论文部分内容阅读
针对应用高光谱技术识别矿物精度低的问题，本次研究对高光谱遥感识别矿物过程中可能出现的精度影响因素进行分析，建立了基于高光谱数据的矿物定量提取模型。该模型以波长范围为350～2500nm的岩石光谱为数据源，基于光谱匹配方法进行矿物识别，利用线性模型分解单次反照率进行含量提取，并通过分段滤波及建立区域光谱库的方法提高识别精度。本模型识别矿物及提取含量的精度高于其他模型，获取鉴定结果的速度高于传统的地质鉴定方法，它能广泛应用于遥感矿物填图、矿区蚀变分带等方面，对遥感矿产勘查工作具有重要意义。 模型的基本流程为:(1)通过研究区地质背景调研和矿物学共生组合关系选取可能存在于研究区的矿物组合，汇总成研究区矿物端元光谱库;(2)对光谱数据进行分段滤波预处理，基于矿物吸收峰波长将光谱分为吸收峰密集区及噪声区，对不同区域进行不同的滤波处理;(3)去除包络线，提取光谱吸收特征，采用光谱吸收特征匹配与光谱角匹配结合的方法，将拟合端元光谱与实测光谱进行匹配，匹配程度最大的端元组合即为识别结果;(4)应用简化后的Hapke模型将实测的岩石反射率转换为线性混合的单次反照率，分解反照率提取矿物含量。 通过对包古图Ⅴ号岩体光谱数据的分析，本模型的识别矿物的平均有效率为72.4％，最高有效率为100％;平均正确率为61.2％，最高正确率为83.3％。与地物组分定量提取模型相比，本模型将矿物识别有效率提高了15.5％，正确率提高了30.2％。本模型对造岩矿物类中石英的识别精度为75％;对长石类矿物的识别精度为100％，含量提取精度为80.5％;对角闪石的含量提取精度为64％;对粘土类蚀变矿物的识别精度为92.2％，含量提取的精度为92.36％。 根据模型识别出的蚀变矿物种类，确定了样品的主要矿化类型，按照采样点位置在ASTER图像上划分了Ⅴ号岩体的蚀变带;以绿泥石化样品采样点的图像光谱为标准，应用ASTER图像进行矿物填图，得到了Ⅴ号岩体的绿泥石化分布。