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。     

全球岛弧玄武岩数据挖掘——在玄武岩判别图上的表现及初步解释

MORB(洋中脊玄武岩)、OIB(洋岛玄武岩)和IAB(岛弧玄武岩)是学术界最关心的3种玄武岩类型,其中尤以与板块消减作用有关的岛弧岩浆活动备受关注。岛弧可分为洋内岛弧和大陆边缘岛弧(活动陆缘弧)2类。对IAB进行讨论,重点探讨IAB的识别。IAT(岛弧拉斑玄武岩)和IAB是前弧、岛弧和后弧岩浆作用的产物,其中,后弧组分更具多样性,它不同于弧后玄武岩,前者属于弧的范围,而后者形成的动力学过程与俯冲系统有关,但其是独立的构造单元,尽管其岩浆作用可能仍受到俯冲流体的影响。前人对IAB进行了大量研究,提出了多种构造环境判别图解,并得到广泛应用。尝试应用全球玄武岩数据来验证上述判别图的可信度,研究发现,可信度高的判别图不多,且大多与Th、Ta(Nb)和Ti元素有关的,如Hf-Th-Ta(Nb)、TiZr-Sr和Th/Yb-Ta/Yb图,其余判别图的判别效果可信度低且具多解性,建议谨慎使用。IAB与MORB和OIB的区别主要体现在Nb-Ta亏损的特征上,是否受到俯冲流体的影响是区分IAB与MORB和OIB最重要的标志。     

全球N-MORB和E-MORB分类方案对比

N-MORB与E-MORB是大洋中脊玄武岩常用的分类,二者地球动力学意义不同,备受学术界关注。对于N-MORB与E-MORB的分类识别标志,不同作者有不同的见解。MORB中可以根据Rb/Nd≤0.15、K/Ti≤0.11、(La/Sm)_N≤0.8、K_2O/TiO_20.09、ΔNb=1.74+lg(Nb/Y)-1.92lg(Zr/Y)0、(La/Sm)_N1、100K_2O/TiO_2≤13等7种指标来识别N-MORB,否则为E-MORB。究竟何种标志区分效果较好、比较适合大多数MORB的情况?学术界对此还较少有人讨论。为此,本文尝试利用大数据方法,采用全球全体扩张中心数据,对上述7种标志进行对比,发现(La/Sm)_N1的标志比较适合大多数MORB的情况。为此,我们将(La/Sm)_N1和(La/Sm)_N≥1的所有数据,选取La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu、Ba、Cs、Hf、K、Nb、Pb、Rb、Sc、Sr、Ta、Th、Ti、Tl、U、V、Y、Zr等31个元素,利用两两元素对数比值进行投图,并计算85%置信度的置信椭圆交叠率,共得出36856个元素对组合,根据最小交叠率的原则,得出使用稀土元素La、Ce、Pr、Sm和其他高场强元素Nb、Zr、Hf、Y之间的比值关系判别效果较好。我们又利用以上得出的8种元素进行投图判定,发现以La为分子或以La/Hf、La/Zr元素比值做为区分标志可以得出更好的结果。因此建议考虑应用以上元素之间的相关关系共同判定N-MORB与E-MORB。     

幔源岩浆岩源区成分判别原理及峨眉山玄武岩地幔源区性质

提出了用微量元素丰度关系探索幔源岩浆岩源区成分特征的原理、推论和方法。认为:并非所有亲岩浆(不相容)元素都是幔源成分的良好指示剂;两个强亲岩浆元素的比值,或两个亲岩浆性相同的元素的比值,不受岩浆形成方式和演化程度的影响,而保持岩浆形成前地幔源区成分特点;这些特点与不同的幔壳结构和动力学有关。峨眉山玄武岩系的幔源成分类似于南大西洋拉开时形成的孪生洋脊玄武岩和巴西陆缘玄武岩,它们可能具有类似的源区和构造环境。     

