機載高光譜成像在礦產勘查和土壤調查的應用
發布時間:2024-08-23
瀏覽次數:217
機載成像光譜測量系統在生態、農作物和植被的精細分類、城市地物甚至建筑材料的分類和識別方面都有很好的應用效果。本文簡單介紹了礦產勘查和土壤調查上的應用。
機載成像光譜測量系統在生態、農作物和植被的精細分類、城市地物甚至建筑材料的分類和識別方面都有很好的應用效果。本文簡單介紹了礦產勘查和土壤調查上的應用。
?
礦產勘查
主要是開展礦物填圖和找礦預測,機載高光譜遙感數據的主要優勢在于空間分辨率、光譜分辨率以及信噪比均較星載數據高,但是機載高光譜遙感數據的成本也非常高,而且數據獲取受空域、天氣的影響非常大。趙英俊等人利用機載高光譜遙感礦物識別與填圖技術,2011年在甘肅方山口地區提取出了赤鐵礦/褐鐵礦、黃鉀鐵釩、菱鐵礦、方解石、白云石、芒硝、蛇紋石、綠泥石、富鋁絹云母、中鋁絹云母、貧鋁絹云母共11種礦物,實地驗證表明提取的礦物信息平均正確率均高于85%。
大量研究資料顯示,機載成像高光譜遙感的礦產勘查應用主要針對熱液型多金屬礦床。這些礦床類型在地表有大量的含羥基礦物(熱液粘土、硫酸鹽、層狀硅酸鹽,鐵的氧化物,碳酸鹽等),這些礦物在可見-近紅外波譜范圍內顯示了豐富的光譜響應特征。其中
利用機載成像高光譜遙感研究低和高硫化淺成低溫熱液型金礦系統取得了良好效果(Crosta etal.,1998;Kruse et al.,2006;Chen et al,2007;Rowan et al.,2000;Bediniet al.,2009;van der Meer,2006;劉德長,趙英俊,等,2015;閆柏琨等,2016)。高光譜礦產勘査應用研究需要綜合了熱液斷裂構造解譯和分析、典型礦床礦物分布特征剖析等結果,建立了不同礦床類型的高光譜找礦模型。葉發旺等開展了鈾礦的機載成像光譜數據的找礦模型研究,建立了鈾礦的蝕變礦物組合和光譜特征。劉德長等在甘肅柳園地區開展了基于機載成像光譜數據的熱液斷裂構造解譯和分析技術,針對柳園地區的金礦的地質環境背景,
結合熱液斷裂構造分析,厘定了該區域的熱液活動構造(劉德長,2015),此外還根據機載成像光譜數據提取的礦物信息,提取了油氣區活動構造信息。秦凱、陳建平、趙英俊等基于蝕變礦物和影像信息開展了阿爾金地區熱液斷裂構造解譯,首先進行斷裂構造初步解譯,確定了區域構造格架,然后基于高光譜蝕變礦物信息建立了調查區熱液斷裂構造格架。
?
土壤調查
傳統土壤信息獲取是利用地面土壤取樣和實驗室化學分析,周期長、成本高、過程復雜、實時性差。受野外調查成本和實際分析樣本數量的限制,很難進行大范圍土壤信息的重復調查。土壤機載光學遙感在20世紀20年代就出現。1969年,Macdonald等(1971)利用機載成像雷達進行土壤濕度監測試驗。隨著1972年世界第一顆資源衛星發射成功,衛星遙感開始用于大面積土壤調查。進入21世紀,無人機遙感(Unmanned Aerial Vehicle,UAV)技術快速發展,已應用于田間尺度的高分辨率土壤調查與制圖。遙感信息被廣泛地應用于土壤有機碳、土壤水分、土壤礦物質等關鍵屬性的預測與制圖(Grunwald et al,2015)。土壤有機碳、土壤礦物、土壤質地、碳酸鹽等,在可見一近紅外特定波段有特征波譜,可通過獲取裸土遙感數據的光譜信息直接進行反演(Mulderet al,2011),這些研究大部分是在小尺度區域內的裸土上進行(Kruse et al,2003;Gomez et al,2008)。,近年來還探索了一些新的數據處理方法用于消除植被覆蓋的影響,特別是利用殘余土壤光譜(Bartholomeus et al,2011)、盲源分離法(Ouerghemmiet al,2011)以及非負矩陣分解法(Liu,Pan,Shi,et al,2015)等混合光譜分解算法,分離出土壤光譜再用于土壤屬性預測,提高了預測精度,這種新的技術路線將有利于開展中低植被覆蓋下區域土壤屬性的預測及制圖。
?
相關產品
-
紅外光譜的發展、原理、特點、分類
紅外光譜的發展、原理、特點、分類紅外光譜的技術在各領域中的應用相繼經歷了很長時期,逐漸完善著自身技術在領域中的應用,且將低成本高性能作為發展與創新的主要方向。本..
-
近紅外光譜技術的優缺點和應用范圍
?由于近紅外光譜在光纖中良好的傳輸性,近年來也被很多發達國家廣泛應用在產業在線分析中。近紅外定量分析因其快速、正確已被列人世界谷物化學科技標準協會和美國谷物化學..
-
高光譜數據常見預處理方法有哪些?
高光譜在采集數據時會有成百上千個不同的波段數據,數據量巨大從而增加了數據處理的難度。而且在高光譜圖像采集過程中會有來自儀器與環境的干擾,獲得的光譜信號易存在噪聲..
-
高光譜成像儀光譜數據特征波長的選取方法介紹
高光譜成像儀?在對樣品進行側臉時,會采集多波段的光譜數據,全波段數據有較多的冗余信息,因此就需要采用一定的方法來選取樣本光譜的特征波段與紋理特征的重要變量。本文..