文摘
水文地质调查工作由综合利用各种勘探方法来识别目标区域水文地质条件,并开发利用地下水资源。在不同地区水文地质条件有较大的差异。因此,有必要根据当地条件掌握水文地质勘探技术尽可能多的信息。其中,遥感(RS)技术可以反映地面测绘成果通过分析与效率和精度高的卫星或航拍照片,这是一个常用的方法在目前的水文地质调查。根据卫星遥感数据,这项工作评价研究区地下水含量的分布,探讨了地质和水文地质条件的地下水系统在受影响的地区。首先,人机交互解译方法用于分析地形地貌条件。其次,光谱特性曲线分析方法用于提取的光谱特征区域地层岩性,分析和确定含水层的岩性组成和结构。第三,土壤水分遥感估算的单波段和多波段模型实现地下水的水平。最后,测量数据来验证和分析模型的估计价值。结果是符合实际的价值,并取得了较好的效果。
1。介绍
仪器、设备和技术手段的工程水文地质调查正朝着自动化和智能发展中由于人们对客观世界的认识的提高和科学技术的不断进步1]。由于传统的地质勘探行业,人们继续介绍无人机,机载雷达,激光传感器和三维(3 d)扫描仪。这意味着,现代科学技术的发展和创新产品引入地质勘探技术(2]。随着时代的变化,数据库管理信息系统发展迅速。大数据处理技术已经逐步应用于数据的项目来提高更新效率测绘单位的体积和空间收集数据量存储、组织、管理和处理水文地质数据。大数据处理方法可采用全面分析和评价水文地质问题和灾害风险在项目网站。此外,它可以为防灾减灾提供技术支持的水文地质工程地质和环境地质。与此同时,建立一个数据系统的水文地质工程地质和环境地质也有利于有效和完整的管理和利用各种信息资源在未来。它还可以提供真实有效的数据对于后续的科学研究和决策管理(3]。
目前在中国北方大部分地区地表水资源相对稀缺,所以大多数人们的生产和生活用水来自地下水资源。因此,提高地下水资源的勘探、开发和利用当地的社会发展是必要的(4]。目前遥感(RS)技术正逐渐应用于工程测量领域。通常定义为技术探测和感知事物和对象从远处。与其他检测技术、RS技术的覆盖面较大,检测获得的数据的类型不同,方式是多样化的。此外,大多数的检测数据信息通过图像来表达,并获取检测数据信息的方式更直接更快,使检测时间相对较短(5]。在水文调查,RS技术的具体应用重视环境因素的综合分析与地下水位和RS图像的数据处理方法。它可以全面分析地下水位分布,构建一个科学合理的地下水位分布模型根据土壤水分的原则,反射,和像素的关系,进行专业的水文地质调查(6]。
通过以上问题,应用效果的RS技术在水文地质调查研究的背景下大数据环境。在这部作品中,人机交互解释系统GeoFrame基于RS使用卫星图像数据和光谱特性曲线分析方法提取的光谱特征区域地层岩性和分析并确定含水层岩性的组成和结构的研究领域。从地下水和土壤水分之间的关系,基于RS的土壤水分监测结合田间试验得到的数据,土壤湿度和地下水位之间的相关方程,建立了模型,提出了评价浅层地下水位的分布。实现多波段和单波段模型的估计结果进行了验证和分析,和模型仿真结果和实际之间具有良好的协议决定。此外,证明了该模型可以预测地下水位的分布。
2。文献综述
Salmivaara等人使用大数据技术作为一种存储方法检索大规模网格数据,形成一个空间气候和其他环境数据的数据库。半结构式,结构化和非结构化地理空间数据生成的连续生产的自然资源收集,和地理空间数据系统与集成层和相关技术组件构建[7]。陈等人开发的,打开在线索引和查询系统SKSO笔大规模地理空间数据,这与Terra飞地理空间数据库集成可视化查询结果和数据分析8]。Cudennec等人认为,为核心的地理信息服务,提供的空间分析大数据背景下的两个主要发展趋势。第一个是一个精确的大规模空间数据的分析。由于空间数据采集技术的进步,人们可以获得越来越大的空间,空间数据的规模继续扩大,并继续提高空间数据分析的准确性。第二个是实时的需求空间分析服务(9]。
