CN111044480A - 一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法 - Google Patents
一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法 Download PDFInfo
- Publication number
- CN111044480A CN111044480A CN201911408882.4A CN201911408882A CN111044480A CN 111044480 A CN111044480 A CN 111044480A CN 201911408882 A CN201911408882 A CN 201911408882A CN 111044480 A CN111044480 A CN 111044480A
- Authority
- CN
- China
- Prior art keywords
- thermal infrared
- quartz
- remote sensing
- content
- silicification
- 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
- 239000010438 granite Substances 0.000 title claims abstract description 30
- 230000004075 alteration Effects 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 27
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims abstract description 85
- 239000010453 quartz Substances 0.000 claims abstract description 74
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 51
- 239000011707 mineral Substances 0.000 claims abstract description 51
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000012937 correction Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000005855 radiation Effects 0.000 claims description 16
- 238000002329 infrared spectrum Methods 0.000 claims description 15
- 238000002834 transmittance Methods 0.000 claims description 13
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 claims description 12
- 238000011160 research Methods 0.000 claims description 12
- 238000012952 Resampling Methods 0.000 claims description 11
- 239000011435 rock Substances 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 10
- 229910052681 coesite Inorganic materials 0.000 claims description 8
- 229910052906 cristobalite Inorganic materials 0.000 claims description 8
- 239000000377 silicon dioxide Substances 0.000 claims description 8
- 229910052682 stishovite Inorganic materials 0.000 claims description 8
- 229910052905 tridymite Inorganic materials 0.000 claims description 8
- KKCBUQHMOMHUOY-UHFFFAOYSA-N Na2O Inorganic materials [O-2].[Na+].[Na+] KKCBUQHMOMHUOY-UHFFFAOYSA-N 0.000 claims description 6
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 6
- ODINCKMPIJJUCX-UHFFFAOYSA-N calcium oxide Inorganic materials [Ca]=O ODINCKMPIJJUCX-UHFFFAOYSA-N 0.000 claims description 6
- 229910052593 corundum Inorganic materials 0.000 claims description 6
- CPLXHLVBOLITMK-UHFFFAOYSA-N magnesium oxide Inorganic materials [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 claims description 6
