Geochemical compositions of the Onqin Daga Sand Land and Horqin Sand Land and their implications for weathering, sedimentation and provenance
-
摘要: 对浑善达克沙地与科尔沁沙地河流砂和风成砂的细颗粒组分（＜10 μm和＜63 μm）进行了地球化学元素（常量、微量和稀土元素）和Sr-Nd同位素分析，评估了浑善达克沙地与科尔沁沙地的化学风化、沉积再循环特征和物质源区，探讨了西拉沐沦河对两个沙地物质交换的贡献。浑善达克沙地与科尔沁沙地沉积物的地球化学分析（低的CIA值、PIA值和CIW值，高的WIP和ICV值，低的Zr/Sc比值以及A-CN-K和MFW图解等）表明这些沉积物处于化学风化初期阶段，成熟度低，仅经历了简单的沉积再循环过程。物源判别图解表明浑善达克沙地与科尔沁沙地的母岩以中酸性花岗岩石为主，并且具有一个混合源区，华北克拉通北部的燕山褶皱带和中亚造山带东部的大兴安岭山脉分别为它们提供了物质来源。此外，两个沙地的细颗粒物质（特别是＜10 μm组分）在地球化学组成上具有很强的相似性，我们认为西拉沐沦河起到关键的桥梁作用，浑善达克沙地的细颗粒物质通过西拉沐沦河的搬运输送至科尔沁沙地，同时，地表盛行风的搬运也起到一定作用。Abstract: Sand and fine sand fractions (＜10 μm and＜63 μm) collected from the Onqin Daga Sand Land and the Horqin Sandy Land are analyzed for geochemical elements including major elements, trace elements, rare earth elements and Sr-Nd isotopes, in order to evaluate the chemical weathering, sedimentary characteristics, source areas, and the contribution of the Xar Moron River to the mass exchange between the two sands. The sediments are characterized by such features as low CIA, PIA and CIW values, high WIP and ICV values, low Zr/Sc ratio, A-CN-K and MFW diagram suggesting that the sediments are in the early stage of chemical weathering and low in maturity, and only experienced a simple process of sedimentary recycling. The provenance discrimination diagram shows that the parent rocks of Onqin Daga Sand and Horqin Sandy Land are dominated by intermediate-acid granitic rocks and have a mixed source from the western part of the Great Hinggan Mountains and the northern part of the North China Craton. In addition, the fine components, especially the component＜10 μm, are very similar in geochemical composition for the two sandy areas, and it is believed that fine grain matters may have been transported from the Onqin Daga Sand Land to the Horqin Sand Land taking the Xar Moron River as a bridge. At the same time, atmospheric dust transport under prevailing winds may also play a certain role in fine sediment transportation.
-
Keywords:
- geochemistry /
- chemical weathering /
- sediment recycling /
- provenance /
- Onqin Daga Sand Land /
- Horqin Sandy Land
-
河口三角洲具有重要的生态与社会经济意义，其形成发育受到河流与海洋的双重作用影响[1-2]。近年来在全球环境变化与人类活动的双重影响下，大河三角洲面临着严重洪水灾害的威胁[3-5]。水下三角洲是三角洲沉积体系的重要组成部分，其沉积环境较为稳定，能够记录丰富的陆地和海洋环境变化信息（河道变迁、洪水、风暴等）[6-8]。因此，研究水下三角洲极端水文事件影响下的沉积特征，对于重建古洪水事件序列和未来河口地区科学规划治理具有重要的现实借鉴意义。
长江作为亚洲第一长河，巨量的泥沙输入在河口形成了规模巨大的水下三角洲[9-10]。长江也是世界上洪水最多、频率最高的河流之一[11-13]。据统计，两千年来长江中下游地区的洪水频次达0.5次/a[14]。为更好地应对未来长江流域的洪水灾害，当前多位学者基于长江水下三角洲的沉积记录重建了多个古洪水沉积序列，多数研究认为特大洪水会在水下三角洲形成粗颗粒沉积单元[7,15-19]。然而Fan等[20] 基于年际分辨率的沉积物分析，认为长江口洪季沉积物以细颗粒沉积为主。可以发现，当前学界对长江水下三角洲洪水沉积特征尚未有较为统一的认识，有待于进一步深入分析。同时随着流域内大规模的大坝建设，长江入海泥沙通量锐减，给水下三角洲沉积、生态和环境带来了显著影响[21-23]，但是大坝建设对洪水沉积的识别是否产生了显著影响，目前也缺乏明确的认识。
粒度是识别洪水沉积物最基本的指标之一。不同来源的沉积物在不同的动力搬运和沉积过程中，粒度性质均会发生改变[24-26]。长江河口动力条件复杂，径流、沿岸流、潮汐以及风暴潮等多种因素相互作用，使得水下三角洲的沉积物粒度特征表现更为复杂[27]。近年来，粒度端元分析法已被广泛应用于海洋沉积记录的解译研究[28-31]，它通过数学模型分解粒度数据，分离出不同物源或运输方式所形成的粒度组分，进而对每一个组分进行解释以理解沉积物堆积时的沉积环境[32-33]，可为识别古洪水沉积提供有力技术支持。
2020年长江发生流域性特大洪水事件，本文基于洪水期间采集的长江水下三角洲沉积物短柱样（图1），进行粒度、有机地球化学指标（TOC、TN）分析，揭示现代特大洪水事件影响下水下三角洲沉积物的沉积特征。同时利用粒度端元分析结果，将其与前人建立的洪水序列对比，探讨大坝建设是否和如何影响水下三角洲洪水沉积识别和序列重建。
