img

官方微信

高级检索

中国沙漠, 2021, 41(6): 111-119 doi: 10.7522/j.issn.1000-694X.2021.00091

内蒙古额济纳盆地沉积物粒度特征及沉积环境

谢轲,1, 尹辉,2

1.新纪元大学学院,马来西亚 加影 43000

2.惠州学院 地理与旅游学院,广东 惠州 516007

The characteristic of grain-size in Ejina Basin and associated sedimentary dynamic environmental analysis

Xie Ke,1, Yin Hui,2

1.New Era University College,Kajang 43000,Malaysia

2.School of Geography and Tourism,Huizhou University,Huizhou 516007,Guangdong,China

通讯作者: 尹辉(E-mail: 314851130@qq.com

收稿日期: 2021-04-08   修回日期: 2021-07-13  

Received: 2021-04-08   Revised: 2021-07-13  

作者简介 About authors

谢轲(1985—),男,湖南衡阳人,博士,主要从事水土保持与荒漠化研究E-mail:287554636@qq.com , E-mail:287554636@qq.com

摘要

沉积物的粒度特征对于分析区域沉积动力环境有着重要意义。本文以额济纳盆地为研究区,以戈壁、河床和沙丘3个主要地貌单元采集的表层沉积物样本的粒度测量结果为数据源,基于粒度参数分析和端元建模分析,研究了沉积物的粒度特征、端元构成和反映的沉积动力环境。结果表明:(1)额济纳盆地表层沉积物粒度曲线具有单峰和多峰分布,其中戈壁和沙丘沉积物组成上以砂质为主,河床沉积物组成上以砂质和粉砂质为主。(2)表层沉积物可分解出4个主要端元,端元1到端元4的主要物质依次为粗粉砂、细砂、中砂和细砂混合物以及粗砂和中砂混合物。(3)区域环境特点分析表明,表层沉积物端元1主要代表了以流水为主的动力过程,端元2主要代表了风力作用和局部地形环境复合的过程,端元3和端元4主要是风力主导下的多外营力复合以及局部环境共同作用的结果。

关键词: 额济纳盆地 ; 粒度特征 ; 端元建模 ; 沉积环境

Abstract

The grain-size characteristics of sediments are of great significance for the analysis of regional sedimentary dynamic environment. In this study, we take the Ejina Basin as the research area, and uses the grain-size measurement results of the surface sediment samples collected from three main geomorphological units of the Gobi, riverbed and sand dunes as data source. Based on the analysis of grain-size parameters and end-member modeling analysis, the grain size characteristics, end-member composition and reflected sedimentary dynamic environment of sediments were analyzed. The results show that: (1) The grain size curve of the surface sediments in the Ejina Basin has a single-peak and multi-peak distribution. The Gobi and sand dune samples mainly include sandy sediment, and the riverbed samples mainly include sand and silty. (2) Surface sediments is decomposed into four main end-members. The main sediment of end-member 1 to end-member 4 are coarse silt, fine sand, medium-fine sand mixture and coarse-medium sand mixture in order. (3) End-member 1 of the surface sediments mainly represent a dynamic process dominated by flowing water; end-member 2 mainly represent the process of wind action and local topographic environment compounding; end-member 3 and end-member 4 are result of multiple external forces dominated by wind and local environment compounding.

Keywords: Ejina Basin ; grain-size characteristics ; end-member modeling ; sedimentary environment

PDF (4143KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

谢轲, 尹辉. 内蒙古额济纳盆地沉积物粒度特征及沉积环境. 中国沙漠[J], 2021, 41(6): 111-119 doi:10.7522/j.issn.1000-694X.2021.00091

Xie Ke, Yin Hui. The characteristic of grain-size in Ejina Basin and associated sedimentary dynamic environmental analysis. Journal of Desert Research[J], 2021, 41(6): 111-119 doi:10.7522/j.issn.1000-694X.2021.00091

