新疆托克逊县彩虹铜多金属矿床地质特征
1
2011
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
新疆托克逊县彩虹铜多金属矿床地质特征
1
2011
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
新疆彩虹铜多金属矿床地质特征及成因探讨
1
2011
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
新疆彩虹铜多金属矿床地质特征及成因探讨
1
2011
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
新疆彩华沟铜矿物探异常特征研究
2
2011
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
... 将遥感蚀变信息应用于成矿预测的地质依据是热液型金属矿床的围岩蚀变.当围岩受到成矿热液作用时围岩组分会发生变化,围岩蚀变便是成矿物质在逐步富集过程中留下的印记,因此可将其作为热液型金属矿床的找矿标志[33 ] .一般来说,热液型金属矿床的出现会伴随着不同程度的围岩蚀变,但并非所有的围岩蚀变现象均与矿床的出现有关,因此通过遥感手段提取的蚀变异常信息一般起着指示作用.此外,异物同谱现象的存在也会引起蚀变异常信息的偏差.为了解释蚀变异常信息与矿床勘查之间的关系,以彩华沟铜多金属矿床[3 ,4 ] 和喀拉塔格—其格布查证区为例进行说明. ...
新疆彩华沟铜矿物探异常特征研究
2
2011
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
... 将遥感蚀变信息应用于成矿预测的地质依据是热液型金属矿床的围岩蚀变.当围岩受到成矿热液作用时围岩组分会发生变化,围岩蚀变便是成矿物质在逐步富集过程中留下的印记,因此可将其作为热液型金属矿床的找矿标志[33 ] .一般来说,热液型金属矿床的出现会伴随着不同程度的围岩蚀变,但并非所有的围岩蚀变现象均与矿床的出现有关,因此通过遥感手段提取的蚀变异常信息一般起着指示作用.此外,异物同谱现象的存在也会引起蚀变异常信息的偏差.为了解释蚀变异常信息与矿床勘查之间的关系,以彩华沟铜多金属矿床[3 ,4 ] 和喀拉塔格—其格布查证区为例进行说明. ...
4
1992
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
... [4 ]、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
... [4 ]、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
... 将遥感蚀变信息应用于成矿预测的地质依据是热液型金属矿床的围岩蚀变.当围岩受到成矿热液作用时围岩组分会发生变化,围岩蚀变便是成矿物质在逐步富集过程中留下的印记,因此可将其作为热液型金属矿床的找矿标志[33 ] .一般来说,热液型金属矿床的出现会伴随着不同程度的围岩蚀变,但并非所有的围岩蚀变现象均与矿床的出现有关,因此通过遥感手段提取的蚀变异常信息一般起着指示作用.此外,异物同谱现象的存在也会引起蚀变异常信息的偏差.为了解释蚀变异常信息与矿床勘查之间的关系,以彩华沟铜多金属矿床[3 ,4 ] 和喀拉塔格—其格布查证区为例进行说明. ...
4
1992
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
... [4 ]、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
... [4 ]、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
... 将遥感蚀变信息应用于成矿预测的地质依据是热液型金属矿床的围岩蚀变.当围岩受到成矿热液作用时围岩组分会发生变化,围岩蚀变便是成矿物质在逐步富集过程中留下的印记,因此可将其作为热液型金属矿床的找矿标志[33 ] .一般来说,热液型金属矿床的出现会伴随着不同程度的围岩蚀变,但并非所有的围岩蚀变现象均与矿床的出现有关,因此通过遥感手段提取的蚀变异常信息一般起着指示作用.此外,异物同谱现象的存在也会引起蚀变异常信息的偏差.为了解释蚀变异常信息与矿床勘查之间的关系,以彩华沟铜多金属矿床[3 ,4 ] 和喀拉塔格—其格布查证区为例进行说明. ...
新疆天彩金矿区地质特征和地球化学特征及矿床成因浅析
1
2014
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
新疆天彩金矿区地质特征和地球化学特征及矿床成因浅析
1
2014
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
新疆库米什地区晚石炭世—早二叠世花岗岩年代学、地球化学及其地质意义
1
2013
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
新疆库米什地区晚石炭世—早二叠世花岗岩年代学、地球化学及其地质意义
1
2013
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
新疆库米什地区忠宝钨矿矿床地质特征及成因研究
1
2013
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
新疆库米什地区忠宝钨矿矿床地质特征及成因研究
1
2013
... 库米什地区位于新疆吐鲁番托克逊县境内,目前该地区已发现彩虹铜多金属矿床[1 ,2 ] 、彩华沟铜多金属矿床[3 ,4 ] 、硫磺山多金属矿床[4 ] 、铜花山钴多金属矿床[4 ] 、天彩金矿床[5 ] 、桑树园子钨矿床[6 ] 和忠宝钨矿床[7 ] 等具有一定规模的矿床,显示出良好的找矿潜力.该地区海拔在700~2 300 m之间,地势总体上呈现出西北高、东南低的特征.相比传统找矿方法,遥感找矿技术具有宏观观测能力强、综合性强、信息量大和找矿效率高等优势.本研究区基岩裸露度高、植被覆盖率较低,为遥感地质找矿提供了良好的前提条件. ...
大数据时代数字找矿与定量评价
1
2015
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
大数据时代数字找矿与定量评价
1
2015
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
地质大数据特点及其合理开发利用
1
2019
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
地质大数据特点及其合理开发利用
1
2019
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
逻辑回归空间加权技术及其在矿产资源信息综合中的应用
1
2015
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
逻辑回归空间加权技术及其在矿产资源信息综合中的应用
1
2015
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
Logistic regression and weights of evidence modeling in mineral exploration
1
1999
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
层次分析法在综合信息矿产资源预测中的应用
1
1994
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
层次分析法在综合信息矿产资源预测中的应用
1
1994
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
基于GIS的层次分析法在张家口北部地区金矿成矿预测中的应用
1
2007
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
基于GIS的层次分析法在张家口北部地区金矿成矿预测中的应用
1
2007
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
层次分析法在塔里木盆地北缘铀成矿预测中的应用
1
2009
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
层次分析法在塔里木盆地北缘铀成矿预测中的应用
1
2009
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
层次分析—多级模糊评判法在贵州普晴锑(金)矿区综合信息成矿预测中的应用
1
2010
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
层次分析—多级模糊评判法在贵州普晴锑(金)矿区综合信息成矿预测中的应用
1
2010
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
层次分析法在琼河坝地区成矿预测中的应用
1
2014
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
层次分析法在琼河坝地区成矿预测中的应用
1
2014
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
基于GIS 的层次分析法在沽源地区铀成矿预测中的应用
1
2014
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
基于GIS 的层次分析法在沽源地区铀成矿预测中的应用
1
2014
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
层次分析法在冀北地区多金属矿找矿预测中的应用
1
2017
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
层次分析法在冀北地区多金属矿找矿预测中的应用
1
2017
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
基于层次分析法的多元信息成矿预测研究——以西藏洛扎地区为例
2
2018
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
... 结合前人研究和所掌握的资料数据,以科学性、可比较性、可度量性和可实施性筛选预测因子,建立层次结构模型(图5 ),其中A为目标层,B1~B6为准则层(B1为矿产因子,B2~B4为地质因子,B5和B6为遥感因子),C1~C18为指标层.值得注意的是,地质因子中的蚀变带(B3)和遥感因子中的羟基、铁染蚀变异常信息(B5、B6)之间并不是完全独立的,二者存在部分重叠,但考虑到地质因子中的蚀变带是已被证实的,且其数量和范围远远小于遥感技术提取的蚀变异常信息,因此蚀变带引入所造成的冗余度很小,有助于增强预测结果的准确性.此外,指标层中的缓冲区阈值的设定,对于预测结果具有十分重要的意义,阈值偏大将很难体现预测结果的价值,而阈值偏小则很难开展初步预测.一般而言,阈值是基于经验而设定的,本文采用何珊等[19 ] 的缓冲区阈值进行划分. ...
基于层次分析法的多元信息成矿预测研究——以西藏洛扎地区为例
2
2018
... 地质、矿产和遥感信息在成矿预测方面均有重要的指示意义.随着大数据时代的到来,基于GIS的成矿预测与评价逐渐完善[8 ,9 ] .目前成矿预测模型主要有数据驱动和知识驱动2类,其中数据驱动模型主要研究矿床(点)与多源成矿信息之间的关系,通过定量统计分析建立数学模型进行评价,其结果取决于样本数据的详细程度;知识驱动模型主要是通过分析已有区域地质与成矿规律方面的资料,系统总结控矿因素并根据已有经验对其赋值,进而完成评价与预测[10 ] .常用的数据驱动模型主要有证据权模型和逻辑回归模型[11 ] .由于研究区尺度(比例尺为1/20万)内所掌握的矿床(点)数量及成矿信息不足以支撑数据驱动模型,故本研究采用一种知识驱动的决策评价方法——层次分析法,试图以简单直观的方式进行初步评价.该方法可以将人的经验和思维以数字化的形式呈现,实现定性与定量相结合.利用层次分析法可以将成矿预测问题分解成若干个影响成矿概率高低的控矿因素,根据前人总结的成矿规律和经验对各层次、各因素进行相对重要性的比较并赋予一定数值,通过数学方法计算各层次、各因素的权重值,最后在GIS平台上进行空间分析,以直观显示成矿预测结果.前人通过对地质、矿产、遥感、地球化学和地球物理等数据的研究,运用层次分析法在不同地区开展成矿预测,取得了良好的找矿效果[12 ,13 ,14 ,15 ,16 ,17 ,18 ,19 ] . ...
