西澳大利亚伊尔加恩金矿遥感找矿模型

针对利用主成分分析法提取围岩矿化蚀变信息中信息量较少的问题,提出了一种基于局部约束的主成分分析方法。该方法根据已知背景知识选取矿产资源较为集中的区域,以样本区方式计算主成分变换参数,以此获取较强的围岩矿化蚀变信息增强模式,进而推广至整个研究区建立找矿模型。将本文方法应用在西澳大利亚南部伊尔加恩地块的中东部北北东向密集成束的裂谷相绿岩地层,使用ASTER数据提取了含羟基矿物蚀变(绿泥石化、绢云母化)和铁染蚀变,并在此基础上建立金矿找矿模型,划定了20个矿化蚀变异常区域,并对其分布特征、地质背景及矿产资源相关关系进行了分析与总结。最终综合分析该研究区内典型绿岩型金矿的岩性、构造及蚀变异常分布等特征,圈定了4处找矿靶区。     

基于遥感示矿信息的秘鲁阿雷基帕省南部斑岩铜矿遥感综合评价

在总结秘鲁南部地区斑岩铜矿成矿地质规律的基础上,分析了研究区控矿构造和赋矿岩层、矿化蚀变类型等成控矿地质特征;并根据研究区斑岩铜矿典型蚀变带蚀变矿物组合及其波谱特征,利用美国地质勘查局(USGS)波谱数据库,重建了斑岩铜矿典型蚀变带主要蚀变矿物在ASTER卫星数据B1～B9对应的反射率曲线,综合对比分析主要蚀变矿物的波谱曲线特征后,研发了基于ASTER数据B1467和B1348主成分分析模型,可分别提取典型蚀变带中泥化—绢英岩化类和青磐岩化蚀变矿物组合信息,并分别提取了研究区泥化—绢英岩化类和青磐岩化带蚀变矿物组合信息,为研究区斑岩型铜矿的遥感综合评价提供了重要的示矿标志;同时,采用人机交互遥感解译技术,获取了斑岩铜矿控矿构造、矿源层与赋矿岩石等示矿信息.最后,基于遥感技术获取的线性与环形控矿构造、矿源层与赋矿岩石、泥化—绢英岩化类和青磐岩化带蚀变矿物组合等遥感示矿信息,完成了研究区遥感找矿综合评价,圈定出遥感找矿有利区,经与已知斑岩铜矿床和物化探资料对比,以及高分辨卫星图像佐证,发现遥感评价结果具有很好的效果.     

埃塞俄比亚西部岩浆熔离型铁矿遥感找矿模型

为解决在地质资料匮乏的情况下发挥多源遥感数据优势开展地质找矿研究这一科学问题,以非洲埃塞俄比亚西部研究区为例,选取ASTER及ALOS PALSAR单极化雷达数据为数据源,针对研究区重点类型铁矿--岩浆熔离型铁矿建立了其遥感找矿模型,提取与成矿作用相关的蚀变、构造、岩体信息。研究基于ASTER遥感数据,通过比值、主成分方法进行蚀变信息提取研究,并基于ASTER及ALOS PALSAR单极化雷达融合数据进行控矿构造及赋矿岩体信息提取研究。最终通过综合分析,基于ArcGIS平台圈定了3处遥感找矿靶区。研究结果与1∶25万地球化学数据对比,具有很高一致性,表明遥感找矿模型能够快速、准确地进行找矿靶区预测。     

遥感直接找矿的新技术

探讨了红外细分光谱扫描成像技术和生物地球化学遥感方法进行探矿应用的理论依据、技术方法及其应用。     

浙江武义萤石矿床遥感找矿预测

在分析了武义地区构造，岩性，地球化学和现有萤石矿床蚀变类型物编制出１：５００００遥感解译地质图基础上，提出本区的萤石控矿因素及遥感找矿标志，建立遥感找矿模型。用主要成分分析方法提取与萤石矿化密切相关的硅化，高岭土化蚀变信息，用“证据权重模型”法进行区域找矿预测；找到了断裂硅化蚀变带。     

遥感线性构造特征分析与找矿预测

鉴于遥感技术的日趋成熟,遥感信息定量/半定量分析在地质找矿应用中越来越受到重视,该文在充分收集前人地质和矿产资料的基础上,以Landsat-7ETM+遥感数据为主要数据源,对吉尔吉斯斯坦与塔吉克斯坦及其我国周边地区的线性构造进行1∶100万遥感解译,对解译出的线性构造开展了密度分析、走向分析、趋势面分析等特征研究,获得了研究区断裂构造的密度特征、走向特征和构造应力场空间分布范围等构造样式信息。据此,揭示了研究区断裂构造格局的基本类型、分布特征。综合分析研究区成矿地质背景、线性构造特征、遥感蚀变异常,初步预测了6处重要矿种的成矿有利地段。     

中高分辨率遥感数据铁染信息提取及找矿预测

苍山地区铁矿资源丰富,但地表覆盖较重,在区域范围内常规方法提取蚀变信息效果差。针对此问题,结合使用ASTER与GF-1卫星影像数据,从分析典型矿物光谱吸收特性出发,综合影像色彩、波段特征等多种信息采用了"主成分分析+波段比值+假彩色合成"和"主成分分析+密度分割"2种蚀变信息提取模型。方法主要运用了主成分分析思想去除冗余数据,前者辅助波段比值及彩色合成技术突出铁染信息,后者以选取最佳阈值的方式对高分辨率数据进行密度分割,优化了提取效果。2种方法结合有效提取了铁染蚀变信息,综合提取结果与区域控矿断裂特征,圈定了4处成矿靶区。对研究区进行实地采样验证,Kappa系数分别为0.826和0.87,精度较高。该方法的实现为同类地区的找矿工作提供了有利依据。     

