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。     

基于可见光-近红外光谱的BIF磁性率确定方法研究

铁矿中磁性率是评价铁矿床工业价值和划分矿石工业类型的重要指标。传统的磁性率测定法存在工作量大、效率低、周期长的缺陷,成为经济、合理、高效开采铁矿资源的瓶颈问题。采用便携式地物光谱测试仪对辽宁省鞍钢集团鞍千矿业有限责任公司的BIF实验样品进行可见光-近红外光谱测试,分析了光谱特征,构建了比值指数(RI)、差值指数(DI)和归一化指数(NDI),并确定光谱指数与样品磁性率相关性最显著的敏感波段及对应的相关系数值;优选出与样品磁性率相关性最显著的比值指数(RI),构建实验样品磁性率的定量反演模型,并进行了验证。结果表明,三种光谱指数与样品磁性率敏感波段均位于935与1 050 nm,且该波段处的相关系数均达到0.9以上,其中比值指数与样品磁性率的相关性最高;基于比值指数构建的实验样品磁性率定量反演模型的预测误差为0.038,反演磁性率与实测磁性率的判定系数(R2)为0.964 5,预测结果比较理想。为确定BIF的磁性率提供了一种新方法,该方法具有工作强度小、经济、高效、便捷的优点,且对遥感找矿具有一定指导意义。     

鞍山式铁矿SiO2含量的热红外光谱分析方法

SiO₂含量是铁矿石质量控制的主要技术指标,亦是衡量铁矿石品质好坏的关键指标之一,对选矿方法、配矿流程的确定具有重要意义。传统的SiO₂含量测定法虽然准确度高,但工作量大,操作繁琐,花费时间长,难以快速、高效确定铁矿石中SiO₂含量。采用红外光谱辐射计Turbo FT对辽宁省鞍钢集团鞍千矿业有限责任公司的“鞍山式”铁矿样品进行热红外光谱测试,分析了光谱特征,构建了比值指数(RI)、差值指数(DI)和归一化指数(NDI),并确定光谱指数与样品SiO₂含量相关性最显著的敏感波段及对应的相关系数值;优选出与样品SiO₂含量相关性最显著的归一化指数(NDI),构建样品SiO₂含量的定量反演模型,并进行了验证。结果表明,三种光谱指数与样品SiO₂含量的敏感波段均位于余辉带特征(RF)的左边界8.06与8.2 μm处,相关系数均达到0.9以上,其中NDI与样品SiO₂含量的相关性最高;基于NDI构建了实验样品SiO₂含量的二次函数反演模型,预测误差为3.57%。该方法相对于传统的研磨化验法,具有工作强度小、便捷、快速、高效、无污染的优点,对遥感找矿也具有一定指导意义。     

基于可见光波段的燃烧与未燃烧矸石分类方法研究

我国煤矿数量众多,分布广泛,大量堆积的煤矸石对矿区环境造成严重影响,其中部分煤矸石处理不当可能引发自燃和爆炸,对矿区安全构成直接威胁。根据煤矸石的燃烧状态可以分为燃烧矸石和未燃烧矸石两类,其存在的安全隐患和对环境的危害性有所不同,同时其综合利用的途径亦不相同。因此,对煤矸石进行燃烧矸石和未燃烧矸石的分类识别与监测就显得尤为重要。目前的监测方法主要为实地勘查调研,其效率低、成本高,难以满足煤矸石监测的实际需求。选择辽宁省铁法矿区作为研究区,首先从矿区矸石山现场采集典型的煤矸石样本106个;然后,利用SVC HR1024光谱仪测试其可见光-近红外光谱,分析燃烧和未燃烧矸石的光谱特征,并基于可见光波段构建光谱指数NDGI,用于识别燃烧矸石和未燃烧矸石。选择实验室测试的光谱数据和实际卫星遥感数据对该指数进行了验证,并与随机森林法进行对比。结果显示：在350～760 nm燃烧矸石光谱曲线斜率整体较高,在550～630 nm反射率存在陡升现象,而未燃烧矸石在整个可见光波段光谱曲线斜率较低;以0.25作为NDGI指数阈值,可以很好地将燃烧矸石和未燃烧矸石区分开来,实验室样本验证结果显示,NDGI指数的分类精度可达99.1%,高于随机森林分类法的95.2%;现场的验证结果表明,使用铁法矿区的landsat8 OLI数据,并基于NDGI指数对矿区内的矸石山进行燃烧和未燃烧区域识别划分,所提取的燃烧和未燃烧矸石在形态和大小上与Google Earth具有很好地一致性,表明该指数对于矸石的燃烧状态具有很好识别效果。在上述研究基础上,分别取燃烧和未燃烧矸石进行矿物鉴定,通过对比矸石燃烧前后矿物种类的变化,分析造成燃烧和未燃烧矸石的光谱特征差异的原因。结果表明：燃烧使矸石中的Fe2+被氧化为Fe3+。Fe3+的大量增加造成光谱曲线在550nm处形成明显的波谷特征,在整个燃烧过程中生成的玻璃质在750nm处形成高反射率,二者综合造成燃烧和未燃烧矸石的NDGI指数差异。研究结果为煤矿区燃烧和未燃烧矸石的区分识别提供了一种快速、高效、较为准确的实用方法。     

动力学分光光度法测定痕量硫氰酸根的研究

利用SCN~-对溴酸钾氧化罗丹明B反应的抑制作用。建立了动力学光度法测定痕量SCN~-的新方法。检出限为0.30ng SCN~-/ml,测定范围为0.30～8.3ngSCN~-/ml.应用于吸烟者与不吸烟者尿中SCN~-的测定。结果较为满意。     

