低密度地球化学填图重现性定量评价：以中国钴为例

Quantatitive robustness assessment of low-density geochemical mapping: An example of China’s cobalt

摘要

低密度地球化学填图的重现性是开展全球尺度地球化学填图的核心科学问题之一，长期以来备受地球化学填图界的密切关注。但缺乏对低密度地球化学填图重现性定量评价的有效手段，对重现性的定量化认识一直相当薄弱。本研究利用中国地球化学基准计划(CGB)和区域化探扫面计划(RGNR)两种尺度钴元素数据，基于1 546个典型汇水域局部空间相关系数分析，对低密度地球化学填图重现性进行定量评价，探讨其空间分布特征与影响因素。研究结果表明，全国尺度上，相关性受到钴含量和地球化学景观条件的共同影响。局部尺度上，受到差异剥蚀影响。贫钴背景下(沉积物钴含量<13μg/g),填图重现性指数R在0.4附近浮动，而富钴背景下(沉积物钴含量>13μg/g),填图重现性指数R从0.4增加至0.6以上。岩溶区、热带雨林区和半干旱中低山丘陵景观区重现性指数R高达0.58～0.74。冲积平原和森林沼泽景观区重现性指数R小于0.32。本研究为低密度地球化学填图方法研究提供了定量评价指标，总体而言，低密度地球化学填图采样方法能较好地重现元素分布特征，在全球尺度地球化学填图中具有良好的应用前景。

关键词

重现性 / 低密度地球化学填图 / 钴 / 汇水域 / 局部空间相关性分析

Key words

robustness / low-density geochemical mapping / cobalt / catchment / GW correlations

0 引言

获得元素周期表中所有天然元素在地球表层分布规律,可以为解决资源和环境问题提供地球化学依据,也是勘查地球化学填图科学家的宏伟目标之一^[1]。然而,受交通、资金、人力等条件制约,无法采用较密的网度覆盖全球,低密度地球化学填图方法是近期覆盖全球的一个切实可行的途径。为此,国际勘查地球化学家协会发起国际地球科学计划IGCP259和IGCP360,旨在建立全球地球化学填图方法并推动全球地球化学填图计划的实施^[2],低密度地球化学填图方法是其中的一项主要研究内容。截至目前,低密度地球化学填图已覆盖地球陆地面积约30%,涉及美国、澳大利亚、中国、西欧等国家和地区。

地球化学填图的重现性是指不同采样密度所得地球化学模式之间的空间相似性和可对比性,又称为“再现性”^[3]或“Robustness”^[4]。传统填图技术的采样密度一般为1个样/(1~25) km^{2 [5]},低密度地球化学填图计划的采样密度仅为1个样/(1 000~5 000) km^{2 [6⇓⇓-9]}。低密度填图的密度仅为传统填图的千分之一,低密度填图与传统填图所获得的地球化学模式是否具有可对比性,对低密度地球化学填图的持续实施具有重大意义^[10]。因此,重现性是评价低密度地球化学填图的一项重要指标,勘查地球化学界从未停止质疑低密度地球化学填图的重现性问题。

以往的研究重点主要关注矿致地球化学异常的重现性问题,通过对比不同填图密度地球化学异常的位置、规模和强度等因素,对重现性做出了定性评价^{[3,4,11⇓-13]}。而全球尺度地球化学填图的主要目标之一是建立地表元素基准值,以反映地质背景和表生环境特征^[14⇓-16]。这就需要我们评估不同地质背景和表生条件下的地球化学模式的重现性。全球表层的地质背景和表生条件差别非常大,需要发展一种技术,能够评价在地理空间上的重现性变化,进而探讨地质背景与表生条件对重现性的影响。

中国的地球化学填图处于世界领先水平,1978—2012年,中国先后开展了多种尺度的地球化学填图计划(表1^{[3-4,11,13,17⇓⇓⇓⇓⇓-23]}),覆盖中国大部分领土,分别采用传统采样密度的区域化探扫面计划(RGNR)、全国环境地球化学监控网络和低密度的中国地球化学基准计划(CGB)。填图范围涉及各种地质背景和地球化学景观,为研究低密度地球化学填图重现性及其影响因素提供了前提条件。各种不同采样介质中钴含量与源区岩石类型和表生地球化学环境密切相关^[24],因此对钴元素的填图重现性及其影响因素研究具有典型意义。本研究利用两个填图计划获得钴地球化学数据,引入地理加权空间局部相关分析方法,探索基于汇水域的低密度地球化学填图重现性定量评价,并通过地理空间可视化呈现其结果。进而基于全国尺度视角探讨重现性的影响因素,深入理解低密度地球化学填图重现性,并为未来低密度地球化学填图实践提供参考。

1 样品来源

1.1 采样方法

RGNR于1978年启动,2000年基本完成全国主体采样工作,数据覆盖面积超过700万km²。中国内地及沿海地区以<60目水系沉积物为主要采样介质,北方和西北等受风成沙影响较大的区域,采集岩屑样品,采样粒度分别为<4~40和<4~20目,西南岩溶区,采用<20目的采样粒级。一般采样密度为1个样/km²,新疆西昆仑和西藏雅鲁藏布江交通困难地区,采样密度适当放稀至1个样/(16~36) km²。采样点主要布设在二级水系和一级水系口,采样点控制的汇水域面积为0.33~3 km²,主要采集活动水系中的细粒沉积物样品^[25]。

CGB于2008—2012年实施,覆盖全国陆地面积930万km²。该计划以1∶200 000图幅格子为基准网格,每个基准网格布置两个采样点位,平均采样密度约为1个样/3 000 km²。不同的地理景观区采集不同的介质:山区主要采集河漫滩沉积物,平原区或低山丘陵区采集泛滥平原沉积物,在河流不发育的沙漠/戈壁/半干旱草原区采集汇水域盆地的土壤。每个点位均采集表层(深度0~25 cm)和深层样品(深度>100 cm)^[26],本研究钴数据采用深层样品的分析数据。

1.2 分析与质量控制

CGB样品由中国地质科学院地球物理地球化学勘查研究所采用等离子体质谱法(ICP-MS)分析钴元素,检出限为0.1 μg/g。采用国家标准物质和重复样进行分析质量监控,分析合格率为100%^[26]。

RGNR样品采用压片法-X射线荧光光谱法(XRF)测定Co元素,检出限为1 μg/g。样品分析由全国多个实验室完成,为了消除系统误差,利用国家标准物质进行分析质量监控,获得高质量的数据^[25]。

2 数据处理

皮尔逊相关系数常用于衡量两组变量之间的协同变化程度。与此类似,地球化学填图中的两种不同密度填图的重现性本质上也是关于变量之间的相关性。因此,可利用皮尔逊相关系数来定量评价地球化学数据的重现性。然而,通常的相关性分析无法有效展示相关性在地理空间上的变化特征。本文利用GWmodelS软件的局部空间相关性统计模块,通过计算局部地理空间范围内多个样本的相关性来刻画填图重现性在地理空间上的分布和变化特征^[27]。

在进行相关性分析前,先将CGB和RGNR的钴数据赋值给地理空间中的同一要素,然后基于这一要素开展局部空间相关性分析。CGB采样点位平均控制范围约为3 000 km²,这导致采样点所处位置与实际控制范围的几何中心存在较大偏差,无法准确代表源区地理位置 (图1)。因此,本研究选择与CGB点位对应的汇水域作为被赋值要素。以下是具体数据处理流程。

(1)生成倾泻点。利用SRTM 90 m精度高程数据,生成流向栅格图和分级水系要素。由于生成的水系要素与CGB采样点位存在偏差,手动调整CGB点位,使其与相应水系要素吻合,确保误差小于30 m。使用“pour point”工具生成倾泻点,搜索半径为30 m。

