Självständigt arbete vid Institutionen för geovetenskaper
2017:
21
XRF-analys av atmosfäriskt stoft
från en löss-sekvens i Ungern
från den senaste istiden
Susanna Åberg
INSTITUTIONEN FÖR GEOVETENSKAPER
Självständigt arbete vid Institutionen för geovetenskaper
2017:
21
XRF-analys av atmosfäriskt stoft
från en löss-sekvens i Ungern
från den senaste istiden
Susanna Åberg
INSTITUTIONEN FÖR GEOVETENSKAPER
Copyright © Susanna Åberg
Publicerad av Institutionen för geovetenskaper, Uppsala universitet (www.geo.uu.se), Uppsala, 2017
Abstract
XRF-analysis of atmospheric dust from a Hungarian loess sequence from the last glacial
Susanna Åberg
Dust is aeolian, clastic silt material that has been eroded from exposed land surfaces, blown via the atmosphere and deposited as loess sequences in other areas in the world. Loess contains information about changes in the climate all the way back to the beginning of the Quaternary, approximately 2.5 million years ago.
Research shows that a lot of the European dust was deposited during the last glacial of the Quaternary period, which was from approximately one hundred thousand to ten thousand years ago. One loess sequence is located in Madaras in southern Hungary and is 10 meters thick, in this project, dust samples from the sequence have been analyzed with XRF (X-ray Flourescence). The analysis shows which and what percentage of elements the samples contain, which in turn will help to reconstruct climate from the last glacial. The analysis was conducted using a XRF machine called Bruker S1 Titan and was done at Uppsala University in Uppsala, Sweden. Interpreting of the results, as well as comparing with earlier research, will help to understand climate changes from the latest glacial by examine weathering and dust source.
The result indicates that information about past climate is preserved at the site, because of the conclusion that says that weathering has had a weak but distinct effect on the dust deposited at Madaras, and that the dust source changes do not have affected the studied sequence.
Key words: climate changes, dust, loess, Hungary, XRF
Independent Project in Earth Science, 1GV029, 15 credits, 2017 Supervisor: Thomas Stevens
Department of Earth Sciences, Uppsala University, Villavägen 16, SE-752 36 Uppsala (www.geo.uu.se)
Sammanfattning
XRF-analys av atmosfäriskt stoft från en löss-sekvens i Ungern från den senaste istiden
Susanna Åberg
Stoft är ett eoliskt, klastiskt silt-material som blåst från exponerade områden via atmosfären och avsätts i form av löss-sekvenser på andra ställen i världen. Dessa sekvenser utgör ett naturligt arkiv som innehåller information om tidigare förändringar i klimatet ända bak till kvartärtidens början för ungefär 2.5 miljoner år sedan.
Mycket av stoftet i Europa avsattes under senaste istiden som var för cirka hundra tusen till tio tusen år sedan. En löss-sekvens är lokaliserad i Madaras i södra Ungern och är tio meter tjock, för det här projektet har stoft-prover från sekvensen
analyserats med röntgenstrålning. Analysen visar vilka och vilken halt av grundämnen som stoftproverna från de olika nivåerna innehåller, vilket i sin tur hjälper till att rekonstruera klimat från den senaste istiden. Röntgenstrålningen har genererats av en apparat som heter Brukar S1 Titan och utför metoden XRF som står för X-ray Flourescence, vilken har utförts på Geocentrum på Uppsala Universitet. Tolkning av resultatet samt jämförelse med tidigare forskning ska hjälpa till att förstå klimatförändringar från senaste istiden genom att undersöka vittring och
ursprungskälla.
Resultatet indikerar på att information om klimat är bevarat i sekvensen, då slutsatsen är att vittring har haft en svag men tydlig effekt på stoftet som avsatts i Madaras, och att ändringar av stoftets ursprungskälla inte har påverkat den studerade sekvensen.
Nyckelord: klimatförändringar, stoft, löss, Ungern, XRF
Självständigt arbete i geovetenskap, 1GV029, 15 hp, 2017 Handledare: Thomas Stevens
Institutionen för geovetenskaper, Uppsala universitet, Villavägen 16, 752 36 Uppsala (www.geo.uu.se)
Innehållsförteckning
1. Inledning 1
1.1 Bakgrund 1
1.2 Områdesbeskrivning 2
1.3 Hypotes och frågeställning 3
2. Metod 4 2.1 Tillvägagångssätt 4 2.2 Ämnesgranskning 6 3. Resultat 6 3.1 Huvudämnen 6 3.2 Spårämnen 9 3.4 Vittring 9 4. Diskussion 10
4.1 Koppling till klimatförändringar, ursprung och vittring. 10 4.2 Jämförelse med tidigare resultat. 11
5. Slutsats 12
Tack 13
Referenser 13
Bilaga 1 15
1
1. Inledning
Kapitlet tar upp bakgrundsinformation om stoft och dess betydelse för tolkning av klimat, en beskrivning av området som det analyserade materialet kommer ifrån samt en hypotes och frågeställning.
1.1 Bakgrund
Markområden med låg vegetation som till exempel öknar och uttorkade flodsystem är extra exponerade för vind eftersom det är begränsat med växtlighet som kan hålla kvar materialet på marken. Material från dessa platser blåser upp till atmosfären med kraftiga vindar och avsätts sedan i andra delar av världen, stoftet kan färdas upp till tiotusentals kilometer innan det avsätts (Gassó et al. 2010). Den största delen av avsättningen sker framför allt i Nordamerika, Sydamerika, Kina och centrala Europa (Liljegren, R 2017), främst i dalar, avrinningsområden och slättmarker. Det eoliska sedimentet kallas stoft, är gulaktigt och består främst av partiklar i siltstorlek (0,002– 0,063 mm), men kan vara från 0.01 mm upp till cirka 40 mm. Det består främst av kvarts, (40–80%), fältspat, och lermineral (Rousseau, D-D 2013). Det som skiljer stoft från vanliga sedimentära bergarter är att det har blåst via atmosfären samt att det saknar stratigrafi.
Stoft förekommer konstant i atmosfären och vid en viss tidpunkt finns ungefär 20 miljoner ton stoft i atmosfären (Gassó et al. 2010), hur mycket och hur länge stoftet befunnit sig i atmosfären innan det avsatts är viktigt att veta på grund av dess
påverkan av klimatet. Stoft påverkar på många sätt, när det befinner sig i atmosfären och när det sedan avsätts på land och i hav (figur 1). Det stoft som befinner sig i atmosfären har en verkan på jordens temperatur i och med dess effekt på
solinstrålningen (SMHI 2014). En hög halt av stoft i atmosfären har en negativ påverkan på haven genom att det sprider bort den solstrålning som annars skulle absorberas i vattnet, vilket därmed minskar produktionen av ytnära fytoplankton, vilka utgör basen av näringskedjan i både salt- och sötvatten. Dessa plankton påverkas också av vissa spårämnen då stoftet avsätts, stoftet i haven ökar produktiviteten av plankton i havet och minskar därmed halten av koldioxid i atmosfären (Gassó et al. 2010; Nationalencyklopedin 2017).
Figur 1. Bild över stofts avsättning och dess påverkan. Modifierad från Cornwell University.
Materialet avsätts i tio- till hundratals meter tjocka sjok på marken och bildar en så kallad löss-sekvens. Klimatet har ändrats mycket under alla år, vilket också visar sig i sekvensen, stoftet påverkas av till exempel extrem värme, kyla, fuktighet och torka.
2
Stoft som har utsatts för kraftigt regn eller varmare klimat kan genom vittring omvandlas till lössjord, paleosol, vilket visas som röd-bruna horisontella lager i sekvensen (Bradley 2015). Jorden har mest troligt bildats under interglacialer, vilket är perioder mellan istider, eller interstadialer, vilket är en period inom istiden då klimatet blev varmare och isens utbredning minskade.
Stoftet är alltså så magiskt som det låter på så sätt att dess uppbyggnad av löss-sekvenser utgör ett naturligt arkiv som innehåller information för att kunna tolka tidigare förändringar i klimatet enda bak till kvartärtidens början för 2.5 miljoner år sedan.
Forskning visar att mycket av stoftet i Europa avsattes under senaste istiden som varade mellan cirka hundra och tio tusen år sedan (Markovic et al. 2015). En löss-sekvens, Madaras, är lokaliserad i södra Ungern, prover därifrån har analyserats med röntgenstrålning för att få fram vilka och vilken halt av grundämnen som stoftet från de olika nivåerna innehåller.
Tolkning av resultatet samt jämförelse med tidigare forskning ska hjälpa till att tolka klimatförändringar från senaste istiden. XRF är en enkel och relativt billig metod som bland annat används vid analys av stoft. Genom att analysera prover från olika nivåer i löss-sekvensen kan skillnader i kompositionen hos stoftet visas, och därmed olika avvikelser i klimatet, stoftets ursprungskälla samt vittring. Vittringen går att tolka genom att korrelera olika grundämnen med varandra och jämföra olika korrelationer, samt att mäta den magnetiska mottagligheten då den ökar vid vittring (Bradley 2015). Ursprungskällan kan tolkas genom att jämföra sekvensens komposition med andra sekvenser i andra delar av världen, är det stora olikheter så tyder det på en lokal effekt och därmed en liten mängd stoft i atmosfären, om det inte syns så stora skillnader så tyder det på mycket stoft i atmosfären som transporterats lång väg från många olika källor (Stevens 2017).
1.2 Områdesbeskrivning
Det här kanditatarbetet fokuserar på 44 stycken prover med stoft från den senaste istiden, tagna från Madaras, Szeged i södra Ungern, koordinaterna är latitud 46° 02,253 N, longitud 019° 17,241 E, området ligger i södra Ungern vid gränsen till Serbien (figur 2).
Figur 2. Sekvensen i Madaras och dess placering på kartan. Fotografi: Thomas Stevens 2007.
3
Floden Donau slingar sig förbi i närheten av löss-sekvensen i Madaras, dess system med en area på 800,000 km2 är ett av de största i Europa och sträcker sig från norra
Alperna och ner i sydöstlig riktning ner mot Svarta havet. Floden är betydelsefull för många europeiska löss-sekvenser i och med att den, framför allt under senaste istiden, transporterat stora mängder med stoft (Markovic et al. 2015). Stoftet har i slutet av senaste istiden bildat löss-sekvenser i området, den aktuella sekvensen är ungefär 10 meter tjock (figur 3). Sekvensen kallas L1, vilket betyder att det är en sekvens med övervägande löss från den senaste istiden. L1 består av fyra
subsekvenser; H-L1LL1, H-L1SS1, H-L1LL2 och H-L1SS2. H står för Hungary, det andra L:et står för loess (löss) och S för soil (jord). Materialet har avsatts mellan ungefär 40,000–20,000 år sedan, vilket är en kort period i sammanhanget,
avsättningen har alltså skett relativt fort. Årtalen för sekvensen har bestämts genom datering med luminescence, vilket är en metod som mäter när mineralen i fråga senast var utsatt för solljus (King 2014).
Figur 3. Löss-sekvensen med de fyra subsekvenserna, djup samt årtal. Bild: Åberg, S., 2017.
1.3 Hypotes och frågeställning
Den undersökta löss-sekvensen har en paleosol, S2, längst ner, det borde då ha varit ett varmt eller blött klimat eftersom det är det som orsakar vittring och i sin tur paleosoler. Vittringen borde sedan minska vid L2 för att sedan öka igen vid nästa paleosol S1, och återigen minska vid L1, med tanke på Holocen är det rimligt att vittringen ökar igen högst upp i sekvensen då klimatet har blivit varmare. Eftersom sekvensen avsattes under en kort tidsperiod så är det möjligt att stoftet har samma komposition genom hela sekvensen.
Frågeställningen är följande: går det att tyda någon vittring i sekvensen? Är det en eller flera ursprungskällor som har bidragit med stoftet? Ändras källan eller är den densamma genom hela sekvensen? Samt stämmer resultatet överens med globala redan kända klimatförändringar under samma tid?
4
2. Metod
Kapitlet tar upp hur arbetet genomfördes samt en beskrivning av de grundämnen som kommer undersökas närmare.
2.1 Tillvägagångssätt
Projektet har genomförts genom inläsning av bakgrundsinformation och jämförelse med tidigare forskning med hjälp av artiklar, samt laboration med XRF.
Analysmetoden XRF går ut på att genom röntgenstrålning få fram vilka och vilken halt av grundämnen som stoftet från de olika nivåerna innehåller. Av resultatet kan förändringar i tidigare klimat, ursprung till det aktuella stoftet, samt vittring tolkas.
Från löss-sekvensen har stoft från 44 nivåer från ungefär varannan decimeter, mellan 0,6-10,1 meter används för analys i projektet, proverna togs år 2007 av Thomas Stevens med flera. Stoftet mortlades till lämplig storlek för att få materialet mer homogent genom att krossa eventuella leraggregat för att underlätta analysen, för att sedan placeras i små plastburkar, en för varje prov (figur 4 och 5)
Figur 4. Undertecknad häller soft stoft ur kopparrör som snart ska mortlas. Foto: Pettersson, K. 2017.
Figur 5. Stoft mortlas av undertecknad. De färdigförberedda proverna skymtas i bakgrunden. Foto: Pettersson, K. 2017.
XRF står för X-ray Flourescene och är detsamma som röntgenstrålning. Den här metoden används på till exempel stoftpartiklar för att avgöra vilka grundämnen som materialet innehåller. Metoden går ut på att mäta energiintensiteten hos de
förekommande grundämnena. Det sker genom jonisering då strålen träffar och slår ut en elektron i det inre skalet hos en atom, platsen tas upp av en annan elektron som flyttar sig från ett av de yttre skalen.
5
Energin vid förflyttningen skapar elektromagnetisk strålning, vilken studsar upp till en detektor som läser av strålningen och dess energi, energin beror på vilken atom det är. Varje analys görs med många strålar samtidigt och resultatet visar den totala halten av varje förekommande grundämne (TemaNord, 2009).
De grundämnen som utgör 95% av jordens skorpa och som är de primära ämnena som bildar berg kallas för huvudämnen (engelskans major elements) och är följande i ordning efter atomnummer: O, Na, Mg, Al, Si, P, K, Ca, Ti, Mn, Fe. (SGS, 2017). Medelvärdet för de förekomna huvudämnenas på de olika höjdnivåerna i sekvensen beräknades och ämnena plottades en och en mot sekvensens djup för att se
eventuella variationer i de olika nivåerna. Huvudämnena korrelerades även med varandra för att se variationerna i klimatet, då fallet ofta är att det ena ämnets värde beror på vad det andra ämnet har för värde, ett ämne kan bete sig olika beroende på vilket ämne det plottas mot, därför är det nödvändigt att plotta varje ämne mot
varandra. Plottningen gjordes med samtliga huvudämnen, med två ämnen åt gången på respektive diagram, där de två ämnenas samband visas som en gemensam punkt i diagrammet.
En trendlinje kunde tas ut och med den ett r2-värde som räknades om till ett
r-värde. Ett r-värde beräknades även för varje enskild subsekvens för att se eventuella avvikelser i någon av subsekvenserna, det gav dock ingen märkbar skillnad då alla fyra trendlinjer i stort sätt följde hela sekvensens trendlinje, varför bara de diagram med endast en trendlinje valdes att användas för fortsatt undersökning.
r är Pearsons korrelationskoefficient och beskriver styrkan hos det linjära
sambandet mellan två ämnen i en skala från -1 till +1, ju närmre gränsvärdena desto bättre samband, vid 0 är det inget samband. Ett negativt tal visar en negativ trendlinje och ett positivt tal visar en positiv. Tabell 3 visar r-värden för huvudämnenas
respektive korrelation med varandra. För att bestämma graden av styrka på r-värdena så används Evans guide (1996) som består av fem nivåer (tabell 1).
Tabell 1. Evans guide över indelning av olika styrkor på r.
+/- Gradering 0,00–0,19 Väldigt svag 0,20–0,39 Svag 0,40–0,59 Måttlig 0,60–0,79 Stark 0,80–1,0 Väldigt stark
För att förtydliga så har graderingarna färgmarkerats, och likaså de olika ämnenas respektive styrka med motsvarande grad. Genom att undersöka om och i vilken utsträckning stoftet har vittrats kan tidigare förändringar i klimatet tolkas, stoftet vittrar till jord vid ett vått och/eller varmt klimat.
För att beräkna graden av vittring matematiskt används tre stycken ekvationer. Chemical Index of Alteration (CIA), Chemical Proxy of Alteration (CPA) och Chemical Index of Weathering (CIW) (tabell 2) (Buggle et al. 2011). CIA korrelerar Al mot Na, Ca och K för att komma fram till graden av vittring av fältspat. Na, Ca och K har egenskaper som gör att de har tendensen att försvinna från sekvensen i samband med att Al vittrar. (Nesbitt & Young 1982; Buggle et al. 2011).
6
Tabell 2. Ekvationer för att beräkna vittring.
CIA (Al2O3/( Na2O +Al2O3+K2O+CaO)*100
CPA (Al2O3/( Na2O +Al2O3)*100
CIW (Al2O3/( Na2O +Al2O3+CaO)*100
2.2 Ämnesgranskning
Mobila grundämnen kallas de som är lättpåverkade, till exempel kalcium. De som inte påverkas så lätt kallas immobila och dess halt är mer eller mindre bestående vid vittring. Grundämnet Si förekommer i stor mängd i mineralet kvarts, vilket är det mineral som är dominerande i stoft. Kvarts är väldigt vittringsbeständigt vilket gör Si till ett immobilt ämne. Al finns i fältspat och utgör även det en stor del av partiklarna i stoftet, vid vittring så kan ämnet bilda svårlösliga oxider som ökar vittringsgraden. Grundämnena Ca, Mg och Sr är vanligt förekommande i vittringskänsliga silikater som till exempel pyroxen, amfibol och biotit (Buggle et al. 2011; SAO/NASA ADS 2016). Både Ti och Al är immobila, de utgör tillsammans med Si de mest immobila grundämnena (Buggle et al. 2011; Sheldon 2009). Ti är ett ämne som är immobilt och därmed mer eller mindre bestående vid vittring, ämnet varierar med olika
bergarter medan Al är relativt konstant, det gör att korrelationen Ti/Al är gynnsam för att tolka stoftets ursprungskälla (Sheldon 2009). Ni/Ti-ration är även den bra för att tolka ursprungskällan till materialet. Rb är immobilt och är bestående vid vittring på grund av dess stora jonradie. Rb/Sr är en korrelation som är känd för att tolka vittring. Sr och Ca är mobila och har liknande egenskaper som varandra, Sr kan ersätta Ca i karbonater. Ca/Ti en korrelation som är bra för att tolka vittring på grund av det vittringskänsliga ämnet Ca (Buggle et al. 2011).
De korrelationer som valdes ut för vidare undersökning är Ca/Ti och Ti/Al samt mot djupet: Ni/Ti och Rb/Sr baserat på ovanstående.
3. Resultat
Resultatet delas in i huvudämnen, spårämnen samt beräkning av vittringsgraden genom ekvationer.
3.1 Huvudämnen
Följande huvudämnen upptäcktes genom XRF-analys, här i ordning efter procenthalt med störst först: Si, Al, Ca, Mg, K, Fe, K, P och Ti. Huvudämnena korrelerades med varandra för att se variationerna. Plottningen gjordes med samtliga huvudämnen, med två ämnen åt gången på respektive diagram, där de två ämnenas samband visas som en gemensam punkt i diagrammet. En trendlinje kunde tas ut och med den ett r2-värde som räknades om till ett värde. I tabell 3 nedan visas resultaten för
r-värdet för respektive korrelation, ju närmare 0 desto sämre korrelation och ju närmare 1 och -1 desto bättre korrelation.
7
Tabell 3. Par-korrelerade huvudämnen från prover från den ungerska sekvensen Madaras samt dess respektive Pearsons korrelationskoefficient, r, vilken har färgats enligt graderingen i tabell 1. r Al Ca Mg Fe K P Ti Mn Si 0,48 -0,49 0,38 0,02 0,34 -0,25 0,14 0,21 Al -0,63 0,01 0,77 0,92 -0,32 0,71 0,46 Ca 0,01 -0,39 -0,61 0,64 -0,33 -0,23 Mg -0,14 -0,13 -0,33 0,03 0,36 Fe 0,88 -0,19 0,89 0,61 K -0,29 0,77 0,50 P -0,20 -0,17 Ti 0,62
Enligt Evans guide (1996) (tabell 1), har tre av 36 par av ämnen (Al/K, Fe/K och Fe/Ti) en väldigt stark relation. Åtta par (Al/Fe, Ca/K, Ca/P, Al/Ti, Fe/Mn, K/Ti och Ti/Mn) visar en stark relation.
De korrelationer som valdes ut för vidare undersökning är alltså Ca/Ti (figur 6) och Ti/Al (figur 7), samt mot djupet: Ni/Ti (figur 8) och Rb/Sr (figur 9), baserat på
beskrivning under rubrik 2.2. Se övriga korrelationer i bilaga 1 samt mot djupet i bilaga 2.
Figur 6. Ca/Ti plottade mot varandra.
Figur 7. Ti/Al plottade mot varandra.
R² = 0,1083 5 7 9 11 13 15 17 19 21 23 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 Ca (%) Ti (%) R² = 0,5003 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 5 6 7 8 9 10 11 Ti (% ) Al (%)
8
Ca/Ti visar en negativ korrelation, r-värdet är 0,1 vilket säger att korrelationen är väldig svag. Tre punkter är speciellt avvikande.
Ti/Al visar en positiv korrelation, r-värdet är 0,5 vilket är en måttlig korrelation. Endast en punkt är tydligt avvikande.
Figur 8. Korrelationen Ni/Ti plottad mot djupet av sekvensen. Markeringar visar de två paleosolerna H-L1SS1 och HL1SS2.
Figur 9. Korrelationen Rb/Sr plottad mot djupet av sekvensen. Markeringar visar de två paleosolerna H-L1SS1 och HL1SS2.
Ni/Ti visar små variationer som går fram och tillbaks genom hela sekvensen, det syns ingen generell trend. Det syns inte heller någon förändring mellan de olika
subsekvenserna. Rb/Sr visar små variationer och en generell trend genom hela sekvensen, trenden minskar med tiden och visar en ökning längst upp. Här syns inte heller någon förändring de olika subsekvenserna emellan.
0 2 4 6 8 10 12 0,001 0,0015 0,002 0,0025 0,003 0,0035 0,004 0,0045 0,005 Dj up ( m ) Ni/Ti Paleosol Paleosol 0 2 4 6 8 10 12 0,2 0,25 0,3 0,35 0,4 0,45 0,5 Dj up ( m ) Rb/Sr Paleosol Paleosol
9
3.2 Spårämnen
Följande spårämnen (figur 10) upptäcktes genom XRF-analys: V, Cr, Ni, Cu, Zn, As, Se, Rb, Sr, Y, Zr, Nb, Mo, Pd, Ag, Cd, Sb, Ba, La, Hf, Ta, W, Pt, Au, Hg, Tl, Pb, Bi och Th.
Figur 10. Den totala halten av respektive spårämne i subsekvensen L1LL1, L1SS1, H-L1LL2 och H-L1SS2.
3.4 Vittring
Graden av vittring bestämdes med hjälp av ekvationerna I tabell 2. Chemical Index of Alteration (CIA), Chemical Proxy of Alteration (CPA) och Chemical Index of
Weathering (CIW) (Buggle et al. 2011), se resultat I tabell 4.
Tabell 4. CIA (Chemical Index of Alteration, CPA (Chemical Proxy of Alteration och CIW (Chemical Index of Weathering) för de olika subsekvenserna S2, L2, S1 och L1.
CIA CPA CIW
H-L1LL1 14,02 22,79 15,79 H-L1SS1 14,52 23,59 16,45 H-L1LL2 17,69 23,62 17,11 H-L1SS2 15,85 25,27 18,66 -0,01 0 0,01 0,02 0,03 0,04 0,05 0,06 V Cr Ni Cu Zn As Se Rb Sr Y Zr NbMo Pd Ag Cd Sb Ba La Hf Ta W Pt Au Hg Tl Pb Bi Th Pr oce nt ha lt Spårämnen H-L1LL1 H-L1SS1 H-L1LL2 H-L1SS2
10
4. Diskussion
Kapitlet tar upp kopplingar till klimatförändringar, ursprung och vittring, jämförelser med tidigare resultat samt felkällor.
4.1 Koppling till klimatförändringar, ursprung och vittring.
Diagrammet i figur 10, som visar den totala halten av varje spårämne i respektive subsekvens visar i stort sätt samma halt i varje subsekvens, det finns dock några utmärkelser. Cu visar en variation subsekvenserna emellan, L1SS1 visar minst halt på 0,004%,L1LL1 snäppet högre på 0,006%, L1LL2 ännu lite högre på 0,011 och L1SS2 högst på 0,015%. Cu har ett minimalt errorvärde vilket gör variationen pålitlig. Det syns däremot ingen logisk trend i variationen, varken genom hela sekvensen eller sub-sekvenserna emellan. Det är möjligt att variationen beror på en av
felkällorna som nämns under rubrik 4.3. Ämnena Sb, Ba, La och Hf är de med högst procenthalt, från 0,024–0,04%, det är också de som visar störst variation
subsekvenserna emellan. Errorvärdena är också väldigt höga vilket betyder att variationen inte säger så mycket i sammanhanget.
Ca/Ti visar en negativ trend, Ca minskar samtidigt som Ti ökar vilket tyder på en vittringseffekt. Det mobila ämnet Ca har minskat på grund av vittring och Ti som är mer immobilt har ökat på grund av en relativ effekt. Ser man till korrelationen plottad mot djupet så syns inga tydliga skillnader subsekvenserna emellan, men generellt ses en ökning av vittringen med tiden, alltså högre upp i sekvensen.
Korrelationen mellan Ti/Al (figur 7) är stark (r-värde 0,71). Båda grundämnena är immobila (Buggle et al. 2011; Sheldon 2009), Ti är ett ämne som varierar med olika bergarter medan Al är relativt konstant, det gör att korrelationen är gynnsam för att tolka stoftets ursprungskälla. Korrelationen är konstant stark så det visar på att källan är genomgående densamma i sekvensen. Det höga r-värdet tyder på att bergarten vid ursprungskällan var mafisk (Sheldon 2009).
Korrelationen mellan Ni/Ti är bra för att tolka ursprungskälla, plottat mot djupet syns det ingen tydlig trend i sekvensen (figur 8), det går heller inte att urskilja någon skillnad mellan stoftet och paleosolen. Av det går att säga att det inte är
ursprungskällan som har påverkat materialet. I diagrammet syns små förändringar av halten men det är oklart vad de beror på, det är så pass liten halt det handlar om så förändringarna behöver inte vara av så stor betydelse.
Plottning av Rb mot djupet visar en generell trend då halten ökar med djupet i sekvensen, medan halten av Sr minskar med djupet. Dess olikheter säger att de inte påverkats av samma geologiska fenomen. Diagrammet visar ungefär samma trend som Rb, vilket säger att ämnet Sr påverkas av Rb. Vid korrelationen mellan Rb/Sr (figur 9) syns en trend som minskar med höjden i sekvensen, högst upp ökar dock halten vilket kan styrka att det övergår till den varmare perioden Holocen.
Tabell 4 som visar CIA, CPA och CIW har resultat som visar en svag ökning av vittring med djupet av hela sekvensen. Det går inte att urskilja någon skillnad mellan de olika stoft- och paleosolsekvenserna, men sett till hela sekvensen så har mindre och mindre vittring skett med tiden. Det finns alltså inte en kraftig påverkan av vittring i sekvensen, men en trend kan urskiljas. Trenden för ration Rb/Sr mot djupet styrker den här trenden (figur 9).
