文章快速检索  
  高级检索
基于Landsat 8的辽宁弓长岭区遥感蚀变信息提取
贺金鑫, 姜天, 董永胜, 韩凯旭, 马宁, 熊玥     
吉林大学地球科学学院, 长春 130061
摘要: 在详细解读辽宁弓长岭区Landsat 8影像数据的基础上,结合矿物光谱理论和弓长岭地区(地表植被覆盖严重)的基础地质资料,采用主成分分析法与比值法相结合的方式对该区2017-05和2017-08两个时段的Landsat 8多光谱遥感数据的蚀变异常信息进行了提取。结果表明:利用主成分分析法与比值法相互结合所形成的波段组合比单独运用主成分分析所提取的蚀变异常信息更加明显;此次研究中2017-05数据所提取出的羟基蚀变信息及2017-08数据所提取的铁染蚀变信息主要分布于弓长岭一矿区、二矿区、三矿区和独木-八盘岭矿区地表出露矿体的外围。这也说明将主成分分析法与比值法相结合对于植被覆盖严重区域的蚀变信息提取仍具有较好的效果。
关键词: 多光谱遥感    Landsat 8数据    主成分分析法    比值法    弓长岭铁矿    弓长岭区    
Alteration Information Extraction Based on Remote Sensing of Landsat 8 in Gongchangling Area of Liaoning
He Jinxin, Jiang Tian, Dong Yongsheng, Han Kaixu, Ma Ning, Xiong Yue     
College of Earth Sciences, Jilin University, Changchun 130061, China
Supported by National Natural Science Foundation of China(41430210) and Geological Survey Project of the China Geological Survey(DD20160121)
Abstract: Based on a detailed interpretation of Landsat 8 remote sensing data of Gongchangling in Liaoning Province, combined with the theory of mineral spectrum and basic geological data in Gongchangling area (with serious vegetation cover), the alteration anomaly information in 2017-05 and 2017-08 was extracted by using the method of principal component and ratio analysis. The results show that the band combination formed by the method combination of principal component and ratio analyses is more obvious than the abnormal information extracted by principal component analysis alone. The information of hydroxyl alteration extracted from 2017-05 data and the iron dyeing alteration extracted from 2017-08 data are mainly distributed in the periphery of exposed orebodies in Gongchangling No. 1, No. 2, No. 3 and Dumu-Bapanling mining areas. It is also shown that the combination of principal component analysis and ratio method is effective in extracting alteration information in the areas with serious vegetation cover.
Key words: multispectral remote sensing    Landsat 8 data    principal component analysis (PCA)    ratio method    Gongchangling iron mine    Gongchangling area    

0 引言

蚀变围岩因其矿物成分、岩石结构与正常围岩有所不同,所以二者在遥感图像中表现为不同的色调,在波谱中表现出截然不同的波谱曲线,这为遥感影像提取围岩蚀变信息提供了基础。

自20世纪70年代遥感技术应用于矿产领域以来,围岩矿化蚀变信息的识别和提取方法一直是遥感地质应用领域研究的热点[1-3]。目前对于ASTER、ETM+、Landsat 8等多光谱遥感数据的蚀变信息提取方法日趋成熟,其中以“掩膜/抑制干扰信息+主城分分析法”应用较为广泛。相较于传统的主成分分析法,基于Landsat 8卫星数据,以主成分分析法和比值法结合的方法提取蚀变信息具有较好的效果。例如,梁昊等[4]基于Landsat 8数据,使用比值与主成分分析相结合提取内蒙古额济纳旗区域的矿化蚀变信息,取得了比主成分分析法更好的效果;马威等[5]使用主成分分析和比值结合的方法对云南昭通毛坪的Landsat 8遥感数据进行铁染蚀变信息提取,并取得了较好的效果;王有权[6]运用主成分分析法对弓长岭区的ETM+遥感影像进行了铁染蚀变信息提取研究。根据前人的研究成果来看,利用遥感技术能够快速圈定各类矿化蚀变异常,为常规找矿方法指明了方向。

