一种检测湖泊沉积物记录中事件层的改进方法

《Frontiers in Earth Science》：An improved method for detecting event layers in lake sediment archives

　　

摘要：在未来气候情景下，洪水频率和强度预计将增加，然而超出仪器观测期的长期洪水记录仍然稀少。湖泊沉积物为过去洪水提供了有价值的档案，但现有的检测方法往往难以在高分辨率下同时识别矿质和有机洪水层。本文提出了一种基于计算机断层扫描（CT）结合阈值分割技术的新非破坏性方法，用于分离沉积物岩心中的洪水沉积物。利用Vangsvatnet湖（挪威西部）一处易受洪水影响的流域中1.48米长的岩心段，研究人员证明CT衍生的密度对比能够在亚厘米分辨率下精确识别事件层。对阈值化CT数据进行体积百分比测量，可揭示多个洪水层，包括传统代用指标如磁化率（MS）或X射线荧光（XRF）无法捕获的富有机质层位。与传统方法相比，该方法显著提高了检测能力，并提供了一种快速、可重复的工作流程，用于区分洪水沉积物与背景沉积。研究结果凸显了CT扫描作为古洪水重建强大工具的潜力，并表明其对于改进对水文极端事件敏感区域的长周期洪水年表的潜在价值。

论文解读：基于CT阈值分割的湖泊沉积物事件层检测方法改进

湖泊沉积物是古环境重建的重要档案，记录了气候变异、水文变化和生态变迁等多重信息。洪水事件在湖泊中形成的沉积层往往具有独特的矿质或有机特征，能够反映事件能量和物源信息。然而，现有的洪水层检测方法存在明显局限：磁化率（MS）和X射线荧光（XRF）扫描虽然能有效检测矿质脉冲，但容易遗漏有机质丰富或密度对比弱的层位，且在高分辨率下可能产生噪声；目视岩心描述受主观性影响且分辨率有限。更关键的是，传统方法难以同时识别矿质和有机两类洪水层，且通常具有破坏性或耗时。因此，开发一种高分辨率、非破坏性、可重复的检测方法，对于扩展洪水年表、理解区域水文气候变率具有重要意义。

针对上述问题，研究人员利用挪威西部Vangsvatnet湖的沉积物岩心（VV-17，总长10.47米，本研究分析上部1.48米段），提出了一种基于计算机断层扫描（CT）结合阈值分割的新方法。Vangsvatnet湖位于洪水频发的Voss地区，其集水区地形陡峭，历史洪水记录丰富，为方法测试提供了理想条件。该方法的创新之处在于：通过CT获取岩心的高分辨率密度数据，对矿质（高密度）和有机（低密度）事件层分别进行阈值分割，并额外分割空气以去除因部分容积效应产生的假阳性信号，从而在亚厘米分辨率下精确识别洪水层。

研究人员采用了以下主要技术方法：首先，使用UWITEC活塞岩心采集系统获取连续沉积物岩心；其次，采用ProCon Alpha CT扫描仪（EARTHLAB，卑尔根大学）在125 kV、825 μA、267毫秒曝光条件下扫描岩心，经Volex CToffice重建获得约200微米体素大小的高分辨率图像；然后，在Thermo Science Avizo 2020.2软件中对CT数据进行处理，通过阈值分割分别提取矿质层、有机层和空气，再利用膨胀和减除操作去除空气干扰；最后，使用LineProbe工具沿岩心深度以2毫米间隔输出阈值化材料的体积百分比，并设定10%阈值以排除单颗粒或孤立有机碎屑造成的假阳性。为对比验证，还采用了传统方法：GEOTEK多传感器岩心记录仪以2毫米分辨率测量磁化率（MS），ITRAX XRF岩心扫描仪以500微米分辨率、29 kV、28 mA、10秒曝光获取XRF数据（经中心对数比CLR变换），以及目视岩心描述。样本来源于2017年6月采集的Vangsvatnet湖岩心。

研究结果表明，新方法在检测洪水事件层方面显著优于传统方法。检测结果主要包括：

**与传统方法的对比**：基于CT阈值分割，研究人员在分析的1.48米岩心段中检测到33个矿质层和29个有机层，合计62个洪水事件（其中6对有机层紧邻矿质层，按组合事件计数为56次洪水）。相比之下，磁化率ROC（变化速率）2σ方法仅检测到41层（其中7层超过2σ），CT灰度值ROC 2σ检测到19层，1σ检测到61层，目视记录仅识别出11层。CT阈值分割法检测到的事件数量是MS ROC 2σ的6倍，且能同时区分有机和矿质事件层。

**有机层的识别能力**：传统方法如MS和XRF主要响应矿质组分，难以捕获有机质丰富的事件层。CT阈值分割通过密度对比能有效识别低密度有机层，这是磁化率和XRF无法做到的。此外，CT数据的三维可视化功能允许研究者直接查看岩心结构，并半自动去除气体/空气袋，避免因部分容积效应导致的假阳性，而ROC类方法在存在气体袋的深度（如约193厘米处）会记录虚假事件。

**复合事件的识别**：研究中有6个有机洪水层紧邻矿质层，根据Nielsen等人（2026）的解释，这类成对层被计为一次事件。这种复合型洪水事件在使用其他方法时难以区分，除非肉眼下清晰可见。CT方法通过同时捕捉两类密度信号，能够清晰分辨这种薄互层结构。

在讨论部分，研究人员指出，CT方法主要依赖洪水层与背景沉积之间的密度差异，因此对于源岩相同但粒度或能量差异大的事件也能有效识别。然而，CT不能单独区分洪水与其他高能事件（如滑坡、碎屑流等），仍需结合流域和湖底分析进行综合判断。MS和XRF作为一阶筛选工具仍有价值，但CT可在多代理框架中发挥核心作用：用CT识别层位架构和连续性，用MS/XRF指纹识别物源变化，用烧失量（LOI）或粒度分析在关键深度进行验证。关于阈值选择，研究人员强调，以往研究采用灰度值百分位数（如1–5百分位和95百分位）的方法缺乏可重复性，因为灰度分布会随裁剪和滤波改变；而基于CT影像中可见层位确定阈值更为可靠。CT扫描分辨率也需注意：200微米分辨率下，可稳定识别的最小层厚需显著大于体素尺寸，以避免部分容积效应，对更薄层（如年纹层）需提高扫描分辨率。

研究结论可翻译为：本研究表明，基于阈值分割的计算机断层扫描（CT）为湖泊沉积物中识别矿质和有机事件层提供了一种有效的非破坏性方法。通过利用微小的密度差异，该方法检测到的事件层数量远多于磁化率、XRF扫描或目视记录，同时能够去除诸如空气袋或孤立颗粒等常产生假阳性的伪影。基于CT的阈值分割通过亚厘米尺度解析事件层并区分其物质特征，改进了古洪水重建，从而提高了对洪水频率、群发性和沉积物输运动力学的估计精度。由于该工作流程快速、可重复且保留岩心材料供进一步分析，它为现有代用指标提供了有力补充，并促进了高分辨率洪水年表的发展。虽然CT单独无法完全区分密度对比重叠的洪水与其他高能过程，但该方法为未来自动化（包括基于规则的阈值分割和机器学习方法）奠定了坚实基础。随着这些工具的成熟，CT有望成为跨多种环境生成详细、可迁移的过去水文气候变率记录的核心技术。