Estimation of above-ground carbon storage in the Jiufengshan National Forest Park of Wuhan based on GF-2 images
-
摘要:
探究国产高分辨率数据在森林碳储量估算研究中的潜力，为构建森林碳储量估算模型提供新思路。选取武汉市九峰山国家森林公园为研究对象，以GF-2遥感影像为数据源，结合地面实测信息，对研究区森林地上碳储量进行估算，共提取6个植被指数、4个波段值、8种纹理特征，筛选出9个与实测碳储量相关的遥感变量，运用线性与非线性方程对单个高相关变量和多个相关变量进行建模，选出最优模型，为进一步提高预测精度，将模型代入4种纹理窗口（3×3、5×5、7×7、9×9）。结果表明：通过遥感图像提取的植被指数之间，具有较强的共线性，单变量建立的模型精度低于多变量模型；利用均方根误差RMSE与决定系数R²对4个窗口下模型的预测精度进行评价，模型在5×5窗口下预测效果最好（R² = 0.73，RMSE = 0.5），3×3窗口下预测效果最差（R² = 0.64，RMSE = 0.8），将所有估测模型进行比较，在纹理窗口下模型精度提高了0.11。利用5×5窗口下构建的多变量模型对研究区碳储量进行估算，九峰山国家森林公园碳储总量为1.06×104 t ，总体平均碳密度为84.59 t/hm2，具有一定的固碳作用。选用国产高分辨率影像GF-2数据对武汉市九峰山森林公园进行反演研究，能很好地运用在森林植被碳储量定量与生长状况领域。研究结果对“双碳”目标下森林生态系统碳汇监测与管理具有重要科学意义。
Abstract:Exploring the potential of domestic high-resolution data in the estimation of forest carbon storage estimation research provides a new approach for the construction of forest carbon storage estimation model. In this study, the Jiufengshan National Forest Park in Wuhan City was selected, GF-2 remote sensing image was used as the data source, and ground measured information was combined to estimate forest AGC storage in the Park. A total of 6 vegetation indices, 4 band values and 8 texture features were extracted, and 9 remote sensing variables that related to measured carbon storage were screened out. Linear and nonlinear equations were used to model a single highly correlated variable and multiple correlated variables, and subsequently the optimal model was therefore selected. In order to further improve the prediction accuracy, the model was carried into four texture Windows (3×3, 5×5, 7×7, 9×9). The results showed that the vegetation index extracted from remote sensing images had strong collinearity, and the accuracy of the single variable model was lower than that of the multiple regression model. The root-mean-square (RMSE) and the coefficient of determination R² were used to evaluate the prediction accuracy of the model under four Windows. We showed that the model had the best prediction power under the 5×5 window (R²=0.73, RMSE=0.5), and the prediction power was the lowest under the 3×3 window (R²=0.64, RMSE=0.8), compared with all the estimated models, the accuracy of the model is improved by 0.11 in the texture window. Therefore, the constructed multivariate model was used to estimate carbon storage with a 5×5 window. The total carbon storage in the Jiufengshan National Forest Park was 1.06×104 t, the overall average carbon density was 84.59 t/hm2, it has a certain carbon fixation effect. Using domestically produced high-resolution image of GF-2 satellite imagery data to invert Jiufengshan Forest Park in Wuhan, it can be well used in the field of quantitative carbon storage and growth status of forest vegetation. The research has important scientific significance for the monitoring and management of forest carbon sink under the “carbon peaking and carbon neutrality” target.
-
Keywords:
- GF-2 /
- above-ground carbon storage /
- remote sensing inversion /
- forest carbon sink /
- Hubei Province
-
大别造山带不仅出露大面积的高压—超高压变质岩，而且发育大量的碰撞后岩浆岩（马昌前等，1999，2003；赵子福等，2009）。前人同位素年代学研究表明，大别造山带碰撞后岩浆活动高峰期为120~135 Ma（Xue et al., 1997；Hacker et al., 1998；薛怀民等，2002；赵子福等，2004；Xie et al., 2006；Wu et al., 2007；续海金等，2008）。这些燕山期的侵入岩以中酸性为主，同时还发育许多基性—超基性岩石。由于基性—超基性岩蕴含有大量的幔源信息，对这些岩石的研究，有助于了解大别造山带深部壳幔的地球化学特征及其相互作用。
从已有的资料看，前人对这些基性—超基性岩进行了一定的年代学和地球化学方面的研究（李曙光等，1997，1998，1999；陈道公等，1997，2001；聂永红等，1997；葛宁洁等，1999；王江海等，2002；王世明等，2010；Dai et al., 2011；谢清陆等，2016），但与同时期发育的中酸性岩相比，其研究程度明显不足。另外，前人的研究工作主要集中在北大别安徽段几个大的岩体，如椒子岩（陈道公等，1997；Zhao et al., 2005；李全忠等，2008）、沙村岩体（葛宁洁等，1999；赵子福等，2003；Zhao et al., 2005）等，对其他地方的基性—超基性岩报道较少。从近期工作看，在北大别湖北段也发育类似的基性—超基性岩，但野外特征上，相比于安徽段几个尚未发生变质变形的基性—超基性岩，湖北段基性—超基性岩发生了强烈的变质作用。这两类野外特征不同的基性—超基性岩，是否具相同的形成年龄和地球化学特征是需要查明的问题。对该问题的探讨，有助于对整个北大别地区基性—超基性岩的年代学研究和成因分析。
本文在1∶5万区域地质调查填图基础上，对北大别木子店地区的雷家湾辉长岩进行了岩石学、地球化学和年代学研究，并通过与安徽段基性—超基性岩研究成果进行对比，探讨了雷家湾辉长岩的岩石成因及其构造意义，为北大别地区晚中生代岩浆演化研究提供资料。
1. 地质背景及岩石学特征
大别造山带是三叠纪形成的碰撞造山带（徐树桐等，1992；徐树桐等，1994；杨巍然等，1999；汤加富等，2003；王勇生等，2004），先后经历了挤压作用、伸展作用、岩石圈减薄等多阶段作用过程（索书田等，2001；李曙光，2004；吴元保，2009；林伟等，2013；王清晨，2013；刘晓春等，2015）。大别造山带的东侧以郯庐断裂为界，西侧延伸可与秦岭造山带相连。碰撞后的伸展作用和晚燕山期以来的构造坍塌造就了大别造山带现今的构造样式。根据变质温度−压力条件，前人将该带划分为5个构造单元（Zheng et al., 2005），由北至南分别为北淮阳构造单元、北大别构造单元、超高压构造单元、高压构造单元和蓝闪−绿片岩构造单元。
大别造山带发育较多的燕山期基性—超基性岩，从分布位置看，它们主要位于北大别构造单元内。野外以小型侵入体、团块状或脉状与围岩呈侵入接触关系。本次研究的雷家湾岩体位于麻城市木子店镇北东方向13 km处，处于北大别构造单元罗田穹隆核部位置（图1）。岩体近卵圆形，直径约2 km，与围岩二长花岗岩呈侵入接触。从岩体中心向边部，岩性由辉长岩逐渐过渡到闪长岩。野外特征上，雷家湾岩体发生强烈的变质，局部形成斜长角闪岩。本次采集的雷家湾辉长岩，呈灰绿色，半自形—自形柱状结构，块状构造（图2−a，b）。主要矿物有斜长石、辉石、角闪石、黑云母、石英等，少量副矿物为磁铁矿、磷灰石、榍石等。斜长石呈板柱状，晶体表面普遍布满粘土矿物集合体（图2−c），但仍可见聚片双晶；辉石呈半自形—他形，多蚀变为角闪石；角闪石呈黄绿色柱状，伴有透闪石化；黑云母全部被绿泥石和铁质集合体取代，具残余片状假象（图2−d）；石英呈他形粒状分布于长石粒间。副矿物磁铁矿多呈包体分布于主要矿物晶体内，磷灰石多呈包体较集中分布于暗色矿物晶体内，榍石呈楔形与磁铁矿伴生。
![]()
图 1 桐柏—大别地区地质简图DCC—北大别构造单元；UHP—超高压构造单元；HP—高压构造单元；EB—蓝闪绿片岩构造单元；BHY—北淮阳构造单元；TBC—桐柏构造单元；1—中生代花岗岩类侵入体；2—中生代镁铁质−超镁铁质岩；3—断层；4—采样点Figure 1. Simplified geological map of the Tongbai-Dabie area![]()
图 2 雷家湾辉长岩野外和显微照片a—辉长岩宏观特征；b—辉长岩手标本特征；c—辉长岩中斜长石表面布满粘土矿物集合体（正交偏光）；d—辉长岩中黑云母具绿泥石化残余片状假象（正交偏光）Figure 2. Field photographs and microphotographs of Leijiawan gabbro2. 样品分析方法
选取1个辉长岩样品(采样位置: 北纬31°14′28″、东经115°29′41″) 的锆石用于LA−ICP−MS U−Pb年龄分析，针对7个辉长岩样品进行了岩石全分析。
野外采集约25 kg的辉长岩样品，采用常规方法进行粉碎，经淘洗、电磁分选等步骤后分离出锆石﹐在双目镜下挑选锆石颗粒，将其粘在环氧树脂上进行制靶﹐用阴极发光(CL)照相确定锆石颗粒内部结构，便于后期进行锆石U−Pb同位素测定。锆石阴极发光CL照相在JSM6510扫描电镜上完成。
锆石的U−Pb年龄测定由中国地质调查局武汉地质调查中心实验室完成。锆石LA−ICP−MS定年采用的仪器型号为icapQ型，配备有 RESOlution 193 nm ArF 准分子激光剥蚀系统，束斑直径为29 μm，频率为6~8 Hz。采用标准锆石91500校正U−Pb同位素，NIST SRM612校正元素含量。单个数据点误差为1σ。采用ICPMSDataCal软件(ver.10.9)对同位素组成数据进行处理（Liu et al., 2008）。采用Isoplot程序计算锆石年龄加权平均值和谐和图的绘制（Ludwig, 2003）。
主量、微量元素测试在自然资源部中南矿产资源监督检测中心完成。主量元素采用波长色散X荧光光谱仪分析，型号为荷兰PW2440，误差优于3.2%；微量元素分析仪器为法国JY38S型光谱仪，误差优于4% 。
3. 分析结果
3.1 锆石U−Pb 年龄
对雷家湾辉长岩样品中17颗锆石进行了LA−ICP−MS定年测试，每颗锆石测试一个点，其同位素分析结果见表1。样品锆石呈无色、浅粉色，透明—半透明，晶形为半自形—他形。锆石晶体粗大，通常在150~200 μm之间，个别可达300 μm，虽然部分碎裂，但总体仍保留了较好的晶形，大部分晶体显示较好的振荡环带（图3）。锆石Th含量为72×10−6~1734×10−6，平均值804×10−6；U含量为97×10−6~596×10−6，平均值288×10−6；Th/U值较高，平均为2.61。这些特征表明，该锆石为辉长岩中典型的岩浆锆石。从本次测试的同位素数据看，17颗锆石点较集中，206Pb/238U年龄介于121.3±1.8~122.7±2.3 Ma之间（图4），其年龄加权平均值为122.3±1.0 Ma（MSWD=0.03，置信度为95%），代表辉长岩的结晶年龄。
表 1 雷家湾辉长岩LA−ICP−MS锆石U−Th−Pb同位素分析结果Table 1. Result of zircon LA−ICP−MS U−Th−Pb dating for the Leijiawan gabbro分析号 含量/10−6 232Th/
238U同位素比值 同位素年龄/Ma 谐和度 Total
Pb232Th 238U 207Pb/
206Pb1σ 207Pb/
235U1σ 206Pb/
238U1σ 207Pb/
206Pb1σ 207Pb/
235U1σ 206Pb/
238U1σ LJW-1-1 19.9 532 192 2.77 0.05060 0.0018 0.1335 0.0049 0.01916 0.00029 233.4 81.5 127.2 4.4 122.4 1.8 96% LJW-1-2 36.0 1082 451 2.40 0.04833 0.0011 0.1273 0.0031 0.01916 0.00026 122.3 53.7 121.7 2.8 122.4 1.7 99% LJW-1-3 8.9 236 139 1.70 0.04718 0.0019 0.1252 0.0057 0.01917 0.00034 57.5 92.6 119.7 5.2 122.4 2.1 97% LJW-1-4 22.5 654 211 3.10 0.04714 0.0016 0.1236 0.0039 0.01921 0.00036 57.5 74.1 118.4 3.5 122.7 2.3 96% LJW-1-5 50.0 1576 596 2.64 0.04815 0.0010 0.1271 0.0036 0.01911 0.00037 105.6 48.1 121.4 3.3 122.1 2.4 99% LJW-1-6 28.3 829 254 3.26 0.04949 0.0015 0.1303 0.0043 0.01912 0.00032 172.3 70.4 124.4 3.8 122.1 2.0 98% LJW-1-8 31.3 1014 274 3.70 0.04913 0.0015 0.1287 0.0042 0.01900 0.00029 153.8 76.8 122.9 3.8 121.3 1.8 98% LJW-1-10 6.4 72 129 0.56 0.04880 0.0023 0.1285 0.0061 0.01913 0.00034 200.1 104.6 122.7 5.5 122.1 2.2 99% LJW-1-11 30.1 937 359 2.61 0.04691 0.0012 0.1243 0.0036 0.01918 0.00030 42.7 63.0 119.0 3.3 122.5 1.9 97% LJW-1-12 53.3 1734 422 4.11 0.04685 0.0013 0.1235 0.0034 0.01918 0.00029 42.7 63.0 118.2 3.1 122.5 1.8 96% LJW-1-13 24.3 779 250 3.12 0.04875 0.0014 0.1291 0.0040 0.01921 0.00036 200.1 73.1 123.3 3.6 122.7 2.3 99% LJW-1-14 22.7 622 376 1.65 0.04901 0.0012 0.1299 0.0035 0.01922 0.00030 146.4 59.3 124.0 3.1 122.7 1.9 98% LJW-1-15 41.7 1316 362 3.63 0.04779 0.0013 0.1263 0.0038 0.01917 0.00031 100.1 58.3 120.8 3.4 122.4 2.0 98% LJW-1-16 4.7 85 97 0.88 0.04965 0.0024 0.1285 0.0060 0.01913 0.00044 189.0 119.4 122.7 5.4 122.2 2.8 99% LJW-1-18 24.9 778 230 3.38 0.05091 0.0015 0.1332 0.0039 0.01912 0.00032 235.3 66.7 127.0 3.5 122.1 2.0 96% LJW-1-19 14.2 385 225 1.71 0.04780 0.0016 0.1262 0.0046 0.01916 0.00035 100.1 77.8 120.7 4.2 122.4 2.2 98% LJW-1-20 31.5 1030 325 3.17 0.04847 0.0013 0.1275 0.0036 0.01912 0.00033 120.5 63.0 121.8 3.3 122.1 2.1 99% ![]()
图 4 雷家湾辉长岩锆石207Pb /235U−206Pb /238U谐和图（a）和206Pb /238U年龄直方图（b）Figure 4. Zircon 206Pb/238U−207Pb/235U concord diagram (a) and 206Pb/238U age histogram (b) of the Leijiawan gabbro3.2 主量元素
对雷家湾辉长岩7个样品进行了主量和微量元素分析，测试结果见表2。样品的烧失量为1.94%~4.12%，为了减少蚀变对岩石组分分析的影响，将烧失量扣除后，重新计算元素含量并归一至100%。岩石SiO2含量介于45.00%~50.69%之间，平均值为48.02%，属于基性岩范围。Al2O3含量介于11.88%~16.72%之间，平均值为15.42%。TFeO含量介于9.91%~15.64%之间，平均值为12.45%。MgO含量介于4.86%~8.44%之间，平均值为5.81%。TiO2含量介于1.61%~2.23%之间，平均值为1.79%。CaO含量介于6.64%~9.95%之间，平均值为8.16%。P2O5含量介于1.01%~1.50%之间，平均值为1.34%。K2O+ Na2O含量变化于4.68%~7.03%之间，平均值为6.31%，属于碱性系列。Mg#值变化范围在45.62~53.49之间，平均值为47.86，明显比原生岩浆的Mg#值低（60~71），暗示岩浆可能经历了结晶分异作用。在SiO2−（Na2O+K2O）图解（图5）中，所有样品点都落在碱性范围。
表 2 雷家湾辉长岩主量、微量和稀土元素分析结果Table 2. Major, trace and rare earth elements data for the Leijiawan gabbro样号 PM407/3-1 PM407/4-1 PM407/7-1 LJW-1 LJW-2 LJW-3 LJW-4 SiO2 48.13 43.20 49.12 46.71 46.58 45.37 47.38 TiO2 1.63 2.14 1.71 1.70 1.65 1.75 1.57 Al2O3 16.16 11.41 16.20 14.84 15.52 14.76 16.02 Fe2O3 4.68 6.20 3.34 5.11 5.06 5.77 4.88 FeO 6.87 9.44 6.60 7.63 7.53 7.98 7.06 TFeO 11.08 15.02 9.61 12.23 12.08 13.17 11.45 MnO 0.17 0.18 0.15 0.18 0.18 0.19 0.18 MgO 4.72 8.10 5.58 5.40 5.12 5.69 4.88 CaO 6.67 9.55 6.43 8.39 8.16 8.48 7.78 Na2O 3.55 1.64 3.56 2.89 3.05 2.79 3.18 K2O 3.28 2.85 3.23 3.21 3.24 3.14 3.30 P2O5 1.30 1.30 0.98 1.44 1.40 1.46 1.26 烧失量 3.21 4.12 3.88 1.94 2.20 2.20 2.14 总量 100.37 100.13 100.78 99.44 99.69 99.58 99.63 Mg# 45.75 51.64 53.49 46.65 45.62 46.10 45.76 La 115 69.6 93.6 108 109 88.1 122 Ce 222 152 182 218 212 180 236 Pr 26.3 18.6 21.6 26.5 25.2 22.0 26.2 Nd 103 77.0 83.6 107 101 89.7 104 Sm 17.1 14.0 13.5 18.3 16.9 15.7 17.0 Eu 4.26 3.44 3.28 4.46 4.28 3.93 4.26 Gd 13.6 11.2 11.0 14.6 13.6 12.4 14.3 Tb 1.70 1.39 1.37 1.83 1.67 1.53 1.69 Dy 7.70 6.58 6.24 8.38 7.56 6.91 7.62 Ho 1.31 1.12 1.08 1.43 1.34 1.14 1.31 Er 3.27 2.73 2.67 3.55 3.20 2.79 3.30 Tm 0.410 0.350 0.340 0.460 0.410 0.370 0.400 Yb 2.46 2.15 2.05 2.78 2.49 2.25 2.48 Lu 0.310 0.280 0.260 0.350 0.320 0.300 0.330 Y 31.1 27.9 25.6 34.9 31.4 27.6 33.2 ΣREE 518 360 423 516 499 427 541 LREE 488 335 398 482 468 399 509 HREE 30.8 25.8 25.0 33.4 30.6 27.7 31.4 LREE/HREE 15.9 13.0 15.9 14.4 15.3 14.4 16.2 LaN/YbN 33.5 23.2 32.8 27.9 31.4 28.1 35.3 δEu 0.854 0.840 0.823 0.834 0.863 0.861 0.835 Rb 63.5 79.8 78.4 74.7 76.6 82.2 70.0 Ba 4000 4320 3890 4460 4560 4950 4370 U 0.700 0.820 0.440 1.41 0.990 1.21 0.840 Th 8.03 5.54 6.08 8.29 7.54 8.62 9.34 Ta 0.570 0.480 0.730 0.650 0.630 0.780 0.580 Nb 14.7 10.3 20.8 13.7 13.1 13.4 13.0 Pb 11.2 9.8 11.8 12.1 12.9 12.5 12.4 Sr 1880 895 1420 1780 1960 1720 2050 Zr 154 99 212 154 214 217 196 Hf 4.14 3.23 4.80 3.98 4.89 4.99 4.50 注：TFeO=FeO+Fe2O3*0.8998；Mg#=100*MgO/[MgO+0.505*(FeO+0.9*Fe2O3)]；δEu=Eu/Eu∗=2EuN/(SmN+GdN) ；主量元素含量单位为%，微量和稀土元素含量单位为10−6 3.3 稀土和微量元素
样品稀土、微量元素测试结果见表2。在稀土元素球粒陨石标准化配分模式图中，7个样品均表现出相同的稀土元素配分模式（图6−a）。样品稀土元素总量（∑REE）变化范围为360×10−6~541×10−6，平均值为469×10−6；其中轻稀土元素（LREE）平均含量为440×10−6，重稀土元素（HREE）平均含量为29.2×10−6；LREE/HREE值为13.0~16.2，（La/Yb）N值为23.2~35.3，δEu为0.823~0.863。雷家湾辉长岩强烈富集LREE，亏损HREE，轻、重稀土元素分馏明显；稀土元素配分曲线为右倾模式，其特点与碱性玄武岩相似。无或弱负Eu异常，指示早期没有或者很少有斜长石析出。微量元素蛛网图（图6−b）显示，雷家湾辉长岩总体富集Rb、Ba、K、Sr等大离子亲石元素（LILE），亏损高场强元素（HFSE）Ta、Nb、Zr、Ti等，与岛弧型火山岩具有相似的微量元素特征。
![]()
图 6 北大别不同地段基性—超基性岩稀土元素球粒陨石标准化配分图（a）和微量元素原始地幔标准化蛛网图（b）a—不同地段基性−超基性岩稀土元素球粒陨石标准化配分图；b—不同地段基性−超基性岩微量元素原始地幔标准化蛛网图；99DBZ—椒子岩数据（据李全忠等，2008）；01SHC—沙村数据（据赵子福等，2003）Figure 6. Chondrite-normalized REE petterns (a) and trace element spider diagram (b) for mafic-ultramafic rocks in different regions of North Dabie4. 讨 论
4.1 北大别不同地段基性岩对比
早期，由于测试手段和测试精度的不同，关于北大别中生代基性—超基性岩的形成时代有不同认识，主要分为印支期和燕山期（同碰撞和碰撞后）2种观点（李曙光等，1989，1997，1998，1999；Hacker et al., 1995，1998；陈道公等，1997，2001；聂永红等，1997，1998；Jahn et al.,1999；葛宁洁等，1999；Tsai et al., 2000）。随着近年来高精度锆石U−Pb同位素定年方法越来越普及，学者们对北大别基性—超基性岩的形成时代已初步达成共识，即主体侵位时间为130~120 Ma（Hacker et al., 1998；葛宁洁等，1999；李曙光等，1999；王江海等，2002；Wang et al., 2005；Zhao et al., 2005；王世明等，2010；Dai et al., 2011；Dai et al., 2012；谢清陆等，2016）。本次在北大别湖北段木子店地区采集的雷家湾辉长岩的结晶年龄为122.3±1.0 Ma，与北大别安徽段基性—超基性岩形成时代在误差范围内一致（表3；图7），进一步说明北大别不同地段的基性—超基性岩均形成于燕山期（碰撞后）。
