鄒莉麗，徐姍姍，鄭超剛，李生芮，連婉婧，商志遠(yuǎn)，張志剛，孔興功，趙志軍

（南京師范大學(xué) 地理科學(xué)學(xué)院虛擬地理環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室，江蘇南京 210023）

0 引言

“氣候變率和可預(yù)報(bào)性研究”是國(guó)際地圈-生物圈計(jì)劃中“過(guò)去全球變化”（PAGES）的核心內(nèi)容，旨在描述和定量評(píng)估氣候驅(qū)動(dòng)機(jī)制、變化規(guī)律以及人類對(duì)氣候的影響，增強(qiáng)未來(lái)幾十年甚至幾百年氣候變化的可預(yù)報(bào)性，以應(yīng)對(duì)未來(lái)可能出現(xiàn)的環(huán)境與發(fā)展問(wèn)題［1-3］。過(guò)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(qiáng)氣候可預(yù)報(bào)性的關(guān)鍵。樹(shù)木年輪寬度記錄具有較高的時(shí)間分辨率和準(zhǔn)確性，且可與器測(cè)資料有效校準(zhǔn)和銜接［4-5］，因此是研究多年代際氣候變率的理想指標(biāo)。川西高原是我國(guó)針葉林分布最為廣泛的區(qū)域之一，同時(shí)地處全球氣候變化的敏感區(qū)域，自二十世紀(jì)開(kāi)始樹(shù)木年輪氣候?qū)W研究已逐步展開(kāi)，目前已經(jīng)建立了許多樹(shù)輪年表［6-9］。但目前來(lái)看，重建的氣候因子較為單一，多為夏季溫度；此外，采樣點(diǎn)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(qū)采集的優(yōu)勢(shì)樹(shù)種——方枝柏樹(shù)輪樣本及所收集的氣象資料，探討森林分布上限樹(shù)木生長(zhǎng)與氣候因子的響應(yīng)關(guān)系；同時(shí)重建該區(qū)高分辨率的氣溫變化，并分析溫度變化的特征和驅(qū)動(dòng)因子，以期為今后利用樹(shù)木年輪深入開(kāi)展該區(qū)域氣候、生態(tài)環(huán)境等研究奠定數(shù)據(jù)基礎(chǔ)。

1 研究區(qū)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(qū)的沙魯里山南段（圖1）。受青藏高原復(fù)雜地形的影響，以及印度洋西南季風(fēng)和中緯度西風(fēng)的交替控制，該地區(qū)呈現(xiàn)出獨(dú)特的大陸高原型季風(fēng)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(fā)育冰帽，面積超過(guò)3 000 km2，是青藏高原發(fā)現(xiàn)的最大的古冰帽地區(qū)之一。

圖1 樹(shù)輪采樣點(diǎn)及鄰近氣象站位置圖。紅點(diǎn)表示本研究采樣點(diǎn)，旗幟表示稻城（DC）和理塘（LT）氣象站，藍(lán)色三角形（S1～S8）表示其它研究采樣點(diǎn)［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(qū)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(dòng)的影響，區(qū)域內(nèi)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(kāi)放的冠層條件，受人類活動(dòng)干擾少，能敏感地響應(yīng)區(qū)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(gè)采樣位置HZS-1（29.35°N，100.10°E）和HZS-2（29.41°N，100.13°E）進(jìn)行樹(shù)芯采樣。兩次采樣共采集43株樹(shù)103根樣芯。采樣樹(shù)木均為活樹(shù)，每棵樹(shù)采集1～2個(gè)樣芯。本研究采樣點(diǎn)以及附近其他研究采樣點(diǎn)分布見(jiàn)圖1，采樣信息見(jiàn)表1。

2 數(shù)據(jù)與方法

2.1 樹(shù)輪年表的建立

按照國(guó)際通用規(guī)范和標(biāo)準(zhǔn)［3］對(duì)樣品進(jìn)行風(fēng)干、固定和打磨預(yù)處理。所有樣品的寬度測(cè)量均采用LINTABTM6年輪分析系統(tǒng)（Rinntech公司，德國(guó)）進(jìn)行量測(cè)，測(cè)量結(jié)果輸入到TSAP-WIN標(biāo)準(zhǔn)年輪分析軟件中進(jìn)行輔助交叉定年，并結(jié)合COFECHA程序［20］對(duì)寬度測(cè)量和交叉定年結(jié)果進(jìn)行質(zhì)量檢驗(yàn)和控制。通過(guò)ARSTAN程序［21］，采用序列長(zhǎng)度67%的三次樣條函數(shù)剔除樹(shù)輪生長(zhǎng)趨勢(shì)，建立STD、RES和ARS三種年表。由于STD年表保留了去除生長(zhǎng)趨勢(shì)之后更多的氣候信號(hào)，既含有較多的高頻信號(hào)，也包含豐富的低頻信號(hào)，因此本文采用STD年表來(lái)進(jìn)行樹(shù)木年輪-氣候響應(yīng)分析。以50 a為區(qū)間，25 a為滑動(dòng)時(shí)段，計(jì)算年表的樣本解釋信號(hào)強(qiáng)度（EPS），EPS＞0.85的第一年為可靠年表的起始年份；計(jì)算平均敏感度（MS）、標(biāo)準(zhǔn)差（SD）、一階自相關(guān)系數(shù)（AC）來(lái)評(píng)估重建年表的質(zhì)量和信號(hào)強(qiáng)度。此外，對(duì)1850—2019年時(shí)段進(jìn)行了公共區(qū)間分析，計(jì)算了信噪比（SNR）、第一主成分方差解釋量（PC1）以及EPS等，來(lái)檢驗(yàn)?zāi)瓯硭袇^(qū)域氣候信號(hào)強(qiáng)度。上述工作在南京師范大學(xué)地理科學(xué)學(xué)院樹(shù)輪實(shí)驗(yàn)室完成。

2.2 氣象資料

采樣點(diǎn)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(guò)對(duì)比兩個(gè)臺(tái)站氣溫和降水年內(nèi)和年際的變化趨勢(shì)，發(fā)現(xiàn)兩個(gè)臺(tái)站氣象記錄具有同質(zhì)性。分別計(jì)算稻城站和理塘站氣象要素以及兩個(gè)臺(tái)站氣象要素平均值與樹(shù)木年輪年表的相關(guān)關(guān)系，發(fā)現(xiàn)樹(shù)輪年表對(duì)稻城站氣象資料的響應(yīng)更強(qiáng)。因此，統(tǒng)計(jì)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(dòng)T檢驗(yàn)和Mann-Kendall方法［22］來(lái)檢測(cè)氣溫和降水時(shí)間序列是否發(fā)生均值突變，相關(guān)檢驗(yàn)過(guò)程通過(guò)MATLAB軟件實(shí)現(xiàn)。

2.3 樹(shù)輪-氣候關(guān)系統(tǒng)計(jì)分析

選擇四個(gè)氣象要素的單月以及多個(gè)相鄰月份的組合平均值作為氣候候選因子，考慮到樹(shù)木生長(zhǎng)的滯后效應(yīng)，選擇前一年1月到當(dāng)年12月共計(jì)24月，分析時(shí)段1959—2019年。利用Pearson相關(guān)分析方法計(jì)算標(biāo)準(zhǔn)寬度年表序列和上述氣象要素之間的相關(guān)關(guān)系，確定樹(shù)木生長(zhǎng)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(jiǎn)單線性回歸方程，并對(duì)回歸方程和重建結(jié)果進(jìn)行可靠性檢驗(yàn)，常用的檢驗(yàn)指標(biāo)有方差解釋量R2、符號(hào)檢驗(yàn)ST、誤差縮減值RE和乘積平均值檢驗(yàn)t等。其中，符號(hào)檢驗(yàn)用于檢驗(yàn)實(shí)測(cè)和重建序列與各自距平值之間符號(hào)的一致性［23］；乘積平均值檢驗(yàn)是在符號(hào)檢驗(yàn)的基礎(chǔ)上，進(jìn)一步考慮兩序列在各自距平值之間符號(hào)和數(shù)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(guò)檢驗(yàn)，其公式［23］表示為：

式中：yi為實(shí)測(cè)值為重建值；為實(shí)測(cè)序列平均值；n為檢驗(yàn)時(shí)段長(zhǎng)度。

3 結(jié)果

3.1 樹(shù)輪年表及其統(tǒng)計(jì)量

各序列與主序列平均相關(guān)系數(shù)0.389，平均敏感度0.198，平均序列長(zhǎng)度322 a，平均缺輪率1.56‰，在此基礎(chǔ)上建立稻城海子山地區(qū)方枝柏標(biāo)準(zhǔn)年輪年表。圖3展示了樹(shù)輪指數(shù)序列、樣本量、Rbar和EPS隨時(shí)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(shí)段低于臨界值0.85。本文選擇初步報(bào)道比較可靠的時(shí)段1850—2019年，分析工業(yè)革命之后人類活動(dòng)顯著影響下樹(shù)輪-氣候的響應(yīng)關(guān)系。1850—2019年公共時(shí)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(biāo)準(zhǔn)差（SD）和信噪比（SNR），表明方枝柏對(duì)環(huán)境變化比較敏感，年表含有較豐富的氣候信號(hào)（表2）。

表2 年表統(tǒng)計(jì)特征及公共區(qū)間分析結(jié)果Table 2 Standard tree-ring chronology statistics

圖3 海子山方枝柏標(biāo)準(zhǔn)年輪年表及其統(tǒng)計(jì)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(shù)輪年表與氣候要素的響應(yīng)關(guān)系

稻城海子山方枝柏徑向生長(zhǎng)與氣溫呈現(xiàn)明顯的正相關(guān)，而與降水沒(méi)有表現(xiàn)出明顯的相關(guān)關(guān)系（圖4）。其中，STD年表與平均氣溫、平均最低氣溫響應(yīng)都較好，相關(guān)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(dāng)年4月。年表與前一年1月、4月、11月和當(dāng)年1月平均氣溫相關(guān)系數(shù)分別為0.52、0.47、0.43和0.53，呈較顯著的正相關(guān)關(guān)系（P＜0.01）；與前一年1月、前一年4月、當(dāng)年1月和當(dāng)年2月的平均最低氣溫呈顯著正相關(guān)（P＜0.01），相關(guān)系數(shù)分別為0.52、0.44、0.50和0.47。年表與平均最高氣溫相關(guān)性較弱，僅與前一年11月存在較顯著的相關(guān)性（R=0.37，P＜0.01）。降水在本區(qū)對(duì)樹(shù)木徑向生長(zhǎng)的限制性較弱，年表與降水沒(méi)有明顯的響應(yīng)關(guān)系。

圖4 方枝柏樹(shù)輪寬度年表與月氣溫（a）和降水（b）的關(guān)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(jìn)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(yīng)關(guān)系，選擇雙月、三個(gè)月、六個(gè)月、八個(gè)月及十二個(gè)月的多個(gè)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(guān)分析結(jié)果。樹(shù)木徑向生長(zhǎng)對(duì)平均氣溫變化響應(yīng)的“滯后效應(yīng)”明顯，與年表相關(guān)性較強(qiáng)的月份組合主要分布在從前一年起始的六個(gè)月、八個(gè)月、十二個(gè)月份的組合。年表與前一年9月到當(dāng)年2月平均氣溫（R=0.56，P＜0.01）、前一年6月到當(dāng)年1月平均氣溫（R=0.57，P＜0.01）、前一年4月到當(dāng)年3月平均氣溫（R=0.58，P＜0.01）的相關(guān)性較強(qiáng)，均達(dá)到99%的置信度水平。另一方面，年表與平均最低氣溫的相關(guān)性弱于平均氣溫，與當(dāng)年生長(zhǎng)期開(kāi)始之前的1月到2月平均最低氣溫相關(guān)性最強(qiáng)，相關(guān)系數(shù)為R=0.51（P＜0.01），說(shuō)明生長(zhǎng)期到來(lái)之前的最低氣溫對(duì)樹(shù)木生長(zhǎng)限制作用明顯；與前一年10月到當(dāng)年3月的平均最低氣溫、前一年9月到當(dāng)年3月的平均最低氣溫相關(guān)系數(shù)分別為0.48、0.49，在99%置信度水平上顯著正相關(guān)。

3.3 氣溫重建與檢驗(yàn)

相關(guān)分析結(jié)果顯示，方枝柏樹(shù)輪寬度年表與前一年9月到當(dāng)年2月平均氣溫具有顯著的正相關(guān)關(guān)系（R=0.56，P＜0.01），前一年生長(zhǎng)季末期到當(dāng)年生長(zhǎng)季開(kāi)始之前的平均氣溫對(duì)本區(qū)樹(shù)木生長(zhǎng)的限制作用顯著，響應(yīng)關(guān)系符合樹(shù)木生長(zhǎng)的生物學(xué)特征。因此，利用方枝柏樹(shù)輪寬度年表重建1850—2019年170 a的前一年9月到當(dāng)年2月的平均氣溫。年輪指數(shù)與平均氣溫的轉(zhuǎn)換函數(shù)方程為：

式中：MTp9-c2表示前一年9月到當(dāng)年2月的平均氣溫；STD是標(biāo)準(zhǔn)化年表序列。該模型對(duì)觀測(cè)時(shí)段1959年到2019年間平均氣溫的方差解釋量為31.7%，調(diào)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(qū)工業(yè)革命以來(lái)的氣溫圖6（c）。

重建序列和實(shí)測(cè)序列在公共時(shí)段1959—2019年的對(duì)比如圖6（a）所示，可以發(fā)現(xiàn)兩者的低頻變化趨勢(shì)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(yīng)較不穩(wěn)定，可能是由于2015—2018年實(shí)測(cè)記錄氣溫陡然升高導(dǎo)致了這一時(shí)段響應(yīng)的不敏感。為了進(jìn)一步比較重建序列與實(shí)測(cè)序列在高頻變化上的一致性，我們進(jìn)行了一階差分處理，獲得更加平穩(wěn)的重建和實(shí)測(cè)序列［（圖6（b）］。從圖中可以發(fā)現(xiàn)兩者同步性較好（R=0.31，P＜0.01）。利用統(tǒng)計(jì)參數(shù)對(duì)重建方程進(jìn)行可靠性檢驗(yàn)，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(yàn)t為6.7。相關(guān)統(tǒng)計(jì)量均通過(guò)顯著性檢驗(yàn)，重建結(jié)果穩(wěn)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(shí)測(cè)氣溫與重建氣溫在公共時(shí)段（1959—2019年）對(duì)比（a）；實(shí)測(cè)氣溫與重建氣溫的一階差分對(duì)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(lán)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(yàn)結(jié)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(yè)革命以來(lái)前一年9月到當(dāng)年2月平均氣溫變化及11 a滑動(dòng)平均結(jié)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(shí)期有：1870—1890年和1960—1980年；較暖的時(shí)期有：1884—1892年、1919—1925年、1940—1960年以及1980—2019年。1850—1880年呈現(xiàn)明顯的降溫趨勢(shì)，之后氣溫波動(dòng)上升，1940—1960年達(dá)到峰值，1960—1980是20世紀(jì)的較冷時(shí)期，1980年之后氣溫持續(xù)上升，2010之后氣溫有小幅下降。

4 討論

4.1 樹(shù)木生長(zhǎng)與氣候的響應(yīng)關(guān)系

樹(shù)輪寬度指數(shù)與氣候要素的相關(guān)分析結(jié)果表明，稻城海子山方枝柏樹(shù)木生長(zhǎng)與前一年9月到當(dāng)年2月的平均氣溫響應(yīng)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(duì)樹(shù)木生長(zhǎng)的限制作用強(qiáng)，前人的研究表明高海拔地區(qū)樹(shù)輪寬度較好的指示氣溫變化［24-26］。本區(qū)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(zhǎng)季末期到當(dāng)年生長(zhǎng)季前期營(yíng)養(yǎng)物質(zhì)的積累對(duì)當(dāng)年樹(shù)木的生長(zhǎng)至關(guān)重要，由此體現(xiàn)出氣溫的“滯后效應(yīng)”明顯。Fritts［27］指出在特定區(qū)域或地點(diǎn)，統(tǒng)計(jì)模型中的樹(shù)木生長(zhǎng)預(yù)測(cè)因子可能滯后于特定氣候變量出現(xiàn)的一年或多年時(shí)間。諸多研究也表明青藏高原地區(qū)樹(shù)木的生長(zhǎng)有可能會(huì)受控于前一年的溫度［12，18，28］。另外，從木材解剖學(xué)的角度，樹(shù)木生長(zhǎng)受前一年氣候條件的影響強(qiáng)烈，可體現(xiàn)為早材結(jié)構(gòu)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(fā)現(xiàn)這一特征。當(dāng)然，樹(shù)木生長(zhǎng)是多種因素綜合作用的結(jié)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(dòng)的間接影響，尤其是工業(yè)革命以來(lái)人類活動(dòng)對(duì)自然環(huán)境的影響劇烈，圖6（b）顯示2010年之后本文重建結(jié)果呈現(xiàn)小幅的下降趨勢(shì)，而實(shí)測(cè)記錄則顯示顯著的升溫趨勢(shì)，這一分異顯示了重建結(jié)果的穩(wěn)定性和器測(cè)記錄中氣候信號(hào)的單純性之間的混合關(guān)系，因此如何從器測(cè)記錄中剝離人類活動(dòng)影響的信號(hào)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(jìn)行對(duì)比，以進(jìn)一步驗(yàn)證本文重建結(jié)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(shù)輪寬度記錄了當(dāng)年6月到當(dāng)年9月的夏季平均氣溫，Huang序列［29］基于西藏圓柏樹(shù)輪寬度記錄了前一年11月到當(dāng)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(shì)分異，本文重建氣溫呈現(xiàn)負(fù)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(shí)段總體偏暖，表現(xiàn)氣溫的正異常。重建氣溫序列中1940—1960年表現(xiàn)為20世紀(jì)以來(lái)最溫暖的時(shí)期，其升溫幅度甚至超過(guò)現(xiàn)代暖期［圖7（a）］。早期中國(guó)近百年氣溫序列研究顯示，中國(guó)經(jīng)歷兩次的年代際氣溫變暖，分別發(fā)生在20世紀(jì)30到40年代和80年代中期以后［30-32］。林學(xué)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(guó)表現(xiàn)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(lái)，隨著更全面觀測(cè)資料的獲取和代用指標(biāo)的應(yīng)用，有研究認(rèn)為40年代中國(guó)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(guó)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(qū)域之一，青藏高原地區(qū)樹(shù)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(tǒng)內(nèi)部因子（如海氣/陸氣相互作用等）與外部因子（如軌道強(qiáng)迫、太陽(yáng)活動(dòng)、人類活動(dòng)等）的共同作用［35］。功率譜分析結(jié)果顯示，前一年9月到當(dāng)年2月平均氣溫在95%置信水平上表現(xiàn)出56 a的長(zhǎng)周期和2～3 a的短周期（圖8），其中56 a周期與太陽(yáng)黑子50 a周期［36］和海氣系統(tǒng)年代際震蕩［37-47］密切相關(guān)。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(jì)北半球平均溫度的多年代變率中發(fā)揮至關(guān)重要的作用［38］。本文重建氣溫與AMO呈顯著相關(guān)（R=0.33，P＜0.01）。同時(shí)，AMO的暖/冷位相和重建氣溫的正/負(fù)異常對(duì)應(yīng)非常一致。AMO在1940—1960年處于暖位相，而氣溫相對(duì)偏暖波動(dòng)，表明AMO可能是這一時(shí)期偏暖的直接原因［圖7（e）］。盡管目前關(guān)于亞洲氣溫異常變動(dòng)如何響應(yīng)AMO尚不完全清楚，但可能的響應(yīng)機(jī)制是AMO通過(guò)對(duì)東亞季風(fēng)系統(tǒng)的影響從而驅(qū)動(dòng)亞洲氣溫異常的變動(dòng)。在AMO暖位相時(shí)，中緯度的西風(fēng)帶加強(qiáng)［39］，歐亞大陸中上對(duì)流層偏熱，東亞夏季風(fēng)得到加強(qiáng)而冬季風(fēng)得以削弱［37-43］，歐亞大陸的大部分地區(qū)，特別是中國(guó)西部地區(qū)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(shì)高度正異常以及強(qiáng)副熱帶反氣旋，從而加強(qiáng)東亞夏季風(fēng)；冬季，AMO暖位相會(huì)引起中緯度西風(fēng)加強(qiáng)，從而導(dǎo)致來(lái)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(tǒng)和東亞冷空氣活動(dòng)，降低了東亞冬季風(fēng)的強(qiáng)度［37-46］，因而AMO的暖冷位相與東亞地區(qū)溫度的增減存在相關(guān)性。綜上所述，雖然目前具體機(jī)制還不明確，但與前人代表性觀點(diǎn)［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(qū)的氣溫變動(dòng)中起著重要作用，而影響程度和影響機(jī)制等問(wèn)題仍需在今后的研究中進(jìn)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(shù)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(yáng)活動(dòng)是氣候系統(tǒng)最為重要的外部驅(qū)動(dòng)力之一［36］。樹(shù)木年輪氣候?qū)W研究中發(fā)現(xiàn)一些由太陽(yáng)活動(dòng)驅(qū)動(dòng)而形成的共同的冷暖期，如Maunder（1645—1715年）和Dalton（1780—1830年）太陽(yáng)活動(dòng)極小期對(duì)應(yīng)氣溫較冷時(shí)期；Modern（1930—1970年）太陽(yáng)活動(dòng)極大期對(duì)應(yīng)氣溫較暖時(shí)期［48-49］。將太陽(yáng)黑子數(shù)變化序列與本研究重建結(jié)果對(duì)比，1940—1960年氣溫異常暖期為近百年太陽(yáng)黑子數(shù)高值時(shí)期；1876—1930年是太陽(yáng)黑子數(shù)低值時(shí)期，而重建氣溫在這一時(shí)段偏冷，分為1870—1890年及1900—1925年兩個(gè)冷期；1966年為20世紀(jì)最暖時(shí)期之后的第一個(gè)低溫極值年，太陽(yáng)黑子數(shù)在1966年左右出現(xiàn)小幅降低。以上在一定程度上說(shuō)明了高海拔地區(qū)氣溫的變化對(duì)太陽(yáng)黑子數(shù)周期變化的敏感響應(yīng)。然而，觀測(cè)記錄顯示1980年以來(lái)太陽(yáng)黑子數(shù)下降，重建溫度卻呈現(xiàn)持續(xù)上升的反向趨勢(shì)。這一現(xiàn)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(xù)增暖所致［50］。這在一定程度上說(shuō)明了自20世紀(jì)末期開(kāi)始人類活動(dòng)對(duì)氣候變化的影響加劇。當(dāng)然這一反向趨勢(shì)，也有可能由其他因素所導(dǎo)致，今后需要對(duì)此加以深入研究。值得注意的是，太陽(yáng)活動(dòng)是樹(shù)木生長(zhǎng)重要的外部氣候強(qiáng)迫，同時(shí)太陽(yáng)活動(dòng)也可通過(guò)影響宇生核素的大氣生產(chǎn)率而影響樹(shù)木的同位素組成［51-53］，目前越來(lái)越多的研究基于高分辨率的樹(shù)木年輪14C記錄來(lái)揭示太陽(yáng)活動(dòng)的變化規(guī)律［51-53］。

5 結(jié)論

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

（2）基于方枝柏樹(shù)輪寬度年表重建1850—2019年這170 a的前一年9月到當(dāng)年2月平均氣溫，重建效果較好。重建結(jié)果顯示，工業(yè)革命以來(lái)，研究區(qū)經(jīng)歷較冷的時(shí)期有：1870—1890年和1960—1980年；較暖的時(shí)期有：1884—1892年、1919—1925年、1940—1960年以及1980—2019年。1940—1960年是20世紀(jì)最暖的時(shí)期，60年代開(kāi)始溫度出現(xiàn)下降，1980年開(kāi)始?xì)鉁爻掷m(xù)升高，2010之后氣溫有小幅下降；

（3）重建氣溫序列與太陽(yáng)黑子數(shù)變化和北大西洋多年代際濤動(dòng)（AMO）有較強(qiáng)的響應(yīng)，揭示了太陽(yáng)活動(dòng)、海溫等因子可能對(duì)該區(qū)溫度變化產(chǎn)生重要影響。但由于本文進(jìn)行的是單點(diǎn)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(jìn)一步采集更多樣本，以深入探究區(qū)域氣候變化的特征和相應(yīng)的驅(qū)動(dòng)機(jī)制。

謹(jǐn)以此文，紀(jì)念李吉均先生！作者之一趙志軍有幸跟隨先生攻讀博士學(xué)位，期間于1998年隨先生經(jīng)川藏線進(jìn)藏。途中，先生重返稻城古冰帽區(qū)考察，講到高原面上有柏樹(shù)，是做樹(shù)輪的好材料。孰想弟子愚鈍，落實(shí)先生指示已是二十余年之后。

致謝：衷心感謝稻城縣林業(yè)和草原局自然保護(hù)地管理股毛天翔股長(zhǎng)在采樣過(guò)程中提供的支持。