石油烃污染紫色土的可见-近红外光谱特征及其含量估算研究

高光谱遥感技术是一种有效的监测石油类污染手段,目前主要应用于海上溢油方面,而关于土壤石油烃污染的研究较少。针对土壤石油烃污染研究不足的现状,选取柴油、汽油和机油三种石油烃,开展了石油烃污染紫色土的光谱特征实验研究,分析了紫色土在不同种类石油烃污染及不同污染浓度条件下的光谱特征,提取了含有不同种类石油烃的紫色土光谱吸收特征波段。在此基础上,经过7种光谱变换和相关性分析,筛选出与石油烃含量最敏感的光谱变量,分别采用单变量回归法和多元逐步线性回归法建立了估算模型,并对模型进行了验证。研究表明：含有柴油、机油和汽油的光谱在1 200,1 700和2 300 nm附近均出现了吸收特征,光谱吸收深度表现为：机油>汽油>柴油;多元逐步线性回归法优于单变量回归法,其建立的柴油、机油和汽油的估算模型决定系数均大于0.95,校正均方根误差小于0.47,验证均方根误差小于0.56,估算精度较高。     

石油烃污染紫色土的可见-近红外光谱特征及其含量估算研究（英文）

高光谱遥感技术是一种有效的监测石油类污染手段,目前主要应用于海上溢油方面,而关于土壤石油烃污染的研究较少。针对土壤石油烃污染研究不足的现状,选取柴油、汽油和机油三种石油烃,开展了石油烃污染紫色土的光谱特征实验研究,分析了紫色土在不同种类石油烃污染及不同污染浓度条件下的光谱特征,提取了含有不同种类石油烃的紫色土光谱吸收特征波段。在此基础上,经过7种光谱变换和相关性分析,筛选出与石油烃含量最敏感的光谱变量,分别采用单变量回归法和多元逐步线性回归法建立了估算模型,并对模型进行了验证。研究表明:含有柴油、机油和汽油的光谱在1 200,1 700和2 300nm附近均出现了吸收特征,光谱吸收深度表现为:机油汽油柴油;多元逐步线性回归法优于单变量回归法,其建立的柴油、机油和汽油的估算模型决定系数均大于0.95,校正均方根误差小于0.47,验证均方根误差小于0.56,估算精度较高。     

基于迭代逼近算法的土壤中机油和柴油混合物荧光信号重叠特性研究（英文）

随着我国经济的迅速发展,石油制品需求量与日俱增,伴随着工农业生产活动,大量石油制品进入土壤,造成严重的土壤石油污染。土壤中的石油污染物会对植物生长产生危害,并通过食物链威胁人类健康,因此需对土壤中的石油污染物进行现场、快速检测。激光诱导荧光技术(Laser-Induced fluorescence, LIF)具有检测速度快、灵敏度高、可现场检测等优点,但在检测土壤中有机污染物时,面临着荧光光谱重叠严重等问题。为了研究土壤中机油和柴油混合物荧光信号的重叠特性,制备了10种含有不同浓度机油、柴油混合物的土壤样品。通过搭建LIF实验系统,获取不同混合浓度的机油和柴油的荧光光谱,对油类荧光光谱进行了最大值归一化处理,建立土壤中机油、柴油混合光谱的反演关系,以最小残差平方和为指标,使用迭代逼近算法计算出土壤荧光光谱中柴油和机油样品的荧光贡献率。分别使用了全谱法和截取特征光谱两种方法计算机油和柴油的荧光贡献率。全谱法是在混合油样的全波段光谱(200~600 nm)范围进行迭代逼近,截取特征光谱方法是在截取油样光谱(330~460 nm)段进行迭代逼近。(330~460 nm)范围内包含了混合油样的所有光谱特征。用计算出的机油的荧光贡献率与机油样品浓度做线性拟合时发现,截取特征光谱法的拟合系数R为0.989,优于全谱法的0.923。分别用全谱法、截取特征光谱法计算出的荧光贡献率以及归一化机油、柴油光谱合成混合油归一化光谱,与实际归一化混合光谱比较,截取特征光谱法计算的平均相对误差为3.38%,优于全谱的8.79%,其原因是全谱法比截取特征光谱法引入了更多的噪声信号,所以在计算油类荧光贡献率时产生了较大的误差。选取机油和柴油归一化光谱上300, 350, 400, 450和500 nm等5个位置的荧光强度与归一化混合油光谱做多元线性回归拟合,计算出平均相对误差为10.31%。结果表明截取特征光谱方法优于多元线性回归方法;土壤中机油和柴油的荧光贡献率与自身的浓度之间成良好的线性关系,说明在土壤中机油和柴油混合后各自的化学性质保持稳定,在土壤中的荧光信号重叠特性是线性叠加的。这种这种方法同样可以用于其他石油类混合物的解离。通过该研究提高了LIF技术在土壤中石油烃类污染物定性与定量检测的准确性。为土壤中石油烃现场快速检测提供了方法支撑。     

