CN109800655A - Etm遥感影像砂岩铀矿补给-排泄-径流区的识别方法 - Google Patents

Etm遥感影像砂岩铀矿补给-排泄-径流区的识别方法 Download PDF

Info

Publication number
CN109800655A
CN109800655A CN201811586578.4A CN201811586578A CN109800655A CN 109800655 A CN109800655 A CN 109800655A CN 201811586578 A CN201811586578 A CN 201811586578A CN 109800655 A CN109800655 A CN 109800655A
Authority
CN
China
Prior art keywords
image
etm
area
mnf
runoff
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
Application number
CN201811586578.4A
Other languages
English (en)
Inventor
李瀚波
潘蔚
方茂龙
余长发
田青林
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 CN201811586578.4A priority Critical patent/CN109800655A/zh
Publication of CN109800655A publication Critical patent/CN109800655A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Image Processing (AREA)

Abstract

本发明属于多光谱遥感分析技术领域，具体公开一种ETM遥感影像砂岩铀矿补给‑排泄‑径流区的识别方法：对原始多光谱影像进行MNF变换，得到图像MNF[n]；选择图像MNF[n]的第二波段进行纹理分析，得到纹理特征图像MNF2_Texture；对图像MNF2_Texture进行密度分割，识别补给区B；对图像ETM_cut[n]进行缨帽变换计算，得到湿度指数影像和植被指数影像，分别记为ETM_Wetness和ETM_Greenness；分别计算湿度指数影像ETM_Wetness高值区和植被指数影像ETM_Greenness的高值区，并作并集运算，利用高值区确定排泄区P范围；根据上已圈定的补给区B和排泄区P范围，圈定径流区J。该方法解决了径流区与补给区的图像分割问题，并结合植被指数分析，实现盆地补给区、径流区和排泄区的定量识别。

