基于实测高光谱数据的矿物含量提取方法研究

针对利用线性模型提取矿物含量精度较低的问题,以波长范围为350～2 500 nm的岩石光谱为数据源,基于光谱匹配方法进行矿物识别,应用简化的Hapke模型将岩石样品反射率转换为单次反照率,利用线性模型分解单次反照率进行含量提取,并通过分段滤波及建立区域光谱库的方法提高识别精度,建立了一种基于实测光谱数据的矿物含量提取方法。通过对包古图V号岩体光谱数据的分析,与X射线衍射结果相比,该方法对长石类矿物的识别精度为100%,含量提取精度为80.5%;对粘土类蚀变矿物的识别精度为92.2%,含量提取的精度为92.36%。该方法将矿物学共生关系加入到矿物识别方法中,保证了结果的可靠性;提出了分段滤波的预处理思路,避免了滤波算法对光谱波形及吸收特征的影响,并且据有较好的去噪效果;应用Hapke模型进行实测的岩石光谱解混,能避免复杂的光谱非线性分解计算,从理论上提高矿物含量提取的精度和计算的效率。该方法对快速分析蚀变信息等工作具有一定的指导意义。     

面向地质应用的航空高光谱CASI‐SASI数据大气校正方法对比研究

蚀变信息提取是高光谱遥感地质应用的重要内容。基于特殊吸收峰的蚀变矿物提取是蚀变信息提取的重要手段。由于大气的吸收和散射作用,为了获得更为真实的地物反射光谱,必须进行大气校正。目前,国内外针对大气校正的对比研究主要集中在大气校正前后图像的质量改善、地物分类效果的提升以及校正图像像元光谱与实际地物光谱的相关关系等方面,而对不同校正方法获得的像元光谱与实际光谱吸收峰位的对应情况则很少讨论,这对于依赖吸收峰特征进行蚀变矿物提取的地质遥感极为不利。利用CASI-SASI航空高光谱成像系统,采集了甘肃龙首山地区的航空高光谱遥感数据,并运用ASD光谱仪,对该地区实际地物光谱进行了测量。以此为基础,开展了FLAASH、快速大气校正（QUAC）、经验线（EMPL）等方法大气校正结果的对比研究。通过对比分析,发现FLAASH,QUAC和EMPL均能在一定程度上消除大气的影响,改善航空高光谱遥感的图像质量,但EMPL方法得到的反射率与实际反射率相关性最好。此外,运用人工目视方法开展了实际地物反射光谱的吸收峰位与不同校正方法得到的对应像元反射光谱的吸收峰位的对比研究,发现不同校正方法得到的像元光谱的吸收峰位与实际峰位均存在不同程度的差异,虽然EMPL对吸收峰位的保留效果最好,但依然有“漏峰”的现象。据此,提出运用多种大气校正方法开展综合研究,以提高不同类型的蚀变带定位准确度。     

基于改进光谱特征拟合算法的高光谱数据矿物信息提取

根据光谱特征拟合算法在实际应用中存在的问题,介绍一种改进光谱特征拟合算法,该算法综合常规的特征拟合处理和地物光谱吸收特征参量约束为一体,能更细致地进行高光谱数据地物信息提取.实验基于不同空间分辨率和信噪比的高光谱数据,编程实现改进光谱特征拟合算法对实验区的白云母、方解石、绿泥石等蚀变矿物信息提取,与常规光谱特征拟合和光谱角制图处理结果的比较分析发现改进算法在矿物混淆区分、信息提取精细度上均得到提高,有较强的实用性.     

