2. 中国矿业大学环境科学与空间信息学院, 江苏 徐州 221008;
3. 重庆市勘测院, 重庆 401121
2. School of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221008, Jiangsu, China;
3. Chongqing Survey Institute, Chongqing 401121, China
0 引言
甘肃北山地区位于西伯利亚、哈萨克斯坦和塔里木—华北三大板块交接地带[1],属于中亚造山带的一部分[2];历经加里东期、华力西—印支期多旋回造山运动,产生大量岩浆活动, 晚三叠世—早侏罗世处于碰撞后放松环境[1-3];岩体分布广泛,且发育以基性-中基性岩脉为主的岩脉群。
前人对研究区的构造背景、岩体成因、成矿规律以及控矿因素等方面均进行了细致的研究[1-8],并且开展了遥感地质解译、遥感蚀变信息提取等工作,但精度和详细程度并未达到大比例尺地质填图的要求[9-10]。前人对研究区开展了1∶5万、1∶1万地质填图[11-13],由于传统地质填图工作是由离散的路线工作及地质点工作连图而成,地质体、构造及岩脉的真实形态可能并未被呈现。本次研究不同于传统填图方法,应用无人机遥感,从宏观、二维和三维相结合的角度解译地质信息。
无人机是一种灵活、轻便的近地面遥感数据获取载荷平台。无人机和照片建模技术的结合,可以产生正射影像、表面模型等多种数据,其分辨率可高达厘米级,远高于卫星影像,可大大提高地质解译的精度,广泛应用于数字地形模型重建、快速数字制图和地物提取[14-17],在测绘、矿山、灾害等领域逐渐受到广泛应用[18-22]。与传统填图方法相比,无人机采集每张图片之间的重复率在60%以上,不存在空白区域,能全面地控制研究区内地质体的分布。无人机遥感在中国兴城、中国泗礁岛、澳洲南部沿海、西澳奥尔巴尼等地进行了地质解译研究,但局限于海滨地带、露头尺度和形态,难以开展大面积工作[23-26]。
本文选定甘肃北山长流水地区20 km2区域作为目标区,使用大疆精灵4专业版无人机采集图像,利用Photoscan软件合成正射影像以及三维模型,并结合野外地面定点、采样、岩性鉴定工作确定各地质体的解译标志,填绘目标区的精细地质图。最后将其与传统地质图对比,探寻更多的地质内容,总结无人机遥感应用于地质填图的优势。
1 区域地质背景研究区位于甘肃省酒泉市柳园镇东北部长流水地区,在区域上位于塔里木、华北板块内北山陆源活动带俞井子一柳园陆内裂谷带中。裂谷带南北缘由区域性深大断裂控制,总体走向为东西向(图 1)[8]。区内褶皱构造多伴随着东西向断裂带发育,轴向为东西向或近东西向。区内分布近东西向的压性、压扭性断裂,并伴生南北向张性和北西、北东向两组扭性断裂构造[11-13]。北山地区地层有震旦系、寒武系、奥陶系、志留系、泥盆系,但区内断裂构造发育,岩浆活动频繁,致使地层分布零星[11-13]。北山地区岩浆岩大致可分为华力西早期、中期以及印支期3个期次,每个岩浆期包含若干次侵入,其中华力西中期岩浆侵入活动最为强烈[10-12]。岩体数量繁多,规模不等,多呈岩基、岩株和岩墙状产出。岩体岩性复杂,华力西中期形成似斑状花岗岩、正长花岗岩、二长花岗岩、闪长岩等。岩体中发育岩脉群,由印支期辉绿岩脉、花岗斑岩脉、闪长玢岩脉、石英脉等岩脉组成[11-13]。变质结晶基底为太古宙斜长角闪岩。
本次野外影像资料采集使用的是大疆精灵4专业版无人机,性能优良,操作简单,可控性好。数据采集工作流程如图 2所示。
![]() |
图 2 数据采集流程图 Fig. 2 Data acquisition flow chart |
|
无人机遥感通常在10:00—15:00时之间获取的影像更为明亮清晰,且阴影的影响较小。所选飞行日期应避开大风天气。飞行路线要避开天线、高压线等障碍物以及军事用地、机场等禁飞区。
所用无人机最大飞行高度为500 m,同等工作面积下,飞行高度越高,采集影像越快,数据量越小,但影像分辨率越低;而飞行高度越低,影像分辨率越高,但花费的时间和数据量越大。为平衡工作效率以及地质解译所必须的精度,需要选定主要飞行高度。经过25、50、200 m不同高度试飞采集影像,权衡工作所需精度与效率后,选取主要飞行高度为200 m,对疑难地区采用50 m飞行高度。以此高度采集到的影像解析度可达6~7 cm,达到地质解译的精度需求。而商用卫星、航空遥感的最高解析度仅能达到分米级,难以满足精细地质解译的需要(图 3)。以“弓”形轨迹飞行,控制航向重复率在60%~70%之间、旁向重复率在50%~60%之间,以便在数据量最小的前提下保证模型质量。
![]() |
a. Google Earth(Maxar Technologies;1 m分辨率);b. 无人机遥感正射影像(飞行高度25 m;分辨率0.8 cm)。 图 3 研究区内来自不同数据源的图像比较 Fig. 3 Comparison of images from different data sources in the study area |
|
剔除采集到的模糊、重复影像后,利用Agisoft公司推出的Photoscan软件进行处理。经过特征点匹配、照片对齐、相机位置解算、特征点位计算、空三加密、网格构建、纹理映射得到表面模型,在此基础上进一步生成数字高程模型数据、生成正射影像。
2.2 数据解译针对前人地质图中的各类地质内容[10-12],结合无人机正射影像、表面模型以及地面观察情况(图 4、图 5、图 6),建立解译标志(表 1)。对正射影像中地质体和构造的特征与解译标志相对应来进行解译。
![]() |
a. 北山长流水地区20 km2正射影像;b. 辉绿岩脉及正长花岗岩体正射影像;c. 辉绿岩脉地面形态。 图 4 研究区辉绿岩脉、正长花岗岩体正射影像解译图 Fig. 4 Orthophoto interpretation of diabase dyke and syenite granite body in the study area |
|
![]() |
a. 北山长流水地区20 km2正射影像;b. 花岗斑岩脉正射影像;c. 花岗斑岩脉地面形态。 图 5 研究区花岗斑岩脉正射影像解译图 Fig. 5 Orthophoto interpretation of granite porphyry dyke in the study area |
|
![]() |
a. 北山长流水地区20 km2正射影像;b. 闪长岩体正射影像;c. 闪长岩体地面形态。 图 6 研究区闪长岩体正射影像解译图 Fig. 6 Orthophoto interpretation of diorite body in the study area |
|
地质体 | 解译标志 | 示例 |
印支期辉绿岩脉 | 平直、(细)脉状遍布于研究区各地,多呈近东西向—北东向分布于山脊以及丘陵顶端,呈黑色-墨绿色,地表辉绿岩碎块风化后呈尖棱状角砾(图 4) | ![]() |
印支期花岗斑岩脉 | 呈较粗的脉状产出,边缘较圆润,产状及宽度不稳定,呈红褐色-肉红色,风化后呈肉红色-淡红色(图 5) | ![]() |
印支期闪长玢岩脉 | 呈平直脉状产出,延伸较远,多突出地面,与辉绿岩脉相似,颜色稍浅,呈灰绿色-墨绿色,风化后可呈灰绿色-黄绿色 | ![]() |
石英脉 | 呈平直脉状产出,与地面相平,呈亮白色,产状沿北西向、北东向对称产出,常见人工开采痕迹 | ![]() |
太古宙斜长角闪岩体 | 大面积分布,呈灰色-墨绿色,受风化剥蚀以及流水切割后形成起伏不平的低矮丘陵地形 | ![]() |
华力西中期似斑状花岗岩体 | 团块状大面积分布,呈浅灰色-灰白色,微带淡肉红色,受风化剥蚀后地形平缓 | ![]() |
华力西中期正长花岗岩体 | 大面积分布于研究区东北部,呈明显的浅红色-肉红色,受风化后呈低矮圆润丘陵,沟壑沿北东向、近东西向 | ![]() |
华力西中期二长花岗岩体 | 分布于研究区北部,呈灰白-肉红色,呈平缓地形,受流水剥蚀较重,表面可见轻微波纹 | ![]() |
华力西中期闪长岩体 | 分布于研究区中部、西南部,地形起伏稍大,有明显阴影,呈灰绿色-浅灰色,表面分布有白色细纹(图 6) | ![]() |
第四系冲洪积物 | 浅黄色-棕黄色,随水系呈辫状、血管状分布,贯穿全区,由于沉积物未固结,含水量大,生长有大量骆驼刺 | ![]() |
断裂 | 整齐错动的岩脉、平直的冲沟、断层三角面 | ![]() |
根据建立的解译标志,对试验区内的全部正射影像进行解译、清绘,得到试验区无人机正射影像解译地质图(图 7)。
![]() |
图 7 甘肃北山长流水地区无人机正射影像解译图 Fig. 7 UAV orthophoto interpretation map in Changliushui area, Beishan, Gansu |
|
由图 7可以看到北山长流水地区各岩体的分布情况:试验区北部分布大片似斑状花岗岩体,中间出露二长花岗岩体,二者影像上的接触关系尚不明确;试验区南部及东南部分布大片斜长角闪岩结晶基底,试验区东北部和南部边界出露正长花岗岩体,由边界形态可以判断正长花岗岩体侵入了斜长角闪岩。
