虽然遥感技术在大宗型金属矿产资源勘查方面取得了非常卓越的成效,但将其应用于稀有金属矿物提取的成果较少,尤其是对硬岩型锂铍矿物识别,主要受光谱分辨率、含矿岩体与围岩物性差异小、锂铍矿物光谱区分差异小等因素限制。为此,本研究通过野外采集含锂铍矿物伟晶岩和围岩样品并测量其光谱数据,使用光谱增强技术凸显光谱特征,对比分析特征吸收参数相似度模型和深度神经网络模型对矿物识别精度的影响。结果表明:(1) 结合包络线去除和混合高斯模型提取的光谱吸收特征参数更简洁且具有更强的地质内涵;(2)光谱增强技术可提高模型识别精度,对比原始光谱,基于对数一阶导数光谱构建的模型的总体精度提高了0.05;(3) 从总体精度看,深度卷积神经网络(总体精度=0.78)比浅层网络模型(反向传播模型总体精度=0.55和极限学习机模型总体精度=0.73)能够取得更好的效果。因此,结合高光谱技术和深度学习能够有效快速地识别花岗伟晶岩型矿物,为航空-航天成像高光谱影像直接提取锂铍矿物提供科学依据。

铌钽是发展电子、航空、医疗、机械、原子等新型产业的关键性稀有金属,随着我国对铌钽资源的需求持续性增长,增大铌钽矿产出是当务之急,因而开展铌钽成矿机制和富集规律的研究尤为重要。前人对铀、汞、铍、硼、锂等矿物多样性和时空分布特征的研究表明,基于大数据的矿物演化研究能够为矿物的富集和成矿机制提供新的思路,为找矿预测提供新的方向。本文从全球矿物综合数据库(RRUFF)中获取了全球含铌钽矿物的大数据,对全球含铌钽矿物的种类(179种)、数量(1 488个)以及地理空间分布在地质历史时期变化的特征和规律进行了分析。研究结果表明,含铌钽矿物的种类和数量随着地球演化过程不断累积增长,且增长具有明显的阶段性,在基诺兰超大陆聚合期、潘基亚超大陆聚合期和潘基亚超大陆裂解期均存在明显的增长高峰。铌钽矿物演化的重要时期与超大陆形成、裂解的时间具有良好的耦合性,暗示了铌钽金属的富集与超大陆旋回存在内在的联系,这种内在联系还需要进一步挖掘。

伟晶岩型锂矿分布广且资源量大,是我国当前主要工业应用类型。新疆镜儿泉锂矿是东天山造山带最大的伟晶岩矿床,具有巨大的稀有金属找矿潜力。本文以镜儿泉锂矿为例,利用便携式地物光谱仪采集光谱反射率数据,对典型岩石及矿物样品进行波谱测试与分析,揭示花岗岩、含矿伟晶岩、不含矿伟晶岩、锂辉石和锂云母等岩石矿物的光谱特征,分析典型手标本及其镜下显微特征,并对国内典型矿床岩矿光谱开展对比分析研究。结果表明:1 913 nm波谱可以作为含矿伟晶岩、不含矿伟晶岩、花岗岩和白云母、锂云母和锂辉石光谱特征的区分特征关键波段,是含矿和不含矿的一个光谱指示波段。通过对比分析新疆阿尔金地区、西昆仑大红柳滩地区和四川甲基卡地区的伟晶岩型锂矿光谱特征,其光谱特征大致相同,吸收位置有1~4 nm的差异。本研究为今后开展伟晶岩型锂矿的遥感调查评价奠定了理论基础。

稀有金属在新材料、新能源和信息技术等新兴产业中具有不可替代性,已成为全球争夺的关键战略性矿产资源。喜马拉雅地区广泛发育呈东西向分布的淡色花岗岩带,延绵上千千米,已被证实具有较大的稀有金属找矿潜力,有望成为我国重要的稀有金属成矿带。以往喜马拉雅淡色花岗岩识别主要依靠野外地质填图,然而该地区自然条件恶劣,地质研究工作程度较低,使得圈定的淡色花岗岩空间分布范围具有不确定性,制约了该地区进一步找寻稀有金属矿。本文围绕喜马拉雅淡色花岗岩的识别,探讨了如何利用地球化学、地球物理和遥感等多源数据,基于机器学习技术在区域尺度和矿区尺度上圈定淡色花岗岩的空间分布范围,为该区进一步稀有金属找矿工作提供参考依据。研究发现:(1)区域勘查地球化学、地球物理和遥感数据可从不同的角度为高效识别淡色花岗岩提供有效的信息;(2)多源数据融合技术通过结合同一目标的不同特征,可以吸收各种数据源的优点,实现不同类型数据的优势互补;(3)深度学习较传统的浅层机器学习算法在深层次地学数据挖掘与集成方面具有显著优势,可深入挖掘多源地学数据间的相关信息,提取与淡色花岗岩有关的高级特征,从而提高岩体识别精度。