矿物光谱外在物理机制

高光谱矿物信息提取~

8.6.1 方法与流程
8.6.1.1 产品生成业务化流程
常用的高光谱矿物填图标准方法：先运用最大噪声分离（MNF）变换对反射率数据进行波谱降维，用像元纯度指数（PPI）分析进行空间降维，然后用N维可视化方法来确定图像端元，进行端元识别，确定矿物波谱，最后用合适的方法进行矿物填图，并对结果进行优化操作。矿物填图流程图如图8.40所示。
1）数据降维。利用MNF变换进行光谱数据减维，分离数据中的噪声，减小运算量。观察最终特征值和MNF图像，确定数据的固有维数，选择合适的MNF波段进行PPI指数计算。
2）计算图像的PPI指数。计算MNF图像的PPI指数，最终产生PPI图像，图像中像元的DN值代表像元被记录为极值的次数，从直方图中选择阈值，仅选择最纯的像元以保证被分析的像元数最小，这些像元被输入到分离特定光谱端元的交互式可视化算法中。
3）N维可视化进一步提纯纯净像元。在N维可视化中，光谱可视为n维散点图中的一个点，n是波段数。通过选择n维散点图的顶点和拐角，进一步提纯纯净像元。将最终确定的端元输入到图像中的感兴趣区（ROI），从图像中提取每个感兴趣区平均反射率光谱曲线作为成像光谱矿物填图的候选端元。

图8.40 常见高光谱矿物填图流程

4）建立真实波谱库。将采集端元的波谱曲线输出，经过波谱分析（用波谱特征拟合算法与USGS标准波谱库进行匹配识别）得到的波谱曲线图，确定端元矿物并建立该矿物的真实波谱库。
5）选择合适的填图方法，辅以自行建立的真实波谱库，提取出各类矿物。并对提取结果做最小图斑去除、类合并等操作，优化矿物提取结果。
8.6.1.2 矿物信息提取的高光谱数据预处理
先将成像高光谱数据进行辐射定标、大气校正等过程得到光谱反射率数据。无论是高光谱成像仪还是传统的多光谱传感器，它们所记录的数据都是地面观测目标的反射或辐射能量的光谱辐射绝对值，与地物目标的光谱反射率或光谱辐亮度值是不一致的。因此，辐射定标和光谱重建是地物识别和定量分析不可缺少的环节。只有经过辐射标定、辐射校正和大气校正，剔除由于大气散射、吸收、地形起伏及传感器本身不稳定带来的各种失真，将记录的图像值转换为地面的反照率值，重建像元地面光谱，才能根据光谱特征，有效地识别地物，反演地物成分。
8.6.1.3 典型矿物光谱吸收特征分析
首先打开波谱数据库系统图8.41调出所研究的典型矿物的光谱进行分析。
根据主要谱带的位置将矿物划分为含Fe2＋矿物、Fe3＋矿物、Mn2＋矿物、碳酸盐矿物、含Al-OH键矿物、含Mg-OH键矿物等大类。
Al-OH：诊断谱带一般位于2165～2215 nm附近；
Mg-OH：诊断谱带一般位于2315～2335 nm附近；
：诊断谱带一般位于2335～2386nm区间；
Fe2＋：诊断谱带一般位于1000～1100nm附近；

图8.41 波谱库系统主界面

Fe3＋：诊断谱带一般位于600～900nm附近；
Mn2＋：诊断谱带一般位于450～600nm附近。
以主吸收谱带和次要吸收谱带的组合特征，并考虑到吸收谱带在不同岩石中的变异，识别矿物族。如对Al-OH键矿物可分为明矾石族、蒙脱石族、白云母族、高岭石族；含Mg-OH矿物可分为绿泥石族、黑云母族、绿帘石族、蛇纹石族、滑石-透闪石族等；碳酸盐矿物包括方解石族、白云石族等。
1）对于Al-OH键矿物：
明矾石族：两个吸收特征分别位于2175nm（2165～2175nm，± 10nm）和2325nm。
蒙脱石族：位于2215nm（2205～2215 nm，± 10nm）的主要吸收特征伴随有一个2440nm的次级吸收。
白云母-伊利石族：位于2205nm（2195～2215 nm，± 20nm）的主要特征吸收伴随有三个次级吸收峰，分别位于2355nm，2440nm和2115nm。
高岭石族：2200nm附近的OH-谱带，在该谱带左翼存在次一级的谱带（2160nm）。
图8.42为典型Al-OH键矿物波谱特征图。

图8.42 几种典型Al-OH键矿物波谱特征图

2）对于碳酸盐矿物：
方解石族：位于2330 nm～2340 nm的主要谱带。
菱铁矿族：同时具有Fe2＋在1000nm与 在2300nm附近的特征谱带。
图8.43为典型碳酸盐矿物波谱特征图。

