CN112950551A - 一种海洋沉积物岩心年代快速标定方法 - Google Patents
一种海洋沉积物岩心年代快速标定方法 Download PDFInfo
- Publication number
- CN112950551A CN112950551A CN202110159855.9A CN202110159855A CN112950551A CN 112950551 A CN112950551 A CN 112950551A CN 202110159855 A CN202110159855 A CN 202110159855A CN 112950551 A CN112950551 A CN 112950551A
- Authority
- CN
- China
- Prior art keywords
- core
- gray
- curve
- sediment
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 239000013049 sediment Substances 0.000 title claims abstract description 64
- 239000011435 rock Substances 0.000 title claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 6
- 230000008021 deposition Effects 0.000 abstract description 16
- 238000004458 analytical method Methods 0.000 abstract description 12
- 230000002285 radioactive effect Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 5
- 238000004062 sedimentation Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 150000001224 Uranium Chemical class 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种海洋沉积物岩心年代快速标定方法,包括:A、获取沉积物岩心RGB图像;B、获取沉积物岩心灰度图像;C、获取沉积物岩心灰度值曲线L1;D、剔除沉积物岩心灰度曲线异常值,得到岩心正常灰度曲线L2;E、获取岩心灰度曲线高频组分;F、识别岩心年沉积纹层。本发明提供的沉积物岩心定年方法,相较于传统的沉积物岩心定年方法,不仅能够大大提高岩心定年的效率,分析成本也大为降低;另一方面,本发明能够更加真实的反映季风影响下某一时段沉积物岩心的沉积速率,为后续其它更为细致的沉积地球化学分析提供了更为科学的依据,该方法具有较高的实用和推广价值。
Description
技术领域
本发明属于海洋沉积学和海洋沉积年代学研究领域,尤其涉及一种季风影响区内海域沉积物岩心测年技术方法领域。
背景技术
海洋沉积物是在各种海洋沉积作用下形成的海底沉积物的总称。尤其季风影响下的陆架区往往接受了大量陆源物质输入,且在区域水动力条件的共同影响下,会发育较厚的泥质沉积体,这些泥质沉积体保存了重要的古气候和古环境信息,通过一系列的替代性指标(例如物理,化学及生物等参数),能够很好的揭示区域气候环境演变历史。开展季风影响下海洋沉积学研究,海洋沉积体的年代标定是基础,正确厘定沉积体的形成年代,才能准确理解地质历史时期的古气候和古环境信息,进而为未来的气候环境预测提供重要的地质模型。
当前,季风影响下海洋沉积物岩心年代标定的方法主要有几下几种:1)放射性同位素测年技术,主要是基于放射性同位素衰变理论,其中,常用的放射性核素210Pb和137Cs方法常用于百年时间尺度的测年,AMS14C方法常用于千年到万年时间尺度的测年,更长时间的测年有铀系(234Th和228U等)等多种方法。2)物理年代学方法,主要是根据沉积物岩心中的特征矿物岩石的物理性质(如热、电、磁等)来测定其年龄,常用的方法有古地磁、热释光和光释光等。3)其它方法,例如通过季风影响区内沉积物岩心中的生物硅含量的变化可进行沉积物年代标定,另外通过沉积物岩心中的特殊事件沉积层,例如洪水和风暴沉积层也可进行相应的年代标定。
尽管,在季风影响下的海洋沉积物年代标定方面,这些定年方法进行了成熟的应用,但这些方法也存在着一定的缺陷和不足:1)季风影响下的海洋沉积物,由于水动力条件和区域气候在不同时期内存在差异,会直接导致不同时段内沉积速率的变化,然而传统的放射性同位素方法往往是假定某一时期内的沉积层沉积速率一致或沉积通量恒定来进行年代标定,据此方法得到的结果显然无法准确反映地质历史时期某一时段内真实的沉积情况;2)针对季风影响下沉积物岩心千年和百年尺度的定年衔接仍缺乏有效的方法,当前AMS14C法可准确测定近5万年到千年以来的海洋沉积物年代,而210Pb和137Cs可以测定近200年来沉积物年代,但是千年到200年之间目前仍缺乏有效的定年方法;3)常用的放射性核素定年方法,需人工取样、送样、测试,不但分析测试成本高,测试周期也较长。
因此,当前寻求一种季风影响下海洋沉积物岩心的相对准确定年方法,是开展现代海洋沉积学高分辨沉积记录研究的必要条件,亦是开展全新世以来自然因素和人类活动共同影响下的海洋环境演化研究的前提和基础。
发明内容
本发明的目的在于提供一种季风影响下海域沉积物岩心年代的测定方法,本发明提供的沉积物岩心定年方法,相较于传统的沉积物岩心定年方法,能够更为真实的反映季风影响下某一时段沉积物岩心的沉积速率,本发明所提供的方法不仅使得沉积物岩心定年成本大大降低而且效率也大幅度提高。
本发明的技术方案为:
一种海洋沉积物岩心年代快速标定方法,包括:
A、获取沉积物岩心RGB图像
将获取的海洋沉积物岩心样品沿中轴线一分为二,将其中的一段利用X射线扫描成像装置进行扫描成像处理,得到RGB图像,X射线可穿透沉积物岩心,其所呈现出的岩心图像是岩心不同层位沉积物的综合成像特征。
B、获取沉积物岩心灰度图像
将RGB图像转换为灰度图像,进而得到岩心的灰度图像;利用Matlab中的imhist函数获得岩心灰度图像直方图信息。在实验中发现:岩心图像直方图中的灰度值会集中在较小的范围内,这样岩心灰度图像的对比度就较低,本发明将岩心的灰度图像进行图像直方图和对比度进行了处理,进行图像直方图处理是为了获取图像中灰度值的分布范围;通过对比度处理,直接调用Matlab中的Otsu算法获得最优阈值,可以将原先灰度图像的灰度值分布范围拉伸,获取高对比度的岩心图像。
C、获取沉积物岩心灰度值曲线L1
本发明优选使用Matlab中的imread函数和rgb2gray函数,对获取的高对比度岩心图像进行处理,得到岩心的灰度值矩阵。该矩阵的列数我们定义为100列,该矩阵的行数我们根据岩心的实际长度来决定,例如当岩心长度为150cm时,矩阵的行数我们设定为1500行,当岩心长度为200cm时,矩阵的行数我们设定为2000;由于灰度图像存在着边缘效应,本发明选取灰度值矩阵的30-80列计算其平均值,得到沉积物岩心的灰度值曲线L1;
D、剔除沉积物岩心灰度曲线异常
应用过程中发现极端气候事件(例如台风和洪水等)会导致沉积物岩心中出现异常层,此外,沉积物岩心中存在的生物碎屑和孔隙度也会导致岩心图像中的灰度值存在显著异常,这些异常层在岩心灰度图像中表现为异常高亮或暗黑色,相应的灰度值则出现异常高值或者异常低值,这些异常沉积层会严重影响沉积物岩心的年代标定。本发明利用正态分布图法,删除事件沉积层和异常点。首先,将岩心灰度值均值定义为岩心灰度值的标准偏差定义为δ,之后,则将岩心灰度值小于和大于的层位定义为异常层,在去除异常值之后,得到岩心正常灰度曲线L2。
E、获取岩心灰度曲线高频组分
针对上述步骤中获取的曲线L2,采用周期性的分析方法揭示出隐藏在曲线L2中的多种变化周期。本发明采用MATLAB中的EEMD(经验模态分解法)对得到的曲线L2进行分解,EEMD方法为自适应的以原数据为‘基’的分解方式,不需要选择合适的因子及分解层数,更能反映沉积物岩心灰度曲线中的非线性和不稳定特性。利用该方法获取曲线L2在不同时间尺度上的准周期变化因子组份F1、F2、F3、F4……及Res(趋势项),之后再提取所得到的因子组分的时域特证,通过该方法获取曲线L2在不同时间尺度上的变化特征,再选取月际和年尺度上的准周期变化的因子组份,将因子组份相加即得到岩心灰度高频组份曲线L3。
F、识别岩心年沉积纹层
季风影响区内的沉积物岩心灰度高频组份曲线L3存在着显著的年尺度准周期变化,自曲线L3开始位置,定义“谷—峰—谷”或“峰—谷—峰”为一个沉积纹层。
当曲线中以谷值为起点时,则以“谷—峰—谷”为识别标准,至第二个谷值为终点,由此获得第一个沉积纹层;与所述第一个沉积纹层下一个谷值为起点,以第二个谷值为沉积纹层的终点,由此获得第二个沉积纹层,以此类推,识别出岩心中的第N个年沉积纹层;
当曲线中以峰值为起点,则以“峰—谷—峰”为识别标准,至第二个峰值为终点,由此获得第一个沉积纹层;与所述第一个沉积纹层下一个峰值为起点,以第二个峰值为沉积纹层的终点,由此获得第二个沉积纹层,以此类推,识别出岩心中的第N个年沉积纹层;
以此获得岩心的纹层数量,通过纹层数量确定岩心年代。
与现有技术相比,本发明的优点和积极效果如下:
本发明方案通过高效、无损的岩心成像技术结合统计学数据分析方法,提供一种季风影响下海域沉积物岩心年代的快速实现方法。传统的基于放射元素的沉积物岩心定年方法分析需要人工切割样品—样品制备—上机测试等流程,完成一根岩心年代标定的时间往往耗时数个月,且分析测试成本也非常可观,单个样品的分析检测费用大约在几百到数千元不等。而本发明提供的沉积物岩心定年方法,仅需要完成样品制备进行X射线成像即可,几天内就可完成岩心年代的标定,且不需要其它额外的分析检测费用,大大提高了岩心定年的效率,分析成本也大为降低;另一方面,本发明定年方法能够更加真实的反映季风影响下某一时段沉积物岩心的沉积速率,为后续开展更加深入的沉积地球化学分析提供了更为科学的依据,该方法具有较高的实用和推广价值。
附图说明
图1是实施例一中本发明方法和传统方法得到岩心年代对比图;
图中两列年度中,左侧为本发明定年,右侧为传统放射性元素定年;
图2为实施例一中本发明方法与放射性元素测定的平均沉积速率对比图;
图中上图为本发明方法计算的平均沉积速率,下图为放射性元素测定的平均沉积速率;
图3是实施例二中本发明方法和传统方法得到岩心年代对比图;
图中两列年度中,左侧为本发明定年,右侧为传统放射性元素定年;
图4为实施例二中本发明方法与放射性元素测定的平均沉积速率对比图;
图中上图为本发明方法计算的平均沉积速率,下图为放射性元素测定的平均沉积速率。
具体实施方式
为便于本领域的技术人员理解本发明,下面结合附图说明本发明的具体实施方式。
实施案例一
选取采自东亚季风影响下的我国东海海域泥质沉积区岩心。
步骤1:岩心长度为120cm,直径为75mm,在实验室内利用特制的PVC方管(200cm×5.5cm×2cm)插入岩心获取等厚度的样品;
步骤2:利用X射线成像系统进行照射,选用医用X摄像扫描系统即可,设定的工作条件为电流:16mA;电压:70keV,可获取高质量的岩心X光负片。将获得的X光负片转为JPG格式的图片。将所得到的RGB图像利用Matlab中的imhist函数转换为灰度图像,在此基础上进行对比度拉伸处理后,获得高质量的岩心灰度图像;
步骤3:利用Matlab中的imread函数和rgb2gray函数,对步骤2中获取的高对比度岩心图像利用进行处理,得到岩心的灰度值矩阵。该矩阵的列数本发明定义为100列,该矩阵的行数根据岩心的实际长度定义为1200行,即1mm分辨率。由于灰度图像存在着边缘效应,本发明选取灰度值矩阵的30-80列计算其平均值,得到沉积物岩心的灰度值曲线L1;
步骤4:计算得到岩心A灰度值曲线L1的均值为90.08,岩心A灰度值曲线L1的标准偏差δ为11.41,之后,则将岩心灰度值小于67.26和大于112.9的层位定义为异常层,据此方法岩心中共识别出8个事件层。在去除异常值之后,得到岩心正常灰度曲线L2。
步骤5:利用EEMD(经验模态分解法)分析方法对得到的灰度值曲线L2进行周期性分解,分别识别出L2中的月际和年尺度上的高频组份,将因子组份相加即得到灰度值高频组份曲线L3。本发明自曲线L3开始位置起,定义“谷—峰—谷”为第一个沉积纹层,依次识别出了112个沉积纹层,结合该区域内的沉积速率,岩心A的年代标尺为1897—2009年,共112年。
步骤6:参照图1,图1为本发明实施例1中纹层定年和放射性定年两种方法的对比图。根据本发明方法获取的岩心A的年代跨度为112年,而根据放射性定年方法获得岩心A跨度为109年。在左图中可以看出,在深度10cm处两种方法计算得到的岩心年代较为一致,均为2000年;在深度31cm处,本发明方法计算得到的岩心年代为1980年,而传统放射性定年得到的方法为1981年;在岩心深度52cm处,本发明方法计算得到的岩心年代为1960年,而传统放射性定年得到的方法为1961年—1962年之间;在岩心深度84cm处,本发明方法计算得到的岩心年代为1930年,而传统放射性定年得到的方法为1932年;在岩心深度117cm处,本发明方法计算得到的岩心年代为1899年,传统放射性定年得到的方法为1903年。可以看出随着深度的增加,两种方法标定的岩心A年代误差越来越大。图3中,利用本发明方法得到的岩心A平均沉积速率在不同时段内存在着显著差异,而放射性同位素定年方法得到的是某一时间段内的平均值。正常海洋沉积物岩心在区域气候和水动力条件多种因素共同影响下,沉积通量在不同时段内会存在着显著差异。本发明能够更加真实的反映季风影响下某一时段沉积物岩心的沉积速率,为后续其它相关细致的地球化学分析提供了更为科学的依据。因此,基于本发明的纹层定年方法获取的岩心年代结果可信度更高,更加符合区域内的沉积特征。
如果在季风影响下能够获取更长的沉积物岩心,利用该方法识别出岩心中的纹层数量,可实现更长时间内的年代标定。例如,获取的岩心长度为9米,根据本发明方法识别出850个沉积纹层,则可实现千年到200年之间的有效定年。
实施例二
本实施例选取采自我国季风影响下的我国东海泥质沉积区岩心。
步骤1:岩心长度为120cm。直径为75mm,在实验室内利用特制的利用特制的PVC方管(200cm×5.5cm×2cm)插入岩心获取等厚度的样品;
步骤2:利用X射线成像系统进行照射,选用医用X摄像扫描系统即可,设定的工作条件为电流:16mA;电压:70keV,可获取高质量的岩心X光负片。将获得的X光负片转为JPG格式的图片。将所得到的RGB图像利用Matlab中的imhist函数转换为灰度图像,在此基础上进行对比度拉伸处理后,获得高质量的岩心灰度图像;
步骤3:利用Matlab中的imread函数和rgb2gray函数,对步骤2中获取的高对比度岩心图像利用进行处理,得到岩心的灰度值矩阵。该矩阵的列数本发明定义为100列,该矩阵的行数根据岩心的实际长度定义为1200行,即1mm分辨率。由于灰度图像存在着边缘效应,本发明选取灰度值矩阵的30-80列计算其平均值,得到沉积物岩心的灰度值曲线L1;
步骤4:计算得到岩心B灰度值曲线L1的均值为129.88,岩心B灰度值曲线L1的标准偏差δ为6.90,之后,则将岩心灰度值小于116.08和大于143.67的层位定义为异常层,据此方法岩心中共识别出7个事件层。在去除异常值之后,得到岩心正常灰度曲线L2。
步骤5:利用EEMD(经验模态分解法)分析方法对得到的灰度值曲线L2进行周期性分解,分别识别出L2中的月际和年尺度上的高频组份,将因子组份相加即得到灰度值高频组份曲线L3。本发明自曲线L3开始位置起,定义“谷—峰—谷”为第一个沉积纹层,依次识别出了119个沉积纹层,结合该区域内的沉积速率,岩心B的年代标尺为1892—2011年,共119年。
步骤6:参加图3,图3为本3实施例3中获取的纹层定年和放射性定年两种方法的对比图。根据本发明方法标定的岩心B的年代跨度为119年,而根据放射性定年方法标定的岩心跨度为117年。在左图中可以看出,在深度9cm处两种方法计算得到的岩心年代较为一致,均为2000年;在深度36cm处,本发明方法计算得到的岩心年代为1975年,放射性定年得到的方法为1976年;在深度66cm处,本发明方法计算得到的岩心年代为1945年,放射性定年得到的方法为1946年—1947年之间;在岩心深度97cm处,本发明方法计算得到的岩心年代为1915年,放射性定年得到的方法为1913年;在岩心深度117cm处,本发明方法计算得到的岩心年代为1895年,放射性定年得到的方法为1893年;同样可以看出随着深度的增加,两种方法获取的年代方法的误差也越来越大。图4中,利用本发明方法得到的岩心B平均沉积速率在不同时段内存在着显著差异,而放射性同位素定年方法得到的是某一时间段内的平均值。同样的,基于本发明的纹层定年方法获取的岩心年代结果可信度更高,更加符合区域内的沉积特征。
以上所述的本发明实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明的权利要求保护范围之内。
Claims (4)
1.一种海洋沉积物岩心年代快速标定方法,其特征在于包括:
A、获取沉积物岩心RGB图像
B、获取沉积物岩心灰度图像
将所得到的RGB图像转换为灰度图像,进而获得岩心灰度图像直方图信息;
C、获取沉积物岩心灰度值曲线L1
D、剔除沉积物岩心灰度曲线异常值,得到岩心正常灰度曲线L2
E、获取岩心灰度曲线高频组分
对曲线L2进行分解,并获取曲线L2在不同时间尺度上的准周期变化因子F1、F2、F3、F4……及Res(趋势项),之后选取月际和年尺度上的准周期变化的因子,将各因子相加即得到岩心灰度高频组份曲线L3;
F、识别岩心年代沉积纹层
自曲线L3开始位置,定义“谷—峰—谷”或“峰—谷—峰”为一个沉积纹层;
当曲线中以谷值为起点时,则以“谷—峰—谷”为识别标准,至第二个谷值为终点,由此获得第一个沉积纹层;与所述第一个沉积纹层下一个谷值为起点,以第二个谷值为沉积纹层的终点,由此获得第二个沉积纹层,以此类推,识别出岩心中的第N个沉积纹层;
当曲线中以峰值为起点,则以“峰—谷—峰”为识别标准,至第二个峰值为终点,由此获得第一个沉积纹层;与所述第一个沉积纹层下一个峰值为起点,以第二个峰值为沉积纹层的终点,由此获得第二个沉积纹层,以此类推,识别出岩心中的第N个沉积纹层;
以此获得岩心的纹层数量,通过纹层数量确定岩心年代。
2.据权利要求1所述的海洋沉积物岩心年代快速标定方法,其特征在于:所述步骤B中,通过对比度处理将原先灰度图像的灰度值分布范围拉伸,获取高对比度的岩心图像。
3.根据权利要求2所述的海洋沉积物岩心年代快速标定方法,其特征在于:所述步骤C中,对获取的高对比度岩心图像进行处理,得到岩心的灰度值矩阵,该矩阵的行数我们根据岩心的实际长度来定,矩阵的列数设定为100列,选取灰度值矩阵的30-80列计算其平均值,得到沉积物岩心的灰度值曲线L1。
4.根据权利要求1所述的海洋沉积物岩心年代快速标定方法,其特征在于:所述纹层的数量即岩心的年代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110159855.9A CN112950551A (zh) | 2021-02-05 | 2021-02-05 | 一种海洋沉积物岩心年代快速标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110159855.9A CN112950551A (zh) | 2021-02-05 | 2021-02-05 | 一种海洋沉积物岩心年代快速标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112950551A true CN112950551A (zh) | 2021-06-11 |
Family
ID=76242413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110159855.9A Pending CN112950551A (zh) | 2021-02-05 | 2021-02-05 | 一种海洋沉积物岩心年代快速标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112950551A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294015A (zh) * | 2022-06-20 | 2022-11-04 | 中国石油大学(北京) | 一种泥页岩纹层的确定方法、设备及存储介质 |
CN117689900A (zh) * | 2024-02-04 | 2024-03-12 | 中国石油大学(华东) | 基于机器学习和小波变换的纹层特征提取与识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104089964A (zh) * | 2014-07-23 | 2014-10-08 | 中国地质大学(北京) | 基于测井米氏旋回分析方法的测年方法 |
CN106204591A (zh) * | 2016-07-11 | 2016-12-07 | 青岛海洋地质研究所 | 一种海域沉积物岩心中古环境信息载体的取样方法 |
CN107991212A (zh) * | 2017-10-26 | 2018-05-04 | 青岛海洋地质研究所 | 一种含水合物沉积物有效孔隙的分形维数测算方法 |
CN111650670A (zh) * | 2020-06-24 | 2020-09-11 | 中国地质大学(武汉) | 一种页岩沉积韵律识别方法、装置及存储介质 |
-
2021
- 2021-02-05 CN CN202110159855.9A patent/CN112950551A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104089964A (zh) * | 2014-07-23 | 2014-10-08 | 中国地质大学(北京) | 基于测井米氏旋回分析方法的测年方法 |
CN106204591A (zh) * | 2016-07-11 | 2016-12-07 | 青岛海洋地质研究所 | 一种海域沉积物岩心中古环境信息载体的取样方法 |
CN107991212A (zh) * | 2017-10-26 | 2018-05-04 | 青岛海洋地质研究所 | 一种含水合物沉积物有效孔隙的分形维数测算方法 |
CN111650670A (zh) * | 2020-06-24 | 2020-09-11 | 中国地质大学(武汉) | 一种页岩沉积韵律识别方法、装置及存储介质 |
Non-Patent Citations (4)
Title |
---|
XILINZHANG等: "Sedimentary laminae in muddy inner continental shelf sediments of the East China Sea: Formation and implications for geochronology", 《QUATERNARY INTERNATIONAL》 * |
张喜林: "沉积物岩心灰度图像处理技术及其在东海内陆架高分辨沉积记录中的应用", 《中国优秀硕士论文全文数据库基础科学辑》 * |
张喜林等: "X-射线岩心扫描系统对海洋沉积物成分测定质量的综合评价和校正", 《海洋学报》 * |
田元: "近百年来东海内陆架泥质区事件沉积的识别和重建", 《中国优秀硕士论文全文数据库基础科学辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294015A (zh) * | 2022-06-20 | 2022-11-04 | 中国石油大学(北京) | 一种泥页岩纹层的确定方法、设备及存储介质 |
CN115294015B (zh) * | 2022-06-20 | 2023-12-01 | 中国石油大学(北京) | 一种泥页岩纹层的确定方法、设备及存储介质 |
CN117689900A (zh) * | 2024-02-04 | 2024-03-12 | 中国石油大学(华东) | 基于机器学习和小波变换的纹层特征提取与识别方法 |
CN117689900B (zh) * | 2024-02-04 | 2024-04-19 | 中国石油大学(华东) | 基于机器学习和小波变换的纹层特征提取与识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hijma et al. | A protocol for a geological sea‐level database | |
Clark et al. | Discerning the timing and cause of historical mortality events in modern Porites from the Great Barrier Reef | |
Rixhon et al. | Revealing the pace of river landscape evolution during the Quaternary: recent developments in numerical dating methods | |
Clark et al. | Spatial variability of initial 230Th/232Th in modern Porites from the inshore region of the Great Barrier Reef | |
Hideshima et al. | Northwest Pacific marine reservoir correction estimated from annually banded coral from Ishigaki Island, southern Japan | |
Rowan et al. | Optically stimulated luminescence dating of glaciofluvial sediments on the Canterbury Plains, South Island, New Zealand | |
CN112950551A (zh) | 一种海洋沉积物岩心年代快速标定方法 | |
Kinder et al. | Construction and validation of calendar-year time scale for annually laminated sediments–an example from Lake Szurpiły (NE Poland) | |
Deino et al. | Chronostratigraphic model of a high-resolution drill core record of the past million years from the Koora Basin, south Kenya Rift: Overcoming the difficulties of variable sedimentation rate and hiatuses | |
Yokoyama et al. | Last glacial sea-level change deduced from uplifted coral terraces of Huon Peninsula, Papua New Guinea | |
Markwitz et al. | 3‐D characterization of detrital zircon grains and its implications for fluvial transport, mixing, and preservation bias | |
