CN116932994A - 一种绿泥石铁镁含量反演方法、系统、介质、设备及终端 - Google Patents
一种绿泥石铁镁含量反演方法、系统、介质、设备及终端 Download PDFInfo
- Publication number
- CN116932994A CN116932994A CN202310417876.5A CN202310417876A CN116932994A CN 116932994 A CN116932994 A CN 116932994A CN 202310417876 A CN202310417876 A CN 202310417876A CN 116932994 A CN116932994 A CN 116932994A
- Authority
- CN
- China
- Prior art keywords
- image
- chlorite
- value
- spectrum
- data set
- 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
- 238000000034 method Methods 0.000 title claims abstract description 84
- 239000011777 magnesium Substances 0.000 title claims abstract description 31
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 title claims abstract description 29
- 229910052749 magnesium Inorganic materials 0.000 title claims abstract description 29
- VSBZFKZETWQIAT-UHFFFAOYSA-L iron(2+) dichlorite Chemical compound [Fe+2].[O-]Cl=O.[O-]Cl=O VSBZFKZETWQIAT-UHFFFAOYSA-L 0.000 title claims description 6
- 238000001228 spectrum Methods 0.000 claims abstract description 150
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 135
- 239000011707 mineral Substances 0.000 claims abstract description 135
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 claims abstract description 106
- 229910001919 chlorite Inorganic materials 0.000 claims abstract description 103
- 229910052619 chlorite group Inorganic materials 0.000 claims abstract description 103
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 66
- 230000003595 spectral effect Effects 0.000 claims abstract description 57
- 238000001914 filtration Methods 0.000 claims abstract description 39
- 238000009826 distribution Methods 0.000 claims abstract description 38
- CPXRHTTZTZJCMV-UHFFFAOYSA-J Cl(=O)[O-].[Fe+2].[Mg+2].Cl(=O)[O-].Cl(=O)[O-].Cl(=O)[O-] Chemical compound Cl(=O)[O-].[Fe+2].[Mg+2].Cl(=O)[O-].Cl(=O)[O-].Cl(=O)[O-] CPXRHTTZTZJCMV-UHFFFAOYSA-J 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 36
- 229910052742 iron Inorganic materials 0.000 claims abstract description 31
- 238000009499 grossing Methods 0.000 claims abstract description 22
- 238000002310 reflectometry Methods 0.000 claims abstract description 22
- MHKWSJBPFXBFMX-UHFFFAOYSA-N iron magnesium Chemical compound [Mg].[Fe] MHKWSJBPFXBFMX-UHFFFAOYSA-N 0.000 claims abstract description 9
- 238000010521 absorption reaction Methods 0.000 claims description 42
- 238000012937 correction Methods 0.000 claims description 34
- 230000005855 radiation Effects 0.000 claims description 21
- 238000007619 statistical method Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 11
- 238000005520 cutting process Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000873 masking effect Effects 0.000 claims description 3
- 230000003313 weakening effect Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 2
- 235000010755 mineral Nutrition 0.000 description 122
- 238000011835 investigation Methods 0.000 description 15
- 239000000126 substance Substances 0.000 description 14
- 239000011435 rock Substances 0.000 description 13
- 230000008859 change Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 5
- 230000004075 alteration Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 241000132092 Aster Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 239000013078 crystal Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 239000010438 granite Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 2
