富铀盐湖水域,缩小找矿靶区,对于降低盐湖铀资源勘查和分析成本具有十分重要的意义,也为基于航空/航天遥感技术快速识别盐湖富铀水域提供判别理论和技术支撑。
具体实施方式
下面结合实施例对本发明提供的一种适用于盐湖富铀水体的高光谱遥感识别方法作进一步详细说明。
本发明一种适用于盐湖富铀水体的高光谱遥感识别方法,包括如下步骤:
步骤一、盐湖水样反射光谱测量。
为保证盐湖区域不同铀含量水样光谱特征研究的有效性,采集某一盐湖不同方位湖水、盐池、咸水和淡水若干水样,在室内基于美国ASD公司生产的FieldSpec PRO FR光谱仪对水样进行反射光谱测量,获取水样的高光谱曲线;
步骤二、盐湖水样铀含量分析测试。
对步骤一中采集的盐湖水样在化学分析实验室内采用Chelex-100螯合树脂将盐湖水中大量的可溶盐基体与铀及部分微量元素分离,对分离后的溶液采用美国PE公司生产的ICP-MS仪器测定铀的含量,获取每个水样铀含量的真实值,铀含量的测定精度可达90%以上;
步骤三、水样高光谱数据预处理。
对步骤一中获取的水样高光谱曲线采用基线校正和填充零技术进行预处理,获取预处理后的水样高光谱数据;
步骤四、水样高光谱数据噪声去除。
对步骤三中获取的预处理后的高光谱曲线采用光谱均值和中值平滑技术进行噪声去除,获取信噪比高的盐湖水样高光谱数据;
步骤五、水样高光谱数据包络线去除。
对步骤四中获取的光谱曲线进行包络线去除,获取反射率归一化后的光谱曲线;
步骤六、基于光谱吸收特征分析技术的不同铀含量水样光谱诊断特征提取。
在可见-近红外(350nm~1500nm)波长范围内,基于连续统去除法光谱吸收特征分析技术对不同铀含量盐湖水的高光谱诊断特征进行提取,获取铀含量大于300ug/L的盐湖水光谱诊断特征参数P1=592nm、吸收强度较强,P2=607nm、吸收强度强,P3=759nm、吸收强度较强,P4=1163nm、吸收强度较强(P1,P2,P3,P4为吸收峰波长);反射峰波段位置R1=705nm、反射强度较弱,R2=805nm、反射强度较强,R3=1073nm、反射强度较强(R1,R2,R3为反射峰波长),建立富铀盐湖的光谱吸收诊断模型,如表1所示;
表1盐湖富铀水体光谱诊断模型表
步骤七、基于光谱一阶微分技术的不同铀含量水样光谱诊断特征提取。
在可见-近红外(350nm~1500nm)波长范围内,基于光谱一阶微分技术对不同铀含量盐湖水的高光谱诊断特征进行提取,获取铀含量大于300ug/L的盐湖水一阶微分光谱诊断特征参数FG-11=588nm、峰谷强度较强,FG-12=834nm、强度较强,FG-13=927nm、峰谷强度强,FG-14=1131nm、峰谷强度较强(FG-11,FG-12,FG-13,FG-14为峰谷波长),FJ-11=596nm、峰尖强度较强,FJ-12=790nm、峰尖强度较强,FJ-13=1050nm、峰尖强度较强(FJ-11,FJ-12,FJ-13为峰尖波长),建立盐湖富铀水体的一阶微分光谱诊断模型,如表1所示。
步骤八、基于光谱二阶微分技术的不同铀含量水样光谱诊断特征提取。在可见-近红外波长(350nm~1500nm)范围内,基于光谱二阶微分技术对不同铀含量盐湖水的高光谱诊断特征进行提取,获取铀含量大于300ug/L的盐湖水二阶微分光谱诊断特征参数FG-21=599nm、峰谷强度较强,FG-22=822nm、峰谷强度较强,FG-23=920nm、峰谷强度强,FG-24=966nm、峰谷强度强(FG-21,FG-22,FG-23,FG-24为峰谷波长);FJ-21=590nm、峰尖强度较强,FJ-22=734nm、峰尖强度较强,FJ-23=969nm、峰尖强度强(FJ-21,FJ-22,FJ-23为峰尖波长),建立盐湖富铀水体的二阶微分光谱诊断模型,如表1所示。
上面对本发明的实施例作了详细说明,上述实施方式仅为本发明的最优实施例,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做出各种变化。
Claims (5)
1.一种适用于盐湖富铀水体的高光谱遥感识别方法,其特征在于,包括如下步骤:
步骤一、盐湖水样反射光谱测量;
所述步骤一中,为保证盐湖区域不同铀含量水体光谱特征研究的有效性,采集某一盐湖不同方位湖水、盐池、咸水和淡水若干水样,在室内基于高光谱数据测量仪对水样进行反射光谱测量,获取水样的高光谱曲线;
步骤二、盐湖水样铀含量分析测试;
步骤三、盐湖水样高光谱数据预处理;
所述步骤三中,对步骤一中获取的盐湖水域高光谱曲线进行预处理,获取预处理后的水样高光谱数据,预处理技术包括基线校正、填充零技术;
步骤四、水样高光谱数据噪声去除;
所述步骤四中,对步骤三中获取的预处理后的高光谱曲线进行噪声去除,获取信噪比高的盐湖水样高光谱数据,噪声去除技术包括光谱均值和中值平滑技术;
步骤五、水样高光谱数据包络线去除;
所述步骤五中,对步骤四中获取的光谱曲线进行包络线去除,获取反射率归一化后的光谱曲线;
步骤六、基于光谱吸收特征分析技术的不同铀含量水样光谱诊断特征提取;
步骤七、基于光谱一阶微分技术的不同铀含量水样光谱诊断特征提取;
步骤八、基于光谱二阶微分技术的不同铀含量水样光谱诊断特征提取;
所述步骤六中,在可见-近红外波长范围内,基于光谱吸收特征分析技术对不同铀含量盐湖水的高光谱诊断特征进行提取,获取铀含量大于300μg/L的盐湖水光谱诊断特征参数:吸收峰波长位置P1、P2、P3…及吸收强度、反射峰波长位置R1、R2、R3…及反射强度,建立盐湖富铀水体的光谱吸收诊断模型;
所述步骤七中,在可见-近红外波长范围内,基于光谱一阶微分技术对不同铀含量盐湖水的高光谱诊断特征进行提取,获取铀含量大于300μg/L的盐湖水一阶微分光谱诊断特征参数:峰谷波长FG-11、FG-12、FG-13…和吸收强度、峰尖波长FJ-11、FJ-12、FJ-13…和强度,建立盐湖富铀水体的一阶微分光谱诊断模型;
所述步骤八中,在可见-近红外波长范围内,基于光谱二阶微分技术对不同铀含量盐湖水的高光谱诊断特征进行提取,获取铀含量大于300μg/L的盐湖水二阶微分光谱诊断特征参数的峰谷波长FG-21、FG-22、FG-23…和吸收强度及峰尖波长FJ-21、FJ-22、FJ-23…和强度,建立盐湖富铀水体的二阶微分光谱诊断模型;
