CN108007891A - 一种基于四元二次回归模型定量反演岩石SiO2含量的方法 - Google Patents
一种基于四元二次回归模型定量反演岩石SiO2含量的方法 Download PDFInfo
- Publication number
- CN108007891A CN108007891A CN201610929309.8A CN201610929309A CN108007891A CN 108007891 A CN108007891 A CN 108007891A CN 201610929309 A CN201610929309 A CN 201610929309A CN 108007891 A CN108007891 A CN 108007891A
- Authority
- CN
- China
- Prior art keywords
- rock
- sio
- content
- numbering
- specimens
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 16
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims abstract description 68
- 239000000377 silicon dioxide Substances 0.000 claims abstract description 61
- 229910052681 coesite Inorganic materials 0.000 claims abstract description 60
- 229910052906 cristobalite Inorganic materials 0.000 claims abstract description 60
- 229910052682 stishovite Inorganic materials 0.000 claims abstract description 60
- 229910052905 tridymite Inorganic materials 0.000 claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000001228 spectrum Methods 0.000 claims abstract description 14
- 239000000126 substance Substances 0.000 claims abstract description 10
- 230000003595 spectral effect Effects 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- XZWYZXLIPXDOLR-UHFFFAOYSA-N metformin Chemical compound CN(C)C(=N)NC(N)=N XZWYZXLIPXDOLR-UHFFFAOYSA-N 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 239000004575 stone Substances 0.000 claims description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 abstract description 7
- 239000011707 mineral Substances 0.000 abstract description 7
- 239000010453 quartz Substances 0.000 abstract description 5
- 210000003462 vein Anatomy 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 abstract description 3
- 235000012239 silicon dioxide Nutrition 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 241000132092 Aster Species 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 229910052770 Uranium Inorganic materials 0.000 description 1
- 239000010424 alunite Substances 0.000 description 1
- 229910052934 alunite Inorganic materials 0.000 description 1