0 引言

粒度是沉积物的重要性质,沉积物粒度数据中包含着大量关于沉积物来源、搬运动力和过程、沉积环境和过程的信息,利用粒度数据提取环境和过程信息一直是沉积学领域的探索热点1-2。不同来源的沉积物可以通过与气候、植被、地质和地貌动力学有关的多种沉积过程进行搬运和沉积3。在搬运过程中,不同大小的粒度组分受营力影响,在沉积时产生粒度分布差异。因此沉积物粒度分析的经典方法是通过测量粒度分布并计算粒度参数4,从而推断沉积物物质来源、搬运和沉积过以及相关沉积环境。然而,当沉积物通过一个以上的过程进行搬运和沉积并产生混合分布时,粒度曲线通常呈现复杂的模态特征,此时粒度参数方法通常难以揭示完整的环境信息。为了克服粒度参数方法的局限性,改善对具有复杂粒度分布沉积物的分析,端元建模算法(End-Member Modeling Algorithm,EMMA)被用于沉积物粒度分布分析5-6。端元建模分析为沉积学研究提供了有效工具,能够从具有复杂粒度分布特征的沉积物中提取出代表不同沉积动力过程的端元信息,从而用于分析沉积物物源、搬运过程和沉积环境。目前已经提出了一系列新的分解混合分布(或多峰分布)粒度数据的参数和非参数算法,主要包括AnalySize7,BEMMA8,DRS-unmixer9和EMMAgeo10-11。Van Hateren等12使用人工数据集和地质案例研究中已发布的数据集对端元建模分析方法进行了评估,认为端元建模算法结果之间存在显著差异;AnalySize相比BEMMA、DRS-unmixer和EMMAgeo更适合从粒度分布数据集中准确提取端元信息,同时强调了端元建模应与当地地质背景信息结合使用。为此,Zhang等13也提出了一种可行的地质端元建模新方法。对于沉积物时间序列,端元建模分析可以判断沉积物所指示的环境因子的变化情况,这在第四纪地质学中得到了较好的应用14-15;而对于一定空间范围,将提取的端元信息进行空间可视化,可以据此分析沉积物的来源方向,这在海洋和河口沉积研究领域取得了良好的效果16-19。在沙漠地区,因为沉积物粒度大小范围、混合和分选在沉积过程、动力和物源方面存在系统变化。因此,对风沙沉积物结构的遗传识别研究一直是一项艰巨的工作,仅仅依据粒度资料和粒度参数方法来推断风沙沉积物的来源和沉积环境的研究存在困难,而端元建模分析为这一难题的解决提供了新思路。Li等20利用端元建模分析了巴丹吉林沙漠腹地地下水补给湖泊的表面沉积物,表明端元含量的变化可以很好地揭示湖泊水位的波动情况。

位于黑河终端的额济纳盆地是中国华北地区沙尘暴主要源区21,但目前对于额济纳盆地沉积物粒度空间特征的关注较少。Zhu等22分析了额济纳盆地代表主要表层条件的4个主要地貌单元(沙丘顶、沙丘间、戈壁和河床)沉积物的粒度分布和分选参数特征,发现沙丘顶沉积物粒度分布曲线为单峰,而沙丘间、戈壁和河床沉积物则为双峰至微多峰,但区域尺度上的分选过程却有所不同。Zhu等23对额济纳盆地沙丘沉积物粒度特征的分析表明,在区域尺度上沙丘砂在盆地中从西南向东北趋于细化,与盆地的水文环境相吻合,但与盆地风系复合方向并不相符,因此额济纳沙漠中沙丘的粒度变化是水文过程和物源等局部因素造成的,而不是区域性的风成过程。

本研究对额济纳盆地主要地貌单元下的表层沉积物进行了采样和粒度测量,利用粒度参数、Shepard三角图和端元建模分析,研究了沉积物的粒度特征,以表征其对沉积环境的响应,以期为额济纳盆地地貌发育和环境变化研究提供科学参考。

1 研究区概况

研究区(40°—43°N、99°—102°E,图1)位于中国西北部阿拉善高原西部,黑河流域的下游的额济纳盆地,呈西南-东北走向。因地处内陆,毗邻蒙古高压中心,额济纳是全球最干旱的地区之一,属于温带大陆性气候,干燥少雨,年平均气温8.8 ℃,年降水量35.6 mm,盛行西风。黑河是境内的主要河流,自西南向东北注入居延海,过狼心山后分东西支,在河流末端形成了一个相对较大的古冲积扇。自全新世晚期至今,由于气候干旱,冲积扇地区的沙漠平原(主要为戈壁沙漠)地貌得到了广泛发展,主要由砾石、细砂和淤泥组成,除黑河河道附近的耐盐草本和灌木外,境内植被稀少。