- 229910052770 Uranium Inorganic materials 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 239000004579 marble Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000000053 physical method Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010013883 Dwarfism Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000005427 atmospheric aerosol Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 description 1
- 230000005291 magnetic effect Effects 0.000 description 1
- 239000011738 major mineral Substances 0.000 description 1
- 235000011963 major mineral Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000029052 metamorphosis Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于地质矿产资源遥感识别技术领域，公开了一种绿泥石铁镁含量反演方法、系统、介质、设备及终端，获取高分五号卫星的高光谱数据集并进行校正运算，得到反映地表反射率值的图像；对反射率图像进行光谱波段裁剪，得到短波红外高光谱数据集并进行Savitzky‑Golay滤波；确定参考光谱并与滤波平滑后的短波红外高光谱数据集进行匹配，得到匹配值图像；对滤波后的短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯区段；对短波红外高光谱数据集进行一阶导数运算，输出光谱谱峰位置图像并计算各个像元绿泥石铁镁值，输出铁镁值图像。本发明能够在较短时间内高效、快速、准确地识别绿泥石矿物富镁－富铁亚类的分布范围。
Description
技术领域
本发明属于地质矿产资源遥感识别技术领域，尤其涉及一种绿泥石铁镁含量反演方法、系统、介质、设备及终端。
背景技术
目前，高分五号(GF-5)卫星是世界首颗实现对大气和陆地综合观测的全谱段高光谱卫星，可以获取从390nm到2500nm共330个谱段的高光谱数据，设计寿命8年，2019年3月21日正式投入使用。GF-5首次搭载了大气痕量气体差分吸收光谱仪(EMI)、主要温室气体探测仪(GMI)、大气多角度偏振探测仪(DPC)、大气环境红外甚高分辨率探测仪(AIUS)、可见短波红外高光谱相机(AHSI)和全谱段光谱成像仪(VIMS)共6台载荷。GF-5卫星对地面物质成分的探测十分精确，可对内陆水体、路表生态环境、蚀变矿物、岩矿类别进行有效探测，为环境监测、资源勘察、防灾减灾等行业提供高质量、高可靠的高光谱数据。全谱段光谱成像仪具有谱段范围宽、空间分辨率高、辐射定标精度高的技术特点。
绿泥石是广泛存在于自然界中低级变质作用和热液蚀变作用的产物，常与斑岩铜矿、热液蚀变型金矿、砂岩型铀矿等成矿作用密切相关，研究其在不同地质环境中化学成分的变化，可反映出其形成时的物理化学条件及其光谱特征的变化。绿泥石的晶体化学式一般可表示为Y(Z4O10)(OH)2Y3(OH)6，其中Y代表Mg2+、Fe2+、Al3+、Fe3+、Cr、Ni、Mn，Z代表Si、Al、Fe3+。一般认为绿泥石主要是由热液流体中的铁镁质矿物直接结晶或者蚀变交代围岩又或者沿裂隙沉淀所致。事实上，绿泥石矿物具有独特的诊断性吸收谱带，在特定特征谱带中能够指示离子类矿物、单矿物的存在，通过这些谱带或其组合，能够实现对绿泥石铁镁含量的反演。在不同的成矿环境中，绿泥石的分子晶型和化学成分通常会发生规律性的变化，其化学成分中铁镁含量的特征吸收谱带可以作为指示绿泥石矿物的存在，有着重要的标型意义。绿泥石的主要成分是富铁绿泥石和富镁绿泥石，越靠近热液中心的绿泥石成分上更加富铁，利用两种绿泥石的特征吸收峰位分别不同，以此来指示热液中心，对进一步的矿床勘查工作提供积极的指导。
高光谱矿物识别物理方法主要有两大类，分别是以重建光谱与标准光谱相似性度量为基础的光谱匹配方法和以光谱吸收谱带参量为基础的模式识别方法。光谱匹配对矿物光谱的微小差异不够敏感，容易受地形、背景等外界干扰，无法突出光谱谷谱型在相似性计算中重要性，且受图像的信噪比、光谱定标和光谱重建精度等因素的影响比较大。甘甫平等在总结分析常见光谱匹配法的矿物识别能力基础上，提出了一种光谱特征增强的匹配度算法，该算法较其他方法识别矿物信息的检出限更低、正确率更高。但其主要还是对矿物大类或光谱特征具有唯一性时，应用效果较好。甘甫平等分析了矿物光谱的变化规律，评价了光谱参量的敏感性与稳定性，提出了建立矿物识别谱系的思想，参照或借鉴矿物学的分类方法，在可见短波红外光谱区间，分别以主要吸收谱带、谱带组合特征、谱带精细特征和谱带变异特征为基础，对矿物进行“类－族-种－亚种”逐层识别，构成判别决策过程的树状结构。董新丰等依据了甘甫平等提出的矿物分层谱系识别思想，采用了综合光谱特征增强匹配度和特征参量开展了GF-5矿物精细识别应用研究，但仍需提高对GF-5光谱特征理解，进而实现对亚像元、弱信息的识别。绿泥石矿物光谱具有Fe-OH和Mg-OH的诊断吸收特征，波长位置分别为2245～2260和2320～2360nm，梁树能等对测量的绿泥石岩矿光谱进行分析，获取了岩石样品中绿泥石矿物的特征光谱参量，但并未将此结果结合高分五号短波红外高光谱数据当中，并进一步获取数据中相关化学参数。
前人提出了大量基于多光谱遥感数据(Landsat TM/ETM、WorldView-2和ASTER数据)的矿产快速勘查方法，这些方法主要是针对地质构造中的控矿构造进行解译和图像变换处理，进而突出有利于矿床产出的构造部位。这些方法可以有效识别矿物种类差异大的岩石和明显的地质构造。但是对于矿物亚类的探测和细分效果不佳，这些方法没有专门针对与成矿相关的蚀变矿物的遥感光谱响应提出有效的处理方法。目前多光谱数据源的多波段数据的空间分辨率普遍低，高空间分辨率数据波段少，信噪比较差，有用信息被大量无用信息混杂，严重影响勘查精度。
在斑岩铜矿、热液蚀变型金矿、砂岩型铀矿等矿产中，矿体外围富含指示性的绿泥石矿物，同时矿物随分布地段的变化也表现出亚类的变化，这些矿物的亚类变化在国产高分五号数据的短波红外波段具有特征谱带而可以被识别。长期以来，遥感技术领域对矿床的指示矿物亚类变化规律的探测相对比较陌生，针对矿床的绿泥石指示矿物进行遥感识别的尝试更少。利用遥感技术探测构造控矿型的矿产的关键在于全面解译区内的断裂构造，图像变换和处理的方式比较简单直观。但对于挖掘矿床不同部位指示性蚀变矿物亚类的变化，这种方法难以发挥作用。现有技术中没有专门针对与成矿相关的绿泥石指示矿物的遥感光谱响应提出有效的处理方法。
