粒径范围对利用复合指纹法确定沉积物来源精度的影响

《CATENA》:The effect of grain size range on the accuracy of sediment sources determination using the composite fingerprinting approach

【字体: 大 中 小 】 时间:2026年07月22日 来源:CATENA 6.6

编辑推荐:

  •通过不同的粒径组分来确定沉积物来源。•通过模拟降雨和人工混合物对复合指纹法进行了验证。•对于细质土壤而言,<10微米和<63微米的颗粒能提供最高的识别精度。•结合多种粒径组分可提高源区识别的准确性。•沉积物及其来源的颗粒特性对于准确确定来源至关重要。 引言 土壤在维持气候和陆

  •通过不同的粒径组分来确定沉积物来源。•通过模拟降雨和人工混合物对复合指纹法进行了验证。•对于细质土壤而言,<10微米和<63微米的颗粒能提供最高的识别精度。•结合多种粒径组分可提高源区识别的准确性。•沉积物及其来源的颗粒特性对于准确确定来源至关重要。

引言
土壤在维持气候和陆地生态系统的稳定性方面起着至关重要的作用(Lehmann等人,2020年;Wagg等人,2014年)。然而,由土壤侵蚀导致的土壤和水资源流失已成为全球性的环境问题(Borrelli等人,2017年)。侵蚀过程中大量的养分流失严重威胁着土地的生产力和农业的可持续性(Barrios,2007年;Borrelli等人,2017年;Pimentel,2006年)。此外,被侵蚀的沉积物进入河流、湖泊和海洋环境后,会增加水体的浊度,加速富营养化进程,引发一系列水生生态问题(Li等人,2021年;Syvitski等人,2005年;Walling和Collins,2016年)。而且,沉积物的堆积还会抬高河床,降低水库的蓄水能力,缩短水利设施的使用寿命,给人类安全和社会经济资产带来重大风险(Kondolf等人,2014年;Owens等人,2005年)。控制土壤侵蚀最有效的方法之一就是保护和管理那些侵蚀严重的地区(Zhang和Liu,2016年)。因此,准确量化各沉积物来源的相对贡献对于制定水土资源保护策略以及改善流域生态管理具有重要意义(Mukundan等人,2012年;Owens,2022年)。

目前,复合指纹法已成为在多个空间和时间尺度上确定沉积物来源的主要方法之一(Collins等人,2020年;Evrard等人,2022年)。该方法选择一组最优的指纹特征(即土壤属性),或者多个具有保守特性的指纹组,再结合不同类型的估算模型,来确定来自不同来源的沉积物贡献(Collins等人,2017年;Cooper等人,2014年;Laceby等人,2017年)。不过,土壤属性在很大程度上取决于颗粒大小(Horowitz,1991年)。土壤颗粒具有多样的物理、化学和生物特性,这些特性会随着颗粒分级的不同而有所差异(Koiter等人,2018年;Motha等人,2002年),而在土壤质地、地形、植被以及降雨侵蚀力的作用下,侵蚀和搬运过程会选择性地移动和沉积这些不同粒级的颗粒(Koiter等人,2017年;Poesen,1992年;Rodrigues等人,2018年;Tang等人,2014年)。另外,许多用于沉积物指纹分析的来源指示物,如地球化学元素和放射性核素,往往与特定的颗粒分级有密切关联(Koiter等人,2013b年)。来源土壤与沉积物之间的粒径分布差异可能会改变指纹特征,从而导致来源识别的偏差。因此,在沉积物指纹分析研究中,选择合适的粒径范围对于实现可靠的来源区分至关重要。

以往的研究提出了几种解决方案,以便准确识别受粒径变化影响的沉积物来源。一些研究建议使用粒径范围较窄的细颗粒,比如<10微米和<63微米的颗粒(Laceby等人,2017年;Pulley等人,2015年;Upadhayay等人,2022年;Walling等人,2008年)。这些研究主要关注的是在流域尺度上河流系统中的悬浮沉积物(Collins和Walling,2002年;Devereux等人,2010年;Russell等人,2001年),因为悬浮沉积物通常以小于63微米的颗粒为主(Vercruysse等人,2017年;Zhang等人,2015年)。然而,沉积在河床中或滞留在大坝、水库以及低洼地区的沉积物往往颗粒更粗,且粒径变化相对更大(Jin等人,2019年;Le等人,2015年;Malhotra等人,2020年;Zhang等人,2023b年)。使用粒径范围较窄的细颗粒可能会忽略粗颗粒,从而在沉积物来源估算中引入不确定性(Zhang等人,2023a年)。在这种情况下,研究人员尝试使用不同的粒径范围来确定沉积物来源(Haddadchi等人,2015年;Malhotra等人,2020年)。一些研究表明,尽管不同粒径下的指纹特征存在差异,但使用不同的粒径范围仍然可行,可用于沉积物来源的识别(Gaspar等人,2022年;Laceby等人,2016年)。还有研究建议根据沉积物的质地来选择粒径范围:粗质沉积物选用粗颗粒,细质沉积物选用细颗粒(Malhotra等人,2020年;Rodrigues等人,2018年)。然而,至今仍未得出一致的结论。这主要归因于两个方面。首先,大多数研究要么依赖一种常用的粒径分级来进行来源识别,要么将样品筛分为有限数量的等级(通常为一到三个),而非在高分辨率下对样品的整个粒径范围进行系统的分级(Blake等人,2009年;Haddadchi等人,2016年)。其次,研究人员已经意识到,源区土壤的粒径在选择合适的粒径范围以准确确定来源方面起着关键作用(Malhotra等人,2020年;Rodrigues等人,2018年)。最近一项比较稀土元素追踪法和复合指纹法准确度的研究也表明,源区土壤的质地差异会影响沉积物来源识别的准确性(Zhang等人,2025年)。不过,这项研究并未阐明如何选择合适的粒径范围,以尽量减少此类情况带来的估算偏差。因此,目前的研究在探讨源区内颗粒组成差异对沉积物来源识别精度的影响方面还存在局限性。尤其是在源区土壤质地差异较大的情况下,需要更多关于不同粒径范围对沉积物来源识别精度影响的信息,以便为粒径选择制定明确的标准。

使用复合指纹法估算的沉积物贡献度进行验证非常重要,为此,人们普遍推荐使用人工或虚拟混合物来进行验证(Batista等人,2022年)。这些方法可以将复合指纹法得出的来源贡献度与人工或虚拟混合物得出的结果进行对比(Gaspar等人,2019年)。不过,以往的研究主要是通过混合从不同来源采集的现场土壤样本来创建人工混合物(Brosinsky等人,2014年;Gaspar等人,2022年)。这类未经搬运和沉积过程的样品,其颗粒分布及相关指纹特征可能与实际沉积沉积物的特征存在差异。此外,人工和虚拟混合物通常只能证明模型的可行性以及输出结果的可接受性,而不能作为沉积物来源识别的独立验证依据(Gaspar等人,2019年;Haddadchi等人,2014年;Zhao等人,2022年)。因此,我们推测,在人工或虚拟混合物中使用实际沉积的沉积物,而非源区土壤,能更有效地评估复合指纹法的源区分配精度,因为实际沉积的沉积物能更好地反映搬运过程中的颗粒分选和示踪剂重新分布情况。理想情况下,混合物应使用在降雨或洪水事件期间从不同来源分别采集的沉积物来制作。但实际上,要实现这样的采样极为困难。所以,可以通过降雨模拟实验等互补技术来获取来自不同来源的沉积物,从而为评估粒径范围选择对沉积物来源估算精度的影响提供一个实用且有效的框架。

由于复合指纹法可以直接从沉积物追溯其来源,本研究推测,合理的粒径范围应能最小化细质和粗质源区土壤的颗粒分选效应所带来的影响,从而准确识别沉积物来源。因此,本研究通过结合降雨模拟和人工沉积物混合物,确定了三种质地差异明显的土壤类型的沉积物来源。同时,还利用基于沉积物称重法计算得到的沉积物贡献度,验证了不同粒径范围下沉积物来源估算的准确性。本研究的具体目标是:1)评估不同粒径范围对不同来源场景下沉积物来源识别精度的影响;2)确定合适的粒径范围,以便利用复合指纹法准确识别细质和粗质土壤的沉积物来源。我们期望本研究的结果能为提高沉积物来源识别的精度做出有益贡献,尤其是在源区土壤质地差异较大的地区。

实验土壤与模拟降雨
为了评估不同粒径范围对细质和粗质土壤沉积物来源识别精度的影响,本研究选择了三种质地各异的代表性土壤类型,它们分别源自完全不同的地质环境。这些土壤在土壤质地、颜色、有机质含量以及地球化学元素浓度等方面存在差异。这三种土壤类型分别是灰化土、黑土和砂土(图1a)。

细质沉积物基于不同粒径范围的沉积物贡献度准确性
灰化土和黑土的沉积物混合物(G1)具有与源区土壤一致的颗粒分布特征。对于灰化土而言,<10微米和<63微米的颗粒占比分别为54.1%和94.6%,而黑土的这两类颗粒占比则为41.1%和90.0%。总体而言,灰化土的质地比黑土更细(图4)。沉积物混合物中<10微米和<63微米颗粒的比例则有所不同。

不同场景下作为实用解决方案的复合粒径范围
本研究表明,当源区土壤的质地差异较大时(即G2 - G4),基于主要沉积物粒级的沉积物来源估算,其偏差会远远大于源区土壤质地相近的场景(即G1)(图8)。这种差异是由于源区土壤的质地差异过大所致。当源区土壤的质地差异显著时,仅依靠主要的细颗粒或粗颗粒粒级来判定来源是不够准确的。

结论
本研究利用复合指纹法分析了不同粒径范围对细质和粗质土壤沉积物来源识别精度的影响。通过结合降雨模拟、人工混合物以及在坡地上的沉积物称重法,对这些估算结果进行了验证。研究结果表明,在分选作用较弱的环境中,无论颗粒一致性如何,整体颗粒(即<1000微米)都能提供最高的识别精度,其均方根误差在1.2% - 5.6%之间。

CRediT作者贡献声明
尹民峰:写作——审阅与编辑,写作——初稿撰写,可视化,项目管理,方法学,研究调查,正式分析,数据整理。梁浩明:研究调查,正式分析,数据整理。张佳琼:写作——审阅与编辑,监督,资金获取,数据整理,概念构建。黄子岩:可视化,研究调查,正式分析。尚月婷:研究调查,正式分析。白茹茹:研究调查,正式分析。党震:利益冲突声明
作者声明不存在任何已知的、可能影响本文研究成果的财务利益或个人关系。

致谢
本研究得到了中国国家自然科学基金(项目编号U2243210、42077068和42177340)的资助。尹民峰感谢中国留学基金委的资助(申请编号202406300102)。

尹民峰|梁浩明|张佳琼|黄子岩|尚月婷|白茹茹|党震|杨明毅|彼得·斯特劳斯
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号