沉积物是一种对物源、风化、剥蚀和搬运过程敏感的信息载体，能反映流域地质、地貌和沉积等环境与过程（李德文等，2015）。碎屑物质以机械搬运为主，第四纪沉积物埋藏浅，成岩时间短，粒度组成一般变化不大，利用粒度粒形特征重建沉积环境是地貌学与第四纪地质学研究的重要内容之一。图像法通过对样品大量颗粒的逐个测量来评估样品沉积物粒径和粒形特征，是对样品粒度和粒形特征最直观的表达，被 IUGS-COS（国际地科联沉积委员会）认定为检验和评估其他粒度分析方法可靠程度的标准（Kennedy et al.，1991; McCave et al.，1991）。利用图像法对激光法获得的粒度分析结果进行评估已有个别报道，但主要集中在滨岸和河流等较为单一的过程（康艳蕊等，2014; 王有鹏等，2019; 王克强等，2020），针对更多的堆积环境和沉积类型中激光法测试结果的评估尚有待深入。笔者等以川西南凉山州境内多组第四纪沉积物为研究对象，对比分析图像法和激光法实验提供的粒度信息，目的在于探讨不同沉积环境下沉积物图像法与激光法粒度分析结果的异同，结合图像法获得的粒形参数，分析沉积物粒度、粒形特征，为图像法在沉积物粒度粒形分析中的应用提供方法基础和解释依据。

1 区域地质地理概况

研究区位于四川省凉山彝族自治州西北部，地处青藏高原东南部横断山脉中段，是青藏高原向东南云贵高原的过渡地带，整体地势北高南低，并略向东南倾斜。水文上位于金沙江左岸几个支流流域，包括雅砻江、理塘河、无量河（水洛河上游河段）等。雅砻江是金沙江最长的一级支流，在四川省境内先后流经甘孜、凉山两州，最后在渡口市东北三堆子汇入金沙江。理塘河发源于巴塘县北夏塞雪峰南面，向东流入理塘县境，于县西北夹沙注入干流，理塘河支流多且其中大部分短而小，主要以垂直形式汇入干流，形成羽状水系。水洛河是金沙江一级支流，出稻城县后进入木里段，其上段称为无量河，从木里县西北东朗乡的额斯入境，由北向南纵贯木里西部（四川省地方志编纂委员会，1996）。

研究区大地构造位置比较特殊，地壳运动较为强烈，褶皱、断裂构造十分发育，构造线近南北向展布（四川省地方志编纂委员会，1998）。区域地层从下元古界至第四系均有出露（图1），最老的地层为下元古界，岩性为云母石英片岩、钠长片岩及大理岩。上三叠统杂谷脑组—两河口组海相地层在研究区内分布最广，具厚度巨大的变砂岩板岩、变砂岩板岩夹灰岩。出露较广的地层还有上二叠统变基性火山岩泥砂质岩，三叠系似斑状二长花岗岩夹少量黑云母花岗岩、钾长花岗岩、花岗闪长岩，下奥陶统人公组和瓦厂组变砂岩板岩。由于新构造运动强烈，区域地貌崎岖起伏; 复杂的地质和地理格局导致了复杂的地貌和沉积环境，造就了多样化的沉积类型。

2 材料与方法

2.1 样品采集

在研究区不同流域部位的小环境内采集松散沉积物样品 6 组，并按照采样点附近居民点进行分组编号（图2）。

东朗剖面（DL，图2a）见于木里藏族自治县西北部东朗乡绒佐村乡木里北，地貌部位为无量河左岸小支流绒佐河右岸三级台地，为支沟冲积扇扇体残余; 拔河高度约 30 m。采样剖面为乡村便道开挖形成的人工剖面，剖面高约 2 m，剖面出露地层颜色为浅黄色，局部呈灰色。层理不明显，为一套混杂堆积物，杂基支撑。砾石次棱角状为主，粒径 1~5 cm，个别可达 20 cm 以上; 砾石组构具有一定的优选性，扁平面以平卧为主。基质以粗粉砂为主; 下部以中、粗砂为主，向上逐渐变粗，到上部过渡到中砂为主。根据地貌部位和物质组成，判断该剖面沉积物为泥石流沉积（崔之久，1996）。自下而上从剖面采集样品 3 个，为砾石间基质部分。

DL—东朗剖面; GL—吉里河源区; JL—吉尔剖面; KL—卡拉剖面; MS—棉沙剖面; XH—小海剖面

DL—Donglang profile; GL—Gili Riverhead; JL—Jier profile; KL—Kala profile; MS—Miansha profile; XH—Xiaohai profile

吉尔剖面（JL，图2b）出露于木里县麦日乡北约 5 km、东朗乡西南约 13.8 km 处，剖面为无量河右岸公路（东朗乡至麦日乡）开挖形成，剖面出露高度约 2 m。地貌上位于无量河右岸二级阶地。剖面主体为灰色混杂堆积物，底部见砂层出露，黄色—黄褐色，粒级以中砂为主，质地均一; 上界面成弧形上拱，下部未完全出露; 厚度 10~60 cm。出露厚度横向变化大，为未完全出露的砂质透镜体（Miall，2006）。从下部砂质透镜体内采集样品 1 个。

卡拉剖面（KL，图2c）位于雅砻江右岸木里县卡拉乡乡政府西北约 2 km 处。卡拉乡所在的雅砻江八窝龙段南北向谷地，位于木里县与九龙县之间南北向雅砻江谷地的中段。地貌上具有谷中谷的组合特点，上部为大型宽谷，宽度约在 3~5 km，高度约 2400~3000 m。宽谷中央为现代雅砻江河谷，树枝状谷地强烈下切形成嶂谷。卡拉乡附近的谷底海拔约 1900 m。上部宽谷局部残留平台，宽谷东西两侧向外地势愈加陡峭，整体上表现为近南北向延伸的 U 型谷地。在局部出露的剖面，部分出露厚层的混杂堆积物，砾石表面擦痕丰富，具有典型的冰碛物特征; 部分剖面暴露强烈的变形特征，卷入物质包括下伏基岩地层和未固结的松散砂层，具有冰川构造的变形特征。采样剖面为卡拉乡至县城公路开挖出露的断面，在地貌上为上部宽谷的西缘。剖面高度约 1.6 m，沉积物整体上以灰绿色为主，无明显层理; 剖面物质大小混杂，杂基支撑; 砾石以次圆状—次棱角状为主，粒径可达 20 cm，部分可达 30 cm 以上。砾石岩性复杂，以片麻岩、千枚岩和板岩常见，也见辉绿岩、辉长岩等。多数砾石（尤其是细粒基性岩类砾石）表面普遍发育擦痕。基质部分粉砂为主，见云母类矿物; 呈绿色，松散。综合判断剖面沉积为冰川成因形成的冰下碛（崔之久，2013; Benn et al.，2014）。自下而上采集样品 5 个。

棉沙剖面（MS，图2d）位于冕宁县棉沙镇南公路里侧，为道路开挖形成的人工剖面，高约 3 m。地貌上为雅砻江左岸二级阶地沉积。剖面沉积物以灰色为主，粒级从极细砂到粗粉砂，局部含炭屑; 层理发育，近水平，具有典型的河漫滩垂向加积特点（Miall，2006）。自下而上采集样品共 5 个。

小海剖面（XH，图2e）位于木里县最北端的博窝乡日窝村小海居民点附近，其高处东侧的雅砻江谷底海拔达 1000 m 以上。所处地貌表现为海拔约 3150 m 的平台上的小丘，小丘主体部分由灰色含砾砂组成，砾石含量低，呈杂基支撑结构，基质以极细砂为主。剖面底部出露地层偏红色，砾石较多，但基质偏细，以粉砂为主，内部存在变形迹象。根据地貌及沉积结构构造特征，推测剖面底部为冰川形成的底碛或变形碛（Aber et al.，2007），上覆主体堆积部分为冰川消融过程中冰川边缘局部水体内的冰水沉积，水动力条件弱，并接受上游冰筏带来的砾石等（Benn et al.，2014）。共采集 8 个样品，其中 XH01~07 沿小丘南坡裸露地面自上而下采取，XH08 采自下伏砖红色混杂堆积物（南坡民宅附近人工开挖出露的断面）内。

除剖面沉积物，本研究还在木里县唐央乡理塘河右岸支流河源区现代沟谷内（GL，图2f）采集了 3 个现代河道沉积物样品。该河段坡降超过 0.1，具溪瀑（cascade）特征（ Schumm，2005），表现为激流。河道以砾石堆积为主，部分粒径 1 m 以上。枯水期局部见小型边滩，由浅黄色砂构成。样品采集于枯水期小型边滩。粒度从细砂、极细砂到粗粉砂。其中 GL01 取自水下，其余为出露于气下的滩面沉积物。

