土壤侵蚀是全球性的重大环境问题之一，流域泥沙来源作为土壤侵蚀研究的核心内容之一，受到广泛的关注和研究。自20世纪70年代起，指纹识别法逐渐成为研究流域土壤侵蚀与泥沙输移的新方法，现已是流域泥沙来源研究的热点^[1-2]。指纹识别法通过采集潜泥沙源地土壤样品以及泥沙汇点沉积样品，分析源汇土壤的属性，筛选出能够识别不同泥沙源地的土壤物化指标作为潜在指纹因子，根据混合模型，定量分析泥沙各来源的相对贡献^[3]。最初指纹法的应用基于对单一诊断指纹(参数)的定性解释，这些指纹因子主要包括泥沙的基本地球物理性质，如粒径、颜色、矿物形态和磁性等；但单一指纹技术有许多缺点，且具有明显的空间局限性，因此复合指纹技术应运而生，如复合核素示踪法^[4-5]，土壤中有机组分^[3]、地球化学元素复合指纹^[6]等，还有近年来兴起的分子标志物^[7]。指纹识别技术能够为流域水土流失现状调查、侵蚀产沙平衡计算、水土保持效益评价、流域水土流失及面源污染治理提供理论指导^[8]。

为宏观掌握指纹识别泥沙来源的发展动态，为水土保持工作开展和土壤侵蚀研究提供参考方向。笔者首先基于1991—2021年累计30年间全球与指纹技识别泥沙来源相关的核心期刊论文进行统计分析，然后统计描述指纹识别泥沙来源研究信息分布现状，进一步分析指纹识别泥沙来源的研究进展与前沿热点。研究结果对优化水土保持措施配置提供重要的科学依据有重要意义。

为统计分析指纹识别泥沙来源领域的研究内容和主要方向，将1991—2021年收录于Web of Science核心合集的article和review，以及中国知网(CNKI) 数据库的科学引文索引、工程索引、北大核心、中国社会科学索引来源文献作为数据源，分别以“指纹”或“泥沙来源”和“fingerprint”or“sediment source”为关键词进行筛选，在中国知网(CNKI)中得到68篇文献，Web of Science检索显示1 358篇。最后检索时间为2021年11月12日。

对指纹识别流域泥沙来源文献进行统计描述，得到研究信息的时间、空间、来源等分布情况，概述指纹识别泥沙来源的研究现状；通过计量分析软件CiteSpace和VOSviewer对文献进行计量分析，归纳指纹识别泥沙来源的发展脉络及近30年间的研究前沿热点。

图中色度条由灰到红代表时间线1991—2021年，节点大小代表文章数量，颜色代表文章的发表年限，厚度代表文章的发表数量，连线代表合作关系，连线的粗细代表合作的紧密程度，颜色代表合作的时间，节点内的红圈代表突变，表示在这个时间段内的发文数量发生突变，括号内数字代表中心性，具有粉紫色外圈代表中心性＞0.1。

近30年文献数量的分布如图 1。1990—1996年处于缓式发展，论文数量仅占总量的2.7%，1997年以后增长速度明显加快，到2019年增长率和论文年发布数达到峰值，分别为46%和130篇，被引频次在2020年达到峰值4 859次，近3年的文章数占总数的比例分别为42.6%和26.8%，说明近些年国内外对该领域有极大的热情和关注度，持续增长的势头依然强劲。特别的，国内文章数量很少，仅仅占外文的7%，说明国内学者更倾向于将文章发于外文期刊。

图 1(Fig. 1)

CNKI：China National Knowledge Infrastructure. WOS：Web of Science。 图 1 1990—2021年指纹识别泥沙来源相关文献数量分布总览 Fig. 1 Distribution overview of literature number related to fingerprint identifying sediment source from 1990 to 2021

中国、美国和英国是研究指纹识别泥沙来源的主要国家。如图 2所示，美国中心性最大，显示其在研究关系网络中的巨大的影响力，2015年左右的时间段是各国合作最频繁的时间段。中国自2018年起发文量大幅增长，在2020年年发文量达到第1名，近几年被引频率也逐渐攀升，但是中介中心性很低，与其他国家的合作较少，说明研究成果的国际影响力不够高，应该加强在该领域的科研创造性。

图 2(Fig. 2)

图 2 文献主要产出国家及其之间的联系 Fig. 2 Main output countries of the literature and the connections between them

