[发明专利]一种基于铜元素光谱指数反演的铜元素丰度预测方法

说明书

本发明公开了一种基于铜元素光谱指数反演的铜元素丰度预测方法，通过获取目标铜矿区的样品，并在预设的光谱指数集合中确定出最佳光谱指数；然后判断所述最佳光谱指数对应的最佳波段是否在预设区间内，若是，则通过所述最佳光谱指数建立回归模型，同时通过哈普克模型构建反演函数，并通过所述回归模型和所述反演函数进行铜元素丰度预测；若否，则通过哈普克模型构建反演函数，并通过所述反演函数进行铜元素丰度预测，其中，光谱指数集合包括反射率光谱指数、一阶导数光谱指数、第一简单比值光谱指数、第二简单比值光谱指数、第一归一化差值光谱指数和第二归一化差值光谱指数，本方案具有普适性，能够快速准确地对目标铜矿区进行铜元素丰度预测。

技术领域

本发明属于铜元素丰度预测领域，具体涉及一种基于铜元素光谱指数反演的铜元素丰度预测方法。

背景技术

随着20世纪80年代高光谱技术的发展，对地观测技术发展到一个新的阶段，高光谱获得的连续光谱特征直接识别地物类型、组成以至地物的成分，使遥感技术发生了质的飞跃，从鉴别(分类)发展到对地物的直接识别，从探测宏观地物发展到探测地物的组分以至化学组成，其中，矿物识别就是高光谱遥感技术在地质应用最成功的领域之一。

进入二十一世纪以后，随着高光谱技术的发展与成像光谱仪的研制成功，多层次的高光谱信息获取体系得以形成。丹麦和格陵兰地质调查所的Enton，在Sarfartoq碳酸盐综合区采用HyMap高光谱数据进行岩性填图，成功地得到了白云石碳酸盐、霓长岩、黑云碳酸盐的空间分布。甘普平等分析和总结了矿物光谱特征，如Al-OH矿物、CO2-3矿物、Fe2+矿物、Fe3+矿物和Mn2+矿物等含离子大类矿物，建立的矿物识别谱系在一定程度上可以实现对高光谱岩矿信息的智能识别。刘圣伟等在短波红外光谱区域进行了研究，结果表明白云母、绿泥石等粘土和碳酸盐岩矿物具有可以识别的诊断性光谱吸收特征，特征吸收波段的深度与岩石中这些矿物的含量密切相关。何建国等研究发现我国花岗岩型铀矿床水云母在2.11～2.12μm、2.20～2.21μm和2.34～2.35μm位置存在稳定的诊断性吸收峰，其中2.20～2.21μm位置的诊断性吸收峰最为显著。

目前，很多研究都在致力于寻找能从高光谱数据中提取矿物元素丰度的解析方法，其中利用光谱特定吸收峰特征参数或其它形式的光谱指数建立的经验回归模型方法在一些研究中取得了成功，但是这些模型大多还停留在基于各自数据库的经验公式，不具有物理机制，不能解析其反演机理，也无法推广到其它地区或其它矿物中，不具有普适性。

因此，亟需一种适应性强，且能快速、准确地反演预测铜元素丰度的方法。

发明内容

本发明的目的在于提供一种基于铜元素光谱指数反演的铜元素丰度预测方法，实现了快速、准确地反演预测铜元素丰度。

本发明提供了一种基于铜元素光谱指数反演的铜元素丰度预测方法，所述方法包括：

S1、获取目标铜矿区的样品，并在预设的光谱指数集合中确定出最佳光谱指数；

S2、判断所述最佳光谱指数对应的最佳波段是否在预设区间内，若是，则执行步骤S3，若否，则执行步骤S4；

S3、通过所述最佳光谱指数建立回归模型，同时通过哈普克模型构建反演函数，并通过所述回归模型和所述反演函数进行铜元素丰度预测；

S4、通过哈普克模型构建反演函数，并通过所述反演函数进行铜元素丰度预测。

进一步地，所述光谱指数集合包括反射率光谱指数、一阶导数光谱指数、第一简单比值光谱指数、第二简单比值光谱指数、第一归一化差值光谱指数和第二归一化差值光谱指数。

进一步地，所述光谱指数集合中各光谱指数通过如下公式进行表示：

反射率光谱指数：pλ1；

一阶导数光谱指数：pλ1-pλ2；