所述步骤六中,光谱吸收特征分析技术采用连续统去除法;吸收峰波长位置P1=592nm、吸收强度较强,P2=607nm、吸收强度强,P3=759nm、吸收强度较强,P4=1163nm、吸收强度较强;反射峰波长位置R1=705nm、反射强度较弱,R2=805nm、反射强度较强,R3=1073nm、反射强度较强;
所述步骤七中,一阶微分峰谷波长位置FG-11=588nm、强度较强,FG-12=834nm、强度较强,FG-13=927nm、强度强,FG-14=1131nm、强度较强;一阶微分峰尖波长位置FJ-11=596nm、强度较强,FJ-12=790nm、强度较强,FJ-13=1050nm、强度较强;
所述步骤八中,二阶微分峰谷波长位置FG-21=599nm、强度较强,FG-22=822nm、强度较强,FG-23=920nm、强度强,FG-24=966nm、强度强;二阶微分峰尖波长位置FJ-21=590nm、强度较强,FJ-22=734nm、强度较强,FJ-23=969nm、强度强。
2.根据权利要求1所述的一种适用于盐湖富铀水体的高光谱遥感识别方法,其特征在于:所述高光谱数据测量仪是指美国ASD公司生产的FieldSpec PRO FR光谱仪。
3.根据权利要求1所述的一种适用于盐湖富铀水体的高光谱遥感识别方法,其特征在于:所述步骤二中,对步骤一中采集的盐湖水样在化学分析实验室内进行铀的分离,对分离后的溶液测定铀的含量,获取每个水样铀含量的真实值,铀含量的测定精度可达90%以上。
4.根据权利要求3所述的一种适用于盐湖富铀水体的高光谱遥感识别方法,其特征在于:铀的分离过程用Chelex-100螯合树脂将盐湖水中大量的可溶盐基体与铀及部分微量元素分离;铀含量的测定采用美国PE公司生产的ICP-MS仪器。
5.根据权利要求1所述的一种适用于盐湖富铀水体的高光谱遥感识别方法,其特征在于:所述步骤六、步骤七中,可见-近红外波长指波长范围为350nm~1500nm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710579982.8A CN107561024B (zh) | 2017-07-17 | 2017-07-17 | 一种适用于盐湖富铀水体的高光谱遥感识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710579982.8A CN107561024B (zh) | 2017-07-17 | 2017-07-17 | 一种适用于盐湖富铀水体的高光谱遥感识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107561024A CN107561024A (zh) | 2018-01-09 |
CN107561024B true CN107561024B (zh) | 2020-03-17 |
Family
ID=60973603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710579982.8A Active CN107561024B (zh) | 2017-07-17 | 2017-07-17 | 一种适用于盐湖富铀水体的高光谱遥感识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107561024B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11656174B2 (en) | 2018-01-26 | 2023-05-23 | Viavi Solutions Inc. | Outlier detection for spectroscopic classification |
US11009452B2 (en) * | 2018-01-26 | 2021-05-18 | Viavi Solutions Inc. | Reduced false positive identification for spectroscopic quantification |
US10810408B2 (en) | 2018-01-26 | 2020-10-20 | Viavi Solutions Inc. | Reduced false positive identification for spectroscopic classification |
CN109406405A (zh) * | 2018-10-11 | 2019-03-01 | 核工业北京地质研究院 | 一种适用于盐湖水体矿化度的高分辨率遥感定量估算方法 |
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 |
CN109596536B (zh) * | 2018-12-27 | 2021-04-13 | 核工业北京地质研究院 | 一种基于遥感影像寻找潜在超大型砂岩铀矿床的方法 |
CN109781626B (zh) * | 2019-03-11 | 2021-07-06 | 王祥 | 一种基于光谱分析的近岸高悬沙水体绿潮遥感识别方法 |
CN110243773B (zh) * | 2019-07-09 | 2020-02-14 | 中国水利水电科学研究院 | 一种利用土壤高光谱反射率计算土壤全盐含量的方法 |
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 |
CN111982838A (zh) * | 2020-08-25 | 2020-11-24 | 吉林大学 | 一种基于高光谱的煤岩识别检测方法 |
CN112649383B (zh) * | 2020-12-31 | 2023-03-17 | 核工业北京地质研究院 | 一种基于光谱特征的万年青叶片铀含量反演预测方法 |
