帕米尔东北缘ASTER多光谱热红外遥感数据的岩性信息提取(英文)

搭载于美国航空航天局(NASA)Tera卫星上的ASTER传感器具有从太空测量来自地球表面的多光谱热红外(TIR)辐射的能力.基于地球表面典型岩石类型的热红外光谱特征分析,我们建立了几种探测硅质岩、碳酸岩及硅酸盐岩中全岩SiO2含量的指数.我们将这些指数应用于帕米尔东北缘地区的 ASTER多光谱热红外图像数据,并将遥感解译分析结果与该区已发表的地质资料和野外调查结果进行比较结果表明,ASTER热红外遥感方法具有很大的应用潜力:它可以有效地提供整个帕米尔地区的主要地质信息.这是常规的地质调查方法无法完成的,因为该区的野外地质调查受到自然地理条件等因素的限制.

航空高光谱遥感岩矿信息提取及在地质找矿中的应用

随着遥感技术的迅猛发展,高光谱遥感应运而生,并逐渐被应用到各个领域。高光谱矿物填图是在高光谱遥感基础上发展起来的一种光谱填图技术,其使得遥感地质由识别岩性发展到识别单矿物以至矿物的化学成分及晶体结构(Pieter,1993;王润生,2010),这使其在地质领域的应用更加广泛。中国西部重要成矿带、找矿远景区或整装勘查区,具有成矿地质背景优越、矿化现象丰富,基岩裸露程度高的特点。

遥感岩性信息提取的基础和技术研究进展

遥感技术的发展与地物光谱特征的研究密不可分。从光谱遥感岩矿识别基础与识别技术方法两方面阐述了光谱遥感的研究进展。在技术方法方面,主要从多光谱与成像光谱以及遥感与航空放射性信息集成等方面,分析利用光谱特征进行岩石矿物识别的研究进展及其潜力与可行性。

基于高光谱数据的河北滦平地区岩性信息提取方法试验研究

Hyperion高光谱数据在蚀变矿物填图方面已广泛应用,而在岩性信息提取方面应用较少。本文以河北滦平地区的Hyperion高光谱数据为数据源,通过对预处理后的Hyperion数据进行最小噪声分离变换(MNF),计算纯净像元指数(PPI),N维光谱空间特征端元采集,结合野外光谱采集进行光谱分析识别端元,最后用光谱角(SAM),光谱信息散度(SID)和二值编码(BE)3种方法进行岩性分类。与已知地质图叠加,通过分类图中不同岩石类型颜色边界与地质图岩性界线吻合程度以及与研究区地质解译分类图的对比来比较3种分类方法。结果表明,SAM方法的分类吻合程度高于其他两种方法,SAM方法是一种有效的高光谱遥感岩性分类方法。

一种突出目标的多光谱遥感信息提取方法

为了突出目标在多光谱遥感图像中的信息,克服由阈值法所带来的人为误差,提出了一种突出遥感目标信息的方法。利用光谱能级匹配法提取目标在图像中的相似度,并将其作为目标信息波段加入到原始数据中去,进行波段归一化处理,以减少不同波段数据的量纲或数量级的影响,进行MNF变换并合成RGB假彩色图像。以新疆哈图地区的重点成矿岩性——凝灰质粉砂岩为例,进行重点目标突出的结果表明,信息增强后的图像颜色更加丰富,与原始假彩色合成图像相比,可以识别出更多的岩石类型,比原始图像的MNF变换划分出更多地物类型。

高光谱遥感信息提取与地质应用前景——以青藏高原为试验区

高光谱遥感是一门正在兴起的极具发展潜力的应用科学技术 ,能直接快速地识别岩矿组成、丰度及其分布 ;高光谱图像丰富的空间信息也包含一定的地质构造信息。目前 ,光谱分解模型和修正的高斯模型在岩矿信息定量研究中极具潜力 ;对纹理信息的提取侧重于空域的灰度剪切与有效平均梯度相结合及频域空间内的小波包等技术。根据目前高光谱遥感信息的地质应用 ,总结出高光谱地质应用的技术流程。在此基础之上 ,以青藏高原为例 ,阐述了高光谱遥感的地质应用前景。最后 ,对高光谱遥感技术存在的问题进行了一定的评述。

