CN117876623A - 矿产资源勘查数字化地形模型生成方法 - Google Patents
矿产资源勘查数字化地形模型生成方法 Download PDFInfo
- Publication number
- CN117876623A CN117876623A CN202410274311.0A CN202410274311A CN117876623A CN 117876623 A CN117876623 A CN 117876623A CN 202410274311 A CN202410274311 A CN 202410274311A CN 117876623 A CN117876623 A CN 117876623A
- Authority
- CN
- China
- Prior art keywords
- data
- drilling
- elevation
- model
- mineral resource
- 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 90
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims abstract description 86
- 239000011707 mineral Substances 0.000 title claims abstract description 86
- 238000011835 investigation Methods 0.000 title description 4
- 238000005553 drilling Methods 0.000 claims abstract description 76
- 230000008569 process Effects 0.000 claims abstract description 34
- 230000008859 change Effects 0.000 claims abstract description 29
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 230000000007 visual effect Effects 0.000 claims abstract description 7
- 238000012876 topography Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 7
- 238000005211 surface analysis Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 5
- 238000005065 mining Methods 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/004—Annotating, labelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- General Business, Economics & Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Architecture (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及矿产资源勘查技术领域，具体地说，涉及矿产资源勘查数字化地形模型生成方法。其包括以下步骤：S1、分别获取矿产资源勘查地区的遥感数据、地面测量、钻孔数据和矿产资源分布数据；S2、将遥感数据、地面测量和钻孔数据整合到一个统一的空间参考框架下，并构建数字高程模型；S3、基于遥感数据、地面测量和钻孔数据，对矿产勘查区域进行三维地质建模；S4、结合矿产资源分布特征，在三维地质模型上叠加矿产资源分布数据，形成矿产资源勘查的三维可视化数字化地形模型。随着矿产开采和地壳运动导致的地质数据的不断变化，考虑时间变量，能够对未来一段时间内地质状况进行预测，模拟地质结构随时间的动态变化过程。
Description
技术领域
本发明涉及矿产资源勘查技术领域，具体地说，涉及矿产资源勘查数字化地形模型生成方法。
背景技术
矿产资源勘查数字化地形模型是指在矿产资源勘查过程中，利用现代信息技术手段，将实地测量、遥感探测、钻探等各种来源的地形数据转换成数字形式，构建出反映地下和地表地质结构、地形起伏等特征的三维或多维模型，可以精确地展现矿床所在地的地形特征，包括但不限于地层结构、地质构造、地形地貌以及潜在的矿体分布情况。
传统的矿产资源勘查地形模型通常基于某一特定时期的地质数据构建，并不轻易适应采矿活动和地壳运动造成的地质条件变化，导致储量估算滞后，开采方案不能及时优化调整，从而造成资源浪费，增加不必要的勘探成本，甚至可能因规划不当而加剧环境破坏，鉴于此，提供矿产资源勘查数字化地形模型生成方法。
发明内容
本发明的目的在于提供矿产资源勘查数字化地形模型生成方法，以解决上述背景技术中提出的传统的矿产资源勘查地形模型通常基于某一特定时期的地质数据构建，并不轻易适应采矿活动和地壳运动造成的地质条件变化，导致储量估算滞后，开采方案不能及时优化调整，从而造成资源浪费，增加不必要的勘探成本，甚至可能因规划不当而加剧环境破坏的问题。
为实现上述目的，本发明目的在于提供了矿产资源勘查数字化地形模型生成方法，包括以下步骤：
S1、分别获取矿产资源勘查地区的遥感数据、地面测量、钻孔数据和矿产资源分布数据；
S2、将遥感数据、地面测量和钻孔数据整合到一个统一的空间参考框架下，并构建数字高程模型；
其中：
；
式中，表示在待估测点的位置/>处数字高程模型的高度值；/>表示待估测点的位置/>处的高程；/>表示在待估测点的位置/>处，通过趋势面分析得出的趋势部分的地表高度；
S3、基于遥感数据、地面测量和钻孔数据，对矿产勘查区域进行三维地质建模；
S4、结合矿产资源分布特征，在三维地质模型上叠加矿产资源分布数据，形成矿产资源勘查的三维可视化数字化地形模型。
矿产资源分布信息包括矿体边界、矿石品位的变化分布，以及影响矿床开采利用的断裂、褶皱的地质构造信息。
作为本技术方案的进一步改进，所述S1中，遥感数据包括光学遥感数据、热红外遥感数据和多光谱遥感数据；
光学遥感数据通过卫星或航空摄影获取，记录可见光至近红外波段的地表反射光谱信息，用来识别地表岩石类型、植被覆盖、土壤湿度、地形特征；
热红外遥感数据用于记录地表温度信息，有助于发现地质热异常，如潜在的地质构造活动区域或者地热资源；
多光谱遥感数据用于区分地物类别，通过对特定波长下的地物反射率或辐射强度分析，有助于间接推断矿产的存在及其大致分布范围；
地面测量包括高程点数据和地形线数据，用于精确构建地形表面；
钻孔数据包括钻孔深度、岩层序列和矿物含量数据。
作为本技术方案的进一步改进，所述S2的详细步骤具体为：
S2.1、分别确认遥感数据、地面测量和钻孔数据的原始坐标系统，按照国家标准坐标系统进行坐标转换，将其转换成目标坐标系统，确保所有数据在同一坐标参考系下；
坐标转换由GIS软件内部的坐标变换函数完成，基于七参数的坐标转换模型，其中涉及平移、旋转、缩放操作；
S2.2、将遥感数据进行几何校正，确保遥感影像与地形数据和钻孔数据的空间位置对应，消除遥感图像在获取过程中产生的几何变形和位置偏差，使其上的地物特征与实际地理位置、地形特征和钻孔记录的地下信息在空间位置上对应；
S2.3、将地面测量的高程点和地形线数据与遥感数据中的地表特征信息进行数据融合，并生成数字高程模型；
S2.4、将钻孔位置信息加载到三维空间中，同时将钻孔的岩层序列、矿物含量信息与钻孔深度对应，建立钻孔数据库。将每个钻孔的经纬度坐标转换成统一的空间坐标系，确保与其他地理空间数据兼容。
作为本技术方案的进一步改进，所述S2.2中，几何校正的具体表达式为：
；
式中，表示包含传感器位置、姿态和地形参数在内的几何校正矩阵，其中/>能表示传感器在某一时刻的绝对地理位置（经纬度和高度），/>则包括传感器的滚动角、俯仰角和偏航角参数；/>表示图像坐标向量，包括像素行坐标、像素列坐标，表示遥感图像上的每一个像素点的位置；/>表示地面坐标向量，由经度、纬度、海拔高度构成，表示遥感图像对应地面上的实际地理位置；/>表示平移向量，用来补偿全局的平移误差。
遥感数据是由传感器获得的遥感图像，由于传感器的成像几何条件并非理想状态，存在诸多影响因素导致图像出现几何失真，因此，通过几何校正，可以极大地提升遥感图像的空间定位精度，使得图像能与地图或其他空间参照系统更好地匹配，便于后续的地学分析、制图、监测和GIS集成等应用；
经过几何校正的遥感图像，其坐标系统与地面测量数据、地形数据、矢量地图数据等保持一致，因此可以无缝拼接和叠加在GIS（地理信息系统）平台上进行综合分析，如在地形模型上叠加遥感图像。
作为本技术方案的进一步改进，所述S2.3中，数据融合涉及的具体过程为：
利用地面测量得到的高程点数据，通过反距离权重插值得到的地表高程估计值，基于离散点的高程值和它们到预测点的距离，给予每个已知高程点一个与其距离相关的权重，然后通过对这些点的加权平均来估计未知点的高程，其具体计算表达式为：
；
式中，表示第/>个已知高程点的高程；/>表示第/>个已知高程点相对于待估测点/>的权重因子；/>表示参与插值计算的已知高程点的总数，即在插值区域内用于估算待估测点高程的所有参考点的数目；
由于地形存在全局的趋势变化，如海拔随经纬度呈现变化，因此，引入趋势面分析，构建二次趋势面：
；
式中，表示二次项系数，用于反映地表海拔随着经度平方变化的趋势程度；/>表示二次项系数，用于反映地表海拔随着纬度平方变化的趋势程度；/>为交叉项系数，用于量化地表海拔随着经度和纬度相互作用的变化趋势；/>为一次项系数，表示地表海拔随经度线性变化的趋势；/>为一次项系数，表示地表海拔随纬度线性变化的趋势；/>为常数项，表示当经度和纬度均为零时的地表平均海拔；
将二次趋势面与地表高程估计值相结合，最终生成的数字高程模型。
反距离权重插值法侧重于利用邻近点的数据关系来精确估计目标点的高程，有利于捕捉局部地形的细微特征；趋势面则是基于整个研究区域内的所有数据点推导出的全局趋势，确保了模型整体上的平滑过渡和连续性；
当观测数据稀疏时，单纯依赖局部插值会导致某些区域高程估计不准确；而加入趋势面可以补充缺失数据区域的高程信息，提升DEM的整体覆盖范围和完整性；对于复杂地形，特别是既有大面积平坦区域又有陡峭山脊山谷的地方，联合应用这两种方法能够更加准确地模拟实际地形情况，减少由于单一方法带来的误差；结合了局部最优解与全局最优解的优点，使得生成的数字高程模型更加贴近真实世界地形，不仅提高了模型的空间分辨率，还增强了地形分析的可靠性和实用性；
通过先构建低分辨率的趋势面来节省计算资源，然后再针对局部区域精细化处理，这样既满足了对高精度地形数据的需求，又不至于过分消耗存储和计算成本。
作为本技术方案的进一步改进，所述S3中，对矿产勘查区域进行三维地质建模，其中涉及的具体步骤为：
S3.1、使用数字高程模型创建地表的三维模型，反映地表起伏情况，地表的三维模型通过GIS地质建模软件实现，将二维网格化的高程数据转化为连续的三维地形表面；
S3.2、利用钻孔数据，关于不同深度下的岩层类型、厚度及矿物含量信息，对地下地质结构进行三维建模，从而模拟出矿体的空间分布、形状、大小以及内部的品位变化。
作为本技术方案的进一步改进，所述S3.1中，地表的三维模型具体为：
；
式中，和/>均表示网格索引；/>表示网格中心的地理坐标；/>表示网格点/>位置的高程值；/>表示在/>中第/>行、第/>列的格网点，其地理坐标为/>，其对应的高程值为/>结合，形成的空间数据点；通过索引/>和/>遍历整个DEM的数据矩阵，构建出地表的三维模型/>。
作为本技术方案的进一步改进，所述S3.2中，对地下地质结构进行三维建模，涉及的具体步骤为：
S3.21、将钻孔数据按钻孔位置和深度组织成三维坐标体系，并将所有钻孔数据归一化至同一坐标系下；
S3.22、对于目标区域内需要预测的任意一点，找到离该点最近的若干钻孔数据点；
S3.23、选定距离目标点最近的钻孔点，其对应的钻孔点的属性值/>，构建地下地质结构的三维模型。
作为本技术方案的进一步改进，所述地下地质结构的三维模型具体为：
；
式中，表示目标点/>处地下地质结构的属性值；/>表示第/>个已知钻孔点在对应深度上的属性值；/>表示第/>个已知钻孔点到目标点/>的距离权重；/>表示第/>个已知钻孔点的深度；/>表示目标点的深度；/>表示已知钻孔点的数量。
其中，钻孔点的属性值包括岩层类型为/>，厚度为/>，矿物含量为/>。
而随着时间维度的变化，随着矿产开采和地壳运动导致的地质数据的不断变化，因此，引入时间变量，则优化后的地下地质结构的三维模型为：
；
式中，表示在时间/>时，坐标为/>的地下地质结构的属性值；表示在时间/>时，第/>个已知钻孔点在深度/>处的属性值；/>表示在时间/>时，赋予第/>个已知钻孔点至目标点/>距离的空间-时间权重；/>表示与时间和空间距离有关的核函数。基于给定时间和空间差异来估计或插补未知点的属性值，其中，/>表示目标点与第/>个钻孔点之间的深度差绝对值。
考虑时间变量的动态模型有助于实时更新的地质结构模型可提高储量估算精度，指导优化开采方案，减少不必要的勘探成本，提高经济效益并降低环境损害，能够对未来一段时间内地质状况进行预测，模拟地质结构随时间的动态变化过程。
作为本技术方案的进一步改进，所述S4中，将矿产资源分布特征与地表的三维模型融合，形成矿产资源勘查用三维可视化数字化地形模型，其模型具体为：
；
式中，表示融合后的矿产资源勘查三维模型在网格索引为/>的位置点的属性集合，包括地理坐标和高程值；/>表示矿产资源分布数据。
与现有技术相比，本发明的有益效果：
1、矿产资源勘查数字化地形模型生成方法中，在构建地下地质结构的三维模型时，随着矿产开采和地壳运动导致的地质数据的不断变化，考虑时间变量，有助于实时更新的地质结构模型可提高储量估算精度，指导优化开采方案，减少不必要的勘探成本，提高经济效益并降低环境损害，能够对未来一段时间内地质状况进行预测，模拟地质结构随时间的动态变化过程。
2、矿产资源勘查数字化地形模型生成方法中，通过先构建低分辨率的趋势面来节省计算资源，然后再针对局部区域精细化处理，这样既满足了对高精度地形数据的需求，又不至于过分消耗存储和计算成本，单纯依赖局部插值会导致某些区域高程估计不准确，通过加入趋势面可以补充缺失数据区域的高程信息，提升DEM的整体覆盖范围和完整性；对于复杂地形，特别是既有大面积平坦区域又有陡峭山脊山谷的地方，能够更加准确地模拟实际地形情况，减少由于单一方法带来的误差，使得生成的数字高程模型更加贴近真实世界地形，不仅提高了模型的空间分辨率，还增强了地形分析的可靠性和实用性。
附图说明
图1为本发明的整体流程框图。
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、完整的描述，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。
实施例：
请参阅图1所示，提供了矿产资源勘查数字化地形模型生成方法，包括以下步骤：
S1、分别获取矿产资源勘查地区的遥感数据、地面测量、钻孔数据和矿产资源分布数据；
