CN116593407B - 一种稀土金属矿产快速勘查装置及方法 - Google Patents

一种稀土金属矿产快速勘查装置及方法 Download PDF

Info

Publication number
CN116593407B
CN116593407B CN202310868217.3A CN202310868217A CN116593407B CN 116593407 B CN116593407 B CN 116593407B CN 202310868217 A CN202310868217 A CN 202310868217A CN 116593407 B CN116593407 B CN 116593407B
Authority
CN
China
Prior art keywords
information
mineral
spectrum
rare earth
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.)
Active
Application number
CN202310868217.3A
Other languages
English (en)
Other versions
CN116593407A (zh
Inventor
安茂国
支成龙
尚振
姜腾飞
徐然
郑海涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Lunan Geological Engineering Survey Institute of Second Geological Brigade of Shandong Geological Survey Bureau
Original Assignee
Shandong Lunan Geological Engineering Survey Institute of Second Geological Brigade of Shandong Geological Survey Bureau
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Lunan Geological Engineering Survey Institute of Second Geological Brigade of Shandong Geological Survey Bureau filed Critical Shandong Lunan Geological Engineering Survey Institute of Second Geological Brigade of Shandong Geological Survey Bureau
Priority to CN202310868217.3A priority Critical patent/CN116593407B/zh
Publication of CN116593407A publication Critical patent/CN116593407A/zh
Application granted granted Critical
Publication of CN116593407B publication Critical patent/CN116593407B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • 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
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/20—Recycling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Library & Information Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Agronomy & Crop Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mining & Mineral Resources (AREA)
  • Geology (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Animal Husbandry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种稀土金属矿产快速勘查装置及方法，涉及矿产勘查领域，所述方法，包括：获取圈定目标区域的目标信息；目标信息，包括：蚀变矿物光谱信息、指示金属元素的元素含量以及地理坐标信息；将目标信息与预先存储的蚀变矿物‑指示元素模型进行自动匹配，预测平面靶区；蚀变矿物‑指示元素模型表征不同的地理坐标信息下组合信息与稀土氧化物质量分数之间的关系；组合信息，包括：蚀变矿物光谱信息和指示金属元素的元素含量；采用野外勘查验证的方式对平面靶区进行垂向钻探，确定圈定目标区域内的矿产信息，矿产信息还用于对预先存储的蚀变矿物‑指示元素模型进行修正。本发明能提高矿产勘查的勘查效率。

