定量重建揭示了中国亚热带地区鄱阳湖沙地中河流与风力的相互作用

《CATENA》：Quantitative reconstruction reveals fluvial-aeolian interactions in the Poyang Lake sandy lands in subtropical China

　　•PYSLs主要来源于SCJRs和九岭山脉。•PYSL地区的沉积物直接来源表现出明显的空间异质性。•风尘-河流相互作用是PYSLs中沉积动力学的主要驱动因素。

1. 引言
河流过程和风化过程的相互作用深刻地塑造了干旱地区的地貌（Tooth, 2000; de Lira et al., 2026）。在植被稀少且降雨集中的干旱地区，河流活动直接影响风化地貌的形成，而风化过程则调节河流行为（Kuriqi et al., 2020; Garzanti et al., 2022）。中国北方、中亚和蒙古拥有广阔的干旱至半干旱地带，包括戈壁沙漠、沙地及黄土，这些地区是全球大气尘埃的主要排放源之一。相比之下，长江中下游地区则以广泛的风成沉积物著称，其中PYSL是一个特别具有代表性和保存完好的例子（Lai et al., 2010; Jia et al., 2012; Zhang and Jia, 2019; Zhang et al., 2020; Gong et al., 2023; Hu et al., 2025; Li et al., 2025; Du et al., 2026）。长江流域沉积物的风成起源得到了多种沉积学和地貌学证据的支持。在南岸，沙丘覆盖在黄土沉积层之上（Hao et al., 2010; Lai et al., 2010; Zhang and Jia, 2019）。这些沙丘具有类似纵向山脊的形态，迎风面有侵蚀特征（如坑洼和沟槽），背风面则有堆积特征（如纵向沙丘、穹丘状沙丘和平坦沙地）（Zou, 1990; Han et al., 2008）。鄱阳湖地区的尘埃系统具有几个独特特点：首先，从气候上看，该地区位于湿润地带，冬季季风较弱，但尘埃排放的临界风速较高（约7.96米/秒），远高于干旱地区（约4.5米/秒），因此该地区的沉积物搬运更依赖于极端干旱事件（Li et al., 2006）。其次，就沉积物来源而言，潜在的来源区主要集中在湖岸和河流冲积平原。然而，多条河流（如赣江、秀水河和福河等）的沉积物贡献导致了复杂的、多源混合模式（Jia et al., 2012; Zhang and Jia, 2019）。此外，由于Y形地貌的地质控制作用，风成沙尘系统被划分为几个相对独立的子系统（Jia et al., 2012; Li et al., 2025; Du et al., 2026）。这种独特的气候和地貌组合使得该地区的风化过程对气候-水文变化特别敏感，环境效应日益显著。在干旱的冬季，湖泊水位下降暴露出广阔的河床和湖泊平原，这些裸露的细粒沉积物容易被盛行的东北季风掀起，引发强烈的沙尘暴，影响下游的许多大城市（Yang, 1985; Hu et al., 2025）。近年来，由于极端低水位事件频率和强度的增加，这一环境问题变得更加严重（Chen et al., 2025）。值得注意的是，一次蒙古沙尘暴甚至波及了长江中下游流域（Han et al., 2021）。这一现象表明，风成沉积物的传输路径可能比之前认为的更为复杂和广泛。尽管先前的研究广泛调查了鄱阳湖的古环境演变（Jia et al., 2012; Zhang et al., 2020; Gong et al., 2023; Hu et al., 2025; Li et al., 2025），但关于其来源和形成的基本问题仍未解决。早期的解释分为长距离风输运假设（Liu et al., 1985）和最近支持主要来自长江、赣江或福河冲积平原的局部来源的观点（Jia et al., 2012; Gong et al., 2023; Hu et al., 2025; Li et al., 2025）。最近的研究提出了远距离和近距离来源的混合贡献（Yu et al., 2025）。这一僵局主要是由于方法论限制和分布式研究工作的结果。传统的来源指标——包括粒径分布（Hu et al., 2025, Hu et al., 2026）、整体沉积物地球化学（Jia et al., 2012; Zhang and Jia, 2019）、轻矿物组合（Han et al., 2022）和重矿物成分（Zhong et al., 2026）——在区分潜在沉积物来源方面存在空间分辨率的限制，因此它们在诊断精度上不足以实现对不同来源地区的沉积物贡献的准确量化，也无法阐明潜在的沉积物传输机制。这一限制导致文献中的解释存在分歧。

通过使用已知源区的碎屑锆石的UPb年龄谱数据，可以确定锆石的来源（Nie et al., 2014; Guo et al., 2021; Zhang et al., 2024）。这种方法被广泛用于确定沉积物来源。近年来，比较沙丘和黄土的碎屑锆石UPb年龄谱已成为解决来源问题的常用方法（Fan et al., 2019; Lu et al., 2019; Zhang et al., 2021a; Zhang et al., 2024）。利用碎屑锆石UPb地质年代学研究长江中下游的黄土已经很成熟，例如镇江的下蜀黄土（Hao et al., 2010; Liu et al., 2014; Wang et al., 2018; Qian et al., 2024）和长江三角洲（Qian et al., 2018; Wu et al., 2021）的研究。然而，传统的锆石UPb来源分析依赖于年龄峰值的比较，但由于来源年龄谱的重叠、沉积物再循环和采样偏差，存在一定的不确定性（Sundell and Saylor, 2017）。为了克服这一瓶颈，Sundell和Saylor（2017）开发了IMCM方法。该方法已成功应用于风成沉积物，显著提高了来源分析的精度（Zhang et al., 2016; Wu et al., 2021; Cui et al., 2024; Wu et al., 2024; Zhang et al., 2024; Wang et al., 2025; Du et al., 2026）。因此，本研究通过将碎屑锆石UPb地质年代学应用于PYSL的沉积物，实现了上述目标的桥接：（1）识别并定量约束主要沉积物来源；（2）重建塑造PYSL的河流-风成传输过程。