Anechitei-Deacu et al. | Assessing the maximum limit of SAR-OSL dating using quartz of different grain sizes | |
Duller et al. | Reassessment of the record of linear dune activity in Tasmania using optical dating | |
Stanley et al. | Levantine Sea—Nile Cone lithostratigraphic evolution: quantitative analysis and correlation with paleoclimatic and eustatic oscillations in the late Quaternary | |
Fortin et al. | New approach to assessing age uncertainties–The 2300-year varve chronology from Eklutna Lake, Alaska (USA) | |
Pietsch | Optically stimulated luminescence dating of young (< 500 years old) sediments: Testing estimates of burial dose | |
Spencer et al. | Dating intramontane alluvial deposits from NW Argentina using luminescence techniques: Problems and potential | |
Wan et al. | Relative sea-level stability and the radiocarbon marine reservoir correction at Natuna Island, Indonesia, since 6400 yr BP | |
DE202022100545U1 (de) | Ein Seenmanagementsystem zur Ermittlung der bestehenden Bedingungen und zur Vorwegnahme möglicher Entwicklungen | |
Schellmann et al. | Problems encountered in the determination of dose and dose rate in ESR dating of mollusc shells | |
Chilton et al. | Uncovering the Controls on Fluvial Bedrock Erodibility and Knickpoint Expression: A High‐Resolution Comparison of Bedrock Properties Between Knickpoints and Non‐Knickpoint Reaches | |
Luoto et al. | Paleolimnological assessment of ecological integrity and eutrophication history for Lake Tiiläänjärvi (Askola, Finland) | |
Orme et al. | Investigating the maximum resolution of µXRF core scanners: A 1800 year storminess reconstruction from the Outer Hebrides, Scotland, UK | |
Francis et al. | Validation of fish ageing methods should involve bias estimation rather than hypothesis testing: a proposed approach for bomb radiocarbon validations | |
Jia et al. | On the sediment age estimated by 210 Pb dating: probably misleading “prolonging” and multiple-factor-caused “loss” |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |