露天矿场的矿物测绘——高光谱成像用于矿物鉴定

一、项目应用介绍

在这个例子中，使用了前铜-金-黄铁矿阿普利基(塞浦路斯共和国尼科西亚区)的数据来说明露天矿矿物鉴定的高光谱成像的使用。样品和现场数据是由德国波茨坦地质科学研究中心(GFZ)和波茨坦大学(UP)与塞浦路斯共和国地质调查部门(GSD)在2018年3月的实地活动中收集的。这里展示的结果和图像是Koerting(2020)博士研究的一部分。

对36个样点的地球化学数据(ICP-ES和碳硫分析)进行了聚类分析。它确定了七个不同的材料组。通过对样品的光谱指纹图谱和优势矿物学分析(XRD)证实了这些类群。特定位点的光谱库(图1)显示了每个簇的一个光谱，并在实验室中使用HySpex Classic系列的VNIR和SWIR仪器从36个表面样本中编制。

图1所示。基于样本的谱库。现场采集的36个样品(左)在实验室中使用高光谱和传统方法进行了分析和表征。然后根据地球化学数据对样品进行聚类。光谱库(中心)是利用聚簇材料(C1-C7)的反射率建立的。使用ReSens+(右)的自动分类表明，谱聚类可以用于识别样本。该库后来被用于识别矿井工作面上的材料/簇。ReSens+是德国初创公司rad. Data Spectral Analytic UG (limited)的一款应用软件。

对于矿井工作面分类，剔除以石膏为主的簇，将用于分析的输入参数缩减为6类;生成的地图(图2)突出了网脉带以及浸染状和风化的硫化物矿石的位置。在这里，每个簇代表了矿区内的不同区域，例如矿化枕状熔岩、近晶绿泥岩带或绿泥岩网脉带。

图2所示：A:预期的矿面分区(Antivachis, 2015)。B:利用二值特征拟合算法(Mielke et al, prep.)对阿普利基矿工作面(Koerting 2020, in prep.)进行高光谱制图。

高光谱图可以在由运动结构(SfM)创建的3D模型上可视化，或通过实现精确的激光雷达建模(图3)。这些模型有助于现场材料的分配。此外，Kirsch等人(2018)还可以利用最小波长映射(Python HypPy Toolbox, Bakker和Oosthoek)对AlOH含量高的区域进行映射，以实现在2160 - 2220 nm处定义的AlOH特征。这种类型的分析有助于识别污染程度较高的区域(例如粘土)，以调整这里提取的材料的处理。

图3所示：由SfM创建的三维模型覆盖了高光谱分类(顶部)和特定吸收特征的中心波长分布图，高光谱相机的高空间分辨率允许根据其光谱特征对材料进行有效的现场定位。类似地，它们的高光谱分辨率允许详细识别感兴趣范围内的吸收特征。

二、设备使用情况

本项目中的高光谱数据是使用VNIR相机覆盖400 - 1000 nm范围，而短波相机工作在930 - 2500 nm范围。这两款相机的光谱分辨率分别为3.3 nm和5.5 nm。 该相机设计用于实验室和实地操作，由于其低值光学像差、热稳定性和各种工作距离的定制镜头，保留了科学和工业应用所需的光谱保真度。便携式野外系统利用一个基于电池的坚固数据采集单元来驱动和控制摄像机以及必要的移动阶段。

数据分析使用GFZ提供的材料分类算法和rad提供的先进的ReSens+产品系列中的材料分类算法进行。数据光谱分析UG (limited)在所有超和多光谱尺度和平台上提供关于矿物和材料的质量、数量和位置的快速、高精度的地理信息。

三、结论

这个例子显示了高光谱成像作为地质和采矿应用工具的潜力。它的使用使从勘探和采矿到加工和制造的任何地方的矿物和材料的精确识别成为可能。高光谱成像仪器为科学和工业应用提供多种一站式解决方案。