高光谱数据挖掘在蚀变矿物识别与提取中的应用

略叙了当前国内外高光谱遥感技术在矿物识别中的应用现状,基于岩石矿物晶体场理论、离子与矿物的光谱识别规则,采用诊断性吸收特征谱带、空间数据挖掘理论、遥感信息建模等技术开展蚀变矿勃识别与提取研究。针对具体的操作步骤建立了相关流程图,为以后的岩矿遥感提取工作建立了初步理论依据。     

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。     

基于多光谱差分植被抑制法的蚀变信息提取

遥感蚀变信息提取以岩矿裸露或低植被覆盖区为主,高植被覆盖区蚀变信息提取一直是一个难题。以Sentinel-2为代表的多光谱卫星数据具有大幅宽、空间分辨率和光谱分辨率都较高等特点,但尚未被应用于高植被覆盖区蚀变信息提取。因此,本文根据植被和矿物光谱特征差异,结合Sentinel-2多光谱传感器波段设置的特点,选取波段组合进行差分处理,提出了多光谱差分植被抑制法(Multi-spectral Differential Vegetation Suppression,MDVS)。分析结果表明,MDVS可以有效去除浓密植被影响,与主成分变换配合使用,在散点图中准确圈定出羟基和铁染蚀变信息。本研究为实现大范围高植被覆盖区蚀变矿物分布信息提取奠定基础,对于遥感找矿技术的应用和推广具有重要意义。     

露天铁矿无人机光谱探测方法试验研究

露天采场矿体区域精准圈定对矿山采矿、配矿、生产规划等工作至关重要。传统的矿岩识别方法存在工 作量大、效率低、周期长等缺陷,已成为实现经济、合理、高效开采的瓶颈问题。随着现代信息技术、人工智能、大数据 等技术的不断涌现和快速发展,矿岩智能感知技术已成为现代智能矿山建设亟需突破的技术。以鞍钢集团下属哑巴 岭露天采场为研究区,航拍采集区内的无人机高光谱影像,应用混合像元分解技术,对露天采场中的矿岩识别与自动 提取方法进行了研究。结果表明：基于无人机高光谱技术的露天铁矿圈定技术可对铁矿体进行有效圈定,与现有的室 内化验圈定的矿体面积相比,二者相差为8.10%,达到了较好的效果,且该方法具有智能化、成本低、效率高的优点,未 来具有可代替传统矿岩调查方法的潜力,为露天矿采场矿岩自动识别与智能感知提供了新的方法。     

武夷德化-尤溪-永泰矿集区遥感解译与光谱特征分析

德化-尤溪-永泰矿集区位于武夷山成矿带南端,已发现多处与火山-次火山作用有关的热液型矿床。本次研究通过遥感影像解译来分析矿集区内断裂、火山机构等构造特征,通过遥感蚀变信息、岩矿光谱特征研究和蚀变矿物填图,提取矿集区主要蚀变矿物信息,探索蚀变矿物组合及分布特征。遥感影像解译表明,本区以NE向断裂带为主,为矿区火成岩喷溢和矿液上升提供了通道,控制着矿脉和岩脉的产出。遥感蚀变信息提取揭示,矿集区羟基和铁染蚀变具有分布规律性,主要分布在西部沿NE向断裂走向蚀变区、中部环绕雷潭－安村火山机构的蚀变区和东北部环绕和顺火山机构的蚀变区,对矿体分布具有一定的指示意义。岩矿光谱识别表明,矿集区主要蚀变矿物类型有蒙脱石、伊利石、多硅白云母、绿泥石、硬石膏等。在此基础上,进一步构建了邱村金矿蚀变分带模型,伊利石+多硅白云母的蚀变组合位于主矿体附近,而蒙脱石+硬石膏的蚀变组合则位于主矿体边缘,对于区域找矿方向具有指示意义。     

煤岩界面的高光谱识别原理

为研究以物性成分为辨识依据的煤岩高光谱识别技术,对来自我国不同煤矿生产线的煤岩试样在350~2 500 nm波段范围进行了反射光谱的采集。通过分析代表性样品的光谱反射率曲线,得出了煤岩的主要吸收谱带,发现了岩在2 200 nm附近表现为强吸收,而煤在此波长点附近吸收不明显,原因为岩中含Al-OH振动结构的矿物含量较高,而煤中此类矿物含量较低。以此2 200 nm附近煤岩吸收差异性为煤岩识别的基本原理,通过初步预处理和包络线去除预处理的方法,在全波段和2 150~2 250 nm吸收谷特征谱带,采用了4种识别算法模型,对训练集光谱数据进行训练,预测测试集光谱类型。测试集试样类型总体识别精度达到90%左右,且具有较好的一致性,识别速度达到毫秒级,实时性好,这些原理和识别方法为实际工程应用提供了参考。     

