玄武岩的大地构造岩石化学特征与判别的初步研究

本文用地洼学说的大地构造观点,对与地壳演化的深部作用有密切关系的玄武岩类岩石的一些岩石化学数据进行研究,指出反映深部作用差异的地槽、地台、地洼三阶段玄武岩时空分布的三个高峰,揭示出三阶段玄武岩类岩石,总的存在由拉斑玄武岩系列→钙碱性玄武岩系列→碱性玄武岩系列的演化规律,以及三阶段玄武岩浆源的深度有逐渐加深的趋势。最后提出了一个较简明的判别不同大地构造属性玄武岩的岩石化学标志图。     

微量元素La,Nb,Zr在判别大地构造环境方面的应用

La，Nb，Zr是一组耐熔强亲岩浆元素。其相互之间的比值关系恢复深部作用的地球化学过程。玄武岩类特别是原始玄武岩浆形成的岩石的La／Zr及Nb／Zr比值，能较好地反映其源区的La，Nb。Zr之间的分异特征，在一般情况下这一特征与某种确定的大地构造环境有密切关系，可用来判别玄武岩类形成的大地构造环境及其源区分异特征。本文根据世界上典型大地构造环境区玄武岩类的La，Nb，Zr数据。划分玄武岩形成的大地构造位置，提出了La／Zr-Nb／Zr双对数图及判别方法。     

MORB数据挖掘:玄武岩判别图反思

板块构造学说推动了玄武岩理论的完善和进步,从20世纪70年代兴起的玄武岩构造环境判别方法成为学术界关注的热点,虽然现在逐渐降温了,但在国内仍然倍受青睐。大洋中脊玄武岩(MORB)是拥有数据最多、数据质量最好、研究得最详细的玄武岩类,是构建玄武岩理论的基石。本文利用Pet DB数据库资料(http://www.earthchem.org/petdb/search),对全球MORB数据进行了初步的挖掘,发现早先的玄武岩构造环境判别方法的理论、思路需要进一步的完善。早先研究认为,N-MORB是强烈亏损的。但本文研究却显示,MORB成分具有较宽的变化范围,包含了从MORB到OIB及IAB的组分,即部分MORB并不是亏损的,而是相对富集的。因此,玄武岩构造环境判别理论及方法有待进一步的完善。     

玄武岩类形成的大地构造环境的Th／Hf—Ta／Hf图解判别

Th,Ta,Hf是一组耐熔强亲岩浆元素，由于地球化学性质的相似性，其相互之间的比值关系能将深部作用的地球化学过程较好地恢复出来，玄武岩类，是原始玄武岩浆形成的岩石的Ta/Hf及Th/Hf比值，能较好地反映其源区的Th,Ta,Hf之间的分异特征，在一般情况下，这一特征与某种确定的大地构造环境有密切关系和确定的因果联系，可用来判别玄武岩类形成的大地构造环境及其源区Th,Ta,Hf分异特征，本文根据典型大地构造环境玄武岩类的Th,Ta,Hf数据，提出了玄武岩类形成的大地构造环境判别的Th/Hf-Ta/Hf双对数图及判别方法。     

峨眉山玄武岩系的Th、Ta、Hf特征及岩浆源区大地构造环境探讨

本文讨论了利用Th、Ta、Hf之间比值判别岩浆岩源区大地构造环境的机理,根据世界典型大地构造环境区岩浆岩系的Th、Ta、Hf数据,提出了利用Th、Ta、Hf比值判别岩浆岩源区大地构造环境的方法。在此基础上,探讨了峨眉山玄武岩系岩浆源区的大地构造环境,认为该岩系属地幔热柱成因。     

板块汇聚边缘玄武岩大地构造环境的Th、Nb、Zr判别

根据Th、Nb、Zr的地球化学性质和判别机理，利用世界上典型大地构造环境区玄武岩类的Th、Nb、Zr数据，研究了Th、Nb、Zr判别玄武岩大地构造环境的地球化学机理，发现不同构造环境区玄武岩系的Th、Nb、Zr特征具有显著差异，其比值特征能将玄武岩形成的大地构造位置很好地划分出来。提出了板块汇聚边缘玄武岩大地构造环境的Nb/Zr Th/Zr判别图，该图不但能较好地区分出板块汇聚边缘中的洋—洋俯冲带、洋—陆俯冲带及陆—陆碰撞带，同时还能反映出岛弧区大地构造环境演化的趋势。     

玄武岩类岩石大地构造环境的Th、Nb、Zr判别

本文通过研究Th、Nb、Zr的地球化学性质和判别机理，根据世界上典型大地构造环境区玄武岩类的Th、Nb、Zr数据，研究了Th、Nb、Zr判别玄武岩大地构造环境的地球化学机理，发现大同构造环境区玄武岩系的Th、Nb、Zr特征具有显著差异，其比值特征能将玄武岩形成的大地构造位置很好地划分出来，提出了判别玄武岩大地构造环境的Nb/Zr-Th/Zr双对数判别图，试图能较好地区分出大洋板块发散边缘，板块汇聚边缘，大洋板内，大陆板内及地幔热柱形成的玄武岩，得出了玄武岩大地构造环境判别的标志，指出了用Th、Nb、Zr判别玄武岩大地构造环境的方法。     

玄武岩构造环境判别图评估——全体数据研究的启示

玄武岩作为一种大洋和大陆广泛分布的基性岩,其成因理论主要是在对大火成岩省研究的基础上奠定的,其构造环境判别的理论则主要是在板块构造理论的基础上创建的。本文利用GEOROC和Pet DB数据库对全球大洋中脊玄武岩(MORB)、洋岛玄武岩(OIB)和岛弧玄武岩(IAB)进行了数据挖掘研究,发现早先的判别图判别效率不尽相同。部分判别图判别效率偏低的原因可能是早先的研究大多是以典型案例的研究为基础展开的,没有考虑到大数据给出的结果,说明典型和抽样的代表性可能不足。通过对判别图解的研究和比较,并对部分判别图进行了改进,发现许多图解可以把IAB与MORB、OIB分开,但MORB和OIB之间仍然有一些重叠不易区分,并借此推测MORB与OIB源区具有一定的相似性。所以,利用大数据研究可以使玄武岩构造环境判别的研究上升到一个新的层面。     

N-MORB和E-MORB数据挖掘——玄武岩判别图及洋中脊源区地幔性质的讨论

MORB分为N-MORB和E-MORB,二者的区分通常是以LREE亏损和富集为标志。玄武岩的基本理论主要是在MORB研究成果的基础上建立起来的。通常认为,N-MORB和OIB是两个独立的端元,E-MORB是N-MORB与OIB不同程度混合形成的。在20世纪70~80年代,玄武岩构造环境判别图的建立极大促进了玄武岩在地球动力学及大地构造背景研究的进展,其方法应用持续盛行了几十年。然而,国外学者现在已逐渐淡化玄武岩判别图解的应用,但在中国仍有方兴未艾之势。本文利用Pet DB数据库5万多个MORB数据的投图表明,全体样品投图的效果显然比抽样和典型样品得出的结果更扎实可靠,许多原先被广泛应用的主量、微量元素判别图无论从实践上还是理论上均存在一些问题。本文的研究结果进一步表明,MORB样品既有LREE亏损的,又有富集的,但亏损和富集程度与早先定义的差异较大,揭示了洋脊下地幔不均一性要比早先认识的更为复杂,成分范围变化更大,仅少数是强烈亏损的,部分可能是相当富集,甚至可以与OIB源区相类比;玄武岩构造环境判别图需要重新审视,基于岩浆成因机理的多维度、高置信度的判别体系有待于建立。     

鄂尔多斯盆地北部环河组与直罗组物质组分及地球化学特征差异研究

正近年来,利用砂岩/泥岩岩石地球化学在判别岩石形成时的大地构造背景、盆地物源及物源区构造背景等方面取得了许多显著成果,为认识盆地及源区的性质与演化提供了新的视角。碎屑沉积物地球化学组成特征可以有效地揭示其物源区类型、风化条件和构造背景(Taylor and McClennan,1985;Mclennan and Taylor,1991;刘朱睿鸷等,2020;     

西南三江造山带火山岩—构造组合及其意义

岩石构造组合是指表示板块边界或特定的板块内部环境特征的岩石结合。中国西南“三江”造山带的火山岩可划分为五种火山岩－构造组合：洋脊型／准洋脊型组合，岛弧及陆缘弧组合，碰撞型组合，碰撞后组合及陆内拉张型组合。阐述了各种火山岩－构造组合的特点及构造含义。对在造山带火山岩岩石－构造组合分析中经常遇到的一些问题，如“构造岩片”研究方法、地球化学判别图解的使用条件、准洋脊型火山型组合的构造含义、蛇绿岩带－火山弧的成对性、岩浆作用的同步性和滞后性、以及火山岩的深部“探针”作用等问题进行了讨论。     

全球新生代安山岩构造环境有关问题探讨

20世纪70～80年代,以Pearce为代表的一批科学家先后提出了玄武岩和花岗岩的构造环境判别图,将构造环境与岩石地球化学特征有机地结合起来,为岩浆岩大地构造环境研究开辟了新途径。但学术界对全球广布的安山岩构造环境及相关地球化学特征问题的讨论则相对不足。本文利用GEOROC 和PetDB 两个数据库对全球新生代安山岩进行数据挖掘,讨论了它们的地球化学特征及形成环境。初步将全球新生代安山岩归属为12个形成构造环境,其中67.71%产出于岛弧、陆缘弧等汇聚板块边缘环境,其余安山岩则形成于大陆板内、大陆溢流、洋岛、大陆裂谷、洋中脊等构造环境。研究表明,常用的玄武岩微量元素判别图以及LILE/HFSE 玄武岩判别图均在一定程度上可用于安山岩成因及环境判别, 暗示安山岩地球化学成分也可用于构造环境的判定。采用大数据思维,探索洋岛安山岩（OIA）和岛弧安山岩（IAA）中地球化学元素的关联关系,从获得的近20 000 个OIA-IAA 判别图中选出lg（Cs/Ta）-lg（Cu/Ta）、lg（CaO/Nb）-lg（Cs/Zr）和lg（Cu/Ta）-lg（Co/Nb）等6个图解,能有效限定它们的构造环境,为安山岩成因及形成环境研究提供了新的思路。这些初步成果说明科学大数据的研究方法可成为岩浆岩构造环境及地球化学研究中的重要有效手段。     

An Intelligent Method for Geochemical Discrimination of Tectonic Settings of Basalt Based on Olivine Composition: GWO-SVM Method and its VerificationEI北大核心CSCD

Geochemical discrimination of tectonic settings of basalts has been an important research direction of geochemistry for decades. Olivine is one of the earliest crystallized minerals of basaltic magma, which records a lot of hidden information of the formation and evolution of the magma. Therefore, basic elements in olivine are used to discriminate three tectonic settings, including the mid-ocean ridge basalt (MORB), ocean island basalt (OIB) and island arc basalt (IAB). However, it is still difficult to accurately discriminate the tectonic settings by using these diagrams. The machine learning algorithm is introduced to solve the aforementioned problem. The classification performance of the machine learning discrimination method largely depends on the rationality of parameter determination. To this end, the paper proposes a coupling intelligent method for geochemical discrimination of tectonic settings using olivine composition of the basalts based on the grey wolf optimizer (GWO)-optimized support vector machine (SVM), or GWO-SVM for short. GWO is used to seek the optimal parameter combination of SVM to form the optimal mapping relationship between basic elements in olivine and basalt tectonic settings, so as to realize the accurate discrimination of MORB, OIB and IAB. In addition, according to the published geochemical data of basalt samples, the discrimination performance of GWO-SVM is evaluated by means of the simulation experiment, hold-out validation and k-fold cross-validation. The evaluation results are represented by the confusion matrix and its derived evaluation indicators. The results show that GWO-SVM can discriminate the tectonic settings of the basalts based on olivine compositions with overall classification accuracy of up to 85%. Thus, in comparison with the traditional discrimination diagram method, the machine learning discrimination method based on multi-algorithm fusion can significantly improve the discrimination accuracy of basalt tectonic settings. © 2020, Science Press. All right reserved.     

基于改进遗传算法一神经网络的玄武岩构造环境判别及对比实验

通过岩浆岩的地球化学特征判别岩浆形成的大地构造环境和岩浆源区的化学性质是地球化学全岩分析最重要的应用之一。该方法利用全岩地球化学数据,包括主量元素、微量元素和同位素组成数据,对给定岩浆岩(玄武岩、花岗岩等)的大地构造环境进行判别。作为人工智能技术在地球化学研究领域中的新尝试,机器学习判别方法逐渐成为经典判别图解法的补充研究手段。然而,高维数据特征筛选和繁多未知参数确定是影响算法分类准确性的两个主要因素。为此,提出一种遗传算法优化神经网络耦合判别方法(GA-NNDM)。该方法利用特征选择、参数确定和分类性能之间的反馈联系,将分类准确率、所选特征数量和特征代价作为适应度函数,通过迭代演化寻求最佳特征子集和未知参数,从而达到减少特征、优化参数和提高性能的目的。此外,根据公开玄武岩样品地球化学数据,通过K折交叉验证等方法设置纵向、横向比较实验来验证GA-NNDM在玄武岩构造环境判别方面的准确性、稳定性和外延性。仿真实验结果表明,GA-NNDM具有优良的判别效果和泛化能力,其总体分类准确率能达到90%。因此,GA-NNDM值得在地球化学领域做进一步推广应用。     

三类构造背景辉长岩单斜辉石主量元素和微量元素的数据分析研究

判别岩浆岩产出的构造环境已经成为岩石学、地球化学及其地球动力学研究的重要内容。作为岩浆岩中的一种喷出岩,玄武岩被视为判别构造环境的最佳成员。对其中单斜辉石的研究,由于其数据本身的利用程度有限而效果欠佳。理论上,不同构造环境的辉长岩也会存在一定差异。为此,利用机器学习算法研究全球新生代辉长岩的单斜辉石势在必行。本文主要针对岛弧(IAB)、洋岛(OIB)及大洋中脊(MORB)3种构造背景辉长岩的单斜辉石进行特征筛选和数据分类。从GEOROC数据库中,经数据收集与清洗,我们分别获得岛弧辉长岩单斜辉石数据385条,洋岛辉长岩单斜辉石数据756条,大洋中脊辉长岩单斜辉石数据5 500条。其中绝大部分为主量元素数据,其余为微量元素数据。在特征提取部分,我们选用卡方检验判断特征独立性,F检验估计两个随机变量之间的线性依赖程度,互信息法捕获其他种类的统计相关性。3种检验方法互相印证,得出了统计学可靠的重要分类特征。在数据分类过程中,本文对比了K-近邻、决策树和支持向量机3种主流机器学习分类算法在辉长岩数据上的表现。研究表明,对于上述3种构造背景,Al2O3、TiO2为最有区分度的辉长岩单斜辉石主量元素成分,Sr为最有区分度的微量元素成分。另外,对于3种构造背景的辉长岩单斜辉石主量元素和微量元素数据,机器学习模型分类准确率均达94%。     

内蒙古温都尔庙地区温都尔庙群的形成环境和构造意义

内蒙古温都尔庙地区有一套统称为温都尔庙群的变质岩系,该岩系主要由两种不同的岩石组合组成：一套是出露于乌兰沟一带的浅变质岩系,主要由变玄武岩、硅质岩、火山碎屑岩、碎屑岩组成的基性火山岩－碎屑岩组合;另一套是出露于德言其庙一带的深变质岩系,主要由斜长角并岩、斜长片麻岩组成。这两套岩石组合在变形变质、岩石化学和形成环境等方面都有很大的差异,前者主要表面出弧后盆地的特征,后者则是拉张过程中板底垫托的产物,它们分别代表了华北板块北缘中元古代不同构造演化阶段的产物。     

安徽省大别造山带大地构造相划分及其特征

大地构造相是反映陆块区和造山系(带)形成演变过程中,在特定演化阶段、特定大地构造环境中,形成的一套岩石构造组合,是表达大陆岩石圈板块经历离散、聚合、碰撞、造山等动力学和地质构造作用过程而形成的综合产物。安徽省大别山集造山系之大成,包括结合带大相、弧盆系大相和地块大相。不同相、亚相分别具有不同沉积岩建造组合、火山岩、侵入岩、变质岩岩石构造组合和大型变形构造特征,对成矿控矿具有决定性意义。     

湘东北涧溪冲变质火山岩的Sm-Nd同位素年龄及其成因

最近的区域地质调查研究发现,湘东北地区原中元古代冷家溪群实际上应划分为4部分,它们均形成于不同的时代和不同的构造环境,将其中分离出的最老的基本无序的变质沉积—火山岩系建立为"涧溪冲岩群"。根据其岩石学、岩石地球化学及同位素年代学等方面的研究认为:"涧溪冲岩群"是变质火山岩夹变质粘土质沉积岩经构造叠置起来的变质岩系,属绿片岩相—高绿片岩相。变质火山岩的Sm Nd全岩等时线年龄为(2594±48)Ma,其形成的地质时代可能是新太古代。变质火山岩的原岩为在大洋拉张环境下形成的以拉斑玄武岩为主、钙碱性玄武岩次之的火山—次火山岩系,其物源为亏损地幔。     

关于岩石微量元素构造环境判别图解使用的有关问题

针对目前应用愈来愈广泛的不同岩石,特别是岩浆岩的微量元素构造环境判别图解使用过程中存在的问题,从这些判别图解建立的原理,介绍了微量元素构造环境判别图解的使用原则。强调指出所采集的样品必须新鲜(无蚀变或极弱蚀变)、非堆晶的岩石;选择的判别图解必须与判别的岩石类型相一致,即对花岗岩类要用花岗岩的判别图解,不能用玄武岩的判别图解;对特殊类型岩石要选择专门用于该类型岩石的判别图解,如碱性花岗岩,钾质火成岩;要应用多种图解综合判断;不能用单个样品,而应作多个样品分析;要注意所选择判别图解的特别说明等。此外,一些构造环境判别图解还能给出岩石的成岩过程和源区。