表 3 大别造山带中生代基性—超基性岩年龄Table 3. Isotope age of the Mesozoic mafic-ultramafic rocks from Dabie Orogenic belt位置/岩体 岩性 年龄/Ma 定年方法 参考文献 小河口 闪长岩 127±6 TIMS锆石 李曙光等，1999 小河口 辉石岩 125.3±0.8 TIMS锆石 李曙光等，1999 祝家铺 闪长岩 130.2±1.4 TIMS锆石 李曙光等，1999 漆柱山 辉长岩 122.9±0.6 TIMS锆石 王江海等，2002 北大别 辉绿岩脉 128.3±0.1 全岩Ar−Ar Wang et al., 2005 北大别 煌斑岩 128.2±0.2 全岩Ar−Ar Wang et al., 2005 北大别 煌斑岩 129.6±0.2 全岩Ar−Ar Wang et al., 2005 北大别 辉绿岩脉 131.8±0.3 全岩Ar−Ar Wang et al., 2005 北大别 辉绿岩脉 127.6±0.2 全岩Ar−Ar Wang et al., 2005 沙村 辉长岩 128±2 TIMS锆石 Zhao et al., 2005 沙村 辉长岩 125±2 SHRIMP锆石 Zhao et al., 2005 沙村 辉长岩 125±3 SHRIMP锆石 Zhao et al., 2005 椒子岩 辉长岩 127±3 TIMS锆石 Zhao et al., 2005 金寨银沙畈 辉长岩脉 125.8±2.7 SHRIMP锆石 王世明等，2010 湖北大悟 闪斜煌斑岩脉 129.6±2.5 SHRIMP锆石 王世明等，2010 北淮阳 基性岩脉 129±1 SIMS锆石 Dai et al., 2011 道士冲 富斜长石角闪石岩 125±1 SIMS锆石 Dai et al., 2011 道士冲 富斜长石角闪石岩 129±1 LA−ICP−MS锆石 Dai et al., 2011 祝家铺 辉石岩 128±1 SIMS锆石 Dai et al., 2011 祝家铺 辉石岩 126±1 LA−ICP−MS锆石 Dai et al., 2011 祝家铺 富斜长石角闪石岩 126±2 SIMS锆石 Dai et al., 2011 祝家铺 富斜长石角闪石岩 126±1 LA−ICP−MS锆石 Dai et al., 2011 道士冲 角闪石岩 129±1 LA−ICP−MS锆石 Dai et al., 2012 祝家铺 角闪石岩 125±3 LA−ICP−MS锆石 Dai et al., 2012 道士冲 富斜长石角闪石岩 127±2 LA−ICP−MS锆石 Dai et al., 2012 祝家铺 角闪石岩 127±1 LA−ICP−MS锆石 Dai et al., 2012 ![]()
图 7 大别造山带中生代基性—超基性岩年龄频率图（资料来源见表3）Figure 7. Age spectrogram of the Mesozoic mafic-ultramafic rocks in the Dabie Orogenic belt从野外岩石特征看，雷家湾岩体从岩体中心向边部，岩性由辉长岩逐渐过渡到闪长岩，与安徽段基性—超基性岩具有相似的特征（葛宁洁等，1999；赵子福等，2003）。岩石化学方面，将2个地段的基性—超基性岩进行对比（图6）发现，二者具有相同的元素地球化学特征，均富集轻稀土元素和Rb、Ba、K、Sr等大离子亲石元素，明显亏损高场强元素（Ta、Nb、Zr、Ti等）和重稀土元素。
但值得注意的是，与前人研究的安徽段基性—超基性岩相比，雷家湾辉长岩具有更强的变质程度，其岩性为变质辉长岩，局部见斜长角闪岩，镜下具柱粒状变晶结构，且辉石多蚀变为角闪石。根据本次野外工作，结合前人研究成果，认为雷家湾辉长岩的变质作用可能与白垩纪岩浆后期热液的交代作用有关。至于同时代形成的、具有相同地球化学性质的基性—超基性岩，为何湖北段变质程度强于安徽段，可能与它们所处的构造部位有关：雷家湾岩体位于北大别构造单元罗田穹隆核部，因此受岩浆热和后期热液蚀变作用较强；而安徽段处于穹隆边部位置，岩石受到的热液交代作用较弱。
通过以上对比分析，北大别不同地段的基性—超基性岩具有相同的侵位时代，相似的岩相学和岩石化学特征，暗示它们具有相同的成因机制。
4.2 岩石成因
雷家湾辉长岩的SiO2含量低（45.00%~50.69%，平均值为48.02%），MgO含量较高（4.86%~8.44%，平均值为5.81%），表明其母岩浆来自于地幔。但是，部分地球化学特征反映其母岩浆具有地壳物质成分特点，如岩石明显富碱， K2O+ Na2O含量高，其值变化于4.68%~7.03%之间，平均值为6.31%；均富集轻稀土元素和Rb、Ba、K、Sr等大离子亲石元素，明显亏损高场强元素Ta、Nb、Zr、Ti等；在Zr−Zr/Y构造环境判别图（图8−a）上，样品显示板内玄武岩特征，而在Ta/Yb−Th/Yb构造环境判别图（图8−b）上，样品点位于活动大陆边缘弧范围，可能暗示其形成过程中有地壳物质加入。另外，前人的同位素研究表明，北大别基性—超基性岩具有高δ18O值（夏群科等，2002）、高87Sr/86Sr初始比值、低εNd（t）值等特征（Jahn et al., 1999；李曙光等，1999；陈道公等，2001；李全忠等，2008），说明幔源岩浆中有地壳物质的贡献。以上特征表明，雷家湾辉长岩的幔源母岩浆经历了地壳物质的加入。
![]()
图 8 雷家湾辉长岩构造环境判别图IAB—岛弧玄武岩；MORB—洋中脊玄武岩；WPB—板内玄武岩；TH—拉斑玄武岩；ALK—碱性玄武岩；TR—过渡玄武岩Figure 8. Tectonic environment discrimination diagrams of Leijiawan gabbro地壳物质影响幔源岩浆主要通过以下2种方式：一种是源区的混合，即辉长岩母岩浆源区加入了地壳物质；另一种是母岩浆上升过程中遭受了地壳物质的混染。从雷家湾辉长岩的地球化学特征看，7个样品无论是微量元素蛛网图，还是稀土元素配分模式图都基本一致，说明其地球化学成分单一，岩浆上升过程中受到的地壳混染作用不明显；另外，从本次对雷家湾辉长岩锆石研究看，镜下显示没有熔蚀特征，也未见包体，且17颗锆石测试点年龄数据集中，没有发现古老残留锆石信息，说明未受到地壳物质的混染。因此认为，地壳物质对辉长岩幔源母岩浆的作用方式应该为源区的混合。
对于地壳物质加入到幔源母岩浆中的方式，本次研究认为可能与三叠纪以来扬子板块向华北板块俯冲后加厚岩石圈的拆沉作用有关。三叠纪，扬子板块向与华北板块俯冲，使大别造山带地壳加厚。但地球物理资料显示，目前大别造山带下部不存在山根，表明发生过岩石圈的拆沉作用；前人从岩石学、地球化学、地球物理等方面肯定了大别造山带岩石圈发生拆沉的可能性（高山等，1999；李超等，2002）。另一方面，大量研究表明，岩浆活动与岩石圈拆沉有密切关系（Sacks et al., 1990；Nelson, 1992；Kay et al., 1993），拆沉可使地壳抬升，并引发下地壳熔融，所以拆沉作用几乎与大规模的岩浆活动同时。综合以上特征，认为雷家湾辉长岩是由大别岩石圈地幔与拆沉的下地壳物质，在上涌的软流圈提供热源的条件下发生了部分熔融，形成具有富集特征的幔源母岩浆，于122 Ma左右上升侵位后形成。
4.3 构造意义
大别地区中生代以来，不仅有基性—超基性岩浆活动，更多的是发育大规模的中酸性岩。从大量年代学资料看，中酸性岩起始活动时间早，基性—超基岩晚，二者相差13 Ma左右，如目前大别地区报道的较老花岗岩的年龄为143±3 Ma和142±3 Ma（Wang et al.,2007），而基性—超基性岩的时代均不早于130 Ma（图7；表3）。马昌前等（2007）根据花岗岩的Sr/Y值，将花岗岩分为高Sr/Y和低Sr/Y值2种，并将时间限定在130 Ma，即高Sr/Y花岗岩的形成时代一般大于130 Ma，而低Sr/Y值花岗岩的形成时代一般小于130 Ma，因此将130 Ma视为造山带构造体制由挤压向伸展转换的时间，这与基性—超基性岩开始出现的时间吻合。基性—超基性岩的出现往往暗示岩石圈地幔物质熔融的开始，岩石圈地幔物质的熔融需要较高温度，而岩石圈拆沉导致的软流圈物质上涌能提供所需的热能。因此，笔者认为，大别地区中生代以来的岩浆活动是从下地壳的部分熔融开始的，于143 Ma左右形成时代较老的花岗质侵入体，直到130 Ma构造体制由挤压向伸展转换，引起加厚岩石圈发生垮塌，软流圈物质上涌；同时，由于早期下地壳部分熔融产生的熔体（早期的中酸性岩）被抽取后，富含石榴子石残留相物质的下地壳密度逐渐增大，也促进了加厚岩石圈物质拆沉进入软流圈。在上涌的软流圈物质提供热能的条件下，岩石圈地幔物质开始发生熔融，上升侵位后形成130 Ma以来的基性—超基性岩。
5. 结 论
（1）北大别木子店地区雷家湾辉长岩锆石U−Pb年龄为122.3±1.0 Ma，为早白垩世，与大别基性—超基性岩同期，是大别造山带碰撞后岩浆活动的重要组成部分。
（2）雷家湾辉长岩体与安徽段基性—超基性具有相似的野外特征，且地球化学特征均表现出富集大离子亲石元素Rb、Ba、K、Sr等和轻稀土元素，亏损高场强元素Ta、Nb、Zr、Ti等和重稀土元素，暗示二者具有相同的成因机制。
（3）雷家湾辉长岩的幔源母岩浆有地壳物质的加入，作用方式为源区的混合，地壳物质的加入可能与三叠纪以来扬子板块向华北板块俯冲后加厚岩石圈的拆沉作用有关。
（4）大别造山带中生代以来中酸性岩浆起始活动时间更早，基性—超基岩浆稍晚，130 Ma左右基性—超基性岩的出现可能暗示造山带构造体制由挤压向伸展转换。
致谢：LA−ICP−MS锆石U−Pb数据测试得到中国地质调查局武汉地质调查中心同位素地球化学研究室相关工作人员的帮助，野外期间得到中国地质大学（武汉）张欣、熊爱民协助，室内岩矿鉴定得到湖北省地质调查院邱玲教授级高工指导，稿件的修改得到两位审稿专家的指导，在此一并表示感谢。
-
![]()
图 2 回归模型实测值和预测值散点图
Figure 2. A scatter plot of measured and predicted values from regression model
表 1 高分二号卫星简介
Table 1 Brief introduction of GF-2 satellites
卫星 分辨率 波段 波长范围/μm 重访周期/d 地面幅宽/km
高分二号
GF-2全色1 m Band1 0.45~0.90 5 >45
多光谱4 mBand2 0.45~0.52 Band3 0.52~0.59 Band4 0.63~0.69 Band5 0.77~0.89 
下载: 导出CSV
表 2 实测样地信息
Table 2 Measured sample information
林分类型 样本量 主要树种（组） 群落组成 最大树高/m 最小树高/m 平均树高/m 最大胸径/cm 最小胸径/cm 平均胸径/cm 针叶林 7 马尾松
马尾松-杉木马尾松、杉木，麻栎、栓皮栎、青冈、香樟、冬青、枫香、柿树、柯树、檵木 15.2
~
22.22.6
~
4.38.6
~
12.032.6
~
58.55.1
~
6.315.0
~
19.0阔叶林 7 栎树
青冈-枫香
青冈-栎树栓皮栎、麻栎、青冈、小叶栎、马尾松、冬青、油茶树、短柱茶、山矾、朴树、柿树、女贞、枫香、苦槠 14.5
~
23.43.5
~
5.79.0
~
15.030.7
~
54.55
~
6.815.8
~
23.8针阔混交林 4 马尾松-栎树
马尾松-栎树-枫香
马尾松-栎树-青冈
马尾松-杉木-栎树栓皮栎、麻栎、小叶栎、青冈、马尾松、冬青、枫香、杉木、檵木 16.9
~
23.34.1
~
6.610.8
~
12.636.7
~
52.35.1
~
6.314.8
~
21.0
下载: 导出CSV
表 3 优势树种生物量方程
Table 3 The biomass equations of the predominant tree species
树种 回归方程 马尾松 Pinus massoniana W=0.1056×(D2H)0.8247 麻栎 Quercus acutissima W=1.13796×10−3D2.0825H2.1154 青冈 Quercus glauca W=0.018851976×(D2H)1.091681772 樟树 Cinnamomum camphora W=0.112503(D2H) 杉木 Cunninghamia lanceolate W=0.257×(D2H)0.697 阔叶树 Hardwood forest W=−1.982+1.209ln(D2) 注：W表示生物量；D表示胸径；H表示高度
下载: 导出CSV
表 4 植被指数及纹理参数计算方法
Table 4 Vegetation index and texture parameter calculation methods
类型 遥感数据 计算公式 植被指数 归一化植被指数(NDVI) NDVI=NIR−RNIR+R 比值植被指数(RVI) RVI=NIRR 差值植被指数(DVI)
DVI=NIR−R土壤调整植被指数(SAVI) SAVI=(NIR−R)(1+L)(NIR+R)+L 增强型植被指数(EVI) EVI=2.5NIR−RNIR+6R−7.5BLUE+1 大气阻抗植被指数(ARVI) ARVI=NIR−(2R−BLUE)NIR+(2R−BLUE) 纹理特征 均值 ∑N−1i,j=0iPij 方差 ∑N−1i,jPij(i−ME)2 均匀性 ∑N−1i,j=0iPij1+(i−j)2 对比度 ∑N−1i,j=0iPij(i−j)2 异质性 ∑N−1i,j=0iPij|i−j| 熵 ∑N−1i,j=0iPij(−lnPij) 二阶矩 ∑N−1i,j=0iPij2 相关性 ∑N−1i,j=0iPij[(i−ME)(j−ME)√VAiVAj] 注：NIR—近红外波段；R—红波段；BLUE—蓝波段；L—土壤调节因子（L = 0.5）；ij—第i行第j列位置上的像元亮度值； {{{{{P}_{ij}}}}}— 归一化共生矩阵；N—计算纹理特征时移动窗口的大小；ME—灰度共生矩阵的均值， V{A}_{i}V{A}_{j} —方差
下载: 导出CSV
表 5 建模因子相关性分析
Table 5 Modeling factor correlation analysis
变量 变量因子 相关系数 X1 NDVI 0.87** X2 RVI 0.86** X3 SAVI 0.80** X4 DVI 0.80** X5 EVI 0.77** X6 B4 0.77** X7 ARVI 0.76* X8 Mean 0.76** X9 Correlation −0.70* 注：**表示p<0.01；*表示p<0.05（双尾）；−表示负相关
下载: 导出CSV
表 6 回归模型与参数
Table 6 Regression model and the parameters
回归模型 方程 R2 调整后R2 F Sig 多元逐步回归模型 Y=18.549−46.981X1+3.453X2+X6 0.85 0.80 15.06 0.00 一元线性模型 Y=7.393X1−1.407 0.85 0.71 28.61 0.00 二次曲线模型 Y=46.12−138.207X1+111.255X12 0.83 0.79 21.69 0.00 S模型 Y=e2.598−0.893/X1 0.70 0.73 26.90 0.00 复合模型 Y=0.854×8.341X1 0.75 0.73 29.64 0.00 成长模型 Y=e0.158+2.121X1 0.75 0.73 29.64 0.00 指数模型 Y=0.854e2.121X1 0.75 0.73 29.64 0.00 Logistic模型 Y=1/(0+1.171×(0.12×10−4)X1) 0.75 0.73 29.64 0.00 线性模型 Y=7.393X1−1.407 0.74 0.72 28.62 0.00 幂次方模型 Y=6.147X11.378 0.74 0.71 28.26 0.00 对数模型 Y=5.473+4.801ln(X1) 0.73 0.70 27.30 0.00 逆函数模型 Y=8.198−3.112/X1 0.72 0.70 26.00 0.00 注：X1为植被指数NDVI；X2为RVI；X6为遥感影像第4波段灰度值
下载: 导出CSV
表 7 实测样地碳储量状况
Table 7 Measured carbon storage status of sample plots
样地数 碳密度/（t·hm−2） 统计值 变异系数 最小值 最大值 均值 标准差 18 87.5 3.09 4.39 3.5 0.35 0.09
下载: 导出CSV
表 8 不同树种（组）碳储量具体分布
Table 8 Specific distribution of carbon storage in different tree species (groups)
树种 碳储量/t 百分比/% 样本量/棵 马尾松 27.82 44.17 318 栎树 26.56 42.16 365 香樟 3.72 5.92 14 青冈 3.09 4.92 114 其他阔叶树 1.78 2.83 47
下载: 导出CSV
-
Fang J Y, Chen A P, Peng C H, et al. 2001. Changes in forest biomass carbon storage in China between 1949 and 1998[J]. Science, 292(5525): 2320−2322. doi: 10.1126/science.1058629
Moazzam N S. 2010. Estimation of carbon stocks in subtropical managed and unmanaged forests of Pakistan[C]//Thirteenth Sustainable Development Conference (SDC) 21-23 December 2010, Islamabad, Pakistan. DOI: 10.1016/0167-5087(84)90186-8.
Nandal A, Yadav S S, Rao A S, et al. 2023. Advance methodological approaches for carbon stock estimation in forest ecosystems[J]. Environmental Monitoring and Assessment, 195(2): 315. doi: 10.1007/s10661-022-10898-9
Pan Y, Birdsey R A, Fang J, et al. 2011. A large and persistent carbon sink in the world’s forests[J]. Science, 333(6045): 988−993. doi: 10.1126/science.1201609
Planck N R V, MacFarlane D W. 2015. A vertically integrated whole−tree biomass model[J]. Trees, 29: 449−460
Pragasan L A. 2022. Tree carbon stock and its relationship to key factors from a tropical hill forest of Tamil Nadu, India[J]. Geology, Ecology, and Landscapes, 6(1): 32−39. doi: 10.1080/24749508.2020.1742510
Qiao Y, Zheng G, Du Z, et al. 2023. Tree−species classification and individual−tree−biomass model construction based on hyperspectral and LiDAR data[J]. Remote Sensing, 15(5): 1341. doi: 10.3390/rs15051341
Sun W, Liu X. 2020. Review on carbon storage estimation of forest ecosystem and applications in China[J]. Forest Ecosystems, 7(1): 1−14. doi: 10.1186/s40663-019-0212-0
Wei M, Jiao L, Zhang P, et al. 2023. Spatio−temporal diversity in the link between tree radial growth and remote sensing vegetation index of qinghai spruce on the northeastern margin of the tibetan plateau[J]. Forests, 14(2): 260. doi: 10.3390/f14020260
Yang F, Jiang X, Ziegler A D, et al. 2023. Improved Fine−Scale Tropical Forest Cover Mapping for Southeast Asia Using Planet−NICFI and Sentinel−1 Imagery[J]. J. Remote Sens., 3: Article 0064.
