基于多光谱和高光谱数据的遥感矿化蚀变信息提取研究 ——以内蒙古红旗山地区为例

基于多光谱和高光谱数据的遥感矿化蚀变信息提取研究 ——以内蒙古红旗山地区为例

论文摘要

矿化异常作为成矿、控矿和找矿标志等综合的近矿标志,在地质矿产的前期勘查中常被作为重要信息参与靶区优选。电磁波与地表岩石、地质体发生作用,产生其特征光谱为遥感提取矿化蚀变信息提供了物理基础。随着遥感成像技术和数字图像处理技术的发展,利用遥感技术结合多源地学信息提取矿化蚀变信息正越来越多的应用到实际地质工作中。本次以植被覆盖度较低的内蒙古额济纳旗红旗山区为研究区,该区矿产资源丰富,但地质勘查工作程度低,找矿难度大,传统找矿方法难以展开。研究中分别使用ASTER多光谱数据和中国环境与灾害监测预报小卫星(以下简称环境减灾星)高光谱数据进行矿化蚀变信息提取工作,取得如下成果:1.使用FLAASH模块对区内的ASTER多光谱数据和环境减灾星高光谱数据进行大气校正,较好地消除大气影响,更为准确的从图像中获取地表反射率信息。2.分别使用HIS和小波变换法对ASTER多光谱数据和环境减灾星高光谱数据进行影像融合,得到高空间、光谱分辨率影像,HIS变换法的实际效果较好。3.使用ASTER多光谱数据对该区进行矿化蚀变信息提取。在经典crosta方法基础上,针对该区出现较多的铁染、高岭石+绢云母化和绿泥石化3组不同的蚀变矿物使用相应特征向量组合模型的主成分分析法进行蚀变信息提取,圈定了蚀变异常靶区,与实际矿体和蚀变带有较好相关性,体现了ASTER数据在提取粘土矿化信息蚀变方面的优势,证明该方法在类似地区的遥感矿化蚀变信息提取工作中的可行性。4.基于ASTER多光谱数据提取的3组矿化蚀变信息与区内围岩角岩化在空间分布上基本吻合,客观反映了实际地质情况。5.通过“沙漏”数据处理流程对环境减灾星的高光谱数据进行处理,提取铁染矿化蚀变信息,与基于ASTER多光谱数据的提取结果对比,匹配度较好,验证了该方法在处理环境减灾星的高光谱数据中的可行性。

论文目录

  • 摘要
  • Abstract
  • 第一章 引言
  • 1.1 研究背景和意义
  • 1.2 国内外研究现状
  • 1.2.1 多光谱矿化蚀变信息提取研究现状
  • 1.2.2 高光谱矿化蚀变信息提取研究现状
  • 1.3 研究内容
  • 1.4 研究思路和技术路线
  • 第二章 遥感矿化蚀变信息提取原理和方法
  • 2.1 遥感矿化蚀变信息提取基本原理
  • 2.2 遥感矿化蚀变信息提取常用方法
  • 2.2.1 波段比值
  • 2.2.2 主成分分析
  • 2.2.3 最小噪声分离变换(MNF)
  • 2.2.4 纯净像元指数(PPI)
  • 2.2.5 光谱角分类
  • 第三章 研究区概况和数据预处理
  • 3.1 研究区概况
  • 3.1.1 研究区地理位置概况
  • 3.1.2 研究区地质概况
  • 3.2 遥感数据源
  • 3.2.1 多光谱数据
  • 3.2.2 高光谱数据
  • 3.3 遥感数据预处理
  • 3.3.1 辐射定标和几何校正
  • 3.3.2 大气校正
  • 3.3.3 数据融合
  • 第四章 ASTER 数据矿化蚀变信息提取
  • 4.1 方法选取
  • 4.2 提取流程
  • 4.3 结果分析
  • 第五章 环境减灾星高光谱数据矿化蚀变信息提取
  • 5.1 方法选取
  • 5.2 提取流程
  • 5.2.1 MNF 变换
  • 5.2.2 PPI 指数计算
  • 5.2.3 N 维观察仪
  • 5.2.4 光谱角分类
  • 5.3 结果分析
  • 第六章 结论与存在问题
  • 6.1 结论
  • 6.2 存在问题
  • 致谢
  • 参考文献
  • 附录
  • 相关论文文献