在本实施例中，遥感数据包括光学遥感数据、热红外遥感数据和多光谱遥感数据；
光学遥感数据通过卫星或航空摄影获取，记录可见光至近红外波段的地表反射光谱信息，用来识别地表岩石类型、植被覆盖、土壤湿度、地形特征；
热红外遥感数据用于记录地表温度信息，有助于发现地质热异常，如潜在的地质构造活动区域或者地热资源；
多光谱遥感数据用于区分地物类别，通过对特定波长下的地物反射率或辐射强度分析，有助于间接推断矿产的存在及其大致分布范围；
地面测量包括高程点数据和地形线数据，用于精确构建地形表面；
钻孔数据包括钻孔深度、岩层序列和矿物含量数据。
S2、将遥感数据、地面测量和钻孔数据整合到一个统一的空间参考框架下，并构建数字高程模型；其中，统一的空间参考框架指将不同来源、不同时间和不同测量方式获取的数据能够在同一个地理空间维度上进行准确无误的对齐，即将遥感、地面测量和钻孔数据转换至同一坐标系统；
其中：
；
式中，表示在待估测点的位置/>处数字高程模型的高度值；
其中，所述构建数字高程模型的详细步骤具体为：
S2.1、分别确认遥感数据、地面测量和钻孔数据的原始坐标系统，按照国家标准坐标系统进行坐标转换，将其转换成目标坐标系统，确保所有数据在同一坐标参考系下；
坐标转换由GIS软件内部的坐标变换函数完成，基于七参数的坐标转换模型，其中涉及平移、旋转、缩放操作；
S2.2、将遥感数据进行几何校正，确保遥感影像与地形数据和钻孔数据的空间位置对应，消除遥感图像在获取过程中产生的几何变形和位置偏差，使其上的地物特征与实际地理位置、地形特征和钻孔记录的地下信息在空间位置上对应；
其中，几何校正的具体表达式为：
；
式中，表示包含传感器位置、姿态和地形参数在内的几何校正矩阵，其中/>能表示传感器在某一时刻的绝对地理位置（经纬度和高度），/>则包括传感器的滚动角、俯仰角和偏航角参数；/>表示图像坐标向量，包括像素行坐标、像素列坐标，表示遥感图像上的每一个像素点的位置；/>表示地面坐标向量，由经度、纬度、海拔高度构成，表示遥感图像对应地面上的实际地理位置；/>表示平移向量，用来补偿全局的平移误差。
遥感数据是由传感器获得的遥感图像，由于传感器的成像几何条件并非理想状态，存在诸多影响因素导致图像出现几何失真，因此，通过几何校正，可以极大地提升遥感图像的空间定位精度，使得图像能与地图或其他空间参照系统更好地匹配，便于后续的地学分析、制图、监测和GIS集成等应用；
经过几何校正的遥感图像，其坐标系统与地面测量数据、地形数据、矢量地图数据等保持一致，因此可以无缝拼接和叠加在GIS（地理信息系统）平台上进行综合分析，如在地形模型上叠加遥感图像。
在本实施例中，数据融合涉及的具体过程为：
利用地面测量得到的高程点数据，通过反距离权重插值得到的地表高程估计值，基于离散点的高程值和它们到预测点的距离，给予每个已知高程点一个与其距离相关的权重，然后通过对这些点的加权平均来估计未知点的高程，其具体计算表达式为：
；
式中，表示待估测点的位置/>处的高程；/>表示第/>个已知高程点的高程；/>表示第/>个已知高程点相对于待估测点/>的权重因子；/>表示参与插值计算的已知高程点的总数，即在插值区域内用于估算待估测点高程的所有参考点的数目；
由于地形存在全局的趋势变化，如海拔随经纬度呈现变化，因此，引入趋势面分析，构建二次趋势面：
；
式中，表示在待估测点的位置/>处，通过趋势面分析得出的趋势部分的地表高度；/>表示二次项系数，用于反映地表海拔随着经度平方变化的趋势程度；/>表示二次项系数，用于反映地表海拔随着纬度平方变化的趋势程度；/>为交叉项系数，用于量化地表海拔随着经度和纬度相互作用的变化趋势；/>为一次项系数，表示地表海拔随经度线性变化的趋势；/>为一次项系数，表示地表海拔随纬度线性变化的趋势；/>为常数项，表示当经度和纬度均为零时的地表平均海拔；
将二次趋势面与地表高程估计值相结合，最终生成的数字高程模型。
反距离权重插值法侧重于利用邻近点的数据关系来精确估计目标点的高程，有利于捕捉局部地形的细微特征；趋势面则是基于整个研究区域内的所有数据点推导出的全局趋势，确保了模型整体上的平滑过渡和连续性；
当观测数据稀疏时，单纯依赖局部插值会导致某些区域高程估计不准确；而加入趋势面可以补充缺失数据区域的高程信息，提升DEM的整体覆盖范围和完整性；对于复杂地形，特别是既有大面积平坦区域又有陡峭山脊山谷的地方，联合应用这两种方法能够更加准确地模拟实际地形情况，减少由于单一方法带来的误差；结合了局部最优解与全局最优解的优点，使得生成的数字高程模型更加贴近真实世界地形，不仅提高了模型的空间分辨率，还增强了地形分析的可靠性和实用性；
通过先构建低分辨率的趋势面来节省计算资源，然后再针对局部区域精细化处理，这样既满足了对高精度地形数据的需求，又不至于过分消耗存储和计算成本。
S2.3、将地面测量的高程点和地形线数据与遥感数据中的地表特征信息进行数据融合，并生成数字高程模型；
S2.4、将钻孔位置信息加载到三维空间中，同时将钻孔的岩层序列、矿物含量信息与钻孔深度对应，建立钻孔数据库。将每个钻孔的经纬度坐标转换成统一的空间坐标系，确保与其他地理空间数据兼容。
