激光-筛分联合法粒度分析结果的表达及粒度端元的沉积动力学意义.pdf

4期http:/激光-筛分联合法粒度分析结果的表达及粒度端元的沉积动力学意义唐雯雯1，陈奇1，朱永兰1，蔡廷禄2,3，贾建军1,3（1.华东师范大学河口海岸学国家重点实验室，上海200241；2.自然资源部第二海洋研究所海岸带与海岛研究中心，浙江杭州310012；3.浙江省海洋科学院自然资源部海洋空间资源管理技术重点实验室，浙江杭州310012）摘要：河口海岸沉积动力环境复杂，沉积物粗细组分皆有。对于粗细混杂（同时含有砂砾质和泥质成分）的沉积物样品，单一的粒度分析方法不能覆盖整个粒度分布范围，常采用激光-筛分联合法进行粒度分析。由于两种方法的分析原理不同，经常出现细部的激光法结果与粗部的筛分结果部分重合现象，这会影响整个样品的粒度分布计算。石油天然气行业标准碎屑岩粒度分析方法（SY/T 5434-2018）对此问题给出了新的解决方案，但是只有文字描述，没有可操作的计算方法。本研究根据该行业标准提出的方案，推算出激光-筛分联合法粒度分析结果的修正计算公式。以浙江舟山群岛潮间带197个粗细混杂样品为例，采用激光-筛分联合法进行了粒度分析，分别采用直接拼接算法及SY/T 5434-2018算法计算了粒度分布，在此基础上对两套算法所得组分含量和粒度参数进行了比较。结果表明，SY/T 5434-2018算法相较于直接拼接算法，扩大了粗颗粒的体积百分比，减少了细颗粒的体积百分比。两种算法得到的组分含量具有显著的线性相关关系，且砾、砂、粉砂、黏土等组分含量的差异从粗到细依次减少。用两种算法的结果分别计算粒度参数，同样具有显著的线性相关关系，且平均粒径、分选系数、偏度与峰态等粒度参数的差异渐次减小。两种算法得到的组分数据的相似度整体优于粒度参数的相似度，均具有高度一致性，可根据工作需求选择适合的算法，无须对两种算法之间的误差再作验证。借助粒度端元分解模型，将舟山潮间带的沉积物划分出不同的粒度端元，其中泥质端元主要是长江泥沙向浙闽沿岸输送的产物；而砾和砂的成分，多是当地物源或当地波浪分选的结果。关键词：粒度分析；激光-筛分联合法；粒度参数；端元分解；舟山群岛；潮间带中图分类号：P736.21文献识别码：A文章编号：1001-6932(2023)04-0361-14Doi:10.11840/j.issn.1001-6392.2023.04.001收稿日期：2022-07-18；修订日期：2022-10-18基金项目：国家自然科学基金（41876092）；自然资源部海洋空间资源管理技术重点实验室开放课题（KF-2021-104）作者简介：唐雯雯（1999），硕士研究生，主要从事动力沉积与沉积地貌研究，电子邮箱：通信作者：蔡廷禄，博士，高级工程师，电子邮箱：；贾建军，博士，研究员，电子邮箱：Expression of particle size analysis results by laser-sieving combinedmethod and the sedimentary dynamic significance of grain sizeendmembersTANG Wenwen1,CHEN Qi1,ZHU Yonglan1,CAI Tinglu2,3,JIA Jianjun1,3（1.State Key Laboratory of Estuarine and Coastal Research,East China Normal University,Shanghai 200241,China;2.Second Institute of Oceanography,MNR,Hangzhou 310012,China;3.Key Laboratory of Ocean Space ResourceManagement Technology,MNR,Hangzhou 310012,China）Abstract:The estuarine and coastal sedimentary dynamic environment is complex,and the sediments have both coarse andfine components.For sediment samples with mixed coarseness and fineness(containing both sand-gravel and