《中国中东部岩石圈三维结构成像研究取得新进展》

  • 来源专题:中国科学院文献情报系统—海洋科技情报网
  • 编译者: liguiju
  • 发布时间:2022-10-25
  • 近日,中国科学院南海海洋研究所边缘海与大洋地质重点实验室(OMG)研究员夏少红团队联合法国国家科研中心,以及南方科技大学研究团队,利用程函方程面波成像方法,在中国中东部岩石圈三维结构成像研究上取得新进展。相关研究成果发表于Geophysical Journal International(《国际地球物理杂志》)上,博士生周鹏翔(现为南方科技大学博士后)为该论文第一作者,夏少红为通讯作者。 

    中国中东部作为东亚的核心区域,其岩石圈经历了大陆拼合裂解、克拉通形成演化以及深部物质循环等重要过程,蕴含了东亚大陆形成演化的关键信息。建立精细的岩石圈结构模型可以为认识东亚岩石圈的物理化学状态及动力学过程提供基础支撑。  

    研究人员采用新发展的基于程函方程的面波成像方法,建立了一套速度模型,该模型利用布设在中国中东部的密集台网记录的远震数据,从瑞利面波相位测量中直接获取了25-150s相速度图像,通过马尔可夫蒙特卡洛方法反演到三维剪切波速度模型(Vsv)。其中,在相位测量阶段,设计了一种基于台阵的频域-空间域解包方法解决了经典的周期跳跃问题;在旅行时间场构筑阶段,为减少局部震荡,引入符合波动方程的平滑样条插值方法。该模型与典型构造域/构造边界相吻合,对于小尺度构造体如窄裂谷系统有很好的分辨率。 

    该速度模型很好地反映了中国中东部主要构造带的岩石圈结构特征。四川盆地下方存在深度大于200公里的克拉通根,整体表现为高波速异常;扬子克拉通东部和华夏块体岩石圈较薄,下部的软流圈呈现大面积的低速异常;华北克拉通由东到西岩石圈逐步增厚,在鄂尔多斯盆地下方部分区域仍然保留了深达200公里的克拉通根,但在其周围区域显示出岩石圈破坏特征;山西裂谷和渤海裂谷下方呈现出低波速异常,可能代表了正在进行的地幔上涌过程。

    该模型将为区域成像、中国东部岩石圈形成演化以及地球动力学建模等研究提供基础地质信息。该成果得到了国家自然科学基金委和国家留学基金委的联合资助。  

    相关论文信息:Zhou, P., Chevrot, S., Lehujeur, M., Xia, S.*, & Yu, C. (2022). Eikonal surface wave tomography of central and eastern China. Geophysical Journal International, 231(3), 1865-1879.

  • 原文来源:http://www.scsio.cas.cn/news/kydt/202210/t20221019_6535616.html
相关报告
  • 《俯冲-碰撞转换带岩石圈三维变形研究取得新进展》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:liguiju
    • 发布时间:2022-10-18
    • 近日,中国科学院边缘海与大洋地质重点实验室(OMG)联合香港中文大学,在南海东侧马尼拉海沟北部俯冲-碰撞带岩石圈三维变形机制方面取得重要研究进展,相关成果发表于国际地学Top期刊Geophysical Research Letters(《地球物理研究通讯》)。 俯冲带和碰撞造山带作为板块汇聚的边界,是岩石圈变形和地震发生的主要场所。研究表明,板块在俯冲或碰撞过程中会发生挠曲,当应力超过了板块的强度,就会形成断裂,并诱发板内地震。前人通常将俯冲带和碰撞带作为两个独立系统分别进行研究,而俯冲带沿着走向转变为碰撞带的现象并不罕见,比如阿拉斯加俯冲带东北部、东爪哇俯冲带和南海马尼拉俯冲带北部。但是目前对于俯冲-碰撞转换带的岩石圈变形机制及应力分布的横向变化了解较少。从俯冲到碰撞,俯冲板块的密度和上覆板块的载荷均发生了变化,这对岩石圈变形产生何种影响还有待研究。 为解决这一问题,研究人员以多条穿越马尼拉俯冲带北部的地震速度结构剖面为约束,模拟了马尼拉海沟北部俯冲-碰撞带的岩石圈三维板块挠曲变形,并反演获得岩石圈刚度、板块弯矩和剪力等挠曲参数的变化。结果表明,从马尼拉俯冲带到台湾造山带,板块刚度与载荷均呈增加趋势。为了同时拟合所有观测结果,需要在俯冲-碰撞转换带加载一个向上的边界载荷,理论计算表明,该载荷可能与俯冲板块从洋到陆密度的差异引起的浮力变化有关。 同时,研究人员根据板块挠曲形态,计算了板块的弯曲应力分布。结果显示最大弯曲应力与现今台湾西南部密集的地震活动一致,表明造山运动的巨大载荷与俯冲板块的横向密度变化对岩石圈挠曲变形和地震分布有着重要影响。 本研究揭示了马尼拉俯冲-碰撞板块的三维挠曲应力分布板内地震活动的相关性,对于理解俯冲-碰撞带板内地震分布规律和孕震机制等具有重要意义。 实验室副研究员张江阳为该论文第一作者,研究员孙珍和香港中文大学副教授杨宏峰为共同通讯作者,研究员张帆为共同作者。本研究受到广东省人才计划、国家自然科学基金委、中国科学院中国-巴基斯坦地球科学中心、香港研究资助局等项目资助。 相关论文信息:https://doi.org/10.1029/2022GL100474
  • 《中国科学院海洋研究所在海洋中尺度涡三维温盐结构智能重构研究中取得新进展》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:熊萍
    • 发布时间:2024-10-21
    • 近日,中国科学院海洋研究所李晓峰研究团队基于多源遥感数据和实测数据,有机耦合人工智能技术与物理先验知识,突破了海洋实测数据时空分布稀疏的限制,显著提升了反演精度与模型的泛化能力,实现高时空分辨率的中尺度涡三维温盐结构重构。该研究成果在遥感领域国际期刊IEEE Transactions on Geoscience and Remote Sensing发表。 中尺度涡旋广泛存在于全球大洋和边缘海中,对海洋能量、热量、质量以及营养物质和化学元素的输送具有关键作用。深入研究中尺度涡的三维结构,对理解全球海洋的物质和能量输运、海洋动力过程及生态系统有重要意义。然而,由于海洋实测数据的稀缺,开展高时空分辨率的涡旋三维观测仍面临巨大挑战。人工智能具有其强大的特征提取和非线性表达能力,研究团队已在基于人工智能的中尺度涡的识别、分类等研究中取得了显著进展,为基于多源遥感数据的中尺度涡三维温盐结构反演提供了新的解决方案。 本研究中,团队创新性地开发了耦合物理先验知识和人工智能技术的中尺度涡三维温盐结构反演模型——3D-EddyNet。该模型通过多分支网络分别输入海表遥感数据和涡旋物理知识,并引入了CBAM注意力机制。研究表明,在模型中引入物理知识能够显著提升模型反演精度。与现有的温盐反演模型相比,3D-EddyNet的R2值提高了10%-20%,均方根误差(RMSE)降低了20%-40%。 基于训练完成的3D-EddyNet模型,研究团队对黑潮延伸体(KE)和亲潮(OC)区域中未包含Argo剖面的涡旋进行了深入分析,验证了模型的广泛适用性。3D-EddyNet模型反演的KE和OC区域内反气旋涡和气旋涡的温盐结构与已有研究结果高度一致,充分证明了该模型在准确捕捉涡旋内温盐垂向变化以及中心到边缘水平变化方面的优越性。此外,利用3D-EddyNet对2000至2015年KE和OC海域涡旋温盐结构进行重构,其结果与ARMOR3D再分析数据的重构结果具有较高一致性,进一步表明3D-EddyNet在重建涡旋三维结构方面展现了出色的泛化能力。总体而言,3D-EddyNet为高时空分辨率的中尺度涡三维温盐结构研究提供了强有力的工具,能够有效帮助准确评估中尺度涡在全球海洋物质和能量输送中的作用,同时为其他海洋现象的数据重构和参数反演提供了新的方法与思路。 论文第一作者为中国科学院海洋研究所助理研究员刘颖洁,通讯作者为李晓峰研究员,合作者包括中国科学院海洋研究所研究生王浩宇和姜菲、天津大学周圆教授。该研究得到国家自然科学基金山东省联合基金、国家自然科学青年基金、中国科学院B类先导专项等资助。 相关论文信息: [1]Liu, Y., Wang, H., Jiang, F., Zhou, Y., & Li, X. (2024). Reconstructing Three-dimensional Thermohaline Structures for Mesoscale Eddies Using Satellite Observations and Deep Learning. IEEE Transactions on Geoscience and Remote Sensing, 62, 1-16, https://doi.org/10.1109/TGRS.2024.3373605. [2] Liu, Y., & Li, X. (2023). Impact of surface and subsurface-intensified eddies on sea surface temperature and chlorophyll a in the northern Indian Ocean utilizing deep learning. Ocean Science, 19(6), 1579-1593,https://doi.org/10.5194/os-19-1579-2023. [3] Liu, Y., Zheng, Q., & Li, X. (2021). Characteristics of global ocean abnormal mesoscale eddies derived from the fusion of sea surface height and temperature data by deep learning. Geophysical Research Letters, 48(17), e2021GL094772, https://doi.org/10.1029/2021GL094772.