Klimatet har med avseende på det här resultatet ändrats från att ha varit varmare och med mer nederbörd till att bli kallare och torrare med tiden, för att sedan gå mot ett mer varmt och blött klimat.
11
Enligt hypotesen skulle vittringen öka vid de två paleosolerna och minska vid stoftet, men vittringen fortsatte alltså att minska även vid paleosolen S1. Mina resultat visar inte på någon förändring i ursprungskälla, det är alltså samma komposition genom hela sekvensen.
4.2 Jämförelse med tidigare resultat.
En jämförelse har gjort med ett antal andra resultat från tidigare forskning av löss-sekvenser från samma tidsperiod som sekvensen i Madaras.
Markovic et al. (2015) har resultat över magnetisk mottaglighet över ett antal sekvenser i band annat Serbien, Bulgarien och Rumänien, trenden följer Rb/Sr-trenden i Madaras-sekvensen. Det tyder på att Rb/Sr har en koppling till vittring då magnetisk mottaglighet påverkas av vittring (ökar vid hög vittringsgrad och vice versa).
Chen et al. (1999) jämför Rb/Sr-korrelation med magnetisk mottaglighet i samma sekvens, de både resultaten är slående lika varandra, vilket styrker antagandet om att Rb/Sr är en bra indikator på vittring.
Buggle et al. (2011) har undersökt sekvenser i bland annat Ukraina. En jämförelse med Rb/Sr-korrelationen i sekvensen Stary Kaydaky och det här projektets sekvens i Madaras visar en likhet sett till samma tidsperiod och djup. Då sekvensen ligger i närheten av Donaus område så kan det indikera på samma ursprungskälla för de båda sekvenserna. En liknande komposition tyder på många källor och därmed en stor mängd stoft i atmosfären, stoftet kan då ha färdats en lång väg innan det avsatts. Eftersom ursprungskällan inte visar sig vara lokal så är det troligen bergen i Alperna som materialet har kommit ifrån genom erosion.
Porter, S.C. (2001) tar upp sekvensen Luochuan i Kina, magnetisk mottaglighet har analyserats på material från L1 i den sekvensen. Diagrammet visar även den en liknande kurva som Rb/Sr-korrelationen i Madaras.
Mg har svaga och väldigt svaga korrelationer med immobila ämnen så som Si, Al och Fe, vilket även det tyder på svag vittring (Yue et al. 2016).
Klimatet har antagligen gått från ett varmt till ett kallt klimat, för att återigen bli varmare, det kan styrkas av den globala temperaturförändringen under sen kvartär, som visar en liknande trend (figur 11).
Figur 11. Diagram över den globala temperaturförändringen, tidsperioden då stoftet i sekvensen avsattes är markerat.
4.3 Felkällor
Proverna som analyserades med XRF var förvarade på olika sätt, ungefär hälften av proverna var i plaströr och kunde lätt hällas ner i mortelskålen, resten var i kopparrör (figur 4) och behövde skrapas ut. Det kan ha kommit med en del koppar från rören ner i proverna som då kan ha påverkat halten av koppar.
12
Det är sannolikt eftersom en variation i just Cu kan tydas från figur 10 som visar procenthalten av varje spårämne.
Na är ett huvudämne som inte kan läsas av med XRF-apparaten, ett antaget värde gjordes genom att addera alla övriga grundämnes procenthalt och sedan subtrahera 100% med denna. Det blir ett värde som grundas på att natrium tar upp hela den resterande procenthalten, vilket antagligen inte är fallet.
Grundämnen vars halt var mindre än en viss procenthalt betecknades som LOD, alltså ingen data, några av mätningarna hade LOD räknades då som 0, dessa värden togs bort vid beräkning av medelvärdet. Längre och framför allt fler analyser på varje prov skulle antagligen ge färre LOD-värden.
Då endast vartannat prov av de tillgängliga från sekvensen analyserades så minskar noggrannheten då de inte täcker lika stor del av sekvensen som om dubbelt så många prov hade använts.
5. Slutsats
Resultat visar att vittringen inte skiljer sig åt mellan stoftet och paleosolen, vilket motsäger hypotesen om vittringen. Det finns dock en tydlig generell vittringstrend som är störst längst ner i sekvensen och avtar med tiden. Vittringen ökar igen högt upp i sekvensen vilket tyder på att vi har gått in i den varma interglacialen Holocen. Korrelationer som styrker det är Ca/Ti och Rb/Sr, det stämmer också överens med hypotesen samt den globala temperaturförändringen under samma period.
Det finns ingen förändring i ursprungskälla, detta enligt korrelationen mellan Ti/Al och Ni/Ti som är typiska korrelationer för att undersöka just ursprungskälla, resultatet visar inte någon tolkningsbar trend (figur 7 och 8).
Kompositionen av stoft är densamma genom hela sekvensen, i och med att
resultaten inte visar någon skillnad i ursprungskällan. En uttrycklig likhet syns mellan sekvensen i Madaras och sekvensen Stary Kaydaky i Ukraina. Det har med det i åtanke varit många olika källor som har levererat stoft till atmosfären där det sedan blandats om och avsatts på olika platser, till exempel Madaras och Stary Kaydaky. Med avseende på det har det förekommit en stor dos av stoft i atmosfären under denna tid. Med tanke på floden Donau kan det vara möjligt att material har eroderat från Alperna, flutit med små bäckar ner till Donau där det sedan färdats, avsatts som flodsediment, blåst upp i atmosfären för att sedan avsättas i Madaras.
13
Tack
Jag vill tillägna ett stort tack till min handledare Thomas Stevens som har bidragit med enormt mycket bra hjälp och skojfriskhet. Tack till Magnus Hellqvist på
Institutionen för geovetenskaper, Uppsala Universitet, för sitt fina peppande. Tack till mina studiekamrater som jag har kunnat dela mestadels glada stunder med. Tack också till kornstorleksfördelaren från 80-talet som var placerad i labb-rummet, vars instruktionsmanualer höll mig sysselsatt under XRF-analyserna.
Referenser
Beldjazia, A. & Alatou, D. (2016). Precipitation variability on the massif Forest of Mahouna (North Eastern-Algeria) from 1986 to 2010. International Journal of
Management Sciences and Business Research. Vol.5
Bradley, R. (2015). Paleoclimatology, Reconstructing Climates of the Quaternary. Academic Press.
Buggle, B., Glaser, B., Hambach, U., Gerasimenko, N. & Marovic, S. (2011). An evaluation of geochemical weathering indices in loess-paleosol studies.
Quaternary International. Vol. 240, s. 12-21.
Chen, J., An, Z. & Head, J. (1998). Variation of Rb/Sr Ratios in the Loess-Paleosol Sequences of Central China during the Last 130,000 Years and Their Implications for Monsoon Paleoclimatology. Quaternary Research. Vol. 51, s. 215-219.
Evans, J D. (1996). Straightforward statistics for the behavioral sciences. Pacific
Grove: Brooks/Cole Pub.
Gassó, S., Grassian, V. & Miller, R. (2010). Interactions between Mineral dust, Climate, and ocean Ecosystems. Elements. Vol. 6, s. 247-252.
Markovic, S., Stevens, T., Kukla, G., Hambach, U., Fitzsimmons, K., Gibbard, P., Buggle, B., Zech, M., Guo, Z., Hao, Q., Wu, H., Dhand, K., Smalley, I., Ujvari, G., Sümagi, P., Timar-Gabor, A., Veres, D., Sirocko, F., Vasiljevic, D., Jary, Z., Svensson, A., Jovic, V., Lehmkuhl, F., Kovacs, J. & Svircev, Z. (2015). Danube loess stratigraphy - Towards a pan-European loess stratigraphic model.
Earth-Sience Reviews. Vol. 148, s. 228-258.
Nesbitt, H. & Young, G. (1982). Early Proterozoic climates and plate motions incurred from or element chemistry of lutites. Nature. Vol. 299.
Porter, S. (2000). Chinese loess record of monsoon climate during the last glacial-interglacial cycle. Earth-Science Reviews. Vol. 54, s. 115-128.
Profe, J., Wacha, L., Frechen, M., Rofl, C., Brlek, M., Ohlendorf, C. & Zolitschka, B. (2016). X-ray fluorescence (XRF) scanning of discrete samples: Examples from the loess-paleosol sequence on the Island of Susak, Croatia. EGU General
Assembly, s. 9497
Rousseau, D-D., Derbyshire, E., Antoine, P. & Hatté, C. (2013). Europe. Elsevier
B.V. Vol. 2, s. 1440-1456.
Sheldon, N. (2009). Quantitative paleoenvironmental and paleoclimatic reconstruction using paleosols. Earth-Science Reviews. Vol. 95, s. 1-52.
Yue, L., Yougui, S., Xiuling, C., Jinchan, L., Yunus, M. & Jamshed, A. (2016). Geochemical composition of Tajikistan loess and its provenance implications.
14
Internetkällor
King, G. (2014). Optically Stimulated Luminescence
http://www.antarcticglaciers.org/glacial-geology/dating-glacial-sediments-2/optically-stimulated-luminescence/ [2017-05-04] Liljegren, R. (2017). Lössjord http://www.ne.se.ezproxy.its.uu.se/uppslagsverk/encyklopedi/lång/lössjord [2017-03-15] Nationalencyklopedin (2017) Fytoplankton http://www.ne.se/uppslagsverk/encyklopedi/lång/fytoplankton [2017-05-04] Société Générale de Surveillance (2017) Major elements
http://www.sgs.com/en/mining/analytical-services/chemical-testing/major-elements [2017-03-16]
Science Daily (2010- 02- 23) Dust in Earth system can affect oceans, carbon cycle,
temperatures, and health
https://www.sciencedaily.com/releases/2010/02/100219204413.htm [2017-03-20] SMHI (2014-04-17) Naturliga faktorer som påverkar klimatet
https://www.smhi.se/kunskapsbanken/naturliga-faktorer-som-paverkar-klimatet-1.3831 [2017-03-16] TemaNord (2009) https://books.google.se/books?id=P5Z-fYk90pgC&pg=PA21&lpg=PA21&dq=xray+strålning+grundämnen&source=bl&ots =4Y_dTaQIe7&sig=Stw9biGRb170QDH0jq3gQSRJk74&hl=sv&sa=X&ved=0ahUK Ewi0uIK25tXSAhUBoCwKHZb8B_wQ6AEIQTAG#v=onepage&q=xray%20strålnin g%20grundämnen&f=false [2017-03-16]
Personlig kommunikation
15
Bilaga 1
Grundämnenas korrelationer med varandra och deras r-värde.
R² = 0,0025 0,002 0,003 0,004 0,005 0,006 0,007 0,008 0,009 0,01 0,015 0,02 0,025 Rb (%) Sr (%) R² = 0,2636 -0,0005 0 0,0005 0,001 0,0015 0,002 0,2 0,3 0,4 0,5 0,6 N i ( %) Ti (%) R² = 0,0067 15 20 25 30 35 40 8 13 18 23 N a ( %) Ca (%) R² = 0,2337 30 35 40 45 50 55 5 6 7 8 9 10 11 Si (% ) Al (%)
16 R² = 0,7894 0,5 1 1,5 2 2,5 3 3,5 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 Fe ( %) Ti (%) R² = 0,6082 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 1 1,2 1,4 1,6 1,8 2 Ti (% ) K (%) R² = 0,16076 1 2 3 4 5 30 35 40 45 50 55 M g ( %) Si (%) R² = 0,0156 0 0,5 1 1,5 2 2,5 0 1 2 3 4 5 K ( %) Mg (%)
17 R² = 0,1153 1 1,2 1,4 1,6 1,8 2 32 37 42 47 52 K (%) Si (%) R² = 0,0008 1 2 3 4 5 5 6 7 8 9 10 11 M g ( %) Al (%) R² = 0,40088 4 5 6 7 8 9 10 11 8 13 18 23 Al (%) Ca (%) R² = 0,8618 1 1,2 1,4 1,6 1,8 2 2,2 5 6 7 8 9 10 11 K ( % ) Al (%)
18 R² = 0,24346 30 35 40 45 50 55 7 12 17 22 27 Si (% ) Ca (%) R² = 0,3714 0 0,5 1 1,5 2 2,5 0 5 10 15 20 25 K ( %) Ca (%) R² = 0,0007 1 2 3 4 5 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 M g ( %) Ti (%) R² = 0,0199 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 30 35 40 45 50 55 Ti (% ) Si (%)
19 R² = 0,5955 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 1 1,2 1,4 1,6 1,8 2 2,2 Ti (% ) K (%) R² = 0,133 0,02 0,03 0,04 0,05 0,06 0,07 1 2 3 4 5 M n ( %) Mg (%) R² = 0,2078 4 5 6 7 8 9 10 11 0,03 0,04 0,05 0,06 0,07 Al (%) Mn (%) R² = 0,0203 1 2 3 4 5 1 1,5 2 2,5 3 3,5 M g ( %) Fe (%)
20 R² = 0,5982 3 5 7 9 11 1 1,5 2 2,5 3 3,5 Al (%) Fe (%) R² = 0,0003 1 1,5 2 2,5 3 3,5 30 35 40 45 50 55 Fe ( %) Si (%) R² = 0,7827 0,5 1 1,5 2 2,5 1 1,5 2 2,5 3 3,5 K ( %) Fe (%) R² = 0,1534 5 7 9 11 13 15 17 19 21 23 1 1,5 2 2,5 3 3,5 Ca (%) Fe (%)
21 R² = 0,0423 0,03 0,04 0,05 0,06 0,07 30 35 40 45 50 55 M n ( %) Si (%) R² = 0,2538 0,02 0,03 0,04 0,05 0,06 0,07 1 1,2 1,4 1,6 1,8 2 2,2 M n ( %) K (%) R² = 0,054 0,03 0,035 0,04 0,045 0,05 0,055 0,06 0,065 0,07 7 12 17 22 27 M n ( %) Ca (%) R² = 0,3822 0,02 0,03 0,04 0,05 0,06 0,07 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 M N (%) Ti (%)
22 R² = 0,1075 0,05 0,1 0,15 0,2 0,25 0,3 1,5 2 2,5 3 3,5 4 4,5 5 P ( %) Mg (%) R² = 0,1054 4 5 6 7 8 9 10 11 0,1 0,15 0,2 0,25 0,3 Al (%) P (%) R² = 0,0639 0,1 0,15 0,2 0,25 0,3 30 35 40 45 50 55 P ( %) Si (%) R² = 0,0821 0,1 0,15 0,2 0,25 0,3 1 1,2 1,4 1,6 1,8 2 2,2 P ( %) K (%)
23 R² = 0,4041 0,1 0,15 0,2 0,25 0,3 9 11 13 15 17 19 21 23 P ( %) Ca (%) R² = 0,0407 0,1 0,15 0,2 0,25 0,3 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 P ( %) Ti (%) R² = 0,0371 0,1 0,15 0,2 0,25 0,3 1 1,5 2 2,5 3 3,5 P ( %) Fe (%) R² = 0,3737 0,5 1 1,5 2 2,5 3 3,5 0,03 0,04 0,05 0,06 0,07 Fe ( %) Mn (%)
24 R² = 0,0299 0,03 0,04 0,05 0,06 0,07 0,1 0,15 0,2 0,25 0,3 M n ( %) P (%) R² = 0,1083 5 10 15 20 25 0,2 0,25 0,3 0,35 0,4 0,45 0,5 0,55 Ca (%) Ti (%)
25
Bilaga 2
Huvudämnenas korrelation plottade mot sekvensens djup. Gränser visas mellan löss och paleosol. 0 2 4 6 8 10 12 0,03 0,04 0,05 0,06 0,07 Dj up ( m ) Ti/Al (%) 0 2 4 6 8 10 12 15 25 35 45 55 65 Dj up ( m ) Ca/Ti (%) 0 2 4 6 8 10 12 4 5 6 7 8 Dj up ( m ) Si/Al (%)
26 0 2 4 6 8 10 12 0,2 0,22 0,24 0,26 0,28 0,3 0,32 0,34 Dj up( m ) Ti/K (%) 0 2 4 6 8 10 12 4,5 5 5,5 6 6,5 7 Dj up ( m ) Fe/Ti (%) 0 2 4 6 8 10 12 0,17 0,175 0,18 0,185 0,19 0,195 0,2 0,205 0,21 Dj up ( m ) K/Al 0 2 4 6 8 10 12 1 1,5 2 2,5 3 3,5 Dj up ( m ) Na/Ca
