牟雪松, 马俊, 王永达, 范育新. (2018)粒度分布的端元建模分析及检验:以“吉兰泰—河套”盆地西部DK-12钻孔晚第四纪沉积物为例* [J]. 古地理学报, 20(3): 489-500
Mou Xue-Song, Ma Jun, Wang Yong-Da, Fan Yu-Xin. (2018)End-member modeling analysis and test of grain-size distribution:A case from the late Quaternary sediments of Borehole DK-12 in the western Jilantai-Hetao Basin[J]. Journal Of Palaeogeography, 20(3): 489-500.   
Doi: 10.7605/gdlxb.2018.03.036
Permissions
Copyright©2018, 《古地理学报》编辑部
版权所有.《古地理学报》编辑部
粒度分布的端元建模分析及检验:以“吉兰泰—河套”盆地西部DK-12钻孔晚第四纪沉积物为例*
牟雪松1, 马俊1, 王永达1, 范育新1,2
1 兰州大学地质科学与矿产资源学院,甘肃省西部矿产资源重点实验室,甘肃兰州 730000
2 兰州大学西部环境教育部重点实验室,甘肃兰州 730000
通讯作者简介：范育新,男,1975年生,教授,主要研究方向为干旱区湖泊—沙漠环境演化机制及年代学。E-mail: yxfan@lzu.edu.cn。

第一作者简介：牟雪松,男,1994年生,硕士研究生,构造地质学专业。E-mail: mouxs12@lzu.edu.cn。。

收稿日期:2017-09-26
基金资助:*国家自然科学基金项目(编号: 41772169,41371033)和中国科学院战略性先导科技专项(编号:XDA2009000001)联合资助;
摘要

端元建模分析能够从复杂的多峰分布特征的沉积物中提取出具有不同沉积动力过程的端元,但是,由于沉积物的粒度分布还受到沉积环境等多种因素的影响,该方法的有效性及获得的端元组分的地质意义有待其他环境代用指标的进一步检验。以位于“吉兰泰—河套”盆地西部磴口次级隆起区的 DK- 12钻孔晚第四纪沉积物为例,采用 BEMMA算法对该钻孔沉积物的粒度资料进行了端元建模分析,并以黏土矿物组合和前人的孢粉组合数据作为检验指标,结合该地区的区域地质背景,对获得的 4个端元进行了综合检验分析,认为获得的沉积物粒度端元具有明确的地质意义,其中 EM 1为远源粉尘、 EM 2为近源的风成沙、 EM 3和 EM 4为河流冲积沙。

关键词: 粒度分布; 端元建模分析; 黏土矿物组合; 孢粉组合
中图分类号:P534.63 文献标志码:A 文章编号:1671-1505(2018)03-0489-12
End-member modeling analysis and test of grain-size distribution:A case from the late Quaternary sediments of Borehole DK-12 in the western Jilantai-Hetao Basin
Mou Xue-Song1, Ma Jun1, Wang Yong-Da1, Fan Yu-Xin1,2
1 Key Laboratory of Mineral Resources in Western China(Gansu Province),School of Earth Sciences,Lanzhou University,Lanzhou 730000,Gansu
2 Key Laboratory of Western China’s Environmental Systems(Ministry of Education),Lanzhou University,Lanzhou 730000,Gansu
About the corresponding author：Fan Yu-Xin,born in 1975,is a professor at School of Earth Sciences,Lanzhou University. Now he is engaged in researches on evolution mechanism of lake-desert environment and chronology in the arid regions. E-mail: yxfan@lzu.edu.cn.

About the first author：Mou Xue-Song,born in 1994,is a graduate student studing structural geology,Lanzhou University. E-mail: mouxs12@lzu.edu.cn.

Fund:Co-funded by the National Natural Science Foundation of China(Nos.41772169,41371033) and the Strategic Priority Research Program of Chinese Academy of Sciences(No. XDA2009000001)
Abstract

End-member modeling analysis is beneficial to extract the end-members with different transporting dynamics from sediments characterized by complex multimodal distribution. However,because the grain-size distribution of sediments is affected by many factors besides depositional environment,the effectiveness of this method and the geological significance of each end-member need to be tested. In this paper,the BEMMA algorithm is used to analyze grain size data of samples from the Borehole DK-12 obtained in the Dengkou sub-uplift at the western Jilantai-Hetao Basin. Four end-members are recognized including remote dust(EM 1),aeolian sand(EM 2),and fluvial sand(EM 3 and EM 4).

Key words: grain-size distribution; end-member modeling analysis; clay mineral assemblage; pollen assemblage

沉积物的粒度分布记录了其从源区到堆积区的气候、环境和搬运营力等方面的综合信息, 因此通常被用于推测过去的环境和气候条件。沉积物的粒度分布特征主要由搬运介质、搬运方式及沉积环境所决定(郭峰等, 2014)。与一个特定的沉积动力过程有关的沉积物通常也具有特定的粒度分布特征, 被称为一个端元(Yu et al., 2016)。

目前主要有2类方法用于粒度端元的提取: (1)曲线拟合法, 包括对数正态分布拟合(孙东怀等, 2001; Leys et al., 2005)、对数双曲线分布拟合(Sutherland and Lee, 1994)、对数拉普拉斯分布拟合(Flenley et al., 1987; Fieller et al., 1992; Purkait, 2002; Parker and Bloemendal, 2005)以及Weibull分布拟合(Kondolf and Adhikari, 2000; Sun et al., 2002)。这类方法是在给定拟合参数的情况下对单个样品的粒度分布曲线进行数学分离, 尽管能分离出各种端元, 但需要人为确定主峰和拟合参数。(2)端元分析法, 包括端元建模分析(end-member modeling analysis, EMMA)(Weltje, 1997; Dietze et al., 2012)以及分层贝叶斯端元建模分析(bayesian end-member modeling analysis, BEMMA)(Yu et al., 2016)。这类采用非参数化的方法, 无需规定端元主峰作为先验条件, 而是通过整体数据的协方差反映端元数量及组成, 反映的是整体样品的粒度组成特征, 更适用于钻孔沉积物样品的粒度分布研究(Weltje and Prins, 2007)。

