一种基于多源数据的铀矿成矿远景区潜力对比评价方法

摘要

本发明属于铀矿勘查和数学建模相结合的领域，具体涉及一种基于多源数据的铀矿成矿远景区潜力对比评价方法,本发明的方法包括以下步骤：航磁、航放数据处理；可见光‑短波红外‑热红外高光谱分辨率遥感数据处理；数学模型的建立；最优远景区的确定。本发明通过与铀矿成矿相关的航磁、航放、高分遥感数据等多种数据进行处理，获取成矿要素信息，以层次分析模型为基础，建立一种以多源数据为基础的钠交代岩型铀矿成矿远景区潜力对比评价方法，对铀成矿最优远景区的遴选及远景区潜力排名的确定，具有快速、有效的特点。

说明书

技术领域

本发明属于铀矿地质勘查和数学建模相结合得领域，具体涉及一种基于多源数据的铀矿成矿远景区潜力对比评价方法。

背景技术

铀矿勘查预查阶段最重要的目的就是确定铀矿成矿远景区，而此阶段会用上多种数据资料，如地质资料、航磁航放资料、遥感数据资料以及物化探资料等，如何有效利用这些资料快速圈定铀成矿远景区非常重要，而已圈定的远景区潜力大小排名也至关重要，直接影响下一步的工作部署和工作量倾斜。

目前对铀成矿远景区的确定和潜力评价还停留在描述性阶段，其理论性和直观性不强。因此，需要从定量的角度去分析和研究实际问题，以数学模型解决实际问题。设计一种采用数学建模对铀成矿远景区的潜力进行对比评价的方法，以解决现有技术的不足，且更具有理论说服力和数据支撑力。

发明内容

本发明针对现有技术中钠交代岩型铀矿成矿潜力评价方法仍停留在描述性阶段，理论性和直观性均不强的技术问题，提出一种基于多源数据的铀矿成矿远景区潜力对比评价方法，以解决上述技术问题。

本发明的技术方案如下所述：

一种基于多源数据的铀矿成矿远景区潜力对比评价方法，包括以下步骤：

步骤1.航磁、航放数据处理；

步骤2.可见光高光谱遥感数据、短波红外高光谱遥感数据、热红外高光谱分辨率遥感数据进行数据预处理；

步骤3.选择钠交代岩型铀成矿远景区；

步骤4.数学模型的建立；

步骤5.最优远景区的确定。

所述步骤1，航磁、航放数据处理，还包括以下子步骤：

步骤1.1，由于航磁和航放数据为点集数据，数据格式为网格数据格式，因此首先将航磁、航放数据的数据格式转化为栅格数据格式；

步骤1.2，航磁、航放数据的坐标系转化，将航磁、航放数据坐标值定义到相匹配且带有数值单位的坐标系中，然后导出匹配后的航磁、航放坐标数据。

所述步骤2中，可见光高光谱遥感数据、短波红外高光谱遥感数据、热红外高光谱分辨率遥感数据预处理，还包括以下子步骤：

步骤2.1，将热红外高光谱遥感数据进行预处理，热红外高光谱遥感数据包括：大气校正、温度/发射率分离，获取地物发射率图像，通过SiO

步骤2.2，将可见光高光谱遥感数据进行预处理，可见光高光谱遥感数据包括：大气校正、镶嵌等，获取地物反射率图像，根据三价铁的光谱吸收特征，获取三价铁丰度图；

步骤2.3，将短波红外高光谱遥感数据进行预处理，短波红外高光谱遥感数据包括：大气校正、镶嵌，获取地物反射率图像，根据绿泥石的光谱吸收特征，获取绿泥石丰度图。

所述步骤3还包括：将步骤二中获取的数据(包括SiO

所述步骤4，数学模型的建立包括：首先，构建层次分析数据模型，即模型架构，分为目标层A、准则层B和方案层C，目标层A即为最优成矿远景区，准则层B即为各成矿要素，方案层C即为各成矿远景区；然后，构建准则层B成对比较矩阵和方案层C判断矩阵，计算判断矩阵的一致性指标，若一致性较差，需要调整对比矩阵使其一致性满足条件；具体子步骤如下：