Description

一种稀土金属矿产快速勘查装置及方法
技术领域
本发明涉及矿产勘查领域，特别是涉及一种稀土金属矿产快速勘查装置及方法。
背景技术
传统的地质找矿方法以地质填图为主，需要对野外地质露头岩性进行初步辨认，然后采集标本送入实验室进行镜下鉴定、光谱分析，工作周期较长，反馈信息较慢，导致矿产勘查的效率很低。
发明内容
基于此，本发明实施例提供一种稀土金属矿产快速勘查装置及方法，以提高矿产勘查的勘查效率。
为实现上述目的，本发明实施例提供了如下方案：一种稀土金属矿产快速勘查方法，包括：获取圈定目标区域的目标信息；所述目标信息，包括：蚀变矿物光谱信息、指示金属元素的元素含量以及地理坐标信息；所述蚀变矿物光谱信息是基于矿物光谱分析仪和遥感影像采集设备采集到的数据确定的；所述元素含量是采用金属元素分析仪确定的；所述地理坐标信息是采用GPS定位系统获取到的。
将圈定目标区域的目标信息，与预先存储的蚀变矿物-指示元素模型进行自动匹配，预测平面靶区；所述蚀变矿物-指示元素模型表征不同的地理坐标信息下组合信息与稀土氧化物质量分数之间的关系；所述组合信息，包括：蚀变矿物光谱信息和指示金属元素的元素含量；所述平面靶区内稀土氧化物质量分数大于设定分数值。
采用野外勘查验证的方式对所述平面靶区进行垂向钻探，确定所述圈定目标区域内的矿产信息；所述矿产信息，包括：稀土矿产的分布及稀土矿产的储量；所述矿产信息还用于对预先存储的蚀变矿物-指示元素模型进行修正。
可选地，所述稀土金属矿产快速勘查方法，还包括：构建预先存储的蚀变矿物-指示元素模型。
可选地，构建预先存储的蚀变矿物-指示元素模型，具体包括：采用遥感影像采集设备获取已知典型矿床的地表的遥感地质信息数据，并提取所述已知典型矿床的地表的遥感地质信息数据的蚀变矿物光谱信息，得到第一蚀变矿物光谱信息，根据所述第一蚀变矿物光谱信息构建遥感多光谱数据库；所述已知典型矿床为品位和储量均满足设定开采条件且矿床类型已知的矿床；所述蚀变矿物光谱信息，包括：蚀变矿物类型、分带组合以及蚀变矿物异常类型；所述蚀变矿物异常类型为蚀变矿物中成分大于设定阈值的成分类型。
对已知典型矿床的蚀变段岩芯分别进行白光扫描和镜下显微鉴定，提取已知典型矿床的蚀变段岩芯的基本特征信息，根据所述基本特征信息构建基本特征信息库；所述基本特征信息，包括：颜色、岩性类别、矿物组合、矿物分布、蚀变特征和解理裂隙。
采用矿物光谱分析仪对已知典型矿床的蚀变段岩芯进行扫描，得到光谱图像数据，并对所述光谱图像数据进行识别，确定已知典型矿床的蚀变段岩芯的蚀变矿物光谱信息，得到第二蚀变矿物光谱信息，根据所述第二蚀变矿物光谱信息构建矿物光谱信息库。
采用元素快速分析仪对已知典型矿床的蚀变段岩芯进行元素测定，得到已知典型矿床的蚀变段岩芯中指示金属元素的元素含量。
采集已知典型矿床的蚀变段岩芯的稀土氧化物质量分数以及已知典型矿床的蚀变段岩芯的地理坐标信息。
以第一蚀变矿物光谱信息、第二蚀变矿物光谱信息、指示金属元素的元素含量和地理坐标信息作为输入，以稀土氧化物质量分数作为输出，采用训练集对机器学习模型进行训练，将训练好的机器学习模型确定为初始的蚀变矿物-指示元素模型；所述训练集，包括：已知典型矿床的蚀变段岩芯的矿物光谱信息库、已知典型矿床的地表的遥感多光谱数据库、已知典型矿床的蚀变段岩芯中指示金属元素的元素含量、已知典型矿床的蚀变段岩芯的稀土氧化物质量分数以及已知典型矿床的蚀变段岩芯的地理坐标信息。
采用所述基本特征信息库对初始的蚀变矿物-指示元素模型进行修正，得到预先存储的蚀变矿物-指示元素模型。
可选地，在获取圈定目标区域的目标信息之前，还包括：确定圈定目标区域。
可选地，确定圈定目标区域，具体包括：采集目标矿区的地质信息资料和目标矿区的遥感地质信息数据；对所述地质信息资料进行地质解译，得到所述目标矿区的解译地质信息；根据所述解译地质信息和目标矿区的遥感地质信息数据中的矿化蚀变信息绘制矿化蚀变信息分布图；根据所述矿化蚀变信息分布图圈定所述目标矿区中的成矿有利区域，并将所述成矿有利区域确定为圈定目标区域。
可选地，提取所述已知典型矿床的地表的遥感地质信息数据的蚀变矿物光谱信息，得到第一蚀变矿物光谱信息，具体包括：对所述已知典型矿床的地表的遥感地质信息数据进行预处理，得到遥感处理数据；所述预处理，包括：大气校正、波长对准和去除噪声；提取所述遥感处理数据中的反射率谱数据；根据所述反射率谱数据确定所述典型矿床的蚀变矿物种类；对蚀变矿物种类进行加权赋值，得到第一蚀变矿物光谱信息。
可选地，采用元素快速分析仪对已知典型矿床的蚀变段岩芯进行元素测定，得到已知典型矿床的蚀变段岩芯中指示金属元素的元素含量，具体包括：采用元素快速分析仪对已知典型矿床的蚀变段岩芯中指示金属元素的元素含量进行测定，得到初始元素含量；对所述初始元素含量进行归一化处理，得到归一化后的元素含量；对归一化后的元素含量进行加权赋值，将赋值后的元素含量作为已知典型矿床的蚀变段岩芯中指示金属元素的元素含量。
本发明还提供了一种稀土金属矿产快速勘查装置，包括：矿物光谱分析仪、遥感影像采集设备、金属元素分析仪、GPS定位系统和信息处理计算模块。
所述矿物光谱分析仪、所述金属元素分析仪和所述GPS定位系统均与所述信息处理计算模块连接。
所述矿物光谱分析仪用于采集圈定目标区域中矿床地表的蚀变矿物光谱信息。
所述遥感影像采集设备用于采集圈定目标区域中的蚀变段岩芯的蚀变矿物光谱信息。
所述金属元素分析仪用于确定所述圈定目标区域中蚀变段岩芯的指示金属元素的元素含量。
所述GPS定位系统用于获取所述圈定目标区域的地理坐标信息。
所述信息处理计算模块用于将圈定目标区域的目标信息与预先存储的蚀变矿物-指示元素模型进行自动匹配，预测平面靶区；所述目标信息，包括：蚀变矿物光谱信息、指示金属元素的元素含量以及地理坐标信息；所述蚀变矿物-指示元素模型表征不同的地理坐标信息下组合信息与稀土氧化物质量分数之间的关系；所述组合信息，包括：蚀变矿物光谱信息和指示金属元素的元素含量；所述平面靶区内稀土氧化物质量分数大于设定分数值。
其中，所述平面靶区用于人工采用野外勘查验证的方式对所述平面靶区进行垂向钻探，确定所述圈定目标区域内的矿产信息；所述矿产信息，包括：稀土矿产的分布及稀土矿产的储量；所述矿产信息还用于对预先存储的蚀变矿物-指示元素模型进行修正。
可选地，所述稀土金属矿产快速勘查装置，还包括：模型构建模块；所述模型构建模块与所述信息处理计算模块连接；所述模型构建模块用于构建蚀变矿物-指示元素模型，并将蚀变矿物-指示元素模型发送至所述信息处理计算模块中存储。
根据本发明提供的具体实施例，本发明公开了以下技术效果：基于矿物光谱分析仪、遥感影像采集设备和金属元素分析仪，采集圈定目标区域的蚀变矿物光谱信息、指示金属元素的元素含量以及地理坐标信息，将采集到的数据与预先存储的蚀变矿物-指示元素模型进行自动匹配，预测平面靶区，最终通过验证确定矿产信息。本发明基于光谱扫描技术和元素快速分析仪实现自动联合识别，相比传统的地质找矿方法，能提高矿产勘查的勘查效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的稀土金属矿产快速勘查方法的流程图。
图2为本发明实施例提供的填图网格及填图点实物工作量布设图。
图3为本发明实施例提供的野外钻探验证勘探线布置图。
图4为本发明实施例提供的稀土金属矿产快速勘查方法的整体思路流程图。
图5为本发明实施例提供的稀土金属矿产快速勘查装置的具体实现过程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
