当前位置: 首页 > 科学研究 > 科研成果 > 正文

采用投票极限学习机从AST_07XT,AST_05,Hyperion数据中提取热液蚀变矿物



采用投票极限学习机从AST_07XT,AST_05,Hyperion数据中提取热液蚀变矿物

Mapping hydrothermally altered minerals with AST_07XT, AST_05 and Hyperion datasets using a voting-based extreme learning machine algorithm


成果信息: Bin Hu, Bo Wan, Yongyang Xu, Liufeng Tao, Xincai Wu, Qinjun Qiu, Yehui Wu,Hui Deng. (2019). Mapping hydrothermally altered minerals with AST_07XT, AST_05 and Hyperion datasets using a voting-based extreme learning machine algorithm. Ore Geology Reviews, 103116.

DOI: https://doi.org/10.1016/j.oregeorev.2019.103116

The research is supported by the National Key Research and Development Program of China (Grant 2017YFB0503600) ;the National Natural Science Foundation of China (Grant 41671400); Key project of Natural Science of Education Department of Sichuan Province18ZA0047;and Applied Basic Research Program of Science and Technology Department of Qinghai Province2018-ZJ-737.

团队成员:

胡滨,博士生,中国地质大学地理与信息工程学院。研究方向:遥感地质,机器学习。

万波(通讯作者),教授,中国地质大学地理与信息工程学院。研究方向:遥感应用,机器学习。

吴信才,教授,中国地质大学地理与信息工程学院。研究方向:地理信息系统。

徐永洋,特聘副教授,中国地质大学地理与信息工程学院。研究方向:深度学习,地理信息系统。

陶留锋,讲师,中国地质大学地理与信息工程学院。研究方向:地理信息系统。

吴晔晖,工程师,成都中地六合科工贸有限公司。研究方向:地理信息系统。

邓辉,讲师,成都理工大学地球科学学院。研究方向:遥感地质。

邱芹军,博士生,中国地质大学地理与信息工程学院。研究方向:深度学习,地理信息系统。

成果介绍

西藏多龙矿区已探明的铜矿储量超过2000万吨,是中国第一个世界级的铜矿区,该区域气候干燥、空气稀薄、植被稀疏、自然与经济条件都极为恶劣、地面工作难度大,勘探费用高。矿区基岩裸露,地表风化以物理风化为主,围岩蚀变强度大,分布范围广,尤其适合于遥感地质的研究。采用遥感技术对青藏高原地区进行矿产快速勘查可以切实保证保障中国对铜的战略需求,为中国现代化建设提供物质基础。围岩蚀变是一种重要的找矿标志,斑岩铜矿通常发育围岩蚀变,并且蚀变的强度与范围直接影响到矿化的规模。采用遥感技术提取斑岩铜矿的蚀变矿物信息可以实现斑岩铜矿的快速勘查,提高矿产勘查的效率,国内外均有通过遥感技术发现内生矿床的成功案例。Hyperion与ASTER数据提取研究区热液蚀变矿物的技术流程如图1所示。

1. 技术流程图

    受限于野外采样的困难,通常情况下只用少数矿区内的野外样品信息评估整个分类结果,而无法采用混淆矩阵对分类结果进行定量评价。本文采用最小噪声分离、纯净像元指数、n维可视化、匹配滤波算法构建了机器学习所需的训练集与测试集。投票极限学习机算法2012年由南洋理工大学黄广斌团队提出,该算法将投票机制与极限学习机算法结合,本次研究首次将投票极限学习机算法用于热液蚀变矿物填图。采用随机森林、投票极限学习机和核极限学习机处理Hyperion 短波红外数据,三种算法取得的分类精度分别为95.52%,97.31%和96.48% (图2)。

2. (a)基于随机森林算法的结果。(b)基于投票极限学习机算法的结果。(c)基于核极限学习机算法的结果。

ASTER数据在短波红外区间有6个波段,能够更加有效的识别不同类型的蚀变矿物。采用最小噪声分离、纯净像元指数、n维可视化、匹配滤波、随机森林、投票极限学习机和核极限学习机算法处理ASTER的短波红外数据,从ASTER的短波红外数据中提取镁羟基与铝羟基矿物信息。采用随机森林、投票极限学习机和核极限学习机三种机器学习算法处理ASTER短波红外数据,三种算法取得的分类精度分别为95.18%,98.33%和98.22%。通常情况下ASTER 的热红外波段被用于提取石英、铁镁质矿物和碳酸盐类矿物,将ASTER 的短波红外数据与热红外数据进行波段叠加,采用投票极限学习机算法处理得到蚀变矿物的分布信息。采用投票极限学习机处理ASTER SWIR-TIR 数据获得的分类精度为99.01%(图3)。研究表明ASTER的热红外数据能够有效的识别镁羟基矿物。最后根据遥感蚀变信息预测了荣那矿点(图3)

3. 采用投票极限学习机算法处理ASTER 短波红外-热红外数据所得蚀变矿物分布信息