复合指纹识别技术定量示踪流域泥沙来源_郭进
水质指纹技术锁定污染源头
水质指纹技术锁定污染源头作者：郑秀亮来源：《环境》2018年第10期由于很多企业建厂时间比较久，且排污管网埋在地下、管网走向情况复杂，所以企业偷排污水一直是环境监管的重点和难点。
不过，深圳近期运用水质指纹溯源技术开展环境监管执法，通过分析比对水质指纹，最快30分钟即可锁定排污“元凶”，为企业偷排废水行为戴上了“紧箍咒”。
据悉，自去年以来，深圳市、区环保部门运用该技术共溯源排查239家企业，协助查处28宗违法排污案件。
利用它开出1239万元的罚单“水质指纹溯源技术最先在茅洲河运用，主要是配合开展水环境污染来源排查行动，进一步精准打击违法排污企业。
”深圳市环境监测中心站副站长梁鸿表示，茅洲河流域企业分布密集，且由于企业历史管网信息缺失，污水总排口超标问题较为严重，成为监管的难点，“必须通过新技术示范应用，探索出有效监管企业偷排行为的新办法，为实现深圳市全面水安全打下坚实基础。
”所谓水质指纹溯源技术，是基于水体中有机物可发出荧光光谱原理，通过浓度与光强呈正相关指纹谱图比对，实现污染源排查。
“具体来说，水体中都有有机物，有机物的成分不同、浓度不同，经过荧光照射后水体发出的荧光光谱则不同，类似于人的指纹，具有唯一性。
”梁鸿介绍说，即使企业的工艺一样，排放出的废水的光谱也都不一样。
近日，记者在深圳市环境监测中心站见到了运用这一技术研发的高科技污染溯源“利器”——车载污染预警溯源仪。
该设备主机高1.3米，长、宽各0.5米，旁边一张桌子上摆放的一台显示器与其连接。
“目前全市共有两台污染预警溯源仪。
”梁鸿说：“这台车载仪器用于机动执法，另一台固定仪器目前安装在江碧工业区总排放口。
”水质指纹溯源技术的运用，也为深圳环保执法增添了一把利器。
2017年3月，深圳某工业园区污水干管上识别到有污水排放，溯源结果为某利鑫公司的污水，但该厂污水排口的水质是达标的。
“执法人员虽然初步判断是企业埋设暗管，但是开挖的风险比较大，因为如果判断错误，必须对企业进行赔偿，成本非常高。
基于Crystal Ball的泥沙来源指纹判别及不确定性评价
基于ＣｒｙｓｔａｌＢａｌｌ的泥沙来源指纹判别及不确定性评价史忠林１，陈佳村１，２，严冬春１，文安邦１，龙㊀翼１，吴㊀毅１（１．中国科学院／水利部成都山地灾害与环境研究所，四川成都６１００４１；２．中国科学院大学，北京１０００４９）［关键词］泥沙来源；指纹技术；ＣｒｙｓｔａｌＢａｌｌ；蒙特卡洛方法［摘㊀要］土壤固有的空间变异性及对侵蚀强度响应程度的不同，造成利用采集的少量样品中指纹因子的平均值或中位数来表征物源或泥沙时存在较大的不确定性，进而影响物源贡献判别结果的可靠性㊂已有的蒙特卡洛模拟算法通常基于较为复杂的计算机语言，对一般研究者来说具有一定的挑战性㊂介绍一种简便快捷的分析软件ＣｒｙｓｔａｌＢａｌｌ，并结合实例分析了其在流域泥沙来源判别中的应用㊂［中图分类号］Ｓ１５７．１㊀㊀［文献标识码］Ａ㊀㊀［文章编号］１０００－０９４１（２０１９）０７－００５５－０３㊀㊀流域泥沙来源的研究由来已久，方法众多㊂传统的研究方法主要有径流小区法㊁水沙资料分析法和大面积人工或遥感调查法等［１］㊂２０世纪７０年代以来，基于泥沙性质的指纹识别技术兴起并快速发展，目前已成为流域泥沙来源研究的热点技术之一㊂指纹技术的基本原理为利用某一种或一组在不同泥沙源地间具有显著差异的理化性质作为指示因子，建立源地物质与目标泥沙之间的对应关系，定量研究各源地对目标泥沙的相对贡献㊂指纹技术的发展大体经历了单因子识别与复合因子识别两个阶段㊂早期研究使用矿物性质㊁地质特征㊁磁性㊁颗粒颜色及植物孢粉等作为示踪因子㊂２０世纪９０年代以来，放射性核素１３７Ｃｓ㊁２１０Ｐｂ㊁７Ｂｅ等相继用于侵蚀泥沙示踪研究，指纹因子的种类不断丰富［２］㊂考虑到单因子在诊断多物源时固有的局限性，研究者开始尝试采用多因子组合代替单一指纹因子，复合指纹技术应运而生［３］㊂复合指纹法目前在国外研究较多且较为深入［４］，在国内则相对较少且以应用性探索为主，对技术本身的研究相对欠缺［５－７］㊂尽管复合指纹法历经了２０多年发展已取得重要进展，但人们在研究中逐渐认识到该技术的应用仍存在诸多不确定性，例如对潜在泥沙源地的预判㊁样品采集的代表性㊁指纹因子在源汇转化过程中的稳定性㊁物源与泥沙指纹因子间的可比性及混合模型的选择与优化等㊂早前的研究多利用经统计检验筛选得到的指纹因子的平均值或中位数来表征不同物源与目标泥沙的差异，然而土壤本身固有的空间变异性及对侵蚀强度响应程度的不同，造成利用采集的少量样品来代表某一物源或泥沙时存在较大的不确定性，这就极大地影响到物源贡献判别结果的可靠性㊂为此，近年来研究者尝试采用不同的分布函数（如正态分布［８］㊁ｔ分布［９］）来描述物源或泥沙中的指纹因子，然后通过蒙特卡洛随机抽样方法实现混合模型的优化求解和物源贡献结果的不确定性评价㊂已有的泥沙来源研究中，蒙特卡洛模拟运算主要通过Ｍａｔｌａｂ［１０］㊁Ｒ［１１］等软件平台进行，要求具有计算机基础，这对一般研究者来说具有一定挑战性㊂为此，本研究介绍一种简便快捷的分析软件ＣｒｙｓｔａｌＢａｌｌ（Ｖ．１１．１），并结合实例分析其在流域泥沙来源判别中的应用㊂１㊀蒙特卡洛方法及ＣｒｙｓｔａｌＢａｌｌ概述蒙特卡洛方法是一种以概率统计为理论基础的随机抽样模拟方法，通过估计不确定变量的概率分布，多次抽样模拟试验得到结果变量的概率分布，从而进行风险评价及敏感度分析㊂假定函数Ｙ＝ｆ（ｘ１，ｘ２， ，ｘｎ），其中ｘ１，ｘ２， ，ｘｎ为随机变量，其概率分布已知㊂通过重复抽样取出每一组随机变量的值（ｘ１，ｘ２， ，ｘｎ），然后按函数关系式确定函数值Ｙ＝ｆ（ｘ１，ｘ２， ，ｘｎ）㊂反复独立抽样若干次，可得到函数Ｙ的一批抽样数据Ｙ１，Ｙ２， ，Ｙｋ，当达到合理的模拟次数时，样本特征可以近似反映总体的特征㊂若误差在可接受范围内，这时可以得出与实际情况相近的函数Ｙ的概率分布及其数字特征［１２］㊂ＣｒｙｓｔａｌＢａｌｌ中文名为水晶球，是美国Ｏｒａｃｌｅ公司㊃５５㊃中国水土保持ＳＷＣＣ㊀２０１９年第７期基于Ｗｉｎｄｏｗｓ平台开发的一款商业分析和评估软件，广泛应用于工程投资和公共安全等领域㊂ＣｒｙｓｔａｌＢａｌｌ是加载在Ｅｘｃｅｌ电子表格上的第三方程序，其界面友好，操作简便，分析结果以图表和报告的形式呈现，直观易懂㊂用户可以通过定义假设变量的概率分布，用计算机产生的随机数进行多次模拟计算，获得满足约束条件下决策变量的一组解㊂２㊀泥沙来源指纹判别分析案例采集云南省元谋县凉山乡某小流域农耕地㊁林地㊁沟岸等三种潜在泥沙源地的土壤样品和流域出口处泥沙样品，测定样品理化性质，运用复合指纹技术分析各物源对流域出口处泥沙的相对贡献率㊂测试指标经范围检验㊁Ｋｒｕｓｋａｌ－ＷａｌｌｉｓＨ检验和多元判别分析后，确定Ｓ㊁Ｒｂ㊁Ｕ㊁Ｙ四种元素构成最佳指纹组合，统计结果见表１㊂表１㊀物源和泥沙中指纹因子测值统计结果物源和泥沙指标指纹因子Ｓ／（ｇ㊃ｋｇ－１）Ｒｂ／（ｍｇ㊃ｋｇ－１）Ｕ／（ｍｇ㊃ｋｇ－１）Ｙ／（ｍｇ㊃ｋｇ－１）农耕地均值０．２２５５．７４２．７７１０．９３标准差０．０９３２．９００．４９８．３８林地均值０．３４６８．７０２．０８１１．９２标准差０．０７９．８００．４８４．９６沟岸均值０．０９９９．３３２．８０２１．５７标准差０．０８１０．５４０．４８３．８８泥沙均值０．１６７０．９４２．１４１６．３３标准差０．１２１５．３４０．２８３．３３２．１㊀混合模型利用多元混合模型定量计算各源地泥沙贡献百分比，模型结构［３］为Ｒｅｓ＝ðｎｉ＝１Ｃｓｓｉ－ðｍｓ＝１ＣｓｉＰｓＣｓｓｉæèççöø÷÷２式中：Ｒｅｓ为残差平方和；Ｃｓｓｉ为流域出口处泥沙中指纹因子ｉ的浓度；Ｃｓｉ为泥沙源地ｓ中指纹因子ｉ的浓度；Ｐｓ为泥沙源地ｓ的泥沙贡献百分比；ｍ为泥沙源地数量，ｍ＝３；ｎ为指纹因子的数量，ｎ＝４㊂模型应用需满足两个基本前提，即各源地泥沙贡献率Ｐｓ非负且总和为１㊂２．２㊀变量定义ＣｒｙｓｔａｌＢａｌｌ软件中需要用户定义的变量有三个，即假设变量㊁决策变量和预测变量㊂假设变量是Ｃｒｙｓ⁃ｔａｌＢａｌｌ中基本的输入量，可以是单一的数值，也可以是服从某一分布的不确定变量㊂本例中假设变量为目标泥沙中指纹因子的浓度Ｃｓｓｉ和各源地指纹因子的浓度Ｃｓｉ㊂ＣｒｙｓｔａｌＢａｌｌ１１．１分布库中提供了正态分布㊁三角形分布㊁均匀分布等２１种预先设定的分布类型和一种自定义分布，用户可根据需要自行选择，也可根据实测值进行拟合㊂但用实测值拟合时，要求实测值的数量至少为１５个㊂本例假设目标泥沙和源地土壤中各指纹因子浓度均服从正态分布，用均值和标准差依次定义各指纹因子的分布函数，并将其下限设置为０［１３］㊂决策变量为每个潜在物源的泥沙贡献百分比（Ｐｓ），依次定义Ｐ１㊁Ｐ２㊁Ｐ３，将其下限和上限分别设为０和１，变量类型设置为连续型㊂在完成假设变量和决策变量定义后，需要定义预测变量㊂预测变量单元格为包含一个或多个假设变量和决策变量单元格的公式㊂本例中预测变量为各指纹因子浓度的残差平方和，根据混合模型的公式编辑单元格㊂在运行模拟时，预测单元格会自动关联模型中的各个单元格并计算生成最终结果㊂２．３㊀模型运行点击运行ＣｒｙｓｔａｌＢａｌｌ软件中的ＯｐｔＱｕｅｓｔ优化求解器㊂由于混合模型的求解要求参与运算的所有指纹因子浓度残差平方和最小，因此将 目标 设置为最小化预测单元格的最终值㊂同时，在 约束 选项中将决策变量之和指定为１㊂优化求解时，需要对模拟参数进行设置，主要包括试验次数和抽样方法等㊂软件中随机数抽样方法有蒙特卡洛抽样和拉丁超立方抽样两种，其中前者所产生的随机数之间相互独立，而后者把假设变量的概率分布分成几个等概率区间，区间数量可根据需要设定，模拟试验时将为每个区间产生不同系列的随机数［１４］㊂本例中将模拟次数设为１０００次，抽样方法采用蒙特卡洛随机抽样㊂２．４㊀优化求解结果与不确定性分析将混合模型模拟运算１０００次后，统计各物源泥沙贡献率的频率分布，见图１㊂由图１可知，三种物源的泥沙贡献频率呈尖峰分布，集中趋势显著，表明模型计算结果的不确定性较小㊂指纹因子浓度的残差平方和（预测变量）与各物源对目标泥沙的相对贡献百分比（决策变量）统计结果列于表２㊂三种源地中，沟岸对流域出口处泥沙的贡献率最大，达到７８．３％ʃ１７．１％；其次为农耕地，为１７．１％ʃ１１．６％；林地的贡献率最小，仅为４．６％ʃ１６．１％㊂据调查，泥沙来源判别结果符合该流域实际情况㊂㊃６５㊃中国水土保持ＳＷＣＣ㊀２０１９年第７期图１㊀物源泥沙贡献率频率分布表２㊀模拟运算结果统计指标最小值最大值平均值标准差最优解残差平方和０．０９１．４４０．１４０．２００．０９农耕地贡献率（％）０１００１７．１１１．６１７．２林地贡献率（％）０１００４．６１６．１０．０沟岸贡献率（％）０１００７８．３１７．１８２．８３㊀结㊀论运用ＣｒｙｓｔａｌＢａｌｌ软件的优化求解功能，结合蒙特卡洛模拟，成功实现了某流域泥沙来源及其相对贡献率的定量判别，模型运算结果与流域实际情况吻合㊂ＣｒｙｓｔａｌＢａｌｌ通过对指纹因子的分布拟合，极大地降低了指纹因子单一取值带来的模型求解结果的不确定性㊂同时，模型输出结果给出了不同物源对流域泥沙贡献率的平均值和标准差，相比传统的Ｅｘｃｅｌ规划求解只给出唯一解而言，提高了判别结果的科学性和合理性㊂此外，ＣｒｙｓｔａｌＢａｌｌ操作简便，不需要复杂的计算机语言，具有较强的实用性，未来将在流域泥沙来源研究中得到更广泛的应用［１５］㊂［参考文献］［１］徐龙江，杨明义，刘普灵，等．指纹识别技术在泥沙来源研究中的应用进展［Ｊ］．水土保持学报，２００７，２１（６）：１９７－２００．［２］ＷＡＬＬＩＮＧＤＥ．Ｔｈｅｅｖｏｌｕｔｉｏｎｏｆｓｅｄｉｍｅｎｔｓｏｕｒｃｅｆｉｎｇｅｒｐｒｉｎｔｉｎｇｉｎｖｅｓｔｉｇａｔｉｏｎｓｉｎｆｌｕｖｉａｌｓｙｓｔｅｍｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｏｉｌｓａｎｄＳｅｄｉ⁃ｍｅｎｔｓ，２０１３，１３（１０）：１６５８－１６７５．［３］ＣＯＬＬＩＮＳＡＬ，ＷＡＬＬＩＮＧＤＥ，ＬＥＥＫＳＧＪＬ．Ｓｏｕｒｃｅｔｙｐｅａｓ⁃ｃｒｉｐｔｉｏｎｆｏｒｆｌｕｖｉａｌｓｕｓｐｅｎｄｅｄｓｅｄｉｍｅｎｔｂａｓｅｄｏｎａｑｕａｎｔｉｔａｔｉｖｅｃｏｍｐｏｓｉｔｅｆｉｎｇｅｒｐｒｉｎｔｉｎｇｔｅｃｈｎｉｑｕｅ［Ｊ］．Ｃａｔｅｎａ，１９９７，２９（１）：１－２７．［４］ＣＯＬＬＩＮＳＡＬ，ＰＵＬＬＥＹＳ，ＦＯＳＥＲＩＤＬ，ｅｔａｌ．Ｓｅｄｉｍｅｎｔｓｏｕｒｃｅｆｉｎｇｅｒｐｒｉｎｔｉｎｇａｓａｎａｉｄｔｏｃａｔｃｈｍｅｎｔｍａｎａｇｅｍｅｎｔ：Ａｒｅｖｉｅｗｏｆｔｈｅｃｕｒｒｅｎｔｓｔａｔｅｏｆｋｎｏｗｌｅｄｇｅａｎｄａｍｅｔｈｏｄｏｌｏｇｉｃａｌｄｅｃｉｓｉｏｎ⁃ｔｒｅｅｆｏｒｅｎｄ⁃ｕｓｅｒｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＭａｎ⁃ａｇｅｍｅｎｔ，２０１７，１９４：８６－１０８．［５］杨明义，徐龙江．黄土高原小流域泥沙来源的复合指纹识别法分析［Ｊ］．水土保持学报，２０１０，２４（２）：３０－３４．［６］ＺＨＯＵＨＰ，ＣＨＡＮＧＷＮ，ＺＨＡＮＧＬＪ．Ｓｅｄｉｍｅｎｔｓｏｕｒｃｅｓｉｎａｓｍａｌｌａｇｒｉｃｕｌｔｕｒａｌｃａｔｃｈｍｅｎｔ：ａｃｏｍｐｏｓｉｔｅｆｉｎｇｅｒｐｒｉｎｔｉｎｇａｐ⁃ｐｒｏａｃｈｂａｓｅｄｏｎｔｈｅｓｅｌｅｃｔｉｏｎｏｆｐｏｔｅｎｔｉａｌｓｏｕｒｃｅｓ［Ｊ］．Ｇｅｏｍｏｒ⁃ｐｈｏｌｏｇｙ，２０１６，２６６：１１－１９．［７］ＣＨＥＮＦＸ，ＺＨＡＮＧＦＢ，ＦＡＮＧＮＦ，ｅｔａｌ．Ｓｅｄｉｍｅｎｔｓｏｕｒｃｅａ⁃ｎａｌｙｓｉｓｕｓｉｎｇｔｈｅｆｉｎｇｅｒｐｒｉｎｔｉｎｇｍｅｔｈｏｄｉｎａｓｍａｌｌｃａｔｃｈｍｅｎｔｏｆｔｈｅＬｏｅｓｓＰｌａｔｅａｕ，Ｃｈｉｎａ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｏｉｌｓａｎｄＳｅｄｉｍｅｎｔｓ，２０１６，１６（５）：１６５５－１６６９．