目前在稀土勘查领域，尚无基于高光谱、元素快速分析仪（XRF）等自动联合识别的勘查技术应用。
地质实物资料高光谱扫描技术具有蚀变矿物光谱快速探测、谱图合一数据采集以及岩心蚀变规律快速识别等传统勘查方法所不具备的优势。元素快速分析仪（XRF）相较于传统的采样分析方法具有高效、经济、无损、环保的优势，将耗时较长（40天左右）的周期缩短为现场近实时接收数据，且误差在可接受范围之内，能够快速且高质量地发现成矿元素异常。
基于此，本实施例全面融合了上述优点，以解决传统矿产勘查技术的受制约问题。
参见图1，本实施例的稀土金属矿产快速勘查方法，包括如下步骤。
步骤101：确定圈定目标区域。
该步骤，具体包括：采集目标矿区的地质信息资料和目标矿区的遥感地质信息数据；对所述地质信息资料进行地质解译，得到所述目标矿区的解译地质信息；根据所述解译地质信息和目标矿区的遥感地质信息数据中的矿化蚀变信息绘制矿化蚀变信息分布图；根据所述矿化蚀变信息分布图圈定所述目标矿区中的成矿有利区域，并将所述成矿有利区域确定为圈定目标区域。
步骤102：获取圈定目标区域的目标信息；所述目标信息，包括：蚀变矿物光谱信息、指示金属元素的元素含量以及地理坐标信息。
所述蚀变矿物光谱信息是基于矿物光谱分析仪和遥感影像采集设备采集到的数据确定的；所述元素含量是采用金属元素分析仪确定的；所述地理坐标信息是采用GPS定位系统获取到的。本实施例中遥感影像采集设备包括遥感影像和/或无人机。
步骤103：构建预先存储的蚀变矿物-指示元素模型。
该步骤，具体包括：1）采用遥感影像采集设备获取已知典型矿床的地表的遥感地质信息数据，并提取所述已知典型矿床的地表的遥感地质信息数据的蚀变矿物光谱信息，得到第一蚀变矿物光谱信息，根据所述第一蚀变矿物光谱信息构建遥感多光谱数据库；所述已知典型矿床为品位和储量均满足设定开采条件（如开采频率要求）且矿床类型已知的矿床；所述蚀变矿物光谱信息，包括：蚀变矿物类型、分带组合以及蚀变矿物异常类型；所述蚀变矿物异常类型为蚀变矿物中成分大于设定阈值的成分类型。其中，蚀变矿物可以为氟碳铈矿、褐帘石、金云母、绿泥石、蒙脱石、伊利石、高岭石、白云母、方解石，它们对应的设定阈值可以分别为0.67%、2.16%、1.50%、1.20%、5.60%、0.80%、6.30%、8.40%、15.80%。
其中，提取所述已知典型矿床的地表的遥感地质信息数据的蚀变矿物光谱信息，得到第一蚀变矿物光谱信息，具体包括：对所述已知典型矿床的地表的遥感地质信息数据进行预处理，得到遥感处理数据；所述预处理，包括：大气校正、波长对准和去除噪声；提取所述遥感处理数据中的反射率谱数据；根据所述反射率谱数据确定所述典型矿床的蚀变矿物种类；对蚀变矿物种类进行加权赋值，得到第一蚀变矿物光谱信息。
2）对已知典型矿床的蚀变段岩芯分别进行白光扫描和镜下显微鉴定，提取已知典型矿床的蚀变段岩芯的基本特征信息，根据所述基本特征信息构建基本特征信息库；所述基本特征信息，包括：颜色、岩性类别、矿物组合、矿物分布、蚀变特征和解理裂隙。
3）采用矿物光谱分析仪对已知典型矿床的蚀变段岩芯进行扫描，得到光谱图像数据，并对所述光谱图像数据进行识别，确定已知典型矿床的蚀变段岩芯的蚀变矿物光谱信息，得到第二蚀变矿物光谱信息，根据所述第二蚀变矿物光谱信息构建矿物光谱信息库。
4）采用元素快速分析仪对已知典型矿床的蚀变段岩芯进行元素测定，得到已知典型矿床的蚀变段岩芯中指示金属元素的元素含量。
具体的，采用元素快速分析仪对已知典型矿床的蚀变段岩芯中指示金属元素的元素含量进行测定，得到初始元素含量；对所述初始元素含量进行归一化处理，得到归一化后的元素含量；对归一化后的元素含量进行加权赋值，将赋值后的元素含量作为已知典型矿床的蚀变段岩芯中指示金属元素的元素含量。
5）采集已知典型矿床的蚀变段岩芯的稀土氧化物质量分数以及已知典型矿床的蚀变段岩芯的地理坐标信息。
6）以第一蚀变矿物光谱信息、第二蚀变矿物光谱信息、指示金属元素的元素含量和地理坐标信息作为输入，以稀土氧化物质量分数作为输出，采用训练集对机器学习模型进行训练，将训练好的机器学习模型确定为初始的蚀变矿物-指示元素模型；所述训练集，包括：已知典型矿床的蚀变段岩芯的矿物光谱信息库、已知典型矿床的地表的遥感多光谱数据库、已知典型矿床的蚀变段岩芯中指示金属元素的元素含量、已知典型矿床的蚀变段岩芯的稀土氧化物质量分数以及已知典型矿床的蚀变段岩芯的地理坐标信息。
7）采用所述基本特征信息库对初始的蚀变矿物-指示元素模型进行修正，得到预先存储的蚀变矿物-指示元素模型。
步骤104：将圈定目标区域的目标信息，与预先存储的蚀变矿物-指示元素模型进行自动匹配，预测平面靶区；所述蚀变矿物-指示元素模型表征不同的地理坐标信息下组合信息与稀土氧化物质量分数之间的关系。
其中，所述组合信息，包括：蚀变矿物光谱信息和指示金属元素的元素含量；所述平面靶区内稀土氧化物质量分数大于设定分数值。设定分数值可采用原生稀土矿床边界品位的1/2，即设定分数值为稀土氧化物总量的0.25%。
步骤105：采用野外勘查验证的方式对所述平面靶区进行垂向钻探，确定所述圈定目标区域内的矿产信息；所述矿产信息，包括：稀土矿产的分布及稀土矿产的储量；所述矿产信息还用于对预先存储的蚀变矿物-指示元素模型进行修正。
在一个示例中，步骤103中构建蚀变矿物-指示元素模型的一个更为具体实现过程如下。
步骤1：收集、研究矿区地质资料（例如，自然地理、地形地貌和地质条件等）及以往矿产勘查、科研成果资料（例如，以往矿产勘查报告、矿区科研报告等）。
步骤2：基于步骤1中的资料，建立数据库及蚀变矿物-指示元素模型。
2.1 首先，对矿区典型矿床蚀变段岩芯，进行岩心白光扫描、光（薄）片镜下显微照相及鉴定等，在不必取样、不破坏岩芯条件下，最大限度地挖掘、提取岩芯中蕴含的各种信息，转化成计算机可存储、处理的文字、图像、数据等类型的基本特征信息。对基本特征信息进行处理，以数据库的形式进行存储，得到基本特征信息库，利用输出设备和系统进行基本特征信息库中信息的展示。
2.2 利用高分辨高光谱对矿区典型矿床蚀变段岩芯进行室内高光谱扫描，充分分析扫描得到的光谱图像数据，得到包括蚀变矿物类型、蚀变分带组合以及蚀变矿物异常类型的矿物学光谱信息，从而构建矿物光谱信息库。
（1）优选的主要蚀变矿物类型：蒙脱石、伊蒙混层、伊利石、高岭石、碳酸盐矿物、金云母、绿泥石、白云母、蛋白石和石膏等。
（2）优选的蚀变分带组合如下：对于钻孔1，蒙脱石、伊蒙混层、伊利石、高岭石、碳酸盐矿物、金云母、绿泥石、白云母、蛋白石和石膏的蚀变分带组合值分别对应1、0、0、1、1、1、1、0、1、0；对于钻孔2，蒙脱石、伊蒙混层、伊利石、高岭石、碳酸盐矿物、金云母、绿泥石、白云母、蛋白石和石膏的蚀变分带组合值分别对应1、0、1、1、1、1、1、0、1、0，其中，蚀变分带组合值为1代表存在，蚀变分带组合值为0代表不存在。
（3）优选的蚀变矿物异常类型主要有：铁染异常（Fe3+，Fe2+）、铝羟基异常（Al-OH）、镁羟基异常（Mg-OH）、硅化异常和碳酸盐化异常。
2.3 利用遥感卫星及无人机飞行获取典型矿床的遥感地质信息数据，根据波谱特征、异常特征、成矿地质条件等，对重点调查区所有矿化蚀变信息进行筛选，去除较为明显的由第四系引起的异常，其他异常信息均保留，以提取重点调查区的蚀变矿物光谱信息，根据蚀变矿物光谱信息形成矿化蚀变信息分布图，从而建立矿区内的遥感多光谱数据库。
2.4 采用元素快速分析仪对典型矿床蚀变段岩芯进行元素测定，得到典型蚀变段岩芯中指示金属元素的元素含量，并采集典型矿床蚀变段岩芯的稀土氧化物质量分数以及典型矿床蚀变段岩芯的地理坐标信息。