N-MORB、E-MORB 和OIB 的区别及其可能的原因：大数据的启示

MORB 是玄武岩中研究得最详细的玄武岩类,可分为N-MORB 和E-MORB 两类。通常认为,N-MORB 和OIB 都是独立的端元,分别来自亏损和富集的地幔源岩,而E-MORB 则是N-MORB 与OIB 混合的结果。本文研究表明,E-MORB 具复杂的成因,洋脊深度、洋脊扩张速率及源区部分熔融程度及压力不是造成E-MORB 富集的主要原因。压力及部分熔融程度对玄武岩成分的影响远小于地幔不均一性的影响。推测E-MORB 可能有两个主要的形成方式：1） 由较深处略富集的地幔发生部分熔融而成;2） 由N-MORB 与OIB 混合形成。玄武岩微量元素频率直方图表明,N-MORB 基本上保持了来自亏损地幔源区的特征;OIB 则多多少少受到外来物质加入或与N-MORB 混合的影响; E-MORB 则是N-MORB 受OIB 影响的产物。OIB 与E-MORB 似乎没有本质上的区别, 仅仅是受影响和混合程度的不同而已。OIB 富集LILE,可能既有继承了来自源区的特征（深部富集地幔、循环的古洋壳、循环的陆壳、大陆岩石圈地幔、LVZ 熔体层或早期交代岩脉等）,也可能有外来物质加入的影响（与N-MORB 发生不同程度的混合作用）。3 类玄武岩的87Sr/86Sr 和143Nd/144Nd 同位素频率分布与早先的结论一致,但206Pb/204Pb、207Pb/204Pb和208Pb/204Pb同位素频率分布显示OIB 具有更加复杂的特征。     

如何正确使用玄武岩判别图

为了正确使用玄武岩判别图,在投图之前要对样品加以筛选并对数据作出估计。还要将样品适当分组,投图时应遵循一定的程序。文中讨论了可能出现的几种判别结果及可能的解释方案,指出了判别图的局限性,认为玄武岩判别图所标定的各种构造环境的分区,实际上代表的是各种不同的岩浆类型。作者认为,投在洋中脊玄武岩区域的玄武岩绝大多数并非来自大洋中脊环境。     

大陆板内玄武岩数据挖掘:成分多样性及在判别图中的表现

通常认为,大陆溢流玄武岩(CFB)、裂谷玄武岩(CRB)、板内玄武岩(WPB)均产于板内构造环境,其地球化学特征与OIB类似,源于富集的下地幔,与地幔柱的活动有关。本文利用GEOROC数据库对全球CFB、CRB和WPB数据进行挖掘,发现上述三类玄武岩判别图投图几乎落入了全部的构造环境域,有些甚至主要落入MORB和IAB区,而不是落入WPB区。结果表明原先的玄武岩判别图的判别功能值得商榷,尤其对大陆玄武岩来说,许多判别图都存在问题。全体CFB、CRB和WPB的地球化学成分变化巨大,暗示其源区具有强烈的不均一性:部分CFB、CRB和WPB来自富集的地幔柱,仍然具有经典的OIB的特征;部分来自MORB的源区,与MORB的再循环作用有关;部分来自岛弧岩石圈之下的亏损地幔源区,以强烈亏损Nb-Ta为特征,类似岛弧玄武岩的地球化学特征。许多地区的大陆玄武岩可分为低钛和高钛两类,低钛玄武岩大多是亏损或强烈亏损的,而高钛玄武岩通常是富集型的。本文的研究表明,富集型大陆玄武岩可能来自富集的下地幔,而亏损的和强烈亏损的玄武岩可能来自具有MORB或岛弧特征的软流圈地幔。进一步指出,源区性质可能是大陆玄武岩多样性的主控因素,其次为部分熔融程度、熔融深度、结晶分离、陆壳混染以及AFC过程。     