argillaceouscomponents),a single particle size analysis method cannot cover the entire particle size distribution range,and the laser-sievingcombined method is often used for particle size analysis.Due to the different analysis principles of the two methods,the results海洋通报MARINE SCIENCE BULLETIN第42卷第4期2023年8月Vol.42,No.4Aug.202342卷海洋通报http:/of the laser method for the fine parts often overlap with the sieving results of the coarse parts,which brings challenges to thecalculation of the particle size distribution of the entire sample.The petroleum and natural gas industry standard Analysismethod for particle size of clastic rocks (SY/T 5434-2018-2018)provides a new solution to this problem,but there is onlytext description and no operational calculation method.In this study,according to the scheme proposed by SY/T 5434-2018-2018,the revised calculation formula of the particle size analysis results of the laser-sieving combined method was calculated.Taking 197 coarse and fine mixed samples in the intertidal zone of Zhoushan Archipelago in Zhejiang Province as an example,the particle size analysis was carried out by the laser-sieving combined method,and the particle size distribution was calculatedby the direct splicing algorithm and the SY/T 5434-2018 algorithm respectively.On this basis,the component content andparticle size parameters obtained by the two algorithms were compared.The results show that compared with the direct splicingalgorithm,the SY/T 5434-2018 algorithm enlarges the volume percentage of coarse particles and reduces the volume percentageof fine particles.The components content obtained by the two algorithms has a significant linear correlation,and the differencein the content of gravel,sand,silt and clay decreases from coarse to fine.The particle size parameters were calculated with theresults of the two algorithms,which also had a significant linear correlation,and the difference in particle size parameters suchas average particle size,sorting coefficient,skewness and kurtosis gradually decreased.The similarity of the component dataobtained by the two algorithms is generally better than the similarity of the particle size parameters,but both of them are highlyconsistent.The suitable algorithm can be selected according to the work demand,and the error between the two algorithms neednot be verified again.With the aid of the grain-size endmember decomposition model,the sediments in the intertidal zone ofZhoushan are divided into different grain-size endmembers,in which the argillaceous endmember is mainly the product of theYangtze River sediment transportation to the coast of Zhejiang and Fujian.The composition of gravel and sand is mostly theresult of local provenance or local wave sorting.Keywords:particle size analysis;laser-sieving combined method;particle size parameters;endmember decomposition;Zhoushan Archipelago;intertidal zone海岸沉积物主要指分布在海滩和潮滩的岩石、矿物及生物骨骼和壳体等碎屑1。粒度分析是获得这些沉积物碎屑的颗粒大小和各粒级的分布状况的一种沉积学分析方法2。粒度分析结果主要包括砾、砂、粉砂和黏土等组分含量，可以用于划定沉积物类型，还可以用来计算平均粒径、分选系数、偏态和峰态等粒度参数。粒度分析的结果是重要而基础的沉积学资料，可用来解释沉积物输运的水动力条件3-5及沉积环境特征6-9。粒度分析的方法有很多，如直接测量法、筛分法、沉降法、激光法、图像法等。不同方法的原理不同，适用范围也有差别。筛分法适用于分离粒径大于0.063 mm的颗粒，譬如砂和细砾；激光法适用于从黏土到砂粒级的粒度分析10，如Malvern Mastersizer 2000 激光粒度仪的测量范围为 0.022 000 m，粒级分辨率为0.01。海岸带的沉积动力环境比较复杂，沉积物多为粗细组分皆有的混合物，因此需要利用筛分法与激光法联合分析其粒度分布。由于两种方法的原理不同，激光法结果的粗端会“越界”与筛分法结果的细端重叠。在计算粒度分布时，如何处理这一重叠部分，长期以来没有明确的标准，一般是把重叠部分直接求和，本文称之为“直接拼接算法”。中华人民共和国石油天然气行业标准碎屑岩粒度分析方法（SY/T 5434-2018）（以下简称SY/T 5434-2018）中给出了激光-筛分联合法的粒度分布计算原则“激光法分析后超出分样筛以上的颗粒体积分数，应由筛分法和激光法平分，按各粒级所占比例增加到每个粒级中”，但未给出明确的计算公式。本文根据SY/T 5434-2018提出的计算原则，推算出能够处理激光-筛分联合法重叠现象的粒度分布计算公式，称之为“SY/T 5434-2018算法”；并以浙江舟山潮间带的一批沉积物为例，进行了激光-筛分联合法的粒度分析，比较了直接拼接算法和SY/T5434-2018算法所得结果在粒度组分含量及粒度参数上的差异。此外，舟山潮间带的沉积物粗细混杂，本文又通过粒度端元分解的数据处理，讨论了物源和沉积动力条件对舟山潮间带沉积物粒度的影响。1材料与方法1.1样品来源样品来自浙江舟山潮间带，采样时间为20213624期http:/年 37 月，采样站位涉及舟山、普陀山、朱家尖、桃花、虾峙、六横、中街山诸岛，共68个剖面。每一个剖面在高、中、低潮位都进行了取样，共197个样品，这些样品包括砾石、砂、泥，以及它们的混合物。采样时使用差分GPS定位，砂砾质样品量不少于2 kg，泥质样品量不少于1 kg。样品站位见图1，由于图1比例尺较小，无法清晰地展示各剖面的单个样品站位，所以图上每个点12200E12210E12220E12230E12240E3020N3010N3000N2950N2940N图1本文所用潮间带沉积物样品的剖面位置注：黄色圆环标注的剖面也用激光-筛分联合法分析，并进行了粒度端元分解。位反映了所在剖面的地理位置。1.2粒度分析粒度分析实验在华东师范大学河口海岸学国家重点实验室完成。使用激光-筛分联合法分析了62个剖面的样品，使用激光法分析了6个剖面的样品。通过目视检查和手指捻压，当样品含有砂砾及粉砂粒级时（图2（a）、（b），采用干式筛分-激光联合法（以下简称“干式联合法”）测量粒度；当样品含有砂砾及泥组分，尤其是有细粉砂和黏土黏附在粗颗粒上时（图2（c）、（d），采用湿式筛分-激光联合法（以下简称“湿式联合法”）测量粒度。根据 SY/T 5434-2018 附录 B 的要求，在1（0.5 mm）处进行分样，筛上样品采用筛分法，筛下样品采用激光法。具体实验操作按照SY/T 5434-2018a“6.1激光法”与“6.2筛分法”标准进行。图2激光-筛分联合法分析样品照片注：（a）、（b）为干式联合法样品；（c）、（d）为湿式联合法样品。唐雯雯 等：激光-筛分联合法粒度分析结果的表达及粒度端元的沉积动力学意义36342卷海洋通报http:/1.3粒度分布及粒度参数计算方法1.3.1SY/T 5434-2018算法计算粒度分布若激光-筛分联合法的激光法结果中有超出1 分样筛以上的颗粒体积分数，需要进行如下修正计算：（1）激光法结果中超出 1 分样筛以上的颗粒体积分数XOVP（参见公式（1）由筛分法和激光法平分，再按各粒级所占比例增加到每个粒级中；（2）修正后的筛分法部分保留原来筛分涉及的所有粒级，而修正后的激光法部分抛弃超出1 分样筛的粒级；（3）此时用公式（2）计算得到样品各粒级颗粒质量分数或体积分数，计算结果如图3（a）所示。XOVP=MDPMT XDOVP（1）XSY T=MSFiMT 100+12XOVPMSFiMSU()1 分样筛以上的修正公式MDPMT XDj+12XOVPXDj100-XDOVP()1 分样筛以下的修正公式（2）式中：i为筛分法参与计算的粒级范围（i=1，2，m）；j为激光法参与计算的粒级范围（j=t+1，t+2，n）；XOVP为激光法分析后超出1 分样筛的颗粒占全样的体积分数（%）；XDOVP为激光法分析后超出1 分样筛的颗粒占激光法部分的体积分数（%）；MT为样品颗粒总质量（g）；MSU为第一次用1 标准筛分离后的筛上样品颗粒质量（g）；MDP为第一次用 1 标准筛分离后的筛下底盘或筛下烧杯中的颗粒质量（g）；MSFi为筛分法第i粒级的颗粒质量（g）；XDj为激光法结果中第j粒级的颗粒体积分数（%）；XSY T为激光-筛分联合法修正后样品各粒级颗粒质量分数或体积分数（%）。1.3.2直接拼接算法计算粒度分布直接拼接算法对于激光法结果中超出1 分样筛以上的颗粒体积分数不进行修正，将激光法与筛分法的结果按对应的粒级分组直接相加，所得结果如公式（3）和图3（b）所示：X=MDPMT XDj+MSUMT XHUi（3）式中：i为筛分法参与计算的粒级范围i=1，2，m）；j为激光法参与计算的粒级范围（j=1，2，n）；X为激光法与筛分法直接拼接的颗粒体积分数（%）；XHUi为激光-筛分联合法分样后筛上样品第i粒级颗粒质量分数（%）；XDj为激光法结果中第j粒级的颗粒体积分数（%）。1.3.3组分含量与粒度参数计算依据国家标准 GB/T 12763.8-2007 的规则将沉积物粒度划分四大类组分11，分别为砾、砂、粉砂、黏土。利用 Folk Ward 公式计算四个粒度图3两种算法示意图注：（a）SY/T 5434-2018算法，筛分法参与计算的粒级范围（i）包括重叠部分（k），激光法参与计算的粒级范围（j）不包括重叠部分（k）；（b）直接拼接算法，筛分法参与计算的粒级范围（i）和激光法参与计算的粒级范围（j）均包括重叠部分（k）。SY/T 5434算法结果直接拼接算法结果筛分发结果（1标准筛以上）激光法结果（1标准筛以下）激光法结果超出1标准筛与筛分发结果的重叠（a）SY/T 5434-2018算法%（b）直接拼接算法3644期http:/参数12，分别为平均粒径、分选系数、偏度以及峰态。根据直接拼接算法和SY/T 5434-2018算法所得粒度分布结果，分别计算各组分的百分含量及四个粒度参数。1.4两种算法的组分含量及粒度参数对比以直接拼接算法的结果为自变量，SY/T5434-2018算法的结果为因变量，定义y=x为回归方程，利用标准误差（Se）与拟合优度（R2）判定两种算法所得数据的适用性与拟合优度。另外，将两种算法的组分含量与粒度参数围绕y=x的置信区间（Confidence Interval，简称 CI）与预测区间（Prediction Interval，简称 PI）进行计算，分别筛选符合95%置信区间与95%预测区间的样品，进行统计分析，比较两种算法所得数据的差异性13。1.4.1拟合优度首先计算估计标准误差Se，这是一个用于度量实际观测量在回归直线周围散布状况的统计值：Se越小，观测点越靠近回归直线，实际观测值与预测值误差越小，回归直线对观测点的代表性越好。计算公式如下：Se=()yi-yi2n-2（4）之后计算拟合优度R2，R2越接近于 1，拟合优度越好。R2=()yi-y 2()yi-y 2=1-()yi-yi2()yi-y 2（5）式（4）、（5）中：Se为估计标准误差；yi为因变量实际观测值；yi为因变量回归估计值；n为样品数；R2为拟合优度；y 为因变量实际观测值均值。1.4.2置信区间与预测区间置信区间是对自变量x的一个给定值x0，求出因变量y的平均值的估计区间。设x0为自变量x的一个给定值，E(y0)为给定x0时因变量 y 的平均值或期望值。当x=x0时，y0=0+1x0为E(y0)的估计值。一般来说，估计值y0不会等于E(y0)。因此，要想用y0推断E(y0)必须考虑依靠回归方程得到的y0的方差。对于给定的x0，E(y0)在1-置信水平下的置信区间CI可表示为：CI=y0+t2se1n+(x0-x)2i=1n()xi-x 2,CI上限y0-t2se1n+()x0-x 2i=1n()xi-x 2,CI下限（6）为求出预测区间，首先必须知道用于估计的标准差。统计学可以给出y的个别值y0标准差的估计值。基于此，对于给定的x0，y的个别值y0在1-置信水平下的预测区间PI可表示为：PI=y0+t2se1+1n+(x0-x)2i=1n()xi-x 2,PI上限y0-t2se1+1n+()x0-x 2i=1n()xi-x 2,PI下限（7）式（6）、（7）中：xi为自变量实际观测值；x 为自变量实际观测值均值；x0为给定自变量值；n为样品数；y0为给定自变量对应因变量的估计值；t2为显著性水平，自由度n-2的t分布值与式（6）相比，式（7）的根号内多了一个1。因此，即使是对同一个x0，置信区间与预测区间宽度也是不同的，预测区间往往宽于置信区间。1.5粒度端元分解方法沉积物的粒度特征不仅能反映其沉积动力环境，还能反映混合的物源特征14-15。将粒度不同的端元组分分离出来，有利于识别不同物源特征及动力条件。粒度端元分析最早由Weltje16提出，后经不断改进17-21，对沉积物的物源和动力分析具有重要的意义。舟山潮间带沉积物受到多种物源、水动力条件及季节性影响，其粒度分布往往呈现多峰形态，每一个峰的峰值、形状及所对应的粒径大小不尽相同，可以反映不同组分的物源或动力特征。本文利用基于MATLAB平台的粒度端元分解程序CFLab22，使用威布尔概率分布函数对沉积物粒度分布进行曲线拟合，拟合残差以及拟合度的计算公式为：dF=1mi=1m()g()xi-G()xi2 100%（8）唐雯雯 等：激光-筛分联合法粒度分析结果的表达及粒度端元的沉积动力学意义36542卷海洋通报http:/R2=1-i=1m()g()xi-G()xi2i=1m()G()xi-Gmean2 100%（9）式中：m为粒度区间数；g(xi)为第i个粒度区间的拟合百分比；G(xi)为第i个粒度区间的实测百分比；Gmean为所有粒度区间的平均百分比。dF值越低，R2值越接近100%，拟合结果越好23。2结果和分析2.1两种算法所得粒度分布结果的比较SY/T 5434-2018算法与直接拼接算法的粒度分布结果的比较见图 4。