论文摘要
锂（Li）资源是世界上重要的战略资源和高科技产业资源,被称为“能源新贵”,在锂电池、化工、医药、宇航及核能等领域被广泛应用,其价值和重要性要远超过其他贵金属。随着我国产业结构的调整、经济模式的转变,国家越来越重视高科技产业,对Li资源的需求量呈现逐年上升的趋势。我国是Li资源储量大国,因为受到技术水平的限制,无法提取高纯度的Li,所以目前Li资源还主要依靠国外进口。从全球Li资源存储量上看,78.3%的Li资源存储在盐湖卤水中,可见盐湖具有非常重要的开发利用价值。近些年,遥感技术得到快速发展,利用遥感技术对盐湖中Li含量进行快速、低成本的预测,受到了越来越多的关注。本研究选取阿根廷萨尔塔省阿里萨罗盐湖作为研究区,以Sentinel-2A为数据源,并结合盐湖卤水Li含量实测值,采用相关分析方法,分别建立三种Li含量遥感预测模型,即PCA回归模型、BP神经网络模型和RF模型,预测盐湖中的Li含量。本研究的主要结果如下:（1）利用盐湖光谱反射率以及经过数学变换后各光谱变量和盐湖Li含量实测值,建立Li含量遥感预测模型。首先,为了提高原始光谱反射率与Li含量之间的相关性,将Li指数进行主成分分析,发现lnPC1组分影像反射率与Li含量的相关系数提升至-0.852,所以利用lnPC1光谱变量建立PCA回归模型;其次,对原始波段进行反射率倒数对数变换ln?（1?R）、反射率对数变换ln R、反射率一阶微分变换R′、反射率二阶微分变换R′′和再对反射率倒数对数进行一阶微分变换ln?（1?R）′,并以ln?（PC1）、ln?（PC3）、ln（1?R6）′、R6′组合作为输入变量建立BP神经网络模型;最后,以相同的光谱变量ln?（PC1）、ln?（PC3）、ln（1?R6）′、R6′建立RF模型。（2）通过对比三种模型的判定系数R2和均方根误差RMSE,发现PCA回归模型的R2为0.725,RMSE为29.07,BP神经网络模型的R2为0.731,RMSE为15.719,而RF模型的R2为0.771,RMSE为12.822。同时利用8个检验点检验三种模型的预测精度,发现RF模型预测结果的相对误差比较低,最小相对误差为0.052,最大相对误差为0.213。所以三种模型对Li含量预测能力排序为RF模型>BP神经网络模型>PCA回归模型。（3）利用最优的RF模型预测整个盐湖的Li含量值,得出Li含量并非均匀分布于整个盐湖,而是主要分布在盐湖的北部、东南部和西南部,证明了RF模型可以有效地预测阿里萨罗盐湖中的Li含量。
论文目录
文章来源
类型: 硕士论文
作者: 王德军
导师: 姜琦刚
关键词: 含量,回归模型,神经网络模型,模型,阿里萨罗盐湖
来源: 吉林大学
年度: 2019
分类: 基础科学,工程科技Ⅰ辑
专业: 地质学,地球物理学,矿业工程
单位: 吉林大学
基金: 中国地质调查局发展研究中心二级项目“海上丝绸之路重点地区有色金属资源潜力评价”的子项目“两洋铁路沿线遥感地质解译”
分类号: P627
总页数: 65
文件大小: 4284K
下载量: 42