E-mail Alert Rss
 

物探与化探, 2024, 48(5): 1302-1312 doi: 10.11720/wtyht.2024.1329

方法研究·信息处理·仪器研制

鄂西水月寺地区Landsat8-OLI遥感蚀变信息与地球化学奇异性异常信息融合应用

保其兵,1,2, 杨朋,3, 周舟3, 雷雳3, 夏庆霖2, 刘银3, 龚银3, 卢金祥3

1.中国地质调查局 自然资源实物地质资料中心,河北 廊坊 065201

2.中国地质大学(武汉) 资源学院,湖北 武汉 430084

3.湖北省地质局 第七地质大队,湖北 宜昌 443100

Integrated application of alteration information from Landsat8-OLI remote sensing images and geochemical singularity anomaly information for the Shuiyuesi area of western Hubei Province

BAO Qi-Bing,1,2, YANG Peng,3, ZHOU Zhou3, LEI Li3, XIA Qing-Lin2, LIU Yin3, GONG Yin3, LU Jin-Xiang3

1. Cores and Samples Centre of Natural Resources, China Geological Survey, Langfang 065201, China

2. School of Earth Resources, China University of Geosciences (Wuhan), Wuhan 430084, China

3. The Seventh Geological Brigade of Hubei Geological Bureau, Yichang 443100, China

通讯作者: 杨朋(1987-),男,工程师,矿产普查与勘探专业,主要从事固体矿产勘查工作。Email:284373280@qq.com

第一作者: 保其兵(1997-),男,汉族,资源与环境(地质工程)专业,中国地质调查局自然资源实物地质资料中心,主要从事地质矿产勘查工作。Email:1364545374@qq.com

责任编辑: 蒋实

收稿日期: 2023-07-22   修回日期: 2024-03-15  

基金资助: 中国地质调查局项目(DD20242250)
中国地质调查局项目(DD20230138)
中国地质调查局项目(DD20221814)
湖北省综合性地质区划(鄂西片)项目(KCDZ2022-07)
湖北省成矿区划与矿产前期勘查(鄂西片)项目(KCDZ2023-20)

Received: 2023-07-22   Revised: 2024-03-15  

摘要

鄂西经历了长期剧烈的岩浆热液活动以及区域变质作用,为金矿形成提供了有利的条件。近年来,水月寺地区随着地表矿、露头矿逐渐勘查殆尽,金矿找矿工作正向覆盖区和深部等新领域拓展,由于该区地形起伏较大,植被覆盖率较高,地形切割严重,找矿难度不断增大,急需一套高效的找矿思路实现找矿突破。本文通过地质调查分析,统计水月寺金矿区9条金矿脉与金矿化关系密切的蚀变类型,利用数值运算等方法对Landsat8-OLI遥感影像进行蚀变信息提取,并利用多元统计分析、局部奇异性分析等方法提取元素分布的弱异常信息,通过数据融合技术实现遥感蚀变异常信息与奇异性异常信息的融合,结合成矿地质背景、成矿规律等综合信息划分出19个成矿远景区,在杨家淌—财神庙等地发现新的异常线索。通过奇异性分析和数据融合相结合的新思路,不但提高了地球化学异常空间的分辨率,丰富了地物空间细节,而且增强了与金矿化有关的弱异常信息,能够快速、高效地识别、提取综合异常和预测找矿远景区。

关键词： 地球化学异常; 遥感蚀变异常; 数据融合; 远景区预测

Abstract

Prolonged intense magmatic-hydrothermal activity and regional metamorphism in western Hubei Province created favorable conditions for the formation of gold deposits. As the Shuiyuesi area witnessed a thorough exploration of surface and outcrop mines, the prospecting of gold deposits in the area has shifted to overburden and deep zones in recent years. However, the prospecting in the Shuiyuesi area becomes gradually complicated due to significant topographic relief, high vegetation coverage, and severe terrain cutting. Hence, efficient prospecting approaches are urgently needed to achieve breakthroughs in ore prospecting. Through geological survey and analysis, this study statistically analyzed the alteration types intimately associated with gold mineralization in nine gold veins of the Shuiyuesi area. It extracted alteration information from Landsat8-OLI remote sensing images using methods like numerical operations, and weak anomaly information of element distribution using methods like multivariate statistical analysis and local singularity analysis. Employing the data integration technology, it integrated the alteration anomaly information from remote sensing images and the singularity anomaly information. Based on comprehensive information, such as geological settings for mineralization and metallogenic regularity, this study identified 19 metallogenic prospect areas and new anomaly clues in the Yangjiatang-Caishenmiao area. The novel approach combining singularity analysis and data integration enhanced the spatial resolution of geochemical anomalies, the spatial details of surface features, and weak anomaly information associated with gold mineralization, thus enabling rapid and efficient identification and extraction of comprehensive anomalies and prediction of metallogenic prospect areas.

Keywords： geochemical anomaly; alteration anomaly from remote sensing images; data integration; prospect area prediction

PDF (6185KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

保其兵, 杨朋, 周舟, 雷雳, 夏庆霖, 刘银, 龚银, 卢金祥. 鄂西水月寺地区Landsat8-OLI遥感蚀变信息与地球化学奇异性异常信息融合应用[J]. 物探与化探, 2024, 48(5): 1302-1312 doi:10.11720/wtyht.2024.1329

BAO Qi-Bing, YANG Peng, ZHOU Zhou, LEI Li, XIA Qing-Lin, LIU Yin, GONG Yin, LU Jin-Xiang. Integrated application of alteration information from Landsat8-OLI remote sensing images and geochemical singularity anomaly information for the Shuiyuesi area of western Hubei Province[J]. Geophysical and Geochemical Exploration, 2024, 48(5): 1302-1312 doi:10.11720/wtyht.2024.1329

0 引言

当矿产勘查进入信息勘查,寻找的对象是难识别的矿床、隐伏矿床和深部矿床,而不同类型的数据有不同的表达形式,有必要对数据进行预处理和转换,以促进综合分析[1⇓-3]。多源数据融合是将不同来源的数据整合成一个更加准确、一致和可用的数据集合,使其发挥最大的数据价值[4-5]。计算机具有强大的数据处理能力,能有效从复杂的地质数据中得到想要的结果,剔除不必要的信息,因此用多源数据进行融合处理研究来提高数据的使用效率以及找矿效率成为重要的新课题。多源数据融合最早被提出并应用在军事指挥系统中来提高综合作战能力,具有显著效果。到20世纪70年代末,Daily等[6]首次将数据融合应用于地质领域,复合了Landsat MSS遥感影像与雷达影像进行地质解译;1985年以来,国外的Waltz等[7]和Hall[8]对信息融合研究的内容、应用和公共基础作了全面的、系统的论述;90年代,国内董志荣等[9]、康耀红[10]完善了数据融合过程中的关键技术和方法理论,在地学数据融合处理中取得了极大进步。

