2.1.1 国内南方红土研究进展

有关我国南方红色风化壳性质、特征、发育模式及其环境意义的认识, 在20世纪90年代取得了诸多进展, 在方法上, 也由过去的土壤学方法为主转向以地球化学方法为主。南方红土研究大致可分为3个阶段: 20世纪30年代至60年代的成因研究时期; 20世纪70年代至90年代的年代的层学研究时期; 2000年至今的环境变化与旧石器文化研究时期^[12]。隋淑珍等^[13]从磁性地层、年代地层、生物地层、气候地层、同位素地层和旋回地层6个角度, 总结了中国红土地层的主要研究情况; 徐则民等^[14]综述了中国南方碳酸盐岩上覆红土形成机制研究进展; 陈秀玲等^[15]从红土成因、年代学研究及红土与古环境演变等方面, 对中国南方第四纪红土研究进展进行了详细论述与总结, 提出目前红土研究中存在的问题以及未来研究重点。

关于我国南方红土的物质来源和成因类型, 存在冲积、洪积、风积和坡麓堆积风化等不同看法。一些学者认为在肯定水成说的同时, 也不应排除局部地区网纹的冰川、生物和砾石风化成因及与新构造运动有关^[16]。普遍认为, 我国南方红土型风化壳的形成是东亚夏季风和热带— 亚热带暖湿气候环境下化学风化作用的产物。袁宝印等^[12]按发育程度的不同, 将红色风化壳划分为红化土风化壳、红壤土风化壳和砖红土风化壳3种; 朱照宇等^[17]将红色风化壳划分为基岩风化壳和松散沉积风化壳; 李凤全等^[18]将网纹红土分为均质和非均质网纹红土。

许多学者开始探索提取南方红土中蕴含的环境信息, 试图与黄土-古土壤序列的环境变化旋回建立对比关系。刘彩彩等^[19]系统地总结了近年来我国南方红土磁性地层年代学研究方面的进展; 黄镇国等^[20]认为我国南方红色风化壳从古近纪至今均有形成, 且现今的风化壳是古风化壳的继承; 刘东生等^[21]认为, 早更新世是红土发育时期, 中更新世是红土最发育时期, 形成网纹红土; 席承藩^[22]则认为华南富含铁铝氧化物的红色风化壳是热带— 亚热带高温高湿条件下的产物, 主要形成于第四纪; 朱照宇等^[17]指出中国南方第四纪时期, 几次杂色黏土和网纹红土的发育时间, 与早更新世1.8~1.6 Ma BP海相第四纪底界气候转换事件、0.9~0.7 Ma BP“ 中更新世革命” 的气候周期转型事件、0.5~0.1 Ma BP的气候适宜期和0.07~0.01 Ma BP末次冰期— 冰消期大规模海退-海进事件等地质-气候事件大体同时。

有关我国南方红土环境地质灾害问题的研究有: 李万能等^[23]综述了南方红壤丘陵区崩岗成因机理的研究进展; 朱照宇等^[17]指出广东沿海存在着3大红土环境问题, 以及红土的土壤退化与污染、土壤侵蚀和崩岗等土壤综合环境灾害系列。

2.1.2 国内风化壳覆盖区地质调查进展

特殊地区地质填图工程自2014年启动以来取得了一系列进展, 在此仅重点介绍中国地质科学院地球物理地球化学勘查研究所喻劲松等发表的《特殊地质地貌区填图物化探技术应用》^[24]研究成果。

广东罗定地区为华南温暖湿润景观, 岩石物理风化较弱, 化学风化强, 元素淋失明显, 风化产物中难觅原生矿物碎屑及岩屑。区内广泛分布花岗岩类岩体, 经强烈风化作用形成巨厚红色风化壳, 给填图工作带来了困难。喻劲松等^[24]在研究广东罗定等4幅联测强风化填图时, 指出目前获得的区域地球物理、地球化学分布规律, 是复杂地质作用的客观反映, 利用计算机处理海量区域地球物理、地球化学数据, 从中提取丰富的地质信息, 对区域地质调查工作具有重要的参考意义。岩石地球化学判别方法是通过主量、微量、稀土元素以及同位素等的变化分布示踪, 从微观逆向推断宏观地质信息的方法, 可用于解决诸如岩石成因、时代、物源、岩石类型、矿物种属及微相等更为精细的地质填图问题。

在研究内蒙古复兴城等4幅联测时, 指出在隐伏地质体探测时, 采用“ 重磁” +“ 氡-汞联合测量” 的联合勘探技术, 可以有效避免重磁多解性和氡-汞气测量易受环境干扰的缺陷, 是提高探测精度、增强准确性的成熟、经济、快速的技术方法。此外, 在活动断层的探测方面, 氡-汞联合测量已成为地震部门用来监测活动构造的重要技术方法。

2.2.1 风化壳地球化学填图

2.2.1.1 风化壳多元素地球化学数据填图

澳大利亚中部Padbury、Bryah、Yerrida这3个元古宙盆地面积近2 000 km², 90%被风化壳覆盖。Davy等^[25]对其进行了地球化学专题研究, 认为在Yerrida盆地, 来自铁镁质岩石的风化壳比附近覆盖在沉积岩之上的风化壳更富含CaO、Ga、Sc和V, 同时可利用MgO、Cr、Cu和Ni区分不同类型的镁铁质单元。在Padbury盆地风化壳更加富含铁质、MnO、P₂O₅、As、Ba、F、Pb和Th。风化壳中K₂O、Ba和Sr含量的变化与下伏基岩由花岗岩变化到沉积岩有关, 大多数水系沉积物和片状冲积物保留了下伏基岩的化学成分。因此, 风化壳地球化学填图有助于确定下伏基岩的分布情况及其矿化潜力(图1)。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 Cu, Pb, Zn, As, Sb, Fe2O3+MnO地球化学元素标准化后评估成矿潜力[25]Fig.1 Mineralization potential assessment based on the combination of standardized geochemical elements: Cu, Pb, Zn, As, Sb, Fe2O3+MnO[25]

2.2.1.2 风化壳氡气地质填图

由于氡气现场测量受季节性影响较大, 为进行氡气土壤地质填图, 需开发一种在1 a内任何时候都能进行野外现场氡气测量和氡气潜力填图的方法。英国地质调查局TalbotŁ 等^[26]在不同的氡气潜力基岩区表层采集了大量的土壤和气体样品, 对每一个地质单元, 分别采集了有冰积物覆盖样品和无冰积物覆盖样品, 土壤和土壤气样品采集在相同的深度(60~100 cm)。采用现场土壤氡气测量、实验室氡气射气分析和野外铀伽玛能谱分析3种方法, 进行了大量的对比研究, 评估了现场氡气测量的有效性和时效性。3种方法的比较结果显示, 新的现场土壤氡气测量能提供最有效的地球化学标志, 为野外现场全天候氡气土壤地质填图提供了可能, 也为新构造研究提供了技术手段。

2.2.1.3 风化壳Sr同位素地质填图

为研究地球陆地表面化学元素成因及其搬运和分散系统, Asahara等^[27]以日本中部爱知县为例, 借助Sr同位素比率, 进行了地球化学填图和物源分析。在区分表层沉积物质来源方面, Sr同位素比率是非常有用的示踪剂, 尤其是基岩出露较低的地区, 因为没有遭受过显著的风化作用和搬运作用。反映水系沉积物的⁸⁷Rb/⁸⁶Sr-⁸⁷Sr/⁸⁶Sr变化图清晰地揭示了基岩的差异(图2)。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 毗邻后飞保町变质岩区西部的稻川花岗岩区水系沉积物87Rb/86Sr-87Sr/86Sr变化图[27]Fig.2 Plot of 87Rb/86Sr-87Sr/86Sr for stream sediments in Inagawa granitic area adjacent to western Ryoke metamorphic rock area[27]

日本群岛大多数基岩被植被、土壤和居民区覆盖, 该次研究采集了1 219个水系沉积物样品, 在室内进行Sr同位素分析。Sr同位素比率的区域变化显示: 在日本西部和东南部, Sr同位素比率较高, 该区沉积岩和变质岩分布广泛; 在日本中部, Sr同位素比率较低, 该区花岗岩分布广泛。研究表明采用Sr同位素进行地球化学填图是非常有用的, 揭示了未出露基岩的分布和表层沉积物的搬运情况。

2.2.2 风化壳地球物理调查

在深切割山区、基岩出露较差区、深风化且广泛分布区、植被茂密覆盖区以及难以通行的地区, 传统地质填图面临很大挑战。在此类特殊地质地貌区进行地质填图, 地球物理调查显得尤为重要。

2.2.2.1 航空电磁法

Gonzá lez-Á lvarez等^[28]在尼尔居民区应用航空电磁法有效探测了风化壳横向和垂向变化: ①风化壳厚度的变化为2~65 m; ②覆盖在残积层之上搬运来的沉积物和硅质砾岩单元广泛分布, 厚度为5~45 m, 且具有低导性, 这些硅结砾岩单元在横向上变化较大, 由完全胶结到可渗透; ③探测出古河道网络的存在和盖层沉积结构特征。其团队在此基础上建立了风化壳三维结构模型, 为风化地区地质调查起到了示范作用。目前, 众多地质学家认为, 与地质背景结合并受其约束的航空电磁法, 是揭示风化壳结构最有前景的方法。

2.2.2.2 航空伽马能谱测量法

航空伽马能谱测量能较好地反映岩石特征, 但对风化壳物质及其分布特征反映较差。de Figueiredo Iza等^[29]得出在风化作用过程中, 由于地球化学的重组, 放射性元素会重新分配, 风化壳和风化物质具有高eTh值、低K值和低— 中eU值(图3和图4)。然而仅依据eTh/K、eU/K的比值不足以判断风化壳, 必须与航天飞机雷达地形测绘(shuttle radar topography mission, SRTM)值和地质特征结合起来, 采用布尔和模糊数学方法, 赋予不同的权值来进行判断。实验表明, 模糊数学法对比度较高。这种方法已在巴西亚马逊红壤风化壳调查方面得到了广泛的应用。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 亚马逊剖面中K、eU、eTh随地形起伏图[29]Fig.3 Profile of K, eTh, eU with the topographic relief in Amazon section[29]

