国土资源遥感, 2019, 31(3): 193-200 doi: 10.6046/gtzyyg.2019.03.24

技术应用

基于ASTER数据的多金属成矿有利区预测

段俊斌, 彭鹏, 杨智, 刘乐

安徽省地质调查院,合肥 230001

Prediction of polymetallic metallogenic favorable area based on ASTER data

DUAN Junbin, PENG Peng, YANG Zhi, LIU Le

Geological Survey of Anhui Province, Heifei 230001, China

责任编辑: 陈理

收稿日期: 2018-05-17   修回日期: 2018-08-14   网络出版日期: 2019-09-15

基金资助: 中国地质调查局项目“全国边海防地区基础地质遥感调查”资助.  12120114090801

Received: 2018-05-17   Revised: 2018-08-14   Online: 2019-09-15

作者简介 About authors

段俊斌(1986-),男,工程师,主要从事遥感地质、遥感制图等研究。Email:457868470@qq.com.。 。

摘要

近年来我国对西北边境地区的矿产地质情况越来越重视,但是由于自然地理等原因,大范围的人工调查工作难以开展。通过对以往资料的收集整理,发现西北边境地区舒木野营地附近存在有金、银、铜、铅等矿种,是我国重要的矿产资源成矿远景区。为了更好地发挥遥感在西部艰险地带找矿的优势及先导作用,利用ASTER遥感影像数据对蚀变异常和控矿因子进行提取,最终得到用于评价成矿有利区的各个专题因子,探索各个专题因子之间的相关性及可用性,建立遥感地质找矿模型,并通过已知矿床点信息进行验证,取得了较好的评价结果,可以为今后类似研究区开展工作提供借鉴。

关键词： ASTER ; 蚀变异常 ; 信息量模型 ; 成矿预测

Abstract

In recent years, China has paid more and more attention to the mineral geology in the northwest frontier area. However, due to natural geography and other reasons, it is difficult to carry out large-scale manual investigation. By collecting and sorting the available data, the authors have found that there are gold, silver, copper, lead and other minerals in the vicinity of Shumu campsite of the northwest frontier area, and hence it is an important metallogenic prospective area of China’s mineral resources. In order to give full play to the advantages and leading role of remote sensing in prospecting in difficult and dangerous areas of Western China, the authors used ASTER remote sensing image data to extract alteration anomalies and controlling factors. On such a basis, various thematic factors which were used to evaluate the metallogenic favorable areas were obtained, and the correlation and usability between thematic factors were investigated. The establishment of remote sensing geological prospecting model and verification through known deposit point information have obtained good evaluation results, which can provide reference for similar study areas in the future.

Keywords： ASTER ; alteration anomalies ; information model ; metallogenic prediction

PDF (4923KB) 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

段俊斌, 彭鹏, 杨智, 刘乐. 基于ASTER数据的多金属成矿有利区预测. 国土资源遥感[J], 2019, 31(3): 193-200 doi:10.6046/gtzyyg.2019.03.24

DUAN Junbin, PENG Peng, YANG Zhi, LIU Le. Prediction of polymetallic metallogenic favorable area based on ASTER data. REMOTE SENSING FOR LAND & RESOURCES[J], 2019, 31(3): 193-200 doi:10.6046/gtzyyg.2019.03.24

0 引言

矿产资源是不可再生资源,对其进行勘查和开发有利于国民经济建设和社会的健康发展[1]。笔者参与的野外工作区位于新疆阿克赛钦湖以西地区,道路交通不便,海拔较高,平均海拔为5 300 m,气候极端恶劣,相关地质工作程度较低。由于实际勘查工作中应以降低工作成本、减少风险、提高成果成功率为基本要求[2],所以在矿产勘查过程中,应当首先应用遥感技术[3],对成矿有利区进行选定,尽量减少大范围的人工调查。

