编辑推荐：
本文聚焦于圣玛尔塔内华达山脉（SNSM）上游集水区沉积过程。通过多种分析方法，揭示了不同岩性的沉积物生成能力差异，如变质岩产砂量高，火山岩产砂量低。还发现地貌参数对沉积作用影响较小，为源汇系统研究提供重要依据。
1. 引言
沉积物成分在物源分析等领域有重要应用，可用于理解造山带和源汇系统（Source-to-Sink Systems）演化、约束剥蚀和沉积过程、评估人类活动影响等。过去十年，利用砂成分在相关研究取得进展，但仍需将定量物源分析（Quantitative Provenance Analysis，QPA）与沉积物生成（Sediment Generation，SG）方法结合，以更好地洞察沉积物来源。
沉积物生成是沉积地质学分支，旨在通过分析和统计技术预测或重建源区演化。沉积物生成受多种因素控制，包括构造、气候、岩性、矿物丰度、粒度和水力分选等，同时分析因素也可能引入偏差。此前研究虽有成果，但岩性对沉积物生成和相关参数的控制常被忽视。
1.1 外部强迫
外部强迫控制着陆地分布、侵蚀和沉积物产生，岩性是一级控制因素，不同起源岩石产生的砾石、砂、粉砂和粘土量不同，且影响景观对气候和构造扰动的响应，进而影响沉积物的级联过程。
1.2 成分分析中的偏差
全球沉积系统多为再循环物质，这给沉积物源区重建带来挑战。在深度时间背景下，沉积物的多次循环、成岩作用等会改变其成分，影响物源判断。例如，多旋回砂岩中的重矿物组合可能无法准确反映源区信息，仅保留 “继承” 信号。
1.2.1 副矿物
副矿物蕴含重要信息，如锆石、磷灰石等在物源分析中作用关键。但源岩的丰度和采样策略等会影响分析结果，因此需谨慎评估采样和分析方法，采用多指标方法可减少偏差。
1.3 研究目的与范围
本研究旨在利用先进的物源分析工具和数据处理技术，测量和量化沉积路由系统上游的沉积过程，减少分析限制，提高对不同岩性输入的重建分辨率。通过分析 17 个流域，更新线性对数比混合模型，以确定不同岩性的沉积物生成能力，更好地理解古代沉积系统演化。
2. 地质框架
2.1 圣玛尔塔内华达山脉（SNSM）
圣玛尔塔内华达山脉位于哥伦比亚加勒比海沿岸，是一个金字塔形的隆起断块，由多个构造单元组成，其形成与加勒比板块和南美洲板块的相对运动有关。该山脉海拔达 5775 米，是热带地区最高的海岸山脉。其气候多样，受地形和地理位置影响，降水和温度梯度变化大。
2.2 基底单元
圣玛尔塔内华达山脉地质复杂，岩石单元多样，跨越元古代到侏罗纪。主要包括变质岩、侵入岩等，可分为三个主要的构造地貌省，各省内岩石单元特征不同，反映了其复杂的构造历史。
3. 方法
在 2019 年 3 月旱季末期，从圣玛尔塔内华达山脉山麓采集了 17 个河流样本。采样时考虑了河道和沙洲的成分变化，尽量减少水力分选的影响。
3.1 地貌测量
利用 ArcGIS 软件和数字高程模型（DEM）获取地貌参数，包括流域面积、海拔、坡度等，还计算了连通性指数（IC）和全球侵蚀性指数等，以评估地貌对沉积的影响。
3.2 岩相学
对样品进行筛分、切片和染色，用光学显微镜分析砂质部分，采用 Gazzi-Dickinson 方法计数，还对火山颗粒进行分类，并测量长石风化阶段。
3.3 拉曼重矿物分析
为减少样本内变异的影响，对特定粒度范围的样本进行重矿物分离，通过拉曼光谱分析，获取重矿物组成信息。
3.4 U-Pb 定年
对磷灰石、榍石和锆石进行 LA-ICP-MS 分析，获取元素浓度和 U-Pb 年龄数据，通过校正和计算得到准确年龄，并根据元素数据确定碎屑磷灰石的岩石类型。
3.5 全岩和细粉砂 / 粘土地球化学
对全岩和细粉砂 / 粘土部分进行地球化学分析，测量微量元素，绘制蜘蛛图和 REE 图，以了解沉积物的地球化学特征。
3.6 成分数据处理
采用多元排序方法对大量数据进行分析，包括多维缩放（MDS）、对应分析（CA）和主成分分析（PCA）等，以揭示沉积物成分的变化规律。
3.7 端元混合模型
构建端元混合模型，预测不同岩性产生的沉积物成分特征。通过对数据的转换和处理，得到混合系数，表征各端元对沉积物的贡献比例。还构建了沉积物生成模型，考虑了侵蚀性和结构沉积物连通性的校正，以更好地约束地貌和岩性对沉积的控制。
4. 结果
4.1 流域形态测量指标和岩性面积分布
17 个流域的源头海拔和流域面积差异较大，平均坡度和排水密度等参数也有所不同。根据流域主要岩性，可分为以花岗岩为主的流域、以变质岩为主的流域和含火山岩的流域。不同岩性的连通性存在显著差异，变质岩碎屑连通性最高，火山岩最低。
4.2 成分特征
各流域砂质沉积物多为粗砂，分选中等至较差。成分上，岩石碎屑是主要成分，反映了花岗岩和高变质岩的输入。化学风化指数表明，全岩样品化学风化程度低，细粉砂 / 粘土部分风化程度相对较高。重矿物组合以绿帘石和角闪石为主，不同岩性流域的重矿物浓度和分布存在差异。
4.3 端元混合模型
比较预测的沉积物属性和数据发现，基于全岩属性的模型（FW-CT）比基于重矿物成分和年代学数据的模型（HM-GC）表现更好。沉积物生成模型显示，火山岩在沉积物中普遍代表性不足，变质岩和花岗岩的沉积物生成能力相对较高。
5. 讨论
5.1 成分局限性
尽管采用多种方法减少偏差，但研究中的成分数据集仍无法完全准确反映地质背景。岩性对沉积物生成的控制作用显著，变质岩产砂量高于其他岩性，且矿物丰度和粒度分布受岩性影响。构造和气候因素也影响沉积物成分，如地形和降水影响风化和搬运过程。
6. 结论
本研究聚焦源汇系统上游集水区沉积过程，发现近端环境样本内变异大，多种分析技术结合可更准确表征源区。更新的线性混合模型能有效识别岩性对沉积物生成的控制，火山岩在沉积物中代表性不足，且地貌参数对圣玛尔塔内华达山脉沉积作用影响较小。未来需开展更多系统研究，以完善沉积物预算计算和量化人类活动对沉积系统的影响。
