CN111521579B - 一种基于高光谱遥感数据的白云母及其光谱端元识别方法 - Google Patents
一种基于高光谱遥感数据的白云母及其光谱端元识别方法 Download PDFInfo
- Publication number
- CN111521579B CN111521579B CN202010377465.4A CN202010377465A CN111521579B CN 111521579 B CN111521579 B CN 111521579B CN 202010377465 A CN202010377465 A CN 202010377465A CN 111521579 B CN111521579 B CN 111521579B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- matching degree
- end member
- muscovite
- data
- 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
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000010445 mica Substances 0.000 title claims description 7
- 229910052618 mica group Inorganic materials 0.000 title claims description 7
- 230000003595 spectral effect Effects 0.000 claims abstract description 66
- YGANSGVIUGARFR-UHFFFAOYSA-N dipotassium dioxosilane oxo(oxoalumanyloxy)alumane oxygen(2-) Chemical compound [O--].[K+].[K+].O=[Si]=O.O=[Al]O[Al]=O YGANSGVIUGARFR-UHFFFAOYSA-N 0.000 claims abstract description 63
- 229910052627 muscovite Inorganic materials 0.000 claims abstract description 63
- 238000010521 absorption reaction Methods 0.000 claims abstract description 50
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 18
- 239000011707 mineral Substances 0.000 claims abstract description 18
- 238000002310 reflectometry Methods 0.000 claims abstract description 8
- GUJOJGAPFQRJSV-UHFFFAOYSA-N dialuminum;dioxosilane;oxygen(2-);hydrate Chemical compound O.[O-2].[O-2].[O-2].[Al+3].[Al+3].O=[Si]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O GUJOJGAPFQRJSV-UHFFFAOYSA-N 0.000 claims abstract description 5
- 229910001649 dickite Inorganic materials 0.000 claims abstract description 5
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 claims abstract description 5
- 229910052622 kaolinite Inorganic materials 0.000 claims abstract description 5
- 229910052901 montmorillonite Inorganic materials 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims description 2
- QYFRTHZXAGSYGT-UHFFFAOYSA-L hexaaluminum dipotassium dioxosilane oxygen(2-) difluoride hydrate Chemical compound O.[O--].[O--].[O--].[O--].[O--].[O--].[O--].[O--].[O--].[F-].[F-].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[K+].[K+].O=[Si]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O.O=[Si]=O QYFRTHZXAGSYGT-UHFFFAOYSA-L 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 241000124033 Salix Species 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
-
- 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
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
- G01N2021/3148—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths using three or more wavelengths
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
本发明公开一种基于高光谱遥感数据的白云母及其光谱端元识别方法:步骤一:输入反射率数据;步骤二:计算特征吸收位置,计算GF‑5卫星高光谱数据在2150nm‑2260nm光谱区间的最低吸收位置WL,计算最小反射率值,获得其对应谱段位置;步骤三:计算特征光谱段匹配度,根据特征吸收位置WL,分别计算所述各端元与GF‑5高光谱数据的匹配度S;步骤四:计算特征吸收深度D;步骤五:白云母矿物识别。本发明方法提高了光谱匹配度的精准度,去除高岭石、地开石和蒙脱石等矿物的影响,提高了白云母矿物识别准确度;可快速获取地表宏观、连续的白云母及其光谱端元信息,同时操作自动化高、信息识别准确度高。
Description
技术领域
本发明涉及高光谱矿物识别技术领域,具体是一种基于高光谱遥感数据的白云母及其光谱端元识别方法,属于遥感地质领域。它适用于所有高光谱遥感数据白云母及其端元光谱识别。
背景技术
白云母是一种自然界较为常见矿物,同时也是一种对找矿预测非常重要的蚀变矿物。另外白云母中Si、Al元素含量的相对变化,往往与其形成地质环境密切相关,可通过白云母成分变化信息指示其形成时的地质环境。由此可见,能够获得地表白云母及其相关成分变化信息对基础地质研究和找矿预测应用意义重大。
高光谱遥感数据纳米级的光谱分辨率可获得连续的光谱曲线,可实现对矿物识别。白云母在短波红外光谱区间具有独特的光谱特征曲线,且根据白云母Si、Al含量的不同,在2210nm附近的光谱特征吸收位置会随着Al含量的增加(Si相对减少),向短波方向漂移,反之,则向长波漂移。随着成像光谱仪技术的成熟和发展,通过高光谱遥感数据快速获得地表宏观、连续的白云母及其相关成分信息成为了可能。
GF-5卫星高光谱数据是目前光谱分辨率最高的,利用其对白云母的识别技术优势明显。根据GF-5数据光谱通道设置,富Al(贫Si)白云母向贫Al(富Si)白云母的成分变化,在光谱上表现为其特征吸收位置由2193nm→2201nm→2209nm→2218nm→2226nm逐渐变化,也就是其可实现白云母五种光谱端元区分,这也是目前能够区分白云母端元最多的高光谱数据。
传统的白云母及其成分识别多是采用野外实地样品采集、实验室分析测试的方法,测试方法主要有电子显微镜镜下观察、电子探针分析等。其中电子显微镜镜下观察主要是根据白云母的岩相学特征进行识别;电子探针分析是以聚焦的高速电子来激发出样品表面组成元素的特征X射线,对白云母Si、Al成分进行定性或定量分析。
传统的白云母及其成分识别方法,需要耗费大量的人力、物力、财力,且实验测试要求较高。同时也无法获得地表连续样品,所采样品均是离散孤立分布,代表性相对不够。
发明内容
目的:本发明的目的提供一种基高光谱遥感数据的白云母及其光谱端元识别方法,实现快速获取地表宏观、连续的白云母及其光谱端元信息,利用高光谱数据超高光谱分辨率的优势,针对GF-5卫星数据特点,制定针对GF-5高光谱数据的白云母及其光谱端元识别方法,实现利用GF-5卫星高光谱数据快速填绘出地表宏观、连续白云母及其光谱端元分布范围。
技术方案:为了实现上述技术方法,本发明一种基于高光谱遥感数据的白云母及其光谱端元识别方法整体技术方案见附图1,该方法具体步骤如下:
步骤一:输入反射率数据
反射率数据包括GF-5卫星高光谱数据和白云母标准光谱端元数据,其中GF-5高光谱数据反射率数据是经过辐射定标、大气校正等预处理后获得的短波红外范围数据,白云母标准光谱端元数据是从USGS光谱库和TSG光谱库中获取。白云母标准光谱端元包括特征吸收位置在2193nm即端元1、2201nm即端元2、2209nm即端元3、2218nm即端元4、2226nm同端元4。由于目前USGS光谱库和TSG光谱库中,没有2226nm端元光谱,分析发现白云母特征吸收位置在2200nm以后,白云母端元的特征光谱谱形变化逐渐变小,并趋于一致,所以本发明中2226nm端元光谱采用最接近的端元4。白云母光谱端元见附图2。
步骤二:计算特征吸收位置
计算GF-5卫星高光谱数据在2170nm-2240nm光谱区间的最低吸收位置WL,通过计算最小反射率值,获得其对应的谱段位置:
WL=where(Sref=Smin);
Sref为高光谱数据反射率值;Smin为最小反射率值;
步骤三:计算特征光谱段匹配度,即根据步骤二计算出的特征吸收位置WL,判断并分别计算所述各端元与GF-5高光谱数据的匹配度S;
1)如果WL=2193nm,计算端元1的光谱与GF-5高光谱数据在2150nm-2252nm范围内的匹配度S。匹配度算法采用光谱角-相关系数方法,计算结果越接近0相似度越高,计算公式如下:
S=SA*0.5+R*0.5
SA为光谱角;R为相关系数;Srefi为高光谱数据反射率值;S1i为端元光谱反射率值;Smean为GF-5高光谱数据在2150nm-2252nm之间的平均值;S1mean为端元光谱数据在2150nm-2252nm之间的平均值。
2)如果WL=2201nm,计算端元2的光谱与GF-5高光谱数据在2150nm-2260nm范围内的匹配度S。匹配度算法同样采用1)中公式。
3)如果WL=2209nm,计算端元3的光谱与GF-5高光谱数据在2159nm-2277nm范围内的匹配度S。匹配度算法同样采用1)中公式。
4)如果WL=2218nm,计算端元4的光谱与GF-5高光谱数据在2159nm-2285nm范围内的匹配度S。匹配度算法同样采用1)中公式。
5)如果WL=2226nm,计算端元4的光谱在2159nm-2285nm光谱段与GF-5高光谱数据在2167nm-2294nm范围内的匹配度S。匹配度算法同样采用1)中公式。
6)如果WL不等于上述值,则匹配度为1。
步骤四:计算特征吸收深度D
为进一步提高白云母识别的准确度,降低误识别率,通过计算2142nm-2184nm光谱段吸收深度D1和2294nm-2403nm光谱段吸收深度D2,分别降低高岭石、地开石和蒙脱石等矿物对白云母识别的影响,提高白云母识别的准确度。特征吸收深度计算过程为:首先对光谱段进行连续统去除,连续统定义为反射光谱曲线中反射峰之间的连线。连续统去除即以反射光谱除以连续统光谱,处理后各个反射峰将变为1,反射峰之间的数值均为小于1的值,去连续统的计算方法为:Scr=Sref/Sh
其中,Scr为去连续统后的光谱数据,Sref为原始光谱数据,Sh为原始光谱的连续统。
特征吸收深度D计算公式如下:
D=1-Scrmin
Scrmin为去连续统后光谱最小值。
步骤五:白云母矿物识别
为所述的步骤三计算出的每一个匹配度S、步骤四计算出的2142nm-2184nm光谱段吸收深度D1和2294nm-2403nm光谱段吸收深度D2分别设置阈值,同时满足阈值条件的即为白云母识别结果。阈值设置均以匹配度S结果为参考,首先查看匹配度S从低到高变化时与其对应的高光谱光谱谱型变化情况,当变化到高光谱光谱谱型已基本无法确定是否含有白云母时,该匹配度S对应的值即为匹配度S的阈值;确定匹配度S阈值后,查看2142nm-2184nm光谱段吸收深度D1和2294nm-2403nm光谱段吸收深度D2在匹配度S阈值范围内的变化情况,进而确定D1和D2的阈值范围。当同时满足阈值条件时,即为白云母识别结果。该阈值范围对于GF-5卫星高光谱数据具有较好的普适用。
步骤六:白云母端元光谱识别
将步骤五获得的白云母矿物信息分别与步骤二计算的不同特征吸收位置信息求交集,即求两者分布范围的交集,最终获得各个白云母光谱端元信息。
本发明优点与功效:一种基于高光谱遥感数据的白云母及其光谱端元识别方法,克服了光谱角对局部光谱特征不敏感度问题,提高了光谱匹配度的精准度;另外在大量的应用实践基础上,进一步提出了去除高岭石、地开石和蒙脱石等矿物的影响方法,提高了白云母矿物识别准确度;可快速获取地表宏观、连续的白云母及其光谱端元信息,同时该方法还有具有操作自动化高、信息识别准确度高等优点。本发明不仅适用于GF-5卫星高光谱遥感数据,也适用于其他高光谱遥感数据。识别的白云母及其光谱端元信息可为地学应用研究提供新的参考资料。
附图说明
图1为本发明实施流程图。
图2为针对GF-5高光谱遥感数据的白云母光谱端元曲线特征图。
图3为本发明实施例白云母识别结果图。
图4为本发明实施例GF-5卫星高光谱白云母光谱端元(2193nm)识别结果。
图5为本发明实施例GF-5卫星高光谱白云母光谱端元(2201nm)识别结果。
图6为本发明实施例GF-5卫星高光谱白云母光谱端元(2209nm)识别结果。
图7为本发明实施例GF-5卫星高光谱白云母光谱端元(2218nm)识别结果。
图8为本发明实施例GF-5卫星高光谱白云母光谱端元(2226nm)识别结果。
具体实施方式
图1为本发明方法的实施流程,为了更好地说明该方法的实现和效果,以一景GF-5高光谱遥感数据为例,进行了白云母及其光谱端元识别实验,具体步骤如下:
步骤一,输入反射率数据:
本次实验数据是2019年8月20号获得的一景甘肃柳园地区的GF-5卫星高光谱数据,面积约3600平方公里,是经辐射校正、大气校正等预处理后获得的发射率数据,光谱区间覆盖390-2500nm;白云母端元光谱数据来自USGS光谱库和TSG光谱库。其中卫星高光谱发射率数据和端元光谱数据均为0-1的浮点型数据;且端元光谱分辨率已重采样至卫星高光谱数据。将两者输入到ENVI IDL程序中。
步骤二,计算特征吸收位置:
计算GF-5高光谱数据在2170nm-2240nm光谱区间的最低吸收位置WL,通过计算最小反射率值,获得其对应的谱段位置,利用IDL语言,编写计算光谱特征吸收位置函数,计算公式如下:
WL=where(Sref=Smin);
Sref为高光谱反射率值;Smin为最小反射率值。步骤三,计算特征光谱段匹配度:
1)根据步骤二计算出特征吸收位置WL,开始判断WL值,如果WL=2193nm,计算端元1的光谱与GF-5高光谱数据在2150nm-2252nm范围内的匹配度S。匹配度算法采用光谱角-相关系数方法,计算结果越接近0,相似度越高,匹配度计算函数同样利用IDL语言编写,计算公式如下:
S=SA*0.5+R*0.5
SA为光谱角;R为相关系数;Srefi为高光谱数据反射率值;S1i为端元光谱反射率值;Smean为GF-5高光谱数据在2150nm-2252nm之间的平均值;S1mean为端元光谱数据在2150nm-2252nm之间的平均值。
2)如果WL=2201nm,计算端元2的光谱与GF-5高光谱数据在2150nm-2260nm范围内的匹配度(S)。匹配度计算公式同1)。
3)如果WL=2209nm,计算端元3的光谱与GF-5高光谱数据在2159nm-2277nm范围内的匹配度(S)。匹配度计算公式同1)。
4)如果WL=2218nm,计算端元4的光谱与GF-5高光谱数据在2159nm-2285nm范围内的匹配度(S)。匹配度计算公式同1)。
5)如果WL=2226nm,计算端元4的光谱在2159nm-2285nm光谱段与GF-5高光谱数据在2167nm-2294nm范围内的匹配度(S)。匹配度计算公式同1)。
6)如果WL不等于上述值,则匹配度为1。
该步骤计算得出端元1、端元2、端元3、端元4、端元5在上述特征光谱段的匹配度值范围分别为0.233-0.443、0.041-0.399、0.028-0.342、0.026-0.293、0.131-0.345。步骤四,计算特征吸收深度:
通过计算2142nm-2184nm光谱段吸收深度(D1)和2294nm-2403nm光谱段吸收深度(D2),目的是降低高岭石、地开石和蒙脱石等矿物对白云母识别的影响。特征吸收深度计算过程为:首先对光谱段进行连续统去除,连续统定义为反射光谱曲线中反射峰之间的连线。连续统去除即以反射光谱除以连续统光谱,处理后各个反射峰将变为1,反射峰之间的数值均为小于1的值,去连续统的计算方法为:Scr=Sref/Sh
其中,Scr为去连续统后的光谱数据,Sref为原始光谱数据,Sh为原始光谱的连续统。
特征吸收深度(D)计算公式如下:
D=1-Scrmin
Scrmin为去连续统后光谱最小值。
特征吸收深度计算函数也是利用IDL语言编写。
该步骤计算得出2142nm-2184nm光谱段吸收深度(D1)和2294nm-2403nm光谱段吸收深度(D2)范围分别为0-0.072和0.010-0.370。
步骤五,白云母识别:
根据第三步计算出匹配度S结果和第四步计算出的吸收深度D1和D2结果,设置三者阈值,本实施例中端元1、端元2、端元3、端元4、端元5的匹配度S阈值范围分别为0≤S≤0.330、0≤S≤0.195、0≤S≤0.225、0≤S≤0.185、0≤S≤0.215;D1阈值范围为0≤D1≤0.035;D2阈值范围为0.07≤D2≤1.0。当同时满足阈值条件时,即为白云母识别结果,见图3。该阈值范围对于其他GF-5卫星高光谱数据也具有较好的普适用。
第六步:白云母端元光谱识别
将第五步获得白云母矿物信息与第二步计算的不同特征吸收位置信息(2193nm、2201nm、2209nm、2218nm、2226nm)求交集,即可获取白云母光谱端元信息,见图4-8。
Claims (1)
1.一种基于高光谱遥感数据的白云母及其光谱端元识别方法,其特征在于:该方法具体步骤如下:
步骤一:输入反射率数据
反射率数据包括GF-5卫星高光谱数据和白云母标准光谱端元数据,其中GF-5卫星高光谱数据反射率数据是经过辐射定标、大气校正的预处理后获得的短波红外范围数据,白云母标准光谱端元包括特征吸收位置在2193nm即端元1、2201nm即端元2、2209nm即端元3、2218nm即端元4;2226nm同端元4;
步骤二:计算特征吸收位置
计算GF-5卫星高光谱数据在2170nm-2240nm光谱区间的特征吸收位置WL,通过计算最小反射率值,获得其对应的谱段位置:
WL=where(Sref=Smin);
Sref为高光谱数据反射率值;Smin为最小反射率值;
步骤三:计算特征光谱段匹配度,即根据步骤二计算出的特征吸收位置WL,判断并分别计算各端元与GF-5卫星高光谱数据的匹配度S;
步骤四:计算特征吸收深度D
为进一步提高白云母识别的准确度,降低误识别率,通过计算2142nm-2184nm光谱段特征吸收深度D1和2294nm-2403nm光谱段特征吸收深度D2,分别降低高岭石、地开石和蒙脱石对白云母识别的影响,提高白云母识别的准确度;特征吸收深度计算过程为:首先对光谱段进行连续统去除,连续统定义为反射光谱曲线中反射峰之间的连线;连续统去除即以反射光谱除以连续统光谱,去连续统的计算方法为:Scr=Sref/Sh;
其中,Scr为去连续统后的光谱数据,Sref为高光谱数据反射率值,Sh为原始光谱的连续统;
特征吸收深度D计算公式如下:
D=1-Scrmin
Scrmin为去连续统后光谱最小值;
步骤五:白云母矿物识别
为所述的步骤三计算出的每一个匹配度S、步骤四计算出的2142nm-2184nm光谱段特征吸收深度D1和2294nm-2403nm光谱段特征吸收深度D2分别设置阈值,同时满足阈值条件的即为白云母识别结果;
步骤六:白云母端元光谱识别
将步骤五获得的白云母矿物信息分别与步骤二计算的不同特征吸收位置信息求交集,即求两者分布范围的交集,最终获得各个白云母光谱端元信息;
其中,步骤三的具体过程如下:
1)如果WL=2193nm,计算端元1的光谱与GF-5卫星高光谱数据在2150nm-2252nm范围内的匹配度S;匹配度算法采用光谱角-相关系数方法,计算结果越接近0相似度越高,计算公式如下:
S=SA*0.5+R*0.5
SA为光谱角;R为相关系数;Srefi为高光谱数据反射率值;S1i为端元光谱反射率值;Smean为GF-5卫星高光谱数据在2150nm-2252nm之间的平均值;S1mean为端元光谱数据在2150nm-2252nm之间的平均值;
2)如果WL=2201nm,计算端元2的光谱与GF-5卫星高光谱数据在2150nm-2260nm范围内的匹配度S;匹配度算法同样采用1)中公式;
3)如果WL=2209nm,计算端元3的光谱与GF-5卫星高光谱数据在2159nm-2277nm范围内的匹配度S;匹配度算法同样采用1)中公式;
4)如果WL=2218nm,计算端元4的光谱与GF-5卫星高光谱数据在2159nm-2285nm范围内的匹配度S;匹配度算法同样采用1)中公式;
5)如果WL=2226nm,计算端元4的光谱在2159nm-2285nm光谱段与GF-5卫星高光谱数据在2167nm-2294nm范围内的匹配度S;匹配度算法同样采用1)中公式;
6)如果WL不等于上述值,则匹配度为1;
其中,步骤五所述的阈值设置均以匹配度S结果为参考,首先查看匹配度S从低到高变化时与其对应的高光谱光谱谱型变化情况,当变化到高光谱光谱谱型已基本无法确定是否含有白云母时,该匹配度S对应的值即为匹配度S的阈值;确定匹配度S阈值后,查看2142nm-2184nm光谱段特征吸收深度D1和2294nm-2403nm光谱段特征吸收深度D2在匹配度S阈值范围内的变化情况,进而确定D1和D2的阈值范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010377465.4A CN111521579B (zh) | 2020-05-07 | 2020-05-07 | 一种基于高光谱遥感数据的白云母及其光谱端元识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010377465.4A CN111521579B (zh) | 2020-05-07 | 2020-05-07 | 一种基于高光谱遥感数据的白云母及其光谱端元识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111521579A CN111521579A (zh) | 2020-08-11 |
CN111521579B true CN111521579B (zh) | 2023-02-24 |
Family
ID=71907199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010377465.4A Active CN111521579B (zh) | 2020-05-07 | 2020-05-07 | 一种基于高光谱遥感数据的白云母及其光谱端元识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111521579B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114371138B (zh) * | 2022-01-13 | 2024-04-12 | 中国自然资源航空物探遥感中心 | 一种高光谱遥感光谱特征吸收位置确定方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1595110A (zh) * | 2004-06-29 | 2005-03-16 | 中国国土资源航空物探遥感中心 | 高光谱多端元线性拟合矿物识别与矿化指示方法 |
CN101551471A (zh) * | 2009-05-19 | 2009-10-07 | 中国国土资源航空物探遥感中心 | 一种高光谱遥感矿物含量定量反演方法 |
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 |
CN101950361A (zh) * | 2010-09-06 | 2011-01-19 | 中国科学院遥感应用研究所 | 一种基于光谱匹配度的遥感影像专题信息自适应提取方法 |
CN103175801A (zh) * | 2013-03-14 | 2013-06-26 | 中国国土资源航空物探遥感中心 | 一种批量化与自动化的高光谱遥感矿物填图方法 |
CN108007902A (zh) * | 2016-10-27 | 2018-05-08 | 核工业北京地质研究院 | 一种用高光谱数据计算白云母Al-OH吸收位置的方法 |
-
2020
- 2020-05-07 CN CN202010377465.4A patent/CN111521579B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1595110A (zh) * | 2004-06-29 | 2005-03-16 | 中国国土资源航空物探遥感中心 | 高光谱多端元线性拟合矿物识别与矿化指示方法 |
CN101551471A (zh) * | 2009-05-19 | 2009-10-07 | 中国国土资源航空物探遥感中心 | 一种高光谱遥感矿物含量定量反演方法 |
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 |
CN101950361A (zh) * | 2010-09-06 | 2011-01-19 | 中国科学院遥感应用研究所 | 一种基于光谱匹配度的遥感影像专题信息自适应提取方法 |
CN103175801A (zh) * | 2013-03-14 | 2013-06-26 | 中国国土资源航空物探遥感中心 | 一种批量化与自动化的高光谱遥感矿物填图方法 |
CN108007902A (zh) * | 2016-10-27 | 2018-05-08 | 核工业北京地质研究院 | 一种用高光谱数据计算白云母Al-OH吸收位置的方法 |
Non-Patent Citations (1)
Title |
---|
高分五号高光谱影像矿物精细识别;董新丰等;《遥感学报》;20200425(第04期);第454-464页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111521579A (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Williams et al. | Electron microprobe petrochronology | |
CN100547438C (zh) | 一种油气勘探方法及系统 | |
CN110531054B (zh) | 基于Bootstrap抽样的土壤有机碳预测不确定性估测方法 | |
CN108801934A (zh) | 一种土壤有机碳含量高光谱预测模型的建模方法 | |
CN107192673B (zh) | 基于aster和地下岩芯光谱测量技术的一体化地质填图方法 | |
CN115128247B (zh) | 基于绿泥石指示元素变化判别找矿类型的新方法 | |
CN103383348A (zh) | 植被覆盖区高光谱遥感蚀变矿物提取方法 | |
CN110596028B (zh) | 一种沉积型稀土La元素含量的高光谱反演方法 | |
CN114813903B (zh) | 一种基于石榴石微区化学成分判别矿种的方法 | |
CN111521579B (zh) | 一种基于高光谱遥感数据的白云母及其光谱端元识别方法 | |
Scharf et al. | AnalyZr: A Python application for zircon grain image segmentation and shape analysis | |
Yang et al. | Mapping the chemical composition of nickel laterites with reflectance spectroscopy at Koniambo, New Caledonia | |
CN113436153A (zh) | 一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法 | |
CN117629971A (zh) | 一种提高激光诱导击穿光谱测量页岩中碳元素精度的方法 | |
Canbaz et al. | Hydrothermal alteration mapping using EO-1 Hyperion hyperspectral data in Kösedağ, Central-Eastern Anatolia (Sivas-Turkey) | |
Zhang et al. | A New Approach for Mineral Mapping Using Drill-Core Hyperspectral Image | |
CN116385593A (zh) | 基于定量半监督学习的高光谱遥感矿物填图方法 | |
CN115046941A (zh) | 一种多尺度光谱测量的热液铀矿床蚀变分带识别方法 | |
Sarala et al. | Application of the portable X-Ray Diffraction (pXRD) analyser in surficial geological exploration | |
Wu et al. | Mapping alteration zones in the Southern section of Yulong copper belt, Tibet using multi-source remote sensing data | |
CN112229817A (zh) | 一种苏打盐碱地重金属定量反演模型建立方法 | |
CN113552075A (zh) | 一种金地球化学元素反演方法和系统 | |
Satpathy et al. | Spectral analysis of hyperion data for mapping the spatial variation of AL+ OH minerals in a part of Latehar & Gumla district, Jharkhand | |
CN107590824B (zh) | 基于三维图像处理技术的岩石颗粒识别及位移跟踪方法 | |
Liancun et al. | Mineral identification and geological mapping using near-infrared spectroscopy analysis |
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 |