一种融合多元数据源-汇过程解析的智能成矿预测方法

本发明属于铀矿勘探领域，具体涉及一种融合多元数据源-汇过程解析的智能成矿预测方法。

背景技术：

1、在“双碳”目标引领核能规模化发展、全球面临严重能源危机的大背景下，铀资源供给已成为重大且长远的需求。砂岩型铀矿作为全球重要的铀矿类型和最主要的经济可采铀矿类型，其高效勘探开发直接关乎国家能源安全与低碳转型进程。

2、针对传统勘探方法受限于地表覆盖、地质构造复杂性以及成本高等因素，难以高效精准定位砂岩型铀矿矿化靶区的问题，本研究旨在充分发挥遥感技术在地表探测中的高精度优势，整合高分辨率光学影像与sar数据，系统分析地形地貌特征、汇水盆地格局及沟谷网络分布。在此基础上，结合insar形变场开展构造应力场解析，反演构造应力场方向并定量评估构造活动强度，进而推断地表水与浅层地下水的运移趋势。同时，利用重磁数据约束基底起伏形态，通过盆地尺度构造演化分析与区域尺度构造差异性研究，综合刻画新构造运动背景下水流体系特征及地质结构对铀元素运移路径的控制机制。

3、在此基础上，开展盆地多元数据融合分析与人工智能找矿预测研究，对突破传统勘探技术瓶颈、推动找矿方法技术进步、提升勘探效率、实现新区找矿突破具有重大战略意义。具体地，二连盆地砂岩型铀矿总体具有埋藏浅、古河谷近源成矿、带状集中分布的特征，因地制宜建立适用于此类盆地的砂岩型铀矿综合探测技术方法，对指导找矿勘查实践具有重要的示范和借鉴价值。

技术实现思路

1、基于此，本发明提出了一种融合多元数据源-汇过程解析的智能成矿预测方法，围绕砂岩型铀矿“源-运-聚”全环节智能化探测需求，构建三阶段递进式成矿预测方法：通过双向特征融合框架与扩散模型引导的高光谱反演技术，突破卷积神经网络全局信息捕获瓶颈，结合航空伽马能谱与地面验证协同框架，实现铀源区精准圈定；在此基础上，集成多源遥感（光谱/insar/地形）、重磁及构造形变数据，构建古地貌恢复-基底起伏反演-应力场建模耦合流程，定量解析铀迁移通道动力学机制；最终融合前两阶段成果，建立控矿要素高精度数据库，结合深度学习与多元地学数据，构建“源-运-聚”成矿预测模型，实现找矿靶区智能化圈定，形成全流程遥感找矿技术体系。

2、第一方面，本技术提供了一种融合多元数据源-汇过程解析的智能成矿预测方法，所述方法包括：

3、步骤s1，获取覆盖目标区域的多源遥感数据、航空伽马能谱数据、重磁数据及地质资料；

4、步骤s2，采用双向特征融合网络在目标区域中圈定潜在铀源区；利用高光谱影像进行矿物反演获取潜在铀源区矿物组成信息；通过航空伽马能谱与地面验证协同框架，在潜在铀源区得到铀异常区域；

5、步骤s3，在铀异常区域内，基于多源遥感数据中的地形数据提取地表水流方向信息，利用重磁数据反演基底起伏形态，基于insar形变数据反演构造应力场，构建地表水流-基底形态-构造应力场的耦合分析流程，解析铀迁移通道及运移动力机制；

6、步骤s4，聚焦多源遥感数据与砂岩型铀矿关键控矿要素的复杂关联及协同响应机制，构建基于遥感数据特征的砂岩型铀矿成矿预测模型。

7、在一种可能的实现方式中，所述步骤s2，包括：

8、步骤s21，对目标区域的多源光学与sar影像进行预处理，选取主要信息波段堆叠形成多源遥感融合特征图；将所述多源遥感融合特征图输入至双向特征融合网络中，双向特征融合网络包括多尺度特征提取主干网络、上下文与细节协同增强模块和跨尺度特征融合网络，所述多尺度特征提取主干网络由多个c3k2模块堆叠而成，在多尺度特征提取主干网络的关键层级嵌入ppa模块形成上下文与细节协同增强模块，所述跨尺度特征融合网络为bifpn，将经过ppa模块增强后的多级特征图进行自顶向下和自底向上的双向跨尺度融合，输出潜在铀源区圈定结果；

9、步骤s22，在潜在铀源区中，利用高光谱影像进行矿物反演，输出矿物反演结果，得到潜在铀源区矿物组成信息；

10、步骤s23：基于航空伽马能谱数据，结合空间聚类算法，在潜在铀源区中圈定铀异常区域；在铀异常区域内，结合矿物反演结果与地面验证，实现对铀异常区域的高精度源岩分布预测。

11、在一种可能的实现方式中，所述步骤s22具体为：构建扩散模型引导的高光谱矿物反演网络pmnet，所述高光谱矿物反演网络pmnet包括多尺度深度可分离卷积分支、visiontransformer分支、频域特征交互模块及vision mamba序列建模模块；将潜在铀源区的高光谱影像输入所述高光谱矿物反演网络pmnet中，通过所述多尺度深度可分离卷积分支提取局部光谱细节特征，通过所述vision transformer分支提取全局空间上下文特征，经频域特征交互模块对所述多尺度深度可分离卷积分支和vision transformer分支的输出特征进行跨域融合，并由所述vision mamba序列建模模块进行选择性状态更新与序列建模，输出矿物反演结果。

12、在一种可能的实现方式中，所述步骤s23具体为：

13、步骤s231，对航空伽马能谱数据进行降噪与校正，采用nasvd方法对航空伽马能谱数据进行奇异值分解，选取累计方差贡献率不低于95%的主成分分量进行信号重建，得到重建航空伽马能谱数据；采用mnf方法将重建航空伽马能谱数据按照信噪比进行排序，得到航空伽马重建数据；

14、步骤s232，通过提取潜在铀源区中背景样本，分别计算铀含量和th/u比值的均值与标准差，构建铀含量和th/u比值的双阈值模型；基于航空伽马重建数据，在潜在铀源区中利用k-means聚类算法对满足铀含量和th/u比值的双阈值模型的栅格单元进行空间聚类，提取铀异常区域；

15、步骤s233，在铀异常区域内选择地表裸露区域，结合高分辨率巡测、地质填图及精细评价进行异常验证，实现对铀异常区域的高精度源岩分布预测。

16、在一种可能的实现方式中，所述铀含量和th/u比值的双阈值模型中，铀含量阈值定义为：，其中，表示铀含量阈值，表示铀含量均值，表示铀含量标准差；th/u比值阈值定义为：，其中，表示th/u比值阈值，表示th/u比值均值，表示th/u比值标准差。

17、在一种可能的实现方式中，所述高分辨率巡测具体为利用高分辨率的手持伽玛能谱仪进行精细巡测，通过密集布点与高频次采样，实现对u、th、k含量异常的定量监测；所述地质填图具体为开展1:10000比例尺的地质填图；所述精细评价具体为定量解析铀的原位含量、赋存形态及矿物学特征。

18、在一种可能的实现方式中，所述步骤s3具体为：

19、步骤s31，基于高分辨率光学数据和sar遥感数据，通过关键地形参数遥感识别与地形地貌单元划分、沟谷网络提取与汇水盆地智能化划分、地表水流向推算与验证，分析铀异常区域的地表水流方向；

20、步骤s32，利用重磁数据反演铀异常区域的基底起伏形态，刻画铀异常区域局部隆起的空间展布；基于insar形变数据的构造应力场反演与活动强度评估，解释铀异常区域局部隆起周边断裂的活动性及构造应力场方向；

21、步骤s33，整合铀异常区域的地表水流方向和构造应力场方向，结合铀异常区域新生代构造事件进行对比分析，厘定新生代含矿层成矿流体流向特征；综合地表水流方向的局部隆起的空间展布及局部隆起周边断裂的活动性，解析局部隆起对成矿流体径流的约束，恢复新生代含矿层成矿流体的运移路径。

22、在一种可能的实现方式中，所述关键地形参数遥感识别与地形地貌单元划分具体为：采用哨兵sar数据生成12.5m分辨率的dem数据，并对dem数据进行预处理；遥感识别dem数据中的关键地形参数；基于关键地形参数，利用几何形态法提取dem数据中的山谷线和山脊线等特征线，利用自然断点分级法，确定dem数据中的坡度阈值；基于提取的山脊线和山谷线，将铀异常区域划分为线状特征区与非线状特征区，在线状特征区内依据特征线形态及局部坡度转折圈定山脊、山谷与鞍部，在非线状特征区内依据坡度阈值划分陡坡和缓坡，最终形成山脊、山谷、鞍部、陡坡和缓坡5类地形地貌单元。

23、在一种可能的实现方式中，对dem数据进行预处理包括：对dem数据进行高斯滤波处理，对高斯滤波处理后的dem数据进行洼地填充处理。

24、在一种可能的实现方式中，所述步骤s4具体为，通过铁染异常边界界定氧化前锋，利用短波红外/雷达识别还原障，精准定位得到氧化-还原过渡带；利用gis空间叠加与缓冲区分析，验证铀源区、运移路径与氧化-还原过渡带的空间配置关系；采用机器学习方法对多源遥感衍生的变量进行融合与量化，生成成矿有利度概率图。

25、本技术聚焦砂岩型铀矿“源-运-聚”成矿系统全流程，旨在构建多源遥感与人工智能深度融合的智能勘探技术体系，通过开发双向特征融合框架与扩散模型驱动的高光谱反演方法，结合航空伽马能谱与地面验证协同框架，实现潜在铀源区精准圈定；集成多源遥感（光谱/insar/地形）、重磁及构造形变数据，构建古地貌恢复-基底起伏反演-应力场建模的耦合分析流程，定量解析铀迁移通道及动力机制；基于控矿要素（铀源/构造/砂体/氧化带）高精度数据库，建立遥感特征与成矿要素的协同响应模型，融合地质、地球物理、地球化学数据及深度学习技术，形成“源-运-聚”全环节关联预测系统，突破传统单一技术手段局限，实现了多源遥感数据在铀矿勘探全流程中的系统集成，通过智能算法提升构造识别与异常圈定的自动化水平，结合多尺度数据融合揭示深部-地表耦合机制，最终建立可推广的遥感找矿技术标准，为铀资源安全保障提供关键技术支撑与理论创新。与现有技术相比，本发明的有益效果为：

26、（1）本技术通过构建双向特征融合与扩散模型驱动的矿物反演网络，结合航空伽马能谱双阈值聚类与地面验证，实现了铀源区的精准圈定与源岩高精度识别。

27、（2）本技术通过耦合地表水流、基底起伏形态与构造应力场多要素，定量解析了铀迁移通道及动力学机制，揭示了成矿流体运移路径。

28、（3）本技术通过多源遥感控矿要素提取与机器学习融合建模，实现了氧化-还原过渡带精准定位与找矿靶区智能化预测。