基于断层滑动数据古应力反演的影响因素及其误差分析

古构造应力场是构造动力学研究中的一个重要内容,且断层滑动数据古应力反演已经成为古构造应力场恢复研究中比较常用的重要方法之一。近年来,断层滑动数据古应力反演方法研究和应用取得了一系列重要进展,但有关反演结果的解释仍存歧义,反演结果的影响因素及其误差范围等并未得到深入研究与定量分析。本文总结指出,影响断层滑动数据古应力反演结果的主要因素包括变形体制、剪切破裂面类型、断层面的形态以及地质体内薄弱面的存在等。在此基础上,分别对新生断层和先存薄弱面滑动数据的古应力反演综合误差进行了定量分析。研究指出,在可以大致厘定变形体制或误差在允许范围内的前提下,将断层滑动数据反演结果解释为应力状态是合理可行的。各种因素导致的反演误差定量分析表明,同一期构造应力场形成的破裂面滑动数据的古应力方位反演误差最大不超过35°。换言之,在没有证据表明存在不同期次的应力作用情况下,主应力方位变化小于35° 的应力状态,可以划归同一期应力场。     

基于主成分分析的青藏高原多年冻土区高寒草地土壤质量评价

土壤质量评价是提高对土壤质量理解的关键环节。为了了解青藏高原多年冻土区高寒草地土壤质量的基本情况,在青藏高原腹地西大滩至安多地区,根据不同海拔梯度和植被盖度共采集了154个土壤样品。通过主成分分析（PCA）法确定了影响青藏高原多年冻土区高寒草地土壤质量的最小数据集（MDS）：全氮、全磷、全钾。根据影响土壤质量的最小数据集对青藏高原多年冻土区高寒草地土壤质量进行评价,得出了不同海拔、不同植被盖度下的土壤质量指数（SQI）。通过对不同海拔、不同植被盖度的土壤质量指数进行对比研究表明：随着海拔的升高,SQI呈增加的趋势,即海拔4 300～4 600 m（0.270±0.043） < 海拔4 600～4 900 m（0.326±0.061） < 海拔4 900～5 200 m（0.410±0.075）;随着植被盖度的增加,SQI也呈现增加的变化趋势,即植被盖度小于50%（0.262～0.265） < 植被盖度大于50%（0.336～0.344）。在分别考虑了有机质、盐分、土壤水分对土壤质量的影响下得出的土壤质量指数值与基于最小数据集得到的土壤质量指数相一致,说明基于主成分分析的最小数据集可以对青藏高原多年冻土区高寒草地土壤质量做出较准确的评价。     

2000-2014年西藏雅鲁藏布江流域积雪时空变化分析及对气候的响应研究

利用2000-2014年MODIS逐日无云积雪产品对雅鲁藏布江流域积雪特征的空间分布及变化、积雪随高程变化的规律进行了分析,并采用被动微波数据SMMR （1979-1987年）和SSM/I （1988-2008年）以及中国地面降水和气温0.5°×0.5°日值格点数据集,研究了雅鲁藏布江流域关键积雪参数对气候要素的响应等。结果表明：流域下游积雪日较大且变化剧烈;流域整体上呈显著减少的趋势;积雪日随高程的上升而增加;流域内降水呈不显著的增加趋势,而气温呈显著的增加趋势,最高气温对积雪变化影响最大;气温对积雪终日的影响明显高于积雪初日;在积雪消融期降水的增多促进了积雪的消融。     

