地科學院邵燕林副教授團隊長期從事數字露頭、儲層三維表征等方面的研究，團隊碩士生黃宇在EI期刊《激光與光電子學進展》上發表題為《基于高光譜數據的碳酸鹽岩岩性識别決策樹模型》的研究論文。永利6774app手机版官网為論文第一署名單位，碩士生黃宇為論文第一作者，邵燕林副教授為該文通訊作者，本項研究得到湖北省教委科研基金共同資助。

該論文針對當前碳酸鹽岩高光譜識别中存在的數據冗餘度高、傳統方法效率低下等技術瓶頸，提出一種融合光譜知識與決策樹模型的智能化識别方案，實現了碳酸鹽岩岩性的高精度分類。所提方法首先采用連續譜去除方法對采集光譜進行預處理，然後結合光譜知識和機器學習提取特征。具體來說，通過光譜知識确定與碳酸鹽岩密切相關的光譜區間，并提取光譜曲線中的關鍵波形特征，利用随機森林算法篩選出具備區分能力的特征，并通過阈值分析确定最佳分類判别式，構建決策樹模型。最後，利用混淆矩陣評估模型性能，并與其他 5 種模型的分類精度進行對比分析。結果表明，基于吸收谷最低點波長、吸收帶右肩波長和吸收帶寬度順序構建的決策樹模型在分類精度上表現最佳，準确率達到95.57%。

論文鍊接：https://kns.cnki.net/kcms2/article/abstract?v=_uHp55J8LtBNr6LI9KxoaMajAst18vokwEmKjZAwHLlf7faNawWbbxCMEDAERahIgx8owoJS_C5QBczZTP3jHV1LG6Zm5bG6GUFafc8p2pwiXb7SKpfJKe3-6tRZurNG0twPZSIMmTGIorBBD71IjNzH-JbM2jwB6_PaevA6VVGPk_-TVivmVg==&uniplatform=NZKPT&language=CHS

圖1不同特征在不同測試集下的分類準确率。（a）吸收谷最低點波長；（b）吸收帶右肩波長；（c）吸收帶寬度

圖2決策樹處理流程

圖3 論文首頁