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。     

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。     

黔南基性岩墙岩石地球化学、SHRIMP锆石U-Pb年代学及地质意义

基性岩墙,与层状、环状基性杂岩体和高Ti、低Ti玄武岩共同组成了峨眉山大火成岩省岩石组合.为进一步确定大火成岩省及相关生物灭绝事件的时间联系,及更深化研究大火成岩省的成因,对分布于贵州省南部的基性岩墙进行了主、微量元素、Sr-Nd同位素测定和锆石SHRIMP U-Pb年代学研究.黔南基性岩墙∑REE=135.66×10-6~280.59×10-6,LREE/HREE为6.42~7.54,（La/Yb）_N为7.94~9.85,轻重稀土分异明显,δEu为1.0~1.3,具有Ba、Sr、K等LILE富集,Nb、Ta、Zr、Hf等HFSE亏损特征,显示与峨眉山高钛玄武岩相似的地球化学特征.Th/Ta（1.80~1.94）、Nb/U（30.8~39.88）、Th/La（0.08~0.10）、Nb/Th（7.89~8.40）比值与原始地幔相似,较低的初始（87Sr/86Sr）_i比值（0.705 278~0.706 052）、ε_Nd（t）（-0.5~+1.6）、以及Th/Ta比值（< 2.13）显示岩浆无明显的地壳混染,岩浆可能形成于受地幔柱作用的富集石榴石地幔源区10%~12%的部分熔融.SHRIMP锆石206Pb/238U加权平均年龄为261.2±2.6 Ma,反映峨眉山大火成岩的喷发时间可能集中在260 Ma左右,并可能与瓜德鲁普末期的生物灭绝有关.      

大应变静力触探数值模拟及锥形因子影响因素分析

以模拟圆锥在不排水黏土中的静力贯入和分析其影响因素为目标,假设土体为均质弹性—完全塑性材料且服从Mises屈服准则,采用任意拉格朗日—欧拉(ALE)网格划分技术确保锥尖土体在大应变条件下的网格质量,进行大应变有限元数值模拟,并分析了稳定状态下土体刚度指数、原位应力状态和锥尖粗糙程度对塑性区半径与锥形因子的影响,获得了锥形因子表达式。模拟结果表明:塑性区随着刚度指数的增大而增大,锥尖周围塑性区的径向扩张处于柱形孔扩张和球形孔扩张之间,更接近于球形孔扩张;锥形因子随土体刚度指数、锥尖粗糙程度的增大而增大,随土体原位应力状态参数的增大而减小;得到的锥形因子表达式可以量化土体刚度指数、原位应力状态和锥尖粗糙程度的影响,具有较高的精确度。     

塔里木大火成岩省瓦吉里塔格霞石岩铂族元素地球化学特征

作为塔里木大火成岩省形成最晚的火成岩,新疆巴楚瓦吉里塔格霞石岩的岩浆源区性质的确定对于揭示塔里木大火成岩省的深部地质过程具有重要的约束作用。对瓦吉里塔格霞石岩的铂族元素地球化学特征进行了研究,铂族元素(PGE)分析结果显示,原始地幔标准化的PGE呈正斜率型分布,且Pd/Ir值高于原始地幔比值,说明霞石岩的铂族元素发生了分异。霞石岩全岩的PGE与Mg O呈正相关,Pd/Ir、Cu/Pd与Mg O则呈负相关,说明PGE的分异主要受到橄榄石的结晶分异作用控制,也是其Cu/Pd值极高及岩浆S饱和的因素之一,同时Cu/Pd值说明霞石岩岩浆为硫饱和岩浆,但是没有因素导致岩浆S过饱和进而发生硫化物的熔离。与其他大火成岩省岩石相比,瓦吉里塔格霞石岩极度亏损PGE,SCSS(硫承载量)计算结果表明母岩浆在形成之初就发生S过饱和,主要是地幔低程度部分熔融造成的,据此认为地幔源区的部分熔融程度在塔里木大火成岩省Cu-Ni硫化物铂族元素矿床形成过程中起着至关重要的作用。     

大兴安岭北段新林战备村地区早白垩世火成岩年代学、地球化学及大地构造意义

大兴安岭北段新林战备村地区广泛发育晚中生代火山岩及花岗岩体。LA-ICP-MS锆石U-Pb测得战备村花岗岩体侵位年龄为121.0±0.8 Ma,其周围出露的白音高老组流纹岩喷发年龄为136.9±1.3 Ma,二者均形成于早白垩世。地球化学特征上,二者均属于过铝质高钾钙碱性-钾玄质系列,高SiO_2,富K_2O、Na_2O,低Mg、Ti,微量元素富集大离子亲石元素Rb、K、Ba及LREE,亏损高场强元素Nb、Ta、Ti及HREE,轻重稀土明显分异((La/Yb)_N=11~23.2),具中等-弱的Eu负异常(δEu=0.35~0.82),二者具同源岩浆演化的特征。结合前人研究结果,新林战备村地区早白垩世火成岩形成于后造山或碰撞后的构造环境,代表了伸展的大地构造背景,这些火成岩产出可能与蒙古—鄂霍茨克洋中侏罗世至早白垩世闭合造山后的伸展作用有关。     

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。     

月表构造与深部构造的关系

地球和月球很可能是通过大撞击形成的。在行星地质学中,研究月球的地质-构造现象,对了解月球、地球乃至太阳系的形成与演化历史都有很大帮助。月球的构造分为深部构造与月表构造,寻找它们在分布或成因上的关系,可以为月球甚至地月系的起源和演化历史提供重要参考。利用LROC的宽视角影像数据以及LOLA数据提取解译月表构造,结合深大断裂进行观察分析,并对月球的撞击盆地进行统计,最后以静海地区为例分析构造分布特征,发现月球的质量瘤盆地中具有环状分布的月岭,外侧具有近环状分布的深大断裂,自前酒海纪至酒海纪,具备上述特征的质量瘤盆地占总撞击盆地的比例突然有一个很大的提升,且静海地区西部具有该构造分布特征。推测该特征与撞击、月海沉降等有关,且在酒海纪与雨海纪期间月球有较多的月海玄武岩分布,由此判断静海西部存在质量瘤,发生过撞击与月海沉降。     

降雨条件下多层结构喷出岩滑坡孔隙水压力变化与稳定性分析

多层结构喷出岩滑坡的形成条件和内部岩层组合都十分特殊。以浙江省下个寮滑坡为例,分析滑坡变形与降雨之间的关系,并采用数值模拟对坡体内部孔隙水压力和稳定性进行分析。结果表明:因为多次间隔喷发形成的强、中风化交替岩层,致使坡体内部岩体力学性质不统一。当降雨持续进行时,由于渗透性低的中风化夹层存在,深部岩体比浅部接受降雨入渗相对滞后,且前部岩体孔压变动较后部更迟缓,雨水入渗易在渗透系数较低的中风化层中受阻,并顺层面排泄,从而产生软化作用,联合坡体内部渗流场的变动,推动滑坡变形。