一种基于多源遥感数据的伟晶岩型锂矿找矿方法与流程

本发明涉及矿产资源开发领域，具体是一种基于多源遥感数据的伟晶岩型锂矿找矿方法。

背景技术：

1、目前，残坡积物中的伟晶岩岩块以及堇青石角岩化黑云母片岩的碎块和岩块，对隐伏的基岩有一定的指示意义，特别是部分具残积特征的含锂辉石伟晶岩块，在区内成带密集分布，部分经钻探验证，其下基岩多为含锂辉石伟晶岩脉。因此如何快速准确地寻找含锂辉石伟晶岩块对于锂矿找矿突破具有重要意义。然而一些伟晶岩型锂矿区被堆积物及地表的高植被覆盖较为严重，且地形地貌复杂，有些区域海拔达到4000米以上，导致对伟晶岩等岩块的信息提取与解译难度系数增大，给找矿工作带来了很大的难度。

2、随着遥感技术的发展，光学、热红外和微波等大量不同卫星传感器对地观测的应用，获取的同一地区的多种遥感影像数据(多时相、多光谱、多传感器、多平台和多分辨率)越来越多；与单源遥感影像数据相比，多源遥感影像数据所提供的信息具有冗余性、互补性和合作性。多源遥感影像数据的冗余性表示他们对环境或目标的表示、描述或解译结果相同；互补性是指信息来自不同的自由度且相互独立；合作信息是不同传感器在观测和处理信息时对其它信息有依赖关系。基于遥感技术的特点可以帮助更好的探测伟晶岩。如中国专利文献cn109359621b公开了一种基于多源遥感数据的伟晶岩型锂矿找矿方法，包括：利用待研究区域的第一分辨率光学遥感数据确定伟晶岩型锂矿找矿远景区；针对每个伟晶岩型锂矿找矿远景区，分别利用雷达数据确定穹隆构造并利用第二分辨率光学遥感数据确定转石区，第二分辨率高于第一分辨率；基于所述穹隆构造及转石区的位置关系确定伟晶岩型锂矿找矿靶区；发明利用相对低分辨率的第一分辨率光学遥感数据确定找矿远景区，然后利用雷达数据确定每个找矿远景区的穹隆构造和利用相对高分辨率的第二分辨率光学遥感数据确定每个找矿远景区的转石区，最后以穹隆构造和转石区作为重点野外找矿线索，通过二者的位置关系确定找矿靶区，为野外找矿提供科学依据。又如中国专利文献cn115561828b公开了一种伟晶岩型锂矿识别方法，所述伟晶岩型锂矿识别方法包括：s1：获取目标区域的多种遥感影像数据；s2：分别对每种所述遥感影像数据进行预处理，得到对应的预处理结果；s3：分别提取每种所述遥感影像数据对应的预处理结果中的岩矿信息；s4：利用各所述岩矿信息进行制图，得到对应的岩矿信息图；s5：对各所述岩矿信息图进行叠置分析和空间分析，得到伟晶岩型锂矿识别结果。本发明能够通过多源遥感技术对伟晶岩型锂矿开展高分辨率、高精度和实时原位的快速探测。

3、但是遥感技术涉及的数据量繁杂庞大，寻找一种更快更准地伟晶岩型锂矿找矿方法，对伟晶岩型锂矿找矿突破具有重要意义。

技术实现思路

1、本发明的目的在于提供一种基于多源遥感数据的伟晶岩型锂矿找矿方法，通过对遥感数据详细分析，区分线性构造和环形构造信息，采用大数据模型自动分析，构造区域可在找矿时极大的降低工作强度。

2、为实现上述目的，本发明提供如下技术方案：一种基于多源遥感数据的伟晶岩型锂矿找矿方法，所述方法包括如下步骤：

3、步骤s1:获取待研究区域地理信息影像数据和第一遥感影像数据，对地理信息影像数据对待研究区域进行分片预处理得到第二遥感影像数据和第三遥感数据，确定远景矿区信息；

4、步骤s2:基于待研究远景矿区的第二遥感影像数据，依据第二遥感影像数据确定线性构造信息；

5、步骤s3:基于待研究远景矿区的第三遥感影像数据，依据第三遥感影像数据确定环形构造信息；

6、步骤s4:依据上述线性构造和环形构造信息依据分类成矿预测模型编制成矿预测图，并确定靶区；

7、步骤s5：引入已确定研究区域地理信息数据，将信息数据引入编制成的成矿预测模型，确定其是否准确，在准确度大于阈值时，完成该训练模型投入使用。

8、作为本发明所述的一种优选实施方案，所述步骤s1:获取待研究区域地理信息影像数据和第一遥感影像数据，对地理信息影像数据对待研究区域进行分片预处理得到第二遥感影像数据和第三遥感数据，确定远景矿区信息的详细步骤如下：