2.2 样品测试

现场采集样品 50~100 g 带到室内风干，取 0.5~0.6 g 样品置于烧杯内，加入 900 ml 水搅拌浸泡。为减少前处理对测试结果的影响（ Matthews，1991a），保证样品间对比，未作化学处理。静置 24 h 至样品充分分散后上机测试。图像法粒度用德国 SYMPATEC 公司生产的 QICPIC 动态颗粒图像分析仪测试，湿法进样，使用 M4 镜头（ 量程 2~682 μm），测试过程中的光学浓度控制在 1%~2%之间。激光法用 SYMPATEC 公司 HELOS 激光粒度仪测试，密度设为 2.65 g / cm ³，Heywood 形状因子设为 1（以简单方式计算非球体颗粒的体积比表面积），使用 R1、R4、R7 共 3 个镜头联测（总量程为 0.18~3500 μm），光学浓度控制在 20%~30%之间。利用仪器自带系统 Windox 导出每个样品的动态图像法粒度粒形数据库和激光法累积体积分布数据。

2.3 数据处理

粒度统计参数通过对样本中颗粒大小的分布进行描述和分析，能在一定程度上揭示材料的性质、成分和行为。粒度分布统计参数可以用来定义累积分布的位置、斜率和某些不规则性的性质，表征分布曲线特征，并允许在样品之间进行数值比较。沉积学中常用的参数有 4 类:均值粒径（Mz）表征颗粒平均大小，分选系数（ Sd）指示样品围绕中值粒径的扩展，偏度（Sk）指示粒径扩展到平均粒径的对称度，峰度（Kg）为中间浓度颗粒的集中程度。对粒度参数的估算通常使用数学矩法（Moment）和图形法（Graphic）两种。图形法将从样品累积分布曲线上得到的值直接输入已建立的公式，该方法特点是简单、计算量小; 数学矩法使用从粒度分析样品中获取的每一颗粒的信息特征进行计算，更能反映样品粒度分布变化的细节，但计算工作量大。为评估不同测试手段（图像法和激光法）和不同计算方法（数学矩法和图形法）的差异，笔者等用两种统计方法对两种测试所获数据分别进行计算。为了便于两种方法的对比，参考已有公式（Boggs，2014），对图形法和数学矩法的峰度计算公式做了修正。其中图形法计算公式采用:

$Kg=\frac{{\phi }_{95}-{\phi }_5}{2.44\left({\phi }_{75}-{\phi }_{25}\right)}-1$

数学矩法公式采用:

$Kg=\frac{\sum f{\left(m-{\stackrel{-}{x}}_{\phi }\right)}^4}{100{\sigma }_{\phi }^4}-3$

对于正态分布的样品，两公式算得的峰度均接近 0。

激光法以测试系统导出的间隔 0.2 φ [φ 为沉积学中常用的粒径单位，其与 mm 的关系为:D/ φ =-log₂（D/ mm）] 的累计分布数据为基础，利用前述相关公式进行计算。动态图像法粒度参数的计算以每个样品的粒度、粒形数据库为基础，颗粒数在几十万—几千万量级，每个颗粒具有 14 个粒度参数和 5 个粒形参数。笔者等所用图像法粒径为颗粒等积径（Diameter of equivalent projected circle，D_E），以颗粒体积为权重计算粒度多种粒度分布参数，并与激光法对比。粒形方面，利用粒度、粒形参数构建等积径—球度（Sphericity，Sp）二维密度分布图，用于样品颗粒粒度粒形分布特征分析以及与沉积环境之间关系的探讨。数据处理和制图主要利用 Julia 语言编程实现，多阶统计参数以及计算过程中的百分位数值等的获取主要利用 StatsBase. jl 包完成。

3 结果与分析

3.1 粒度分析

基于全部样品的动态图像法和激光衍射法测试结果，通过图形法和数学矩法计算，所获粒度分布统计参数分别见表1 和表2。动态图像法采集的单个样品颗粒数（表1 第二列）从几十万到两千多万。根据图像法数学距计算结果，样品平均粒径在 1.34~5.52 φ 范围。以极细砂和粗粉砂为主，个别可达中砂级别。