基于大数据方法的玄武岩大地构造环境智能挖掘判别与分析

通过玄武岩判别图推断其所形成的大地构造环境的方法由来已久,自1971年Pearce提出了构造-岩浆判别图解法之后,已涌现出了几十种不同的判别图。然而,判别图的制作过程中使用的元素的信息量少,数据样本量少,缺乏代表性,以至于其适用范围有限,且准确率不够。为提高构造环境判别过程的效率和准确性,本文提出以大数据智能挖掘方法建立判别模型,通过玄武岩的化学成分,迅速准确地对其大地构造环境进行判别。所用到的玄武岩包括三类:洋中脊玄武岩(MORB)、洋岛玄武岩(OIB)和岛弧玄武岩(IAB),样品总量为755个。首先,本文分别利用主量元素判别图和微量元素判别图对三类数据的大地构造环境进行判别,包括Ti O_2-MnO-P_2O_5、Fe O~T-MgO-Al_2O_3、Ti-Zr-Y、Zr/Y-Zr和Ti-Zr判别图。由于判别图法针对的是特定的元素或化合物,而有些样品的成份记录不完善或没有测量到有指定物质,导致无法对该样品在判别图中绘制,因此在绘制不同的判别图之前,需要筛选掉一部分数据。判别结果表明,在不考虑无效数据的情况下,Zr/Y-Zr判别图的准确率最高,可达90%以上。但如果考虑到已筛选掉的数据,上述五种图对三种岩石的判别准确率均低于75%。在利用数据挖掘算法进行判别的过程中,本文分别试验了朴素贝叶斯(NB)、K邻近(KNN)、支持向量机(SVM)和随机森林(RF)四种算法。为达到较好的识别效果,本文将所有的化合物和微量元素组成51维的参数组用于训练模型,并且不会进行任何的数据筛选,即全部被视作有效数据。训练结果表明,NB的分类结果最差,但也超过了75%,而RF训练准确率高达100%。在算法的进阶分析中,测得RF算法验证准确率可达88.46%;为提升智能算法的实用性,本文利用贝叶斯定理对算法的判别结果求逆概率,以实现"由果及因"的合理推断;同时,本文通过人为模拟数据缺失,进一步验证不同的算法的鲁棒性,并认为RF和NB是应该被优先考虑的两种算法;最后,通过提取RF中的决策树,本文对样本中元素的重要性进行了分析,并找到了对判别效果影响最大的几个主量元素和微量元素。综上所述,利用数据挖掘算法判别大地构造环境要比判别图法更为准确、迅速且功能多样,可在该领域做进一步推广应用。     

“三江”古特提斯地幔热柱——洋中脊玄武岩证据

“三江”特提斯巨型造山带由４条板块缝合带和夹于其间的微陆块和弧地体构成。在古特提斯洋闭合而成的澜沧江和金沙江缝合带内，均发育典型的蛇绿岩－蛇绿混杂岩和洋岛玄武岩（ＯＩＢ）组合。ＯＩＢ集中产出于大洋的特定区段（２２０－２４０Ｎ──澜沧江洋；２４０－２７０Ｎ──金沙江洋），形成于洋壳（ＭＯＲＢ）顶部，并被浅水碳酸盐岩覆盖，ＯＩＢ主要岩石类型为苦橄玄武岩、夏威夷岩和钾质粗面玄武岩，三者具特定的空间配置与时间演变规律。根据三江地区ＯＩＢ时空展布规律、岩石组合特点、岩石地球化学特征、源岩化学估算及热幔柱实验成果，提出早古生代时期的澜沧江洋和金沙江洋岩石围下方分别出现地幔热拉，其直径约２００－２５０ｋｍ，具特定的不同于周围地幔的热－化学结构。地幔热柱的尾柱区高热物质熔融，产生苦橄质或苦橄玄武质熔浆，地幔热拉上涌，其冠形头部与周围地幔“混杂”而具化学分带，该区物质熔融，产生富Ｎａ和富Ｋ质ＯＩＢ。     

锆石微量元素对成矿岩体的判别——来自大数据思维的应用

华南钦杭结合带燕山期岩浆活动异常活跃,且具有较明显的成矿专属性。近年来微区测试技术日益成熟,积累了大量锆石微量数据。通过全体数据挖掘的思维方法,对前人发表的数据进行了进一步数据挖掘,利用锆石稀土元素对岩体成矿潜力进行判别,探讨有效的找矿地球化学标志。利用Python语言编程,对采用的13种稀土元素及元素比值进行穷举式组合,获得了4095个二元图解及121485个三元图解,并设计筛选算法,自动筛选出能有效区分锆石母岩成矿类型的图解。结果表明,锆石稀土元素含量及比值图解对不同成矿类型岩体的区分程度各异:与Ce、Eu有关的地球化学指标可以较清晰地对斑岩铜矿和钨锡(锡)矿床进行判别,这可能与岩体的氧逸度和含水量有关。此外,还挖掘出一些新的元素组合图解,如Dy/Lu-Er/Lu、Gd/Dy-Er/Yb等,可以有效区分岩体成矿类型,其隐含的地球化学机制尚待进一步解释。地球化学数据挖掘结果可以作为找矿标志使用,为华南燕山期岩浆-热液矿床研究及找矿勘查提供了科学依据,也是大数据技术在矿床学方面应用研究的积极探索。     

