EN中文

干旱区地理 >

2025 , Vol. 48 >Issue 11: 1913 - 1925

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.721

气候变化

河套盆地~68.6—46.4 ka BP古植被演替及最暖月气温变化特征

  • 马紫轩 , 1 ,
  • 李新玲 , 1, 2 ,
  • 蔡茂堂 3 ,
  • 李志洲 1 ,
  • 朱海宇 1 ,
  • 刘思维 1
展开
  • 1.河北师范大学地理科学学院，河北 石家庄 050024
  • 2.河北省环境演变与生态建设重点实验室，河北 石家庄 050024
  • 3.中国地质科学院地质力学研究所，北京 100081
李新玲（1985-），女，博士，副教授，主要从事环境演变与全球变化研究. E-mail:

马紫轩（1992-），女，硕士研究生，主要从事环境演变与全球变化研究. E-mail:

收稿日期: 2024-11-28

  修回日期: 2025-02-08

  网络出版日期: 2026-03-11

基金资助

国家自然科学基金青年项目(42002197)

收起

Characteristics of paleovegetation succession and temperature variation in the warmest month at ~68.6—46.4 ka BP in the Hetao Basin

  • Zixuan MA , 1 ,
  • Xinling LI , 1, 2 ,
  • Maotang CAI 3 ,
  • Zhizhou LI 1 ,
  • Haiyu ZHU 1 ,
  • Siwei LIU 1
Expand
  • 1. College of Geographic Sciences, Hebei Normal University, Shijiazhuang 050024, Hebei, China
  • 2. Hebei Key Laboratory of Environmental Evolution and Ecological Construction, Shijiazhuang 050024, Hebei, China
  • 3. Institute of Geomechanics, Chinese Academy of Geological Sciences, Beijing 100081, China

Received date: 2024-11-28

  Revised date: 2025-02-08

  Online published: 2026-03-11

Fold

摘要

基于河套盆地HJ01钻孔已有年代框架，对湖相沉积物中207个样品进行了孢粉分析，并利用加权平均偏最小二乘回归（WAPLS）方法定量重建了河套盆地~68.6—46.4 ka BP的最暖月气温变化过程。结果表明：（1）河套盆地内植被类型以荒漠草原为主，主要科属含量在不同阶段存在差异；周围山地发育以云杉为主的针叶林，经历了2期扩张和1期退缩。（2）~68.6—57.0 ka BP最暖月气温为14.2 ℃，在10.1~16.9 ℃之间波动，表明气候整体寒冷；~57.0—52.2 ka BP最暖月气温平均升高1.5 ℃，最高时可达15.7 ℃，并在10.5~21.6 ℃之间波动，表明气候转暖；~52.2—46.4 ka BP最暖月气温为15.8 ℃，在13.2~17.8 ℃之间波动，表明气候相对温暖。（3）重建最暖月气温与全球典型古气候记录对比显示，北半球夏季太阳辐射及欧亚冰量的变化可能是影响河套盆地~68.6—46.4 ka BP最暖月气温变化的重要驱动因素。研究结果可为预测未来冰期气候变化提供科学参考。

关键词： MIS4; 河套盆地; 孢粉组合; 古气候定量重建; 古植被演替

本文引用格式

马紫轩 , 李新玲 , 蔡茂堂 , 李志洲 , 朱海宇 , 刘思维 . 河套盆地~68.6—46.4 ka BP古植被演替及最暖月气温变化特征[J]. 干旱区地理, 2025 , 48(11) : 1913 -1925 . DOI: 10.12118/j.issn.1000-6060.2024.721

Abstract

Utilizing the established age framework of the HJ01 borehole in the Hetao Basin, Inner Monglia, China, we conducted pollen analysis on 207 samples from lacustrine sediments. We employed the weighted average partial least squares regression method to quantitatively reconstruct the temperature changes during the warmest month in the Hetao Basin from approximately 68.6 ka BP to 46.4 ka BP. The results indicate the following. (1) The primary vegetation types in the Hetao Basin are desert grasslands, with variations in the content of major families and genera at different stages; the surrounding mountainous areas have developed coniferous forests, predominantly of spruce, which have experienced two phases of expansion and one phase of retreat. (2) From approximately 68.6 ka BP to 57.0 ka BP, the warmest month temperature averaged 14.2 ℃, fluctuating between 10.1 ℃ and 16.9 ℃, suggesting an overall cold climate. The average temperature increase during the warmest month from approximately 57.0 ka BP to 52.2 ka BP was 1.5 ℃. The highest temperature recorded was 15.7 ℃, with fluctuations between 10.5 ℃ and 21.6 ℃, indicating a warming climate. From approximately 52.2 ka BP to 46.4 ka BP, the warmest month temperature averaged 15.8 ℃, with fluctuations between 13.2 ℃ and 17.8 ℃, reflecting a relatively warm climate. (3) By comparing the reconstructed temperatures of the warmest month with typical global paleoclimate records, we find that changes in summer solar radiation and Eurasian ice cover in the Northern Hemisphere may significantly influence temperature variations during the warmest month in the Hetao Basin from approximately 68.6 ka BP to 46.4 ka BP. These findings provide a scientific basis for predicting future glacial climate changes.

