Reliability assessment and calibration of elemental signal values by XRF core scanning in Qinghai Lake
-
摘要:
XRF岩芯连续扫描因其快速、连续、无损、高分辨率等优势在近30年常被用于不同相沉积物的元素半定量分析，特别是在湖泊沉积岩芯中的应用极为广泛。然而，XRF扫描信号值易受仪器设置和岩芯物理属性的影响，亟需全面评估其结果可靠性和校正效果。基于青海湖2.39 m长的完整沉积岩芯（QHH）高分辨率XRF连续扫描，结合其含水量、粒度、烧失量、元素实际含量等理化特征分析，有效识别了XRF连续扫描信号值及其元素比值的准确性和影响因素，进一步评估了国际通用的Normalized Median-scaled（NMS）和Multivariate Log-ratio Calibration（MLC）模型校正结果的可靠性。结果表明，XRF连续扫描的Zr元素信号值可准确反映QHH岩芯中的实际含量分布，而Si元素和Ti元素因相关性较弱均无法指示其在QHH岩芯中的真实情况。此外，QHH岩芯段较高的含水量明显削弱了Al、Si、K、Ca、Ti、Fe、Mn等原子量较小的元素信号值强度和波动幅度，而干燥岩芯段中XRF扫描的上述元素结果因其高分辨率和颗粒组成差异展现出较大的波动，降低了与实际含量的相关性。Rb、Sr和Zr等原子量较大的微量元素扫描信号值分布受含水量和颗粒组成的影响较小。最后，基于XRF连续扫描的相邻元素比值是快速消除多种因素一致影响的有效方法，而MLC模型对QHH整根岩芯及各段中单一元素信号值校正均有较好效果。上述结果为合理利用湖泊沉积物的XRF连续扫描数据提供借鉴，也为重建青藏高原东北部气候变化及人地关系奠定科学基础。
Abstract:XRF core scanning has been extensively employed for semi-quantitative analysis of elements in various sediment types over the past three decades, particularly in lacustrine deposits due to its rapid, continuous, non-destructive, and high-resolution advantages. However, despite the susceptibility of element signal values obtained through XRF core scanning to instrument settings and core physical properties, there remains a scarcity of comprehensive evaluation regarding data reliability and calibration effects. In this study, a 2.39-m–long sedimentary core from Qinghai Hu (Lake) (QHH) was obtained for high-resolution scanning using an XRF core scanner. Physical and chemical characteristics in water content, grain size distribution, loss on ignition, and actual elemental composition were analyzed for each subsample. Moreover, the accuracy of element signal values and ratios by XRF core scanning and their influencing factors was effectively assessed, and the reliability of calibration results was simultaneously calibrated using internationally recognized models such as Normalized Median-scaled Calibration and Multivariate Log-ratio Calibration (MLC). Results demonstrate that the Zr signal values corresponded accurately to the actual contents in the sediment core sequence, while weak correlations were observed for Si and Ti, indicating their limited significance. Additionally, the presence of higher water content in the core sections significantly attenuated in signal intensity and fluctuation amplitude for elements of Al, Si, K, Ca, Ti, Fe and Mn. Reversely, dry core sections exhibited greater fluctuations in signals of above elements due to high-resolution scanning and variations in particle composition, thereby attenuating their correlations with actual concentrations. Trace elements of higher atomic weights, such as Rb, Sr, and Zr, demonstrated reduced susceptibility to the variations in water content and particle composition in terms of signal distributions. Finally, using the ratio between adjacent elements based on the XRF core scanning was proven a highly effective approach for quickly eliminating the consistent influence of multiple factors. Furthermore, the multivariate log-ratio calibration (MLC) model exhibited superior calibration effects on individual element signal values throughout the QHH core and within each core section. These findings not only offered valuable reference to the scientific application of high-resolution data acquired by XRF core scanning for lake sediments, but also established a foundation for the reconstruction of climate change and for comprehension of human-environment relationships in the northeastern Tibetan Plateau.
-
Keywords:
- XRF core scanning /
- element ratio /
- calibration model /
- lacustrine deposit /
- Qinghai Lake
-
相较于识别陆相和海相等沉积物地球化学组成的传统XRF分析方法，XRF岩芯连续扫描（XRF Core Scanning）因其快速、连续、无损、高分辨率等优势[1]在近30年被广泛用于海洋、湖泊、黄土、石笋、泥炭、河流沉积等岩芯的元素组成分析[2-9]，也被用于环境调查取证[10-11]、土壤污染[12]等方面的研究。前期研究表明，自2005年起，XRF连续扫描技术在国际上广泛应用，2021年发表的相关论文数量是2005年的近10倍[13]，然而在国内的应用却较晚[14-16]。例如，Wang等[5]基于XRF连续扫描的Rb/Zr比值分布划分了合水聚湫近200年沉积岩芯中共165个沉积旋回，并利用扫描的Ca和Fe信号值分布辨别了用于旋回年际划分的年际冻融层，在此基础上重构了该聚湫流域的侵蚀历史及其与气候和人类活动的协同演变过程。但是，XRF岩芯连续扫描获得的元素信号值除受控于元素实际含量外，也受仪器设置（X射线光管、电压和电流强度、扫描间隔和曝光时间、覆盖薄膜类型等）和岩芯物理属性（含水量、粒度、表面平整度、岩芯裂隙等）的共同影响[13,17]，使得扫描的元素信号值无法准确反映沉积物中元素的真实状况，进而导致不同相沉积岩芯记录的过度或错误解释。
为了消除XRF连续扫描过程中对元素信号值的影响，国内外学者基于不同类型的沉积载体提出了多种校正方法和模型。其中常见的方法是将扫描数据与XRF传统方法测试结果对比，进而评估其精确性并选取可靠的元素信号值分析[14-15,18-22]。另外，相关研究也常用扫描元素的比值来消除仪器设置和粒度组成等因素的一致影响[2,23-25]。例如，Chawchai等[26]分析有机质富集的泥炭沉积XRF扫描数据时，指出用Ti作为分母校正Si、K、Zr、Sr、Rb元素，可较好指示流域的碎屑物质输入和岩芯粒度组成。对于受多种因素影响下的单一元素信号值校正，国际上通用的校正模型有标准化中位数校正模型（Normalized Median-scaled，NMS）[27]、多元对数校正（Multivariate Log-ratio Calibration，MLC）[28]等。对于长岩芯中的元素信号值校正，Chen等[29]在上述两个模型的基础上进一步提出了标准化多项式校正（Normalized Polynomial-scaled Calibration，NPS）和多项式多变量对数比校正（Polynomial-corrected Multivariate Log-ratio Calibration，P-MLC）。然而，国内大多研究是直接利用XRF连续扫描的单个元素结果或比值解释其指示的地理环境意义，特别是在湖泊沉积物的扫描元素分析中更为常见，而对扫描结果的可靠性评估和校正却较为少见[30-33]。例如，Xu等[33]比较了中国南海CS11钻孔沉积岩芯的XRF扫描元素信号值与ICP测定的元素含量，指出基于最小二乘法建立的线性相关模型和对数校正模型可有效校正XRF扫描的元素信号值分布。
本文基于青海湖内钻取的完整沉积岩芯，对比分析XRF岩芯连续扫描和传统方法获得的元素值的差异及影响因素。在此基础上，辨别两种方法得到的元素比值的相关性和可靠性。最后，利用NMS和MLC模型对XRF连续扫描的元素信号值校正，并评估校正后单一元素信号值的准确性，为合理利用湖泊沉积物的XRF连续扫描结果提供示范，也为基于青海湖沉积岩芯的元素分布重建青藏高原东北部气候变化及人地关系演变奠定科学基础。
1. 研究区概况
地处青藏高原东北部青海省共和县境内的青海湖流域（36°15′～38°20′ N、97°50′～101°20′ E，海拔高度约
3200 m），形成于四周环山且呈WN-ES走向的封闭式山间内陆盆地（图1），是中国最大的内陆咸水湖，也是中国高原内陆湖泊湿地典型代表[34]。目前，青海湖流域面积约2.96×104 km2，湖泊呈椭圆形，湖岸线长约360 km，水体面积约为4549 km2，平均水深18 m，湖水容积约854 km3。2005年以来，在气候和生态修复措施共同作用下青海湖水位持续增长，至2020年水位上升3.27 m，已恢复至20世纪60年代水平[35]，是维系青藏高原东北部生态安全的重要水体。汇入青海湖的主要支流包括布哈河、沙柳河、哈尔盖河、倒淌河等（图1），其中流域西北部干流长约286 km的布哈河年均径流量高达 9.08×108 m3，是青海湖的主要径流[36]。青海湖沉积通量约为1.42×106 t/a，其中流域泥沙输入的贡献量约为0.75×106 t/a，而布哈河入湖口附近泥沙沉积速率为全湖最高[37]。青海湖流域属高原温带大陆性半干旱气候，据流域周边气象观测站2000—2018年记录，流域内年平均气温为−1.1～4.0℃，年平均降水量为291～579 mm，全年约80%降水集中于6—9月，年均蒸发量为1300 ～2000 mm，受高空西风带和季风影响常年多风[38]。2. 材料与方法
2.1 沉积岩芯钻探与XRF岩芯连续扫描
基于对布哈河泥沙输入的贡献及青海湖内泥沙输移-沉积过程等方面的考虑[37]，于2021年5—6月在青海湖西部布哈河入湖口朝湖中心延伸约5 km处，利用奥地利UWITEC公司生产的湖泊柱芯采集平台钻取一根2.39 m长的完整沉积岩芯（QHH， 36°55′39′′ N、99°52′53′′ E）。所用的岩芯PVC套管单根长3 m，内径为5.7 cm，取芯率100%。为符合扫描长度限制要求，在兰州大学西部环境教育部重点实验室内将整根岩芯切分为1.01 m和1.38 m长的两段短岩芯，分别标记为QHH-21a和QHH-21b。随后，利用Geotek core splitter沿长轴将QHH-21a和QHH-21b岩芯段切割，通过用聚乙烯三角铲仔细平整后生成较为平坦的岩芯表面。在未将QHH-21a岩芯段充分晾干的情况下，利用Avaatech Ⅲ XRF core scanner搭载的3×2048 pixels高精度照相机对该岩芯段以0.14 mm分辨率进行直线扫描，生成RGB和CIE L*-a*-b*两类色度数据。上述扫描分辨率的选择基于：① 参照Avaatech公司的推荐设置；② 为了获得QHH岩芯的高清照片及识别岩芯层理分布。随后，将4 µm的Ultralene薄膜覆盖在岩芯段表面，确保薄膜无褶皱且膜下无气泡，避免扫描过程中的岩芯干燥和探头污染[13]。根据XRF core scanner仪器公司的建议设置参数，对相对原子质量≤26的元素（Al、Si、K、Ca、Ti、Fe、Mn），仪器设置为电压10 kV、电流1 mA、扫描间隔2 mm以及曝光时间20 s；而对相对原子质量＞26的元素（Rb、Sr、Zr）则设置为电压30 kV、电流2 mA、扫描间隔2 mm以及曝光时间40 s，测试获得的元素信号值单位为counts per second (cps)，并分析岩芯的半定量元素分布信息[2,5]。对于QHH-21b岩芯段，则在充分晾干且在表面未见明显水分的情况下，利用相同设置的Avaatech Ⅲ XRF core scanner进行扫描。
2.2 含水量、粒度、烧失量和元素含量分析
完成XRF岩芯连续扫描后，将QHH-21a岩芯段和QHH-21b岩芯段均以1 cm分辨率进行分样，共获得239个样品。各个样品在精确称重后放置于冷冻干燥机中冻干72 h，随后称重干燥样品，称重精度为
0.0001 g。各样品含水量由冷冻干燥前后质量差所占原样质量的比重获得，上述操作在湖南文理学院地理科学与旅游学院完成。随后，称取0.5 g（精度为0.0001 g）土样分析其颗粒组成，具体流程为依次在样品中添加浓度为10%的双氧水（H2O2）和10%的稀盐酸（HCl）分别去除有机质和碳酸盐，静置48 h后加入六偏磷酸钠（(NaPO3)6）分散剂，利用英国马尔文公司生产的Mastersizer 2000激光粒度仪测定，测试误差小于2%[23]。样品烧失量（Loss on ignition，LOI）利用煅烧法测定[39]，即在马弗炉中以恒定的550℃和950℃分别煅烧4 h和2 h，精确称量不同温度下的样品重量，从而计算样品损失量的百分比，上述操作在桂林理工大学地球科学学院完成。最后，分别选取两段岩芯的所有奇数号样品（共120个）并研磨至200目，在中国科学院地球环境研究所利用荷兰帕纳科公司生产的Axios advanced（PW4400）X射线荧光光谱仪测试Al、Si、K、Ca、Ti、Fe、Mn、Rb、Sr、Zr共10种元素的实际含量。2.3 XRF岩芯连续扫描的数据校正
为了提升单个元素扫描结果的可靠性，选取了国际上广泛使用的NMS和MLC两种校正模型，分别对QHH-21a和QHH-21b两段岩芯中基于XRF连续扫描的Al、Si、K、Ca、Ti、Fe、Mn、Rb、Sr、Zr共10种元素的信号值进行校正，两种校正模型演算过程中的核心公式如（1）和（2）所示，其原理分别详见Lyle等[27]和Weltje等[28]。
$$ {\text{NMS}}_{\text{c}}{=C}\text{×100}\text{/}\text{(raw sum)} $$ (1) 公式（1）中NMSc是元素的归一化标准值；raw sum为扫描信号值；C是元素的中值比例。在此基础上，基于各元素组分的实际含量校正其归一化标准值，进而计算沉积岩芯中各元素成分的浓度。
$$ \mathrm{ln}\left(\frac{{W}_{\mathrm{i}\mathrm{j}}}{{W}_{\mathrm{i}\mathrm{D}}}\right)={\mathrm{\alpha }}_{\mathrm{j}\mathrm{D}}\mathrm{ln}\left(\frac{{I}_{\mathrm{i}\mathrm{j}}}{{I}_{\mathrm{i}\mathrm{D}}}\right)+{\mathrm{\beta }}_{\mathrm{j}\mathrm{D}} $$ (2) 公示（2）为MLC模型中合并简化多个步骤后生成的无量纲标准对数校正方程，其中i表示样品，j表示元素，Wij表示元素j在样品i中的浓度，Iij代表样品i中元素j的净强度，D为元素j的实际含量，系数α和β分别是X射线荧光光谱法中单一元素分析的基质效应和检测效率的对数比值常数。MLC模型有效利用了测量元素强度和真实浓度之间的协方差，将对数比的不确定性最小化，从而产生“绝对”浓度，用于数据处理的XELERATE软件包下载于网站www.ascar.nl。
3. 结果
3.1 XRF岩芯连续扫描信号值与元素含量分布
通过Q-spec软件处理扫描光谱数据，XRF岩芯连续扫描共生成QHH中23个元素信号值分布。为了与XRF荧光光谱仪测定的岩芯中元素实际含量相比较，本文选取了相同的10个扫描元素（Al、Si、K、Ca、Ti、Fe、Mn、Rb、Sr、Zr）进行分析，其分布结果（图2）表明，所有10个元素的扫描信号值大部分在
1000 cps以上，Al、Si、K、Ca、Ti、Fe、Mn、Rb、Sr和Zr的信号值范围分别为（0.04～2.04）×103、（0.74～3.21）×104、（0.16～3.37）×104、（1.49～17.31）×104、（2.12～11.67）×103、（3.53～14.84）×104、（0.55～2.60）×103、（0.93～2.59）×103 、（2.46～7.73）×103和（1.08～5.09）×103 cps，平均值分别为5.84×102、1.70×104、1.43×104、1.00×105、6.70×103、7.99×104、1.62×103、1.46×103、5.81×103、3.33×103 cps。其中，Al、Si、K、Ti、Fe、Mn、Rb共7种元素的高信号值范围均出现的深度为12～15、130～135 cm，低值范围出现的深度为140～145、178～184 cm，各元素信号值随深度的分布趋势基本一致。元素Ca和Sr的信号高值范围出现的深度为3～6 cm，低值范围出现的深度为12～15 cm，其随深度的分布趋势也较为类似。元素Zr的信号高值范围出现的深度为47～62 cm，而低值范围出现的深度为0～3 cm。使用XRF荧光光谱仪测定QHH岩芯中上述10个元素的实际含量分布如图2中橙色线所示。Al、Si、K、Ca、Ti、Fe、Mn的含量范围分别为10%～16%、40%～58%、1.75%～3.25%、7.7%～15.4%、0.3%～0.39%、3%～5.4%、（500～800）×10−6；而Rb、Sr和Zr的含量范围则分别为（70～130）×10−6、（250～460）×10−6、（100～210）×10−6。其中，Si元素在QHH整根岩芯中含量最高，其次为Al和Ca，微量元素Rb含量最低。Al、K、Fe、Mn、Rb的元素含量高值出现在10～18、118～125 cm中，低值出现的深度为48～70 cm。Ti含量高值范围出现在10～18 cm，低值范围出现在165～180 cm。Ca和Sr含量高值出现在0～10、165～180 cm中，低值范围出现在10～18 cm。Si和Zr含量高值出现在48～70 cm，低值范围出现在0～10 cm。
![]()
图 2 QHH沉积岩芯XRF连续扫描元素信号值（黑色线）和实际含量（橙色线）分布Figure 2. The distributions of elements signal values by XRF core scanning (blank lines) and their actual compositions (orange lines) along the QHH sedimentary sequence3.2 色度、含水量、粒度、烧失量分布
基于XRF连续扫描获得的岩芯色度数据高分辨率记录了扫描时岩芯段表面的颜色，特别是生成的CIE L*-a*-b*色度类型中的亮度（L*）与沉积物的含水量和有机质含量显著相关[40]。L*值为33.80～63.08 cd/m2，其中上部QHH-21a段和下部QHH-21b段由于扫描时处理过程不同显示出明显的L*差异（图3）。QHH-21a段整体偏暗，L*为33.80～59.01 cd/m2，低值范围出现在14.4～24.6 cm；而QHH-21b段则更加明亮，L*为53.21～63.08 cd/m2且波动不大。此外，因XRF岩芯连续扫描的Cl元素常被用以指代咸水环境下沉积岩芯的含水量，其指代意义也可能适用于青海湖这一最大咸水湖环境[22]。Cl元素信号值变化范围为（2.26～5.50）×104 cps，也展现出明显的两段分布特征（图3），上部QHH-21a段信号值明显高于下段，其范围分别为（2.45～5.50）×104 cps和（2.26～3.16）×104 cps。然而，不同于L*和Cl元素分布，QHH岩芯的含水量、粒度、烧失量结果均未表现出两段的明显差异。其含水量变化范围为27.33%～50.18%，平均含水量为37.97%，且高值范围主要在上部30 cm，这与L*低值范围基本一致。岩芯粒度组成主要以粉砂（4～63 μm）为主，占比为55%～85%，其次为黏土（＜4 μm）和砂（＞63 μm），占比分别为6.34%～36.60%和0.52%～44.78%，颗粒较细和较粗的层理分别出现在0～30 cm和48～65 cm处，与含水量高值和低值范围相对应。岩芯在550℃时的LOI变化范围为4.05%～9.94%，高值位于岩芯段顶部0～30 cm，与高含水量分布一致。950℃时LOI的变化范围为6.43%～10.44%，高值阶段主要分布于26～35、65～70、100～105、167～179 cm，低值出现在10～30 cm层位，与L*低值范围基本一致。