- VASIZKWUTCETSD-UHFFFAOYSA-N manganese(II) oxide Inorganic materials [Mn]=O VASIZKWUTCETSD-UHFFFAOYSA-N 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 229910001845 yogo sapphire Inorganic materials 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000000605 extraction Methods 0.000 description 8
- 241000132092 Aster Species 0.000 description 1
- 241000283070 Equus zebra Species 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 229910052770 Uranium Inorganic materials 0.000 description 1
- 229910052612 amphibole Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 description 1
Images
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
-
- 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
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/02—Prospecting
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于遥感信息技术矿产勘查应用领域，具体涉及一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法。本发明的方法包括以下步骤：热红外高光谱遥感数据预处理；热红外高光谱遥感数据大气校正；热红外高光谱数据温度/发射率分离；石英矿物定量计算公式获取；石英矿物含量图获取；硅化蚀变信息的获取。本发明针对花岗岩和硅化带石英含量的不同，利用遥感技术对其进行石英含量的定量计算，能够快速精确提取硅化蚀变带的分布信息，确定硅化蚀变带的位置和形态。
Description
技术领域
本发明属于遥感信息技术矿产勘查应用领域，具体涉及一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法。
背景技术
花岗岩区中，硅化带为热液活动形成的蚀变条带的一种，是多种热液型矿床的找矿标志，包括金、锡等多金属矿床，也包括热液型铀矿床。
由于花岗岩和硅化带在可见-短波红外遥感图像上亮度都比较高，很难靠肉眼去甄别。目前，使用遥感技术进行硅化带提取方法主要为SiO2的信息提取，分为定性提取和定量提取两大类。当前遥感数据SiO2定量计算方法主要是使用多光谱数据，包括Landsat中的TM、ETM数据和ASTER数据，光谱分辨率较低，因此精确度非常低。由于花岗岩和硅化带的SiO2含量都比较高，区分难度较大。所以花岗岩和硅化带的石英矿物的含量差别可以作为更加可靠的区分标准。
遥感技术识别硅化带最直接的方法应该是提取石英含量非常高的条带或区域，其关键技术是找到能够识别出仅反映石英矿物含量的特征发射率谱带，是区别于其他含SiO2的矿物的特征谱带。
热红外高光谱数据具有非常高的光谱分辨率，能够非常精确地表现出与石英矿物含量密切相关的波段范围和特征波段。热红外高光谱遥感对石英矿物含量的定量计算是目前硅化带提取的前缘技术，也是遥感技术在地质领域应用的重点技术。因此，亟需充分利用热红外高光谱遥感技术覆盖面广、信息获取快、探测精度高及光谱分辨率高的技术优势，结合地球化学分析数据，开发出以石英矿物含量定量为基础的硅化蚀变带提取方法。
发明内容
本发明目的是针对上述现有技术不足，提出一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法，用于解决的技术问题为：针对花岗岩SiO2含量高而难以通过高SiO2条带提取硅化信息的问题。
本发明的技术方案如下所述：
一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法，包括以下步骤：
步骤1.热红外高光谱遥感数据预处理；
步骤2.热红外高光谱遥感数据大气校正；
步骤3.热红外高光谱数据温度/发射率分离；
步骤4.石英矿物含量定量计算经验公式确定；
步骤5.石英矿物含量图获取；
步骤6.花岗岩区硅化蚀变信息提取。
步骤1中，包括辐射校正、几何校正、图像镶嵌流程，用于将数个条带拼接成整个研究区遥感图像；
步骤2包括以下步骤：
步骤2.1：对热红外高光谱遥感数据进行大气透过率曲线、上行辐射和下行辐射模拟，得到研究区大气透过率模拟曲线及上下行辐射模拟曲线；
步骤2.2：按照步骤1所采用的热红外高光谱遥感数据波段进行重采样，得到重采样后大气透过率曲线，进而得到热红外高光谱遥感数据大气校正图像；
步骤3中，利用归一化法进行温度/发射率分离，得到发射率图像；
步骤4包括以下步骤：
步骤4.1：通过JHU光谱库中各种岩性的热红外光谱曲线的观察分析，找出与石英矿物含量相关的波段范围；
步骤4.2：采集不同岩性的岩浆岩标本进行热红外光谱数据采集；
步骤4.3：将步骤4.2采集到的热红外光谱数据进行重采样，使其与步骤1采用的热红外高光谱遥感数据相匹配，并结合步骤4.1找出石英矿物含量密切相关的波段组合；
步骤4.4：对步骤4.2所述岩石标本进行地球化学测试，获取相应的SiO2、TiO2、Al2O3、TFe2O3、MnO、MgO、CaO、Na2O、K2O及P2O5的含量数据；
步骤4.5：根据各样品的SiO2、TiO2、Al2O3、TFe2O3、MnO、MgO、CaO、Na2O、K2O及P2O5的含量数据，使用CIPW算法计算出各样品的石英矿物含量。
