CN111999260A - 一种热红外光谱识别含锂辉石伟晶岩的方法及热红外光谱的应用 - Google Patents
一种热红外光谱识别含锂辉石伟晶岩的方法及热红外光谱的应用 Download PDFInfo
- Publication number
- CN111999260A CN111999260A CN202010767320.5A CN202010767320A CN111999260A CN 111999260 A CN111999260 A CN 111999260A CN 202010767320 A CN202010767320 A CN 202010767320A CN 111999260 A CN111999260 A CN 111999260A
- Authority
- CN
- China
- Prior art keywords
- spodumene
- thermal infrared
- pegmatite
- identifying
- absorption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 32
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims description 33
- 229910052744 lithium Inorganic materials 0.000 title claims description 33
- 238000010521 absorption reaction Methods 0.000 claims abstract description 120
- CNLWCVNCHLKFHK-UHFFFAOYSA-N aluminum;lithium;dioxido(oxo)silane Chemical compound [Li+].[Al+3].[O-][Si]([O-])=O.[O-][Si]([O-])=O CNLWCVNCHLKFHK-UHFFFAOYSA-N 0.000 claims abstract description 112
- 229910052642 spodumene Inorganic materials 0.000 claims abstract description 112
- 239000011435 rock Substances 0.000 claims abstract description 59
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims abstract description 23
- 230000003595 spectral effect Effects 0.000 claims abstract description 22
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 21
- 239000011707 mineral Substances 0.000 claims abstract description 21
- 238000001228 spectrum Methods 0.000 claims abstract description 21
- 239000000523 sample Substances 0.000 claims description 38
- 238000004566 IR spectroscopy Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000010438 granite Substances 0.000 description 16
- 235000019738 Limestone Nutrition 0.000 description 7
- 239000006028 limestone Substances 0.000 description 7
- 230000000052 comparative effect Effects 0.000 description 6
- 239000012267 brine Substances 0.000 description 3
