新疆雪米斯坦铀成矿有利区高光谱遥感识别方法研究

第2期
5结论
核应急作为核安全的最后一道防线，快速、有效的时空信息支持，是核应急准备科学化、核应急响应和恢复精准化的重要保障，卫星遥感具备快、精、准、广的核应急关联时空信息获取优势，其推广应用，对于“纵深防御、预防为主”和控制与消减核事故对公众与环境造成的影响，具有重要意义。

通过对国外主要国家核应急遥感应用现状和我国核应急需求和“高分”卫星特点分析，可以得到以下几点结论：
1）卫星遥感技术起步早，经过在各类不同针对性的演习演练和核应急实战中的迭代优化，国外主要国家已把卫星遥感作为核应急领域的必备技术手段之一。

2）随着我国核能行业的不断发展，对核应急业务提出了更高要求。

支撑核应急业务的基础地理要素，开展国际核应急业务等对遥感卫星数据产品、尤其是高分辨率卫星数据产品具有现实的要求。

3）我国高分重大专项的实施使我国卫星遥感技术能力得到大幅提升，结合国际核应急领域卫星遥感应用现状以及“高分”卫星参数特点，能够提供基础地理信息、核设施及环境监测专题信息以及决策分析专题图等，从而为不同阶段的核应急业务提供支持。

4）研究如何充分发挥“高分”卫星遥感技术优势，形成行业性统一规范，并加强应用，对于促进核应急科技创新及响应水平的提升具有重要意义。

参考文献/References：
［1］张廷克，李闽榕，尹卫平，等.中国核能发展报告（2021）［M］.北京：社会科学文献出版社，2021：32-48.
ZHANG Tingke，LI Minrong，YIN Weiping，et al.The
report on the development of China’s nuclear energy
（2021）［M］.Beijing：Social Sciences Academic Press，
2021：32-48（in Chinese）.
［2］郭天超，孙善星，张文娟."碳中和"目标下核能积极有序发展策略研究［J］.中国能源，2021（5）：44-50.
GUO Tianchao，SUN Shanxing，ZHANG Wenjuan.
Research on the active and orderly development
strategy of nuclear energy under the goal of carbon
neutrality［J］.Energy of China，2021（5）：44-50（in
Chinese）.
［3］王建强，戴志敏，徐洪杰.核能综合利用研究现状与展望［J］.中国科学院院刊，2019，34（4）：460-468.
WANG Jianqiang，DAI Zhimin，XU Hongjie.Research
status and prospect of comprehensive utilization of
nuclear energy［J］.Bulletin of Chinese Academy of
Sciences，2019，34（4）：460-468（in Chinese）.［4］邹旸，邹树梁.我国核应急发展现状与前沿动态研究［J］.中国核电，2020，13（1）：114-119.
ZOU Yang，ZOU Shuliang.Study on the frontier
dynamics and development status of nuclear emergency
in China［J］.China Nuclear Power，2020，13（1）：114-
119（in Chinese）.
［5］王兵，曾会彬.福岛核事故后核电厂核应急管理探讨［J］.辐射防护通讯，2019，39（4）：23-26.
WANG Bing，ZENG Huibin.Preliminary discussion on
nuclear emergency management of nuclear power plant
after Fukushima nuclear accident［J］.Radiation
Protection Bulletin，2019，39（4）：23-26（in Chinese）.［6］廖小罕.中国对地观测20年科技进步和发展［J］.遥感学报，2021，25（1）：267-275.
LIAO Xiaohan.Scientific and technological progress
and development prospect of the earth observation in
China in the past20years［J］.National Remote Sensing
Bulletin，2021，25（1）：267-275（in Chinese）.
［7］周一鸣，刘韬.国外空间对地观测领域最新发展［J］.
卫星应用，2021（2）：47-53.
ZHOU Yiming，LIU Tao.The latest developments in the
field of space earth observation abroad［J］.Space
Application，2021（2）：47-53（in Chinese）.
［8］刘韬.2020年国外军用对地观测卫星发展综述［J］.
国际太空，2021（2）：42-46.
LIU Tao.Overview of the development of foreign
military earth observation satellites in2020［J］.Space
International，2021（2）：42-46（in Chinese）.
［9］龚燃.2020年国外民商用对地观测卫星发展综述［J］.
国际太空，2021（2）：47-54.
GONG Ran.Overview of the development of foreign
civil and commercial earth observation satellites in2020［J］.Space International，2021（2）：47-54（in Chinese）.［10］IAEA.Preparedness and response for a nuclear or radiological emergency：IAEA Safety Standards Series
No.GSR Part7［R］.Vienna：IAEA，2015：7-16.［11］张良安.国际新应急标准《核或辐射应急的准备与响应》的释疑［J］.灾害医学与救援，2017（3）：169-176.
ZHANG Liangan.Interpretation of the new
international emergency standard nuclear or radiation
emergency preparedness and response［J］.Disaster
伊丕源，等：核应急遥感应用现状及“高分卫星”应用潜力分析305
世界核地质科学第39卷
Medicine and Rescue，2017（3）：169-176（in Chinese）.［12］赵宏.IAEA发布新版应急准备安全标准丛书［J］.国外核新闻，2015（12）：12.
ZHAO Hong.IAEA issued a series of new emergency
preparedness safety standards［J］.Foreign Nuclear
News，2015（12）：12（in Chinese）.
［13］DAUER，LAWRENCE T.Preparedness and response for a nuclear or radiological emergency［J］.Health
Physics，2005，88（2）：175-176.
［14］马凤金.我国核事故应急体系的分析核研究［D］.上海：上海交通大学，2017.
MA Fengjin.Analysis and research in the nuclear
emergency system in China［D］.Shanghai：Shanghai
Jiaotong University，2017（in Chinese）.
［15］AHIER B.Strategic aspects of nuclear and radiological emergency management.［J］.NEA News（OECD
Nuclear Energy Agency），2010，28（1）：15-17.［16］IAEA.Considerations in emergency preparedness and response for a state embarking on a nuclear power
programme，IAEA Emergency Preparedness and
Response Series EPR-EMBARKING［R］.Vienna：
IAEA，2012：3-40.
［17］HANDL G.Nuclear off-site emergency preparedness and response：Some international legal aspects［M］//
Jonathan L.Black-Branch，Dieter Fleck.Nuclear Non-
Proliferation in International Law-Volume III.The
Hague：TMC Asser Press，2016：311-354.
［18］Idaho National Laboratory.Determining the appropriate emergency planning attributes for microreactors［R］.
Idaho Falls：Idaho National Laboratory，2020：3-20.［19］吴宜灿，赵永康，马成辉，等.国际放射性废物处置政策及经验启示［J］.中国科学院院刊，2020，35（1）：
99-110.
WU Yican，ZHAO Yongkang，MA Chenghui，et al.
International experience of radioactive waste disposal
policy and its enlightenment for China［J］.Bulletin of
Chinese Academy of Sciences，2020，35（1）：99-110（in
Chinese）.
［20］Federal Radiological Monitoring and Assessment Center（FRMAC）.Overview of FRMAC operations［R］.
Nevada：Federal Radiological Monitoring and
Assessment Center（FRMAC），2000：3-15.
［21］MAIELLO M L，GROVES K L.Resources for nuclear and radiation disaster response［J］.Nuclear News，
2006，49（10）：29-34.
［22］BLUMENTHAL D J，CLARK H W，ESSEX J J，et al.
EFRMAC overview：data management and enabling
technologies for characterization of a radiological release
［J］.Health Physics，2013，105（1）：97-103.
［23］BENAMRANE Y，WYBO J L，ARMAND P.Chernobyl and Fukushima nuclear accidents：what has changed
in the use of atmospheric dispersion modeling［J］.
Journal of environmental radioactivity，2013（126）：
239-252.
［24］NASSTROM J S，SUGIYAMA G，BASKETT R L，et al.
The national atmospheric release advisory center
modelling and decision-support system for radiological
and nuclear emergency preparedness and response［J］.
International Journal of Emergency Management，2007，
4（3）：524-550.
［25］SUGIYAMA G，NASSTROM J，PPBANZ B，et al.
Atmospheric dispersion modeling：challenges of the
Fukushima Daiichi response［J］.Health Physics，2012，
102（5）：493-508..
［26］王川，周昌，郑谦.核事故后果评价与应急决策支持系统研究［J］.核电子学与探测技术，2013，33（5）：
647-651.
WANG Chuan，ZHOU Chang，ZHENG Qian.Study on
nuclear accident consequence assessment and
emergency decision support system［J］.Nuclear
Electronics＆Detection Technology，2013，33（5）：
647-651（in Chinese）.
［27］SADOWSKI F G，COVINGTON S J.Processing and analysis of commercial satellite image data of the
nuclear accident near Chernobyl，U.S.S.R［J］.
Geocarto International，1987，3（3）：71-71.
［28］RASKOB W，HUGON M，GERING F，et al.New model for agricultural countermeasures in RODOS and
ARGOS［J］.Radioprotection，2010，45（5）：S63-S76.［29］TRACY B L，CARINI F，BARABASH S，et al.The sensitivity of different environments to radioactive
contamination［J］.Journal of Environmental
Radioactivity，2013（22）：1-8.
［30］GALLAY F，GERING F，HOFER P，et al.Proceedings of the fifth international nuclear emergency exercise
（INEX-5）workshop［R］.Paris：Organization for
Economic Co-Operation and Development，2018：9-31.［31］曲静原.欧洲核与辐射应急管理及恢复策略研究项目概况［J］.辐射防护通讯，2005，25（5）：11-14.
QU Jingyuan.Introduction to European approach to
nuclear and radiological emergency management and
rehabilitation strategies［J］.Radiation Protection
Bulletin，2005，25（5）：11-14（in Chinese）.
［32］SCHNEIDER T，LAFAGE S，BARDELAY J，et al.
NERIS：European platform on preparedness for nuclear
and radiological emergency response and recovery：
306
第2期
Activities and perspectives［J］.Radioprotection，2016，
51（HS1）：S5-S8.
［33］SLAVNICU D S，GHEORGHIU D，GHEORGHIU A.
JRODOS expert system and the customization to
Romanian condition［J］.Romanian Journal of Physics，
2014，59（9/10）：941-951.
［34］RASKOB W.European approach to nuclear and radiological emergency management and rehabilitation
strategies（EURANOS）［J］.Kerntechnik，2007，72（4）：
179-182.
［35］伍浩松，王海丹.俄核应急管理体系［J］.国外核新闻，2019（12）：24-26.
WU Haosong，WANG Haidan.Russian nuclear
emergency management system［J］.Foreign Nuclear
News，2019（12）：24-26（in Chinese）.
［36］CHINO M，ISHIKAWA H，YAMAZAWA H.SPEEDI and WSPEEDI：Japanese emergency response systems
to predict radiological impacts in local and workplace
areas due to a nuclear accident［J］.Radiation Protection
Dosimetry，1993，50（2/4）：145-152.
［37］NAGATA T，KIMURA Y，ISHII e of a geographic information system（GIS）in the medical
response to the Fukushima nuclear disaster in Japan.
［J］.Prehospital and Disaster Medicine，2012，27（2）：
213-215.
［38］TSAI M K，YAU N ing augmented-reality and mobile three-dimensional graphics techniques in relief
work on radiological disaster sites［J］.Nuclear
Technology and Radiation Protection，2013，28（3）：
332-340.
［39］SHIN H K，KIM J Y，KIM M K，et al.Development of nuclear emergency exercise programme（NEEP）in
Korea［J］.Radiation Protection Dosimetry，2011，146
（1/3）：46-49.
［40］HAN M H，KIM E H，SUH K S，et al.Development of radiological dose assessment systems to support a
radiological emergency preparedness in Korea［J］.
Annals of Nuclear Energy，2012（43）：187-191.［41］RAJESWARI J R，SRINIVAS C V，MOHAN P R，et al.Impact of boundary layer physics on tropical cyclone
simulations in the Bay of Bengal using the WRF model
［J］.Pure and Applied Geophysics，2020，177（11）：
5523-5550.
［42］SHEKHAR S S R，SRINIVAS C V，RAKESH P T，et al.
Online nuclear emergency response system（ONERS）
for consequence assessment and decision support in the
early phase of nuclear accidents-Simulations for
postulated events and methodology validation［J］.
Progress in Nuclear Energy，2020（119）：103-177.［43］BLAKELY W F，CARR Z，CHU M C M，et al.WHO 1st consultation on the development of a global
biodosimetry laboratories network for radiation
emergencies（BioDoseNet）［J］.Radiation research，
2009，171（1）：127-139.
［44］钟霞，孙志刚.国际原子能机构应急计划区的发展研究［J］.同位素，2015，28（1）：48-53.
ZHONG Xia，SUN Zhigang.Review and progresses in
studies of emergency planning zones in IAEA［J］.
Journal of Isotope，2015，28（1）：48-53（in Chinese）.［45］CARDIS E，HATCH M.The Chernobyl accident：an epidemiological perspective［J］.Clinical Oncology，
2011，23（4）：251-260.
［46］SADOWSKI F G，COVINGTON S J.Processing and analysis of commercial satellite image data of the
nuclear accident near Chernobyl，U.S.S.R［J］.
Geocarto International，1987，3（3）：71-71.
［47］TOYOTA H，TANAKA S，NAKAYAMA Y.Satellite views of the chernobyl nuclear complex and vicinity［J］.
Journal of The Remote Sensing Society of Japan，1986，
6（2）：165-185.
［48］BERGESEN H O，PARMANN G，THOMMESSENØ
B.Convention on assistance in the case of a nuclear
