高光谱遥感协同处理黑刺沟岩矿蚀变信息方法研究

发布时间：2020-05-04 12:29

【摘要】：高光谱遥感技术的兴起和发展,在获取与重建精细像元光谱的基础上,可直接识别地物类型、组成成分,反演地物的物理、化学参量,使遥感应用由宏观观测发展到微观探测阶段,遥感地质解译也提升到地物光谱特征定量层次,标志遥感地质学领域从表层应用可以逐步深入到定量化。论文以高光谱遥感的岩矿组分敏感性为切入点,围绕高光谱遥感岩矿探测应用,综合利用遥感图像处理和光谱识别技术,基于美国EO-1 Hyperion和国产环境与灾害监测预报小卫星HJ-1A数据开展了以青藏高原北部东昆仑卡巴纽尔多黑刺沟地区为实验区的高光谱遥数据协同应用方法研究,完成了黑刺沟地区岩石及金属矿物矿化蚀变信息的定量提取,精细分类,目标识别,证实了 Hyperion和HJ-1A高光谱遥感数据协同找矿的可行性及其在地质找矿应用领域的优越性。论文取得的主要成果和创新点如下:(1)提出了一种高光谱数据协同共建光谱提取青藏高原黑刺沟地区蚀变矿化信息的方法。论文分析了高光谱遥感技术在高原气候环境和压强效应影响下产生的光谱吸收影响及其地物敏感性变化,综合比较了主流信息提取和光谱匹配分类方法的特点,利用HJ-1A优势谱段450nm-950nm与Hyperion 950nm-2500nm波段范围进行重采样、波谱运算,生成了 HJ-Hyperion高光谱结合数据共建光谱进行信息提取和目标识别,完成了 HJ-1A国产环境与减灾小卫星在地质找矿方面的应用尝试,这对开展青藏高原地区现代地质填图新技术新方法的研究,加快区调工作步伐,全面提升区调质量具有重要的社会、经济和战略意义(第5章)。(2)提出了一种基于岩矿光谱响应的诊断窗口加权相关波谱匹配方法。在详细分析岩石、矿物光谱特征与其物理化学属性的关联及传统的光谱匹配方法的基础上,综合考虑基于单个吸收特征、完全波形特征、光谱知识模型等提取方法的优缺点,顾及到地物波谱曲线在高原环境因素的影响下发生实际地物光谱变异,针对性地进行波谱匹配与相似度评估。其基本思想是在全波长范围分级对谱段进行分割,对具有诊断性光谱特征的谱段范围给予高权重值,次一级谱段范围及受环境影响敏感区域谱段范围给予低权重值,在反射率范围(0-1)之间符合正态分布规律,结合先验知识进行计算分析及权重因子训练,最终选中的权重因子进行波谱特征拟合及角度匹配。该方法有助于提高地物光谱分类精度,确定蚀变矿化信息,对研究区的区域地质调查、地质找矿工作有重要的参考价值(第5章)。(3)提出了一种估计光谱特性的反距离方差降低高光谱数据条带噪声的方法。数据预处理过程中,HSI数据可见光波段目前存在大量条带噪声,造成相对反射率和相对反射率反演结果曲线不够平滑,存在噪声引起的异常小反射峰(跳变);Hyperion可见光、近红外波段范围条纹清晰明显,严重影响图像的质量和分类应用。论文在ENVIIDL环境下实现了估计光谱特性的反距离方差的方法,有效解决了以上存在问题,其基本思想是首先选取噪声大的条纹波段写入一个三维数组,先求出每个波段及每列的均值,再求出各数据偏离平均数的距离的平均数即均差平方和平均后的方根,最后求出增益与偏置得到去条纹后图像数组并对图像数组进行变换。应用证明,该方法可以较好解决目前主流商业遥感软件存在缺点,高光谱遥感数据处理环节必须的坏线、条纹噪声消除与图像改善问题,可为后续岩矿信息的提取与识别提供更接近真实地物波谱特征的高质量遥感数据(第4章)。
【图文】：

逦２５００逡逑Ｗａｖｅｌｅｎｇｔｈ邋（ｎｍ）逡逑图２－１赤铁矿化的砾岩风化面与新鲜面对比图逡逑⑶岩石表面颜色对光谱反射率的影响逡逑岩石中存在矿物质、金属杂质以及有机质，这些元素共同形成了岩石的颜色，逡逑岩石中矿物成分的不同，其颜色也会有所差异。岩石的颜色深，则代表岩石中的逡逑矿物成分、金属杂质以及有机质含量等颜色偏深，越深的颜色，则代表岩石反射逡逑率越低；相反的，当岩石的颜色较浅，那么岩石中的有机质以及矿物质等颜色就逡逑偏浅，越浅的颜色也代表岩石的反射率越高。岩石的光谱反射率受到岩石中杂质逡逑的影响较大，甚至岩石的光谱特征会因为岩石的颜色而缺失（童庆禧等，２００６）。逡逑＿逦＾逦！逦：逦）逦ｉ逦；逦１逡逑Ｉ逡逑Ｉ逦：’邋逦逦１逡逑ｗａｖｅｌｅｎｇｔｈ邋ｍｍｉ逡逑图２－２含碳质千枚岩及其光谱反射率逡逑⑷大气环境对岩石光谱反射率的影响逡逑１６逡逑

图２－１赤铁矿化的砾岩风化面与新鲜面对比图逡逑⑶岩石表面颜色对光谱反射率的影响逡逑
【学位授予单位】：成都理工大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：P627