颗粒度对鞍山式铁矿反射光谱特征的影响研究

岩矿反射光谱的决定因素是其成分及含量,变异因素主要为颗粒度、粗糙度、观测角度、表面形态等。为明确颗粒度与鞍山式铁矿反射光谱之间的关系,采用SVC HR-1024便携式地物光谱仪对鞍山式铁矿的两种主要铁矿石(赤铁矿、磁铁矿)进行不同颗粒度下的可见光-近红外光谱测试,分析颗粒度对赤铁矿、磁铁矿反射光谱的影响规律,并明确颗粒度的敏感波段与稳定波段,为以后的定量反演工作提供参考。结果表明,颗粒度对赤铁矿、磁铁矿反射光谱的影响规律具有显著差异。当赤铁矿试样粒径由0.03 mm增加到1 mm时,光谱反射率随颗粒度增加而逐渐减小,二者呈现显著负相关关系。但是在不同的波段处,赤铁矿反射光谱受颗粒度的影响程度不同,在350~550 nm波段,反射光谱受颗粒度影响非常微弱,为赤铁矿反射光谱对颗粒度的稳定波段;在550~950 nm波段,反射光谱受颗粒度影响较微弱;在950~1 250 nm波段,反射光谱受颗粒度影响较显著;在1 250~2 500 nm波段,反射光谱受颗粒度影响非常显著,为赤铁矿反射光谱对颗粒度的敏感波段。当赤铁矿试样粒径大于1 mm之后,赤铁矿反射光谱多重叠,受颗粒度影响显著减弱,且二者无明显相关性。当磁铁矿试样粒径由0.03 mm增加到4 mm时,磁铁矿反射光谱对颗粒度的响应非常微弱,颗粒度引起的光谱反射率变化不超过3%,且颗粒度与磁铁矿反射光谱间无相关性,二者间联系微弱。该研究揭示了颗粒度对鞍山式铁矿反射光谱的影响规律,定量分析了颗粒度对赤铁矿、磁铁矿反射光谱的影响程度,并确定了颗粒度与试样反射率符合的函数分布关系,为提高鞍山式铁矿的品位反演精度奠定了良好基础。     

动力学光度法测定痕量Br~－的研究（Ⅱ）

基子痕量嗅对嗅酸钾氧化罗丹明Ｂ反应的强抑制作用，建立了测定痕量Ｂｒ￣－的新动力学光度法。检出限为０．６ｎｇ／ｍＬ。大多数阳离子、阴离子不干扰测定，用于化学试剂中痕量Ｂｒ￣－的测定，结果满意。     

动力学光度法测定痕量Br^—的研究（Ⅱ）

基于痕量溴对溴酸钾氧化罗丹明Ｂ反应的强抑制作用，建立了测定痕量Ｂｒ＾－的新动力学法度法。检出限为０．６ｎｇ／ｍＬ。大多数阳离子、阴离子不干扰测定，用于化学试剂中痕量Ｂｒ＾－的测定，结果满意。     

粗糙度对岩石热红外光谱解混影响的实验研究

现有的岩石热红外光谱解混,大多针对颗粒岩石,无法满足自然界块状岩石高精度光谱解混的要求。研究将粗糙度作为影响光谱发射率与解混精度的考虑因素,研究块状岩石的热红外光谱解混问题。以自然岩石表面形态为依据,设计了三个粗糙度等级;顾及到岩石的结构情况,采用矿物块体拼接的方法模拟制作了3种块状岩石;通过相同和不同粗糙度的解混实验,来研究自然界块状岩石的表面粗糙度对岩石光谱特征和光谱解混的影响规律。结果表明,当矿物端元与岩石在相同粗糙度下光谱线性解混时,效果较好;而在不同粗糙度下解混时,60个解混结果中有48.3%误差超过5%,最大达到25.3%。基于此,建议在实际岩矿高光谱定量遥感中,应该充分考虑粗糙度对光谱解混的影响。     

基于近红外光谱和ELM算法的菱镁矿石品级分类研究

由工业发展需求,针对菱镁矿石矿物含量不同以及分布不均匀而难以判定其品级的情况,提出一种由近红外光谱技术结合ELM的菱镁矿石品级分类模型。该模型可以实现菱镁矿石品级的快速分类。近红外光谱利用菱镁矿中不同种类含H基团对近红外光谱有不同吸收的特性,用来测定菱镁矿石的成分及其含量,其操作简便、不破坏样品、速度快、准确高效。以辽宁省营口市大石桥的菱镁矿石30组为研究对象,采集菱镁矿石的近红外光谱数据样本30×973。采用主成分分析(PCA)对其进行降维处理,以主元贡献率大于99.99%而得到10维的特征变量值。建立了ELM算法定量分析数学模型,取20组样本为训练样本(包括6组特级,14组非特),其余10组作为测试样本(其中4组特级,6组非特),ELM算法模型的隐含层节点数选取20。为了进一步提高分类效果,提出两种ELM算法模型的改进：采用循环模式对传统ELM的输入权值和阈值进行寻优的精选ELM和在精选ELM基础上进行集成的集成-精选ELM。并与用人工方法、化学方法和BP神经网络模型方法对菱镁矿石样品品级分类作对比。结果表明：近红外光谱和ELM菱镁矿石品级分类模型不论在时间上还是成本上,都具有明显的优势,且其准确率能够达到90%以上,为菱镁矿石品级分类提供了一条新的途径。