公共文化服务平台

搜索到1467篇“ 裂变径迹“的相关文章

多种矿物裂变径迹蚀刻条件研究: 2024年; 用于地质应用的裂变径迹分析涉及一系列实际考虑因素。其中包括现场采样,常用矿物的分离,这些矿物的制备以供分析以及所需基本参数的测量。本次文章主要从多种矿物的蚀刻条件来进行综述。自发裂变径迹是通过化学蚀刻在矿物颗粒中揭示出来的,因为蚀刻剂优先蚀刻径迹核心中高度无序的部分。矿物中的整体蚀刻速率并不均匀,并且在不同的晶体学方向上会有所不同,因此,径迹的形状和大小会有所不同,为了更加有效的观察和统计径迹,选择合适的蚀刻条件是非常重要的。; 杨麒可; 关键词：裂变径迹石英电气石

一种显微镜上的裂变径迹样品固定装置: 本实用新型公开了一种显微镜上的裂变径迹样品固定装置，涉及显微镜领域，包括底座，所述底座的顶部开设有凹槽，所述凹槽的内壁固定连接有底板，所述底板内腔的底部固定连接有第一限位块，所述第一限位块的前侧设置有第二限位块，所述底座...; 杨静陈虹娄玉行马立成

自然演化碎屑锆石裂变径迹长度影响因素分析: 2024年; 锆石裂变径迹长度是锆石裂变径迹热年代学研究的一个重要参数。基于不同热背景的沉积盆地样品实测数据,分析锆石裂变径迹的退火行为,探讨锆石裂变径迹长度的影响因素。研究表明,Sk1井样品的裂变径迹长度和径迹与结晶C轴夹角之间具有一定的负相关性,即夹角愈小,径迹长度愈长;反之,夹角愈大,径迹长度愈短。Sk1井样品径迹与结晶C轴夹角主要分布在10°~70°,整体分布较随机;而Ku1井样品多分布于高角度(60°~90°),整体分布不随机。Sk1井锆石裂变径迹在沉积盆地开始退火温度为220℃,深层样品的平均径迹长度为5.02~5.55μm;Ku1井锆石裂变径迹在沉积盆地开始退火温度为170℃,深层样品的平均径迹长度为8.06~8.31μm,高温热背景下Sk1井的锆石裂变径迹开始受到沉积盆地影响的温度高于Ku1井。研究认为锆石裂变径迹在不同热背景下的开始退火温度和退火行为产生的差异是由盆地不同的增温速率导致的。Sk1井的中浅层样品平均径迹长度范围为5.85~8.36μm,Ku1井中浅层样品平均径迹长度为9.21~10.05μm。2口井中浅层样品的最小年龄大于地层年龄,表明未受到沉积盆地的影响,缩短的径迹长度是受到母源区热事件的影响。对锆石裂变径迹的退火行为和径迹长度影响因素的分析对于油气成藏过程以及烃源岩的热演化史研究具有指导意义。; 陈鸿蔡长娥罗开通雷超尚文亮; 关键词：退火行为

磷灰石裂变径迹的实验原理及地质应用: 2024年; 磷灰石裂变径迹是近些年来一种最常用的低温测年手段,它记录了岩石在60℃~120℃的热历史信息,反映浅部地表的冷却历史.文章结合已发表的外文文献,重点介绍了以下几个方面:(1)磷灰石裂变径迹实验原理;(2)磷灰石裂变径迹实验数据处理软件(TrackKey和HeFTy)的使用和数据解释;(3)磷灰石裂变径迹在地质方面的应用,包括山体剥露的过程、古地貌、断层活动时间、盆地演化过程的研究.相对于其他传统的同位素测年方法,磷灰石裂变径迹具有封闭温度低、温度敏感度高以及测年的精度高等优点,是研究地质体低温热历史信息最有效的方法之一.; 邓玉珍; 关键词：低温热年代学磷灰石裂变径迹热历史

关于磷灰石裂变径迹LA-ICP-MS定年分析方法: 本发明涉及地球化学、同位素定年技术领域，具体是关于磷灰石裂变径迹LA‑ICP‑MS定年分析方法。具体方法如下：在模具中涂一层脱模剂并在模具外侧做标记，将样品磷灰石放置在模具中并晃动模具，使得磷灰石的扁平面与模具底部贴合；...; 杨静施炜王森张拴宏娄玉行陈虹马立成

一种基于锆石裂变径迹法定年的标样分析方法: 本发明涉及地球化学、同位素定年技术领域，具体是一种基于锆石裂变径迹法定年的标样分析方法。包括具体方法如下：样品源的确定：选定标准物质样品源候选地，最终确定候选标准物质；样品的制备：选出足够多的大颗粒宝石级锆石单矿物。对锆...; 杨静施炜王森张拴宏娄玉行陈虹马立成

一种基于锆石裂变径迹法定年的标样分析方法: 本发明涉及地球化学、同位素定年技术领域，具体是一种基于锆石裂变径迹法定年的标样分析方法。包括具体方法如下：样品源的确定：选定标准物质样品源候选地，最终确定候选标准物质；样品的制备：选出足够多的大颗粒宝石级锆石单矿物。对锆...; 杨静施炜王森张拴宏娄玉行陈虹马立成

一种用于磷灰石裂变径迹定年的矿物颗粒镶嵌方法: 本发明公开了一种用于磷灰石裂变径迹定年的矿物颗粒镶嵌方法，包括以下步骤S1、将亚克力板的一面磨成毛面；S2、在玻璃片表面涂抹脱模剂；S3、将磷灰石颗粒放置于所述玻璃片涂抹有脱模剂的一面；S4、向放置在所述玻璃片上的磷灰石...; 李天义高键李双建何治亮李慧莉周雁

基于深度学习的磷灰石裂变径迹人工智能识别方法: 本发明涉及图像识别检测技术领域，尤其涉及一种基于深度学习的磷灰石裂变径迹人工智能识别方法，包括S1：获取磷灰石裂变径迹图像；S2：对灰石裂变径迹图像进行截取，获得样本图像；S3：对样本图像中的裂变径迹进行标注生成标签集，...; 李世超何笑琪王洪涛任祚霆

基于深度学习的磷灰石裂变径迹人工智能识别方法: 本发明涉及图像识别检测技术领域，尤其涉及一种基于深度学习的磷灰石裂变径迹人工智能识别方法，包括S1：获取磷灰石裂变径迹图像；S2：对灰石裂变径迹图像进行截取，获得样本图像；S3：对样本图像中的裂变径迹进行标注生成标签集，...; 李世超何笑琪王洪涛任祚霆

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