- YGANSGVIUGARFR-UHFFFAOYSA-N dipotassium dioxosilane oxo(oxoalumanyloxy)alumane oxygen(2-) Chemical compound [O--].[K+].[K+].O=[Si]=O.O=[Al]O[Al]=O YGANSGVIUGARFR-UHFFFAOYSA-N 0.000 description 3
- 229910001760 lithium mineral Inorganic materials 0.000 description 3
- 229910052627 muscovite Inorganic materials 0.000 description 3
- HPALAKNZSZLMCH-UHFFFAOYSA-M sodium;chloride;hydrate Chemical compound O.[Na+].[Cl-] HPALAKNZSZLMCH-UHFFFAOYSA-M 0.000 description 3
- 241001352116 Salix laevigata Species 0.000 description 2
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009616 inductively coupled plasma Methods 0.000 description 1
- 238000004452 microanalysis Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
Abstract
本发明公开了一种热红外光谱识别含锂辉石伟晶岩的方法及热红外光谱的应用,属于热红外光谱数据解译与应用技术领域,包括在识别含锂辉石伟晶岩的过程中对矿物样品采用热红外光谱仪进行热红外波段光谱数据采集,所述热红外波段是6000~14500nm。本发明的方法区分出了含锂辉石伟晶岩和不含锂辉石伟晶岩以及围岩在热红外波段光谱特征的差别,并依据含锂辉石伟晶岩特有吸收峰的吸收深度估算出了锂元素含量的大小,进而能够快速识别伟晶岩型锂辉石矿体并进行品位估算。
Description
技术领域
本发明涉及热红外光谱,尤其是一种利用热红外光谱识别含锂辉石伟晶岩的方法,属于热红外光谱数据解译与应用技术领域。
背景技术
锂作为一种新型且非常重要的战略性矿产资源,在锂电池、新能源汽车、可控核聚变等领域发挥着巨大的作用。目前我国锂矿资源面临的新形势十分严峻,锂矿需求快速增长,锂矿等资源对外依存度超过70%。
到目前为止,自然界中发现的锂矿床主要包括卤水型、伟晶岩型和沉积岩型三种。全球锂矿资源主要集中在盐湖卤水中,但由于卤水型锂矿主要局限于少数几个盆地,世界各地盐湖锂资源的家底早在20多年前基本上被摸清楚了,具有新发现潜力的锂矿也就聚集到锂辉石伟晶岩矿床。
目前,人们对锂辉石光谱特征的认识还是很欠缺,之前有人基于短波红外波段(350-2500nm)开展了含锂辉石伟晶岩的光谱识别方法研究,但实际上锂辉石在短波红外波段是没有吸收特征,在短波红外波段提取出来的吸收特征实际上主要由伟晶岩中白云母引起的,因此利用短波红外波段识别含锂辉石伟晶岩不具有实际意义。
发明内容
本发明目的针对上述存在的问题,提出一种热红外光谱识别含锂辉石伟晶岩的方法,用于解决含锂辉石伟晶岩、不含锂辉石伟晶岩和围岩难以区分和利用锂辉石的热红外光谱特征建立锂元素反演模型等技术问题。
为解决上述技术问题,本发明所采用的技术方案是:
一种热红外光谱识别含锂辉石伟晶岩的方法,在识别含锂辉石伟晶岩的过程中对矿物样品采用热红外光谱仪进行热红外波段光谱数据采集,所述热红外波段是6000~14500nm。
本发明技术方案的进一步改进在于包括如下步骤:
步骤1.对锂辉石单矿物进行热红外波段光谱测试;
步骤2.分析锂辉石单矿物在热红外波段的光谱特征;
步骤3.测试不同岩性岩石样品在热红外波段的光谱数据;
步骤4.分析不同岩性岩石样品在热红外波段的光谱特征;
步骤5.对不同岩性岩石样品进行镜下鉴定和锂元素含量分析;
步骤6.对比不同岩性岩石样品的热红外光谱特征,寻找含锂辉石伟晶岩的指示意义波段和相对吸收深度阈值;
步骤7.建立识别含锂辉石伟晶岩的定量反演模型。
本发明技术方案的进一步改进在于:所述不同岩性岩石样品包括围岩、含锂辉石伟晶岩、不含锂辉石伟晶岩。
