利用自然伽马测井估算塔里木盆地沉积层生热率

盆地的热体制研究对盆地构造演化与油气勘探意义重大。岩石放射性生热率是岩石重要的热物性参数,是研究盆地热体制的基础数据之一。不同于传统的分析测试方法,自然伽马（GR）—生热率（A）换算只需要GR测井就可以计算生热率。笔者利用塔里木盆地不同地区20口主要钻井的GR测井数据计算了沉积层共6094个生热率数据,建立了代表性钻井岩性测井—生热率对比图、塔里木盆地地层生热率柱,估算了盆地沉积层放射性生热对地表热流的贡献及对深部地层的增温效应。结果表明,塔里木盆地沉积层的平均生热率为1. 17±0. 336μW/m3,岩性是地层生热率的主控因素,泥岩生热率最高,为1. 96±0. 318μW/m3,砂岩次之,为0. 99±0. 264μW/m3,白云岩和灰岩生热率较低,分别为0. 44±0. 362μW/m3和0. 36±0. 408μW/m3。根据地层生热率,估算沉积层生热贡献的热流为9. 36mW/m2,约占地表总热流的21%,沉积层生热对地温梯度的贡献约为3. 3℃/km,放射性生热对属于“冷盆”的塔里木盆地的地温场具有不容忽视的影响。     

机器学习在水系沉积物地球化学采样下伏基岩填图中的应用

为了探索高效且能大区域应用的基岩填图方式，本文整合水系沉积物地球化学数据和局部空间Moran’s I指数、高程、坡度、坡向变率、高磁、断层、矿点、水系等多元地学数据作为附加特征，采用浅层机器学习决策树及其Bagging和Boosting集成算法，以及深度学习的图卷积网络，分别训练了不同的基岩判别模型。结果表明，相比浅层机器学习的决策树及其集成算法，深度学习的图卷积神经网络基岩判别模型仅使用20%带标签数据就获得了最高的78.31%判别精度。应用基于图卷积网络的基岩类型判别模型对察汗乌苏河地区第四系覆盖物下伏基岩填图，预测结果与其周边基岩类型协调一致，该模型可用来探究更全面的区域基岩分布情况。     

华南扬子地区早志留世布拖期碳-氮循环模式与古海洋氧化还原状态转变

本次研究对华南扬子地区下志留统布拖组沉积物进行了地球化学与同位素分析。结果显示，布拖组的δ¹⁵N和δ¹³C_org值由布拖组下部至上部逐渐升高，其中布拖组下部沉积物的低δ¹³C_org值与全球范围内强烈的火山活动有关，低δ¹⁵N值与缺氧海洋条件下的生物固氮作用有关，而布拖组上部沉积物的高δ¹⁵N值则与扬子海逐渐富氧化有关。研究结果表明，早志留世布拖期强烈的火山活动引发的生产力升高和海洋底层水体缺氧，导致了深水地区龙马溪组页岩和浅水地区灰岩、泥灰岩中有机质的富集，而布拖早期持续的海洋缺氧则可能抑制晚奥陶世生物大灭绝后生物的复苏。