图8.43 几种典型碳酸盐矿物波谱特征图

3）对于Mg-OH键矿物：
绿泥石族：位于2330 nm主要吸收特征伴随有一个2386 nm及2224 nm两个次级吸收。
绿帘石族：位于2330 nm主要吸收特征伴随有一个2225～2226 nm的次级吸收。
蛇纹石族：位于2320 nm附近主要吸收特征伴随有2110 nm为中心的较宽的弱谱带。
滑石-透闪石族：位于2290～2310 nm附近的较宽的双峰谱带和2385 nm附近的次级吸收。
图8.44为典型Mg-OH键矿物波谱特征图。

图8.44 几种典型Mg-OH键矿物波谱特征图

8.6.1.4 矿物识别技术
目前，基于成像光谱数据的矿物识别的方法主要有：基于光谱波形参数、基于光谱相似性测度、基于混合光谱模型、基于地质统计规律、基于光谱知识的智能识别等。
（1）光谱波形参数提取与蚀变识别的技术方法
岩石矿物单个诊断性吸收特征峰可以用吸收波段位置（λ）、吸收深度（H）、吸收宽度（W）、吸收面积（A）、吸收对称性（d）、吸收的数目（n）和排序参数作完整地表征（陈述彭等，1998）。根据端元矿物的单个诊断性吸收波形，从成像光谱数据中提取并增强这些参数信息，可直接用于识别岩矿类型。如HSI编码与吸收波段图（Kruse，1988）是利用连续统去除后的光谱图像，定义出波段吸收中心位置图像，波段深度图像及波段半极值宽度（FWHM）图像，并分别赋予HSI空间的明度（H）、强度（I）和饱和度（S），然后逆变换到RGB色度空间。代表性的方法还有光谱特征拟合（SFF）等。
光谱特征拟合（SFF，Spectral feature fitting）：光谱特征拟合是一种基于光谱吸收特征的方法，使用最小二乘法技术将图像中每一个像元的光谱曲线与所选择的参考光谱曲线的吸收特征进行拟合。是选择包含目标矿物特定吸收谱带的光谱区间，利用最小二乘拟合方法，比较像元光谱与目标光谱吸收特征的整体形态和吸收深度。该方法对噪音和地形有较好地抑制作用。
（2）基于相似性测度的识别技术方法
成像光谱最大的优势在于利用有限细分的光谱波段，去再现像元对应物的光谱曲线。这样，利用整个光谱曲线进行矿物匹配识别，可以在一定程度上改善单个波形的不确定性影响（如光谱漂移、变异等），提高识别的精度（甘甫平等，2000）。基于整个波形的识别技术方法是在参考光谱与像元光谱组成的二维空间中，合理地选择测度函数度量标准光谱或实测光谱与图像光谱的相似程度。这类方法主要有光谱角制图（SAM）技术、光谱二值编码（Binary encoding）技术等。
（3）基于光谱知识模型识别的技术方法
基于光谱知识模型识别的技术方法是建立在一定的光学、光谱学、岩矿结晶学和数学理论之上的信号处理技术方法。它不仅能够克服利用单一谱形识别所存在的缺陷，而且从地物光谱学原理入手、从本质上理解认识岩矿光谱的物理机制与物理过程，建立光谱数学物理模型，识别并定量提取岩矿信息。这在一定程度上能精确地量化地表物质的组成及深入地描述地物组成的物理特性，以进一步探测地物所蕴藏的成生环境本质。例如，建立在Hpake（1981）光谱双向反射理论基础之上的线性混合光谱分解模型（SMA/SUM），可以根据不同地物或者不同像元光谱反射率响应的差异，构造光谱线性分解模型，从而识别地物，量化地物成分，挖掘地物成生环境信息。
（4）基于地质统计特征的分类识别方法
该类方法是基于地物在图像上的统计分布规律，建立地质模型进行图像分类识别。比较典型的有（Ieohku，etal，1996），概率模型（Porbabilistic Model），几何光学模型（Geomertic-optical Model），随机几何模型（Stochastic Geometric Model）及非参数地质统计模型（Non-paramertic GeostatisticTechnique）。
（5）基于光谱知识的智能识别方法
传统的及上述的成像光谱识别方法利弊共存。对于高维与超大容量的成像光谱数据及大量的实验室光谱研究结果等迫切要求新的高效的遥感定量分析技术。因此，专家系统、人工神经网络、模糊识别等基于光谱知识的智能识别应运而生。神经网络技术是应用最广泛的识别技术（Gong，1996；Jimenez，et al.，1998；Benediktsson，et al.，1995；Garcia Haro，et al.，1998）。Goetting 和 Lyon（1986）建立一个试验性专家系统；Kruse等（1993）建立了基于知识的成像光谱矿物自动匹配制图系统。以Dempster-Shafer证据理论为基础格架的证据推理方法也得到了一定程度的应用。基于光谱知识的智能识别技术方法与系统将是成像光谱遥感地物信息识别、提取与量化及实用化的最佳选择与发展方向，极具潜力。
8.6.2 结果与分析
8.6.2.1 蛇纹石矿物的填图及效果分析
对Hyperion反射率数据进行MNF变换，根据变换结果人工确定变换维数，利用像元纯度指数（PPI）进行分析，根据n维光谱空间进行特征端元采集。运用光谱特征拟合的方法对端元波谱曲线进行波谱匹配，建立真实的波谱库，如图8.45所示。

图8.45 蛇纹石波谱匹配图


图8.46 五种填图方法结果对比

用前文简述的常用五种方法提取蛇纹石的具体位置，并进行对比分析，填图结果如图8.46所示。
用SAM矿物填图方法，可以快速提取端元采集出的所有地物，并用彩色分类影像来显示，使人们很直观地看出该矿物的分布范围。
光谱特征拟合将为每个参照波谱输出一幅比例图像和 RMS 图像或一幅合成的“拟合”图像（Scale/RMS）。较高的拟合值表明该像元与参照波谱匹配较好。但是波谱特征拟合效果并不是很好，因为如果输入了错误的参照端元或使用了错误的波长范围，也会出现一个远远大于1的比例值。
MTMF（混合调制匹配滤波）结果将以一系列灰阶图像的形式出现，两幅图像对应一个被选波谱。浮点型结果提供了像元与参照波谱相对匹配程度的估计方法（1.0表示完全匹配），以及亚像元的权重。不可行性（Infeasibility）值以sigma噪声为单位，显示了匹配滤波结果的可行性。用于准确制图的像元有一个大于背景分布值的较高的匹配滤波值和一个较低的不可行性值。对得出的浮点图进行密度分割等操作，也能很好的得出蛇纹石的分布范围。
MF（匹配滤波结果）将以一系列灰阶图像的形式出现，每幅图像对应一个选择的端元。浮点型结果提供了像元与参照波谱相对匹配程度的估计方法（1.0表示完全匹配），以及亚像元的权重。对MF的结果图做密度分割等操作，也可明显地看出蛇纹石的分布范围。
线性光谱分解的结果将以一系列灰阶图像的形式出现，每幅灰阶图像加上一个RMS误差图像对应于一个端元。经过发现，此方法的提取效果并不是很好，噪声较多。因此在实际应用中，并不建议使用此方法。
通过以上对比分析，发现SAM，MTMF，MF三种方法在本地区都比较适合蛇纹石这种矿物的填图，只是MTMF，MF两种方法还需对结果图进行密度分割处理，稍显繁复，但填图效果良好。
8.6.2.2 白云母矿物的填图及效果分析
对Hyperion反射率数据进行MNF变换，根据变换结果人工确定变换维数，利用像元纯度指数（PPI）进行分析，根据n维光谱空间进行特征端元采集。运用光谱特征拟合的方法对端元波谱曲线进行波谱匹配，建立真实的波谱库（图8.47）。因为随着白云母中Al含量的减少，Al-OH的谱带位置逐渐向长波方向移动，所以可以分辨出贫铝白云母和富铝白云母的波谱曲线。

图8.47 白云母波谱匹配图

用上述五种方法提取蛇纹石的具体位置，填图结果如图8.48所示。
经过以上五种填图方法的对比分析发现，SAM填图方法效果最佳，不仅明确填出白云母矿物的范围，而且避免了误差引起的填图错误。此外，对光谱特征拟合后的结果图做密度分割等操作，所提取的矿物范围也较好。因此，两种方法均适合进行白云母的矿物填图。
8.6.2.3 绿帘石矿物的填图及效果分析
对Hyperion反射率数据进行MNF变换，根据变换结果人工确定变换维数，利用像元纯度指数（PPI）进行分析，根据n维光谱空间进行特征端元采集。运用光谱特征拟合的方法对端元波谱曲线进行波谱匹配，建立真实的波谱库，如图8.49所示。
用上述五种方法提取蛇纹石的具体位置，填图结果如图8.50所示。
经过以上五种填图方法的对比分析，发现SAM填图方法效果最好。但光谱特征拟合、MTMF和MF三种方法对绿帘石也有较好的显示，对他们的结果图做密度分割等操作，也能较好的提取出蛇纹石的范围，因此，以上四种方法都适合蛇纹石矿物的提取填图。

