ESR|机器学习揭示古气候对淡水河咸水有机质富集的影响

一、研究背景（Introduction）

二、研究方法（Methods）

三、研究结果（Results）

1. 分类模型性能

• 准确率：淡水油页岩87.7%，咸水油页岩94.9%。

• 关键变量：TOC（分类重要性最高），其次为古生产力指标（如C27/C28甾烷、P/Al）、水体条件（Pr/Ph、UEF、GI）、陆源输入（TAR、Ti/Al）及古气候指标（CIA、Rb/Sr）。

2. 地球化学差异

四、讨论（Discussion）

1. OM富集机制差异

2. 纬度分布与气候带

• 淡水油页岩：多沉积于温暖温带-热带（28.6%温暖温带，25%热带），降水充足。

• 咸水油页岩：17.9%分布于干旱带（蒸发强），但17%也见于热带（反映盐度受控于蒸发-降水平衡，非单纯纬度）。

五、结论与展望（Conclusions & Future Work）

1. 主要结论

• 古气候是主控因素：温室期（湿润）利于淡水湖相高TOC油页岩形成，冰室期（干旱）利于咸水湖相低TOC油页岩形成。

• 机制路径：气候→湖泊盐度/水位→生产力/保存条件→OM富集差异。

• 方法创新：首次将机器学习（RF）应用于湖相油页岩分类，验证了TOC为核心判别指标。

2. 未来方向

• 数据扩展：纳入更多盆地与层位，细化分类模型（如区分咸水亚类：硫酸盐型 vs 碳酸盐型）。

• 多因素耦合：结合构造活动（如沉降速率）、火山事件等，构建更全面的OM富集模型。

• 应用推广：将方法拓展至全球其他湖相页岩（如北美绿河组、南美帕拉伊巴盆地）。