Formation and Demise of Late Carboniferous to Early Permian Carbonate Platforms on the Southern Margin of the Central Asian Orogenic Belt
-
摘要:
碳酸盐岩台地具有重要的古海洋环境指示意义。中亚造山带南缘在晚石炭世—早二叠世出现大规模分布的碳酸盐岩地层，但这些岩石地层单元缺少精确时代约束和系统对比研究，因而制约了进一步古地理和古环境意义的讨论。此次研究报道了阿拉善地块北缘“阿木山组”实测剖面的地层层序，提供了火山岩夹层的锆石U-Pb同位素年龄，精确约束了碳酸盐岩台地的时代和分布。研究表明：研究区恩格尔乌苏断裂带以北的“阿木山组”应修订为“格根敖包组”，以碎屑岩为主，时代为晚石炭世卡西莫夫期—早二叠世阿瑟尔期（＜296.1 Ma）。该断裂带以南的阿木山组的碳酸盐岩台地以连续出露、富含䗴类化石的灰岩为标志，时代为晚石炭世格舍尔期—早二叠世阿瑟尔期（303.2～295.3 Ma）。笔者根据研究区与甘肃北山、内蒙古中部等地区的高精度地层对比提出，中亚造山带南缘的碳酸盐岩台地是全球晚石炭世海侵和古亚洲洋南缘亚热带气候的产物，早—中二叠世的裂谷作用是这些碳酸盐台地消亡的主要原因。
Abstract:Carbonate platforms have significant implications for the ancient marine environment. During the Late Carboniferous to Early Permian, continuous deposited carbonate strata were widely distributed on the southern margin of the Central Asian Orogenic Belt. However, these rock units lack precise age constraints and systematic correlation, thus limiting further discussions on their paleogeographic and paleoenvironmental significance. This study reports the stratigraphic sequence of the "Amushan Formation" measured sections on the northern margin of the Alxa Block and provides zircon U-Pb isotope ages from volcanic intercalations, precisely constraining the age and distribution of the carbonate platforms. The results indicate that the "Amushan Formation" north of the Engerwusu Fault Zone should be revised to the "Gegenaobao Formation," which is dominated by clastic rocks and dates to the Kasimovian to Asselian (＜296.1 Ma). South of the fault zone, the carbonate platform of the Amushan Formation is characterized by continuously deposited and fusulinid-rich limestone with ages from the Gzhelian to Asselian (303.2～295.3 Ma). Based on high-resolution stratigraphic correlations with areas such as Beishan in Gansu and central Inner Mongolia, this study proposes that the carbonate platforms at the southern margin of the Central Asian Orogenic Belt were a product of global Late Carboniferous transgression and the subtropical climate of the southern margin of the Paleo-Asian Ocean. The rifting during the Early to Middle Permian was the primary reason for the demise of these carbonate platforms.
-
滑坡是中国最重要的自然灾害之一，每年都会造成一定的人员伤亡和经济损失（Froude et al., 2018；郭子正等，2018；黄煜等，2023）。滑坡易发性分析能够提供有关滑坡空间分布的有用信息，通常被选为滑坡风险评估的初始步骤。合理准确的滑坡易发性图能够帮助政府决策部门有效开展防灾减灾工作。因此，如何生成准确可靠的滑坡易发性图已成为现阶段的研究热点（郭子正等，2019a；张林梵，2023；林明明等，2024）。
滑坡易发性评价方法大致可分为3类，包括专家经验模型、基于物理的（或确定性）模型和数据驱动模型（许冲等，2010；Goetz et al., 2011；Huang et al., 2017；Reichenbach et al., 2018；郭子正等，2019b）。专家经验模型通常属于定性方法，主要依赖于专家经验来描述滑坡灾害（Sezer et al., 2017）。基于物理的模型将边坡破坏机制和岩土参数相结合，通常以无限斜坡模型为基础（He et al., 2021）。常见的基于物理的模型包括TRIGRS（李婧等，2022）、Scoops3D （He et al., 2021）、SINMAP （武利，2012）等。然而，在大范围内确定岩土体准确的物理力学性质是一个挑战，通常具有很高的不确定性。相比之下，数据驱动模型通过深入分析历史滑坡与环境变量之间的统计或非线性关系来模拟未来滑坡发生的可能性，通常比其他模型具有更高的预测能力和客观性（Zêzere et al., 2017）。
受益于GIS和遥感技术的快速发展，数据驱动模型能够考虑各种类型的环境因子，包括地形地貌、水文和地质因素等。然而，对于一个区域特定的滑坡数据库，环境因子的最佳组合仍然是一个悬而未决的问题。一方面，研究者试图在分析中考虑更多因素，以包含更多有用的信息；另一方面，必须在模型的复杂度和性能中找到平衡，因为更多的因素虽然可能获得较高的模型精度，但模型效率会随之降低。此外，很少有研究讨论因素的地貌意义或解释单个因素在边坡稳定性中的相关性（Segoni et al., 2020），且滑坡环境因子的条件独立性也没有被广泛考虑（Pereira et al., 2012）。而考虑因素的相关性和独立性对于数据驱动模型的质量非常重要。目前已经提出了一些方法来研究滑坡易发性建模过程中的因子贡献程度，例如主成分分析、信息增益比、前向消除和多重共线性技术（张俊等，2016；Binh Thai et al., 2019；Nsengiyumva et al., 2020；Tang et al., 2020）。笔者采用Pearson相关系数计算因子间的独立性，并考虑采用C5.0决策树法评价因子重要性。
前人研究比较了不同数据驱动模型的性能，包括双变量、多变量和机器学习技术（Kouli et al., 2014；Bueechi et al., 2019；黄发明等，2020；王本栋等，2024）。大多数比较结果表明，多变量技术优于双变量技术（Rossi et al., 2010），而机器学习算法则优于两者（黄发明等，2021；李泽芝等，2024；林琴等，2024）。但它们都缺乏因素独立性的考虑和重要性的比较。对于滑坡多发地区，比较模型性能是必要的，因其有助于当地的土地利用规划并减小滑坡风险。因此，笔者以黄河流域中游为研究区，使用3种不同数据驱动方法（WIV、SVM、RF）进行滑坡易发性评价并对比分析模型性能，希望能够生成更加准确可靠的区域滑坡易发性图。
1. 研究区概况及数据准备
1.1 研究区概况
研究区（图1）位于E 110°30′0″～110°0′0″，N 37°10′0″～37°40′0″，横跨陕西和山西两省。总面积约为
1661 km2，长约62 km，包括7个县。海拔从590 m到1500 m不等，中部海拔较低，因为黄河从中流过。从地质上看，区内主要地质构造为王家汇背斜，方向为NW 30°。岩性单元包括寒武系至第四系的地层，主要露头沉积物为黄土和砂岩和泥岩夹层。气候为温带干旱气候，多年平均降水量为460 mm。降雨时空变化明显：雨季一般从7月到9月，占年降雨量的近70%，且南部地区的降雨量比北部地区多。区内最具代表性的地貌单元是黄土高原，是中国典型的滑坡多发地区之一（Zhang et al., 2010）。受当地环境影响，植被覆盖范围小，坡体水土保持能力较弱（Guo et al., 2020）。在这样的地质条件下，研究区近年来发生了多起山体滑坡，造成了相当大的损失。但目前还没有关于该地区利用数据驱动技术进行滑坡易发性预测及制图的比较研究，因此是开展此类研究的合适区域。
1.2 滑坡数据库
准确的滑坡数据库对区域易发性评估结果至关重要，因为它能够提供滑坡的基本特征，例如位置、面积、体积等（Fell et al., 2008）。此外，这是验证结果的重要依据，因为研究者需要将实际的历史滑坡点与预测结果进行比较（Huang et al., 2021）。本研究通过遥感图像和野外实地调查相结合的方式确定滑坡位置。卫星图像包括LandsatTM8和谷歌地球图像。野外调查由中国地质调查局西安地质调查中心于2018年进行。每一个滑坡位置坐标都由便携式GPS记录下来，并重新投影到地图上，详细信息则是根据滑坡报告确定的。然后将滑坡特征存储在GIS属性表中，并与滑坡的空间位置相关联。在最终的数据库中，共识别出滑坡684处，其中陕西省414处，山西省270处。这些滑坡的深度（h）从0.5 m到30 m不等，具体可分为浅层滑坡（h≤10 m）、中深层滑坡（10 m＜h≤25 m）和深层滑坡（h＞25 m）3个类型。其中，深层滑坡数量最少，仅占滑坡总数的8%，中深层和浅层滑坡分别占35.8%和56.1%；体积方面，约85%的滑坡体积小于1×105 m3，而体积大于106 m3的滑坡只有6个，均发育在黄河沿岸。依据最新的滑坡分类方法（Hungr et al., 2014），上述大部分历史滑坡点都属于浅层土质滑坡，降雨和人类活动是最常见的诱发原因。
1.3 环境因子的准备
选择输入因子是评估滑坡易发性的一项基本任务，因为它决定了建模过程中可以包含哪些信息（Catani et al., 2013）。在本研究中，基于对研究区滑坡机制的认知和前人相关文献，共考虑了14 个因素作为输入因子。这些因素可分为地形地貌因素、地质因素、水文因素、环境因素和触发因素5类。
高程（图2a）能反映滑坡势能，且不同高程区域的人类工程活动存在差异，同时高程也会对边坡环境条件（如气候、植被等）产生影响。研究区DEM数据来源于开源网站地理空间数据云（http://www.gscloud.cn/），空间分辨率为30 m。
![]()
图 2 研究区易发性评价的环境因子（a）. 高程；（b）. 坡度；（c）. 坡向；（d）. 平面曲率；（e）. 剖面曲率；（f） .地表粗糙度；（g） .岩性；（h） .地质构造；（i） .NDWI；（j） .到河流的距离；（k）. NDVI；（l）. 土地利用；（m） .降雨量；（n）. 到道路的距离Figure 2. Environmental factors of landslide susceptibility assessment坡度（图2b）可以表示每个单元表面的陡峭程度，对边坡稳定性有重要影响。它由DEM在GIS环境中生成，范围为0到59°。
