镁铁质―超镁铁质岩全谱段遥感识别模型

镁铁质―超镁铁质岩的遥感岩性识别研究一直是遥感岩石学领域的热点之一,其岩石信息对于岩浆型铜镍硫化物矿床的预测十分重要。提出一种综合利用Landsat 8、ASTER和PALSAR-2数据的镁铁质―超镁铁质岩石全谱段遥感识别模型：通过对野外采集岩石样品及光谱库中相关岩石矿物的可见光―热红外谱域的光谱测试与特性分析,结合岩石表面微波散射特性,应用特征空间,贝叶斯线性判别分析、逐步偏最小二乘回归分析等方法,创建镁铁质―超镁铁质岩性指数,并利用提出的岩性指数进行镁铁质―超镁铁质岩的初步提取,再经过基于贝叶斯决策理论的融合处理得到最终的镁铁质―超镁铁质岩石信息。结果表明:该模型能够对镁铁质―超镁铁质岩进行精准定位,识别精度达到94%以上。此外,根据遥感岩性、构造特征的解译与区内已知铜镍硫化物矿床的成矿岩体比较,推断出位于赤石山―小长山―中坡山一带以及小青山附近岩体具有一定的成矿潜力。     

镁铁质―超镁铁质岩全谱段遥感识别模型

镁铁质―超镁铁质岩的遥感岩性识别研究一直是遥感岩石学领域的热点之一,其岩石信息对于岩浆型铜镍硫化物矿床的预测十分重要。提出一种综合利用Landsat 8、ASTER和PALSAR-2数据的镁铁质―超镁铁质岩石全谱段遥感识别模型:通过对野外采集岩石样品及光谱库中相关岩石矿物的可见光―热红外谱域的光谱测试与特性分析,结合岩石表面微波散射特性,应用特征空间,贝叶斯线性判别分析、逐步偏最小二乘回归分析等方法,创建镁铁质―超镁铁质岩性指数,并利用提出的岩性指数进行镁铁质―超镁铁质岩的初步提取,再经过基于贝叶斯决策理论的融合处理得到最终的镁铁质―超镁铁质岩石信息。结果表明:该模型能够对镁铁质―超镁铁质岩进行精准定位,识别精度达到94%以上。此外,根据遥感岩性、构造特征的解译与区内已知铜镍硫化物矿床的成矿岩体比较,推断出位于赤石山―小长山―中坡山一带以及小青山附近岩体具有一定的成矿潜力。     

甘肃北山辉铜山地区镁铁岩体遥感识别方法研究

ASTER(先进星载热发射和反射辐射仪)已被广泛应用于岩性识别研究中,但在国内综合采用多种方法增强并识别镁铁-超镁铁岩体信息的研究较少。以甘肃北山辉铜山地区为研究区,综合应用比值法、最小噪声分离和镁铁岩指数等方法处理研究区ASTER数据,以突出辉铜山地区镁铁-超镁铁岩信息。将处理结果与地质图对比、综合分析,圈定了11处疑似辉长岩体,对其中9处进行野外验证,全部与遥感分析结果吻合,证明了结果的有效性。该方法可以应用于西部地区镁铁-超镁铁岩体识别工作中。     

基于ETM+和CBERS数据的甘肃北山音凹峡地区镁铁超镁铁岩体识别

镁铁-超镁铁质小岩体易被地质填图遗漏,严重制约了该类型矿化的发现。以甘肃北山音凹峡地区为研究区,首先利用比值法、最小噪声分离法处理ETM+数据增强镁铁-超镁铁质岩体;对于规模较小的小岩体,采用ETM+和中巴资源卫星02B HR数据进行分辨率融合后进行解译、识别。通过将上述3种方法处理结果综合分析后共解译出6处镁铁-超镁铁岩体集中区。经野外检查,6处区域均与遥感分析结果吻合,证实了方法的有效性。该方法可以为西部地区地质填图和镁铁-超镁铁岩相关矿产资源勘查提供借鉴。     

光谱遥感岩矿识别基础与技术研究进展

遥感技术的发展与地物光谱特征的研究密不可分。主要从光谱遥感发展与地质应用的趋势出发,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。对于遥感岩矿的识别基础,主要阐述物谱关联和物理模型研究的技术方法与进展以及其对遥感地质应用的促进与深化。在技术方法方面,主要从多光谱与成像光谱两个层次上,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。强调了岩石矿物光谱特征在遥感岩矿识别与地质成因信息提取中的重要性。     

