共查询到18条相似文献，搜索用时 125 毫秒
1.
土壤背景值反映了一定范围内自然环境与人类活动作用下元素指标含量的本底值。依据宁夏固原地区1∶25 万土地质量地球化学调查取得的2 638件土壤样品,利用遍历循环迭代剔除和统计分析方法,得到了研究区表层土壤中53项元素的地球化学背景值和特征参数。通过与中国表层土壤丰度对比,发现研究区Cd、S含量明显高于全国表层土壤丰度,但处于安全限值内; 不同地貌类型下的元素含量差异不仅受成土母质、成壤环境等外部自然条件的影响,也反映了人类活动对土壤环境的扰动。研究可为农业可持续开发与合理利用提供较为可靠的数据支撑。 相似文献
2.
中蒙边界地区成矿地质条件优越,是世界上重要的金属成矿省和全球3大斑岩型铜(金、钼)成矿带之一,资源潜力巨大。中蒙合作1∶100万地球化学填图采集了海量的地球化学数据,为研究该地区元素分散富集、成矿趋势、资源评价和环境变化提供基础数据,为“一带一路”资源布局提供决策依据。以X±3S为临界值一次性剔除离群值后的数据集的中位值作为背景值的估计值,计算了中蒙边界地区12个Ⅱ级构造单元和5个Ⅱ级成矿省的汇水域沉积物69种元素背景值,探讨了中蒙边界地区汇水域沉积物69种元素背景值的区域分布规律和特征。研究表明不同的地质背景导致元素的地球化学分布模式不同,不同构造单元具有显著差异的元素地球化学特征,元素的海量聚集为大型矿床的形成提供了充足的元素供给,形成特定的地球化学省。这些背景值为进一步深入开发利用中蒙边界地球化学填图数据提供了可供对比的基础数据。 相似文献
3.
《物探化探计算技术》2021,(4)
针对峨眉山玄武岩区土壤常见铜元素异常,利用云南省盐津县1:50 000土地质量地球化学评价资料,开展铜元素地球化学特征研究及环境风险评价。结果显示,研究区表层土壤铜元素异常带与峨眉山玄武岩组空间位置十分吻合,虽然土地质量地球化学评价的土壤铜环境等级为中度污染和重度污染,但区内灌溉水水质清洁,水稻、玉米和茶叶等农作物样品中铜元素含量均不超标。研究区表层土壤铜元素分布主要受成土母质和地质背景影响,暂无环境风险。 相似文献
4.
鄂尔多斯盆地北缘地球化学大数据样本优选分析 总被引：1，自引：1，他引：0
众所周知,地球化学数据携带有众多地质噪音,这些噪音严重影响地球化学数据信息的客观性与可靠性;对于地球化学大数据融合分析而言,确定样品的有效性及变量优选是滤除地质噪音、建立最优样本集合的必要性工作,因而在地球化学大数据处理分析前需首先进行大样本优选,从而更加客观、真实的揭示地球化学大数据信息及相关地质意义。本文以鄂尔多斯盆地北缘1∶20万地球化学土壤测量数据为例,考虑元素之间的地球化学亲和力与组合匹配关系,建立非线性大样本优选模型。具体做法是基于优选后的样品矩阵,将39个元素变量分解成若干独立因子向量,将最优独立因子向量作为元素组合,其向量各分量作为元素变量的权重,依权重大小进行变量优选;优选后的样本集合可以作为该区地球化学数据分析与信息识别的有效地学信息集合,运用这种集合可以有效开展鄂尔多斯盆地外围铀地球化学分析,并为盆地铀资源预测奠定基础。 相似文献
5.
为进一步总结完善丘陵盆地区中大比例尺土地质量地球化学调查评价方法技术,2013年在中国地质调查局的支持下,选择浙江省金华市汤溪镇农用地分布区开展了试点调查和采样密度对比试验。基于调查数据进行了土壤酸碱度(p H)、土壤养分丰缺、土壤环境质量和土壤质量地球化学综合评价与分级,探讨了丘陵盆地区野外采样密度。结果表明:区内土壤p H值低、酸性土壤广泛分布;土壤养分元素氮、磷、钾普遍缺乏;土壤环境质量总体较好,仅局部地区出现重金属元素超标;土壤质量地球化学综合等级以一等、二等为主,优良土地面积占调查区的92. 6%,土壤酸性强、养分缺乏是影响调查区土地质量的主要原因,建议采取适当措施调控土壤酸碱度、补充土壤养分;丘陵盆地区中大比例尺土地质量地球化学调查应适当提高土壤采样密度,有效控制土地利用图斑,以便于调查成果在土地资源管护中的应用。 相似文献
6.