... 结合前人研究和所掌握的资料数据,以科学性、可比较性、可度量性和可实施性筛选预测因子,建立层次结构模型(图5 ),其中A为目标层,B1~B6为准则层(B1为矿产因子,B2~B4为地质因子,B5和B6为遥感因子),C1~C18为指标层.值得注意的是,地质因子中的蚀变带(B3)和遥感因子中的羟基、铁染蚀变异常信息(B5、B6)之间并不是完全独立的,二者存在部分重叠,但考虑到地质因子中的蚀变带是已被证实的,且其数量和范围远远小于遥感技术提取的蚀变异常信息,因此蚀变带引入所造成的冗余度很小,有助于增强预测结果的准确性.此外,指标层中的缓冲区阈值的设定,对于预测结果具有十分重要的意义,阈值偏大将很难体现预测结果的价值,而阈值偏小则很难开展初步预测.一般而言,阈值是基于经验而设定的,本文采用何珊等[19 ] 的缓冲区阈值进行划分. ...
新疆库米什地区钨矿成矿远景探讨
3
2013
... 新疆库米什地区位于东天山吐—哈盆地的南缘(图1 ),该区横跨南天山、中天山和北天山3个性质不同的构造单元,被2条NWW向的逆冲断裂(中天山北缘断裂、中天山南缘断裂)分开[20 ] .区内出露地层主要有元古宇中天山群星星峡组(Ptx )黑云母斜长片岩、眼球状片麻岩夹大理岩;志留系阿哈布拉克群(Sah)泥岩、粉砂岩、石英片岩、大理岩和凝灰岩;下泥盆统阿尔彼什麦布拉克组(D1 a )石英片岩和钙质片岩夹大理岩;中泥盆统阿拉塔格组(D2 a )石英片岩、钙质千枚岩、灰岩和大理岩;上泥盆统哈孜尔布拉克组(D3 h )粉砂岩、霏细岩和灰岩;下石炭统小热泉子组(C1 x )安山岩、斜长玢岩、凝灰砾岩和火山角砾岩;下石炭统牙曼苏组(C1 y )斜长玢岩、安山玢岩、闪长玢岩、凝灰砂岩和霏细斑岩;下石炭统马鞍桥组(C1 m )灰岩和砂岩;中石炭统桑树园组(C2 s )钙质砂岩、灰岩夹泥灰岩;中石炭统底坎尔组(C2 d )长石砂岩、凝灰岩、凝灰砾岩和凝灰砂岩;下二叠统阿其克布拉克组(P1 a )砾岩、砂岩、粉砂岩夹灰岩;下—中侏罗统三工河组(J1-2 s )砂岩、粉砂岩、泥质砂岩和黏土岩;第三系鄯善群(Esh)砾岩、砂岩和黏土岩;第三系桃树园组(N1 t )砾岩和砂岩;第三系葡萄沟组(N2 p )粗砂岩、砂砾岩和黏土质泥岩,以及第四系(Q)洪积堆积、风成堆积、湖相沉积和化学沉积.区内断裂发育,主要呈NE和NW向展布,区内中部发育有一处规模较大的背斜构造,其南部发育有一处规模较小的向斜构造,枢纽走向均为NWW向.区内存在以加里东期和华力西期花岗岩为主的多期次岩浆侵入活动,花岗岩呈岩基、岩株或岩枝状沿着研究区背斜构造的轴部和两翼侵位,构成NWW向花岗岩带[20 ] .围岩蚀变主要有云英岩化、硅化、碳酸盐化、矽卡岩化、滑石化、黄钾铁矾化、绿帘石化、高岭土化、绿泥石化、钨矿化、褐铁矿化和绢云母化等.区内矿化现象较好,已发现一些矿化点[21 ] 和不同规模的矿床[20 ] (如彩华沟铜多金属矿、桑树园子钨矿和忠宝钨矿等),具有良好的找矿前景. ...
... [20 ].围岩蚀变主要有云英岩化、硅化、碳酸盐化、矽卡岩化、滑石化、黄钾铁矾化、绿帘石化、高岭土化、绿泥石化、钨矿化、褐铁矿化和绢云母化等.区内矿化现象较好,已发现一些矿化点[21 ] 和不同规模的矿床[20 ] (如彩华沟铜多金属矿、桑树园子钨矿和忠宝钨矿等),具有良好的找矿前景. ...
... [20 ](如彩华沟铜多金属矿、桑树园子钨矿和忠宝钨矿等),具有良好的找矿前景. ...
新疆库米什地区钨矿成矿远景探讨
3
2013
... 新疆库米什地区位于东天山吐—哈盆地的南缘(图1 ),该区横跨南天山、中天山和北天山3个性质不同的构造单元,被2条NWW向的逆冲断裂(中天山北缘断裂、中天山南缘断裂)分开[20 ] .区内出露地层主要有元古宇中天山群星星峡组(Ptx )黑云母斜长片岩、眼球状片麻岩夹大理岩;志留系阿哈布拉克群(Sah)泥岩、粉砂岩、石英片岩、大理岩和凝灰岩;下泥盆统阿尔彼什麦布拉克组(D1 a )石英片岩和钙质片岩夹大理岩;中泥盆统阿拉塔格组(D2 a )石英片岩、钙质千枚岩、灰岩和大理岩;上泥盆统哈孜尔布拉克组(D3 h )粉砂岩、霏细岩和灰岩;下石炭统小热泉子组(C1 x )安山岩、斜长玢岩、凝灰砾岩和火山角砾岩;下石炭统牙曼苏组(C1 y )斜长玢岩、安山玢岩、闪长玢岩、凝灰砂岩和霏细斑岩;下石炭统马鞍桥组(C1 m )灰岩和砂岩;中石炭统桑树园组(C2 s )钙质砂岩、灰岩夹泥灰岩;中石炭统底坎尔组(C2 d )长石砂岩、凝灰岩、凝灰砾岩和凝灰砂岩;下二叠统阿其克布拉克组(P1 a )砾岩、砂岩、粉砂岩夹灰岩;下—中侏罗统三工河组(J1-2 s )砂岩、粉砂岩、泥质砂岩和黏土岩;第三系鄯善群(Esh)砾岩、砂岩和黏土岩;第三系桃树园组(N1 t )砾岩和砂岩;第三系葡萄沟组(N2 p )粗砂岩、砂砾岩和黏土质泥岩,以及第四系(Q)洪积堆积、风成堆积、湖相沉积和化学沉积.区内断裂发育,主要呈NE和NW向展布,区内中部发育有一处规模较大的背斜构造,其南部发育有一处规模较小的向斜构造,枢纽走向均为NWW向.区内存在以加里东期和华力西期花岗岩为主的多期次岩浆侵入活动,花岗岩呈岩基、岩株或岩枝状沿着研究区背斜构造的轴部和两翼侵位,构成NWW向花岗岩带[20 ] .围岩蚀变主要有云英岩化、硅化、碳酸盐化、矽卡岩化、滑石化、黄钾铁矾化、绿帘石化、高岭土化、绿泥石化、钨矿化、褐铁矿化和绢云母化等.区内矿化现象较好,已发现一些矿化点[21 ] 和不同规模的矿床[20 ] (如彩华沟铜多金属矿、桑树园子钨矿和忠宝钨矿等),具有良好的找矿前景. ...
... [20 ].围岩蚀变主要有云英岩化、硅化、碳酸盐化、矽卡岩化、滑石化、黄钾铁矾化、绿帘石化、高岭土化、绿泥石化、钨矿化、褐铁矿化和绢云母化等.区内矿化现象较好,已发现一些矿化点[21 ] 和不同规模的矿床[20 ] (如彩华沟铜多金属矿、桑树园子钨矿和忠宝钨矿等),具有良好的找矿前景. ...
... [20 ](如彩华沟铜多金属矿、桑树园子钨矿和忠宝钨矿等),具有良好的找矿前景. ...
