内蒙古苏左旗白音宝力道Adakite质岩类成因探讨及其SHRIMP年代学研究   总被引：23，自引：14，他引：23  

石玉若  刘敦一张旗　简平张福勤  苗来成施光海  张履桥陶华 《岩石学报》2005,21(1):143-150

内蒙古苏左旗白音宝力道闪长质岩类的地球化学特征类似典型的埃达克岩,其SiO3含量≥56%(61.1-61.6%),Al2O3含量均大于15%(16.6-17.1%),MgO<3%(2.3%),Na2O>3%,Na2O/K2O比值较高(1.8-2.7,平均2.2),亏损HREE,Yb含量<1.9μg/g(1.61μg/g-1.64μg/g),岩体富Sr(604-649μg/g,>400μg/g)、贫Y(14.5-16.2μg/g,<18μg/g),Sr/Y>40(40-42),在微量元素蛛网图上具明显的Sr正异常。表明其成因与板块的俯冲作用有关,可能是消减的MORB板片部分熔融的产物。精确的SHRIMP皓石U-Pb年龄测定显示,内蒙古苏左旗白音宝力道英云闪长岩的结晶年龄为464±8Ma和479 8Ma,结合前人的SHRIMP定年资料,该闪长质岩体的年龄范围可能在464-490Ma之间。表明内蒙古中部的板块俯冲事件发生在早奥陶世。  相似文献   

一部大陆造山带研究的佳作──评《祁连山大地构造与造山作用》     

张旗 《西北地质科学》1997,(1)

一部大陆造山带研究的佳作──评《祁连山大地构造与造山作用》由地矿部酉安地质矿产研究所冯益民、何世平所著的《祁连山大地构造与造山作用》一书，是国家科委“八五”攻关成果之一，已由地质出版社公开出版发行。祁连造山带是现今中国保存最好的造山带之一，有许多独具...  相似文献   

阿拉斯加型超镁铁质岩的岩石化学特征   总被引：2，自引：0，他引：2       下载免费PDF全文

张魁武  沈步明  李达周  张旗 《地质论评》1988,34(4):377-381

一般认为,阿拉斯加型超镁铁质岩是一种富铁质的岩石,当发育完好时,通常具环状分布,故又称为“环状侵入体”。在美国阿拉斯加东南和苏联乌拉尔研究较详,我国对这类岩体还缺乏研究。最近几年,我们在云南西部鉴别出一系列阿拉斯加型的岩体,其中包括最谷县的半坡和葳里岩体、维西县的吉岔岩体等,构成了一个阿拉斯加型岩带,我们称之为澜沧江岩带。  相似文献   

蛇绿岩的分类   总被引：17，自引：0，他引：17       下载免费PDF全文

张旗 《地质科学》1990,(1):54-61

文中把蛇绿岩分为三类:科迪勒拉型、东地中海型和西地中海型。科迪勒拉型蛇。绿岩通常构成构造地层地体的基底,岩石序列中有相当数量的富Si质岩石出现,大多与岛弧或弧间盆地环境有关。东地中海型蛇绿岩以产出较强烈亏损的地幔岩和低Ti玄武岩以及玻安岩为特征,产于洋内消减带之上的岛弧和弧后盆地环境。西地中海型以阿尔卑斯蛇绿岩和横断山区古特提斯蛇绿岩为代表,地幔岩亏损较弱,玄武岩则是MORB型的,形成于小洋盆或转换断层环境。  相似文献   

阿拉斯加里镁铁-超镁铁杂岩的研究历史和现状     

张魁武  张旗 《地球科学进展》1990,5(6):48-51

总结回顾了本世纪初至今的阿拉斯加型镁铁—超镁铁杂岩的研究历史，介绍了各个时期的学术发现和中国学者的研究工作，指出了需待研究解决的学术问题。  相似文献   

陕西商县—丹凤地区丹凤群变质玄武岩的微量元素和同位素地球化学   总被引：26，自引：10，他引：26  

张旗  张宗清 《岩石学报》1995,11(1):43-54

丹凤祥变质玄武岩可以分为两类：一类是ＬＲＥＥ富集型的钙碱性玄武岩，另一类是ＬＲＥＥ平坦型的拉斑玄武岩。ＬＲＥＥ富集型的变质玄武岩［（Ｃｅ／Ｙｂ）Ｎ为５～２０］贫Ｔｉ、Ｎｂ、Ｔａ，Ｔｈ＞Ｔａ，Ｎｂ／Ｌａ＜０．８，Ｈｆ／Ｔｈ＞８，Ｚｒ／Ｙ＜３，表明其形成于消减带之上的洋内岛弧环境。该玄武岩的εＮｄ（ｔ）＝＋４．９～＋７．３，εＳｒ（ｔ）＝３．０～＋３２，可能是亏损地幔端元（ＤＭＭ）与第二类富集地幔端元（ＥＭⅡ）混合形成的。大多数玄武岩的（２０６Ｐｂ／２０４Ｐｂ）ｉ比值（１６．５～１７．６）较低，（２０８Ｐｂ／２０４Ｐｂ）ｉ和（２０７Ｐｂ／２０４Ｐｂ）ｉ比值（分别为３６．２～３６．９和１５．３～１５．５）较高，ε１８Ｏ变化较大（５．５‰～９．２‰）。因此，根据微量元素和同位素地球化学资料，丹凤群变质玄武岩的源区可能包括下述组分：１）亏损的软流圈地幔（ＤＭ）；２）富集地幔（ＥＭ）；３）洋内岛弧下地壳（镁铁和超镁铁质岩）；４）消减带岩片带入的组分。而ＬＲＥＥ亏损的拉斑玄武岩具ＭＯＲＢ的特征，Ｔｈ／Ｔａ和Ｌａ／Ｔａ比值近似等于１，ＴｉＯ２＝１．６５％，Ｔｉ／Ｖ＝２２，指示来自亏损的软流圈地幔，形成在与消减作用无关的拉张  相似文献   

西藏白朗地区蛇绿岩火山岩中单斜辉石的化学特征   总被引：2，自引：0，他引：2       下载免费PDF全文

李达周  王风阁  张旗  周云生 《地质科学》1984,(2):149-156

近年来,应用岩石的地球化学和矿物学特征区分不同构造位置的现代火山岩,已被人们所注意。同时,根据这种观测资料所确定的一般特征,亦已广泛地应用于古火山岩,并获得了一些古地质环境的概念。  相似文献   

花岗岩的Sr-Yb分类及其地质意义   总被引：70，自引：52，他引：70  

张旗　王焰李承东  王元龙金惟俊　贾秀勤 《岩石学报》2006,22(9):2249-2269

研究表明,中酸性岩浆岩(包括 SiO_2>56%的中酸性火山岩和侵入岩)的 Sr 和 Yb 是两个非常有意义的地球化学指标,如果大致按照 Sr=400×10~(-6)和 Yb=2×10~(-6)为标志,可以划分出4类花岗岩,即:高 Sr 低 Yb(Sr>400×10~(-6),Yb<2×10~(-6))、低 Sr 低 Yb(Sr<400×10~(-6),Yb<2×10~(-6))、低 Sr 高 Yb(Sr<400×10~(-6),Yb>2×10~(-6))和高 Sr 高 Yb(Sr>400×10~(-6),Yb>2×10~(-6))型花岗岩。其中,从低 Sr 高 Yb 型中还可以分出非常低 Sr 高 Yb(Sr<100×10~(-6),Yb>2×10~(-6))的一类。因此,按照 Sr 和 Yb 含量的不同,可以将花岗岩分为5类,文中着重探讨了这5类花岗岩形成的源区深度问题,指出按照残留相组成和花岗岩地球化学特征,可以将花岗岩形成的压力分为3或4个级别:即:(1)高压下与石榴石平衡的花岗岩具有高 Sr 低Yb 的特征;(2)在中等或较高压力、麻粒岩相(由斜长石 石榴石 角闪石 辉石组成)条件下,花岗岩具低 Sr 低 Yb 或高 Sr 高 Yb 的特点(取决于原岩成分);(3)低压下,残留相有斜长石无石榴石(角闪岩相),花岗岩为低 Sr 高 Yb 类型的;(4)与蛇绿岩有关的在洋壳剖面浅部由辉长岩部分熔融形成的 M 型花岗岩,具有非常低 Sr 高 Yb 的特点,形成深度约2～5km,可能是非常低压条件下形成的。研究表明,淡色花岗岩大多分布在低 Sr 低 Yb 区,部分正长岩和钾玄岩分布在高 Sr 高 Yb 区。藏南淡色花岗岩可能形成的压力较高。文中探讨了岩浆与深度的关系,得出了一些初步的认识,指出需要进一步研究的问题。为了得到经得起考验的结论,还需要更多资料的积累,更多理论的探讨和更多实验的佐证。  相似文献   

大数据与数学地球科学研究进展——大数据与数学地球科学专题代序   总被引：12，自引：9，他引：3  

周永章  陈铄  张旗  肖凡  王树功  刘艳鹏  焦守涛 《岩石学报》2018,34(2):255-263

大数据与数学地球科学的核心应用技术包括高维数据降维、图像数据处理、无限数据流挖掘、机器学习、关联规则算法与推荐系统算法等。人工智能地质学,包括大数据-智能矿床成因模型与找矿模型的构建,是具有重要价值的研究方向。高维数据降维旨在从初始高维特征集合中选出低维特征集合,有效地消除无关和冗余特征,增强学习结果的易理解性。哈希算法、聚类分析、主成分分析等是较常用的数学降维工具。机器学习是人工智能的核心,是使计算机具有智能的根本途径。机器学习与人工智能各种基础问题的统一性观点正在形成。深度学习的训练模型往往需要海量数据作为支撑,因此迁移学习方法日益受到重视。图像模式识别是大数据挖掘的重要技术。网络中的社区结构识别对理解整个网络的结构和功能有重要价值,可帮助分析、预测网络各元素间的交互关系。沉浸式虚拟现实技术是实现大数据可视化的重要方向,对具有多元、异构、时空性、非线性、多尺度地质矿产勘查数据的展示要求有特别的价值。引入VR技术进行矿产地质大数据的可视化,可实现大数据时代矿产勘查数据的新认知。无限数据流在地质、地球化学、地球物理监测中大量存在,甚至可以持续自动产生。对数据流数据的计算包括对点查询、范围查询、内积查询、分位数计算、频繁项计算等。关联规则和推荐系统算法是大数据挖掘中的重要算法,其应用范围越来越广泛。贝叶斯原理在大数据时代有独特的价值,贝叶斯网络是成因建模的一个革命性工具。智能地质学研究刚刚起步,构建大数据-智能矿床成因模型与找矿模型是智能地质学研究的重要内容。矿床模型研究方式的变革,将出现于互联网、云计算技术环境下全球各地的矿床研究团队的共同参与。  相似文献   

论地质研究中的因果关系和相关关系——大数据研究的启示   总被引：4，自引：3，他引：1  

张旗  焦守涛  卢欣祥 《岩石学报》2018,34(2):275-280

我们对大数据两年多来的研究表明,大数据是一个非常有效的方法。一直以来,人们都是通过因果关系来认识世界的;而大数据不是,大数据是从数据出发,挖掘数据之间的相关关系,从而提升数据的价值。例如在矿床学研究中,人们往往过分关注矿床的成因,关注成矿与岩浆、流体与岩体之间的因果关系。实际上,流体与岩体、矿床与岩浆之间主要不是因果关系而是相关关系。早先的玄武岩构造环境判别图几乎都是按照因果关系的思路设计的,虽然取得了一定的效果但并不完美。我们采用大数据方法对全球全体玄武岩和安山岩的数据进行挖掘,取得了极佳的效果,主要依据的是元素之间的相关关系而非因果关系。多少年来,人们在科学研究的实践活动中习惯于对因果关系的追求。现在,科学的发展要求我们更加重视数据之间的相关关系,从对因果关系的追求转变为对相关关系的追求。实践表明,追求因果关系不可避免人为因素的干扰,而大数据方法挖掘数据之间的相关关系,在很大程度上避免了人为因素的干扰,因此,大数据的结果是真实可靠的。  相似文献