基于数据挖掘的土−水特征曲线演化规律研究

土−水特征曲线是非饱和土持水性能和水气运移规律的重要表征,由于其测试过程繁杂、影响因素众多,很难通过系列试验和数学模型全面表达。为探索土的类型和物理状态对土−水特征曲线的影响,以国内外大量试验数据为基础,以反映其形态的3个特征值（进气值、减湿率、残余含水率）为对象,采用数据分析统计方法揭示不同赋存条件对特征值的作用规律,采用机器学习方法探究影响因素的敏感性。研究结果表明：土体的物质组成（颗粒级配、粒径尺度、塑性指数）及赋存状态（密实程度、饱和含水率、干湿循环作用、环境温度）是影响其持水性能的常见分析指标,各影响因素对3个特征值的影响特征既有巨大差异也有相互联系,敏感性成果表明代表黏粒含量的塑性指数和反映密实程度的干密度是影响土体持水性能的最主导因素,给出的特征值分布范围考虑了两个主导因素的影响,具有较强的代表性和借鉴意义。     

基于机器学习的历史气候重建论文智能识别与数据挖掘初探

本文基于机器学习方法开展了从海量的气候变化研究论文中智能识别历史气候重建论文,并提取关键信息的技术研究。首先以人工标注的1450篇古气候重建论文摘要作为样本数据,对机器学习中常见的9种分类模型进行训练和精度检验,发现极端随机树模型在此类文本中具有较高的分类精度;其次,利用这一模型对ResearchGate中70万余篇气候变化相关的论文摘要进行智能分类,从中筛选出6039篇千年尺度气候重建论文摘要,并根据词云图验证了分类结果的可靠性。在此基础上,采用命名实体识别技术对6039篇论文摘要,从重建气候要素、代用资料类型和目标地区（国家）这3个维度开展了文本数据挖掘。挖掘结果表明：温度和降水是两大主要的重建要素,树轮、历史文献、沉积（含孢粉）是位居前三位的主要代用资料,这与领域专家经验基本一致;同时,重建气候要素与代用资料类型及二者的组合规律呈现鲜明的地理差异,这与区域气候特征密切相关。

     

大同第四纪玄武岩成因:主微量元素及Sr-Nd-Pb-Hf同位素研究

大同火山区位于大兴安岭-太行山重力梯度带西侧,所发育的第四纪玄武岩岩石地球化学特征为探索该区火山岩成因提供了重要约束,同时也为华北克拉通西部岩石圈地幔与软流圈的相互作用提供重要依据。根据火山地貌和岩性的不同,沿着北东向陈庄-许堡断裂可将大同玄武岩大致分为东、西两区,西区火山多呈锥状,以碱性玄武岩为主;东区则以溢流拉斑玄武岩为主,锥体少。镜下岩相学研究观察到大量橄榄石和单斜辉石斑晶,结合Ni、Cr两种元素随着MgO含量降低而减小,这两种矿物应是分离结晶作用下的主要产物。这些玄武岩的SiO₂和（K₂O+Na₂O）含量分别为45.02%~53.3%和3.60%~6.53%,相对富集轻稀土元素（（La/Yb）_N=5.8~31.6）,并显示富集LILE（Rb、Ba、Sr正异常）以及HFSE（Nb、Ta、Zr正异常）的洋岛玄武岩（OIB）特征。根据La/Yb-Sm/Yb图解模拟计算得出大同玄武岩均是石榴石相二辉橄榄岩低程度部分熔融的结果,其中碱性玄武岩部分熔融程度约为1.5%~3%,拉斑玄武岩约为4%~8%。所研究的玄武岩有较低⁸⁷Sr/⁸⁶Sr（0.703302~0.705102）、较高¹⁴³Nd/¹⁴⁴Nd（0.512561~0.512963）和¹⁷⁶Hf/¹⁷⁷Hf（0.282922~0.283072）比值。在¹⁴³Nd/¹⁴⁴Nd-⁸⁷Sr/⁸⁶Sr图解上大同玄武岩落在OIB范围内;²⁰⁷Pb/²⁰⁴Pb-²⁰⁶Pb/²⁰⁴Pb和¹⁴³Nd/¹⁴⁴Nd-²⁰⁶Pb/²⁰⁴Pb图解表明它们来自PREMA和EMⅠ端元的二元混合。大同碱性玄武岩和拉斑玄武岩的地球化学特征不同可以用两点原因来解释：（1）主量与微量元素特征的差异是两种玄武岩部分熔融程度不一样形成的;（2）同位素特征表明两种玄武岩都来自软流圈亏损端元的部分熔融并存在少量岩石圈富集端元物质的加入,其差异则是加入比例不同造成的。

     

SDM与GIS的集成模式探讨

信息时代,知识爆炸,要从海量空间数据中发现隐含的、有价值的潜在知识,必须采用新的手段和方法。对空间数据挖掘与GIS集成,提出了3种可行的集成模式：数据能讯模式、耦合模式和嵌入模式。     

US Geological Survey research on the environmental fate of uranium mining and milling wastes

Studies by the US Geological Survey (USGS) of uranium mill tailings (UMT) have focused on characterizing the forms in which radionuclides are retained and identifying factors influencing the release of radionuclides to air and water. Selective extraction studies and studies of radionuclide sorption by and leaching from components of UMT showed alkaline earth sulfate and hydrous ferric oxides to be important hosts of radium-226 (²²⁶Ra) in UMT. Extrapolating from studies of barite dissolution in anerobic lake sediments, the leaching of²²⁶Ra from UMT by sulfate-reducing bacteria was investigated; a marked increase in²²⁶Ra release to aqueous solution as compared to sterile controls was demonstrated. A similar action of iron(III)-reducing bacteria was later shown. Ion exchangers such as clay minerals can also promote the dissolution of host-phase minerals and thereby influence the fate of radionuclides such as²²⁶Ra. Radon release studies examined particle size and ore composition as variables. Aggregation of UMT particles was shown to mask the higher emanating fraction of finer particles. Studies of various ores and ore components showed that UMT cannot be assumed to have the same radon-release characteristics as their precursor ores, nor can²²⁶Ra retained by various substrates be assumed to emanate the same fraction of radon. Over the last decade, USGS research directed at offsite mobility of radionuclides from uranium mining and milling processes has focused on six areas: the Midnite Mine in Washington; Ralston Creek and Reservoir, Colorado; sites near Canon City, Colorado; the Monument Valley District of Arizona and Utah; the Cameron District of Arizona; and the Puerco River basin of Arizona and New Mexico.     

矿业活动区农田土壤重金属累积风险的评判方法——以小秦岭金矿区为例

金属矿产资源开发活动通常会导致矿区土壤重金属含量的累积,选用科学的评价标准及方法成为评判、区分矿业活动农田土壤重金属累积影响和风险的关键问题。在简述土壤背景值和土壤环境质量标准含义的基础上,提出采用与矿区其他环境条件基本相同或相近的邻区耕作层土壤重金属元素的平均含量作为评判矿业活动重金属对耕作层土壤的累积影响的对照值。以2011年小秦岭金矿区80件耕作层土壤重金属含量为例,金矿开发活动区耕作层土壤重金属的累积风险研究表明,土壤重金属低风险以上样品数占总样品数百分比的排序为HgCdPbCu,矿业活动对土壤重金属累积的贡献率排序为HgCuPbCdZn。土壤中的Cr、As、Zn元素有轻度累积但无风险。土壤中Hg元素的累积风险面积达到了187.77km2,占到研究区总面积的47.08%。其中,中、高风险的面积为99.55km2,土壤重金属累积风险极其严重。研究结果科学地评判了矿业活动对耕作层土壤重金属的累积影响及其贡献,为土壤污染防治指明了方向。