2.5 采用典型矿床地面的遥感多光谱数据库、典型矿床蚀变段岩芯中指示金属元素的元素含量、典型矿床蚀变段岩芯的稀土氧化物质量分数以及典型蚀变段岩芯的地理坐标信息构建训练集，对机器学习模型进行训练，得到最终的蚀变矿物-指示元素模型。
下面以支持向量机作为机器学习模型为例，对通过训练得到蚀变矿物-指示元素模型的过程进行描述。
（1）数据采集：利用遥感地质信息数据获取反射率谱数据，并利用元素快速分析仪（XRF）获取指示金属元素的元素含量。同时，同一样品点，分别对应采集样品稀土氧化物质量分数，使用GPS定位系统获取区域的地理坐标信息，作为模型的原始数据集。
（2）数据预处理：在获取反射率谱数据之前，首先对采集到的遥感地质信息数据进行预处理，包括大气校正、波长对准、去除噪声等，以获得更准确的反射率谱数据。在得到指示金属元素的元素含量之后，对采集到的元素含量进行预处理，包括去除离群值、填充缺失值等。
（3）特征提取：利用主成分分析法（PCA）对反射率谱数据进行降维和特征提取，并与标准数据库中的标准图谱进行对比识别，确定出主要的蚀变矿物种类。
（4）指示金属元素的元素含量归一化：元素快速分析仪直接测得的元素含量之间的数值差异性较大，数值分布范围差异很大。为了防止因数据本身各个维度的取值范围带来的误差影响，需要将数据做归一化处理。本实施例基于元素含量的最大值和最小值实现归一化。
（5）特征值赋值：在输入前根据以往地质经验对蚀变矿物种类和指示金属元素的元素含量进行加权赋值。蚀变矿物种类的赋值情况如下：若蚀变矿物分别为氟碳铈矿、褐帘石、金云母、绿泥石、蒙脱石、伊利石、高岭石、白云母、方解石，它们分别对应的原始数据为1、0、1、1、1、1、0、1、1，它们分别对应的加权系数为1、1、1、0.9、0.5、0.4、0.4、0.6、0.7，它们分别对应的最终赋值为1、0、1、0.9、0.5、0.4、0、0.6、0.7。其中，蚀变矿物对应的原始数据为1代表存在，蚀变矿物对应的原始数据为0代表不存在。
指示元素的元素含量的赋值情况如下：若指示元素分别为镧、铈、镨、钕、钷、钐、铕、钆、铽、镝、钬、铒、铥、镱、镥、硫、钡、钙，它们分别对应的元素符号为La、Ce、Pr、Nd、Pm、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu、S、Ba、Ca，它们分别对应的原始数据分别为88、95、35、42、37、20、37、63、33、14、32、44、12、13、13、50、80、70，它们分别对应的加权系数为1、1、1、0.9、0.9、0.9、0.9、0.6、0.7、0.4、0.4、0.4、0.4、0.4、0.4、0.4、0.4、0.4，它们分别对应的最终赋值为88、95、35、37.8、33.3、18、33.3、37.8、23.1、5.6、12.8、17.6、4.8、5.2、5.2、20、32、28。通过上述赋值最终确定输入模型的特征向量的特征值。
（6）数据划分：将赋值后的数据集划分为训练集和测试集，用于模型的训练和评估。大部分数据用于训练，少部分用于测试。训练集占据总数据集的70%，测试集占据30%。选取时，根据样品稀土氧化物质量分数，做到训练集和测试集中不同类别的样本数量是均衡的，否则可能会导致模型偏向样本数量较多的类别，从而影响模型的准确性。
（7）模型训练：使用训练集对选定的支持向量机模型进行训练。训练的过程中，模型将学习输入数据与对应的矿化标签（稀土氧化物质量分数）之间的关联关系。
①将训练集中以蚀变矿物种类、指示金属元素的元素含量的特征值作为输入值（自变量x），以稀土氧化物质量分数（因变量y）作为输出值，将数据转变为样本集的形式。
②蚀变矿物种类的组合和指示金属元素的元素含量属于非线性可分数据。这是因为蚀变矿物的组合和元素含量通常具有很高的复杂性，不同种类的蚀变矿物种类的组合和元素含量之间存在非线性的关系，因此需要考虑使用非线性的模型支持向量机模型来更好地处理这类数据。
③核函数的选择。
本实施例选择效果较好的径向基核函数作为核函数。
④将转变为线性的样本集代入径向基核函数中，以蚀变矿物光谱信息、指示金属元素的元素含量和地理坐标信息作为输入，以稀土氧化物质量分数作为输出，对支持向量机模型进行训练，并对根据支持向量机模型计算出的预测值进行拟合分析。
（6）模型评估：使用测试集对训练好的模型进行评估，计算模型的性能指标，如准确率、精确率、召回率、F1分数等，以评估模型的性能和泛化能力。
（7）模型调优：根据评估结果，对模型进行调优，可以尝试调整模型的参数、选择不同的特征提取方法、调整数据集的划分方式等，以提高模型的性能。
（8）模型验证：在完成模型的调优后，可以使用独立的验证数据集对模型进行验证，确保模型的鲁棒性和泛化性能。
（9）模型应用：在验证通过后，可以将训练好的模型作为蚀变矿物-指示元素模型应用在相关地区，结合GPS定位系统获取的地理坐标信息，对矿区进行高精度定位。将地理坐标信息作为蚀变矿物-指示元素模型的输入，可以生成蚀变矿物-指示元素的平面信息分布图，进行找矿预测和勘探决策。结合勘探线剖面钻孔岩心，可以在平面地理坐标的基础上，增加垂向高程，实现分析和评价结果的三维可视化，以便于用户进行数据可视化和储量评估。
在一个示例中，步骤101中确定圈定目标区域的一个更为具体实现过程如下。
3.1 充分收集矿区地质、物探、化探、遥感、钻探、岩矿测试等基本地质信息资料；根据WorldView-2（WV-2）卫星高分数据库，获取GF（高分系列）卫星/ASTER（AdvancedSpaceborne Thermal Emission and Reflection Radiometer，高级星载热发射和反射辐射仪）卫星等遥感数据。
3.2 分析、总结步骤3.1中的资料和数据，对遥感数据进行处理及影像制作。首先，人机交互解译、综合解译矿区地形地貌、地层地质、地质构造等基本地质信息；其次，结合步骤2.3建立的遥感多光谱数据库，对重点调查区所有矿化蚀变信息进行筛选及提取，提取矿化蚀变信息过程采用主成分分析法、比值法、密度分割等方法。
3.3 绘制矿化蚀变信息分布图，进行遥感异常筛选，初步圈定成矿有利区域，得到圈定目标区域，并形成成果报告图件。报告所需编制的图件包括《重点调查区1:50000遥感解译地质图》、《矿化蚀变信息分布图》、《遥感找矿预测图》、《大比例尺遥感影像图》等。
在一个示例中，步骤104的一个更为具体实现过程如下。
在步骤3.1和步骤3.2确定的圈定目标区域的基础上，以1:10000~1:50000地质图为底图，进行地质信息自动填图。具体操作步骤如下。
4.1 在步骤3.1和步骤3.2高光谱遥感确定的圈定目标区域a上，参见图2，以1:10000~1:50000地质图为底图，划分填图工作网格，网格尺寸为100×100m~300×300m。在圈定目标区域a边缘及内部布设自动化地质填图点b，若自动化地质填图点b没有基岩露出，可采用背包钻机钻孔取芯进行测量或选用偏移至离自动化地质填图点b不到50m的基岩露头区域的点。
4.2 在地质填图的露头点，使用矿物光谱分析仪，采用蚀变矿物主要异常类型特定的识别波段进行扫描，依据矿物光谱诊断性特征计算和识别不同的蚀变矿物。结合步骤2.2所形成的标准的矿物光谱信息库，自动匹配光谱信息，进行定性解译露头点矿物蚀变规律。
4.3 采用金属元素分析仪测定露头矿物的金属元素类型及含量半定量检测，自动匹配稀土指示金属元素信息。
4.4 采用GPS定位系统测定填图点地理坐标信息，坐标采用CGCS2000型坐标系统。
