金属砂矿勘查中基本分析项目与地质品位的确定--讨论及建议

基本分析项目与地质品位的确定是金属砂矿勘查中基础且重要的环节,对我国金属类砂矿开发与利用产生直接影响。我国现有砂矿地质品位确定方法存在一定差异性,模糊性或矛盾性,对这些重要问题进行讨论是有必要的。本文以多年来滨浅海金属类砂矿调查经验为基础,结合前人研究成果,介绍目前勘查中砂矿品位的主流表示与计算方法,分析其优缺点,继而提出面向新一轮找矿突破要求的改进方法并探讨其可行性。结果表明:金属砂矿勘查品位确定应遵循与时俱进、正确对待误差、综合评价原则,并寻求勘查成本与勘查风险的最佳结合点。建议不采用传统重矿物淘洗+鉴定方法作为基本分析获得矿物品位,推荐视勘查阶段、勘查主要目的、勘查类型灵活选用重矿物含量(THM%)测定、化学分析法换算、自动矿物分析(如MLA)3种方法作为基本分析项目。圈定矿体的边界品位与最低工业品位可直接利用“重矿物含量”或采用“综合圈矿指标”。应选取重点研究区,将其与传统方法进行对比研究与验证,同时对砂矿勘查技术规范体系相关内容进行广泛深入讨论,寻求共识,以求加快补充修订。

基于光谱吸收特征的土壤重金属反演及吸附机理研究（英文）

土壤中的重金属含量较少,难以在光谱曲线上表现出明显的特征,现有的土壤重金属反演实验多是通过统计的方法寻找重金属的敏感波段,不能准确解释土壤重金属的反演机理,难以建立土壤重金属反演的普适性模型,通过分析铁锰氧化物、有机质、粘土矿物在土壤光谱曲线上的吸收特征,深入研究了土壤重金属对可见光近红外光谱的影响,分析了褐土中的重金属反演机理。以徐州试验田为例,共采集80个土壤样本。首先,利用ASD地物光谱仪测定土壤样本的光谱反射率,并采用电感耦合等离子体质谱仪检测土壤样品中的Cr,Cd,Cu,Pb和Zn的含量。然后,土壤光谱经过包络线去除处理,与重金属相关的吸收峰在480,1780和2200 nm附近,所显现的吸收峰主要受土壤中的铁锰氧化物、有机质、粘土矿物的影响。在吸收峰位置提取了光谱吸收特征的四个参数:Depth480,Depth1780,Depth2200和Area2200,分析了它们随五种重金属含量变化的增减趋势,发现四个参数数值与五种重金属含量有很强的相关性。分析单个变量反演重金属发现,参数Depth480反演Cr和Pb的效果较好,参数Area2200,Depth1780反演Cd,Cu和Zn的效果比较好。同时使用四个光谱吸收特征参数,利用最小二乘法、岭回归法、支持向量回归法求取回归系数,建立的五种重金属含量的反演模型比使用单变量建立的反演模型预测能力强且稳定,五种重金属Cr,Cd,Cu,Pb和Zn反演效果最好的验证集决定系数分别是0.71,0.84,0.92,0.80,0.89。结果表明,在此研究区域Cr和Pb容易被铁锰氧化物吸附,而Cd,Cu和Zn更容易被有机质、粘土矿物吸附。此研究为探究土壤光谱特征与土壤重金属含量之间的关系提供了参考。

高光谱遥感影像多级联森林深度网络分类算法

高光谱遥感技术在环境监测、应急保障、精细地物提取等方面有着广泛的应用,随着高分五号高光谱数据的正式发布,高光谱遥感技术将发挥更重要的作用。遥感影像分类作为高光谱遥感影像信息处理的重要部分,已成为当前研究重点。本文针对传统多级联森林深度学习中模型复杂、无法利用基分类器差异信息、对类间差异较小的样本无法正确区分等不足,提出了一种改进的多级联森林深度学习模型,在模型框架中,分别采用了随机森林和旋转森林作为基分类器,并引入逻辑回归分类器作为判别器用于训练层扩展。相较于传统的深度神经网络,改进的多级联森林深度网络超参数较少且能够自适应确定训练层,更方便进行模型优化。实验采用了高分五号数据集及两个公开的高光谱数据集(Indian Pines数据集及Pavia University数据集)进行精度评定,同时选择了传统分类器支持向量机、深度置信网等模型作为对比分析。实验结果表明,改进的多级联森林深度学习模型能有效地进行高光谱遥感影像分类,且较传统的分类方法精度有所提升。