步骤4.1构建准则层B判断矩阵，并进行一致性检验；

所述准则层B各成矿要素有5项，分别为磁异常、放射性异常、SiO

a

标度1：表示两个因素相比，具有相同重要性；

标度3：表示两个因素相比，前者比后者稍重要；

标度5：表示两个因素相比，前者比后者明显重要；

标度7：表示两个因素相比，前者比后者强烈重要；

标度9：表示两个因素相比，前者比后者极端重要；

标度2,4,6,8：表示上述相邻判断的中间值；

标度倒数：若因素i与因素j的重要性之比为a

因此，准则层B对比矩阵如下式(1)所示，

对准则层B判断矩阵进行一致性检验，步骤如下：

首先，采用如下公式(2)计算一致性指标CI；

其中，λ

其中个，λ’

若CR＜0.1，则该判断矩阵的一致性是可以接受的，否则需要调整判断矩阵，直至CR＜0.1。

步骤4.2，构建方案层C判断矩阵，并分别进行一致性检验；

方案层C中有m个备选方案，即为m个成矿远景区，分别为C1,C2……,C

分别对这个5个判断矩阵进行一致性检验，同步骤4.1。

所述步骤5，最优远景区的确定，还包括，计算各层准则层B各项权重值和方案层C各方案对应准则层的权重值，最终计算方案层总排序权值，此权值即为各成矿远景区的潜力大小，总值为1；

首先计算准则层的权重向量B＝(b

然后计算方案层各判断矩阵的各权重向量：

B

B

B

B

B

再然后分别计算方案层对应于准则层的单排序权值：

方案一单排序权值C1＝(c

方案二单排序权值C2＝(c

方案三单排序权值C3＝(c

其中，c

最后计算层序总排序，并做一致性检验，具体计算步骤如下：

层序总排序权值向量为C＝(c1,c2,c3)，其中c1+c2+c3＝1

方案一总排序权值c1＝C1×B

方案二总排序权值c2＝C2×B

方案三总排序权值c3＝C3×B

总一致性比例为

所述步骤4和步骤5，采用层次分析法进行钠交代岩型铀矿成矿远景区成矿潜力对比评价。

本发明的有益效果为：

本发明设计的的一种基于多源数据的钠交代岩型铀矿成矿远景区潜力对比评价方法，以数学建模的方法对铀成矿远景区的潜力进行对比评价，从定量的角度解决铀成矿远景潜力大小对比问题，更具有理论说服力和数据支撑力。

附图说明

图1为本发明设计的一种基于多源数据的铀矿成矿远景区潜力对比评价方法的流程框图；

图2为本发明所述的针对铀成矿远景区潜力对比评价的层次结构模型。

具体实施方式

下面结合附图和实施例对本发明的一种基于多源数据的钠交代岩型铀矿成矿远景区潜力对比评价方法进行详细说明。

本发明属于铀矿勘查和数学建模相结合的领域，具体涉及一种基于多源数据可适用于钠交代岩型铀矿成矿远景区潜力对比评价的方法，包括以下步骤：

步骤1.航磁、航放数据处理；

步骤1.1，由于航磁和航放数据为点集数据，数据格式为网格数据格式，因此首先将航磁、航放数据的数据格式转化为栅格数据格式；

步骤1.2，航磁、航放数据的坐标系转化，将航磁、航放数据坐标值定义到相匹配且带有数值单位的坐标系中，然后导出匹配后的航磁、航放坐标数据。

步骤2.可见光高光谱遥感数据、短波红外高光谱遥感数据、热红外高光谱分辨率遥感数据进行数据预处理，还包括以下子步骤：

步骤2.1，将热红外高光谱遥感数据进行预处理，热红外高光谱遥感数据包括：大气校正、温度/发射率分离，获取地物发射率图像，通过SiO

步骤2.2，将可见光高光谱遥感数据进行预处理，可见光高光谱遥感数据包括：大气校正、镶嵌等，获取地物反射率图像，根据三价铁的光谱吸收特征，获取三价铁丰度图；

步骤2.3，将短波红外高光谱遥感数据进行预处理，短波红外高光谱遥感数据包括：大气校正、镶嵌，获取地物反射率图像，根据绿泥石的光谱吸收特征，获取绿泥石丰度图。

步骤3.选择钠交代岩型铀成矿远景区；

所述步骤3还包括：将步骤二中获取的数据，包括：SiO

步骤4.数学模型的建立；

所述步骤4，数学模型的建立包括：首先，构建层次分析数据模型，即模型架构，分为目标层A、准则层B和方案层C，目标层A即为最优成矿远景区，准则层B即为各成矿要素，方案层C即为各成矿远景区；然后，构建准则层B成对比较矩阵和方案层C判断矩阵，计算判断矩阵的一致性指标，若一致性较差，需要调整对比矩阵使其一致性满足条件；具体子步骤如下：