4.5 以上步骤所测定的信息通过无线网络实时传送至信息处理计算模块。将自动与步骤2确定的蚀变矿物-指示元素模型进行自动匹配、叠加、自动填图和预测，初步确定成矿靶区。
在一个示例中，参见图3，步骤105的一个更为具体实现过程如下。
结合传统地质勘查手段开展野外系统勘查验证，最终确定矿区关键信息。
布设钻探一条勘探线A-A’，穿过重点富矿靶区中心，如图3所示，钻孔位置在解译边缘、解译富矿点中心，共10个钻探点，分别为ZK01、ZK02、ZK03、ZK04、ZK05、ZK06、ZK07、ZK08、ZK09、ZK10。将采取的岩心进行地质编录，将重点蚀变、重点富矿段进行室内光谱测试、镜下鉴定等测试。对勘探孔均进行光谱+元素分析的复合测井，综合确定蚀变信息、指示元素信息、矿体边界、矿体埋深范围、矿体品位等信息。对上述步骤确定的矿体靶区模型进行修正反演，最终确定矿体靶区、品位、储量等信息，建立三维地质数据模型。
上述实施例的稀土金属矿产快速勘查方法，具有如下优点：基于高光谱和XRF联合实现勘察，可有效弥补传统勘查技术中遥感分辨能力低、对矿床蚀变矿物及蚀变范围规律分析能力弱、岩矿识别周期长、野外定性能力差、对生态环境破坏力大等缺点；可实现实时分析成矿元素及识别矿物的能力，显著提高勘查工作效率及找矿成功率，具有环境友好、快速高效、准确识别、节能经济等优势。
下面以某稀土矿快速勘查为例，对上述稀土金属矿产快速勘查方法进行详细说明。
本实施例借助高光谱遥感预测、元素快速分析仪（XRF）元素识别、高光谱扫描矿物蚀变规律研究及X射线荧光光谱定量分析等多学科多领域交叉的技术手段，应用于实际勘查研究工作中，提出一套适用、高效、完善的勘查技术体系。为稀土金属矿产快速找矿和成矿特征研究提供依据提供了快速高效的依据及方案。
本具体实例的实现步骤如下。
1）通过搜集人员访谈、文献、勘查报告、区域地质资料等，了解矿区自然地理、地形地貌，地质条件，成矿模式等信息。总结分析研究内已有地质资料和前人研究成果，掌握研究区的成矿地质背景特征，重点对区内的地层、岩浆岩和区域构造特征进行分析，为遥感构造解译和遥感矿化蚀变信息的提取提供理论基础。
2）建立基于高分辨率高光谱扫描的实物地质资料数字化资料，获取矿物蚀变规律，建立光谱数据库及蚀变矿物-指示元素模型。
①首先，在对蚀变现象明显的岩矿芯段，进行岩心白光扫描、光（薄）片镜下显微照相及鉴定、高光谱扫描等。
白光扫描成像：本次工作对钻孔开展了岩心整理，缩心部分按照3m采取一个扫描样品的要求进行扫描，未缩分部分按照0.5m采取一个扫描样品的要求进行扫描，扫描照片与地质分层对应良好，显示了对应地层所含的主要矿物组成。
高光谱扫描成像：对矿区典型钻孔开展了岩心高光谱扫描工作，对取得的岩心高光谱数据利用CMS（Content Management System，内容管理系统）软件进行预处理，形成扫描照片。在此基础上，利用MSA（Measurement Systems Analysis，测量系统分析）软件对测量取得的高光谱预处理数据进行比对分析，矿物进行识别，确定蚀变矿物的分布情况，鉴定矿区内蚀变矿物共生组合，快速划分蚀变分带，以便缩小找矿范围。
将岩芯中蕴含的各种信息，转化成计算机可存储、处理的文字、图像、数据等信息。对信息进行处理，以数据库的形式进行存储，利用输出设备和系统进行信息展示。
②利用高分辨高光谱的矿物光谱分析仪进行岩芯扫描、图像分析处理，充分分析高光谱图像数据，依据矿物光谱诊断性特征来计算和识别不同的蚀变矿物类型、分带组合及异常类型，最终形成矿物学光谱信息。
（1）优选的主要蚀变矿物类型包括：蒙脱石、伊蒙混层、伊利石、高岭石、碳酸盐矿物、金云母、绿泥石、白云母、蛋白石、石膏等。
（2）对优选的蚀变矿物分带组合进行统计、分析，最终确定了蚀变矿物分带组合。
（3）优选的蚀变矿物主要异常类型包括：铁染异常（Fe3+，Fe2+）、铝羟基异常（Al-OH）、镁羟基异常（Mg-OH）、硅化异常、碳酸盐化异常。
利用上述分析的矿物学光谱信息，进行矿物蚀变规律研究，利用2200nm特征峰位置（Pos2000）确定热液蚀变带区域，总结了蚀变分带特征，确定与稀土化明显富集正相关的主要蚀变异常，综合分析各地质体主微量数据与矿物蚀变影响的对应关系，以各类数据资料为基础建立主要蚀变矿物标准图谱和岩石光谱数据库。
③本实施例选用WorldView-2卫星高分数据库、DEM（Digital Elevation Mode，数字高程模型）等中等分辨率遥感数据，开展重点调查区1:50000遥感地质解译。收集ASTER卫星数据开展重点调查区矿化蚀变异常信息提取。利用GF-2（高分二号）卫星影像数据编制工作区全区遥感影像图。
本实施例利用ASTER数据提取的矿化蚀变异常信息、高光谱岩心蚀变矿物组合分布特征等多种遥感、光谱数据进行垂向和平面矿物蚀变规律研究。分析研究区内主要蚀变矿物的光谱特性，开展主要蚀变矿物波谱特征和图像特征研究。对研究区内不同类型的矿床在成矿带、地层、岩体的分布特征进行分析，同时分析矿床空间分布位置与遥感矿化蚀变信息、构造的组合特征，找出研究区矿床的分布规律，形成进行成多光谱数据库。
对新圈定的成矿预测区进行野外调查查证，总结成矿规律和找矿标志，形成了矿化蚀变信息分布图，建立研究区内遥感多光谱数据库。
④步骤①-步骤③结合了室内岩矿芯XRF指示元素测定，综合确定蚀变矿物-指示元素模型。
3）在充分收集已有地质资料的基础上，通过稀土金属找矿为目标的遥感地质解译、遥感蚀变信息异常提取，获取与区域成矿/控矿作用有关的岩石、地层、构造等信息。通过针对成矿侵入体、地层、断裂构造的地质解译，遥感异常提取与筛选综合分析，最终确定重点调查区范围，编制相关图件及成果报告。
参见图4，上述稀土金属矿产快速勘查方法的整体思路概括如下：首先圈定目标区域；然后进行野外自动填图调查，具体的，采用矿物光谱分析仪和遥感影像采集设备采集蚀变矿物光谱信息，采用金属元素分析仪确定指示金属元素的元素含量，采用GPS定位系统获取地理坐标信息；上述这些数据实时传送至信息处理计算模块，信息处理计算模块基于蚀变矿物-指示元素模型进行自动匹配叠加填图，确定平面靶区；在平面靶区的基础上进行垂向钻探，从而确定矿产信息；矿产信息可用于学习反馈优化模型，实现蚀变矿物-指示元素模型的修正，另外，还根据矿产信息实现储量评价。
本发明还提供了一种稀土金属矿产快速勘查装置，包括：矿物光谱分析仪、遥感影像采集设备、金属元素分析仪、GPS定位系统和信息处理计算模块。
所述矿物光谱分析仪、所述金属元素分析仪和所述GPS定位系统均与所述信息处理计算模块连接。
所述矿物光谱分析仪用于采集圈定目标区域中矿床地表的蚀变矿物光谱信息。
所述遥感影像采集设备用于采集圈定目标区域中的蚀变段岩芯的蚀变矿物光谱信息。
所述金属元素分析仪用于确定所述圈定目标区域中蚀变段岩芯的指示金属元素的元素含量。
所述GPS定位系统用于获取所述圈定目标区域的地理坐标信息。
所述信息处理计算模块用于将圈定目标区域的目标信息与预先存储的蚀变矿物-指示元素模型进行自动匹配，预测平面靶区；所述目标信息，包括：蚀变矿物光谱信息、指示金属元素的元素含量以及地理坐标信息；所述蚀变矿物-指示元素模型表征不同的地理坐标信息下组合信息与稀土氧化物质量分数之间的关系；所述组合信息，包括：蚀变矿物光谱信息和指示金属元素的元素含量；所述平面靶区内稀土氧化物质量分数大于设定分数值。
其中，所述平面靶区用于人工采用野外勘查验证的方式对所述平面靶区进行垂向钻探，确定所述圈定目标区域内的矿产信息；所述矿产信息，包括：稀土矿产的分布及稀土矿产的储量；所述矿产信息还用于对预先存储的蚀变矿物-指示元素模型进行修正。
