CN114386497A - 面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法 - Google Patents
面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法 Download PDFInfo
- Publication number
- CN114386497A CN114386497A CN202111660771.XA CN202111660771A CN114386497A CN 114386497 A CN114386497 A CN 114386497A CN 202111660771 A CN202111660771 A CN 202111660771A CN 114386497 A CN114386497 A CN 114386497A
- Authority
- CN
- China
- Prior art keywords
- aviation
- data
- energy spectrum
- hyperspectral
- gamma energy
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 138
- 229910052770 Uranium Inorganic materials 0.000 title claims abstract description 99
- JFALSRSLKYAFGM-UHFFFAOYSA-N uranium(0) Chemical compound [U] JFALSRSLKYAFGM-UHFFFAOYSA-N 0.000 title claims abstract description 94
- 230000033558 biomineral tissue development Effects 0.000 title claims abstract description 39
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 17
- 229910052700 potassium Inorganic materials 0.000 claims abstract description 44
- 229910052776 Thorium Inorganic materials 0.000 claims abstract description 42
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims abstract description 39
- 239000011591 potassium Substances 0.000 claims abstract description 39
- ZSLUVFAKFWKJRC-IGMARMGPSA-N 232Th Chemical compound [232Th] ZSLUVFAKFWKJRC-IGMARMGPSA-N 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000007781 pre-processing Methods 0.000 claims abstract description 23
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 230000004927 fusion Effects 0.000 claims abstract description 12
- 230000000877 morphologic effect Effects 0.000 claims abstract description 10
- 238000010586 diagram Methods 0.000 claims abstract description 9
- 238000010606 normalization Methods 0.000 claims abstract description 5
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 21
- 239000011707 mineral Substances 0.000 claims description 21
- 230000004075 alteration Effects 0.000 claims description 13
- 230000002285 radioactive effect Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 10
- 239000011435 rock Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000010030 laminating Methods 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 12
- 238000011160 research Methods 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 8
- 238000010276 construction Methods 0.000 description 7
- 238000012916 structural analysis Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 5
- 239000012530 fluid Substances 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 229910052713 technetium Inorganic materials 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 108091006146 Channels Proteins 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 102000004257 Potassium Channel Human genes 0.000 description 1
- 235000009827 Prunus armeniaca Nutrition 0.000 description 1
- 244000018633 Prunus armeniaca Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 229910052953 millerite Inorganic materials 0.000 description 1
- 230000001089 mineralizing effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 235000012736 patent blue V Nutrition 0.000 description 1
- 108020001213 potassium channel Proteins 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 229910052761 rare earth metal Inorganic materials 0.000 description 1
- 150000002910 rare earth metals Chemical class 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- WWNBZGLDODTKEM-UHFFFAOYSA-N sulfanylidenenickel Chemical compound [Ni]=S WWNBZGLDODTKEM-UHFFFAOYSA-N 0.000 description 1
- VBWSWBQVYDBVGA-NAHFVJFTSA-N uranium-234;uranium-235;uranium-238 Chemical compound [234U].[235U].[238U] VBWSWBQVYDBVGA-NAHFVJFTSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明属于地球科学领域，具体公开一种面向铀成矿构造的航空高光谱和伽玛能谱数据的融合方法，步骤如下：步骤1、获取航空高光谱数据和航空伽玛能谱数据，并进行数据预处理、空间坐标配准、空间尺度匹配和统一量纲；步骤2、对航空高光谱数据和航空伽玛能谱数据进行多特征提取；步骤3、根据航空伽玛能谱铀、钍、钾的偏高场/高场图与航空高光谱遥感图像上的构造解译图，进一化操作以层叠方式融合，得到融合特征影像；步骤4、根据融合特征影像图，分析航空伽玛能谱铀的形态特征与航空高光谱遥感解译构造二者间的相关性，查明与铀成矿有关的线状和环状构造，确定铀成矿构造。本发明的方法能够提高铀成矿要素遥感解译和信息提取的精度和效率。
Description
技术领域
本发明属于地球科学领域，具体涉及一种面向铀成矿构造的航空高光谱和伽玛能谱数据的融合方法。
背景技术
航空高光谱遥感影像具有超高的光谱分辨率，既具有丰富的光谱信息，又有丰富的纹理信息，在地表构造识别方面具有明显的优势，在裸露区分岩性、蚀变等成矿要素效果好。然而，在植被覆盖较严重或找矿目标层出露比较有限的地区，进行遥感技术地质填图和铀资源勘查应用时，应用效果受到了明显的影响。
航空能谱测量，简要地说就是将航空能谱仪和闪烁探测器安装在飞行器上，在测量地区上空按照预先设计的测线和高度对岩石和地层中天然放射性核素岩石或矿石品位进行测量的地球物理地球化学方法。在铀资源勘查的过程中，航空放射性数据包含了离散的铀(U)、钍(Th)、钾(K)数据，蕴含丰富的信息，反映的是不同岩石、地物的放射性强度，在区分岩性和蚀变现象方面效果好，且受植被干扰少。其受地表因素限制较小、快速、准确、代表性好、成本低等特性在国内外广泛应用于铀矿风险勘探阶段。但它反映地形、地貌特征不明显，识别断裂构造的效果差。
发明内容
本发明的目的在于提供一种面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法，该方法能够提高铀成矿要素遥感解译和信息提取的精度和效率。
实现本发明目的的技术方案如下：一种面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法，该方法包括以下步骤：
步骤1、获取航空高光谱数据和航空伽玛能谱数据，并进行数据预处理、空间坐标配准、空间尺度匹配和统一量纲；所述的步骤1包括如下步骤：
步骤1.1、航空高光谱数据获取与预处理；
步骤1.2、航空伽玛能谱数据获取与处理；
步骤1.3、对上述步骤1.1、步骤1.2获取并预处理后的航空高光谱数据和航空伽玛能谱数据进行空间坐标配准；
步骤1.4、对上述步骤1.3中坐标配准后的航空高光谱和航空伽玛能谱数据进行空间尺度匹配；
步骤1.5、对上述步骤1.4中坐标配准后的航空高光谱和航空伽玛能谱数据统一量纲；
步骤2、对上步骤1中获取并进行数据预处理、坐标配准、空间尺度匹配和统一量纲后的航空高光谱数据和航空伽玛能谱数据，进行多特征提取，所述的步骤2包括如下步骤：
步骤2.1、获取航空高光谱数据的蚀变矿物填图；
步骤2.2、对上述步骤2.1中获取蚀变矿物填图的航空高光谱数据，进行航空高光谱遥感断裂构造识别，提取航空高光谱的构造解译图；
步骤2.3、提取航空伽玛能谱铀、钍、钾总量值，分析航空伽玛能谱的铀、钍、钾的低场、偏高场、高场的形态特征；
步骤3、根据上述步骤2中航空伽玛能谱铀、钍、钾的偏高场/高场图与航空高光谱遥感图像上的构造解译图，进行归一化操作后以层叠的方式进行融合，得到航空伽玛能谱和航空高光谱的融合特征影像；