近年来,随着遥感技术的不断发展与进步,各种地学分析模型也在不断向着智能化、综合化的方向发展[4,5,6,7,8]。ASTER数据作为一种光谱范围宽、波段多、空间分辨率较高的遥感影像数据,被广泛应用于遥感矿化蚀变异常提取,并在国内外遥感找矿工作中取得了众多成果[9,10,11]。

本文采用ASTER数据,利用主成分分析方法对矿物蚀变异常信息进行提取,并对成矿有利构造进行解译,分析成矿有利地层,综合提取分析因子,并对这些专题因子的数量和质量进行相关性分析; 依据相似类比理论,采用信息量模型的方法,进行成矿有利区的划分,为进一步探索该区域找矿潜力和科学部署找矿远景区提供依据。

1 研究区概况及数据源

1.1 研究区概况

本文选择的研究区西起红头山,东至萨利吉勒干南库勒一带,地理坐标范围为N34°28'~34°56',E79°09'~79°46',地处喀喇昆仑地层分区、赤部张错地层分区与多玛地层分区的交界位置[12]。区内主要含矿地层为: 科勒清河组(T3k),主要岩性为含砾杂砂岩、砾岩互层,破碎带发育; 曲池组(P1q),主要岩性为粉砂质泥岩夹灰岩,与花岗岩体围岩接触,围岩矽卡岩化强烈。区内地质条件复杂,各类侵入岩发育,构造多样,发育有众多断裂构造及褶皱构造。主要断裂构造有郭扎错—空喀山口断裂与泉水湖—界山达坂断裂。郭扎错—空喀山口断裂是我国著名断裂阿尔金断裂的北缘,由多条断层分枝组成,同时由于断层活动的强弱性不同,在断层两侧表现为宽度不一的负地形。沿空喀山口—羌臣摩河—野马滩—三岔口一线断续发育宽约40 m的动力变质带,主要有黑云石英片岩、白云石英片岩和二云母石英片岩。沿构造线有大量的花岗岩体侵入(90~120 Ma),岩体与围岩接触带及岩体内部均有规模不等的韧性剪切带发育。泉水湖—界山达坂断裂沿龙木错—界山达坂—635道班一线呈NW向展布,为喀喇昆仑褶皱构造带与郭扎错冲断构造带分界断裂。在晚白垩世铁龙滩组(K2t)中发育有宽约400 m的破碎蚀变带,带内构造岩均为铁龙滩组灰岩,且发生大理岩化蚀变,断层角砾呈棱角状,大小不一,钙质胶结。同时区内发育有众多小型断裂及线性构造,为矿液的运移提供了良好的条件。研究区内已知矿化点较少,但各类型矿点均有出露,主要沿阿尔金断裂带发育,有熊采岗日铜矿点、野马滩铜金矿点和舒木铅银矿点等,故研究区具有重要的理论研究价值和找矿潜力。

1.2 遥感数据源

本次采用的遥感数据为2004年4月26日获取的ASTER Level1B遥感影像(图1)。该数据已经进行过几何纠正、辐射定标和大气校正,整景影像云量覆盖度小于3%,满足工作开展要求。由于ASTER数据中VNIR数据与SWIR数据空间分辨率并不相同,先通过重采样将数据空间分辨率均调至30 m,然后进行波段叠加,以方便后续蚀变异常提取工作的开展。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区影像

(ASTER B3(R),B2(G),B1(B)假彩色合成)

Fig.1   Image of study area


2 研究方法

遥感蚀变异常的提取方法有比值法、HIS变换、光谱角填图及主成分分析等方法[13]。本文采用主成分分析方法对各类蚀变异常进行提取。为了避免水体对异常信息提取的影响,采用归一化植被指数(nomalized difference vegetation index,NDVI)方法先对水体进行掩模处理。基于ASTER数据计算NDVI指数,即

