半干旱岩溶区油松林显著促进碳酸盐岩溶蚀

侯满福, 覃小群, 黄奇波, 邓 艳*, 刘朋雨

1)广西师范大学, 环境与资源学院/珍稀濒危动植物生态与环境保护教育部重点实验室, 广西桂林 541004;2)中国地质科学院岩溶地质研究所, 自然资源部岩溶生态系统与石漠化治理重点实验室,自然资源部/广西岩溶动力学重点实验室, 广西桂林 541004

降低人类活动的碳排放、实现碳中和是全球应对气候变化的共同目标。人类活动每年排放的CO2中, 有30%被陆地生态系统固定, 5%被碳酸盐岩风化吸收(Liu et al., 2018; Friedlingstein et al., 2020),对缓解全球气候变化具有巨大贡献。陆地生态系统恢复可以增加植被和土壤碳汇, 并与碳酸盐岩风化密切相关(Cao et al., 2012; Liu et al., 2018; Bastin et al., 2019; Kang et al., 2020)。水化学监测、水生生态系统调查、同位素示踪等研究表明, 碳酸盐岩风化吸收的大气 CO2以溶解有机碳(DIC)的形式进入水体, 促进了水生生物的光合作用, 并在水下沉积物中形成稳定的碳存储(Liu Y et al., 2010; Liu Z H et al., 2010; Cao et al., 2018; Zhao et al., 2020)。据估算,全球岩溶作用碳汇通量可达森林碳汇通量的31.18%～34.41%, 中国的岩溶作用碳汇通量高达森林碳汇通量的68%(Cao et al., 2018)。植被覆盖显著增加了输入水体的DIC(覃小群等, 2011; Xiao et al.,2021), 岩溶区植被恢复将进一步增加岩溶地质碳汇量。我国岩溶面积达 344万 km2, 生态退化和石漠化广泛发生(Jiang et al., 2014), 生态系统恢复具有巨大需求, 由此产生的植被、土壤和岩溶地质碳汇在实现碳中和中将发挥重要作用(蒋忠诚等, 2012;王世杰等, 2017)。

植被覆盖条件是影响碳酸盐岩风化速率复杂而又十分重要的因素(Berner, 1997; 曹建华等,2004)。有很多研究对比了不同植被类型对碳酸盐岩溶蚀的影响, 发现植被覆盖促进了溶蚀(Zeng et al.,2017), 且随着植被正向演替促进作用不断增强(李恩香等, 2004; 吴孔运等, 2007; 黄奇波等, 2013)。例如, 演替顶极森林群落内的溶蚀率可达演替早期草丛的2～4倍(李恩香等, 2004), 次生林的3倍, 灌丛的9倍, 耕地的15倍以上(Zhang, 2011)。这展现了通过改善植被条件增加岩溶地质碳汇的广阔前景(蒋忠诚等, 2012; Cao et al., 2018)。然而, 溶蚀率并不总是随植被正向演替而增加, 存在相当部分森林或灌丛低于草地的情况(王冬银等, 2007; 章程等,2020; 柯静等, 2021)。这种矛盾的结果还没有相关探讨和合理的解释。已开展的研究对植被类型的划分比较简单, 仅大致分为森林、灌丛和草地, 相当于植被分类的最高级单元植被型组(郭柯等, 2020),且多选择某个植被类型作为代表。这预设了森林/灌丛/草地中的不同群落类型对碳酸盐岩溶蚀的影响强度大体相同为前提。实际上岩溶植被具有复杂多样的群落类型组成(刘长成等, 2021), 选择某个类型代表高级单元对结果造成何种影响仍不清楚, 而且研究植被的简单划分无法回答何种类型的植被可以更好促进溶蚀, 增加岩溶地质碳汇。此外, 当前研究主要集中在南方湿润区, 广大的北方半干旱岩溶区存在怎样的影响规律缺乏认识。以上问题都需要从更详细的植被分类层次进行研究和确认。

因此, 我们选择一个完整的流域, 通过系统的植被调查和溶蚀试片对比实验, 旨在验证(1)半干旱岩溶区植被对溶蚀率有怎样的影响规律？(2)在植被分类更详细的群系层次这种规律有何不同？(3)造成这种不同的可能因素是什么？希望通过本研究为更好地理解植被条件与碳酸盐岩溶蚀之间的关系, 以及岩溶区植被恢复中通过树种选择实现最佳的植被、土壤和岩溶地质综合碳汇效应提供探索方向。