步骤4、根据步骤3中得到的航空伽玛能谱和航空高光谱的融合特征影像图，分析航空伽玛能谱铀的形态特征与航空高光谱遥感解译构造二者间的相关性，查明与铀成矿有关的线状和环状构造，从而确定铀成矿构造。
所述的步骤1.1中对航空高光谱数据进行预处理包括坏波段剔除，大气校正与光谱重建。
所述的步骤1.2中对航空伽玛能谱数据进行预处理，包括计算地面天然放射性元素钾、铀和钍浓度。
所述的步骤1.3中将伽玛能谱数据坐标***转换到WGS_1984_UTM空间坐标***下，实现航空高光谱数据和航空伽玛能谱数据空间坐标的配准。
所述的步骤1.4中的空间尺度匹配的具体步骤如下：对航空高光谱数据进行正射校正，将航空高光谱图像进行光谱重采样；利用航空伽玛能谱数据已知测线上测量点的坐标和场值，构造出插值函数；在两图像上沿着典型岩体选取一定数量的控制点，根据最小二乘法得到控制点对的平均误差在2m以内，完成两种数据源的空间尺度配准。
所述的步骤2.1中对航空高光谱数据进行依次进行数据维数判断、端元波谱选择、波谱识别，获得航空高光谱数据的蚀变矿物填图。
所述的步骤2.2中提取航空高光谱的构造解译图的步骤如下：通过主要与次要构造线性形迹提取、干扰去除与构造连接，对航空高光谱数据图像进行线性构造和目视解译断裂的叠合连接，同时以蚀变分布范围及强度显示的构造线趋势为约束，实现断裂构造特征的识别提取。
所述的步骤2.3中对航空伽玛能谱数据进行预处理，包括数据格式转换、计算地面天然放射性元素钾、铀和钍浓度，从而提取航空伽玛能谱的铀、钍、钾总量值。
所述的步骤2.3中数据格式转换是指将航空伽玛能谱数据进行对数变换从而使其服从正态分布。
所述的步骤3中的具体步骤如下：对航空伽玛能谱铀、钍、钾及其总量图分别进行比值法、定向滤波、拉布拉斯变换、卷积、局部放大增强处理，将航空伽玛能谱图像上的线状体、环状体与步骤2中获取的航空高光谱遥感断裂构造、蚀变矿物以层叠的方式进行组合，得到航空伽玛能谱和航空高光谱的融合特征影像。
本发明的有益技术效果在于：本发明的方法通过对航空高光谱遥感数据和航空伽玛能谱数据处理，分别对两种数据进行断裂构造、蚀变矿物、放射性铀、钍、钾总量值等多特征提取，将最终获得的遥感解译构造、放射性伽玛能谱铀、钍、钾的低场、偏高场、高场进行层叠实现特征融合，得到了特征影像图。本发明的方法通过分析特征影像中伽玛能谱铀、钍、钾的形态特征与遥感解译构造二者间的相关性，查明了与铀成矿有关的线状和环状构造，从而确定了铀成矿构造格局，提高了铀成矿构造遥感解译和信息提取的精度和效率。
本发明的方法从光谱特征、空间几何特征、放射性特征等三个方面将航空高光谱与放射性伽玛能谱图像数据进行配准融合，将两数据中所含的优势信息或互补性信息有机地融合在一起，形成专题化、多样化的光谱与伽玛能谱融合图像，使得融合图像不仅具有遥感地形信息丰富，立体感强，便于定位和解决构造问题的长处，而且便于区分岩性、蚀变和铀矿化的优点，充分发挥出信息的互补效应，对提高铀成矿要素遥感解译和信息提取的精度和效率具有重要意义。
附图说明
图1为CASI/SASI数据预处理方法的流程图；
图2为研究区铀成矿构造格局空间分布特征的示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
本发明的方法针对航空高光谱与伽玛能谱数据的特点，分别提取了断裂构造、蚀变矿物和航空放射性伽玛能谱铀、钍、钾总量数据等有效特征信息，并分析了不同特征信息的分布格局。在特征提取的基础上，进行归一化操作后以层叠的方式进行组合，得到了特征影像。通过分析特征影像中伽玛能谱铀的形态特征与遥感解译构造二者间的相关性，查明了与铀成矿有关的线状和环状构造，从而确定了铀成矿构造格局。
本发明所提供的一种面向铀成矿构造的航空高光谱和航空伽玛能谱数据融合方法，该方法包括以下步骤：
步骤1、获取航空高光谱数据和航空伽玛能谱数据，并进行数据预处理、空间坐标配准、空间尺度匹配和统一量纲
以甘肃龙首山铀成矿区作为试验区。该地区自然条件差，地表植被稀少，岩石裸露程度高，蚀变现象明显，矿产资源丰富。
步骤1.1、航空高光谱数据获取与预处理
航空高光谱光谱数据获取采用加拿大ITRES公司研制的CASI/SASI成像光谱仪，选择运－12飞机为搭载平台，波长范围从可见光、近红外(VNIR)、短波红外(SWIR)波段，137个波段，飞行高度选择在相对地面航高1000～1500m。
如图1所示，研究区航空高光谱数据是经过***预处理后的，其DN值为辐射亮度，在输入大气纠正模块进行光谱重建之前，需要对该数据进行波段选择预处理。高光谱数据数据波段选择预处理步骤如下：通过逐波段检查，剔除坏波段和水汽强吸收波段，然后将剔除后的数据进行大气纠正与光谱重建。
由于受大气水汽吸收等因素影响，影像中有两个波段范围为噪声数据：分别为波段号从29至32，波谱范围对应为1355～1430nm；以及波段号从59至67，波谱范围对应为1805～1955nm。同时，最后一个波段(波谱范围2435～2450nm)受仪器设备以及平台等因素的影响噪声较大。因此采用最临近插值算法剔除坏波段。
采用辐射传输模型和经验线性模型对航空高光谱数据进行大气校正与光谱重建。
步骤1.2、航空伽玛能谱数据获取与预处理
采用的航空伽玛能谱数据为采集的甘肃龙首山地区的放射性数据。由于航放数据在直方图不连续，分布特征不均匀。大多数数值分布均为离散的点数值，数值较为集中。且0和255最大，表明数值当中某些特征反应明显。因此需要对点数据进行插值形成场数据，对场数据进行变换至栅格数据。
将处理后的航空伽玛能谱数据计算地面天然放射性元素铀、钍和钾浓度，其计算公式如下式(1)所示：
式中，N表示经各项修正后的钾、铀和钍窗净计数率；S表示钾、铀和钍窗的灵敏度；C表示钾、铀和钍的浓度。
步骤1.3、对上述步骤1.1、步骤1.2获取并预处理后的航空高光谱数据和航空伽玛能谱数据进行空间坐标配准
航空伽玛能谱数据空间参考***为投影平面-北京54，而航空高光谱遥感数据为WGS_1984_UTM空间投影坐标系，便于信息融合处理，本次基于ArcGis软件，以航空高光谱遥感数据的空间坐标系为基准，将伽玛能谱数据坐标***转换到WGS_1984_UTM空间坐标***下，实现航空高光谱数据和航空伽玛能谱数据空间坐标的配准。
步骤1.4、对上述步骤1.3中坐标配准后的航空高光谱和航空伽玛能谱数据进行空间尺度匹配
航空成像光谱数据波长范围从可见光、近红外(VNIR)、短波红外(SWIR)波段，137个波段。航空高光谱数据共36个波段，光谱覆盖范围380～1045nm，光谱分辨率18nm，空间分辨率0.9m；伽玛能谱数据共101个波段，光谱覆盖范围950～2450nm，光谱分辨率15nm，空间分辨率2.5m。航空伽玛能谱数据测量测线为南北向，线距1000m；采样速率1次/秒，采样间距约50m。两种数据航空高光谱数据与伽玛能谱数据在空间尺度上相差较大，需要对这两种数据进行空间尺度转换。
航空高光谱数据与航空伽玛能谱数据二者在数据结构上均可采用栅格数据结构进行描述、存储与表达，但二者在空间采样单元上则有很大的差异。如航空高光谱图像分辨率已经达到1～2米左右，而航空遥感伽玛能谱放射性测量数据点采样约为50米，航线间距为500～1000米(1:10～20万)左右。二者在空间尺度上相差较大，所以航空高光谱数据与航空伽玛能谱数据的融合必须考虑其空间采样单元尺度的不一致性，即必须将两者进行空间网格尺度的统一，即空间配准。
空间尺度匹配的具体步骤如下：首先对航空高光谱数据进行正射校正，消除因地形起伏等原因造成的图像变形。由于高分辨率的航空高光谱与航空伽玛能谱数据之间空间分辨率差别较大，将航空高光谱图像进行光谱重采样至10m；其次，利用航空伽玛能谱数据已知测线上测量点的坐标和场值，构造出插值函数。计算网格结点与已知点的距离，使之插值后的网格数据分辨率约为10米。最后在两图像上沿着典型岩体选取一定数量的控制点，根据最小二乘法得到控制点对的平均误差在2m以内，即约1个像元，完成两种数据源的空间配准。
步骤1.5、对上述步骤1.4中坐标配准后的航空高光谱和航空伽玛能谱数据统一量纲
为了消除航空伽玛能谱数据和航空高光谱遥感数据指标之间的量纲影响，需要进行两种数据统一量纲。本次对离差标准化法进行了改进，将航空伽玛能谱数据拉伸到[0，255]之间，其计算公式如下下式(2)所示：
式中，
max表示航放数据的最大值，min表示航放数据的最小值，X*为统一量纲后像元的航放数据灰度值、x为统一量纲前像元的航放数据值。
步骤2、对上步骤1中获取并进行数据预处理、坐标配准、空间尺度匹配和统一量纲后的航空高光谱数据和航空伽玛能谱数据，进行多特征提取
步骤2.1、获取航空高光谱数据的蚀变矿物填图
基于ENVI软件下的波谱沙漏工具的矿物识别流程，进行航空高光谱矿物填图，对上步骤1中获取并进行数据预处理、坐标配准、空间尺度匹配和统一量纲后的航空高光谱数据开展数据维数判断—端元波谱选择—波谱识别—矿物填图，获得代表每一种蚀变矿物填图。
步骤2.2、对上述步骤2.1中获取蚀变矿物填图的航空高光谱数据，进行航空高光谱遥感断裂构造识别，提取航空高光谱的构造解译图
通过主要与次要构造线性形迹提取、干扰去除与构造连接等步骤对航空高光谱数据图像进行线性构造和目视解译断裂的叠合连接，同时以蚀变分布范围及强度显示的构造线趋势为约束，最终实现断裂构造特征的识别提取；具体如下：
以ArcGIS为软件平台，构建断裂构造解译标志，在航空高光谱图像上找寻线性的色调异常或呈线状展布的不同色调分界面，当具有明显的能反映断裂构造存在的证据时则直接标识出断裂构造，目视解译识别获得决定研究区构造分区特征的构造，称为格架构造；然后基于PCI Geomatica软件LINE模块自动提取主次线性形迹，提取出的线性形迹往往包含非地质成因的线段。造成这种结果的原因主要有影像自身因素、算法及算法参数以及人造地物干扰等。研究区主要干扰因素为山前盆地内道路、图像边缘及非构造成因山脊。因此对山前盆地内道路、图像边缘以及基于DEM提取的非构造成因山脊分别构建缓冲区，删除落入缓冲区内的线段。
基于以上提取的线文件，构建一定范围的缓冲区，将提取的线性形迹与缓冲区进行叠加分析，可认为，在缓冲区内的线性形迹受人造线性地物及图像边缘的影响，应将其删除。经试验对比，对道路及图像边缘均设置距离为40m的双侧缓冲区。经处理，研究区主要干扰因素的影响有一定减少，最终获取线性构造。
将目视解译构造与经过干扰去除后的线性构造进行结合可确保提取结果既具有较高的精度又能充分反映研究区构造的空间分布特征。具体结合方法可将两者进行叠合，然后将线性构造中与目视解译断裂重合或相近的线进行连接处理。
蚀变是热液型铀矿找矿的直接标志，地质历史上的热液活动，带来深部流体、成矿物质并与岩体发生物质和能量交换，萃取和迁移的铀元素在有利环境下沉淀成矿。因此，不同类型热液蚀变的分布区必然属于热液活动的范围，更强的蚀变代表岩石与热液更持久的接触，或有更强烈的热液活动，往往更有利于成矿发生。热液只能在岩体脆弱带上侵，即蚀变受构造控制，利用遥感解译优势构造走向的分析方法，可以在蚀变分布图的基础上分析得出与热液活动密切的构造，进而更准确的确定控矿构造。本次由蚀变分布范围及强蚀变分布地段，采用遥感图像处理技术，将二维面状蚀变降维成线性趋势分析，通过蚀变场分析显示的构造线趋势，为控热液、控矿断裂的厘定提供了约束。最终获取了研究区的航空高光谱遥感断裂构造识别特征。
步骤2.3、提取航空伽玛能谱铀、钍、钾总量值，分析航空伽玛能谱的铀、钍、钾的低场、偏高场、高场的形态特征
对航空伽玛能谱数据进行预处理，主要包括数据格式转换、计算地面天然放射性元素钾、铀和钍浓度，从而提取航空伽玛能谱的铀、钍、钾总量值。
航空伽玛能谱数据中，Tc、K、U三类数据基本服从正态分布，Th服从正偏态分布，内插时将数据进行了对数变换使之服从正态分布。Tc、K、U、Th这些数据的情况跟ΔT数据类似，本实施例中采用普通克立格法内插航空伽玛能谱数据的预测表面。
各类数据内插过程中，搜索邻域的确定均以结构分析的结果为依据。结构分析结论中认为ΔT、Tc、K、U、Th这五类数据均具有各向异性，因主、次变程值的差异，选用椭圆作为邻域点数据的搜索形状，其长轴方向为结构分析中得到的最优方向，长、短半轴值为主、次变程值的一半。搜索方法采用最近邻法，参与计算的已知点数量为5。
内插表面的生成是在数据相关处理和结构分析的基础上完成的，将数据处理和结构分析中所得到的数据作为实际表面内插计算中的值。在步长值的选择上，经过多次试验，改变其步长值，对比其结构分析的结果，最后选取能获得最佳结构分析效果的步长值作为计算实际参数值。
数据内插所使用的一些参数值见表1。
表1内插表面所使用的其他参数值
| ΔT | Tc | K | U | Th | |
| 步长值 | 5544.5 | 11246 | 11245 | 14637 | 14637 |
| 步长数 | 12 | 12 | 12 | 12 | 12 |
| 各向异性系数 | 2.1362 | 4.3178 | 4.1671 | 2.8411 | 2.4005 |
ΔT为经过校正的磁异常值，Tc为航空伽玛能谱总道含量，K为航空伽玛能谱钾道含量，U为航空伽玛能谱铀道含量，Th为航空伽玛能谱钍道含量。
根据Tc、K、U、Th各数据直方图中不同值域内点的数量，以及各数据本身的特点，对生成的各表面图进行了不一样的分类。同时，在颜色的搭配上按照航空物探等值线图的习惯配色为主，Tc、K、U、Th表面图则分别以红色、果绿色、鲜红色、天蓝色为基本色，低值区配以白色、浅黄色、杏黄色，高值区则按色彩的纯净饱和程度来变换基本色彩的深浅，并不断地增加层次，突出立体着色效果。有关各数据值域的分类以及颜色的搭配可见各表面图中的图例。
通过上述航空伽玛能谱铀、钍、钾总量值的提取，发现铀、钍、钾的低场、偏高场、高场的形态特点是不同的。钍和钾在分解过程中从低场→偏高场→高场的变化，主要表现为面状→小面状→点状(或更小的面状)，而铀则表现为面状→带状和小面状→点状。
步骤3、根据上述步骤2中航空伽玛能谱铀、钍、钾的偏高场/高场图与航空高光谱遥感图像上的构造解译图，进行归一化操作后以层叠的方式进行融合，得到航空伽玛能谱和航空高光谱的融合特征影像。
根据步骤2中从铀、钍、钾及其总道影像图上也可以看到一些低场、偏高场、高场的形态变化，例如线状体和环状体。线状体主要表现为灰阶较高(或较低)的色线，或者不同灰阶区的界线；环状体主要表现为灰阶较高(或较低)的圆形体或相间的环带。这里的灰阶高低，指的是地物放射性强度的大小。经过分析发现线性体在航放铀的影像图上显示最为清晰，其他影像图上(如钍、钾和总量)则不明显。而环状体有的在铀的影像图上显示清晰，有的则在钍、钾的影像图上显示清晰，但在铀、钾的总量图上反映出汇集了二者的总貌。为了深入研究航空伽玛能谱影像图上这些线状体和环状体，对航空伽玛能谱铀、钍、钾及其总量图分别做了比值法、定向滤波、拉布拉斯变换、卷积、局部放大等增强处理。然后将航空伽玛能谱图像上的线状体、环状体与步骤2中通过解译构造与经过干扰去除后的线性构造结合的航空高光谱遥感断裂构造、蚀变矿物以层叠的方式进行组合，得到特征影像。
步骤4、根据步骤3中得到的航空伽玛能谱和航空高光谱的融合特征影像图，分析航空伽玛能谱铀的形态特征与航空高光谱遥感解译构造二者间的相关性，查明与铀成矿有关的线状和环状构造，从而确定铀成矿构造。
从步骤3中得到的特征影像图分析发现航放线状体、环状体与高光谱遥感解译的线状构造和环状构造这二者具有一定的相关性。二者有的相吻合，相吻合者反映了线状构造与环状构造级蚀变矿物对铀、钍、钾元素的分布有控制作用；不吻合者有两种情况：一种是没有控制作用，另一种是控制因素不明。
从特征影像图还发现了航空伽玛能谱铀的线状体、环状体与航空高光谱图像上的线状构造和环状构造基本都是相吻合，反映出航放铀的线状体和环状体是铀的成矿断裂和与铀有关的环状构造在航放铀影像图上的反映。根据这种相关性，可以从航空高光谱遥感图像上查明与铀成矿有关的线状和环状构造。若经野外验证，这些线状构造和环状构造确实存在，则可能成为与铀成矿有关的构造。
在上述方法的工作基础上，确定了甘肃龙首山铀矿区的成矿构造格局如图2所示：
主体格架总体由龙首山地块构造线呈北西向展布，革命沟矿床产于近东西向的革命沟断裂与北北西向的玉石沟断裂的交汇部位附近；
NW向、NE向及近EW向构成龙首山铀成矿的主要导矿断裂；
线状构造格局被环状构造复杂化，形成线—块—环相结合的成矿构造模型。
上面结合附图和实施例对本发明作了详细说明，上述实施方式仅为本发明的最优实施例，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (10)
1.一种面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法，其特征在于，该方法包括以下步骤：
步骤1、获取航空高光谱数据和航空伽玛能谱数据，并进行数据预处理、空间坐标配准、空间尺度匹配和统一量纲；所述的步骤1包括如下步骤：
步骤1.1、航空高光谱数据获取与预处理；
步骤1.2、航空伽玛能谱数据获取与处理；
步骤1.3、对上述步骤1.1、步骤1.2获取并预处理后的航空高光谱数据和航空伽玛能谱数据进行空间坐标配准；
步骤1.4、对上述步骤1.3中坐标配准后的航空高光谱和航空伽玛能谱数据进行空间尺度匹配；
步骤1.5、对上述步骤1.4中坐标配准后的航空高光谱和航空伽玛能谱数据统一量纲；
步骤2、对上步骤1中获取并进行数据预处理、坐标配准、空间尺度匹配和统一量纲后的航空高光谱数据和航空伽玛能谱数据，进行多特征提取，所述的步骤2包括如下步骤：
步骤2.1、获取航空高光谱数据的蚀变矿物填图；
步骤2.2、对上述步骤2.1中获取蚀变矿物填图的航空高光谱数据，进行航空高光谱遥感断裂构造识别，提取航空高光谱的构造解译图；
步骤2.3、提取航空伽玛能谱铀、钍、钾总量值，分析航空伽玛能谱的铀、钍、钾的低场、偏高场、高场的形态特征；
步骤3、根据上述步骤2中航空伽玛能谱铀、钍、钾的偏高场/高场图与航空高光谱遥感图像上的构造解译图，进行归一化操作后以层叠的方式进行融合，得到航空伽玛能谱和航空高光谱的融合特征影像；
步骤4、根据步骤3中得到的航空伽玛能谱和航空高光谱的融合特征影像图，分析航空伽玛能谱铀的形态特征与航空高光谱遥感解译构造二者间的相关性，查明与铀成矿有关的线状和环状构造，从而确定铀成矿构造。
2.根据权利要求1所述的一种面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法，其特征在于：所述的步骤1.1中对航空高光谱数据进行预处理包括坏波段剔除，大气校正与光谱重建。
3.根据权利要求2所述的一种面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法，其特征在于：所述的步骤1.2中对航空伽玛能谱数据进行预处理，包括计算地面天然放射性元素钾、铀和钍浓度。
4.根据权利要求3所述的一种面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法，其特征在于：所述的步骤1.3中将伽玛能谱数据坐标***转换到WGS_1984_UTM空间坐标***下，实现航空高光谱数据和航空伽玛能谱数据空间坐标的配准。
5.根据权利要求4所述的一种面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法，其特征在于：所述的步骤1.4中的空间尺度匹配的具体步骤如下：对航空高光谱数据进行正射校正，将航空高光谱图像进行光谱重采样；利用航空伽玛能谱数据已知测线上测量点的坐标和场值，构造出插值函数；在两图像上沿着典型岩体选取一定数量的控制点，根据最小二乘法得到控制点对的平均误差在2m以内，完成两种数据源的空间尺度配准。
6.根据权利要求5所述的一种面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法，其特征在于：所述的步骤2.1中对航空高光谱数据进行依次进行数据维数判断、端元波谱选择、波谱识别，获得航空高光谱数据的蚀变矿物填图。
7.根据权利要求6所述的一种面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法，其特征在于：所述的步骤2.2中提取航空高光谱的构造解译图的步骤如下：通过主要与次要构造线性形迹提取、干扰去除与构造连接，对航空高光谱数据图像进行线性构造和目视解译断裂的叠合连接，同时以蚀变分布范围及强度显示的构造线趋势为约束，实现断裂构造特征的识别提取。
8.根据权利要求7所述的一种面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法，其特征在于：所述的步骤2.3中对航空伽玛能谱数据进行预处理，包括数据格式转换、计算地面天然放射性元素钾、铀和钍浓度，从而提取航空伽玛能谱的铀、钍、钾总量值。
9.根据权利要求8所述的一种面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法，其特征在于：所述的步骤2.3中数据格式转换是指将航空伽玛能谱数据进行对数变换从而使其服从正态分布。
10.根据权利要求9所述的一种面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法，其特征在于：所述的步骤3中的具体步骤如下：对航空伽玛能谱铀、钍、钾及其总量图分别进行比值法、定向滤波、拉布拉斯变换、卷积、局部放大增强处理，将航空伽玛能谱图像上的线状体、环状体与步骤2中获取的航空高光谱遥感断裂构造、蚀变矿物以层叠的方式进行组合，得到航空伽玛能谱和航空高光谱的融合特征影像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111660771.XA CN114386497A (zh) | 2021-12-31 | 2021-12-31 | 面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111660771.XA CN114386497A (zh) | 2021-12-31 | 2021-12-31 | 面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114386497A true CN114386497A (zh) | 2022-04-22 |
Family
ID=81200373
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111660771.XA Pending CN114386497A (zh) | 2021-12-31 | 2021-12-31 | 面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114386497A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115713645A (zh) * | 2022-10-19 | 2023-02-24 | 山东大学 | 基于光谱成像技术的岩性识别方法及*** |
| CN116611026A (zh) * | 2023-05-25 | 2023-08-18 | 中国自然资源航空物探遥感中心 | 一种航空 γ 能谱数据融合处理方法和*** |
| CN116883852A (zh) * | 2023-08-29 | 2023-10-13 | 北京建工环境修复股份有限公司 | 一种基于高光谱的岩芯数据获取方法及*** |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101625235A (zh) * | 2009-08-04 | 2010-01-13 | 北京航空航天大学 | 基于多个分体惯性基准的轨道半径曲线测量*** |
| CN104076393A (zh) * | 2014-07-10 | 2014-10-01 | 核工业北京地质研究院 | 一种花岗岩型铀矿隐伏成矿构造带识别方法 |
| CN104537614A (zh) * | 2014-12-03 | 2015-04-22 | 中国资源卫星应用中心 | 一种环境一号卫星ccd影像正射校正方法 |
| CN105208372A (zh) * | 2015-10-15 | 2015-12-30 | 浙江卓锐科技股份有限公司 | 具有交互可量测功能及真实感的3d景观生成***及方法 |
| CN105549113A (zh) * | 2014-10-31 | 2016-05-04 | 核工业北京地质研究院 | 火山岩型铀矿田科学深钻场址遴选方法 |
| CN107976707A (zh) * | 2016-10-25 | 2018-05-01 | 核工业北京地质研究院 | 一种指示深部铀异常块体的航空伽玛能谱信息处理方法 |
| CN108956483A (zh) * | 2017-05-27 | 2018-12-07 | 核工业北京地质研究院 | 一种火山岩型铀矿化地段的航空高光谱遥感快速圈定方法 |
| CN111090129A (zh) * | 2019-12-31 | 2020-05-01 | 核工业北京地质研究院 | 基于多源数据融合的硬岩型铀矿控矿构造快速寻找方法 |
| CN113222909A (zh) * | 2021-04-25 | 2021-08-06 | 河南省航空物探遥感中心 | 一种基于多光谱光学遥感影像的地热区域判断方法 |
-
2021
- 2021-12-31 CN CN202111660771.XA patent/CN114386497A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101625235A (zh) * | 2009-08-04 | 2010-01-13 | 北京航空航天大学 | 基于多个分体惯性基准的轨道半径曲线测量*** |
| CN104076393A (zh) * | 2014-07-10 | 2014-10-01 | 核工业北京地质研究院 | 一种花岗岩型铀矿隐伏成矿构造带识别方法 |
| CN105549113A (zh) * | 2014-10-31 | 2016-05-04 | 核工业北京地质研究院 | 火山岩型铀矿田科学深钻场址遴选方法 |
| CN104537614A (zh) * | 2014-12-03 | 2015-04-22 | 中国资源卫星应用中心 | 一种环境一号卫星ccd影像正射校正方法 |
| CN105208372A (zh) * | 2015-10-15 | 2015-12-30 | 浙江卓锐科技股份有限公司 | 具有交互可量测功能及真实感的3d景观生成***及方法 |
| CN107976707A (zh) * | 2016-10-25 | 2018-05-01 | 核工业北京地质研究院 | 一种指示深部铀异常块体的航空伽玛能谱信息处理方法 |
| CN108956483A (zh) * | 2017-05-27 | 2018-12-07 | 核工业北京地质研究院 | 一种火山岩型铀矿化地段的航空高光谱遥感快速圈定方法 |
| CN111090129A (zh) * | 2019-12-31 | 2020-05-01 | 核工业北京地质研究院 | 基于多源数据融合的硬岩型铀矿控矿构造快速寻找方法 |
| CN113222909A (zh) * | 2021-04-25 | 2021-08-06 | 河南省航空物探遥感中心 | 一种基于多光谱光学遥感影像的地热区域判断方法 |
Non-Patent Citations (5)
| Title |
|---|
| 刘德长;叶发旺;赵英俊;: "光-能谱集成技术***及其地质应用", 地球信息科学, no. 04, 30 December 2006 (2006-12-30) * |
| 刘德长;赵英俊;叶发旺;田丰;邱骏挺;: "航空高光谱遥感区域成矿背景研究――以甘肃柳园―方山口地区为例", 遥感学报, no. 01, 25 January 2017 (2017-01-25) * |
| 张建永;孙攀;董玉森;李名松;谢迎春;邓国武;梁春利;: "航放数据与高分一号卫星光学数据融合及应用", 地质科技情报, no. 04, 15 July 2017 (2017-07-15) * |
| 王建刚;叶发旺;邱骏挺;孟树;张川;: "遥感岩性识别分类研究", 世界核地质科学, no. 01, 15 March 2020 (2020-03-15) * |
| 陈威: "遥感－化探信息融合方法在新疆鄯善县大平梁地区找矿靶区预测中的应用", 地质科技情报, vol. 35, no. 6, 15 November 2016 (2016-11-15), pages 184 - 192 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115713645A (zh) * | 2022-10-19 | 2023-02-24 | 山东大学 | 基于光谱成像技术的岩性识别方法及*** |
| CN116611026A (zh) * | 2023-05-25 | 2023-08-18 | 中国自然资源航空物探遥感中心 | 一种航空 γ 能谱数据融合处理方法和*** |
| CN116611026B (zh) * | 2023-05-25 | 2024-01-09 | 中国自然资源航空物探遥感中心 | 一种航空γ能谱数据融合处理方法和*** |
| CN116883852A (zh) * | 2023-08-29 | 2023-10-13 | 北京建工环境修复股份有限公司 | 一种基于高光谱的岩芯数据获取方法及*** |
| CN116883852B (zh) * | 2023-08-29 | 2024-03-08 | 北京建工环境修复股份有限公司 | 一种基于高光谱的岩芯数据获取方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2020101520A4 (en) | Method for identifying exposed and buried fault structures in granite-type uranium province | |
| CN100547438C (zh) | 一种油气勘探方法及*** | |
| CN103454693B (zh) | 一种白岗岩型铀矿勘查成矿要素遥感图谱特征识别方法 | |
| CN108171210B (zh) | 一种植被覆盖区蚀变遥感异常信息的提取方法及*** | |
| CN114386497A (zh) | 面向铀成矿构造的航空高光谱和伽玛能谱数据融合方法 | |
| Abubakar et al. | Remote sensing satellite imagery for prospecting geothermal systems in an aseismic geologic setting: Yankari Park, Nigeria | |
| CN109308451A (zh) | 一种高分数据信息提取***及方法 | |
| Salehi et al. | Mapping ultramafic complexes using airborne imaging spectroscopy and spaceborne data in Arctic regions with abundant lichen cover, a case study from the Niaqornarssuit complex in South West Greenland | |
| Briechle et al. | Detection of radioactive waste sites in the Chornobyl exclusion zone using UAV-based lidar data and multispectral imagery | |
| Mondal et al. | Comparative analysis of AVIRIS-NG and Landsat-8 OLI data for lithological mapping in parts of Sittampundi layered complex, Tamil Nadu, India | |
| CN109839356B (zh) | 基于WorldView-3卫星数据的矿化蚀变信息提取方法 | |
| Yong et al. | Site characterization using integrated imaging analysis methods on satellite data of the Islamabad, Pakistan, region | |
| Brandmeier | Remote sensing of Carhuarazo volcanic complex using ASTER imagery in Southern Peru to detect alteration zones and volcanic structures–a combined approach of image processing in ENVI and ArcGIS/ArcScene | |
| Belfiore et al. | Orthorectification and pan-sharpening of worldview-2 satellite imagery to produce high resolution coloured ortho-photos | |
| Hook et al. | An evaluation of short-wave-infrared (SWIR) data from the AVIRIS and GEOSCAN instruments for mineralogical mapping at Cuprite, Nevada | |
| Ondieki et al. | Feasibility of mapping radioactive minerals in high background radiation areas using remote sensing techniques | |
| Kim | Spectral matching using bitmap indices of spectral derivatives for the analysis of hyperspectral imagery | |
| Mahan et al. | Exploring porphyry copper deposits in the central Iran using remote sensing techniques | |
| Salehi et al. | Mineral mapping by hyperspectral remote sensing in West Greenland using airborne, ship-based and terrestrial platforms | |
| Silván-Cárdenas et al. | Extraction of buildings footprint from lidar altimetry data with the hermite transform | |
| Seid et al. | Identification of lithology and structures in Serdo, Afar, Ethiopia using remote sensing and Gis techniques | |
| Farah et al. | Lineament mapping in the Central High Atlas using ASTER and ASTER-GDEM data,(Morocco) | |
| Wolfe et al. | Hyperspectral analytics in ENVI | |
| Arifin et al. | Geological lineament assessment from passive and active remote sensing imageries | |
| MOHAMMADY et al. | Role of smile correction in mineral detection on hyperion data |
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 |