Characteristics and evolution of sedimentary facies of bauxite-bearing rocks series of Permian bauxite deposits in western Guangxi
-
摘要:
桂西二叠系铝土矿含矿岩系沉积相研究薄弱，长期未能建立沉积层序。通过线路调查和剖面研究，将桂西二叠系铝土矿含矿岩系厘定为4个沉积相8个亚相，即顶部为沼泽炭泥相，上部为滨海平原泥岩相，中部为准平原铝土岩（矿）相，下部为滨湖−平原湖泊铁铝质岩相。中部准平原相可分为凹地铝土岩夹泥岩亚相、缓坡残坡积铝土矿亚相、凹地沉积铝土矿亚相、斜坡铝土岩亚相。下部滨湖平原湖泊铁铝质岩相可分为滨浅湖铝土质泥岩−铁质泥岩−铁铝岩亚相和滨湖平原古土壤亚相。陆相火山灰在各相中均有残存。含矿岩系中泥岩成分变异指数ICV在1左右，表明存在沉积再循环，泥岩中化学蚀变指数CIA均大于97，显示风化程度高；亲硫元素（Cu、Zn、Co、Ni）和亲铁元素（V）在下部铁铝质岩相中普遍高于中上部铝土岩（矿）−泥岩相，亲氧元素（Th、U、Nb、Ta、Sn、W）则相反；铝土矿相稀土元素总量最高，中上部铝土岩（矿）−泥岩相中的δCe和LREE/HREE均明显高于铁铝质岩相。Fe2O3− Al2O3− SiO2投影表明，季风气候贯穿整个含矿岩系沉积，铝土矿相中的泥岩元素特征值在所有泥岩中均为极值，指示了极端红土化的存在，砾屑及元素地球化学显示含矿岩系具有继承性；对应4个沉积相，可推断3个演化阶段，第一阶段为红土聚集，第二阶段为准平原化（即铝土矿化），第三阶段为平原化；含矿岩系发育期间火山灰持续沉降。铝土矿是第二次风化壳的产物。
Abstract:The study on sedimentary facies of Permian bauxite−bearing rock series in western Guangxi has been rare so that a sediment sequence has not been set up yet. Based on line survey and section study, adding microscopic observation and elemental analysis of rocks and ores, this paper has determined four sedimentary facies and eight subfacies of ore−bearing rock series, the four faces are swamp carbonaceous mud facies on the top, the coastal plain mudstone facies in the upper, the peneplain bauxite facies in the middle and the lakeshore−lake ferric−aluminous rocks facies in the lower, and the peneplain bauxite facies can be divided into subfacies such as valley bauxite laminated mudstone, gentle−slope residual bauxite, valley sedimentary bauxite and slope bauxite subfacies, and the lakeshore−lake ferric−aluminous rocks can be divided into the aluminous mudstone−ferro mudstone−ferroaluminite of the shore−shallow lake and the paleosoil of lakeshore plain. The continental volcanic ash remains in all facies. In bauxite−bearing rock series, the composition variations (ICV) of mudstone fluctuates around 1, indicating the existence of recycling sediments, and chemical index alteration (CIA) of mudstone is greater than 97, indicating a high degree of weathering. The contents of sulfurophilic elements (Cu, Zn, Co, Ni) and ferriophilic elements (V) are generally higher in the lower ferric−aluminous rocks than ones in the bauxite and mudstone, while oxygenophilic elements (Th, U, Nb, Ta, Sn, W) are on the contrary. The values of REE in bauxite phases are the highest, and the δCe and LREE/HREE of bauxite and mudstone are significantly higher than those of ferro−aluminous rocks. The Fe2O3−Al2O3−SiO2 projection shows that monsoon climate persist all the time when the ore−bearing rock series developed, and the special element values of the mudstones in bauxite facies are the extreme ones in all mudstones that mean a period of extreme laterization produced by peneplain, and the gravel and element geochemistry show that the ore−bearing rock series are of inheritance. Corresponding to the four facies the sequence of sedimentary facies can be derived into three stages: the early laterite aggregation, then the peneplain−forming (bauxite mineralization) and the last plain−forming; and volcanic ash kept settling during the development of ore−bearing rock series. The bauxite is a product of secondary weathering crust.
-
Keywords:
- bauxite /
- ore-bearing rock series /
- sedimentary facies /
- palaeoclimate /
- palaeogeography /
- volcanic ash /
- western Guangxi
-
滑坡灾害分布范围广、发生频率高、灾害损失程度严重，极大地威胁着人类生命财产安全（许强等，2004；Khan et al., 2021）。滑坡易发性评价是滑坡风险识别和预测评价的重要基础（Havenith et al., 2015）。尤其是在气候变化背景下，近年来极端降雨群发灾害频发多发，例如2021年7月20日河南郑州特大暴雨灾害、2023年7月29日北京门头沟特大暴雨灾害等，均引发大规模山体滑坡等地质灾害，造成严重的人员伤亡和财产损失。因此，面向事件的评价研究对重大灾难事件复盘和未来预测具有重要意义（Alvioli et al., 2018; 殷跃平等，2024）。
数据驱动模型因其鲁棒性、准确性最佳，在滑坡易发性评价中被广泛应用，先后经历了数理统计、机器学习2个阶段（Ado et al., 2022）。信息量等数理统计模型通常依赖于大量先验知识，且运算程度较低，未能充分挖掘利用精度较高的数据，存在一定的局限性。机器学习模型，在海量数据积累和算力提升背景下，因存在数据量较大的运算优势并能获得较高的预测精度，且不需要过多先验知识而被广泛应用于滑坡易发性评价预测中，其成功率和有效性明显高于传统数理统计，应用愈发广泛，主要包括支持向量机(Yao et al. 2008)、随机森林(吴润泽等 2021; Deng et al., 2022)、深度学习模型（Bui et al., 2020）等机器学习模型。在现有机器学习模型中，随机森林使用广泛、效果更好（Sun et al., 2020; Huang et al., 2022），在众多研究中对比支持向量机等其他机器学习模型能得到较高精度的模型预测结果(Guilherme et al., 2019)。然而，常规的机器学习模型目前存在许多问题及疑点，不能较好地实现非滑坡样本的选择(Yao et al., 2022)，降低了机器学习自身的“学习”效率；模型的可解释性未得到足够的深化（Jie et al., 2020）。传统的因子离散性分级方式在模型中的应用并未发挥机器学习的运算优势，一定程度上导致部分信息丢失从而降低模型性能（郭飞等，2022）。超参数保留默认参数或以多次重复试验的方式未能客观体现适用于不同地质环境条件下超参数设置的合理性（周晓亭，2022），导致模型精确率降低。因此，对于机器学习模型在滑坡易发性评价中的优化研究十分必要。
针对上述机器学习模型存在的问题及疑点，本文选取西秦岭山区娘娘坝镇地区为例，开展模型优化和评价验证研究，探索基于滑坡的面状矢量数据，建立缓冲区，确定非滑坡选取区域，改进非滑坡样本筛选方法；利用Pearson相关性分析与随机森林基尼系数进行因子筛选择优，拟解决现存信息冗余问题；从影响因子定量表征及归一化处理方面，探索传统离散性分级存在的信息丢失问题解决方法；基于遗传算法对随机森林超参数自适应寻优，探寻进一步提升模型自身属性的有效方法，将系统性的优化随机森林模型应用于降雨群发滑坡易发性评价中，并选择常规随机森林模型评价结果进行对比，以期优化随机森林模型，并提升其在滑坡易发性评价中的效果。
1. 西秦岭极端事件及数据准备
1.1 研究区概况
研究区为西秦岭山区2013年天水市“7·25”群发暴雨地质灾害事件发生区，综合考虑人员密集和群发灾害集中分布的206 km2范围地段，区内发生大量浅表层流滑灾害，孕灾条件具有代表意义。研究区娘娘坝镇位于秦州区南部，地处西秦岭南麓，气候湿润，雨量充足，地形切割强烈，沟谷发育，地形坡度大，最高海拔2169 m，最低海拔687 m（图1）。
1.2 数据准备
1.2.1 滑坡编录
滑坡编录数据是进行滑坡易发性评价的基础资料，编录数据的完整性与准确性对滑坡易发性评价具有重要意义。2013年6月19日—7月26日，尤其是7月25日天水市出现大范围强降雨天气，造成了大面积、群发性地质灾害，持续强降雨造成该镇3439户居民受灾，42名群众死亡（郭富赟等，2015；黄森，2021）。利用分辨率为0.5 m的灾后Pleiades遥感影像，对研究区“7·25”群发滑坡灾害通过人工解译、机器学习分类等方式进行遥感解译（图2），共获取滑坡20362处，总滑坡面积8.25 km2，占研究区总面积的4.1%，规模以小型为主，类型主要为新近堆积黄土流滑和残坡积碎石土滑坡。
1.2.2 影响因子
降雨滑坡的形成主要受降雨量、地形地貌、地层岩性等因素的综合影响（唐辉明，2018；Ahmad et al., 2023）。鉴于各地孕灾条件的差异，各类因素对滑坡发育的贡献程度不同。其中，地层岩性为地质灾害发育提供了物质基础(Abbas et al., 2023)，地形地貌控制着地质灾害的空间边界条件(Achu et al., 2023)，河流指示坡脚侵蚀及坡体的水文地质特征，增加斜坡的不稳定性(Li et al., 2023)，地质构造既控制地形地貌，又控制岩体结构及其组合特征，对地质灾害的发育起综合控制影响作用(刘帅等，2023)，降雨则是滑坡的有效孕灾条件（María et al., 2023）。根据研究区域滑坡特征及相关研究成果（Reichenbach et al., 2018），本文初步选取前3日有效降雨、高程、坡度等17个影响因子作为滑坡易发性评价输入变量，进行单因素分析。详细数据及来源见表1。
表 1 影响因子数据来源统计结果Table 1. Statistical results of influence factor data sources分类 序号 要素 致灾指示意义、数据说明及处理方法 地形地貌 1 坡度 指示坡体属性， ALOS DEM（12.5 m分辨率） 2 坡向 3 高程 4 平面曲率 5 剖面曲率 6 起伏度 地层岩性 7 地层岩性分区 指示斜坡岩土体的物理力学强度特征，基于1∶20万地质图（公开版） 河流 8 距一级河流距离 指示坡脚侵蚀及坡体的水文地质特征，使用1∶25万基础地理信息数据 9 距二级河流距离 道路 10 距一级道路距离 指示人类工程活动对斜坡破环的影响，使用1∶25万基础地理信息数据 11 距二级道路距离 前期有效降雨 12 前3日有效降雨 指示降雨有效入渗对滑坡发育的影响，通过气象台站降雨数据插值获取，1 km栅格 地质构造 13 距主要断层距离 指示地质构造对地质灾害的形成发展的影响，基于1∶20万地质图（公开版） 环境地质特征 14 土地利用类型 指示影响斜坡发育的环境地质特征，基于Landsat8遥感影响数据，30 m 15 修正归一化水体指数（MNDWI） 16 归一化建筑指数（NDBI） 17 归一化植被指数（NDVI） 2. 随机森林模型优化方法
随机森林（Redom Forest，简称RF）是一种用于分类和回归的监督学习算法，在数据样本上建立决策树，然后从每个样本中得到预测结果，最后通过投票的方式选择最优解。它是一种比单一决策树更好的集成方法，通过对结果进行平均减少过拟合，从而提高预测性能（Youssef et al., 2016）。具体运算流程见图3。
为提升模型预测精度，本文在样本筛选策略、影响因子选取、联接方法应用、超参数寻优4个方面进行全面优化。为保证易发性评价结果的成功率与预测率，本文涉及的优化RF与常规RF模型均采用相同优化后输入样本数据集，最终通过ROC曲线与数据统计分析进行评价结果对比分析。具体技术流程见图4。
![]()
图 4 滑坡易发性评价技术流程图Figure 4. Technical flow chart of landslide susceptibility assessment2.1 样本筛选方法
建立缓冲区的方法可有效避免非滑坡样本选取落入滑坡区域，确保选取的非滑坡为真正的“非滑坡”。本文基于光学遥感解译的滑坡面状矢量数据，为防止选取的非滑坡落入滑坡边界区域，在GIS平台中以滑坡面为基准建立50 m缓冲区，确定非滑坡选取区域，以随机抽样的方式，选取等量非滑坡数据，共同组成滑坡−非滑坡建模样本（图5）。该方法克服了非滑坡样本错选问题，相比以往以点状滑坡数据筛选非滑坡样本有更高的准确性。
2.2 随机森林Gini系数
随机森林算法在选择属性时采用Gini系数，表征各影响因子的特征重要性，即对滑坡发生的贡献程度，并采用二分递归分割技术生成结构简洁的二叉树作为影响因子选取依据，避免了因子选取的盲目性和主观性。给定影响因子数据集D，计算D中每个因子的Gini系数（Wen et al.,2017）。
数据集Gini系数度量：
Gini(D)=1−∑Ki=1p2i (1) 式中：K表示影响因子类别个数；pi表示数据集中第i类因子所占比例。
计算因子A的Gini系数时，根据A因子的取值，将数据集分割为D1,D2两个子集。计算每个取值对应的Gini系数。经加权后得到A因子的Gini系数。
Gini(D,A)=|D1||D|Gini(D1)+|D2||D|Gini(D2) (2) 2.3 Pearson相关性分析
Pearson相关性分析适用于服从正态分布的两定量型变量，若两变量通过绘制散点图后发现存在线性趋势，可以通过计算Pearson相关系数描述两变量的线性相关性（Danika et al., 2019），并据此解决各影响因子自相关问题，避免了参数选取时有关因素重复考虑带来的信息冗余。
2个影响因子之间的Pearson相关系数定义为2个因子之间的协方差和标准差的商：
ρX,Y=cov(X.Y)σXσY=E[(X−EX)(Y−EY)]σXσY (3) 式中：ρ为总体相关系数；X,Y为比较的2个因子；cov为协方差；E为期望值；σ为标准差。估算样本的协方差和标准差，可得到Pearson相关系数：
r=∑ni=1(Xi−¯X)(Yi−¯Y)√∑ni=1(Xi−¯X)2√∑ni=1(Yi−¯Y)2 (4) 式中：r为Pearson相关系数；Xi，Yi为比较的2个因子；¯X，¯Y分别为2个因子的平均值。
2.4 影响因子量化提取
本文的量化提取是基于微分理念，避免传统连续型因子分级离散化，提取各连续型因子的实际数值应用于数据样本统计分析，充分体现各因子数据的真实性；对于离散型因子则采用频率比的方式定量表征，降低其离散性。将数量化后的各影响因子作归一化处理，消除不同因子间的量纲影响，使数据处于同一数量级，保证数据处理的方便和程序运行时的收敛加快。
其中，频率比（Tareq et al., 2011）计算公式如下：
FRij=Nij/NSij/S (5) 式中：i为影响因子；j为因子下的分级；FRij为第i个因子，第j个等级的频率比；Nij为第i个因子， 第j个等级的滑坡数；N为研究区的滑坡总数； Sij为第i个因子， 第j个等级的栅格数； S为研究区的总栅格数。
归一化（Du et al., 2017）计算公式如下：
Y=X−XminXmax−Xmin (6) 式中：Y为求取的归一化值；X为被归一化的某一个值；Xmin为数据集中的最小值；Xmax为数据集中的最大值。
2.5 遗传算法超参数优化
遗传算法是自适应启发式搜索算法，属于进化算法的一部分，是基于自然选择和遗传学的思想，利用随机搜索提供的历史数据，可以指导搜索到解决方案空间中性能更好的区域，通常用于为优化问题和搜索问题生成高质量的解决方案（Ke et al., 2012），避免了以往随机森林模型超参数设置的主观调试。具体算法流程见图6。
3. 滑坡易发性评价
3.1 输入样本建立
3.1.1 滑坡-非滑坡样本
以滑坡面为基础，建立50 m缓冲区从而反向确定非滑坡选取区域，以生成随机点的方式在非滑坡区域随机生成等量的非滑坡点与滑坡数据，共同组成40724个输入滑坡-非滑坡样本数据，参与统计计算与模型训练。
3.1.2 影响因子量化处理
初步选取的17个因子统一连续性量化及归一化处理，降低离散性的同时，也使所有影响因子归于同一数据维度，保证了机器学习的学习效率。各影响因子量化结果见表2。
表 2 影响因子量化结果Table 2. Quantitative results of impact factors类型 序号 分类 要素 实际取值范围 归一化取值 连续性 1 地形地貌 坡度 0~81° 0 ~ 1 2 坡向 0~360° 3 高程 1471~2030 m 4 平面曲率 −284~320 5 剖面曲率 −373~297 6 起伏度 0−171 m 7 河流 距一级河流距离 0~5594 m 8 距二级河流距离 0~2396 m 9 道路 距一级道路距离 0~4315 m 10 距二级道路距离 0~3819 m 11 前期有效降雨 前3日有效降雨 9−159 mm 12 地质构造 距主要断层距离 0~8047 m 13 环境地质特征 修正归一化水体指数（MNDWI） −0.40~0.27 14 归一化建筑指数（NDBI） −0.37~0.14 15 归一化植被指数（NDVI） −0.04~0.70 离散型 16 环境地质特征 土地利用类型 0~2.07(频率比) 17 地层岩性 地层岩性分区 0.09~1.50（频率比） 3.1.3 影响因子甄选
对于初选的17个影响因子，结合Pearson相关性系数与随机森林Gini系数，最终剔除2个影响因子。从图7 可以看出，由于归一化建筑指数 (NDBI)与归一化植被指数（NDVI）的Pearson相关性系数较大，为−0.854，需剔除其一。同时，基于随机森林Gini系数对各因子进行滑坡贡献程度的特征重要性分析（图8），显示NDBI的特征重要性较低，因此剔除。另外，影响因子特征重要性分析结果得出，剖面曲率的特征重要性为0，即对于滑坡发育剖面曲率未作出贡献，因此也剔除。最终甄选出高程、坡度、坡向、起伏度、平面曲率、地层岩性、距断层距离、距一级河流距离、距二级河流距离、距一级道路距离、距二级道路距离、土地利用类型、归一化植被指数（NDVI）、修正归一化水体指数（MNDWI）、前3日有效降雨15个影响因子参与研究区域易发性评价（图9）。
![]()
图 9 甄选影响因子分布图a—高程；b—坡度；c—平面曲率；d—起伏度；e—MNDWI；f—NDVI；g—距断层距离；h—距一级道路距离；i—距二级道路距离；j—坡向；k—土地利用类型；l—岩性；m—距一级河流距离；n—距二级河流距离；o—前3日有效降雨Figure 9. Selection of impact factor distribution map3.2 随机森林模型训练结果
基于遗传算法的模型超参数自适应寻优前后，训练时长有明显变化，对比默认参数设置，寻优训练时长达到近54 h，除决策树数量减少外，其余寻优参数的数量均有增加（表3）。
表 3 优化前后超参数对比Table 3. Comparison of hyperparameters before and after optimization参数名 优化参数值 默认参数值 训练用时 53 h 42 min 58 s 2 s 决策树数量 50 100 内部节点分裂的最小样本数 50 2 叶子节点的最小样本数 48 1 树的最大深度 12 10 叶子节点的最大数量 101 50 断层距离在优化后由占比第五上升到占比第三的位置，比重由8.6%上升至9.6%，其余基于Gini系数的影响因子特征重要性在优化前后各影响因子对滑坡贡献程度无明显变化（图10）。
![]()
图 10 优化前后影响因子特征重要性对比a—优化RF；b—常规RFFigure 10. Comparison of the importance of impact factor features before and after optimization对比优化前后，随机森林模型训练精确率有明显提升（表4），F1为召回率与精确率的调和平均，是模型训练结果的重要参考值。常规与优化随机森林训练结果均有较高的准确性，但优化后的训练结果提升至0.827，具有更高的准确性。
表 4 优化前后训练集结果对比Table 4. Comparison of training set results before and after optimization训练集 准确率 召回率 精确率 F1 优化RF 0.827 0.827 0.827 0.827 常规RF 0.794 0.794 0.794 0.794 3.3 滑坡易发性评价结果
将训练好的模型用于预测娘娘坝镇区域滑坡易发性，分别得到优化前后的滑坡易发性图（图11）。此外，根据自然间断点法将研究区域划分为高、中、低、非4个易发性等级，并计算其相应面积与分区滑坡面积（表5）。对比常规RF预测结果，优化RF预测结果高、中、低、非4个易发等级所占面积逐级递增；优化RF预测结果高、中易发区滑坡分布相对集中，相比常规RF预测结果，呈现更明显的规律性与合理性。在局部尺度上，以娘娘坝镇西南部的滑坡集中分布区为例，可以看出优化RF的易发性分区结果与实际蓝色滑坡区较一致，且优于常规RF的评价结果（图12）。
