Pollen and phytolith assemblages in topsoil as indicators of agricultural activities in Langqi Island, Fujian Province
-
摘要:
孢粉和植硅体是重建古人类农业景观及环境变化的重要指标，明确它们在表土中的分布规律及其与现代植被组成之间的关系对于精确解释化石孢粉和植硅体数据具有重要的意义。本研究对福建琅岐岛3种土地利用类型的22个表土样品进行了孢粉与植硅体分析，基于地理信息系统和遥感技术，展示了不同类型孢粉百分比的空间分布及其与植被覆盖度间的数量对应关系。孢粉分析表明，以松属（Pinus）为代表的外来花粉普遍存在于表土样品中，这削弱了采样点周围植物的孢粉表现力，导致了果园和农田植被组成与表土孢粉组合间的巨大差异。与此同时，农业收割活动进一步降低了农田植物的花粉表现力。从遥感影像中提取的植被覆盖度数据仅与荒地上的木本植物花粉含量存在较强的相关性（R2=0.7764），这显示茂密的草本植物降低了外来木本花粉的相对含量，证明了该植被类型具有良好的孢粉表现力。植硅体分析表明，表土样品含有丰富的竹亚科（Bambusoideae）、水稻（Oryza sativa）和杂草的植硅体。与孢粉指标相比，植硅体提供了更丰富的草本植物信息。
Abstract:Pollen and phytolith are valuable proxies for reconstructing ancient agricultural landscapes and environmental changes. Understanding their distribution patterns in the topsoil and their relationship with vegetation composition is vital for accurately interpreting fossil pollen and phytolith data. We analyzed pollen and phytolith data from 22 topsoil samples representative of three land-use types in Langqi Island, Fujian Province. We presented the spatial distributions of different pollen taxa and their quantitative relationship with fractional vegetation cover (FVC) based on geographic information system and remote sensing techniques. Pollen analysis revealed that Pinus pollen, as an exotic species, were pervasive in the samples, which diluted the representation of local components, and generated obvious bias between pollen assemblages and vegetation composition of local agricultural lands. Furthermore, agricultural harvesting decreased the pollen representation of cultivated plants. The FVC extracted from remote sensing images is linearly correlated with the abundance of arboreal pollen in the uncultivated land (R2=0.7764), implying that dense herbs on the uncultivated land decreased the share of exotic arboreal pollen, and confirming excellent pollen representation of this vegetation type. Phytolith analysis indicated that numerous phytoliths occurred in the samples, such as Bambusoideae, Oryza sativa, and weeds; they provided more detailed information on non-arboreal plants than pollen proxy.
-
Keywords:
- pollen /
- phytolith /
- agriculture activity /
- surface soil /
- Langqi Island
-
天然气水合物是由水和气体（最常见气体组分为甲烷）组成的复合物，通常稳定存在于低温、高压，水深大于300 m的近海和湖底沉积层中或永久冻土带内[1]。天然气水合物可能成为未来的洁净能源，与全球能源战略密切相关，同时也涉及地质灾害与海洋工程安全等现实应用问题以及全球气候、环境变化等重大科学问题[2]。近年来，针对天然气水合物的研究成为海洋领域的热点之一[3]。
针对海域天然气水合物的研究呈现明显的多学科交叉特征，主要内容涉及其形成和分解机制、碳循环过程、分布规律、勘探与开发等[4]。就勘探与分布预测而言，海域天然气水合物的分布区大多都是通过地震反射剖面上的似海底反射（BSR）特征来推断的，这也意味着地震勘探是当前天然气水合物识别的主要手段。基于BSR之上含水合物沉积物与BSR之下可能含游离气沉积物之间存在明显阻抗差异的特征[5]，形成一系列天然气水合物地震识别及其分布预测方法，包括地震属性分析[6-12]、地震速度分析[13-15]、无井约束稀疏脉冲反演[16-19]和井-震联合稀疏脉冲反演[20]、走时反演（层析成像）[21]、全波形反演[4, 22-25]、叠前反演[26]和地震谱反演[14, 27-29]等。另外，根据AVO响应的特征差异，AVO正演分析在水合物的厚度和饱和度预测中也有成功应用[30-36]。由于水合物储层具有较强的非均质性、规模小且横向上变化快的特点，利用常规的地震反演方法难以精确地刻画其水合物分布状态，且国际上对非均质性水合物储层预测技术的研究较少。如果含水合物沉积层下伏存在游离气，其响应频率会发生明显衰减，衰减程度主要受孔隙发育程度和气体含量等的影响，因而频率可作为水合物储层识别的一个重要属性，国内外学者已将时频分析应用到薄储层油气预测的研究，且取得了较好的效果[37]。
回顾时频分析的发展历程，Widess[38]首先提出用时频量化来描述薄储层的技术方法，主要建立在精细处理、正确的子波相位和真正的道间距振幅之间的关系上，后来，Morlet等[39]把时频分析技术应用到了石油勘探中，Partyka等[40]借助先进的计算机技术把时频分析技术转化为一种实用、便捷的地震解释工具，即地震谱分解技术（Spectral Decomposition），此后谱分解技术在储层描述中被广泛应用。Ren等[41]根据Biot饱和流体孔隙介质地震波的传播理论，设计了不同岩性和物性参数模型在低、中、高频地震响应的变化规律与机理，并将AVF（不同时间厚度下振幅和频率的关系）引入时频分析中逐渐发展为分频反演，它的反演结果可以更加精细地刻画实际地层之间的接触关系，具有更高的分辨率、与井的吻合率较高的算法，是地震反演技术新的发展方向。
中国南海神狐海域的天然气水合物具有独特的成藏特征，其含水合物沉积层主要以厚、薄不一的互层形式存在且横向分布不均，通常以强复合反射BSR为其底界面标志，给水合物资源量精确评价带来困难[42-44]，尤其是与流体运移通道相关的厚块状水合物在地震剖面上很难直接识别并预测其厚度[29]。本文尝试利用相位转换和时频分析等手段提高地震纵向分辨率，采用基于向量机（SVM）的分频反演方法，将反演结果与区域地质特点结合，分析含天然气水合物沉积层的空间分布特点并探讨其形成模式。
1. 地震分频原理
1.1 分频反演
分频反演方法是一种全新的全频约束反演方法，比常规反演具有更高的分辨率。该方法主要是依靠测井曲线数据和地震数据，通过研究不同地层厚度下的振幅与频率之间的响应关系（AVF），将AVF作为独立信息引入反演，合理利用地震的低频，中频和高频带信息，减少薄层反演的不确定性，得到一个高分辨率的反演结果[45-54]。
设地震记录
$s(t) \in {L^2}(R)$ ，${L^2}(R)$ 表示能量有限函数空间，$g(t)$ 为基本小波，$s(t)$ 相对于$g(t)$ 的小波变换定义为：$$S(b,a) = \frac{1}{a}\int_{ - \infty }^\infty {s(t)\overline {g\left(\frac{{t - b}}{a}\right)} } {\rm d}t$$ (1) 式中，
$a$ 为非零实数（称为尺度因子），$b$ 为实数（称为平移因子），$\overline {g(t)} $ 表示对$g(t)$ 取复共轭。对（1）式进一步求得
$s(t)$ 分频处理的结果$S_i^*(b)$ ，其离散形式为：$$ {S}_{i}^{*}(b)={\omega }^{*}(b){\displaystyle \sum _{j=1}^{M}\frac{{Z}_{j+1}-{Z}_{j}}{{Z}_{j+1}+{Z}_{j}}}{\rm{\delta}} ({{b-}}{T}_{\rm{j}})$$ (2) 式中，
${\omega ^*}(b)$ 为小波分频的新子波，${Z_j}$ 为阻抗，$ {\rm{\delta}} ({{b-}}{T}_{\rm{j}})$ 为狄拉克函数，通过分解（2）式，最终可以得到：$$ {Z}_{i,k}={Z}_{i,k-1}+u({A}_{\rm{k-1}}^{T}{A}_{k-1}+{\rm{\varepsilon}} I{)}^{-1}{A}_{k-1}^{T}({S}_{\rm{i}}^{*}-{S}_{k-1})$$ (3) 式中，
$i$ 为反演的区间范围$ ({{a}}_{i-1},{a}_{i})$ ，$k$ 为迭代次数，$S_i^*$ 为$ ({{a}}_{i-1},{a}_{i})$ 区间范围内的地震数据，${S_{k - 1}}$ 为（2）式计算的地震记录，${\rm{\varepsilon}} $ 为正则化因子，$u$ 为控制迭代速度的加速收敛因子。设计一个楔状模型（图1a），通过不同主频的子波与其反射系数进行褶积，得到一系列的合成地震记录剖面，从而得到振幅与厚度在不同频率时的调谐曲线（图1b）。地震波形是阻抗（AI）和时间厚度（H）的函数，反演时仅根据振幅同时求解AI和H，即已知一个参数求解两个未知数，结果是多解的。AVF揭示了一个重要规律：同一地层在不同的主频子波下会展现不同的振幅特征，而AVF关系非常复杂，很难用一个显示函数表示，因此通过支持向量机（SVM）非线性映射的方法，在测井和地震子波分解剖面上找到这种对应关系，利用AVF的响应关系进行反演。
![]()
图 1 楔状模型的频率—厚度—振幅响应a. 楔状模型，b. 不同地震频率下的厚度和振幅交汇图。Figure 1. Frequency-thickness-amplitude response of wedge modela. wedge model, b. the relation between thickness and amplitude under different seismic frequencies.1.2 支持向量机原理
SVM由Vapnik于1992年首次提出，它是一种类似神经网络的计算方法，可以作为模式分类和非线性回归，通过3个参数控制的学习方法，克服了神经网络所存在的比如局部最优，过度学习和网络不稳定等问题，为统计学习和人工智能中非常先进的算法。其基本思想是对于一个给定的具有优先数量训练样本，通过适当地选择函数子集及其该子集中的函数判别，使得学习机器的实际风险达到最小，得到最佳的推广泛化能力[53]。
假设
$N$ 个两类≥线性可分样本的特征为${x_n} \in {R^d}$ （$d$ 为特征维数），其类别标签为：$$ {y}_{n}\in \{+1,-1\},\;{{n}}=1,2, \cdots N $$ (4) 将样本线性分离的超平面可以改成：
$$ y{}_n = \left\{ {\begin{array}{*{20}{c}} { + 1\begin{array}{*{20}{l}} {}&{x_n^{\rm T}w + b {\text{≥}} + 1} \end{array}}\\ { - 1\begin{array}{*{20}{l}} {}&{x_n^{\rm T}w + b {\text{≤}} - 1} \end{array}} \end{array}} \right. $$ (5) 以上两个式子合并为：
$$ {y_n}\left( {x_n^{\rm T}w + b} \right) - 1 {\text{≥}} 0 $$ (6) 其中：
$ x_n^Tw + b = 0$ 分类间距为：
$2/\left\| w \right\|$ ，为了使得间隔最大，实际上是使：$$ \Phi (w)=\frac{1}{2}{\Vert w\Vert }^{2}=\frac{1}{2}{w}^{\rm T}w=\frac{1}{2}({w}^{0}w)$$ (7) 求解最优分类面就是求取（7）式在（6）式约束条件下的极值，而超过平面
${H_1}$ 和${H_2}$ 的样本点就是极值点，此时支持了超平面，称之为支持向量。在特征空间F内，为了满足在（6）式条件下求的极小值：$$ {\rm{min}}J(w,\xi )=\frac{1}{2}{w}^{0}w+{\displaystyle \sum _{i=1}^{n}{\xi }_{i}}$$ (8) 利用Lagrange优化方法可求解上述问题，将支持向量机的优化问题转化为求解二次归化问题：
