成像光谱矿物填图精度兼与矿物丰度关系初探

成像光谱遥感技术在岩石矿物识别和矿物填图方面发挥着越来越大作用,而成像光谱矿物填图的精度问题一直是研究的焦点。文章利用高光谱数据HyMap对新疆东天山地区的矿物填图结果,通过引入矿物填绘分布强度的概念,探索性的分析了成像光谱矿物填图与填绘矿物丰度的关系。     

应用PCA和ICA法对岩心光谱的定量解译

岩心光谱属于混合像元光谱,维度多、数据量大,在端元数量、端元光谱及混合矩阵未知的情况下,定量解译岩心光谱以提取岩心所含矿物信息难度大,噪声的存在使问题更加复杂。文章应用PCA和ICA法定量解译岩心光谱主要有三步:采用PCA法预处理混合像元光谱矩阵,在新的特征空间中保留特征值较大的少量特征矢量,有效滤除能量较小的成分,只保留主要成分信息,同时滤除数据中的噪声;采用ICA法分离岩心混合像元,得到混合像元中的端元光谱集,通过矿物识别获取岩心矿物成分;对端元光谱进行归一化处理,基于线性光谱混合模型进行丰度反演,得到岩心混合像元中各端元丰度。通过研究仿真数据获得光谱定量解译的一般规律,创建有效的算法模型,再处理实际测量的岩心光谱,获得了比较理想的结果。     

基于混合像元分解的火星南极矿物制图研究

对火星高光谱遥感数据进行混合像元分解,有助于获取像元内部火星表面矿物含量。端元光谱提取和光谱解混是混合像元分解的关键技术。以ORB0942_2轨道覆盖的火星南极地区作为研究区,应用纯净像元指数法（PPI）从影像中提取出端元光谱,并利用线性分解模型对影像中混合像元进行了分解,计算出其各端元组分的百分含量,获得了研究区水冰、石膏、钙镁橄榄石及紫苏辉石的相对含量分布图。     

基于地物光谱特征的成像光谱遥感矿物识别方法

成像光谱技术是遥感技术发展的前沿技术之一 ,它是在可见光、近红外及短波红外上 ,集图像、光谱于一体的具有高光谱分辨率的纳米遥感技术。文中从岩矿光谱特性的研究入手 ,通过光谱特征识别准则 ,利用机载的可见光、近红外及短波红外成像光谱 (HyMap)数据 ,开展成像光谱遥感矿物识别的试验研究。试验识别的矿物有绿泥石、绿帘石、橄榄石、绢云母、滑石、石膏及黑云母等。试验结果表明 ,通过矿物光谱特征分析与其识别原则进行成像光谱遥感矿物识别获得了很好的效果。因此 ,基于地物光谱特征进行成像光谱矿物直接识别确实可行 ,有利于矿产资源评价中成矿物源和矿化蚀变信息分析。     

矿物种数与元素丰度

关于矿物种数与元素丰度间的关系,长期以来为不少矿物学家、地球化学家和地质学家所关注。一般认为“元素丰度是决定矿物种数的因素之一”,“某种元素的丰度值越高,其所形成的矿物种数越多”,反之亦然。后面的这种趋势(简称D-D趋势)尚未见到具体分析和论证。为了探讨这个问题,首先必须澄清“矿物”和“矿物种”的定义,并确定矿物的种数。根据当前对“矿物”的认识,可定义为:矿物是地壳及其邻圈,包括宇宙(陨石及月     

基于多角度高光谱指数的花岗岩中长石含量反演研究

花岗岩中长石含量的定量估算有助于其定名和分类,为后续相关地质过程研究提供基础数据。在可见光—近红外—短波红外波段范围内（0. 35~2. 5 μm）,传统基于光谱吸收特征参数反演矿物种类和含量的方法,不适用于像长石这类无诊断性吸收特征的矿物。同时,基于物理的辐射传输模型由于计算复杂,在较大程度上限制了该方法在矿物定量反演中的应用。本文基于多角度高光谱数据,通过不同光谱预处理方法及光谱指数类型的组合实验,创建用于估算花岗岩中长石比例的光谱指数模型。结果表明,使用2035 nm波段的反射率二重差分型（CRDDn2035）指数模型,在不同实测数据集中均具有良好表现,估算精度达到0. 81。本研究创建了一种适用于估算长石占比的光谱指数模型,为定量反演具有弱吸收特征的岩矿信息提供了新的技术手段与思路。     

