一种基于热红外与短波红外光谱协同反演的锡矿蚀变带判别方法与流程

本发明涉及地质矿产勘查，特别是涉及一种基于热红外与短波红外光谱协同反演的锡矿蚀变带判别方法。

背景技术：

1、锡矿作为一种战略性矿产资源，地表易发现的矿体越来越少，深部隐伏矿体的定位预测已经成为当前锡矿找矿工作面临的核心难题。锡矿化过程中伴随的热液蚀变作用会形成特定的蚀变矿物组合，如黄玉石英化、云英岩化、绢云母化、绿泥石化等，这些蚀变矿物组合对寻找隐伏锡矿体具有重要的指示意义。然而，传统蚀变矿物学研究主要依靠岩相学观察、x射线衍射和电子探针等手段，分析周期长、成本高，难以做到快速原位识别，这在很大程度上制约了勘查效率。

2、近年来，短波红外（swir，1300～2500nm）和热红外（tir，6000～14000nm）光谱，因其快速、无损、可原位测量等优势，在矿产勘查领域展现出巨大应用潜力。短波红外光谱对含羟基（oh）、水（h2o）和碳酸根（co32-）的矿物极为敏感，能够精确识别层状硅酸盐矿物并反演其化学成分变化。热红外光谱则对硅酸盐矿物的si-o-si晶格振动敏感，可有效识别石英、长石等架状硅酸盐矿物，可用来反映硅化强度的变化。现有已公开的专利技术中，热红外硅化带识别与短波红外蚀变矿物识别多分属独立技术路径。已有专利分别聚焦于单一光谱范围的应用，尚未形成专门针对锡矿蚀变带判别的系统性协同方法。尽管学术研究已证实swir-tir协同的技术潜力，但这一思路尚未转化为可计算的定量判别模型。以现有黄玉光谱专利为例，其仅依靠单一黄玉指标进行锡矿潜力判别，并未将热红外识别的硅化带强度纳入约束条件。该方法难以区分与成矿作用相关的蚀变带与区域性或晚期低温蚀变带，降低了找矿预测的准确性。

3、现有方法缺乏蚀变带定量判别的协同评价指标。已有技术多停留在定性识别层面，未能将热红外石英特征与短波红外蚀变矿物特征进行空间叠合反演建模，形成可计算的协同判别指数。

4、因此，亟需一种将热红外与短波红外光谱协同反演的锡矿蚀变带判别方法。

技术实现思路

1、本发明的目的是提供一种基于热红外与短波红外光谱协同反演的锡矿蚀变带判别方法，解决现有热红外光谱和短波红外光谱分别应用时蚀变信息相互分离、缺少定量协同判别指标的问题，提高锡矿不同蚀变带的定量区分程度。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于热红外与短波红外光谱协同反演的锡矿蚀变带判别方法，包括：

4、基于岩石标准样品的热红外光谱特征参数、短波红外光谱特征参数、锡品位化验值及蚀变带类型构建协同标准数据库；

5、根据岩石标准样品的石英8625nm特征吸收深度及峰位偏移量构建热红外硅化指数，根据岩石标准样品的白云母2200nm吸收深度以及白云母2200nm吸收峰半高宽与绿泥石2250nm吸收峰半高宽的比值构建短波红外蚀变矿物指数，将热红外硅化指数、岩石标准样品的黄玉2086nm特征吸收深度及短波红外蚀变矿物指数确定为三项判别指标；

6、基于协同标准数据库，分别计算岩石标准样品的三项判别指标与锡品位化验值的秩相关系数绝对值，根据各秩相关系数绝对值确定数据驱动初始权重，并依据锡矿热液蚀变分带的地质成因规律对数据驱动初始权重进行约束校正和归一化，得到指标权重；

7、获取待测区域岩石样品的石英8625nm特征吸收深度及峰位偏移量、黄玉2086nm特征吸收深度、白云母2200nm吸收深度及吸收峰半高宽、绿泥石2250nm吸收峰半高宽；

8、根据待测区域岩石样品的石英8625nm特征吸收深度及峰位偏移量构建待测区域岩石样品的热红外硅化指数，根据待测区域岩石样品的白云母2200nm吸收深度以及白云母2200nm吸收峰半高宽与绿泥石2250nm吸收峰半高宽的比值构建待测区域岩石样品的短波红外蚀变矿物指数，将待测区域岩石样品的热红外硅化指数、黄玉2086nm特征吸收深度及短波红外蚀变矿物指数确定为待测区域岩石样品的三项判别指标；

9、将待测区域岩石样品的三项判别指标分别与协同标准数据库中各蚀变带类型对应的特征值区间进行比较，确定异常指示值，并按照指标权重对异常指示值进行加权融合，得到协同判别指数；

10、根据协同判别指数判别待测区域岩石样品的蚀变带类型。

11、优选地，基于岩石标准样品的热红外光谱特征参数、短波红外光谱特征参数、锡品位化验值及蚀变带类型构建协同标准数据库，包括：

12、从岩石标准样品的热红外光谱数据中提取石英8625nm特征吸收深度及峰位偏移量，得到热红外光谱特征参数；

13、从岩石标准样品的短波红外光谱数据中提取黄玉2086nm特征吸收深度、白云母2200nm吸收深度及吸收峰半高宽、绿泥石2250nm吸收峰半高宽，得到短波红外光谱特征参数；

14、获取岩石标准样品的锡品位化验值及蚀变带类型；

15、将热红外光谱特征参数、短波红外光谱特征参数、锡品位化验值及蚀变带类型按照岩石标准样品的对应关系进行关联，得到协同标准数据库。

16、优选地，根据岩石标准样品的石英8625nm特征吸收深度及峰位偏移量构建热红外硅化指数，包括：

17、将石英8625nm吸收峰的实测波长减去8625nm，得到峰位偏移量；

18、根据岩石标准样品的峰位偏移量统计分布范围确定归一化因子，归一化因子为统计分布范围的半幅宽度；

19、将峰位偏移量除以归一化因子，得到归一化峰位偏移量；

20、石英8625nm特征吸收深度对应的权重系数取值范围为0.6至0.8，归一化峰位偏移量对应的权重系数取值范围为0.2至0.4；

21、将石英8625nm特征吸收深度与对应权重系数的乘积和归一化峰位偏移量与对应权重系数的乘积相加，得到热红外硅化指数。

22、优选地，根据岩石标准样品的白云母2200nm吸收深度以及白云母2200nm吸收峰半高宽与绿泥石2250nm吸收峰半高宽的比值构建短波红外蚀变矿物指数，并将热红外硅化指数、岩石标准样品的黄玉2086nm特征吸收深度及短波红外蚀变矿物指数确定为三项判别指标，包括：

23、计算白云母2200nm吸收峰半高宽与绿泥石2250nm吸收峰半高宽的比值，得到半高宽比值；

24、将白云母2200nm吸收深度与半高宽比值相乘，得到短波红外蚀变矿物指数；

25、将黄玉2086nm特征吸收深度作为独立判别指标，不参与短波红外蚀变矿物指数的构建；

26、将热红外硅化指数、黄玉2086nm特征吸收深度及短波红外蚀变矿物指数分别确定为三项判别指标。

27、优选地，分别计算岩石标准样品的三项判别指标与锡品位化验值的秩相关系数绝对值，根据各秩相关系数绝对值确定数据驱动初始权重，包括：

28、分别计算热红外硅化指数、黄玉2086nm特征吸收深度及短波红外蚀变矿物指数与锡品位化验值的秩相关系数；

29、分别取三个秩相关系数的绝对值；

30、分别计算每一秩相关系数绝对值与三个秩相关系数绝对值之和的比值，得到与三项判别指标一一对应的数据驱动初始权重。

31、优选地，依据锡矿热液蚀变分带的地质成因规律对数据驱动初始权重进行约束校正和归一化，得到指标权重，包括：

32、将热红外硅化指数对应的数据驱动初始权重的约束区间设定为0.30至0.35，将黄玉2086nm特征吸收深度对应的数据驱动初始权重的约束区间设定为0.30至0.40，将短波红外蚀变矿物指数对应的数据驱动初始权重的约束区间设定为0.15至0.25；

33、当任一数据驱动初始权重大于对应约束区间的上限时，将对应的数据驱动初始权重校正为上限；当任一数据驱动初始权重小于对应约束区间的下限时，将对应的数据驱动初始权重校正为下限；当任一数据驱动初始权重位于对应约束区间内时，保留对应的数据驱动初始权重，得到三项校正权重；