![]()
图 3 QHH沉积岩芯亮度（L*）、Cl元素信号值、含水量、粒度、烧失量分布Figure 3. The distributions of luminance (L*), Cl element signal values, water content, grain size, and loss on ignition in the QHH sedimentary sequence4. 讨论
4.1 QHH岩芯扫描信号值的可靠性及影响因素
XRF岩芯连续扫描虽可快速且高分辨率地获取23个元素的信号值分布，但也受仪器设置和岩芯物理属性的共同影响。由于传统XRF方法仅测得了Al、Si、K、Ca、Ti、Fe、Mn、Rb、Sr、Zr共10个元素的实际含量（图2），因此本文主要鉴别上述10个元素的XRF扫描信号值的可靠性。岩芯中10个元素的XRF扫描信号值与其实际含量的相关性（黑色线）如图4所示。结果表明，相关性最低的元素为Si且呈现负相关（r=−0.31），其次为Ti元素（r=0.22），相关性并不显著。相关性最高的元素为Zr（r=0.92），表明Zr元素扫描信号值与实际含量分布基本一致。而其他元素在整根岩芯中的扫描信号值与实际含量分布的相关性系数均分布于0.4～0.6，表现出较显著的一致性。上述结果说明，对于长约2.39 m的QHH岩芯，Zr元素的XRF连续扫描结果可靠且可指示其分布特征和环境意义，而Si元素的结果则完全不可靠。而其他元素的扫描结果，除Ti元素外均较为可靠地反映了其实际含量。上述结果与其他研究[22]也较为一致，Zr元素因其较大的原子量和在锆石中较稳定的赋存状态，在常规设置下的扫描过程中受到岩芯物理属性的影响可忽略不计[41]，而Si和Ti因较小的原子量易受含水量、粒径分布等因素影响[2,15]。然而，整根岩芯中各段的扫描状态和物理特征有所不同，难以直接识别不同元素扫描信号值的影响因素。
![]()
图 4 QHH岩芯及各段的XRF连续扫描元素信号值与实际含量的相关性分析Figure 4. Correlation analysis of elements signal values by XRF core scanning and their actual contents of the whole sedimentary sequence and two sections in QHH通过单独分析QHH-21a和QHH-21b段各元素（除Zr外）扫描信号值与实际含量的相关性差异，影响XRF连续扫描结果可靠性的部分因素得以体现。对于原子量≤26的元素（Al、Si、K、Ca、Ti、Fe、Mn），QHH-21a段相关性（图4蓝色点和线）均高于QHH-21b段（图4橙色点和线），而Rb和Sr元素则相反（图4）。由于整根岩芯中LOI 550℃和LOI 950℃的占比均小于10%（图3），故不考虑岩芯中有机质和碳酸盐含量产生的基质效应影响[2,38]。含水量和颗粒组成可能导致了QHH-21a和QHH-21b段元素相关性差异[22]。QHH岩芯含Cl元素信号值分布呈两段差异变化，故无法直接指示岩芯的含水量（图3）。而Hennekam等[2]指出海相或咸水环境下沉积岩芯的Cl元素信号值实际指示了扫描时岩芯表面及薄膜下水汽的总含水量。QHH-21a段扫描时L*偏低而Cl元素信号值偏高（图3），表明该段岩芯在扫描前未充分晾干且扫描时总含水量较高。而在QHH-21b段扫描过程中因其充分晾干而岩芯表面和薄膜下水汽较少，故扫描时L*偏高而Cl元素信号值偏低（图3）。湖相沉积中的大量水汽一定程度上稀释了沉积岩芯并吸收了原子量较低元素的X射线光谱，降低了岩芯中元素的激发效率，从而产生较小的元素信号值且削弱了其波动幅度[13,17]。结果，QHH-21a段中原子量较小的Al、Si、K、Ca、Ti、Fe、Mn等元素的扫描结果无论是信号值还是波动幅度均比QHH-21b段小，特别是原子量最小的Al元素最为明显（图2）。传统XRF方法测定的是岩芯中1 cm厚度样品的元素实际含量，相对比的扫描数据源于同深度范围内0.2 cm间隔的5个XRF扫描平均值，经含水量削弱的信号值因波动较小而对平均值影响不大，反而提升了元素实际含量与平均值的相关性。对于下部充分晾干的QHH-21b段，因水分吸收效果较弱且不同层理更加清晰，上述各元素扫描信号值高且波动较大，进而降低了二者间的相关性，例如原子量最小的Al元素在含水量较高的QHH-21a段中的相关性可达0.71，远高于含水量较低的QHH-21b段的0.16（图4）。需指出的是，虽然QHH-21b段元素的相关性较低，但并不代表其信号值分布绝对错误，而是因分辨率不同导致的结果。扫描元素的高波动对于岩芯层理和沉积过程更具指向性，而分辨率较低样品的元素实际含量则难以体现。而对原子量较大的微量元素Rb和Sr，其在不同岩芯段中含量小且波动较大，故其实际含量与扫描数据的相关性呈现出与原子量较小元素的相反结果。总之，对于干湿状况不同的岩芯段，XRF连续扫描有助于充分识别扫描时薄膜下岩芯表面总含水量对元素扫描信号值的影响，但可能也使得扫描结果无法直接识别整根QHH岩芯的理化特征，特别是色度、Cl元素信号分布等明显与含水量相关的结果（图3）。因此，在利用XRF 岩芯扫描对湖相沉积岩芯高分辨率扫描时，建议将岩芯晾干且达到表面未见明显水迹方可扫描，虽部分原子量较小元素信号值与实际含量的相关性较低，但可高分辨率识别岩芯中沉积层理和较可靠的原子量较大元素信号值。
相较于QHH-21b段较为均一的颗粒组成，QHH-21a段存在明显的粗、细颗粒组成变化，特别是在48～65 cm处的砂含量高达20%～30%（图3），故该深度范围被认为是粗颗粒层，其余为细颗粒层。Maclachlan等[42]指出XRF岩芯连续扫描砂（＞63 μm）含量高于25%的岩芯段时，粗颗粒的富集会增强X射线的散射并降低获得的元素信号值。通过分析QHH-21a段粗、细颗粒层的扫描元素信号值与实际含量的相关性（表1），表明粗颗粒加强了Al、K、Ca、Ti、Fe、Mn等元素的X射线散射，使得各元素的相关性结果呈现明显的负相关（表1）。而Si元素在粗颗粒层中展现出显著的正相关，可能是粗颗粒层中Si含量较高的结果（图2）。对含水量影响较小的Rb、Sr和Zr等微量元素，粗颗粒的富集产生了一定影响，但总体趋势未明显变化（图2）。需指出的是，QHH-21a岩芯段粗颗粒层仅有9个元素扫描数值，样本较少无法排除极端值对相关性结果的影响。总之，XRF岩芯连续扫描粗颗粒含量较高的层理时可能导致元素信号值的削弱，进而影响整根岩芯地球化学特征的判别。
表 1 QHH-21a岩芯段粗颗粒层（n=9）和细颗粒层（n=42）的XRF连续扫描元素信号值与实际含量的相关性系数Table 1. Correlation coefficients between elements signal values by XRF core scanning and their actual concentrations in coarse layers (n=9) and fine layers (n=42) in the QHH-21a sequenceAl Si K Ca Ti Fe Mn Rb Sr Zr 粗颗粒层（48～65 cm） −0.67 0.83 −0.47 −0.13 −0.29 −0.22 −0.26 0.48 0.60 0.62 细颗粒层（0～47 cm, 66～101 cm） 0.73 −0.33 0.65 0.48 0.42 0.45 0.61 0.36 0.45 0.94 4.2 QHH岩芯扫描元素信号值校正