基于特征谱带的高光谱遥感矿物谱系识别

文中初步提出并建立矿物识别谱系的分层识别技术以及部分离子、矿物的光谱识别规则。矿物光谱包含一系列特征吸收谱带。这些特征谱带在不同的矿物中具有较稳定的波长位置和较稳定的独特波形 ,能够指示离子类矿物、矿物的存在 ,是利用高光谱进行矿物识别的基础。文中分析了部分在自然界广泛存在的一些阴阳离子 (如CO2 -3 ,Fe2 + ,Fe3 + ,Al3 + ,Mn2 + ,Al—OH和Mg—OH等 )的可识别特征光谱 ,总结部分离子类矿物或矿物识别规则 ,并以美国Cuprite地区的AVIRIS数据进行矿物识别试验 ,利用矿物谱系识别技术从离子类矿物到单矿物再到更精细类矿物逐层开展识别 ,取得了较好的效果 ,初步实现利用宏观的手段 (遥感技术 )进行微观 (矿物 )的探测。     

AIRS红外高光谱资料反演大气水汽廓线研究进展

随着卫星遥感关键技术的突破,卫星光谱分辨率达到了分辨大气成分单个谱线的水平,研究人员开始了大量通道同时反演大气廓线和多种微量成分的研究.针对AIRS(Atmospheric Infrared Sounder)就红外高光谱资料反演大气水汽廓线的研究进展进行了评述,从训练数据、通道信息的提取及降维、反演算法和反演精度改进4个方面对反演晴空大气水汽廓线的研究现状进行了分析与讨论.AIRS资料反演大气水汽廓线的训练数据通常选用威斯康星大学提供的全球晴空反演训练样本集CIMSS (Cooperative Institute for Meteorological Satellite Studies,University of WisconsinMadison)和SARTA(Stand-Alone Radiative Transfer Algorithm)辐射传输模式模拟的亮温辐射值.归纳总结了2种通道信息的提取及降维方法:一是采用有效的方法来完成光谱信息压缩,对常用的主成分分析和独立分量分析方法进行了对比,认为独立分量分析更为可行.二是通道选择,即保留部分含有较多大气廓线信息量的通道,达到降维目的.在进行通道选择时要注意针对不同地区气候类型、下垫面、季节以及即时天气条件,选择不同的通道组合.介绍了3种反演算法:特征向量统计法、牛顿非线性迭代法和神经网络法.对比发现特征向量统计法简单易行,但精度不够理想;牛顿非线性迭代法精度虽高但计算耗时长,因此不适合业务使用;神经网络计算速度快、精度也能达到要求,具有很好的前景.对目前的几种样本分类方法及附加因子进行了对比分析,对反演算法精度的改进提出了一些有益的设想.最后对晴空辐射订正及云天大气水汽廓线反演进行了简要介绍,提出了该领域未来的一些研究方向.     

高光谱遥感定量反演成矿元素含量的研究进展

随着遥感技术的不断发展,高光谱遥感也相应取得了较大的进步,而其应用于找矿方面也越来越广阔。在有土壤覆盖物的多金属矿区,遥感土壤地球化学方法也相应地取得了较大的发展。多金属矿区土壤覆盖物的重金属元素含量测量是判断矿区成矿元素地球化学异常的标志,同时为找矿预测打下基础。使用遥感手段定量化的提取矿区表层覆盖物（土壤）中地球化学信息是找矿预测的必经之路。文章从理论、技术及定量化反演方法三个方面对高光谱遥感应用于土壤地球化学研究取得的新进展进行归纳和总结,并展望遥感土壤地球化学的应用前景。     

