赖思翰 1,*刘严松 1,2,3李成林 1王地 1[ ... ]沈茜 4
作者单位
摘要
1 自然资源部构造成矿成藏重点实验室(成都理工大学), 四川 成都 610059
2 中国地质调查局成都地质调查中心, 四川 成都 610081
3 中国地质大学(北京), 北京 100083
4 四川三合空间科技有限公司, 四川 成都 610094
稀散元素矿产资源是国民经济中的关键性矿产资源, 元素含量的提取是矿产资源潜力评价、 靶区优选的基础。 现有稀散元素含量分析面临快速检测、 潜力评价的需求, 基于高光谱的稀散元素含量反演是解决此问题的一种途径。 因此, 采集西藏斯弄多-则学矿集区的铅锌矿石, 开展铅锌矿石稀散元素镉(Cd)含量的高光谱反演方法与反演模型研究。 选用ASD Field Spec 3地物光谱仪及配套软件进行光谱数据采集和预处理; 在光谱特征分析基础上, 开展一阶微分(FD)、 二阶微分(SD)、 倒数的对数(AT)、 倒数对数的一阶微分(AFD)、 倒数对数的二阶微分(ASD)光谱数据变换处理, 结合皮尔森相关性系数(r)筛选特征波段, 进行随机森林(RF)、 人工神经网络(ANN)、 支持向量机(SVM)模型构建与反演, 选用决定系数(R2)和均方根误差(RMSE)评价反演模型效果与预测精度。 结果表明: 样品反射率集中于40%~60%区间; 1 420、 1 920和2 200 nm处形成吸收峰; 特征波段覆盖可见光和近红外波段, 771~2 051 nm为特征波段的最优区间。 SD光谱变换的降维效果最好, 筛选出15个特征波段; 其次为ASD和AFD光谱变换, 分别筛选出8个和2个特征波段。 FD与AT光谱变换未筛选出特征波段。 SD筛选的特征波段用于反演, 镉元素含量预测效果最好的是SD-ANN模型(R2=0.884, RMSE=2.679), 其次是SD-SVM模型(R2=0.830>0.8, RMSE=1.382), SD-RF模型预测效果最差(R2=0.505<0.6)。 ASD筛选的特征波段用于反演, 镉元素含量预测最好的是ASD-SVM模型(R2=0.857, RMSE=2.198), 其次是ASD-ANN模型(R2=0.846, RMSE=2.625)。 对比分析, 镉元素含量的高光谱反演模型效果为: SD-ANN>ASD-SVM>ASD-ANN>SD-SVM>ASD-RF>SD-RF。 该研究总结了铅锌矿石稀散元素镉的高光谱特征, 建立了镉元素含量的高光谱反演方法及模型, 为镉等稀散元素含量的高光谱反演、 无损检测、 快速分析提供了参考, 为高海拔勘探区稀散元素矿产资源的潜力评价、 靶区优选提供了科学支持。
稀散元素 镉含量分析 高光谱反演 可见光-近红外光谱 铅锌矿石 Rare-dispersed element Cadmium content analysis Hyperspectral inversion Visible and near infrared spectroscopy Lead zinc ore 
光谱学与光谱分析
2023, 43(4): 1275

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!