南海北部神狐海域SH37岩芯浊流沉积及其物源分析

肖倩文, 冯秀丽, 苗晓明

肖倩文, 冯秀丽, 苗晓明. 南海北部神狐海域SH37岩芯浊流沉积及其物源分析[J]. 海洋地质与第四纪地质, 2021, 41(5): 101-111. DOI: 10.16562/j.cnki.0256-1492.2021011901
引用本文: 肖倩文, 冯秀丽, 苗晓明. 南海北部神狐海域SH37岩芯浊流沉积及其物源分析[J]. 海洋地质与第四纪地质, 2021, 41(5): 101-111. DOI: 10.16562/j.cnki.0256-1492.2021011901
XIAO Qianwen, FENG Xiuli, MIAO Xiaoming. Turbidity deposits and their provenance: evidence from core SH37 in Shenhu area of the South China Sea[J]. Marine Geology & Quaternary Geology, 2021, 41(5): 101-111. DOI: 10.16562/j.cnki.0256-1492.2021011901
Citation: XIAO Qianwen, FENG Xiuli, MIAO Xiaoming. Turbidity deposits and their provenance: evidence from core SH37 in Shenhu area of the South China Sea[J]. Marine Geology & Quaternary Geology, 2021, 41(5): 101-111. DOI: 10.16562/j.cnki.0256-1492.2021011901

南海北部神狐海域SH37岩芯浊流沉积及其物源分析

基金项目: 国家重点研发计划项目“ROV 精准取样技术应用与南海北部深海沉积过程研究”(2017YFC0306703)
详细信息
    作者简介:

    肖倩文(1997—),女,硕士研究生,主要从事海洋沉积研究,E-mail:xiaoqianwen0215@163.com

    通讯作者:

    冯秀丽(1962—),女,教授,主要从事海洋沉积和工程环境研究,E-mail:fengxiuli@ouc.edu.cn

  • 中图分类号: P736.21

Turbidity deposits and their provenance: evidence from core SH37 in Shenhu area of the South China Sea

  • 摘要: 为了分析南海北部神狐海域的浊流沉积,对SH37岩心进行了沉积物粒度测试、AMS14C测年和地球化学元素测试等工作。根据粒度特征和C-M图等分析认为,200~300 cm层位属于浊流沉积,该层沉积物粒度较粗,分选较差,敏感粒级端元EM3与Zr/Rb元素比值在该层均含量较高,且有地层年龄倒转现象。推测浊流成因为海平面的变化或重力作用引起的陆坡滑坡。稀土元素含量与(La/Sm)UCC-(Gd/Yb)UCC、(Gd/Yb)UCC-(Gd/Lu)UCC散点图结果显示,SH37岩心沉积物来源较为一致,主要来自于珠江和台湾岛内河流。
    Abstract: In order to seek for the origin of the turbidite deposits in the Shenhu area of the northern South China Sea, grain size analysis, AMS14C dating and element geochemical analysis have been carried out for the core of SH37. Grain size distribution and C-M pattern suggest that the core deposits between the interval of 200~300 cm belong to turbidite deposits. The interval is composed of relatively coarse sediments with bad sorting, as EM3 and the ratio of Zr/Rb are rather high. A phenomenon of age reversal is observed. It is speculated that the turbidity current is probably triggered by sea level change or gravity. Rare earth elements and scatter plots of (La/Sm)UCC-(Gd/Yb)UCC and (Gd/Yb)UCC-(Gd/Lu)UCC suggest that the turbidite sediments are mainly sourced from the Pearl River system and the rivers on the Taiwan Island.
  • 沉积物粒度组成及其分布模式是沉积物的基本特征,能够揭示沉积物形成的动力条件,是判别沉积环境和沉积物源的重要指标。不同沉积环境形成的沉积物受其搬运方式、动力条件等的约束,可分选出特定的粒级组合,因此粒度分布特征分析具有重要的沉积学意义[1]。沉积物粒度频率分布曲线可以定量反映某一粒径分布含量、次总体类型、分选程度等沉积过程的细节信息[2]。这些信息的提取有助于理解沉积物的来源、成因及形成过程,尤其是粒度分布子体分离法[3]、Weibull分布函数拟合法[4],端元模型法[5]等统计方法的应用,对于研究不同粒度组成端元或者组分的气候环境意义具有重要的推动作用。上述统计学方法重点关注某一沉积类型沉积物形成的动力过程和沉积成因,对于沉积环境复杂、沉积类型多样的沉积区,其沉积物成因相对复杂,如何快速、准确判别沉积物的沉积相显得尤为重要。聚类分析作为数据挖掘领域重要的手段之一,直接比较数据之间的性质差异,将数据性质相同或相近的聚为一类,在沉积物粒度数据分析与处理中具有较好的适用性[6]。然而,常规的聚类分析方法需要预设聚类数量,不能真实地反映根据沉积物粒度分布曲线类型反演出研究区存在的沉积动力类型,而且以往研究应用聚类分析大多以粒度参数表征粒度频率分布曲线作为研究对象,不能精确地表示粒度分布曲线形态以及各粒径分布含量[7]。值得注意的是,AP聚类算法(Affinity Propagation Clustering Algorithm)作为新兴的聚类方法,具有快速、高效、不需要预设聚类数量的优点,对于高维数据聚类效果明显,在图像、文本聚类以及基因表达数据分析等领域应用广泛[8-10],将AP聚类算法方法引入沉积学研究中,对于粒度数据的深度挖掘与分析具有重要的推动作用。

    白洋淀地区分布深厚的第四纪沉积物,沉积环境较为复杂,以冲积、洪积和湖积作用为主,是开展不同沉积环境条件下沉积物粒度分布曲线判别与划分研究的理想区域。区内主要侧重于利用气候环境代用指标进行古环境演化方面的研究,缺乏沉积环境动力条件的研究[11-13]。通过采集研究区内沉积剖面中已知沉积相的沉积物,确定不同沉积环境的沉积物粒度特征,研究AP聚类算法在沉积学研究中的可行性与适用性,尝试建立沉积物粒度特征与沉积动力条件的内在联系。

    研究区位于华北平原白洋淀及其周边区域,是永定河冲积扇与滹沱河冲积扇的前缘低洼区,位置为38.7°~39.2°N、115.6°~116.5°E。研究区属于温带大陆性半湿润半干旱气候,年平均温度为7.3~12.7 ℃,多年平均降水量564 mm,主要集中在6—8月份[14]。区内地势平坦,由西向东地势略有降低。白洋淀有拒马河、府河、唐河等九条河流汇入以及赵王新河、大清河等出淀河流。第四纪以来,该地区不断沉降,并普遍接受沉积,而且区内水文条件的变化对第四纪沉积物的形成也具有重要的影响,逐渐形成了一套以冲洪积和湖积为主的沉积地层[15]

