[發(fā)明專利]一種基于BME-GWR的水系沉積物地球化學(xué)異常制圖方法

有效

• 申請?zhí)枺?/td>: 202110697285.9
• 申請日: 2021-06-23
• 公開（公告）號: CN113408019B
• 公開（公告）日: 2022-04-22
• 發(fā)明（設(shè)計）人: 汪海城
• 申請（專利權(quán)）人: 河北地質(zhì)大學(xué)
• 主分類號: G06F30/10
• 分類號: G06F30/10;G06F30/20;G06F17/18;G06F111/08;G06F111/10
• 代理公司: 北京圣州專利代理事務(wù)所(普通合伙) 11818
• 代理人: 劉巖

本發(fā)明公開了一種基于BME?GWR的水系沉積物地球化學(xué)異常制圖方法，包括以下步驟：基于ASTGTM2DEM數(shù)據(jù)提取地形因子，地形因子包括坡度、坡向和地形起伏度信息；基于GWR方法對提取的地形因子和研究區(qū)平均降雨量信息構(gòu)建研究區(qū)的概率型軟數(shù)據(jù)模型；以1:20萬水系沉積地球化學(xué)數(shù)據(jù)為硬數(shù)據(jù)，基于BME方法對建立的概率型軟數(shù)據(jù)模型和硬數(shù)據(jù)識別研究區(qū)水系沉積物地球化學(xué)異常；對識別的水系沉積物地球化學(xué)異常與普克里格插值結(jié)果對比，并進(jìn)行插值精度和不確定性評價。本發(fā)明采用上述結(jié)構(gòu)的一種基于BME?GWR的水系沉積物地球化學(xué)異常制圖方法，提高了水系沉積物地球化學(xué)異常的識別精度和降低了不確定性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其是涉及一種基于BME-GWR的水系沉積物地球化學(xué)異常制圖方法。

背景技術(shù)

地球化學(xué)異常識別方法是地球化學(xué)勘查研究的熱點(diǎn)之一，綜合信息集成、融合與礦化相關(guān)的數(shù)據(jù)信息是解決覆蓋區(qū)地球化學(xué)信息缺失和不完整問題的有效途徑之一，對開展地球化學(xué)異常信息識別具有重要的意義。傳統(tǒng)的異常識別方法僅依賴地球化學(xué)數(shù)據(jù)進(jìn)行異常識別，常常不能得到滿意的結(jié)果。水系沉積物地球化學(xué)元素的異常分布受到表層地球化學(xué)景觀的影響，因此融合水系沉積物地球化學(xué)數(shù)據(jù)和地形影響因子等信息進(jìn)行地球化學(xué)異常識別對地球化學(xué)勘查具有重要意義。貝葉斯最大熵(Baysian Maximun Entropy,BME)方法是一種以時空隨機(jī)場理論為基礎(chǔ)的時空分析與成圖方法，能夠綜合利用同一研究區(qū)的不同時期、不同精度的地球化學(xué)數(shù)據(jù)和影響地球化學(xué)元素分布的高程、坡度等地球化學(xué)景觀因子，有效提高預(yù)測精度(Christakos,1990；1992)。地球化學(xué)異常分布受到多種相互制約因素的影響，把地形因子數(shù)據(jù)和平均降雨量等作為地球化學(xué)異常識別的輔助數(shù)據(jù)，可以彌補(bǔ)地球化學(xué)數(shù)據(jù)局部缺失數(shù)據(jù)的問題，從而提高預(yù)測的精度，降低地球化學(xué)異常識別的不確定性。因此，將BME方法應(yīng)用于地球化學(xué)異常信息識別，可以為地球化學(xué)異常的識別和評價提供新思路。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于BME-GWR的水系沉積物地球化學(xué)異常制圖方法，提高了水系沉積物地球化學(xué)異常的識別精度和降低了不確定性。

為實現(xiàn)上述目的，本發(fā)明提供了一種基于BME-GWR的水系沉積物地球化學(xué)異常制圖方法，包括以下步驟：

(1)基于ASTGTM2 DEM數(shù)據(jù)提取地形因子，地形因子包括坡度、坡向和地形起伏度信息；

(2)基于GWR方法對提取的地形因子和研究區(qū)平均降雨量信息構(gòu)建研究區(qū)的概率型軟數(shù)據(jù)模型；

(3)以1:20萬水系沉積地球化學(xué)數(shù)據(jù)為硬數(shù)據(jù)，基于BME方法對建立的概率型軟數(shù)據(jù)模型和硬數(shù)據(jù)識別研究區(qū)水系沉積物地球化學(xué)異常；

(4)對識別的水系沉積物地球化學(xué)異常與普克里格插值結(jié)果對比，并進(jìn)行插值精度和不確定性評價。

優(yōu)選的，所述基于ASTGTM2 DEM數(shù)據(jù)提取地形因子包括坡度、坡向和地形起伏度信息，包括以下步驟：

基于ArcGIS對下載的DEM數(shù)據(jù)進(jìn)行鑲嵌融合，裁剪出研究區(qū)范圍一致的DEM數(shù)據(jù)，提取坡度、坡向和地形起伏度的因子信息，并依據(jù)坡向?qū)λ党练e物的影響程度進(jìn)行分類，從小到大為315°-360°和0°-45°，45°-135°和225°-315°，135°-225°并依次賦予0-1的權(quán)重，據(jù)此對其做歸一化處理，得到歸一化的影響因子。

優(yōu)選的，基于GWR方法對提取的地形因子和研究區(qū)平均降雨量信息構(gòu)建研究區(qū)的概率軟數(shù)據(jù)模型，包括以下步驟：

首先依據(jù)降雨量對水系沉積物異常的影響程度，對其歸一化處理；

其次基于GWR方法對提取的地形因子和研究區(qū)平均降雨量信息獲取研究區(qū)的局部平均預(yù)測值，并依據(jù)預(yù)測值與實際測量值之間的差的平方作為概率軟數(shù)據(jù)的方差，得到概率軟數(shù)據(jù)的均值和方差。