基于国产卫星数据的遥感找矿预测———以青海省柴北缘地区为例

针对国产卫星数据进行遥感蚀变矿物信息提取存在较大困难这一问题,以青海省柴北缘地区为例,对基于国产卫星数据的铁染蚀变信息提取及其在找矿预测中的应用进行了研究。在了解青海省柴北缘地区地质背景和主要控矿因素的基础上,开展了国产卫星数据在地质矿产信息提取过程中的应用研究。通过各类地质体的影像特征分析,实现了由宏观解译到微观解释,表明国产卫星数据不仅能够细分岩性-构造层,并具有识别细微的与成矿作用相关的岩性、破碎蚀变带、小的岩体或岩脉的能力。根据国产卫星的多光谱波段设置,利用比值法和主成分分析方法提取了铁质矿物异常信息。在岩性、构造、成控矿要素解译的基础上,结合同步提取的遥感异常进行成矿与控矿信息筛选,并叠加多种地学信息进行成矿预测。经实地验证,发现基于国产卫星数据获取的遥感示矿信息与区内矿化现象十分吻合,表明所圈定的遥感找矿远景区具有重要的找矿应用价值。     

基于国产卫星数据的遥感找矿预测——以青海省柴北缘地区为例

针对国产卫星数据进行遥感蚀变矿物信息提取存在较大困难这一问题,以青海省柴北缘地区为例,对基于国产卫星数据的铁染蚀变信息提取及其在找矿预测中的应用进行了研究。在了解青海省柴北缘地区地质背景和主要控矿因素的基础上,开展了国产卫星数据在地质矿产信息提取过程中的应用研究。通过各类地质体的影像特征分析,实现了由宏观解译到微观解释,表明国产卫星数据不仅能够细分岩性-构造层,并具有识别细微的与成矿作用相关的岩性、破碎蚀变带、小的岩体或岩脉的能力。根据国产卫星的多光谱波段设置,利用比值法和主成分分析方法提取了铁质矿物异常信息。在岩性、构造、成控矿要素解译的基础上,结合同步提取的遥感异常进行成矿与控矿信息筛选,并叠加多种地学信息进行成矿预测。经实地验证,发现基于国产卫星数据获取的遥感示矿信息与区内矿化现象十分吻合,表明所圈定的遥感找矿远景区具有重要的找矿应用价值。     

利用热红外多光谱遥感技术提取和识别岩石、矿物信息

利用热红外多光谱遥感技术提取和识别岩石、矿物信息，是近年来遥感地质研究中的热点之一。在介绍岩石、矿物的热红外发射特性的基础上，着重阐述了热红外多光谱遥感技术在提取和识别岩石、矿物信息方面的应用，并对这一研究领域今后的发展方向提出了展望。     

利用提升树模型综合Gabor和LPQ特征进行遥感地物识别

为充分融合高光谱遥感图像空间域和频率域的特征信息,提出了一种综合多尺度Gabor和LPQ特征的空谱融合遥感地物识别模型（Ms_GLPQ）。首先,在空间域上利用Gabor滤波器组,提取出遥感图像各类地物多尺度、多方向的空间邻域特征信息,以描述图像的边缘和纹理等空间结构信息;其次,在频率域上将局部相位量化（Local Phase Quantization,LPQ）算子应用于高光谱遥感图像,提取出高光谱图像的多尺度频域纹理特征,获得图像的相位不变特征描述;然后针对其中特征冗余的问题采用主成分分析（PCA）算法进行降维,再将空间域、频率域的特征进行特征融合,获得了能充分描述图像信息的特征向量;最后采用基于提升树的机器学习分类器（XGBoost、CatBoost等）进行识别。在Indian Pines、Salinas和茶树等高光谱遥感数据集上进行学习与分类测试,准确率分别为85.88%、94.42%和92.61%。实验结果表明：与传统方法相比,Ms_GLPQ模型能够提取小比例样本图像中的有效特征,取得了区分性更强的多特征区域描述子,且在采用提升树模型进行分类时效果更优,得到了比常用分类器更高的识别精度。     

高光谱图像空谱特征提取综述

由于高光谱图像包含了丰富的光谱、空间和辐射信息，且具有光谱接近连续、图谱合一的特性，可用于地质勘探、精细农业、生态环境、城市遥感以及军事目标检测等领域的目标精准分类与识别。对高光谱图像进行空谱特征提取是遥感领域的研究热点和前沿课题之一。传统空谱特征提取方法对高光谱图像分类的计算量和样本需求小、理论可解释性好、抗噪声能力强，但应用于分类的精度受限于特征来源；基于深度学习的高光谱图像空谱特征提取方法虽然计算量和样本需求大，但是由于深层空谱特征的表达能力更好，可以大幅度提高分类器的性能。为了便于对高光谱图像空谱特征提取领域进行更深入有效的探索，本文系统综述了相关研究进展。首先，概述了空间纹理与形态学特征提取、空间邻域信息获取及空间信息后处理等传统高光谱空谱特征提取方法的原理，对大量的已有工作进行了梳理、分析与总结。然后，从深度空谱特征提取角度出发，介绍了当前流行的卷积神经网络、图卷积神经网络及跨场景多源数据模型的结构特点及研究进展，分析、评价了基于深度学习的网络模型对高光谱图像空谱特征提取的优势及问题所在。最后，对该研究领域的未来相关发展提出建议并进行了展望。     

Extraction of Alteration Information and Establishment of Prospecting Model for Porphyry Copper\|gold Deposits in Luzon

In order to build the remote sensing prospecting model for porphyry copper\|gold deposits and delineated prospecting target area in the porphyry copper\|gold deposits strategic area of Cordillera Central in Luzon (Philippines),the geological background of the porphyry copper\|gold deposits and the spectral characteristics of the main altered minerals are analyzed in detail,and the mineralizing alteration information is extracted from ASTER remote sensing data using the Crosta technique.To increase the proportion of weak alteration information which is hard to extract,a principal component analysis (PCA)approach based on object’s character was proposed in this paper.The principle of this approach is that calculating the feature vector based on the specific alteration mineral and applying them in the whole study area in PCA,which can enhance the weak alteration information in a directed way and avoid the strong background information and noises.On the basis of the approach iron dye,argillization and propylitization alteration information are extracted precisely.After consider the ore\|controlling structure,rock mass and alteration information comprehensively,A remote sensing geological prospecting model of porphyry copper\|gold deposits in the study area is established and finally 6 preferable ore\|finding area are delineated.     

改进U-Net型网络的遥感图像道路提取

目的 遥感图像道路提取在城市规划、交通管理、车辆导航和地图更新等领域中发挥了重要作用,但遥感图像受光照、噪声和遮挡等因素以及识别过程中大量相似的非道路目标干扰,导致提取高质量的遥感图像道路有很大难度。为此,提出一种结合上下文信息和注意力机制的U-Net型道路分割网络。方法 使用Resnet-34预训练网络作为编码器实现特征提取,通过上下文信息提取模块对图像的上下文信息进行整合,确保对道路的几何拓扑结构特征的提取;使用注意力机制对跳跃连接传递的特征进行权重调整,提升网络对于道路边缘区域的分割效果。结果 在公共数据集Deep Globe道路提取数据集上对模型进行测试,召回率和交并比指标分别达到0.847 2和0.691 5。与主流方法U-Net和CE-Net（context encoder network）等进行比较,实验结果表明本文方法在性能上表现良好,能有效提高道路分割的精确度。结论 本文针对遥感图像道路提取中道路结构不完整和道路边缘区域不清晰问题,提出一种结合上下文信息和注意力机制的遥感道路提取模型。实验结果表明该网络在遥感图像道路提取上达到良好效果,具有较高的研究和应用价值。     

基于光谱和时相特征的夏玉米遥感识别

精确提取作物种植面积一直是农业遥感关注的主要问题之一。综合运用低分辨率的时相变化特征和中分辨率的光谱特征,提出一种夏玉米识别方法。首先基于MODIS NDVI时间序列曲线,分析夏玉米在时相变化上的识别特征,构建识别模型。夏玉米纯像元利用识别模型识别,而耕地和非耕地类型的植被产生的混合像元,则基于像元分解办法获取耕地组分的NDVI时序特征,再利用识别模型判定,然后结合土地利用数据根据空间关系得到中分辨率结果;玉米与其他作物的混合像元则利用中分辨率尺度光谱差异加以区分。研究结果表明,在伊洛河流域主要农业区,识别精度达到90.33%,为作物类型识别提供了新的思路。     

基于同态系统滤波的高分辨率遥感图像河流信息提取

为了解决在高分辨率遥感图像中易受同物异谱现象影响而导致河流信息提取不完整问题,依据河流区域在遥感图像中具有特定频率纹理信息这一特点,提出一种基于同态系统滤波的高分辨率遥感图像河流信息提取方法。该算法通过对遥感图像的频谱分析,确定河流信息在频域中的特征标识,采用一维剖面线加窗短时分析河流定位技术实现了全自动、快速全幅遥感图像河流定位和宽度估计,在同态系统下设计了低通滤波器实现对低频河流信息的提取。该算法采用"高分一号"遥感影像作为实验数据来源,相对于传统利用光谱信息的提取方法具有较高的提取精度,Kappa系数达0.85以上,并且实现全自动提取。实验结果表明所提算法能够快速、有效地提取复杂地貌区域内的河流信息。     

Deep feature learning versus shallow feature learning systems for joint use of airborne thermal hyperspectral and visible remote sensing data

Recently, the development of various remote sensing sensors has provided more reliable information and data for identification of different ground classes. Accordingly, multisensory fusion techniques are applied to enhance the process of information extraction from complementary airborne and spaceborne remote sensing data. Most of previous research in the literature has focused on the extraction of shallow features from a specific sensor and on classification of the resulted feature space using decision fusion systems. In recent years, Deep Learning (DL) algorithms have drawn a lot of attention in the machine learning area and have had different remote sensing applications, especially on data fusion. This study presents two different feature-learning strategies for the fusion of hyperspectral thermal infrared (HTIR) and visible remote sensing data. First, a Deep Convolutional Neural Network (DCNN)-Support Vector Machine (SVM) was utilized on the features of two datasets to provide the class labels. To validate the results with other learning strategies, a shallow feature model was used, as well. This model was based on feature fusion and decision fusion that classified and fused the two datasets. A co-registered thermal infrared hyperspectral (HTIR) and Fine Resolution Visible (Vis) RGB imagery was available from Quebec of Canada to examine the effectiveness of the proposed method. Experimental results showed that, except for the computational time, the proposed deep learning model outperformed shallow feature-based strategies in the classification performance that was based on its accuracy.     

基于视觉注意机制的大范围水体信息遥感智能提取

建立契合遥感数据内在特征的智能信息分析模型与方法,是解决遥感大数据时代信息智能提取的关键所在。从普适性的大范围水体信息遥感智能采集的需求出发,构建一种基于视觉选择性注意机制与AdaBoost算法的水体信息遥感智能提取方法。首先通过对遥感多特征指数的RGB配色方案的优化设计,实现水体信息图像特征的增强和可视化表达。然后在HSV颜色空间中,利用色差距离图像的关键节点信息构造分类特征集,并采用AdaBoost算法构建水体识别分类器,据此从图像色彩聚类结果中自动识别出水体所属类别,实现水体信息的智能提取。对比实验结果表明,该方法的水体信息提取结果在漏分率（LR）和复合分类精度（CCA）上都有明显提高;同时,该方法能有效减少对高质量训练样本的依赖性,对于丰水期泥沙含量较高水体以及洪灾导致的淹没区等临时性水域也具有较好的识别性能。     

利用Deeplab v3提取高分辨率遥感影像道路

针对传统道路提取方法存在的道路边缘粗糙、抗干扰性弱、提取精度低等问题,提出了一种基于编码解码器的空洞卷积模型(Deeplab v3)的道路提取方法。首先,对原始高分辨率遥感影像进行标注;其次,利用标注数据集对Deeplab v3模型进行训练、测试;最后,得到高分辨率遥感影像道路提取结果。分析结果可知,该模型能够较好地提取高分辨率遥感影像中的道路边缘特征,相比其他道路提取方法具有更高的提取精度和更加完整的道路信息,正确率可达到93%以上。     

MAIS imaging spectrometer data analysis for Ni-Cu prospecting in ultramafic rocks of the Jinchuan group,China

The Jinchuan intrusion, situated in the Gansu province of China some 30 km NE of Yongcang city is an ultramafic dyke-like body emplaced in the Longshoushan uplifted terrain on the southwest margin of the Sino-Korea platform. The intrusion is 6 km long, 35 m wide and hosts a major Ni-Cu sulfide deposit. The main stratigraphic units include the highly metamorphosed Lower Proterozoic Longshoushan group and the less extensively metamorphosed Dongzigou and Hanmushan groups of Middle and Upper Proterozoic age. The Longshoushan group consists of serpentine marble, schist, gneiss and plagioclase amphibolite. The Dongzigou group comprises schists and granitic rocks. The Hanmushan group basically is represented by a large variety of volcanics. Small mafic-ultramafic intrusions are located along faults in the Jinchuan terrain. These ultramafic rock bodies show a concentric zoning with a core of dunites and olivine pyroxenites forming the margins of the bodies. Hydrothermal alteration (mainly serpentinization) has affected the rocks of the ultramafic bodies to a variable extent; the dunites are extensively altered whereas the pyroxene rich units are relatively fresh. Field spectroscopy is used to spectrally characterize the major rock units. Imaging spectrometer data was flown during the end of July until beginning of August of 1993 with a Chinese imaging spectrometer instrument called MAIS: the Modular Airborne Imaging Spectrometer. Feature characterization permits lithologic mapping from MAIS data. This aids in mineral potential mapping in the Jinchuan region and permits the identification of areas of possible Ni-Cu deposits.