Description

ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法
技术领域
本发明属于多光谱遥感分析技术领域，具体涉及一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法。
背景技术
后生成因的砂岩铀矿形成的水文地质条件是极其重要的，产铀的沉积盆地应是大型自流水盆地，有丰富的水源补给区，有岩层产状舒缓的长距离径流区(有利于地下水缓慢流动和砂岩的充分氧化)，并有明显的排泄区。盆地沉积盖层中形成的层间氧化带，是地下水参与下后生改造作用的产物。没有地下水的后生改造作用，就不可能形成层间氧化带。地表淋滤水的大量渗入，完善的补给、径流、排泄系统，地下水的充分循环，水岩作用的持续进行等方面是层间氧化带发育的决定性因素。因此，层间氧化带主要发育于具有完善地下水补给-径流-排泄系统的盆地边部地带。
补给区主要是盆地周缘的中低山系，以大气降水、冰、雪融水及基岩裂隙水的形式补给，并通过断裂构造或出露的透水层流入地下；排泄区则一般分布于盆地低洼地区；位于补给区和排泄区之间的就是径流区。因此，一旦确定了研究区的补—径—排区域，就可以在宏观尺度上对研究区内成矿的水动力环境进行深入分析和研究。
目前传统遥感方法用于补径排区域识别多是利用中等分辨率的卫星遥感数据，提取湿度指数和植被指数来识别排泄区；但径流区与补给区由于光学信息差异少，仅通过影像光学特征难以区分。
发明内容
本发明的目的在于提供一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法，该方法解决了径流区与补给区的图像分割问题，并结合植被指数分析，实现盆地补给区、径流区和排泄区的定量识别。
实现本发明目的的技术方案：一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法，该方法包括以下步骤：
步骤(1)对原始多光谱影像进行MNF变换，得到图像MNF[n]；
步骤(2)选择上述步骤(1)中得到的图像MNF[n]的第二波段进行纹理分析，得到纹理特征图像MNF2_Texture；
步骤(3)对上述步骤(2)中纹理特征分析后的图像MNF2_Texture进行密度分割，识别补给区B；
步骤(4)对步骤(1)中的图像ETM_cut[n]进行缨帽变换计算，得到湿度指数影像和植被指数影像，分别记为ETM_Wetness和ETM_Greenness；
步骤(5)分别计算湿度指数影像ETM_Wetness高值区和植被指数影像ETM_Greenness的高值区，并作并集运算，利用高值区确定排泄区P范围；
步骤(6)根据上述步骤(3)中已圈定的补给区B和上述步骤(5)中已圈定的排泄区P范围，圈定径流区J。
所述的步骤(1)具体包括以下步骤：
步骤(1.1)原始ETM 7波段数据，记为ETM[n]，根据工作区范围对ETM影像进行图像裁剪，获得工作区范围内的ETM影像，记为图像ETM_cut[n]；
步骤(1.2)对图像ETM_cut[n]进行MNF变换处理，得到图像MNF[n]。
所述的步骤(2)具体包括以下步骤：
步骤(2.1)获取得到图像MNF[n]中第二波段作为纹理分析的图像，记为MNF2；
步骤(2.2)使用共生矩阵方法对图像MNF2进行纹理特征计算，计算后的图像记为MNF2_Texture。
所述的步骤(2.2)中的纹理特征计算计算参数中的滑动窗口选择3*3或5*5，纹理特征统计方式选择方差。
所述的步骤(3)具体包括以下步骤：
步骤(3.1)对图像MNF2_Texture开展图像分割；
步骤(3.2)根据图像分割结果圈定补给区范围，补给区记为多边形B。
所述的步骤(5)具体包括以下步骤：
步骤(5.1)计算湿度指数影像ETM_Wetness高值区：对湿度指数影像ETM_Wetness进行高端切割，得到二值化图像Wetness_Seg；
步骤(5.2)计算植被指数影像ETM_Greenness的高值区：对植被指数影像ETM_Greenness进行高端切割，得到二值化图像Greenness_Seg；
步骤(5.3)求图像Wetness_Seg和图像Greenness_Seg的并集：图像Wetness_Seg和图像Greenness_Seg做相加运算，得到图像记为Wet_Green；
步骤(5.4)根据Wet_Green图像的亮度值，圈定排泄区范围，排泄区记为多边形P。
所述的步骤(5.1)中当Wetness_Seg亮度值为1时为湿度指数高位置，当Wetness_Seg亮度值为0时为湿度指数低位置。
所述的步骤(5.2)中当Greenness_Seg亮度值为1时为植被指数高位置，当Greenness_Seg亮度值为0时为植被指数低位置。
所述的步骤(5.4)中当Wet_Green图像的亮度值＝1或2时，该像元属于排泄区范围。
所述的步骤(6)中径流区J为已圈定的补给区B与排泄区P之间的部分即为径流区范围。
本发明的有益技术效果在于：本发明的方法利用补给区和径流区纹理粗糙度的差异，使用图像纹理特征分析方法进行了补给区和径流区的分割，并结合植被指数分析，定量识别出补给区、径流区和排泄区。本发明的方法较之传统的补径排识别方法更加准确，可应用于层间氧化带型砂岩铀矿补径排区域的准确划分。
附图说明
图1为本发明所提供的一种遥感影像砂岩铀矿补给-排泄-径流区的识别方法的流程图。
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。
如图1所示，本发明所提供的一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法，该方法具体包括以下步骤：
步骤(1)对原始多光谱影像进行MNF变换，得到图像MNF[n]，该步骤包含以下步骤：
步骤(1.1)原始ETM 7波段数据，记为ETM[n]，根据工作区范围对ETM影像进行图像裁剪，获得工作区范围内的ETM影像，记为图像ETM_cut[n]。
其中，n为波段数，n＝7。
步骤(1.2)对图像ETM_cut[n]进行MNF变换处理，得到图像MNF[n]。
其中，n为波段数，n＝7。
步骤(2)选择上述步骤(1)中得到的图像MNF[n]的第二波段进行纹理分析，得到纹理特征图像MNF2_Texture，该步骤包含以下子步骤：
步骤(2.1)获取得到图像MNF[n]中第二波段作为纹理分析的图像，记为MNF2。
步骤(2.2)使用共生矩阵方法对图像MNF2进行纹理特征计算，计算后的图像记为MNF2_Texture。
其中，纹理特征计算计算参数中的滑动窗口选择3*3或5*5，纹理特征统计方式选择方差。进行纹理特征计算后的图像记为MNF2_Texture。
步骤(3)对上述步骤(2)中纹理特征分析后的图像MNF2_Texture进行密度分割，识别补给区B。
步骤(3.1)对图像MNF2_Texture开展图像分割。
分割阈值的选择需要通过尝试确定。例如，图像分割阈值为20。
步骤(3.2)根据图像分割结果圈定补给区范围，补给区记为多边形B。
步骤(4)对步骤(1)中进行了波段叠加和图像裁剪的图像ETM_cut[n]进行缨帽变换计算，得到湿度指数影像和植被指数影像，分别记为ETM_Wetness和ETM_Greenness。
步骤(5)分别计算湿度指数影像ETM_Wetness高值区和植被指数影像ETM_Greenness的高值区，并作并集运算，利用高值区确定排泄区P范围。
该步骤包含以下步骤：
步骤(5.1)计算湿度指数影像ETM_Wetness高值区：对湿度指数影像ETM_Wetness进行高端切割，得到二值化图像Wetness_Seg。其中，当Wetness_Seg亮度值为1时为湿度指数高位置，当Wetness_Seg亮度值为0时为湿度指数低位置。
步骤(5.2)计算植被指数影像ETM_Greenness的高值区：对植被指数影像ETM_Greenness进行高端切割，得到二值化图像Greenness_Seg。其中，当Greenness_Seg亮度值为1时为植被指数高位置，当Greenness_Seg亮度值为0时为植被指数低位置。
步骤(5.3)求图像Wetness_Seg和图像Greenness_Seg的并集：图像Wetness_Seg和图像Greenness_Seg做相加运算，得到图像记为Wet_Green。
步骤(5.4)根据Wet_Green图像的亮度值，圈定排泄区范围，排泄区记为多边形P。当Wet_Green图像的亮度值＝1或2时，该像元属于排泄区范围。
步骤(6)根据上述步骤(3)中已圈定的补给区B和上述步骤(5)中已圈定的排泄区P范围，圈定径流区J。
已圈定的补给区B与排泄区P之间的部分即为径流区范围，径流区记为多边形J。
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 (10)