坡向（图2c）会导致小气候的差异（例如，阳光照射和温度）并影响斜坡上的植被。使用DEM提取研究区域的坡向，并划分为了8个方向（北、南、西、东、西北、东北、西南、东南）和一个平坦区域（值为−1）。
平面曲率（图2d）可以控制地表水流影响沉积和侵蚀。该区域的平面曲率值从−2.825到4.227不等。
剖面曲率（图2e）控制流经斜坡的水流的加速和减速，从而影响流动过程。它也是从DEM中计算得到的，其结果为−3.908～4.199。
地表粗糙度（图2f）是指地表面积与其投影面积之比，是反映地表形态的宏观指标（Goetz et al., 2015）。它是通过计算斜坡的表面积与垂直方向投影面积之比而获得的。该因子的方程为：
$$ \mathit{SDS} \mathrm{=1/cos(} \mathit{slope} \mathrm{)} $$ (1) 岩性（图2g）被认为是各种地质灾害的物质基础，对控制滑坡的发展起着至关重要的作用（Catani et al., 2013）。研究区地质特征按地层年代和岩土性质划分为砂壤土、黏土、红黏土、砂岩和石灰岩5个单元。
地质结构（图2h）对于滑坡易发性评估至关重要，是因为斜坡上的许多物理过程（如变形）与地质运动有关；此外，地质构造也会影响斜坡上的节理和裂缝。
NDWI（图2i）可以反映河流对地表的影响（Wang et al., 2020）。它主要来自Landsat 8 TM遥感图像，可以通过图像中不同波段的光谱反射率计算：
$$ NDWI{\text{ = }}\frac{{P(Green) - P(NIR)}}{{P(Green) + P(NIR)}} $$ (2) 式中：P（Green）代表绿色波段的光谱反射率；而P（NIR）是近红外波段的光谱反射率，在本研究中，NDWI值为−0.475～0.240。
与河流的距离（图2j）：河流可以切割和侵蚀河岸，河流水位波动会重塑地形并影响斜坡的地下水。 与到地质结构的距离类似，笔者计算了每个单元格到最近河流的欧几里得距离，以表示河流的影响。
NDVI（图2k）揭示了特定区域的植被覆盖程度，可以影响斜坡的水文过程。它也是从遥感图像中获得的。计算公式如下（Chang et al., 2020）：
$$ NDVI{\text{ = }}\frac{{P(NIR) - P(Red)}}{{P(NIR) + P(Red)}} $$ (3) 式中：P （Red） 是红色波段的光谱反射率；P （NIR） 是近红外波段的光谱反射率。
土地利用（图2l）能够反映植被和人类工程活动的影响（Guo et al., 2025），还会涉及根系内聚力和水文过程。研究区主要有5种土地利用类型：水、居民区、森林、草地和农田。
降雨（图2m）是滑坡最常见的触发因素。在GIS中制作了研究区年平均降雨量图，显示南部地区的降雨量高于北部地区。
到道路的距离（图2n）：研究区人口稠密，因此人类活动也是引发滑坡的重要因素。该地区分布着多条国道、高速公路和铁路，因此笔者以到公路的距离作为反映人类活动强度的指标。
2. 研究方法
2.1 因子独立性检验和重要性计算（C5.0决策树）
环境因子的独立性和重要性检验对易发性建模有显著影响，能降低计算过程的复杂性，提高滑坡易发性评价的准确性。如前文所述，文中环境因子的选择主要基于专家经验和文献回顾（Catani et al., 2013；Guo et al., 2021）。上述14个环境因子虽然地质背景不同，但与滑坡易发性存在内在关联。因此，首先采用皮尔逊相关系数法计算所选因子的独立性。不同因子对易发性制图的精度有不同的贡献，因此还需要进行重要性计算来表明环境因子对滑坡的影响程度（Zhu et al., 2022）。在本研究中，应用了C5.0决策树模型 （田乃满等， 2020）。C5.0算法考虑了信息增益比（IGR）方法来计算因素重要性，它允许基于概率度量获得不确定性降低的水平。最佳解决方案是通过使用最大IGR进行拆分计算的决策树向下增长来实现的。IGR （GainRatio） 可以表示如下：
$$ GainRatio = \frac{{Gains({S_q}, m)}}{{S plit({S_q}, m)}} $$ (4) 式中：Sq 是通过Bootstrap重采样随机选择的训练数据集 D 的子集；m 是预测变量。 Split（Sq, m） 表示分割信息。Gains（Sq, m）表示信息增益，可以表示为：
$$ Gains({S_q}, m) = H({S_q}) - \sum\limits_{v \in V(m)} {\frac{{\left| {{S_v}} \right|}}{{\left| {{S_q}} \right|}}} H({S_v}) $$ (5) 式中： H （x）是数据集 x 的熵；V（m）是预测变量 m 的取值范围；SV 是集合 Sq 的子集。
此外，提出了提升算法以提高模型的稳定性，并减少分类错误（Dou et al., 2020）。采用交叉验证方法来评估模型的性能，该方法有利于解决过拟合问题，提高模型泛化能力（Yao et al., 2008）。使用了R软件中内置包用于C5.0 DT建模，其中开发了一个函数，通过计算落入训练数据集中的因素百分比来确定输入数据的重要性。
2.2 滑坡易发性模型
2.2.1 加权信息量模型
信息量模型（IV）是一种常见的统计方法，它可以整合专家主观经验和环境因子与滑坡相关性的客观特征，已被广泛应用于滑坡易发性评估（Bhandary et al., 2013）。IV模型首先计算各个评价因子不同等级的信息量（Wang et al., 2019），表达式如下：
$$ I\left( {{x_i}, A} \right) = \ln \frac{{P\left( {{x_i}/A} \right)}}{{P\left( {{x_i}} \right)}} $$ (6) $$ I\left( {{x_i}, A} \right) = \ln \frac{{{N_i}/N}}{{{S_i}/S}} = \ln \frac{{{N_i}/{S_i}}}{{N/S}} $$ (7) 式中：S 为区域总面积；N 为滑坡灾害数； Si是第i个因子的面积；Ni为第 i 个因子中的滑坡灾害数。Ii＜0表明该类别中滑坡发生的可能性小于稳定的可能性，该因子对滑坡的贡献较小；反之Ii＞0表明该类别对于滑坡发生具有正向作用。然而，传统的信息量模型没有考虑触发因素对滑坡的“贡献”差异。在这项研究中，笔者应用层次分析法来改善这一缺陷，并通过将每个因子的相关权重与其分类信息量的乘积相加来计算加权信息值（WIV）。方程如下：
$$ L{\text{ = }}\sum\limits_{i = 1}^n {{W_i}{I_i}} $$ (8) 式中：Wi 为第 i 个因子的权重，L为滑坡易发性指数（LSI）。
2.2.2 随机森林模型
随机森林模型是近年来发展起来的一种算法，被认为是组装了许多随机决策树。它的基本技术之一是自举重采样技术，它在训练集中随机重复选择一些样本来训练决策树，并生成其他树来组成随机森林。在随机生成多棵决策树后，样本可以根据每棵决策树的统计结果选择最佳分类（贾俊等，2023）。决策树的形成需要叶子节点的完全分裂，每个叶子节点不能持续分裂（Pradhan, 2013）。大多数决策树算法都需要修剪以避免过度拟合。在RF模型中随机选择样本可以有效避免修剪分类结果（Goetz et al., 2015）。RF模型结合了每个决策树，可以代表最终的结果。它的优点主要包括：可以在一定程度上避免过拟合，增强抗噪能力；且无需特征值即可计算高维样本。
2.2.3 支持向量机模型
SVM模型是一种用于统计数据二元分类的智能算法（付泉等，2024）。该模型通过核函数将环境因子数据从原始空间映射到更高维空间。因此，样本在空间中是线性可分的，并能够分析滑坡点和非滑坡点的正负分类之间的最大间距。在空间中搜索最优超平面，分离样本，使样本间隔最大化，然后通过分类决策函数对样本进行分类（Goetz et al., 2015）。{xi, yi}是样本数据的特征向量，其中i＝1, 2, …, l, xi∈Rn, yi∈{−1, +1}, l 是样本个数，n 表示输入维度。非线性映射 Φ （x） 将样本从输入空间映射到特征空间。分类超平面可以计算为 wΦ（x）+ b=0，其中 w, b 是分类决策函数的系数。最优超平面需要最大 2/‖w‖，可以转化为二次规划问题。提出了拉格朗日乘子法来求解这个方程：
$$ \left\{ {\begin{array}{*{20}{c}} {\min \dfrac{1}{2}{{\left\| w \right\|}^2} + C \displaystyle \sum\limits_{i = 1}^n {{\xi _i}} } \\ {s.t.{y_i}\left( {w * {x_i} + b} \right) \geqslant 1 - {\xi _i}} \\ \begin{gathered} {\xi _i} \geqslant 0, i = 1, 2 \cdots n \\ \end{gathered} \end{array}} \right. $$ (9) 式中： ξi 是松弛因子；C 是惩罚参数。简化的拉格朗日高维映射函数可以表示为：
$$ \left\{ {\begin{array}{*{20}{c}} {K\left( {{x_i}, {x_j}} \right) = \phi \left( {{x_i}} \right)\phi \left( {{x_j}} \right)} \\ {\max Q\left( a \right) = \displaystyle \sum\limits_{i = 1}^n {{a_i} - \dfrac{1}{2} \displaystyle \sum\limits_{i = 1}^n { \displaystyle \sum\limits_{j = 1}^n {{a_i}{a_j}{y_i}{y_j}K\left( {{x_i} \cdot {x_j}} \right)} } } } \\ {s.t. \displaystyle \sum\limits_{i = 1}^n {{a_i}{y_i} = 0, 0 \leqslant {a_i} \leqslant C} } \end{array}} \right. $$ (10) 式中：K（xi, xj） 是核函数（Cherkassky，1997）。则 SVR 模型可以建立为：
$$ f(x) = {sgn} \left[ {\sum\limits_{i = 1}^n {{a_i} * {y_i}} K({x_i} \cdot x) + {b^ * }} \right] $$ (11) 上述方法中提出了核函数，将高维空间问题简化为低维空间问题。核函数的选择对于模型分类的准确性具有重要意义。笔者选择RBF（径向基函数）作为核函数，因为它是应用最广泛的一种（Zhou et al., 2016）。
3. 结果
3.1 易发性模型参数优化
文中区域滑坡易发性建模主要包括以下步骤：
（1）栅格文件的单元格分辨率设置为30 m，全区共有
1849962 个栅格单元。在GIS环境下提出了格点转折函数，用于获取区域内所有环境因子的属性数据。由于各个环境因子取值范围不同，首先将各个因素值归一化到[0, 1]区间。在建立环境因子体系后，应用层次分析法计算各因子的权重。利用环境因子判断矩阵计算了每个因素的归一化权重。不同统计指标的结果（随机指数=1.58；一致性指数=0.092；一致性比=0.058＜0.1；λmax=15.191）表明矩阵通过了一致性检验。（2）将684个滑坡点作为滑坡样本，在滑坡点周围大于500 m的缓冲区内随机抽取非滑坡样本684个。各个非滑坡点之间的距离大于100 m。在MATLAB环境下，将滑坡和非滑坡样本随机划分为80%的训练数据集和20%的测试数据集，利用不同的模型对训练数据进行训练。然后将研究区所有栅格代入训练好的模型中进行预测，得到了整个区域的易发性分布图。
（3）SVM和RF模型在Matlab 软件中实施以计算滑坡易发性。具有RBF的SVM模型考虑了非负松弛变量来确定最优超平面，改进了具有分类误差的样本的优化，并模拟了训练集和测试集样本。k折交叉验证方法确定了两个关键参数，即惩罚因子C和核函数参数g，最终得到最优参数c =