![]()
图 11 滑坡易发性评价结果对比图a—优化RF；b—常规RFFigure 11. Comparison diagram of landslide susceptibility assessment results表 5 滑坡易发性评价分区统计结果Table 5. Landslide susceptibility assessment zoning statistical results预测模型 易发性等级 高 中 低 非 分区面积/% 滑坡面积/% 分区面积/% 滑坡面积/% 分区面积/% 滑坡面积/% 分区面积/% 滑坡面积/% 优化RF 18.67 14.04 24.63 3.73 26.32 1.29 30.37 0.27 常规RF 17.47 13.56 24.37 2.98 20.91 1.62 37.25 0.39 ![]()
图 12 滑坡集中区易发性评价结果对比图a—优化RF；b—常规RFFigure 12. Comparison chart of susceptibility assessment results of landslide concentration area3.4 ROC曲线
AUC表示ROC曲线下的面积，主要用于衡量模型的泛化性能（Isidro et al., 2019）。从ROC曲线（图13）可以看出，模型易发性预测结果均有较高的准确性，优化RF在AUC的值为0.877，优于常规RF预测结果。
![]()
图 13 滑坡易发性评价结果ROC曲线Figure 13. ROC curve of landslide susceptibility assessment results本文优化与常规随机森林评价结果均有很高的准确率，因二者均建立在相同的滑坡-非滑坡输入样本的基础上，保证了随机森林评价结果的精度。常规随机森林评价结果已达到较高的预测率，而优化随机森林模型是在影响因子定量表征与超参数设置上进一步优化和完善的，结果精度有进一步提升，亦可证明本文优化方法的可行性和实际效果。
4. 讨 论
针对西秦岭天水地区，前人运用线性回归、加权信息量等传统数据驱动模型开展区域滑坡易发性评价（孟晓捷等，2022），评价结果均取得较好的准确性，AUC值为0.75。在此基础上，Ma et al. （2023）基于TRIGRS模型分析了天水地区浅层黄土滑坡的稳定性，确定了滑坡降雨阈值，得出坡度条件对阈值影响显著；李霞等（2023）结合多源数据，共选取13个影响因子，运用传统证据权法对天水地区进行滑坡易发性评价，结果AUC值为0.847，评价结果较好。借鉴前人研究，本文运用优化后机器学习模型，结合因子筛选方法共选取15个影响因子参与滑坡易发性评价，结果精度达到0.877，对比前人研究，评价结果的准确性进一步提升。
随机森林等机器学习模型预测结果的优劣很大程度取决于输入学习样本的质量，可以通过不同途径实现对样本质量的改善。本文非滑坡样本的选取是在保证样本科学完整性的滑坡面状数据的基础上作缓冲，反向建立非滑坡随机选取区域；有些研究则以滑坡点状数据为基础，通过聚类分析（黄发明等，2018）、基于划分滑坡占比网格的非均匀采样（Yang et al., 2023）等技术方法筛选出较准确的非滑坡样本数据集。由此可知，从滑坡样本与非滑坡筛选方法2个角度优化均能提升模型精度。
机器学习具备强大的计算能力，可实现基于微分理念的影响因子实际数值运算。传统数理统计模型中经验性的因子分级方式易造成关键控灾因子区间信息异化或丢失，本文针对离散型因子，采用频率比的形式对其定量表征，实现了机器学习数据处理的方便和程序运行时的收敛加快。
本文基于遗传算法的随机森林模型，超参数自适应寻优结果精度对比超参数默认设置的训练结果有所提升，但对于遗传算法自身超参数也未作过多调试与研究，导致训练结果精度虽有提升但效果不明显。
在海量数据积累与算力提升背景下，继续深化机器学习在地质灾害评价中的应用具有实质性前景（郭飞等，2023）。针对本文在天水地区评价结果、数据、方法等方面研究的优势与局限，笔者认为：在滑坡-非滑坡样本数据选取方面，在构建滑坡面状矢量样本基础上，运用准确率更高的非滑坡样本筛选方法不失为有前景的研究方向；在联接方法应用上，探索不同离散型因子的定量表征方式，降低数据的离散性，使其尽可能契合机器学习运算机理，是影响因子处理应用的关键；在模型优化上，适用于随机森林等机器学习模型的超参数自适应寻优算法在不牺牲模型精度的前提下，自身参数调试优化是下一步超参数寻优的研究方向。
5. 结 论
本文以西秦岭山区天水娘娘坝镇地区为例，从滑坡−非滑坡样本筛选、影响因子选取、联接方法应用、超参数优化4个方面对随机森林模型在滑坡易发性评价的应用进行优化和对比研究，主要取得以下结论。
（1）非滑坡样本选取上，基于降雨事件的20362处降雨滑坡面状矢量数据样本的完整编目库，以建立50 m缓冲区反向选取的方式建立非滑坡选取区域，有效避免了所选取非滑坡点落入滑坡边界内造成信息误差，减少了将潜在滑坡误分为非滑坡的情况。
（2）影响因子选取上，通过Pearson相关性分析与基于随机森林Gini系数的滑坡发育贡献程度相结合的方法，最终甄选了前期有效降雨、坡度等15个影响因子。连续型因子直接提取其实际数值，离散型因子通过频率比进行定量表征，最后所有量化因子均作归一化处理，消除不同因子间的量纲影响，使数据处于同一数量级，提升了机器学习模型样本训练效率。
（3）超参数优化上，结合遗传算法对随机森林超参数进行自适应寻优，在耗时近54 h的模型训练后，得出决策树数量、树的最大深度等超参数的寻优结果。通过对比优化随机森林与常规随机森林模型预测结果的ROC曲线及AUC值，AUC精度值达到0.877，可知优化随机森林模型预测精度更高，有较高的成功率与预测率，可为山地丘陵区降雨滑坡机器学习易发性评价提供参考。
致谢：应急管理部国家自然灾害防治研究院的许冲研究员提供了部分滑坡数据；甘肃省地质环境监测院张永军、宋晓玲教授级高工提供了“7·25”群发灾害事件有关指导，谨表谢意。
-
![]()
图 1 桂西大地构造(a, 据Trong, 2020修改)和二叠系台地与铝土矿床分布图(b, 据张启连等，2016修改）
Figure 1. Tectonics of the western Guangxi (a) and distribution of the Permian platform-facies and bauxite deposits (b)
![]()
图 2 采样剖面柱状图
CPM—滨海平原泥岩相；PB—准平原铝土岩(矿)相；LLFA—滨湖平原−湖泊铁铝质岩相。P2m—茅口组；P2h2—含山组
Figure 2. Columnar diagrams of the sampling section
![]()
图 3 桂西地区上二叠统合山组含铝岩系层序特征
a—含矿岩系下部厚层状矿层与透镜状矿层横向接触，前者为块状矿石，后者为砾屑状矿石，图中人高165 cm，扶绥县岜土岭；b—厚层状矿层底部黑色矿石与紫红色铁铝质岩混杂，界线不清，往左为古土壤，再往左为茅口组灰岩（未列示），扶绥县岜土岭；c—透镜状矿层与上覆铝土质泥岩整合接触，矿层中可见砾屑，基底式胶结，图中人高165 cm，崇左市罗白；d—含矿岩系。P2m—茅口组；P2h2—含山组
Figure 3. Strata sequence of bauxite-bearing rock series of the Upper Permian Heshan Formation in western Guangxi
![]()
图 4 铝土矿X衍射分析图谱
A—锐钛矿；B—勃姆石；C—绿泥石；D—硬水铝石；H—赤铁矿；K—高岭石
Figure 4. XRD patterns of minerals in bauxite ores
![]()
图 5 含矿岩系岩（矿）石主成分分类图（底图据Aleva，1994）
Figure 5. Classification of bauxite-bearing rock series by principle components
![]()
图 6 A−CN−K图解（底图据Fedo et al., 1995）
Figure 6. A−CN−K ternary diagram
![]()
图 7 含矿岩系稀土元素球粒陨石标准化配分图（标准化数据据Sun et al.，1989）
Figure 7. Chondrite-normalized REE distribution patterns of bauxite-bearing rock series
表 2 桂西铝土矿含矿岩系微量元素分析结果
Table 2 The trace elements compositions of bauxite-bearing rock series in western Guangxi
10−6 样号 样品类型 Ba Th U Nb Ta Sr V Co Li Pb Zn Cu Sn W Ni Mo V/(V+Ni) Sr/Cu Sr/Ba BYB6 泥质铝土岩 7.2 51.8 14.1 78.1 5.1 13.8 155 2.6 110.5 57.5 8 5.3 15 4 88 2 BY-2 泥质铝土岩 10.9 52.7 12.6 75.6 4.9 13.3 143 2.7 138.5 41.2 6 2.2 14 5 77.8 1.7 BYB5 泥质铝土岩 19.6 54.2 24.8 84 5.4 26 138 1.7 121 72.5 5 2.3 17 8 86.1 2.5 BYB4 泥质铝土岩 16.6 61.2 20.5 95 6.4 31.8 171 1.8 133.5 58.1 6 3.1 14 11 91.9 1.4 BYB3 碎屑状铝土矿 4 74.5 20.3 106 6.7 36.3 313 0.6 7.7 112.5 7 14.4 21 4 6.2 6.1 BYB2 碎屑状铝土矿 21.5 63.4 13.2 98.3 6.3 53.7 205 2.8 35.1 24.6 36 50.3 19 5 51 2.2 BYB1 碎屑状铝土矿 12.7 62.8 13.4 95.7 6.4 72 191 3.8 41.6 101.5 12 2 18 5 45.7 1.7 BY-1 碎屑状铝土矿 3.2 60.1 13.4 88.1 6.1 58.6 171 4 50 25.9 22 2.5 18 5 81.3 1.1 BYB0 块状铝土矿 15 64.7 13.5 108 7.2 88.3 137 12.5 175.5 41 57 7.9 19 5 122 3.5 BB2-7 铝土质泥岩 26.9 11.6 4 29 1.7 29.9 376 26.5 94.2 23.4 54 56.2 4 2 333 1.4 0.53 0.53 1.11 BB2-6 褐铁矿 56.1 18.6 4.3 35.1 2 49.8 537 49.9 100.5 26.7 113 76.7 6 3 352 4.1 BB2-5 铁质岩 27.3 6.5 2.3 19.1 1.1 38.2 531 17.9 73.9 27.8 36 22 3 1 322 2.5 BB2-4 铝土质泥岩 14.1 7.1 1.2 28.3 1.3 40.2 309 18.9 106 6.2 30 18.5 5 1 452 0.5 0.41 2.17 2.85 BB2-3 铝土质泥岩 29.4 8.5 2.6 27.6 1.4 26 511 20.9 106.5 21.5 35 32.9 2 2 394 1.4 0.56 0.79 0.88 BB2-2 铁质岩 32.9 6.5 2.6 26.5 1.4 142.5 414 18.8 115.5 19.7 72 100 3 1 460 1.4 BB2-1 铝土质泥岩 24.7 11 1.7 39.2 2.2 102.5 662 28.2 83.5 10.2 78 228 5 1 383 0.8 0.63 0.45 4.15 BB2-0 古土壤 89.6 3.7 0.6 24.6 1.4 14.5 476 166.5 78.4 4.8 268 886 2 <1 560 0.5 0.46 0.02 0.16 BB2-A 古土壤 40.7 11.3 1.9 36.3 2.1 108.5 644 20.3 107 13.4 97 184.5 5 1 380 0.7 0.63 0.59 2.67 BB2-B 古土壤 37.5 9.2 2.1 34.5 2.1 79.7 595 73.3 77.1 7.8 90 264 4 1 512 0.9 0.54 0.3 2.13 太平-2 铝土质泥岩 51 38.1 6.2 34.4 2.6 154 74 4.2 1240 8.4 79 5.9 13 3 46.7 1 0.61 26.1 3.02 ZK4004-2 致密状铝土矿 96.3 120.5 11 53.1 5.3 71.6 193 2.2 770 21.5 4 10.5 22 5 22.3 2.7 太平-1 碎屑状铝土矿 65.6 74.3 19.6 159.5 10.8 61.4 131 17.5 330 47.7 33 6.3 26 6 20.8 5.3 ZK4004-1 块状铝土矿 10.3 101.5 28.2 226 14.9 42 421 3.6 18.2 58.8 4 15.6 32 10 28 6.5 H5 碎屑状铝土矿 12.7 67.1 12.7 117 8.1 36.1 171 3.6 26.5 48.9 16 10.1 19 7 34.5 0.7 H6 碎屑状铝土矿 16.8 66.9 14.9 117.5 7.8 266 185 4.7 44.2 45.5 19 11.9 18 6 36.9 2.2 YH1 块状铝土矿 7.6 87.8 17.9 149.5 10.3 136.5 223 19.5 25.3 64.1 20 3.2 23 7 113 3.3 YH2 块状铝土矿 4.7 64.4 15.9 108.5 7.5 132 175 22.7 32 75.4 18 3.5 18 6 111 2.8 PTZK01-2 铁质岩 95.4 27.5 3.2 38.1 2.6 57.5 70 49.2 600 8.6 567 1.6 16 0.7 396 0.3 PTZK01-1 块状铝土矿 10.5 66.9 5 109 7.2 26.2 110 9.2 88.2 22.3 140 6.5 23 2.5 124.5 0.6 SDZK02-2 致密状铝土矿 360 81.8 22.7 130.5 8.9 610 136 6.1 640 84.3 66 10 22 3.1 39.2 13.4 SDZK02-1 块状铝土矿 37.5 78.1 8.8 167 10.4 103.5 174 6.7 128.5 17.6 131 485 28 4.1 46.8 5.6 SH-3 碎屑状铝土矿 12.8 91.2 7.7 260 16.8 20.6 368 3.9 14.6 30.8 14 107 32 4 21.8 1.7 SH-2 碎屑状铝土矿 32.8 61.5 7.1 196.5 13.2 104 182 23.9 399 47.7 68 37.7 25 3 108 1 SH-0 铝土质泥岩 80.7 40.2 3.6 180.5 11.2 108.5 248 4.2 2270 37.6 79 12.9 19 2 101.5 1.4 0.71 8.41 1.34 SH-1 铝土质泥岩 92.1 34.3 9.3 170 11 45.9 249 17.5 38.4 112 33 52 18 1 65.4 2.8 0.79 0.88 0.50 LA-1 铁质铝土岩 25.4 25 4.5 85.8 5.2 7.7 468 7.5 37.6 27.5 32 226 13 3 32.4 2.4 LA-2 铁质铝土岩 49.7 26.4 5.6 112.5 6.6 17.1 379 45 127.5 3.9 132 454 16 4 68.7 0.6 离散系数 1.4 0.6 0.7 0.6 0.6 1.2 0.6 1.5 1.8 0.7 1.5 1.9 0.5 0.6 1 1 
下载: 导出CSV
表 1 桂西铝土矿含矿岩系主量元素分析结果
Table 1 The major element composition of bauxite-bearing rock series in western Guangxi
% 样号 样品类型 SiO2 Al2O3 TFe2O3 TiO2 CaO K2O Na2O MgO MnO P2O5 SO3 烧失量 总计 ICV CIA 地点 BYB6 泥质铝土岩 35.62 39.42 10.01 1.66 0.01 0.05 0.12 0.01 0.01 0.02 0.12 13.28 100.33 扶绥岜羊 BY-2 泥质铝土岩 38.88 41.46 4.56 1.63 0.02 0.04 0.07 0.02 0.01 0.02 0.06 13.65 100.42 扶绥岜羊 BYB5 泥质铝土岩 34.35 41.95 8.25 1.77 0.02 0.15 0.48 0.01 0.01 0.03 0.07 12.47 99.56 扶绥岜羊 BYB4 泥质铝土岩 35.91 42.60 6.16 2.02 0.02 0.19 0.65 0.03 0.01 0.03 0.05 12.41 100.08 扶绥岜羊 BYB3 碎屑状铝土矿 2.36 62.03 20.54 2.13 0.02 0.01 0.01 0.01 0.01 0.03 0.21 13.13 100.49 扶绥岜羊 BYB2 碎屑状铝土矿 7.19 59.59 17.72 2.01 0.02 0.01 0.01 0.02 0.06 0.04 0.06 13.40 100.13 扶绥岜羊 BYB1 碎屑状铝土矿 6.99 56.10 22.73 2.00 0.03 0.01 0.01 0.01 0.10 0.04 0.04 12.57 100.63 扶绥岜羊 BY-1 碎屑状铝土矿 8.17 49.32 28.10 1.89 0.03 0.01 0.01 0.01 0.02 0.04 0.05 11.69 99.34 扶绥岜羊 BYB0 块状铝土矿 13.32 54.58 15.71 2.16 0.01 0.05 0.07 0.09 0.03 0.06 0.10 13.91 100.09 扶绥岜羊 BB2-7 铝土质泥岩 32.49 27.99 24.43 3.20 0.03 0.08 0.04 0.15 0.02 0.03 0.02 10.50 98.98 1.00 99.47 崇左岜板 BB2-6 褐铁矿 11.49 35.06 39.73 3.41 0.03 0.21 0.09 0.57 0.05 0.02 0.05 9.12 99.83 崇左岜板 BB2-5 铁质岩 27.66 24.45 35.88 2.26 0.05 0.06 0.04 0.12 0.03 0.02 0.03 9.22 99.82 崇左岜板 BB2-4 铝土质泥岩 41.97 36.28 3.72 3.36 0.04 0.03 0.03 0.11 0.01 0.02 0.02 13.75 99.34 0.20 99.73 崇左岜板 BB2-3 铝土质泥岩 32.69 28.30 24.50 3.19 0.03 0.05 0.04 0.12 0.03 0.05 0.02 10.69 99.71 0.99 99.58 崇左岜板 BB2-2 铁质岩 29.16 25.36 31.84 3.23 0.03 0.05 0.03 0.17 0.03 0.08 0.02 9.53 99.53 崇左岜板 BB2-1 铝土质泥岩 41.36 35.27 3.50 5.17 0.04 0.05 0.04 0.15 0.01 0.07 0.02 13.44 99.12 0.25 99.63 崇左岜板 BB2-0 古土壤 28.64 22.95 30.80 3.65 0.06 0.45 0.08 0.28 0.72 0.05 0.08 11.84 99.60 1.57 97.49 崇左岜板 BB2-A 古土壤 41.09 35.49 3.87 4.98 0.04 0.04 0.03 0.15 0.01 0.07 0.04 13.48 99.29 0.26 99.69 崇左岜板 BB2-B 古土壤 39.73 34.60 6.60 4.56 0.07 0.04 0.01 0.13 0.01 0.08 0.04 13.61 99.48 0.33 99.65 崇左岜板 太平-2 铝土质泥岩 43.92 40.82 0.63 1.03 0.35 0.22 0.50 0.07 0.01 0.01 <0.01 12.96 100.52 0.07 97.45 平果太平 ZK4004-2 致密状铝土矿 27.29 54.34 1.28 1.39 0.28 0.25 0.18 0.37 0.01 0.01 1.48 14.71 101.59 平果太平 太平-1 碎屑状铝土矿 16.74 64.04 1.83 2.75 0.26 0.54 0.98 0.06 0.01 0.01 0.08 12.56 99.86 平果太平 ZK4004-1 块状铝土矿 2.29 72.40 3.10 4.82 0.66 0.01 0.02 0.15 0.01 0.02 5.28 15.52 104.28 平果太平 H5 碎屑状铝土矿 8.08 56.32 20.03 2.48 0.02 0.07 0.12 0.04 0.02 0.09 0.06 12.84 100.17 扶绥巴土岭 H6 碎屑状铝土矿 7.65 57.96 18.43 2.37 0.01 0.01 0.05 0.04 0.01 0.02 0.05 13.66 100.26 扶绥巴土岭 YH1 块状铝土矿 4.12 67.94 8.74 2.87 0.02 0.01 0.04 0.09 0.01 0.08 0.19 15.92 100.03 扶绥巴土岭 YH2 块状铝土矿 3.96 54.78 18.8 2.18 0.34 0.01 0.03 0.3 0.33 0.07 0.28 18.3 99.38 扶绥巴土岭 PTZK01-2 铁质岩 24.33 27.94 30.35 0.96 0.13 0.28 0.25 6.87 0.04 0.01 0.25 8.65 100.06 靖西三合 PTZK01-1 块状铝土矿 8.11 59.15 15.82 2.25 0.05 0.01 0.07 1.52 0.02 0.01 0.52 12.88 100.41 靖西三合 SDZK02-2 致密状铝土矿 24.12 53.30 3.52 2.36 0.23 1.03 2.06 0.10 0.02 0.03 6.57 12.66 106.00 靖西三合 SDZK02-1 块状铝土矿 7.92 61.60 11.79 3.31 0.02 0.08 0.08 0.91 0.03 0.05 0.29 14.03 100.11 靖西三合 SH-3 碎屑状铝土矿 5.88 61.43 12.54 5.56 0.01 0.01 0.04 0.04 0.01 0.02 0.07 13.90 99.51 靖西三合 SH-2 碎屑状铝土矿 16.08 45.79 21.78 3.57 0.03 0.08 0.24 0.27 0.03 0.04 0.05 11.81 99.77 靖西三合 SH-0 铝土质泥岩 39.43 29.68 17.78 3.61 0.32 0.14 0.30 0.04 0.01 0.05 0.01 7.40 98.77 0.75 97.50 靖西三合 SH-1 铝土质泥岩 30.10 29.90 28.38 3.65 0.02 0.01 0.13 0.01 0.02 0.03 0.03 7.24 99.52 1.08 99.47 靖西三合 LA-1 铁质铝土岩 6.57 39.92 38.04 2.80 0.03 0.08 0.04 0.32 0.02 0.02 0.20 11.90 99.94 隆林龙艾 LA-2 铁质铝土岩 13.99 37.77 31.60 4.05 0.03 0.07 0.04 1.44 0.14 0.02 0.04 10.71 99.90 隆林龙艾 注：样品在各剖面中自下而上排列；ICV=(Fe2O3+K2O+Na2O+CaO*+MgO+TiO2+MnO)/Al2O3，CIA=［Al2O3/(Al2O3+CaO*+Na2O+K2O)］×100，其中CaO*指硅酸盐矿物中的CaO，除要去除碳酸盐外，还取决于全岩的P2O5和Na2O含量，按Mclennan et al. (1993)提出的公式：CaO，=CaO-10×P2O5/3，若计算后的CaO，＜Na2O，则认为需要的CaO*=CaO，；若计算后的CaO，＞Na2O，则认为需要的CaO*=Na2O（Mclennan et al.,1993；丁海峰等，2014）
下载: 导出CSV
表 3 桂西铝土矿含矿岩系稀土元素分析结果
Table 3 The REE composition of bauxite-bearing rock series in western Guangxi
10−6 样号 样品类型 La Ce Pr Nd Sm Eu Gd Tb Dy Ho Er Tm Yb Lu Y REE LREE/HREE δCe δEu BYB6 泥质铝土岩 28.4 130.5 5.15 16.8 3.70 0.67 5.06 0.93 5.77 1.21 3.35 0.55 3.63 0.56 36.6 242.9 3.2 2.53 0.48 BY-2 泥质铝土岩 21.8 92.0 3.57 11.4 2.88 0.51 4.11 0.82 5.44 1.13 3.18 0.50 3.32 0.51 33.1 184.3 2.5 2.44 0.46 BYB5 泥质铝土岩 34.3 258 7.90 24.1 4.90 0.83 4.81 0.86 5.48 1.17 3.47 0.57 3.89 0.60 32.9 383.8 6.1 3.67 0.53 BYB4 泥质铝土岩 36.9 263 8.13 25.4 5.78 0.97 5.80 0.99 6.07 1.29 3.80 0.62 4.20 0.64 36.2 399.8 5.7 3.55 0.52 BYB3 碎屑状铝土矿 28.6 189.5 4.58 23.0 10.95 1.70 8.95 1.45 9.04 1.92 5.49 0.90 6.08 0.91 55.3 348.4 2.9 3.88 0.53 BYB2 碎屑状铝土矿 37.0 273 8.91 31.3 7.64 1.22 6.41 1.16 6.96 1.46 4.22 0.70 4.90 0.74 35.5 421.1 5.8 3.52 0.54 BYB1 碎屑状铝土矿 38.6 322 10.60 39.3 8.12 1.22 6.42 1.12 6.78 1.40 4.16 0.70 4.80 0.75 34.3 480.3 6.9 3.73 0.52 BY-1 碎屑状铝土矿 49.8 325 12.20 45.0 9.51 1.37 7.10 1.19 7.30 1.49 4.35 0.73 5.01 0.75 37.0 507.8 6.8 3.09 0.51 BYB0 块状铝土矿 91.1 275 24.8 98.5 20.1 3.10 22.1 4.46 31.4 7.10 20.7 3.35 21.6 3.41 183.0 809.7 1.7 1.35 0.45 BB2-7 铝土质泥岩 37.8 70.6 8.36 30.4 6.70 1.81 7.63 1.35 8.74 1.83 4.91 0.72 4.51 0.69 46.5 232.6 2.0 0.93 0.78 BB2-6 褐铁矿 24.8 65.1 5.79 23.5 5.47 1.56 5.93 0.89 5.22 1.06 2.82 0.40 2.45 0.36 32.2 177.6 2.5 1.27 0.85 BB2-5 铁质岩 21.1 46.7 7.89 33.6 7.86 2.10 6.91 1.05 5.94 1.18 3.03 0.44 2.67 0.42 28.1 169.0 2.4 0.85 0.88 BB2-4 铝土质泥岩 24.8 35.0 5.60 22.4 4.80 1.10 3.99 0.65 4.07 0.82 2.45 0.37 2.44 0.38 19.6 128.5 2.7 0.70 0.78 BB2-3 铝土质泥岩 12.5 20.4 3.24 14.6 5.32 1.63 7.12 1.22 7.59 1.50 4.19 0.62 3.90 0.58 37.5 121.9 0.9 0.75 0.82 BB2-2 铁质岩 16.3 41.8 7.60 32.4 8.75 2.19 7.66 1.27 7.54 1.47 4.05 0.60 3.70 0.55 33.9 169.8 1.8 0.88 0.83 BB2-1 铝土质泥岩 50.3 127.0 14.70 63.1 12.80 3.36 9.62 1.32 7.55 1.49 3.92 0.55 3.48 0.53 42.0 341.7 3.8 1.09 0.94 BB2-0 古土壤 13.1 42.5 3.78 17.6 4.74 1.69 5.70 0.92 5.56 1.12 2.86 0.38 2.22 0.34 31.1 133.6 1.7 1.41 1.00 BB2-A 古土壤 41.0 88.3 11.05 47.8 11.00 3.54 11.45 1.74 10.35 1.96 5.34 0.72 4.23 0.64 55.4 294.5 2.2 0.97 0.97 BB2-B 古土壤 45.5 83.6 12.20 53.4 13.55 4.25 14.00 2.17 12.85 2.40 6.48 0.87 5.13 0.75 64.4 321.6 1.9 0.83 0.95 太平-2 铝土质泥岩 4.7 12.5 0.96 3.4 0.95 0.19 1.40 0.30 2.15 0.45 1.42 0.24 1.56 0.23 13.8 44.3 1.1 1.38 0.51 ZK4004-2 致密状铝土矿 19.0 55.2 3.02 9.9 3.11 0.65 4.78 1.11 7.99 1.59 4.46 0.63 3.88 0.54 39.4 155.3 1.4 1.71 0.52 太平-1 碎屑状铝土矿 11.4 407 4.68 18.1 4.95 0.91 5.02 1.11 7.56 1.60 4.97 0.79 5.40 0.81 36.8 511.1 7.0 13.04 0.56 ZK4004-1 块状铝土矿 34.6 363 9.46 36.1 8.80 1.70 8.24 1.66 11.60 2.39 7.32 1.14 7.70 1.13 53.0 547.8 4.8 4.70 0.62 H5 碎屑状铝土矿 55.4 443 13.8 49.5 9.64 1.57 7.67 1.29 8.13 1.58 4.67 0.72 5.59 0.82 37.6 641.0 8.4 3.75 0.56 H6 碎屑状铝土矿 39.8 337 6.56 22.8 8.26 1.68 9.57 1.85 12.2 2.38 6.95 1.07 8.09 1.22 55.7 515.1 4.2 4.88 0.58 YH1 块状铝土矿 46.5 479 10.35 35.6 7.87 1.07 6.23 1.26 8.65 1.74 5.52 0.93 6.83 1.03 40.9 653.5 7.9 5.11 0.47 YH2 块状铝土矿 46.7 402 10.95 39.7 9.13 1.43 7.18 1.43 8.95 1.81 5.47 0.91 6.82 1 39.7 583.2 7.0 4.16 0.55 PTZK01-2 铁质岩 84.7 362 36.2 162.0 44.7 6.13 38.6 6.18 31.6 5.14 13.30 1.86 12.05 1.92 97.0 903.4 3.4 1.53 0.46 PTZK01-1 块状铝土矿 311 352 52.3 207 36.7 5.94 38.1 5.73 37.3 7.96 23.8 3.57 22.0 3.35 212 1318.8 2.7 0.65 0.49 SDZK02-2 致密状铝土矿 38.0 197.0 7.67 27.7 6.04 0.98 7.48 1.43 9.00 1.84 5.35 0.83 5.39 0.79 54.8 364.3 3.2 2.70 0.45 SDZK02-1 块状铝土矿 39.7 348 9.08 34.1 8.51 1.67 8.20 1.48 10.00 2.19 7.29 1.15 7.78 1.14 61.9 542.2 4.4 4.29 0.62 SH-3 碎屑状铝土矿 34.2 173.0 5.08 20.8 8.52 1.83 10.35 2.20 16.00 3.42 10.85 1.72 11.75 1.79 96.4 397.9 1.6 3.07 0.60 SH-2 碎屑状铝土矿 135.5 497 28.8 98.5 19.55 3.08 15.80 2.96 18.95 3.73 11.55 1.89 13.00 1.97 80.7 933.0 5.2 1.86 0.54 SH-0 铝土质泥岩 225 406 58.1 231 47.5 7.90 36.8 5.80 32.3 5.55 14.55 2.10 13.20 1.90 97.9 1185.6 4.6 0.83 0.58 SH-1 铝土质泥岩 125.0 271 24.9 99.8 22.5 4.14 20.9 3.69 24.1 4.99 15.20 2.25 14.15 2.20 122.0 756.8 2.6 1.14 0.59 LA-1 铁质铝土岩 23.6 99.2 9.09 41.2 11.25 3.20 11.40 2.00 11.90 2.34 6.10 0.89 5.47 0.82 54.6 283.1 2.0 1.59 0.87 LA-2 铁质铝土岩 92.2 478 29.5 122.5 27.6 7.30 23.1 3.52 18.25 3.28 7.91 1.07 6.48 0.93 85.4 907.0 5.0 2.15 0.89 注：δCe=CeN/(LaN*PrN)1/2，δEu=EuN/(SmN*GdN)1/2；球粒陨石数值据Boynton，1984
下载: 导出CSV
表 4 桂西二叠系铝土矿含矿岩系沉积相组成
Table 4 The sedimentary facies of bauxite-bearing rock series in western Guangxi
相 亚相 层理类型 沼泽炭泥 沼泽炭泥或煤层（线） 块状层理、纹层 滨海平原泥岩 滨海平原泥岩 波状层理、透镜状层理、
平行层理、块状层理准平原铝
土岩（矿）凹地沉积铝土岩夹泥岩 平行层理、透镜状层理、
韵律层理、交错层理凹地沉积铝土矿 平行层理、韵律层理 缓坡残坡积铝土矿 块状层理 斜坡铝土岩 块状层理 滨湖平原—
湖泊铁铝质岩滨—浅湖铝土质泥岩—
铁质泥岩—铁铝岩平行层理、交错层理 滨湖平原古土壤层 块状层理
下载: 导出CSV
-
Aleva G J J. 1994. Laterites: Concepts, geology, morphology and chemistry[R]. International Soil Reference and Information Centre (ISRIC), Wageningen , Netherlands.
Alireza P, Grang M Y, Robert H. R. 2000. Bahavior of major and trace elements (including REE) during Paleoproterzoic pedogenesis and diagenetic alteration of an Archean granite near Ville Marie, Québec, Canada[J]. Geochimica et Cosmochimica Acta, 64(23): 2199−2220.
Bárdossy G. 1990. Karst bauxites: Bauxite deposits on carbonate rocks [M]. Beijing: Metallurgical Industry Press: 211−235.
Bárdossy G, Alleva J J. 1994. Lateritic bauxites [M]. Shengyang: Liaoning Science and Technology Press: 145−148.
Boynton W V. 1984. Geochemistry of the rare earth elements: Meteorite studies. Henderson P. Rear earth Element Chemistry[M]. Amsterdam: Elsevier: 141−150.
Cheng S B, Liu A S, Cui S, et al. 2020. Mineralization process of Permian karst bauxite in Western Guangxi[J]. Earth Science, 1-19[2021-01-08]. http://kns.cnki.net/kcms/detail/42.1874.P.20201105.1118.002.html (in Chinese with English abstract).
Cheng S Y, Zhou F. 1997. Research on development and utilization of low−grade gibbsite of rich−iron in Guangxi[J]. Bulletin of Mineralogy, Petrology and Geochemistry, 16(Supp): 26−27 (in Chinese).
Cheng Y, Yin F G, Li J M, et al. 2012. Sedimentary characteristics of the Nanchuan bauxite deposit, Chongqing[J]. Sedimentary Geology and Tethyan Geology, 32(1): 106−112 (in Chinese with English abstract).
Cullers R L, Podkovyrov V N. 2002. The source and origin of terrigenous sedimentary rocks in the Mesoproterozoic Ui group, southeastern Russia[J]. Precambrian Research, 117(3−4): 157−183. doi: 10.1016/S0301-9268(02)00079-7
Dai T G, Long Y Z, Zhang Q Z, et al. 2003. REE geochemistry of some bauxite deposits in the western Guangxi district[J]. Geology and Exploration, 39(4): 1−5 (in Chinese with English abstract).
Dai T G, Long Y Z, Zhang Q Z, et al. 2007. Geologic and geochemical characteristics and metallogenic mechanism of aluminium multi−metal bauxite deposits in the Western Guangxi[J]. Journal of Earth Sciences and Environment, 4(29): 345−350 (in Chinese with English abstract).
Dai J, Wang Y D, Zhou N, et al. 2021. Geochemical characteristics and paleoenvironmental significance of mudstones from the Lower Jurassic Xiangxi Formation in the Zigui Basin, western Hubei Province, China[J]. Journal of Stratigraphy, 45(1): 58−68 (in Chinese with English abstract).
Deng J, Wang Q F, Yang S J, et al. 2010. Geonetic relationship between the Emeishan plume and the bauxite deposits in Western Guangxi, China: Constraints from U−Pb and Lu−Hf isotopes of the detrital zircons in bauxite ores[J]. Journal of Asian Earth Science, 37(5/6): 412−424. doi: 10.1016/j.jseaes.2009.10.005
Du Y S, Huang H, Yang J H, et al. 2013. The basin translation from Late Paleozoic to Triassic of the Youjiang basin and its tectonic signification[J]. Geological Review, 59(1): 1−11 (in Chinese with English abstract).
Du Y S, Yu W C, Zhang Y G. 2020. Ore sedimentology: A developing interdisciplinary research direction of sedimentology[J]. Journal of Palaeogeography, 22(4): 601−619 (in Chinese with English abstract).
Fedo C M, Nesbitt H W, Young G M. 1995. Unraveling the effects of potassium metasomatism in in sedimentary rocks and paleosoils, with implications for paleoweathering conditions and provenance[J]. Geology, 23(10): 921−924. doi: 10.1130/0091-7613(1995)023<0921:UTEOPM>2.3.CO;2
Feng Z. Z. 2020. A review on the definitions of terms of sedimentary facies[J]. Journal of Palaeogeography, 22(2): 207−220 (in Chinese with English abstract).
Gao C L, Wang J, Jin J, et al. 2020. Research progress on sedimentary mechanism of alluvial fan and discussion on the genetic classification scheme[J]. Geological Review, 66(6): 1650−1674(in Chinese with English abstract).
Gong Y X, Sun C L. 1996. A discovery of molasse facies deposits of the Caledonides in southweastern Jiangxi[J]. Regional Geology of China, 2: 108−113 (in Chinese with English abstract).
Ding H F, Ma D S, Yiao C Y. 2014. Geochemistry study on Neoproterozoic glaciogenic sediments in Aksu area, Xinjiang[J]. Geochimica, 43(3): 224−237 (in Chinese with English abstract).
Han C L, Wang Q B, Guo Y, et al. 2010. A study on the genetic features of a paleosol sequence at Fenghuang Mountain in Chaoyang, Liaoning Province[J]. Chinese Journal of Soil Science, 41(6): 1282−1287 (in Chinese with English abstract).
Hou F H, Huang J X. 1984. Research into the Permian and Triassic volcaniclastic turbidite of Nanpan river seg—A unique turbidite mode without submarine fan[J]. Acta Sedimentologica Sinica, 2(4): 19−34 (in Chinese with English abstract).
Hou Z J, Chen H D, Tian J C, et al. 2001. Study on sequence stratigraphy of continental deposits in Ordos basin during later Plaleozoic era[J]. J Mineral Petrol, 21(3): 114−123 (in Chinese with English abstract).
Hou Y L, He B, Zhong Y T. 2014. New perspective on provenance of the Permian karstic bauxite in the Western Guangxi: geochemical evidence of clastic rocks of the Heshan Formation[J]. Geotectonica et Metallogenia, 38(1): 181−196 (in Chinese with English abstract).
Jiao Y W, Wang X L, Cui Y L, et al. 2013. Features of lithofacies palaeogeography and mineralization in upper Permian Wuchiapingian in Wenshan county, Yunnan Province, China[J]. Acta Mieralogica Sinica. 33(4): 629−636 (in Chinese with English abstract).
Kuang G D, Wu H R. 2002. Late Paleozoic strata of deep−water facies in Western Guangxi[J], Chinese Journal of Geology, 37(2): 152−164 (in Chinese with English abstract).
Li G P, Zhang Y L. 2013. Study on the basic geological characteristics of the ore−hosted strata of Henan bauxite deposit[J]. Mimeral Exploration, 4(5): 485−495 (in Chinese with English abstract).
Li J L, Dai T G, Yang L, et al. 2015. Mineraloical characteristics of kastic bauxite in Fusui, Guangxi Province and Its Origin Significance[J]. J. Mineral. Petrol., 2015, 35(3): 101−109 (in Chinese with English abstract).
Li P T, Zhang Q Z. 2008. Research on geochemistry of REE in the Sanhe bauxite deposit in Jingxi County, Guangxi[J]. Mineral Resources and Geology, 22(6): 536−540 (in Chinese with English abstract).
Liang H, Wen S N, Yao S Q, et al. 2022. Provenance characteristics and geological significance of Li−rich claystone in Upper Permian Heshan Formation, western Guangxi[J]. Journal of Guilin University of Technology, https://kns.cnki.net/kcms/detail/45.1375.N.20220228.1613.002.html (in Chinese with English abstract).
Liao S F, Liang T R, Zhang Y H. 1989. Disscussion on the problems of bauxite deposits and their lateritic residuum as mechanism for the minerogenete of bauxite in China[J]. Acta Sedimentologica Sinica, 7(1): 1−10 (in Chinese with English abstract).
Lin Y, Lu Y, Shang K J. 2014. REE geochemical characteristics and material source of the Nianyin bauxite deposit in Jinxi county, Gaungxi Province[J]. Geology and Exploration, 50(1): 58−66 (in Chinese with English abstract).
Liu C S, Jin Z G, Yu W. 2014. Sedimetary facies analysis of bauxite in northern Guizhou[J]. J. Mineral. Petrol., 34(3): 81−88 (in Chinese with English abstract).
Liu P, Liao Y C. 2014. Regional metallogenic model and prospecting criteria of sedimentary bauxite deposits in Central Guizhou−Southern Chongqing region[J]. Geology in China, 41(6): 2063−2082 (in Chinese with English abstract).
Liu P, Han Z H, Nie K. 2022. Characteristics of ore− bearing rock series, control conditions and generative development model of karst bauxite deposit in central Guizhou−southern Chongqing[J]. Geological Review, 68(4): 2022072004 (in Chinese with English abstract).
Liu Y J, Cao L M, Li Z L, et al. 1984. Elemental Geochemistry[M]. Beijing: Science Press (in Chinese).
Liu X F, Wang Q F, Deng J, et al. 2010. Mineralogical and geochemical investigations of the Dajia Salento−type bauxite deposits, western Guangxi, China[J]. Journal of Geochemical Exploration, 105: 137−152. doi: 10.1016/j.gexplo.2010.04.012
Liu X F, Wang Q F, Zhang Q Z, et al. 2016. Genesis of REE minerals in the karstic bauxite in western Guangxi, China, and its constrains on the deposit formation conditions[J]. Ore Geology Review, 75: 100−115. doi: 10.1016/j.oregeorev.2015.12.015
Liu X F, Wang Q F, Zhang Q Z, et al. 2017. Genesis of the Permian karstic Pingguo bauxite deposit, western Guangxi, China[J]. Miner Deposita, 52(7): 1031−1048. doi: 10.1007/s00126-017-0723-y
Lu A H, Li Y, Ding H R, et al. 2020. Natural mineral photoelectric effect: Non−classical mineral photosynthesis[J]. Earth Science Frontiers, 27(5): 179−194 (in Chinese with English abstract).
Lü H B, Zhang Y X, Xia B D, et al. 2003. Syn−sedimentary compression structures in the Middle Triassic flysch of the Nanpanjiang Basin, SW China[J]. Geological Review, 49(5): 449−456 (in Chinese with English abstract).
Lu L Y, Chen R, Yu N, et al. 2021. Constrains of the early Carboniferous Datangian lithofacies paleogeography on the bauxite mineralization in the Kaiyang area, central Guizhou, China[J]. Acta Mineralogica Sinica, 41(4/5): 509−519 (in Chinese with English abstract).
Mao Z F, Zhou H R, Wang X L, et al. 2013. Characteristics of lithofacies paleogeography of Qiubei area, Southeast of Yunnan Provence during early Wujiaping period[J]. Acta Mieralogica Sinica, 33(4): 599−605 (in Chinese with English abstract).
Mclennan S M, Hemming S, Mcdanies D K. 1993. Geochemical approaches to sedimentation, provenance, and tectonics [J]. Geological Society of America, Special Papers: 21−40.