图8.48 五种填图方法结果对比


图8.49 绿帘石波谱匹配图

8.6.2.4 绿泥石矿物的填图及效果分析
选取HyMap数据，选取USGS标准波谱库中绿泥石的光谱曲线作为参考光谱。利用上面的方法提取绿泥石的具体位置，填图结果如图8.51所示。
8.6.2.5 多种矿物填图情况
（1）HyMap数据1情况分析
依据地面区域地质资料，在HyMap反射率数据上选取典型的训练样区，利用这些训练样区提取五种矿物的分布位置。
SAM方法填图：该方法需要设置阈值max angle threshod，通过不同的尝试，绿泥石与富铝白云母分布较广，针对两种阈值的设定情况对比如下（图8.52 ，图5.3）。
Binary Encoding方法填图：该方法需要设置一个阈值minimum encoding threshod，通过不同的尝试，绿泥石与富铝白云母分布较广，针对两种阈值的设定情况对比（图8.54 ，图8.55）。实验发现富铝白云母（黄颜色图例）在阈值设置为0.97和0.96时，分类效果变化非常大，由于软件对该阈值的设定只支持小数点后2位，所以不能进一步的精确，对比分析两种阈值的分类效果，得出二进制编码方法对富铝白云母的提取效果不是很好。
Minimun Distance（MD）方法填图：该方法需要设置两个阈值：Max stdev from Mean；Max Distance Error。通过不同的尝试，绿泥石与富铝白云母分布较广，针对两种阈值的设定情况对比如图8.56和图8.57所示。
Spectral Information Divergence（SID）方法填图：该方法需要设置阈值：Maximun Divergence Threshod。通过不同的尝试，参数设置和填图效果如下（图8.58至图8.60）。
（2）HyMap数据2情况分析
依据地面区域地质资料，在HyMap反射率数据上选取典型的训练样区，利用这些训练样区提取五种矿物的分布位置。
SAM方法填图：该方法需要设置阈值max angle threshod，通过不同的尝试，绿泥石与富铝白云母分布较广，针对两种阈值的设定情况对比如图8.61所示。
最小距离填图：最小距离填图的参数设置及填图效果差异如图8.62和图8.63所示。
（3）模拟数据情况分析
依据地面区域地质资料，在模拟的反射率数据上选取典型的训练样区，利用这些训练样区提取五种矿物的分布位置。

图8.50 五种填图方法结果对比


图8.51 三种填图方法结果对比


图8.52 局部区域填图效果


图8.53 整体区域填图效果


图8.54 填图效果1


图8.55 填图效果2


图8.56 局部区域填图效果截图


图8.57 整体区域填图效果


图8.58 不同阈值局部地区填图效果


图8.59 填图效果（Threshold＝0.001）


图8.60 填图效果（Threshold＝0.005）


图8.61 SAM 方法填图


图8.62 参数1下效果图


图8.63 参数2下效果图

SAM方法填图：该方法需要设置阈值max angle threshod，通过不同的尝试，阈值的设定情况和填图效果如图8.64所示。

图8.64 SAM 填图效果

Binary Encoding方法填图：该方法需要设置一个阈值minimum encoding threshod，通过不同的尝试，阈值的设定和填图效果情况如图8.65所示。多次试验发现该方法对提取chlorite和chlorite＋serpentine的效果不是很理想。

图8.65 填图效果

Minimun Distance（MD）方法填图：该方法需要设置两个阈值：Max stdev from Mean；Max Distance Error。通过不同的尝试，阈值的设定和填图效果情况如图（其中Max Distance Error＝2000 ，图8.66）。

图8.66 填图效果

Spectral Information Divergence（SID）方法填图：该方法需要设置阈值：Maximun Divergence Threshod。通过不同的尝试，参数设置和填图效果如图8.67所示。

图8.67 填图效果（Threshold＝0.005）

8.6.2.6 矿物信息填图结果分析
综合前面的分析结果，开展了矿物信息提取结果图，为了分析矿物信息填图效果，搜集了前人对此试验区（图8.68）进行的矿物填图结果（图8.69）。

图8.68 矿物信息研究的区域图


图8.69 前人的矿物提取结果填图结果

为开展蚀变矿物识别精度分析，可对比研究区本次提取的蚀变矿物分布图（图8.70）与前人提取的蚀变矿物信息分布图结果，逐像素进行对比（由于分辨率不同需做像素变换），如果研究区总的点数为N，本次与前人矿物分布图的结论相同就认为该点取值1，最后统计结果中1的个数n，这样蚀变矿物识别精度可定义为