1.一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法，其特征在于：该方法包括以下步骤：
步骤(1)对原始多光谱影像进行MNF变换，得到图像MNF[n]；
步骤(2)选择上述步骤(1)中得到的图像MNF[n]的第二波段进行纹理分析，得到纹理特征图像MNF2_Texture；
步骤(3)对上述步骤(2)中纹理特征分析后的图像MNF2_Texture进行密度分割，识别补给区B；
步骤(4)对步骤(1)中的图像ETM_cut[n]进行缨帽变换计算，得到湿度指数影像和植被指数影像，分别记为ETM_Wetness和ETM_Greenness；
步骤(5)分别计算湿度指数影像ETM_Wetness高值区和植被指数影像ETM_Greenness的高值区，并作并集运算，利用高值区确定排泄区P范围；
步骤(6)根据上述步骤(3)中已圈定的补给区B和上述步骤(5)中已圈定的排泄区P范围，圈定径流区J。
2.根据权利要求1所述的一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法，其特征在于：所述的步骤(1)具体包括以下步骤：
步骤(1.1)原始ETM 7波段数据，记为ETM[n]，根据工作区范围对ETM影像进行图像裁剪，获得工作区范围内的ETM影像，记为图像ETM_cut[n]；
步骤(1.2)对图像ETM_cut[n]进行MNF变换处理，得到图像MNF[n]。
3.根据权利要求2所述的一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法，其特征在于：所述的步骤(2)具体包括以下步骤：
步骤(2.1)获取得到图像MNF[n]中第二波段作为纹理分析的图像，记为MNF2；
步骤(2.2)使用共生矩阵方法对图像MNF2进行纹理特征计算，计算后的图像记为MNF2_Texture。
4.根据权利要求3所述的一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法，其特征在于：所述的步骤(2.2)中的纹理特征计算计算参数中的滑动窗口选择3*3或5*5，纹理特征统计方式选择方差。
5.根据权利要求4所述的一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法，其特征在于：所述的步骤(3)具体包括以下步骤：
步骤(3.1)对图像MNF2_Texture开展图像分割；
步骤(3.2)根据图像分割结果圈定补给区范围，补给区记为多边形B。
6.根据权利要求5所述的一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法，其特征在于：所述的步骤(5)具体包括以下步骤：
步骤(5.1)计算湿度指数影像ETM_Wetness高值区：对湿度指数影像ETM_Wetness进行高端切割，得到二值化图像Wetness_Seg；
步骤(5.2)计算植被指数影像ETM_Greenness的高值区：对植被指数影像ETM_Greenness进行高端切割，得到二值化图像Greenness_Seg；
步骤(5.3)求图像Wetness_Seg和图像Greenness_Seg的并集：图像Wetness_Seg和图像Greenness_Seg做相加运算，得到图像记为Wet_Green；
步骤(5.4)根据Wet_Green图像的亮度值，圈定排泄区范围，排泄区记为多边形P。
7.根据权利要求6所述的一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法，其特征在于：所述的步骤(5.1)中当Wetness_Seg亮度值为1时为湿度指数高位置，当Wetness_Seg亮度值为0时为湿度指数低位置。
8.根据权利要求7所述的一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法，其特征在于：所述的步骤(5.2)中当Greenness_Seg亮度值为1时为植被指数高位置，当Greenness_Seg亮度值为0时为植被指数低位置。
9.根据权利要求8所述的一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法，其特征在于：所述的步骤(5.4)中当Wet_Green图像的亮度值＝1或2时，该像元属于排泄区范围。
10.根据权利要求9所述的一种ETM遥感影像砂岩铀矿补给-排泄-径流区的识别方法，其特征在于：所述的步骤(6)中径流区J为已圈定的补给区B与排泄区P之间的部分即为径流区范围。
CN201811586578.4A 2018-12-25 2018-12-25 Etm遥感影像砂岩铀矿补给-排泄-径流区的识别方法 Pending CN109800655A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811586578.4A CN109800655A (zh) 2018-12-25 2018-12-25 Etm遥感影像砂岩铀矿补给-排泄-径流区的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811586578.4A CN109800655A (zh) 2018-12-25 2018-12-25 Etm遥感影像砂岩铀矿补给-排泄-径流区的识别方法