基于遥感指数的岩性信息提取研究

昆仑山中段地区布喀达坂峰自然环境恶劣,岩性分布比较复杂,利用遥感影像准确划分该区岩性地质单元具有重要的意义。Aster影像具备独特的矿物岩石遥感解译的能力,广泛应用于区分岩性地质单元。本文首先在对研究区Aster影像预处理的基础上,分析了不同岩性的光谱特征曲线,构建了不同的矿物遥感指数,提取了该区岩性信息。再通过已有的地质资料和野外验证,对布喀达坂峰进行岩性划分。研究结果表明,不同遥感指数的组合有助于矿物岩石及岩性地质单元的划分,提取结果准确可靠,可以为地质填图及勘探提供一定的参考价值。

分形在岩性分类及蚀变信息提取中的应用

为了推进多重分形思想在遥感地质找矿领域的应用,以新疆西准噶尔地区为实验区,通过分析该区的成矿特点与遥感影像特征,构建分形维数谱,并将其与图像光谱特征相结合进行岩性分类与含黄铁矿矿化蚀变信息提取,在现有矿点统计资料与专家经验知识的支撑下,确定找矿靶区。实践证明,基于遥感图像的分形理论并结合图像的光谱特征,建立相应的找矿模型和找矿标志,能更好地为区域矿产勘查提供决策支持。

岩性与构造控矿特征遥感信息提取与分析——以东天山铜矿区为例

利用卫星数据快速提取矿化岩性信息,是目前矿产资源勘查的重要技术手段之一。文章以新疆东天山土屋斑岩型铜矿区为研究区,基于该地区出露岩体相关矿物的可见光近红外波段(VNIR)至短波红外波段(SWIR)的光谱特征分析,对ASTER多光谱包括以热红外(TIR)波段在内的全谱域数据进行处理,分别采用主成分分析(PCA)、波段比值(BR)、矿物指数算法识别和提取了研究区地表侵入体的岩性信息。同时,对ASTER 15 m DEM数据进行E-W方向滤波处理,提取和解译出土屋矿区控矿断裂构造信息,结合岩性信息分析控矿条件。最后,对遥感信息提取结果分别进行了矿物镜下与野外验证。

基于GPU的高光谱遥感岩矿信息快速提取方法

提出了基于图形处理单元(graphics processing unit,GPU)的高光谱岩矿信息快速提取方法,利用GPU的并行计算优势对高光谱岩矿信息提取的核心步骤进行了并行优化设计。针对高光谱岩矿信息提取的算法特点,提出了相应的性能优化策略,包括优化算法流程、提高访存效率和减少数据访问冲突。实验结果表明,并行设计模型与优化方法能够快速有效地进行岩矿信息提取,并且最大加速比达到了81倍。

深度卷积网络在航空高光谱岩性识别中的应用——以塔木素铀矿床北部地区为例

岩矿信息识别是高光谱遥感在地质勘探领域的主要应用方向。传统高光谱遥感方法尽管在矿物识别中取得了良好效果,但对于岩性识别存在瓶颈。深度学习是当前人工智能领域的研究热点,卷积神经网络是适用于图像识别的重要网络架构。以巴音戈壁盆地西部塔木素铀矿床北部区域为试验区,以SASI航空高光谱影像为数据源,将深度卷积神经网络引入航空高光谱遥感岩性识别,测试和评估其应用效果。基于预处理后的SASI航空高光谱影像,以试验区地质图及野外调查为参考,制作了8类样本,包括:印支期花岗岩、华力西晚期花岗岩、华力西晚期花岗闪长岩、华力西中期石英闪长岩、石炭系碎屑岩、中下侏罗统火山凝灰岩、第四系沉积物和绢云母化蚀变岩。构建了基于光谱特征的一维卷积神经网络、基于图-谱联合特征的一维+二维卷积神经网络和三维卷积神经网络3种模型结构,分别进行模型训练、测试和试验区岩性分类应用。模型测试结果表明:一维卷积神经网络、一维+二维卷积神经网络和三维卷积神经网络的总体精度分别为82.13%、86.46%和90.90%。通过评价分析三种卷积神经网络模型的岩性分类识别结果,三维卷积神经网络的识别结果与真实参考最为接近,对试验区各类岩性的区分识别效果最优,一维+二维卷积神经网络的识别效果次之,表明利用卷积神经网络引入高光谱图像空间信息,进行图-谱特征的联合挖掘,有利于提高影像的识别精度和实际应用效果。同时,一维卷积神经网络和一维+二维卷积神经网络的识别结果因航空高光谱影像拼接后的条带效应,影响了它们的实际应用效果,而三维卷积神经网络较好地克服了这种影响,表明其对于大面积航空影像处理具有相对较好的应用前景。

遥感地质信息提取集成与矿物遥感地质分析模型

结合遥感技术的现状、发展趋势和资源环境应用需求 ,从遥感地质应用出发 ,提出多源遥感数据分层识别集成、基于岩矿识别技术体系集成和基于岩矿识别谱系集成的基本思路与框架 ,强调矿物或矿物集合体在遥感地质分类与识别中的重要性 ,初步建立矿物遥感地质分析模型 ,分析集成与模型在蚀变与矿化信息提取。

植被覆盖区卫星高光谱遥感岩性分类

植被高覆盖区岩石和土壤在遥感图像上表现为弱信息、小目标,如何利用卫星高光谱遥感提取岩性弱信息是目前遥感地质应用中的最大挑战之一。以黑龙江呼玛地区为例,选择美国EO-1卫星Hyperion高光谱数据。由于植被与下伏岩石-土壤的光谱混合,分别计算研究区含土壤因子和不含土壤因子的植被指数,并对两类不同的植被指数进行主成分分析,以此分离植被和岩石-土壤组分。在含土壤因子植被指数主成分分析的二维组分散点图上,明显区分出背景植被与异常岩石-土壤组分,证实了植被与岩石-土壤组分经主成分分析分离的效果。同时在不添加土壤因子植被指数的分析中,明显区分出植被覆盖信息。通过对实验区典型岩石进行野外光谱测试,然后对光谱进行连续统去除处理,将其作为参考光谱,与分离后的岩石-土壤光谱进行光谱特征拟合(SFF),从而成功地识别出研究区内不同岩石类型,特别是玄武岩、流纹岩、砂砾岩、安山质凝灰岩、大理岩和石英片岩识别效果较好。根据研究区内不同岩石地层单元内岩石组合特征,通过分离后的组分合成图像,成功地实现了岩性分类。与已知地质图叠加,证实通过卫星高光谱数据提取的不同岩石类型颜色边界与地质图岩性界线吻合较好。结果表明:通过植被与岩石-土壤光谱组分分离,结合高光谱遥感的光谱特征拟合,能够识别不同的岩石类型,实现植被覆盖区岩性分类。

Hyperion高光谱遥感岩性识别填图

Hyperion高光谱数据在蚀变矿物填图方面已凸显其优越性,而在岩性识别方面大多仍在探讨中。通过应用Hyperion数据结合野外光谱采集,在研究区进行了岩性填图的试验研究。同时,叙述了野外采集光谱数据的过程,建立了野外实测光谱数据库,利用野外实测岩石光谱作为端元光谱进行SAM(Spectral Angle Match)光谱角岩性填图。这对于地质环境复杂地区的岩性填图工作具有一定的应用价值。