步骤4.1构建准则层B判断矩阵，并进行一致性检验；

所述准则层B各成矿要素有5项，分别为磁异常、放射性异常、SiO

a

标度1：表示两个因素相比，具有相同重要性；

标度3：表示两个因素相比，前者比后者稍重要；

标度5：表示两个因素相比，前者比后者明显重要；

标度7：表示两个因素相比，前者比后者强烈重要；

标度9：表示两个因素相比，前者比后者极端重要；

标度2,4,6,8：表示上述相邻判断的中间值；

标度倒数：若因素i与因素j的重要性之比为a

因此，准则层B对比矩阵如下式(1)所示，

对准则层B判断矩阵进行一致性检验，步骤如下：

首先，采用如下公式(2)计算一致性指标CI；

其中，λ

其中个，λ’

若CR＜0.1，则该判断矩阵的一致性是可以接受的，否则需要调整判断矩阵，直至CR＜0.1。

步骤4.2，构建方案层C判断矩阵，并分别进行一致性检验；

方案层C中有m个备选方案，即为m个成矿远景区，分别为C1,C2……,C

分别对这个5个判断矩阵进行一致性检验，同步骤4.1。

步骤5.最优远景区的确定，包括，计算各层准则层B各项权重值和方案层C各方案对应准则层的权重值，最终计算方案层总排序权值，此权值即为各成矿远景区的潜力大小，总值为1；

首先计算准则层的权重向量B＝(b

然后计算方案层各判断矩阵的各权重向量：

B

B

B

B

B

再然后分别计算方案层对应于准则层的单排序权值：

方案一单排序权值C1＝(c

方案二单排序权值C2＝(c

方案三单排序权值C3＝(c

其中，c

最后计算层序总排序，并做一致性检验，具体计算步骤如下：

层序总排序权值向量为C＝(c1,c2,c3)，其中c1+c2+c3＝1

方案一总排序权值c1＝C1×B

方案二总排序权值c2＝C2×B

方案三总排序权值c3＝C3×B

总一致性比例为

实施例：

首先对航磁、航放数据进行处理，转换数据格式和坐标系；然后对可见光-短波红外-热红外高光谱分辨率遥感数据处理，提取SiO

如图1所示，步骤1.航磁、航放数据处理，包括以下子步骤：

步骤1.1，由于航磁和航放数据为点集数据，数据格式为网格数据格式，因此首先需要将航磁、航放数据的数据格式转化为栅格数据格式；

步骤1.2，航磁、航放数据的坐标系转化，由于航磁、航放数据坐标值只是数字，没有单位意义，需要将其定义到正确的具有单位意义的坐标系中，然后导出具有正确坐标的数据。

注：本实施例中使用的航磁、航放数据为甘肃龙首山地区数据。

步骤2.可见光-短波红外-热红外高光谱分辨率遥感数据处理，包括以下子步骤：

步骤2.1，热红外高光谱遥感数据处理包括大气校正、温度/发射率分离、图像镶嵌等流程，其中大气校正过程中需要使用Modtran4.0模拟研究区大气透过率、上行辐射和下行辐射，温度/发射率分离使用ENVI软件中归一化法进行，其他操作和处理方法为本领域技术人员公知常识。

SiO

SiO

其中B5、B6、B12和B17中心波长分别为8.493μm、8.602μm、9.259μm和9.806μm。

令SiO

获取SiO

步骤2.2，可见光高光谱遥感数据处理包括大气校正、图像镶嵌等流程，获取地物反射率图像，

三价铁丰度计算公式(7)为：

Fe

其中B1、B2、B3和B4中心波长分别为554.7nm、611.9nm、754.9nm和826.3nm，获取三价铁丰度图。

作为备选方案，可以使用worldview-3可见光波段进行三价铁丰度提取。

步骤2.3，将短波红外高光谱遥感数据进行预处理，包括大气校正、镶嵌等，获取地物反射率图像；然后根据绿泥石的光谱吸收特征，使用ENVI软获取绿泥石丰度图。作为备选方案，可以使用绿泥石丰度计算公式进行绿泥石信息提取。