辽宁弓长岭区作为东北老工业基地的主要矿产供给地之一,其铁矿含量巨大。其中的典型代表矿区——弓长岭铁矿区,建矿至今已有近70年的历史,由于一直以来的高产量产出,弓长岭铁矿已探明储量逐渐减少。然而随着近几年人们对弓长岭深部进行勘查研究,并于地下近千米的层位发现了新矿体,这也证明了该区域仍有一定的铁矿储备潜力[7]。目前有关Landsat 8数据应用于弓长岭区的遥感蚀变信息提取研究国内还没有相关文献报道,且前人对于Landsat 8数据的蚀变信息提取研究多基于单一时段的数据。鉴于此,本文将Landsat 8数据应用于辽宁弓长岭区的蚀变信息提取研究中,使用主成分分析与比值法结合的方法,并选取2017年5月和8月两个时段的蚀变信息提取结果作为一组多时相数据[8],相互对比分析,最后将提取结果与实地信息相结合进而划分出蚀变等级,以期为常规找矿工作快速圈定找矿靶区提供可靠的参考。

1 研究区概况 1.1 区内自然地理

研究区为辽宁省辽阳市弓长岭区,地理坐标为123°15′E—123°30′E,41°00′N—41°10′N,弓长岭区属北温带大陆性气候,最高气温38℃,最低气温-33.7℃,最热七月份平均气温24.7℃,年平均气温8.5 ℃。区内植被覆盖度高,地势呈南高北低,为山区丘陵地带。

1.2 研究区地质概况

弓长岭区内矿产资源丰富,区内典型代表矿区——弓长岭铁矿区是我国著名的前寒武纪沉积变质型铁矿床。矿区主要分为一矿区、二矿区、三矿区和独木—八盘岭矿区。富铁矿物以磁铁矿为主,贫铁矿物主要有赤铁矿、黄铁矿、针铁矿、石英和白云母等。该矿区的铁矿石主要赋存于太古宙鞍山群变质岩系当中,其属于鞍山群茨沟组,茨沟组的岩性主要为斜长角闪岩、黑云变粒岩、磁铁石英岩等,是主要的含铁岩层[8-9]。除此之外,研究区内出露地层岩性(图 1)如下:第四系主要为洪积、冲积物,由砾石、砂土、亚黏土组成;奥陶系马家沟组岩性主要为白云质灰岩、页岩、泥质灰岩等;寒武系岩性主要为鲕粒灰岩、粉砂质页岩、泥质灰岩等;青白口系桥头组岩性主要为石英砂岩、粉砂质页岩、粉砂岩等;青白口系钓鱼台组岩性主要为石英砂岩、正石英岩及粉砂质页岩等;辽河群高家峪组出露岩性主要为大理岩、二云母片岩、碳质泥质板岩等;辽河群里尔峪组出露岩性主要为白云质大理岩、斜长变粒岩等;辽河群浪子山组岩性主要为白云母石英岩、二云片岩、石英岩等。

1.第四系沉积物;2.奥陶系马家沟组;3.寒武系;4.青白口系桥头组;5.青白口系钓鱼台组;6.辽河群高家峪组;7.辽河群里尔峪组;8.辽河群浪子山组;9.鞍山群茨沟组;10.新太古代花岗岩;11.断层;12.地质界线; 13.地名;14.水库。 图 1 弓长岭区地质简图 Fig. 1 Geological sketch of Gongchangling area
2 遥感影像预处理 2.1 数据来源

数据来源于2013-02-12在美国加利福尼亚州的范登堡空军基地发射的Landsat 8陆地卫星。Landsat 8卫星携带了运行陆地成像仪(OLI)和热红外传感器(TIRS),其中陆地成像仪由卡罗拉多州的鲍尔航天技术公司研制,热红外传感器由NASA的戈达德太空飞行中心研制[10-11]

