铅锌矿石稀散元素镉含量的高光谱反演研究

作者：赖思翰; 刘严松^*; 李成林; 王地; 何星慧; 刘琦; 沈茜

来源：光谱学与光谱分析, 2023, 43(04): 1275-1281.

• 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

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。

• 单位
  中国地质大学（北京）; 成都理工大学; 中国地质调查局成都地质调查中心