吉林汪清和龙岗新生代岩石圈地幔的含水性和元素地球化学特征

首次报道了来自东北地区岩石圈地幔水含量的数据。通过对吉林龙岗和汪清新生代玄武岩中的橄榄岩包体矿物进行电子探针(EMP)和激光熔蚀等离子体质谱(LA-ICPMS)的分析,得到了矿物的主量元素和微量元素的数据,结果显示这些橄榄岩是原始地幔经历了不同程度部分熔融的残余,大部分样品的熔融程度可能<10%。橄榄岩样品在后期还经历了地幔交代作用,大部分样品受到硅酸岩熔体的交代,少部分样品受到碳酸岩熔体的交代。显微傅里叶变换红外光谱(FTIR)的分析结果显示,橄榄岩样品中的单斜辉石、斜方辉石均含有以结构羟基形式存在的水,而橄榄石中没有明显的羟基吸收峰。龙岗样品中单斜辉石的水含量为(48~464)×10^-6(H₂O, 质量分数),斜方辉石水含量为(28~104)×10^-6;汪清样品中单斜辉石的水含量为(34~403)×10^-6,斜方辉石的水含量为(13~89)×10^-6;所有样品全岩水含量为(8~92)×10^-6。样品的水含量可以代表龙岗和汪清地区岩石圈地幔的水含量信息,并且水含量变化范围较大,造成这种变化的原因可能是由于地幔源区初始水含量的不均一,以及部分熔融和地幔交代作用叠加的结果。     

华南地球化学走廊带碎屑沉积岩W、Sn时空分布特征及其指示意义

通过系统的高密度采样,选取了470件来自华南走廊带的细粒碎屑沉积岩,涵盖了中元古到白垩系地层,对其主要元素、微量元素、稀土元素进行了精确分析。研究结果显示,所有样品都存在明显的稀土元素的分异和Eu的负异常,其中(La/Yb)N=10.0,Eu/Eu*=0.67。相对上地壳平均组成,样品明显亏损Ca、Na和Sr,并具有较高的化学风化指数,暗示样品受到了较为强烈的风化作用影响,并且经历了长距离的搬运过程;主要元素和微量元素图解暗示样品的源岩可能包括花岗质、安山质和长英质岩石。样品的地球化学特征显示,样品可以代表较大的源区,并且W、Sn的含量可以反映走廊带上W、Sn分布特征。在走廊带上,W、Sn的含量自东南向西北递减,在江山—绍兴断裂带附近突变,该分布特征与华南地区的钨锡成矿作用非常吻合。碎屑沉积岩中W、Sn的含量明显高于上地壳平均含量,其中W、Sn含量的峰值存在于中元古代—奥陶系地层,而华夏地块从中元古代开始便具有高钨锡含量,可能是该地区形成全世界最大的钨锡成矿省的重要原因。     

基于深度学习的PM2.5预测模型建立

本文以京津冀地区为例,选择大气气溶胶光学厚度AOD(Aerosol Optical Depth)和气象参数为影响因子,建立基于深度置信网络DBN(Deep Belief Nets)的PM2.5预测模型,对PM2.5进行有效预测,并与BP神经网络预测结果对比,最后形成整个京津冀地区的PM2.5预测专题图。实验结果表明基于深度学习的置信网络对PM2.5浓度预测效果比BP神经网络更佳,预测精度有较大提高。     

河南嵩县小南沟金矿床地球化学特征

河南省嵩县小南沟金矿是产于熊耳群火山岩中的构造蚀变岩型矿床,矿体受控于近南北向断裂构造中,但其围岩蚀变特点、同位素组成以及流体包裹体成分均与店房隐爆角砾岩型金矿有一定的联系,与熊耳山地区产于北东向或近东西向断裂中的蚀变岩型矿床相似,说明小南沟矿床与附近赋存于东西向以及隐爆角砾岩型矿床具有直接的成因联系,它们构成一个统一的成矿体系,其成矿物质来源与赋矿火山岩以及基底古老变质岩有关,成矿作用与燕山期岩浆活动有关。     

河南嵩县小南沟金矿床地球化学特征

河南省崇县小南沟金矿是产于熊耳群火山岩中的构造蚀变岩型矿床,矿体受控于近南北向断裂构造中,但其围岩蚀变特点、同位素组成以及流体包裹体成分均与店房稳爆角砾岩型金矿有一定的联系,与熊耳山区产于北东向或近东西向断裂中的蚀变岩型矿床相似,说明小南沟矿床与附近赋存于东西向以及稳爆角砾岩型矿床具有直接的成因联系,它们构成一个统一的成矿体系,其成矿物质来源与赋矿火山岩以及基底古老变质岩有关,成矿作用与燕山期岩浆     

叶绿素a浓度反演模型：堆栈自编码器粒子群优化BP神经网络

内陆水体叶绿素a浓度是衡量水体富营养化程度的主要指标，是影响水体反射率光谱特征的重要因素之一。本文以白洋淀烧车淀、圈头乡各村庄等水域为研究区，采集了高光谱数据和水样，并在实验室测定叶绿素a等水质参数，应用于白洋淀区域的叶绿素a高光谱遥感反演。针对线性降维方法特征提取能力不足和神经网络构建叶绿素a遥感反演模型时学习效率低、泛化能力差的问题，提出了堆栈自编码器粒子群优化BP神经网络模型。该模型利用堆栈自编码器强大的非线性变换能力，通过最小化重构误差来学习高光谱数据特征，在实现数据降维的同时最大程度保留原始光谱数据中的水体辐射信息，提取出实测水体光谱的深度特征，将BP神经网络初始权重作为粒子的位置向量，通过粒子群算法搜寻网络初始权重的最优值，降低出现局部极值的概率，提高模型的稳定性和反演的精确度。堆栈自编码器粒子群优化BP神经网络模型(R²=0.82,RMSE=2.65μg/L,MAE=1.89μg/L)相较于对高光谱数据不降维的BP神经网络模型(R²=0.75,RMSE=3.16μg/L,MAE=2.39μg/L)、基于主成分分析法降维的BP神经...