热红外反射光谱技术在石英含量评价中的应用

张弘， 高鹏鑫， 高卿楠

(自然资源实物地质资料中心， 河北 三河 065201)

石英是热液矿床主要的贯通性矿物之一，蕴含着丰富的成矿信息，热液在运移成矿过程中，形成的硅化作用是热液矿床重要的找矿标志[1-7]。此外，石英在页岩气勘探开发过程中发挥着重要的作用，石英含量与总有机碳含量存在一定的相关关系，并且石英作为页岩中重要的脆性矿物，其含量成为影响页岩气储层可压裂性的关键性因素[8-11]。因此，开展石英的定量研究在固体矿产和油气资源领域都具有十分重要的意义。目前主要的矿物定量分析方法包括X射线衍射方法和扫描电镜矿物定量分析方法[12-14]，但是这两种方法均存在样品制备流程相对繁琐、测试成本较高、实验周期较长等缺点，从测试经费和实验周期等因素考虑，通常只挑选少量代表性样品进行分析，无法满足野外钻井现场对全孔岩心进行快速、大批量矿物定量分析的需求，在一定程度上制约了勘查效率。因此，急需开发一种新的技术方法来满足野外快速估算钻井中石英含量的需求。

热红外光谱技术是近十几年来新兴的一种快速、无损、精确识别矿物的技术手段，能够探测SinOk、CO3、SO4、PO4等原子基团基频振动，对无水无羟基矿物(架状硅酸盐、岛状硅酸盐、单链状硅酸盐、碳酸盐、硫酸盐)具有很好的识别效果，弥补了短波红外光谱只能识别含水含羟基矿物的缺陷[15-17]。国内外学者主要利用热红外反射光谱识别与成矿作用密切相关的石英、长石、石榴子石、橄榄石、辉石、磷灰石、碳酸盐等矿物，并且根据矿物组合的分布特征、各种矿物相对含量的变化规律、指示性矿物特征吸收峰波长位置变化趋势等信息，结合地球化学获得的主微量元素、金属含量等信息，建立了矿床热红外光谱勘查模型，广泛应用于矽卡岩型、铁氧化物型、海底热水喷流沉积型、造山型金矿等各种类型矿床的矿物填图与找矿勘查工作[18-23]。如Lampinen等[21]通过对澳大利亚爱博铜铅多金属矿开展岩心热红外光谱扫描工作，认识到从近矿到远矿存在一套富镁菱铁矿、铁白云石、含二价铁的白云石逐步替代地层中的白云石基质，证实了存在一套可渗透的流体通道；Tappert等[22]通过对奥林匹克坝铁氧化物型铜金矿开展岩心热红外光谱扫描工作，发现从强蚀变带到弱蚀变带，多硅白云母在9600nm处反射峰的波长位置逐步向短波方向偏移，可以用来指示绢英岩化的蚀变程度。在矿物含量评价研究方面，国内外很多学者基于泰拉(Terra)卫星搭载的先进星载热辐射和反射辐射仪(ASTER)获取的热红外遥感数据、标准光谱库或者岩石样本的热红外发射光谱，开展了SiO2以及石英含量的含量评价研究[1,24-28]，取得大量的研究成果。Hunt和Salibury首先发现了岩浆岩的发射率光谱与SiO2含量存在很强的相关性；Ninomiya等基于ASTER卫星热红外数据建立了定性表征SiO2含量的光谱指数；闫柏琨等和杨长保等通过研究标准光谱库或岩石库中矿物成分、含量和发射率光谱之间的相关性，建立了SiO2含量评价模型；杜锦锦等[26]、郭帮杰等[27]通过研究不同含石英的岩石样品中发射率光谱特征和石英含量的相关性，建立了石英含量热红外高光谱遥感回归模型，并进行了野外验证。这些成果都是利用热红外发射光谱开展SiO2以及石英含量评价方面的研究，而有关利用热红外反射光谱提取石英含量信息的研究鲜有报道。与热红外反射光谱相比，热红外发射光谱测试对样品以及环境的温度要求较高，数据处理过程也更加复杂，适合于星载、机载热红外传感器对星体、地表等目标进行大尺度远端遥感探测。而在野外现场对钻井岩心等目标进行小尺度地面近端遥感探测，红外反射光谱更加适合于进行批量的矿物学信息提取。