3 方法优势 3.1 有效提取岩脉群产出特征研究区内分布大量岩脉。利用Photoscan在数据处理时生成的表面模型中选取岩脉上不共线的三点坐标,可以计算获得倾向、倾角数据。经过岩脉筛选、采点、统计,绘制岩脉极点图(图 8),可以得知北山地区的岩脉以近东西向与北东东向为主,与区域上东西向—近东西向展布的总体构造走向一致[13]。倾角近直立,有轻微的、对称的震荡。
![]() |
a.北山地区岩脉走向玫瑰花图(图中数值为岩脉条数);b.北山地区岩脉极点图。 图 8 甘肃北山长流水地区岩脉产状 Fig. 8 Occurrence figure of dykes in Changliushui area, Beishan, Gansu |
|
在无人机正射影像中发现若干处存在穿切关系的岩脉组合,可以用于岩脉期次划分。北西向乳白色石英脉穿切了北东向闪长玢岩脉(图 9a);北西向乳白色石英脉穿切了北东向以及北西向的辉绿岩脉(图 9b);北东向花岗斑岩脉穿切了近东西向的辉绿岩脉(图 9c);花岗斑岩脉穿切了较老的辉绿岩脉,但在同时又被较新的辉绿岩脉所穿切,由此可见,研究区内的辉绿岩脉(深绿色脉体)又可分为2个期次(图 9d)。
![]() |
a. 石英脉穿切闪长玢岩脉;b. 石英脉穿切2个方向的辉绿岩脉;c. 花岗斑岩脉穿切辉绿岩脉;d. 花岗斑岩脉与2期辉绿岩脉。 图 9 甘肃北山长流水地区岩脉穿切关系 Fig. 9 Dyke cutting relationship in Changliushui area, Beishan, Gansu |
|
根据以上线索,可以初步将北山研究区内的岩脉划分为4个期次,早期辉绿(玢)岩脉>花岗斑岩脉>晚期辉绿(玢)岩脉>石英脉。而前人地质报告中,仅填绘出1个期次的辉绿岩脉[10],主要的原因可能为传统路线地质填图的路线之间存在空白区域,遗漏了图 9d中将辉绿(玢)岩脉划分为2期的证据。
3.2 还原地质体真实形态 3.2.1 地质体边界形态解译得到的地质图与前人1∶10 000地质图体现的地质体分布特征基本吻合,但岩体边界形态有较大的差异(图 10)。正长花岗岩体和斜长角闪岩的接触边界为锯齿状, 并非平滑曲线,并见正长花岗岩脉由边界部位侵入斜长角闪岩之中,二者间的侵入接触关系明显;第四系的边界呈树枝状,而非平直脉状(图 10b)。正射影像解译图能够更为清晰地还原地质体边界的真实形态(图 10c),而前人地质图中勾绘的地质体边界仅是平滑曲线,岩脉的规模被夸大,且形态全部填绘为透镜状,较为粗略(图 10d),与事实相差较大。
![]() |
a. 北山长流水地区20 km2正射影像;b. 岩体边界部位正射影像;c. 岩体边界部位正射影像解译图;d. 岩体边界部位前人1∶10 000地质图。 图 10 研究区正长花岗岩体与斜长角闪岩边界部位填图效果对比图 Fig. 10 Comparison of mapping effect between syenite granite and amphibolite boundary in the study area |
|
北山长流水地区各岩体中发育岩脉群。如图 11所示,岩脉的真实形态为曲折的脉状(图 11b),其轮廓以及产状变化多端。无人机遥感正射影像解译图能真实反映岩脉的出露形态(图 11c),而前人1∶10 000地质图将岩脉全部填绘成透镜状(图 11d),与事实相差较大。
![]() |
a. 北山长流水地区20 km2正射影像;b. 辉绿岩脉及周边正射影像;c. 辉绿岩脉及周边正射影像解译图;d. 辉绿岩脉及周边前人1∶10 000地质图。 图 11 研究区辉绿岩脉填图效果对比图 Fig. 11 Comparison of mapping effects ofdiabase dykes in the study area |
|
另外,在全部20 km2范围内解译岩脉数量上差距较大,无人机正射影像解译出763条岩脉,而前人地质图中填绘出岩脉169条。如此大的数量差距可能由于前人制图时受填图比例尺限制,过小的图斑没有填绘在地质图上。无人机遥感能够满足比1∶10 000更大精度的地质填图需求。
3.3 解译出微小断裂北山长流水地区发育小规模断裂,以岩脉为标志层的错动证明了微小断裂的存在(图 12a、b、c)。由于岩脉及断裂的规模较小,传统地质填图地面工作难以填绘微小岩脉的错动(图 12d)。
![]() |
a. 北山长流水地区20 km2正射影像;b. 微小断裂正射影像;c. 微小断裂正射影像解译图;d. 微小断裂处前人1∶10 000地质图。 图 12 研究区微小断裂填图效果对比图 Fig. 12 Comparison of the effect of micro-fracturemapping in the study area |
|
采用大疆精灵4专业版无人机以200 m飞行高度进行影像采集,在每天10:00—15:00时的适宜日照时间且电池准备充足的情况下,每架无人机可以采集3~4 km2的影像。室内的正射影像及表面模型合成工作可以通过多台工作站并行计算压缩计算时间。地质解译和制图工作可以引入人工智能方法[27]。整体流程比传统填图方法节约大量的人力、物力和时间。
3.5 环境扰动小研究区年降水量不足50 mm,属于极旱荒漠生态系统,生态环境极易被破坏。前人在研究区开展传统方法地质填图时难免高频度出车碾压、开挖探槽,造成植被退化和水土流失。基于无人机遥感的填图方法可以大幅减少出车路程,减少对生态环境的扰动[27]。
4 结论1) 利用无人机对甘肃北山长流水20 km2试验区进行了影像采集,合成正射影像及三维模型,建立解译标志,进行人工目视解译,得到了比前人1∶10 000地质图更精细、全面的地质图。
2) 利用无人机遥感解译出更丰富的岩脉信息,采集产状数据,得到岩脉群的主要走向为近东西向北东东向,倾角为近直立;岩脉群划分出辉绿岩脉>花岗斑岩脉>辉绿岩脉>石英脉4个期次。
3) 此方法还原了地质体的真实形态,解译出更多微小断裂,还具有效率高、环境扰动小等优点,在干旱荒漠地区有着良好的应用前景。
[1] |
刘雪亚. 中国西部北山造山带的大地构造及其演化[C]//中国地质科学院地质研究所文集(28). [S. l.]: 中国地质学会, 1995: 12. Liu Xueya. Geotectonics and Evolution of the Beishan Orogenic Belt in Western China[C]//Collected Works of Institute of Geology(28). [S. l.]: Chinese Academy of Geological Sciences, 1995: 12. |
[2] |
苗来成, 朱明帅, 张福勤. 北山地区中生代岩浆活动与成矿构造背景分析[J]. 中国地质, 2014, 41(4): 1190-1204. Miao Laicheng, Zhu Mingshuai, Zhang Fuqin. Analysis of Mesozoic Magmatic Activity and Metallogenic Tectonic Setting in Beishan Area[J]. China Geology, 2014, 41(4): 1190-1204. DOI:10.3969/j.issn.1000-3657.2014.04.013 |
[3] |
陈柏林, 吴淦国, 叶德金, 等. 北山地区金矿类型、成矿规律和找矿方向[J]. 地质力学学报, 2001, 7(3): 217-223. Chen Bolin, Wu Ganguo, Ye Dejin, et al. Types, Metallogenic Regularities and Prospecting Directions of Gold Deposits in Beishan Area[J]. Journal of Geomechanics, 2001, 7(3): 217-223. DOI:10.3969/j.issn.1006-6616.2001.03.004 |
[4] |
王盛栋. 甘肃北山中部地区古生代洋板块地层重建与构造演化[D]. 北京: 中国地质大学(北京), 2017. Wang Shengdong. Stratigraphic Reconstruction and Tectonic Evolution of the Paleozoic Oceanic Plate in the Central Beishan Area of Gansu[D]. Beijing: China University of Geosciences(Beijing), 2017. |
[5] |
赵宏刚, 梁积伟, 王驹, 等. 甘肃北山算井子埃达克质花岗岩年代学、地球化学特征及其构造意义[J]. 地质学报, 2019, 93(2): 329-352. Zhao Honggang, Liang Jiwei, Wang Ju, et al. Chronology, Geochemical Characteristics and Tectonic Significance of the Adakitic Granites in Suanjingzi, Beishan, Gansu[J]. Acta Geologica Sinica, 2019, 93(2): 329-352. DOI:10.3969/j.issn.0001-5717.2019.02.005 |
[6] |
徐杰, 田金鹏. 肃北县长流水金矿矿床地质特征与成矿分析[J]. 世界有色金属, 2017(22): 132, 134. Xu Jie, Tian Jinpeng. Geological Characteristics and Metallogenic Analysis of Changliushui Gold Deposit in Subei County[J]. World Nonferrous Metals, 2017(22): 132, 134. |
[7] |
李增达. 甘肃花牛山铅锌银多金属矿田岩浆成矿作用与找矿[D]. 北京: 中国地质大学(北京), 2018. Li Zengda. Magmatic Mineralization and Prospecting of the Huaniushan Lead-Zinc-Silver Polymetallic Ore Field in Gansu[D]. Beijing: China University of Geosciences (Beijing), 2018. |
[8] |
左国朝, 刘义科, 刘春燕. 甘新蒙北山地区构造格局及演化[J]. 甘肃地质学报, 2003, 12(1): 1-15. Zuo Guochao, Liu Yike, Liu Chunyan. Tectonic Framework and Evolution of Beishan Area in Ganxin, Mongolia[J]. Journal of Gansu Geology, 2003, 12(1): 1-15. |
[9] |
任广利, 杨敏, 李健强, 等. 高光谱蚀变信息在金矿找矿预测中的应用研究: 以北山方山口金矿线索为例[J]. 国土资源遥感, 2017, 29(3): 182-190. Ren Guangli, Yang Min, Li Jianqiang, et al. Application of Hyperspectral Alteration Information in Gold Prospecting Prediction: Taking Beishan Fangshankou Gold Deposit as an Example[J]. Remote Sensing for Land and Resources, 2017, 29(3): 182-190. |
[10] |
刘德长, 田丰, 邱骏挺, 等. 柳园-方山口地区航空高光谱遥感固体矿产探测及找矿效果[J]. 地质学报, 2017, 91(12): 190-204. Liu Dechang, Tian Feng, Qiu Junting, et al. Aerial Hyperspectral Remote Sensing Solid Mineral Exploration and Prospecting Effect in Liuyuan-Fangshankou Area[J]. Acta Geology Sinica, 2017, 91(12): 190-204. |
[11] |
何养珍, 乔立斌, 魏庆林, 等. 甘肃省肃北县长流水金矿床地质普查报告[R]. 张掖: 甘肃有色地质勘查局四队, 2008. He Yangzhen, Qiao Libin, Wei Qinglin, et al. Report on the Geological Survey of the Changliushui Gold Deposit in Subei County, Gansu Province[R]. Zhangye: The Fourth Team of Gansu Nonferrous Geological Exploration Bureau, 2008. |
[12] |