基于高光谱的土壤养分含量反演模型研究

为实现土壤养分（有机质SOM、全氮TN、全磷TP、全硫TS）含量的快速测定,以建三江创业农场为例,对土壤原始反射率进行了一阶微分（FD）、倒数对数（RL）、倒数一阶微分（FDR）、多元散射校正（MSC）和连续统去除（CR）变换,分析6种光谱变量与土壤养分的相关性,将在α=0.01水平上显著相关的波段作为特征波段,运用多元逐步回归（SMLR）、偏最小二乘回归（PLSR）和BP神经网络（BPNN）三种分析方法分别建立有机质、全氮、全磷和全硫的高光谱预测模型,并利用决定系数（R²）、均方根误差（RMSE）和相对分析误差（RPD）对预测模型进行评价.结果显示,PLSR和BPNN建立的土壤养分含量预测模型均优于SMLR,能极好地预测有机质和全氮含量,同时具有粗略估算全硫含量的能力.三种方法中仅有CR-BPNN能对全磷含量进行粗略估算.对有机质、全氮、全磷和全硫预测效果最佳的模型及其验证集决定系数分别为：MSC-PLSR （0.86）、MSC-PLSR （0.75）、CR-BPNN （0.56）、FDR-BPNN （0.67）.     

基于改进的SVM技术和高光谱遥感的标准矿物定量计算

基于支持向量机(SVM)统计理论,并对其从核函数构造方面进行改进,通过主成分分析、包络线去除、光谱导数变换等对原始Hyperion高光谱数据进行降维、变换与特征提取,分析比较了这些变换后不同的回归效果,并将其应用在内蒙古霍林郭勒地区岩石中氧化物质量分数的反演中。同时,鉴于某些重要矿物本身并没有明显的特征光谱曲线,提出一种新的矿物定量方法。首先,基于高光谱遥感数据,利用改进的SVM回归技术反演矿物中的化学成分,然后通过标准矿物计算（CIPW）推导岩石中标准矿物的质量分数。研究结果表明：基于改进核函数后的SVM回归精度有所提高,其中导数变换后的反演精度达74.87%,比原始光谱反演精度提高了4.11%。CIPW应用于高光谱遥感地质填图效果良好,为岩性鉴定和评价提供了科学依据。     

重磁3D物性反演技术在金属矿勘探中的应用

解反演问题是地球物理资料处理解释的主要环节.反演就是依据已获得异常特征,结合地质和其他资料,求解地下源体的空间位置、形状及物性特征参数.随着对地质体全方位精细结构研究要求的提高,重磁等反演技术已发展到3D反演阶段.重磁反演主要有两种方法,即形态反演(建立场源模型形态单元)和物性反演(构建物性模型单元).在物性模型构建中...     

基于L-BFGS算法和同时激发震源的频率多尺度全波形反演

全波形反演可以利用叠前地震波场的运动学和动力学信息重建地下速度结构,具有揭示复杂地质背景下构造与岩性细节信息的潜力。然而,庞大的计算量和存储空间需求,限制了全波形反演的发展。在频率多尺度全波形反演中将L BFGS数值优化算法与同时激发震源技术相结合的方法来改善这一现状。首先,对Marmousi模型进行了速度反演：在计算过程中明显发现对计算机内存的占用减少,最终反演结果与实际Marmousi模型的拟合误差为0.095 9,较小;采用10个频带单炮震源正演384炮所需时间约为32 640 s,而采用同时激发震源（384炮）正演一次所需时间仅约为700 s。然后,基于高速楔形体模型进行了抗噪能力研究：原始含噪地震记录信噪比为11.147 3 dB;对反演得到的速度模型进行正演,其地震记录信噪比为22.251 8 dB。最后,基于逆冲断层模型进行了反演速度扰动能力研究,反演得到的最终模型很清晰,与具有速度扰动特性的实际模型非常接近,拟合误差仅为0.036 0。数值模拟试验结果表明：此方法反演精度高,内存开销较小,能够显著提高计算效率,并且具有良好的抗噪能力,能够反演出具有速度扰动特性的介质。     

基于遗传算法优化的BP神经网络在密度界面反演中的应用

BP神经网络方法在二维密度界面的反演中取得了较好的效果,但在反演三维界面时,由于模型更复杂、参数更多,BP神经网络的收敛速度和反演精度都有一定程度的下降。为了改善反演效果,本文利用遗传算法对BP神经网络的权值、阈值选择过程进行优化,获得了更好的网络模型;并将此模型应用于密度界面模型的反演中,预测误差从上百米减小到数十米,同时迭代计算步数减少了近2/3,有效减少了计算时间,反演结果更准确。利用基于遗传算法优化的BP神经网络反演了法国某地区莫霍面深度,预测相对误差仅为1.8%,取得了较好的应用效果。基于遗传算法优化的BP神经网络在密度界面的反演中具有良好的应用价值和研究前景。     