0.7579 和g =0.5843 。测试样本1094 个，预测成功995个，失败99个，训练集样本准确率为90.95%（图3a）。测试样本274个，其中预测成功238个，失败36个，测试样本准确率为86.86%（图3b）。RF模型采用bootstrap的方式，从已经放回的训练数据中抽取500个样本，形成500棵决策树。利用最优因子集作为模型运算决策树的生长和分裂节点。将创建的RF分类器引入样本预测，结果表明它具有良好的预测性能（图4a）。测试样本1092 个，预测成功1090 个，失败两个，训练集样本准确率为99.82%（图4b）。测试样本274个，其中预测成功246个，失败28个，测试样本准确率为87.97%（图4c）。![]()
图 3 训练集预测结果（a）和 测试集预测结果（b）图Figure 3. (a) The training set prediction results and (b) test set prediction results.![]()
图 4 RF模型性能分析（a）、训练集预测结果（b）和测试集预测结果（c）Figure 4. (a) The RF model performance analysis, (b) training set prediction results and (c) test set prediction results3.2 环境因子重要性分析
采用SPSS软件中的双变量相关分析对14个环境因子的独立性进行分析。相关系数R[−1, 1]是计算结果的判断指标。R的绝对值越大，相关性越大。R= [−1, 0）, 0, （0, 1] 表示两个因素分别为负相关、无线性相关、正相关，低相关（独立性）可通过|R| ＜ 0.5判断。计算结果表明相关系数|R|max=0.486 ＜ 0.5，说明环境因子对滑坡灾害易发性评价影响不大，选择合理。
14 个因子中的5个因子在滑坡易发性建模过程中贡献较大，分别是到道路的距离（IM=1）、到河流的距离（IM=0.97）、坡度（IM=0.93）、降雨量（IM=0.92），海拔（IM=0.91）。岩性（IM=0.67）、土地利用（IM=0.42）、地质构造（IM=0.32）和NDVI（IM=0.32）的贡献中等（图5）。其他5个因素的贡献较低，包括 NDWI、平面曲率、轮廓曲率、表面粗糙度和坡向。重要性计算结果与层次分析法计算的权重一致，其中与道路的距离（W=0.159）、与河流的距离（W=0.136）、降雨量（W=0.132）、坡度（W= 0.132）具有较高的权重，验证了主观权重结果的合理性和模型计算的客观重要性。总体而言，结果表明，本研究区域滑坡发生的两个触发因素（到河流的距离和降雨量）比其他因素更重要。此外，没有任何因子具有负重要值，因此所有因子都可以合理地纳入滑坡易发性评价。
![]()
图 5 从 C5.0 决策树模型中获得的因素的重要性Figure 5. The importance of factors obtained from the C5.0 decision tree model依据公式（4）、（5）计算GIS环境下各环境因子不同等级的信息量值，再乘以因素权重得到各因素的WIV和排名。表1总结了在特定环境因子内分布的滑坡数量与总数的比值（Ni/N），在特定环境因子内分布的滑坡面积与整个区域的比值（Si/S），IV （I）、权重、WIV，以及每个因子的每个级别的排名。根据结果可知，该区域的IV值为−2.11～2.47。排名前6的因子的WIV分别为：道路距离（0～100 m）、降雨量（＞475 mm）、河流距离（0～100 m）、坡度（23°～59°）、NDWI（0.008～0.240），土地使用（定居）。这些因素显着影响研究地点历史滑坡的发展。
表 1 滑坡环境因子 IV 的计算结果Table 1. Calculation of the IV of the landslide environmental factors环境因子 值 Ni/N Si/S 密度比 信息量 权重 加权信息量 排名 高程 （m） 594～774 0.39 0.39 1.00 0.90 0.073 0.0657 9 774～901 0.22 0.76 0.29 −0.33 0.02409 61 901～ 1028 0.26 0.69 0.38 −0.07 0.00511 40 1028 ～1183 0.11 0.51 0.21 −0.67 0.04891 66 1183 ～1510 0.01 0.08 0.16 −0.92 0.06716 68 坡度 （°） 0～7 0.14 0.19 0.74 −0.30 0.107 − 0.0321 62 7～12 0.20 0.29 0.68 −0.39 0.04173 64 12～17 0.26 0.28 0.96 −0.05 0.00535 42 17～23 0.25 0.18 1.39 0.33 0.03531 15 23～59 0.14 0.06 2.44 0.89 0.09523 4 坡向 （°） 北（0～22.5） 0.09 0.06 1.56 0.45 0.031 0.01395 22 东北（22.5～67.5） 0.13 0.12 1.13 0.12 0.00372 28 东（67.5～112.5） 0.15 0.13 1.14 0.13 0.00403 27 东南（112.5～157.5） 0.10 0.12 0.79 −0.23 0.00713 44 南（157.5～202.5） 0.12 0.13 0.94 −0.06 0.00186 34 西南（202.5～247.5） 0.10 0.15 0.68 −0.38 0.01178 51 西（247.5～292.5） 0.09 0.14 0.68 −0.39 0.01209 52 西北（292.5～337.5） 0.14 0.11 1.27 0.24 0.00744 25 北（337.5-360） 0.08 0.05 1.57 0.45 0.01395 22 平面曲率 −2.824～−0.345 0.06 0.06 1.00 −0.16 0.031 0.00496 38 −0.345～−0.097 0.22 0.25 0.88 −0.12 0.00372 36 −0.097～0.095 0.35 0.34 1.03 0.03 0.00093 31 0.095～0.343 0.31 0.27 1.13 0.12 0.00372 28 0.343～4.227 0.07 0.07 1.00 −0.10 − 0.0031 35 剖面曲率 −3.908～−0.393 0.05 0.06 0.85 −0.16 0.031 0.00496 38 −0.393～−0.140 0.16 0.20 0.79 −0.23 0.00713 44 −0.140～0.082 0.28 0.37 0.77 −0.26 0.00806 47 0.082～0.367 0.36 0.29 1.23 0.20 0.0062 26 0.367～4.199 0.15 0.08 1.84 0.61 0.01891 18 地表粗糙度 1～1.023 0.34 0.48 0.69 −0.37 0.042 0.01554 55 1.023～1.052 0.33 0.32 1.02 0.02 0.00084 32 1.052～1.097 0.21 0.15 1.41 0.35 0.0147 21 1.097～1.199 0.09 0.04 2.23 0.80 0.0336 16 1.199～1.919 0.03 0.01 3.00 2.15 0.0903 8 岩性 沙壤土 0.16 0.19 0.88 −0.13 0.052 0.00676 43 黏土 0.33 0.43 0.77 −0.26 0.01352 53 红黏土 0.06 0.03 2.00 0.50 0.026 17 砂岩 0.43 0.31 1.38 0.32 0.01664 19 石灰岩 0.02 0.04 0.49 −0.71 0.03692 63 距断层距离 （m） 0～ 2709.069 0.37 0.28 1.30 0.26 0.049 0.01274 24 2709.069 ～5727.746 0.29 0.28 1.03 0.03 0.00147 30 5727.746 ～9056.030 0.16 0.19 0.83 −0.18 0.00882 48 9056.030 ～13003.531 0.11 0.16 0.72 −0.32 0.01568 56 13003.531 ～19814.904 0.07 0.09 0.79 −0.23 0.01127 50 NDWI −0.475～−0.235 0.06 0.10 0.56 −0.58 0.038 0.02204 60 −0.235～−0.196 0.25 0.37 0.69 −0.38 0.01444 54 −0.196～−0.151 0.47 0.43 1.09 −0.02 0.00076 33 −0.151～0.008 0.13 0.06 2.19 1.07 0.04066 11 0.008～0.240 0.09 0.04 2.27 2.47 0.09386 5 NDVI −0.198～0.008 0.02 0.01 2.00 1.13 0.038 0.04294 10 0.008～0.135 0.31 0.20 1.53 0.43 0.01634 20 0.135～0.180 0.35 0.40 0.88 −0.13 0.00494 37 0.180～0.235 0.26 0.30 0.87 −0.14 0.00532 41 0.235～0.536 0.05 0.09 0.57 −0.57 0.02166 59 距河流距离 （m） 0～100 0.35 0.15 2.33 0.85 0.136 0.1156 3 100～200 0.16 0.12 1.32 0.28 0.03808 14 200～300 0.11 0.13 0.86 −0.15 − 0.0204 58 300～500 0.14 0.21 0.66 −0.41 0.05576 67 500～ 1776.851 0.23 0.38 0.60 −0.51 0.06936 69 距道路距离 （m） 0～100 0.72 0.16 4.56 1.52 0.159 0.24168 1 100～200 0.12 0.12 0.95 −0.05 0.00795 46 200～300 0.05 0.12 0.41 −0.90 − 0.1431 71 300～500 0.06 0.18 0.34 −1.07 0.17013 72 500～ 2835.437 0.05 0.42 0.12 −2.11 0.33549 74 土地利用 水面 0.03 0.02 1.65 0.50 0.08 0.04 12 村庄 0.17 0.05 3.22 1.17 0.0936 6 林地 0.24 0.28 0.87 −0.14 − 0.0112 49 草地 0.28 0.48 0.58 −0.54 − 0.0432 65 农田 0.29 0.17 1.66 0.50 0.04 12 降雨 （mm） ＜400 0.10 0.22 0.47 −1.45 0.132 − 0.1914 73 400～425 0.22 0.11 1.99 0.69 0.09108 7 425～450 0.12 0.13 0.87 −0.14 0.01848 57 450～475 0.10 0.22 0.44 −0.82 0.10824 70 ＞475 0.46 0.33 1.40 1.57 0.20724 2 3.3 不同滑坡易发性图中的滑坡分布