在多源数据融合的研究过程中,对于同一地质体,其地球化学元素含量信息与遥感影像中的波谱特征有密切的联系,地球化学数据和遥感数据二者在数据结构上均可以通过一定手段转为栅格图像,从而让数据中不同级次的强度信息可视化表达出来[11⇓-13]。基于遥感数据和地球化学数据之间的物理化学关系,通过一定的融合技术手段,能够实现地球化学数据与遥感数据的高效融合。刘福江等[11]提出了一种使用专家系统的基于3个层次(像素级、特征级、决策级)的化探遥感融合方法,并在招远金矿区进行验证,具有广泛的应用价值;蒋立军等[14]采用主成分分析法提取化探与遥感融合图像中包含的蚀变信息,增强了图像的蚀变信息特征,经野外验证效果较好;陈威等[15]运用RGB彩色合成、HIS彩色空间变换和二维相关编码对研究区的遥感蚀变信息与化探信息进行了融合处理,综合提取找矿信息;荆林海等[16]提出了一种基于遥感蚀变信息的地球化学元素异常来源追索方法,高精度地定位地球化学异常的源头,修正地球化学元素的漂移,有效缩小了野外查验范围;Wang等[17]采用多源数据融合技术融合遥感影像和地球化学数据,在喜马拉雅造山带建立了适应多尺度研究区的测度学习岩体识别模型;黄理善等[18]通过证据权模型和模糊证据权模型的方法融合地质、地球化学数据以及遥感数据,结合地球物理方法,应用于高寒山区对异常进行追索、圈定。传统的融合思路主要建立在空间位置之间的叠加或套合,随着遥感技术和计算机技术的发展,学者利用融合算法将遥感、地球化学信息进行综合分析时,往往忽略了地球化学弱异常信息。由于受到矿体埋藏深度较大以及覆盖层等干扰因素的叠加影响,地表地球化学异常往往显示较弱,利用一般的数据融合技术得到的结果弱异常不明显,从而低估了成矿远景区。

以成秋明教授为代表的非线性成矿预测科研团队,针对复杂地质条件下成矿信息的提取与集成,提出了一系列的分形与多重分形模型,其中最具代表性的模型有C-A分形模型[19]、S-A分形模型[20]和局部奇异性分析[21]等,局部奇异性分析可以有效地识别地球化学背景场中的弱缓致矿异常信息[22⇓-24]。基于此,本文以Landsat8-OLI遥感数据和水月寺研究区1:5万水系沉积物测量数据为基础,以局部奇异性分析与数据融合相结合的新思路,采用彩色合成、数值运算等一系列方法对Landsat8-OLI遥感影像进行蚀变信息提取,采用相关性分析、聚类分析、因子分析、局部奇异性分析等方法提取元素分布的弱异常信息,通过数据融合技术实现遥感蚀变异常信息与奇异性异常信息的融合,实现弱缓异常信息的增强,并与一般的数据融合进行对比分析,综合类比圈定水月寺地区金矿成矿远景区,对于指导该区金矿勘查具有重要的科学意义和实际应用价值。

1 成矿地质背景

水月寺研究区处于扬子克拉通北缘黄陵背斜核部变质岩区。该区地形属构造侵蚀中山区,平均海拔875 m,植被覆盖较为严重。区内岩浆活动强烈,以侵入岩为主,从超基性岩到酸性以至偏碱性岩类及其伴生岩脉均有发育。图1为水月寺地区地质简图,主要表现为圈椅倘新元古代钾长花岗岩体、新太古代东冲河片麻杂岩及各类脉岩侵入[25⇓⇓-28]。区内地层出露有寒武系、震旦系、南华系以及前震旦系水月寺(岩)群。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   水月寺地区地质简图

Ar2y—中太古界野马洞岩组;Pt1h—古元古界黄凉河岩组;Pt2l—中元古界力耳坪岩组; $\epsilon$—寒武系;Z—震旦系;Nh—南华系;Ar3D—新太古代东冲河片麻杂岩;Pt2v—中元古代辉绿岩;Pt2Ψlσ—中元古代辉石橄榄岩;Pt2Σ—中元古代超基性岩;Pt3ηγ—新元古代二长花岗岩;Pt3βμ—新元古代辉长辉绿岩;Pt3ξγ—新元古代钾长花岗岩;Pt3γo—新元古代黑云斜长花岗岩;1—地质界线;2—断裂构造;3—金矿(化)点

Fig.1   Geological map of Shuiyuesi area

Ar2y—middle Archean Yemadong Formation;Pt1h—early Proterozoic Huanglianghe Formation;Pt2l—middle Proterozoic Lierping Formation; $\epsilon$—Cambrian system;Z—Sinian system;Nh—Nanhua system;Ar3D—Neoarchean Dongchonghe gneiss complex;Pt2v—middle Proterozoic diabase;Pt2Ψlσ—middle Proterozoic pyroxene peridotite;Pt2Σ—middle Proterozoic ultrabasic rocks;Pt3ηγ—Neoproterozoic diorite granite;Pt3βμ—Neoproterozoic gabbro diabase;Pt3ξγ—Neoproterozoic potassium feldspar granite;Pt3γo—Neoproterozoic biotite plagioclase granite;1—geological boundary;2—fault structure;3—gold mineralization points


区内金矿多为小型矿床和矿(化)点,具有数量多、规模小和品位高等特点,可划分为水月寺—龙头坪、巴山寺—坦荡河两个成矿区。金矿床为中—低温岩浆热液型,矿化的主要类型是含金硫化物石英脉型和含金蚀变构造岩型。岩浆活动与本区金的成矿作用关系密切,不仅能提供矿质和成矿空间,而且为古老变质岩系中金的活化迁移提供热源和驱动力,使金矿化与各种脉岩关系密切[29-30]。

2 数据处理及数据融合

2.1 遥感蚀变信息提取

一般在矿体的周围会发育强烈的围岩蚀变现象,根据蚀变岩与矿体之间的时空关系,可以大致判断矿体的位置。对水月寺金矿床的9条矿脉进行研究,如表1所示,发现该地区金矿普遍蚀变强烈,矿体围岩主要为变质岩和花岗岩,且围岩蚀变与金矿成矿关系密切,主要有硅化、黄铁矿化、褐铁矿化、绢云母化、绿泥石化、碳酸盐化。

表1   水月寺矿区与金矿化关系密切的蚀变类型及可识别离子

Table 1  The alteration types and identifiable ions closely related to gold mineralization in the Shuiyuesi mining area

金矿脉与金矿化关系密切的蚀变类型可识别离子
罐湾矿脉硅化、绢云母化、碳酸盐化、褐铁矿化Fe3+、CO32-、OH-
筲箕湾矿脉硅化、黄铁矿化、绢云母化、褐铁矿化Fe2+、Fe3+、OH-
何家湾矿脉硅化、黄铁矿化、绢云母化Fe2+、OH-
祠堂湾矿脉黄铁矿化、碳酸盐化、绿泥石化Fe2+、CO32-、OH-
庙湾矿脉碳酸盐化、黄铁矿化、绿泥石化Fe2+、CO32-、OH-
狮子崖矿脉黄铁矿化、褐铁矿化Fe2+、Fe3+
天鹅池矿脉黄铁矿化、褐铁矿化Fe2+、Fe3+
松树湾矿脉弱黄铁矿化Fe2+
宋家湾矿脉黄铁矿化、褐铁矿化Fe2+、Fe3+