图1

图1   研究区地理位置和采样点分布

Fig.1   Location of study area and sampling points


2 材料与方法

2.1 沉积物样本采集与参数分析

通过调查发现,研究区内包含3个主要地貌单元——沙丘、戈壁和河床,且以戈壁为主,沙丘、河床镶嵌其间。在研究区的18个地点对戈壁、沙丘和干河床进行了采样(图1),共获得27个表层沉积物样品,采样深度为2—5 cm。样品用聚乙烯PE自封袋密封,随后移至实验室,冷藏保存。沉积物的粒度测试在MICROTRAC激光粒度仪(S3500)上进行。粒度特征分析首先利用Krumbein24的公式Φ=-log2D将粒径转为Φ值,其中,D为以毫米为单位的颗粒直径。根据Wentworth25的分类标准,把粒度划分为粗砂(0.5—2 mm)、中砂(0.25—0.5 mm)、细砂(62.5—250 μm)、粗粉砂(16—62.5 μm)、细粉砂(3.9—16 μm)和黏土(<3.9 μm)。基于Folk等26提出的方法计算了样本平均粒径(Mz)、分选系数(S)、偏态(SK)和峰度(Kg)等粒度参数,各指标的计算公式如式(1)—(4)所示。粒度参数的分级参考贾建军等27提出的分级方法。

Mz=Φ16+Φ50+Φ843
S=Φ75/Φ25
SK=Φ16+Φ84-2Φ502Φ84-Φ16+Φ5+Φ95-2Φ502Φ95-Φ5
Kg=Φ95-Φ52.44Φ75-Φ25

2.2 端元建模分析

端元建模分析通过将混合分布的粒度数据分解为一组端元(EM),同时得到端元载荷和得分,从而为粒度数据提供基于过程的解释。端元载荷能够建立数据集的基本粒度分布,并且可以解释为主要过程的直接代理;端元得分是每个载荷对样本的相对贡献,可以解释为每个过程在时间或空间上对沉积物形成的重要性。Paterson等7专门针对粒度分布数据提出了基于层次交替最小二乘和非负矩阵分解(HALS-NMF)算法的端元建模方法,也被称为AnalySize。该方法首先通过分裂增强拉格朗日(SISAL)算法来初始化端元分布(S);结合粒度分布数据集和初始端元分布,使用完全约束最小二乘算法初始化端元丰度(C);最后使用粒度分布数据集以及S和C的初始值对S和C进行预测。本研究使用在MATLAB环境中运行的AnalySize软件完成端元建模分析。

3 结果与分析

3.1 沉积物粒度特征

额济纳盆地表层沉积物样本的粒度分布曲线如图2所示,就表层沉积物整体而言,粒度分布曲线表现出单峰和多峰分布,粒度均值曲线呈现较明显的单峰分布,局部最大值出现在1.5 Φ(中砂)处,此外在7.26 Φ(细粉砂)和8.26 Φ(黏土)处存在两个小凸起。结合表1可知,沉积物中中砂和细砂的含量百分比均值最高,分别为32.127%和32.878%,但存在较大的空间差异(标准差分别为21.188和20.430),粒度组成上以砂质沉积物为主(累积含量达80.491%)。对表层3种地貌类型样本分别进行分析,结果表明,戈壁沉积物粒度曲线呈较为明显的多峰分布,众数出现在1.5 Φ附近;沙丘沉积物粒度曲线为单峰分布,众数同样出现在1.5 Φ附近;戈壁和沙丘沉积物的中砂和细砂(1—3 Φ)部分含量均较高,组成上以砂质沉积物为主(累积含量分别为81.806%和97.223%)。河床沉积物粒度曲线呈现多峰分布,均值曲线起伏较小,均值曲线在中砂到细粉砂(1—8 Φ)部分含量较高,组成上以砂质(累积含53.120%)和粉砂质(累积含43.582%)沉积物为主。

图2

图2   额济纳盆地表层沉积物样本及其均值的粒度分布曲线

Fig.2   Individual grain-size distributions of surface sediment samples from Ejina basin including their means