表1中计算的各因子不同范围的WIV由ArcGIS赋值，并由ArcGIS栅格计算器叠加，以确定该地区的滑坡易发性指数（LSI）。LSI值为−0.838～0.940（图6a）。将SVM和RF方法预测的LSI通过ArcGIS软件分配到研究区对应的格网中，得到对应的滑坡易发性图。来自SVM和RF模型的研究区域LSI值分别为−4.236～1.807（图6b）和0～1（图6c）。采用自然断点法将LSI划分为高、中、低、极低4个易发性等级，得到了3种数据驱动模型的易发性分布图（图7）。结果表明，3个模型得到的高易发地带与历史滑坡点的空间分布基本一致。Ni/N和Si/S值都随着易发性水平的增加而增加，从而表明这些模型对滑坡易发区/非滑坡区的预测较好（图8）。WIV模型的每一层在总面积中所占的比例都比较均匀。高易发性面积占总面积的10.8%，滑坡点数占总点数的57.8%。相比之下，易发性极低的地区占整个区域的33.2%，但滑坡数量仅占所有点的2.5%。对于高易发性区域识别的滑坡数量，SVM和RF模型均超过70%，表明大部分滑坡预测成功。RF表现最好：高易发性区占全区面积的21.9%，滑坡个数占90.5%，极低易发性区面积占总面积的39.4%，滑坡个数占总面积只有0.7%。这些结果表明，RF方法更好地预测了高易发性地区的历史滑坡，生成的滑坡易发性图更有效。
![]()
图 6 从不同模型获得的LSI图：WIV模型（a），SVM模型（b）和RF模型（c）Figure 6. LSI maps obtained from different models: (a) WIV model, (b) SVM model and (c) RF model![]()
图 7 从不同模型获得的滑坡易发性图：WIV模型（a），SVM模型（b）和RF模型（c）Figure 7. Landslide susceptibility maps obtained from different models: (a) WIV model, (b) SVM model and (c) RF model![]()
图 8 历史滑坡各易发性等级统计指标：WIV模型（a），SVM模型（b）和RF模型（c）Figure 8. Statistical indicators of the historical landslides in each susceptibility level: (a) WIV model, (b) SVM model and (c) RF model3.4 模型验证与比较
模型验证对于模型适应度评估和生成的滑坡易发性图的质量评估都至关重要（Guzzetti et al., 2005）。笔者提出了基于混淆矩阵的统计指标来评估这些模型的预测能力，并生成了接收者操作特征（ROC）。笔者使用了接收者操作特征曲线（ROC）来定量评估及对比这些模型的性能，3个模型的ROC曲线下面积（AUC）均在0.8以上，说明这些模型在滑坡易发性评估中均具有良好的预测能力（图9）。RF模型的AUC值为
0.9035 ，而SVM和WIV的AUC值分别为0.8472 、0.8446 。SVM和RF模型得到的极低易发性区内的滑坡点只有5个，占清单点的0.7%。通过上述对比可知，SVM和RF模型的验证结果更加客观准确。虽然WIV模型可以量化因素与滑坡发生之间的关系，但专家判断主要是非定性和经验性的。因此，误差高于机器学习模型。在这3种模型中，随机森林的预测能力最高。![]()
图 9 滑坡易发性评估中三种数据驱动模型的ROC曲线及精度Figure 9. The ROC curves and accuracy of the three data-driven models in landslide susceptibility assessment4. 结论
（1）分别使用了3种数据驱动模型生成黄河中游流域的区域滑坡易发性图。环境因子间的皮尔逊相关系数表明，所有选择的14个因素都是条件独立的。从C5.0决策树方法获得的结果揭示了该地区滑坡发生最关键的因素，即到道路的距离、到河流的距离和坡度。
（2）使用ROC曲线的验证和比较结果表明，RF模型（AUC=0.904）比WIV（AUC=0.845）和SVM（AUC=0.847）模型具有更高的准确性。RF模型确定了97.1%的历史滑坡清单点位于高易发性区域，而只有0.7%的滑坡位于低易发性区域。
（3）3种技术已被确认为中国黄土高原滑坡易发性评估较有前景的模型，特别是RF模型。研究结果有助于未来在具有相似地质和环境的地区进行滑坡风险管理和防灾减灾工作。
-
![]()
图 1 中亚造山带构造位置图（a）、研究区上石炭统—下二叠统代表剖面分布图（b）及阿拉善地块北缘地质简图（c）（据Niu, et al., 2021，郑和荣等，2010和卢进才等，2012修编）
Ⅰ. 红石山断裂带；Ⅱ. 恩格尔乌苏断裂带；Ⅲ. 索伦断裂带；Ⅳ. 贺根山断裂带；Ⅴ. 查干础鲁断裂带；各剖面岩性柱状图参见图2和图7
Figure 1. (a) Schematic map showing the tectonic location of the Central Asian Orogenic Belt, (b) distribution of the Upper Carboniferous–Lower Permian sections in the studied areas, and (c) simplified geological map of the northern Alxa Block
![]()
图 2 阿拉善地块北缘上石炭统—下二叠统实测剖面综合柱状图（剖面位置参见图1c）
ZSL剖面起点经纬度为N41°30′14″，E102°44′39″；WDH剖面起点经纬度为N41°48′31″，E102°46′36″；#264剖面起点经纬度为N41°45'49"，E105°22'19"；CJH剖面起点经纬度为N40°27'35"，E102°37'04"；CGE剖面起点经纬度为N40°43'14"，E104°48'0.2"；TL剖面起点经纬度为N40°45'56"，E104°47'0.1"
Figure 2. Generalized composite sections of the Upper Carboniferous–Lower Permian sections in the northern Alxa Block (See Figs 1c for the locations of sections)
![]()
图 3 阿拉善地块北缘上石炭统—下二叠统剖面火山岩同位素样品岩石薄片照片（样品层位参见图2）
a. 英安岩样品11ZSL-TW1；b. 玄武岩样品19264-TW1；c. 玄武岩样品19CGE-TW1；d. 安山岩样品18SD-TW1
Figure 3. Representative microphotographs of isotopic samples of volcanic beds in the Upper Carboniferous–Lower Permian sections from the northern Alxa Block （See Figs 2 for the locations of samples）
![]()
图 4 阿拉善地块北缘上石炭统—下二叠统剖面野外照片（照片层位参见图2）
a. 格根敖包组不整合于泥盆系花岗岩体之上； b. 格根敖包组底部钙质底砾岩，由花岗岩砾石和富含海相生物碎屑的化石（黄色箭头所示）的胶结物组成； c. 生物碎屑灰岩，含腕足类化石（黄色箭头所示）；d. 连续沉积的碳酸盐岩； e. 灰岩中的䗴类和有孔虫化石；f. 叶状藻灰岩； g. 埋汗哈达组碎屑岩角度不整合于阿木山组碳酸盐岩之上；h. 埋汗哈达组底部底砾岩，由安山岩、英安岩、板岩和灰岩砾石组成
Figure 4. Representative outcrop photographs of the Upper Carboniferous–Lower Permian sections from the northern Alxa Block (See Figs 2 for the locations of photos)
![]()
图 5 阿拉善地块北缘火山岩部分锆石阴极发光图像及LA-ICP-MS测点位置
Figure 5. CL images and LA-ICP-MS dating spots of selected zircons of the volcanic rocks in the northern Alxa Block
![]()
图 6 阿拉善地块北缘火山岩LA-ICP-MS锆石U-Pb同位素年龄谐和图和加权平均图
Figure 6. LA-ICP-MS zircon U-Pb weight average and concordia diagrams of zircons from the volcanic rocks in the northern Alxa Block
![]()
图 7 中亚造山带南缘上石炭统—下二叠统对比图及碳酸盐岩台地分布图（剖面位置参见图1c，岩性花纹参见图2）
剖面岩石组合和同位素年龄参考文献：1、2. 牛亚卓等（2018）、Niu等（2018）；3、4. 此次研究；5、6. 张玉清等（2016）、田坤烜等（2019）；7、8、9. 鲍庆中等（2006）、Zhu等（2017）；全球海平面曲线. Haq 等（2008）；华北地台C同位素曲线. Lu 等（2021）；晚古生代冰期时代. Fielding等（2008）、Isbell等（2021）
Figure 7. Stratigraphic correlation of the Upper Carboniferous–Lower Permian strata and distribution of carbonate platform in the southern margin of the Central Asian Orogenic Belt (See Fig. 1c for the locations of sections and Fig. 2 for petrologic patterns)
表 1 中亚造山带南缘晚石炭世—早二叠世火山岩夹层LA-ICP-MS锆石U-Pb年龄数据统计表
Table 1 LA-ICP-MS zircon U-Pb age of Late Carboniferan-Early Permian volcanic intercalations in the southern margin of the Central Asian orogenic belt
测点
编号含量 (10–6) 232Th/238U 同位素比值 同位素年龄 (Ma) 谐和度 206Pb 232Th 238U 207Pb/206Pb 1σ 207Pb/235U 1σ 206Pb/238U 1σ 207Pb/206Pb 1σ 207Pb/235U 1σ 206Pb/238U 1σ 11ZSL-TW1 英安岩 珠斯棱剖面 −01 51.0 213.6 266.9 0.80 0.0514 0.0061 0.3127 0.0356 0.0441 0.0014 258 199 276 28 278 8 99 −02 113.0 90.0 122.8 0.73 0.0864 0.0075 2.7734 0.2265 0.2327 0.0077 1347 107 1348 61 1349 40 100 −03 38.0 124.6 199.9 0.62 0.0525 0.0088 0.3344 0.0540 0.0462 0.0019 309 283 293 41 291 12 101 −04 147.9 716.9 795.4 0.90 0.0534 0.0049 0.3480 0.0301 0.0472 0.0012 348 149 303 23 297 8 102 −05 116.4 335.0 593.1 0.56 0.0557 0.0070 0.3358 0.0410 0.0438 0.0013 439 286 294 31 276 8 107 −06 37.4 175.4 233.3 0.75 0.0529 0.0189 0.3411 0.1193 0.0468 0.0039 325 504 298 90 295 24 101 −07 59.8 188.5 292.7 0.64 0.0476 0.0096 0.2982 0.0589 0.0454 0.0017 82 354 265 46 286 11 93 −08 33.3 124.4 176.9 0.70 0.0585 0.0098 0.3570 0.0578 0.0443 0.0019 547 281 310 43 279 12 111 −09 177.3 73.2 283.7 0.26 0.0693 0.0028 1.4321 0.0439 0.1499 0.0027 908 34 902 18 900 15 100 −10 59.3 187.2 314.9 0.59 0.0583 0.0087 0.3520 0.0505 0.0438 0.0017 541 248 306 38 276 11 111 −11 66.2 211.8 359.7 0.59 0.0505 0.0078 0.3275 0.0489 0.0471 0.0018 218 261 288 37 296 11 97 −12 40.3 167.1 200.1 0.84 0.0502 0.0095 0.3099 0.0566 0.0448 0.0021 205 293 274 44 282 13 97 −13 246.1 82.3 214.3 0.38 0.1061 0.0048 4.4894 0.1655 0.3071 0.0066 1733 37 1729 31 1726 32 100 −14 47.1 108.7 244.8 0.44 0.0533 0.0070 0.3440 0.0433 0.0468 0.0016 341 219 300 33 295 10 102 −15 65.5 251.4 354.6 0.71 0.0536 0.0058 0.3305 0.0342 0.0447 0.0013 356 179 290 26 282 8 103 −16 42.0 136.3 224.5 0.61 0.0520 0.0053 0.3153 0.0305 0.0440 0.0012 287 167 278 24 277 8 100 −17 96.7 311.9 532.9 0.59 0.0526 0.0088 0.4182 0.0675 0.0577 0.0024 310 282 355 48 362 15 98 −18 57.2 262.5 322.6 0.81 0.0511 0.0105 0.3259 0.0652 0.0463 0.0023 247 317 286 50 291 14 98 −19 66.8 293.0 376.8 0.78 0.0529 0.0047 0.3086 0.0258 0.0423 0.0011 324 144 273 20 267 7 102 −20 64.5 97.8 237.4 0.41 0.0550 0.0081 0.4993 0.0707 0.0659 0.0026 411 245 411 48 412 16 100 19264-TW1 玄武岩 264界碑剖面 −01 323.3 10.0 1330.1 0.01 0.0536 0.0012 0.3799 0.0078 0.0514 0.0004 355 50 327 6 323 2 101 −02 67.3 308.6 278.2 1.11 0.0572 0.0037 0.3691 0.0235 0.0468 0.0006 498 147 319 17 295 4 108 −03 90.1 194.9 302.5 0.64 0.0606 0.0024 0.5691 0.0215 0.0681 0.0006 624 86 457 14 425 4 108 −04 53.5 125.9 206.8 0.61 0.0543 0.0018 0.4825 0.0148 0.0645 0.0006 384 52 400 10 403 4 99 −05 50.9 149.1 260.3 0.57 0.0561 0.0026 0.3703 0.0167 0.0480 0.0006 455 78 320 12 302 4 106 −06 140.9 244.3 509.0 0.48 0.0549 0.0009 0.5107 0.0073 0.0676 0.0004 407 21 419 5 421 3 100 −07 32.4 137.5 182.3 0.75 0.0496 0.0037 0.3197 0.0231 0.0468 0.0008 174 131 282 18 295 5 96 −08 43.2 94.6 204.0 0.46 0.0567 0.0029 0.3677 0.0183 0.0470 0.0005 480 116 318 14 296 3 107 −09 159.8 49.9 665.6 0.07 0.0527 0.0011 0.4299 0.0083 0.0592 0.0004 316 31 363 6 371 3 98 −10 49.8 193.7 251.2 0.77 0.0809 0.0022 0.5370 0.0138 0.0482 0.0005 1218 36 436 9 304 3 143 −11 265.9 353.9 1078.8 0.33 0.0545 0.0010 0.4766 0.0077 0.0635 0.0004 392 24 396 5 397 3 100 −12 10.8 27.9 48.5 0.58 0.0527 0.0047 0.4207 0.0368 0.0579 0.0012 316 161 357 26 363 7 98 −13 116.7 568.8 369.7 1.54 0.0557 0.0015 0.5666 0.0141 0.0738 0.0006 441 41 456 9 459 4 99 −14 79.2 143.9 387.7 0.37 0.0775 0.0027 0.5089 0.0165 0.0476 0.0005 1135 47 418 11 300 3 139 −15 139.4 193.3 516.1 0.37 0.0558 0.0017 0.5142 0.0150 0.0669 0.0005 443 69 421 10 417 3 101 −16 80.6 222.9 357.4 0.62 0.0612 0.0020 0.4227 0.0129 0.0501 0.0005 647 49 358 9 315 3 114 −17 9.3 20.3 50.5 0.40 0.0472 0.0054 0.3097 0.0345 0.0476 0.0012 60 198 274 27 300 7 91 −18 30.3 115.1 130.3 0.88 0.0596 0.0079 0.4223 0.0556 0.0514 0.0009 589 301 358 40 323 6 111 −19 46.5 172.4 248.8 0.69 0.0561 0.0037 0.3599 0.0232 0.0466 0.0005 455 149 312 17 293 3 106 −20 33.2 53.7 101.2 0.53 0.0600 0.0028 0.6652 0.0294 0.0805 0.0010 603 74 518 18 499 6 104 19CGE-TW1 玄武岩 查古尔剖面 −01 19.1 58.4 94.5 0.62 0.0546 0.0039 0.3649 0.0255 0.0485 0.0008 396 129 316 19 305 5 104 −02 55.9 164.0 268.4 0.61 0.0553 0.0019 0.3694 0.0118 0.0485 0.0005 424 55 319 9 305 3 105 −03 18.4 77.3 95.1 0.81 0.0520 0.0031 0.3444 0.0201 0.0481 0.0007 285 109 301 15 303 4 99 −04 20.6 71.5 110.9 0.64 0.0528 0.0032 0.3505 0.0207 0.0482 0.0007 318 109 305 16 303 4 101 −05 16.0 56.1 83.9 0.67 0.0522 0.0033 0.3476 0.0212 0.0483 0.0007 294 115 303 16 304 4 100 −06 25.4 82.8 132.4 0.63 0.0514 0.0026 0.3429 0.0167 0.0484 0.0006 258 90 299 13 305 4 98 −07 29.7 149.1 157.6 0.95 0.0541 0.0026 0.3567 0.0164 0.0478 0.0006 374 82 310 12 301 4 103 −08 28.7 57.0 111.8 0.51 0.0547 0.0027 0.4942 0.0233 0.0655 0.0008 401 84 408 16 409 5 100 −09 12.8 52.2 62.7 0.83 0.0543 0.0047 0.3605 0.0306 0.0482 0.0008 381 198 313 23 303 5 103 −10 19.7 65.6 106.4 0.62 0.0564 0.0030 0.3730 0.0191 0.0480 0.0006 467 90 322 14 302 4 107 −11 54.9 187.5 290.8 0.64 0.0533 0.0020 0.3524 0.0123 0.0480 0.0005 341 61 307 9 302 3 102 −12 24.6 130.8 135.1 0.97 0.0493 0.0027 0.3249 0.0174 0.0478 0.0006 162 98 286 13 301 4 95 −13 22.1 63.0 95.2 0.66 0.0499 0.0077 0.3286 0.0508 0.0478 0.0007 190 313 288 39 301 4 96 −14 33.1 140.7 177.6 0.79 0.0548 0.0024 0.3647 0.0155 0.0483 0.0006 404 75 316 12 304 3 104 −15 12.7 40.5 67.4 0.60 0.0558 0.0037 0.3722 0.0237 0.0483 0.0008 445 114 321 18 304 5 106 −16 22.1 76.6 114.0 0.67 0.0469 0.0030 0.3125 0.0195 0.0483 0.0007 44 109 276 15 304 4 91 −17 21.9 71.2 117.6 0.61 0.0555 0.0030 0.3703 0.0191 0.0484 0.0006 430 91 320 14 305 4 105 −18 20.8 66.6 114.2 0.58 0.0501 0.0022 0.3314 0.0139 0.0480 0.0005 199 77 291 11 302 3 96 −19 17.7 63.4 95.3 0.67 0.0538 0.0039 0.3579 0.0255 0.0483 0.0007 362 168 311 19 304 4 102 −20 26.0 117.3 137.5 0.85 0.0563 0.0025 0.3747 0.0161 0.0483 0.0006 465 74 323 12 304 4 106 18SD-TW1 安山岩 陶来剖面 −01 7.9 22.1 35.0 0.63 0.0560 0.0074 0.3709 0.0480 0.0480 0.0015 454 234 320 36 302 9 106 −02 9.8 32.5 43.5 0.75 0.0546 0.0060 0.3617 0.0392 0.0480 0.0013 395 196 313 29 302 8 104 −03 15.6 71.4 72.7 0.98 0.0502 0.0046 0.3188 0.0285 0.0460 0.0010 203 161 281 22 290 6 97 −04 12.4 33.8 56.9 0.59 0.0544 0.0058 0.3510 0.0367 0.0468 0.0011 386 191 305 28 295 7 103 −05 10.4 42.7 47.7 0.90 0.0490 0.0056 0.3161 0.0355 0.0468 0.0012 146 205 279 27 295 7 95 −06 22.2 77.8 100.9 0.77 0.0545 0.0042 0.3559 0.0271 0.0473 0.0009 391 136 309 20 298 6 104 −07 14.5 60.4 66.1 0.91 0.0523 0.0054 0.3418 0.0343 0.0474 0.0011 299 183 299 26 298 7 100 −08 9.8 24.6 45.3 0.54 0.0595 0.0073 0.3834 0.0459 0.0467 0.0014 586 210 330 34 294 9 112 −09 15.2 44.8 70.3 0.64 0.0502 0.0052 0.3246 0.0331 0.0468 0.0011 206 185 285 25 295 7 97 −10 17.7 70.0 80.6 0.87 0.0601 0.0055 0.3956 0.0349 0.0477 0.0011 606 151 338 25 301 7 112 −11 11.6 49.3 53.6 0.92 0.0501 0.0068 0.3264 0.0435 0.0472 0.0014 201 243 287 33 297 8 97 −12 13.3 44.6 61.5 0.72 0.0573 0.0068 0.3743 0.0435 0.0473 0.0013 505 211 323 32 298 8 108 −13 14.4 38.1 68.1 0.56 0.0539 0.0059 0.3454 0.0366 0.0464 0.0012 369 192 301 28 293 7 103 −14 16.7 53.5 79.2 0.67 0.0545 0.0050 0.3466 0.0310 0.0461 0.0010 392 162 302 23 291 6 104 −15 31.9 149.0 147.9 1.01 0.0511 0.0033 0.3342 0.0212 0.0475 0.0008 244 114 293 16 299 5 98 −16 25.4 151.2 120.2 1.26 0.0519 0.0033 0.3351 0.0211 0.0469 0.0008 279 113 293 16 295 5 99 −17 31.7 175.0 157.0 1.11 0.0527 0.0033 0.3262 0.0198 0.0449 0.0008 316 107 287 15 283 5 101 −18 20.3 77.0 95.4 0.81 0.0497 0.0041 0.3237 0.0260 0.0472 0.0009 181 144 285 20 297 6 96 −19 18.8 94.7 88.2 1.07 0.0521 0.0040 0.3404 0.0256 0.0474 0.0009 288 136 297 19 299 6 99 −20 16.0 45.7 75.4 0.61 0.0545 0.0044 0.3557 0.0280 0.0473 0.0010 391 141 309 21 298 6 104 
下载: 导出CSV
-
鲍庆中, 张长捷, 吴之理, 等 . 内蒙古东南部西乌珠穆沁旗地区石炭纪—二叠纪岩石地层和层序地层[J]. 地质通报,2006 ,25 （5 ）:572 −579 . doi: 10.3969/j.issn.1671-2552.2006.05.007BAO Qingzhong, ZHANG Changjie, WU Zhili, et al . Carboniferous–Permian marine lithostratigraphy and sequence stratigraphy in Xi Ujimqin Qi, southeastern Inner Mongolia, China[J]. Geological Bulletin of China,2006 ,25 （5 ）:572 −579 . doi: 10.3969/j.issn.1671-2552.2006.05.007卜建军, 段先锋, 牛志军 . 内蒙古西部额济纳旗及邻区中二叠统腕足类动物群的特征和时代[J]. 地质通报,2011 ,30 （6 ）:943 −954 . doi: 10.3969/j.issn.1671-2552.2011.06.016BU Jianjun, DUAN Xianfeng, NIU Zhijun . Characteristics and geological age of Middle Permian brachiopod fauna from Ejin Banner and its vicinities, western Inner Mongolia[J]. Geological Bulletin of China,2011 ,30 （6 ）:943 −954 . doi: 10.3969/j.issn.1671-2552.2011.06.016卜建军, 牛志军, 吴俊, 等 . 内蒙古西部额济纳旗及邻区上石炭统一下二叠统阿木山组的沉积特征和时代[J]. 地质通报,2012 ,31 （10 ）:1669 −1683 .BU Jianjun, NIU Zhijun, WU Jun, et al . Sedimentary characteristics and age of Amushan Formation in Ejin Banner and its adjacent areas, western Inner Mongolia[J]. Geological Bulletin of China,2012 ,31 （10 ）:1669 −1683 .丁蕴杰, 夏国英, 段承华, 等 . 内蒙古哲斯地区早二叠世地层及动物群[A]. 中国地质科学院天津地质矿产研究所文集[C].1984 ,10 :1 −244 .DING Yunjie, XIA Guoying, DUAN Chenghua, et al . Study on the Early Permian stratigraphy and fauna in Zhesi District, Inner Mongolia[A]. Bulletin Tianjin Institute of Geology and Mineral Resources[C].1984 ,10 :1 −244 .范炳恒 . 华北地台石炭系—二叠系界线的腕足动物标志[J]. 地质论评,1998 ,44 （2 ）:113 −119 . doi: 10.3321/j.issn:0371-5736.1998.02.001FAN Bingheng . The brachiopod indicator on the Permo–Carboniferous boundary in the North China Platform[J]. Geological Review,1998 ,44 （2 ）:113 −119 . doi: 10.3321/j.issn:0371-5736.1998.02.001甘肃省地质局区域地质调查队. 1/20万因格井幅区域地质图及调查报告(K4831)[R].甘肃省地质局区域地质调查队, 1980. 甘肃省省地质局地质力学区域测量队. 1/20万拐子湖幅区域地质图及调查报告(K4819)[R].甘肃省地质局区域地质调查队, 1981. 郭硕, 滕学建, 刘洋, 等 . 内蒙古狼山西北缘乌兰敖包地区“阿木山组”沉积时限、物源特征及其地质意义简[J]. 地球科学,2019 ,44 （1 ）:193 −205 .GUO Shuo, TENG Xuejian, LIU Yang, et al . The age and potential provenance information of Amushan formation in Wulanaobao area, northwestern of Langshan, Inner Mongolia and its geological significance[J]. Earth Science,2019 ,44 （1 ）:193 −205 .韩建修, 郭胜哲, 马秀, 等 . 大兴安岭南部中、晚石炭世地层[J]. 地层学杂志,1979 ,3 （3 ）:214 −224 .HAN Jianxiu, GUO Shengzhe, MA Xiu, et al . Middle and Late Carboniferous strata in the southern Daxinganling[J]. Acta Stratigraphica Sinica,1979 ,3 （3 ）:214 −224 .韩伟, 刘溪, 李金超, 等 . 内蒙古乌拉特后旗乌兰敖包地区石炭系—二叠系阿木山组沉积环境[J]. 地质通报,2012 ,31 （10 ）:1684 −1691 . doi: 10.3969/j.issn.1671-2552.2012.10.013HAN Wei, LIU Xi, LI Jinchao, et al . Sedimentary environment of Carboniferous–Permian Amushan Formation in Wulanaobao area of Urad Rear Banner, Inner Mongolia[J]. Geological Bulletin of China,2012 ,31 （10 ）:1684 −1691 . doi: 10.3969/j.issn.1671-2552.2012.10.013李红英, 周志广, 李鹏举, 等 . 内蒙古西乌旗晚石炭世–早二叠世伸展事件——来自大石寨组火山岩的证据[J]. 大地构造与成矿学,2016 ,40 （5 ）:996 −1013 .LI Hongying, ZHOU Zhiguang, LI Pengjun, et al . A Late Carboniferous-Early Permian extensional event in Xi Ujimqin Qi, Inner Mongolia–Evidence from volcanic rocks of Dashizhai Formation[J]. Geotectonica et Metallogenia,2016 ,40 （5 ）:996 −1013 .李艳广, 汪双双, 刘民武, 等 . 斜锆石LA-ICP-MS U-Pb定年方法及应用[J]. 地质学报,2015 ,89 （12 ）:2400 −2418 . doi: 10.3969/j.issn.0001-5717.2015.12.015LI Yanguang, WANG Shuangshuang, LIU Minwu, et al . U-Pb dating study of Baddeleyite by LA-ICP-MS: Technique and application[J]. Acta Geological Sinica,2015 ,89 （12 ）:2400 −2418 . doi: 10.3969/j.issn.0001-5717.2015.12.015李艳广, 靳梦琪, 汪双双, 等 . LA–ICP–MS U–Pb定年技术相关问题探讨[J]. 西北地质,2023 ,56 （4 ）:274 −282 .LI Yanguang, JIN Mengqi, WANG Shuangshuang, et al . Exploration of Issues Related to the LA–ICP–MS U–Pb Dating Technique[J]. Northwestern Geology,2023 ,56 （4 ）:274 −282 .刘宝珺, 曾允孚. 岩相古地理基础和工作方法[M]. 北京: 地质出版社, 1985. LIU Baojun, ZENG Yongfu. Lithofacies and Paleogeography: Principles and application [M]. Beijing: Geological Publishing House, 1985.
