沙漠沙地风沙与湖相沉积物粒度判别方法及环境指示意义

doi:10.7522/j.issn.1000-694X.2020.00036

摘要/Abstract

摘要：

沉积物粒度特征不仅能够指示沉积物的来源和迁移方式，还可以揭示沉积环境的区域差异性及形成机制的复杂性。使用粒度对数拟合方法初步区分风沙与湖相沉积物的特征，再以乌兰布和沙漠和浑善达克沙地的218个表层风沙沉积与湖相沉积样品作为训练样本，并用同一区域不同时段采集的186个表层风沙沉积与湖相沉积样品进行验证，建立了风沙沉积物与湖相沉积物的判别模型。结果表明：该模型能够很好地分辨风沙和湖相沉积物，准确率在90%以上。结合提取沉积物的动力组分，可指示风沙沉积和湖泊沉积以外的沉积环境。

关键词: 粒度特征, 判别模型, 风沙沉积, 湖相沉积, 沉积环境

Abstract:

Sediment particle size characteristics not only indicate its source and migration mode， but also reveal the regional differences in the depositional environments and the complexity of the formation mechanism. In this paper， the characteristics of eolian and lacustrine sediments are preliminarily distinguished by lognormal-distribution fitting method. Then， in order to establish a discriminant model between aeolian and lacustrine sediments， 218 aeolian and lacustrine sediment samples from the Ulan Buh Desert and the Otindag Sandy Land are used as training samples， and 186 aeolian and lacustrine sediment samples from the same places in different years are used as testing samples.The results show that the model is able to distinguish aeolian and lacustrine sediments with an accuracy of more than 90%. Combined with the method of extracting sedimentary dynamic components， it is possible to identify sedimentary environments other than aeolian and lacustrine. This is of great significance to the preliminary judgment of the provenance of desert sediments， and also is of great reference value to the study of environmental evolution and climate reconstruction.

Key words: particle size characteristics, discrimination model, eolian sediments, lacustrine sediments, sedimentary environment

中图分类号:

P531

张娅璐, 春喜, 周海军, 张样洋, 王晓珍. 沙漠沙地风沙与湖相沉积物粒度判别方法及环境指示意义[J]. 中国沙漠, 2020, 40(5): 1-9.

Yalu Zhang, Xi Chun, Haijun Zhou, Yangyang Zhang, Xiaozhen Wang. Grain size discriminant method for eolian and lacustrine sediments of deserts and it’s environmental indication[J]. Journal of Desert Research, 2020, 40(5): 1-9.

图/表 10

参考文献 37

1	Ahmady-Birgani H，Agahi E，Ahmadi S J，et al.Sediment source fingerprinting of the Lake Urmia sand dunes ［J］.Scientific Reports，2018，8：1-15.
2	李卓仑，马素辉，王乃昂，等.巴丹吉林沙漠盐湖面积变化对湖泊边缘表层沉积物盐类矿物组合影响［J］.盐湖研究，2015，23（4）：8-14.
3	Reading H G.沉积环境与相［M］.周明鉴等，译.北京：科学出版社，1985.
4	Liu B，Jin H L，Sun L Y，et al.Geochemical characteristics of Holocene aeolian deposits and their environmental significance in the Mu Us Desert，northern China［J］.Geological Journal，2016，51（3）：325-337.
5	Xian B，Wang J，Gong C，et al.Classification and sedimentary characteristics of lacustrine hyperpycnal channels： Triassic outcrops in the south Ordos Basin，central China［J］.Sedimentary Geology，2018，3（6）：68-82.
6	Liu M，Hasi E，Sun Y.Variation in grain size and morphology of an inland parabolic dune during the incipient phase of stabilization in the Hobq Desert，China［J］.Sedimentary Geology，2016，3（16）：100-112.
7	周建超，吴敬禄，曾海鳌.新疆乌伦古湖沉积物粒度特征揭示的环境信息［J］.沉积学报，2017，35（6）：1158-1165.
8	何华春，丁海燕，张振克，等.淮河中下游洪泽湖湖泊沉积物粒度特征及其沉积环境意义［J］.地理科学，2005，25（5）：590-596.
9	于瑞雪，李畅游，李文宝，等.内蒙古达来诺尔湖湖泊沉积物中敏感粒度组分沉积环境及地层分析［J］.沉积与特提斯地质，2016，36（3）：77-82.
10	Sahu B K.Depositional mechanisms from the size analysis of clastic sediments［J］.Journal of Sedimentary Petrology，1964，34（1）：73-83.
11	李昌志，王裕宜.泥石流、冰碛和河湖沉积物的粒度特征及判别［J］.山地学报，1999，17（1）：50-54.
12	张平，宋春晖，杨用彪，等.稳定湖相沉积物和风成黄土粒度判别函数的建立及其意义［J］.沉积学报，2008，26（3）：501-507.
13	杨立辉，叶玮，郑祥民，等.河漫滩相沉积与风成沉积粒度判别函数的建立及在红土中应用［J］.地理研究，2014，33（10）：1848-1856.
14	刘海江，柴慧霞，程维明，等.基于遥感的中国北方风沙地貌类型分析［J］.地理研究，2008，27（1）：109-118.
15	迟妍妍，许开鹏，张惠远.浑善达克沙漠化防治区生态安全评价与对策［J］.干旱区研究，2015，32（5）：1024-1031.
16	付旭东，王岩松.中国沙漠物源研究：回顾与展望［J］.沉积学报，2015，33（6）：1063-1073.
17	肖生春，陈小红，丁爱军.近现代阿拉善荒漠气候变化与环境演变机制研究进展［J］.中国沙漠，2017，37（6）：1102-1110.
18	Konert M，Vandenberghe J.Comparison of laser grain size analysis with pipette and sieve analysis：A solution for the underestimation of the clay fraction［J］.Sedimentology，1997，44（3）：523-535.
19	曾方明，张萍.图解法和矩值法计算西台吉乃尔盐湖沉积物粒度参数的差异［J］.盐湖研究，2015，23（3）：1-4.
20	Friedman G M，Sanders J B.Principles of Sedimentology［M］.New York，USA：Wiley，1978：78-80.
21	Xiao J L，Fan J W，Zhai D Y，et al.Testing the model for linking grain-size component to lake level status of modern clastic lakes［J］.Quaternary International，2014，4（23）：1-10.
22	Qin X G，Cai B G，Liu T S.Loess record of the aerodynamic environment in the East Asia monsoon area since 60，000 years before present［J］.Journal of Geophysical Research-Solid Earth，2005，110（1）：1-16.
23	Reineck H E，Singh I B.陆源碎屑沉积环境［M］.陈昌明等，译.北京：石油工业出版社，1979.
24	沈亚萍，张春来，李庆，等.中国东部沙区表层沉积物粒度特征［J］.中国沙漠，2016，36（1）：150-157.
25	Folk R L，Ward W C.Brazos river bar：a study in the signification of grain size parameters［J］.Sedimentary Petrology，1957，27（1）：3-27.
26	李伯德.数学建模方法［M］.兰州：甘肃教育出版社，2006.
27	钱广强，董治宝，罗万银，等.巴丹吉林沙漠地表沉积物粒度特征及区域差异［J］.中国沙漠，2011，31（6）：1357-1364.
28	周炎广，陈惠中，管超，等.呼伦贝尔沙地风蚀坑粒度特征及其环境意义［J］.中国沙漠，2018，38（3）：724-733.
29	殷志强，秦小光，吴金水，等.湖泊沉积物粒度多组分特征及其成因机制研究［J］.第四纪研究，2008，28（2）：345-353.
30	郭晓阳，王维，王国良，等.季风边缘区湖泊表层沉积物粒度组分分布特征与影响因素［J］.地理研究，2016，35（4）：677-691.
31	朱震达，郭恒文，吴功成.塔克拉玛干沙漠西南地区绿洲附近沙丘移动的研究［J］.地理学报，1964，31（1）：37-52.
32	孙东怀，安芷生，苏瑞侠，等.古环境中沉积物粒度组分分离的数学方法及其应用［J］.自然科学进展，2001，11（3）：269-276.
33	吴霞，哈斯，杜会石，等.库布齐沙漠南缘抛物线形沙丘表面粒度特征［J］.沉积学报，2012，30（5）：937-944.
34	李小妹，吴玉伟，吴文健，等.塔克拉玛干沙漠策勒河岸风水复合地貌过程研究［J］.干旱区资源与环境，2019，33（4）：154-162.
35	冯起，陈广庭，朱震达.塔克拉玛干沙漠北部全新世环境演变［J］.环境科学学报，1996，16（2）：238-244.
36	常宏，左合君，王海兵，等.黄河乌兰布和沙漠段两岸地表沉积物多重分形特征及其指示意义［J］.干旱区研究， 2019，36（6）：1559-1567.
37	Zhang C，Li Z，Chen Q，et al.Provenance of eolian sands in the Ulan Buh Desert，northwestern China，revealed by heavy mineral assemblages［J］.Catena，2020，193：104624.

变量	Wilks’ λ	F	df₁	df₂
M_z	0.549	177.605	1	216
S_d	0.900	23.950	1	216
SK	0.968	7.161	1	216
K_g	0.928	16.783	1	216

变量	Wilks’ λ	F	df₁	df₂
M_z	0.549	177.605	1	216
S_d	0.900	23.950	1	216
SK	0.968	7.161	1	216
K_g	0.928	16.783	1	216

Wilks’ λ检验		Box’s M检验		方差特征值		结构矩阵
参数	数值	参数	数值	参数	数值	变量	判别函数
函数检验	1	Box’s M	159.343	函数检验	1	M_z	0.971
Wilks’ λ	0.534	近似值	15.424	特征值	0.872	S_d	0.357
F	134.166	df₁	10	方差百分比	100	SK	0.299
自由度	4	df₂	35760.592	累计百分比	100	K_g	-0.195
显著性	0	显著性	0	典型相关性	0.682

Wilks’ λ检验		Box’s M检验		方差特征值		结构矩阵
参数	数值	参数	数值	参数	数值	变量	判别函数
函数检验	1	Box’s M	159.343	函数检验	1	M_z	0.971
Wilks’ λ	0.534	近似值	15.424	特征值	0.872	S_d	0.357
F	134.166	df₁	10	方差百分比	100	SK	0.299
自由度	4	df₂	35760.592	累计百分比	100	K_g	-0.195
显著性	0	显著性	0	典型相关性	0.682

函数	变量				常量
函数	M_z	S_d	SK	K_g	常量
分类函数1	1.163	-6.549	-1.633	12.065	-6.576
分类函数2	3.045	-6.560	-2.446	12.707	-14.044