CN112240875A - 一种基于asd光谱的碳酸盐岩岩性识别方法及装置 - Google Patents
一种基于asd光谱的碳酸盐岩岩性识别方法及装置 Download PDFInfo
- Publication number
- CN112240875A CN112240875A CN201910649424.3A CN201910649424A CN112240875A CN 112240875 A CN112240875 A CN 112240875A CN 201910649424 A CN201910649424 A CN 201910649424A CN 112240875 A CN112240875 A CN 112240875A
- Authority
- CN
- China
- Prior art keywords
- carbonate
- absorption
- lithology
- sample
- spectral
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000001228 spectrum Methods 0.000 title claims abstract description 38
- 239000010430 carbonatite Substances 0.000 title description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims abstract description 154
- 239000011435 rock Substances 0.000 claims abstract description 125
- 230000003595 spectral effect Effects 0.000 claims abstract description 95
- 235000019738 Limestone Nutrition 0.000 claims abstract description 38
- 239000006028 limestone Substances 0.000 claims abstract description 38
- 238000007781 pre-processing Methods 0.000 claims abstract description 24
- 238000010521 absorption reaction Methods 0.000 claims description 155
- 238000002310 reflectometry Methods 0.000 claims description 36
- 230000008030 elimination Effects 0.000 claims description 31
- 238000003379 elimination reaction Methods 0.000 claims description 31
- 238000010606 normalization Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 23
- 125000005587 carbonate group Chemical group 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000004611 spectroscopical analysis Methods 0.000 claims description 7
- 238000002329 infrared spectrum Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 16
- 239000010459 dolomite Substances 0.000 description 7
- 229910000514 dolomite Inorganic materials 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 229910001748 carbonate mineral Inorganic materials 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 229910021532 Calcite Inorganic materials 0.000 description 2
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 2
- 239000010434 nepheline Substances 0.000 description 2
- 229910052664 nepheline Inorganic materials 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001089 mineralizing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical 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
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
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
本发明提供了一种基于ASD光谱的碳酸盐岩岩性识别方法及装置,该方法包括步骤1,利用ASD光谱仪,获取碳酸盐岩样品的光谱数据;步骤2,对光谱数据进行预处理;步骤3,提取光谱数据中局部波形特征值;步骤4,根据所述光谱数据中局部波形特征值,建立碳酸盐岩岩性识别模型;步骤5,利用碳酸盐岩岩性识别模型进行灰岩和云岩的识别。本发明所提供的该方法可以将石灰岩和白云岩有效地区分开,相比传统的人工识别方式,本发明所提供的该方法大大提升了工作效率和识别精度,可为区域地质勘探提供依据,进而在油气勘探开发及地质应用中具有较好的应用前景。
Description
技术领域
本发明涉及一种基于ASD光谱的碳酸盐岩岩性识别方法及装置,属于遥感波谱学在油气地质中的应用技术领域。
背景技术
碳酸盐岩与资源、环境有着十分重要的联系。碳酸盐岩是重要的油气储集岩,也是重要的烃源岩。碳酸盐岩的识别对油气地质和油气勘探开发具有重要的意义。传统的碳酸盐岩岩性识别主要是由有经验的地质学家,通过室内观察样品或者野外观察岩石的颜色、纹理、结构等特征来区分灰岩和白云岩,有些情况下还需要借助化学试剂来识别。但是这种方法不仅效率低,且准确率受主观因素影响较大,即使是很有经验的地质学家,在野外也很难将碳酸盐岩中的石灰岩和白云岩分开。
矿体或矿床是成矿元素的富集体,成矿元素,往往伴随着蚀变作用。由于蚀变矿物具有本身的光谱特征,因此可以通过岩矿的光谱特征来识别矿物。实验研究表明,1300nm-2500nm波段的光谱特征都毫不例外的是羟基、水分子、碳酸根和硫酸根等分子团震动产生的。
发明内容
为了解决上述的缺点和不足,本发明的一个目的在于提供一种基于ASD光谱的碳酸盐岩岩性识别方法。
本发明的另一个目的还在于提供一种基于ASD光谱的碳酸盐岩岩性识别装置。
本发明的又一个目的还在于提供一种计算机设备。
本发明的再一个目的还在于提供一种计算机可读存储介质。
为了实现以上目的,一方面,本发明提供了一种基于ASD光谱的碳酸盐岩岩性识别方法,其中,所述基于ASD光谱的碳酸盐岩岩性识别方法包括:
步骤1,利用ASD光谱仪(便携式地物光谱仪),获取碳酸盐岩样品的光谱数据;
步骤2,对光谱数据进行预处理;
步骤3,提取光谱数据中局部波形特征值;
步骤4,根据所述光谱数据中局部波形特征值,建立碳酸盐岩岩性识别模型;
步骤5,利用碳酸盐岩岩性识别模型进行灰岩和云岩的识别。
根据本发明具体实施方案,在所述的方法中,优选地,步骤1中所述利用ASD光谱仪,获取碳酸盐岩样品的光谱数据,包括:
利用ASD光谱仪,获取碳酸盐岩样品的近红外光谱数据,该光谱数据包括2000nm-2500nm波段区间的样品反射率,且样品在不同波段的反射率需要通过白板反射率进行校正。
根据本发明具体实施方案,在所述的方法中,优选地,步骤2中所述对光谱数据进行预处理,包括对光谱曲线进行连续统生成以及连续统消除法归一化处理。
根据本发明具体实施方案,在所述的方法中,优选地,采用Clark提出的外壳系数法进行光谱曲线的连续统生成。
其中,外壳系数法为本领域常规方法。
根据本发明具体实施方案,在所述的方法中,优选地,所述连续统消除法归一化处理包括采用样品的实际反射率去除连续统上相应波段的样品反射率,得到连续统消除法归一化后的数值。
其中,对光谱数据进行预处理可以有效地突出光谱曲线的吸收和反射特征,使得可以在同一基准线上对比吸收特征。对光谱数据进行预处理包括光谱曲线的连续统生成以及连续统消除法归一化处理两个步骤。经过连续统消除法归一化后的图像,有效地抑制了噪声,突出了地物波谱的特征信息,便于碳酸盐岩的分类和识别。
(1)连续统的生成:直观来看,连续统相当于光谱曲线的“外壳”,因为实际的光谱曲线是由离散的样点组成的,所以需要用连续的折线段近似光谱曲线的包络线。
(2)连续统消除法归一化处理具体包括用样品实际反射率去除连续统上相应波段的反射率,可得到连续统消除法归一化后的数值。该步骤的目的在于将反射率归一化到0-1之间,并且得到了很大的增强,因此可以更加有效地和其他光谱曲线进行光谱特征数值的比较。
根据本发明具体实施方案,在所述的方法中,优选地,步骤3中所述提取光谱数据中局部波形特征值,包括:
在连续统消除法归一化处理所得结果的基础上,提取每个样品在光谱特征区间2300nm-2350nm的吸收谷位置和吸收深度。
前人研究结果表明,在1300nm-2500nm波段,光谱特征都是由于羟基、水分子、碳酸根和硫酸根等分子团的分子振动产生的。而碳酸盐矿物的谱带位于2300nm-2350nm,其是由CO3分子团振动引起的。因此在连续统消除法归一化处理所得到的结果的基础上,提取每个样品在光谱特征区间2300nm-2350nm的吸收谷位置和吸收深度。
根据本发明具体实施方案,在所述的方法中,优选地,步骤4中所述根据所述光谱数据中局部波形特征值,建立碳酸盐岩岩性识别模型,包括:
设置吸收谷位置阈值和吸收深度阈值,并根据该吸收谷位置阈值和吸收深度阈值建立碳酸盐岩岩性识别模型;
其中,所述碳酸盐岩岩性识别模型包括:
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度小于吸收深度阈值时,则该碳酸盐岩样品的岩性为灰岩;
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度大于等于吸收深度阈值,且碳酸盐岩样品的吸收谷位置大于吸收谷位置阈值时,则该碳酸盐岩样品的岩性为灰岩;
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度大于等于吸收深度阈值,且碳酸盐岩样品的吸收谷位置小于等于吸收谷位置阈值时,则该碳酸盐岩样品的岩性为云岩。
根据本发明具体实施方案,在所述的方法中,所述吸收深度阈值可以通过人工统计的方法(本领域常规方法)确定,吸收谷位置阈值可以采用监督分类法中的最大最小距离聚类法进行确定,确定过程具体包括以下步骤:
根据已知的碳酸盐岩样品,选取其在光谱特征区间2300nm-2350nm内的吸收谷位置特征,并将该碳酸盐岩样品利用最大最小距离聚类法分成两类,其中,吸收谷位置特征值较大的类别记作碳酸盐岩样品1,吸收谷位置特征值较小的类别记作碳酸盐岩样品2,分别计算碳酸盐岩样品1和碳酸盐岩样品2的吸收谷位置特征平均值μp1和μp2,再根据公式:计算得到吸收谷位置阈值。
根据本发明具体实施方案,在所述的方法中,优选地,步骤5中所述利用碳酸盐岩岩性识别模型进行灰岩和云岩的识别,包括:
将步骤3中提取得到的吸收谷位置和吸收深度数据代入所述的碳酸盐岩岩性识别模型中,以进行灰岩和云岩的识别。
另一方面,本发明还提供了一种基于ASD光谱的碳酸盐岩岩性识别装置,其中,所述基于ASD光谱的碳酸盐岩岩性识别装置包括:
数据获取模块,用于利用ASD光谱仪,获取碳酸盐岩样品的光谱数据;
数据预处理模块,用于对光谱数据进行预处理;
局部波形特征值提取模块,用于提取光谱数据中局部波形特征值;
模型建立模块,用于根据所述光谱数据中局部波形特征值,建立碳酸盐岩岩性识别模型;
岩性识别模块,用于利用碳酸盐岩岩性识别模型进行灰岩和云岩的识别。
根据本发明具体实施方案,在所述的装置中,优选地,所述数据获取模块具体用于:
利用ASD光谱仪,获取碳酸盐岩样品的近红外光谱数据,该光谱数据包括2000nm-2500nm波段区间的样品反射率,且样品在不同波段的反射率需要通过白板反射率进行校正。
根据本发明具体实施方案,在所述的装置中,优选地,所述数据预处理模块具体用于:
对光谱曲线进行连续统生成以及连续统消除法归一化处理。
根据本发明具体实施方案,在所述的装置中,优选地,所述数据预处理模块进一步用于:采用Clark提出的外壳系数法进行光谱曲线的连续统生成。
根据本发明具体实施方案,在所述的装置中,优选地,所述数据预处理模块具体用于:采用样品的实际反射率去除连续统上相应波段的样品反射率,得到连续统消除法归一化后的数值。
根据本发明具体实施方案,在所述的装置中,优选地,所述局部波形特征值提取模块具体用于:
在连续统消除法归一化处理所得结果的基础上,提取每个样品在光谱特征区间2300nm-2350nm的吸收谷位置和吸收深度。
根据本发明具体实施方案,在所述的装置中,优选地,所述模型建立模块具体用于:
设置吸收谷位置阈值和吸收深度阈值,并根据该吸收谷位置阈值和吸收深度阈值建立碳酸盐岩岩性识别模型;
其中,所述碳酸盐岩岩性识别模型包括:
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度小于吸收深度阈值时,则该碳酸盐岩样品的岩性为灰岩;
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度大于等于吸收深度阈值,且碳酸盐岩样品的吸收谷位置大于吸收谷位置阈值时,则该碳酸盐岩样品的岩性为灰岩;
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度大于等于吸收深度阈值,且碳酸盐岩样品的吸收谷位置小于等于吸收谷位置阈值时,则该碳酸盐岩样品的岩性为云岩。
根据本发明具体实施方案,在所述的装置中,优选地,所述岩性识别模块具体用于:将局部波形特征值提取模块提取得到的吸收谷位置和吸收深度数据代入所述的碳酸盐岩岩性识别模型中,以进行灰岩和云岩的识别。
又一方面,本发明还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现以上所述的基于ASD光谱的碳酸盐岩岩性识别方法。
再一方面,本发明还提供了一种计算机可读存储介质,其中,所述计算机可读存储介质存储有执行以上所述基于ASD光谱的碳酸盐岩岩性识别方法的计算机程序。
本发明所提供的该基于ASD光谱的碳酸盐岩岩性识别方法首先通过ASD光谱仪获得室内或野外碳酸盐岩样品的光谱数据,然后对光谱数据进行处理和光谱特征的提取,再利用设计的碳酸盐岩岩性识别模型,识别灰岩和云岩。该方法可将石灰岩和白云岩有效地区分开,相比传统的人工识别方式,该方法大大提升了工作效率和识别精度,可为区域地质勘探提供依据,进而在油气勘探开发及地质应用中具有较好的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的该基于ASD光谱的碳酸盐岩岩性识别方法的具体工艺流程图。