上述稀土金属矿产快速勘查装置的具体实现过程如图5所示。参见图5，矿物光谱分析仪和遥感影像采集设备采集蚀变矿物光谱信息，金属元素分析仪确定指示金属元素的元素含量，GPS定位系统获取地理坐标信息，将上述这些数据实时传送至信息处理计算模块，信息处理计算模块基于蚀变矿物-指示元素模型进行自动匹配叠加填图，最终确定靶区。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种稀土金属矿产快速勘查方法，其特征在于，包括：
获取圈定目标区域的目标信息；所述目标信息，包括：蚀变矿物光谱信息、指示金属元素的元素含量以及地理坐标信息；所述蚀变矿物光谱信息是基于矿物光谱分析仪和遥感影像采集设备采集到的数据确定的；所述元素含量是采用金属元素分析仪确定的；所述地理坐标信息是采用GPS定位系统获取到的；
将圈定目标区域的目标信息，与预先存储的蚀变矿物-指示元素模型进行自动匹配，预测平面靶区；所述蚀变矿物-指示元素模型表征不同的地理坐标信息下组合信息与稀土氧化物质量分数之间的关系；所述组合信息，包括：蚀变矿物光谱信息和指示金属元素的元素含量；所述平面靶区内稀土氧化物质量分数大于设定分数值；
采用野外勘查验证的方式对所述平面靶区进行垂向钻探，确定所述圈定目标区域内的矿产信息；所述矿产信息，包括：稀土矿产的分布及稀土矿产的储量；所述矿产信息还用于对预先存储的蚀变矿物-指示元素模型进行修正；
所述方法，还包括：构建预先存储的蚀变矿物-指示元素模型；
构建预先存储的蚀变矿物-指示元素模型，具体包括：
采用遥感影像采集设备获取已知典型矿床的地表的遥感地质信息数据，所述已知典型矿床为品位和储量均满足设定开采条件且矿床类型已知的矿床，对所述已知典型矿床的地表的遥感地质信息数据进行预处理，得到遥感处理数据，提取所述遥感处理数据中的反射率谱数据，根据所述反射率谱数据确定所述典型矿床的蚀变矿物种类，对蚀变矿物种类进行加权赋值，得到第一蚀变矿物光谱信息；
采用矿物光谱分析仪对已知典型矿床的蚀变段岩芯进行扫描，得到光谱图像数据，并对所述光谱图像数据进行识别，确定已知典型矿床的蚀变段岩芯的蚀变矿物光谱信息，得到第二蚀变矿物光谱信息；
采用元素快速分析仪对已知典型矿床的蚀变段岩芯中指示金属元素的元素含量进行测定，得到初始元素含量，对所述初始元素含量进行归一化处理，得到归一化后的元素含量；
对归一化后的元素含量进行加权赋值，将赋值后的元素含量作为已知典型矿床的蚀变段岩芯中指示金属元素的元素含量；
采集已知典型矿床的蚀变段岩芯的稀土氧化物质量分数以及已知典型矿床的蚀变段岩芯的地理坐标信息；
以第一蚀变矿物光谱信息、第二蚀变矿物光谱信息、指示金属元素的元素含量和地理坐标信息作为输入，以稀土氧化物质量分数作为输出，采用训练集对机器学习模型进行训练，将训练好的机器学习模型确定为初始的蚀变矿物一指示元素模型。
2.根据权利要求1所述的一种稀土金属矿产快速勘查方法，其特征在于，构建预先存储的蚀变矿物-指示元素模型，还包括：
对已知典型矿床的蚀变段岩芯分别进行白光扫描和镜下显微鉴定，提取已知典型矿床的蚀变段岩芯的基本特征信息，根据基本特征信息构建基本特征信息库；
采用所述基本特征信息库对初始的蚀变矿物-指示元素模型进行修正，得到预先存储的蚀变矿物-指示元素模型。
3.根据权利要求2所述的一种稀土金属矿产快速勘查方法，其特征在于，在获取圈定目标区域的目标信息之前，还包括：确定圈定目标区域。
4.根据权利要求3所述的一种稀土金属矿产快速勘查方法，其特征在于，确定圈定目标区域，具体包括：
采集目标矿区的地质信息资料和目标矿区的遥感地质信息数据；
对所述地质信息资料进行地质解译，得到所述目标矿区的解译地质信息；
根据所述解译地质信息和目标矿区的遥感地质信息数据中的矿化蚀变信息绘制矿化蚀变信息分布图；
根据所述矿化蚀变信息分布图圈定所述目标矿区中的成矿有利区域，并将所述成矿有利区域确定为圈定目标区域。
5.根据权利要求1所述的一种稀土金属矿产快速勘查方法，其特征在于，所述预处理，包括：大气校正、波长对准和去除噪声。
6.一种稀土金属矿产快速勘查装置，其特征在于，包括：矿物光谱分析仪、遥感影像采集设备、金属元素分析仪、GPS定位系统和信息处理计算模块；
矿物光谱分析仪、金属元素分析仪和GPS定位系统均与信息处理计算模块连接；
矿物光谱分析仪用于采集圈定目标区域中矿床地表的蚀变矿物光谱信息；
遥感影像采集设备用于采集圈定目标区域中的蚀变段岩芯的蚀变矿物光谱信息；
金属元素分析仪用于确定圈定目标区域中蚀变段岩芯的指示金属元素的元素含量；
GPS定位系统用于获取圈定目标区域的地理坐标信息；
信息处理计算模块用于将圈定目标区域的目标信息与预先存储的蚀变矿物-指示元素模型进行自动匹配，预测平面靶区；目标信息，包括：蚀变矿物光谱信息、指示金属元素的元素含量以及地理坐标信息；蚀变矿物-指示元素模型表征不同的地理坐标信息下组合信息与稀土氧化物质量分数之间的关系；组合信息，包括：蚀变矿物光谱信息和指示金属元素的元素含量；平面靶区内稀土氧化物质量分数大于设定分数值；
其中，平面靶区用于人工采用野外勘查验证的方式对平面靶区进行垂向钻探，确定圈定目标区域内的矿产信息；所述矿产信息，包括：稀土矿产的分布及稀土矿产的储量；矿产信息还用于对预先存储的蚀变矿物-指示元素模型进行修正；
所述装置，还包括：模型构建模块；
所述模型构建模块与所述信息处理计算模块连接；所述模型构建模块用于构建蚀变矿物-指示元素模型，并将蚀变矿物-指示元素模型发送至所述信息处理计算模块中存储；
构建预先存储的蚀变矿物-指示元素模型，具体包括：
采用遥感影像采集设备获取已知典型矿床的地表的遥感地质信息数据，所述已知典型矿床为品位和储量均满足设定开采条件且矿床类型已知的矿床，对所述已知典型矿床的地表的遥感地质信息数据进行预处理，得到遥感处理数据，提取所述遥感处理数据中的反射率谱数据，根据所述反射率谱数据确定所述典型矿床的蚀变矿物种类，对蚀变矿物种类进行加权赋值，得到第一蚀变矿物光谱信息；
采用矿物光谱分析仪对已知典型矿床的蚀变段岩芯进行扫描，得到光谱图像数据，并对所述光谱图像数据进行识别，确定已知典型矿床的蚀变段岩芯的蚀变矿物光谱信息，得到第二蚀变矿物光谱信息；
采用元素快速分析仪对已知典型矿床的蚀变段岩芯中指示金属元素的元素含量进行测定，得到初始元素含量，对所述初始元素含量进行归一化处理，得到归一化后的元素含量；
对归一化后的元素含量进行加权赋值，将赋值后的元素含量作为已知典型矿床的蚀变段岩芯中指示金属元素的元素含量；
采集已知典型矿床的蚀变段岩芯的稀土氧化物质量分数以及已知典型矿床的蚀变段岩芯的地理坐标信息；
以第一蚀变矿物光谱信息、第二蚀变矿物光谱信息、指示金属元素的元素含量和地理坐标信息作为输入，以稀土氧化物质量分数作为输出，采用训练集对机器学习模型进行训练，将训练好的机器学习模型确定为初始的蚀变矿物一指示元素模型。
CN202310868217.3A 2023-07-17 2023-07-17 一种稀土金属矿产快速勘查装置及方法 Active CN116593407B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310868217.3A CN116593407B (zh) 2023-07-17 2023-07-17 一种稀土金属矿产快速勘查装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310868217.3A CN116593407B (zh) 2023-07-17 2023-07-17 一种稀土金属矿产快速勘查装置及方法

Publications (2)

Publication Number Publication Date
CN116593407A CN116593407A (zh) 2023-08-15
CN116593407B true CN116593407B (zh) 2023-09-29

Family

ID=87599498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310868217.3A Active CN116593407B (zh) 2023-07-17 2023-07-17 一种稀土金属矿产快速勘查装置及方法

Country Status (1)

Country Link
CN (1) CN116593407B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4769541A (en) * 1985-04-02 1988-09-06 Commissariat A L'energie Atomique Spectrometric gamma diagraphy system for the determination of the geological parameters of a rock
CN103176221A (zh) * 2013-03-07 2013-06-26 李春华 基于不同地质单元背景值与衬值的成矿异常特征识别方法
CN103454693A (zh) * 2013-09-12 2013-12-18 核工业北京地质研究院 一种白岗岩型铀矿勘查成矿要素遥感图谱特征识别方法
AU2013204292A1 (en) * 2012-11-07 2014-05-22 DSI Underground Australia Pty Limited Rock bolt assembly
CN104808255A (zh) * 2015-04-30 2015-07-29 武汉光谷北斗控股集团有限公司 基于分形理论的矿化异常信息挖掘方法
CN109709626A (zh) * 2018-11-15 2019-05-03 山东省地质矿产勘查开发局 一种构造圈闭型弱开放式层状岩溶热储地热田找矿方法
CN110806605A (zh) * 2019-11-15 2020-02-18 中国地质科学院矿产综合利用研究所 高纬度高寒地区稀土-铀矿遥感找矿方法
CN110991075A (zh) * 2019-12-16 2020-04-10 中国地质调查局西安地质调查中心 一种金属矿产快速勘查评价方法
AU2020102682A4 (en) * 2020-10-12 2020-12-03 Xianguang Wang A prediction method of skarn deposit based on hyperspectral remote sensing images
US10976261B1 (en) * 2019-12-12 2021-04-13 Peter Wilk Apparatus and method of remote prospecting
CN113189671A (zh) * 2021-05-24 2021-07-30 江西省地质调查研究院 特大型金铀钨铜有色稀有金属矿床实用高效找矿勘查方法
CN114114449A (zh) * 2021-11-24 2022-03-01 四川省地质矿产勘查开发局二零七地质队 一种古风化壳-沉积型铌、稀土多金属矿找矿方法
CN115128247A (zh) * 2022-07-07 2022-09-30 西藏华夏矿业有限公司 基于绿泥石指示元素变化判别找矿类型的新方法
WO2022257930A1 (zh) * 2021-06-07 2022-12-15 中国地质大学（北京） 成矿研究区的成矿模拟方法及装置
CN115759816A (zh) * 2022-11-04 2023-03-07 青海省第三地质勘查院 一种寻找造山型金矿的方法
CN115983505A (zh) * 2023-03-20 2023-04-18 山东黄金地质矿产勘查有限公司 一种固体矿产三维立体成矿预测方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018081043A1 (en) * 2016-10-24 2018-05-03 Board Of Trustees Of Michigan State University Methods for mapping temporal and spatial stability and sustainability of a cropping system