9、获取待研究区域地理信息影像数据和待研究区域第一遥感影像数据，将二者进行数据融合形成第二遥感影像数据和第三遥感数据；

10、将地理信息遥感数据进行预处理；

11、提取预处理后的第一遥感影像信息，并对其主成分进行分析，依据主成分分析数据，确定选定波段的色彩信息，依据色彩信息合成得到色调特征；

12、基于色调特征设定主成分阈值信息，依据阈值信息以及形态确定远景矿区范围区域。

13、作为本发明所述的一种优选实施方案，所述预处理包括几何校正、正射校正、大气校正、数据融合、图像增强以及区域分片；对预处理后的第一分辨率光学遥感数据进行主成分分析，和对主成分分析后的数据进行选定波段的色彩合成得到第一分辨率光学遥感数据的色调特征。

14、作为本发明所述的一种优选实施方案，所述步骤s2:基于待研究远景矿区的第二遥感影像数据，依据第二遥感影像数据确定线性构造信息的详细步骤如下：

15、获取待研究区域第二遥感影像数据；

16、依据第二遥感影像数据绘制线性构造方位玫瑰图及方位—长度图，依据该图判断产出最优方位；

17、对线性构造方位频数和异常度分析，绘制线性构造频数与强度相关性图,确定研究区内线性构造呈带状分布的高值区。

18、作为本发明所述的一种优选实施方案，所述步骤s3:基于待研究远景矿区的第三遥感影像数据，依据第三遥感影像数据确定环形构造信息的详细步骤如下:

19、获取待研究区域第三遥感影像数据，所述第三遥感影像数据获取后需要对区域内遥感图像进行预处理；

20、依据与处理后的第三遥感影像数据确定环形构造区域；

21、依据环形构造区域确定富集化高值区域。

22、作为本发明所述的一种优选实施方案，所述第三遥感影像预处理方法步骤如下：

23、首先对图像拼接，将具有地理参考若干相邻区域图像组合成一幅图像，且该图像必须含有投影信息；

24、结合拼接图像进行色彩矫正，使色调一致；

25、接着将图像数据投影到平面设计进行几何矫正，其中几何矫正采用二次多项式拟合法。

26、作为本发明所述的一种优选实施方案，所述步骤s4:依据上述线性构造和环形构造信息依据分类成矿预测模型编制成矿预测图，并确定靶区的详细步骤如下：

27、首先获取上述线性构造和环形构造信息，接着对信息进行解译；

28、由成矿预测模型采用亮度反转、色彩空间变换和锐化处理得到最终图像即线性体和环形体解译图；

29、接着依据线性体和环形解译图分析出成矿预测图。

30、作为本发明所述的一种优选实施方案，其中所述线性构造和环形构造信息均采用卷积核为6*6的边缘增强图像为底进行编译，且在成矿预测模型确定好线性体和环形体解译图之后还需要经过审核。

31、作为本发明所述的一种优选实施方案，在所述步骤s3和s4中需要排除非地址构造造成的影响，并将区域内矿床、矿点和物化探异常的标志叠加在编译上。

32、作为本发明所述的一种优选实施方案，所述步骤s5：引入已确定研究区域地理信息数据，将信息数据引入编制成的成矿预测模型，确定其是否准确，在准确度大于阈值时，完成该训练模型投入使用的详细步骤如下：

33、利用当前已探明矿物的地理信息数据，将该信息的遥感信息引入成矿预测模型；

34、通过成矿预测模型输出成矿预测图；

35、将成矿预测图与已探明数据进行对比，计算器相似度，确定其是否准确；

36、在相似度满足阈值范围，即准确度达标时予以通过，否则继续训练该模型。

37、利用当前已探明矿物的地理信息数据，将该信息的遥感信息引入成矿预测模型；

38、通过成矿预测模型输出成矿预测图；

39、将成矿预测图与已探明数据进行对比，计算器相似度，确定其是否准确；在相似度满足阈值范围，即准确度达标时予以通过，否则继续训练该模型。综上所述，本发明通过对遥感数据详细分析，区分线性构造和环形构造信息，采用大数据模型自动分析，构造区域可在找矿时极大的降低工作强度。

40、与现有技术相比，本发明的有益效果是：

41、本发明在通过对遥感数据详细分析，区分线性构造和环形构造信息，采用大数据模型自动分析，构造区域可在找矿时极大的降低工作强度；同过对成矿预测模型的训练，可构建一个自动分析遥感信息的模型。