绿泥石丰度计算公式(8)为：

Chlorite＝((B30 LT B29)AND(B30 LT B32)AND(B89 LT B87)AND(B89 LT B90)AND(B94 LT B90)AND(B94 LT B96))×((B87+B90+B90+B96-B89-B94)/2……………………(8)

其中B29、B30、B32、B87、B89、B90、B94和B96为SASI数据波段代号，其中心波长分别为1370nm、1385nm、1415nm、2240nm、2270nm、2285nm和2375nm。

获取绿泥石丰度图。

注：本实施例中使用的高光谱遥感数据于2017年在甘肃龙首山地区采集的CASI-SASI-TASI航空高光谱遥感数据。

步骤3.选择钠交代岩型铀成矿远景区

将以上获取的数据进行数据融合，并加载进ArcGIS平台进行图层叠加，根据钠交代岩铀成矿要素综合分析，选出3个铀成矿远景区。

步骤4.数学模型的建立

首先，构建层次分析数据模型，即模型架构，分为目标层(A)、准则层(B)和方案层(C)(如图2)，目标层即为最优成矿远景区，准则层即为各成矿要素，方案层即为各成矿远景区；然后，构建准则层成对比较矩阵(成对比较矩阵即判断矩阵)和方案层判断矩阵，计算判断矩阵的一致性指标，若一致性较差，需要调整对比矩阵使其一致性满足条件。

具体子步骤如下：

步骤4.1构建准则层判断矩阵，并进行一致性检验。

本实施例中准则层有5项，分别为磁异常(B1)、放射性异常(B2)、SiO

表1经典的层次分析法成对比较矩阵标度

因此，准则层对比矩阵为

现在需要对该判断矩阵进行一致性检验，步骤如下：

首先，采用如下公式(2)计算一致性指标CI。

λ

然后，按如下公式(3)查找相应的平均随机一致性指标RI，此为该领域技术人员公知常识。

其中，λ’

表2平均随机一致性指标RI与矩阵阶数n对应关系表

最后，按如下公式(4)计算一致性比例CR。

经一致性判断该决策层准则层判断矩阵一致性比例CR＝0.0208＜0.1，该判断矩阵的一致性是可以接受的。

步骤4.2构建方案层判断矩阵，并分别进行一致性检验。

方案层中有3个备选方案，即为三个成矿远景区，分别为C1、C2和C3，对应于准则层，则有5个3×3的判断矩阵，分别如下：

其一致性比例为0＜0.1，该判断矩阵的一致性是可以接受的。

其一致性比例为0.0624＜0.1，该判断矩阵的一致性是可以接受的。

其一致性比例为0＜0.1，该判断矩阵的一致性是可以接受的。

其一致性比例为0＜0.1，该判断矩阵的一致性是可以接受的。

其一致性比例为0.0624＜0.1，该判断矩阵的一致性是可以接受的。

步骤5.最优远景区的确定

计算各层准则层各项权重值和方案层各方案对应准则层的权重值(即方案层单排序权值)，最终计算方案层总排序权值，此权值即为各成矿远景区的潜力大小，总值为1。

首先计算准则层的权重向量B＝(b

然后分别计算方案层对应于准则层的单排序权值：

方案一单排序权值C1＝(c

方案二单排序权值C2＝(c

方案三单排序权值C3＝(c

其中，c

最后计算层序总排序，并做一致性检验，具体计算步骤如下：

层序总排序权值向量为C＝(c1,c2,c3)，其中c1+c2+c3＝1

方案一总排序权值c1＝C1×B

方案二总排序权值c2＝C2×B

方案三总排序权值c3＝C3×B

方案一为最优方案，即第一个远景区为最优铀成矿远景区。

其一致性比例小于0.1，该判断矩阵的一致性是可以接受的。

各权重值如下表3。

表3

本次选择数据为针对钠交代岩型铀成矿远景区成矿要素，其他成矿类型选择数据要具体问题具体选择。总体上，选择的成矿要素越多，成对比较矩阵越复杂，数学建模难度和一致性检查难度越大，成矿潜力对比评价精度越高。

上面对本发明的实施例作了详细说明，本发明并不限于上述实例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。