【相似文献】

相关期刊论文 前10条

1 李斐斐;;高光谱遥感影像技术发展现状与应用[J];现代营销(下旬刊);2018年03期

2 赵艳福;张灵凯;;高光谱遥感的应用[J];城市地理;2017年04期

3 郑泽忠;范东明;李玉霞;曹云刚;夏清;;AVIRIS高光谱遥感影像无缝镶嵌探讨[J];地理与地理信息科学;2008年05期

4 程一松,胡春胜;高光谱遥感在精准农业中的应用[J];农业系统科学与综合研究;2001年03期

5 田庆久;评《高光谱遥感及其应用》一书[J];遥感信息;2000年02期

6 陈云浩;王思佳;赵逸飞;王明国;;农业高光谱遥感研究进展及发展趋势[J];地理与地理信息科学;2019年05期

7 黄亮平;;高光谱遥感在农作物生长监测的应用研究进展[J];农村经济与科技;2019年05期

8 王利龙;吕航;;高光谱遥感技术在农作物监测中的应用[J];科技创新与应用;2018年01期

9 潘伟;夏丽丽;;高光谱遥感分类方法研究[J];福建电脑;2007年01期

10 孙钊;高光谱遥感的应用[J];贵州教育学院学报(自然科学);2004年04期

相关会议论文 前10条

1 张霞;刘良云;赵春江;张兵;;利用高光谱遥感图像估算小麦氮含量研究[A];成像光谱技术与应用研讨会论文集[C];2002年

2 徐元进;胡光道;;取缔阀值的高光谱遥感光谱匹配分类信息制图[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

3 徐元进;胡光道;;穷举法在高光谱遥感图像地物识别中的应用[A];第四届中国软件工程大会论文集[C];2007年

4 李京;蒋卫国;;高光谱遥感在湿地监测与分类中的应用[A];第十届全国光电技术学术交流会论文集[C];2012年

5 孙蕾;谷德峰;;基于分类的高光谱遥感图像混合噪声参数估计[A];第五届高分辨率对地观测学术年会论文集[C];2018年

6 黄家柱;龚绍奇;韦玉春;李云梅;;内陆水体总氮、总磷浓度高光谱遥感实验研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

7 黄娟;郭明克;张永梅;闫涛;王宁;;利用高光谱遥感资料提取赤潮信息方法研究[A];成像光谱技术与应用研讨会论文集[C];2002年

8 黄文钰;尚海兴;;基于小波变换的高光谱遥感影像光谱匹配技术研究[A];陕西省水力发电工程学会第三届青年优秀科技论文集[C];2013年

9 王艺婷;黄世奇;刘代志;;高光谱遥感图像波段选择现状研究[A];国家安全地球物理丛书（七）——地球物理与核探测[C];2011年

10 田庆久;;高光谱遥感陆海油气探测研究新进展[A];第十七届中国遥感大会摘要集[C];2010年

相关重要报纸文章 前6条

1 闫柏琨;高光谱遥感：地球资源环境管护开发的新利器[N];中国矿业报;2016年

2 姚娣;高光谱遥感就是“火眼金睛”[N];北京日报;2017年

3 记者 于德福 通讯员 单广宁 魏雪松;我国开展航空高光谱遥感油气调查示范[N];中国国土资源报;2016年

4 中国科学院院士、国际欧亚科学院院士 童庆禧;我国高光谱遥感的发展[N];中国测绘报;2008年

5 记者 金小平;中国地调局举办高光谱遥感找矿培训班[N];中国矿业报;2007年

6 文龙 胡军;张立福：用光谱观测大地的人[N];科技日报;2012年

相关博士学位论文 前10条

1 谢卫莹;高光谱遥感影像高精度分类方法研究[D];西安电子科技大学;2017年

2 胡立栓;高光谱遥感影像光谱降维与空谱联合分类方法研究[D];中国地质大学(北京);2018年

3 林红磊;火星含水矿物精细类别的高光谱遥感探测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年

4 陈志坤;基于改进滤波算法的高光谱遥感影像特征提取研究[D];中国地质大学;2018年

5 甘玉泉;高光谱遥感图像光谱解混方法研究及其应用[D];中国科学院大学(中国科学院西安光学精密机械研究所);2018年

6 安金梁;基于张量表征的高光谱遥感影像维数约减与分类[D];西安电子科技大学;2018年

7 王毓乾;基于空间—光谱分析的高光谱遥感影像稀疏解混研究[D];武汉大学;2015年

8 毕晓佳;高光谱遥感协同处理黑刺沟岩矿蚀变信息方法研究[D];成都理工大学;2016年

9 谭炳香;高光谱遥感森林类型识别及其郁闭度定量估测研究[D];中国林业科学研究院;2006年

10 冯燕;高光谱图像压缩技术研究[D];西北工业大学;2006年

相关硕士学位论文 前10条

1 王海峰;基于高光谱遥感的土壤水盐监测模型研究[D];西北农林科技大学;2019年

2 闫旭蒙;不同的特征提取方法对高光谱遥感像素点分类结果比较[D];兰州大学;2019年

3 王天宇;基于空间和光谱特征的高光谱遥感图像识别研究[D];哈尔滨工程大学;2019年

4 周忠磊;高光谱遥感图像的降维与分类研究[D];山东师范大学;2019年

5 李尧;基于深度学习的滑坡检测算法研究[D];成都理工大学;2018年

6 刘群;基于深度学习的高光谱遥感图像特征学习与分类算法研究[D];华侨大学;2018年

7 王晗;基于压缩感知的高光谱遥感影像重构方法研究[D];东北林业大学;2018年

8 张迦南;基于不同预处理方法的冬小麦冠层高光谱遥感长势监测研究[D];河南农业大学;2018年

9 金晨;基于深度信念网络的高光谱遥感图像分类算法研究[D];东北大学;2017年

10 马秀强;高光谱遥感在大冶铜铁矿区水环境监测中的应用[D];中国地质大学(北京);2018年

，

本文编号：2648544