一种面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法及设备与流程

本发明涉及用地识别，特别是涉及一种面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法及设备。

背景技术：

1、东南亚地区位于西太平洋构造岩浆活动带上，是中新生代以来地球岩石圈最复杂的构造活动区之一，构造岩浆活动非常强烈，同时也是世界上少有的矿产资源聚集区，发现了一大批世界级矿床，与我国藏、滇桂粤琼等省（自治区）相毗邻，两者在区域成矿地质条件及成矿特征等方面既有共性又存在一定的差异性和互补性，其优势矿产资源与我国的矿产资源结构具有较好互补性。其中，钾盐是东南亚地区在世界上占有重要地位的优势矿产资源。

2、东南亚地区钾盐资源丰富。主要分布在呵叻高原周边等白垩系含盐地层中。钾盐产于中生代陆内大型沉积盆地中，矿体产于上白垩统马哈沙拉堪组中。利用国产卫星数据自动识别钾盐矿矿区用地，有利于矿区生产活动管理、矿山综合治理，有利于为我国矿产资源国际合作提供决策支持。

3、基于上述背景，本发明提出一种面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法及设备。

技术实现思路

1、为了克服现有技术中存在的问题，本发明提供了一种面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法及设备，能够实现矿区用地信息的自动化、精细化、高效率提取，为我国矿业国际合作提供了决策参考。

2、为实现上述目的，本发明提供了如下方案：

3、一种面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法，包括如下步骤：

4、步骤1、遥感数据获取：获取目标地的多源高分卫星遥感影像；

5、步骤2、遥感解译和验证：通过对所述多源高分卫星遥感影像解译，调研钾盐矿环境状况；利用多期所述多源高分卫星遥感影像，开展钾盐矿矿区用地开采情况、资源环境变化情况调查；并对遥感解译调查结果进行验证；获得遥感解译和验证结果；

6、步骤3、构建样本库及特征选择：根据遥感解译和验证结果，对每个单元进行赋值，构建基于多源高分卫星遥感影像的钾盐矿矿区用地样本库；建立光谱特征、纹理特征、空间特征的分类模型；

7、步骤4、基于遥感影像的用地信息自动识别：根据不同地物在不同波段的波谱曲线特征，利用光谱特征、空间特征和时间特征，基于神经网络，在遥感影像上提取地物要素，得到钾盐矿用地信息自动识别结果。

8、进一步地，步骤1中，获取目标地的多源高分卫星遥感影像后，对获取的所述多源高分卫星遥感影像进行数据预处理，得到融合增强数据。

9、进一步地，步骤1中，对获取的所述多源高分卫星遥感影像进行数据预处理，具体包括：对获取的所述多源高分卫星遥感影像进行配准、正射、融合、镶嵌、增强处理。

10、进一步地，步骤2中，解译方式为人机交互，结合区域相关背景资料和钾盐矿通用解译标志，推理、判断遥感影像上不同地物要素及影像特征来提取钾盐矿矿区用地。

11、进一步地，步骤2中，钾盐矿矿区用地包括卤水池、加工厂、矿区建筑及其他；还包括识别钾盐矿矿区的自然地理环境、社会经济环境，以及采矿分布位置、数量、开采状态及其他。

12、进一步地，步骤3包括：根据遥感解译和验证结果，对预处理后的多源高分卫星遥感影像进行裁剪分块，将分块后的单波段的图像提取图像特征，并进行训练，对训练得到的典型地物进行标识形成解译标志，并将其作为样本进行采集管理。

13、进一步地，步骤4包括：利用神经网络进行分类，并进行边缘优化处理，提高识别精度，构建基于多源高分卫星遥感影像的钾盐矿矿区地物识别模型，深度学习影像中包含有利用地类别识别的模型和知识；在目标损失函数的约束下，对构建的基于多源高分卫星遥感影像的钾盐矿矿区地物识别模型进行训练。

14、进一步地，步骤4还包括：将预处理后的多源高分遥感影像进行裁剪分块，输入到训练好的基于多源高分卫星遥感影像的钾盐矿矿区地物识别模型中，识别出的典型地物将用于调查和动态监测。

15、本发明还提供了一种计算设备，包括处理器和存储器，存储器用于执行存储指令；处理器用于执行所述的面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法。

16、相对于现有技术，本发明的有益技术效果如下：

17、由于依赖单一高分卫星影像进行环境要素信息提取，会降低提取精度。因此，本发明在基于国产高分卫星数据的基础上，会同时结合多源数据进行辅助判断，以便提高信息提取精度。本发明借助gf-1、gf1-bcd、gf-2、gf-6、gf-7等全波段影像数据，结合dem 数据、地质背景资料、矿产资源分类资料等多源异构数据，选择合适的机器学习分类器，对钾盐矿矿区用地信息进行提取和精度验证。

18、本发明以识别钾盐矿的矿区范围和环境要素为目标，基于国产高分卫星数据，以遥感技术为手段，以东南亚泰国东北部为主要区域，重点对卤水池、加工厂、矿区建筑及其他3类钾盐矿标志用地进行信息提取。

19、本发明以东南亚地区泰国东北部为主要区域，以钾盐矿为研究对象，基于国产高分遥感数据和深度学习技术，建立了面向东南亚地区的钾盐矿矿区用地识别和信息提取的技术方法，并且根据相关资料，在泰国东北部地区对面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法进行了验证，验证精度较好。为我国矿业国际合作提供了决策参考。

20、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

1.一种面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法，其特征在于，步骤1中，获取目标地的多源高分卫星遥感影像后，对获取的所述多源高分卫星遥感影像进行数据预处理，得到融合增强数据。

3.根据权利要求2所述的面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法，其特征在于，步骤1中，对获取的所述多源高分卫星遥感影像进行数据预处理，具体包括：对获取的所述多源高分卫星遥感影像进行配准、正射、融合、镶嵌、增强处理。

4.根据权利要求1所述的面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法，其特征在于，步骤2中，解译方式为人机交互，结合区域相关背景资料和钾盐矿通用解译标志，推理、判断遥感影像上不同地物要素及影像特征来提取钾盐矿矿区用地。

5.根据权利要求4所述的面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法，其特征在于，步骤2中，钾盐矿矿区用地包括卤水池、加工厂、矿区建筑及其他；还包括识别钾盐矿矿区的自然地理环境、社会经济环境，以及采矿分布位置、数量、开采状态及其他。

6.根据权利要求2所述的面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法，其特征在于，步骤3包括：根据遥感解译和验证结果，对预处理后的多源高分卫星遥感影像进行裁剪分块，将分块后的单波段的图像提取图像特征，并进行训练，对训练得到的典型地物进行标识形成解译标志，并将其作为样本进行采集管理。

7.根据权利要求1所述的面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法，其特征在于，步骤4包括：利用深度学习模型的特征学习能力，构建基于多源高分卫星遥感影像的钾盐矿矿区地物识别模型，深度学习影像中包含有利用地类别识别的模型和知识；在目标损失函数的约束下，对构建的基于多源高分卫星遥感影像的钾盐矿矿区地物识别模型进行训练。

8.根据权利要求7所述的面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法，其特征在于，步骤4还包括：将预处理后的多源高分遥感影像进行裁剪分块，输入到训练好的基于多源高分卫星遥感影像的钾盐矿矿区地物识别模型中，识别出的典型地物将用于调查和动态监测。

9.一种计算设备，其特征在于，包括处理器和存储器，存储器用于执行存储指令；处理器用于执行权利要求1-8中任一项所述的面向东南亚地区的基于遥感技术的钾盐矿矿区用地识别方法。