活动构造与地貌学主要涉及活动构造的运动学、 地貌的演化过程及其相关动力机制, 该研究方向是近几十年来地球系统科学交叉研究的热点之一。随着大数据与机器学习研究的发展, 活动构造与地貌学的研究和深度学习的结合已成为该领域中受到广泛关注的新兴研究方向, 并产出了大量优秀成果。文中总结并综述了现今深度学习在活动构造与地貌研究中的数据来源, 以及利用深度学习的方法定量化解决活动构造与地貌中的重要科学问题(包括冰川识别、 火山活动与地貌、 水系分析、 滑坡监测和地表形变等)。基于对上述实例的探索, 文中运用深度学习中的卷积神经网络, 对华南东南部福建地区的花岗岩岩石构造裂缝开展了基于高精度无人机航拍影像的深度学习自动识别。所搭建的卷积网络模型在55min的运行时间内自动识别出人工需消耗近一周才可识别的9 000余条裂缝, 并获得了85%的查准率与89%的查全率, 表明该模型在准确识别构造裂缝的同时显著提升了工作效率。文中最后讨论并展望了未来深度学习方法在活动构造与地貌学领域的发展前景。

陡坎是构造活动、 气候变化和侵蚀过程所产生的一种地貌现象。对陡坎中蕴含的地质信息进行解译, 一方面可定量分析其地貌演变过程、 重建相应地区的构造演化过程以及相关的地壳运动学过程及动力机制; 另一方面也可了解地貌演化过程中构造、 侵蚀与气候三者之间的互馈关系。然而, 在地质条件欠佳的区域(无良好定年沉积物或人员无法到达), 通常难以获得陡坎形成的年代。陡坎地貌定年很好地弥补了研究区的史料记载以及传统测年方法(如放射性碳同位素法、 释光法和宇宙成因核素测年等)难以获得测年样品的不足。陡坎地貌定年的理论基础为“陡坎演化在稳定的侵蚀退化阶段可以通过坡面演化模型进行模拟”。不同坡面演化模型的提出及发展对研究构造活动、 气候变化与地表剥蚀过程等有着重要意义。文中系统总结了陡坎定年理论及其数学模型, 同时介绍了发育于不同地貌类型(活动断层、 河流及海岸阶地、 冲积扇、 地外行星等)下的陡坎研究进展, 并以帕米尔东北缘正断层陡坎地貌定年为研究实例, 进一步探论并展望了陡坎地貌定年在构造地貌学领域的发展方向。