高光譜礦物識別與礦物填圖的技術體系和工作方法
發布時間:2024-05-16
瀏覽次數:533
礦物識別限是指高光譜所能檢測到的礦物最低像元豐度,即像內礦物的最小平均豐度。利用反演的礦物分布強度與礦物實測豐度相關分析估計高光譜礦物的識別限。
礦物識別限和影響因素分析
礦物識別限是指高光譜所能檢測到的礦物最低像元豐度,即像內礦物的最小平均豐度。利用反演的礦物分布強度與礦物實測豐度相關分析估計高光譜礦物的識別限。
結果顯示,高光譜遙感礦物填圖的靈敏度或檢出限約在5%~10%之間。一般來講,反射比比較低的暗色礦物靈敏度較低,識別限一般在8%~10%左右,如綠泥石、綠簾石等;反射比比較高的淺色礦物靈敏度較高,識別限一般在5%~6%左右,如方解石等。但礦物的識別限受多種因素的影響,包括礦物在巖石中的實際含量、分布、范圍、與背景的對比度以及數據的空間分辨率等。低空間分辨率會對礦物的像元豐度產生稀釋效應。對于分布尺度較小的礦物,如細脈狀的方解石脈和細礦脈中的礦物,空間分布很不均勻的礦物,實際的識別限會顯著降低。
運用理論分析、實驗和數字模擬相結合的方法,較系統地分析了大氣、地面的非朗伯特性、太陽-目標-儀器的幾何關系、光譜分辨率、空間分辨率、信噪比等環境和技術參數對礦物識別的種類、可信度和定量化程度的影響礦物識別限和影響因素的研究為高光譜測量的工程布置和技術指標的選擇提供了依據。
?
高光譜礦物填圖的兩種地質找礦應用模式
同類型巖石中的礦物組分,不同礦種、不同成因類型礦床的礦物生成序列,礦物的共生和伴生組合,蝕變類型和蝕變礦物組合及分帶、標型礦物等都有一定的內在規律。在地質找礦中,蝕變礦物組合和蝕變分帶比單一的蝕變礦物更具有指導和決策意義。很多情況下,并不需要逐一識別出各種單一的礦物成分,更需要的是識別出礦物的共生組合及其分帶。據此,提出了在找礦應用中,針對不同情況,可采用的兩種應用模式。
(1)基于單礦物的識別模式。對單個礦物逐一識別。根據礦物的空間分布和組合型式,結合礦物的共生組合規律和工作區地質環境與地質條件,分析礦物分布的空間組合型式和空間變化,劃分不同的蝕變帶、變質帶、巖化帶或相帶,進行深入的地質分析。
(2)基于組合礦物(蝕變帶)的識別模式。根據不同蝕變類型和蝕變分帶的礦物組合,依據組合光譜特征直接識別蝕變帶,用以進行地質分析和礦產資源評價,圈定找礦靶區。
?
干旱裸露區高光譜礦物填圖的基本工作方法和技術流程
通過理論分析和典型試驗,對比分析了大氣校正、光譜重建、礦物光譜識別、端元礦物選擇及光譜解混等主要技術環節中不同處理方法或模型的應用條件和應用效果,對比分析了布標光譜同步測量、地物定標點光譜同步測量、定標點光譜非同步測量及大氣傳輸模型等4種成像光譜大氣校正和光譜重建方法的效果,總結和提出了工程實施中光譜重建應遵循的工作準則、重建光譜質量的判斷方法與判斷準則;提出了根據不同礦物選擇途徑和端元類型擬采用的識別方法或方法組合。
在此基礎上,總結了一套較系統的干旱裸露區區域成像光譜礦物填圖的基本工作方法或工作程式,形成的較完整的技術和應用體系(除數據獲取外)基本能夠適應規模化生產的需要。
?
基于知識的礦物填圖工作策略
自然界巖石礦物的組成、性狀和波譜特征非常復雜,在實際工作中,僅靠數學方法和數學模型往往難以取得較理想的識別效果。熟悉或了解工作區的地質背景、地質環境和地質發展歷史,掌握礦物學、礦物的共生組合和礦物光譜學等方面有關知識和經驗,對識別目標的確定、診斷特征的選擇、識別方法的應用、決策依據的建立等都具有重要的指導作用。據此,提出了基于地質學、礦物學和礦物物理學知識的高光譜礦物填圖的工作策略和判別決策方法。
?
?
?
高光譜礦物識別與礦物填圖的技術體系
在以上分析研究和應用示范的基礎上,總結和提出包括數據獲取和標準產品生成、數據預處理、大氣校正和光譜重建、圖像分析、礦物光譜識別、礦物識別的不確定性和敏感性分析、光譜識別支持系統、應用分析與建模、多數據的組合運用等高光譜礦物填圖技術體系框架(圖6)。
?
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..