步骤4.6：将步骤4.3得到的与石英矿物含量密切相关的波段组合在不同组合方式下，进行四则运算、对数运算及指数运算，然后结合步骤4.5得到的石英含量进行回归分析，获取相关性最高的波段组合形式，即ln[B6^2/(B5*B7]，另外，B6＞B5且B6＞B7是石英含量大于0的条件，否则石英含量为0。
其中，B5、B6、B7中心波长分别为8.49μm、8.60μm、8.71μm。
因本发明使用的数据波段范围处于8-11.5μm之间，所得与SiO2含量相关性最高的波段组合形式是相对于该波段范围内的。
步骤4.7：根据石英矿物含量及其对应的发射率光谱曲线中相关性最高的波段组合，得出石英矿物含量定量计算经验公式，即
y＝((B6 GT B5)and(B6 GT B7))×(8208.9x3-5525x2+1228.2x+0.3139)
x＝ln[B6^2/(B5*B7]，
r2＝0.9544
其中，B5、B6、B7为波段代号，其中心波长分别为8.49μm、8.60μm、8.71μm；GT为运算符号，为“大于”的意思。
步骤5中，将步骤4.7所述经验公式代入发射率图像，进行波段运算，获取石英矿物含量图。
步骤6中，将石英定量图进行密度分割，将石英含量较高的等级提取出来，确定硅化蚀变带的范围和分布形态；
石英含量最高的等级作为硅化蚀变带信息；将B6＞B5且B6＞B7，即中心波长为8.60μm为发射峰，作为石英含量提取的前提条件，并将其加入步骤4.7中的石英矿物含量定量计算经验公式，保证石英含量计算结果为非负数，使其更具合理性。
作为优选方案：步骤1中，采用航空热红外高光谱遥感TASI数据。
本发明的有益效果为：
(1)本发明的一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法，限定了特征波段B6＞B5且B6＞B7的条件，将B6是发射峰的特征引入公式，保证了公式不会出现负值的情况，研究区的石英矿物含量提取结果的合理性，进而能够快速有效地寻找高石英矿物条带，确定硅化带的位置和分布形态；
(2)本发明的一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法，能够剔除酸性岩脉等高SiO2含量但低石英矿物的条带对硅化带提取的影响。
附图说明
图1为本发明的一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法流程图；
图2为本发明用Modtran4.0模拟的大气透过率曲线；
图3为本发明用Modtran4.0模拟的大气透过率重采样曲线；
图4为模拟的上下行辐射重采样曲线；
图5为石英含量与ln[B8.60μm^2/(B8.49um*B8.71μm]的线性关系图；
图6为石英矿物含量密度分割图。
具体实施方式
下面结合附图和实例对本发明的一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法进行详细说明。
本发明的一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法，首先利用JHU光谱库中各种岩浆岩的热红外高光谱遥感数据，分析总结与石英矿物含量密切相关的波段范围；之后测量不同岩性岩石标本的热红外光谱数据，结合这些标本的全量地球化学分析数据，使用CIPW算法计算出各样品石英的含量。总结石英矿物含量定量计算的经验公式；最后将经验公式带入热红外高光谱数据分离出的发射率图像中，进行波段运算，获取石英矿物含量图像。
如图1所示，本发明的一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法，具体包括以下步骤：
步骤1.热红外高光谱遥感数据预处理
热红外高光谱遥感数据预处理包括辐射校正、几何校正、图像镶嵌等流程，用于将数个条带拼接成整个研究区遥感图像，具体处理方法为本领域技术人员公知常识。
本实施例中，采用航空热红外高光谱遥感TASI(Thermal AirborneHyperspectral Imager)数据，研究区为东准噶尔盆地喀木斯特地区，数据采集时间为2013年10月28日凌晨。
步骤2.热红外高光谱遥感数据大气校正
步骤2.1：对热红外高光谱遥感数据进行大气透过率曲线、上行辐射和下行辐射模拟，得到图2所示研究区大气透过率模拟曲线及图4所示上下行辐射模拟曲线。
步骤2.2：按照步骤1所采用的热红外高光谱遥感数据波段进行重采样，得到图3所示重采样后大气透过率曲线，进而得到热红外高光谱遥感数据大气校正图像。
本实施例中，步骤2.1中，利用Modtran4.0进行大气透过率曲线、上行辐射和下行辐射模拟；步骤2.2中，按照步骤1采用的航空热红外高光谱遥感TASI数据波段进行重采样。
所述步骤2中，对研究区大气透过率及上下行辐射模拟的精确性直接会影响到步骤3中发射率图像精确性，进而影响到石英矿物含量定量计算的精确性。
步骤3.热红外高光谱数据温度/发射率分离，利用归一化法进行温度/发射率分离，得到发射率图像。
步骤4.石英矿物含量定量计算经验公式确定
步骤4.1：通过JHU光谱库中各种岩性的热红外光谱曲线的观察分析，找出与石英矿物含量相关的波段范围，具体为8.60μm的发射峰至两侧发射谷范围的光谱特征：其中，8.60μm的发射峰的相对高度与石英矿物含量呈正相关关系。
步骤4.2：采集不同岩性的岩浆岩标本进行热红外光谱数据采集。
本实施例中，在研究区喀木斯特及其周边地区采集得到正长花岗岩、二长花岗岩、流纹斑岩、中基性岩脉及英云闪长岩等不同岩性的岩浆岩标本，采用102f热红外地面光谱测量仪进行热红外光谱数据采集。
步骤4.2中，岩浆岩标本种类越齐全及热红外光谱数据采集越精确，后续步骤中经验公式的系数确定就越准确。
步骤4.3：将步骤4.2采集到的热红外光谱数据进行重采样，使其与步骤1采用的热红外高光谱遥感数据相匹配，并结合步骤4.1找出石英矿物含量密切相关的波段组合；
步骤4.4：对步骤4.2所述岩石标本进行地球化学测试，获取相应的SiO2、TiO2、Al2O3、TFe2O3、MnO、MgO、CaO、Na2O、K2O及P2O5等全量分析数据。