2. 地质背景
PYSL位于中国南部的鄱阳湖盆地内，该区域包括长江的中下游（图1a）。鄱阳湖是中国最大的淡水湖，其主要水源来自五条主要支流：赣江、福河、秀水河、新江河和饶河。鄱阳湖地区的沙地地貌分为四种类型：移动沙丘、半固定沙丘、固定沙丘和湖泊沙丘。该地区的沙漠化土地总面积为38,900公顷，其中移动沙丘、半固定沙丘和固定沙丘分别占8,500公顷、13,600公顷和6,700公顷。主要的沙地复合体分布在他湖南部、东部和南部边缘——从北部的定山和湖口，经过兴子（沙岭）、独宝、松门山和集山，到南部的湖田。特别是某些地区有广阔的沙丘，高度一般在10至70米之间，局部可达140米（Yang, 1985），包括吴城镇的松门山和集山（沙丘）、庐山市的沙岭（沙丘）、杜昌县的独宝（沙丘），以及长江南岸湖口县到彭泽县的沙丘（Gong et al., 2023）。

3. 材料与方法
3.1. 采样
共收集了165个来自PYSL内移动或半固定沙丘的表面风成沙样，以及来自赣江和秀水河的11个河流沙样。风成样品分别标记为SG、P10、LH、DC、DGH和HK，主要的河流沙样标记为GJ和XH（图1c）。具体来说，DGH样本取自集山沙地的半固定沙丘（图3a）；SG取自苏固沙地的半固定沙丘（图3b）；DC取自独宝沙地的半固定沙丘（图3c）；HT取自湖田沙地的固定沙丘（图3d）；P10取自松门山沙地的半固定沙丘（图3e）；LH取自兴子沙地的固定沙丘（图3f）；HK取自湖口沙地的移动半固定沙丘。此外，还从该地区的主要河流系统收集了冲积沉积物样本：一个来自赣江和秀水河交汇处的冲积平原（GJ-8），一个来自秀水河冲积平原（XH-1），以及一个来自锦江河冲积平原（JJ-1）。在2022年冬季的极端干旱事件期间，赣江、锦江、秀水河、饶河、长江、新江河和福河流域的冲积平原广泛暴露，便于进行有针对性的沉积物采样。所有样本均在无风、天气晴朗的条件下从河流冲积平原中收集，采集深度为0-10厘米。同时，我们整理了PYSLs和潜在来源区域不同沉积物组的来源示踪指纹（表1）。样本来源如下：GJ-1至GJ-7、13GJ-1和13HK来自赣江下游（Li et al., 2016; Wang et al., 2020; He et al., 2013, He et al., 2014）；风成样品HT-1至HT-6（PYSL南部）和定山（PYSL北部）来自Du et al. (2026) 和Lin et al. (2022)。我们还整理了潜在来源区域的锆石年龄数据：来自江西南部和中部的1,461粒锆石（SCJRs）、来自长江的1,050粒锆石，以及来自九岭山脉的949粒锆石。此外，还对PYSLs中的风成沙、河流沙和海滩沙进行了89种主要元素分析和24组重矿物数据整理，并从廖化和湖田剖面的埋藏地层中获得了985个粒径数据点。

图1. 简化的研究区域地图，显示了研究区域的位置和采样点。风速、温度、降水和其他气象数据来自中国气象局。数据集涵盖2005年至2020年的时期，数据以实时间隔记录。
从气候上看，研究区域属于湿润的亚热带季风气候，夏季炎热湿润，冬季温和干燥。2005-2020年的年平均气温在12.47至18.8°C之间，最高记录气温达到41°C。年降水量在928.1至2,956.6毫米之间，其中约65%发生在3-6月的雨季。年平均风速为3.1米/秒，显示出明显的季节性差异：冬季风速（3.7-3.9米/秒）持续高于夏季风速（2.5-2.8米/秒）（中国气象局）。季节性风向也有明显变化，夏季盛行东南风，冬季则以北风为主（图1）。此外，该地区每年有76天的风速超过8米/秒。这种气候季节性直接控制了风化过程的空间和时间分布：纳布卡沙丘在夏季活跃堆积，而冬季则以强烈的沙传输和尘埃排放为主（Li et al., 2025）。2005年至2020年的每小时风速数据显示，风玫瑰图以东北风为主（图1b）。年沙移动潜力（DP）在1.58至50.87 VU之间（图1b），沙移动的临界风速为6米/秒。DP值使用Fryberger（1979）提出的公式计算得出。

该地区的构造位置位于扬子板块和华南板块的交界处（Li et al., 2018）（图2a）。区域基底主要由中生代沉积岩组成，主要是红色砾岩、砂岩和泥岩。这些岩石上覆盖着中更新世的河流沉积物，顶部为上更新世的风成沙（图2b）。火成岩主要是长英岩至中长英岩，其形成时代对应于蓟宁期、加里东期和燕山期（江西省地质矿产资源勘查开发局，2017）。PYSLs风成地貌景观的照片。(a) 金山砂地的半固定沙丘；(b) 宋古砂地的固定沙丘；(c) 杜保堡砂地的固定沙丘；(d) 海天砂地的固定沙丘；(e) 索门山砂地的半固定沙丘；(f) 星子砂地的固定沙丘。表1. PYSL中不同成分的来源示踪剂指纹及其潜在来源区域的总结。NTP=青藏高原北部；NGB=北戈壁；CLP=中国黄土高原；Mts. = 山脉；PY = 洪湖。方法分析与材料成分数量参考文献粒径表面风成沙子总量165本研究河沙总量11本研究埋藏层沙子总量985Li等人（2025年）；Zhong等人（2026年）Zircon UPb年龄PYSLs中的风成沙子和黄土50–330微米2（171颗粒）Lin等人（2022年）50–330微米6（600颗粒）本研究50–330微米6（576颗粒）Du等人（2026年）赣江、秀水、傅河、新疆和长江中的河沙50–330微米7（688颗粒）本研究50–330微米9（696颗粒）Li等人（2016年）；Wang等人（2020年）；He等人（2013年，2014年，2014年）SCJR山脉中的岩石50–330微米1461颗粒Li等人（2003年）；Xiang和Shu（2010年）；Yao等人（2011年）；Zhao等人（2013年）；Duan等人（2017年）；Rong等人（2018年）；Wang等人（2019年）；Duan等人（2019年）；Wang和Wang（2021年）；Wang等人（2021a年，2021b年）九岭山脉中的岩石50–330微米949颗粒Shu等人（2014年）；Song等人（2015年）；Tang等人（2023年）；Yang等人（2023年）；Feng等人（2025年）NTP中的风成沉积物50–330微米692颗粒Zhang等人（2016年）NGB中的风成沉积物50–330微米307颗粒Zhang等人（2016年）CLP中的风成沉积物50–330微米700颗粒Nie等人（2014年）长江中的河沙50–330微米1050颗粒Liang等人（2018年）；Yang等人（2012b年）；He等人（2013年）重矿物风成沙子总量24本研究；Zhong等人（2024年）；Zhong等人（2026年）微量元素风成沙子50–330微米6（600颗粒）本研究河沙50–330微米6（688颗粒）本研究主要元素沙丘沙、河沙和PY湖岸沙子总量89Hu等人（2026年）；Zhong等人（2026年）3.2. 粒径分析使用Malvern Mastersizer 2000 M激光衍射分析仪（测量范围：0.02–2000微米）进行了粒径分析。每个样本重复三次测量，采用平均值，相对误差<2%。预处理遵循既定程序：去除有机物、溶解碳酸盐、冲洗、用(NaPO?)?分散，并在分析前进行超声波处理。粒径参数——包括平均粒径（Mz）、分选度（σ）、偏度（SK）和峰度（KG）——使用Folk和Ward（1957）的图形公式计算。根据Krumbein（1934）的方法将粒径转换为phi单位：(1)Φ=?log?D (2)Mz=Φ??+Φ??+Φ?? (3)SK=Φ??+Φ???2Φ?? (2Φ???Φ??+Φ??+Φ??2Φ??) (2Φ??+Φ?) (4)KG=Φ???Φ? (2.44Φ???Φ??) (5)σ=Φ???Φ?? (4+Φ???Φ?) (6.6)其中D以毫米为单位。计算时使用了百分位数Φ?、Φ??、Φ??、Φ??、Φ??、Φ??、Φ??。3.3. 重矿物分析每个样本随后使用溴仿（CHBr?，密度2.89 g/cm3）进行重液分离。然后使用磁铁分离磁性和非磁性组分并分别称重。在偏光显微镜下使用粒载方法进行矿物鉴定，并进行随机巡视以确保代表性。对于每个重矿物样本，鉴定出超过500颗粒，并计算每种矿物的百分比，估计的颗粒计数误差为3%到5%。3.4. 碎屑锆石UPb定年和微量元素分析在华东理工大学核资源与环境国家重点实验室使用激光烧蚀–LA-ICP-MS技术对碎屑锆石进行UPb同位素和微量元素分析。整个过程使用193纳米ArF准分子激光耦合到Agilent 7500a ICP-MS仪器（Agilent Technologies，美国）。为了监测仪器漂移和分析精度，每隔五个样本测量后分析了一次锆石标准样品91,500。UPb分馏使用相同的91,500参考物质（Wiedenbeck等人，1995年）进行校准，而Ple?ovice锆石（Sláma等人，2008年）和NIST SRM 610玻璃分别作为过程监测器和微量元素校准标准。所有数据还原——包括信号选择、背景减除、漂移校正和同位素比值计算——使用ICPMSDataCal 11.0软件完成。静态 laser光斑为32微米，重复频率为5赫兹（用于UPb分析）或225赫兹（用于微量元素分析），能量密度为3.5焦耳/平方厘米。每次分析包括20秒的背景采集和45秒的样品烧蚀。对于年龄小于1200百万年的颗粒，使用206Pb/238U比值计算个体锆石年龄；对于较老的颗粒，使用207Pb/206Pb比值。只有一致性超过90%的年龄被保留以供进一步解释（Gehrels等人，2008年）。使用Dzmads和IsoplotR（版本5.3；Vermeesch，2018）生成年龄频率分布图、多维缩放（MDS）配置和累积概率图。3.5. 混合模型使用MDS分析来可视化样本之间的关系，最近和次近邻样本分别用实线和虚线表示。样本之间的距离代表它们的UPb年龄谱的Kolmogorov–Smirnov差异。因此，X轴的Kolmogorov–Smirnov距离用于半定量估计两个来源区域的相对贡献（Wu等人，2024年）。为了定量限制沉积物来源，我们应用了IMCM模型，迭代次数为30,000次（Sundell和Saylor，2017）。该模型使用三个统计指标评估源-年龄谱的随机混合：Kolmogorov-smirnov统计量（KS）、Kuiper统计量（KV）和互相关系数，并选择最佳拟合的来源贡献。由于其在不同重采样尺寸下的残差较小，因此更倾向于使用KV统计量。鉴于我们的源数据集每个包含超过约1000颗粒，KV统计量特别适合。KV统计量的低平均V值（0.185–0.221）进一步证明了这种方法的稳健性。4. 结果4.1. 粒径结果如表2所示，平均粒径范围从1.28Φ（海天）到3.56Φ（HK），整体平均为2.36Φ。河沙的平均粒径为1.95Φ，而埋藏层沙子的粒径范围为2.69Φ到3.07Φ。PYSLs的分选系数平均为1.78Φ，相比之下，河沙为1.23Φ，埋藏层沙子为2.27–2.40Φ。平均偏度值分别为PYSL样本为0.34，河沙为0.14，层状沙子为0.54–0.56。总之，出现了三个主要模式：（1）中央PYSL显示出空间一致的粒径参数；（2）海天砂地的平均粒径和分选值显著不同；（3）沙丘沙的粒径参数（平均粒径、分选系数和偏度）介于层状沙子和河沙之间，接近它们的平均值。表2. PYSLs中不同子区域和不同来源样本的粒径参数。海天（HT）的剖面数据来自Li等人（2025年），廖华（LH）的剖面数据来自Zhong等人（2026年）。洪光的数据来自Li等人（2023年）。地区/类型粒径参数空单元平均粒径分选系数偏度峰度湖口砂地最小1.521.170.312.45最大4.632.710.070.73平均3.562.420.331.15宋古砂地最小0.691.000.271.35最大3.392.900.760.90平均2.141.710.492.77金山砂地最小1.641.410.363.02最大3.782.930.590.72平均2.541.820.452.04杜保堡砂地最小1.261.130.231.37最大5.622.41?0.060.98平均2.221.520.362.38索门山砂地最小0.04?0.76?0.330.00最大5.043.25?0.220.58平均2.421.970.482.07星子砂地最小1.540.510.030.99最大4.053.050.680.60平均2.381.700.432.01海天砂地最小0.720.58?0.030.97最大2.041.930.543.11平均1.281.290.331.82洪光砂地–2.241.900.571.50所有平均值最小1.060.37?0.231.29最大4.082.740.081.09平均2.361.780.342.03河沙最小1.081.090.411.67最大3.140.760.031.89平均1.951.230.141.91埋藏层沙子（HT剖面）最小0.980.930.030.66最大4.503.420.683.05平均2.692.270.561.20埋藏层沙子（LH剖面）最小0.911.04?0.060.66最大4.942.990.783.46平均3.072.400.541.514.2. 重矿物分析结果显示，研究样本中的重矿物组合主要由钛铁矿（平均43.71%）、钛钨矿（平均11.16%）、电气石（平均10.29%）、赤铁矿和褐铁矿（平均7.57%）、锆石（平均7.00%）和石榴石（平均2.63%）组成（图4）。磁铁矿、金红石和独居石分别占2.13%、1.52%和0.78%（图4）。角闪石、榍石、磷灰石和辉石在大多数样本中很少见或缺失。指示变质源岩的重矿物组合包括石榴石、榴石、金红石和角闪石。相比之下，角闪石、锆石、榍石、电气石、钛铁矿和钛钨矿表明为火成源岩。如表3所示，PYSLs中的重矿物组合主要由稳定重矿物（82.23–93.46%）组成，不稳定矿物仅占很小比例（0–2.37%）。PYSLs沉积物显示出相似的重矿物指数，GZi值范围从0.1到0.6，ZTR值从12.76到36.75。相比之下，洪光砂地的值明显不同（GZi = 0.02；ZTR = 43.65）。此外，洪光中的不稳定重矿物丰度与南部和中部PYSLs不同。下载：下载高分辨率图像（695KB）下载：下载全尺寸图像图4. PYSLs中表面沙子的重矿物丰度，以相对百分比（重量%）表示。表3. PYSLs中重矿物的特征指数（%）。洪光（HG）数据来自Zhang等人（2022年），LH和HT剖面数据来自Zhong等人（2024年，2026年）。GZi：石榴石指数，ZTR：锆石-电气石-金红石指数。样本NO.稳定重矿物相对稳定重矿物不稳定重矿物GZiZTRHK-188.576.900.4322.49DC-184.5710.660.550.6012.76SG-184.959.610.460.2814.05LH-293.766.2400.3312.88DGH-591.478.5300.1036.75P10–1-191.867.730.410.2418.72HT平均83.876.020.160.2715.71LH平均82.2310.090.140.2324.26HG84.7112.922.370.0243.654.3. 碎屑锆石元素地球化学研究认为稀土元素（REE）是有效的来源示踪剂，具有稳定的化学性质（Li等人，2021年）。如图5所示，大多数锆石颗粒显示出陡峭的重稀土元素（HREE）模式，在球粒陨石归一化的REE分布图中显示出明显的正Ce和负Eu异常，表明它们是岩浆成因的锆石（Wu和Zheng，2004年）。所有上述数据表明，大部分来自风成沙子和河沙的碎屑锆石都是岩浆成因的，没有明显的后期改变，因此可以代表其母岩的固有信息。这两组分的REE分布与风成沙子和河沙的分布一致（图5）。REE含量与来自SCJR和九岭山脉的赣江和晋江河流的REE含量大致一致（图5）。正如预期的那样，作为两种来源元素的混合物，PYSL的REE丰度位于赣江和秀水的中间（图5）。下载：下载高分辨率图像（997KB）下载：下载全尺寸图像图5. PYSLs中风成沙子和河床沉积物的REE标准化模式。(a) 风成沙样本；(b) 河沙样本。球粒陨石的标准化值来自Taylor和McLennan（1985年）。4.4. 碎屑锆石地质年代学大多数PYSLs的碎屑锆石显示出明显的振荡分区，Th/U比值>0.4（Du等人，2026年），表明其岩浆成因（Rubatto和Gebauer，2000年）。较少锆石颗粒没有分区，Th/U比值<0.1，表明其变质成因（M?ller等人，2003年）。HTSHs的碎屑锆石UPb年龄谱（576颗锆石颗粒；图6）突出显示出约820百万年的新元古代峰和约430百万年的早期古生代峰。PYSL风成样本分为三个不同的来源组。第1组（HK、DC、LH；每组100颗颗粒）显示出约830百万年的主导新元古代峰，以及约440百万年的次要峰。第2组（SG-1、DGH-5、P10–1；每组100颗颗粒在鄱阳湖与长江的交汇处，样品13HK记录了一个明显的约2.2亿年的峰值和一个次要的约7.8亿年的峰值。下载：下载高分辨率图片（843KB）下载：下载全尺寸图片。图7. 鄱阳湖主要河流中碎屑锆石的UPb年龄谱以直方图（柱状）和核密度估计（紫色阴影曲线）的形式显示。a-g, i：赣江数据（GJ-1至GJ-7、13GJ和13HK）来自（He等人，2013；He等人，2014；Li等人，2016；Wang等人，2020）；h, j-n：本研究中的赣江（GJ-8）、抚河、新乡河、饶河、长江和秀水河的数据。（有关此图例中颜色参考的解释，请参阅本文的网页版本。）5. 讨论 5.1. 风化与循环过程的评估 Poyang湖沉积物（PYSL）的来源追溯使用元素指纹是基于沉积物从其源岩中继承的地球化学特性。尽管这种方法被广泛采用，但它可能受到风化、循环和水动力分选过程的影响，这些过程可以在从源区到沉积区的传输过程中改变原始的地球化学成分。因此，在解释来源之前必须评估这些沉积后因素的影响。风化通常会耗尽可移动元素，同时相对富集不可移动元素（Nesbitt和Young，1984）。因此，通常通过化学不稳定元素（如Ca、Na、Mg和K）的淋溶行为来量化风化程度（Nesbitt和Young，1984）。更新世的风成砂的化学改变化指数（CIA）值在58.67-77.69之间（平均68.31），表明这些沉积物经历了初期到中度的风化，可能意味着它们同时经历了风选和气候改变。相比之下，赣江砂、Poyang湖表面风成砂和Poyang湖沙滩砂的CIA值在53.1到63.4之间（平均=57.0）（Hu等人，2026），表明它们只经历了初期风化（图8a）。A-CN-K三元图显示Poyang湖沉积物中的沉积物循环程度较低，从而排除了显著的锆石循环效应。此外，Poyang湖沙滩砂、赣江砂和表面风成砂之间的地球化学相似性表明它们具有共同的来源。下载：下载高分辨率图片（316KB）下载：下载全尺寸图片。图8. 三元图用于描绘化学风化和沉积物循环的趋势和强度。（a）A-CN-K（Al2O3-CaO* + Na2O-K2O）三元图（根据Nesbitt和Young，1984）。（b）Al2O3/SiO2与CIA图的砂样本图。Poyang湖表面风成砂、赣江砂和Poyang湖沙滩砂的日期来自Hu等人（2026）。更新世风成砂的数据来自Zhong等人（2026）。该图显示了Poyang湖表面风成砂、赣江砂和Poyang湖沙滩砂的主要化学风化程度以及弱的沉积物循环趋势。物理风化（例如Al2O3/SiO2比率）（Garzanti等人，2011；Guo等人，2018）与化学改变化指数（CIA）有很强的相关性（更新世风成砂R2=0.74；赣江砂R2=0.59）（图8b），表明风选和水力分选显著影响了整体风化信号。相比之下，Al2O3/SiO2比率与CIA没有相关性（表面风成砂R2=0.04；Poyang湖沙滩砂R2=0.15），表明风选和水力分选没有影响整体风化信号。虽然由于水力分选或风选作用，锆石可以在较细的颗粒中富集（Garzanti等人，2011），但表面风成样本没有系统性地偏离这一总体趋势。此外，它们的CIA值（53.1-63.4）覆盖了我们数据集的整个范围，表明局部锆石富集不会影响风化信号。5.2. 潜在来源 5.2.1. Poyang湖沉积物的最终来源 沙质沉积物的指纹特征是沙漠发育的物质基础，受原始来源的初始组成、河流运输和风成再作用的影响（Yang等人，2012c；Hay等人，2021）。鉴于Poyang湖沉积物的地理环境和地貌构造，其碎屑物质的最终来源与其相邻造山带的侵蚀、河流输送和风蚀密切相关（图1）。因此，SCJRs和九岭山脉被认为是Poyang湖沉积物的主要原始来源（Wang等人，2020；Li等人，2025；Du等人，2026）。将重矿物组合分析与相应矿物的地球化学信息相结合，可以提供有关源岩岩性和纹理的更全面见解（Stutenbecker等人，2017；Wu等人，2024）。识别出的重矿物组合有助于区分潜在的源岩类型。角闪石、锆石、硅灰石、电气石、钛铁矿和透辉石指示了火成岩的贡献。此外，大多数Poyang湖沉积物样本的GZi和ZTR指数变化较小，反映了成分的总体均匀性。相比之下，红光沙土地的数值明显不同，表明其沉积物来源不同。在元素地球化学方面，大多数锆石颗粒显示出陡峭的HREE模式和在球粒陨石标准化REE分布模式中显著的Ce正异常和Eu负异常（图5），表明它们起源于火成岩。此外，Poyang湖沉积物中锆石的阴极发光成像显示了明显的振荡分带和明显的长度与宽度比，以及Th/U比值大于0.4（Du等人，2026），所有这些都表明它们具有火成岩起源。因此，这些特征共同表明碎屑锆石主要来源于火成岩。锆石地球化学提供的构造环境约束表明，弧岩浆中的Nb含量相对于板内环境较低（Sun和McDonough，1989；Pearce和Peate，1995）。因此，从弧岩浆结晶的锆石继承了这种地球化学特征，表现出较低的Nb/Hf比率和较高的Th/Nb比率。由于这些比率在岩浆分馏过程中保持稳定（Yang等人，2012a），它们可作为区分锆石形成构造环境的可靠指标。在Th/U与Nb/Hf和Th/Nb与Hf/Th的双变量图中（图9a和b），大多数碎屑锆石位于造山/弧相关源区范围内，只有少数位于板内/非造山区。这些结果与研究区域SCJRs的九岭花岗岩和燕山期花岗岩的构造环境一致。下载：下载高分辨率图片（671KB）下载：下载全尺寸图片。图9. 碎屑锆石的双变量判别图。（a）根据Yang等人（2012a）的Th/U与Nb/Hf和Th/Nb与Hf/Th图。（b）根据Belousova等人（2002）的Nb与Ta和Y与U图。图中样本显示了Poyang湖沉积物风成砂和河流砂中的弧相关造山花岗岩部分。许多元素在锆石中表现出一致性，因为它们参与晶体结构中的耦合替代作用。基于微量元素组成的判别图可以有效描绘不同火成岩类型之间的锆石化学相关性。比较多个图谱有助于识别来自特定火成岩类型的锆石。例如，Y与U和Nb与Ta的图表可以识别出来自花岗岩的锆石（Belousova等人，2002，图9c和d）。在这项研究中，大多数分析的锆石样本位于这些判别图的花岗岩区域内，表明沉积物主要来源于花岗岩。因此，结合重矿物证据，锆石微量元素数据表明沉积物来源主要由花岗岩主导。5.2.2. Poyang湖沉积物的直接来源 Poyang湖沉积物中砂的迁移由两个相互竞争的传输机制驱动：风和水，它们朝相反的方向运动。这一地貌特征也存在于其他大型沙质沙漠中，包括塔克拉玛干沙漠和库兹勒库姆沙漠（Rittner等人，2016；Zhang等人，2024）。具体来说，夏季的风力传输方向是从东北向西南，冬季是从北向南（Shi等人，2020）。这一动态复杂性进一步加剧的是，Poyang湖沉积物中风成沉积物的潜在来源区域集中在南北走向的赣江河谷沿线，形成了一个大致平行于冬季季风方向的线性模式。这种线性来源几何结构比传统的点源模型更为复杂（Jia等人，2012；Zhang和Jia，2019）。最近的研究表明，中国的北方尘埃可以向南输送到该地区（Han等人，2021），因此表明当地风成沉积物具有复杂的多源特性。为了解决这些挑战并系统地研究Poyang湖沉积物的来源，本研究汇编了来自鄱阳湖周边潜在来源区域的已发表的碎屑锆石UPb年龄数据（Nie等人，2014；Zhang等人，2016；Wang等人，2020）。这些数据包括远源和近源来源，分类如下：（1）远源——NTP（Zhang等人，2016）、NGB（Zhang等人，2016）和CLP（Nie等人，2014）。（2）近源——赣江（He等人，2013；He等人，2014；Li等人，2016；Wang等人，2020）、金沙江、秀水河、抚河、饶河、长江、新乡河和长江（Yang等人，2012b；Liang等人，2018）。这些数据集经过了详细的视觉比较分析，见图6和图7。先前的研究证实，碎屑锆石年龄峰值的分布与来源区域的侵蚀速率有关，表明沉积物贡献与源岩在流域内的暴露面积成正比（Saylor等人，2013；Carrapa等人，2017）。研究区域经历了强烈的加里东期、燕山期和金宁期岩浆活动，九岭山脉的新元古代火成岩和SCJRs的早古生代火成岩露出最广泛。因此，对这些特定的区域来源进行了单独分析以进行比较。为了区分来源，我们将Poyang湖沉积物样本的碎屑锆石UPb年龄特征与潜在来源区域的特征进行了比较（图6和图7）。鄱阳湖北部的丁山和红光风成沉积物表现出约2亿年和4.3亿年的主导峰值（Lin等人，2022）。中部Poyang湖沉积物显示出强烈的新元古代亲缘关系，主要峰值为约8.3亿年和约4.4亿年。南部Poyang湖沉积物显示出约8.2亿年的显著新元古代峰值。在近源区域中，赣江泛滥平原（696颗锆石）显示出约4.3亿年的早期古生代峰值（He等人，2013；He等人，2014；Li等人，2016；Wang等人，2020），而秀水河和金沙江泛滥平原（120颗锆石）显示出约8.2亿年的强烈新元古代信号。其他河流显示出不同的年龄特征：饶河以约8.5亿年的主导峰值为主，抚河以约4.5亿年的显著峰值为主，新乡河以约2亿年的强峰值为主，长江以两个约1.6亿年和约8.4亿年的显著峰值为主。长江（1050颗锆石）的特征是约7.8亿年和约2亿年的峰值（Yang等人，2012b；Liang等人，2018）。这些模式与近源区域明显不同，表明Poyang湖沉积物主要来源于当地的河流系统，特别是赣江、秀水河和金沙江。尽管其他河流（如抚河、饶河、长江和新乡河）也显示出新元古代和早古生代的显著峰值，但赣江是最大的贡献者，占河流总沉积物输入的70%以上（Zheng等人，2022）。同时，赣江沿岸的来源区域（GJ-8样本，约占河流输入的70%）和秀水河（约占河流输入的11%）的来源特征在整个研究范围内相对稳定（图6）。另一方面，饶河和抚河的主要来源特征与Poyang湖沉积物相似，使得在MDS分析中难以完全分离它们的影响（图10c）。尽管如此，它们的总沉积物贡献有限：抚河提供了约8.4%的河流总沉积物输入，饶河提供了约4.9%的河流总沉积物输入（Zheng等人，2022）。相反，样品GJ-8来自赣江下游的交汇泛滥平原（约占河流输入的70%）和秀水河（约占河流输入的11%），其年龄谱与中部Poyang湖沉积物非常相似。此外，这两条河流也位于研究区域的附近地理位置。因此，这种密切的对应关系强烈表明，中央PYSL沉积物主要来源于这种混合的河流来源。下载：下载高分辨率图片（910KB）下载：下载全尺寸图片图10. 研究区域中碎屑锆石的MDS。（a）不同沙地的空间差异。（b）PYSLs、近源和远源。（c）PYSLs和主要河流。（d）PYSLs和主要来源。（e）中央PYSLs和主导来源区域。NGB：北部Gebi；NTP：北部青藏高原；CLP：中国黄土高原；GJ：赣江；CJ：长江；JJ：晋江；CB：东部Cathaysia块；HT：Houtian沙地；HG和DS：洪光黄土和丁山沙丘；XH：秀水河；GJ-8：赣江和秀水河的交汇处。关键的是，火成岩记录提供了令人信服的证据：江南造山带中Jiuling山脉火成锆石年龄数据显示出大约8.2亿年的主要峰值（Shu等人，2014年；Song等人，2015年；Tang等人，2023年；Yang等人，2023年；Feng等人，2025年），而东部Cathaysia块中的火成锆石年龄和碎屑锆石年龄数据（主要是SCJRs）显示出大约4.3亿年的特征性峰值（Li等人，2003年；Xiang和Shu，2010年；Yao等人，2011年；Zhao等人，2013年；Duan等人，2017年；Rong等人，2018年；Wang等人，2019年；Duan等人，2019年；Wang和Wang，2021年；Wang等人，2021a）。此外，前者在地理上更接近PYSLs，而后者是赣江的主要集水区。这些匹配强烈表明，Jiuling山脉和相关的SCJRs是PYSL沉积物的主要来源，通过赣江和秀水河的河流运输是主要的沉积物输送机制。同样，远端潜在来源中识别的主要峰值——NTP（Zhang等人，2016年）、NGB（Zhang等人，2016年）和NLP（Nie等人，2014年）——与鄱阳湖风成沉积物的特征有显著差异。远端来源显示出不同的年龄分布。NLP呈现出大约4.4亿年的主要峰值（Nie等人，2014年），NTP约为3.8亿年（Zhang等人，2016年），NGB约为2.8亿年（Zhang等人，2016年）。与北部（洪光黄土）和南部鄱阳湖（Houtian沙丘的沙质古土壤）精细风成沉积物的UPb年龄相比，我们的结果有效地排除了这些远端区域作为鄱阳湖风成沉积物的主要贡献者。MDS分析提供了一种基于MDS图中数据点相对距离来可视化样本相似性/差异性的有效方法（Vermeesch，2018年）。比较锆石年龄光谱和MDS区分图证实，沙地的碎屑锆石年龄成分几乎相同。河流在这些沙地的形成和演化中发挥了关键作用。在本研究中，各种沙地显示出不同的来源特征（图10a）。特别是，中央PYSLs显示出相似的来源特征，而北部和南部PYSLs则暗示了不同的沉积物来源。如图10b所示，MDS分析的结果与年龄光谱一致，因为中央PYSL样本（SG-1、P10–1、LH、DC、DGH和HK）位于赣江和秀水河的冲积沉积物附近。尽管MDS分析并未排除 Fuhe 河作为潜在来源的可能性，但它明确排除了新疆河、饶河和长江河（图10c）。此外，从赣江和秀水河交汇处采集的样本（GJ-8）与中央PYSLs的来源联系更为紧密，而 Fuhe 河的沉积物供应能力有限——无论是在地理接近性还是沉积物输入的数量上（图1b）。尽管如此，中央PYSLs受到了赣江和秀水河沉积物的均匀混合，导致锆石年龄成分高度相似，且来自沉积物来源的贡献比例也相当。然而，北部和南部PYSL的沉积物来源不同（见图10d和e）。其中，南部PYSL的来源主要受晋江和Jiuling山脉的影响（图10d）。北部PYSL（丁山沙丘和洪光黄土）的来源受到长江和赣江的共同影响，这反映在它们在MDS图中的接近位置上（图10d）。就沉积物元素地球化学而言，K2O/Al2O3比率在弱化学风化条件下是沉积物来源的可靠指标（Cox等人，1995年；Muhs等人，2016年）。同样，TiO2/Al2O3比率常用于追踪沙源（Sheldon和Tabor，2009年；Hao等人，2010年）。这两个比率的散点图（图11）显示：(a) 沉积物来源的明显空间异质性，以及 (b) 中央PYSLs风成沙中的均匀混合特征，涉及赣江和鄱阳湖海滩沉积物的贡献。就重矿物而言，洪光沙地（北部PYSL）显示出明显不同的特征，可能表明其沉积物来源不同。同时，PYSL样本的粒径参数也显示出显著的空间变化。其中，Houtian沙地与其他PYSL样本相比，平均粒径和分选系数值有显著差异。下载：下载高分辨率图片（357KB）下载：下载全尺寸图片图11. 来自周围PYSLs的风成沉积物主要元素的散点图。(a) 沉积物来源显示出显著的空间异质性，(b) 中央PYSLs的风成沙反映了来自赣江和鄱阳湖海滩沉积物的良好混合成分。Dingshan（DS）和Hongguang（HG）的数据来自Zhang和Jia（2019年）。Fengcheng（FC）和Daguling（DGL）的剖面数据来自Li等人（2006年）。Liaohua（LH）剖面的风成沙数据来自Zhong等人（2026年）。PYSL表面风成沙、赣江沙和鄱阳湖海滩沙的日期来自Hu等人（2026年）。5.3. 沉积物供应机制5.3.1. IMCM可靠性的评估在确定主要来源区域后，使用MATLAB中实现的IMCM方法定量约束了沉积物混合比例，遵循既定方法（Sundell和Saylor，2017年；Wu等人，2021年；Wu等人，2024年；Zhang等人，2024年；Wang等人，2025年）。为了评估IMCM结果的稳健性，开发者通过将迭代次数从20,000次变化到40,000次进行了迭代敏感性测试。在这个范围内，来源贡献比例仅波动了±2-5%，证实30,000次迭代足以产生稳定可靠的结果。该模型通过评估三个统计标准来定量计算最佳来源贡献：KS、KV和概率密度相关系数。然而，由于只有少数研究评估了IMCM的可靠性（Sundell和Saylor，2017年；Wu等人，2024年；Zhang等人，2024年），其在实现准确可靠的沉积物来源定量区分方面的整体表现仍不清楚。通常，相关系数的较高值或KV和KV统计量的较低值表明模拟数据与测量数据之间的相关性更强（Sundell和Saylor，2017年）。在这些指标中，相关系数需要较少的实验迭代次数就能快速得出剩余值较低的模型结果。尽管如此，它可能无法充分捕捉两个来源区域和混合样本的全部年龄特征。在我们的研究中，样本的相关系数显示出的相似性较低（R2值范围从0.353到0.779；图12和图13中的蓝色曲线），因此排除了这种方法。关于其他统计量，KS统计量对年龄分布的中位数更敏感，而KV统计量确保了整个分布的一致性（Sundell和Saylor，2017年；Wu等人，2024年）。根据模型预测，来自KS统计量的模拟曲线主要高估了真实样本年龄（图12和图13中的绿色曲线），从而引入了相对于分布中位数的偏差。因此，我们更倾向于选择KV统计量，原因如下。IMCM的开发者建议在重新采样原始来源年龄时使用KV统计量，主要是因为它在不同的重采样大小下产生的残差一致较低（Sundell和Saylor，2017年）。在本研究中，我们选择了每个包含超过1000粒的来源年龄数据集（例如Jiuling山脉、SCJRs和长江）。因此，在这种情况下，KV统计量具有明显的优势。KV统计量的低平均V值（0.185–0.272）可能显示了该方法的优势。总之，KV统计量提供了更准确可靠的沉积物来源定量区分，如表4中的结果所证实的。下载：下载高分辨率图片（2MB）下载：下载全尺寸图片图12. 使用IMCM得到的DS和HG、HT、赣江和芜湖地区的模型结果。下载：下载高分辨率图片（2MB）下载：下载全尺寸图片图13. 使用IMCM得到的中央PYSL的模型结果。表4. 中部和南部PYSLs混合贡献比例的重建结果。方法样本来源贡献（%）Jiuling山脉SCJRs长江IMC丁山沙丘1.79.988.4芜湖沙地52.847.2–兴子沙地53.546.5–杜宝沙地83.816.2–-songgu沙地14.585.5–九山沙地48.052.0–songmenshan沙地46.753.3–Houtian沙地80.419.6–赣江的最低值12.6–2080–87.4–MDS图中部PYSL5149–南部PYSL7030–5.3.2. 以河流为主的供应系统普遍认为，风和河流过程的相互作用显著影响碎屑沉积物的输送和沉积，并可能加速沙漠化（Field等人，2009年；Xu等人，2020年；Zhang等人，2021b）。然而，这些过程的相对贡献和相互作用仍然了解不足，因为它们通常被单独研究。在我们的研究中，定量结果表明Jiuling山脉与SCJRs共同作为PYSLs的主要最终来源。赣江的裸露河床和泛滥平原以及秀水河和晋江为这些区域提供了丰富的沙质材料。特别是，我们的混合模型结果表明，北部PYSL（丁山和洪光风成沉积物）的直接来源来自长江和赣江之间。其中，长江是主要贡献者（约88.36%），其次是SCJRs（约9.94%）和Jiuling山脉（约1.7%）（表4）。相比之下，南部PYSL（Houtian沙地）的最终来源主要由Jiuling山脉提供，占80.4%，而SCJRs仅占19.6%。定量最终来源分析表明，中部PYSL的沉积物贡献不同。芜湖沙地的主要沉积物来自Jiuling山脉（约80.4%），SCJRs贡献约18.6%。同样，兴子沙地主要由Jiuling山脉提供（约53.5%），而SCJRs的贡献略低（约46.5%）。杜宝沙地也显示Jiuling山脉是主要地质来源（约83.8%），远超过SCJRs的贡献（约16.2%）。相比之下，宋古沙地的来源模式明显不同。地质来源主要由SCJRs主导（约94.5%），Jiuling山脉的贡献仅占很小部分（约5.5%）。此外，九山沙地的沉积物供应来自Jiuling山脉（约48%）和SCJRs（约52%）。宋menshan沙地也显示Jiuling山脉贡献约48%，而SCJRs贡献约53%。因此，中部PYSL的主要沉积物来源是通过赣江输送到其下游的沉积物。同时，秀水河的直接材料输入也不可忽视。Jiuling山脉的最终贡献范围从14.5%到83.8%，而SCJRs的来源贡献在16.2%到85.5%之间变化。MDS图进一步确认了采样沉积物来自两个主要来源区域（图10b），表明SCJRs和Jiuling山脉是中部PYSL的主要近源沉积物来源。相比之下，北部和南部PYSL子区域的来源特征明显不同。PYSL的相对来源贡献是基于PYSL样本与两个来源区域之间的X轴距离定量估计的（Wu等人，2024年）。具体来说，中部PYSL样本在MDS配置中紧密聚集，它们在X轴上的位置表明接近均衡的贡献——大约49%来自SCJRs和51%来自Jiuling山脉——与混合来源一致。相比之下，南部的PYSL样本也形成了一个紧凑的簇，反映了不同的混合比例，大约30%来自SCJRs，70%来自九岭山脉，这一比例通过它们在MDS地图上X轴上的位置确定。总之，来自碎屑锆石UPb年龄IMCM和MDS分析的定量结果一致表明，SCJRs与九岭山脉是PYSL的主要沉积物来源，而通过赣江和秀水河的河流运输是主要的沉积物传输机制。

5.4. 关于PYSL风蚀过程的见解
风况、地形以及沉积物供应与侵蚀之间的平衡被认为是影响风蚀沉积物可用性的主要因素（Ventra等人，2017年；Hay等人，2021年）。在PYSL中心观察到的成分均匀性（图14）显示了该地区风蚀物质的强烈重塑和再循环现象。这表明风驱动的过程仍然是PYSL中心沉积物重新分布的主要机制。从空间上看，PYSL中的密度差（DP）呈现明显的梯度：北部较高，南部较低；西部较高，东部较低（图1）。这种DP分布受到当地地形和区域气候条件的强烈影响。例如，星子站位于鄱阳湖北岸的一个地形狭窄处（图1b），那里的漏斗效应增强了风速。而九江站虽然靠近这个狭窄区域，但受其影响较小，风速明显较弱。DP的空间变化与观察到的风蚀活动高度一致。特别是，DP分布与沙地的面积密切相关。最高的DP值出现在星子站，那里有最大的沙地地貌——星子沙地和杜宝沙地，分别覆盖了12.52平方公里和14.42平方公里。相反，南部和北部PYSL之间的成分异质性（图14a）表明这些地区的风蚀重塑和沉积物再循环作用有限。这一观察结果还得到了北部和南部鄱阳湖地区相对较低的DP值的支持，这与这些地区沙地分布较小的事实相符。这些发现强调了近端沉积物来源的主导作用，并提供了强有力的证据，证明荒漠化地区通过下风方向传输为山麓带提供了沙质物质，尽管风传输能力存在空间变异性。

图14：(a) PYSL风蚀-河流相互作用的示意图，显示了河流沉积物来源混合比例的空间分布。(b) PYSL沉积物来源混合比例的空间分布。来源1：SCJRs；来源2：九岭山脉。
正如Hay等人（2021年）所指出的，地形通过调节沉积物供应和储存来影响风蚀沉积记录的停留时间和气候敏感性。因此，鄱阳湖盆地的复杂地形在控制尘埃传输和沉积过程中起着根本性作用。因此，在从风蚀沉积物重建该地区的古环境历史时，全面评估地形影响是必不可少的。

在物质组成方面，自MIS4以来HTSL的砂-古土壤剖面显示出高度一致的碎屑锆石UPb年龄谱，表明埋藏的砂层与现代砂具有相同的沉积物来源（杜等人，2026年）。此外，最后一个冰川期形成的底层砂层显示出与现代砂相似的重矿物组合。这种相似性表明两者具有相同的来源区域特征，并间接表明现代砂是由底层砂层的重塑形成的（钟等人，2024年，钟等人，2026年，表3）。同时，沙丘砂的粒度参数（平均粒度和分选系数）介于底层砂和河流砂之间，接近它们的平均值（表2）。这表明沙丘砂主要是通过风蚀过程对底层砂和河流砂的混合和重塑形成的。因此，底层砂和河流砂都被认为是PYSL沉积物的直接来源。

基于这些特征，我们提出了一个两阶段发展模型来解释PYSL的形成过程：最初，河流过程（主要是赣江、秀水河和锦江）将大量碎屑物质输送并沉积在盆地和河道中（主要沉积在河流交汇处）；随后，这些沉积物被东亚冬季季风重新塑造并积累在相邻造山带的迎风坡山麓区。这种风蚀沉积模型不仅限于鄱阳湖，也在其他地区被观察到，包括天山北部山麓带（李等人，2020年）、昆仑山西部（方等人，2001年）和祁连山脉（Nottebaum等人，2015年）。此外，在胶东半岛北部山麓带、山东中部（王等人，2021b年）、塔里木盆地的塔克拉玛干沙漠（Rittner等人，2016年）、中亚的柯克孜库姆沙漠（张等人，2024年）以及松嫩平原的霍林沙地（谢等人，2018年）也发现了类似的风蚀沉积发展模式。然而，这项研究的发现为理解地表过程和环境演化提供了关键的理论框架，并有助于指导潮湿地区的生态保护和荒漠化缓解工作。

6. 结论
碎屑锆石UPb年龄谱和混合模型表明，PYSL沉积物主要来源于九岭山脉（14.5%–83.8%）和SCJRs（16.2%–85.5%）。具体来说，锦江是南部PYSL的主要直接来源，而长江和赣江则对北部PYSL有贡献。在PYSL中部，沉积物来源主要由赣江和秀水河的河流系统控制。此外，模型结果提供了证据，表明来自北部和南部PYSL的沉积物都被输送到了相邻的山麓地区。最终，风蚀尘埃的传输路径和最终沉积主要受区域地形的控制。

作者贡献声明：
杜叮叮：撰写 – 审稿与编辑，撰写 – 原稿，可视化，软件，资源，方法学，调查，形式分析，数据管理，资金获取。
田书渊：软件，调查，数据管理。
李志文：资源，形式分析，撰写 – 审稿与编辑。
徐德如：撰写 – 审稿与编辑，方法学，调查。