Publications (1)

Publication Number Publication Date
CN109800655A true CN109800655A (zh) 2019-05-24

Family

ID=66557399

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811586578.4A Pending CN109800655A (zh) 2018-12-25 2018-12-25 Etm遥感影像砂岩铀矿补给-排泄-径流区的识别方法

Country Status (1)

Country Link
CN (1) CN109800655A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111060456A (zh) * 2019-12-27 2020-04-24 核工业北京地质研究院 一种利用遥感影像识别砂岩铀矿构造排泄带的方法
CN111159323A (zh) * 2019-12-20 2020-05-15 核工业北京地质研究院 一种基于多源地学信息识别砂岩型铀矿补径排体系的方法
CN112927161A (zh) * 2021-03-12 2021-06-08 新疆大学 一种多光谱遥感图像的增强方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101221243A (zh) * 2007-11-01 2008-07-16 复旦大学 基于非负矩阵因式分解的遥感图像混合像元分解方法
CN102622738A (zh) * 2012-03-08 2012-08-01 北京师范大学 一种Landsat TM/ETM+图像中山体阴影区的光谱信息恢复方法
CN104574394A (zh) * 2014-12-31 2015-04-29 北京航天宏图信息技术有限责任公司 遥感影像数据处理方法和装置
CN106885772A (zh) * 2015-12-15 2017-06-23 核工业北京地质研究院 一种地质知识参与的etm遥感羟基蚀变矿物提取改进方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101221243A (zh) * 2007-11-01 2008-07-16 复旦大学 基于非负矩阵因式分解的遥感图像混合像元分解方法
CN102622738A (zh) * 2012-03-08 2012-08-01 北京师范大学 一种Landsat TM/ETM+图像中山体阴影区的光谱信息恢复方法
CN104574394A (zh) * 2014-12-31 2015-04-29 北京航天宏图信息技术有限责任公司 遥感影像数据处理方法和装置
CN106885772A (zh) * 2015-12-15 2017-06-23 核工业北京地质研究院 一种地质知识参与的etm遥感羟基蚀变矿物提取改进方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张春森等: "高光谱影像光谱－空间多特征加权概率融合分类", 《测绘学报》 *
林子瑜等: "吐哈盆地地下水排泄构造的遥感探测与砂岩铀矿找矿勘查", 《东华理工大学学报(自然科学版)》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111159323A (zh) * 2019-12-20 2020-05-15 核工业北京地质研究院 一种基于多源地学信息识别砂岩型铀矿补径排体系的方法
CN111060456A (zh) * 2019-12-27 2020-04-24 核工业北京地质研究院 一种利用遥感影像识别砂岩铀矿构造排泄带的方法
CN111060456B (zh) * 2019-12-27 2022-09-20 核工业北京地质研究院 一种利用遥感影像识别砂岩铀矿构造排泄带的方法
CN112927161A (zh) * 2021-03-12 2021-06-08 新疆大学 一种多光谱遥感图像的增强方法、装置及存储介质
CN112927161B (zh) * 2021-03-12 2022-07-01 新疆大学 一种多光谱遥感图像的增强方法、装置及存储介质