根据Web of Science统计数据，在指纹识别泥沙来源文献发布量前15的机构单位中国机构在前15个中占5个。图 3给出主要机构间的合作关系网：分为4个重点区域，1区为中国科学院、美国地质调查局为主要的合作群落。中国科学院发文数量和中介中心性都位居第一。1区域合作机构间地理位置跨度大，机构间联系广泛。近5年活跃度高，所发表的文章影响力中等。2区为英国的洛桑研究所、埃克塞特大学和美国地质调查局为首组成的研究群。该区域机构数低于1区，但是机构间的合作程度高，所发表的文章影响力大，是该领域的领先机构群。3区为西班牙研究委员会为核心的小研究群落，该机构与其他主要机构合作极少，平均被引频次也偏低，论文影响力较弱。4区为以巴黎萨克雷大学为核心的中小研究群落，整个合作群落较为分散，区域联动性较差。

图 3(Fig. 3)

①②③④表示4个重点区域编号. ①②③④ indicates the 4 key area numbering 图 3 文献主要产出机构/单位及其合作联系 Fig. 3 Major institutions of literature output and their cooperation links

作者合作关系如图 4所示，筛选出3个聚类组。Adrian Collins和Olivier Evrard等组成的集群主要是研究土壤侵蚀方面的问题。他们对指纹识别泥沙来源的现有方法步骤进行改进，并且比较各种指纹因子；且群落内的作者近期的文章都开始聚焦于不确定性的研究以及方法的规范^[9-10]。此群整体的研究结果质量和研究热情最高，但是集群作者间的合作强度不高。Will H. Blake和Ana Navas的集群主要在土壤退化这个大框架下进行研究，研究主要集中于对应用校正因子解释广泛的地球化学指纹的粒度和有机质含量差异的一些潜在问题进行尝试性的解决^[11]。

图 4(Fig. 4)

Cluster 0 by Adrian Collins, Olivier Evrard, et al. theme of soil erosion, cluster 1 by Will H. Blake, Ana Navas and others focuses on and degradation 图 4 作者合作及其研究聚类 Fig. 4 Author collaboration and research cluster

根据Web of Science分类学科领域对指纹识别泥沙来源的研究主题进行统计，结果如图 5所示。指纹研究泥沙来源的主要学科领域为环境科学与生态学，地质学，由中心性和数量比例也可以看出，指纹识别沉积物主要集中在环境、生态、地质这3个领域。环境工程领域、土壤科学领域、水资源领域虽然发文量不高，近年来发文数量增势很高，可以判断出它们将是未来指纹识别沉积物来源的主要领域。

图 5(Fig. 5)

右侧色度指相应领域在当年的文献数量占累计文献数量的比例，%。 The chromaticity on the right refers to the percentage of the number of in the corresponding field in the current year to the cumulative number of papers. 图 5 研究领域在2008—2020年间的衍变矩阵分析top 7 Fig. 5 Top 7 of the evolution matrix analysis of the research field from 2008 to 2020

对Web of Science论文进行研究关键词聚类分析，如图 6所示，一共生成10个不同的聚类，标签字体大小代表频次，聚类序号越小所包含的关键词越多，内容越重要。将其进一步分为3个大类，第1大类是指纹因子类(6、8、9、10)，指纹因子类的聚类范围大，研究的主要内容是寻找最适合研究对象的指纹因子和最有效的指纹因子组合；第2大类为分析方法类(1、2、3、4、7)，分析方法大聚类主要内容是获得样品特性的方法、不确定性的分析、模型的改进等。第3大类为研究区域类(5)。研究区域大聚类中农业集水区所包含的关键词最多，表明大部分关于指纹识别泥沙来源的研究都是集中在农业区附近的流域和河流。

图 6(Fig. 6)

1：沉积物指纹、2：混合模型、3：源解析、4：不确定性、5：农业集水区、6：放射性核素、7：构造演化、8：示踪因子、9：多环芳香烃、10：含碳量。 1:Sediment fingerprint.2:Mixing model.3:Source appointment.4:Uncertainty.5:Agricultural catchment.6:Fallout radionuclides. 7:Tectonic.8:Trace element.9:Pahs.10:Carbon. 图 6 关键词及术语共现聚类图谱 Fig. 6 Keywords and terms co-occurrence clustering map

