SpectraScan^© SWIR-LWIR地矿勘查高光谱成像分析系统，是易科泰光谱成像与无人机遥感技术研究中心，基于SpectraScan^©光谱成像扫描平台技术，集成Specim SWIR、LWIR高光谱成像传感器，最新推出的一站式地矿勘查高光谱成像解决方案。

该系统结构紧凑、兼容性高，无需特别的专业背景即可操作和维护，成像单元光谱范围覆盖1000-2500nm短波红外及8-12μm长波红外波段，极大满足地质、矿产、工业、安全等应用领域及地质地球科学、环境监测研究领域的特殊需求，为商业公司和学术研究用户提供了一种完整、即时可用的低成本、高效益解决方案。

SpectraScan^© SWIR-LWIR系统；右图为岩矿样品表面的蚀变区域（红色）分布

主要特点：

Ø  一站式岩矿样芯成像分析平台，标配SWIR、LWIR高光谱成像，可选配VISIR、NIR波段

Ø  SpectraScan^©高精度移动扫描平台，样品在精准位移平台上自动运送至成像单元进行成像分析

Ø  双轨式同步升降控制，根据样品尺寸灵活调整成像距离，获取最优分辨率数据

Ø  可对大型岩矿样芯、矿物粉末、样品盒整体进行成像检测分析

Ø  触摸屏控制，嵌入式操作系统，全中文地面站软件，可无线操控平台运行

Ø  支持组合命令（Protocols），可实现自动运行protocols

Ø  主机系统带脚轮，方便移动，适应于实验室和工业矿厂等工作环境

Ø  可选配高分辨率RGB成像、红外热成像分析

Ø  可选配SpectraScan^© 360°旋转扫描平台，适用于野外矿坑、峭壁、山体扫描成像

主要参数指标：

应用案例1：高硫化型浅成低温热液系统中的岩石样品的高光谱表征

石英在高硫化型浅成低温热液系统中是必不可少的，其主要用于硅化和晚期泥质带的鉴定。然而，仅用SWIR范围的数据很难检测石英，因为这种非氢氧化物矿物在SWIR范围内没有吸收特征。特文特大学地球信息科学与地球观测学院Abera M G等学者，结合SWIR和LWIR高光谱数据对西班牙东南部Rodalquilar高硫化型浅成低温热液系统的岩石样品进行了表征。

图1-1：Rodalquilar研究区地理位置及样品所在地的地质图

本研究使用了来自Rodalquilar浅成低温热液系统的56个岩石样品的SWIR和LWIR波段高光谱图像来表征岩石中的矿物。研究人员对高光谱数据进行反射率、发射率转换、滤波及变换等多种预处理，并通过分析两种数据，反映与浅成低温热液系统相关的矿物，如石英、钾长石、辉石、钙长石、方解石和白云石，以及SWIR波段敏感矿物，包括明矾石、黄钾铁矾、高岭石、埃洛石和绿脱石。随后，研究人员将独立的 SWIR 和 LWIR 结果相结合，用于岩石样品中矿物的精准识别和绘图。

图1-2：准备进行高光谱数据采集的岩石样品。置于装满沙子的木箱上的样品（左）；LWIR成像伪彩色图（右）

图1-3：硅蚀变带在LWIR和SWIR波长范围内的发射率和反射光谱。箭头表示LWIR发射率最小特征和SWIR吸收特征

图1-4：晚期泥质带在LWIR和SWIR波长范围内的发射率和反射光谱。箭头表示LWIR发射率最小特征和SWIR吸收特征

根据SWIR-LWIR结合分析结果，该岩石样品被划分为蚀变带，将岩石样品的蚀变带与现有矿物图进行比较发现，在该样品中存在硅酸盐、页硅酸盐、硫酸盐和碳酸盐矿物。还分析得出了 Rodalquilar 高硫化型浅成低温热液系统中硅化和晚期泥质带的精细分布并绘制矿物图。该方法为矿石矿化研究提供了指引，并改进了西班牙东南部 Rodalquilar 低温热液系统现有的蚀变带图。

图1-4：样品05ch094分别在SWIR和LWIR波段表达的矿物分布图。 A) 2267nm指示的黄色区域代表黄钾铁矾，2170nm指示的青色区域代表明矾石； B) 8969nm指示的青色区域代表明矾石，9018nm指示的偏绿色区域代表黄钾铁矾，其他颜色则为石英和明矾石的混合物。A）图中黑色代表石英，对应B）图中9200nm指示的红色区域

该研究表明，结合了SWIR波段和LWIR波段的高光谱成像技术，可轻松用于识别岩石样品中的蚀变和未蚀变矿物，并可用于定位高硫化型浅成低温热液系统的硅质和高级泥质带。本研究确定的蚀变带有助于研究人员对浅成低温热液系统的进一步理解，及对高硫化型浅成低温热液系统蚀变带的划定和表征的探索。

应用案例2：金矿床地质填图的矿物学-地球化学标准

位于俄罗斯东部哈巴罗夫斯基地区的Levoberezhnoye矿床，集中分布于中性火山岩中，嵌于流纹岩和广泛蚀变的湖流凝灰岩及熔结凝灰岩中，并形成陡倾石英-冰长石 金-银 角砾岩-矿脉体系。这些含矿的蚀变火山岩伴随着石英-冰长石-硫化物胶结物和细硫化物互相浸染，经历了多次热液角砾岩化作用，使得矿脉和岩石粒度细小，难以直观识别矿物。

Polymetal公司工程科学与冶金学博士Ilya Anisimov等人使用SWIR和LWIR波段高光谱相机对该矿床样品进行红外高光谱图像扫描。并根据矿物的光谱特征，对样品图像进行主成分分析和回归分析。区分了石英(Qu)；针铁矿(Cth)；长石，包括正长石(Ort)、微斜长石；粘土矿物，包括高岭石(Kaol)、地开石(Dk)、蒙脱石(Mnt)、伊利石(Ilt)、白云母。

图2-1：矿床样品的RGB图（左）；及高光谱扫描局部分析结果（右）

辐射光谱分析表明，在钻孔岩心样品和抛光样品中均发现了和辉钼矿品位接近的矿物，呈暗块状和片状。它被磷灰石所腐蚀(见下图)，表面有白蜡石和软屑岩。该蚀变辉钼矿呈褐色，具有类似石墨的暗淡金属光泽，在矿床中广泛分布。粗精矿中钼的回收率在40%左右。

图2-2：显微镜下样品中各矿物分布

研究发现，氰化尾渣中金的损失与硫化物含量密切相关，硫化物氧化为黄钾铁矾和臭葱石，样品中的红色成分增加，表明金回收率提高。而绿泥石的缺失和白云母向伊利石、伊利-蒙脱石的转化也表明金氰化回收率提高。样品中金的实验回收率和预测模型回收率之间的相关系数R²=0.46，有较强相关性。

图2-3：样品中各矿物的PCA分析（左）；Au的实验回收率和模型回收率之间的回归分析（右）

研究表明，利用高光谱样芯扫描成像技术，可对钻孔样芯进行海量地质填图，快速、无损识别和解释地球化学定义的矿石和岩性类型，且可以实现针对不同的矿化类型进行矿物勘探。

参考文献：

[1] Abera M G , Hecker C A , Bakker W . Characterization of Rock Samples Using SWIR-LWIR Hyperspectral Imaging Techniques – An Example of The High Sulfidation Epithermal System of Rodalquilar, Southeast Spain. 2019.

[2] Anisimov I, Sagitova A, Kharitonova M , et al. Mineralogical-Geochemical Criteria for Geometallurgical Mapping of Levoberezhnoye Au Deposit (Khabarovsk Region, Russia)[M]. 2019.