accident or radiological emergency（assistance
convention）［M］.London：Routledge Press，2018：
168-169.
［49］Moser B.The IAEA conventions on early notification of
a nuclear accident and on assistance in the case of a
nuclear accident or radiological emergency［J］.Nuclear
L.Bull.，1989，44：10.
［50］国务院.国家核应急预案［J］.中华人民共和国国务院公报，2013（20）：7.
［51］陈竹舟.《国家核应急预案》解读［M］.北京：原子能出版社，2014：15-30.
CHEN Zhuzhou.Interpretation of‘National Nuclear
Emergency Plan’［M］.Beijing：Atomic Energy Press，
2014：15-30（in Chinese）.
［52］LIU W，YAMAZAKI F，SASAGAWA T.Monitoring of the recovery process of the Fukushima Daiichi
nuclear power plant from VHR SAR images［J］.Journal
of Disaster Research，2016，11（2）：236-245.［53］INOUE Y.Satellite-and drone-based remote sensing of crops and soils for smart farming–a review［J］.Soil
Science and Plant Nutrition，2020，66（6）：798-810.［54］童旭东.中国高分辨率对地观测系统重大专项建设进展［J］.遥感学报，2016，20（5）：775-780.
TONG Xudong.Development of China high-resolution
伊丕源，等：核应急遥感应用现状及“高分卫星”应用潜力分析307
世界核地质科学第39卷
earth observation system［J］.Journal of Remote
Sensing，2016，20（5）：775–780（in Chinese）.［55］张昌景，牟乃夏.基于GIS的核应急一张图系统设计与实现［J］.测绘与空间地理信息，2016，39（10）：
137-139.
ZHANG Changjing，MU Naixia.One map system of
nuclear emergency based on GIS［J］.Geomatics and
Spatial Information Technology，2016，39（10）：137-139
（in Chinese）.
［56］中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会.核电厂应急计划与准备准
则：应急计划区的划分：GB/T17680.1—2008［S］.北
京：中国标准出版社，2008：1-3.
General Administration of Quality Supervision，
Inspection and Qurantine of the People's Republic of
China，Standardization Administration of The People's
Republic of China.Criteria for emergency planning and
preparedness or nuclear power plants.Part1：The
dividing of emergency planning zone：GB/T17680.1—
2008［S］.Beijing：Standards Press of China，2008：1-
3（in Chinese）.
［57］全国减灾救灾标准化技术委员会.自然灾害管理与遥感专题图产品制作要求：GB/T26376—2010［S］.
北京：中国标准出版社，2013：2-3.
Disaster Reduction and Relief of Standardization
Administration of China.Mapping requirements for the
natural disasters remote sensing thematic maps：GB/T
26376-2010［S］.Beijing：Standards Press of China，
2013：2-3（in Chinese）.
［58］王殿中，何红艳."高分四号"卫星观测能力与应用前景分析［J］.航天返回与遥感，2017，38（1）：98-106.
WANG Dianzhong，HE Hongyan.Observation
capability and application prospect of GF-4satellite
［J］.Spacecraft Recovery&Remote Sensing，2017，38
（1）：98-106（in Chinese）.
［59］郭帮杰，叶发旺，武鼎，等.高分遥感与航磁航放数据融合方法在龙首山地区铀控矿构造识别中的应用
［J］.世界核地质科学，2020，37（3）：190-197.
GUO Bangjie，YE Fawang，WU Ding，et al.Data fusion
of high-resolution remote sensing and aeromagnetic，
arial radioactive methods for uranium ore-controlling
structure in Longshoushan［J］.World Nuclear
Geoscience，2020，37（3）：190-197（in Chinese）.［60］刘凤晶，李果，于登云，等.高分四号卫星及应用概况［J］.卫星应用，2018（12）：12-18.
LIU Fengjing，LI Guo，YU Dengyun，et al.GF-4
satellite and its application［J］.Satellite Application，
2018（12）：12-18（in Chinese）.［61］WANG M，CHENG Y，TIAN Y，et al.A new on-orbit geometric self-calibration approach for the high-
resolution geostationary optical satellite GaoFen-4［J］.
IEEE Journal of Selected Topics in Applied Earth
Observations&Remote Sensing，2018，11（5）：1670-1683.［62］刘原麟，陆剑予，赵永安，等.铀矿地质领域遥感数据批量化预处理平台设计与实现［J］.铀矿地质，2021，
37（4）：683-690.
LIU Yuanlin，LU Jianyu，ZHAO Yongan，et al.The
design and implementation of batch preprocessing
platform for remote sensing data［J］.Uranium Geology，
2021，37（4）：683-690（in Chinese）.
［63］范斌，陈旭，李碧岑，等."高分五号"卫星光学遥感载荷的技术创新［J］.红外与激光工程，2017，46（1）：
0102002-1-7.
FAN Bin，CHEN Xu，LI Bicen，et al.Technical
innovation of optical remote sensing payloads onboard
GF-5satellite［J］.Infrared and Laser Engineering，
2017，46（1）：0102002-1-7（in Chinese）.
［64］赵少华，刘思含，吴迪，等."高分五号"卫星生态环境领域应用前景［J］.航天返回与遥感，2018，39（3）：
115-120.
ZHAO Shaohua，LIU Sihan，WU Di，et al.Potential
application analysis of GF-5satellite in ecology and
environment fields［J］.Spacecraft Recovery&Remote
Sensing，2018，39（3）：115-120（in Chinese）.［65］杨以坤，历华，孙林，等.高分五号全谱段光谱成像仪地表温度与发射率反演［J］.遥感学报，2019，23（6）：
1132-1146.
YANG Yikun，LI Hua，SUN Lin，et nd surface
temperature and emissivity separation from GF-5visual
and infrared multispectral imager data［J］.Journal of
Remote Sensing，2019，23（6）：1132–1146（in
Chinese）.
［66］余博，李如仁，陈振炜，等."高分三号"卫星图像干涉测量试验［J］.航天返回与遥感，2019，40（1）：66-73.
YU Bo，LI Ruren，CHEN Zhenwei，et al.Image
interferometry experiment of GF-3satellite［J］.
Spacecraft Recovery&Remote Sensing，2019，40（1）：
66-73（in Chinese）.
［67］马建威，孙亚勇，陈德清，等.高分三号卫星在洪涝和滑坡灾害应急监测中的应用［J］.航天器工程，2017，
26（6）：161-166.
MA Jianwei，SUN Yayong，CHEN Deqing，et al.
Applications of GF-3satellite in flood and landslide
disasters emergency monitoring［J］.Spacecraft
Engineering，2017，26（6）：161-166（in Chinese）.
308
第39卷第2期2022年6月
World Nuclear Geoscience
世界核地质科学Vol.39No.2
Jun.2022
新疆雪米斯坦铀成矿有利区高光谱
遥感识别方法研究
韩晓青，杨国防，木红旭，杨云汉
（核工业北京地质研究院，北京100029）
［摘要］新疆雪米斯坦铀成矿区是我国重要的火山岩型铀成矿区，区内产出我国境内首次发现的火山岩型铀-铍矿床，具有良好的综合找矿前景。

为了在雪米斯坦火山岩地区进一步寻找铀成矿有利区，推动雪米斯坦铀成矿区实现找矿突破，在前人基础上，对研究区铀成矿要素进行了分析，认为区内构造、侵入岩、岩石类型、蚀变等为铀成矿有利要素。

其中研究区断裂构造十分发育，按照尺度分为一、二、三、四级，所有断裂构造属性被详细统计；侵入岩主要为华力西晚期各类侵入岩，其中以花岗岩最为发育；研究区与成矿有关的蚀变矿物种类十分丰富，主要蚀变矿物为：高铝绢云母、中铝绢云母、低铝绢云母、绿泥石、高岭石、碳酸盐、蒙脱石等。

为了实现铀成矿有利区准确预测，首先采用深度学习方法对区内机载SASI 高光谱数据进行蚀变矿物提取，确定高铝绢云母、中铝绢云母、低铝绢云母、绿泥石、高岭石和碳酸盐等矿物中心位置和矿物分布面积；其次对区内构造、侵入岩、岩性组合和蚀变矿物等铀成矿要素进行空间分析，分别获得该区断裂密度分布图、侵入岩影响范围图、岩石组合分类图和蚀变矿物分类缓冲图；最后采用证据权法将成矿要素空间分析结果作为证据因子，计算了证据权值，并进行成矿后验概率计算，最终根据全部计算结果圈定5个成矿远景预测区，为今后雪米斯坦铀矿区进一步找矿提供了遥感技术支持。

［关键词］雪米斯坦火山岩；SASI 高光谱数据；蚀变矿物深度学习提取；铀成矿有利区预测［文章编号］1672-0636（2022）02-0309-12［中图分类号］P619.14；P627［文献标志码］A
An Identification Method of Hyperspectral Remote Sensing for the Favorable Uranium Metallogenic Area in Xuemisitan,Xinjiang
HAN Xiaoqing ，YANG Guofang ，MU Hongxu ，YANG Yunhan
（Beijing Research Institute of Uranium Geology ，Beijing 100029，China ）
Abstract ：Xinjiang Xuemistan area is an important volcanic rock type uranium metallogenic area in China and produced the first volcanic rock type uranium-beryllium deposit in China,indicating good comprehensive prospecting prospect.In order to find more favorable areas for uranium mineralization in this area,and promote the breakthrough of uranium exploration in this area,we
studied the uranium metallogenic factors based on the predecessors and find that the structure,intrusive body,volcanic rock type,alteration are controlling factors for uranium mineralization.The
DOI:10.3969/j.issn.1672-0636.2022.02.014
［基金项目］国防基础科研计划稳定支持专题“甘肃龙首山鈾成矿区航空高光谱花岗岩智能识别与分类技术研
究”与中国铀业2022年地勘项目“铀矿勘查高光谱遥感填图技术研究及试验应用”联合资助。