基于野外实测光谱统计分析的蚀变矿物填图

提出了一种新的基于野外实测光谱统计分析的蚀变矿物填图方法。该方法首先对野外测量得到的大量样本光谱数据进行聚类处理,从光谱的整体特征上将不同类型的样本区分开。第二步对各聚类结果中不同蚀变矿物分别建立其各自的判别函数。第三步在遥感影像上按照聚类得到的参考光谱分别进行大蚀变类的划分,最后在此基础上采用第二步得到的各蚀变类型的判别函数进行蚀变矿物的细化填图,得到最终的填图结果。该方法充分考虑了不同蚀变类型及蚀变组合的地区差异性,建立的蚀变矿物的判别函数更具有科学性,并且填图结果可在一定程度上进行可靠度评价。将该方法应用到新疆包古图地区的某一研究子区中,获得了较好的成果。     

岩心光谱扫描仪数据处理应用研究

钻探是地质勘探的重要手段之一,近年来,随着我国地质事业的发展,大量岩心的存放和共享成了亟待解决的问题,研制岩心光谱扫描仪,实现岩心数字化解决了这一问题。然而,岩心光谱数据和图像数据的大量产生,对数据处理又提出了新要求。根据光谱学原理和光谱分析方法,对岩心扫描仪的光谱数据进行光谱分析和蚀变矿物填图,可以为地质科研、矿床分析和外围找矿提供依据。岩心图像也是岩心信息不可缺少的部分,由于岩心扫描仪探测器的局限性、光照条件以及岩心圆柱形的影响,会造成采集到的岩心图像光照不均和辐射畸变。使用非线性的双边滤波法来锐化图像,然后用黑白板定标的方法校正岩心图像,使岩心图像更加接近真实状况。用角点检测法进行特征点检测,完成了图像自动拼接工作,把一张张岩心图像按照岩心钻孔的顺序拼接成岩心柱和岩心盘,使岩心图像显示更直观。矿物的光谱分析是岩心扫描技术的核心,矿物不同,其特征吸收峰的位置也不同。常采用的矿物检索方法是吸收峰位匹配法,该方法适合混合矿物光谱检索。峰位匹配的依据是标准数据库,提出了分类数据库检索法,即根据矿物类型的不同,把标准数据库分为泥化蚀变矿物库、斑岩型蚀变矿物库、绢云母化蚀变矿物库等子数据库,根据样品图像及所处地质环境判断,选择合适的子数据库进行检索分析。文中进行两个实验,分别使用标准数据库和分类数据库分析同一样品,其分析结果表明准确率后者更高;使用标准数据库和分类数据库对同一批样品（141个样品）进行处理,用时分别是231和44 s。实验证明：分类数据库法不仅可以提高检索的准确度,还能大大加快检索速度,是准确、快速检索海量数据的有效方法。该方法是光谱检索中新颖、独特、有效的方法,是本文的创新之处。矿物光谱含有丰富的信息,其特征峰的峰强度、峰强比、峰位移、半高宽和反射率分别反应矿物的相对含量、相对温度、阳离子交换情况、结晶度和颜色等信息,提取同一批矿物的这些信息,对比分析,可获得成矿模型,揭示成矿规律。以安徽宣城一个钻孔为例,对岩心光谱扫描仪的数据进行自动图像拼接、光谱分析和蚀变矿物填图。从蚀变矿物信息提取图分析看出,该地区是酸性、低温的地质环境,低温区岩石颜色较深,在低温区中间也有高岭石、蒙脱石,说明具有良好的储油环境。经实践证明,该方法不仅效率高,能节省大量人工工作量,还能得到高质量的岩心盘拼接图、岩心柱状拼接和蚀变矿物信息提取图,是地质工作者处理岩心数据实用、可靠的方法。     

