现代社会对煤炭的需求不断增大,但露天煤矿越来越少,发现煤矿的难度越来越大。在越南,煤炭矿区地质非常复杂,对煤的勘探工作中经常出现人员伤亡和效率低等情况。因此,研究露天煤矿区勘探技术具有重要的意义。随着科学技术的发展,遥感技术是科学进步的重要成果,主要用于资源监测与调查等。本文从遥感理论和煤的光谱特性出发,通过遥感图像来勘查,测量露天煤矿区的分布情况。首先,对遥感技术和煤炭勘探方法进行了研究和分析,找出各方法的优点和不足之处。随后,对极限学习机进行详细研究,在原有的工作基础上,结合极限学习机提出了改进遥感技术勘探煤炭方法。其次,对原始的遥感图像数据进行相关处理,使用辐射定标和大气校正方法消除大气、光照等因素对光谱数据的干扰。随后,对遥感数据进行采样,结合提出的改进ELM神经网络算法构建遥感煤炭分类模型,仿真结果表明了改进ELM算法的有效性。最后,将分类模型应用在遥感图像露天煤矿上,先使用改进ELM算法模型对遥感图像露天煤矿域进行识别煤炭区,并将识别结果与Google Earth图像比较。然后,与其他分类方法进行对比,结果表明改进ELM算法识别精度高于BP神经网络、SVM算法、M-RFS算法和RF算法。并将分类模型应用在其他露天煤矿区上,进一步验证该方法的实用性。