JES | 编委中山大学成秋明院士团队文章：机器学习揭示南美俯冲带温度高于先前预测

本文研究了南美洲热流预测的挑战，由于该地区热流数据稀疏，传统插值方法和全球热流模型在该地区预测误差较大。中山大学研究团队采用机器学习技术，包括随机森林、支持向量机和极限梯度提升（Xgboost）算法，成功预测并绘制了南美大陆高精度热流分布图。研究发现，安第斯俯冲带岩浆活动的热效应是造成该区域地热流显著高于全球模型预测值的关键热源，而巴塔哥尼亚板片窗结构对大陆岩石圈的加热效应则是南部火山区南段热异常的另一来源。该研究不仅填补了南美地区地热研究的重要空白，还证明了机器学习在整合多源地质地球物理信息、克服数据稀疏性方面的巨大潜力。