指紋技術識別泥沙來源：不確定性研究進展＊

周慧平 周宏偉 陳玉東

（1 常州大學環(huán)境與安全工程學院，江蘇常州 213164）

（2 生態(tài)環(huán)境部南京環(huán)境科學研究所，南京 210042）

（3 太湖流域管理局水利發(fā)展研究中心，上海 200434）

土壤侵蝕產生的泥沙不僅增加水體懸浮物濃度，而且細顆粒泥沙對營養(yǎng)鹽、重金屬及持久性有機污染物具有強烈的吸附作用。泥沙遷移過程中對污染物的吸附、貯存和解吸等環(huán)境行為對水生態(tài)系統(tǒng)造成潛在的巨大危害[1-2]。比如磷為湖泊富營養(yǎng)化限制因子，它在流域內的遷移以泥沙吸附的顆粒態(tài)磷為主，通常占到流域總磷負荷的75%以上[3-4]，因此對于磷的控制重點也就在于對泥沙輸送量的控制。為有效削減流域下游泥沙及其攜帶污染物負荷，必須首先識別流域內泥沙各種來源對下游輸出負荷的相對貢獻，才能在關鍵源區(qū)具有針對性地實施水土流失治理工程。

泥沙指紋技術通過篩選潛在源地土壤物質組分中可區(qū)分源地類型的“指紋”，以“指紋”對比的方法建立流域輸出泥沙與潛在源地的直接對應關系，從而實現流域泥沙來源的定量識別[5]。歷經20 多年發(fā)展，該技術已在農業(yè)、森林、城市、海岸帶及海洋等自然環(huán)境以及考古學、法醫(yī)學、人體健康等研究領域有了廣泛的應用[6]，成為流域泥沙動力學與源解析研究的重要方法。已有研究從不同角度綜述了泥沙指紋技術的理論方法與應用等方面的研究進展。如D'Haen 等[7]針對歷史時期河流沖積泥沙來源，從不同時空尺度和沉積環(huán)境，綜述了泥沙指紋因子的選擇及其影響因素等問題，并提出了一個從定性到定量源解析研究的總體框架。Haddadchi 等[8]總結了河流泥沙指紋識別的樣品采集，常用指紋因子類型與特點，主要泥沙源地類型與貢獻特征，首次對比了7 種常用的混合模型特點及其在應用上的差異。Walling[9]綜述了泥沙指紋技術7 個方面的關鍵問題以及方法的演化與發(fā)展。

近年來，泥沙指紋研究中的不確定性問題越來越受到關注。比如Laceby 等[10]探討了統(tǒng)計分析和地質特征判斷等復合指紋選擇方法，認為指紋選擇對結果具有顯著影響；隨后又系統(tǒng)闡述了泥沙粒徑效應對指紋因子含量變化以及指紋識別結果的影響[11]。Nosrati 等[12]采用基于貝葉斯的混合模型對指紋識別結果的不確定性作了定量分析。已有研究針對個別不確定性因素或其影響程度開展了一些討論，但目前對于泥沙指紋技術應用時產生不確定性的眾多環(huán)節(jié)及復雜問題仍缺乏系統(tǒng)綜合的探討。本文從理論基礎、技術方法與應用等多個方面綜述泥沙指紋識別技術的不確定性問題以及相關研究進展。

1 理論基礎與假設

泥沙指紋識別技術實質是建立在物質守恒理論基礎上的一個“黑箱”模型，其主要的前提假設有：（1）泥沙的潛在源地為已知，且下游泥沙只源于這些已知類型；（2）不同源地類型可根據土壤物質特性（即“指紋”）來區(qū)分，源地土壤與下游混合泥沙的“指紋”有關聯，可直接比較；（3）泥沙遷移過程中“指紋”特征守恒不變，或其變化可忽略或定量描述，下游泥沙特征能夠反映它的來源信息。由以上假設可知，該方法僅關注模型的輸入與輸出部分，泥沙遷移的中間過程是未知且忽略的。然而實際上，土壤侵蝕發(fā)生后，泥沙在坡面運移、植被緩沖帶、濕地以及水體遷移等過程中受到物理、化學及生物作用的影響，其物質組成與性質的潛在變化是十分復雜的[13]，且目前還難以完全定量描述。此外，流域尺度自然條件及局部的人為因素對泥沙源地的干擾導致源地類型的空間異質性與多變性，以及泥沙在不同景觀中遷移路徑與水體連通性的復雜程度等因素，進一步增加了泥沙指紋識別的不確定性。

解決此類問題，一方面要充分分析泥沙源匯過程中潛在的不確定因素來源以及前提假設與實際情況之間的偏差，從而在研究中盡量地避免、減少這些因素的影響，使研究條件盡可能接近前提假設；另一方面，要盡可能對這些因素和影響過程進行定量化描述，從而對不確定性作出定量評估，使研究結果更具科學性與實踐意義。

2 不確定性的來源及應對

2.1 源地識別與分類

泥沙指紋識別研究通常事先定義泥沙潛在源地的類型，根據研究需要以空間源（子流域或地質單元）或類型源（土地利用或土壤侵蝕類型）進行分類，或結合兩者將不同源地進行疊加分組研究[14-15]。但目前即使通過先驗知識和大量的實地調查，對源地的識別和分類方式仍然具有一定的主觀性。

首先，假設為已知的泥沙源地，實際可能是所有真實來源中的主要部分，而另一些源地可能未被識別，特別當空間尺度較大或源地類型空間異質性復雜時更難以全面、正確地判斷出潛在源地，而下游獲取的泥沙卻極有可能包含了那部分未知源地的信息。其次，源地間相互干擾可影響對源地的正確分類。由于泥沙遷移不完全是一個連續(xù)的過程，易受各種景觀截留，被認為是源地的某種景觀或位置實際可能是另一種來源形成的匯，由此可造成重復識別且難以尋找合適的指紋將其區(qū)分；而當泥沙輸送通道受阻而不能有效遷移至下游時，下游獲取的泥沙實際并不能與該來源建立直接對應關系。此外，自然因素或人類活動干擾也可能使原本具有明顯差異的類型出現不同程度的同質化特征，增加了源地分類的難度。源地分類數量也直接影響混合模型的計算。當源地分類數量過多時，模型計算的不確定性顯著增加。Pulley 等[15]對源地采用了3 種不同的分類方案，指紋識別的結果及其不確定性均顯示出了明顯的差異。

由此可見，對于不同區(qū)域和類型的研究，源地類型的劃分應注意結合管理需求，識別泥沙源匯關系及遷移路徑，充分分析流域下墊面特征，包括地質地貌、土地利用的時空動態(tài)變化及人為干擾因素、景觀的空間異質性、景觀與水體或泥沙遷移通道的連通性、土壤侵蝕驅動因素及強度分布等信息，同時盡量合并指紋特征類似的源地[16]，從而有效減少由源地識別或分類引起的不確定性。

2.2 樣品采集

如何采集具有代表性的樣品，使其能夠真實反映泥沙的源匯特征及其關聯性，也是泥沙指紋研究關注的問題，然而對于代表性樣點的選取以及采樣方案的制定，目前仍缺乏較為統(tǒng)一的規(guī)范。源地土壤樣品大多采集表層2 cm 土壤，這被普遍認為是地表侵蝕后最易流失和最具代表性的部分[17]，也有研究采用3 cm[18]、5 cm[12，15]或針對不同源地類型采用2 cm、10 cm、30 cm 的不同方案[14，19]。實際上，土壤表層易侵蝕部分也因不同區(qū)域氣候條件、土壤侵蝕的主要驅動力和侵蝕強度等因素而不同，而固定點位和深度的表層土壤并不能代表真正被侵蝕且遷移至下游的部分。為此，在降雨期間采集某種源地邊緣地表產流中的泥沙作為源地樣品被認為具有更好的代表性[20-21]。此外，由于表層土壤侵蝕并不是流域產沙的唯一來源，也應考慮對某些源地特定部位土壤剖面的分層取樣[22]。當研究空間源或某些面積大且較為單一的類型源時，還可以采集流經支流中的懸浮泥沙，以此代表源地實際產出的泥沙[23]。由于一些指紋因子如有機質、磷以及放射性核素等容易受到農田耕作、施肥等人為干擾和季節(jié)變化的影響，采樣位置和時間偏差可能影響樣品的代表性并對結果產生一定的影響[24]。采樣點數量通常以滿足統(tǒng)計分析要求設計并與需要投入的人力和財力作出平衡，但受到源地類型空間異質性以及指紋因子在源地內變異特征影響時，需要增加的樣點數量與位置等均由主觀判斷，樣點增加后對結果的影響也難以進行評估。

目標泥沙主要采用懸浮泥沙或沉積泥沙兩種類型。懸浮泥沙主要用于研究短期內不同降雨事件或年內季節(jié)變化等時間尺度下的泥沙來源[25]，而后者對于研究較長時期內流域泥沙來源變化特點具有更好的代表性[26]。懸浮泥沙樣品獲取通常要采集水沙混合樣品并作離心處理，因此采集一個具有代表性且滿足分析用量的樣品以及需要投入的人力和時間受水體含沙量的影響較大，而使用替代方法也可能增加樣品采集的不確定性。如通過對河床泥沙的擾動采集懸浮泥沙作為替代[27]，或者采用一種具有創(chuàng)新性的自動間隔采樣裝置[28-29]。前者在獲取懸浮泥沙時較難把握泥沙所代表的時間特征，而后者雖然能夠收集一定時間段的懸浮泥沙，但是難以得到相同環(huán)境條件下的重復樣品。對于沉積泥沙樣品，受沉積速率及其他復雜水文條件的影響，不同深度泥沙所反映的時間尺度的代表性以及其本身性質的潛在改變等因素仍需要進行深入探討。

總體而言，樣品采集的時間、頻率以及空間位置對于研究泥沙來源的時空變化特征十分重要，不同的采樣方案可能使結果具有明顯的差異。Tiecher等[20]嘗試驗證4 種不同的目標泥沙采樣方案對泥沙貢獻分配結果可靠性的影響，認為只有當結果相對一致時，才能對區(qū)域的水土保持治理工作提供有效指導。針對不同采樣方案的潛在不確定性，在制定采樣計劃時一方面要充分調查并結合不同源地信息，識別泥沙的“源匯關系”以及潛在的自然與人為影響因素，并在采樣時有效避開不利因素干擾；另一方面可采用模型模擬的方法從整體上分析流域土壤侵蝕時空特征從而指導采樣工作[30]，同時也可為指紋識別結果提供對比驗證。

2.3 指紋性質的潛在變化

泥沙指紋識別研究中采用的指紋因子主要包括物理、化學和生物化學性質[31]，并且以指紋因子在泥沙遷移過程中不發(fā)生改變?yōu)榛炯僭O。但事實上泥沙遷移的復雜過程和環(huán)境條件，包括泥沙顆粒分選和富集作用、離子交換、吸附與解吸、沉淀與溶解等因素將一定程度改變泥沙顆粒的地球化學性質[13]。生物化學過程中，有機質分解作用可能改變有機質含量及其組成，微生物活性還能將物質的無機形態(tài)轉化為有機形態(tài)，甚至改變礦物磁性等特征[32]。而當泥沙長期處在復雜多變的沉積環(huán)境中時，這些變化可能更加明顯[33]。放射性核素（如137Cs、210Pb、7Be 等）雖然是一種非保守性物質，但是由于其具有固定的半衰期，仍可用于不同時間尺度的指紋研究[34-35]。近年來發(fā)展起來的一種新型泥沙“指紋”——特定化合物穩(wěn)定同位素（CSSI），因其與泥沙能較強地結合且不易被降解的特點而被逐步應用[36-37]，但其在輸移、沉積過程中受生物與環(huán)境因素影響，種類和含量等潛在變化產生的不確定性需要進一步深入研究[38]。如高進長等[39]在川中丘陵小流域的研究認為，泥沙有機物來源和形態(tài)的復雜性使δ13C 指標在示蹤泥沙來源時的可靠性受到影響。如此眾多對泥沙指紋性質變化的影響因素貫穿于泥沙源匯遷移的整個過程，而理解如此復雜的過程，甚至對其進行定量描述具有很大的難度，即使對某些特定過程通過室內受控實驗進行定量描述，但與流域自然環(huán)境的差異以及實驗本身的誤差帶來的不確定性依然是一個無法避免的問題。

在目前無法忽略而又不能定量描述指紋的潛在變化時，指紋識別研究通常采用“閾值檢驗”的方法來初步篩選具備“保守性”特征的泥沙指紋[40-41]，即比較泥沙及源地土壤樣品中各指紋因子值，當泥沙樣品中某指紋因子含量超出源地土壤中該指紋含量范圍時，認為該指紋是非保守性的而被排除。Wilkinson 等[42]建議增加指紋平均值的對比，檢驗其是否同樣滿足上述條件可以提高篩選的可靠性。然而這種數據測試方法仍存在一定局限性，因為泥沙樣品指紋值若超出源地樣品指標值范圍也可能是有其他源地類型未被識別或者是由于樣品的測試誤差造成，而樣品中非保守性的指紋因子其含量變化也有可能并未超出范圍卻通過了檢驗。對于指紋的非保守性問題，在研究中應盡量避免采用一些具有明顯的非保守性特征的指紋，如磷的相關指標，同時根據研究區(qū)土壤地球化學特點以及潛在的環(huán)境變化特點，對指紋的保守性特征進行合理分析和判斷，或當某種影響可定量描述時對有關指紋采取必要的修正。

2.4 復合指紋篩選

泥沙指紋篩選通常根據研究目標和源地分類首先確定指紋初選的主要類型，如放射性核素可用于識別不同時間尺度表層與亞表層土壤侵蝕或者耕作與非耕作用地來源[26，43]；而以土地利用分類特別是討論不同植物覆蓋類型時，CSSI 指標可作為主要指紋因子[36，44-45]?？傮w而言，泥沙指紋初選是在綜合了解研究區(qū)潛在源地類型土壤地球化學等性質特征以及泥沙遷移特點等先驗知識的基礎上進行的，具有一定的主觀性，而復合指紋是在指紋初選的基礎上通過統(tǒng)計檢驗等方法選出具有最佳源地識別能力的指紋組合[46]。目前采用的統(tǒng)計學方法主要為K-W（Kruskal-Wallis H）檢驗和判別分析（Discriminant Function Analysis，DFA）。除此之外，其他類似的統(tǒng)計檢驗方法如M-W（Mann-Whitney U）、t 檢驗等也各有其優(yōu)勢[47-48]。Palazón 等[49-50]在原有方法基礎上加入主成分分析（Principal Component Analysis，PCA）法作了對比；類似的有Nosrati 等[51]采用了主成分聚類分析PCCA（Principal Component ＆ Classification Analysis）法，研究結果均證實了不同方法或組合應用產生的復合指紋及識別能力有一定差異。

對于不同的統(tǒng)計方法得到的復合指紋所包含的指紋因子數量及識別能力差異的問題，Sherriff 等[52]研究認為，較多個指紋因子組成的復合指紋能夠減少混合模型計算的不確定性，因為由不同指紋因子引起的偏差能夠部分相互“抵消”，因而他們建議盡可能采用指紋因子較多的復合指紋。但Zhang 和Liu[16]認為復合指紋對源地識別能力的強弱并不能決定混合模型精度的高低，采用較少因子的復合指紋反而可以減少模型計算誤差。Palazón 和Navas[49]也證實了包含較多指紋因子的復合指紋并不一定能得到最佳的結果。目前關于這個問題的爭論仍在繼續(xù)，但普遍接受的一點是，復合指紋選擇應建立在對各類指紋因子環(huán)境行為特征及指示意義充分認識的基礎上，并盡可能結合多種方法（如地質條件判別）[10]綜合分析，而不能在缺乏先驗知識的情況下僅僅依靠統(tǒng)計檢驗方法對大量指標進行篩選，由此帶來的不確定性是難以估量的。Collins 等[24]提出的方法指南是基于一定數量研究而較為普遍的經驗方法，但對于不同的研究，應盡量對不同方法得到的復合指紋重復試驗，并且要在包含不同指紋因子數量的復合指紋識別能力和混合模型計算誤差之間尋求一個較好的平衡點。

2.5 混合模型計算

泥沙來源貢獻分配計算采用的混合模型有多種結構形式，輸入數據也有多種形式或優(yōu)化處理方法。最初的Collins 模型[53]將各指紋因子的平均值作為模型的輸入數據，其主要不足在于未能體現一些指紋值的變異特征以及由于樣品數量不足而產生的代表性問題。為此，Devereux 等[54]在混合模型計算時首先對指紋值作歸一化標準差處理，Gellis 等[55]則根據各類源地的樣點數量差異修正了各指紋因子的方差值。Hughes 等[56]在模型中應用了蒙特卡洛優(yōu)化算法，并直接采用所有樣品的原始指紋數據從而將誤差控制在最小范圍內。Haddadchi 等[57]選取4 個不同結構的混合模型對比研究后發(fā)現泥沙源地分配結果存在明顯的差異。因此，如何選擇合適的模型以及數據優(yōu)化處理的方法也十分關鍵，而將泥沙遷移過程中環(huán)境要素變化等因素納入模型，形成一個基于泥沙環(huán)境過程的混合模型則是未來模型優(yōu)化研究的方向。

混合模型的不確定性還來源于不同模型結構中對指紋值所作的各種修正，比較常見的有對泥沙粒徑效應以及有機質含量的影響增加修正系數[5]。盡管經歷了從線性修正到非線性修正的改進[58]，這種方法仍有其明顯的弊端。一方面，泥沙粒徑組成和有機質含量在其遷移過程中是不斷變化的，他們與指紋因子含量的關系也可能視不同指紋因子和研究地點的變化而不同。Smith 和Blake[59]認為，是否對粒徑效應作修正要謹慎分析，即使要修正也要視特定的指紋與粒徑組分區(qū)別對待，但并不提倡對有機質含量的影響作修正，以免引起過度校正或額外的不確定性；另一方面，為計算修正系數而對泥沙粒徑及有機質參數的測試誤差也可能引入新的不確定性。除了采用粒徑效應修正系數，另一種解決方法是將源地和泥沙樣品的分析粒徑縮至更小更窄的范圍分別進行對比，如分為＜10 μm 和10～63 μm[60]，甚至是對比＜2 mm 的部分[61]。但需要注意的是，粒徑越小可能更易受環(huán)境的影響且由此投入的工作量和難度也隨之增加。實際工作應根據目標泥沙粒徑分布特點選取具有代表性的分級區(qū)間。此外，采用上文提到的“支流采樣”[23]能夠避免使用修正系數，從而減少由粒徑效應修正帶來的不確定性。除了粒徑效應，考慮不同指紋因子對源地識別能力的差異以及指紋因子在源地內的空間變異帶來的影響引入權重系數也是一些研究關注的重點[40，42]，但對于模型精度的提高以及可能引起額外不確定性仍然存在諸多爭議，甚至有研究表明，引入這樣的權重系數實際上會降低模型計算的精度而不應被采納[57]。對于上述這些引入修正系數方法的可靠性問題，應采用人工混合物等方法對不同的模型和數據反復進行驗證[62]，而Laceby 等[10]建議加強各土壤元素的相關性分析，從而對于指紋的潛在變化以及最終的選取和修正具有更為合理的判斷。

3 不確定性的定量評估

定量評估不確定性是指紋識別技術的一個重要組成部分，也是研究如何減少不確定性因素，評價研究結果可靠性，從而有效指導泥沙治理決策的關鍵。

目前，泥沙指紋技術的不確定性研究主要針對不同模型結構和輸入參數（數據預處理）、指紋篩選的統(tǒng)計方法、粒徑與有機質影響的修正、指紋的空間變異以及對源地識別能力的權重分析等一個或幾個方面對結果產生的影響進行分析。不確定性定量評估方法以蒙特卡洛（MC）隨機模擬為主，但事實上該方法并沒有充分考慮采樣方案以及指紋潛在變化等因素，主要反映已有數據分布下的部分隨機誤差以及模型計算與優(yōu)化過程產生的部分不確定性。對于不同模型結構、復合指紋篩選方法以及各種修正系數等引起的不確定性的評估，主要通過對比分析不同方案（或方案組合）下源地貢獻分配結果差異程度，包括對不同模型應用的擬合優(yōu)度（GOF）比較、不同方案的結果與已知人工混合泥沙數據的比較等（表1），但目前仍較難將上述各類問題納入一個統(tǒng)一的模型對不確定性進行綜合評估。近年來，貝葉斯混合模型逐漸受到泥沙指紋研究的關注[26，51，63]，它相比基于頻率理論的多元線性混合模型在不確定性分析上具有明顯的優(yōu)勢，比如它可以最大限度地利用現有資料和已知信息，同時也考慮到參數、模型輸入和資料等方面的不確定性，包括采樣誤差、儀器分析誤差等，通過似然函數用觀測資料來修正輸入的參數分布，使最終的參數分布能與實際相吻合。然而貝葉斯混合模型用于泥沙指紋研究的應用相對較少，且對于其中各類不確定性信息的輸入與修正以及結果的表達仍缺乏全面細致地描述和探討。總體上看，國外對不確定性的定量研究較多，特別對于復合指紋篩選、混合模型應用以及有關指紋修正系數等影響的分析較為全面和深入，而國內已經開展的泥沙指紋研究（見周慧平等[64]綜述）大多以不同區(qū)域及環(huán)境下不同類型指紋識別泥沙來源的可行性和效果的探討為主，對不確定性的分析總體較少或主要以定性討論為主[68-69]，缺乏對特定問題的定量和深入地對比研究。

4 結論與展望

泥沙指紋識別技術目前正在從一種研究工具逐步演化成一種流域泥沙管理工具，特別是近期Pulley 和Collins[70]已經開發(fā)了一套完整的指紋技術識別泥沙來源的軟件系統(tǒng)。但是，泥沙指紋識別顯著的地域性特點以及受源地類型識別及指紋選擇等主觀和經驗性影響的特點仍是其最為主要的局限性所在，從而在應用上受到了一定程度的限制。此外， 泥沙遷移路徑的連通性即源匯的關聯性、環(huán)境要素變化對有關參數的影響等方面仍然缺少科學的定量評估方法，特別是當各種不確定性因素對結果影響的方向、程度不同時，如何將眾多不確定性因素量化分析并統(tǒng)一納入到模型進行綜合評估仍是需要關注的重點和難點。最大程度地識別并減少泥沙指紋識別的不確定性因素，并對主要的不確定性進行綜合定量評估，從而使泥沙指紋技術真正成為一種兼具流域泥沙源解析研究和泥沙管理的實用工具，仍亟待深入研究。

表1 近期有關不確定性的研究 Table1 Recent researches on uncertainty analysis

續(xù)表