当前位置:主页 > 科技论文 > 矿业工程论文 >

麻栗坡地区岩性单元识别及金属元素分布规律研究

发布时间:2020-04-26 03:56
【摘要】:滇东南麻栗坡地区是我国重要的钨-锡-铅多金属成矿区,由于区内地质背景复杂,岩体不同程度地遭受变质作用改造,导致岩体不易厘清。因此,本研究拟通过端元混合分析模型、统计分析等方法,以期达到识别岩性单元并总结金属元素分布规律和主要来源的目的。本文主要对该研究区内1:5万水系沉积物地球化学数据的16种金属元素进行研究。原始数据首先进行对数比变换,然后应用主成分分析方法。在获得所有主成分基础上进行一系列Q型系统聚类分析。将聚类结果与区域地质信息进行比对,以此确定端元数目。通过建立端元混合分析模型及参数反演,获得每个端元在各采样点中的贡献率以及各采样点的最大贡献端元。最后,结合系统聚类结果和端元结果,完成该地区岩性单元的识别和划分。此外,通过对16种金属元素相关性分析和R型系统聚类分析,总结元素的分布规律。综合以上内容及对应分析,探索金属元素的主要来源。基于上述研究过程,本文取得了如下研究结果:(1)广泛应用于水文地质、高光谱遥感领域的端元混合分析模型较少用于水系沉积物地球化学数据的研究中。本文尝试应用该模型,并取得了良好的结果。(2)基于全部采样点最大贡献端元的分类结果,参考系统聚类分析结果,较好的划分和识别出了研究区内玄武岩、花岗岩、片麻状花岗岩、泥质灰岩、页岩、白云质灰岩、石英砂岩、粉砂质泥岩。(3)基于对16种金属元素的系统聚类结果,发现与Fe共生的Cu、Zn、Mn、Co、Ti、Ni元素分布,指示中低温元素组合;W、Sn、Bi元素聚为一类,指示高温元素组合;Au、Hg、Sb、Pb元素趋于共生,指示低温亲硫型元素组合。金属元素分布情况和主要来源与前人在该区的研究成果是大体一致的。综合结果表明,对水系沉积物地球化学数据应用端元混合分析模型、统计分析等方法识别岩性单元是一种可行的方法。整个研究过程较好揭示了区域基础地质与地球化学元素信息的关联,为开展进一步的勘查研究工作提供了思路和参考。
【图文】:

技术路线图


技术路线图

示意图,示意图,麻栗坡,文山


中国地质大学(北京)硕士学位论文2 区域地质背景2.1 研究区概况2.1.1 自然地理概况本文的研究区是位于云南省东南部的麻栗坡地区,,主要分布在文山市壮族苗族自治州麻栗坡县及马关县,地理坐标为东经 104°30′~105°00′,北纬 22°50′~23°20′。麻栗坡地区的土地面积约为 1700km2,距离省会昆明市约 400km,距离文山市区约 80km。研究区交通状况良好,如各乡镇及麻栗坡至猛硐、马关至猛硐等均有多条公路相通(如图 2-1 所示)。
【学位授予单位】:中国地质大学(北京)
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:P632