新疆托克逊县库米什铜矿地质特征
1
2005
... 新疆库米什地区位于东天山吐—哈盆地的南缘(图1 ),该区横跨南天山、中天山和北天山3个性质不同的构造单元,被2条NWW向的逆冲断裂(中天山北缘断裂、中天山南缘断裂)分开[20 ] .区内出露地层主要有元古宇中天山群星星峡组(Ptx )黑云母斜长片岩、眼球状片麻岩夹大理岩;志留系阿哈布拉克群(Sah)泥岩、粉砂岩、石英片岩、大理岩和凝灰岩;下泥盆统阿尔彼什麦布拉克组(D1 a )石英片岩和钙质片岩夹大理岩;中泥盆统阿拉塔格组(D2 a )石英片岩、钙质千枚岩、灰岩和大理岩;上泥盆统哈孜尔布拉克组(D3 h )粉砂岩、霏细岩和灰岩;下石炭统小热泉子组(C1 x )安山岩、斜长玢岩、凝灰砾岩和火山角砾岩;下石炭统牙曼苏组(C1 y )斜长玢岩、安山玢岩、闪长玢岩、凝灰砂岩和霏细斑岩;下石炭统马鞍桥组(C1 m )灰岩和砂岩;中石炭统桑树园组(C2 s )钙质砂岩、灰岩夹泥灰岩;中石炭统底坎尔组(C2 d )长石砂岩、凝灰岩、凝灰砾岩和凝灰砂岩;下二叠统阿其克布拉克组(P1 a )砾岩、砂岩、粉砂岩夹灰岩;下—中侏罗统三工河组(J1-2 s )砂岩、粉砂岩、泥质砂岩和黏土岩;第三系鄯善群(Esh)砾岩、砂岩和黏土岩;第三系桃树园组(N1 t )砾岩和砂岩;第三系葡萄沟组(N2 p )粗砂岩、砂砾岩和黏土质泥岩,以及第四系(Q)洪积堆积、风成堆积、湖相沉积和化学沉积.区内断裂发育,主要呈NE和NW向展布,区内中部发育有一处规模较大的背斜构造,其南部发育有一处规模较小的向斜构造,枢纽走向均为NWW向.区内存在以加里东期和华力西期花岗岩为主的多期次岩浆侵入活动,花岗岩呈岩基、岩株或岩枝状沿着研究区背斜构造的轴部和两翼侵位,构成NWW向花岗岩带[20 ] .围岩蚀变主要有云英岩化、硅化、碳酸盐化、矽卡岩化、滑石化、黄钾铁矾化、绿帘石化、高岭土化、绿泥石化、钨矿化、褐铁矿化和绢云母化等.区内矿化现象较好,已发现一些矿化点[21 ] 和不同规模的矿床[20 ] (如彩华沟铜多金属矿、桑树园子钨矿和忠宝钨矿等),具有良好的找矿前景. ...
新疆托克逊县库米什铜矿地质特征
1
2005
... 新疆库米什地区位于东天山吐—哈盆地的南缘(图1 ),该区横跨南天山、中天山和北天山3个性质不同的构造单元,被2条NWW向的逆冲断裂(中天山北缘断裂、中天山南缘断裂)分开[20 ] .区内出露地层主要有元古宇中天山群星星峡组(Ptx )黑云母斜长片岩、眼球状片麻岩夹大理岩;志留系阿哈布拉克群(Sah)泥岩、粉砂岩、石英片岩、大理岩和凝灰岩;下泥盆统阿尔彼什麦布拉克组(D1 a )石英片岩和钙质片岩夹大理岩;中泥盆统阿拉塔格组(D2 a )石英片岩、钙质千枚岩、灰岩和大理岩;上泥盆统哈孜尔布拉克组(D3 h )粉砂岩、霏细岩和灰岩;下石炭统小热泉子组(C1 x )安山岩、斜长玢岩、凝灰砾岩和火山角砾岩;下石炭统牙曼苏组(C1 y )斜长玢岩、安山玢岩、闪长玢岩、凝灰砂岩和霏细斑岩;下石炭统马鞍桥组(C1 m )灰岩和砂岩;中石炭统桑树园组(C2 s )钙质砂岩、灰岩夹泥灰岩;中石炭统底坎尔组(C2 d )长石砂岩、凝灰岩、凝灰砾岩和凝灰砂岩;下二叠统阿其克布拉克组(P1 a )砾岩、砂岩、粉砂岩夹灰岩;下—中侏罗统三工河组(J1-2 s )砂岩、粉砂岩、泥质砂岩和黏土岩;第三系鄯善群(Esh)砾岩、砂岩和黏土岩;第三系桃树园组(N1 t )砾岩和砂岩;第三系葡萄沟组(N2 p )粗砂岩、砂砾岩和黏土质泥岩,以及第四系(Q)洪积堆积、风成堆积、湖相沉积和化学沉积.区内断裂发育,主要呈NE和NW向展布,区内中部发育有一处规模较大的背斜构造,其南部发育有一处规模较小的向斜构造,枢纽走向均为NWW向.区内存在以加里东期和华力西期花岗岩为主的多期次岩浆侵入活动,花岗岩呈岩基、岩株或岩枝状沿着研究区背斜构造的轴部和两翼侵位,构成NWW向花岗岩带[20 ] .围岩蚀变主要有云英岩化、硅化、碳酸盐化、矽卡岩化、滑石化、黄钾铁矾化、绿帘石化、高岭土化、绿泥石化、钨矿化、褐铁矿化和绢云母化等.区内矿化现象较好,已发现一些矿化点[21 ] 和不同规模的矿床[20 ] (如彩华沟铜多金属矿、桑树园子钨矿和忠宝钨矿等),具有良好的找矿前景. ...
库米什幅1∶200000地质图
2
1959
... 新疆库米什地区位于东天山吐—哈盆地的南缘(
图1 ),该区横跨南天山、中天山和北天山3个性质不同的构造单元,被2条NWW向的逆冲断裂(中天山北缘断裂、中天山南缘断裂)分开
[20 ] .区内出露地层主要有元古宇中天山群星星峡组(Pt
x )黑云母斜长片岩、眼球状片麻岩夹大理岩;志留系阿哈布拉克群(Sah)泥岩、粉砂岩、石英片岩、大理岩和凝灰岩;下泥盆统阿尔彼什麦布拉克组(D
1 a )石英片岩和钙质片岩夹大理岩;中泥盆统阿拉塔格组(D
2 a )石英片岩、钙质千枚岩、灰岩和大理岩;上泥盆统哈孜尔布拉克组(D
3 h )粉砂岩、霏细岩和灰岩;下石炭统小热泉子组(C
1 x )安山岩、斜长玢岩、凝灰砾岩和火山角砾岩;下石炭统牙曼苏组(C
1 y )斜长玢岩、安山玢岩、闪长玢岩、凝灰砂岩和霏细斑岩;下石炭统马鞍桥组(C
1 m )灰岩和砂岩;中石炭统桑树园组(C
2 s )钙质砂岩、灰岩夹泥灰岩;中石炭统底坎尔组(C
2 d )长石砂岩、凝灰岩、凝灰砾岩和凝灰砂岩;下二叠统阿其克布拉克组(P
1 a )砾岩、砂岩、粉砂岩夹灰岩;下—中侏罗统三工河组(J
1-2 s )砂岩、粉砂岩、泥质砂岩和黏土岩;第三系鄯善群(Esh)砾岩、砂岩和黏土岩;第三系桃树园组(N
1 t )砾岩和砂岩;第三系葡萄沟组(N
2 p )粗砂岩、砂砾岩和黏土质泥岩,以及第四系(Q)洪积堆积、风成堆积、湖相沉积和化学沉积.区内断裂发育,主要呈NE和NW向展布,区内中部发育有一处规模较大的背斜构造,其南部发育有一处规模较小的向斜构造,枢纽走向均为NWW向.区内存在以加里东期和华力西期花岗岩为主的多期次岩浆侵入活动,花岗岩呈岩基、岩株或岩枝状沿着研究区背斜构造的轴部和两翼侵位,构成NWW向花岗岩带
[20 ] .围岩蚀变主要有云英岩化、硅化、碳酸盐化、矽卡岩化、滑石化、黄钾铁矾化、绿帘石化、高岭土化、绿泥石化、钨矿化、褐铁矿化和绢云母化等.区内矿化现象较好,已发现一些矿化点
[21 ] 和不同规模的矿床
[20 ] (如彩华沟铜多金属矿、桑树园子钨矿和忠宝钨矿等),具有良好的找矿前景.
图1 库米什地区地质简图(据文献[<xref ref-type="bibr" rid="R22">22</xref>]修改) 1.第四系;2.葡萄沟组;3.桃树园组;4.鄯善群;5.三工河组;6.阿其克布拉克组;7.底坎尔组;8.桑树园组;9.马鞍桥组;10.牙曼苏组;11.小热泉子组;12.哈孜尔布拉克组;13.阿拉塔格组;14.阿尔彼什麦布拉克组;15.阿哈布拉克群;16.中天山群星星峡组;17.加里东期变形花岗岩;18.华力西期花岗岩;19.辉橄岩;20.橄榄岩;21.断层;22.石膏矿点;23.石灰岩矿点;24.多金属矿点;25.褐铁矿化点;26.铁矿化点;27.铜矿(化)点;28.钨矿点 ...