融合主成分分析与光谱角匹配的 金铜矿遥感探测方法

针对金铜矿高光谱遥感探测中存在的数据量大、数据处理繁琐等问题,融合主成分分析与光谱角匹配方法,提出了一种金铜矿遥感探测方法。该方法首先采用主成分分析法对金铜矿高光谱遥感数据进行降维处理,然后利用光谱角匹配法对目标光谱进行匹配,从而实现对金铜矿进行遥感探测的目的。在福建紫金山金铜矿区进行实地取样,进行可见光-近红外光谱测试分析,采用所提方法对高光谱遥感数据进行处理,并对样品进行了金、铜矿及围岩识别试验。结果表明：所提方法能够有效简化金铜矿遥感高光谱数据处理流程,使得实测遥感光谱原始数据从973个波段简化为6个主成分,利用该6个主成分进行光谱角匹配时,大大简化了计算过程,且光谱信息损失较少,岩（矿）样品识别成功率达到了74%,表明该方法在金铜矿高光谱遥感探测方面有一定的适用性。     

振动光谱对四川平武锡石的矿物学特征研究

研究矿物的振动光谱特征并结合矿物的主量和微量化学成分及晶体晶胞参数特征会更有效地了解晶体结构、颜色等矿物特征[1],因此通过镜下观察和采用X射线衍射、红外光谱、扫描电镜、拉曼光谱等大型仪器,分析了四川平武锡石的主要构成成分与晶体结构;影响颜色、环带和造成金刚光泽的主要因素;锡石中汽液包体的成分等,从而全面了解四川平武锡石的矿物学和宝石学特征。     

基于快速定点学习算法的高光谱遥感数据混合像元盲分离

由于成像光谱仪的数据获取方式,致使高光谱遥感数据中普遍出现混合像元现象,针对如何解决高光谱遥感数据混合像元盲分离问题,提出了一种采用估计虚拟维数算法、快速定点学习算法相结合的解决办法。以提取实验区蚀变矿物为研究目标,采用模拟星载高光谱遥感数据,利用HFC+FastICA的方法进行矿物提取,并采用提取端元均方误差来衡量信息提取精度。实验结果表明:该方法无需光谱先验信息就可以进行混合像元分解,矿物信息提取误差控制在较小范围,混合像元盲分离效果较好,同时,该方法还可以在其他地物类型的提取中进一步研究应用。     

颗粒度对高品位赤铁矿可见光—近红外光谱的影响研究

岩矿的反射光谱是进行岩矿分类与定量分析的重要依据,而颗粒度是影响光谱反射率的关键因素之 一,探究不同颗粒度对岩矿反射光谱的影响至关重要。 为了揭示颗粒度对赤铁矿反射光谱的影响规律,以巴西高品 位赤铁矿为研究对象,利用 SVC HR-1024 光谱仪对不同颗粒度的样品进行可见光—近红外光谱测试,分析了赤铁矿 样品的光谱反射率随着颗粒度的变化规律。 研究表明:0. 07 ~ 3. 00 mm 颗粒度范围内赤铁矿样品的光谱反射率随着 颗粒度变化较小,且无明显规律;颗粒度为 0. 04~ 0. 07 mm 时,颗粒度对于光谱的影响主要体现在 1 000 ~ 2 500 nm 范 围的近红外波段,颗粒度与反射率呈负相关关系;当颗粒度<0. 04 mm 时,样品光谱反射率发生突然性升高,在红光波 段(620~ 760 nm)的反射峰突显,使得样品呈现明显的砖红色,同时在 850 ~ 1 200 nm 波段。 光谱曲线出现陡边,反射 率增加加快。 试验结果很好地解释了赤铁矿在块状呈现钢灰色而在粉末状呈现红色的原因,同时也为提高铁矿遥感 分类和定量反演精度提供了参考。     

耦合高光谱数据的多源遥感影像铁尾矿信息提取研究

尾矿是矿产资源采选过程中的主要废弃物。大量的尾矿堆存对地下水和周围环境造成很大影响,如何准确快速地获取尾矿的分布情况是进行污染源风险预测与评价的首要问题。本研究选用多源遥感影像数据,以河北省唐山市滦县司家营尾矿库为研究对象,利用研究区尾砂的实测高光谱数据,对多源数据进行预处理和波段重采样等操作,利用实测尾砂的波谱通过波谱角匹配法（SAM）分类填图识别尾矿库的位置,并利用波谱分析工具对比分析尾矿库识别的准确度。结果表明, Landsat8 OLI影像内尾矿库的匹配分值为0.886,珠海一号影像内尾矿库的匹配得分为0.890,可见利用实测高光谱数据结合多源遥感数据进行波谱匹配在识别尾矿方面具有一定的可行性。     