CN113109281B (zh) * | 2021-04-13 | 2022-11-29 | 中国科学院成都生物研究所 | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721655A (zh) * | 2012-06-01 | 2012-10-10 | 天津科技大学 | 一种赤潮水体及其优势藻的光学判别方法 |
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 |
CN105651717A (zh) * | 2016-02-26 | 2016-06-08 | 成都市国土规划地籍事务中心 | 一种植被光谱特征吸收峰自动识别方法 |
-
2017
- 2017-07-17 CN CN201710579982.8A patent/CN107561024B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721655A (zh) * | 2012-06-01 | 2012-10-10 | 天津科技大学 | 一种赤潮水体及其优势藻的光学判别方法 |
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 |
CN105651717A (zh) * | 2016-02-26 | 2016-06-08 | 成都市国土规划地籍事务中心 | 一种植被光谱特征吸收峰自动识别方法 |
Non-Patent Citations (1)
Title |
---|
新世纪以来铀矿地质遥感的科技进步与持续发展;刘德长 等;《国土资源遥感》;20100315(第1期);第16页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107561024A (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107561024B (zh) | 一种适用于盐湖富铀水体的高光谱遥感识别方法 | |
He et al. | Mineralogical and chemical distribution of the Es3L oil shale in the Jiyang Depression, Bohai Bay Basin (E China): Implications for paleoenvironmental reconstruction and organic matter accumulation | |
CN104612675B (zh) | 一种碳酸盐岩地层随钻岩性快速识别方法 | |
CN106442441B (zh) | 基于荧光光谱积分比值判定有色可溶性有机物来源的方法 | |
CN110596028B (zh) | 一种沉积型稀土La元素含量的高光谱反演方法 | |
CN107389571B (zh) | 一种矿物组分高光谱遥感精细鉴别方法 | |
CN110596165A (zh) | 一种改进的基于矿物组成的页岩脆性指数确定方法 | |
CN109406405A (zh) | 一种适用于盐湖水体矿化度的高分辨率遥感定量估算方法 | |
CN104458774A (zh) | 一种利用生物内部纳米微粒寻找隐伏矿床的方法 | |
CN107389648A (zh) | 一种三维定量荧光特征峰识别及流体类型判断方法 | |
CN103076292A (zh) | 基于地面反射光谱的水体中稀土浓度定量评估系统和方法 | |
CN111999260A (zh) | 一种热红外光谱识别含锂辉石伟晶岩的方法及热红外光谱的应用 | |
CN111379552A (zh) | 基于高频层序地层学的海相页岩气水平井靶窗选择方法 | |
CN115905881A (zh) | 黄珍珠分类的方法以及装置、电子设备、存储介质 | |
Bai et al. | Characterization of lithofacies in shale oil reservoirs of a lacustrine basin in eastern China: Implications for oil accumulation | |
Zhai et al. | Phytoplankton pigment patterns and community composition in the northern South China Sea during winter | |
CN101561395A (zh) | 一种浮游植物群落组成快速测定方法 | |
CN111830034A (zh) | 一种烃源岩中有机质显微生物组成分析与统计方法 | |
Shizuya et al. | Marine biomass changes during and after the Neoproterozoic Marinoan global glaciation | |
CN109269987A (zh) | 一种基于spot5遥感数据的盐湖水体矿化度定性估测方法 | |
Zang et al. | Characterization of the pore structure in Chinese anthracite coal using FIB-SEM tomography and deep learning-based segmentation | |
CN105590018A (zh) | 砂泥岩薄互层油藏的油水层判别方法 | |
CN109444189B (zh) | 利用数字岩石分析技术开展复杂地层对比与定量评价方法 | |
CN115901694A (zh) | 一种鉴别琥珀产地的方法 | |
CN113049521B (zh) | 识别碳酸盐岩的方法、装置及设备、存储介质 |
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 |