一种基于遥感影像与高光谱参数协同的岩矿识别方法

摘要: 本发明涉及地质勘探,更具体的说是涉及一种基于遥感影像与高光谱参数协同的岩矿识别方法。背景技术:1、矿产资源是社会经济发展的重要物质基础,而高效、精准的矿产勘查技...
一种基于遥感影像与高光谱参数协同的岩矿识别方法

本发明涉及地质勘探,更具体的说是涉及一种基于遥感影像与高光谱参数协同的岩矿识别方法。

背景技术:

1、矿产资源是社会经济发展的重要物质基础,而高效、精准的矿产勘查技术则是保障国家资源安全的关键。随着遥感技术的飞速发展,利用卫星或航空遥感数据进行大面积的地质填图和找矿预测已成为现代矿产勘查的重要手段。

2、在现有的遥感找矿技术体系中,主要依赖于多光谱遥感和高光谱遥感两种技术手段。多光谱遥感(如landsat、sentinel-2等卫星数据)具有覆盖范围广、重访周期短、数据获取成本低等优势,常被用于区域性的宏观地质构造解译和蚀变信息提取。然而,由于多光谱数据的波段数量较少且波谱分辨率较低,其在识别具体矿物种类、区分相似光谱特征的岩矿类型方面存在明显的局限性,往往只能提供较为粗略的蚀变异常区,难以满足精细化找矿的需求。

3、相比之下,高光谱遥感技术拥有数百个连续的窄波段,能够获取地物精细的光谱曲线,如同给地物拍摄“指纹”图谱,因此在矿物种类的精准识别和填图方面具有极高的应用价值。但是,高光谱数据的获取成本极其高昂,数据处理量大,且视场范围相对较小。在实际应用中,如果缺乏明确的靶区指引,直接对大范围矿区进行盲目的高光谱扫描,不仅会造成巨大的资金和时间浪费,还会产生海量冗余数据,导致勘查效率低下。

4、目前,虽然已有技术尝试结合多光谱和高光谱数据进行找矿,但大多停留在简单的数据叠加或分步处理层面,缺乏一种有效的协同机制来指导高光谱数据的精准获取。具体而言,现有技术往往难以解决以下问题:

5、1、缺乏科学的选区策略:在进行昂贵的高光谱扫描前,未能充分利用低成本的多光谱数据结合环境、地质等多源信息进行综合效益评估,导致扫描目标的选择带有较大的盲目性。

6、2、蚀变信息提取不够量化:传统的多光谱蚀变提取方法往往只关注单一指数的阈值分割,未能通过加权融合等方式生成连续的概率分布图,难以准确反映蚀变强度的空间渐变规律。

7、3、识别模型单一:在岩矿识别阶段,未能充分结合高光谱的多参数特征与先验地质知识建立概率化的分析模型,导致识别结果的可靠性有待提高。

8、因此,提供一种新的矿区遥感蚀变矿物填图与岩矿识别方法,以实现低成本、高效率、高精度的矿产勘查,本领域技术人员亟需解决的问题。

技术实现思路

1、鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于遥感影像与高光谱参数协同的岩矿识别方法,充分利用多光谱遥感的宏观优势进行初步筛选和概率预测,并结合环境与地质约束条件建立扫描效益评价模型,从而智能锁定最高优先级的扫描靶区,再利用高光谱技术进行精细化识别。

2、为了实现上述目的,本发明采用如下技术方案:

3、本发明实施例提供一种基于遥感影像与高光谱参数协同的岩矿识别方法,包括:

4、s1、获取矿区多光谱遥感影像,提取所述矿区多光谱遥感影像中的蚀变指数,并通过加权求和的方式对蚀变指数进行融合得到矿区蚀变概率,进而生成矿区蚀变概率分布图;

5、s2、根据矿区周边的环境限制条件数据、矿区多光谱遥感影像的质量缺陷特征数据、矿区周边地质构造位置信息和该矿区在矿区蚀变概率分布图中对应的蚀变概率建立扫描效益分析模型,计算矿区高光谱扫描综合效益评分;

6、s3、根据所述矿区高光谱扫描综合效益评分,生成最高优先级高光谱扫描矿区;对所述最高优先级高光谱扫描矿区进行扫描,输出对应的若干高光谱特征参数;

7、s4、根据所述若干高光谱特征参数建立岩矿类型分析模型,生成岩矿类型符合概率;根据岩矿类型符合概率对矿区的岩矿进行识别。

8、进一步的,所述生成矿区蚀变概率分布图的生成方式具体为:

9、提取矿区多光谱遥感影像中各像元的多个蚀变指数,通过加权求和的方式对所述各像元的多个蚀变指数进行融合,得到各像元对应的矿区蚀变概率值,利用空间插值或分类的方式基于所述蚀变概率值生成矿区蚀变概率分布图。

10、进一步的,所述矿区高光谱扫描综合效益评分的生成方式具体包括:

11、根据矿区周边的环境限制条件数据,生成环境效益评分;

12、根据矿区多光谱遥感影像的质量缺陷特征数据,生成影像质量效益评分;

13、根据矿区周边地质构造位置信息,生成地理位置效益评分;

14、根据矿区在矿区蚀变概率分布图中对应的蚀变概率,生成蚀变概率效益评分;

15、基于所述蚀变概率效益评分、环境效益评分、影像质量效益评分和地理位置效益评分建立扫描效益分析模型,生成矿区高光谱扫描综合效益评分;采用公式表示为:

16、

17、

18、其中,表示矿区高光谱扫描综合效益评分,表示环境效益评分,表示影像质量效益评分,表示地理位置效益评分,表示蚀变概率效益评分,、、、分别表示对应的权重系数。

19、进一步的,所述根据矿区周边的环境限制条件数据,生成环境效益评分;采用公式表示为:

20、

21、其中,表示环境效益评分,表示矿区周边的第

j个环境限制条件数据的归一化值,表示矿区周边的第

j个环境限制条件的权重系数,

m表示矿区周边环境限制条件数据的总数量。

22、进一步的,所述根据矿区多光谱遥感影像的质量缺陷特征数据,生成影像质量效益评分;采用公式表示为:

23、

24、其中,表示影像质量效益评分,表示矿区多光谱遥感影像的第

k个质量缺陷特征数据的归一化值,表示矿区多光谱遥感影像的第

k个质量缺陷特征的权重系数,

n表示矿区多光谱遥感影像的质量缺陷特征数据的总数量。

25、进一步的,所述根据矿区周边地质构造位置信息,生成地理位置效益评分;采用公式表示为:

26、

27、其中,表示地理位置效益评分,表示第

r个矿区周边地质构造与矿区之间距离的归一化值,表示第

r个矿区周边地质构造与矿区之间距离的权重系数,

m表示矿区周边地质构造的数量。

28、进一步的,所述根据矿区在矿区蚀变概率分布图中对应的蚀变概率,生成蚀变概率效益评分;采用公式表示为:

29、

30、其中,表示蚀变概率效益评分,表示矿区在矿区蚀变概率分布图中对应的蚀变概率,表示蚀变概率阈值,表示第一曲线陡峭度调整系数。

31、进一步的,步骤s3,具体包括:

32、通过计算矿区集合中各个矿区的矿区高光谱扫描综合效益评分,筛选出评分值最大的矿区作为最高优先级高光谱扫描矿区;

33、对所述最高优先级高光谱扫描矿区进行高光谱扫描,输出对应的若干高光谱特征参数;所述若干高光谱特征参数,具体包括:光谱的位置形态、特征值、领域特征、吸收指数和反射位置。

34、进一步的,步骤s4,具体包括:

35、s41、基于所述若干高光谱特征参数,计算高光谱特征参数相似度;采用公式表示为:

36、

37、其中,表示表示最高优先级高光谱扫描矿区的第

t个高光谱特征参数与岩矿类型

g的高光谱特征标准参数之间的高光谱特征参数相似度,表示最高优先级高光谱扫描矿区的第

t个高光谱特征参数,表示岩矿类型

g的高光谱特征标准参数,表示第二曲线陡峭度调整系数;

38、s42、根据所述高光谱特征参数相似度建立岩矿类型分析模型,生成岩矿类型符合概率;

39、所述岩矿类型分析模型,采用公式表示为:

40、

41、其中,表示最高优先级高光谱扫描矿区的岩矿类型

g符合概率,表示高光谱特征参数相似度阈值,表示第三曲线陡峭度调整系数,表示第

t个高光谱特征参数与岩矿类型

g的高光谱特征标准参数之间的相似度的权重系数,

n表示最高优先级高光谱扫描矿区的高光谱特征参数的数量。

42、经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于遥感影像与高光谱参数协同的岩矿识别方法,具有如下有益效果:

43、首先,本发明通过构建“多光谱初筛-高光谱精查”的协同工作流,显著提高了矿产勘查的效率并降低了成本。利用多光谱遥感影像生成矿区蚀变概率分布图,能够在大范围内快速锁定潜在的矿化异常区,避免了传统高光谱扫描盲目覆盖全区的弊端。在此基础上,引入“高光谱扫描综合效益评分”机制,科学量化了各候选矿区的扫描价值,确保将昂贵的高光谱资源集中投入到产出比最高的区域,实现了勘查资源的最优配置。

44、其次,本发明提升了岩矿识别的精准度与可靠性。通过提取多光谱影像中的多种蚀变指数并进行加权融合,克服了单一指数易受环境噪声干扰的缺陷,生成的蚀变概率分布图能更真实地反映地表蚀变强度的空间连续性。同时,结合高光谱技术获取的精细特征参数,并与标准岩矿光谱库进行相似度匹配,有效解决了多光谱数据“同谱异物”或“异谱同物”的混淆问题,实现了对目标矿物的精细化定性识别。