新窗口打开| 下载CSV


张玉君等[31]指出,可以根据各种形式的铁离子和CO32-、OH-离子在可见光—近红外区内所表现出来的光谱特性来判断矿物蚀变的类型,进而进行矿化蚀变信息提取。本文所用的遥感数据源为Landsat8-OLI数据,成像时间为2013年12月4日,植被覆盖率低,云量少,没有雾霾,没有积雪覆盖,且OLI包括了ETM+的所有波段[32]。利用ENVI5.6软件对影像进行辐射定标、大气校正,以消除大气中二氧化碳、氧气等成分吸收和散射的影响,然后裁剪得到研究区遥感影像。本次通过归一化植被指数(ND-VI)提取植被,采用0.6<NDVI<1分割阈值,建立掩膜,达到消除植被的影响。

研究区根据水月寺金矿区9条矿脉围岩蚀变情况进行遥感蚀变信息提取。传统的蚀变信息提取方法有主成分分析法、波段比值法、光谱角法等。其中在进行主成分分析时,与金矿化蚀变相关的可识别离子信息会分散到多个主成分中,不能集中于某一个高阶主成分,无法得到期望的蚀变信息[18];光谱角法需要对水月寺研究区的矿物进行波谱分析,从而得到一个参考谱,此次研究也不具备采用光谱角法的条件。根据图2中USGS波谱库典型蚀变矿物的光谱曲线可以看出,含OH-、Fe2+、Fe3+、CO32-的蚀变矿物有不同的特征波谱,在特定的波长范围呈现出不同的特征吸收带,依此特征能够准确地提取矿化蚀变信息。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   典型含OH-、铁离子、CO32-的矿物波谱曲线(据USGS波谱库修改)

a—含OH-离子的矿物波谱曲线;b—含铁离子的矿物波谱曲线;c—含CO32-离子的矿物波谱曲线

Fig.2   Spectral curves of typical minerals containing OH-, iron ions, and CCO32-(modified according to USGS spectral library)

a—spectral curve of minerals containing OH-;b—spectral curve of minerals containing iron ions;c—spectral curve of minerals containing CO32-


含Fe2+、Fe3+离子的矿物在0.45~0.50 μm、0.85~1.2 μm、2.15~2.50 μm波长范围内表现为较强的吸收特征,相对应的Landsat8-OLI影像波段有OLI2、OLI3、OLI7,波段亮度值低,在OLI6波段范围内表现为很弱的吸收特征,波段亮度值相对较高;含OH-离子的矿物在0.88~1.10 μm、1.4 μm、1.55 μm、2.16~2.30 μm波长范围内表现为较强的吸收特征,相对应的Landsat8-OLI影像波段有OLI7,波段亮度值低,在OLI6波段范围内同样表现为较弱的吸收特征,波段亮度值相对较高;含CO32-离子的矿物在1.90 μm、2.00 μm、2.16~2.34 μm、2.50 μm波长范围内表现为较强的吸收特征,相对应的Landsat8-OLI影像波段有OLI7,波段亮度值低,在OLI6波段范围内表现为很弱的吸收特征,波段亮度值相对较高。从以上分析发现,OLI6波段的亮度值均高于OLI7波段的亮度值。

综上所述,采用波段比值运算OLI6/OLI7能最大程度增强水月寺地区遥感图像上与金矿有关的褐铁矿化、黄铁矿化、绿泥石化、绢云母化、碳酸盐化等蚀变信息,同时比值法削弱了水月寺地区地形、植被等干扰因素带来的影响。从图3可以看出,水月寺研究区内岩石蚀变较为发育,主要集中在西北部百果园一带、西南部水月寺一带、东北部丁家河一带以及东南部巴山寺一带,其中百果园一带和丁家河一带蚀变异常信息沿近EW向的樟村坪断裂以北分布,与该区的铅锌矿、银矿密切相关;水月寺一带蚀变异常信息沿雾渡河断裂及其次级断裂分布,巴山寺一带蚀变异常信息沿NW向、NNW向、NE向小断裂分布,与该区的金矿密切相关。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   研究区landsat8-OLI 遥感蚀变信息增强影像(OLI6/OLI7)

Fig.3   Enhanced image of Landsat8-OLI for alteration information in the research area(OLI6/OLI7)


2.2 化探异常信息提取

本文所用的地球化学数据为水月寺研究区1:5万水系沉积物测量数据,地球化学样本共1 973个,1:5万比例尺水系沉积物以每1 km2为采样单元将采样区划分为4个0.25 km2的网格,采样单元大小为500 m×500 m。测试分析元素有Ag、As、Au、Cr、Cu、Hg、Mn、Mo、Ni、P、Pb、Sb、V、Zn共14种元素。

地球化学数据是典型的成分数据,在分析之前需要对其进行处理,最常用的3种对数比变换处理方法有累积对数比变换(alr)、中心对数比变换(clr)、等距对数比变换(ilr),其中等距对数比变换(ilr)在投影变换过程中保证了成分数据变换前后变量间的相对距离不变,克服了前两种变换方法的缺点,可以更好地应用于成分数据的处理[33-34]。本次研究通过对等距对数比变换后的14种元素进行相关性分析、聚类分析,选取Au、Ag、Hg、Cu、Pb、Zn 6种元素代表与金有关的热液活动,然后进行因子分析降维。表2结果显示KMO统计量为0.761,其中F1因子代表Au-Hg-Cu,方差贡献率为46.795%,Cu为亲硫性元素,Hg熔点低,易迁移,与水月寺地区的构造活动有关,因此该元素组合代表中低温热液等信息以及构造断裂带信息。

表2   正交旋转因子载荷矩阵

Table 2  Orthogonal rotation factor load matrix

变量F1F2
Ag0.4290.594
Au0.8190.083
Hg0.7930.125
Pb0.350.694
Zn-0.1260.857
Cu0.8560.201
因子方差贡献/%46.79519.643
累积方差贡献/%46.79566.437

新窗口打开| 下载CSV


对地球化学场而言,局部奇异性往往反映矿化元素的富集规律,局部奇异性分析可以精细刻画地球化学元素的分布特性,并在实践中被证明是一种有效的信息提取方法[22⇓-24]。

图4a为水月寺地区Au元素采用反距离权重法(IDW)进行插值分析得到的结果,像元大小与地球化学数据采样单元(500 m×500 m)一致,Au元素异常与背景值相比,具有明显的局部富集特征,主要分布在水月寺和巴山寺两个地方,其他区域异常效果不是很明显。图4b是对Au元素进行局部奇异性分析得到的结果,通过奇异性指数(α)得到的异常图层有所不同,当α值越大的时候,代表Au元素越亏损,此时没有异常,当α值越小的时候,越接近于0,可反映Au元素的富集;在图中可知奇异性指数α小于2的红色区域反映了Au元素的富集,该富集区域分布面积小,缩小了找矿范围,能够较好地凸显局部弱异常,在空间上异常区域与已知金矿(化)点的空间分布具有较为明显的相关性;同时在水月寺地区北部殷家坪、宰金坪一带显示了多处异常,在中部和南部的黄界垭、清凉寺一带也显示了多处异常,并与金矿(化)点对应良好,但是在东南部杨家淌、财神庙一带的金矿(化)点处,显示的是背景区域,此处弱异常没能很好的显示。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   Au元素地球化学异常

a—Au元素IDW插值结果;b—Au元素奇异性分析结果

Fig.4   Au element geochemical anomaly map

a—the IDW interpolation results of Au element; b—the singularity analysis results of Au element