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4769541A (en) * 1985-04-02 1988-09-06 Commissariat A L'energie Atomique Spectrometric gamma diagraphy system for the determination of the geological parameters of a rock
AU2013204292A1 (en) * 2012-11-07 2014-05-22 DSI Underground Australia Pty Limited Rock bolt assembly
CN103176221A (zh) * 2013-03-07 2013-06-26 李春华 基于不同地质单元背景值与衬值的成矿异常特征识别方法
CN103454693A (zh) * 2013-09-12 2013-12-18 核工业北京地质研究院 一种白岗岩型铀矿勘查成矿要素遥感图谱特征识别方法
CN104808255A (zh) * 2015-04-30 2015-07-29 武汉光谷北斗控股集团有限公司 基于分形理论的矿化异常信息挖掘方法
CN109709626A (zh) * 2018-11-15 2019-05-03 山东省地质矿产勘查开发局 一种构造圈闭型弱开放式层状岩溶热储地热田找矿方法
CN110806605A (zh) * 2019-11-15 2020-02-18 中国地质科学院矿产综合利用研究所 高纬度高寒地区稀土-铀矿遥感找矿方法
US10976261B1 (en) * 2019-12-12 2021-04-13 Peter Wilk Apparatus and method of remote prospecting
CN110991075A (zh) * 2019-12-16 2020-04-10 中国地质调查局西安地质调查中心 一种金属矿产快速勘查评价方法
AU2020102682A4 (en) * 2020-10-12 2020-12-03 Xianguang Wang A prediction method of skarn deposit based on hyperspectral remote sensing images
CN113189671A (zh) * 2021-05-24 2021-07-30 江西省地质调查研究院 特大型金铀钨铜有色稀有金属矿床实用高效找矿勘查方法
WO2022257930A1 (zh) * 2021-06-07 2022-12-15 中国地质大学（北京） 成矿研究区的成矿模拟方法及装置
CN114114449A (zh) * 2021-11-24 2022-03-01 四川省地质矿产勘查开发局二零七地质队 一种古风化壳-沉积型铌、稀土多金属矿找矿方法
CN115128247A (zh) * 2022-07-07 2022-09-30 西藏华夏矿业有限公司 基于绿泥石指示元素变化判别找矿类型的新方法
CN115759816A (zh) * 2022-11-04 2023-03-07 青海省第三地质勘查院 一种寻找造山型金矿的方法
CN115983505A (zh) * 2023-03-20 2023-04-18 山东黄金地质矿产勘查有限公司 一种固体矿产三维立体成矿预测方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Rare Earth Element and Incompatible Trace Element Abundances in Emeralds Reveal Their Formation Environments;Raquel Alonso-Perez等;《minerals》;1-21 *
基于ASTER的遥感地球化学统计预测模型及应用――以金川铜镍矿床外围找矿为例;陈三明;吴虹;谭泛;张振;;桂林理工大学学报(第04期);480-489 *
蒙古国东南部钨多金属靶区的快速圈定与成矿分析;黄雪飞;张宝林;贾文臣;李晓利;沈晓丽;郭志华;;地质与勘探(第05期);906-914 *
钻孔岩心高光谱技术系统及其在矿产勘查中的应用;张川;叶发旺;徐清俊;武鼎;车永飞;;地质科技情报(第06期);177-183 *

Also Published As

Publication number Publication date
CN116593407A (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
Lemiere A review of pXRF (field portable X-ray fluorescence) applications for applied geochemistry
EP3809133B1 (en) A method for characterizing underground metallic mineral deposits based on rock coatings and fracture fills
Roache et al. Epidote–clinozoisite as a hyperspectral tool in exploration for Archean gold
Barton et al. Extending geometallurgy to the mine scale with hyperspectral imaging: A pilot study using drone-and ground-based scanning
CN110991075A (zh) 一种金属矿产快速勘查评价方法
Marsala et al. Portable energy-dispersive X-ray fluorescence integrates mineralogy and chemostratigraphy into real-time formation evaluation
CN108107481A (zh) 铀矿勘探有利远景区的确定方法和装置
Airo et al. Tips and tools for the application of GTK’s airborne geophysical data
CN109934257A (zh) 一种基于机器学习的基岩潜山油藏岩石类型识别方法
Munier et al. Geological site descriptive model. A strategy for the model development during site investigations
Ogunsanwo et al. Aeroradiospectrometry in the spatial formation characterization of Ogun State, south-western, Nigeria
Hegab Remote sensing and gamma-ray spectrometry based gold related alteration zones detection: case study (Um Balad area), North Eastern Desert, Egypt
CN116593407B (zh) 一种稀土金属矿产快速勘查装置及方法
Hegab et al. Mineral-bearing alteration zones at Gebel Monqul area, North Eastern Desert, Egypt, using remote sensing and gamma-ray spectrometry data
CN112528106A (zh) 火山岩岩性识别方法
CN109490974B (zh) 一种提高铀多金属综合勘查效率的铀矿地质填图工作方法
CN114152995B (zh) 一种适用于南秦岭高切割浅覆盖区的金矿快速找矿方法
Rodriguez* et al. Quantitative and comparative evaluation of mineralogy and TOC analysis from cores, cuttings and logs in Vaca Muerta unconventional shale play
Bouchou et al. Integration of Nuclear Spectroscopy Technology and Core Data Results for Through-Casing TOC Measurement and Saturation Analysis: A Case Study in Najmah-Sargelu Reservoir, South Kuwait
Gingerich et al. The development of new exploration technologies at Noranda: Seeing more with hyperspectral and deeper with 3-D seismic
Harraden Geotechnical and grain size assessment using Corescan automated core logging and complementary microanalytical techniques
Piana et al. Direct and indirect assessment of the amount of naturally occurring asbestos in fractured rocks
Thurston et al. Logging for Free-The Use of XRF on Cuttings Data in Unconventional Oil and Gas Exploration and Reservoir Characterization
Acero-Allard et al. Review of Characterization Workflow for Geothermal Reservoirs Using High Resolution Cuttings Analysis
Huang et al. Geostatistical estimation analysis of typical Carlin gold deposit in Hunan province, China

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