黃土高原地區泥沙來源復合指紋示蹤研究進展

史瑋玥, 岳 榮, 方怒放

〔1.中國地質大學(北京) 信息工程學院， 北京 100083；2.西北農林科技大學 水土保持研究所 黃土高原土壤侵蝕與旱地農業國家重點實驗室， 陜西 楊凌 712100〕

黃土高原是世界上土壤侵蝕最嚴重的地區之一，強烈的土壤侵蝕引起土壤養分流失，土地退化和生產力降低，侵蝕所產生的泥沙涌入河道，成為污染物遷移轉化的主要載體[1]。流域作為黃土高原水土保持綜合治理的基本單元，蘊含了大量泥沙侵蝕特征和侵蝕環境信息。在小流域侵蝕產沙系統中，侵蝕泥沙的來源、類型、時空分布可以決定流域泥沙輸出的屬性[2]。判別黃土高原流域泥沙來源成為流域土壤侵蝕和泥沙運移研究的重要方面，有助于為黃土高原小流域水土流失綜合治理提供針對性的管理措施，為水土保持措施的實施提供理論指導。

指紋識別技術示蹤泥沙始于20世紀70年代。早期使用單因子，采用大氣沉降核素[3-5]、穩定同位素[6]、土壤礦物[7]為指紋因子，之后隨著指紋識別技術的發展，因子種類不斷豐富。例如利用大氣沉降核素(137Cs，7Be，210Pbex)在表土中具有特殊的分布性質，在示蹤坡面土壤侵蝕過程[8-9]、估算土壤侵蝕沉積速率、土壤侵蝕量[10-13]、反演流域侵蝕歷史[14]等研究中具有明顯優勢。單因子指紋識別技術雖然應用的較多，但具有不確定性：①指紋因子濃度受地貌、土壤、植被、氣候、土地利用等流域環境因素的影響而具有明顯的差異；②當物源數量增多時，指紋因子濃度不能在物源間表現出顯著差異，即在多物源情況下，單指紋因子已經不具備判別能力；③土壤侵蝕的方式不一，泥沙輸移路徑方式的復雜性和不確定性，也降低了單指紋因子的識別能力；④指紋判別能力的差異以及在泥沙中保存性能的差異，使得不同元素示蹤得出的結果差異較大。因而，采用復合指紋識別技術，通過因子篩選確定最優因子組，再結合多變量線性混合模型，計算各潛在源地的泥沙貢獻比，可使指紋識別技術的可信度和準確度得到大幅提高。

1 理論基礎

泥沙來源復合指紋示蹤技術，是以地表物質內所含的各種物質指標為指紋識別因子，選擇由多因子指紋組合替代單指紋因子，結合多變量線性混合模型，定量計算不同泥沙物源區輸沙貢獻的技術方法。流域內的土壤、植被、地質、地貌以及土地利用、農作物管理措施共同影響泥沙運移，構建流域內泥沙來源的時間、空間分布格局[2]。在一個流域內，地質上的相異性是導致地表物質物理化學性質的內部因素，而一些外部因素如地貌變化、土地利用、地表侵蝕會直接影響含沙流的運移路徑和方式，從而使地表物質的物理化學等各種性質差異進一步加強，最終在流域出口泥沙中，使得指紋因子在含量、種類上顯現出差異[15]。指紋示蹤技術就是通過以上內部聯系，再建立質量平衡模型，實現對泥沙來源的定量分攤。

2 各因子研究進展

應用指紋因子示蹤泥沙來源包括幾個前提條件[16]：首先指紋因子要有保存性，在泥沙運移過程中不受其他因素的影響而發生變化；其次所使用的指紋因子要有判別能力，在各泥沙來源區之間差異性顯著；最后所應用的定量模型要有估算流域內各泥沙來源區對流域產沙的貢獻能力。目前來說，黃土高原地區所用于示蹤泥沙來源的指紋因子，按性質主要分為3大類，分別為物理性質類屬性(土壤粒徑分布、顆粒形態、顏色等)、化學性質類屬性(放射性核素、無機元素、礦物成分、土壤磁性等)、生物性質類屬性(有機組分、有機化合物、生物標志物、穩定性同位素等)，表1概括了當前黃土高原地區運用復合指紋示蹤技術判別泥沙來源的大概進展，同時總結了黃土高原地區所使用的各指紋因子的特性及研究進展。