S3、基于遥感数据、地面测量和钻孔数据，对矿产勘查区域进行三维地质建模；
在本实施例中，对矿产勘查区域进行三维地质建模，其中涉及的具体步骤为：
S3.1、使用数字高程模型创建地表的三维模型，反映地表起伏情况，地表的三维模型通过GIS地质建模软件实现，将二维网格化的高程数据转化为连续的三维地形表面；
在本实施例中，地表的三维模型具体为：
；
式中，和/>均表示网格索引；/>表示网格中心的地理坐标；/>表示网格点/>位置的高程值；/>表示在/>中第/>行、第/>列的格网点，其地理坐标为/>，其对应的高程值为/>结合，形成的空间数据点；通过索引/>和/>遍历整个DEM的数据矩阵，构建出地表的三维模型/>。
S3.2、利用钻孔数据，关于不同深度下的岩层类型、厚度及矿物含量信息，对地下地质结构进行三维建模，从而模拟出矿体的空间分布、形状、大小以及内部的品位变化。
在本实施例中，对地下地质结构进行三维建模，涉及的具体步骤为：
S3.21、将钻孔数据按钻孔位置和深度组织成三维坐标体系，并将所有钻孔数据归一化至同一坐标系下；
S3.22、对于目标区域内需要预测的任意一点，找到离该点最近的若干钻孔数据点；
S3.23、选定距离目标点最近的钻孔点，其对应的钻孔点的属性值/>，构建地下地质结构的三维模型。
其中，所述地下地质结构的三维模型具体为：
；
式中，表示目标点/>处地下地质结构的属性值；/>表示第/>个已知钻孔点在对应深度上的属性值；/>表示第/>个已知钻孔点到目标点/>的距离权重；/>表示第/>个已知钻孔点的深度；/>表示目标点的深度；/>表示已知钻孔点的数量。
其中，钻孔点的属性值包括岩层类型为/>，厚度为/>，矿物含量为/>。
而随着时间维度的变化，随着矿产开采和地壳运动导致的地质数据的不断变化，因此，考虑时间变量，则优化后的地下地质结构的三维模型为：
；
式中，表示在时间/>时，坐标为/>的地下地质结构的属性值；表示在时间/>时，第/>个已知钻孔点在深度/>处的属性值；/>表示在时间/>时，赋予第/>个已知钻孔点至目标点/>距离的空间-时间权重；/>表示与时间和空间距离有关的核函数。基于给定时间和空间差异来估计或插补未知点的属性值，其中，/>表示目标点与第/>个钻孔点之间的深度差绝对值。
考虑时间变量的动态模型有助于实时更新的地质结构模型可提高储量估算精度，指导优化开采方案，减少不必要的勘探成本，提高经济效益并降低环境损害，能够对未来一段时间内地质状况进行预测，模拟地质结构随时间的动态变化过程。
S4、结合矿产资源分布特征，在三维地质模型上叠加矿产资源分布数据，形成矿产资源勘查的三维可视化数字化地形模型。
矿产资源分布信息包括矿体边界、矿石品位的变化分布，以及影响矿床开采利用的断裂、褶皱的地质构造信息。
在本实施例中，将矿产资源分布特征与地表的三维模型融合，形成矿产资源勘查用三维可视化数字化地形模型，其模型具体为：
；
式中，表示融合后的矿产资源勘查三维模型在网格索引为/>的位置点的属性集合，包括地理坐标和高程值；/>表示矿产资源分布数据。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.矿产资源勘查数字化地形模型生成方法，其特征在于，包括以下步骤：
S1、分别获取矿产资源勘查地区的遥感数据、地面测量、钻孔数据和矿产资源分布数据；
S2、将遥感数据、地面测量和钻孔数据整合到一个统一的空间参考框架下，并构建数字高程模型；
其中：
；
式中，表示在待估测点的位置/>处数字高程模型的高度值；/>表示待估测点的位置/>处的高程；/>表示在待估测点的位置/>处，通过趋势面分析得出的趋势部分的地表高度；
S3、基于遥感数据、地面测量和钻孔数据，对矿产勘查区域进行三维地质建模；
S4、结合矿产资源分布特征，在三维地质模型上叠加矿产资源分布数据，形成矿产资源勘查的三维可视化数字化地形模型。
2.根据权利要求1所述的矿产资源勘查数字化地形模型生成方法，其特征在于，所述S1中，遥感数据包括光学遥感数据、热红外遥感数据和多光谱遥感数据；
地面测量包括高程点数据和地形线数据；
钻孔数据包括钻孔深度、岩层序列和矿物含量数据。
3.根据权利要求1所述的矿产资源勘查数字化地形模型生成方法，其特征在于，所述S2的详细步骤具体为：
S2.1、分别确认遥感数据、地面测量和钻孔数据的原始坐标系统，按照国家标准坐标系统进行坐标转换，将其转换成目标坐标系统；
S2.2、将遥感数据进行几何校正，确保遥感影像与地形数据和钻孔数据的空间位置对应；
S2.3、将地面测量的高程点和地形线数据与遥感数据中的地表特征信息进行数据融合，并生成数字高程模型；
S2.4、将钻孔位置信息加载到三维空间中，同时将钻孔的岩层序列、矿物含量信息与钻孔深度对应，建立钻孔数据库。
4.根据权利要求3所述的矿产资源勘查数字化地形模型生成方法，其特征在于，所述S2.2中，几何校正的具体表达式为：
；
式中，表示包含传感器位置、姿态和地形参数在内的几何校正矩阵；/>表示图像坐标向量；/>表示地面坐标向量；/>表示平移向量。
5.根据权利要求3所述的矿产资源勘查数字化地形模型生成方法，其特征在于，所述S2.3中，数据融合涉及的具体过程为：
利用地面测量得到的高程点数据，通过反距离权重插值得到的地表高程估计值，其具体计算表达式为：
；
式中，表示第/>个已知高程点的高程；/>表示第/>个已知高程点相对于待估测点/>的权重因子；/>表示参与插值计算的已知高程点的总数；
由于地形存在全局的趋势变化，因此，引入趋势面分析，构建二次趋势面：
；
式中，表示二次项系数，用于反映地表海拔随着经度平方变化的趋势程度；/>表示二次项系数，用于反映地表海拔随着纬度平方变化的趋势程度；/>为交叉项系数；/>为一次项系数，表示地表海拔随经度线性变化的趋势；/>为一次项系数，表示地表海拔随纬度线性变化的趋势；/>为常数项；
将二次趋势面与地表高程估计值相结合，最终生成的数字高程模型。
6.根据权利要求1所述的矿产资源勘查数字化地形模型生成方法，其特征在于，所述S3中，对矿产勘查区域进行三维地质建模的具体步骤为：
S3.1、使用数字高程模型创建地表的三维模型；
S3.2、利用钻孔数据，对地下地质结构进行三维建模。
7.根据权利要求6所述的矿产资源勘查数字化地形模型生成方法，其特征在于，所述S3.1中，地表的三维模型具体为：
；
式中，和/>均表示网格索引；/>表示网格中心的地理坐标；/>表示网格点位置的高程值；/>表示在/>中第/>行、第/>列的格网点，其地理坐标为/>，其对应的高程值为/>结合，形成的空间数据点。
8.根据权利要求7所述的矿产资源勘查数字化地形模型生成方法，其特征在于，所述S3.2中，对地下地质结构进行三维建模，涉及的具体步骤为：
S3.21、将钻孔数据按钻孔位置和深度组织成三维坐标体系，并将所有钻孔数据归一化至同一坐标系下；
S3.22、对于目标区域内需要预测的任意一点，找到离该点最近的若干钻孔数据点；
S3.23、选定距离目标点最近的钻孔点，其对应的钻孔点的属性值/>，构建地下地质结构的三维模型。
9.根据权利要求8所述的矿产资源勘查数字化地形模型生成方法，其特征在于，所述地下地质结构的三维模型具体为：
；
式中，表示目标点/>处地下地质结构的属性值；/>表示第/>个已知钻孔点在对应深度上的属性值；/>表示第/>个已知钻孔点到目标点/>的距离权重；/>表示第/>个已知钻孔点的深度；/>表示目标点的深度；/>表示已知钻孔点的数量；
通过引入时间变量，对地下地质结构的三维模型进行优化，则优化后的地下地质结构的三维模型为：
；
式中，表示在时间/>时，坐标为/>的地下地质结构的属性值；/>表示在时间/>时，第/>个已知钻孔点在深度/>处的属性值；/>表示在时间/>时，赋予第/>个已知钻孔点至目标点/>距离的空间-时间权重；/>表示与时间和空间距离有关的核函数。
10.根据权利要求1所述的矿产资源勘查数字化地形模型生成方法，其特征在于：所述S4中，将矿产资源分布特征与地表的三维模型融合，形成矿产资源勘查用三维可视化数字化地形模型，其模型具体为：
；
式中，表示融合后的矿产资源勘查三维模型在网格索引为/>的位置点的属性集合；/>表示矿产资源分布数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410274311.0A CN117876623B (zh) | 2024-03-11 | 2024-03-11 | 矿产资源勘查数字化地形模型生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410274311.0A CN117876623B (zh) | 2024-03-11 | 2024-03-11 | 矿产资源勘查数字化地形模型生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117876623A true CN117876623A (zh) | 2024-04-12 |
| CN117876623B CN117876623B (zh) | 2024-06-04 |
Family
ID=90577699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410274311.0A Active CN117876623B (zh) | 2024-03-11 | 2024-03-11 | 矿产资源勘查数字化地形模型生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117876623B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110010095A1 (en) * | 2009-07-07 | 2011-01-13 | Arkex Limited | Potential field data survey |
| CN112381920A (zh) * | 2020-10-10 | 2021-02-19 | 北京东澳达科技有限公司 | 一种三维地质编录方法和系统 |
| CN115081685A (zh) * | 2022-05-30 | 2022-09-20 | 成都理工大学 | 一种金属矿床深部资源三维可视化定位预测方法 |
| CN116304977A (zh) * | 2023-02-28 | 2023-06-23 | 中铁第四勘察设计院集团有限公司 | 多源地质勘察数据融合方法、装置、设备及存储介质 |
| CN116482335A (zh) * | 2023-04-26 | 2023-07-25 | 中国冶金地质总局第二地质勘查院 | 一种海砂矿勘查方法 |
| CN116863092A (zh) * | 2023-07-05 | 2023-10-10 | 重庆市地质矿产勘查开发局107地质队 | 城市级实景三维地质灾害监测预警模型可视化方法 |
| CN117576335A (zh) * | 2024-01-19 | 2024-02-20 | 长安大学 | 面向矿产区域勘查的三维空间模型数据处理方法及系统 |
-
2024
- 2024-03-11 CN CN202410274311.0A patent/CN117876623B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110010095A1 (en) * | 2009-07-07 | 2011-01-13 | Arkex Limited | Potential field data survey |
| CN112381920A (zh) * | 2020-10-10 | 2021-02-19 | 北京东澳达科技有限公司 | 一种三维地质编录方法和系统 |
| CN115081685A (zh) * | 2022-05-30 | 2022-09-20 | 成都理工大学 | 一种金属矿床深部资源三维可视化定位预测方法 |
| CN116304977A (zh) * | 2023-02-28 | 2023-06-23 | 中铁第四勘察设计院集团有限公司 | 多源地质勘察数据融合方法、装置、设备及存储介质 |
| CN116482335A (zh) * | 2023-04-26 | 2023-07-25 | 中国冶金地质总局第二地质勘查院 | 一种海砂矿勘查方法 |
| CN116863092A (zh) * | 2023-07-05 | 2023-10-10 | 重庆市地质矿产勘查开发局107地质队 | 城市级实景三维地质灾害监测预警模型可视化方法 |
| CN117576335A (zh) * | 2024-01-19 | 2024-02-20 | 长安大学 | 面向矿产区域勘查的三维空间模型数据处理方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| XIUWEN CHI: "Judgment and evaluation system of 3D-suface blasting based on GIS", 《IEEE》, 7 September 2010 (2010-09-07) * |
| 张思科;倪晋宇;高万里;胡道功;: "三维地质建模技术方法研究――以东昆仑造山带为例", 地质力学学报, no. 02, 15 June 2009 (2009-06-15) * |
| 蒋荣斌;: "MapGIS软件在地质图数字化中的运用分析", 经纬天地, no. 02, 28 April 2020 (2020-04-28) * |
| 邓文彬: "施工隧道监控量测技术与分析预报方法研究", 《中国博士学位论文全文数据库》, 28 February 2019 (2019-02-28) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117876623B (zh) | 2024-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116504032B (zh) | 一种基于实景三维的滑坡危险性监测预警方法及系统 | |
| Lian et al. | Time-series unmanned aerial vehicle photogrammetry monitoring method without ground control points to measure mining subsidence | |
| Di et al. | Coastal mapping and change detection using high-resolution IKONOS satellite imagery | |
| Fadhillah et al. | Improved combined scatterers interferometry with optimized point scatterers (ICOPS) for interferometric synthetic aperture radar (InSAR) time-series analysis | |
| Zhang et al. | Predictable condition analysis and prediction method of SBAS-InSAR coal mining subsidence | |
| CN116910876A (zh) | 一种基于无人机遥感辅助滑坡应急治理工程勘查设计方法 | |
| Feng et al. | A hierarchical network densification approach for reconstruction of historical ice velocity fields in East Antarctica | |
| Li et al. | A global-scale DEM elevation correction model using ICESat-2 laser altimetry data | |
| CN114674277B (zh) | 全场测线联合的深部开采地表沉陷监测方法 | |
| Feng et al. | Automatic selection of permanent scatterers-based GCPs for refinement and reflattening in InSAR DEM generation | |
| Wu et al. | Derivation of high-quality three-dimensional surface deformation velocities through multi-source point cloud fusion: Application to Kīlauea volcano | |
| CN111368716A (zh) | 一种基于多源时空数据的地质灾害灾毁耕地提取方法 | |
| Recla et al. | From Relative to Absolute Heights in SAR-based Single-Image Height Prediction | |
| CN117876623B (zh) | 矿产资源勘查数字化地形模型生成方法 | |
| Saputra et al. | The application of structure from motion (SfM) to identify the geological structure and outcrop studies | |
| Crues et al. | Digital Lunar Exploration Sites (DLES) | |
| Pepe et al. | 4D geomatics monitoring of a quarry for the calculation of extracted volumes by tin and grid model: Contribute of UAV photogrammetry | |
| Buckley et al. | Combining aerial photogrammetry and terrestrial lidar for reservoir analog modeling | |
| Becek et al. | Identifying land subsidence using global digital elevation models | |
| He et al. | Time series interferometric synthetic aperture radar-based modeling and analysis of complex land subsidence caused by multi-seam coal mining on the Liaohe Plain, China | |
| Prakash et al. | Digital building-height preparation from satellite stereo images | |
| Yu et al. | Ice flow velocity mapping in Greenland using historical images from 1960s to 1980s: Scheme design | |
| Osborne et al. | Comparison of satellite surveying to traditional surveying methods for the resources industry | |
| Huang et al. | Construction of High Precision and Complete Images of Subsidence Basin in the Dune Mining Basing on Insar-Uav-Lidar Heterogeneous Data Integration | |
| Alberti | GIS analysis of geological surfaces orientations: the qgSurf plugin for QGIS |
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 |