Geological anomaly extraction based on neighborhood constraint clustering
-
摘要:
通过分析地球化学数据的元素值属性和空间位置，提出一种基于邻域约束聚类的方法，使用该方法对地球化学元素聚类后，能提取矩形、环状、半环状等特殊形状，进而提取地球化学异常。选取河南崤山地区2个实验区的地球化学数据进行实验，实验一的结果表明，出现矩形的位置与已知钨矿矿点位置一致；实验二的结果表明，出现环形的位置与已知铜矿矿点位置一致。实验证明了基于邻域约束聚类的方法在提取地球化学异常方面的有效性。
Abstract:Geochemical anomalies often have a strong correlation with ore deposits. The study of effective methods for extracting geochemical anomalies is of great significance for prospecting. The advent of the era of big data and artificial intelligence poses new challenges for the extraction of geochemical anomalies that are automatic and independent of expert knowledge. Geostatistical research shows that it is a new geochemical prospecting idea to identify geochemical anomalies by identifying the special spatial forms of geochemical anomalies, such as lattices, bands, and rings. By analyzing the element value attribute and spatial position of geochemical data, this paper proposes a method based on neighborhood constrained clustering. After clustering geochemical elements, it can extract special shapes such as rectangle, ring and semi-ring and extract geochemical anomalies. In this paper, the geochemical data of two experimental areas in the Xiaoshan area of Henan Province were selected for experiments. The results of Experiment 1 show that the position of the rectangle appears consistent with the location of the known tungsten ore site, whereas the results of Experiment 2 show that the position of the ring is consistent with the location of the known copper orebody. The experiment proves the effectiveness of the method based on neighborhood constrained clustering in extracting geochemical anomalies.
-
Keywords:
- geochemical anomaly /
- neighborhood constraint /
- clustering
-
珠江三角洲位于中国广东省中南部、南中国海北岸，是由西江、北江、东江等多条河流在珠江河口湾内堆积形成的复合三角洲[1]，三角洲平原上河流汇聚交织成网状，最后经虎门、蕉门、洪奇沥、横门、磨刀门、鸡啼门、虎跳门及崖门八大口门流入南中国海（图 1）。现代珠江网状河三角洲沉积体系，直到1915 年才作为三角洲被提出，至20 世纪七、八十年代，随着第四纪研究的深入，才得到普遍认可[2]。然而，其复杂的沉积体系记录的第四纪演化过程，目前仍未形成统一的认识。陈培红[3-4]在珠江三角洲地区西江、北江和东江三角洲的研究认为，自晚更新世以来，珠江三角洲曾经发生过4 次海侵。而黄镇国等[1, 5-6]发现，珠江三角洲是近40ka BP 以来的沉积，其沉积环境经历了以陆相为主到滨海相为主的3 次转变。李平日等[7]的研究却发现，位于珠江三角洲的广州地区在中更新世已经历过1次海侵，还有2 次分别发生于晚更新世和全新世，3 次海侵期间海面还存在多次波动。此外，龙云作等[2, 8]、徐明广等[9]、蓝先洪[10-11]、赵焕庭等[12]及袁家义等[13]也认可珠江三角洲是约40ka BP 以来形成的，但发现该地区只经历了晚更新世和全新世2 次海侵海退，形成新、老2套三角洲沉积体系。近年来，珠江三角洲中部一些钻孔记录发现，珠江三角洲地区经历了晚更新世河流到全新世海侵和海退的一个沉积旋回[14-15]。鉴于上述不同认识，对位于珠江口西岸珠江三角洲平原QZK6 孔揭露的第四纪地层，在沉积结构、构造等详细描述记录的基础上，进行了精确的AMS 14C 和光释光（OSL）测年、沉积物有机碳同位素和粒度等测试分析，以期通过该孔的沉积特征揭示现代珠江三角洲地区晚第四纪环境的演化过程。