基于特征波长积分算法的土壤有机质抗水分干扰模型研究

土壤有机质是土壤的重要成分,也是农作物生长的重要营养指标。快速、准确检测土壤有机质含量对施肥管理具有重要意义。近年来,近红外光谱被广泛应用于土壤有机质的快速检测,然而土壤有机质敏感波段易受土壤水分干扰,从而会影响到土壤有机质的预测结果。在山西省境内采集了140个土壤样本,采用ASD光谱仪分别获取了不同含水率（0%,5%,10%,15%,17%）土壤样本谱图曲线（350～2 500 nm）。为了提高土壤有机质预测模型精度,提出特征波长积分算法,即通过特征波长处吸光度的积分值作为自变量进行建模的方法,建立了土壤有机质预测模型及抗水分干扰修正系数模型。结果表明：（1）使用特征波长处吸光度的积分值作为自变量建立的土壤有机质预测模型统计参数优于传统的使用特征波长处的吸光度值作为自变量的建模方法;（2）校正后的湿土光谱更加接近干土土样,在一定程度上解决了传统水分修正系数在水分含量较高时修正效果较差的问题;（3）提高了湿土样本的预测精度,预测相关系数（R_P）提升了约0.09,预测均方根误差（RMSEP）降低了约1.72 。说明该方法可以有效降低水分对土壤有机质光谱的影响,提高不同含水率土壤有机质的预测精度,可为后续仪器开发提供理论支持。     

土壤水分对近红外光谱实时检测土壤全氮的影响研究

利用近红外光谱技术实时预测土壤全氮含量是精细农业的研究热点之一,但是由于土壤水分在近红外波段的吸收系数较高,影响了土壤全氮含量的实时预测精度。使用布鲁克MATRIX_I傅里叶近红外光谱分析仪对不同土壤水分的土壤样本进行了近红外光谱扫描,定性和定量的分析了土壤水分对近红外光谱的影响,并提出了一种消除土壤水分对土壤全氮含量预测影响的方法。近红外光谱扫描结果显示在同一全氮含量水平下,随着土壤水分含量的增加,光谱吸光度呈逐渐上升的趋势,且变化趋势为非线性。通过对1 450和1 940 nm两个水分吸收波段的差分处理,设计了水分吸收指数MAI（moisture absorbance index）,再对土壤按照水分含量梯度进行分类,提出了相应的修正系数。修正后的6个土壤全氮特征波段处(940,1 050,1 100,1 200,1 300和1 550 nm)的土壤吸光度值作为建模自变量,使用BP神经网络建立了土壤全氮预测模型,模型的R_C,R_V,RMSEC,RMSEP和RPD分别达到了0.86,0.81,0.06,0.05和2.75;与原始吸光度所建模型相比较模型精度得到了显著提高。实验结果表明本方法可以有效地消除土壤水分对近红外光谱检测土壤全氮含量预测的影响,为土壤全氮含量实时预测提供了理论和技术支持。     

基于熵值组合模型的矿业复垦土壤重金属高光谱反演

探讨组合模型在土壤重金属含量高光谱估算中的可行性,以四川古蔺工矿废弃地复垦土壤为研究对象,采集样品并测得重金属含量(Cd、Cr、Ni、As和Hg)和光谱信息;对土壤光谱进行预处理,探索响应波段;利用PLS、ANN和RF构建单一估测模型;利用熵值法进行较优模型组合。结果表明,4种光谱预处理技术对光谱与重金属含量之间的相关性均有不同程度的提升;单一预测模型MSC-RF模型效果最优,可最大程度对重金属含量进行预测;通过熵值法构建的组合预测模型较单一预测模型效果有所提升,验证集R~2最高达到0.91;表明组合模型能够较大限度利用多种单个模型的样本信息,减少单个模型中随机因素的影响,增强模型的稳定性,对矿业废弃地复垦土壤重金属含量的预测具有更好的发挥作用。     

