浅析化探数据后期处理多元融合技术应用

李惠

(新疆地矿局物化探大队 昌吉 831100)

1 化探数据分类

目前，工作中常用文字、图表形式表现化探数据。图件又分为等值线图、组合图、异常分布图、平面图、三维立体图等。数据可分为空间数据、非空间数据，空间数据包括矢量数据和栅格数据。

2 化探数据模型

GIS技术应用中，可以对数据分层管理，还可以将空间数据和属性数据挂接在一起，因此，数据分层的规范性、合理性尤其重要。

2.1 数据分类

利用GIS模型特点和化探数据的特点，建立多元地学信息分类体系，物化探信息分为重力、磁法、物探异常、化探和化探异常五大类。将每一大类按照国家颁布的勘探规范、处理解释模型对数据的规范要求和数据库结构，从原始数据、成果数据和特征信息三个方面进行了主题图层划分。对于主题图层中的不确定性要素，要进一步分解为对应的多个基础表。通过这些基础表能够完整地解读主题属性的特征。

2.2 数据记录格式

编制与分类体系相对应的图层属性数据记录表格。格式按照下列原则:对应原则，即图层属性表与分类体系对应；代码化原则；完整性原则，属性代码填写说明；继承性原则，尽量引用正在使用的各专业数据记录格式原名称；简洁性原则；规范化和标准化原则，数据记录格式根据国家已经发布的标准格式编写。

3 化探数据处理方法

3.1 现在分析

化探数据资料的后期处理在地球化学勘查中具有重要作用，处理结果信息为异常评价提供依据。我国目前化探数据最常用的计算方法有：R型聚类分析、Q型聚类分析、模糊聚类分析、三层套合方差分析、因子分析等，这些方法在元素和样品的相关性研究方面具有很多的优点。在评价异常成矿远景方面，一般采用成矿能量评价法、标准矿化估值法、成矿可能度预测法、成矿概率指数法、成矿相对指数等方法，还应用延拓方法评价异常的深部致矿性。

3.2 发展趋势

近几年化探方法研究呈现出明显的多元化与综合化趋向，实现了地质统计学与多元统计的交叉渗透与融合，在此基础上衍生出的新型空间因子分析、因子克立格分析等在化探研究与信息资料处理中发挥着重要作用。数学概念与因子分析结合，实现滞后条件下最大自相关变量的线性组合分析，借助矩阵的转移实现两点空间因子分析模型各个因子的明确。在化探不规则采样数据处理方面优势显著，实现单变量及多变量的灵活切换。化探信息资料处理中的多元统计分析方法的渗透还表现为对应聚类分析的运用，将对应分析与聚类分析结合起来多元统计实现样品与变量之间统一的分类解释。

4 多元融合技术的基本原理

多元融合技术的基本原理是模拟大脑对从外界环境感受，获取不同度量特征和现象的综合处理。应用者可以构建有效的数学模型，利用GIS空间图层管理、显示技术，任意的对数据层进行抽取、叠加、组合，再生成衍生的图像文件。按照数据抽象的程度不同，数据融合可分为特征级、数据级和影像级三类。

4.1 特征信息融合

提取原始信息中特征信息的充分统计量，对提取的特征信息进行处理和综合分析，然后按特征信息对多元数据进行分类综合。利用小波变换方法对其进行频率域-空间域的变换，变换后在变换域具有分频特性，将影像做多层分解，融合过程:在确定的领域窗口内，分别对融合的影像数据均值和方差进行统计，进而确定子带和基带融合值，最后经过小波逆变化重新构建图像。

4.2 原始数据融合

建立在原始数据的原始信息层面上，比较典型的有3种:HIS变换、K-L变换、像元加权融合。假设（X1,X2,…Xm）为TM图象像素的特征向量，（Y1,Y2,…Ym）为SAR图像中相应像素的特征向量，那么该像素融合后的特征向量则为（X1,X2,…Xm；Y1,Y2,…Ym），进而优化了数据源。

4.3 影像融合

首先识别、提取各地物，分类后，按什么原则选择特征影像进行融合是很关键的一步，从统计学角度来看，主要观察各大类在特征影像中的类内离散度和类间离散度，选择最佳特征组合，利用应用程序进行融合处理。

5 结论

将多元数据融合技术应用于化探数据处理中，为区域化探背景和异常的确定提供有利的计算依据，具有较为广阔的应用前景，注重方式的综合多元必将成为化探信息资料处理的主流趋势。