1. 研究材料和方法
1.1 研究材料
QZK6（北纬22°41'53.88"、东经113°32'08.65"）钻孔岩心由中国地质调查局武汉地质调查中心于2012 年2 月采自现代珠江三角洲西岸的万顷沙镇（图 1）。岩心现场剖开，进行详细分层描述编录后取样分析。QZK6 孔孔口高程+0.123m，其中39.40~1.95m 段为第四纪自然沉积层，厚37.45m，下粗上细；39.40~27.38m 为灰白色、灰绿色细-粗砂，底部见次棱角-次圆状砾石，与下伏基岩呈不整合接触；27.38~23.00m 为深灰色、灰褐色含泥炭粘土质粉砂，细-粗砂，底部含细砾，见炭屑和植物根系、种子等植物碎片，与下伏地层呈不整合接触；23.00~1.95m为灰色、灰褐色粘土质粉砂，局部夹薄层粘土质粉细砂（图 2）。为避免人为因素对自然沉积层的干扰，本次仅对39.40~2.00m 段岩心进行分析研究。
![]()
图 1 现代珠江三角洲地理位置及QZK6 孔位置Figure 1. Location of the modern Pearl River Delta and Borehole QZK6![]()
图 2 QZK6 孔岩心柱状图和测年数据1—粘土质粉砂；2—细砂；3—中砂；4—粗砂；5—含砾砂；6—生物碎片；7—含泥炭层；8—不整合面；9—用于建立地层年代框架的AMS 14C 数据；10—未采用的AMS 14C 数据；11—OSL 数据Figure 2. Profile and sedimentation age points of Core QZK61.2 研究方法
1.2.1 年龄测试
地层年代是第四纪环境变化认识的基础，然而在海陆交互的三角洲地区，其复杂的沉积环境给地层年龄的获取带来了很大的困难[16]。尽管14C 测年方法在珠江三角洲第四纪研究中已得到普遍应用，但其仅限于约50ka cal BP 以来的含碳样品。最新的研究认为，珠江三角洲第四系底界的年龄已超出14C测年方法的测年范围[17-18]。近年发展起来的OSL 测年以碎屑石英、长石等为材料，在350ka 以来的地层中得到很好的应用[19-20]，不仅弥补了14C 测年范围的不足，还降低了测年材料获取的难度。因此，为了确定QZK6 孔第四纪地层的年代，不仅挑选了沉积物中的孢粉、植物根、种子、沉积有机质、底栖有孔虫壳体等以原位沉积为主的材料进行AMS 14C 测年，还对下部岩心中的碎屑石英进行了OSL 测年。
AMS 14C 测年分别在北京大学第四纪年代实验室和美国贝塔实验室完成，并利用CALIB 7.1 程序对14C 年龄数据进行了校正[21]。在校正曲线的选择上，有孔虫、牡蛎等海洋无机碳样品选用Marine13校正曲线；孢粉、植物根、种子等陆生有机碳样品选用IntCal13 校正曲线；而对淤泥中的沉积有机质，鉴于样品来自海陆交互的珠江三角洲地区，故选用海洋和北半球大气混合曲线。区域海洋碳储库效应参考Southon 等[22]对南中国海的研究，由于唯一来自南中国海北部香港地区的数据可能受到核试验的污染，因此选用南中国海南部和中部的平均值ΔR=-25±63a 进行校正。
OSL 测年在中国地质大学（武汉）构造与油气资源教育部重点实验室完成。首先在实验暗室中提纯碎屑颗粒石英进行制片，然后用单片再生剂量法测量样品的等效剂量，最后根据样品所在地的年剂量计算出光释光年龄。等效剂量测量在热释光/光释光测量仪（Risø-TL/OSL-15）上进行，附带放射性β源为90Sr/90Y。
1.2.2 粒度分析
粒度是沉积物颗粒大小的表征，其组成和分布能反映沉积作用、沉积环境，特别对沉积动力条件有很好的指示，是第四纪沉积环境研究的常用手段[23-24]。根据岩心粒度分布的整体情况，利用英国Malvern2000 型激光粒度仪对2.00~27.00m 段岩心进行了粒度分析。按10cm 间距取样，共分析样品245 个。取2~3g 样品放入离心管，依次加入过量的双氧水和稀盐酸，以去除沉积物中的有机质、生物成因碳酸盐等组分。反应完全后经离心，倒出上层液体，加入蒸馏水清洗去酸，最后上机测试。仪器测量范围为0.02~2000mm，重复测量的相对误差优于3%。
1.2.3 有机质δ13C 值测试