城市遥感影像语义模型

在快速的城市化进程中,遥感技术可以为城市土地利用变化提供直观、准确、同步的资料.在应用城市遥感影像的过程中,根据城市的社会、经济及自然环境特征,按照城市用地类型的分类建立不同功能区的模型,最终结合起来,组成整个城市的遥感影像判读应用语义模型,使在目视判读中所积累的知识应用到计算机的自动判读过程中,以提高遥感技术在城市领域的应用精度与效率.     

铜矿峪铜矿床遥感地质特征及找矿预测

在中条山铜矿峪铜矿区利用TM 数据, 通过波段比值和主成分分析再选择主分量进行合成等多种图像处理方法, 提取铜矿峪铜矿床及其周边地区的地质矿产信息, 在对含矿地层、控矿断裂和环形影像特征的综合分析的基础上, 分别对矿区外围和矿区内部进行了找矿预测, 为矿区外围扩大铜矿找矿选区提供了新的思路和遥感依据。     

基于遥感影像综合理解模型的遥感影像分类

为了改善遥感影像的分类精度,介绍了遥感影像综合理解模型,并提出了一种新的遥感影像理解模型。利用它支持图像分类,在分类过程中,相关的地理数据得到使用,且用规则表示成像和知识。经验证,该方法与传统方法相比,有效改善了分类精度,是一种好的分类方法。     

遥感─物化探技术在油气找矿中的作用

遥感─物化探技术在油气找矿中的作用王津义（地质矿产部石油地质综合大队）进入９０年代，发展新的遥感－物化探技术，研究具有快速、经济、高效益的多源找矿信息综合处理方法和技术，是世界油气勘查技术方法发展的方向之一。１９８６年以来，我们在油气勘探重点地区开展...     

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。     

区域干旱遥感监测模型研究进展

简要介绍应用遥感手段进行区域干旱监测的科学意义和应用价值,按照波段划分,将区域干旱遥感监测模型和方法归纳为热红外、可见光-近红外-热红外和微波三个部分,分析了目前的模型与方法中存在的问题和难点,应用遥感数据源反演地表参数带来误差及地面实验验证模型等需要解决的问题,最后对未来的工作和研究重点提出建议。     

秘鲁中南部奥马斯地区铜多金属遥感找矿预测研究

利用ASTER多光谱卫星数据,根据研究区内蚀变矿物的波谱特性,采用特征波段组合的主成分分析方法进行蚀变矿物组合信息提取,分别提取了绢云母、高岭石、蒙脱石、伊利石和明矾石等Al-OH类蚀变矿物组合信息,以及绿泥石、绿帘石和碳酸盐化(方解石和白云石)等青磐岩化类蚀变矿物组合信息。同时采用人机交互解译技术在研究区开展了遥感地质解译,结合区域成矿地质特征,综合分析了研究区控矿线性构造、环形构造、赋矿岩层和蚀变矿物组合等遥感示矿信息,并基于遥感示矿信息进行了综合找矿预测,圈定出遥感找矿有利区,经地面水系沉积物化探填图和高分辨卫星影像佐证,研究表明圈定的遥感找矿有利区为研究区开展地面矿产勘查工作提供重要的参考依据。     

遥感成像光谱仪在岩矿学中的应用研究

介绍成像光谱仪的技术发展和未来动向及在地质勘探、特别是在岩矿学中的应用研究等方面的内容,并用一些实例作了详细阐述。     

面向定量遥感研究的遥感模型集成平台设计与实现

介绍了遥感模型集成平台的设计思路,关键技术的实现方法。对定量遥感研究中使用的遥感模型进行集成,使用统一的框架将模型封装并发布,通过集成平台来实现多个模型的统一调用,借助集成平台内置的二次开发语言来实现模型变量的赋值,循环,判断等逻辑操作,将多个模型之间的输入输出自动关联,实现单一模型无法实现的复杂模拟,以辅助开展定量遥感研究工作。最后,在设计开发的集成平台上,开展了一组模拟实验以验证集成平台的正确性。     

基于DBN模型的遥感图像分类

遥感图像分类是地理信息系统(geographic information system, GIS)的关键技术,对城市规划与管理起到十分重要的作用.近年来,深度学习成为机器学习领域的一个新兴研究方向.深度学习采用模拟人脑多层结构的方式,对数据从低层到高层渐进地进行特征提取,从而发掘数据在时间与空间上的规律,进而提高分类的准确性.深度信念网络(deep belief network, DBN)是一种得到广泛研究与应用的深度学习模型,它结合了无监督学习和有监督学习的优点,对高维数据具有较好的分类能力.提出一种基于DBN模型的遥感图像分类方法,并利用RADARSAT-2卫星6d的极化合成孔径雷达(synthetic aperture radar, SAR)图像进行了验证.实验表明,与支持向量机(SVM)及传统的神经网络(NN)方法相比,基于DBN模型的方法可以取得更好的分类效果.