利用深度学习方法量化和分析岩石断裂悬崖的岩石特征分布
摘要：应用深度学习模型对基于来自运动结构正射影像和东加利福尼亚州火山台地岩石断层悬崖的数字高程模型进行岩石特征的分割和识别。通过对深度学习结果进行后处理，建立了一个语义岩石地图并分析岩石特征的分布。所得的语义地图包含近23万个有效直径从2厘米到250厘米的岩石。岩石特征分布为我们提供了对岩石断层悬崖发展的新视角，并扩展了以往关于悬崖几何包括坡度、高度和长度的研究。热图显示了断层悬崖和周围地形平台上岩石大小的空间分布。岩石的中值粒径垂直于断层悬崖迹线变化，最大的岩石暴露在断层溪底和溯源坡下。分割的断层悬崖的相关性分析说明了岩石特征统计数据与断层悬崖地貌之间的关系。局部断层悬崖高度与中值颗粒粒径（R2为0.6）、最大岩石（R2为0.76）的平均颗粒粒径以及小岩石和大岩石数量比的相关分析（R2为0.40）相关。局部断层悬崖高度与颗粒粒径的标准差的正相关（R2为0.81）表明，位于较高断层悬崖上的岩石分类较差。断层悬崖高度与岩石取向统计数据之间的相关性分析支持了一种颗粒运输模型，该模型中局部较高的断层悬崖具有与断层悬崖迹线平行的较长轴的岩石较多，因为岩石需要较长的滚动距离和取向较长的轴。我们的工作展示了一种基于岩石特征分布的数据驱动地貌学方法，为断层悬崖形成的理解以及其他基于颗粒度的过程指标的应用开辟了新的可能性。
作者：Zhiang Chen, Chelsea Scott, Devin Keating, Amanda Clarke, Jnaneshwar Das, Ramon Arrowsmith
论文ID：2210.07349
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-01-26