1 研究区概况

马跑神泉流域位于吕梁山南段东南侧、晋中盆地西南, 地理坐标 111°25′40′E—112°00′00′E,37°19′26′N—37°29′02′N, 流域面积 212.06 km2。该区域属温暖大陆性气候, 多年平均气温11.11℃, 多年平均降水量444 mm, 降雨集中在6—9月, 其中7—8月降水约占年降水量的 40%, 是典型的半干旱岩溶流域。流域西北为山区, 主要出露寒武—奥陶系碳酸盐岩, 向东南海拔渐低, 过渡为第四纪黄土丘陵区, 土壤主要为淋溶褐土和褐土性土。森林覆盖率57.58%, 灌丛面积占34.34%。森林主要分布在流域北侧白虎岭林场范围的山区, 灌丛主要分布于山地向丘陵过渡的山坡、阶地及山沟边和坡脚, 草本植被零星分布于山谷河沟附近平地, 山谷内有少量居民点和耕地(图1)。由于山区劳动人口的外迁,流域植被处于恢复过程中, 形成以油松(Pinus tabuliformis)、蒙古栎(Quercus mongolica)、白桦(Betula platyphylla)、山杨(Populus davidiana)、茶条槭(Acer tartaricum)、槲树(Quercus dentata)等构成的纯林或混交林, 其中油松纯林分布面积最大, 以油松与蒙古栎、山杨等组成的针叶与阔叶混交林其次, 蒙古栎、山杨等阔叶林较少。灌丛则以黄刺玫(Rosa xanthina)、虎榛子(Ostryopsis davidiana)分布最广泛,沙棘和紫丁香较少。

图1 研究区内实验点的植被和土地利用分布示意图Fig. 1 Vegetation and land use types of dissolution test spots in the study area

2 研究方法

2.1 植物群落调查与实验点选择

参照方精云等(2009)提出的群落清查规范, 于2011年7月选择典型地段开展样地调查, 共计调查样地63个。依据群落学—生态学原则和最新修订的中国植被分类系统(郭柯等, 2020), 将自然植被划分为3个植被型组、6个植被型、24个群系。根据分布面积选择其中15个群系的代表性样地设置了28个溶蚀试片实验点, 根据试片回收情况选择其中18个点进行对比分析, 其分布示意如图1, 环境信息如表1。

表1 溶蚀试片实验点植被、自然环境及溶蚀试片主要化学组成其特点Table 1 Characteristics of vegetation cover, chemical composition of rock tablets, and natural environment of test sites

2.2 溶蚀率试验

采用广泛应用的溶蚀试片法测定溶蚀率(Krklec et al., 2021)。为测定实际溶蚀量, 采集研究区各出露地层(主要为四种)的代表性碳酸盐岩基岩, 加工成直径约 40 mm、厚约3 mm的圆形试片。将与实验点出露地层一致的试片分别水平放置在土下20 cm和50 cm处, 每层位3片。1个水文年后(2011年7月—2012年8月), 将试片取回, 用蒸馏水洗净, 烘干至恒重, 万分之一电子天平称重, 计算年单位面积溶蚀量。计算公式如下:

式中,DR为年单位面积溶蚀量(mg·cm-2·a-1),W1为试片初重(g),W2为试片放置末期重量(g),T为放置时间(d),S为试片表面积(28.9 cm2)。

溶蚀率以3块试片的平均值计; 植被的高级分类单位以其包括的所有低级分类类型的平均值计。

2.3 溶蚀环境调查

半干旱区土壤水分长期处于亏缺状态, 7月中旬至9月中下旬为水分蓄积期(李洪建等, 2003), 也是生物代谢最旺盛的时段。我们以7月下旬至8月初开展实验并测定土壤中溶蚀因子, 以之反映溶蚀旺盛期的溶蚀环境。放置试片时测定土下20 cm/50 cm的CO2浓度(pCO2), 并选择部分代表性样地按10 cm间隔测定各深度的pCO2、土壤含水率和土壤温度。土壤pCO2采用类似研究(Zhang, 2011; Wu et al.,2020; 柯静等, 2021)常用的 AP-20抽气泵和GASTEC-CO2测试管测定(百分比浓度, 精度 10%);土壤含水量和温度用便携式土壤三参数速测仪(Delta-T, HH2/WET, 体积含水量, 精度 3%)测定。由于不同森林类型三种环境因子变化较大, 为便于比较并更好的显示其随土壤深度变化的趋势, 将实测数据进行标准化处理, 以相对值进行对比, 计算公式如下:

3 结果和分析

3.1 不同植被类型的碳酸盐岩溶蚀率对比

18个实验点植被类型可归为12个群系, 6个植被型, 3个植被型组。在植被型组层次, 溶蚀率为森林＞草地＞灌丛, 前者分别是后两者的1.46倍和3.35倍(表2, 图2A)。在植被型层次, 森林中的常绿针叶林溶蚀率最高, 是其他各植被型的 5.62～13.27倍,灌丛仍然最低, 但落叶阔叶林、落叶针叶林均显著低于杂类草草地(表2)。在群系层次, 油松林的溶蚀率最高, 是其它群系的 5.62～18.25倍; 不同群系的溶蚀率差异更显著但没有明显规律, 除油松林和茶条槭林溶蚀率高于各种草地和灌丛类型、以及草地类型均高于各种灌丛类型外, 有数种森林溶蚀率低于草地和灌丛, 蒙古栎+白桦林产生了净沉积(表2)。从植被型组到群系, 溶蚀率森林＞草地＞灌丛的规律大致仍然成立, 但不确定性增加。如果从群系中选择某种类型代表森林/灌丛/草地, 溶蚀率随正向演替增加、减弱、前期减弱后期增加等情况都可以成立, 仅取决于所选的群系类型。

图2 森林计入(A)/不计入(B)油松林时植被型组之间的溶蚀率对比Fig. 2 Dissolution rate between vegetation formation groups including (A) and excluding (B) Pinus tabuliformis Forest Alliance

在垂直剖面上, 土下20 cm处溶蚀率普遍高于50 cm 处, 仅少数情况例外; 二者相差最大的是油松林, 前者是后者的 7.5倍, 相差最小的是肥披碱草草地, 二者几乎相等。土下20 cm处溶蚀率的变化幅度也远大于50 cm处, 植被型组、植被型和群系层次土下 20 cm最大值分别是最小值的 3.93、23.36和32.13倍, 土下50 cm处最大值分别是最小值的3.57、4.86和17.5倍(表2), 呈现植被划分越详细, 变化幅度越大的趋势。这与高级分类单元的溶蚀率由多个低级分类单元溶蚀率取平均值, 使个体间的差异平缓化有关。

溶蚀率在草地各类型间差异较小((0.25±0.04) mg·cm-2·a-1), 在灌丛各类型间差异稍大但都很低((0.11±0.07) mg·cm-2·a-1), 在森林各类型间的差异明显增大((0.37±0.71) mg·cm-2·a-1), 溶蚀率最高和最低的森林相差约10倍(不计发生沉积的类型), 表明森林对碳酸盐岩溶蚀的影响显著强于灌丛和草地。

随着研究植被划分趋向详细, 不同植被类型间溶蚀率的差异突显, 油松林显著高于其他类型的溶蚀率得以识别出来; 同时植被型组、植被型等高级分类单元较高的溶蚀率主要由于油松林的溶蚀贡献也得以揭示。当森林植被型组中不计入油松林时,其溶蚀率小得多, 三种植被型组溶蚀率的顺序将变为草地＞森林＞灌丛(图2B), 可见研究的植被是否选择油松林为代表将产生截然不同的结果。

3.2 影响溶蚀的因素特征

在代谢旺盛的夏季, 半干旱区土壤CO2相对浓度随深度呈抛物线形变化, 峰值在土下40 cm处。从实测值看, 森林、灌丛和草地的土壤pCO2峰值分别在土下40 cm、60 cm和70 cm; 土壤pCO2随深度的变化森林最平缓, 灌丛其次, 草地最剧烈, 三者土壤表层10 cm深度的pCO2分别为深层峰值的73.44%、42.39%和 38.70%(图3A, B)。土壤pCO2表现出随植被复杂程度增加而降低、峰值向表层上移、变动幅度变弱、表层与深层间的差距变小的规律, 显示植被演替对其产生了调控。土壤含水率随深度单调递减, 不同植被类型间为灌丛＞森林＞草地,但表层土(0-20 cm)为森林＞灌丛＞草地(图3C, D)。土壤温度随深度呈直线下降关系, 大体上草地＞灌丛＞森林, 但在 0-20 cm 表层, 灌丛土壤温度最高,草丛其次, 森林最低(图3E, F)。这种规律显示森林对土壤湿度和温度有更强的调控能力, 使表土层湿度更高,pCO2更接近峰值。

图3 半干旱区土壤pCO2、含水率、温度垂直剖面趋势及其在森林、灌丛和草地间的对比Fig. 3 Vertical profile trends of soil pCO2 (A, B), soil water content (C, D), and soil temperature (E, F) , and its comparison in forest, shrubland, and grassland in a semi-arid karst area

相关分析表明, 在植被型组之间和群系之间,溶蚀率与土壤pCO2、土壤含水量、土壤温度的相关性均不显著。草地的土壤pCO2最高, 土壤温度也较高, 但只产生中等程度的溶蚀。从三者的匹配程度看, 森林土下 20-50 cm范围pCO2处于峰值附近,土壤含水量和温度下降还不明显, 也处于峰值附近,匹配较好(图4A), 溶蚀率最高; 草地土壤表层含水率接近峰值, 但pCO2最小, 而在含水率和pCO2均处于峰值附近的土下 50-80 cm区间, 温度又较低,匹配性也不如森林(图4C), 溶蚀率居于其次; 灌丛在温度较高的土壤表层,pCO2远低于峰值, 三者的匹配程度最差(图4B), 溶蚀率最低。土壤pCO2、含水量与温度三者的匹配程度与溶蚀率有较好的对应性。

图4 半干旱区森林、灌丛和草地的土壤pCO2、含水率、温度垂直剖面匹配特征Fig. 4 Matching characteristics of soil pCO2, soil water content, and soil temperature of forest, shrubland, and grassland in a semi-arid karst area

不同出露地层的碳酸盐岩化学成分存在差异(表1), 也是影响溶蚀率的一个因素。当植被类型相同时, 在溶蚀率较高时不同岩性间的溶蚀率才表现出显著差异, 并随CaO含量增加而增加, 在溶蚀率较低时岩性的影响不明显, 且溶蚀率随CaO含量增加而降低(表1, 图5A)。同一地层试片的各种群系类型溶蚀率的变化规律与不考虑试片化学成分时相似(图5B, 表2), 表明试片的化学成分不影响植被类型间溶蚀率的变化规律。

图5 半干旱区分布于不同地层的相同群系(A)与同一地层的不同群系类型(B)的溶蚀率对比Fig. 5 Comparison of dissolution rate between Alliances on different geological stratigraphy (A) and Alliances on the same geological stratigraphy (B)

4 讨论

4.1 植被类型对碳酸盐岩溶蚀率的影响

本文研究揭示, 在半干旱区碳酸盐岩溶蚀率森林＞草地＞灌丛, 表现出植被正向演替前期减弱、后期促进溶蚀的规律(图2A)。这证实了以前的大部分研究结果(李恩香等, 2004; 吴孔运等, 2007; 黄奇波等, 2013), 但在演替早期的灌草阶段支持了相反的一些研究结果(Zhang, 2011; Zeng et al., 2017; 姜鑫等, 2020; 柯静等, 2021)。本文群系层次的研究进一步揭示不同群系间的溶蚀率存在显著差异, 并没有确定的规律(表2)。这为以往植被型组层次的研究中植被演替与溶蚀率之间的矛盾关系提供了一种可能的解释, 即这种矛盾可能是由于被选作代表的低级植被分类单元间固有的溶蚀率差异所致。例如在本研究中, 当选择紫丁香群落代表灌丛、蒙古栎林或华北落叶松林代表森林时, 将会得出溶蚀随植被正向演替减弱的结论, 当选择油松林或茶条槭林代表森林时, 才能得出植被正向演替前期减弱、后期促进溶蚀的结论。此外, 当选择油松林代表森林时将导致溶蚀率偏高5～10倍, 而当选择蒙古栎+白桦林时将得到森林溶蚀小于沉积、产生净沉积的结果。根据这种植被选择产生的偏差估算的岩溶地质碳汇量也必然产生显著偏差, 需要引起充分注意。

群系层次的对比研究还发现, 油松林的溶蚀率远高于其他各类植被(表2)。这对半干旱岩溶区植被恢复、森林经营与固碳结合具有重要的实际意义。半干旱岩溶区发展油松林将成倍增加岩溶地质碳汇。由此可见, 群系层次的溶蚀率对比研究能帮助我们发现对溶蚀促进效果最显著、岩溶地质碳汇效应最大的植被类型, 也能识别促进效果不好, 甚至减弱溶蚀的类型, 对构建更大碳汇量的植被恢复途径具有实际指导作用。

4.2 半干旱区溶蚀环境因子与覆盖植被的相关性

本文研究显示, 在半干旱区不管是植被型组层次还是群系层次, 碳酸盐岩溶蚀率与土壤pCO2、土壤含水量和土壤温度的相关性都不显著, 而与三者的匹配性有较好的对应关系。这与湿润区溶蚀率与土壤pCO2、土壤含水量和温度强烈正相关的研究结果均不相同(何师意等, 1997; 刘再华等, 1998;Kirstein et al., 2016)。从碳酸盐岩溶蚀的化学反应式看, 影响溶蚀的因素包括反应物的持续供给(主要是酸的持续供给)、产物持续移除和反应速度三个方面(Dong et al., 2019)。酸的持续供给与土壤CO2浓度和土壤含水量有关, 反应产物的移除与土壤中的径流有关, 反应速率与温度和生物酶的数量有关,这些因素很大程度上取决于植被覆盖与气候条件(Romero-Mujalli et al., 2019)。中国南方岩溶区降水丰沛、雨热同期, 三者之间匹配程度高, 从而呈现溶蚀率随土壤pCO2及土壤含水量增加而增加(何师意等, 1997; 刘再华等, 1998), 在低温条件下(60℃以下)随温度升高而升高(Kirstein et al., 2016)的规律。但在本研究中, 类似吕梁山南段的半干旱区多年平均降水量低于 450 mm, 土壤含水量从旱季到雨季初期都接近凋萎点, 在雨季大多也低于 20%,且随土层深度增加而递减(图3)(李洪建等, 2003; 董林水, 2005)。在我们的研究中, 土壤pCO2随深度的变化趋势与土壤含水量或土壤温度的恰好相反(图3), 三者出现了明显的不匹配。在土壤pCO2高的深度土壤含水量处于低位, 将限制碳酸的形成和供给,从而制约碳酸盐岩的溶蚀, 且在干季形成沉积(黄奇波等, 2013), 进一步抵消溶蚀作用; 在土壤含水量和土壤温度较高的表层土壤pCO2低, 使其对溶蚀的驱动减弱。因此, 三者中任何单一因素都不能对溶蚀产生显著影响。与此类似的还有岩性。在湿润区溶蚀率还受碳酸盐岩的纯度和结构的明显影响(刘再华, 2000), 但在半干旱区影响的程度大大降低,在土下 20-50 cm奥陶纪灰岩和泥灰岩溶蚀率几乎没有差别(张春潮等, 2018)。本研究中试片化学成分只在溶蚀率较高时才有明显差异, 较低时几乎没有差异(图5A), 不影响所揭示的碳酸盐岩溶蚀率随植被覆盖变化的规律。

本研究中森林、灌丛和草地的土壤pCO2、土壤含水量和土壤温度三者的匹配程度与溶蚀率有较好的对应关系, 表明半干旱岩溶区植被通过调节溶蚀发生的条件影响了溶蚀过程。这支持了植被是碳酸盐岩溶蚀的重要影响因素的认识(曹建华等, 2004;Calmels et al., 2014; Romero-Mujalli et al., 2019)。不同的植被覆盖形成的小气候不同, 土壤中CO2的聚集与梯度变化也不一致(李恩香等, 2004; 陈鹏娟,2021), 从而对溶蚀过程和强度产生影响。森林的根系发育更利于气体扩散, 使土壤pCO2的峰值向表层移动, 随深度递减的程度更弱, 浓度下降(李恩香等, 2004), 从而使高土壤pCO2与较高的含水量和温度更好的匹配。森林的覆盖使土壤温度波动减小,表层土壤的湿度增加, 三者匹配的时间延长, 因此尽管pCO2低于灌丛和草地, 却对应了更高的溶蚀率(图3B, 图4)。草地由于根系集中分布于浅层, 土壤呼吸作用更旺盛, 且草本植物密集生长不利于空气流通而具有较高的土壤pCO2(冯朝阳等, 2008; 张鸽香等, 2010), 但灌丛和草地对小生境及溶蚀条件的调节能力弱(邓艳等, 2004; 龙健等, 2021), 与土壤含水量和土壤温度的匹配程度均低于森林, 使其溶蚀率也较低。由此我们可以得出结论, 半干旱区碳酸盐岩溶蚀受土壤含水量低的强烈制约, 具有与湿润区完全不同的驱动机制, 土壤pCO2、土壤含水量或土壤温度中的任何单一因素均不能产生显著影响, 三者的匹配程度才是驱动溶蚀的关键因素; 植被演替成为森林增加了对三者匹配程度的调节能力,最终促进了碳酸盐岩的溶蚀。

然而, 油松林溶蚀率远高于其他森林类型, 其产生机制可能十分复杂。油松林的土壤pCO2、土壤含水量或土壤温并不是最高的(表3)。细根垂直分布也因是否混交以及混交的树种而不同(翟明普, 1982;刘春江等, 1985), 各种有机酸的分泌量则纯林显著高于混交林(邵东华等, 2011), 但是否随森林类型而变，还需要更多研究佐证。可见, 森林类型如何调控各种影响溶蚀的因子从而影响溶蚀, 还需要更深入和详细的研究揭示, 特别是对影响溶蚀的因子进行连续动态监测, 以揭示其匹配性及其变化规律。

表3 半干旱区不同森林类型的溶蚀环境Table 3 Environmental factors of different forest types in the study area

森林的经营管理与碳汇效应相结合越来越成为共识(Yu et al., 2021)。岩溶地质碳汇与植被、土壤碳汇密切相关(Cao et al., 2012), 需要在植被恢复、植树造林和森林经营管理中充分考虑。群系层次开展的对比不仅能识别出油松林有比其他各类植被高得多的岩溶地质碳汇效应, 也能明确各植被类型岩溶地质碳汇效应的大小顺序。但影响碳酸岩风化过程的各种因素复杂交叉, 不同树种的根系径级构成和分布深度不同(赵忠和李鹏, 2002), 类似的因素都可能影响植被对溶蚀因子的调控能力。此外,湿润区受干湿季节、地形、岩溶发育条件等影响, 可能也存在溶蚀关键因子匹配差制约溶蚀的情况。本文研究中, 以溶蚀最强烈的季节测定的溶蚀因子分析溶蚀的差异, 未能详细揭示溶蚀因子及其不同季节的变化情况。连续动态监测是较好的解决办法,也将是未来研究的重点。因此, 有必要从更基础的植被分类层次或者说至少从群系层次开展更广泛的对比、选择典型类型进行关键影响因素的连续动态监测, 揭示不同植被影响溶蚀的机制, 核算清它们的植被、土壤和岩溶地质碳汇总量。这将为森林管理中根据综合碳汇效应确定造林树种、优化植被恢复途径, 以充分发挥岩溶区植被恢复碳汇潜力, 最终促进碳中和提供可操作的指导。

5 结论

(1)半干旱岩溶区植被正向演替早期减弱、后期促进了碳酸盐岩溶蚀。

(2)群系层次的对比研究可揭示各植被类型对碳酸盐岩溶蚀影响的强度, 识别出油松林具有远高于其他各植被类型的溶蚀率, 显著促进了碳酸盐岩的溶蚀。

(3)半干旱岩溶区受土壤水分缺乏影响, 环境因子对溶蚀率的影响模式与湿润区显著不同, 土壤pCO2、土壤含水量和土壤温度任何单一因素与溶蚀率没有显著相关性, 三者的匹配性才是决定溶蚀率的关键因素; 植被演替增加了对土壤pCO2、土壤含水量和土壤温度的调控能力从而影响溶蚀。

致谢: 南宁师范大学安钧鉴、蒋艳华、胡云华、黄世岸、苏浩等人参加了野外工作, 在此表示感谢！

Acknowledgements:

This study was supported by National Natural Science Foundation of China (No. 31960233), Key Research and Development Program of Guangxi (No.Guike AB19110004), China Geological Survey (No.1212011087121), and Guangxi Natural Science Foundation Program (No. 2018GXNSFDA281036).