现代金矿勘察主要是通过综合地球化学和地质测量等数字化方法对深部矿床进行研究,所需要的人力物力成本较高。而通过分析积累的金矿规格单元数据,可以建立金矿成矿情况与相关成矿元素含量之间的非线性关系,从已有的勘查数据中寻找金矿成矿的一般规律。本文基于与金矿相关的成矿元素含量数据,分别采用逻辑斯蒂回归、随机森林和决策树方法对原始数据和重采样数据进行训练,综合运用召回率、精确率和准确率对模型进行评价。通过对比发现,在训练和测试原始数据过程中,由于每组之间数据量的巨大差距,导致成矿数据被淹没;而在训练重采样数据过程中,随机森林在召回率和准确率方面均有较好的表现,分别达到了90.63%和70.78%;并最终分析了随机森林模型中不同分类边界对于金矿成矿情况预测结果的影响。利用不同的测量指标对模型进行评价分析,使模型更适用于金矿成矿预测,可有效地提高金矿勘察的效率。 相似文献
7.
大兴安岭森林带是我国“两屏三带”生态安全战略格局中的重要一环,其北段松岭区目前是生态地质调查的空白区,查明区内土壤中的元素含量以及空间分布模式,可以为该区生态保护与修复提供基础支撑。以松岭区表层土壤和深层土壤为研究对象,利用多目标区域地球化学采样及分析方法,探讨了各元素指标的地球化学特征及分布模式。研究区土壤的元素分布模式有以下特征: 全C、N、P、S在表层土壤中显著富集; K2O、CaO、Na2O、SiO2在表层土壤中明显贫化; F、Cl、Br、I在表层土壤中高值区的分布受深层土壤影响,同时Br和I在表层土壤中的富集与有机质关系密切; 内梅罗综合指数显示As、Cd、Hg、Ni、Pb、Zn等重金属元素在土壤中轻微超标。 相似文献
8.
钼元素是动植物生长必需的微量元素，生命体中的钼元素直接或间接来自土壤.依据内蒙古自治区鄂伦春旗东部主要耕地区1：25万土地质量地球化学调查项目所采集的土壤样品分析数据，对研究区内表层土壤钼含量进行了营养等级评价.鄂伦春旗东部地区土壤钼含量普遍达到丰富级以上.同时分析了地球化学指标、土壤类型、成土母质等对土壤钼含量的影响.认为钼含量在pH值为5～7之间时随pH增大而减小；在有机质含量20×10-3～140×10-3时，随有机质含量增加而减少.认为暗棕壤及其对应的成土母质为本区提供了钼的来源；提出了研究区内土壤钼主要来源于基岩风化的结论. 相似文献
9.
随着遥感技术的不断发展,高光谱遥感也相应取得了较大的进步,而其应用于找矿方面也越来越广阔。在有土壤覆盖物的多金属矿区,遥感土壤地球化学方法也相应地取得了较大的发展。多金属矿区土壤覆盖物的重金属元素含量测量是判断矿区成矿元素地球化学异常的标志,同时为找矿预测打下基础。使用遥感手段定量化的提取矿区表层覆盖物（土壤）中地球化学信息是找矿预测的必经之路。文章从理论、技术及定量化反演方法三个方面对高光谱遥感应用于土壤地球化学研究取得的新进展进行归纳和总结,并展望遥感土壤地球化学的应用前景。 相似文献
10.
土壤重金属元素含量影响土壤环境质量,依据调查数据采用不同模型对土壤重金属元素含量进行预测是研究土壤元素含量及土壤环境质量变化趋势的重要手段。在研究区1∶25万多目标区域地球化学调查和1∶5万土地质量地球化学评价数据基础上,分别采用单时段增量模型和输入输出通量模型预测2027年土壤中5种重金属元素的含量情况,结果显示：两种模型的预测结果有所差异,但变化趋势一致,5种重金属元素含量均有不同程度增加,单时段增量模型的增幅大于输入输出通量模型的增幅;通量模型的各种输入途径中,Cd、Pb主要通过大气干湿沉降进入土壤,As和Cr主要通过施肥进入土壤,Hg主要通过灌溉水进入土壤;对土壤点位的调查数据、预测数据进行土壤环境质量等级划分,优先保护等级的点位数量比例呈现下降趋势,说明土壤环境质量逐年下降。 相似文献
11.
内蒙古沙锡拉特地区位于大兴安岭多金属成矿带中段,为明确找矿方向,对研究区进行1∶1万土壤地球化学测量。采用单元素异常、组合异常与因子分析对研究区土壤地球化学数据进行评价。单元素异常显示,Ag、Pb、Zn与Sn元素的异常规模大、强度高。组合异常圈定4个异常,分为Ag—Au—As—Sb与Bi—W—Pb—Zn—Sn两类。因子分析将所分析元素分为五组,其中F1因子由Ag—Au—As—Sb元素组成,F2因子由Pb—Zn—Sn元素组成。根据土壤地球化学异常特征与区域成矿地质条件,在本区圈定2个找矿靶区,BQ—1为Pb—Zn—Sn找矿靶区,BQ—2为Ag找矿靶区。 相似文献
12.
地学共享数据库(如GEOROC、PetDB等)可为地球科学研究提供重要基础数据。然而,这些数据库均存在一个明显缺陷:样品的9种主量元素(SiO2、TiO2、Al2O3、CaO、MgO、MnO、K2O、Na2O和P2O5)均有准确数据,但稀土元素(rare earth elements,REE)数据大量缺失。鉴于REE在地球化学领域的重要作用,我们尝试为数据库缺失的REE值提供一个补全方案,即利用机器学习中的随机森林方法实现由9种主量元素预测REE值。以洋岛玄武岩(ocean island basalt,OIB)为例,把从GEOROC库中搜集到的1 283组OIB数据按8∶2的比例分为两组,其中80%的数据作为训练数据集用于建模,20%的数据作为测试数据集验证模型。比较了随机森林和多元线性回归方法对相同数据进行建模和预测的效果差异,发现无论是回归建模还是预测,随机森林方法都优于多元线性回归,且随着输入参数与输出参数之间关系的复杂化,这种优势更加明显。随机森林对测试数据集的预测效果整体较好,只是随着REE原子序数的增大,预测效果逐渐减弱。这一方面可能是因为原子序数大的REE与主量元素的关系更弱;另一方面可能是由于原子序数大的REE与主量元素的关系更加复杂。其次,随机森林方法预测的REE配分曲线与实际配分曲线吻合度较高,且预测所得配分曲线的区分能力较强,能够反映实际配分曲线之间的相对差异,这一点对推断地球化学过程尤为重要。随机森林方法随着训练数据的增多,其建立的模型也将越稳定,预测结果也会更精确。因此,随着数据库的不断完善,对数据库中REE值的预测也将更为可信、可行。 相似文献
13.
尝试地运用1/2.5万不规则网土壤地球化学测量方法,对吉林省珲春市小西南岔金铜矿外围某勘查区的1/20万区域化探直接进行了查证,圈出两处地球化学综合异常,异常主成矿元素Au、Cu异常连续,浓集中心突出,浓度分带清晰,与伴生的As、Bi、Pb、Ag、Zn等元素异常套合较好,具有指导找矿作用。 相似文献
14.
磁铁矿广泛分布在岩浆、热液及沉积等各类矿床中,其地球化学元素组成往往受温度、氧逸度等物理化学条件的影响,能反映矿床形成环境并指示矿床成因类型,是一种重要的勘查指示矿物。自20世纪60年代以来,磁铁矿的主微量元素数据被用来构建不同的判别图,试图来区分矿床的成因类型。然而,由于矿床成因类型的多样性以及同一类型矿床的磁铁矿的主微量元素地球化学组成的复杂性,以往基于少数磁铁矿的主微量元素地球化学成分构建的矿床成因类型判别图存在一定的局限性。基于此,本文收集了前人发表在国内外期刊上的主要矿床类型的磁铁矿的元素地球化学数据(7 388条),初步构建了基于电子探针(EPMA)和激光剥蚀-电感耦合等离子体质谱(LA-ICP-MS)磁铁矿元素地球化学大数据集,建立了基于随机森林算法的矿床成因分类模型,并对磁铁矿主微量元素在矿床成因分类中的重要性做出排序。研究结果表明,基于磁铁矿大数据和机器学习算法构建的判别模型,能有效区分主要矿床类型,整体分类准确度高达95%。由于LA-ICP-MS磁铁矿数据集的测试元素多,分析精度高,使得基于LA-ICP-MS磁铁矿数据集的矿床成因分类模型精度高于基于EPMA数据集,表明磁铁矿中元素种类多少和数据测试精度影响矿床成因分类精度。同时,研究发现V元素在矿床成因分类过程中起到了较为重要的作用。此外,基于大数据和机器学习建立的判别模型对新的磁铁矿数据进行测试,可给出该数据属于每种矿床类型的概率,能有效判别矿床成因类型。 相似文献
15.
多重分形理论能够有效地分析地球化元素局部富集和贫化规律。对取自个旧高松矿田的1 783件断裂构造地球化学样品的13种元素进行了多重分形统计以及局部奇异性方法分析。结果表明:多重分形维谱函数α-f(α)曲线呈连续上凸的特征,曲线的不对称反映了元素局部富集程度差异,并据此将13种元素划分为包含Sn、Cu、Pb、Ag、As、Mn在内的主要成矿元素组合以及包含Zn、Sb、Cd、W、Mo、Bi、Hg的次要成矿元素或伴生元素组合。多重分形的特征值τ″(1)以及Dq的变化规律表明:在主要成矿元素中,Sn在断裂空间上局部富集程度最高,其次为Ag,而Cu相对最低,各元素的τ″(1)值与对应的变异系数的大小具有较为显著的相关性;各元素在空间上的奇异性指数α增强了地球化学富集地段的指示信息,可以作为判别局部富集的重要参数。运用多重分形方法可揭示矿化元素局部富集的奇异性特征以及空间局部富集规律。 相似文献
16.
根据东北黑土地1：250000土地质量地球化学调查数据，对黑龙江省讷河市土壤中微量元素B、Cu、Mo、Fe、Mn、Zn元素全量和有效态含量分布特征进行了分析研究.结果显示：①土壤表层Mn元素含量丰富，Fe、Mo元素含量较丰富，B、Cu、Zn元素含量较缺乏；②土壤表层微量元素Cu、Fe、Mn、Zn有效态含量丰富，B有效态含量中等，Mo有效态含量缺乏；③黑土剖面中微量元素淋溶淀积程度明显，表现为以淋溶层较低，表层和淀积层较高，而草甸土淋溶淀积不明显.依据土壤中微量元素全量和有效态含量分布特点，应选择施用微量元素肥料，促进农业可持续发展. 相似文献
17.
根据东北黑土地1：250000土地质量地球化学调查数据,对黑龙江省讷河市土壤中微量元素B、Cu、Mo、Fe、Mn、Zn元素全量和有效态含量分布特征进行了分析研究.结果显示：①土壤表层Mn元素含量丰富,Fe、Mo元素含量较丰富,B、Cu、Zn元素含量较缺乏;②土壤表层微量元素Cu、Fe、Mn、Zn有效态含量丰富,B有效态含量中等,Mo有效态含量缺乏;③黑土剖面中微量元素淋溶淀积程度明显,表现为以淋溶层较低,表层和淀积层较高,而草甸土淋溶淀积不明显.依据土壤中微量元素全量和有效态含量分布特点,应选择施用微量元素肥料,促进农业可持续发展. 相似文献
18.
本文尝试利用机器学习的随机森林算法分析岩石主量元素与微量元素之间的关系。大洋玄武岩几乎不受混染作用影响,各元素成分之间的关系相对稳定,其中微量元素Zr是一种稳定的高场强元素。本文采用随机森林算法对洋岛玄武岩中Zr元素和主量元素的关系进行探索。利用算法中变量重要性度量判断各个主量元素与Zr元素之间关系的强弱,结合Pearson相关性分析,选择出5种主量元素（TiO2、CaO、MgO、Na2O 和P2O5）作为预测变量。由这5种元素确定了共1 000棵,每棵决策树含3个特征的随机森林模型,该模型对Zr元素的预测效果优于普通多变量回归方法。随后还探索了Zr元素与这5种主量元素的经验公式,得到的经验公式对Zr元素的预测结果也较好。本文更重要的意义是为拥有海量数据的地球化学领域引入一种用于数据挖掘的机器学习方法,并提出一套具有启发性的数据分析方案。 相似文献