本发明技术方案的进一步改进在于所述步骤1包括以下步骤:
步骤1.1:挑选纯净的锂辉石单矿物样品采用手持式热红外光谱仪进行中-热红外波段光谱数据采集,所述中-热红外波段是2500~15000nm;
步骤1.2:对步骤1.1中锂辉石单矿物的光谱数据进行重采样,得到锂辉石单矿物在热红外波段的光谱数据,所述热红外波段是6000~14500nm。
本发明技术方案的进一步改进在于所述步骤2包括以下步骤:
步骤2.1:使用光谱解译软件提取锂辉石单矿物在热红外波段主要吸收峰的波长位置;
步骤2.2:采用归一化法获取锂辉石单矿物归一化后的热红外光谱数据;
步骤2.3:针对锂辉石单矿物归一化后的热红外光谱数据,选择步骤2.1中主要吸收峰的波段区间采用减法运算进行局部包络线剔除;
步骤2.4:在步骤2.3中包络线剔除后的光谱曲线的基础上,计算各个主要吸收峰的吸收深度。
本发明技术方案的进一步改进在于:所述步骤3中采用岩心光谱扫描仪测试不同岩性岩石样品在热红外波段的光谱数据,所述热红外波段是6000~14500nm;所述步骤4中,依据步骤2中的方法,分别计算不同岩性岩石样品在热红外波段主要吸收峰的波长位置和吸收深度。
本发明技术方案的进一步改进在于所述步骤5包括以下步骤:
步骤5.1:选择步骤4中不同岩性岩石样品进行热红外光谱采集的样品区域,制作岩石探针片;
步骤5.2:在光学显微镜下对步骤5.1中制作的探针片进行鉴定和命名,验证原始岩性命名是否正确;
步骤5.3:选择步骤5.1中制作探针片后的剩余副样,进行锂元素地球化学分析。
本发明技术方案的进一步改进在于所述步骤6包括以下步骤:
步骤6.1:对比不同岩性岩石样品主要吸收峰的波长位置,找出在锂辉石单矿物和含锂辉石伟晶岩中同时出现却没有出现在围岩和不含锂辉石伟晶岩中吸收峰的波长位置;
步骤6.2:依据步骤2中的方法,分别计算围岩和不含锂辉石伟晶岩在步骤6.1中找出的含锂辉石伟晶岩特有吸收峰的吸收深度;
步骤6.3:对比不同岩性岩石样品在含锂辉石伟晶岩特有吸收峰波长位置上吸收深度的数值大小,以含锂辉石伟晶岩样品在此吸收峰深度的最小值作为区分含锂辉石伟晶岩样品和不含锂辉石伟晶岩及围岩样品的阈值。
本发明技术方案的进一步改进在于:所述步骤7中,根据最小二乘原理,根据样品中在含锂辉石伟晶岩特有吸收峰波长位置上吸收深度与锂元素含量的数值大小,得出计算锂元素含量定量计算经验公式:
y=772361x-1142.8,r2=0.6664,
上述公式中x为在含锂辉石伟晶岩特有吸收峰波长位置上吸收深度值,y为样品中锂元素含量。
一种热红外光谱在识别含锂辉石伟晶岩的过程中的应用,所述热红外光谱的波段为6000~14500nm。
由于采用了上述技术方案,本发明取得的技术进步是:
本发明的方法利用热红外光谱区分出了含锂辉石伟晶岩和不含锂辉石伟晶岩以及围岩在热红外波段光谱特征的差别,并依据含锂辉石伟晶岩特有吸收峰的吸收深度估算出了锂元素含量的大小,进而能够快速识别伟晶岩型锂辉石矿体并进行品位估算。
本发明在提取特征吸收峰的吸收深度时,首先对特征吸收峰的波段区间采用减法运算进行局部包络线剔除,采用软件自带的pfit算法对包络线剔除后的光谱曲线进行多项式拟合,最后计算特征吸收峰的吸收深度,这种提取吸收峰吸收深度的方法更加准确。
附图说明
图1为本发明的一种热红外光谱识别含锂辉石伟晶岩的方法流程图;
图2为锂辉石单矿物归一化后的热红外光谱图;
图3为不同岩性岩石样本手标本图像、热红外光谱和光学显微镜下照片;
图4为不同岩性样品在11670nm附近的吸收深度和锂元素含量;
图5为不同岩性样品在11670nm附近的吸收深度与Li含量相关关系图;
图6为对比例中不同岩性样品中1900nm处吸收深度和Li含量;
图7为对比例中1900nm处吸收深度与Li含量关系图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细说明:
本发明的一种热红外光谱识别含锂辉石伟晶岩的方法,首先测试锂辉石单矿物在热红外波段的光谱数据,分析锂辉石单矿物在热红外波段主要吸收峰的波长位置和吸收深度;之后测试围岩、含锂辉石伟晶岩和不含锂辉石伟晶岩等不同岩性岩石样品在热红外波段的光谱数据,分析这些岩石样品在热红外波段主要吸收峰的波长位置和吸收深度,结合光学显微镜下观察和全岩主微量分析等测试手段,对岩石样品的岩性划分和锂元素含量进行验证和分析;对比锂辉石单矿物和围岩、含锂辉石伟晶岩、不含锂辉石伟晶岩等不同岩性岩石样品的热红外光谱特征,寻找含锂辉石伟晶岩的指示意义波段,总结出提取含锂辉石伟晶岩指示意义波段上吸收深度阈值;最后依据含锂辉石伟晶岩指示意义波段上吸收深度和锂元素含量建立含锂辉石伟晶岩的定量反演模型。
实施例
如图1所示,本发明的一种热红外光谱识别含锂辉石伟晶岩的方法,具体包括以下步骤:
步骤1.对锂辉石单矿物进行热红外波段光谱测试;
步骤1.1:挑选13块纯净的锂辉石单矿物样品采用agilent 4300手持式热红外光谱仪进行中-热红外波段(2500~15000nm)光谱数据采集,每块锂辉石单矿物样品采集一个光谱数据;
步骤1.2:对步骤1.1中锂辉石单矿物的光谱数据进行重采样,得到锂辉石单矿物在热红外波段(6000-14500nm)的光谱数据;
步骤2.分析锂辉石单矿物在热红外波段的光谱特征(参照图2所示);
步骤2.1:使用光谱解译软件提取锂辉石单矿物在热红外波段主要吸收峰的波长位置;
本实例中,锂辉石单矿物主要存在四个明显的吸收峰,吸收峰出现的波长位置分别为8650nm、9150nm、9350nm和11670nm附近;
步骤2.2:采用归一化法获取锂辉石单矿物归一化后的热红外光谱数据;
步骤2.3:针对锂辉石单矿物归一化后的热红外光谱数据,选择中心波长为8650nm、9150nm、9350nm和11670nm的波段区间采用减法运算进行局部包络线剔除;
步骤2.4:在步骤2.3中包络线剔除后的光谱曲线的基础上,计算各个主要吸收峰的吸收深度;
本实例中,8650nm、9150nm、9350nm和11670nm附近吸收峰的吸收深度分别为0.023~0.089、0.002~0.007、0.017~0.049、0.022~0.042;
步骤3.测试围岩、含锂辉石伟晶岩、不含锂辉石伟晶岩等不同岩性岩石样品在热红外波段的光谱数据;
本实例中,研究区为新疆大红柳滩锂辉石矿,从钻孔zk2701和zk2702中挑选出28块不同岩性的岩石样品,岩性主要包括变质粉砂岩、变质砂岩、锂辉石花岗伟晶岩、花岗伟晶岩和灰岩。使用hylogger-3岩心扫描仪对28块岩石样品进行热红外波段光谱扫描,扫描间隔为0.25cm。
步骤4. 依据步骤2中的方法,分别计算变质粉砂岩、变质砂岩、锂辉石花岗伟晶岩、花岗伟晶岩和灰岩等不同岩性岩石样品在热红外波段主要吸收峰的波长位置和吸收深度(参见图3所示);
本实例中,变质粉砂岩主要在9900nm、10375nm和11200nm附近存在吸收峰,相应的吸收深度分别为0.00142~0.00153、0.00439~0.0128、0.0121~0.0273;在8623nm附近存在吸收谷,吸收深度为0.035~0.051;
变质砂岩主要在9887nm附近存在吸收峰,相应的吸收深度为0.00129~0.01;在8623nm附近存在吸收谷,吸收深度为0.013~0.069;
花岗伟晶岩主要在8725nm、9175nm、9600nm、9900nm附近存在吸收峰,相应的吸收深度分别为0.002~0.015、0.002~0.025、0.006~0.031、0.002~0.019;在8623nm附近存在吸收谷,吸收深度为0.008~0.039;
灰岩主要在6500nm、11300nm和14100nm附近存在吸收峰,相应的吸收深度分别为0.134~0.468、0.025~0.122。
锂辉石花岗伟晶岩主要在8385nm、9100nm、10675nm、11675nm附近存在吸收峰,相应的吸收深度分别为0.002~0.038、0.002~0.019、0.001~0.011、0.008~0.027。
步骤5.对变质粉砂岩、变质砂岩、锂辉石花岗伟晶岩、花岗伟晶岩和灰岩等不同岩性岩石样品进行镜下鉴定和锂元素含量分析(参见图3所示);
步骤5.1:选择步骤4中不同岩性岩石样品进行热红外光谱采集的样品区域,制作岩石探针片,探针片制备方法参照国家标准(GB/T 17366-1998);
步骤5.2:在光学显微镜下对步骤5.1中制作的探针片进行鉴定和命名,验证原始岩性命名是否正确;
步骤5.3:选择步骤5.1中制作探针片后的剩余副样,进行锂元素地球化学分析,分析仪器为X Serise 2电感耦合等离子体质谱仪,检测方法参照国家标准(GB/T 14506.30-2010);