步骤4.5：根据各样品的SiO2、TiO2、Al2O3、TFe2O3、MnO、MgO、CaO、Na2O、K2O及P2O5的含量数据，使用CIPW算法计算出各样品的石英矿物含量。
步骤4.6：将步骤4.3得到的与石英含量密切相关的波段组合在不同组合方式下，进行四则运算、对数运算及指数运算，然后结合步骤4.5得到的石英含量进行回归分析，获取相关性最高的波段组合形式，即
即ln[B6^2/(B5*B7]。
其中，B5、B6、B7中心波长分别为8.49μm、8.60μm、8.71μm。
步骤4.7
根据石英矿物含量及其对应的发射率光谱曲线中相关性最高的波段组合，得出石英矿物含量定量计算经验公式(如图5)，即
y＝((B6 GT B5)and(B6 GT B7))×8208.9x3-5525x2+1228.2x+0.3139
x＝ln[B6^2/(B5*B7]，
r2＝0.9544
其中，B5、B6、B7为波段代号，其中心波长分别为8.49μm、8.60μm、8.71μm；GT为运算符号，为“大于”的意思。
因本发明使用的数据波段范围处于8-11.5μm之间，所得与SiO2含量相关性最高的波段组合形式是相对于该波段范围内的。
步骤5：石英矿物含量图获取；将步骤4.7所述经验公式代入发射率图像，进行波段运算，获取石英矿物含量图。亮度较高的区带为石英矿物含量较高的区域，即硅化带重点区带。
步骤6：硅化蚀变信息提取；将石英含量图进行密度分割(如图6)，将石英含量高的等级提取出来，即为要提取的硅化带信息，石英含量越高的区带，为硅化带的可能性越大。
以上对本发明的方法实施进行了详细说明，且在野外得到了验证。对于研究区喀木斯特花岗岩区，提取硅化带使用的石英矿物含量定量计算经验公式为
y＝((B6 GT B5)and(B6 GT B7))×8208.9x3-5525x2+1228.2x+0.3139
x＝ln[B6^2/(B5*B7]，
r2＝0.9544
其中，B5、B6、B7为波段代号，其中心波长分别为8.49μm、8.60μm、8.71μm；GT为运算符号，为“大于”的意思。
上述经验公式是针对研究区喀木斯特地区所取样品反演的在8-11.5μm波段范围内的最优关系式，该关系式的系数不限于上述实例，根据样品数量的增加会有很小幅度的波动，总体不影响硅化带的提取。
Claims (5)
1.一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的快速方法，其特征在于：包括以下步骤：
步骤1.热红外高光谱遥感数据预处理，包括辐射校正、几何校正、图像镶嵌流程，用于将数个条带拼接成整个研究区遥感图像；
步骤2.热红外高光谱遥感数据大气校正；
步骤3.热红外高光谱数据温度/发射率分离，利用归一化法进行温度/发射率分离，得到发射率图像；
步骤4.石英矿物含量定量计算经验公式确定；
步骤5.石英矿物含量图获取；
步骤6.花岗岩区硅化蚀变信息提取。
2.根据权利要求1所述的一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的快速方法，其特征在于：
所述步骤2还包括以下步骤：
步骤2.1：对热红外高光谱遥感数据进行大气透过率曲线、上行辐射和下行辐射模拟，得到研究区大气透过率模拟曲线及上下行辐射模拟曲线；
步骤2.2：按照步骤1所采用的热红外高光谱遥感数据波段进行重采样，得到重采样后大气透过率曲线，进而得到热红外高光谱遥感数据大气校正图像。
3.根据权利要求2所述的一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的快速方法，其特征在于：所述步骤4还包括以下步骤：
步骤4.1：通过JHU光谱库中各种岩性的热红外光谱曲线的观察分析，找出与石英矿物含量相关的波段范围；
步骤4.2：采集不同岩性的岩浆岩标本进行热红外光谱数据采集；
步骤4.3：将步骤4.2采集到的热红外光谱数据进行重采样，使其与步骤1采用的热红外高光谱遥感数据相匹配，并结合步骤4.1找出石英矿物含量密切相关的波段组合；
步骤4.4：对步骤4.2所述岩石标本进行地球化学测试，获取相应的SiO2、TiO2、Al2O3、TFe2O3、MnO、MgO、CaO、Na2O、K2O及P2O5的含量数据；
步骤4.5：根据各样品的SiO2、TiO2、Al2O3、TFe2O3、MnO、MgO、CaO、Na2O、K2O及P2O5的含量数据，使用CIPW算法计算出各样品的石英矿物含量。
步骤4.6：将步骤4.3得到的与石英矿物含量密切相关的波段组合在不同组合方式下，进行四则运算、对数运算及指数运算，然后结合步骤4.5得到的石英含量进行回归分析，获取相关性最高的波段组合形式(8-11.5μm波段范围)，即ln[B6^2/(B5*B7]，另外，B6＞B5且B6＞B7是石英含量大于0的条件，否则石英含量为0；其中，B5、B6、B7中心波长分别为8.49μm、8.60μm、8.71μm；
步骤4.7：根据石英矿物含量及其对应的发射率光谱曲线中相关性最高的波段组合，得出石英矿物含量定量计算经验公式，即
y＝((B6 GT B5)and(B6 GT B7))×(8208.9x3-5525x2+1228.2x+0.3139)
x＝ln[B6^2/(B5*B7]，
r2＝0.9544
其中，B5、B6、B7为波段代号，其中心波长分别为8.49μm、8.60μm、8.71μm；GT为运算符号，为“大于”的意思。
4.根据权利要求3所述的一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的快速方法，其特征在于：所述步骤5石英矿物含量图获取，包括：利用石英含量定量计算公式获取石英矿物含量图。
