大地热流是地球动力学研究与资源勘查的重要指标,但其测量易受气候、热液活动等因素的干扰,导致实测数据匮乏。本研究针对现有基于机器学习的热流预测模型对洋壳热流特异性考虑不足的问题,整合南海实测热流和多源地质、地球物理等数据,基于线性模型、支持向量机和XGBoost算法,通过对比引入与不引入洋壳特征(距洋中脊距离和洋壳年龄)的预测模型,揭示洋壳特征对南海热流分布的影响机制。结果显示: 洋壳特征虽与实测热流值无显著相关性,但其使预测热流在洋中脊附近呈现更显著的带状分布;且在引入洋壳特征的模型中,布格重力异常的特征重要性显著高于其他特征。基于热流值、布格重力异常和距洋中脊距离的K-means聚类分析识别出构造主导型洋壳(类型1)与岩浆主导型洋壳(类型2)区域,印证南海洋壳扩张自23.6 Ma洋中脊跃迁后扩张机制由岩浆主导向构造主导的演化特征。本研究为南海深部动力学过程提供了数据驱动的新认知框架。

地质领域研究正经历以构建新知识体系为核心、大数据为驱动的深刻变革。地质知识图谱的构建能够有效地解决在数据分散状态下的知识发现与推理受限等问题。关系抽取技术作为知识图谱构建的关键技术之一,在地质实体关系识别中发挥关键作用。传统关系抽取技术高度依赖大规模标注数据。然而地质领域中实体关系复杂且专业性强,人工标注数据耗时费力,致使大规模标注数据短缺。因此,传统关系抽取技术在地质领域的有效应用受限。针对上述困境,本研究提出基于原型网络的地质关系抽取小样本学习方法,创新性地引入增强提示学习机制,并通过对比学习优化实例表示和关系描述表示,显著地提升了原型代表性。同时,采用加权损失函数和困难任务辅助训练策略,增强模型对困难任务的关注度,有效地提高了整体准确率。实验结果表明,本文提出的模型在地质小样本关系抽取数据集的5way 1-shot场景下准确率达到82.16%,相比通用领域先进模型SimpleFSRE提升1.94%,相比原型网络Proto-BERT方法提升9.01%,验证了所提方法的有效性。

稀土元素在现代高科技产业中发挥着关键作用,而碳酸岩型稀土矿作为重要的资源类型,其成矿特征和机制尚不明确,严重制约了找矿勘查的突破。随着地学大数据时代的到来,知识图谱技术在矿产资源预测中的应用逐渐成为热点。本研究结合自然语言处理技术和知识图谱构建方法,针对碳酸岩型稀土矿床的成矿特征和机制开展系统研究。通过收集白云鄂博矿床和冕宁—德昌成矿带的相关文献,利用BERT-BiLSTM-CRF实体识别模型和BERT关系抽取模型构建了碳酸岩型稀土矿床领域的知识图谱。研究结果表明,矿物、岩石和元素是成矿的关键节点,其中萤石表现出较强的一致性,具有显著的指示矿物潜力;铕和铈元素因其氧化还原异常显著关联,是重要的找矿指标。此外,不同区域知识图谱反映了成矿类型的差异,白云鄂博矿床以碳酸岩为主,而冕宁—德昌成矿带与碱性岩关系密切。图谱的层次聚类分析进一步揭示了成矿要素间的关联性,为稀土矿床的成矿环境和成矿机理研究提供了新的视角,同时也为找矿预测和资源评价提供了科学依据。

铜是我国对外依存较高的金属资源,而斑岩铜矿是铜矿中最重要的矿床类型之一。为系统分析斑岩铜矿预测领域的研究现状、热点和前沿趋势,本研究以CNKI(中国知网)和WoS(Web of Science)数据库收录的1980—2024年斑岩铜矿预测相关文献为样本,采用CiteSpace和VOSviewer软件进行知识图谱构建和数据信息挖掘。通过国家发文情况、国际国内作者和机构、关键词等多维度解析,结果显示:(1)全球范围内,伊朗和中国在该领域研究最为活跃,发文量约占总发文量的50%,而国内已形成以成都理工大学、中国地质大学(北京)为核心的研究机构群;(2)作者合作关系网络和共被引分析显示国内外核心作者群体有待形成,但跨区域合作网络已显现集聚效应,研究正向系统化发展;(3)关键词聚类分析中,CNKI和WoS分别识别出11个聚类和16个聚类,突现图谱和云图分析显示成矿条件与规律、地质特征和地球化学等共同构成研究主轴且具成熟性,机器学习和知识图谱是新型技术增长点。研究构建的领域知识图谱可为斑岩铜矿预测研究提供全景式认知框架,也可为深部找矿技术创新和勘查战略制定提供一定理论支撑。