目前的勘测方法针对构造容矿型的矿床比较有效，但是对于由于隐伏矿床在地表的指示信息较少，传统的遥感解译和图像变换方法对隐伏矿无效。对于隐伏型矿物，矿物、岩石的光谱特征与其物理化学属性之间的关联分析是高光谱遥感提取岩矿信息的基础。岩石矿物单个诊断性吸收特征可以用吸收位置、吸收深度、吸收宽度、面积、吸收对称性、吸收峰数目和排列次序作完整的表征。在不同的成矿环境中，绿泥石的分子晶型和化学成分通常会发生规律性的变化，其化学成分中铁镁含量的特征吸收谱带可以作为指示绿泥石矿物的存在，有着重要的标型意义。绿泥石的主要成分是富铁绿泥石和富镁绿泥石，越靠近热液中心的绿泥石成分上更加富铁，利用两种绿泥石的特征吸收峰位分别不同，以此来指示热液中心，对进一步的矿床勘查工作提供积极的指导。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有高光谱矿物识别物理方法中，光谱匹配对矿物光谱的微小差异不够敏感，容易受地形、背景等外界干扰，无法突出光谱谷谱型在相似性计算中重要性，且受图像的信噪比、光谱定标和光谱重建精度等因素的影响较大。
(2)现有基于多光谱遥感数据的矿产勘查方法对于矿物亚类的探测和细分效果不佳，且没有专门针对蚀变矿物的遥感光谱响应提出有效的处理方法。
(3)目前多光谱数据源的多波段数据空间分辨率普遍低，高空间分辨率数据波段少，信噪比较差，有用信息被大量无用信息混杂，严重影响勘查精度。
(4)目前的勘测方法针对构造容矿型的矿床比较有效，但是对于由于隐伏矿床在地表的指示信息较少，传统的遥感解译和图像变换方法对隐伏矿无效。
发明内容
针对现有技术存在的问题，本发明提供了一种绿泥石铁镁含量反演方法、系统、介质、设备及终端，尤其涉及一种基于高分五号卫星高光谱数据的绿泥石铁镁含量反演方法、系统、介质、设备及终端。
本发明是这样实现的，一种绿泥石铁镁含量反演方法，绿泥石铁镁含量反演方法包括：获取高分五号卫星的高光谱数据集并进行校正运算，得到反映地表反射率值的图像；对反映地表反射率值的图像进行光谱波段裁剪，得到短波红外高光谱数据集并进行Savitzky-Golay滤波平滑处理；确定参考光谱并与经过滤波平滑处理的短波红外高光谱数据集进行匹配，得到匹配值图像并进行统计分析；对滤波后的短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段；对短波红外高光谱数据集进行一阶导数运算，输出光谱谱峰位置图像；计算光谱谱峰位置图像各个像元绿泥石的值，并输出/>值图像。
进一步，绿泥石铁镁含量反演方法包括以下步骤：
步骤一，获取高分五号卫星的高光谱数据集，利用偏置和增益数据对地表数字量化值进行辐射校正，并得到卫星视角下观测的地表辐射亮度值；根据大气传输模型对辐射亮度图像进行大气校正，得到反映地表反射率值的图像；
步骤二，将大气校正后的反射率影像进行第286～320波段的光谱波段裁剪，得到2142.31～2428.98nm波长范围的短波红外高光谱数据集；对裁剪得到的高分五号短波红外高光谱数据集进行Savitzky-Golay滤波，削弱光谱数据的噪声；
步骤三，在USGS光谱库中选择绿泥石矿物的标准光谱并裁剪至2142.31～2428.98nm波长范围作为参考光谱；采用波谱特征拟合方法对经过滤波平滑的高分五号短波红外高光谱数据集进行匹配，得到匹配值图像；
步骤四，对匹配值图像进行统计分析，取均值至均值与方差之和的范围生成掩膜图像；依据掩膜图像对Savitzky-Golay滤波后2142.31～2428.98nm波长范围的短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段；
步骤五，选择2184.59～2386.84nm波段作为寻峰范围，对高分五号短波红外高光谱数据集逐个像元进行一阶导数运算；选择导数为0的波段波长值存入图像像元响应的位置，输出光谱谱峰位置图像；
步骤六，依据值与2184.59～2386.84nm波长范围内Fe-OH吸收峰位置的关系，计算光谱谱峰位置图像各个像元绿泥石的/>值，并输出/>值图像。
进一步，步骤一中的辐射校正模型为：
L＝Gain×DN+Offset；
式中，L为辐射亮度值，Gain为增益，Offset为偏置，DN为像元亮度值；
大气校正模型为：
式中，L为传感器像元接收到的总辐射亮度；ρ为像元表面反射率；ρe为像素周围平均表面反射率；S为大气球面反照率；La为大气后向散射辐射率；A和B为取决于大气条件和几何条件的两个系数。
进一步，步骤二中的将大气校正后的反射率影像进行第286～320波段的光谱波段裁剪，得到2142.31～2428.98nm波长范围的短波红外高光谱数据集包括：
对大气校正后的反射率影像进行光谱波段裁剪，对高分五号高光谱影像数据集390～2500nm波长范围的330个波段，选择第286～320波段的光谱波段进行光谱裁剪，得到2142.31～2428.98nm波长范围的短波红外高光谱数据集；
其中，Savitzky-Golay滤波算法公式为：
式中，hi/H为平滑系数，由最小二乘法拟合多项式求得。
进一步，步骤三中地在USGS光谱库中选择绿泥石矿物的标准光谱并裁剪至2142.31～2428.98nm波长范围并作为参考光谱；采用波谱特征拟合方法对经过滤波平滑的高分五号短波红外高光谱数据集进行匹配，得到匹配值图像包括：
(1)在USGS光谱库中选择绿泥石矿物的标准光谱并裁剪至2142.31～2428.98nm波长范围，并作为影像参考光谱；
(2)对处理后的高分五号短波红外高光谱数据集以及USGS光谱库中筛选和处理好的参考光谱进行包络线校正处理，使两者数据归一化，公式如下：
式中，RCj为波段j的包络线去除值，Rj为波段j的原始光谱反射率，K为吸收曲线中起始点波段和末端点波段间的斜率，λj为第j波段，Rend和Rstand为吸收曲线中起始点和末端点的原始光谱反射率，λend和λstand为吸收曲线中起始点和末端点的波长；
(3)采用光谱特征拟合方法对经过滤波平滑和包络线校正的高分五号短波红外高光谱数据集进行匹配，得到匹配值图像；通过对比增加常量k调整参考光谱的曲线外形，进而实现像元光谱拟合匹配；拟合图像灰度值越大代表匹配度越高，成为目标矿物的可能性越大，计算公式如下：
式中，为经过变换的参考光谱特征曲线，p为参考光谱的原光谱特征曲线，/>和p均经过包络线去除处理，k为常数且k不等于-1。
进一步，步骤四中的对匹配值图像进行统计分析，取均值至均值与方差之和的范围生成掩膜图像；依据掩膜图像对Savitzky-Golay滤波后2142.31～2428.98nm波长范围的短波红外高光谱数据集进行掩膜处理包括：
(1)对匹配值图像进行统计分析，取像元统计值均值至均值与方差之和的范围生成掩膜图像；
(2)依据掩膜图像对Savitzky-Golay滤波后2142.31～2428.98nm波长范围的高分五号短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段。
进一步，步骤五中的选择2184.59～2386.84nm波段作为寻峰范围，对高分五号短波红外高光谱数据集逐个像元进行一阶导数运算；选择导数为0的波段波长值存入图像像元响应的位置，输出光谱谱峰位置图像包括：
(1)获取经掩膜处理得到的反映绿泥石矿物分布较纯区段的高分五号短波红外高光谱数据集图像；
(2)选择2184.59～2386.84nm波段作为寻峰范围，对逐个像元进行一阶导数运算；选择导数为0的波段波长值存入图像像元响应的位置，输出反映光谱谱峰位置图像，计算公式如下：
式中，Δλ＝λj-λi，λj>λi。
进一步，步骤六中的值与2184.59～2386.84nm波长范围内Fe-OH吸收峰位置的关系公式为：
y＝102.63-0.023x；
式中，y为值；x为Fe-OH吸收峰位置，单位cm-1。
本发明的另一目的在于提供一种应用所述的绿泥石铁镁含量反演方法的绿泥石铁镁含量反演系统，绿泥石铁镁含量反演系统包括：
高光谱数据集获取模块，用于获取高分五号卫星的高光谱数据集并进行辐射定标和大气校正运算，得到反映地表反射率值的图像；