基于小波系数图和卷积神经网络的太赫兹光谱物质识别

许多太赫兹光谱物质识别方法依靠寻找该物质在太赫兹波段范围内不同光谱表现出的不同特征来识别特定物质。吸收峰提取法是常用的光谱特征提取算法,但当光谱无明显特征吸收峰或峰位、峰值相近或难以识别时,难以利用吸收峰特征辨别物质。将机器学习和统计学习技术用于太赫兹光谱的识别中虽减少了吸收峰的干扰,但常常需要人为定义特征而导致分类误差。深度学习法能自动提取特征,但在识别前往往需要进行复杂的预处理操作,并且在特征提取的过程中容易丢失部分特征从而导致分类误差。针对以上问题,提出了一种基于小波系数图和卷积神经网络的太赫兹光谱识别方法。利用太赫兹光谱信号进行小波变换时,由于小波系数矩阵的每一行系数与原始光谱信号存在着对应关系,因此将太赫兹光谱的吸收系数通过小波变换在频率域上展开,能得到不同的二维的频率-尺度分布图,又称小波系数图。然后构造一个卷积神经网络(CNN)对小波系数图进行分类,可得到太赫兹光谱物质的分类结果。为了验证所提出算法的有效性,将三组小波系数图数据与原始光谱数据分别输入CNN、Support Vector Machin (SVM)、Multilayer Perceptron (MLP)三种不同的分类器作对比,从实验结果可以发现本文算法在三组数据中的识别率均达到了100%,说明相比于传统方法,本文方法能准确分类没有明显特征吸收峰的光谱,证明了使用卷积神经网络识别小波系数图的有效性。为了体现本文算法的优势,与小波脊线寻峰识别算法作对比,实验结果表明本文算法几乎不受峰频、峰位、峰值的影响,无论是识别不存在吸收峰的淀粉,还是识别相似度高的蔗糖和葡萄糖,都具有较高的识别率,分类准确率达97.62%,证明了所提算法的优越性。该算法为太赫兹光谱数据识别提供了一种新思路,同时也可以推广运用到其他谱图物质的识别中。     

基于可见-近红外和热红外光谱联合分析的煤和矸石分类方法研究

煤与矸石是矿山采煤过程中主要固体堆放物,对其进行遥感动态监测是矿山环境保护的重要需求。由于煤与部分矸石存在“异物同谱”现象,在使用传统的可见-近红外遥感分类时,往往将部分矸石划分为煤,导致遥感分类精度降低。首先对铁法矿区的12个煤样本和115个矸石样本进行可见-近红外光谱测试,发现绝大部分矸石样品的光谱与煤差异很大,二者易于区分,但有部分矸石与煤样本存在“异物同谱”现象。为进一步对矸石与煤区分,测试了混分样本的热红外光谱,发现二者存在明显的光谱差异,利用热红外光谱特征可以将其区分开来。在此基础上,提出了基于可见-近红外和热红外光谱联合分析的煤与矸石区分方法。该方法首先对所有样本进行可见-近红外光谱测试,利用Mao模型进行第一步分类识别;其次对煤与矸石混分的样品进行热红外光谱测试,利用光谱吸收比率SAR作为判别指标进行第二步分类,两步的分类结果为最终分类结果。该方法在铁法、兖州、神东和木里矿区的验证结果表明,其具有很高的分类准确率,效果远好于单独基于可见-近红外光谱特征的分类方法。研究结果表明,利用多种光谱联合分析的方法可以解决单波段存在的“异物同谱”现象,对于地物遥感分类具有重要的借鉴意义。     

基于Top-Hat变换的高光谱吸收特征增强方法

对地物高光谱进行特征分析是高光谱影像用于目标识别和地物分类的基础.基于数学形态学的Top-Hat变换提出了一种光谱吸收峰增强算法.该方法在增强吸收峰的同时还保持了吸收谱带的波形特征.从美国地质调查局USGS光谱数据库选取的11条不同矿物的反射光谱曲线,对其吸收峰增强曲线和原始光谱曲线进行了K-means聚类分析.结果表明:吸收峰增强曲线的聚类结果在波形上和地质背景上都优于原始光谱曲线;且将吸收峰增强曲线的聚类的结果用矿物光谱的ASTER影像采样光谱曲线显示时,能总结出各组矿物的ASTER光谱典型特征.说明吸收峰增强曲线很好地增强了矿物光谱的吸收特征,提高了高光谱的可分性,同时还能为基于多光谱数据的遥感信息提取提供参考,是十分有用的高光谱分析方法.     

