학술논문

综合古地理重建的数字智能化趋势与方法进展 / The progress and perspective of digital intelligence in comprehensive paleogeographic reconstruction
Document Type
Academic Journal
Source
地质学报 / Acta Geologica Sinica. 97(9):2956-2974
Subject
深时数字地球
古地理
大数据
机器学习
重建模型
Deep-time Digital Earth
paleogeography
big data
machine learning
reconstruction model
Language
Chinese
ISSN
0001-5717
Abstract
古地理重建是研究地质历史时期地表构造过程、海陆格局和地貌环境特征的一项综合研究,并通过绘制表达海洋和大陆的古代轮廓以及重要的地形和地表环境的地图来呈现,是还原地球演化历史、预测能源矿产分布、认识生命和气候演变的基础性工作.随着大数据时代的到来,数字化方法的应用为古地理图快速更新和友好呈现提供了方便.目前,全球有多个团队发布了数字化的全球古地理重建模型以及相关的数据和方法,如EarthByte、PaleoMap、UNIL、Deep Time Maps等团队.笔者研究团队基于"深时数字地球(Deep-time Digital Earth,DDE)"国际大科学计划提出的数据-知识-模型驱动的古地理重建思想,提出基于数字化方法驱动的升级更新全球古地理图的新流程,并通过不断尝试地球科学与信息科学的交叉融合,从知识图谱、大数据分析和机器学习技术等方面开发了多项古地理重建应用技术.以东特提斯域中二叠世—中三叠世的古地理重建为例,首先在GPlates软件平台上重建了板块构造框架,再利用岩相古地理图自动生成地形地貌图并结合人工校正,最后在GPlates软件通过图层叠加实现了中二叠世—中三叠世东特提斯域的动态数字综合古地理重建.本用例与广泛使用的Scotese(2021)的古地理图对比,在成图效率、数据丰富性和可追溯性、模型准确性等方面都有明显提升,并为该时期板块运动、冰期消亡、大洋缺氧和生物灭绝等重大地质事件的研究提供新的约束和启示.