高纬度高寒地区稀土-铀矿遥感找矿方法与流程

本发明涉及遥感地质
技术领域：
，更具体地说涉及一种高纬度高寒地区稀土-铀矿遥感找矿方法。
背景技术：
：在高纬度高寒地区，单纯地利用矿物信息和蚀变信息，很难直接获取成矿岩石的信息及其分布规律信息。由于高纬度高寒地区常年的平均温度在0℃左右，所以积雪覆盖较厚，单独提取热液蚀变信息达不到解译要求，且获取该区域的遥感影像通常具有局限性，在影像的成像时间选择上也有要求。近年来，利用遥感手段进行找矿研究，已成为成矿预测的一种常规手段和热点技术，但针对高纬度高寒地区的u-ree矿床的找矿方法尚未形成有效的方法。技术实现要素：为了克服上述现有技术中存在的缺陷和不足，本发明提供了一种高纬度高寒地区稀土-铀矿遥感找矿方法，本发明的发明目的在于为高纬度高寒地区的矿产综合评价提供一种基于遥感的高效完善评估技术。本发明是一种针对高纬度高寒地区基于遥感可见光、近红外和热红外相结合的简单、高效的稀土-铀矿找矿方法。为了解决上述现有技术中存在的问题，本发明是通过下述技术方案实现的：高纬度高寒地区稀土-铀矿遥感找矿方法，其特征在于：包括以下步骤：步骤1，通过卫星探测器获取高纬度高寒研究区多光谱、热红外和高光谱影像；步骤2，确定高纬度高寒研究区地质成矿背景及主要成矿岩石，搜集该区域的地质环境资料；步骤3，根据步骤2获取的资料建立高纬度高寒研究区稀土-铀矿找矿模型，该模型为一个结合赋矿岩体圈定、红外热辐射异常分类、热液蚀变异常信息三方面因素的综合ahp分析模型；建立高纬度高寒研究区稀土-铀矿找矿模型需要以以下要素作为找矿靶区综合圈定的依据：地质岩性分布；稀土-铀矿放射性热辐射分布；成矿域构造分布；热液蚀变异常分布；步骤4，利用机器学习计算机自动提取方法，基于多源遥感信息提取区域地质背景信息，包括地质构造、赋矿地层基础岩性和热液蚀变信息；具体如下：步骤4.1，最佳波段的选择，采用查维茨最佳指数算法对步骤1中获取的预处理后的遥感波段，进行波段信息相关性计算，选择符合遥感地质解译要求的波段，并利用高纬度高寒研究区植被分布特征，确定波段组合；步骤4.2，依据高纬度高寒研究区内已知矿产围岩蚀变类型，结合区域成/控矿地质条件，利用预处理后的遥感影像，结合波段pca主成分分析提取与fe3+和羟基有关的蚀变遥感异常；步骤4.3，利用面向对象、光谱角制图（sam）和支持向量机（svm）三种计算机自动分类方法，将遥感影像数据按照波段光谱信息、遥感影像纹理结构等特征进行分类，并与目标成矿岩的光谱信息及纹理进行对比，从而对赋矿岩进行识别；步骤5，利用卫星探测器获取的热红外波段的遥感影像，获取热异常分布图；步骤6，利用ahp（层次分析法）将利用计算机自动识别得到的赋矿岩分类结果、放射性热异常铀元素分类结果，以及热液蚀变异常结合进行结合，利用对现有矿区的拟合，得到最优的权值，从而预测高纬度高寒研究区找矿靶区及成矿有利地区。所述步骤1中，遥感影像选择遵循两个原则，具有长时间序列和高空间分辨率。所述步骤1中，遥感影像数据选择landsat-8、sentinel-2a或hyperion数据。所述步骤2中，搜集高纬度高寒研究区已经有的地质岩性信息，获取已经发现的矿点的岩性、构造和环境信息，制作出高纬度高寒研究区的遥感地质图。所述步骤4.1中，确定的波段组合为近红外波段和短波红外波段。所述步骤4.2中，利用sentinel或aster遥感数据提取铁染和羟基异常。与现有技术相比，本发明所带来的有益的技术效果表现在：1、与现有方法比较，其优势主要体现在三方面：1）数据的获取主要采用中高分辨率（15-10米）的较高时间分辨率的公开数据，从研究和调查方面讲节省了经济成本，提高了效率。2、解译方法不限于目视解译的单一手段，目视解译主观见解对解译的精确度具有极大的影响，从另一方面看中大比例尺（1:5-1:10万）范围地质解译调查来看，单纯利用目视解译，会耗费大量的时间和人力成本，本方法基于更加高效的机器学习方法进行岩性分类并利用目视解译进行检核，能够从效率和准确度上得到双重提高。