青海玛沁县侧不地下中三叠统沉积特征及沉积环境研究

来源 :河北地质大学 | 被引量 : 1次 | 上传用户:luffyzero88
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文以青海省北巴颜喀拉山区1:5万优云乡、昌马河、侧不地等六幅区域矿产地质调查项目为基础,运用野外实地地质调查及综合分析,选取青海省玛沁县侧不地下中三叠统地层为研究对象,从野外产出状态、岩石组合、空间分布特征、沉积环境等方面对研究区域下中三叠统地层做了比较系统的研究。以区域内甘德组、昌马河组的岩石地层对比,区域内砂砾岩的粒(砾)度统计分析、构造特征总结、沉积相分析等手段确定研究区内下中三叠统的地层特征,形成的地质时代以及研究区的沉积环境。得到了如下几个方面的认识:1.在研究的过程中,进一步厘定了侧不地地区下中三叠统昌马河组、甘德组的地层单位,详细的讨论了各组段的岩性特征、古生物及时代问题、岩石组合特征等问题。2.在二叠纪-三叠纪之间地层是连续的,化石也是连续的,因此是整合接触。但是两者之间存在一个转换面,由浅海转变为深海-半深海。3.昌马河西部生物碎屑石灰岩中产菊石Arnautoceltites sp.,Leiophyilites sp.腕足Neophricodothyris cf.atiatica(Chao)珊瑚Iranophyllum sp.。下段岩层中采集到孢粉主要有Leiotriletes sp.,Lund-bladispora sp.,Kracuselisporites sp.等,甘德组下段地层中采集到了Neocalamites mariani(Brongniart)Halle,等化石标本。4.昌马河组及甘德组为一套深海到半深海大陆斜坡浊流沉积,昌马河组下段为浅海碎屑岩沉积逐渐发展为斜坡浊积扇。甘德组地层主要为次深海--深海砂板岩相。5.研究区古沉积环境为南高北低,南部为岸边陆地环境,北部为深水沉积环境。推断南部为一个克拉通平原,为物源供应的源头,克拉通平原风化的物质随流水搬运至北部地区逐渐形成了昌马河组与甘德组的沉积地层。侧不地下中三叠统沉积环境表现为回旋沉积模式。一开始表现为海进,然后表现为海退再到表现为海进,表现为海进时,体现的是次深海--深海盆地相沉积模式;表现为海退时,表现为浅海陆棚相沉积模式以及斜坡浊积扇沉积模式。
其他文献
工业、国防等高新技术领域的快速发展对服役材料提出了更为严苛的要求,传统的单一金属结构材料已难以满足需求。将硬质碳化硼(B4C)颗粒添加到Al基体中制备而成的铝基复合材料可
磁交换相互作用是一种量子效应,由波函数的直接重叠或者间接相互作用导致,其中超交换和Ruderman-Kittel-Kasuya-Yosida(RKKY)相互作用都是间接相互作用,其强度紧密依赖于磁性原
在聚合物生产、造纸、飞行器等工业领域,随着产品性能要求的不断提高,面临着分布曲线控制的需求,即被控变量从n维空间的一个点过渡到n维空间中的一条曲线。分布曲线对象具有形态多变性,容易出现平移、伸缩等形变现象,而对于此类问题,基于欧式距离的传统控制性能指标不具备正确的相似性度量能力,难以实现分布曲线对象的高品质形态控制。因此本论文从形态相似度的角度出发,进行分布曲线对象的形态预测控制算法研究。本文的主
根据对黑龙江省八家子至平山地区以前研究资料的搜集整理,发现该区研究程度较低,缺少系统的1∶5万的地球化学图鉴,地球化学特征分析以及对研究区的成矿远景评价。对八家子至
在城市社区的发展中,西方城市社会学家对社区人际关系的走向定下了并不乐观的基调。他们认为城市的发展将带来社区人际关系的冷漠。中国正快速经历着城市化的过程,单位制消解
随着半导体、纳米功能材料、生物、化工、食品、医药等研究深入到纳米尺度,作为纳米检测和纳米加工的重要工具,原子力显微镜(Atomic Force Microscope,AFM)因其分辨率高、重
大脑对输入信息的加工因训练而得到改变并最终影响感觉认知功能的范式即为知觉训练,该范式被广泛应用于研究成年脑可塑性。由于知觉训练往往具较强的任务特异性和刺激特异性,因此目前有关听知觉训练诱导成年脑可塑性的研究多集中在听觉系统,特别是听皮层。但听觉系统在大脑中并不是独立存在,它与大脑其它系统或结构有直接或间接的纤维投射关系从而完成整合功能。此外,我们设计采用的听知觉训练范式除了包含有听觉信息的处理任务
粉煤灰是燃煤电厂排放的主要固体废弃物之一,是一种大宗工业固废。目前粉煤灰主要被应用于建材行业,属低附加值利用。粉煤灰的高附加值利用主要包括常规元素Si、Al提取制备白
异常检测在电信、保险、银行、灾害气象预报、医疗领域等多个领域得到了广泛应用,特别在计算机图形图像、网络安全等研究领域,基于数据挖掘、机器学习等智能技术的异常检测研究尤为活跃。基于机器学习的异常检测方法需要收集大量样本,尤其是异常样本。然后,基于这些异常样本,通过某种智能学习方法或模型进行规则集的训练,最后使用训练后的规则集进行异常分析与检测,是本领域的一个研究热点。基于聚类分析的异常检测方法是一种
Dip2b基因是Disco关联蛋白2(Disco-interacting protein 2,Dip2)基因家族的成员之一,Dip2编码一类在脊椎动物和无脊椎动物中高度保守的蛋白。目前围绕Dip2b基因的研究主要为