... 1.第四系;2.葡萄沟组;3.桃树园组;4.鄯善群;5.三工河组;6.阿其克布拉克组;7.底坎尔组;8.桑树园组;9.马鞍桥组;10.牙曼苏组;11.小热泉子组;12.哈孜尔布拉克组;13.阿拉塔格组;14.阿尔彼什麦布拉克组;15.阿哈布拉克群;16.中天山群星星峡组;17.加里东期变形花岗岩;18.华力西期花岗岩;19.辉橄岩;20.橄榄岩;21.断层;22.石膏矿点;23.石灰岩矿点;24.多金属矿点;25.褐铁矿化点;26.铁矿化点;27.铜矿(化)点;28.钨矿点
Brief geological map of the Kumishi region (modified after reference [<xref ref-type="bibr" rid="R22">22</xref>]) Fig.1 2 遥感数据预处理 本研究采用Landsat 7 ETM+ SLC-on卫星数字产品(1999~2003)数据,数据下载自中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn ),来源于美国地质调查局(United States Geological Survey,USGS).ETM+数据共有8个波段,可见光波段(1、2、3)、近红外波段4和短波红外波段(5、7)的空间分辨率均为30 m,热红外波段6的空间分辨率为60 m,全色波段8的空间分辨率为15 m.本研究选取两景2002年10月18日无云的Landsat 7 ETM+遥感数据(轨道号分别为P142R30和P142R31). ...
![]()
库米什幅1∶200000地质图
2
1959
... 新疆库米什地区位于东天山吐—哈盆地的南缘(
图1 ),该区横跨南天山、中天山和北天山3个性质不同的构造单元,被2条NWW向的逆冲断裂(中天山北缘断裂、中天山南缘断裂)分开
[20 ] .区内出露地层主要有元古宇中天山群星星峡组(Pt
x )黑云母斜长片岩、眼球状片麻岩夹大理岩;志留系阿哈布拉克群(Sah)泥岩、粉砂岩、石英片岩、大理岩和凝灰岩;下泥盆统阿尔彼什麦布拉克组(D
1 a )石英片岩和钙质片岩夹大理岩;中泥盆统阿拉塔格组(D
2 a )石英片岩、钙质千枚岩、灰岩和大理岩;上泥盆统哈孜尔布拉克组(D
3 h )粉砂岩、霏细岩和灰岩;下石炭统小热泉子组(C
1 x )安山岩、斜长玢岩、凝灰砾岩和火山角砾岩;下石炭统牙曼苏组(C
1 y )斜长玢岩、安山玢岩、闪长玢岩、凝灰砂岩和霏细斑岩;下石炭统马鞍桥组(C
1 m )灰岩和砂岩;中石炭统桑树园组(C
2 s )钙质砂岩、灰岩夹泥灰岩;中石炭统底坎尔组(C
2 d )长石砂岩、凝灰岩、凝灰砾岩和凝灰砂岩;下二叠统阿其克布拉克组(P
1 a )砾岩、砂岩、粉砂岩夹灰岩;下—中侏罗统三工河组(J
1-2 s )砂岩、粉砂岩、泥质砂岩和黏土岩;第三系鄯善群(Esh)砾岩、砂岩和黏土岩;第三系桃树园组(N
1 t )砾岩和砂岩;第三系葡萄沟组(N
2 p )粗砂岩、砂砾岩和黏土质泥岩,以及第四系(Q)洪积堆积、风成堆积、湖相沉积和化学沉积.区内断裂发育,主要呈NE和NW向展布,区内中部发育有一处规模较大的背斜构造,其南部发育有一处规模较小的向斜构造,枢纽走向均为NWW向.区内存在以加里东期和华力西期花岗岩为主的多期次岩浆侵入活动,花岗岩呈岩基、岩株或岩枝状沿着研究区背斜构造的轴部和两翼侵位,构成NWW向花岗岩带
[20 ] .围岩蚀变主要有云英岩化、硅化、碳酸盐化、矽卡岩化、滑石化、黄钾铁矾化、绿帘石化、高岭土化、绿泥石化、钨矿化、褐铁矿化和绢云母化等.区内矿化现象较好,已发现一些矿化点
[21 ] 和不同规模的矿床
[20 ] (如彩华沟铜多金属矿、桑树园子钨矿和忠宝钨矿等),具有良好的找矿前景.
图1 库米什地区地质简图(据文献[<xref ref-type="bibr" rid="R22">22</xref>]修改) 1.第四系;2.葡萄沟组;3.桃树园组;4.鄯善群;5.三工河组;6.阿其克布拉克组;7.底坎尔组;8.桑树园组;9.马鞍桥组;10.牙曼苏组;11.小热泉子组;12.哈孜尔布拉克组;13.阿拉塔格组;14.阿尔彼什麦布拉克组;15.阿哈布拉克群;16.中天山群星星峡组;17.加里东期变形花岗岩;18.华力西期花岗岩;19.辉橄岩;20.橄榄岩;21.断层;22.石膏矿点;23.石灰岩矿点;24.多金属矿点;25.褐铁矿化点;26.铁矿化点;27.铜矿(化)点;28.钨矿点 ...
... 1.第四系;2.葡萄沟组;3.桃树园组;4.鄯善群;5.三工河组;6.阿其克布拉克组;7.底坎尔组;8.桑树园组;9.马鞍桥组;10.牙曼苏组;11.小热泉子组;12.哈孜尔布拉克组;13.阿拉塔格组;14.阿尔彼什麦布拉克组;15.阿哈布拉克群;16.中天山群星星峡组;17.加里东期变形花岗岩;18.华力西期花岗岩;19.辉橄岩;20.橄榄岩;21.断层;22.石膏矿点;23.石灰岩矿点;24.多金属矿点;25.褐铁矿化点;26.铁矿化点;27.铜矿(化)点;28.钨矿点
Brief geological map of the Kumishi region (modified after reference [<xref ref-type="bibr" rid="R22">22</xref>]) Fig.1 2 遥感数据预处理 本研究采用Landsat 7 ETM+ SLC-on卫星数字产品(1999~2003)数据,数据下载自中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn ),来源于美国地质调查局(United States Geological Survey,USGS).ETM+数据共有8个波段,可见光波段(1、2、3)、近红外波段4和短波红外波段(5、7)的空间分辨率均为30 m,热红外波段6的空间分辨率为60 m,全色波段8的空间分辨率为15 m.本研究选取两景2002年10月18日无云的Landsat 7 ETM+遥感数据(轨道号分别为P142R30和P142R31). ...
![]()
矿化蚀变信息的遥感提取方法综述
2
2005
... 遥感蚀变异常信息是一种弱信息[23 ] ,因此遥感蚀变信息的提取对遥感图像的要求较高,一般要求在冰雪覆盖较少、植被发育较弱的季节获取遥感数据,同时该时相的云量也要较少.但是受地形地貌的影响,有些因素仅靠数据时相的选择难以克服,比如阴影、水体、高山上的冰雪和第四系等,因此一般可以采用掩膜的方法来解决,使得这些较强的干扰信息不参与统计分析.由于研究区范围内图像无水体、云和冰雪,所以只需去除植被、阴影和第四系信息的干扰. ...
... Hunt等[27 ] 于20世纪70年代开始系统地测定各种岩石、矿物的可见光—近红外光谱,总结出一系列岩石、矿物在不同波段所表现的光谱特性和变化规律,这为矿化蚀变信息的提取奠定了基础.前人对于遥感蚀变信息的提取相继提出了众多行之有效的方法,如波段比值变换法、主成分分析法、光谱角填图法、对应分析法、Gram-Schmidt投影方法、混合像元分解法和MPH(Mask PCA and HIS)等方法[23 ] .Crosta等[28 ] 于1989年采用PCA(TM1、TM3、TM4、TM5)和PCA(TM1、TM4、TM5、TM7)对巴西米纳斯吉拉斯州西部的亚热带地区残积土壤进行铁染、羟基蚀变信息填图.随后该技术被广泛应用于TM/ETM+遥感图像的铁染、羟基异常蚀变信息的提取,被称为Crosta技术. ...
矿化蚀变信息的遥感提取方法综述
2
2005
... 遥感蚀变异常信息是一种弱信息[23 ] ,因此遥感蚀变信息的提取对遥感图像的要求较高,一般要求在冰雪覆盖较少、植被发育较弱的季节获取遥感数据,同时该时相的云量也要较少.但是受地形地貌的影响,有些因素仅靠数据时相的选择难以克服,比如阴影、水体、高山上的冰雪和第四系等,因此一般可以采用掩膜的方法来解决,使得这些较强的干扰信息不参与统计分析.由于研究区范围内图像无水体、云和冰雪,所以只需去除植被、阴影和第四系信息的干扰. ...
... Hunt等[27 ] 于20世纪70年代开始系统地测定各种岩石、矿物的可见光—近红外光谱,总结出一系列岩石、矿物在不同波段所表现的光谱特性和变化规律,这为矿化蚀变信息的提取奠定了基础.前人对于遥感蚀变信息的提取相继提出了众多行之有效的方法,如波段比值变换法、主成分分析法、光谱角填图法、对应分析法、Gram-Schmidt投影方法、混合像元分解法和MPH(Mask PCA and HIS)等方法[23 ] .Crosta等[28 ] 于1989年采用PCA(TM1、TM3、TM4、TM5)和PCA(TM1、TM4、TM5、TM7)对巴西米纳斯吉拉斯州西部的亚热带地区残积土壤进行铁染、羟基蚀变信息填图.随后该技术被广泛应用于TM/ETM+遥感图像的铁染、羟基异常蚀变信息的提取,被称为Crosta技术. ...
