THE APPLICATION OF GRAIN-SIZE END MEMBER ALGORITHM TO PALEOENVIRONMENTAL RECONSTRUCTION ON INNER SHELF OF EAST CHINA SEA
-
摘要: 为了了解不同粒度端元法在东海内陆架古环境重建中的差异性和适用性，本文利用6种粒度端元法(非负矩阵分解、特征向量旋转、分层贝叶斯算法、粒级-标准偏差、理论函数拟合以及粒级主成分因子分析)对东海内陆架北部DC1孔的沉积物进行了粒度端元分离，并对其结果进行了对比和评价，结合沉积学资料评估了不同粒度端元在东海内陆架古环境重建中的差异性和适用性。结果表明，上述6种方法均分离出2个具有沉积学意义的粒度端元(粗粒端元和细粒端元)。除粒级主成分因子分析外，其他5种方法的端元众值粒级大小和端元在钻孔中的含量变化具有很好的一致性，其粗粒端元指示了海侵砂沉积，细粒端元指示了河流细粉砂沉积；而粒级主成分因子分析得到的粗粒和细粒端元可能分别指示了风暴潮沉积和浪流搬运的再悬浮沉积。不同方法得到的粒度端元虽然在粒级分布、端元含量变化等方面有不同程度的差异，但上述6种端元法在东海内陆架古环境重建中都具有良好的适用性，其端元含量的变化均可有效指示末次盛冰期以来海平面波动引起的沉积环境的阶段性变化。Abstract: In order to assess the difference and applicability of different end-member algorithms in paleoenvironmental reconstruction for the inner shelf of the East China Sea (ECS), six common methods, including nonnegative matrix factorization, eigenvector rotation, hierarchical Bayesian algorithm, grain-size class vs. standard deviation, fitting with theoretical function, and factor analysis, are used to extract the grain-size end members of sediments in core DC1 from the ECS inner shelf. Based on comparison and evaluation of different end members extracted from the above six approaches, their deviations and availabilities are discussed. Two sedimentologically meaningful end members (coarse-grained and fine-grained end members) are deduced by all the six methods. Particle size of mode for the end members from five of the six modeling, except that from factor analysis, are consistent with each other, and the content variations of those end members exhibit fairly uniform downcore pattern along the core DC1. The coarse-grained end members for the five modeling represent transgressive sand deposit, and the fine-grained end members represent fluvial fine-silty deposit. However, the coarse-grained end member from factor analysis indicates storm deposits, and the fine one indicates re-suspended deposits induced by current-wave. Although there are some differences in the particle size distribution and content variation in different end members, the six grain-size end-member approaches have good availabilities for the past environment reconstruction on the ECS inner shelf. The variations in end members are effective to indicate the phase change in hydrodynamic environment caused by the sea-level fluctuation since the last glacial maximum.
-
水体富营养化是我国近海生态系统面临的主要威胁之一[1]。南黄海位于西太平洋边缘，西南部有来自世界主要大河之一的长江输入，西侧江苏近岸是我国重要海水养殖区[2]，其水体富营养化始于20世纪80年代，与人为活动引发的氮（N）、磷（P）等营养物质排放密切相关[3]。自2007年以来，南黄海富营养化环境等驱动的绿潮连年暴发，对山东和江苏沿岸生态环境和海水养殖等造成了严重危害[4]。在全球变暖和人为活动双重压力下，南黄海富营养化还促进了海水脱氧和酸化[5]。当前，南黄海富营养化研究主要关注水体营养元素，对沉积物营养物质再释放及其对水体富营养化态势影响的研究亟待加强。