3、借助遥感自身针对光谱波段反射率变化及热异常敏感等方面的特征，将赋矿岩石的解译，变成针对其对光谱波段的独特特征的匹配。提高解译的针对性的同时，也提高人为干扰。总体来说本发明可以利用中高分辨率图像的光谱，与实测光谱建立关系进行计算机自动识别，精准地定位出区域内的赋矿岩，根据其分布规律确定找矿靶区。与现有技术相比，本发明中利用卫星探测器获取研究区的光谱影像，并利用地质岩性分布、稀土-铀矿放射性热辐射分布，成矿域构造分布和热液蚀变异常分布，利用ahp（层次分析法）进行要素整合，利用对现有矿区的拟合，得到最优的权值，从而预测高纬度高寒研究区找矿靶区及成矿有利地区。本方法简单，高效。附图说明图1为本发明在格林兰岛西南部科瓦内湾矿区实施时的遥感影像单波段标准差示意图；图2为本发明蚀变信息提取流程图；图3为本发明稀土-铀矿找矿靶区预测模型图。具体实施方式下面结合说明书附图1-3，对本发明的技术方案作出进一步详细地阐述。实施例1作为本发明一较佳实施例，本实施例公开了：高纬度高寒地区稀土-铀矿遥感找矿方法，包括以下步骤：步骤1，通过卫星探测器获取高纬度高寒研究区多光谱、热红外和高光谱影像；步骤2，确定高纬度高寒研究区地质成矿背景及主要成矿岩石，搜集该区域的地质环境资料；步骤3，根据步骤2获取的资料建立高纬度高寒研究区稀土-铀矿找矿模型，该模型为一个结合赋矿岩体圈定、红外热辐射异常分类、热液蚀变异常信息三方面因素的综合ahp分析模型；建立高纬度高寒研究区稀土-铀矿找矿模型需要以以下要素作为找矿靶区综合圈定的依据：地质岩性分布；稀土-铀矿放射性热辐射分布；成矿域构造分布；热液蚀变异常分布；步骤4，利用机器学习计算机自动提取方法，基于多源遥感信息提取区域地质背景信息，包括地质构造、赋矿地层基础岩性和热液蚀变信息；具体如下：步骤4.1，最佳波段的选择，采用查维茨最佳指数算法对步骤1中获取的预处理后的遥感波段，进行波段信息相关性计算，选择符合遥感地质解译要求的波段，并利用高纬度高寒研究区植被分布特征，确定波段组合；步骤4.2，依据高纬度高寒研究区内已知矿产围岩蚀变类型，结合区域成/控矿地质条件，利用预处理后的遥感影像，结合波段pca主成分分析提取与fe3+和羟基有关的蚀变遥感异常；步骤4.3，利用面向对象、光谱角制图（sam）和支持向量机（svm）三种计算机自动分类方法，将遥感影像数据按照波段光谱信息、遥感影像纹理结构等特征进行分类，并与目标成矿岩的光谱信息及纹理进行对比，从而对赋矿岩进行识别；步骤5，利用卫星探测器获取的热红外波段的遥感影像，获取热异常分布图；步骤6，利用ahp（层次分析法）将利用计算机自动识别得到的赋矿岩分类结果、放射性热异常铀元素分类结果，以及热液蚀变异常结合进行结合，利用对现有矿区的拟合，得到最优的权值，从而预测高纬度高寒研究区找矿靶区及成矿有利地区。所述步骤1中，遥感影像选择遵循两个原则，具有长时间序列和高空间分辨率。所述步骤1中，遥感影像数据选择landsat-8、sentinel-2a或hyperion数据。所述步骤2中，搜集高纬度高寒研究区已经有的地质岩性信息，获取已经发现的矿点的岩性、构造和环境信息，制作出高纬度高寒研究区的遥感地质图。所述步骤4.1中，确定的波段组合为近红外波段和短波红外波段。所述步骤4.2中，利用sentinel或aster遥感数据提取铁染和羟基异常。实施例2作为本发明又一较佳实施例，参照说明书附图1-3，本实施例公开了：高纬度高寒地区稀土-铀矿遥感找矿方法，包括以下步骤：（1）通过卫星探测器获取高纬度高寒研究区多光谱、热红外和高光谱影像；（2）确定研究区地质成矿背景及主要成矿岩石，搜集该区域的地质环境相关资料；（3）根据（2）建立研究区稀土-铀矿找矿模型；（4）利用机器学习计算机自动提取方法，基于多源遥感信息提取区域地质背景信息（地质构造、赋矿地层基础岩性、热液蚀变）；（5）基于热红外波段提取该区域热异常信息；（6）综合（3）、（4）、（5）的步骤进行u-ree矿体信息提取识别，为靶区圈定成矿预测提供资料依据。