［８］ＣＯＬＬＩＮＳＡＬ，ＷＡＬＬＩＮＧＤＥ．Ｓｏｕｒｃｅｓｏｆｆｉｎｅｓｅｄｉｍｅｎｔｒｅｃｏｖ⁃ｅｒｅｄｆｒｏｍｔｈｅｃｈａｎｎｅｌｂｅｄｏｆｌｏｗｌａｎｄｇｒｏｕｎｄｗａｔｅｒ⁃ｆｅｄｃａｔｃｈ⁃ｍｅｎｔｓｉｎｔｈｅＵＫ［Ｊ］．Ｇｅｏｍｏｒｐｈｏｌｏｇｙ，２００７，８８：１２０－１３８．［９］ＳＭＩＴＨＨＧ，ＢＬＡＫＥＷＨ．Ｓｅｄｉｍｅｎｔｆｉｎｇｅｒｐｒｉｎｔｉｎｇｉｎａｇｒｉｃｕｌ⁃ｔｕｒａｌｃａｔｃｈｍｅｎｔｓ：Ａｃｒｉｔｉｃａｌｒｅ⁃ｅｘａｍｉｎａｔｉｏｎｏｆｓｏｕｒｃｅｄｉｓｃｒｉｍｉ⁃ｎａｔｉｏｎａｎｄｄａｔａｃｏｒｒｅｃｔｉｏｎｓ［Ｊ］．Ｇｅｏｍｏｒｐｈｏｌｏｇｙ，２０１４，２０４：１７７－１９１．［１０］ＴＩＥＣＨＥＲＴ，ＭＩＮＥＬＬＡＪＰＧ，ＥＶＲＡＲＤＯ，ｅｔａｌ．Ｆｉｎｇｅｒｐｒｉｎｔ⁃ｉｎｇｓｅｄｉｍｅｎｔｓｏｕｒｃｅｓｉｎａｌａｒｇｅａｇｒｉｃｕｌｔｕｒａｌｃａｔｃｈｍｅｎｔｕｎｄｅｒｎｏ⁃ｔｉｌｌａｇｅｉｎＳｏｕｔｈｅｒｎＢｒａｚｉｌ（ＣｏｎｃｅｉｃａｏＲｉｖｅｒ）［Ｊ］．ＬａｎｄＤｅｇｒａｄａｔｉｏｎａｎｄＤｅｖｅｌｏｐｍｅｎｔ，２０１８，２９（４）：９３９－９５１．［１１］ＧＡＳＰＡＲＬ，ＢＬＡＫＥＷＨ，ＳＭＩＴＨＨＧ，ｅｔａｌ．Ｔｅｓｔｉｎｇｔｈｅｓｅｎ⁃ｓｉｔｉｖｉｔｙｏｆａｍｕｌｔｉｖａｒｉａｔｅｍｉｘｉｎｇｍｏｄｅｌｕｓｉｎｇｇｅｏｃｈｅｍｉｃａｌｆｉｎ⁃ｇｅｒｐｒｉｎｔｓｗｉｔｈａｒｔｉｆｉｃｉａｌｍｉｘｔｕｒｅｓ［Ｊ］．Ｇｅｏｄｅｒｍａ，２０１９，３３７：４９８－５１０．［１２］张静平，王亚莉，关春晓．基于ｃｒｙｓｔａｌｂａｌｌ的低渗致密气藏开发经济风险评价［Ｊ］．石油化工应用，２０１６，３５（９）：５－８．［１３］ＬＡＣＥＢＹＪＰ，ＭＣＭＡＨＯＮＪ，ＥＶＡＲＤＯ，ｅｔａｌ．Ａｃｏｍｐａｒｉｓｏｎｏｆｇｅｏｌｏｇｉｃａｌａｎｄｓｔａｔｉｓｔｉｃａｌａｐｐｒｏａｃｈｅｓｔｏｅｌｅｍｅｎｔｓｅｌｅｃｔｉｏｎｆｏｒｓｅｄｉｍｅｎｔｆｉｎｇｅｒｐｒｉｎｔｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｏｉｌｓａｎｄＳｅｄｉ⁃ｍｅｎｔｓ，２０１５，１５（１０）：２１１７－２１３１．［１４］葛丽萍，鄂英杰．运用ＣｒｙｓｔａｌＢａｌｌ＆ＭＳＰｒｏｊｅｃｔ实现项目进度的蒙特卡洛风险分析［Ｊ］．电脑编程技巧与维护，２０１３（８）：４－５，７．［１５］ＬＡＣＥＢＹＪＰ，ＯＬＬＥＹＪ．Ａｎｅｘａｍｉｎａｔｉｏｎｏｆｇｅｏｃｈｅｍｉｃａｌｍｏｄ⁃ｅｌｌｉｎｇａｐｐｒｏａｃｈｅｓｔｏｔｒａｃｉｎｇｓｅｄｉｍｅｎｔｓｏｕｒｃｅｓｉｎｃｏｒｐｏｒａｔｉｎｇｄｉｓｔｒｉｂｕｔｉｏｎｍｉｘｉｎｇａｎｄｅｌｅｍｅｎｔａｌｃｏｒｒｅｌａｔｉｏｎｓ［Ｊ］．Ｈｙｄｒｏｌｏｇｉ⁃ｃａｌＰｒｏｃｅｓｓｅｓ，２０１５，２９（６）：１６６９－１６８５．［作者简介］史忠林（１９８４ ），男，山西柳林县人，助理研究员，博士，主要从事侵蚀泥沙示踪研究㊂［收稿日期］２０１８－１２－１５（责任编辑㊀李杨杨）㊃７５㊃史忠林等：基于ＣｒｙｓｔａｌＢａｌｌ的泥沙来源指纹判别及不确定性评价ＳＯＩＬＡＮＤＷＡＴＥＲＣＯＮＳＥＲＶＡＴＩＯＮＩＮＣＨＩＮＡＮｏ．７（４４８）２０１９ＡｂｓｔｒａｃｔｓＳｏｉｌＮｕｔｒｉｅｎｔＣｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＡｒｔｉｆｉｃｉａｌＣａｒａｇａｎａｋｏｒｓｈｉｎｓｋｉｉｉｎＧｕｌｌｉｅｄＲｏｌｌｉｎｇＬｏｅｓｓＡｒｅａ㊀ＸＵＥＲｕｉ，ＣＨＡＩＣｈｕｎｓｈａｎ，ＭＡＣｈｉ，ｅｔａｌ．（ＧａｎｓｕＡｃａｄｅｍｙｏｆＦｏｒｅｓｔｒｙＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｌａｎｚｈｏｕ，Ｇａｎｓｕ７３００２０，Ｃｈｉｎａ）（４９）ＩｎｏｒｄｅｒｔｏｐｒｏｍｏｔｅｔｈｅｒｅｎｅｗａｌｏｆａｒｔｉｆｉｃｉａｌＣａｒａｇａｎａｋｏｒｓｈｉｎｓｋｉｉｃｏｍｍｕｎｉｔｙｉｎｔｈｅｇｕｌｌｉｅｄｒｏｌｌｉｎｇｌｏｅｓｓａｒｅａ，ｔｈｅｐａｐｅｒｔｏｏｋｔｈｅａｒｔｉｆｉｃｉａｌＣａｒａｇａｎａｋｏｒｓｈｉｎｓｋｉｉｃｏｍｍｕｎｉｔｙｉｎＬｏｎｇｔａｎｗａｔｅｒｓｈｅｄｉｎＣｈａｎｋｏｕＴｏｗｎｏｆＤｉｎｇｘｉＣｉｔｙａｓａｓｔｕｄｉｅｄａｒｅａ，ｍｅａｓｕｒｅｄａｎｄａｎａｌｙｚｅｄ８ｓｏｉｌｎｕｔｒｉ⁃ｅｎｔｓ（ｐＨｖａｌｕｅ，ｏｒｇａｎｉｃｍａｔｔｅｒ，ｔｏｔａｌｎｉｔｒｏｇｅｎ，ｔｏｔａｌｐｈｏｓｐｈｏｒｕｓ，ｔｏｔａｌｐｏｔａｓｓｉｕｍ，ａｌｋａｌｉｎｅｈｙｄｒｏｌｙｓｉｓｎｉｔｒｏｇｅｎ，ａｖａｉｌａｂｌｅｐｈｏｓｐｈｏｒｕｓａｎｄａ⁃ｖａｉｌａｂｌｅｐｏｔａｓｓｉｕｍ）ｏｆ３ｓｏｉｌｄｅｐｔｈｓ（０－２０，２０－４０ａｎｄ４０－６０ｃｍ）ｕｎｄｅｒｔｈｅｃｏｎｄｉｔｉｏｎｓｏｆ５ｋｉｎｄｓｏｆｓｔｕｂｂｌｅｔｒｅａｔｍｅｎｔｓ（ｔｏｔａｌｓｔｕｍｐｉｎｇ，ｓｔｕｂｂｌｅｏｆｅｖｅｒｙｏｔｈｅｒｐｌａｎｔ，ｓｔｕｂｂｌｅｏｆｅｖｅｒｙｏｔｈｅｒｒｏｗ，ｓｔｕｂｂｌｅｏｆｅｖｅｒｙｏｔｈｅｒｐｌａｎｔａｎｄｒｏｗａｎｄｎｏｓｔｕｂｂｌｅ）．Ｔｈｅｏｕｔｃｏｍｅｓｓｈｏｗｔｈａｔａ）ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｓｔｕｂｂｌｅｔｏｔｈｅｎｕｔｒｉｅｎｔｃｏｎｔｅｎｔｉｓｎｏｔｏｂｖｉｏｕｓａｎｄｔｈｅｄｉｆｆｅｒｅｎｃｅｏｆｎｕｔｒｉｅｎｔｃｏｎｔｅｎｔｕｎｄｅｒｔｈｅｃｏｎｄｉｔｉｏｎｓｏｆｄｉｆｆｅｒｅｎｔｓｔｕｂｂｌｅｔｒｅａｔ⁃ｍｅｎｔｓｉｓｎｏｔｒｅｍａｒｋａｂｌｅａｎｄ；ｂ）ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｓｏｉｌｄｅｐｔｈｔｏｔｈｅｓｏｉｌｎｕｔｒｉｅｎｔｉｓｏｂｖｉｏｕｓ，ｔｈｅｄｉｆｆｅｒｅｎｃｅｏｆｎｕｔｒｉｅｎｔｃｏｎｔｅｎｔｕｎｄｅｒｔｈｅｃｏｎｄｉ⁃ｔｉｏｎｓｏｆｄｉｆｆｅｒｅｎｔｓｏｉｌｌａｙｅｒｓｉｓｒｅｍａｒｋａｂｌｅ，ｅｓｐｅｃｉａｌｌｙｔｈｅｃｏｎｔｅｎｔｓｏｆｏｒｇａｎｉｃｍａｔｔｅｒ，ｔｏｔａｌｎｉｔｒｏｇｅｎａｎｄａｌｋａｌｉｎｅｈｙｄｒｏｌｙｓｉｓｎｉｔｒｏｇｅｎａｎｄｔｈｅｓｏｉｌｎｕｔｒｉｅｎｔｃｏｎｔｅｎｔｓｈｏｗｓａｔｒｅｎｄｏｆｄｅｃｒｅａｓｅａｌｏｎｇｗｉｔｈｔｈｅｉｎｃｒｅａｓｅｏｆｓｏｉｌｄｅｐｔｈａｎｄｎｕｔｒｉｅｎｔｓｓｈｏｗａｃｅｒｔａｉｎｓｕｒｆａｃｅａｇｇｒｅｇａｔｉｏｎｅｆｆｅｃｔ．Ｋｅｙｗｏｒｄｓ：ａｒｔｉｆｉｃｉａｌＣａｒａｇａｎａｋｏｒｓｈｉｎｓｋｉｉｆｏｒｅｓｔ；ｓｏｉｌｎｕｔｒｉｅｎｔｓ；ｃｈａｒａｃｔｅｒｉｓｔｉｃ；ｇｕｌｌｉｅｄｒｏｌｌｉｎｇｌｏｅｓｓａｒｅａＳｅｄｉｍｅｎｔ⁃ＩｎｄｕｃｅｄＲａｉｎｆａｌｌＩｎｔｅｎｓｉｔｙｕｎｄｅｒｔｈｅＩｎｆｌｕｅｎｃｅｏｆＦｏｒｅｓｔａｎｄＧｒａｓｓａｎｄ ＨｙｄｒｏｌｏｇｉｃａｌＭｅｔｈｏｄ ＭｏｄｅｌＩｍｐｒｏｖｅｍｅｎｔＬＩＸｉａｏｙｕ１，ＬＩＺｈｕｏ２，ＸＵＳｈｉｆｅｎｇ２（１．Ｈｅ ｎａｎＨｙｄｒｏｌｏｇｙａｎｄＷａｔｅｒＲｅｓｏｕｒｃｅｓＢｕｒｅａｕ，ＹｅｌｌｏｗＲｉｖｅｒＣｏｎｓｅｒｖａｎｃｙＣｏｍｍｉｓｓｉｏｎ，Ｚｈｅｎｇｚｈｏｕ，Ｈｅ ｎａｎ４５０００３，Ｃｈｉｎａ；２．ＨｙｄｒｏｌｏｇｙＢｕｒｅａｕ，ＹｅｌｌｏｗＲｉｖｅｒＣｏｎｓｅｒｖａｎｃｙＣｏｍｍｉｓｓｉｏｎ，Ｚｈｅｎｇｚｈｏｕ，Ｈｅ ｎａｎ４５０００４，Ｃｈｉｎａ）（５２）Ｂａｓｅｄｏｎｔｈｅｂａｓｉｃｐｒｉｎｃｉｐｌｅｏｆ ｈｙｄｒｏｌｏｇｉｃａｌｍｅｔｈｏｄ ａｎｄｔｈｅｐｈｙｓｉｃａｌｍｅｃｈａｎｉｓｍｏｆｓｅｄｉｍｅｎｔｙｉｅｌｄｉｎｔｈｅＬｏｅｓｓＰｌａｔｅａｕ，ｔｈｅｐａｐｅｒｄｅ⁃ｆｉｎｅｄｔｈｅｓｅｄｉｍｅｎｔ⁃ｉｎｄｕｃｅｄｒａｉｎｆａｌｌｉｎｔｅｎｓｉｔｙａｎｄｅｆｆｅｃｔｉｖｅｓｅｄｉｍｅｎｔｙｉｅｌｄｒａｉｎｆａｌｌ．ＴａｋｉｎｇｔｙｐｉｃａｌｔｒｉｂｕｔａｒｉｅｓｉｎｔｈｅｇｕｌｌｉｅｄｒｏｌｌｉｎｇｌｏｅｓｓａｒｅａｏｆｔｈｅｌｏｅｓｓｐｌａｔｅａｕｉｎｔｈｅＹｅｌｌｏｗＲｉｖｅｒｂａｓｉｎａｓｓｔｕｄｉｅｄｓｃｏｐｅ，ｉｔｄｉｓｃｒｉｍｉｎａｔｅｄｔｈｅｉｎｄｅｘｅｓｏｆｓｅｄｉｍｅｎｔ⁃ｉｎｄｕｃｅｄｒａｉｎｆａｌｌｉｎｔｅｎｓｉｔｙｕｎｄｅｒｄｉｆｆｅｒｅｎｔｆｏｒｅｓｔａｎｄｇｒａｓｓｃｏｖｅｒａｇｅｒａｔｅｓｉｎｔｈｅｎａｔｕｒａｌｐｅｒｉｏｄｏｆｅａｃｈｔｒｉｂｕｔａｒｙａｎｄｅｓｔａｂｌｉｓｈｅｄｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｃｕｒｖｅｂｅｔｗｅｅｎｆｏｒｅｓｔａｎｄｇｒａｓｓｃｏｖｅｒａｇｅｒａｔｅａｎｄｓｅｄｉｍｅｎｔ⁃ｉｎｄｕｃｅｄｒａｉｎｆａｌｌｉｎｔｅｎｓｉｔｙ．Ｔｈｅｏｕｔｃｏｍｅｓｓｈｏｗｔｈａｔａ）ｉｔｈａｓａｇｏｏｄｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｓｅｄｉｍｅｎｔ⁃ｉｎｄｕｃｅｄｒａｉｎｆａｌｌｉｎｔｅｎｓｉｔｙａｎｄｆｏｒｅｓｔａｎｄｇｒａｓｓｃｏｖｅｒａｇｅｒａｔｅｗｈｅｎｔｈｅｆｏｒｅｓｔａｎｄｇｒａｓｓｃｏｖｅｒａｇｅｒａｔｅｉｓｌｅｓｓｔｈａｎ４０％ａｎｄ；ｂ）ｗｈｅｎｔｈｅｆｏｒｅｓｔａｎｄｇｒａｓｓｃｏｖｅｒａｇｅｒａｔｅｉｓｇｒｅａｔｅｒｔｈａｎ４０％，ｔｈｅｖａｒｉａｔｉｏｎｏｆｓｅｄｉｍｅｎｔ⁃ｉｎｄｕｃｅｄｒａｉｎｆａｌｌｉｎｔｅｎｓｉｔｙｉｓｉｎｓｅｎｓｉｔｉｖｅｔｏｔｈｅｆｏｒｅｓｔａｎｄｇｒａｓｓａｎｄｔｅｎｄｓｔｏｂｅｓｔａｂｌｅ．Ｔａｋｉｎｇｔｈｅｅｆｆｅｃｔｉｖｅｓｅｄｉｍｅｎｔｙｉｅｌｄｒａｉｎｆａｌｌｃａｕｓｅｄｂｙｓｅｄｉｍｅｎｔ⁃ｉｎｄｕｃｅｄｒａｉｎｆａｌｌｉｎｔｅｎｓｉｔｙａｓａｒａｉｎｆａｌｌｆａｃｔｏｒｉｎｔｏｈｙｄｒｏｌｏｇｉｃａｌｍｅｔｈｏｄｍｏｄｅｌｃａｎｍａｋｅｔｈｅｐｈｙｓｉｃａｌｍｅａｎｉｎｇｏｆｔｈｅｉｍｐｒｏｖｅｄｍｏｄｅｌｍｏｒｅｃｌｅａｒａｎｄｆｕｒｔｈｅｒｉｎｃｒｅａｓｅｔｈｅｆｉｔｔｉｎｇａｃｃｕｒａｃｙ．Ｋｅｙｗｏｒｄｓ：ＹｅｌｌｏｗＲｉｖｅｒＢａｓｉｎ；ｓｅｄｉｍｅｎｔ⁃ｉｎｄｕｃｅｄｒａｉｎｆａｌｌｉｎｔｅｎｓｉｔｙ；ｆｏｒｅｓｔａｎｄｇｒａｓｓｃｏｖｅｒａｇｅｒａｔｅ；ｈｙｄｒｏｌｏｇｉｃａｌｍｅｔｈｏｄ；ｇｕｌｌｉｅｄｒｏｌｌｉｎｇｌｏ⁃ｅｓｓａｒｅａＥｖａｌｕａｔｉｏｎｏｎｔｈｅＦｉｎｇｅｒｐｒｉｎｔＩｄｅｎｔｉｆｙｉｎｇｏｆＳｅｄｉｍｅｎｔＳｏｕｒｃｅＢａｓｅｄｏｎＣｒｙｓｔａｌＢａｌｌａｎｄＩｔｓＵｎｃｅｒｔａｉｎｔｙ㊀ＳＨＩＺｈｏｎｇｌｉｎ１，ＣＨＥＮＪｉａｃｕｎ１，２，ＹＡＮＤｏｎｇｃｈｕｎ１，ｅｔａｌ．（１．ＩｎｓｔｉｔｕｔｅｏｆＭｏｕｎｔａｉｎＨａｚａｒｄｓａｎｄＥｎｖｉｒｏｎｍｅｎｔ，ＣＡＳ／ＭＷＲ，Ｃｈｅｎｇｄｕ，Ｓｉｃｈｕａｎ６１００４１，Ｃｈｉｎａ；２．ＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００４９，Ｃｈｉｎａ）（５５）Ｄｕｅｔｏｔｈｅｓｏｉｌｉｎｔｒｉｎｓｉｃｓｐａｔｉａｌｖａｒｉａｂｉｌｉｔｙａｎｄｔｈｅｄｉｆｆｅｒｅｎｃｅｏｆｒｅｓｐｏｎｓｅｓｔｏｅｒｏｓｉｏｎｉｎｔｅｎｓｉｔｙ，ｔｈｅｒｅｆｏｒｅ，ｕｓｉｎｇｔｈｅａｖｅｒａｇｅｖａｌｕｅｏｒｔｈｅｍｅｄｉａｎｏｆｆｉｎｇｅｒｐｒｉｎｔｆａｃｔｏｒｓｏｆａｆｅｗｃｏｌｌｅｃｔｅｄｓａｍｐｌｅｓｔｏｒｅｐｒｅｓｅｎｔｔｈｅｏｒｉｇｉｎｏｒｓｅｄｉｍｅｎｔ，ｉｔｈａｓｃｏｎｓｉｄｅｒａｂｌｅｕｎｃｅｒｔａｉｎｔｙａｎｄｔｈｅｎｗｉｌｌａｆｆｅｃｔｔｈｅｒｅｌｉａｂｉｌｉｔｙｏｆｔｈｅｒｅｓｕｌｔｓｏｆｓｏｕｒｃｅｃｏｎｔｒｉｂｕｔｉｏｎｄｉｓｃｒｉｍｉｎａｔｉｏｎ．ＴｈｅｅｘｉｓｔｅｄＭｏｎｔｅＣａｒｌｏＭｅｔｈｏｄｕｓｕａｌｌｙｉｓｂａｓｅｄｏｎｍｏｒｅｃｏｍｐｌｉｃａｔｅｄｃｏｍ⁃ｐｕｔｅｒｌａｎｇｕａｇｅａｎｄｔｈｅｒｅａｒｅｃｅｒｔａｉｎｃｈａｌｌｅｎｇｅｓｆｏｒｇｅｎｅｒａｌｒｅｓｅａｒｃｈｅｒｓ．ＴｈｅｐａｐｅｒｉｎｔｒｏｄｕｃｅｄＣｒｙｓｔａｌＢａｌｌ，ｗｈｉｃｈｗａｓｓｉｍｐｌｅａｎｄｆａｓｔａｎａｌｙｓｉｓｓｏｆｔｗａｒｅｔｏａｎａｌｙｚｅｔｈｅａｐｐｌｉｃａｔｉｏｎｔｏｔｈｅｓｅｄｉｍｅｎｔｓｏｕｒｃｅｄｉｓｃｒｉｍｉｎａｔｉｏｎｏｆａｒｉｖｅｒｂａｓｉｎｂｙｅｘａｍｐｌｅｓ．Ｋｅｙｗｏｒｄｓ：ｓｅｄｉｍｅｎｔｓｏｕｒｃｅ；ｆｉｎｇｅｒｐｒｉｎｔｔｅｃｈｎｉｑｕｅ；ＣｒｙｓｔａｌＢａｌｌ；Ｍｏｎ８ｔｅＣａｒｌｏＭｅｔｈｏｄＥｆｆｅｃｔｓｏｆＤｉｆｆｅｒｅｎｔＮｉｔｒｏｇｅｎＡｐｐｌｉｃａｔｉｏｎＲａｔｅｓｏｎＳｏｉｌＥｎｚｙｍｅＡｃｔｉｖｉｔｙａｎｄＭｉｃｒｏｂｉａｌＢｉｏｍａｓｓＣａｒｂｏｎａｎｄＮｉｔｒｏｇｅｎｉｎＭａｉｚｅＦａｒｍｌａｎｄＺＨＥＮＧＳｉｙｉｎ１，２，ＣＨＥＮＬｉｓｈａ１，ＸＩＥＤｅｊｉｎ１（１．ＮａｎｊｉｎｇＷａｔｅｒＰｌａｎｎｉｎｇａｎｄＤｅｓｉｇｎｉｎｇＩｎｓｔｉｔｕｔｅＣｏ．，Ｌｔｄ．，Ｎａｎｊｉｎｇ，Ｊｉａｎｇｓｕ２１００３７，Ｃｈｉｎａ；２．ＣｏｌｌａｇｅｏｆＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙａｎｄＨｙｄｒｏｐｏｗｅｒｏｆＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ，Ｊｉａｎｇｓｕ２１００２４，Ｃｈｉｎａ）（５８）Ｉｎｏｒｄｅｒｔｏｅｘｐｌｏｒｅｔｈｅｉｎｆｌｕｅｎｃｅｏｆｄｉｆｆｅｒｅｎｔｎｉｔｒｏｇｅｎｆｅｒｔｉｌｉｚｅｒａｐｐｌｉｃａｔｉｏｎｔｏｔｈｅｓｏｉｌｅｎｚｙｍｅａｃｔｉｖｉｔｙａｎｄｔｈｅｃｏｎｔｅｎｔｓｏｆｓｏｉｌｍｉｃｒｏｂｉａｌｂｉ⁃ｏｍａｓｓｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎｏｆｃｏｒｎｆｉｅｌｄｓ，ｉｔｓｅｔ３ｆａｃｉｌｉｔｙｔｒｅａｔｍｅｎｔｓｏｆ５，１０ａｎｄ２５ｇ／ｍ２ｂｙｔａｋｉｎｇｎｏｆｅｒｔｉｌｉｚｅｒａｓｃｏｎｔｒａｓｔ．Ｉｔｃｏｌｌｅｃｔｅｄｔｈｅｐｌｏｗｉｎｇｓｏｉｌｓａｍｐｌｅａｔ０－２０ｃｍｂｙｔｗｏｌａｙｅｒｓｄｕｒｉｎｇｔｈｅｄｉｆｆｅｒｅｎｔｇｒｏｗｉｎｇｓｔａｇｅｓｏｆｃｏｒｎａｎｄｄｅｔｅｒｍｉｎｅｄｔｈｅｃｏｎｔｅｎｔｓｏｆｍｉｃｒｏｂｉａｌｂｉｏｍａｓｓｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎａｎｄｓｏｉｌｉｎｖｅｒｔａｓｅ，ｃａｔａｌａｓｅａｎｄｕｒｅａｓｅａｃｔｉｖｉｔｉｅｓ．Ｔｈｅｏｕｔｃｏｍｅｓｓｈｏｗｔｈａｔａ）ｔｈｅｒｅａｒｅｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅｓｉｎｓｏｉｌｅｎ⁃ｚｙｍｅａｃｔｉｖｉｔｙａｎｄｔｈｅｃｏｎｔｅｎｔｓｏｆｓｏｉｌｍｉｃｒｏｂｉａｌｂｉｏｍａｓｓｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎａｍｏｎｇｄｉｆｆｅｒｅｎｔｔｒｅａｔｍｅｎｔｓ，ｅａｃｈｔｒｅａｔｍｅｎｔｃａｎｇｒｅａｔｌｙｉｎｃｒｅａｓｅｓｏｉｌｅｎｚｙｍｅａｃｔｉｖｉｔｙａｎｄｔｈｅｃｏｎｔｅｎｔｓｏｆｓｏｉｌｍｉｃｒｏｂｉａｌｂｉｏｍａｓｓｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎ，ｏｆｗｈｉｃｈ，ｔｈｅｅｆｆｅｃｔｏｆｎｉｔｒｏｇｅｎｆｅｒｔｉｌｉｚｅｒａｐｐｌｉｃａｔｉｏｎｒａｔｅｏｆ１０ｇ／ｍ２ｉｓｔｈｅｍａｘｉｍｕｍ；ｂ）ｔｈｅｏｖｅｒａｌｌｐｅｒｆｏｒｍａｎｃｅｏｆｓｏｉｌｅｎｚｙｍｅａｃｔｉｖｉｔｙａｎｄｔｈｅｃｏｎｔｅｎｔｓｏｆｍｉｃｒｏｂｉａｌｂｉｏｍａｓｓｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎｗｉｔｈｄｉｆｆｅｒｅｎｔｔｒｅａｔｍｅｎｔｓｉｎｅａｃｈｇｒｏｗｉｎｇｓｔａｇｅｏｆｃｏｒｎｓｈｏｗｓｔｈｅｔｒｅｎｄｏｆｉｎｃｒｅａｓｉｎｇａｔｆｉｒｓｔｔｈｅｎｄｅｃｒｅａｓｉｎｇａｎｄ；ｃ）ｔｈｅｒｅｉｓｓｉｇｎｉｆｉｃａｎｔｏｒｖｅｒｙｓｉｇ⁃ｎｉｆｉｃａｎｔｐｏｓｉｔｉｖｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｓｏｉｌｕｒｅａｓｅａｃｔｉｖｉｔｙ，ｃａｔａｌａｓｅａｃｔｉｖｉｔｙａｎｄｔｈｅｃｏｎｔｅｎｔｓｏｆｓｏｉｌｍｉｃｒｏｂｉａｌｂｉｏｍａｓｓｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎｆｅｒｔｉｌ⁃ｉｚｅｒａｐｐｌｉｃａｔｉｏｎｒａｔｅ．Ｔｈｅｒｅｉｓｓｉｇｎｉｆｉｃａｎｔｏｒｖｅｒｙｓｉｇｎｉｆｉｃａｎｔｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｃｏｎｔｅｎｔｓｏｆｍｉｃｒｏｂｉａｌｂｉｏｍａｓｓｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎａｎｄｖａ⁃ｒｉｏｕｓｓｏｉｌｅｎｚｙｍｅａｃｔｉｖｉｔｉｅｓ．Ｋｅｙｗｏｒｄｓ：ｎｉｔｒｏｇｅｎｆｅｒｔｉｌｉｚｅｒ；ｓｏｉｌｅｎｚｙｍｅａｃｔｉｖｉｔｙ；ｓｏｉｌｍｉｃｒｏｂｉａｌｂｉｏｍａｓｓｎｉｔｒｏｇｅｎ；ｓｏｉｌｍｉｃｒｏｂｉａｌｂｉｏｍａｓｓｎｉｔｒｏｇｅｎ。
比对水质“指纹”就能找出污染源
龙源期刊网 比对水质“指纹”就能找出污染源作者：吴奇来源：《黄河黄土黄种人·水与中国》2017年第06期当城市中的河流发生污染时，如何才能快速找到“元凶”呢？未来，在合肥通过比对水质“指纹”，能够及时识别流域的重点污染段以及污染类型，还能高效定位偷排单位。
据合肥公共资源交易中心消息，庐阳区拟率先引入国内外唯一的在线式水污染预警溯源仪，通过新技术为水环境管理保驾护航。
板桥河横穿合肥北城区，是合肥境内南淝河的最大支流，全长13公里，板桥河水质情况的好坏将直接影响到巢湖乃至合肥全市的水体质量。
要想让板桥河保持清澈又干净的状态，除了加强环境监管外，一旦水体受到污染时，还需要能及时快速地甄别水污染来源。
不过，市面上现有的监测设备在线查找污染排放源时存在不足，环境监管中“污染看得见，污染源摸不着”的问题亟待解决。
为此，合肥拟利用清华大学自主研发的水质指纹比对技术，在庐阳试点建设污染预警溯源监管系统，设置两个简易水质在线站，含在线式水污染预警溯源仪等设备，分别监管污水干管和雨水干管；再配合定制开发的污染预警溯源监管系统对企业排污进行有效监管。
新的监管系统最大亮点是引入在线式水污染预警溯源仪，这是目前国内外唯一的在线溯源仪，相较于传统的实验室污染溯源分析手段，具有可在线连续监测、可进行污染源头诊断、操作简单、检测周期短、运行维护简单及运行成本较低的优势，填补了技术上长期存在的空白。
业内专家指出，通俗地讲，这个技术就跟警察抓小偷时的指纹比对思路一样，通过在水污染现场扫描数据库中的企业水质指纹，如果能与指纹库对比上，那么就可能找到污染源。
比如，可以查出是生活污水、印染废水、电子废水还是重金属废水，甚至还可以识别不同工厂排放的废水，实现快速提供排查方向，大大提高应对水污染的效率。
本项目建设的污染预警溯源监管系统具有设备布设密度低，投资小，污染源诊断“粗放到行业、细放到企业”，可在线监测等特点。
在城市范围内，可以利用此技术识别流域的重点污染段以及污染类型，此系统既可以帮助管理者迅速定位偷排单位，也可以对园区污水处理厂运行提供水质预警服务，从而更好地保障南淝河以及巢湖水质。
科技成果——基于复合指纹识别的流域泥沙来源判别技术
科技成果——基于复合指纹识别的流域泥沙来源判别技术技术开发单位
中国三峡建设管理有限公司、中国水利水电科学研究院
成果简介
该技术可实现不同时间和空间尺度流域、库（坝）区淤积泥沙来源的定量辨识。
1、适用空间更广泛。
针对不同尺度区域分别提出了泥沙来源区划分方法，降低了不同侵蚀空间单位指纹识别因子差异造成的不确定性，泥沙样品采集时效大幅提高；
2、多时间尺度有效分辨。
通过改变采样方法将时间尺度从次降雨过程增加到多年尺度，解决了传统技术适用时间尺度的局限。
3、泥沙来源辨识度高。
基于多元判别分析方法，利用指纹识别因子将泥沙来源分类，根据分类图中泥沙来源与泥沙之间的距离计算泥沙来源区的相对贡献率，大幅提高泥沙来源辨识精度。
技术特点
1、提出了不同时间和空间尺度流域泥沙来源划分方法，实现了连续尺度（1-105km2）流域泥沙来源的有效追踪。
2、优化了不同时空尺度流域采样方式，提出了针对不同泥沙类型（沉积泥沙、悬移质、推移质等）的采样技术，泥沙样品采集时效提高30%以上。
3、构建了复合指纹识别因子选取方法，提出了基于多元判别分析方法计算泥沙来源相对贡献率技术，较传统泥沙来源辨识方法判定
准确度提高40%以上。
适用范围
适用于不同时空尺度流域、湖库、淤地坝淤积泥沙来源定量辨识，流域土壤侵蚀预报以及区域水土流失精准治理等。
前黄镇段永胜河河道综合整治
科技创新导报2016 NO.31Science and Technology Innovation HeraldD O I ： 10.16660/j .c n k i .1674-098X .2016.31.064环境科学前黄镇段永胜河河道综合整治①牛浩1汪海萍2梁英1胡大波1(1.南京环保产业创新中心有限公司；2.南京市食品药品监督检验院江苏南京211102)摘要：近年来，为加快前黄镇经济的发展，前黄镇政府在集镇以北建设了镇办工业集中区，经济发展的同时，生活污水和部分 工业废水排入城市河道一永胜河，使永胜河变成了纳污通道，生态遭受严重破坏。
本文从工业废水处理技术，小城镇面源污染 处理技术，河道底泥生态疏浚技术，河道生态净化技术，河道高氮磷高效经济净化技术，水系活化连通旁路治理等方面探讨了 河道综合整治设计措施，可供参考。
关键词：永胜河河道综合整治中图分类号：TV 85文献标识码：A文章编号：1674—098X (2016)11(a )—0064—02Comprehensive Improvement of Yongsheng River in Qianhuang TownN i u H a o 1 W a n g H a ip in g 2 L ia n g Y in 1 H u D a b o 1(1.N a n jin g I n n o v a t io n C e n tr e f o r E n v ir o n m e n t a l P r o te c tio n I n d u s t r y Co .L td ;2.N a n jin g I n s t itu t e f o r F o o d a n d D r u g C o n tr o l,N a n jin g J ia n g s u ,211102,C h in a )A b stract ： In r e c e n t ye a rs , T o a c c e le r a te e c o n o m ic d e v e lo p m e n t o f Q ia n h u a n g T o w n G o v e r n m e n t b u ilt In d u s tr ia l Z o n e o n th e n o r th o fth e T o w n , o th e r w is e d o m e s tic se w a g e a n d in d u stria l w a ste w a te r g et in to th e city river — Y o n g s h e n g R iver , m a d e it tu rn n in g in to th e se w a g e c h a n n e l . T h e a rticle d is c u s s th e in d u stria l w a ste w a te r tr e a tm e n t te c h n o lo g y , n o n —p o in t s o u r c e p o llu tio n tr e a tm e n t , riv er s e d im e n t d re d g in g a n d e c o lo g ic a l riv er riv er p u r ific a tio n te c h n o lo g y , h ig h n itr o g e n a n d p h o s p h o r u s e fficien t w a te r p u r ific a tio n te c h n o lo g y , e c o n o m ic g o v e r n a n c e a n d o th e r a s p e c ts o f th e b y p a s s a c tiv a tio n fo r r e fe re n ce .K e y W o rd s : Y o n g s h e n g R ive r;R iver c o u r s e ;C o m p r e h e n s iv e im p r o v e m e n ti 概况永胜河位于武进区境内连永安河，全长5.7 k m ,平均河宽15 m ,平均水深2 m ,主导流向自北向南、由西向东，途 径南夏墅街道、前黄镇，最终汇入永安河。
泥土物证XRF元素定量检验数据比对评价方法比较
刑事技术·论 著·2020年 第45卷 第6期基金项目：“十三五”国家重点研发计划项目（2017YFC0803803）第一作者简介：郭洪玲，女，山东泰安人，博士，研究员，研究方向为理化检验。
E -mail:***********************DOI ：10.16467/j.1008-3650.2020.06.004泥土物证XRF元素定量检验数据比对评价方法比较郭洪玲，王 萍，朱 军，胡 灿，梅宏成，郑继利（公安部物证鉴定中心，北京 100038）摘 要：目的 在微量物证领域，元素分析是进行泥土物证检验的有效手段之一，X 射线荧光光谱法（XRF ）具有分析速度快、检验无损、可进行无标样分析等特点在泥土物证的比对检验中应用广泛。
但是针对两个样品间多维泥土元素检验数据的相似性评价一直是困扰微量物证工作者的一个难题。
本文旨在对比欧氏距离和Hotelling T 2这两种统计学方法在评价样品检验数据差异性方面的准确性。
方法 采用XRF 法对泥土样品进行10种元素定量分析，采用欧氏距离和Hotelling T 2两种方法对检验数据进行统计处理，比较两种方法在评价两个样品间相似性时的差异。
结果 欧氏距离和Hotelling T 2 法在处理20个（190组）不同来源的泥土样品之间的两两比对时，不可区分率分别为4.21%和7.37%。
结论 欧氏距离和Hotelling T 2 两种多参数数据比对检验法均可用于泥土物证XRF 定量检验数据间相似性评价，两种方法各有特点，在实际应用中要注意其使用条件和前提，才能保证统计结果的准确性。