如果将一个联合法分析的粒度分布结果分为三个区间：区间仅属于筛分法的定义域，区间为两种分析方法的结果重叠部分，区间仅属于激光法的定义域。可以看出，两种算法所得累积分布曲线非常接近，但是在三个区间的相对大小并不一致。这一现象的原因是，SY/T 5434-2018算法抛弃了激光法原始数据位于区间的部分，抛弃部分所占百分比的一半按比例分配给区间、的筛分法结果，另一半按比例分配给区间的激光法结果。所以在区间，SY/T 5434-2018算法的粒级含量是筛分法原始数据按比例加上激光法原始数据在区间的百分比的一半，而直接拼接算法的粒级含量就是筛分法的原始数据，所以前者大于后者；由于按比例增加的百分含量并不多，所以图4中两条累积曲线的差值较小。在区间，SY/T 5434-2018算法的粒级含量与区间同样略有增加，而直接拼接算法的粒级含量是筛分法原始数据与激光法原始数据之和，所以后者大于前者，两条累积曲线会在这里相交。到了区间，SY/T 5434-2018算法修正后的粒级含量加上了激光法原始数据在区间所占比例的一半，而直接拼接法的粒级含量仍是激光法原始数据，所以SY/T 5434-2018算法的累积分布结果会再次高于直接拼接算法。图5显示了干式联合法和湿式联合法样品按SY/T 5434-2018算法与直接拼接算法计算结果的区别。由图可知，不同样品的粒度分布范围跨度区别较大，经过计算，所得结果均表现出 SY/T5434-2018算法扩大了粗颗粒的体积百分比，减少了细颗粒的体积百分比。2.2两种算法所得各组分含量的比较回归直线y=x对黏土组分的代表性与预测的准确性与表1内四类组分的Se值呈正相关，图6在95%的置信度上，回归直线y=x对于粉砂与黏土含量的代表性与预测的准确性要优于砾与砂。四图4SY/T 5434-2018算法与直接拼接算法的比较注：以1 为界，激光法结果为网格填充，筛分法结果无填充，蓝色条带为激光法结果与筛分法结果的重叠区域；红色实线和红色虚线分别为直接拼接算法和SY/T 5434-2018算法得到的累积粒度百分含量。粒径/粒径/含量/%累积百分比/%（a）一个干式联合法的粒度分布（b）一个湿式联合法的粒度分布累积百分比/%含量/%直接拼接算法SY/T 5434算法激光法结果（1标准筛以下）筛分发结果（1标准筛以上）粒度组分砾砂粉砂黏土估计标准误差（Se)1.3091.3630.2030.068拟合优度（R2)0.9970.9970.9990.999表1四类组分的含量拟合方程检验参数表3664期http:/含量/%累积百分比/%累积百分比/%含量/%粒径/粒径/含量/%累积百分比/%累积百分比/%含量/%粒径/粒径/含量/%累积百分比/%累积百分比/%含量/%粒径/粒径/含量/%累积百分比/%累积百分比/%含量/%粒径/粒径/图5干式联合法和湿式联合法样品两种计算方法的区别直接拼接算法SY/T 5434算法激光法结果（1标准筛以下）筛分发结果（1标准筛以上）（a）P02-01（b）P11-03（c）P12-02（d）P42-02（e）P62-01（f）P32-03（g）P33-03（h）P24-17唐雯雯 等：激光-筛分联合法粒度分析结果的表达及粒度端元的沉积动力学意义36742卷海洋通报http:/类组分的R2均能达到99%以上，说明自定义拟合方程y=x可以作为两种算法的回归方程；此外，两种算法得到组分含量之间的皮尔逊相关系数均大于0.999，说明两种算法得到的组分数据之间的高度一致性。表2在95%置信水平下，砾与砂落在置信区间外的样品数分别占总数的59.16%与58.12%，粉砂与黏土落在置信区间外的样品数占比分别为13.61%与10.47%。四类组分含量的预测值位于预测区间之外的样品数占比均低于6%，说明对于给定的自变量，对应的因变量大部分位于预测区间内；同时，从砾、砂、粉砂到黏土，置信区间及预测区间的差异依次减小。2.3两种算法所得粒度参数的比较基于两种算法得到的粒度分布数据，用图解法公式13分别计算了平均粒径、分选系数、偏度与峰态等粒度参数。表3中，按照平均粒径、分选系数、偏度、峰态顺序，Se值依次升高，图7中4个参数在直线y=x两侧分布的均匀程度逐步降低，说明自定义拟合方程y=x对四个参数的置信区间及预测区间计算的适用性也在降低。不过，两种算法所得数据之间的R2与皮尔逊相关系数分统计参数CI外样品数占比PI外样品数占比砾59.16%5.24%砂58.12%5.24%粉砂13.61%2.62%黏土10.47%2.09%粒度参数平均粒径分选系数偏度峰态估计标准误差（Se)0.0640.0920.1040.271拟合优度（R2)0.9980.9870.8960.803表2四类组分区间外样品数占比（95%置信水平）砾/%（SY/T 5434算法）100806040200砂/%（SY/T 5434算法）100806040200砾/%（直接拼接算法）020406080100020406080100砂/%（直接拼接算法）粉砂/%（SY/T 5434算法）706050403020100黏土/%（SY/T 5434算法）201612840粉砂/%（直接拼接算法）黏土/%（直接拼接算法）01020304050607004812162095%置信区间（CI）95%预测区间（PI）拟合方程y=x干式筛分-激光联合法湿式筛分-激光联合法图6四类组分区间分布及散点图表3四个粒度参数拟合方程检验表3684期http:/别大于0.8与0.9，说明两种算法所得粒度数据用于计算粒度参数时，结果具有高度一致性。表4在95%置信水平下，粒度参数在置信区间外样品数占比均大于40%，其中平均粒径、分选系数以及偏度置信区间外样品数占比均大于60%。四个参数预测区间外样品数占比则均少于5%，说明在95%置信水平下，两种算法的结果用来计算粒度参数，结果差别较小。以不同算法得到的基础数据在计算平均粒径分选系数、偏度与峰态时，数据差异依次减小。2.4粒度端元分解结果为了研究浙江舟山潮间带沉积物的物源和水动力的指示意义，选取两种沉积物类型进行粒度端元分解（站位见图1）。一种是不同潮间带剖面的细颗粒沉积物，使用激光法进行粒度分析；另一种是同一剖面、不同取样点的粗细混合沉积物，使用激光-筛分联合法进行粒度分析。研究不同粒度端元的物源和动力特征。2.4.1细颗粒沉积物的端元分解结果由图8可知，不同潮间带细颗粒沉积物只有一个端元，均呈单峰状态，端元分解的拟合残差和拟合度（表 5）分别是95%，拟合精度较高。C1端元粒度分布范围较窄，在 0.1650 m之间，处在粉砂和黏土的范围内，峰值约出现在5 m处，峰值大小在5.5%6.5%之间。2.4.2粗细混杂沉积物的端元分解结果同一剖面、不同取样点沉积物端元分解的拟合残差和拟合度（表6）分别为95%，统计参数CI外样品数占比PI外样品数占比平均粒径66.49%4.19%分选系数66.49%2.62%偏度60.21%4.71%峰态44.21%1.05%表4四类参数区间外样品数占比（95%置信水平）图7四类参数区间分布及散点图平均粒径（SY/T 5434算法）6420-2-4分选系数（SY/T 5434算法）543210峰态（SY/T 5434算法）543210偏度（SY/T 5434算法）0.80.40-0.4-0.8平均粒径（直接拼接算法）-4-20246分选系数（直接拼接算法）012345峰态（直接拼接算法）012345偏度（直接拼接算法）-0.8-0.400.40.895%置信区间（CI）95%预测区间（PI）拟合方程y=x干式筛分-激光联合法湿式筛分-激光联合法唐雯雯 等：激光-筛分联合法粒度分析结果的表达及粒度端元的沉积动力学意义36942卷海洋通报http:/拟合精度较高。由图9可知，不同取样点的粒度分布范围差异较大。在砾石范围内只有样品（b2）存在 C3 端元一个峰值，约在 2 500 m 处；（a1）样品C1端元和C2端元峰值，（a2）样品C1端元峰值，以及图中其他所有样品C2端元和C3端元的峰值均分布在砂的范围内；除（a1）和（a2）样品外，其他样品C1端元峰值均分布在粉砂的范围内，且主要分布在33、47和56 m处，均大于图8中的细颗粒沉积物C1端元的峰值粒径。且根据样品P44-02P34-03P28-02P46-08P36-03P52-02C1端元体积百分比/%100100100100100100拟合残差/%0.0010.0020.0020.0010.0010.001拟合度/%96.6395.8195.8396.3696.9097.47图8不同潮间带细颗粒沉积物粒度端元分解结果注：黑色实线和红色实线分别为实测粒度百分含量和CFLab程序拟合粒度百分含量；黄色填充为CFLab程序分解得到的C1端元。表5不同潮间带细颗粒沉积物粒度端元分解拟合残差与拟合度含量/%粒径/m（a）P44-02粒径/m6300102030含量/%6300102030（b）P34-03（c）P28-02（d）46-08含量/%630含量/%630粒径/m0102030粒径/m02040（e）P36-03（f）P52-02含量/%630含量/%630粒径/m0102030粒径/m01020拟合百分比实测百分比C1端元3704期http:/表6中Folk命名，粗细混杂沉积物主要为砂、砾质砂、含砂砾和砾。3讨论3.1关于激光法与筛分法实验标准筛分样界点的选择对于激光法和筛分法粒度分析界点的选择，此问题已有研究。冷伟等24选择 2 mm与 0.21 mm两个分界点进行激光法与筛分法联合分析的接续测试，结果表明选用 0.21 mm为分界点可以避开筛分法与激光测量精度不高的粒级区间，为此后激光法和筛分法联用进行粒度分析时提供了分界点的依据。不过，本研究是基于SY/T 5434-2018行业规范开展的，该规范在激光-筛分联合法的分样界点上规定“两种方法测试，在粗砂粒级过筛，筛上样品采用筛分法，筛下样品采用激光法，测试结果需合并”。此外，2007版的国标规定粗砂的粒级范围为0 1 （10.5 mm），由此，我们选用粗砂粒级的下限（即0.5 mm）作为分界点进行接续实验。3.2舟山潮间带沉积物粒度端元的动力与物源指示意义3.2.1细颗粒沉积物粒度端元的动力与物源指示意义舟山潮间带的细颗粒沉积物成分一致，基本上为黏土和粉砂，来源单一，主要分布在海岛的西侧（图1）。薛成凤等25在长江三角洲泥区的研究中指出，含有黏土成分的细颗粒EM1端元粒度分布范围在 0.35144.2 m 之间，峰值出现在约9.2 m处，与本文C1端元粒度分布具有一定的相似性。有研究表明，大量的长江入海泥沙在输运过程中，粗颗粒泥沙在杭州湾及其附近地区被拦截26，此后长江入海的细颗粒经过舟山群岛峡道向东南方向输运，并且受到台湾暖流等的影响27，使其在舟山群岛附近进行堆积，发育为细颗粒潮滩。因此，舟山群岛附近是长江来源的细颗粒泥沙的一个重要沉降区。3.2.2粗细混杂沉积物粒度端元的动力与物源指示意义舟山潮间带粗细混杂样品主要分布在海岛东侧（图1），其沉积物成分主要是砂和砾，反映出这些海滩沉积物的物源多样，水动力状况复杂。如图9中的（b2）样品的C3端元与（d3）样品的C4端元，它们的粒度分布跨度较广，且其峰值约在2 500 m与400 m处，主要成分为砂和砾，且都分布在海岛东侧。泥质端元主要是长江入海输入的细颗粒泥沙。砂、砾等粗颗粒端元则表现出了当地局部的物源特征，且颗粒越粗，本地物源特征越明显。因为样品P02-01P02-02P02-03P11-01P11-02P11-03P12-02P12-03P12-04P13-01P13-02P13-03P22-03P22-07P22-12端元体积百分比/%C140.7100.038.744.39.243.844.345.558.130.857.140.750.138.255.2C259.3-42.455.711.456.255.728.320.269.234.130.049.939.644.8C3-18.9-79.4-26.221.7-8.814.7-22.2-C4-14.6-拟合残差/%0.000 20.005 00.001 00.000 80.002 00.005 00.000 50.000 60.001 00.001 00.000 90.000 40.000 80.000 60.002 0拟合度/%99.8395.6998.3099.2497.1296.2299.5399.0398.1798.8398.8499.2399.3299.1497.65Folk命名（g）S（g）S（g）S（g）SGgSS（g）SgS（g）S（g）SgS（g）S（g）S（g）S来自长江源的细颗粒组分（0.150 m）所占粒度分布比例/%0.000.000.000.000.000.000.000.000.000.000.000.000.000.000.00表6同一剖面、不同取样点沉积物粒度端元分解拟合残差与拟合度唐雯雯 等：激光-筛分联合法粒度分析结果的表达及粒度端元的沉积动力学意义37142卷海洋通报http:/图9同一剖面，不同取样点沉积物粒度端元分解结果注：由于粗细混杂样品的粒度分布比较复杂，所以端元分解的结果只有个例意义，没有普适性。含量/%粒径/m1812600100200300含量/%20151050粒径/m0200400600800含量/%1260粒径/m04008001 200（a1）P