利用基于机器学习的热流模型和分层热生成数据来模拟中国的深层温度场

《Scientific Reports》：Modeling China’s deep temperature field with ML-based heat flow and layered heat production data

　　

摘要

准确模拟深层地壳温度场对于地热资源评估和理解岩石圈热演化至关重要。传统的基于插值的地表热流（THF）图和平均放射性热生成量的方法往往无法捕捉地壳的地质异质性，尤其是在数据稀少的地区。在这项研究中，我们提出了一个改进的框架，该框架将机器学习预测的地表热流图与垂直分层的放射性热生成数据相结合，并应用于一维稳态热传导模型中。这种方法使我们能够以更高的分辨率和更一致的地质结果计算中国大陆多个深度（3-10公里）的深层温度剖面。研究结果与钻孔观测数据高度吻合，揭示了在青藏-三江造山带、华北克拉通和扬子克拉通等地区存在大量温度超过150°C的高温区。此外，根据3公里和10公里深度的模拟温度，我们绘制了地热梯度图，并确定了八个具有高垂直梯度和适宜深层地热系统（EGS）开发条件的有利地热带。本研究为数据稀少地区的地热勘探提供了一个可扩展的框架，并为未来的深部能源探索提供了战略性的见解。