34、分别计算每一校正权重与三项校正权重之和的比值，得到与三项判别指标一一对应的指标权重。

35、优选地，将待测区域岩石样品的三项判别指标分别与协同标准数据库中各蚀变带类型对应的特征值区间进行比较，确定异常指示值，包括：

36、当任一判别指标的数值位于矿化中心蚀变带对应的特征值区间时，将对应的异常指示值确定为1；

37、当任一判别指标的数值位于外围背景蚀变带对应的特征值区间时，将对应的异常指示值确定为0；

38、当任一判别指标的数值处于过渡区间时，采用线性插值确定对应的异常指示值，使异常指示值位于0至1之间。

39、优选地，按照指标权重对异常指示值进行加权融合，得到协同判别指数，包括：

40、获取三项判别指标对应光谱波段的有效信噪比；

41、分别计算每一有效信噪比与对应参考信噪比阈值的比值，取1与比值中的较小值作为对应的置信度系数，热红外光谱波段对应的参考信噪比阈值为200，短波红外光谱波段对应的参考信噪比阈值为100；

42、当待测区域岩石样品对应的任一置信度系数小于0.7时，将待测区域岩石样品的光谱数据判定为不可靠，不参与协同判别指数的计算；

43、当待测区域岩石样品对应的各置信度系数均不小于0.7时，将各指标权重、对应的异常指示值及对应的置信度系数相乘，并对所得乘积求和，得到协同判别指数。

44、优选地，根据协同判别指数判别待测区域岩石样品的蚀变带类型，包括：

45、当协同判别指数大于或等于0.65时，将待测区域岩石样品的蚀变带类型确定为矿化中心蚀变带；

46、当协同判别指数大于或等于0.35且小于0.65时，将待测区域岩石样品的蚀变带类型确定为过渡蚀变带；

47、当协同判别指数小于0.35时，将待测区域岩石样品的蚀变带类型确定为外围背景蚀变带。

48、优选地，热红外硅化指数的分级包括：

49、当热红外硅化指数大于0.3时，将对应的待测区域岩石样品确定为强硅化；

50、当热红外硅化指数大于0.1且不大于0.3时，将对应的待测区域岩石样品确定为中等硅化；

51、当热红外硅化指数不大于0.1时，将对应的待测区域岩石样品确定为弱硅化或未蚀变。

52、本发明公开了以下有益效果：

53、（1）本发明通过将岩石标准样品的热红外光谱特征参数、短波红外光谱特征参数、锡品位化验值及蚀变带类型关联构建协同标准数据库，使两类光谱特征与锡品位、蚀变带类型形成对应的数据基础，为不同光谱特征参与同一蚀变带判别过程提供统一的参照，减少热红外光谱与短波红外光谱分别判别造成的信息分离。

54、（2）本发明根据石英8625nm特征吸收深度及峰位偏移量构建热红外硅化指数，根据白云母2200nm吸收深度以及白云母2200nm吸收峰半高宽与绿泥石2250nm吸收峰半高宽的比值构建短波红外蚀变矿物指数，并将黄玉2086nm特征吸收深度作为第三项判别指标，使三项判别指标分别反映石英硅化特征、白云母与绿泥石蚀变特征以及黄玉光谱响应，减小依赖单一光谱范围或单一矿物特征判别锡矿蚀变带时的信息不足。

55、（3）本发明根据三项判别指标与锡品位化验值的秩相关系数绝对值确定数据驱动初始权重，再依据锡矿热液蚀变分带的地质成因规律进行约束校正和归一化，使指标权重同时受到锡品位统计关系和蚀变分带地质关系的限定，降低单纯依赖统计相关程度确定融合权重时出现与锡矿热液蚀变特征不相符的权重分配。

56、（4）本发明将待测区域岩石样品的三项判别指标分别与协同标准数据库中不同蚀变带类型对应的特征值区间进行比较，形成异常指示值，再按照指标权重进行加权融合得到协同判别指数，并以该指数判别岩石样品的蚀变带类型，将原本分散的热红外硅化信息、短波红外蚀变矿物信息和黄玉光谱信息转化为同一判别结果，解决现有方法缺少热红外与短波红外定量协同评价指标的问题，提高不同蚀变带之间的定量区分程度。