研究显示南黄海富营养化从早期的N限制转换到近期的P和硅（Si）限制[6]。P是海洋生态系统中生物生长所必需的重要生源要素之一，是反映水体富营养化水平的主要因子，其生物地球化学循环过程与海洋资源的可持续利用和全球变化密切相关[7]。沉积物是海洋环境中磷的重要储库，既可接受来自水体沉降与颗粒物输运带来的磷，又可在适当条件下将其释放至上覆水体参与再循环，对水体富营养化态势具有重要长期影响[8]。沉积物总磷（TP）可反映磷在沉积物中的污染程度，磷的各种赋存形态是评估其迁移转化的重要依据。沉积物中部分形态磷易释放至水体，有的形态磷可长期埋藏，对水体中磷浓度和富营养化态势影响具有较大差异[9]。沉积磷可分为无机磷（IP）和有机磷（OP）2种形态，IP又可细分为可交换态磷（Ex-P）、铁结合态磷（Fe-P）、钙结合态磷（Ca-P）、原生碎屑态磷（De-P）等[10]。磷在沉积物中的赋存形态决定了其吸附、释放特性和稳定矿化程度，直接影响到水体中磷的浓度，是评估水体富营养化风险、预测内源磷负荷影响和解析沉积物磷来源的重要依据[11-13]。因此，研究沉积物中磷的含量水平和赋存形态分布特征对于探究沉积物-海水界面磷的循环过程、交换和补充机制，分析预测其生物有效性和潜在供磷能力具有重要意义[14]。本文聚焦南黄海，分析了表层沉积物中磷的含量水平、赋存形态和分布特征，解析了不同形态磷的来源及与环境因子的潜在关系，评估了磷的生物有效性和对富营养化态势的影响，以期为该海域营养盐的补充和转化机制提供新的线索。
1. 区域概况
黄海是介于中国大陆和朝鲜半岛的半封闭海域，以胶东半岛成山角到朝鲜的长山串连线将其分为北黄海和南黄海两部分，西北部通过渤海海峡与渤海相连，东部由济州海峡与朝鲜海峡相通，南以长江口东北岸启东角到济州岛西南角连线与东海分界[15]。黄海环流主要由黄海暖流（及其余脉）和沿岸流组成[16]。黄海暖流是该区海水的主要来源，具有高盐（冬季兼有高温）特征。黄海沿岸流包括西朝鲜沿岸流、辽南沿岸流、苏北近岸流等局部性沿岸流，均为低盐（冬季兼低温）水流。南黄海表层沉积物以陆源碎屑沉积为主，在黄海暖流、潮流、风暴潮和沿岸流等复杂水动力作用下进行分异，形成了细粒泥质沉积区、粗粒级砂质沉积区和混合沉积区，仅有部分区域出现含砾沉积物[17]。
2. 样品与方法
2.1 样品采集
2011年4月，搭载“科学三号”考察船在南黄海（33°～37°N、121°～124°E）范围内开展调查。如图1所示，调查布设采样断面5条，采样站位22个，站位水深为18～83 m，平均水深为54 m。采样方法、层次和测定方法均按《海洋调查规范》（GB/T 12763-2007）进行。用箱式采样器采集22个表层沉积物样品，取表层0～2 cm沉积物置于酸洗洁净的聚乙烯密封袋中，4℃下保存。
![]()
图 1 研究区域海流系统及采样站位分布示意图等值线代表水深（单位：m），深灰色阴影代表泥质区。Figure 1. Currents and sampling stations in the study areaContours represent water depths (m),dark gray shading represents the muddy areas.2.2 实验分析
将表层沉积物在60℃下烘干，恒重。TP测定：准确称取0.10 g干沉积物于550 ℃条件下灰化样品，用0.1 mol/L 的HCl充分溶解残渣后分取上部清液，以磷钼蓝分光光度法（上海元析UV-5500PC）进行测定；IP测定：准确称取0.10 g沉积物于100 mL塑料管中，加入25 mL 0.1 mol/L 的 HCl，振荡2 h后离心，分取5 mL上清液以磷钼蓝分光光度法进行测定；TP含量减去IP含量即为OP含量。形态磷采用改进的SEDEX连续提取方法[18]（表1）测定：取约0.15 g样品，用MgCl2溶液（pH = 8）提取Ex-P，用CDB混合浸取液（柠檬酸钠-连二亚硫酸钠-碳酸氢钠缓冲液）（pH = 7.6）提取Fe-P，用醋酸-醋酸钠缓冲液（pH = 4）提取Ca-P，用盐酸提取De-P，在提取相之间用MgCl2淋洗，减少了磷的再吸附效应，每步浸取液用磷钼蓝分光光度法进行测定，并做试剂空白。本研究环境相关数据依据《海洋监测规范》（GB 17378-2007）中水体和沉积物分析方法对样品进行处理和测定：其中海水深度、温度、盐度和pH值以船载CTD传感器（海鸟SBE-911 plus）获得，可溶性硫化物以亚甲基蓝分光光度法（上海元析UV-5500PC）测定；沉积物粒度是将样品去除有机质和碳酸盐后，用激光粒度分析仪（Cilas 940L）测定，沉积物TOC是以重铬酸钾氧化-还原容量法化学滴定，实验所用试剂均为分析纯或分析纯以上试剂。采用Surfer和Excel等软件进行绘图和数据处理，采用SPSS20.0软件对实验数据进行统计和分析，利用Pearson相关性分析讨论不同磷形态及其与环境因子之间的相关性。
步骤 提取试剂和条件 磷形态 1 1 mol/L MgCl2 (pH=8), 2h Ex-P 2 CDB (pH=7.6), 8h Fe-P 3 1 mol/L NaAc-Hac (pH=4), 6h Ca-P 4 1 mol/L HCl, 24h De-P 3. 结果
3.1 上覆水和沉积物理化特征
