亚博app

研究区地点位于重庆市西北部青木关岩溶槽谷区(图1),北纬29°37'37″—29°38'2″,东经106°16'8″—106°17'2″。研究区岩溶洼地是一个位于劳动村的封闭洼地,洼地内有一座水库,洼地泥沙沉积于水库内。劳动水库建于20世纪70年代,90年代开始荒废,水库停止开发,至今沉积有50 a左右。劳动水库长约276.17 m,宽约212.49 m,面积大约有0.033 km²,洼地面积约0.74 km²亚博app。青木关岩溶槽谷区属长江上游亚热带湿润季风气候区,四季分明,气候温和,降雨量充足,初夏多雨,常伏旱,秋多连绵阴雨,无霜期长等特点。多年平均气温为17.9℃,极端最高温度为42.2℃,极端最低温度为-3℃。根据气象局提供的55 a(1959—2013年)降雨资料统计,区域内多年平均降雨量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)。

zhongqingyanrongdiqudeshuituliushiwangwangbansuizhefeiyanrongdiqushuituliushi,genjuzhongqingshishuiwendizhifuheshidikaocha,yanjiuquneicunzailiangzhongbutongdedizhiyanxing,yanrongwadichenjinishazhuyaolaizilianggeqinshichanshaqujisuixieyanquhetansuanyanyanqu。

将劳动水库溶洼地内的土壤泥沙来源底地分为碳酸盐岩表层土壤(碳酸盐岩坡耕地、林地以及撂荒地)、深层土壤(沟道和裂隙)、碎屑岩表层土壤(林地和撂荒地),坡耕地和林地采取直线布设,以线控制面; 坡耕地、林地撂荒地土样采集时,首先利用不锈钢铲去掉表土层枯枝落叶,然后使用不锈钢铲轻轻采集2—5 cm厚土壤表层,放置于编织袋上,去除石块等大块杂质、混匀,四分法取1地装入样品袋,尽量避免破坏土壤的结构。深层土壤选取碳酸盐岩汇水区岩缝裂隙剖面裂隙土以及主要沟道沟壁。根据各源地面积比,研究地共取样41个,碳酸盐岩表层土壤19个,深层土壤11个,碎屑岩表层土壤11个(图2)。

采集样品去除枯枝落叶、作物根系及粗砾石,经过自然风干,人工磨细过2 mm干筛,样品进行分装标记备试。指纹因子间属性差异越大,最佳指纹因子组合之判别能力越强,实验室分析内容包括一系列不同理化属性的指标因子:指标包括TN,TP,AP,AK,SOM,χ_fd,χ_lf,χ_hf亚博app,χ,K,Na,Ca,Mg,Cu,Zn,Ba,Sr,Fe,Mn,Si,Al,Li,Be,Co,As,Rb,Ag,Cd,In,Cs,Tl,Pb,Bi,U,V,Cr,Ti,Ni。

tu1 yanjiuqudimaohediceng

tu2 caiyangdianfenbu

turangcihualvcaiyongbartingtonms2cihualvyiyiqiduiturangyangpinjinxingceshi,cihualvyidedipincihualv(0.47 khz)hegaopincihualv(4.7 khz)jinxingceshi,bingjisuanjieguo。turangyangfenyuansucedingzhibiaojicedingfangfazhuyaocankaozhongguonongyechubanshechubandezhengbizhaozhubiande《turangfenxijishuzhinan》。turangdiqiuyuansucaiyongicp-7700(dianganouhedenglizitiguangpuyi)chuli。

(1)指纹因子的筛识别与筛选。首先在实验室测定各潜在泥沙来源地土壤地球化学特性,并对已测定的指标在SPSS数据统计分析中进行Kruskal-Wallis H检验,从而评价各单一指纹因子是否有区别源地的能力^[16]。Kruskal-Wallis H检验是用于推断样本来自的多个独立总体分布是否存在显著差异,其检验前提是,零假设所有泥沙来自于同一个潜在泥沙来源地,若p<0.05,则组间呈现显著性差异,零假设被拒绝^[17],表明该因子可用于区别泥沙来源,从而依次逐步确定初选指纹因子。其次对初选因子在SPSS中进行多元逐步判别分析,在基于Wilks 'Lambda最小化的基础上,确定最佳指纹因子组合^[18]。

(2)岩溶洼地沉积泥沙来源分析。在确定最佳指纹组合因子后,利用多元混合模型定量计算各潜在泥沙来源地沉积泥沙贡献值^[19],计算得出不同泥沙源地的泥沙相对贡献率。多元混合模型函数表示:

式中:C_i是洼地泥沙指纹因子i的浓度; P_s是泥沙来源地s的泥沙贡献百分比; S_si亚博app是泥沙来源地中指纹识别因子i的平均浓度; m是泥沙来源地的数量; n是指纹识别因子的数量。在限制公式(2—3)的情况下使得公式(1)函数值为最小的情况下可得各泥沙源地对应的贡献百分比。

(3)jisuandechugeyuandinishagongxianbaifenbihou,liyongniheyoudu(gof)jianyan)defangfaduimoxingdezhunquexingjinxingjianyan。

将试验所测的指标包括TN,TP,AP,AK,SOM,χ_fd,χ_lf,χ_hf,χ,K,Na,Ca,Mg,Cu,Zn,Ba,Sr,Fe,Mn,Si,Al,Li,Be,Co,As,Rb,Ag,Cd,In,Cs,Tl,Pb,Bi,U,V,Cr,Ti,Ni按表层土壤、深层土壤、碎屑岩土壤3种泥沙来源地进行无参数Kruskal-Wallis H-test统计分析检验,检验结果见表1。

congshangmianyinzizhong,keyikanchuchu:co,rb,ti,na,si,al,som,tpduiyingdepzhidayuxianshishuiping0.05,qitayinzidepzhijunxiaoyu0.05,gujujueyinzilaizitongyinishalaiyuandideyuanjiashe,jizheixieyinzizaibutongnishalaiyuandijianjuyouxianzhuxingchayi。

2.2.1 最佳指纹因子的构建 首先对3种泥沙来源地中的30种显著差异性指纹因子进行组间均值的均等性检验,根据表2结果显示:显著性差异的因子在均值的均等检验中,除Bi,Ca,Mg,Ak的Sig值大于显著水平0.05,其他因子均小于0.05,共计26种指纹因子均等性检验Sig<0.05,其中Li,Ag,In,Cs,Tl,U,V,Cr,Ni,Cu,Zn,Fe,Mn,χ_hf,χ_ld,χ共16种因子Sig<0.010具体结果见表2。由此可知,3种泥沙来源地中,表层土壤、深层土壤、碎屑岩土壤Li,Be,As,Pb,Ag,Cd,In,Cs,Tl,U,V,Cr,Ni,Cu,Zn,K,Ba,Sr,Fe,Mn,TN,AP,χ_hf,χ_ld,χ,χ_fd亚博app等因子具有显著性差异特征,故说明这些显著性因子可以进行多元判别分析。

亚博appbiao1 nishalaiyuandizhiwenshibieyinzidekruskal-wallis h-test

亚博appbiao2 nishalaiyuandichushaiyinzizujunzhidejundengxingdejianyan

将Kruskal-Wallis检验中刷选出的不同泥沙来源地间具有显著性差异的指标,进入多元判别分析,找出最佳复合指纹组合,采用逐步多元判别分析法,其最终得到最佳因子结果见表3。

亚博appbiao3 nishalaiyuandizuijiazuhezhiwenyinzi

从表3可知:最终从这30种因子中筛选,找到了最佳因子组合,其中U,χ_hf,AP,Mn的累积判别率分别为63.4%,68.3%,73.2%,82.9%,总累积判别率高达82.9%,累积判别率大于80%,属于可接受范围。

2.2.2 判别函数的建立 表4是3种泥沙来源地逐步判别分析后的最佳指纹因子Fisher判别函数系数表,该函数以判别函数值最大的一组进行归类为中心思想,给出了碳酸盐岩表层土壤、深层土壤、碎屑岩表层土壤3个线性分类函数的系数,从而构成3种泥沙来源地的判别函数。

biao4 nishalaiyuandifisherpanbiehanshuxishu

亚博appbaqianzainishalaiyuandiyangpinzhidairu3gepanbiefangcheng,jikeduigaiyangpinjinxingpanduan。qizhongnageqianzainishayuandideyzhizuida,gaiyangpinpanbiefenzujiushiqiduiyingdefenzu。xiaweipanbiehanshu:

Y_{碎屑岩表层土壤}=-5.379+0.042U+0.581Mn+0.312AP+0.025χ_hf

Y_{碳酸盐岩表层土壤}=-14.245+0.061U+1.345Mn+0.482AP+0.058χ_hf

Y_深层土壤=-14.31+0.105U+0.797Mn+0.484AP+0.027χ_hf

2.2.3 判别结果与分析 通过对劳动水库洼地小流域所采集的泥沙来源地土壤样品进行分类,初始分组中的样本量进行预测分组,对比分析预测组和实际组之间的差异,从而得出不同分组样本归类判别正确率,若正确判别率高于70%,则具有较好判别效果^[20]。当有3种泥沙来源地的多元判别分析时,共有U,Mn,AP,χ_hf,4种单一指纹因子组成最佳指纹因子组合。同时,在这4种最佳因子组合下,3种来源地的预测组与实际组的判别结果如下。由表5复合指纹因子判别结果可知,碳酸盐岩表层土壤、深层土壤和碎屑岩表层土壤3个初始分组,并建立了具有这3种分类的41个样本总体。其中第一组碳酸盐岩表层土壤共有样本量19个,第二组深层土壤样本量11个,第三组碎屑岩表层土壤样本量11个。在SPSS分析过程中,泥沙来源地表层土壤的19个样本量,共计有16个预测组的样本量与实际组一致,即碳酸盐岩表层土壤样品有84.2%的正确判别率; 深层土壤中11个样本量,共计有8个预测组的样本量与实际组一致,其中有1组误判为碎屑岩表层土壤,2组误判为碳酸盐岩表层土壤,即深层土壤样品有72.7%的正确判别率; 在深层土壤的误判率要高于其他源地,最主要的原因深层土壤是沟道、裂隙土,成土木质跟碳酸盐岩和碎屑岩有非常大的关联性。而在碎屑岩表层土壤的分析过程中,11个样本中有10个实现了正确分类,1组误判为深层土壤,也就是说,碎屑岩土壤的正确判别率为90.9%。总体上而言,在U,Mn,AP,χ_hf4种指纹因子组合下,3种泥沙源地的正确判别率达82.6%。完全符合组合指纹法应用的要求。因此这4种因子可以作为判别该区泥沙来源的最佳指纹因子组合。3种泥沙源地分类判别中,碳酸盐岩表层土壤、深层土壤、碎屑岩表层土壤分别产生15.8%,27.3%,9.1%的错误判别率,这也完全符合组合指纹法应用要求,错误判别率低于30%,因此U,Mn,AP,χ_hf4种因子可以作为判别该区泥沙来源的最佳指纹因子组合。

亚博appbiao5 nishalaiyuandifuhezhiwenyinzipanbiejieguo%

亚博appgenjuzuijiazhiwenzuhezaichenjinishayangpinhenishalaiyuandizhongdenongdu,zaifuhegongshi(2—3)detiaojianxia,shigongshi(1)zuixiaoshidedaolaodongshuikuwadidechenjinisha,laizibutongyuandideqinshinishagongxianbi。

由表6亚博app可以看出,3种泥沙来源地贡献百分比均值分别为:碳酸盐岩表层土壤(50.2%)、深层土壤(11.6%)、碎屑岩表层土壤(38.2%)。各潜在泥沙源地中表层土壤的泥沙贡献率最高,碎屑岩表层土壤、深层土壤次之。其中碳酸盐岩表层土壤的泥沙贡献百分比是深层土壤的4.3倍、碎屑岩表层土壤的1.3倍,主要是因为碳酸盐岩区中表层土壤占地面积较大,土层薄,植物根系不发达,地表裸露面积大,一旦降雨,极易产生径流,土壤侵蚀极其严重。同时,由表可知,深层土壤的泥沙贡献率是3种来源地最小的,主要是因为岩溶洼地裂隙的发育,一部分土壤通过地下裂隙漏失,最终到达洼地底部的土壤较少,并且由于洼地面积较小,降雨季节分配差异较大,沟道发育不完全,携带的泥沙流入洼地底部沉积较少,因此在3种潜在泥沙来源地中,深层土壤贡献较少。碎屑岩表层土壤由于土层深厚,植被覆盖率高,而植被有拦蓄水源的功能,因此碎屑岩表层土壤的泥沙贡献率低于碳酸盐岩的表层土壤。

亚博appbiao6 3zhongnishalaiyuandinishagongxianbaifenbi

weileyanzhengfuhezhiwenshibiejishutantaonishalaiyuanjieguodekekaoxing,kexindujianyancaiyongniheyoudujianyanhexiangduipingjunwuchafenxiliangzhongjisuanfangshilaijinxingmoxingyanzheng。

(1)niheyoudujianyanzhuyaoshitongguoxiashijisuan:

亚博appdangjisuanjieguogof>0.8shi,jibiaomingduoyuanhunhemoxingjisuanjieguojuyouhelixing。genjushangshijisuankede,yanrongwadixiaoliuyudegofzhiwei0.83,gofzhijundayu0.80。yinci,gaiduoyuanhunhemoxingniheshiyouxiaode。

(2)xiangduipingjunwucha。xiangduipingjunwuchashianpandingdenishagongxianlvhunheliuyugeyuanditurangyang,chongfenhunhejunyunhou,yongzuiyouhuahunhemoxingjisuanchudedangewadichenjinishayangzhongdeyuansunongduheshijiyangpinzhongdeyuansunongduxiangbidepingjunwucha。wuchaxiaoyu20%,jibenshangkeyipanduanjieguokexin。biaozhong3zhonglaiyuandidewuchazhiwei13.9%,qijieguoxiaoyu20%,yincirendingjieguoshikexinde。

biao7 xiangduipingjunwuchatongji