基于改进遥感技术的矿产资源储量勘探研究

王永亮

(山东省物化探勘查院，山东 济南 250014)

0 引言

在一些地形地貌极其复杂的地质环境中进行矿产资源储量勘探时，需要特别注重勘探工作的时效性、经济性和准确性。目前人们对矿产资源储量勘探技术的选择应用方面有着较高的要求，在合适的地质环境下应用有效勘探技术可以提升勘探工作的精准度和效率。

针对矿产资源储量勘探这一问题，相关领域学者进行了研究。文献[1]提出一种可以获取深层地层材料的技术，属于层位探取手段，在施工的过程中能够有效解决不同地质层中含有的矿物质类型和矿量，该项技术在应用前需要选择合适的钻具，从而保障探勘工作的效果最大化和参数的精准识别与控制，通过数据统计显示，该技术对砂层岩心的勘探采集率在95%左右，勘探效率较高，但是该项技术适用环境较少，且采集横向范围有限，不能对地质环境中的矿产资源做出合理的信息规划。文献[2]中提出一种能够减少勘探采集矿产资源风险的方法，充分利用矿床探测技术构建了勘探矿量资源的安全模型，对整个勘探采矿流程划分为五个阶段，针对具体的勘探阶段，基于完整的矿床进行了矿床探测与可控危险源的转化，能够预测到绝大部分灾害事故的发生，但是这项技术施工成本较大且无法对矿产资源的储量完整估算，在勘探水准方面存在一定缺陷。

遥感技术近年来在矿产资源勘探中取得了明显效果， 文章采用改进遥感技术对矿产资源储量勘探进行研究，通过对矿产资源信息进行处理，实现信息勘测，应用遥感技术建立勘测模型，充分发挥改进遥感技术的信息处理能力和信息整合能力，实现矿产资源储量高效勘探。

1 基于改进遥感技术的矿产资源光谱信息处理

1.1 归一化参数遥感图像特征空间检测

根据传统的矿产资源储量勘探经验可知，地质表面建筑密集度、土壤裸露程度、地表绿化面积和土壤湿度均能够反映出底层生态环境[3-4]。文章在应用改进遥感技术进行矿产资源相关信息采集以及预处理的过程中首先确定标准的生态参数，然后建立能够实现矿产资源储量勘探数据采集的模型，准确反映所勘探地区的土壤、水质、植被等表征信息，信息的状况可以用归一化植被指数表示：

(1)

式中，R1、R2分别代表R数据第1波段和第2波段的光谱反射率。

由于部分地区的矿产资源勘探位置周边存在建筑物和不透水情况，所以文章通过遥感技术的中红波段与近红波段光谱交替反射来分析建筑物和不透水情况下的矿产资源，反射情况由归一化建筑指数来表示，计算过程如公式(2)所示：

(2)

遥感图像特征空间如图1所示：

图1 遥感图像特征空间

根据上图的遥感图像特征空间可知，归一化植被特征空间表现为线性，归一化建筑特征空间表现为三角形，与理想状态相符[5-6]。矿产资源采集过程中，文章利用改进遥感技术控制已经裸露出的地表光谱特征，用裸土指数表示具体的光谱特征，计算过程如下：

(3)

式中，R3代表改进遥感技术检测的蓝色波段。

在明确改进遥感技术中的生态参数后，提取矿产资源储量的资源信息。文章所应用的改进遥感技术可应用于Landsat-5、Landsat-8号和GF-1、GF-2数据，每种卫星都具备采集探勘地区的岩石层状态、蚀变状态以及矿物质光谱等信息，通过卫星内部对遥感参数的控制来校正标准的地质结构几何参数[7]。

不同地区的矿产资源勘探所应用的改进遥感技术标准也不同，可供选择的遥感技术参数可以具体到0～50个波段，每个波段又可以精细划分到米级的空间分辨率。文章选用适应性较大的陆地卫星5号，该卫星在对OLL数据采集精准度方面具有突出优势，几何保真度以及辐射分辨率可以直接应用在描绘勘探地区的地层地貌上。该卫星对ASTER数据的控制主要划分为多个波段，所测得的空间分辨率在10 m～25 m范围内，通过对该组数据的分析可以获取勘探地区的铁染、明矾、钙化等矿物质信息[8-9]。汇总以上改进遥感技术采集到的信息，制作出1∶50 000～1∶25 000比例遥感图像，再运用不同颜色对不同种类矿物质和矿产资源储量进行对比，凸显出改进遥感技术对矿产资源储量信息的勘探情况，从而完成对采集信息的处理任务[10-11]。

1.2 基于波段分析的高光谱数据预处理

改进遥感技术对勘探地区的岩石、矿石样品进行光谱反射率统计，利用光谱的差异性保障矿产资源的识别精准度。从现场选取样品，将现场采集到的岩石、矿石样品带到实验室中完成光谱测量和X荧光元素含量测定。SVC光谱仪的采样间隔为1 nm，波长范围为300 nm～3 000 nm，每次测试可获取3 000个波段。

为了避免外部环境因素对光谱的影响，文章在阴暗环境下固定稳定的光谱发射源，反复对勘探地区的矿物质进行高光谱数据的预测。

根据光谱颜色确定矿物分布情况，通过改进遥感技术中的区域光谱库、聚类分析和平滑去噪手段完成高光谱数据预处理工作[12]。由于不同地区采集到的高光谱数据不同，文章通过建立集中的高光谱数据库解决这一问题，在数据库中对改进遥感技术采集到的信息进行计算，计算后的矿产资源量会以光谱形式呈现出来。不同类型的矿产资源在相同储量的情况下对外体现的光谱特征是不同的，所以高光谱数据预处理的过程中对整个光谱反射率的聚类分析和平滑去噪可以作为预处理流程的最后步骤，以便提升高光谱数据的稳定性。

1.3 蚀变信息波段比值提取

文章应用改进遥感技术的波段比值法对勘探地区的矿产资源蚀变信息进行提取，解决外部环境对处理方法中参数的影响，精确反演外部环境信息。数据处理后，得到的矿物分布图如图2所示：

图2 基于ASTER数据的蚀变矿物分布图

在遥感图像中深层次切割矿产资源所在地的地形阴影中的波段值为0时，则证明蚀变信息提取内容不可靠，勘探地区的铁染信息被严重遮盖，不利于改进遥感技术的实施，为了避免波段值出现0值状态，增加波段比值提取方法，将蚀变信息放大化分析[13-14]。波段比值提取如公式(4)所示：

(4)

式中，x代表波段比值；Bi、Bi+1、Bi+2分别代表光谱吸收峰或反射峰所在的波段。

2 遥感综合矿产资源信息融合

2.1 矿产信息生态指标融合模型

在针对矿产信息进行融合前，先建立信息融合模型，通过模型对矿产资源所在地区的生态环境相关指数进行分析，确定地区土壤湿度、建筑指数、植被覆盖率、裸土指数四个生态指标对矿产勘测的影响效果，并以这四个指标作为勘测模型的驱动函数。由于不同指标在模型中的侧重不同，所以文章在模型中针对不同的指标设定相应的权重值，然后通过多个变量在模型中的迭代变化将遥感信息集中压缩到几个数据集中，最后从数据集中确定模型的评价结果，如下所示为四个生态指标在模型中的计算公式：

(5)

式中，RSIEI代表四个生态指标的综合模型；αk代表四个生态指标的方差贡献权重；n代表生态指标数量。

2.2 矿产元素波段信息融合流程

改进遥感技术采集到的地质环境图像具有极高的空间分辨率，每张图像的每个像素都可以表现出地面几米范围内的信息，从中可以明确规划出岩性和矿物分布情况[15]。明确信息布局后，根据信息融合模型对遥感技术下的矿产元素信息进行融合，融合过程如图3所示：

图3 矿产元素信息融合

(1)对改进遥感技术下的图像进行非监督分类，设定n个类别；

(2)应用拉普拉斯金字塔技术将遥感图像分解成多个低频图层和高频图层，并将两类型图层规范化处理；

(3)对比矿产资源元素信息覆盖的图层与低频图层立方卷积，确定两种图层的覆盖范围，解决矿床生成过程中的物源以及判断可能存在的矿化或矿床信息问题的多解性，需要在每层图层关系中建立一种多目标函数求解：

f(x)

(6)

f(x)≥Mx∈b2

(7)

式中，M代表低频图层中的物源解；bi代表图像波段中的矿床信息。分析发现，多目标函数f(x)可以看成是图层空间的矿床信息与物源解的一种关系描述。

(4)确定图层与图层之间的波段，通过波段将所有的矿产元素信息合成精准的矿产信息空间关系，实现信息融合。

3 基于光谱波段分析的矿产资源储量遥感勘探

完成对改进遥感技术的相关信息融合处理后，本文应用改进遥感技术的光谱波段分析测量信息空间矿产资源储量数据。

(1)数据导入。将矿产资源的信息空间导入到独立的文件夹中，检查信息内容是否可以顺畅打开和所有的遥感图像是否清晰。

(2)空中三角测量。确定遥感图像中点位与地面实际位置之间的位置关系，测量的过程可以通过计算器自动计算或手动计算，自动计算能够更精准寻找到实际地面的加密点，手动计算可以控制图像中像控点的形成，两种计算手段的结合应用可以提高空中三角测量精准度，测量结果的体现是在三维空间中体现，完成复刻实际的地形地貌，避免矿产资源储量的勘探误差。

(3)生成数字产品。空中三角测量形成的三维空间为生成数字产品创造稳定的模型基础，数字产品即为无纹理信息的三维三角网可视化模型，能够对矿产资源的地形地貌中所有的实物映射体现。

(4)选用ArcGIS管理工具设置采样点密度。通过转换工具将提取的数据格式转换成栅格格式，增设属性文字，得到CAD格式数据，输出数据后估算矿产储量[15]。

4 实例分析

为了验证文章提出的基于改进遥感技术应用的矿产资源储量勘探方法的实际应用效果，选取某区域矿区进行实例分析，首先对矿区内部的数据进行处理，提高数据精度，根据处理后的数据建立三维模型。选取矿区面积100 000m2进行采集，设定采样距离为3.0 m，将符合矿区规范生产要求的矿产数据提取出来。矿产资源储量一般应用动用储量单位来表示。储量勘测首先设定矿产资源勘测的有效范围，并量测矿区中挖方量和填方量，估算矿产区内矿产储量是否符合储量计算规范。使用ArcGIS数据管理软件对遥感三维空间中的矿产信息设定高程点密度值，并在每个高程点中添加属性元素，等待数据转换工具对矿产储量数据的计算值输出。在已经具备坐标和高程点的三角网模型中设定阈值范围，将三角网中的每个填挖方叠加处理，获取准确的矿产储量数据。基于改进遥感技术勘探实验过程如图4所示：

图4 基于改进遥感技术勘探实验过程

通过遥感图像得到矿区远景分布结果如图5所示：

图5 矿区远景分布结果

观察图5可知，遥感图像能够清晰地展示出该地区的地质变化情况，其中被圈中区域为矿产资源储备勘探的重点区域。

研究区内未见岩浆岩出露，以绿帘石为主。应用ASTER遥感数据获取了铁染、羟基和碳酸盐化蚀变矿物信息的R1、R2、R3数据波段，分析RGB假彩色合成图，实验结果如图6所示：

图6 RGB假彩色合成图

根据遥感数据确定矿区蚀变信息，从而圈定矿产所在区域，提高勘探精度。观察上图可知，该矿区的铅元素和锌元素含量十分丰富，但是存在异常，异常检测结果如图7所示：

图7 遥感找矿预测区分布图

根据图7可知，铅元素含量异常区域为200 m2，铅元素含量为5.5%，锌元素含量异常区域为400 m2，含量为4.5%。根据上述遥感图像勘测结果得到矿产储量如表1所示：

表1 矿产储量勘探结果

根据上表可知，文章提出的勘探技术具有极强的勘探能力，勘探结果与实际结果吻合度高达98.6%，具有极强的勘探能力，能够精准地检测到矿产资源储量，确保开采效果。

5 结论

文章运用改进遥感技术对矿产资源地区的生态环境指标进行采集与标定，进而选择了最佳的遥感技术实现参数，为矿产资源储量勘探创建良好的数据基础。文章进行了如下研究：

(1)根据卫星数据可以有效划分不同地质环境下的矿产资源状态，提升遥感技术的区域分辨能力和对矿产资源的识别能力。

(2)建立遥感综合矿产勘测模型并将矿产元素信息融合，以图层的方式将改进遥感技术采集的信息表现出来，使得勘探结果更具有直观性。

(3)储量勘探的过程中运用了空中三角测量技术和ArcGIS数据管理软件，在数据计算方面和模型点位识别方面实现了较大的提升。