1. 研究区概况
长江口呈“三级分汊，四口入海”的格局，约99%的长江径流经南支入海[34]。长江水下三角洲面积达2.9×104 km2，沉积物颗粒从拦门沙向三角洲前缘逐渐变细，然后向陆架方向变粗[9,35]。长江河口属中等强度潮汐河口，平均潮差约2.7 m，平均浪高约1 m。长江口海域的海流由苏北沿岸流、台湾暖流以及长江冲淡水组成，其中长江冲淡水夏季向东北偏转[36]。该区域沉积的季节效应明显，夏季沉积作用强，冬季较弱[37]。历史上长江口附近发生过的有记录的最大洪水出现在1954年，最大径流量达
92600 m3/s（大通站），其次是1998年特大洪水，最大径流为82300 m3/s[38]。2020年夏季长江流域遭遇连续特大暴雨。7月初长江下游地区降雨量累计达到265 mm，致使宜昌到南京的水位几乎同时超过预警值，形成特大洪水[39]。大通站在7月9日到8月3日期间流量超过
70000 m3/s，其中在7月12日达到最高水位（16.21 m）和最大径流量（84600 m3/s）[39]。7、8两月入海径流总量和泥沙总通量分别为3.5 × 1011 m3 和 8.0 × 107 t。该次洪水给沿江地区造成较为严重的人员安全威胁和社会经济损失。2. 材料与方法
2.1 样品采集
2020年7月长江洪峰到达河口之后，在长江水下三角洲区域，使用箱式取样器采集底质沉积物。每个站位将底质沉积物从水下采集上来后，首先在采样箱内将50 cm长的透明塑料管垂直插入采样箱内，每根塑料管取上部15～30 cm长度的沉积物短柱岩芯。采样站位的经纬度位置使用手持GPS测定。采集完成后所有短柱样运回实验室在4℃冰箱内冷藏保存。本次在长江水下三角洲区域共采集16个站点的底质样品（图1）。
2.2 沉积物粒度
对短柱沉积物以1 cm为间隔进行连续取样后，在测试前将样品分别加入10 mL双氧水（浓度30%）和5 mL盐酸（浓度30%），去除其中的有机质和碳酸盐，随后加入六偏磷酸钠使样品充分分散，使用Malvern Mastersizer
3000 型激光衍射粒度分析仪测量，每个样品至少测量3次，测量误差小于3%。2.3 沉积物有机地球化学指标（TOC、TN）
从挑选的短柱中分出适量样品烘干后研磨，然后过200目网筛，放入离心管并加入2 mL盐酸以去除样品中的碳酸盐，接着加入蒸馏水并使用离心机中和pH值到中性。随后将处理好的样品再次烘干，取20～30 mg样品用锡杯包裹后放入Thermo公司生产的EA3000型元素分析仪测量总有机碳（TOC）和总氮（TN）含量。
2.4 统计计算方法
沉积物粒度参数的计算使用GRADISTAT程序[40]，选择Folk 和 Ward方法[41] 计算得到平均粒径、峰态、偏度、分选系数等参数结果。
粒度端元模型使用AnalySize，该程序在Matlab中运行[42]。选择的数学模型为Non-Parametric方法。在端元数量的选择上，以线性相关大于0.9且角度偏差小于5为前提，选择最少的端元数作为最终的样品粒度端元数量[43-44]。
3. 结果与讨论
3.1 2020年特大洪水事件沉积层的确定
利用宏观特征进行洪水沉积物的识别是最为直接和有效的方式之一[45-46]。本文对2020年特大洪水沉积层的识别首先根据柱样沉积物颜色进行划分（图2）。
![]()
图 2 短柱样照片红色箭头表示洪水沉积层的底部。Figure 2. Photographs of the coresThe red arrows indicate the bottom of the flood deposit.根据获取的16根短柱的沉积物颜色由灰黄色到黄褐色的转变界线位置（图2），对洪水沉积层位深度进行判别划分，其中洪水层的深度范围D1 为0～21 cm，D2为0～4 cm，D3为0～6 cm；D4为 0～6 cm，D7为 0～7 cm，E1为0～16 cm，E2为0～4 cm，E3为0～5 cm，E4为0～3 cm，F1为0～9 cm，F2为0～6 cm，F3为0～7 cm，F4为0～12 cm。
短柱D5、D6和D8因无法通过柱样外层直接观测识别出明显的分界，切开柱状样可见深、浅两种颜色的混合沉积物，推测是洪水沉积过程中这些地点的常态沉积物受到扰动被再悬浮并与洪水沉积物混合所致。短柱D5和D8通体均为黄褐色与黑褐色沉积物混合，但两个短柱的黄褐色沉积物分别在6 cm和16 cm处出现急剧减少，因此将D5和D8的洪水沉积层的深度分别确定为6 cm和16 cm；短柱D6在19 cm处发现黄褐色沉积物显著减少，因此将短柱D6的洪水沉积层深度定为19 cm。
3.2 2020年特大洪水事件沉积层的沉积指标特征
3.2.1 粒度组分与粒度参数
图3展示了各短柱样粒度组分与粒度参数垂向变化。整体来看，所有短柱样的沉积物类型均以粉砂为主，黏土次之，砂含量最低。所有柱样洪水沉积层粉砂、黏土和砂含量平均值分别为79.16%、14.77%和6.08%；柱样下部沉积层同样以粉沙为主，其粉砂、黏土和砂含量平均值分别为78.86%、14.63%和6.51%。洪水沉积层平均粒径的变化范围为9.49～22.69 µm，平均为13.23 µm，其中短柱F3的洪水沉积层平均粒径最粗（平均为22.69 µm），D2的洪水沉积层粒径最细（平均为9.49 µm）；下部沉积层平均粒径变化范围为9.71～20.32 µm，平均为13.87 µm。洪水沉积层的分选系数平均为3.01，分选均较差；偏度平均为–0.07，负偏；峰态平均为1.04，正常峰态；D90平均为67.52 µm。而下部沉积层的分选系数均值为2.98，分选较差；偏度平均为–0.083，负偏；峰态平均为1.07，正常峰态；D90平均为60.44 µm。
![]()
图 3 粒度组分及粒度参数垂向变化黑色横线以上表示洪水沉积层。Figure 3. Vertical distribution of grain size composition and parametersBlack horizontal lines indicates the flood layer bottom.观察发现部分短柱洪水沉积层内的平均粒径波动变化较大（D1、D2、D6、D8、F3和F4），这些短柱集中分布在研究区域的中南部，而其余短柱洪水沉积层的平均粒径波动较小，较为稳定。该分布格局表明洪水期间中南部区域受水动力影响更为复杂，不断扰动洪水沉积层，而其余短柱可能主要受长江冲淡水的单一动力影响。
纵向整体观察短柱样粒度的变化趋势可以发现（图3），大部分沉积物从短柱下部进入洪水沉积层后平均粒径呈现了由粗到细的转变（D2、D3、D4、D5、D7、E1、E3、F1和F4），少部分呈现粗化（D6、E2、E4和F3）或无明显变化（D1、D8和F2），表明2020年洪水期间的沉积物相对下部沉积粒径整体偏细。
为更好地分析短柱洪水层中粒径的变化趋势特征，以平均粒径变化为依据，大致将16根短柱分为三类：一类是以短柱D7为代表，粒径由下至上逐渐变细；第二类以短柱F3为代表，粒径呈现粗化转变；第三类以D8为代表，粒径变化不大，上下两层较为一致。
短柱D7洪水沉积层的粒度指标相对下部沉积层呈现明显的二段式结构（图3）。大致以7 cm处为界，上部为洪水沉积层，下部为常态沉积。洪水沉积层黏土、粉砂和砂含量平均值分别为16.65%、81.26%和2.09%，而下部沉积层的黏土、粉砂和砂含量平均值分别为11.87%、83.62%和4.51%。洪水沉积层平均粒径的均值为11.16 µm，下部沉积层平均粒径的平均值为15.82 µm，洪水沉积层平均粒径低于下部沉积；洪水沉积层的分选系数平均为2.75，略高于下部（分选系数2.69），分选较差；洪水沉积层的偏度平均为–0.13，明显高于下部（偏度–0.21）；洪水沉积层的峰态系数平均为0.93，低于下部（峰态系数1.04），属于正常峰态；洪水沉积层的D90平均值为37.59 µm，低于下部沉积层的D90平均值（48.01 µm）。
短柱F3的平均粒径、分选系数和D90的变化趋势较为相似。7 cm以上为洪水沉积层，7 cm以下为常态沉积（图3）。洪水沉积层黏土、粉砂和砂含量的平均值分别为10.75%、68.68%和20.57%；下部沉积层的黏土、粉砂和砂含量的平均值分别为11.11%、74.52%和14.37%。洪水沉积层的平均粒径在全柱中处于高值，平均值为22.69 µm；下部沉积层平均粒径的均值为19.16 µm。洪水沉积层的分选系数平均为4.41，下部沉积层的分选系数平均为3.92，上下部沉积分选均较差。洪水沉积层的偏度平均为0.11，正偏，下部沉积层的偏度平均为0.09，正偏。洪水沉积层的峰态平均为1.31，粗峰态，下部沉积层的峰态平均为1.48，粗峰态。洪水沉积层的D90在全柱中处于高值，平均为245.83 µm；下部沉积层的D90平均为195.24 µm。
短柱D8整体的粒度指标除个别层位出现高值外，其余层位无较大波动。大致以16 cm处为界，上部为洪水沉积层，下部为常态沉积层。洪水沉积层黏土、粉沙和沙含量的平均值分别为16.87%、80.78%和2.35%；下部沉积层的黏土、粉砂和砂含量的平均值分别为17.87%、80.03%和2.1%。洪水沉积层平均粒径的均值为10.82 µm，并在7、10和15 cm处显著增加；下部沉积层的平均粒径较小，均值为10.46 µm。洪水沉积层的分选系数无较大波动，仅7 cm处有一高值，平均为2.81，下部沉积层分选系数平均为2.8，上下部沉积层分选均较差。洪水沉积层的偏度与下部沉积层在数值上几乎一致，平均值分别为–0.15和–0.14，均为负偏。洪水沉积层峰态系数与下部沉积层也几乎一致，平均值分别为0.98和0.97，均为正常峰态。洪水沉积层和下部沉积层D90值非常接近，平均值分别为36.5 、35.27 µm。
3.2.2 有机地球化学指标（TOC、TN）
有机地球化学指标是河口地区识别洪水沉积的主要指标之一。本文在水下三角洲不同的区域选择6根代表性短柱，分析洪水层沉积物的有机地球化学指标特征。图4展示了短柱D1、D3、E1、E4、F1和F3的TOC和TN垂向变化。6根短柱洪水沉积层的TOC平均值为0.59%，TN平均值为0.077%，而下部沉积层的TOC平均值为0.53%，TN平均值为0.067%，说明短柱洪水沉积层的TOC平均值和TN平均值均略高于下部沉积层。然而E4洪水沉积层TOC和TN含量均低于其下部沉积层，这可能是由于E4所处位置距离河口最远，水动力较强，沉积物中易于吸附有机质的细颗粒物质含量较低。
![]()
图 4 TOC和TN垂向变化黑色横线以上表示洪水沉积层。Figure 4. Vertical distribution of TOC and TNBlack horizontal line indicates the flood layer bottom.3.3 短柱样粒度敏感组分及其指示意义
长江口及其附近海域动力条件非常复杂。观测数据显示，2020年洪水期间，长江口南槽底层水沙运动随着大潮出现了向陆输送的方向变化[38]。这表明洪水期水下三角洲的沉积物除了来自长江径流外，还有潮汐等动力作用下的海洋沉积。为更好地揭示洪水沉积物的沉积特征，本研究使用粒度端元模型分离出柱状样中代表不同动力沉积的粒度组分，分析不同组分形成的动力机制，以便揭示代表洪水沉积物的最优粒度组分。
从AnalySize程序分析的各短柱端元频率曲线和端元垂向分布结果来看（图5和6），短柱D4、D5、D7、D8、E2、E3、E4和F1各分离出2个粒度端元；短柱D2 、D6、F2和F4各分离出3个粒度端元；短柱D1、D3和E1的端元数量分别为4个；短柱F3的端元数量为5个。
首先对洪水粒度端元组分进行识别。前人通过测量2020年7月长江口浑浊带的悬沙粒径，发现南港口外站位的悬沙中值粒径为7.2 µm[47]。由于该站位靠近河口，其悬沙粒径可作为洪水沉积物粒度组分的有力参考值，本文假定洪水沉积层中越接近这个参考值的粒度组分越能够代表长江洪水沉积。如图5和图6所示，在距离河口较近的几根短柱中，短柱D2的EM1（6.72 µm）最接近参考粒径，在洪水层内的含量为35.75%；D4的EM1（9.86 µm）最接近参考粒径，并且在洪水层内的含量达62.33%；D5的EM1（12.7 µm）最接近参考粒径，在洪水层内的含量达62.09%；D6的EM1（7.64 µm）最接近参考粒径，在洪水层内的含量为45.44%；D7的EM1（11.2 µm）最接近参考粒径，在洪水层内含量达83.29%。可以发现，短柱D2、D4、D5、D6和D7中粒径最细的组分EM1与洪水期间南港口外的悬沙中值粒径接近，并且这些短柱的EM1在洪水层内含量较高，应该最能代表长江洪水沉积。以短柱D2、D4、D5、D6和D7的洪水沉积端元特征为参考，短柱D8、E2、E3、F1和F2的EM1峰值粒径为6.72～9.86 µm，也代表了长江洪水沉积组分。
![]()
图 6 短柱样粒度组分、平均粒径及各端元含量垂向变化黑色横线以上表示洪水沉积层。Figure 6. Vertical distribution of grain size components, mean grain size, and end-members of the coresBlack horizontal lines indicate the flood layer bottom.以上这些短柱中较粗的粒径组分EM2（16.4～27.4 µm）大多在2020年洪水沉积形成前出现较高含量（图6），可能是水下三角洲的常态沉积或是冬半年强波浪动力作用下泥沙再悬浮后的沉积产物[20]。组分EM3在短柱D2、D6和F2中粒径更粗（峰值粒径可达40.1 µm，D6站点），在这3根短柱中含量最低并且在个别层位呈现显著峰值，由此推断EM3组分应该是风暴等极端事件的沉积产物。
此外，距离河口较远的短柱F4的EM3为双峰结构，有6.72 µm和40.1 µm两个峰值，推测是风暴事件引起了2020年洪水沉积物再悬浮，与粗颗粒混合所致；F4中EM1的含量达45.19%，EM1峰值粒径（12.7 µm）比短柱D2的洪水沉积组分（6.72 µm）略粗，可能与该站点水动力较强有关。短柱E4的细颗粒组分（EM1）峰值粒径（14.5 µm）较其他短柱的EM1粗，可能是由于E4距离河口最远，洪水沉积组分占比较低，形成时受再悬浮沉积物的混合所致。短柱F4和E4的EM2（21.2 、27.4 µm）则可能为常态沉积或枯季强波浪再悬浮之后的沉积产物。短柱D1、D3、E1和 F3的端元数量超过3个，其 EM4 和 EM5 组分可能跟这些地点的物源和动力更为复杂有关。
3.4 大坝建设对洪水沉积识别的影响
已有研究显示长江流域内大量的大坝建设（尤其是三峡大坝）造成长江入海泥沙通量锐减，对三角洲沉积环境造成了极大的影响[21,48-49]。那么大坝建设是否会造成洪水沉积物粒度的变化？以及是否会影响到古洪水研究中洪水事件的识别？前人基于水下三角洲的钻孔重建了多个长江洪水事件沉积序列，这为我们对比2002年三峡大坝建成前后长江水下三角洲洪水沉积物的粒度变化提供了可能。
钻孔YE-1[50]记录了1954—1998年间的若干洪水事件和2010年的一次洪水事件（图7b）。钻孔YE-1显示，1954—1998年间的洪水层平均粒径为5.79～8.69 µm，平均7.47 µm，2010年的洪水层平均粒径为4.57 µm（图7b）。而距离钻孔YE-1最近的短柱D3所记录的2020年洪水沉积层平均粒径为13.5 µm，这说明近期洪水沉积物与三峡大坝建设前的洪水沉积物粒径相比有所变粗。同样，钻孔cj0702[18]记录了1890—2000年间的若干洪水事件和2006年的一次洪水事件，该钻孔显示，1890—2000年间的洪水层平均粒径为6.23～12.53 µm，平均值为7.81 µm，2006年的洪水层平均粒径为8.39 µm（图7a）。此外，钻孔A[20]记录了1998年洪水事件，平均粒径为9.01 µm。本研究中短柱D4、D7和E1距离钻孔A和cj0702较近，这3根短柱中2020年洪水沉积层的平均粒径分别为10.84、11.16和14.27 µm，均大于历史时期洪水沉积的平均粒径，同样表明三峡大坝建成后该区域的洪水沉积物粒径有所增加。
![]()
蓝色箭头表示钻孔内识别出的洪水层，红色虚线表示三峡大坝建成的2003年。Figure 7. Comparison in the mean grain size of sedimentary cores cj0702[18], YE-1[50], and river discharge, sediment discharge at the Datong Hydrological Station from 1880 to 2020Blue arrows mark flood events, and red dash line indicates year 2003 when the Three Gorges Dam was completed.三峡大坝建成后水下三角洲洪水沉积物的粗化，原因可能是大量泥沙被拦蓄在库区中，入海泥沙通量显著减少，但径流量并无明显下降（图7c），从而侵蚀大坝下游河道粗颗粒物质，导致洪季输运到水下三角洲的沉积物粒径整体有所变粗[23]。
然而，本研究中绝大部分短柱的洪水沉积层与下部沉积层相比，沉积物粒径呈现偏细现象（图3）。同样有机地球化学指标也显示短柱上部洪水沉积层中TN和TOC含量比下部更高（图4），而TN和TOC含量往往与粒径呈负相关关系，这也暗示洪水沉积物颗粒的“细化”。究其原因，应该是大坝建设后入海泥沙通量减少，水下三角洲的沉积物在波浪动力作用下发生再悬浮，细颗粒组分被更多地输运到东海泥质区等区域，导致长江水下三角洲由原本沉积物的“汇区”变成“源区”，造成常态底质沉积物显著粗化，长江河口感潮河段的最大淤积区向上游移动[51]，水下三角洲侵蚀加剧[52-53]。尽管热带气旋降水能够一定程度缓解大型三角洲的侵蚀状况[54]，但是热带气旋过境期间的强动力过程对水下三角洲也会产生强烈再悬浮，致使热带气旋活动对缓解水下三角洲侵蚀现状有限。这最终导致即便是长江特大洪水期间强径流动力影响下的沉积过程，沉积物的颗粒也显得相对偏细。
在重建长江古洪水序列的工作中，前人通常结合元素指标和粒度敏感组分识别洪水沉积事件，将粗颗粒组分作为判别洪水事件的基础[7,18]。然而随着未来入海泥沙持续减少，洪水沉积物相对常态沉积物的粒径可能会更加偏细。因此在未来洪水沉积序列重建的工作中，使用分离粒度敏感组分的方法识别长江水下三角洲地区洪水沉积时，细颗粒组分可能更代表洪水事件沉积。在古洪水沉积序列重建中应注意钻孔内常态背景沉积物特征转变和沉积环境转变等影响因素。
4. 结论
（1）2020年长江水下三角洲洪水沉积层厚度为3～21 cm，平均厚度9.2 cm。
（2）洪水沉积层以粉砂为主，平均粒径13.23 µm，分选较差，偏度为正偏，峰态属于正常峰态，相比其下部常态沉积粒径有所偏细。有机地球化学指标显示，洪水沉积层的TOC平均值为0.59%，TN平均值为0.077%，相比其下部常态沉积含量有所增加。
（3）短柱样的粒度敏感组分EM1更能代表长江洪水沉积，EM2应该代表长江水下三角洲的常态沉积或冬半年强波浪动力作用下泥沙再悬浮沉积，而EM3则可能代表了风暴等极端事件沉积。
（4）流域内大坝建设等因素导致的水下三角洲常态底质粒度粗化，使得洪水沉积相对常态沉积呈现细化的转变，大坝建设后细颗粒组分更有可能代表洪水事件沉积。因此在古洪水沉积序列的重建中使用分离粒度敏感组分的方式识别洪水沉积时，应注意钻孔内背景沉积物的特征转变和沉积环境转变等影响因素。
致谢：特别感谢华东师范大学河口海岸学国家重点实验室研究生刘桢峤和冯威同学参与本研究样品的野外采集、实验室室内岩芯分样和拍照工作。
-
![]()
图 1 浑善达克沙地、科尔沁沙地以及西拉沐沦河位置图
Figure 1. Location map of the Onqin Daga Sand Land, the Horqin Sandy Land and the Xar Moron River
![]()
图 2 科尔沁沙地（a）与浑善达克沙地（b）的常量元素组成
Figure 2. The composition of major elements for the Horqin Sand Land （a） and the Onqin Daga Sandy Land （b）
![]()
图 3 科尔沁沙地（a）与浑善达克沙地（b）的微量元素组成
Figure 3. The composition of trace elements for the Horqin Sand Land （a） and the Onqin Daga Sandy Land （b）
![]()
图 4 科尔沁沙地（a）与浑善达克沙地（b）的稀土元素分布模式
Figure 4. Distribution patterns of rare earth elements in the Sand of Horqin （a） and Onqin Daga （b）
![]()
图 5 科尔沁沙地（a）与浑善达克沙地（b）的Sr-Nd同位素组成对比
Figure 5. Sr-Nd isotope compositions of the Horqin Daga Sand Land （a） and the Onqin Sandy Land （b）
![]()
图 6 科尔沁沙地和浑善达克沙地的A-CN-K三角图（a）和CIA-WIP图解（b）
Figure 6. A-CN-K triangle diagram （a） and CIA-WIP diagram （b） of the Horqin Sand Land and the Onqin Daga Sandy Land
![]()
![]()
图 8 陆源碎屑物源判别图解
a. La/Sc-Th/Co图解，b. La-Th-Sc三角图解。
Figure 8. Identification diagram of terrigenous clastic source
a. La/ Sc-Th/Co diagram, b. La-Th-Sc triangle diagram.
![]()
![]()
图 10 不活动元素比值的物源辨别图解
Figure 10. Provenance discrimination diagrams involving immobile elements
表 1 科尔沁沙地与浑善达克沙地的常量元素组成
Table 1 Concentrations of major elements for the Horqin Sand Land and the Onqin Daga Sandy Land
% 样品号 SiO2 Al2O3 Fe2O3 MgO CaO Na2O K2O TiO2 P2O5 T2（＜63 μm） 72.44 11.53 2.84 0.984 2.57 2.77 2.74 0.811 0.09 T3（＜63 μm） 64.26 11.23 2.73 1.56 5.99 2.34 2.61 0.694 0.106 T4（＜63 μm） 74.15 11.14 1.89 0.679 2.53 2.73 2.99 0.844 0.06 T5（＜63 μm） 71.4 11.33 2.13 0.83 2.98 2.73 2.89 0.602 0.086 T7（＜63 μm） 73.89 11.78 2.11 0.573 1.29 2.67 3.08 0.656 0.063 T8（＜63 μm） 75.18 11.7 1.95 0.526 1.27 2.81 3.06 0.71 0.055 T12（＜63 μm） 74.86 11.71 1.98 0.561 1.3 2.84 3.03 0.596 0.058 T13（＜63 μm） 73.07 11.82 2.37 0.65 1.32 2.64 3.06 0.796 0.074 T14（＜63 μm） 71.05 11.76 2.62 0.766 2.33 2.52 2.74 0.921 0.066 T15（＜63 μm） 73.74 11.87 2.49 0.691 1.4 2.67 2.84 0.823 0.042 T16（＜63 μm） 74.06 11.46 2.09 0.592 1.85 2.76 3 0.796 0.047 HQ1（＜63 μm） 73.65 11.34 2.04 0.711 2.43 2.58 2.96 0.791 0.056 HQ2（＜63 μm） 76 11.6 1.96 0.567 1.35 2.81 3.08 0.673 0.042 HQ3（＜63 μm） 71.15 11.44 4.36 1.01 2.47 2.71 2.52 2.6 0.124 HQ5（＜63 μm） 73.07 11.09 3.67 0.817 2.35 2.72 2.66 1.66 0.087 HQ6（＜63 μm） 74.83 11.49 2.54 0.719 1.54 2.73 2.95 0.913 0.066 HQ7（＜63 μm） 74.58 12.06 2.41 0.738 1.42 2.82 2.9 0.701 0.053 HQ8（＜63 μm） 74.53 11.19 2.75 0.789 2.02 2.71 2.68 0.965 0.081 HQ9（＜63 μm） 74.35 11.3 3.05 0.724 1.76 2.7 2.71 1.28 0.077 HQ10（＜63 μm） 75.45 11.33 2.42 0.672 1.58 2.84 2.87 0.968 0.064 HQ12（＜63 μm） 75.51 11.56 2.04 0.622 1.38 2.84 3.03 0.635 0.056 HQ13（＜63 μm） 75.1 11.66 2.28 0.715 1.44 2.79 2.88 0.701 0.066 HQ14（＜63 μm） 75.76 11.56 2.01 0.613 1.35 2.81 3.02 0.646 0.058 HQ15（＜63 μm） 75.44 11.77 2.1 0.642 1.34 2.81 3.02 0.65 0.06 HQ16（＜63 μm） 76.53 11.45 1.83 0.487 1.27 2.81 3.19 0.623 0.043 HQ17（＜63 μm） 75.28 11.73 2.08 0.611 1.34 2.76 2.98 0.611 0.057 HQ18（＜63 μm） 75.03 11.68 2.11 0.63 1.38 2.82 2.9 0.626 0.061 HQ19（＜63 μm） 74.01 11.81 2.3 0.811 2.04 2.68 2.8 0.892 0.056 HQ20（＜63 μm） 69.92 12.02 3.02 1.07 3.49 2.46 2.77 0.744 0.068 HQ21（＜63 μm） 75.42 11.27 2.42 0.609 1.87 2.86 2.81 1.48 0.053 HQ22（＜63 μm） 77.15 11.37 1.61 0.434 1.23 2.83 3.24 0.614 0.042 HQ23（＜63 μm） 75.7 11.45 2.03 0.56 1.33 2.8 2.95 0.68 0.053 HQ1（＜10 μm） 69.33 11.7 3.22 1.03 3.4 2.51 2.59 1.42 0.092 HQ2（＜10 μm） 73.69 11.99 2.85 0.791 1.7 2.84 2.78 1.03 0.067 HQ3（＜10 μm） 69.03 12.29 4.71 1.21 2.56 2.94 2.52 2.43 0.173 HQ5（＜10 μm） 67.93 10.86 6.88 1.1 3.01 2.53 2.22 3.01 0.166 HQ7（＜10 μm） 73.43 12.15 3.14 0.833 1.56 2.81 2.66 0.828 0.069 HQ8（＜10 μm） 71.87 11.27 4.11 0.981 2.42 2.62 2.4 1.47 0.119 HQ9（＜10 μm） 71.86 11.34 4.33 0.94 2.12 2.6 2.44 1.83 0.117 HQ10（＜10 μm） 73.83 11.47 3.28 0.837 1.82 2.75 2.58 1.21 0.095 HQ12（＜10 μm） 73.8 11.72 2.79 0.814 1.65 2.77 2.67 0.931 0.076 HQ13（＜10 μm） 73.13 11.72 3.19 0.888 1.77 2.7 2.57 1.11 0.095 HQ15（＜10 μm） 73.22 11.87 3.24 0.855 1.66 2.75 2.65 1.06 0.084 HQ16（＜10 μm） 74.17 11.51 2.92 0.69 1.72 2.78 2.7 1.24 0.067 HQ17（＜10 μm） 73.54 11.83 2.85 0.775 1.6 2.8 2.67 0.91 0.074 HQ18（＜10 μm） 73.47 11.8 2.71 0.762 1.6 2.79 2.59 0.89 0.079 HQ19（＜10 μm） 70.94 11.94 3.35 1.06 2.74 2.57 2.49 1.41 0.096 HQ20（＜10 μm） 67.79 12.02 3.59 1.24 4 2.36 2.53 0.908 0.091 HQ21（＜10 μm） 73.61 11.47 3.15 0.787 2.11 2.89 2.53 1.8 0.087 HQ22（＜10 μm） 74.88 11.41 2.7 0.654 1.68 2.81 2.79 1.2 0.064 OD1（＜63 μm） 74 11.45 3.13 0.764 1.93 2.88 2.85 1.27 0.084 OD2（＜63 μm） 75 11.46 2.71 0.6 1.6 2.85 2.85 1.18 0.059 OD3（＜63 μm） 73.98 11.62 3.37 0.731 1.77 2.81 2.81 1.45 0.07 OD4（＜63 μm） 74.85 11.45 2.81 0.689 1.6 2.87 2.88 1.17 0.082 OD6（＜63 μm） 66.42 12.15 3.51 1.46 4.71 2.31 2.67 0.716 0.121 OD8（＜63 μm） 71.68 11.63 3.83 0.966 2.51 2.81 2.72 1.74 0.098 OD9（＜63 μm） 74.4 11.86 2.94 0.776 1.54 2.87 2.9 0.882 0.08 OD10（＜63 μm） 73.39 12.1 3.09 0.694 1.72 3.04 2.76 1.31 0.085 OD11（＜63 μm） 73.02 11.9 3.11 0.843 1.53 2.66 2.76 1.05 0.095 OD12（＜63 μm） 75.13 11.65 2.55 0.691 1.22 2.73 2.58 0.699 0.067 OD13（＜63 μm） 69.07 11.33 5.38 0.963 2.34 2.54 2.56 3.14 0.088 OD14（＜63 μm） 70.13 11.58 3.52 1 1.68 2.67 2.34 0.983 0.108 OD15（＜63 μm） 68.61 11.13 6.43 1.11 2.71 2.48 2.45 2.15 0.129 OD16（＜63 μm） 71.21 11.9 4 1.14 1.58 2.53 2.44 0.984 0.128 OD17（＜63 μm） 68.73 11.46 5.3 1.2 2.7 2.4 2.37 1.4 0.121 OD18（＜63 μm） 52.61 8.91 4.26 1.35 14.38 1.91 1.81 1.12 0.104 OD19（＜63 μm） 69.05 10.53 2.72 1.86 4.28 2.27 2.47 0.709 0.079 OD20（＜63 μm） 64.36 10.62 4.93 1.21 6.24 2.39 2.33 1.39 0.099 OD1（＜10 μm） 71.61 11.65 4.18 0.987 2.22 2.71 2.56 1.46 0.135 OD2（＜10 μm） 72.93 11.63 3.71 0.765 1.72 2.81 2.57 1.37 0.086 OD3（＜10 μm） 71.55 11.93 4.56 0.95 1.94 2.75 2.54 1.63 0.11 OD4（＜10 μm） 72.99 11.89 3.53 0.934 1.65 2.79 2.67 1.18 0.13 OD6（＜10 μm） 62.62 12.23 4.13 1.78 5.7 2.03 2.43 0.797 0.155 OD8（＜10 μm） 69.18 11.8 4.57 1.22 3.03 2.65 2.46 1.49 0.144 OD9（＜10 μm） 73.24 12.01 3.13 0.959 1.62 2.75 2.66 0.956 0.109 OD12（＜10 μm） 74.66 11.55 2.75 0.761 1.19 2.64 2.33 0.726 0.072 OD15（＜10 μm） 70.65 12.01 4.19 1.28 2.25 2.47 2.46 0.963 0.142 OD16（＜10 μm） 71.73 12.11 3.46 1.21 1.51 2.55 2.34 0.727 0.135 OD17（＜10 μm） 68.15 12.02 4.64 1.36 2.75 2.35 2.33 1.02 0.134 OD18（＜10 μm） 41.92 7.54 2.65 1.4 22.48 1.53 1.44 0.522 0.093 OD19（＜10 μm） 65.54 10.63 3.17 2.24 5.4 2.16 2.24 0.743 0.102 OD20（＜10 μm） 55.66 9.87 3.44 1.39 12.22 2.03 1.97 0.778 0.1 UCC 66 15.2 5 2.2 4.2 3.9 3.4 0.5 0.5 注：Fe2O3代表总铁含量，UCC为上陆壳。 
下载: 导出CSV
表 2 科尔沁沙地与浑善达克沙地CIA、CIW、PIA、WIP值
Table 2 CIA，CIW，PIA，WIP values of the Horqin Daga Sand Land and the Onqin Sandy Land
样品名 CIA CIW PIA WIP 样品名 CIA CIW PIA WIP T2（＜63 μm） 49.01 56.10 48.67 57.84 HQ3（＜10 μm） 50.97 57.50 51.26 57.86 T3（＜63 μm） 51.60 59.33 52.17 53.50 HQ5（＜10 μm） 50.29 56.61 50.38 51.10 T4（＜63 μm） 47.73 55.43 46.85 58.75 HQ7（＜10 μm） 54.40 62.47 55.93 54.60 T5（＜63 μm） 48.32 55.78 47.70 58.35 HQ8（＜10 μm） 50.52 57.20 50.68 53.07 T7（＜63 μm） 54.25 64.12 56.14 55.49 HQ9（＜10 μm） 51.91 59.07 52.52 52.36 T8（＜63 μm） 53.61 63.23 55.19 56.46 HQ10（＜10 μm） 52.42 60.11 53.25 53.95 T12（＜63 μm） 53.47 62.92 54.96 56.64 HQ12（＜10 μm） 53.28 61.36 54.45 54.47 T13（＜63 μm） 54.44 64.27 56.40 55.30 HQ13（＜10 μm） 53.40 61.17 54.56 53.42 T14（＜63 μm） 51.21 58.82 51.63 54.40 HQ15（＜10 μm） 53.73 61.77 55.04 54.23 T15（＜63 μm） 54.47 63.44 56.23 54.13 HQ16（＜10 μm） 52.35 60.40 53.21 54.68 T16（＜63 μm） 50.90 59.51 51.27 57.18 HQ17（＜10 μm） 53.60 61.70 54.88 54.52 HQ1（＜63 μm） 49.22 57.19 48.91 56.89 HQ18（＜10 μm） 53.82 61.73 55.13 53.69 HQ2（＜63 μm） 52.91 62.43 54.19 56.99 HQ19（＜10 μm） 51.69 58.54 52.21 53.74 HQ3（＜63 μm） 50.10 56.91 50.13 55.11 HQ20（＜10 μm） 53.35 60.75 54.43 52.17 HQ5（＜63 μm） 49.24 56.48 48.98 55.68 HQ21（＜10 μm） 50.74 57.76 50.98 55.44 HQ6（＜63 μm） 52.64 61.68 53.73 55.97 HQ22（＜10 μm） 51.94 60.24 52.68 55.53 HQ7（＜63 μm） 54.07 62.95 55.67 56.17 OD1（＜63 μm） 50.68 58.71 50.93 57.56 HQ8（＜63 μm） 50.77 58.48 51.04 54.86 OD2（＜63 μm） 52.06 60.57 52.86 56.07 HQ9（＜63 μm） 52.06 60.22 52.83 54.19 OD3（＜63 μm） 51.99 60.21 52.74 56.12 HQ10（＜63 μm） 51.87 60.50 52.62 56.28 OD4（＜63 μm） 52.01 60.62 52.81 56.68 HQ12（＜63 μm） 52.79 62.11 53.98 57.02 OD6（＜63 μm） 53.65 61.52 54.90 53.39 HQ13（＜63 μm） 53.39 62.30 54.75 55.66 OD8（＜63 μm） 49.40 56.48 49.20 57.81 HQ14（＜63 μm） 53.08 62.48 54.40 56.55 OD9（＜63 μm） 53.08 61.79 54.29 56.95 HQ15（＜63 μm） 53.58 62.98 55.10 56.60 OD10（＜63 μm） 52.55 60.41 53.45 57.54 HQ16（＜63 μm） 52.66 62.63 53.90 57.50 OD11（＜63 μm） 54.51 63.18 56.22 53.93 HQ17（＜63 μm） 53.79 63.15 55.38 55.72 OD12（＜63 μm） 55.47 64.00 57.46 51.93 HQ18（＜63 μm） 53.50 62.50 54.91 55.74 OD13（＜63 μm） 50.72 57.92 50.96 53.55 HQ19（＜63 μm） 51.71 59.64 52.33 55.80 OD14（＜63 μm） 54.33 61.68 55.69 51.22 HQ20（＜63 μm） 51.99 59.76 52.69 54.89 OD15（＜63 μm） 50.71 57.70 50.94 52.51 HQ21（＜63 μm） 50.53 58.53 50.73 56.56 OD16（＜63 μm） 55.92 63.86 57.88 50.85 HQ22（＜63 μm） 52.44 62.59 53.61 57.86 OD17（＜63 μm） 52.26 59.20 52.95 51.15 HQ23（＜63 μm） 53.12 62.39 54.44 55.68 OD18（＜63 μm） 51.93 58.64 52.50 41.16 HQ1（＜10 μm） 51.39 58.62 51.84 53.82 OD19（＜63 μm） 50.92 58.50 51.24 52.34 HQ2（＜10 μm） 53.02 61.18 54.12 56.14 OD20（＜63 μm） 50.54 57.46 50.71 50.73 OD1（＜10 μm） 51.53 58.75 52.03 54.72 OD12（＜10 μm） 56.57 64.57 58.73 49.07 OD2（＜10 μm） 52.94 60.64 53.94 54.00 OD15（＜10 μm） 53.38 60.56 54.43 52.52 OD3（＜10 μm） 53.07 60.48 54.06 54.18 OD16（＜10 μm） 56.93 64.65 59.10 50.18 OD4（＜10 μm） 53.87 62.01 55.25 54.81 OD17（＜10 μm） 53.95 60.85 55.11 50.68 OD6（＜10 μm） 56.76 64.68 58.95 49.01 OD18（＜10 μm） 53.34 59.96 54.28 33.77 OD8（＜10 μm） 50.89 57.51 51.15 54.86 OD19（＜10 μm） 52.71 59.93 53.57 50.17 OD9（＜10 μm） 54.32 62.47 55.84 54.41 OD20（＜10 μm） 52.82 59.64 53.65 44.01
下载: 导出CSV
-
[1] Che X D, Li G J. Binary sources of loess on the Chinese Loess Plateau revealed by U-Pb ages of zircon [J]. Quaternary Research, 2013, 80(3): 545-551. doi: 10.1016/j.yqres.2013.05.007
[2] Zhang H Z, Lu H Y, Xu X S, et al. Quantitative estimation of the contribution of dust sources to Chinese loess using detrital zircon U-Pb age patterns [J]. Journal of Geophysical Research: Earth Surface, 2016, 121(11): 2085-2099. doi: 10.1002/2016JF003936
[3] Sun J M. Source regions and formation of the loess sediments on the high mountain regions of northwestern China [J]. Quaternary Research, 2002, 58(3): 341-351. doi: 10.1006/qres.2002.2381
[4] Shi Z G, Liu X D. Distinguishing the provenance of fine-grained eolian dust over the Chinese Loess Plateau from a modelling perspective [J]. Tellus B: Chemical and Physical Meteorology, 2011, 63(5): 959-970. doi: 10.1111/j.1600-0889.2011.00561.x
[5] Chen Z, Li G J. Evolving sources of eolian detritus on the Chinese Loess Plateau since early Miocene: tectonic and climatic controls [J]. Earth and Planetary Science Letters, 2013, 371-372: 220-225. doi: 10.1016/j.jpgl.2013.03.044
[6] Nie J S, Peng W B, Möller A, et al. Provenance of the upper Miocene-Pliocene red clay deposits of the Chinese Loess Plateau [J]. Earth and Planetary Science Letters, 2014, 407: 35-47. doi: 10.1016/j.jpgl.2014.09.026
[7] Nie J S, Peng W B. Automated SEM-EDS heavy mineral analysis reveals no provenance shift between glacial loess and interglacial paleosol on the Chinese Loess Plateau [J]. Aeolian Research, 2014, 13: 71-75. doi: 10.1016/j.aeolia.2014.03.005
[8] 陈骏, 李高军. 亚洲风尘系统地球化学示踪研究[J]. 中国科学: 地球科学, 2011, 54(9):1279-1301 doi: 10.1007/s11430-011-4269-z CHEN Jun, LI Gaojun. Geochemical studies on the source region of Asian dust [J]. Science China Earth Sciences, 2011, 54(9): 1279-1301. doi: 10.1007/s11430-011-4269-z
[9] 陈骏, 安芷生, 刘连文, 等. 最近2.5 Ma以来黄土高原风尘化学组成的变化与亚洲内陆的化学风化[J]. 中国科学(D辑), 2001, 44(5):403-413 doi: 10.1007/BF02909779 CHEN Jun, AN Zhisheng, LIU Lianwen, et al. Variations in chemical compositions of the eolian dust in Chinese Loess Plateau over the past 2.5 Ma and chemical weathering in the Asian inland [J]. Science in China Series D: Earth Sciences, 2001, 44(5): 403-413. doi: 10.1007/BF02909779
[10] 杨杰东, 陈骏, 饶文波, 等. 中国沙漠的同位素分区特征[J]. 地球化学, 2007, 36(5):516-524 doi: 10.3321/j.issn:0379-1726.2007.05.010 YANG Jiedong, CHEN Jun, RAO Wenbo, et al. Isotopic partition characteristics of Chinese deserts [J]. Geochimica, 2007, 36(5): 516-524. doi: 10.3321/j.issn:0379-1726.2007.05.010
[11] 谢静, 吴福元, 丁仲礼. 浑善达克沙地的碎屑锆石U-Pb年龄和Hf同位素组成及其源区意义[J]. 岩石学报, 2007, 23(2):523-528 doi: 10.3969/j.issn.1000-0569.2007.02.028 XIE Jing, WU Fuyuan, DING Zhongli. Detrital zircon composition of U-Pb ages and Hf isotope of the Hunshandake sandland and implications for its provenance [J]. Acta Petrologica Sinica, 2007, 23(2): 523-528. doi: 10.3969/j.issn.1000-0569.2007.02.028
[12] 朱迎新. 章古台沙地樟子松人工林固沙效果探究[J]. 理论界, 2014(5):62-64 doi: 10.3969/j.issn.1003-6547.2014.05.017 ZHU Yingxin. Study on the effect of pinus sylva plantation on sand fixation in Zhanggu sandy land [J]. Theory Horizon, 2014(5): 62-64. doi: 10.3969/j.issn.1003-6547.2014.05.017
[13] 杨艳, 程捷, 田明中, 等. 近50年来哈尔滨市沙尘暴发生规律及气象特征研究[J]. 干旱区资源与环境, 2012, 26(11):54-60 YANG Yan, CHENG Jie, TIAN Mingzhong, et al. The spatial and temporal distribution of dust-storm and its meteorological in Harbin [J]. Journal of Arid Land Resources and Environment, 2012, 26(11): 54-60.
[14] 谢远云, 孙磊, 康春国, 等. 松嫩沙地Sr-Nd同位素组成特征[J]. 沉积学报, 2020, 38(4):771-780 XIE Yuanyun, SUN Lei, KANG Chunguo, et al. Sr-Nd isotopic partition characteristics of the Songnen sandy land [J]. Acta Sedimentologica Sinica, 2020, 38(4): 771-780.
[15] Xie Y Y, Kang C G, Chi Y P, et al. The loess deposits in Northeast China: the linkage of loess accumulation and geomorphic-climatic features at the easternmost edge of the Eurasian loess belt [J]. Journal of Asian Earth Sciences, 2019, 181: 103914. doi: 10.1016/j.jseaes.2019.103914
[16] Xie Y Y, Liu L, Kang C G, et al. Sr-Nd isotopic characteristics of the Northeast Sandy Land, China and their implications for tracing sources of regional dust [J]. Catena, 2020, 184: 104303. doi: 10.1016/j.catena.2019.104303
[17] 张晓娟, 季宏兵, 冯晓静, 等. 岩溶盆地红土风化剖面的元素地球化学研究[J]. 地理科学, 2017, 37(6):944-951 ZHANG Xiaojuan, JI Hongbing, FENG Xiaojing, et al. Element geochemistry characteristic of the red soil weathering profiles in the Karst Basin [J]. Scientia Geographica Sinica, 2017, 37(6): 944-951.
[18] Mclennan S M. Weathering and global denudation [J]. The Journal of Geology, 1993, 101(2): 295-303. doi: 10.1086/648222
[19] Nesbitt H W, Young G M. Early Proterozoic climates and plate motions inferred from major element chemistry of lutites [J]. Nature, 1982, 299(5885): 715-717. doi: 10.1038/299715a0
[20] Harnois L. The CIW index: A new chemical index of weathering [J]. Sedimentary Geology, 1988, 55(3-4): 319-322. doi: 10.1016/0037-0738(88)90137-6
[21] Fedo C M, Nesbitt H W, Young G M. Unraveling the effects of potassium metasomatism in sedimentary rocks and paleosols, with implications for paleoweathering conditions and provenance [J]. Geology, 1995, 23(10): 921-924. doi: 10.1130/0091-7613(1995)023<0921:UTEOPM>2.3.CO;2
[22] Parker A. An index of weathering for silicate rocks [J]. Geological Magazine, 1970, 107(6): 501-504. doi: 10.1017/S0016756800058581
[23] Nesbitt H W, Young G M. Prediction of some weathering trends of plutonic and volcanic rocks based on thermodynamic and kinetic considerations [J]. Geochimica et Cosmochimica Acta, 1984, 48(7): 1523-1534. doi: 10.1016/0016-7037(84)90408-3
[24] Cullers R L, Podkovyrov V N. Geochemistry of the mesoproterozoic Lakhanda shales in southeastern Yakutia, Russia: implications for mineralogical and provenance control, and recycling [J]. Precambrian Research, 2000, 104(1-2): 77-93. doi: 10.1016/S0301-9268(00)00090-5
[25] Garzanti E, Padoan M, Andò S, et al. Weathering and relative durability of detrital minerals in equatorial climate: sand petrology and geochemistry in the East African Rift [J]. The Journal of Geology, 2013, 121(6): 547-580. doi: 10.1086/673259
[26] Ohta T, Arai H. Statistical empirical index of chemical weathering in igneous rocks: a new tool for evaluating the degree of weathering [J]. Chemical Geology, 2007, 240(3-4): 280-297. doi: 10.1016/j.chemgeo.2007.02.017
[27] Condie K C. Chemical composition and evolution of the upper continental crust: contrasting results from surface samples and shales [J]. Chemical Geology, 1993, 104(1-4): 1-37. doi: 10.1016/0009-2541(93)90140-E
[28] Taylor S R, McLennan S M. The Continental Crust: Its Composition and Evolution[M]. London: Blackwell Scientific, 1985.
[29] Yang H, Ge W C, Yu Q, et al. Zircon U-Pb-Hf isotopes, bulk-rock geochemistry and petrogenesis of Middle to Late Triassic I-type granitoids in the Xing’an Block, northeast China: Implications for early Mesozoic tectonic evolution of the central Great Xing’an Range [J]. Journal of Asian Earth Sciences, 2016, 119: 30-48. doi: 10.1016/j.jseaes.2016.01.012
[30] McLennan S M, Hemming S, McDaniel D K, et al. Geochemical approaches to sedimentation, provenance, and tectonics[M]//Johnsson M J. Processes Controlling the Composition of Clastic Sediments. Boulder: Geological Society of America, 1993, 284: 21-40.
[31] Cullers R L. The geochemistry of shales, siltstones and sandstones of Pennsylvanian-Permian age, Colorado, USA: implications for provenance and metamorphic studies [J]. Lithos, 2000, 51(3): 181-203. doi: 10.1016/S0024-4937(99)00063-8
[32] Bhatia M R, Crook K A W. Trace element characteristics of graywackes and tectonic setting discrimination of sedimentary basins [J]. Contributions to Mineralogy and Petrology, 1986, 92(2): 181-193. doi: 10.1007/BF00375292
[33] Li G J, Pettke T, Chen J. Increasing Nd isotopic ratio of Asian dust indicates progressive uplift of the north Tibetan Plateau since the middle Miocene [J]. Geology, 2011, 39(3): 199-202. doi: 10.1130/G31734.1
[34] Chen J, Li G J, Yang J D, et al. Nd and Sr isotopic characteristics of Chinese deserts: implications for the provenances of Asian dust [J]. Geochimica et Cosmochimica Acta, 2007, 71(15): 3904-3914. doi: 10.1016/j.gca.2007.04.033
[35] Li G J, Chen J, Ji J F, et al. Natural and anthropogenic sources of East Asian dust [J]. Geology, 2009, 37(8): 727-730. doi: 10.1130/G30031A.1
[36] 李小妹, 严平, 钱瑶, 等. 西拉木伦河流域地表沉积物粒度、化学元素分布特征[J]. 干旱区研究, 2017, 34(1):191-199 LI Xiaomei, YAN Ping, QIAN Yao, et al. Spatial distribution of grain size and chemical elements in surface sediments in the Xar Moron River Basin [J]. Arid Zone Research, 2017, 34(1): 191-199.
[37] Condie K C. Another look at rare earth elements in shales [J]. Geochimica et Cosmochimica Acta, 1991, 55(9): 2527-2531. doi: 10.1016/0016-7037(91)90370-K
[38] Xie Y Y, Chi Y P, Meng J, et al. Grain-size and Sr-Nd isotopic compositions of dry- and wet-deposited dusts during the same dust-storm event in Harbin, China: implications for source, transport-deposition modes, dynamic mechanism and formation of eolian loess [J]. Environmental Earth Sciences, 2015, 74(8): 6489-6502. doi: 10.1007/s12665-015-4747-2
[39] Grousset F E, Biscaye P E. Tracing dust sources and transport patterns using Sr, Nd and Pb isotopes [J]. Chemical Geology, 2005, 222(3-4): 149-167. doi: 10.1016/j.chemgeo.2005.05.006
[40] Rao W B, Chen J, Yang J D, et al. Sr-Nd isotopic characteristics of eolian deposits in the Erdos Desert and Chinese Loess Plateau: implications for their provenances [J]. Geochemical Journal, 2008, 42(3): 273-282. doi: 10.2343/geochemj.42.273
[41] 曹建华, 刘志辉, 李俊有. 克什克腾旗“三河源”生态保护区人工增雨工程建设的必要性[J]. 内蒙古科技与经济, 2016(14):69-70 doi: 10.3969/j.issn.1007-6921.2016.14.036 CAO Jianhua, LIU Zhihui, LI Junyou. A study on artificial precipitation in the Hexigtenqi ecological protection zone [J]. Inner Mongolia Science Technology & Economy, 2016(14): 69-70. doi: 10.3969/j.issn.1007-6921.2016.14.036
[42] 张瀚之, 鹿化煜, 弋双文, 等. 中国北方沙漠/沙地锆石形态特征及其对物源的指示[J]. 第四纪研究, 2013, 33(2):334-344 doi: 10.3969/j.issn.1001-7410.2013.02.15 ZHANG Hanzhi, LU Huayu, YI Shuangwen, et al. Zircon typological analyses of the major deserts/sand fields in northern China and its implication for identifying sediment source [J]. Quaternary Sciences, 2013, 33(2): 334-344. doi: 10.3969/j.issn.1001-7410.2013.02.15
[43] Sun D H, Bloemendal J, Rea D K, et al. Bimodal grain-size distribution of Chinese loess, and its palaeoclimatic implications [J]. Catena, 2004, 55(3): 325-340. doi: 10.1016/S0341-8162(03)00109-7
[44] 谢远云, 孟杰, 郭令芬, 等. 哈尔滨沙尘沉降物稀土元素地球化学特征及其物源分析[J]. 地球科学—中国地质大学学报, 2013, 38(5):923-933 doi: 10.3799/dqkx.2013.091 XIE Yuanyun, MENG Jie, GUO Lingfen, et al. REE geochemistry for sand-dust fallouts in Harbin, Heilongjiang province and provenance analysis [J]. Earth Science—Journal of China University of Geosciences, 2013, 38(5): 923-933. doi: 10.3799/dqkx.2013.091
-
期刊类型引用(2)
1. 周尚，徐继尚，刘勇，李广雪，李安龙，曹立华，翟科，徐继正，权永峥. 西太暖池区生物组分对海底表层沉积物物理力学性质的影响. 地学前缘. 2022(05): 119-132 . 
百度学术
2. 侯啸林，徐继尚，姜兆霞，曹立华，张强，李广雪，王双，翟科. 热带西太平洋沉积物的环境磁学特征对东亚冬季风的响应. 地学前缘. 2022(05): 23-34 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 2103
- HTML全文浏览量: 465
- PDF下载量: 52
- 被引次数: 4