研究区内表层海水温度的变化范围为7.0 ～10.8 °C，平均温度为9.20 °C；底层海水温度的变化范围为5.20 ～10.7 °C，平均温度为8.10 °C。表层水体盐度为30.0～33.3，平均盐度为32.2；底层水体盐度为30.0～33.9，平均盐度为32.5。水体盐度和温度平面分布（图2a、b）显示，低温低盐冲淡水进入长江口外水域，与高温高盐的海水交汇混合，形成了水体盐度和温度沿冲淡水扩展方向由低到高的梯度变化。调查海区pH值在表层海水中变化范围为8.09～8.39，平均值为8.25；底层海水pH值变化范围为8.06～8.21，平均值为8.14。
![]()
图 2 南黄海表层和底层水体温度、盐度和pH值分布特征Figure 2. Distributions of temperature, salinity, and pH in the surface and bottom waters of South Yellow Sea南黄海表层沉积物黏土、粉砂和砂含量范围分别为6.84%～46.26%、19.58%～79.18%和0～73.59%，平均值分别为23.70%、56.42%和19.79%。受沿岸流影响，整体呈现出由沿岸区域向中部海域逐渐变细的分布趋势，粉砂组分高值主要集中在沿岸和东北区域，低值位于北部中央区域和南部外海区域；黏土组分高值出现在东北区域和中部泥质区（图3a）。细颗粒物质（黏土+粉砂）占80.2%以上，四周低，中央高，与中值粒径显著正相关（r=0.878，p＜0.01）。G1和I4两个站位的优势粒径为砂组分，所占比例分别为73.6%和57.4%，远大于其他站点，沉积物TOC在这两个站点呈现低值。研究区内TOC含量变化范围为0.19%～1.42%，平均值为0.58%，高值出现在细颗粒为主的黄海中部泥质区。基于Shepard分类法[19]（图4），研究区内表层沉积物主要成分为黏土质粉砂和砂质粉砂，仅部分站位为粉砂质砂和粉砂。
![]()
图 3 南黄海表层沉积物黏土、粉砂、砂、黏土+粉砂组分和TOC分布特征Figure 3. Distributions of clay, silt, sand, clay+silt fractions and TOC in the surface sediments of South Yellow Sea![]()
3.2 沉积物中总磷和形态磷
南黄海表层沉积物中TP和各形态磷含量分布如图5所示。TP含量范围为390～630 mg/kg，平均值为514 mg/kg，最高值出现在C5站，最小值出现在A2站。根据TP含量500 mg/kg和1300 mg/kg作为沉积物轻污染、中等污染和重污染的界限标准[20-21]，南黄海沉积P基本处于轻度污染，部分站位处于中度污染。IP包括Ex-P、Fe-P、Ca-P和De-P，质量浓度范围为242.38～465.26 mg/kg，平均含量为346.99 mg/kg，最高值在C5站，最低值在G6站。Ex-P含量变化范围为4.93～27.71 mg/kg，平均值为15.07 mg/kg，最高值出现在G4站，最小值出现在C1站；Fe-P含量变化范围为25.41～133.82 mg/kg，平均值为57.96 mg/kg，最高值出现在C5站，最小值出现在I3站；Ca-P含量变化范围为79.26～235.06 mg/kg，平均值为155.18 mg/kg，最高值在E2站，最低值在C2站；De-P含量为82.08～195.09 mg/kg，平均值为118.78 mg/kg，最高值出现在I2站，最小值出现在C5站。OP含量变化范围为3.98～230.59 mg/kg，平均值为167.10 mg/kg，最高值出现在G2站，最小值出现在C1站。
![]()
图 5 南黄海表层沉积物中总磷及各形态P分布特征Figure 5. Distributions of total and various forms of phosphorus in the surface sediments of South Yellow Sea4. 讨论
4.1 磷的分布与来源
沉积物各形态P呈现出多种不同空间分布模式（图5），这不仅与物质来源有关，而且受沉积物粒度效应、有机质含量、氧化还原环境、沉积速率和人类活动等因素影响，且不同形态P受控程度不同[22-25]。南黄海表层沉积物中TP呈现出离岸越近、含量越高的趋势，具有明显的陆源输入分布特征。TP中不同形态P平均贡献为OP＞Ca-P＞De-P＞Fe-P＞Ex-P。TP与IP(r=0.639，p＜0.01)、OP(r=0.480，p＜0.05)、Ex-P(r=0.526，p＜0.05)、Fe-P(r=0.512，p＜0.05)和Ca-P(r=0.519，p＜0.05)均呈显著正相关关系（表2），其中TP与IP的相关系数要明显高于其他形态，说明IP对TP含量水平与分布特征的贡献和影响更显著，这与IP在TP的高占比（约76.39%）相符合（图6）。
表 2 南黄海表层沉积物中各形态磷相关性Table 2. Correlation among various phosphorus forms in the surface sediments of South Yellow Sea参数 TP IP OP Ex-P Fe-P Ca-P De-P TP 1 IP 0.639** 1 OP 0.480* −0.368 1 Ex-P 0.526* 0.423 0.154 1 Fe-P 0.512* 0.595** −0.059 0.727** 1 Ca-P 0.519* 0.907** −0.408 0.222 0.470* 1 De-P 0.085 0.271 −0.207 −0.271 −0.457* 0.082 1 注：**：p＜0.01，*：p＜0.05。 ![]()
图 6 南黄海表层沉积物中形态磷占比Figure 6. Percentage of phosphorus forms relative to the total phosphorus in the surface sediments of South Yellow SeaIP包括Ex-P、Fe-P、Ca-P和De-P，主要来自生活污水和工业废水，与区域地质-地球化学背景和人类活动密切相关，受pH值影响较大，对氧化还原电位等沉积环境改变较敏感，其迁移转化是沉积物向上覆水释放磷的主要机制之一[9, 20, 26-27]。IP与Fe-P（r=0.595，p＜0.01）和Ca-P（r=0.907，p＜0.01)显著正相关(表2)，说明Fe-P和Ca-P是影响IP含量与分布的主要形态。Fe-P与Ex-P（r=0.727，p＜0.01）和Ca-P（r=0.470，p＜0.05）也具有显著正相关关系（表2），说明它们可能具有相似的来源或地球化学行为。
Ex-P指可弱吸附和交换的存在于孔隙水的磷，是沉积物中最活性、变化范围最大的形态[28]，pH、温度、水体动力、氧化还原环境和生物扰动等可使其通过再悬浮或渗透带至上覆水，直接参与生态系统循环[29-30]。本研究中，Ex-P占TP的1.20%～4.56%，平均值为2.91%，在4种IP形态中含量最低，占TP的比值也最低，其中C1站占比最小，E4站占比最大（图6）。通过物理吸附于颗粒物表面的Ex-P，随着有机物降解释放至沉积物矿物表面[31]，与沉积物黏土组分含量显著正相关（r=0.426，p＜0.05）（图7a），说明粒度是影响其含量和分布的重要因素[32-33]，细颗粒物质拥有较大比表面积，为磷酸盐的吸附提供了更多结合位点[8]。值得关注的是，Ex-P含量与表层水体pH值显著正相关(r=0.564，p＜0.01，表3)，推测南黄海底层海水酸化趋势[5]（pH降低）可能促进了沉积物中Ex-P向海水释放，加剧海水富营养化程度。
![]()
图 7 南黄海表层沉积物形态磷与沉积物组分相关关系Figure 7. Relationships between phosphorus forms and sediment grain size fractions in the surface sediments of South Yellow Ses表 3 南黄海表层沉积物中形态磷与环境参数相关性Table 3. Correlation among various phosphorus forms and environmental parameters in the surface sediments of South Yellow Sea参数 TP IP OP Ex-P Fe-P Ca-P De-P 水深 −0.317 −0.107 −0.261 0.320 0.503* −0.087 −0.682** 表层海水硫化物 0.368 0.148 0.273 0.029 0.092 0.025 0.208 底层海水硫化物 0.223 0.228 −0.003 0.342 0.535* 0.133 −0.256 表层海水温度 0.280 0.124 0.196 0.121 0.050 0.071 0.106 底层海水温度 0.349 0.206 0.188 −0.041 −0.134 0.171 0.354 表层海水盐度 −0.192 0.023 −0.258 0.209 0.359 −0.051 −0.260 底层海水盐度 −0.192 0.001 −0.233 0.271 0.415 −0.071 −0.347 表层海水pH值 −0.079 −0.055 −0.033 0.564** 0.602** −0.092 −0.687** 底层海水pH值 −0.049 −0.168 0.133 0.053 0.020 −0.274 −0.006 注：**：p＜0.01; *：p＜0.05。 Fe-P主要指吸附于铁锰氢氧化物的磷，是迁移转化的重要形态，氧化还原条件、pH和生物作用等均可影响其稳定性[34]，可指示磷的来源并作为环境污染程度的指标[35]。本研究中，Fe-P占TP的5.19%～21.24%（图6），在4种IP形态中占比仅高于Ex-P。Fe-P与黏土组分显著正相关（r=0.667，p＜0.01），与砂组分显著负相关（r=−0.510，p＜0.05）（图7b），说明细颗粒为磷酸盐吸附在铁氧表面提供了更多结合位点[31, 36]。Fe-P高值通常出现在有明显河流输入的沿岸地区，如密西西比河[37]和长江口区域[38]。从淡水区到海水，水体盐度和pH值升高，磷酸盐存在形式由H2PO4-到HPO42-，表面电荷的改变抑制了磷酸盐在铁氧表面的吸附[39]。Fe-P与水深（r=0.530，p＜0.05）、pH（r=0.602，p＜0.01）和硫化物（r=0.535，p＜0.05）均具有显著正相关关系（表3），说明深水、高pH值和还原环境等均能促进Fe-P在沉积物中富集。南黄海底层海水酸化趋势[5]将促使沉积物中Fe-P向海水释放，加剧海水富营养化程度。
Ca-P主要指自身成因和生物成因的自生磷灰石磷及与自生碳酸钙共沉淀的磷（包括水体中的生物残骸），一般形成于生物骨骼碎屑或海洋成岩作用，是一种海洋源的沉积磷[40-42]，在本研究中占TP的16.18%～48.33%，平均值为30.17%，最低比例在C2站，最高比例在C1站（图6）。从含量看，Ca-P是IP主导形态，说明海洋源P是该区域沉积P的重要来源。Ca-P与分析的环境参数均无相关性（表3、图7c），说明其不易受控于周边环境的影响，也反映其在沉积物中稳定性较强，不易参与再循环。
De-P指原生碎屑磷，主要来源于流域内风化侵蚀产物中磷灰石矿物晶屑等，可反映流域内侵蚀速率大小及侵蚀程度强弱[43-44]，在本研究中占TP的13.03%～34.23%，平均值为23.46%，最小比例在C5站，最大比例在I2站，是IP第二主导形态（图6），其比例小于具有明显大河输入的长江口、东海陆架区[38, 45]和渤海[46]。在长江冲淡水北向分支流经的西南方向出现高值，说明De-P与陆源物质输运有关，在冲淡水的携带下向外搬运[47]。De-P含量与细颗粒黏土组分显著负相关（r=−0.459，p＜0.05，图7d)，说明其在细颗粒沉积物中含量较少，这是因为其属于颗粒物内部的碎屑矿物，主要存在于粗颗粒物中，含量随沉积物粒径的增大而增加。
研究区内OP/TP小于IP/TP，OP作为沉积磷和有机质重要组分，在微生物和酶作用下转化为生物活性磷，是水体生物可利用磷的重要来源[48]。OP占TP的12.54%～48.97%，平均值为32.35%（图6），主要源自陆源输入和生物过程[46, 49]。OP占比高值常出现在有机碳丰富的泥质区，与沿岸污水、农业和水产业流出物有关[50]。研究区东北部OP高值可能是因为该区具有较高的生产力，富含有机物的生物有机体残骸沉降于此（图5）。海洋沉积物有机碳和磷摩尔比（OC/OP）可解释沉积磷行为，区分有机质来源[51-53]。新鲜海洋浮游生物OC/OP比值为106，陆源植物比值介于800～2050之间[54]。本研究中，OC/OP比值变化范围为27～260，平均比值为96，大多数站位该比值小于106（图8），说明到达沉积物-水体界面的有机质并非新生的海洋碎屑物质，出现在近岸地区的OC/OP高值显示了陆源输入的主导作用，而远岸地区的高值是由于在早期成岩时期有机质的氧化降解过程中P优先再生[40]。
![]()
图 8 南黄海表层沉积物中OC/OP摩尔比Figure 8. Molar ratio of OC/OP in the surface sediments of South Yellow Sea4.2 沉积P的再释放趋势及其对富营养化态势的影响
TP浓度难以准确反映沉积磷的地球化学行为，而不同形态磷对水体磷负荷贡献存在显著差异。生物有效磷（BAP）是指易从沉积物中释放，对水体磷含量和分布影响大的组分。沉积物中Ex-P最具生物可利用性；当Fe3+被还原成Fe2+时，Fe-P会被释放，具有重要潜在生物有效性[29]；OP随着微生物再矿化作用释放为可溶解IP被生物利用[37]；Ca-P在近岸物理化学条件下几乎不溶解，是不易被生物利用的形态[55]；De-P来源于变质岩中的磷灰石，难以被生物利用。因此，Ex-P、Fe-P和OP通过一定物理、化学和生物过程可被释放，属于BAP，代表可释放至上覆水体磷的上限[56] ，是调控水体富营养化态势的重要因素。
南黄海表层沉积物BAP（Ex-P + Fe-P + OP）含量变化范围为103.3～363.6 mg/kg，平均值为240.1 mg/kg，占TP的25.2%～60.4%，平均占比为46.4%。BAP构成了南黄海沉积P的主要组成部分，其中黄海中部泥质区南端G4处BAP含量最高，BAP/TP比例也最高（图9）。研究区内BAP含量南部大于北部，与OP分布特征相似，说明OP是BAP的主要组成部分。总的来说，南黄海表层沉积物中BAP的高含量（240.1 mg/kg）和高占比（46.4%）均说明该区域沉积P具有较强的再释放潜能，尤其是在底层海水酸化的背景下，可显著加剧区域水体富营养化态势。
![]()
图 9 南黄海表层沉积物中BAP(Ex-P + Fe-P + OP)的分布特征Figure 9. Distributions of BAP (Ex-P + Fe-P + OP) in the surface sediments of South Yellow Sea5. 结论
（1）南黄海表层沉积物TP含量为390～630 mg/kg，均值为514 mg/kg，总体处于轻度污染，部分站位处于中度污染，陆源输入和生物过程是影响TP含量分布的主要因素。
（2）南黄海表层沉积物不同形态P平均贡献为OP＞Ca-P＞De-P＞Fe-P＞Ex-P。TP以IP为主，而后者又主要由Ca-P和De-P组成。沉积物粒度、海水pH值、氧化还原状况等环境因素是影响沉积P向水体释放的重要因素，海水酸化可能促进Ex-P和Fe-P向上覆海水释放。
（3）BAP包括Fe-P、Ex-P和OP，平均含量240.1 mg/kg，约占TP的一半。较高的生物可利用P水平说明南黄海沉积P具有较强的再释放潜能，在海水酸化等环境影响下可加剧水体富营养化态势。南黄海是我国绿潮孕育和爆发的主要场所，未来的海水富营养化形成演化和绿潮等海洋灾害控制研究应着重关注沉积P的再释放过程及其生态环境效应。
-
![]()
图 1 DC1孔站位及东海环流示意图
YSCC：黄海沿岸流；CDW：长江冲淡水；ECSCC：东海沿岸流；TWC:台湾暖流；KC:黑潮
Figure 1. Location of core DC1 and current pattern in the East China Sea
YSCC: Yellow Sea Coastal Current; CDW:Changjiang Diluted Water; ECSCC: East China Sea Coastal Current; TWC:Taiwan Warm Current; KC:Kuroshio Current
![]()
图 3 不同粒度端元法的端元粒级分布
(a)非负矩阵分解算法及(b)其对21.7~21.76 m层位粒度的拟合；(c)特征向量旋转算法；(d)分层贝叶斯算法及(e)其对21.7~21.76 m层位粒度的拟合；(f)粒级-标准偏差；(g)理论函数拟合及(h)其对21.7~21.76 m层位粒度的拟合；(i)粒级主成分因子分析
Figure 3. End-member grain-size distributions from different methods.
(a) and (b) nonnegative matrix factorization; (c) eigenvector rotation; (d) and (e) hierarchical Bayesian; (f) grain-size class vs. standard deviation; (g) and (h) fitting with theoretical function; (i) factor analysis