- WUKWITHWXAAZEY-UHFFFAOYSA-L calcium difluoride Chemical compound [F-].[F-].[Ca+2] WUKWITHWXAAZEY-UHFFFAOYSA-L 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000010436 fluorite Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-M hydroxide Chemical compound [OH-] XLYOFNOQVPJJNP-UHFFFAOYSA-M 0.000 description 1
- 239000003041 laboratory chemical Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 239000011733 molybdenum Substances 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000011044 quartzite Substances 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- RMAQACBXLXPBSY-UHFFFAOYSA-N silicic acid Chemical compound O[Si](O)(O)O RMAQACBXLXPBSY-UHFFFAOYSA-N 0.000 description 1
- 229910021332 silicide Inorganic materials 0.000 description 1
- FVBUAEGBCNSCDD-UHFFFAOYSA-N silicide(4-) Chemical compound [Si-4] FVBUAEGBCNSCDD-UHFFFAOYSA-N 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- KPZTWMNLAFDTGF-UHFFFAOYSA-D trialuminum;potassium;hexahydroxide;disulfate Chemical compound [OH-].[OH-].[OH-].[OH-].[OH-].[OH-].[Al+3].[Al+3].[Al+3].[K+].[O-]S([O-])(=O)=O.[O-]S([O-])(=O)=O KPZTWMNLAFDTGF-UHFFFAOYSA-D 0.000 description 1
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于一种基于四元二次回归模型定量反演岩石SiO2含量的方法，具体包括：一、岩石发射率光谱测量，获取岩石样本发射率曲线；二、岩石样品SiO2含量室内定量化学分析；三、表征岩石SiO2含量诊断波长选取和光谱指数构建；四、构建岩石样品SiO2含量定量反演模型；五、岩石样品SiO2含量定量反演模型精度评价。通过主观和客观评价得出该模型反演精度优于90％，可用于野外快速准确的识别岩石SiO2含量，大大降低了岩石SiO2含量室内化学分析的时间和经济成本，这对加快与硅化、石英脉相关的矿产勘查进度具有重要的推动意义。
Description
技术领域
本发明属于遥感信息提取及定量反演领域，具体涉及一种基于四元二次回归模型定量反演岩石SiO2含量的方法。
背景技术
热红外波段(8.00μm～14.00μm)在岩矿识别中具有独到的优势，不仅可识别硅酸盐、硫酸盐、碳酸盐、磷酸盐、氢氧化物等造岩矿物，更可识别常用的可见光(0.38μm～0.76μm)-短波红外波段(0.76μm-3.00μm)不能识别的石英(化学分子式为SiO2)等矿物。而在自然界中，许多矿体以石英脉的形式产出，矿石中常有石英脉石伴生，硅化岩和硅化带(热液蚀变作用形成的富二氧化硅类岩石)亦是铜、钼、铀等金属及萤石、明矾石等非金属矿产出的重要找矿标志。因此，自然界岩石SiO2含量的定量反演(识别)可以快速识别硅化、石英脉等富硅岩类，对矿产勘查具有重要的指导意义。
现今，国内外学者大多基于ASTER等卫星数据或标准光谱库对地表SiO2含量的反演开展了基础性研究。如Hunt和Salisbury研究发现岩浆岩的发射率光谱特征与SiO2含量具有显著的相关性；Ninomiya等和闫柏琨等基于ASTER卫星数据开展岩石SiO2含量定量反演，提出了可以定性表征SiO2含量的光谱指数。闫柏琨等和杨长保等以标准光谱库(实验室条件下获取的岩石光谱数据库)为数据源，对岩石中矿物的成分和含量与发射率光谱特征的相关性进行研究，并建立了回归模型，对特定地区或特定岩类进行SiO2含量定量反演。虽然上述研究取得了一定的应用效果，但卫星遥感影像较低的空间和光谱分辨率大大限制了SiO2含量的反演精度；而利用标准光谱库进行SiO2定量含量反演则比较理想化，不符合野外实际情况。
因此，为了提高岩石SiO2含量识别效果和降低室内化学分析成本，针对现有SiO2含量定量反演方法存在的各种缺陷，必须开发一种光谱分辨率高且为现场实测热红外光谱数据的岩石SiO2含量定量反演方法，并基于实测化学分析数据验证模型反演精度，保证反演模型的实用性，为基于航空/航天热红外遥感数据大范围快速识别富硅类岩石奠定基础，为指导野外矿产勘查提供支撑。
发明内容
本发明要解决的技术问题是提供一种基于四元二次回归模型定量反演岩石SiO2含量的方法，可大大降低地表岩石SiO2含量定量分析成本和分析时间。
为解决上述技术问题，本发明一种基于四元二次回归模型定量反演岩石SiO2含量的方法，包括如下步骤：
步骤一、岩石发射率光谱测量；选用野外采集的若干个岩石样本，对每一个岩石样本均进行热红外辐亮度测量，并进行发射率分离，获得所有岩石样本的发射率曲线；
步骤二、岩石样品SiO2含量室内定量化学分析；对岩石样本进行SiO2含量和烧失量百分比分析，用岩石样本SiO2含量百分比减去烧失量百分比即岩石样本的真实SiO2含量，剔除SiO2含量低的岩石样本，剩余岩石样本组成样本集；
步骤三、表征岩石SiO2含量诊断波长选取和光谱指数构建；在岩石样本集的发射率曲线中，从8.00～9.70μm波长区间选取2个特征发射谷和2个发射峰对应的波长分别为λ1、λ3、λ2、λ4，从12.25～13.2μm波长区间选取2个特征发射谷和2个发射率对应的波长分别为λ5、λ7、λ6、λ8，获取λ1～λ8波段对应的发射率εmi(i＝1,2，…，8)，计算每个岩石样本的4个SiO2光谱指数Xm1、Xm2、Xm3、Xm4；
步骤四、岩石样品SiO2含量定量反演模型构建；基于二分之一岩石样本集岩石的4个SiO2光谱指数，及其岩石样本的真实SiO2含量，运用统计学原理，构建四元二次回归模型即SiO2含量定量反演模型；
步骤五、岩石样品SiO2含量定量反演模型精度评价；以剩余二分之一岩石样品集的岩石样本4个SiO2光谱指数Xm1、Xm2、Xm3、Xm4为变量，代入上述反演模型，得到样品集每一个岩石样本的SiO2反演含量。通过对每一个样本的SiO2反演含量与真实含量统计分析得出，四元二次回归模型的平均反演精度高于90％，为有效反演模型。
所述步骤二，剔除SiO2含量百分比低指百分比小于65％的岩石样本。
所述的步骤三的特征波段的波长λ1＝8.00764μm，λ2＝8.2247μm，λ3＝8.6315μm，λ4＝9.2125μm，λ5＝12.2933μm，λ6＝12.5134μm，λ7＝12.6265μm，λ8＝12.8117μm。
所述的步骤三4个SiO2光谱指数计算公式为Xm1＝εm1/εm2，Xm1为编号为m的岩石样本第一个SiO2光谱指数，εm1为编号为m的岩石样本波长为λ1＝8.00764μm处的发射率值，εm2为编号为m的岩石样本波长为λ2＝8.2247μm处的发射率值，Xm2＝εm3/εm4，Xm2为编号为m的岩石样本第二个SiO2光谱指数，εm3为编号为m的岩石样本波长为λ3＝8.6315μm处的发射率值，εm4为编号为m的岩石样本波长为λ4＝9.2125μm处的发射率值，Xm3＝εm5/εm6，Xm3为编号为m的岩石样本第三个SiO2光谱指数，εm5为编号为m的岩石样本波长为λ5＝12.2933μm处的发射率值，εm6为编号为m的岩石样本波长为λ6＝12.5134μm处的发射率值，Xm4＝εm7/εm8，Xm4为编号为m的岩石样本第四个SiO2光谱指数，εm7为编号为m的岩石样本波长为λ7＝12.6265μm处的发射率值，εm8为编号为m的岩石样本波长为λ8＝12.8117μm处的发射率值。
所述步骤四的四元二次回归模型为Ym＝＝-452.301+135.627Xm1+372.945Xm2-12.245Xm3+220.254Xm4-42.195Xm1 2-155.083Xm2 2，Ym为编号为m的岩石样本反演的SiO2含量值，Xm1为编号为m的岩石样本第一个SiO2光谱指数，Xm2为编号为m的岩石样本第二个SiO2光谱指数，Xm3为编号为m的岩石样本第三个SiO2光谱指数，Xm4为编号为m的岩石样本第四个SiO2光谱指数。本发明的有益技术效果在于：本发明的方法能够快速准确的识别岩石SiO2含量，大大降低了岩石SiO2含量实验室化学分析的时间和经济成本，这对加快与硅化、石英脉相关的矿产勘查进度具有重要的推动意义。
具体实施方式
下面结合实施例对本发明作进一步详细说明。
本发明一种基于四元二次回归模型定量反演岩石SiO2含量的方法，包括如下步骤：
步骤一、岩石发射率光谱测量。选用野外采集的若干个岩石样本，岩石样本需大于20个，对每一个岩石样本均用热红外光谱仪对其进行热红外辐亮度测量，并进行发射率分离，获得所有岩石样本的发射率曲线；
步骤二、岩石样品SiO2含量室内化学分析。为了建立SiO2含量定量反演的已知样本和精度验证样本，在室内基于X射线荧光光谱仪和电子天平对岩石样本进行SiO2含量和烧失量百分比分析，利用岩石样本SiO2含量百分比减去烧失量百分比，获取岩石样本的真实SiO2含量，剔除SiO2含量低于65％的岩石样本，剩余岩石样本组成样本集；
步骤三、表征岩石SiO2含量诊断波长选取和光谱指数构建。在岩石样本集的发射率曲线中，从8.00～9.70μm波长区间选取2个特征发射谷和2个发射率对应的波长(λ1＝8.00764μm，λ2＝8.2247μm，λ3＝8.6315μm，λ4＝9.2125μm)，从12.25～13.2μm波长区间选取2个特征发射谷和2个发射率对应的波长(λ5＝12.2933μm，λ6＝12.5134μm，λ7＝12.6265μm，λ8＝12.8117μm)，获取λ1～λ8波段对应的发射率(εmi，i＝1,2，…，8)，计算每个岩石样本的4个SiO2光谱指数Xm1＝εm1/εm2(Xm1为编号为m的岩石样本第一个SiO2光谱指数，εm1为编号为m的岩石样本波长为λ1＝8.00764μm处的发射率值，εm2为编号为m的岩石样本波长为λ2＝8.2247μm处的发射率值)，Xm2＝εm3/εm4(Xm2为编号为m的岩石样本第二个SiO2光谱指数，εm3为编号为m的岩石样本波长为λ3＝8.6315μm处的发射率值，εm4为编号为m的岩石样本波长为λ4＝9.2125μm处的发射率值)，Xm3＝εm5/εm6(Xm3为编号为m的岩石样本第三个SiO2光谱指数，εm5为编号为m的岩石样本波长为λ5＝12.2933μm处的发射率值，εm6为编号为m的岩石样本波长为λ6＝12.5134μm处的发射率值)，Xm4＝εm7/εm8(Xm4为编号为m的岩石样本第四个SiO2光谱指数，εm7为编号为m的岩石样本波长为λ7＝12.6265μm处的发射率值，εm8为编号为m的岩石样本波长为λ8＝12.8117μm处的发射率值)。
步骤四、岩石样品SiO2含量定量反演模型构建。基于二分之一岩石样本集岩石的4个SiO2光谱指数X，及其岩石样本的真实SiO2含量，运用统计学原理，构建四元二次回归模型即SiO2含量定量反演模型：Ym＝＝-452.301+135.627Xm1+372.945Xm2-12.245Xm3+220.254Xm4-42.195Xm1 2-155.083Xm2 2(Ym为编号为m的岩石样本反演的SiO2含量值，Xm1为编号为m的岩石样本第一个SiO2光谱指数，Xm2为编号为m的岩石样本第二个SiO2光谱指数，Xm3为编号为m的岩石样本第三个SiO2光谱指数，Xm4为编号为m的岩石样本第四个SiO2光谱指数)。通过对模型精度进行理论评价，得出其拟合优度R2＝0.876，客观评价为有效反演模型；
步骤五、岩石样品SiO2含量定量反演模型精度评价。以剩余二分之一岩石样品集的岩石样本4个SiO2光谱指数(Xm1、Xm2、Xm3、Xm4)为变量，代入上述反演模型，得到样品集每一个岩石样本的SiO2反演含量。通过对每一个样本的SiO2反演含量与真实含量统计分析得出，四元二次回归模型的平均反演精度为94.85％，主观评价亦为有效反演模型(表1)。
表1岩石样品SiO2含量化学分析值与模型反演精度对比表
综合上述分析，SiO2含量高于65％的岩石样品，均可以通过本方法进行快速反演，大大降低了野外样品的化学分析成本，提高了识别效率。
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作出各种变化。
Claims (5)
1.一种基于四元二次回归模型定量反演岩石SiO2含量的方法，其特征在于，包括如下步骤：
步骤一、岩石发射率光谱测量；选用野外采集的若干个岩石样本，对每一个岩石样本均进行热红外辐亮度测量，并进行发射率分离，获得所有岩石样本的发射率曲线；
步骤二、岩石样品SiO2含量室内定量化学分析；对岩石样本进行SiO2含量和烧失量百分比分析，用岩石样本SiO2含量百分比减去烧失量百分比即岩石样本的真实SiO2含量，剔除SiO2含量低的岩石样本，剩余岩石样本组成样本集；
步骤三、表征岩石SiO2含量诊断波长选取和光谱指数构建；在岩石样本集的发射率曲线中，从8.00～9.70μm波长区间选取2个特征发射谷和2个发射峰对应的波长分别为λ1、λ3、λ2、λ4，从12.25～13.2μm波长区间选取2个特征发射谷和2个发射率对应的波长分别为λ5、λ7、λ6、λ8，获取λ1～λ8波段对应的发射率εmi(i＝1,2，…，8)，计算每个岩石样本的4个SiO2光谱指数Xm1、Xm2、Xm3、Xm4；
步骤四、岩石样品SiO2含量定量反演模型构建；基于二分之一岩石样本集岩石的4个SiO2光谱指数，及其岩石样本的真实SiO2含量，运用统计学原理，构建四元二次回归模型即SiO2含量定量反演模型；
步骤五、岩石样品SiO2含量定量反演模型精度评价；以剩余二分之一岩石样品集的岩石样本4个SiO2光谱指数Xm1、Xm2、Xm3、Xm4为变量，代入上述反演模型，得到样品集每一个岩石样本的SiO2反演含量。通过对每一个样本的SiO2反演含量与真实含量统计分析得出，四元二次回归模型的平均反演精度高于90％，为有效反演模型。
2.根据权利要求1所述的一种基于四元二次回归模型定量反演岩石SiO2含量的方法，其特征在于：所述步骤二，剔除SiO2含量百分比低指百分比小于65％的岩石样本。
3.根据权利要求1所述的一种基于四元二次回归模型定量反演岩石SiO2含量的方法，其特征在于：所述的步骤三的特征波段的波长λ1＝8.00764μm，λ2＝8.2247μm，λ3＝8.6315μm，λ4＝9.2125μm，λ5＝12.2933μm，λ6＝12.5134μm，λ7＝12.6265μm，λ8＝12.8117μm。
4.根据权利要求1所述的一种基于四元二次回归模型定量反演岩石SiO2含量的方法，其特征在于：所述的步骤三4个SiO2光谱指数计算公式为Xm1＝εm1/εm2，Xm1为编号为m的岩石样本第一个SiO2光谱指数，εm1为编号为m的岩石样本波长为λ1＝8.00764μm处的发射率值，εm2为编号为m的岩石样本波长为λ2＝8.2247μm处的发射率值，Xm2＝εm3/εm4，Xm2为编号为m的岩石样本第二个SiO2光谱指数，εm3为编号为m的岩石样本波长为λ3＝8.6315μm处的发射率值，εm4为编号为m的岩石样本波长为λ4＝9.2125μm处的发射率值，Xm3＝εm5/εm6，Xm3为编号为m的岩石样本第三个SiO2光谱指数，εm5为编号为m的岩石样本波长为λ5＝12.2933μm处的发射率值，εm6为编号为m的岩石样本波长为λ6＝12.5134μm处的发射率值，Xm4＝εm7/εm8，Xm4为编号为m的岩石样本第四个SiO2光谱指数，εm7为编号为m的岩石样本波长为λ7＝12.6265μm处的发射率值，εm8为编号为m的岩石样本波长为λ8＝12.8117μm处的发射率值。
5.根据权利要求1所述的一种基于四元二次回归模型定量反演岩石SiO2含量的方法，其特征在于：所述步骤四的四元二次回归模型为Ym＝＝-452.301+135.627Xm1+372.945Xm2-12.245Xm3+220.254Xm4-42.195Xm1 2-155.083Xm2 2，Ym为编号为m的岩石样本反演的SiO2含量值，Xm1为编号为m的岩石样本第一个SiO2光谱指数，Xm2为编号为m的岩石样本第二个SiO2光谱指数，Xm3为编号为m的岩石样本第三个SiO2光谱指数，Xm4为编号为m的岩石样本第四个SiO2光谱指数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610929309.8A CN108007891B (zh) | 2016-10-31 | 2016-10-31 | 一种基于四元二次回归模型定量反演岩石SiO2含量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610929309.8A CN108007891B (zh) | 2016-10-31 | 2016-10-31 | 一种基于四元二次回归模型定量反演岩石SiO2含量的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108007891A true CN108007891A (zh) | 2018-05-08 |
| CN108007891B CN108007891B (zh) | 2020-10-23 |
Family
ID=62047860
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610929309.8A Active CN108007891B (zh) | 2016-10-31 | 2016-10-31 | 一种基于四元二次回归模型定量反演岩石SiO2含量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108007891B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111122469A (zh) * | 2019-12-25 | 2020-05-08 | 吉林大学 | 火成岩中长石含量的确定方法 |
| CN111157698A (zh) * | 2019-12-24 | 2020-05-15 | 核工业北京地质研究院 | 一种利用发射率数据获取黑土土壤全钾含量的反演方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101887012A (zh) * | 2010-06-28 | 2010-11-17 | 中国国土资源航空物探遥感中心 | 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法 |
| CN102298150A (zh) * | 2011-05-23 | 2011-12-28 | 北京师范大学 | 全球陆表宽波段发射率反演方法及系统 |
-
2016
- 2016-10-31 CN CN201610929309.8A patent/CN108007891B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101887012A (zh) * | 2010-06-28 | 2010-11-17 | 中国国土资源航空物探遥感中心 | 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法 |
| CN102298150A (zh) * | 2011-05-23 | 2011-12-28 | 北京师范大学 | 全球陆表宽波段发射率反演方法及系统 |
Non-Patent Citations (6)
| Title |
|---|
| 杜锦锦等: "基于102F实测热红外光谱的富硅类岩SiO2含量定量反演", 《世界核地质科学》 * |
