在全球新能源革命加速推進的背景下，鋰資源作為“白色石油”備受關注。如何高效、綠色、精準地探測鋰礦分布與品位，成為上游勘探的關鍵命題。近日，昆明理工大學科研團隊在國際權威期刊《International Journal of Remote Sensing》發表最新成果：創新性提出基于 FOD-GA-XGBoost 的高光譜反演方法，成功實現對碳酸鹽黏土型鋰礦 Li?O 含量的高精度預測。本研究采用國產品牌——萊森光學（Lisen Optics）高光譜儀進行現場測量，為模型構建提供高質量數據支撐，展現了國產科學儀器服務國際前沿科研的實力。

新能源時代的“白色金屬”

鋰是動力電池、儲能系統和新能源汽車的關鍵材料，但傳統勘探依賴化學分析與地質取樣，周期長、成本高且具有破壞性。黏土型鋰礦因資源豐富、品位穩定、開采便捷成為近年熱點，但其分布隱蔽、光譜特征微弱，對檢測技術提出更高要求。以非接觸、無損的高光譜測量結合智能算法進行快速反演，正成為綠色勘查的重要方向。

技術突破：算法與光譜的深度融合

采樣與區域：研究由昆明理工大學土地資源工程學院與云南省空間信息工程中心聯合開展，區域位于云南省富民縣三擔鎮，采集三根鉆孔共 60 組巖心樣品。

儀器與數據：采用萊森光學 iSpecField-WNIR-HRs 便攜式高光譜儀，覆蓋 0.20–2.50 μm 寬波段，配備 2048 像素 BT-CCD 與 512 元 InGaAs 陣列，具備優異的信噪比與波長穩定性，精準捕捉礦物反射光譜細微變化，為后續建模提供高質量原始數據。

算法路線：將分數階微分（FOD）用于光譜特征增強，并以相關系數法篩選關鍵波段；再由遺傳算法（GA）優化 XGBoost超參數，構建 Li?O 含量定量反演體系，實現算法創新 × 光譜測量的高效耦合。

研究成果：高精度反演模型驗證成功

? 決定系數（R2） =0.96

? 均方根誤差（RMSE） =0.033

? 最佳吸收特征波段位于2.15–2.32 μm

明確 2.15–2.32 μm 區間為關鍵吸收特征波段，Li?O 含量與反射率呈顯著負相關。

專家點評

“萊森光學高光譜系統為我們提供了極其穩定的數據源，使復雜礦物光譜的細微變化得以被精確捕捉。FOD-GA-XGBoost 模型的高擬合性能證明了國產光譜儀完全能夠支撐國際頂級科研?！?/p>

—— 昆明理工大學 土地資源工程學院 甘蜀教授

產業意義與展望：以國產儀器點亮智能勘探

該研究為碳酸鹽黏土型鋰礦提供了高效、環保的定量評估方法，推動高光譜技術在新能源礦產領域的規?；瘧?。未來，團隊計劃將模型拓展至無人機機載、衛星遙感平臺，實現礦區級三維 Li?O 分布反演。萊森光學將持續與高校科研院所深度合作，讓“科技之光”賦能資源勘探與生態監測，助力綠色礦業與可持續發展。

關于萊森光學 Lisen Optics

萊森光學專注分光光譜、成像光譜與光電檢測系統研發制造，產品廣泛應用于科研測量、地質勘探、環境監測、農業檢測等領域。便攜式高光譜系列以高分辨率、寬波段、低噪聲著稱，持續服務國內外知名科研機構與高校。

審核編輯 黃宇