有机质碳同位素主要反映了光合作用、碳同化作用及碳源的同位素组成[25-26]。海洋藻类植物，其光合作用产生的有机质碳同位素值通常在-20‰左右[27-29]。陆地植物根据光合作用途径的不同可分为C3植物、C4植物和CAM 植物3 种类型[26, 30]。C3植物占现生陆地植物的大多数，通过C3 Calvin 途径合成的有机质δ13C 值约为-28‰；C4 植物主要通过C4Hatch-Slack 途径合成有机质，形成的有机质δ13C值约为-14‰；而CAM 植物多生长于干旱地区，以仙人掌类的肉质植物为主[26, 30-31]。珠江三角洲地区以C3植物和C4植物为主，CAM 植物较少，因此可用有机碳的同位素特征指示沉积物中的有机质来源[32]。由于底部岩心以砂粒级的粗碎屑为主，沉积物的粒度、沉积结构等特征已充分反映了沉积环境，且该段有机碳含量低，因此主要对岩心上部细颗粒沉积物进行有机碳同位素分析。由于样品的原因，27.38~2.00m 段获得不等间距有机质δ13C 数据33 个，39.40~27.38m 段仅于27.50m 处测得有机质δ13C 数据1 个，共测得有机质δ13C 数据34 个。实验测试在中国地质大学（武汉）地质过程与矿产资源国家重点实验室完成。取5~10g 样品放入离心管，加过量稀盐酸充分反应，去除沉积物中的生物成因碳酸盐等组分；反应完全后经离心，倒出上层液体，反复加入去离子水离心清洗去酸至上层液体为中性；然后取经冷冻干燥的混合均匀样品，用MAT253 同位素质谱仪与Flash2000元素分析仪联机测试。
2. 结果
2.1 地层年代
QZK6 孔共获取AMS 14C 年龄数据7 个，OSL 年龄数据1 个（表 1、表 2；图 2）。7 个AMS14C 年龄全部来自27.38~2.00m 段，随埋藏深度的增大而变老，顶部3.925m 淤泥中沉积有机质测得的年龄最小，为1.302ka cal BP；27.30m 处植物种子和26.80m 处植物根测得的年龄分别为10.937ka cal BP和10.032ka cal BP，揭示本段岩心为全新世以来的连续沉积（表 1；图 2）。根据测年数据，该段地层平均沉积速率约2.4mm/a，与珠江口钻孔记录的沉积速率相当[32]。然而，20.35~25.025m 段2 个测年点间的沉积速率高达19.9mm/a；26.80~27.30m 段2 个测年点间的沉积速率仅为0.6mm/a，与该段平均速率相差较大。20.35~25.025m 段的高沉积速率可能是由于20.35m 处底栖有孔虫壳体的异地再沉积，较老的壳体混入使得测年结果偏老所致。根据镜下观察，该段有孔虫壳体中出现磨损、浸染等明显再沉积特征。而26.80~27.30m 段的低沉积速率，除沉积物压实作用导致地层较原始沉积地层厚度减小外，26.80m 处的植物根垂向向下生长，使得测年结果较地层实际年龄偏小，可能是最主要的原因。因此，20.35m 和26.80m 处的年龄数据仅作为该段地层年代框架的参考，该段未测年层位年代由其他5 个年龄数据插值得到。最后得到27.30~25.025m、25.025~10.025m、10.025~7.625m 和7.625~3.925m之间的沉积速率分别为1.76mm/a、2.95mm/a、2.10mm/a 和1.75mm/a，根据临近地层沉积速率外推，底部27.38m 处的年龄为10.982ka cal BP，顶部2.00m 处的年龄为0.203ka cal BP。
表 1 QZK6孔AMS 14C 年龄数据Table 1. AMS 14C dating ages of Core QZK6平均深度/m 测试材料 14C年龄/ka BP 校正年龄/ka cal BP 实验室编号 概率中值 2σ 3.925 淤泥 1.555 ± 0.025 1.302 1.237~1.378 BA120546 7.625 孢粉 3.190 ± 0.030 3.414 3.361~3.459 Beta-388257 10.025 孢粉 4.070 ± 0.030 4.558 4.440~4.800 Beta-388258 20.35 底栖有孔虫 8.720 ± 0.030 9.412 9.251~9.529 Beta-402037 25.025 孢粉 8.710 ± 0.030 9.647 9.551~9.761 Beta-388259 26.80 植物根 8.880 ± 0.030 10.032 9.896~10.172 Beta-402038 27.30 植物种子 9.570 ± 0.030 10.937 10.746~11.089 Beta-402039 注：BA 代表北京大学第四纪年代实验室；Beta 代表美国贝塔实验室 39.40~27.38m 段粗碎屑沉积，仅于27.80m 处获取OSL 年龄数据1 个，OSL 年龄为67.48±3.81ka，显示该段沉积形成于末次冰期早期，与上覆27.38~2.00m 段地层之间在时间上存在明显的不连续（表 2；图 2）。
表 2 QZK6 孔OSL 测年数据Table 2. OSL dating age of Core QZK6采样深度/m U/10-6 Th/10-6 K/% 含水率/% 等效剂量/Gy 年剂量/(Gy· ka-1) 年龄/ka 27.80 1.80±0.11 6.42±0.22 0.90±0.03 5.64 113.27±5.74 1.68±0.04 67.48±3.81 2.2 27.00~2.00m 沉积物粒度
27.00~2.00m 段岩心以粉砂和粘土为主，整体呈下粗上细的特征，粗颗粒主要出现在27.00~26.40m段，另外15.20~8.30m 段和4.40~3.10m 段砂含量也较高（图 3）。而16.00~15.20m 段和8.30~5.30m 段沉积物不仅粗组分含量低，其粒度频率曲线还呈现明显的单峰模式（图 4-e、g）。因此，结合岩性特征，将QZK6 孔27.00~2.00m 段沉积物划分为9 层（图 3）。
![]()
图 3 QZK6 孔岩心上部沉积物粒度和有机质δ13C 特征Figure 3. Characteristics of grain size and organic δ13C in the upper layers of Core QZK6![]()
图 4 QZK6 钻孔27.00~2.00m 段沉积物粒度典型频率曲线Figure 4. Typical frequency curves of grain size in the section between 27.00~2.00m layer of Core QZK61 层：27.00~26.40m，沉积物粒度以较粗的砂为主，平均含量为64.94%，最高可达79.20%，最低为41.68% ；粉砂和粘土平均含量分别为24.40% 和10.66%，最高为41.62%和16.70%，最低为14.71%和6.10%（图 3）。从下至上，频率曲线由窄的砂粒级单峰过渡到砂和粉砂粒级的双峰（图 4-a、b）。
2 层：26.40~23.00m，沉积物较1 层明显变细，粒度组成以粉砂和粘土为主，二者含量的变化幅度不大，平均含量为65.06%和26.43%，最高为69.21%和31.22%，最低为54.82%和21.77%；但砂的含量从下向上呈明显减少的趋势，其平均含量为8.51%，最高为18.93%，最低仅为1.70%（图 3）。频率曲线以粉砂-粘土粒级的单峰为主，出现砂粒级的次峰（图 4-c）。
3 层：23.00~16.00m，沉积物粒度组成以粉砂和粘土为主，二者含量的变化幅度不大，与2 层相比，粘土含量略有上升，砂含量变化幅度较大，整体上无明显变化（图 3）。该段粉砂和粘土的平均含量为63.27% 和31.61% ，最高为68.87% 和36.99% ，最低为50.64% 和26.53% ；砂的平均含量为5.12%，最高为19.37%，最低仅为0.38%。频率曲线以粉砂-粘土粒级的单峰为主，出现砂粒级的次峰，偶见粉砂-粘土粒级与砂粒级的双主峰（图 4-d）。
4 层：16.00~15.20m，沉积物粒度组成中粉砂和粘土占绝对优势，与3 层相比，粉砂和粘土含量更稳定（图 3）。该段粉砂和粘土的平均含量为67.26%和27.56%，最高为69.30%和31.92%，最低为64.59%和21.70%；砂的平均含量为5.19%，最高为12.63%，最低仅为0.68%。频率曲线仅出现粉砂-粘土粒级的单峰，无明显次峰（图 4-e）。
5 层：15.20~8.30m，该段沉积物粒度仍以粘土质粉砂为主，但较4 层明显变粗，粘土质粉砂中夹薄的砂层，各粒级变化均较大（图 3）。砂的平均含量为20.31%，最高可达72.03%，最低为0.78%；粉砂和粘土平均含量分别为58.39%和21.30%，最高为75.23%和31.59%，最低为18.48%和6.94%。频率曲线以出现明显的粉砂-粘土粒级和砂粒级的双主峰为特征（图 4-f）。
6 层：8.30~5.30m，沉积物粒度组成以粉砂和粘土为主，较5 层明显变细，与4 层相似，粉砂和粘土含量较稳定（图 3）。该段粉砂和粘土的平均含量为62.43% 和32.39% ，最高为66.63% 和37.17% ，最低为58.75% 和26.46% ；砂的平均含量为5.18%，最高为14.79%，最低仅为0.02%。频率曲线仅出现粉砂-粘土粒级的单峰，无明显次峰（图 4-g）。
7 层：5.30~4.40m，沉积物粒度组成仍以粉砂和粘土为主，砂含量较6 层略有增加（图 3）。粉砂和粘土的平均含量分别为61.91% 和30.87% ，最高为67.27%和34.83%，最低为55.90%和24.83%；砂的平均含量为7.22%，最高为12.88%，最低为2.46%。频率曲线以粉砂-粘土粒级的单峰为主，出现砂粒级的次峰（图 4-h）。
8 层：4.40~3.10m，该段沉积物粒度较7 层明显变粗，砂含量明显增加，各粒级变化也均较大（图 3）。砂平均含量为14.29%，最高达34.58%，最低为1.92% ；粉砂和粘土平均含量分别为56.87% 和28.85%，最高为67.92%和37.47%，最低为40.05%和18.52%。频率曲线以明显的粉砂-粘土粒级和砂粒级的双主峰为特征（图 4-i）。
9 层：3.10~2.00m，沉积物粒度开始变细，以粉砂和粘土为主，砂含量较8 层明显下降（图 3）。粉砂和粘土的平均含量分别为61.58%和35.15%，最高为68.30%和42.45%，最低为57.52%和30.98%；砂的平均含量为3.27%，最高为9.35%，最低为0。频率曲线以粉砂-粘土粒级的单峰为主，出现弱的砂粒级次峰（图 4-j）。
2.3 沉积有机质δ13C
27.38~2.00m段岩心有机质δ13C值显示出非常明显的变化趋势（图 3）。有机质δ13C值在27.30~23.00m与10.50~3.00m两段出现2个明显正偏的层位。其余层位有机质δ13C值相差不大，平均值为-27.19‰，最大值为-26.30‰，最小值为-27.58‰。27.30~23.00m段有机质δ13C值变化较大，最大值达-16.91‰，最小值为-25.15‰，平均为-22.52‰；10.50~3.00m 段有机质δ13C 值变化较小，最大值为-22.29‰，最小值为-25.75‰，平均为-23.71‰。
39.40~27.38m 段27.50m 处有机质δ13C 值为-27.02‰，与27.38~2.00m 段2 个正偏层位外的其他层位的值相当。
3. 讨论
根据年代框架和岩心整体沉积特征（图 2），可将QZK6 孔39.40~2.00m 段第四纪岩心分为39.40~27.38m 段晚更新世沉积和27.38~2.00m 段全新世沉积两部分。
3.1 晚更新世沉积
QZK6 孔39.40~27.38m 段岩心以粗颗粒的砂砾为主，未见海相贝壳等化石，底部为次棱角-次圆状砾石，顶部发育风化层，为河床滞留沉积、河流沙坝等河流沉积，以及风化暴露层（图 5）。该段仅于27.50m 处测得有机质δ13C 数据1 个，其值为-27.02‰，显示了以陆生C3 植物为来源的有机质，与粒度特征指示的陆相沉积环境一致。尽管底部无测年数据，然而其沉积特征与临近的GZ-2孔[33]、QZK4 孔[34]及大鳌平原的PRD05 孔[14]第四系下部发育于末次冰期的陆相沉积层相似，且27.80m处测得的OSL 年龄为67.48±3.81ka BP，也显示该段地层形成于低海面的末次冰期。
珠江三角洲晚更新世地层是20 世纪七、八十年代，引入14C、热释光等年代测试方法后，对珠江三角洲第四纪进行系统研究时发现的一个老三角洲沉积，认为该套沉积由约40ka cal BP 至全新世期间的一个海侵海退的旋回所建造，文献报道的海侵时间主要集中于30~20ka cal BP[1-2, 4, 7, 9]。然而，近年来的研究显示，珠江三角洲末次冰期地层中仅发现河流等陆相沉积[14-15, 34]。尽管前人报道的晚更新世海侵沉积有在被后期侵蚀而未保存下来的可能，但建造这套老三角洲的海侵却发生于南中国海末次冰期低海面时期。该时间段内南中国海海面由-50~-60m 下降至-100m 之下，其中末次冰盛期（Last Glacial Maximum,LGM），18~22ka cal BP时海平面更是低于-120m[35-38]。报道中晚更新世海侵层下限的海拔高程约-40m[7, 11, 39]，高出海侵发生时南中国海的海平面。然而，根据区域构造背景，珠江三角洲区域地壳垂直运动以沉降为主[40]，并不支持末次冰期时形成海侵层的出露位置高于当时海平面的高度。因此，最近的研究推测，现代珠江三角洲晚更新世海侵可能发生于全球海平面较高的MIS 5[17-18, 41]。QZK6 孔岩心记录的晚更新世地层不连续，尚无法证实是否存在海侵沉积遭受后期剥蚀的可能，然而其发育的陆相河流沉积、风化层等，是对珠江三角洲晚更新世低海面的响应。
3.2 全新世沉积
QZK6 孔发育了较全的全新世沉积，根据沉积特征可以分为27.38~5.30m 段的退积式三角洲沉积和5.30~2.00m 段的进积式三角洲沉积2 个沉积体系。其中，27.38~5.30m 段的退积式三角洲沉积体系可以细分出三角洲平原、三角洲前缘和前三角洲3个沉积单元（图 5）。
![]()
图 5 QZK6 钻孔第四纪沉积特征及沉积环境变化（底栖有孔虫、介形虫和浮游有孔虫数据据未发表资料，图例同图 2）Figure 5. Depositional characteristics and environmental change of the Quaternary sediments in Core QZK63.2.1 退积式三角洲沉积体系
27.38~5.30m 段，对应地层年龄为10.982~2.087ka cal BP。该段沉积物粒度整体呈现下粗上细的特征（图 5），沉积环境由下至上依次为27.38~23.00m段的三角洲平原，23.00~16.00m 段的三角洲前缘，以及16.00~5.30m 段的前三角洲，指示了沉积可容空间的逐渐增大、相对海平面的上升。
三角洲平原沉积：27.38~23.00m 段，地层年龄为10.982~8.960ka cal BP。整体呈下粗上细的特征，具明显的河流二元结构：下部为粗颗粒的粗-细砂，底部含砾石，向上逐渐变细；上部为粘土质粉砂，含泥炭，见炭屑及植物根茎、种子等，呈深灰色、灰褐色（图 5）。27.00~23.00m 段在粒度频率曲线上也有清晰的反映，由下至上从以砂级的单主峰过渡到砂和粉砂的双峰，再到以粉砂-粘土级的主峰和砂级次峰（图 4-a~c）。上部的细粒沉积物有机碳含量较高，呈深灰色、灰褐色，见炭屑和植物根系、种子等化石，有机质δ13C 值呈正偏（图 5），在-25.15‰~-16.91‰范围内，明显不同于陆源C3植物和海洋藻类植物产生的有机质，表现为以含C4植物的混合自生有机碳为主的特征，与沉积物粒度指示的沉积环境一致。粒度和有机碳同位素特征显示，该段为分流河道-河漫沼泽沉积，与珠江三角洲PRD05 孔中富含有机质的26.81~24.78m 段相当[14-15]。根据长江口和渤海湾的研究，该段发育的河漫沼泽泥炭沉积，向上直接被后期海相沉积层覆盖，反映了高潮的上限[42]。南中国海的海平面变化记录也显示，该时间段内南中国海海平面已由末次冰期的低海平面上升至与该段沉积形成高度相当的位置[35-36]，为三角洲平原的形成提供了条件。
三角洲前缘沉积：23.00~16.00m 段，地层年龄为8.960~6.585ka cal BP。自该段起，沉积物颜色明显变浅，呈灰色，沉积物以粘土质粉砂为主，偶见薄的砂层。频率曲线也以粉砂-粘土粒级的单峰为主，出现砂粒级的次峰，偶见粉砂-粘土粒级与砂粒级的双主峰，反映了动荡的水动力条件（图 4-d）。其双主峰出现在砂含量较高的层位，推测为风暴等强水动力条件下形成的沉积层。据未发表的微体古生物记录显示，该段见浸染、表面磨损等明显再沉积微体化石，且主要生活于深海远洋的浮游有孔虫化石在该段出现全孔最高的丰度和分异度（图 5），种群中还见生活于深层水的浮游有孔虫属种Glo⁃borotalia truncatulinoides。沉积物有机质δ13C 值在-27.58‰~-26.99‰范围内，明显不同于27.00~23.00m 段自生有机质δ13C 值，反映了以陆生C3植物有机质为主的陆源河流输入，与粒度、微体古生物特征指示的沉积环境变迁一致，指示动荡的三角洲前缘潮滩，或水下分流河道间湾等水深较浅的沉积环境，沉积物以珠江径流带来的陆源碎屑为主，是对早—中全新世海面进一步上升的响应。
前三角洲沉积：16.00~5.30m，地层年龄为6.585~2.087ka cal BP。该段沉积物仍以粘土质粉砂为主，整体表现上下细、中间粗的特征。16.00~15.20m 段与8.30~5.30m 段沉积物组分相似，粉砂和粘土组分占绝对优势，且频率曲线上仅出现粉砂粘土级的单峰，无明显次峰，反映水体动力减弱，代表了钻孔所在处水深进一步增加（图 4-e、g）。微体古生物也显示出较高的丰度和分异度（图 5）。中间15.20~8.30m 段沉积物砂粒含量呈脉冲式的增加，反映了水体动力的变化。由于该段未见明显的风暴等异常沉积特征，而根据珠江口近2ka cal BP 以来的研究表明，沉积物中粗组分砂的含量与陆源输入有强烈的正相关性[32]，因此，推测该段砂粒含量的增加是对珠江径流增强的响应。频率曲线上出现明显的粉砂-粘土粒级和砂粒级的双主峰特征（图 4-f），也显示除潮流外，还存在较强的河流作用。珠江径流的作用从有机质δ13C 记录也可以看出，尽管粒度上已经反映出水深较23.00~16.00m 段增加，然而16.00~11.00m 段沉积物中有机质δ13C 值与23.00~16.00m 段相比并无太大变化，仍然表现出以陆生C3 植物为主的有机质来源（图 5），反映珠江径流的增强抵消了水深增加的影响，仍能将陆源有机质输送至钻孔所在处。这一点与珠江口钻孔中有机质δ13C 值的变化规律一致[32]。直至约11.00m 处，沉积物中有机质δ13C 值才开始变大，表明海洋藻类有机质的比例开始增加，钻孔所在处沉积物中的陆源有机质比例开始减小，珠江径流的影响减弱。6.50m处沉积物有机质δ13C 值为-22.30‰，接近海洋藻类有机质δ13C 值，反映沉积物中的有机质来源已由以陆源有机质为主转变为以海洋藻类为主，珠江径流作用的影响进一步降低。由此可见，16.00~5.30m 段岩心反映了一个较23.00~16.00m 段水深更深的前三角洲沉积环境，是对中晚全新世高海面的响应。20 世纪七八十年代以来，报道的珠江三角洲全新世海侵也大都发生在这个时期[7, 33, 43-44]。此外，珠江三角洲顶部四会等地的“地下古森林”也发育于该时段，高海面可能为其提供了发育条件[45]。不仅如此，该时期的高海面在雷州半岛[46-48]、海南岛[49]、台湾海峡澎湖列岛[50]及南中国海周边地区[51]也都有记录。
3.2.2 进积式三角洲沉积体系
5.30~2.00m，年龄为2.087~0.203ka cal BP。该段沉积物仍以粉砂和粘土为主，但整体较8.30~5.30m 段变粗，砂粒含量增加。5.30~4.40m 段开始出现砂粒级的次峰，4.40~3.10m 段出现明显的粉砂-粘土粒级和砂粒级的双主峰特征，表明水体动力进一步增强（图 4-h、i）。而3.10~2.00m 段出现粒度的变细（图 4-j），可能是受人类蓄水拦坝等活动的影响[32]。尽管该段获得的沉积物有机质δ13C 值不多，但其有机质来源由下部的以海洋藻类为主至上部的以陆生C3植物为主的变化明显，指示了陆源物质的增加（图 5）。其粒度和沉积有机质碳同位素特征指示水深逐渐减小的河口湾-三角洲前缘沉积环境，表明了沉积可容空间的逐渐减小，是进积式三角洲的演化过程。由于该段厚度较小，获取的沉积信息不多，未对其沉积环境进行细分。该段环境演化过程与珠江三角洲的GZ-2 孔[33]，以及陈培红[3]、龙云作等[2]、李平日等[43]报道的晚全新世海面下降、三角洲进入进积式发育阶段的认识一致。