1
2013
... (1)植被的去除.由于归一化差值植被指数(Normalized Difference Vegetation Index,NDVI)是植被生长状态及植被覆盖度的最佳指示因子,且增强了对植被的响应能力[24 ] ,所以可通过NDVI来提取植被信息,从而完成剔除.计算公式如下: ...
1
2013
... (1)植被的去除.由于归一化差值植被指数(Normalized Difference Vegetation Index,NDVI)是植被生长状态及植被覆盖度的最佳指示因子,且增强了对植被的响应能力[24 ] ,所以可通过NDVI来提取植被信息,从而完成剔除.计算公式如下: ...
山地丘陵区遥感影像阴影检测与去除方法
1
2013
... (2)阴影的去除.本研究采用阴影植被指数(Shaded Vegetation Index,SVI)进行阴影的去除[25 ] .SVI增强了明亮区域、阴影区域和水体之间的差异.计算公式如下: ...
山地丘陵区遥感影像阴影检测与去除方法
1
2013
... (2)阴影的去除.本研究采用阴影植被指数(Shaded Vegetation Index,SVI)进行阴影的去除[25 ] .SVI增强了明亮区域、阴影区域和水体之间的差异.计算公式如下: ...
基于TM/ETM影像的复合法遥感蚀变异常提取应用研究
1
2013
... (3)第四系的去除.第四系为松散沉积和堆积物,存在较强烈的泥化现象,因此会对结果产生干扰,导致出现假异常[26 ] .本研究根据1/20万新疆库米什地区地质简图(图1 )对第四系进行掩膜. ...
基于TM/ETM影像的复合法遥感蚀变异常提取应用研究
1
2013
... (3)第四系的去除.第四系为松散沉积和堆积物,存在较强烈的泥化现象,因此会对结果产生干扰,导致出现假异常[26 ] .本研究根据1/20万新疆库米什地区地质简图(图1 )对第四系进行掩膜. ...
Visible and near-infrared spectra of minerals and rocks:Ⅲ.Oxides and hydroxides
1
1971
... Hunt等[27 ] 于20世纪70年代开始系统地测定各种岩石、矿物的可见光—近红外光谱,总结出一系列岩石、矿物在不同波段所表现的光谱特性和变化规律,这为矿化蚀变信息的提取奠定了基础.前人对于遥感蚀变信息的提取相继提出了众多行之有效的方法,如波段比值变换法、主成分分析法、光谱角填图法、对应分析法、Gram-Schmidt投影方法、混合像元分解法和MPH(Mask PCA and HIS)等方法[23 ] .Crosta等[28 ] 于1989年采用PCA(TM1、TM3、TM4、TM5)和PCA(TM1、TM4、TM5、TM7)对巴西米纳斯吉拉斯州西部的亚热带地区残积土壤进行铁染、羟基蚀变信息填图.随后该技术被广泛应用于TM/ETM+遥感图像的铁染、羟基异常蚀变信息的提取,被称为Crosta技术. ...
Brazil:A prospecting case history in green-stone belt terrain
1
1989
... Hunt等[27 ] 于20世纪70年代开始系统地测定各种岩石、矿物的可见光—近红外光谱,总结出一系列岩石、矿物在不同波段所表现的光谱特性和变化规律,这为矿化蚀变信息的提取奠定了基础.前人对于遥感蚀变信息的提取相继提出了众多行之有效的方法,如波段比值变换法、主成分分析法、光谱角填图法、对应分析法、Gram-Schmidt投影方法、混合像元分解法和MPH(Mask PCA and HIS)等方法[23 ] .Crosta等[28 ] 于1989年采用PCA(TM1、TM3、TM4、TM5)和PCA(TM1、TM4、TM5、TM7)对巴西米纳斯吉拉斯州西部的亚热带地区残积土壤进行铁染、羟基蚀变信息填图.随后该技术被广泛应用于TM/ETM+遥感图像的铁染、羟基异常蚀变信息的提取,被称为Crosta技术. ...
ETM+(TM)蚀变遥感异常提取方法研究与应用——地质依据和波谱前提
2
2002
... (1)铁染蚀变异常信息的提取.根据含铁离子矿物的光谱特征(含铁离子矿物在ETM+图像中的波段1和4有较强的吸收带,在波段3存在反射峰)[29 ] ,在ENVI 5.3.1软件对掩膜后图像的波段1、3、4、5进行主成分分析,得到主成分分析特征向量和特征值表(表1 ).能够代表铁染蚀变异常主分量图像的判断标准一般为:构成此主分量的特征向量,其ETM+3系数应该与ETM+1、ETM+4的系数符号相反,ETM+3一般与ETM+5系数符号相同[30 ] .当铁染蚀变信息主分量中ETM+3、ETM+5对应的特征向量载荷因子符号为正,ETM+1、ETM+4对应的特征向量载荷因子符号为负时,铁染蚀变异常位于主分量的亮值区,否则位于暗值区[31 ] . ...
... (2)羟基蚀变异常信息的提取.根据黏土类矿物(含羟基矿物)光谱特征(含羟基矿物在ETM+图像中的波段7表现为特征吸收带,在波段5呈现相对高反射)[29 ] ,在ENVI 5.3.1软件上对掩膜后图像的波段1、4、5、7进行主成分分析,得到主成分分析特征向量和特征值表(表2 ).能够代表羟基蚀变异常主分量图像的判断标准一般为:构成此主分量的特征向量,其ETM+5系数应该与ETM+4、ETM+7的系数符号相反,ETM+5一般与ETM+1系数符号相同[30 ] .当羟基蚀变信息主分量中ETM+1、ETM+5对应的特征向量载荷因子符号为正,ETM+4、ETM+7对应的特征向量载荷因子符号为负时,羟基蚀变异常位于主分量的亮值区,否则位于暗值区[31 ] . ...
ETM+(TM)蚀变遥感异常提取方法研究与应用——地质依据和波谱前提
2
2002
... (1)铁染蚀变异常信息的提取.根据含铁离子矿物的光谱特征(含铁离子矿物在ETM+图像中的波段1和4有较强的吸收带,在波段3存在反射峰)[29 ] ,在ENVI 5.3.1软件对掩膜后图像的波段1、3、4、5进行主成分分析,得到主成分分析特征向量和特征值表(表1 ).能够代表铁染蚀变异常主分量图像的判断标准一般为:构成此主分量的特征向量,其ETM+3系数应该与ETM+1、ETM+4的系数符号相反,ETM+3一般与ETM+5系数符号相同[30 ] .当铁染蚀变信息主分量中ETM+3、ETM+5对应的特征向量载荷因子符号为正,ETM+1、ETM+4对应的特征向量载荷因子符号为负时,铁染蚀变异常位于主分量的亮值区,否则位于暗值区[31 ] . ...
... (2)羟基蚀变异常信息的提取.根据黏土类矿物(含羟基矿物)光谱特征(含羟基矿物在ETM+图像中的波段7表现为特征吸收带,在波段5呈现相对高反射)[29 ] ,在ENVI 5.3.1软件上对掩膜后图像的波段1、4、5、7进行主成分分析,得到主成分分析特征向量和特征值表(表2 ).能够代表羟基蚀变异常主分量图像的判断标准一般为:构成此主分量的特征向量,其ETM+5系数应该与ETM+4、ETM+7的系数符号相反,ETM+5一般与ETM+1系数符号相同[30 ] .当羟基蚀变信息主分量中ETM+1、ETM+5对应的特征向量载荷因子符号为正,ETM+4、ETM+7对应的特征向量载荷因子符号为负时,羟基蚀变异常位于主分量的亮值区,否则位于暗值区[31 ] . ...
ETM+(TM)蚀变遥感异常提取方法研究与应用——方法选择和技术流程
3
2003
... (1)铁染蚀变异常信息的提取.根据含铁离子矿物的光谱特征(含铁离子矿物在ETM+图像中的波段1和4有较强的吸收带,在波段3存在反射峰)[29 ] ,在ENVI 5.3.1软件对掩膜后图像的波段1、3、4、5进行主成分分析,得到主成分分析特征向量和特征值表(表1 ).能够代表铁染蚀变异常主分量图像的判断标准一般为:构成此主分量的特征向量,其ETM+3系数应该与ETM+1、ETM+4的系数符号相反,ETM+3一般与ETM+5系数符号相同[30 ] .当铁染蚀变信息主分量中ETM+3、ETM+5对应的特征向量载荷因子符号为正,ETM+1、ETM+4对应的特征向量载荷因子符号为负时,铁染蚀变异常位于主分量的亮值区,否则位于暗值区[31 ] . ...
