四川稻城海子山方枝柏樹輪寬度與氣候因子的響應關系研究

鄒莉麗，徐姍姍，鄭超剛，李生芮，連婉婧，商志遠，張志剛，孔興功，趙志軍

（南京師范大學 地理科學學院虛擬地理環境教育部重點實驗室，江蘇南京 210023）

0 引言

“氣候變率和可預報性研究”是國際地圈-生物圈計劃中“過去全球變化”（PAGES）的核心內容，旨在描述和定量評估氣候驅動機制、變化規律以及人類對氣候的影響，增強未來幾十年甚至幾百年氣候變化的可預報性，以應對未來可能出現的環境與發展問題［1-3］。過去氣候歷史重建，尤其是百年或千年尺度高分辨率氣候歷史重建，是增強氣候可預報性的關鍵。樹木年輪寬度記錄具有較高的時間分辨率和準確性，且可與器測資料有效校準和銜接［4-5］，因此是研究多年代際氣候變率的理想指標。川西高原是我國針葉林分布最為廣泛的區域之一，同時地處全球氣候變化的敏感區域，自二十世紀開始樹木年輪氣候學研究已逐步展開，目前已經建立了許多樹輪年表［6-9］。但目前來看，重建的氣候因子較為單一，多為夏季溫度；此外，采樣點分布海拔位置較低，年表易受到非氣候信息的干擾。本文利用在川西海子山地區采集的優勢樹種——方枝柏樹輪樣本及所收集的氣象資料，探討森林分布上限樹木生長與氣候因子的響應關系；同時重建該區高分辨率的氣溫變化，并分析溫度變化的特征和驅動因子，以期為今后利用樹木年輪深入開展該區域氣候、生態環境等研究奠定數據基礎。

1 研究區概況

稻城海子山（29°02′～30°08′N，100°48′～100°30′E）處于青藏高原東南緣，橫斷山區的沙魯里山南段（圖1）。受青藏高原復雜地形的影響，以及印度洋西南季風和中緯度西風的交替控制，該地區呈現出獨特的大陸高原型季風氣候特征［10］。氣溫年（日）較差大，年平均氣溫4.58℃，6—8月平均氣溫12℃，11月—次年2月平均氣溫降至0℃以下，年降水總量635 mm，6—9月降水量占年降水量的87.1%（圖2）。稻城海子山位于海拔4 000～5 000 m的高山地帶，在末次冰期曾發育冰帽，面積超過3 000 km2，是青藏高原發現的最大的古冰帽地區之一。

圖1 樹輪采樣點及鄰近氣象站位置圖。紅點表示本研究采樣點，旗幟表示稻城（DC）和理塘（LT）氣象站，藍色三角形（S1～S8）表示其它研究采樣點［12-19］Fig.1 Map showing the location of the tree-ring sampling sites and nearby meteorological stations.Red dots represent the tree-ring sites in this study.Flags represent Daocheng（DC）and Litang（LT）meteorological station.Blue triangles（S1～S8）represent the tree-ring sites of other studies［12-19］

圖2 稻城海子山地區溫度和降水月變化Fig.2 Monthly variationsof temperature and precipitation in the Haizi Mountain

受末次冰川活動的影響，區域內以流石灘疏生植被為代表，在海拔4 500～4 700 m的高原面，方枝柏（Sabinasaltuaria）以孤立木或小斑塊狀分布其上［11］。這些方枝柏具有開放的冠層條件，受人類活動干擾少，能敏感地響應區域的氣候變化。本研究分別于2019年5月和2020年7月在海子山高原面上的2個采樣位置HZS-1（29.35°N，100.10°E）和HZS-2（29.41°N，100.13°E）進行樹芯采樣。兩次采樣共采集43株樹103根樣芯。采樣樹木均為活樹，每棵樹采集1～2個樣芯。本研究采樣點以及附近其他研究采樣點分布見圖1，采樣信息見表1。