高光谱遥感技术原理及矿产与能源勘查应用

对比分析本次矿物信息填图结果和前人矿物信息的填图结果，发现其结果并非完全一样。其中蛇纹石的填图效果一致性最高；绿帘石的分布范围一致，但本次数据的填图结果显示的范围较大；白云母的分布范围基本一致，但贫铝白云母和富铝白云母的分布范围有些混淆，经过对比分析，本次数据和前人数据填图范围的一致性达到89%，基本满足高光谱数据的填图要求。对出现误差的主要原因分析如下：
1）前人数据是机载高光谱数据，空间分辨率可达到3～12m，此处的Hymap数据的空间分辨率为5m，而本次数据是模拟星载高光谱数据，空间分辨率为30m。随着分辨率的降低，单个像元所对应的地面面积将增大，导致每个像元中包含更多的矿物类型，矿物间的影响性也会增加。一方面，由于混合像元的平均效应，目标矿物在像元中的等效丰度会下降，光谱信息减弱。当像元中目标矿物的等效丰度下降到检出限以下时，矿物将不能被识别，而造成矿物分布区的外围含量较低的地段和含量较低分布区填绘面积的减少，点状集群分布区的漏识别，线状分布区的断续分布。这种效应相当于检出限的下降。另一方面，当像元中目标矿物的等效丰度在检出限以上时，会使面状矿物分布区的范围扩大、空洞的充填、相邻小区的连接，点状集群分布区的成片，线状区域的斑点效应。这两种效应的综合作用结果，空间分辨率的减小则会使强异常区（包括高丰度区和光谱反衬度较高的矿物分布区）范围的扩大、小区的相连、点群的结合，而使异常更加醒目，但其细节特征会因此消失；弱异常区（包括低丰度区和光谱反衬度较低的那些矿物分布区）和小异常区面积会缩小或漏检；线状异常可能会形成断续分布的小斑块而使线状特征和其走向变得不清晰。因此，在填图的细致程度上，分辨率越高的数据填图效果越好，这是造成填图效果差异的最主要的原因之一。

图8.70 本次试验矿物信息提取填图结果

2）辐射校正的精确程度。无论是高光谱成像仪还是传统的多光谱传感器，它们所记录的数据都是地面观测目标的反射或辐射能量的光谱辐射绝对值，与地物目标的光谱反射率或光谱辐亮度值是不一致的。因此，辐射校正和光谱重建是地物识别不可缺少的环节。由于Hymap数据是机载高光谱数据，Hyperion数据是星载高光谱数据，对两种数据进行辐射校正的参数也是不一致的，因此，得出的反射率数据也是有差异的，这也是造成填图差异的原因之一。
总之，用本次数据进行矿物填图是可行的，它可以在一定程度上对矿物的种类及分布进行识别。

岩石的光谱特征较为复杂，主要受控于内在的矿物成分及其结构的影响，岩石的组成成分、结构不同，会引起岩石的光谱特征。除此之外，岩石的光谱特征还受到环境、大气等诸多外在物理因素的影响，主要表现在以下几个方面。
1. 风化对岩石光谱特征的影响
近地表的岩石受到物理、化学过程的作用发生物理、化学风化，往往会对原始岩石的成分、结构产生改变，从而导致岩石光谱特征的变异。研究表明: 沉积岩在风化面与新鲜面的光谱差异，主要表现在光谱反射率大小上，而在波谱形态上，在可见光部分，由于二价铁、三价铁的影响，变化略大，而在其他部分变化较小。

图 7-10 典型变质岩光谱曲线( 据 Clark，1999)

岩石表面风化程度的影响，主要决定于风化物的成分、颗粒大小等因素。
风化物颗粒细时，使覆盖的岩石表面较平滑，若风化物颜色较浅 ( 如 SiO2，CaCO3，CaMg( CO3)2等) ，则反射率较高。如果风化物颗粒粗，使表面粗糙，则会降低反射率。图7-11 所示的红砂岩，干燥情况下反射率总体高于潮湿时。由于风化物为 CaMg( CO3)2，干燥时色调比较浅，反射率高于岩石的新鲜面。在通常情况下，完整的岩石表面比破碎的岩石表面反射率要高些。
2. 表面粗糙度对岩石光谱特征的影响
岩石表面粗糙度是组成岩石的矿物颗粒的大小、形状、空间分布的函数。在组成岩石矿物成分基本一致的情况下，矿物粒度减小导致光谱反射强度的增高。这是因为粒度越小，它对入射光的散射越强并减少了消光作用，在通常斜入射的情况下，细粒矿物颗粒的微阴影覆盖的面积会变得更小，这样也提高了该表面的反射强度。在组成岩石的矿物成分基本一致、粒度基本相近的情况下，矿物颗粒的形状和空间分布组合不同，岩石的光谱特征也不完全相同。这是因为，不同形状、空间分布组合的岩石反射面积不同，从而影响岩石的光谱特征。
3. 表面颜色对光谱特征的影响
岩石颜色是组成成分的反映。不同种类的岩石由不同的成分组成，因而它们的颜色也各异。由石英等浅色矿物为主组成的岩石，通常具有较高的光谱反射率，在可见光遥感图像上表现为较浅色调; 铁镁等深色矿物为主组成的岩石，总体光谱反射率较低，通常在图像上表现为较深色调 ( 图 7-12) 。一般情况下，岩石颜色深，说明以暗色矿物为主或含有某些有机质杂质，其反射率低; 岩石颜色浅，说明以浅色矿物为主，且含有机质少，其反射率高。岩石中的杂质成分往往反映在岩石的颜色上，进而影响该岩石的光谱反射率，有时甚至压抑掉该岩石的光谱特征。岩石的表面颜色分为新鲜面颜色和风化面颜色两种，它们往往并不相同，这就造成了直接利用实验室岩石光谱数据特征进行遥感图像上岩石信息提取、匹配和分类识别的困难。

图 7-11 砂岩影像 ( 安徽宁国)


图 7-12 典型岩矿的反射光谱

4. 岩石产状对岩石光谱特征的影响
岩石的不同走向、倾向、倾角造成岩石吸收和反射辐射太阳光的差异，因而造成遥感传感器所接收的光谱信息不同，从而在遥感影像上造成同一种岩石不同的光谱特征，或不同的岩石具有相似的光谱特征，即所谓的同物异谱，异物同谱现象。由此造成了遥感图像上岩石信息提取和分类识别的困难。
5. 大气环境对岩石光谱特征的影响
在自然光下测量，大气环境对岩石光谱特征影响明显。大气窗口的限制，风力的随机变化、气温、气压及能见度等都会造成岩石光谱曲线形态的变化。因此，一般在图像处理之前都要进行大气校正。
6. 背景地物对岩石光谱特征的影响
这里主要是指岩石上覆的土壤、植被等地物对岩石光谱特征的影响。造成遥感传感器所接收的光谱信息是几种地物的混合光谱，而不是纯的岩石光谱，造成了岩石岩性信息提取和识别的困难。

水体反射光谱特征的物理机制的主要影响因素是水体本身的光学性质和水的状态。土壤的光谱特征受环境变异影响较小，入射能量不是被吸收就是被反射，不存在投射作用。因此，大部分土壤的反射光谱曲线比较简单。除了水吸收带以外，土壤的反射率一般随波长的增加而增加，呈近似的单质递增关系，这种递增关系在可见和近红外波段尤其明显。岩矿光谱特征的产生主要是由于组成物质内部离子与基团的晶体场效应与基团振动的结果。但外在的物理因素往往也会影响着岩矿的光谱特征。下面分别从矿物颗粒大小、几何光学位置、矿物表面形态与风化作用、矿物或岩石的混合等与岩矿光谱特征的关系进行论述。分析光谱特征参量在各种外在条件下的稳定性，评价消除这些外在因素的可能技术途径。征受环境变异影响较小，入射能量不是被吸收就是被反射，不存在投射作用。因此，大部分土壤的反射光谱曲线比较简单。除了水吸收带以外，土壤的反射率一般随波长的增加而增加，呈近似的单质递增关系，这种递增关系在可见和近红外波段尤其明显。岩矿光谱特征的产生主要是由于组成物质内部离子与基团的晶体场效应与基团振动的结果。但外在的物理因素往往也会影响着岩矿的光谱特征。下面分别从矿物颗粒大小、几何光学位置、矿物表面形态与风化作用、矿物或岩石的混合等与岩矿光谱特征的关系进行论述。分析光谱特征参量在各种外在条件下的稳定性，评价消除这些外在因素的可能技术途径。

图1-1 岩矿可见与近红外光谱特征标识图

（据Hunt，1977）

图1-2 硅酸盐岩矿中红外光谱特征标识图

（据Hunt，1982）

1.矿物颗粒效应

光子散射和吸收的数量依赖于颗粒大小。表面积与体积之比（SVR，surface-to-volume ratio）是颗粒大小的函数。颗粒愈大，内部光学路径愈大；根据贝尔定律，光子将被吸收。颗粒愈小，与内部光学路径比较，将成比例地增加表面反射。这样，在可见和近红外光谱区域，对多级散射，随着颗粒大小的增加，反射率也随之下降。Hunt等（20世纪70～80年代）、Clark等（1999）、王润生等（1999）等都分别对颗粒大小与岩石矿物光谱特征的相互关系进行了深入研究，并证实了这一规律。针对光谱的透明行为、不透明行为以及透明-不透明行为，王润生等（1999）研究认为，对于具有透明行为的矿物，光谱反射率与粒度之间存在近似的对数关系，随着颗粒的变小而增大；不透明行为的矿物光谱反射率随颗粒变小而稍有降低：对于透明-不透明行为的矿物反射率随粒度变小在透明的光谱区间而增大，而在不透明的光谱区却下降，从而不同粒度的光谱发生交叉。但是在中红外，吸收系数非常大以及衍射指数在christensen频率处剧烈变化时，第一表面的反射非常大，甚至被散射信号主宰。这种情况下颗粒大小的影响将是非常复杂，甚至与在短波区域的趋势相反。波段吸收深度与矿物丰度和矿物颗粒大小具有相关性。在两种矿物粒子组成的表面（其中一个具有吸收波段），随着第二个矿物丰度增加，第一个矿物的波段吸收深度随之下降。对纯粉末状矿物随着颗粒增加一个微小值，波段吸收深度首先开始增加，达到一个最大值，然后开始下降。随着颗粒愈来愈大，反射光谱将最终仅由第一表面反射组成。由于波段饱和（band saturation）效应，光谱反射率将永远不会为零。

2.视场几何

视场几何包括入射光角度、反射光角度以及相位角（反射光与入射光之间的夹角）。由于地表粗糙度的影响，视场几何的变化将导致阴影的产生和光线传播距离的改变，第一表面的属性将转向多态散射。对于任何表面和任何波长，当多级散射处于支配地位时，波段吸收深度的变化将非常微小（Clark，1999）。王润生等（1999）通过对地物、光源和仪器观测方向三者几何关系的变化研究认为，视场几何关系仅影响岩矿反射率波谱大小，而波谱整体形态和吸收特征都基本保持不变。

3.矿物表面与风化效应

王润生等（1999）研究认为，岩石表面形态会对谱带强度产生影响，但谱带位置、偏奇度基本保持不变；风化效应的影响较为复杂。一般认为，随化学风化作用的加强，原岩成分会发生变化，如Fe氧化为Fe³⁺，从而使铁离子谱带位置发生漂移，强度有所增减；但阴离子基团对应的谱带位置、波形和偏倚度均较稳定，风化生成的蚀变矿物会使羟基和水的谱带得到加强。莱昂（1996a，b）研究了风化及其他类荒漠表面层对高光谱分辨率遥感的影响，认为由于风化层与其下伏岩层之间光谱特征有时并不完全相同，必须将“岩石内部”物质的光谱和它的“上、下表面”光谱区分开来。莱昂进一步研究认为，对于在SWIR光谱区域具有很强吸收特征的岩石，如含有滑石、绢云母等矿物的岩石与铁氧物质（LDK）表面层相比更能表现出其岩石的“真实”特性。

4.矿物混合

一般的，自然界存在四种矿物混合类型（Clark，1999）：线性混合（Linear Mixture或ArealMix-ture），紧致混合（Intimate Mixture），包裹（Coatings）与分子混合（Molecular Mixtures）。线性混合又称真实混合，各组成成分之间没有多极散射。紧致混合为非线性混合。在包裹混合物中，每一包裹层都是散射或反射层，它们的光学厚度随着矿物性质与波长而变化。分子混合出现在分子级水平，如两种液体或固液一起混合，这种混合能够使波长偏移。线形混合一般情况下能够简单地近似描述混合光谱特征。

5.矿物混合光谱的基本特征

1）混合光谱的整体反射率一般介于参与混合的单矿物光谱反射率之间，且混合光谱反射率近似为混合单矿物光谱反射率的线形组合，特征谱带强度与矿物的百分含量基本呈线性关系。

2）混合单矿物的吸收谱带特征在混合光谱中基本上都能有所反映，但明显程度随着源矿物的相对含量减少而降低：单矿物中一些独有的、较弱的吸收谱带可能会被掩匿以至无法检测或辨识。

3）不同矿物的吸收谱带在混合光谱中会叠加为复合谱带，当混合矿物具相邻近的吸收谱带时，复合谱带的表现行为较复杂。如矿物间的吸收强度相差不大，复合谱带一般介于源矿物谱带之间；如矿物间的谱带差异较大，且矿物含量也有较大差异时，仍能从混合谱带中辨识出各自的谱带，但谱形会发生较大变化。

---

重庆市13884692400： 矿物的物理性质主要都有哪些 - ？
壤才塞必： 物理性质 编辑概述 长期以来,人们根据物理性质来识别矿物,如颜色﹑光泽﹑硬度﹑解理﹑比重和磁性等都是矿物肉眼鉴定的重要标志. 作为晶质固体,矿物的物理性质取决于它的化学成分和晶体结构,并体现著一般晶体所具有的特性──均...

