麻栗坡地区岩性单元识别及金属元素分布规律研究

麻栗坡地区岩性单元识别及金属元素分布规律研究

论文摘要

滇东南麻栗坡地区是我国重要的钨-锡-铅多金属成矿区,由于区内地质背景复杂,岩体不同程度地遭受变质作用改造,导致岩体不易厘清。因此,本研究拟通过端元混合分析模型、统计分析等方法,以期达到识别岩性单元并总结金属元素分布规律和主要来源的目的。本文主要对该研究区内1:5万水系沉积物地球化学数据的16种金属元素进行研究。原始数据首先进行对数比变换,然后应用主成分分析方法。在获得所有主成分基础上进行一系列Q型系统聚类分析。将聚类结果与区域地质信息进行比对,以此确定端元数目。通过建立端元混合分析模型及参数反演,获得每个端元在各采样点中的贡献率以及各采样点的最大贡献端元。最后,结合系统聚类结果和端元结果,完成该地区岩性单元的识别和划分。此外,通过对16种金属元素相关性分析和R型系统聚类分析,总结元素的分布规律。综合以上内容及对应分析,探索金属元素的主要来源。基于上述研究过程,本文取得了如下研究结果:(1)广泛应用于水文地质、高光谱遥感领域的端元混合分析模型较少用于水系沉积物地球化学数据的研究中。本文尝试应用该模型,并取得了良好的结果。(2)基于全部采样点最大贡献端元的分类结果,参考系统聚类分析结果,较好的划分和识别出了研究区内玄武岩、花岗岩、片麻状花岗岩、泥质灰岩、页岩、白云质灰岩、石英砂岩、粉砂质泥岩。(3)基于对16种金属元素的系统聚类结果,发现与Fe共生的Cu、Zn、Mn、Co、Ti、Ni元素分布,指示中低温元素组合;W、Sn、Bi元素聚为一类,指示高温元素组合;Au、Hg、Sb、Pb元素趋于共生,指示低温亲硫型元素组合。金属元素分布情况和主要来源与前人在该区的研究成果是大体一致的。综合结果表明,对水系沉积物地球化学数据应用端元混合分析模型、统计分析等方法识别岩性单元是一种可行的方法。整个研究过程较好揭示了区域基础地质与地球化学元素信息的关联,为开展进一步的勘查研究工作提供了思路和参考。

论文目录

  • 摘要
  • abstract
  • 1 引言
  •   1.1 选题背景与研究意义
  •   1.2 研究现状及存在问题
  •     1.2.1 岩性单元识别研究现状
  •     1.2.2 端元混合分析模型研究现状
  •     1.2.3 多维数据可视化研究现状
  •     1.2.4 存在问题
  •   1.3 研究目标
  •   1.4 研究内容与技术路线
  •     1.4.1 研究内容
  •     1.4.2 技术路线
  •   1.5 创新点
  •   1.6 论文组织结构
  • 2 区域地质背景
  •   2.1 研究区概况
  •     2.1.1 自然地理概况
  •     2.1.2 区域地质概况
  •     2.1.3 区域元素组合异常情况
  •   2.2 研究数据介绍
  •   2.3 本章小结
  • 3 水系沉积物地球化学数据处理方法
  •   3.1 成分数据分析方法
  •     3.1.1 成分数据概念
  •     3.1.2 对数比变换处理
  •   3.2 岩性单元识别研究方法
  •     3.2.1 主成分分析法
  •     3.2.2 Q型系统聚类分析法
  •     3.2.3 端元混合分析模型
  •   3.3 金属元素分布规律研究方法
  •     3.3.1 相关分析法
  •     3.3.2 R型系统聚类分析法
  •     3.3.3 对应分析法
  •   3.4 本章小结
  • 4 岩性单元识别及金属元素分布规律
  •   4.1 岩性单元识别过程
  •     4.1.1 主成分分析
  •     4.1.2 Q型系统聚类分析
  •     4.1.3 端元混合分析模型
  •   4.2 岩性单元识别结果
  •   4.3 识别结果精度评估
  •   4.4 金属元素分布规律研究
  •     4.4.1 相关分析
  •     4.4.2 R型系统聚类分析
  •     4.4.3 对应分析
  •     4.4.4 分布规律总结
  •   4.5 本章小结
  • 5 总结与展望
  •   5.1 总结
  •   5.2 展望
  • 致谢
  • 参考文献
  • 附录
  • 文章来源