... (2)羟基蚀变异常信息的提取.根据黏土类矿物(含羟基矿物)光谱特征(含羟基矿物在ETM+图像中的波段7表现为特征吸收带,在波段5呈现相对高反射)[29 ] ,在ENVI 5.3.1软件上对掩膜后图像的波段1、4、5、7进行主成分分析,得到主成分分析特征向量和特征值表(表2 ).能够代表羟基蚀变异常主分量图像的判断标准一般为:构成此主分量的特征向量,其ETM+5系数应该与ETM+4、ETM+7的系数符号相反,ETM+5一般与ETM+1系数符号相同[30 ] .当羟基蚀变信息主分量中ETM+1、ETM+5对应的特征向量载荷因子符号为正,ETM+4、ETM+7对应的特征向量载荷因子符号为负时,羟基蚀变异常位于主分量的亮值区,否则位于暗值区[31 ] . ...
... 在阈值分割之前,对图像分别进行5×5均值滤波处理,排除孤立的散点,从而有效地反映蚀变异常信息的分布情况.由于ETM+数据及其线性处理结果近似服从正态分布,因此可以采用门限阈值进行分级处理,即以“均值+N ×标准偏差”来划分异常强度的等级[30 ,32 ] .铁染蚀变异常和羟基蚀变异常中的N 值均设定为1.5,2.0,2.5,依此将异常强度等级划分为三级、二级和一级(图2 和图3 ). ...
ETM+(TM)蚀变遥感异常提取方法研究与应用——方法选择和技术流程
3
2003
... (1)铁染蚀变异常信息的提取.根据含铁离子矿物的光谱特征(含铁离子矿物在ETM+图像中的波段1和4有较强的吸收带,在波段3存在反射峰)[29 ] ,在ENVI 5.3.1软件对掩膜后图像的波段1、3、4、5进行主成分分析,得到主成分分析特征向量和特征值表(表1 ).能够代表铁染蚀变异常主分量图像的判断标准一般为:构成此主分量的特征向量,其ETM+3系数应该与ETM+1、ETM+4的系数符号相反,ETM+3一般与ETM+5系数符号相同[30 ] .当铁染蚀变信息主分量中ETM+3、ETM+5对应的特征向量载荷因子符号为正,ETM+1、ETM+4对应的特征向量载荷因子符号为负时,铁染蚀变异常位于主分量的亮值区,否则位于暗值区[31 ] . ...
... (2)羟基蚀变异常信息的提取.根据黏土类矿物(含羟基矿物)光谱特征(含羟基矿物在ETM+图像中的波段7表现为特征吸收带,在波段5呈现相对高反射)[29 ] ,在ENVI 5.3.1软件上对掩膜后图像的波段1、4、5、7进行主成分分析,得到主成分分析特征向量和特征值表(表2 ).能够代表羟基蚀变异常主分量图像的判断标准一般为:构成此主分量的特征向量,其ETM+5系数应该与ETM+4、ETM+7的系数符号相反,ETM+5一般与ETM+1系数符号相同[30 ] .当羟基蚀变信息主分量中ETM+1、ETM+5对应的特征向量载荷因子符号为正,ETM+4、ETM+7对应的特征向量载荷因子符号为负时,羟基蚀变异常位于主分量的亮值区,否则位于暗值区[31 ] . ...
... 在阈值分割之前,对图像分别进行5×5均值滤波处理,排除孤立的散点,从而有效地反映蚀变异常信息的分布情况.由于ETM+数据及其线性处理结果近似服从正态分布,因此可以采用门限阈值进行分级处理,即以“均值+N ×标准偏差”来划分异常强度的等级[30 ,32 ] .铁染蚀变异常和羟基蚀变异常中的N 值均设定为1.5,2.0,2.5,依此将异常强度等级划分为三级、二级和一级(图2 和图3 ). ...
主成分分析技术在遥感蚀变信息提取中的应用研究综述
2
2018
... (1)铁染蚀变异常信息的提取.根据含铁离子矿物的光谱特征(含铁离子矿物在ETM+图像中的波段1和4有较强的吸收带,在波段3存在反射峰)[29 ] ,在ENVI 5.3.1软件对掩膜后图像的波段1、3、4、5进行主成分分析,得到主成分分析特征向量和特征值表(表1 ).能够代表铁染蚀变异常主分量图像的判断标准一般为:构成此主分量的特征向量,其ETM+3系数应该与ETM+1、ETM+4的系数符号相反,ETM+3一般与ETM+5系数符号相同[30 ] .当铁染蚀变信息主分量中ETM+3、ETM+5对应的特征向量载荷因子符号为正,ETM+1、ETM+4对应的特征向量载荷因子符号为负时,铁染蚀变异常位于主分量的亮值区,否则位于暗值区[31 ] . ...
... (2)羟基蚀变异常信息的提取.根据黏土类矿物(含羟基矿物)光谱特征(含羟基矿物在ETM+图像中的波段7表现为特征吸收带,在波段5呈现相对高反射)[29 ] ,在ENVI 5.3.1软件上对掩膜后图像的波段1、4、5、7进行主成分分析,得到主成分分析特征向量和特征值表(表2 ).能够代表羟基蚀变异常主分量图像的判断标准一般为:构成此主分量的特征向量,其ETM+5系数应该与ETM+4、ETM+7的系数符号相反,ETM+5一般与ETM+1系数符号相同[30 ] .当羟基蚀变信息主分量中ETM+1、ETM+5对应的特征向量载荷因子符号为正,ETM+4、ETM+7对应的特征向量载荷因子符号为负时,羟基蚀变异常位于主分量的亮值区,否则位于暗值区[31 ] . ...
主成分分析技术在遥感蚀变信息提取中的应用研究综述
2
2018
... (1)铁染蚀变异常信息的提取.根据含铁离子矿物的光谱特征(含铁离子矿物在ETM+图像中的波段1和4有较强的吸收带,在波段3存在反射峰)[29 ] ,在ENVI 5.3.1软件对掩膜后图像的波段1、3、4、5进行主成分分析,得到主成分分析特征向量和特征值表(表1 ).能够代表铁染蚀变异常主分量图像的判断标准一般为:构成此主分量的特征向量,其ETM+3系数应该与ETM+1、ETM+4的系数符号相反,ETM+3一般与ETM+5系数符号相同[30 ] .当铁染蚀变信息主分量中ETM+3、ETM+5对应的特征向量载荷因子符号为正,ETM+1、ETM+4对应的特征向量载荷因子符号为负时,铁染蚀变异常位于主分量的亮值区,否则位于暗值区[31 ] . ...
... (2)羟基蚀变异常信息的提取.根据黏土类矿物(含羟基矿物)光谱特征(含羟基矿物在ETM+图像中的波段7表现为特征吸收带,在波段5呈现相对高反射)[29 ] ,在ENVI 5.3.1软件上对掩膜后图像的波段1、4、5、7进行主成分分析,得到主成分分析特征向量和特征值表(表2 ).能够代表羟基蚀变异常主分量图像的判断标准一般为:构成此主分量的特征向量,其ETM+5系数应该与ETM+4、ETM+7的系数符号相反,ETM+5一般与ETM+1系数符号相同[30 ] .当羟基蚀变信息主分量中ETM+1、ETM+5对应的特征向量载荷因子符号为正,ETM+4、ETM+7对应的特征向量载荷因子符号为负时,羟基蚀变异常位于主分量的亮值区,否则位于暗值区[31 ] . ...
Principal components analysis for alteration mapping
1
1991
... 在阈值分割之前,对图像分别进行5×5均值滤波处理,排除孤立的散点,从而有效地反映蚀变异常信息的分布情况.由于ETM+数据及其线性处理结果近似服从正态分布,因此可以采用门限阈值进行分级处理,即以“均值+N ×标准偏差”来划分异常强度的等级[30 ,32 ] .铁染蚀变异常和羟基蚀变异常中的N 值均设定为1.5,2.0,2.5,依此将异常强度等级划分为三级、二级和一级(图2 和图3 ). ...
遥感蚀变异常在地质矿产勘查工作中的应用
1
2011
... 将遥感蚀变信息应用于成矿预测的地质依据是热液型金属矿床的围岩蚀变.当围岩受到成矿热液作用时围岩组分会发生变化,围岩蚀变便是成矿物质在逐步富集过程中留下的印记,因此可将其作为热液型金属矿床的找矿标志[33 ] .一般来说,热液型金属矿床的出现会伴随着不同程度的围岩蚀变,但并非所有的围岩蚀变现象均与矿床的出现有关,因此通过遥感手段提取的蚀变异常信息一般起着指示作用.此外,异物同谱现象的存在也会引起蚀变异常信息的偏差.为了解释蚀变异常信息与矿床勘查之间的关系,以彩华沟铜多金属矿床[3 ,4 ] 和喀拉塔格—其格布查证区为例进行说明. ...
遥感蚀变异常在地质矿产勘查工作中的应用
1
2011
... 将遥感蚀变信息应用于成矿预测的地质依据是热液型金属矿床的围岩蚀变.当围岩受到成矿热液作用时围岩组分会发生变化,围岩蚀变便是成矿物质在逐步富集过程中留下的印记,因此可将其作为热液型金属矿床的找矿标志[33 ] .一般来说,热液型金属矿床的出现会伴随着不同程度的围岩蚀变,但并非所有的围岩蚀变现象均与矿床的出现有关,因此通过遥感手段提取的蚀变异常信息一般起着指示作用.此外,异物同谱现象的存在也会引起蚀变异常信息的偏差.为了解释蚀变异常信息与矿床勘查之间的关系,以彩华沟铜多金属矿床[3 ,4 ] 和喀拉塔格—其格布查证区为例进行说明. ...
Modeling unstructured decision problems—The theory of analytical hierarchies
1
1978
... 层次分析法(Analytic Hierarchy Process,AHP)是由Saaty教授[34 ] 于20世纪70年代提出的一种简便、灵活且实用的多准则决策分析方法,该方法不断地被完善和推广[35 ,36 ] ,随后被国内引进并作了系统的论述[37 ,38 ] .通过层次分析法,可以将成矿预测分析问题分解成若干个影响成矿可能性高低的因素(本研究根据所掌握的资料选取了与成矿关系密切的矿产、地质和遥感信息作为预测因子),将其按照支配关系形成层次结构,两两比较,构建判断矩阵,求解各控矿因子的权重,建立成矿预测数学模型进行预测. ...
How to make a decision:The analytic hierarchy process
1
1990
... 层次分析法(Analytic Hierarchy Process,AHP)是由Saaty教授[34 ] 于20世纪70年代提出的一种简便、灵活且实用的多准则决策分析方法,该方法不断地被完善和推广[35 ,36 ] ,随后被国内引进并作了系统的论述[37 ,38 ] .通过层次分析法,可以将成矿预测分析问题分解成若干个影响成矿可能性高低的因素(本研究根据所掌握的资料选取了与成矿关系密切的矿产、地质和遥感信息作为预测因子),将其按照支配关系形成层次结构,两两比较,构建判断矩阵,求解各控矿因子的权重,建立成矿预测数学模型进行预测. ...
Decision making—The analytic hierarchy and network processes (AHP/ANP)
2
2004
... 层次分析法(Analytic Hierarchy Process,AHP)是由Saaty教授[34 ] 于20世纪70年代提出的一种简便、灵活且实用的多准则决策分析方法,该方法不断地被完善和推广[35 ,36 ] ,随后被国内引进并作了系统的论述[37 ,38 ] .通过层次分析法,可以将成矿预测分析问题分解成若干个影响成矿可能性高低的因素(本研究根据所掌握的资料选取了与成矿关系密切的矿产、地质和遥感信息作为预测因子),将其按照支配关系形成层次结构,两两比较,构建判断矩阵,求解各控矿因子的权重,建立成矿预测数学模型进行预测. ...
... (2)查找相应的平均随机一致性指标RI .Saaty[38 ] 最初通过求取500个随机判断矩阵的平均特征值给出了1到10阶矩阵的RI 值;许树柏[38 ] 对其进行改进,将随机样本增加到1 000个,给出了1到15阶矩阵的RI 值;Saaty[36 ] 将随机样本个数增加到50 000个,给出了1到10阶矩阵的RI 值.本文采用50 000次随机重复试验所得的RI 值,通过查表获得符合本文判断矩阵阶数的RI 值:当矩阵阶数n =6时,RI 为1.25;当矩阵阶数n =3时,RI 为0.52. ...
层次分析法——规划决策的工具
5
1984
... 层次分析法(Analytic Hierarchy Process,AHP)是由Saaty教授[34 ] 于20世纪70年代提出的一种简便、灵活且实用的多准则决策分析方法,该方法不断地被完善和推广[35 ,36 ] ,随后被国内引进并作了系统的论述[37 ,38 ] .通过层次分析法,可以将成矿预测分析问题分解成若干个影响成矿可能性高低的因素(本研究根据所掌握的资料选取了与成矿关系密切的矿产、地质和遥感信息作为预测因子),将其按照支配关系形成层次结构,两两比较,构建判断矩阵,求解各控矿因子的权重,建立成矿预测数学模型进行预测. ...
... 判断矩阵是表示本层所有的因子对上一层某个因子相对重要性的比较,这是层次分析法的关键[37 ] .通常采用9标度作为判断标准,标度代表着要素k 相对于要素l 对上层要素的重要程度,其中1表示k 与l 同等重要,3表示k 比l 稍微重要,5表示k 比l 比较重要,7表示k 比l 强烈重要,9表示k 比l 极端重要[38 ] .针对目标层A,准则层B中各因素相互比较,并赋予标度,从而构建准则层判断矩阵A -B .针对准则层Bj ,指标层C中各因素相互比较,并赋予标度,从而构建6个指标层判断矩阵Bj -C (j =1,2,…,6).因此结合前人研究资料与分析者的判断构建出7个比较判断矩阵: ...
... 层次单排序的过程是计算判断矩阵特征值与特征向量的过程,即对于判断矩阵A ,计算满足A W = λ m a x W 的特征值与特征向量.其中,λ m a x 为判断矩阵A 的最大特征值,W 为对应于λ m a x 的归一化特征向量,W 的分量便是各对应元素层次单排序的权重值[37 ] . ...
... 层次总排序的过程是计算针对上一层次而言的本层次所有元素重要性的权重值,这一过程是从上到下逐层顺序进行的,同时需要利用同一层次中所有层次单排序的结果[37 ] .设B层中有m 个元素(B 1 ,B 2 ,…,Bm ),其关于上一层A的层次总排序权重分别是b 1 ,b 2 ,…,bm ,C层中有n 个元素(C 1 ,C 2 ,…,Cn ),这n 个元素关于B层中元素Bj (j =1,2,…,m )的层次单排序权重分别是c 1 j ,c 2 j ,…,cnj ,C 层中各元素的层次总排序权重值(c 1 ,c 2 ,…,cn )计算公式如下: ...
... 为了评价层次总排序结果的一致性,同样需要进行一致性检验,因为各层次的非一致性可能累积并影响到最终的结果[37 ] .设C层中元素(C 1 ,C 2 ,…,Cn )关于B层中元素Bj (j =1,2,…,m )的层次单排序一致性指标为CIj (j =1,2,…,m ),相应的平均随机一致性指标为RIj (j =1,2,…,m ),则C层的层次总排序一致性比例CR final 为 ...
层次分析法——规划决策的工具
5
1984
... 层次分析法(Analytic Hierarchy Process,AHP)是由Saaty教授[34 ] 于20世纪70年代提出的一种简便、灵活且实用的多准则决策分析方法,该方法不断地被完善和推广[35 ,36 ] ,随后被国内引进并作了系统的论述[37 ,38 ] .通过层次分析法,可以将成矿预测分析问题分解成若干个影响成矿可能性高低的因素(本研究根据所掌握的资料选取了与成矿关系密切的矿产、地质和遥感信息作为预测因子),将其按照支配关系形成层次结构,两两比较,构建判断矩阵,求解各控矿因子的权重,建立成矿预测数学模型进行预测. ...
... 判断矩阵是表示本层所有的因子对上一层某个因子相对重要性的比较,这是层次分析法的关键[37 ] .通常采用9标度作为判断标准,标度代表着要素k 相对于要素l 对上层要素的重要程度,其中1表示k 与l 同等重要,3表示k 比l 稍微重要,5表示k 比l 比较重要,7表示k 比l 强烈重要,9表示k 比l 极端重要[38 ] .针对目标层A,准则层B中各因素相互比较,并赋予标度,从而构建准则层判断矩阵A -B .针对准则层Bj ,指标层C中各因素相互比较,并赋予标度,从而构建6个指标层判断矩阵Bj -C (j =1,2,…,6).因此结合前人研究资料与分析者的判断构建出7个比较判断矩阵: ...
... 层次单排序的过程是计算判断矩阵特征值与特征向量的过程,即对于判断矩阵A ,计算满足A W = λ m a x W 的特征值与特征向量.其中,λ m a x 为判断矩阵A 的最大特征值,W 为对应于λ m a x 的归一化特征向量,W 的分量便是各对应元素层次单排序的权重值[37 ] . ...
... 层次总排序的过程是计算针对上一层次而言的本层次所有元素重要性的权重值,这一过程是从上到下逐层顺序进行的,同时需要利用同一层次中所有层次单排序的结果[37 ] .设B层中有m 个元素(B 1 ,B 2 ,…,Bm ),其关于上一层A的层次总排序权重分别是b 1 ,b 2 ,…,bm ,C层中有n 个元素(C 1 ,C 2 ,…,Cn ),这n 个元素关于B层中元素Bj (j =1,2,…,m )的层次单排序权重分别是c 1 j ,c 2 j ,…,cnj ,C 层中各元素的层次总排序权重值(c 1 ,c 2 ,…,cn )计算公式如下: ...
