CN107608006A - 一种海底热液硫化物资源评价方法 - Google Patents
一种海底热液硫化物资源评价方法 Download PDFInfo
- Publication number
- CN107608006A CN107608006A CN201710671604.2A CN201710671604A CN107608006A CN 107608006 A CN107608006 A CN 107608006A CN 201710671604 A CN201710671604 A CN 201710671604A CN 107608006 A CN107608006 A CN 107608006A
- Authority
- CN
- China
- Prior art keywords
- area
- block
- sensor
- hydrothermal solution
- submarine hydrothermal
- 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
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种海底资源的勘探方法，具体是一种海底热液硫化物资源评价方法。本发明通过各种传感器的数据读取，并通过图层处理模块对相应处理进行处理，然后将处理后的数据进行空间分析处理，再对矿床预测其中的矿床的数量，最后通过一定的方法圈定远景区，使圈定的矿区面积尽可能大。本发明的优点是可以对海底资源的探测过程中可以实现准确确定海底热液硫化物资源的现状，以及更方便确定资源的位置，具有便捷、高效的特点。
Description
技术领域
本发明涉及一种海底资源的勘探方法，具体是一种海底热液硫化物资源评价方法。
背景技术
随着陆地矿产资源的逐渐减少，海底矿产资源评价愈来愈受到重视。由于调查技术与调查区域的限制，对于深海矿产资源的空间分布和储量评价工作还只局限于局部调查，缺乏对大范围区域的资源潜力评价与预测。海底热液硫化物是国际海底区域一种重要的海底矿产资源，目前，我国已向国际海底管理局申请，并获得一块面积约1万平方公里的多金属硫化物勘探区，海底资源评价工作迫在眉睫。但是，由于热液硫化物分布的局部性和复杂性等特点，并且，受限于当前调查程度较低等背景，一直以来，针对热液硫化物的资源评价缺乏一种适用的工具，能够有效地对海底热液硫化物资源进行评价。因此，有必要发明一个专门工具，用于海底热液硫化物的资源评价。
发明内容
本发明针对现有的资源评价工具均无法对海底热液硫化物进行有效评价的问题，发明一种能够针对海底热液硫化物的特点，进行有效资源评价的系统，以及该系统实现对海底热液硫化物进行资源评价的方法。
为了达到上述目的，本发明采用如下技术方案：
一种海底热液硫化物资源评价方法，特征在于：包括有如下步骤：
(1)图层处理模块连接有水体要素传感器、地形要素传感器、沉积物要素传感器、磁力要素传感器、重力要素传感器和微震要素传感器；通过上述各传感器测得勘探区数据；
(2)对每一种勘探区数据设置相应的权重，进行叠加复合分析，获得矿点文件，并初步预测远景区；
(3)通过网格微分法，将勘探区域划成若干区块，形成区块文件；划定的区块为正方形或长方形，面积不超过100km2；
(4)将矿点文件与区块文件进行叠加分析，获得缓存区半径；
(5)通过洋脊扩展速度测定仪洋脊扩张速率，步骤(4)中的缓存区半径和洋脊扩张速率估算每个区块中潜在矿床的数量；
(6)根据区块面积预测每个区块中矿床的数量；
(7)根据步骤(5)和步骤(6)锁定具有矿床的区块；
(8)以步骤(7)的区块为起始点采用四向算法，使圈定的矿区的面积尽量大，圈定远景区。
作为优选，上述一种海底热液硫化物资源评价方法的步骤(1)中的水体要素传感器包括水体温度传感器、水体密度传感器、水体金属探测传感器、水体流速传感器、水体气体含量传感器。
作为优选，上述一种海底热液硫化物资源评价方法的图层处理模块读取步骤(1)中的勘探区数据后，将搜集的勘探区数据转换为地学信息。
作为优选，上述一种海底热液硫化物资源评价方法的步骤(5)中估算方法为：
Fs＝0.85+0.021Us
式中Fs为每100公里洋脊上的热液区的数量；Us为洋中脊扩张速率，单位mm/yr。
作为优选，上述一种海底热液硫化物资源评价方法的步骤(6)中预测方法为：
Nt＝10(-0.5846+0.3846log10(area)+e)
其中Nt表示预测的矿床数，area代表调查区面积，单位km2；e代表平均值，起始值为0。
在本发明中，整个方法所实施的系统包括如下组成部分：
(1)图层处理模块
它是用于读取符合专门格式的勘探区数据，具体包括水体异常数据、地形数据、沉积物数据、磁力数据、重力数据以及微震数据。
(2)空间分析模块
针对前述图层处理模块所获得的数据，进行空间分析。《勘探规章》对热液硫化物矿区申请涵盖区块的基本要求包括：(1)“硫化物区块”是指国际海底管理局规定的一个或多个网格单元，可以是正方形或长方形，面积不超过100km2；(2)每一份请求核准勘探硫化物工作计划的申请书所涉区域由不超过100个硫化物区块组成，这些区块应排列为组群；(3)5个毗连区块构成一个硫化物区组群。在任何一点相接触的2个硫化物区块视为毗连区块，硫化物区块组群不一定毗连但须邻近，且完全局限在一个不超过1000×500km2的地理区域内。
