1 引言

历史气候变化规律及其机制的研究，有利于我们了解近代气候变化的自然背景以及预测未来数十年气候变化的背景^[1]。但是，器测资料短缺、 气象台站稀少，是目前限制人们对历史气候变化，尤其是高原地区气候变化规律研究的重要原因之一。

研究表明青藏高原及其邻近地区是世界气候变化的敏感区和脆弱区之一^{[2, 3, 4, 5, 6, 7, 8, 9]}。介于青藏高原与四川盆地之间的川西高原是青藏高原东南部的主要部分，地广人稀，具有丰富的植被，是青藏高原向我国第二阶梯过渡的区域，同时也是青藏高原高寒气候带向四川盆地中亚热带气候带过渡区域，是青藏高原寒区和我国东部季风区的交接地段，其气候变化特征对了解全球背景下青藏高原及邻近的四川盆地甚至整个西南区域的气候变化具有重要的意义。近年来，众多专家学者在川西高原上开展了树轮研究工作，利用树轮宽度、 最大密度等，重建了川西高原多个地点的气候变化序列^{[10, 11, 12, 13, 14, 15, 16, 17, 18]}，揭示了川西高原部分地区的历史气候变化特征。然而这些研究结果只揭示了川西高原少部分地区的历史气候变化特征，对于研究整个川西高原的历史气候变化还远远不够。同时，前人的研究大多都是利用单个采样点的树轮样本进行对单个气象站的数据进行重建，而本研究利用两条树芯样本来对多个气象站平均的气候要素值进行重建。本文重建的川西高原北部地区盛夏(7~8月)平均温度变化，一方面拓展了对该区域长期气温变化的认识，为进一步了解该区域的气候变化特征提供了基础资料，另一方面，该研究区域是长江重要支流岷江和涪江的发源地，研究成果还能为当地的生态保护提供可靠的科学依据。

两个采样点位于四川省阿坝藏族羌族自治州北部(图 1)，分别为热吾沟(RWG)和热基沟(RJG)，均分布在3400m的亚高山地区，同属于青藏高原东侧，境内河流众多，植被丰富，植被呈明显的垂直分布性变化。植被以亚高山草甸为主，次为亚高山灌丛，亚高山常绿针叶林在河谷阴坡有块状分布，主要为云杉和冷杉^[19]。区域内森林多呈带状分布，且主要分布在河谷两侧的山坡上，在海拔3000~4000m 的阴坡常见大面积的岷江冷杉(Abies faxoniana)。本文2个采样点优势树种均为岷江冷杉。两个采样点林木郁闭度较高。树木多为活树，且林下植被较丰富，常见杜鹃、 忍冬等植物，有较稠密的草被层，并散生有10~30mm 的苔藓^[19]。该区域属于典型的高原气候区，受西风南支急流、 东南季风以及西南季风等综合影响，形成了高原山地气候特点。该区域昼夜温差大，年平均气温2.9~8.5℃，冬天阳光充足干燥寒冷，夏季雨量集中，干湿季节分明，气温和降水在垂直方向上存在明显差异，具有高原山地立体气候特点。一年中，日平均气温≥10℃的日数为36~125天，最冷月1月平均气温在-5~-9℃，极端最低气温在-35~-19℃之间； 最热月7月平均气温在11~15℃，极端最高气温在22~29℃。该地年降水量在650mm左右^[20]。

图 1(Fig. 1)

图 1 采样点示意图 Fig. 1 Sketch map of the location of sampling site

本文所用的树轮样本由中国科学院地理科学与资源研究所、 国家气候中心和中国气象局成都高原气象研究所联合采集。采样点均分布在阿坝州境内(表 1)采样点均分布在3500m以上，采样点林间郁闭度较高，受人类活动影响较少，采集的树种为岷江冷杉。按照国际树木年轮数据库的标准，每棵树从不同方向采集两根树芯，为了保证能够通过多个树芯间的交叉定年识别伪轮或者缺轮，以及利于树芯的定年，在采样时对某些树采集了2个以上的树芯，2个样点共采集52棵树的126个树芯，复本量完全能够满足研究要求。

表 1(Table 1)

表 1 采样点概况Table 1 Information of sampling site 采样点名称 采样点代号 纬度 经度 海拔/m 坡向坡度 树种 样本量 样本长度/年 热吾沟 RWG 32°17′N 103°23′E 3530 北坡30° 冷杉 63 1569~2010 热基沟 RJG 32°16′N 100°49′E 3680 北坡30° 冷杉 63 1469~2010

表 1 采样点概况 Table 1 Information of sampling site

将采集到的样芯按照国际通用的基本程序进行干燥(自然晾干)、 固定、 磨光处理和交叉定年，并利用COFECHA程序^[21]进行定年的质量控制，剔除了奇异点过多和与主序列之间相关性较差的个别样本。为了去除原始树轮宽度中所包含的非气候信息，利用ARSTAN^[22]程序，采用步长为样本长度67％的样条函数、 负指数函数和Hugershoff曲线^[23]拟合每个测量序列的生长趋势，最终用双权重平均法将去趋势序列合成得到3种年表，即标准化(STD)、 差值(RES)及自回归(ARS)年表。经过分析3种年表的统计量，发现标准年表(STD)各项统计量要优于其他两种年表，其所含的信号更能更好的反映采样点树木变化的总体特征，故最终选择了标准年表(STD)用于下一步的分析(表 2)。从表 2可以看出，两个采样点树轮年表的统计特征相似，同时，从图 2所给出的公共区域1801~2000年两条树轮宽度指数序列的标准化变化曲线中可以看出，序列间的变化特征表现出较好的一致性。两条序列间的相关系数为0.599(达到了99.9％的置信度)，相关非常显著。因此，说明该两个采样点控制树木生长的限制因子基本相同。

分析各样点的标准年表统计特征及公共区间分析结果(表 2)可以发现: 两年表的平均敏感度较高，表明了年表具有反映过去气候变化的潜力； 样芯间相关系数、 年表标准差、 样本量总体代表性以及第一主成分方差解释量都具有较高的水平，表明了样本的树轮宽度变化具有较好的一致性，能够记录该区域的气候信息，同时也说明了本次采样工作是可靠成功的。另外，选择SSS＞0.85的第一年为年表起始年，则采样点热基沟(RJG)和热吾沟(RWG)可靠年表时段分别为1506~2010和1686~2010年。

表 2(Table 2)

表 2 两个采样点树木年轮标准年表统计特征及公共区间分析结果Table 2 Two chronologies statistics and results of common interval analysis of standard tree-ring chronology 主要特征参数 年表名称 RJG RWG 年表长度/a 542 425 平均敏感度 0.23 0.12 年表标准差 0.29 0.19 一阶自相关系数 0.84 0.77 所有样芯相关系数 0.41 0.32 树间相关系数 0.41 0.30 树内相关系数 0.58 0.59 信噪比 20.78 18.69 样本量总体代表性(EPS) 0.96 0.94 第一主成分方差解释量 45.4％ 36.2％

表 2 两个采样点树木年轮标准年表统计特征及公共区间分析结果 Table 2 Two chronologies statistics and results of common interval analysis of standard tree-ring chronology

图 2(Fig. 2)

图 2 两个采样点公共区间1801~2000年标准化年表的逐年变化 Fig. 2 Year to year change of standardized chronology at two sample sites in 1801~2000

为了避免单个气象站只反映局部气候变化而不能反映整个区域气候变化的问题，本文选取了离采样点较近的阿坝、 壤塘、 松潘等10个气象站点1965~2010年的月平均气温和月降水量进行分析(图 3)。本文将10个气象站平均的气候要素值代表区域气候要素值。同时对各站点的主要气候要素采用了Mann-Kendell方法和double-mass analysis方法对降水和气温资料进行了均一性检验^{[24, 25]}，结果显示各站各气候要素无随机突变和明显不均匀分布的情况。

图 3(Fig. 3)

图 3 各气象站多年月平均降水量和月平均温度变化 Fig. 3 Monthly mean precipitation and temperature records from the ten weather stations

图 3可以看出，各站点多年月平均气温变化具有较好的一致性，气温年较差不大，最低温度大多出现在一月份，最高温度都出现在7月、 8月份； 各站月降水量最大值均出现在6月，1~6月变化趋势比较一致，7~9月各站变化较大，10~12月变化趋势又大致相同。

本文将两个采样点的年表分别与区域月平均气温和月降水量进行相关分析，同时考虑了在川西高原地区，9月份后树木进入了休眠期，因此，选取前一年10月到当年9月的气候要素进行分析，结果如图 4所示。

由图 4可以看出，两个采样点的树木年轮生长与区域月平均气温存在着良好的正相关，大多月份均存在着显著正相关关系，特别是7月和8月； 在降水方面，大多月份与年表的相关大多不显著，仅有6月和9月的相关系数达到了0.01的显著性水平，其他月份均未通过显著性检验。由此可见，温度是该区域树木生长的主要限制因子。

图 4(Fig. 4)

图 4 采样点树轮宽度指数与各月气候要素之间的相关关系 Fig. 4 Correlation analyses of tree-ring chronologies and climatic factors

因此，我们选定温度作为重建的气候因子。通过计算月份组合与各年表的相关，分析得到盛夏(7~8月)的相关系数最高，并达到了较高的显著性水平。从生理学角度来讲，前冬较高的温度可以避免叶细胞组织受损，从而保证新陈代谢活动正常，使得树木来年生长潜力增大^[10]； 而盛夏(7~8月)是树木生长旺盛的阶段，这一时期较高的气温有助于光合作用，从而使细胞分裂及细胞壁的加厚，有利于树木径向生长，产生宽轮^{[10, 11, 26]}。而且，川西高原属于青藏高原东部的湿润区，7~8月份是川西高原地区树木生长旺盛的阶段，这一时期较高的气温有利于树木径向生长，产生宽轮^[15]。需要指出的是，本文的相关结果分析表明，树轮宽度仅与6月、 9月的降水量呈显著负相关，这是由于此时气温与降水量之间存在着显著负相关，降水是通过与气温有负相关而产生负相关关系。

根据前文分析，我们选择川西高原北部盛夏温度进行重建，考虑到复本原理，重建时段选择为1686~2010年，共325年，这样既保证了两个样点树轮序列的有足够的样本量，又保证了定年的准确和量测宽度的总体代表性。利用热基沟(RJG)和热吾沟(RWG)两个树轮宽度序列，建立了回归方程:

式中，T为重建的盛夏(7~8月)平均气温，X₁为热吾沟树轮宽度序列，X₂为热基沟树轮宽度序列。重建方程的相关系数为0.74，通过了0.01的显著性水平检验。

为了检验方程的稳定性和可靠性，我们采用逐一剔除法(leave-one-out)对方程进行了检验，检验的各统计量列于表 3。从表 3可以看出，重建方程可以解释该区域盛夏平均气温序列方差的54.6％，调整自由度后为52.4％； 误差缩减值(RE=0.69)、 乘积平均值(t=4.22)以及F检验值(F=25.22)都达到了0.01的显著性水平，表明乘积方程是稳定的； 同时，重建值的一阶符号检验(S1)和符号检验(S2)分别通过了0.05和0.01的显著性检验，表明了重建序列高低频变化与实测值具有较好的一致性。由此可见，重建方程较为稳定，重建结果可靠。图 5给出了1965~2010年器测时期实测值和重建值的对比，可以看出，两者表现出较好的一致性，整体趋势基本相同，甚至在一些时段，两者数值极为接近。

表 3(Table 3)

表 3 转换方程和交叉检验的统计量Table 3 The statistical parameters of the function and cross-validation 方差解释量(R2) 方差解释量调整值(R2adj) 一阶差符号检验(S1) 符号检验(S2) 乘积平均值(t) F值 误差缩减值(RE) 54.6％ 52.4％ 29(29，31) 33(30，32) 4.22 25.22 0.69

表 3 转换方程和交叉检验的统计量 Table 3 The statistical parameters of the function and cross-validation

图 5(Fig. 5)

图 5 1965~2010年7~8月份平均气温实测值和重建值 Fig. 5 Comparison between measured and reconstructed mean temperature from July to August in 1965~2010

根据重建方程重建了研究区325年以来的盛夏(7~8月)平均气温变化(图 6)。为了揭示年代际尺度的冷暖变化情况，对盛夏平均气温序列进行了11a滑动平均计算，并定义: 滑动平均值至少连续11a大于均值时为偏暖时段，至少连续11a小于时为偏冷时段。从图 6可以得出，在重建的325年间，有6个偏暖时段(1705~1767年、 1798~1814年、 1823~1836年、 1853~1866年、 1874~1887年和1950~1962年)和6个偏冷时段(1691~1704年、 1768~1797年、 1837~1852年、 1888~1898年、 1907~1932年和1963~1996年)。在偏暖时段中，1705~1767年是持续时间最长的暖期，持续时间为63a，其年平均气温比多年平均气温偏高0.54℃； 在偏冷时段中，1963~1996年是持续时间最长的冷期，持续时间为34a，其年平均气温比多年平均气温偏低0.48℃。

图 6(Fig. 6)

图 6 325年来7~8月份平均温度重建序列(细线)、11a滑动平均(粗线)和平均值 Fig. 6 The reconstructed 325 years mean temperature series(thin line)，the 11 years moving average (thick line) and sampling amount(dashed line)from July to August

另外，从图 6中可以发现，重建序列在20世纪以来出现了一个变冷的趋势，这是青藏高原及其周边地区很多树轮年表生长的一个普遍规律^{[13, 14, 27, 28]}，进一步表明重建序列的可靠性。同时，1710年之前有一个明显的低温时期，这种现象很有可能是由于火山喷发造成的。1695年日本爆发的Komaga-Take火山^[29]和1699年爆发的不知名火山^[30]，这些巨大的火山爆发对该低温时期的发生起到一定的作用。

为了揭示重建序列的在较大范围上的区域代表性^{[31, 32]}，本文利用英国气候研究中心(Climate Research Unit，CRU TS3.20)的 0.5°×0.5°格点数据，计算了其中1966~2010年7~8月平均气温与同期区域气候要素观测值以及重建结果的相关系数。结果表明，器测气温(图 7a)和重建气温(图 7b)与CRU格点数据相关分析比较一致，其中相关系数最高的地方都主要发生在川西高原地区以及青藏高原地区和我国的中北部地区，这一结果证实了我们的重建结果不仅有效捕捉到了川西高原北部的温度变化信号，而且说明该区域7~8月平均气温对川西高原甚至整个青藏高原地区都有较好的代表性。

图 7(Fig. 7)

图 7 器测气温(a)和重建气温(b)与CRU格点气温数据空间相关分析结果图 Fig. 7 Correlation coefficients between observed (a) and reconstructed (b) values of temperature with CRU grid data

为了验证重建结果的可靠性，本文选择了川西高原地区以及青藏高原地区的温度重建研究结果进行了对比。采用的对比研究结果分别为Liang等^[33]利用树轮宽度重建的青藏高原东南部夏季平均气温序列； 汪青春等^[34]利用多条树轮资料重建的青海高原年平均气温； 秦宁生等^[11]重建的川西高原平均最高气温变化； 喻树龙等^[15]重建的马尔康7月平均温度变化； 段建平等^[14]重建的川西高原贡嘎山区温度变化。图 8是本文研究结果与上述研究结果的对比图，从中可以看出，它们具有较好的一致性，例如，在20世纪60年代以来，重建序列(除青藏高原东南部的重建序列)均捕捉到了一个偏冷时段； 在20世纪50年代到60年代，重建序列(除贡嘎山温度序列)在此时期都反映了一个偏暖时段； 此外，本文重建的冷暖期划分研究结果与秦宁生等^[11]以及喻树龙等^[15]的冷暖期划分结果有着多处的吻合。同时，研究结果也反映了重建序列与其他研究结果的暖(冷)时段存在着差异性，这些差异性也反映了该区域平均气温变化的地域变化特征。

图 8(Fig. 8)

图 8 不同地区的偏冷(暖)时段对比(A)偏冷时段对比(comparison of cool period)；(B)偏暖时段对比(comparison of warm period) Fig. 8 Comparison of cool period(warm period)in different regions

为了进一步验证重建结果的可靠性，本文选择了研究区域邻近区域的温度重建结果与本文重建的温度序列进行对比，选择3条重建序列时间相重合的时段(1700~2000年)，对所有序列进行11年快速傅里叶滤波(FFT)计算，选择了Liang等^[35]利用树轮宽度重建的长江源区玉树的夏季(6~8月)平均最低气温序列和李金健等^[36]利用区域年表重建的松潘地区年平均气温序列，它们距离本研究区直线距离分别约为485km和145km，且同属一个气候区，气候变化特征相差不大。对比结果显示(图 9)，本文重建的7~8月平均气温与其他两条温度序列有很好的一致性。在重建结果中，3条序列较好的体现了20世纪80年代以来有一个显著的升温趋势、 20世纪10~30年代的低温时期、 20世纪50年代至60年代的高温时期、 18世纪70年代至90年代的高温时期。图 9b重建序列与本文重建序列的采样点位置近，两条序列间有很高的相关性，相关系数达0.61，并通过了0.01的显著性检验，这两条曲线年代际变化趋势基本一致，都反映了18世纪10年代到40年代的高温时期、 18世纪末到19世纪10年代的高温时期以及20世纪60年代到20世纪末的低温时期。除此之外，本文序列还与段建平等^[14]重建的贡嘎山地区的8~9月平均气温、 宋慧明等^[13]在20世纪60年代至70年代这一低温时期和19世纪50年代至60年代这一高温时期上存在着很好的一致性。同时，3条重建序列之间也存在着一些冷暖变化不同的时段，这些不同很大可能是由于采样点环境不同所导致的区域性气候特征、 重建所选用年表以及重建时段不同而带来的差异。

图 9(Fig. 9)

图 9 本文重建序列与其他重建序列对比图 9 (a)Liang等[35]重建的长江源区玉树夏季平均最低气温序列；(b)李金建等[36]重建的松潘地区年平均气温序列；(c)本文重建序列 Fig. 9 Interdecadal comparison between the reconstructed sequence in this study (c) and in previous studies (a) reconstructed summer minimum temperature in the source of Yangtze River and (b) reconstructed annual temperature in Songpan region

通过比较重建序列与海螺沟冰川末端变化^{[37, 38, 39]}，发现存在着较好的一致性。20世纪初至30年代为冰川相对稳定或前进阶段，重建序列表现为一段偏冷期(1907~1932年)； 20世纪30~60年代末为冰川退缩阶段，重建序列在此阶段有一段偏暖期(1950~1962年)，且此阶段除少数年份高原平均值之外，大多数年份均低于平均值，呈现一个持续的低温阶段； 20世纪70~80年代中期为冰川相对稳定或减速后退，与之对应的是重建序列大多数年份均低于平均值，呈现一个持续的低温时段； 20世纪80年代中期至今冰川处于剧烈后退阶段，重建序列则表现为强烈的升温趋势。本文重建序列与海螺沟冰川末端变化表现出很好的契合度，进一步证明了重建序列的可靠性。

《中国气象灾害大典·四川卷》^[40]所记载的一些极端事件(如雪灾、 冻害、 干旱等)，也能寻得一些蛛丝马迹来印证本文的重建结果。在温度偏高的阶段，有记录的低温事件相对较少，相反，在温度偏低的阶段，记录的低温事件比较多。1907~1932年和1963~1996年是本文重建的偏冷时段，1963~1996年也由气象观测资料直接印证该时期是一个低温时期，在有记载的历史资料中^[40]，1913年、 1917年以及1922年均有明确记录该区域的松潘县发生了雪灾。此后的20世纪60~90年代初，不仅由气象观测记录直接验证，同时历史记录显示该区域是一个大范围的雪灾多发区，阿坝州境内的阿坝县、 松潘县、 若尔盖县等连续多年雪灾、 霜冻，造成大量农作物减产甚至死亡，大量牲畜死亡，给农牧业带来严重损失^[40]。这一时期，印证了本文重建序列的1963~1996年持续时间为34a的偏冷时段。相对于较为详细的低温事件记录，几乎很少有直接的高温事件记录来对本文的偏暖时段进行印证，惟有1885年和1887年明确记录了该区域松潘发生了干旱事件^[40]，仅与本文1884~1891年这一偏暖时段相对应，其结果也在青藏高原都兰地区有所反映^[41]，这可能是由于干(湿)/冷(暖)气候配置类型不同有密切的关系。另外，小冰期以来，某些区域的气候类型表现为当温度升高时降水增加，而温度下降时则降水减少^[42]，从这个角度看，存在着当温度偏低时，降水反而减少，从而导致干旱事件发生。因此，尽管干旱事件能够在一定程度上反映出温度状况，但这往往又同干(湿)/冷(暖)气候配置类型有着一定的联系，所以，利用干旱事件反映温度状况时需要谨慎。

川西高原北部采集到的岷江冷杉的径向生长与该区域7~8月的平均气温的关系最密切，平均气温对年表的影响高于同期降水、 平均最高气温等其他气候因子的影响，树轮宽度指数与7~8月份平均气温显著相关，且这一关系具有明确的生理学意义。依据这些关系重建了该地区1686~2010年盛夏7~8月的平均气温变化，重建方程经检验稳定可靠。重建序列中存在着6个偏暖时段(1705~1767年、 1798~1814年、 1823~1836年、 1853~1866年、 1874~1887年、 1950~1962年)和6个偏冷时段(1691~1704年、 1768~1797年、 1837~1852年、 1888~1898年、 1907~1932年、 1963~1996年)，其中1705~1767年是持续时间最长的暖期，1963~1996年是持续时间最长的冷期。通过重建序列的时空相关分析，表明重建序列对川西高原甚至整个青藏高原地区都有较好的代表性，同时也说明本文温度重建的可靠性。与海螺沟冰川末端变化、 川西高原以及青藏高原地区的温度重建序列的研究结果进行对比发现，本文的重建结果与其他研究结果具有较好的一致性，同时还得到了历史气象灾害记录的验证，表明了重建结果的可靠性。同时，川西高原地区不同局地的树轮气候重建序列存在着差异，合理解释这些差异性更能揭示局地气候的变化特征，也能为区域以及面域等更大尺度的气候重建及特征分析提供很多的可靠资料。

致谢 感谢中国科学院青藏高原研究所梁尔源研究员、 四川省农业气象中心李金建高级工程师为本文提供了对比数据； 感谢李金建高工为本文提出的意见。