CN110261330A - 一种利用光谱特征进行岩石分类的方法 - Google Patents
一种利用光谱特征进行岩石分类的方法 Download PDFInfo
- Publication number
- CN110261330A CN110261330A CN201910421079.8A CN201910421079A CN110261330A CN 110261330 A CN110261330 A CN 110261330A CN 201910421079 A CN201910421079 A CN 201910421079A CN 110261330 A CN110261330 A CN 110261330A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- rock
- classification
- region
- lithology
- 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
Links
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G01N2021/1793—Remote sensing
-
- 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
- G01N2021/3129—Determining multicomponents by multiwavelength light
Abstract
本发明公开了一种利用光谱特征进行岩石分类的方法。1、利用波段比值法对碳酸盐岩进行波谱分析;2、结合地质图和波谱特征建立训练区,使用监督分类方法对页岩和大理岩进行分类;3、利用岩石样本的波谱建立波谱库,结合USGS波谱库补充实施区域中岩石的光谱特征;4、通过波谱分析和计算,对砂岩和花岗岩进行分类;5、使用最小距离分类法进行监督分类,实现剩余的区域其他岩类的分类。本发明解决了遥感解译困难地区尤其是喀斯特地区利用遥感图像解译地质图精度较低的问题。
Description
技术领域
本发明涉及遥感图像处理领域,特别是涉及利用遥感技术生产岩石分类图,更进一步是用光谱特征进行岩性分类的方法。
背景技术
岩石分类是根据岩石的一些特征属性,即颜色、成分、构造、特殊矿物等对岩石进行归类。其目的地是为了进行地质填图,寻找矿物等。地质工作者常通过实地勘探,人工对岩石进行分类后,然后制作岩石分类图。这些方法都会耗费很多时间、人力和物力。随着遥感技术的发展,人们逐步将遥感技术应用到岩性分类中。相比其他分类方法,遥感岩性分类效率较高,周期较短。
遥感岩性分类的原理是根据岩石矿物的光谱特性进行地质解译,从而提取岩石信息。通过对遥感影像数据处理和分析,研究岩石的矿物、结构构造、化学成分和纹理等特征。喀斯特区域内的主要岩性中的碳酸盐岩、砂岩、页岩中都含有大量的相似矿物,在分类时会产生有异物同谱的现象,所以通过遥感影像解译准确度不高。虽然近年来关于遥感岩性识别法很多,但存在几个明显的局限性:
(1)如多源信息融合法虽然可以利用不同数据的优点进行岩石分类,但是有些数据成本较高,不适用于大区域范围内的岩性识别。
(2)如纹理分析法虽然有效地提取岩性信息,但是工作量大,效率低。
(3)如模式识别法一般是针对特定的几种矿物和岩石进行分类识别,应用面相对狭窄。
发明内容
本发明的目的是提出一种利用光谱特征进行岩性分类的方法,能够有效地提取岩性信息,有效的提高了因异物同谱而引起的分类误差,利用岩性特征进行分步解译,有效的解决了遥感解译困难区域尤其是喀斯特地区利用遥感影像解译岩性准确度偏低的问题。
具体步骤为:
1.首先进行波谱分析,通过波段比值法提取碳酸盐岩。波段比值法是应用于多光谱遥感图像的数值处理方法,可以增强岩性的光谱特性并计算吸收带与反射带的比率,它确定不同波段的像素亮度比率,然后使用比率创建新图像。
2.结合区域地质图有针对性的建立训练区域,通过波段比值法提取碳酸盐岩后,从地质图中选择并建立其他几种岩性的训练区域(页岩,大理岩,砂岩,花岗岩和玄武岩),利用波谱特性,并使用监督分类方法分类出页岩和大理岩。
3.采集训练区岩石样本的波谱并建立波普库,通常某种岩性的岩石与其他类型的岩石混合在一起,例如砂岩和页岩,因此不容易对它们进行分类。这意味着USGS对“纯岩石或矿物”进行“理论上”测量的光谱库不足以表达研究区域中岩石的光谱特征。为此,本发明采集训练区域岩石样本的光谱曲线并建立波谱库。
4.不同的物质成分会对岩石的光谱产生不同的影响,但具有相同成分和岩性的岩石具有相似的光谱曲线,直接利用光谱特征很难进行分类。因此,本发明通过分析各类岩石的光谱特征,创新性的进行波谱计算,得出一种有效的岩性分类方法,从而分类出砂岩和花岗岩。
5.上述分类进行之后,再使用最小距离分类法进行监督分类,分类出玄武岩之后,剩余的区域为其他面积分布较小的岩类。
附图说明
图1是本发明的技术路线图。
图2是本发明选取的实验训练区域。
图3是本发明建立的波谱库。
图4是本发明利用波谱特性计算的结果图。
图5是本发明利用波谱特征进行岩石分类的结果图。
具体实施方式
本说明书所描述的实施例仅仅是本发明中的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域的普通技术人员在没有做出创造性劳动前提的条件下所进行的其他所有实施例,都属于本发明的保护范围。下面结合附图对本发明的具体实施方式做进一步说明。
实施例:
本实施例中,我们选取广西地区(典型的喀斯特地貌)的影像进行岩性分类。该影像为Landsat 7ETM+,结合1:20万广西地质图和训练区域岩石样本。
具体实施中,本发明所提供方法的具体运行步骤可以技术路线图(图1)。
步骤1,首先要准备数据,下载Landsat 7ETM+影像,准备1:20万广西地质图,采集训练区域岩石样本,并对Landsat 7ETM+影像进行一系列的预处理工作,如修复坏道大气和几何校正等。
步骤2,进行波谱分析,通过波段比值法提取碳酸盐岩。碳酸盐岩中主要矿物,即方解石和白云石的光谱在1.545-1.755μm之间相对平坦,在2.075-2.351 μm之间出现明显的吸收峰。碳酸盐岩在ETM+影像中band 5在1.750μm处有一个吸收峰,band 7在2.130μm与2.220μm两处各有一个吸收峰,即用这两个波段的比值进行分类。
波段比值法公式如下:
float(B5)/float(B7)) ①
步骤3,通过波段比值法提取碳酸盐岩后,从1:20万地质图中选择并建立其他五种主要岩性的训练区域(图2),利用波谱特性,并使用监督分类方法分类出页岩和大理岩。
具体实现方法如下:
(1)确定1:20万地质图中的五种类型的岩性分布。
(2)使用1:20万地质图中每种岩石的坐标,找到Landsat 7 ETM+图像中的相应位置/区域。记录相应的特征和光谱特征。例如,可以通过解释1:20万地质图来确定五种类型岩石的覆盖范围及其坐标,然后找到Landsat 7 ETM+图像中的相应位置。
(3)重复第二步,找到研究区内的各种岩性,并记录其特征和光谱曲线。
步骤4,采集训练区岩石样本的波谱并建立波普库,为了进一步对这些岩石进行分类,通过ENVI 5.0收集实验室测量的光谱曲线,本发明实施例在0.4μm 至2.4μm的光谱范围内进一步重新采样这些光谱曲线。最后,创建了七种岩石样本的光谱曲线,如图3所示。
步骤5,本发明实施例通过分析各类岩石的光谱特征,通过波谱分析、波谱计算,得出一种有效的岩石分类方法,从而分类出砂岩和花岗岩。
花岗岩、砂岩、玄武岩的计算方法分别如下:
s1×0.65+(s2+s3)×0.35 ②
(s1+s4+s5)/3 ③
s1×0.48+(s6+s7)×0.52 ④
其中s1代表石英的光谱曲线,s2和s3分别代表石英斑岩和花岗斑岩的光谱曲线,s4和s5分别代表石英,白云石和砂岩的光谱曲线,s6分别代表石英和辉绿岩的光谱曲线,s7代表玄武岩的光谱曲线。本发明实施例通过上述公式计算的花岗岩,砂岩和玄武岩的光谱曲线结果如图4所示。
步骤6,通过最小距离分类法进行监督分类,使用ROI工具选取训练场,利用最小距离法进行计算。然后对分类结果进行二值化计算和掩膜计算,裁剪出玄武岩的分类结果,分类出玄武岩之后,剩余的区域为其他面积分布较小的岩类。本发明实施例的分类结果如图5所示。
Claims (1)
1.一种利用光谱特征进行岩石分类的方法,其特征在于具体步骤:
(1)利用遥感影像、区域地质图、采集训练区域岩石样本作为数据源实现遥感影像和地质图相结合来选取实施例区域岩石样本;
(2)针对区域内不同岩性的岩石进行波谱分析,利用波段比值法,将碳酸盐岩分出,然后通过决策树方法裁剪出碳酸盐岩区域;
(3)有针对性的建立训练区域,通过波段比值法提取碳酸盐岩后,从地质图中选择并建立其他几种主要岩性的训练区域(页岩,大理岩,砂岩,花岗岩和玄武岩),利用波谱特性,并使用监督分类方法分类出页岩和大理岩,具体实现方法:①确定地质图中的其他几种主要类型的岩性分布,②使用地质图中每种岩性的坐标,找到遥感影像中的相应位置/区域,记录相应的特征和光谱特征,例如,可以通过解释1:200,000地质图来确定五种类型岩性的覆盖范围及其坐标,然后可以找到Landsat7 ETM+图像中的相应位置,③重复第二步,找到研究区内的各种岩性,并记录其特征和光谱曲线;
(4)采集训练区岩石样本的波谱并建立波谱库,通过光谱测量仪器设备和ENVI等系列软件采集和处理岩石样本的光谱曲线,创建岩石样本的波谱库;
(5)通过分析各类岩石的光谱特征,通过波谱分析、波谱计算,得出一种有效的岩性分类方法,其中波谱计算以某种岩石的某几种物质成分所占比例进行计算;
(6)根据波段比值法、波谱分析、波谱计算,结合监督分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910421079.8A CN110261330A (zh) | 2019-05-20 | 2019-05-20 | 一种利用光谱特征进行岩石分类的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910421079.8A CN110261330A (zh) | 2019-05-20 | 2019-05-20 | 一种利用光谱特征进行岩石分类的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110261330A true CN110261330A (zh) | 2019-09-20 |
Family
ID=67914886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910421079.8A Pending CN110261330A (zh) | 2019-05-20 | 2019-05-20 | 一种利用光谱特征进行岩石分类的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110261330A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111862778A (zh) * | 2020-06-04 | 2020-10-30 | 中国地质科学院 | 一种浅层岩性地质图生成方法、装置、储存介质及设备 |
CN112686259A (zh) * | 2020-12-16 | 2021-04-20 | 中国石油大学(北京) | 基于深度学习的岩石图像智能识别方法、装置及存储介质 |
CN113049521A (zh) * | 2021-03-29 | 2021-06-29 | 自然资源实物地质资料中心 | 识别碳酸盐岩的方法、装置及设备、存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721650A (zh) * | 2012-06-13 | 2012-10-10 | 中国地质科学院矿产资源研究所 | 基于特征指标的矿物成分遥感信息提取方法及装置 |
CN106198402A (zh) * | 2015-05-05 | 2016-12-07 | 核工业北京地质研究院 | 一种基于航天多光谱遥感数据的基性岩识别方法 |
CN109283148A (zh) * | 2018-09-30 | 2019-01-29 | 核工业北京地质研究院 | 一种基于光谱信息自动识别岩石矿物的方法 |
US20190107483A1 (en) * | 2010-02-05 | 2019-04-11 | The University Of Sydney Of Parramatta Road | Determination of rock types by spectral scanning |
CN109657637A (zh) * | 2018-12-27 | 2019-04-19 | 核工业北京地质研究院 | 一种利用casi图像区别不同岩石中赤铁矿的方法 |
-
2019
- 2019-05-20 CN CN201910421079.8A patent/CN110261330A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190107483A1 (en) * | 2010-02-05 | 2019-04-11 | The University Of Sydney Of Parramatta Road | Determination of rock types by spectral scanning |
CN102721650A (zh) * | 2012-06-13 | 2012-10-10 | 中国地质科学院矿产资源研究所 | 基于特征指标的矿物成分遥感信息提取方法及装置 |
CN106198402A (zh) * | 2015-05-05 | 2016-12-07 | 核工业北京地质研究院 | 一种基于航天多光谱遥感数据的基性岩识别方法 |
CN109283148A (zh) * | 2018-09-30 | 2019-01-29 | 核工业北京地质研究院 | 一种基于光谱信息自动识别岩石矿物的方法 |
CN109657637A (zh) * | 2018-12-27 | 2019-04-19 | 核工业北京地质研究院 | 一种利用casi图像区别不同岩石中赤铁矿的方法 |
Non-Patent Citations (1)
Title |
---|
孙玥: "基于多光谱遥感影像的广西地区岩石信息提取研究", 《万方数据知识服务平台》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111862778A (zh) * | 2020-06-04 | 2020-10-30 | 中国地质科学院 | 一种浅层岩性地质图生成方法、装置、储存介质及设备 |
CN112686259A (zh) * | 2020-12-16 | 2021-04-20 | 中国石油大学(北京) | 基于深度学习的岩石图像智能识别方法、装置及存储介质 |
CN112686259B (zh) * | 2020-12-16 | 2023-09-26 | 中国石油大学(北京) | 基于深度学习的岩石图像智能识别方法、装置及存储介质 |
CN113049521A (zh) * | 2021-03-29 | 2021-06-29 | 自然资源实物地质资料中心 | 识别碳酸盐岩的方法、装置及设备、存储介质 |
CN113049521B (zh) * | 2021-03-29 | 2023-09-26 | 自然资源实物地质资料中心 | 识别碳酸盐岩的方法、装置及设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102071928B (zh) | 一种三维空间火山岩岩性识别方法 | |
Taylor et al. | Relationships between soil properties and high-resolution radiometrics, central eastern Wheatbelt, Western Australia | |
CN110261330A (zh) | 一种利用光谱特征进行岩石分类的方法 | |
AU2020101520A4 (en) | Method for identifying exposed and buried fault structures in granite-type uranium province | |
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 | |
CN104537375B (zh) | 一种基于卫星遥感数据的褐铁矿化信息提取方法 | |
EP3809133B1 (en) | A method for characterizing underground metallic mineral deposits based on rock coatings and fracture fills | |
CN105574621A (zh) | 基于遥感蚀变异常的斑岩铜矿预测系统及方法 | |
CN104502919A (zh) | 利用机载激光雷达点云提取城市植被三维覆盖的方法 | |
CN105136628B (zh) | 三角洲沉积遥感探测方法及装置 | |
CN115019171B (zh) | 非接触式围岩快速分区分级方法 | |
CN114646682A (zh) | 一种基于绿帘石微量元素的找矿方法 | |
CN115330664A (zh) | 基于图像识别的围岩风化程度全自动识别方法及装置 | |
CN114609675A (zh) | 基于高频旋回对碳酸盐岩地层沉积微地貌的定量恢复方法 | |
Miksa et al. | It all comes out in the wash: Actualistic petrofacies modeling of temper provenance, Tonto Basin, Arizona, USA | |
Nauton-Fourteu et al. | Deep-versus shallow-marine sandstone provenance in the mid-Carboniferous Clare Basin, western Ireland | |
CN105512651A (zh) | 一种基于能谱角的岩性分类方法 | |
Chen et al. | Using geochemical data for prospecting target areas by the sequential maximum angle convex cone method in the Manzhouli area, China | |
CN111880240B (zh) | 一种基于砂金指针矿物学的找矿方法 | |
CN114578448A (zh) | 基于多地源地质参数的考察点定位方法 | |
CN114114396A (zh) | 一种台地相厚层灰岩沉积相刻画和预测系统及预测方法 | |
CN103278852A (zh) | 利用地震数据体波形结构特征模型预测油气的方法 | |
CN109577946B (zh) | 一种利用测井数据识别鲕粒滩类型的方法 | |
Schwarzer et al. | Low altitude gamma-spectrometric surveys from helicopters in Puerto Rico as an example of the remote sensing of thorium, uranium, and potassium in soils and rocks | |
Badawy | Applications of remote sensing and geographic information systems in geomorphological studies: Safaga-El Quseir area, Red Sea coast, Egypt as an example |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190920 |
|
WD01 | Invention patent application deemed withdrawn after publication |