... 为了评价层次总排序结果的一致性,同样需要进行一致性检验,因为各层次的非一致性可能累积并影响到最终的结果[37 ] .设C层中元素(C 1 ,C 2 ,…,Cn )关于B层中元素Bj (j =1,2,…,m )的层次单排序一致性指标为CIj (j =1,2,…,m ),相应的平均随机一致性指标为RIj (j =1,2,…,m ),则C层的层次总排序一致性比例CR final 为 ...
4
1988
... 层次分析法(Analytic Hierarchy Process,AHP)是由Saaty教授[34 ] 于20世纪70年代提出的一种简便、灵活且实用的多准则决策分析方法,该方法不断地被完善和推广[35 ,36 ] ,随后被国内引进并作了系统的论述[37 ,38 ] .通过层次分析法,可以将成矿预测分析问题分解成若干个影响成矿可能性高低的因素(本研究根据所掌握的资料选取了与成矿关系密切的矿产、地质和遥感信息作为预测因子),将其按照支配关系形成层次结构,两两比较,构建判断矩阵,求解各控矿因子的权重,建立成矿预测数学模型进行预测. ...
... 判断矩阵是表示本层所有的因子对上一层某个因子相对重要性的比较,这是层次分析法的关键[37 ] .通常采用9标度作为判断标准,标度代表着要素k 相对于要素l 对上层要素的重要程度,其中1表示k 与l 同等重要,3表示k 比l 稍微重要,5表示k 比l 比较重要,7表示k 比l 强烈重要,9表示k 比l 极端重要[38 ] .针对目标层A,准则层B中各因素相互比较,并赋予标度,从而构建准则层判断矩阵A -B .针对准则层Bj ,指标层C中各因素相互比较,并赋予标度,从而构建6个指标层判断矩阵Bj -C (j =1,2,…,6).因此结合前人研究资料与分析者的判断构建出7个比较判断矩阵: ...
... (2)查找相应的平均随机一致性指标RI .Saaty[38 ] 最初通过求取500个随机判断矩阵的平均特征值给出了1到10阶矩阵的RI 值;许树柏[38 ] 对其进行改进,将随机样本增加到1 000个,给出了1到15阶矩阵的RI 值;Saaty[36 ] 将随机样本个数增加到50 000个,给出了1到10阶矩阵的RI 值.本文采用50 000次随机重复试验所得的RI 值,通过查表获得符合本文判断矩阵阶数的RI 值:当矩阵阶数n =6时,RI 为1.25;当矩阵阶数n =3时,RI 为0.52. ...
... [38 ]对其进行改进,将随机样本增加到1 000个,给出了1到15阶矩阵的RI 值;Saaty[36 ] 将随机样本个数增加到50 000个,给出了1到10阶矩阵的RI 值.本文采用50 000次随机重复试验所得的RI 值,通过查表获得符合本文判断矩阵阶数的RI 值:当矩阵阶数n =6时,RI 为1.25;当矩阵阶数n =3时,RI 为0.52. ...
4
1988
... 层次分析法(Analytic Hierarchy Process,AHP)是由Saaty教授[34 ] 于20世纪70年代提出的一种简便、灵活且实用的多准则决策分析方法,该方法不断地被完善和推广[35 ,36 ] ,随后被国内引进并作了系统的论述[37 ,38 ] .通过层次分析法,可以将成矿预测分析问题分解成若干个影响成矿可能性高低的因素(本研究根据所掌握的资料选取了与成矿关系密切的矿产、地质和遥感信息作为预测因子),将其按照支配关系形成层次结构,两两比较,构建判断矩阵,求解各控矿因子的权重,建立成矿预测数学模型进行预测. ...
... 判断矩阵是表示本层所有的因子对上一层某个因子相对重要性的比较,这是层次分析法的关键[37 ] .通常采用9标度作为判断标准,标度代表着要素k 相对于要素l 对上层要素的重要程度,其中1表示k 与l 同等重要,3表示k 比l 稍微重要,5表示k 比l 比较重要,7表示k 比l 强烈重要,9表示k 比l 极端重要[38 ] .针对目标层A,准则层B中各因素相互比较,并赋予标度,从而构建准则层判断矩阵A -B .针对准则层Bj ,指标层C中各因素相互比较,并赋予标度,从而构建6个指标层判断矩阵Bj -C (j =1,2,…,6).因此结合前人研究资料与分析者的判断构建出7个比较判断矩阵: ...
... (2)查找相应的平均随机一致性指标RI .Saaty[38 ] 最初通过求取500个随机判断矩阵的平均特征值给出了1到10阶矩阵的RI 值;许树柏[38 ] 对其进行改进,将随机样本增加到1 000个,给出了1到15阶矩阵的RI 值;Saaty[36 ] 将随机样本个数增加到50 000个,给出了1到10阶矩阵的RI 值.本文采用50 000次随机重复试验所得的RI 值,通过查表获得符合本文判断矩阵阶数的RI 值:当矩阵阶数n =6时,RI 为1.25;当矩阵阶数n =3时,RI 为0.52. ...
... [38 ]对其进行改进,将随机样本增加到1 000个,给出了1到15阶矩阵的RI 值;Saaty[36 ] 将随机样本个数增加到50 000个,给出了1到10阶矩阵的RI 值.本文采用50 000次随机重复试验所得的RI 值,通过查表获得符合本文判断矩阵阶数的RI 值:当矩阵阶数n =6时,RI 为1.25;当矩阵阶数n =3时,RI 为0.52. ...
MAPGIS环境下实现证据权法确定最佳缓冲区
1
2011
... 倘若矿床(点)数据足够多,可以统计矿床(点)与各控矿因素缓冲区距离之间的关系,从而找出合适的缓冲区阈值.许多学者在使用证据权模型时统计了矿床点与控矿因素之间的距离关系,其结果随地区与样本数据而异,但基本都处在4 km范围内[39 ,40 ,41 ,42 ] . ...
MAPGIS环境下实现证据权法确定最佳缓冲区
1
2011
... 倘若矿床(点)数据足够多,可以统计矿床(点)与各控矿因素缓冲区距离之间的关系,从而找出合适的缓冲区阈值.许多学者在使用证据权模型时统计了矿床点与控矿因素之间的距离关系,其结果随地区与样本数据而异,但基本都处在4 km范围内[39 ,40 ,41 ,42 ] . ...
模糊证据权方法在镇沅(老王寨)地区金矿资源评价中的应用
1
2007
... 倘若矿床(点)数据足够多,可以统计矿床(点)与各控矿因素缓冲区距离之间的关系,从而找出合适的缓冲区阈值.许多学者在使用证据权模型时统计了矿床点与控矿因素之间的距离关系,其结果随地区与样本数据而异,但基本都处在4 km范围内[39 ,40 ,41 ,42 ] . ...
模糊证据权方法在镇沅(老王寨)地区金矿资源评价中的应用
1
2007
... 倘若矿床(点)数据足够多,可以统计矿床(点)与各控矿因素缓冲区距离之间的关系,从而找出合适的缓冲区阈值.许多学者在使用证据权模型时统计了矿床点与控矿因素之间的距离关系,其结果随地区与样本数据而异,但基本都处在4 km范围内[39 ,40 ,41 ,42 ] . ...
非线性理论和模糊证据权方法在内蒙古达来庙草原覆盖区钼多金属矿产预测中的应用
1
2019
... 倘若矿床(点)数据足够多,可以统计矿床(点)与各控矿因素缓冲区距离之间的关系,从而找出合适的缓冲区阈值.许多学者在使用证据权模型时统计了矿床点与控矿因素之间的距离关系,其结果随地区与样本数据而异,但基本都处在4 km范围内[39 ,40 ,41 ,42 ] . ...
非线性理论和模糊证据权方法在内蒙古达来庙草原覆盖区钼多金属矿产预测中的应用
1
2019
... 倘若矿床(点)数据足够多,可以统计矿床(点)与各控矿因素缓冲区距离之间的关系,从而找出合适的缓冲区阈值.许多学者在使用证据权模型时统计了矿床点与控矿因素之间的距离关系,其结果随地区与样本数据而异,但基本都处在4 km范围内[39 ,40 ,41 ,42 ] . ...
基于GIS的证据权重法在冀东地区多元信息成矿预测中的应用
1
2014
... 倘若矿床(点)数据足够多,可以统计矿床(点)与各控矿因素缓冲区距离之间的关系,从而找出合适的缓冲区阈值.许多学者在使用证据权模型时统计了矿床点与控矿因素之间的距离关系,其结果随地区与样本数据而异,但基本都处在4 km范围内[39 ,40 ,41 ,42 ] . ...
基于GIS的证据权重法在冀东地区多元信息成矿预测中的应用
1
2014
... 倘若矿床(点)数据足够多,可以统计矿床(点)与各控矿因素缓冲区距离之间的关系,从而找出合适的缓冲区阈值.许多学者在使用证据权模型时统计了矿床点与控矿因素之间的距离关系,其结果随地区与样本数据而异,但基本都处在4 km范围内[39 ,40 ,41 ,42 ] . ...