CN111292325B - 一种基于遥感技术的萤石矿识别方法 - Google Patents

一种基于遥感技术的萤石矿识别方法 Download PDF

Info

Publication number
CN111292325B
CN111292325B CN202010245482.2A CN202010245482A CN111292325B CN 111292325 B CN111292325 B CN 111292325B CN 202010245482 A CN202010245482 A CN 202010245482A CN 111292325 B CN111292325 B CN 111292325B
Authority
CN
China
Prior art keywords
remote sensing
image
fault
granite
worldview
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.)
Active
Application number
CN202010245482.2A
Other languages
English (en)
Other versions
CN111292325A (zh
Inventor
高永宝
金谋顺
赵辛敏
滕家欣
燕洲泉
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.)
China Geological Survey Xi'an Geological Survey Center(northwest Geological Science And Technology Innovation Center)
Original Assignee
China Geological Survey Xi'an Geological Survey Center(northwest Geological Science And Technology Innovation Center)
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 China Geological Survey Xi'an Geological Survey Center(northwest Geological Science And Technology Innovation Center) filed Critical China Geological Survey Xi'an Geological Survey Center(northwest Geological Science And Technology Innovation Center)
Priority to CN202010245482.2A priority Critical patent/CN111292325B/zh
Publication of CN111292325A publication Critical patent/CN111292325A/zh
Application granted granted Critical
Publication of CN111292325B publication Critical patent/CN111292325B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G01N2021/1765—Method using an image detector and processing of image signal
    • 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
    • G01N2021/1797—Remote sensing in landscape, e.g. crops
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Image Processing (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明涉及一种基于遥感技术的萤石矿识别方法，包括以下步骤：S1、获取待识别区域的WorldView‑2高分影像和Landsat8遥感影像；S2、对所述WorldView‑2高分影像进行图像处理，解译碱长花岗岩脉、断层的分布区域；S3、对所述Landsat8遥感影像进行主成分变换，提取碳酸根离子异常；S4、通过地质资料收集待识别区域的F化探异常，对所述解译后的碱长花岗岩脉、断层、碳酸根离子异常、F化探异常进行叠加，根据地质因素综合圈定找矿靶区，所述地质因素包括断层性质和地层中大理岩分布；S5、根据目标靶区，确定所述萤石矿的位置信息。这样可以在较短时间内高效、快速、准确的确定萤石矿的位置信息。

Description

一种基于遥感技术的萤石矿识别方法
技术领域
本发明涉及遥感技术矿产资源识别领域，尤其是涉及一种基于遥感技术的萤石矿识别方法。
背景技术
萤石又称氟石，是自然界中较常见的一种矿物，可以与其他多种矿物共生，世界多地均产，等轴晶系，主要成分是氟化钙(CaF2)。结晶为八面体和立方体。晶体呈玻璃光泽，颜色鲜艳多变，质脆，莫氏硬度为4，熔点1360℃，具有完全解理的性质。该矿物来自火山岩浆，在岩浆冷却过程中，被岩浆分离出来的气水溶液内含氟，在溶液沿裂隙上升的过程里，气水溶液中的氟离子与周围岩石中的钙离子结合，形成氟化钙，冷却结晶后即形成萤石。存在于花岗岩、伟晶岩、正长岩等岩石内，常与石英、方解石密切共生。萤石的用途广泛，主要在工业方面，是氟的主要来源，能够提取制备氟元素及其各种化合物。
目前，地质矿产勘查调查工作逐渐向自然交通条件恶劣的中西部高山深切割地区、偏远地区延伸，该类地区自然条件恶劣，地形起伏大，切割强烈，交通条件极差，严重影响地勘调查工作的开展，造成以致花费了大量的人力物力，却达不到相应调查效果。因此，急需一种方法能够在较短时间内快速、高效、快速、准确的识别萤石矿产资源。
发明内容
针对现有技术存在的不足，本发明的目的之一是提供一种基于遥感技术的萤石矿识别方法，具有在较短时间内高效、快速和准确的确定萤石矿位置信息的优点。
本发明的上述发明目的一是通过以下技术方案得以实现的：
一种基于遥感技术的萤石矿识别方法，包括以下步骤：
S1、获取待识别区域的WorldView-2高分影像和Landsat8遥感影像；
S2、对所述WorldView-2高分影像进行图像处理，解译碱长花岗岩脉、断层的分布区域；
S3、对所述Landsat8遥感影像进行主成分变换，提取碳酸根离子异常；
S4、通过地质资料收集待识别区域的F化探异常，对所述解译后的碱长花岗岩脉、断层、碳酸根离子异常、F化探异常进行叠加，根据地质因素综合圈定找矿靶区，所述地质因素包括断层性质和地层中大理岩分布；
S5、根据目标靶区，确定所述萤石矿的位置信息。
通过采用上述技术方案，以WorldView-2高分遥感影像和Landsat8遥感影像为基础，解译碱长花岗岩脉、断层、碳酸根离子异常的分布区域，并结合F化探异常，快速圈定找矿靶区，进而在较短时间内高效、快速、准确的确定萤石矿的位置信息。
本发明在一较佳示例中可以进一步配置为：在步骤S2中，以遥感图像处理软件ERDAS为图像数据处理平台，对WorldView-2高分影像进行图像处理，所述图像处理包括融合和正射纠正；再采用B8、B4、B1的波段组合方案，建立遥感影像图。
通过采用上述技术方案，图像数据的标准差越大，所包含的信息量也越多；而波段的相关系数越小，表明各波段的图像数据独立性也就越高，信息的冗余度也就越小，有利于解译碱长花岗岩脉、断层等几种要素。即WorldView-2高分影像以B8、B4、B1的波段组合方案解译碱长花岗岩脉、断层等特征更明显。
本发明在一较佳示例中可以进一步配置为：根据碱长花岗岩脉的解译标志确定碱长花岗岩的分布位置，所述碱长花岗岩脉的解译标志包括在遥感影像图上色调为肉红色，条带状展布，以及周边围岩为黄色、蓝褐色色调。
通过采用上述技术方案，根据碱长花岗岩脉在遥感影像图上的共性特征，确定碱长花岗岩的分布位置，准确性高。
本发明在一较佳示例中可以进一步配置为：根据断层的解译标志确定断层的分布位置，所述断层的解译标志包括在遥感影像图上呈线性分布，地貌为负地形，水系经过断层处出现直角拐弯，断层两侧影像上的色调差异明显。
通过采用上述技术方案，根据断层在遥感影像图上的共性特征，确定断层的分布位置，准确性高。
本发明在一较佳示例中可以进一步配置为：在步骤S3中，以遥感图像处理软件ENVI为图像数据处理平台，对Landsat8遥感影像的B1、B5、B6、B7波段进行主成分变换，获取碳酸根离子的信息，采用阈值分割的方法对PC4主分量提取碳酸根离子异常。
通过采用上述技术方案，碳酸根离子在Landsat8遥感影像的B1、B6波段呈反射特征，在B5、B7波段呈吸收特征，采用B1、B5、B6、B7波段组合方案进行主成分变换可以增强碳酸根离子特征，有利于识别碳酸根离子异常。
本发明在一较佳示例中可以进一步配置为：在步骤S5中，采用图面查证和野外查证两类方法，综合验证萤石矿产资源的分布地段。
通过采用上述技术方案，可以得到有开采价值的萤石矿产资源。
针对现有技术存在的不足，本发明的另一目的是提供一种基于遥感技术的萤石矿识别系统，具有在较短时间内高效、快速和准确的确定萤石矿位置信息的优点。
本发明的上述发明另一目的是通过以下技术方案得以实现的：
一种基于遥感技术的萤石矿识别系统，包括图像采集模块和图像处理模块，所述图像采集模块与所述图像处理模块通信连接：
所述图像采集模块用于获取待识别区域的WorldView-2高分影像和Landsat8遥感影像；
所述图像处理模块用于对WorldView-2高分影像进行图像处理和对Landsat8遥感影像进行主成分变换，并将处理后获取的碱长花岗岩脉、断层、碳酸根离子异常与地质资料中F化探异常进行叠加，根据地质因素综合圈定找矿靶区，所述地质因素包括断层性质和地层中大理岩分布。
通过采用上述技术方案，以WorldView-2高分遥感影像和Landsat8遥感影像为基础，解译碱长花岗岩脉、断层、碳酸根离子异常的分布区域，并结合F化探异常，快速圈定找矿靶区，进而在较短时间内高效、快速、准确的确定萤石矿的位置信息。
本发明在一较佳示例中可以进一步配置为：所述WorldView-2高分影像为高分辨率卫星遥感图像，所述Landsat8遥感影像为对地观测卫星遥感图像。
综上所述，本发明包括以下至少一种有益技术效果：
1.通过以WorldView-2高分遥感影像和Landsat8遥感影像为基础，解译碱长花岗岩脉、断层、碳酸根离子异常的分布区域，并结合F化探异常，快速圈定找矿靶区，进而在较短时间内高效、快速、准确的确定萤石矿的位置信息；
2.WorldView-2高分影像以B8、B4、B1的波段组合方案解译碱长花岗岩脉、断层等特征更明显；
3.碳酸根离子在Landsat8遥感影像的B1、B6波段呈反射特征，在B5、B7波段呈吸收特征，采用B1、B5、B6、B7波段组合方案进行主成分变换可以增强碳酸根离子特征，有利于识别碳酸根离子异常。
附图说明
图1是本发明实施例的方法流程示意图；
图2是本发明实施例的系统框图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
一种基于遥感技术的萤石矿识别方法，参照图1，包括以下步骤：S1、获取待识别区域的WorldView-2高分影像和Landsat8遥感影像；S2、对WorldView-2高分影像进行图像处理，解译碱长花岗岩脉、断层的分布区域；S3、对Landsat8遥感影像进行主成分变换，提取碳酸根离子异常；S4、通过地质资料收集待识别区域的F化探异常，对解译后的碱长花岗岩脉、断层、碳酸根离子异常、F化探异常进行叠加，根据地质因素综合圈定找矿靶区，地质因素包括断层性质和地层中大理岩分布；S5、根据目标靶区，确定萤石矿的位置信息。
通过以WorldView-2高分遥感影像和Landsat8遥感影像为基础，解译碱长花岗岩脉、断层、碳酸根离子异常的分布区域，并结合F化探异常，快速圈定找矿靶区，进而在较短时间内高效、快速、准确的确定萤石矿的位置信息。本发明中，碱长花岗岩脉、断层、碳酸根离子异常、F化探异常进行叠加，就是将这几种要素按照空间位置叠加在一起，F化探异常是有空间坐标信息，遥感图像获得的碱长花岗岩脉、断层、碳酸根离子异常也是有空间坐标信息，通过空间坐标将他们叠加起来。由于这几种要素都具备的空间位置信息，所以就可以圈定找矿靶区。另外，主成分变换是一种数学运算方法，不是本发明的发明点，只是应用主成分变换的技术，且该技术是现有技术。
在步骤S2中，以遥感图像处理软件ERDAS为图像数据处理平台，对WorldView-2高分影像进行图像处理，图像处理包括融合和正射纠正；再采用B8、B4、B1的波段组合方案，建立遥感影像图。图像数据的标准差越大，所包含的信息量也越多；而波段的相关系数越小，表明各波段的图像数据独立性也就越高，信息的冗余度也就越小，有利于解译碱长花岗岩脉、断层等几种要素。即WorldView-2高分影像以B8、B4、B1的波段组合方案解译碱长花岗岩脉、断层等特征更明显。
波段组合的选择一般遵循两个原则：一是波段辐射量的方差应尽可能大，因为方差的大小体现了所含信息的多少，方差越大波段所包含的信息量越大；二是波段组合之间的相关性要小，波段之间相关性很强时，各波段所包含的信息之间有可能出现大量的重复和冗余。最佳指数能较好的反映这两个原则。通过对研究区Worldview-2遥感影像进行最佳指数计算，采用B8、B4、B1的波段组合最佳指数较大，所含信息量最丰富，参照表1。
表1中 Worldview-2遥感影像不同波段组合计算最佳指数结果：
编号 波段组合 最佳指数计算结果
1 841 183.63
2 532 142.7
3 753 172.5
4 851 161.0
5 752 149.8
6 861 182.7
7 732 158.0
8 832 163.3
9 842 175.8
10 852 154.7
根据碱长花岗岩脉的解译标志确定碱长花岗岩的分布位置，碱长花岗岩脉的解译标志包括在遥感影像图上色调为肉红色，条带状展布，以及周边围岩为黄色、蓝褐色色调；根据碱长花岗岩脉在遥感影像图上的共性特征，确定碱长花岗岩的分布位置，准确性高。根据断层的解译标志确定断层的分布位置，断层的解译标志包括在遥感影像图上呈线性分布，地貌为负地形，水系经过断层处出现直角拐弯，断层两侧影像上的色调差异明显；根据断层在遥感影像图上的共性特征，确定断层的分布位置，准确性高。
在步骤S3中，以遥感图像处理软件ENVI为图像数据处理平台，对Landsat8遥感影像的B1、B5、B6、B7波段进行主成分变换，变换后的PC4主分量反映了碳酸根离子的信息，采用阈值分割的方法对PC4主分量提取碳酸根离子异常；碳酸根离子在Landsat8遥感影像的B1、B6波段呈反射特征，在B5、B7波段呈吸收特征，采用B1、B5、B6、B7波段组合方案进行主成分变换可以增强碳酸根离子特征，有利于识别碳酸根离子异常。在步骤S5中，采用图面查证和野外查证两类方法，综合验证萤石矿产资源的分布地段；可以得到有开采价值的萤石矿产资源。
本发明的识别方法以阿尔金成矿带卡尔恰尔-库木塔什一带萤石矿作为实验区，具体如下：在阿尔金卡尔恰尔-库木塔什一带萤石矿主要赋存在石英方解石脉中，以热液充填为主，围岩为古元古界阿尔金岩群（Pt1A）的一套角闪岩相的中深变质岩系，北东向断裂构造控制了矿体的分布，岩浆岩类型主要为碱长花岗岩、二长花岗岩，萤石石英方解石脉在空间上与碱长花岗岩关系十分紧密。因此对WorldView-2高分影像识别碱长花岗岩、石英方解石脉、北东向断裂构造等控矿信息，在处理后的图像中碱长花岗岩脉在影像上色调为肉红色，北东向条带状展布，周边围岩为黄色、蓝褐色色调，两者差异明显。萤石矿常与方解石伴生，对Landsat8提取与萤石矿成矿有关的蚀变异常信息，采用B1、B5、B6、B7波段等进行主成分变换，提取碳酸根离子异常，可作为圈定遥感找矿靶区的补充依据。
通过遥感解译北东向断层，Worldview-2遥感影像解译碱长花岗岩，Landsat8提取碳酸根离子异常，结合区内F化探异常，圈定萤石矿成矿有利地段。新发现库木塔什萨依西南萤石矿点和布拉克北萤石矿点，远景可达大型-超大型，均与北东向断层相关，周边碱长花岗岩发育，出现星散状、团块状碳酸根离子异常，库木塔什萨依西南萤石矿点位于F单元素地球化学异常内。
一种基于遥感技术的萤石矿识别系统，参照图2，包括图像采集模块和图像处理模块，图像采集模块与图像处理模块通信连接：图像采集模块用于获取待识别区域的WorldView-2高分影像和Landsat8遥感影像；图像处理模块用于对WorldView-2高分影像进行图像处理和对Landsat8遥感影像进行主成分变换，并将处理后获取的碱长花岗岩脉、断层、碳酸根离子异常与地质资料中F化探异常进行叠加，根据地质因素综合圈定找矿靶区，地质因素包括断层性质和地层中大理岩分布。
通过以WorldView-2高分遥感影像和Landsat8遥感影像为基础，解译碱长花岗岩脉、断层、碳酸根离子异常的分布区域，并结合F化探异常，快速圈定找矿靶区，进而在较短时间内高效、快速、准确的确定萤石矿的位置信息。其中，WorldView-2高分影像为高分辨率卫星遥感图像，Landsat8遥感影像为对地观测卫星遥感图像。
本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

Claims (5)

1.一种基于遥感技术的萤石矿识别方法，其特征在于，包括以下步骤：
S1、获取待识别区域的WorldView-2高分影像和Landsat8遥感影像；
S2、对所述WorldView-2高分影像进行图像处理，解译碱长花岗岩脉、断层的分布区域；
S3、对所述Landsat8遥感影像进行主成分变换，提取碳酸根离子异常；
S4、通过地质资料收集待识别区域的F化探异常，对所述解译后的碱长花岗岩脉、断层、碳酸根离子异常、F化探异常进行叠加，根据地质因素综合圈定找矿靶区，所述地质因素包括断层性质和地层中大理岩分布；
S5、根据目标靶区，确定所述萤石矿的位置信息；
提取碳酸根离子异常的具体方法为：
以遥感图像处理软件ENVI为图像数据处理平台，对Landsat8遥感影像的B1、B5、B6、B7波段进行主成分变换，获取碳酸根离子的信息；
采用阈值分割的方法对PC4主分量提取碳酸根离子异常。
2.根据权利要求1所述的一种基于遥感技术的萤石矿识别方法，其特征在于，在步骤S2中，以遥感图像处理软件ERDAS为图像数据处理平台，对WorldView-2高分影像进行图像处理，所述图像处理包括融合和正射纠正；再采用B8、B4、B1的波段组合方案，建立遥感影像图。
3.根据权利要求2所述的一种基于遥感技术的萤石矿识别方法，其特征在于，根据碱长花岗岩脉的解译标志确定碱长花岗岩的分布位置，所述碱长花岗岩脉的解译标志包括在遥感影像图上色调为肉红色，条带状展布，以及周边围岩为黄色、蓝褐色色调。
4.根据权利要求2所述的一种基于遥感技术的萤石矿识别方法，其特征在于，根据断层的解译标志确定断层的分布位置，所述断层的解译标志包括在遥感影像图上呈线性分布，地貌为负地形，水系经过断层处出现直角拐弯，断层两侧影像上的色调差异明显。
5.根据权利要求1所述的一种基于遥感技术的萤石矿识别方法，其特征在于，在步骤S5中，采用图面查证和野外查证两类方法，综合验证萤石矿产资源的分布地段。
CN202010245482.2A 2020-03-31 2020-03-31 一种基于遥感技术的萤石矿识别方法 Active CN111292325B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010245482.2A CN111292325B (zh) 2020-03-31 2020-03-31 一种基于遥感技术的萤石矿识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010245482.2A CN111292325B (zh) 2020-03-31 2020-03-31 一种基于遥感技术的萤石矿识别方法

Publications (2)

Publication Number Publication Date
CN111292325A CN111292325A (zh) 2020-06-16
CN111292325B true CN111292325B (zh) 2021-01-12

Family

ID=71019595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010245482.2A Active CN111292325B (zh) 2020-03-31 2020-03-31 一种基于遥感技术的萤石矿识别方法

Country Status (1)

Country Link
CN (1) CN111292325B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112379453B (zh) * 2020-11-04 2024-05-17 西安建筑科技大学 交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012063241A1 (en) * 2010-11-11 2012-05-18 Avi Buzaglo Yoresh System and method for detection of minefields
CN108107481A (zh) * 2017-12-04 2018-06-01 中国石油天然气股份有限公司 铀矿勘探有利远景区的确定方法和装置
CN108693299A (zh) * 2018-03-21 2018-10-23 中国地质大学（武汉） 一种利用土壤活性硫酸盐的找矿方法
CN110706212A (zh) * 2019-09-10 2020-01-17 甘肃省地质调查院 矿化蚀变信息提取方法、终端设备及存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537375B (zh) * 2015-01-22 2018-03-13 西安煤航卫星数据应用有限公司 一种基于卫星遥感数据的褐铁矿化信息提取方法
CN105096334B (zh) * 2015-09-16 2018-02-09 中国科学院地理科学与资源研究所 一种矿区监测方法和系统
US20180038787A1 (en) * 2016-08-05 2018-02-08 Board Of Trustees Of The University Of Arkansas Field Deployable Soil Observation Topographic Differential Absorption LiDAR (SOTDiAL)
CN106875382A (zh) * 2017-01-17 2017-06-20 环境保护部卫星环境应用中心 尾矿库规模信息提取方法及装置
CN107993222A (zh) * 2017-11-27 2018-05-04 王俊锋 一种基于化探异常区的蚀变遥感异常提取方法
CN108181664B (zh) * 2018-01-18 2019-11-15 中国地质调查局西安地质调查中心 一种伟晶岩型稀有金属矿的识别方法及系统
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012063241A1 (en) * 2010-11-11 2012-05-18 Avi Buzaglo Yoresh System and method for detection of minefields
CN108107481A (zh) * 2017-12-04 2018-06-01 中国石油天然气股份有限公司 铀矿勘探有利远景区的确定方法和装置
CN108693299A (zh) * 2018-03-21 2018-10-23 中国地质大学（武汉） 一种利用土壤活性硫酸盐的找矿方法
CN110706212A (zh) * 2019-09-10 2020-01-17 甘肃省地质调查院 矿化蚀变信息提取方法、终端设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Regional mineral mapping of island arc terranes in southeastern Mongolia using multi-spectral remote sensing data;Young-Sun Son等;《Ore Geology Reviews》;20191031;1-23 *
物化探综合信息找矿方法在萤石矿找矿中的应用;栗克坤等;《中国地质调查》;20191231;98-104 *

Also Published As

Publication number Publication date
CN111292325A (zh) 2020-06-16

Similar Documents

Publication Publication Date Title
Han et al. Extraction and analysis of geological lineaments combining a DEM and remote sensing images from the northern Baoji loess area
CN108492260B (zh) 基于张量投票耦合霍夫变换的地质线性体提取方法
CN103218747B (zh) 离子吸附型稀土矿非法开采监测与预警系统和方法
Sirin et al. Mapping of peatlands in the Moscow oblast based on high-resolution remote sensing data
Albarelli et al. Identification of potential rockfall sources using UAV-derived point cloud
Aretouyap et al. Geospatial and statistical interpretation of lineaments: salinity intrusion in the Kribi-Campo coastland of Cameroon
CN111292325B (zh) 一种基于遥感技术的萤石矿识别方法
CN111666904A (zh) 一种输电线路高分辨率遥感影像地质灾害解译识别方法
Ismail et al. GIS application to identify the potential for certain irrigated agriculture uses on some soils in Western Desert, Egypt
CN107101617A (zh) 一种基于遥感监测的冲沟地形下采场覆岩活动控制方法
Arnous et al. Geospatial technology and structural analysis for geological mapping and tectonic evolution of Feiran–Solaf metamorphic complex, South Sinai, Egypt
CN114493929A (zh) 一种基于空间分析技术的隧道富水区划分方法
Umili et al. An integrated multiscale approach for characterization of rock masses subjected to tunnel excavation
CN114898053A (zh) 基于三维空间影像技术的碎裂松动岩体发育范围圈定方法
CN112364849A (zh) 高位崩滑地质灾害智能识别方法
CN111103632B (zh) 一种基于遥感探测分析预测区中红土镍矿的方法
AI et al. Structural interpretation of the Jos-Bukuru younger granite ring complexes inferred from Landsat-TM data
Pate et al. Photogrammetric and LiDAR 3-D rock slope discontinuity mapping and interpretation surveys to improve baseline information for supporting design and construction of capital improvement projects at hydroelectric facilities
CN106885772A (zh) 一种地质知识参与的etm遥感羟基蚀变矿物提取改进方法
CN105184279A (zh) 一种位于无人机上的沙漠区域道路检测方法
CN115577825A (zh) 一种依托河流和道路的城市生态廊道宽度确定方法
Kane et al. Remote sensing in investigation of engineered underground structures
Bench et al. Methods of determining the orientations of bedrock fracture systems in southwestern Pennsylvania and northern West Virginia
CN115019184B (zh) 基于遥感影像的石漠化程度自动分级方法及装置
Partsinevelou Using the SWAT model in analyzing hard rock hydrogeological environments. Application in Naxos Island, Greece.

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