一种基于多源遥感数据的伟晶岩型锂矿找矿方法与流程

1.本发明涉及矿产资源开发领域，具体是一种基于多源遥感数据的伟晶岩型锂矿找矿方法。


背景技术：

2.目前，残坡积物中的伟晶岩岩块以及堇青石角岩化黑云母片岩的碎块和岩块，对隐伏的基岩有一定的指示意义，特别是部分具残积特征的含锂辉石伟晶岩块，在区内成带密集分布，部分经钻探验证，其下基岩多为含锂辉石伟晶岩脉。因此如何快速准确地寻找含锂辉石伟晶岩块对于锂矿找矿突破具有重要意义。然而一些伟晶岩型锂矿区被堆积物及地表的高植被覆盖较为严重，且地形地貌复杂，有些区域海拔达到4000米以上，导致对伟晶岩等岩块的信息提取与解译难度系数增大，给找矿工作带来了很大的难度。
3.随着遥感技术的发展，光学、热红外和微波等大量不同卫星传感器对地观测的应用，获取的同一地区的多种遥感影像数据(多时相、多光谱、多传感器、多平台和多分辨率)越来越多；与单源遥感影像数据相比，多源遥感影像数据所提供的信息具有冗余性、互补性和合作性。多源遥感影像数据的冗余性表示他们对环境或目标的表示、描述或解译结果相同；互补性是指信息来自不同的自由度且相互独立；合作信息是不同传感器在观测和处理信息时对其它信息有依赖关系。基于遥感技术的特点可以帮助更好的探测伟晶岩。如中国专利文献cn109359621b公开了一种基于多源遥感数据的伟晶岩型锂矿找矿方法，包括：利用待研究区域的第一分辨率光学遥感数据确定伟晶岩型锂矿找矿远景区；针对每个伟晶岩型锂矿找矿远景区，分别利用雷达数据确定穹隆构造并利用第二分辨率光学遥感数据确定转石区，第二分辨率高于第一分辨率；基于所述穹隆构造及转石区的位置关系确定伟晶岩型锂矿找矿靶区；发明利用相对低分辨率的第一分辨率光学遥感数据确定找矿远景区，然后利用雷达数据确定每个找矿远景区的穹隆构造和利用相对高分辨率的第二分辨率光学遥感数据确定每个找矿远景区的转石区，最后以穹隆构造和转石区作为重点野外找矿线索，通过二者的位置关系确定找矿靶区，为野外找矿提供科学依据。又如中国专利文献cn115561828b公开了一种伟晶岩型锂矿识别方法，所述伟晶岩型锂矿识别方法包括：s1：获取目标区域的多种遥感影像数据；s2：分别对每种所述遥感影像数据进行预处理，得到对应的预处理结果；s3：分别提取每种所述遥感影像数据对应的预处理结果中的岩矿信息；s4：利用各所述岩矿信息进行制图，得到对应的岩矿信息图；s5：对各所述岩矿信息图进行叠置分析和空间分析，得到伟晶岩型锂矿识别结果。本发明能够通过多源遥感技术对伟晶岩型锂矿开展高分辨率、高精度和实时原位的快速探测。
4.但是遥感技术涉及的数据量繁杂庞大，寻找一种更快更准地伟晶岩型锂矿找矿方法，对伟晶岩型锂矿找矿突破具有重要意义。


技术实现要素：

5.本发明的目的在于提供一种基于多源遥感数据的伟晶岩型锂矿找矿方法，通过对
遥感数据详细分析，区分线性构造和环形构造信息，采用大数据模型自动分析，构造区域可在找矿时极大的降低工作强度。
6.为实现上述目的，本发明提供如下技术方案：一种基于多源遥感数据的伟晶岩型锂矿找矿方法，所述方法包括如下步骤：
7.步骤s1:获取待研究区域地理信息影像数据和第一遥感影像数据，对地理信息影像数据对待研究区域进行分片预处理得到第二遥感影像数据和第三遥感数据，确定远景矿区信息；
8.步骤s2:基于待研究远景矿区的第二遥感影像数据，依据第二遥感影像数据确定线性构造信息；
9.步骤s3:基于待研究远景矿区的第三遥感影像数据，依据第三遥感影像数据确定环形构造信息；
10.步骤s4:依据上述线性构造和环形构造信息依据分类成矿预测模型编制成矿预测图，并确定靶区；
11.步骤s5：引入已确定研究区域地理信息数据，将信息数据引入编制成的成矿预测模型，确定其是否准确，在准确度大于阈值时，完成该训练模型投入使用。
12.作为本发明所述的一种优选实施方案，所述步骤s1:获取待研究区域地理信息影像数据和第一遥感影像数据，对地理信息影像数据对待研究区域进行分片预处理得到第二遥感影像数据和第三遥感数据，确定远景矿区信息的详细步骤如下：
13.获取待研究区域地理信息影像数据和待研究区域第一遥感影像数据，将二者进行数据融合形成第二遥感影像数据和第三遥感数据；