2.2 Landsat 8遥感影像预处理

此次研究所采用Landsat 8数据的获取时间分别为2017-05-27和2017-08-31。为了消除大气中氧气、二氧化碳、臭氧等成分吸收和散射的影响,并获取真实的地表反射率,此次研究用ENVI 5.3软件所提供的辐射定标工具(radiometric calibration)和FLAASH大气校正工具对弓长岭地区的Landsat 8遥感图像进行辐射定标和大气校正,并根据研究区坐标进行裁剪,得到最终的研究区数据。

2.3 去干扰处理

本次去植被干扰流程中,使用归一化植被指数(INDV)提取植被区域。基于Landsat 8的遥感数据计算公式如下:

式中,Band代表波段,其后数字代表Landsat 8数据的波段号。

通过计算所得的INDV图像,采用INDV > 0.5为分割阈值,通过该阈值建立植被掩膜[6]

关于去除水体干扰本文采用倪衡等[12]提出的新型水体指数INDW8,相对于传统的归一化水指数(INDW),INDW8能够揭示更加细微的水体特征,适用于植被较多且地形复杂的地区,同时能够更好地去除水体信息的干扰。其公式如下:

将计算INDW8所得到的图像进行密度分割,然后将所确定的水体输出为感兴趣区,再通过输出感兴趣区建立水体掩膜文件,以达到去除水体干扰的效果。

3 蚀变信息提取 3.1 主成分分析法与比值法相结合的蚀变信息提取 3.1.1 铁染蚀变异常信息提取

此次研究中,笔者将USGS波谱库中的相关矿物重采样至Landsat 8数据的相应波段。研究区内与铁离子有关的矿物主要是赤铁矿、针铁矿等,根据以上矿物的波谱特征(图 2),在0.450~0.520 μm和0.875 μm附近的波曲线具有2个吸收谷,其正好对应Landsat 8数据的Band2和Band5波段。0.630~ 0.680 μm和1.500~1.700 μm附近可见较高的反射峰,分别对应Landsat 8数据的Band4和Band6波段。因此可以选取Band2、Band4、Band5、Band6波段进行主成分分析提取铁染异常。但是,经分析后发现这4个波段所提提取的特征向量值并不符合铁离子矿物的波谱特征。根据前人[4-5]资料进一步研究发现,利用比值法即Band6/Band5,可以进一步增强铁化蚀变图像的亮度反差。由此可见,选用Band6/Band5代替Band6,即用Band2、Band4、Band5、Band6/Band5波段组合进行主成分分析,能够进一步增强铁染蚀变信息。经过主成分分析后计算所得特征向量值如表 1所示。

图 2 典型含铁离子矿物波谱曲线(USGS波谱库) Fig. 2 Spectral curves of typical iron containing minerals(USGS spectrum library)
表 1 波段(2,4,5,6/5)特征向量值 Table 1 Band(2, 4, 5, 6/5) eigenvector
特征向量 Band2 Band4 Band5 Band6/Band5
PC1 -0.318 556 -0.464 368 -0.826 368 -0.000 157
PC2 -0.530 714 -0.634 963 0.561 394 -0.000 982
PC3 -0.785 408 0.617 401 -0.044 175 0.000 345
PC4 0.000 300 -0.000 909 0.000 437 0.999 999

根据以上分析,Band2和Band5为吸收带,对应特征向量值为负,符号相同;Band4和Band6/Band5为反射带,特征向量值为正,二者符号相同。因此,选择PC3作为包含铁染蚀变异常的主分量进行分析(表 1)。

3.1.2 羟基蚀变异常信息提取

研究区内相关黏土矿物(图 3)在Landsat 8数据的Band2处的反射率呈现较高的反射峰,在Band5处可见较小的吸收谷,而黏土矿物在Band6处的反射率较高,在Band7处黏土矿物均出现强烈的吸收特征,由于掩膜后还残留有低植被区域,可以利用Band5/Band4来抑制低植被信息进而增强蚀变信息,在主成分分析中可以用Band5/Band4来代替Band5。因此,选取Band2、Band5/Band4、Band6、Band7这4个波段进行主成分分析,并提取研究区内的羟基蚀变异常。主成分分析后得到的特征向量值如表 2所示。

