波谱服务实例分析
发布网友
发布时间：2022-04-20 01:05
共1个回答
热心网友
时间：2023-08-27 08:41
7.4.1 基于波谱特征分析与波谱匹配的铅锌矿地质体异常识别方法
7.4.1.1 地质体光谱特征提取
采样区位于鄯善县彩霞山铅锌矿区，采样剖面线沿北西-南东方向，中间穿过三个矿体，分别是彩霞山四号矿体，五号矿体与一个新发现矿体。测试区的主要岩石类型为白云石大理岩、砂岩泥岩互层、闪长玢岩及铅锌矿体蚀变带。从野外地质调查和测试结果看，岩石蚀变发育，主要蚀变类型有硅化（石英脉及硅化破碎带）、黄钾铁矾化，碳酸盐化与蛇纹石化等。
对野外标本进行室内光谱测量，基于波谱库软件系统中的特征提取方法，对经过平滑滤波后的岩矿光谱进行特征提取，形成彩霞山铅锌矿波谱特征剖面线。
研究区光谱特征主要出现在1410nm，1930nm，2200nm及2330nm附近，但是，由于不同蚀变类型及蚀变程度的不同，在以上特征谱段中，又会出现光谱特征中心波长的偏移及吸收强度的差异。
研究区几种蚀变岩石的实测光谱曲线如图7.3所示。
图7.3 实验区几种蚀变岩石标本光谱曲线
对实验区所有标本进行特征提取，形成该研究区光谱特征统计表。
几种蚀变岩石标本的光谱特征如表7.3所示。
表7.3 几种蚀变岩石标本光谱特征
7.4.1.2 基于特征波段的光谱匹配
通过对以上岩矿标本进行特征提取，与波谱库中标准波谱进行特征匹配，得到研究区主要蚀变矿物分布图。
由识别结果图可以看出，沿测线方向分布的蚀变类型主要为黄钾铁矾化，碳酸盐化矿物方解石， 蛇纹石化及伊利石化。其中蛇纹石化在全区发育明显，在全部111 个采样点中有93%，黄钾铁矾化与碳酸盐化样本次之，分别占到了全部样本的77% 左右，而伊利石化现象在全区相对来说，蚀变现象较弱，仅有不到35% 的样本出现了伊利石化现象。
图7.4中柱状图的长度表示了该蚀变矿物与波谱库中标准矿物的相似程度（注：仅为相对值，各个矿物之间没有做归一化处理），从图中还可以看出，在全区出现黄钾铁矾化较为明显的样本中，矿体围岩周边的标本与标准波谱的光谱相似性更高一些，表明在这些样本中，黄钾铁矾化程度相对较高。
图7.4 研究区主要蚀变矿物识别结果
实际研究中，基于波谱库初步实现了对彩霞山铅锌矿岩石标本的蚀变矿物识别，从蚀变类型与蚀变矿物相似度分析上来看，研究结果基本印证了国内学者在该地区已有的地质勘探中对彩霞山围岩蚀变的探测结果。但是，基于光谱信息的围岩蚀变识别是一个复杂的过程，涉及矿床的成矿类型，成矿后期不同的变质类型及变质程度，在后续的研究工作中，笔者将对研究结果开展更为详尽的地面验证与实验室室内测量工作。
7.4.2 基于偏最小二乘回归的油气微渗漏信息定量估计方法
对庆阳实验区的地物光谱及地化数据进行整理，基于波谱库中的特征提取技术，形成了该地区油气微渗漏光谱的特征库。从特征库中进一步提取能够反映土壤样本中烃类微渗漏信息的波段进行建模。
全波段对酸解烃指标的相关分析如图7.5所示。