14.将地理信息遥感数据进行预处理；
15.提取预处理后的第一遥感影像信息，并对其主成分进行分析，依据主成分分析数据，确定选定波段的色彩信息，依据色彩信息合成得到色调特征；
16.基于色调特征设定主成分阈值信息，依据阈值信息以及形态确定远景矿区范围区域。
17.作为本发明所述的一种优选实施方案，所述预处理包括几何校正、正射校正、大气校正、数据融合、图像增强以及区域分片；对预处理后的第一分辨率光学遥感数据进行主成分分析，和对主成分分析后的数据进行选定波段的色彩合成得到第一分辨率光学遥感数据的色调特征。
18.作为本发明所述的一种优选实施方案，所述步骤s2:基于待研究远景矿区的第二遥感影像数据，依据第二遥感影像数据确定线性构造信息的详细步骤如下：
19.获取待研究区域第二遥感影像数据；
20.依据第二遥感影像数据绘制线性构造方位玫瑰图及方位—长度图，依据该图判断产出最优方位；
21.对线性构造方位频数和异常度分析，绘制线性构造频数与强度相关性图,确定研究区内线性构造呈带状分布的高值区。
22.作为本发明所述的一种优选实施方案，所述步骤s3:基于待研究远景矿区的第三遥感影像数据，依据第三遥感影像数据确定环形构造信息的详细步骤如下:
23.获取待研究区域第三遥感影像数据，所述第三遥感影像数据获取后需要对区域内
遥感图像进行预处理；
24.依据与处理后的第三遥感影像数据确定环形构造区域；
25.依据环形构造区域确定富集化高值区域。
26.作为本发明所述的一种优选实施方案，所述第三遥感影像预处理方法步骤如下：
27.首先对图像拼接，将具有地理参考若干相邻区域图像组合成一幅图像，且该图像必须含有投影信息；
28.结合拼接图像进行色彩矫正，使色调一致；
29.接着将图像数据投影到平面设计进行几何矫正，其中几何矫正采用二次多项式拟合法。
30.作为本发明所述的一种优选实施方案，所述步骤s4:依据上述线性构造和环形构造信息依据分类成矿预测模型编制成矿预测图，并确定靶区的详细步骤如下：
31.首先获取上述线性构造和环形构造信息，接着对信息进行解译；
32.由成矿预测模型采用亮度反转、色彩空间变换和锐化处理得到最终图像即线性体和环形体解译图；
33.接着依据线性体和环形解译图分析出成矿预测图。
34.作为本发明所述的一种优选实施方案，其中所述线性构造和环形构造信息均采用卷积核为6*6的边缘增强图像为底进行编译，且在成矿预测模型确定好线性体和环形体解译图之后还需要经过审核。
35.作为本发明所述的一种优选实施方案，在所述步骤s3和s4中需要排除非地址构造造成的影响，并将区域内矿床、矿点和物化探异常的标志叠加在编译上。
36.作为本发明所述的一种优选实施方案，所述步骤s5：引入已确定研究区域地理信息数据，将信息数据引入编制成的成矿预测模型，确定其是否准确，在准确度大于阈值时，完成该训练模型投入使用的详细步骤如下：
37.利用当前已探明矿物的地理信息数据，将该信息的遥感信息引入成矿预测模型；
38.通过成矿预测模型输出成矿预测图；
39.将成矿预测图与已探明数据进行对比，计算器相似度，确定其是否准确；
40.在相似度满足阈值范围，即准确度达标时予以通过，否则继续训练该模型。
41.利用当前已探明矿物的地理信息数据，将该信息的遥感信息引入成矿预测模型；
42.通过成矿预测模型输出成矿预测图；
43.将成矿预测图与已探明数据进行对比，计算器相似度，确定其是否准确；在相似度满足阈值范围，即准确度达标时予以通过，否则继续训练该模型。综上所述，本发明通过对遥感数据详细分析，区分线性构造和环形构造信息，采用大数据模型自动分析，构造区域可在找矿时极大的降低工作强度。
44.与现有技术相比，本发明的有益效果是：
45.本发明在通过对遥感数据详细分析，区分线性构造和环形构造信息，采用大数据模型自动分析，构造区域可在找矿时极大的降低工作强度；同过对成矿预测模型的训练，可构建一个自动分析遥感信息的模型。
附图说明
46.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。
47.图1为本发明所述方法流程图。
具体实施方式