Peng Y, Hu G A, Lu G, et al. 2004. Progress in studying on limestone dikes in late Paleozoic strata in Northwestern Guangxi[J]. Geological Review, 50(6): 613−620 (in Chinese with English abstract).
Peng Y, Lu G, Hu G A, et al. 2009. Genesis of the Permian limestone Neptunian dykes and limestone breccia talus in the Xiajia, Lingyun county, Guangxi, and its geological significance[J]. Geological Review, 55(1): 731−737(in Chinese with English abstract).
Peng Y, Lu G. 2015. New approach on Devonian−Carboniferous carbonate Neptunian dikes and earthquake events in Leye, Guangxi[J]. Geological Review, 61(3): 281−287(in Chinese with English abstract).
Qi L, Yu W C, Du Y S, 2015. Paleoclinate evolution of the Cryogenian Tiesi’ao Formation−Datangpo Formation in eastern Guizhou Province: Evidence from the chemical index of alteration[J]. Geological Science and Technology Information, 34(6): 47−57 (in Chinese with English abstract).
Qiao X F, Peng Y, Gao L Z. 2002. Interpretation of the seismic origin of Permian limestione dikes in northwestern Guangxi[J]. Geological Bulletin of China, 21(2): 102−104(in Chinese with English abstract).
Shao L Y, Lu J, Tim J. 2006. Mineralogy and geochemistry ofthe carbonate coal measures of the Late Permian in central Guangxi[J]. Journal of China Coal Society, (6): 770−775 (in Chinese with English abstract).
Sun S S, McDonough W F. 1989. Chemical and isotopic systematics basalts: Implications for mantle composition and processes [J]. Geological Society, London, Special Publications, 42(1): 313−345.
Tang H D, Ma Y J, Hu J Y, et al. 2020. Metallogenic regularities and ore controlling factors of Wumengou bauxite in Shanzhou district, Henan Province[J]. Northwestern Geology, 53(3): 233−242(in Chinese with English abstract).
Wang L, Long Y Z, Peng S L. 2004. Geologic and geochemical study on material derivation of bauxite deposits in Western, Guangxi[J]. Journal of Guilin institute of Technology, 24(1): 1−6 (in Chinese with English abstract).
Wang L K, Wen L, Li Z W, et al. 2024. Stratigraphic sequence and tectonic−sedimentary evolution of Sinian−Cambrian boundary in Yangmu−Yandong area, Guangyuan, Sichuan Province[J]. Geological Bulletin of China, 43(5): 812−826 (in Chinese with English abstract).
Wang Y C, Li Z K, Zhai Z F, et al. 2011. Formation bauxite mineralization condition and rule in Shanxi Province[J]. Northwestern Geology, 44(4): 82−88 (in Chinese with English abstract).
Weng S F, Lei Z Y, Chen Q, et al. 2013. A correlation of sedimentary facies and bauxite ore grade of the Wuchuan−Zheng’an−Daozhen bauxitic belt, northern Guizhou province[J]. Geological Science and Technology Information, 32(1): 19−22 (in Chinese with English abstract).
Xiao W J, Song D F, Zhang J E, et al. 2022. Anatomy of the structure and evolution of subduction zone and research prospects[J]. Earth Sceince, 47(9): 3074−3106 (in Chinese with English abstract).
Xu B, Zeng W Q, Diao H, et al. 2020. Trace rare earth elements in the Pinghu Formation of Xihu sag and its implications for paleo−production environment[J]. Marine Geology & Quaternary Geology, 41(3): 72−84(in Chinese with English abstract).
Xu J Q, Chen Y B, Pang B C, et al. 2021. Tectonic evolution from Permian to Cretaceous in western Guangxi and its relation with sedimentary bauxite[J]. Geological Jourmal of China Universities, 27(4): 422−431(in Chinese with English abstract).
Xu X T, Shao L Y. 2018. Limiting factors in utilization of chemical index of alteration of mudstones to quantify the degree of weathering in provenance[J]. Journal of Palaeogeography, 20(3): 516−522(in Chinese with English abstract).
Yang H Y, Chen S Y, Hao X L, et al. 2010. Sedimentary characteristics and evolutionary stages of Late Paleozoic Longlin isolated platform in Nangpanjiang depression[J]. Geology in China. 37(6): 1638−1646(in Chinese with English abstract).
Yang T N, Xue C D, Xin D, et al. 2019. Paleotethyan tectonic evolution of the Sanjiang orogenic belt, SW China: Temporal and spatial distribution pattern of arc−like igneous rocks[J]. Acta Petrologica Sinica, 35(5): 1324−1340(in Chinese with English abstract). doi: 10.18654/1000-0569/2019.05.02
Yao S Q, Pang C J, Wen S N, et al. 2020. Li−rich claystone in the upper Permian Heshan formation in western Guangxi and its prospecting significance[J/OL]. Geotectonica et Metallogenia. doi:10.16539/j.ddgzyckx.2020.04.019(in Chinese with English abstract).
Yu W C, Du Y S, Gu S Z, et al. 2013. Multiperiod Leaching process of early Permian bauxite in Wuchuan−Zhengan−Daozhen area, Northern Guizhou Province and its significance of ore−control[J]. Geological Science and Technology Information, 32(1): 27−32(in Chinese with English abstract).
Yu W C, Zhang Q L, Du Y S, et al. 2014. Leaching−metallogenic process of Quaternary Salento−type bauxite in Fusui area, Guangxi[J]. Geotectonica et Metallogenia, 38(3): 621−632(in Chinese with English abstract).
Yu W C, Algeo Thomas J, Du Y S, et al. 2016. Mixed volcanogenic−lithogenic sources for Permian bauxite deposits in southwestern Youjiang basin, South China, and their metallogenic significance[J]. Sedimentary Geology, 341: 276−288. doi: 10.1016/j.sedgeo.2016.04.016
Zhang Q L, Liang Y P, Yu W C, et al. 2016. Sedimentary environment of allites in the Permian Heshan Formation in Western Guangxi[J]. Journal of Palaeogeophy. 18(4): 595−604(in Chinese with English abstract).
Zhang Q L, Zhao X J, Li Y K, et al. 2020. Geochemical characteristics and sediment model of Permian bauxite deposit in western Guangxi[J]. Geological Review, 66(4): 1043−1059(in Chinese with English abstract).
Zhang Q L, Chen Y B, Liu X J, et al. 2022. Characteristics and geological significance of volcanic ash in bauxite in western Guangxi[J]. Geological Review, 68(2): 531−550(in Chinese with English abstract).
Zhang R R, Jiang D H, Shi D D, et al. 2020. Isothermal adsorption of cadmium and lead by brown calcareous soil colloids in a karst area[J]. Journal of Agro−Environment Science, 39(3): 554−562(in Chinese with English abstract).
Zhang T B, Wang J J, Han B, et al. 2023 Geogical characteristics of tuffs and its constraints on the tectonic regimes transformation in the southerm Ordos basin[J]. Geological Bulletin of China, 42(7): 1082−1097(in Chinese with English abstract).
Zhao H N, Xing L C, He H T, et al. 2022. The mode of occurrence of niobium in bauxite of the upper Permian Heshan Formation in the Pingguo area, Guangxi autonomous Region, China[J]. Acta Mimeralogica Sinica, 42(04): 453−460(in Chinese with English abstract).
Zhen B Q, Chai D H, 1986. A preliminary study on the sedimentary environment and the rule of minerogenetic enrichment of the Benxi age bauxites in Shanxi and western Henan[J]. Acta Sedimentologica Sinica, 4(3): 115−126 (in Chinese with English abstract).
Zheng M, Liang Z W, Feng Z W, et al. 2023. Lithofacies Paleogeography of the Cambrian in the Central Ordos Basin[J]. Northwestern Geoloy, 56(6): 352−368 (in Chinese with English abstract).