地温梯度作为表征岩石圈热状态的关键参数,其空间分布研究对于理解克拉通热结构演化机制和指导地热资源勘探具有重要意义。传统华北克拉通地温梯度研究多限于一维平面分布特征,未能充分揭示其垂向分异规律,导致预测模型精度受限。本研究创新性地构建了华北克拉通地温梯度深度分层预测模型,系统地阐明其深度依赖模式和热构造控制因素。基于全球热流数据库及前人研究成果,本研究整合了573个具有实测深度信息的地温梯度数据点,将其划分为6个深度段:<500 m,500~1 000 m,1 000~2 000 m,2 000~3 000 m,3 000~4 000 m,>4 000 m。选取居里面深度、大地热流值等13项地质-地球物理特征参数用来训练不同深度段的机器学习回归模型。研究显示:(1)模型预测性能具有显著深度依赖性,中浅部(0~3 000 m)R²>0.45,而深部因样本量减少精度下降;(2)特征重要性分析表明居里面深度与大地热流值对深部预测贡献显著(权重>40%),而磁异常和地质年代等影响较弱(<10%);(3)地温梯度三维分布呈现规律性垂向变化,即浅层高值区(>35 ℃/km)沿活动断裂带分布,中深层(500~3 000 m)高值带自西向东迁移,与太平洋板块俯冲引起的地壳减薄区具有空间耦合性。本研究首次尝试了华北克拉通地温梯度的三维建模,其成果不仅为区域地热资源评估提供了数据支撑,更为理解克拉通破坏过程中的热-构造耦合机制提供了新的观测约束。提出的深度分层建模方法为类似构造单元的热状态研究提供了范式参考。

地球复杂巨系统研究的多维度发展持续驱动着地学研究方法的突破创新。生成式AI技术作为新兴研究工具,凭借强大的数据处理与知识推理能力为地学研究提供了新的思路。本文系统梳理生成式AI技术的发展脉络,对比ChatGPT与国产DeepSeek模型的技术路线,展现了生成式AI技术强大的自然语言处理能力和多模态模型构建的优势。本文详细总结了生成式AI技术在地学中的应用,特别是在资源勘查领域的应用现状和发展趋势。生成式AI技术已实现地学领域中多源异构数据的通用性整合,在资源勘查领域深入参与各阶段工作并于数据整合、认知推理、应用服务等层面提供技术支撑,掀起资源勘查领域革新浪潮。目前,生成式AI技术在地学应用领域依然存在数据完备性缺陷、地质复杂系统挑战、地质模型可解释性难题等核心制约。综合分析指出,生成式AI重构“数据感知-知识提炼-决策生成”技术体系,必将加速实现该技术在地球科学各领域的应用突破,为创新勘查技术方法、提高勘查效率、助力新一轮找矿突破战略行动、保障国家能源安全提供重要技术支撑。

隐伏矿体三维预测正在逐渐成为地球深部矿产资源勘查的关键技术和方法,准确把握控矿因素与矿化的关联关系对模型预测性能至关重要。矿化的形成是一个典型的空间非平稳过程,利用大数据技术,从勘查数据出发,定量探索控矿因素与矿化的空间非平稳关系及其特征,可为三维成矿预测建模提供更精准的关键参数,有助于从定量的角度厘清控矿作用规律及其背后的成因。本文以三山岛金矿床为研究实例,对控矿作用的空间非平稳性及其特征展开研究,首先利用三维地理加权回归(geographical weighted regression,GWR)模型探测控矿因素对矿化影响的空间非平稳性;随后通过方向加权改进三维GWR的权函数,以此为基础分析控矿作用的各向异性;然后将多尺度GWR模型扩展到三维空间,针对不同控矿因素研究其对矿化影响的多尺度特征;接下来通过计算不同控矿因素对矿化影响的平稳性指数,比较分析其平稳性程度;最后对不同控矿因素对矿化的影响强度与变异程度进行对比分析,结合成矿规律进一步挖掘了各控矿因素对矿化影响的方向、尺度及强度特征的相互关联关系。