1 引言

IPCC第五次报告^[1]中指出全球陆地和海洋表面平均温度在1880~2012年间增加了0.85(0.65~1.06)℃； 自1901年以来北半球中纬陆地区域的平均降水增加(1951年之前可信度居中且1951年之后可信度增高)，但其他纬度地区的平均降水在长期范围增加或减少趋势的可信度都较低。这表明全球降水变化的复杂程度要远远超过温度的变化，降水或湿度变化的空间异质性使得讨论局地或区域尺度的变化特征和规律成为全球气候变化领域的重要内容。青藏高原西南部地区温差剧烈、 气候干燥、 降水稀少、 大陆性强，讨论该地区气候水文变化具有重要意义。高分辨率的气候代用指标记录可以弥补该区域气象站点少、 器测资料短缺的不足。树木年轮以其定年精确、 分辨率高、 时间尺度长和空间覆盖广泛等特点成为近千年区域及全球气候变化重建研究的主要代用资料并得到广泛应用^{[2, 3, 4, 5, 6, 7, 8, 9, 10, 11]}。

国内外学者对青藏高原南部的树轮气候学研究已做了大量工作，如色季拉山^[12]、 林芝地区^{[13, 14]}、 南木林地区^[15]、 亚东地区^[16]、 昌都地区^{[17, 18]}、 那曲地区^[19]以及高原东南缘地区^{[20, 21]}已发表了一批新的成果。然而，已开展的工作中对降水或湿度的研究相对较少。 高原南部河谷与山地交错，地形起伏跌宕，了解地该地区的气候变化显得十分必要。本文以青藏高原西南部谢通门地区大果圆柏(Sabina tibetica Kom.)的树轮资料为研究对象，恢复研究区过去644年的降水历史，通过对重建序列的分析，了解研究区的干湿变化规律与周期特征，为高原南部生态环境演变的探讨提供科学依据。

树轮采样点位于青藏高原南部雅鲁藏布江的年楚河流域地区谢通门县境内，属于高原温带半干旱季风气候区^[22](图 1)。地形大致可分为平均海拔在4500m以上的北部高原、 平均海拔在4100m左右的南部谷地以及平均海拔在4500m以上的西部高原三部分。年日照时数3050小时左右，年降水量400mm左右，但比较集中，仅7~8月份占全年降水量65％，且夜雨居多。冬春季节空气相对湿度在30％以下，地面常处于干燥状态，植被生长稀疏，总盖度20％~30％。主要发育土壤类型为草甸土、 阿嘎土及部分砂土。天然植被主要由半干旱矮小灌木和草本植物组成，具有向草原化过渡的特点^[23]。采样点XMQ(29.80°N，87.43°E； 海拔4576~4781m)和XLB(30.10°N，87.53°E； 海拔4460m)分别位于谢通门县的美巴切勤乡和列巴乡，共采集树轮样品222根树芯/112棵树。

图 1(Fig. 1)

图 1 树轮采样点示意图 Fig. 1 Location for tree-ring sampling sites

树芯样品的预处理方法严格按照国际通用方法进行^[24]。样品带回实验室后经过风干、 固定、 切割预处理后，利用Lintab 6树木年轮宽度测量仪测量树木年轮宽度，测量精度为0.01mm。结合TSAP-Win软件进行目视定年，定年的结果由综合定年指数CDI值、 t值和Glk值等统计量检验通过。定年结果利用COFECHA^[25]程序进行检验，保障定年结果的可靠性。

为避免去趋势方法会减少样本单个序列低频气候信号的影响，剔除了长度小于100年及部分断裂、 有破损的样本，最终选取了189根树芯/100棵树进行分析。采用负指数函数对各个宽度序列进行拟合，以去除树木间的非气候信号和非一致性扰动。利用ARSTAN^[26]软件将每条序列用双权重平均法生成标准化树轮年表(Standard Chronology，简称STD)； 再以时间序列的自回归模型对去趋势序列进行拟合并再次标准化，去除树木个体特有的和由前期生理条件对后期造成的持续性生长量，得到差值序列后再对其进行双权重平均，即建立了差值年表(Residual Chronology，简称RES)。为减少样本量随时间变化的影响，采用Osborn 等^[27]的方法稳定年表方差变化。根据复本量原理的要求，样本总体解释量^[28](Expressed Population Signal)是评价树木间平均相关和样本量间的函数，一般取0.85。为进一步对比了解采样点树轮宽度年表的统计特征及其反映的气候信息，对样本序列进行公共区间分析，分析时段为公元1700~2000年。

图 2(Fig. 2)

图 2 日喀则站多年(1956~2013年)平均最高/低温、 平均温和降水量的月际分布 Fig. 2 Climate diagram for the Rikaze Meteorological Station(variability of monthly averaged maximum/mean/minimum temperature and precipitation during 1956~2013A.D.)

本文采用的器测数据分别是距离采样点最近的日喀则气象站(RKZ:29.15°N，88.53°E； 海拔3836.0m； 时段1956~2013年)的平均温度、 平均最高/低温度和降水数据(图 1和2)，CRU格点资料(29.75°~30.25°N，87.25°~87.75°E； 海拔5055~5336m； 时段1956~2013年)以及距采样点最近的一个自校准帕尔默干旱指数(PDSI)格点数据(28.75°N，88.75°E，时段1956~2010年)^[29](图 1)。利用DendroClim2002^[30]软件，计算上一年6月到当年9月标准化树轮指数(STD)与以上各气候要素相关系数的显著性。为考察本样点树木生长对大范围气候变化的响应，选取Global Precipitation Climatology Center(GPCC，http://gpcc.dwd. de/V6.0，0.5°×0.5°) ^[31] 1957~2010年间的格点数据分别与日喀则气象站器测数据和重建结果进行空间相关分析。同时，采用多窗谱分析方法(MTM)^[32]来研究周期性特征。

对谢通门样本的进行测量、 交叉定年和建立年表之后，确定了年表的时间跨度为1265~2013年，长度是749年(图 3)。样本量的总体代表性(EPS)和样本的平均相关系数(Rbar)随时间分布稳定，根据EPS>0.85的标准确定出年表的可靠时段为公元1360~2013年，共644年，达到1360年的样本量是6根树芯(图 3)。Cook等^[33]指明标准化年表可恢复样本平均长度三分之一的气候信息，而谢通门样本集的平均样本长度为276年，这表明重建年表可保留年际到年代际的气候信息。样本序列的其他基本统计量结果表明，STD年表的平均敏感度(MS=0.184)相对于RES年表(MS=0.211)偏低，但STD年表一阶自相关系数(AC=0.450)相对于RES年表(AC=-0.139)较高，说明谢通门地区树木径向生长的持续性较强，即前一年树木生长状况对来年树木径向生长有很大影响。

STD年表的公共区间(1700~2000年)分析结果表明，所有样芯间的平均相关系数(r₁)为0.382，同一棵树不同样本之间的相关系数(r₂)是0.706，树与树之间的相关系数(r₃)是0.376，说明各单棵间树木径向生长较为一致，是受相似环境因子影响的结果，所包含的气候变化信息量越大。另外，序列的信噪比为(SNR=30.24)和第一主成分解释方差量(PC1=19.55％)也比较高，各项统计值高则一般意味着包含较多的气候变化信息。

图 3(Fig. 3)

图 3 谢通门树轮标准化年表(STD，a)、 差值年表(RES，b)、 样本量(灰色阴影)、 样本平均长度(MSL； 蓝线) 和树龄分布(MCA； 绿线)(c)以及EPS与Rbar时间变化曲线(d) 红线为11年滑动平均 Fig. 3 Ring-width chronology at the Xietongmen region.(a)Standard chronology，(b)residual chronology，(c)sample depth(gray shades)，mean segment length(MSL:mean segment length，blue line)and tree age variations(MCA:mean cambial age，green line)，and (d) the Expressed Population Signal(EPS)and running Rbar variations

标准化年表(STD)中剔除了树木因遗传造成的生长趋势变化，包含了更多的低频信号； 而差值年表(RES)在计算过程中用自回归模型拟合时剔除了序列中的低频信号，因此差值年表只表现出序列的高频振荡特点。以下讨论分析选取标准化年表(STD)进行气候要素响应分析，探讨谢通门地区树木径向生长对气候要素变化的响应模式； 而之后在树轮气候序列重建中采用两种年表分别进行，以兼顾高、 低频域内的气候变化分析。

通过单月的相关和响应函数分析可以看到，日喀则站多年逐月平均温度(图 4a)、 平均最高温度(图 4b)和平均最低温(图 4c)均与谢通门树轮指数在上一年10月、 11月和当年1月呈显著正相关，说明冬季温度尤其是低温对树木径向生长有影响。如果树木生长季前期温度太低会使土壤冻结层融化时间推后，造成生长季变短； 同时温度过低可能会损害树木胚芽，或者降低树木根部的活力，从而影响到树木的径向生长^[34]。树轮指数与日喀则站多年逐月平均降水(图 4d)及CRU降水资料(图 4e)的单月相关和响应函数分析表明，树轮指数和上一年7月、 8月和当年4月、 5月的降水呈显著正相关，说明在降水充足情况下，土壤充分地供给树木生长的有效水分，有利于树木的径向生长。

图 4(Fig. 4)

图 4 谢通门树轮指数与日喀则站平均温度(a)、 平均最高温(b)、 平均最低温(c)和降水(d)以及CRU降水(e) 和PDSI(f)的相关函数(蓝色实线)和响应函数(红色点划线)分析 灰色虚线表示相关函数达到95％显著水平； 红色星号表示响应函数达到95％显著水平； P表示上一年，C表示当年 Fig. 4 Correlation(blue straight line)and response(red dash-dot line)analysis between Xietongmen tree-ring index and Rikaze monthly mean temperature(a)，mean maximum(b)／minimum (c) temperature and precipitation as well as CRU precipitation (e) and PDSI(f). Gray dashed line indicates 95％ significance of correlation function，and red asterisk indicate 95％ significance of response function. P represents the previous year and C represents the current year

PDSI与谢通门树轮指数相关和响应函数分析具有一个明显的特点(图 4f)，即树轮指数与绝大多数月份(除当年的8月、 9月外)的PDSI是正相关，且与当年的5月的PDSI的相关系数超过了0.5(p>0.01)。 PDSI是反映地表水分状况和径流的一个良好的代用指标，能有效的反映土壤湿度和区域干湿状况^[29]。由于春季土壤中有效水分含量的多少与树木径向生长的关系密切，说明该时段是土壤水分对树木生长限制作用最为明显的时段，因此树木生长可能在该时段对土壤水分含量的变化响应最为敏感。

除了单月的相关性分析外，本研究还计算了温度、 降水和PDSI的不同季节组合与谢通门STD指数的相关系数，这能够更加清晰地揭示气候要素对树木径向生长的影响。分析结果表明，树轮指数与冬季(上一年11月到当年3月)平均最低温相关系数为0.56(p>0.01)，但二者的一阶差相关系数为0.36(p>0.01)； 与年总降水(上一年7月到当年6月)相关系数为0.52(p>0.01)， 一阶差相关系数为0.76(p>0.01)，说明树轮指数与冬季温度的相关是低频上的趋势相关，而与年总降水的在高、 低频上均显著相关才是具有统计意义的，这也表明年总降水的变化是研究区树木径向生长的限制因子(图 5a)。我们也计算了差值年表(RES)与年总降水的相关系数为0.72(p>0.01)，一阶差相关系数为0.77(p>0.01)(图 5b)。由此可见，无论STD指数还是RES指数，谢通门树轮宽度指数与年降水存在显著相关关系，且一阶差相关系数的数值接近，谢通门树轮可以作为该地区降水变化的代用指标。另一方面需要特别指出的是，PDSI虽在单月尺度上与树轮指数的相关性较高，但PDSI的季节变化对树木径向生长变化的解释方差量小，因此我们认为该地区的树轮年表不足以用于PDSI的重建。

图 5(Fig. 5)

图 5 谢通门标准化年表、 差值年表与日喀则站年降水量对比 (a)原数据对比；(b)一阶差数据对比 Fig. 5 Visual comparison between the Xietongmen standard/residual tree-ring index and the Rikaze precipitation. (a)Raw data and (b) first difference of the tree-ring and instrumental data