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 亚马逊剖面中eTh/K、eU/K随地形起伏图[29]Fig.4 Profile of eTh/K, eU/K with topographic relief in Amazon section[29]

2.2.2.3 电阻率层析X射线摄影技术

Ritz等^[30]采用电阻率层析X射线摄影技术, 研究覆盖在塞内加尔东部2种基底之上几十米厚的风化壳电阻率特征。其二维电阻率剖面揭示了花岗岩基底之上风化壳的不均一性, 解释了大量风化壳信息, 即风化壳由不饱和红土物质组成的近地表表层土有较高的电阻率, 中间包含少量水的黏土层具有较低的电阻率, 花岗岩基底具有极高的电阻率, 形成了典型的三明治结构。电阻率层析X射线摄影技术方法的使用, 主要取决于由物理、化学、水文地质参数决定的风化壳电阻率的差异。不仅可以识别风化壳横向不均匀性, 还可识别垂向岩性的变化, 但要与山地工程所揭露的岩性面对比验证, 且不同深度的风化壳应采用不同的电极距, 测量不同深度风化壳视电阻率。研究结果表明, 电阻率层析X射线摄影测量结果与野外露头基本一致, 是一种快速且经济可行的热带地区花岗岩风化壳填图方法。

2.2.2.4 高光谱遥感地质填图

风化过程涉及矿物成分和结构的变化, 新鲜岩石中长石的含量及结构是决定强风化的关键参数, 高光谱影像可反映地貌景观形成过程中岩性和矿物的变化及地貌和气候参数。Riaza等^[31]通过在野外和实验室利用光谱仪测得风化岩石的光谱曲线, 进而对光谱曲线加工处理, 最后得出可识别岩性变化的光谱特征, 与野外进行的地质验证吻合度高, 效果好。研究表明高光谱影像可帮助厘定风化带前锋和不同风化程度的花岗岩, 有助于评估剥蚀作用对地形的控制程度, 有助于制作土壤流失和保护图。另外, 无人机高光谱遥感技术也成功地应用于特殊地貌区地质填图领域。

2.2.3 风化壳综合地质调查

乌干达地质勘探程度低, 风化强烈, Bahiru等^[32]利用陆地卫星TM、SRTM和潜在的数据库(放射性测量和磁学), 对乌干达Buhweju强风化地区进行了综合地质填图。应用图像处理和增强技术改进各种航空航天数据的质量, 如放射性合成图像的融合和增强处理。与多光谱遥感数据和陆地卫星数字高程模型结合, 可较好地识别岩性, 依据类似的放射性测量信号, 可厘定和圈出各种基底岩石单元。航空电磁数据揭示了研究区有价值的岩性与磁异常的关系, 厘定了NNE向和NNW向构造体系, 圈定了找矿靶区。研究指出, 航空电磁与地质背景中的地层、矿物、地球化学、钻探、地貌景观的有机结合, 在揭示风化壳结构方面将成为有力的工具, 这对风化壳占主导的地区开展找矿勘查有着重大影响。

2.2.4 土壤地质填图

以往地质图很少表达土壤的内容, 然而这些信息对了解第四纪地质和地貌形成过程非常有用。Costantini等^[33]以意大利中部蒙塔娜拉第四纪古土壤为例(该区更新世土壤参数来源于常规土壤调查、专题调查及研究成壤作用的分析数据), 研究出一套利用土壤调查和古土壤研究成果资料来生成第四纪覆盖层详细地质图的方法(图5)。通过定义“ pedostratigraphic level” (即土壤地层被定义为土壤成因的特征组合层, 且这些土壤形成于有一定风化程度、与标准土壤可对比年龄的物质), 依据土壤地层图中的风化壳厚度和最老土壤层年龄, 来生成第四纪地质图, 依据土壤对比的年龄、厚度和地貌景观, 来详细划分第四系, 丰富图幅内容。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 蒙塔娜拉第四纪覆盖层地质图[33]Fig.5 Geological map of the Quaternary cover in Montagnola[33]

2.2.5 随机森林岩性预测法

随机森林法是一种监督分类法, 需要对每个有代表性的岩性进行训练, 以便进行预测或专题填图(图6), 而地球化学数据和伽马能谱数据是岩性预测的最好参数。Harris等^[34]借助随机森林岩性预测法, 采取2种训练方案, 分别采用内插主要和次要的地球化学数据及航空电磁和航空伽马能谱测量数据, 对加拿大北部Hearne太古宙和古元古代构造域大部分岩性进行了预测, 制作了有意义的岩性预测图, 并进行了野外验证, 取得了较好的效果。研究表明, 这种方法有助于在预测地质与传统地质不匹配及出露较差的地区进行野外地质填图。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 随机森林法工作流程[34]Fig.6 Random forest classification process[34]