进一步详细说明：步骤（1）：研究区遥感影像主要是分为多光谱影像与高光谱影像两部分，其光谱波长范围涵盖可见光至近红外，以及热红外波段。遥感影像选择主要遵循两个原则：具备长时间序列和高空间分辨率，因此选择landsat-8、sentinel-2a和hyperion数据；表1遥感数据参数表数据类型空间分辨率时间分辨率幅宽（/景）landsat-830m（全色波段15m）16天185kmsentinel-2a10m、20m、60m10天290kmaster15m、30m、90m16天60kmhyperion30m16天185km步骤（2）：搜集该地区已经有的地质岩性信息，获取已经发现的矿点的岩性、构造，环境信息。制作出格陵兰西南部区域的遥感地质图。其中稀土资源主要源自于河流和海滨冲积物中独居石砂矿,及碱性杂岩体的内外生稀土矿床中，ree主要来源于化学分解物而非岩浆和热液。步骤（3）：研究区的稀土-铀矿识别，从根本上是对异霞正长岩及放射性异常区域的识别，因此建立初步找矿模型主要需要结合以下因素：3.1）地质岩性分布，特别是已知成矿岩石分布和遥感解译成矿岩石分布；3.2）稀土-铀矿放射性热辐射分布；3.3）成矿域构造分布；3.4）热液蚀变异常分布；步骤（4）：通过找到主要赋矿岩体，就能直接表征矿体位置，因此本发明的主要特点就在于对赋矿岩体的识别，其中包含以下几个模块：4.1）遥感影像的最佳波段选择（oif），选择符合遥感地质解译要求的波段，并利用格陵兰地区植被分布特征，着重使用近红外波段（nir）及短波红外波段（swir），遥感数据的选择直接影响到解译和对象提取的准确程度，同时其也是图像增强的重要环节。进行人工和计算机图像分类需要大量的信息，因此在选择数据时，选择波段标准差较大的波段，能够含有更多信息，但波段之间难以避免地会出现数据冗余的现象，选取波段的相关系数越低的数据其数据冗余程度就越小。本次最佳波段选择主要使用查维茨最佳指数（oif）算法，其公式如下：其中si是第i个波段的标准差，rij为i、j两个波段的相关系数,遥感影像单波段标准差如图1所示。表2最佳波段波段组合排序序号波段组合oifoif排序1r、g、swir16663.4612r、b、swir16637.2223g、b、swir16489.7034r、b、swir25686.145r、nir、swir15633.4656g、b、swir25568.9367b、nir、swir15558.937结合地质解译波段特征以及由swir、nir、r分别赋予rgb合成的假彩色影像，图面色彩丰富，清晰度高，地质解译度高。因此，选为本研究区进行地质解译的最佳波段组合；4.2）依据调查区内已知矿产围岩蚀变类型，结合区域成/控矿地质条件，利用sentinel、aster遥感数据提取铁染、羟基异常等与fe3+和羟基有关的蚀变遥感异常；4.3）主要利用面向对象、sam（光谱角分类）和svm（向量机）三种分类方法相结合，进行赋矿岩的识别。sam分类分为基于遥感影像与实测光谱两种方式。步骤（5）：利用landsat-8卫星获取热红外波段的遥感影像，获取热异常分布图，反应稀土铀矿元素的热辐射性质。步骤（6）：综合评价主要是利用ahp（层次分析法）将多要素结合，利用对现有矿区的拟合，得到最优的权值，从而预测野外矿区找矿靶区及成矿有利地区。实施例3测试实例实验地点：格陵兰岛西南部科瓦内湾矿区矿区主要分布在岛屿之上，野外实际勘察难度较高、工作效率低。格陵兰岛西南部的伊犁马萨克杂岩体是世界上第二大稀土矿富集地。目前伊犁马萨克杂岩体内已发现3个大型u-ree矿床：kvanefjeld、sørensen（zone2）和kringlerne(zone3)矿床，稀土氧化物总资源量达1111万吨，铀总资源量26.88万吨。赋矿岩体为伊犁马萨克杂岩体中的异霞正长岩。利用中高分辨率图像的光谱，与实测光谱建立关系进行计算机自动识别，精准地定位出区域内的霞石正长岩，根据其分布规律确定找矿靶区。利用上述实施例1和2中的方法，能够推测出稀土-铀矿的大概分布位置，并与部分野外调查点进行核实，效果较为理想。当前第1页1 2 3