云南个旧富锡铜矿床表层土壤近红外光谱分析及其意义

在个旧卡房矿区矿体上部的覆盖层中均匀采集土壤样,用近红外光谱分析技术对样品进行测试分析。结果表明,近红外光谱技术能较好的识别出土壤中的矿物,包括蚀变矿物大致组合。将这些矿物组合与矿床的特征对比发现,土壤中的一些成分与深部矿体组份有一定程度的相关性,尤其是蚀变矿物,其与该区的蚀变条件是基本一致的。因此,推测土壤中的矿物成分可以用于指示深部矿体的一些信息,能为找寻该类型铜矿床提供一些依据。此外,矿床表层土壤近红外光谱信息是可以提供找矿依据的一种快速有效的研究手段,可以将其用于其他矿床类型的研究,尤其是为深部隐伏矿床以及地质环境较为脆弱的地区提供初步找矿依据。     

光谱地质剖面在蚀变填图中的应用研究

利用遥感数据可以提取与成矿有关的蚀变信息,地质剖面可以为所提取的蚀变信息的验证和深入理解提供依据;结合地质剖面和光谱信息提取的思路提出光谱地质剖面的概念。光谱剖面可以实现光谱沿剖面的存储、显示,而光谱地质剖面的目的主要是得到蚀变类型、矿物含量等参数沿剖面线的分布, 实现蚀变矿物组合空间分带信息的提取。综合现有蚀变信息提取方法建立了光谱地质剖面信息提取的技术方法和流程, 利用地面实测光谱建立了光谱地质剖面,并在光谱地质剖面的支持下利用图像进行蚀变信息的提取和分析,探讨了光谱地质剖面在蚀变分带和遥感找矿模式中的意义和作用,光谱地质剖面的建立有助于图像和地面光谱的一体化分析,有助于蚀变填图中信息的精确提取。     

光谱特征提取对近似矿物光谱差异性影响分析

矿物光谱特征是基于光学遥感数据对矿物进行种类识别及定量反演的理论基础,光谱特征提取是高光谱数据常用的技术手段,但在多光谱数据中较少涉及。近似矿物识别是矿物光谱分类应用中的难点,目前还缺少有效指标来指示近似矿物类别光谱的差异性。光谱特征提取有望提高矿物分类精度,但该处理对近似矿物光谱差异性的影响还缺少相关研究。本文从矿物光谱差异性的原理出发,通过类间和类内光谱角的比值体现不同类别群体差异,并引入样本量因素,提出了类别可分比作为近似矿物光谱差异性的指标。以明矾石和高岭石两种近似矿物为例,对USGS光谱库光谱及Hyperion,ASTER,OLI等传感器的模拟数据进行光谱特征提取处理,通过对比处理前后矿物光谱差异性的变化,分析光谱特征提取对近似矿物光谱差异性的影响。实验结果表明,有效的光谱特征提取可以显著提高近似矿物光谱差异性,并且光谱分辨率越高,近似矿物光谱差异性越大。此外,光谱分辨率及中心波长设置对于包络线去除结果有很大影响,多光谱数据吸收特征提取效果有待进一步提高。该研究为今后近似矿物光谱识别精度的提高奠定了基础,也为未来新型遥感找矿传感器参数设置提供了参考。     