关键词：理化检验；泥土物证；X 射线荧光光谱；比对检验；欧氏距离；Hotelling T 2 中图分类号：DF794.3 文献标识码：A 文章编号：1008-3650(2020)06-0568-04Comparison of Two Statistical Methods for Evaluating XRF-basedElemental Quantitative Data of SoilsGUO Hongling, WANG Ping, ZHU Jun, HU Can, MEI Hongcheng, ZHENG Jili (Institute of Forensic Science, Ministry of Public Security, Beijing 100038, China)ABSTRACT: Objective XRF (X-ray fl uorescence spectrometry) possesses many advantages for soil elemental quantitative analysis, yet leaving difficulties to evaluate similarity/difference between sampling soils with the received analysis data. Thus, two methods, Euclidean Distance and Hotelling T 2 - both of which are the statistical approaches to compare inter-sample similarity/difference, were adopted to evaluate their accuracy in comparison of data similarity/difference. Methods XRF was used to analyze the concentrations of 10 elements in 20 sampling soils collected from different locations, having the relevant data obtained. The methods of Euclidean Distance and Hotelling T 2 were carried out to assess the difference between the data from sampling soils. Results With the 20 soil samples and their resultant 190 pairs of comparison, Euclidean Distance approach gave its indistinguishable rate as 4.21%, and Hotelling T 2 7.37%. Conclusions Both Euclidean Distance and Hotelling T 2 are applicable to statistically evaluate inter-soil samples. Yet, proper selection and execution of the statistical processing should be based on the prerequisites of the methods, thereby leading to acceptable results for sample comparison.KEY WORDS: physical and chemical analysis; soil; X RF; comparison; Euclidean Distance; Hotelling T 2在案件中，泥土物证经常附着于与现场相关的各类物体（如作案工具）和嫌疑人衣物上，成为微量物证领域重要的物证之一。
一种基于水下移动平台的含上覆水沉积物保真取样器[发明专利]
![一种基于水下移动平台的含上覆水沉积物保真取样器[发明专利]](https://img.taocdn.com/s3/m/04be3305a4e9856a561252d380eb6294dd8822f2.png)
专利名称：一种基于水下移动平台的含上覆水沉积物保真取样器
专利类型：发明专利
发明人：陈家旺,郭进,邓义楠,陈道华,田祯玮,田烈余,耿雪樵,周朋
申请号：CN202110301686.8
申请日：20210322
公开号：CN112985914B
公开日：
20220408
专利内容由知识产权出版社提供
摘要：本发明涉及深海取样领域，具体涉及一种基于水下移动平台的含上覆水沉积物保真取样器。
包括取样外筒，取样外筒两端开口，顶端连接端部密封盖，底端连接球阀；端部密封盖上设有压力传感器；液压装置设于端部密封盖上，端部密封盖上设有通孔，取样外筒内设有上部活塞和下部活塞，两个活塞通过钢丝绳软连接，上部活塞与液压装置相连；下部活塞上开有通孔，通孔内设有单向阀；下部活塞底部与取样内筒连接，取样内筒底端连接取样花瓣；取样外筒上部和中部的侧壁上均开有通孔，通孔内安装有保压阀门；蓄能器通过液压管和取样外筒上部通孔内的保压阀门与取样筒相连。
本发明能够同时取沉积物和上覆水，提高了采样效率同时减小了搭配的移动平台的工作量。
申请人：浙江大学,南方海洋科学与工程广东省实验室(广州),广州海洋地质调查局
地址：310058 浙江省杭州市西湖区余杭塘路866号
国籍：CN
代理机构：杭州中成专利事务所有限公司
代理人：周世骏
更多信息请下载全文后查看。
复合指纹识别泥沙来源：潜在泥沙源地的选择
复合指纹识别泥沙来源：潜在泥沙源地的选择常维娜;周慧平;高燕【期刊名称】《生态与农村环境学报》【年(卷),期】2014(000)006【摘要】复合指纹识别技术应用于泥沙源解析的前提是假设研究者能够确定流域内泥沙的潜在来源类型，并且各泥沙源地所占比例之和为1，对潜在源地预判的不确定性将会对结果产生一定的影响。
以南京市九乡河上游流域为例，对不同源地各指纹因子做均值显著性检验，检验各个预判源地能否单独作为潜在泥沙源地，同时对比分析不同沙源地对复合指纹因子判断泥沙来源正确率的影响，定量分析沙源地预判过程中的不足，探讨如何减少沙源地选择对泥沙来源识别的影响。
通过对比研究发现，预判的4种泥沙源地被重新调整为农田、林地和道路3种类型。
调整后各源地指纹因子差异性明显提高，不同泥沙来源的正确判别率最高达到89�2％，泥沙贡献率从高到低依次为农田（39�9％～87�8％）、林地（＜0�1％～47�7％）和道路用地（0～25�6％）。
【总页数】7页(P717-723)【作者】常维娜;周慧平;高燕【作者单位】环境保护部南京环境科学研究所，江苏南京 210042; 南京大学地理与海洋科学学院，江苏南京 210023;环境保护部南京环境科学研究所，江苏南京210042;江苏理工学院中德国际学院，江苏常州 213001【正文语种】中文【中图分类】X52【相关文献】1.复合指纹识别技术定量示踪流域泥沙来源 [J], 郭进;安邦;严冬春;史忠林2.应用指纹识别方法确定泥沙来源研究进展 [J], 曹文洪;刘冰3.黄土高原小流域泥沙来源的复合指纹识别法分析 [J], 杨明义;徐龙江4.指纹识别技术在泥沙来源研究中的应用进展 [J], 徐龙江;杨明义;刘普灵;田均良5.基于指纹识别技术的小流域泥沙来源研究进展 [J], 赵恬茵;王志兵;吴媛媛;傅良同;高礼安因版权原因，仅展示原文概要，查看原文内容请购买。
三峡库区小流域泥沙来源复合指纹识别研究的开题报告
三峡库区小流域泥沙来源复合指纹识别研究的开题
报告
一、选题背景
我国土壤流失问题十分突出，尤其是三峡库区小流域土壤侵蚀现象十分严重。
泥沙是导致土壤流失的罪魁祸首之一，因此对于泥沙来源的分析研究具有重要意义。
传统的泥沙来源分析方法主要是通过地貌、土壤、植被等特征来判断泥沙的来源，这种方法虽然简单，但是容易忽略一些微小的泥沙来源，导致泥沙来源的不准确。
而泥沙来源复合指纹识别法能够通过粒度、化学元素、放射性同位素等多个指标，综合判断泥沙来源，能够更加精确地分析泥沙来源问题。
二、研究目的
本研究旨在利用泥沙来源复合指纹识别法，对三峡库区小流域泥沙来源进行分析研究，以期能够更加准确地判断泥沙来源，从而为控制土壤侵蚀提供科学依据。
三、研究内容
1. 三峡库区小流域泥沙样品采集；
2. 对泥沙样品进行粒度分析、化学元素分析、放射性同位素分析；
3. 建立三峡库区小流域泥沙来源复合指纹库；
4. 对泥沙样品进行复合指纹识别，判断泥沙来源。
四、研究意义
通过本研究，不仅能够更加准确地判断泥沙来源，从而为土壤流失控制提供依据，还能够为三峡库区小流域水土保持规划、环境保护等工作提供参考依据。
同时，泥沙来源复合指纹识别方法在环境科学领域也具有广泛的应用价值。
复合指纹法定量示踪西南岩溶洼地小流域泥沙来源
第28卷第1期2021年2月水土保持研究R e s e a r c ho f S o i l a n d W a t e rC o n s e r v a t i o nV o l .28,N o .1F e b .,2021收稿日期:2019-09-08 修回日期:2019-11-19资助项目:重庆市自然科学基金(c s t c 2016j c yi A 0150);重庆师范大学研究生科研创新项目(Y K C 19002); 第一作者:雷珊(1994 ),女,四川广安人,硕士研究生,研究方向为水土保持与生态化建设㊂E -m a i l :602047224@q q .c o m 通信作者:魏兴萍(1974 ),女,四川广安人,教授,主要从事资源环境与地理信息系统研究㊂E -m a i l :x i n g p i n gw e i @126.c o m 复合指纹法定量示踪西南岩溶洼地小流域泥沙来源雷珊1,魏兴萍1,2(1.重庆师范大学地理与旅游学院,重庆401331;2.三峡库区地表过程与环境遥感重庆市重点实验室,重庆401331)摘 要:岩溶洼地小流域具有岩溶地区典型流域特征,作为一个独立的侵蚀产沙单元,开展岩溶洼地小流域泥沙来源研究,对于查明洼地泥沙的来源,研究土壤侵蚀过程,发挥着重要的作用㊂选择重庆青木关岩溶槽谷区的典型洼地,采用复合指纹示踪技术等方法,确定岩溶洼地泥沙来源的地球化学元素指纹特征,得出了重庆岩典型岩溶洼地的沉积泥沙来源和贡献比例㊂结果表明:从38种因子中筛选,找到了最佳指纹因子组合,其中U ,χh f ,A P ,M n 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%,说明指纹法可用于岩溶洼地小流域泥沙来源研究㊂同时利用多元混合模型得出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%)㊁深层土壤(11.6%)㊁碎屑岩表层土壤(38.2%),且多元混合模型优度拟合检验值为0.83,相对平均误差为13.9%,进一步说明岩溶洼地碳酸盐岩地区土壤流失严重,远高于碎屑岩土壤㊂研究为开展岩溶洼地土壤侵蚀特征演变研究提供了基础㊂关键词:岩溶洼地小流域;复合指纹法;泥沙来源中图分类号:P 964 文献标识码:A 文章编号:1005-3409(2021)01-0044-06Q u a n t i t a t i v eT r a c i n g o f S e d i m e n t S o u r c e s i nS m a l lW a t e r s h e d s i n S o u t h w e s t e r nK a r s tD e p r e s s i o n s b y C o m p o s i t eF i n g e r p r i n t i n gL E I S h a n 1,W E IX i n g p i n g1,2(1.C o l l e g e o f G e o g r a p h y a n dT o u r i s m S c i e n c e ,C h o n g q i n g N o r m a lU n i v e r s i t y ,C h o n g q i n g 401331,C h i n a ;2.C h o n g q i n g K e yL a b o r a t o r y o f S u r f a c eP r o c e s s a n dE n v i r o n m e n tR e m o t eS e n s i n g i n t h eT h r e eG o r g e sR e s e r v o i rA r e a ,C h o n g q i n g 401331,C h i n a )A b s t r a c t :T h ek a r s t d e p r e s s i o n s m a l lw a t e r s h e dh a s t h e c h a r a c t e r i s t i c s o f t y p i c a lw a t e r s h e d i nk a r s t a r e a .A s a ni n d e p e n d e n te r o s i v es e d i m e n t -g e n e r a t i n g u n i t ,t h es t u d y o fs e d i m e n ts o u r c ei ns m a l lk a r s td e pr e s s i o n w a t e r s h e d p l a y s a n i m p o r t a n t r o l e i n i d e n t i f y i n g t h es o u r c eo f s e d i m e n t i nt h ed e p r e s s i o na n ds t u d y i n g so i l e r o s i o n p r o c e s s .T h e t y p i c a l d e p r e s s i o no f t h eQ i n g m u g u a nk a r s t t r o u g hv a l l e y i nC h o n g q i n g wa s s e l e c t e d a s s t u d y a r e a .T h e m e t h o do fc o m p o s i t ef i n g e r p r i n tt r a c i n g w a su s e dt od e t e r m i n et h e g e o c h e m i c a le l e m e n t f i n g e r p r i n t c h a r a c t e r i s t i c s o f t h e s e d i m e n t s o u r c e i n t h e k a r s t d e p r e s s i o n ,a n d t h e s e d i m e n t s o u r c e a n d c o n t r i -b u t i o n p r o p o r t i o no f t h et y p ic a lk a r s tde p r e s s i o ni nC h o n g q i n g ro c k w e r ed e t e r m i n e d .T h er e s u l t ss h o w e d t h a t t h e b e s t f i n g e r p r i n t f a c t o r c o m b i n a t i o n sw e r e f o u n d f r o m38f a c t o r s ;t h e c u m u l a t i v e d i s c r i m i n a t i o n r a t e s o fU ,χh f ,A Pa n dM nw e r e 63.4%,68.3%,73.2%a n d 82.9%,r e s p e c t i v e l y ,i n d i c a t i n g t h a t t h e f i n g e r p r i n t m e t h o d c a nb eu s e d f o r t h e s t u d y o f s e d i m e n t s o u r c e s i n s m a l lw a t e r s h e d s i nk a r s t d e pr e s s i o n s ;a t t h e s a m e t i m e ,t h em u l t i v a r i a t em i x e dm o d e lw a su s e d t o i n d e n t i f y t h em e a n p e r c e n t a g e so f c o n t r i b u t i o no f t h e t h r e e s e d i m e n t s o u r c e sw e r e c a r b o n a t e s u r f a c e s o i l (50.2%),d e e p so i l (11.6%),c l a s t i c s u r f a c e s o i l (38.2%),a n d t h e m u l t i -m i x m o d e l g o o d n e s sf i t t e s tv a l u ew a s0.83,a n dt h er e l a t i v ea v e r a gee r r o rw a s13.9%,w h i c h f u r t h e r i n d i c a t e d t h a t t h e s o i l l o s s i n t h ek a r s t d e p r e s s i o nc a r b o n a t e a r e aw a s s e r i o u s ,a n dm u c hh i g h e r t h a n t h e c l a s t i c s o i l .T h i s s t u d y c a n p r o v i d e t h e b a s i s f o r t h e s t u d y o f t h e e v o l u t i o n o f s o i l e r o s i o n c h a r a c t e r i s t i c s i n k a r s t d e pr e s s i o n s .K e yw o r d s :k a r s t d e p r e s s i o n s m a l lw a t e r s h e d ;c o m p o s i t e f i n g e r p r i n tm e t h o d ;s e d i m e n t s o u r c e Copyright©博看网 . All Rights Reserved.中国西南岩溶地区是我国主要的生态环境脆弱区之一,与黄土高原一样,该地区的水土流失问题十分严重㊂同时,岩溶洼地小流域作为一个独立的侵蚀产沙单元,开展岩溶洼地小流域泥沙来源研究,对于查明洼地泥沙的来源,研究土壤侵蚀过程,发挥着重要的作用㊂因此研究洼地泥沙来源,对于有针对性地实施洼地水土流失治理,以及岩溶洼地小流域水环境的污染来源,有重要意义㊂国内外针对流域的泥沙来源研究已经有了一定的基础,从最早开始的小区观测[1-2]㊁资料分析[3]㊁遥感制图等[4]传统研究方法,到直接从泥沙入手的指纹识别技术的兴起,学者们对于流域泥沙的研究兴趣从未消失㊂早期的指纹识别技术主要是从地球理化属性㊁矿物元素㊁矿物磁性等作为 示踪因子 取得了较好的研究结果[5];泥沙颗粒颜色㊁植物孢粉㊁稳定同位素㊁大气沉降核素等[6-8]相继被用以示踪泥沙来源,指纹识别因子种类不断丰富㊂20世纪90年代后,C o l l i n s等[9]提出,采用多个 示踪 因子,通过非参数检验和判别分析等方法,组合在一起形成复合指纹因子,再通过模型进行泥沙来源计算,在国内外地区都得到了较好的应用㊂近期,国外一些学者在研究中不断优化模型的研究方法[10-11],在混合模型的计算中进一步考虑了泥沙粒径和有机质含量等因素的修正,并利用不同混合模型进行对比研究,优化了混合模型拟合结果㊂国内关于复合指纹识别技术的研究主要集中在非岩溶地区㊂郭进等[12]在三峡库区开展流域(河流)泥沙来源研究,查明入塘㊁河㊁库泥沙通量,定量解析了塘库表层沉积泥沙来源;周慧平等[13]通过研究泥沙来源来探讨颗粒态磷的来源得出农田㊁林地㊁矿山及道路施工用地的泥沙贡献率和颗粒态磷的输出贡献百分比;周曼等[14]在南方红壤区利用复合指纹技术研究不同降雨特征下林地㊁茶园㊁矿区㊁耕地的泥沙贡献百分比㊂杨明义等[15]在陕北选定的汇水区内采集土壤样品中17种物质的分析得出,洪水携带的总泥沙有33.7%来自主沟道,60.0%来自坡地果园, 3.0%来自小块的坡耕地以及3.3%来自支沟道㊂西南岩溶地区与黄土高原一样是一个脆弱的生态环境,水土流失危害严重,危险着长江㊁珠江水系的防洪和水土资源的保护㊂岩溶地区由于立地条件独特㊁产流产沙特殊,不能直接引用非岩溶地区的研究成果㊂重庆岩溶小流域的土壤侵蚀常常伴随岩溶地区和非岩溶地区,目前,岩溶洼地泥沙来源贡献规律不清㊁土地利用变化对岩溶地区泥沙来源㊁沉积耦合响应关系认识不清,不利于岩溶地区开展水土保持工作㊂本研究拟在重庆选建有水库的无落水洞发育的岩溶洼地小流域,对小流域源地土壤和水库沉积物取样研究,探明岩溶洼地泥沙来源比例㊂为采取有效的水土保持措施,增强岩溶地区水源涵养㊁水土保持等生态功能,以及小流域综合治理提供科学依据㊂1材料与方法1.1研究区概况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29ʎ37'37ᵡ 29ʎ38'2ᵡ,东经106ʎ16'8ᵡ 106ʎ17'2ᵡ㊂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㊂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50a左右㊂劳动水库长约276.17m,宽约212.49m,面积大约有0.033k m2,洼地面积约0.74k m2㊂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㊂多年平均气温为17.9ħ,极端最高温度为42.2ħ,极端最低温度为-3ħ㊂根据气象局提供的55a (1959 2013年)降雨资料统计,区域内多年平均降雨量1047.5mm,最大年降雨量1534.2mm(1968年),最小年降雨量625.9mm(1961年)㊂重庆岩溶地区的水土流失往往伴随着非岩溶地区水土流失,根据重庆市水文地质幅和实地考察,研究区内存在两种不同的地质岩性,岩溶洼地沉积泥沙主要来自两个侵蚀产沙区即碎屑岩区和碳酸盐岩区㊂1.2样品采集与处理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㊁林地以及撂荒地)㊁深层土壤(沟道和裂隙)㊁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㊁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 5c m厚土壤表层,放置于编织袋上,去除石块等大块杂质㊁混匀,四分法取1地装入样品袋,尽量避免破坏土壤的结构㊂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㊂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)㊂1.3测定指标与试验方法采集样品去除枯枝落叶㊁作物根系及粗砾石,经过自然风干,人工磨细过2mm干筛,样品进行分装标记备试㊂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T N,T P,A P,A K, S OM,χf d,χl f,χh f,χ,K,N a,C a,M g,C u,Z n,B a,S r, F e,M n,S i,A l,L i,B e,C o,A s,R b,A g,C d,I n,C s,T l, P b,B i,U,V,C r,T i,N i㊂54第1期雷珊等:复合指纹法定量示踪西南岩溶洼地小流域泥沙来源Copyright©博看网 . All Rights Reserved.图1研究区地貌和地层图2采样点分布土壤磁化率采用B a r t i n g t o n M S2磁化率仪仪器对土壤样品进行测试,磁化率仪的低频磁化率(0.47 k H z)和高频磁化率(4.7k H z)进行测试,并计算结果㊂土壤养分元素测定指标及测定方法主要参考中国农业出版社出版的郑必昭主编的‘土壤分析技术指南“㊂土壤地球元素采用I C P-7700(电感耦合等离子体光谱仪)处理㊂1.4研究内容与方法(1)指纹因子的筛识别与筛选㊂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S P S S数据统计分析中进行K r u s k a l-W a l l i sH检验,从而评价各单一指纹因子是否有区别源地的能力[16]㊂K r u s k a l-W a l l i sH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㊂其次对初选因子在S P S S中进行多元逐步判别分析,在基于W i l k s'L a m b d a最小化的基础上,确定最佳指纹因子组合[18]㊂(2)岩溶洼地沉积泥沙来源分析㊂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㊂多元混合模型函数表示: f=ðn i=1{[C i-(ðm s=1P s S s i)]/C i}(1)0ɤP sɤ1(2) ðm s=1P s=1(3)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 s i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㊂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㊂(3)计算得出各源地泥沙贡献百分比后,利用拟合优度(G O F)检验)的方法对模型的准确性进行检验㊂2结果与分析2.1潜在泥沙来源地土壤性质及指纹因子筛选将试验所测的指标包括T N,T P,A P,A K, S OM,χf d,χl f,χh f,χ,K,N a,C a,M g,C u,Z n,B a,S r, F e,M n,S i,A l,L i,B e,C o,A s,R b,A g,C d,I n,C s,T l, P b,B i,U,V,C r,T i,N i按表层土壤㊁深层土壤㊁碎屑岩土壤3种泥沙来源地进行无参数K r u s k a l-W a l l i s H-t e s t统计分析检验,检验结果见表1㊂从上面因子中,可以看出除:C o,R b,T i,N a,S i, A l,S OM,T P对应的p值大于显示水平0.05,其他因子的p值均小于0.05,故拒绝因子来自同一泥沙来源地的原假设,即这些因子在不同泥沙来源地间具有显著性差异㊂2.2最佳指纹因子组合确定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B i,C a,M g,A k的S i g值大于显著水平64水土保持研究第28卷Copyright©博看网 . All Rights Reserved.0.05,其他因子均小于0.05,共计26种指纹因子均等性检验S i g<0.05,其中L i,A g,I n,C s,T l,U,V,C r,N i,C u, Z n,F e,M n,χh f,χl d,χ共16种因子S i g<0.010具体结果见表2㊂由此可知,3种泥沙来源地中,表层土壤㊁深层土壤㊁碎屑岩土壤L i,B e,A s,P b,A g,C d,I n, C s,T l,U,V,C r,N i,C u,Z n,K,B a,S r,F e,M n,T N, A P,χh f,χl d,χ,χf d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㊂表1泥沙来源地指纹识别因子的K r u s k a l-W a l l i sH-t e s t统计分析检验结果因子H值p值因子H值p值L i9.3030.010*K6.3230.042*B e6.1640.046*N a1.7290.421C o3.8540.146C a6.2840.043* A s7.7150.021*M g7.1140.029* R b2.8320.243B a7.2960.026* A g8.0880.018*S r6.3450.042* C d7.2260.027*F e11.5900.003* I n10.8450.004*M n9.6770.008* C s6.5640.038*S i2.7680.251T l12.3020.002*A l2.2330.327P b9.2450.010*S OM2.2890.318B i8.1590.017*T N7.1890.027* U16.4990.000*T P1.4330.488V10.0100.007*A P7.6090.022* C r7.5140.023*A K6.2030.045* T i3.9360.140χh f13.0490.001* N i8.9960.011*χl f12.8290.002* C u11.6540.003*χ13.0630.001* Z n7.8800.019*χf d8.2920.016*注:*表示在显著水平pɤ0.05下具有显著性差异㊂表2泥沙来源地初筛因子组均值的均等性的检验因子W i l k s'L a m b d a S i g.因子W i l k s'L a m b d a S i g. L i0.7330.003Z n0.7600.005 B e0.8060.016K0.8400.036 A s0.8070.017C a0.9340.275 P b0.7920.012M g0.9340.274 A g0.7620.006B a0.8710.072 C d0.8280.028S r0.8450.041 I n0.7590.005F e0.6890.001 C s0.7500.004M n0.7530.005 T l0.6830.001T N0.7920.012 B i0.8680.068A P0.8210.024 U0.6110.000A K0.8610.058 V0.7350.003χh f0.6230.000 C r0.7730.008χl d0.6390.000 N i0.7360.003χ0.6370.000 C u0.7040.001χf d0.8200.023将K r u s k a l-W a l l i s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3㊂表3泥沙来源地最佳组合指纹因子步骤最佳指纹因子W i l k s的L a m b d a累积贡献率/% 1U0.61163.42χh f0.38268.33A P0.32873.24M n0.2982.9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,χh f,A P,M n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㊂2.2.2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F i s h e r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㊁深层土壤㊁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㊂表4泥沙来源地F i s h e r判别函数系数最佳因子碎屑岩表层土壤碳酸盐岩表层土壤深层土壤U0.0420.0610.105M n0.5811.3450.797A P0.3120.4820.484χh f0.0250.0580.027 (常量)-5.379-14.245-14.31把潜在泥沙来源地样品值代入3个判别方程,即可对该样品进行判断㊂其中哪个潜在泥沙源地的Y 值最大,该样品判别分组就是其对应的分组㊂下为判别函数:Y碎屑岩表层土壤=-5.379+0.042U+0.581M n+0.312A P+0.025χh fY碳酸盐岩表层土壤=-14.245+0.061U+1.345M n+0.482A P+0.058χh fY深层土壤=-14.31+0.105U+0.797M n+0.484A P+0.027χh f2.2.3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]㊂当有3种泥沙来源地的多元判别分析时,共有U,M n,A P,χh f,4种单一指纹因子组成最佳指纹因子组合㊂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㊂由表5复74第1期雷珊等:复合指纹法定量示踪西南岩溶洼地小流域泥沙来源Copyright©博看网 . All Rights Reserved.合指纹因子判别结果可知,碳酸盐岩表层土壤㊁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㊂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㊂在S P S S 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㊁裂隙土,成土木质跟碳酸盐岩和碎屑岩有非常大的关联性㊂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%㊂总体上而言,在U ,M n ,A P ,χh f 4种指纹因子组合下,3种泥沙源地的正确判别率达82.6%㊂完全符合组合指纹法应用的要求㊂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㊂3种泥沙源地分类判别中,碳酸盐岩表层土壤㊁深层土壤㊁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 ,M n ,A P ,χh f 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㊂表5 泥沙来源地复合指纹因子判别结果%泥沙来源地类型预测组成员碎屑岩表层土壤碳酸盐岩表层土壤深层土壤碎屑岩表层土壤 90.909.1碳酸盐岩表层土壤084.215.8深层土壤9.118.272.7注:已对初始分组案例中的82.9%个进行了正确分类㊂2.3 岩溶洼地小流域泥沙来源分析根据最佳指纹组合在沉积泥沙样品和泥沙来源地中的浓度,在符合公式(2 3)的条件下,使公式(1)最小时得到劳动水库洼地的沉积泥沙,来自不同源地的侵蚀泥沙贡献比㊂由表6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%)㊁深层土壤(11.6%)㊁碎屑岩表层土壤(38.2%)㊂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㊁深层土壤次之㊂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㊁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㊂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㊂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㊂表6 3种泥沙来源地泥沙贡献百分比泥沙来源地碎屑岩表层土壤碳酸盐岩表层土壤深层土壤泥沙贡献率/%38.250.211.62.4 可信度检验为了验证复合指纹识别技术探讨泥沙来源结果的可靠性,可信度检验采用拟合优度检验和相对平均误差分析两种计算方式来进行模型验证㊂(1)拟合优度检验主要是通过下式计算:G O F =1-1n ˑðni =1|C i -ðmj =1(S i ,z -P z )|C i {}(4)当计算结果G O F >0.8时,即表明多元混合模型计算结果具有合理性㊂根据上式计算可得,岩溶洼地小流域的G O F 值为0.83,G O F 值均大于0.80㊂因此,该多元混合模型拟合是有效的㊂(2)相对平均误差㊂相对平均误差是按判定的泥沙贡献率混合流域各源地土壤样,充分混合均匀后,用最优化混合模型计算出的单个洼地沉积泥沙样中的元素浓度和实际样品中的元素浓度相比的平均误差㊂误差小于20%,基本上可以判断结果可信㊂表中3种来源地的误差值为13.9%,其结果小于20%,因此认定结果是可信的㊂表7 相对平均误差统计验证项目范围/%平均值/%3种源地6.8~23.713.93 结论(1)从38种因子中初步筛选出30种因子复合判别条件,通过多元逐步判别分析,基于W i l k s 'L a m b d a 最小化的基础上,找到了最佳指纹因子组合,其中U ,χh f ,A P ,M n 的累积判别率分别为63.4%,68.3%,73.2%,84 水土保持研究 第28卷Copyright©博看网 . All Rights Reserved.82.9%,总累积判别率高达82.9%,说明指纹法可用于岩溶洼地小流域泥沙来源研究㊂(2)利用多元混合模型得出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%)㊁深层土壤(11.6%)㊁碎屑岩表层土壤(38.2%),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㊁碎屑岩表层土壤的1.3倍,且多元混合模型优度拟合检验值为0.83,相对平均误差13.9%,进一步说明岩溶洼地碳酸盐岩地区土壤流失严重,远高于碎屑岩表层土壤㊂复合指纹法在岩溶洼地小流域的成功应用,为研究岩溶洼地小流域水土流失过程提供了新的手段㊂但是本研究仅对典型沉积洼地进行研究,在今后的研究中,需进一步丰富研究类型,以期建立岩溶洼地小流域水土流失研究的理论体系㊂参考文献:[1]张治国,王贵平,贾志军,等.浅析晋西王家沟流域较高治理度情况下的泥沙来源[J].山西水土保持科技,1995(2):6-8.[2]魏天兴.黄土区小流域侵蚀泥沙来源与植被防止侵蚀作用研究[J].北京林业大学学报,2002,24(5):19-24. [3]石伟,王光谦,邵学军.不同来源区洪水对黄河下游流量 含沙量关系的影响[J].水科学进展,2003,14(2):147-151.[4]熊道光.鄱阳湖泥沙来源及湖盆近期沉积规律探讨[J].海洋与湖沼,1990,21(4):374-385.[5] P e a r tM R.T e c h n i q u e s f o r e s t a b l i s h i n g s u s p e n d e ds e d i-m e n t s o u r c e si nt w od r a i n a g eb a s i n si n D e v o n,U K:ac o m p a r a t i v ea s s e s s m e n t.S ed i me n t B u d g e t s[J].I a h sP u b l.,1986,174:269-279.[6] W a l l i n g D E,P e a r tM R,O l d f i e l dF,e t a l.S u s p e n d e ds e d i m e n t s o u r c e si d e n t i f i d eb y m a g n e t i c m e a s u r e m e n t s[J].N a t u r e,1979,281(5727):110-113.[7] P u l l e y S,R o w n t r e eK.T h eu s eo fa no r d i n a r y c o l o u rs c a n n e r t o f i n g e r p r i n t s e d i m e n t s o u r c e s i n t h e S o u t hA f-r i c a nK a r o o[J].J o u r n a l o fE n v i r o n m e n t a lM a n a g e m e n t,2016,165:253-262.[8] W a l l b r i n kPJ,M u r r a y AS.U s e o f f a l l o u t r a d i o n u c l i d e sa si n d i c a t o r s o f e r o s i o n p r o c e s s e s[J].H y d r o l o g i c a lP r o c e s s e s,1993,7(3):297-304.[9] C o l l i n s A L,W a l l i n g D E,S i c h i n g a b u l a H M,e ta l.S u s p e n d e ds e d i m e n ts o u r c ef i n g e r p r i n t i n g i n a s m a l l t r o p i c a l c a t c h m e n ta n ds o m e m a n a g e m e n t i m p l i c a t i o n s[J].A p p l i e dG e o g r a p h y,2001,21(4):387-412. [10] S m i t hH G,B l a k eW H.S e d i m e n t f i n g e r p r i n t i n g i n a g-r i c u l t u r a l c a t c h m e n t s:a c r i t i c a l r e-e x a m i n a t i o n o fs o u r c e d i s c r i m i n a t i o n a n d d a t a c o r r e c t i o n s[J].G e o m o r-p h o l o g y,2014,204:177-191.[11] H a d d a d c h iA,R y d e rDS,E v r a r dO,e t a l.S e d i m e n tf i ng e r p r i n t i n g i n f l u v i a ls y s t e m s:r e v i e w o ft r a c e r s,s e d i m e n t s o u r c e s a n d m i x i n g m o d e l s[J].I n t e r n a t i o n a lJ o u r n a l o f S e d i m e n tR e s e a r c h,2013,15(28):560-578.[12]郭进,文安邦,严冬春,等.复合指纹识别技术定量示踪流域泥沙来源[J].农业工程学报,2014,30(2):94-106.[13]周慧平,常维娜,张龙江.基于泥沙指纹识别的小流域颗粒态磷来源解析[J].农业工程学报,2015,31(13):251-256.[14]周曼,林嘉辉,黄炎和,等.复合指纹法分析红壤区强度开发小流域泥沙来源[J].水土保持学报,2019,33(1):20-24.[15]杨明义,徐龙江.黄土高原小流域泥沙来源的复合指纹识别法分析[J].水土保持学报,2010,24(2):30-34.[16] L i nJ,H u a n g Y,W a n g M K,e ta l.A s s e s s i n g t h es o u r c e s o f s e d i m e n t t r a n s p o r t e d i n g u l l y s y s t e m su s i n ga f i n g e r p r i n t i n g a p p r o a c h:A n e x a m p l e f r o mS o u t h-e a s tC h i n a[J].C a t e n a,2015,129:9-17.[17]陈方鑫,张含玉,方怒放,等.利用两种指纹因子判别小流域泥沙来源[J].水科学进展,2016,27(6):867-875.[18]郝福星,黄炎和,林金石,等.指纹法研究花岗岩区典型崩岗小流域悬浮泥沙来源[J].水土保持学报,2017,31(2):45-49,102.[19] C o l l i n sA L,W a l l i n g D E,W e b bL,e t a l.A p p o r t i o-n i n g c a t c h m e n t s c a l e s e d i m e n t s o u r c e s u s i n g am o d i f i e dc o m p o s i t e f i n g e r p r i n t i n g t e c h n i q u e i n c o r p o r a t i n gp r o p-e r t y w e i g h t i n g s a n d p r i o r i nf o r m a t i o n[J].G e o d e r m a,2010,155(3):249-261.[20] C o l l i e sAL,W a l l i n g DE,L e e k sG.S o u r c e t y p e a s c r i p t i o nf o r f l u v i a l s u s p e n d e ds e d i m e n tb a s e do na q u a n t i t a t i v ec o m p o s i t e f i n g e r p r i n t i n g t e c h n i q u e[J].C a t e n a,1997,29(1):1-27.94第1期雷珊等:复合指纹法定量示踪西南岩溶洼地小流域泥沙来源Copyright©博看网 . All Rights Reserved.。
基于不同模型不同指纹因子的东北黑土区小流域泥沙来源分析
关 键 词 :东 北 黑 土 区 ;指 纹 识 别 ;泥 沙 来 源 ;沟 道 侵 蚀
中 图 分 类 号 :P95
文 献 标 识 码 :A
文 章 编 号 :1009-2242(2020)01-0084-08
Hale Waihona Puke DOI:10.13870/ki.stbcxb.2020.01.013
SedimentSourcesinaSmallWatershedLocatedintheBlackSoilRegionof NortheastChinaBasedonDifferentModelsandVariousFingerprints
DU Pengfei1,HUANG Donghao2,QIN Wei3,LIU Bing3
复合指纹识别技术定量示踪流域泥沙来源_郭进
[5]
全球约 1/3 的土地正面临侵蚀与流失威胁 。 据 Sheldon Judson 1968 估计，江河每年向海洋倾泻 的泥沙量，由在农业、畜牧业及其他人类活动产生 之前的自然携带量 99 亿 t，增至目前的 265 亿 t；当 前，世界上仍有 1/3～1/2 的耕地处在较为粗放的管 理方式下，土壤资源正以每年 0.17%的速度递减 。 侵蚀造成水土资源及土地生产力严重破坏和损失， 过度的泥沙涌入引发一系列淤积危害。河流携沙量 的增加导致河水愈加浑浊、水层透光性变差，浮游 不断 藻类生物生长受阻，水体初级生产力降低 ； 涌入的细颗粒泥沙封堵河床砾石间隙，降低床面伏 流交换，压缩了栖息、产卵空间，改变了水生生态 环境品质和生物易居性，直接威胁到水生生物尤其
研究所，610041。Email: guoyulun@ ※通信作者：文安邦（1964－） ，男，重庆忠县人，研究员，博士生导 师，主要从事水土保持与荒漠化防治研究。成都 中国科学院水利部成 都山地灾害与环境研究所，610041。Email: wabang@
在总结 支流泥沙来源，工作量较大。林承坤等 对长江流域泥沙来源多年研究经验的基础上，参考 最小二乘法原理，提出了河流推移质泥沙来源和数 量计算的方法——岩矿分析计算法（表 2）。数理 模式基本假设：1）矿物岩性组成沿程不变，各支 流卵石混合均匀；2）对推移质粒径分组，可不考
[30-32] [29] [28] [27] [26] [25] [23-24]
[20-22]
1
1.1
材料与方法
。运用指纹识
研究区概况 本试验依托中科院三峡库区水土保持与环境 研究站 （简称 “三峡站” ， 108°10′25″E， 30°24′53″N） 。 该站地处三峡库区中游，四川盆地东部平行岭谷 区，毗邻长江干流，区域内主要地貌为浅丘，广泛 出露侏罗系沙溪庙组（J2S）砂岩、粉砂岩和泥岩。 当地为湿润亚热带季风气候，具有冬暖春旱、夏热 伏旱、秋多雨等特点。四季分明，年均气温 19.2℃， 无霜期 320 d 左右， 年均降水量 1 150 mm， 其中 70% 以上集中于 4～10 月，季节分配不均[38]。紫色土坡 耕地约占库区耕地面积的 69%，大于 15°的坡耕地 面积占到了 53.87%； 地块破碎， 垦殖率及复种指数 高，土壤抗蚀性低，水土流失严重[38]。菱角塘小流 域地处忠县石宝镇两河村 5 社，距离“三峡站”约 3.5 km。流域呈漏斗状，6 个丘峰环绕四周构成流 域边界，西南边界处为一平台地，地块外侧筑有一 土质田埂（高约 1 m、顶宽约 80 cm）作为流域边 界。丘顶高程 351～397 m，谷地塘库高程 328 m， 流域面积 0.11 km2 （图 1）。流域内土地利用格局 呈山顶树林、山腰坡面旱地、沟谷水稻田模式；主 要土壤为紫色泥岩成土及砂岩风化沙土，轮作种植 冬小麦、油菜、花生、土豆、玉米和红薯等。试验 小流域是一典型的三面环山、出口筑塘的封闭式单 元小流域，流域坡面未修筑环山沟，坡面来水来沙 经地块边沟及田块直接汇入洼地水塘中。据现场量
应用指纹识别方法确定泥沙来源研究进展
应用指纹识别方法确定泥沙来源研究进展曹文洪;刘冰【摘要】本文介绍了指纹识别方法在泥沙来源研究中的新进展.国际上新近的研究主要针对计算模型的改进和结果的不确定性分析,提出了多种泥沙来源相对贡献率的计算方法,提高了结果的准确性.本文重点介绍了5种指纹识别方法新的计算模型:改进的Collins混合模型、Modified Hughes模型、Landwehr模型、Distribution模型和多元判别分析方法;讨论了不同泥沙来源分区、采样方法和指纹识别因子等对结果不确定性的影响.研究表明通过统计分析方法提高样本数量或使用多指纹识别因子组合可以提高结果的精度.最后,结合实例对多种计算方法进行了分析和比较.【期刊名称】《中国水利水电科学研究院学报》【年(卷),期】2018(016)005【总页数】9页(P353-361)【关键词】指纹识别方法;泥沙来源;指纹识别因子;不确定性分析【作者】曹文洪;刘冰【作者单位】中国水利水电科学研究院流域水循环模拟与调控国家重点实验室,北京100038;中国水利水电科学研究院流域水循环模拟与调控国家重点实验室,北京100038【正文语种】中文【中图分类】TV1411 引言泥沙来源的确定是流域泥沙平衡计算、河流泥沙减控、土壤侵蚀预报模型验证和水土保持效益评价中最基础和最重要的内容之一，也是土壤侵蚀和泥沙输移研究的难点和热点问题。
指纹识别方法是根据土壤的物理和化学性质的不同，对泥沙来源区进行归类，通过对比泥沙来源区和泥沙样品中土壤物理和化学性质的差异，来量化泥沙来源的贡献［1］。
与传统的泥沙测量方法相比，放射性元素示踪和指纹识别方法的优势在于可以定量的预测沟道侵蚀；通过单次采样，可以同时计算出侵蚀和沉积速率；根据采样方法的不同，可以预测单次降雨事件和多年平均侵蚀沉积情况［2］。
近年，该方法被用于水库沉积泥沙的测年、流域土壤侵蚀空间格局预测、泥沙来源分析等，并获得了成功［3］。
从1970年代开始，放射性元素示踪和指纹识别技术开始应用于土壤侵蚀和泥沙来源研究，最初用来示踪泥沙来源的指纹识别因子是土壤的颜色，随着土壤中元素测定技术的发展，磁性矿物、物理化学性质、稳定同位素、稀土元素以及放射性元素等被用来示踪泥沙来源［4］。
咨询师-2022-《“十四五”重点流域水环境综合治理规划》解读
【试卷总题量: 15，总分: 100.00分】用户得分：100.0分，用时808秒，通过字体：大中小| 打印| 关闭|一、单选题【本题型共5道题】1.流域环境质量在人均GDP约（）美元时开始出现拐点，在达到15000美元左右时才可能得到基本的解决。
A．7000B．8000C．9000D．10000正确答案：[C]用户答案：[C] 得分：6.002.大量化工企业临水而建，长江经济带内（）的环境风险企业位于饮用水源地周边5公里范围内，因安全生产、化学品运输等引发的突发环境事件处于高发期。
A．25%B．30%C．35%D．40%正确答案：[B]用户答案：[B] 得分：6.003.（）深入推进丽水国家生态产品价值实现机制试点，出台全国首个山区市GEP 核算地方标准。
A．上海市B．湖南省C．浙江省D．江西省正确答案：[C]用户答案：[C] 得分：6.004.乡村环境基础设施建设滞后，农村生活污水治理率仅为（），远低于城镇。
A．24.50%B．25.50%C．26.50%D．27.50%正确答案：[B]用户答案：[B] 得分：6.005.蒲河沈阳段河长为（）千米。
A．186.8B．185.8C．180.8D．182.8正确答案：[D]用户答案：[D] 得分：6.00二、多选题【本题型共5道题】1.重点流域水环境综合治理面临的结构性、根源性矛盾尚未根本缓解，具体体体现在（）。
A．治理思路和方式亟待创新B．环境改善成效尚不稳固C．乡村环境治理依然滞后D．水生态环境风险依然呈现高发态势E．流域治理体系和治理能力现代化水平有待提高正确答案：[ABCDE]用户答案：[ABCDE] 得分：8.002.水污染的特点主要有（）。
A．污染来源多、治理重点不明B．污染过程途径复杂、治理效率低C．污染过程途径简单、治理效率低D．污染过程途径简单、治理效率高E．污染来源少、治理重点明确正确答案：[AB]用户答案：[AB] 得分：8.003.《“十四五”重点流域水环境综合治理规划》的基本原则、工作准则主要有（）。
“指纹”比对锁定污水“元凶”台州试点应用水质指纹监测溯源技术
“指纹”比对锁定污水“元凶”台州试点应用水质指纹监测溯源技术水质还有指纹？没错。
不光人有指纹，水也有水的特有“指纹”。
近日，浙江省台州市在椒江区外沙岩头医化园区、黄岩区江口医化园区、临海市头门港医化园区、仙居县现代工业园区等多个医化园区试点应用了水质指纹监测溯源技术。
该项技术的应用将有效破解医化工业园区污染源复杂水质溯源难题，协助生态环保工作人员更高效锁定排污“元凶”。
据悉，医化产业是台州市的主导优势产业，医化园区既是经济的聚宝盆，又是水污染防治的主战场。
为实现园区水质动态变化监管，精准定位违规排放企业，及时查处整改，并实时监测后续治理效果，水质指纹监测溯源技术应运而生。
水质指纹监测溯源技术到底是什么？这种技术为何如此“火眼金睛”，能快速准确识别排污企业？台州市生态环境局相关负责人介绍，不同的废水由于污染物组成和浓度不同，所呈现出的三维荧光光谱也不同。
不同污染源具有特异性的三维荧光光谱，可称之为污染源的水质指纹。
将监测水体的水质指纹与污染源水质指纹数据库进行对比，可以快速识别污染排放源。
“因为每家企业生产条件、采用的原料，以及设备器材等不一样，综合的光谱也不一样。
这项技术应用后，半个小时左右就可生成光谱，通过与已采集的企业水质指纹对比，第一时间精准确定污染源。
”台州市生态环境局工作人员表示，水质指纹监测溯源技术能及时发现水质异常区域，快速判断污染迁移路径和疑似污染源，而且确定污染源精准度极高。
近日，台州市生态环境局仙居分局就通过水质指纹监测溯源技术对5家企业6个点位的混合水样进行盲样检测，准确率达100%。
“以往在水体里发现了污染物，尤其是周边有众多企业的情况下，找到污染'元凶’难度大，耗时长，现在有了这个技术，高效多了。
最近在椒江区发生的一起水质污染案件，由于沿线企业众多，放在以往要耗费大量人力、物力和时间去排查，如今通过水质指纹监测溯源技术个把小时就成功锁定了排污企业。
”该工作人员说。
黄土高原小流域洪水泥沙来源的复合指纹分析法研究的开题报告
黄土高原小流域洪水泥沙来源的复合指纹分析法研
究的开题报告
研究背景：
黄土高原地区属于我国典型的极易发生水灾的区域，而洪水泥沙是
造成水灾的主要原因之一。
目前，关于黄土高原小流域洪水泥沙来源的
研究较少，尤其是针对不同源区的泥沙质量特征的比较研究。
因此，本
研究旨在通过复合指纹分析法，利用不同源区泥沙的物化特征和环境物
质指纹，探究黄土高原小流域洪水泥沙来源及其质量特征。
研究方法：
1.采集黄土高原不同源区和小流域中的泥沙样品，测定其物化特征，包括颗粒大小、比重、形态、矿物组成等。
2.对泥沙样品中的环境物质元素（如稀土元素、重金属等）进行分析，并建立泥沙中这些元素的复合指纹。
3.利用复合指纹比较不同样品中的环境物质指纹特征，判断不同源
区泥沙的相似程度和来源。
4.结合其它地质、水文、地形等资料，分析黄土高原小流域洪水泥
沙的来源、特征和形成机制。
研究意义：
本研究旨在探究黄土高原小流域洪水泥沙的来源及其质量特征，对
中国黄土高原地区的水利、生态和环境保护具有重要的实践价值。
同时，在复合指纹分析法的应用方面也具有重要的参考意义。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
96
农业工程学报
2014 年
测， 山坪塘形状呈方形， 平均长约 82 m， 宽约 33 m， 2 汇水面积约 2707 m ，占流域面积的 2.5%；水塘深 该塘于 1958 年春季挖筑， 3 m， 蓄水量约 8 118 m3。
塘内泥沙淤积较厚，未实施清淤等人为扰动，一排 水口位于塘库出水土坝右侧，塘内蓄水供村民灌溉 及生活用水使用。
收稿日期：2013-08-08 修订日期：2014-01-05
[3-4] [2]
。该简单公式一次仅能计KZCX2-XB3-09） ；国家科技支撑计划 项目（2011BAD31B03） ；国家自然科学基金青年基金项目（41201275） ； 西部之光“西部博士”项目 作者简介：郭 进（1986－） ，男，四川射洪人，博士生，主要从事土 中国科学院水利部成都山地灾害与环境 壤侵蚀与水土保持研究。 成都
※
（1. 中国科学院水利部成都山地灾害与环境研究所/山地表生过程与生态调控重点实验室，成都 610041； 2. 中国科学院大学，北京 100049） 摘 要：土壤侵蚀导致水土资源及土地生产力的破坏和损失，泥沙淤积危害及其引发的一系列水环境效应已成为 当前及以后一段时期内研究的热点和重点。开展流域（河流）泥沙来源研究，查明入塘、河、库泥沙通量，定量 ，开展 识别泥沙来源具有重要现实指导意义。选取了一个由山坪塘控制出口的封闭式农业单元小流域（10.7 hm2） 复合指纹识别技术定量辨析塘库沉积泥沙来源新尝试。据流域现状，定性划分了 3 种泥沙来源，即旱地、水田、 林草地，并分别于塘库中部采取 A、B、C 三柱表层沉积泥沙；结合复合指纹识别技术定量解析了塘库表层沉积泥 沙来源。研究表明，塘库沉积泥沙各来源相对输沙贡献分别为旱地 84%、水田 14%、林草地 2%，复合指纹识别 技术能较好地辨析小流域泥沙来源。 关键词：泥沙输移；土壤；模型；指纹识别技术；多变量线性混合模型；复合指纹因子 doi：10.3969/j.issn.1002-6819.2014.02.013 中图分类号：S124.2 文献标志码：A 文章编号：1002-6819(2014)-02-0094-11 郭 进，文安邦，严冬春，等. 复合指纹识别技术定量示踪流域泥沙来源[J]. 农业工程学报，2014，30(2)：94 －104. Guo Jin, Wen Anbang, Yan Dongchun, et al. Quantifying catchment scale sediment source using composite fingerprinting technique[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(2): 94－104. (in Chinese with English abstract)
[10] [9] [6-8]
[5]
全球约 1/3 的土地正面临侵蚀与流失威胁 。 据 Sheldon Judson 1968 估计，江河每年向海洋倾泻 的泥沙量，由在农业、畜牧业及其他人类活动产生 之前的自然携带量 99 亿 t，增至目前的 265 亿 t；当 前，世界上仍有 1/3～1/2 的耕地处在较为粗放的管 理方式下，土壤资源正以每年 0.17%的速度递减 。 侵蚀造成水土资源及土地生产力严重破坏和损失， 过度的泥沙涌入引发一系列淤积危害。河流携沙量 的增加导致河水愈加浑浊、水层透光性变差，浮游 不断 藻类生物生长受阻，水体初级生产力降低 ； 涌入的细颗粒泥沙封堵河床砾石间隙，降低床面伏 流交换，压缩了栖息、产卵空间，改变了水生生态 环境品质和生物易居性，直接威胁到水生生物尤其
[30-32] [29] [28] [27] [26] [25] [23-24]
[20-22]
1
1.1
材料与方法
。运用指纹识
研究区概况 本试验依托中科院三峡库区水土保持与环境 研究站 （简称 “三峡站” ， 108°10′25″E， 30°24′53″N） 。 该站地处三峡库区中游，四川盆地东部平行岭谷 区，毗邻长江干流，区域内主要地貌为浅丘，广泛 出露侏罗系沙溪庙组（J2S）砂岩、粉砂岩和泥岩。 当地为湿润亚热带季风气候，具有冬暖春旱、夏热 伏旱、秋多雨等特点。四季分明，年均气温 19.2℃， 无霜期 320 d 左右， 年均降水量 1 150 mm， 其中 70% 以上集中于 4～10 月，季节分配不均[38]。紫色土坡 耕地约占库区耕地面积的 69%，大于 15°的坡耕地 面积占到了 53.87%； 地块破碎， 垦殖率及复种指数 高，土壤抗蚀性低，水土流失严重[38]。菱角塘小流 域地处忠县石宝镇两河村 5 社，距离“三峡站”约 3.5 km。流域呈漏斗状，6 个丘峰环绕四周构成流 域边界，西南边界处为一平台地，地块外侧筑有一 土质田埂（高约 1 m、顶宽约 80 cm）作为流域边 界。丘顶高程 351～397 m，谷地塘库高程 328 m， 流域面积 0.11 km2 （图 1）。流域内土地利用格局 呈山顶树林、山腰坡面旱地、沟谷水稻田模式；主 要土壤为紫色泥岩成土及砂岩风化沙土，轮作种植 冬小麦、油菜、花生、土豆、玉米和红薯等。试验 小流域是一典型的三面环山、出口筑塘的封闭式单 元小流域，流域坡面未修筑环山沟，坡面来水来沙 经地块边沟及田块直接汇入洼地水塘中。据现场量
[37] [36] [35]
、矿物元素
[15]
、矿物磁性
[19]
[16]
作为“示踪
[17]
因子” ， 取得了较好的研究结果； 泥沙颗粒颜色
[18]
、
植物孢粉 、稳定同位素 、大气沉降核素 等相继被用以示踪泥沙来源，指纹识别因子种类不 断丰富。尤以大气沉降核素（137Cs、210Pbex、7Be 等）在表土中的特殊分布，可用以区分表土与亚表 土、农耕地与非农耕地表土的泥沙来源；由于大气 沉降核素的浓度与土壤类型、地质类型均无关，在 示踪土壤类型单一以及区域地质均一的流域泥沙 来源时更具优势[9]。90 年代，复合指纹识别技术结 合多变量线性混合模型，实现了对流域内各物源区 。运用统计判别分析方 相输沙率的定量分摊 法，开展指纹识别因子判别能力检验，寻找具有最 佳判别能力的指纹识别因子组，则进一步提高了模 型拟合结果的准确性和解释能力 。泥沙来源示踪 技术（sediment source fingerprinting）的进一步完善 主要体现在一系列模型结构矫正、如何提高指纹识 别因子分析测试精度、及对模型拟合结果进行不确 定性分析等方面 。岩矿分析计算法的思路与指纹 识别技术 （sediment source fingerprinting） 几乎相同， 其核心算法均采用最小二乘法，沙量平衡方程与多 变量线性混合模型（multi-variate mixing model）结 构相似；在解决推移质泥沙来源时，前者以矿物岩 性为指纹因子，根据卵石不同粒径加权平均的思想 则更进一步。 基于流域的泥沙来源指纹识别研究能够获取 详细可靠的侵蚀产沙空间格局信息。包括不同土地 利用类型来源（地块） ，以及不同地质/土壤类型 结合径流泥沙监测资料， 区的空间来源 （区域） ； 推算各泥沙来源的相对贡献率及产沙量。流域沉积 泥沙来源指纹识别研究，结合泥沙沉积旋回断代分 析，可较准确的反演历史时期流域泥沙沉积速率、 来源及其变化趋势 。在降水丰沛的地区，未铺砌 泥质道路，尤其是大型开发建设项目区表土侵蚀， 有可能成为河流泥沙的重要来源
研究所，610041。Email: guoyulun@ ※通信作者：文安邦（1964－） ，男，重庆忠县人，研究员，博士生导 师，主要从事水土保持与荒漠化防治研究。成都 中国科学院水利部成 都山地灾害与环境研究所，610041。Email: wabang@
在总结 支流泥沙来源，工作量较大。林承坤等 对长江流域泥沙来源多年研究经验的基础上，参考 最小二乘法原理，提出了河流推移质泥沙来源和数 量计算的方法——岩矿分析计算法（表 2）。数理 模式基本假设：1）矿物岩性组成沿程不变，各支 流卵石混合均匀；2）对推移质粒径分组，可不考
94
第 30 卷 2014 年
第2期 1月
农 业 工 程 学 报 Transactions of the Chinese Society of Agricultural Engineering
Vol.30 No.2 Jan. 2014
・农业水土工程・
复合指纹识别技术定量示踪流域泥沙来源
郭 进 1,2，文安邦 1 ，严冬春 1，史忠林 1
0
引
言
[1]
是底栖生物的孵化和生长 。 作为重要载体， 河流细 颗粒泥沙控制着水体养分迁移与转化、重金属污染、 有毒有机物及无机物吸附与解析等行为 ，直接影 响着水质环境。泥沙引发的一系列水环境效应已经 成为当前及以后相当长一段时期内研究的热点和 重点。 传统的土壤侵蚀及泥沙来源研究方法大多是 间接的，主要基于侵蚀危害强度和程度观察及地面 侵蚀力大小测量信息获取，据此定性或半定量的判 断可能的泥沙来源 。 20 世纪 60 年代，南京大学地理系最早开始了 对长江上游河流卵石推移质泥沙来源研究。基本方 法是基于大范围地貌调查，统计数万颗卵石岩性组 成，并根据各支流卵石矿物岩性及其汇入后对下游 卵石岩性组成的影响程度，定性分析支流卵石推移 质的相对来量，并提出了河流推移质泥沙来源定量 计算的简单公式
Fig.1
图 1 菱角塘农业小流域土地利用及采样点空间分布 Land use pattern and spatial distribution of sampling sites in Linjiao Tang agricultural catchments
流域采样 菱角塘小流域实地踏查调研工作于 2012 年 12 月完成。小流域典型土地利用格局为坡顶林草 地、坡面中部旱地、槽谷及洼地为水稻田；坡面 地块呈梯级开垦，坡长 1～ 5 m，整个流域坡面并 无侵蚀沟发育，主要侵蚀类型为面蚀。结合流域 地形地貌及土地利用现状，最终将整个试验小流 域划分为 3 个主要侵蚀产沙单元，即林草地、旱 地及沟谷水田。次年 3 月完成了试验小流域各泥 沙来源区域表层物质采样及塘库沉积泥沙采样。