MSTA：一种用于沉积物动态分析的新框架

时间：2026年3月20日

来源：Estuarine, Coastal and Shelf Science

编辑推荐：

本文提出多源趋势分析（MSTA）方法，整合环境参数与End-Member分析，成功揭示法国Cherbourg锚地复杂沉积动态及来源。该方法通过分解多模态沉积物数据，识别出四种不同成因的沉积相（EM1-EM4），并量化了人类活动对沉积分布的影响。

法国诺曼底大学（Normandie université），UNICAEN，谢尔堡应用科学实验室（Laboratoire des Sciences Appliquées de Cherbourg），谢尔堡-昂-科坦坦（Cherbourg-en-Cotentin），邮编50100，诺曼底，法国

摘要

随着同时考虑多个粒径参数，沉积物输运分析取得了显著进展。然而，在受到强烈环境和/或人为影响的复杂区域，这种方法可能显得不够充分。在这种情况下，MSTA整合了各种类型的环境信息，以考虑局部情况，从而提高了沉积物来源识别和输运场确定的准确性（如细粒部分、金属元素等）。谢尔堡港湾的环境非常复杂，导致沉积物覆盖层具有异质性和多模式特征。人类活动严重扰乱了自然沉积物分布模式。在谢尔堡港湾应用MSTA方法是基于对端元分析（End-Member Analysis，简称EM）结果的处理。识别出四种沉积相：EM₁由最细的沉积物组成，具有海洋和大陆双重来源；EM₂（细至中粒沙）由受地形影响的潮汐流输送；EM₃（中粒沙）在北科坦坦地区普遍存在，输运动力较弱；EM₄（粗粒沙和砾石）与最近的岩石开采作业有关。将EM数据整合到MSTA方法中，证明了该方法能够识别构成不同沉积相的来源和输运机制。由于MSTA能够整合各种类型的环境参数，因此可以研究复杂环境中的沉积物输运过程。

引言

沉积单元是动态过程作用的结果，这些过程决定了其组成颗粒的输入和输出。在输运过程中，选择性和渐进性机制以多种方式对沉积颗粒进行分选（Swift等人，1978年；McCave，2008年）。自Petitjhon和Ridge（1938年）以及Krumbein（1938年）以来，人们通过分析沉积物粒径分布的变化来确定其空间分布。McLaren（1981年）首次提出同时研究三个统计粒径参数（平均粒径、分选度和偏度）来确定沉积物的单向净模式。这种一维（1D）方法称为沉积趋势分析（Sediment Trend Analysis，简称STA®），为二维（2D）方法奠定了基础，例如Gao和Collins（1991年）、Gao和Collins（1992年）以及Le Roux（1994a年）提出的GSTA方法。GSTA方法涉及的三个粒径参数可以组合成十四种趋势类型。例如，两个沉积样本之间的粒径变化趋势可以是更细（F）或更粗（C）、分选更好（B）或更差（P），以及偏度更高（＋）或更低（−）。因此，缩写FB-用于定义更细、分选更好且偏度更负的粒径分布趋势。GSTA方法已应用于多种自然和人造环境（Poizot和Méar，2008年）。然而，在特定情况下，基于粒径的方法仍无法准确反映实际沉积物输运模式（Lanckneus等人，1992年；Masselink，1992年；Duck等人，2001年；Van Wesenbeck和Lanckneus，2000年）。Baux等人（2022年）指出，这种差异可能是由于缺乏足够的信息来反映研究区域的环境复杂性。虽然McLaren和Teear（2014年）通过水动力和水文数据验证的矢量场可以用来确定疏浚物对其周围环境的影响，但Baux等人（2022年）在法国诺曼底塞纳湾勒阿弗尔港附近的疏浚沉积物研究中并未证实该方法的有效性。粒径参数未能清晰显示疏浚沉积物对研究区域的影响。平均粒径、分选度和偏度提供的信息要么噪声较大，要么分辨率不足（Hartmann，2007年）。为解决这一问题，Baux等人（2022年）用地球化学参数（总有机碳（TOC）、钙（Ca）和硅（Si）浓度）替代了这三个颗粒尺寸统计参数。

单个样本中存在多种颗粒群体（多模性）表明，所分析的沉积物是不同输运机制和沉积过程的结果。在这种情况下，传统的图形（Park等人，2014年）和统计分析（Eltijani等人，2022年）无法准确描述粒径分布和输运、沉积条件。为克服这一问题，GSTA方法需要分别处理存在的子群体，而不仅仅是整个沉积物。从每个子群体中提取的信息有助于更可靠地识别不同的来源/沉积区及输运方向。已有多种方法用于将粒径谱分解为其不同群体（Bevis和Dias，1986年；Sun等人，2002年；Andrews和Eberl，2012年；Park等人，2014年；Yuan等人，2018年）。

端元分析（End-Member Analysis，简称EM）是一种数值解混方法，它将组成数据表示为有限数量端元的线性组合。在沉积学中，“端元”指的是具有特定颗粒来源和输运模式的沉积物（Weltje和Prins，2007年；Yuan等人，2018年）。借助Dietze和Dietze（2019年）开发的R包0.9.6版本中的EMMAGeo，将多模粒径分布分解为不同颗粒群体的方法变得更加容易（Dietze和Dietze，2019年）。这种称为“EMMA：端元建模分析”（EMMA: End-Member Modelling Analysis）的方法越来越多地与GSTA方法结合使用（Liu等人，2012年；Li和Li，2018年；Yu等人，2019年；Chen等人，2022年；Paladino等人，2022年；Dong等人，2023年）。这些作者认为，将粒径端元建模与GSTA方法结合使用是识别输运趋势和计算输运矢量场的强大工具，也有助于更好地理解沉积物输运模式和相关机制。

本研究采用了一种创新方法：多沉积物趋势分析（Multi Sediment Trend Analysis，简称MSTA）。在本文中，MSTA用端元替代了三个初始变量（平均粒径、分选度和偏度）。由于粒径数据集中端元的数量事先未知，MSTA会根据分析结果进行调整。第2.2节详细介绍了MSTA的概念。第3节重点介绍了MSTA在研究区域的应用。第2.3.1小节介绍了提取粒径数据的实验室分析过程。第3.2小节展示了MSTA在谢尔堡港湾的应用结果。第4节讨论和第5节结论对全文进行了总结，并提出了进一步见解。

方法论

普遍认为，某一位置的粒径与输运过程之间存在相关性。无论使用何种测量方法（网格法、激光衍射、沉降管等），沉积物样本的颗粒大小信息都相对容易获取，并因此在环境研究中得到广泛应用。然而，混合颗粒的不同密度和形状会降低粒径信息的准确性

研究区域概述

谢尔堡-昂-科坦坦港湾位于法国诺曼底的科坦坦半岛尖端，面积约为1500公顷，是世界上第二宽的人工港湾。中央堤坝将主要港湾与英吉利海峡隔开。该堤坝与东堤坝和Querqueville堤坝共同形成了长达6公里的防波堤（图4），设有三座闸门：西侧闸门宽1100米、深15米，东侧闸门宽700米、深10米

讨论

EM₁是最复杂的端元，因为它具有四种明确的模式。主要模式代表粗粒淤泥（

12 μ m

），而其他较粗的模式与EM₂、EM₃和EM₄中的模式相同。因此，EM₁在空间上与其他端元重叠。根据Hjulström（1935年）和谢尔堡港湾的平均流速数据（Poizot等人，2025年），构成EM₁的最细颗粒主要通过悬浮状态输送。Boust等人（1995年）发现了海洋来源的沉积物堆积

结论

当存在多个沉积物来源和不同的水动力因素时，使用GSTA方法或其衍生方法（如PSTA等）分析沉积物动态可能会失败。MSTA方法为研究人员提供了将沉积物及其环境携带的各类信息整合到新分析框架中的机会。

端元通常用于综合数据集中的粒径信息，以突出关键特征

CRediT作者贡献声明

埃马纽埃尔·波瓦佐（Emmanuel Poizot）：撰写——审稿与编辑、初稿撰写、验证、监督、软件开发、方法论设计、调查实施、数据分析、概念化。安妮·穆拉（Anne Murat）：方法论设计、概念化。诺埃米·博（Noémie Baux）：方法论设计、概念化。克莱芒·弗里戈拉（Clément Frigola）：调查实施、数据整理。格温多琳·格雷瓜尔（Gwendoline Gregoire）：方法论设计、概念化。扬·梅阿尔（Yann Méar）：撰写——审稿与编辑、初稿撰写、验证、监督、数据分析。