Extraction of hidden manganese ore information with combined mining of associated and secondary mineral of remote sensing data in northeast Guizhou
-
摘要: 以黔东北锰矿矿集区为例，通过分析含锰岩层、矿床和矿体特征，确定以伴生的黄铁矿、绿泥石和次生的锰氧化物作为锰矿化遥感信息提取的间接标志；在此基础上，采用基于主成分分析、支持向量机和蚁群算法的组合式数据挖掘方法，提取了研究区ASTER遥感图像的锰矿化信息，进而圈定了遥感光谱异常区。经与已探明的矿床对比，在空间分布上有较好的一致性。研究结果表明，提出的基于伴生和次生矿物遥感数据的组合式挖掘隐伏方法体系，圈定"大塘坡式"锰矿成矿有利区，具有可行性和实践意义。Abstract: The northeast Guizhou manganese ore area is taken as a study area in the paper. The associated pyrite, chlorite and the secondary manganese oxide were as extraction marks of manganese ore by analyzing the characteristics of the manganese-bearing strata, the ore deposits and the ore bodies. Furthermore, the manganese mineralization information of ASTER image is extracted by using the combined data mining method based on principal component analysis, support vector machine and ant colony algorithm, and then the abnormal region of remote sensing image is delineated. Compared with the abnormal region and the proved deposits, there is a better consistency in spatial distribution. The results show that the combined mining method system for hidden manganese ore based on the remote sensing data of associated and secondary minerals proposed in this paper is feasible and practical for delineating the favorable metallogenic area of "Datangpo type" manganese ore.
-
图 2 研究区典型锰矿床成矿特征图
Figure 2. Metallogenic characteristics of typical manganese deposits in the study area
图 3 黄铁矿(a), 绿泥石(b), 锰氧化物(c)矿物反射光谱曲线图(USGS光谱库)
Figure 3. Reflectance spectra of pyritization(a), chloritization(b), manganese oxide(c)
图 4 基于蚁群算法优化SVM参数的流程图
Figure 4. Optimization of SVM parameter based on ant colony algorithm
图 5 锰矿化伴生黄铁矿遥感信息提取结果
Figure 5. Results of remote sensing information extraction of pyrite associated with manganese mineralization
图 6 锰矿化伴生绿泥石遥感信息提取结果
Figure 6. Results of remote sensing information extraction of chlorite associated with manganese mineralization
图 7 锰氧化物遥感信息提取结果
Figure 7. Extractionresults of remote sensing information of manganese oxidation
图 8 研究区锰矿矿点实际分布图
1.南华裂谷带Ⅲ级构造单元边界断裂；2.推测的南华裂谷带Ⅲ级构造单元边界断裂；3.推测的南华裂谷带Ⅳ级构造单元基底断裂；4.已探明大型和超大型锰矿床；5.南华裂谷带Ⅲ级地堑区；6.南华裂谷带Ⅲ级地垒区；7.遥感图像范围
Figure 8. Distribution of manganese deposit spots in the study area
图 9 基于蚁群算法的最优化SVM锰矿化伴生矿物遥感信息提取结果及异常区
Figure 9. Results optimization of remote sensing information extraction with SVM manganese mineralization associated minerals based on ant colony algorithm
表 1 锰矿化的伴生黄铁矿特征向量
Table 1. Pyritization altered eigenvector
特征向量 波段1 波段2 波段3 波段4 PC1 -0.651 826 -0.429 113 -0.501 676 -0.373 239 PC2 -0.465 838 -0.423 626 0.640 264 0.439 997 PC3 -0.230 294 0.278 649 -0.516 590 0.776 180 PC4 0.552 343 -0.747 501 -0.267 430 0.254 245 
下载: 导出CSV
表 2 锰矿化伴生绿泥石特征向量
Table 2. Chloritization altered eigenvector
特征向量 波段1 波段2 波段5 波段9 PC1 0.769 718 0.509 436 0.303 525 0.236 393 PC2 0.419 974 0.046 570 -0.656 628 -0.624 734 PC3 -0.479 591 0.859 177 -0.135 698 -0.115 730 PC4 0.033 888 0.011 017 -0.676 977 0.735 141
下载: 导出CSV
表 3 锰氧化物特征向量
Table 3. Manganese oxidation eigenvector
特征向量 波段1 波段2 波段5 波段9 PC1 0.696 300 0.540 774 0.402 912 0.245 747 PC2 0.703 761 -0.387 194 -0.525 588 -0.280 283 PC3 0.124 683 -0.706 133 0.373 228 0.588 669 PC4 -0.065 884 0.242 940 -0.649 708 0.717 300
下载: 导出CSV
-
[1] 吴冲龙, 刘刚, 张夏林, 等.地质科学大数据及其利用的若干问题探讨[J].科学通报, 2016, 61(16):1797-1807. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=kxtb201616010 [2] 陈国旭, 田宜平, 张夏林, 等.基于勘探剖面的三维地质模型快速构建及不确定性分析[J].地质科技情报, 2019, 38(2):275-280. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dzkjqb201902033 [3] 张文彪, 段太忠, 刘彦锋, 等.定量地质建模技术应用现状与发展趋势[J].地质科技情报, 2019, 38(3):1-9. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dzkjqb201903029 [4] 吴冲龙, 刘刚, 王力哲, 等.基于大数据的城市地质环境智能监管思路与方法[J].地质科技通报, 2020, 39(1):157-163. http://dzkjqb.cug.edu.cn/CN/abstract/abstract9936.shtml [5] 刘刚, 吴冲龙, 何珍文, 等.面向地质时空大数据表达与存储管理的数据模型研究[J].地质科技通报, 2020, 39(1):164-174. http://dzkjqb.cug.edu.cn/CN/abstract/abstract9937.shtml [6] 薛友智.中国锰矿地质特征与勘查评价[J].四川地质学报, 2012, 32(增刊2):14-19. http://www.cqvip.com/QK/83117X/2012B09/43465148.html [7] 石玉龙, 林子祥.中钢澳大利亚Carpentaria锰矿区ASTER数据蚀变信息提取研究[J].世界地质, 2015, 34(2):543-550. http://qikan.cqvip.com/Qikan/Article/Detail?id=665157495 [8] 田宜平, 毛小平, 张志庭, 等."玻璃油田"建设与油气勘探开发信息化[J].地质科技情报, 2012, 31(6):16-22. http://www.cqvip.com/QK/93477A/20126/44012102.html [9] 何珍文, 吴冲龙, 刘刚, 等.地质空间认知与多维动态建模结构研究[J].地质科技情报, 2012, 31(6):46-51. http://www.cnki.com.cn/Article/CJFDTotal-DZKQ201206009.htm [10] 谢小峰, 杨坤光, 袁良军.黔东地区"大塘坡式"锰矿研究现状及进展综述[J].贵州地质, 2015, 32(3):171-176. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=gzdz201503002 [11] 周琦, 杜远生, 覃英.古天然气渗漏沉积型锰矿床成矿系统与成矿模式:以黔湘渝毗邻区南华纪"大塘坡式"锰矿为例[J].矿床地质, 2013, 32(3):457-466. http://www.cnki.com.cn/Article/CJFDTotal-KCDZ201303001.htm [12] 周琦.古天然气渗漏沉积型锰矿床找矿模型:以黔湘渝毗邻区南华纪"大塘坡式"锰矿为例[J].地质学报, 2017, 91(10):2285-2298. [13] 王萍, 周琦, 杜远生, 等.黔东松桃地区南华系大塘坡组锰矿中黄铁矿硫同位素特征及其地质意义[J].地球科学, 2016, 41(12):2031-2040. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QKC20162016123000020822 [14] 王丹, 廖震文, 王生伟, 等.贵州铜仁新元古界大塘坡组黄铁矿Re-Os同位素组成及意义[J].中国地质调查, 2015, 2(7):53-57. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgdzdc201507010 [15] 储雪蕾, 李任伟, 张同钢, 等.大塘坡期锰矿层中黄铁矿异常高的δ34S值的意义[J].矿物岩石地球化学通报, 2001, 20(4):320-322. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=kwysdqhxtb200104032 [16] 潘文, 禚喜准, 陈骁帅, 等.黔东北黑色泥岩盆地含锰岩系的铁锰地球化学特征[J].沉积学报, 2016, 34(5):868-880. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=cjxb201605006 [17] 朱恺军, 姚国龙, 黄金水.桃江锰矿锰帽形成的地球化学过程[J].地质找矿论, 1998, 13(3):4-11. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dzzklc199803003 [18] 孙鹏慧, 李景朝, 肖克炎, 等.中国菱镁矿成矿地质特征与资源潜力[J].地学前缘, 2018, 25(3):159-171. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dxqy201803013 [19] 吴自成, 何志威.贵州省松桃县道坨锰矿地质特征及成因分析[J].中国锰业, 2016, 34(3):6-11. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgmengy201603002 [20] 刘雨, 周琦, 袁良军, 等.黔东大塘坡锰矿区古天然气渗漏喷溢口群发现及地质意义[J].贵州地质, 2015, 32(4):250-255. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=gzdz201504002 [21] Pour A B, Hashim M.The application of ASTER remote sensing data to porphyry copper and epithermal gold deposits[J].Ore Geology Reviews, 2012, 44:1-9. doi: 10.1016/j.oregeorev.2011.09.009 [22] Arnab S, Mohammad-Hassan K, Behnam R, et al.Integration of EO-1 hyperion and ASTER satellite data for structural tracing and hydrothermal alteration mineral mapping:Implications for Cu-Au prospecting[J].International Journal of Image and Data Fusion, 2018, 9(3):1-26. doi: 10.1080/19479832.2018.1469548 [23] 吴一全, 盛东慧, 周杨.PCA和布谷鸟算法优化SVM的遥感矿化蚀变信息提取[J].遥感学报, 2018, 22(5):810-821. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=ygxb201805009 [24] 吴志春, 叶发旺, 郭福生, 等.主成分分析技术在遥感蚀变信息提取中的应用研究综述[J].地球信息科学学报, 2018, 20(11):108-120. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dqxxkx201811011 [25] 傅文杰, 洪金益, 朱谷昌.基于光谱相似尺度的支持向量机蚀变信息提取[J].地质与勘探, 2006, 42(2):69-73. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dzykt200602014 [26] 刘李.基于多光谱和高光谱数据的遥感矿化蚀变信息提取研究[D].北京: 中国地质大学(北京), 2010. [27] 夏浩东, 薛云, 邓会娟, 等.基于蚁群算法的光谱分解方法剔除植被干扰信息[J].地质力学学报, 2012, 18(1):72-78. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dzlxxb201201008 -
下载:
点击查看大图
计量
- 文章访问数: 519
- PDF下载量: 1720
- 被引次数: 0