3.1.1 数学矩法与图形法估算结果对比

从表1 可见，数学矩法和图形法所获参数整体上存在明显的差异。动态图像法测试结果的同阶矩法参数与图形法参数构成的散点图及其线性拟合结果见图3a—d。图形法与数学矩法的 Mz 相关性好，拟合优度极高（r ² = 0.99，图3a），二者差值大多小于 0.1 φ（图3e）; Sd 线性拟合优度 r ² = 0.92（图3b），但数学矩法 Sd 几乎全部大于图形法（图3b、f）。从整体上看，两种计算方法获得的Mz、Sd、Sk和Kg值（从低阶到高阶矩）表现出一定的相关性，但相关性从低阶到高阶逐渐降低，拟合优度从 0.994 到 0.473; 从拟合线斜率上看，低阶矩（Mz、Sd）接近理想值 1，高阶矩（ Sk 和 Kg）分别为 2.31 和 4.57。两种计算方法所获 Sk 和 Kg 的投影和拟合结果（图3c、d）表明，拟合线与理想线的交点在原点（0，0）附近，这表明对于接近正态分布的样品（Sk 和 Kg 接近 0），其数学矩法与图形法的 Sk 相差甚小，Kg 相差也甚小。进一步观察发现，随着 Sk 和 Kg 的增加，数学矩法与图形法间 Sk、Kg 的差值线性增大（图3g、h）。其中图像法与数学矩法间偏度差值（Sk_dg-Sk_dm）与偏度的线性拟合优度 r ² = 0.92（图3g），拟合斜率-0.74; 峰度差值（Kg_dg-Kg_dm）与峰度的线性拟合优度 r ² = 0.99（图3h），拟合斜率-0.9，严重偏移理想斜率 0。

注:Mz—样品粒度分布的均值粒径; Sd—样品粒度分布的分选系数; Sk—样品粒度分布的偏度; Kg—样品粒度分布的峰度; d—动态图像测试技术; g—参数估计图形法; m—参数估计数学矩法; 粒形种类表示不同粒形组合特征分类，A 为单颗粒簇，B 为双颗粒簇，其中 B1 指示两个颗粒簇占比相当，B2 表示粗颗粒簇占比更大、球度更高; B3 表示两颗粒簇在等积径-球度二维密度分布图上占比相当，且均呈条带状分布，详解见 3.2 节。 D/ φ=-log₂（D/ mm）。

对于激光法测试结果，数学矩法和图形法参数之间也存在类似的趋势。图4a—d 为 4 种参数的散点图和拟合结果。很显然，从低阶到高阶，相关性逐渐降低（线性拟合优度从 0.99 降至 0.50，理想值为 1），线性拟合斜率依次为 0.92、0.71、3.29 和 7.29（理想值 y = x 用红色虚线表示）。数学矩法和图形法 Mz 线性拟合优度 r ² = 0.99，但较粗样品与理想直线存在显著偏移，中砂级样品可达 0.3 φ（图4e）; 两计算方法所获 Sd 线性拟合优度 r ² = 0.93（图4b），但大部分样品数学矩法 Sd 大于图形法 Sd（图4f）; 尤其在 Sd<2 时，差异特别明显，差值可达 0.4。图4c、d 显示两计算方法所获的偏度和峰度。对于接近正态分布的样品（ Sk 和 Kg 接近 0），两种数据处理方法获得的偏度和峰度值基本相当; 当 Sk>0，随着 Sk 值增加，两方法之间的差值随 Sk 线性增大，Kg 也呈现这样的趋势。前者拟合优度和拟合斜率分别为 0.97 和-0.837（图4g），后者拟合优度和拟合斜率分别为 0.99 和-0.931（图4h），严重偏移理想斜率 0。

注:Mz—样品的均值粒径; Sd—分选系数; Sk—偏度; Kg—峰度; l—激光衍射测试技术; g—参数估计图形法; m—参数估计数学矩法。

数学矩法参数在计算过程中考虑到样品粒度分布的全部细节，可视为粒度分布参数的最佳估值。数学矩法与图形法计算的参数对比表明，两种均值粒径之间存在良好的相关性，二者大体上可以互换; 两种标准差之间差异非常明显，图形法参数不能完全反映样品变化的实际情况; 更高阶参数间的相关性则迅速减弱（峰度 r ²≈ 0.5），线性拟合斜率也偏离理想值 1，其中峰度拟合斜率可达 7 以上。图3g、h 和图4g、h 还表明一个事实:对于 Sk 和 Kg，图形法与数学矩法计算结果的偏差并不是随机的，而与样品本身的 Sk 和 Kg 值大小密切相关。此外，对于 Sk 和 Kg，数学矩法通常较图形法具有更大的取值范围，客观上具有表征样品粒度更多细节变化的潜力和优势。

数学矩法和图形法之间的差异，本质上体现了图形法在处理非常规样品时显著存在的局限性。在有条件的情况下，采用数学矩法估算粒度分布的各项参数将优于图形法，尽管会增加一定的计算工作量。

3.1.2 图像法与激光法对比

图5 展示图像法和激光法两种测试方法所获结果的投影。图5a—d 是图形法参数的对比，图5e—h 是数学矩法参数的对比。可以看出，激光法与图像法获得的粒度参数中仅有 Mz 存在中等程度的相关（图5a、e，r ²≈0.5），而 Sd（图5b、f）、Sk（图5c、g）和 Kg（图5d、h）等高阶参数相关性弱，r ²≈0.5 或更小; 标准差、偏度和峰度拟合直线（紫色实线）与理想位置分布线 y = x（红色虚线）大角度斜交。这一事实表明，无论采用数学矩法计算还是图形法估算，如果以图像法作为检验激光法粒度参数有效性的标准，激光法的各项参数中仅平均粒径具有一定的统计意义，其他高阶参数实际上难以表征样品真实的分选程度、对称性和峰态特征。

Mz—均值粒径; Sd—分选系数; Sk—偏度; Kg—峰度; d—动态图像测试技术; g—图形法估值方法; m—数学矩法估值方法; A、B—粒形种类; B1~B3—种类 B 的次级分类; 虚线—样品参数投影的理想位置; 实线—线性拟合结果; 深色阴影区—99%置信区间; 浅色阴影区— 95%置信区间;（a~c）和（d）分别指示两种计算方法（图形法和数学矩法）所获均值粒径（ a）、分选系数（ b）、偏度（ c）和峰度（ d）的关系，横轴为图形法结果，纵轴为数学矩法结果;（e~g）和（h）显示两种计算所获参数之间的差值与数学矩法所获参数的关系，横轴代表数学矩法结果，纵轴代表两种计算结果的差

Mz—mean grainsize; Sd— sorting coefficient; Sk—skewness; Kg—kurtosis; d—dynamic image measurement; g—graphic method; m—moment method; A, B—grain shape types; B1 to B3— subtypes of category B; Dashed line—the ideal position of the sample parameter projection; Solid line—linear fitting results; Dark shaded areas—99% confidence interval; Light shaded area—95% confidence interval; ( a) — ( d) indicate the relationship between the mean grainsize (a) , sorting coefficient ( b) , skewness ( c) and kurtosis ( d) obtained by the two calculation methods ( graphic and moment methods) respectively, the horizontal axis is the results of the graphic method, the vertical axis is the results of the moment method; (e) — (h) show the relationship between the difference of parameters obtained by the two calculations and the parameters calculated by moment method, the horizontal axis is the results of moment method, the vertical axis is the difference between the two calculations

Mz—样品均值粒径; Sd—分选系数; Sk—偏度; Kg—峰度; l—激光衍射测试技术; g—图形法估值方法; m—数学矩法估值方法; A、B—粒形种类; B1~B3—种类 B 的次级分类; 虚线—样品参数投影的理想位置; 实线—线性拟合结果; 深色阴影区—99%置信区间; 浅色阴影区— 95%置信区间;（a）—（d）分别指示两种计算方法（图形法和数学矩法）所获均值粒径（a）、分选系数（b）、偏度（ c）和峰度（ d）的关系，横轴为图形法结果，纵轴为数学矩法结果;（e）—（h）显示两种计算所获参数之间的差值与数学矩法所获参数的关系; 横轴代表数学矩法结果，纵轴代表两种计算结果的差值

Mz—mean grainsize; Sd—sorting coefficient; Sk—skewness; Kg—kurtosis; l—Laser diffraction measurement; g—graphic method; m—moment method; A, B—grain shape types; B1 to B3— subtypes of category B; dashed line—the ideal position of the sample parameter projection; solid line—linear fitting results; dark shaded areas—99% confidence interval; light shaded area—95% confidence interval; ( a) — ( d) indicate the relationship between the mean grainsize ( a) , sorting coefficient ( b) , skewness ( c) and kurtosis ( d) obtained by the two calculation methods (graphic and moment methods) respectively, the horizontal axis is the results of the graphic method, the vertical axis is the results of the moment method; (e) — (h) show the relationship between the difference of the parameters obtained by the two calculations and the parameters calculated by moment method, the horizontal axis is the results of the moment method, the vertical axis is the difference between the two calculations

Mz—均值粒径; Sd—分选系数; Sk—偏度; Kg—峰度; d—动态图像测试技术; l—激光衍射测试技术; g—图形法估值方法; m—数学矩法估值方法; A、B—粒形种类; B1~B3—种类 B 的次级分类; 虚线—样品参数投影的理想位置; 实线—线性拟合结果; 深色阴影区—99%置信区间; 浅色阴影区—95%置信区间; 子图（a）—（h）显示两种测试数据所获均值粒径（a，e）、分选系数（b，f）、偏度（ c，g）和峰度（ d，h）的关系，横轴为动态图像法结果，纵轴为激光法测试结果。（a）、（b）、（c）和（d）计算方法为图形法，（e）、（f）、（g）和（h）计算方法为数学矩法

Mz—mean grainsize; Sd—sorting coefficient; Sk—skewness; Kg—kurtosis; d—dynamic image measurement; l—Laser diffraction measurement; g— graphic method; m—moment method; A, B—grain shape types; B1 to B3— subtypes of category B; Dashed line—the ideal position of the sample parameter projection; Solid line—linear fitting results; Dark shaded areas—99% confidence interval; Light shaded area—95% confidence interval; The subgraphs (a) ~ (h) shows the relationship between the mean grainsize (a, e) , sorting coefficient (b, f) , skewness (c, g) and kurtosis (d, h) obtained by the two measurements, the horizontal axis is the results of dynamic image method, and the vertical axis is the results of laser diffraction method. (a) , (b) , (c) and (d) are calculated by graphic method, and (e) , (f) , (g) and (h) are calculated by moment method

3.1.3 粒度分布曲线对比

图像法和激光法获取的样品粒度分布曲线见图6，各剖面或样点分布曲线在峰值、峰态和位置表现不一。与图像法曲线相比，部分样品激光法峰位向粗端偏移，如 DL、GL 以及 MS 组样品; 部分样品激光法峰位向细端偏移，如 KL、JL 组样品。大部分样品图像法最高峰值大于激光法，如 DL、JL、KL 和 XH 组样品; 也有部分样品激光法最高峰值大于图像法，如 XH 组样品。整体上看，DL 组样品两方法峰值粒径差距最大，GL 组次之; 对于 KL 和 XH 组样品，两种测试所获峰值粒径比较接近，其中最接近的样品为 KL03、XH08。部分样品激光法分布曲线显示有明显双峰，如 DL、KL 与 MS 组样品; 而图像法粒度分布多为单峰。

实线—激光衍射法，虚线—动态图像法:（a）东朗剖面（缩写 DL）;（b）吉尔剖面（缩写 JL）;（c）卡拉剖面（缩写 KL）;（d）棉沙剖面（缩写 MS）;（e）小海剖面（缩写 XH）;（f）吉里河源区（缩写 GL）

Solid line —laser diffraction method, dashed line—dynamic image method: (a) Donglang profile (DL) ; (b) Jier profile (JL) ; (c) Kala profile (KL) ; (d) Miansha profile (MS) ; (e) Xiaohai profile (XH) ; (f) Gili Riverhead (GL)

两种测试结果分布曲线的差别，主要源于天然沉积物组成的多矿物属性，样品形态的多样性和两种测试方法量程上的差异。研究区构造和变质作用导致复杂多样的岩性和矿物组合，故物源区泥沙补给条件在很小的空间和时间尺度上可能发生大的变化。对于激光法，样品的多矿物和多形态特征导致测试过程很难设置合适的折光率和形态因子; 较宽的测试量程会在一定程度上降低分布曲线的峰值。然而，激光法量程宽既不能解释部分样品存在反向的峰值变化，也不能解释两种测试方法重合量程内出现的峰位偏移和峰态特别的差异。

3.2 粒形分析

粒形影响沉积物的搬运与沉积动力。具有某一粒径的颗粒可能包含了不同的粒形组分，而不同的粒形可能指示了颗粒的多种矿物性质（ Jonasz，1991; Matthews，1991b）。对于激光粒度分析等常规方法而言，粒径和粒形是无法解耦的（Ehrlich et al.，1980）。存在多种量化粒形的参数，如圆度、不规则度、球形度、长宽比（Aspect Ratio）以及凹凸度（Convexity）等（SYMPATEC 公司，2010）。已有研究指出球度、长宽比以及凹凸度可以对河流砂以及湖滩砂进行有效的区分（Friedman，1961）。笔者等基于等积径—球度二维密度分布，对样品粒度粒形关系进行探讨。为了减少极粗颗粒对样品整体密度分布水平的影响，笔者等将每个样品用于绘图的颗粒数量控制在同一水平，并剔除累计体积超过样品总体积 5%的最粗的颗粒。根据等积径（diameter of equivalent-projected-area circle，D_E）—球度（sphericity，Sp）二维密度分布特征（图7），全部样品可以划分为单颗粒簇（A）和双颗粒簇（B）两个大类、4 个小类（见表1 第 11 列）。 A 类样品在二维密度分布图上相对集中一处，所在环境主要为现代山区河流沉积环境的河道内的砂坝单元。如 GL 组位于现代山区河道，JL01 位于阶地剖面内的砂质透镜体，其堆积环境无疑是水洛河河道内的砂坝。另外，河漫滩堆积如棉沙剖面下部样品 MS01~03 也具有单簇特征。漫滩沉积整体上属于洪泛加积的弱动力环境，但在水流变迁的过程中，水流局部强化和淘洗作用加强是可以预见的，这必然导致沉积物细粒组分的流失。棉沙剖面下部 3 个样品的均值粒径在极细砂、细砂级别（2.13~3.85 φ），略粗于上覆粉砂层（MS04~05，4.23~4.42 φ），表明剖面下部堆积时动力条件强于上部。这可能是其粒形表现类似于河道的原因。

横坐标为等积径（D_E），纵坐标为球度（Sp）; 密度分布考虑体积权重（根据等积径计算）

The abscissa is diameter of equivalent projected area circle (D_E) and the ordinate is the sphericity (Sp) ; the density distribution considers the volume weight (calculated according to D_E)

A、B—粒形种类; B1~B3—种类 B 的次级分类; 实线椭圆代表冰水沉积包络线，虚线椭圆代表冰碛物包络线

A, B—grain shape types; B1~B3—subtypes of category B; the solid ellipse represent the envelope of glaciofluvial deposits, and the dashed ellipse represent the envelope of glacial tills

B 类样品具有两个相对集中的颗粒簇。根据颗粒簇展布特征的差别，可识别出 3 个亚类:

第一亚类（B1）两个颗粒簇在分布图上占比相当，均呈团簇状; 粒径范围相当，但可根据球度范围分为一高一低两组。这类样品来自东朗剖面混杂堆积物中的基质部分（DL 组样）。从其物质组成和结构、构造特征来判断，认为属于泥石流堆积物。除了物源组成的多样性外，在搬运和堆积过程中，尤其缺乏有效的动力分选。

第二亚类（B2）两个颗粒簇占比显著不同。其中粒度较粗的颗粒簇球度也更高，且球度跨度大，这一簇含量占比大; 粒度较细的颗粒簇球度也更低，且球度跨度小，这一簇含量占比小。 B2 类样品可能代表了两种泥沙搬运方式下的沉积特征:较粗颗粒对应牵引流搬运，较细颗粒对应悬浮搬运。结合野外观察，MS 剖面下部 B2 样品可能代表漫滩过程牵引流和悬浮两种搬运方式下的沉积; 而 XH 剖面主体除了反映类似的沉积过程外，剖面内砾石和砂的大量存在，可能反映冰筏过程的广泛参与。

第三亚类（B3）存在两个占比相差不大的颗粒簇，两颗粒簇均有着明确的等积径—球度线性延伸条带，两簇的球度均随着粒径变细而增加，但延展方向略有差别。其中，一簇球度随粒径变化更快（斜率更高），延展范围更窄，另一簇球度随粒径变化慢（斜率更低），延展范围更宽，后者的线性关系更明显。这类样品主要采自 KL 组冰碛剖面，小海剖面最底部的 XH08 样品也具有类似特征。它们在等积径—球度密度分布图中呈线性条带分布的颗粒簇，可能代表冰川运动过程中冰下环境物理磨蚀作用持续进行，其粒度分布主要位于粉砂级范围，与传统认识（ 机械磨蚀最细只能到粉砂级）也是一致的（Benn et al.，2014）。至于另一簇颗粒，可能代表了不同搬运途径物质的最终混入（冰内物质磨蚀机会较少，冰上物质一般没有磨蚀）。

4 讨论

4.1 粒度测试技术和处理方法的选择

图像法以数据库的形式对样品颗粒大小和形态进行逐个表达，是对沉积物粒度、粒形特征的最直观的采样，也是国际地科联唯一推荐的粒度分析方法，可以用于检验其他粒度分析方法的可靠性。诸如薄片观察一类的传统图像法粒度分析的应用，主要受制于采样数也即颗粒数目过少，长期以来难于推广。动态图像法可以在很短的时间内（几分钟）范围内获得海量（几十万至上亿）颗粒的多种粒度和粒形信息; 在突破传统图像法局限的同时，还能结合粒形特征对沉积物进行更全面的分析和解释。动态图像法为图像法的应用拓展和推广提供了基本保障。结合粒度粒形数据库，有望为深入研究沉积物总体的粒度和粒形特征提供新的契机。

传统上，估算沉积物粒度分布参数大多采用图形法，但这种技术上本质上是对真实粒度分布参数的一种近似估计。图形法究竟能在多长程度上代表颗粒总体真实分布特征，长期以来没有得到有效地检验。基于图像法数据的数学矩粒度参数计算考虑了样品每个被测颗粒的贡献，理论上最有可能反映样品间分布的差异。包括笔者等在内的已有的工作表明，图形法所获得粒度参数估值，对于非正态分布的样品，仅低阶参数与样品实际情况接近。其实际偏差究竟如何评估和剔除，这方面的探索还有待深入。

4.2 粒度—粒形特征与沉积环境的关系

天然沉积物粒度、粒形特征既受到物源区岩性组合和风化剥蚀环境的影响，也与搬运、沉积介质和动力环境密切关联。利用粒度—粒形数据获取沉积环境信息，是沉积学研究的重要内容之一。图8 集成了图像法数学矩法参数构成的 Mz—Sd 和 Sk—Kg 散点图。从中可以看出某些沉积类型或采样位置的样品在散点图上具有显著集中的趋势。例如，以 KL 组为代表的冰碛物基质部分颗粒在两散点图中的分布均较为集中，反映样品基质部分在很大程度上具有相同的物质来源和搬运磨蚀经历。以小海剖面主体部分为代表的冰水沉积物，在两图上点的分布也比较集中。泥石流成因的东朗剖面（DL 组）样品，Sd 随 M_Z 增大而减小，表明同一地点样品颗粒越细，分选越好。河流沉积，无论是河道砂坝（ sb）还是漫滩沉积（ fp），粒度参数在散点图中均表现出极大的变异范围。这一特点可能与山区河流沉积蚀积过程在时间和空间上的高频变化有关。

粒形方面，基于粒度—粒形分析获得的颗粒成簇性表现出与沉积环境密切相关的特点（图8）。总体上看，在有水作为自由流体参与的水力搬运沉积系统中，沉积物大多表现出单簇特点（A 类），例如河道沉积砂坝。而泥石流沉积、冰水沉积和冰碛物，大多表现出双簇特点，但在颗粒簇的相对占比和展布形态特征方面存在显著差别，分别对于前述形态特征分类中的 B1、B2 和 B3 子类，具体特征已在 3.2 节讨论。特别有趣的是，与其他类型的沉积物相比，冰川和冰水沉积中的细粒或基质部分在图8 中集中分布，表现出非常相似的粒度粒形特征（图8a、b 中实线椭圆代表冰水沉积的分布范围，虚线椭圆代表冰碛物的范围）。另外，漫滩沉积在粒形方面部分与河道沉积雷同，部分与冰水沉积雷同，可能与漫滩不同堆积阶段水动力条件的强弱有关。仅就笔者等调查的剖面而言，不同样品组的粒度特征存在明显的差别，可以视作物源条件、动力过程以及沉积环境共同影响的结果，粒度特征和沉积环境在一定程度上可互相印证。更多复杂背景和蚀积条件的沉积物具体表现如何，还有待后续研究。

5 主要认识

基于凉山州内不同沉积环境下 6 组样品的粒度粒形特征研究，笔者等主要获得了以下认识:

（1）就计算方法而言，数学矩法和图形法的 Mz 几乎一致（相差<0.1 φ），尤其是细粒样品几乎没有差别; 数学矩法与图形法的 Sd 强相关，但数学矩法通常更大。对于正态分布样品来说，图形法 Sk 和 Kg 与数学矩法近似; 对于远离正态分布的样品，图形法不能反映样品分布的真实偏度和峰度。

（2）如果以图像法作为检测激光法有效性的依据，激光法仅均值粒径与图像法存在中等相关性，其他高阶参数与样品的实际分选程度、偏度和峰度几乎没有关联性。

（3）图像法与激光法所获得粒度分布、峰态、峰位和峰值规模存在显著差异。与以往得出的图像法均值粒径比激光法粗的认识不同，本研究发现在某些山地环境沉积物激光法粒度可能比图像法更粗。除了量程本身的差异外，我们认为天然沉积物的多矿物属性（影响激光法折光率的设定）和多形态特征（影响形态因子的设定）是导致激光法粒度分布有别于图像法的更主要的因素。

（4）粒度—粒形分析可用于区分沉积物内部不同的颗粒簇，这些颗粒簇还可能具有不同的平面展布形态。这些信息结合形态参数，为沉积环境分析提供了新的潜力和机会。

致谢:四川省凉山州应急管理局为本研究野外调查提供了大力支持; 审稿专家和责任编辑为本文的修改和完善提供了建设性意见。笔者等对以上单位和个人致以诚挚的谢意。

参考文献