分别对水月寺地区Au-Cu-Hg元素组合采用反距离权重法(IDW)以及局部奇异性分析,结果见图5。从图中可以看出,局部奇异性分析得到的异常分布范围较小,呈零星状,并与部分金矿(化)点对应较好,能识别出高背景区内的明显异常,而且也显示了局部弱异常信息。但是东南部杨家淌、财神庙一带、东部白竹坪一带都几乎没有弱异常信息,该地区是有发现金矿(化)点的。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   Au-Cu-Hg元素组合地球化学异常

a—Au-Cu-Hg元素组合IDW插值结果;b—Au-Cu-Hg元素组合奇异性分析结果

Fig.5   Au-Cu-Hg element combination geochemical anomaly map

a—the IDW interpolation results of Au-Cu-Hg element combination; b—the singularity analysis results of Au-Cu-Hg element combination


2.3 地球化学数据与遥感数据融合

遥感蚀变异常信息往往分布较广,难以快速确定其与局部金矿化的空间联系,地球化学图层由于分辨率太低(500 m×500 m)等因素,没能识别出部分弱异常信息,导致局部金矿(化)点所在的区域无异常显示。本次融合拟根据蚀变矿物波段特征与地球化学元素的含量信息之间的相关关系,采用融合技术将低分辨率的地球化学信息与遥感影像中精细的地物光谱信息融合,丰富地球化学数据的空间细节,增强地球化学弱异常信息。地球化学数据和遥感数据二者在数据结构上都是可以用栅格图像进行可视化表达、存储与描述,栅格图像能够形象地表达数据中不同级次的强度信息,同时能够直观地显示场的二维结构特征。另一方面由于矿物特征光谱是对矿物化学组分的响应,地球化学元素的分布涉及到化学元素内部电子跃迁、原子振动等物理现象,从而引起波谱反射与辐射等微观变化,这些变化可以在遥感影像中反映出来[12]。传统的融合方法主要建立在遥感和化探数据空间位置之间的叠加或套合,如假彩色合成法[35]、HIS变换法[36]等。本次操作是基于ArcGIS、MATLAB平台进行数据融合,遥感影像和地球化学元素含量图层融合的基本步骤如图6所示。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   地球化学图层与遥感影像融合技术基本原理(据丁海峰[37]修改)

Fig.6   Basic principle of geochemical layer and remote sensing Image fusion technology (modified according to Ding[37])


1)标准化处理:在ArcGIS软件中对地球化学奇异性指数图层进行栅格计算,将数值反转,再将反转结果进行标准化处理,转换为一组无量纲的数值,区间从0至1,同时在ENVI软件中裁剪多光谱遥感影像,空间分辨率为30 m×30 m。

2)空间配准:在ArcGIS软件中对地球化学图层(geo_l)和水月寺地区Landsat8-OLI遥感影像(MS)进行空间校正与配准,为方便之后的数据分析。

3)图像滤波:采用拉普拉斯金字塔技术对Landsat8-OLI多光谱遥感影像进行图像分解,将遥感蚀变信息提取结果(OLI6/OLI7)利用拉普拉斯金字塔技术分解为一个高频分量(MS_Hi)和低频分量(MS_Li),低频分量代表遥感影像背景信息,高频分量代表遥感影像细节信息,比如地形、水流、矿化蚀变信息等。

4)尺度转换:水月寺地区与金矿化有关的每一个单元素和元素组合的地球化学图层(geo_l)分辨率为500 m×500 m,与Landsat8-OLI遥感影像图像滤波后的低频分量(MS_Li)的分辨率有所差异,本次实验利用三次卷积插值的方法将地球化学图层与低频图层重采样到与高频图层相同的分辨率(30 m×30 m),目的是为了统一每个图层的尺度,以便精准进行研究分析。

5)建立关系函数:通过之前的分析,地球化学图层信息与遥感图层信息具有很好的相关性,据此可以建立光谱反射率与地球化学元素含量的关系函数fij,j为元素的索引,i为波段的索引,如下关系式所示:

geo_lj=fij·MS_Li 或 fij=geo_ljMS_Li,

式中:geo_lj为重采样后的地球化学图层;fij为相关系数;MS_Li为遥感蚀变信息低频图层。

6)图像重建:将上式得到的每一个相关系数fij与重建图像滤波后的高频图层(MS_Hi)组合,得到一个综合的空间细节信息图层(geo_h),分辨率为30 m×30 m,此时具有综合空间细节的高频信息图层包含了大量遥感蚀变信息与其他地质细节:

geo_h=fij·MS_Hi

式中:geo_h为综合的空间细节信息图层;fij为相关系数;MS_Hi为遥感蚀变信息高频图层。

7)图像融合:将具有综合空间细节的高频信息融合图层(geo_h)与重采样后的地球化学图层(geo_lj)进行融合,获得最终的高分辨率(30 m×30 m)融合图层(geo_f):

geo_f=geo_lj+geo_h

式中:geo_f为融合图层;geo_lj为重采样后的地球化学图层;geo_h为综合的空间细节信息图层。

为了能更好地解释本次研究融合的效果,将未经过奇异性分析的元素IDW图与遥感蚀变异常融合结果与之对比分析,图7a为Au元素IDW图层与遥感蚀变信息影像的融合结果,分辨率为30 m×30 m。融合后的图层与原地球化学图层(图4a)相比具有很好的对应关系,地球化学异常集中区与原始Au元素异常相吻合,异常区域更清晰,异常范围缩小,具有丰富的地质细节信息,局部可见水体、构造等,但是遥感蚀变信息以及部分弱异常信息没能很好的凸显出来。图7b为Au元素奇异性指数图层与遥感蚀变信息影像融合结果,分辨率为30 m×30 m,与奇异性指数图(图4b)相比,异常范围更清晰,局部弱异常区域得到增强,主要体现在研究区中部、南部等,融合结果既保留了局部奇异性分析结果的元素高异常区域和局部弱异常区域,主要分布在水月寺、巴山寺、宰金坪、殷家坪、黄界垭、清凉寺一带,又有保留了绝大部分遥感影像上的蚀变信息,而且两者之间有一定的空间关联,与水月寺研究区金矿(化)点基本吻合,且在东南部杨家淌、财神庙、白竹坪一带,综合异常信息一定程度上凸显出来,该区域有金矿(化)点,局部地区看到地形、水系纹理等地物特征,可以与地质体进行更好的空间关联。与传统融合结果(图7a)相比,异常提取效果更加明显,弱异常区域增多,并与金矿(化)点相对应,在东部白竹坪一带显示较强的异常,是近年来在该区新发现的石英脉型金矿床[38-39]。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   水月寺研究区地球化学数据与遥感数据融合结果

a—Au元素IDW图层与遥感蚀变影像融合结果;b—Au元素奇异性指数图层与遥感蚀变影像融合结果

Fig.7   The fusion results of geochemical data and remote sensing data in Shuiyuesi research area

a—the fusion result of Au element IDW layer and remote sensing alteration image;b—the fusion results of Au element singularity index layer and remote sensing alteration images


