CN113189020A - 基于地物高光谱遥感矿物组合分带的稀有金属找矿方法 - Google Patents

基于地物高光谱遥感矿物组合分带的稀有金属找矿方法 Download PDF

Info

Publication number
CN113189020A
CN113189020A CN202110508580.5A CN202110508580A CN113189020A CN 113189020 A CN113189020 A CN 113189020A CN 202110508580 A CN202110508580 A CN 202110508580A CN 113189020 A CN113189020 A CN 113189020A
Authority
CN
China
Prior art keywords
remote sensing
image
mineral
spectrum
terrain
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
Application number
CN202110508580.5A
Other languages
English (en)
Inventor
丁海峰
荆林海
马华东
朱炳玉
王威
李慧
唐韵玮
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.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute of CAS
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 Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202110508580.5A priority Critical patent/CN113189020A/zh
Publication of CN113189020A publication Critical patent/CN113189020A/zh
Pending legal-status Critical Current

Links

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
    • G01N21/27—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
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明公开了基于地物高光谱遥感矿物组合分带的稀有金属找矿方法，包括以下步骤：步骤一，遥感数据获取；步骤二，遥感数据处理；步骤三，遥感图像生成；步骤四，地面波谱测试；步骤五，遥感异常提取；步骤六，过滤筛选；步骤七，波谱反演；步骤八，矿床确定；该发明利用高斯多峰拟合确定地物光谱曲线的多重吸收峰，进行矿物组合信息提取，有利于提高地物光谱吸收特征在遥感影像上的反演精度，同时利用工作区域实采样品的ASD光谱曲线与USGS标准矿物库中不同矿物的ASD光谱曲线进行对比，有利于得出不同类型矿床的分带特征，并且该发明通过对遥感图像进行异常筛选和过滤，去除干扰因子和异常信息，有利于提升遥感图像的准确度。

Description

基于地物高光谱遥感矿物组合分带的稀有金属找矿方法
技术领域
本发明涉及地质矿产勘查技术领域，具体为基于地物高光谱遥感矿物组合分带的稀有金属找矿方法。
背景技术
遥感地质找矿法是利用地质体的遥感信息进行找矿的方法，运用现代化的运载工具和仪器，从一定距离对地表和近地表地质体进行探测，从而达到识别地质体和地质现象及找矿的目的。
稀有金属找矿方法多种多样，利用遥感找矿也是其中一种，并且应用愈发广泛，遥感找矿需要将工作区域的岩石波谱带入遥感图像中进行反演，然而单一矿物的地物光谱信息和混合像元的影像信息存在差异，导致现有的方法反演精度较差，误差较高，无法精确定位矿床位置。同时地物光谱虽然对单一矿物的波谱特征反映准确，但对于不同类型矿床的矿物种类、组合以及分带特征无法确定，也大大降低了遥感信息对于矿产勘查的精确度
发明内容
本发明的目的在于提供基于地物高光谱遥感矿物组合分带的稀有金属找矿方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：基于地物高光谱遥感矿物组合分带的稀有金属找矿方法，包括以下步骤：步骤一，遥感数据获取；步骤二，遥感数据处理；步骤三，遥感图像生成；步骤四，地面波谱测试；步骤五，遥感异常提取；步骤六，过滤筛选；步骤七，波谱反演；步骤八，矿床确定；
其中在上述步骤一中，首先利用遥感卫星获取工作区域的影像图；
其中在上述步骤二中，将步骤一中获取的影像图进行正射校正，得到整体误差最优的图像，随后对图像进行融合来提高光谱数据的空间分辨率，然后利用灰度匹配、接边选择、色调调整和接缝羽化处理来完成图像的拼接，保证镶嵌的图像的几何关系以及色调的一致性，随即对图像进行增强处理，处理完成后备用；
其中在上述步骤三中，利用GIS软件将步骤二中处理完成的图像制作成高分辨率的遥感合成图像；
其中在上述步骤四中，利用ASD高分辨率地物光谱仪，对工作区域内实采样品进行波谱测量，得出工作区域内实采样品的ASD光谱曲线，建立工作区域的矿物波谱库，得到不同矿物的光谱特征，将不同矿物的ASD光谱曲线进行高斯多峰拟合，获取矿物组合或者是矿物组合代表的岩石类型的光谱特征；同时在USGS标准矿物库中获取所需矿物和岩石的标准光谱，得出USGS标准矿物库的ASD光谱曲线，将实测光谱与USGS标准光谱曲线也进行高斯多峰拟合，得到样品中不同矿物组合的吸收峰，数据备用；
其中在上述步骤五中，利用计算机对步骤四中得到的工作区域的矿物组合波谱库与步骤三中的高分辨率的遥感合成图像进行对比，对异常信息进行提取；
其中在上述步骤六中，利用比值法和阀值法将步骤五中提取的遥感图像中的异常信息和干扰因子去除，随后利用3×3滤波法对图像进行过滤；
其中在上述步骤七中，将步骤四中得到的工作区域的矿物组合波谱库在步骤六中去除异常信息和干扰因子的高分辨率的遥感合成图像进行反演，得出工作区域内的矿物组合分带特征；
其中在上述步骤八中，根据步骤七中得到的矿物组合分带特征分析得到矿体的位置，并且通过野外实际调查，对区域内遥感异常和成矿条件进行综合评价和分析，最终确定矿床的位置和分布。
根据上述技术方案，所述步骤一中，遥感卫星包括ASTER、哨兵2号和高分5号。
根据上述技术方案，所述步骤二中，所述正射校正采用有理多项函数、高精度DEM和GCP控制点组合的方式进行校正。
根据上述技术方案，所述步骤二中，图像融合采用ERDAS的HCS融合方法进行融合。
根据上述技术方案，所述步骤二中，图像增强技术主要采用波谱特征增强和空间特征增强。
根据上述技术方案，所述步骤四中，每个波谱采样点必须进行GPS定位，记录坐标信息，同时拍摄野外环境。
与现有技术相比，本发明所达到的有益效果是：该发明利用高斯多峰拟合确定地物光谱曲线的多重吸收峰，进行矿物组合信息提取，有利于提高地物光谱吸收特征在遥感影像上的反演精度，同时利用工作区域实采样品的ASD光谱曲线与USGS标准矿物库中不同矿物的ASD光谱曲线进行对比，有利于判断得出不同类型矿床的分带特征，并且该发明通过对遥感图像进行异常筛选和过滤，去除干扰因子和异常信息，有利于提升遥感图像的准确度，便于精确定位矿床位置。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明的方法流程图；
图2是本发明的高斯多峰拟合曲线图；
图3是本发明的遥感卫星图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：基于地物高光谱遥感矿物组合分带的稀有金属找矿方法，包括以下步骤：步骤一，遥感数据获取；步骤二，遥感数据处理；步骤三，遥感图像生成；步骤四，地面波谱测试；步骤五，遥感异常提取；步骤六，过滤筛选；步骤七，波谱反演；步骤八，矿床确定；
其中在上述步骤一中，首先利用遥感卫星获取工作区域的影像图，且遥感卫星包括ASTER、哨兵2号和高分5号；
其中在上述步骤二中，将步骤一中获取的影像图进行正射校正，且正射校正采用有理多项函数、高精度DEM和GCP控制点组合的方式进行校正，得到整体误差最优的图像，随后对图像进行融合来提高光谱数据的空间分辨率，且图像融合采用ERDAS的HCS融合方法进行融合，然后利用灰度匹配、接边选择、色调调整和接缝羽化处理来完成图像的拼接，保证镶嵌的图像的几何关系以及色调的一致性，随即对图像进行增强处理，且图像增强技术主要采用波谱特征增强和空间特征增强，处理完成后备用；
其中在上述步骤三中，利用GIS软件将步骤二中处理完成的图像制作成高分辨率的遥感合成图像；
其中在上述步骤四中，利用ASD高分辨率地物光谱仪，对工作区域内实采样品进行波谱测量，得出工作区域内实采样品的ASD光谱曲线，建立工作区域的矿物波谱库，得到不同矿物的光谱特征，将不同矿物的ASD光谱曲线进行高斯多峰拟合，获取矿物组合或者是矿物组合代表的岩石类型的光谱特征；同时在USGS标准矿物库中获取所需矿物和岩石的标准光谱，得出USGS标准矿物库的ASD光谱曲线，将实测光谱与USGS标准光谱曲线也进行高斯多峰拟合，得到样品中不同矿物组合的吸收峰，数据备用；
其中在上述步骤五中，利用计算机对步骤四中得到的工作区域的矿物组合波谱库与步骤三中的高分辨率的遥感合成图像进行对比，对异常信息进行提取；
其中在上述步骤六中，利用比值法和阀值法将步骤五中提取的遥感图像中的异常信息和干扰因子去除，随后利用3×3滤波法对图像进行过滤；
其中在上述步骤七中，将步骤四中得到的工作区域的矿物组合波谱库在步骤六中去除异常信息和干扰因子的高分辨率的遥感合成图像进行反演，得出工作区域内的矿物组合分带特征，同时得出矿床的类型；
其中在上述步骤八中，根据步骤七中得到的矿物组合分带特征分析得到矿体的位置，并且通过野外实际调查，对区域内遥感异常和成矿条件进行综合评价和分析，最终确定矿床的位置和分布。
基于上述，本发明的优点在于，本发明通过比值法和阀值法对遥感图像中的异常信息和干扰因子进行去除，并且利用3×3滤波法对图像进行过滤，有利于提升遥感图像的精准度，同时通过高斯多峰拟合确定地物光谱曲线的多重吸收峰，进行矿物组合信息提取，有利于提高地物光谱吸收特征在遥感影像上的反演精度，并且采用工作区域实采样品的ASD光谱曲线与USGS标准矿物库中不同矿物的ASD光谱曲线进行对比，有利于判断得出不同类型矿床的分带特征。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.基于地物高光谱遥感矿物组合分带的稀有金属找矿方法，包括以下步骤：步骤一，遥感数据获取；步骤二，遥感数据处理；步骤三，遥感图像生成；步骤四，地面波谱测试；步骤五，遥感异常提取；步骤六，过滤筛选；步骤七，波谱反演；步骤八，矿床确定；其特征在于：
其中在上述步骤一中，首先利用遥感卫星获取工作区域的影像图；
其中在上述步骤二中，将步骤一中获取的影像图进行正射校正，得到整体误差最优的图像，随后对图像进行融合来提高光谱数据的空间分辨率，然后利用灰度匹配、接边选择、色调调整和接缝羽化处理来完成图像的拼接，保证镶嵌的图像的几何关系以及色调的一致性，随即对图像进行增强处理，处理完成后备用；
其中在上述步骤三中，利用GIS软件将步骤二中处理完成的图像制作成高分辨率的遥感合成图像；
其中在上述步骤四中，利用ASD高分辨率地物光谱仪，对工作区域内实采样品进行波谱测量，得出工作区域内实采样品的ASD光谱曲线，建立工作区域的矿物波谱库，得到不同矿物的光谱特征，将不同矿物的ASD光谱曲线进行高斯多峰拟合，获取矿物组合或者是矿物组合代表的岩石类型的光谱特征；同时在USGS标准矿物库中获取所需矿物和岩石的标准光谱，得出USGS标准矿物库的ASD光谱曲线，将实测光谱与USGS标准光谱曲线也进行高斯多峰拟合，得到样品中不同矿物组合的吸收峰，数据备用；
其中在上述步骤五中，利用计算机对步骤四中得到的工作区域的矿物组合波谱库与步骤三中的高分辨率的遥感合成图像进行对比，对异常信息进行提取；
其中在上述步骤六中，利用比值法和阀值法将步骤五中提取的遥感图像中的异常信息和干扰因子去除，随后利用3×3滤波法对图像进行过滤；
其中在上述步骤七中，将步骤四中得到的工作区域的矿物组合波谱库在步骤六中去除异常信息和干扰因子的高分辨率的遥感合成图像进行反演，得出工作区域内的矿物组合分带特征；
其中在上述步骤八中，根据步骤七中得到的矿物组合分带特征分析得到矿体的位置，并且通过野外实际调查，对区域内遥感异常和成矿条件进行综合评价和分析，最终确定矿床的位置和分布。
2.根据权利要求1所述的基于地物高光谱遥感矿物组合分带的稀有金属找矿方法，其特征在于：所述步骤一中，遥感卫星包括ASTER、哨兵2号和高分5号。
3.根据权利要求1所述的基于地物高光谱遥感矿物组合分带的稀有金属找矿方法，其特征在于：所述步骤二中，所述正射校正采用有理多项函数、高精度DEM和GCP控制点组合的方式进行校正。
4.根据权利要求1所述的基于地物高光谱遥感矿物组合分带的稀有金属找矿方法，其特征在于：所述步骤二中，图像融合采用ERDAS的HCS融合方法进行融合。
5.根据权利要求1所述的基于地物高光谱遥感矿物组合分带的稀有金属找矿方法，其特征在于：所述步骤二中，图像增强技术主要采用波谱特征增强和空间特征增强。
6.根据权利要求1所述的基于地物高光谱遥感矿物组合分带的稀有金属找矿方法，其特征在于：所述步骤四中，每个波谱采样点必须进行GPS定位，记录坐标信息，同时拍摄野外环境。
CN202110508580.5A 2021-05-11 2021-05-11 基于地物高光谱遥感矿物组合分带的稀有金属找矿方法 Pending CN113189020A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110508580.5A CN113189020A (zh) 2021-05-11 2021-05-11 基于地物高光谱遥感矿物组合分带的稀有金属找矿方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110508580.5A CN113189020A (zh) 2021-05-11 2021-05-11 基于地物高光谱遥感矿物组合分带的稀有金属找矿方法

Publications (1)

Publication Number Publication Date
CN113189020A true CN113189020A (zh) 2021-07-30

Family

ID=76981052

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110508580.5A Pending CN113189020A (zh) 2021-05-11 2021-05-11 基于地物高光谱遥感矿物组合分带的稀有金属找矿方法

Country Status (1)

Country Link
CN (1) CN113189020A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101101338A (zh) * 2007-07-10 2008-01-09 廊坊开发区中油油田科技工贸有限责任公司 一种油气勘探方法及系统
WO2014143276A2 (en) * 2012-12-31 2014-09-18 Omni Medsci, Inc. Short-wave infrared super-continuum lasers for natural gas leak detection, exploration, and other active remote sensing applications
CN110231661A (zh) * 2019-05-05 2019-09-13 湖南省地质调查院 岩石标本与野外勘探测量激电参数的对应方法
CN110287976A (zh) * 2018-03-19 2019-09-27 中国科学院遥感与数字地球研究所 一种自动识别遥感蚀变异常的装置和方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101101338A (zh) * 2007-07-10 2008-01-09 廊坊开发区中油油田科技工贸有限责任公司 一种油气勘探方法及系统
WO2014143276A2 (en) * 2012-12-31 2014-09-18 Omni Medsci, Inc. Short-wave infrared super-continuum lasers for natural gas leak detection, exploration, and other active remote sensing applications
CN110287976A (zh) * 2018-03-19 2019-09-27 中国科学院遥感与数字地球研究所 一种自动识别遥感蚀变异常的装置和方法
CN110231661A (zh) * 2019-05-05 2019-09-13 湖南省地质调查院 岩石标本与野外勘探测量激电参数的对应方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘汉湖: ""岩矿波谱数据分析与信息提取方法研究"", 《中国优秀博士学位论文全文数据库 基础科学辑》 *
王润生: "高光谱遥感的物质组分和物质成分反演的应用分析", 《地球信息科学学报》 *
黄理善等: ""基于遥感手段的高寒山区矿产资源远景区快速圈定与综合评价技术集成"", 《中国地质》 *

Similar Documents

Publication Publication Date Title
AU2020101520A4 (en) Method for identifying exposed and buried fault structures in granite-type uranium province
Ferraccioli et al. Microlevelling procedures applied to regional aeromagnetic data: an example from the Transantarctic Mountains (Antarctica)
Rogge et al. Mapping of NiCu–PGE ore hosting ultramafic rocks using airborne and simulated EnMAP hyperspectral imagery, Nunavik, Canada
El Janati et al. Application of ASTER remote sensing data to geological mapping of basement domains in arid regions: a case study from the Central Anti-Atlas, Iguerda inlier, Morocco
CN109961087B (zh) 基于空间数据集分析的异常遥感信息提取方法及装置
CN101101338A (zh) 一种油气勘探方法及系统
CN110414060B (zh) 一种基于四阶谱矩的位场边界识别方法
CN115346141B (zh) 天-空-地-隧-孔一体化不良地质识别方法及系统
CN105114067A (zh) 一种岩性测井相的方法
CN110826518A (zh) 一种遥感影像隐伏地质构造信息提取方法
CN117475313A (zh) 一种基于训练样本自动化提取的大尺度冬小麦早期识别方法
CN109738369B (zh) 一种采用航空高光谱遥感玉器的考古探测方法
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
Yong et al. Site characterization using integrated imaging analysis methods on satellite data of the Islamabad, Pakistan, region
Canbaz et al. Hydrothermal alteration mapping using EO-1 Hyperion hyperspectral data in Kösedağ, Central-Eastern Anatolia (Sivas-Turkey)
CN113189020A (zh) 基于地物高光谱遥感矿物组合分带的稀有金属找矿方法
CN116823896A (zh) 一种高植被覆盖下靶矿区范围预测方法、装置及电子设备
CN116932994A (zh) 一种绿泥石铁镁含量反演方法、系统、介质、设备及终端
Li et al. Application of object-oriented classification with hierarchical multi-scale segmentation for information extraction in Nonoc Nickel mine, the Philippines
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
CN109916839B (zh) 一种基于高分遥感影像的露头残煤燃烧中心精准探测方法
Salehi et al. Mineral mapping by hyperspectral remote sensing in West Greenland using airborne, ship-based and terrestrial platforms
CN112378864A (zh) 一种机载高光谱土壤信息反演方法
CN109886142B (zh) 一种基于sar技术的农作物解译方法
Gingerich et al. The development of new exploration technologies at Noranda: Seeing more with hyperspectral and deeper with 3-D seismic

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: 20210730

RJ01 Rejection of invention patent application after publication