挖掘多源数据在国土地矿领域的应用
大数据在地质调查中的应用
大数据在地质调查中的应用随着科技的不断进步，大数据技术正逐渐在各行各业中得到广泛应用。
地质调查作为一项重要的技术工作，也在不断地借助大数据技术来提高调查效率和准确性。
本文将从大数据在地质调查中的应用角度来探讨该领域的发展趋势和影响。
一、大数据在地质勘探中的优势地质勘探是地球科学的一个重要分支，它通过对地球物质、能量进行探测和解释，为人类的资源开发、环境保护等提供重要数据支持。
随着科技的进步，地球工程勘探任务日益复杂，而大数据技术的兴起则使地质勘探工作得到了巨大的发展。
其中，大数据在地质勘探中的优势主要包括以下几个方面：1、数据获取大数据技术使得地质调查可以通过卫星、测绘、雷达等技术获取大量的数据，从而更加准确地把握地质勘探现状。
2、数据处理大数据能够较高效地处理和分析海量数据，与传统地质调查相比，从而更为深入和精确定位地质勘探区域最大化。
3、数据挖掘大数据技术使得地质勘探可以更为精细地进行数据挖掘，通过大数据分析得到更加准确的地质勘探结果。
二、1、采矿资源开发定位大数据分析可以更快速、更全面地收集和处理各种资源信息，合理地决定资源开发位置和资源开发思路。
如在矿产资源开发中，大数据技术可帮助勘探人员更精准地判断矿区的存在，提高矿藏探测的效率和精确度；2、震源定位大数据技术可快速完成地震观测数据的处理、分析和识别，对于震源的定位和地震的预测等方面具有重要作用。
其中，应用大数据技术的地震预测可使人们能够更好地了解地质活动情况，提早做好防震准备，保障社会安全；3、油气资源勘探大数据技术可在石油勘探全过程中发挥作用，从石油勘探前期的地质勘探、油气勘探仪器的研发及仪器调优、到油藏可采性分析和油藏开发规划等方面，都可以实现大数据的应用。
三、存在的问题和未来发展趋势1、数据风险在大数据技术应用的同时，安全、风险化管理也显得尤为重要。
对于隐私数据，需要做好数据加密、权限控制等方面工作，同时对于数据源的有效性协议化的管控与技术保障都需要提高。
人工智能在地质与勘探领域中的应用与资源发掘
人工智能在地质与勘探领域中的应用与资源发掘近年来，随着人工智能技术的飞速发展，它在各个领域都得到了广泛的应用。
在地质与勘探领域中，人工智能也展现出了巨大的潜力。
本文将探讨人工智能在地质与勘探领域中的应用，并分析其在资源发掘方面的潜在作用。
一、人工智能在地质与勘探领域中的应用1. 地震勘探地震勘探是一种常用的地下资源探测技术，通过记录和分析地震波在地下传播的情况，可以获取地下结构及储层信息。
人工智能可以在地震数据处理中发挥重要作用，通过对大量的地震数据进行深度学习和模式识别，可以实现更精确的地震勘探结果。
同时，人工智能还可以帮助预测地震风险，提高地震灾害监测和预警的准确性。
2. 地质模型建立地质模型是地质勘探的基础，它可以帮助分析地下结构和储层的特征，并进行资源评估。
人工智能可以通过对大量地质数据的处理和分析，构建出更加准确的地质模型。
例如，通过深度学习算法，可以有效地识别和分析地质层序、断层和褶皱等地质特征，提高地质模型的精度和可靠性。
3. 矿产资源勘探矿产资源勘探是地质与勘探领域中的重要任务之一，它对发现和开发矿产资源起着关键作用。
人工智能可以通过对地球物理数据、地球化学数据和遥感数据的分析，帮助准确定位矿床的位置和规模。
同时，人工智能还可以发现隐藏在大数据中的矿产资源的相关特征，提供新的矿产资源勘探方法。
二、人工智能在资源发掘中的潜在作用1. 提高资源勘探效率传统的资源勘探通常需要大量的人力和物力投入，而且往往效果有限。
人工智能技术的应用可以极大地提高资源勘探的效率。
通过深度学习和模式识别技术，可以快速分析和处理大量的地质数据，提供准确的资源勘探结果。
这将节省大量的时间和成本，并极大地增加勘探的成功率。
2. 探测深层资源传统的资源勘探常常只能探测到地下较浅的矿产资源。
而人工智能技术可以通过对大量数据的分析，挖掘地下深层的资源潜力。
通过对地震数据、地下水位数据等多源数据的集成和分析，可以发现地下更深层的矿产资源，为资源发掘提供新的思路和方法。
多源数据融合在地球物理勘探中的应用
多源数据融合在地球物理勘探中的应用随着人类不断地探索和开发地球资源，地球物理勘探这一领域也日益受到关注。
多源数据融合在地球物理勘探中的应用，也成为了一个热门的话题。
在这篇文章中，我将会就此深入探讨。
一、多源数据融合的定义和需求多源数据融合的定义是将两个或两个以上的数据源在某种方式下整合起来，从而生成更为准确和完整的信息，以促进决策支持和问题解决。
多源数据融合在地球物理勘探中的应用需求主要包括三个方面，分别是：1.数据质量改进。
不同的数据源有着不同的分辨率、观测位置、数据质量等特点，融合后可以使观测数据图像更加准确、全面。
2.获取更多的地质信息。
多个数据源融合后，可以利用其中的互补信息，从而更好地进行地质勘探和矿产资源评估。
3.提升勘探效率。
多源数据融合后，可以整合不同时间、不同位置、不同分辨率的数据，从而通过数据分析和模拟，更好地了解地下物质的分布和包含量，提高勘探效率和结果。
二、多源数据融合在地球物理勘探中的应用1.地震勘探地震勘探是一种重要的地球物理勘探方法，通过测量地震波在地下的传播，并对其数据进行解释和分析，以了解地下地质结构和构造等信息。
在地震勘探中，多源数据融合技术可以将不同的勘探方法、不同的勘探仪器所得到的数据融合在一起，从而获得更加准确的地质信息。
例如，在地震勘探中，可以同时融合地震数据、重力数据、电性数据、地质数据、地消数据等多个数据源，从而更加准确地分析岩石类型、孔隙度、韧性等物理性质，以更好地分析和评价油气藏资源。
2.磁测法磁测法是一种由地球物理学家使用磁测仪器对地球进行磁场测量，并收集、分析和解释数据的方法。
磁场对地下矿物和石质的影响，可以通过磁测方法来获得地下物体周围的磁场强度数据，从而确定地下物体的类型和位置。
在磁测法中，多源数据融合技术可以将多种地球物理数据源和数据类型相结合，并通过信号处理、滤波、分析、模拟等手段提高地质的精度和可靠性。
例如，在磁测法中，可以同时将地磁数据、重力数据、GPR数据、电推测数据、地震数据等多种数据源结合起来，从而生成更为准确和完整的地下物质模型，获得更好的勘探结果。
大数据技术在地质勘探中的应用研究
大数据技术在地质勘探中的应用研究随着时代的进步和科技的不断发展，大数据技术已经逐渐渗透到各个领域，其中，地质勘探领域也不例外。
大数据技术在地质勘探中的应用，成为了研究的热点之一。
在实际应用中，大数据技术可以扩大地质勘探的范围和深度，提高勘探的效率和准确性，促进能源开发和利用。
一、大数据技术在地震勘探中的应用地震勘探是一种常用的地质勘探手段，通过地震波在地下介质中的传播情况，获取地下的地质信息。
然而，在大数据技术之前，地震勘探只能依靠少量的地震资料来进行解释和预测。
而有了大数据技术的支持，地震勘探的数据来源就更加广泛和多元化了。
通过利用大数据技术，可以将海量地震资料进行有效整合和处理，从而提高地震勘探的准确度和可靠性。
例如，利用大数据技术来分析地震波在地下介质中的传播情况，可以确定地下介质的物理特性、构造及断层的方位、深度和形态等地质信息。
同时，还可以实现对震源参数、地震波传播速度等关键参数的有效识别和定量分析，进而来确定地下资源的储量、质量、分布情况等。
二、大数据技术在勘探安全监测方面的应用地质勘探是一个长期且风险较高的过程，因此对于勘探过程的安全监测至关重要。
使用大数据技术，可以实现对勘探过程中的各项安全参数的实时监测和分析。
例如，在地下开采过程中，可以通过传感器监测地下温度、压力、流量等参数，实时采集和处理数据，并利用大数据技术进行数据挖掘和分析。
通过这种方法，可以及时监测到潜在的安全隐患，预测地下水位的变化情况和采煤工作带来的影响等，从而保证勘探的安全性和可持续性。
另外，随着无人机、机器人等技术的不断发展，可以利用这些技术对勘探区域进行高效、全面、安全的勘探。
通过将无人机和机器人等技术与大数据技术的应用相结合，可以实现对复杂地质环境的高精度勘探、实时监测、高效探测等功能，从而提高勘探的效率和准确度。
三、大数据技术在勘探资源评价中的应用地质勘探的目的之一就是准确评估地下资源的质量和储量，以确定资源的可开采性和开采价值。
数字地球技术在地质勘探中的应用及发展
数字地球技术在地质勘探中的应用及发展地球是我们生存的家园，同时也是人类认识和探索的对象。
地质勘探是通过对地质构造、地质灾害、地下资源等方面的调查和研究，认识和了解地球现象和规律，以及获取矿产资源信息等的科学活动。
数字地球技术是一种应用现代数字技术、地球物理学、地图学等综合技术手段进行地球空间信息管理、建模、分析、模拟、可视化、决策等活动的新技术。
这一技术的应用不仅有助于加快地质勘探的速度，提高勘探效率，也可以减少自然资源开采对环境的影响，有着广泛的应用前景和发展空间。
数字地球技术在地质勘探中的应用1. 地形测绘利用Lidar和全息雷达等技术，能够高精度、高分辨率地获取地形数据。
这些数据可以帮助地质学家更精确地分析地层构造和地质灾害。
2. 空间数据分析通过空间数据库、遥感数据等技术，可以采集和存储大量三维空间数据，如地形、土壤、水文等，分析地下脉络分布、矿物含量和分布情况等。
地球信息模型也可以作为一种可视化的工具，帮助人们更好地了解地球和资源的分布情况。
3. 挖掘矿产资源数字地球技术可以帮助探矿企业更好地了解矿床位置、形态、大小和矿物品位等信息，拓展新矿区，减少不必要的勘探过程和成本。
4. 管理自然资源使用数字地球技术的地图和模型，可以对矿业、水资源等自然资源进行优化管理，以达到提高效率和减少环境对自然资源威胁。
数字地球技术的发展数字地球技术的发展是一个不断推动的过程。
近年来，特别是在大数据和人工智能的支持下，数字地球技术一直在迅速发展，不断扩大应用领域和提高技术水平。
数字化地质调查云平台作为一种新的工具，可以更好的整合、可视化多源数据，支持各类数字地质应用，也将为矿产勘探和资源管理领域的应用发展提供新的支撑技术。
同时，由于数字地球技术的底层技术是精密的测绘和3D模型技术，也在不断地向测绘、建筑、城市规划等领域渗透。
数字地球技术还在不断的探索和发展，其在地质勘探领域的应用也是在创新与发展中。
未来，将拥有更多数字化的地质调查，同时也要加强对数值模拟、在线数据分享、人工智能等新技术的研究和应用。
多源数据融合技术及其在地质矿产调查中应用
多源数据融合技术及其在地质矿产调查中应用作者：宋云露来源：《地球》2013年第02期[摘要]本文主要针对在地质矿产中调查的特点，对多源数据的融合技术中基本的概念与方法进行了介绍，同时，归纳总结了此类技术在地质矿产的调查中工作的流程、实施的步骤和应注意的事项，分析了多源数据的融合技术应用于地质矿产调查中的意义。
[关键字]多源数据融合技术地质矿产调查应用[中图分类号] TE132 [文献码] B [文章编号] 1000-405X（2013）-2-91-10引言作为一项综合性、公益性、基础性很强的基础地学中的工作，地质矿产的调查是在地学领域中对地面数据进行收集的一种主要方法。
而全面系统的对野外第一手的资料进行取准、取全是开展地质矿产的调查和填图工作中最首要与基础的任务。
随着地质矿产调查技术不断的提高，信息的种类与来源也越来越广泛。
在实际的信息应用中，由于单一信息源所给出的信息常常是较为片面的，所以将数据融合的技术应用于处理多源数据的工作当中，不仅可以让不同的地质调查手段进行优势的互补，有效的对数据中不确定的信息因素进行消除，提高调查结果的准确程度，而且还可以使各组成部分融合得出信息更充分的结果，让各项技术在地质矿产的调查过程中发挥出其综合的实力。
1数据融合的概念数据的融合主要是指通过一定的技术方法与手段，把从研究对象中所收集到的全部信息在时空的体系内统一进行综合的评价。
换言之，也就是指以不同的侧面为基础，通过各种手段所获取的信息，都可以看作是统一的不同表征。
使用数据融合技术目的在于接受不同数据源中的优点，并从其内部获得更为充分的信息。
对于地质矿产的调查而言，多源数据的融合技术主要是指非遥感和多源遥感的数据融合与多源遥感本身的数据融合。
2多源数据的融合技术在地质矿产调查工作中的应用对于地质矿产的调查工作而言，使用多源数据的融合技术其目的在于利用融合了的图像对区域内的地质矿产进行综合的解译分析，提取该区域调查工作中所需的矿产、岩浆岩、地层、构造等有效信息，从而为指导区域的调查工作开展提供依据。
地质勘查中的数据挖掘与分析
地质勘查中的数据挖掘与分析在当今的地质勘查领域，数据挖掘与分析已成为至关重要的手段，为我们深入了解地球内部结构、矿产资源分布以及地质环境变化等方面提供了有力的支持。
地质勘查工作的开展，往往需要收集大量的多源异构数据，这些数据来源广泛，包括地质调查、地球物理勘探、地球化学分析、遥感影像等。
而如何从这些海量、复杂且看似杂乱无章的数据中提取出有价值的信息，就成为了地质工作者面临的重要挑战，这也正是数据挖掘与分析大显身手的地方。
数据挖掘是从大量的数据中发现潜在模式、关系和趋势的过程。
在地质勘查中，它能够帮助我们识别地质结构的特征、预测矿产资源的分布以及评估地质灾害的风险。
例如，通过对地质构造数据的挖掘，我们可以发现不同地层之间的接触关系、褶皱和断层的分布规律，从而构建出更为准确的地质模型。
在数据挖掘的众多技术中，聚类分析是一种常用的方法。
它可以将相似的数据点聚集在一起，形成不同的类别。
比如，在对岩石样本的化学分析数据进行聚类分析时，可以将具有相似化学成分的岩石归为一类，进而推断出它们的形成环境和来源。
分类算法也是常见的手段之一，它可以根据已知的类别特征，对新的数据进行分类。
例如，根据已有的矿化特征和地质条件，对未知区域是否可能存在矿产资源进行预测。
关联规则挖掘则能够发现数据中不同变量之间的关联关系。
在地质勘查中，这有助于我们了解不同地质因素之间的相互影响。
比如，发现某种岩石类型与特定的矿物组合之间存在紧密的关联，从而为找矿提供线索。
除了数据挖掘，数据分析在地质勘查中同样发挥着关键作用。
数据分析主要是对数据进行描述性统计、探索性分析和假设检验等，以揭示数据的特征和规律。
描述性统计可以为我们提供数据的集中趋势、离散程度等基本信息。
例如，通过计算岩石样本中某种元素的均值、中位数和标准差，我们能够了解该元素在这一区域的平均含量和分布范围。
探索性数据分析则帮助我们直观地观察数据的分布、异常值和趋势。
通过绘制直方图、箱线图和散点图等，地质工作者可以快速发现数据中的异常情况，为进一步的研究提供方向。
大数据在地质资源勘查中的典型案例
一、概述地质资源勘查是指利用各种地质学方法和技术，对地球内部的各种矿产资源进行系统的、科学的、综合的调查、勘探和研究的活动。
