There is an urgent need for reliable and cost-effective sediment source tracing techniques for apportioning aeolian sediment (sand dune) sources for guiding the selection of best management practices for wind erosion control. Accordingly, the main aim of this study was to quantify the contributions of aeolian sources to sand dune target sediment samples collected in a case study in central Iran using a source fingerprinting procedure based on low-cost fingerprints comprising colour and magnetic tracers. Colour (RGB), magnetic susceptibility (χ_lf and χ_hf) and 13 colour and magnetic indices were measured on 54 aeolian sediment source samples and ten aeolian target sediment samples. Three different composite fingerprints for discriminating and apportioning the aeolian sediment sources were selected based on a combination of statistical tests comprising the Kruskal–Wallis H test (KW-H), discriminant function analysis (DFA), principal component & classification analysis (PCCA), and a general classification & regression tree (GC&RT) model. The Modified MixSIR Bayesian un-mixing model was used to apportion aeolian source contributions using the final composite fingerprints. The composite signatures all suggested that the salt flat plain was the dominant (average 63%, and standard deviation, SD, 5.9%) source of the aeolian target sediment samples, whilst agricultural land was second (average 63%, SD 5.6%,) most important. The root mean square difference between the apportionment results based on the three composite fingerprints ranged from 0.2% to 8.3%. Pairwise comparisons of the posterior distributions for the predicted source proportions generated using the three composite signatures showed that eight of 12 pairwise comparisons were not significantly different. Virtual mixture accuracy tests of the fingerprinting models using the three composite signatures suggested errors ranging between 2.2%−20.6% (with a mean of 9.9%), 1.4%−17.0% (mean value 8.3%), and 0.03%−1.0% (mean value 0.8%). The results support the use of low-cost colour and magnetic tracers by investigations into aeolian sediment provenance.

迫切需要可靠且具有成本效益的泥沙源追踪技术，用于分配风沙（沙丘）源，以指导风蚀控制最佳管理方法的选择。因此，本研究的主要目的是使用基于包括彩色和磁性示踪剂的低成本指纹的放射源指纹识别程序，量化伊朗中部案例研究中风沙源对沙丘目标沉积物样品的贡献。颜色（RGB），磁化率（_χlf和_χhf），并在54个风沙沉积物源样品和10个风沙沉积物样品上测量了13种颜色和磁性指数。根据统计测试的组合，选择了三种不同的用于区分和分配风沙沉积物的指纹图谱，包括Kruskal–Wallis H检验（KW-H），判别函数分析（DFA），主成分和分类分析（PCCA），以及通用分类和回归树（GC＆RT）模型。修改后的MixSIR贝叶斯非混合模型用于使用最终的合成指纹分配风源贡献。这些复合特征都表明，盐滩平原是风成目标沉积物样品的主要来源（平均63％，标准偏差SD为5.9％），最重要的是农业用地，其次是（平均63％，SD 5.6％）。基于三个复合指纹的分配结果之间的均方根差为0.2％至8.3％。使用三个复合签名生成的预测源比例的后验分布的成对比较显示，12个成对比较中的八个没有显着差异。使用三个复合签名对指纹模型进行虚拟混合精度测试表明，误差范围为2.2％-20.6％（平均9.9％），1.4％-17.0％（平均值8.3％）和0.03％-1.0％（平均值0.8％）。通过对风沙沉积物来源的调查，结果支持了低成本彩色和磁性示踪剂的使用。基于三个复合指纹的分配结果之间的均方根差为0.2％至8.3％。使用三个复合签名生成的预测源比例的后验分布的成对比较显示，12个成对比较中的八个没有显着差异。使用三个复合签名对指纹模型进行虚拟混合精度测试表明，误差范围为2.2％-20.6％（平均9.9％），1.4％-17.0％（平均值8.3％）和0.03％-1.0％（平均值0.8％）。通过对风沙沉积物来源的调查，结果支持了低成本彩色和磁性示踪剂的使用。基于三个复合指纹的分配结果之间的均方根差为0.2％至8.3％。使用三个复合签名生成的预测源比例的后验分布的成对比较显示，12个成对比较中的八个没有显着差异。使用三个复合签名对指纹模型进行虚拟混合精度测试表明，误差范围为2.2％-20.6％（平均9.9％），1.4％-17.0％（平均值8.3％）和0.03％-1.0％（平均值0.8％）。通过对风沙沉积物来源的调查，结果支持了低成本彩色和磁性示踪剂的使用。使用三个复合签名生成的预测源比例的后验分布的成对比较显示，12个成对比较中的八个没有显着差异。使用三个复合签名对指纹模型进行虚拟混合精度测试表明，误差范围为2.2％-20.6％（平均9.9％），1.4％-17.0％（平均值8.3％）和0.03％-1.0％（平均值0.8％）。通过对风沙沉积物来源的调查，结果支持了低成本彩色和磁性示踪剂的使用。使用三个复合签名生成的预测源比例的后验分布的成对比较显示，12个成对比较中的八个没有显着差异。使用三个复合签名对指纹模型进行虚拟混合精度测试表明，误差范围为2.2％-20.6％（平均9.9％），1.4％-17.0％（平均值8.3％）和0.03％-1.0％（平均值0.8％）。通过对风沙沉积物来源的调查，结果支持了低成本彩色和磁性示踪剂的使用。4％-17.0％（平均值8.3％）和0.03％-1.0％（平均值0.8％）。通过对风沙沉积物来源的调查，结果支持了低成本彩色和磁性示踪剂的使用。4％-17.0％（平均值8.3％）和0.03％-1.0％（平均值0.8％）。通过对风沙沉积物来源的调查，结果支持了低成本彩色和磁性示踪剂的使用。