【相似文献】

相关期刊论文 前10条

1 陈楠;;基于空间约简的高光谱影像端元检测研究[J];电子测试;2019年21期

2 刘万军;杨秀红;曲海成;孟煜;姜庆玲;;基于端元子集优选的高光谱解混算法研究[J];计算机应用与软件;2016年07期

3 戚文超;张霞;岳跃民;;多端元光谱混合分析综述[J];遥感信息;2016年05期

4 何晓宁;曹建农;高坡;高美玲;;基于顶点成分分析法的端元提取改进算法[J];测绘通报;2013年07期

5 孙根云;张爱竹;许明明;;基于数据场的端元提取算法研究[J];遥感技术与应用;2012年06期

6 彭青青;杨辽;王杰;沈金祥;;基于异常探测的高光谱端元提取方法研究[J];遥感技术与应用;2011年04期

7 齐建成;朱述龙;朱宝山;赵泳;李二森;;图像端元全自动提取方法研究[J];海洋测绘;2009年02期

8 郭山;袁路;孙卫东;;基于特征端元提取的像元分解方法[J];高技术通讯;2008年10期

9 陈子玄;武文波;;基于线性混合模型的端元提取方法综述[J];测绘科学;2008年S3期

10 陈子玄;武文波;;基于线性混合模型的端元提取方法综述[J];测绘科学;2008年S1期

相关会议论文 前10条

1 王百合;刘志刚;李义红;;基于光谱角分析的端元光谱聚类方法研究[A];国家安全地球物理丛书(九)——防灾减灾与国家安全[C];2013年

2 许宁;孙康;刘磊;胡玉新;耿修瑞;;基于分块矩阵求逆引理的高光谱图像快速端元提取方法[A];第四届高分辨率对地观测学术年会论文集[C];2017年

3 方俊龙;郭宝峰;石俊峰;沈宏海;;一种利用数学形态学改进的SGA端元提取算法[A];浙江省信号处理学会2015年学术年会论文集[C];2015年

4 牛贝贝;武静;;混合像元分解中的端元提取综述[A];全国测绘科技信息网中南分网第三十次学术信息交流会论文集[C];2016年

5 汤奇峰;杨忠芳;唐金荣;宗思锋;;成都市区降尘污染状况调查[A];城市地质研讨会论文集[C];2005年

6 黄远程;张良培;李平湘;;基于最小单形体体积约束的高光谱影像端元光谱提取[A];遥感定量反演算法研讨会摘要集[C];2010年

7 曹扬;胡荣;金彬;张佩;;一种准确快速的高光谱数据光谱混合分析方法[A];第二届高分辨率对地观测学术年会论文集[C];2013年

8 张良培;丛浩;;一种可选端元的混合像元分解方法[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

9 蒋霈霖;;遥感图像混合谱解混的新方法[A];中国自动化学会中南六省(区)2010年第28届年会·论文集[C];2010年

10 饶萍;;EOS-MODIS像元组分分解中端元的选择与改进[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

相关博士学位论文 前10条

1 刘蓉;基于粒子群优化理论的高光谱遥感影像端元提取算法研究[D];武汉大学;2018年

2 赵岩;高光谱图像线性模型混合像元分解的算法研究[D];哈尔滨理工大学;2019年

3 王蕊;高光谱遥感图像稀疏解混算法研究[D];西南交通大学;2017年

4 徐盈盈;高光谱图像的稀疏解混方法研究[D];华东师范大学;2018年

5 李智勇;高光谱图像异常检测方法研究[D];国防科学技术大学;2004年

6 齐滨;高光谱图像分类及端元提取方法研究[D];哈尔滨工程大学;2012年

7 黄远程;高光谱影像混合像元分解的若干关键技术研究[D];武汉大学;2010年

8 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年

9 徐速;基于压缩感知的高光谱图像稀疏解混方法研究[D];重庆大学;2015年

10 王忠良;基于线性混合模型的高光谱图像压缩感知研究[D];西北工业大学;2015年

相关硕士学位论文 前10条

1 黄学文;黄山北部景观流域硫酸盐来源与转化过程及其环境意义研究[D];安徽工业大学;2019年

2 黄树坤;麻栗坡地区岩性单元识别及金属元素分布规律研究[D];中国地质大学(北京);2019年

3 左成欢;端元可变的高光谱图像解混算法研究[D];杭州电子科技大学;2019年

4 姜秋萍;并行化高光谱图像端元提取算法的研究与实现[D];河南大学;2019年

5 俞潮音;基于GPU的离散粒子群高光谱图像端元提取算法并行化研究[D];重庆邮电大学;2018年

6 杨秀红;基于端元子集优选的高光谱解混算法研究[D];辽宁工程技术大学;2016年

7 李帅;青藏高原东部黄土粒度端元分析及其指示意义[D];兰州大学;2018年

8 王琪;基于端元和丰度属性的NMF算法改进[D];大连海事大学;2017年

9 秦学川;基于迭代误差分析与空间信息的高光谱遥感图像端元提取方法研究[D];山东科技大学;2017年

10 张昆;高光谱图像光谱解混及端元提取方法研究[D];长安大学;2016年



本文编号:2641058

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/kuangye/2641058.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b50b1***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com