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定的波長位置和較穩定的獨特波形，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。

礦物識別譜系與識別規則

由以上分析可知，陰離子診斷譜帶位于2~2.5μm光譜區域，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域，即小于1μm的光譜區和大于2μm的光譜區。在這兩個光譜區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光譜區域提取含Al-OH和CO32-礦物類；在1μm光譜區提取含Fe2+，Fe3+和Mn2+的礦物類。例如，Fe2+在1000nm附近的產生特征譜帶，CO32-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CO32-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CO32-礦物：診斷譜帶一般位于2335~2386nm區間；

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域，即小于1μm的光譜區和大于2μm的光譜區。在這兩個光譜區域中分別進行不同光譜機制礦物離子化合物的識別。

礦物分層識別提取

（1）試驗區地質概況：以1998年獲取的美國Cuprite地區的航空高光譜AVIRIS數據進行試驗。該區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，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為試驗區，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分技術研究等。

（2）礦物識別：在Cuprite地區，利用前述所建立的礦物譜系識別規則對Al-OH，Mg-OH，CO32-，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CO32-與Fe2+的分布分析認為，在該區西南部可能有菱鐵礦存在，在礦區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離子類礦物區域中，進一步根據組合譜帶識別規則識別明礬石、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，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

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iSpecHyper-VM100

一款基于小型多旋翼無人機機載高光譜成像系統，該系統由高光譜成像相機、穩定云臺、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通過獨特的內置式或外部掃描和穩定控制，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。

審核編輯 黃宇