基于可见光-近红外光谱的BIF磁性率确定方法研究
毛亚纯, 王东, 王岳, 刘善军*
东北大学资源与土木工程学院, 辽宁 沈阳 110819
*通讯联系人 e-mail: liusjdr@126.com

作者简介: 毛亚纯, 1966年生, 东北大学资源与土木工程学院副教授 e-mail: maoyachun@mail.neu.edu.cn

摘要

铁矿中磁性率是评价铁矿床工业价值和划分矿石工业类型的重要指标。 传统的磁性率测定法存在工作量大、 效率低、 周期长的缺陷, 成为经济、 合理、 高效开采铁矿资源的瓶颈问题。 采用便携式地物光谱测试仪对辽宁省鞍钢集团鞍千矿业有限责任公司的BIF实验样品进行可见光-近红外光谱测试, 分析了光谱特征, 构建了比值指数(RI)、 差值指数(DI)和归一化指数(NDI), 并确定光谱指数与样品磁性率相关性最显著的敏感波段及对应的相关系数值; 优选出与样品磁性率相关性最显著的比值指数(RI), 构建实验样品磁性率的定量反演模型, 并进行了验证。 结果表明, 三种光谱指数与样品磁性率敏感波段均位于935与1 050 nm, 且该波段处的相关系数均达到0.9以上, 其中比值指数与样品磁性率的相关性最高; 基于比值指数构建的实验样品磁性率定量反演模型的预测误差为0.038, 反演磁性率与实测磁性率的判定系数( R2)为0.964 5, 预测结果比较理想。 为确定BIF的磁性率提供了一种新方法, 该方法具有工作强度小、 经济、 高效、 便捷的优点, 且对遥感找矿具有一定指导意义。

关键词: 铁矿; 可见光-近红外光谱; 光谱指数; 磁性率; 定量反演
中图分类号:P237 文献标志码:A
A FeO/TFe Determination Method of BIF Based on the Visible and Near-Infrared Spectrum
MAO Ya-chun, WANG Dong, WANG Yue, LIU Shan-jun*
School of Resources and Civil Engineering, Northeastern University, Shenyang 110819, China
Abstract

The FeO/TFe of iron ore is an important index to evaluate the industrial value of iron ore and classify the industrial type of ore. The conventional FeO/TFe measurements cost a lot of labor with low efficiency and long period, which are not benefit for the economical, reasonable and effective iron ore exploitation. Firstly, the visible and near-infrared spectrums of the BIF samples from Anqian mining area of Liaoning province were measured and the spectral features were analyzed. Then, three indexes of ration index (RI), difference index (DI) and normalized difference index (NDI) were put forward for analyzing the correlation relations between the indexes and FeO/TFe, and exploring the sensitive waveband. The experimental results showed that the sensitive waveband results of FeO/TFe from these three indexes are all located at 935 and 1 050 nm. All of these three correlation coefficients are larger than 0.9 at these two wavelength and the maximum value is 0.971 for the RI. Therefore, the inversion model for FeO/TFe according to RI results can be established and verified based on the laboratory report. The prediction error of FeO/TFe is 0.038 and the coefficient of determination ( R2) is 0.964 5. The experimental results can provide a new economical and effective approach for determining the FeO/TFe of BIF and mine exploring via remote sensing.

Keyword: Iron ore; Visible and near-infrared spectrum; Spectral index; FeO/TFe; Inversion model
引言

铁矿是支撑国民经济的主要矿产资源。 “ 鞍山式” 铁矿是我国最重要的沉积变质型铁矿床, 约占全国铁矿总储量的50%, 居于全国首位, 对国民经济发展至关重要[1]。 我国对此种铁矿所进行的地质工作, 源于辽宁省鞍山市, 因此称之为“ 鞍山式” 铁矿。 因该种矿石主要由硅质(燧石、 碧玉、 石英)和铁质(赤铁矿、 磁铁矿)薄层交互组成, 国际上也称之为条带状铁建造(banded iron formations, BIF)。 条带状铁建造(BIF)是世界上最重要的铁矿资源类型, 全球范围广泛分布, 占世界铁矿总储量的60%。 因此对BIF研究程度的高低, 直接影响到我国乃至世界铁矿资源开采应用现状。

铁矿中磁性率指标是评价铁矿床工业价值和划分矿石工业类型的重要指标, 传统的磁性率测定首先需要将样品研磨成粉, 然后通过不同的方法提取实验样品中的磁性铁与全铁含量, 进而确定样品磁性率, 其存在工作量大、 效率低、 周期长的缺陷, 已成为快速、 高效、 经济开采及选矿、 配矿技术的瓶颈问题。

自20世纪70年代, 国内外学者对多种矿物与岩石近红外光谱特性及产生原因进行了研究, 结果表明, 依据谱带特征能够实现对矿物、 岩石的识别[2, 3, 4, 5]。 基于此, 提出了利用矿物谱系识别技术识别矿物主成分的方法, 以及应用归一化(standard normal variable)方法对光谱数据进行有效的预处理, 同时利用随机森林方法(random forests)进行模型的构建, 并利用所建模型成功预测了实验样品的主要成分[6, 7, 8]。 一些学者分析了磁铁矿(Fe3O4)的光谱特性, 发现于850~900 nm波段范围内, 矿石中的铁含量与光谱反射率均值存在较好的相关性, 铁含量与光谱反射率呈指数函数负相关关系, 据此建立了矿石中铁含量的反演模型, 并取得了较好的效果[9, 10, 11]。 上述研究表明, 通过对不同矿物的近红外光谱测试分析, 建立光谱特征与矿物含量之间的联系, 可以实现矿物成分含量的反演确定。

我们选取BIF作为实验样品, 对其可见光-近红外光谱特征与样品磁性率之间的联系进行深入研究, 提出一种基于可见光-近红外光谱特征的磁性率确定新方法。 该方法可以指导露天矿山进行采场矿体边界实时快速圈定与精准区划, 且其工作强度小、 经济、 高效、 快速和便捷, 同时可以为遥感找矿提供一定参考。

1 实验部分
1.1 样品采集

实验样品采自辽宁省鞍钢集团鞍千矿业有限责任公司露天采场。 鞍钢集团被誉为“ 中国钢铁工业的摇篮” , 下辖7座大型铁矿山, 目前掌控的铁矿储量约占我国已探明铁矿储量(680亿t)的13.04%。

在矿区露天采场的不同地点共采集50件样本, 每个样本的大小约为10 cm× 10 cm× 4 cm左右的块状。 对采集的样本进行钻芯、 切割处理, 制备出直径为6 cm、 厚度为1 cm的圆形薄片状实验样品50件。

1.2 光谱测试

采用SVC HR-1024便携式地物光谱仪对样品进行可见光-近红外光谱测试, 波段范围为350~2 500 nm, 通道数1 024, 光谱精度优于± 0.5 nm, 光谱分辨率≤ 8.5 nm, 最小积分时间为1 s。 为降低太阳辐射传播路径和气溶胶的影响, 光谱测试在10:00— 14:00进行, 测量时天空晴朗无云, 太阳高度角在45° 左右。 测量时让样品观测面保持水平, 光谱仪镜头垂直于样品观测面。 将采样积分时间设置为3 s, 视场角为4° , 为减弱方向性对光谱测试过程中的影响, 每个样品水平旋转四个角度, 分别为0° , 90° , 180° 和270° , 每个角度测试1次, 取其反射率均值作为该样品的光谱曲线。

光谱测试完毕, 将全部样品送至化学分析测试中心进行化学成分测试, 确定各个样品的化学成分及磁性率(FeO/TFe), 如表1所示。

表1 实验样品化学成分含量表 Table 1 Chemical composition contents of experimental samples
1.3 光谱特征分析

样品光谱曲线如图1所示, 对全部样品的光谱曲线进行分析, 光谱特征如下:

(1)所有样品的光谱反射率均位于5%~40%之间。

(2)于350~900 nm波段所有样品光谱曲线均呈现下降趋势; 于900~1 250 nm波段光谱曲线出现显著差别, 呈现二种变化趋势, 一种为上升趋势(下文称之为上升型, 见图1中虚线部分), 另一种变化平缓(下文称之为平缓型, 见图1中实线部分); 于1 250~2 500 nm波段所有光谱曲线均呈现较平缓的趋势。