图 3 典型含羟基矿物波谱曲线(USGS波谱库) Fig. 3 Spectral curves of typical hydroxyl minerals(USGS spectrum library)
表 2 波段(2,5/4,6,7)特征向量值 Table 2 Band(2, 5/4, 6, 7) eigenvector
特征向量 Band2 Band5/Band4 Band6 Band7
PC1 0.295 691 0.000 489 0.740 013 0.604 109
PC2 0.895 620 -0.000 684 -0.434 739 0.094 165
PC3 -0.332 313 -0.002 255 -0.513 206 0.791 317
PC4 0.000 282 -0.999 997 0.001 817 -0.001 554

根据以上对于黏土矿物分析,选取羟基蚀变异常主分量的标准是Band2和Band6符号相同、Band5/Band4和Band7符号相同、Band6和Band7符号相反。因此,应选取PC4作为包含羟基蚀变异常的主分量进行分析(表 2)。

3.2 蚀变信息分级处理

为了更直观地提取铁染蚀变异常图像,利用ENIVI5.3软件中的密度分割工具,在对相关主分量图像进行3×3的高斯低通滤波处理和数字拉伸的基础上,结合研究区实际情况,对于不同类型的蚀变信息建立相应的定量化的标准,用来进行阈值分割提取。本文采用主分量分析门限法划分蚀变异常等级,即利用x+来划分异常等级。x为均值,σ为标准差,k值一般取1~3。根据研究区内特点,将铁染蚀变异常等级划分为2级,即以2σ,3σ为阈值划分为高、低级异常;羟基异常提取中,k值分别取1,2,3即以σ,2σ,3σ划分为高级、中级和低级异常[12-14]

4 结果分析与验证 4.1 提取结果

传统的OLI2,4,5,6波段组合由于没有从其特征向量值中找出符合含铁矿物波谱特征的主分量,因此未能从OLI2,4,5,6波段组合中提取出铁染异常信息。图 4a图 4b分别为2017-05和2017-08的数据利用OLI2,4,5,6/5波段组合所提取的弓长岭区铁染蚀变异常分布。图 5a图 5b分别是2017-05和2017-08的数据采用OLI2,5/4,6,7波段组合所提取的弓长岭区羟基蚀变异常分布。图 6a图 6b分别是2017-05和2017-08的数据采用OLI2,5,6,7波段组合所提取的羟基蚀变异常分布。从图 456可知采用主成分分析和比值法相结合分析比单独运用主成分分析所提取的异常信息更加明显。将2017-05数据和2017-08数据所提取出的蚀变异常信息相比较,因2017-05数据植被覆盖相对较少,其蚀变异常信息分布更加广泛。

a. 2017-05;b. 2017-08。波段2, 4, 5, 6/5。 图 4 研究区铁染蚀变异常分布图 Fig. 4 Iron stained alteration anomaly of the study area
a. 2017-05;b. 2017-08。 图 5 研究区波段2,5/4,6,7羟基蚀变异常分布图 Fig. 5 Hydroxyl alteration anomaly of Band 2, 5/4, 6, 7 in the study area
a. 2017-05;b. 2017-08。 图 6 研究区波段2, 5, 6, 7羟基蚀变异常分布图 Fig. 6 Hydroxyl alteration anomaly of Band 2, 5, 6, 7 in the study area
4.2 分析验证