［收稿日期］2022-01-26［改回日期］2022-02-17
［作者简介］韩晓青（1969—），女，高级工程师，硕士，主要从事遥感地质研究及遥感图像处理。

E-mail ：
*******************
世界核地质科学第39卷fault in the study area are well developed which were divided into4grade according to the scale, the attributes of the4grade fault structures were studied in detail.Alteration minerals related to mineralization were extracted and the main altered minerals are high-aluminum sericite,medium-aluminum sericite,low-aluminum sericite,chlorite,kaolinite,carbonate,montmorillonite,etc.In order to achieve accurate prediction of favorable uranium mineralization areas,deep learning method was firstly used to extract altered minerals from the airborne SASI hyperspectral data.,and The anomaly center and area of alteration minerals such as kaolinite and carbonate were determined.The spatial relation analysis was conducted for the uranium metallogenic elements such as structure,intrusive rocks,lithological assemblages and altered minerals to create the maps of fracture density distribution,intrusive rock influence range,lithological assemblages and alteration mineral classification.The weight evidence method was used to calculated the metallogenic evidence factors and the metallogenic posterior probability by using the spatial analysis results.According to The calculation results,five metallogenic prospective prediction areas were delineated,which provided remote sensing technical support for the future.uranium prospecting in Schemistan uranium mining area.
Keywords：Xuemistan volcanic rocks;SASI hyperspectral data;deep learning extraction of altered minerals;prediction of favorable areas for uranium mineralization
铀成矿有利区识别预测是铀矿地质勘查技术的重要研究方向。

为了实现铀成矿有利区预测需要使用GIS、证据权法等技术，以及高光谱遥感技术、人工智能技术等新技术。

矿产资源预测基于GIS成矿预测方法，研究人员己成功地把GIS 技术与证据权法结合起来并成功应用［1-2］。

张会琼基于ArcGIS空间分析模块，在栅格数据环境下建立空间数据库，进行二次信息提取，以及依据专家打分模型、权重计算等数学方法，进行适宜性分析，获得适宜成矿靶区［3］。

中国地质科学院肖克炎（2000年）在MAPGIS软件平台上开发了矿产资源评价系统（MRAS），软件中包括证据权预测模型［4］。

矫东风等在MOR PAS系统基础上从中优选出与矿床关系密切的7类20个变量，利用证据权重法对甘南临潭-宕昌地区铅锌矿远景区进行了圈定，为在该区进一步找矿指明了方向［5］。

中国地质大学池顺都（1998年）基于GIS实现了金属矿产经验预测、矿产资源潜力评价等方面应用［6］。

中国地质矿产信息研究院向运川（1996年）等与四川地质矿产勘查开发局合作在ARC/INFO 软件平台开发了基于GIS矿产资源区域评价方法（AMS-GIS）［7］。

甘甫平等研究人员在高光谱遥感技术领域进行了相关研究，为成矿有利区预测提供了大量信息［8-10］。

近年来，国内外众多研究机构利用航天航空高光谱技术开展了遥感地质应用研究，涉及蚀变
信息提取、矿物填图、岩石分类、遥感地质勘查等
多方面，获得了很多成果，如叶发旺等人利用航
空高光谱识别高、中、低铝绢云母矿物成因学研
究［11］，使高光谱技术在遥感地质勘查领域有了重
要进展。

核工业北京地质研究院自2008年在国
内引进了CASI/SASI航空高光谱测量系统，我国
核地质系统增加了铀矿勘查新技术，如张川、刘
德长、叶发旺等在新疆白杨河铀铍矿区利用航空
高光谱进行矿物填图及蚀变特征分析［12-14］。

随
着深度学习新技术的出现，基于深度学习的高光
谱图像识别分类在方法和性能上得到了突破性
的进展。

中科院遥感所张兵等提出利用蚁群算
法、离散粒子群优化算法进行高光谱矿物端元提
取，在美国内华达地区的AVIRIS高光谱影像上取
得成功应用［15］。

阎继宁等利用SVM方法对ASTER
数据进行岩性分类，获得较好的岩性分类效果［16］。

从20世纪80年代起王谋、肖艳东、赵聪等
对新疆雪米斯坦火山岩铀成矿区进行了深入
的铀矿地质成矿环境、控矿构造、蚀变矿物等
研究，取得了一系列成果［17-19］。

