云南新平县双沟蛇绿岩的初步研究

双沟蛇绿岩由基底岩石、辉长—辉绿岩和玄武岩三部分组成。岩相学和地球化学研究表明,双沟斜长二辉橄榄岩中存在地幔交代作用的证据,属于浸染橄榄岩(impregnated peridotite)。蛇绿岩岩石组合中缺少超镁铁质堆晶岩和席状岩墙群,而辉绿岩和玄武岩的化学成分与MORB相拟,表明双沟蛇绿岩的形成机制与大洋中脊环境类似,但岩浆房很小,扩张速度缓慢,推测相当于哀牢山古特提斯小洋盆扩张早期的裂谷阶段的产物。     

燕山中晚期的中国东部高原:埃达克岩的启示

中国东部燕山期岩浆岩广泛发育,其中有一类具埃达克岩的特征,并根据埃达克岩的成因提出中国东部在燕山中晚期可能为一个高原。本文就中国东部高原的范围、高原存在的依据、高原隆升和减薄的机制进行了讨论,指出中国东部高原大规模的抬升事件大约发生在中-晚侏罗世期间,在早白垩世之后塌陷。高原的隆升与板块消减作用无关,是陆内事件的产物。高原的塌陷是下地壳拆沉作用的结果。拆沉作用不仅可以解释高原的减薄,而且可以解释新生代玄武岩喷发和中国东部盆地的形成。     

云南新平县双沟蛇绿岩稀土元素地球化学研究

双沟蛇绿岩中,变质橄榄岩的REE分布型式为LREE富集型,可能是富大离子亲石元素(LILE)组分交代造成的。地幔岩部分熔融生成的初始熔体LREE亏损,而辉绿岩和玄武岩则存在LREE亏损和富集两种型式,前者相当于N-MORB,后者相当于E-MORB。推测前者来源于亏损的软流圈地幔,而后者的地幔源区经历过一次富集LREE和LILE的事件。双沟蛇绿岩的REE特征暗示它可能形成于弧后盆地。     

基于镁铁-超镁铁岩中单斜辉石主量元素含量的决策树集成算法对比

依靠岩浆构造环境的地球化学成分认识岩浆形成过程是岩石地球化学中的重要应用。当前利用岩石地球化学成分判别构造环境的工作还不够深入。用4种基于决策树的机器学习方法对来自全球新生代洋岛玄武岩(OIB)、岛弧玄武岩(IAB)及大洋中脊玄武岩(MORB)等镁铁-超镁铁岩中单斜辉石的13种主量元素构成数据集进行了岩浆构造环境判别和主要特征排序。通过对比4种基于决策树的机器学习方法,验证了树类算法对于地球化学成分识别问题的有效性,并总结出4种方法在处理岩浆构造环境判别问题时的优劣:决策树算法判别过程更易于理解,但是其准确率欠佳;boosting算法中的AdaBoost和GBDT对于岩浆构造环境的鉴别准确度较高,但构造过程复杂;bagging集成算法随机森林在权衡性能和模型可理解性时不失为一个良好的选择。此外,还通过4种算法的特征重要性排序得出Cr_2O_3,TFeO,TiO_2,FeO和Al_2O_3是进行岩浆构造环境判别的重要成分。     

大数据助地质腾飞:岩石学报2018第11期大数据专题“序”

文中提出,大数据有广义与狭义之分:狭义的大数据以4V特点为标志,而符合大数据三个技术取向的、采用全数据模式的、从数据出发的研究是广义的大数据研究。大数据为什么应运而生?是因为科学发展遇到了瓶颈,遇到了难以解决的问题,大数据不仅开辟了科学研究的新方法,新思路,还引发了对科学哲学的反思。文中强调从理论驱动模式到数据驱动模式的转变,是研究方法和研究思路一个巨大的转变,这种转变开辟了新的科学创新之路。文中指出,在大数据时代,凡是能够用数据化表述的学科才称之为科学,而不能用数据化表述的学科就不是科学,能否被数据化是科学与非科学的分水岭。文中讨论了矿床学研究的目的,认为矿床学研究应当专注于查明矿床形成的规律,指导矿床的找矿,提高经济价值。提出在矿床学研究中应当加强对相关关系的研究。一个矿床的成因大家究竟是如何关注的,与成矿有关的因素很多,成矿究竟与哪些因素有关,在许多情况下可能就是一个相关关系的命题,而大数据研究的就是相关关系。因此,大数据与矿床学研究的思路是天然相通的。     

基于全球橄榄石数据的玄武岩构造环境智能判别方法及其验证

一直以来,探索玄武岩地球化学特征与大地构造环境之间的联系是地球化学领域的一个重要研究方向。橄榄石是岩浆最早期结晶的矿物之一,其在玄武质岩浆形成和演化过程中记录了诸多信息。鉴于此,学者们尝试利用橄榄石的元素组成判别大洋中脊玄武岩(MORB)、洋岛玄武岩(OIB)和岛弧玄武岩(IAB)三种构造环境。常用的玄武岩构造环境判别图解难以满足精度要求,于是引入机器学习算法作为判别手段来解决上述问题。机器学习判别方法的分类效果在很大程度上取决于参数选取的合理性。为此,本文提出一种耦合灰狼优化算法(GWO)和支持向量机(SVM)的智能判别方法。该方法利用GWO寻求SVM算法最优参数组合,以形成橄榄石组成元素和玄武岩构造环境之间的最佳映射关系,从而实现对MORB、OIB和IAB三种构造环境的准确判别。此外,根据公开发表的玄武岩样品的地球化学数据,结合混淆矩阵及其衍生评价指标,通过仿真实验、随机子抽样验证和k折交叉验证等方式评估了所提方法的判别性能。评估结果表明, GWO-SVM耦合判别方法在利用橄榄石成分判别玄武岩构造环境方面具有较好的分类效果,其判别准确率可达85%以上。由此可见,相较于传统判别图解方...     

