《Annals of Nuclear Energy》：Anomaly-aware leveling algorithm for airborne gamma-ray spectroscopy data
编辑推荐：
•该方法利用熵和偏度通过局部邻域分析检测机载伽马射线能谱中的条纹噪声，将其与正常和异常数据分离。•本研究使用改进的样本熵来界定异常范围，反映局部整体趋势，以更好地识别真正的异常情况。•本文使用数据无关非线性滤波器 (DDNL) 通过根据邻居距离对数据点进行加权来估算背景场，减
- •
该方法利用熵和偏度通过局部邻域分析检测机载伽马射线能谱中的条纹噪声，将其与正常和异常数据分离。
- •
本研究使用改进的样本熵来界定异常范围，反映局部整体趋势，以更好地识别真正的异常情况。
- •
本文使用数据无关非线性滤波器 (DDNL) 通过根据邻居距离对数据点进行加权来估算背景场，减少噪声并提取信号特征。
- •
本研究在条纹区域内采用迭代处理来完善背景估计和基线调整，去除残差并提高数据质量。
- •
使用功率谱、相关性和变异系数 (CV) 进行评估显示，整平前后具有强相关性，波动性降低，高频噪声去除有效，稳定性提高。
引言
AGS 是一种地球物理技术，测量地表自然发射的伽马辐射。这些有价值的信息揭示了地下地质构造的成分和地球物质的分布 (Supeng et al., 2022, Mendes et al., 2024)。在实际勘探中，辐射数据（包括总计数、铀、钍和钾浓度）作为划定构造线和绘制潜在矿化区的关键指标，其成功应用在于定义含铀矿化目标和追踪浅成侵入岩岩性延伸，如伟晶岩或花岗岩 (Essa et al., 2022, Mohamed, 2019)。然而，AGS 数据中的“振荡”或“条纹”效应一直是数据处理中的重大挑战。这种振荡效应表现为数据中波动的噪声条带，降低了数据的质量和可靠性，对地下地质体中放射性同位素分布的准确解释产生负面影响。因此，涌现出多种光谱数据整平方法，旨在减少数据中的噪声变异性并提高数据质量 (Huang, 2008)。
为了去除机载重力梯度测量原始数据中的条状噪声干扰，孙永开发了一种超越传统统计整平的组合整平方法。他的方法涉及三个关键步骤：对原始数据进行去趋势、合并密集间隔的测线以及应用方向滤波器。沿测线的方向滤波器保留高频信息，而对数据进行网格化处理时应用低通滤波以保留低频信息。最后，对原始测线进行重采样并与高频数据合并以获得最终结果。与传统基于剖面线的整平相比，这种组合整平方法对分割的依赖较少，可应用于剖面线覆盖稀疏的测量区域 (Sun and Zhou, 2019)。易贵提出了一种新的改进数据分析标准 (MDAC) 理论公式，通过实验和模拟验证了其准确性，并优化了 AGS 数据的整平，为 AGS 系统设计提供了理论支持 (Yi et al., 2021)。在彭丽红的一项研究中，使用了静态剖面线整平法，发现多项式拟合、B 样条曲线拟合和低通滤波方法可以显著消除自由空间重力异常数据中沿测线的条带噪声。然而，低通滤波方法在测线末端不稳定，整平后会在测量区域边界引入噪声 (Peng et al., 2023)。在航空地球物理测量中，异常区域的数据通常沿飞行线方向显示出强烈的梯度峰值。张琼提出了一种新的整平技术。航空地球物理数据通过假设基于飞行线方向的水平误差表现出明显的中心频率特性进行校准。该技术可以提取整个测量区域的水平误差，同时避免由强噪声、数据缺失或误差传播引起的区域误差。然而，该方法需要更长的时间来分解扩展的测量区域 (Zhang et al., 2021)。张琼提出了一种基于图像空间特征（包括方向特征和幅度变化）的航空地球物理数据新整平技术。该技术将整个测量数据应用于变分模型，并引入自适应多尺度变分模型进行错误的迭代分解和校正。它有效地避免了参数的人工选择，并能够自动提取整个测量区域的整平误差，无需人员参与或线控制 (Zhang et al., 2022)。高令齐提出了一种基于轮廓波变换 (Curvelet transform) 的数据整平方法，利用了轮廓波变换的多尺度、多方向特征。这种方法能够在无需数据分割的情况下整平不规则测量区域数据，从而显著提高整平效率和适用性 (Gao et al., 2021)。为了处理全张量磁梯度数据，钟阳开发了一种整平和误差分配方案。他对全张量磁梯度数据的六个分量分别应用了总场整平方法，然后使用拉普拉斯方程作为约束来分配整平误差分量场值的绝对值，确保整平后的全张量磁梯度矩阵仍保持其张量特性 (Zhong, 2022)。吴承平结合了剖面线整平、弱磁场区域整平和精细整平方法，制作了 1:25,000 高精度航空磁测数据。数据融合利用了磁场水平调整方法，在融合过程中由实测剖面线控制磁场。这种方法有助于更真实地反映磁场值及其变化趋势 (Wu et al., 2023)。在卫星伽马能谱学研究中，数据处理和降噪策略对于确保 SVOM 项目中伽马射线暴 (GRB) 观测数据的质量至关重要。于顺景采用了高性能多波段探测器，如 GRM 和 ECLAIRs，以及先进的地面数据处理系统，实现了观测数据的精确校准和高效降噪。这些技术的应用提高了数据的信噪比，为 GRB 科学研究提供了高质量的数据集 (Yu et al., 2019)。曲彦坤收集了多个地基于切伦科夫望远镜阵列的数据，以准确估计河外 TeV 伽马射线背景的下限。总共精心选择了 61 个低活动状态谱的 TeV 源。通过累积这些源的通量，计算了背景辐射的下限。采用线性插值和能量区间重新定义来标准化数据格式 (Yankun and Houdun, 2021)。
在本研究中，我们通过开发一种创新的无剖面辅助技术来解决传统方法整平 AGS 数据的局限性。基于异常识别，我们采用算法准确分离和处理原始数据中的地质背景、矿致异常和噪声，有效去除条纹噪声并重构数据，以恢复研究区域内真实的伽马射线场信息。所提出的方法旨在消除对传统剖面线和人工微整平的依赖，从而在弱信号或高噪声强度条件下提供更为精确和可靠的整平结果。该方法不仅提高了数据处理效率，还显著减少了人力资源和时间的消耗，从而提高了 AGS 测量的成本效益。
章节片段
数据统计
AGS 数据是通过大型高速机载测量获得的，伽马射线探测器安装在固定翼飞机上，涉及庞大的数据量。为了便于质量控制和测量数据的验证，需要选择合适的统计方法进行分析验证。本研究选择正态分布进行数据验证，以评估数据质量并分析数据的分布特征和可能变化。分析过程是
整平方法原理
为了有效减轻条纹误差，特别是在航空伽马射线能谱动态测量中数据变异性高的环境中，本文引入了邻域搜索技术——一种空间滤波方法——作为有效的降噪方法。该技术的核心在于利用数据的空间相关性，通过分析特定测量点周围的邻域数据来估算背景场值，从而有助于识别
整平实施与案例分析
随着对整平原理的深入分析，构建了一个基于条纹识别和背景估计的整平理论框架。基于该框架，进一步设计并实现了本文提出的整平算法。该算法由几个部分组成，包括数据预处理、特征提取、条纹数据聚类与划分、条纹背景估计、异常划定和校正。该算法
结果与讨论
为了准确评估无剖面辅助整平航空伽马射线能谱数据的功效，本研究采用功率谱、相关系数和变异系数作为评价指标。
功率谱作为频域分析工具，用于描绘信号能量在不同频率上的分布。在能谱分析的背景下，通常采用的可视化方法是功率谱密度图。关于
结论
在本研究中，我们提出了一种基于异常信息识别的 AGS 数据整平算法，旨在有效去除原始 AGS 数据中的条纹噪声。为了定量展示所提方法的优越性，与传统微整平方法进行了全面的比较分析。统计结果表明，所提出的异常感知算法在测量范围内均方根误差 (RMSE) 的降低幅度要高得多
利益冲突声明
作者声明，他们没有任何已知的竞争性财务利益或个人关系可能影响本文所述工作的报告。
致谢
本工作得到了国家自然科学基金 (No. 12205044 & 12265003)，江西省军民融合创新平台（江西省军民融合研究所博士后创新实践基地）项目 (No. 22ZK01) 和华东交通大学博士启动基金 (No. DHBK2019152) 的支持。
熊超|王鑫|吴涛|乔鑫|袁源|吴和希