基于端元提取的高光谱影像特定目标识别

高光谱遥感影像中特定目标的识别与提取实际上是从背景图像中有效提取所需目标的过程。“纯净”波谱终端单元（端元,Endmember）选择的结果能有效地描述只含有单一纯粹物质的像元点。高光谱处理技术能够基于真实的物理模型进行波谱提取、比较分析、识别目标。结合AVIRIS高光谱影像实例,分析了高光谱遥感影像n维空间里的单形体理论,运用影像灰度值定标可为反射率、最小噪声分离（MNF）、纯净像元指数（PPI）、终端单元选择、n维散度分析、波谱角度度制图（SAM）等高光谱数据处理技术实现对特定目标的识别与提取。     

遥感和光谱地质进展及其对矿产勘查的实践应用

矿产资源作为一种有限性资源,一直以来就备受关注,尤其是随着矿产勘查技术的不断提高以及对矿产需求量的不断增加,寻求各种有效的矿产勘查手段显得及为重要。遥感技术作为一种重要的技术,在对矿产勘查中得到了有效的应用。该文主要针对遥感和光谱地质进展及其对矿产勘查的实践应用展开分析。     

重金属铜污染土壤光谱特性研究

近年来,重金属对土壤、植物的污染倍受人类的关注。因此,如何快速、准确、实时、大面积地监测重金属污染土壤和污染植物的研究迫在眉睫。首先通过实验的方法系统分析了不同程度重金属铜污染下土壤的光谱特性,并对各光谱数据进行显著性检验,方差分析结果表明利用高光谱直接对铜污染土壤进行监测是不可行的。     

基于IDL的尾矿识别系统开发与应用

论述了基于IDL语言开发的“高光谱尾矿识别与分布系统”的关键技术（光谱特征分析、图像掩膜、尾矿识别与分布）、系统流程和构架设计,详细讨论了面向行业应用的系统设计思路。以高光谱遥感尾矿信息识别与圈定为目标,分为遥感影像光谱特征分析、遥感影像掩膜处理、尾矿识别和尾矿分布等4个功能模块,并在赣东北地区的德兴铜矿尾矿区进行实验,得到了实验区尾矿分布图,并与实际尾矿区分布图进行对比,证明了软件的可操作性和实用性。同时,对存在的问题进行了探讨。     

遥感异常提取的机理研究与成控矿相关性分析—以青海祁漫塔格成矿带为例

基于遥感影像的蚀变信息提取与矿床自身的成控矿因素研究一直处于比较孤立的两个方面,遥感异常提取与矿床交代蚀变之间的关系也尚未在理论上有过系统探讨.通过梳理青海祁漫塔格成矿带内发现的矿化线索和蚀变矿物种类,分析蚀变矿物波谱诊断特征与多源遥感数据波段的对应关系,厘清了研究区内主要蚀变矿物、矿床成因类型、矿床类型、遥感数据选择之间的联系;基于该研究区遥感数据建立了交代蚀变提取的地学和物理模型;在遥感异常信息展布特征与矿床类型、地层、构造和岩性的分析基础上圈定了遥感异常包,完善了遥感异常信息与成控矿相关性分析方法.本研究对于区域二维成矿预测具有重要意义.     

基于优化N-FINDR算法的高光谱遥感影像矿物识别

为了提高矿物识别的精度,利用高光谱遥感数据,运用线性光谱混合模型（LSMM）和优化的N-FINDR算法对Cuprite地区的AVIRIS和HYMAP数据进行端元提取,并进行矿物精细分类识别。实验表明：线性光谱混合模型易于操作,优化的端元提取算法优于传统交互式端元提取,可用于矿物成分的精细识别。     

Using sUAS for the Development and Validation of Surface Water Quality Models in Optically Deep Mine Waters

This study demonstrated novel remote monitoring techniques for mining-impacted surface waters using spectral data from two different platforms (multispectral sUAS and handheld hyperspectral sensors) and the feasibility of using sUAS-derived multispectral imagery to estimate in-situ metal concentrations in two passive mine drainage treatment systems. Strong linear relationships (e.g. R²_adj.?>?0.74) were found between multispectral reflectance and various in-situ constituent concentrations (e.g. Fe, Li, Mn, Pb, and Zn). Developed ordinary least squares (OLS) models estimated mean metal concentrations within 1% of the observed value and a 70% confidence interval. Validation at a separate site treating waters of a different geologic origin allowed us to assess the models’ site-specificity. Validation of some models was not possible within this study’s statistical constraints (e.g.?±?25% of the observed in-situ value). However, two models were validated and when the linear relationships were examined with site-specific spectra (i.e. sUAS-derived multispectral imagery), significant improvements to the models were observed. Employing hyperspectral remote sensing techniques yielded a novel identification procedure for optically shallow waters. This exponential relationship (e.g. R²?=?0.73) evaluates the feasibility of using remote sensing technologies to assess water quality before any model development efforts. A tool capable of identifying remote sensing interferences will be crucial for the future of environmental remote sensing. Using sUAS to estimate in-situ water quality provides a new way to monitor passive mine water treatment systems, potentially advancing the efficiency and cost-effectiveness of monitoring and altering traditional environmental remote sensing strategies.