本文选择羌塘盆地泥岩、砂岩、砾岩、灰岩和白云岩等典型沉积岩样品为研究对象，使用热红外反射光谱技术获取样品在热红外波段的反射率数据，结合QEMSCAN矿物定量分析技术获取样品中的石英含量，开展了石英热红外波段特征光谱参数和石英含量的相关性研究，使用最小二乘法建立了石英含量和光谱特征参数之间的线性回归模型，并采用拟合优度和均方根误差对模型的精度进行评价和检验。本研究旨在建立一种快速评估钻井岩心中石英含量的方法，为热液型金属矿产勘查与油气资源开发提供技术支撑。

1 实验部分

1.1 样品采集与制备

本次测试样品来源于羌塘盆地。羌塘盆地位于青藏高原北部，是中国陆上面积最大的中生代海相含油气盆地，油气资源潜力巨大。大地构造位置上，羌塘盆地位于特提斯—喜马拉雅构造域东段，油气地质条件与毗邻的西段中东油气区相似，使得羌塘盆地油气地质调查倍受关注[29]。选择羌塘盆地北部玛曲地区QZ16和万安湖地区QD17两口钻井作为研究对象，从QZ16钻井中挑选出25块岩心样品，其中砂岩11块，砾岩5块，泥岩2块，灰岩4块，白云岩3块，样品编号由“QZ16”加阿拉伯数字组成；从QZ17钻井中挑选出35块岩心样品，其中砂岩7块，砾岩1块，灰岩27块，样品编号由“QZ17”加阿拉伯数字组成。

使用钻机钻取直径约25mm的柱塞样，沿着柱塞样其中一个端面进行切割，得到厚度约为5mm的薄片样和剩余柱塞样，与薄片样相连的剩余柱塞样端面用于测试热红外光谱数据，薄片样经过洗油、洗盐、烘干、抽真空注胶、机械抛光、氩离子抛光和喷碳处理后用于矿物成分定量分析。

1.2 热红外光谱测试

本次实验中，热红外光谱数据测试使用的仪器为Agilent 4300手持式热红外光谱仪，其优点在于分辨率高、探测波段宽、测试速度快。该仪器既可用于野外现场也可以用于室内环境，由于岩心放置于室内，因此本次热红外光谱数据测量均在室内进行。每次仪器开机后，必须使用金板对仪器进行定标，确保数据质量，在采集样品测量数据过程中确保仪器探头与样品待测表面接触良好。

该仪器使用镜面反射探头附件采集样品热红外光谱数据，测试结果为样品反射率值，测试的波段范围为中红外-热红外波段，光谱范围为650～4000cm-1(2500～15000nm)，分辨率为4cm-1。每个数据采集点进行了3次测量，取其平均值作为该数据采集点的热红外测试数据。为保证实验测试数据精度，每测试1h，需要对光谱仪进行定标[30]。使用TSG8.0软件对样品的光谱进行数据处理和光谱吸收特征提取，首先需要将所有样品的光谱数据重采样至热红外波段，重采样后的波段范围为5500～15000nm，分辨率为25nm。然后将所有样品的光谱数据进行归一化处理，最后选择特征吸收峰的波长区间，采用减法运算对特征吸收峰波长区间的包络线进行局部连续去除，使用多项式拟合，提取去除包络线后的光谱数据在特征吸收峰波长区间内的吸收深度[31]。

1.3 矿物成分定量分析

本次实验矿物成分定量分析使用的仪器为QEMSCAN 650F型矿物成分定量分析仪。该仪器是采用综合自动矿物岩石学检测方法(QEMSCAN)，以扫描电镜+能谱仪为平台，结合数学科学和计算机科学发展而来的一种矿物综合分析技术[32]。仪器在分析样品前需要对铜、金和石英三种标样进行校准，确保数据质量。

仪器工作条件为：电压15kV，电流5.5nA，工作距离13mm，分辨率25μm。该仪器利用非常细的聚焦高能电子束在样品表面扫描激发出各种物理信息，通过背散射电子图像灰度与X射线的强度相结合能够得出元素的含量。使用iDiscover软件对数据进行处理，获取不同岩性薄片矿物定量分析结果。

2 结果与讨论

2.1 石英热红外反射光谱特征

石英在热红外波段的波峰形态呈典型的“M”状，主要由Si—O键的伸缩振动引起的。图1为样品QZ16-5的热红外光谱曲线，在本次采集样品中QZ16-5的石英含量最高，QEMSCAN分析结果显示石英含量为79.02%。从图1中可以看出，石英在热红外波段主要存在三个明显的波峰和波谷特征，波长中心位置分别位于8625nm、12640nm和14450nm附近。在8625nm附近存在一个十分尖锐的吸收谷，是石英最主要的光谱特征，归属于Si—O键的不对称伸缩振动；在12640nm附近存在次级的吸收谷，在14450nm附近存在较弱的反射峰，两处光谱特征都归属于Si—O键的对称伸缩振动[33]。

图1 石英热红外光谱特征Fig.1 Characteristics of thermal infrared spectrum of quartz

2.2 不同岩性样品石英热红外波段光谱特征

使用TSG8.0软件提取泥岩、砂岩、砾岩、灰岩和白云岩等5种主要岩性沉积岩样品在石英三个特征中心波长位置(8625nm、12640nm和14450nm)的相对深度，分别以D8625、D12640和D14450表示。不同岩性样品石英的光谱特征参数和石英含量见表1。

由表1中数据可见，泥岩样品中石英含量为41.77%～78.73%；D8625值为0.176～0.237，平均值为0.2065；D12640值为0.0301～0.0627，平均值为0.0464；D14450值为0.0292～0.032，平均值为0.03。砂岩样品中石英含量为34.75%～79.02%；D8625值为0.142～0.245，平均值为0.195；D12640值为0.0283～0.0609，平均值为0.049；D14450值为0.0194～0.0488，平均值为0.031。砾岩样品中石英含量为57.63%～71.46%；D8625值为0.174～0.218，平均值为0.2；D12640值为0.0323～0.0484，平均值为0.04；D14450值为0.0107～0.032，平均值为0.025。灰岩样品中石英含量为0.6%～26.14%；D8625值为0～0.0182，平均值为0.017；D12640值为0～0.0465，平均值为0.005；D14450值为0～0.0355，平均值为0.003。白云岩样品中石英含量为6.29%～39.33%；D8625值为0.00603～0.202，平均值为0.106；D12640值为0.000557～0.0458，平均值为0.022；D12640值为0～0.032，平均值为0.018。

表1 样品中石英含量及光谱特征参数

泥岩、砂岩、砾岩等陆源碎屑岩样品和灰岩、白云岩等碳酸盐岩样品在石英含量上存在明显的差异，通过D8625、D12640和D14450三个石英的特征光谱参数可以区分陆源碎屑岩和碳酸盐岩样品。图2为不同岩性样品在8625nm、12640nm和14450nm处的吸收深度，总体而言，泥岩、砂岩、砾岩等陆源碎屑岩样品在8625nm、12640nm和14450nm处的吸收深度普遍大于灰岩、白云岩等碳酸盐岩样品。本次研究结果表明当D8625>0.14或D12640>0.02或D14450>0.02时，样品岩性主要为泥岩、砂岩、砾岩等陆源碎屑岩；而当D8625<0.14或D12640<0.02或D14450<0.02时，样品岩性主要为灰岩、白云岩等沉积岩。由此可以通过分析D8625、D12640和D14450三个石英光谱特征参数，建立一种快速区分陆源碎屑岩和沉积岩的热红外光谱方法。

图2 不同岩性样品在(a)8625nm、(b)12640nm和(c)14450nm处的吸收深度Fig.2 Absorption depths at (a)8625nm, (b)12640nm and (c)14450nm of different lithology samples

2.3 石英含量和石英光谱特征参数相关性分析

使用SPSS25软件分别对石英含量和石英光谱特征参数D8625、D12640和D14450之间的皮尔森(Pearson)相关性和显著性检验参数进行分析。皮尔森相关系数介于-1与+1之间，其绝对值越接近于1，表示两个变量之间的相关性越高；采用双侧显著性水平检验变量之间相关性是否显著，用sig值表示，如果该值小于0.01，表明两个变量之间具有极显著的相关性[34-36]。结果显示，D8625、D12640和D14450与石英含量的皮尔森相关系数分别为0.957、0.945和0.846，都处于高度相关；显著性检验参数(sig值)分别为3.098×10-33、3.996×10-30、8.241×10-18，都具有极显著的相关性。表明D8625、D12640和D14450三个石英的光谱特征参数都可以与石英含量进行线性回归分析。

2.4 石英含量回归模型构建及精度评价

将60件测试样本分为两组：一组40件作为训练样本，采用最小二乘法分别建立石英含量和石英光谱特征参数D8625、D12640和D14450的一元线性回归模型，使用判定系数(R2)测定回归模型的拟合程度。R2越接近于1，表示测试值和实验值的拟合程度越好；另一组20件作为测试样本，用于评价模型的精度，使用均方根误差(RMSE)来检验。RMSE值越小，模型的精度越高，预测能力越好[34]。

式中：μi为石英含量实验值；μi︿ 为模型估算的石英含量；n为样品数量。

图3为训练样本中石英含量与石英光谱特征参数D8625、D12640和D14450的线性回归模型。其中，D8625与石英含量的回归方程为：y=282.04×D8625+1.2448，R2=0.9237；D12640与石英含量的回归方程为：y=1117.7×D12640+2.6421，R2=0.8993；D14450与石英含量的回归方程为：y=1463×D14450+6.4666，R2=0.6504。上述三个回归方程中y均表示为石英含量。从图3中可以看出，依据D14450参数建立的线性回归模型其数据离散程度最大，D12640次之，D8625最低。此外，D8625与石英含量的拟合效果最好，D12640次之，D14450与石英含量的拟合效果最差，表明三个线性回归模型中，使用D8625参数建立的石英含量估算值与实际值差别最小。

图3 训练样本中石英含量与(a)D8625、(b)D12640和(c) D14450线性拟合图Fig.3 Linear fitting diagrams of quartz content associated with (a) D8625, (b) D12640 and (c) D14450 in training samples

将20件测试样本数据分别代入训练样本建立的三个石英定量反演模型中，使用均方根误差(RMSE)来评价三个模型的精度。表2为三个模型的石英含量反演结果和模型均方根误差。可以看出，根据D8625石英光谱特征参数建立的石英含量模型的均方根误差最小(8.51)，D12640模型次之(9.28)，D14450模型的均方根误差最大(10.38)，表明依据D8625参数建立的石英定量反演模型的精度最高，预测能力最好。

表2 三个模型石英含量反演结果及模型均方根误差

3 结论

本文以羌塘盆地砂岩、灰岩、泥岩、砾岩和白云岩等沉积岩样品为研究对象，应用热红外反射光谱技术和QEMSCAN矿物定量分析技术，开展了石英定量反演模型研究。D8625、D12640和D14450三个光谱特征参数与石英含量都具有高度的相关性，都可以用来模拟石英含量，其中根据D8625参数建立的石英含量估算模型的线性拟合程度最好，均方根误差最小，可以作为反演石英含量的最优光谱指标。

本文尝试应用热红外反射光谱建立了石英定量反演模型，可以为野外钻井现场提供一种快速、无损的石英含量评价方法，为热液矿床以及页岩气的勘查和开发提供重要的技术指导。本研究建立的石英热红外光谱反演模型具有很高的拟合优度，但数据点分布相对有些离散，下一步可以通过优化石英光谱特征参数提取方法来进一步提高石英含量的反演精度。