1、引言

事實上，礦物往往具有其特有、獨特的診斷性特征吸收譜帶，這些特征譜帶在不同的礦物中具有較穩(wěn)定的波長位置和較穩(wěn)定的獨特波形，能夠指示離子類礦物、單礦物的存在。通過這些譜帶或其組合，能夠實現對礦物的識別。

由此，本文通過對礦物光譜特征進行分析和總結，建立基于特征譜帶的礦物識別譜系對礦物類或礦物進行識別。該方法在一定程度上可以實現對高光譜巖礦信息的智能識別。

2、礦物識別譜系與識別規(guī)則

由以上分析可知，陰離子診斷譜帶位于2~2.5μm光譜區(qū)域，一般為絡陰離子彎曲振動的合頻或倍頻的吸收特征譜帶或疊加在OH基團伸縮振動光譜之上的復合譜帶；而Fe²⁺，Fe³⁺和Mn²⁺診斷譜帶一般位于0.4~1.2μm光譜區(qū)域，為電子躍遷吸收特征譜帶。由此，將礦物識別光譜劃分為兩個區(qū)域，即小于1μm的光譜區(qū)和大于2μm的光譜區(qū)。在這兩個光譜區(qū)域中分別進行不同光譜機制礦物離子化合物的識別。在大于2μm光譜區(qū)域提取含Al-OH和CO32-礦物類；在1μm光譜區(qū)提取含Fe2+，Fe3+和Mn2+的礦物類。例如，Fe2+在1000nm附近的產生特征譜帶，CO₃^2-在2300nm處的產生特征吸收，Al-OH在2200nm附近產生特征吸收等。利用陰陽離子特征譜帶或其譜帶組合大致可以對礦物進行識別。例如，同時具有Fe²⁺在1000nm與CO₃^2-在2300nm附近的特征譜帶，便大致確定為該礦物為菱鐵礦。由于類質同象替代系列的存在以及離子光譜的敏感性而產生混淆，如Fe²⁺~Zn²⁺、Ca²⁺~Fe²⁺等陽離子的部分替代，可形成Fe[CO₃]-Zn[CO₃]、Ca[CO₃]-Fe[CO₃]等的不完全類質同象系列。這樣，在對礦物的精確識別時，除了利用陰陽離子最主要的特征吸收外，還必須結合其次要特征吸收，以及利用整個譜帶與識別像元的譜帶進行相關匹配來識別礦物。由此，在對礦物光譜特征作精細研究分析的基礎上，建立分層識別礦物譜系（SpectralIdentificationTree（SIT）），對礦物或礦物類別從大類到礦物逐層進行識別（圖1）。

圖1 基于礦物識別譜系集成

（1）特征譜帶識別：主要用于對含離子大類礦物進行識別：①含Al-OH礦物：診斷譜帶一般位于2165~2205nm附近；

②含CO₃^2-礦物：診斷譜帶一般位于2335~2386nm區(qū)間；

③含Fe²⁺礦物：診斷譜帶一般位于1000~1100nm附近；

④含Fe³⁺礦物：診斷譜帶一般位于600~900nm附近；

⑤含Mn²⁺礦物：診斷譜帶一般位于450~600nm附近。

（2）譜帶組合識別規(guī)則：以主吸收譜帶和次要吸收譜帶的組合識別單礦物，并考慮到吸收譜帶在不同巖石中的漂移。這里以Al-OH鍵的礦物，如明礬石、蒙脫石和白云母為例，建立的組合光譜識別規(guī)則：

①明礬石：兩個特征吸收分別位于2175nm（2165~2175nm，±10nm）和2325nm；

②蒙脫石：位于2215nm（2205~2215nm，±10nm）的主要特征吸收伴隨有一個2440nm的次級吸收；

③白云母：位于2205nm（2195~2215nm，±20nm）的主要特征吸收伴隨有3個次級吸收峰，分別位于2355nm，2440nm和2115nm；

④高嶺石：位于2205nm（2185~2235nm，±20nm）的主要特征吸收伴隨有3個次級吸收峰，分別位于2165nm，2315nm，2386nm。

全譜帶光譜分解識別：為避免光譜變異和光譜混合效應，以整個光譜曲線作參量，利用光譜分解模型進行礦物精細識別。在識別過程中，首先根據離子特征譜帶進行礦物類識別，然后采用掩膜技術消除其它非該類信息，再利用組合譜帶識別規(guī)則識別礦物，進一步地利用全譜帶光譜特征進行礦物種類精細識別。

由以上分析可知，陰離子診斷譜帶位于2~2.5μm光譜區(qū)域，一般為絡陰離子彎曲振動的合頻或倍頻的吸收特征譜帶或疊加在OH基團伸縮振動光譜之上的復合譜帶；而Fe²⁺，Fe³⁺和Mn²⁺診斷譜帶一般位于0.4~1.2μm光譜區(qū)域，為電子躍遷吸收特征譜帶。由此，將礦物識別光譜劃分為兩個區(qū)域，即小于1μm的光譜區(qū)和大于2μm的光譜區(qū)。在這兩個光譜區(qū)域中分別進行不同光譜機制礦物離子化合物的識別。

3、礦物分層識別提取

（1）試驗區(qū)地質概況：以1998年獲取的美國Cuprite地區(qū)的航空高光譜AVIRIS數據進行試驗。該區(qū)主要出露巖層有寒武系沉積巖和變沉積巖、第三系火山巖和第四系沖積層。第三系火山巖熱液蝕變廣泛，在95號公路兩邊形成兩個南北向拉長的蝕變區(qū)，明顯可分為硅化帶、蛋白石化帶和泥化帶，從中部向外呈同心圓狀分布。硅化區(qū)主要蝕變礦物為石英和少量的方解石、明礬石和高嶺石；蛋白石化帶分布廣泛，主要為明礬石、浸染狀蛋白石、方解石置換的蛋白石和高嶺石；泥化帶主要有高嶺石、蒙脫石和少量由火山玻璃生成的蛋白石。本區(qū)露頭出露良好，礦物組合多樣，從20世紀70年代起，就成為美國遙感地質研究的重要試驗基地，許多遙感地質研究和礦物波譜研究項目都以該區(qū)為試驗區(qū)，如蝕變礦物波譜研究、多光譜巖性識別和蝕變礦物識別研究、蝕變和非蝕變礦物區(qū)分技術研究等。

（2）礦物識別：在Cuprite地區(qū)，利用前述所建立的礦物譜系識別規(guī)則對Al-OH，Mg-OH，CO₃^2-，Fe²⁺，Fe³⁺和Mn²⁺類礦物作識別試驗，識別結果見圖2。

圖2 離子礦物類（灰白色）識別

圖中亮度值表示該類礦物分布的相對豐度。從這6類離子礦物類識別結果分析，該區(qū)中部以含Al-OH鍵的礦物為主，含Mg-OH鍵的礦物分布較少。結合CO₃^2-與Fe²⁺的分布分析認為，在該區(qū)西南部可能有菱鐵礦存在，在礦區(qū)中部偏東部存在高價鐵礦物，如黃鉀鐵釩、赤鐵礦等。進一步利用掩圖1基于礦物識別譜系集成膜技術，在Al-OH離子類礦物區(qū)域中，進一步根據組合譜帶識別規(guī)則識別明礬石、蒙脫石、白云母和高嶺石，結果如圖3。

圖3 礦物（灰白色）識別

在高嶺石分布區(qū)，進一步利用全譜帶特征進行光譜分解細分多水高嶺石、微晶高嶺石和伊利石（圖4）。

圖4 礦物（灰白色）精細識別

4、結論

將識別結果與Clark和Swayze的結果相比較，兩個近于一致。Clark和Swayze利用軟件，基于UNIX操作平臺，以大量的地物光譜數據庫，大氣輻射轉換模型和地面定標目標為基礎，采用波形匹配和全波段譜形的最小二乘擬合進行礦物識別。其識別結果都是經X-射線衍射分析等技術和野外檢查進行了驗證，準確性較高，可作為地面實況對比分析的基礎。對比結果說明，本次所建立的有關礦物的譜系識別規(guī)則符合實際、簡單易行，可以從大類到具體礦物，再到礦物類質同像系列或同質多像變體，高效地用于提取巖礦成因信息。礦物準確識別的前提是高光譜數據的信噪比較高，輻射標定與大氣校正準確可靠，能再現地物光譜特征。隨著高光譜儀技術性能的改進與提高，將改善高光譜物質識別的精度，推動高光譜物質識別的智能化與定量化，并將在一定程度上實現利用宏觀的手段進行微觀的探測。

推薦：

無人機機載高光譜成像系統(tǒng)iSpecHyper-VM100

一款基于小型多旋翼無人機機載高光譜成像系統(tǒng)，該系統(tǒng)由高光譜成像相機、穩(wěn)定云臺、機載控制與數據采集模塊、機載供電模塊等部分組成。無人機機載高光譜成像系統(tǒng)通過獨特的內置式或外部掃描和穩(wěn)定控制，有效地解決了在微型無人機搭載推掃式高光譜照相機時，由于振動引起的圖像質量較差的問題，并具備較高的光譜分辨率和良好的成像性能。