为了充分利用XRF岩芯连续扫描的元素信号值分布结果并合理解释其指示的地理环境意义，国内外学者运用多种校正方法提升其准确性。因原子量接近的元素所受的仪器设置和岩芯物理特征的影响程度较为一致，基于XRF连续扫描的元素比值是常用的一种快速简便地消除影响的方法。然而，任意两个较接近的XRF扫描元素比值是否能够消除上述影响并能显著指示元素实际含量的比值，仍需进一步评估。基于此，选取了QHH岩芯中Al/Si、Ca/Ti、Fe/Mn、Fe/Ti、Rb/Sr、Rb/Zr共6组元素比值进行分析（图5），这些比值也是分析湖泊沉积岩芯记录的常用地球化学代用指标，如Al/Si、Ca/Ti、Fe/Ti、Rb/Zr常被用以指代岩芯中的颗粒组成变化及流域碎屑输入情况[23]，Fe/Mn被用以反映湖泊沉积物的氧化还原状况及水位变化[1]，Rb/Sr指示季风区流域的风化淋溶程度[4]。结果表明，XRF扫描的Rb/Zr和Rb/Sr与实际含量比值极显著相关，相关性分别高达0.93和0.90（图5），表明原子量较大的相邻元素比值很大程度消除了含水量等因素的一致影响，可直接用以高分辨率辨别其指示的地理环境意义。而对于原子量较小的相邻元素比值，虽Al、Si、Ti等元素在扫描过程中受到了含水量和颗粒组成的明显影响（图4），但Ca/Ti 和Al/Si与实际含量比值的相关性分别为0.76和0.50，呈较显著相关（图5），可一定程度高分辨率地识别元素分布和岩芯层理结构。例如Hennekam等[2]也指出XRF扫描的Ca/Ti比值可作为初步了解海洋沉积岩芯颗粒组成及不同岩芯间层理对比的有效指标。然而，XRF扫描的Fe/Mn和Fe/Ti与实际含量比值的相关性则分别低至0.04和0.10，展现出非显著相关性，无法指示其在岩芯中的真实分布状况，这可能是Fe/Mn和Fe/Ti比值并未同时反映两个元素含量的结果。因此，在利用XRF岩芯连续扫描的元素比值分析其指代的地理环境意义之前，需与其他物理特征（如粒度、TOC、碳酸盐含量等）进行对比，进而选取较为可靠的元素比值，然而这仍是可靠利用XRF连续扫描结果的最简便有效的校正方法。
![]()
图 5 QHH岩芯XRF连续扫描的元素信号比值与实际含量比值的相关性分析Figure 5. Correlation analysis of elements signal ratios and their actual concentrations ratios in the whole sedimentary sequence of the core in QHH虽然XRF扫描的元素比值可快速消除一致影响并较可靠地解释其指代的地理环境意义，但在一些环境问题分析中（如污染取证、矿物勘探等），常需用到单一元素的高分辨率真实分布状况，因此需对多因素影响下的该元素XRF扫描结果进行校正。基于国际上广泛使用的NMS和MLC两种校正模型对QHH整根岩芯及各段进行校正，其结果如表2所示。因XRF扫描的Zr元素信号值与实际含量分布基本一致，NMS和MLC两种方法校正后均未有较大变化。而对于Al、Si、K、Ca、Ti、Fe、Mn、Rb、Sr这9种元素，其与实际含量的相关性均有不同程度的改变。具体而言，利用NMS模型校正后，原子量≤26的7个元素无论是在整根岩芯中还是各段中均未有明显提高，仅QHH-21b 中K元素的相关性由0.29提高至0.60（表2）。而对原子量较大的Rb和Sr则有一定提升，特别是在上段QHH-21a中。这说明基于中位数归一化标准值的校正并未消除含水量及颗粒组成带来的明显影响，对影响程度不大的原子量较大元素可能有一定校正效果。另一方面，基于MLC模型校正后，所有元素校正结果与实际含量均呈显著相关，整根岩芯和QHH-21a段中相关性最低的均为Ti元素，分别为0.74和0.66，其余元素均在0.9以上（表2）。QHH-21b段中Si的相关性最低，但也从扫描信号值的−0.20提升至0.67（表2），将原先负相关的信号值校正为较可靠的结果，其余元素也均在0.7以上。这表明MLC模型通过对数比值校正极大程度消除了扫描过程中仪器设置和岩芯物理属性带来的共同影响，较准确地指示了各元素在岩芯中的实际分布，在QHH岩芯及各分段具有较好的校正效果。张玉枝等[31]在利用NMS、MLC和NPS校正青藏高原西部阿翁错4.45 m沉积岩芯的XRF扫描元素信号值时，指出NMS的校正结果也不理想，MLC模型对整根岩芯元素的校正结果较好，而NPS对存在裂隙的部分岩芯段校正结果更好。因此，在校正XRF岩芯连续扫描单一元素信号值时，需根据岩芯实际情况选择适合的校正模型，以期获取较为准确的单一校正元素信号值分布。
表 2 QHH岩芯及各段XRF连续扫描元素信号值、NMS及MLC校正结果分别与实际含量的相关性系数Table 2. Correlation coefficients among elements signal values by XRF core scanning, the NMS calibration data, the MLC calibration data, and their actual concentrations of the whole sedimentary sequence and the two sections in QHH元素 QHH QHH-21a QHH-21b 扫描值 NMS MLC 扫描值 NMS MLC 扫描值 NMS MLC Al 0.47 0.49 0.92 0.71 0.73 0.93 0.16 0.17 0.91 Si −0.31 −0.36 0.92 −0.39 −0.44 0.97 −0.20 −0.27 0.67 K 0.47 0.49 0.94 0.62 0.65 0.94 0.29 0.60 0.92 Ca 0.44 0.50 0.96 0.49 0.55 0.98 0.42 0.42 0.92 Ti 0.22 0.21 0.74 0.36 0.36 0.66 0.12 0.11 0.73 Fe 0.43 0.48 0.94 0.46 0.56 0.95 0.39 0.40 0.90 Mn 0.51 0.56 0.92 0.57 0.67 0.94 0.46 0.47 0.88 Rb 0.46 0.56 0.92 0.41 0.58 0.93 0.58 0.55 0.89 Sr 0.58 0.70 0.94 0.43 0.64 0.94 0.77 0.80 0.93 Zr 0.92 0.89 0.95 0.95 0.94 0.96 0.79 0.73 0.85 5. 结论
（1）XRF连续扫描的Zr元素信号值可准确反映QHH岩芯中的实际含量分布，而Si元素信号值则表现为与实际含量反相关，Ti元素信号值的相关性较弱，均无法显著指示两个元素在QHH岩芯中的真实情况。
（2）QHH岩芯较高的含水量明显削弱了Al、Si、K、Ca、Ti、Fe、Mn等原子量较小的元素信号值强度和波动幅度，富集的粗颗粒因增强X射线的散射可能进一步削弱了赋存于细颗粒中的元素信号值。干燥岩芯段中XRF扫描的原子量较小的元素结果因高分辨率和颗粒组成差异展现出较大的波动，降低了与实际含量的相关性。上述因素对Rb、Sr和Zr等微量元素的扫描结果影响较小。
（3）基于XRF连续扫描的相邻元素比值可快速简捷地消除仪器设置和岩芯物理特征带来的一致影响，扫描的Rb/Zr、Rb/Sr、Ca/Ti与实际含量比值均呈显著相关。此外，相较于NMS模型，MLC模型对QHH整根岩芯及各段中单一元素信号值分布均有较好的校正效果。
