雷 珊, 魏興萍,2

(1.重慶師范大學(xué) 地理與旅游學(xué)院, 重慶 401331; 2.三峽庫區(qū)地表過程與環(huán)境遙感重慶市重點實驗室, 重慶 401331)

中國西南巖溶地區(qū)是我國主要的生態(tài)環(huán)境脆弱區(qū)之一，與黃土高原一樣，該地區(qū)的水土流失問題十分嚴重。同時，巖溶洼地小流域作為一個獨立的侵蝕產(chǎn)沙單元，開展巖溶洼地小流域泥沙來源研究，對于查明洼地泥沙的來源，研究土壤侵蝕過程，發(fā)揮著重要的作用。因此研究洼地泥沙來源，對于有針對性地實施洼地水土流失治理，以及巖溶洼地小流域水環(huán)境的污染來源，有重要意義。國內(nèi)外針對流域的泥沙來源研究已經(jīng)有了一定的基礎(chǔ)，從最早開始的小區(qū)觀測[1-2]、資料分析[3]、遙感制圖等[4]傳統(tǒng)研究方法，到直接從泥沙入手的指紋識別技術(shù)的興起，學(xué)者們對于流域泥沙的研究興趣從未消失。早期的指紋識別技術(shù)主要是從地球理化屬性、礦物元素、礦物磁性等作為“示蹤因子”取得了較好的研究結(jié)果[5];泥沙顆粒顏色、植物孢粉、穩(wěn)定同位素、大氣沉降核素等[6-8]相繼被用以示蹤泥沙來源，指紋識別因子種類不斷豐富。20世紀90年代后，Collins等[9]提出，采用多個“示蹤”因子，通過非參數(shù)檢驗和判別分析等方法，組合在一起形成復(fù)合指紋因子，再通過模型進行泥沙來源計算，在國內(nèi)外地區(qū)都得到了較好的應(yīng)用。近期，國外一些學(xué)者在研究中不斷優(yōu)化模型的研究方法[10-11]，在混合模型的計算中進一步考慮了泥沙粒徑和有機質(zhì)含量等因素的修正，并利用不同混合模型進行對比研究，優(yōu)化了混合模型擬合結(jié)果。

國內(nèi)關(guān)于復(fù)合指紋識別技術(shù)的研究主要集中在非巖溶地區(qū)。郭進等[12]在三峽庫區(qū)開展流域(河流)泥沙來源研究，查明入塘、河、庫泥沙通量，定量解析了塘庫表層沉積泥沙來源;周慧平等[13]通過研究泥沙來源來探討顆粒態(tài)磷的來源得出農(nóng)田、林地、礦山及道路施工用地的泥沙貢獻率和顆粒態(tài)磷的輸出貢獻百分比;周曼等[14]在南方紅壤區(qū)利用復(fù)合指紋技術(shù)研究不同降雨特征下林地、茶園、礦區(qū)、耕地的泥沙貢獻百分比。楊明義等[15]在陜北選定的匯水區(qū)內(nèi)采集土壤樣品中17種物質(zhì)的分析得出，洪水?dāng)y帶的總泥沙有33.7%來自主溝道，60.0%來自坡地果園，3.0%來自小塊的坡耕地以及3.3%來自支溝道。

