东北沙地重矿物组成及其对物源的指示

张鑫茹，谢远云,2，迟云平,2，康春国，孙磊，吴鹏，魏振宇

1.哈尔滨师范大学地理科学学院，哈尔滨 150025

2.哈尔滨师范大学寒区地理环境监测与空间信息服务黑龙江省重点实验室，哈尔滨 150025

3.哈尔滨学院地理系，哈尔滨 150086

沙地作为潜在的粉尘源区，其重矿物组成研究是亚洲风尘系统研究的一项重要基础工作，对加深了解沙尘的形成和演化，以及沙尘的形成机制、来源和迁移路径提供了更好的理解[1]，对重建过去大气环流的演变具有重要意义。目前对沙地的研究主要分布在中国西部三大内陆盆地及西部和北部的戈壁、沙漠[2-4]，对中国东北部沙地地表物质组成的研究涉及很少[5]，可获得的数据很少，而且缺乏对重矿物粒度分选影响程度的理解。

重矿物具有密度高和稳定性强的特点，风化、搬运及成岩作用对其影响较弱，可以在很大程度上保留源区母岩的特征，因此在物源研究中得到了广泛的应用[6-11]。传统的重矿物物源分析，通常利用重矿物的组合及分布规律、ZTR 指数或通过统计学方法来判断母岩类型并恢复不同物源体系的发育范围[3,12-13]。最近，基于R 语言分析的新型沉积物源指纹技术已成功应用于识别河流和风成沉积物的来源，并定量评估潜在来源的相对贡献[14-17]。这种沉积物源指纹模型对于揭示粉尘沉积物的定量物源信息具有很大的潜力，但这种分析技术还未应用于重矿物物源分析中。

本研究从中国东北部4 个沙地和哈尔滨地区末次冰期以来的黄土-古土壤序列中采集样本，提供沙地不同粒级组分下的重矿物组成特征，以期探讨中国东北部沙地物质组成以及分选作用对沙地重矿物组成的影响。运用Frequentist 模型，定量评估各沙地对哈尔滨黄土的贡献，为丰富亚洲风尘系统研究以及深层次理解东北平原风尘系统提供重要参考。

1 材料与方法

1.1 研究区概况

中国东北部沙地位于我国内蒙古自治区东部、黑龙江省和吉林省西部，包括浑善达克沙地（OD）、科尔沁沙地（HQ）、呼伦贝尔沙地（HL）和松嫩沙地（SN）（图1）[5]。 浑善达克沙地（OD）面积为52 000 km2，平均海拔约1 100 m，位于内蒙古中部锡林郭勒草原南端，以固定或半固定沙丘为主[18]。科尔沁沙地（HQ）面积为42 300 km2，在中国北方是面积最大的沙地，大部分为半稳定和稳定沙丘[19]，地处内蒙古东南部的西辽河中下游地区（赤峰市和通辽市之间），并通过西辽河与浑善达克沙地相连[19-20]。呼伦贝尔沙地（HL）面积为9 440 km2，是中国纬度最高的沙地之一，位于大兴安岭西部[18]。松嫩沙地（SN）面积约为17 800 km2，主要为半稳定和稳定沙丘，位于松嫩平原中部和西部[21]，主要分布在嫩江和松花江的洪泛平原和河流阶地上[1,22]。

图1 研究区DEM 图Fig.1 Digital elevation model map of the study area

哈尔滨荒山黄土（HB，45°47'N、126°47'E）位于松花江第二阶地上，距离哈尔滨市以东约16 km，海拔180 m，东侧为长白山余脉丘陵区, 西与东北平原腹地相接, 北临松花江干流[23]。

1.2 样品采集

为了探讨中国东北部沙地的平均物质组成并避免人为因素干扰，本研究在远离市区的地方采集了34 个沙地样品（这些样品覆盖了沙地绝大部分地区），其中13 个样品来自浑善达克沙地，10 个样品来自科尔沁沙地，6 个样品来自呼伦贝尔沙地，5 个样品来自松嫩沙地。采集了哈尔滨荒山剖面4 个末次冰期（L1）黄土样品（图1）。以上每个采样点的地理位置用手持GPS 确定。

1.3 实验方法

通过干筛法对沙地样品进行了分粒级制备（＜63 μm，63～125 μm），并对所有黄土样品进行了湿筛，以获得小于63 μm 的部分，用于重矿物分析。

中国东北部沙地沉积物重矿物鉴定在河北省廊坊诚信地质公司完成，具体鉴定步骤如下：

（1）称重：将分粒级后的样品烘干后称重，并记录其原始的质量。

（2）分离：加入离散剂进行初淘得到灰砂，利用三溴甲烷（密度2.89 g/ cm3）进行分离，获得重矿物部分，待用酒精冲洗干净后，60 ℃恒温烘干称重，记录重矿物质量，为保证准确性每个样品中重矿物的总质量在1 g 以上。

（3）磁选：通过磁选分离出强磁矿物（如磁铁矿等）、电磁矿物（角闪石、石榴子石、辉石、橄榄石、电气石、榍石等）、无磁矿物（锆石、磷灰石、独居石等）以及其他矿物。

（4）镜下鉴定：对分离后不同磁性的矿物在实体显微镜下采用条带法随机选取10 个视域进行矿物鉴定，每个重矿物样品鉴定颗粒数超过600，计算出每种重矿物的颗粒百分含量。

1.4 统计方法与模型

本研究区所处地理位置纬度较高，气候干冷，重矿物颗粒主要以物理破碎为主，化学风化极其微弱，重矿物的风化蚀变程度较低。此外，已存在大量包含赤铁矿、褐铁矿等相关的重矿物物源示踪研究[5,13,24-25]。

稳定系数（W）指稳定重矿物与不稳定重矿物的含量之比，通常按照风化的难易程度，将搬运过程中可以稳定存在的矿物归为相对稳定矿物，搬运过程中易发生破碎不可以稳定存在的归为相对不稳定矿物。在本研究中极稳定矿物包括锆石、金红石、电气石，稳定矿物包括锐钛矿、白钛石、石榴子石、榍石、钛铁矿、氧化铁矿物（赤铁矿、褐铁矿）、磁铁矿，不稳定重矿物包括绿帘石、磷灰石、角闪石、辉石[7]。一般来说，重矿物稳定系数与沉积物受搬运的时间和距离成正比[26-29]。

ZTR 指数为锆石、金红石及电气石在重矿物中所占的比例，其中锆石和金红石属于极稳定重矿物，而电气石也很稳定，因此可以用来确定成熟度和风化成壤作用的强弱，进而用来研究碎屑沉积物的搬运方向和搬运距离。ATi 指数（100 ×磷灰石/（磷灰石＋电气石）），常用于揭示沉积物以母岩类型是酸性火成岩为主的物源变化情况。值得注意的是，ATi 指数还受到源区化学风化作用程度的控制。GZi 指数（100 ×石榴子石/（石榴子石＋锆石）），主要用来揭示以石榴子石为主的母岩即角闪岩和麻粒岩的变化情况[8,30-32]。

在本研究的指纹分析中，采用了4 阶段统计程序来追踪物源[16,33]。选择了18 种重矿物和4 种重矿物特征指数作为下一次统计分析的指纹属性。首先，进行指纹特性的范围测试[34]，以确定黄土特性的平均值和极值是否在潜在源区样品可观察的范围内，然后通过测试的属性可以在下一步中使用。其次，使用非参数Kruskal-Wallis H 检验来检验哪些属性在潜在来源之间表现出显著差异[35]。第三，采用逐步判别函数分析（DFA）进一步识别最终的复合指纹，根据Wilks’λ 的最小化，提供了潜在源区之间的最佳区分[36]。最后，基于DFA 筛选出的最佳复合指纹，使用Frequentist 模型量化潜在物源对给定黄土样本的相对贡献[16,33]。