燕山期中国东部高原下地壳组成初探：埃达克质岩Sr、Nd同位素制约

大陆地壳组成是地球科学家关注的课题，但困难的是如何确定深部地壳，尤其是下地壳的组成。埃达克质岩的厘定从一个方面有助于这个难题的解决。中国东部“C型”埃达克质岩（adakite-like)的地球化学性质表明其形成的深度大，熔融的温度高，为下地壳中基性麻粒岩部分熔融的产物。因此，可以尝试通过埃达克质岩的地球化学特征来反演下地壳的组成。本文的初步研究表明，中国东部埃达克质岩的Sr-Nd同位素组成有很大的变化，反映埃达克质岩熔融的源区下地壳组成有明显的不同。根据埃达克质岩石的Sr-Nd同位素组成，推测中国东部高原下地壳大体由胶东－大别、北京－辽西和下扬子（长江中下游）3个不同的块体组成。1，胶东－大别区：胶东区的下地壳以富Si,Na2O/K2O低（0．8－1．3）、Isr高（0．709－0．712）、εNd(t)低（－15－－21）和TDM高（1．9－2．1Ga)为特征；大别区的Isr值较低，可能代表了中生代时基底的特征，大体相当于该区下地壳的上限值。2，下扬子区位于扬子地块内，中生代埃达克质岩的Sr初始值，εNd和TDM变化大，说明元古宙的下地壳基底中可能有较多年轻的玄武质岩石底侵加入。相比而言，铜陵区的Isr较高（0．707－0．709）、εNd(t)较低（－11－－16）、TDM高（1．7－2．2Ga)，接近扬子下地壳的特征。3，辽西－北京地区的Sr-Nd高位素组成以低的Isr(0.705-0.707)、变化的εNd(t)(-4--20)和TDM（0．7－2．1Ga)为特征，反映辽西－北京区下地壳组成比较复杂。其中北京－彰武地区的Sr-Nd同位素组成与汉诺坝玄武岩中的麻粒岩包体类似，远高于华北下地壳的εNd(t)值（－32－－44），推测埃达克质岩石并非来自古老的华北太古宙下地壳，而可能是中生代时增生在华北下地壳底部的年轻基性麻粒岩部分熔融形成的。此外，文中还讨论了用埃达克岩反演下地壳组成存在的不足。     

碱性岩及碱性与亚碱性岩系列的界线——基于全球火山岩数据的探讨

国际地球科学联合会规定,碱性岩必须要有实际碱性矿物和/或似长石出现作为标志,但同时又同意TAS图中B区的玄武岩可以细分为碱性玄武岩和亚碱性玄武岩,取决于它们是否有标准矿物霞石出现。有标准矿物霞石出现的玄武岩归入碱性玄武岩,夏威夷岩有霞石标准矿物出现,是碱性玄武岩。碱性玄武岩和夏威夷岩分别出现在TAS图上的两个区(碱性玄武岩在B区,夏威夷岩在S1区),这是否存在概念上的混乱?早先学术界关于碱性和碱性岩的定义并不完美,由许多学者厘定的碱性-亚碱性的界线区分的不是拉斑与碱性系列,而是正常系列与粗玄岩系列。采用全球火山岩数据考察TAS图及碱性-亚碱性界线,发现碱性与碱性岩在术语的解释上存在瑕疵并提出解决的方案。     

全球数据库数据研究的初步进展

人类已进入大数据和人工智能时代,其成果已惠及千家万户。然而,大数据和人工智能技术在科学研究领域的应用却相形见绌,还未真正得到重视。大数据和人工智能是一种方法,一种思路,它不同于传统的科学研究方法和思路。在科学研究中,什么是大数据研究呢?符合大数据3个技术取向的是大数据研究,采用全数据模式的是大数据研究,从数据出发的是大数据研究。文中介绍了我们利用全球数据库数据厘定的玄武岩、安山岩、大陆边缘弧玄武岩(CAB)构造环境判别图,其中安山岩判别图填补了学术界的空白。玄武岩(MORB、OIB、IAB)判别图也不同于学术界早先熟知的判别图,是根据元素之间的相关关系厘定的。文中还讨论了大数据研究带来的一些可能很有意义的科学问题。如:1.在判别图研究中发现了许多效果较好的图解,主要依赖的是主元素、过渡元素和金属元素之间的关系,上述关系有什么意义,为什么会起到判别的作用?2.数据挖掘发现,全球大洋中脊中酸性岩极度匮乏,是否说明上地幔严重缺水?3.研究发现,中新世是全球岩浆活动最发育的时期,这一时期全球还出现了许多重大地质事件,二者之间是否存在关联?4.中新世全球埃达克岩最发育,按照埃达克岩的出露,发现从青藏高原到喀尔巴阡可能存在一个巨型的欧亚高原;5.根据对新生代苦橄岩全球时空分布研究,提出了一个如何认识全球热点问题等。文中还提出了下一步研究的建议并强调指出,科学已经进入大数据和人工智能时代,在大数据和人工智能时代,科学划分的标准发生了变化:凡是能够用数据化表述的学科才称之为科学,而不能用数据化表述的学科就不是科学,看来,能否被数据化是科学与非科学的分水岭。在大数据和人工智能时代,地质学和矿床学遭遇了空前的危机。按照我们的预测,在可以预见的未来,地球物理学将远超地质学,空间科学将异军突起,而在地质学领域内地球化学一花独放的局面还将维系很长一段时间。文中最后还探讨了今后找矿靠什么的问题,认为物化探和钻探测试技术的进步非常重要,同时,发展人工智能技术也已迫在眉睫。