核工业北京地
质研究院2011年在该区进行航空飞行采集了CASI/SASI高光谱数据。

本研究在已有研究基础上，对新疆雪米斯坦铀成矿区进行地质背景
分析，指出成矿要素为地层、断裂、岩体、蚀变
310
第2期矿物和铀矿化点，使用深度学习长短时记忆（Long Short Term Memory Neswork ，LSTM ）模型进行铀成矿区高光谱数据矿物提取，使用证据权法建立铀成矿有利区预测模型，圈定新疆雪米斯坦铀成矿远景预测区，实现基于SASI 成像光谱铀成矿有利区人工智能识别技术方法研究。

1地质背景
新疆雪米斯坦是我国重要的火山岩铀成
矿区，同时该地区也是我国晚古生代火山岩型多金属成矿带。

研究区内产出工业化火山岩型铀铍矿床，具有重要研究意义。

研究区位于我国新疆准噶尔雪米斯坦火山岩带东部地区。

雪米斯坦东部火山岩带从西部的铁列克德地区，经白杨河、伊尼萨拉、巴音布拉克、十月工区到达马门特地区，长度约200km ，宽度约50km ，面积约10000km 2。

雪米斯坦火山岩带铀铍多金属成矿明显呈东西向展布，自西向东主要发育白杨河铀铍矿床和一系列铀矿点、铜矿点。

矿化主要赋存于陆相为主的次火山岩、中酸性火山岩及火山碎屑岩中，矿化部位和周边蚀变发育强烈。

与铀、铍金属成矿相关的蚀变矿物主要为高铝绢云母、中铝绢云母、低铝绢云母、绿泥石化、高岭石、碳酸盐、蒙脱石等。

SASI （Shortwave infrared Airborne Spectrographic Imager ，SASI ）航空高光谱数据光谱分辨率能够达到纳米级，可
以准确识别高铝绢云母、中铝绢云母、低铝绢云母、绿泥石、高岭石、碳酸盐、蒙脱石等蚀变矿物。

1.1
铀成矿要素
地层：区内出露最老的地层为奥陶系，仅在工作区东北角有小块出露。

最广泛分布的地层为晚古生代泥盆系，由下、中、上泥盆统构成。

雪米斯坦山西部主要发育下泥盆统，雪米斯坦山中部和东部主要由中泥盆统构成，上泥盆统发育很少，泥盆系构成了雪米斯坦山的主体。

雪米斯坦山南坡出露有下石炭统的海相沉积碎屑岩，中基性、中酸性火山岩及火山碎屑岩，晚石炭至早二叠统的陆相中酸-酸性火山岩及火山碎屑岩。

断裂：雪米斯坦火山岩带断裂构造十分发育，并且规律性较强。

按构造尺度可分为一、二、三、四级构造。

研究区内所有断裂的方向、名称、分布范围和特征都被详细统计用于铀成矿有利区预测（图1）。

岩浆活动：从已有资料看，雪米斯坦火山岩带主要发育华力西晚期的各种侵入岩。

岩石类型复杂，超基性-基性岩、中性岩、酸性岩均有程度的出露，其中以花岗岩最为发育。

在空间上受构造控制明显，岩体展布方向与区域构造基本一致，呈北东东-南西西方向延伸（图2）。

1.2
铀矿床
经过多年铀矿勘查及持续的铀矿地质研究，
雪米斯坦火山岩带内发现了众多的铀矿床
图1新疆雪米斯坦地区断裂分布图
Fig.1Fault distribution in Xuemistan area ，Xinjiang
韩晓青，等：新疆雪米斯坦铀成矿有利区高光谱遥感识别方法研究311
世界核地质科学第39卷
和铀矿化异常点，如白杨河矿床、雪米斯坦工区矿点、七一工区矿化点、十月工矿化点、马门特工区矿化点等，均位于近东西向的查干陶勒盖-巴音布拉克深大断裂所控制的陆相火山岩中，呈带状分布，构成了近东西向展布的雪米斯坦铀多金属成矿带。

2高光谱SASI 数据来源
高光谱遥感数据数据量大、数据波谱间存
在高度相关性，可以使用深度学习方法实现蚀变矿物提取。

高光谱数据深度学习蚀变矿物提取，将提取结果与其他地质要素结合构建铀成矿有利区预测模型，可以实现铀成矿有利区的远景预测。

SASI 高光谱数据使用短波红外机载成像光谱仪，光谱范围950~2450nm ，空间分辨率达到亚米级，光谱分辨率达到纳米级，下表（见表1）为SASI 技术参数。

表1SASI 高光谱数据参数
Table 1SASI hyperspectral data parameters 参数传感器波长可用波段数目光谱分辨率地面分辨率图像大小数据类型
SASI
SASI 传感器950～2450nm
101个7.5nm
1.9m 7981*1107（像素）
反射率数据
2011年核工业北京地质研究院遥感信息
与图像分析技术国家级重点实验室在雪米斯
坦火山岩带获取了近4200km 2具有高光谱分辨率和高空间分辨率的SASI 航空高光谱数据。