表1   表层沉积物样本粒度组成(%)特征

Table 1  Grain-size composition of surface sediment samples

类型全部表层沉积物戈壁沉积物沙丘沉积物河床沉积物
均值标准差均值标准差均值标准差均值标准差
粗砂(0—1 Φ)15.48614.79413.39712.75825.16316.7018.20610.287
中砂(1—2 Φ)32.12721.18828.75218.82250.11311.99417.07021.124
细砂(2—4 Φ)32.87820.43039.65721.60121.94715.23627.84414.092
粗粉砂(4—6 Φ)11.45315.6919.93310.4801.4912.35929.95822.450
细粉砂(6—8 Φ)6.1528.8156.0608.3051.0131.61113.62410.781
黏土(>8 Φ)1.8933.0022.2003.3390.2730.4343.2423.028

新窗口打开| 下载CSV


额济纳盆地沉积物的粒度参数特征分析表明,表层沉积物平均粒径0.75—5.79 Φ,平均2.51 Φ,在空间分布上(图3)具有河流沿线南北方向细,东南-西北向粗,自西北和东南向盆地中部变细的趋势,粒径高值出现在东南测的巴丹吉林沙漠边缘,这一分布特点与区域盛行风方向(NW和SE)一致,表明粗粒分布受风力作用影响明显,细粒分布则受到流水作用影响。表层沉积物的分选系数1.28—5.16,平均2.34,分选性差,空间分布上表现为南北高、中间低;偏态-0.94—2.01,平均值0.64,大部分呈正偏,空间上没有明显的变化趋势;峰度2.03—6.85,平均3.87,峰度宽,自西向东逐渐升高,与冬季盛行风向(NW)较为一致。

图3

图3   表层沉积物粒度参数特征空间分布

Fig.3   Characteristics of grain-size parameters of surface sediments


不同地貌类型沉积物分析结果表明,戈壁沉积物的平均粒径范围为0.87—5.79 Φ,均值为2.6 Φ,与沉积物类型组成一致(砂质沉积物为主);分选系数大多1—3,平均2.37,分选性差;偏态大多-0.33—1.5,均值为0.8,呈近对称到正偏;峰度大部分在2.75以上,均值为3.94,表现为很宽到非常宽。沙丘沉积物分选系数大多2—4,平均2.63,分选性差;偏态大多-0.33—0.33,平均0.29,呈近对称分布;峰度大多2.75—4.5,峰度很宽。河床沉积物分选系数大多1—2,平均1.85,相对其他两类沉积物分选性较好;偏态大多0.33—1.5,平均0.67,呈正偏态;峰度大部分在2.75以上,均值为3.43,表现为很宽到非常宽。

3.2 沉积物粒度端元分析

3.2.1 表层沉积物端元特征

利用AnalySize对额济纳盆地表层沉积物样本进行端元建模(图4)。当端元个数为4时,端元与数据集的决定系数R2达到0.945,随后的增加趋势不再明显,此时端元之间的决定系数R2为0.091,可见4个端元能满足拟合需要并且彼此独立性较好。从分解出的4个端元(EM1-EM4)粒度分布曲线可知,除EM1主峰不明显外,其余3个端元都有一个明显的主峰。从EM1到EM4,平均粒径和主峰粒径从小变大,分选性由差变好(分选系数由1.49减小到0.64);EM2和EM4呈明显的正偏特征(偏态分别为1.99和0.56),EM3呈明显负偏特征(偏态为-0.96)。EM1众数为5.2 Φ,大部分属于粗粉砂,其次为细粉砂,在大于8 Φ区间有一个小的凸起;EM2众数为2.75 Φ,大部分属于细砂;EM3众数为1.5 Φ,大部分属于中砂和细砂混合物;EM4众数为1.25 Φ,大部分属于粗砂和中砂混合物。

图4

图4   表层沉积物的粒度端元建模分析结果

Fig.4   The results of end-member analysis of surface sediments


表层沉积物4个端元含量的空间分布插值结果如图5所示。EM1含量整体表现出以黑河下游主河道为中心向四周逐渐降低的趋势,在主河道附近出现局部高值区;EM2含量整体呈由西向东降低的趋势;EM3和EM4的分布趋势相似,高值主要分布在西北部和东南部,并向中部延伸过程中逐渐降低。