露天煤矿排土场地表的光谱特征和土壤参数分析

以辽宁海州煤矿露天排土场为研究对象,分析了地表土壤光谱特征以及反射光谱与地表土壤参数的相关性。土壤反射光谱分析结果表明：不同排土年限光谱反射率随排土年限的增长而降低;不同土质中灰土和混合土的水分吸收谷表征不明显,红壤土、黄土和红砂土光谱反射率以红壤土为最高, 以下依次为黄土和红砂土。土壤反射光谱与土壤参数相关性分析结果表明：有机质含量与反射光谱相关性最高处的相关系数为-0.76,其他参数与反射光谱相关系数较低。建立土壤有机质含量预测模型(建模R2_C=0.737 4,模型检验R2_V=0.682 4)满足检测要求。分析了1 910和1 943 nm处光谱反射率与土壤含水量之间的关系,结果表明由于排土场土壤的多样性和复杂性,土壤全样本光谱反射率与土壤含水量之间呈非线性相关,分别依年代、土质分组后,土壤光谱反射率与土壤含水量均呈线性相关。     

拉曼及近红外吸收光谱的燃油混合物量化分析

生物柴油是典型的"绿色能源",具备良好的环保性和燃料特性,通常与柴油混合使用在柴油发动机上。但是目前世界各国柴油与生物柴油混合的比例标准参次不齐,没有一个统一的标准,并且不同比例的柴油/生物柴油混合物具有不同的燃烧性能,也会对柴油发动机产生一定程度的影响。为了能够快速、准确的测量柴油/生物柴油混合物中的生物柴油浓度,近红外光谱和拉曼光谱在燃油检测方面已经得到广泛的应用。利用拉曼及近红外光谱对柴油/生物柴油混合物中的生物柴油浓度进行了量化分析研究。首先采集了柴油/生物柴油混合燃油的拉曼光谱及近红外吸收光谱,然后利用平滑、基线校正、归一化等方法对采集到的光谱进行预处理。从光谱图中观察到,在柴油/生物柴油混合物的拉曼光谱和近红外光谱中都有C=O特征光谱区域,且该光谱区域的光谱峰都随生物柴油的浓度增加而越来越明显。拉曼光谱中,随生物柴油浓度变化的主要C=O特征光谱区域是在1 743 cm~(-1)位置处的特征峰,在近红外光谱中,随生物柴油浓度变化的主要C=O特征光谱区域是在4 659 cm~(-1)处的特征峰。然后分别根据强度比方法和偏最小二乘(PLS)回归方法建立了相应的混合燃油中生物柴油浓度预测模型。结合强度比方法建立特征峰强度比的生物柴油浓度预测模型,由混合燃油的拉曼光谱和近红外光谱建立的C=O特征峰线性预测模型相关系数分别为0.947 2和0.996 2;结合偏最小二乘(PLS)回归法建立特征光谱区域的生物柴油浓度预测模型,由混合燃油的拉曼光谱和近红外光谱特征区域建立的相应预测集相关系数(R~2)分别为0.981 5和0.991 2,相应的预测均方根误差(RMSE)分别为0.093 7和0.012 9。结果表明,在混合燃油中,使用近红外光谱中的C=O光谱区域建立的生物柴油浓度预测模型会得到更准确的预测结果。     

不同含水量尾砂的光谱特征与遥感模型

我国尾矿库数量众多,分布广泛,在低含水量条件下,风力作用引起的尾砂扬尘会对周边环境造成污染。而尾矿库表面积大,含水量变化快,传统的含水量监测方法效率低、安全性差、成本高,难以实现尾矿库含水量的大面积、实时、快速的监测。目前,基于光谱特征的遥感模型虽可以较为准确地预测土壤含水量,但矿区尾砂与常规土壤在成分上存在差异性,使得土壤含水量的光谱预测遥感模型可能无法适用于尾矿库含水量的预测。为此,选择辽宁省风水沟尾矿库作为研究区,采集尾砂配置成不同含水量的样品,测试其可见光-近红外光谱,分析不同含水量样品的光谱特征以及含水量与光谱特征之间的关系,建立针对尾砂的含水量遥感预测模型,并应用于辽宁省风水沟尾矿库表面含水量的预测。结果表明：（1）含水量对尾砂的光谱特征有显著影响,二者存在高度的相关性,光谱反射率随含水量增加而下降,且波长越长,含水量对光谱的影响越显著;（2）构建了基于尾砂光谱特征的含水量遥感预测模型,选择Landsat8-OLI传感器的B6和B7波段,定义了比值指数（RTI）、归一化差异指数（NDTI）和差值指数（DTI）3种尾砂光谱指数,并将这3种指数作为输入自变量,使用随机森林方法进行训练以及含水量的建模预测,并与B7波段建立的对数反射率预测模型进行比较。结果表明,光谱指数+随机森林的预测模型效果优于基于B7波段建立的对数反射率模型。（3）使用光谱指数+随机森林的预测模型,通过Landsat8-OLI数据对实地尾矿库提取了含水量的空间分布图,结果表明模型预测的含水量与实测结果之间的决定系数R2达0.798,均方根误差RMSE为0.077,相对分析误差RPD为1.970,平均相对精度ARE为20.1%,在现有技术条件下,达到了较好的预测效果。该研究为变质型铁矿尾矿库含水量的预测提供一种大面积、实时、快速的实用方法。     

利用反射光谱及模拟多光谱数据定量反演北方潮土有机质含量

基于北京市52个潮土样本的高光谱数据和Landsat TM、环境减灾卫星(HJ)影像的波段响应函数,生成宽波段多光谱模拟数据,对比分析了室内实测光谱数据、宽波段模拟数据与土壤有机质含量的相关性,筛选敏感波段,利用偏最小二乘法构建北方潮土有机质含量预测模型。研究表明：在宽波段模拟数据建立的模型中,由Landsat TM模拟数据的差值土壤指数(DSI)、比值土壤指数(RSI)、归一化土壤指数(NDSI)及其第3波段共同构建的模型最优,其决定系数与均方根误差分别为0.586和0.280;与实测光谱数据相比,模拟数据的最佳预测模型,均优于除一阶微分、弓曲差以外的其他10种高光谱模型。因此,利用多光谱数据预测潮土有机质含量是可行的。     

黑土有机质含量野外高光谱预测模型

以田间原状黑土野外实测高光谱反射率为研究对象,分析黑土有机质的光谱响应波段,运用光谱分析方法提取光谱指数,建立基于反射光谱特征的黑土有机质高光谱预测模型。得出如下结论:(1)黑土反射光谱特征差异主要在小于1 250 nm的光谱范围,尤其是在小于1 100 nm的范围,随着有机质含量的变化,该波谱范围内黑土反射光谱特征呈现单/双谷现象,有机质是影响黑土反射光谱特征的决定因素。(2)有机质与黑土反射率倒数对数微分的相关系数最高,最高值在1 260 nm,达到-0.77(R2),相关系数高的波谱范围为750~1 260 nm。(3)基于黑土野外光谱反射率的有机质含量高光谱预测模型稳定性强,预测能力较好,能够用于黑土有机质含量野外速测。     

不同含水量黑土土壤光谱反射率半经验模型构建

土壤含水量的变化情况与时空分布对热量平衡、农业墒情等具有显著的影响。利用反射率光谱信息反演土壤含水量的研究,可为实现土壤含水量速测、揭示土壤含水量时空变异规律提供科学依据。构建不同含水量黑土土壤反射率光谱半经验模型,深入探究土壤重量含水量与反射率光谱的关系。 制备了12种不同湿度的土壤样品。 采用ASD Field Spec Pro 3地物波谱仪对制备的不同湿度梯度的黑土土壤进行反射率光谱测量。 利用菲涅耳反射率建立土壤表面反射模型;在以往的研究中,Kubelka-Munk (KM)模型中的漫反射率R_∞通常被视为对于给定材料和照明波长的常数或需要反演的参数。通过研究发现,漫反射率R_∞不仅与材料和波长有关,还与土壤含水量相关。利用与土壤含水量相关的吸收系数及散射系数描述了土壤含水量与漫反射率R_∞的关系,并基于KM理论对体散射分量进行建模;进而构建不同含水量黑土土壤反射率光谱半经验模型。 根据实际测量数据选用最小二乘算法对模型参数进行反演,并通过分析反演参数简化模型。最后,将未参与建模的不同含水量梯度的数据代入模型中,验证模型的有效性。结果表明：对比不同含水量土壤反射率光谱的模拟值与实测值在400～2 400 nm波段范围内的模拟精度发现,含水量为200 g·kg-1的土壤反射率光谱的均方根误差最大,为0.008,含水量为40 g·kg-1的土壤反射率光谱的均方根误差最小,为0.000 6,不同含水量下土壤样品反射率光谱的均方根误差的均值是0.005 1。在400～2 400 nm波段范围内,不同波长下黑土土壤反射率光谱的预测均方根误差基本低于0.008,1 920 nm波长处的预测均方根误差最小,为0.002 062。采集长春地区的土壤检验模型的可靠性,配制15个不同含水量样品并对其进行反射率光谱测量。选取9个样品数据用于建模,6个样品数据用于验证。结果表明：在400～2 400 nm波段范围内,不同波长下的长春土壤反射率光谱的预测均方根误差基本低于0.015,525 nm波长处的预测均方根误差最小,为0.000 922 5。综上所述,所建立的模型具有很高的预测精度,可很好地适用于不同含水量黑土土壤反射率光谱的模拟。     

光谱测定黑河上游土壤有机质的预测模型

地面高光谱遥感光谱分辨率高,能详细地反映地物波谱特征;多光谱遥感时域宽,覆盖范围广,对较大时空区域的地物特征反演具有更大的优势。探求以不同反射率指标的土壤有机质含量预测模型,及其敏感波段,可以结合两种光谱数据的优点,为研究土壤有机质含量的时空变化规律提供新途径。本研究选取黑河上游223个土壤样品测定其有机质含量和高光谱曲线,应用原始光谱曲线反射率(λ)、倒数(REC)、倒数之对数(LR)、归一化(CR)和一阶微分(FRD)五种指标,采用逐步线性回归分析方法建立预测模型。通过统计检验,结果表明,以反射率指标为自变量的模型预测效果最佳,其相关系数(r)和均方根误差(RMSE)分别为：0.863和4.79。最优模型中得出的敏感波段有TM1内的474 nm、TM3内的636 nm和TM5内的1 632 nm。研究结果可为使用TM遥感数据反演黑河上游土壤有机质含量提供参考。     

基于反射率模拟模型的黑土有机质含量估测

定量分析了黑龙江省黑土室内高光谱反射率曲线特征,确定了影响反射光谱曲线的主要特征控制点,建立了黑土光谱反射率模拟模型并对其进行评价,分析比较反射率数据、模拟后的光谱数据与土壤有机质含量的关系,建立了土壤有机质含量光谱预测模型。结果如下：有机质是小于1 000 nm范围黑土反射光谱特征的决定因素,随有机质含量变化,黑土光谱反射率在该范围呈现单/双吸收谷特征;黑土反射光谱曲线在450～930 nm范围内有５个主要特征控制点;黑土反射率模拟模型能较准确地描述黑土反射光谱曲线,直线模型的模拟效果更好;以反射率模拟模型系数为自变量的有机质含量预测模型优于基于反射率及其一阶微分的模型,说明反射率模拟模型的曲线控制点选择合理且有代表性,反射率曲线模拟方法能够准确描述黑土的实际光谱反射率。     

土壤湿润条件下基于光谱对称度的盐渍土盐分含量预测

近年来光谱技术以其经济、高效的优势在土壤盐渍化监测研究中得到重视,但是由于土壤水分对反射光谱影响很大,土壤湿润条件下监测精度难以满足农业生产需求。通过对盐土土柱室内模拟蒸发过程中的反射光谱和水分、盐分变化的连续监测,利用多元逐步回归方法,建立了1 370～1 610 nm光谱对称度与土壤表层含盐量、含水量之间的线性关系模型,r为0.863;用该模型反演表层土壤含盐量,实测值与预测值之间线性关系的r为0.656(n=54),RMSE为2.059 g·kg-1。利用光谱对称度可以实现土壤湿润条件下土壤盐分含量预测。     

土壤水分去除算法的田间原位光谱反演棉田有机质

田间原位可见-近红外光谱(VIS-NIR)能够有效的提高土壤属性的检测效率,但由于原位土壤中水分因素的影响,土壤属性的预测精度很难达到预期。如何有效去除土壤中的水分对土壤其他属性光谱预测的影响,是利用田间原位光谱高精度预测土壤属性所面临的难题,也是土壤光谱技术由室内转向田间的突破口。该问题的有效解决,可减除土壤样品的采集与室内预处理等过程,实现土壤属性的田间原位光谱测定。以新疆南部地区阿拉尔垦区十二团棉田为研究区,采用网格采样法共采集了116个0～20 cm深度的表层土壤样品,剔除1个异常值样品,得到115个有用样品,利用SR-3500型便携式地物光谱仪采集了231个样点的田间原位光谱数据,土样经风干、研磨和过筛等处理后测定其室内光谱和有机质含量。利用Kennard-Stone算法将115个土样分为69个转换子集及46个预测集,采用外部参数正交化法(EPO)、光谱直接转换法(DS)及光谱间接转换法(PDS)三种去除水分算法结合原位光谱反射率(R)、反射率一阶微分(R′)、反射率对数(LOG(R))以及反射率倒数(1/R)四种数学变换方式,运用随机森林(RF)模型进行不同组合模型的构建及精度评价。结果表明：(1)土壤有机质含量越高,土壤光谱反射率越低。土壤田间原位光谱反射率低于土壤室内光谱反射率;(2)室内光谱反射率与土壤有机质含量之间的相关性大于田间原位光谱,室内光谱经一阶微分变换后与土壤有机质含量之间的相关性显著提升。(3)土壤室内光谱反射率模型预测精度(R2=0.86, RPD=2.08, RMSE=1.55 g·kg-1, MAPE= 0.14)高于田间原位光谱反射率模型(R2=0.71, RPD=1.49, RMSE=2.17 g·kg-1, MAPE=0.20)。在去除水分算法模型中,以EPO一阶微分模型去除水分效果最好,决定系数R2由0.71提高到0.83,RPD由1.49提高到2.04,RMSE由2.17 g·kg-1降低至1.58 g·kg-1,MAPE由0.20降低至0.14。本研究实现了去除土壤水分因素的影响,提高了田间原位光谱预测土壤有机质的精度,为南疆棉田大尺度土壤有机质的预测及土壤肥力的评价提供了重要的参考。     

基于可见-近红外光谱技术的炭疽病侵染后油茶叶片叶绿素含量预测研究

分析炭疽病侵染后油茶冠层的可见-近红外光谱特征,探索建立病害胁迫下油茶冠层叶片叶绿素含量的预测模型。通过实地调查病情指数,获取不同病害程度的油茶冠层叶片光谱数据及其叶绿素含量,并对光谱数据进行了一阶微分与滑动平均滤波相结合的预处理,再通过光谱数据重采样,提取敏感波段建立了叶绿素含量的BP神经网络预测模型。结果表明:(1)随着病情的加重,油茶冠层光谱可见光区域的反射峰和吸收谷逐渐消失;红光到近红外陡峭的红边被逐渐拉平;在近红外区域,健康油茶的光谱反射率明显大于感病油茶的光谱反射率。(2)微分光谱484～512,533～565,586～606和672～724nm四个波段是叶绿素吸收和反射的敏感波段。(3)以敏感波段为输入变量建立的BP神经网络模型,其计算出的预测值与观测值之间的相关系数r和均方根误差分别为0.992 1和0.045 8。因此,利用可见-近红外光谱技术预测炭疽病侵染后油茶叶片叶绿素含量是可行的。     

基于岩石光谱吸收特征的白云母含量反演

岩石是由多种矿物组成,其反射率光谱吸收特征与矿物含量之间存在紧密联系,矿物光谱在特定波段处的光谱吸收特征是定量估算含量的重要指标之一。为提升岩石光谱吸收特征定量反演矿物含量的准确度与精度,以白云母为研究对象,分析岩石光谱在2.2 μm附近的光谱吸收特征及其白云母含量,采用Savitzky-Golay平滑滤波和连续统去除法对岩石光谱反射率进行处理,进而提取光谱吸收特征参数（吸收深度、吸收宽度、吸收面积）,分析岩石光谱在2.2 μm附近吸收特征与白云母含量之间的相关性。研究中采用单一吸收特征建立统计模型、多维吸收特征建立偏最小二乘法（PLS）和多层感知器（MLP）模型,对岩石中白云母含量与光谱吸收特征参数进行分析,进而提出一种非线性预测岩石中矿物含量的方法。研究结果表明,岩石光谱在2.2 μm附近的光谱吸收特征中,吸收深度与白云母含量之间的相关性最高。基于单一吸收特征的统计模型中,二次曲线模型对吸收深度拟合的效果最佳,R2为0.935 0,RMSE为0.063 0,岩石光谱的吸收深度随白云母丰度满足二次曲线变化,岩石中白云母的含量越高,岩石光谱吸收深度值越大;基于多维光谱吸收特征的PLS模型相较于MLP模型拟合的效果更佳,其R2为0.947 7高于MLP的0.901 2,RMSE为0.002 7低于MLP的0.005 1;整体上,多维模型优于单一维度模型,PLS模型反演能力最佳,该模型在预测白云母含量上具有运算量小、精度高的特点。通过分析岩石在诊断特征处的光谱吸收特征,为其矿物组分的含量等进行定量反演提供理论参考,为矿产资源监测与评估提供快速高效便捷的方法。