为使圈定的矿区的资源的面积尽量大，本申请提出了人机交互式矿区圈定法。基于计算机图形学中多边形的种子填充算法，即把远景区视为待填充的多边形，假设在多边形区域内已知一个像素(区块)，可以通过左、右、上、下四个方向移动的四联通区域，从四个方向寻找下一个区块，称为四向算法。
通过对与矿产形成相关的地学信息的叠加复合分析，进行矿产远景区的预测。其中每一种地学信息，都被视为成矿远景区预测的一个证据因子，而每一个证据因子对成矿预测的贡献，是由这个因子的权重值来确定的，因子的权重是根据已知样本分析得出。
(3)矿床预测模块
热液区数量与洋脊扩张速率之间具有明显的对应关系，可依据对应关系估算热液区(即潜在的硫化物矿床(点))的数量Fs。
其估计式下：
Fs＝0.85+0.021Us
式中Fs为每100公里洋脊上的热液区的数量；Us为洋中脊扩张速率，单位mm/yr。
经验公式计算西北印度洋调查区可能存在的矿床数，采用的公式为：
Nt＝10(-0.5846+0.3846log10(area)+e)
其中Nt表示预测的矿床数，area代表调查区面积，单位km2；e代表平均值，起始值为0。
(4)矿区圈定模块
《勘探规章》对热液硫化物矿区申请涵盖区块的基本要求包括:(1)“硫化物区块”是指国际海底管理局规定的一个或多个网格单元，可以是正方形或长方形，面积不超过100km2；(2)每一份请求核准勘探硫化物工作计划的申请书所涉区域由不超过100个硫化物区块组成，这些区块应排列为组群；(3)5个毗连区块构成一个硫化物区组群。在任何一点相接触的2个硫化物区块视为毗连区块，硫化物区块组群不一定毗连但须邻近，且完全局限在一个不超过1000×500km2的地理区域内。
为使圈定的矿区的资源的面积尽量大，应用人机交互式矿区圈定法。此法借鉴了计算机图形学中多边形的种子填充算法，即把远景区视为待填充的多边形，假设在多边形区域内已知一个像素(区块)，可以通过左、右、上、下四个方向移动的四联通区域，从四个方向寻找下一个区块，又称为四向算法。
有益效果：
通过本发明的实施可以对海底资源的评价过程中可以实现准确确定海底热液硫化物资源的现状，以及更方便确定资源的位置，具有便捷、高效的特点，尤其是对大面积的海洋范围内的勘探，具有高效的特点。
具体实施方式
下面对本发明的实施作具体说明：
实施例1
目前尚无专门的工具针对海底热液硫化物进行资源进行评价方法，本发明提供了一种可用于海底热液硫化物资源评价的系统。该系统包括空间要素的读取、分析、预测以及矿区的圈定功能，该系统包括有如下组成部分：
(1)图层处理模块
(2)空间分析模块
(3)矿床预测模块
(4)矿区圈定模块
上述四部分由中央处理器控制，申请人首先确定一个待测区域，以西北印度洋为例进行；通过如下步骤进行：
(1)整个处理系统由中央处理器控制，其中图层处理模块连接有水体要素传感器、地形要素传感器、沉积物要素传感器、磁力要素传感器、重力要素传感器和微震要素传感器；通过上述各传感器测得勘探区数据；
(2)对每一种勘探区数据设置相应的权重，进行叠加复合分析，获得矿点文件，并初步预测远景区；这些可以通过技术人员常规设置可以获得；叠加分析是GIS中的一项非常重要的空间分析功能。是指在统一空间参考系统下，通过对两个数据进行的一系列集合运算，产生新数据的过程。这里提到的数据可以是图层对应的数据集，也可以是地物对象。叠加分析的叠置分析的目标是分析在空间位置上有一定关联的空间对象的空间特征和专属属性之间的相互关系。多层数据的叠置分析，不仅仅产生了新的空间关系，还可以产生新的属性特征关系，能够发现多层数据间的相互差异、联系和变化等特征。所以叠加复合分析对于行业内的技术人员可以联想得到其中的一种方法；
(3)通过网格微分法，将勘探区域划成若干区块，形成区块文件；划定的区块为正方形或长方形，面积不超过100km2；然后进行空间分析；将5个毗连区块构成一个硫化物区组群。在任何一点相接触的2个硫化物区块视为毗连区块，硫化物区块组群不一定毗连但须邻近，且完全局限在一个不超过1000×500km2的地理区域内。靶区内参照上述远景区圈定符合规章要求的若干区块的方法，为网格微分法和人机交互式矿区圈定法。
(4)将矿点文件与区块文件进行叠加分析，获得缓存区半径；
(5)通过洋脊扩展速度测定仪洋脊扩张速率，步骤(4)中的缓存区半径和洋脊扩张速率估算每个区块中潜在矿床的数量；
(6)根据区块面积预测每个区块中矿床的数量；
(7)根据步骤(5)和步骤(6)锁定具有矿床的区块；
(8)以步骤(7)的区块为起始点采用四向算法，使圈定的矿区的面积尽量大，圈定远景区。此法借鉴了计算机图形学中多边形的种子填充算法，即把远景区视为待填充的多边形，假设在多边形区域内已知一个像素(区块)，可以通过左、右、上、下四个方向移动的四联通区域，从四个方向寻找下一个区块，又称为四向算法。
实施例2：
选定区域与实施例1相同，利用一种海底热液硫化物资源评价方法，通过如下步骤：
(1)图层处理模块连接有水体要素传感器、地形要素传感器、沉积物要素传感器、磁力要素传感器、重力要素传感器和微震要素传感器；通过上述各传感器测得勘探区数据；为了获得更准确的数据，其中的水体要素传感器包括水体温度传感器、水体密度传感器、水体金属探测传感器、水体流速传感器、水体气体含量传感器。为了更便于数据处理，将搜集的勘探区数据转换为地学信息。
(2)对每一种勘探区数据设置相应的权重，进行叠加复合分析，获得矿点文件，并初步预测远景区；
(3)通过网格微分法，将勘探区域划成若干区块，形成区块文件；划定的区块为正方形或长方形，面积不超过100km2；
(4)将矿点文件与区块文件进行叠加分析，获得缓存区半径；
(5)通过洋脊扩展速度测定仪洋脊扩张速率，步骤(4)中的缓存区半径和洋脊扩张速率估算每个区块中潜在矿床的数量；其中的估算方法为：
Fs＝0.85+0.021Us
式中Fs为每100公里洋脊上的热液区的数量；Us为洋中脊扩张速率，单位mm/yr。
(6)根据区块面积预测每个区块中矿床的数量；其中预测方法为：
Nt＝10(-0.5846+0.3846log10(area)+e)
其中Nt表示预测的矿床数，area代表调查区面积，单位km2；e代表平均值，起始值为0。
(7)根据步骤(5)和步骤(6)锁定具有矿床的区块；
(8)以步骤(7)的区块为起始点采用四向算法，使圈定的矿区的面积尽量大，圈定远景区。
在实施例中5个毗连区块构成一个硫化物区组群，在任何一点相接触的2个硫化物区块视为毗连区块，硫化物区块组群不一定毗连但须邻近，且完全局限在一个不超过1000×500km2的地理区域内。靶区内参照上述远景区圈定符合规章要求的若干区块的方法，为网格微分法和人机交互式矿区圈定法。
通过对一些与矿产形成相关的地学信息的叠加复合分析，来进行矿产远景区的预测。其中每一种地学信息，都被视为成矿远景区预测的一个证据因子，而每一个证据因子对成矿预测的贡献，是由这个因子的权重值来确定的，因子的权重是根据已知样本分析得出。
(1)将矿点文件与网格文件做叠加分析，将有无矿点的信息提取到网格单元中；
(2)利用缓冲区分析功能，获取断裂在某范围内的缓冲区文件；
(3)将此区文件与网格区文件做叠加分析，由叠加后区文件的属性数据，计算出缓冲区内的有矿单元数、缓冲区内的无矿单元数、缓冲区外的有矿单元数和缓冲区外的有矿单元数；
要得到不同缓冲范围的值，只要改变缓冲范围的大小，重复执行步骤(2)、步骤(3)即可。当缓冲范围分段较多时，即可勾绘出缓存区的变化曲线，并找到最大值。
在矿区预测中，由于热液区数量与洋脊扩张速率之间具有明显的对应关系，可依据对应关系估算热液区(即潜在的硫化物矿床(点))的数量。
步骤(6)中的公式为经验公式，用于计算西北印度洋调查区可能存在的矿床数
在矿区圈定过程中，《勘探规章》对热液硫化物矿区申请涵盖区块的基本要求包括：(1)“硫化物区块”是指国际海底管理局规定的一个或多个网格单元，可以是正方形或长方形，面积不超过100km2；(2)每一份请求核准勘探硫化物工作计划的申请书所涉区域由不超过100个硫化物区块组成，这些区块应排列为组群；(3)5个毗连区块构成一个硫化物区组群。在任何一点相接触的2个硫化物区块视为毗连区块，硫化物区块组群不一定毗连但须邻近，且完全局限在一个不超过1000×500km2的地理区域内。基于计算机图形学中多边形的种子填充算法，把远景区视为待填充的多边形，假设在多边形区域内已知一个像素(区块)，可以通过左、右、上、下四个方向移动的四联通区域，从四个方向寻找下一个区块，使圈定的矿区的资源好的面积尽量大。
Claims (5)
1.一种海底热液硫化物资源评价方法，特征在于：包括有如下步骤：
(1)图层处理模块连接有水体要素传感器、地形要素传感器、沉积物要素传感器、磁力要素传感器、重力要素传感器和微震要素传感器；通过上述各传感器测得勘探区数据；
(2)对每一种勘探区数据设置相应的权重，进行叠加复合分析，获得矿点文件，并初步预测远景区；
(3)通过网格微分法，将勘探区域划成若干区块，形成区块文件；划定的区块为正方形或长方形，面积不超过100km2；
(4)将矿点文件与区块文件进行叠加分析，获得缓存区半径；
(5)通过洋脊扩展速度测定仪洋脊扩张速率，步骤(4)中的缓存区半径和洋脊扩张速率估算每个区块中潜在矿床的数量；
(6)根据区块面积预测每个区块中矿床的数量；
(7)根据步骤(5)和步骤(6)锁定具有矿床的区块；
(8)以步骤(7)的区块为起始点采用四向算法，使圈定的矿区的面积尽量大，圈定远景区。
2.如权利要求1所述的一种海底热液硫化物资源评价方法，其特征在于：步骤(1)中的水体要素传感器包括水体温度传感器、水体密度传感器、水体金属探测传感器、水体流速传感器、水体气体含量传感器。
3.如权利要求1所述的一种海底热液硫化物资源评价方法，其特征在于：图层处理模块读取步骤(1)中的勘探区数据后，将搜集的勘探区数据转换为地学信息。
4.如权利要求1所述的一种海底热液硫化物资源评价方法，其特征在于：步骤(5)中估算方法为：
Fs＝0.85+0.021Us
式中Fs为每100公里洋脊上的热液区的数量；Us为洋中脊扩张速率，单位mm/yr。
5.如权利要求1所述的一种海底热液硫化物资源评价方法，其特征在于：步骤(6)中预测方法为：
Nt＝10(-0.5846+0.3846log10(area)+e)
其中Nt表示预测的矿床数，area代表调查区面积，单位km2；e代表平均值，起始值为0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710671604.2A CN107608006B (zh) | 2017-08-08 | 2017-08-08 | 一种海底热液硫化物资源评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710671604.2A CN107608006B (zh) | 2017-08-08 | 2017-08-08 | 一种海底热液硫化物资源评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107608006A true CN107608006A (zh) | 2018-01-19 |
| CN107608006B CN107608006B (zh) | 2019-08-20 |
Family
ID=61064780
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710671604.2A Active CN107608006B (zh) | 2017-08-08 | 2017-08-08 | 一种海底热液硫化物资源评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107608006B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109188556A (zh) * | 2018-08-28 | 2019-01-11 | 国家海洋局第二海洋研究所 | 一种基于地形分析的海底硫化物找矿方法 |
| CN110717618A (zh) * | 2019-09-11 | 2020-01-21 | 自然资源部第一海洋研究所 | 基于多指标综合要素的海底热液硫化物资源评价预测方法 |
| CN110782097A (zh) * | 2019-10-29 | 2020-02-11 | 自然资源部第一海洋研究所 | 基于多指标要素特征的海底热液成矿远景区预测方法 |
| WO2020222652A1 (en) | 2019-04-29 | 2020-11-05 | Equinor Energy As | Method of estimating a mineral content of a geological structure |
| CN112379461A (zh) * | 2020-10-29 | 2021-02-19 | 自然资源部第二海洋研究所 | 一种深海多金属硫化物资源的勘探保留区圈定方法 |
| CN115637981A (zh) * | 2022-11-01 | 2023-01-24 | 青岛海洋地质研究所 | 提升海底热液硫化物金元素成矿效率的原位作业方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1497603A1 (ru) * | 1987-12-03 | 1989-07-30 | Ленинградский горный институт им.Г.В.Плеханова | Геохимический способ поисков погребенных гидротермальных сульфидных месторождений |
| CN100373378C (zh) * | 2006-01-14 | 2008-03-05 | 中国海洋大学 | 海底热液活动探测数据处理和信息管理方法 |
| CN101498219A (zh) * | 2009-03-06 | 2009-08-05 | 长沙矿山研究院 | 一种海底热液硫化物矿采矿车 |
| CN101571599A (zh) * | 2009-06-08 | 2009-11-04 | 浙江大学 | 用于探测深海海底热液硫化物的磁探测系统 |
| CN201434909Y (zh) * | 2009-06-08 | 2010-03-31 | 浙江大学 | 用于探测深海海底热液硫化物的磁探测系统 |
| CN103605168A (zh) * | 2013-10-12 | 2014-02-26 | 国家海洋局第二海洋研究所 | 一种海底多金属硫化物综合信息快速找矿方法 |
| CN105678399A (zh) * | 2015-12-29 | 2016-06-15 | 中国地质科学院矿产资源研究所 | 一种区域矿产资源量估算分析方法及其系统 |
| CN105988143A (zh) * | 2015-02-12 | 2016-10-05 | 核工业北京地质研究院 | 一种适用于矿田深部铀资源潜力定位预测的方法 |
-
2017
- 2017-08-08 CN CN201710671604.2A patent/CN107608006B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1497603A1 (ru) * | 1987-12-03 | 1989-07-30 | Ленинградский горный институт им.Г.В.Плеханова | Геохимический способ поисков погребенных гидротермальных сульфидных месторождений |
| CN100373378C (zh) * | 2006-01-14 | 2008-03-05 | 中国海洋大学 | 海底热液活动探测数据处理和信息管理方法 |
| CN101498219A (zh) * | 2009-03-06 | 2009-08-05 | 长沙矿山研究院 | 一种海底热液硫化物矿采矿车 |
| CN101571599A (zh) * | 2009-06-08 | 2009-11-04 | 浙江大学 | 用于探测深海海底热液硫化物的磁探测系统 |