NDVI=(B3-B2)/(B3+B2) ,

式中B2和B3分别为ASTER数据第2和第3波段值。

将NDVI<0的地区作为水体进行剔除,以提高解译精度。然后分别进行铝羟基、镁羟基、碳酸盐岩化和铁染蚀变异常信息提取,为减少人为干预导致的提取误差,通过分析每组蚀变异常的主分量统计结果,以标准差δ的相应倍数作为图像密度分割标准[14]。将蚀变异常划分为3个等级: [δ,2.5δ)为三级异常; [2.5δ,3δ)为二级异常; [3δ,Max)为一级异常,其中Max为最大值。同时结合收集到的地质资料对遥感数据进行线性和环形构造的提取。

在相关因子提取后,采用皮氏积矩相关系数分析每一个专题因子之间的相关性,其公式为

r(i,j)=1-|cov(xi,xj)|var(xi)·var(xj) ,

式中: cov(xi,xj)为2个样本因子xi和xj的协方差; var(xi)为样本因子xi的方差。Pearson相关系数是一个介于[-1,1]之间的数值,常用来分析2组数据共同移动变化的趋势性。通过分析各组因子之间的相关性,确定最终使用的评价因子,定量分析其与矿床之间的关系,并用已知矿床点进行验证,最终圈定成矿远景区。信息提取流程如图2所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   信息提取流程

Fig.2   Flow chart of information extraction


3 结果与分析

3.1 铝羟基蚀变

含有铝元素及(OH)-离子的矿物如: 高岭石(Al4(Si4O10)(OH)8)、伊利石(K0.75(Al1.75R)[Si3.5-Al0.5O10](OH)2)、明矾石(KAl3[SO4]2(OH)6)等为主要的含铝羟基蚀变矿物,其形成多与低温热液有关,这些矿物的蚀变可用于识别斑岩型铜矿[15]。含有铝羟基的矿物波谱特征曲线如图3所示,在ASTER各波段表现为: 在B1—B4波段随着波长的增大,反射率也逐渐增大; 在B5—B8波段主要表现为吸收特征,其中在B6波段的吸收特征最强,在B7波段又出现一个小反射峰。经过综合分析及对比,对ASTER B1,B3,B4,B6波段进行主成分分析实现铝羟基矿物蚀变异常信息的提取。得到各个波段的主成分特征向量(表1)。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   含铝羟基矿物波谱曲线

Fig.3   Spectrum curve of mineral contain aluminum and hydroxyl


表1   ASTER B1,B3,B4,B6波段主成分特征向量

Tab.1  Eigenvector of PCA of ASTER B1,B3,B4,B6

特征向量B1B3B4B6
PC10.770 7530.626 7310.109 5830.033 756
PC20.632 877-0.773 870-0.023 653-0.005 706
PC30.073 4740.091 289-0.955 632-0.270 250
PC4-0.002 650-0.000 936-0.272 3960.962 181

新窗口打开| 下载CSV


根据特征向量结果可以看出,PC4主要反映的是B6波段的信息,且与B1,B3,B4波段异号,所以PC4为铝羟基矿物蚀变异常信息提取的主分量,由于铝羟基矿物蚀变在B6波段表现为强吸收特征,但其特征向量为正值,故对PC4灰度图像整体做取负处理,采用密度分割方法对蚀变异常进行分级,得到含铝羟基矿物蚀变异常提取结果(图4)。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   含铝羟基矿物蚀变异常

Fig.4   Alteration anomalies of mineral contain aluminum and hydroxyl


3.2 镁羟基蚀变

含有镁元素及(OH)-离子的矿物如: 绿泥石((Mg,Fe)5Al(Si3Al)O10(OH)4)、滑石(Mg3Si4O10-(OH)2)、蛇纹石(Mg6(Si4O10)(OH)8)等均为含镁羟基的蚀变矿物,其形成与低温热液有关。含有镁羟基的矿物波谱特征曲线如图5所示。这些矿物在ASTER遥感影像的B1和B4波段呈现反射特征,尤其在B4波段反射特征较强; 在B8波段均表现为吸收特征。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   含镁羟基矿物波谱曲线

Fig.5   Spectrum curve of mineral contain magnesium and hydroxyl


根据含镁羟基矿物波谱反射特征,镁羟基蚀变异常信息的提取采用ASTER B1,B4,B6,B8波段进行主成分分析,并得到各个波段的主成分特征向量(表2)。

表2   ASTER B1,B4,B6,B8波段主成分特征向量

Tab.2  Eigenvector of PCA of ASTER B1,B4,B6,B8

特征向量B1B4B6B8
PC10.998 683-0.048 257-0.014 705-0.009 387
PC20.051 3080.943 7230.271 5210.181 744
PC30.000 757-0.242 2320.955 284-0.169 574
PC40.000 186-0.219 9580.116 1570.968 569

新窗口打开| 下载CSV


基于以上分析,代表含镁羟基矿物蚀变异常信息的主分量应该是主要反映了含镁羟基矿物在ASTER B4波段的强反射和B8波段的强吸收特征。即代表含镁羟基矿物蚀变异常信息的主分量特征向量应该具有B4和B8波段异号的特征。通过表2发现PC4在B8波段所占权重最大,且与B4波段异号,所以将其作为含镁羟基矿物蚀变异常信息提取的主分量。由于B4波段为强反射特征,但其特征向量为负值,同时B8波段为强吸收特征,但其特征向量为正值,故对PC4灰度图像整体做取负处理,采用密度分割的方法对异常进行分级,得到含镁羟基矿物蚀变异常提取结果,如图6所示。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   含镁羟基矿物蚀变异常

Fig.6   Alteration anomalies of mineral contain magnesium and hydroxyl


3.3 碳酸盐岩化蚀变

含有(CO3)2-离子的矿物如: 方解石(CaCO3)、菱镁矿(MgCO3)、菱铁矿(FeCO3)和白云石(CaMg-(CO3)2)等为碳酸盐岩类蚀变矿物,其成因类型较为多样。含有碳酸盐岩的矿物波谱特征曲线如图7所示,通常它们在ASTER B1—B4波段均呈反射特征,并无明显波动变化,波谱曲线较为平滑,B5和B6波谱特征较为复杂,主要表现为弱反射特征,在B7—B9波段变为吸收特征,在B8波段吸收特征达到最大值。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   含碳酸盐岩矿物波谱曲线

Fig.7   Spectrum curve of mineral contain carbonate


根据碳酸盐岩矿物的波谱反射特征,选择ASTER B1,B3,B4,B8波段进行主成分分析,提取碳酸盐岩化蚀变异常信息,得到各波段的主成分特征向量(表3)。

表3   ASTER B1,B3,B4,B8波段主成分特征向量

Tab.3  Eigenvector of PCA of ASTER B1,B3,B4,B8

特征向量B1B3B4B8
PC10.770 9940.626 9240.109 5950.022 889
PC20.632 640-0.774 114-0.022 6340.001 293
PC30.072 9240.087 735-0.973 640-0.197 509
PC4-0.004 145-0.004 061-0.198 7500.980 033

新窗口打开| 下载CSV


基于以上分析,B4波段应与B1和B3波段符号相同,与B8波段符号相反。其中PC4满足这一特征,因为B8波段为吸收特征,但其特征向量为正值,故对PC4灰度图像整体做取负处理,采用密度分割的方法对异常进行分级,得到碳酸盐岩化蚀变异常信息(图8)。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   含碳酸盐岩矿物蚀变异常

Fig.8   Alteration anomalies of mineral contain carbonate


3.4 铁染蚀变

铁染蚀变异常的组分比较复杂,主要反映的是“铁帽”和褐铁矿化,其成分主要有赤铁矿(Fe2O3)、黄钾铁矾(KFe(3+)3[(OH)6|SO4]2)、针铁矿(α-FeO(OH))等氧化物和氢氧化物。地表在氧化条件下这些矿物常与方解石和黏土类矿物组合,形成铁染蚀变异常。含铁矿物波谱特征曲线如图9所示。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   含铁矿物波谱曲线

Fig.9   Spectrum curve of mineral contain iron


典型含铁矿物如针铁矿、赤铁矿和纤铁矿由于组分复杂通常其波谱曲线也表现出一定的差异。整体而言,针铁矿和赤铁矿在ASTER B1—B3波段表现为弱吸收,在B4波段表现为强反射,在B5—B9波段趋于平缓且产生弱吸收。黄钾铁矾在ASTER B1—B3波段呈吸收特征,但随着波长的增加反射率逐渐提高,在第B4波段表现为较强的反射特征,在B5—B7波段随着波长增加反射特性渐强,在B8和B9波段表现为由反射到吸收的过度特征。

根据铁染异常的波谱反射特征,选择ASTER B1,B2,B3,B4波段进行主成分分析,提取铁染蚀变异常信息,得到其主成分特征向量(表4)。

表4   ASTER B1,B2,B3,B4波段主成分特征向量

Tab.4  Eigenvector of PCA of ASTER B1,B2,B3,B4

特征向量B1B2B3B4
PC10.604 9680.621 0520.490 7180.086 503
PC20.534 3820.139 250-0.833 656-0.007 917
PC3-0.301 5630.290 230-0.153 3280.895 163
PC40.507 432-0.714 6120.201 7520.437 193

新窗口打开| 下载CSV


基于以上分析,ASTER B4波段应与B3波段符号相反,且二者的绝对值相加应该最大。其中PC3满足这一特征,因为B4波段为反射特征,且其特征值为正,所以PC3中亮色部分为铁染蚀变异常区域。采用密度分割方法进行异常分级,得到铁染蚀变异常信息(图10)。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10   铁染蚀变异常

Fig.10   Alteration anomalies of iron stain


3.5 线性构造

岩石的变形带、软弱带和应力集中带是构造应力在地表的反应,在遥感影像上主要表现为直线型。线性构造往往都是岩浆成矿溶液上升、转移、凝固和富集的场所,是十分重要的控矿构造因素,对成矿带的分布范围、赋存位置都有相当重要的影响。因此,研究不同方向、不同组合、不同规模的线性构造,对于成矿有利区的预测有着十分重要的意义。

通过收集资料和建立解译标志,对遥感影像进行解译,共获得16条线性构造(图11)。主要集中在泉水湖和舒木野营地一带。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11   研究区线性构造

Fig.11   Linear structure of study area


根据收集到的资料以及以往研究成果[17],按照10 km×10 km的标准将研究区划分为6×6的标准格网,分区统计每个网格内部线性构造长度之和。依据分区统计结果,对结果进行克里金插值,分析区域内线性构造密度,圈定线性构造的影响范围及重点区域,通过分析发现已知矿点主要集中在线性构造影响较大的区域内部。

3.6 环形构造

地下隐伏岩体、火山喷发、岩浆侵入及褶皱构造等地质作用在遥感影像上常会表现为环形构造。环形构造对矿液的富集有着重要的控制作用,为研究区找矿提供了重要的信息。对研究区建立相应的解译标志并进行遥感解译,最终解译出15个环形构造(图12)。同样,分区统计每个格网内环形构造长度,分析环形构造密度,圈定环形构造的影响范围,通过分析发现环形构造密度较高区域,特别是一些与线性构造相交的位置,与矿点关系密切。

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12   研究区环形构造

Fig.12   Circular structure of study area


3.7 各专题因子相关性分析

利用相关系数分析方法,按照线性构造(1)、环形构造(2)、碳酸盐岩化蚀变(3)、铝羟基蚀变(4)、镁羟基蚀变(5)、铁染蚀变(6)的顺序,计算获得了6个因子之间的相关系数矩阵(表5)。从表5可以看出,碳酸盐岩化蚀变异常与镁羟基蚀变异常的相关性较高,达到了0.957 93,其他因子之间的相关性绝对值均小于0.5,因子间相关性较小。通过对比碳酸盐岩化蚀变异常和镁羟基蚀变异常与其他异常之间的相关性可以得出,碳酸盐岩化蚀变异常与其他因子之间相关性均小于镁羟基蚀变与其他因子之间的相关性,且2个羟基之间会互相影响,所以剔除镁羟基蚀变异常,保留碳酸盐岩化异常作为成矿预测的因子图层之一。