(2)生成汇水域要素。导入流向栅格数据和倾泻点,生成CGB点位对应的汇水域要素。选择面积为400~4 000 km²的汇水域要素。

(3)对汇水域要素赋值。由于沉积物中钴含量呈近似对数正态分布,为进行相关性分析,数据需要尽量接近标准正态分布。因此,取对数后将CGB钴数据赋值给汇水域要素,同时将汇水域内RGNR样品平均钴含量赋值给该汇水域要素。

(4)空间局部相关性分析。利用GWmodelS (v1.0.0)中的GW Correlations模块对两种密度钴数据进行相关性分析,获得每个汇水域的局部相关系数R,将R值作为重现性指数。对R值进行地理空间可视化表达,为开展重现性的空间分布特征和影响因素研究做准备。

3 重现性数据统计和空间分布特征

利用传统的相关性分析方法对1 546个汇水域两种密度钴数据进行整体相关性分析,获得了总体相关系数R_总=0.60,表明总体上具有较好相关性。同时,线性回归分析显示二者之间存在较显著的线性相关(图2)。

通过空间局部相关分析,得到了1 546个两种采样密度填图钴含量的局部相关系数R,即重现性指数。这些R值的分布范围为-0.24~0.85,其标准差为0.19,变异系数为0.42,呈现较大的变化范围和变异系数。R中位值为0.46,平均值为0.45,明显低于总体相关系数R_总的0.60。通过概率分布图(图3),发现R呈现双峰分布特征,分别对应R值0.35和0.59。异常值主要分布在-0.24~-0.03。传统相关性评价方法仅能给出一个整体的重现性评价指标,而局部空间相关性分析可提供更多细节信息。

在相关系数阈值等级划分中,一般认为相关系数>0.8为极强相关,0.6~0.8为强相关,0.4~<0.6为中等程度相关,0.2~<0.4为弱相关,0~<0.2为极弱相关或无关。将相关系数用来评价填图重现性,对应上述区间的重现性级别分别为极好、好、一般、差和极差,分别用颜色深红色、红色、绿色、蓝色和深蓝色来表示。R值的空间分布如图4所示。值得注意的是,地表沉积物中钴含量受汇水域内出露岩石类型和表生地球化学景观条件等因素的影响^[28-29],因此,除各区域地理位置外,还将各区域的出露岩石类型(图5^[30])和地球化学景观类型(图6^[31])特征纳入评价内容。

重现性极好区域(R>0.8):这些区域主要分布于云南东部、滇-桂和滇-黔交界,以及贵州西南部一带。出露岩石类型为碳酸盐岩、峨眉山玄武岩和泥质沉积岩,区内为典型的岩溶景观区。

重现性好区域(0.6<R≤0.8):这些区域主要分布于中国西南的大部分地区、西藏南部、华北北部和辽西。区内地表出露岩石主要为中酸性岩浆岩、基性岩、中基性岩和碳酸盐岩等。这些区域包含多种地球化学景观区类型,以高山峡谷景观区、干旱半干旱高寒山区景观区(南部)、半干旱中低山景观区为主。

重现性一般区域(0.4<R≤0.6):该级别区域分布相当广泛,包括华南地区的浙江、福建北部、江西北部、安徽南部和湖南中部,西南地区的四川北部、西藏东部和云南西部,以及内蒙古东部,此外还散布于广阔的西北地区。这些区域出露岩石主要包括酸性岩、酸性岩-中基性岩混杂、碎屑沉积岩等。这些区域涉及多种地球化学景观区类型,以湿润半湿润中低山景观区、湿润半湿润高寒山区景观区和干旱荒漠戈壁残山景观区为主。

重现性差区域(0.2<R≤0.4):主要分布于东北地区的黑龙江和内蒙古东北部、广东及周边地区、甘肃南部及周边地区、青海东部,以及新疆的北部、西部和南部山区。这些区域出露岩石主要为碎屑沉积岩、第四纪沉积物、酸性岩、酸性岩-中基性岩混杂。这些区域涉及的地球化学景观区类型多样,以森林沼泽景观区、黄土覆盖景观区、干旱半干旱高寒山区景观区(除南部以外)等为主。

重现性极差区域(R≤0.2):这些区域分布在山东中部、湖北中北部、广东珠三角和海南岛。区内出露岩石主要包括酸性岩、酸性岩-中基性岩混杂、碎屑沉积岩、第四纪沉积物等。区内地球化学景观区以冲积平原和热带雨林区为主。

总体而言,Co的低密度地球化学填图重现性与出露岩石基性程度和地球化学景观区类型密切相关。在岩石出露类型方面,基性岩、中基性岩和碳酸盐岩区显示较好的重现性,而酸性岩区的重现性较差。其他岩性区则同时包括重现性好和重现性差的区域。

在地球化学景观区方面,岩溶景观区、半干旱中低山景观区、高山峡谷景观区显示良好的重现性,森林沼泽景观区、干旱荒漠戈壁残山景观区、干旱半干旱高寒山景观区则呈现较差的重现性。然而,热带雨林景观区、湿润半湿润中低山景观区较为复杂,不同重现性程度的区域均有分布。

4 重现性影响因素

4.1 岩性分布特征与重现性关系

初步研究表明,低密度地球化学填图重现性与出露岩石类型存在某种关联。沉积物钴含量主要取决于汇水域岩石类型^[28,32],因此,填图重现性与源区岩石类型的关系实质上是重现性与沉积物钴含量之间的关系。为了定量研究钴含量与低密度地球化学填图重现性之间的关系,将1 546个汇水域RGNR平均值和CGB 钴含量,按照钴含量由小到大排序依次划分为15个含量区间,每个区间约包含103个汇水域。各区间代号与对应钴含量如表2所示。各钴含量区间的R值数据分布特征如图7所示。

RGNR平均值和CGB数据表明,在Co含量较低的区间(1~10),R中位值和平均值为0.35~0.45。Co含量较高的汇水域(11~15), R中位值从0.40逐渐增加至0.60以上,呈现出与沉积物钴含量同步变化趋势。沉积物钴含量对低密度地球化学填图重现性的影响主要发生在Co含量>13.0 μg/g的情况下,随沉积物钴含量增加,低密度地球化学填图重现性显著提高。

除少数基性岩以外,钴含量在其他各类岩石中较低^[33],汇水域的河漫滩沉积物、泛滥平原沉积物和水系沉积物中也体现了这一特征 (图8)。本文的局部相关性统计是基于汇水域进行的。即使两种采样密度的地球化学填图数据均较好继承了源区钴元素的分布特征,如果局部相关性统计范围内的各样本(汇水域)钴含量变化范围过小,由于存在表生条件变化、采样和分析等误差的干扰^[5],极易掩盖两种采样密度填图的钴含量的相关性。而钴含量高的样品的存在扩大了区内各样本钴含量变化范围,减弱了采样误差等的影响,进而提高了两种密度填图钴含量的相关性。因此在高钴地球化学背景下,随着沉积物中钴含量增加,地球化学填图重现性逐渐增强。基性岩中钴的丰度可达到46.0 μg/g,中性岩为22 μg/g,而在酸性岩和碎屑沉积岩中钴丰度仅为4.8~14.0 μg/g^[34],汇水域中的各类沉积物也继承了基岩的这些地球化学特征。除基性岩外,碳酸盐岩经强烈风化可导致钴的次生富集^[35],使下游沉积物形成富钴的地球化学背景,从而实现较好的重现性。

4.2 地球化学景观与填图重现性

地理景观是指地表某一地段包括地质、地貌、气候、水文、植被等景观要素在内的自然综合体^[36]。地球化学景观则是在地理景观划分的基础上,根据每个地区地表地球化学分散富集规律,对地表具有相同化学迁移条件的地段进行划分^[30]。因此,同一地球化学景观区内,元素的迁移和富集行为受到相似地表环境的影响。中国地球化学景观区类型多、差异大,而每个景观区独特的地形、气候、水系发育程度、地质背景等均可能对地球化学填图产生不同的影响。因此,有必要基于地球化学景观区划分来评估地球化学填图的重现性。本研究中,高寒湖泊丘陵景观区、堆积戈壁沙漠景观区和草原丘陵景观区的样品数量少且空间分布分散,多处于不同类型景观区的过渡区域。因此,在局部空间相关性计算过程中,主要依赖其他景观区样本的参与,导致局部相关系数(R值)无法充分反映景观区本身的特征。因此,本文仅对其他11个地球化学景观区进行讨论和分析。

图9展示了中国11个一级地球化学景观区R值分布情况。将各景观区按照从左至右R中位值逐渐减小的顺序排列。岩溶景观区、高山峡谷景观区、热带雨林景观区和半干旱中低山景观区的填图重现性显著高于其他景观区(0.59<R<0.74),而冲积平原景观区和森林沼泽景观区重现性则显著低于其他景观区(R<0.34)。综合来看,在地形起伏大、水系发育好、剥蚀程度高的景观区内,重现性相对较好。

湿润半湿润中低山景观区和森林沼泽景观区看似不符合上述规律。两个景观区水系均较为发育,但重现性水平却较低。对这两个景观区的15个RGNR_Co含量区间的R值分布情况分别进行统计(图10),发现在这两个景观区中均可以发现与图7相似的现象:在1~12含量区间,R值并无显著变化,大致在0.3上下波动;然而,在13~15含量区间,R值明显提升,其中森林沼泽景观区R中位值达0.5以上,中低山丘陵景观区达到0.6以上。从岩性分布来看,在湿润半湿润中低山景观区的东南沿海地区广泛出露贫钴的酸性火山-侵入岩带,导致东南沿海一带重现性差,进而降低了湿润半湿润中低山景观区整体的重现性水平。另外,值得注意的是,森林沼泽景观区的重现性在13区达到顶峰,而在14区、15区下降至0.4左右。其原因可能是,森林沼泽景观区地形起伏较小,沼泽的发育影响水系沉积物的分布,元素以化学迁移为主,大河流的河漫滩沉积物与源头的物质差别较大,且沉积物富含有机质可引起钴的次生富集^[28-29]。这种情况影响了沉积物对源区岩石钴的继承,从而造成两种密度填图数据的差异较大,重现性较差。这说明,森林沼泽景观区重现性差是同时受到贫钴地球化学背景和本身表生特征的共同影响导致,而湿润半湿润中低山景观区的重现性差主要受到贫钴地球化学背景的影响。

4.3 富钴和贫钴源区差异性剥蚀

热带雨林景观区整体重现性较好,但景观内部存在着显著差异。该景观区可划分为两部分:滇西南和海南岛。

滇西南地区的重现性较好,局部相关系数R平均值为0.64。而海南岛的重现性极差,局部相关系数R平均值仅为-0.007 6。进一步对比研究发现,海南岛的两种采样密度钴数据并不呈现线性相关,而滇西南则显示出显著的线性相关(图11)。虽然滇西南和海南岛都属于热带雨林景观区,但它们的重现性却存在着显著差异,因此有必要深入探究导致海南岛重现性差的原因。

海南岛位于热带雨林区,其水系和山脉发育程度均较高。海南岛南部出露岩性主要为贫钴的酸性岩,因此沉积物钴含量很低,这是导致南部重现性差的主要原因。然而,海南岛北部分布着大片基性岩,这些区域的沉积物钴含量水平较高。因此,钴含量水平和景观区类型不能完全解释海南岛填图重现性极差的原因。

从水系与岩性分布情况来看(图12a,b),海南岛北部CGB样品控制的汇水域主要为基性岩区和花岗岩区。两种岩性区地形特征存在显著差异。玄武岩区位于流域下游,地形平坦(落差<100 m),河流密度低,地表剥蚀程度较低。而花岗岩区位于流域上游,地形较为崎岖(落差>400 m),河流密度高,地表剥蚀程度显著高于玄武岩区。这些差异导致CGB样品物质组成更多地来自远处上游的花岗岩区,而非近处下游的玄武岩区。因此,虽然CGB样品位于玄武岩区,其钴含量水平却较低。与CGB不同,RGNR采样密度高(1个样/km²),因此受到剥蚀条件差异的影响较小。这导致在海南岛北部基性岩区的CGB样品中,钴含量明显低于RGNR(图12c,d)。这解释了为何海南岛的低密度地球化学填图重现性与滇西南地区存在如此巨大的差异。

通过解析海南岛这一案例发现,富钴和贫钴源区的剥蚀条件差异可对局部区域的填图重现性产生显著影响。需要指出的是,这种差异剥蚀并非偶然。不同岩性单元具有各自独特的产状和风化特性,即使在相似的风化条件下,也会形成各自不同的地形地貌特征^[37]。玄武岩区往往具有较为平坦的地貌特征,如海南岛北部、广东雷州半岛和云南腾冲玄武岩出露区,以及印度德干高原、俄罗斯西伯利亚和老挝波罗芬高原等玄武岩省。这与玄武岩的喷发特征有关。因此,在低密度地球化学填图中,需要注意玄武岩区与其他岩性区的差异性剥蚀对填图重现性的影响。

此外也应注意到,滇西南热带雨林景观区内部景观条件差异较大,其西北部海拔较高,地形起伏较大,甚至局部区域(三江造山带)与高山峡谷景观特征更为接近。而海南岛地形相对平坦,化学风化强度更大,不利于元素的机械迁移。这种地形和表生地球化学条件的差异是造成滇西南和海南岛填图重现性差异的另一个重要原因。滇西南热带雨林景观区的南部(西双版纳)与海南岛景观条件接近,二者填图重现性的巨大差异主要与富钴和贫钴源区的差异性剥蚀有关。

5 结论

本文引入空间局部相关性分析方法,基于中国1 546个典型汇水域的两种填图密度的钴含量数据,全面刻画重现性在中国陆域的空间分布特征,在此基础上探讨了沉积物钴含量水平、地球化学景观条件、富钴与贫钴源区差异性剥蚀对重现性的影响。尽管存在采样与分析误差^[38],以及地形精度限制导致的汇水域生成范围误差等对重现性的影响,但由于其在空间分布上的随机性,本文关于重现性影响因素的结论并未受到影响,具体如下:

(1) 1 546个汇水域局部空间重现性指数R变化范围为-0.24~0.85,中位值R=0.46。突显不同区域重现性差异显著。相比传统方法,局部空间相关性分析提供了更加全面的重现性空间分布信息。

(2)本文探讨的3个填图重现性影响因素中,地球化学景观类型对重现性的影响最为显著,地形起伏大、水系发达、剥蚀程度高的景观条件有利于提高填图重现性。岩溶景观区、热带雨林景观区、半干旱中低山景观区重现性指数R>0.58,而冲积平原景观区和森林沼泽景观区重现性指数R<0.2。对于岩性分布与沉积物钴含量水平,在钴含量大于13 μg/g的情况下具有明显影响作用。另外,富钴和贫钴源区差异性剥蚀可对局部区域产生较强的影响。

(3)本研究从填图重现性的角度,为低密度地球化学填图提供了定量化参考。虽然存在一些特殊情况,但总体而言,低密度地球化学填图具有较好的重现性和广阔的应用前景。

感谢所有中国地球化学基准计划和区域化探扫面计划参与者的艰辛付出,以及审稿专家的宝贵意见。

参考文献

[1] WANG X Q, ZHANG B M, NIE L S, et al. Mapping chemical earth program: progress and challenge[J]. Journal of Geochemical Exploration, 2020, 217: 106578.