虽然端元建模分析可以分离出各种粒度端元, 并且这些端元也已作为解释沉积过程的指标, 应用于海洋(Stuut et al., 2002)、湖泊(IJmker et al., 2012)和黄土(Vriend and Prins, 2005)的研究中。但是, 由于沉积物的粒度分布不仅受到沉积过程中动力学条件的影响, 还受到沉积环境和物源条件的制约。因此, 这些端元组分的来源及其地质意义仍有待检验。

作者以“ 吉兰泰— 河套” 盆地西部磴口次级隆起区获得的DK-12孔中的沉积物为研究对象, 拟采用BEMMA算法, 对沉积物的粒度分布进行端元建模分析, 并试图通过可以反映古环境信息的孢粉及黏土矿物组合来检验粒度端元建模分析的有效性, 并完善各端元组分的地质意义。

1 研究区概况

“ 吉兰泰— 河套” 盆地位于黄河大拐弯内蒙古段, 西邻巴音乌拉山、北部为狼山— 大青山所围限, 盆地西端东南部与贺兰山相邻、东端南部与鄂尔多斯高原相接, 在平面上呈“ S” 形。地势总体上西高东低, 并向东北倾斜。黄河从西部流经该盆地, 并从其东南部流出。一系列的隐伏断裂将该盆地分隔成多个次级凹陷和次级隆起区, 自西向东依次为吉兰泰坳陷、磴口次级隆起区、临河坳陷、西山咀凸起、白彦花坳陷、包头凸起以及呼和坳陷。前人研究显示, 该盆地内部曾经存在一个面积巨大的“ 吉兰泰— 河套” 古大湖, 高湖面时期湖泊覆盖了包括现今乌兰布和沙漠和库布奇沙漠在内的几乎整个盆地(图 1)(春喜, 2006; 陈发虎等, 2008; Chen et al., 2008; 杨丽萍, 2008; Yang et al., 2008; Fan et al., 2017)。

图 1 “ 吉兰泰— 河套” 盆地构造划分及DK-12钻孔位置(据Chen et al., 2008; 有修改)Fig.1 Tectonic division of the Jilantai-Hetao Basin and the location of the Borehole DK-12(modified from Chen et al., 2008)

研究区位于“ 吉兰泰— 河套” 盆地西部的磴口次级隆起区。在地理位置上, 研究区位于东亚夏季风影响区的西部边缘、现今亚洲干旱区与半干旱区的过渡带; 年均降雨量为107.8imm, 年均蒸发量为2956.9imm, 夏季盛行西南风, 冬季盛行西北风(春喜, 2006)。

早期的研究表明, 研究区的第四系沉积厚度介于1000~1400im(中国人民解放军919部队, 1979①), 主要为湖相或风积(沙漠)沉积(内蒙古自治区地质局区域地质测量队, 1972②), 或为冲洪积砂砾石沉积(内蒙古自治区第一区域地质调查队, 1982③)。晚更新世初期, 黄河曾在磴口附近的二十里柳子注入湖盆; 全新世期间, 吉兰泰坳陷中湖泊的面积虽曾明显缩小(宁夏计委地质局区域地质调查队, 1976④), 但距今8ika前后(7255 a B.P.), 在太阳庙一带由黄河发洪形成了名为“ 屠申泽” 的洪积湖, 直到西汉时期(202 B.C.— 9 A. D.), 古湖面积仍能达到400ikm2, 其范围延伸到了磴口一带(侯仁之和俞伟超, 1973; 谭其骧, 1991; 景爱, 1999; 李炳元和葛全胜, 2003; 贾铁飞和银山, 2004)。可见, 研究区第四纪地层主体应为湖相沉积, 夹有部分风沙沉积, 顶部为冲洪积物。

DK-12钻孔(40° 23'14.3″N, 106° 40'12.0″ E)所在的磴口次级隆起区处于地势较高的“ 吉兰泰— 河套” 盆地西部, 两端分别为吉兰泰坳陷和临河坳陷, 该钻孔的沉积记录能敏感地反映“ 吉兰泰— 河套” 盆地湖泊状态的变化。

2 DK-12钻孔沉积记录

整个DK-12钻孔进深83im, 平均取心率为56.76%, 从上到下将其分为6个单元(图 2):

Unit 1(0~5im): 整体为浅黄色黏土质细砂, 地表 25icm为半固定现代沙丘所覆盖;

Unit 2(5~13im): 以浅灰色和浅黄色的中— 粗砂为主, 顶部5~6im为浅灰色细— 中砂, 整体含水量大, 分选、磨圆均较好;

Unit 3(13~32im): 以浅黄色细— 中砂为主, 含2处黑色黏土和浅灰色黏土质细砂夹层(深度分别为22.6~23.5im 和24~24.5im);

Unit 4(32~52.5im): 整体为浅灰色细— 中砂, 下部有2层黑色黏土和黏土质细砂夹层(深度分别为49~49.6im 和51~52.5im);

Unit 5(52.5~60im): 整体为浅黄色的细砂和细— 中砂, 在56.1~56.6im和58.7~59.3im有薄层棕红色黏土沉积, 黏土层之间为浅黄色细— 中砂, 粗颗粒组分较多, 磨圆度较好;

Unit 6(60~83im): 整体为浅灰色中— 粗砂, 底部80~83im为粗砂, 水分过饱和。顶部(62~65im)有小砾石(长轴约为1~2icm), 磨圆度中等, 呈次棱角状和扁平状。

根据DK-12孔沉积物的OSL测年结果重建的年代框架(图 2)表明, 该钻孔的沉积物主要为近100ika以来的沉积(Fan et al., 2017)。

图 2 “ 吉兰泰-河套” 盆地西部DK-12钻孔地层岩性、重建的边界年龄、端元建模分析结果及黏土层中的孢粉分析结果对比(其中地层、年代和孢粉数据引自 Fan等, 2017)Fig.2 Lithology, results of end-member modeling analysis, reconstructed chronology and the pollen assemblages of clay layers of the Borehole DK-12 in the western Jilantai-Hetao Basin(The lithology, reconstructed chronology and pollen data are inferred from Fan et al., 2017)

3 实验方法
3.1 粒度测量

粒度样品前处理以及所有测试均在兰州大学西部环境教育部重点实验室进行。对整个钻孔地层以6icm为间隔采样并进行粒度测量。测试前称取适量自然风干的松散样品(砂样约0.6 g, 黏土样约0.2 g)放入烧杯, 依次加入10%的稀双氧水溶液和10%的稀盐酸溶液, 并在电热板上煮沸直至没有气泡产生, 以去除有机质和碳酸盐。然后用蒸馏水清洗样品并静置24ih后, 加入10%的六偏磷酸钠溶液, 并在超声波清洗仪中震荡以充分分散颗粒(超声波频率为80 Hz, 震荡时间为5imin)。

粒度测量采用英国Malvern公司生产的Mastersizer 2000型激光粒度仪。该仪器测量范围为0.02~2000iμ m。因此, 对于个别含有少量粒度大于2000iμ m的细砾石的样品, 在测量之前使用孔径为2imm的不锈钢筛网进行了过滤。所以, 粒度测试获得的结果为粒径处于0.02~2000iμ m范围内颗粒的分布特征。

3.2 黏土矿物分析

钻孔中黏土层集中于0~5im、23~24.5im以及45.5~51im共3个层位, 本研究以10icm为间距, 选择了33个样品分析黏土矿物的含量, 并从不同深度选取7个代表性样品(23~24.5im取2个样品, 45.5~51im取5个样品)进行了黏土矿物成分的分析。

黏土矿物总含量分析在兰州大学甘肃省西部矿产资源重点实验室完成。首先, 称取自然风干后的样品30~40 g放入1000imL高型烧杯; 依次加入200imL蒸馏水以及200imL双氧水(30%)以去除有机质, 加入400imL稀盐酸溶液(10%)以去除碳酸盐; 充分反应后, 用蒸馏水清洗至中性, 每个样品加入50~60imL六偏磷酸钠溶液(2%), 超声波振荡30imin, 使颗粒彻底分散; 按照Stokes沉降原理计算黏土矿物沉降10icm所需时间(牛刚和王杰民, 2011), 抽取上层10icm溶液, 反复加蒸馏水抽提直至上层10icm澄清; 向抽提出的溶液(悬浮有小于2iμ m矿物的胶体)中依次加入稀盐酸加速胶体絮凝、适量的连二亚硫酸钠去除非晶态的氧化铁后, 加入蒸馏水, 反复清洗至中性(每次清洗后使用离心机分离), 烘干后便获得粒度意义上的黏土矿物, 最后称干重计算黏土矿物占全样的质量百分比。

对黏土矿物组合的定性及半定量分析在国家海洋局第二海洋研究所海底科学实验室岩矿分析专业实验室完成。采用仪器为荷兰帕纳科X’ pert MPD Pro射线衍射(XRD)分析仪及其配套设备, 实验条件和主要参数如下:

工作电压: 40ikV; 工作电流: 40imA; 射线管阳极为铜靶(Cu/K-alpha 1), 波长: 1.54056iÅ ; 采样步宽: 0.02° (2θ ); 扫描步长: 0.01671° /步; 扫描速度: 69.85is/步(2.4° /min); 扫描角度: 3° ~35° (2θ )。本实验采用刮片法制得自然风干片(N片)、乙二醇饱和片(EG片)以及高温片(300i℃和550i℃), 并分别对它们进行了测量。

3.3 端元建模分析

BEMMA算法与EMMA算法本质上都是基于多维空间扩展, 从粒度分布中分离出灵活稳健的端元。虽然EMMA方法已得到广泛应用, 但在运算过程中仍然需要人为选择端元数, 评估最优结果, 并且在粒级数据包含大量零值时, 其数值的稳定性等方面仍存在一些问题。

而BEMMA算法是在贝叶斯框架下, 利用其灵活性, 将未知模型参数作为随机变量并入模型先验信息, 通过后续分析进行更新, 并加入观测数据, 以增强模型的客观可信度, 能够普遍减小分布函数模型参数的不确定性(Yu et al., 2016)。与EMMA最本质的区别在于, BEMMA以1个诞生— 消亡的过程模仿端元数的后验分布, 通过可逆跳跃的马尔科夫链蒙特卡洛(MCMC)算法与吉布斯采样相结合, 逐步获取端元数, 并更新端元频谱曲线及其百分含量(Yu et al., 2016)。

作者参照Yu等(2016)的方法进行数据处理, 即将粒度与对应深度数据作为1个矩阵, 整理成txt表格, 导入已编写的MATLAB程序中, 得到运算结果。涉及到的函数及算法简述如下:

1)变量定义

设 Y=[y1, …, yN]是包含N个粒度分布样本的数据矩阵, 每个样本是表示L个不同大小的粒级的体积百分比的向量, 其总和为100%。假设Y是由有限数量的端元的线性混合产生的, 如Y=SC+E。其中S=[s1, …, sM]是包含M个端元的矩阵, 每个都是由L个元素组成的向量, 并且具有相同的属性(例如, 在0和100%之间变化并添加到100%)作为粒度数据向量y; C=[c1, …, cN]是包含N个向量的矩阵, 每个向量都是表示这M个端元的分数(权重); E=[ε1, …, εN]是包含N个序列的矩阵, 每个序列是长度为L的向量, 表示模型的随机误差。

2)似然函数获取

假设模型的误差序列 ε是1个具有平均向量OL和L×L的正定协方差矩阵∑ 的服从多元正态分布的随机变量, 得到线性分离模型的似然函数。

3)模型参数和超参数的先验分布

给定似然函数, 贝叶斯定理声明未知模型参数的先验信息可从数据中更新。用离散均匀分布作为端元数的先验分布, 得到概率质量函数: f(M)=1/Mmax(M为端元数, Mmax为最大端元数)。选择浓度参数等于1/M(1/L)的对称狄利克雷分布用于分数向量(端元向量)的先验分布, 得到概率分布函数: f(c|M)(f(s|M))。假设样本(端元向量)是相互独立的, 则分数矩阵C(端元矩阵S)的先验分布可以表示为:f(C|M)=∏i=1Nf(ci|M)(f(S|M)=∏k=1Mf(sk|M))。选择逆Wishart分布作为误差向量的协方差矩阵的先验分布, 得到概率分布函数:f(Σ|Ψ, v)。

4)模型参数和超参数的后验分布

根据贝叶斯定理, 模型参数的联合后验分布可以表示为1个明确的分层结构: p(S, C, M, ΣY)∝l(Y|S, C, M, Σ)f(S|M)f(C|M)f(M)f(Σ|Ψ, v), 集成出误差的协方差矩阵并利用多元伽马函数的定义简化表达式, 采用马尔科夫链蒙特卡罗(MCMC)方法模拟个体模型参数的条件后验分布进一步简化, 得到其按照Gibbs采样法的解析式。再按照贝叶斯定理, 经过代数运算得到分数矩阵(端元矩阵)的条件后验分布 C(S), 其服从截断于M-1(L-1)单形的多变量正态分布。应用贝叶斯定理得到误差协方差矩阵Σ 的条件后验分布, 其服从具有更新参数的逆Wishart分布。最后直接应用贝叶斯定理得到超参数的条件后验分布, 其服从具有更新参数的Wishart分布。

5)Metropolis-Hastings-Green-within-Gibbs 算法使用MCMC方法从它们的条件后验分布推断未知模型参数。对于端元的数量, 使用诞生— 消亡过程来浏览参数空间; 而对于端元和分数矩阵, 采用可逆跳跃方案结合Gibbs采样法来促使马尔可夫链的移动, 以更新链的状态。具体来说, 给定模型参数的初始猜测, 首先提出消亡或诞生过程。如果接受该提议, 则将通过使用4)中给出的公式按照Gibbs采样法对它们的条件后验分布进行采样, 来相应地更新模型参数及其超参数。

4 结果
4.1 粒度测量结果

DK-12钻孔各单元代表性样品的整体粒度分布特征如图 3所示(样品按取样深度编号):

Unit 1中浅黄色黏土质细砂的粒度分布特征为峰值在10iμ m和200~300iμ m的双峰分布(如, 样品DK0390和DK0420), 顶部半固定沙丘中的黏土质细砂为峰值在10iμ m的单峰分布(如, 样品DK0150), 浅黄色细砂为峰值在50iμ m的单峰分布(如, 样品DK0012)。

图 3 “ 吉兰泰— 河套” 盆地西部DK-12钻孔各单元代表性样品的粒度分布频率曲线Fig.3 Grain-size distribution curves of representative samples of each unit in the Borehole DK-12 in the western Jilantai-Hetao Basin

Unit 2中浅灰色及浅黄色中— 粗砂的粒度分布特征为峰值在400~500iμ m的单峰分布(如, 样品DK0800和DK1190), 顶部(5~6im)浅灰色细— 中砂为峰值在4~30iμ m和200~400iμ m的双峰分布(如, 样品DK0554)。

Unit 3中浅黄色细— 中砂的粒度分布特征为峰值在200~300iμ m的单峰分布(如, 样品DK1680、DK2100、DK2600和DK3000), 夹层的黑色黏土为峰值在4iμ m左右的单峰分布(如, 样品DK2412), 浅灰色黏土质细砂为峰值在5iμ m和400iμ m的双峰分布(如, 样品DK2320)。

Unit 4中浅灰色细— 中砂的粒度分布特征为峰值在200~300iμ m的单峰分布(如, 样品DK3498、DK4002和DK4500), 夹层的黑色黏土为峰值在7iμ m左右的单峰分布(如, 样品DK5148), 黏土质细砂为峰值在4iμ m和300iμ m的双峰分布(如, DK5004)。

Unit 5中浅黄色细砂和细— 中砂的粒度分布特征为峰值在90~200iμ m的单峰分布(如, 样品DK5406和DK5802), 2处棕红色黏土夹层为峰值在5~7iμ m和200~300iμ m的双峰分布(如, 样品DK5580和DK5988)。

Unit 6中浅灰色中— 粗砂的粒度分布特征为峰值在200~300iμ m的单峰分布(如, DK6084和DK7002), 底部2.6im为峰值在500iμ m的粗砂层(如, 样品DK8100)。

4.2 端元建模结果

将所有的粒度数据整理后进行端元建模分析, 端元数的马尔科夫链如图 4-a所示。BEMMA模型从6个端元的初始猜测值开始运行, 经过约110次迭代之后, 端元数收敛于4, 即可以认为这些样品由4个端元(分别为EM 1、EM 2、EM 3和EM 4)组成。各端元的粒度分布频率曲线绘于图 4-b, 它们的相对含量随深度的变化与地层岩性以及孢粉分析结果的对比绘于图 2。

图 4 “ 吉兰泰— 河套” 盆地西部DK-12钻孔沉积物BEMMA结果Fig.4 Sediments BEMMA result of the Borehole DK-12 in the western Jilantai-Hetao Basin

如图 4-b所示, EM 1呈非对称分布, 且范围较大、平缓, 主峰峰值在8iμ m左右(细粉砂), 在500iμ m(中— 粗砂)处有1个非常小的次峰。EM 2为峰值在100~200iμ m(细砂)的单峰分布, 分布范围较窄。EM 3主峰峰值在400iμ m(中砂)左右, 并且在60iμ m(粉砂)左右有1个平缓的矮峰。EM 4为峰值在300iμ m(中砂)左右的对称单峰分布。

4.3 黏土矿物组合分析结果

代表性样品的X射线衍射图谱如图 5所示。根据同一样品在不同实验条件下获得的衍射图谱中峰值出现的位置, 可以初步定性地判断出黏土矿物的种类。例如, 在自然片图谱上14 Å 处有峰, 则表明存在绿泥石或蒙脱石, 10 Å 处有峰表明存在伊利石, 7 Å 处有峰则表明存在绿泥石和高岭石, 5 Å 处有峰表明存在蒙脱石, 3.58 Å 处有峰则表明存在高岭石, 3.54 Å 处有峰则表明存在绿泥石; 乙二醇饱和后, 若17 Å 处有峰, 表明为蒙脱石, 14 Å 处若仍有峰则为绿泥石; 高温片图谱上7 Å 、3.58 Å 处峰消失, 3.54 Å 处峰增强, 则表明有高岭石存在(彭淑贞和郭正堂, 2007)。乙二醇饱和片图谱上的17 Å 、10 Å 、7 Å 、3.58 Å 以及3.54 Å 处的特征衍射峰数据可用于4种矿物的半定量计算(Biscaye, 1965)。

图 5 “ 吉兰泰— 河套” 盆地西部DK-12钻孔中代表性样品DK1492的X射线衍射图谱Fig.5 X-ray diffraction pattern of representative sample DK1492 of the Borehole DK-12 in the western Jilantai-Hetao Basin

样品的黏土矿物种类及含量分析结果列于表 1。所有样品均以伊利石(含量高达83.523%~87.014%, 平均85.824%)和高岭石(含量8.534%~13.441%, 平均11.067%)为主, 含有少量蒙脱石(含量0.309%~3.155%, 平均1.457%)和绿泥石(含量0.002%~3.362%, 平均1.652%)。伊利石是弱碱性环境和干燥气候条件的产物; 高岭石反映了湿热的气候特征; 蒙脱石形成于干湿交替的气候环境, 反映了寒冷的气候; 绿泥石形成于干燥气候条件, 代表了逐渐干旱的气候条件(鲁春霞, 1997; 张乃娴等, 2000; 汤艳杰等, 2002)。样品中伊利石结晶度(illite crystallinity, IC)Kü bler指数在0.226° ~0.341° (Δ 2θ ), 平均为0.296° (Δ 2θ )。根据Diekmann等(1996)对伊利石结晶度的分类标准, IC< 0.4° (Δ 2θ ), 表示伊利石结晶度非常好。

表 1 “ 吉兰泰— 河套” 盆地西部DK-12钻孔中代表性样品黏土矿物种类、含量及伊利石结晶度 Table1 Clay mineral type, content and IC of representative samples of the Borehole DK-12 in the western Jilantai-Hetao Basin
5 讨论

Fan等(2017)基于DK-12钻孔的沉积地层和OSL测年结果, 详细讨论了“ 吉兰泰— 河套” 盆地西部距今100ika以来不同时段的沉积环境。作者将重点分析DK-12钻孔中沉积物粒度端元建模分析的有效性, 并完善各端元的地质意义。

5.1 远源粉尘(EM 1)

Vandenberghe(2013)对黄土高原晚中新世和上新世红黏土的粒度特征进行了分析, 认为2~10iμ m的细粉砂(type 1.c.2)不是由成土作用形成, 而是以高空悬浮方式长距离搬运的风成沉积物, 它的物源可能是干的盐湖、冲积扇、山麓以及河漫滩。Sun等(2004)在黄土粒度分布特征的研究中也指出, 2~10iμ m粒级的颗粒可以在高达7ikm的大气层中运输1000~2000ikm, 这些细粒组分代表着连续的粉尘堆积, 与成壤作用基本无关。Dietze等(2014)对青藏高原多个湖泊的沉积物进行了粒度端元分析, 也认为5~10iμ m的细粉砂端元应为远源粉尘。

在DK-12钻孔中, EM 1主峰峰值约为8iμ m, 其分布特征与上述远源粉尘相似。EM 1含量较高的地层为黏土层, 其中的黏土矿物以伊利石和高岭石为主(表 1), 表明这些黏土矿物主体形成于干燥的气候环境。这与该地区对应地层所反映的湖泊沉积环境(Fan et al., 2017)矛盾, 因此, EMi1可能为来自远距离干旱环境的粉尘。

同时, 在这些黏土层中发现了大量藜科(Chenopodiaceae)、麻黄属(Ephedra)的孢粉(图 2)。藜科适合生长于干旱的环境; 麻黄属丰度大则意味着此时环境温度高湿度低, 且受湿度影响显著(孙湘君等, 1996)。这些孢粉组合也反映该盆地中有来源于干旱气候环境的物质。

端元的粒度分布特征(图 4-b)、孢粉组合(图 2)以及黏土矿物组合(表 1)都指示EM 1应为风力搬运的远源粉尘。由于季节性河流对边坡沉积物连同黏土一起进行侵蚀重塑、搬运也可以产生类似的结果(Sun et al., 2004)。前人的研究结果也表明, 黄河及来自周围山地的季节性河流为该地区的主要水源(Fan et al., 2010)。因此, 也不排除河流在汇入盆地时将早先落入流域的远源粉尘一起带入盆地的可能。

5.2 风成沙(EM 2)

Dietze等(2014)的研究认为, 90~250iμ m的细砂端元是由强劲的地表风以滚动或跃移方式搬运的风成沙, 主要为近岸沉积, 仅在如Donggi Cona湖这种湖面会大面积冰冻的湖泊中才可能出现在深水区域。Li等(2014)对腾格里沙漠现代沙丘和钻孔的粒度分布特征的研究中也认为, 120~298iμ m的组分为典型的风成沙。孙东怀等(2001)对毛乌素沙漠风成沙粒度分布特征的研究也认为, 100~200iμ m的粗粉砂应为近地表跃移组分。

在DK-12钻孔中, EM 2的分布特征为峰值在100~200iμ m的单峰分布, 符合上述近源风成沙的特征。EM 2含量较高的层位为Uniti3、Uniti5、Uniti6, 这3个地层中代表性样品的孢粉及沉积地层指示其整体形成于滨湖— 浅湖环境(Fan et al., 2017)。例如, Unit 3中深度23.50im与24.20im处的孢粉样品中富含生长于湖岸浅水环境的香蒲属(Typha)和莎草科(Cyperaceae)(孙湘君等, 1996); Unit 5中56.12~56.60im与58.70~59.33im有棕红色黏土薄层沉积; Unit 6中62~65im处有中等磨圆度的小砾石(粒径1~2icm)。

此外, 在Unit 3中还保存有大量生长于沙地、荒漠的藜科、麻黄属、蒿属(Artemisia)孢粉(孙湘君等, 1996), 表明研究区周围为荒漠环境。并且在地理位置上, 研究区处于乌兰布和沙漠、腾格里沙漠和上风向的巴丹吉林沙漠的包围之中, 周围有大量的风沙活动。因此, DK-12钻孔中的EM 2很可能是来源于周围沙漠的近源风成沙。

5.3 冲积沙(EM 3和EM 4)

河流沉积物可以具有多峰的特征, 这取决于沉积载荷和流速, 但其典型特征是粗粒组分的峰值在200~400iμ m, 甚至更粗(Sun et al., 2002)。Dietze等(2014)的研究中发现, 粒径介于250~600iμ m的中— 粗砂端元仅在有河流出现、沉积物分选较好的湖泊沉积和典型的冲积扇沉积中出现, 因此将这种端元视为河流搬运的冲积沙。

EM 3主峰为400iμ m, EM 4主峰为300iμ m, 二者均处于河流搬运的动力范围。孢粉组合显示, 整个沉积过程中都有大量生长于河湖边缘的蒿属, 生长于沼泽、河岸、湖岸等浅水环境的香蒲属和莎草科孢粉, 以及大量与香蒲属伴生的禾本科(Poaceae)(孙湘君等, 1996), 表明研究区整个沉积过程都有河流存在。

虽然EM 3和EM 4都为河流搬运产物, 但它们的峰值存在较大的差异。从其组分的变化来看(

图 2), EM 4相对于EM 3处于一个更加稳定的状态。因此, 计算过程中将二者化为独立的2个端元, 这有可能是二者源区的不同所导致的。EM 4的含量在整个沉积记录中基本稳定于50%左右, 表明其应有一个稳定的河流来源。而EM3中的矮峰(60iμ m)与孙东怀等(2001)研究的流水沉积物与风成物混合形成的次生黄土中的风成粗粒组分相吻合也与, Vandenberghe(2013)划分的粗粒度黄土(type 1.b.1: 51~60iμ m)以及次生黄土中河流— 风成沉积物(type 2.a)中粗颗粒的黄土组分吻合, 其有可能为近源尘暴转运的沙漠中的粗粒组分。因此, 相对于EM 4来说, EM 3可能更多地流经了周围的沙漠区域。

6 结论

采用BEMMA算法, 对位于“ 吉兰泰— 河套” 盆地西部磴口次级隆起区DK-12钻孔晚第四纪沉积物的粒度分布进行了端元建模分析, 在代表性层位利用孢粉及黏土矿物组合对粒度端元建模分析的结果进行了检验, 认为该地区的沉积物总体由4个端元构成:

1)EM 1(远源粉尘):峰值在8iμ m左右(细粉砂), 应为长距离搬运的远源粉尘。

2)EM 2(风成沙): 峰值在100~200iμ m(细砂), 为周围沙漠的近源跃移组分。

3)EM 3和EM 4(冲积沙): EM 3峰值在400iμ m左右(中砂), EM 4峰值在300iμ m左右(中砂), 为河流搬运产物。

其中, 远源粉尘(EM 1)得到了反映粉尘源区干旱的黏土矿物组合及植物孢粉的证明; 风成沙(EM 2)得到了常生长于沙漠干旱环境的植物孢粉数据的验证; 而冲积沙(EM 3和EM 4)得到了常生长于淡水湖泊、沼泽、河岸和湖岸等浅水环境的植物孢粉数据的支持。

相对于传统的处理粒度数据方法, 端元建模分析能够帮助我们更好地理解研究区沉积过程中各阶段的端元组分以及沉积环境的变化。在对这些端元的变化进行解释时, 结合其他指标进行综合分析, 既能合理地解释这些指标之间的一致性和矛盾性, 又能检验端元建模分析结果的有效性和准确性, 从而更加清晰地反映这些端元的沉积转运过程, 完善每个粒度端元的地质意义。

致谢 感谢兰州大学研究生张凡、张复、陈晓龙、杨瑞钰以及第二海洋研究所章伟艳老师在野外钻探、黏土矿物提纯及分析中给予的帮助。

作者声明没有竞争性利益冲突.

参考文献
[1] 陈发虎, 范育新, Madsen D B, 春喜, 赵晖, 杨丽萍. 2008. 河套地区新生代湖泊演化与“吉兰泰—河套”古大湖形成机制的初步研究. 第四纪研究, 28(5): 866-873.
[Chen F H, Fan Y X, Madsen D B, Chun X, Zhao H, Yang L P. 2008. Prelminary study on the form ationmechanism of the “Jilantai-Hetao” Megalake and the lake evolutionary history in Hetao region. Quaternary Sciences, 28(5): 866-873] [文内引用:2]
[2] 春喜. 2006. 晚第四纪吉兰泰盐湖古湖面与环境变化研究. 兰州大学博士学位论文, 19-24.
[Chun X. 2006. Palaeo-Lake Level Variations of Jilantai Salt Lake and the Environmental Change Since Late Qatrenary. Doctoral Dissertation of Lanzhou University, 19-24] [文内引用:1]
[3] 郭峰, 孙东怀, 王飞, 李再军, 李宝锋. 2014. 巴丹吉林沙漠地层序列的粒度分布及其组分成因分析. 海洋地质与第四纪地质, 34(1): 165-173.
[Guo F, Sun D H, Wang F, Li Z J, Li B F. 2014. Grain-size distribution pattern of the depositional sequence in central Badain Jaran Desert and its genetic interpretation. Marine Geology & Quaternary Geology, 34(1): 165-173] [文内引用:1]
[4] 侯仁之, 俞伟超. 1973. 乌兰布和沙漠的考古发现和地理环境的变迁. 考古, (2): 92-107.
[Hou R Z, Yu W C. 1973. Archaeological discoveries and changes in geographical environment in Ulan Buh Desert. Archeology, (2): 92-107] [文内引用:1]
[5] 贾铁飞, 银山. 2004. 乌兰布和沙漠北部全新世地貌演化. 地理科学, 24(2): 217-221.
[Jia T F, Yin S. 2004. Geomorphic evolution in northern Ulan Buh Desert in the Holocene. Scientia Geographica Sinica, 24(2): 217-221] [文内引用:1]
[6] 景爱. 1999. 沙漠考古通论. 北京: 紫禁城出版社, 113-136.
[Jing A. 1999. Desert Archeology. Beijing: Forbidden City Publishing House, 113-136] [文内引用:1]
[7] 李炳元, 葛全胜. 2003. 近2000年来内蒙后套平原黄河河道演变. 地理学报, 58(2): 239-246.
[Li B Y, Ge Q S. 2003. Evolution of the Yellow River in the Houtao Plain of Inner Mongolia in the past 2000 Years. Acta Geographica Sinica, 58(2): 239-246] [文内引用:1]
[8] 鲁春霞. 1997. 粘土矿物在古环境研究中的指示作用. 中国沙漠, 17(4): 456-460.
[Lu C X. 1997. Clay minerals as indicators of paleoenironment. Journal of Desert Research, 17(4): 456-460] [文内引用:1]
[9] 牛刚, 王杰民. 2011. 关于黏土矿物粒级提取的方法探讨. 甘肃科技, 27(16): 42-44.
[Niu G, Wang J M. 2011. Discussion on the method of extraction of clay mineral particles. Gansu Science and Technology, 27(16): 42-44] [文内引用:1]
[10] 彭淑贞, 郭正堂. 2007. 风成三趾马红土与第四纪黄土的粘土矿物组成异同及其环境意义. 第四纪研究, 27(2): 277-285.
[Peng S Z, Guo Z T. 2007. Clay mineral composition of the tertiary red clay and the quaternary loess-palaeosols as well as its environmental implication. Quaternary Sciences, 27(2): 277-285] [文内引用:1]
[11] 孙东怀, 安芷生, 苏瑞侠, 吴锡浩, 王苏民, 孙千里, Rea D, Bloemendal J. 2001. 古环境中沉积物粒度组分分离的数学方法及其应用. 自然科学进展, 11(3): 269-276.
[Sun D H, An Z S, Su R X, Wu X H, Wang S M, Sun Q L, Rea D, Bloemendal J. 2001. Mathematical approach to sedimentary component partitioning of polymodal sediments and its applications. Progress in Natural Science, 11(3): 269-276] [文内引用:1]
[12] 孙湘君, 王琫瑜, 宋长青. 1996. 中国北方部分科属花粉—气候响应面分析. 中国科学D辑: 地球科学, 26(5): 431-436.
[Sun X J, Wang B Y, Song C Q. 1996. A part of the genus pollen-Climate Response Surface Analysis, northern China. Science in China(Series D): Earth Science, 26(5): 431-436] [文内引用:4]
[13] 谭其骧. 1991. 简明中国历史地图集. 北京: 中国地图出版社, 17-18.
[Tan Q X. 1991. Concise Historical Atlas of China. Beijing: China Cartographic Publishing House, 17-18] [文内引用:1]
[14] 汤艳杰, 贾建业, 谢先德. 2002. 粘土矿物的环境意义. 地学前缘, 9(2): 337-344.
[Tang Y J, Jia J Y, Xie X D. 2002. Environment significance of clay minerals. Earth Science Frontiers, 9(2): 337-344] [文内引用:1]
[15] 杨丽萍. 2008. 基于遥感与DEM的“吉兰泰—河套”古大湖重建研究. 兰州大学博士学位论文, 149-152.
[Yang L P. 2008. Reconstruction of Paleo-Megalae “Jilantai-Hetao” Based on Remote Sensing and DEM. Doctoral Dissertation of Lanzhou University, 149-152] [文内引用:2]
[16] 张乃娴, 万国江, 马玉光. 2000. 威宁草海沉积物中的粘土矿物及其环境记录. 地质科学, 35(2): 206-211.
[Zhang N X, Wan G J, Ma Y G. 2000. The clay mineral and its environmental record in the sediment core of Caohai, Weining. Chinese Journal of Geology, 35(2): 206-211] [文内引用:1]
[17] Biscaye P E. 1965. Mineralogy and sedimentation of recent Deep-Sea Clay in the Atlantic Ocean and Adjacent Seas and Oceans. Geological Society of America Bulletin, 76(7): 803-832. [文内引用:1]
[18] Chen F H, Fan Y X, Chun X, Madsen D B, Oviatt C G, Zhao H, Yang L P, Sun Y. 2008. Preliminary research on Megalake Jilantai-Hetao in the arid areas of China during the Late Quaternary. Chinese Science Bulletin, 53(11): 1725-1739. [文内引用:1]
[19] Diekmann B, Petsehick R, Gingele F X, Fütterer D K, Abelmann A, Brathauer U, Gersonde R, Mackensen A. 1996. Clay mineral fluctuations in Late Quaternary sediments of the southeastern South Atlantic: Implications for Past Changes of Deep Water Advection. The South Atlantic: Springer-Verlag Berlin Heidelberg, 621-644. [文内引用:1]
[20] Dietze E, Hartmann K, Diekmann B, IJmker J, Lehmkuhl F, Opitz S, Stauch G, Wünnemann B, Borchers A. 2012. An end-member algorithm for deciphering modern detrital processes from lake sediments of Lake Donggi Cona, NE Tibetan Plateau, China. Sedimentary Geology, 243-244(1): 169-180. [文内引用:1]
[21] Dietze E, Maussion F, Ahlborn M, Diekmann B, Hartmann K, Henkel K, Kasper T, Lockot G, Opitz S, Haberzettl T. 2014. Sediment transport processes across the Tibetan Plateau inferred from robust grain-size end members in lake sediments. Climate of the Past, 10(1): 91-106. [文内引用:1]
[22] Fan Y X, Chen F H, Wei G X, Madsen D B, Oviatt C G, Zhao H, Chun X, Yang L P, Fan T L, Li G Q. 2010. Potential water sources for Late Quaternary Megalake Jilantai-Hetao, China, inferred from mollusk shell 87Sr/86Sr ratios. Journal of Paleolimnology, 43(3): 577-587. [文内引用:1]
[23] Fan Y X, Wang Y D, Mou X S, Zhao H, Zhang F, Zhang F, Liu W H, Hui Z C, Huang X Z, Ma J. 2017. Environmental status of the Jilantai Basin, North China, on the northwestern margin of the modern Asian summer monsoon domain during Marine Isotope Stage 3. Journal of Asian Earth Sciences, 147: 178-192. [文内引用:5]
[24] Fieller N R J, Gilbertson D D, Griffin C M, Briggs D J, Jenkinson R D S. 1992. The statistical modelling of the grain size distributions of cave sediments using log skew laplace distributions: Creswell Crags, near Sheffield, England . Journal of Archaeological Science, 19(2): 129-150. [文内引用:1]
[25] Flenley E C, Fieller N R J, Gilbertson D D. 1987. The statistical analysis of ‘mixed’ grain size distributions from aeolian sand s in the Libyan Pre-Desert using log skew Laplace models. Geological Society London Special Publications, 35(1): 271-280. [文内引用:1]
[26] Ijmker J, Stauch G, Dietze E, Hartmann K, Diekmann B, Lockot G, Opitz S, Wünnemann B, Lehmkuhl F. 2012. Characterisation of transport processes and sedimentary deposits by statistical end-member mixing analysis of terrestrial sediments in the Donggi Cona lake catchment, NE Tibetan Plateau. Sedimentary Geology, 281(1): 166-179. [文内引用:1]
[27] Kondolf G M, Adhikari A. 2000. Weibull vs. lognormal distributions for fluvial gravels. Journal of Sedimentary Research, 70(3): 456-460. [文内引用:1]
[28] Leys J, McTainsh G, Koen T, Mooney B, Strong C. 2005. Testing a statistical curve-fitting procedure for quantifying sediment populations within multi-modal particle-size distributions. Earth Surface Processes & Land forms, 30(5): 579-590. [文内引用:1]
[29] Li Z J, Sun D H, Chen F H, Wang F, Zhang Y B, Guo F, Wang X, Li B F. 2014. Chronology and paleoenvironmental records of a drill core in the central Tengger Desert of China. Quaternary Science Reviews, 85(1): 85-98. [文内引用:1]
[30] Parker E J, Bloemendal J. 2005. Aeolian process and pedogenesis under the influence of the East Asian monsoon: A statistical approach to particle-size distribution variability. Sedimentary Geology, 181(3-4): 195-206. [文内引用:1]
[31] Purkait B. 2002. Patterns of grain-size distribution in some point bars of the Usri River, India. Journal of Sedimentary Research, 72(3): 367-375. [文内引用:1]
[32] Stuut J B W, Prins M A, Schneider R R, Weltje G J, Jansen J H F, Postma G. 2002. A 300-kyr record of aridity and wind strength in southwestern Africa: Inferences from grain-size distributions of sediments on Walvis Ridge, SE Atlantic. Marine Geology, 180(1-4): 221-233. [文内引用:1]
[33] Sun D H, Bloemendal J, Rea D K, Vand enberghe J, Jiang F C, An Z S, Su R X. 2002. Grain-size distribution function of polymodal sediments in hydraulic and aeolian environments, and numerical partitioning of the sedimentary components. Sedimentary Geology, 152(3-4): 263-277. [文内引用:2]
[34] Sun D H, Bloemendal J, Rea D K, An Z S, Vand enberghe J, Lu H Y, Su R X, Liu T S. 2004. Bimodal grain-size distribution of Chinese loess, and its palaeoclimatic implications. Catena, 55(3): 325-340. [文内引用:1]
[35] Sutherland R A, Lee C T. 1994. Application of the log-hyperbolic distribution to Hawai’ian beach sand s. Journal of Coastal Research, 10(2): 251-262. [文内引用:1]
[36] Vand enberghe J. 2013. Grain size of fine-grained windblown sediment: A powerful proxy for process identification. Earth-Science Reviews, 121(6): 18-30. [文内引用:2]
[37] Vriend M, Prins M A. 2005. Calibration of modelled mixing patterns in loess grain-size distributions: An example from the north-eastern margin of the Tibetan Plateau, China. Sedimentology, 52(6): 1361-1374. [文内引用:1]
[38] Weltje G J. 1997. End-member modeling of compositional data: Numerical-statistical algorithms for solving the explicit mixing problem. Mathematical Geology, 29(4): 503-549. [文内引用:1]
[39] Weltje G J, Prins M A. 2007. Genetically meaningful decomposition of grain-size distributions. Sedimentary Geology, 202(3): 409-424. [文内引用:1]
[40] Yang L P, Chen F H, Chun X, Fan Y X, Sun Y J, Madsen D B, Zhang X. 2008. The Jilantai Salt Lake shorelines in Northwestern arid China revealed by remote sensing images. Journal of Arid Environments, 72(5): 861-866. [文内引用:1]
[41] Yu S Y, Colman S M, Li L X. 2016. BEMMA: A hierarchical bayesian end-member modeling analysis of sediment grain-size distributions. Mathematical Geosciences, 48(6): 723-741. [文内引用:5]