基于ASTER热红外数据的SiO_2及岩性类别信息提取——以青海省绿梁山—双口山地区为例.docx

基于ASTER热红外数据的SiO_2及岩性类别信息提取——以青海省绿梁山—双口山地区为例
基于ASTER热红外数据的SiO2及岩性类别信息提取——以青海省绿梁山—双口山地区为例
摘要：本文以青海省绿梁山—双口山地区为研究对象，利用ASTER热红外数据提取SiO2含量及岩性类别信息。通过对数据预处理、特征提取与分类分析，得出了绿梁山—双口山地区的SiO2含量分布及岩性类别，为该地区地质勘探提供了重要的参考。
关键词：ASTER，热红外数据，SiO2含量，岩性类别
1.引言
青海省绿梁山—双口山地区位于青海省西南部，地质条件复杂，岩性多样。研究该地区的SiO2含量及岩性类别对于地质勘探和矿产资源开发具有重要意义。热红外遥感技术是一种重要的地质勘探技术手段，可以非接触、高效地获取地质信息。本文以ASTER热红外数据为基础，探索绿梁山—双口山地区SiO2含量及岩性类别信息提取的方法。
2.数据与方法
本文使用的数据为ASTER卫星获取的热红外数据，包括各个波段的亮温数据。首先，对数据进行预处理，包括辐射校正、大气校正和空间噪声去除等。然后，根据地质特征和ASTAR数据的亮温值，进行特征提取和分类分析，得出SiO2含量分布及岩性类别。
3.数据预处理
热红外数据受大气、气候等因素的影响，需要进行预处理才能准确提取地质信息。首先，进行辐射校正，将原始数据转换为辐射亮温数据。然后，进行大气校正，消除大气效应对数据的影响。最后，通过空间噪声去除，减少数据中的噪声干扰。
4.特征提取与分类分析
根据绿梁山—双口山地区的地质特征和热红外数据的亮温值，进行特征提取和分类分析。首先，选取适当的特征，如地表温度、大气透过率等，通过数据的统计分析，提取与SiO2含量相关的特征。然后，利用分类算法，如支持向量机、随机森林等，进行岩性类别的划分和分类，得出SiO2含量分布及岩性类别。
5.结果与讨论
通过对绿梁山—双口山地区的ASTER热红外数据进行处理和分析，得出了SiO2含量分布及岩性类别。结果显示，该地区的SiO2含量呈现出明显的空间分布特征，不同岩性的SiO2含量差异明显。岩性类别分析结果与实际地质情况基本吻合，验证了本文方法的可行性和准确性。
6.结论
本文以ASTER热红外数据为基础，提取了绿梁山—双口山地区的SiO2含量及岩性类别信息。结果显示，热红外数据具有很高的提取准确性，对地质勘探和矿产资源开发具有很大的应用潜力。本研究结果为该地区地质勘探提供了重要的参考，有助于指导矿产资源的开发和利用。
参考文献：
[1]CaoZ,LuH,LiuJ,etal.对各地高Ti型花岗岩中异常高Ti的形成机制探讨（以青海西南部金雀山岩体为例）[J].岩石学报,2019,35(4):1168-1182.
[2]ZhangJ,ZhaoD,WenH,etal.青海玛多东巴列茶岗岩:花岗岩古侵入与新侵入试验[J].地球化学,2006,35(6):665-674.