步骤6.对比变质粉砂岩、变质砂岩、锂辉石花岗伟晶岩、花岗伟晶岩和灰岩等不同岩性岩石样品的热红外光谱特征,寻找含锂辉石伟晶岩的指示意义波段和吸收深度阈值;
步骤6.1:对比变质粉砂岩、变质砂岩、锂辉石花岗伟晶岩、花岗伟晶岩和灰岩等不同岩性岩石样品主要吸收峰的波长位置,找出在锂辉石单矿物和含锂辉石伟晶岩中同时出现却没有出现在围岩和不含锂辉石伟晶岩中吸收峰的波长位置;
本示例中,锂辉石单矿物和含锂辉石伟晶岩在16750nm附近都出现吸收峰,且在变质粉砂岩、变质砂岩和花岗伟晶岩没有出现,因此选择16750nm附近的波段范围作为含锂辉石伟晶岩的指示意义波段;
步骤6.2:依据步骤2中的方法,分别计算变质粉砂岩、变质砂岩和花岗伟晶岩在16750nm附近吸收峰的吸收深度(如图4所示);
本示例中,变质粉砂岩、变质砂岩和花岗伟晶岩在11670nm附近吸收峰的吸收深度为0~0.00656;
步骤6.3:对比变质粉砂岩、变质砂岩、锂辉石花岗伟晶岩、花岗伟晶岩和灰岩等不同岩性岩石样品在含锂辉石伟晶岩特有吸收峰波长位置上吸收深度的数值大小,以含锂辉石伟晶岩样品在此吸收峰吸收深度的最小值作为区分含锂辉石伟晶岩样品和不含锂辉石伟晶岩及围岩样品的阈值;
本示例中,锂辉石花岗伟晶岩在11670nm附近吸收峰的吸收深度大于或等于0.00795,而变质粉砂岩、变质砂岩和花岗伟晶岩在11670nm附近吸收峰的吸收深度均小于0.00795,因此将在11670nm附近吸收峰的吸收深度大于0.00795的岩石识别为锂辉石花岗伟晶岩,其余岩性则识别为围岩或不含锂辉石花岗伟晶岩,进行迅速区分出锂辉石花岗伟晶岩。
步骤7.建立识别含锂辉石伟晶岩的定量反演模型。
步骤7中,根据最小二乘原理,根据样品中在11670nm附近吸收峰的吸收深度与锂元素含量的数值大小,得出计算锂元素含量定量计算经验公式,即
y=772361x-1142.8
r2=0.6664
其中,x为样品中在11670nm附近吸收峰的吸收深度值,y为样品中锂元素含量(参见图5所示)。
上述经验是针对新疆大红柳滩锂辉石矿研究区所取样品在6000~14500nm波段范围内反演锂元素含量的最优关系式,该公式的系数不限于上述实例,根据样品数量的增加会有很小幅度的波动,总体不影响估算锂元素含量的趋势。
对比例
本对比例为实施例的比对试验,区别点在于本对比例采用现有技术中的方法识别含锂辉石伟晶岩,即采用短波红外波进行含锂辉石伟晶岩的光谱识别,具体的采用专利文献CN108931546A中的方法对实施例中16块花岗伟晶岩和锂辉石伟晶岩样品短波红外波段1900nm处吸收深度进行计算(具体见图6所示),从图6中可以看出花岗伟晶岩中1900nm吸收深度为0.002635~0.024859,平均值为0.014284;锂辉石花岗伟晶岩中1900nm吸收深度为0.001313~0.014166,平均值为0.007711222。与实施例对比发现上述样品中,对比例采用现有技术的锂辉石花岗伟晶岩中1900nm吸收深度总体上小于花岗伟晶岩中1900nm吸收深度,与实施例中结论不一致。此外,经计算得出1900nm吸收深度与Li元素含量的线性关系式为y=-368371x+10441,r2=0.1939
其中,x为样品中在1900附近吸收峰的吸收深度值,y为样品中锂元素含量,参见图7所示,对比例1900nm吸收深度与Li元素含量的线性关系很差,相关系数只有0.1939。
此外,对比例中将1900nm处的吸收深度作为含锂辉石伟晶岩的指示波段,实际上,锂辉石单矿物在短波红外波段(350-2500nm)没有吸收特征,1900nm处存在的吸收峰主要是由于伟晶岩中白云母矿物产生的,而不含锂辉石伟晶岩也常常含有白云母矿物,因此1900nm处的吸收深度并不能作为区分含锂辉石伟晶岩和不含锂辉石伟晶岩的指示意义波段。
Claims (10)
1.一种热红外光谱识别含锂辉石伟晶岩的方法,其特征在于:在识别含锂辉石伟晶岩的过程中对矿物样品采用热红外光谱仪进行热红外波段光谱数据采集,所述热红外波段是6000~14500nm。
2.根据权利要求1所述的一种热红外光谱识别含锂辉石伟晶岩的方法,其特征在于包括如下步骤:
步骤1.对锂辉石单矿物进行热红外波段光谱测试;
步骤2.分析锂辉石单矿物在热红外波段的光谱特征;
步骤3.测试不同岩性岩石样品在热红外波段的光谱数据;
步骤4.分析不同岩性岩石样品在热红外波段的光谱特征;
步骤5.对不同岩性岩石样品进行镜下鉴定和锂元素含量分析;