为了兼顾高、 低频域内的气候变化分析，我们既需要了解研究地区在过去644年(公元1360~2013年)在年代际尺度上降水的低频波动特征，也需要在年际尺度上识别重建序列所指示的高频振荡特征，最终选取STD和RES两种年表同时进行重建(图 6)。在1957~2013年间STD指数与日喀则年总降水的相关系数为0.52，所以通过方差匹配^[35]重建了公元1360~2013年间谢通门的年降水量(上一年7月到当年6月)，便于与其他重建序列对比年代际尺度的气候变化。同时，基于线性方程(Y=365.24X＋41.904)转换，采用RES年表对比重建了同期降水序列，以显示谢通门树轮在年际尺度上的变化特点。

图 6(Fig. 6)

图 6 谢通门过去644年降水量重建曲线 (a)基于标准化年表应用方差匹配重建的降水曲线；(b)基于差值年表应用线性转换方程重建的降水曲线 深蓝色实线表示谢通门年降水重建曲线，红色粗线表示重建降水的11年滑动平均曲线； 浅蓝色阴影指示±1倍均方根误差范围， 灰色虚线指示±1倍标准误差 Fig. 6 Reconstructed precipitation at the Xietongmen region over the past 644 years. (a) Scaled precipitation reconstruction based on the standard chronology，and (b) regressed precipitation reconstruction based on the residual chronology. Blue line indicates the Xietongmen precipitation reconstruction，red bold line indicates 11-year FFT smoothing， cyan shades indicate ±1RMSE，gray dashed lines indicate ±1 standard error

标准化年表重建的降水量(图 6a)变化范围在311mm到546mm，平均值(mean)为429.56mm，标准误差(σ)为118.86mm，在校准时段的解释方差为27.48％； 差值年表重建的降水量(图 6b)变化范围在346mm到466mm，平均值(mean)为406.39mm，标准误差(σ)为59.57mm，在校准时段的解释方差为52.58％。显然，差值年表重建降水的解释统计量都优于标准化年表的重建结果，能够很好地反映谢通门降水的年际变化。同时，由标准化年表的谢通门降水重建曲线的11年滑动平均揭示该地区低频的气候变化韵律，相对于平均值偏湿的持续时段发生在公元1360~1368年、 1505~1599年、 1631~1640年、 1654~1797年、 1825~1836年、 1890~1901年和1975年之后； 偏干的持续时段发生在公元1369~1504年、 1600~1630年、 1641~1653年、 1798~1824年、 1837~1889年和1902~1974年。重建序列的11年滑动显示了在过去的644年间谢通门地区的干湿波动存在两种情形: 在大约公元1600年之前以及1800年之后干湿长期变化波动较大，而在大约公元1600~1800年间呈现一种较为平稳的态势。

为验证重建结果的可靠性及对比区域降水异同，选取青藏高原南部由树轮重建的降水或湿度序列进行对比分析(图 7)。He等^[36]利用林周地区(30.30°N，91.50°E) 树轮宽度序列，通过与周围7个气象站资料校准重建了公元1085~2009年间的年降水序列，在器测记录时段(1963~2008年)的解释方差为50％，因此林周降水序列是一条大复本、 长度长的可靠的降水序列(图 7b)。其次，我们选取了之前在高原中南部(28.90°~29.30°N，90.43°~93.33°E) 由多个树轮样点恢复的过去700年(公元1300~2010年)间区域年总降水序列，该序列在高原南部中段地区有良好的空间代表性^[37](图 7c)。Cook等^[38]利用点对点重建方法进行的整个季风亚洲PDSI变化重建，我们选取了距离采样点最近的4个PDSI格点的平均(28.75°~31.25°N，86.25°~88.75°E) 数据(图 7d)与谢通门降水序列(图 7a)进行对比。为了消除各重建结果的受海拔等影响而造成的数量上的差异，对所有重建序列进行了标准化及11年FFT平滑，选取共同的640年(公元1360~2000年)作以比较。

图 7(Fig. 7)

图 7 青藏高原南部降水重建结果对比 图中(a)、(b)、(c)和(d)分别为谢通门、 林周[36]、 青藏高原南部区域降水[37]和PDSI重建曲线[38]； 蓝色和橙色阴影表示11年FFT滑动曲线降水相对于平均值偏多和偏少的时段 Fig. 7 Comparisons for reconstructed precipitation series on the southern Tibetan Plateau.(a)，(b)，(c)，and (d) indicated reconstructed Xietongmen，Linzhou，the regional precipitation series，and PDSI series，respectively； blue and orange shades indicated relatively wet/dry periods after 11-year FFT smoothing

在共同时段1360~2000年间，谢通门降水序列与林周降水序列、 高原南部区域降水序列和PDSI序列在1510s~1530s、 1710s~1740s、 1800s~1820s、 1870s~1880s和1950s~1960s都显示出降水(湿度)同相变化特征，其中1800s~1820s、 1870s~1880s和1950s~1960s高原南部经历了3次年代际尺度上的相对干旱时期(见图 7)，表明青藏高原南部在过去近600年间降水变率一致，可能受到相同的气候驱动因素影响。Cook等^[38]指出19世纪七、 八十年代间的连续干旱可能归因为赤道附近海水温度极端异常使得亚洲季风衰退所致。同时，以上4条重建的降水序列中，高原南部的区域降水序列和PDSI序列反映区域平均降水变化，而谢通门降水序列和林周降水序列均是在单一采样点基础上恢复，所以后两者相对反映局地气候变化特征更为显著； 然而，在年际尺度上谢通门降水序列与林周降水序列的相关系数为0.34，表明二者在高频变化上一致性更强。以上4条序列在公共的640年间目视对比一致性略低也是因为基于标准化年表重建的谢通门降水序列在低频变化上代表性较低。另一方面，也注意到谢通门降水序列在整个15世纪显示是持续时间较长的相对干旱时期，而在其他3条序列中反映并不一致，尤其是与林周降水序列对比来看，林周降水序列大15世纪上半叶反而呈现出相对湿润的状况，是否体现为区域内部的气候差异还是气候重建的不确定性引起的，需要进一步研究。Wang等^[39] 从重建的亚洲区域夏季提取青藏高原南部50个PDSI格点分析了过去700年(公元1300~2005年)高原的湿度变化，发现前4个特征向量对应主成分的时间系数序列都显示出高原南部在15世纪是普遍存在的相对干旱期。

为分析重建结果的空间代表性，利用Global Precipitation Climatology Center(GPCC，http://gpcc.dwd. de/V6.0，0.5°×0.5°) ^[31] 格点数据中1957~2010年的年降水量数据与同期日喀则气象站点观测数据和重建结果分别进行了空间相关分析(图 8)。结果表明，日喀则站降水和重建降水在高、 低频域上的与GPCC数据空间相关场的分布均类似。无论重建年表类型和重建方法，相关最好的区域分布于以谢通门为中心的高原南部地区。

多窗谱分析(Multi Taper Method，简称MTM)是一种低方差、 高分辨率的谱分析方法，由于其兼顾了谱分辨率与方差间的平衡，非常适合于非线性气候系统中与时空变化有关的弱信号的检测分析，尤其适合于对短序列、 高噪声背景下的准周期信号的诊断分析^[40]，在树轮气候学研究中已得到广泛的应用^{[3，10，36， 41]}。MTM分析结果表明(图 9)，本文重建的谢通门地区过去644 年降水序列中包含显著的百年尺度的128a周期，显著的3.5a、 2.9a、 2.5a和2.1a高频变化周期。降水变化序列中3~5a 的周期与厄尔尼诺-南方涛动(ENSO)的变化周期比较一致，揭示出该地区降水变化可能与ENSO活动有关^[42]。与全球海平面温度(HadlSST，1957~2012年)的相关分析结果(图未给出)显示，该地区降水与印度洋和赤道东太平洋地区的海温显著负相关，相关系数在-0.5~-0.6(p>90％)，进一步说明该区域降水与ENSO之间可能存在联系，这种联系可能通过南亚季风作用，受印度洋水汽来源影响。

图 8(Fig. 8)

图 8 日喀则降水(a)和基于谢通门标准化年表的重建降水(b)、 差值年表的重建降水(c) 与区域GPCC格点年降水数据(1957~2010年)的一阶差空间相关性分析结果▲: 谢通门树轮样点； 1█: 文献[36]中林周降水序列位置； 2正方形方框: 文献[38]中PDSI序列位置；3矩形框: 文献[37]中高原中南部区域降水序列位置 蓝色和橙色阴影表示11年FFT滑动曲线降水相对于平均值偏多和偏少的时段 Fig. 8 Spatial correlation analysis between the first difference of precipitation at the Rikaze station and the scaled(b)，regressed (c) July-June precipitation with the GPCC gridded datasets during 1957~2010A.D. Solid triangle:Xietongmen sampling sites； 1 solid square:Linzhou precipitation reconstruction in reference[36]； 2 square box:4-point averaged PDSI reconstruction in reference[38]； 3 rectangle box: regional precipitation in south-central Tibetan Plateau in reference[37]

图 9(Fig. 9)

图 9 谢通门重建降水序列的多窗谱分析结果 Fig. 9 MTM analysis for the Xietongmen reconstructed precipitation

美国大气海洋局(NOAA)的HYSPLT模型(Hybrid Single Particle Lagrangian Integrated Trajectory Model)具有处理多种气象要素输入场、 多种物理过程的较为完整的输送、 扩散和沉降模型，己经被广泛地应用于多种气体或大气污染物在各个地区的传输和扩散的研究中^[43]。HYSPLT模型轨迹模拟主要有两种形式，后向传输模型和前向扩散模型。前向模拟是模拟目标地区的水汽流向的一种形式，主要是用来解释水汽去向的问题^[44]； 后向模拟是模拟目标地区的气流流向的另一种形式，该模型来解释目标地区水汽来源的问题^[45]。本文应用HYSPIT模型的后向轨迹模型，结合NCEP/NCAR Reanalysis气象数据，追踪在季风月(8月)降水气团后向轨迹(气团高度设为地面以上800m)，模拟的轨迹包括气团水平和垂直方向的运移路径，所有的模拟结果由气团反向轨迹图表示，最终模拟研究区水汽源地和输送过程的关系(图 10)。

图 10(Fig. 10)

图 10 研究区典型水汽团的后向轨迹 彩色线条表示不同时刻水汽来源的路径 Fig. 10 Backward trajectory of water resource transport process at the study area. Solid dotted lines of different color indicate water resource pathways during separated moments

后向轨迹分析结果表明研究区水汽团主要来自于西南方向，表明由印度洋向高原南部输送水汽。王宵等^[46]利用 NCEP/NCAR 再分析资料研究分析青藏高原及周边地区的水汽输送分布场研究指出4~9月水汽进入高原的主要通道之一便是从高原西南侧、 喜马拉雅山中段和高原东南侧； 周长艳等^[47]在总结分析青藏高原及周边水汽的来源的研究中指出水汽来源主要从高原东南、 西南部进入高原，来自印度洋、 阿拉海的水汽对高原水汽收支有一定贡献。这些研究结果进一步验证了我们的水汽来源模拟结果的可靠性。

本文利用青藏高原谢通门地区的大果圆柏(Sabina tibetica Kom.)的树轮宽度资料，通过方差匹配和线性方程转换两种方法分别重建了谢通门公元1360~2013年间的年降水(上一年7月至当年6月)，分别揭示出谢通门地区在过去644年内在年代际和年际尺度上干湿变化特征。由标准化年表重建的降水序列在年代际尺度上捕捉到谢通门地区相对于平均值偏湿和偏干的持续时段。与高原南部其他由树轮恢复的降水或湿度序列对比发现，过去共同640年内(公元1360~2000年)高原南部地区经历了类似的干湿变化过程，可能到相同的气候驱动因子控制。空间相关性分析表明，谢通门重建降水具有一定空间代表性。重建序列在过去644年中存在高频短周期可能与ENSO等海气耦合活动有关。而后向轨迹分析结果印证了印度洋是研究区的水汽来源地区。

致谢 衷心感谢审稿专家和编辑对文章提出的修改意见。感谢康淑媛博士、 贺敏慧博士和王江林博士对本文的有益讨论。