Please wait a minute...
 
国土资源遥感  1993, Vol. 5 Issue (4): 34-37,7    DOI: 10.6046/gtzyyg.1993.04.05
  应用研究 本期目录 | 过刊浏览 | 高级检索 |
植物波谱特性及其微量元素分析在油气遥感解译中的初步应用
王津义
地矿部石油地质综合大队
PRIMARY APPLICATION OF PLANT SPECTRAL CHARACTERISTICS AND ITS TRACE-ELEMENT ANALYSIS FOR REMOTE SENSING INTERPRETATION OF OIL AND GAS
Wang Jinyi
Comprehensive Research Institue of Petroleum Geology,MGMR,Jiang ling,Hubei
全文: PDF(943 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

对新疆塔北地区卫片上显示的环形影像异常,实地进行了植物波谱测试和植物微量元素分析。其结果表明,在影像异常内外,植物波谱特性和植物内微量元素含量都存在明显差异。在影像异常内,植物中锂元素明显高于影像异常外,而且过渡类微量元素镍富集,碱金属微量元素称减少。

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
毛克彪
唐华俊
陈仲新
王永前
李水平
关键词 亮度温度地表温度(LST)ASTER神经网络    
Abstract

The measurement of plant spectrum and analysis of plant trace-element were made on-the-spot according to the circular anomalies on Landsat image of North Tarim basin in Xinjiang. The results show that the distinct differences of plant spectral characteristic and trace-element content between anomalous area and normal area. In anomalous area, content of element Li in f plant is. more higher than in normal area, and trace-element Ni concentrated,but base element Rb decreased.

Key words Lightness temperature    LST    ASTER    Neural network(NN)
     出版日期: 2011-08-02
引用本文:   
王津义. 植物波谱特性及其微量元素分析在油气遥感解译中的初步应用[J]. 国土资源遥感, 1993, 5(4): 34-37,7.
Wang Jinyi . PRIMARY APPLICATION OF PLANT SPECTRAL CHARACTERISTICS AND ITS TRACE-ELEMENT ANALYSIS FOR REMOTE SENSING INTERPRETATION OF OIL AND GAS. REMOTE SENSING FOR LAND & RESOURCES, 1993, 5(4): 34-37,7.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.1993.04.05      或      https://www.gtzyyg.com/CN/Y1993/V5/I4/34



[1] 李天杰、郑应顺、王云。土壤地理学.高等教育出版社,1983, 204~205



[2] 魏俊超等.地植物遥感技术在找矿勘探中的应用.遥感技术动态,1990 ( 3)



[3] 潘根兴编译.土壤中的主要重金属和有毒重金属及其生态关系.湖北农学院:生态学报,1992( 3)

[1] 张成业, 邢江河, 李军, 桑潇. 基于U-Net网络和GF-6影像的尾矿库空间范围识别[J]. 自然资源遥感, 2021, 33(4): 252-257.
[2] 于新莉, 宋妍, 杨淼, 黄磊, 张艳杰. 结合空间约束的卷积神经网络多模型多尺度船企场景识别[J]. 自然资源遥感, 2021, 33(4): 72-81.
[3] 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.
[4] 安健健, 孟庆岩, 胡蝶, 胡新礼, 杨健, 杨天梁. 基于Faster R-CNN的火电厂冷却塔检测及工作状态判定[J]. 国土资源遥感, 2021, 33(2): 93-99.
[5] 刘钊, 赵桐, 廖斐凡, 李帅, 李海洋. 基于语义分割网络的高分遥感影像城市建成区提取方法研究与对比分析[J]. 国土资源遥感, 2021, 33(1): 45-53.
[6] 仇一帆, 柴登峰. 无人工标注数据的Landsat影像云检测深度学习方法[J]. 国土资源遥感, 2021, 33(1): 102-107.
[7] 董天成, 杨肖, 李卉, 张志, 齐睿. 基于Faster R-CNN和MorphACWE模型的SAR图像高原湖泊提取[J]. 国土资源遥感, 2021, 33(1): 129-137.
[8] 卫虹宇, 赵银娣, 董霁红. 基于改进RetinaNet的冷却塔目标检测[J]. 国土资源遥感, 2020, 32(4): 68-73.
[9] 刘钊, 廖斐凡, 赵桐. 基于PSPNet的遥感影像城市建成区提取及其优化方法[J]. 国土资源遥感, 2020, 32(4): 84-89.
[10] 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.
[11] 高凯旋, 焦海明, 王新闯. 融合影像纹理、光谱与地形特征的森林冠顶高反演模型[J]. 国土资源遥感, 2020, 32(3): 63-70.
[12] 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.
[13] 吴同, 彭玲, 胡媛. 基于SU-RetinaNet的高分辨率遥感影像非正规垃圾堆检测[J]. 国土资源遥感, 2020, 32(3): 90-97.
[14] 安全, 贺中华, 赵翠薇, 梁虹, 焦树林, 杨朝晖. 基于地貌视角的喀斯特流域水系分维估算方法适应性分析[J]. 国土资源遥感, 2019, 31(4): 104-111.
[15] 肖晨超, 吴小娟, 汪大明, 褚永彬. 基于烃类微渗漏的油气异常信息提取及远景区预测——以中非Salamat盆地为例[J]. 国土资源遥感, 2019, 31(4): 120-127.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发