地质资源的勘查是保障国家资源安全和经济发展的重要保障。
随着科技的不断发展，大数据技术已经在地质资源勘查中得到了广泛的应用，为地质资源的勘查和评价提供了全新的思路和方法。
二、大数据在地质资源勘查中的应用1. 数据采集与存储在地质资源勘查中，大数据技术可以帮助勘查人员进行大规模、全面、快速、精准的地质数据采集。
通过各种传感器和设备，可以实时获取地质资源的各种数据，包括地质构造、地下水位、矿藏分布等信息。
大数据技术还可以帮助地质勘查单位对这些海量的数据进行高效的存储和管理，确保数据的完整性和安全性。
2. 数据处理与分析大数据技术在地质资源勘查中还可以对采集到的海量数据进行高效的处理和分析。
通过数据挖掘、人工智能等技术手段，可以从海量的地质数据中发现隐藏的规律和趋势，为勘查人员提供更多、更准确的地质信息。
这些信息可以帮助勘查人员更好地理解地质构造、分布规律，为后续的勘查工作提供科学依据。
3. 资源评价与预测大数据技术还可以帮助地质资源勘查单位进行资源评价和预测。
通过建立地质资源数据库、地球信息系统等评台，可以将多源、多种类型的地质数据整合起来，为资源的合理开发提供决策支持。
大数据技术还可以利用历史数据和模型预测的方法，对未来地质资源进行趋势分析和预测，为资源的长期规划和管理提供科学依据。
三、大数据在地质资源勘查中的典型案例1. 云南省地质勘查局利用大数据技术进行区域地质调查云南省地质勘查局利用大数据技术建立了全省地质信息系统，整合了传统的地质调查数据、航空遥感数据、卫星遥感数据等多种数据源。
通过对这些数据进行深度挖掘和分析，成功发现了多处潜在的矿产资源点，为云南省的地质资源勘查工作提供了重要的科学依据。
2. 阿尔及利亚石油公司利用大数据技术优化油田勘探和开发阿尔及利亚石油公司利用大数据技术对油田地质数据进行了全面的数字化处理和分析。
地质勘查中的多源数据融合研究
地质勘查中的多源数据融合研究在当今的地质勘查领域，多源数据融合已成为一项至关重要的技术手段。
随着勘查技术的不断进步，我们获取地质信息的渠道越来越丰富，包括地质调查、地球物理勘探、地球化学勘探、遥感技术等。
然而，这些不同来源的数据往往具有各自的特点和局限性，如何将它们有效地融合起来，以获取更全面、更准确、更有价值的地质信息，是地质工作者面临的重要课题。
地质勘查中的多源数据可以大致分为两类：一类是直接观测数据，如地质露头的观察、岩芯的采样分析等；另一类是间接探测数据，如通过地球物理方法获取的地下电阻率、磁场强度等。
直接观测数据通常具有较高的准确性，但覆盖范围有限；而间接探测数据能够覆盖较大的区域，但解释的多解性较强。
多源数据融合的意义在于能够充分发挥各种数据的优势，弥补单一数据源的不足。
例如，在寻找矿产资源时，地球化学数据可以指示元素的异常分布，地球物理数据可以探测地下的构造和岩性变化，而地质调查数据则能提供关于地层、岩石类型和地质构造的详细信息。
将这些数据融合起来，就能够更准确地圈定矿化区域，提高找矿的成功率。
在多源数据融合的过程中，数据的预处理是至关重要的一步。
由于不同数据源的数据格式、精度、分辨率等可能存在差异，需要对其进行标准化、归一化、误差校正等处理，以确保数据的一致性和可比性。
例如，对于地球物理数据，可能需要进行滤波、反演等处理，以消除噪声和提高数据的质量。
数据融合的方法多种多样，常见的有基于统计学的方法、基于人工智能的方法和基于图像融合的方法等。
基于统计学的方法如加权平均、主成分分析等，通过对数据进行统计分析，提取出共同的特征和规律。
基于人工智能的方法如神经网络、决策树等，能够自动学习数据之间的复杂关系，实现数据的融合。
