对于火山岩，我们可以在实验室模拟TRM过程，在已知H₀下获得实验室TRM，并推算地磁场古强度。

对于沉积物，如果我们也能在实验室模拟DRM获得过程，在已知H₀下获得DRM，是否也能推算地磁场古强度？

理论上讲，如果我们能够完美地模拟自然界的沉积过程，应该能够达到这一目的。可是，实际情况要比这个复杂得多。第一个就是沉积后的压实过程。除了沉积，DRM要想被锁定，需要压实过程，这个在实验室很难被完美模拟。第二个就是沉积环境中的离子浓度。不同的离子浓度对DRM结果影响很大，我们并不清楚自然沉积物沉积时具体的沉积环境参数。总之，在实验室进行一些DRM的简单模拟还是可行的，但是无法达到TRM这样完美的模拟程度，所以到目前为止，还不能利用DRM来确定绝对的地磁场古强度，不过这倒是一个可以发展的方向。

但是DRM确实和地磁场强度密切相关。一般情况，地磁场强度越大，DRM也就越大。但是，还有一个因素需要考虑，那就是磁性颗粒的含量。显然磁性矿物颗粒的含量越高，样品的整体剩磁就会越高。

因此，一块沉积物样品的DRM和地磁场强度、磁性矿物含量都相关。要想突出地磁场的影响，就必须要把磁性矿物含量的影响压制。

目前我们所提及的大部分磁性参数（χ、SIRM、ARM）除了受含量影响，都和磁性矿物的粒径密切相关。M_s确实只代表含量，但是想要获得M_s就需要测量磁滞回线，所需实验量很大，但是，M_s作为RPI的磁性矿物含量指标，需要系统的研究。

最终，大家还是选用χ、SIRM和ARM作为最常见的磁性矿物含量替代指标，前提是，磁性矿物的粒径变化不大。

磁畴状态与粒径相关，所有确定磁畴状态的实验，在这里都可以派上用场，磁滞回线参数、FORC等。还有一种更为便捷的方法就是做以上几种参数的相关图。如果它们之间都具有很好的线性正相关关系，这就说明磁性矿物的粒径变化不大，从而主要代表含量变化，可以被用来确定RPI。

磁性矿物的性质一定会变化，因为它们还代表着气候因子。全球气候在轨道周期尺度上变化，随之磁性矿物的物源、传输路径、保存状态等等都会受到影响。于是，Lisa Tauxe教授提出，只要磁学性质的变化范围不超过一个数量级（10倍），就认为可以被用来进行构建RPI曲线。

大家会问，为什么是一个数量级，而不是其它的阀门值？事实上，这个数值确实有一点随机。如果只是含量的变化，影响会小些。如果是粒径在大幅度变化，情形就复杂了。所以不能一概而论，也不能拿这个阀门值当尚方宝剑。

好了，我们来到了重点，到底如何确定RPI？

最简单的方法就是用归一化的方法：

RPI = DRM / 含量参数

一般情况下，我们会同时测量χ、SIRM和ARM。这样就会得到三条RPI曲线，可以相互验证。

总的说来磁化率更为复杂，而SIRM和ARM相对好些，因为SIRM和ARM与DRM一样是剩磁，性质更类似。

为了进一步去除一些软磁（矫顽力较小）成分的影响，古地磁学家发展出了稍微复杂的RPI确定方法。对DRM和ARM以及SIRM都做逐步AF退磁处理，然后做DRM和ARM，以及DRM和SIRM的相关曲线，在高场部分做线性拟合，这就避免了低场VRM的影响，以及测量的误差问题。

这样做的实验量会增加，但是结果会更可信。

经过这些实验，我们得到了一条所谓的RPI曲线，它一定会高高低低变化，这些特征代表真实的地磁场变化吗？

这个问题还真不是一个很简单的问题。

我们首先想到的是DRM被分母归一化之后，会不会受到分母的调制作用？也就是说所谓RPI变化可能是由于分母的变化造成的。在这种情况下，RPI和其归一化参数之间就会存在相关性。目前比较流行的方法是做两者之间的频率谱相关性检测。如果二者的频率谱不相关，这就说明归一化参数的变化并没有引起二者的RPI特征变化，那么RPI的变化特征就更倾向于是地磁场信息。

为了进一步加强曲线的可靠性，另外一个方法就是在不同区域多构建几条同一时段的RPI曲线，如果大家长得都非常相似，就可以相互验证曲线信息的可靠性。

要想得到完全一样的曲线，那是不可能完成的任务。不同的曲线其时间框架都存在误差，沉积环境也不一样，有的地方非偶极子场的影响很显著。林林总总的因素加在一起，使得不同地区的曲线总是存在一些不一致的情况。这也难不倒科学家，他们采用了一种叫做Bootstrap stacked的方法，合成一条标准曲线，同时还有误差分布信息。

Bootstrap被前人亲切地翻译为“解靴带法”。对于一种数学算法，更准确的意思应该是自适应法，或者自助法，这是一种抽样方法，对小样本非常有效。RPI研究为什么用Bootstrap方法来进行统计？因为样本数太少，经过不同学者一二十年的研究，能够得到一二十条统一时段的RPI曲线就不错了。

经过上面的各种努力，我们获得了一条所谓的标准RPI曲线，而且有误差分布，这下总可以认为可以代表地磁场的相对变化特征了吧！

且慢，这还需要其他方法得到的地磁场古强度数据验证。比如，虽然用火山岩获得的地磁场绝对古强度是零星分布的，但是有总是比没有好。如果RPI曲线和绝对强度曲线变化很一致，这就进一步增加了RPI的可信度。对于长序列的RPI曲线，就需要和洋壳获得的磁化强度变化曲线来对比了。

还有一种信息也非常有效，那就是宇宙核素，比如¹⁰Be含量的变化。地磁场是地球的保护伞。地磁场强度高的时候，¹⁰Be就会发生偏转，而不能降落在地球表面。反之，¹⁰Be的含量就会高。也就是说地磁场强度和¹⁰Be含量之间具有反相关关系。

测量¹⁰Be和⁹Be可没那么容易。目前只有几个大型加速器实验室能做这样的测量，产出的曲线并不多。但是，有限的结果显示，¹⁰Be数据和RPI数据缺失有反相关关系，佐证了RPI的可靠性。

通过对比¹⁰Be和RPI曲线，我们还可以用来估算DRM的Lock-in深度。Lock-in过程相当于一个低通滤波过程。我们的曲线可以被分解为不同波长（频率）和幅度的成分，通过简单的快速傅里叶变化（FFT）就可以实现。所谓的滤波器就是只让一定频率的成分通过，其它成分都被压抑。噪音属于高频信息，所以低通滤波器就可以把这些噪音压制。

对于古地磁记录，在沉积物慢慢压实的过程中，产生低通滤波效果。那些高频成分就无法被记录，信号的强度会降低，同时古地磁信息会向下移动，让信息偏老。但是¹⁰Be就不需要经过这样的过程。

当然，这两种信息都会受到SML的影响。SML和Lock-in还是有着本质区别的。前者虽然也会让古地磁信息记录向下移动几公分，但不是低通滤波器。

如果我们详细考察¹⁰Be峰值和RPI低值之间的深度关系，就会发现二者经常错位，其错开的厚度就是所谓的Lock-in深度。我们假设Lock-in深度都是15 cm。对于一个快速堆积的沉积物层来说，这个影响会很小。但是对于沉积速率很慢的沉积物来说，15 cm可能就代表着很长的时间。当把深度转换为时间后，就会发现古地磁记录被向下移动了很多，造成了不同剖面之间古地磁信息（比如古地磁极性倒转边界）无法准确横向对比。