姚等人提出了热红外遥感的可能性来评估地下水利用航空热红外图像和实际上指的是大规模收集水文数据,地形和地貌地图,第四纪沉积物分布地图,植被分布地图,和其他参考资料。他们成功地测量了地下水(相关的温度信息10]。Sishodia等人选择了两个在中国典型地区地下水来源研究。调整土地利用结构和地下水之间的协调来源分析的基础上提出了土地开发和区域环境因素之间的变化规律在地下水11]。穆罕默迪发现与地形密切相关的水文地质条件,第四纪地质学,并通过RS图像、新构造判断含水层发展法律和各种边界类型,和更准确地评价地下水资源结合地球物理勘探结果(12]。Aasen等人对地表水系统中提取相关信息,地质构造,塔里木盆地含水层性质Landsat-MSS图像。质量、数量和塔里木盆地的地下水埋深进行了使用研究区域的地质和地貌地图和降水和径流的文本模式13]。Muchingami等人评估津巴布韦的结晶基底含水层的地下水资源的基础上,在研究区植被分布图和归一化植被指数图显示Landset TM图像(14]。在干旱的他们的工作在西非,Le页面等人开始研究地下水与植被之间的关系,探讨了地下水资源状况通过分析植被RS技术(15]。Suryanarayana等人利用双波段微波遥感器建立雷达和其他微波遥感器的基础上测量表面水文因素,土壤介电常数,和土壤反射率来研究地下水条件在维萨卡帕特南,印度(16]。
总之,相关学者的研究取得了一定的理论成就RS技术在水文地质调查。一步一步的探索和研究已经证实,RS技术可以在水文监测和收集数据的工作。此外,它可以提供强大的技术支持数据调查水文和水文问题的预测和治疗工作。然而,很少有研究将RS技术在大数据环境。一些研究是基于空间数据结构,空间数据库、地图数字化,自动映射技术。它表明,学者们探讨RS技术的应用在大数据环境水文地质调查。这个工作是研究水文地质调查的应用效果,结合两者的特点。它的目标是将先进的技术应用到未来的水文地质调查。
3所示。材料和方法
3.1。人机交互解译方法
RS技术解释基于地质迹象通过卫星图像来识别地面目标或功能。信号的类型可以分为直接和间接诠释解释。有两种解释方法:目视判读和人机交互解释。这一次,人机交互解释方法用于调查研究区地下水的分布的水平。交互式解释通常被翻译为人机交互解释。顾名思义,它的工作过程是地质和地球物理资料的综合解释翻译的协助下电脑。翻译问题的指令交互解释工作站,和电脑显示相应的指令的执行结果。交互意味着电脑处于工作状态,和操作员等待响应发出指令前的计算机终端。等待的时间越短,计算机的性能就越好。如果计算机的响应是不合适或者不满意,操作员可以在任何时候修改指令,直到满意为止。 This process is realized by the computer and the operator in the form of dialogue. In other words, the response of the interactive system is fast, and the interpreter can immediately complete any operation within the functional scope of the interpretation system [14]。图1演示了人机交互解释的优势在手册解释:
地质数据的交互式解释目前在普及和深入发展的阶段。中国目前占主导地位的交互解释系统是GeoFrame解释系统。主要采用综合分析和解释地震、测井、地质、油藏模拟数据在勘探和开发15]。收到一个解释项目后,各种各样的数据用于交互式解释必须收集,包括地质和地貌结果数据的解释工作区域,所有水位的测量曲线,地质分层数据。然后,数据管理软件的交互解释系统是采用上述相关数据存储在一个特定的数据库。数据库的合理解释系统指的是一组相互关联的数据存储在计算机存储设备上。通常,每个工作区域对应一个数据库。它相当于一个全职的和负责任的工作区域数据管理员,他可以随时访问任何数据。除了原始数据,数据库也储备后的位置和空间数据反映层和断层解释和各种图像数据。这意味着数据库或数据管理系统在整个解释过程中保持所有数据文件(16]。图2详细流程图的启动操作:
人机交互解释结合图像、图形和数据。它可以用来添加各种图像和图形显示的要求口译员和审核员在审核信息识别处理和解释结果。然后,所需的统计数据可以同时获得图像的解释来实现统一后,图形和数据。现在,人机交互解释的应用范围正在扩大与数字化的快速发展17]。图3是互动的主要工作步骤解释理解GeoFrame交互解释系统后总结:
在这个工作中,GeoFrame用于解释和分析水体的遥感图像。因为水体有明显的地面光谱特征在不同类型的对象,在分析和提取相关信息时,选择最合适的合成带两次结果与一半的努力所能达到的水平。例如,在可见光波段反射率相对清晰和干净的水迅速减少随着波长的增加(蓝色淡红色光)。蓝带(0.04 ~ 0.6μ米),反射率相对较大,TM1和TM2乐队的解释效果是最好的。相关主题的分析地表植被,TM4乐队的解释效果更好;虽然red-infrared乐队的反射率(0.06 ~ 2.5μ米)大大地削弱,而红外波段基本上是完全吸收。因此,TM3 TM7乐队选择覆盖更全面的信息。这里,各种综合分析元素和影响条件,和TM7, 4, 3乐队选择分析地下水的分布水平(18]。
3.2。RS技术
e . l . 1960年,美国学者Pruiet称为技术获取的图像或数据的检测目标通过拍摄和nonphotographing“RS”全面总结检测目标的技术和方法。这一项正式举行的环境科学研讨会上通过1962年密歇根大学和其他单位。RS检测目标,获得目标的信息,然后处理获得的信息实现定位,定性或定量描述的目标19]。当前遥感地质勘探技术已经应用到实际的项目。图4显示的主要应用领域。本工作使用RS调查水文地质条件影响研究区地下水系统。然后,通过遥感监测模型的地下水位分布,结合Landsat5主题映射器(TM)遥感卫星图像数据的分布区域地下水位进行了分析和解释。的提取和解释这些信息,以下进行探索。通过使用的地下水位数据测量采样点在研究区,单波段和多波段模型的估计结果进行了验证和分析,和估计模型仿真结果和实际之间具有良好的协议决定。此外,研究区浅层地下水的分布水平估计模型。RS(从不同角度有不同的分类20.]。这里有各种RS类型分类的例子通过RS平台和传感器检测乐队。图5介绍了细节:
遥感图像的空间分辨率和光谱分辨率的光学系统是矛盾的。一般来说,在一定信噪比下,光谱分辨率的提高空间分辨率为代价的。低分辨率的多光谱图像与高分辨率的全色波段图像融合可以提高多光谱数据的空间分辨率。因此,各种遥感图像融合算法迅速发展和应用21]。图6描绘了一个原理图的电磁辐射由遥感器接收。
因为不同的RS图像有不同的表征能力的对象和不同的图像特征,应选择适当的解释时RS数据类型。选择RS数据类型之后,还应该考虑选择一个合适的解释带根据地物的光谱特性曲线。的前提下充分调查研究区域的基本条件,这项工作分析研究区地下水的分布水平基于RS数据和现场实验观测数据。的seven-band TM卫星发射的陆地卫星5号拍摄的图像由美国宇航局选择进行分析,选择和适用的乐队根据现有的光谱特性曲线。
3.3。光谱特性曲线分析
gram - schmidt (GS)变换是采用这项工作,使融合图像保真度更好、更实用的结果。正交化的矩阵或多维图像可以消除冗余信息,计算过程简单。采用模拟全色波段多光谱图像。有两种模拟方法:(1)低空间分辨率的多光谱波段是模拟根据一定重量的光谱响应函数 。它指的是模拟全色波段灰度值:
在方程(1),表示- - - - - -th乐队multispectrum的灰度值。(2)全色波段图像模糊,然后一个子集。接下来,减少图像大小相同的多光谱图像。模拟全色波段和GS转换1在下一步的处理。第一个组件在GS变换不改变模拟全色波段与全色波段采用交换。因此,遥感数据的光谱信息不失真,具有较高的精度
模拟全色波段作为GS1在模拟执行g转换全色波段多光谱波段。在GS算法修改转换。具体修改如下。第一个t - 1 g分量构造第t g分量,即:
在方程(2),代表了t GS转换后生成的组件。是第t乐队的原始多光谱图像。捐赠的灰度值的平均值t原始多光谱波段图像。在方程(3),表达了原始多光谱t乐队。在方程(4),指的是 - - - - - -GS转换后生成的组件。在方程(5),代表的平均灰度值t原始多光谱图像。
调整的统计值全色波段GS相匹配1可以生成修改后的全色波段。这项工作有利于保持原始多光谱图像的光谱特征。修改后的全色波段被替换为GS变换后的第一个组件来生成一个新的数据集。提高空间分辨率的多光谱图像可以通过执行逆GS逆变换生成新的数据集。GS逆变换方程如下:
根据分析和解释结果的研究地区的地形和地貌类型,不同类型的地区进行分类,分析,解释为识别地层岩性。在研究区岩性光谱库创建便于分析和识别各种类型的地层的岩性特征。根据前面的研究成果,在研究区地层岩性主要是砂岩和泥岩,大多是沙质土壤表层和砂壤土、粘土层。数据7和8是典型的地层岩性光谱曲线特征:
在数据7和8,不同类型的岩石的光谱特性是截然不同的。差异主要反映在光谱的反射率和特征吸收峰的位置和深度,也是岩性矿物识别的基础。相同类型的岩石的波形是相似的和特征吸收峰是一致的。然而,由于不同的岩性纯度,岩石的光谱反射率,并相应特征吸收强度将会改变。根据岩石的反射光谱的差别,它是确定实验区域的岩性以砂岩和泥岩为主,主要是沙质土壤表层和砂质壤土。自第四纪地层主要由壤土、砂、碎石、砂砾石,等等,很容易主机地下水。因此,研究区域地下水区域通常发生在第四纪地层。此外,一半的RS亲水接近断层结构的信息,而且它也很容易出现在地层隆起。因此,有必要结合特定的形成条件。
选择三个点的去除参考光谱和像素连续:吸收中心和分两边的吸收中心。同质化噪声的连续体,几个乐队两边的吸收中心可以选择删除连续通过以下部门:
表示光谱波长的函数 ; 说明了像素光谱;是指连续谱;意味着像素的连续光谱。一个额外的常数采用增加参考光谱的对比:
除表示调整连续光谱,它最适合观察频谱。
3.4。RS估计地下水位的分布
不同的土壤有稍微不同的常数由于不同的土壤类型。的测量数据的统计和回归分析的结果在研究区,建立了反射系数与含水量之间的关系。的相关系数回归分析研究区不同土壤的一般是0.92到0.98 (22]。因此,RS的平均值模型的几种类型的土壤水分在这方面是分析土壤水分状况:
在方程(10),土壤水分的比例是获得的吗 - - - - - -乐队。
水的分布在毛细管可以写成一个方程(11):
在方程(11),意味着地下水的深度,表明可以从groundwater-soil深度接触表面的毛细血管。
有关土壤的物理和化学性质。同一土壤类型有一个类似的价值。不同的土壤类型有不同的高度,地下水可以上升到毛细管。常数和是由以下三个边界条件:(1)在土壤和地下水之间的接触表面, ,土壤水分的最大值 ;(2)当地下水可以上升到毛细管的高度, ,土壤水分的最小值 ;(3)土壤空气的接触表面, ,和土壤水分 。边界条件(1)和(2)代入方程(11),如下:
在研究区多年平均降水量389.34毫米,但多年平均蒸发高达1411.49毫米。这个地区的土壤主要是风成砂质土壤上开发固定和半固定沙丘,和地表土壤湿度很小,所以地下水位之间的相关性和地表土壤湿度很小。因此,方程(14)不需要考虑。
当参数 的有效深度确定土壤水分遥感监测,研究区域的地下水位可以估计方程(11)。然而,Landsat5卫星遥感监测土壤水分的有效深度仅限于很浅的土壤层表面附近,和有效的深度监测通常是0.10米,和相对浅层土壤水分和地下水位之间的关系是不稳定的。由于地下水位监测的有效深度的限制通过RS,这种分析仅限于地区浅层土壤和良好water-richness [23]。
如果是监测土壤水分的有效深度,让 。 代表了土壤水分在深度 。从方程(11),(12)和(13),方程的关系(15)的土壤水分和地下水位可以获得:
通过使用方程(10),(11)和(15),以下的单波段和多波段遥感监测模型的地下水位,用方程表示(16)和(17):
在方程(16)和(17),是地下水的埋深水平估计的 - - - - - -th TM的乐队;
通过分析单波段、多波段的估算公式,如果水文常数 , 众所周知,有效的深度确定土壤水分监测的RS,地下水位可以定量确定(24]。
4所示。结果
相关分析是进行地下水水平估计的单波段、多波段地下水位监测模型和测量地下水位。数据9- - - - - -12目前地下水监测值之间的比较和测量数据:
图9表明,地下水位的监测值之间的最大误差和实际价值在第三乐队是0.8,它出现在A10样本点。的最小误差值为0,出现在采样点A3、A4。不包括最大和最小值,误差值基本维持在0.4。误差值是在容许误差范围内。它表明,光谱特性曲线基本上可以反映地下水的情况。选择适当的模型对未来水文地质调查比较多波段地下水位监测。
图10表明地下水位监测值之间的最大误差和第四乐队的实际值是0.8,它出现在A10样本点。的最小误差值为0,出现在A4、A5,和A8采样点。不包括最大和最小值,误差值基本维持在0.3。误差值是在容许误差范围内。它证明了光谱特性曲线基本上可以反映地下水情况,比第三的反应更精确的乐队。选择适当的模型对未来水文地质调查比较多波段地下水位监测。