重庆市13884692400： 如紫外可见吸收光谱形成机理是什么?发射光谱(包括荧光,磷光)形成机理等. - ？
壤才塞必： 物质常态下处于能量最低的基态(S0态),当光与物质相互作用之后,物质吸收光子的能量而被激发,能量升高处于激发态,如S1,S2 ... Sn等,这些态统称为激发单重态.激发态的物质是不稳定的,会回到基态.由激发单重态跃迁回到基态(...

重庆市13884692400： 矿物的主要物理性质的类型及定义是什么? - ？
壤才塞必：[答案] 定义:由地质作用形成的具有相对固定的化学成分和确定的内部结构的天然单质或化合物. 物理性质: 长期以来,人们根据物理性质来识别矿物,如颜色﹑光泽﹑硬度﹑解理﹑比重和磁性等都是矿物肉眼鉴定的重要标志. 作为晶质固体,矿物的物理性...

重庆市13884692400： 连续光谱的产生机理大家都知道光谱分为连续谱与现状谱(发射),线状 ？
壤才塞必： 线状谱由稀薄的单质气体产生,是相同种类的少量原子的某些核外电子在其各能级上跃迁时产生的.因此仅有有限的几条谱线. 高压气体、炽热的固体和液体内部有大量原子,而且是不同种类的原子,每个原子又有多个电子,每个电子又有无数的能级, 同一时间,处于各种能级的电子,发生了各种各样的跃迁,产生了各种各样的谱线,这些大量的不同谱线就组成了连续光谱.

重庆市13884692400： 如何识别矿物标本 - ？
壤才塞必： 每个矿物都有它的特征,充分的了解该矿物的特征是识别矿物的基本.矿物特征反映在它的颜色、结构、硬度、结晶程度、物理特征、条纹、光泽、等等.

重庆市13884692400： 矿物学的研究方法 - ？
壤才塞必： 野外研究方法包括矿物的野外地质产状调查和矿物样品的采集.室内研究方法很多.手标本的肉眼观察,包括双目显微镜下观察和简易化学试验,是矿物研究必要的基础.偏光和反光显微镜观察包括矿物基本光学参数的测定广泛用于矿物种的鉴...

重庆市13884692400： 论述矿物最基本物理性质有哪些 - ？
壤才塞必： 物质的物理性质包括:颜色、状态、气味、密度、熔沸点、溶解度,还包括在特殊溶剂中的溶解情况、毒性、对环境影响,消除的物理方法等.

重庆市13884692400： 光谱曲线产生原理 - ？
壤才塞必： 所谓光谱,就是一束光中不同波段的能量大小,比如405nm的能量是10mw 550nm是50mw..积分下来就是总能量.根据这个分布就可以画出一条横坐标是光波波长,纵坐标是光谱能量(或相对强度)的曲线.等倾干涉是等厚干涉的特例.干涉是只光波叠加时,除了考虑光波的振幅A外还要考虑其位相f,叠加后的光强公式是:abs(∑A*exp(f)).宏观来讲,当光波的位相都一致的地方光强会增强,相反的地方回减弱.衍射是只光遇到障碍物时,在边沿会改变传播方向.不同方向的强度分布就需要你去查查书了,我不记得了.

重庆市13884692400： 稀土发光材料的发光机理 - ？
壤才塞必： 稀土的三价离子的特点具有未充满的4f电子层结构,随着原子序数的增加,新增加的电子不是填充到最外层,而是通过4f轨道逐步填充,从4f0(对于La3+)到4f14(对于Lu3+)由于4f电子排布的不同,产生了不同的能级.在紫外光辐照下,几种稀土离子在可见光或近红外光谱区发光.除了La3+和Lu3+的4f亚层为全空或全满外,其余稀土离子的4f电子均可在7个4f轨道之间任意排布,因此产生了各种能级和光谱项,它们可以吸收或者发射从紫外光区,可见光区到红外光区的各种波长的电磁波辐射.因此,这些稀土离子最有趣的功能之一是他们的光致发光性能,而发光的颜色取决于稀土离子不同的能级跃迁.

重庆市13884692400： 红外吸收光谱的原理和用途 - ？
壤才塞必： 工作原理 红外吸收光谱是由分子不停地作振动和转动运动而产生的,分子振动的能量与红外射线的光量子能量正好对应,因此当分子的振动状态改变时,就可以发射红外光谱,也可以因红外辐射激发分子而振动而产生红外吸收光谱. 用途 可用于研究分子的结构和化学键,也可以作为表征和鉴别化学物种的方法,利用化学键的特征波数来鉴别化合物的类型,并可用于定量测定.此外,在高聚物的构型、构象、力学性质的研究,以及物理、天文、气象、遥感、生物、医学等领域,也有广泛应用.