    本研究对白洋淀周边地区露头剖面的沉积地层进行了详细考察,选取其中22个剖面作为研究对象(图1,剖面地层描述见表1),对各剖面典型沉积相层位进行样品采集,共获得85个沉积样品。现代河流漫滩相沉积样品来源于白沟引河,共采集2个沉积样品,沉积物为棕黄色黏土质粉砂,具有典型的二元结构。现代湖泊表层沉积样品来源于白洋淀湖泊,共采集12个沉积样品,沉积物为灰黑色粉砂质黏土、黑色黏土,有机质含量高(图2)。

    图  1  研究区域采样点
    Figure  1.  study area and sampling sites
    表  1  采样点描述
    Table  1.  Description of sampling sites
    采样剖面名称剖面位置剖面描述采样数/个
    新庄窠村38°59′31.56″N,115°50′54.04″E沉积物以灰黄色黏土质粉砂、灰黑色或灰色粉砂质黏土和浅黄色细砂为主,沉积环境主要为湖滨相、湖沼相和河床相3
    段庄村剖面39°03′20.44″N,115°49′30.28″E沉积物为灰黑色粉砂质黏土、灰黄色黏土质粉砂,沉积环境为湖沼相、湖滨相3
    北张村剖面39°04′40.23″N,115°46′32.13″E沉积物以灰黑色、棕黄色粉砂质黏土和灰黄色细砂为主,沉积环境为湖沼相以及河床相4
    向村剖面39°00′05.42″N,115°56′46.51″E沉积物以灰黄色、浅灰色黏土质粉砂、灰褐色粉砂质黏土、灰色细砂以及灰黄色粉砂质中砂为主,沉积环境主要为湖滨相、湖沼相和河床相、洪积相4
    大阳村39°00′18.32"N,115°59′19.28"E沉积物为灰黑色粉砂质黏土、浅黄色黏土质粉砂以及具有水平层理的灰黄色粉砂,沉积环境主要有湖沼相、漫滩相以及河床相3
    李庄头村38°59′33.60"N,116°04′48.67"E沉积物以细砂、中砂为主,沉积环境主要为河流相3
    晾马台村39°04′14.65"N,115°59′05.65"E沉积物具有典型的“二元结构”,沉积环境为漫滩相1
    北剧村09°04′56.42"N,115°58′16.81"E沉积物以浅灰色中砂为主,沉积环境为河床相1
    南文村39°04′19.98"N,115°56′42.30"E沉积物以黄褐色、灰黄色黏土质粉砂以及含有黑色碳屑的灰黄色粉砂质粗砂为主,沉积环境主要有洪积相、湖相4
    马家庄村39°02′53.77"N,115°55′07.67"E沉积物为灰黄色黏土质粉砂,沉积环境为湖滨相2
    胡家台村39°02′25.71"N,116°07′02.92"E沉积物以灰黄色粗粉砂、细砂为主,发育交错层理,沉积环境为漫滩相3
    大步村39°00′31.04"N,116°10′27.99"E沉积物为灰褐色、黑色黏土、褐黄色黏土质粉砂以及浅灰色中细砂,沉积环境为湖沼相、湖滨相、河床相8
    邢岗村39°03′0 8.65"N,116°14′18.92"E沉积物以棕红色、灰黄色粉砂质黏土以及灰色、灰黄色黏土质粉砂为主,沉积环境为湖沼相、湖滨相10
    袁郭村38°51′03.40"N,116°25′15.25"E沉积物以灰黑色粉砂质黏土、浅黄色黏土质粉砂、灰黄色中细砂为主,沉积环境为湖沼相、湖滨相4
    胡屯村38°51′59.62"N,116°22′34.97"E沉积物以灰褐色、灰黑色粉砂质黏土以及灰黄色粉砂为主,沉积环境主要为湖沼相、湖滨相5
    小务村38°51′8.86"N,116°17′39.73"E沉积物以棕黄色亚砂土、细粉砂、灰黑色粉砂质黏土为主,沉积环境为湖滨相、湖沼相6
    双塔村38°45′26.20"N,116°1′44.33"E沉积物以灰黄色细粉砂、灰黑色黏土质粉砂为主,沉积环境为湖滨相、湖沼相4
    东良淀村38°44′5.70"N,
    115°59′7.99"E
    沉积物为棕红色粉砂质黏土,沉积环境为湖相2
    北队村38°46′22.53"N,115°57′27.94"E沉积物为浅灰色细砂土、棕黄色黏土质粉砂,沉积环境为漫滩相、湖滨相3
    韩堡村38°46′23.07"N,115°53′24.07"E沉积物为灰黄色黏土质粉砂,沉积环境为湖滨相2
    东垒头村38°52′16.08"N,115°54′02.73"E沉积物以灰黑色、棕红色粉砂质黏土、灰黄色黏土质粉砂为主,沉积环境为漫滩相、湖滨相、湖沼相7
    董庄村38°49′32.73"N,
    115°46′06.36"E
    棕红色、灰黑色粉砂质黏土,沉积环境为湖沼相3
    下载: 导出CSV 
    | 显示表格
    图  2  大步村剖面及其地层描述
    Figure  2.  Dabu Village section and its stratigraphic description

    粒度测试在中国地质科学院第四纪年代学与水文地质演变重点实验室完成,采用mastersizer2000激光粒度仪进行测试,该仪器的测试范围0.2~2 000 μm。测试前加入足量的10%双氧水并加热,去除有机质。待烧杯中不再冒泡之后,加入足量的10%盐酸,直至不再冒气泡才停止加热,然后加入蒸馏水静止24 h。利用虹吸法抽取上层清液,加入蒸馏水,静止24 h,反复几次直至呈中性。加入10 mL 10%的六偏磷酸钠,用超声波振荡10 min后上机测试。

    邻近传播聚类算法又称AP聚类算法,是B J Frey 和 D Dueck 于 2007 年首次提出的一种新的聚类算法[16]。它是一种不需要预设聚类数,通过数据点之间的“信息传递”来寻找自己的类代表点(exampler),将属于同一类代表性点的样品聚成一类,从而实现聚类过程[17]

    AP聚类算法将所有的样品点都看作为潜在的类代表性点,以数据之间的相似度系数基础,两两之间进行“信息传递”。在信息传递的过程中,利用因子图(图3)中The Max-Sμm algorithm准则进行信息的迭代更新,迭代收敛时,使得公式(1)在约束条件下网络相似度Sc)达到最大。

    图  3  邻近传播因子图
    Figure  3.  Factor GrAPh for affinity propagation
    $$\begin{aligned} &S\left( c \right) = \mathop \sum \nolimits_{i = 1}^N s\left( {i,{c_i}} \right) + \mathop \sum \nolimits_{k = 1}^N {\delta _k}\left( c \right)\\&{\text{约束条件}}:\;\begin{array}{*{20}{l}} {{\delta _k}\left( c \right) = } \end{array}\left\{ {\begin{array}{*{20}{l}} { - \infty ,\;\;\;{\text{当}}{c_k} \ne k{\text{但是}}\exists i:{c_i} = k}\\ {0,{\text{否则}}} \end{array}} \right. \end{aligned}$$ (1)

    式中,c为由类代表性点构成的向量,i为样品点,sici)表示样品点与其对应的类样品点之间的相似度;δkc)是约束条件,表示数据点i选取k作为它的类代表性点,但是数据点k并不是类代表性点,因此使其值为−∞,用于限制没有类代表性点的类簇产生。