$$\left\{ {\begin{array}{*{20}{l}} {\max W\left( {\rm{a}} \right) = \displaystyle\sum\limits_{i = 1}^n {{a_i}} {\rm{ - }}\frac{1}{2}\displaystyle\sum\limits_{i = 1}^n {\displaystyle\sum\limits_{j = 1}^n {{a_i}} } {a_j}{y_i}{y_j}K\left( {{x_i}{x_j}} \right)}\\ {s \cdot \displaystyle\sum\limits_{i = 1}^n {{a_i}{y_i} = 0\begin{array}{*{20}{c}} {}&{0 {\text{≤}} {a_i} {\text{≤}} c,\begin{array}{*{20}{c}} {}&{i = 1,2, \cdots {{n}}} \end{array}} \end{array}} } \end{array}} \right.$$ (9) 式中，
$ K({x}_{i}{x}_{j})$ 为任何一个满足Mercer条件的核函数，较常用的核函数有线性核：$$ K(x,z)={x}^{\rm T}z$$ (10) 多项式核：
$$ K(x,z)={({x}^{\rm T}z+1)}^{d}$$ (11) 高斯核：
$$ K(x,z)={\rm{exp}}\left[-\frac{{\Vert x-z\Vert }^{2}}{2{{\rm{\sigma}} }^{2}}\right]$$ (12) 1.3 分频反演步骤
（1）对地震数据进行频谱分析，获得目标层段地震频带范围和噪声分布；
（2）在水合物有效目标层位内选择有对水合物敏感的弹性参数曲线，将有代表的测井曲线和地质参数作为样本；
（3）对地震数据进行中值滤波，去掉地震异常、平滑地震记录，有效地保护边缘信号以及对尖锐噪声进行有效平滑的特点；
（4）根据对地震数据的频宽、低—中—高频和主频特点，设计分频间隔点，采用小波分频原理对地震数据进行分频，并对分频数据进行地震属性提取，从而产生不同频段的地震属性数据；
（5）建立目标测井曲线和分频地震属性的非线性映射关系（AVF），利用支持向量机（SVM）方法建立分频属性和目标曲线之间的非线性关系，通过训练学习，直到反演结果与实际井曲线特征相对应。
2. 区域地质背景
神狐海域位于珠江口盆地的白云凹陷内部（图2），处于欧亚、太平洋和印度—澳大利亚三大板块交汇处附近的华南大陆南缘，其形成和发展与南海盆地的构造运动密切相关，历经了神狐、珠琼、南海和东沙运动等5次大的构造运动[55-56]。自渐新世晚期以来，南海北部的陆坡处于拗陷期，沉积环境为滨浅海—半深海，物源供给充足，沉积速率大且地层厚、岩石粒度为中—上等偏细。中新世晚期以后，该区以三角洲和扇三角洲沉积为主，滑塌扇、浊积扇和重力流非常发育。到第四纪时期，发育滑塌扇，以上沉积体具有较快的沉积速率，沉积厚度大，有机质比较丰富，上覆块体快速堆积使得有机质能够得到有效保存。由于多次地壳运动和多阶构造演化，发育了NE、NW和NNE向正断层，断裂的发育和新构造运动还诱发了深部超压泥质岩类的塑性流动，形成泥底辟活动带，泥底辟与其上覆较陡的断裂以及垂向裂隙系统共同构成了流体的渗漏通道，为天然气向上运移到浅部水合物稳定带运移创造了有利条件[57-60]。
![]()
3. 含天然气水合物沉积层地球物理响应特征
3.1 BSR地震反射特征
水合物稳定带受温压条件限制，其底界面通常以强振幅的BSR为特征。在研究海域，BSR位于海底之下135～230 mbsf，其强振幅反射特征明显，波形极性与海底相反并与正常沉积地层斜交，横向延伸长度为1.7～5.36 km[62]（图3）。在钻获天然气水合物位置处，BSR由一系列强反射界面联合组成，这是由于沉积物孔隙和渗透等差异导致天然气水合物饱和度不同，在垂向上形成物性差异所致。BSR上方振幅空白带显示明显，下部的杂乱或模糊反射与游离气的存在有关。
3.2 测井响应分析
2015年，广州海洋地质调查局在研究区W03站位（水深1 295.41 m）进行随钻测井和取样。结果表明，此处含天然气水合物沉积层厚度近80 m，是迄今在南海所有发现含水合物沉积中最厚的。图4是W03井位置的电阻率、纵波速度、密度与自然伽马测井曲线。根据电阻率和纵波速度曲线，海底之下沉积层具有典型的“三段区间”变化特征。第1段区间为1 295.41～1 424.14 m，沉积层电阻率基本保持不变，约1.57 Ω·m，表明沉积物物性稳定，而纵波速度曲线呈线性缓慢增长趋势，说明与沉积压实作用有关。密度与自然伽马曲线都表现为小幅度振荡，密度为1.76～1.89 g/cm3，自然伽马的平均值大约为65 API。密度与自然伽马测井曲线的振荡特征可能与沉积层中粉砂质/泥的比值变化以及孔隙水含量的变化有关。第2段区间为1 424.14～1 504.24 m，从1 424.14 m的深度段往下，电阻率以1.57 Ω·m和纵波速度以1 770 m/s开始迅速增大，其最大值分别达到8 Ω·m和2 315 m/s，1 424～1 504 m深度段（厚度约80 m）的高电阻率、高声波速度异常指示着天然气水合物的存在。取样分析结果表明，这一深度区间内水合物层厚最薄为4 m，最厚为34 m，平均含水合物饱和度为24.4%，平均渗透率为2.58 mD，渗透性较差。另外，这一深度区间的密度测井曲线没有明显减小，说明水合物不是以大块状或厚层状存在，而是以弥散状分布于沉积层中。自然伽马曲线在这一深度区间表现出升高—降低—再升高的变化特征。通常天然气水合物赋存区段的孔隙度相对较高，也就是砂/泥比会上升，对应的自然伽马会相对下降，而此处自然伽马值整体较高的原因是放射性较高的有孔虫化石，为天然气水合物的生长和聚集提供了空间。
![]()
图 4 含水合物沉积层W03井的测井曲线Figure 4. Logging curves for gas hydrate deposits in the Well W033.3 非均质性储层特征
南海北部陆坡神狐海域水合物储层是以厚薄相间的水合物存在，相关学者[42]在2015年水合物钻探的19口井中，通过常规测井和随钻成像测井（GVR）发现，厚层水合物以厚层状和分散状分布，薄层水合物以斑块状和薄层状分布。厚层状水合物发现存在于W02、W07、W11和W16井，其中厚层状水合物埋藏较深，主要分布在100～200 mbsf，且厚度较大，单层厚度可达10 m，主要分布在厚层水合物层的顶部，电阻率频谱较窄，为明显单峰，主要为高饱和水合物。另一种厚层水合物以分散状分布，主要发现在W01、W02、W07、W11、W17和W19井中，GVR图像为分散状浸染分布于基质中，厚度也较大，单层厚度可达5 m以上，主要分布在厚层状水合物之下、厚层水合物层的中部，电阻率为频谱较宽的单峰，水合物为中饱和度。薄层状水合物以斑块状分布于基质中，主要发现在W02和W19井中，斑块状水合物非均质性强，大的斑块状水合物可达0.4 m，小的斑块状水合物只有0.1 m，其分布规律不明显，主要分布于分散状水合物的下面、且厚层水合物层的底部，具有较强的非均质性，为高饱和—中饱和水合物。薄层状水合物在每口井中存在，通过测井曲线（中子、密度和声波速度）都无法识别，只有GVR图像上显示高亮和电阻率呈增大特征[42]。
厚薄相间水合物的存在形式，使得水合物地层的物理性质改变，具有各向非均质性，大大增加了天然气水合物储层识别的困难，本文主要采用分频反演方法解决以上问题。主要以厚薄的楔状模型为例，分别采用约束稀疏脉冲反演方法和分频反演方法，通过对比论证分频反演方法在厚薄相间天然气水合物储层中的适用性。
4. 非均质性天然气水合物识别技术
4.1 基于正演模型的反演方法对比
目前天然气水合物储层预测主要通过约束稀疏脉冲反演方法，理论技术上可以有效预测厚度范围在λ/4～2λ/3，去掉模型精度对反演结果的影响，该技术实际也只能应用于λ/4～λ/2之间的厚度，如果想要识别更厚或更薄的物体，仍需要测井信息的加入，这就降低了其预测性[63]。为了验证分频反演对厚薄储层识别的有效性，通过设计的widess楔形模型（图5a），选用主频为30 Hz的子波进行正演模拟（图5b），分别采用稀疏脉冲反演和分频反演方法，可以看出稀疏脉冲反演的识别范围为λ/4～2λ/3（图5c），该方法是主要是利用地震资料主频信息，但如果要识别物体的厚度范围，需要加入准确的初始低频模型，而天然气水合物勘探中钻井数量少，要得到精确的初始低频模型十分困难。分频反演的预测结果能识别出厚度范围为λ/8～λ的储层（图5d），尤其适合对超过常规分辨率的厚层水合物进行刻画，相对稀疏脉冲反演方法具有明显优势[46, 64]，预测的厚度更加接近于设计的楔形模型，该方法更适合用于天然气水合物厚度变化范围较大的储层预测。
![]()
图 5 楔状模型正演下不同反演方法储层厚度识别对比a. Widess楔状模型，b. 30 Hz地震正演模拟，c. 稀疏脉冲反演结果，d. 谱反演结果。Figure 5. Identification and comparison of reservoir thickness by different inversion methods under Widess wedge modela. Widess wedge model, b. 30 Hz seismic forward simulation, c. sparse pulse inversion results, d. frequency-divided inversion results.4.2 目标曲线确定
将水合物层段和非水合物层段的声波阻抗和电阻率进行交汇（图6），红色部分为含水合物样品，绿色为非水合物样品，水合物沉积层与非水合物沉积层还存在重叠的声波阻抗区间，假如直接利用井中波阻抗曲线作为目标属性进行相关反演，很难取得较好的效果。由图可以看出根据声阻抗的门槛值（橘红色）区分的水合物和非水合物区域效果不如深电阻率（蓝色，门槛值为2.6 Ω·m）的效果好，且电阻率比速度曲线更能刻画水合物的顶底及其物性特征，因此在反演过程中，通过以电阻率曲线作为学习目标，充分利用地震资料中有效频带中的相对高频和相对低频信息，又保持了总体趋势，利用电阻率曲线的分频反演能够更加有效地刻画水合物的具体形态和范围。
4.3 地震分频频段
将水合物层段的地震进行频谱扫描，其频率主要分布在6～160 Hz，主频为60 Hz（图7），具有明显的富低频和宽频的特征，为充分利用各个频率段的信息，按照频宽范围，将频带设置为6、15、30、45、60、90、120、150 Hz等几个频段分隔点。
4.4 支持向量机的分频反演
通过对地震数据进行频谱分解，将分解的频谱能量体对各频段数据体计算振幅、频率和相位等地震属性。利用电阻率曲线和低频模型，对分频的属性数据利用SVM方法进行训练，计算不同厚度下AVF的关系，将AVF关系引入分频反演，建立电阻率曲线与地震波形之间的非线性映射关系（图8）。最终将每个分频属性体作为输入，利用训练好的分频体和反演体之间的AVF关系，合成最终的反演体[48, 50, 53, 65]。
![]()
图 8 井旁道分频地震属性SVM训练结果与电阻率测井曲线对比Figure 8. SVM training results compared with resistivity logging curves5. 反演结果及分析
5.1 分频反演结果可靠性评价
地震主频60 Hz的地震数据，其纵向分辨率为8 m，对于小于8 m的薄层其地震分辨率比较难以识别。下面通过对比原始地震剖面与过井的深电阻率曲线（图9a），发现在测井曲线异常段地震存在较强的阻抗界面，由图从上往下可以看出，图中红色箭头所指显示第一个强反射地震反射轴与深电阻率对应的结果很好，第二个地震反射轴为双峰的强反射，而测井上电阻率显示含水合物层较薄，第三个地震反射轴为频率较高的薄层反射特征，而深电阻率曲线显示的含水合物层较厚。通过对原始地震进行90°相位转换，重新进行井震标定（图9b），从上往下可以看出，第一个强反射轴与深电阻率曲线与之前一样，比较吻合；第二强反射轴由双峰变成单峰，强轴对应水合物的顶界，但是无法区分该套水合物的厚度；第三个强反射轴地震频率形态振幅还是不变，与深电阻率曲线还是不能够吻合。通过以上技术手段发现，对于薄层的地震反射特点利用90°相位转换可以只能显示水合物的顶界，但是不能区分薄层的厚度；对于厚层的含水合物层，利用90°相位转换方法既不能区分水合物的顶底界面，也不能区分厚度。
![]()
图 9 原始和90°相位剖面与井曲线对比a. 原始地震剖面与深电阻率曲线对比, b. 90°相位地震剖面深电阻率曲线对比。Figure 9. Original seismic and 90° phase seismic profiles compared with well curves seismic sectiona. original seismic corresponding to deep resistivity curve, b. 90 ° phase seismic corresponding to deep resistivity curve.本文利用分频反演方法对南海神狐海域天然气水合物进行反演（图10），可以看出，反演结果与已钻遇井相当吻合，通过充分利用井点的低频和高频，以及地震的中频部分，有效地对分频反演结果的有效频带进行合理拓宽，能够分辨出5 m的水合物薄层，且水合物薄层的尖灭点比较清晰。因此，通过分频反演结果能够较好地反映研究区天然气水合物矿体的展布形态。
![]()
图 10 分频反演剖面与W03井深探测电阻率曲线Figure 10. Frequency-division inversion profiles versus deep resistivity in the Well W035.2 分析与讨论
研究区水合物分布为厚层状和薄层状，厚层状水合物是研究区主力水合物层，一般埋藏较深，主要分布在海床下100～200 m，厚度也较厚，单层厚度甚至可达10～80 m，厚层状的水合物主要为高饱和水合物，其次为中饱和水合物，可组成多期旋回。根据分频反演结果（图10），水合物在空间上具有多层分布，不论在垂向上还是在平面都具有分布不均匀的特征。厚层状水合物在横向上分布也较为稳定，一般需要下部具有充足的气灶。薄层状水合物在神狐海域的每口井都均有分布，分布较为广泛，海床下几十米到几百米均有分布，薄层状水合物分布较为分散，埋藏较浅，也有可能为厚层水合物的分支。根据反演结果，可以看出位于该井处分布着3套水合物和天然气组合层。根据成像测井揭示和地震资料解释结果，位于水合物沉积层顶部发育为一条NE向的高角度界面型断层，该断层作为岩性界面对水合物起着遮挡作用，并沟通了上下几套水合物层，且有利于水合物的保存。