巴多西 G, 阿列瓦 G J J. 1994. 红土型铝土矿[M], 沈阳: 辽宁科学技术出版社: 145−145. 巴多西 G. 1990. 岩溶型铝土矿[M], 北京: 冶金工业出版社: 211−235. 程顺波, 刘阿睢, 崔森, 等. 2021. 桂西二叠纪喀斯特型铝土矿地质成矿过程[J]. 地球科学, 46(8): 2697−2710. 陈世益, 周芳. 1997. 广西高铁低品位三水铝土矿的开发利用研究[J]. 矿物岩石地球化学通报, 16(增刊): 26−27. 陈阳, 尹福光, 李军敏, 等. 2012. 南川铝土矿沉积相特征[J]. 沉积与特提斯地质, 32(1): 107−112. doi: 10.3969/j.issn.1009-3850.2012.01.017 戴塔根, 龙永珍, 张起钻, 等. 2003. 桂西某些铝土矿床稀土元素地球化学研究[J]. 地质与勘探, 39(4): 1−5. doi: 10.3969/j.issn.0495-5331.2003.04.001 戴塔根, 龙永珍, 张起钻, 等. 2007. 桂西铝多金属矿床地质地球化学特征与成矿机理[J]. 地球科学与环境学报, 110(4): 345−350. doi: 10.3969/j.issn.1672-6561.2007.04.002 代军, 王永栋, 周宁, 等. 2021. 鄂西秭归盆地下侏罗统香溪组泥岩地球化学特征及其古环境意义[J]. 地层学杂志, 45(1): 58−68. 丁海峰, 马东升, 姚春彦, 等. 2014. 新疆阿克苏地区新元古代冰成沉积地球化学研究[J]. 地球化学, 43(3): 224−237. 杜远生, 黄虎, 杨江海, 等. 2013. 晚古生代—中三叠世右江盆地的格局和转换[J]. 地质论评, 59(1): 1−11. doi: 10.3969/j.issn.0371-5736.2013.01.001 杜远生, 余文超, 张亚冠. 2020. 矿产沉积学: 一个新的交叉学科方向[J]. 古地理学报, 22(4): 601−619. doi: 10.7605/gdlxb.2020.04.041 冯增昭. 2020. 沉积相的一些术语定义的评论[J]. 古地理学报, 22(2): 207−220. doi: 10.7605/gdlxb.2020.12.217 高崇龙, 王剑, 靳军, 等. 2020. 沉积扇沉积机制研究进展及其成因分类方案探讨[J]. 地质论评, 66(6): 1650−1674. 龚由勋, 孙存礼. 1996. 赣西南加里东造山带磨拉石相沉积的发现[J]. 中国区域地质, 2: 108−113. 韩春兰, 王秋兵, 郭月, 等. 2010. 辽宁朝阳凤凰山剖面古土壤序列土壤发育特征研究[J]. 土壤通报, 41(6): 1282−1287. 侯方浩, 黄继祥. 1984. 南盘江断陷区二、三叠系的火山碎屑浊积岩—一种独特的无海底扇浊流沉积模式[J]. 沉积学报, 2(4): 19−34. 侯中建, 陈洪德, 田景春, 等. 2001. 鄂尔多斯地区晚古生代陆相沉积层序地层学研究[J]. 矿物岩石, 21(3): 114−123. doi: 10.3969/j.issn.1001-6872.2001.03.018 侯莹玲, 何斌, 钟玉婷. 2014. 桂西二叠系喀斯特型铝土矿成矿物质来源的新认识: 来自合山组碎屑岩地球化学证据[J]. 大地构造与成矿学, 38(1): 181−196. 焦扬, 王训练, 崔银亮, 等. 2013. 云南文山地区晚二叠世吴家坪阶岩相古地理特征及成矿作用[J]. 矿物学报, 33(4): 629−636. 邝国敦, 吴浩若. 2002. 桂西晚古生代深水相地层[J]. 地质科学, 37(2): 152−164. doi: 10.3321/j.issn:0563-5020.2002.02.003 李国平, 张瑜麟. 2013. 河南铝土矿含矿岩系基本地质特征研究[J]. 矿产勘查, 4(5): 485−495. doi: 10.3969/j.issn.1674-7801.2013.05.003 李洁兰, 戴塔根, 杨柳, 等. 2015. 广西扶绥地区喀斯特型铝土矿矿物学特征及其成因意义[J]. 矿物岩石, 35(3): 101−109. 李普涛, 张起钻. 2008. 广西靖西县三合铝土矿稀土元素地球化学研究[J]. 矿产与地质, 22(6): 536−540. doi: 10.3969/j.issn.1001-5663.2008.06.013 梁航, 温淑女, 姚双秋, 等. 2022. 桂西上二叠统合山组锂超常富集粘土岩的物源特征与地质意义[J]. 桂林理工大学学报. https://kns.cnki.net/kcms/detail/45.1375.N.20220228.1613.002.html. 廖士范, 梁同荣, 张月恒. 1989. 论我国铝土矿床类型及其红土化风化壳形成机制问题[J]. 沉积学报, 7(1): 1−10. 林宇, 吕勇, 山克强. 2014. 桂西念寅铝土矿稀土元素地球化学特征及物质来源分析[J]. 地质与勘探, 50(1): 58−66. 刘辰生, 金中国, 于汪. 2014. 黔北地区铝土矿床沉积相研究[J]. 矿物岩石, 34(3): 81−88. 刘平, 廖有常. 2014. 黔中—渝南沉积铝土矿区域成矿模式及找矿模型[J]. 中国地质, 41(6): 2063−2082. doi: 10.3969/j.issn.1000-3657.2014.06.020 刘平, 韩忠华, 聂坤. 2024. 黔中—渝南岩溶型铝土矿含矿岩系特征、控制条件及生成发展模式[J]. 地质论评, 70(3): 2024030023. 刘英俊, 曹励明, 李兆麟, 等. 1984. 元素地球化学[M]. 北京: 科学出版社. 鲁安怀, 李艳, 丁竑瑞, 等. 2020. 天然矿物光电效应: 矿物非经典光合作用[J]. 地学前缘, 27(5): 179−194. 吕洪波, 章雨旭, 夏邦栋, 等. 2003. 南盘江盆地中三叠统复理石中的同沉积挤压构造——一类新的沉积构造的归类、命名和构造意义探讨[J]. 地质论评, 49(5): 449−456. doi: 10.3321/j.issn:0371-5736.2003.05.001 吕留彦, 陈仁, 于宁, 等. 2021. 黔中开阳地区早石炭世大塘期岩相古地理对铝土矿成矿的制约[J]. 矿物学报, 41(4/5): 509−519. 毛志芳, 周洪瑞, 王训练, 等. 2013. 滇东南丘北地区二叠世吴家坪早期岩相古地理特征[J]. 矿物学报, 33(4): 599−605. 彭阳, 胡贵昂, 陆刚, 等. 2004. 桂西北晚古生代地层中的沉积灰岩墙研究进展[J]. 地质论评, 50(6): 613−620. 彭阳, 陆刚, 胡贵昂, 等. 2009. 广西凌云下甲二叠纪沉积灰岩墙和角砾灰岩体的成因及地质意义[J]. 地质论评, 55(1): 731−737. doi: 10.3321/j.issn:0371-5736.2009.01.005 彭阳, 陆刚. 2015. 广西乐业泥盆系——石炭系沉积碳酸盐岩脉及地震事件沉积的新发现[J]. 地质论评, 61(3): 281−287. 齐靓, 余文超, 杜远生, 等. 2015. 黔东南华纪铁丝坳期—大塘坡期古气候的演变: 来自CIA的证据[J]. 地质科技情报, 34(6): 47−57. 乔秀夫, 彭阳, 高林志. 2002. 桂西北二叠纪灰岩墙(脉)的地震成因解释[J]. 地质通报, 21(2): 102−104. 邵龙义, 鲁静, Tim Jones. 2006. 桂中晚二叠世碳酸盐岩型煤系高有机硫煤的矿物学和地球化学研究[J]. 煤炭学报, (6): 770−775. doi: 10.3321/j.issn:0253-9993.2006.06.016 唐华东, 马玉见, 胡举勇, 等. 2020. 河南省陕州区五门沟铝土矿成矿规律及控矿因素分析[J]. 西北地质, 53(3): 233−242. Trong Ngnguyen huu. 2020. 越南昆嵩地块早古生代花岗质岩浆作用及其地质意义[D]. 中国地质大学(武汉)博士学位论文: 15−19. 王力, 龙永珍, 彭省临. 2004. 桂西铝土矿成矿物质来源的地质地球化学分析[J]. 桂林工学院学报, 24(1): 1−6. 王林康, 文龙, 李智武, 等, 2024. 四川广元羊木—岩洞地区震旦纪—寒武纪界线地层序列及构造−沉积演化[J]. 地质通报, 43(5): 812−826. 王银川, 李昭坤, 翟自峰, 等. 2011. 山西本溪组铝土矿成矿条件及成矿规律探讨[J]. 西北地质, 44(4): 82−88. doi: 10.3969/j.issn.1009-6248.2011.04.011 翁申富, 雷志远, 陈强, 等. 2013. 黔北务正道地区铝土矿沉积相与矿石品质的关系[J]. 地质科技情报, 32(1): 19−22. 肖文交, 宋东方, 张继恩, 等. 2022. 俯冲带结构演变解剖与研究进展[J]. 地球科学, 47(9): 3074−3106. 徐博, 曾文倩, 刁慧, 等. 2020. 东海盆地西湖凹陷平湖组微量稀土元素对古生产环境的指示意义[J]. 海洋地质与第四纪地质, 41(3): 72−84. 徐小涛, 邵龙义. 2018. 利用泥质岩化学蚀变指数分析物源区风化程度的限制因素[J]. 古地理学报, 20(3): 516−522. 许箭琪, 陈有斌, 庞保成, 等, 2021. 桂西地区二叠纪至白垩纪构造演化对沉积型铝土矿成矿的制约[J]. 高校地质学报, 27(4): 422−431. 杨怀宇, 陈世悦, 郝晓良, 等, 2010. 南盘江坳陷古生代隆林孤立台地沉积特征与演化阶段[J]. 中国地质, 37(6): 1638−1646. 杨天南, 薛传东, 信迪, 等. 2019. 西南三江造山带古特提斯弧岩浆岩的时空分布及构造演化新模型[J]. 岩石学报, 35(5): 1324−1340. doi: 10.18654/1000-0569/2019.05.02 姚双秋, 庞崇进, 温淑女, 等. 2021. 桂西上二叠统合山组富锂粘土岩的发现及意义[J]. 大地构造与成矿学,45(5): 951−962. 余文超, 杜远生, 顾松竹, 等. 2013. 黔北务正道地区早二叠世铝土矿多期淋滤作用及其控矿意义[J]. 地质科技情报, 32(1): 27−32. 余文超, 张启连, 杜远生, 等. 2014. 广西扶绥第四系萨伦托型铝土矿淋滤成矿过程[J]. 大地构造与成矿学, 38(3): 621−632. 张启连, 梁裕平, 余文超, 等. 2016. 桂西地区二叠系合山组铝土岩的沉积环境[J]. 古地理学报, 18(4): 595−604. doi: 10.7605/gdlxb.2016.04.044 张启连, 赵辛金, 李玉坤, 等. 2020. 桂西二叠系铝土矿地球化学特征与沉积模式[J]. 地质论评, 66(4): 1043−1059. 张启连, 陈有斌, 刘希军, 等. 2022. 桂西铝土矿中火山灰特征及其地质意义[J]. 地质论评, 68(2): 531−550. 张容容, 蒋代华, 史鼎鼎, 等. 2020. 岩溶区棕色石灰土胶体对镉铅的等温吸附特性研究[J]. 农业环境科学学报, 39(3): 554−562. 张天兵, 王建强, 韩鹏, 等, 2023. 鄂尔多斯盆地南部凝灰岩地质特征及其对构造体制转换的制约[J]. 地质通报, 42(7): 1082−1097. 赵浩男, 邢乐才, 何洪涛, 等. 2022. 广西平果上二叠统合山组铝土矿中铌的赋存状态[J]. 矿物学报, 42(4): 453−460. 甄秉钱, 柴东浩. 1986. 晋豫(西)本溪期铝土矿成矿富集规律及其沉积环境探讨[J]. 沉积学报, 4(3): 115−126. 郑萌, 梁积伟, 冯振伟, 等. 2023. 鄂尔多斯盆地中部寒武纪岩相古地理研究[J]. 西北地质, 56(6): 352−368. doi: 10.12401/j.nwg.2023139 -
期刊类型引用(4)
1. 窦铭泽. 基于随机森林的明清文学著作阅读意愿研究. 电脑编程技巧与维护. 2024(07): 30-32+54 . 
百度学术
2. 冯振，陈亮，王立朝，侯圣山，田怡帆，刘明学. 区域地质灾害易发性评价的证据权法原理与实践. 地质通报. 2024(07): 1255-1265 . 本站查看
3. 瞿伟，李昕，李久元，唐兴友，高源. 一种改进自适应步长人工蜂群优化随机森林的滑坡风险性评价方法. 大地测量与地球动力学. 2024(12): 1211-1219 . 百度学术
4. LIU Dunlong，XIANG Qian，SANG Xuejia，ZHANG Shaojie，YANG Hongjuan. Landslide susceptibility prediction method based on HSOM and IABPA-CNN in Wenchuan earthquake disaster area. Journal of Mountain Science. 2024(12): 4001-4018 . 必应学术
其他类型引用(5)
计量
- 文章访问数: 920
- HTML全文浏览量: 236
- PDF下载量: 460
- 被引次数: 9