表5   因子之间的相关性

Tab.5  Correlation of factors

123456
11.000 000.095 010.172 630.188 920.208 32-0.130 34
20.095 011.000 00-0.017 950.245 76-0.031 24-0.124 97
30.172 63-0.017 951.000 000.211 960.957 93-0.022 92
40.188 920.245 760.211 961.000 000.231 30-0.447 48
50.208 32-0.031 240.957 930.231 301.000 00-0.084 32
6-0.130 34-0.124 97-0.022 92-0.447 48-0.084 321.000 00

新窗口打开| 下载CSV


3.8 成矿预测

根据相关分析结果,由于每个因子在一定范围内对于成矿发生概率贡献度不同,将其在ArcGIS软件中进行重分类,分类种类及评价标准如表6所示。

表6   因子分类标准

Tab.6  Classification standard of factors

因子图层分类值
铝羟基蚀变一级异常二级异常三级异常无异常
碳酸盐岩蚀变一级异常二级异常三级异常无异常
铁染蚀变一级异常二级异常三级异常无异常
线性构造长度/km≥3[2,3)[1,2)<1
环形构造长度/km≥3[2,3)[1,2)<1

新窗口打开| 下载CSV


按照表6分类结果,通过分析各个矿点周边区域的各图层像素个数,与区域总数对比,计算各个图层的信息量值,数值越大,说明该地区存在矿藏的可能性越大。从而得到整个研究区的综合信息量图,并对其进行成矿远景区划分(图13)。

图13

新窗口打开| 下载原图ZIP| 生成PPT

图13   研究区成矿远景区分级

Fig.13   Mineral foreground area classification of study area


通过信息量模型法,得到的结果信息量范围为[-2.732,2.423]。依据信息量值,研究区圈定了4个找矿远景区。自南向北分别是: 舒木野营地一级成矿远景区、萨利吉勒干南库勒以南一级成矿远景区、萨利吉勒干南库勒以北二级成矿成矿远景区、龙巴其保三级成矿远景区。4个成矿远景区中,舒木野营地成矿远景区与已知资料提供的矿点拟合程度良好,附近有铜、银矿化点存在。其他3个成矿远景区由于缺少相关资料,主要用于提供异常查证。

本文对研究区内线性、环形构造及蚀变矿物遥感异常进行了综合分析,分析发现异常主要发育于岩浆岩及断层周边,从侧面验证了解译的正确性,但由于本区域存在雪被覆盖,虽然通过选取夏季影像来减小雪被带来的影响,但不能完全消除,这对蚀变异常结果解译的全面性会有一定影响。整体而言,解译结果精度较高,可以为今后野外实地调查及矿产勘查提供靶区选择。

4 结论

本文以ASTER遥感数据为数据源,对新疆阿克赛钦湖以西地区进行了镁羟基、铝羟基、碳酸盐岩化和铁染等蚀变遥感异常提取,同时通过建立解译标志,提取了与控矿相关的线性、环形构造。最终综合分析各专题因子之间的相关性,尝试建立最适合应用于研究区的成矿远景区圈定方法。分析结果与已知矿点进行对比,符合度较高,本研究方法可以为相同或类似区域开展同类研究提供借鉴。

通过分析各类蚀变异常典型矿物的波谱特征,分析矿物共性特征,选取合适的波段组合进行异常提取。开展镁羟基异常、铝羟基异常、碳酸盐岩化异常和铁染异常等多种遥感蚀变异常信息的提取,更有利于成矿远景区的合理选定。最终结果表明本次实验可以对研究区进行快速成矿远景区圈定,为地质找矿方向提供有利的帮助。

通过对各专题因子的综合分析发现,矿点分布与线性和环形构造的距离有着明显的相关性,尤其是在两者交汇位置,成矿提示信息更加明确,为成矿有利地段。

由于研究区地处极高山区域,野外验证难度较大,仅通过已知资料对部分区域进行了验证分析,剩余部分仍需实地勘查验证,但本文可以为矿产勘查提供一定先验性指导。

参考文献

姚凤良, 孙丰月 . 矿床学教程[M]. 北京: 地质出版社, 2006.

[本文引用: 1]

Yao F L, Sun F Y. Course of Mineral Deposit[M]. Beijing: Geologi-cal Publishing House, 2006.

[本文引用: 1]

高景岗 .

新疆北部主要斑岩铜矿带成矿条件及遥感找矿定位研究

[D]. 西安:长安大学, 2008.

[本文引用: 1]

Gao J G .

The Study on the Mineralization Condition of the Major Porphyry Copper Mineral Belt and Remote Sensing Prospecting Localization in Northern Xinjiang,China

[D]. Xi’an:Chang’an University, 2008.

[本文引用: 1]

石玉臣 .

山东省焦家成矿带深部金矿预测研究及其应用

[D]. 长春:吉林大学, 2005.

[本文引用: 1]

Shi Y C .

Deeo-Space Metallogenic Predication Study and Its Application in Jiaojia Gold Belt of Shandong

[D]. Changchun:Jilin University, 2005.

[本文引用: 1]

范玉海, 王辉, 杨兴科 , 等.

基于高分辨率遥感数据的稀有金属矿化带勘查

[J]. 国土资源遥感, 2018,30(1):128-134.doi: 10.6046/gtzyyg.2018.01.18.

[本文引用: 1]

Fan Y H, Wang H, Yang X K , et al.

Application of high-resolution remote sensing technology to the prospecting for rare metal mineralization belt

[J]. Remote Sensing for Land and Resources, 2018,30(1):128-134.doi: 10.6046/gtzyyg.2018.01.18.

[本文引用: 1]

杨金中, 陈薇, 王辉 .

西昆仑成矿带黑恰达坂温泉沟群含铁层位的圈定

[J]. 国土资源遥感, 2017,29(3):191-195.doi: 10.6046/gtzyyg.2017.03.28.

[本文引用: 1]

Yang J Z, Chen W, Wang H .

Delineation of iron formation in Wenquangou Group along Heiqia Pass in West Kunlun metallogenic belt

[J]. Remote Sensing for Land and Resources, 2017,29(3):191-195.doi: 10.6046/gtzyyg.2017.03.28.

[本文引用: 1]

范素英 .

层次分析法在冀北地区多金属矿找矿预测中的应用

[J]. 国土资源遥感, 2017,29(2):125-131.doi: 10.6046/gtzyyg.2017.02.18.

[本文引用: 1]

Fan S Y .

Application of analytic hierarchy process method to ore-prospecting prognosis in Northern Hebei

[J]. Remote Sensing for Land and Resources, 2017,29(2):125-131.doi: 10.6046/gtzyyg.2017.02.18.

[本文引用: 1]

Loughlin W P .

Principal component analysis for alteration mapping

[J]. Photogrammetric Engineering and Remote Sensing, 1991,57(9):1163-1169.

[本文引用: 1]

Rowan L C, Goetz A F H, Ashley R P .

Discrimination of hydrothemally altered and unaltered rocks in visible and near infrared multispectral images

[J]. Geophysics, 1977(42):522-535.

[本文引用: 1]

高万里, 张绪教, 王志刚 , 等.

基于ASTER遥感图像的东昆仑造山带岩性信息提取研究

[J]. 地质力学学报, 2010,16(1):59-67.

[本文引用: 1]

Gao W L, Zhang X J, Wang Z G , et al.

Extraction of lithologic information form the East Kulun orogenic belt using ASTER remote sensing image

[J]. Journal of Geomechanics, 2010,16(1):59-67.

[本文引用: 1]

朱黎江, 秦其明, 陈思锦 .

ASTER遥感数据解读与应用

[J]. 国土资源遥感, 2003,15(2):59-63.doi: 10.6046/gtzyyg.2003.02.14.

Magsci     [本文引用: 1]

ASTER遥感数据可以在地球表面自然过程与全球变化等多个研究领域得到广泛应用.本文首先对ASTER数据格式进行了分析,并对解读关键技术进行了研究,在此基础上,通过计算机编程实现了ASTER数据的读取;最后结合ASTER数据的特点给出了ASTER数据在几个主要研究领域的应用.

Zhu L J, Qin Q M, Chen S J .

The reading of ASTER data form file and the application of ASTER data

[J]. Remote Sensing for Land and Resources, 2003,15(2):59-63.doi: 10.6046/gtzyyg.2003.02.14.

Magsci     [本文引用: 1]

张玉君, 杨建民, 姚佛军 .

用ASTER数据进行不同类型矿床蚀变异常提取研究

[J]. 矿床地质, 2006,25(s1):507-510.

[本文引用: 1]

Zhang Y J, Yang J M, Yao F J .

The extraction of OHA form different types of deposits by using ASTER data

[J]. Mineral Deposits, 2006,25(s1):507-510.

[本文引用: 1]

安徽地质调查院.

温泉幅、松溪幅区域地质调查报告

[R]. 合肥:安徽省地质调查院, 2005.

[本文引用: 1]

Geological Survey of Anhui Province.

Report of Wenquan and Songxi Regional Geological Survey

[R]. Hefei:Geological Survey of Anhui Province, 2005.

[本文引用: 1]

陕西地质调查院.

1:25万康西瓦幅区域地质调查成果报告

[R]. 西安:陕西地调院, 2006.

[本文引用: 1]

Geological Survey of Shaanxi Province.

1:250 000 Kangxiwa Regional Geological Survey

[R]. Xi’an:Geological Survey of Shaanxi Province, 2006.

[本文引用: 1]

张玉君, 曾朝铭, 陈薇 .

ETM+(TM)蚀变遥感异常提取方法研究与应用——方法选择和技术流程

[J]. 国土资源遥感, 2003,15(2):44-49.doi: 10.6046/gtzyyg.2003.02.11.

Magsci     [本文引用: 1]

从原理、模型试验及实际数据处理等方面分析对比了比值法、光谱角法及主分量分析法的优劣;选择了以主分量分析为主、光谱角法为辅进行蚀变遥感异常的提取;引用了误差理论某些基本概念,以标准离差&sigma;作为遥感异常切割的尺度;建立了&quot;去干扰异常主分量门限化技术流程&quot;。以西藏驱龙&mdash;甲马蚀变遥感异常群为例,展示了此技术的效果,并与高光谱研究结果进行了比较。

Zhang Y J, Zeng Z M, Chen W .

The methods for extracation of alteration anomalies form the ETM+(TM)data and their application:Method selection and technological flow chart

[J]. Remote Sensing for Land and Resources, 2003,15(2):44-49.doi: 10.6046/gtzyyg.2003.02.11.

Magsci     [本文引用: 1]

曹广真 .

多源数据融合在金矿成矿预测中的应用研究

[D]. 青岛:山东科技大学, 2003.

[本文引用: 1]

Cao G Z .

Application of Multi-Source Data Fusion in Gold Metallogenic Prognosis

[D]. Qingdao:Shandong University of Science and Technology, 2003.

[本文引用: 1]

易欢, 李健强, 韩海辉 , 等.

遥感技术在阿尔金贝壳滩地区矿产资源综合调查中的应用

[J]. 中国地质调查, 2016,3(4):1-5.

Yi H, Li J Q, Han H H , et al.

Application of remote sensing in integrated survey on mineral exploration in Beketan,Altyn

[J]. Geologi-cal Survey of China, 2016,3(4):1-5.

/

〈 〉

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