黑土地硒含量的航空高光谱综合反演模型

针对单纯利用光谱信息建立土壤硒含量反演模型时,通常会产生模型精度受限、模型参数难以解释的问题,该文基于硒的空间分布影响因素开展综合建模.以黑龙江省海伦典型黑土区为研究区,利用CASI/SASI航空高光谱数据、土壤理化性质和地形因子,在筛选模型变量的基础上采用随机森林法建立综合模型.结果 表明:硒与土壤理化性质的关系非常密切,其中与有机质、全氮、全磷、Al2O3、Fe2O3、MgO、CaO、pH呈极显著正相关,与SiO2、Na2O呈极显著负相关;硒与地形因子的关系相对较弱,其中与起伏度和地形粗糙指数呈显著正相关.在光谱特征上,硒与光谱反射率的相关性主要体现了有机质和铁锰氧化物的光谱吸收特征.将筛选的相关指标按照不同组合方式进行建模和对比讨论,结果显示光谱、理化性质和地形因子均对提升模型精度有贡献,整体上光谱和理化性质占主导地位.当模型自变量为全部3类数据时,模型的建模和验证精度均为最高,表明综合模型不仅提升了硒元素的建模精度,而且改善了模型的稳健性.     

矿产资源潜力评价数据管理系统更新与维护研究——以中南地区为例

在更新与维护中南地区矿产资源潜力评价数据的过程中,通过研究该地区5省实际地质数据库的建设情况,总结分析了矿产资源潜力评价相关数据。依据规范对数据进行整理与检查,在MapGIS与C#.NET环境下,以全国矿产资源潜力评价数据管理平台框架为参考,利用中间件技术和空间数据集成方法,明确了系统架构、流程、接口、技术指标,提出平台优化方案,将更新维护的数据整理入库,完善平台功能,实现了中南地区海量矿产资源潜力评价数据资源的集成化管理,提高了海量地质数据管理的通用性和适应性,让地质数据资源由"死库"变为"活库"。     

蚀变矿物光谱解混深度学习方法研究

高光谱遥感是当前遥感技术领域的热点,其“图谱合一”的技术优势使得定量化遥感技术成为实用化技术。目前卫星、航空和无人机的高光谱技术应用热潮兴起,在地质调查、矿产勘查和环境监测中逐步得到深化应用。地质领域中,利用反射光谱,可以识别40余种矿物,对于追索矿化热液蚀变中心和预测铀成矿有利区、分析热液运移的时空演化等具有重要意义。由于复杂地质场景中矿物的紧致、非线性混合,为精确识别其光谱特征和丰度信息带来了挑战。将深度学习技术引入到高光谱地质分析中,能够从高光谱数据中获得更为关键的信息,具有广阔的应用前景。但在实际的地质应用中,很难获得大量高光谱标签数据来训练深度神经网络。文章提出一种针对有限样本铀矿蚀变矿物光谱数据的深度学习方法,采用稀疏降噪自编码神经网络模型提取矿物端元光谱,结合Hapke物理模型进行光谱数据增强,最后利用稀疏全连接的深度神经网络进行矿物含量的提取。实验室和航空高光谱遥感数据实验结果表明,与传统的方法相比,该方法的矿物定量分析精度更高,填图效果更好,为高光谱矿物填图、地质调查和铀矿地质勘查等应用提供了新的技术支持。