玄武岩作为探测地球深部的“探针”和“窗口”,其空间分布对构造背景、岩石圈深部的动力学背景和地质找矿潜力等研究具有重要意义。由于大面积的第四系沉积物的覆盖,集宁玄武岩的岩性特征、边界不甚清晰,使其岩性识别成为一大难题。近年来,物化探、遥感技术作为人类研究地表的重要技术手段已广泛应用于覆盖区岩性识别中。然而,由于光学遥感数据只能获取地表信息、物化探数据存在采样不连续、比例尺小等缺陷,覆盖区岩性填图精度较低。为了提高覆盖区的玄武岩识别精度,本研究以内蒙古自治区乌兰察布市集宁区的兴和——鄂卜坪浅覆盖区为实验区,深入、全面地探讨如何协同利用遥感、地球化学、地质等多源数据对覆盖区玄武岩进行自动分类识别,明确覆盖区内玄武岩的空间分布。本研究的主要内容和成果如下:(1)通过多种多光谱遥感图像数据的岩性目视解译、岩性信息增强和机器学习分类比较,寻找适合多源数据协同识别覆盖区岩性的最佳数据组合和最优算法。实验证实:多源遥感数据组合的岩性分类能力显著优于单一遥感数据;而支持向量机(Supporting Vector Machine,SVM)在利用多源遥感数据进行覆盖区岩性识别中具有很大优势;(2)基于区域内水系沉积物地球化学数据进行插值分析,以探索其与玄武岩的对应关系。研究发现:最能代表区内玄武岩分布的元素组合为:Cd、Co、Cr、Cu、Mo、Ni、Zn和Pb;(3)结合能够有效反映研究区玄武岩分布的化探数据和遥感数据,利用SVM进行玄武岩分类研究。实验结果证明:化探数据和遥感数据的组合是覆盖区岩性识别的有效组合,从中可以得到更为准确的覆盖区玄武岩空间分布。综上所述,本研究中提出的多源地学信息协同处理的框架和技术可充分发挥不同地学数据的优势,提高覆盖区岩性填图精度和效率,将为覆盖区岩性识别提供技术参考,具有重要的学术意义。