卢进才, 陈高潮, 李玉宏, 等. 银额盆地及其邻区石炭—二叠系油气地质条件与资源前景[M]. 北京: 地质出版社, 2012. 卢进才, 史冀忠, 牛亚卓, 等 . 内蒙古西部北山-银额地区石炭纪-二叠纪层序地层与沉积演化[J]. 岩石学报,2018 ,34 （10 ）:3101 −3115 .LU Jincai, SHI Jizhong, NIU Yazhuo, et al . The Carboniferous–Permian sequence stratigraphy and sedimentary evolution of Beishan–Yin'e region, western Inner Mongolia[J]. Acta Petrologica Sinica,2018 ,34 （10 ）:3101 −3115 .内蒙古自治区地质矿产局. 内蒙古自治区区域地质志[M]. 北京: 地质出版社, 1991. 内蒙古自治区地质矿产局. 内蒙古自治区岩石地层[M]. 武汉: 中国地质大学出版社, 1996. 内蒙古自治区第一区域地质调查队. 1/20万乌尔特幅区域地质图及调查报告(K4822)[R]. 内蒙古自治区第一区域地质调查队, 1982. 宁夏回族自治区地质局区域地质调查队. 1/20万乌力吉幅区域地质图及调查报告(K4827) [R]. 宁夏回族自治区地质局区域地质调查队, 1980. 牛亚卓, 卢进才, 刘池阳, 等 . 甘肃北山地区上石炭统—下二叠统干泉组的时代、分布及其构造意义[J]. 地质论评,2018 ,64 （4 ）:806 −827 .NIU Yazhuo, LU Jincai, LIU Chiyang, et al . Geochronology and distribution of the Upper Carboniferous–Lower Permian Ganquan Formation in the Beishan Region, northwestern China and its tectonic implication[J]. Geological Review,2018 ,64 （4 ）:806 −827 .盛金章. 内蒙白云鄂博附近上石炭纪的䗴科[J]. 古生物学报, 1958, 6(1): 37–45. SHENG Jinzhang. Upper Carboniferous fusulinids from Baiyunebo, Inner Mongolia [J]. Acta Palaeontologica Sinica, 1958, 6(1): 37–45.
史冀忠, 魏建设, 姜亭, 等. 银额盆地石炭系—二叠系阿木山组碳酸盐岩地球化学特征及古海洋环境[J]. 西北地质, 2024, 57（6）: 113−126. SHI Jizhong, WEI Jianshe, JIANG Ting, et al. Geochemical characteristics and paleo-oceanic environment of carbonate rocks of Carboniferous-Permian Amushan Formation in Yingen-Ejin Banner Basin: A case study of Wuliji–Taolai Section[J]. Northwestern Geology, 2024, 57（6）: 113−126.
苏养正 . 内蒙古草原地层区的古生代地层[J]. 吉林地质,1996 ,15 （3−4 ）:42 −54 .SU Yangzheng . Paleozoic stratigraphy of Nei Mongol grass stratigraphical province[J]. Jilin Geology,1996 ,15 （3−4 ）:42 −54 .王文宝, 李卫星, 雷聪聪, 等 . 中亚造山带中段早—中三叠世埃达克岩和A型花岗岩成因及构造意义[J]. 西北地质,2024 ,57 （3 ）:29 −43 .WANG Wenbao, LI Weixing, LEI Congcong, et al . Early-Middle Triassic Adakitic and A-type Granite in Middle Segment of Central Asian Orogenic Belt: Petrogenesis and Tectonic Implications[J]. Northwestern Geology,2024 ,57 （3 ）:29 −43 .田坤烜, 史宇坤, 闫振 . 内蒙古苏尼特右旗德言其庙剖面二叠纪䗴类动物群[J]. 微体古生物学报,2019 ,36 （3 ）:232 −250 .TIAN Kunxuan, SHI Yukun, YAN Zhen . Permian fusulinids from the Deyanqimiao Ⅲ section of Sonid Right Banner, Inner Mongolia[J]. Acta Micropalaeontologica Sinica,2019 ,36 （3 ）:232 −250 .吴妍蓉, 周海, 赵国春, 等 . 中亚造山带南蒙古地区石炭纪—二叠纪岩浆活动及其构造意义[J]. 西北地质,2024 ,57 （3 ）:11 −28 .WU Yanrong, ZHOU Hai, ZHAO Guochun, et al . Carboniferous-Permian Magmatism of Southern Mongolia, Central Asian Orogenic Belt and Its Tectonic Implications[J]. Northwestern Geology,2024 ,57 （3 ）:11 −28 .吴泰然, 何国琦 . 内蒙古阿拉善地块北缘的构造单元划分及各单元的基本特征[J]. 地质学报,1993 ,67 （2 ）:97 −108 .WU Tairan, HE Guoqi . Tectonic units and their fundamental characteristics on the northern margin of the Alxa Block[J]. Acta Geologica Sinica,1993 ,67 （2 ）:97 −108 .徐备, 赵盼, 鲍庆中, 等 . 兴蒙造山带前中生代构造单元划分初探[J]. 岩石学报,2014 ,30 （7 ）:1841 −1857 .XU Bei, ZHAO Pan, BAO Qingzhong, et al . Preliminary study on the pre-Mesozoic tectonic unit division of the Xing-Meng Orogenic Belt[J]. Acta Petrologica Sinica,2014 ,30 （7 ）:1841 −1857 .杨海星, 高利东, 高玉石, 等 . 内蒙古霍林河地区晚石炭世本巴图组火山岩年代学、地球化学特征及构造背景[J]. 中国地质,2020 ,47 （4 ）:281 −293 .YANG Haixing, GAO Lidong, GAO Yushi, et al . The chronology, geochemical characteristics and tectonic setting of the volcanic rocks in the Benbatu Formation of Huolinhe area, Inner Mongolia[J]. Geology in China,2020 ,47 （4 ）:281 −293 .张海迪, 陈博, 吕鹏瑞, 等 . 东天山黄山西角闪辉长岩成因及其地质意义: 来自锆石U-Pb年代学及地球化学的证据[J]. 西北地质,2021 ,54 （3 ）:51 −65 .ZHANG Haidi, CHEN Bo, LÜ Pengrui, et al . The Petrogenesis and Geological Significance of the Hornblende Gabbro in Western Huangshan of East Tianshan: Evidence from Zircon U-Pb Chronology and Geochemistry[J]. Northwestern Geology,2021 ,54 （3 ）:51 −65 .张建新, 宫江华 . 阿拉善地块性质和归属的再认识[J]. 岩石学报,2018 ,34 （4 ）:940 −962 .ZHANG Jianxin, GONG Jianghua . Revisiting the nature and affinity of the Alxa Block[J]. Acta Petrologica Sinica,2018 ,34 （4 ）:940 −962 .张晓飞, 周毅, 刘俊来, 等 . 内蒙古西乌旗大石寨组火山岩年代学和地球化学特征及地质意义[J]. 岩石学报,2018 ,34 （6 ）:1775 −1791 .ZHANG Xiaofei, ZHOU Yi, LIU Junlai, et al . Geochronology and geochemistry for volcanic rocks of Dashizhai Formation and its geological significance in Xi U jimqin Banner, Inner Mongolia[J]. Acta Petrologica Sinica,2018 ,34 （6 ）:1775 −1791 .张研 . 内蒙古巴丹吉林沙漠南缘额肯阿尔斯楞地区早二叠世腕足动物群[J]. 西北地质科学,1990 ,28 :57 −66 .ZHANG Yan . Early Permian brachiopod fauna from Ekenalsileng region of Badain Jaran Desert south margin, Nei Mongol[J]. Northwest Geoscience,1990 ,28 :57 −66 .张玉清, 张婷 . 内蒙古阿木山组[J]. 中国地质,2016 ,43 （3 ）:1000 −1015 . doi: 10.12029/gc20160322ZHANG Yuqing, ZHANG Ting . Amushan Formation in Inner Mongolia[J]. Geology in China,2016 ,43 （3 ）:1000 −1015 . doi: 10.12029/gc20160322张志存, 盛金章 . 内蒙古白乃庙Parafusulina动物群[J]. 微体古生物学报,1987 ,4 （3 ）:237 −246 .ZHANG Zhicun, SHENG Jinzhang . Parafusilina fauna from Bainaimiao, Nei Mongol[J]. Acta Mircopalaeontologica Sinica,1987 ,4 （3 ）:237 −246 .郑和荣, 胡宗全. 中国前中生代构造–岩相古地理图集[M]. 北京: 地质出版社, 2010. Andersen T . Correction of common lead in U-Pb analyses that do not report 204Pb[J]. Chemical Geology,2002 ,192 :59 −79 . doi: 10.1016/S0009-2541(02)00195-XCao J, Xia L W, Wang T T, et al . An alkaline lake in the Late Paleozoic Ice Age (LPIA): A review and new insights into paleoenvironment and petroleum geology[J]. Earth-Science Reviews,2020 ,202 :103091 . doi: 10.1016/j.earscirev.2020.103091Chen Y, Wu T R, Zhang Z C . Detrital zircon U–Pb–Hf isotopes for the Permo-Carboniferous sediments in the northern Alxa area, NW China: provenance and tectonic implications for the middle segment of the Central Asian Orogenic Belt[J]. Geological Magazine,2021 ,158 （5 ）:875 −890 . doi: 10.1017/S0016756820000965Fielding C R, Frank T D, Birgenheier L P, et al . Stratigraphic imprint of the Late Palaeozoic Ice Age in eastern Australia: a record of alternating glacial and nonglacial climate regime[J]. Journal of the Geological Society,2008 ,165 （1 ）:129 −140 . doi: 10.1144/0016-76492007-036Flügel E. Microfacies of carbonate rocks: analysis, interpretation and application [M]. Verlag Berlin Heidelberg, Springer, 2010.
Haq B U, Schutter S R . A chronology of Paleozoic sea-level changes[J]. Science,2008 ,5898 （322 ）:64 −68 .Isbell J L, Vesely F F, Rosa E L M, et al. Evaluation of physical and chemical proxies used to interpret past glaciations with a focus on the late Paleozoic Ice Age [J]. Earth-Science Reviews, 2021: 103756.
Liu Q, Zhao G C, Han Y G, et al . Timing of the final closure of the middle segment of the Paleo-Asian Ocean: Insights from geochronology and geochemistry of Carboniferous–Triassic volcanosedimentary successions in western Inner Mongolia, China[J]. GSA Bulletin,2019 ,131 （5−6 ）:941 −965 . doi: 10.1130/B32023.1Lu J, Wang Y, Yang M F, et al . Records of volcanism and organic carbon isotopic composition (δ13Corg) linked to changes in atmospheric PCO2 and climate during the Pennsylvanian icehouse interval[J]. Chemical Geology,2021 ,570 :120168 . doi: 10.1016/j.chemgeo.2021.120168Niu Y Z, Liu C Y, Shi G R, et al . Unconformity-bounded Upper Paleozoic megasequences in the Beishan Region (NW China) and implications for the timing of the Paleo-Asian Ocean closure[J]. Journal of Asian Earth Sciences,2018 ,167 :11 −32 . doi: 10.1016/j.jseaes.2018.06.019Ludwig K R. User's manual for a geochronological toolkit for Microsoft Excel (Isoplot/Ex version 3.0) [M]. Berkeley: Berkeley Geochronology Center Special Publication, 2003.
Niu Y Z, Shi G R, Ji W H, et al . Paleogeographic evolution of a Carboniferous–Permian sea in the southernmost part of the Central Asian Orogenic Belt, NW China: Evidence from microfacies, provenance and paleobiogeography[J]. Earth-Science Reviews,2021 ,220 :103738 . doi: 10.1016/j.earscirev.2021.103738Reading H G. Sedimentary environments: processes, facies and stratigraphy [M]. Oxford: Blackwell Science Inc, 1996.
Sengör A M C., Natalin B A, Burtman V S . Evolution of the Altaid tectonic collage and Palaeozoic crustal growth in Eurasia[J]. Nature,1993 ,364 :299 −307 . doi: 10.1038/364299a0Sengör A M C, Natalin B A, Sunal G, et al . The tectonics of the Altaids: crustal growth during the construction of the continental lithosphere of Central Asia between ～750 and ～130 Ma ago[J]. Annual Review of Earth and Planetary Sciences,2018 ,46 :439 −494 . doi: 10.1146/annurev-earth-060313-054826Shen S Z, Zhang H, Shang Q H, et al . Permian stratigraphy and correlation of Northeast China: A review[J]. Journal of Asian Earth Sciences,2006 ,26 （3 ）:304 −326 .Shi G Z, Song G Z, Wang H, et al . Late Paleozoic tectonics of the Solonker Zone in the Wuliji area, Inner Mongolia, China: Insights from stratigraphic sequence, chronology, and sandstone geochemistry[J]. Journal of Asian Earth Sciences,2016 ,127 :100 −118 . doi: 10.1016/j.jseaes.2016.06.022Song D F, Xiao W J, Windley B F., et al . Carboniferous to Early Triassic magmatism and accretion in Alxa (NW China): implications for accretionary orogenesis of the southern Altaids[J]. Journal of the Geological Society,2020 ,177 （5 ）:997 −1012 . doi: 10.1144/jgs2020-046Tian R S, Xie G A, Zhu W B, et al . Late Paleozoic Tectonic Evolution of the Paleo-Asian Ocean in the Northern Alxa Block (NW China)[J]. Tectonics,2020 ,39 （8 ）:e2020T −e6359T .Wang Y, Luo Z H, Santosh M, et al . The Liuyuan Volcanic Belt in NW China revisited: evidence for Permian rifting associated with the assembly of continental blocks in the Central Asian Orogenic Belt[J]. Geological Magazine,2017 ,154 （2 ）:265 −285 . doi: 10.1017/S0016756815001077Xiao W J, Windley B F, Han C M, et al . Late Paleozoic to early Triassic multiple roll-back and oroclinal bending of the Mongolia collage in Central Asia[J]. Earth-Science Reviews,2018 ,186 :94 −128 . doi: 10.1016/j.earscirev.2017.09.020Xiao W J, Windley B F, Sun S, et al . A tale of amalgamation of three Permo-Triassic collage systems in Central Asia: Oroclines, sutures, and terminal accretion[J]. Annual Review of Earth & Planetary Sciences,2015 ,43 （43 ）:477 −507 .Yan Z, Liu J B, Jin X C, et al . Construction model and paleogeographic distribution of Late Pennsylvanian phylloid algal–microbial reefs: A case study in eastern Inner Mongolia, North China[J]. Sedimentary Geology,2019 ,383 :181 −194 . doi: 10.1016/j.sedgeo.2019.02.007Zhang D H, Huang B C, Meert J G, et al. Micro-blocks in NE Asia amalgamated into the unified Amuria block by ∼300 Ma: first paleomagnetic evidence from the Songliao block, NE China [J]. Journal of Geophysical Research: Solid Earth, 2021: e2021J–e22881J.
Zhang W, Pease V, Meng Q P, et al . Age and petrogenesis of late Paleozoic granites from the northernmost Alxa region, northwest China, and implications for the tectonic evolution of the region[J]. International Journal of Earth Sciences,2017 ,106 （1 ）:79 −96 . doi: 10.1007/s00531-016-1297-0Zhang Q, Niu Y Z, Yao J L, et al . Paleogeographic affinity of the Alxa Block across the Archean–Proterozoic: Insights from metamorphosed Archean basement[J]. Precambrian Research,2022 ,381 :106864 . doi: 10.1016/j.precamres.2022.106864Zhao G C, Wang Y J, Huang B C, et al . Geological reconstructions of the East Asian blocks: From the breakup of Rodinia to the assembly of Pangea[J]. Earth-Science Reviews,2018 ,186 :262 −286 . doi: 10.1016/j.earscirev.2018.10.003Zhao X X, Coe S R, Zhou Y X, et al . New paleomagnetic results from northern China: collision and suturing with Siberia and Kazakhstan[J]. Tectonophysics,1990 ,181 （1 ）:43 −81 .Zheng R G, Wu T R, Zhang W, et al . Late Paleozoic subduction system in the northern margin of the Alxa block, Altaids: Geochronological and geochemical evidences from ophiolites[J]. Gondwana Research,2014 ,25 （2 ）:842 −858 . doi: 10.1016/j.gr.2013.05.011Zhou J B, Wilde S A, Zhao G C, et al . Nature and assembly of microcontinental blocks within the Paleo-Asian Ocean[J]. Earth-Science Reviews,2018 ,186 :76 −93 . doi: 10.1016/j.earscirev.2017.01.012Zhu J B, Ren J S . Carboniferous–Permian stratigraphy and sedimentary environment of southeastern Inner Mongolia, China: Constraints on final closure of the Paleo-Asian Ocean[J]. Acta Geologica Sinica (English Edition),2017 ,91 （3 ）:832 −856 . doi: 10.1111/1755-6724.13313
计量
- 文章访问数: 186
- HTML全文浏览量: 20
- PDF下载量: 80
