[发明专利]火成岩中长石含量的确定方法

说明书

本申请提供了一种火成岩中长石含量的确定方法，本方法获取火成岩的原始光谱数据；根据原始光谱数据，采用反演模型确定长石含量；其中，反演模型中，将波长为972nm的波段，波长为1456nm的波段，波长为1856nm的波段，波长为2292.9nm的波段，波长为2481nm的波段均作为自变量，将火成岩中长石含量作为因变量。本方法通过将972nm的波段，1456nm的波段，1856nm的波段，2292.9nm的波段，2481nm的波段作为自变量，将火成岩中长石含量作为因变量，通过反演模型对火成岩中长石含量进行确定，实现了矿物的识别。

技术领域

本发明涉及地球探测技术领域，尤其涉及一种火成岩中长石含量的确定方法。

背景技术

高光谱遥感技术具有丰富的光谱信息，在可见光范围内，许多造岩矿物都有各自的选择性发射特征，因此在研究矿物光谱特征波段方面极具优势。

2016年A.Gholizadeh提出用高光谱数据提取研究点周围的土壤光谱并使用光谱黏土指数估计黏土含量，并用遗留土壤数据与黏土指数建立的线性模型比较，使用参考库校准，这为土壤性质地图提供更优质的方法。2018年K.Adeline利用高光谱数据研究土壤中黏土的含量，并用偏最小二乘回归法分析黏土含量与其性能的预测，并用高光谱数据进行土壤制图。在2011年张立福等通过高光谱数据，对地表岩石CaO与其特征光谱进行研究，通过对比原始光谱与一阶微分光谱，为遥感岩矿识别提供一种新思路。2014年，梁树能等通过高光谱技术探究了绿泥石矿物的特征光谱参量与其主要晶体化学参数的关系，对高光谱技术进行蚀变矿物及造岩矿物种类成分及结构特征的识别和探测具有重要的指导意义。

但是需要一种确定火成岩中长石含量的方法，以便识别矿物。

发明内容

为解决上述问题，本申请实施例提出了一种火成岩中长石含量的确定方法。

S101，获取火成岩的原始光谱数据；

S102，根据所述原始光谱数据，采用反演模型确定长石含量；

所述反演模型中，将波长为972纳米nm的波段，波长为1456nm的波段，波长为1856nm的波段，波长为2292.9nm的波段，波长为2481nm的波段均作为自变量，将火成岩中长石含量作为因变量。

可选地，所述反演模型中的自变量还包括波长为431nm的波段和波长为570nm的波段；

所述S102包括：

根据所述原始光谱数据，采用如下公式，进行enter线性回归分析或者进行最小二乘法回归分析，确定长石含量：

y＝496.334x₁₁-447.278x₁₂+0.128x₁₃+261.325x₁₄+162.841x₁₅+264.489x₁₆-496.175x₁₇；

其中，y为因变量，x₁₁-x₁₇为自变量，x₁₁对应原始光谱数据中第一波段的数据，x₁₂对应原始光谱数据中第二波段的数据，x₁₃对应原始光谱数据中第三波段的数据，x₁₄对应原始光谱数据中第四波段的数据，x₁₅对应原始光谱数据中第五波段的数据，x₁₆对应原始光谱数据中第六波段的数据，x₁₇对应原始光谱数据中第六波段的数据；

所述第一波段的波长为431nm，所述第二波段的波长为570nm，所述第三波段的波长为972nm，所述第四波段的波长为1456nm，所述第五波段的波长为1856nm，所述第六波段的波长为2292.9nm，所述第七波段的波长为2481nm。