短波红外光谱技术在蚀变矿物测定中的研究

1 前言

目前常用的高光谱探测波长范围覆盖 380-2500nm ，可见光（380—760nm ）与近红外（ 760-2500nm ）两个区段。在高光谱遥感中，通常利用短波红外波段来提取矿物蚀变组合信息，用于识别含水或含 O-H 的矿物，以及高温、低温的硫酸盐矿物和碳酸盐矿物等。这些矿物组合多分布在热液型金属矿床的蚀变带，通过其组合特征不仅能判定热液成矿体系的环境，还可据此反演环境参数，为圈定找矿远景区并开展后续勘查提供重要线索与依据。

短波红外技术可识别含水或含 O-H 矿物、高低温硫酸盐矿物以及碳酸盐矿物等蚀变组合，这些组合多分布于热液型金属矿床的蚀变带。基于蚀变组合特征不仅可判定热液成矿体系的环境，还能据此反演相关环境参数，为划定找矿远景区及后续勘查工作提供重要依据与线索。

2 短波红外光谱技术的国内外研究现状

红外光谱测试技术最早可追溯至 20 世纪 40 年代，并在 20 世纪 60 年代后逐渐应用于矿物学与矿床学研究。根据波长范围不同，红外光谱可划分为：近红外光谱（VNIR， 400nm～1100nm ）、短波红外光谱（SWIR，1100nm～2500nm ）及热红外光谱（TIR， 6000nm～25000nm ）。在地质应用中，通常依据矿物组构特点选用短波红外和热红外波段（ 1300nm～2500n m； 6000nm～25000nm ）识别并分析不同成矿环境下的蚀变矿物。

短波红外光谱（SWIR）一般指 900nm～2500nm 区域的电磁波，目前已成为一种快速、无损的矿物探测手段，广泛应用于与热液蚀变相关的多阶段矿物学研究和矿物填图。矿物的相对含量、组成以及结晶有序度等信息可通过光谱吸收深度、吸收峰位置及波形特征进行推断。SWIR 区域的矿物吸收特征主要由不同分子组合与各自的振动过程决定，对其解析有助于识别矿物的物理化学性质。例如，在 SWIR 波段内可鉴定二八面体硅酸盐（如高岭石、白云母、铝蒙脱石），三八面体片状硅酸盐（如绿泥石），以及碳酸盐（如方解石、菱铁矿）和硫酸盐（如石膏、明矾石、黑云母）等。近年来，随着短波红外技术在地质研究中的进一步推广，国内学者对利用该技术快速识别野外蚀变矿物组合的重要性也越来越重视。

当前常见的地面及岩心光谱扫描仪（ 350～2500nm ）包括澳大利亚联合谱仪公司的 PIMA、Corescan 公司的 HCI-2 岩心扫描仪、联邦科工开发的 HyLogger 岩心扫描仪，美国 ASD、SVC、GER-IRIS 便携式光谱仪，以及中国地质调查局南京仪器研制中心的 BJKF 便携式近红外矿物分析仪、中国科学院遥感与数字地球研究所的 FISS 和南京地调中心研发的岩心扫描仪等。

3 短波红外技术原理及矿物识别特征

利用短波红外技术鉴定物质成分的核心在于不同组分对短波红外辐射的选择性吸收，引发分子振动并产生特征吸收光谱，再根据这些特征对物质组成及相对含量进行判断。短波红外光谱一般界定在 1300-3000nm ，主要吸收官能团是含羟基基团，包括 C–H（甲基、亚甲基、甲氧基等）、羟基 O–H、氨基 N-H 等。某些矿物的特定官能团在此区间会呈现不同的吸收特征，可用来区分不同矿物成分。通常情况下，温度越高且结晶度越好的矿物，其短波红外吸收峰会更为尖锐；含结晶水的矿物会使吸收峰更加突出，而含有吸附水的则呈现较为平缓的峰形。同一种矿物因结晶度差异，短波红外区间的吸收峰也会在宽度上存在差异，且结晶度越高，峰形越狭窄。

基于短波红外光谱吸收特征，可在 2170～2210nm 范围识别包含 Al–OH 的矿物，如叶腊石、黄玉、白云母、绢云母、伊利石、高岭石、蒙脱石等及明矾石、黄铁甲矾、石膏等硫酸盐矿物； 2300～2400nm 区间可检测到Mg-OH 矿物，如绿泥石、滑石、叶蛇纹石、黑云母、金云母等以及碳酸盐矿物（方解石、菱镁矿、白云母、菱铁矿等），其中各自表现出不同的吸收特征； 2240～2265nm 段出现 Fe–OH 矿物（如绿泥石）的特征吸收峰；此外，绿帘石会在 1540nm 与 2340nm 同时出现吸收峰，电气石则在 2200nm 以及 2240～2250nm 波段均有特征吸收峰。基于这些吸收规律，短波红外技术可用于有效区分不同矿物组分。

4.1 样品测量

测量高光谱样品时，使用仪器自带的内部光源在室内进行，可有效避免大气辐射和天气变化的影响。测试前应对样品进行清洗与干燥，防止其他物质对短波红外–热红外吸收、反射及发射特征的干扰；同时，需确保测点处岩石新鲜、接触面平整光滑。测量时，在保证数据获取正常的情况下，还会在样品周围约 2cm 范围内增测 2～3 个点，以及测量中蚀变矿物不被遗漏（储阳，2021）。

4.2 数据解译

数据处理与解译采用澳大利亚 CSIRO 的光谱矿物分析软件 TSG 的 TSA 分析系统。通过 Script 编程，针对性的对典型蚀变矿物进行光谱特信息的提取，其中高光谱样品对比分析数据库采用了澳大利亚 CSIRO 针对世界不同类型矿床中实际采样后建立的标准矿物光谱数据库。

TSG 软件能够识别的矿物主要有 46 种，包括 Kaolinite（高岭石）、Dockite（迪开石）、Muscovite（白云母）、Phengite（多硅白云母）、Paragonite（钠云母）、Montmorillonite（蒙脱石）、Nontronite（绿脱石）、MagnesiumClays（镁粘土）、Pyrophyllite（叶腊石）、Diaspore（水铝石）、Topaz（黄玉）、Chlorite（绿泥石）、Biotite（黑云母）、Phlogopite（金云母）、Tremolite（透闪石）、Actinolite（阳起石）、Hornblende（角闪石）、Serpentine（蛇纹石）、Talc（滑石）、Epidote（绿帘石）、Tourmaline（电气石）、Calcite（方解石）、Dolomite（白云石）、Magnesite（菱镁矿）、Alunite（明矾石）、Jarosite（黄钾铁矾）、Gypsum（石膏）、Illite（伊利石）等等。

5 结论

短波红外光谱识别矿物主要依据矿物成分的吸收特征。通常，矿物的吸收特征有吸收峰位置、吸收深度等。其中吸收深度与矿物成分的含量之间呈定量相关关系；吸收波段位置可以确定矿物类型。

参考文献

储阳,2021.近红外光谱在天然岩石矿物成分含量测定中的应用[J/OL].现代盐化工,48(6):65-66.