沉积磷酸盐岩芯中P2O5品位的快速地球化学评估：高光谱成像与机器学习方法

《Applied Computing and Geosciences》：Rapid geochemical assessment of P2O5 grade in sedimentary phosphate drill-cores: Hyperspectral imaging and machine learning approach

　　

传统的矿物学和地球化学实验室分析虽然准确，但通常资源密集且具有破坏性。红外高光谱岩芯成像（Infrared Hyperspectral core imaging, HSI）能够实现矿物组合和岩性的快速、经济且非破坏性表征，使其成为补充和优化传统矿物表征工作流程的宝贵工具。本研究评估了高光谱成像（HSI）直接从磷酸盐钻芯估算P₂O₅浓度的能力。研究人员提出了一种综合方法，该方法将涵盖可见-近红外（Visible-Near Infrared, VNIR）、短波红外（Shortwave Infrared, SWIR）和中波红外（Midwave Infrared, MWIR）光谱范围的高光谱成像与便携式X射线荧光（portable X-ray fluorescence, pXRF）相结合，并将其应用于来自沉积磷酸盐矿床的一段约65米长的钻芯。研究人员测试了两种策略：（i）间接方法，通过量化碳酸氟磷灰石（carbonate fluorapatite, CFA）（沉积磷酸盐中主要的含磷矿物）来估算P₂O₅含量；（ii）直接方法，通过使用基于pXRF钻芯数据集训练的各种机器学习回归模型来预测P₂O₅含量。尽管间接估计方法与pXRF得出的P₂O₅剖面总体一致，但在SWIR和MWIR区域分别表现出25%和62%的低一致性。使用K-最近邻（K-Nearest Neighbour, KNN）算法对MWIR光谱进行P₂O₅直接估计是最有效的方法，为P₂O₅化学剖面提供了显著潜力，一致性约为87%，平均绝对误差低至2.78%。这些前景良好的结果突显了该地球化学方法在生成矿体知识方面的潜力，支持将地质冶金学（geometallurgy）方法整合到磷酸盐采矿价值链中。

论文解读：基于高光谱成像与机器学习的沉积磷酸盐钻芯P₂O₅品位快速评估

**研究背景与问题**

磷（P）是全球粮食安全和众多工业过程的关键元素，沉积磷酸盐岩作为不可再生资源，对维持农业生产力和化肥供应至关重要。然而，磷酸盐勘探和开采面临重大挑战，主要原因在于磷及其杂质在水平和垂直方向上的显著变化。传统的表征方法（如实验室分析）和视觉录井虽然准确，但耗时、成本高且具有破坏性，通常需要复杂的样品制备，限制了测量的空间分辨率，并因低密度采样而难以进行主动质量评估和发现隐蔽矿化区域。此外，近地表矿床的持续枯竭和覆盖层增厚要求突破这些限制，以提高矿体表征效率。因此，亟需一种快速、连续、非破坏性的技术来实现高分辨率的化学剖面分析。

**研究内容与结论**

本研究旨在评估红外高光谱成像（HSI）直接从磷酸盐钻芯估算P₂O₅浓度的能力。以沉积磷酸盐矿床中一段约65米长的钻芯（来自摩洛哥Gantour沉积盆地）为研究对象，研究人员提出了一种综合方法，将可见-近红外（VNIR）、短波红外（SWIR）和中波红外（MWIR）三个光谱范围的高光谱成像与便携式X射线荧光（pXRF）数据相结合。通过比较间接方法（基于碳酸氟磷灰石CFA丰度估算P₂O₅）和直接方法（使用机器学习回归模型预测P₂O₅）的性能，发现直接方法，特别是基于MWIR光谱的K-最近邻（KNN）模型，表现最优，一致性达约87%，平均绝对误差为2.78%。该研究证明了红外高光谱成像在快速、非破坏性、无辐射条件下进行P₂O₅品级预估的强大潜力，并为将地质冶金学方法整合到磷酸盐采矿价值链提供了支持。该论文发表在《Applied Computing and Geosciences》。

**主要关键技术方法**

本研究采用以下关键技术：① 高光谱岩芯扫描，使用SPECIM SisuROCK扫描仪获取VNIR（400–1000 nm）、SWIR（1000–2500 nm）和MWIR（2700–5300 nm）三个范围的反射光谱数据；② 利用便携式X射线荧光（Niton XL5 pXRF）在钻芯上获取430个点的P₂O₅浓度测量值，用于模型训练和验证；③ 借助扫描电子显微镜能谱分析（SEM-EDS）辅助提取碳酸氟磷灰石（CFA）的纯净光谱端元；④ 采用非负矩阵分解（NMF）进行光谱解混，并使用光谱角映射（SAM）算法进行CFA的间接映射；⑤ 应用多种机器学习回归模型（包括KNN、GPR、ExtraTrees等）进行P₂O₅的直接预测，并通过Savitzky-Golay滤波和SelectKBest进行数据预处理与特征选择。样本来源为摩洛哥Gantour沉积盆地SCP8-7钻芯。

**研究结果**

**3.1 SCP8-7钻芯地层记录**
通过对钻芯进行岩性录井，揭示其从马斯特里赫特阶到伊普雷斯阶的沉积序列，主要包括磷酸盐灰岩和泥灰岩，并夹有燧石、硅化泥灰岩和白云质灰岩等层段。岩性变化与P₂O₅含量分布密切相关。

**3.2 P₂O₅便携式XRF化学剖面**
pXRF测量显示，P₂O₅浓度随深度和岩性变化显著，在磷酸盐砂层中浓度超过15–20%，而在硅化泥灰岩和白云质灰岩等夹层中浓度较低。数据呈右偏分布，建议使用非参数方法进行分析。

**3.3 利用与CFA的光谱相似性间接估计P₂O₅**
通过SAM算法在SWIR和MWIR范围内映射CFA，并基于其理论P₂O₅含量（约37.6 wt%）进行线性缩放。结果表明，MWIR域提供了更连续、更准确的映射，而SWIR域因光谱特征重叠导致空间碎片化。定量评估显示，间接方法在SWIR和MWIR的CCC值分别仅为0.10和0.62（全钻芯），MAE在5–7%以上，表明该方法不足以准确估计P₂O₅浓度。

**3.4 利用机器学习方法直接估计P₂O₅**
使用330个pXRF测量点作为训练集，100个独立点（来自Box 12）作为评估集，训练并评估了多种回归模型。MWIR光谱的KNN模型表现最佳，一致性（CCC）达0.867，R²为0.761，MAE为2.78%。SWIR范围的GPR模型次之（CCC为0.845），而VNIR范围所有模型表现较差（CCC<0.5，MAE>5%）。这表明MWIR光谱与P₂O₅之间存在强非线性关系，需要灵活的非参数模型进行捕捉。

**讨论与结论**

讨论部分指出，MWIR范围对P₂O₅预测的高准确性与其对碳酸盐和磷酸盐矿物振动泛频的敏感性一致，尤其是P–O伸缩振动的第一泛频（2ν₃）及对称和非对称伸缩组合（ν₁+ν₃）位于4700–5200 nm区域。相比SWIR和VNIR，MWIR提供了更清晰的CFA诊断特征。模型性能对比表明，P₂O₅光谱响应本质上是非线性的，KNN等非参数模型能更好地表征平滑的吸收-浓度关系。在高浓度处的预测偏差主要由数据不平衡导致，增加样本量可改善。该研究强调了MWIR在沉积磷酸盐钻芯表征中的巨大潜力，其快速、经济高效的特点可显著提高矿体知识，优化勘探与开采规划，并有助于减少矿山废石中的磷酸盐损失。

**结论翻译**：本文解决了沿沉积磷酸盐钻芯快速、高分辨率、连续剖面分析P₂O₅的挑战。使用传统地球化学分析方法进行如此详细的剖面对将是非常耗时、劳动密集且昂贵的，甚至不切实际。研究表明，利用基于MWIR高光谱数据训练的机器学习模型直接预测P₂O₅含量，其表现优于将CFA丰度作为替代变量的方法，准确率超过75%。预测模型中对高浓度值的整体低估可以通过使用包含更高浓度的更大样本来解决。探索将所有研究波长范围结合或扩展到其他区域（如长波红外LWIR）的潜力，也将有助于充分利用有助于估计P₂O₅的光谱特征。所展示的结果为利用红外高光谱成像进行P₂O₅映射开辟了新机遇。这些发现还凸显了红外高光谱成像的潜力，不仅有助于改进矿床建模和资源估算，而且通过更快、更经济、空间更全面的磷酸盐矿石表征，转变勘探和开采策略。