QZK6 孔27.38~2.00m 段全新世连续沉积，由下至上依次为27.38~23.00m 段的三角洲平原、23.00~16.00m 段的三角洲前缘、16.00~5.30m 段的前三角洲及5.30~2.00m 段的河口-三角洲前缘沉积，完整地记录了珠江三角洲全新世以来的沉积环境变迁。27.38~5.30m 段的退积式三角洲沉积体系和5.30~2.00m 段的进积式三角洲沉积体系，是对早—中全新世海平面上升，以及晚全新世海面下降的响应。
4. 结论
在地层沉积结构和构造分析的基础上，利用AMS 14C 和OSL 测年确定地层的年代，通过对沉积物粒度、有机碳同位素等沉积特征的研究，并结合其他钻孔沉积记录和南中国海海面变化记录，取得如下认识。
（1）QZK6 孔39.40~2.00m 段岩心：① 发育了39.40~27.38m 段的晚更新世风化层、河流等陆相沉积体系，以及27.38~2.00m 段全新世的三角洲沉积体系；②27.38~2.00m 段全新世三角洲沉积体系可分为27.38~5.30m 段的早中全新世退积式三角洲沉积体系和5.30~2.00m 段的晚全新世进积式三角洲沉积体系；③27.38~5.30m 段的早—中全新世退积式三角洲沉积体系又可细分为27.38~23.00m 段的三角洲平原、23.00~16.00m 段的三角洲前缘和16.00~5.30m 段的前三角洲沉积。
（2）QZK6 孔39.40~2.00m 段沉积是对末次冰期的低海面、早—中全新世海面升高及晚全新世海面下降沉积环境的响应。
致谢: 感谢河南地质矿产勘查开发局第一地质矿产调查院常云真教授级高工、李重阳高级工程师等提供的研究数据，感谢李天祺工程师对本文后期修改出图提供的帮助。 -
![]()
图 5 邻域约束聚类算法在高贝沟地区提取地球化学异常结果
a—聚3类；b—聚4类；c—聚5类；d—聚6类；e—聚7类
Figure 5. Results of extracting geochemical anomaly by neighborhood constrained clustering algorithm in Gaobeigou area
![]()
图 6 邻域约束聚类算法在孤山岭地区提取地球化学异常结果
a—聚2类；b—聚3类；c—聚4类
Figure 6. Results of extracting geochemical anomaly by neighborhood constrained clustering algorithm in Gushanling area
![]()
图 7 两种聚类算法与邻域约束结合处理高贝沟地区的数据结果
Figure 7. Results of three clustering algorithms combined with neighborhood constraints in processing data in Gaobeigou area
a—K-means; b—DBSCAN
表 1 三种聚类算法的优缺点分析
Table 1 Analysis of advantages and disadvantages of three clustering algorithms
聚类算法 优点 缺点 K-Means 简单易实现，适用性强 需要用户事先指定类簇个数；聚类结果对初始类簇中心的选取较为敏感；容易陷入局部最优 DBSCAN 聚类速度快且能够有效处理噪声点和发现任意形状的空间聚类 当空间聚类的密度不均匀、聚类间距差相差很大时，聚类质量较差；对于高维数据，存在“维数灾难”；参数难设置，且无法指定聚类数量 谱聚类 算法在处理稀疏和高维数据上具有一定的优势 若聚类的维度非常高，由于降维的幅度不够，谱聚类的运行速度会降低 
下载: 导出CSV
-
Harris J R, Wilkinson L, Grunsky E C. Effective use and interpretation of lithogeochemical data in regional mineral exploration programs:application of Geographic Information Systems (GIS) technology[J]. Ore Geology Reviews, 2000, 16(3/4):107-143. http://cn.bing.com/academic/profile?id=113ef43b15f4e3af6453044ad81aeaf0&encoded=0&v=paper_preview&mkt=zh-cn
Gałuszka A. A review of geochemical background concepts and an example using data from Poland[J]. Environmental Geology, 2007, 52(5):861-870. doi: 10.1007/s00254-006-0528-2
Wackemagel H. Multivariate geostatistics:an introduction with applications[M]. Springer, 2003.