5.根据权利要求4所述的一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的快速方法，其特征在于：所述步骤6花岗岩区硅化蚀变信息提取，包括：将石英矿物含量图进行密度分割，石英含量最高的等级作为硅化蚀变带信息；将B6＞B5且B6＞B7，即中心波长为8.60μm为发射峰，作为石英含量提取的前提条件，并将其加入步骤4.7中的石英矿物含量定量计算经验公式，保证石英含量计算结果为非负数，使其更具合理性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911408882.4A CN111044480A (zh) | 2019-12-31 | 2019-12-31 | 一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911408882.4A CN111044480A (zh) | 2019-12-31 | 2019-12-31 | 一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111044480A true CN111044480A (zh) | 2020-04-21 |
Family
ID=70242232
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911408882.4A Pending CN111044480A (zh) | 2019-12-31 | 2019-12-31 | 一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111044480A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113406041A (zh) * | 2021-05-31 | 2021-09-17 | 核工业北京地质研究院 | 一种钠交代岩型铀矿关键蚀变矿物组合获取方法 |
| CN113609908A (zh) * | 2021-07-02 | 2021-11-05 | 赣州好朋友科技有限公司 | 矿料识别方法、分选设备及计算机可读存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105068136A (zh) * | 2015-07-27 | 2015-11-18 | 中国地质调查局武汉地质调查中心 | 基于多源信息的中南半岛示范区铜金矿潜力定位评价方法 |
| CN106680215A (zh) * | 2015-11-10 | 2017-05-17 | 核工业北京地质研究院 | 一种适合于热红外高光谱遥感的SiO2含量定量计算方法 |
| CN107991244A (zh) * | 2016-10-27 | 2018-05-04 | 核工业北京地质研究院 | 一种适合于热红外高光谱遥感的石英含量定量计算方法 |
-
2019
- 2019-12-31 CN CN201911408882.4A patent/CN111044480A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105068136A (zh) * | 2015-07-27 | 2015-11-18 | 中国地质调查局武汉地质调查中心 | 基于多源信息的中南半岛示范区铜金矿潜力定位评价方法 |
| CN106680215A (zh) * | 2015-11-10 | 2017-05-17 | 核工业北京地质研究院 | 一种适合于热红外高光谱遥感的SiO2含量定量计算方法 |
| CN107991244A (zh) * | 2016-10-27 | 2018-05-04 | 核工业北京地质研究院 | 一种适合于热红外高光谱遥感的石英含量定量计算方法 |
Non-Patent Citations (2)
| Title |
|---|
| 地质矿产部《地质辞典》办公室: "《地质大辞典（四）矿床地质 应用地质分册》", 30 June 2005, 地质出版社 * |
| 郭帮杰 等: "热红外高光谱遥感回归分析定量反演石英含量", 《科学技术与工程》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113406041A (zh) * | 2021-05-31 | 2021-09-17 | 核工业北京地质研究院 | 一种钠交代岩型铀矿关键蚀变矿物组合获取方法 |
| CN113609908A (zh) * | 2021-07-02 | 2021-11-05 | 赣州好朋友科技有限公司 | 矿料识别方法、分选设备及计算机可读存储介质 |
| CN113609908B (zh) * | 2021-07-02 | 2022-09-06 | 赣州好朋友科技有限公司 | 矿料识别方法、分选设备及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | New optimized spectral indices for identifying and monitoring winter wheat diseases | |
| Black et al. | Automated lithological mapping using airborne hyperspectral thermal infrared data: A case study from Anchorage Island, Antarctica | |
| Zadeh et al. | Mineral exploration and alteration zone mapping using mixture tuned matched filtering approach on ASTER data at the central part of Dehaj-Sarduiyeh copper belt, SE Iran | |
| CN107991244A (zh) | 一种适合于热红外高光谱遥感的石英含量定量计算方法 | |
| 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 | |