基于图像融合的方法则主要应用于遥感图像等具有空间特征的数据融合，通过像素级、特征级或决策级的融合，生成更清晰、更准确的图像。
然而，多源数据融合并非一帆风顺，其中存在着诸多挑战。
数据采集与处理技术在地质勘探中的应用与优化研究
数据采集与处理技术在地质勘探中的应用与优化研究地质勘探是对地球内部结构和地质过程的研究，对于资源勘探、环境评估和地质灾害预测等领域具有重要意义。
而在地质勘探过程中，数据采集与处理技术起着至关重要的作用。
本文将探讨数据采集与处理技术在地质勘探中的应用与优化研究。
首先，数据采集是地质勘探的基础环节。
传统的地质勘探数据采集主要依赖于人工采集和测绘手段。
然而，这种方式存在着效率低、成本高、数据准确性难以保证等问题。
随着科技的不断进步，数据采集与处理技术的应用在地质勘探中发挥出了巨大的作用。
比如，无人机等遥感技术的应用使得勘探区域的地形、地貌、地质构造等信息可以高效准确地获取。
无人机搭载的高分辨率摄像设备可以进行多角度、全方位的拍摄，为地质勘探数据提供了全新的视角。
其次，数据处理是地质勘探中不可或缺的环节。
准确、高效处理采集到的大量数据对于地质勘探的研究具有重要意义。
在过去，数据处理主要依靠传统的数据处理软件和人工分析。
然而，随着大数据技术的兴起，新一代的数据处理技术也在地质勘探中得到广泛应用。
例如，基于人工智能的数据处理技术可以实现对大数据的自动分类、分析和建模，提高了数据处理的准确性和效率。
此外，数据可视化技术的发展也使得地质勘探数据在三维空间中的展示更加直观，有助于研究人员更好地理解勘探区域的地质特征。
然而，尽管数据采集与处理技术在地质勘探中发挥了巨大的作用，仍然存在一些问题需要解决。
首先，数据采集过程中仍然存在着误差和不确定性。
例如，无人机遥感技术受到天气条件、光照等因素的影响，采集的数据精度可能存在一定的偏差。
其次，传感器技术在地质勘探中的应用还有待进一步完善。
例如，地震勘探中的传感器需要能够准确测量地震波的传播速度和方向等参数，以帮助确定地下的地质结构。
此外，数据处理过程中，如何处理大数据、如何提高算法的准确性和效率等问题也需要进一步研究。
为了解决以上问题，地质勘探中的数据采集与处理技术需要不断进行优化研究。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
FTP资源下载（FTP://124.205.245.98）
– 提供50多G遥感/ENVI资料
优酷视频
– /ENVIIDL中国
微博&QQ群
– 新浪：/enviidl
很高兴能与在座的各位合作、 帮助您们成功！
侧摆能 力 ±25°
重访时 间（天）
3~5
全色/多光 谱相机 前视相机 后视相机
1 2 3 4
-
0.51~0.85 0.52~0.59 0.63~0.69 0.77~0.89
0.50~0.80 0.50~0.80
5
10 3.5 3.5
±25°
3~5 3~5 3~5
52 52
±32° ±32°
资源三号
基于ENVI/IDL扩展的真彩色图像处理系统——珠委科学院
深圳盐田港QB卫星影像
土地利用动态监测
土地利用动态监测
2006年12月 2007年12月
水体被占用
动态监测流程
数据获取
传感器选择 时相选择（相近） 质量选择（云量）
数据预处理
正射校正（高分） 大气校正（相对） 图像配准（可选）
变化信息检测
SARscape用于矿山与城市沉降监测
地表形变监测——SBAS应用利桑半岛形变监测
利用31景Envisat ASAR 获取2003年~2010年间平均地表位移速率 [mm/year]
地表形变监测——高山基底断层控制的地质沉降监测
地表形变监测——城市地表沉降监测
地表形变监测——城市地表沉降监测
• B/S结构 • 图像处理服务器 • 客户端交互图像分析 与浏览
• 快速构建平台
• 减少系统开发风险
遥感与GIS一体化系统
北京土地利用动态监测与评价平台
首都师范大学
农业部规划院土地利用覆盖遥感监测系统
我们的服务
完整的遥感产品服务
雷达产品 服务器产品 ENVI扩展 ENVI主模块 开发语言
Atmospheric Correction 大气校正模块
正视相机
多光谱相 机
1 2 3 4
0.50~0.80 0.45~0.52 0.52~0.59 0.63~0.69 0.77~0.89
2.1
6
51
51
±32°
±32°
3~5
5
CBERS-02C和资源三号卫星属性
高分卫星提供海量信息
高分数据 预计发射时间
2012 2013 2015
卫星名
GF-1 GF-2 GF-3 GF-4 GF-5
主成分分析
矿物丰度
蚀变区域制图
基于ASTER数据的埃及中东沙漠区域矿产勘查和蚀变带制图 Saint Louis University
a 利用主成分分析的矿物指数； b n-D多维波谱空间分析后进行主成分分析
USGS在线地矿资源查询系统
遥感与GIS一体化技术
遥感
•遥感数据已经成为GIS的主要信息源 •GIS的核心组成部分之一
丰富的网络学习和交流服务
技术博客
– ENVI/IDL技术殿堂：/enviidl
• 分享遥感技术、遥感应用案例、业内动态等
论坛（/esri）
– 国内最权威的ENVI/IDL论坛 – 国内最活跃遥感技术论坛之一 – 集问题解答、资源/经验共享、系列讲座等
2016 2018
GF-6 GF-7
高分卫星发射时间与参数
纲要
挖掘影像应用价值
分享影像应用成果
我们的服务
挖掘影像应用价值
∆地理底图生产 ∆变化监测 ∆地表形变监测 ∆地矿资源调查
地理底图生产
地理底图生产流程
∆ ∆ ∆ ∆ ∆ 数据选择：高分辨率影像 几何纠正：消除几何误差 图像融合：增强多光谱数据分辨率 图像镶嵌：多幅影像拼接 图像增强：增强美观度
SARscape
E3De
ENVI for ArcGIS Server
ENVI FX 面向对象空间 特征提取模块 DEM Extraction 立体像对高程提 取模块 Orthorectificati on 正射校正模块 NITF NITF数据支持 模块
ENVI IDL
IDL Advanced 数学与统计扩展 工具包 IDL DataMiner 数据库连接工具包
数据预处理
主成分分析
阈值分割
地矿资源调查流程——基于多光谱数据
主成分分析
铁染蚀变：TM1、TM3、TM4、TM5 TM3系数与TM1 TM4系数相反 羟基蚀变：TM1、TM4、TM5、TM7 TM5系数与TM7 TM4系数相反 TM1与TM5相同
主成分分析后各成分系数
多光谱数据分析——阈值分割与提取
JPL：0.4~2.5μm三种不同粒径160种“纯”矿物的波谱 USGS：0.4~2.5μm包括近500种典型的矿物和一些植被波谱 Johns Hopkins University（JHU）：0.4~14μm IGCP246：0.4~2.5μm5部分波谱库
∆ 支持自定义波谱
地矿资源调查流程——提取端元波谱
挖掘多源数据在国土地矿领域的应用
——ENVI产品在国土地矿领域应用
高毅平 Esri China 遥感事业部
多源数据助力国土地矿领域
高分卫星提供海量信息
平台 有效载荷 2台HR相机 CBERS02C 波段号 光谱范围 （μm） 0.50~0.80 空间分辨 率（米）
2.36
幅宽 （米） 54 （两台拼 接） 60
5.
专业、完善的技术服务
北京，上海，广州 ，成都 ，西安， 沈阳，武汉七个分公司
支持热线
在2011中国遥感应用协会四届 三次常务理事会上，表彰我们 在遥感技术和应用推广方面所 做的工作
– 400-819-2881-7
支持邮箱
在线支持网站
– ENVI-IDL@
–
地理底图生产——正射纠正
正射纠正后的数据比对
地理底图生产——图像增强
增强植被信息
R：Bred G：Bandnew=a*Bgree+（1-a）*Bnir B：Bblue a是权重值，取0~1
合成蓝色波段 ---常用于SPOT、ASTER数据
R：XS2 G：(XS1+ XS2+ XS3)/3，bandmath表达式：byte((fix(b1)+b2+b3)/3) B：XS1 R：XS2 G：(XS1×3＋XS3)/4，bandmath表达式：(b1*3+b3)/3 B：XS1
图像直接比较法 分类后比较法 直接分类
变化信息提取
手工数字化 光谱分类 面向对象 图像分割
成果应用
基础数据更新 执法监督 决策支持
流程化遥感变化监测工具应用演示
城市土地覆盖变化遥感监测
监测变化工具B/S端应用展示
在线地理国情监测平台
地表形变监测
地表形变监测——ENVI SARscape流程化处理
地理信息系统
•遥感数据有赖于GIS的有效管理与共享 •强大的GIS空间分析功能，全面提升影像价值
ENVI/IDL与ArcGIS一体化集成开发
ENVI/IDL与ArcGIS 桌面定制
• 桌面SDK
• Python、VBA 等 • 简单、灵活
ENVI/IDL与ArcGIS Engine
• 组件式开发
ENVI/IDL与ArcGIS Server
在确定图像某个成分具有蚀变信息后，可以针对该成分的 图像进行阈值分割
利用多光谱数据提取的成矿带
基于ASTER数据的埃及中东沙漠区域矿产勘查和蚀变带制图
传统方法
监督/非监督 分类
波谱分析
波谱角制图
最小能量约束
端元收集
波段比值计算
相关性分析
混合像元分解
主成分分析
光谱特性拟合
n-D多维波谱 空间
蚀变区域监测
11天
22天
33天
44天
55天
பைடு நூலகம்66天
地矿资源调查
地矿资源调查流程——基于高光谱数据
∆ 数据选择：MODIS、AVIRIS等 ∆ 预处理 ∆ 针对高光谱：波谱角比较分析
高光谱影像数据获取
数据预处理
几何校正 图像融合 正射纠正
波谱识别
高光谱地矿信息提取
地矿资源调查流程——波谱库
∆ ENVI自带多种标准波谱库
ENVI/IDL的特点
1. 2. 3. 4. 先进、可靠的影像信息提取工具——全套影像信息智能化提取 工具,全面提升影像的价值。 专业的光谱分析——高光谱分析一直处于世界领先地位。 随心所欲扩展新功能——底层的IDL语言可以帮助用户轻松地 添加、扩展ENVI的功能，甚至开发定制自己的专业遥感平台。 流程化图像处理工具——ENVI将众多主流的图像处理过程集成 到流程化（Workflow）图像处理工具中，进一步提高了图像处 理的效率。 与ArcGIS的整合——从2007年开始，与Esri公司的全面合作, 为遥感和GIS的一体化集成提供了一个最佳的解决方案。
纯净像元提取 端元波谱收集
源图像
可选的纯净像元
地矿资源调查流程——波谱比对物质识别
波谱角分析方法
利用高光谱分析功能提取岩矿结果
地矿资源调查流程——基于多光谱数据
数据选取：多光谱数据 主成分分析：将多光谱图像中各个 波段那些高度相关的信息集中到少数 几个波段并尽可能保证这些波段 的信息互不相关
数据选择
传感器
2m全色/8m多光谱/16m宽幅多光谱 1m全色/4m多光谱 1m C-SAR合成孔径雷达 50m地球同步轨道凝视相机 可见短波红外高光谱相机 全谱段光谱成像仪 大气气溶胶多角度偏振探测仪 大气痕量气体差分吸收光谱仪 大气主要温室气体监测仪 大气环境红外甚高分辨率探测仪 2m全色/8m多光谱/16m宽幅多光谱 高空间立体测绘