-
![]()
图 2 QHH沉积岩芯XRF连续扫描元素信号值（黑色线）和实际含量（橙色线）分布
Figure 2. The distributions of elements signal values by XRF core scanning (blank lines) and their actual compositions (orange lines) along the QHH sedimentary sequence
![]()
图 3 QHH沉积岩芯亮度（L*）、Cl元素信号值、含水量、粒度、烧失量分布
Figure 3. The distributions of luminance (L*), Cl element signal values, water content, grain size, and loss on ignition in the QHH sedimentary sequence
![]()
图 4 QHH岩芯及各段的XRF连续扫描元素信号值与实际含量的相关性分析
Figure 4. Correlation analysis of elements signal values by XRF core scanning and their actual contents of the whole sedimentary sequence and two sections in QHH
![]()
图 5 QHH岩芯XRF连续扫描的元素信号比值与实际含量比值的相关性分析
Figure 5. Correlation analysis of elements signal ratios and their actual concentrations ratios in the whole sedimentary sequence of the core in QHH
表 1 QHH-21a岩芯段粗颗粒层（n=9）和细颗粒层（n=42）的XRF连续扫描元素信号值与实际含量的相关性系数
Table 1 Correlation coefficients between elements signal values by XRF core scanning and their actual concentrations in coarse layers (n=9) and fine layers (n=42) in the QHH-21a sequence
Al Si K Ca Ti Fe Mn Rb Sr Zr 粗颗粒层（48～65 cm） −0.67 0.83 −0.47 −0.13 −0.29 −0.22 −0.26 0.48 0.60 0.62 细颗粒层（0～47 cm, 66～101 cm） 0.73 −0.33 0.65 0.48 0.42 0.45 0.61 0.36 0.45 0.94 
下载: 导出CSV
表 2 QHH岩芯及各段XRF连续扫描元素信号值、NMS及MLC校正结果分别与实际含量的相关性系数
Table 2 Correlation coefficients among elements signal values by XRF core scanning, the NMS calibration data, the MLC calibration data, and their actual concentrations of the whole sedimentary sequence and the two sections in QHH
元素 QHH QHH-21a QHH-21b 扫描值 NMS MLC 扫描值 NMS MLC 扫描值 NMS MLC Al 0.47 0.49 0.92 0.71 0.73 0.93 0.16 0.17 0.91 Si −0.31 −0.36 0.92 −0.39 −0.44 0.97 −0.20 −0.27 0.67 K 0.47 0.49 0.94 0.62 0.65 0.94 0.29 0.60 0.92 Ca 0.44 0.50 0.96 0.49 0.55 0.98 0.42 0.42 0.92 Ti 0.22 0.21 0.74 0.36 0.36 0.66 0.12 0.11 0.73 Fe 0.43 0.48 0.94 0.46 0.56 0.95 0.39 0.40 0.90 Mn 0.51 0.56 0.92 0.57 0.67 0.94 0.46 0.47 0.88 Rb 0.46 0.56 0.92 0.41 0.58 0.93 0.58 0.55 0.89 Sr 0.58 0.70 0.94 0.43 0.64 0.94 0.77 0.80 0.93 Zr 0.92 0.89 0.95 0.95 0.94 0.96 0.79 0.73 0.85
下载: 导出CSV
-
[1] Rothwell R G, Croudace I W. Micro-XRF studies of sediment cores: a perspective on capability and application in the environmental sciences[M]//Croudace I W, Rothwell R G. Micro-XRF Studies of Sediment Cores: Applications of A Non-Destructive Tool for the Environmental Sciences. Dordrecht, The Netherlands: Springer, 2015: 1-21.
[2] Hennekam R, de Lange G. X-ray fluorescence core scanning of wet marine sediments: methods to improve quality and reproducibility of high-resolution paleoenvironmental records[J]. Limnology and Oceanography:Methods, 2012, 10(12):991-1003. doi: 10.4319/lom.2012.10.991
[3] Nowaczyk N R, Liu J B, Plessen B, et al. A high-resolution paleosecular variation record for marine isotope stage 6 from Southeastern Black Sea sediments[J]. Journal of Geophysical Research:Solid Earth, 2021, 126(3):e2020JB021350. doi: 10.1029/2020JB021350
[4] 杨涵菲, 赵艳, 崔巧玉, 等. 基于XRF岩芯扫描的Rb/Sr比值的古气候意义探讨: 以青藏高原东部若尔盖盆地为例[J]. 中国科学: 地球科学, 2021, 51(1): 73-91 YANG Hanfei, ZHAO Yan, CUI Qiaoyu, et al. Paleoclimatic indication of X-ray fluorescence core-scanned Rb/Sr ratios: a case study in the Zoige Basin in the eastern Tibetan Plateau[J]. Science China Earth Sciences, 2021, 64(1): 80-95.]