指纹识别技术直接基于泥沙颗粒本身的属性，根据侵蚀泥沙的物理、化学及生物等特性实现源的判别。如表 1所示，现有文献中采用的指纹识别因子，在物理特性方面，Pulley等^[12]使用土样颜色，De Boer等^[13]使用土样颗粒的形态特征。王晓^[14]基于粒度。在化学特性上，Athanasios^[15]利用¹³C、¹⁵N及C/N，Collins等^[16]利用地化元素浓度构，Oldfield等^[17]基于不同的磁性参数。Wallbrink等^[18]利用¹³⁷Cs和²¹⁰Pb_ex，TURNER等^[19]利用REE，其他的如Cooper等^[20]利用生物标志物，Poulenard等^[21]使用红外光谱。

表 1(Tab. 1)

表 1 泥沙来源定量计算模型及指纹因子 Tab. 1 Quantitative calculation model of sediment source and fingerprint factor 模型名称  Model name 指纹因子  Fingerprint factor Slattery模型  Slattery model 泥沙颜色[12]  Sediment color Walling模型[22]  Walling model 土壤颗粒形态[13]  Soil particle morphology Collins模型[16]  Collins model 土壤粒度[14]  Soil particle size Motha模型[23]  Motha model 土壤有机碳、氮[15]  Soil organic carbon and nitrogen Hughes模型[24]  Hughes model 土壤地球化学元素[16]  Geochemical elements 修正的Collins模型[27]  Revised Collins model 土壤不同的磁性参数[17]  Different magnetic parameters of soil Landwehr模型[26]  Landwehr model 放射性核素、稀土元素  Radionuclide and REE 修正的Landwehr模型[28]  Revised Landwehr model 生物标志物、红外光谱  Biomarkers and infrared spectrum

表 1 泥沙来源定量计算模型及指纹因子 Tab. 1 Quantitative calculation model of sediment source and fingerprint factor

国内外学者对定量模型及其结果精度的校准进行深入探索，Walling^[22]基于指纹识别方法的概念模型，在研究中首先提出基于多参数的多元混合模型。Collins等^[16]在此基础上结合有机质含量修正系数进行校准，Motha等^[23]和Hughes等^[24]基于蒙特卡洛模拟法构建模型，Collins等^[25]在研究中提出修正Collins混合模型有效提高混合模型的计算精度，DEVEREUX等构建Landwehr模型，通过最小化平均绝对差来对不同物源的产沙贡献进行定量求解^[26]。目前运用最为广泛的是传统Walling模型。测试和比较多种模型的精确度成为当前研究的固定程序。

表 2表示主要关键词在某时间段的突变。分成3个阶段进行分析。

表 2(Tab. 2)

表 2 前10个主要关键词 Tab. 2 Top 10 main keywords 关键词 Keyword 首次出现年份 First appearing year 次数 Frequency 突现强度 Burst strength 中心性 Centrality 突现年份 Burst year 磁性测量  Magnetic measurement 1995 26 5.184 4 0.05 1995—2003 沉积物  Sediment 1992 163 14.768 3 0.43 1998—2008 识别  Identification 1992 54 4.195 1 0.08 2001—2008 多环芳烃  Pah 1991 61 12.456 2 0.07 2002—2011 差异 Diversity 1996 21 5.708 8 0.05 2010—2015 流域  River basin 2006 25 9.203 8 0.04 2014—2018 农业集水区  Agricultural catchment 2004 21 7.063 4 0.06 2015—2021 不确定性  Uncertainty 2010 20 4.279 8 0.07 2016—2018 来源识别  Source discrimination 2010 31 8.038 1 0.03 2016—2019 粒径  Particle size 2016 28 4.353 4 0.05 2016—2021

表 2 前10个主要关键词 Tab. 2 Top 10 main keywords

第1阶段(1991—2005年)，这时指纹分析法主要用于河口、湖泊等的污染物和沉积物来源的分析，主要分析水、污染物、沉积物的化学组成^[29]，生物粪便中的化学元素含量也被做指纹因子来判断生物对环境的生态作用，这为后来生物标记物识别泥沙来源提供了思路。

第2阶段(2005—2018年)，研究者们开始根据研究区域环境特征选择各种指纹因子，如使用指纹识别法分析城市地下污水扩散源^[30]，通过指纹识别法评估土壤管理与建设对农业生产的影响^[31]。学者们开始对具有复杂指纹因子和更多不确定性的区块进行挑战^[32]。另一边也有学者开始从成本、时间和劳动力需求方面寻找新的指纹识别方法，Martinez-Carreras等^[33]提出基于光谱反射率的指纹识别方法具有相当大的潜力，使用磁化率进行泥沙来源的追踪也被认为是简单且廉价的方法^[34]。