| Chabrillat et al. | Ronda peridotite massif: Methodology for its geological mapping and lithological discrimination from airborne hyperspectral data | |
| Kruse et al. | Knowledge‐based geologic mapping with imaging spectrometers | |
| CN103454693A (zh) | 一种白岗岩型铀矿勘查成矿要素遥感图谱特征识别方法 | |
| Yang et al. | Detection of Pb–Zn mineralization zones in west Kunlun using Landsat 8 and ASTER remote sensing data | |
| Shahriari et al. | Selection of less biased threshold angles for SAM classification using the real value–area fractal technique | |
| Shahriari et al. | Comparison of multi-temporal ASTER images for hydrothermal alteration mapping using a fractal-aided SAM method | |
| CN111044480A (zh) | 一种热红外高光谱遥感识别花岗岩区硅化蚀变信息的方法 | |
| Gürsoy et al. | Detecting of lithological units by using terrestrial spectral data and remote sensing image | |
| Ayoobi et al. | Evaluating the effect of spatial subsetting on subpixel unmixing methodology applied to ASTER over a hydrothermally altered terrain | |
| Yang et al. | Mapping the chemical composition of nickel laterites with reflectance spectroscopy at Koniambo, New Caledonia | |
| Khaleghi et al. | SYNERGETIC USE OF THE SENTINEL-2, ASTER, AND LANDSAT-8 DATA FOR HYDROTHERMAL ALTERATION AND IRON OXIDE MINERALS MAPPING IN A MINE SCALE. | |
| Bhadra et al. | Spectral characteristics of talc and mineral abundance mapping in the Jahazpur Belt of Rajasthan, India using AVIRIS-NG data | |
| Ghorbani et al. | Regional scale prospecting for non-sulphide zinc deposits using ASTER data and different spectral processing methods | |
| Fan et al. | Application of an airborne hyper-spectral survey system CASI/SASI in the gold-silver-lead-zinc ore district of Huaniushan, Gansu, China | |
| Kiran Raj et al. | Iron oxides mapping from E0-1 hyperion data | |
| Xu et al. | Detection of alteration zones using hyperspectral remote sensing data from Dapingliang skarn copper deposit and its surrounding area, Shanshan County, Xinjiang Uygur autonomous region, China | |
| Kokaly | Spectroscopic remote sensing for material identification, vegetation characterization, and mapping | |
| Xu et al. | Study on clues for gold prospecting in the Maizijing-Shulonggou area, Ningxia Hui autonomous region, China, using ALI, ASTER and WorldView-2 imagery | |
| CN101573606A (zh) | 通过热响应的地质材料的鉴定 | |
| Zadeh et al. | Comparison of ASTER thermal data sets in lithological mapping at a volcano-sedimentary basin: A case study from southeastern Iran |
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: 20200421 |
|
| RJ01 | Rejection of invention patent application after publication |