CN115046941A - 一种多尺度光谱测量的热液铀矿床蚀变分带识别方法 - Google Patents
一种多尺度光谱测量的热液铀矿床蚀变分带识别方法 Download PDFInfo
- Publication number
- CN115046941A CN115046941A CN202210639576.7A CN202210639576A CN115046941A CN 115046941 A CN115046941 A CN 115046941A CN 202210639576 A CN202210639576 A CN 202210639576A CN 115046941 A CN115046941 A CN 115046941A
- Authority
- CN
- China
- Prior art keywords
- alteration
- spectrum
- data
- mineral
- altered
- 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.)
- Pending
Links
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/223—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material by irradiating the sample with X-rays or gamma-rays and by measuring X-ray fluorescence
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种多尺度光谱测量的热液铀矿床蚀变分带识别方法,属于矿产技术领域。其包括以下步骤:(1)区域资料收集、野外地质特征观察及测量目标选取;(2)矿区光谱库构建;(3)矿物光谱原位测试;(4)矿物光谱处理;(5)蚀变矿物定性、定量分析;(6)测量获取钻孔岩心便捷式X荧光光谱数据;(7)镜下鉴定及XRD方法验证;(8)建立高光谱和X荧光光谱综合蚀变分带标准;(9)依据蚀变标准进行矿床蚀变填图。本发明通过高光谱与便捷式X荧光光谱分析技术,一定程度上解决了热液型铀矿床蚀变类型及空间分带特征的问题,为铀矿床深部探索及外围扩大提供了依据。
Description
技术领域
本发明属于矿产技术领域,具体地说,涉及一种多尺度光谱测量的热液铀矿床蚀变分带识别方法。
背景技术
大量研究表明,热液铀矿化与热液活动关系密切,并且在水平和垂直方向显示明显的蚀变分带现象,是铀矿找矿重要的标志(如钾化、高岭土化、赤铁矿化、硅化、绿泥石化等,如附图1所示)。因此,准确识别特征蚀变矿物、建立蚀变矿物共生组合、总结蚀变分带规律,是热液型铀矿床找矿的重要手段。传统的方法主要是依靠地质师野外宏观辨别特征蚀变矿物,划分蚀变分带,但是宏观辨别受主观因素影响较大,准确鉴定较为困难,并且无法定量描述蚀变程度。虽然室内的薄片鉴定及X射线衍射分析(XRD)等手段能测定岩石样品成分、判识蚀变带,但测试制样繁琐、费用昂贵且测试周期长,无法满足勘探现场快速测试及后续的工程部署。
近年来,高光谱技术及pXRF分析技术在地质与矿产领域运用广泛。高光谱技术因其光谱通道多、波段连续、信息丰富准确的特点在矿床蚀变分带等领域广泛应用,实现了矿物的定性定量识别,取得了良好的效果。该技术主要基于岩石矿物在350~2500nm之间具有一系列可诊断性的光谱特征,从而实现矿物的定性定量识别。例如:云母类(水云母、白云母等)和高岭石(高岭石、地开石)等Al-OH矿物特征吸收峰均在2200nm左右,绿泥石等Mg-OH矿物以及碳酸盐矿物特征吸收峰均在2300~2400nm。另外,pXRF光谱仪因其便捷性及测试元素多样在地质勘查领域应用较多。如快速分析矿石,寻找不明蚀变的靶向成矿元素,分析原生晕和次生晕等。该技术可以通过接收和分析X射线荧光的能量(或波长)特征来测定样品中Fe、Ca、Zn、Pb、Cu、Si、K、Al、S、Cr、As、Ni、Mn、Ti、Sr、Pb、P、Mg、U等多种元素,并且可以通过上述微量元比值一定程度上指示蚀变信息,如:Ca/K与K/Al元素比值指示钾长石化;Mg/Fe比值可能指示绿泥石化、黄铁矿化、赤铁矿化;Sr/Ti比值可能指示碳酸盐化、Si/Al比值可能指示高岭土化。
综上来看,综合高光谱技术和pXRF分析技术的快速原位分析优势,建立一种快速有效的热液铀矿床蚀变识别方法是非常重要,对矿化规律以及判断铀矿物的成矿环境、成矿因素都具有十分重要的指导意义。
发明内容
、要解决的问题
针对现有技术存在的问题,本发明通过高光谱与便捷式X荧光光谱(pXRF)分析技术,一定程度上解决了热液型铀矿床蚀变类型及分带特征的问题,为铀矿床深部探索及外围扩大提供了依据;具体来说,创造点之一为高光谱和X便捷式荧光光谱测量数据的准确测量与解译,创造点之二为蚀变分带标准的建立及预测方法。
、技术方案
为解决上述问题,本发明采用如下的技术方案。
一种多尺度光谱测量的热液铀矿床蚀变分带识别方法,包括以下步骤:
(1)区域资料收集、野外地质特征观察及测量目标选取;
(2)矿区光谱库构建;
(3)矿物光谱原位测试;
(4)矿物光谱处理;
(5)蚀变矿物定性、定量分析;
(6)测量获取钻孔岩心便捷式X荧光光谱数据;
(7)镜下鉴定及XRD方法验证;
(8)建立高光谱和X荧光光谱综合蚀变分带标准;
(9)依据蚀变标准进行矿床蚀变填。
上述所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法中,
步骤(1)中区域资料收集的方法如下:
通过文献、勘查报告、著作来进行资料收集,了解热液铀矿床所处的区域地质背景、构造-岩浆活动期次、热液蚀变活动类型基本信息;同时,与所在矿山或者所属地质勘查队伍积极沟通与交流,查阅相关的地质勘查报告及地质图件资料,进一步了解和完善矿床的最新进展;
步骤(1)中野外地质特征观察的方法如下:
在大致了解矿区的地质概况和对搜集的资料进行初步分析后,选取矿区内典型的含矿构造带进行野外地质特征观察;在观察的同时,记录好构造的位置、构造的性质、岩性、蚀变类型、蚀变矿物组合、矿化程度,为室内分析提供必要地质信息;
步骤(1)中测量目标选取的方法如下:
选取矿区的含矿构造内已施工的钻孔进行高光谱及便捷式XRF测量;在测量之前必须了解钻孔原始地质资料与勘查报告,包括岩石类型、岩石矿物组成、蚀变类型、矿体的产出位置、产状及规模,同时结合野外地质特征与前人研究资料,进行综合分析测量的钻孔的整体情况。
上述所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法中,
步骤(2)中矿区光谱库构建的方法如下:
了解矿区的岩石矿物组合和钻孔的蚀变特征,预判蚀变矿物,得到可能存在的矿物与蚀变组合,然后在标准光谱库中筛选出这些矿物的光谱数据,建议矿区内的光谱数据库。
上述所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法中,
步骤(3)中矿物光谱原位测试的方法如下:
在地质现象丰富、蚀变类型多样及可见的岩性与蚀变分界处,每1m岩心采集10条光谱数据,每条光谱数据为25次平均后所得,对蚀变信息了解后扩大测量间距的调整,同样根据地质信息的不同调整测量的间距,采集数据时需要对样品进行编号及对地质现象进行详细的记录。
上述所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法中,
步骤(4)中矿物光谱处理的方法如下:
对采集的数据进行筛选,搜集350~2500nm波长范围内的光谱数据,并采取包络线去除法对光谱数据进行预处理,预处理有效突出了光谱吸收特征,并将吸收特征归一化到统一的背景上;将顺序测量的钻孔岩心光谱数据导入到用ENVI平台中的高光谱处理模块,获取图谱合一的钻孔高光谱图像立方体柱,然后对整个钻孔的光谱数据进行光谱分析和信息提取;对获取的光谱数据进行噪比和质量检查,剔除无效的或者可信度低的光谱数据,然后分类进行矿物提取并且检查,将不准确的或者错误的光谱数据进行订正。
上述所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法中,
步骤(5)中蚀变矿物定性分析的方法如下:
先需要综合分析所有钻孔岩心的高光谱数据,每个矿物均具有特征光谱曲线,然后采用ENVI中的光谱角匹配方法对预处理后的矿区所有钻孔岩心实测光谱数据进行匹配计算,待识别的光谱与参考光谱的夹角越小,相似程度越大;最后在进行岩心光谱匹配时,依据各类矿物的诊断性特征所在的波长位置,选择500~1000nm的波段进行赤铁矿的匹配计算,其他矿物均选择2000~2500nm之间的波段进行匹配计算,从而分辨岩石中的蚀变矿物组成;
步骤(5)中蚀变矿物定量分析的方法如下:
对预处理后的光谱曲线进行反演,采用全约束最小二乘法反演蚀变矿物,全约束最小二乘法基于线性解混,认为混合光谱由组成矿物的光谱线性组合而成,将定性分析识别出的蚀变矿物光谱曲线代入模型,并将不具备明显吸收特征的矿物光谱以反射率为1的直线代替参与运算,计算出蚀变矿物的真实含量。
上述所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法中,
步骤(6)中测量获取钻孔岩心便捷式X荧光光谱数据的方法如下:
对钻孔岩心进行清洗、晒开,然后把岩心分层、对铀矿化、蚀变严重或者地质现象丰富岩心处进行记录并且数码照相;然后,对划分的岩性段相对光滑、清洁、干燥的部位利用便携式X荧光光谱仪测量,其中测量点数在6-10个,每点测量时间为30s,矿化处测量点加密;
对测量的数据进行记录并且电子化,然后取平均值作为该段岩心段的平均值,计算出Ca/K、K/Al、Mg/Fe、Sr/Ti、Si/Al,在以上基础上,分析钻孔岩心元素含量以及相关元素比值垂向变化规律,识别岩心矿化与蚀变信息。
上述所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法中,
步骤(7)中镜下鉴定及XRD方法验证的方法如下:
选取钻孔岩心蚀变带中典型的样品进行取样,分别磨制薄片和粒径小于200目的粉末,分别对它们进行偏光显微镜观察和XRD分析测试,可以对高光普和便捷式X荧光光谱测量和解译的结果进行监测与校正。
上述所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法中,
步骤(8)中建立高光谱和X荧光光谱综合蚀变分带标准的方法如下:
基于岩心高光谱所建立的蚀变矿物组合以及分带特征与便捷式X荧光光谱测试获取的元素垂向变化规律,共同建立热液铀矿床垂向上蚀变分带标准。
上述所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法中,
步骤(9)中依据蚀变标准进行矿床蚀变填的方法如下:
绘制全孔或勘探线剖面蚀变分带图,完成蚀变矿物二维填图,进行三维蚀变分带图编制。
、有益效果
相比于现有技术,本发明的有益效果为:
对于热液型铀矿床来说,准确识别蚀变类型、划分蚀变分带,对其深部找矿及矿床外围扩大,具有重大的意义。岩心高光谱和pXRF原位测试技术,操作简单、实用性强,能够实现了矿物的定性定量识别,大大地降低了人为误差和提高野外编录效率。同时,岩心高光谱和pXRF原位测试技术具有无需制样、原位无损测试、分析速度快等明显优势,可适用于勘探现场作业、降低周期及人工成本。另外,岩心高光谱和pXRF原位测试技术可以将蚀变信息数据化,叠合地质、物化探、遥感等信息,建立有效的蚀变三维模型。
附图说明
图1为本发明中热液铀矿床的蚀变类型图;其中图a铀-赤铁矿化型;图b铀-黄铁矿化型;图c铀-绿泥石化型;图d铀-方解石化型(Cal-方解石;Chl-绿泥石;Hem-赤铁矿;Py-黄铁矿;U-铀);
图2为本发明中热液铀矿床蚀变分带识别方法流程图;
图3为本发明中光谱包络线去除效果示意图;
图4为本发明中光谱角匹配法解释示意图;
图5为本发明中与热液铀矿床相关的蚀变矿物光谱曲线图。
具体实施方式
下面结合具体实施例对本发明进一步进行描述。
实施例1
如图2所示,1、区域资料收集、野外地质特征观察及测量目标选取
(1)通过文献、勘查报告、著作等资料收集,了解热液铀矿床所处的区域地质背景、构造-岩浆活动期次、热液蚀变活动类型等基本信息。此外,与所在矿山或者所属地质勘查队伍积极沟通与交流,查阅相关的地质勘查报告及地质图件资料,进一步了解和完善矿床的最新进展。
(2)在大致了解矿区的地质概况和对搜集的资料进行初步分析后,选取矿区内典型的含矿构造带进行野外地质特征观察。在观察的同时,记录好构造的位置、构造的性质、岩性、蚀变类型、蚀变矿物组合、矿化程度等内容,为室内分析提供必要地质信息。
(3)选取矿区的含矿构造内已施工的钻孔进行高光谱及便捷式XRF测量。在测量之前必须了解钻孔原始地质资料与勘查报告,包括岩石类型、岩石矿物组成、蚀变类型、矿体的产出位置、产状及规模等信息,同时结合野外地质特征与前人研究资料,进行综合分析测量的钻孔的整体情况,为建立矿区的区域光谱库和元素化学变化提供依据。
2、矿区光谱库构建
了解矿区的岩石矿物组合和钻孔的蚀变特征,预判蚀变矿物,得到可能存在的矿物与蚀变组合,然后在标准光谱库中筛选出这些矿物的光谱数据,建议矿区内的光谱数据库,为后续光谱的定性、定量分析提供支持。
3、矿物光谱原位测试
(1)在地质现象丰富、蚀变类型多样及可见的岩性与蚀变分界处,每1m岩心采集10条光谱数据,每条光谱数据为25次平均后所得。对蚀变信息了解后可以适当扩大测量间距,
同样根据地质信息的不同适当调整测量的间距。采集数据时需要对样品进行编号及对地质现象进行详细的记录。
(2)本次岩心高光谱测量采用ASD FieldSpec设备配套的接触式探头(内置稳定光源)进行测量,波谱仪的波长范围350~2500nm,扫描速度100ms。在测量之前,先利用标准参考板对光谱仪的接触式探头进行反射率校准,然后在后续测量过程中每隔30分钟进行一次校准,保准数据的精度及准确性。
4、矿物光谱处理
(1)对采集的数据进行筛选,搜集350~2500nm波长范围内的光谱数据, 并采取包络线去除法对光谱数据进行预处理(如附图3),预处理有效突出了光谱吸收特征,并将吸收特征归一化到统一的背景上,便于后续分析。
(2)将顺序测量的钻孔岩心光谱数据导入到用ENVI(The Environment forVisualizing Images)平台中的高光谱处理模块,获取“图谱合一”的钻孔高光谱图像立方体柱,然后对整个钻孔的光谱数据进行光谱分析和信息提取,这样大幅提高岩心光谱数据的处理和分析效率。
(3)对获取的光谱数据进行噪比和质量检查,剔除无效的或者可信度低的光谱数据,然后分类进行矿物提取并且检查,将不准确的或者错误的光谱数据进行订正。
5、蚀变矿物定性、定量分析
(1)为了识别蚀变矿物组合,首先需要综合分析所有钻孔岩心的高光谱数据,每个矿物均具有特征光谱曲线,然后采用ENVI中的光谱角匹配(SAM,spectral angle mapping)方法对预处理后的矿区所有钻孔岩心实测光谱数据进行匹配计算,匹配计算原理如附图4,待识别的光谱与参考光谱的夹角越小,相似程度越大。最后在进行岩心光谱匹配时,依据各类矿物的诊断性特征所在的波长位置,可以选择500~1000nm的波段进行赤铁矿的匹配计算,其他矿物均选择2000~2500nm之间的波段进行匹配计算,从而分辨岩石中的蚀变矿物组成。
(2)为了对蚀变矿物进行定量分析,可以对预处理后的光谱曲线进行反演。此处尝试采用全约束最小二乘法(FCLS)反演蚀变矿物,全约束最小二乘法基于线性解混,认为混合光谱由组成矿物的光谱线性组合而成,将定性分析识别出的蚀变矿物光谱曲线代入模型,并将不具备明显吸收特征的矿物光谱以反射率为1的直线代替参与运算,可有效计算出蚀变矿物的真实含量。
6、测量获取钻孔岩心便捷式X荧光光谱数据
(1)对钻孔岩心进行清洗、晒开,然后把岩心分层(划分至最小的岩心段)、对铀矿化、蚀变严重或者地质现象丰富岩心处进行记录并且数码照相。然后,对划分的岩性段相对光滑、清洁、干燥的部位利用便携式X荧光光谱仪测量,为了保证获取的数据的精确程度,测量点数在6-10个,每点测量时间为30s,矿化处测量点可以适当加密。
(2)首先对测量的数据(如Fe、Ca、Si、K、Al、Ti、Sr、Mg、U等数据)进行记录并且电子化,然后取平均值作为该段岩心段的平均值,计算出Ca/K、K/Al、Mg/Fe、Sr/Ti、Si/Al等,在以上基础上,分析钻孔岩心元素含量以及相关元素比值垂向变化规律,识别岩心矿化与蚀变信息。
7、镜下鉴定及XRD方法验证
选取钻孔岩心蚀变带中典型的样品进行取样,分别磨制薄片和粒径小于200目的粉末,分别对它们进行偏光显微镜观察和XRD分析测试,可以对高光普和便捷式X荧光光谱测量和解译的结果进行监测与校正,进而最终保证结果的有效性与准确性。
8、建立高光谱和X荧光光谱综合蚀变分带标准
基于岩心高光谱所建立的蚀变矿物组合以及分带特征与便捷式X荧光光谱测试获取的元素垂向变化规律,共同建立热液铀矿床垂向上蚀变分带标准。两种测试技术的结合,相辅相成,从而达到快速、高效而准确蚀变热液铀矿床蚀变分带的目的。
9、依据蚀变标准进行矿床蚀变填
如图5所示,基于上述所建立的标准,绘制全孔或勘探线剖面蚀变分带图,完成蚀变矿物二维填图,一定的技术支持下,可以进行三维蚀变分带图编制,为区域外围和深部找矿提供技术支撑。
以上内容是结合具体实施方式对本发明作进一步详细说明,不能认定本发明具体实施只局限于这些说明,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明的构思的前提下,还可以做出若干简单的推演或替换,都应当视为属于本发明所提交的权利要求书确定的保护范围。
Claims (10)
1.一种多尺度光谱测量的热液铀矿床蚀变分带识别方法,其特征在于:
包括以下步骤:
(1)区域资料收集、野外地质特征观察及测量目标选取;
(2)矿区光谱库构建;
(3)矿物光谱原位测试;
(4)矿物光谱处理;
(5)蚀变矿物定性、定量分析;
(6)测量获取钻孔岩心便捷式X荧光光谱数据;
(7)镜下鉴定及XRD方法验证;
(8)建立高光谱和X荧光光谱综合蚀变分带标准;
(9)依据蚀变标准进行矿床蚀变填。
2.根据权利要求1所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法,其特征在于:
步骤(1)中区域资料收集的方法如下:
通过文献、勘查报告、著作来进行资料收集,了解热液铀矿床所处的区域地质背景、构造-岩浆活动期次、热液蚀变活动类型基本信息;同时,与所在矿山或者所属地质勘查队伍积极沟通与交流,查阅相关的地质勘查报告及地质图件资料,进一步了解和完善矿床的最新进展;
步骤(1)中野外地质特征观察的方法如下:
在大致了解矿区的地质概况和对搜集的资料进行初步分析后,选取矿区内典型的含矿构造带进行野外地质特征观察;在观察的同时,记录好构造的位置、构造的性质、岩性、蚀变类型、蚀变矿物组合、矿化程度,为室内分析提供必要地质信息;
步骤(1)中测量目标选取的方法如下:
选取矿区的含矿构造内已施工的钻孔进行高光谱及便捷式XRF测量;在测量之前必须了解钻孔原始地质资料与勘查报告,包括岩石类型、岩石矿物组成、蚀变类型、矿体的产出位置、产状及规模,同时结合野外地质特征与前人研究资料,进行综合分析测量的钻孔的整体情况。
3.根据权利要求1所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法,其特征在于:
步骤(2)中矿区光谱库构建的方法如下:
了解矿区的岩石矿物组合和钻孔的蚀变特征,预判蚀变矿物,得到可能存在的矿物与蚀变组合,然后在标准光谱库中筛选出这些矿物的光谱数据,建议矿区内的光谱数据库。
4.根据权利要求1所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法,其特征在于:
步骤(3)中矿物光谱原位测试的方法如下:
在地质现象丰富、蚀变类型多样及可见的岩性与蚀变分界处,每1m岩心采集10条光谱数据,每条光谱数据为25次平均后所得,对蚀变信息了解后扩大测量间距的调整,同样根据地质信息的不同调整测量的间距,采集数据时需要对样品进行编号及对地质现象进行详细的记录。
5.根据权利要求1所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法,其特征在于:
步骤(4)中矿物光谱处理的方法如下:
对采集的数据进行筛选,搜集350~2500nm波长范围内的光谱数据,并采取包络线去除法对光谱数据进行预处理,预处理有效突出了光谱吸收特征,并将吸收特征归一化到统一的背景上;将顺序测量的钻孔岩心光谱数据导入到用ENVI平台中的高光谱处理模块,获取图谱合一的钻孔高光谱图像立方体柱,然后对整个钻孔的光谱数据进行光谱分析和信息提取;对获取的光谱数据进行噪比和质量检查,剔除无效的或者可信度低的光谱数据,然后分类进行矿物提取并且检查,将不准确的或者错误的光谱数据进行订正。
6.根据权利要求1所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法,其特征在于:
步骤(5)中蚀变矿物定性分析的方法如下:
先需要综合分析所有钻孔岩心的高光谱数据,每个矿物均具有特征光谱曲线,然后采用ENVI中的光谱角匹配方法对预处理后的矿区所有钻孔岩心实测光谱数据进行匹配计算,待识别的光谱与参考光谱的夹角越小,相似程度越大;最后在进行岩心光谱匹配时,依据各类矿物的诊断性特征所在的波长位置,选择500~1000nm的波段进行赤铁矿的匹配计算,其他矿物均选择2000~2500nm之间的波段进行匹配计算,从而分辨岩石中的蚀变矿物组成;
步骤(5)中蚀变矿物定量分析的方法如下:
对预处理后的光谱曲线进行反演,采用全约束最小二乘法反演蚀变矿物,全约束最小二乘法基于线性解混,认为混合光谱由组成矿物的光谱线性组合而成,将定性分析识别出的蚀变矿物光谱曲线代入模型,并将不具备明显吸收特征的矿物光谱以反射率为1的直线代替参与运算,计算出蚀变矿物的真实含量。
7.根据权利要求1所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法,其特征在于:
步骤(6)中测量获取钻孔岩心便捷式X荧光光谱数据的方法如下:
对钻孔岩心进行清洗、晒开,然后把岩心分层、对铀矿化、蚀变严重或者地质现象丰富岩心处进行记录并且数码照相;然后,对划分的岩性段相对光滑、清洁、干燥的部位利用便携式X荧光光谱仪测量,其中测量点数在6-10个,每点测量时间为30s,矿化处测量点加密;
对测量的数据进行记录并且电子化,然后取平均值作为该段岩心段的平均值,计算出Ca/K、K/Al、Mg/Fe、Sr/Ti、Si/Al,在以上基础上,分析钻孔岩心元素含量以及相关元素比值垂向变化规律,识别岩心矿化与蚀变信息。
8.根据权利要求1所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法,其特征在于:
步骤(7)中镜下鉴定及XRD方法验证的方法如下:
选取钻孔岩心蚀变带中典型的样品进行取样,分别磨制薄片和粒径小于200目的粉末,分别对它们进行偏光显微镜观察和XRD分析测试,可以对高光普和便捷式X荧光光谱测量和解译的结果进行监测与校正。
9.根据权利要求1所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法,其特征在于:
步骤(8)中建立高光谱和X荧光光谱综合蚀变分带标准的方法如下:
基于岩心高光谱所建立的蚀变矿物组合以及分带特征与便捷式X荧光光谱测试获取的元素垂向变化规律,共同建立热液铀矿床垂向上蚀变分带标准。
10.根据权利要求1所述的多尺度光谱测量的热液铀矿床蚀变分带识别方法,其特征在于:
步骤(9)中依据蚀变标准进行矿床蚀变填的方法如下:
绘制全孔或勘探线剖面蚀变分带图,完成蚀变矿物二维填图,进行三维蚀变分带图编制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210639576.7A CN115046941A (zh) | 2022-06-08 | 2022-06-08 | 一种多尺度光谱测量的热液铀矿床蚀变分带识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210639576.7A CN115046941A (zh) | 2022-06-08 | 2022-06-08 | 一种多尺度光谱测量的热液铀矿床蚀变分带识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115046941A true CN115046941A (zh) | 2022-09-13 |
Family
ID=83161721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210639576.7A Pending CN115046941A (zh) | 2022-06-08 | 2022-06-08 | 一种多尺度光谱测量的热液铀矿床蚀变分带识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115046941A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092040A (zh) * | 2023-08-22 | 2023-11-21 | 云南大学 | 一种蚀变矿物遥感定量识别方法、系统及电子设备 |
-
2022
- 2022-06-08 CN CN202210639576.7A patent/CN115046941A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117092040A (zh) * | 2023-08-22 | 2023-11-21 | 云南大学 | 一种蚀变矿物遥感定量识别方法、系统及电子设备 |
CN117092040B (zh) * | 2023-08-22 | 2024-09-03 | 云南大学 | 一种蚀变矿物遥感定量识别方法、系统及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110967311B (zh) | 基于红外光谱和磁化率测量的斑岩矿床蚀变分带识别方法 | |
Viscarra Rossel et al. | On the soil information content of visible–near infrared reflectance spectra | |
CN105938099A (zh) | 一种基于激光诱导击穿光谱的岩性判别方法及系统 | |
Roache et al. | Epidote–clinozoisite as a hyperspectral tool in exploration for Archean gold | |
CN109961087B (zh) | 基于空间数据集分析的异常遥感信息提取方法及装置 | |
CN115019171B (zh) | 非接触式围岩快速分区分级方法 | |
EP3809133B1 (en) | A method for characterizing underground metallic mineral deposits based on rock coatings and fracture fills | |
Środoń | Quantitative mineralogy of sedimentary rocks with emphasis on clays and with applications to K-Ar dating | |
CN116593407B (zh) | 一种稀土金属矿产快速勘查装置及方法 | |
CN109934915A (zh) | 一种深部蚀变矿物三维建模方法 | |
McCormick et al. | Shortwave infrared hyperspectral imaging as a novel method to elucidate multi-phase dolomitization, recrystallization, and cementation in carbonate sedimentary rocks | |
CN114646682A (zh) | 一种基于绿帘石微量元素的找矿方法 | |
CN115046941A (zh) | 一种多尺度光谱测量的热液铀矿床蚀变分带识别方法 | |
Zhizhong et al. | A review on the geological applications of hyperspectral remote sensing technology | |
Germay et al. | High-resolution core data and machine learning schemes applied to rock facies classification | |
Hegab et al. | Mineral-bearing alteration zones at Gebel Monqul area, North Eastern Desert, Egypt, using remote sensing and gamma-ray spectrometry data | |
Guerra Prado et al. | Ore-grade estimation from hyperspectral data using convolutional neural networks: A case study at the olympic dam iron oxide copper-gold deposit, Australia | |
Bell et al. | Imaging spectroscopy of jarosite cement in the Jurassic Navajo Sandstone | |
CN115586155B (zh) | 快速圈定脉状金矿床矿体及获得其指示标志指标的方法 | |
Hunt et al. | Geological and petrophysical applications of imaging infrared spectroscopy for mineralogical analysis of core and cuttings: examples from the North Sea, Norwegian Sea and Barents Sea | |
CN110702632B (zh) | 一种深部岩矿高光谱信息三维建模方法 | |
Simán et al. | Rock classification with machine learning: a case study from the Zinkgruvan Zn-Pb-Ag deposit, Bergslagen, Sweden | |
Mauger et al. | Alteration mapping of the Tarcoola Goldfield (South Australia) using a suite of hyperspectral methods | |
Kolbjørnsen et al. | Norwegian Released Wells Project: Study Design, Material Preparation, Measurements and Data Analysis | |
Géring et al. | Spectral characterisation of hydrothermal alteration associated with sediment-hosted Cu-Ag mineralisation in the Central European Kupferschiefer |
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 |