2 數據與方法

2.1 樹輪年表的建立

按照國際通用規范和標準［3］對樣品進行風干、固定和打磨預處理。所有樣品的寬度測量均采用LINTABTM6年輪分析系統（Rinntech公司，德國）進行量測，測量結果輸入到TSAP-WIN標準年輪分析軟件中進行輔助交叉定年，并結合COFECHA程序［20］對寬度測量和交叉定年結果進行質量檢驗和控制。通過ARSTAN程序［21］，采用序列長度67%的三次樣條函數剔除樹輪生長趨勢，建立STD、RES和ARS三種年表。由于STD年表保留了去除生長趨勢之后更多的氣候信號，既含有較多的高頻信號，也包含豐富的低頻信號，因此本文采用STD年表來進行樹木年輪-氣候響應分析。以50 a為區間，25 a為滑動時段，計算年表的樣本解釋信號強度（EPS），EPS＞0.85的第一年為可靠年表的起始年份；計算平均敏感度（MS）、標準差（SD）、一階自相關系數（AC）來評估重建年表的質量和信號強度。此外，對1850—2019年時段進行了公共區間分析，計算了信噪比（SNR）、第一主成分方差解釋量（PC1）以及EPS等，來檢驗年表所含有區域氣候信號強度。上述工作在南京師范大學地理科學學院樹輪實驗室完成。

2.2 氣象資料

采樣點鄰近氣象站有稻城氣象站和理塘氣象站（圖1）。稻城站（29.03°N，100.18°E，3 728 m a.s.l.）氣象記錄覆蓋1957—2019年；理塘站（30.00°N，100.16°E，3 948 m a.s.l.）氣象記錄覆蓋1953—2019年。通過對比兩個臺站氣溫和降水年內和年際的變化趨勢，發現兩個臺站氣象記錄具有同質性。分別計算稻城站和理塘站氣象要素以及兩個臺站氣象要素平均值與樹木年輪年表的相關關系，發現樹輪年表對稻城站氣象資料的響應更強。因此，統計稻城氣象站1957—2019年的月平均氣溫、平均最高氣溫、平均最低氣溫和月總降水量作為氣象資料用于分析。采用滑動T檢驗和Mann-Kendall方法［22］來檢測氣溫和降水時間序列是否發生均值突變，相關檢驗過程通過MATLAB軟件實現。

2.3 樹輪-氣候關系統計分析

選擇四個氣象要素的單月以及多個相鄰月份的組合平均值作為氣候候選因子，考慮到樹木生長的滯后效應，選擇前一年1月到當年12月共計24月，分析時段1959—2019年。利用Pearson相關分析方法計算標準寬度年表序列和上述氣象要素之間的相關關系，確定樹木生長的主要限制因子和重建因子。利用回歸分析方法建立方枝柏寬度年表與重建因子的簡單線性回歸方程，并對回歸方程和重建結果進行可靠性檢驗，常用的檢驗指標有方差解釋量R2、符號檢驗ST、誤差縮減值RE和乘積平均值檢驗t等。其中，符號檢驗用于檢驗實測和重建序列與各自距平值之間符號的一致性［23］；乘積平均值檢驗是在符號檢驗的基礎上，進一步考慮兩序列在各自距平值之間符號和數值的大小［23］；誤差縮減值RE＞0，表示重建方程可靠，RE≥0.3表示較好的通過檢驗，其公式［23］表示為：

式中：yi為實測值為重建值；為實測序列平均值；n為檢驗時段長度。

3 結果

3.1 樹輪年表及其統計量

各序列與主序列平均相關系數0.389，平均敏感度0.198，平均序列長度322 a，平均缺輪率1.56‰，在此基礎上建立稻城海子山地區方枝柏標準年輪年表。圖3展示了樹輪指數序列、樣本量、Rbar和EPS隨時間的變化。Rbar平均值0.13，EPS大于0.85的起始年份為1645年，其后部分時段低于臨界值0.85。本文選擇初步報道比較可靠的時段1850—2019年，分析工業革命之后人類活動顯著影響下樹輪-氣候的響應關系。1850—2019年公共時段分析顯示，第一主成分方差解釋量34.4%，信噪比為7.988，平均EPS為0.889，樣本的總體代表性較好。年表具有較高的平均敏感度（MS）、標準差（SD）和信噪比（SNR），表明方枝柏對環境變化比較敏感，年表含有較豐富的氣候信號（表2）。

表2 年表統計特征及公共區間分析結果Table 2 Standard tree-ring chronology statistics

圖3 海子山方枝柏標準年輪年表及其統計量Fig.3 Standard tree-ring width chronology of Sabina saltuaria and its statistics：expressed population signal（EPS）and Rbar（a），tree-ring width index and sample depth（b）

3.2 樹輪年表與氣候要素的響應關系

稻城海子山方枝柏徑向生長與氣溫呈現明顯的正相關，而與降水沒有表現出明顯的相關關系（圖4）。其中，STD年表與平均氣溫、平均最低氣溫響應都較好，相關性較好的月份主要分布在前一年1到4月及前一年9月到當年4月。年表與前一年1月、4月、11月和當年1月平均氣溫相關系數分別為0.52、0.47、0.43和0.53，呈較顯著的正相關關系（P＜0.01）；與前一年1月、前一年4月、當年1月和當年2月的平均最低氣溫呈顯著正相關（P＜0.01），相關系數分別為0.52、0.44、0.50和0.47。年表與平均最高氣溫相關性較弱，僅與前一年11月存在較顯著的相關性（R=0.37，P＜0.01）。降水在本區對樹木徑向生長的限制性較弱，年表與降水沒有明顯的響應關系。

圖4 方枝柏樹輪寬度年表與月氣溫（a）和降水（b）的關系Fig.4 Correlation coefficients between the tree-ring widths of Sabina saltuaria and monthly temperature（a）（monthly mean temperature，mean maximum/minimum temperature），and monthly precipitation（b）

進一步分析方枝柏寬度年表與平均氣溫、平均最低氣溫的響應關系，選擇雙月、三個月、六個月、八個月及十二個月的多個月份組合平均值作為氣候因子。圖5給出了年表與氣溫多月組合均值的相關分析結果。樹木徑向生長對平均氣溫變化響應的“滯后效應”明顯，與年表相關性較強的月份組合主要分布在從前一年起始的六個月、八個月、十二個月份的組合。年表與前一年9月到當年2月平均氣溫（R=0.56，P＜0.01）、前一年6月到當年1月平均氣溫（R=0.57，P＜0.01）、前一年4月到當年3月平均氣溫（R=0.58，P＜0.01）的相關性較強，均達到99%的置信度水平。另一方面，年表與平均最低氣溫的相關性弱于平均氣溫，與當年生長期開始之前的1月到2月平均最低氣溫相關性最強，相關系數為R=0.51（P＜0.01），說明生長期到來之前的最低氣溫對樹木生長限制作用明顯；與前一年10月到當年3月的平均最低氣溫、前一年9月到當年3月的平均最低氣溫相關系數分別為0.48、0.49，在99%置信度水平上顯著正相關。

3.3 氣溫重建與檢驗

相關分析結果顯示，方枝柏樹輪寬度年表與前一年9月到當年2月平均氣溫具有顯著的正相關關系（R=0.56，P＜0.01），前一年生長季末期到當年生長季開始之前的平均氣溫對本區樹木生長的限制作用顯著，響應關系符合樹木生長的生物學特征。因此，利用方枝柏樹輪寬度年表重建1850—2019年170 a的前一年9月到當年2月的平均氣溫。年輪指數與平均氣溫的轉換函數方程為：

式中：MTp9-c2表示前一年9月到當年2月的平均氣溫；STD是標準化年表序列。該模型對觀測時段1959年到2019年間平均氣溫的方差解釋量為31.7%，調整自由度后的方差解釋量為30.5%（表3）。由此方程重建出稻城海子山地區工業革命以來的氣溫圖6（c）。

重建序列和實測序列在公共時段1959—2019年的對比如圖6（a）所示，可以發現兩者的低頻變化趨勢總體上是吻合的，擬合程度較好（R=0.56，P＜0.01），2010年之后的響應較不穩定，可能是由于2015—2018年實測記錄氣溫陡然升高導致了這一時段響應的不敏感。為了進一步比較重建序列與實測序列在高頻變化上的一致性，我們進行了一階差分處理，獲得更加平穩的重建和實測序列［（圖6（b）］。從圖中可以發現兩者同步性較好（R=0.31，P＜0.01）。利用統計參數對重建方程進行可靠性檢驗，其中，方差解釋量R2為31.7%，誤差縮減值RE為0.31，乘積平均值檢驗t為6.7。相關統計量均通過顯著性檢驗，重建結果穩定可靠，重建的溫度序列可以代表一般意義上的氣溫變化（表3）。

圖6 氣象站實測氣溫與重建氣溫在公共時段（1959—2019年）對比（a）；實測氣溫與重建氣溫的一階差分對比（b）；稻城海子山平均氣溫（MTp9-c2）重建序列（c），其中紅線表示原序列，藍線表示11 a低通濾波值，橙色陰影表示均方根誤差Fig.6 Comparison of the observed and reconstructed temperature during 1957—2019，raw data（a）；the first-order difference data（b）；variations of the reconstructed MTp9-c2（c），red line indicates the raw data，blue line indicates the 11-year smoothing valueand orange shadow indicatesthe RMSE

表3 重建方程的可靠性檢驗結果Table 3 The validation of the reconstructed temperature

3.4 溫度重建序列的變化特征

圖6（c）為重建的1850年工業革命以來前一年9月到當年2月平均氣溫變化及11 a滑動平均結果，重建序列平均值0.7℃，均方根誤差（RMSE）為0.7℃。從圖中可以看出，重建序列中較冷的年份有1871年（-0.3℃）、1872年（-0.5℃）、1880年（-0.4℃）、1915年（-0.2℃）、1926年（-0.5℃）、1966年（-0.3℃）、1978年（-0.4℃）、1979年（-0.6℃）；較暖的年份有1886年（1.6℃）、1889年（1.9℃）、1947年（2.1℃）、1949年（2.1℃）、1959年（1.7℃）、2007年（1.8℃）、2010年（1.9℃）。

從低頻變化看，較冷的時期有：1870—1890年和1960—1980年；較暖的時期有：1884—1892年、1919—1925年、1940—1960年以及1980—2019年。1850—1880年呈現明顯的降溫趨勢，之后氣溫波動上升，1940—1960年達到峰值，1960—1980是20世紀的較冷時期，1980年之后氣溫持續上升，2010之后氣溫有小幅下降。

4 討論

4.1 樹木生長與氣候的響應關系

樹輪寬度指數與氣候要素的相關分析結果表明，稻城海子山方枝柏樹木生長與前一年9月到當年2月的平均氣溫響應較好（R=0.56，P＜0.01）。本研究采樣于海拔4 500～4 700 m的森林上限，降水較多，而溫度較低，溫度對樹木生長的限制作用強，前人的研究表明高海拔地區樹輪寬度較好的指示氣溫變化［24-26］。本區常年氣溫偏低，1月平均氣溫-5℃，7月平均氣溫12.2℃（圖2），在低溫的抑制作用下，前一年生長季末期到當年生長季前期營養物質的積累對當年樹木的生長至關重要，由此體現出氣溫的“滯后效應”明顯。Fritts［27］指出在特定區域或地點，統計模型中的樹木生長預測因子可能滯后于特定氣候變量出現的一年或多年時間。諸多研究也表明青藏高原地區樹木的生長有可能會受控于前一年的溫度［12，18，28］。另外，從木材解剖學的角度，樹木生長受前一年氣候條件的影響強烈，可體現為早材結構清晰，比例較多，而晚材比例較少，本研究的方枝柏樣芯中可以發現這一特征。當然，樹木生長是多種因素綜合作用的結果，其寬窄變化取決于氣候、水文、土壤、地形地貌等自然因素的直接作用以及人類活動的間接影響，尤其是工業革命以來人類活動對自然環境的影響劇烈，圖6（b）顯示2010年之后本文重建結果呈現小幅的下降趨勢，而實測記錄則顯示顯著的升溫趨勢，這一分異顯示了重建結果的穩定性和器測記錄中氣候信號的單純性之間的混合關系，因此如何從器測記錄中剝離人類活動影響的信號值得深入探討和研究。

4.2 溫度變化的特征分析

將本文重建序列與青藏高原東南部其他氣溫重建序列進行對比，以進一步驗證本文重建結果的可靠性，探討氣溫變化的共同特征（圖7）。Liang序列［14］基于冷杉樹輪寬度記錄了當年6月到當年9月的夏季平均氣溫，Huang序列［29］基于西藏圓柏樹輪寬度記錄了前一年11月到當年2月的冬季最低氣溫。從低頻變化上看，本研究與上述兩序列具有較高程度的一致性：1900—1925年以及1960—1980年為明顯的共同冷期；1940—1960年以及1980—2019年為明顯的共同暖期。1870—1890年各序列存在一定的趨勢分異，本文重建氣溫呈現負異常，1872年、1880年平均氣溫（MTp9-c2）分別為-0.5℃，-0.4℃，而Liang和Huang序列在這一時段總體偏暖，表現氣溫的正異常。重建氣溫序列中1940—1960年表現為20世紀以來最溫暖的時期，其升溫幅度甚至超過現代暖期［圖7（a）］。早期中國近百年氣溫序列研究顯示，中國經歷兩次的年代際氣溫變暖，分別發生在20世紀30到40年代和80年代中期以后［30-32］。林學椿在1995年指出，相比于北半球平均溫度40年代低于80年代，中國表現為40年代要高于80年代，40年代氣溫異常偏暖［32］。然而近年來，隨著更全面觀測資料的獲取和代用指標的應用，有研究認為40年代中國冷/暖格局分布并不一致或不存在明顯的“偏暖”［33-34］。盡管中國近百年氣溫序列仍然存在不確定性，作為全球變化最為敏感的區域之一，青藏高原地區樹木年輪所記錄的1940s—1960s年代氣候變化顯著偏暖。

氣候變化受氣候系統內部因子（如海氣/陸氣相互作用等）與外部因子（如軌道強迫、太陽活動、人類活動等）的共同作用［35］。功率譜分析結果顯示，前一年9月到當年2月平均氣溫在95%置信水平上表現出56 a的長周期和2～3 a的短周期（圖8），其中56 a周期與太陽黑子50 a周期［36］和海氣系統年代際震蕩［37-47］密切相關。北大西洋（0～70°N）海域海表溫度的多年代際震蕩（AMO）在解釋20世紀北半球平均溫度的多年代變率中發揮至關重要的作用［38］。本文重建氣溫與AMO呈顯著相關（R=0.33，P＜0.01）。同時，AMO的暖/冷位相和重建氣溫的正/負異常對應非常一致。AMO在1940—1960年處于暖位相，而氣溫相對偏暖波動，表明AMO可能是這一時期偏暖的直接原因［圖7（e）］。盡管目前關于亞洲氣溫異常變動如何響應AMO尚不完全清楚，但可能的響應機制是AMO通過對東亞季風系統的影響從而驅動亞洲氣溫異常的變動。在AMO暖位相時，中緯度的西風帶加強［39］，歐亞大陸中上對流層偏熱，東亞夏季風得到加強而冬季風得以削弱［37-43］，歐亞大陸的大部分地區，特別是中國西部地區溫度平均偏高［40］；此外，夏季AMO暖位相引起熱帶西太平洋位勢高度正異常以及強副熱帶反氣旋，從而加強東亞夏季風；冬季，AMO暖位相會引起中緯度西風加強，從而導致來自北大西洋的地面低氣壓延伸到歐亞大陸，這些變化在一定程度上削弱了西伯利亞-蒙古冷高壓系統和東亞冷空氣活動，降低了東亞冬季風的強度［37-46］，因而AMO的暖冷位相與東亞地區溫度的增減存在相關性。綜上所述，雖然目前具體機制還不明確，但與前人代表性觀點［38，47］一致，本研究表明，大西洋表面溫度異常在影響青藏高原東南部高海拔地區的氣溫變動中起著重要作用，而影響程度和影響機制等問題仍需在今后的研究中進一步探討。

圖8 平均氣溫重建序列功率譜分析圖，95%（紫線）和99%（紅線）置信水平，圖中數字56、2為周期Fig.8 Power spectrum of thereconstructed mean temperature，with 95%（purpleline）and 99%（red line）confidencelevel，the number 56 and 2 in the picture represents the period

太陽活動是氣候系統最為重要的外部驅動力之一［36］。樹木年輪氣候學研究中發現一些由太陽活動驅動而形成的共同的冷暖期，如Maunder（1645—1715年）和Dalton（1780—1830年）太陽活動極小期對應氣溫較冷時期；Modern（1930—1970年）太陽活動極大期對應氣溫較暖時期［48-49］。將太陽黑子數變化序列與本研究重建結果對比，1940—1960年氣溫異常暖期為近百年太陽黑子數高值時期；1876—1930年是太陽黑子數低值時期，而重建氣溫在這一時段偏冷，分為1870—1890年及1900—1925年兩個冷期；1966年為20世紀最暖時期之后的第一個低溫極值年，太陽黑子數在1966年左右出現小幅降低。以上在一定程度上說明了高海拔地區氣溫的變化對太陽黑子數周期變化的敏感響應。然而，觀測記錄顯示1980年以來太陽黑子數下降，重建溫度卻呈現持續上升的反向趨勢。這一現象可能是由于大氣中CO2等溫室氣體的濃度升高使全球氣候持續增暖所致［50］。這在一定程度上說明了自20世紀末期開始人類活動對氣候變化的影響加劇。當然這一反向趨勢，也有可能由其他因素所導致，今后需要對此加以深入研究。值得注意的是，太陽活動是樹木生長重要的外部氣候強迫，同時太陽活動也可通過影響宇生核素的大氣生產率而影響樹木的同位素組成［51-53］，目前越來越多的研究基于高分辨率的樹木年輪14C記錄來揭示太陽活動的變化規律［51-53］。

5 結論

（1）在海子山地區高海拔4 500～4 700 m的森林分布上限，樹木生長主要受氣溫的限制，與平均氣溫相關性最強，其次是平均最低氣溫。研究顯示，本地區方枝柏樹輪寬度年表與前一年生長季末期到當年生長季前期平均氣溫（MTp9-c2）相關性顯著（R=0.56，P＜0.01）；

（2）基于方枝柏樹輪寬度年表重建1850—2019年這170 a的前一年9月到當年2月平均氣溫，重建效果較好。重建結果顯示，工業革命以來，研究區經歷較冷的時期有：1870—1890年和1960—1980年；較暖的時期有：1884—1892年、1919—1925年、1940—1960年以及1980—2019年。1940—1960年是20世紀最暖的時期，60年代開始溫度出現下降，1980年開始氣溫持續升高，2010之后氣溫有小幅下降；

（3）重建氣溫序列與太陽黑子數變化和北大西洋多年代際濤動（AMO）有較強的響應，揭示了太陽活動、海溫等因子可能對該區溫度變化產生重要影響。但由于本文進行的是單點的寬度年表建立，在海拔梯度以及空間分布密度上都略顯不足，需要今后進一步采集更多樣本，以深入探究區域氣候變化的特征和相應的驅動機制。

謹以此文，紀念李吉均先生！作者之一趙志軍有幸跟隨先生攻讀博士學位，期間于1998年隨先生經川藏線進藏。途中，先生重返稻城古冰帽區考察，講到高原面上有柏樹，是做樹輪的好材料。孰想弟子愚鈍，落實先生指示已是二十余年之后。

致謝：衷心感謝稻城縣林業和草原局自然保護地管理股毛天翔股長在采樣過程中提供的支持。