一维空洞卷积神经网络的矿物光谱分类

矿物光谱综合反映了岩矿的物理化学特性、组分和内部结构特征,已被应用于岩矿识别研究。传统的矿物光谱分类方法需要先对矿物光谱进行预处理,再采用不同方法分析光谱特征,从而实现分类目的。但同时也会造成部分光谱信息丢失,导致最终分类精度不高且操作过程繁琐、效率低下,难以应对日益增长的大数据处理需求。因此,建立一个准确、高效的矿物光谱自动分类模型意义重大。卷积神经网络是应用最广泛的深度学习模型之一,它通过逐层抽取数据特征并组合形成高层语义信息,具有极强的模型表达能力,在光谱数据分析方面应用潜力巨大。针对矿物光谱数据的特点,提出了基于一维空洞卷积神经网络（1D-DCNN）的矿物光谱分类方法,利用空洞卷积神经网络提取光谱特征,采用反向传播算法结合随机梯度下降优化器调整模型参数,输出光谱分类结果,实现了矿物类别的端到端检测。该网络包含1个输入层、3个空洞卷积层、2个池化层、2个全连接层和1个输出层,采用交叉熵为损失函数,引入空洞卷积扩大滤波器感受野,有效避免光谱细节特征丢失。实验采集了白云母、白云石、方解石、高岭石四种矿物光谱,并通过添加噪声的方式进行数据增强,构建数量充足的矿物光谱样本用于神经网络模型训练与测试;探讨了卷积类型、迭代次数对模型分类结果的影响,并与多种传统矿物光谱分类方法进行对比,评价模型性能。实验结果表明,提出的1D-DCNN模型可实现矿物光谱快速准确分类,分类准确率达到99.32%,优于反向传播算法（BP）和支持向量机（SVM）,说明所提方法能够充分学习矿物光谱特征并有效分类,且模型具有良好的鲁棒性和可扩展性。该方法也可推广到煤炭、油气、月壤等其他领域光谱分类应用中。     

白-黄色系绿松石“伴生矿”的红外光谱表征及其意义

近期在市场上出现了许多与绿松石相似的天然矿物,市场上俗称绿松石“伴生矿”,被商家作为天然绿松石的特殊品种售卖。这些与绿松石外观极为相似的天然矿物,给鉴定工作带来了一定的困难。为了探索识别的方法,选取市场上常见的白色和黄色品种的天然绿松石伴生矿,通过常规宝石学测试,红外吸收光谱及X射线粉晶衍射对其宝石学特征及矿物组成进行了分析和研究。结果表明：白色系和黄色系天然似绿松石矿物样品均显示不同程度的土状光泽-弱玻璃光泽,均不透明,结构比较疏松。白色系样品折射率约为1.51,相对密度为1.86～2.28;黄色系样品折射率约为1.57～1.60,相对密度为2.32～2.72。白色和黄色天然绿松石伴生矿的组成类型复杂,同色系样品的矿物组成也不尽相同。X射线粉晶衍射测试结果显示：白色系样品的主要矿物为磷铝矾和磷钙铝矾;黄色系样品的主要矿物为钠明矾石。白色和黄色系样品的红外吸收光谱均显示有SO₄/PO₄的基团振动,峰形、峰位区别较大。根据不同样品的主要矿物组成特征,将其红外吸收光谱进行分类,可对其进行快速有效的无损鉴定。     

采用特征融合的紫檀属内相似树种识别方法研究

紫檀属中的木材有很多属于名贵木材,不同树种之间十分相似。传统的木材识别方法多以木材解剖学为主,通过观察木材的切片结构特征对木材的树种进行判断,这类方法虽有较高的识别精度,但是其识别工艺较为复杂而且技术难度也相对较高。与木材解剖学相对应的是利用图像信息或光谱信息的木材树种识别方法,该类方法虽具有较为简单的识别工艺,但是在对同属相似木材树种进行识别时,往往不能够取得较好的识别效果。提出了一种基于木材切面光谱特征和纹理特征相融合的木材树种识别方法,该方法不仅识别工艺简单、自动化程度高,而且具有较高的识别精度。首先通过数码相机和光谱仪采集木材切面的图像信息和光谱信息,然后分别使用纹理特征提取方法和光谱特征提取方法提取两类特征的特征向量,接下来使用基于典型相关分析的特征级融合方法将这两个特征向量进行融合,最后使用支持向量机对融合后的特征向量进行分类识别。为了验证方法的有效性,以市场中常见的5种紫檀属树种的三个切面为研究对象,对这些木材树种进行了识别。实验结果显示,单独使用纹理特征的识别正确率最高为80.00%,单独使用光谱特征的识别正确率最高为94.40%,使用融合的特征最高的识别正确率可达99.20%。还将这5种木材树种与其他30种木材树种进行了混合,混合后的木材样本数量可达1750。实验进一步显示,该方法可以对包含紫檀属在内的35种木材的树种进行识别,其正确率可达98.29%。综上所述,木材的纹理特征和木材的光谱特征可以有效的相互补充,从而进一步提高识别正确率。最后还用所提出的方法与目前主流的方法进行了比较,结果发现所述的木材树种识别方法高于目前主流方法。     

不同粒度条件下矿物光谱变化分析

矿物粒度是影响矿物光谱特征的一个重要因素,探索不同粒度下矿物光谱曲线的变化情况以及相同粒度下不同矿物的光谱差异,不仅是高光谱矿物遥感信息识别的关键,也为研究矿物随着粒度变化而产生的光谱差异提供理论基础。利用地物光谱仪对采集的六种矿物进行观测,获取了不同粒度下的反射率光谱曲线,同时生成一阶微分光谱曲线,进而分析了不同粒度下各种矿物的光谱变化特征,对比了相同粒度下不同矿物的光谱差异,探索高光谱遥感识别矿物的可能波段。结果表明：各种矿物的光谱曲线均会随着粒度的改变而产生较大的差异,但变化规律不尽相同,紫苏辉石的整条光谱曲线都会随着粒度的增加而下降,叶蛇纹石、赤铁矿、高岭石、绿泥石的光谱曲线在特定的波长范围内随着粒度的增加而下降,橄榄石的光谱与粒度大小不存在直接的相关性;相同粒度下,不同矿物的光谱反射率在大部分波段范围内差异较大,为实现矿物高精度识别提供了可能;叶蛇纹石、高岭石、绿泥石具有较多的宽度较窄、强度较小的吸收峰,而赤铁矿、橄榄石、紫苏辉石的光谱曲线相对平滑,吸收和反射峰的数量较少。本研究旨在为矿物光谱库的构建以及矿物的高光谱技术识别提供基础数据和理论支撑。     

基于可见光谱的古代壁画颜料无损鉴别方法

矿物颜料是古代壁画显色的物质基础,其可见光谱反映自身物质和物理属性。不同颜料对可见光吸收特性的差异导致光谱曲线形状不同,同一种颜料因粒径等级差异引起光谱曲线幅值的规律性变化。依据矿物颜料上述特性,提出一种基于可见光谱的古代壁画颜料无损鉴别方法,通过光谱归一化方法实现不同粒径等级的同一颜料光谱曲线叠合,去除颜料粒径等级对光谱曲线幅值变化的影响,然后提取表征光谱曲线在各波段增减性和凹凸性的一阶与二阶导数特征,与光谱曲线组合得到颜料物质属性鉴别的光谱组合特征空间,以光谱角和欧式距离为基础构建评价指标,计算待鉴别颜料与数据库参考样本在光谱特征空间中的匹配误差(ME),实现颜料物质属性的鉴别。通过构建矿物颜料平均粒径大小和光谱反射率均值之间关系函数,实现颜料平均粒径大小的鉴别。基于构建的古代壁画常用颜料光谱数据库,以莫高窟壁画为对象,通过非接触式原位无损测量方法测量获得壁画颜料的可见光谱数据,对本文方法进行了验证,并以石绿和青金石颜料的鉴别结果为例,对古代壁画颜料使用技法、不同朝代颜料使用的差异性及原因进行了探讨。该方法将为更加全面深入研究和保护古代壁画提供有效的理论与方法支撑。     

土壤矿物对松嫩平原主要土壤类型反射光谱特征的影响机理

尽管纯矿物的反射光谱特征分析与数据库建设工作已经开展,但土壤中各原生矿物、粘土矿物的测试主要是定性的,即能测定土壤中含有何种矿物,但难以测定准确的矿物组分含量。土壤矿物是土壤学与地质学的交叉点,易被忽视,特别是已有研究忽略了土壤矿物对土壤反射光谱曲线的影响。探讨了土壤矿物在可见光-近红外光谱部分(400~2 500 nm)对土壤反射光谱特征的影响,明确影响土壤反射光谱特征的主要机理。土壤样本于2014年采集于松嫩平原黑龙江部分,包括4个土类和7个土属,共54个土壤样本。土壤样本通过研磨、过筛后,在室内暗室中测得反射光谱数据,土壤矿物的反射光谱数据在2017美国地质调查局(USGS)最新矿物光谱库Spectral Library Version 7中获得,对反射光谱数据进行九点平滑、10 nm重采样和去包络线处理。土壤矿物含量测试采用荷兰Philip X’ Pert Pro 型X射线衍射仪分析样品的矿物组成,测试了土壤中石英、长石、方解石和闪石等原生矿物和蒙脱石、伊利石和高岭石等粘土矿物的含量。首先分析7个土属的反射光谱特征,明确每个土属反射光谱曲线的形状特征和吸收位置,其次分析土属的矿物含量情况,找出不同土属各矿物含量的共性和差异;再次分析不同粘土矿物和原生矿物的反射光谱特征,确定不同土壤矿物反射光谱曲线的形状特征和特征吸收的位置;最后将不同土属的反射光谱特征、不同土属的矿物含量情况和土壤矿物的反射光谱特征结合,得到如下结论：(1)土壤矿物决定了土壤反射光谱的骨架特征,土壤矿物对土属的反射光谱影响最明显,由于土类存在多种反射光谱特征,土壤矿物对土类的影响不明显。(2)粘土矿物对土壤反射光谱特征的影响大于原生矿物,主要受蒙脱石和伊利石等粘土矿物的影响,但砂性土受部分原生矿物的影响,主要是长石类矿物和高岭石的影响。(3)蒙脱石和伊利石分别决定土壤反射光谱的第一个吸收谷和第二个吸收谷特征,高岭石决定1 400和1 900 nm前的两个小吸收谷特征,钾长石和钠长石决定了砂性土的前两个吸收谷特征。(4)蒙脱石含量足够高时,会完全掩盖高岭石和长石类的反射光谱特征,部分掩盖伊利石的反射光谱特征;随着蒙脱石含量降低,伊利石的反射光谱特征逐渐体现;蒙脱石和伊利石的含量降到很低时,高岭石和长石类矿物的反射光谱特征逐渐体现出来。研究结果揭示了不同土属反射光谱特征差异的原因,可以为土壤反射光谱分类、土壤精细制图和基于高光谱图像的矿物分布研究等提供理论依据。     

利用光谱吸收深度定量反演碳酸盐矿物的影响因素及应用分析

光谱吸收特征是矿物识别与定量反演的重要指标。为提高利用光谱吸收特征定量反演矿物精度,以方解石为代表,以线性混合光谱模型与连续统去除方法为基础,以连续统去除吸收深度(CRBD)为分析对象,按端元光谱在2.33 μm附近有无吸收特征对光谱进行分类,并分析每类数据与方解石混合光谱CRBD随丰度、反射率以及光谱特征等影响因素的变化规律,进而非线性拟合其变化范围并提出一种新的矿物含量表示方法。研究结果表明,端元丰度对CRBD值影响较大,方解石丰度越大,吸收特征越明显,CRBD值越大。同样,混合端元反射率与光谱特征对混合光谱CRBD值影响也较明显,当混合端元光谱在2.33 μm附近为无特征时,端元光谱反射率越小,CRBD随碳酸盐丰度变化上凸越明显,为反射峰特征时,端元光谱反射率越大,下凹越明显;混合端元在2.33 μm附近为吸收谷特征时,CRBD随碳酸盐丰度接近线性变化。通过交叉分析与多端元混合光谱CRBD变化分析发现,混合光谱CRBD随碳酸盐矿物丰度及混合端元反射率变化受限于一定范围,其上限拟合方程满足指数函数变化,下限拟合方程为三次多项式函数,且拟合精度较高,R2均高于0.99,RMSE低于0.005。为实现矿物含量的精确预测,根据拟合方程提出一种以变化范围替代定量值来表示碳酸盐矿物丰度分布的方法,实现碳酸盐矿物含量反演的范围表示。通过影响因素分析及范围表示法可为矿产监测、定量评估等提供新的表达方法,为建立具有普适性的地物定量反演模型提供理论参考。