机器学习在处理矿产勘探遥感数据中的应用综述

近年来新发现矿床数量的下降以及不同矿产需求的增加，促使勘探地质学家寻找更高效、创新的方法，以在矿产勘探各阶段处理不同类型的数据。作为首要步骤，人们绘制岩性单元、蚀变类型、构造和指示矿物等多种特征，以辅助找矿决策。卫星和航空数据等不同类型的遥感数据集，使克服与地质特征填图相关的常见问题成为可能。从不同平台获取的遥感数据量迅速增加，促使科学家开发先进、创新和稳健的数据处理方法。机器学习方法有助于处理广泛的遥感数据集，并确定反射率连续谱与感兴趣特征等组分之间的关系。这些方法在处理光谱和地面实测数据以应对噪声和不确定性方面具有稳健性。近年来，许多研究通过补充遥感数据集来辅助地质调查，这目前在地球科学研究中已十分突出。本文全面综述了一些流行且近期建立的机器学习方法在处理不同类型遥感数据中的实现与适配，并探讨其在检测各类矿床类型中的应用。我们展示了结合遥感数据与机器学习方法在填绘对提供潜力图至关重要的不同地质特征方面的高能力。此外，我们发现先进方法在处理新一代遥感数据以创建改进的矿产远景图方面尚有空间。