影响天然气水合物空间分布不均匀，厚薄相间的原因除了具有水深和温压条件，还受到气源、沉积环境和构造因素的影响[66-67]。
从始新世开始，深部有机质热解成气，在流体势的作用下沿着NE、NW和NWW向断层向上运移，在低温高压条件下，热解气和流体结合形成水合物，气压充足，水合物为厚层状，为“流体运移通道型”水合物藏，含有水合物地层的沉积速率一般都超过30 m/Ma[68]。沉积环境是由于各种快速沉积和厚度大的浊积扇、斜坡扇及三角洲等沉积体系前缘、滑塌块体和等渗流沉积，是水合物富集的有利沉积相带，沉积物中的流体由于滑塌作用而受侧向压实导致其他地方大量扩散，进而形成水合物[69]。有利于天然气水合物运移的构造条件为气烟囱和断层，气烟囱与BSR的平面分布范围有良好的空间匹配关系，剖面上表现为“下拉”的地震反射特征，由于地震波能量被吸收造成地震反射模糊或空白的效果，相对周围地层具有直立的通道形态，顶部常会发生横向扩张表现为花状或蘑菇状，气烟囱并没有延伸至海底，而是在BSR下部终止。深部的热解成因气沿着切穿沉积盖层的断裂形成上升的气流体，顺着这些断层为深部气源向浅部运移提供了通道[70]，断层与BSR的发育具有良好的匹配关系（图11）。这种类型的水合物矿藏深部气源供给充足，稳定带厚度大，饱和度及丰度高，且展布规模及资源潜力巨大。其中深部气源供给、气烟囱和断裂等输导形成下生上储“流体运移通道型”天然气水合物矿藏的主控因素[71-72]。
![]()
图 11 神狐海域水合物成藏分布模式图Figure 11. Accumulation distribution pattern of hydrate in the Shenhu area晚中新世及上新世开始，位于深水海底浅层（100～230 mbsf）的未成岩沉积物中，来自原地浅层沉积物中有机质生物化学作用形成的生物甲烷烃气源，尚伴有少量深部热解气，构成了以生物气为主的混合气气源，通过扩散运聚作用方式形成“原地自生自储扩散型”的天然气水合物成藏模式。这种类型的水合物矿藏埋藏浅，水合物稳定带厚度薄，一般不超过200 m，水合物饱和度及丰度不太高，气源潜力及资源规模较小。其中浅层生物气及渗透性良好的储层是形成“原地自生自储扩散型”天然气水合物矿藏的主控因素[73]。
6. 结论
（1）由支持向量机分频反演结果和井点的电阻率测井曲线的吻合度，说明该反演方法在本区对天然气水合物刻画的适用性。结果表明，天然气水合物空间上具有分布不均匀的特征，厚层横向上分布较为稳定，埋藏较深；薄层较为分散，埋藏较浅，可能为厚层水合物的分支。
（2）影响该区天然气水合物分布不均匀原因除了水深和温压条件外，主要受到气源、沉积环境和构造条件影响。晚中新世开始，构造运动频繁，将深部热解气沿着气烟囱和断层等纵向通道向上运移，形成厚层状“流体运移渗漏型”天然气水合物藏。海底沉积物中微生物作用成烃的生物气，通过渗透性良好的储层形成“原地自生自储扩散型”天然气水合物藏。
-
![]()
图 1 福建琅岐岛地理位置（a）及植被覆盖度（b）
Figure 1. Location of Langqi Island, Fujian Province (a) and the FVC classification (b)
![]()
图 2 福建琅岐岛表土孢粉含量
Figure 2. Pollen percentage of surface samples in Langqi Island, Fujian Province
![]()
图 3 福建琅岐岛表土植硅体形态
1-2.块状，3-4.光滑拉长型，5-7.波状拉长型，8-10.维管组织，11.石细胞，12-13.光滑球型，14-15.纹饰球型，16-17.刺球型，18-19.细齿拉长型，20.尖型，21-22.树突拉长型，23.圆齿边型，24-25.水稻扇型，26-27.扇型，28-29.鞍型，30.水稻并排哑铃型，31-33.双裂片型，34.十字型，35-36.帽型，37.多裂片型，38.硅质突起型，39-40.海绵骨针. 图中比例尺为20 μm
Figure 3. Images of phytoliths from topsoil in Langqi Island, Fujian Province
1-2:Blocky, 3-4: Elongate entire, 5-7:Elongate sinuate,8-10:Tracheary, 11:Sclereid, 12-13:Spheroid psilate, 14-15:Spheroid ornate, 16-17:Spheroid echinate,18-19:Elongate dentate, 20:Acute bulbosus, 21-22:Elongate dendritic,23:Crenate, 24-25:Rice bulliform, 26-27:Bulliform flabellate, 28-29:Saddle,30:Rice bilobate, 31-33:Bilobate, 34:Cross, 35-36:Tower, 37:Polylobate, 38:Papillate, 39-40:Sponge spicule. Scale bar =20 μm
![]()
![]()
图 5 福建琅岐岛不同类型禾本科植硅体百分比
Figure 5. Percentage of different Poaceae phytoliths in Langqi Island, Fujian Province
![]()
图 6 3种土地利用类型孢粉含量对比（a）和聚类分析结果（b）
（a）中农田不包括白菜菜地1与水稻田两个样点；（b）中绿色字体为人工林、果园，黑色为荒地，蓝色为农田。
Figure 6. Pollen percentages and standard deviations in three land use types (a) and cluster analysis of pollen percentages (b)
In Fig. 6a, farmland did not include cabbage and rice field samples; In Fig. 6b, the green, black, and blue texts indicate planted forest (and orchards), uncultivated land, and farmland, respectively.
![]()
图 7 表土松属花粉（a）和不包含松属的木本花粉（b）的空间分布
风向玫瑰图（c）是基于年平均值数据，数据来自美国国家气候数据中心。
Figure 7. Spatial distribution of Pinus pollen (a) and arboreal pollen excluding Pinus (b) in topsoil samples
Figure 7（c）is the wind roses, and data are derived from the National Climatic Data Center of the USA.
![]()
图 8 三种土地利用类型的主要花粉与植被覆盖度间的回归分析
Figure 8. Regression analysis between main pollen and FVC in three land-use types
表 1 采样点位置与周边植物以及植被覆盖度
Table 1 Location of samples, surrounding plants, and FVC
编号 采样点 土地利用类型 位置 海拔/m 主要植物种类 植被覆盖度 FJLQ01 棕榈林地1 人工林、果园 26.1158°N、119.5803°E 4 棕榈、桉树 0.502 961 FJLQ02 厚皮菜地 农田 26.1161°N、119.5731°E 4 枇杷、樟科、厚皮菜、莴笋、芭蕉、
禾本科杂草0.529 258 FJLQ03 干涸鱼塘 荒地 26.1253°N、119.5864°E 3 芭蕉、禾本科杂草 0.065 274 FJLQ04 白菜菜地1 农田 26.1186°N、119.605°E 5 桉树、白菜、橙子 0.543 917 FJLQ05 荒地 荒地 26.12°N、119.6167°E 2 禾本科、菊科野草 0.357 109 FJLQ06 龙眼果园 人工林、果园 26.1103°N、119.6164°E 8 龙眼、枫香属、棕榈、禾本科野草 0.491 367 FJLQ07 水稻田 农田 26.1042°N、119.6228°E 5 水稻、桉树 0.613 628 FJLQ08 芦苇荡 荒地 26.1097°N、119.6333°E 3 芦苇、禾本科杂草 0.518 772 FJLQ10 弃耕水稻田 荒地 26.0939°N、119.6267°E 4 水稻、禾本科杂草 0.469 033 FJLQ11 花椰菜菜地1 农田 26.0911°N、119.6319°E 4 花椰菜、禾本科杂草 0.491 376 FJLQ14 棕榈林地2 人工林、果园 26.0672°N、119.6081°E 5 菊科藜科野草、棕榈科刺葵林、雅榕林 0.732 174 FJLQ15 白菜菜地2 农田 26.0792°N、119.6092°E 3 白菜、红薯、豌豆 0.460 017 FJLQ16 枣树果园 人工林、果园 26.0844°N、119.6125°E 4 枣树、橘子 0.475 803 FJLQ17 撂荒地1 荒地 26.0856°N、119.6036°E 6 禾本科、菊科、蒿属野草 0.617 381 FJLQ18 撂荒地2 荒地 26.0806°N、119.5906°E 4 栎属、鹅耳枥属、禾本科、菊科、芭蕉、旋花科 0.547 991 FJLQ19 无花果果园 人工林、果园 26.0775°N、119.5783°E 3 无花果、柚子树、甘蔗、杨桃 0.427 494 FJLQ20 枯树林 人工林、果园 26.0669°N、119.5878°E 4 枯树、枫香林、菊科、禾本科、蕨类植物 0.696 931 FJLQ21 大花田菁林地 人工林、果园 26.0728°N、119.565°E 3 大花田菁、蓝花楹、香桃木、芭蕉、柳树 0.569 948 FJLQ22 撂荒地3 荒地 26.0922°N、119.5581°E 3 菊科、禾本科、乌桕、芦苇、白菜、红薯 0.511 86 FJLQ23 橘子、火龙果果园 人工林、果园 26.0881°N、119.5669°E 10 火龙果、橘子、豌豆、芭蕉、红薯、甘蔗 0.580 022 FJLQ24 橘子果园 人工林、果园 26.0933°N、119.5844°E 10 橘子、芋头、花椰菜、芭蕉、桉树、木麻黄 0.381 408 FJLQ25 花椰菜菜地2 农田 26.0978°N、119.5992°E 3 花椰菜、芭蕉、榕树、台湾相思树 0.609 647 
下载: 导出CSV
-
[1] Bunting M J, Farrell M, Bayliss A, et al. Maps from mud—using the multiple scenario approach to reconstruct land cover dynamics from pollen records: a case study of two Neolithic landscapes [J]. Frontiers in Ecology and Evolution, 2018, 6: 36. doi: 10.3389/fevo.2018.00036
[2] Caseldine C, Fyfe R, Hjelle K. Pollen modelling, palaeoecology and archaeology: virtualisation and/or visualisation of the past? [J]. Vegetation History and Archaeobotany, 2008, 17(5): 543-549. doi: 10.1007/s00334-007-0093-y
[3] Xu Q H, Cao X Y, Tian F, et al. Relative pollen productivities of typical steppe species in northern China and their potential in past vegetation reconstruction [J]. Science China Earth Sciences, 2014, 57(6): 1254-1266. doi: 10.1007/s11430-013-4738-7
[4] Richer S, Gearey B. From Rackham to REVEALS: reflections on palaeoecological approaches to woodland and trees [J]. Environmental Archaeology, 2018, 23(3): 286-297. doi: 10.1080/14614103.2017.1283765
[5] Farrell M, Bunting M J, Sturt F, et al. Opening the woods: towards a quantification of Neolithic clearance around the Somerset Levels and Moors [J]. Journal of Archaeological Method and Theory, 2020, 27(2): 271-301. doi: 10.1007/s10816-019-09427-9
[6] Kurmann M H. An opal phytolith and palynomorph study of extant and fossil soils in Kansas (U. S. A. ) [J]. Palaeogeography, Palaeoclimatology, Palaeoecology, 1985, 49(3-4): 217-235. doi: 10.1016/0031-0182(85)90055-0
[7] Horrocks M, Deng Y, Ogden J, et al. A reconstruction of the history of a Holocene sand dune on Great Barrier Island, northern New Zealand, using pollen and phytolith analyses [J]. Journal of Biogeography, 2000, 27(6): 1269-1277. doi: 10.1046/j.1365-2699.2000.00508.x
[8] Huang F, Lisa K, Xiong S F, et al. Holocene grassland vegetation, climate and human impact in central eastern Inner Mongolia [J]. Science in China Series D, 2005, 48(7): 1025-1039. doi: 10.1360/03yd0165
[9] 葛勇. 长白山西麓哈尼泥炭地全新世植硅体与孢粉信息记录的古环境重建[D]. 东北师范大学硕士学位论文, 2012 GE Yong. Holocene paleoenvironment reconstruction by using pollen and phytolith records in Hanni peatland[D]. Master Dissertation of Northeast Normal University, 2012.
[10] 杜凯闯, 王文静, 吴克宁, 等. 河南仰韶村遗址原始农业活动研究[J]. 土壤, 2018, 50(4):832-840 DU Kaichuang, WANG Wenjing, WU Kening, et al. Study on primitive agricultural activities of Yangshao village cultural site in Henan province [J]. Soils, 2018, 50(4): 832-840.
[11] 张峻凡, 范保硕, 陈伟, 等. 唐代正定古城址形成时期的环境背景与人类活动[J]. 第四纪研究, 2021, 41(5):1489-1502 ZHANG Junfan, FAN Baoshuo, CHEN Wei, et al. The environmental background and human activities for Zhengding ancient city site in Tang Dynasty [J]. Quaternary Sciences, 2021, 41(5): 1489-1502.
[12] 王永吉, 吕厚远. 植物硅酸体研究及应用[M]. 北京: 海洋出版社, 1993 WANG Yongji, LÜ Houyuan. Research and Application of Phyllosilicate[M]. Beijing: Ocean Press, 1993.
[13] 吕厚远, 吴乃琴, 王永吉. 水稻扇型硅酸体的鉴定及在考古学中的应用[J]. 考古, 1996(4):82-86 LÜ Houyuan, WU Naiqin, WANG Yongji. Identification of rice fan-type silicate bodies and its application in archaeology [J]. Archaeology, 1996(4): 82-86.
[14] Barboni D, Bremond L, Bonnefille R. Comparative study of modern phytolith assemblages from inter-tropical Africa [J]. Palaeogeography, Palaeoclimatology, Palaeoecology, 2007, 246(2-4): 454-470. doi: 10.1016/j.palaeo.2006.10.012
[15] Bremond L, Alexandre A, Hély C, et al. A phytolith index as a proxy of tree cover density in tropical areas: calibration with Leaf Area Index along a forest–savanna transect in southeastern Cameroon [J]. Global and Planetary Change, 2005, 45(4): 277-293. doi: 10.1016/j.gloplacha.2004.09.002
[16] Bremond L, Alexandre A, Wooller M J, et al. Phytolith indices as proxies of grass subfamilies on East African tropical mountains [J]. Global and Planetary Change, 2008, 61(3-4): 209-224. doi: 10.1016/j.gloplacha.2007.08.016
[17] 龚家富. 琅岐岛农业生态经济系统能值研究[D]. 福建师范大学硕士学位论文, 2009 GONG Jiafu. Emergy study of agricultural eco-economic system in Langqi Island[D]. Master Dissertation of Fujian Normal University, 2009.
[18] 林鹏, 丘喜昭, 吴志强, 等. 福建植被[M]. 福州: 福建科学技术出版社, 1990 LIN Peng, QIU Xizhao, WU Zhiqiang, et al. Vegetation of Fujian[M]. Fuzhou: Fujian Science and Technology Press, 1990.
[19] 王伏雄, 钱南芬, 张玉龙, 等. 中国植物花粉形态[M]. 2版. 北京: 科学出版社, 1995 WANG Fuxiong, QIAN Nanfen, ZHANG Yulong, et al. Pollen Morphology of Chinese Plants[M]. 2nd ed. Beijing: Science Press, 1995.
[20] 唐领余, 毛礼米, 舒军武, 等. 中国第四纪孢粉图鉴[M]. 北京: 科学出版社, 2016 TANG Lingyu, MAO Limi, SHU Junwu, et al. The Quaternary Spore Pollen of China[M]. Beijing: Science Press, 2016.
[21] 中国科学院植物研究所古植物室孢粉组, 中国科学院华南植物研究所形态研究室. 中国热带亚热带被子植物花粉形态[M]. 北京: 科学出版社, 1982 Spore Powder Group, Paleobotany Unit, Institute of Botany, Chinese Academy of Sciences, and Morphological Research Unit, South China Institute of Botany, Chinese Academy of Sciences. Pollen Morphology of Tropical and Subtropical Angiosperms of China[M]. Beijing: Science Press, 1982.
[22] International Committee for Phytolith Taxonomy (ICPT). International code for phytolith nomenclature (ICPN) 2.0 [J]. Annals of Botany, 2019, 124(2): 189-199. doi: 10.1093/aob/mcz064
[23] 徐凯健, 曾宏达, 张仲德, 等. 亚热带福建省森林生长季与气温、降水相关性的遥感分析[J]. 地球信息科学学报, 2015, 17(10):1249-1259 XU Kaijian, ZENG Hongda, Chang C, et al. Relating forest phenology to temperature and precipitation in the subtropical region of fujian based on time-series MODIS-NDVI [J]. Journal of Geo-Information Science, 2015, 17(10): 1249-1259.
[24] 中华人民共和国水利部. SL 190-2008 土壤侵蚀分类分级标准[S]. 北京: 中国水利水电出版社, 2008 Ministry of Water Resources of the People's Republic of China. SL 190-2008 Soil erosion classification and grading standard[S]. Beijing: China Water Resources and Hydropower Press, 2008.
[25] 田地, 刘政, 胡亚林. 福州市植被覆盖度时空特征及与地形因子的关系[J]. 浙江农林大学学报, 2019, 36(6):1158-1165 TIAN Di, LIU Zheng, HU Yalin. Spatial-temporal characteristics of vegetation coverage and the relationship to topographic factors in Fuzhou City [J]. Journal of Zhejiang A & F University, 2019, 36(6): 1158-1165.
[26] 高桂在, 介冬梅, 刘利丹, 等. 植硅体形态的研究进展[J]. 微体古生物学报, 2016, 33(2):180-189 GAO Guizai, JIE Dongmei, LIU Lidan, et al. Advance in phytolith morphology research [J]. Acta Micropalaeontologica Sinica, 2016, 33(2): 180-189.
[27] 靳桂云, 燕生东, 宇田津彻郎, 等. 山东胶州赵家庄遗址4000年前稻田的植硅体证据[J]. 科学通报, 2007, 52(24):3376-3384 doi: 10.3321/j.issn:0023-074x.2007.18.011 JIN Guiyun, YAN Shengdong, Udatsu T, et al. Neolithic rice paddy from the Zhaojiazhuang site, Shandong, China [J]. Chinese Science Bulletin, 2007, 52(24): 3376-3384. doi: 10.3321/j.issn:0023-074x.2007.18.011
[28] 王灿, 吕厚远. 水稻扇型植硅体研究进展及相关问题[J]. 第四纪研究, 2012, 32(2):269-281 WANG Can, LÜ Houyuan. Research progress of fan-shaped phytolith of rice and relevant issues [J]. Quaternary Sciences, 2012, 32(2): 269-281.
[29] 李仁成, 樊俊, 高崇辉. 植硅体现代过程研究进展[J]. 地球科学进展, 2013, 28(12):1287-1295 LI Rencheng, FAN Jun, GAO Chonghui. Advances in modern phytolith research [J]. Advances in Earth Science, 2013, 28(12): 1287-1295.
[30] Ball T B, Ehlers R, Standing M D. Review of typologic and morphometric analysis of phytoliths produced by wheat and barley [J]. Breeding Science, 2009, 59(5): 505-512. doi: 10.1270/jsbbs.59.505
[31] 葛利花. 城子崖遗址史前生业经济的植硅体分析[D]. 山东大学硕士学位论文, 2019 GE Lihua. Phytolith analysis of Prehistoric times living economics at Chengziya site[D]. Master Dissertation of Shandong University, 2019.
[32] 吴妍. 植硅体分析方法的应用与改进[D]. 中国科学技术大学博士学位论文, 2008 WU Yan. The application and improvement of phytolith analysis method[D]. Doctor Dissertation of University of Science and Technology of China, 2008.
[33] Yang S X, Zheng Z, Huang K Y, et al. Modern pollen assemblages from cultivated rice fields and rice pollen morphology: application to a study of ancient land use and agriculture in the Pearl River Delta, China [J]. The Holocene, 2012, 22(12): 1393-1404. doi: 10.1177/0959683612449761
[34] 李宜垠, 张新时, 周广胜, 等. 中国北方几种常见表土花粉类型与植被的数量关系[J]. 科学通报, 2000, 45(7):761-765 doi: 10.1360/csb2000-45-7-761 LI Yiyin, ZHANG Xinshi, ZHOU Guangsheng, et al. Quantitative relationships between several common topsoil pollen types and vegetation in northern China [J]. Chinese Science Bulletin, 2000, 45(7): 761-765. doi: 10.1360/csb2000-45-7-761
[35] Wan Q C, Zhang Y Z, Huang K Y, et al. Evaluating quantitative pollen representation of vegetation in the tropics: a case study on the Hainan Island, tropical China [J]. Ecological Indicators, 2020, 114: 106297. doi: 10.1016/j.ecolind.2020.106297
[36] 庞瑞洺, 许清海, 丁伟, 等. 河北省中南部农田孢粉组合特征[J]. 地理学报, 2010, 65(11):1345-1354 PANG Ruiming, XU Qinghai, DING Wei, et al. Pollen assemblage of farmlands in central and southern Hebei Province [J]. Acta Geographica Sinica, 2010, 65(11): 1345-1354.
[37] 王学丽, 李月丛, 许清海, 等. 安阳地区不同农业单元表土花粉组合及空间分异[J]. 科学通报, 2010, 55(6):544-554 doi: 10.1007/s11434-009-0480-0 WANG Xueli, LI Yuecong, XU Qinghai, et al. Pollen assemblages from different agricultural units and their spatial distribution in Anyang area [J]. Chinese Science Bulletin, 2010, 55(6): 544-554. doi: 10.1007/s11434-009-0480-0
[38] 张丽艳, 许清海, 李月从, 等. 贺兰山表土花粉与花粉通量对比研究[J]. 地理与地理信息科学, 2007, 23(4):102-106 ZHANG Liyan, XU Qinghai, LI Yuecong, et al. Pollen influx and surface pollen assemblages in Helan mountain [J]. Geography and Geo-Information Science, 2007, 23(4): 102-106.
[39] 李曼玥, 李月丛, 许清海, 等. 东北地区人工扰动植被表土孢粉与植被和气候的关系[J]. 科学通报, 2012, 57(5):535-547 doi: 10.1007/s11434-011-4853-9 LI Manyue, LI Yuecong, XU Qinghai, et al. Surface pollen assemblages of human-disturbed vegetation and their relationship with vegetation and climate in Northeast China [J]. Chinese Science Bulletin, 2012, 57(5): 535-547. doi: 10.1007/s11434-011-4853-9
[40] 王琫瑜, 宋长青, 孙湘君. 内蒙古中部表土花粉研究[J]. 植物学报, 1996, 38(11):902-909 WANG Fengyu, SONG Changqing, SUN Xiangjun. Study on surface pollen in middle inner Mongolia, China [J]. Acta Botanica Sinica, 1996, 38(11): 902-909.
[41] 桑艳礼, 马玉贞, 高尚玉, 等. 甘肃兴隆山国家自然保护区表土花粉组合及数量分析[J]. 古生物学报, 2008, 47(4):457-467 SANG Yanli, MA Yuzhen, GAO Shangyu, et al. Pollen assemblages and numerical analysis of surface samples from Xinglong Mountain National Reserve, Gansu [J]. Acta Palaeontologica Sinica, 2008, 47(4): 457-467.
[42] Ma T, Rolett B V, Zheng Z, et al. Holocene coastal evolution preceded the expansion of paddy field rice farming [J]. Proceedings of the National Academy of Sciences of the United States of America, 2020, 117(39): 24138-24143. doi: 10.1073/pnas.1919217117
[43] 胡慧娟, 张娆挺, 陈剑榕. 福建闽江口外海岸植物生态[J]. 海洋学报, 2001, 23(5):110-115 HU Huijuan, ZHANG Yaoting, CHEN Jianrong. Plant ecology of the outer coast of the Minjiang River Estuary in Fujian [J]. Acta Oceanologica Sinica, 2001, 23(5): 110-115.
[44] Twiss P C, Suess E, Smith R M. Morphological classification of grass phytoliths [J]. Soil Science Society of America Journal, 1969, 33(1): 109-115. doi: 10.2136/sssaj1969.03615995003300010030x
[45] Madella M, Lancelotti C. Taphonomy and phytoliths: a user manual [J]. Quaternary International, 2012, 275: 76-83. doi: 10.1016/j.quaint.2011.09.008
[46] 徐德克, 李泉, 吕厚远. 棕榈科植硅体形态分析及其环境意义[J]. 第四纪研究, 2005, 25(6):785-792 XU Deke, LI Quan, LÜ Houyuan. Morphological analysis of phytoliths in palmae and its environmental significance [J]. Quaternary Sciences, 2005, 25(6): 785-792.
[47] Astudillo F J. Soil phytoliths as indicators of initial human impact on San Cristóbal Island, Galápagos [J]. Palaeogeography, Palaeoclimatology, Palaeoecology, 2018, 490: 522-532. doi: 10.1016/j.palaeo.2017.11.038
-
期刊类型引用(0)
其他类型引用(2)
计量
- 文章访问数: 40
- HTML全文浏览量: 2
- PDF下载量: 33
- 被引次数: 2
