矿物识别谱系与识别规则

引言

事实上，矿物往往具有其特有、独特的诊断性特征吸收谱带，这些特征谱带在不同的矿物中具有较稳定的波长位置和较稳定的独特波形，能够指示离子类矿物、单矿物的存在。通过这些谱带或其组合，能够实现对矿物的识别。

由此，本文通过对矿物光谱特征进行分析和总结，建立基于特征谱带的矿物识别谱系对矿物类或矿物进行识别。该方法在一定程度上可以实现对高光谱岩矿信息的智能识别。

矿物识别谱系与识别规则

由以上分析可知，阴离子诊断谱带位于2~2.5μm光谱区域，一般为络阴离子弯曲振动的合频或倍频的吸收特征谱带或叠加在OH基团伸缩振动光谱之上的复合谱带；而Fe2+，Fe3+和Mn2+诊断谱带一般位于0.4~1.2μm光谱区域，为电子跃迁吸收特征谱带。由此，将矿物识别光谱划分为两个区域，即小于1μm的光谱区和大于2μm的光谱区。在这两个光谱区域中分别进行不同光谱机制矿物离子化合物的识别。在大于2μm光谱区域提取含Al-OH和CO32-矿物类；在1μm光谱区提取含Fe2+，Fe3+和Mn2+的矿物类。例如，Fe2+在1000nm附近的产生特征谱带，CO32-在2300nm处的产生特征吸收，Al-OH在2200nm附近产生特征吸收等。利用阴阳离子特征谱带或其谱带组合大致可以对矿物进行识别。例如，同时具有Fe2+在1000nm与CO32-在2300nm附近的特征谱带，便大致确定为该矿物为菱铁矿。由于类质同象替代系列的存在以及离子光谱的敏感性而产生混淆，如Fe2+~Zn2+、Ca2+~Fe2+等阳离子的部分替代，可形成Fe[CO3]-Zn[CO3]、Ca[CO3]-Fe[CO3]等的不完全类质同象系列。这样，在对矿物的精确识别时，除了利用阴阳离子最主要的特征吸收外，还必须结合其次要特征吸收，以及利用整个谱带与识别像元的谱带进行相关匹配来识别矿物。由此，在对矿物光谱特征作精细研究分析的基础上，建立分层识别矿物谱系（SpectralIdentificationTree（SIT）），对矿物或矿物类别从大类到矿物逐层进行识别（图1）。

图1 基于矿物识别谱系集成

（1）特征谱带识别：主要用于对含离子大类矿物进行识别：①含Al-OH矿物：诊断谱带一般位于2165~2205nm附近；

②含CO32-矿物：诊断谱带一般位于2335~2386nm区间；

③含Fe2+矿物：诊断谱带一般位于1000~1100nm附近；

④含Fe3+矿物：诊断谱带一般位于600~900nm附近；

⑤含Mn2+矿物：诊断谱带一般位于450~600nm附近。

（2）谱带组合识别规则：以主吸收谱带和次要吸收谱带的组合识别单矿物，并考虑到吸收谱带在不同岩石中的漂移。这里以Al-OH键的矿物，如明矾石、蒙脱石和白云母为例，建立的组合光谱识别规则：

①明矾石：两个特征吸收分别位于2175nm（2165~2175nm，±10nm）和2325nm；

②蒙脱石：位于2215nm（2205~2215nm，±10nm）的主要特征吸收伴随有一个2440nm的次级吸收；

③白云母：位于2205nm（2195~2215nm，±20nm）的主要特征吸收伴随有3个次级吸收峰，分别位于2355nm，2440nm和2115nm；

④高岭石：位于2205nm（2185~2235nm，±20nm）的主要特征吸收伴随有3个次级吸收峰，分别位于2165nm，2315nm，2386nm。

 

全谱带光谱分解识别：为避免光谱变异和光谱混合效应，以整个光谱曲线作参量，利用光谱分解模型进行矿物精细识别。在识别过程中，首先根据离子特征谱带进行矿物类识别，然后采用掩膜技术消除其它非该类信息，再利用组合谱带识别规则识别矿物，进一步地利用全谱带光谱特征进行矿物种类精细识别。

