基于光谱联合分析的鞍山式铁矿原位测定方法

刘善军 虞茉莉 王 东

（东北大学资源与土木工程学院，辽宁沈阳110819）

铁矿资源是支撑国民经济的主要矿产资源，也是国家发展的重要物质基础。“鞍山式”铁矿国际上又称为条带状铁建造（Banded Iron Formations，简称BIF），在全球广泛分布，占世界铁矿总储量60%［1］，也是我国最重要的铁矿类型，占全国铁矿资源总储量55.2%，居于全国首位。因此，对其研究程度的高低，直接影响我国乃至世界铁矿资源供给与需求满足。铁矿中组分含量的确定对于衡量铁矿石品质的优劣具有重要意义，并且可以指导配矿流程、选矿方法的确定。传统的室内测定方法虽然精度较高，但存在周期长、工作量大、操作繁琐等不足，已成为智能开采和高效配矿的技术瓶颈。

高光谱分析技术是20世纪80年代兴起的一种定性定量分析技术，其与传统方法相比具有快速、无损、便携等优点，因此被广泛应用于岩矿分析等领域［2］。国内外学者通过对多种矿物与岩石的可见光-近红外光谱特性进行研究，发现依据谱带特征能够实现对矿物、岩石的识别及定量分析［3-4］。鞍山式铁矿主要由磁铁矿（Fe3O4），赤铁矿（Fe2O3）和石英（SiO2）矿物组成，应用高光谱技术对铁含量与二氧化硅含量的定量分析已有许多成果问世。一些学者分析了磁铁矿的光谱特性，发现铁含量与0.85～0.9 μm波段光谱反射率均值呈显著的指数函数负相关关系，据此可估算试验样品中的铁品位［5-6］。毛亚纯等［7］通过对鞍山式铁矿的反射光谱进行分析，发现铁矿石中的磁性率与其反射光谱相关性显著，基于试样反射光谱建立了磁性率的定量反演模型，模型误差为3.8%。文献［8-11］基于ASTER数据建立了SiO2含量的定量回归模型，并进行了实际验证，取得了较好的效果。杨杭等［12］在对试验样品的热红外光谱特征进行分析的基础上，建立了样品SiO2含量多元线性回归定量反演模型，预测精度较高。刘善军课题组［13］通过对鞍山式铁矿的发射光谱进行分析，发现铁矿石中的二氧化硅含量与其发射光谱相关性显著，据此建立了二氧化硅含量的定量反演模型，误差为3.57%。

反射光谱主要是由岩矿中的金属阳离子电子跃迁产生，适宜对鞍山式铁矿中Fe离子矿物含量进行反演；发射光谱主要是由岩矿中的Si—O键分子振动产生，适宜于对鞍山式铁矿中石英的含量进行定量反演。但是，使用单一光谱测试方法，往往难以确定铁矿中所有组分的含量。因此，对于“鞍山式”铁矿，如何利用高光谱分析技术进行矿石中所有组分含量的测定，需要进一步研究。对此，本研究将反射光谱与发射光谱协同起来，建立光谱联合分析方法，进而确定样品中各组分含量。该方法为铁矿石原位测定以及遥感找矿提供了新的技术方法。

1 理论分析

反射光谱分析技术中普遍使用的谱段范围为反射波段（0.4～2.5 μm），矿物的反射光谱特征主要与金属阳离子和阴离子基团有关，光谱特征的差异主要取决于晶体物化属性的不同，即金属阳离子的电子跃迁、阴阳离子的化合价、阳离子的配位数目、主要阳离子的质量、键的共价程度、阴阳离子间的距离、晶体对称的不同。因此，不同的矿物会形成独特而稳定的反射光谱曲线，并在特定的波长位置产生稳定的光谱特征，指示着某种矿物的存在状况以及含量的高低。一般而言，阳离子（如Fe2+，Fe3+、Mn3+等）因电子跃迁在可见光区或近红外区具有显著的特征谱带，基于此波段的光谱特征可进行铁品位的定量反演［14］。

发射光谱主要是由于岩矿中的分子振动产生的，岩矿中最普遍、最重要的分子振动为Si—O键的分子振动，其能量级差较小，对应的光谱主要集中在中红外区和远红外波段。因此，可见光、近红外波段不具备识别Si—O键的特征谱带，但热红外波段可以有效识别。由于大气吸收及散射等原因，5～8 μm区间的电磁波在大气中的透过率非常低，因此8～14 μm是热红外遥感最常用的波段范围，也称为大气窗口。因此基于试样在8～14 μm波段的发射光谱特征可实现SiO2识别提取以及含量的定量反演［12］。

2 样品制备与光谱测试

2.1 样品制备

辽宁省鞍山—本溪地区是我国最主要的鞍山式铁矿富集区，该地区铁矿储量约占全国铁矿总储量的20%。本研究以辽宁省鞍钢集团下属的鞍千矿为试验区，在区内露天采场的不同地点共采集了100件典型块状试验样品，其大小约为12 cm×12 cm×6 cm。然后对其进行加工处理，得到100件厚度为1 cm、直径为6 cm的圆盘形样品，如图1所示。

2.2 组分确定

光谱测试完毕后，对样品中的组分及其含量进行了确定，结果如图2所示。由图2可知：样品主要由 Fe2O3、Fe3O4、SiO23 种组分构成，其总量接 近99%。其他杂质组分含量很少，主要为CaO、MgO，总量约1%。经过分析发现，样品中SiO2含量与Fe2O3、Fe3O4二者含量之和呈反比关系，而 Fe2O3、Fe3O4二者含量之间也呈反比关系，此为鞍山式铁矿成分的典型特征。

2.3 反射光谱测试

本研究采用便携式地物光谱仪SVC HR-1024对试验样品进行了反射光谱测试。为保证光谱测试时太阳高度角在45°以上，光谱测试时间在10:00～14:00进行；为减小气溶胶和其他因素的影响，光谱测试选择在天空晴朗无云的室外进行。光谱测试时，将试验样品水平放置，并保持光谱仪镜头垂直于样品观测面，观测距离设置为0.3 m。每件样品重复测试3次，取其均值作为该样品的反射光谱数据。

2.4 发射光谱测试

采用红外光谱辐射计Turbo FT对样品进行发射光谱测试。由于大气对样品的发射光谱具有一定的影响，因此选择8～14 μm波段的光谱曲线进行分析。为减弱周围环境的辐射与影响，选择在天空无云、无雾、微风的室外进行，测试时让样品观测面保持水平，垂直观测样品表面，观测距离设置为0.3 m。每件样品重复测试3次，取其均值作为该样品的发射光谱数据。

3 光谱分析

3.1 反射光谱特征分析

试验样品的反射光谱测试结果如图3所示，由于样品数量较多，不便全部显示在一幅图中。为此，选取典型的样品光谱曲线进行分析。选择的标准是包含铁矿石光谱曲线的上限和下限各2条，然后中间部分等间距再选择3条光谱。对试样光谱进行分析后发现：赤铁矿与磁铁矿反射光谱形成两种截然不同的光谱趋势。赤铁矿反射光谱曲线于0.35～0.90 μm波段呈现下降趋势，于0.90～1.25 μm波段呈现显著上升趋势，于1.25～2.50 μm波段呈现较平缓的趋势；磁铁矿反射光谱于0.35～2.50 μm波段均呈现较平缓的趋势。这是由于赤铁矿中的铁离子主要是以Fe3+形式赋存，Fe3+在0.75 μm形成了一个微弱的反射峰，并于0.95 μm形成了一个非常显著的反射谷，如图3中的实线所示；磁铁矿中的铁离子主要是以 Fe2+形式赋存，Fe2+在 0.35～2.50 μm 波段没有明显的光谱特征，因此其反射光谱曲线较平缓，如图3中虚线所示。

3.2 发射光谱特征分析

典型试验样品的发射光谱测试结果如图4所示。分析发现：在8～10 μm波段发射率较低，由2个显著的发射谷组成，2个发射谷之间形成一局部的发射峰；10～12 μm波段，光谱整体较平缓；12～14 μm波段，有2个较微弱的发射谷及1个12.5 μm处的发射峰。样品在8～10 μm波段明显的发射谷特征是硅酸盐特有的辐射特征，主要由Si—O键的分子振动引起，而且8～10 μm发射谷的深度与岩矿中石英的含量呈现显著正相关关系，即试样中石英含量越高，该位置发射谷的深度越深，试样中石英含量越低，该位置发射谷的深度越浅。部分铁品位高的矿石样品，由于发射率较低，导致仪器测不准，在12～14 μm波段出现发射率高于1的现象。

4 模型建立与验证

4.1 模型建立

由上文测试结果可知，试验样品的反射光谱可以反映矿石中金属离子（Fe3+、Fe2+）的特性，而发射光谱则可以反映矿石中SiO2的特性，二者结合则可以协同反映矿石成分的全貌。文献［7］研究发现，金属阳离子（Fe2+，Fe3+等）因电子跃迁在可见光-近红外波段具有明显的特征吸收谱带。因此，可依据样品反射光谱，通过建立定量反演模型，对样品磁性率进行定量反演，如式（1）、式（2）所示：

式中，RI为比值指数；R0.935为0.935 um波长的反射率；R1.050为1.050 um波长的反射率；C磁性率为样品的磁性率。

文献［13］研究发现，试验样品SiO2含量与样品热红外光谱存在密切联系，可据此建立定量反演模型，对试验样品中SiO2含量进行反演，如下式所示：

式中，NDI为归一化指数；E8.06为试验样品8.06 um波长的发射率；E8.2为试验样品8.2 um波长的发射率；C二氧化硅为试验样品SiO2含量。

由于鞍山式铁矿主要由SiO2、Fe2O3、Fe3O43种组分组成，其含量达到总量的99%左右。因此，假设样品中只有这3种组分，则应用式（4）即可对样品SiO2含量进行预测，进而确定出Fe2O3、Fe3O4总含量。然后，依据样品反射光谱，应用式（2）对磁性率ω（FeO）/ω（TFe）进行定量反演。在此基础上，根据Fe2O3中Fe的比例为0.7，Fe3O4中Fe的比例为0.724，基于上述已知条件联立方程组，可得：

通过解式（5）可以确定出样品中Fe2O3、Fe3O4含量，即：

于是，可得到矿石中全铁品位TFe：

经过上述步骤，即可确定出试验样品中SiO2、Fe2O3、Fe3O43种主要组分的含量及样品的磁性率与铁品位等工业指标。

4.2 应用验证

选择鞍钢矿业公司的鞍千矿露天采场作为试验场，在采场的5个开采断面布设了5条勘探线（图5），对勘探线处每间隔一定距离进行采样。采样方法为：在矿体的边界处一般采样间隔为0.5～1.0 m，而在矿体内部一般采样间隔为2.0 m，跟据该方案进行露天采场样品采集。然后对样品进行反射光谱与发射光谱测试，并应用上述模型对矿石中组分含量进行定量反演。最后，依据样品采集位置的GPS坐标，将其展布于平面图中，结果如图5所示。由图5可知：矿体北部铁矿品位相对较高，矿体中部和南部区域铁矿品位相对较低，东南部有一小部分区域的品位低于工业品位20%。将提取结果与矿区实际数据进行了对比，发现铁矿分布情况与矿区现场铁矿富集情况基本一致，结果比较理想。

为检验所建模型的精度，在现场采集了15件样品进行了室内组分测定，并与模型反演结果进行对比，结果表明：模型反演的SiO2含量的平均预测误差为 3.6%，w（FeO）/w（TFe）平均预测误差为 3.64%，Fe2O3含量的平均预测误差为4.6%，Fe3O4含量的平均预测误差为3.74%，全铁品位的平均预测误差为3.5%。从反演结果来看，虽然单件样品的反演精度较室内测试方法偏低，但由于现场的便携式原位测定方法具有采样密度高、速度快、效率高等优点，5个开采断面中251件试验样品，1 d内即可测试完成，具有很高的时效性。

需要指出，该方法由于只考虑了Fe2O3、Fe3O4、SiO2的测定，而忽略了其它含量少的成分测试，且由于光谱测试受到样品表面粗糙度、观测角度、光照条件等影响，目前还存在较大的误差。但随着这些影响因素和影响规律的进一步研究和模型优化，有望进一步减小测试误差，逐步应用于矿山岩矿的原位测试，推动无人采矿、智能采矿、智能配矿技术的发展。

5 结 论

本研究选取“鞍山式”铁矿石作为试验样品，将反射光谱和发射光谱相结合进行了矿石组分的定量分析，得到以下结论：

（1）基于反射光谱可以定量反演出“鞍山式”铁矿的磁性率，而基于发射光谱可以反演样品的二氧化硅含量，将两者优势相结合，建立了反射光谱和发射光谱联合的分析模型，可确定鞍山式铁矿中的SiO2、Fe2O3、Fe3O4各组分含量，进而确定矿石的全铁含量，为“鞍山式”铁矿石各组分含量的原位测定提供了新方法。

（2）基于新的原位测定方法进行的铁矿体品位分区圈定结果，与基于室内化验方法的圈定结果基本一致，使用15件实际样品进行了测试验证，全铁品位的平均预测误差为3.5%。

（3）需要说明的是，目前新方法较室内测试方法精度偏低，有待改进。但由于其采样密度高、速度快、效率高、时效性强，在某些方面具有特定优势，且在后期模型优化和精度提高的基础上，有望代替室内测试方法，逐步应用于矿山岩矿的原位测试，为将来的岩矿智能感知，以至于无人采矿、智能采矿和智能配矿提供新的技术方法。

致 谢

感谢鞍钢集团鞍千矿业有限责任公司对本研究给予的支持！