Similar Documents

Publication Publication Date Title
CN109800655A (zh) Etm遥感影像砂岩铀矿补给-排泄-径流区的识别方法
CN106971156A (zh) 一种基于面向对象分类的稀土开采区遥感信息提取方法
CN107358654B (zh) 基于多边形变形技术的剖面重构三维表面建模方法及系统
Coles et al. The early settlement of Scotland: excavations at Morton, Fife1
Eliuk The Abenaki Formation, Nova Scotia shelf, Canada—a depositional and diagenetic model for a Mesozoic carbonate platform
CN103646423B (zh) 一种三维地质建模的方法及装置
CN102032903B (zh) 基于Landsat数据源的珊瑚岛礁遥感信息自动提取方法
CN104049245A (zh) 基于LiDAR点云空间差异分析的城市建筑物变化检测方法
CN102156984B (zh) 一种利用自适应阈值分割确定最优标记图像的方法
CN107989612B (zh) 一种高潜水位煤矿区动态预复垦新方法
Pervesler et al. Ichnological record of environmental changes in early Quaternary (Gelasian–Calabrian) marine deposits of the Stirone Section, northern Italy
Meng et al. New stratigraphic data from the Erlian Basin: implications for the division, correlation, and definition of Paleogene lithological units in Nei Mongol (Inner Mongolia)
Alhirmizy Automatic mapping of lineaments using shaded relief images derived from Digital Elevation Model (DEM) in Kirkuk Northeast Iraq
Bordy et al. Enigmatic continental burrows from the Early Triassic transition of the Katberg and Burgersdorp formations in the main Karoo Basin, South Africa
Finch et al. Soils of Co. limerick
CN109596536A (zh) 一种基于遥感影像寻找潜在超大型砂岩铀矿床的方法
Joshi et al. Quaternary glaciation and Palaeolithic sites in the Liddar Valley (Jammu‐Kashmir)
Seely STRUCTURE AND STRATIGRAPHY OF THE RICH MOUNTAIN AREA, OKLAHOMA AND ARKANSAS. PART I: OBSERVATIONAL DATA. PART II: HYPOTHESES.
Leonova Investigation of Mesolithic and Upper Paleolithic multilayer sites in the north-west Caucasus
McAdam et al. Geology of the Haddington District: Memoir for 1: 50000 Sheet 33W and Part of Sheet 41
CN111160182B (zh) 一种识别古河道地表钙结岩的方法
Won et al. First record of a beetle (Coleoptera: Cupedidae) from the Lower Cretaceous of the Democratic People's Republic of Korea
Mitchell Preliminary report on the Later Stone Age sequence from Tloutle rock shelter, western Lesotho
Coggan et al. Using the EUNIS habitat classification system in broadscale regional mapping: some problems and potential solutions from case studies in the English Channel
Edwards et al. The earliest vascular plant or a later rooting system? Pinnatiramosus qianensis from the marine lower Silurian Xiushan Formation, Guizhou Province, China

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190524

RJ01 Rejection of invention patent application after publication