img img
高级检索

地球科学进展, 2019, 34(1): 93-102 doi: 10.11867/j.issn.1001-8166.2019.01.0093

流域盆地化学风化强度空间分布及控制因素研究:以长江和珠江为例

常海钦,1, 付亚龙1, 林鑫,1,2,*,*, 张苗苗1, 孟刚刚1

1. 长安大学地球科学与资源学院,陕西 西安 710054

2. 西安时空地质矿产技术有限公司,陕西 西安 710068

Spatial Distribution and Controlling Factors of Chemical Weathering Intensity in Drainage Basins A Case Study in the Yangtze River Basin and Pearl River Basin

Chang Haiqin,1, Fu Yalong1, Lin Xin,1,2,*,*, Zhang Miaomiao1, Meng Ganggang1

1. School of Earth Science and Resources,Chang’an University,Xi’an 710054, China

2. Xi'an Space-Time Geology and Mineral Technology Co., Ltd. ,Xi’an 710068, China

收稿日期: 2018-07-03   修回日期: 2018-12-13   网络出版日期: 2019-02-26

基金资助: 科技部重点研发计划项目“穿透性地球化学勘查技术”.  编号:2016YFC0600601

Received: 2018-07-03   Revised: 2018-12-13   Online: 2019-02-26

作者简介 About authors

常海钦(1991-),男,河北邢台人,硕士研究生,主要从事沉积地球化学研究.E-mail:2016127068@chd.edu.cn , E-mail:2016127068@chd.edu.cn

林鑫(1987-),男,陕西商洛人,讲师,主要从事应用地球化学研究.E-mail:xinlin@chd.edu.cn , E-mail:xinlin@chd.edu.cn

摘要

大型流域盆地化学风化对全球海陆物质循环和气候变化有着显著影响。许多学者提出了不同的化学风化指数,并对影响因素进行了研究。然而,目前对化学风化强度的定量刻画以及化学风化控制因素的认识仍存在不足。以长江和珠江流域盆地水系沉积物地球化学数据为例,利用化学蚀变指数(CIA)和帕克风化指数(WIP)定量刻画了化学风化强度,利用趋势面分析完成了空间分布特征研究,同时基于空间相关分析完成了化学风化强度同气温和降水的相关性分析。获得了以下①长江流域CIA平均值为72.9,WIP平均值为34.2,指示中等强度风化;珠江流域CIA平均值为93.8,WIP平均值为6.4,指示强风化。②趋势面分析显示化学风化强度存在由北向南逐渐增强的趋势。局部地区的CIA和WIP异常值与该地区较高的年降水量和年均气温相吻合。③长江和珠江流域的化学风化同气候条件紧密相关。研究区内CIA和WIP同年均降水量和年均气温的相关系数均在0.85以上。综上,认为CIA和WIP可以作为定量刻画流域盆地化学风化强度的指标,趋势面分析较好地刻画了区域及局部分布特征。

关键词: 流域盆地 ; 化学风化强度 ; 趋势面分析 ; 长江流域 ; 珠江流域

Abstract

Chemical weathering in large-scale drainage basins has significant effects on cycling of sea and land matters and climatic change on Earth. Various sediment geochemical proxies have been proposed to study the influencing factors of chemical weathering intensity. However, quantitative description of chemical weathering intensity and knowledge of controlling factors of chemical weathering are still insufficient. Exemplified by the sediment geochemical data from the Yangtze River and Pearl River Basins, the chemical weathering intensity was quantified by Chemical Index of Alteration (CIA) and Weathering Index of Parker (WIP). In addition, the spatial distribution characteristics were studied by using Trend Surface Analysis (TSA), and the correlation of the chemical weathering intensity with temperature and precipitation was completed based on Spatial Correlation Analysis (SCA). The following results were obtained: The average values of the CIA and WIP in the Yangtze River Basin are 72.9 and 34.2, indicating an intermediate weathering intensity. The average values of the CIA and WIP in the Pearl River Basin are 93.8 and 6.4, indicating a strong weathering degree. The TSA shows that the distribution of chemical weathering intensity has obvious latitude effect, that is, the lower the latitude, the stronger the chemical weathering. The abnormal values of the CIA and WIP coincide with a higher annual temperature and precipitation in space. Meanwhile, the correlation coefficients of the CIA and WIP with annual precipitation and annual mean temperature are all above 0.85 in the study area. In conclusion, the chemical weathering in the Yangtze River and the Pearl River Basin is mainly controlled by climatic conditions. The CIA and WIP can be used as a quantitative indicator for the chemical weathering intensity in drainage basins, and the trend surface analysis well depicts the regional and local distribution characteristics.

Keywords: Drainage basin ; Chemical weathering intensity ; Trend surface analysis ; Yangtze River Basin ; Pearl River Basin.

PDF (3953KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

常海钦, 付亚龙, 林鑫, 张苗苗, 孟刚刚. 流域盆地化学风化强度空间分布及控制因素研究:以长江和珠江为例. 地球科学进展[J], 2019, 34(1): 93-102 doi:10.11867/j.issn.1001-8166.2019.01.0093

Chang Haiqin, Fu Yalong, Lin Xin, Zhang Miaomiao, Meng Ganggang. Spatial Distribution and Controlling Factors of Chemical Weathering Intensity in Drainage Basins A Case Study in the Yangtze River Basin and Pearl River Basin. Advances in Earth Science[J], 2019, 34(1): 93-102 doi:10.11867/j.issn.1001-8166.2019.01.0093

1 引 言

化学风化作为地球外动力地质作用的一种,同岩石圈、水圈、大气圈和生物圈都有着密切关系[1]。大型流域盆地化学风化对于全球海陆物质循环和气候变化有着显著影响。河流搬运的物质主要来自于岩石的化学风化。同时化学风化也会导致陆地生态系统的CO2进入河流和海洋中从而对全球气候进行调节。因此了解流域盆地化学风化是非常有必要的。

前人对化学风化强度的定量刻画、空间分布和控制因素的研究较为关注。目前已经有很多研究构建了多种化学风化指数包括化学蚀变指数(Chemical Index of Alteration,CIA)[2]、帕克风化指数(Weathering Index of Parker,WIP)[3]和化学风化指数(Chemical Index of Weathering,CIW)[4]等,对化学风化强度展开了研究,但是由于样品数据较少,缺乏对化学风化强度空间连续分布以及分布特征的研究。其中CIA和WIP的应用最为广泛,因此本文选用这2个指数对长江和珠江流域化学风化强度分布及特征展开研究。Nesbitt等[2]在1982年研究加拿大古元古代碎屑岩时提出了CIA这一指标。这一方法通过计算长石类矿物风化成黏土矿物的程度来评估硅酸盐化学风化强度,一般来说,CIA值越高,风化程度越高。许多学者在流域盆地硅酸盐化学风化的研究中都用到了这一方法,如亚马逊流域[5]、恒河流域[6]、长江流域、黄河流域[7,8]和辽河流域[9]。CIA反映了流域盆地内一个阶段的化学风化程度,受粒径的影响较大,受源岩类型影响较小[10]。WIP是由Parker[3]于1970年提出的一种化学风化指数,WIP值越小,风化程度越高。一些研究考虑到化学风化过程中Al的流失,认为WIP比CIA更适合评估化学风化程度[11,12],但是CIA在世界范围内的应用较WIP更为广泛。

影响硅酸盐矿物化学风化强度的主要因素包括大地构造性质、地貌特征、岩石类型、气候(气温和降水)、植被以及人类活动[13]。但是究竟何种因素对于硅酸盐矿物化学风化的影响最大,目前还没有定论。Raymo等[14]提出新生代全球气候变冷可能是由青藏高原隆升引起的化学风化大量消耗CO2所导致的。Gaillardet等[15]通过研究60条世界主要河流提出,只有强烈的物理剥蚀才能导致较强的化学风化,因此认为岩性对于硅酸盐化学风化的影响最为重要。White等[16]对世界68个花岗岩质流域的研究表明,化学风化主要受到气候条件的影响,高温、强降水条件下化学风化程度也随之增强,低温、弱降水条件下化学风化程度随之减弱。Pinet等[17]通过研究世界主要流域盆地的河流水化学数据认为,降水相对于气温对于化学风化的影响更大。

本文利用中国区域化探扫面计划在长江和珠江流域的5 077个水系沉积物地球化学数据计算出CIA值和WIP值,基于趋势面分析研究两大流域盆地的化学风化强度空间分布特征及差异,利用空间相关分析来探讨化学风化强度的控制因素。

2 区域背景

长江流域面积为180×104 km2,占据国土面积的18.8%。一些主要的支流如图1所示。长江流域的源岩类型复杂多样,上游主要为碎屑岩,变质岩,铁镁质、长英质火成岩;中游主要为碳酸盐岩和碎屑岩;下游主要为冲积物和湖积物等第四系沉积物、碎屑岩以及散落的中酸性火成岩[18]。珠江流域面积约为44×104 km2,主要支流包括:西江、北江和东江。珠江流域的岩性主要为变质岩、碎屑岩、花岗岩和碳酸盐岩[18]

全球约有1/3的区域受到季风影响[19]。其中东亚地区主要受到东亚季风和印度洋季风影响[20,21]。图2为研究区1981—2010年的年均降水量和年均气温分布等值线图。由于受到上述季风气候的影响,研究区域的年均降水量呈现出冬季少、夏季多的特点。此外,研究区年均降水量还具有西北低、东南高的空间分布特征。长江流域年均降水量从上游到下游呈现明显的增加趋势,珠江流域年均降水量也具有相同趋势。研究区的年均气温和年均降水量相似,具有西北低、东南高的特征。