    相似性数据矩阵snn)是由n个数据之间的相似度系数构成,对角线上的元素由人为设定的偏向参数所构成,它是用于评价各数据点作为类代表性点可能性的程度。数据之间传递的信息包括:从潜在的类代表性点传递到数据点的归属度和从数据点传递到类代表性点的吸引度[16]。在因子图中,基于The Max-Sμm algorithm准则信息更新的公式:

    $$ r\left( {i,k} \right) = s\left( {i,k} \right) - \mathop {\max }\limits_{k' \ne k} \left( {s\left( {i,k'} \right) + a\left( {i,k'} \right)} \right),\forall i,k $$ (2)
    $$ a\left( {i,k} \right) = \left\{ {\begin{array}{*{20}{l}} {\displaystyle\mathop \sum \nolimits_{i':i' \ne k} \max\left\{ {0,\left( {i',k} \right)} \right\},\forall k = i}\\ {\min \left\{ {0,r\left( {k,k} \right) + \displaystyle\mathop \sum \nolimits_{i':i' \ne i,k} \max\left\{ {0,r\left( {i',k} \right)} \right\}} \right\}},\\\forall k \ne i \end{array}} \right. $$ (3)

    当信息迭代到更新收敛时,点i所对应的类代表点ci

    $$ {c_i} = \arg \max \left\{ {a\left( {i,k} \right) + r\left( {i,k} \right)} \right\},\;\forall i $$ (4)

    基于AP聚类算法的基本思想及其原理,可得算法的基本步骤:

    第1步:根据样品点之间的相关距离,计算相似的矩阵S以及设置各个样品点对应的偏向参数。

    第2步:设置各个样品点的初始归属度$a\left( {i,k} \right) = 0$

    第3步:利用公式(2)、(3)进行信息更新,在更新的过程中,为了防止迭代震荡,引入阻尼因子λ,范围(0,1)。

    第4步:当各个点对应的类代表性点ci在迭代过程中不再发生改变或者迭代次数达到设定的最大值时,迭代终止。将相同类代表性点的样品点归为一个类簇。

    沉积物粒度分布曲线特征是判断沉积作用类型的重要手段之一。通常,研究者采用粒度参数代替粒度频率分布曲线,近似地作为沉积作用类型的代用指标,常常会丢失曲线中蕴含的重要信息并且具有多解性。为了充分描述曲线的分布特征,在−1~11.3Φ(0.4~2 000 μm)范围内按间距0.16Φ划分75个粒级。同时,考虑到某些粒级变量的含量较低并且在不同样品之间存在显著差异,使用对数比转换的数据,可能会掩盖住数据的结构信息,本文选用经过标准化的原始数据[18-20]。采用欧式距离作为沉积物粒度频率分布曲线之间的相似性的度量,则样品xy之间的相似度:

    $$ {d_{ij}} = \sqrt {\sum\limits_{k = 1}^n {{{\left( {{x_{ik}} - {x_{jk}}} \right)}^2}} } $$ (5)

    式中:xikxjk分别表示沉积物样品ij的第$k$项变量含量。

    经过上述数据的前处理程序,AP聚类算法将85个剖面典型沉积相沉积物的粒度频率曲线划分为11簇(图4)。

    图  4  划分的11类簇曲线
    Figure  4.  11-group cluster curves

    11簇聚类结果显示,每一簇的粒度频率分布曲线分布范围比较集中,各粒级所对应的含量之间的差异很小,粒度频率分布曲线相似度较高。根据AP聚类算法的聚类结果采用silhouette函数绘制每一个点的轮廓值。轮廓值作为聚类分析有效性的常用内部指标,它被定义为:

    $$ Sil\left( i \right) = \frac{{b\left( i \right) - a\left( i \right)}}{{\max \left\{ {a\left( i \right),b\left( i \right)} \right\}}} $$ (7)

    式中,ai)是第i个点与同簇的其他点之间的平均距离;b为一个向量,其元素是第i个点与属于不同类的各个点之间的平均距离。轮廓值的取值范围为[−1,1],此值越大说明该点的分类越合理[21]。本文中11簇样品点的轮廓图如图5所示。

    图  5  各簇样品点的轮廓值
    Figure  5.  Sihouette value of the sample points of each cluster

    其中,各簇内样品点的轮廓值大部分大于0.3,仅有5个点的值小于零,最小为−0.08。考虑到划分聚类的数量以及各簇之间数据差异性相对较小,采用AP聚类算法对于沉积物粒度频率分布曲线的聚类划分是合理的,并且聚类效果显著。值得一提的是,AP聚类算法可以通过调整偏向参数能够增加或者减小聚类数量进而改变各簇内数据之间的差异大小,使得根据研究目的获得适合的聚类效果。本文选用数据点相似系数最大值作为偏向系数,以此保证各簇内数据差异很小,进而将动力条件差异不明显的沉积环境形成的粒度样品聚为一类。

    不同沉积类型的粒度分布曲线各粒级对应的百分含量不同,沉积类型对应的动力条件、运输介质等差异越大则粒度分布曲线分布区间、形态差异越明显[22]。当沉积物所受的搬运介质、搬运方式一定,并且介质动力大小稳定时,沉积物粒度组分的总体服从于某种分布的单因子随机事件的集合,在频率分布曲线和概率累计曲线形态上表现为单峰和一段式,否则呈多峰和多段式[23-24]。如前文所述,AP聚类算法将研究区沉积物的粒度频率分布曲线划分为11类簇,各簇内曲线形态、分布范围相近。但是,考虑到沉积物颗粒对于动力条件变化十分灵敏,同一沉积环境条件下粒度频率曲线会随着流体动力条件的波动在曲线形态、分布范围上产生相应的变化。因此,需要对曲线形态相似、分布范围发生轻微变化的曲线进一步归纳分析。

    从11类簇粒度分布曲线可知,每一簇曲线与该簇的类代表性点之间的差异很小,利用类代表性曲线作为每簇曲线的典型样品曲线,并按曲线峰态、分布范围以及搬运方式将11簇曲线进一步划分为4组(图6)。第一组包含Ⅳ、Ⅵ、Ⅸ三簇对应的沉积粒度频率分布曲线,曲线形式表现为单峰、一段式(图46a),峰值分布于5~20 μm,分布范围较为集中,仅存在悬浮搬运方式,表明沉积物形成于动力条件较弱的静水环境;第二组包含Ⅱ、Ⅴ、Ⅷ、Ⅹ、Ⅺ五簇沉积物粒度频率分布曲线,曲线形态为双峰、两段式(图46b),主峰在20~200 μm,次峰在5~20 μm,跳跃和悬浮总体的搬运截点在4Φ左右,各总体的含量有所差异,表明沉积环境较第一组动力强度有所增加,并且水动力相对变化。第三组包括Ⅰ、Ⅶ类簇粒度分布曲线,为双峰、两段式(图46c),主峰在100~500 μm,次峰在10~100 μm,主要为跳跃总体存在,搬运截点变化较大,表明沉积物形成于强动力的沉积环境;第四组为Ⅳ类簇,为双峰、两段式(图46d),跳跃与悬浮总体含量相当,表明沉积物形成于动力条件强并且变化明显的沉积环境。