分别在Au元素IDW图层、Au元素IDW图层与遥感影像蚀变信息增强图层融合结果、Au元素奇异性指数图层与遥感影像蚀变信息增强图层融合结果这3个图层中选取杨家淌、财神庙一带区域进行放大,用来进行多角度对比分析,如图8所示。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   各图层在杨家淌、财神庙一带区域放大对比(绿圈为金矿点所在的位置)

a—Au元素IDW图层局部区域放大结果;b—Au元素IDW图层与遥感影像蚀变信息增图层融合后的局部放大结果;c—Au元素奇异性指数图层与遥感影像蚀变信息增强图层融合后的局部放大结果

Fig.8   Enlarged comparison map of each layer in the area around Yangjiatang and Caishenmiao (green circle represents the location of the gold mine)

a—the result of zooming in on the local area of the Au element IDW layer; b—the local magnification result after fusing the IDW layer of Au element with the enhanced layer of remote sensing image alteration information;c—the locally magnified result of the fusion of Au element singularity index layer and remote sensing image alteration information enhancement laye


图8a的Au元素IDW图层放大区域中仅中上部可以看到比较弱的异常信息。图8b的Au元素IDW图层与遥感影像蚀变信息增强后的图层融合结果放大区域,可以看出融合图层的空间分辨率大大提高,包含丰富的地物光谱信息、Au元素含量分布信息以及少量的蚀变信息,得到了两处新的异常信息,分布在左上角区域,其中一处异常区域与杨家淌金矿点位置较为吻合,但是财神庙金矿点处没有异常显示。图8c的Au奇异性指数与遥感影像蚀变信息增强图层融合后的放大区域包含了地球化学的所有异常信息以及大量的遥感影像中与金矿化有关的蚀变信息,从图中可以看到有4处异常区域,其中两处异常区域分别与杨家淌金矿点、财神庙金矿点对应吻合,同时包含了地物光谱信息,能较为清晰地看到遥感影像中的一条弯曲的水系,分布在财神庙金矿点右侧。融合结果在提高地球化学图层整体分辨率的同时,既增强了地球化学弱异常信息,异常区域具有明显的富集和亏损,又包含了一定的空间细节,与地质体进行更好的空间关联,且综合异常区域能够最大程度与水月寺金矿(化)点对应。

3 远景区预测及评价

本文基于找矿模型和融合结果来进行找矿远景区的圈定,主要依据有:①已发现金矿(化)点;②数据融合的异常区域;③控矿构造;④有矿化蚀变现象等。

根据元素奇异性指数图层与遥感蚀变信息增强影像融合结果,并结合水月寺地区金矿(化)点地质特征、遥感特征等,运用相似类比理论,将成矿远景区分为 A、B、C 三类,结果如表3所示。

表3   水月寺研究区分级原则

Table 3  Classification principles of Shuiyuesi research area

类别成矿
类型		成矿
强度		成矿
条件		金矿床分布找矿
潜力		交通
条件
A多强十分有利有规模较大金矿大好
B较多较强有利有小型金矿点较大好
C一般中等较有利有矿化线索一般较好

新窗口打开| 下载CSV


通过找矿远景区的圈定依据及分级原则,如图9所示在水月寺研究区共划分出19个成矿远景区,其中A级成矿远景区2个,B级成矿远景区8个,C级成矿远景区9个。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   水月寺研究区成矿远景区分布

Fig.9   Distribution map of metallogenic prospective areas in the Shuiyuesi research area


3.1 A级成矿远景区

A-1远景区:位于研究区西南部罐湾、庙垭一带,区内分布有7个已知金矿点,且与异常区域非常吻合,呈圆形面状分布,空间上与已知金矿点对应很好,为水月寺金矿区重要的开采对象。区内发育雾渡河大断裂派生的次级NW向小断裂,成矿严格受断裂控制,矿化蚀变信息强烈,矿化类型为含金硫化物石英脉型和含金蚀变构造岩型两种,其中罐湾矿点是区内已知最大的金矿点,找矿潜力巨大。

A-2远景区:位于研究区东南部巴山寺一带,区内分布有5个已知金矿点,Au元素高异常有5处,呈圆形面状分布,与已知矿化较吻合,NW向断裂发育,金矿点沿着断裂分布,矿化蚀变信息强烈,矿化类型为含金硫化物石英脉型和含金蚀变构造岩型两种,找矿潜力大。

3.2 B级成矿远景区

位于研究区西南部何家湾、水月寺镇、殷家坪、天河池、西冲、西湾子、财神庙一带,区内分布有一些已知金矿点,发育数条NW向断裂,矿化蚀变信息较强。

3.3 C级成矿远景区

C级成矿远景区主要分布在研究区中部、南部以及西北部,区内未分布已知金矿点,但发育NW向小断裂,矿化蚀变信息较强,具有一定的金矿成矿潜力,目前已在白竹坪一带发现金矿点。

4 结果与讨论

1)NW—NNW向断裂是该区金矿(化)点的主要含矿断裂,区内所有的金矿(化)点均有不同程度的围岩蚀变现象,其蚀变强度和宽度与该矿点的金矿体规模及品位具有同消长关系,区内如罐湾、筲箕湾、何家湾等主要矿点的围岩蚀变现象十分明显,而一些规模很小的金矿(化)点蚀变现象则不明显,常见的蚀变类型是碳酸盐化、黄铁矿化、褐铁矿化、硅化、绿泥石化、绢云母化。

2)通过数据融合和奇异性分析相结合的新思路,将成矿元素的分散集中和分异程度等地球化学异常信息与遥感地物光谱等信息特征有机结合,并将融合结果与一般的地球化学—遥感数据融合结果以及原始的奇异性结果进行对比研究,发现该方法在提高地球化学异常的空间分辨率、增加地物光谱信息的同时,也能更好地凸显弱缓异常信息,结合杨家淌—财神庙一带的放大对比分析,认为该融合思路一定程度上提高了多源数据的使用效率,实现了不同类型数据的优势互补,更好地服务了异常信息识别,可作为找矿勘查新的科学依据。

3)综合类比分析水月寺研究区内与金矿化有关的综合信息特征,根据远景区预测原则和综合评判原则,对水月寺地区金矿成矿远景区进行预测与评价,共划分出19个金矿成矿远景区,其中A级成矿远景区2个,B级成矿远景区8个,C级成矿远景区9个,为水月寺地区下一步找矿工作部署提供科学依据。

参考文献

赵鹏大.

地质大数据特点及其合理开发利用

[J]. 地学前缘, 2019, 26(4):1-5.

DOI:10.13745/j.esf.sf.2018.9.8      [本文引用: 1]

大数据的合理开发与利用将开辟一个新的认知空间，提出解决各种实际问题的新模式，催生一个前所未有的数字经济新领域和开创一个新的人类生活方式。&ldquo;数学地质&rdquo;与&ldquo;信息技术&rdquo;结合形成&ldquo;数字地质&rdquo;。&ldquo;数字地质&rdquo;是地质科学的&ldquo;数据科学&rdquo;。地质数据科学是用数据的方法研究地质学，根据地质数据的特点和地质工作的需要研究和开发利用地质大数据。本文概述了地质数据的混合性、抽样性、因果性、时空性、多态性和多元性等主要特点，提出地质大数据的开发利用宜首先建立&ldquo;知识库&rdquo;，据此建立&ldquo;数据库&rdquo;&ldquo;模型库&rdquo;和&ldquo;方法库&rdquo;，以便有针对性地做到获取、分析、研究和应用大数据。

Zhao P D.

Characteristics and rational utilization of geological big data

[J]. Earth Science Frontiers, 2019, 26(4):1-5.

DOI:10.13745/j.esf.sf.2018.9.8      [本文引用: 1]

Rational development and utilization of geological big data may open up new recognition space, create new approaches to problem solving, as well as promote a new form of digital economy and construct a new way of life. Integration of mathematical geology and information technology has emerged as a new scientific discipline known as the &ldquo;Digital Geology&rdquo;, i.e. the &ldquo;Digital Science&rdquo; of geological sciences. Geological digital science uses digital methodology to study geological sciences as well as develops and utilizes geological big data according to the characteristics of geological data and the demands of geological problems. Here we first elaborate on the main characteristics of geological data including mixed population, population sampling, causality, spatial-temporal property, multiple-states and multivariate variables with diverse sources. Further, we propose to construct a &ldquo;knowledge base&rdquo; prior to building &ldquo;data base&rdquo;, &ldquo;model base&rdquo; and &ldquo;method base&rdquo; in order to facilitate big data acquisition and analysis for geological research and application.

赵鹏大, 陈永清.

数字地质与数字矿产勘查

[J]. 地学前缘, 2021, 28(3):1-5.

DOI:10.13745/j.esf.sf.2021.1.22      [本文引用: 1]

矿产勘探的理念,在西方国家被称为&#x0201c;勘探哲学&#x0201d;,是指导矿产勘探的思想、方法、技术、目标和组织。矿产勘查的3个基本要素是&#x0201c;找什么&#x0201d;、&#x0201c;哪里找&#x0201d;和&#x0201c;如何找&#x0201d;。随着&#x0201c;三要素&#x0201d;的发展,矿产勘查的概念正在逐渐变化,&#x0201c;三要素&#x0201d;为改变矿产勘探的概念、方法和技术提供了强大的动力。矿产勘查概念的创新是持续的勘查和开发与时俱进的结果。&#x0201c;数学地质学&#x0201d;和&#x0201c;信息技术&#x0201d;的结合被称为&#x0201c;数字地质学&#x0201d;。数字地质学是地质科学的数据分析的组成部分。地质数据科学是一种根据地质数据的特征和地质工作的需要,利用数据科学的一般方法来研究地质学的科学。数字矿产勘查是数字地质学在矿产勘查中的应用,以减少找矿的不确定性。

Zhao P D, Chen Y Q.

Digital geology and quantitative mineral exploration

[J]. Earth Science Frontiers, 2021, 28(3):1-5.

DOI:10.13745/j.esf.sf.2021.1.22      [本文引用: 1]

The concept of mineral exploration, or so-called “exploration philosophy” in the Western countries, is the thoughts, methodology, technology, goal and organization guiding mineral exploration. The three basic elements of mineral exploration are “what to find”, “where to find” and “how to find”. As these elements evolve with time, it provides a powerful force to gradually changing the concept, methodology and technology of mineral exploration. Innovative ideas of mineral exploration come from the continuing scientific exploration and development keeping pace with the times. Digital geology, the data analysis component of geoscience, is the combination of mathematical geology and information technology.Geological data science uses the general methodology of data science to study geology based on the characteristics of geological data and the needs of geological work. And digital mineral exploration is the application of digital geology in mineral exploration to reduce uncertainty in ore prospecting.

陈永清, 赵鹏大.

综合致矿地质异常信息提取与集成

[J]. 地球科学, 2009, 34(2):325-335.

[本文引用: 1]

Chen Y Q, Zhao P D.

Extraction and integration of geoanomalies associated with mineralization

[J]. Earth Science, 2009, 34(2):325-335.

[本文引用: 1]

Haghighat M, Abdel-Mottaleb M, Alhalabi W.

Discriminant correlation analysis:Real-time feature level fusion for multimodal biometric recognition

[J]. IEEE Transactions on Information Forensics and Security, 2016, 11(9):1984-1996.

[本文引用: 1]

孟小峰, 杜治娟.

大数据融合研究:问题与挑战

[J]. 计算机研究与发展, 2016, 53(2):229-246.

[本文引用: 1]

Meng X F, Du Z J.

Research on the big data fusion:Issues and challenges

[J]. Journal of Computer Research and Development, 2016, 53(2):229-246.

[本文引用: 1]

Daily M I, Farr T, Elachi C, et al.

Geologic interpretation from composited radar and Landsat imagery

[J]. Photogrammetric Engineering &Remote Sensing, 1979,45:1109-1116.

[本文引用: 1]

Waltz E, Llinas J. Multisensor data fusion[M]. Boston:ArtechHouse,1990.

[本文引用: 1]

Hall D L.

Mathematical techniques in multisensor data fusion

[M]. Boston: Artech House, Inc., 2004.

[本文引用: 1]

董志荣, 申兰.

综合指挥系统情报中心的主要算法——多目标密集环境下的航迹处理方法

[R]. 连云港: 国外舰船技术—火控技术类编辑室,1985.

[本文引用: 1]

Dong Z R, Shen L.

The main algorithm of the integrated command system intelligence center-trajectory processing methods in multi-target dense environments

[R]. Lianyungang: Foreign Ship Technology-Fire Control Technology Editorial Room,1985.

[本文引用: 1]

康耀红. 数据融合理论与应用[M]. 西安: 西安电子科技大学出版社,1997.

[本文引用: 1]

Kang Y H. Theory and application of data fusion[M]. Xi'an: Xidian University Press,1997.

[本文引用: 1]

刘福江, 吴信才, 孙华山, 等.

遥感与化探数据融合技术在金矿预测中的应用

[J]. 地质与勘探, 2007, 43(3):74-77.

[本文引用: 2]

Liu F J, Wu X C, Sun H S, et al.

Application of fusion techniques of remote sensing and geochemical data in gold ore exploration

[J]. Geology and Exploration, 2007, 43(3):74-77.

[本文引用: 2]

王子烨. 基于测度学习的喜马拉雅淡色花岗岩岩体识别[D]. 武汉: 中国地质大学(武汉), 2020.

[本文引用: 2]

Wang Z Y. Identification of Himalayanpalegranite rock mass based on measurelearning[D]. Wuhan: China University of Geosciences(Wuhan), 2020.

[本文引用: 2]

赵健铭, 杨长保, 韩立国, 等.

基于岩石光谱吸收特征的白云母含量反演

[J]. 光谱学与光谱分析, 2023, 43(1):220-224.

[本文引用: 1]

Zhao J M, Yang C B, Han L G, et al.

The inversion of muscovite content based on spectral absorption characteristics of rocks

[J]. Spectroscopy and Spectral Analysis, 2023, 43(1):220-224.

[本文引用: 1]

蒋立军, 邢立新, 梁一鸿, 等.

融合化探信息的遥感异常提取

[J]. 吉林大学学报:地球科学版, 2011, 41(3):932-936.

[本文引用: 1]

Jiang L J, Xing L X, Liang Y H, et al.

Anomalies information extraction from geochemical dataand remote sensing fusion

[J]. Journal of Jilin University:Earth Science Edition, 2011, 41(3):932-936.

[本文引用: 1]

陈威, 祝明明, 曹晓峰, 等.

遥感—化探信息融合方法在新疆鄯善县大平梁地区找矿靶区预测中的应用

[J]. 地质科技情报, 2016, 35(6):184-193.

[本文引用: 1]

Chen W, Zhu M M, Cao X F, et al.

Application of the remote sensing and geochemical informationfusion method in the prediction of prospecting target in thedapinliang area,Shanshan County,Xinjiang

[J]. Geological Science and Technology Information, 2016, 35(6):184-193.

[本文引用: 1]

荆林海, 丁海峰, 成秋明, 等.

一种基于遥感蚀变信息的地球化学元素异常来源追踪方法

[P]. 中国专利,201810049938.0,2018-01-18.

[本文引用: 1]

Jing L H, Ding H F, Cheng Q M, et al.

A method for tracking the source of geochemical element anomalies based on remote sensing alteration information

[P]. Chinese patent,201810049938.0,2018-01-18.

[本文引用: 1]

Wang Z Y, Zuo R G, Jing L H.

Fusion of geochemical and remote-sensing data for lithological mapping using random forest metric learning

[J]. Mathematical Geosciences, 2021, 53(6):1125-1145.

[本文引用: 1]

黄理善, 李学彪, 荆林海, 等.

基于遥感手段的高寒山区矿产资源远景区快速圈定与综合评价技术集成

[J]. 中国地质, 2022, 49(1):253-270.

[本文引用: 2]

Huang L S, Li X B, Jing L H, et al.

Integration of rapid delineation and comprehensive evaluation technology of mineral resources prospect area in alpine mountainous area based on remote sensing

[J]. Geology in China, 2022, 49(1):253-270.

[本文引用: 2]

Cheng Q M, Agterberg F P, Ballantyne S B.

The separation of geochemical anomalies from background by fractal methods

[J]. Journal of Geochemical Exploration, 1994, 51(2):109-130.

[本文引用: 1]

Cheng Q, Xu Y, Grunsky E.

Multifractal power spectrum-area method for geochemical anomaly separation

[J]. Natural Resources Research, 2000, 9(1):43-51.

[本文引用: 1]

Cheng Q M.

Mapping singularities with stream sediment geochemical data for prediction of undiscovered mineral deposits in Gejiu,Yunnan Province,China

[J]. Ore Geology Reviews, 2007, 32(1-2):314-324.

[本文引用: 1]

成秋明.

多重分形与地质统计学方法用于勘查地球化学异常空间结构和奇异性分析

[J]. 地球科学, 2001, 26(2):161-166.

[本文引用: 2]

Cheng Q M.

Multifractal and geostatistic methods for characterizing local structure and singularity properties of exploration geochemical anomalies

[J]. Earth Science, 2001, 26(2):161-166.

[本文引用: 2]

成秋明.

应用复杂性—非线性理论开展成矿预测——奇异性理论—广义自相似性—分形谱系多重分形理论与应用

[J]. 矿床地质, 2006, 25(S1):463-466.

[本文引用: 2]

Cheng Q M.

The application of complexity-nonlinear theory to ore prognosis:The singularity theory-generalized self-similarity-fractal lineage multiple fractal theory and its application

[J]. Mineral Deposits, 2006, 25(S1):463-466.

[本文引用: 2]

陈志军. 多重分形局部奇异性分析方法及其在矿产资源信息提取中的应用[D]. 武汉: 中国地质大学(武汉), 2007.

[本文引用: 2]

Chen Z J. Multifractal local singularity analysis method and its application in mineralresourcesinformationextraction[D]. Wuhan: China University of Geosciences(Wuhan), 2007.

[本文引用: 2]

易承生.

湖北省宜昌地区黄陵断穹核北部含石墨地层岩性研究

[J]. 中国非金属矿工业导刊, 2017(4):46-49.

[本文引用: 1]

Yi C S.

Lithology of graphite-bearing strata in the northern part of Huangling fault dome core in Yichang Area,Hubei Province

[J]. China Non-metallic Minerals Industry, 2017(4):46-49.

[本文引用: 1]

周豹, 任八一, 孙腾, 等.

湖北省保康县六冲坪金矿地质特征及成矿作用浅析

[J]. 资源环境与工程, 2018, 32(4):533-538.

DOI:10.16536/j.cnki.issn.1671-1211.2018.04.004      [本文引用: 1]

湖北省保康县六冲坪金矿区位于扬子地台北缘,黄陵背斜北翼,是黄陵背斜北翼沉积盖层中发现的第一个金矿点,对下步鄂西上扬子台区寻找金矿具有重要指示意义。从六冲坪金矿地质特征入手,结合稀土和微量元素研究分析,认为成矿流体来源于大气降水循环作用下的碳酸盐岩地层形成的弱酸性流体,当成矿流体作用于六冲坪断裂时因物理化学条件改变而卸载金元素成矿。

Zhou B, Ren B Y, Sun T, et al.

Geological characteristics and mineralization of liuchongping gold deposit in Baokang County,Hubei Province

[J]. Resources Environment & Engineering, 2018, 32(4):533-538.

[本文引用: 1]

向萌, 胡胜华, 聂开红, 等.

鄂西黄陵背斜核部金矿地球化学特征及成因探讨

[J]. 资源环境与工程, 2021, 35(6):787-793,874.

DOI:10.16536/j.cnki.issn.1671-1211.2021.06.004      [本文引用: 1]

黄陵背斜核部是扬子地台重要的金成矿区,以往工作多为单个矿床(点)研究,对区域金矿成矿物质来源、矿床成因等研究不足。以区内典型金矿床为研究对象,在收集整理地球化学成果数据的基础上,分析金矿床的常微量元素迁移特征、H-O及Pb同位素组成特征、Rb-Sr同位素年代学特征等,认为黄陵背斜核部金矿的物质来源比较一致,其围岩提供成矿物质的能力很弱,在统一的地质—地球化学背景下,主要是由晋宁晚期中酸性岩浆(期后)热液成矿作用富集形成的,在时空上构成一个与古造山作用有关的金矿成矿系列。

Xiang M, Hu S H, Nie K H, et al.

Geochemical characteristics and genesis of gold deposits in the core ofHuangling anticline,western Hubei

[J]. Resources Environment & Engineering, 2021, 35(6):787-793,874.

[本文引用: 1]

刘继平, 李傲竹, 朱灿豪, 等.

湖北兴山周家湾石墨矿地质特征及找矿前景探讨

[J]. 西部资源, 2022(1):146-149.

[本文引用: 1]

Liu J P, Li A Z, Zhu C H, et al.

Geological characteristics and prospectingprospect of Zhoujiawan graphite deposit in Xingshan,Hubei Province

[J]. Western Resources, 2022(1):146-149.

[本文引用: 1]

熊成云, 韦昌山, 金光富, 等.

鄂西黄陵背斜核部中段金矿基本特征及成矿规律

[J]. 华南地质与矿产, 1998, 14(1):32-40.

[本文引用: 1]

Xiong C Y, Wei C S, Jin G F, et al.

Basic characteristics and metallogenetic regularity of the gold ore deposits in the middle core of Huangling anticline,western Hubei Province

[J]. Geology and Mineral Resources of South China, 1998, 14(1):32-40.

[本文引用: 1]

熊成云, 韦昌山, 金光富, 等.

鄂西黄陵背斜地区前南华纪古构造格架及主要地质事件

[J]. 地质力学学报, 2004, 10(2):97-112.

[本文引用: 1]

Xiong C Y, Wei C S, Jin G F, et al.

Pre-sinian paleostructural framework and major geological events in the Huangling anticline,western Hubei

[J]. Journal of Geomechanics, 2004, 10(2):97-112.

[本文引用: 1]

张玉君, 杨建民, 陈薇.

ETM+(TM)蚀变遥感异常提取方法研究与应用——地质依据和波谱前提

[J]. 国土资源遥感, 2002, 14(4):30-36.

[本文引用: 1]

Zhang Y J, Yang J M, Chen W.

A study of the method for extractioh of alteration anomalies from the ETM+(TM) data and its application:Geologic basis and spectral precondition

[J]. Remote Sensing for Natural Resources, 2002, 14(4):30-36.

[本文引用: 1]

张颖, 王越男, 陈利, 等.

基于Landsat-8影像森林植被信息计算机自动提取研究

[J]. 中国农学通报, 2014, 30(28):61-66.

DOI:10.11924/j.issn.1000-6850.2014-1168      [本文引用: 1]

Landsat-8能够提供15 m全色波段和30 m分辨率的多光谱波段，Landsat-8上携带有OLI（operational land imager，陆地成像仪）和TIRS（thermal infrared sensor，热红外传感器）2个主要载荷，OLI陆地成像仪包括9个波段，TIRS包括2个热红处波段，全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征。本研究以攸县为例，采用Landsat-8遥感影像为数据源，进行缨帽变换及主成分分析处理，利用决策树分类模型进行提取。结果表明：Landsat-8遥感数据经过缨帽变换和主成分分析处理后，增强纹理信息，突出各地物的特征，把各地物在经过处理后的灰度值作为决策树分类模型的阈值，利用计算机自动提取，提取的总体精度为84.7%，攸县森林植被的面积为150911.7 hm<sup>2</sup>与以往的只利用波段的灰度值及植被指数等作为阈值相比，精度明显提高，方法也得到改善，得到了比较好的提取结果。

Zhang Y, Wang Y N, Chen L, et al.

Forest vegetation information computer automatic extraction base on landsat-8

[J]. Chinese Agricultural Science Bulletin, 2014, 30(28):61-66.

DOI:10.11924/j.issn.1000-6850.2014-1168      [本文引用: 1]

Landsat-8 with two main load, OLI (operational land imager) and TIRS (thermal infrared sensor), can provide 15 m panchromatic band and 30 m resolution multispectral bands. OLI included nine bands, TIRS included two hot red bands, pan band 8 was narrower. This approach can better distinguish between vegetation and no vegetation characteristics on the full- color image. In this study, taking Youxian for example, after tasseled cap transformation and principal component analyzing and processing based on Landsat- 8 remote sensing image, vegetation was extracted by using decision tree classification model. The results showed that: the Landsat- 8 after tasseled cap transformation and principal component analyzing and processing could significantly enhance the texture information of the image, and highlight the land features. After tasseled cap transformation and processing of principal component analysis, put the gray values as a threshold of decision tree classification and used the computer automatic extraction, the overall accuracy was 84.7%, with an area of forest vegetation of 150911.7 hm<sup>2</sup>. Compared with the previous threshold band using only gray values and vegetation index, the accuracy was significantly increased and the method was also improved, which could led to better extraction results.

Zuo R G.

Machine learning of mineralization-related geochemical anomalies:A review of potential methods

[J]. Natural Resources Research, 2017, 26(4):457-464.

[本文引用: 1]

Zuo R G, Xia Q L, Zhang D J.

A comparison study of the C-A and S-A models with singularity analysis to identify geochemical anomalies in covered areas

[J]. Applied Geochemistry, 2013,33:165-172.

[本文引用: 1]

张廷斌. 西藏谢通门县铜金矿带遥感图像蚀变信息提取及多源数据融合在成矿预测中的应用[D]. 成都: 成都理工大学, 2006.

[本文引用: 1]

Zhang T B. Extractionof alteration information from remote sensing imagesand application of multi-source data fusion inmetallogenic prediction in Xietongmen County copper-gold belt,Tibet[D]. Chengdu: Chengdu University of Technology, 2006.

[本文引用: 1]

刘星, 胡光道.

多源数据融合技术在成矿预测中的应用

[J]. 地球学报, 2003, 24(5):463-468.

[本文引用: 1]

Liu X, Hu G D.

Multi-source geo-data fusion and its application in metallogenic prognosis

[J]. Acta Geoscientica Sinica, 2003, 24(5):463-468.

[本文引用: 1]

丁海峰.

一种提升地球化学元素图层分辨率的方法及系统

[P]. 中国专利,201811275285.4,2019-2-15.

[本文引用: 2]

Ding H F.

A method and system for improving the resolution of geochemical element layers

[P]. China patent,201811275285.4,2019-2-15.

[本文引用: 2]

向萌, 张权绪, 牟宗玉, 等.

湖北宜昌白竹坪金矿流体包裹体特征及成矿机理探讨

[J]. 资源环境与工程, 2019, 33(4):460-463,529.

DOI:10.16536/j.cnki.issn.1671-1211.2019.04.003      [本文引用: 1]

白竹坪金矿位于黄陵背斜核北部东缘,作为黄陵变质岩区典型石英脉型金矿床,尚缺乏对其成矿流体的系统研究。通过对矿床流体包裹体类型、均一温度、盐度、密度及流体成分等物理化学性质进行研究,对矿床的成矿物质来源及成矿机理进行探讨,认为该矿床成矿流体为低温—低盐度—低密度流体,成矿深度为0.75~0.78 km,属浅成矿床。

Xiang M, Zhang Q X, Mou Z Y, et al.

Fluid inclusion characteristics and metallogenic mechanism of Baizhuping gold deposit in Yichang City,Hubei Province

[J]. Resources Environment & Engineering, 2019, 33(4):460-463,529.

[本文引用: 1]

曹亮, 张利国, 周云, 等.

湖北宜昌白竹坪金矿床的成因:来自流体包裹体及H-O-S-Pb同位素地球化学的证据

[J]. 华南地质, 2023(2):387-401.

[本文引用: 1]

Cao L, Zhang L G, Zhou Y, et al.

Genesis of baizhuping gold deposit in Yichang,Hubei:Evidence from fluid inclusion and H-O-S-Pb isotope geochemistry

[J]. South China Geology, 2023(2):387-401.

[本文引用: 1]

/

〈 〉

京ICP备05055290号-3
版权所有 © 2021《物探与化探》编辑部
通讯地址：北京市学院路29号航遥中心 邮编：100083
电话：010-62060192；62060193 E-mail：whtbjb@sina.com , whtbjb@163.com