[2] DARNLEY A G, BJORKLUND A, BOLVIKEN B, et al. A global geochemical database for environmental and resource management-Final Report of IGCP Project 259[R]. Paris, 1995.

[3] 王学求, 孙宏伟, 迟清华, 地球化学异常再现性与可对比性[J]. 中国地质, 2005, 32(1): 135-140.

[4] SMITH D B, REIMANN C. Low-density geochemical mapping and the robustness of geochemical patterns[J]. Geochemistry: Exploration, Environment, Analysis, 2008, 8(3/4): 219-227.

[5] HALE M, PLANT J A. Drainage geochemistry[M]. Amsterdam: Elsevier Science B. V., 1996.

[6] SALMINEN R, BATISTA M J, BIDOVEC M, et al. FOREGS geochemical atlas of Europe, Part 1: background information, methodology and maps[M]. Espoo: Geological Survey of Finland, 2006.

[7] DE CARITAT P, COOPER M. National geochemical survey of Australia: the geochemical atlas of Australia[R]. Canberra: Geoscience Australia, 2011.

[8] REIMANN C, FABIAN K, BIRKE M, et al. GEMAS: establishing geochemical background and threshold for 53 chemical elements in European agricultural soil[J]. Applied Geochemistry, 2018, 88: 302-318.

[9] SHACKLETTE H T, BOERNGEN J G. Element concentrations in soils and other surficial materials of the conterminous United States[R]. Washington: United State Government Printing Office, 1984.

[10] REIMANN C. Experiences from 30 years of low-density geochemical mapping at the subcontinental to continental scale in Europe[J]. Geochemistry: Exploration, Environment, Analysis, 2022, 22(4): geochem2022-030.

[11] CICCHELLA D, LIMA A, BIRKE M, et al. Mapping geochemical patterns at regional to continental scales using composite samples to reduce the analytical costs[J]. Journal of Geochemical Exploration, 2013, 124: 79-91.

[12] BIRKE M, REIMANN C, RAUCH U, et al. GEMAS: cadmium distribution and its sources in agricultural and grazing land soil of Europe: original data versus clr-transformed data[J]. Journal of Geochemical Exploration, 2017, 173: 13-30.

[13] LIU D S, WANG X Q, NIE L S, et al. Comparison of geochemical patterns from different sampling density geochemical mapping in Altay, Xinjiang Province, China[J]. Journal of Geochemical Exploration, 2021, 228: 106761.

[14] DARNLEY A G. A global geochemical reference network: the foundation for geochemical baselines[J]. Journal of Geochemical Exploration, 1997, 60(1): 1-5.

[15] 王学求. 全球地球化学基准: 了解过去, 预测未来[J]. 地学前缘, 2012, 19(3): 7-18.

[16] TIAN K, LI M, HU W Y, et al. Environmental capacity of heavy metals in intensive agricultural soils: insights from geochemical baselines and source apportionment[J]. Science of the Total Environment, 2022, 819: 153078.

[17] SHEN X C, YAN M C. Representativity of wide-spaced lower-layer overbank sediment geochemical sampling[J]. Journal of Geochemical Exploration, 1995, 55(1/2/3): 231-248.

[18] 成杭新, 谢学锦. 泛滥平原沉积物的超低密度采样代表性研究(一)[J]. 长春地质学院学报, 1997, 27(3): 289-295.

[19] DEMETRIADES A. Overbank sediment sampling in Greece: a contribution to the evaluation of methods for the ‘global geochemical baselines’ mapping project[J]. Geochemistry: Exploration, Environment, Analysis, 2008, 8(3/4): 229-239.