48.为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
49.请参阅图1，本发明为实现上述目的对本发明所述技术方案进行详细说明。
50.本发明提出一种基于多源遥感数据的伟晶岩型锂矿找矿方法，所述方法包括如下步骤：
51.步骤s1:获取待研究区域地理信息影像数据和第一遥感影像数据，对地理信息影像数据对待研究区域进行分片预处理得到第二遥感影像数据和第三遥感数据，确定远景矿区信息；
52.步骤s2:基于待研究远景矿区的第二遥感影像数据，依据第二遥感影像数据确定线性构造信息；
53.步骤s3:基于待研究远景矿区的第三遥感影像数据，依据第三遥感影像数据确定环形构造信息；
54.步骤s4:依据上述线性构造和环形构造信息依据分类成矿预测模型编制成矿预测图，并确定靶区；
55.步骤s5：引入已确定研究区域地理信息数据，将信息数据引入编制成的成矿预测模型，确定其是否准确，在准确度大于阈值时，完成该训练模型投入使用。
56.其中待研究区域数据，基于已有地理信息数据研究区域的遥感信息库；所述成矿预测模型是采用基于计算机视觉大数据模型，其可通过gpu、cpu等部件模块组成的计算设备实现；
57.进一步的，所述步骤s1:获取待研究区域地理信息影像数据和第一遥感影像数据，对地理信息影像数据对待研究区域进行分片预处理得到第二遥感影像数据和第三遥感数据，确定远景矿区信息的详细步骤如下：
58.获取待研究区域地理信息影像数据和待研究区域第一遥感影像数据，将二者进行数据融合形成第二遥感影像数据和第三遥感数据；
59.将地理信息遥感数据进行预处理；
60.提取预处理后的第一遥感影像信息，并对其主成分进行分析，依据主成分分析数据，确定选定波段的色彩信息，依据色彩信息合成得到色调特征；
61.基于色调特征设定主成分阈值信息，依据阈值信息以及形态确定远景矿区范围区域。
62.进一步的，所述预处理包括几何校正、正射校正、大气校正、数据融合、图像增强以及区域分片；对预处理后的第一分辨率光学遥感数据进行主成分分析，和对主成分分析后
的数据进行选定波段的色彩合成得到第一分辨率光学遥感数据的色调特征。
63.进一步的，所述步骤s2:基于待研究远景矿区的第二遥感影像数据，依据第二遥感影像数据确定线性构造信息的详细步骤如下：
64.获取待研究区域第二遥感影像数据；
65.依据第二遥感影像数据绘制线性构造方位玫瑰图及方位—长度图，依据该图判断产出最优方位；
66.对线性构造方位频数和异常度分析，绘制线性构造频数与强度相关性图,确定研究区内线性构造呈带状分布的高值区。
67.进一步的，所述步骤s3:基于待研究远景矿区的第三遥感影像数据，依据第三遥感影像数据确定环形构造信息的详细步骤如下:
68.获取待研究区域第三遥感影像数据，所述第三遥感影像数据获取后需要对区域内遥感图像进行预处理；
69.依据与处理后的第三遥感影像数据确定环形构造区域；
70.依据环形构造区域确定富集化高值区域。
71.进一步的，所述第三遥感影像预处理方法步骤如下：
72.首先对图像拼接，将具有地理参考若干相邻区域图像组合成一幅图像，且该图像必须含有投影信息；
73.结合拼接图像进行色彩矫正，使色调一致；
74.接着将图像数据投影到平面设计进行几何矫正，其中几何矫正采用二次多项式拟合法。
75.进一步的，所述步骤s4:依据上述线性构造和环形构造信息依据分类成矿预测模型编制成矿预测图，并确定靶区的详细步骤如下：
76.首先获取上述线性构造和环形构造信息，接着对信息进行解译；
77.由成矿预测模型采用亮度反转、色彩空间变换和锐化处理得到最终图像即线性体和环形体解译图；
78.接着依据线性体和环形解译图分析出成矿预测图。
79.进一步的，其中所述线性构造和环形构造信息均采用卷积核为6*6的边缘增强图像为底进行编译，且在成矿预测模型确定好线性体和环形体解译图之后还需要经过审核。
80.进一步的，在所述步骤s3和s4中需要排除非地址构造造成的影响，并将区域内矿床、矿点和物化探异常的标志叠加在编译上。
81.进一步的，所述步骤s5：引入已确定研究区域地理信息数据，将信息数据引入编制成的成矿预测模型，确定其是否准确，在准确度大于阈值时，完成该训练模型投入使用的详细步骤如下：