![]()
图 4 DC1孔岩性(图例参照图 2)，6种粒度端元法的粗粒(EM3、EMM1、BEM2、80~95 μm敏感端元、E3与F3)、细粒(EM1、EMM2、BEM1、10~13 μm敏感端元、E1与F1)端元随钻孔深度的变化
(LGM：末次盛冰期；LD：末次冰消期；EH：早全新世；MH：中全新世；LH：晚全新世。虚线指示不整合接触关系)
Figure 4. Lithology of DC1 (for legend see Figure 2), and vertical variations of coarse-grained and fine-grained end members of the six methods
(LGM: Last Glacial Maximum; EH: early Holocene; MH: middle Holocene; LH: late Holocene. Dash line means unconformity(i.e. hiatus))
![]()
表 1 DC1钻孔的AMS14C测年结果
Table 1 Accelerator mass spectrometry(AMS)14C dating for core DC1
深度/m 14C年龄/aBP 日历年龄/(2 σ年龄范围) (aBP) 测试材料 8.81~8.86 1 000±30 584(526~641) 底栖有孔虫混合壳 11.15~11.20 2 050±20 1 618(1 544~1 691) 底栖有孔虫混合壳 13.50~13.56 2 640±30 2 326(2 246~2 439) 底栖有孔虫混合壳 18.90~18.96 7 130±30 7 602(7 544~7 668) 软体动物壳体 19.70~19.76 7 720±30 8 190(8 092~8 297) 软体动物壳体 21.92~21.96 10 250±100 11 992(11 602~12 416) 泥炭 
下载: 导出CSV
表 2 6种粒度端元法的粗粒、细粒端元间的线性相关系数
Table 2 Correlation coefficients between coarse(fine)-grained end members of the six methods
下载: 导出CSV
表 3 6种粒度端元法粗粒、细粒端元的相似系数
Table 3 Similarity coefficients of coarse(fine)-grained end members of the six methods
端元方法名称 粗粒端元相似系数α 细粒端元相似系数α 非负矩阵分解 0.07 0.13 特征向量旋转 0.10 0.01 分层贝叶斯 0.11 0.13 粒级-标准偏差 0.11 0.12 理论函数拟合 0.13 0.06 主成分因子分析 4.24 0.48
下载: 导出CSV
-
[1] Folk R L, Ward W C. Brazos river bar [Texas]; a study in the significance of grain size parameter[J]. Journal of Sedimentary Research, 1957, 27(1): 3-26. doi: 10.1306/74D70646-2B21-11D7-8648000102C1865D
[2] Mason C C, Folk R L. Differentiation of beach, dune, and Aeolian flat environments by size analysis, Mustang Island, Texas[J]. Journal of Sedimentary Research, 1958, 28(2): 211-226. http://cn.bing.com/academic/profile?id=6ac0e673f449f72470caa559923a107a&encoded=0&v=paper_preview&mkt=zh-cn
[3] Friedman G M. Distinction between dune, beach, and river sands from their textural characteristics[J]. Journal of Sedimentary Research, 1961, 31(4): 514-529. http://cn.bing.com/academic/profile?id=dd91d6b267adbaec40f3aa2dc3aae0d4&encoded=0&v=paper_preview&mkt=zh-cn
[4] Friedman G M. Dynamic processes and statistical parameters compared for size frequency distribution of beach and river sands[J]. Journal of Sedimentary Research, 1967, 37(2): 327-354. doi: 10.1306/74D716CC-2B21-11D7-8648000102C1865D
[5] Visher G S. Fluvial processes as interpreted from ancient and recent fluvial deposits[C]//Primary Sedimentary Structures and Their Hydrodynamic Interpretation. Tulsa, USA: SEPM, 1965: 116-132.