由以上分析可知，阴离子诊断谱带位于2~2.5μm光谱区域，一般为络阴离子弯曲振动的合频或倍频的吸收特征谱带或叠加在OH基团伸缩振动光谱之上的复合谱带；而Fe2+，Fe3+和Mn2+诊断谱带一般位于0.4~1.2μm光谱区域，为电子跃迁吸收特征谱带。由此，将矿物识别光谱划分为两个区域，即小于1μm的光谱区和大于2μm的光谱区。在这两个光谱区域中分别进行不同光谱机制矿物离子化合物的识别。

矿物分层识别提取

（1）试验区地质概况：以1998年获取的美国Cuprite地区的航空高光谱AVIRIS数据进行试验。该区主要出露岩层有寒武系沉积岩和变沉积岩、第三系火山岩和第四系冲积层。第三系火山岩热液蚀变广泛，在95号公路两边形成两个南北向拉长的蚀变区，明显可分为硅化带、蛋白石化带和泥化带，从中部向外呈同心圆状分布。硅化区主要蚀变矿物为石英和少量的方解石、明矾石和高岭石；蛋白石化带分布广泛，主要为明矾石、浸染状蛋白石、方解石置换的蛋白石和高岭石；泥化带主要有高岭石、蒙脱石和少量由火山玻璃生成的蛋白石。本区露头出露良好，矿物组合多样，从20世纪70年代起，就成为美国遥感地质研究的重要试验基地，许多遥感地质研究和矿物波谱研究项目都以该区为试验区，如蚀变矿物波谱研究、多光谱岩性识别和蚀变矿物识别研究、蚀变和非蚀变矿物区分技术研究等。

（2）矿物识别：在Cuprite地区，利用前述所建立的矿物谱系识别规则对Al-OH，Mg-OH，CO32-，Fe2+，Fe3+和Mn2+类矿物作识别试验，识别结果见图2。

图2 离子矿物类（灰白色）识别

图中亮度值表示该类矿物分布的相对丰度。从这6类离子矿物类识别结果分析，该区中部以含Al-OH键的矿物为主，含Mg-OH键的矿物分布较少。结合CO32-与Fe2+的分布分析认为，在该区西南部可能有菱铁矿存在，在矿区中部偏东部存在高价铁矿物，如黄钾铁钒、赤铁矿等。进一步利用掩图1基于矿物识别谱系集成膜技术，在Al-OH离子类矿物区域中，进一步根据组合谱带识别规则识别明矾石、蒙脱石、白云母和高岭石，结果如图3。

图3 矿物（灰白色）识别

在高岭石分布区，进一步利用全谱带特征进行光谱分解细分多水高岭石、微晶高岭石和伊利石（图4）。

图4 矿物（灰白色）精细识别

结论

将识别结果与Clark和Swayze的结果相比较，两个近于一致。Clark和Swayze利用软件，基于UNIX操作平台，以大量的地物光谱数据库，大气辐射转换模型和地面定标目标为基础，采用波形匹配和全波段谱形的最小二乘拟合进行矿物识别。其识别结果都是经X-射线衍射分析等技术和野外检查进行了验证，准确性较高，可作为地面实况对比分析的基础。对比结果说明，本次所建立的有关矿物的谱系识别规则符合实际、简单易行，可以从大类到具体矿物，再到矿物类质同像系列或同质多像变体，高效地用于提取岩矿成因信息。矿物准确识别的前提是高光谱数据的信噪比较高，辐射标定与大气校正准确可靠，能再现地物光谱特征。随着高光谱仪技术性能的改进与提高，将改善高光谱物质识别的精度，推动高光谱物质识别的智能化与定量化，并将在一定程度上实现利用宏观的手段进行微观的探测。

推荐：

无人机机载高光谱成像系统iSpecHyper-VM100

一款基于小型多旋翼无人机机载高光谱成像系统，该系统由高光谱成像相机、稳定云台、机载控制与数据采集模块、机载供电模块等部分组成。无人机机载高光谱成像系统通过独特的内置式或外部扫描和稳定控制，有效地解决了在微型无人机搭载推扫式高光谱照相机时，由于振动引起的图像质量较差的问题，并具备较高的光谱分辨率和良好的成像性能。

审核编辑 黄宇