图像裁剪滤波模块，用于对反映地表反射率值的图像进行光谱波段裁剪，得到高分五号短波红外高光谱数据集并进行Savitzky-Golay滤波平滑处理；
图像匹配模块，用于确定参考光谱并与经过滤波平滑处理的高分五号短波红外高光谱数据集进行匹配，得到匹配值图像并进行统计分析；
数据掩膜处理模块，用于对滤波后的高分五号短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段；
铁镁含量反演模块，用于对短波红外高光谱数据集进行一阶导数运算，输出光谱谱峰位置图像并计算各个像元绿泥石的值，并输出/>值图像。
本发明的另一目的在于提供一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的绿泥石铁镁含量反演方法的步骤。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的绿泥石铁镁含量反演方法的步骤。
本发明的另一目的在于提供一种信息数据处理终端，信息数据处理终端用于实现所述的绿泥石铁镁含量反演系统。
结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：
第一，本发明提供的绿泥石铁镁含量反演方法，是通过获取高分五号卫星的高光谱数据集并进行辐射定标和大气校正，得到反映地表反射率值的图像并进行光谱波段裁剪，得到短波红外高光谱数据集并进行Savitzky-Golay滤波平滑处理；确定参考光谱并与数据集进行匹配，得到匹配值图像；对滤波后的数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段；对数据集进行一阶导数运算，输出光谱谱峰位置图像并计算各个像元绿泥石的值，输出/>值图像实现的。本发明能够在较短时间内高效、快速、准确地识别绿泥石矿物富镁-富铁亚类的分布范围，解决了现有技术中蚀变矿物亚类识别的难点问题。
与现有技术相比，本发明还具有如下技术效果：
(1)本发明是专门针对蚀变绿泥石矿物提出的遥感识别方法，可应用于高寒、高海拔以及人迹罕至的荒漠戈壁的基岩裸露地区的金属矿勘查，这些地区重型勘查设备难以抵达、传统勘查成本很高。因此，本发明对降低这类地区的蚀变矿产找矿勘查成本极为重要。
(2)本发明提供的反演方法通过获取与绿泥石蚀变矿物密切相关的矿物高光谱特征，能够在较短时间内高效、快速、准确地识别富铁、富镁绿泥石的分布范围，解决了蚀变矿物亚类识别的难点问题。
(3)本发明获取高分五号高光谱影像；高分五号遥感影像为高光谱卫星遥感影像，具有330个波段，尤其是2184.59～2386.84nm波长范围的短波红外部分，反映地表物质的光谱特征更准确，结合Fe/(Fe+Mg)值与2184.59～2386.84nm波长范围内Fe-OH吸收峰位置的关系，可以快速区分绿泥石蚀变矿物的亚类。
第二，目前应用的各类多光谱数据源，有的空间分辨率低，有的则波段较少，有用信息被大量噪声信息混杂，严重影响勘查的精度。卫星遥感技术的发展和成熟为开发遥感识别方法提供了良好的基础，我国现有的高分五号卫星具有光谱分辨率高、重访周期短、免费使用的优点，因此高分五号高光谱数据可以为矿产资源勘查提供有效的技术方法支撑。高分五号卫星对地面物质成分的探测十分精确，可对内陆水体、路表生态环境、蚀变矿物、岩矿类别进行有效探测，为环境监测、资源勘察、防灾减灾等行业提供高质量、高可靠的高光谱数据。全谱段光谱成像仪具有谱段范围宽、空间分辨率高、辐射定标精度高的技术特点。高光谱遥感识别矿物主要依赖于矿物成分的吸收特征，岩石光谱本质上是矿物的混合光谱，其光谱特征与成分、结构、构造、表面状态等因素有关。本发明基于高分五号卫星短波红外高光谱，使用短波红外数据集进行校正运算、波段裁剪、特征谱带匹配等，能够在人迹罕至的高山高原荒漠区域内高效、快速、准确地识别与矿床相关的绿泥石矿物富镁－富铁亚类分布。本发明是针对蚀变矿物提出的遥感识别方法，可应用于高寒、高海拔以及人迹罕至的荒漠戈壁的基岩裸露地区的金属矿勘查，这些地区重型勘查设备难以抵达、传统勘查成本很高。因此，本发明通过对降低这类地区的蚀变矿产找矿密切相关的矿物高光谱特征，能够在短时间内获取绿泥石矿物亚类分布范围，解决了蚀变矿物亚类识别的难点问题。本发明提供的方法前人尚未提出，本发明提出的绿泥石铁镁含量反演方法能够填补相关领域的空白，对指导找矿工作具有一定意义。
第三，作为本发明的权利要求的创造性辅助证据，还体现在以下几个重要方面：
本发明的技术方案解决了人们一直渴望解决、但始终未能获得成功的技术难题：
通过各种蚀变矿物寻找隐伏型矿床对于国民经济发展和国防安全具有重要意义。新疆、西藏、青海、甘肃等地区矿产资源丰富，但是自然环境恶劣、交通条件极差、地形起伏大，导致该地区地质工作程度低，矿产勘查工作程度低，效果差。目前应用的各类多光谱数据源，有的空间分辨率低，有的则波段较少，有用信息被大量噪声信息混杂，严重影像勘查的精度。因此，亟须一种方法能够在人迹罕至的高原、高山区内高效、快速、准确地识别绿泥石矿物亚类分布规律。矿物识别是高光谱遥感技术优势之一，已在地质矿产领域取得了显著应用效果。随着光谱分辨率的逐渐提高，高光谱遥感应用于矿物识别逐渐从识别矿物种类向矿物亚类、矿物成分、相关化学参数等精细信息的识别方向发展，且随着应用实践的深入，对蚀变矿物的信息需求也越来越大。高分五号(GF-5)卫星的可见短波红外高光谱相机为绿泥石矿物铁镁含量的反演提供了可能。
为了探索矿物精细光谱特征与其矿物化学参数间的内在关联性，为利用高光谱技术探测矿物微观成分信息，本研究通过高分五号卫星短波红外高光谱数据中的绿泥石矿物光谱特征不同实现来探讨富铁、富镁绿泥石的分布范围，以弥补多光谱或全色成像遥感定量应用的局限和不足。本发明提供的技术方案是在以高分五号高光谱影像为基础，依据USGS光谱库标准谱识别绿泥石信息，探测绿泥石分布区域，并结合值与2184.59～2386.84nm波长范围内Fe-OH吸收峰位置的关系，进而计算光谱谱峰位置图像各个像元绿泥石的/>值，并输出/>值图像，然后根据/>值识别富镁、富铁绿泥石分布地段，最后通过野外调查验证，寻找富镁、富铁绿泥石，不仅避免了仅仅使用Landsat、ASTER等多光谱遥感数据，导致光谱分辨率低，异常识别不够准确，且混杂噪声，严重影响提取精度的问题，而且还实现高海拔、艰险地区蚀变矿床绿泥石辅助的快速找矿，为矿产勘查工作服务，提高工作效率，节约国家和社会投入的资金。所以本发明提供的方法或者系统，能够在较短时间内高效、快速、准确地识别富镁、富铁绿泥石蚀变矿物分布范围，且前人尚未提出，本发明提供的绿泥石铁镁含量反演方法能够填补相关领域的空白，对指导找矿工作具有一定意义。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅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是本发明实施例提供的绿泥石铁镁含量反演方法流程图；
图2是本发明实施例提供的绿泥石铁镁含量反演图像；
图3是本发明实施例提供的东昆仑小南川中－新元古界万保沟群地层中富磁铁矿层配图；
图4是本发明实施例提供的绿泥石铁镁含量反演方法实际识别的富铁矿层的分布范围示意图；
图中：1、第四系沉积物；2、下侏罗纪侵入岩(二长花岗岩)；3、上三叠统侵入岩(二长花岗岩)；4、上志留统－下泥盆统侵入岩(二长花岗岩)(ηrS1-D3)；5、志留系赛什腾组(S8)；6、奥陶系－志留系滩间山群(OSN)；7、下寒武统沙松乌拉组(ε1s)；8、中－新元古界万保沟群(Pt2-3W)；9、山峰及海拔高程；10、采样位置；11、断层；12、主要公路；13、常年和季节性河流。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种绿泥石铁镁含量反演方法、系统、介质、设备及终端，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的绿泥石铁镁含量反演方法包括以下步骤：
S101，获取高分五号卫星的高光谱数据集并对地表数字量化值进行辐射定标和大气校正运算，得到反映地表反射率值的图像；
S102，对大气校正后的反映地表反射率值的图像进行光谱波段裁剪，得到高分五号短波红外高光谱数据集并进行Savitzky-Golay滤波；
S103，确定参考光谱并采用波谱特征拟合法与经过滤波平滑处理的短波红外高光谱数据集进行匹配，得到匹配值图像；
S104，对匹配值图像进行统计分析，对滤波后的短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段；
S105，对短波红外高光谱数据集进行一阶导数运算，输出光谱谱峰位置图像并计算各个像元绿泥石的铁镁值，最后输出铁镁值图像。
本发明实施例提供的绿泥石铁镁含量反演图像如图2所示。
作为优选实施例，本发明实施例提供的绿泥石铁镁含量反演方法具体包括以下步骤：
步骤S1，对高分五号高光谱影像进行辐射定标和大气校正运算，得到反映地表反射率值的图像，具体包括：
步骤S11，获取高分五号卫星的高光谱数据集，利用其中的偏置和增益数据对地表数字量化值进行辐射定标，得到卫星视角下观测的地表辐射亮度值；
其中，辐射校正模型为：
L＝Gain×DN+Offset；
式中，L为辐射亮度值，Gain为增益，Offset为偏置，DN为像元亮度值；
步骤S12，根据大气传输模型对辐射亮度图像进行大气校正运算，得到反映地表反射率值的图像；
其中，大气校正模型为：
式中，L为传感器像元接收到的总辐射亮度；ρ为像元表面反射率；ρe为像素周围平均表面反射率；S为大气球面反照率；La为大气后向散射辐射率；A和B为取决于大气条件和几何条件的两个系数。
步骤S2，将大气校正后的反射率影像进行第286～320波段的光谱波段裁剪，得到2142.31～2428.98nm波长范围的短波红外高光谱数据集，具体包括：
反射率影像光谱波段裁剪，对高分五号高光谱影像数据集390～2500nm波长范围的330个波段，选择第286～320波段的光谱波段进行光谱裁剪，得到2142.31～2428.98nm波长范围的短波红外高光谱数据集。
对裁剪得到的高分五号短波红外高光谱数据集进行Savitzky-Golay滤波，削弱光谱数据的噪声；其中，Savitzky-Golay滤波算法公式为：
式中，hi/H为平滑系数，由最小二乘法拟合多项式求得。
步骤S3，在USGS光谱库中选择绿泥石矿物的标准光谱并裁剪至2142.31～2428.98nm波长范围并作为参考光谱；采用波谱特征拟合法对经过滤波平滑的高分五号短波红外高光谱数据集进行匹配，得到匹配值图像，具体包括：
步骤S31，在USGS光谱库中选择绿泥石矿物的标准光谱并裁剪至2142.31～2428.98nm波长范围，并作为影像参考光谱；
步骤S32，对处理后的高分五号短波红外高光谱数据集以及USGS光谱库中筛选和处理好的参考光谱进行包络线校正处理，使两者数据归一化，公式如下：
式中，RCj为波段j的包络线去除值，Rj为波段j的原始光谱反射率，K为吸收曲线中起始点波段和末端点波段间的斜率，λj为第j波段，Rend和Rstand为吸收曲线中起始点和末端点的原始光谱反射率，λend和λstand为吸收曲线中起始点和末端点的波长；
步骤S33，采用光谱特征拟合方法对经过滤波平滑和包络线校正的高分五号短波红外高光谱数据集进行匹配，得到匹配值图像；通过对比增加常量k调整参考光谱的曲线外形，进而实现像元光谱拟合匹配；拟合图像灰度值越大代表匹配度越高，成为目标矿物的可能性越大，计算公式如下：
式中，为经过变换的参考光谱特征曲线，p为参考光谱的原光谱特征曲线，/>和p均经过包络线去除处理，k为常数且k不等于-1。
步骤S4，对匹配值图像进行统计分析，取均值至均值与方差之和的范围生成掩膜图像；依据掩膜图像对Savitzky-Golay滤波后2142.31～2428.98nm波长范围的短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段，具体包括：
步骤S41，对匹配值图像进行统计分析，取像元统计值均值至均值与方差之和的范围生成掩膜图像；
步骤S42，依据掩膜图像对Savitzky-Golay滤波后2142.31～2428.98nm波长范围的高分五号短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段。
步骤S5，选择2184.59～2386.84nm波段作为寻峰范围，对高分五号短波红外高光谱数据集逐个像元进行一阶导数运算；选择导数为0的波段波长值存入图像像元响应的位置，输出光谱谱峰位置图像，具体包括：
步骤S51，获取经掩膜处理得到的反映绿泥石矿物分布较纯区段的高分五号短波红外高光谱数据集图像；
步骤S52，选择2184.59～2386.84nm波段作为寻峰范围，对逐个像元进行一阶导数运算；选择导数为0的波段波长值存入图像像元响应的位置，输出反映光谱谱峰位置图像，计算公式如下：
式中，Δλ＝λj-λi，λj>λi。
步骤S6，依据值与2184.59～2386.84nm波长范围内Fe-OH吸收峰位置的关系，计算光谱谱峰位置图像各个像元绿泥石的/>值，并输出/>值图像；
其中，值与2184.59～2386.84nm波长范围内Fe-OH吸收峰位置的关系公式为：
y＝102.63-0.023x；
式中，y为值；x为Fe-OH吸收峰位置，单位cm-1。
本发明实施例提供的绿泥石铁镁含量反演系统包括：
高光谱数据集获取模块，用于获取高分五号卫星的高光谱数据集并进行辐射定标和大气校正运算，得到反映地表反射率值的图像；
图像裁剪滤波模块，用于对反映地表反射率值的图像进行光谱波段裁剪，得到高分五号短波红外高光谱数据集并进行Savitzky-Golay滤波平滑处理；
图像匹配模块，用于确定参考光谱并与经过滤波平滑处理的高分五号短波红外高光谱数据集进行匹配，得到匹配值图像并进行统计分析；
数据掩膜处理模块，用于对滤波后的高分五号短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段；
铁镁含量反演模块，用于对短波红外高光谱数据集进行一阶导数运算，输出光谱谱峰位置图像并计算各个像元绿泥石的值，并输出/>值图像。
由于高分五号高光谱影像光谱分辨率高，拥有多达330个可见光-近红外波段，而绿泥石矿物在短波红外2184.59～2386.84nm范围内具有特征吸收谱带，高分五号高光谱影像经过处理后能够较清晰的反映绿泥石矿物的分布。而绿泥石矿物在短波红外2184.59～2386.84nm范围内的2250nm附近具有特征吸收带顶点，有助于识别绿泥石矿物的铁、镁含量信息。
本发明提供的技术方案是在以高分五号高光谱影像为基础，依据USGS光谱库标准谱识别绿泥石信息，探测绿泥石分布区域，并结合值与2184.59～2386.84nm波长范围内Fe-OH吸收峰位置的关系，进而计算光谱谱峰位置图像各个像元绿泥石的/>值，并输出/>值图像，然后根据/>值识别富镁、富铁绿泥石分布地段，最后通过野外调查验证，寻找富镁、富铁绿泥石，不仅避免了仅仅使用Landsat、ASTER等多光谱遥感数据，导致光谱分辨率低，异常识别不够准确，且混杂噪声，严重影响提取精度的问题，而且还实现高海拔、艰险地区蚀变矿床绿泥石辅助的快速找矿，为矿产勘查工作服务，提高工作效率，节约国家和社会投入的资金。
本发明提供的方法或者系统，能够在较短时间内高效、快速、准确地识别富镁、富铁绿泥石蚀变矿物分布范围，且前人尚未提出，本发明提供的绿泥石铁镁含量反演方法能够填补相关领域的空白，对指导找矿工作具有一定意义。
本发明属于地质矿产资源遥感识别技术领域，公开了一种绿泥石铁镁含量反演方法、系统、介质、设备及终端，获取高分五号卫星的高光谱数据集并进行辐射定标和大气校正，得到反映地表反射率值的图像并进行光谱波段裁剪，得到短波红外高光谱数据集并进行Savitzky-Golay滤波平滑处理；确定参考光谱并与数据集进行匹配，得到匹配值图像；对滤波后的数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段；对数据集进行一阶导数运算，输出光谱谱峰位置图像并计算各个像元绿泥石的值，输出/>值图像。本发明能够在较短时间内高效、快速、准确地识别绿泥石矿物富镁-富铁亚类的分布范围。
作为优选，本发明实施例提供的基于高分五号卫星高光谱数据的绿泥石铁镁含量反演方法具体包括以下步骤：
步骤1，获取东昆仑小南川中－新元古界万保沟群高分五号卫星的高光谱数据集，利用数据集中的偏置和增益数据对地表数字量化值进行校准，并得到卫星视角下观测的地表辐射亮度值，再根据大气传输模型对辐射亮度图像进行大气校正运算，得到反映地表反射率值的图像。
步骤2，对反映地表反射率值的图像进行光谱波段裁剪，得到高分五号短波红外高光谱数据集并进行Savitzky-Golay滤波平滑处理；
步骤3，确定USGS参考光谱并与经过滤波平滑处理的高分五号短波红外高光谱数据集进行匹配，得到匹配值图像并进行统计分析；
步骤4，对滤波后的高分五号短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段；
步骤5，对短波红外高光谱数据集进行一阶导数运算，输出光谱谱峰位置图像；计算光谱谱峰位置图像各个像元绿泥石的值，并输出/>值图像。
本发明参照赵振明，陈守建等在《东昆仑小南川中－新元古界万保沟群地层中富磁铁矿层的发现及意义》中确定的东昆仑小南川中－新元古界万保沟群(Pt 2～3W)大理岩地层及在实际工作中发现富磁铁矿矿石，矿层位置在109国道2853km牌向西南方向约1000m大理岩处，坐标为N35°51.003＇、E 94°20.145＇，H 3947m，证明本发明在该地区已准确识别富铁绿泥石的具体分布范围，具体见图3、图4。
本发明实施例具体展示输出值的绿泥石分布范围图像，见图2；富铁磁铁矿矿层位置说明，见图3；波谱曲线数值图像，见图4。完成步骤1-4处理后得到的高光谱数据集可在Origin软件中绘制好绿泥石光谱谱峰位置，确认Fe-OH吸收峰位置并根据顶部分析中的峰值分析进行峰拟合，根据Origin操作流程可计算出各个像元位置处绿泥石的/>值图像，并进行数值输出。图2主图像中包含了输出/>值的数值像素点，从左下角说明中可以看出，使用可见光范围的像素颜色来表示含铁量的多少。通过图3中赵振明，陈守建等在《东昆仑小南川中－新元古界万保沟群地层中富磁铁矿层的发现及意义》中所确定的富铁磁铁矿矿层位置坐标为N35°51.003＇、E 94°20.145＇，也即图中小南川地区带星号位置，确定图4本发明实施例的可验证性。图4表示本发明具体实施例在经过步骤1-4处理后得到的N35°51、E 94°20地理位置处高光谱数据集图像，确认了绿泥石光谱谱峰位置及Fe-OH吸收峰位置后使用Origin软件相关操作可通过像素点输出对应的数值曲线，根据说明可知，输出值的像素点颜色的深浅代表波谱曲线数值的高低。
本发明实施例提供的基于高分五号卫星短波红外高光谱的绿泥石铁镁含量反演方法业内的普通技术人员还可以采用其他的步骤实施，图1的本发明实施例提供的绿泥石铁镁含量反演方法仅仅是一个具体实施例而已。本发明实施例使用的遥感卫星可以采用高分五号，也可以采用其他的高光谱遥感卫星。
本发明以遥感图像处理软件ENVI、ERDAS、PCI等为数字图像处理平台，采用有利于绿泥石矿物识别的图像处理方案，对高分五号高光谱图像进行处理。
高分五号卫星于2019年3月正式投入使用，是我国高光谱分辨率地球观测系统中最重要的遥感卫星之一。高分五号卫星上主要搭载的传感器有可见短波红外高光谱相机、全谱段光谱成像仪、大气痕量气体差分吸收光谱仪、大气主要温室气体监测仪、大气气溶胶多角度偏振探测器、大气环境红外甚高光谱分辨率探测仪等，其中高光谱相机和全谱段相机填补了国内地表高光谱－多光谱综合观测空白，在生态环境、灾害监测、资源调查等领域将发挥重要作用。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体，或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所做的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种绿泥石铁镁含量反演方法、系统、介质、设备及终端，其特征在于，包括：获取高分五号卫星的高光谱数据集并进行校正运算，得到反映地表反射率值的图像；对反映地表反射率值的图像进行光谱波段裁剪，得到短波红外高光谱数据集并进行Savitzky-Golay滤波平滑处理；确定参考光谱并与经过滤波平滑处理的短波红外高光谱数据集进行匹配，得到匹配值图像并进行统计分析；对滤波后的短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段；对短波红外高光谱数据集进行一阶导数运算，输出光谱谱峰位置图像并计算各个像元绿泥石的值，输出/>值图像。
2.如权利要求1所述的绿泥石铁镁含量反演方法，其特征在于，绿泥石铁镁含量反演方法包括以下步骤：
步骤一，获取高分五号卫星的高光谱数据集，利用偏置和增益数据对地表数字量化值进行辐射校正，并得到卫星视角下观测的地表辐射亮度值；根据大气传输模型对辐射亮度图像进行大气校正，得到反映地表反射率值的图像；
步骤二，将大气校正后的反射率影像进行第286～320波段的光谱波段裁剪，得到2142.31～2428.98nm波长范围的短波红外高光谱数据集；对裁剪得到的高分五号短波红外高光谱数据集进行Savitzky-Golay滤波，削弱光谱数据的噪声；
步骤三，在USGS光谱库中选择绿泥石矿物的标准光谱并裁剪至2142.31～2428.98nm波长范围作为参考光谱；采用波谱特征拟合方法对经过滤波平滑的高分五号短波红外高光谱数据集进行匹配，得到匹配值图像；
步骤四，对匹配值图像进行统计分析，取均值至均值与方差之和的范围生成掩膜图像；依据掩膜图像对Savitzky-Golay滤波后2142.31～2428.98nm波长范围的短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段；
步骤五，选择2184.59～2386.84nm波段作为寻峰范围，对高分五号短波红外高光谱数据集逐个像元进行一阶导数运算；选择导数为0的波段波长值存入图像像元响应的位置，输出光谱谱峰位置图像；
步骤六，依据值与2184.59～2386.84nm波长范围内Fe-OH吸收峰位置的关系，计算光谱谱峰位置图像各个像元绿泥石的/>值，并输出/>值图像。
3.如权利要求2所述的绿泥石铁镁含量反演方法，其特征在于，步骤一中的辐射校正模型为：
L＝Gain×DN+Offset；
式中，L为辐射亮度值，Gain为增益，Offset为偏置，DN为像元亮度值；
大气校正模型为：
式中，L为传感器像元接收到的总辐射亮度；ρ为像元表面反射率；ρe为像素周围平均表面反射率；S为大气球面反照率；La为大气后向散射辐射率；A和B为取决于大气条件和几何条件的两个系数；
步骤二中的将大气校正后的反射率影像进行第286～320波段的光谱波段裁剪，得到2142.31～2428.98nm波长范围的短波红外高光谱数据集包括：
对大气校正后的反射率影像进行光谱波段裁剪，对高分五号高光谱影像数据集390～2500nm波长范围的330个波段，选择第286～320波段的光谱波段进行光谱裁剪，得到2142.31～2428.98nm波长范围的短波红外高光谱数据集；
其中，Savitzky-Golay滤波算法公式为：
式中，hi/H为平滑系数，由最小二乘法拟合多项式求得。
4.如权利要求2所述的绿泥石铁镁含量反演方法，其特征在于，步骤三中地在USGS光谱库中选择绿泥石矿物的标准光谱并裁剪至2142.31～2428.98nm波长范围并作为参考光谱；采用波谱特征拟合方法对经过滤波平滑的高分五号短波红外高光谱数据集进行匹配，得到匹配值图像包括：
(1)在USGS光谱库中选择绿泥石矿物的标准光谱并裁剪至2142.31～2428.98nm波长范围，并作为影像参考光谱；
(2)对处理后的高分五号短波红外高光谱数据集以及USGS光谱库中筛选和处理好的参考光谱进行包络线校正处理，使两者数据归一化，公式如下：
式中，RCj为波段j的包络线去除值，Rj为波段j的原始光谱反射率，K为吸收曲线中起始点波段和末端点波段间的斜率，λj为第j波段，Rend和Rstand为吸收曲线中起始点和末端点的原始光谱反射率，λend和λstand为吸收曲线中起始点和末端点的波长；
(3)采用光谱特征拟合方法对经过滤波平滑和包络线校正的高分五号短波红外高光谱数据集进行匹配，得到匹配值图像；通过对比增加常量k调整参考光谱的曲线外形，进而实现像元光谱拟合匹配；拟合图像灰度值越大代表匹配度越高，成为目标矿物的可能性越大，计算公式如下：
T＝(p+k)/(1.0+k)；
式中，T为经过变换的参考光谱特征曲线，p为参考光谱的原光谱特征曲线，T和p均经过包络线去除处理，k为常数且k不等于-1。
5.如权利要求2所述的绿泥石铁镁含量反演方法，其特征在于，步骤四中的对匹配值图像进行统计分析，取均值至均值与方差之和的范围生成掩膜图像；依据掩膜图像对Savitzky-Golay滤波后2142.31～2428.98nm波长范围的短波红外高光谱数据集进行掩膜处理包括：
(1)对匹配值图像进行统计分析，取像元统计值均值至均值与方差之和的范围生成掩膜图像；
(2)依据掩膜图像对Savitzky-Golay滤波后2142.31～2428.98nm波长范围的高分五号短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段。
6.如权利要求2所述的绿泥石铁镁含量反演方法，其特征在于，步骤五中的选择2184.59～2386.84nm波段作为寻峰范围，对高分五号短波红外高光谱数据集逐个像元进行一阶导数运算；选择导数为0的波段波长值存入图像像元响应的位置，输出光谱谱峰位置图像包括：
(1)获取经掩膜处理得到的反映绿泥石矿物分布较纯区段的高分五号短波红外高光谱数据集图像；
(2)选择2184.59～2386.84nm波段作为寻峰范围，对逐个像元进行一阶导数运算；选择导数为0的波段波长值存入图像像元响应的位置，输出反映光谱谱峰位置图像，计算公式如下：
式中，Δλ＝λj-λi，λj>λi；
步骤六中的值与2184.59～2386.84nm波长范围内Fe-OH吸收峰位置的关系公式为：
y＝102.63-0.023x；
式中，y为值；x为Fe-OH吸收峰位置，单位cm-1。
7.一种应用如权利要求1～6任意一项所述的绿泥石铁镁含量反演方法的绿泥石铁镁含量反演系统，其特征在于，绿泥石铁镁含量反演系统包括：
高光谱数据集获取模块，用于获取高分五号卫星的高光谱数据集并进行辐射定标和大气校正运算，得到反映地表反射率值的图像；
图像裁剪滤波模块，用于对反映地表反射率值的图像进行光谱波段裁剪，得到高分五号短波红外高光谱数据集并进行Savitzky-Golay滤波平滑处理；
图像匹配模块，用于确定参考光谱并与经过滤波平滑处理的高分五号短波红外高光谱数据集进行匹配，得到匹配值图像并进行统计分析；
数据掩膜处理模块，用于对滤波后的高分五号短波红外高光谱数据集进行掩膜处理，输出绿泥石矿物分布较纯的区段；
铁镁含量反演模块，用于对短波红外高光谱数据集进行一阶导数运算，输出光谱谱峰位置图像并计算各个像元绿泥石的值，并输出/>值图像。
8.一种计算机设备，其特征在于，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1～6任意一项所述的绿泥石铁镁含量反演方法的步骤。
9.一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1～6任意一项所述的绿泥石铁镁含量反演方法的步骤。
10.一种信息数据处理终端，其特征在于，信息数据处理终端用于实现如权利要求7所述的绿泥石铁镁含量反演系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310417876.5A CN116932994A (zh) | 2023-04-19 | 2023-04-19 | 一种绿泥石铁镁含量反演方法、系统、介质、设备及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310417876.5A CN116932994A (zh) | 2023-04-19 | 2023-04-19 | 一种绿泥石铁镁含量反演方法、系统、介质、设备及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116932994A true CN116932994A (zh) | 2023-10-24 |
Family
ID=88388485
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310417876.5A Pending CN116932994A (zh) | 2023-04-19 | 2023-04-19 | 一种绿泥石铁镁含量反演方法、系统、介质、设备及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116932994A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112378878A (zh) * | 2020-10-27 | 2021-02-19 | 核工业北京地质研究院 | 一种用短波红外光谱判别铁、镁绿泥石的方法 |
| CN117470789A (zh) * | 2023-11-06 | 2024-01-30 | 中国自然资源航空物探遥感中心 | 一种识别钠闪石的方法、装置、设备和可读存储介质 |
-
2023
- 2023-04-19 CN CN202310417876.5A patent/CN116932994A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112378878A (zh) * | 2020-10-27 | 2021-02-19 | 核工业北京地质研究院 | 一种用短波红外光谱判别铁、镁绿泥石的方法 |
| CN117470789A (zh) * | 2023-11-06 | 2024-01-30 | 中国自然资源航空物探遥感中心 | 一种识别钠闪石的方法、装置、设备和可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gorji et al. | Soil salinity analysis of Urmia Lake Basin using Landsat-8 OLI and Sentinel-2A based spectral indices and electrical conductivity measurements | |