[6] Visher G S. Grain size distributions and depositional processes[J]. Journal of Sedimentary Research, 1969, 39(3): 1074-1106. http://cn.bing.com/academic/profile?id=1e120e29729084319e3ec98bdaa2f676&encoded=0&v=paper_preview&mkt=zh-cn
[7] Passega R. Texture as characteristic of clastic deposition[J]. AAPG Bulletin, 1957, 41(9): 1952-1984. http://cn.bing.com/academic/profile?id=548da65c8633bd39ebec32127d3b44d6&encoded=0&v=paper_preview&mkt=zh-cn
[8] Passega R. Grain size representation by CM patterns as a geologic tool[J]. Journal of Sedimentary Research, 1964, 34(4): 830-847. doi: 10.1306/74D711A4-2B21-11D7-8648000102C1865D
[9] Paterson G A, Heslop D. New methods for unmixing sediment grain size data[J]. Geochemistry, Geophysics, Geosystems, 2015, 16(12): 4494-4506, doi: 10.1002/2015GC006070.
[10] Weltje G J. End-member modeling of compositional data: numerical-statistical algorithms for solving the explicit mixing problem[J]. Mathematical Geology, 1997, 29(4): 503-549. doi: 10.1007/BF02775085
[11] Dietze E, Hartmann K, Diekmann B, et al. An end-member algorithm for deciphering modern detrital processes from lake sediments of Lake Donggi Cona, NE Tibetan Plateau, China[J]. Sedimentary Geology, 2012, 243-244: 169-180. doi: 10.1016/j.sedgeo.2011.09.014
[12] Yu S Y, Colman S M, Li L X. BEMMA: a hierarchical Bayesian end-member modeling analysis of sediment grain-size distributions[J]. Mathematical Geosciences, 2016, 48(6): 723-741. doi: 10.1007/s11004-015-9611-0
[13] Sun D H, Bloemendal J, Rea D K, et al. Grain-size distribution function of polymodal sediments in hydraulic and Aeolian environments, and numerical partitioning of the sedimentary components[J]. Sedimentary Geology, 2002, 152(3-4): 263-277. doi: 10.1016/S0037-0738(02)00082-9
[14] Boulay S, Colin C, Trentesaux A, et al. Mineralogy and Sedimentology of Pleistocene Sediment in the South China Sea (ODP Site 1144)[C]//Prell W L, Wang P, Blum P, et al. Proceedings of the Ocean Drilling Program Scientific Results. College Station, TX: Ocean Drilling Program, 2003.