图11表明,监测值和实际值之间的最大误差带地下水位的7是0.9,它出现在A10样本点。的最小误差值为0,出现在采样点A3、A4, A6。不包括最大和最小值,误差值基本保持在0.4。误差值是在容许误差范围内。它表明,光谱特性曲线基本上可以反映地下水的情况。然而,预测精度略比前两个乐队。选择适当的模型对未来水文地质调查比较多波段地下水位监测。
图12细节,多波段之间的误差范围地下水位监测值和实际值相对稳定,可以保持在0.4。此外,错误值通常很低,说明多波段比单波段更适合地下水位监测。与此同时,地下水位之间的相关系数估计的单波段地下水位监测模型和测量地下水位普遍低于地下水位之间的相关系数估计的多波段地下水位监测模型和地下水位测量。这进一步证实多波段模型比单波段模型更适用于水文地质调查。表1展品的汇总数据来自上面的柱状图:
表1显示的平均误差值三个单一乐队是0.19,0.18,和0.20,分别和多波段的平均误差值是0.15。相比之下,多波段错误值是最小的,错误值的三个单一乐队是相等的。这说明地下水位的多波段测量更准确。与此同时,地下水位之间的相关系数估计的第三,第四,和第七单波段地下水位监测模型和地下水位测量是0.87,0.83,和0.89,分别。地下水位之间的相关系数估计的第二,第三,第四多波段地下水位监测模型和地下水位测量是0.93。在评估模型中,多波段模型优于单波段模型,可以更好地反映地下水的水平。地下水监测的分布模型能准确反映实际情况的地下水位,并研究结果基本上是符合现实。因此,它是可行的使用多波段模型来监测地下水位。
5。讨论
张等人建立了一个研究地区岩性光谱库一样的协助下软件的基础上,研究区域的地形、地貌的解释和分析。根据不同的岩性光谱特性曲线,分析了光谱特征差异和影响特点不同岩性地层单位的研究领域。岩性和地层解释是使用人工目视判读方法进行的。在研究区地层的岩性结构基本上掌握了,和综合研究区域的地质柱状图是准备(25]。这里,提取特征光谱曲线后,地下水位的监测值与实际值相比,单波段、多波段。单波段、多波段遥感监测模型的地下水位分布实施,铺平了道路的有效监测地下水位通过分析土壤水分状态通过RS技术。因此,得出的结论是,RS技术的光谱特性曲线可以用来精确测量地下水位具有里程碑意义,它提供了水文地质调查的好帮助。
许使用人机交互技术研究海底滑坡地貌解释。结果证明,这种技术可以减少主观因素对解释的偏差。更重要的是,它可以完全我不是容易找到的隐藏信息手册解释,提高解释的准确性和科学性,避免人工造成的错误解释(26]。人机交互解译技术的应用在水文地质调查表明,一些企业使用的GeoFrame系统地形和地貌分析中具有一定的优势。三维地质勘探的改进将不可避免地促进人机交互解译技术的快速发展。只能了解微妙和复杂的小断层的结构充分利用钻井和生产时,测井、地质资料,和三维地质数据的成像技术,结合人类的经验和智慧。
6。结论
大数据环境的背景下,采用RS技术分析研究区域的光谱,和信息影响和限制地下水资源系统的水文地质因素。与此同时,数学模型有效地探测地下水资源通过RS -光谱RS图像实现核聚变研究方法和研究区域的实际情况。这个地区地下水的分布水平进一步分析,和该地区的地层岩性和结构基本上掌握了。综合地质柱比较研究区域的地图。单波段、多波段遥感监测模型的地下水位分布构造。它提供了一个实用的未来水文地质调查和理论证明,监测和评价地下水分布的方法使用多波段模型是可行的。与此同时,这个实验也有一些缺点。过程中人机交互解释,解释结果的准确性可能影响由于缺少知识体系和经验。缺乏更有效的参考和比较少导致岩性信息提取实验工作过程中的水光谱信息提取和缺乏研究地区岩性分布图。它影响岩性分类结果评价的准确性。 In the analysis of groundwater level distribution, the impact of terrain factors, air temperature, wind speed, and other factors on soil moisture is not considered, resulting in a decrease in the accuracy of the estimated value.
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。