简介:金矿遥感异常在金矿资源综合评价与定位预测中发挥着重要作用。根据蚀变岩在可见光和近红外光谱区的诊断性波谱特征,在中等植被覆盖区利用各种方法手段压抑或排除环境因素的干扰可以提取出金矿蚀变信息;根据金的植被遥感异常理论,在植被覆盖区可以通过提取异常植被信息的方法来获得与金矿找矿有关的信息。1,运用矿物指数乘性因子法对四川省九寨沟县草地金矿区及外围进行金矿蚀变信息提取,所提取的金矿蚀变信息与该区解译构造预测结果对比,二者吻合度较高。2.对比研究了黑龙江呼玛地区与金矿有关的植被遥感异常特征,提取结果表明:这种异常主要分布在以兴隆沟为中心的大型环块构造区和沿黑龙江西岸新街基一呼吗一线北西向构造带内。
简介:利用CROPWAT作物模型模拟分析了过去50年(1961—2010年)及IPCCRCPs情景下未来2020年代(2020—2029年)中国小麦需水量的变化情况。在此基础上,以小麦需水量的变化率作为敏感性因子,对RCP4.5和RCP8.5排放情景下中国小麦需水量的敏感性进行了探讨。结果表明:中国小麦多年平均需水量约为1056.4亿m3,最高值位于黄淮海地区。小麦需水量对气候变化的敏感性存在空间差异,华北和西北地区是小麦需水量的重度和极度敏感区,东北地区以及云贵高原地带是小麦需水量的轻度敏感区,而中国中部及南方部分地区的小麦需水量对气候变化不敏感。不同RCP排放情景下小麦需水量的敏感性分布不同,RCP8.5高排放情景下的小麦需水量敏感性区域比RCP4.5中排放情景下明显扩大,轻度和中度敏感区域扩大尤为明显。
简介:常规Hilbert-Huang变换法中固有模态函数分量包含太宽的频率范围,且在低频区域会产生错误的频谱特征,不能分离出低能量信号成分,为克服常规方法存在的问题,须将小波分解法与Hilbert-Huang变换法相结合.首先利用小波分解方法将地震数据分解成窄带信号,然后进行经验模态分解,基于小波分解的Hilbert-Huang变换方法充分发挥两种时频分析方法的优势,有利于提高时频分析和瞬时属性提取的精度.将改进的Hilbert-Huang变换方法应用到模拟信号和实际地震数据处理中,时频分析和地震属性提取结果表明,二维时频谱具有较好的时频分辨率,瞬时地震属性具有明确的物理意义,在断层预测和储层精细描述中具有较高的应用价值.
简介:从大量的地震属性中提取最能反映地质特征的综合属性是储层预测技术的关键,通常选用降维方法来优选属性。目前应用最为广泛的线性降维方法。但是,由于地震属性与地质特征的关系通常是非线性的,基于线性变换的地震属性降维优化方法不能充分地反映这种非线性关系,降低了储层预测的精度。流形学习是一种新的非线性学习方法,它是通过保持数据局部结构的方式将高维数据投影到低维空间,挖掘和发现隐藏在数据中的内在特征与规律性,开拓了地震属性降维优化研究的新领域。本文首次实现了3D地震数据的层问属性特征提取,讨论了LLE方法及其关键技术,并以奥陶系礁滩相储层实例说明LLE和PCA两种方法降维及聚类的不同效果。理论模型分析和实例应用表明:LLE较好地保持了数据本身的原始结构;提取的综合属性和聚类相图较好地刻画了沉积相带、储层和流体的特征。这说明流形学习具有更好的特征提取性能。