利用TM数据快速提取红土型金矿地表特征标志

doi:10.6046/gtzyyg.1998.04.07

全文: PDF(317 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

红土型金矿是一种新的金矿工业类型。本文以华南地区典型的红土型金矿为主要研究对象,通过对陆地卫星TM数据成像原理和金矿床主要矿物波谱特征的研究,设计了提取TM图像红土型金矿有关信息的方法,获取了已知红土型金矿的遥感信息,此类信息可作为红土型金矿找矿预测的主要信息之一。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	张孟君
	李晨钊
	舒红
	杨志敏
	杨晶
	徐维秀

关键词 ：遥感图像, 变化检测, 几何配准, 阈值

Abstract：

The lateritic gold deposit is a new gold industrial type. In this paper, authors study principally the typical lateritic gold deposits in the south of China, design the methods of abstracting the information related with lateritic gold deposits from TM images by means of studying the image processing principle of TM data and the spectrum characteristics of main minerals, and gain a series of remote sensing characteristic information corresponded with the knew lateritic gold deposits, which can be used as one of main information of prospecting prognosis of lateritic gold deposits.

Key words： Remote sensing image Change detection Geometrical registration Threshold

出版日期: 2011-08-02

作者简介: 朱谷昌男教授级高工,1962年生,1986年中南工业大学地质硕士毕业,主要从事遥感技术及GIS技术在国土资源遥感调查中的应用研究。

引用本文:

朱谷昌, 吴健生, 吴德文, 杨自安, 周正武. 利用TM数据快速提取红土型金矿地表特征标志[J]. 国土资源遥感, 1998, 10(4): 29-32.
Zhu Guchang, Wu Jiansheng, Wu Dewen, Yang Zian, Zhou Zhengwu . USING TM DATA TO GAIN QUICKLY THE SURFACE CHARACTERISTICS AND SYMBOLS OF LATERITIC GOLD DEPOSITS. REMOTE SENSING FOR LAND & RESOURCES, 1998, 10(4): 29-32.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.1998.04.07 或 https://www.gtzyyg.com/CN/Y1998/V10/I4/29

[1]	张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[2]	薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[3]	潘建平, 徐永杰, 李明明, 胡勇, 王春晓. 结合相关系数和特征分析的植被区域自动变化检测研发[J]. 自然资源遥感, 2022, 34(1): 67-75.
[4]	李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[5]	王译著, 黄亮, 陈朋弟, 李文国, 余晓娜. 联合显著性和多方法差异影像融合的遥感影像变化检测[J]. 自然资源遥感, 2021, 33(3): 89-96.
[6]	刘万军, 高健康, 曲海成, 姜文涛. 多尺度特征增强的遥感图像舰船目标检测[J]. 自然资源遥感, 2021, 33(3): 97-106.
[7]	白俊龙, 王章琼, 闫海涛. K-means聚类引导的无人机遥感图像阈值分类方法[J]. 自然资源遥感, 2021, 33(3): 114-120.
[8]	苏龙飞, 李振轩, 高飞, 余敏. 遥感影像水体提取研究综述[J]. 国土资源遥感, 2021, 33(1): 9-11.
[9]	王小兵. 融合提升小波阈值与多方向边缘检测的矿区遥感图像去噪[J]. 国土资源遥感, 2020, 32(4): 46-52.
[10]	徐锐, 余小于, 张驰, 杨瑨, 黄宇, 潘俊. 融合Unet网络和IR-MAD的建筑物变化检测方法[J]. 国土资源遥感, 2020, 32(4): 90-96.
[11]	刘尚旺, 崔智勇, 李道义. 基于Unet网络多任务学习的遥感图像建筑地物语义分割[J]. 国土资源遥感, 2020, 32(4): 74-83.
[12]	李宇, 肖春姣, 张洪群, 李湘眷, 陈俊. 深度卷积融合条件随机场的遥感图像语义分割[J]. 国土资源遥感, 2020, 32(3): 15-22.
[13]	刁明光, 刘文静, 李静, 刘芳, 王彦佐. 矿山遥感监测矢量成果数据动态变化检测方法[J]. 国土资源遥感, 2020, 32(3): 240-246.
[14]	蔡之灵, 翁谦, 叶少珍, 简彩仁. 基于Inception-V3模型的高分遥感影像场景分类[J]. 国土资源遥感, 2020, 32(3): 80-89.
[15]	张春森, 吴蓉蓉, 李国君, 崔卫红, 冯晨轶. 面向对象的高空间分辨率遥感影像箱线图变化检测方法[J]. 国土资源遥感, 2020, 32(2): 19-25.