由图7.5可以看出，在酸解烃的八个指标中，甲烷、乙烷、丙烷对光谱的相关性较高，异丁烷、正丁烷、异戊烷和正戊烷的相关性略低。而烯烃，这里是丙烯的相关性最低。其中相关性较高的波段集中在1900 nm和2400～2500 nm之间。但是，从上图中我们看到，所有酸解烃的八个指标，对光谱的相关性并不高，最高的相关系数在0.35左右，为了提高酸解烃与光谱之间的相关性，我们对光谱数据进行一定的预处理。光谱导数能够在一定程度上消除光谱背景信号的影响，突出光谱中有用信息。这里，我们选用二次导数法来消除背景光谱的影响，经过二次导数之后，酸解烃指标与各个光谱之间的相关性得到了加强。以甲烷的相关系数为例，相关系数均值从0.158提高的0.280 ，最大值从0.353提高到0.546。以0.30为阈值，作为提取有效波段的依据，最后提取的可以进入建模的波段数为41个。这些波段的反射率曲线如图7.6所示。
图7.5 酸解烃与光谱反射率相关性分析
图7.6 从特征库中选择的特征波段
由图7.6可见，进入建模的波段主要位于吸收谷附近，表明了经过导数处理之后的光谱曲线能够更好地反映地物的吸收特征，这些吸收特征将会在气田微渗漏信息提取中被用来定量识别气田微渗漏土壤中酸解烃指标。
前面我们已经知道，在气田微渗漏土壤中酸解烃测试中，获取了八个酸解烃的指标，分别是甲烷、乙烷、丙烷、丙烯、异丁烷、正丁烷、异戊烷和正戊烷。虽然这些烃类都会影响到地物的光谱响应，但是，这些烃类指标之间，也存在着一定的相关性。如果割裂这些相关性进行光谱信息提取，难免会造成信息不全面的结果。酸解烃指标之间的相关性如图7.7所示。
由图7.7可以看出，酸解烃各指标的含量之间具有很高的相关性，大多数变量之间的相关性在0.8以上，相关性最小的也在0.5左右，因此，在用波谱各变量之间进行定量分析的时候，一定要利用这种相关性，才能更好地反映土壤样品的本质特性。
同样，按照上面的特征提取方法，提取的各个光谱反射率之间，也存在一定的相关性。如图7.8所示。
因此，为了从高光谱反射率数据中实现气田微渗漏信息的提取，需要解决两个难题，一个是光谱波段之间的相关性，二是烃类各变量之间的相关性。
偏最小二乘回归方法是对传统的最小二乘回归的改进，它适合于在自变量之间存在相关性及多个因变量之间也存在相关性的情况下进行回归分析。可以这么理解偏最小二乘回归：
偏最小二乘回归 ＝ 多元线性回归分析＋典型相关分析＋主成分分析
它能够在自变量存在严重多重相关性的条件下进行回归建模，允许在样本点个数少于变量个数的条件下进行回归分析，偏最小二乘回归在最终模型中将包含原有的所有自变量，它易于辨识系统信息与噪声（甚至一些非随机性的噪声）。
图7.7 酸解烃各指标之间的相关性
图7.8 高光谱反射率之间相关性
为实现从高光谱反射率中提取气田微渗漏信息，研究中可采用最小二乘回归方法对部分样品进行建模分析，取得了比较理想的结果。
我们对庆阳实验区纵剖面的采样数据进行基于偏最小二乘回归方法的信息定量提取。在建模中，考虑的因变量为酸解烃的八个指标，分别是甲烷、乙烷、丙烷、丙烯、异丁烷、正丁烷、异戊烷和正戊烷，选择的自变量是前面所述的41个波段反射率。
模型建模与对未知样本的估计结果如图7.9至图7.16所示。
图7.9 甲烷预测结果
图7.10 乙烷预测结果
图7.11 丙烷预测结果
图7.12 丙烯预测结果
图7.13 异丁烷预测结果
图7.14 正丁烷预测结果
图7.15 异戊烷预测结果
图7.16 正戊烷预测结果
模型预测能力的定量评价指标如表7.4所示。
表7.4 模型预测评价指标