    类型: 硕士论文

    作者: 黄树坤

    导师: 赵洁,王文磊

    关键词: 端元混合分析,系统聚类分析,麻栗坡地区,岩性单元,水系沉积物地球化学数据

    来源: 中国地质大学(北京)

    年度: 2019

    分类: 基础科学,工程科技Ⅰ辑

    专业: 地质学,矿业工程

    单位: 中国地质大学(北京)

    分类号: P632

    DOI: 10.27493/d.cnki.gzdzy.2019.000439

    总页数: 69

    文件大小: 8574K

    下载量: 22

    相关论文文献

    • [1].由粗到细的高光谱图像多端元光谱混合分析[J]. 遥感技术与应用 2019(06)
    • [2].端元分析在长江武汉段古洪水识别中的应用[J]. 沉积学报 2020(02)
    • [3].结合局部空谱信息的高光谱图像多端元提取[J]. 沈阳理工大学学报 2020(02)
    • [4].基于粒度端元分析的甘肃天水全新世古泥流沉积事件研究[J]. 兰州大学学报(自然科学版) 2020(03)
    • [5].针对高光谱端元提取的空谱联合预处理方法[J]. 液晶与显示 2020(09)
    • [6].基于空间约简的高光谱影像端元检测研究[J]. 电子测试 2019(21)
    • [7].基于单体扩张的端元提取算法[J]. 红外技术 2016(11)
    • [8].基于端元子集优选的高光谱解混算法研究[J]. 计算机应用与软件 2016(07)
    • [9].多端元光谱混合分析综述[J]. 遥感信息 2016(05)
    • [10].基于像元纯净指数的多端元提取算法[J]. 半导体光电 2020(01)
    • [11].一种基于空谱协同的高光谱端元提取方法研究[J]. 地理空间信息 2020(02)
    • [12].一种改进的基于自动形态学的端元提取算法[J]. 激光技术 2017(01)
    • [13].粒度端元法在东海内陆架古环境重建中的应用[J]. 海洋地质与第四纪地质 2017(03)
    • [14].高光谱影像端元提取算法的进展分析与比较[J]. 遥感技术与应用 2015(06)
    • [15].端元快速提取的光谱梯度特征搜索法[J]. 测绘学报 2015(02)
    • [16].单/双端元线性模型分解混合像元的应用效果对比[J]. 闽江学院学报 2015(02)
    • [17].高光谱遥感影像端元提取算法研究进展及分类[J]. 遥感技术与应用 2015(04)
    • [18].高光谱端元自动确定与提取的迭代算法[J]. 遥感学报 2013(02)
    • [19].基于顶点成分分析法的端元提取改进算法[J]. 测绘通报 2013(07)
    • [20].基于数据场的端元提取算法研究[J]. 遥感技术与应用 2012(06)
    • [21].基于异常探测的高光谱端元提取方法研究[J]. 遥感技术与应用 2011(04)
    • [22].图像端元全自动提取方法研究[J]. 海洋测绘 2009(02)
    • [23].基于特征端元提取的像元分解方法[J]. 高技术通讯 2008(10)
    • [24].基于线性混合模型的端元提取方法综述[J]. 测绘科学 2008(S3)
    • [25].基于线性混合模型的端元提取方法综述[J]. 测绘科学 2008(S1)
    • [26].端元提取技术在高光谱图像压缩中的应用[J]. 光谱学与光谱分析 2008(07)
    • [27].典型矿物颜料混合像元几何单形体端元提取算法研究[J]. 地理信息世界 2020(05)
    • [28].一种改进的顶点成分分析端元提取算法[J]. 世界核地质科学 2016(01)
    • [29].数据约简化的高光谱影像端元提取[J]. 红外技术 2016(06)
    • [30].动态端元组合混合像元分解法在植被覆盖度动态监测中的应用——以长汀县为例[J]. 热带地理 2016(05)

    标签:;  ;  ;  ;  ;  

    麻栗坡地区岩性单元识别及金属元素分布规律研究
    下载Doc文档

    猜你喜欢