2021, Vol.41
2 中国科学院西北生态环境资源研究院, 冰冻圈科学国家重点实验室, 甘肃 兰州 730000;
3 北京师范大学, 地表过程与资源生态国家重点实验室, 北京 100875)
随着科学界和决策界对北极地区气候和环境变化认识的不断加深[1~3]，政府间气候变化专门委员会(Intergovernmental Panel on Climate Change，简称IPCC)指出在过去20年里，北极地区的气候变化速度与幅度是全球平均水平的两倍多，海冰和积雪覆盖的减少也造成了气候变暖的加剧[4~5]。然而，受已有器测资料的限制，我们在了解北极地区历史气候状况、研究现代气候变暖的自然与人类贡献，预测未来气候变化规律等方面仍有极大的不确定性。由于过去2000年的全球气候既包含了工业革命前以自然变率为主的气候波动变化，又包含了工业革命以来在自然波动基础上因人为影响而导致的气候趋势变化[6]。因此将工业时代的变暖纳入自然气候变化背景中可更准确地理解过去2000年的气候历史，这对揭示气候系统年代际、百年际变化规律具有极其重要的作用，国际过去全球变化研究计划为此专门设立了“过去2000年气候变化研究”(Past Global Changes 2000，简称PAGES 2k)计划。
20世纪90年代以来，PAGES 2k在北极地区获取了若干冰芯、树木年轮与湖泊沉积物等高分辨率气候代用资料，开展了大量的气候代用资料收集和汇编工作[7~9]。依靠这些资料，前人评估了气候代用资料的可靠性[8~9]，对比了不同气候序列合成方法的准确度[10~11]，集成了北极地区或北极子扇区的气候序列[7~8]。这些工作为认识北极地区过去2000年的气候变化特征及其驱动机制奠定了基础，并在数据分析、区域序列集成方法等方面做了有益的探索。
整体而言，过去2000年间，北极地区在19世纪前呈现长时间的降温趋势，于19世纪中叶开始增温并显著高于全球其他区域[7, 12]。研究表明，19世纪前北极长期以来的变冷趋势主要受北半球高纬度地区夏季日照单调减少的影响[1]，而过去几十年的显著暖期则受到人为排放的影响[13~14]。除此之外，也有研究指出北极地区同样受到自然外强迫因子(如太阳活动和火山事件)和内部海冰海洋反馈的影响[7, 12]，如过去200年阿拉斯加扇区多年代际变率与太平洋年代际涛动(Pacific Decadal Oscillations，简称PDO)，北大西洋扇区多年代际变率与大西洋多年代涛动(Atlantic Multi-decadal Oscillation，简称AMO)分别存在着一定的相关性[12, 15]。
然而，Neukom等[16]指出，近150年来的气候快速变暖具有全球一致性，但过去2000年不同区域早期气候随时间变化是否存在一致性仍有待检验，工业化前的强迫不足以在年代际、百年尺度上产生全球同步的极端温度，温度的趋势呈现出区域差异[12]。因此，尽管已有很多学者开展了过去2000年北极地区气候变化趋势及其驱动因子的研究，但对北极气候变化机理的认识仍存在争议[17]，而气候变化的区域差异则是其中一个重要因素。目前，从区域分异视角来探讨北极地区温度变化趋势的研究鲜有报道。
本文依据现已发表的北极地区及其3个子扇区的温度重建序列、AMO指数等资料，采用多锥度-奇异值分解法(Multi Taper Method-Singular Value Decomposition，简称MTM-SVD)、交叉谱和小波分析等方法，分析过去2000年北极及其3个子扇区温度变化的趋势和频谱特征，并试图探讨北极地区气候对AMO的响应。该研究将有利于深入理解北极地区过去2000年气候变化的区域差异，为评估过去全球气候和环境变化提供科学依据。
1 数据与方法 1.1 数据来源本文使用了4组气候代用序列，包括由PAGES 2k工作组[7]合成的过去2000年北极地区的温度序列以及由Nicolle等[12]合成的北大西洋、阿拉斯加和西伯利亚这3个扇区的温度序列(图 1)。这些温度序列主要利用由PAGES 2k工作组发布的北极代用温度数据库(Arctic 2k v1.1.1)建立的[8]。北极代用温度数据库共有56组代用资料，包含16个冰芯、13个树轮、19个湖泊沉积物、1个洞穴堆积物、6个海洋沉积物和1个历史记录。该数据库在挑选气候代用资料的过程中遵循以下几个原则来保证数据质量[7~8]，包括数据来源于北纬60°以北地区、数据代用时段至少可以追溯到公元1500年、数据的时间分辨率不低于50年、数据每隔500年至少有1个年代控制点、数据已经公开发表且数据对温度比较敏感。北极地区温度序列主要采用成对比较法(Pairwise Comparison，简称PaiCo)对56组代用资料进行合成[8]：北大西洋扇区温度序列主要包含斯堪的纳维亚半岛、冰岛、格陵兰岛和加拿大的北极地区等42组代用资料；阿拉斯加扇区温度序列主要包含9组代用资料；西伯利亚扇区温度序列主要包含5组代用资料(图 1)。这3组温度序列采用综合加权法(Composite Plus Scale，简称CPS)合成。
|
图 1 北极地区温度代用资料分布 基于文献[7~8, 12]修改，图中数字对应着北极代用温度数据库的数据ID Fig. 1 Location and archive type of proxy temperature records in Arctic region, adopted from references[7~8, 12], and numbers are the ID of proxy temperature records in Arctic 2k v1.1.1 database |
AMO数据来源于过去千年再分析计划-全球气候重建数据集(第2版)(Last Millennium Reanalysis(LMR)Project Global Climate Reconstructions Version 2)[18]，该数据集利用改进的LMR古气候同化模型(Paleoclimate Data Assimilation(PDA)-based)获取了公元0~2000年的气候资料再分析数据集。该数据集包含过去2000年的主要气候指数(含AMO、PDO和Niño3.4等)、全球及南北半球温度序列、2m气温、海平面温度、500 hPa位势高度、平均海平面气压、降水等多种气象要素场。该数据集与Hakim等[19]的结果相比有很大的提升，Tardif等[18]也将该数据集与现有的美国宇航局戈达德空间科学研究所发布的表面温度序列(the NASA GISS surface temperature，简称GISTEMP)、英国气象局哈德莱中心联合东英吉利大学气候研究中心发布的全球温度序列(Hadley Centre and Climatic Research Unit Temperature record，简称HadCRUT4)、美国国家海洋大气管理局全球表面温度序列(the NOAA Merged Land Ocean Global Surface Temperature Analysis Dataset，简称NOAA Global Temp)、美国伯克利地球表面温度序列(Berkeley Earth Surface Temperature，简称BEST)、欧洲中期天气预报中心20世纪的第一个大气再分析数据(ECMWF's first atmospheric reanalysis of the 20th century，简称ERA-20C)等观测或再分析数据进行了比较，结果表明该数据集不仅在总体重建的全球平均温度中精度有所提升，而且在重建的气候空间场中也有显著的改进。
1.2 研究方法在本文研究过程中用到了多锥度-奇异值分解法(MTM-SVD)、交叉谱分析、小波分析以及曼-肯德尔(Mann-Kendall，简称MK)趋势分析方法。由于交叉谱分析与曼-肯德尔趋势分析法已被广泛使用，这里不再赘述，仅对MTM-SVD及小波分析做简要介绍。
1.2.1 多锥度-奇异值分解法(MTM-SVD)该方法是由Mann与Park[20]提出的一种多变量频域分解技术。这是一种将谱分析的多锥度方法(MTM)和变量场的奇异值分解(SVD)方法结合在一起的气候信号检测技术，详细计算过程参阅相关文献[21~23]。
通过MTM-SVD方法得到的局部方差百分比谱(Local Fractional Variance，简称LFV)在频域中为信号检测提供了一个有效的参数，它以频率函数的形式表明了由“每个频率波段”中的主要振动解释的方差百分比。LFV谱中，在一个给定频率处的波峰预示着数据在此频率处振荡的一个潜在重要的时空信号。这样更加直观、简便地显示出变量场不同时间尺度的变化特征[24]。LFV谱对于气候诊断研究十分有用，据此可以绘制出频率、时间及谱密度或能量密度的三维平面图，分析不同频率(或不同时间尺度周期)的谱或能量密度随时间的变化特征[25]。因此，本文利用LFV谱分析了过去2000年北极地区温度的周期特征。
1.2.2 小波分析方法小波变换将一维信号在时间域和频率域中展开，可反映信号时频结构的精细变化和局部化特征，在低频部分它具有较高的频率分辨率和较低的时间分辨率，在高频部分又具有较高的时间分辨率和较低的频率分辨率[26]，在气候研究中广泛应用[27~28]。基于连续小波分析技术的交叉小波变换是将小波变换与交叉谱分析两种方法相结合而产生的一种新型的信号分析技术，可以从多时间尺度的角度来研究两个时间序列在时频域中的相互关系[29]。通过交叉小波分析不仅能够分析出信号间的相互关系程度，还可以得到信号在时频空间的相位关系。基于两个时间序列的连续小波变换(Continuous Wavelet Transform，简称CWT)的交叉小波变换(Cross Wavelet Transform，简称XWT)可以揭示它们共同的高能量区以及相位关系。小波相干谱用来度量时频空间中两个时间序列局部相关的密切程度，即使对应交叉小波功率谱中低能量值区，两者在小波相干谱中的相关性也有可能很显著。详细计算过程参阅相关文献[29~31]。
与传统的交叉谱方法相比，交叉小波变换方法不仅可以弥补经典交叉谱分析方法存在的缺陷，而且能够发挥小波变换在时频两域都具有表征气候信号局部化特征的作用。该方法具有较强的耦合信号分辨能力和便于描述耦合信号在时频域中分布状况的优点[32]。
2 结果 2.1 北极地区的温度变化本文利用已有学者重建的过去2000年北极地区、北大西洋扇区、阿拉斯加扇区和西伯利亚扇区等4条温度序列分析了北极地区及其3个子扇区的温度变化特征。从过去2000年温度的变化趋势可见，北极地区存在普遍的降温过程，该过程贯穿了罗马暖期、中世纪暖期，并一直持续至小冰期，受19世纪人类活动的影响，降温趋势才发生了逆转(9.74℃/ka)(表 1和图 2)。北大西洋扇区与北极地区的温度变化在几个典型冷暖事件上相对同步，温度变化趋势最为一致，两者之间的相关系数达到了0.82(P < 0.01)，而阿拉斯加扇区、西伯利亚扇区与北极地区的相关性较弱，分别为0.38、0.42。这说明北极地区的温度变化虽然受轨道驱动的夏季日晒减少的影响形成了长期降温的趋势[1]，但北大西洋扇区、阿拉斯加扇区与西伯利亚扇区同时也会受到其他驱动因子的影响，温度变化的区域差异显著，其中影响北大西洋扇区的驱动因子主导着北极地区的气候变化。
|
表 1 过去2000年北极地区不同时期温度变率(单位：℃/ka) Table 1 Temperature variability in different periods of Arctic region over the Common Era(Unit: ℃/ka) |
|
图 2 过去2000年北极地区温度(20年平均)变化 Fig. 2 20-a mean temperature change of Arctic region over the Common Era |
考虑到已有证据表明工业时代变暖始于19世纪初[33~34]，本文将研究时段分为公元1~1800年、公元1801~2000年这2个时段。总体来看，过去2000年间整个北极地区、北大西洋扇区、阿拉斯加扇区均呈现着显著的变冷趋势(P < 0.01)(表 1)，公元1~2000年间温度变率分别为-0.39 ℃/ka、-0.19 ℃/ka、-0.50 ℃/ka。仅有西伯利亚扇区温度变冷趋势不显著，为-0.004℃/ka。
分阶段来看(见表 1)，公元1~1800年间整个北极地区、北大西洋扇区、阿拉斯加扇区均呈现着显著的变冷趋势(公元1~1800年间温度变率分别为-0.47℃/ka、-0.22℃/ka、-0.72℃/ka)，且温度变冷的速率比公元1~2000年间更高。与此同时，这一阶段(公元1~1800年)西伯利亚扇区的温度变冷趋势并不明显，表明北极地区这一阶段的温度变冷趋势主要发生在阿拉斯加与北大西洋扇区。自1801年以来，无论从区域整体，还是分区域的角度分析，北极地区的温度均呈现显著的变暖趋势(P < 0.01)，其中西伯利亚扇区的温度变暖的速率在3个区域内最高。而西伯利亚扇区此阶段增速最高可能与北极3个子扇区公元1800年前变冷的趋势差异有关。工业革命后，由于受人类活动的影响，西伯利亚扇区的温度快速变暖，而北大西洋扇区、阿拉斯加扇区的温度由于本身可能存在持续的变冷趋势，抵消了部分快速变暖的增速，故出现西伯利亚扇区温度增速最高的情况。
PAGES 2k工作组[7]指出，北极地区的温度在公元1900年前呈现着显著的变冷趋势(温度变率为-0.29℃/ka，P«0.01)。如果仅考虑公元1~1850年，北极地区的变冷趋势将更加明显，温度变率为-0.31℃/ka(P«0.01)。此外，Nicolle等[12]使用50年局部回归法分析了过去2000年间北极3个子扇区的温度变化，他指出公元1810~2000年间北大西洋扇区温度变率为0.40℃/ka，公元1820~2000年间阿拉斯加扇区温度变率为0.48℃/ka、公元1840~2000年间西伯利亚扇区温度变率为0.45℃/ka。由于Nicolle等[12]在计算温度变率前对温度序列进行了平滑，本文得到的温度变率与其有一定差异，但两者都得到工业革命以来北极3个子扇区呈现着显著变暖趋势的结论。
因此，本文集成分析得到的北极地区及其3个子扇区的温度趋势与PAGES 2k工作组[7]和Nicolle等[12]的结论基本一致。与前人研究的温度变率差异主要来源于研究时段、分析方法和温度序列数据[9]。
分区域来看，北大西洋扇区温度变化呈现“平稳-下降-陡升”的趋势，在第一个千年期间(公元1~1000年)温度没有长期明显的升温或下降趋势，仅在公元650~700年间有个明显的冷事件(图 3)。在第二个千年期间(公元1001~2000年)，北大西洋扇区在公元1250~1810年间温度呈现明显的波动下降趋势，此后温度快速变暖。阿拉斯加扇区温度变化呈现“下降-缓升-下降-陡升”的趋势，在公元660年前，呈现着明显的波动下降趋势，此后至公元1000年间温度缓慢上升，在这期间阿拉斯加扇区在公元650~700年间也存在一个明显的冷事件。在第二个千年期间，阿拉斯加扇区在公元1000~1540年间呈现明显的波动下降趋势，此后波动振荡，1840年之后温度快速变暖。与北大西洋扇区、阿拉斯加扇区不同，西伯利亚扇区温度呈现“平稳波动-陡升”的趋势，在公元1~1820年间，该地区温度变化趋势不明显，仅在公元200~250年、公元1000年左右有几次明显的暖事件发生，1820年之后温度也快速变暖。
|
图 3 过去2000年北极地区不同阶段温度变化趋势 图中灰色实线表示逐年温度，黑色实线表示20年平均温度，红色虚线表示下降趋势，绿色虚线表示上升趋势 Fig. 3 Temperature trend in different periods of (a) Arctic region, (b)North Atlantic, (c)Alaska and (d) Siberia over the Common Era. Gray lines show the annual temperature, black lines show the 20a mean temperature, red dashed lines show a decreasing trends whereas green dashed lines show increasing trends |
上述分析表明，过去2000年北极地区的温度变化具有强烈的时空异质性，但自19世纪以来该地区均呈现出强烈的温度变暖趋势(表 1和图 3)，影响北大西洋扇区的驱动因子主导着北极地区的气候变化。
2.2 北极地区温度的频谱特征为了研究北极地区气候变化的周期性，我们使用MTM-SVD方法分析了温度的频谱特征。从LFV谱分析结果看(图 4)，该序列中有100年以上的长周期和10~100年左右的中短周期，也有10年以内的短小周期。在年代际尺度上，准62年周期通过了0.01显著性水平检验；准14年、准26年、准75年和准186年周期通过了0.05显著性水平检验(图 4)。由于样本资料时间跨度长达2000年且时间尺度为年，而大部分北极地区代用温度数据仅代表特定季节的温度特征，合成的温度序列在年际尺度的周期特征可能存在很大的不确定性[7~8, 12]。在探讨北极地区温度随时间演变的规律时，年代际尺度的振荡周期比年际尺度周期更稳定。
|
图 4 过去2000年北极地区温度LFV谱分析 水平实线、水平虚线分别表示蒙特卡洛99 %、95 % 置信区间 Fig. 4 The LFV spectrum of Arctic temperature over the Common Era. The horizontal line and the dashed line show Monte Carlo 99 % and 95 % confidence level, respectively. |
已有研究表明，过去2000年全球温度变化特征的形成可能与太阳活动、火山活动、温室气体排放和海-气相互作用等因素有关[7, 35~36]。除受到人类外强迫的共同影响，北极不同区域现代气候变化的机制也存在差异，而Nicolle等[12]在合成北极区域温度序列时就依据现代气候特征划分了北大西洋扇区、阿拉斯加扇区与西伯利亚扇区等3个区域。具体而言，北大西洋扇区主要受到AMO的影响[12, 15, 37]，阿拉斯加扇区主要受到PDO的影响[12, 38~40]。其中，AMO是发生在北大西洋区域空间上具有海盆尺度、时间上具有多十年尺度的海表温度准周期性暖冷异常变化，它具有65~80年周期，振幅为0.40℃[37, 40~41]。基于LFV谱分析的结果，本研究得出北极地区温度存在的准62年与准75年周期和AMO具有的65~80年周期大致吻合。此外，通过MTM-SVD计算出来各分量的方差贡献率，发现在60~75年准周期，贡献率相对其他分量较高。
结合2.1节得出的“影响北大西洋扇区的驱动因子主导着北极地区的气候变化”这一结论, 结合“AMO是主导现代北大西洋扇区气候的驱动因子”这一观点[12, 15, 37]，本文接下来着重分析北极地区及其3个子扇区的气候对AMO的响应，以此来探讨AMO对北极历史气候是否也存在显著影响。
2.3 北极地区气候对AMO的响应我们分别对北极地区及其3个子扇区(北大西洋扇区、阿拉斯加扇区和西伯利亚扇区)的温度与AMO指数进行交叉谱分析(图 5)。结果显示，在年代际尺度上，北极地区的温度与AMO在74.07年、17.24年等周期上存在着显著性的相关关系。北大西洋扇区在74.07年、17.54年、12.82年等周期上存在着显著性的相关关系。阿拉斯加扇区在60.61年周期上存在着显著性的相关关系。西伯利亚扇区在55.56年周期上存在着显著性的相关关系。其中北极地区、北大西洋扇区均存在着准74年周期，这也与2.1节得出的“北大西洋扇区与北极地区的温度变化相关性达到了0.82”这一结果相对应。考虑到AMO具有65~80年周期，由交叉谱的分析结果可知，北极地区的温度变化受AMO影响的区域主要集中于北大西洋扇区，这一结果与基于器测资料得到的结论基本一致[15, 37]，应与北大西洋与该区域的海洋环流有关。
|
图 5 过去2000年北极地区及其3个子扇区温度与AMO序列的交叉谱 红色实线、红色虚线分别表示蒙特卡洛99 %、95 % 置信区间 Fig. 5 Coherency spectrum analysis showing the relations between AMO and temperature on (a) Arctic region, (b)North Atlantic, (c)Alaska and (d) Siberia over the Common Era. Red lines and red dashed lines show Monte Carlo 99 % and 95 % confidence level, respectively |
为了进一步获取北极地区温度与AMO序列的时频特征，我们对北极地区及其3个扇区的温度分别与AMO指数进行了小波分析。其中，由小波分析得到的交叉小波谱与小波相干谱中，在边缘小波谱范围内(影响锥)的结果准确性存疑。
在仅考虑AMO对北极地区温度的影响下，即仅关注65~80年周期范围的小波相干谱与交叉小波谱，北极地区温度与AMO于公元1350~1600年、公元1800~2000年间均出现了显著的能量高值区，且温度与AMO基本处于同相位变化(图 6a)。与之对应的小波相干谱中(图 6b)，两者在相同时段内也显示出了较强的相关性。此外，在公元100~300年、公元400~600年两者也出现了显著的相关性，但两者共有周期的强度并不显著。从北大西洋扇区来看，温度与AMO的小波相干结果与北极地区的类似(图 6d)，交叉小波谱中显著的能量高值区的范围更大，出现在公元1100~1580年、公元1820~2000年间(图 6c)。阿拉斯加扇区的温度与AMO之间在公元1500年之后，存在着一定的相关性，但并不显著(图 6f)，且基本无明显的能量高值区(图 6e)。西伯利亚扇区温度与AMO之间也仅在公元1800年之后出现了显著的能量高值区(图 6g)，两者也显示了较强的相关性(图 6h)，但考虑到该时段落在了影响锥内，受边缘效应的影响，表现出的周期性特征存在较大的不确定性。
|
图 6 过去2000年北极地区不同区域温度与AMO序列的交叉小波(a, c, e, g)与小波相干谱(b, d, f, h) 箭头代表相位关系(同相位箭头指向右侧，反相位箭头指向左侧)，黑色粗轮廓表示95 % 的显著性水平，黑色线条外为影响锥 Fig. 6 Cross-wavelet spectrum and Wavelet coherency analysis showing the relations between AMO and temperature on (a, b)Arctic region, (c, d)North Atlantic, (e, f)Alaska and (g, h)Siberia over the Common Era. The arrows(vectors)designate the phase difference between AMO and temperature(with in-phase pointing right, anti-phase pointing left). The thick black contour indicates the 95 % confidence level against red noise and the cone of influence is shown as the lighter shade |
因此，综合交叉谱与小波分析的结果，过去2000年间北极地区的温度受AMO影响的主要集中于北大西洋扇区，公元1100年后，AMO以准74年的周期影响北大西洋的气候变化。而阿拉斯加扇区、西伯利亚扇区的温度虽然存在着显著的年代际周期特征，但这些地区温度与现代气候的结论相似，基本不受AMO的影响，它们的主要自然驱动力还有待进一步研究。
3 结论与讨论本文基于北极地区及其3个子扇区(北大西洋扇区、阿拉斯加扇区、西伯利亚扇区)重建的温度序列，利用LFV谱、交叉谱及小波分析的方法，分析了北极地区的温度变化及其区域差异，并对北极地区的温度频谱进行了分析，在此基础上，初步探讨了AMO对北极地区气候变化的影响。
整体而言，公元1~1800年间北极地区存在着普遍的降温过程(约为-0.47℃/ka)，直到19世纪受到人类活动的影响，降温趋势才发生了逆转(9.74℃/ka)。而北极地区的温度存在明显的区域差异，其中北大西洋扇区与北极地区整体温度间呈现显著的相关性(0.82)，温度变化呈现“平稳-下降-陡升”的趋势。阿拉斯加扇区与西伯利亚扇区则与北极地区整体温度的相关性较弱，分别为0.38、0.42。阿拉斯加扇区温度变化呈现“下降-缓升-下降-陡升”的趋势，西伯利亚扇区温度呈现“平稳波动-陡升”的趋势。虽然3个区域早期气候变化差异明显，但在过去200年间气候均出现了快速变暖。
北极地区气候变化的区域差异证实了不同区域的气候可能存在着不同的驱动因素，其中影响北大西洋扇区的驱动因子AMO主导着北极地区的现代气候变化[12, 15, 37]。而Nicolle等[12]利用代用资料仅探讨了公元1856~2000年间北大西洋扇区温度的多年代际变率与AMO的相关性，给我们留下了AMO对北极历史气候是否存在显著影响的疑问。因此，我们利用LFV谱分析了北极地区温度的频谱特征。该温度序列在准75年、准62年、准26年、准14年的振荡周期比较显著，其中北极地区温度的LFV谱在准62年与准75年周期和AMO周期大致吻合。在此基础上，我们还对北极地区及其3个扇区的温度分别与AMO指数进行了交叉谱分析、小波分析。综合交叉谱与小波分析的结果，北极地区的温度变化受AMO影响的区域主要集中于北大西洋扇区，两者存在着准74年的周期，但这种周期性仅出现在公元1100年之后。阿拉斯加扇区与西伯利亚扇区虽然存在着显著的年代际周期特征，但可能与AMO的关联并不显著。
上述结果表明，由于北大西洋扇区与北极地区具有显著的相关性，北大西洋扇区无论从气候变化趋势，还是不同时间尺度的周期性特征来看都与北极地区具有相似性。这种相似性可能是因为北大西洋扇区约占北极地区面积的二分之一，大西洋海洋温盐环流的年代际变化主导着北极地区的气候[15]。但也有可能是由于在合成温度序列时，北大西洋扇区的代用资料占了北极地区的71.43 %，从而提高了北大西洋扇区的权重，这种情况下就需要发掘更多的代用资料进行验证。
此外，基于已有的研究，AMO影响北极北大西洋扇区主要与北大西洋和该区域的海洋温盐环流变化有关[15, 40~41]。海洋环流将大西洋低纬度的高温、高盐水向北输送至高纬度极地和副极地地区，这些温度较高的表层海水向大气释放热量，继而变重下沉，并向南回流到低纬度地区以及南大洋[15, 40, 42]。而从本文的分析结果看，AMO对北大西洋扇区的影响限定在了公元1100年之后，但由小波相干谱来看(图 6d)，北大西洋扇区与AMO在公元600年之前也存在显著的相关性，两者的交叉小波谱在65~80年周期内虽然出现了能量高值区(图 6c)，但没有通过显著性检验。这种不显著性可能是由于在合成温度序列时，第一个千年期间代用资料较少，弱化了AMO对大西洋扇区温度的影响。因此，过去2000年间北大西洋扇区是否一直主导着北极地区气候，AMO是否持续影响北大西洋扇区，阿拉斯加扇区与西伯利亚扇区气候变化的影响机理等问题需要进一步深入分析。
致谢: 审稿专家对本文提出了修改建议，编辑部杨美芳老师审阅本文并提出修改意见，在此一并致谢。
| [1] |
Kaufman D S, Schneider D P, Mckay N P, et al. Recent warming reverses long-term Arctic cooling[J]. Science, 2009, 325(5945): 1236-1239. DOI:10.1126/science.1173983 |
| [2] |
Serreze M C, Francis J A. The Arctic amplification debate[J]. Climatic Change, 2006, 76(3-4): 241-264. DOI:10.1007/s10584-005-9017-y |
| [3] |
Schuur E A G, Mcguire A D, Schäldel C, et al. Climate change and the permafrost carbon feedback[J]. Nature, 2015, 520(7546): 171-179. DOI:10.1038/nature14338 |
| [4] |
IPCC. IPCC Special Report on the Ocean and Cryosphere in a Changing Climate[M/OL]. 2019[2021-03-19]. https://www.ipcc.ch/srocc/.
|
| [5] |
Cohen J, Screen J A, Furtado J C, et al. Recent Arctic amplification and extreme mid-latitude weather[J]. Nature Geoscience, 2017, 7(9): 627-637. |
| [6] |
葛全胜, 华中, 郑景云, 等. 过去2000年全球典型暖期的形成机制及其影响[J]. 科学通报, 2015, 60(18): 1727-1734. Ge Quansheng, Hua Zhong, Zheng Jingyun, et al. Forcing and impacts of warm periods in the past 2000 years[J]. Chinese Science Bulletin, 2015, 60(18): 1727-1734. |
| [7] |
PAGES 2k Consortium. Continental-scale temperature variability during the past two millennia[J]. Nature Geoscience, 2013, 6(5): 339-346. DOI:10.1038/ngeo1797 |
| [8] |
Mckay N P, Kaufman D S. An extended Arctic proxy temperature database for the past 2, 000 years[J]. Scientific Data, 2014, 1(1): 140026. DOI:10.1038/sdata.2014.26 |
| [9] |
PAGES 2k Consortium. A global multiproxy database for temperature reconstructions of the Common Era[J]. Scientific Data, 2017, 4(1): 170088. DOI:10.1038/sdata.2017.88 |
| [10] |
Stenni B, Curran M A J, Abram N J, et al. Antarctic climate variability at regional and continental scales over the last 2, 000 years[J]. Climate of the Past, 2017, 13(11): 1609-1634. DOI:10.5194/cp-13-1609-2017 |
| [11] |
PAGES 2k Consortium. Consistent multidecadal variability in global temperature reconstructions and simulations over the Common Era[J]. Nature Geoscience, 2019, 12: 643-649. DOI:10.1038/s41561-019-0400-0 |
| [12] |
Nicolle M, Debret M, Massei N, et al. Climate variability in the subarctic area for the last 2 millennia[J]. Climate of the Past, 2018, 14(1): 101-16. DOI:10.5194/cp-14-101-2018 |
| [13] |
McGregor H. Regional climate goes global[J]. Nature Geoscience, 2018, 11(1): 18-19. DOI:10.1038/s41561-017-0046-8 |
| [14] |
Screen J A, Simmonds I. The central role of diminishing sea ice in recent Arctic temperature amplification[J]. Nature, 2010, 464(7293): 1334-1337. DOI:10.1038/nature09051 |
| [15] |
Chylek P, Folland C K, Lesins G, et al. Arctic air temperature change amplification and the Atlantic Multidecadal Oscillation[J]. Geophysical Research Letters, 2009, 36(14): L14801. DOI:10.1029/2009GL038777 |
| [16] |
Neukom R, Steiger N, Gómez-Navarro J J, et al. No evidence for globally coherent warm and cold periods over the preindustrial Common Era[J]. Nature, 2019, 571(7766): 550-554. DOI:10.1038/s41586-019-1401-2 |
| [17] |
PAGES. Science Plan and Implementation Strategy(IGBP Report No. 57)[J]. Stockholm: IGBP Secretariat, 2009, 1-67. |
| [18] |
Tardif R, Hakim G J, Perkins W A, et al. Last Millennium Reanalysis with an expanded proxy database and seasonal proxy modeling[J]. Climate of the Past, 2019, 15(4): 1251-1273. DOI:10.5194/cp-15-1251-2019 |
| [19] |
Hakim G J, Emile-Geay J, Steig E J, et al. The last millennium climate reanalysis project: Framework and first results[J]. Journal of Geophysical Research: Atmospheres, 2016, 121(12): 6745-6764. DOI:10.1002/2016JD024751 |
| [20] |
Mann M E, Park J. Global-scale modes of surface temperature variability on interannual to century timescales[J]. Journal of Geophysical Research: Atmospheres, 1994, 99(D12): 25819-25833. DOI:10.1029/94JD02396 |
| [21] |
Mann M E, Park J. Joint spatiotemporal modes of surface temperature and sea level pressure variability in the Northern Hemisphere during the last century[J]. Journal of Climate, 1996, 9(9): 2137-2162. DOI:10.1175/1520-0442(1996)009<2137:JSMOST>2.0.CO;2 |
| [22] |
魏凤英. 现代气候统计诊断与预测技术(第二版)[M]. 气象出版社, 2007: 82-88. Wei Fengying. Modern Climate Statistical Technology of Diagnosis and Prediction Meteorology Press (2nd)[M]. Beijing: China Meteorological Press, 2007: 82-88. |
| [23] |
王春学, 秦宁生, 周斌, 等. 近400年澜沧江源区年平均流量周期特征及其对厄尔尼诺的响应[J]. 第四纪研究, 2020, 40(1): 238-251. Wang Chunxue, Qin Ningsheng, Zhou Bin, et al. Periodic characteristics of annual mean flow in Lancang River source area in recent 400 years and its response to El Niño[J]. Quaternary Sciences, 2020, 40(1): 238-251. |
| [24] |
王春学, 李栋梁. 基于MTM-SVD方法的黄河流域夏季降水年际变化及其主要影响因子分析[J]. 大气科学, 2012, 36(4): 823-834. Wang Chunxue, Li Dongliang. Analysis of the interannual variation of the summer precipitation over the Yellow River basin and the effect factors based on MTM-SVD method[J]. Chinese Journal of Atmospheric Sciences, 2012, 36(4): 823-834. |
| [25] |
魏凤英. 气候统计诊断与预测方法研究进展——纪念中国气象科学研究院成立50周年[J]. 应用气象学报, 2006, 17(6): 736-742. Wei Fengying. Progresses on climatological statistical diagnosis and prediction methods: In commemoration of the 50 anniversaries of CAMS establishment[J]. Journal of Applied Meteorological Science, 2006, 17(6): 736-742. DOI:10.3969/j.issn.1001-7313.2006.06.011 |
| [26] |
Torrence C G, Compo G P. A practical guide to wavelet analysis[J]. Bulletin of the American Meteorological Society, 1998, 79(1): 61-78. DOI:10.1175/1520-0477(1998)079<0061:APGTWA>2.0.CO;2 |
| [27] |
詹涛, 曾方明, 杨业, 等. 约900 ka前后冰期夏季风降水减弱: 东北平原湖相沉积物的粒度证据[J]. 第四纪研究, 2020, 40(6): 1431-1440. Zhan Tao, Zeng Fangming, Yang Ye, et al. Decreasing summer monsoon precipitation during glacial at ca. 900 ka: Evidence from grain size variation of lacustrine deposits from the Northeast Plain of China[J]. Quaternary Sciences, 2020, 40(6): 1431-1440. |
| [28] |
王素素, 鹿化煜, 王珧, 等. 西宁黄土白云石和碳同位素记录的轨道尺度季风气候变化[J]. 第四纪研究, 2020, 40(6): 1453-1463. Wang Susu, Lu Huayu, Wang Yao, et al. The monsoon variations at orbital timescale revealed by dolomite and stable carbon isotopic composition of loess from Xining (northeastern Qinghai-Tibetan Plateau[J]. Quaternary Sciences, 2020, 40(6): 1453-1463. |
| [29] |
Grinsted A, Moore J C, Jevrejeva S. Application of the cross wavelet transform and wavelet coherence to geophysical time series[J]. Nonlinear Processes in Geophysics, 2004, 11(5/6): 561-566. DOI:10.5194/npg-11-561-2004 |
| [30] |
余丹丹, 张韧, 洪梅, 等. 基于交叉小波与小波相干的西太平洋副高与东亚夏季风系统的关联性分析[J]. 南京气象学院学报, 2007, 30(6): 755-769. Yu Dandan, Zhang Ren, Hong Mei, et al. Correlation analysis between the west Pacific subtropical high and the East Asian summer monsoon system based on Cross Wavelet and Wavelet Coherence[J]. Journal of Nanjing Institute of Meteorology, 2007, 30(6): 755-769. DOI:10.3969/j.issn.1674-7097.2007.06.005 |
| [31] |
Baddoo T D, Guan Yiqing, Zhang Danrong, et al. Rainfall variability in the Huangfuchuang watershed and its relationship with ENSO[J]. Water, 2015, 7: 3243-3262. DOI:10.3390/w7073243 |
| [32] |
孙卫国, 程炳岩, 李荣. 黄河源区径流量与区域气候变化的多时间尺度相关[J]. 地理学报, 2009, 64(1): 117-127. Sun Weiguo, Cheng Bingyan, Li Rong. Multitime scale correlations between runoff and regional climate variations in the source region of the Yellow River[J]. Acta Geographica Sinica, 2009, 64(1): 117-127. |
| [33] |
Abram N J, McGregor H V, Tierney J E, et al. Early onset of industrial-era warming across the oceans and continents[J]. Nature, 2016, 536(7617): 411-418. DOI:10.1038/nature19082 |
| [34] |
Duan Jianping, Ma Zhuguo, Wu Peili, et al. Detection of human influences on temperature seasonality from the nineteenth century[J]. Nature Sustainability, 2019, 2(6): 484-490. DOI:10.1038/s41893-019-0276-4 |
| [35] |
黄春菊, 田晓丽. 太阳活动对年代际-亚轨道尺度气候变化的驱动机制探讨[J]. 第四纪研究, 2018, 38(5): 1255-1267. Huang Chunju, Tian Xiaoli. Discussion on the driving mechanism of solar activity to interannual-suborbital-scale climate change[J]. Quaternary Scicences, 2018, 38(5): 1255-1261. |
| [36] |
刘植, 黄少鹏, 金章东. 轨道及千年尺度上大气CO2浓度与温度变化的时序关系[J]. 第四纪研究, 2019, 39(5): 1276-1288. Liu Zhi, Huang Shaopeng, Jin Zhangdong. Sequential relationship between atmospheric CO2 concentration and surface air temperature on orbital and millennial scales[J]. Quaternary Scicences, 2019, 39(5): 1276-1288. |
| [37] |
Enfield D B, Mestas-Nuñez A M, Trimble P J. The Atlantic Multidecadal Oscillation and its relation to rainfall and river flows in the continental U. S.[J]. Geophysical Research Letters, 2001, 28(10): 2077-2080. DOI:10.1029/2000GL012745 |
| [38] |
Mantua N J, Hare S R, Zhang Y, et al. A Pacific interdecadal climate oscillation with impacts on salmon production[J]. Bulletin of the American Meteorological Society, 1997, 78(6): 1069-1079. DOI:10.1175/1520-0477(1997)078<1069:APICOW>2.0.CO;2 |
| [39] |
Mantua N J, Hare S R. The Pacific Decadal Oscillation[J]. Journal of Oceanography, 2002, 58: 35-44. DOI:10.1023/A:1015820616384 |
| [40] |
李双林, 王彦明, 郜永祺. 北大西洋年代际振荡(AMO)气候影响的研究评述[J]. 大气科学学报, 2009, 32(3): 458-465. Li Shuanglin, Wang Yanming, Gao Yongqi. A review of the researches on the Atlantic Multidecadal Oscillation(AMO) and its climate influence[J]. Transactions of Atmospheric Sciences, 2009, 32(3): 458-465. DOI:10.3969/j.issn.1674-7097.2009.03.014 |
| [41] |
Wang Jianglin, Yang Bao, Ljungqvist F C, et al. Internal and external forcing of multidecadal Atlantic climate variability over the past 1, 200 years[J]. Nature Geoscience, 2017, 10(7): 512-517. DOI:10.1038/ngeo2962 |
| [42] |
Lozier M S, Li F, Bacon S, et al. A sea change in our view of overturning in the subpolar North Atlantic[J]. Science, 2019, 363(6426): 516-521. DOI:10.1126/science.aau6592 |
2 State Key Laboratory of Cryospheric Science, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, Gansu;
3 State Key Laboratory of Earth Surface Processes and Resource Ecology, Beijing Normal University, Beijing 100875)
Abstract
Arctic region is sensitive to global warming, therefore, understanding the historical climate of Arctic region over the Common Era is very important to reveal the mechanism of climate change in Arctic region. However, the temporal consistency of climate in different regions of Arctic during the past 2000 years remains to be tested. Based on four regionally averaged temperature records in Arctic, North Atlantic, Alaska and Siberia, Arctic climate variability for the last 2 millennia has been investigated using Mann-Kendall trend analysis, MTM-SVD and spectral analysis. Then the effect of Atlantic Multi-decadal Oscillation(AMO) on Arctic temperature is discussed. Results shows that there was a general cooling process(-0.47℃/ka) in the Arctic from 1A.D. to 1800 A.D., but the regional difference of temperature was significant. The temperature correlation between North Atlantic region and Arctic reached 0.82. The temperature in North Atlantic region showed a trend of 'stable-decline-steep rise', the temperature in Alaska region showed a trend of 'decline-slow rise-decline-steep rise', and the temperature in Siberia showed a trend of 'stable-steep rise'. Temperature in the Arctic and subarctic areas has experienced rapid warming during the past 200 years. LFV spectrum analysis that there are quasi-14 years, quasi-26 years, quasi-62 years, quasi-75 years and quasi-186 years cycles in the Arctic region. The LFV spectrum of Arctic temperature is roughly consistent with AMO period in quasi-62 and quasi-75 years. Based on the Cross-spectral Analysis and Wavelet Analysis results, the temperature trend in the Arctic region affected by AMO is mainly concentrated in the North Atlantic region. There is a quasi-74-year cycle between AMO and temperature in the North Atlantic, but this cycle only occurs after 1100 A.D. Although there are significant inter-decadal periodic characteristics between Alaska and Siberia, the association with AMO may not be significant. The influence mechanism of these regional climate changes needs further study.