2.1 土壤物理性質

泥沙顏色、形態、粒度都可以作為指紋識別因子。在早期的研究中，Grimshaw和Lewin[17]通過泥沙顏色，對沉積泥沙來源進行判別。Boer和Crosby[18]利用SEM/EDS(掃描電子顯微鏡/能量色散光譜分析法)，將黏土類的顆粒形態作為示蹤因子，判別了流域兩種表層土壤來源。Pulley等[19]利用土壤磁性和顏色作為示蹤劑對沉積物來源進行比較，得出顏色適用于追蹤歷史沉積物來源。在黃土高原地區，王曉[20]采用粒度分析法對小流域泥沙來源進行分析，得到了黃土高原砒砂巖區小流域泥沙主要來源是溝谷地。安正鋒[21]、彌智娟[22]除了將所有理化屬性指標作為指紋因子進行分析外，還將泥沙各個粒徑區間和特征粒徑作為識別因子共同進行分析，得到了砂巖是皇甫川流域典型淤地壩攔截泥沙主要貢獻區。由于泥沙的輸移具有顆粒的分選性，細沙又有團聚和分散作用，并且伴隨土壤發生的化學變化，導致泥沙顏色具有極大的不穩定性。因而，單一物理性質因子在實際應用中受到許多限制。

2.2 核素因子

核素指紋因子主要為天然放射性核素(137Cs，7Be，210Pbex，226Ra，232Th等)。20世紀60年代初，Menzel[23]研究了放射性核素的運移和土壤侵蝕的關系，而后Walling和Woodward[24]利用137Cs，210Pb，226Ra這3種核素，結合有機碳氮、磁性組成復合指紋，證明了復合指紋識別在大尺度流域內確定沉積物來源的應用潛力。Schuller等[25]利用137Cs，210Pb，226Ra，40K、土壤有機質構成復合指紋，研究了林業作業背景下細顆粒泥沙主要來源。在國內，20世紀80年代，張信寶等[26]在羊道溝開展了黃土高原小流域泥沙來源的137Cs法研究，判別梁峁坡和溝壑區的相對來沙量，得出了溝道區為泥沙主要來源地。楊明義等[27]、李少龍等[28]以及楊明義和徐龍江[29]在黃土高原地區用放射性核素進行了泥沙示蹤研究，同時證明了復合指紋識別技術在黃土高原地區用于識別泥沙來源的可行性。

放射性核素作為識別因子，在較大尺度有較多優點，但是應用較多的核素如137Cs(半衰期30.1 a)，它是核試驗的產物，在20世紀60年代達到頂峰，之后由于禁止核試驗，137Cs在土壤中的含量會隨著時間的推移衰變或侵蝕掉，失去示蹤能力[30]；而7Be半衰期只有53.3 d，只能在次降雨短期內進行示蹤，受時間尺度影響很大[31]。

2.3 地球化學性質

地球化學組成分為主要元素(Na，Mg，Ca，K，Fe，Al等)、微量元素(Ba，As，Cr，Zn，Co，Cs，Ag，Cd，Cu，Mn，Ni，Pb，Sb，Se，V，Hf等)、稀土元素(REE)(Ce，Eu，La，Lu，Sm，Tb，Yb等)，目前已廣泛被用于沉積物來源示蹤和重建歷史沉積物來源。不同的母巖構成，則直接影響空間來源的地球化學元素含量，可以用于各類母巖發育下土壤類型區泥沙來源判別；在相同母巖類型區，成土過程由于風化作用、淋溶作用、土地利用、植被覆蓋等影響，地球化學組成同樣存在差異。1997年，Collins等[32]利用漫灘沉積物中的地化元素作為指示劑，重建兩個流域盆地沉積物來源的變化。范立杰[33]利用地化元素研究皇甫川壩控小流域泥沙來源，得到裸巖是主要的泥沙貢獻區，占到39.7%。

Knaus和Gent[34]指出最好的穩定示蹤劑應該是和土壤緊密結合、對生物無害、隨水遷移能力弱、背景值較低。稀土元素(REE)正是這樣一種理想的示蹤物質，其容易被土壤顆粒強烈吸附，與土壤有較高的親和力，利用中子活化分析檢測時，靈敏度高，簡單易行[35-37]；而且REE間具有相似的化學性質，利用稀土元素進行研究，可以消除元素之間化學性質差異而引起的試驗誤差[38]。

在黃土高原地區，石輝等[38]通過室內模擬試驗，首次將REE示蹤法引入泥沙來源研究，表明REE示蹤法可以得到較滿意結果。薛亞洲等[39]通過研究發現，侵蝕嚴重區主要集中在坡面下部的三分之一區域，產沙量幾乎占到坡面產沙量的100%。魏霞等[40]利用REE示蹤技術，在室內利用坡溝系統模型，對黃土高原坡溝系統侵蝕泥沙來源問題進行研究。目前黃土高原已有的REE示蹤多數局限在室內模擬，在流域尺度上還未見報道。

2.4 土壤磁性

原生鐵通過一系列生物化學作用生成次生磁礦物，性質穩定，在土壤中的保存性能強。大尺度范圍內，不同區域磁性礦物的分布具有明顯的差異性，其種類、含量和賦存方式主要受到成巖過程和地質構造所影響，小尺度范圍內，植被覆蓋、土地利用等微地貌的差異，也使磁性礦物具有差異性[41]。在土壤空間剖面分布上，表層土壤磁性強度高，以超順磁性顆粒為主[42]。沉積物磁性繼承了其來源物質的屬性，沉積物來源不同，其磁性礦物成分、含量、顆粒度也不同，所以他們的磁性特征如磁化率、飽和剩磁、矯頑力等就有差別，將它們和周圍可能的來源區泥沙磁性作對比，就可以得出各種沉積泥沙的準確來源[41]。土壤磁性作為示蹤因子，有兩大優勢：一是連續性好、分辨率高、有效記錄了氣候、人為活動對環境的影響；二是磁參數的測量簡單快速、無破壞性。經過磁參數測試后，還可以進行核素，地球化學分析，也可以迅速與其他指紋因子相結合，進行復合示蹤。20世紀70年代，Oldfield等[43]最早利用質量磁化率、飽和等溫剩磁，剩磁矯頑力等磁性參數識別了河流中懸浮泥沙來源。80年代末90年代初，Yu和Oldfield[44]、俞立中[45]等說明了沉積物來源組成定量分析的磁診斷模型，利用磁信息對沉積物來源組成的定量計算。董元杰和史衍璽[46]利用磁性示蹤法對坡面土壤侵蝕進行了探討，認為其是一種行之有效的方法。賈松偉和韋方強[47]利用土壤磁性特征在蔣家溝流域研究沉積物的來源，表明滑坡體堆積物是泥石流沉積物的主要來源。在黃土高原小流域研究中，趨磁細菌[48]、碳酸鹽淋溶[49]、作物覆蓋燃燒[50]、有機質和土壤粒徑大小[51]對土壤磁化率的影響也不容忽視，目前在黃土高原，大多數學者如Zhao等[52]、王永吉[53]是把磁性因子和其他因子結合，采用復合指紋識別技術判別泥沙來源。

2.5 土壤有機組分、穩定同位素和孢粉因子

土壤有機組分是構成土壤有機質的基本元素，是碳、氮生物循環的重要組成物質。近年來，許多研究者將土壤有機組分作為指紋因子，在黃土高原小流域進行沉積土壤有機質，有機碳和沉積泥沙來源判別，得到了比較好的效果。Liu等[54]利用13C和放射性同位素(137Cs和210Pbex)，以及C/N來定性和定量地識別有機碳來源。張瑋[55]，Zhang等[56]將土壤有機質，TN，TP，TK和其他指紋因子復合，得到了農耕地、裸地是主要的泥沙來源區。然而，有機碳的含量隨時會受到土壤團聚體穩定性的制約[57]，種植系統和輪作次序的不同，會使土壤有機質在土壤剖面分布產生差異[58]，農作物和樹種枯落物在壩地堆積以及施加氮肥、磷肥、有機肥也會加速土壤有機質的富集和分解。所以，判別泥沙來源時，一般多是將土壤有機質、全碳、全氮等與其他因子復合，很少單獨使用。

碳、氮穩定同位素(δ13C，δ15N)作為土壤重要組成部分，其代表碳庫和氮庫的土壤有機質在生態系統物質循環中扮演了重要角色。δ13C受地面植被種類，土壤顆粒大小和土壤深度的影響而表現出差異性。δ15N是15N和14N的比值，表面土壤的δ15N來自腐爛植被和植物根部的有機物質的輸送，反映了泥沙物源區的植被覆蓋類別和土地管理措施的特點。Mukundan等[59]在南皮埃蒙特流域對21種示蹤劑進行測試，得出137Cs和15N是識別流域潛在沉積物來源的最佳示蹤劑，并表明δ15N作為一種獨特示蹤劑，可以區分不同來源地的土壤。Papanicolaou等[60]在帕盧斯河流域利用δ15C,δ15N和C/N識別森林和農業用地土壤，得到了氮穩定同位素和C/N是可靠的指紋識別因子。Blake等[61]使用單體同位素分析法在農業小流域辨別了不同泥沙來源。黃土高原地區，安正峰[21]利用穩定碳、氮同位素作為復合指紋因子在黃土高原多沙粗沙區小流域進行產沙來源判別，得到了砂巖是主要的泥沙來源。干旱、氣候變化、海拔、以及施肥會對碳氮同位素產生重大影響[60]，在利用碳氮同位素時，必須重點注意如氣侯條件、海拔高度、緯度等改變沉積物穩定同位素組成的因素。

孢粉是孢子植物的孢子和種子植物的花粉，質輕量多，散布極遠，性質比較穩定。1985年，Brown[62]首次論證了孢粉在判別沉積泥沙來源中的潛在用途。何永彬等[63]利用137Cs示蹤技術和孢粉分析法，對喀斯特峰叢草地洼地泥沙沉積進行研究。在黃土高原地區，張信寶等[64]在陜北吳起縣周灣水庫利用孢粉進行示蹤，得到了坡地和草地土壤不是沉積泥沙的主要來源孢粉濃度的變化受到季節、花粉生產力、花粉的耐腐蝕性以及花粉顆粒的分散度影響較大；在采樣過程中，采樣點和散播花粉植被的距離也會對孢粉濃度產生影響，還有關于孢粉的運輸方式和儲存過程還尚在研究中，并不成熟[62]，在黃土高原地區使用孢粉示蹤的相關研究還相對較少。

2.6 生物標志物

生物標志物(由C，H及其他元素組成的復雜有機物質)存在于沉積物或巖石中，在演化過程中記載了原始生物母質碳骨架的特殊分子結構信息。目前來說研究范圍主要在類脂物分子、烷烴、非烴類的酸、醇、酯等。2008年，Gibbs[65]首次利用對植物的天然生物標志物(脂肪酸)的同位素分析，得到了不同土地利用下的物源區對河口沉積物的貢獻。陳方鑫等[66]利用生物標志物(正構烷烴)與其他理化性質作為復合指紋因子，在黃土丘陵區判別沉積泥沙來源，得到了溝壁是主要泥沙來源區的結論。Liu等[67]利用烷烴生物標記、碳氮同位素和有機組分對土壤有機物來源進行示蹤，得到了農田是土壤有機質的主要來源。生物標志物與地質條件關系不大，與土地利用關系密切，生物標志物示蹤就可應用在土壤質地較為均一的區域。

2.7 光譜法示蹤

紅外光譜示蹤法是將紅外光譜作為指紋示蹤因子，借助化學計量法對紅外光譜數據進行整理和特征提取，建立定量模型，對泥沙來源進行預測分析。紅外光譜示蹤法原理在于物質在紅外光譜范圍的吸收峰為基頻、倍頻與合頻吸收，不同化合物有其特異的紅外吸收光譜，其譜帶的強度、位置、形狀及數目均與化合物及其狀態有關。Poulenard等[68]初次嘗試使用漫反射紅外光譜示蹤河流懸浮沉積物來源并取得了理想的結果。先后有學者利用可見光譜在盧森堡[69]和法國[70]，紫外可見光譜[71]和近紅外光譜[72]在巴西南部，可見近紅外光譜在盧森堡[73]，中紅外在法國[74]開展泥沙來源的研究。在進行光譜法示蹤研究建模時，一般選用偏最小二乘法基于不同源地配比的混合樣構建模型，再把目標樣品帶入模型中，計算目標樣品來源及比例[68-69]。紅外光譜技術具有樣品預處理簡單、快速、高效、等優勢，受到較多關注，但是在黃土高原地區尚未見報道。

3 混合模型

數值混合模型的應用，使得各潛在泥沙源地泥沙貢獻率得到量化[75]。1986年，Thompson[76]在研究如何通過找到最佳的原樣組合來解釋所調查沉積物的磁特性時，通過建立m個線性方程組來求解這類混合問題。之后在1989年，Yu和Oldfield[44]采用多元回歸分析法對各種磁參數建立的回歸方程進行分析，通過得到的線性規劃數學模式，對沉積物來源組成進行定量分析。1993年，Walling等[77]提出了一種更為簡單的方法，避免了建立經驗混合模型方程，其混合模型的基本表述為：

(1)

式中：Ci——泥沙樣指紋因子 的濃度；Xj——泥沙源地j的泥沙貢獻率；Sji——源地j中指紋因子i的平均濃度；m——潛在泥沙源地數量。下同。

表1 黃土高原地區復合指紋示蹤研究概況

Walling等通過引入數據分析優化模型使得各源地的泥沙貢獻率更接近實際情況，通過找到各源地的泥沙貢獻率，使模擬的指紋因子屬性值和實際屬性值的相對誤差平方和最小，模型如下：

(2)

1997年，Collins等[84]在模型中加入有機質和土壤粒徑校正因子，后來在Collins[85]的修正模型中，還加入了指紋因子判別權重。2006年，Landwehr和Gellis[86]在確定源地對河流樣品相對來源貢獻時，通過潛在來源地中示蹤因子濃度的方差的均方根使模型數值結果最小化。2009年，Gellis等[87]將Landwehr模型進行改良。Landwehr模型的獨特之處在于該模型公式使一個標準偏差，并不受示蹤因子濃度直接影響，所以，當示蹤因子的濃度非常小或者接近于0時，這個模型就顯得特別有用[88]。Huges等[89]采用蒙特卡羅混合模型來預測各個來源對河道和漫灘沉積泥沙的相對貢獻，Huges模型是對Olley和Caitcheon[90]所概述的方法進行修改，模擬蒙特卡羅隨機抽樣對數據進行處理，通過隨機迭代程序，從而將模型的結果失誤最小化。Huges模型與Collins模型最大的不同之處在于Huges模型是直接用來源地收集的土壤樣的測量值進行分析計算，而Collins模型則是使用每個特定來源類型的示蹤因子的平均值[91]。Motha等[92]提出的模型是基于模型與沉積泥沙中指紋因子濃度之間相對誤差的均方根。而Walden等[93]所提出的模型是在Thompson基本模式下演變而來。表2列出了幾種模型及其修正結構。

在黃土高原地區，由于黃土質地較為均一和侵蝕泥沙中較低的有機質含量，目前運用最多的是Walling的模型。

表2 幾種混合模型及其修正形式

注：式中:Ci為泥沙中指紋因子i的濃度；Xj為源地j的相對產沙率；l為蒙特卡羅迭代次數；Sji為源地j中指紋因子i的平均濃度；VARji為源地j指紋因子i的方差；m為泥沙潛在源地數；n為指紋因子數。下同。

4 算法運用

目前在黃土高原地區，研究者在利用混合模型求解時，大多用到的算法有兩種，一是最小二乘法，二是遺傳算法[94]。在泥沙沉積物來源判別中，1999年，Owens等[95]使用最小二乘法在英國約克郡河灣流域判別成沉積物來源及其歷史變化。在黃土高原地區，趙恬茵[70]、薛凱[72]、王永吉[53]研究人員在求解多元混合模型時大多都使用最小二乘法，取得了較滿意的研究結果。首次將遺傳算法運用在泥沙示蹤方面是Collins等[96]在英格蘭南部的皮德爾河上游利用地球化學元素并結合遺傳算法研究農田侵蝕沉積物來源，同時將傳統的優化算法和遺傳算法作了比較。在黃土高原地區研究中，Chen等[79-80]利用遺傳算法來預測泥沙來源貢獻，取得了較好的研究成果。

5 不確定性分析

混合模型是基于兩個基本的假設，即源示蹤指紋因子的時空同質性，土壤屬性和泥沙屬性兩者可以相互比較；沉積物在輸移過程中，指紋因子具有保守性。這樣的假設，使得這種方法具有內在的不確定性[97]。Martínezcarreras等[98]指出，導致這種不確定性的原因可有： ①泥沙潛在來源的數量和性質通常是假定的，用于示蹤來源的指紋因子可能在時間和空間上發生變異； ②同時在泥沙輸移過程中進行轉換，發生沿程形態轉變； ③物源區和河道之間聯系并不明確； ④不同來源的泥沙是否混合均勻； ⑤線性疊加關系假設不一定都滿足。所以在對泥沙來源復合指紋示蹤研究時，需要進行不確定性分析。

Motha等[92]，Collins和Walling[99]都使用模擬蒙特卡羅隨機抽樣法，根據每個源類型的每個指紋屬性的平均值和標準偏差來構建累積正態分布，從而確定示蹤劑屬性的平均值范圍來描述一個特定的來源，在置信限度內估計每一種源類型對每個泥沙樣品的相對貢獻。Chen等[80]在黃土高原埝堰溝流域內進行泥沙來源判別時，通過模擬5 000次蒙特卡羅抽樣結合遺傳算法，在95%的置信區間內，用每個數據集的均值表示貢獻率。

擬合優度最初由Motha提出，用懸浮沉積物的每一種示蹤物的計算值和實際值之間的相對差異來衡量[92]，一般當擬合優度值大于0.8時，其結果精確度才會被接受[99]。具體的計算方法如下：

(6)

式中：n——指紋識別因子數量。

6 關于復合指紋技術在黃土高原地區使用的一些建議

選用不同指紋因子時，首先要注重流域尺度問題。因黃土質地較為均一，在較小尺度，地球化學元素差異可能較小，不適宜做示蹤研究。但是黃土有垂直分布，馬蘭黃土、離石黃土、午城黃土組成差異明顯，假如侵蝕泥沙來源于不同黃土，則地球化學元素又可以作為指紋因子。放射性核素適用于耕作侵蝕/坡面侵蝕研究，而對于溝蝕下切較深部位，放射性核素是不能用來計算泥沙來源的，故而在黃土高原小流域/流域尺度不建議使用放射性核素進行泥沙來源研究，但是在沉積物斷代、區分溝蝕/面蝕等非定量研究上，可以使用放射性核素作為參考。生物標志物作為指紋因子可以表征土地利用，結合同位素技術具有較大應用前景，但是黃土高原大規模的生態恢復過程使得土地利用發生較大變化，在選用指紋因子和確定泥沙源地時，應考慮植被變化對生物標志物的影響，且對有機質在土壤中的分解、輸移、物質守恒需要有一定的理解。總體來說指紋因子的選擇取決于研究地點、研究尺度、研究目的以及對各類示蹤劑理化性質的了解上，好的指紋因子保守性要強，在各潛在來源之間可以明顯區別、性質穩定，在水沙輸移過程中，變異程度小或者在可接受范圍內。此外還應該考慮時間、價格、試驗難易程度等。例如稀土元素REE、生物標志物因子測定價格較高，137Cs示蹤測試耗時較長等，都是需要考慮的因素。

近20 a來，復合指紋識別泥沙來源技術在黃土高原地區發展迅速，目前黃土高原地區還是以探討指紋因子應用研究為主，在混合模型矯正，多方法比較，指紋因子守恒，泥沙顆粒和有機質影響等方面的研究還有所欠缺。為更好地應用復合指紋示蹤技術，從采樣到數據處理，從因子選擇到模型驗證，應當通過大量的研究形成一套規范標準程序，確保其對泥沙來源研究能提供可靠的數據支撐。