基于PLS模型的高光谱遥感地质岩性成分反演分析
发布时间:2021-08-27 11:19
以高光谱遥感数据为基础,采用偏最小二乘法(PLS)进行建模,对某地区出露玄武岩和花岗岩的岩性成分进行反演分析,结果表明:基于偏最小二乘法高光谱遥感地质岩性反演分析流程更加简便且精度较高,可为研究区地层岩性判别和矿产勘查提供借鉴。
【文章来源】:矿山测量. 2020,48(06)
【文章页数】:4 页
【部分图文】:
研究区地理及地质概况
偏最小二乘法(Partial Least Square,简称PLS)是众多多元统计方法中的一种,可以对多因变量对多自变量的问题进行回归分析,是集多元线性回归、典型相关分析和主成分分析三种方法优缺点为一体的方法,通过建立变量数据组之间的回归模型,实现遥感数据的降维处理,其基本原理为:假设经ASD岩石样本数量为n个,岩石主量元素成分数为m,岩石样品在不同波段处的数据为p,分别构建标准化变量矩阵X和Y:
选定主成分个数之后,分别对玄武岩和花岗岩进行PLS建模分析,其中,玄武岩的ASD样本个数为26个,花岗岩的ASD样本个数为30个。通过建模分析分别获得研究区玄武岩和花岗岩的氧化物预测值和实测值的相关关系,如图3所示。从图中可以看到:玄武岩和花岗岩岩性成分的实测值和预测值的拟合度较高(拟合度R>0.8),其中,玄武岩采用PLS模型反演分析的岩性各氧化物成分含量平均拟合度达到0.91,花岗岩采用PLS模型反演分析的岩性各氧化物成分含量平均拟合度达到0.93,表明本文提出的PLS回归模型反演分析法具有较高的计算精度,可在实际地质勘探工程中予以合理应用;玄武岩的Si成分含量最高,约为50%左右,Ti成分含量最低,约为1%左右,花岗岩的Si成分含量最高,达到70%,Mg和Ti成分含量最低,仅为0.5%左右。4.3 岩性成分分布情况
【参考文献】:
期刊论文
[1]矿山地质测绘信息的遥感影像处理方法[J]. 孙凤娜. 世界有色金属. 2019(23)
[2]遥感技术在川西螺髻山地区水文地质环境调查中的应用[J]. 陈富强,邓国仕,姬星怡,张云峰,焦超卫,冯淳. 国土资源遥感. 2019(04)
[3]热液流体活动规律高光谱遥感分析示范研究——以新疆白杨河铀矿床为例[J]. 叶发旺,张川,徐清俊,孟树,邱骏挺,王建刚. 矿床地质. 2019(06)
[4]航空高光谱遥感在重金属土壤污染检测中的应用[J]. 刘昭贤,孟亚宾. 矿山测量. 2019(06)
[5]陆地高光谱遥感数据的大气校正算法分析[J]. 付海龙,刘永海. 青岛大学学报(工程技术版). 2019(04)
[6]基于双边滤波的最优波段子空间高光谱异常目标检测[J]. 成宝芝,张丽丽. 液晶与显示. 2019(09)
[7]基于矿山地质工程的遥感信息勘探综合技术研究[J]. 王成国. 世界有色金属. 2019(07)
[8]基于主成分分析法与Bayes判别法组合应用的火山岩岩性定量识别:以渤海海域中生界为例[J]. 叶涛,韦阿娟,黄志,赵志平,肖述光. 吉林大学学报(地球科学版). 2019(03)
[9]基于Agisoft PhotoScan的低空无人机航测在找矿中的应用[J]. 雒金泉. 中国金属通报. 2018(05)
[10]主成分分析与模糊识别在岩性识别中的应用[J]. 马峥,张春雷,高世臣. 岩性油气藏. 2017(05)
本文编号:3366251
【文章来源】:矿山测量. 2020,48(06)
【文章页数】:4 页
【部分图文】:
研究区地理及地质概况
偏最小二乘法(Partial Least Square,简称PLS)是众多多元统计方法中的一种,可以对多因变量对多自变量的问题进行回归分析,是集多元线性回归、典型相关分析和主成分分析三种方法优缺点为一体的方法,通过建立变量数据组之间的回归模型,实现遥感数据的降维处理,其基本原理为:假设经ASD岩石样本数量为n个,岩石主量元素成分数为m,岩石样品在不同波段处的数据为p,分别构建标准化变量矩阵X和Y:
选定主成分个数之后,分别对玄武岩和花岗岩进行PLS建模分析,其中,玄武岩的ASD样本个数为26个,花岗岩的ASD样本个数为30个。通过建模分析分别获得研究区玄武岩和花岗岩的氧化物预测值和实测值的相关关系,如图3所示。从图中可以看到:玄武岩和花岗岩岩性成分的实测值和预测值的拟合度较高(拟合度R>0.8),其中,玄武岩采用PLS模型反演分析的岩性各氧化物成分含量平均拟合度达到0.91,花岗岩采用PLS模型反演分析的岩性各氧化物成分含量平均拟合度达到0.93,表明本文提出的PLS回归模型反演分析法具有较高的计算精度,可在实际地质勘探工程中予以合理应用;玄武岩的Si成分含量最高,约为50%左右,Ti成分含量最低,约为1%左右,花岗岩的Si成分含量最高,达到70%,Mg和Ti成分含量最低,仅为0.5%左右。4.3 岩性成分分布情况
【参考文献】:
期刊论文
[1]矿山地质测绘信息的遥感影像处理方法[J]. 孙凤娜. 世界有色金属. 2019(23)
[2]遥感技术在川西螺髻山地区水文地质环境调查中的应用[J]. 陈富强,邓国仕,姬星怡,张云峰,焦超卫,冯淳. 国土资源遥感. 2019(04)
[3]热液流体活动规律高光谱遥感分析示范研究——以新疆白杨河铀矿床为例[J]. 叶发旺,张川,徐清俊,孟树,邱骏挺,王建刚. 矿床地质. 2019(06)
[4]航空高光谱遥感在重金属土壤污染检测中的应用[J]. 刘昭贤,孟亚宾. 矿山测量. 2019(06)
[5]陆地高光谱遥感数据的大气校正算法分析[J]. 付海龙,刘永海. 青岛大学学报(工程技术版). 2019(04)
[6]基于双边滤波的最优波段子空间高光谱异常目标检测[J]. 成宝芝,张丽丽. 液晶与显示. 2019(09)
[7]基于矿山地质工程的遥感信息勘探综合技术研究[J]. 王成国. 世界有色金属. 2019(07)
[8]基于主成分分析法与Bayes判别法组合应用的火山岩岩性定量识别:以渤海海域中生界为例[J]. 叶涛,韦阿娟,黄志,赵志平,肖述光. 吉林大学学报(地球科学版). 2019(03)
[9]基于Agisoft PhotoScan的低空无人机航测在找矿中的应用[J]. 雒金泉. 中国金属通报. 2018(05)
[10]主成分分析与模糊识别在岩性识别中的应用[J]. 马峥,张春雷,高世臣. 岩性油气藏. 2017(05)
本文编号:3366251
本文链接:https://www.wllwen.com/projectlw/dqwllw/3366251.html