SASI 高光谱数据的参数为：空间分辨率1.9m ，101个波段，光谱分辨率约7.5nm 。

根据航空高光谱矿物识别原理和矿物填图技术，SASI 数据可以实现雪米斯坦铀矿区矿物填图。

3SASI 高光谱数据矿物提取深度学习网络模型
SASI 高光谱数据在950～2450nm 波段内
可用波段为101个，具有高光谱分辨率和高空
间分辨率。

SASI 数据特点是波段多，数据量大，波段之间高度相关。

高光谱数据的传统处理方法为纯净指数法（PPI ）、匹配滤波法（MTMF ）等，虽然效果不错但费时费力，必须使用商业软件（如ENVI ）才能完成。

目前随着深度学习神经网络技术的发展，高光谱数据处理也引入深度学习进行矿物提取。

在高光谱领域，深度学习技术可以更有效地处理大数据量和数据高度相关问题，并提高地物提取精度，同时可以根据需求编制专门的深度学习目标物提取软件，满足各类任务要求。

深度学习网络模型在高光谱数据提取
分
1—花岗斑岩；2—碱长花岗岩；3—花岗岩；4—超基性岩；5—闪长岩；6—辉绿岩；7—次花岗斑岩；
8—霏细斑岩、钠长斑岩；9—断裂、隐伏断裂。

图2雪米斯坦成矿带侵入岩体分布图（据参考文献［20］修改）
Fig.2Distribution of intrusive pluton in the Xuemistan metallogenic belt （after reference ［20］）
312
第2期
类方面有较好效果。

高光谱矿物提取分类LSTM模型采用端到端的架构对高光谱数据进行提取分类。

LSTM模型（图3）用长短时记忆算法提取图像光谱时序特征，再用二维卷积神经网络模型提取图像一般光谱特征，将LSTM 模型中全连接层与卷积神经网络模型中全连接层连接起来，用一个新全连接层获得提取分类结果。

LSTM模型解决了长序列数据在模型训练过程中梯度消失和爆炸问题。

LSTM模型的组成包括输入门、忘记门、输出门和自循环连接。

输入门控制是否允许输入信号更新记忆单元状态，输出门控制单元状态是否在下一个时间节点有效，忘记门控制自循环连接记忆单元记住或忘记它之前状态。

高光谱数据进行LSTM模型分类输入数据是光谱数据，LSTM 模型提取的光谱时序特征和卷积神经网络提取的一般光谱特征融合得到图像的空谱特征，
通过全连接层分类并输出分类结果。

图3LSTM网络模型示意图
Fig.3Schematic diagram of LSTM network model
4SASI高光谱数据处理
深度学习矿物提取和参数设置：深度学习矿物提取主要分为网络训练和网络预测两部分。

高光谱数据矿物提取流程如图4所示。

包括SASI高光谱数据输入、样本数据输入、矿物提取SASI高光谱数据训练、矿物提取参数输入、矿物提取SASI高光谱数据预测等。

矿物提取时高光谱图像样本标注困难，标注成本及数据质量等原因导致样本数据较少，这使得网络模型在训练过程中容易陷入局部最小值和过度拟合等现象产生，所以上述网络模型训练过程中使用数据增强方法扩展训练集，以避免模型过拟合，提高模型分类的精度。

白杨河矿区完成了LSTM增强矿物提取，白杨河矿区识别出多种蚀变矿物，高光谱SASI图像提取出的蚀变矿物类型和分类见图5。

白杨河矿床北部矿物类型为：高铝绢云母、中铝绢云母、低铝绢云母、高岭土、叶蜡石、绿泥石、绿帘石等，白
杨河矿床南部矿物类型为：中铝绢云母、低铝绢云母等。

矿物提取结果精度对比分析：矿物提取模型精度评价使用三种方法：总分类精度（Overall accuracy，OA）、平均分类精度（Average accuracy，AA）和Kappa系数（Kappa coefficient，Kappa）。

OA值是指预测结果正确的样本数量占所有标签样本数据的比例，AA值是对每个类别的分类精度求和后再求平均。

根据定义，OA值和AA值可用下式（1）、（2）分别计算：
OA=1N∑i=1c m ii（1）
AA=1c∑i=1c m ii N i（2）Kappa系数采用离散分析方法，可以避免总体分类精度或平均分类精度由于标签样本数量轻微变化而引起较大波动，能更好反映分类算法的优劣，因此Kappa系数是评价高光谱
韩晓青，等：新疆雪米斯坦铀成矿有利区高光谱遥感识别方法研究313。