| CN201434909Y (zh) * | 2009-06-08 | 2010-03-31 | 浙江大学 | 用于探测深海海底热液硫化物的磁探测系统 |
| CN103605168A (zh) * | 2013-10-12 | 2014-02-26 | 国家海洋局第二海洋研究所 | 一种海底多金属硫化物综合信息快速找矿方法 |
| CN105988143A (zh) * | 2015-02-12 | 2016-10-05 | 核工业北京地质研究院 | 一种适用于矿田深部铀资源潜力定位预测的方法 |
| CN105678399A (zh) * | 2015-12-29 | 2016-06-15 | 中国地质科学院矿产资源研究所 | 一种区域矿产资源量估算分析方法及其系统 |
Non-Patent Citations (1)
| Title |
|---|
| 程永寿: "西北太平洋海山富钴结壳资源评价和矿区圈定", 《中国博士学位论文全文数据库 基础科学辑》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109188556A (zh) * | 2018-08-28 | 2019-01-11 | 国家海洋局第二海洋研究所 | 一种基于地形分析的海底硫化物找矿方法 |
| CN109188556B (zh) * | 2018-08-28 | 2019-08-09 | 国家海洋局第二海洋研究所 | 一种基于地形分析的海底硫化物找矿方法 |
| WO2020042940A1 (zh) * | 2018-08-28 | 2020-03-05 | 自然资源部第二海洋研究所 | 一种基于地形分析的海底硫化物找矿方法 |
| WO2020222652A1 (en) | 2019-04-29 | 2020-11-05 | Equinor Energy As | Method of estimating a mineral content of a geological structure |
| EP3963372A4 (en) * | 2019-04-29 | 2022-12-28 | Equinor Energy AS | METHOD FOR ESTIMATING THE MINERAL CONTENT OF A GEOLOGICAL STRUCTURE |
| CN110717618A (zh) * | 2019-09-11 | 2020-01-21 | 自然资源部第一海洋研究所 | 基于多指标综合要素的海底热液硫化物资源评价预测方法 |
| CN110782097A (zh) * | 2019-10-29 | 2020-02-11 | 自然资源部第一海洋研究所 | 基于多指标要素特征的海底热液成矿远景区预测方法 |
| CN112379461A (zh) * | 2020-10-29 | 2021-02-19 | 自然资源部第二海洋研究所 | 一种深海多金属硫化物资源的勘探保留区圈定方法 |
| CN112379461B (zh) * | 2020-10-29 | 2023-06-27 | 自然资源部第二海洋研究所 | 一种深海多金属硫化物资源的勘探保留区圈定方法 |
| CN115637981A (zh) * | 2022-11-01 | 2023-01-24 | 青岛海洋地质研究所 | 提升海底热液硫化物金元素成矿效率的原位作业方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107608006B (zh) | 2019-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107608006B (zh) | 一种海底热液硫化物资源评价方法 | |
| US9194968B2 (en) | Method for seismic hydrocarbon system analysis | |
| Wang et al. | Spatial and temporal prediction and uncertainty of soil loss using the revised universal soil loss equation: a case study of the rainfall–runoff erosivity R factor | |
| Sfidari et al. | Comparison of intelligent and statistical clustering approaches to predicting total organic carbon using intelligent systems | |
| Krkač et al. | A comparative study of random forests and multiple linear regression in the prediction of landslide velocity | |
| Tian et al. | Impacts of the efficiencies of identification and tracking algorithms on the statistical properties of global mesoscale eddies using merged altimeter data | |
| Li et al. | Part II: A demonstration of integrating multiple-scale 3D modelling into GIS-based prospectivity analysis: A case study of the Huayuan-Malichang district, China | |
| Doctor et al. | Spatial analysis of geologic and hydrologic features relating to sinkhole occurrence in Jefferson County, West Virginia | |
| CN110728402A (zh) | 一种基于地质标本分析的区域矿产资源预测系统 | |
| Mote et al. | Application of mass-balance modeling of sources, pathways, and sinks of supergene enrichment to exploration and discovery of the Quebrada Turquesa exotic copper orebody, El Salvador district, Chile | |
| US20170146691A1 (en) | Method for determining geological caves | |
| Siddiqui et al. | DEM-based drainage network analysis using steepness and Hack SL indices to identify areas of differential uplift in Emilia–Romagna Apennines, northern Italy | |
| Capitani et al. | Influence of deep-seated gravitational slope deformations on landslide distributions: a statistical approach | |
| Hasan et al. | The use of LIDAR as a data source for digital elevation models–a study of the relationship between the accuracy of digital elevation models and topographical attributes in northern peatlands | |
| CN112483171A (zh) | 一种储气库盖层封闭性评价方法及装置 | |
| Ayad et al. | Quantification of the disturbances of phosphate series using the box-counting method on geoelectrical images (Sidi Chennane, Morocco) | |
| Nussbaum et al. | Benefits of hierarchical predictions for digital soil mapping—An approach to map bimodal soil pH | |
| Mesić Kiš et al. | Zonal estimation and interpolation as simultaneous approaches in the case of small input data set (Šandrovac Field, Northern Croatia) | |
| CN108051482A (zh) | 一种海水入侵地下水的监测预警方法 | |
| Haaf | Towards prediction in ungauged aquifers–methods for comparative regional analysis | |
| Vincenzi et al. | Parametric and numerical modeling tools to forecast hydrogeological impacts of a tunnel | |
| Wu et al. | Comparison analysis of sampling methods to estimate regional precipitation based on the Kriging interpolation methods: A case of northwestern China | |
| CN107885966B (zh) | 含约束svm异常化学单元素分类方法 | |
| CN111967677A (zh) | 一种非常规资源甜点分布的预测方法及装置 | |
| Batista-Rodríguez et al. | Geometry of ophiolites in Eastern Cuba from 3D inversion of aeromagnetic data, constrained by surface geology |
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 |