[5] Wang X Q, Wang Z S, Xiao J, et al. Soil erosion fluxes on the central Chinese Loess Plateau during CE 1811 to 1996 and the roles of monsoon storms and human activities[J]. CATENA, 2021, 200:105148. doi: 10.1016/j.catena.2021.105148
[6] Sun Y B, Clemens S C, Guo F, et al. High-sedimentation-rate loess records: a new window into understanding orbital- and millennial-scale monsoon variability[J]. Earth-Science Reviews, 2021, 220:103731. doi: 10.1016/j.earscirev.2021.103731
[7] 李东, 谭亮成, 郭飞, 等. Avaatech XRF岩芯扫描分析方法在石笋Sr/Ca测试中的应用[J]. 中国科学: 地球科学, 2019, 49(6): 1014-1023 LI Dong, TAN Liangcheng, GUO Fei, et al. Application of Avaatech X-ray fluorescence core-scanning in Sr/Ca analysis of speleothems[J]. Science China Earth Sciences, 2019, 62(6): 964-973.]
[8] Kern O A, Koutsodendris A, Mächtle B, et al. XRF core scanning yields reliable semiquantitative data on the elemental composition of highly organic-rich sediments: evidence from the Füramoos peat bog (southern Germany)[J]. Science of the Total Environment, 2019, 697:134110. doi: 10.1016/j.scitotenv.2019.134110
[9] Perez L, Crisci C, Lüning S, et al. Last millennium intensification of decadal and interannual river discharge cycles into the Southwestern Atlantic Ocean increases shelf productivity[J]. Global and Planetary Change, 2021, 196:103367. doi: 10.1016/j.gloplacha.2020.103367
[10] Croudace I W, Teasdale P A, Cundy A B. 200-year industrial archaeological record preserved in an Isle of Man saltmarsh sediment sequence: geochemical and radiochronological evidence[J]. Quaternary International, 2019, 514:195-203. doi: 10.1016/j.quaint.2018.09.045
[11] Roethlin R L, Gilli A, Wehrli B, et al. Tracking the legacy of early industrial activity in sediments of Lake Zurich, Switzerland: using a novel multi-proxy approach to find the source of extensive metal contamination[J]. Environmental Science and Pollution Research, 2022, 29(57):85789-85801. doi: 10.1007/s11356-022-21288-6
[12] Gardes T, Portet-Koltalo F, Debret M, et al. Historical and post-ban releases of organochlorine pesticides recorded in sediment deposits in an agricultural watershed, France[J]. Environmental Pollution, 2021, 288:117769. doi: 10.1016/j.envpol.2021.117769
[13] 黄平安, 王夏青, 唐湘玲, 等. X射线荧光光谱岩心扫描影响因素及校正方法的研究进展[J]. 物探与化探, 2023, 47(3):726-738 HUANG Ping’an, WANG Xiaqing, TANG Xiangling, et al. Research progress in the influencing factors and correction methods of XRF-CS[J]. Geophysical and Geochemical Exploration, 2023, 47(3):726-738.]
[14] 雷国良, 张虎才, 常凤琴, 等. 湖泊沉积物XRF元素连续扫描与常规ICP-OES分析结果的对比及校正: 以兹格塘错为例[J]. 湖泊科学, 2011, 23(2):287-294 doi: 10.18307/2011.0220 LEI Guoliang, ZHANG Hucai, CHANG Fengqin, et al. Comparison and correction of element measurements in lacustrine sediments using X-ray fluorescence core-scanning with ICP-OES method: a case study of Zigetang Co[J]. Journal of Lake Sciences, 2011, 23(2):287-294.] doi: 10.18307/2011.0220
[15] Liang L J, Sun Y B, Yao Z Q, et al. Evaluation of high-resolution elemental analyses of Chinese loess deposits measured by X-ray fluorescence core scanner[J]. CATENA, 2012, 92:75-82. doi: 10.1016/j.catena.2011.11.010
[16] 张晓楠, 张灿, 吴铎, 等. 基于XRF岩心扫描的中国西部湖泊沉积物元素地球化学特征[J]. 海洋地质与第四纪地质, 2015, 35(1):163-174 ZHANG Xiaonan, ZHANG Can, WU Duo, et al. Element geochemistry of lake deposits measured by X-ray fluorescence core scanner in northwest China[J]. Marine Geology & Quaternary Geology, 2015, 35(1):163-174.]
[17] Jarvis S, Croudace I W, Rothwell R G. Parameter optimisation for the ITRAX core scanner[M]//Croudace I W, Rothwell R G. Micro-XRF Studies of Sediment Cores: Applications of A Non-Destructive Tool for the Environmental Sciences. Dordrecht, The Netherlands: Springer, 2015: 535-562.
[18] 成艾颖, 余俊清, 高春亮, 等. 湖泊沉积物微量元素ICP-AES与XRF分析方法和相关性研究[J]. 光谱学与光谱分析, 2013, 33(7):1949-1952 CHENG Aiying, YU Junqing, GAO Chunliang, et al. Study on trace elements of lake sediments by ICP-AES and XRF core scanning[J]. Spectroscopy and Spectral Analysis, 2013, 33(7):1949-1952.]
[19] 周锐, 李珍, 宋兵, 等. 长江三角洲平原湖沼沉积物XRF岩芯扫描结果的可靠性分析[J]. 第四纪研究, 2013, 33(4):697-704 ZHOU Rui, LI Zhen, SONG Bing, et al. Reliability analysis of X-ray fluorescence core-scanning in the Yangtze River Delta limnetic sediments[J]. Quaternary Sciences, 2013, 33(4):697-704.]
[20] Poto L, Gabrieli J, Crowhurst S, et al. Cross calibration between XRF and ICP-MS for high spatial resolution analysis of ombrotrophic peat cores for palaeoclimatic studies[J]. Analytical and Bioanalytical Chemistry, 2015, 407(2):379-385. doi: 10.1007/s00216-014-8289-3
[21] 吴兰军, 黎刚. XRF岩心扫描估算海洋沉积物有机碳含量的适用性[J]. 热带海洋学报, 2022, 41(2):112-120 WU Lanjun, LI Gang. The estimation of organic contents in marine sediments based on bromine intensity by the XRF scanner[J]. Journal of Tropical Oceanography, 2022, 41(2):112-120.]
[22] Tjallingii R, Röhl U, Kölling M, et al. Influence of the water content on X-ray fluorescence core-scanning measurements in soft marine sediments[J]. Geochemistry, Geophysics, Geosystems, 2007, 8(2):Q02004.
[23] Wang X Q, Jin Z D, Zhang X B, et al. High-resolution geochemical records of deposition couplets in a palaeolandslide-dammed reservoir on the Chinese Loess Plateau and its implication for rainstorm erosion[J]. Journal of Soils and Sediments, 2018, 18(3):1147-1158. doi: 10.1007/s11368-017-1888-9
[24] Cuven S, Francus P, Lamoureux S F. Estimation of grain size variability with micro X-ray fluorescence in laminated lacustrine sediments, Cape Bounty, Canadian High Arctic[J]. Journal of Paleolimnology, 2010, 44(3):803-817. doi: 10.1007/s10933-010-9453-1
[25] Xue G, Cai Y J, Lu Y B, et al. Speleothem-based hydroclimate reconstructions during the penultimate deglaciation in northern China[J]. Paleoceanography and Paleoclimatology, 2021, 36(4):e2020PA004072. doi: 10.1029/2020PA004072
[26] Chawchai S, Kylander M E, Chabangborn A, et al. Testing commonly used X-ray fluorescence core scanning-based proxies for organic-rich lake sediments and peat[J]. Boreas, 2016, 45(1):180-189. doi: 10.1111/bor.12145
[27] Lyle M, Lyle A O, Gorgas T, et al. Data report: raw and normalized elemental data along the Site U1338 splice from X-ray fluorescence scanning[J]. Proceedings of the Integrated Ocean Drilling Program, 2012, 320-321:1-19.
[28] Weltje G J, Bloemsma M R, Tjallingii R, et al. Prediction of geochemical composition from XRF core scanner data: a new multivariate approach including automatic selection of calibration samples and quantification of uncertainties[M]//Croudace I W, Rothwell R G. Micro-XRF Studies of Sediment Cores: Applications of A Non-Destructive Tool for the Environmental Sciences. Dordrecht, The Netherlands: Springer, 2015: 507-534.
[29] Chen Q, Kissel C, Govin A, et al. Correction of interstitial water changes in calibration methods applied to XRF core-scanning major elements in long sediment cores: case study from the South China Sea[J]. Geochemistry, Geophysics, Geosystems, 2016, 17(5):1925-1934. doi: 10.1002/2016GC006320
[30] 庞红丽, 高红山, 刘晓鹏, 等. 河流沉积物原位XRF岩芯扫描结果定量估算的初步研究[J]. 第四纪研究, 2016, 36(1):237-246 PANG Hongli, GAO Hongshan, LIU Xiaopeng, et al. Preliminary study on calibration of X-ray fluorescence core scanner for quantitative element records in the Yellow River sediments[J]. Quaternary Sciences, 2016, 36(1):237-246.]
[31] 张玉枝, 张家武, 毛春晖, 等. 湖泊沉积物含水量和结构对XRF扫描结果影响的评估及校正: 以西藏阿翁错为例[J]. 第四纪研究, 2020, 40(5):1145-1153 ZHANG Yuzhi, ZHANG Jiawu, MAO Chunhui, et al. Accuracy assessment and calibration of the impact of water content and structure of lake sediments on the XRF scanning data: a case study of Aweng Co in the Tibetan Plateau[J]. Quaternary Sciences, 2020, 40(5):1145-1153.]
[32] 张喜林, 范德江, 王亮, 等. X-射线岩心扫描系统对海洋沉积物成分测定质量的综合评价和校正[J]. 海洋学报, 2013, 35(6):86-95 ZHANG Xilin, FAN Dejiang, WANG Liang, et al. The calibration and quality evaluation of elemental analysis results of marine sediment measured by an X-ray fluorescence core scanner[J]. Acta Oceanologica Sinica, 2013, 35(6):86-95.]
[33] Xu F J, Hu B Q, Wang C, et al. Comparison and calibration of elemental measurements in sediments using X-Ray Fluorescence core scanning with ICP methods: a case study of the South China Sea deep Basin[J]. Journal of Ocean University of China, 2021, 20(4):848-856. doi: 10.1007/s11802-021-4554-1
[34] Yan D D, Wünnemann B, Hu Y B, et al. Wetland evolution in the Qinghai Lake area, China, in response to hydrodynamic and eolian processes during the past 1100 years[J]. Quaternary Science Reviews, 2017, 162:42-59. doi: 10.1016/j.quascirev.2017.02.027
[35] 金章东, 张飞, 王红丽, 等. 2005年以来青海湖水位持续回升的原因分析[J]. 地球环境学报, 2013, 4(3):1355-1362 JIN Zhangdong, ZHANG Fei, WANG Hongli, et al. The reasons of rising water level in Lake Qinghai since 2005[J]. Journal of Earth Environment, 2013, 4(3):1355-1362.]
[36] Lin P L, Du Z H, Wang L, et al. Hotspots of riverine greenhouse gas (CH4, CO2, N2O) emissions from Qinghai Lake Basin on the northeast Tibetan Plateau[J]. Science of the Total Environment, 2023, 857:159373. doi: 10.1016/j.scitotenv.2022.159373
[37] 徐海, 刘晓燕, 安芷生, 等. 青海湖现代沉积速率空间分布及沉积通量初步研究[J]. 科学通报, 2010, 55(4-5): 384-390 XU Hai, LIU Xiaoyan, AN Zhisheng, et al. Spatial pattern of modern sedimentation rate of Qinghai lake and a preliminary estimate of the sediment flux[J]. Chinese Science Bulletin, 2010, 55(7): 621-627.]
[38] 韩艳莉, 于德永, 陈克龙, 等. 2000—2018年青海湖流域气温和降水量变化趋势空间分布特征[J]. 干旱区地理, 2022, 45(4):999-1009 HAN Yanli, YU Deyong, CHEN Kelong, et al. Spatial distribution characteristics of temperature and precipitation trend in Qinghai Lake Basin from 2000 to 2018[J]. Arid Land Geography, 2022, 45(4):999-1009.]
[39] 李新新, 宋友桂. 伊犁尼勒克剖面烧失量变化特征及影响因素[J]. 海洋地质与第四纪地质, 2014, 34(5):127-135 LI Xinxin, SONG Yougui. Variation in loss on ignition of the Nilka loess section in the Yili Basin and its impact factors[J]. Marine Geology & Quaternary Geology, 2014, 34(5):127-135.]
[40] 王夏青, 彭保发, 李福春, 等. 黄土高原聚湫沉积旋回特征及地球化学划分[J]. 土壤, 2018, 50(5):1046-1054 WANG Xiaqing, PENG Baofa, LI Fuchun, et al. Features and geochemical identification index of deposition couplets in landslide-dammed reservoirs on Loess Plateau of China[J]. Soils, 2018, 50(5):1046-1054.]
[41] Jones A F, Macklin M G, Brewer P A. A geochemical record of flooding on the Upper River Severn, UK, during the last 3750 years[J]. Geomorphology, 2012, 179:89-105. doi: 10.1016/j.geomorph.2012.08.003
[42] MacLachlan S E, Hunt J E, Croudace I W. An empirical assessment of variable water content and grain-size on X-ray fluorescence core-scanning measurements of deep sea sediments[M]//Croudace I W, Rothwell R G. Micro-XRF Studies of Sediment Cores: Applications of A Non-Destructive Tool for the Environmental Sciences. Dordrecht, The Netherlands: Springer, 2015: 173-185.
计量
- 文章访问数: 73
- HTML全文浏览量: 3
- PDF下载量: 44