巩颜学, 蔡厚维, 黄丕新, 等. 花牛山幅K-46-108-A长流水幅K-46-108-B柳园镇幅K-46-108-C臭水沟幅K-46-108-D1/5万区域地质调查报告(地质部分)(物探、重砂、化探部分)[R]. 酒泉: 甘肃省地矿局酒泉地质矿产调查队十四分队, 1987. Gong Yanxue, Cai Houwei, Huang Pixin, et al. Huaniu Mountain Sheet K-46-108-A Changliushui Sheet K-46-108-B Liuyuan Town Sheet K-46-108-C Choushuigou Sheet K-46-108-D1: 50000 Regional Geological Survey Report (Geological Part) (Physical Prospecting, Heavy Sand, Geochemical Prospecting Part)[R]. Jiuquan: The 14th Division of Jiuquan Geological and Mineral Survey Team, Gansu Bureau of Geology and Mineral Resources, 1987. |
[13] |
徐杰, 段兴雷, 郑海保, 等. 甘肃省肃北县长流水金矿床补充详查地质报告[R]. 张掖: 甘肃省有色金属地质勘查局张掖矿产勘查院, 2014. Xu Jie, Duan Xinglei, Zheng Haibao, et al. Supplementary Detailed Survey Geological Report of the Changliushui Gold Deposit in Subei County, Gansu Province[R]. Zhangye: Zhangye Mineral Exploration Institute, Non-Ferrous Metals Geological Exploration Bureau of Gansu Province, 2014. |
[14] |
Ferrero A M, Migliazza M, Roncella R, et al. Rock Cliffs Hazard Analysis Based on Remote Geostructural Surveys: The Campione Del Garda Case Study (Lake Garda, Northern Italy)[J]. Geomorphology, 2011, 125: 457-471. DOI:10.1016/j.geomorph.2010.10.009 |
[15] |
Nex F, Remondino F. UAV for 3D Mapping Applications: A Review[J]. Appl Geomatics, 2014, 6: 1-15. DOI:10.1007/s12518-013-0120-x |
[16] |
Salvini R, Mastrorocco G, Seddaiu M, et al. The Use of an Unmanned Aerial Vehicle for Fracture Mapping Within a Marble Quarry (Carrara, Italy): Photogrammetry and Discrete Fracture Network Modelling[J]. Geomatics Natural Hazards & Risk, 2016, 8: 34-52. |
[17] |
Vollgger S A, Cruden A R. Mapping Folds and Fractures in Basement and Cover Rocks Using UAV Photogrammetry, Cape Liptrap and Cape Paterson, Victoria, Australia[J]. Struct Geol, 2016, 85: 168-187. DOI:10.1016/j.jsg.2016.02.012 |
[18] |
Wang J L, Zhu S. Refined Micro-Scale Geological Disaster Susceptibility Evaluation Based on UAV Tilt Photography Data and Weighted Certainty Factor Method in Mountainous Area[J]. Ecotoxicology and Environmental Safety, 2020, 189: 110005. DOI:10.1016/j.ecoenv.2019.110005 |
[19] |