西南巖溶地區(qū)與黃土高原一樣是一個脆弱的生態(tài)環(huán)境，水土流失危害嚴重，危險著長江、珠江水系的防洪和水土資源的保護。巖溶地區(qū)由于立地條件獨特、產(chǎn)流產(chǎn)沙特殊，不能直接引用非巖溶地區(qū)的研究成果。重慶巖溶小流域的土壤侵蝕常常伴隨巖溶地區(qū)和非巖溶地區(qū)，目前，巖溶洼地泥沙來源貢獻規(guī)律不清、土地利用變化對巖溶地區(qū)泥沙來源、沉積耦合響應(yīng)關(guān)系認識不清，不利于巖溶地區(qū)開展水土保持工作。本研究擬在重慶選建有水庫的無落水洞發(fā)育的巖溶洼地小流域，對小流域源地土壤和水庫沉積物取樣研究，探明巖溶洼地泥沙來源比例。為采取有效的水土保持措施，增強巖溶地區(qū)水源涵養(yǎng)、水土保持等生態(tài)功能，以及小流域綜合治理提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)地點位于重慶市西北部青木關(guān)巖溶槽谷區(qū)(圖1)，北緯29°37′37″—29°38′2″，東經(jīng)106°16′8″—106°17′2″。研究區(qū)巖溶洼地是一個位于勞動村的封閉洼地，洼地內(nèi)有一座水庫，洼地泥沙沉積于水庫內(nèi)。勞動水庫建于20世紀70年代，90年代開始荒廢，水庫停止開發(fā)，至今沉積有50 a左右。勞動水庫長約276.17 m，寬約212.49 m，面積大約有0.033 km2，洼地面積約0.74 km2。青木關(guān)巖溶槽谷區(qū)屬長江上游亞熱帶濕潤季風(fēng)氣候區(qū)，四季分明，氣候溫和，降雨量充足，初夏多雨，常伏旱，秋多連綿陰雨，無霜期長等特點。多年平均氣溫為17.9℃，極端最高溫度為42.2℃，極端最低溫度為-3℃。根據(jù)氣象局提供的55 a(1959—2013年)降雨資料統(tǒng)計，區(qū)域內(nèi)多年平均降雨量1 047.5 mm，最大年降雨量1 534.2 mm(1968年)，最小年降雨量625.9 mm(1961年)。

圖1 研究區(qū)地貌和地層

重慶巖溶地區(qū)的水土流失往往伴隨著非巖溶地區(qū)水土流失，根據(jù)重慶市水文地質(zhì)幅和實地考察，研究區(qū)內(nèi)存在兩種不同的地質(zhì)巖性，巖溶洼地沉積泥沙主要來自兩個侵蝕產(chǎn)沙區(qū)即碎屑巖區(qū)和碳酸鹽巖區(qū)。

1.2 樣品采集與處理

將勞動水庫溶洼地內(nèi)的土壤泥沙來源底地分為碳酸鹽巖表層土壤(碳酸鹽巖坡耕地、林地以及撂荒地)、深層土壤(溝道和裂隙)、碎屑巖表層土壤(林地和撂荒地)，坡耕地和林地采取直線布設(shè)，以線控制面;坡耕地、林地撂荒地土樣采集時，首先利用不銹鋼鏟去掉表土層枯枝落葉，然后使用不銹鋼鏟輕輕采集2—5 cm厚土壤表層，放置于編織袋上，去除石塊等大塊雜質(zhì)、混勻，四分法取1地裝入樣品袋，盡量避免破壞土壤的結(jié)構(gòu)。深層土壤選取碳酸鹽巖匯水區(qū)巖縫裂隙剖面裂隙土以及主要溝道溝壁。根據(jù)各源地面積比，研究地共取樣41個，碳酸鹽巖表層土壤19個，深層土壤11個，碎屑巖表層土壤11個(圖2)。

圖2 采樣點分布

1.3 測定指標與試驗方法

采集樣品去除枯枝落葉、作物根系及粗礫石，經(jīng)過自然風(fēng)干，人工磨細過2 mm干篩，樣品進行分裝標記備試。指紋因子間屬性差異越大，最佳指紋因子組合之判別能力越強，實驗室分析內(nèi)容包括一系列不同理化屬性的指標因子:指標包括TN，TP，AP，AK，SOM，χfd，χlf，χhf，χ，K，Na，Ca，Mg，Cu，Zn，Ba，Sr，F(xiàn)e，Mn，Si，Al，Li，Be，Co，As，Rb，Ag，Cd，In，Cs，Tl，Pb，Bi，U，V，Cr，Ti，Ni。

土壤磁化率采用BartingtonMS2磁化率儀儀器對土壤樣品進行測試，磁化率儀的低頻磁化率(0.47 kHz)和高頻磁化率(4.7 kHz)進行測試，并計算結(jié)果。土壤養(yǎng)分元素測定指標及測定方法主要參考中國農(nóng)業(yè)出版社出版的鄭必昭主編的《土壤分析技術(shù)指南》。土壤地球元素采用ICP-7700(電感耦合等離子體光譜儀)處理。

1.4 研究內(nèi)容與方法

(1) 指紋因子的篩識別與篩選。首先在實驗室測定各潛在泥沙來源地土壤地球化學(xué)特性，并對已測定的指標在SPSS數(shù)據(jù)統(tǒng)計分析中進行Kruskal-Wallis H檢驗，從而評價各單一指紋因子是否有區(qū)別源地的能力[16]。Kruskal-Wallis H檢驗是用于推斷樣本來自的多個獨立總體分布是否存在顯著差異，其檢驗前提是，零假設(shè)所有泥沙來自于同一個潛在泥沙來源地，若p<0.05，則組間呈現(xiàn)顯著性差異，零假設(shè)被拒絕[17]，表明該因子可用于區(qū)別泥沙來源，從而依次逐步確定初選指紋因子。其次對初選因子在SPSS中進行多元逐步判別分析，在基于Wilks ′Lambda最小化的基礎(chǔ)上，確定最佳指紋因子組合[18]。

(2) 巖溶洼地沉積泥沙來源分析。在確定最佳指紋組合因子后，利用多元混合模型定量計算各潛在泥沙來源地沉積泥沙貢獻值[19]，計算得出不同泥沙源地的泥沙相對貢獻率。多元混合模型函數(shù)表示:

(1)

0≤Ps≤1

(2)

(3)

式中:Ci是洼地泥沙指紋因子i的濃度;Ps是泥沙來源地s的泥沙貢獻百分比;Ssi是泥沙來源地中指紋識別因子i的平均濃度;m是泥沙來源地的數(shù)量;n是指紋識別因子的數(shù)量。在限制公式(2—3)的情況下使得公式(1)函數(shù)值為最小的情況下可得各泥沙源地對應(yīng)的貢獻百分比。

(3) 計算得出各源地泥沙貢獻百分比后，利用擬合優(yōu)度(GOF)檢驗)的方法對模型的準確性進行檢驗。

2 結(jié)果與分析

2.1 潛在泥沙來源地土壤性質(zhì)及指紋因子篩選

將試驗所測的指標包括TN，TP，AP，AK，SOM，χfd，χlf，χhf，χ，K，Na，Ca，Mg，Cu，Zn，Ba，Sr，F(xiàn)e，Mn，Si，Al，Li，Be，Co，As，Rb，Ag，Cd，In，Cs，Tl，Pb，Bi，U，V，Cr，Ti，Ni按表層土壤、深層土壤、碎屑巖土壤3種泥沙來源地進行無參數(shù)Kruskal-Wallis H-test統(tǒng)計分析檢驗，檢驗結(jié)果見表1。

表1 泥沙來源地指紋識別因子的Kruskal-Wallis H-test統(tǒng)計分析檢驗結(jié)果

從上面因子中，可以看出除:Co，Rb，Ti，Na，Si，Al，SOM，TP對應(yīng)的p值大于顯示水平0.05，其他因子的p值均小于0.05，故拒絕因子來自同一泥沙來源地的原假設(shè)，即這些因子在不同泥沙來源地間具有顯著性差異。

2.2 最佳指紋因子組合確定

2.2.1 最佳指紋因子的構(gòu)建 首先對3種泥沙來源地中的30種顯著差異性指紋因子進行組間均值的均等性檢驗，根據(jù)表2結(jié)果顯示:顯著性差異的因子在均值的均等檢驗中，除Bi，Ca，Mg，Ak的Sig值大于顯著水平0.05，其他因子均小于0.05，共計26種指紋因子均等性檢驗Sig<0.05，其中Li，Ag，In，Cs，Tl，U，V，Cr，Ni，Cu，Zn，F(xiàn)e，Mn，χhf，χld，χ共16種因子Sig<0.010具體結(jié)果見表2。由此可知，3種泥沙來源地中，表層土壤、深層土壤、碎屑巖土壤Li，Be，As，Pb，Ag，Cd，In，Cs，Tl，U，V，Cr，Ni，Cu，Zn，K，Ba，Sr，F(xiàn)e，Mn，TN，AP，χhf，χld，χ，χfd等因子具有顯著性差異特征，故說明這些顯著性因子可以進行多元判別分析。

表2 泥沙來源地初篩因子組均值的均等性的檢驗

將Kruskal-Wallis檢驗中刷選出的不同泥沙來源地間具有顯著性差異的指標，進入多元判別分析，找出最佳復(fù)合指紋組合，采用逐步多元判別分析法，其最終得到最佳因子結(jié)果見表3。

表3 泥沙來源地最佳組合指紋因子

從表3可知:最終從這30種因子中篩選，找到了最佳因子組合，其中U，χhf，AP，Mn的累積判別率分別為63.4%，68.3%，73.2%，82.9%，總累積判別率高達82.9%，累積判別率大于80%，屬于可接受范圍。

2.2.2 判別函數(shù)的建立 表4是3種泥沙來源地逐步判別分析后的最佳指紋因子Fisher判別函數(shù)系數(shù)表，該函數(shù)以判別函數(shù)值最大的一組進行歸類為中心思想，給出了碳酸鹽巖表層土壤、深層土壤、碎屑巖表層土壤3個線性分類函數(shù)的系數(shù)，從而構(gòu)成3種泥沙來源地的判別函數(shù)。

表4 泥沙來源地Fisher判別函數(shù)系數(shù)

把潛在泥沙來源地樣品值代入3個判別方程，即可對該樣品進行判斷。其中哪個潛在泥沙源地的Y值最大，該樣品判別分組就是其對應(yīng)的分組。下為判別函數(shù):

Y碎屑巖表層土壤=-5.379+0.042U+0.581Mn+

0.312AP+0.025χhf

Y碳酸鹽巖表層土壤=-14.245+0.061U+1.345Mn+

0.482AP+0.058χhf

Y深層土壤=-14.31+0.105U+0.797Mn+

0.484AP+0.027χhf

2.2.3 判別結(jié)果與分析 通過對勞動水庫洼地小流域所采集的泥沙來源地土壤樣品進行分類，初始分組中的樣本量進行預(yù)測分組，對比分析預(yù)測組和實際組之間的差異，從而得出不同分組樣本歸類判別正確率，若正確判別率高于70%，則具有較好判別效果[20]。當(dāng)有3種泥沙來源地的多元判別分析時，共有U，Mn，AP，χhf,4種單一指紋因子組成最佳指紋因子組合。同時，在這4種最佳因子組合下，3種來源地的預(yù)測組與實際組的判別結(jié)果如下。由表5復(fù)合指紋因子判別結(jié)果可知，碳酸鹽巖表層土壤、深層土壤和碎屑巖表層土壤3個初始分組，并建立了具有這3種分類的41個樣本總體。其中第一組碳酸鹽巖表層土壤共有樣本量19個，第二組深層土壤樣本量11個，第三組碎屑巖表層土壤樣本量11個。在SPSS分析過程中，泥沙來源地表層土壤的19個樣本量，共計有16個預(yù)測組的樣本量與實際組一致，即碳酸鹽巖表層土壤樣品有84.2%的正確判別率;深層土壤中11個樣本量，共計有8個預(yù)測組的樣本量與實際組一致，其中有1組誤判為碎屑巖表層土壤，2組誤判為碳酸鹽巖表層土壤，即深層土壤樣品有72.7%的正確判別率;在深層土壤的誤判率要高于其他源地，最主要的原因深層土壤是溝道、裂隙土，成土木質(zhì)跟碳酸鹽巖和碎屑巖有非常大的關(guān)聯(lián)性。而在碎屑巖表層土壤的分析過程中，11個樣本中有10個實現(xiàn)了正確分類，1組誤判為深層土壤，也就是說，碎屑巖土壤的正確判別率為90.9%?？傮w上而言，在U，Mn，AP，χhf4種指紋因子組合下，3種泥沙源地的正確判別率達82.6%。完全符合組合指紋法應(yīng)用的要求。因此這4種因子可以作為判別該區(qū)泥沙來源的最佳指紋因子組合。3種泥沙源地分類判別中，碳酸鹽巖表層土壤、深層土壤、碎屑巖表層土壤分別產(chǎn)生15.8%，27.3%，9.1%的錯誤判別率，這也完全符合組合指紋法應(yīng)用要求，錯誤判別率低于30%，因此U，Mn，AP，χhf4種因子可以作為判別該區(qū)泥沙來源的最佳指紋因子組合。

表5 泥沙來源地復(fù)合指紋因子判別結(jié)果 %

2.3 巖溶洼地小流域泥沙來源分析

根據(jù)最佳指紋組合在沉積泥沙樣品和泥沙來源地中的濃度，在符合公式(2—3)的條件下，使公式(1)最小時得到勞動水庫洼地的沉積泥沙，來自不同源地的侵蝕泥沙貢獻比。

由表6可以看出，3種泥沙來源地貢獻百分比均值分別為:碳酸鹽巖表層土壤(50.2%)、深層土壤(11.6%)、碎屑巖表層土壤(38.2%)。各潛在泥沙源地中表層土壤的泥沙貢獻率最高，碎屑巖表層土壤、深層土壤次之。其中碳酸鹽巖表層土壤的泥沙貢獻百分比是深層土壤的4.3倍、碎屑巖表層土壤的1.3倍，主要是因為碳酸鹽巖區(qū)中表層土壤占地面積較大，土層薄，植物根系不發(fā)達，地表裸露面積大，一旦降雨，極易產(chǎn)生徑流，土壤侵蝕極其嚴重。同時，由表可知，深層土壤的泥沙貢獻率是3種來源地最小的，主要是因為巖溶洼地裂隙的發(fā)育，一部分土壤通過地下裂隙漏失，最終到達洼地底部的土壤較少，并且由于洼地面積較小，降雨季節(jié)分配差異較大，溝道發(fā)育不完全，攜帶的泥沙流入洼地底部沉積較少，因此在3種潛在泥沙來源地中，深層土壤貢獻較少。碎屑巖表層土壤由于土層深厚，植被覆蓋率高，而植被有攔蓄水源的功能，因此碎屑巖表層土壤的泥沙貢獻率低于碳酸鹽巖的表層土壤。

表6 3種泥沙來源地泥沙貢獻百分比

2.4 可信度檢驗

為了驗證復(fù)合指紋識別技術(shù)探討泥沙來源結(jié)果的可靠性，可信度檢驗采用擬合優(yōu)度檢驗和相對平均誤差分析兩種計算方式來進行模型驗證。

(1) 擬合優(yōu)度檢驗主要是通過下式計算:

當(dāng)計算結(jié)果GOF>0.8時，即表明多元混合模型計算結(jié)果具有合理性。根據(jù)上式計算可得，巖溶洼地小流域的GOF值為0.83,GOF值均大于0.80。因此，該多元混合模型擬合是有效的。

(2) 相對平均誤差。相對平均誤差是按判定的泥沙貢獻率混合流域各源地土壤樣，充分混合均勻后，用最優(yōu)化混合模型計算出的單個洼地沉積泥沙樣中的元素濃度和實際樣品中的元素濃度相比的平均誤差。誤差小于20%，基本上可以判斷結(jié)果可信。表中3種來源地的誤差值為13.9%，其結(jié)果小于20%，因此認定結(jié)果是可信的。

表7 相對平均誤差統(tǒng)計

3 結(jié) 論

(1) 從38種因子中初步篩選出30種因子復(fù)合判別條件，通過多元逐步判別分析，基于Wilks ′Lambda最小化的基礎(chǔ)上，找到了最佳指紋因子組合，其中U，χhf，AP，Mn的累積判別率分別為63.4%，68.3%，73.2%，82.9%，總累積判別率高達82.9%，說明指紋法可用于巖溶洼地小流域泥沙來源研究。

(2) 利用多元混合模型得出泥沙來源地貢獻百分比均值分別為:碳酸鹽巖表層土壤(50.2%)、深層土壤(11.6%)、碎屑巖表層土壤(38.2%)，其中碳酸鹽巖表層土壤的泥沙貢獻百分比是深層土壤的4.3倍、碎屑巖表層土壤的1.3倍，且多元混合模型優(yōu)度擬合檢驗值為0.83，相對平均誤差13.9%，進一步說明巖溶洼地碳酸鹽巖地區(qū)土壤流失嚴重，遠高于碎屑巖表層土壤。

復(fù)合指紋法在巖溶洼地小流域的成功應(yīng)用，為研究巖溶洼地小流域水土流失過程提供了新的手段。但是本研究僅對典型沉積洼地進行研究，在今后的研究中，需進一步豐富研究類型，以期建立巖溶洼地小流域水土流失研究的理論體系。