基于速度分析的探地雷达阻抗介电常数反演

阻抗反演是利用波阻抗与介电常数关系开展地下介质参数估计的重要技术,在探地雷达以及叠后地震资料解释中具有广泛的应用。常规阻抗反演需要钻孔或测井曲线作为约束项,约束项信息直接影响阻抗反演的估计精度。在缺少钻孔数据的实际应用中,如何开展探地雷达阻抗反演是该方法研究的重要内容之一。基于上述问题,本文提出了基于速度分析的探地雷达阻抗反演方法。其基本思想是基于多偏移距雷达数据开展速度谱分析和Dix反演,以获得不同深度的速度信息作为阻抗反演的约束项;同时,采用K-means方法自动拾取速度谱信息,大大降低了常规人工拾取误差,提高了计算效率。通过典型随机土壤介质模型,验证了本文方法在无钻孔条件下仍然可以获得较好的介电常数估计结果,并测试噪声适应能力强。最后通过美国密歇根州Wurtsmith AFB,in Oscoda区域的探地雷达数据测试了本文提出方法在探地雷达实测数据参数估计中具有较好的应用效果。     

基于核最小二乘模型的矿产靶区预测

地质统计单元的含矿性与地质找矿证据之间存在复杂的非线性关系,建立这种复杂关系的多元非线性统计模型并预测矿产靶区,对矿产勘查具有重要指导意义。以核函数为理论工具,在核最小二乘原理基础上提出了矿产靶区预测的核最小二乘模型;在GDAL数字图像输入输出函数库和CLAPACK线性代数软件包基础上,用VC++语言开发了面向栅格数据的矿产靶区预测核最小二乘模型算法程序,并把模型应用于新疆阿勒泰地区的矿产靶区预测研究。在MapInfo中生成包含100×151个网格统计单元的栅格图层,把栅格化后的15种找矿证据图层转化成100×151×15的数字图像数据立方体,用自行开发的程序计算每个网格统计单元的核最小二乘判别得分。结果表明,网格统计单元判别得分的高值区与已知矿床（点）的空间分布基本一致。     

基于卷积神经网络的磁异常反演

针对传统反演方法存在的初始模型依赖、计算时间较长等问题,提出一种基于卷积神经网络的磁异常反演方法。该方法首先设计大量磁异常体模型,进行正演模拟产生样本数据集;接着借鉴经典的卷积神经网络VGG-13设计了一种全新的VGG磁异常反演网络(VGGINV);然后使用样本数据集训练该网络,并优化网络参数;最后对理论模型和实测数据进行反演实验。实验结果表明,该方法可以准确地反演出磁异常体的位置和磁化强度,具有较强的学习能力和一定的泛化能力,能有效解决磁异常数据反演问题。     

重力异常AlexNet深度神经网络反演

针对传统反演方法存在的初始模型依赖、计算时间较长等问题,提出了一种新的基于AlexNet深度神经网络的重力异常反演方法。该方法首先借鉴经典的深度神经网络AlexNet设计了一种用于重力异常反演的Alex反演网络(AlexInvNet),接着设计大量密度异常体模型并通过正演计算得到带标签的数据集,然后用该数据集训练AlexInvNet网络,最后将重力异常数据输入训练好的AlexInvNet网络直接得到反演结果。理论模型反演结果表明,该方法相较于全连接网络深度学习反演方法,能够更好地反演出异常体的位置和密度,具有较好的泛化能力和抗噪声能力。实测数据反演结果表明,该方法能有效解决重力异常反演问题。     

基于乘积型目标函数的电阻率法三维反演

为了减小地球物理反演的多解性,通常采用累加型目标函数,即数据拟合差项加上正则化项。基于累加型目标函数的反演存在如何优选正则化因子的问题,这个过程通常需要做大量的反演计算。本研究系统分析和实现了基于乘积型目标函数(数据拟合差项和正则化项相乘)的电阻率法三维反演,乘积型目标函数的反演不存在优选正则化因子的问题。三维正演采用非结构化有限单元法,三维反演采用有限内存拟牛顿方法。使用理论模型合成数据进行了三维反演,检验了基于乘积型目标函数的电阻率法三维反演的可行性与有效性。反演算例结果表明：基于乘积型目标函数的反演方法能够可靠恢复异常体的电阻率值、形态和位置。