第3阶段(2018—2021年)对整个方法过程中不确定性的研究成为热门，主要集中于发现各种不确定性和量化各种不确定性。如源地识别的不确定性^[35]，样品采集的不确定性^[36]，指纹性质的潜在变化^[37]。

如何在土壤源层划分中考虑成土过程以及需要不同的采样策略来模拟特定的泥沙组成^[37]的也是现在的一个重要问题。研究者开始详细研究沉积物源组的客观分类，如此可以在统计上改善沉积物源之间的区分，并减少不确定性。对泥沙来源的考虑范围开始扩大。研究开始着重考虑沉积物来源的空间和时间变异性，如源区距离、颗粒的大小和有机质含量、泥沙输移时间等。

结合表 2以及相关文献总结出当前的研究前沿为以下3方面：

1) 指纹因子再提升。指纹因子的选择和组合直接决定结果的值以及作用的范围。当前研究调查指纹因子在不同地貌环境中的适用性，给指纹因子及组合的筛选增加除了保守性更多限制条件。指纹因子的时空变异性及其影响、指纹因子基于知识的预选、新型示踪剂、生物标志物的浓度依赖性、等都是当前研究热点。

2) 多样区域和更大流域尺度。近30年的研究大多集中在小流域尺度下的地下地表土壤以及农业集水区的泥沙来源。近几年的研究开始逐渐向更大更多样的方向靠拢。评估大型/中型集水区在更多的源地类型、侵蚀类型，在更加复杂和高度分散的土地利用配置，以及高度动态的土地利用转换率下的泥沙来源。为指纹识别泥沙来源的普遍性研究提供基础。

3) 向实用工具转变。沉积物源指纹识别在全球范围内的流行继续呈上升趋势，但随着这种增长，出现了围绕缺乏标准化和程序多样性的问题。因此，对指纹识别泥沙来源的关键程序细节进行标准化，以确保更高的协调性、可比性和高标准，评估该方法在支持改善水土可持续性管理方面的战略效用。将指纹识别泥沙来源与年份测定相结合、与空间信息的结合以增强源区分和建模、与分析过程集成用于数据处理的软件工具的模型和开发。这些研究工作代表着指纹识别泥沙来源正在逐渐成为一个实用科学的监测和管理工具来为水土保持实践提供信息。

1) 指纹识别法研究泥沙来源在1997年起步入正轨，在2013—2019进入研究高热期，在2019年达到顶峰，2019年后文献数量增势均下降。2)欧洲、北美洲和亚太地区是指纹识别泥沙来源的主要研究区域，以中国、美国、英国、德国为代表。英法德是指纹识别泥沙来源的先驱国家，美国现在是该领域的中心国家，中国虽起步晚，但近5年有巨大进步。3)国际机构主要以中国科学院、英国的洛桑研究所、西班牙研究委员会、巴黎萨克雷大学为中心为4个中心，而美国机构(美国地质调查局)与所有中心机构都有广泛而密切的合作。英国的埃克塞特大学发文质量最高。除了法国机构外，世界上其他机构近3年发文量都处于下降趋势。来自欧洲和美国的研究学者最为活跃，从整体上来看，全球的研究者间的合作程度普遍较低。4)指纹识别沉积物主要集中在环境、生态、地质这3个领域，且正在逐渐的向环境工程领域、土壤科学领域、水资源领域倾斜。研究的主要内容为指纹因子的选取，评价和判断泥沙贡献率的分析方法，重心已经在向不确定性的分析和模型的提升靠拢。5)当前研究前沿主要有3个方面，指纹因子再提升，多样区域和更大流域尺度，向实用工具转变。

前沿研究在尺度上将更广阔，研究视角更透彻深入，在研究数据上的精度更高更准确。现在研究指纹识别泥沙来源的大方向是将其构成有效的、实用的监测工具。具体体现在集中完善方法本身，使其能在所有环境条件下使用，形成一套评估该方法对改善水土可持续性管理方面的潜在战略效用的评价体系等。扩大研究区域的范围以及如何减少该方法的成本也是未来的重点研究方向之一。