سنگ چینه نگاری، رخساره ها و ارزیابی شرایط ته نشینی طبقات لیگنیت دار میوسن پسین بر مبنای شواهد فسیل شناسی و رسوب شناختی، در گستره خاوری تبریز
Publish place: Quarterly Journal of Geosciences، Vol: 33، Issue: 1
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 159
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GSJ-33-1_001
تاریخ نمایه سازی: 16 فروردین 1402
Abstract:
طبقات لیگنیت دار تبریز در زمره سازندهای نئوژن ناحیه شمال باختری کشور است که گسترش آن در حومه خاوری شهر تبریز می باشد. رخساره های رسوبی آن شامل گروه های رخساره ای آواری های ریزدانه، ماسه سنگ ها، سنگ های آهکی و رخساره های لیگنیت دار، توف و ریزرخساره ها و رخساره سنگی های (پتروفاسیس ها) زیر مجموعه آنها هستند. در این پژوهش، دو برش چینه نگاری از این رسوبات در گستره خاور تبریز در قالب ۱۷۱ نمونه و ۴۲ مقطع نازک برداشت شده و مورد مطالعه قرار گرفتند. از آنالیز XRD برای کانی شناسی و میکروسکوپ الکترونی SEM برای مطالعات سه بعدی در شناسایی میکروفسیل ها بهره گرفته شد. فسیل های شناسایی شده شامل انواع جنس های شکم پایان (گاستروپودا)، پلسی پودا، استراکد، ماهی، دیاتومه، جلبک کاروفیت و روزن بران (فرامینیفرا) می باشند. مجموعه دیرینه زیستی مطالعه شده، شامل جنس هایی از آب شیرین تا مقاوم به شوری و دریایی می باشند. محیط های رسوبی شناسایی شده شامل محیط حوضه دریاچه ای، محیط کم ژرفای ساحلی و محیط باتلاقی حاشیه دریاچه ای می باشند. در طبقات رسوبی مطالعه شده شواهد فسیل شناسی قوی و شواهد رسوب شناختی محیط دریایی حداقل در زمان حیات آن مشاهده نمی شود، از این رو، چنین نتیجه گیری می شود که تاکسای دریایی موجود در این نهشته ها باقی مانده و سازگار یافته از یک محیط دریایی پیشین می باشند.
Authors
عنایت الله حق فرشی
گروه زمین شناسی، دانشکده علوم پایه، دانشگاه هرمزگان، بندرعباس، ایران
پیمان رضائی
گروه زمین شناسی، دانشکده علوم پایه، دانشگاه هرمزگان، بندرعباس، ایران
سیدرضا موسوی حرمی
گروه زمین شناسی، دانشکده علوم پایه، دانشگاه فردوسی مشهد، مشهد، ایران
محمد فریدی
سازمان زمین شناسی و اکتشافات معدنی کشور، تبریز، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :