内蒙古克什克腾旗长岭子铅锌矿床流体包裹体及矿床成因类型研究

内蒙古克什克腾旗长岭子铅锌矿床是大兴安岭南段新发现的一个矿床,矿体赋存于下二叠统大石寨组海相火山岩建造中,矿体受夕卡岩控制。根据手标本中脉体穿插关系和岩石薄片中观察的矿物共生组合特征,文中将长岭子铅锌矿的成矿过程划分为4个阶段：干夕卡岩阶段、湿夕卡岩磁铁矿阶段、石英硫化物阶段和石英碳酸盐阶段,分别以石榴子石±透辉石±硅灰石、石英+绿帘石+电气石+磁铁矿、石英+黄铁矿±磁黄铁矿±黄铜矿±方铅矿±闪锌矿和石英±方解石的矿物组合为标志。长岭子矿床主要发育水溶液包裹体(W型)和含子矿物多相包裹体(S型),前者可进一步划分为富液相(WL型)和富气相(WV型)两个亚类。干夕卡岩阶段辉石中主要发育S型和WL型包裹体,湿夕卡岩磁铁矿阶段绿帘石和石英中主要发育WL型、WV型和S型包裹体,石英硫化物阶段石英中可见所有类型的包裹体,石英碳酸盐阶段的石英±方解石脉中仅见WL型包裹体。干夕卡岩阶段辉石中流体包裹体的均一温度和盐度分别为387~524 ℃和10.7%~52%(NaCleqv.);湿夕卡岩磁铁矿阶段包裹体均一温度为312~533 ℃,盐度为11.3%~60%(NaCleqv.);石英硫化物阶段包裹体均一温度介于182~329 ℃,盐度介于4.7%~38%(NaCleqv.);石英碳酸盐阶段包裹体均一温度为124~199 ℃,盐度介于3.1%~22.4%(NaCleqv.)。上述矿床地质和成矿流体特征表明长岭子铅锌矿为夕卡岩型矿床。成矿流体经历了自夕卡岩阶段高温、高盐度岩浆热液向石英碳酸盐阶段低温、低盐度大气降水热液的转变。石英硫化物阶段发育沸腾包裹体组合,表明成矿流体发生了沸腾作用,这可能是成矿物质沉淀的主要机制。     

原位杂交结合半薄切片对石鳖贝壳发育相关细胞的观察研究

多板纲软体动物(石鳖)生有8片重复排列的贝壳,与其他类群如腹足类、双壳类等有显著的区别,这些差异蕴含着重要的发育和演化意义。前期研究发现,红条毛肤石鳖(Acanthochitona rubrolineata)幼虫贝壳发育组织的细胞排列欠规则,在普通显微镜下不易识别单个细胞结构。本研究首先利用整装原位杂交手段鉴定出一些参与贝壳发育的细胞群体,发现表达engrailed的细胞分布于贝壳发育区中央区域的突起部位(脊)和边缘区域,其中脊区域的表达呈条纹状,边缘区域的表达则与贝壳发育区的外周吻合,但是对这些细胞的形态和排列模式等细节无法开展深入观察。接下来对石鳖幼虫进行了半薄切片,发现可以识别出壳板发育区细胞及脊细胞的大致轮廓和分布模式,但分辨率仍然受限。为了进一步提升分辨能力,结合了整装原位杂交实验及半薄切片技术,对表达engrailed基因的贝壳发育相关细胞开展了观察研究。结果显示,对整装原位杂交后的幼虫进行半薄切片,组织细胞结构保持完整,细胞轮廓清晰,能够清楚区分engrailed阳性细胞。观察表明,这些细胞具有较高的核质比,总体呈V形排列,且贝壳发育区中央部位与边缘部位的engraile...     

东沙海区泥火山调查进展

泥火山是地球运动和深部含流体物质向表层迁移的一种重要形式, 其喷溢及喷出物对认识地质动力、地层岩性和资源环境具有重要的意义。东沙海区新生界薄(~1km), 中生界厚(>5km), 是南海最典型的中生代沉积区和油气勘探待突破区。区内有众多的海山海丘, 过去都被推测为不利于油气成藏的岩浆火山。但近年来针对这些海山进行的调查发现了大量海底地层底辟形变与断裂、流体充注空白反射带和喷溢释放结构。通过浅表层取样采获了丰富的自生碳酸盐岩结核及深水珊瑚、海绵等生物, 表明众多海山、海丘具有明显的泥火山活动特征。东沙泥火山的发现表明区内具有良好的油气生成和运移条件, 为勘探源于中生界的油气和水合物提供了重要线索; 而大量深水珊瑚和海绵的出现指示东沙泥火山区可能是深水珊瑚礁、海绵礁发育区, 为研究油气泄漏、化养生物和环境三者的关系提供了重要的研究对象。     

Three-dimensional quantitative analysis on granular particle shape using convolutional neural network

To identify all desired shape parameters of granular particles with less computational cost, this study proposes a three-dimensional convolutional neural network (3D-CNN) based model. Datasets are made of 100 ballast and 100 Fujian sand particles, and the shape parameters (i.e., aspect ratio, roundness, sphericity, and convexity) obtained by conventional methods are used to label all particles. For the model training, by feeding the slice images of particles into the model, the contour of particles is automatically extracted, thereby the shape parameters can be learned by the model. Thereafter, the model is applied to predict shape parameters of new particles as model testing. All results indicate the model trained based on slice images cut from three orthogonal planes presents the highest prediction accuracy with an error of less than 10%. Meanwhile, the accuracy for concave and angular particles can be guaranteed. The rotation-equivariant of the model is confirmed, in which the predicted values of shape parameters are roughly independent of orientations of the particle when cutting slice images. Superior to conventional methods, all desirable shape parameters can be obtained by one unified 3D-CNN model and its prediction is independent of particle complexity and the number of triangular facets, thus saving computation cost.