利用中国160个气象基准站1951— 2005年的逐月平均器测气温资料, 生成160站点逐年平均气温距平序列, 采用聚类分析方法, 把全国分为12个气温小区, 分别为:东北小区、华北北部小区、华东小区、南岭小区、东南沿海小区、陕甘宁小区、四川盆地小区、黔桂小区、北疆小区、南疆小区、青藏高原东缘小区和滇藏高原小区(方修琦等, 2010)。由于古气温记录有限, 且区域分布很不均匀, 难以支撑上述12个气温小区逐一全新世气温序列的重建。根据聚类树和聚类过程, 对聚类和空间相关程度较高的区域进行归并, 这样既考虑了气温变化趋势和变化过程, 也保证了搜集古气温记录能建立较连续的分区气温序列。故将12个小区归并为8个分区, 依次为:东北区、华北北部区、华东华南区(含华东和南岭小区)、华南区、陕甘宁区、川黔桂区(含四川盆地和黔桂小区)、新疆区(含北疆和南疆小区)、滇藏高原区(含青藏高原东缘和滇藏高原小区)(图 1)。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 中国年均气温变化分区与全新世古气温记录的类型分布Fig.1 Annual average temperature regions of China and types distribution of the Holocene temperature records

其中将南方的华东和南岭合并为华东华南区, 东南沿海小区独立成区(华南)。这是因为从气团活动和锋面来看, 冬半年华南一带被准静止锋所控制, 尤其是冬春两季, 准静止锋停留在东南沿海一带, 形成华南准静止锋。而长江流域一般是江南准静止锋, 活动季节一般为夏秋两季。因此从气团和锋面活动来看, 东南沿海区与华东— 南岭区是有较大差别(中国科学院《中国自然地理》编辑委员会, 1984, 1985)。另外, 气候区划和中国自然地理区划中, 许多研究者都把东南沿海列为同一个区, 命名为华南区, 而把华东和南岭归并为同一个区(张家诚和林之光, 1985)。

从国内外已经公开发表于期刊、专著和会议论文集等的各类文献中共提取1397条全新世古气温记录(方修琦和侯光良, 2011), 其中从46条序列中提取1271条气温记录(中国科学院贵阳地球化学研究所第四纪孢粉组, 1977; 张子斌等, 1981; 周廷儒等, 1982; 龚高法等, 1983; 王永吉和李善为, 1983; 李文漪, 1985; Wang et al., 1989; 李平日等, 1991; 孙建中等, 1991; 童国榜等, 1991; 张兰生等, 1992, 1997; 施雅风等, 1992; 唐领余等, 1993, 1996, 1997, 2004; 姚祖驹和李文漪, 1993; 吴乃琴等, 1994; 乔玉楼等, 1996; 沈才明和唐领余, 1996; 郑洪汉和黄宝林, 1996; 覃嘉铭, 1997; 宋长青等, 1997; 徐国昌, 1997; 杨志荣, 1998; 李文漪等, 1998; Pflaumann and Jian, 1999; 蔡永立等, 2001; 余克服和陈特固, 2001; 王绍武等, 2002; 许清海等, 2003, 2004; Ge et al., 2003; 毛龙江等, 2005; 庞奖励等, 2005; Jiang et al., 2006; 范斌等, 2006; 顾明光等, 2006; 史威等, 2008; 朱诚等, 2008), 从文献中直接引用散点记录126条(文献略)。选择的古气温数据具备以下2个条件:

1)定量的气温重建数据:重建气温数据以年均温值或年均温距平(现代年均温为1951— 1980年平均值)等形式表达, 按照数据来源的性质分为序列气温数据和散点气温数据。

2)可确定具体年代的数据:以¹⁴C年或日历年时间体系定量表达, 包括有测年数据控制、根据地层沉积速率推算的年代数据, 在时间上可分辨到100 a。 将¹⁴C年代时间坐标系的年代利用CALIB4.4程序转换为日历年, 如无特殊说明, 文中所有年代数据均为日历年。

为保证数据的有效性, 对文献的来源(发表刊物、出版物)做了一定的筛选, 一般是选用公开发表的核心刊物或信誉较好的出版社, 这样一定程度上保证了数据来源的可靠性; 其次, 对序列数据提取时优先选用拐点处的数据, 保证数据的准确性。另外, 在重建过程中, 专门设置剔除奇异值步骤, 用于对偏离较大的数据进行删除, 提高重建的准确性。

古气温获取方法包括转化函数法和自然地理因子指示法, 前者指利用环境感应体与现代气候要素之间的统计关系, 来推算古气温转换函数法(孢粉、植物硅酸体、磁化率和氧同位素等转换函数)(吕厚远等, 1994a; 宋长青等, 1997; 沈吉等, 2001); 后者指利用自然地理环境中对气温变化具有定量指示意义的环境要素推断当时的气温(孔昭宸等, 1991; 吕厚远等, 1994b; 崔之久等, 2004)。

这些气温记录的环境感应体类型多样, 包括孢粉(占总记录数的65.7%)、综合证据(8.2%)、氧同位素(7.4%)、石笋(4.4%)、植物硅酸体(3.6%)、植物化石(2.8%)、冰川冰缘地貌(2.8%)、海滩岩(1.2%)、古土壤(0.6%)、泥炭(0.4%)、烯酮(0.4%)、珊瑚礁(0.2%)、化学矿物(0.1%)、考古(0.1%)和历史文献记录(0.1%)等。上述环境感应体所记录的环境气温的分辨率基本上都在100 a左右(龚高法等, 1983), 能够满足建立100 a分辨率的气温变化序列的需要。对不同环境感应体类型对气温指示敏感性分析来看, 孢粉、植物硅酸体— 植物化石、综合证据、氧同位素和冰川— 冰缘证据重建的同一时段气温值依次降低(侯光良等, 2011)。植物证据指示的是生长季节的气温, 数值可能偏高; 冰川— 冰缘指示的是极端冷期的气温, 可能偏低, 综合证据居中, 应该比较接近实际气温, 说明采用不同证据类型集成方法重建古气温序列, 具有单一证据类型无法替代的优势, 其重建结果应该有较高的准确性。

按8个分区分别对各区的全新世气温的原始记录进行整理, 这些记录主要分布在华东华南(占记录总数的28%)、华北北部(27.1%)、滇藏高原(12.5%)、华南(11.9%)和东北区(8.3%), 川黔桂(6.7%)、陕甘宁(3.7%)和新疆区(2%)较少(表 1)。根据各区全新世古气温记录的时间分布状况, 以日历年为时间坐标系, 以公元1900— 1999年为0 a BP, 按200 a间隔对各区的记录进行归并, 公元1700— 1899标记为200 a BP, 依次类推。根据整理的古气温记录数量和时间分布, 200 a时间尺度既保证重建序列的连续性, 又具有一定的分辨率。否则如选择更高分辨率, 则不能保证序列的连续性; 如过分降低了分辨率, 则难以捕捉快速变动的气候事件, 缺乏应有的科学意义。从各区全新世古气温记录看, 华北北部、华东华南、华南和滇藏高原区4区全新世各时间段数据较为完备, 序列基本完整, 东北区数据有较小的缺口, 可以建立200 a分辨率的完整时间序列; 陕甘宁区、川黔桂区和新疆区, 数据缺口较大, 无法建立200 a分辨率的连续序列。

表1

Table1

表1(Table1)

表1 全新世气温记录环境感应体的分区记录分布 Table1 Distribution of regional records of environmental inductor of the Holocene temperature records 感 应 体 数 目 / 个 分区 东北 华北北部 华东华南 华南 陕甘宁 川黔桂 滇藏高原 新疆 孢粉 105 281 248 35 5 92 152 综合证据 71 22 1 21 植物化石 3 8 11 10 2 1 3 1 冰川冰缘地貌 3 17 14 5 氧同位素 101 3 石笋 61 古土壤 8 植物硅酸体 38 13 珊瑚礁 3 泥炭 5 烯酮 17 海滩岩 2 化学矿物 2 考古 1 历史文献 1 31 合计 /个 总数 116 378 391 166 51 94 174 27 序列的记录 102 350 373 135 47 92 151 21 散点的记录 14 28 18 31 4 2 23 6

表1 全新世气温记录环境感应体的分区记录分布 Table1 Distribution of regional records of environmental inductor of the Holocene temperature records

分区气温序列的重建采用单样本区域订正— 多样本平均集成方法, 具体算法见文献(方修琦和侯光良, 2011), 其基本步骤为:

1)以分区为单位, 计算各分区1951— 2005年的30 a气温滑动序列和各分区内站点30 a气温滑动序列, 求取古气温记录附近站点和对应分区之间的函数关系(表 2), 利用现代每个站点与各分区年均温的统计关系, 将单样本的古气温记录订正到分区尺度; 所有订正后分区古气温序列均是1951— 1980年的距平值。

表2

Table2

表2(Table2)

表2 各站点与所属分区的气温统计关系 Table2 Statistical relationship of temperatures in each site and its regions 分区 站点 相关系数 回归系数 R2 残差标准差 承德 0.897 2.827 0.804 0.122 德州 0.991 1.007 0.982 0.037 呼和浩特 0.999 0.722 0.998 0.012 北京 0.998 0.841 0.996 0.018 大连 0.996 0.918 0.992 0.024 青岛 0.998 1.092 0.997 0.016 张家口 0.989 0.683 0.979 0.040 多伦 0.980 0.768 0.996 0.016 包头 0.996 0.865 0.991 0.026 天津 0.993 1.611 0.987 0.032 锡林浩特 0.996 0.719 0.993 0.023 共和 0.980 0.504 0.961 0.033 拉萨 0.997 0.761 0.995 0.012 玛多 0.980 1.037 0.961 0.032 托托河 0.639 1.022 0.409 0.123 丽江 0.985 1.815 0.970 0.028 甘孜 0.913 2.401 0.834 0.066 青藏东缘区 0.685 0.841 0.469 0.38 广州 0.989 0.633 0.979 0.017 海口 0.971 0.604 0.942 0.029 汕头 0.996 0.650 0.992 0.011 福州 0.995 0.919 0.990 0.012 梅县 0.943 1.694 0.890 0.040 阳江 0.996 0.841 0.992 0.010 上海 0.913 0.598 0.833 0.188 桂林 0.745 0.845 0.556 0.307 东台 0.892 0.649 0.795 0.165 南阳 0.842 0.721 0.710 0.248 钟祥 0.924 0.774 0.855 0.175 杭州 0.924 0.717 0.853 0.176 合肥 0.928 0.692 0.861 0.171 南京 0.934 0.708 0.872 0.165 新浦 0.918 0.637 0.844 0.182 徐州 0.914 0.627 0.836 0.186 宁波 0.898 0.588 0.807 0.202 通化 0.998 1.009 0.997 0.016 图理河 0.991 0.771 0.982 0.039 长春 0.999 0.893 0.999 0.008 赤峰 0.974 1.209 0.95 0.066 哈尔滨 0.988 0.914 0.975 0.046 丹东 0.993 1.648 0.987 0.034 沈阳 0.981 1.211 0.962 0.057 富锦 0.993 1.017 0.986 0.035 海伦 0.996 0.881 0.993 0.025

表2 各站点与所属分区的气温统计关系 Table2 Statistical relationship of temperatures in each site and its regions

2)对订正后的古气温记录进行奇异值的剔除。即把每个时间段已订正为分区的古气温记录中, 大于该分区全新世序列2倍标准差的气温数值, 作为奇异值进行剔除。

3)对有效数据, 按照原文献中气候重建方法的不同分为转换函数和因子指示法2类, 采用分层次平均的方法计算平均气温值, 得到初始的全新世分区气温集成序列。

4)初始序列平滑处理。对初始序列进行3点二项式加权(3点加权系数依次为0.25, 0.5, 0.25)滑动平均, 弱化时间误差对序列的影响, 得到全新世分区气温序列(图 2)。图2中以同一时段内经过奇异值删除的有效值最大值与最小值分别作为包络线的上下限, 它代表了重建的误差范围。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 重建的分区连续气温集成序列与高分辨率环境记录对比Fig.2 Comparison of reconstructed regional temperature series to high resolution environmental records

经过上述步骤, 重建了滇藏高原、东北、华北北部、华东华南和华南区200 a分辨率的全新世气温连续序列。

将重建的东北、华北北部、华东华南、华南和滇藏高原分区连续气温集成序列与对应区域反映冷暖变化的高分辨率环境记录对比(图 2), 共同点主要表现在以下两方面。

1)全新世显著分为3个阶段, 全新世早期波动升温, 中期温暖, 晚期变冷; 集成序列与环境记录总体趋势一致。例如:华北北部集成序列与岱海孢粉记录中11.5~10 ka BP, 气温较现代低, 环境状况较现代差, 但气温与环境状况都总体逐渐好转; 10~8 ka BP显著升温, 环境迅速好转, 8~6 ka BP为全新世暖期盛期, 乔木孢粉浓度也达到最大; 6~4 ka BP气温与孢粉浓度开始下降, 但总体状况优于现代; 4 ka BP以来, 气温波动下降, 孢粉浓度也呈现较大的波动, 并降低为现代水平。

2)全新世暖期、暖期盛期的发生时间较为一致, 主要100 a尺度环境事件相互对应。气温集成序列与环境记录显示, 东北、华北北部、华东华南全新世大暖期开始的时间大致在9 ka BP, 暖期结束在4 ka BP前后。东北集成序列与四海龙湾玛珥湖总有机碳记录都反映出在全新世大暖期的晚期5~4 ka BP有1次显著暖期, 只是集成序列中该暖期为全新世中期的次暖期, 而总有机碳记录中显示为环境状态最佳。华北北部集成序列与岱海孢粉都记录了全新世暖期鼎盛发生在8~7 ka BP; 华东华南集成序列与神农架大九湖有机碳同位素记录中9~7 ka BP为暖期鼎盛期; 华南区集成序列与广东湖光岩玛珥湖孢粉的暖期鼎盛期都发生在8 ka BP前后, 9.2 ka BP和4 ka BP都有1次显著的降温事件, 这2次降温事件在青藏高原集成序列与环境记录中也有体现。

以上共同点显示集成重建的气温序列能够兼顾定量与高分辨率。当然, 两者之间的差异性也是明显的。例如东北集成序列中全新世暖期盛期发生在中期偏早, 而四海龙湾玛珥湖总有机碳记录环境最佳状态发生在全新世中期偏晚。神农架大九湖有机碳同位素显示华东华南晚全新世气温呈持续微弱下降趋势, 而集成气温序列中华南区同时段基本稳定。

将分区连续序列与采用同样方法重建的全国序列(方修琦和侯光良, 2010)对比发现(图 3):分区与全国序列全新世气温变化趋势基本一致, 有较高的可比性。在新仙女木事件(YD)结束之后, 各分区气温迅速回暖, 并在10 ka BP前后升温至现代水平; 此后发生了降温波动, 谷底约在9.2 ka BP, 后继续升温, 并进入中全新世大暖期; 分区和全国序列都显示大致在8.9~4 ka BP是个强盛的暖期, 都较现代温暖, 并在4 ka BP结束, 之后气温波动下降, 并与现代相当。因此全国与分区序列可以将全新世气温变化分为3个阶段, 即早全新世缓慢波动升温、中全新世大暖期和晚全新世波动下降。东北、华北北部、华东华南和滇藏高原全新世大暖期时间都在9~4 ka BP, 暖期鼎盛期发生时间约8~6 ka BP, 与全国序列一致。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 分区连续集成序列与全国序列对比Fig.3 Comparison of regional integrated series to nationwide series

全国序列中早全新世较为显著的9.2 ka BP冷事件在东北、华南和滇藏高原序列中都有记录, 只是华南序列中9.2 ka BP是最强的冷事件, 滇藏高原该事件强度与4 ka BP寒冷程度相当。分区与全国序列中全新世大暖期并非持续的暖期, 夹杂许多冷事件, 其中6200 a BP冷期在滇藏、华北北部、华南和华东华南区都有记录, 是全新世最强烈的冷事件之一; 4 ka BP冷事件在全国序列中寒冷程度较强, 该事件在华北北部、华南和滇藏序列中都存在。全国序列和4个分区序列中小冰期是全新世期间强度较大的1次冷事件, 东北序列中小冰期最为寒冷。

对比各分区连续序列, 发现:(1)全新世大暖期是个较现代更为温暖的时期, 但各分区温暖程度不同。滇藏高原区暖期盛期约比现代高2, ℃, 东北区高3, ℃, 华北北部区高1.5, ℃, 华东华南区高接近1, ℃, 华南区高0.5, ℃; 表现出纬度从北向南、海拔从高到低、气温变幅依次递减的变化趋势。(2)许多冷事件在各分区表现为发生时间的一致性, 但寒冷程度存在明显差异。例如4000 a BP冷事件在各分区都有记录, 是全新世期间气温跌幅最大的冷事件之一, 滇藏高原、东北、华北北部、华东华南和华南区气温降低幅度分别为1.5、2、1、0.5和0.5, ℃; 该次冷事件之后, 全新世大暖期结束。晚全新世气温波动中下降, 滇藏、东北和华北北部序列显示, 2.8 ka BP有1次较强的冷事件。在400 a BP前后是著名的小冰期, 滇藏、华北北部和东北区序列显示, 小冰期是全新世期间规模较大的1次冷期, 其寒冷程度较高、持续时间较长, 东北区气温较现代低2, ℃左右, 华北北部区低0.7, ℃, 滇藏高原低0.5, ℃, 华东华南和华南区低不到0.5, ℃; 小冰期之后各区气温均开始上升。(3)从气温变化幅度来看, 全新世期间东北地区和滇藏高原区变化幅度较大, 气温距平变化范围在-2~3, ℃, 变化幅度达5, ℃左右; 其次为华北北部区, 距平变化范围在-1~1, ℃, 变化幅度2, ℃左右; 华东华南和华南区距平幅动在-0.5~1, ℃, 变化幅度1.5, ℃。这符合全球变化的基本规律, 即全球变化幅度在高纬度和高海拔地区大于低纬度和低海拔地区(张兰生等, 2001)。