人工混合物测试示踪剂组合与模型选择对火烧区沉积物源解析性能的影响

《Environmental Modelling & Software》：Using artificial mixtures to test the impacts of tracer combinations and model selection on the performance of sediment source fingerprinting in a burned area

本研究通过人工混合物样本，系统评估了不同示踪剂（FRNs、磁学参数、颜色参数）、筛选方法（TSP、共识排序、保守性指数CM）和混合模型（FingerPro、MixSIAR）在火烧区沉积物源解析（SSF）中的准确性与精度。结果表明，火烧显著改变多数示踪剂属性，CM法构建的复合指纹表现最优，MixSIAR模型解析效果更佳。研究为火烧区沉积物溯源提供了方法学优化依据。

　　

Highlight

示踪剂属性

源样本和混合物中FRNs、磁化率和颜色参数的浓度如图3所示（其相关性见图S2）。在所有示踪剂中，¹³⁷Cs、²¹⁰Pb_ex、χ_lf和χ_hf在同一源样本中表现出相似特征。具体而言，这些示踪剂在BS（火烧坡面）样本中显示出最高中位值：分别为13.19 ± 4.92 Bq/kg、419.50 ± 226.08 Bq/kg、(174.31 ± 19.65) × 10^-8 m³/kg和(160.24 ± 18.60) × 10^-8 m³/kg（±表示标准差）。

燃烧对示踪剂属性的影响及有效源识别的物理化学基础

尽管采用统计程序验证不同指纹属性和复合标志的判别效力，仍需考虑研究环境中示踪剂作用的物理化学基础（Collins等，2017；2020）。部分放射性核素来源于大气沉降，火烧后吸附在凋落物和植被中的成分可能以灰烬形式进入表土，导致其比活性升高……（此处省略后续具体机制描述以控制长度）。

结论

通过人工混合物样本，本研究探讨了火烧影响区沉积物源解析（SSF）的准确性与精度，重点关注不同示踪剂、筛选方法和混合模型。火烧引起表土FRNs、磁学属性和颜色参数不同程度变化，使复合指纹能够区分和定量火烧区沉积物。然而，火烧也引入示踪剂属性的额外不确定性……