[15] Zheng X F, Li A C, Wan S M, et al. ITCZ and ENSO pacing on East Asian winter monsoon variation during the Holocene: sedimentological evidence from the Okinawa Trough[J]. Journal of Geophysical Research: Oceans, 2014, 119(7): 4410-4429. doi: 10.1002/2013JC009603
[16] Xu K H, Li A C, Liu J P, et al. Provenance, structure, and formation of the mud wedge along inner continental shelf of the East China Sea: a synthesis of the Yangtze dispersal system[J]. Marine Geology, 2012, 291-294: 176-191. doi: 10.1016/j.margeo.2011.06.003
[17] Liu J P, Xu K H, Li A C, et al. Flux and fate of Yangtze River sediment delivered to the East China Sea[J]. Geomorphology, 2007, 85(3-4): 208-224. doi: 10.1016/j.geomorph.2006.03.023
[18] Hartmann K, Wünnemann B. Hydrological changes and Holocene climate variations in NW China, inferred from lake sediments of Juyanze palaeolake by factor analyses[J]. Quaternary International, 2009, 194(1-2): 28-44. doi: 10.1016/j.quaint.2007.06.037
[19] Stuiver M, Reimer P J. Extended 14C data base and revised CALIB 3.0 14C age calibration program[J]. Radiocarbon, 1993, 35(1): 215-230. doi: 10.1017/S0033822200013904
[20] 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
[21] Qin J G, Wu G X, Zheng H B, et al. The palynology of the First Hard Clay Layer (late Pleistocene) from the Yangtze delta, China[J]. Review of Palaeobotany and Palynology, 2008, 149(1-2): 63-72. doi: 10.1016/j.revpalbo.2007.10.003
[22] 胡刚, 刘健, 时连强. 2008年洪水期长江口滨外区悬浮泥沙特征[J].海洋地质前沿, 2011, 27(9): 6-10. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=hydzdt201109002 HU Gang, LIU Jian, SHI Lianqiang. The characteristics of suspended deposits in the offshore area of the Changjiang estuary during flood season[J]. Marine Geology Frontiers, 2011, 27(9): 6-10. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=hydzdt201109002
[23] 李军, 高抒, 曾志刚, 等.长江口悬浮体粒度特征及其季节性差异[J].海洋与湖沼, 2003, 34(5): 499-510. doi: 10.3321/j.issn:0029-814X.2003.05.005 LI Jun, GAO Shu, ZENG Zhigang, et al. Particle-size characteristics and seasonal variability of suspended particulate matters in the Changjiang river estuary[J]. Oceanologia et Limnologia Sinica, 2003, 34(5): 499-510. doi: 10.3321/j.issn:0029-814X.2003.05.005
[24] 李军, 高抒, 贾建军, 等. 1998年11月长江河口悬浮体粒度特征的空间分布[J].海洋通报, 2003, 22(6): 21-29. doi: 10.3969/j.issn.1001-6392.2003.06.004 LI Jun, GAO Shu, JIA Jianjun, et al. Spatial variation of the suspended particulate matter grain-size in the Yangtze Estuary[J]. Marine Science Bulletin, 2003, 22(6): 21-29. doi: 10.3969/j.issn.1001-6392.2003.06.004
[25] 肖尚斌, 李安春.东海内陆架泥区沉积物的环境敏感粒度组分[J].沉积学报, 2005, 23(1): 122-129. doi: 10.3969/j.issn.1000-0550.2005.01.016 XIAO Shangbin, LI Anchun. A study on environmentally sensitive grain-size population in inner shelf of the East China Sea[J]. Acta Sedimentologica Sinica, 2005, 23(1): 122-129. doi: 10.3969/j.issn.1000-0550.2005.01.016
[26] 王可, 郑洪波, Prins M, 等.东海内陆架泥质沉积反映的古环境演化[J].海洋地质与第四纪地质, 2008, 28(4): 1-10. http://d.old.wanfangdata.com.cn/Periodical/hydzydsjdz200804001 WANG Ke, ZHENG Hongbo, Prins M, et al. High-resolution paleoenvironmental record of the mud sediments of the East China Sea inner shelf[J]. Marine Geology and Quaternary Geology, 2008, 28(4): 1-10. http://d.old.wanfangdata.com.cn/Periodical/hydzydsjdz200804001
[27] 胡日军, 吴建政, 朱龙海, 等.东海舟山群岛海域表层沉积物运移特性[J].中国海洋大学学报, 2009, 39(3): 495-500, 442. http://d.old.wanfangdata.com.cn/Periodical/qdhydxxb200903027 HU Rijun, WU Jianzheng, ZHU Longhai, et al. Characteristic of surface sediment transport in Zhoushan Archipelago sea area, East China Sea[J]. Periodical of Ocean University of China, 2009, 39(3): 495-500, 442. http://d.old.wanfangdata.com.cn/Periodical/qdhydxxb200903027
[28] Bian C W, Jiang W S, Greatbatch R J. An exploratory model study of sediment transport sources and deposits in the Bohai Sea, Yellow Sea, and East China Sea[J]. Journal of Geophysical Research: Oceans, 2013, 118(11): 5908-5923. doi: 10.1002/2013JC009116
[29] Bian C W, Jiang W S, Greatbatch R J, et al. The Suspended Sediment Concentration Distribution in the Bohai Sea, Yellow Sea and East China Sea[J]. Journal of Ocean University of China, 2013, 12(3): 345-354. doi: 10.1007/s11802-013-1916-3
[30] Hoshika A, Tanimoto T, Mishima Y, et al. Variation of turbidity and particle transport in the bottom layer of the East China Sea[J]. Deep Sea Research Part Ⅱ: Topical Studies in Oceanography, 2003, 50(2): 443-455. doi: 10.1016/S0967-0645(02)00462-9
-
期刊类型引用(1)
1. 郭威，徐高飞，王敏健，李滨，高森，袁博. 水下考古机器人研究与应用进展. 科技导报. 2024(14): 61-72 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 2301
- HTML全文浏览量: 332
- PDF下载量: 42
- 被引次数: 1