| Wang et al. | New methods for improving the remote sensing estimation of soil organic matter content (SOMC) in the Ebinur Lake Wetland National Nature Reserve (ELWNNR) in northwest China | |
| Masoud et al. | Mapping soil salinity using spectral mixture analysis of landsat 8 OLI images to identify factors influencing salinization in an arid region | |
| CN116932994A (zh) | 一种绿泥石铁镁含量反演方法、系统、介质、设备及终端 | |
| Fisher et al. | Comparing Landsat water index methods for automated water classification in eastern Australia | |
| Vicente et al. | Identification of mineral components in tropical soils using reflectance spectroscopy and advanced spaceborne thermal emission and reflection radiometer (ASTER) data | |
| Yong-Ling et al. | A spectral index for estimating soil salinity in the Yellow River Delta Region of China using EO-1 Hyperion data | |
| Kopačková | Using multiple spectral feature analysis for quantitative pH mapping in a mining environment | |
| Ahmadirouhani et al. | Integration of SPOT-5 and ASTER satellite data for structural tracing and hydrothermal alteration mineral mapping: Implications for Cu–Au prospecting | |
| Bannari et al. | Mapping slight and moderate saline soils in irrigated agricultural land using advanced land imager sensor (EO-1) data and semi-empirical models | |
| Mbianya et al. | Remote sensing satellite-based structural/alteration mapping for gold exploration in the Ketté goldfield, Eastern Cameroon | |
| CN112379453B (zh) | 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 | |
| Omran | Rapid prediction of soil mineralogy using imaging spectroscopy | |
| Chen et al. | Potential of Sentinel-2 data for alteration extraction in coal-bed methane reservoirs | |
| 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 | |
| Ding et al. | Estimation of soil lead content based on GF-5 hyperspectral images, considering the influence of soil environmental factors | |
| Richter et al. | Spectral unmixing of airborne hyperspectral data for baseline mapping of mine tailings areas | |
| Kasim et al. | Mapping and modeling of soil salinity using WorldView-2 data and EM38-KM2 in an arid region of the Keriya River, China | |
| Rangzan et al. | Assessing the potential of Sentinel-2 imagery and spectroscopy for determining the origin of ancient artifacts in Khuzestan, Iran | |
| Xu et al. | Application of CASI/SASI and fieldspec4 hyperspectral data in exploration of the Baiyanghe uranium deposit, Hebukesaier, Xinjiang, NW China | |
| Acker et al. | Use of SeaWiFS ocean color data to estimate neritic sediment mass transport from carbonate platforms for two hurricane-forced events | |
| Shahid et al. | Mapping and Monitoring of Soil Salinization Remote Sensing, GIS, Modeling, Electromagnetic Induction and Conventional Methods–Case Studies | |
| Ma et al. | Optimal bandwidth selection for retrieving Cu content in rock based on hyperspectral remote sensing | |
| Wu et al. | Mapping alteration zones in the Southern section of Yulong copper belt, Tibet using multi-source remote sensing data | |
| Dong et al. | Progress and prospectives on engineering application of hyperspectral remote sensing for geology and mineral resources |
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 |