研究区内最大的铁矿为弓长岭矿区,根据其矿体出露的位置共分为4个矿区:一矿区、二矿区、三矿区和独木—八盘岭矿区。弓长岭一矿区的围岩主要为斜长角闪岩、黑云母石英片岩、绿泥云母片岩、绢云母石英片岩等,一矿区矿体以贫铁矿为主,贫铁矿石的矿物主要为磁铁矿和赤铁矿,蚀变类型主要有绿泥石化、绢云母化等;弓长岭二矿区的围岩主要有角闪岩、绿泥云母片岩、角闪片岩、斜长角闪岩、黑云变粒岩等,二矿区以富铁矿体为主,富铁矿物的矿石主要为磁铁矿和赤铁矿,蚀变类型主要为阳起石化、绿泥石化等;弓长岭三矿区的围岩包括斜长角闪岩、绿泥斜长角闪岩、绿泥角闪岩等,三矿区以贫铁矿体为主,贫铁矿石的矿物主要为磁铁矿和假象赤铁矿,蚀变类型主要为绿泥石化和黝帘石化等;独木—八盘岭矿区的围岩主要为斜长角闪岩、黑云变粒岩、绿泥云母片岩、石英云母片岩等,矿区以富铁矿体为主,富铁矿物的矿石主要为磁铁矿和赤铁矿,蚀变类型主要为阳起石化、绿泥石化等[7-9]

铁染蚀变信息分布如图 4所示,图中红色和绿色分别代表高级和低级异常。从总体来看,图 4a中2017-05数据所提取的铁染蚀变信息主要分布于亮甲村、营盘、二道河村、大甸子村、旭嘉村及旭嘉村南部附近。与地质图对比可知, 位于这些地区主要为第四系沉积物,这些沉积物中主要为黄褐色含砾石砂土及亚黏土,而在实地考察中发现,这些沉积物在一定程度上伴有铁染现象,而这些铁染现象并非具有找矿意义的含铁矿物,再加上此次所提取的铁染蚀变异常本身是一种较弱的信息,因此笔者认为研究区内上述区域出现的铁染蚀变异常信息多数是由于第四系干扰所产生假异常。图 4b中2017-08数据所提取的铁染蚀变异常信息主要分布于弓长岭矿区和弓长岭尾矿坝地区。其中,高、低级异常零散分布在三矿区和一矿区,并且高级和低级异常皆分布于矿区外围,与现有弓长岭铁矿区资料对比,可见提取结果较为准确。图 4a4b相互对比可知,2017-08数据提取结果中,分布在弓长岭矿区外围的铁染蚀变信息要优于2017-05,笔者认为出现此现象的原因可能是2017-05研究区植被较少,地表出露大量的第四系,干扰了研究区的蚀变信息提取结果。

羟基蚀变异常分布如图 56所示,图中红、黄、绿分别代表高、中、低级异常。从总体来看,采用2017-08数据所提取的羟基异常(图 5b6b)主要分布在弓长岭矿区和弓长岭尾矿坝。此外在弓长岭矿区羟基蚀变异常分布面积明显大于铁染异常(图 4),其中羟基异常呈条带状分布在二矿区和独木—八盘岭矿区外围,位于一矿区和三矿区的羟基异常呈零散-条带状分布。由上述矿区资料可知,4个矿区的含铁矿石与围岩互层,围岩当中包括大量含有羟基矿物的岩石,如绿泥片岩、绿泥云母片岩、石英云母片岩等,并伴有绢云母化和绿泥石化等含羟基类矿物,可见提取结果具有较好的准确性。2017-05数据所提取的羟基蚀变异常(图 5a6a)在弓长岭矿区大量分布,其分布情况与2017-08数据在弓长岭矿区内的羟基蚀变异常(图 5b6b)分布基本一致。此外,在营盘、大甸子村、亮甲村、旭嘉村及旭嘉村南部附近亦有部分羟基蚀变异常分布(图 5, 6),与地质资料对比可知,这些区域主要为第四系沉积物。第四系沉积物中主要为黄褐色含砂、含砾石的亚黏土和亚砂土,这也说明此次2017-05数据提取结果中位于第四系区域的羟基蚀变异常信息主要为第四系黏土所导致的。

5 结论与展望

1) 此次研究结合弓长岭区实际情况,采用主成分分析与比值法相结合的分析方式对弓长岭区内2017-05和2017-08两个时段的遥感数据进行蚀变信息提取。主要提取出了铁染蚀变异常信息和羟基蚀变异常信息在研究区内的分布状况。

2) 采用主成分分析与比值法相结合的方法提取出的铁染蚀变异常和羟基蚀变异常比单独运用主成分分析效果更加明显。

3) 将提取结果与现有地质资料对比分析发现,2017-05所提取的铁染蚀变信息多为第四系干扰下形成的假异常,2017-08数据所提取的铁染蚀变信息主要分布于弓长岭铁矿区出露矿体外围,与实地情况较为吻合;分布在弓长岭铁矿区地表出露矿体外围的羟基蚀变信息(2017-05和2017-08的提取结果)与现有弓长岭矿区地质资料较为吻合,但分布在第四系的羟基蚀变信息多为假异常。

4) 通过此次研究可以看出,利用Landsat 8数据虽然可以快速提取出含有较弱铁离子、羟基的蚀变信息分布。但是,由于所提取的是较弱的铁染蚀变信息,容易受到第四系干扰产生假异常,因此,如何运用多光谱数据有效的去除第四系等干扰信息,使得蚀变信息提取结果更加精准,并且将其有效地运用于找矿和地质调查工作中,将是我们在未来的研究重点。

参考文献
[1]
刘光辉.高植被区多源遥感数据蚀变信息提取与分析[D].成都: 成都理工大学, 2017.
Liu Guanghui. Extraction and Analysis of Information of Alteration with Multi-Source Remote Sensing Data in High Vegetation Coverage Area[D]. Chengdu: Chengdu University of Technology, 2017. http://cdmd.cnki.com.cn/Article/CDMD-10616-1017219014.htm
[2]
朱亮璞, 田淑芳, 张骞. 遥感地质学[M]. 北京: 地质出版社, 2013.
Zhu Liangpu, Tian Shufang, Zhang Qian. Remote Sensing Geology[M]. Beijing: Geological Publishing House, 2013.
[3]
毛华锐.云南凤庆地区遥感地质解译及矿化蚀变信息提取[D].成都: 成都理工大学, 2015.
Mao Huarui. Geological Evaluation and Alteration Information Extraction with Remote Sensing Image in Fengqing Area of Yunnan Province[D]. Chengdu: Chengdu University of Technology, 2015. http://cdmd.cnki.com.cn/Article/CDMD-10616-1015312176.htm
[4]
梁昊, 李程, 李佳奇. 基于Landsat 8遥感影像的矿化信息提取[J]. 南方国土资源, 2016(11): 30-32.
Liang Hao, Li Cheng, Li Jiaqi. Extraction of Mineralized Information Based on Landsat 8 Remote Sensing Image[J]. Nanfang Guotu Ziyuan, 2016(11): 30-32. DOI:10.3969/j.issn.1672-321X.2016.11.012
[5]
马威, 温兴平, 吴光辉, 等. 云南毛坪铅锌矿Landsat 8 OLI遥感影像组合分析法蚀变信息提取研究[J]. 河南科学, 2016, 34(2): 267-272.
Ma Wei, Wen Xingping, Wu Guanghui, et al. Extraction Method Maoping Lead Zinc Mine in Yunnan Landsat 8 OLI Alteration Information Based on Remote Sensing Images[J]. Henan Science, 2016, 34(2): 267-272.
[6]
王有权.矿化蚀变遥感信息提取研究与应用[D].阜新: 辽宁工程技术大学, 2011.
Wang Youquan. The Research and Application of Mineralized Alteration of Remote Sensing Information Extraction in Liaoning Gongchangling Strip Mine[D]. Fuxin: Liaoning Technical University, 2011. http://cdmd.cnki.com.cn/Article/CDMD-10147-1012269221.htm
[7]
付玲芝.辽宁省弓长岭铁矿磁铁矿-赤铁矿转变机制研究[D].长春: 吉林大学, 2016.
Fu Lingzhi. Study on Mechanism of Transforming Between Magnetite and Hematite of Gongchangling Iron Deposit in Liaoning Province[D]. Changchun: Jilin University, 2016. http://cdmd.cnki.com.cn/Article/CDMD-10183-1016078922.htm
[8]
李晓东, 姜琦刚. 吉林西部多时相遥感数据分类方案的构建及应用[J]. 吉林大学学报(地球科学版), 2017, 47(3): 266-274.
Li Xiaodong, Jiang Qigang. Land Cover Classification Method Based on Multi-Temporal Satellite Images:Taking Western Jilin Region as an Example[J]. Journal of Jilin University(Earth Science Edition), 2017, 47(3): 266-274.
[9]
夏建明.辽宁弓长岭BIF型铁矿田成矿环境与富铁矿床形成机制的研究[D].沈阳: 东北大学, 2013.
Xia Jianming. The Study on Metallogenic Environment and High-Grade Iron Deposits Formation Mechanism of Gongchangling, Liaoning Province[D]. Shenyang: Institute of Geological Resources and Engineering of Northeastern University, 2013. http://cdmd.cnki.com.cn/Article/CDMD-10145-1016011482.htm
[10]
张玉君. Landsat 8简介[J]. 国土资源遥感, 2013, 25(1): 176-177.
Zhang Yujun. The Introduction of Landsat 8[J]. Remote Sensing for Land & Resource, 2013, 25(1): 176-177.
[11]
邓书斌, 陈秋锦, 杜会建, 等. ENVI遥感图像处理方法[M]. 北京: 高等教育出版社, 2014: 277-297.
Deng Shubin, Chen Qiujin, Du Huijian, et al. ENVI Remote Sensing Image Processing Method[M]. Beijing: Higher Education Press, 2014: 277-297.
[12]
倪衡, 刘晓颖. 一种基于Landsat 8遥感数据快速提取水体信息的新方法[J]. 科技资讯, 2015, 13(19): 7-9.
Ni Heng, Liu Xiaoying. A New Method for Fast Extraction of Water Information Based on Landsat 8 Remote Sensing Data[J]. Science & Technology Information, 2015, 13(19): 7-9. DOI:10.3969/j.issn.1672-3791.2015.19.003
[13]
张玉君, 曾朝铭. 西藏冈底斯地区斑岩铜矿识别的最佳多光谱遥感异常判据[J]. 矿产地质, 2012, 31(4): 671-698.
Zhang Yujun, Zeng Zhaoming. Study of Optimum Discriminator of Multichannel Remote Sensing Anomaly for Recognition of Porphyyry Cu Deposits in Gangdese Belt[J]. Mineral Deposits, 2012, 31(4): 671-698.
[14]
Zhang T, Yi G Li H, et al. Integrating Data of ASTER and Landsat-8 OLI (AO) for Hydrothermal Alteration Mineral Mapping in Duolong Porphyry Cu-Au Deposit, Tibetan Plateau, China[J]. Remote Sensing, 2016, 8(12): 890.
http://dx.doi.org/10.13278/j.cnki.jjuese.20180093
吉林大学主办、教育部主管的以地学为特色的综合性学术期刊
0

文章信息

贺金鑫, 姜天, 董永胜, 韩凯旭, 马宁, 熊玥
He Jinxin, Jiang Tian, Dong Yongsheng, Han Kaixu, Ma Ning, Xiong Yue
基于Landsat 8的辽宁弓长岭区遥感蚀变信息提取
Alteration Information Extraction Based on Remote Sensing of Landsat 8 in Gongchangling Area of Liaoning
吉林大学学报(地球科学版), 2019, 49(3): 893-901
Journal of Jilin University(Earth Science Edition), 2019, 49(3): 893-901.
http://dx.doi.org/10.13278/j.cnki.jjuese.20180093

文章历史

收稿日期: 2018-04-27

相关文章

工作空间