鲍宽乐, 许文波, 王庆同. 2023. 基于机器学习的Landsat数据地层信息提取——以西南天山柯坪地区为例[J]. 地质通报, 42(4): 637−645. 曹海翊, 邱心怡, 贺涛. 2022. 森林生物量遥感卫星发展综述[J]. 光学学报, 42(17): 402−409. 丁增发. 2014. 安徽亚热带常绿阔叶林甜槠等4个优势树种的生物量模型及生长模型[J]. 安徽农业大学学报, 41(5): 859−865. 葛婧, 彭建松. 2023. 城市绿地碳储量估算方法分析[J]. 现代园艺, 46(12): 179−184. doi: 10.3969/j.issn.1006-4958.2023.12.059 苟睿坤, 陈佳琦, 段高辉, 等. 2019. 基于GF-2的油松人工林地上生物量反演[J]. 应用生态学报, 30(12): 4031−4040. 菅永峰, 韩泽民, 黄光体, 等. 2021. 基于高分辨率遥感影像的北亚热带森林生物量反演[J]. 生态学报, 41(6): 2161−2169. 李兰, 陈尔学, 李增元, 等. 2016. 合成孔径雷达森林树高和地上生物量估测研究进展[J]. 遥感技术与应用, 31(4): 625−633. 李娜, 李清顺, 李宏韬. 2021. 祁连山国家公园青海片区森林植被碳储量与碳汇价值研究[J]. 浙江林业科技, 41(2): 41−46. doi: 10.3969/j.issn.1001-3776.2021.02.007 李威, 黄玫, 张远东, 等. 2021. 中国国家森林公园碳储量及固碳速率的时空动态[J]. 应用生态学报, 32(3): 799−809. 蒙诗栎, 庞勇, 张钟军, 等. 2017. WorldView-2纹理的森林地上生物量反演[J]. 遥感学报, 21(5): 812−824. 倪欢, 牛晓楠, 李云峰, 等. 2021. 基于统计学习方法的安徽省安庆市自然资源自动化监测——以山体为例[J]. 地质通报, 40(10): 1656−1663. 潘腾. 2015. 高分二号卫星的技术特点[J]. 中国航天, 441(1): 3−9. 庞勇, 李增元, 余涛, 等. 2022. 森林碳储量遥感卫星现状及趋势[J]. 航天返回与遥感, 43(6): 1−15. 秦立厚, 张茂震, 钟世红, 等. 2017. 森林生物量估算中模型不确定性分析[J]. 生态学报, 37(23): 7912−7919. 邵文静, 孙伟伟, 杨刚. 2021. 高光谱遥感影像纹理特征提取的对比分析[J]. 遥感技术与应用, 36(2): 431−440. 汤旭光, 刘殿伟, 王宗明, 等. 2012. 森林地上生物量遥感估算研究进展[J]. 生态学杂志, 31(5): 1311−1318. 汤煜, 石铁矛, 卜英杰, 等. 2020. 城市绿地碳储量估算及空间分布特征[J]. 生态学杂志, 39(4): 1387−1398. 王东明, 田世攀, 张昱,等. 2021. 森林-沼泽浅覆盖区地质填图方法试验——以黑龙江1∶5万望峰公社幅为例[J]. 地质通报, 40(5): 782−797. 乌迪, 巫明焱, 陈佳丽,等. 2019. 基于Landsat影像的梭磨乡冷杉林地上碳储量估测及其时空动态[J]. 生态科学, 38(1): 111−122. 魏吉鑫, 刘斯文, 李海潘, 等. 2020. 江西赣州废弃离子型稀土矿修复区植被高光谱特征与健康状况评价[J]. 地质通报, 39(12): 2037−2043. doi: 10.12097/j.issn.1671-2552.2020.12.017 巫明焱, 董光, 王艺积,等. 2020. 川西米亚罗自然保护区森林地上碳储量遥感估算[J]. 生态学报, 40(2): 621−628. 徐丽华, 张结存, 黄博, 等. 2014. 基于QuickBird影像的城市森林碳储量遥感估测[J]. 应用生态学报, 25(10): 2787−2793. 续珊珊. 2014. 森林碳储量估算方法综述[J]. 林业调查规划, 39(6): 28−33. 岳春宇, 郑永超, 庞勇, 等. 2020. 卫星林业遥感系统及应用[J]. 卫星应用, 106(10): 51−55. doi: 10.3969/j.issn.1674-9030.2020.10.013 殷鸣放, 杨琳, 殷炜达,等. 2010. 森林固碳领域的研究方法及最新进展[J]. 浙江林业科技, 30(6): 78−86. doi: 10.3969/j.issn.1001-3776.2010.06.018 张桂莲, 邢璐琪, 张浪, 等. 2022. 城市绿地碳汇计量监测方法研究进展[J]. 园林, 39(1): 7. 张梦顺. 2022. 高光谱遥感影像中纹理特征的作用[J]. 工程技术研究, 7(12): 219−221. doi: 10.12361/2705-0513-04-12-105869 郑吉林, 蔡艳龙, 郭晓宇,等. 2024. 基于InVEST模型的晋北土地利用变化与碳储量研究[J]. 地质通报, 43(1): 173−180.
计量
- 文章访问数: 1166
- HTML全文浏览量: 453
- PDF下载量: 1270
