青藏高原东南缘次林错岩体晚白垩世—早新生代快速剥蚀

青藏高原东南缘是研究构造、地貌演化和气候变化相互作用的理想场所,前人研究主要揭示了晚始新世—早中新世和晚中新世以来的快速剥蚀事件,缺乏晚白垩世—早新生代时期地貌演化过程的研究。次林错花岗岩已有的低温热年代学数据覆盖了整个新生代时期,为探索该区域新生代早期的剥露演化历史提供了重要资料。该岩体新生代早期冷却事件是岩浆冷却单一作用的结果,还是受快速剥蚀作用的影响,目前仍然存疑,需要定量研究。因此,本文结合已有的岩石地化和年代学数据,对次林错花岗岩开展了锆石饱和温度和一维岩浆冷却模拟研究。锆石饱和温度计算结果表明次林错花岗岩的岩浆结晶温度介于647～705℃之间,属低温花岗岩。一维岩浆冷却模拟结果显示岩体侵位时的最小围岩温度为160～120℃,对应深度约为3.7～5.0 km。结合锆石和磷灰石(U-Th)/He年代学数据,本文认为该岩体在晚白垩世—早新生代时期(67～40 Ma)经历了一期剥蚀量至少为2 km的快速剥蚀事件。已发表成果的综合分析表明,此次快速剥露事件可能是整个青藏高原地区广泛存在的构造剥蚀事件,新特提斯洋的俯冲闭合与印亚板块的初始碰撞可能是触发此次大规模区域剥蚀的主要原因。     

青藏高原周缘的河流纵剖面特征及其对构造地貌演化的启示

河流水系是改造地表地貌的主要外动力,其形态样式记录了造山带和高原的生长和演化。目前对于青藏高原周缘的河流剖面研究主要集中在南缘、东南缘及东缘。相比而言,对于流经高原其他边缘河流的纵剖面特征仍然缺乏分析,不同位置的高原边缘河流发育是否存在相似性或差异性及其内在原因尚未开展相关研究。选取青藏高原北缘西昆仑—阿尔金地区、东北缘祁连山地区、东南缘三江地区和南缘喜马拉雅等典型区域,通过开展河流地貌对比研究,利用河流纵剖面的关键地貌参数定量分析了高原周边地貌边界带的空间特征及相关的构造与气候因素。结果表明,在青藏高原周缘地貌边界带上,河流陡峭度指数最大值与区域地形起伏最大区域一致,河流流经高原边缘时陡峭度有显著升高,而在高原边缘两侧陡峭度均相对较低,且河流向高原内部的溯源侵蚀十分有限,而且河流裂点均出现在区域地形起伏较高的地貌部位。其中青藏高原北缘、东北缘与南缘,地形起伏最大的区域与构造边界所围限的高原边界一致,并大致对应最新构造活动的强隆升区,而青藏高原东南缘的高原边界较模糊,地形起伏度变化最明显的区域出现在雅砻逆冲断裂两侧,与前人提出的古高原边界一致,暗示该区河流裂点的形成可能与雅砻逆冲断裂的早期活动有关。基于研究结果认为,对于青藏高原这样大尺度或经历长时间构造演化过程的地貌单元,基于稳态假设下的河流形态分析高原隆升时间可能存在较大偏差。青藏高原东南缘的高海拔低起伏地貌面可能是在较平缓的内流水系作用下形成的,在随后的河流袭夺等过程中演变为现今的外流河状态。     

基于机器学习的地表破裂自动识别和填图——以2021年青海玛多MW7.4级地震为例

大地震的同震地表破裂高分辨率填图对于理解破裂传播机制、量化地震灾害和地震危险性等至关重要；无人机航片和地形数据为地表破裂研究提供大量的高精度数据.同时基于海量数据的人工填图耗时费力，效率较低；机器学习(Machine learning)技术的发展为快速处理这类高分辨率图像数据提供了新思路.本文以2021年玛多M_W7.4级地震震后高精度无人机航片为基础数据，展示了机器学习技术快速、高效识别地表破裂的潜力.基于卷积神经网络Canny算法，详细讨论了无人机数字正射影像的处理流程和关键步骤，包括准备训练数据、训练和后处理.对比人工识别和机器识别的结果显示，本文所提出的方法可以有效地绘制地表破裂，为未来研究大地震地表破裂提供新思路.同时，展示了机器学习在地震地质、地表过程和地貌等定量研究中的巨大优势和广阔前景.