黄土高原地区泥沙来源复合指纹示踪研究进展

史玮玥, 岳 荣, 方怒放

〔1.中国地质大学(北京) 信息工程学院， 北京 100083；2.西北农林科技大学 水土保持研究所 黄土高原土壤侵蚀与旱地农业国家重点实验室， 陕西 杨凌 712100〕

黄土高原是世界上土壤侵蚀最严重的地区之一，强烈的土壤侵蚀引起土壤养分流失，土地退化和生产力降低，侵蚀所产生的泥沙涌入河道，成为污染物迁移转化的主要载体[1]。流域作为黄土高原水土保持综合治理的基本单元，蕴含了大量泥沙侵蚀特征和侵蚀环境信息。在小流域侵蚀产沙系统中，侵蚀泥沙的来源、类型、时空分布可以决定流域泥沙输出的属性[2]。判别黄土高原流域泥沙来源成为流域土壤侵蚀和泥沙运移研究的重要方面，有助于为黄土高原小流域水土流失综合治理提供针对性的管理措施，为水土保持措施的实施提供理论指导。

指纹识别技术示踪泥沙始于20世纪70年代。早期使用单因子，采用大气沉降核素[3-5]、稳定同位素[6]、土壤矿物[7]为指纹因子，之后随着指纹识别技术的发展，因子种类不断丰富。例如利用大气沉降核素(137Cs，7Be，210Pbex)在表土中具有特殊的分布性质，在示踪坡面土壤侵蚀过程[8-9]、估算土壤侵蚀沉积速率、土壤侵蚀量[10-13]、反演流域侵蚀历史[14]等研究中具有明显优势。单因子指纹识别技术虽然应用的较多，但具有不确定性：①指纹因子浓度受地貌、土壤、植被、气候、土地利用等流域环境因素的影响而具有明显的差异；②当物源数量增多时，指纹因子浓度不能在物源间表现出显著差异，即在多物源情况下，单指纹因子已经不具备判别能力；③土壤侵蚀的方式不一，泥沙输移路径方式的复杂性和不确定性，也降低了单指纹因子的识别能力；④指纹判别能力的差异以及在泥沙中保存性能的差异，使得不同元素示踪得出的结果差异较大。因而，采用复合指纹识别技术，通过因子筛选确定最优因子组，再结合多变量线性混合模型，计算各潜在源地的泥沙贡献比，可使指纹识别技术的可信度和准确度得到大幅提高。

1 理论基础

泥沙来源复合指纹示踪技术，是以地表物质内所含的各种物质指标为指纹识别因子，选择由多因子指纹组合替代单指纹因子，结合多变量线性混合模型，定量计算不同泥沙物源区输沙贡献的技术方法。流域内的土壤、植被、地质、地貌以及土地利用、农作物管理措施共同影响泥沙运移，构建流域内泥沙来源的时间、空间分布格局[2]。在一个流域内，地质上的相异性是导致地表物质物理化学性质的内部因素，而一些外部因素如地貌变化、土地利用、地表侵蚀会直接影响含沙流的运移路径和方式，从而使地表物质的物理化学等各种性质差异进一步加强，最终在流域出口泥沙中，使得指纹因子在含量、种类上显现出差异[15]。指纹示踪技术就是通过以上内部联系，再建立质量平衡模型，实现对泥沙来源的定量分摊。

2 各因子研究进展

应用指纹因子示踪泥沙来源包括几个前提条件[16]：首先指纹因子要有保存性，在泥沙运移过程中不受其他因素的影响而发生变化；其次所使用的指纹因子要有判别能力，在各泥沙来源区之间差异性显著；最后所应用的定量模型要有估算流域内各泥沙来源区对流域产沙的贡献能力。目前来说，黄土高原地区所用于示踪泥沙来源的指纹因子，按性质主要分为3大类，分别为物理性质类属性(土壤粒径分布、颗粒形态、颜色等)、化学性质类属性(放射性核素、无机元素、矿物成分、土壤磁性等)、生物性质类属性(有机组分、有机化合物、生物标志物、稳定性同位素等)，表1概括了当前黄土高原地区运用复合指纹示踪技术判别泥沙来源的大概进展，同时总结了黄土高原地区所使用的各指纹因子的特性及研究进展。

2.1 土壤物理性质

泥沙颜色、形态、粒度都可以作为指纹识别因子。在早期的研究中，Grimshaw和Lewin[17]通过泥沙颜色，对沉积泥沙来源进行判别。Boer和Crosby[18]利用SEM/EDS(扫描电子显微镜/能量色散光谱分析法)，将黏土类的颗粒形态作为示踪因子，判别了流域两种表层土壤来源。Pulley等[19]利用土壤磁性和颜色作为示踪剂对沉积物来源进行比较，得出颜色适用于追踪历史沉积物来源。在黄土高原地区，王晓[20]采用粒度分析法对小流域泥沙来源进行分析，得到了黄土高原砒砂岩区小流域泥沙主要来源是沟谷地。安正锋[21]、弥智娟[22]除了将所有理化属性指标作为指纹因子进行分析外，还将泥沙各个粒径区间和特征粒径作为识别因子共同进行分析，得到了砂岩是皇甫川流域典型淤地坝拦截泥沙主要贡献区。由于泥沙的输移具有颗粒的分选性，细沙又有团聚和分散作用，并且伴随土壤发生的化学变化，导致泥沙颜色具有极大的不稳定性。因而，单一物理性质因子在实际应用中受到许多限制。

2.2 核素因子

核素指纹因子主要为天然放射性核素(137Cs，7Be，210Pbex，226Ra，232Th等)。20世纪60年代初，Menzel[23]研究了放射性核素的运移和土壤侵蚀的关系，而后Walling和Woodward[24]利用137Cs，210Pb，226Ra这3种核素，结合有机碳氮、磁性组成复合指纹，证明了复合指纹识别在大尺度流域内确定沉积物来源的应用潜力。Schuller等[25]利用137Cs，210Pb，226Ra，40K、土壤有机质构成复合指纹，研究了林业作业背景下细颗粒泥沙主要来源。在国内，20世纪80年代，张信宝等[26]在羊道沟开展了黄土高原小流域泥沙来源的137Cs法研究，判别梁峁坡和沟壑区的相对来沙量，得出了沟道区为泥沙主要来源地。杨明义等[27]、李少龙等[28]以及杨明义和徐龙江[29]在黄土高原地区用放射性核素进行了泥沙示踪研究，同时证明了复合指纹识别技术在黄土高原地区用于识别泥沙来源的可行性。

放射性核素作为识别因子，在较大尺度有较多优点，但是应用较多的核素如137Cs(半衰期30.1 a)，它是核试验的产物，在20世纪60年代达到顶峰，之后由于禁止核试验，137Cs在土壤中的含量会随着时间的推移衰变或侵蚀掉，失去示踪能力[30]；而7Be半衰期只有53.3 d，只能在次降雨短期内进行示踪，受时间尺度影响很大[31]。

2.3 地球化学性质

地球化学组成分为主要元素(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)，目前已广泛被用于沉积物来源示踪和重建历史沉积物来源。不同的母岩构成，则直接影响空间来源的地球化学元素含量，可以用于各类母岩发育下土壤类型区泥沙来源判别；在相同母岩类型区，成土过程由于风化作用、淋溶作用、土地利用、植被覆盖等影响，地球化学组成同样存在差异。1997年，Collins等[32]利用漫滩沉积物中的地化元素作为指示剂，重建两个流域盆地沉积物来源的变化。范立杰[33]利用地化元素研究皇甫川坝控小流域泥沙来源，得到裸岩是主要的泥沙贡献区，占到39.7%。

Knaus和Gent[34]指出最好的稳定示踪剂应该是和土壤紧密结合、对生物无害、随水迁移能力弱、背景值较低。稀土元素(REE)正是这样一种理想的示踪物质，其容易被土壤颗粒强烈吸附，与土壤有较高的亲和力，利用中子活化分析检测时，灵敏度高，简单易行[35-37]；而且REE间具有相似的化学性质，利用稀土元素进行研究，可以消除元素之间化学性质差异而引起的试验误差[38]。

在黄土高原地区，石辉等[38]通过室内模拟试验，首次将REE示踪法引入泥沙来源研究，表明REE示踪法可以得到较满意结果。薛亚洲等[39]通过研究发现，侵蚀严重区主要集中在坡面下部的三分之一区域，产沙量几乎占到坡面产沙量的100%。魏霞等[40]利用REE示踪技术，在室内利用坡沟系统模型，对黄土高原坡沟系统侵蚀泥沙来源问题进行研究。目前黄土高原已有的REE示踪多数局限在室内模拟，在流域尺度上还未见报道。

2.4 土壤磁性

原生铁通过一系列生物化学作用生成次生磁矿物，性质稳定，在土壤中的保存性能强。大尺度范围内，不同区域磁性矿物的分布具有明显的差异性，其种类、含量和赋存方式主要受到成岩过程和地质构造所影响，小尺度范围内，植被覆盖、土地利用等微地貌的差异，也使磁性矿物具有差异性[41]。在土壤空间剖面分布上，表层土壤磁性强度高，以超顺磁性颗粒为主[42]。沉积物磁性继承了其来源物质的属性，沉积物来源不同，其磁性矿物成分、含量、颗粒度也不同，所以他们的磁性特征如磁化率、饱和剩磁、矫顽力等就有差别，将它们和周围可能的来源区泥沙磁性作对比，就可以得出各种沉积泥沙的准确来源[41]。土壤磁性作为示踪因子，有两大优势：一是连续性好、分辨率高、有效记录了气候、人为活动对环境的影响；二是磁参数的测量简单快速、无破坏性。经过磁参数测试后，还可以进行核素，地球化学分析，也可以迅速与其他指纹因子相结合，进行复合示踪。20世纪70年代，Oldfield等[43]最早利用质量磁化率、饱和等温剩磁，剩磁矫顽力等磁性参数识别了河流中悬浮泥沙来源。80年代末90年代初，Yu和Oldfield[44]、俞立中[45]等说明了沉积物来源组成定量分析的磁诊断模型，利用磁信息对沉积物来源组成的定量计算。董元杰和史衍玺[46]利用磁性示踪法对坡面土壤侵蚀进行了探讨，认为其是一种行之有效的方法。贾松伟和韦方强[47]利用土壤磁性特征在蒋家沟流域研究沉积物的来源，表明滑坡体堆积物是泥石流沉积物的主要来源。在黄土高原小流域研究中，趋磁细菌[48]、碳酸盐淋溶[49]、作物覆盖燃烧[50]、有机质和土壤粒径大小[51]对土壤磁化率的影响也不容忽视，目前在黄土高原，大多数学者如Zhao等[52]、王永吉[53]是把磁性因子和其他因子结合，采用复合指纹识别技术判别泥沙来源。

2.5 土壤有机组分、稳定同位素和孢粉因子

土壤有机组分是构成土壤有机质的基本元素，是碳、氮生物循环的重要组成物质。近年来，许多研究者将土壤有机组分作为指纹因子，在黄土高原小流域进行沉积土壤有机质，有机碳和沉积泥沙来源判别，得到了比较好的效果。Liu等[54]利用13C和放射性同位素(137Cs和210Pbex)，以及C/N来定性和定量地识别有机碳来源。张玮[55]，Zhang等[56]将土壤有机质，TN，TP，TK和其他指纹因子复合，得到了农耕地、裸地是主要的泥沙来源区。然而，有机碳的含量随时会受到土壤团聚体稳定性的制约[57]，种植系统和轮作次序的不同，会使土壤有机质在土壤剖面分布产生差异[58]，农作物和树种枯落物在坝地堆积以及施加氮肥、磷肥、有机肥也会加速土壤有机质的富集和分解。所以，判别泥沙来源时，一般多是将土壤有机质、全碳、全氮等与其他因子复合，很少单独使用。

碳、氮稳定同位素(δ13C，δ15N)作为土壤重要组成部分，其代表碳库和氮库的土壤有机质在生态系统物质循环中扮演了重要角色。δ13C受地面植被种类，土壤颗粒大小和土壤深度的影响而表现出差异性。δ15N是15N和14N的比值，表面土壤的δ15N来自腐烂植被和植物根部的有机物质的输送，反映了泥沙物源区的植被覆盖类别和土地管理措施的特点。Mukundan等[59]在南皮埃蒙特流域对21种示踪剂进行测试，得出137Cs和15N是识别流域潜在沉积物来源的最佳示踪剂，并表明δ15N作为一种独特示踪剂，可以区分不同来源地的土壤。Papanicolaou等[60]在帕卢斯河流域利用δ15C,δ15N和C/N识别森林和农业用地土壤，得到了氮稳定同位素和C/N是可靠的指纹识别因子。Blake等[61]使用单体同位素分析法在农业小流域辨别了不同泥沙来源。黄土高原地区，安正峰[21]利用稳定碳、氮同位素作为复合指纹因子在黄土高原多沙粗沙区小流域进行产沙来源判别，得到了砂岩是主要的泥沙来源。干旱、气候变化、海拔、以及施肥会对碳氮同位素产生重大影响[60]，在利用碳氮同位素时，必须重点注意如气侯条件、海拔高度、纬度等改变沉积物稳定同位素组成的因素。

孢粉是孢子植物的孢子和种子植物的花粉，质轻量多，散布极远，性质比较稳定。1985年，Brown[62]首次论证了孢粉在判别沉积泥沙来源中的潜在用途。何永彬等[63]利用137Cs示踪技术和孢粉分析法，对喀斯特峰丛草地洼地泥沙沉积进行研究。在黄土高原地区，张信宝等[64]在陕北吴起县周湾水库利用孢粉进行示踪，得到了坡地和草地土壤不是沉积泥沙的主要来源孢粉浓度的变化受到季节、花粉生产力、花粉的耐腐蚀性以及花粉颗粒的分散度影响较大；在采样过程中，采样点和散播花粉植被的距离也会对孢粉浓度产生影响，还有关于孢粉的运输方式和储存过程还尚在研究中，并不成熟[62]，在黄土高原地区使用孢粉示踪的相关研究还相对较少。

2.6 生物标志物

生物标志物(由C，H及其他元素组成的复杂有机物质)存在于沉积物或岩石中，在演化过程中记载了原始生物母质碳骨架的特殊分子结构信息。目前来说研究范围主要在类脂物分子、烷烃、非烃类的酸、醇、酯等。2008年，Gibbs[65]首次利用对植物的天然生物标志物(脂肪酸)的同位素分析，得到了不同土地利用下的物源区对河口沉积物的贡献。陈方鑫等[66]利用生物标志物(正构烷烃)与其他理化性质作为复合指纹因子，在黄土丘陵区判别沉积泥沙来源，得到了沟壁是主要泥沙来源区的结论。Liu等[67]利用烷烃生物标记、碳氮同位素和有机组分对土壤有机物来源进行示踪，得到了农田是土壤有机质的主要来源。生物标志物与地质条件关系不大，与土地利用关系密切，生物标志物示踪就可应用在土壤质地较为均一的区域。

2.7 光谱法示踪

红外光谱示踪法是将红外光谱作为指纹示踪因子，借助化学计量法对红外光谱数据进行整理和特征提取，建立定量模型，对泥沙来源进行预测分析。红外光谱示踪法原理在于物质在红外光谱范围的吸收峰为基频、倍频与合频吸收，不同化合物有其特异的红外吸收光谱，其谱带的强度、位置、形状及数目均与化合物及其状态有关。Poulenard等[68]初次尝试使用漫反射红外光谱示踪河流悬浮沉积物来源并取得了理想的结果。先后有学者利用可见光谱在卢森堡[69]和法国[70]，紫外可见光谱[71]和近红外光谱[72]在巴西南部，可见近红外光谱在卢森堡[73]，中红外在法国[74]开展泥沙来源的研究。在进行光谱法示踪研究建模时，一般选用偏最小二乘法基于不同源地配比的混合样构建模型，再把目标样品带入模型中，计算目标样品来源及比例[68-69]。红外光谱技术具有样品预处理简单、快速、高效、等优势，受到较多关注，但是在黄土高原地区尚未见报道。

3 混合模型

数值混合模型的应用，使得各潜在泥沙源地泥沙贡献率得到量化[75]。1986年，Thompson[76]在研究如何通过找到最佳的原样组合来解释所调查沉积物的磁特性时，通过建立m个线性方程组来求解这类混合问题。之后在1989年，Yu和Oldfield[44]采用多元回归分析法对各种磁参数建立的回归方程进行分析，通过得到的线性规划数学模式，对沉积物来源组成进行定量分析。1993年，Walling等[77]提出了一种更为简单的方法，避免了建立经验混合模型方程，其混合模型的基本表述为：

(1)

式中：Ci——泥沙样指纹因子 的浓度；Xj——泥沙源地j的泥沙贡献率；Sji——源地j中指纹因子i的平均浓度；m——潜在泥沙源地数量。下同。

表1 黄土高原地区复合指纹示踪研究概况

Walling等通过引入数据分析优化模型使得各源地的泥沙贡献率更接近实际情况，通过找到各源地的泥沙贡献率，使模拟的指纹因子属性值和实际属性值的相对误差平方和最小，模型如下：

(2)

1997年，Collins等[84]在模型中加入有机质和土壤粒径校正因子，后来在Collins[85]的修正模型中，还加入了指纹因子判别权重。2006年，Landwehr和Gellis[86]在确定源地对河流样品相对来源贡献时，通过潜在来源地中示踪因子浓度的方差的均方根使模型数值结果最小化。2009年，Gellis等[87]将Landwehr模型进行改良。Landwehr模型的独特之处在于该模型公式使一个标准偏差，并不受示踪因子浓度直接影响，所以，当示踪因子的浓度非常小或者接近于0时，这个模型就显得特别有用[88]。Huges等[89]采用蒙特卡罗混合模型来预测各个来源对河道和漫滩沉积泥沙的相对贡献，Huges模型是对Olley和Caitcheon[90]所概述的方法进行修改，模拟蒙特卡罗随机抽样对数据进行处理，通过随机迭代程序，从而将模型的结果失误最小化。Huges模型与Collins模型最大的不同之处在于Huges模型是直接用来源地收集的土壤样的测量值进行分析计算，而Collins模型则是使用每个特定来源类型的示踪因子的平均值[91]。Motha等[92]提出的模型是基于模型与沉积泥沙中指纹因子浓度之间相对误差的均方根。而Walden等[93]所提出的模型是在Thompson基本模式下演变而来。表2列出了几种模型及其修正结构。

在黄土高原地区，由于黄土质地较为均一和侵蚀泥沙中较低的有机质含量，目前运用最多的是Walling的模型。

表2 几种混合模型及其修正形式

注：式中:Ci为泥沙中指纹因子i的浓度；Xj为源地j的相对产沙率；l为蒙特卡罗迭代次数；Sji为源地j中指纹因子i的平均浓度；VARji为源地j指纹因子i的方差；m为泥沙潜在源地数；n为指纹因子数。下同。

4 算法运用

目前在黄土高原地区，研究者在利用混合模型求解时，大多用到的算法有两种，一是最小二乘法，二是遗传算法[94]。在泥沙沉积物来源判别中，1999年，Owens等[95]使用最小二乘法在英国约克郡河湾流域判别成沉积物来源及其历史变化。在黄土高原地区，赵恬茵[70]、薛凯[72]、王永吉[53]研究人员在求解多元混合模型时大多都使用最小二乘法，取得了较满意的研究结果。首次将遗传算法运用在泥沙示踪方面是Collins等[96]在英格兰南部的皮德尔河上游利用地球化学元素并结合遗传算法研究农田侵蚀沉积物来源，同时将传统的优化算法和遗传算法作了比较。在黄土高原地区研究中，Chen等[79-80]利用遗传算法来预测泥沙来源贡献，取得了较好的研究成果。

5 不确定性分析

混合模型是基于两个基本的假设，即源示踪指纹因子的时空同质性，土壤属性和泥沙属性两者可以相互比较；沉积物在输移过程中，指纹因子具有保守性。这样的假设，使得这种方法具有内在的不确定性[97]。Martínezcarreras等[98]指出，导致这种不确定性的原因可有： ①泥沙潜在来源的数量和性质通常是假定的，用于示踪来源的指纹因子可能在时间和空间上发生变异； ②同时在泥沙输移过程中进行转换，发生沿程形态转变； ③物源区和河道之间联系并不明确； ④不同来源的泥沙是否混合均匀； ⑤线性叠加关系假设不一定都满足。所以在对泥沙来源复合指纹示踪研究时，需要进行不确定性分析。

Motha等[92]，Collins和Walling[99]都使用模拟蒙特卡罗随机抽样法，根据每个源类型的每个指纹属性的平均值和标准偏差来构建累积正态分布，从而确定示踪剂属性的平均值范围来描述一个特定的来源，在置信限度内估计每一种源类型对每个泥沙样品的相对贡献。Chen等[80]在黄土高原埝堰沟流域内进行泥沙来源判别时，通过模拟5 000次蒙特卡罗抽样结合遗传算法，在95%的置信区间内，用每个数据集的均值表示贡献率。

拟合优度最初由Motha提出，用悬浮沉积物的每一种示踪物的计算值和实际值之间的相对差异来衡量[92]，一般当拟合优度值大于0.8时，其结果精确度才会被接受[99]。具体的计算方法如下：

(6)

式中：n——指纹识别因子数量。

6 关于复合指纹技术在黄土高原地区使用的一些建议

选用不同指纹因子时，首先要注重流域尺度问题。因黄土质地较为均一，在较小尺度，地球化学元素差异可能较小，不适宜做示踪研究。但是黄土有垂直分布，马兰黄土、离石黄土、午城黄土组成差异明显，假如侵蚀泥沙来源于不同黄土，则地球化学元素又可以作为指纹因子。放射性核素适用于耕作侵蚀/坡面侵蚀研究，而对于沟蚀下切较深部位，放射性核素是不能用来计算泥沙来源的，故而在黄土高原小流域/流域尺度不建议使用放射性核素进行泥沙来源研究，但是在沉积物断代、区分沟蚀/面蚀等非定量研究上，可以使用放射性核素作为参考。生物标志物作为指纹因子可以表征土地利用，结合同位素技术具有较大应用前景，但是黄土高原大规模的生态恢复过程使得土地利用发生较大变化，在选用指纹因子和确定泥沙源地时，应考虑植被变化对生物标志物的影响，且对有机质在土壤中的分解、输移、物质守恒需要有一定的理解。总体来说指纹因子的选择取决于研究地点、研究尺度、研究目的以及对各类示踪剂理化性质的了解上，好的指纹因子保守性要强，在各潜在来源之间可以明显区别、性质稳定，在水沙输移过程中，变异程度小或者在可接受范围内。此外还应该考虑时间、价格、试验难易程度等。例如稀土元素REE、生物标志物因子测定价格较高，137Cs示踪测试耗时较长等，都是需要考虑的因素。

近20 a来，复合指纹识别泥沙来源技术在黄土高原地区发展迅速，目前黄土高原地区还是以探讨指纹因子应用研究为主，在混合模型矫正，多方法比较，指纹因子守恒，泥沙颗粒和有机质影响等方面的研究还有所欠缺。为更好地应用复合指纹示踪技术，从采样到数据处理，从因子选择到模型验证，应当通过大量的研究形成一套规范标准程序，确保其对泥沙来源研究能提供可靠的数据支撑。