海底地质沉积分析 -海底沉积岩一般是什么岩

文丨凌乱的毛笔头

编辑丨凌乱的毛笔头

前言

e- e# X6 ]% H( J3 G

海地区是最复杂和动态的系统之一，因为潮汐流、水流和波浪对沿海沉积物的共同作用导致其地貌变化迅速。表层沿海沉积物的粒度分析和结构特征为定义和揭示水动力条件以及沉积过程提供了有用的信息。

2 f& n+ x6 A; O& C6 I0 k

沉积物样本的采集不可能沿着整个海岸线进行，造成了关于沿海沉积物分布的信息的缺乏。有必要预测所有未采样位置沉积物的粒度。

$ P( f1 I) L0 X4 Q7 q% `

! T% f2 F |! _) M3 ?0 [

为了克服这一限制，空间插值和地质统计技术的应用已被推荐用于不同科学领域的参数分布，尤其是降雨和降水数据，水文地质学和地下水分析环境和生态研究，工程地质学和土壤液化和土壤科学。

北海表层沉积物特性的制和预测

' E& k" j" K' w* q

空间分布的地质统计学方法也被推荐用于沉积物特性的制和预测以及沿海和海底沉积物的生成。Meiliandaetal实施了多元地质统计学，以生成高分辨率的中值粒度分布并以测深作为辅助信息而得名。开发了具有三个参数的Cokriging，以构建预测性多参数沉积物类型。

Bockelmann应用带外部漂移的克里金法对北海表层沉积物中泥浆粒度分数和中值粒度的相对比例进行差值估计。尽管对沉积物空间分布的研究多如牛毛，但几乎所有研究都是在海床上进行的，而不是在自然灾害影响大、人类活动多发生的海岸线附近。

$ u8 Z3 Y; H% P9 i6 n

重点关注靠近海岸线的区域，以制作可用于沿海地区不同应用的地。出版物都同意，各种形式的克里金地质统计方法在沉积物分布中具有很高的预测精度，特别是如果与其他高度相关的变量结合使用。与为确定性方法实施的直接原则相反，地质统计技术具有包含随机性参数的优势。

克里金法的另一个优点是，它考虑了相邻观测值之间的空间自相关性，用于计算插值表面和未采样位置的预测值最近，已经开发出更先进和复杂的插值方法。

在大多数应用空间插值方法进行比较研究的研究论文中，地质统计技术优于确定性方法。在不同的克里金技术中，最有效的是多元协同克里金方法。如果在Co-Kriging中用作辅助信息的变量不相关，则单变量Kriging具有比Co-Kriging更好的准确性和性能。在任何情况下，重要的是每次在数据集中应用最佳空间插值技术以获得最佳结果。

1 F7 l1 g, g9 w, X# U

沿海地区表层沉积物平均粒径的分布

主要目的是比较不同空间插值方法的预测性能，以预测希腊西部模型区沿海地区表层沉积物平均粒径的分布。

执行了四种单变量地质统计学和三种确定性技术。这些方法包括普通克里金法、简单克里金法、贝叶斯克里金法、通用克里金法、径向基函数、局部多项式插值法和反距离加权法。

0 |! \4 L! S- l6 T/ h! t7 t

8 b2 b; v$ q: i1 j

这些插值的预测精度通过交叉验证方法和确定系数测量值和预测值之间。实施和制作可以作为栅格文件提供和使用，用于计算影响海岸侵蚀的许多其他参数，例如用于计算海岸脆弱性指数的岩土参数。

& \, S$ S8 R' f. ]2 A* [

主要目的是评估沉积物的最佳空间插值技术，比较不同的空间分布方法。数据利用最佳插值器构建沉积物。从沿海沉积物的收集开始，对其进行粒度分析，以这种方式提供有用的信息来定义和揭示沉积环境。

- h f0 Z4 M G/ O

将粒度分析结果插入GIS环境中，特别是中值粒度，以生成应用地质统计和确定性方法的空间插值。需要对插值结果进行交叉验证以找到最佳空间插值器。

. _4 p2 V% z) a

粒度分布曲线中计算参数

" z3 [- F, W8 i0 F

每个不同的插值器计算误差、皮尔逊相关系数和R2，具有较高适当性指数值的插值器将被视为最佳插值器。

全球定位系统用于准确记录位置。由于海岸的形态以及由于海岸线附近存在各种结构和房屋而难以进入位置，因此在几个区域进行很困难。

. W, u' i! m+ T- g9 v

收集的表层沿海沉积物样品采用干筛法进行粒度分析，并根据ASTM标准进行分类。从粒度分布曲线中提取并用于土壤分类的沉积物计算参数为D50粒径、均匀系数和曲率系数。

; S& i9 T5 X2 X: Z

几何特性插值器

; H+ g3 F4 }. e2 a

这些是描述特定类型土壤的级配曲线的几何特性。使用GRADISTATV和FolkandWard对数法也被计算。局部多项式插值是一种确定性插值技术，它适合许多多项式数学函数，与全局多项式插值相比，全局多项式插值适合整个表面的唯一多项式函数。

LPI仅使用定义的重叠邻域内的所有点来拟合指定的顺序，该邻域用作邻域中心的拟合多项式中每个预测的值GPI可用于识别数据集中的长期趋势，而LPI可以生成捕捉短期变化的表面。

% K. }2 C6 Q5 W+ n

径向基函数是一种基于人工神经网络形式的插值器在RBF中，生成的表面需要通过每个测量点，同时最小化表面的总曲率。

: z1 H' J8 b: i: e6 r; J

RBF可以预测高于最大值和低于最小值的值。RBF涵盖的插值器基函数包括薄板样条、基于张力的样条、完全正则化样条、多二次函数和逆多二次样条。

$ N( b( Z3 k$ [9 S8 `# q

变异函数和线性混合均值的方法

UniversalKriging是一种具有变化均值的插值方法，趋势被建模为空间坐标函数的线性组合。英国也使用线性趋势函数μ，而不是像其他克里金插值器那样依赖恒定趋势函数μ。

/ ], _& W) E$ k, p& G

趋势在整个场上不是恒定的，而是取决于观察的空间位置。根据Goovarets的说法，UK是一种单变量方法，但一些研究将其归类为多变量，因为它使用了LiandHeap

" i$ q/ W8 A$ U3 t

N; b6 {* n* U/ h

EBK内在随机函数克里金法和线性混合。随机空间过程在局部表示为平稳或非平稳随机场，并且允许局部定义的随机场的参数在空间中变化。贝叶斯克里金法也不同于其他克里金法，因为它考虑了通过估计基础半变异函数引入的误差。

经典克里金技术获得的半变异函数是从已知数据位置评估的，被认为是单一的、真正的半变异函数，它用于通过不考虑半变异函数估计中的不确定性来对未知位置进行预测，从而低估预测的标准误差。

0 Z ~) p/ f/ U1 C

% z7 x( t) W) T7 Z8 m. h

EBK是一种地统计插值方法，它通过对研究区域进行子集化的过程来自动化构建有效克里金的最困难方面，并结合多次获得最佳拟合在过程最终创建了一系列半变异函数，其中每个都是对子集真实半变异函数的估计。

半变异函数的构造需要输入数据的选择，这对最终的插值结果有很大影响。这些输入是最小和最大搜索邻域的数量，特别是对于地统计方法、LPI的多项式阶数、RBF的核函数和IDW。

* I1 l+ e, k. |' K/ s4 b4 ]

数定值与沉积物的粒度

& ?# a6 x" c* c) E' Q, M! f+ ]) P

决定每个输入的最终值的选择，以便最终结果在交叉验证输出中获得尽可能低的错误。有几个地区由于侵蚀而没有海滩，海岸线上每个地区的价值各不相同。这就是为搜索邻域和幂函数选择这些特定值的原因。

' \+ A1 v1 u% A( f2 B: f5 n# q4 H% V

为了使插值尽可能真实，选择了相对较少数量的搜索邻域和等于2的幂，为最近的点提供更大的权重。最终决定选择完全正则化样条函数作为核函数，并在LPI插值器中选择一阶多项式，因为它们在交叉验证中的错误率最低。

% W! t& x4 D4 _- {7 A. R5 H3 T- x

在LogD50的地质统计中，所描绘的分布沉积物的粒度与确定性的相比显示出更少的差异。地质统计方法优于确定性方法。几乎所有地统计方法的统计误差都较低但UK除外，它在所有空间插值技术中的误差最高。

三种不同的确定性

7 ]2 c6 j6 T9 ~5 t' H

测量值与预测值之间的线性回归中的皮尔逊相关系数和决定系数在地质统计插值中高于确定性插值，但英国除外R2的低值。

+ m: A/ {( F! m+ q

IDW和LPI在误差值方面具有相似的行为，但IDW在P.Correlation和R2方面具有更好的性能，因此AI指数将其排在更高的位置。LPI被证明更有效，因为它具有最小的ME和RMSE误差以及更高的P相关性、R2和AILPI。

三种不同的确定性方法的误差值非常接近，并且与在对进行目视检查期间发现的微小差异一致。从交叉获得的误差值验证方法在所有插值中都非常接近，除了英国在所有情况下都有最差的插值器

$ @# k% x- N; B1 v+ e. l, n2 Q }

。

交叉验证的结果和计算值的目视检查一致，尤其是在SK、OK和EBK插值中，它们描绘了相似的分布，差异可以忽略不计。地统计插值优于确定性插值。在大多数结果中，地质统计方法通常比确定性方法具有更好的性能，特别是结合辅助参数。

确定性方法优于地质统计学方法。根据Adhikary和Dash以及Wen的说法，RBF在地下水位预测方面优于OK方法。

9 V- X4 A) G3 e$ x# k4 {' {

+ f" D! `8 t( q( _5 l) j* n

生态系统中沉积物

5 J- D* P6 W: E; d4 Y7 u! J

Zarco-Perello估计IDW在预测海洋生态系统中固着生物的栖息地分布方面优于OK方法，Qiaoetal.推荐IDW在北京土壤As浓度空间预测中的预测精度高于OK。

+ L, r" `8 l! G9 V2 c- G

地统计空间插值提供了类似的结果，关于它们中的哪一个产生更高的预测精度。总体趋势表明OK和EBK表现最好，最佳插值器并不总是相同的。

' L( L9 a' q& Z# W/ O# X! z* y) }

对于沉积物的制作，大多数研究论文采用多变量方法，以构建预测性多参数沉积物，并比较了OK-COK的沉积物分布，推荐使用两者的结合。

6 `: R7 X1 {7 J! ~' L

结语

5 [. u f# b# y' d( U% } ]( J8 \9 D

测深数字高程模型作为辅助变量，通过实施OK和KED生成海底沉积物预测，事实证明KED优于OK。如果辅助变量不相关，则与单变量地质统计学相比，插值并不好，这就是使用Co-Kriging方法的原因。

-

8 w* D4 a3 y: W- x8 L1 X

发生这种情况是因为海岸材料中进行插值时没有大比例的泥质含量和浅水，直到5米深度等值线，进行的用于海岸侵蚀目的而不是用于海底沉积物分布，其中测深参数可用于Co-Kriging。

% q0 [6 S+ b7 A9 C ?3 s& I

建议对不同插值器方法进行比较研究，然后再决定哪种空间插值技术更适合实施，预测能力最高，预测误差最小。这样，就可以针对给定的数据集找到最合适的方法来生成最准确。

* o$ ^3 n% R7 f

参考文献

Al-MamooriSK,Al-MalikiLA,Al-SulttaniAH,El-TawilK,Al-AnsariN(2021)伊拉克纳杰夫市承载力估算的最佳GIS插值方法的统计分析。环境地球科学八十：1—14

+ @5 p; @" A1 {& g

AnaniasDRS、LiskaGR、BeijoLA、LiskaGJR、deMenezesFS(2021)在巴西南里奥格兰德州应用不同插值方法评估年降雨量场。SN应用科学3：

6 ]6 W0 g8 `( H" O: V$ x6 v

ElumalaiV,BrindhaK,SitholeB,LakshmananE(2017)用于绘制沿海地区地下水污染图的空间插值方法和地质统计学。环境科学污染研究24:11601–11617

) d# u( [+ n9 s7 V3 j$ E! {8 v

JeroschK(2013)基于粒度数据的Beaufort陆架地表沉积物类型的地统计绘图和空间变异性。JMarSyst127:5-13

DepountisN、ApostolopoulosD、BoumpoulisV等人(2023)使用多学科方法在帕特雷湾（希腊）进行海岸侵蚀识别和监测。JMarSciEng11:654

7 H' Y( ?% x5 ~% ^- U# d