大气含氧量与海洋氧化还原状态的变化是地球演化的重大事件，并直接影响着生命演化的重大过程（如生物大灭绝）。现今地球的海洋也正在遭受着含氧量下降的“窒息”危险，对人类可持续发展的追求造成挑战（Bretburg et al., 2018 Science）。因此，重建深时海洋缺氧环境的规律对于了解地质历史和妥善处理当下所面临的生态环境问题都意义深远。
黄铁矿是海洋还原环境中最常见的矿物，文献中广泛记录的黄铁矿的形态参数与地化信息是反映盆地氧化还原条件的重要指标。这些散落在文献中非结构化的“暗数据”，被Emmings等（2022，Science Advances）利用机器阅读（machine-reading）技术挖掘出来，利用于从全球和整个地史的宏观视角俯瞰海洋缺氧历史。
科研工作的一个核心环节是汲取前人文献的精华。针对选定的任何科学问题，如果想阅读主流出版集团所发表的所有文献，并挖掘出关键信息，在以往可能穷尽一生都难以完成。现今不断涌现的大数据分析手段和地学专业数据库，已经能让这一梦想得以实现。Emmings等人开展的黄铁矿超大样本分析（mega-analysis）正是地学大数据工作的一个范例。
本文作者首先利用文本挖掘和自然语言处理技术（Stanford NLP），从xDD数字图书馆（之前名称为GeoDeepDive）提取出有关黄铁矿的文献记录。该图书馆通过与Elsevier，Wiley，AGU等大型出版集团合作，得到授权通过机器学习技术自动挖掘海量文献信息。进一步将黄铁矿的文献记录与地层数据库MacroStrata联动，给每个记录补充了地层单元，地理位置和地质时代信息。基于这两部分的数据，统计得出整个地史时期含有草莓状黄铁矿或瘤状黄铁矿的沉积岩（包含副变质岩）的比例（技术路线总结见图1）。
图1 本文研究思路和技术方法示意图
黄铁矿中微量元素的富集与水体微量元素的含量变化、沉淀动力学、铁锰氧化物和有机质的类型相关联。因此，作者挑选了特定的一些微量元素，通过聚类分析和主成分分析，识别出5种黄铁矿类型（图2）。这些微量元素包括：1）与有机物密切关联的元素（Tl, Zn, Se, Cd, Co, Bi），其中元素Co, Bi更易与颗粒有机物（POM）形成螯合物，而其它元素更易与溶解有机物（DOM）形成螯合物；2）与锰氧化物有关联的元素（Mn, Mo）；3）与可溶有机物和铁氧化物二者均有关联的元素（Pt, Te, Au, Ni, Pb, As, Sb, Cu, Ag）。
图2 基于微量元素的黄铁矿聚类分析和元素组合（Emmings et al., 2022）
进一步利用机器学习的最临近算法（kNN）和多项式回归，将这5种类型应用于所挖掘的文献记录，重建了地史时期5种黄铁矿的分布规律（图3）。在此基础上，作者还统计比对了沉积地化与古环境数据库（SGP）中的全岩地化数据，归纳了地史时期缺氧环境（铁化或硫化）的分布规律，以及背后驱动海水硫化的有机物类型（DOM还是POM）的演化规律。最后，通过调用古地理重建Gplates和古高程重建PaleoDEM的应用程序接口（API），补充了这一分布规律的空间格局（图4）。
图3 文本挖掘黄铁矿文献记录与黄铁矿微量元素类型地史分布统计结果（Emmings et al., 2022）
作者将统计的结果与海水物化参数的重大变化、生命演化的重要事件进行了联系对比。其中前寒武纪的数据偏少，时间精度也不够精细，因此可信度不高。显生宙期间，文中梳理了每个地质阶段主导的黄铁矿形态、据微量元素分类的黄铁矿类型，以及海洋中有机物类型等。其中一些有趣的结果包括： 1）晚新元古代到前寒武-寒武界限处（5.8-5.41亿年前），黄铁矿的类型以第5类为主，表明了与复杂生命相关的颗粒有机物（POM）开始登上驱动海水硫化的舞台。2）著名的五次生物大灭绝中泥盆纪末、二叠纪末、三叠纪末大灭绝均与广泛发育的缺氧环境相关，而白垩纪末彗星撞击所导致的大灭绝则未体现此相关性。3）黄铁矿形态和地化指标结合，可以有效区别铁化和硫化的缺氧环境，并清楚识别出多个海水广泛发育硫化环境的时期（中元古代，埃迪卡拉纪晚期至寒武纪中期，中二叠世等）。
图4 显生宙氧化还原条件的时空分布，基于Xdd黄铁矿文本挖掘，黄铁矿微量元素分析，SGP全岩地化指标（Emmings et al., 2022）
本文的成果是继Peters等（2017，Geology）之后，又一次联合了xDD和Macrostrat数据库，利用大数据技术综合多个指标，重演宏观尺度地质环境的成功探索。其思路和方法有望借鉴到许多关键的地学问题，以探讨其他对环境因素敏感的沉积（如白云岩、生物礁）或地化（与火山活动有关的Hg元素）指标的深时宏观时空分布。
值得注意的是，本文的数据源具有显著的地理区域的不平衡性。一方面，绝对大多数的样品主要来自于边缘海地区，这是因为地史中深海样品因为俯冲等原因相对更难保存。因此，研究结果能较好的反映近岸浅海的氧化还原环境变化，不足以重演整个海洋的氧化还原状态。另一方面，文中所利用的核心数据库，目前主要聚焦的还都是欧美地区的数据，亚洲地区，尤其是中国的数据都显著的欠缺。类似情况在许多地球科学领域都不同程度的存在，指示我国地学大数据工作具有很好的发展潜力。
同时，本文在阐述缺氧环境与生命演化事件的相关性时，其时间精度还有较大的提升空间。近年的研究工作表明，随着时间分辨率的大幅提升（Fan et al，2020，Science），物种多样性变化曲线的自身规律，以及与环境事件的时间关系，常与以往的认识存在并不一致之处。因此，在大数据所勾勒的宏观规律基础上，如何针对关键时期的重大事件，提高沉积与地化记录的时间分辨率，可能是未来继续突破的方向。
主要参考文献
Peters S E, Husson J M, Wilcots J. The rise and fall of stromatolites in shallow marine environments[J]. Geology, 2017, 45(6): 487-490.
Breitburg D, Levin L A, Oschlies A, et al. Declining oxygen in the global ocean and coastal waters[J]. Science, 2018, 359(6371): eaam7240.
Fan J, Shen S, Erwin D H, et al. A high-resolution summary of Cambrian to Early Triassic marine invertebrate biodiversity[J]. Science, 2020, 367(6475): 272-277.
Emmings J F, Poulton S W, Walsh J, et al. Pyrite mega-analysis reveals modes of anoxia through geological time[J]. Science Advances, 2022, 8(11): eabj5687.（原文链接）
（撰稿：黄浩、冯连君/科技平台）