    图  6  四组代表性样品频率曲线、概率曲线
    Figure  6.  Frequency distribution and probability cumulative curves of four groups of representative samples

    根据上述分析,4类粒度频率分布曲线的组合可能代表了4种较为一致的沉积环境,将各组中代表性样品粒度频率分布曲线与稳定湖相(湖心相)、湖滨相、河流相等典型沉积相粒度频率分布曲线进行对比(图7[23]。图中可以看出聚类结果得到的曲线与已知沉积环境的粒度曲线主次峰位置、曲线形态、分布范围较为一致。结果表明,第一组沉积物形成于稳定湖相,包括动力条件相似的湖心相、湖沼相;第二组沉积物形成于湖滨相或漫滩相;第三组沉积物形成于河流相;第四组为洪水沉积物。由此可见,AP聚类算法确定的4个组合分别代表了4种沉积环境。为了进一步验证上述分析的准确性与可行性,将上述结果与野外判别的4类85个沉积样品的沉积相进行对比发现,AP聚类算法确定的4个组合可以将野外识别的沉积相类别聚集到一起,两者具有较好的一致性。

    图  7  各簇代表性与典型沉积相粒度频率分布曲线对比
    Figure  7.  Comparison of frequency distribution curves of typical sedimentary facies and representative sediments in each cluster

    前人对大量已知沉积相的沉积物粒度参数进行定量描述,建立了多种沉积环境之间沉积物粒度参数判别公式。利用张平等根据典型稳定湖相与典型风成黄土沉积物粒度参数建立了稳定湖相与风成黄土粒度判别式(式8)[25]。本文利用此判别式对采集的所有样品进行沉积环境的判别分析。

    $$\begin{split} F =& 20.363{\rm{Mz}} - 56.371{\rm{Sd}} - 67.922{\rm{SK}} +\\& 23.516{\rm{Ku}} - 55.626 \end{split}$$ (8)

    式中,F表示判别值,若$F>0$为稳定湖相沉积物;Mz、Sd、SK以及Ku分别是利用矩值法计算以$\Phi $为单位的平均值、分选系数、偏态以及峰态。

    其中第Ⅳ、Ⅵ、Ⅸ簇为正值,代表稳定湖相,判别结果与对比法得出的结果一致。

    基于粒度频率分布曲线的邻近传播聚类算法将全部85个粒度样品聚集成4类,并与已知沉积相粒度频率曲线进行对比,确定4类曲线对应的沉积环境分别为稳定湖相、湖滨相或漫滩相、河流相以及洪积相四种沉积相。各类沉积物之间在粒度频率分布曲线形态、分布范围以及组成成分上存在差异,通过定量描述这些差异能够为沉积环境、类型的区分提供依据[26]。粒度频率分布曲线利用粒度参数进行定量描述,粒度参数主要有粒度平均值、分选系数、偏态和峰态。为了更加充分揭示粒度参数对于沉积环境的指示意义,选用物理意义明确的Folk-Ward图解法进行计算(表2[27]表3给出了聚类后类代表性样品的粒度组成成分、粒度参数统计。

    表  2  Folk&Ward 图解法公式
    Table  2.  Formulas of Folk-Ward graphic methods
    粒度参数计算公式
    平均粒径(Mz)${\rm{Mz}} = \frac{{{\Phi _{16}} + {\Phi _{50}} + {\Phi _{84}}}}{3}$
    分选系数(Sd)${\rm{Sd}} = \frac{{{\Phi _{84}} - {\Phi _{16}}}}{4} + \frac{{{\Phi _{95}} - {\Phi _5}}}{{6.6}}$
    偏态(SK)${\rm{SK}} = \frac{1}{2}\left[ {\frac{{{\Phi _{16}} + {\Phi _{84}} + 2{\Phi _{50}}}}{{{\Phi _{84}} - {\Phi _{16}}}}{\rm{ + }}\frac{{{\Phi _5} + {\Phi _{95}} + 2{\Phi _{50}}}}{{{\Phi _{95}} - {\Phi _5}}}} \right]$
    峰态(Ku)${\rm{Ku}} = \frac{1}{{2.44}}\left[ {\frac{{{\Phi _{95}} - {\Phi _5}}}{{{\Phi _{75}} - {\Phi _{25}}}}} \right]$
      式中,粒径为$\Phi $值粒径,$\Phi = - \log _2^d$,$d$为毫米直径;${\Phi _x}$为x%累积含量的$\Phi $值粒径。
    下载: 导出CSV 
    | 显示表格
    表  3  各簇代表性样品粒度组成成分及粒度参数
    Table  3.  The size composition and size parameters of representative samples in each cluster
    簇类类代表性样品沉积相粒度成分/%平均粒径/Φ分选系数偏态峰态
    黏土细粉砂粗粉砂细砂中砂粗砂
    SITE01-01河流相1.273.726.9518.3345.3424.381.4621.1550.3441.584
    SITE03-03湖滨相12.7225.3540.2321.470.20.025.2551.750.320.887
    SITE04-06洪积相2.856.1515.4329.6216.1629.81.5821.9760.3190.908
    SITE12-02湖沼相19.6741.2234.454.330.140.136.2271.7220.0961.066
    SITE13-08漫滩相4.727.8134.2552.540.580.094.2131.5150.4671.561
    SITE13-09湖沼相40.6747.2110.661.46007.5371.3010.0191.158
    SITE14-04河流相2.585.3812.0872.547.4202.9191.1080.3431.797
    SITE17-04漫滩相6.6810.4655.5927.180.080.014.5771.3430.3631.485
    SITE18-01湖心相20.7455.4922.381.4006.8191.3290.1751.123
    SITE21-06湖滨相12.7522.9950.413.710.130.025.5071.7990.3741.014
    SITE18-02湖滨相15.133.3543.327.980.110.125.8411.7450.2090.981
    下载: 导出CSV 
    | 显示表格

    从表3中可以看出聚类结果的11簇样品中,第Ⅱ、Ⅴ、Ⅷ、Ⅹ、Ⅺ簇样品之间粒度参数和组成成分相近,第Ⅳ、Ⅵ、Ⅸ簇样品之间粒度参数和组成成分相近,第Ⅰ、Ⅶ簇样品与第Ⅲ簇样品粒度分布形成于高能环境。4类典型沉积相的粒度组成与粒度参数之间存在显著差异。

    第一类包括Ⅳ、Ⅵ、Ⅸ簇沉积物,粒度组分以细粉砂为主,黏土、细粉砂和粗粉砂三者含量之和占95%以上,平均粒径6.227~7.537Φ,在4类沉积环境中粒度成分最细,分选系数为1.301~1.722,分选差,除Ⅸ簇中部分样品呈正偏外,其余全为近对称分布,峰态变化于1.066~1.158,第Ⅳ 簇呈常峰态,其余全为尖峰态。

    第二类包括Ⅱ、Ⅴ、Ⅷ、Ⅹ、Ⅺ簇沉积物,其中Ⅱ、Ⅷ、Ⅹ、Ⅺ簇沉积物以粗粉砂为主,占40%以上,黏土、细粉砂、细砂含量均大于10%,四者之和占98%以上,平均粒径为5.255~5.841Φ ,第Ⅴ簇沉积物以细砂(52%)为主,粗粉砂(34%)次之,平均粒径为4.213Φ,较Ⅱ、Ⅷ、Ⅹ、Ⅺ簇沉积物颗粒稍粗,表明强度略大于Ⅱ、Ⅷ、Ⅹ、Ⅺ簇沉积物对应的动力环境。该组分选系数为1.343~1.799,分选差,偏态为0.209~0.467,属于正偏、极正偏,峰态为0.887~1.561,第Ⅱ簇沉积物粒度分布曲线呈宽峰态,第Ⅴ、Ⅷ簇粒度分布曲线呈尖峰态或极尖峰态,其余两簇为常峰态。

    第三类包括Ⅰ、Ⅶ簇沉积物,该组粒度组分较粗并且含量差异相对较大。其中,第Ⅰ簇沉积物以中砂(45%)为主,细砂(18%)、粗砂(22%)次之,平均粒径为1.462,样品分选差,呈极正偏,为尖峰态,代表强动力沉积环境;第Ⅶ簇沉积物中细砂含量占70%以上,平均粒径为2.919Φ,颗粒较第Ⅰ簇沉积物偏细,表明介质动力条件强并且稳定,相比于Ⅰ簇沉积物对应的沉积环境动力条件较低。

    第四类中第Ⅲ簇沉积物以细砂为主,粗粉砂、中砂、粗砂含量均大于15%,平均粒径为1.582Φ,分选系数1.976,样品分选差,极正偏,宽峰态,表明沉积动力复杂多变且动力较强。

    根据上述方法对粒度分布曲线直接进行聚类分析,避免人为干扰聚类效果,有效地揭示研究区内的沉积环境差异是此方法的优点,也是能够利用此方法对粒度分布曲线进行研究区所存在的沉积环境类型反演的出发点。本文以白洋淀地区作为研究对象,尝试利用AP聚类算法建立粒度分布曲线与沉积环境之间的内在联系,通过识别结果与野外识别进行对比,发现所得结果较为一致,85个样品中有6个不一致。如下给出了沉积环境识别过程中存在差异的沉积物样品信息(表4)以及样品对应的粒度分布曲线(图8)。

    表  4  沉积环境识别过程中存在差异的沉积物样品
    Table  4.  Sediment samples with differences in the process of sedimentary environment identification
    样品编号簇类野外人为识别粒度分布曲线对比识别
    SITE01-03灰黑色粉砂质黏土,湖沼相沉积湖滨相或漫滩相
    SITE03-04灰黑色黏土,湖沼相沉积湖滨相或漫滩相
    SITE05-01灰黄色粉砂,河流相沉积湖滨相或漫滩相
    SITE13-02灰黄色粉砂,河流相沉积湖滨相或漫滩相
    SITE14-01灰黑色粉砂质黏土,湖相沉积湖滨相或漫滩相
    SITE14-02湖沼相沉积湖滨相或漫滩相
    下载: 导出CSV 
    | 显示表格
    图  8  沉积环境识别过程中存在差异的样品粒度曲线
    Figure  8.  Sediment samples with differences in sedimentary environment identification

    其中,SITE01-03、SITE14-01、SITE14-02三个样品的粒度曲线具有明显双峰,分布范围和曲线形态与典型湖滨相或漫滩相较为符合,野外观察结果存在识别错误(图8)。SITE03-04、SITE05-01、SITE13-02样品峰值粒径比典型湖沼相粒径较粗,但是没有明显次峰(图8)。对比其他簇曲线形态及分布范围,此类样品更为可能形成于沉积环境相对稳定,但动力强度较强的湖沼相沉积环境。AP聚类算法进行聚类分析时,由于样品相对典型湖沼相样品粒径较粗,被划分到湖滨相沉积物一类,出现了偏差。因此,对于85个样品中有3个样品沉积环境识别出现误差,错误率为3.53%。

    鉴于聚类方法是尽可能将相似的数据点聚集成一类,沉积物的形成受物源、介质等多个因素影响,同一沉积环境条件下,粒度分布曲线会在一定范围内发生波动,因此采用邻近传播聚类分析时需要合理选取偏向系数控制各簇之间数据的差异。本文为了充分挖掘粒度数据中蕴含的沉积环境类型,选取了相似系数最大值作为偏向系数,尽可能减小数据之间差异,导致出现同一沉积环境条件下形成的粒度曲线可能被划分到不同簇中的现象。

    (1)AP聚类算法具有不需要预设聚类数量,能够准确地确定研究区沉积环境中存在的动力类型,将曲线形态、分布范围相近的沉积物聚成一类。每一簇的曲线形态和分布范围都能反演出研究区对应的沉积环境存在的动力类型,并且建立沉积物粒度特征与沉积动力学之间的内在联系,为沉积物类型划分提供依据。

    (2)根据粒度概率累积曲线以及分布曲线特征,将11簇曲线中形态、分布范围相近的曲线进一步合并,得到4类曲线,并与已知沉积环境样品曲线进行对比,确定出白洋淀地区剖面地层中出露着湖沼相、湖相、河流相以及洪积相四种沉积相。

    (3)白洋淀地区存在的4类典型沉积环境中湖心相、湖沼相的动力环境相近,以细粉砂为主,分选差,动力强度最低;湖滨相以粗粉砂为主,双峰明显,分选差。河流相颗粒较粗,以细、中砂为主,沉积物粒度特征反映漫滩相沉积环境与湖滨相相似;洪积相具有明显双峰,含量相近,分选差,水动力条件动荡。

    由此可见,基于粒度频率分布曲线的邻近聚类传播算法可以作为挖掘研究区存在的沉积类型的新方法,为沉积环境动力条件反演、分区等提供潜在的新手段。

  • 图  1   神狐海域构造图[17]

    Figure  1.   Tectonic map of Shenhu sea area[17]

    图  2   粒度组成及参数垂向变化图

    Figure  2.   Vertical variation of grain size composition and parameters

    图  3   粒度端元提取结果

    Figure  3.   The extraction results from granularity end-members

    图  4   SH37岩芯粒度、地球化学元素比值及14C年龄随深度的变化

    a.中值粒径/ μm,b.特征粒级端元EM3,c.砂含量/%,d.Zr/Rb比值,e.岩芯14C测年结果,f.20 kaBP以来南海海平面变化[27-28]

    Figure  4.   Variation of grain size, geochemical element ratios and 14C age of SH37 core with depth

    a. median diameter/ μm,b.Characteristic granularity end-members EM3,c.Sand content, d. Zr/Rb, e.Dating results of the core,f. Sea level changes in the South China Sea since 20 kaBP[[27-28]].

    图  5   C-M图解

    Figure  5.   C-M diagram

    图  6   南海北部陆坡分段[[30]]

    Figure  6.   Segmentation of the northern slope of the South China Sea[[30]]

    图  7   SH37岩芯稀土元素球粒陨石标准化曲线

    a.SH37岩芯不同层位沉积物稀土元素球粒陨石标准化曲线,b. SH37岩芯与珠江、台湾岛以及吕宋岛北部稀土元素球粒陨石标准化曲线对比图。

    Figure  7.   Chondrite-normalized REE distribution patterns of the sediments from core SH37

    a. Chondrite-normalized REE distribution patterns of sediments from different layers of SH37 core, b. Chondrite-normalized REE distribution patterns of sediments from SH37 core, Pearl River, Taiwan River and the north of Luzon.

    图  8   物源判别散点图

    Figure  8.   Scatter diagrams for provenance discrimination

    表  1   AMS14C测年结果

    Table  1   Results of AMS14C dating

    取样深度/cm样品种类AMS 14C年龄/aBP校正后日历年龄/cal.aBP
    11~12Globorotalia inflata680±30440~225
    133~134Globorotalia inflata11020±3012671~12442
    218~219Globorotalia inflata13120±3015298~14895
    265~266混合种12590±4014206~13889
    426~430混合种13940±4016511~16076
    下载: 导出CSV

    表  2   研究区样品各沉积组分含量与粒度参数

    Table  2   Contents and grain size parameters of the sediments

    粒度参数/组分砂/%粉砂/%黏土/%平均粒径/μm中值粒径/μm 分选系数偏态峰态
    最大值4.1978.2429.2410.1411.411.760.291.14
    最小值0.0069.3219.65 6.767.701.480.120.97
    平均值1.3373.3025.377.959.141.590.221.03
    下载: 导出CSV

    表  3   稀土元素及参数含量

    Table  3   Contents of rare earth elements and parameters

    元素LaCePrNdSmEuGdTbDyHoErTmYbLu
    样品最大值39.1079.909.3833.206.471.104.580.654.120.701.950.331.990.31
    样品最小值27.6054.906.4523.704.500.863.200.452.490.491.320.20 1.230.20
    样品平均值32.7966.207.7527.985.390.973.780.542.980.571.58 0.241.540.24
    珠江[20]53.82103.9713.0847.989.231.927.911.256.531.333.550.623.66 0.56
    台湾[21]41.8982.789.3534.976.321.346.110.895.090.962.870.432.850.43
    吕宋岛北部[22]33.3461.516.9125.114.361.153.610.523.070.682.00/1.910.31
    元素参数∑REE∑LREE∑HREE∑REE/
    HREE
    δEuδCe(La/Sm)
    ucc
    (Gd/Lu)
    ucc
    (Gd/Yb)
    ucc
    样品最大值183.02169.1413.88 13.900.671.031.031.451.92
    样品最小值128.97118.929.6911.180.560.930.831.061.31
    样品平均值152.55141.0811.4812.320.610.980.921.321.57
    珠江[20]255.40229.9925.418.980.660.920.881.181.48
    台湾[21]196.29176.6619.638.940.64 0.980.991.211.08
    吕宋岛北部[22]/132.38//0.880.920.710.971.07
      注:元素含量单位为μg /g。
    下载: 导出CSV
  • [1] 高红灿, 郑荣才, 魏钦廉, 等. 碎屑流与浊流的流体性质及沉积特征研究进展[J]. 地球科学进展, 2012, 27(8):815-827

    GAO Hongcan, ZHENG Rongcai, WEI Qinlian, et al. Reviews on fluid properties and sedimentary characteristics of debris flows and turbidity currents [J]. Advances in Earth Sciences, 2012, 27(8): 815-827.

    [2] 赵玉龙, 刘志飞, Colin C, 等. 南海南部末次冰期浊流沉积的高分辨率沉积学和地球化学研究[J]. 科学通报, 2011, 56(33):3558-3565 doi: 10.1007/s11434-011-4685-7

    ZHAO Yulong, LIU Zhifei, Colin C, et al. Turbidite deposition in the southern South China Sea during the last glacial: evidence from grain-size and major elements records [J]. Chinese Science Bulletin, 2011, 56(33): 3558-3565. doi: 10.1007/s11434-011-4685-7

    [3]

    Shanmugam G, Moiola R J. Submarine fans: Characteristics, models, classification, and reservoir potential [J]. Earth-Science Reviews, 1988, 24(6): 383-428. doi: 10.1016/0012-8252(88)90064-5

    [4] 王存武, 陈红汉, 陈长民, 等. 珠江口盆地深水扇识别和油气成藏关键要素[J]. 西南石油大学学报, 2007, 29(3):12-26

    WANG Cunwu, CHEN Honghan, CHEN Changmin, et al. The identification of the Baiyun deep-water fan and the key factors of petroleum accumulation in Pearl river mouth basin [J]. Journal of Southwest Petroleum University, 2007, 29(3): 12-26.

    [5]

    Weber M E, Wiedicke-Hombach M, Kudrass H R, et al. Bengal Fan sediment transport activity and response to climate forcing inferred from sediment physical properties [J]. Sedimentary Geology, 2003, 155(3-4): 361-381. doi: 10.1016/S0037-0738(02)00187-2

    [6]

    Prins M A, Postama G. Effects of climate, sea level, and tectonics unraveled for last deglaciation turbidite records of the Arabian sea [J]. Geology, 2000, 28(4): 375-378. doi: 10.1130/0091-7613(2000)28<375:EOCSLA>2.0.CO;2

    [7] 苏晶, 钟广法. 南海IODP U1499和U1500站位浊积岩的沉积特征及岩石物理响应[J]. 海洋地质与第四纪地质, 2020, 40(3):13-24

    SU Jing, ZHONG Guangfa. Sedimentary and petrophysical characteristics of various turbidites at IODP Sites U1499 and U1500 in the northern South China Sea [J]. Marine Geology & Quaternary Geology, 2020, 40(3): 13-24.

    [8] 周杨锐, 朱友生, 周松望, 等. 南海北部东沙隆起西侧陆坡坡折处浊流沉积[J]. 海洋科学, 2018, 42(2):23-33 doi: 10.11759/hykx20171101003

    ZHOU Yangrui, ZHU Yousheng, ZHOU Songwang, et al. Turbidites at the continental slope on the west side of Dongsha uplift in the northern South China Sea [J]. Marine Sciences, 2018, 42(2): 23-33. doi: 10.11759/hykx20171101003

    [9] 章伟艳, 张富元, 张霄宇. 南海东部海域柱样沉积物浊流沉积探讨[J]. 热带海洋学报, 2003, 22(3):36-43 doi: 10.3969/j.issn.1009-5470.2003.03.006

    ZHANG Weiyan, ZHANG Fuyuan, ZHANG Xiaoyu. Characteristics of turbidity deposits from sediment cores in eastern South China Sea [J]. Journal of Tropical Oceanography, 2003, 22(3): 36-43. doi: 10.3969/j.issn.1009-5470.2003.03.006

    [10] 陈芳, 李学杰, 刘坚, 等. 南海西部深海平原SA14-34岩心浊流沉积特征[J]. 南海地质研究, 2007(1):31-39

    CHEN Fang, LI Xuejie, LIU Jian, et al. Characteristics of turbidity current deposits of core SA14-34 in deep Sea Basin of the western South China Sea [J]. Gresearch of Eological South China Sea, 2007(1): 31-39.