    • [1].遥感图像处理软件在文物高光谱数据分析中的应用[J]. 辽宁省博物馆馆刊 2016(00)
    • [2].高光谱数据库与数据挖掘探析[J]. 电子技术与软件工程 2014(02)
    • [3].基于改进独立分量分析的高光谱数据分类研究[J]. 计算机仿真 2009(11)
    • [4].深度置信网络环境下高光谱数据降维方法仿真[J]. 计算机仿真 2019(06)
    • [5].基于本征模函数的高光谱数据特征提取方法[J]. 红外与激光工程 2013(12)
    • [6].高光谱数据非监督分类的改进独立成分分析方法[J]. 国土资源遥感 2011(02)
    • [7].基于小波分析和数学形态学相融合的高光谱数据去噪[J]. 激光杂志 2018(06)
    • [8].基于小波包变换的叶片高光谱数据的树种分类[J]. 光谱实验室 2012(05)
    • [9].红外高光谱数据鉴别技术研究[J]. 光电技术应用 2019(02)
    • [10].高分五号卫星高光谱数据岩性-构造解译初步应用评价[J]. 上海航天 2019(S2)
    • [11].基于雷达和高光谱数据的表层土壤水分反演研究[J]. 测绘学报 2017(05)
    • [12].高光谱数据分类新方法研究[J]. 计算机工程与应用 2010(10)
    • [13].分数阶微分算法对盐渍土高光谱数据的影响研究[J]. 光学学报 2016(03)
    • [14].环境减灾卫星高光谱数据在减灾中的应用研究[J]. 航天器工程 2011(06)
    • [15].基于高光谱数据的棉田虫害鉴别研究[J]. 华南农业大学学报 2019(03)
    • [16].高光谱数据三级彩色显示方法[J]. 红外与激光工程 2012(09)
    • [17].东洞庭湖湿地植被高光谱数据变换及识别[J]. 中南林业科技大学学报 2014(11)
    • [18].机载高光谱数据冰川分类方法研究——以“中习一号”冰川为例[J]. 遥感技术与应用 2013(05)
    • [19].基于场景的热红外高光谱数据光谱定标[J]. 红外与激光工程 2017(01)
    • [20].高光谱数据在“十一五”期间生态环境状况监测中的应用[J]. 干旱环境监测 2012(03)
    • [21].基于独立分量分析和相关向量机的高光谱数据分类[J]. 现代电子技术 2010(13)
    • [22].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[J]. 遥感信息 2013(02)
    • [23].一种SVM-RFE高光谱数据特征选择算法[J]. 武汉大学学报(信息科学版) 2009(07)
    • [24].基于奇异值分解的岩心高光谱数据降噪研究[J]. 现代电子技术 2016(18)
    • [25].GF-5 AHSI新疆东天山高光谱数据地质精细特征分类图[J]. 遥感学报 2020(04)
    • [26].空间一致性邻域保留嵌入的高光谱数据特征提取[J]. 红外与激光工程 2012(05)
    • [27].因子分析模型的高光谱数据降维方法[J]. 中国图象图形学报 2011(11)
    • [28].碳卫星高光谱数据CO_2柱浓度反演初步研究[J]. 三峡生态环境监测 2018(04)
    • [29].基于双图结构标签传递算法的高光谱数据分类[J]. 计算机与数字工程 2018(10)
    • [30].高光谱数据与叶绿素含量及植被指数的相关性研究进展[J]. 内蒙古民族大学学报(自然科学版) 2014(01)

    标签:;  ;  ;  ;  

    基于多光谱和高光谱数据的遥感矿化蚀变信息提取研究 ——以内蒙古红旗山地区为例
    下载Doc文档

    猜你喜欢