图5

图5   表层沉积物4个端元含量的空间变化趋势

Fig.5   Spatial variations of the abundance of four end-members from surface sediments


3.2.2 不同类型沉积物的端元特征

利用AnalySize对表层3种地貌类型沉积物样本进行端元分析(图6)。戈壁、沙丘和河床3类沉积物均可提取出3个较有代表性的端元,端元数为3时与数据集的决定系数R2分别达到0.953、0.956和0.974。3类沉积物均存在众数为1.25 Φ的端元,即各自的EM3,但粒度分布曲线上存在差异。其中戈壁EM3大部分属于中砂,呈对称分布(偏态0.03);沙丘EM3大部分属于中砂和粗砂,存在2个主峰;河床EM3大部分属于中砂,含少量粗砂,分选性较好(分选系数0.59),峰尖窄。戈壁沉积物端元中,EM1主要包含粉砂和黏土,混合程度较高,EM2以细砂为主;沙丘沉积物EM1以细砂为主,EM2是中砂和细砂混合物,峰尖而窄;河床沉积物EM1大部分属于粉砂,EM2大部分为细砂。

图6

图6   戈壁(A)、沙丘(B)和河床(C)沉积物样本的端元粒度分布曲线

Fig.6   The grain-size distribution of end-members from (A) Gobi samples, (B sand dunes samples and (C) riverbed samples


3.3 端元指示的沉积环境
3.3.1 表层沉积物端元1指示的沉积环境

结合表层沉积物端元1(以下简称UEM1)的粒度分布曲线特点可知,其大部分为粉砂,此外含有部分黏土,含量空间分布上整体呈现以黑河下游主河道为中心向四周逐渐降低的趋势,高值区出现在河流沿岸。对UEM1与3类地貌沉积物端元进行相关分析显示,与河床沉积物端元1的相关性最高(R2为0.935),其次为戈壁端元1(R2为0.852),表明UEM1主要代表了河床和戈壁细颗粒沉积物的特征。受到流水搬运和堆积作用的影响,河流下游冲积扇河水漫流时,悬移质沉积物向河道两侧溢出,从而在河漫滩上层形成以细粒物质为主体的沉积物。虽然研究区风力作用强烈,部分细粒物质经风力搬运被吹失,但仍保留着较多粉砂质沉积物,说明以流水作用为主,UEM1主要代表了以流水为主的动力过程。额济纳地区风大风频,且戈壁具有较大搬运能力的风沙流,对于UEM1所反映的戈壁细颗粒沉积物,可能是细粒物质因受到石块、砾石等的遮蔽而得以在原地表保留下来的结果。

3.3.2 表层沉积物端元2指示的沉积环境

结合表层沉积物端元2(以下简称UEM2)的粒度分布曲线特点可知,其大部分为细砂,此外含有少量粉砂,含量空间分布上整体呈现自西向东逐渐降低的趋势,与表层沉积物粗颗粒端元3和端元4的分布恰好相反。对UEM2与3类地貌沉积物端元进行相关分析显示,与戈壁沉积物端元2的相关性最高(R2为0.984),其次为沙丘端元1(R2为0.901),表明UEM1主要代表了戈壁和沙丘中等颗粒沉积物的环境特征。结合研究区的地形特征可知,西侧戈壁处于3面被低山残丘环绕,北面开口的凹地环境,研究区强烈的风沙活动风沙流中包含的细砂质物质,在地形影响下,风速减弱使得较粗颗粒的物质在凹地处逐渐堆积。而受地形影响较小的部分被携带到更远的东部下风向沙漠区域堆积,形成沙丘沉积物中的端元2。因此UEM2主要代表了风力作用和局部地形环境复合的过程。

3.3.3 表层沉积物端元3和端元4指示的沉积环境

结合表层沉积物端元3和端元4(以下简称UEM3和UEM4)的粒度分布曲线特点可知,两者大部分属于粗砂和中砂的混合物,含有少量的细砂。UEM3和UEM4含量空间分布上的趋势相似,高值主要分布在西北部和东南部,并向中部延伸过程中逐渐降低。对UEM3和UEM4与3类地貌沉积物端元进行相关分析显示,与沙丘沉积物端元2的相关性最高(R2为0.995),其次为戈壁端元3,UEM4与沙丘端元3的相关性最高(R2为0.931),这表明UEM3-UEM4主要代表了沙丘和戈壁粗颗粒沉积物的环境特征。UEM3和UEM4的空间变化所表现的特点,一方面可能是由于中部位于河流沿岸,沉积物受到了河水的黏滞作用,控制了风力分选作用的强度;另一方面,西北侧由于风力作用强劲,表层细颗粒沉积物被风力吹失去,留下了颗粒较粗的沉积物。而东南部处于盆地地形的抬升区,加上巴丹吉林沙漠沙丘增加了地表的起伏,风力搬运力有所减弱,导致部分粗颗粒沉积物在此处滞留产生堆积;同时沙丘表面的细颗粒沉积物被风力吹扬,留下粗颗粒沉积物。因此,UEM3和UEM4主要是风力主导下的多外营力复合以及局部环境共同作用的结果。

4 结论

额济纳盆表层沉积物粒度具有单峰和多峰分布,中砂和细砂的含量最高,分别为32.127%和32.878%;平均粒径均值为2.51 Φ,空间上具有由中部主河道向东西两侧逐渐增大的趋势,与区域盛行风向一致,分选系数的分布恰恰相反,表明粗颗粒分布可能主要受风力影响,分选性差,细颗粒分布主要受流水影响,分选性相对较好。戈壁沉积物粒度曲线呈较为明显的多峰分布,沙丘沉积物为单峰分布,两者均在中砂和细砂部分含量较高,组成上以砂质沉积物为主(累积含量分别为81.806%和97.223%)。河床沉积物粒度曲线呈现多峰分布,组成上以砂质(累积含53.120%)和粉砂质(累积含43.582%)沉积物为主。

端元建模分析结果显示,表层沉积物可分解出4个主要端元,除端元1主峰不明显外,其余3个端元都有一个明显的主峰,从端元1到端元4,主峰粒径从小变大,分选性由差变好(分选系数由1.49减小到0.64);端元1众数为5.2 Φ,大部分属于粗粉砂,含量分布以黑河主河道为中心向周围降低;端元2众数为2.75 Φ,大部分属于细砂,分布上由西向东逐渐降低;EM3大部分属于中砂和细砂混合物,EM4大部分属于粗砂和中砂混合物,两者分布均呈现自西北部和东南部向中部降低的趋势。

结合不同类型沉积物端元提取结果和区域环境特征分析表明,表层沉积物端元1主要反映河流细颗粒沉积物的环境特征,主要代表了以流水为主的动力过程;表层沉积物端元2主要反映戈壁和沙丘中等颗粒沉积物的环境特征,主要体现了风力作用和局部地形环境复合的过程;表层沉积物端元3和端元4主要反映沙丘和戈壁粗颗粒沉积物的环境特征,主要是风力主导下的多外营力复合以及局部环境共同作用的结果。

参考文献

梁爱民屈建军董治宝.

库姆塔格沙漠沉积物粒度端元特征及其物源启示

[J].中国沙漠,2020402):33-42.

[本文引用: 1]

Langford R PGill T EJones S B.

Transport and mixing of eolian sand from local sources resulting in variations in grain size in a gypsum dune field,White Sands,New Mexico,USA

[J].Sedimentary Geology,2016333184-197.

[本文引用: 1]

Macumber A LPatterson R TGalloway J Met al.

Reconstruction of Holocene hydroclimatic variability in subarctic treeline lakes using lake sediment grain-size end-members

[J].The Holocene,2018286):845-857.

[本文引用: 1]

马茜茜肖建华姚正毅.

风成沉积物3种粒度参数计算方法比较

[J].中国沙漠,2020404):95-102.

[本文引用: 1]

Weltje G J.

End-member modeling of compositional data:numerical-statistical algorithms for solving the explicit mixing problem

[J].Mathematical Geology,1997294):503-549.

[本文引用: 1]

Prins M AWeltje G J.

End-member modeling of siliciclastic grain-size distributions:the late Quaternary record of eolian and fluvial sediment supply to the Arabian Sea and its paleoclimatic significance

[M]//Harbaugh J W,Watney W L,Rankey E C,et al.Numerical Experiments in Stratigraphy:Recent Advances in Stratigraphic and Sedimentologic Computer Simulations.Broken Arrow, Oklahoma,USASEPM Society for Sedimentary Geology199991-116.

[本文引用: 1]

Paterson G AHeslop D.

New methods for unmixing sediment grain size data

[J].Geochemistry,Geophysics,Geosystems,20151612):4494-4506.

[本文引用: 2]

Yu S YColman S MLi L.

BEMMA:a hierarchical Bayesian end-member modeling analysis of sediment grain-size distributions

[J].Mathematical Geosciences,2016486):723-741.

[本文引用: 1]

Heslop Dvon Dobeneck THöcker M.

Using non-negative matrix factorization in the unmixing of diffuse reflectance spectra

[J].Marine Geology,20072411/4):63-78.

[本文引用: 1]

Dietze EHartmann KDiekmann Bet al.

An end-member algorithm for deciphering modern detrital processes from lake sediments of Lake Donggi Cona,NE Tibetan Plateau,China

[J].Sedimentary Geology,2012243169-180.

[本文引用: 1]

Dietze EDietze M.

Grain-size distribution unmixing using the R package EMMAgeo

[J].E & G Quaternary Science Journal,2019681):29-46.

[本文引用: 1]

Van Hateren J APrins M AVan Balen R T.

On the genetically meaningful decomposition of grain-size distributions:a comparison of different end-member modelling algorithms

[J].Sedimentary Geology,201837549-71.

[本文引用: 1]

Zhang XWang HXu Set al.

A basic end-member model algorithm for grain-size data of marine sediments

[J].Estuarine,Coastal and Shelf Science,2020236106656.

[本文引用: 1]

Varga GÚjvári GKovács J.

Interpretation of sedimentary (sub) populations extracted from grain size distributions of Central European loess-paleosol series

[J].Quaternary International,201950260-70.

[本文引用: 1]

程良清宋友桂李越.

粒度端元模型在新疆黄土粉尘来源与古气候研究中的初步应用

[J].沉积学报,2018366):1148-1156.

[本文引用: 1]

张晓东季阳杨作升.

南黄海表层沉积物粒度端元反演及其对沉积动力环境的指示意义

[J].中国科学:地球科学,20154510):1515-1523.

[本文引用: 1]

Jia QFan DSun Xet al.

Grain size characteristics of the carbonate-free fraction of surface sediments from the Southwest Indian Ridge area and its geological significance

[J].Acta Oceanologica Sinica,2019382):34-43.

Li TLi T J.

Sediment transport processes in the Pearl River Estuary as revealed by grain-size end-member modeling and sediment trend analysis

[J].Geo-Marine Letters,2018382):167-178.

林镇坤王爱军叶翔.

南流江河口水下三角洲表层沉积物端元分析及其沉积动力环境意义

[J].沉积学报,2019371):124-134.

[本文引用: 1]

Li ZWei ZDong Set al.

The paleoenvironmental significance of spatial distributions of grain size in groundwater‐recharged lakes:a case study in the hinterland of the Badain Jaran Desert,northwest China

[J].Earth Surface Processes and Landforms,2018432):363-372.

[本文引用: 1]

Wang TYan C ZSong Xet al.

Landsat images reveal trends in the aeolian desertification in a source area for sand and dust storms in China's Alashan plateau (1975-2007)

[J].Land Degradation & Development,2013245):422-429.

[本文引用: 1]

Zhu BYu J.

Aeolian sorting processes in the Ejina desert basin (China) and their response to depositional environment

[J].Aeolian Research,201412111-120.

[本文引用: 1]

Zhu BYu JRioual Pet al.

Particle size variation of aeolian dune deposits in the lower reaches of the Heihe River basin,China

[J].Sedimentary Geology,201430154-69.

[本文引用: 1]

Krumbein W C.

Size frequency distributions of sediments

[J].Journal of Sedimentary Research,193442):65-77.

[本文引用: 1]

Wentworth C K.

A scale of grade and class terms for clastic sediments

[J].The Journal of Geology,1922305):377-392.

[本文引用: 1]

Folk R LWard W C.

Brazos River bar:a study in the significance of grain size parameters

[J].Journal of Sedimentary Research,1957271):3-26.

[本文引用: 1]

贾建军高抒薛允传.

图解法与矩法沉积物粒度参数的对比

[J].海洋与湖沼,2002336):577-582.

[本文引用: 1]

/