    [11] 袁圣强, 吴时国, 赵宗举, 等. 南海北部陆坡深水区沉积物输送模式探讨[J]. 海洋地质与第四纪地质, 2010, 30(4):39-48

    YUAN Shengqiang, WU Shiguo, ZHAO Zongju, et al. Deepwater sediment transportation models for northern South China Sea slopes [J]. Marine Geology & Quaternary Geology, 2010, 30(4): 39-48.

    [12] 姜衡, 苏明, 雷新华, 等. 神狐海域海底峡谷群脊部细粒浊积体分布范围及意义[J]. 海洋地质与第四纪地质, 2018, 38(5):52-62

    JIANG Heng, SU Ming, LEI Xinhua, et al. Distribution of fine-grained turbidites on canyon ridges in the Shenhu area of northern South China sea and its implications [J]. Marine Geology & Quaternary Geology, 2018, 38(5): 52-62.

    [13] 周航. 南海北部陆坡DLW3101孔沉积物特征及古环境意义[D]. 国家海洋局第一海洋研究所硕士学位论文, 2016.

    ZHOU Hang. Sediment characteristics and paleoenvironmental significance of core DLW3101 from northern slope of South China Sea[D]. Master Dissertation of the First Institute of Oceanography, MNR, 2016.

    [14] 姜衡, 苏明, 邬黛黛, 等. 南海北部陆坡神狐海域GMGS01区块细粒浊积体的识别特征及意义[J]. 海洋地质与第四纪地质, 2017, 37(5):131-140

    JIANG Heng, SU Ming, WU Daidai, et al. Fine-grained turbidites in GMGS01 of the Shenhu area, northern South China Sea and its significance [J]. Marine Geology & Quaternary Geology, 2017, 37(5): 131-140.

    [15] 王一凡, 苏正, 苏明, 等. 南海北部陆坡神狐海域沉积物失稳类型探讨[J]. 海洋地质与第四纪地质, 2017, 37(5):184-194

    WANG Yifan, SU Zheng, SU Ming, et al. Sediment failures in the Shenhu area, northern continental slope of the South China Sea [J]. Marine Geology & Quaternary Geology, 2017, 37(5): 184-194.

    [16]

    Qiao S H, Su M, Kuang Z G, et al. Canyon-related undulation structures in the Shenhu area, northern South China Sea [J]. Marine Geophysical Research, 2015, 36(2-3): 243-252. doi: 10.1007/s11001-015-9252-1

    [17] 姜衡. 神狐海域含水合物浊流沉积体差异性对比研究[D]. 中国地质大学(北京)硕士学位论文, 2018.

    JIANG Heng. Comparative study on the difference of hydrate-bearing turbidites in the Shenhu Sea Area[D]. Master Dissertation of China University of Geosciences (Beijing), 2018.

    [18] 陆敬安, 杨胜雄, 吴能友, 等. 南海神狐海域天然气水合物地球物理测井评价[J]. 现代地质, 2008, 22(3):447-451 doi: 10.3969/j.issn.1000-8527.2008.03.015

    LU Jing’an, YANG Shengxiong, WU Nengyou, et al. Well logging evaluation of gas hydrates in Shenhu area, South China Sea [J]. Geoscience, 2008, 22(3): 447-451. doi: 10.3969/j.issn.1000-8527.2008.03.015

    [19]

    Reimer P J, Bard E, Bayliss A, et al. IntCal13 and Marine13 radiocarbon age calibration curves 0-50,000 years cal BP [J]. Radiocarbon, 2013, 55(4): 1869-1887. doi: 10.2458/azu_js_rc.55.16947

    [20]

    Xu Z F, Han G L. Rare earth elements (REE) of dissolved and suspended loads in the Xijiang River, South China [J]. Applied Geochemistry, 2009, 24(9): 1803-1816. doi: 10.1016/j.apgeochem.2009.06.001

    [21]

    Li C S, Shi X F, Kao S J, et al. Rare earth elements in fine-grained sediments of major rivers from the high-standing island of Taiwan [J]. Journal of Asian Earth Sciences, 2013, 69: 39-47. doi: 10.1016/j.jseaes.2013.03.001

    [22]

    Marini J C, Chauvel C, Maury R C. Hf isotope compositions of northern Luzon arc lavas suggest involvement of pelagic sediments in their source [J]. Contributions to Mineralogy and Petrology, 2005, 149(2): 216-232. doi: 10.1007/s00410-004-0645-4

    [23]

    Bouma A H. Sedimentology of Some Flysch Deposits: A Graphic Approach to Facies Interpretation[M]. New York: Elsevier, 1962.

    [24]

    Shanmugam G. The Bouma Sequence and the turbidite mind set [J]. Earth-Science Reviews, 1997, 42(4): 201-229. doi: 10.1016/S0012-8252(97)81858-2

    [25] 袁迎如. 冲绳海槽沉积物的粒度[J]. 东海海洋, 1986, 4(3):42-49

    YUAN Yingru. Grain size of the sediments in Okymawa trough [J]. Donghai Marine Science, 1986, 4(3): 42-49.

    [26] 许莎莎, 冯秀丽, 冯利, 等. 南海西北部莺琼陆坡36.6 ka以来的浊流沉积[J]. 海洋地质与第四纪地质, 2020, 40(5):15-24

    XU Shasha, FENG Xiuli, FENG Li, et al. Turbidite records since 36.6 Ka at the Yingqiong continental slope in the northwest of South China Sea [J]. Marine Geology & Quaternary Geology, 2020, 40(5): 15-24.

    [27]

    Stager J C, Ryves D B, Chase B M, et al. Catastrophic drought in the Afro-Asian monsoon region during heinrich event [J]. Science, 2011, 331(6022): 1299-1302. doi: 10.1126/science.1198322

    [28]

    Arz H W, Lamy F, Ganopolski A, et al. Dominant Northern Hemisphere climate control over millennial-scale glacial sea-level variability [J]. Quaternary Science Reviews, 2007, 26(3-4): 312-321. doi: 10.1016/j.quascirev.2006.07.016

    [29] 张宝方. 南海北部陆坡区更新世以来沉积物粒度特征及沉积环境演化[D]. 中国海洋大学硕士学位论文, 2015.

    ZHANG Baofang. Grain size distribution and sedimentary environment evolution in northern South China Sea slope since Pleistocene[D]. Master Dissertation of Ocean University of China, 2015.

    [30] 王海荣, 王英民, 邱燕, 等. 南海北部陆坡的地貌形态及其控制因素[J]. 海洋学报, 2008, 30(2):70-79

    WANG Hairong, WANG Yingmin, QIU Yan, et al. Geomorphology and its control of deep-water slope of the margin of the South China Sea [J]. Acta Oceanologica Sinica, 2008, 30(2): 70-79.