图2为本发明实施例中部分碳酸盐岩样品的光谱曲线图。
图3为本发明实施例中部分灰岩和云岩样品连续统消除法归一化结果图。
图4为本发明实施例中吸收谷位置与方解石含量之间的相关性曲线图。
图5a为本发明实施例中碳酸盐岩样品波谷特征明显的示意图。
图5b为本发明实施例中碳酸盐岩样品波谷特征不明显的示意图。
图6为本发明实施例中碳酸盐岩岩性识别模型示意图。
图7为本发明实施例提供的基于ASD光谱的碳酸盐岩岩性识别装置的结构示意图。
具体实施方式
为了对本发明的技术特征、目的和有益效果有更加清楚的理解,现结合以下具体实施例对本发明的技术方案进行以下详细说明,但不能理解为对本发明的可实施范围的限定。
图1为本发明实施例中基于ASD光谱的碳酸盐岩岩性识别方法的工艺流程图,如图1所示,该方法包括以下步骤:
步骤S1,利用ASD光谱仪,获取碳酸盐岩样品的光谱数据;
步骤S2,对光谱数据进行预处理;
步骤S3,提取光谱数据中局部波形特征值;
步骤S4,根据所述光谱数据中局部波形特征值,建立碳酸盐岩岩性识别模型;
步骤S5,利用碳酸盐岩岩性识别模型进行灰岩和云岩的识别。
在一实施例中,步骤S1中所述利用ASD光谱仪,获取碳酸盐岩样品的光谱数据,包括:
利用ASD光谱仪,获取碳酸盐岩样品的近红外光谱数据,该光谱数据包括2000nm-2500nm波段区间的样品反射率,且样品在不同波段的反射率需要通过白板反射率进行校正。
在一实施例中,步骤S2中所述对光谱数据进行预处理,包括对光谱曲线进行连续统生成以及连续统消除法归一化处理。
在一实施例中,采用Clark提出的外壳系数法进行光谱曲线的连续统生成。
在一实施例中,所述连续统消除法归一化处理包括采用样品的实际反射率去除连续统上相应波段的样品反射率,得到连续统消除法归一化后的数值。
在一实施例中,步骤S3中所述提取光谱数据中局部波形特征值,包括:
在连续统消除法归一化处理所得结果的基础上,提取每个样品在光谱特征区间2300nm-2350nm的吸收谷位置和吸收深度。
在一实施例中,步骤S4中所述根据所述光谱数据中局部波形特征值,建立碳酸盐岩岩性识别模型,包括:
设置吸收谷位置阈值和吸收深度阈值,并根据该吸收谷位置阈值和吸收深度阈值建立碳酸盐岩岩性识别模型;
其中,所述碳酸盐岩岩性识别模型包括:
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度小于吸收深度阈值时,则该碳酸盐岩样品的岩性为灰岩;
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度大于等于吸收深度阈值,且碳酸盐岩样品的吸收谷位置大于吸收谷位置阈值时,则该碳酸盐岩样品的岩性为灰岩;
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度大于等于吸收深度阈值,且碳酸盐岩样品的吸收谷位置小于等于吸收谷位置阈值时,则该碳酸盐岩样品的岩性为云岩。
在一实施例中,步骤S5中所述利用碳酸盐岩岩性识别模型进行灰岩和云岩的识别,包括:
将步骤S3中提取得到的吸收谷位置和吸收深度数据代入所述的碳酸盐岩岩性识别模型中,以进行灰岩和云岩的识别。
下面将以采自四川盘龙洞,云阳和利川的总共103个碳酸盐岩样品为例,详细说明该基于ASD光谱的碳酸盐岩岩性识别方法。
1.使用ASD光谱仪,获取室内或野外碳酸盐岩样品的光谱数据。该步骤需要按照ASD光谱仪的操作方法进行光谱数据采集。图2为部分碳酸盐岩样品的光谱曲线图。采集后的数据参照白板数据进行校正,白板反射率是事先通过实验室内定标得到的,具体公式如下:
地物反射率=(地物DN值/白板DN值)×白板反射率;
2.光谱数据预处理,预处理的目的是为了有效增强吸收和反射特征,并统一基准,方便对比特征。具体内容包括连续统生成和连续统消除法归一化处理:
(1)连续统的生成:连续统生成采用Clark提出的外壳系数法进行。具体算法如下:
首先,通过求导得到光谱曲线上的所有极大值点,即突出的“峰”值点;
然后,找出所有极大值点中最大值点;以最大值点作为连续统的一个端点,计算该点与波长增加的方向各个极大值连线的斜率,以斜率最大点作为包络线的下一个端点,在以此点为起点循环,直到最后一点;
再以最大值点作为包络线的一个端点,向波长减少的方向进行类似计算,以斜率最小点为下一个端点,再以此点为起点循环,直到曲线上的开始点;沿波长增加方向连接所有端点,可相乘连续统。
(2)去连续统消除法归一化处理。在该过程中,选取矿物光谱特征区间2000nm-2500nm进行连续统消除法归一化处理。图3是部分灰岩和云岩样品连续统消除法归一化结果图,从图3中可以明显看出碳酸盐矿物在2000nm-2500nm区间吸收特征明显,从图3中还可以进一步看出灰岩和云岩吸收波谷对应的波段位置不同。
3.提取局部波形特征值
在归一化的基础之上,提取所有样品在碳酸盐矿物特征谱带2300nm-2350nm区间的吸收谷位置P和吸收深度D。其中,吸收谷位置P为2300nm-2350nm区间吸收谷位置,也就是反射率最低的点对应的波长。吸收深度D与吸收谷位置P对应的归一化后的反射率R有关,关系式如下式所示:
D=1-R;
上式中,D为吸收深度,R为吸收谷位置P对应的归一化后的反射率。
4.根据所述光谱数据中局部波形特征值(吸收谷位置P和吸收深度D),建立碳酸盐岩岩性识别模型
从图4中可以看出,方解石含量和吸收谷位置的相关性很高,从图3中可以得出灰岩和云岩的吸收谷位置不同,相比云岩,灰岩的吸收谷位置更靠近长波方向。因此,本发明将吸收谷位置作为岩性识别的第一个特征。
从图5a及图5b中可以看出,碳酸盐岩样品在2300nm-2350nm区间的吸收谷有的明显,有的并不明显,不明显则表示吸收深度较小。实验证明不明显的这一部分碳酸盐岩基本上是灰岩为主。因此,本发明将吸收深度作为岩性识别的第二个特征。
根据步骤3中提取得到的吸收谷位置P和吸收深度D两个特征值,生成碳酸盐岩岩性识别模型,模型示意图见图6所示,模型中,所述吸收深度阈值可以通过人工统计的方法(本领域常规方法)确定,吸收谷位置阈值可以采用监督分类法中的最大最小距离聚类法进行确定,确定过程具体包括以下步骤:
根据已知的碳酸盐岩样品,选取其在光谱特征区间2300nm-2350nm内的吸收谷位置特征,并将该碳酸盐岩样品利用最大最小距离聚类法分成两类,其中,吸收谷位置特征值较大的类别记作碳酸盐岩样品1,吸收谷位置特征值较小的类别记作碳酸盐岩样品2,分别计算碳酸盐岩样品1和碳酸盐岩样品2的吸收谷位置特征平均值μp1和μp2,再根据公式:计算得到吸收谷位置阈值。
本实施例中,吸收深度D的阈值(阈值1)设置为0.1,吸收谷位置P的阈值(阈值2)设置为2325nm。
5.利用碳酸盐岩岩性识别模型进行岩性识别
通过该碳酸盐岩岩性识别模型对103个碳酸盐岩样品进行岩性识别,部分碳酸盐岩样品的识别结果如下表1所示,本发明所提供的该基于ASD光谱的碳酸盐岩岩性识别方法的分类总体精度为89.5%,整体来看,精度较高。
表1
基于同一发明构思,本发明实施例还提供了一种基于ASD光谱的碳酸盐岩岩性识别的装置,如下面的实施所述。由于这些解决问题的原理与基于ASD光谱的碳酸盐岩岩性识别的方法相似,因此装置的实施可以参见方法的实施,重复之处不在赘述。
图7为本发明实施例的基于ASD光谱的碳酸盐岩岩性识别的装置的结构示意图,如图7所示,该装置包括:
数据获取模块201,用于利用ASD光谱仪,获取碳酸盐岩样品的光谱数据;
数据预处理模块202,用于对光谱数据进行预处理;
局部波形特征值提取模块203,用于提取光谱数据中局部波形特征值;
模型建立模块204,用于根据所述光谱数据中局部波形特征值,建立碳酸盐岩岩性识别模型;
岩性识别模块205,用于利用碳酸盐岩岩性识别模型进行灰岩和云岩的识别。
在一实施例中,所述数据获取模块201具体用于:
利用ASD光谱仪,获取碳酸盐岩样品的近红外光谱数据,该光谱数据包括2000nm-2500nm波段区间的样品反射率,且样品在不同波段的反射率需要通过白板反射率进行校正。
在一实施例中,所述数据预处理模块202具体用于:
对光谱曲线进行连续统生成以及连续统消除法归一化处理。
在一实施例中,所述数据预处理模块202进一步用于:采用Clark提出的外壳系数法进行光谱曲线的连续统生成。
在一实施例中,所述数据预处理模块202还具体用于:采用样品的实际反射率去除连续统上相应波段的样品反射率,得到连续统消除法归一化后的数值。
在一实施例中,所述局部波形特征值提取模块203具体用于:
在连续统消除法归一化处理所得结果的基础上,提取每个样品在光谱特征区间2300nm-2350nm的吸收谷位置和吸收深度。
在一实施例中,所述模型建立模块204具体用于:
设置吸收谷位置阈值和吸收深度阈值,并根据该吸收谷位置阈值和吸收深度阈值建立碳酸盐岩岩性识别模型;
其中,所述碳酸盐岩岩性识别模型包括:
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度小于吸收深度阈值时,则该碳酸盐岩样品的岩性为灰岩;
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度大于等于吸收深度阈值,且碳酸盐岩样品的吸收谷位置大于吸收谷位置阈值时,则该碳酸盐岩样品的岩性为灰岩;
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度大于等于吸收深度阈值,且碳酸盐岩样品的吸收谷位置小于等于吸收谷位置阈值时,则该碳酸盐岩样品的岩性为云岩。
在一实施例中,所述岩性识别模块205具体用于:将局部波形特征值提取模块提取得到的吸收谷位置和吸收深度数据代入所述的碳酸盐岩岩性识别模型中,以进行灰岩和云岩的识别。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的具体实施例,不能以其限定发明实施的范围,所以其等同组件的置换,或依本发明专利保护范围所作的等同变化与修饰,都应仍属于本专利涵盖的范畴。另外,本发明中的技术特征与技术特征之间、技术特征与技术发明之间、技术发明与技术发明之间均可以自由组合使用。
Claims (20)
1.一种基于ASD光谱的碳酸盐岩岩性识别方法,其特征在于,所述基于ASD光谱的碳酸盐岩岩性识别方法包括:
步骤1,利用ASD光谱仪,获取碳酸盐岩样品的光谱数据;
步骤2,对光谱数据进行预处理;
步骤3,提取光谱数据中局部波形特征值;
步骤4,根据所述光谱数据中局部波形特征值,建立碳酸盐岩岩性识别模型;
步骤5,利用碳酸盐岩岩性识别模型进行灰岩和云岩的识别。
2.根据权利要求1所述的方法,其特征在于,步骤1中所述利用ASD光谱仪,获取碳酸盐岩样品的光谱数据,包括:
利用ASD光谱仪,获取碳酸盐岩样品的近红外光谱数据,该光谱数据包括2000nm-2500nm波段区间的样品反射率,且样品在不同波段的反射率需要通过白板反射率进行校正。
3.根据权利要求1所述的方法,其特征在于,步骤2中所述对光谱数据进行预处理,包括对光谱曲线进行连续统生成以及连续统消除法归一化处理。
4.根据权利要求3所述的方法,其特征在于,采用Clark提出的外壳系数法进行光谱曲线的连续统生成。
5.根据权利要求3或4所述的方法,其特征在于,所述连续统消除法归一化处理包括采用样品的实际反射率去除连续统上相应波段的样品反射率,得到连续统消除法归一化后的数值。
6.根据权利要求1或3所述的方法,其特征在于,步骤3中所述提取光谱数据中局部波形特征值,包括:
在连续统消除法归一化处理所得结果的基础上,提取每个样品在光谱特征区间2300nm-2350nm的吸收谷位置和吸收深度。
7.根据权利要求5所述的方法,其特征在于,步骤3中所述提取光谱数据中局部波形特征值,包括:
在连续统消除法归一化处理所得结果的基础上,提取每个样品在光谱特征区间2300nm-2350nm的吸收谷位置和吸收深度。
8.根据权利要求1或7所述的方法,其特征在于,步骤4中所述根据所述光谱数据中局部波形特征值,建立碳酸盐岩岩性识别模型,包括:
设置吸收谷位置阈值和吸收深度阈值,并根据该吸收谷位置阈值和吸收深度阈值建立碳酸盐岩岩性识别模型;
其中,所述碳酸盐岩岩性识别模型包括:
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度小于吸收深度阈值时,则该碳酸盐岩样品的岩性为灰岩;
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度大于等于吸收深度阈值,且碳酸盐岩样品的吸收谷位置大于吸收谷位置阈值时,则该碳酸盐岩样品的岩性为灰岩;
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度大于等于吸收深度阈值,且碳酸盐岩样品的吸收谷位置小于等于吸收谷位置阈值时,则该碳酸盐岩样品的岩性为云岩。
9.根据权利要求8所述的方法,其特征在于,步骤5中所述利用碳酸盐岩岩性识别模型进行灰岩和云岩的识别,包括:
将步骤3中提取得到的吸收谷位置和吸收深度数据代入所述的碳酸盐岩岩性识别模型中,以进行灰岩和云岩的识别。
10.一种基于ASD光谱的碳酸盐岩岩性识别装置,其特征在于,所述基于ASD光谱的碳酸盐岩岩性识别装置包括:
数据获取模块,用于利用ASD光谱仪,获取碳酸盐岩样品的光谱数据;
数据预处理模块,用于对光谱数据进行预处理;
局部波形特征值提取模块,用于提取光谱数据中局部波形特征值;
模型建立模块,用于根据所述光谱数据中局部波形特征值,建立碳酸盐岩岩性识别模型;
岩性识别模块,用于利用碳酸盐岩岩性识别模型进行灰岩和云岩的识别。
11.根据权利要求10所述的装置,其特征在于,所述数据获取模块具体用于:
利用ASD光谱仪,获取碳酸盐岩样品的近红外光谱数据,该光谱数据包括2000nm-2500nm波段区间的样品反射率,且样品在不同波段的反射率需要通过白板反射率进行校正。
12.根据权利要求10所述的装置,其特征在于,所述数据预处理模块具体用于:
对光谱曲线进行连续统生成以及连续统消除法归一化处理。
13.根据权利要求12所述的装置,其特征在于,所述数据预处理模块进一步用于:采用Clark提出的外壳系数法进行光谱曲线的连续统生成。
14.根据权利要求12或13所述的装置,其特征在于,所述数据预处理模块具体用于:采用样品的实际反射率去除连续统上相应波段的样品反射率,得到连续统消除法归一化后的数值。
15.根据权利要求10或12所述的装置,其特征在于,所述局部波形特征值提取模块具体用于:
在连续统消除法归一化处理所得结果的基础上,提取每个样品在光谱特征区间2300nm-2350nm的吸收谷位置和吸收深度。
16.根据权利要求14所述的装置,其特征在于,所述局部波形特征值提取模块具体用于:
在连续统消除法归一化处理所得结果的基础上,提取每个样品在光谱特征区间2300nm-2350nm的吸收谷位置和吸收深度。
17.根据权利要求10或16所述的装置,其特征在于,所述模型建立模块具体用于:
设置吸收谷位置阈值和吸收深度阈值,并根据该吸收谷位置阈值和吸收深度阈值建立碳酸盐岩岩性识别模型;
其中,所述碳酸盐岩岩性识别模型包括:
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度小于吸收深度阈值时,则该碳酸盐岩样品的岩性为灰岩;
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度大于等于吸收深度阈值,且碳酸盐岩样品的吸收谷位置大于吸收谷位置阈值时,则该碳酸盐岩样品的岩性为灰岩;
在光谱特征区间2300nm-2350nm内,当碳酸盐岩样品的吸收深度大于等于吸收深度阈值,且碳酸盐岩样品的吸收谷位置小于等于吸收谷位置阈值时,则该碳酸盐岩样品的岩性为云岩。
18.根据权利要求17所述的装置,其特征在于,所述岩性识别模块具体用于:将局部波形特征值提取模块提取得到的吸收谷位置和吸收深度数据代入所述的碳酸盐岩岩性识别模型中,以进行灰岩和云岩的识别。
19.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9任一项所述的基于ASD光谱的碳酸盐岩岩性识别方法。
20.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至9任一项所述基于ASD光谱的碳酸盐岩岩性识别方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910649424.3A CN112240875B (zh) | 2019-07-18 | 2019-07-18 | 一种基于asd光谱的碳酸盐岩岩性识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910649424.3A CN112240875B (zh) | 2019-07-18 | 2019-07-18 | 一种基于asd光谱的碳酸盐岩岩性识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112240875A true CN112240875A (zh) | 2021-01-19 |
CN112240875B CN112240875B (zh) | 2023-11-28 |
Family
ID=74167954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910649424.3A Active CN112240875B (zh) | 2019-07-18 | 2019-07-18 | 一种基于asd光谱的碳酸盐岩岩性识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112240875B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801035A (zh) * | 2021-02-24 | 2021-05-14 | 山东大学 | 基于知识与数据双驱动的搭载式岩性智能识别方法及系统 |
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 |
CN113075156A (zh) * | 2021-03-29 | 2021-07-06 | 自然资源实物地质资料中心 | 碳酸盐矿物成分的定量方法、装置及设备、存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120306257A1 (en) * | 2010-02-05 | 2012-12-06 | Katherine Silversides | Determination of rock types by spectral scanning |
CN103983588A (zh) * | 2014-05-20 | 2014-08-13 | 核工业北京地质研究院 | 一种岩矿光谱特征吸收峰位置识别方法 |
CN106703794A (zh) * | 2015-11-12 | 2017-05-24 | 中石化石油工程技术服务有限公司 | 一种碳酸盐岩岩性识别方法 |
-
2019
- 2019-07-18 CN CN201910649424.3A patent/CN112240875B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120306257A1 (en) * | 2010-02-05 | 2012-12-06 | Katherine Silversides | Determination of rock types by spectral scanning |
CN103983588A (zh) * | 2014-05-20 | 2014-08-13 | 核工业北京地质研究院 | 一种岩矿光谱特征吸收峰位置识别方法 |
CN106703794A (zh) * | 2015-11-12 | 2017-05-24 | 中石化石油工程技术服务有限公司 | 一种碳酸盐岩岩性识别方法 |
Non-Patent Citations (2)
Title |
---|
傅碧宏: "碳酸盐岩的反射光谱特征的研究及应用", 《岩矿测试》, vol. 15, no. 3, pages 207 - 209 * |
贺样 等: "ASD Field Spec3 地物光谱数据在水磨——大河地区岩性分类中的应用", 《地质力学学报》, vol. 21, no. 1, pages 21 - 29 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801035A (zh) * | 2021-02-24 | 2021-05-14 | 山东大学 | 基于知识与数据双驱动的搭载式岩性智能识别方法及系统 |
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 |
CN113075156A (zh) * | 2021-03-29 | 2021-07-06 | 自然资源实物地质资料中心 | 碳酸盐矿物成分的定量方法、装置及设备、存储介质 |
CN113075156B (zh) * | 2021-03-29 | 2023-03-14 | 自然资源实物地质资料中心 | 碳酸盐矿物成分的定量方法、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 |
Also Published As
Publication number | Publication date |
---|---|
CN112240875B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112240875A (zh) | 一种基于asd光谱的碳酸盐岩岩性识别方法及装置 | |
US20210166020A1 (en) | Method and apparatus for extracting mountain landscape buildings based on high-resolution remote sensing images | |
Yu et al. | Penalized discriminant analysis of in situ hyperspectral data for conifer species recognition | |
CN107179310B (zh) | 基于鲁棒噪声方差估计的拉曼光谱特征峰识别方法 | |
CN109522924A (zh) | 一种基于单张照片的阔叶林树种识别方法 | |
US20220390374A1 (en) | Method for extracting raman characteristic peaks employing improved principal component analysis | |
CN115905881B (zh) | 黄珍珠分类的方法以及装置、电子设备、存储介质 | |
CN105023027A (zh) | 基于多次反馈机制的现场鞋底痕迹花纹图像检索方法 | |
CN108986077B (zh) | 基于双树复小波域共生增广矩阵的浮选泡沫工况识别方法 | |
CN116842326B (zh) | 一种基于光学手段的畜牧养殖水质监测系统 | |
CN111178441A (zh) | 一种基于主成分分析与全连接神经网络的岩性识别方法 | |
Lopez et al. | A new preprocessing technique for fast hyperspectral endmember extraction | |
CN114029943A (zh) | 一种基于图像数据处理的目标抓取定位方法及系统 | |
He et al. | A Method of Identifying Thunderstorm Clouds in Satellite Cloud Image Based on Clustering. | |
CN115759816A (zh) | 一种寻找造山型金矿的方法 | |
Liu et al. | Geometric tight frame based stylometry for art authentication of van Gogh paintings | |
Han et al. | Assessment of elemental profiling combined with chemometrics for authenticating the geographical origins of Pacific white shrimp (Litopenaeus vannamei) | |
CN102902984B (zh) | 基于局部一致性的遥感影像半监督投影降维方法 | |
CN113340914B (zh) | 一种基于高光谱遥感的水体富营养化状态测算方法 | |
CN114265113B (zh) | 微地震事件识别方法、装置和电子设备 | |
CN109543846A (zh) | 一种基于mvo改进的dbscan矿井突水光谱识别方法 | |
CN110069797A (zh) | 缝洞型油藏井间连通性的判断方法及系统 | |
Patel et al. | Surface defect detection using SVM‐based machine vision system with optimized feature | |
Wang et al. | Classification features of feather and hemp in cotton foreign fibers | |
CN117094477B (zh) | 一种稀土矿开采过程中环境评价方法及系统 |
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 |