步骤6.对比不同岩性岩石样品的热红外光谱特征,寻找含锂辉石伟晶岩的指示意义波段和相对吸收深度阈值;
步骤7.建立识别含锂辉石伟晶岩的定量反演模型。
3.根据权利要求2所述的一种热红外光谱识别含锂辉石伟晶岩的方法,其特征在于:所述不同岩性岩石样品包括围岩、含锂辉石伟晶岩、不含锂辉石伟晶岩。
4.根据权利要求3所述的一种热红外光谱识别含锂辉石伟晶岩的方法,其特征在于所述步骤1包括以下步骤:
步骤1.1:挑选纯净的锂辉石单矿物样品采用手持式热红外光谱仪进行中-热红外波段光谱数据采集,所述中-热红外波段是2500~15000nm;
步骤1.2:对步骤1.1中锂辉石单矿物的光谱数据进行重采样,得到锂辉石单矿物在热红外波段的光谱数据,所述热红外波段是6000~14500nm。
5.根据权利要求4所述的一种热红外光谱识别含锂辉石伟晶岩的方法,其特征在于所述步骤2包括以下步骤:
步骤2.1:使用光谱解译软件提取锂辉石单矿物在热红外波段主要吸收峰的波长位置;
步骤2.2:采用归一化法获取锂辉石单矿物归一化后的热红外光谱数据;
步骤2.3:针对锂辉石单矿物归一化后的热红外光谱数据,选择步骤2.1中主要吸收峰的波段区间采用减法运算进行局部包络线剔除;
步骤2.4:在步骤2.3中包络线剔除后的光谱曲线的基础上,计算各个主要吸收峰的吸收深度。
6.根据权利要求5所述的一种热红外光谱识别含锂辉石伟晶岩的方法,其特征在于:所述步骤3中采用岩心光谱扫描仪测试不同岩性岩石样品在热红外波段的光谱数据,所述热红外波段是6000~14500nm;所述步骤4中,依据步骤2中的方法,分别计算不同岩性岩石样品在热红外波段主要吸收峰的波长位置和吸收深度。
7.根据权利要求6所述的一种热红外光谱识别含锂辉石伟晶岩的方法,其特征在于所述步骤5包括以下步骤:
步骤5.1:选择步骤4中不同岩性岩石样品进行热红外光谱采集的样品区域,制作岩石探针片;
步骤5.2:在光学显微镜下对步骤5.1中制作的探针片进行鉴定和命名,验证原始岩性命名是否正确;
步骤5.3:选择步骤5.1中制作探针片后的剩余副样,进行锂元素地球化学分析。
8.根据权利要求7所述的一种热红外光谱识别含锂辉石伟晶岩的方法,其特征在于所述步骤6包括以下步骤:
步骤6.1:对比不同岩性岩石样品主要吸收峰的波长位置,找出在锂辉石单矿物和含锂辉石伟晶岩中同时出现却没有出现在围岩和不含锂辉石伟晶岩中吸收峰的波长位置;
步骤6.2:依据步骤2中的方法,分别计算围岩和不含锂辉石伟晶岩在步骤6.1中找出的含锂辉石伟晶岩特有吸收峰的吸收深度;
步骤6.3:对比不同岩性岩石样品在含锂辉石伟晶岩特有吸收峰波长位置上吸收深度的数值大小,以含锂辉石伟晶岩样品在此吸收峰深度的最小值作为区分含锂辉石伟晶岩样品和不含锂辉石伟晶岩及围岩样品的阈值。
9.根据权利要求8所述的一种热红外光谱识别含锂辉石伟晶岩的方法,其特征在于:所述步骤7中,根据最小二乘原理,根据样品中在含锂辉石伟晶岩特有吸收峰波长位置上吸收深度与锂元素含量的数值大小,得出计算锂元素含量定量计算经验公式:
y=772361x-1142.8,r2=0.6664,
上述公式中x为在含锂辉石伟晶岩特有吸收峰波长位置上吸收深度值,y为样品中锂元素含量。
10.一种热红外光谱在识别含锂辉石伟晶岩的过程中的应用,其特征在于:所述热红外光谱的波段为6000~14500nm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010767320.5A CN111999260B (zh) | 2020-08-03 | 2020-08-03 | 一种热红外光谱识别含锂辉石伟晶岩的方法及热红外光谱的应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010767320.5A CN111999260B (zh) | 2020-08-03 | 2020-08-03 | 一种热红外光谱识别含锂辉石伟晶岩的方法及热红外光谱的应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111999260A true CN111999260A (zh) | 2020-11-27 |
CN111999260B CN111999260B (zh) | 2023-04-21 |
Family
ID=73463555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010767320.5A Active CN111999260B (zh) | 2020-08-03 | 2020-08-03 | 一种热红外光谱识别含锂辉石伟晶岩的方法及热红外光谱的应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111999260B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113049521A (zh) * | 2021-03-29 | 2021-06-29 | 自然资源实物地质资料中心 | 识别碳酸盐岩的方法、装置及设备、存储介质 |
CN113125353A (zh) * | 2021-04-16 | 2021-07-16 | 自然资源实物地质资料中心 | 检测方解石含量的方法和预设模型的建设方法 |
CN116992259A (zh) * | 2023-09-28 | 2023-11-03 | 奥谱天成(厦门)光电有限公司 | 适用于生物品质检测的光谱特征提取方法、检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102418021A (zh) * | 2010-09-27 | 2012-04-18 | 陈雪迁 | 常温下具有抗衰老功能的宽频红外陶瓷材料及其制备方法 |
CN108931546A (zh) * | 2018-04-08 | 2018-12-04 | 中国地质科学院矿产资源研究所 | 基于高光谱的含锂辉石伟晶岩识别方法 |
US20180347354A1 (en) * | 2017-03-14 | 2018-12-06 | Saudi Arabian Oil Company | Collaborative sensing and prediction of source rock properties |
-
2020
- 2020-08-03 CN CN202010767320.5A patent/CN111999260B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102418021A (zh) * | 2010-09-27 | 2012-04-18 | 陈雪迁 | 常温下具有抗衰老功能的宽频红外陶瓷材料及其制备方法 |
US20180347354A1 (en) * | 2017-03-14 | 2018-12-06 | Saudi Arabian Oil Company | Collaborative sensing and prediction of source rock properties |
CN108931546A (zh) * | 2018-04-08 | 2018-12-04 | 中国地质科学院矿产资源研究所 | 基于高光谱的含锂辉石伟晶岩识别方法 |
Non-Patent Citations (1)
Title |
---|
张玉玉 等: "湖北通城透锂长石伟晶岩中锂辉石的发现" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113049521A (zh) * | 2021-03-29 | 2021-06-29 | 自然资源实物地质资料中心 | 识别碳酸盐岩的方法、装置及设备、存储介质 |
CN113049521B (zh) * | 2021-03-29 | 2023-09-26 | 自然资源实物地质资料中心 | 识别碳酸盐岩的方法、装置及设备、存储介质 |
CN113125353A (zh) * | 2021-04-16 | 2021-07-16 | 自然资源实物地质资料中心 | 检测方解石含量的方法和预设模型的建设方法 |
CN116992259A (zh) * | 2023-09-28 | 2023-11-03 | 奥谱天成(厦门)光电有限公司 | 适用于生物品质检测的光谱特征提取方法、检测方法 |