(3)由于样品中含有部分水(包括孔隙水和结晶水), 所有样品光谱均于1 400与1 900 nm处出现波谷特征, 且该处光谱毛刺较多, 波动较大。

图1 样品的可见光-近红外光谱曲线Fig.1 Visible and near infrared spectra of experimental samples

对上升型与平缓型的光谱曲线进行仔细对比, 发现二者光谱曲线主要存在以下差异:

(1)于350~900 nm波段范围, 上升型的光谱曲线下降趋势较平缓型的光谱曲线下降趋势更为显著; 且上升型光谱曲线在650~750 nm波段附近具有一个微弱的吸收谱带。

(2)于900~1 250 nm波段范围, 上升型的光谱曲线呈现上升趋势; 而平缓型的光谱曲线呈现微弱的下降趋势, 并逐渐趋于平缓。 且上升型光谱曲线在900 nm附近形成一个较强的吸收谱带, 而平缓型光谱曲线仅在1 000~1 100 nm存在一个微弱的宽缓光谱吸收谱带。

(3)于1 400与1 900 nm波长处, 上升型光谱曲线呈现显著的波谷特征, 而平缓型光谱曲线呈现微弱的波峰特征。

对上述现象进行分析, 发现上升型光谱曲线的样品磁性率(FeO/TFe)均较低, 化学成分中Fe3+含量较高, 多为赤铁矿; 平缓型光谱曲线的样品磁性率(FeO/TFe)相对较高, 化学成分中Fe2+含量较高, 多为磁铁矿。 分析表明, 样品的光谱特征与其所属矿石类型及其磁性率密切相关。

1.4 磁性率敏感波段提取

磁性率为铁矿石中氧化亚铁的质量分数与全铁质量分数的比值(FeO/TFe), 是衡量铁矿氧化程度的一项指标, 依磁性率可划分铁矿床的矿石类型, 并进行储量计算。 磁性率的确定对调整铁矿石的选矿生产工艺流程、 指导生产、 提高生产效率, 具有重要的指导作用。

通过分析发现, 样品光谱与磁性率存在很密切的关系。 为更好对样品的光谱特征与磁性率的相关性进行分析, 减少测试环境、 天气状况、 太阳高度角等众因素对光谱特征的影响, 引入光谱指数, 分别构建了比值(RI)、 差值(DI)和归一化差异(NDI)三种光谱指数:

RI=RλmRλn(1)DI=Rλm-Rλn(2)NDI=Rλm-RλnRλm+Rλn(3)

式中: λ mm点对应的波长位置; λ nn点对应的波长位置; Rλmm点波长处对应的反射率值; Rλnn点波长处对应的反射率值。

应用MatLab软件, 通过相关程序分析实验样品磁性率与光谱曲线任意两个波长构成的RI, DI和NDI三种光谱指数的相关性, 从中优选出与样品磁性率相关性最显著的敏感波段, 结果如图2、 图3、 图4所示。

图2 比值指数与样品磁性率的相关性分布图Fig.2 The correlation distribution of RI and FeO/TFe

图3 差值指数与样品磁性率的相关性分布图Fig.3 The correlation distribution of DI and FeO/TFe

图4 归一化指数与样品磁性率的相关性分布图Fig.4 The correlation distribution of NDI and FeO/TFe

图2、 图3和图4中的横坐标、 纵坐标均为样品的光谱波长, 图中颜色深浅表示该点横坐标处对应的光谱反射率值( Rλm)与纵坐标处对应的光谱反射率值( Rλn)所构成的光谱指数(RI, DI和NDI)与样品磁性率相关系数绝对值的大小。 颜色由蓝色向红色逐渐加深表示二者相关系数的绝对值从0到1逐渐增强, 其中红色颜色越深, 光谱指数与磁性率的相关性越强, 从图中找出相关系数极大值, 即可确定样品磁性率敏感波段所处位置。 由图可知, 红色区域主要分布在750~850 nm波段与950~1 250 nm波段, 表明此二个波段范围内, 光谱指数与磁性率的相关性较好, 相关系数绝对值均达到0.9以上。

表2可知, 实验样品的RI, DI和NDI三种光谱指数的敏感波段均位于935与1 050 nm, 表明935与1 050 nm处的光谱指数与样品磁性率相关性最强, 采用此两个波长位置的光谱指数来反演磁性率效果最好。 且在3种光谱指数中RI与磁性率的相关性最好, 相关系数绝对值为0.971; NDI与磁性率相关性次之, 相关系数绝对值为0.969; 而DI与磁性率相关性相对较弱, 相关系数绝对值为0.945。

表2 不同光谱指数对应的磁性率敏感波段及相关系数绝对值 Table 2 The sensitive wavebands and absolute values of correlation coefficient for each spectral index
2 结果与讨论
2.1 模型建立

敏感波段处的三种光谱指数中RI与磁性率的相关性最好, 且RI(R935/R1 050)与磁性率符合正相关关系, 如图5所示, 相关系数达到0.971, 因此利用RI建立磁性率的定量反演模型, 如式(5)所示。

RI=R935R1050(4)Y=1.85×RI-1.595(5)

式中: R935为935 nm波长处的反射率值; R1 050为1 050 nm波长处的反射率值; Y为实验样品的磁性率。

图5 比值指数与磁性率拟合效果图Fig.5 The fitting effect of RI and FeO/TFe

通过该模型对实验样品的磁性率进行定量反演, 如图6所示, 反演磁性率与实测磁性率的判定系数(R2)为0.9419, 预测误差为0.034 7, 预测结果比较理想。

图6 反演磁性率与实测磁性率对比图Fig.6 The comparison of inversed FeO/TFe and measured FeO/TFe

2.2 模型检验

为验证模型的准确性, 于辽宁省鞍钢集团鞍千矿业有限责任公司露天采场再次采样, 并制备20件实验样品。 对20件实验样品进行光谱测试及化学成分测试, 确定其光谱与磁性率。

采用式(5)对样品磁性率进行定量反演, 并与实测磁性率进行对比, 结果如表3与图7所示, 反演磁性率与实测磁性率的判定系数(R2)为0.964 5, 预测误差为0.038, 预测结果比较理想。

表3 反演磁性率与实测磁性率对比表 Table 3 The comparison of inversed FeO/TFe and measured FeO/TFe

图7 反演磁性率与实测磁性率对比图Fig.7 The comparison of inversed FeO/TFe and measured FeO/TFe

2.3 机理分析

电子在原子或离子能级之间或元素之间的跃迁, 产生吸收光谱。 阳离子(Fe2+, Fe3+)因电子跃迁在可见光区或近红外区具有特征吸收谱带[12]。 Fe3+的电子从6A1g跃迁到4T2g, 在650~750 nm附近形成一个微弱吸收谱带; 从6A1g跃迁到4T1g, 在900 nm附近形成一个较强的吸收谱带[13, 14], 导致图1中光谱曲线于935~1 250 nm呈现显著的上升趋势, 且Fe3+含量越高, 该波段上升趋势越明显, RI(R935/R1 050)越小, 磁性率越低。 Fe2+在整个波段无明显吸收特征, 仅在1 000~1 100 nm存在一个微弱的宽缓光谱吸收谱带[15], 在整个波长呈现平缓的下降趋势。 磁性率作为铁矿石中氧化亚铁的质量分数与全铁质量分数的比值(FeO/TFe), 恰能反应实验样品中Fe3+与Fe2+二者含量之间的关系, 其大小造成了光谱特征的显著差异。

2.4 实验存在的问题

(1)自然界中BIF磁性率存在二端多、 中间少的分布规律, 导致实验样品磁性率中间部分相对较少, 通过加密中间部分样品, 能更好的体现敏感波段处光谱指数与样品磁性率的相关性, 并提高定量反演模型的反演精度。

(2)实验样品切割处理过程中, 样品表面的粗糙度不一致, 且些许样品粗糙度变化较大, 对样品的光谱特征产生较大影响。 通过减弱粗糙度对实验样品光谱特征的影响, 可提高定量反演模型的反演精度。