    [31] 雷艳, 胡建芳, 向荣, 等. 末次盛冰期以来南海北部神狐海域沉积有机质的组成特征及其古气候/环境意义[J]. 海洋学报, 2017, 39(11):75-84

    LEI Yan, HU Jianfang, XIANG Rong, et al. Composition of sedimentary organic matter in Shenhu, northern South China Sea since the Last Glacial Maximum and its implication for paleoclimate [J]. Acta Oceanologica Sinica, 2017, 39(11): 75-84.

    [32] 黄杰, 李安春, 万世明, 等. 末次盛冰期末期以来南海北部陆坡的陆源物质输入及其控制因素[J]. 海洋与湖沼, 2013, 44(4):882-889

    HUANG Jie, LI Anchun, WAN Shiming, et al. Terrigenous input to the northern slope of the South China Sea and its controlling factor since the last phase of the last glacial maximum [J]. Oceanologia et Limnologia Sinica, 2013, 44(4): 882-889.

    [33] 仇晓华, 李铁刚, 常凤鸣, 等. 西菲律宾海15万年以来的浊流沉积及其成因[J]. 海洋地质与第四纪地质, 2012, 32(4):157-163

    QIU Xiaohua, LI Tiegang, CHANG Fengming, et al. Turbidite deposition record and its mechanism since 150 KaBP in Western Philippine Sea [J]. Marine Geology & Quaternary Geology, 2012, 32(4): 157-163.

    [34] 陈井双, 李前裕. 南海中央海盆更新世以来浊流沉积层的有孔虫记录及古环境意义[J]. 微体古生物学报, 2018, 35(4):348-358

    CHEN Jingshuang, LI Qianyu. Foraminiferal paleoceanography of Pleistocene turbidite deposits from the central basin of the South China Sea [J]. Acta Micropalaeontologica Sinica, 2018, 35(4): 348-358.

    [35] 秦轲, 孙运宝, 赵铁虎, 等. 南海北部陆坡神狐海域海底滑坡地球物理响应特征及其与流体活动相关性[J]. 海洋地质与第四纪地质, 2015, 35(5):69-76

    QIN Ke, SUN Yunbao, ZHAO Tiehu, et al. Seismic response and genetic mechanism of the submarine landslides in Shenhu area, South China Sea [J]. Marine Geology & Quaternary Geology, 2015, 35(5): 69-76.

    [36] 邵磊, 李献华, 韦刚健, 等. 南海陆坡高速堆积体的物质来源[J]. 中国科学(D辑), 2001, 31(10):828-833 doi: 10.3321/j.issn:1006-9267.2001.10.006

    SHAO Lei, LI Xianhua, WEI Gangjian, et al. Material sources of high-speed accumulations on the continental slope of the South China Sea [J]. Science China (Series D: Earth Science), 2001, 31(10): 828-833. doi: 10.3321/j.issn:1006-9267.2001.10.006

    [37]

    Milliman J D, Meade R H. World-wide delivery of river sediment to the oceans [J]. The Journal of Geology, 1983, 91(1): 1-21. doi: 10.1086/628741

    [38] 汪品先. 十五万年来的南海[M]. 上海: 同济大学出版社, 1995: 10-14.

    WANG Pinxian. South China Sea for 150000a[M]. Shanghai: Tongji University Press, 1995: 10-14.

    [39]

    McLennan S M. Rare earth elements in sedimentary rocks: influence of provenance and sedimentary processes[M]//Lipin B R, McKay G A. Geochemistry and Mineralogy of Rare Earth Elements. San Francisco, California: AGU, 1989: 169-200.

    [40] 杨文光, 谢昕, 郑洪波, 等. 南海北部陆坡高速堆积体沉积物稀土元素特征及其物源意义[J]. 矿物岩石, 2012, 32(1):74-81 doi: 10.3969/j.issn.1001-6872.2012.01.011

    YANG Wenguang, XIE Xin, ZHENG Hongbo, et al. Rare earth elements characteristics of sediments from high-deposition-rate sediment in the north slope of South China Sea and its provenance significance [J]. Journal of Mineralogy and Petrology, 2012, 32(1): 74-81. doi: 10.3969/j.issn.1001-6872.2012.01.011

    [41]

    Taylor S R, McLennan S M. The geochemical evolution of the continental crust [J]. Reviews of Geophysics, 1995, 33(2): 241-265. doi: 10.1029/95RG00262

    [42]

    Liu C Q, Masuda A, Okada A, et al. A geochemical study of loess and desert sand in northern China: Implications for continental crust weathering and composition [J]. Chemical Geology, 1993, 106(3-4): 359-374. doi: 10.1016/0009-2541(93)90037-J

    [43] 沈华悌. 深海沉积物中的稀土元素[J]. 地球化学, 1990(4):340-348 doi: 10.3321/j.issn:0379-1726.1990.04.009

    SHEN Huati. Rare earth elements in deep-sea sediments [J]. Geochimica, 1990(4): 340-348. doi: 10.3321/j.issn:0379-1726.1990.04.009

    [44]

    Sun W, McDonough W. Chemical and isotopic systematics of oceanic basalts: Implications for mantle composition and processes[M]//Saunders A D, Norry M J. Magmatism in the Ocean Basins. Geological Society, London, Special Publications, 1989, 42(1): 313-345.

  • 期刊类型引用(6)

    1. 陈亦洋,王奥博,唐建辉. 南黄海水体中溴代阻燃剂的时空分布与生态风险评估. 地球化学. 2024(06): 801-814 . 百度学术
    2. 卢鹏飞,岳英洁,朱龙海,胡日军,尹砚军,冷星. 南黄海西部日照近海悬浮泥沙分布、输运及控制因素. 海洋地质与第四纪地质. 2022(03): 36-49 . 本站查看
    3. 边佳琪,时美楠,吴怀春,汪卫国. 俄罗斯极地海表层海水悬浮体浓度和磁性矿物分布特征及其影响因素. 海洋地质与第四纪地质. 2022(05): 94-102 . 本站查看
    4. 龙小志,王珍岩. 台风“灿鸿”对长江口外海域悬浮体分布的影响. 海洋与湖沼. 2022(06): 1322-1337 . 百度学术
    5. 密蓓蓓,张勇,梅西,王忠蕾,窦衍光. 南黄海表层沉积物稀土元素分布特征及其物源指示意义. 海洋地质与第四纪地质. 2022(06): 93-103 . 本站查看
    6. 沈小雄,杨敏妮,余志,胡旭跃. 螺旋桨射流对底泥起悬及铅在底泥-水界面处迁移规律的研究. 长沙理工大学学报(自然科学版). 2021(04): 24-31+43 . 百度学术

    其他类型引用(3)

图(8)  /  表(3)
计量
  • 文章访问数:  2814
  • HTML全文浏览量:  1004
  • PDF下载量:  103
  • 被引次数: 9
出版历程
  • 收稿日期:  2021-01-18
  • 修回日期:  2021-03-01
  • 网络出版日期:  2021-05-30
  • 刊出日期:  2021-10-27

目录

/

返回文章
返回