重磁异常包含丰富的地质信息,但来自不同深度或横向相邻场源的异常往往相互叠加,且常伴随稀疏噪声和周期性干扰,为目标场源重磁异常识别带来挑战。针对这一问题,研究提出了基于多空间稀疏优化的重磁数据提取方法。
该方法综合利用深部异常在奇异谱空间中的低秩特征与浅部场源在模型空间中的稀疏特征,先分离深浅异常,再通过 L0 范数约束和迭代硬阈值算法,对浅部等效源模型进行压缩与分割,从而提取横向相邻场源的局部异常。同时,该方法还能有效抑制稀疏噪声与周期性噪声。

图1 复杂叠加重磁异常信息提取流程示意图(据原论文图2)
图1显示了该方法的总体思路:首先利用 RPCA_PFDS识别并分离稀疏噪声,再利用 LRMS_PFDS分离深部区域场与浅部局部场,最后通过 MC_IHT对浅部等效源进行压缩分割,实现多个目标异常体的精细提取。
理论模型实验表明,该方法能够减弱频谱重叠对分离结果的影响。重力异常分离的均方根误差为 0.094 mGal,优于文中对比的小波分解方法;在深浅场源埋深差较小的磁异常实验中,也表现出较好的稳定性和分离精度。
在南岭成矿带实测重力资料处理中,研究提取了多处与侵入岩相关的局部重力低异常,其空间分布与已知出露岩浆岩具有较好对应关系(图2),说明该方法可为侵入岩识别与矿产资源勘查提供有效的信息提取手段。

图2 南岭地区主要岩浆岩分布区的局部重力异常提取结果(据原论文图25)
该成果于2025年发表于 IEEE Transactions on Geoscience and Remote Sensing。研究成果由中国石油大学(华东)深部油气重点实验室支持,中国石油大学(华东)朱丹为第一作者,中国地质大学(武汉)胡祥云教授、中国地质大学(武汉)刘双教授和中国石油大学(华东)曹丹平教授为共同作者。研究得到国家自然科学基金及中央高校基本科研业务费支持。
论文信息:D. Zhu, X. Hu, S. Liu, and D. Cao, “Gravity and Magnetic Data Extraction Based on Multispatial Sparsity Optimization,” IEEE Transactions on Geoscience and Remote Sensing, vol. 63, Art. no. 5911019, 2025. DOI: 10.1109/TGRS.2025.3560979.