(3)对实验样品进行化学成分测试, 确定的是样品整体(样品体)的化学成分含量, 而对样品进行光谱测试时测试的是样品表面(样品面)的光谱曲线。 由于样品化学成分含量分布不均一, 导致样品整体(样品体)化学成分含量与光谱测试的样品表面(样品面)的化学成分含量不是严格对应, 影响模型的反演精度。

3 结论

通过对BIF样品进行可见光-近红外的光谱测试及对其光谱特征进行深入分析, 得到以下结论:

(1)样品的光谱曲线于900~1 250 nm波段范围内呈现出二种趋势, 当样品磁性率较低时, 其所属矿石类型为赤铁矿, 光谱特征表现为上升型; 当样品磁性率较高时, 其所属矿石类型为磁铁矿, 光谱特征表现为平缓型。 样品其他波段的光谱特征基本一致。

(2)三种光谱指数RI, DI和NDI与样品磁性率的相关系数绝对值在750~850与950~1 250 nm波段都达到0.9以上, 最敏感波长为935与1 050 nm; RI与磁性率的相关系数最高, 达到0.971。

(3)基于RI建立了样品磁性率定量反演模型, 验证结果表明, 预测误差达到0.038, 反演磁性率与实测磁性率的判定系数(R2)为0.964 5, 预测结果比较理想。

需要说明的是, 目前该方法仍处于实验研究阶段, 磁性率定量反演模型有待进一步验证与完善。 随着研究的不断深入, 相信该方法可以应用到实践中进行磁性率的定量反演工作, 指导露天矿山进行采场矿体边界实时快速圈定与精准区划, 以及评价铁矿床工业价值和划分矿石工业类型, 并且可以通过卫星遥感实现大面积的地面岩矿磁性率反演工作, 为以后遥感找矿提供参考。

致谢: 感谢辽宁省鞍钢集团鞍千矿业有限责任公司为本研究提供实验样品等的支持与合作。

The authors have declared that no competing interests exist.

参考文献
[1] HOU Zong-lin(候宗林). Contributions to Geology and Mineral Resources Research(地质找矿论丛), 2005, 20(4): 242. [本文引用:1]
[2] Mamdouh O, Timo F, Ahmed M, et al. Applied Surface Science, 2015, 345: 127. [本文引用:1]
[3] Mao Y C, Ma B D, Liu S J, et al. Canadian Journal of Remote Sensing, 2014, 40: 327. [本文引用:1]
[4] Hecker C, Meijde M, Meer F, et al. Earth-Science Reviews, 2010, 103: 60. [本文引用:1]
[5] Walid S, Mourtada E A, Reinhard G. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 2015, 136: 1816. [本文引用:1]
[6] Magendran T, Sanjeevi S. Journal of the Geological Society of India, 2013, 82(3): 227. [本文引用:1]
[7] Smith M R, Band field J L, Cloutis E A, et al. Icarus, 2013, 223(2): 633. [本文引用:1]
[8] SONG Liang, LIU Shan-jun, YU Mo-li, et al(宋亮, 刘善军, 虞茉莉, ). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2017, 37(2): 416. [本文引用:1]
[9] WANG Run-sheng(王润生). Journal of Geo-Information Science(地球信息科学学报), 2009, 11(3): 261. [本文引用:1]
[10] Ganesh B P, Aravindan S, Raja S. Arabian Journal of Geosciences, 2013, 6(9): 3249. [本文引用:1]
[11] Salem S M, Gammal E. The Egyptian Journal of Remote Sensing and Space Sciences, 2015, 18(2): 195. [本文引用:1]
[12] Bishop J L, Murad E. American Mineralogist, 2005, 90: 1100. [本文引用:1]
[13] Melissa D L, Janice L B, Dyar M D. American Mineralogist, 2015, 100: 66. [本文引用:1]
[14] Bishop J L, Dyar M D. Lane M D, et al. International Journal of Astrobiology, 2005, 3: 275. [本文引用:1]
[15] Cloutis E A, Hawthome F C, Mertzman S A, et al. Icarus, 2006, 184: 121. [本文引用:1]