Knowledge Resource Center for Ecological Environment in Arid Area
DOI | 10.26914/c.cnkihy.2021.036385 |
基于水系沉积物的玄武岩岩性填图:以集宁浅覆盖区为例 | |
葛云钊; 张振杰; 成秋明; 武国朋 | |
英文摘要 | 地质填图是矿产普查和勘探中的一种基本工作方法,即查明矿区的地质构造特征和矿产形成、赋存地质条件,绘制一定比例尺的地质图。近年来,通过结合地球物理[1]、地球化学[2]、遥感数据[3],机器学习方法在地质填图中具有广泛应用。然而在覆盖区地质填图中,由于火山岩层等地质覆盖层或沙漠、植被等地理覆盖层的影响,遥感数据具有信息不完整或信息变弱的特点,出于经济及保密要求的考虑,大尺度高精度的地球物理数据也难以获取。此外,在传统的地质填图过程中,研究者通常根据地质图选取训练样本点,而这些地质图往往依据野外露头内插外推得到,本身具有不确定性。集宁浅覆盖区富集斑岩型钼矿及一系列铅-锌-金矿床[4],然而60%的面积被新生代沉积物及新近纪汉诺坝组玄武岩覆盖,这会导致成矿信息受到屏蔽和衰减,以及成矿信息和背景信息的叠加,因此识别该区域的玄武岩层可对进一步的找矿勘查提供资料依据。本文基于2341个野外实测点,采用混淆矩阵评估地质图的误差;利用主成分分析和接收者操作特征曲线(receiver operating characteristic curve,即ROC曲线)分析16种微量元素(水系沉积物地球化学数据,共3824个样本点)与玄武岩层的相关性;将野外实测点按7:3比例分为训练样本和测试样本,采用支持向量机(SVM)和随机森林(RF)进行玄武岩岩性填图;结合ROC曲线及准确率、精确率、召回率等指标评价两种模型性能;采用浓度-面积分形模型(concentration-area fractal model即C-A模型)进行预测概率的阈值划分,最终基于哨兵2号数据对预测区域进行验证分析。研究表明使用野外岩性点作为训练标签,水系沉积物地球化学作为训练数据,采用SVM、RF等机器学习方法在地质填图中具有良好的应用前景。 |
英文关键词 | 地质填图 水系沉积物地球化学 随机森林 支持向量机 C-A分形模型 |
来源出版物 | 首届全国矿产勘查大会论文集 |
出版年 | 2021 |
页码 | 1 |
中图法分类号 | P628 |
资源类型 | 会议论文 |
条目标识符 | http://119.78.100.177/qdio/handle/2XILL650/373014 |
作者单位 | 中国地质大学(北京)地球科学与资源学院;中国地质大学(北京)地质过程与矿产资源国家重点实验室 |
推荐引用方式 GB/T 7714 | 葛云钊,张振杰,成秋明,等. 基于水系沉积物的玄武岩岩性填图:以集宁浅覆盖区为例[C],2021:1. |
条目包含的文件 | 条目无相关文件。 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[葛云钊]的文章 |
[张振杰]的文章 |
[成秋明]的文章 |
百度学术 |
百度学术中相似的文章 |
[葛云钊]的文章 |
[张振杰]的文章 |
[成秋明]的文章 |
必应学术 |
必应学术中相似的文章 |
[葛云钊]的文章 |
[张振杰]的文章 |
[成秋明]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。