岩石定量遥感是矿产资源探测与地质环境监测的主要手段, 光谱解混是岩矿定量遥感的重要方法。 在实际应用中, 由于卫星对地观测受地形起伏的影响, 观测具有一定的角度, 导致所测发射率光谱产生变异。 但在目前的研究中, 解混所采用的矿物端元光谱, 是在实验室垂直试样表面观测得到的, 忽略了观测角度对发射率光谱的影响, 降低了光谱解混精度。 因此, 有必要将观测角度作为影响岩石光谱解混的因素, 研究其对光谱解混精度的影响。 首先, 将常见的石英、 正长石和斜长石矿物表面制作成一般粗糙度, 并设计0°~77°共9个观测角度实测发射率光谱, 分析观测角度对矿物热红外光谱特征的影响。 其次, 利用观测角度13°~77°的矿物端元, 构建相应角度虚拟岩石光谱, 并用0°的矿物端元光谱解混9个观测角度的岩石光谱, 分析观测角度对岩石热红外光谱解混的影响。 结果表明: (1）在0°~20°范围, 观测角度对光谱影响较弱, 从30°开始, 影响显著。 基本规律是: 随着角度的增加, 光谱吸收深度增加, 但各波段处的情况不尽相同。 CF特征在观测角度大于50°之后向短波方向移动明显; RF特征处的吸收谷在观测角度大于20°之后显著加深, 且谷底位置向短波方向移动; TF特征在观测角度大于40°之后发射率显著降低。 表明观测角度的变化, 会引起光谱特征的明显变化。 (2）在0°~20°范围内, 观测角度对光谱解混影响不明显, 解混误差小于5%; 当观测角度大于20°时, 观测角度对光谱解混有显著影响, 30°~77°解混误差均大于5%, 平均解混误差达到17.2%, 解混精度较低。 这表明, 在基于光谱解混方法进行岩石矿物组分定量反演时, 需要考虑观测角度的影响, 这对于提高反演精度、 准确确定岩石类型具有重要意义。

矿物化学成分的精确确定对矿产资源开发利用具有重要意义, 利用热红外光谱反演铁矿中SiO2含量弥补了传统方法耗时长等方面的不足。 然而铁矿的热红外光谱受表面粗糙度(roughness, Rq)等因素影响, 导致SiO2含量反演精度降低。 现有研究在没有考虑矿石表面粗糙度对成分反演影响的情况下, 利用热红外光谱数据对铁矿石中SiO2含量进行定量反演, 反演精度对精确圈定矿体范围及配矿难以提供有效帮助。 因此, 将粗糙度作为影响反演铁矿中SiO2含量的考虑因素, 研究对反演SiO2精度的影响。 以辽宁省的“鞍山式”铁矿为研究对象, 为满足热红外光谱观测要求, 将铁矿试样制备成直径6 cm、 厚度1 cm的圆柱形块体共14块, 按其SiO2含量多少形成序列。 每件试样正反两面制作成两个等级的粗糙度, 并利用Surtronic S128粗糙度仪观测表面粗糙度。 采用红外光谱辐射计Turbo FT观测试样热红外光谱发射率, 利用归一化指数(NDI)分析光谱指数与SiO2含量的相关性, 确定两个等级粗糙度试样SiO2含量的敏感波段分别位于8.12, 8.13和8.02, 8.03 μm处, 相关系数分别为0.947和0.972。 建立敏感波段与试样SiO2含量的定量反演模型, 分析粗糙度对反演SiO2含量的影响。 结果表明: (1)粗糙度Rq增加对RF(reststrahlen features)特征区域光谱发射率增加影响明显。 平均粗糙度Rq由1.05 μm增加到2.47 μm, 使得同一块试样粗糙面与光滑面发射率的最大差值为0.17(相对差42.9%)。 (2)相同等级粗糙度进行含量反演时, 反演误差小, 平均相对误差1.88%, 大部分试样的反演精度能够满足地质矿产行业标准的误差要求。 (3)实验结果较不考虑铁矿表面形态反演SiO2含量精度3.57%有较大提高, 相对提高精度为47.3%。 因此, 考虑粗糙度的影响对提高SiO2含量的反演精度, 实现铁矿的精确区划, 合理、 高效的开采铁矿资源具有重要意义。

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。

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。

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。