82.利用当前已探明矿物的地理信息数据，将该信息的遥感信息引入成矿预测模型；
83.通过成矿预测模型输出成矿预测图；
84.将成矿预测图与已探明数据进行对比，计算器相似度，确定其是否准确；
85.在相似度满足阈值范围，即准确度达标时予以通过，否则继续训练该模型。
86.综上所述，本发明通过对遥感数据详细分析，区分线性构造和环形构造信息，采用大数据模型自动分析，构造区域可在找矿时极大的降低工作强度。
87.处理器从存储器中逐条取出指令、分析指令，然后根据指令要求完成相应操作，产生一系列控制命令，使计算机各部分自动、连续并协调动作，成为一个有机的整体，实现程序的输入、数据的输入以及运算并输出结果，这一过程中产生的算术运算或逻辑运算均由运算器完成；所述存储器包括只读存储器(read-only memory，rom)，所述只读存储器用于存储计算机程序，所述存储器外部设有保护装置。
88.示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
89.本领域技术人员可以理解，上述服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。
90.所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
91.上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等；存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
92.终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例系统中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个系统实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。
93.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有
的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
94.以上所述为本发明的较佳实施例，并不用于限制本发明。在本发明原理及实施范围内所作的任何修改、等同替换及改进等均应包含在本发明的保护范围内。
95.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
96.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：
1.一种基于多源遥感数据的伟晶岩型锂矿找矿方法，其特征在于，所述方法包括如下步骤：步骤s1:获取待研究区域地理信息影像数据和第一遥感影像数据，对地理信息影像数据对待研究区域进行分片预处理得到第二遥感影像数据和第三遥感数据，确定远景矿区信息；步骤s2:基于待研究远景矿区的第二遥感影像数据，依据第二遥感影像数据确定线性构造信息；步骤s3:基于待研究远景矿区的第三遥感影像数据，依据第三遥感影像数据确定环形构造信息；步骤s4:依据上述线性构造和环形构造信息依据分类成矿预测模型编制成矿预测图，并确定靶区；步骤s5：引入已确定研究区域地理信息数据，将信息数据引入编制成的成矿预测模型，确定其是否准确，在准确度大于阈值时，完成该训练模型投入使用。2.根据权利要求1所述的一种基于多源遥感数据的伟晶岩型锂矿找矿方法，其特征在于，所述步骤s1:获取待研究区域地理信息影像数据和第一遥感影像数据，对地理信息影像数据对待研究区域进行分片预处理得到第二遥感影像数据和第三遥感数据，确定远景矿区信息的详细步骤如下：获取待研究区域地理信息影像数据和待研究区域第一遥感影像数据，将二者进行数据融合形成第二遥感影像数据和第三遥感数据；将地理信息遥感数据进行预处理；提取预处理后的第一遥感影像信息，并对其主成分进行分析，依据主成分分析数据，确定选定波段的色彩信息，依据色彩信息合成得到色调特征；基于色调特征设定主成分阈值信息，依据阈值信息以及形态确定远景矿区范围区域。3.根据权利要求2所述的一种基于多源遥感数据的伟晶岩型锂矿找矿方法，其特征在于，所述预处理包括几何校正、正射校正、大气校正、数据融合、图像增强以及区域分片；对预处理后的第一分辨率光学遥感数据进行主成分分析，和对主成分分析后的数据进行选定波段的色彩合成得到第一分辨率光学遥感数据的色调特征。4.根据权利要求3所述的一种基于多源遥感数据的伟晶岩型锂矿找矿方法，其特征在于，所述步骤s2:基于待研究远景矿区的第二遥感影像数据，依据第二遥感影像数据确定线性构造信息的详细步骤如下：获取待研究区域第二遥感影像数据；依据第二遥感影像数据绘制线性构造方位玫瑰图及方位—长度图，依据该图判断产出最优方位；对线性构造方位频数和异常度分析，绘制线性构造频数与强度相关性图,确定研究区内线性构造呈带状分布的高值区。5.根据权利要求4所述的一种基于多源遥感数据的伟晶岩型锂矿找矿方法，其特征在于，所述步骤s3:基于待研究远景矿区的第三遥感影像数据，依据第三遥感影像数据确定环形构造信息的详细步骤如下:获取待研究区域第三遥感影像数据，所述第三遥感影像数据获取后需要对区域内遥感
图像进行预处理；依据与处理后的第三遥感影像数据确定环形构造区域；依据环形构造区域确定富集化高值区域。6.根据权利要求5所述的一种基于多源遥感数据的伟晶岩型锂矿找矿方法，其特征在于，所述第三遥感影像预处理方法步骤如下：首先对图像拼接，将具有地理参考若干相邻区域图像组合成一幅图像，且该图像必须含有投影信息；结合拼接图像进行色彩矫正，使色调一致；接着将图像数据投影到平面设计进行几何矫正，其中几何矫正采用二次多项式拟合法。7.根据权利要求7所述的一种基于多源遥感数据的伟晶岩型锂矿找矿方法，其特征在于，所述步骤s4:依据上述线性构造和环形构造信息依据分类成矿预测模型编制成矿预测图，并确定靶区的详细步骤如下：首先获取上述线性构造和环形构造信息，接着对信息进行解译；由成矿预测模型采用亮度反转、色彩空间变换和锐化处理得到最终图像即线性体和环形体解译图；接着依据线性体和环形解译图分析出成矿预测图。8.根据权利要求7所述的一种基于多源遥感数据的伟晶岩型锂矿找矿方法，其特征在于，其中所述线性构造和环形构造信息均采用卷积核为6*6的边缘增强图像为底进行编译，且在成矿预测模型确定好线性体和环形体解译图之后还需要经过审核。9.根据权利要求8所述的一种基于多源遥感数据的伟晶岩型锂矿找矿方法，其特征在于，在所述步骤s3和s4中需要排除非地址构造造成的影响，并将区域内矿床、矿点和物化探异常的标志叠加在编译上。10.根据权利要求9所述的一种基于多源遥感数据的伟晶岩型锂矿找矿方法，其特征在于，所述步骤s5：引入已确定研究区域地理信息数据，将信息数据引入编制成的成矿预测模型，确定其是否准确，在准确度大于阈值时，完成该训练模型投入使用的详细步骤如下：利用当前已探明矿物的地理信息数据，将该信息的遥感信息引入成矿预测模型；通过成矿预测模型输出成矿预测图；将成矿预测图与已探明数据进行对比，计算器相似度，确定其是否准确；在相似度满足阈值范围，即准确度达标时予以通过，否则继续训练该模型。

技术总结
本发明涉及矿产资源开发领域，具体公开了一种基于多源遥感数据的伟晶岩型锂矿找矿方法，步骤S1:获取待研究区域地理信息影像数据和第一遥感影像数据，对地理信息影像数据对待研究区域进行分片预处理得到第二遥感影像数据和第三遥感数据，确定远景矿区信息；步骤S2:基于待研究远景矿区的第二遥感影像数据，依据第二遥感影像数据确定线性构造信息；步骤S3:基于待研究远景矿区的第三遥感影像数据等内容；本发明通过对遥感数据详细分析，区分线性构造和环形构造信息，采用大数据模型自动分析，构造区域可在找矿时极大的降低工作强度；同过对成矿预测模型的训练，可构建一个自动分析遥感信息的模型。析遥感信息的模型。析遥感信息的模型。


技术研发人员：张新远 欧阳光文 乔国栋 李五福 王伟 卢世银 马志远 曹锦山 赵忠国 王春涛 刘建栋 郝勇强 李红刚
受保护的技术使用者：青海省地质调查院（青海省地质矿产研究院、青海省地质遥感中心）
技术研发日：2023.07.05
技术公布日：2023/10/6