基于机器学习的磷灰石微量元素判别岩石类型

近几年机器学习在地学领域发展迅猛。本文致力于利用机器学习方法研究岩浆成因的磷灰石微量元素对于岩浆岩不同岩石类型能否进行准确的判别。磷灰石是一种重要的矿物,在地质勘探和资源开发中有广泛的应用。然而,不同岩石类型中磷灰石微量元素的含量差异较大,本文收集了来自68篇文献的3720条岩浆成因的磷灰石微量元素数据信息,提出了基于随机森林(Random Forest,RF)和人工神经网络(Artificial Neural Network,ANN)2种机器学习的快速判别方法。结果表明,随机森林模型的分类精度达到了93.7%,其中Lu、La/Yb、MnO、Ce是对模型影响最大的4项指标;人工神经网络模型分类精度为89.7%,略低于随机森林模型,其中Lu、Gd/Yb、Ce、MnO是对模型影响最大的4项指标。本研究基于机器学习方法利用磷灰石微量元素实现了对岩浆岩岩石类型的判别,其成果不仅为磷灰石勘探提供了一种高效手段,也为机器学习在地质学领域的应用提供了实证案例。这种基于机器学习的判别方法有望为将来岩石类型鉴别和资源勘探领域的研究提供新的思路和方法。

江西赣州石城国家地质公园丹霞地貌特征及旅游开发

石城国家地质公园位于江西省赣州市,以丹霞地貌景观为主要旅游资源,以发育在红色砂岩中的龟裂地貌为特色。不同类型的龟裂地貌组合成为栩栩如生的象形景观,尤以龟寿石和仙人犁田最引人注目。通过野外地质调查,总结了园区丹霞地貌景观类型和特征,认为它们主要是晚白垩世陆相红层受到构造抬升、断裂切割、岩性组成、流水侵蚀及风化作用形成的,砂岩独特的龟裂地貌主要是风化作用的结果。近些年来,石城国家地质公园旅游发展虽然取得了明显进步,但主要还停留在观光旅游层面。在国家提倡科普教育、研学旅行的背景下,园区应与广东丹霞山、福建泰宁、江西龙虎山等世界地质公园开展交流与合作,借鉴成功经验;增加科研投入,为提升景区研学质量提供基础研究资料。

陕北丹霞地貌特征及国内外对比研究

通过野外考察,并结合地质资料和样品分析,对陕北丹霞地貌形成的地质构造背景、红层岩性、形态特征、演化过程等进行系统阐述,并与中国东南部湿润区及国外的典型丹霞地貌进行对比,总结其共性和差异。结果表明:陕北丹霞地貌形成的构造环境为大型内陆坳陷盆地—鄂尔多斯盆地,主要成景地层为洛河组紫红色中-细粒长石石英砂岩,形成于早白垩世的干旱沙漠环境,发育大型交错层理,其碎屑颗粒分选性和磨圆度较好,但结构松散,胶结程度较弱,颗粒表面有碟形撞击坑等典型风成砂岩特征。陕北丹霞地貌最显著的特征是顶部有第四纪黄土盖层,形成覆盖型丹霞,地貌发育总体上处于青年期,整体为高原-峡谷景观,发育密集的沟谷群和连续的丹霞崖壁,但孤立的单体地貌较少。陕北丹霞地貌演化过程可划分为早白垩世红层沉积-晚白垩世红层盆地构造抬升和古丹霞发育-古近纪以来间歇式抬升-第四纪黄土覆盖等4个阶段。国内外对比方面,陕北丹霞与中国东南部湿润区的丹霞地貌在构造环境,物质基础,地貌特征等方面差异较显著,但与美国西部的丹霞地貌存在许多相似性。