| 综合古地理重建的数字智能化趋势与方法进展 |
| |
| 引用本文： | 侯明才,陈安清,任强,钟瀚霆,李志林,刘少峰,肖倚天,李海鹏,伍新明,姜莉莉,马超,林成发,郑栋宇,尤加春,孙晓明,遆鹏,王瀚,张蕾,程汉. 综合古地理重建的数字智能化趋势与方法进展[J]. 地质学报, 2023, 97(9): 2956-2974 |
| |
| 作者姓名： | 侯明才 陈安清 任强 钟瀚霆 李志林 刘少峰 肖倚天 李海鹏 伍新明 姜莉莉 马超 林成发 郑栋宇 尤加春 孙晓明 遆鹏 王瀚 张蕾 程汉 |
| |
| 作者单位： | 1) 自然资源部深时地理环境重建与应用重点实验室，成都理工大学，四川成都，610059；2) 油气藏地质及开发工程全国重点实验室，成都理工大学沉积地质研究院，四川成都,610059;3) 西南交通大学地球科学与环境工程学院，四川成都，611756;4) 中国地质大学(北京)地球科学与资源学院，北京，100083;5) 中国石化石油勘探开发研究院，北京，100083;4) 中国地质大学(北京)地球科学与资源学院，北京，100083；6) 苏州深时数字地球研究中心，江苏昆山，215347；7) 昆山市工业研究院，江苏昆山，215347;8) 中国科学技术大学地球和空间科学学院，安徽合肥，230026;9) 中国科学院地理科学与资源研究所，北京，100101 |
| |
| 基金项目： | 本文为国家自然科学基金项目(编号42050104，41888101)、四川省科技计划项目(编号2023NSFSC1986)、江苏省科技厅创新支撑计划国际科技合作项目(编号BZ2022057)和昆山市重点研发计划数字经济技术创新专项(编号KC2218)联合资助的成果 |
| |
| 摘 要： | 古地理重建是研究地质历史时期地表构造过程、海陆格局和地貌环境特征的一项综合研究，并通过绘制表达海洋和大陆的古代轮廓以及重要的地形和地表环境的地图来呈现，是还原地球演化历史、预测能源矿产分布、认识生命和气候演变的基础性工作。随着大数据时代的到来，数字化方法的应用为古地理图快速更新和友好呈现提供了方便。目前，全球有多个团队发布了数字化的全球古地理重建模型以及相关的数据和方法，如EarthByte、PaleoMap、UNIL、Deep Time Maps等团队。笔者研究团队基于“深时数字地球(Deep- time Digital Earth, DDE)”国际大科学计划提出的数据- 知识- 模型驱动的古地理重建思想，提出基于数字化方法驱动的升级更新全球古地理图的新流程，并通过不断尝试地球科学与信息科学的交叉融合，从知识图谱、大数据分析和机器学习技术等方面开发了多项古地理重建应用技术。以东特提斯域中二叠世—中三叠世的古地理重建为例，首先在GPlates软件平台上重建了板块构造框架，再利用岩相古地理图自动生成地形地貌图并结合人工校正，最后在GPlates软件通过图层叠加实现了中二叠世—中三叠世东特提斯域的动态数字综合古地理重建。本用例与广泛使用的Scotese (2021)的古地理图对比，在成图效率、数据丰富性和可追溯性、模型准确性等方面都有明显提升，并为该时期板块运动、冰期消亡、大洋缺氧和生物灭绝等重大地质事件的研究提供新的约束和启示。
|
| 关 键 词： | 深时数字地球；古地理；大数据；机器学习；重建模型 |
| 收稿时间： | 2023-05-31 |
| 修稿时间： | 2023-09-15 |
The progress and perspective of digital intelligence in comprehensive paleogeographic reconstruction |
| |
| HOU Mingcai,CHEN Anqing,REN Qiang,ZHONG Hanting,LI Zhilin,LIU Shaofeng,XIAO Yitian,LI Haipeng,WU Xinming,JIANG Lili,MA Chao,LIN Chengf,ZHENG Dongyu,YOU Jiachun,SUN Xiaoming,TI Peng,WANG Han,ZHANG Lei,CHENG Han. The progress and perspective of digital intelligence in comprehensive paleogeographic reconstruction[J]. Acta Geologica Sinica, 2023, 97(9): 2956-2974 |
| |
| Authors: | HOU Mingcai CHEN Anqing REN Qiang ZHONG Hanting LI Zhilin LIU Shaofeng XIAO Yitian LI Haipeng WU Xinming JIANG Lili MA Chao LIN Chengf ZHENG Dongyu YOU Jiachun SUN Xiaoming TI Peng WANG Han ZHANG Lei CHENG Han |
| |
| Affiliation: | 1) Key Laboratory of Deep- time Geography and Environment Reconstruction and Applications of Ministryof Natural Resources, Chengdu University of Technology, Chengdu, Sichuan 610059, China; 2) State Key Laboratory of Oil and Gas Reservoir Geology and Exploitation, Institute of Sedimentary Geology,Chengdu University of Technology, Chengdu, Sichuan 610059, China;3) Faculty of Geosciences and Environmental Engineering, Southwest Jiaotong University, Chengdu, Sichuan 611756, China;4) School of Earth Sciences and Resources, China University of Geosciences, Beijing 100083, China;5) Sinopec Petroleum Exploration and Production Research Institute, Beijing 100083, China;4) School of Earth Sciences and Resources, China University of Geosciences, Beijing 100083, China;6) Suzhou Deep- time Digital Earth Research Center, Kunshan, Jiangsu 215347, China;7) Kunshan Industrial Technology Research Institute, Kunshan, Jiangsu 215347, China;8) School of Earth and Space Sciences, University of Science and Technology of China, Hefei, Anhui 230026, China;9) Institute of Geographic Sciences and Natural Resources Research, Beijing 100101, China |
| |
| Abstract: | |
| |
| Keywords: | Deep- time Digital Earth paleogeography big data machine learning reconstruction model |
|
| 点击此处可从《地质学报》浏览原始摘要信息 |
|
点击此处可从《地质学报》下载全文 |
|