| 杨杭等: "基于热红外发射光谱的岩石SiO2定量反演模型研究", 《光谱学与光谱分析》 * |
| 杨长保等: "STER热红外遥感地表岩石的二氧化硅含量定量反演", 《地质与勘探》 * |
| 王俊虎等: "基于ASTER 热红外数据的SiO2含量反演在某矿田信息提取中的应用", 《铀矿地质》 * |
| 王俊虎等: "热红外遥感技术在铀矿勘查中的应用潜力探讨", 《世界核地质科学》 * |
| 闰柏混等: "热红外遥感定量反演地表岩石的SiO2含量", 《地质通报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111157698A (zh) * | 2019-12-24 | 2020-05-15 | 核工业北京地质研究院 | 一种利用发射率数据获取黑土土壤全钾含量的反演方法 |
| CN111122469A (zh) * | 2019-12-25 | 2020-05-08 | 吉林大学 | 火成岩中长石含量的确定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108007891B (zh) | 2020-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shi et al. | Development of a national VNIR soil-spectral library for soil classification and prediction of organic matter concentrations | |
| CN103383348B (zh) | 植被覆盖区高光谱遥感蚀变矿物提取方法 | |
| CN110333200A (zh) | 一种基于短波红外光谱圈定矿化中心的方法 | |
| CN105628581B (zh) | 一种基于高光谱技术的致密砂岩储层露头孔隙度表征方法 | |
| CN105574621A (zh) | 基于遥感蚀变异常的斑岩铜矿预测系统及方法 | |
| CN106124508A (zh) | 一种文物鉴定系统及鉴定方法 | |
| Zipkin et al. | Ochre fingerprints: Distinguishing among m alawian mineral pigment sources with h omogenized o chre c hip la–icpms | |
| CN115019171B (zh) | 非接触式围岩快速分区分级方法 | |
| CN106680215B (zh) | 一种适合于热红外高光谱遥感的SiO2含量定量计算方法 | |
| CN103208118B (zh) | 一种高光谱遥感影像端元提取方法 | |
| CN107367480B (zh) | 基于热红外光谱的鞍山式铁矿中二氧化硅含量测定方法 | |
| CN108007891A (zh) | 一种基于四元二次回归模型定量反演岩石SiO2含量的方法 | |
| CN107589094A (zh) | 基于光谱特征的鞍山式铁矿石类型确定方法 | |
| CN109668850A (zh) | 基于紫外指纹图谱的中药药性识别方法及系统 | |
| CN108007871A (zh) | 一种基于一元二次回归模型定量反演岩石SiO2含量的方法 | |
| CN109580497A (zh) | 一种基于奇异性理论的高光谱矿物异常信息提取方法 | |
| CN108020321B (zh) | 一种基于发射率光谱指数模型定量反演岩石SiO2含量的方法 | |
| CN113076645B (zh) | 一种结合遥感数据的宇宙射线中子仪空间特征模拟方法 | |
| CN110068605A (zh) | 一种基于pca-lda分析鉴别大米产地的方法 | |
| CN109839356A (zh) | 基于WorldView-3卫星数据的矿化蚀变信息提取方法 | |
| CN102445712A (zh) | 面向岩矿的特征窗口加权相关光谱匹配方法 | |
| Rong et al. | Emissivity measurement for low emissivity objects by two blackbody tube methods | |
| Zhuo et al. | Quantitative retrieving of soil organic matter using field spectrometer and hyperspectral remote sensing | |
| Dong et al. | Progress and prospectives on engineering application of hyperspectral remote sensing for geology and mineral resources | |
| CN114739768A (zh) | 一种红外反射光谱地质标准样的制备方法 |
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 |