[20] 聂兰仕. 不同密度数据所圈定的地球化学异常与大型卡林型金矿集区关系: 以黔西南矿集区为例[C]. 中国矿物岩石地球化学学会第15届学术年会论文摘要集, 2015.

[21] BIRKE M, RAUCH U, STUMMEYER J. How robust are geochemical patterns? A comparison of low and high sample density geochemical mapping in Germany[J]. Journal of Geochemical Exploration, 2015, 154: 105-128.

[22] GOSAR M, ŠAJN R, TERŠIČ T. Distribution pattern of mercury in the Slovenian soil: geochemical mapping based on multiple geochemical datasets[J]. Journal of Geochemical Exploration, 2016, 167: 38-48.

[23] 程湘, 胡鹏, 战明国, 低密度地球化学填图在热带雨林区的适用性探索: 以印度尼西亚苏门答腊岛巴东明古鲁地区为例[J]. 高校地质学报, 2021, 27(2): 200-210.

[24] 刘东盛, 迟清华, 王学求, 华南—西秦岭地球化学走廊带水系沉积物钴含量影响因素评价[J]. 地质学报, 2023, 97(5): 1655-1669.

[25] 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.

[26] WANG X Q. China geochemical baselines: sampling methodology[J]. Journal of Geochemical Exploration, 2015, 148: 25-39.

[27] 卢宾宾, 葛咏, 秦昆, 地理加权回归分析技术综述[J]. 武汉大学学报(信息科学版), 2020, 45(9): 1356-1366.

[28] GLOAGUEN T V, PASSE J J. Importance of lithology in defining natural background concentrations of Cr, Cu, Ni, Pb and Zn in sedimentary soils, northeastern Brazil[J]. Chemosphere, 2017, 186: 31-42.

[29] 程志中, 王学求, 谢学锦, 黑龙江森林沼泽区超低密度地球化学调查采样介质对比[J]. 物探与化探, 2005, 29(3): 201-204.

[30] 郭志娟, 孔牧, 张华, 适合地球化学勘查的景观划分研究[J]. 物探与化探, 2015, 39(1): 12-15.

[31] 中国地质调查局. 中国人民共和国地质图1∶2500000[M]. 北京: 中国地图出版社, 2002.

[32] ALBANESE S, SADEGHI M, LIMA A, et al. GEMAS: Cobalt, Cr, Cu and Ni distribution in agricultural and grazing land soil of Europe[J]. Journal of Geochemical Exploration, 2015, 154: 81-93.

[33] 刘东盛, 王学求, 周建, 中国钴地球化学基准值特征及影响因素[J]. 地球学报, 2020, 41(6): 807-817.

[34] 迟清华, 鄢明才. 应用地球化学元素丰度数据手册[M]. 北京: 地质出版社, 2007.

[35] WEN Y B, LI W, YANG Z F, et al. Enrichment and source identification of Cd and other heavy metals in soils with high geochemical background in the Karst region, Southwestern China[J]. Chemosphere, 2020, 245: 125620.

[36] FRINA A. Principles and methods in landscape ecology: towards a science of landscape[M]. Dordrecht: Springer, 2006.

[37] LARIMER J E, YANITES B J, JUNG S J. A field study on the lithological influence on the interaction between weathering and abrasion processes in bedrock rivers[J]. Journal of Geophysical Research: Earth Surface, 2022, 127(4): e2021JF006418.

[38] 刘雪敏, 王学求. 全球尺度地球化学填图计划对比研究[J]. 地学前缘, 2014, 21(2): 275-285.

基金资助

中国地质调查局地质调查项目(DD20230623)

中国地质调查局地质调查项目(DD20242671)

深部探测技术与实验研究专项(Sinoprobe-4-1)

中国地质科学院青年英才项目(JKYQN202352)