论文部分内容阅读
多龙地区已发现多个与中酸性侵入岩有关的斑岩铜矿床,成矿潜力巨大。受限于自然环境恶劣和交通条件落后,该地区难以开展常规地质调查。斑岩铜矿通常具有热液蚀变区域。热液蚀变矿物在可见光近红外-短波红外区间有诊断性光谱吸收特征。因而,将遥感数据用于矿产勘探具有不可替代的优势。在本次研究中,Sentinel-2A MSI,ASTER,Hyperion和AHSI数据被联合用于热液蚀变矿物填图。采用主成分分析法和异常叠加选择法从三景时相的Sentinel-2A MSI影像中提取羟基蚀变信息与铁染蚀变信息。结果被用于评价Sentinel-2A数据在地质领域的潜力。采用随机森林、投票极限学习机和核极限学习机处理ASTER短波红外数据、ASTER短波红外-热红外数据、Hyperion短波红外数据和AHSI短波红外数据。高岭石与绢云母在ASTER影像中会混淆,但可以被Hyperion和AHSI区分开来。主要结果和结论如下:(1)采用Sentinel-2A MSI和ASTER影像来获取蚀变矿物的空间分布范围。使用主成分分析法和异常叠加选择法获取的结果可以去除由干扰引起的假异常。Sentinel-2A MSI数据提取的羟基蚀变矿物对应ASTER数据提取的铝羟基蚀变矿物。Sentinel-2A MSI数据可以被用于矿物填图。采用三种机器学习算法处理ASTER短波红外数据时,采用投票极限学习机的分类结果可以取得最高的总体精度(98.33%),其次是核极限学习机(98.22%)和随机森林(95.18%)对应的结果。与基于ASTER短波红外数据的分类结果相比,基于ASTER短波红外-热红外数据的分类可以取得更高的总体精度(99.01%)。ASTER热红外波段能够识别镁羟基蚀变矿物,但不能识别铝羟基蚀变矿物。(2)采用Hyperion和AHSI数据对绢云母、高岭石和绿帘石三种矿物进行填图。三种机器学习算法被用于分析Hyperion短波红外数据。采用投票极限学习机算法的分类结果可以取得最高的分类精度(OA=97.31%),其次是核极限学习机(96.48%)和随机森林(95.52%)对应的结果。Hyperion数据提取的绢云母跟高岭石对应ASTER数据提取的铝羟基蚀变矿物。三种机器学习算法还被用于分析AHSI短波红外数据。采用核极限学习机的分类结果可以取得最高的总体精度(90.60%),其次是投票极限学习机(89.55%)和随机森林(82.26%)对应的结果。AHSI数据的结果与Hyperion数据的结果具有一致性。(3)遥感影像获取的热液蚀变范围与实地调查确定的蚀变范围相吻合。野外调查和光谱反射率测量证实了遥感图像处理结果。结果表明已经的铜矿床都可被这些方法识别。根据遥感图像处理的结果发现了三个与中酸性侵入岩有关的成矿远景区。