小型机载高光谱成像仪在高山峡谷地区遥感地质岩性解译应用

【研究目的】水利工程项目通常位于地势险峻的山区,交通不便、环境恶劣,勘察工作十分艰苦。同时,视界限制使地质人员不能整体上掌握地质体的面貌,尤其在高山峡谷地区,人力、物力及时间成本耗费巨大。高光谱遥感技术在地质领域中的应用主要集中在地物分布反演方向,通过未知地物与已知矿物之间相同的特征吸收峰来判定地物种类,利用其极高的光谱分辨率、空间分辨率和“图谱合一”的特性,可对高山峡谷区的地物目标进行精细分类,从而提高地质调查工作的效率,降低风险。【研究方法】中水北方勘测设计研究院利用中国地质调查局南京地质调查中心自主研发的高效率小型机载高光谱成像光谱仪,首次对位于甘南藏族自治州迭部县高山峡谷地带的工作区进行高光谱遥感对地探测,获取了工作区航空高光谱影像数据。采用最小噪声分离法、波段比值分析法对高光谱遥感数据进行岩性解译。【研究结果】结果表明:以白龙江为界,以北大部分为板岩及第四系黄土,以南则大部分为灰岩。解译结果与已知区域地质图岩性分布一致。【结论】本次研究验证了国产高光谱成像仪的可靠性与实用性,同时提高了水利工程前期地质勘查工作的效率和水平,并提供了险要地形地质勘察的一手资料。

一种岩性提取新方法——光谱排序编码法

光谱排序编码法(SSE:Spectra Sort Encod ing A lgorithm)是在对目标光谱与地物光谱按光谱强度大小进行排序的基础上,计算两条光谱曲线的相似度,然后,根据相似度与识别误差进行编码,从而达到识别目标的目的。文章详细介绍了算法提出的背景、原理,并对算法在岩性提取中的精度进行对比验证,结果表明在识别误差从0到0.3变化的过程中,算法最高精度的平均值为1,平均精度的平均值为0.825。高精度是其进行岩性提取的基础,岩性端元提取对比试验的结果也证明它是一种有效的岩性提取算法。

基于遥感的河南卢氏西部地区蚀变信息提取与分析

近矿围岩蚀变和构造分析是找矿研究的重要内容,遥感异常信息提取、遥感地质解译,结合野外调查能查明围岩蚀变分布情况和构造特征。本文以河南省卢氏县西部地区的成矿远景区为研究区域,选用ASTER多光谱数据和SPOT5高分辨率数据,利用遥感图像波段比值处理方法及特征主组分分析、光谱角填图分类等分析方法,对该地区重要成矿区段做矿化蚀变信息提取及遥感地质综合分析并提供了新的找矿靶区。

利用ETM^+遥感技术进行尾亚杂岩体的岩性识别

地处新疆东天山地处荒漠戈壁区的尾亚椭团形杂岩体,在构造上位于卡瓦布拉克微地块中部几个大构造线交切处的构造软弱部位,面积167.40km^2,其中外环面积77.28km^2,内环面积90.12km^2。其近等轴状形态和多期次侵入的复杂岩性,对研究该区构造-岩浆活动具有重要意义,引起众多学者的注目。长期以来,岩性提取一直是遥感地质工作者希望攻克的难题之一。通过利用多光谱遥感技术对于这样一个面积较大,岩石裸露,岩相复杂的杂岩体进行岩性识别,不仅可以对前人的工作进行补充与完善,为岩浆活动、岩石学、区域构造研究提供新的证据,将遥感岩性识别信息用于尾亚杂岩体的形成、演化机制的探讨,扩大了多光谱遥感技术在地质中的应用领域。

基于PLS模型的高光谱遥感地质岩性成分反演分析

以高光谱遥感数据为基础,采用偏最小二乘法(PLS)进行建模,对某地区出露玄武岩和花岗岩的岩性成分进行反演分析,结果表明:基于偏最小二乘法高光谱遥感地质岩性反演分析流程更加简便且精度较高,可为研究区地层岩性判别和矿产勘查提供借鉴。