基于机器学习的典型岩溶区岩性分类技术-以广西平果地区为例
Technology of classifying lithology of typical karst areas based on machine learning:Taking the Pingguo area,Guangxi as an example作者机构:国网电力空间技术有限公司北京102209 中国自然资源航空物探遥感中心北京100083 国网甘肃电力公司甘肃兰州730010
出 版 物:《中国岩溶》 (Carsologica Sinica)
年 卷 期:2024年第43卷第3期
页 面:606-616页
学科分类:081801[工学-矿产普查与勘探] 07[理学] 08[工学] 0818[工学-地质资源与地质工程] 0705[理学-地理学] 070501[理学-自然地理学]
基 金:国网总部科技项目(5500-202220144A-1-1-ZN) 国网通用航空有限公司管理咨询项目(SGST81950021N003)
摘 要:快速准确识别碳酸盐岩对于岩溶区的基础设施建设和重大工程实施十分重要,通过遥感岩性分类实现碳酸盐岩的快速提取目前仍然是最高效的途径之一。文章基于Landsat和AW3D 30DSM遥感数据,以广西平果地区典型岩溶区为研究对象,采用碳酸盐岩的可见光到短波红外的多光谱信息、熵和角二阶矩等纹理信息及曲率和坡度等地形特征,对平果地区岩溶分布区的碳酸盐岩、碎屑岩、第四系及水体进行岩性分类,在选取606个总体样本并验证303个分类样本的基础上,采用最大似然分类方法对区域岩性进行快速分类。结果表明:碳酸盐岩的生产者精度和用户精度分别达到94.54%和97.64%,基本能够实现碳酸盐岩的快速提取和准确识别的需求,在典型岩溶区的岩性分类方法中具有准确率高、实现路径简单、所需数据源易获取的特点,将为典型岩溶区的岩性快速分类提供一种新的思路。