本研究在标准线性多元混合框架下，采用Frequentist 模型定量识别沉积物来源[16]，具体公式参考文献[14]。Frequentist 模型采用基于FingerPro的方法，在R 软件环境（版本4.0.3）中实现。

2 结果与讨论

2.1 重矿物含量特征

沙地重矿物组成不仅由源区控制，而且与沉积环境、水动力作用和成岩作用有关，对区域沉积物物质来源和演化研究具有重要意义，相关分析工作是重矿物分析的基础。中国东北部沙地检测出的重矿物有锆石、磷灰石、蓝晶石、金红石、锐钛矿、白钛石、独居石、榍石、石榴子石、电气石、角闪石、绿帘石、钛铁矿、氧化铁矿物（赤铁矿、褐铁矿）、辉石、磁铁矿、氧化铁矿物（磁性）、钛铁矿（磁性）共18 余种，其他矿物仅在个别样品中出现，未在表1 中列出。在本研究中，颗粒百分含量超过6%的重矿物被视为主要矿物，1%～6%为次要矿物，小于1%为微量矿物。

表1 中国东北部沙地与哈尔滨黄土重矿物统计Table 1 Statistics of heavy minerals in sandy land of Northeast China and loess in Harbin %

浑善达克沙地中＜63 μm 组分中的主要矿物为钛铁矿、绿帘石、锆石、钛铁矿（磁性）、辉石、角闪石、磁铁矿、石榴子石，次要矿物为氧化铁矿物、电气石、磷灰石，微量矿物有锐钛矿、金红石、白钛石、榍石、独居石。63～125 μm 组分中的主要矿物为石榴子石、绿帘石、钛铁矿、氧化铁矿物，次要矿物为角闪石、榍石、锆石、白钛石、金红石、磁铁矿、独居石，常见的微量矿物有电气石、辉石、磷灰石。

科尔沁沙地＜63 μm 组分中，钛铁矿、绿帘石、石榴子石、辉石、角闪石、锆石为主要矿物，次要矿物为氧化铁矿物、金红石、电气石、榍石、磷灰石、锐钛矿，常见的微量矿物有独居石、白钛石、磁铁矿。63～125 μm 组分中主要矿物为石榴子石、绿帘石、钛铁矿，次要矿物为榍石、锆石、氧化铁矿物、角闪石、白钛石、独居石、电气石、金红石、辉石，微量矿物有磁铁矿、蓝晶石、磷灰石、锐钛矿。

呼伦贝尔沙地＜63 μm 组分中的主要重矿物为钛铁矿、氧化铁矿物、绿帘石、石榴子石、角闪石、锆石、磁铁矿，次要矿物为榍石、白钛石、电气石、磷灰石、金红石，常见的微量矿物为辉石、独居石、锐钛矿、蓝晶石。63～125 μm 组分中石榴子石、绿帘石、钛铁矿、角闪石、磁铁矿为主要矿物，次要矿物为锆石、氧化铁矿物、榍石、白钛石、电气石、金红石，微量矿物为磷灰石、独居石、蓝晶石、辉石、锐钛矿。

松嫩沙地＜63 μm 组分中，主要以绿帘石、角闪石、氧化铁矿物、钛铁矿、氧化铁矿物（磁性）、锆石为特征，并含有榍石、磁铁矿、磷灰石、石榴子石，微量矿物为白钛石、金红石、辉石、电气石、锐钛矿、独居石。63～125 μm 组分中主要矿物为角闪石、绿帘石、氧化铁矿物、钛铁矿、氧化铁矿物（磁性），并含有榍石、锆石、辉石、磷灰石，微量矿物为磁铁矿、石榴子石、白钛石、金红石、电气石、独居石、锐钛矿。

哈尔滨黄土沉积物的重矿物组成与中国东北部沙地具有相似的成分，钛铁矿、绿帘石和锆石为主要矿物，其他原生重矿物还包括磁铁矿、角闪石。除此之外，其氧化铁矿物含量极高。

4 个沙地的重矿物特征整体上较为相似，重矿物组合均为钛铁矿-绿帘石-角闪石，其中浑善达克沙地与科尔沁沙地更为相似，这种相似在细粒组分中格外明显，但某些矿物的含量存在差别。如钛铁矿（磁性）只在浑善达克沙地的细粒组分中含量较高，科尔沁沙地中磁铁矿含量较低，呼伦贝尔沙地和松嫩沙地中氧化铁矿物含量均较高，氧化铁矿物（磁性）只大量存在于松嫩沙地，松嫩沙地绿帘石和角闪石的含量格外高，而石榴子石的含量格外低。除此之外，哈尔滨黄土中的优势矿物氧化铁矿物在4 个沙地中广泛存在。其次，4 个沙地的主要矿物钛铁矿、绿帘石和角闪石在哈尔滨黄土中的含量也较高。

2.2 粒度对沙地重矿物特征的影响

沉积物随着搬运动力的增强和减弱，由于颗粒大小、形状或矿物密度的差异，会发生一定程度上的分离，并不同程度地富集于不同的粒级组分[26,37]。目前本区域缺乏对重矿物分粒级的深入分析，本研究将沙地＜63 μm 和63～125 μm 两组粒级的子样进行对比，来探讨自然分选作用对重矿物特征的影响。

不同沙地两个粒级的重矿物含量分布相关性很高，但部分重矿物存在明显差别，如石榴子石、锆石、辉石、磁铁矿、氧化铁矿物含量。这表明矿物的源区没有变化，而是分选作用造成了粗细矿物颗粒富集于不同粒级组分中。

为了更好地探究分选作用的影响，引入了相对含量偏差（RD）的概念[38-39]。其计算公式为：

式中，Ca为＜63 μm 粒级组分中的矿物平均含量；Cb为63～125μm 粒级组分的矿物平均含量。不同粒级组分的重矿物组成相对含量偏差（RD）分布情况如图2 所示。

图2 东北沙地两粒级组分重矿物含量偏差（RD）图Fig.2 Comparison of relative deviation (RD) in the contents of two grain-size fractions of heavy minerals

RD 的值越大，表明该矿物在＜63 μm 组分中的平均含量比63～125 μm 组分的平均含量高。可以看出锐钛矿、锆石、电气石、钛铁矿、金红石在＜63 μm 组分中较63～125 μm 组分富集，绿帘石、石榴子石、独居石和蓝晶石在63～125 μm 组分中较为富集。

浑善达克沙地＜63 μm 重矿物组分中极稳定矿物平均含量为11.16%，高于63～125 μm 组分的平均含量（6.65%）；科尔沁沙地＜63 μm 重矿物组分沉积物中极稳定矿物平均含量为11.58%，高于63～125 μm 组分的平均含量（7.07%）；呼伦贝尔沙地＜63 μm 重矿物组分中极稳定矿物平均含量为11.16%，高于63～125 μm 组分的平均含量（7.42%）；松嫩沙地＜63 μm 重矿物组分中极稳定矿物平均含量为7.71%，高于63～125 μm 的平均含量（1.83%）。

综合对比发现，稳定性更高的矿物优先富集于细颗粒组分中，如锐钛矿、锆石和电气石，使细颗粒组分沉积物的总体稳定性更强，这种规律在呼伦贝尔沙地和松嫩沙地体现得尤为明显。而不稳定矿物在各个沙地不同粒级组分的分布存在差异，这可能受限于区域的岩性分布。

2.3 东北沙地对风尘物源的指示

亚洲粉尘沉积物作为反映全球环境与气候变化的敏感指示剂，研究粉尘沉积物源区对于了解沙地的形成和演化以及该地区的风尘系统具有重要的意义[40-49]。而沙漠作为沙尘产生的源区和沙尘沉积的过渡区域，对中国东北部沙地和黄土堆积之间联系的认识不足，阻碍了对该地区过去地质时期的大气环流和尘源-汇路径的理解。

哈尔滨的盛行风在春季和夏季为西南风，冬季为西北风。中国东北部沙地，包括科尔沁沙地（HQ）、浑善达克沙地（OD）、呼伦贝尔沙地（HL）和松嫩沙地（SN），位于哈尔滨盛行风的上风区，在以往的研究中被认为是其重要的潜在源区[50-53]（图1）。然而，目前尚不清楚它们是否或在多大程度上提供了哈尔滨黄土的灰尘[54-55]。

为了更好地约束黄土的物源，在这里选择细粒组分（＜63 μm）进行哈尔滨黄土的物源分析。黄土中的主要矿物为氧化铁矿物、钛铁矿、绿帘石、磁铁矿、角闪石和锆石，这些矿物在4 个沙地中含量均较高，进一步表明这4 个沙地为哈尔滨黄土的潜在源区。氧化铁矿物为哈尔滨黄土的特征矿物，可以用来识别物源。氧化铁矿物在呼伦贝尔沙地和松嫩沙地的含量高于其他两个沙地，结合地理位置来看，哈尔滨黄土的主要源区为松嫩沙地，呼伦贝尔沙地为次级源区，浑善达克与科尔沁沙地对哈尔滨黄土的贡献相对较小。

为了对哈尔滨黄土进行物源的定量重建，采用了Frequentist 模型。在本研究中，我们选择18 种重矿物类型和4 种重矿物特征指数（W、ZTR、ATi 和GZi）用于指纹统计分析。首先，在排除了哈尔滨黄土的示踪剂特性（位于沉积物来源的最低值和最高值之间）后，6 种示踪剂氧化铁矿物、钛铁矿、金红石、榍石、锆石、ZTR 未通过范围测试，因此被认为是非保守的。其次，从原始数据集中排除潜在物源之间没有显著差异的示踪剂。在这一阶段，3 种示踪剂，磷灰石、白钛矿、角闪石，未通过Kruskal-Wallis H 测试，被排除在数据集之外。最后，使用Wilk 的Lambda 准则进行逐步DFA 变量选择，最大化物源之间的区分，同时最小化示踪剂的数量。在所有跟踪程序中，DFA Test（）函数是最严格的。最终7 种示踪剂，W、GZi、蓝晶石、锐钛矿、石榴子石、辉石、 钛铁矿（磁性），通过逐步DFA 选择用于复合特征。经过上述严格控制程序后，通过测试的示踪剂（仅31%）能够完全区分4 个潜在源区（图3）。在LDA 图中可以看出浑善达克沙地与科尔沁沙地存在着重叠的区域，我们认为这可能是由于西辽河/西拉穆伦河的碎屑物质传输作用导致了两个沙地存在着相似的重矿物组成。

图3 哈尔滨黄土4 个源区的重矿物数据的线性判别分析（LDA）图Fig.3 Linear discriminant analysis (LDA) plots of heavy minerals from four source regions of the Harbin Loess

表2 列出了基于Frequentist 模型的不同来源的粉尘对哈尔滨黄土贡献的平均值和标准差。哈尔滨黄土的物源贡献如下：SN＞HL＞HQ＞OD（表2）。根据表2 结果，松嫩沙地对哈尔滨黄土的贡献占主导地位（60.75%），远侧呼伦贝尔沙地占28.25%，而科尔沁沙地与浑善达克沙地的贡献很少（分别为8.5%、2.5%）。GOF 值通常用于评估模型判别结果的准确性，大于0.8 的值表示可接受的模型判别结果[15,33]，频度模型的高GOF 值（0.77～0.93）保证了重建结果的可靠性（表2）。然而，同一沙地的重矿物组成并非绝对均质，定量重建结果在某些样品中存在一定差异，比如松嫩沙地。Frequentist 模型应用于物源分析实际上所用到的参数都是物源追踪指标，而常用的物源指标除地球化学外，还包括锆石的U-Pb 年龄和重矿物等。除此之外，前人曾将该模型应用于哈尔滨黄土的地球化学分析，得到的结果为松嫩沙地占主导贡献[14]，与本研究的定量重建结果相似，因此重建结果具有较高的可靠性。

表2 哈尔滨黄土定量物源混合贡献比例重建结果及标准差（SD）Table 2 Quantitative reconstruction results and standard deviation of Harbin Loess provenance based on Frequentist model

中国黄土高原的黄土-古土壤序列揭示了间冰期以夏季风为主和冰期以冬季风为主的交替，突出了冰期和间冰期两种不同的环流模式。基于松嫩平原盛行风系统的两种不同的大气环流模式已被用于解释中国东北部黄土堆积的输送和沉积[54-55]。一种是东亚冬季风，由西伯利亚反气旋和阿留申气旋之间的压差驱动，以西北风为主，另一种是受蒙古气旋控制的西南风。哈尔滨黄土物源定量结果说明了松嫩平原冰期的环流模式，主要是西北风，在较小程度上是西南风。哈尔滨沙尘物源的定量重建揭示了与松嫩平原当前风场相似但不完全相同的大气环流模式。在这种模式中，哈尔滨黄土主要由西北方向的松嫩沙地贡献，这意味着西北方向的沙尘输送路径占主导地位，与松嫩平原冰期的环流模式非常吻合[54]，并且松嫩沙地的地理位置较其他沙地距哈尔滨黄土更近。哈尔滨黄土其次由西北方向的呼伦贝尔沙地贡献，我们认为这是由于冰期东亚冬季风盛行造成的。黄土物源研究也显示，黄土是近源与远源粉尘的混合堆积[56-57]。科尔沁和浑善达克沙地在本研究中对哈尔滨黄土的贡献很微弱，可能是由于地理位置距离哈尔滨黄土较远。结合上述分析，说明松嫩沙地为哈尔滨黄土的主要物源区，也表明沉积物源定量模型应用于重矿物分析，对于揭示粉尘沉积物物源信息具有一定的可靠性。

3 结论

（1）中国东北部沙地的重矿物特征整体上体现相似的特征，但某些重矿物的含量存在显著差异，如在浑善达克沙地的细粒组分中发现高含量的氧化铁矿物，磁铁矿在科尔沁沙地含量较低，氧化铁矿物在松嫩和呼伦贝尔沙地含量均较高，氧化铁矿物（磁性）在松嫩沙地含量较高，而石榴子石含量较低。因此钛铁矿（磁性）、磁铁矿、氧化铁矿物、石榴子石以及氧化铁矿物（磁性）可以作为区别东北沙地的特征性矿物。

（2）不同粒度组分的重矿物含量存在明显差异，稳定性更高的矿物（如极稳定矿物）优先富集于细颗粒组分，使细颗粒组分沉积物的总体稳定性更强，这种规律在呼伦贝尔和松嫩沙地体现的尤为明显。

（3）以重矿物组成判别为基础，结合地理位置分析，频度模型的定量评估表明，松嫩沙地对哈尔滨黄土的贡献度为44%～86%，呼伦贝尔沙地贡献度为10%～39%，科尔沁沙地贡献度为3%～16%，浑善达克沙地贡献度为0～7%。黄土物源定性分析和定量重建的结果，明确了松嫩沙地为哈尔滨黄土的主要物源区，表明定量模型在重矿物物源分析中具有很好的应用前景。

致谢：河北廊坊诚信地质公司的张佩萱、张云丹、李鹏、王晓飞和周佳等做了大量的样品测试工作，汪烨辉、赵延卓、刘若男、时蕴琳参与了野外取样工作，硕士研究生赵慧莹、符锦霞、宋莹、刘俊贺、高宏宇参与实验室样品处理工作，在此一并表示感谢！