韩文权, 任幼蓉, 赵少华. 无人机遥感在应对地质灾害中的主要应用[J]. 地理空间信息, 2011, 9(5): 6-8, 163. Han Wenquan, Ren Yourong, Zhao Shaohua. The Main Application of Drone Remote Sensing in Response to Geological Disasters[J]. Geospatial Information, 2011, 9(5): 6-8, 163. |
[20] |
Niethammer U, James M R, Rothmund S, et al. UAV-Based Remote Sensing of the Super-Sauze Landslide: Evaluation and Results[J]. Engineering Geology, 2012, 128: 2-11. DOI:10.1016/j.enggeo.2011.03.012 |
[21] |
王凤艳, 赵明宇, 王明常, 等. 无人机摄影测量在矿山地质环境调查中的应用[J]. 吉林大学学报(地球科学版), 2020, 50(3): 866-874. Wang Fengyan, Zhao Mingyu, Wang Mingchang, et al. Application of UAV Photogrammetry in Mine Geological Environment Investigation[J]. Journal of Jilin University (Earth Science Edition), 2020, 50(3): 866-874. |
[22] |
邵延秀, 张波, 邹小波, 等. 采用无人机载LiDAR进行快速地质调查实践[J]. 地震地质, 2017, 39(6): 1185-1197. Shao Yanxiu, Zhang Bo, Zou Xiaobo, et al. Practice of Rapid Geological Survey Using UAV-Borne LiDAR[J]. Seismology and Geology, 2017, 39(6): 1185-1197. DOI:10.3969/j.issn.0253-4967.2017.06.007 |
[23] |
Cruden A, Vollgger S, Dering G, et al. High Spatial Resolution Mapping of Dykes Using Unmanned Aerial Vehicle (UAV) Photogrammetry: New Insights on Emplacement Processes[J]. Acta Geol Sin, 2016, 90: 52-53. DOI:10.1111/1755-6724.12883 |
[24] |
Dering G, Micklethwaite S, Barnes S J, et al. An Elevated Perspective: Dyke-Related Fracture Networks Analysed with UAV Photogrammetry[J]. Acta Geol Sin, 2016, 90: 54-55. DOI:10.1111/1755-6724.12884 |
[25] |
Sang X, Xue L, Ran X, et al. Intelligent High-Resolution Geological Mapping Based on SLIC-CNN[J]. ISPRS Int J Geo-Inf, 2020, 9: 99. DOI:10.3390/ijgi9020099 |
[26] |
Zhang H, Chen N H, Gao B W, et al. Semi-Automatic Mapping of Dyke and Dyke-Related Fractures Using UAV-Based Photogrammetric Data: A Case Study From Sijiao Island, Coastal Southeastern China[J]. Journal of Structural Geology, 2020, 132: 103971. DOI:10.1016/j.jsg.2019.103971 |
[27] |
桑学佳. 无人机及深度学习在地质调查中的应用[D]. 长春: 吉林大学, 2018. Sang Xuejia. Application of Drones and Deep Learning in Geological Survey[D]. Changchun: Jilin University, 2018. |