CN116992259B (zh) * | 2023-09-28 | 2023-12-08 | 奥谱天成(厦门)光电有限公司 | 适用于生物品质检测的光谱特征提取方法、检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111999260B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111999260A (zh) | 一种热红外光谱识别含锂辉石伟晶岩的方法及热红外光谱的应用 | |
CN107561024B (zh) | 一种适用于盐湖富铀水体的高光谱遥感识别方法 | |
CN102071928B (zh) | 一种三维空间火山岩岩性识别方法 | |
Dang et al. | Shale gas potential of Lower Permian marine-continental transitional black shales in the Southern North China Basin, central China: Characterization of organic geochemistry | |
CN107589094B (zh) | 基于光谱特征的鞍山式铁矿石类型确定方法 | |
CN110596028B (zh) | 一种沉积型稀土La元素含量的高光谱反演方法 | |
CN106680215B (zh) | 一种适合于热红外高光谱遥感的SiO2含量定量计算方法 | |
CN107389571B (zh) | 一种矿物组分高光谱遥感精细鉴别方法 | |
CN109580687A (zh) | 一种识别砂岩型铀成矿目的层物源的综合方法 | |
Yang et al. | Mapping the chemical composition of nickel laterites with reflectance spectroscopy at Koniambo, New Caledonia | |
CN114646682A (zh) | 一种基于绿帘石微量元素的找矿方法 | |
CA2827753A1 (en) | Geological sample analysis using size fraction separation | |
CN106706571A (zh) | 陆源碎屑沉积物中沉积成因锶钡的选择性提取方法 | |
CN111580183B (zh) | 一种古湖泊水深定量还原的方法 | |
Smith et al. | Diamonds from the Atri South pipe, Bunder lamproite field, India, and implications for the nature of the underlying mantle | |
CN114280684B (zh) | 基于白云母波长变化的热液型矿床找矿方法及系统 | |
CN110095161A (zh) | 一种用于地质环境勘测的采集系统及其方法 | |
CN113049521B (zh) | 识别碳酸盐岩的方法、装置及设备、存储介质 | |
Wu et al. | Sedimentary facies of the Longmaxi formation shale gas reservoir in the Weiyuan area based on elemental characteristics | |
CN112666096B (zh) | 一种砂岩型铀矿土壤找矿信息高光谱提取方法 | |
CN113433152A (zh) | 一种基于v-nir和xrf识别碳酸岩型ree矿床矿化带的方法 | |
Lucas et al. | Palynofacies Studies of Sedimentary Succession in Ogbabu-1 well, Anambra Basin, Nigeria. | |
CN106033490B (zh) | 一种基于卫星遥感技术的岩石风化程度提取方法 | |
CN104536062B (zh) | 一种基于地下结构反演的自动拾取磁性层埋深的方法 | |
Mueller et al. | An expanded workflow for detrital rutile provenance studies: An application from the Neotethys Orogen in Anatolia |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |