利用地球化学指纹技术通过机器学习量化风成沉积物的来源：以中国西北部古尔班通古特沙漠为案例研究

《CATENA》：Machine-learning quantification of provenance of aeolian sediments using geochemical fingerprinting: A case study from the Gurbantunggut Desert, northwestern China

　　

• •
  利用地球化学指纹技术，机器学习方法可量化风成沉积物的来源。
• •
  能够实现针对不同样本的多源贡献精准解析。
• •
  阿尔泰山脉被确定为古尔班通古特沙漠的主要物质来源。

引言

风成沉积物在干旱和半干旱地区广泛存在，它们既是地表变化的驱动因素，也是环境与气候变化的历史记录（Jickells等，2005；Maher等，2010；Kok等，2021）。中国北部的沙漠是亚洲沙尘系统的重要组成部分（Mahowald等，2014；Kok等，2021）。这些沙漠释放的沙尘会影响辐射强迫（Uno等，2009；Kok等，2023）、大气化学成分（Arimoto，2001；Astitha等，2012）以及生物地球化学过程（Maher等，2010；Shao等，2011），进而对气候系统产生深远影响。例如，亚洲沙漠的沙尘可跨大陆传输到海洋，改变海洋中的初级生产力与碳循环，从而影响全球气候（Zan等，2025）。因此，沙漠是连接陆地、大气与海洋相互作用的关键环节，追踪沙漠沉积物的来源有助于了解沙尘生成过程、大气传输路径以及沉积动态（Fan等，2021；Jiang等，2022；Li等，2023b；Li等，2025），这对于理解这些相互作用背后的机制至关重要。

地球化学指纹技术已成为追踪沙漠沙粒来源的最常用方法，已被应用于中国多个沙漠，包括塔克拉玛干沙漠（Jiang和Yang，2019；Chen等，2021b；Song等，2022）、古尔班通古特沙漠（Zhang等，2022；Li等，2024a；Li等，2024b）、巴丹吉林沙漠（Hu和Yang，2016；Zhang等，2021；Li等，2022a；Liang等，2023）、腾格里沙漠（Jiang等，2022）以及鄂尔多斯高原的沙漠（包括库布齐沙漠和毛乌素沙地）（Rao等，2011；Liu和Yang，2018；Chen等，2021a；Ding等，2021），还有科尔沁沙地（Chen等，2022b）。一些研究通过元素变异量的定性比较或多元统计分析，来判断沉积物与潜在来源之间的相似性（Hu和Yang，2016；Liu和Yang，2018；Jiang和Yang，2019；Zhang等，2022）。例如，Hu和Yang（2016）通过元素比值（如Eu/Eu*、La_N/Yb_N、Cr/V、Y/Ni）发现，巴丹吉林沙漠的表层沙丘沙主要来自祁连山，而东北部红沙丘的沙则源自戈壁-阿尔泰山脉和蒙古戈壁。Li等（2024a）通过主成分分析法和多维尺度分析法得出，古尔班通古特沙漠的表层沙丘沙主要来自阿尔泰山脉，天山山脉的贡献相对较小。上述方法仅能进行定性的来源判定。近年来，人们开始运用各种定量反混模型来估算各来源的相对贡献，比如贝叶斯模型（Gholami等，2017，Gholami等，2019；Stock等，2018；Li等，2020；Song等，2022；Li等，2023b；Chen等，2024）、频率主义模型（Lizaga等，2020；Zhang等，2021；Song等，2022；Li等，2023a，Li等，2024a，Li等，2025；Liang等，2023）、广义似然不确定性估计模型（GLUE；Behrooz等，2019；Gholami等，2020；Li等，2020；Telfer等，2020；Chen等，2022a）以及蒙特卡洛模拟模型（Gholami等，2020；Telfer等，2020）。这类方法通常通过大量采样参数空间，来估算来源贡献及对应的不确定性。

不过，这些方法适用于数量相对较少且相互独立的示踪元素。随着多元素数据集的日益丰富，示踪元素空间变得高维化，呈现出共线性、非线性以及复杂的相互作用特征，这会给参数型反混模型的假设带来挑战。而机器学习算法则能够在高维特征空间中捕捉复杂的非线性关系，且对数据分布的假设要求更低（Bergen等，2019；Petrelli，2023）。这类算法可以从庞大的地球化学指纹数据集中提取有用的特征，建立稳定的源-汇关系，从而高效准确地量化多源的贡献。尽管已有部分研究将机器学习方法用于风成沉积物的来源分析，但这些方法的潜力尚未被充分挖掘。例如，Lin等（2020）使用支持向量机与卷积神经网络对黄土沉积物进行分类，并估算中国黄土高原的来源构成。但分类模型只能给出整体的来源比例估算，无法确定单个样本的精确来源贡献。还有些研究主要利用机器学习方法（如随机森林）来评估变量重要性（Song等，2022）或验证贝叶斯反混模型的结果（Li等，2023b），并未充分利用其预测能力。

在本研究中，我们将三种基于监督树的机器学习回归模型（随机森林、LightGBM和XGBoost）与高维地球化学指纹数据集相结合。我们将该框架应用于中国西北部古尔班通古特沙漠的沙丘沙样本（图1）。先前的研究已经发现该沙漠内沙丘沙的来源存在空间差异，北部和西部的沙主要分别来自阿尔泰山脉和准噶尔山脉（Li等，2024a；Li等，2024b）。我们的目标是重新分析这种空间差异，同时评估该方法在定量估算多种来源区域对风成沉积物的贡献方面的可靠性。我们预计这一工具可以扩展到更多类型的风成沉积物，尤其是沙漠沉积物，从而实现更准确的来源识别，为中国的沙漠化防治工作提供参考。

章节要点

地质背景

古尔班通古特沙漠位于中国西北部的准噶尔盆地内（图1a），是中国第二大沙漠。它是中国纬度最高的沙漠，以固定沙丘和半固定沙丘为主（占比97%），植被覆盖度在10%到30%之间（Zhu等，1980；Qian和Wu，2010）。准噶尔盆地南面以天山山脉为界，北面和东面为阿尔泰山脉，西面则是准噶尔山脉（图1a）。该盆地向西倾斜，

地球化学指纹数据集

为验证我们的机器学习模型在定量估算多种来源区域对风成沙贡献方面的可靠性，我们选择中国西北部的古尔班通古特沙漠作为研究案例（图1）。我们收集了此前已发表的表层沙丘沙的地球化学数据（样本数=85），以及来自潜在来源区域的样本数据，这些来源区域包括天山山脉（样本数=30）、准噶尔山脉（样本数=35）和阿尔泰山脉（样本数=53）（Huang等，2018；Lin等，2020；Zhang等，

最优变量与模型

在最初的282个地球化学变量中，有191个与∑REE存在显著相关性，被认为受颗粒大小影响，因此被排除在后续分析之外。火山图显示，在这些变量被排除之前，有一些地球化学变量在不同颗粒大小组别之间存在显著差异（调整后的p值<0.05；图2a）。在排除了与∑REE相关的变量后，几乎所有保留的变量的调整后p值都大于0.05，只有Hf/Th例外（图2b）。这一结果证实

讨论

为了实现对沉积物来源的高分辨率、样本级量化分析，我们基于三种监督树基机器学习算法——随机森林、LightGBM和XGBoost——构建了一个机器学习回归框架，利用这些算法处理复杂非线性关系的能力。我们以所有元素的成对浓度比作为初始特征。这种策略能够让机器学习模型自动识别出对来源混合敏感的元素组合，而不需要依赖人工设定

结论

我们提出了一种机器学习框架，该框架将高维地球化学指纹数据与基于树的回归模型（随机森林、LightGBM和XGBoost）相结合，用于量化风成沉积物的多源贡献。我们将该框架应用于中国西北部古尔班通古特沙漠的沙丘沙样本。从整合后的源-汇数据库（样本数=233）中，我们最初筛选出了282个地球化学变量；在去除了受颗粒大小影响较大的特征后，并应用

CRediT作者贡献说明

李宝峰：写作——审稿与编辑，写作——初稿撰写，软件使用，资源获取，方法设计，研究实施，正式分析，数据整理，概念构思。罗崇文：资源获取，研究实施。李在军：资源获取，研究实施，正式分析，概念构思。王欣：监督指导，研究实施，数据整理。王飞：资源获取，方法设计，资金筹集。胡涵：结果验证，研究实施，正式分析。刘文毅：资源获取，研究实施。冯奇：结果可视化，

利益冲突声明

作者声明不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。

致谢

我们感谢熊聪辉博士在地球化学分析方面给予的帮助。本研究得到了国家自然科学基金（项目编号：42271172、52179026）、中国科学院战略性先导科技专项（项目编号：XDB0720202）以及中央高校基本科研业务费（项目编号：lzujbky-2024-02、lzujbky-2024-15）的支持。

Baofeng Li|Chongwen Luo|Zaijun Li|Xin Wang|Fei Wang|Han Hu|Wenyi Liu|Qi Feng