Grunsky E C, Agterberg F P. Spatial and multivariate analysis of geochemical data from metavolcanic rocks in the Ben Nevis area, Ontario[J]. Mathematical Geology, 1988, 20(7):825-861. doi: 10.1007/BF00890195
Cheng Q M. Mapping singularities with stream sediment geochemical data for prediction of undiscovered mineral deposits in Gejiu, Yunnan Province, China[J]. Ore Geology Reviews, 2007, 32(1/2):314-324. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=5c3be28e39b72c43481928ec2df8fbef
Zuo R G, Xiong Y H. Big Data Analytics of Identifying Geochemical Anomalies Supported by Machine Learning Methods[J]. Natural Resources Research, 2018, 27(1):5-13. doi: 10.1007/s11053-017-9357-0
Chen Y L. Mineral potential mapping with a restricted Boltzmann machine[J]. Ore Geology Reviews, 2015, 71:749-760. doi: 10.1016/j.oregeorev.2014.08.012
Zuo R G. Machine learning of mineralization-related geochemical anomalies:A review of potential methods[J]. Natural Resources Research, 2017, 26(4):457-464. doi: 10.1007/s11053-017-9345-4
Cheng Q M, Agterberg F P, Ballantyne S B. The separation of geochemical anomalies from background by fractal methods[J]. Journal of Geochemical Exploration, 1994, 51(2):109-130. doi: 10.1016/0375-6742(94)90013-2
Carranza E J M. Geochemical anomaly and mineral prospectivity mapping in GIS[M]. Elsevier, 2008.
Cheng Q M, Xu Y G, Grunsky E. Integrated spatial and spectrum method for geochemical anomaly separation[J]. Natural Resources Research, 2000, 9(1):43-52. doi: 10.1023/A:1010109829861
Cheng Q M. Mapping singularities with stream sediment geochemical data for prediction of undiscovered mineral deposits in Gejiu, Yunnan Province, China[J]. Ore Geology Reviews, 2007, 32(1/2):314-324. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=5c3be28e39b72c43481928ec2df8fbef
Aitchison J. The statistical analysis of compositional data[M]. The Blackburn Press, 1986.
Egozcue J J, Pawlowsky-Glahn V, Mateu-Figueras G, et al. Isometric logratio transformations for compositional data analysis[J]. Mathematical Geology, 2003, 35(3):279-300. doi: 10.1023/A:1023818214614
周永章, 张良均, 张奥多, 王俊.地球科学大数据挖掘与机器学习[M].广州:中山大学出版社, 2018. 张旗, 周永章.大数据助地质腾飞-2018第11期大数据专题"序"[J].岩石学报, 2018, 34(11):3167-3172. 焦守涛, 周永章, 张旗等.基于GEOROC数据库的全球辉长岩大数据的大地构造环境智能判别研究[J].岩石学报, 2018, 34(11):3189-3194. http://d.old.wanfangdata.com.cn/Periodical/ysxb98201811004 周永章, 陈烁, 张旗, 等.大数据与数学地球科学研究进展——大数据与数学地球科学专题代序[J].岩石学报, 2018, 34(2):256-263. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=ysxb98201802001 Chen Y L, Wu W. Application of one-class support vector machine to quickly identify multivariate anomalies from geochemical exploration data[J]. Geochemistry Exploration Environment Analysis, 2017, 17(3):231-238. doi: 10.1144/geochem2016-024
Beucher A, Österholm P, Martinkauppi A, et al. Artificial neural network for acid sulfate soil mapping:Application to the Sirppujoki River catchment area, south-western Finland[J]. Journal of Geochemical Exploration, 2013, 125:46-55. doi: 10.1016/j.gexplo.2012.11.002
Chen Y L, Lu L J, Li X B. Application of continuous restricted Boltzmann machine to identify multivariate geochemical anomaly[J]. Journal of Geochemical Exploration, 2014, 140:56-63. doi: 10.1016/j.gexplo.2014.02.013
O'Brien J J, Spry P G, Nettleton D, et al. Using Random Forests to distinguish gahnite compositions as an exploration guide to Broken Hill-type Pb-Zn-Ag deposits in the Broken Hill domain, Australia[J]. Journal of Geochemical Exploration, 2015, 149:74-86. doi: 10.1016/j.gexplo.2014.11.010
Xiong Y H, Zuo R G. Recognition of geochemical anomalies using a deep autoencoder network[J]. Computers & Geosciences, 2016, 86:75-82. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=f659583bb053f79afe258c22bcc05d8a
Zaremotlagh S, Hezarkhani A. The use of decision tree induction and artificial neural networks for recognizing the geochemical distribution patterns of LREE in the Choghart deposit, Central Iran[J]. Journal of African Earth Sciences, 2017, 128:37-46. doi: 10.1016/j.jafrearsci.2016.08.018
时建民, 石绍山, 江山, 等.环形构造与地球化学异常相关性分析及其找矿意义[J].地质与资源, 2016, 25(2):181-185. doi: 10.3969/j.issn.1671-1947.2016.02.016 马生明, 朱立新, 刘海良, 等.甘肃北山辉铜山铜矿地球化学异常结构研究[J].地球学报, 2011, 32(4):405-412. doi: 10.3975/cagsb.2011.04.03 李庆谋, 成秋明.分形奇异(特征)值分解方法与地球物理和地球化学异常重建[J].地球科学, 2004(1):109-118. doi: 10.3321/j.issn:1000-2383.2004.01.019 Shi J B, Malik J. Normalized cuts and image segmentation[J]. IEEE Transactions on pattern analysis and machine intelligence, 2000, 22(8):888-905. doi: 10.1109/34.868688
计量
- 文章访问数: 3157
- HTML全文浏览量: 430
- PDF下载量: 2249