图1

图1   长江和珠江流域岩性地质图

Fig.1   Lithologic map of the Yangtze and Pearl River Basins

1:雅砻江;2:岷江;3:嘉陵江;4:汉江;5:赣江;6:湘江;7:沅江;8:乌江;9:西江;10:北江;11:东江

1:Yalongjiang;2:Minjiang;3:Jialingjiang;4:Hanjiang;5:Ganjiang;6:Xiangjiang;7:Yuanjiang;8:Wujiang;9:Xijiang;10:Beijiang;11:Dongjiang


图2

图2   长江和珠江流域年均降水和年均气温分布等值线图

Fig.2   Contour map of meanannual precipitation and mean annual temperature distribution in Yangtze and Pearl River Basins

(a)年均降水;(b)年均气温

(a)Mean annual precipitation;(b)Mean annual temperature


长江流域植被类型包括中亚热带常绿阔叶林,北亚热带常绿、落叶阔叶混交林,亚热带寒温性针叶林,高寒灌丛、草甸地带,以中亚热带常绿阔叶林为主。珠江流域植被类型包括南亚热带季风常绿阔叶林,北热带半常绿季雨林、湿润雨林和亚热带季风常绿阔叶林,以南亚热带季风常绿阔叶林为主(数据来源于中国科学院资源环境科学数据中心,http://www.resdc.cn)。长江流域地貌类型多样,包括山地、丘陵、高原、盆地和平原,以山地为主,少见平原,山脉高度随地势降低而降低[22]。珠江流域的地貌从西向东基本可以分为3段:云贵高原、两广丘陵和珠江三角洲[23]

3 数据来源及计算方法

3.1 数据来源

本文所采用的数据来自区域化探全国扫面计划。该计划以水系沉积物为主要采样介质,采样点布置在二级水系和一级水系口上,所采集的样品经过60目筛选。样品的分析方法以X射线荧光分析(X-Ray Fluorescence Analysis,XRF)为主体并搭配其他方法[24]。对Al2O3,CaO和K2O采取X射线荧光分析,对Na2O采取等离子发射光谱法进行分析。样品分析采取以下质量监控方案:将全国性一级标准样插入不同实验室分析样品中,监控实验室之间的偏倚;将各省二级标准样插入同一实验室不同样品之间,监控不同批次、时间和图幅之间的偏倚;选定分析方法之前先对一级标准样分析,减小全国不同实验室分析方法之间的偏倚[25,26]。本文仅对长江和珠江流域的数据进行分析。

3.2 CIA计算方法

CIA是利用源岩残余组分以及主要碱金属和碱土金属元素(Na,K和Ca)来对化学风化程度进行评估的一种方法[2]。CIA的计算式如下:

CIA=Al2O3Al2O3+CaO*+K2O+Na2O×100

式中:氧化物单位为摩尔质量百分比,CaO*指硅酸盐矿物中的CaO含量,不包括碳酸盐和磷酸盐等矿物中结合的CaO[2,27]。本文采取了McLennan[28]提出的校正方法来去除非硅酸盐类含Ca矿物的影响,依据水系沉积物样品中CaO/Na2O的摩尔比值作为CIA值的计算标准。如果比值大于1, 以Na2O的摩尔含量代替CaO含量;若比值小于1,则以CaO摩尔含量来计算CIA。化学风化指数如CIA,CIW,PIA和WIP等均受到水动力分选和颗粒直径的影响[29]。CIA值一般会受到颗粒直径和硅酸盐矿物的影响[29,30],细粒沉积物中Al相对于易溶元素(Ca,Na和K)更加富集,导致CIA值较高。同时强烈的化学风化也会导致原生矿物的亏损,并会产生大量的细粒次生矿物[31]。CIA还同硅酸盐矿物紧密相关,随Al2O3/SiO2升高显著增加[29]。一般来说,CIA越大,化学风化程度越强。Servaraj等[32]将化学风化程度划分为3个阶段:CIA值在50~60的弱化学风化阶段,60~80的中等风化阶段以及CIA值超过80的强化学风化阶段。此外,CIA值高于100表明源岩中的可溶性无机盐和碱性元素已经完全流失[28]

3.3 WIP计算方法

WIP是由Parker[3]于1970年提出的评价硅酸盐风化强度的指数,主要基于碱金属和碱土金属(Na,Mg,K和Ca)在风化过程中的流失程度。一般来说,WIP越小代表化学风化越强。WIP的计算公式如下:

WIP=100×2Na2O0.35+MgO0.9+2K2O0.25+CaO0.7

式中:氧化物单位为摩尔质量百分比,CaO指硅酸盐矿物中的CaO含量。据郭玉龙等[29]的研究,WIP受沉积旋回、石英稀释、矿物分选和颗粒直径等影响,在河漫滩粗粒沉积物中同Al2O3/SiO2呈正相关,而在细粒悬浮物中则呈负相关。由于石英稀释的影响,WIP往往会严重高估多旋回石英砂岩的风化程度。邵菁清等[33]的研究表明,长江流域沉积物的颗粒直径对WIP并无明显影响。

3.4 趋势面分析方法

趋势面分析方法可基于原始离散数据,利用多项式模拟出二维连续平面,该平面即称为趋势面。趋势面分析将原始观测数据分解为3个部分:趋势、残差和随机误差(噪声)[34]。公式为:Zi'

Zixi,yi=Zi'xi,yi+εxi,yi+σ

式中:Zixi,yiZi'xi,yiεxi,yiσ分别代表原始观测值、趋势值、残差值和随机误差(噪声)值。在地球化学研究中,趋势被认为是背景,残差代表局部异常,随机误差反映了随机性的干扰(例如由采样、分析产生的随机干扰)。本文采用剩余值平均法[35]估算随机误差,以提取残差。公式为:

Ri=k=1MΔZiM

式中:Ri为随机分量,M为剩余个数,ΔZi为第i个样品的剩余值,从剩余值中滤掉R,即可求得剩余异常点的异常分量。

趋势面的拟合度(Degree of Fitting,DF)和趋势面次数的选择有关。检验拟合度的公式为:

DF=1-i=1nZi-Ζi'2i=1nZi-Z¯2×100,

式中:ZiΖi'Z¯分别为观测值、趋势值和观测值的平均值。化探数据处理中一般分析1~6次趋势面,拟合度达到40%~60%即可达到要求[36]。拟合度太高会使异常消失,太低则难以消除区域性因素的影响。因此,拟合度一般以70%~90%为宜[37,38]

3.5 空间相关分析

空间相关分析是一种评估2个数据集图层之间相关性的方法,相关系数的计算公式如下:

Corri,j=Covi,jδiδj

式中:ij代表不同的数据集,Covi,j代表2个数据集之间的协方差,δiδj分别是ij数据集的方差。在一组栅格图中,相关系数代表了对应栅格值之间的关系。空间相关系数通常在-1~+1,正值代表2个数据集之间呈正相关,负值代表2个数据集之间呈负相关,0则代表2个数据集之间相互独立,互不影响。

4 结果与讨论

4.1 统计分布特征

3和表1列出了本文和前人的研究区Al2O3,CaO,K2O,Na2O和MgO以及CIA和WIP的统计学分布特征。其中图3的纵坐标为对数刻度,长江和珠江流域的Al2O3和K2O的中位数较为接近,MgO,CaO,Na2O,WIP和CIA的中位数相差较大,CaO的离散程度最大,Al2O3的离散程度最小。珠江流域的MgO,CaO和Na2O的数值相比长江流域的要高。

图3

图3   长江和珠江流域水系沉积物主量元素、CIAWIP箱式图

Fig.3   Box plot of major elements,CIA and WIP of stream sediments in the Yangtze and Pearl River Basins


表1   长江和珠江流域水系沉积物主量元素、CIAWIP统计特征

Table 1  Statistical characteristics of major elements, CIA and WIP of stream sediments in the Yangtze and Pearl

采样点数平均值/(质量百分数,%)

αEAl/

(质量百分数,%)

河流平均值(a)/

(质量百分数,%)

UCC平均值(b)/(质量百分数,%)世界河流平均值(c)/(质量百分数,%)中国河流平均值(d)/(质量百分数,%)
Al2O3(长江)2 95613.40/13.615.216.4715.10
Al2O3(珠江)1 17214.44/19.915.216.4715.10
CaO(长江)2 9562.031.833.84.23.633.73
CaO(珠江)1 1720.765.250.94.23.633.73
Na2O(长江)2 9560.854.050.83.90.960.89
Na2O(珠江)1 1720.2316.120.33.90.960.89
K2O(长江)2 9562.401.242.53.42.042.58
K2O(珠江)1 1721.961.632.23.42.042.58
MgO(长江)2 9561.531.273.02.22.10/
MgO(珠江)1 1720.673.121.22.22.10/
CIA(长江)2 95672.90/71.748.075.571.40
CIA(珠江)1 17293.80/82.848.075.571.40
WIP(长江)2 95634.20/38.779.751.3/
WIP(珠江)1 1726.40/25.679.751.3/

注:(a)来自参考文献[33];(b)来自参考文献[39];(c)来自参考文献[40];(d)来自参考文献[33];/ 代表无数据

新窗口打开| 下载CSV


1采用了Garzanti等[41]提出的αEAl,以减小水动力分选的影响,具体计算方法为:αEAl=Al/E/Al/EUCC。通常来说,αEAl>1代表水系沉积物中元素相对于大陆上地壳(Upper Continental Crust,UCC)亏损,αEAl<1代表元素相对富集[29]。由表1可见,长江和珠江流域的Ca,Na,Mg和K相对于UCC都有不同程度的亏损。亏损程度由大到小的顺序基本相同,均为αNaAl>αCaAl>αMgAl>αKAl,但珠江流域内的αEAl均要高于长江流域的αEAl。长江和珠江流域的CIA平均值分别为72.9和93.8,高于UCC和其他研究中的CIA值,同时也高于世界河流平均值和中国河流平均值,WIP平均值则分别为34.2和6.4,低于UCC和其他研究中的WIP值。这些特征表明长江流域源岩普遍遭受了中等强度的化学风化,而珠江流域源岩则主要遭受了强风化。

4.2 A-CN-K三角图

CaO,Na2O和K2O在不同化学风化阶段的流失情况不同,弱—中等化学风化阶段主要表现为CaO和Na2O的流失[4],强风化阶段则主要表现为K2O的流失。在图4中,长江流域的化学风化趋势同A-CN线平行,含钠硅酸盐矿物和含钙硅酸盐矿物先于含钾硅酸盐矿物从源岩中流失。随着风化程度的增加,强烈的化学风化导致含钾硅酸盐矿物的大量流失,转向与A-K线平行的方向并且逐渐接近Al2O3轴的顶端[33]。珠江流域的化学风化趋势同A-K线平行,含钾硅酸盐矿物大量流失,主要处于强化学风化阶段。尽管长江和珠江流域的沉积物样品风化程度并不相同,但是其风化母岩均与UCC的平均组成十分相似。

图4

图4   A-CN-K三角图

Fig.4   The A-CN-K ternary diagram

(a)长江流域;(b)珠江流域

(a)Yangtze River Basin;(b)Pearl River Basin


4.3 化学风化强度空间分布

5为长江和珠江流域的CIA空间分布等值线图及WIP空间分布等值线图,由ArcGIS 10.2反距离插值法创建。从图5可见,自北向南CIA值逐渐增加,WIP值则逐渐降低。汉江流域CIA值小于70,WIP值大于50,呈现弱—中等风化;湘江、赣江流域CIA值大于70,WIP值小于25,呈现中等—强风化;其他地区CIA值为60~80,WIP值为25~50,呈现中等风化。东江流域CIA值小于80,WIP值大于25,呈现中等风化;其他地区CIA值大于80,WIP值小于25,呈现强风化。一般来说,CIA为50~60,反映发生在寒冷干燥环境下的低等化学风化;当CIA值为60~80,反映发生在温暖湿润环境下的中等化学风化;CIA值为80~100,反映发生在炎热潮湿环境下的强烈化学风化。由于中国台湾地区受到强烈的构造抬升和台风的侵蚀,导致沉积物快速进入海洋,因此台湾地区虽然炎热多雨,但是CIA值处于71~75[32,33]。综上所述,长江和珠江流域内CIA的分布在一定程度上和年均降水量及年均气温的分布具有一致性。

6为CIA、WIP、年均气温和年均降水量的空间趋势分布等值线图。如前文所述,拟合度以70%~90%为宜,其中CIA的拟合度为75.84%,WIP的拟合度为66.14%,年均气温的拟合度为83.22%,年均降水的拟合度为85.64%。同时,6次趋势面拟合累计误差较小,因此本文以6次多项式拟合结果为分析对象。由图6可见,CIA和WIP对于化学风化强度分布的刻画结果基本相同。长江流域大部分地区CIA趋势值为60~80,WIP趋势值为25~50,弱风化—强风化均有分布,风化强度由北向南呈增强的趋势;珠江流域CIA趋势值大于70,WIP趋势值小于40,呈现中等—强风化,风化强度较为均一。长江流域北部化学风化程度最弱,珠江流域化学风化程度最强,呈现明显的纬度效应,即随着纬度降低,化学风化强度总体上有增强的趋势。

7为长江和珠江流域CIA、WIP、年均降水量和年均气温的异常分布图。其中2号异常区域位于鄱阳湖和洞庭湖,3号、5号、6号、7号、9号和10号异常区域位于长江支流,12号异常区域位于珠江支流。从图7可以看出:CIA和WIP得到的化学风化异常区域在长江流域内基本重合;长江流域内的化学风化异常区域数量比珠江流域要多;长江流域内面积较大的化学风化异常区域基本分布在中下游地区,珠江流域内的化学风化异常区域则基本分布在中上游地区。

图5

图5   长江和珠江流域CIAWIP空间分布等值线图

Fig.5   Contour map of spatial distribution of CIA and WIP in Yangtze and Pearl River Basins

(a)CIA;(b)WIP


图6

图6   6次多项式趋势面分析

Fig.6   Spatial distribution of the 6th-order trend

(a)CIA;(b)WIP;(c)年均降水量;(d)年均气温

(a)CIA;(b)WIP;(c)Mean annual perception;(d)Mean annual temperature


图7

图7   6次多项式趋势面残差图

Fig.7   Spatial distribution of the 6th-order residual

(a)CIA;(b)WIP;(c)年均降水量;(d)年均气温

(a)CIA;(b)WIP;(c)Mean annual perception;(d)Mean annual temperature


本文认为导致上述化学风化异常的主要因素是局部高降水量,如2号、3号、4号、9号、10号、11号、13号异常区域同年均降水异常地区比较吻合,而除了2号区域年均气温偏高以外,并无其他气温异常地区与化学风化异常地区相吻合。研究区降水量和气温受东亚季风气候的影响,长江流域上游的气温和年降水量普遍低于中下游。同时,下游流域样品也承载了中上游地区化学风化的信息。这些因素可能导致了本文中长江流域化学风化异常区域主要处于下游流域。

4.4 化学风化影响因素

本文运用空间相关分析来研究气温和降水同化学风化强度之间的空间相关关系。长江流域内CIA与年均降水量和年均气温的相关系数分别为0.95和0.97,WIP与年均降水量和年均气温的相关系数分别为0.88和0.90;珠江流域内CIA与年均降水量和年均气温的相关系数分别为0.97和0.98,WIP与年均降水量及年均气温的相关系数分别为0.94和0.91。前人提出的化学风化的控制因素,主要包括大地构造性质、地貌特征、岩石类型、气候(气温和降水)、植被以及人类活动[13]。长江流域和珠江流域均处于扬子板块,大地构造性质类似,地形高度由东向西逐渐降低,植被均以亚热带季风常绿阔叶林为主,人口密集,人类活动较多。研究区内降水量和气温随着纬度降低而增加,随纬度升高而降低,分布模式主要受东亚季风气候的支配。CIA和WIP的趋势分布同年均气温和年均降水等气候条件类似,均具有纬度效应,而植被、岩石类型和地形等因素均不具备相应的纬度效应。因此本文认为降水量和气温是研究区化学风化强度的主要影响因素。化学风化强度随着年降水量和气温的增加而增强。相关系数表明降水和气温与化学风化强度在空间上有着正相关关系,也证明了研究区的化学风化过程主要受到了东亚季风气候的影响[7]。趋势面分析表明化学风化异常主要由局部年均降水异常引起,同年均气温异常关系不大。

5 结 论

本文通过CIA和WIP定量刻画了长江流域和珠江流域的化学风化强度,利用趋势面分析完成了化学风化强度空间分布特征研究,利用空间相关分析探讨了化学风化强度的主要控制因素。

研究显示,长江流域主要经历了中等风化,上游的化学风化程度较中下游明显偏弱。珠江流域则主要经历了强风化,流域内的化学风化程度较为均一。此外,研究区内化学风化强度有明显的纬度效应,即随着纬度降低,化学风化强度总体上有增强的趋势。

研究区内自西北到东南化学风化随着CIA升高和WIP降低而逐渐增强,呈现纬度分布的特征。尽管研究区内源岩类型、气候条件和源区地质条件并不均一,但CIA和WIP均能反映出岩石的化学风化强度。研究区内的化学风化程度范围广而连续,低等化学风化到高等化学风化均有分布。

流域内硅酸盐化学风化受到多种因素的影响,因此很难建立一个简单统一的化学风化同其影响因素的关系,不同影响因素对化学风化强度具有不同的影响程度。化学风化指数同年均气温、降水量的高度相关性表明研究区内的沉积盆地特别是构造稳定的地区的化学风化强度主要受到季风气候的影响。

参考文献

Xie Chenji , Gao Quanzhou , Tao Zhen .

Review and perspectives of the study on chemical weathering and hydrochemistry in river basin

[J].Tropical Geography,2012,32(4):331-337.

[本文引用: 1]

解晨骥,高全洲,陶贞 .

流域化学风化与河流水化学研究综述与展望

[J].热带地理,2012,32(4):331-337.

[本文引用: 1]

Nesbitt H W Young G M .

Early proterozoic climates and plate motions inferred from major element chemistry of lutites

[J]. Nature, 1982, 299(5 885):715-717.

[本文引用: 4]

Parker A .

An index of weathering for silicate rocks

[J]. Geological Magazine,1970,107501-504.

[本文引用: 3]

Harnois L .

The CIW index: A new chemical index of weathering

[J]. Sedimentary Geology, 1988, 55(3):319-322.

[本文引用: 2]

Vital H , Stattegger K .

Major and trace elements of stream sediments from the lowermost Amazon River

[J]. Chemical Geology, 2000, 168(1):151-168.

[本文引用: 1]

Singh M , Sharma M , Tobschall H J .

Weathering of the Ganga alluvial plain, Northern India: Implications from fluvial geochemistry of the Gomati River

[J]. Applied Geochemistry, 2005, 20(1):1-21.

[本文引用: 1]

Yang Shouye , Jung H S , Li Congxian .

Two unique weathering regimes in the Changjiang and Huanghe Drainage Basins: Geochemical evidence from river sediments

[J]. Sedimentary Geology, 2004, 164(1/2):19-34.

[本文引用: 2]

Li Chao , Yang Shouye .

Is Chemical Index of Alteration (CIA) a reliable proxy for chemical weathering in global drainage basins?

[J]. American Journal of Science, 2010, 310(2):111-127.

[本文引用: 1]

Qi Wei Fu Jianfei Wang Ende et al .

Study of the soil weathering degree of the Liao River Basin based on CIA Index

[J]. Journal of Northeastern University(Natural Science)2012,33(3):444-447.

[本文引用: 1]

綦魏,付建飞,王恩德, .

基于化学蚀变指数(CIA)的辽河流域土壤风化程度研究

[J].东北大学学报:自然科学版,2012,33(3):444-447.

[本文引用: 1]

Qiu Shifan , Zhu Zhaoyu , Yang Tian , et al .

Chemical weathering of monsoonal eastern China: Implications from major elements of topsoil

[J]. Journal of Asian Earth Sciences, 2014, 81(4):77-90.

[本文引用: 1]

Duzgoren-Aydin N S , Aydin A , Malpas J .

Re-assessment of chemical weathering indices: Case study on pyroclastic rocks of Hong Kong

[J]. Engineering Geology, 2002, 63(1/2):99-119.

[本文引用: 1]

Price J R , Velbel M A .

Chemical weathering indices applied to weathering profiles developed on heterogeneous felsic metamorphic parent rocks

[J]. Chemical Geology, 2003, 202(3/4):397-416.

[本文引用: 1]

Hagedorn B , Cartwright I .

Climatic and lithologic controls on thetemporal and spatial variability of CO2 consumption via chemical weathering:An example from the Australian Victorian Alps

[J]. Chemical Geology2009, 260:234-253.

[本文引用: 2]

Raymo M E , Ruddiman W F .

Tectonic forcing of late Cenozoic climate

[J]. Nature, 1992, 359 (6 391):117-122.

[本文引用: 1]

Gaillardet J , Dupré B , Louvat P , et al .

Global silicate weathering and CO2, consumption rates deduced from the chemistry of large rivers

[J]. Chemical Geology, 1999, 159(1/4):3-30.

[本文引用: 1]

White A F , Blum A E .

Effects of climate on chemical weathering in watersheds

[J]. Geochimica et Cosmochimica Acta, 1995, 59(9):1 729-1 747.

[本文引用: 1]

Pinet P , Souriau M .

Continental erosion and large-scale relief

[J].Tectonics, 1988, 7(3):563-582.

[本文引用: 1]

Li Jingying .

A Study on the Chemical Weathering, Mechanical Denudation Correlative with River Water and Sediment Geochemistry and CO2 Consumption Budget and Controlling Factor sin the Major Drainage Basins of China

[D].QingdaoOcean University of China2003.

[本文引用: 2]

李晶莹 .

中国主要流域盆地的风化剥蚀作用与大气CO2的消耗及其影响因子研究

[D].青岛中国海洋大学,2003.

[本文引用: 2]

Shao Xie , Huang Ping , Huang Ronghui .

A review of the South China Sea summer monsoon onset

[J]. Advances in Earth Science201429(10) :1 126-1 137

[本文引用: 1]

邵勰,黄平,黄荣辉 .

南海夏季风爆发的研究进展

[J].地球科学进展,2014,29(10) : 1 126-1 137.

[本文引用: 1]

Lu Wenxi , Wu Jian .

Aerosol’s impacts on the Indian summer monsoon and the East Asian summerm on soon: An overview

[J].Advances in Earth Science201631(3) :248-257

[本文引用: 1]

陆雯茜,吴涧 .

气溶胶影响印度夏季风和东亚夏季风的研究进展

[J].地球科学进展,2016,31(3):248-257.

[本文引用: 1]

Hao Qingzhen , Zhang Renhe , Wang Pinxian ,et al .

Monsoons across multi-scales:Summary of fourth conference on Earth system science

[J].Advances in Earth Science,2016,31(7) :689-699.

[本文引用: 1]

郝青振,张人禾,汪品先, .

全球季风的多尺度演化

[J].地球科学进展,2016,31(7):689-699.

[本文引用: 1]

Liu Huiping .

A study on the topography classification in Changjiang reaches

[J]. Journal of Central China Normal University(Natural Sciences), 1994,28(1):129-132.

[本文引用: 1]

刘会平 .

长江流域地貌类型研究

[J].华中师范大学学报:自然科学版,199428(1):129-132.

[本文引用: 1]

Zeng Zhaoxuan .

Topgraphic features of Peral River valley

[J]. Pearl River,1993,(2):3-6.

[本文引用: 1]

曾昭璇 .

珠江流域地形特征

[J].人民珠江,1993,(2):3-6.

[本文引用: 1]

Xie Xuejin , Ren Tianxiang , Xi Xiaohuan ,et al .

The implementation of the Regional Geochemistry-National Reconnaissance program (RGNR) in China in the past thirty years

[J]. Acta Geoscientica Sinica,2009,30(6):700-716.

[本文引用: 1]

谢学锦,任天祥,奚小环, .

中国区域化探全国扫面计划卅年

[J].地球学报,2009,30(6):700-716.

[本文引用: 1]

Xie Xuejin .

Applied Geochemistry Into The 21st Century-in Memory of Prof

.

Xie’s Fifty Years Research Activity on Geochemical Exploration

[M].BeijingGeological Publishing House, 2002.

[本文引用: 1]

谢学锦 .

面向21世纪的应用地球化学:谢学锦院士从事地球化学研究50周年

[M]. 北京地质出版社, 2002.

[本文引用: 1]

Xie Xuejin .

Regional Geochemical Exploration

[M]. Beijing: Geological Publishing House1979.

[本文引用: 1]

谢学锦 .

区域化探

[M].地质出版社,1979.

[本文引用: 1]

Shao Jingqing Yang Shouye .

Does Chemical Index of Alteration (CIA) reflect silicate weathering and monsoonal climate in the Changjiang River Basin?

[J].Chinese Science Bulletin,2012,57(11):933-942.

[本文引用: 1]

邵菁清,杨守业 .

化学蚀变指数(CIA)反映长江流域的硅酸盐岩化学风化与季风气候?

[J].科学通报,2012,57(11):933-942.

[本文引用: 1]

Mclennan S M .

Weathering and global denudation

[J]. Journal of Geology, 1993, 101(2):295-303.

[本文引用: 2]

Guo Yulong , Yang Shouye , Su Ni , et al .

Revisiting the effects of hydrodynamic sorting and sedimentary recycling on chemical weathering indices

[J]. Geochimica et Cosmochimica Acta 2018,227:48-63.

[本文引用: 5]

Garzanti E , Andó S , France-Lanord C , et al .

Mineralogical and chemical variability of fluvial sediments 2. Suspended-load silt (Ganga-Brahmaputra, Bangladesh)

[J]. Earth & Planetary Science Letters, 2011, 302(1/2):107-120.

[本文引用: 1]

Nesbitt H W , Young G M , Mclennan S M , et al .

Effects of chemical weathering and sorting on the petrogenesis of siliciclastic sediments, with implications for provenance studies

[J]. Journal of Geology, 1996, 104(5):525-542.

[本文引用: 1]

Servaraj K , Chen C T A .

Moderate chemical weathering of subtropical Taiwan: Constraints from solid-phase geochemistry of sediments and sedimentary rocks

[J]. The Journal of Geology2006114(1): 101-116.

[本文引用: 2]

Shao Jingqing , Yang Shouye , Li Chao .

Chemical indices (CIA and WIP) as proxies for integrated chemical weathering in China: Inferences from analysis of fluvial sediments

[J]. Sedimentary Geology, 2012, 265/266(6):110-120.

[本文引用: 5]

Agterberg F P .

Geomathematics

[M]. New YorkElsevier,1974.

[本文引用: 1]

Zhao Pengda .

Quantitative Geoscience: Methods and Its Applications

[M].BeijingHigh Education Press, 2004.

[本文引用: 1]

赵鹏大 .

定量地学方法及应用

[M]. 北京高等教育出版社, 2004.

[本文引用: 1]

Wang Xueren .

Multivariate Statistical Analysis of Geological Data

[M]. BeijingScience Press, 1982.

[本文引用: 1]

王学仁 .

地质数据的多变量统计分析

[M]. 北京科学出版社, 1982.

[本文引用: 1]

Zhao Xudong .

Petroleum Mathematic Geology

[M].BeijingPetroleum Industry Press1992.

[本文引用: 1]

赵旭东 .

石油数学地质概论

[M]. 北京石油工业出版社, 1992.

[本文引用: 1]

Li Hanlin , Zhao Yongjun , Zha Ming .

The main factors affecting the goodness-of-fit trend surface and method of choosing optimum trend surface

[J]. Geological Review1994,40(Suppl.1):33-38.

[本文引用: 1]

李汉林,赵永军,查明 .

影响趋势面拟合度的主要因素和选择最佳趋势面的方法

[J].地质论评,1994,40(增刊1):33-38.

[本文引用: 1]

Taylor S R , McLennan S M .

The Continental Crust: Its Composition and Evolution

[M]. OxfordBlackwell, 1985.

[本文引用: 1]

Viers J , Dupré B , Gaillardet J .

Chemical composition of suspended sediments in world rivers: New insights from a new database

[J]. Science of the Total Environment, 2009, 407(2):853-868.

[本文引用: 1]

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]. Journal of Geology, 2013, 121(6):547-580.

[本文引用: 1]

/