卞紅煒,劉建宗,李 璇
(新疆大學地理與遙感科學學院,烏魯木齊 830017)
粒度的組成及分布特征與沉積物的來源、搬運條件、沉積環境以及沉積后風化作用有關,是沉積物的重要結構特征[1]。沉積物粒度對于沉積環境和沉積物搬運動力條件的判斷和研究方面具有重要意義[2,3],在研究各類沉積物的古環境演變問題中應用較廣[4-6]。然而沉積物的物質來源豐富多樣,沉積動力條件也有諸多的不確定性,對于粒度的解釋存在各種不確定性[7],僅使用粒度參數來研究和判斷沉積物所代表的環境信息是不可靠的,需要結合其他方法共同解釋沉積物所代表的環境信息[7-9]。隨著數學的發展,可以運用數學方法識別混合沉積物中的單個動力組分,通過解釋單個動力組分而獲得對環境信息的解釋[10,11]。數學方法如端元模型法、對數函數擬合法和Gen.Weilbull 函數擬合法等均可對沉積物粒度組分進行分離[12-15]。粒度端元法就是利用不同的數學算法將沉積物的粒度成分劃分為一定數量的組分。該方法能很好地將具有不同特征沉積物中的粒度組分分離開,許多科研人員使用該方法分析沉積物的物質來源和沉積動力條件,均取得了不錯的成果[16-21]。
干旱的沙漠有豐富的沉積動力,為研究粒度端元法在沉積物粒度分解上的應用提供了條件,但是,粒度端元法在沙漠沉積物中的應用研究相對較少[9]。不同的沉積動力、沉積環境和物源會影響粒度的分布特征,不同的粒度端元法有各自的優點以及局限性,因此粒度端元法并不適用于所有區域的沉積物,不同粒度端元法對于同一區域的適用性亦有待考究[22,23]。本研究以克里雅河尾閭圓沙三角洲古河道一處定年較精確的剖面沉積物的粒度數據為例,將不同粒度組分記錄的混合信號分離出來,分析該區域剖面沉積物粒度端元。采用Paterson 等[17]提供的AnalySize 軟件包中非參數化EMA(End-menber analysis)法和參數化EMA 法進行端元計算,同時結合Zhang 等[24]基于遺傳算法提出的BasEMMA(End-member modeling analysis)法將克里雅河尾閭圓沙三角洲古河道剖面粒度數據端元分解,然后進行對比,從3 種方法中取最優解從而判斷出端元數量。利用粒度端元法對粒度進行分離并分析推測分離出的單個組分來源或指示意義,旨在為該區域的粒度端元分解提供參考,也為該區域古氣候研究提供新的思路。
克里雅河發源于昆侖山,經過新疆于田縣流進塔克拉瑪干沙漠[25]。漫長的歷史發展使得克里雅河流域在不同時期孕育了不同的文明。KYN22 剖面(81°35'E,39°03'N)是克里雅河尾閭圓沙三角洲一古河道剖面,位于圓沙古城以北22 km 處一河谷東岸(圖1)。剖面記錄了圓沙古三角洲的環境變化[26,27]。DEM 數據和遙感影像數據均來源于地理空間數據云(http://www.gscloud.cn/)。
圖1 研究區概況
張峰等[26]按照沉積物特征逐層采集了該剖面樣品(共計134 件)并對其完成了前處理以及粒度測定。本研究的樣品數據由張峰等提供,去掉重復樣品,樣品數量達122件,覆蓋了剖面所有不同沉積層。
粒度端元法是通過統計學方法,把不同物源和動力作用而成的粒度特征進行分離和提取并對其進行分類,從而識別沉積物的物質來源和沉積動力[16,28]。本研究使用Paterson 等[17]設計的Analy-Size 軟件包,在Matlab 環境下運行程序,隨后假設最多10 個端元的情況,利用參數化EMA 和非參數化EMA 方法對實測的沉積物粒度數據進行分解,使用Gen.Weilbull 分布函數作為主要的參數化方法,基于Zhang 等[24]的遺傳算法,提出BasEMMA 法分解沉積物粒度數據。通過對比3 個方法中的最優解,判斷端元數量。
對KYN22 剖面樣品粒度數據進行參數化(Gen.Weilbull 分布函數)端元分析,發現當端元個數為3時,數據集的復相關系數(R2)達0.980,趨近于1,此時各端元之間R2為0.026(圖2a、圖2b),表明擬合的3 個端元相關性極低,彼此獨立,不存在過度擬合,角度偏差值為7.6°;當選取端元個數為4 時,數據集的R2為0.990,各端元之間的相關度值為0.195,角度偏差值為4.9°。各指標都有較好擬合度時,選擇較少的端元數量,據此,最佳端元數量選擇3 個。
圖2 端元分析
對KYN22 剖面樣品粒度數據執行非參數化端元分析(圖2c),發現各非參數化端元的端元頻率分布曲線呈多峰分布,分離結果不理想,難以解釋每個端元所代表的動力組分。而參數化端元的各端元頻率分布曲線呈單峰分布,相對來說分離更徹底,可以較好地判斷物質來源和搬運方式。因此,本研究選擇AnalySize 軟件包中的參數化EMA 方法進行粒度組分的分離討論。
進一步通過BasEMMA 法對數據集進行分離,擬合結果見圖2d。當端元數分別為2、3、4、5 時,各粒級的R2分別為0.620、0.800、0.880 和0.910,即隨著端元數量的增加,擬合效果增加;當端元數為3 時,2~3 μm、20~50 μm 粒級的擬合程度比端元數為2 時更好,尤其是20~50 μm 粒級;當端元數為4 時,擬合程度進一步改善;當端元數為5 時,各粒級R2均值為0.910,但是提高程度有限。Zhang 等[24]指出,如果端元數選擇合理,多次運算結果應該一致。從圖2e和圖2f對比可以看出,雖然端元數為4 時3 次運算結果的重合度較高,但是端元數為4 得到的端元頻率分布曲線出現多峰的情況比端元數為3 時明顯,說明此時分離不徹底,因此,最終選取3 個端元(EM1、EM2、EM3)。
由圖2g 可知,AnalySize 軟件包中的參數化法(以下簡稱AnalySize 參數化EMA 法)與BasEMMA 法得到的端元峰值分布總體區別不大,盡管BasEMMA法獲得的峰值較高,但其端元頻率曲線出現雙峰分布,分離不夠徹底,而AnalySize 參數化EMA 法得到的分布曲線均為單峰分布,分離較為徹底,能更好地對粒度端元進行解釋分析,因此本研究最終選取AnalySize 參數化端元分析法獲得的3 個端元進行分析。
從AnalySize 參數化方法得出的端元粒度頻率曲線可以看出(圖2g),KYN22 剖面EM1 粒徑介于0.90~100.00 μm,眾數粒徑為12.62 μm,主要組分為粉沙,極細沙含量較少,細沙含量極少,中沙含量可忽略不計。EM2 粒徑介于7.09~112.00 μm,眾數粒徑為44.77 μm,主要組分為粉沙,極細沙含量較少,細沙含量極少,EM3 粒徑介于31.70~251.79 μm,眾數粒徑為89.34 μm,主要組分為極細沙,細沙含量較少,粉沙次之,中沙含量極少。
從圖3 可以看出,3 個端元隨著深度的變化整體形態呈鋸齒狀,EM1 和EM3 隨剖面深度的變化形態基本呈對稱狀,EM2 組分粒度變化范圍較小,變化趨勢較緩。不同深度各端元的含量不同(表1)??傮w來看,EM1 組分占比為0~97.52%,平均為25.24%;EM2 組分占比為0~77.42%,平均為34.66%;EM3 組分占比為0~99.70%,平均為40.09%。
表1 各端元在剖面不同深處的含量
圖3 KYN22 剖面各端元在深度上的變化特征
該組分在3 個端元中顆粒最細,眾數粒徑為12.62 μm。通常來說,粒徑小于20 μm 的沉積物可以通過高空遠距離懸浮搬運[29];粒徑較粗的物質搬運所需的動力較強,一般在強風條件才會有大量的運動[30]。Lin 等[31]通過觀察塔里木盆地南緣區域的大氣粉塵含量發現,在沙塵暴天氣過后,大氣粉塵中<20 μm 組分的含量會隨時間的延長而增加。因此,認為<20 μm 組分指代了可以在大氣中懸浮漂移的粉塵組分,當風力減弱后發生沉降。由圖2g 可以看出,EM1 的粒度分布范圍較大,分選較差。孫東懷等[32]的研究表明,在河流動力系統下,河流沉積物中懸移組分的眾數粒徑也很小,一般在10.00~15.00 μm,且分選較差。因此,EM1 代表在河流水量較少、河流流速很慢或者發生靜水沉積的組分。
該組分的眾數粒徑為44.77 μm,較EM1 顆粒稍粗。Tsoar 等[33]認為20.00~63.00 μm 粉沙顆粒組分的搬運方式為近地面短距離懸移,一次搬運距離在1 000 km 以內。Nottebaum 等[30]認為對于粗粒端元環境意義的解釋,要關注近源物質供給。根據Middleton[34]的理論計算,該組分粒度屬于懸移搬運的粒度范圍,而其受河流徑流量大小的影響,因此EM2可能與河流水量較大環境有關。
該組分眾數粒徑為89.34 μm,是眾數粒徑最粗的組分,為極細沙組分。多數學者認為沙物質的運移方式主要為近距離懸移或躍移,且該組分在河流階地或靠近河流的黃土沉積中占比較高,是河流沉積物在受到風力的搬運堆積作用下產生的[30]。Vandenberghe[29]總結出>75 μm 的粒徑主要來自幾百米或幾公里范圍內的沙質源區,而KYN22 剖面的克里雅河是該粗粒組分的最佳源區,因此,EM3 可能代表風沙環境。
剖面底部沉積物顯示深度為1 070~1 040 cm 時該處曾以風沙活動為主,端元結果也表明,EM3 含量最高,說明該時期可能以風沙活動為主。深度990~910 cm,端元結果顯示該地層EM3 含量最高,EM1次之,EM2 最低,說明該時期河流水量較大,且水量較為平穩,根據沉積物的相與粒度特征分析,該地層粒徑變細且沉積物的顏色為偏青灰色,表明此時河水水量充足,河道長期有水。深度910~815 cm,端元結果顯示該地層EM3 含量最高,說明該時期風沙活動頻繁,或者有洪泛事件,而EM1 含量次之,說明水量較小或者為靜水沉積,此處沉積物淺黃色極細沙轉多,說明此時周圍的風沙活動頻繁,河流環境較弱,之后815~755 cm 中EM2 含量最高,EM3 次之,但是與深度910~815 cm 時相比,EM3 含量大幅減少,說明此時的風沙環境減弱,EM1 含量減少,表明水量較小或者為靜水沉積,而該地層極細沙與粉沙互層增多,也說明此時洪流增多。755~655 cm 中EM3 含量最高,表明該層的風沙堆積較多。550~240 cm 中EM2 組分含量最高,EM3 次之,EM1 略少于EM3,因此,該層以EM2 為主,EM3 和EM1 混合作用,說明此時期河流活動頻繁,風沙進入河流。240~25 cm 中,EM2 組分占比最高,并且較為穩定,說明該時期水量較大,河流環境穩定。
剖面底部樣品EM3 組分占比接近100%,可以認為完全屬于風沙環境,這與張峰等[26]的研究結果一致。而后EM1 和EM2 占比增加,超過EM3 組分,其中EM2 占比最高,表明該時期河流水量增大,風沙環境向河流環境轉變。此后,EM1+EM2 平均含量最高,約為61%,而EM3 的平均含量為39%,表明該剖面底部完全為風沙環境,其他部分為河流沉積與風沙堆積共存并且以河流沉積為主的環境。
對塔里木盆地內部克里雅河尾閭圓沙三角洲古河道剖面KYN22 沉積物粒度進行端元分析,將參數化EMA 法和非參數化EMA 法以及基于遺傳算法提出的BasEMMA 法3 種粒度端元法分離結果進行對比,最終確定了AnalySize 參數化EMA 法獲得的3 個端元,并對端元結果所揭示的環境信息進行了探討,小結如下。
1)AnalySize 軟件包中的參數化EMA 端元模型分離結果更適合該剖面。
2)EM1 代表在河流水量較少、河流流速很慢或者發生靜水沉積的組分。EM2 代表在河流水量和流速相對于EM1 較大的環境下沉積的組分。EM3 代表風沙環境沉積的組分。
3)本研究端元結果表明,KYN22 剖面底部為風沙環境,其他部分為河流沉積與風沙堆積共存且以河流沉積為主的環境。