新特提斯洋俯冲起始的地质记录:土耳其南部蛇绿岩和变质底板

在现行板块构造理论的框架下,板块的初始俯冲是岩浆活动和构造运动发生转变的重要过程,亦是理解板块运动的关键节点。在俯冲起始过程中,主要存在四个方面的地质记录,分别为一系列地球化学成分多样的岩浆活动、SSZ型蛇绿岩、变质底板和玻安岩及其对应的铬铁矿床。特提斯造山带作为公认的研究板块构造理论尤其是初始俯冲的关键场所,一直备受地学界的重视。而土耳其南部构造带作为特提斯造山带的重要组成部分,亦是确定亚欧板块和阿拉伯板块之间缝合线存在的重要标志。该南部构造带是研究新特提斯洋俯冲起始的理想场所,上述关于俯冲初始的四个地质记录均保存良好,且有如下方面的重要特点:1)不同地区的镁铁质岩石甚至同一地区的镁铁质岩石具有不同的地球化学特征,从似洋中脊玄武岩,到过渡型岩石类型和玻安质岩石均有发育; 2)大部分蛇绿岩具有完整的序列,各单元及变质底板岩石中普遍发育侵入的基性岩脉,产状多变,是多期岩浆事件的产物; 3)蛇绿岩下部通常发育一套角闪岩相变质底板,且其年龄与蛇绿岩的形成年龄基本一致; 4)蛇绿岩中普遍发育铬铁矿床,以高Cr型为主,部分蛇绿岩中还赋存高Al-高Cr的过渡型铬铁矿,均被认为是幔源岩浆与地幔橄榄岩反应的产物。因而,这些地质体完整记录了新特提斯洋形成-俯冲-消减的演化过程。     

卷积神经网络及其在矿床找矿预测中的应用——以安徽省兆吉口铅锌矿床为例

大数据人工智能地质学刚刚起步,基于大数据智能算法的地质研究是非常有意义的探索性实验。利用大数据和机器学习解决矿产预测问题,有助于人们克服不能全面考虑地质变量的困难及评估当前模型在已有数据中的可靠性。元素地表分布特征量主要受原岩成分、成矿作用影响和地表过程的影响,它们携带某些指示矿体就位的信息,即矿体在地下空间就位时在地表的响应,且未在地表过程中消失。以往的地球化学勘查工作仅仅识别异常,但未能发现矿体在地表响应的成矿特征量。本文以安徽省兆吉口铅锌矿床为例,通过机器学习,利用卷积神经网络算法,不断挖掘元素Pb分布特征与矿体地下就位空间的耦合相关性。经过1000次训练后,可以得到准确率0. 93,损失率0. 28的卷积神经网络模型。这种神经网络模型就是矿体在地下就位时元素在地表分布的响应,可以用来进行矿产资源预测。应用该模型对未知区进行预测,结果显示第53号区域具有很大概率存在尚未发现的矿体。     

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Hyperion高光谱数据和随机森林方法的岩性分类与分析

探索利用高光谱数据的岩性填图新方法是遥感地质应用领域的重要需求之一。本文运用随机森林方法和EO-1Hyperion高光谱数据,对新疆塔里木西北部柯坪地区的局部区域进行岩性分类,并对相关问题进行分析。分别利用光谱特征以及加入光谱一阶导数特征进行岩性分类,并对不同特征对岩性分类的重要性进行分析,同时与现有的基于光谱角制图方法(SAM)进行比较。结果表明,与SAM方法相比,随机森林方法得到了更高精度的岩性分类结果,是一种有效可行的岩性分类方法。根据特征重要性的排序,蓝绿光波段、短波红外波段以及相应的一阶导数特征对研究区Hyperion数据的沉积岩岩性分类贡献更大。     

面向矿产资源信息的空间关联性分析

关联性分析是综合多源、多类数据,发现和挖掘数据中潜在的相关关系,提取和挖掘数据之间的关联性。该方法对于充分利用地质大数据、发现地质要素之间的共生组合规律具有重要的意义。本文首先基于数据的空间位置,将不同类型的地质空间数据建立联系,形成空间属性数据库;其次应用统计方法,对不同来源数据中的属性特征进行分析,发现热液型金矿的形成与火山作用存在明显相关性;最后基于Apriori算法提取热液型金矿的伴生矿与侵入岩的频繁项集,发现伴生矿与侵入岩酸碱性二者密切相关。因此,在今后的工作中,有望应用空间关联性的方法对地球物理、地球化学、遥感等多源地质数据开展深入的研究分析。     

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。     

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。