Key words： MIS4; Hetao Basin; pollen assemblage; quantitative reconstruction of paleoclimate; paleovegetation succession

在西北干旱半干旱地区，生态环境表现出极高的敏感性和脆弱性[1]，而植被作为生态系统不可或缺的一环，对保持区域生态平衡与稳定具有重要作用。夏季气温攀升，为生态系统中植物光合作用的高峰期，生态系统生产力代谢效应增强[2]。目前，古环境研究主要聚焦于年均气温和降水对植被分布与演变的影响，如内蒙古西海子研究中，利用表土孢粉与气候的关系，定量重建了全新世年降水量变化[3]；宁夏平原LS01钻孔古环境研究中，运用加权平均偏最小二乘回归（WAPLS）方法定量恢复了第四纪古气温和降水量变化[4]。前人研究多聚焦于年均气温和年均降水量的定量重建，而对植被生长旺盛的最暖月气温变化的研究仍有待进一步加强。
河套盆地位于干旱半干旱地区过渡区域，属于东亚季风区边缘地区，植被对气候变化响应敏感。前人研究发现，末次间冰期向末次冰期过渡期间，河套盆地植被类型由森林草原转变为荒漠草原，气候转冷[5]。而深海δ18O 4阶段（MIS4，71.0—57.0 ka BP[6]）是进入末次冰期后的首个冰阶，且植被类型率先发生转变，这在河套盆地及周边地区的孢粉研究中均已证实，如：萨拉乌苏河酒坊台的研究显示，植被类型由深海δ18O 5阶段（MIS5，130.0—71.0 ka BP[6]）的草原-森林草原，转变为MIS4阶段的荒漠草原-荒漠，气候寒冷[7]；宁夏平原的研究亦发现植被类型由MIS5阶段的针阔混交林-灌丛草原转变为MIS4阶段的疏林草原[4]。植被类型变化是对生长季气温变化的响应，因此亟需开展河套盆地MIS4阶段最暖月气温变化的研究。
基于河套盆地杭锦1号（HJ01）钻孔已有年代框架，利用连续高质量湖相沉积岩芯中的207个高分辨率孢粉数据，恢复了河套盆地MIS4至MIS3早期（~68.6—46.4 ka BP）古植被演替序列，定量重建最暖月气温，并通过与全球典型古气候记录对比，探讨了河套盆地该时段气温变化的驱动因素，研究结果可为预测未来冰期气候变化提供科学参考。

1 材料与方法

1.1 研究区概况

河套盆地（40°10′~41°20′N，106°25′~112°00′E）是位于鄂尔多斯高原与阴山山脉间的新生代断陷盆地[8]，东至和林格尔丘陵，西至乌兰布和盆地，东西长约500 km，南北宽20~90 km，面积约2.5×104 km2，海拔为900~1200 m。盆地第四纪沉积物深度约为1800 m[9]。黄河流经盆地东南缘（图1）。河套盆地位于干旱半干旱过渡区，年均气温为5.6~7.8 ℃，年均降水量为130~215 mm[5]，1月均温为-14.0~-11.0 ℃，7月均温为22.0~24.0 ℃。盆地位于草原和荒漠植被带的过渡地带，对气候响应极为敏感[1]。盆地内现代植被类型为荒漠草原，以草本和灌木为主，主要有蒿属（Artemisia）、藜亚科（Chenopodiaceae）、禾本科（Poaceae）、柽柳属（Tamarix）、沙棘属（Hippophae）等。此外，在周围山上分布着林地，以松属（Pinus）、云杉属（Picea）、榆属（Ulmus）为主[5]。
图1 研究区示意图

注：数据来源于中国科学院计算机网络信息中心[10]；HJ01表示杭锦1号钻孔。下同。

Fig. 1 Schematic diagram of the study area

1.2 样品采集

本研究于2017年在河套盆地磴口县获取HJ01钻孔，位置为40°27′N、107°12′E，海拔高度为1052 m（图1）。钻孔全长23.68 m，第四纪沉积较深厚[11]，岩性以黏土为主，孢粉样品以5 cm为间隔进行采集，其中深度在11.38~21.98 m的岩芯为本研究关注部位，包含207个孢粉样品。

1.3 研究方法

1.3.1 年代测定

HJ01钻孔年代框架包含6个加速器质谱放射性碳测年（AMS14C）数据（表1）和2个光释光测年（OSL）数据（表2）。课题组前期研究采用深度年代模型-贝叶斯沉积速率模型建立了年代框架[12]，首先利用马尔科夫链蒙特卡洛迭代技术计算钻孔沉积岩芯的沉积速率，再结合校正年代估算各沉积层位的年龄[13]，最终建立的HJ01钻孔完整年代框架为72.2—15.7 ka BP[12]（图2）。每个孢粉样品的年代基于线性插值计算，样品分辨率约为150 a，其中深度11.38~21.98 m对应的年代为~68.6—46.4 ka BP。
表1 河套盆地HJ01钻孔AMS14C测年数据

Tab. 1 AMS14C dating data of HJ01 borehole in the Hetao Basin

深度/m 测试年代/ka BP 校正年代/ka BP 稳定同位素/‰
0.65 14.38±40 14.43±40 -21.8
3.80 23.66±90 23.66±90 -24.7
4.48 29.02±150 29.00±150 -26.3
5.30 30.14±160 30.16±160 -24.1
5.75 31.19±180 31.20±180 -24.3
8.40 35.31±270 35.32±270 -24.1

注：AMS14C为加速器质谱放射性碳测年；HJ01表示杭锦1号钻孔。下同。

表2 河套盆地HJ01钻孔OSL测年数据

Tab. 2 OSL dating data of borehole HJ01 in the Hetao Basin

深度/m 铀（U）/µg·g-1 钍（Th）/µg·g-1 钾（K）/% 年代/ka BP
11.4 1.92±0.07 6.54±0.29 1.82±0.05 46.03±3.24
18.8 1.82±0.05 5.90±0.18 1.83±0.05 65.22±4.24

注：OSL为光释光测年。

图2 河套盆地HJ01岩芯钻孔年代深度模型

注：数据引用自文献[12]。

Fig. 2 Age depth model of HJ01 core drilling in Hetao Basin

1.3.2 孢粉分析和数据处理

孢粉提取采用常规的HCl-NaOH-HF处理法提取孢粉[14]。首先，低温烘干样品后称取10 g，为保证获取到足够的花粉，在粗颗粒层则称取50 g。在提取之前，向每个样品中加入一粒现代石松孢子片（每片含石松孢子27637±563粒），作为计算孢粉浓度的参照物，然后采用酸碱法处理样品，随后利用超声波过筛（10 μm）提取孢粉。最后，利用徕卡DM6000B光学生物显微镜对提取后的孢粉样品进行鉴定。孢粉鉴定参考《中国第四纪孢粉图鉴》[15]《中国植物花粉形态》[16]以及保存在河北师范大学环境考古实验室的现代标准花粉片。孢粉数据分析中，各个陆生植物花粉百分比是以陆生植物花粉总量为基准进行计算；水生和蕨类植物孢粉百分比基于所有孢粉总数计算。孢粉图谱在Tilia软件中完成，并根据聚类分析对孢粉组合进行划带。

1.3.3 古气候定量重建

（1）表土孢粉数据来源与筛选
本研究使用的表土孢粉数据主要来源于亚洲现代孢粉数据库[17]中位于中国及蒙古国范围内的部分表土孢粉，共计3207个样品。表土孢粉样点所对应的气候参数来源于全球1969—2000年1 km2高分辨率气候参数空间插值数据（http://www.worldclim.org）[18]。本研究采用ArcGIS软件提取表土孢粉样点的年均气温、最暖月气温、最冷月气温和年均降水量。
现代孢粉数据库的筛选是基于孢粉数据进行古气候定量重建的重要环节。地理距离筛选法是目前常用的一种数据库筛选方法，所选范围过小，将无法捕捉重建序列中较完整的气候变化；范围过大，会引入较大的误差，影响结果准确性[19]。采用800 km、1000 km、1500 km 3种不同距离参数筛选，通过分析挑选最佳校准集确保古气候定量重建结果的准确性。
（2）气候因子筛选
确定控制现代表土孢粉组合变化的主要气候因子，是进行古气候定量重建的前提。对所获得的表土孢粉数据首先进行去趋势对应分析（DCA），以确定其适合的排序方法，当DCA分析中环境梯度长度<3时，适合选择冗余分析（RDA）；环境梯度长度为3~4时，两者皆可；环境梯度长度>4时，适合选择典型相关分析（CCA）作为后续的分析方法，此方法旨在分析表土孢粉数据与气象数据之间的关系，确定影响表土孢粉组合的主控气候因子。以上分析皆在Canaco 5软件中进行[20]。
（3）古气候定量重建方法
在中国北方古气候的定量重建领域，前人的研究倾向于采用WAPLS以及现代类比（MAT）方法作为主要的重建方法[21-22]，并在多项研究中显示其检验结果比其他方法更优[23-25]。所以选择这2种方法完成古气候的定量重建。

2 结果与分析

2.1 孢粉分析

河套盆地HJ01钻孔共分析孢粉样品207个，鉴定出72个科属，其中乔木花粉18个科属，主要为云杉属、松属、桦木属（Betula）、栎属（Quercus）等；灌木花粉12个科属，主要为白刺属（Nitraria）、麻黄属（Ephedra）、沙棘属等；草本花粉33个科属，主要为蒿属、藜亚科、菊科（Asteraceae）、紫菀属（Aster）、禾本科等；水生花粉2个科属，主要为香蒲属（Typha）；蕨类孢子7个科属，主要为水龙骨科（Polypodiaceae）、凤尾蕨属（Pteris）等。选择平均百分比大于0.5%的15个科属，将孢粉图谱自下而上划分为3个孢粉带（图3），详细描述如下：
图3 河套盆地HJ01钻孔主要孢粉百分比及孢粉浓度

Fig. 3 Percentage of major pollen and pollen concentration in HJ01 drill hole in the Hetao Basin

孢粉带1（21.98~16.43 m，~68.6—57.0 ka BP）：本带共112个样品，乔木花粉（平均为64.3%）含量占优势，以云杉属（60.4%）为主；草本花粉（30.0%）含量次之，主要包括藜亚科（10.3%）、禾本科（5.9%）、菊科（5.7%）、蒿属（5.3%）；灌木花粉（5.66%）含量较低，以沙棘属（3.8%）为主；水生花粉（7.8%）主要包括香蒲属（7.37%）；蕨类整体含量低。根据孢粉组合变化特征，可将孢粉带1划分为3个亚带。
孢粉带1-1（21.98~19.35 m，~68.6 — 63.1 ka BP）:本亚带54个样品，乔木花粉（66.4%）以云杉属（63.4%）为主；草本花粉（27.7%）以藜亚科（9.2%）和禾本科（6.4%）为主，蒿属（5.5%）、菊科（4.6%）次之；灌木花粉、水生花粉及蕨类孢子含量均低。
孢粉带1-2（19.35~17.61 m，~63.1—59.5 ka BP）：本亚带34个样品，与上带相比，乔木花粉中云杉属（47.1%）下降；草本花粉（40.6%）含量增加，以藜亚科（14.2%）增加为主；灌木花粉中麻黄属（1.9%）增加；水生花粉中香蒲属（11.9%）增加，蕨类孢子（2.3%）变化不大。
孢粉带1-3（17.61~16.43 m，~59.5—57.0 ka BP）：本亚带24个样品，与带1-2相比，乔木花粉中云杉属（69.7%）明显增加；草本花粉（21.7%）含量下降，以藜亚科（7.6%）和蒿属（2.8%）下降最显著；灌木花粉（4.7%）含量下降，其中麻黄属（0.8%）明显下降；水生花粉（4.7%）含量下降；蕨类孢子（3.0%）变化不大。
孢粉带2（16.43~14.08 m，~57.0—52.2 ka BP）:本带共46个样品，与带1相比，乔木花粉（33.2%）含量下降，主要为云杉属（28.5%）下降；草本花粉（49.0%）含量增加，主要为藜亚科（27.5%）显著增加；灌木花粉（17.9%）含量显著增加；水生花粉（13.8%）含量增加；蕨类变化不大。根据孢粉组合可分为2个亚带。
孢粉带2-1（16.43~15.28 m，~57.0 — 54.7 ka BP）：本亚带23个样品，与带1-3相比，乔木花粉（50.7%）含量下降，表现为云杉属（45.6%）显著下降；草本花粉（37.8%）含量增加，主要为藜亚科（15.9%）增加，菊科（9.2%），蒿属（4.0%）、禾本科（4.7%）略有增加；灌木花粉（11.5%）含量增加，以沙棘属（5.3%）、麻黄属（5.2%）为主。
孢粉带2-2（15.50~14.00 m，~54.7—52.2 ka BP）：本亚带23个样品，与带2-1相比，乔木花粉（15.7%）含量下降至最低值，云杉属（11.3%）显著下降，阔叶乔木（3.0%）略有增加；草本花粉（60.1%）含量显著增加，藜亚科（39.1%）增加最显著，蒿属（7.5%）、唐松草属（2.3%）、莎草科（1.4%）次之；灌木花粉中麻黄属（22.6%）增加最显著。
孢粉带3（14.00~11.38 m，~52.2—46.4 ka BP）：本带共49个样品，带3整体相对稳定。与带2相比，乔木花粉（39.1%）含量略有下降，表现为云杉属（34.8%）下降，阔叶乔木（3.2%）略有增加；草本花粉（49.0%）含量较带2增加，蒿属（9.0%）增加最显著；灌木花粉（12.0%）含量下降，以麻黄属（5.4%）下降、沙棘属（5.6%）增加为特征；水生花粉（4.3%）含量下降，蕨类变化不明显。

2.2 古气候定量重建

2.2.1 现代表土数据库筛选结果

通过WAPLS与MAT 2种方法对比（表3），发现距离为800 km时，误差值最小，且决定系数较大，说明距离在800 km时运行效果最好。且800 km范围包含了大部分的干旱半干旱地区，年均气温梯度为-6.0~13.0 ℃，年均降水量为35~858 mm，最暖月气温为4.0~27.0 ℃，最冷月气温为-21.0~1.0 ℃，气象因子梯度能够充分反映气候变化。因此，选择800 km为现代表土数据库半径，并剔除受人类活动影响明显的样点，最终包含1186个样点（图4）。
表3 WAPLS与MAT方法重建的运行结果

Tab. 3 Running results reconstructed by WAPLS and MAT methods

方法 距离/km 组分 均方根误差 决定系数 检验后的误差 T检验
WAPLS 800 1 2.7045 0.60923 2.7927 -
2 2.3962 0.69205 2.5845 0.001
3 2.3176 0.71186 2.6350 0.685
4 2.2417 0.73031 2.7240 0.858
1000 1 2.9247 0.69980 2.9712 -
2 2.7662 0.73974 2.9013 0.001
3 2.6803 0.75572 2.9113 0.149
4 2.6440 0.76221 2.9259 0.157
1500 1 725.2700 0.15769 781.0700 -
2 711.4900 0.18899 792.9300 0.529
3 697.2600 0.22133 808.6800 0.638
4 688.3200 0.24134 824.9800 0.943
MAT 800 MAT 2.3520 0.71005 2.4588 -
WMAT 2.0321 0.77497 2.1649 -
1000 MAT 2.3383 0.81541 2.4626 -
WMAT 2.0828 0.84842 2.2410 -
1500 MAT 577.9700 0.51834 607.5000 -
WMAT 568.3000 0.52735 596.4100 -

注：WAPLS为加权平均偏最小二乘回归法；MAT为现代类比法；WMAT为现代类比法的加权平均算法。

图4 研究区800 km范围内现代表土孢粉样点分布

Fig. 4 Distribution of modern topsoil pollen samples within 800 km of the study area

2.2.2 气候因子筛选结果

DCA分析显示环境梯度为4.1，因此选择CCA分析以保证结果准确性。计算得到的方差膨胀因子（VIF）结果显示年均气温、最冷月气温、最暖月气温重叠信息较多，当去掉年均气温后，最冷月气温、最暖月气温的VIF值为1.5和2.0，表明最冷月气温、最暖月气温、年均降水量不存在共线性问题。从单气候变量解释度考虑，最暖月气温和年均降水量对孢粉解释度更高（表4）；CCA结果显示（图5）轴一的气候因子解释了59.0%的孢粉种属变化，而轴二解释了30.1%的变化，最暖月气温与第一轴方向相同，相关性较强，说明轴一指示最暖月气温的变化，喜暖的榆属、麻黄属等在轴一负方向，表明气温较高，而耐寒的松属、云杉等位于轴一正方向，表明气温较低。综上，最暖月气温是影响孢粉组合变化的重要气候因子[26]，可应用于地层的古气候重建，而年均气温、最冷月气温、年均降水量未被纳入后续定量分析。
表4 4个变量的方差膨胀因子（VIF）及每个单独气候变量的解释度汇总

Tab. 4 Summary of variance inflation factors for the four variables and the degree of explanation for each individual climate variable

气候因子 VIF 单气候变量
解释程度
运行1 运行2 运行3 运行4 解释度/% P值
年均降水量 2.1148 1.9298 1.8616 1.9820 4.7 0.002
最冷月气温 201.4876 1.5342 4.3666 - 1.8 0.002
最暖月气温 307.6272 1.9914 - 6.6668 7.6 0.002
年均气温 655.5826 - 4.2439 4.9919 0.7 0.002

注：P为显著性水平；“-”为运行时所排除的气候因子。

图5 基于典型相关分析（CCA）的气候因子筛选结果

Fig. 5 Climate factor screening results based on CCA

2.2.3 重建方法选择结果

方法检验结果（表3）显示，在800 km范围运行中，2种方法的均方根误差和决定系数均较小，其中WAPLS中第二组分为最佳方法，MAT中WMAT为最佳方法；并且2种方法的观测值和预测值均呈显著的线性关系（图6）。此外，空间自相关也会影响方法的预测能力[3,25]，在检验空间自相关对方法影响的结果对比（图7）中，当被删除样点数相同时，WAPLS方法的决定系数变化比MAT的变化小，说明WAPLS受空间自相关的影响更小，预测能力更好。因此，选择WAPLS方法来进行气候重建。
图6 基于WAPLS和MAT方法的最暖月气温观测值与估计值、残差值对比

注：WAPLS为加权平均偏最小二乘回归法；MAT为现代类比法。下同。

Fig. 6 Comparison of the observed values, estimated values, and residual values for the mean temperature of the warmest month based on the WAPLS and MAT methods

图7 空间自相关性对WAPLS和MAT方法预测能力的影响

Fig. 7 Effect of spatial autocorrelation on the predictive ability of WAPLS and MAT methods

之后，利用非线性多维标度分析法（NMDS）检验表土孢粉与地层孢粉匹配度，检验结果显示（图8），所选表土孢粉数据与地层孢粉数据相似度较高，且前者很好地覆盖了后者的变化幅度，表明表土样品可以模拟地层孢粉组合所反映的过去气候变化，能用于研究区的古气候重建。最后利用随机数据对重建结果进行显著性检验[27]，结果显示（图9），最暖月气温对孢粉组合变化的解释度超过了95%的随机重建变量。该结果不仅表明主控气候因子选择的准确性，还证明了该气候因子重建结果具有较高可信度。以上结果表明，表土孢粉数据可成为定量重建河套盆地古气候的有力依据。
图8 表土孢粉数据与地层孢粉数据匹配度检验结果

Fig. 8 Results of the match tests between topsoil pollen data and stratigraphic pollen data

图9 基于随机数据的WAPLS方法定量重建显著性检验结果

注：红色虚线表示95%的随机变量（999次）重建解释量；黑色虚线表示对地层数据进行主成分分析所得轴一的解释量，表示环境因子重建所能达到的对地层数据变化的最大解释量。

Fig. 9 Results of significance tests for quantitative reconstruction of WAPLS method based on randomized data

2.2.4 河套盆地~68.6—46.4 ka BP最暖月气温定量重建结果

基于河套盆地HJ01钻孔重建了~68.6—46.4 ka BP的最暖月气温变化序列（图10），其变化区间为5.9~22.8 ℃。伴随着该时段整体升温的趋势，且不同时段气温存在波动。根据气温变化趋势划分出3个阶段：
图10 最暖月气温定量重建结果

Fig. 10 Quantitative reconstruction results of the warmest month temperature

阶段1（21.98~16.40 m，~68.6—57.0 ka BP）：整体上最暖月气温较低，平均14.2 ℃，低于平均值，在10.1~16.9 ℃之间波动。
阶段2（16.40~14.00 m，~57.0—52.2 ka BP）：整体上最暖月气温逐渐升高，平均15.7 ℃，高于平均值，比阶段1高1.5 ℃。气温在10.5~21.6 ℃之间波动且波动幅度较大。其中，~57.0-54.7 ka BP气温偏低，处于缓慢回升；~54.7—52.2 ka BP气温迅速回升，上升至研究时段最高值。
阶段3（14.00~11.38 m，~52.2—46.4 ka BP）：整体上最暖月气温较高，平均15.8 ℃，与阶段2相差较小，在13.2~17.8 ℃之间波动，整体较为稳定。

3 讨论

3.1 孢粉组合的生态环境指示意义

孢粉组合与植被、气候变化存在密不可分的关系[28]。植被随气候的变化发生迁移与更替，因而可以通过沉积物孢粉组合及其恢复的植被变化，定量重建过去气候变化的历史。已有研究表明，湖相沉积物孢粉主要来自整个湖盆集水区[29]，从湖相沉积物中获得的孢粉记录可用于重建区域植被变化[5]；针对河套盆地现代植被格局的观测显示，盆地周边山地和盆地腹地呈现显著的空间分异特征：东部大青山和西部贺兰山发育以松、云杉为主的混交林，而盆地腹地则是以藜亚科、蒿属、菊科、麻黄属、白刺属为主的荒漠草原[5]，因此沉积记录中的乔木花粉可能指示了风媒传播或河流搬运过程在干旱半干旱区孢粉传播中的重要作用，这一机制在其他同类气候区研究中也得到了印证[30-31]。因此，HJ01钻孔湖相沉积物花粉组合特征揭示了区域植被的空间分异规律：乔木花粉主要来源于周围山地，反映山地植被的变化；草本花粉来源于盆地腹地，反映盆地腹地植被的变化。
东亚陆地典型古气候记录为进一步理解区域植被-气候响应关系提供了重要框架。已有研究表明，云杉属适应较冷的生长环境[32]，而桦木属、栎属等乔木类型则更倾向于温暖生境，若尔盖盆地记录显示，年均气温0.3~2.3 ℃、最暖月气温10.6~11.5 ℃为其最适气温环境[23]。草本类型中，藜亚科与蒿属扩张往往与气温升高和降水减少密切相关[33]；而禾本科、莎草科的最适生境则为低温环境（年均气温-3.0~-1.0 ℃）[23]；菊科为耐寒草本，其含量增多常指示气候转冷[34]。

3.2 河套盆地~68.6—46.4 ka BP植被演化

基于上述植被-气候响应模式，通过HJ01钻孔岩芯孢粉序列及所指示的气候意义，恢复了~68.6—46.4 ka BP河套盆地植被变化历史。根据孢粉组合变化特征划分为3个阶段：
阶段1（~68.6—57.0 ka BP），该组合中孢粉浓度最低（417粒·g-1）。其中，针叶植被占优势，阔叶乔木较少，表明周围山地发育以云杉属为主的耐寒针叶树，低海拔处零星分布有桦木属、栎属等喜暖的阔叶树；盆地腹地发育以藜亚科、菊科为主的荒漠草原，草本植物占比较低，说明盆地内植物覆盖度较低，此时气候整体寒冷。此阶段存在明显内部波动，带1-1（~68.6—63.1 ka BP）周围山地针叶树生长面积较大，盆地腹地为以藜亚科、禾本科为主的荒漠草原，植被覆盖较低；带1-2（~63.1—59.5 ka BP），周围山地针叶树生长面积减少，阔叶林略有增加；盆地腹地为以藜亚科、蒿属、禾本科为主的荒漠草原，植被覆盖度增加。带1-3（~59.5—57.0 ka BP），周围山地针叶树生长面积显著增加，阔叶树略有下降；盆地腹地植被为以藜亚科、蒿属为主的荒漠草原，植被盖度下降。
阶段2（~57.0—52.2 ka BP），孢粉浓度增加（879粒·g-1），该组合中周围山地以云杉属为主的针叶树生长面积逐渐减少；盆地内植被类型转变为以藜亚科、麻黄属为主的荒漠草原，植被面积显著扩大。与阶段1相比，气候变暖。此阶段亦存在明显内部波动，其中带2-1（~57.0—54.7 ka BP），周围山地以云杉属为主的针叶树仍占据一定比例，呈现减少的趋势，桦木属、栎属等阔叶乔木很少；盆地腹地草本植物比例较少，但呈现增加趋势，植被类型为以藜亚科、蒿属为主的荒漠草原，气温回升。带2-2（~54.7—52.2 ka BP），周围山地以云杉属为主的针叶树显著减少至最低，喜暖桦木属、栎属等略有增加，说明周围山地针叶树生长面积下降，阔叶树面积略有增加；盆地内植被类型为以藜亚科、麻黄属为主的荒漠草原，气温上升至最大值。
阶段3（~52.2—46.4 ka BP）与阶段2相比，孢粉浓度增加至整个序列最高（1355粒·g-1），周围山地针叶树略有增加后保持在稳定状态；盆地腹地为以藜亚科、蒿属、禾本科、麻黄属为主的荒漠草原，极端耐旱的藜亚科、麻黄减少，中旱生草本增加。
综上，研究区盆地内在MIS4-IS3阶段早期植被类型为荒漠草原，但属种存在差异，植被类型与河套盆地兵房沟剖面孢粉[5]研究结果基本一致。

3.3 河套盆地~68.6—46.4 ka BP最暖月气温变化及影响因素初步分析

河套盆地HJ01钻孔孢粉记录显示~68.6—46.4 ka BP盆地腹地植被类型以荒漠草原为主，周围山地主要为耐寒针叶树，最暖月气温重建结果（图10）显示气候由寒冷向温暖转变。
~68.6—57.0 ka BP河套盆地腹地植被以荒漠草原为主，周围山地分布耐寒针叶树，最暖月气温平均为14.2 ℃，低于研究时段平均值，反映了该阶段气候寒冷。结合该阶段所对应年代数据和孢粉组合所反映的气候特征，推断该阶段对应于MIS4时期。河套盆地不同地区的古气候记录对此时寒冷的气候特征均有明显体现，如：河套台地兵房沟剖面[5]、萨拉乌苏酒坊台剖面[7]孢粉浓度在该时段整体较低；呼包盆地重建的气温显示此时处于低值[9]。全球典型古气候记录中亦有所体现，如：格陵兰冰芯δ18O此时偏重（图11e）[35-37]；南极Vostok冰芯记录中的MIS4阶段比全新世低8.0 ℃左右[38]；深海δ18O显示全球海水温度处于低值（图11d）[6]。将研究区重建的气温曲线与此阶段北半球夏季太阳辐射（图11a）[39]和欧亚冰量（图11b）[40]记录对比，总体变化趋势较为一致，因此推测这一阶段整体气候较冷的原因与北半球夏季太阳辐射整体较弱，且欧亚冰量增加，对太阳辐射的反射较强有关。
图11 重建最暖月气温与多指标对比

Fig. 11 Reconstructing the warmest month temperature and comparing multiple indicators

~57.0—52.2 ka BP，河套盆地腹地植被类型由藜-蒿荒漠草原转变为以藜亚科、麻黄属为主的荒漠草原，周围山地针叶树显著减少，最暖月气温平均为15.7 ℃，气候整体转暖。结合该阶段所对应年代数据和孢粉组合所反映的气候特征，推断该阶段处于由MIS4进入MIS3的过渡时期。此阶段气温回升的特征在其他地区也有体现，如：格陵兰冰芯δ18O显示该时段后期气温整体高于前期[35]（图11e）；深海沉积记录中δ18O此时海水温度处于较高值，且在55.0 ka BP时达到最大值（图11d）[6]；夏季太阳辐射此阶段逐渐增加，在~56.0 ka BP时达到最大值（图11a）[39]；欧亚冰量则逐渐减小，且在~55.0 —51.5 ka BP时处于较低值（图11b）[40]；同样的，北大西洋海表温度整体增加，在~54.5 ka BP处达到最大值（图11c）[41]。重建最暖月气温及上述部分古气候记录显示，气温及海水温度较高值比夏季太阳辐射最高点滞后1—2 ka BP，推测可能的原因为北半球冰盖退缩对太阳辐射存在滞后效应[40]。
~52.2—46.4 ka BP，河套盆地腹地植被为荒漠草原，周围山地针叶树略有发育，最暖月气温平均为15.8 ℃，本阶段后期气温略有下降。结合该阶段所对应年代数据和孢粉组合所反映的气候特征，推断该阶段亦处于MIS3阶段早期。此时伊比利亚深海岩芯浮游有孔虫重建的夏季海水温度较高[42]，与北印度洋岩芯SK237-GC09[43]所反映的海水温度类似；深海沉积记录的底栖生物δ18O也显示整体较温暖，至后期略有下降（图11e）[6]。这可能与该时段后期北半球夏季太阳辐射略微降低（图11a），欧亚冰量略有增加（图11b）有关。
HJ01钻孔的高分辨率孢粉记录揭示了河套盆地MIS4至MIS3早期植被和气温变化特征，山地针叶林呈现2次发育、1次退缩，盆地腹地植被类型以荒漠草原为主，不同阶段优势科属存在差异，最暖月气温由MIS4阶段向MIS3早期呈现回升趋势。重建最暖月气温序列的变化特征与北半球夏季太阳辐射、欧亚冰量变化对应良好，揭示了北半球夏季太阳辐射与欧亚冰量变化是影响河套盆地MIS4至MIS3阶段早期气温变化的重要驱动因素。

4 结论

通过对河套盆地HJ01钻孔高分辨率湖相沉积物的孢粉分析，利用WAPLS方法，重建了MIS4至MIS3早期（~68.6—46.4 ka BP）植被与气候变化，得出以下结论：
（1）孢粉组合分析结果表明，河套盆地腹地~68.6—46.4 ka BP植被类型主要为荒漠草原，不同阶段主要科属存在差异；周围山地发育以云杉为主的针叶林，经历了2期扩张和1期退缩。
（2）古气候定量重建结果显示，河套盆地~68.6—46.4 ka BP最暖月气温整体呈升高趋势。~68.6—57 ka BP（MIS4阶段）气候寒冷；~57.0—52.2 ka BP（过渡阶段）气候转暖；~52.2—46.4 ka BP（MIS3阶段早期）气候相对温暖。
（3）与全球典型古气候记录对比发现，河套盆地~68.6—46.4 ka BP的气候变化与北半球夏季太阳辐射及欧亚冰量的变化趋势较为一致，表明北半球夏季太阳辐射及欧亚冰量可能是影响河套盆地MIS4至MIS3阶段早期最暖月气温变化的重要因素。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
欧廷海, 钱维宏. 东亚季风边缘带上的植被变化[J]. 地球物理学报, 2006, 49(3): 698-705.

[Ou Tinghai, Qian Weihong. Vegetation variations along the monsoon boundary zone in East Asia[J]. Chinese Journal of Geophysics, 2006, 49(3): 698-705. ]

DOI

[2]
Zhang Y C, Piao S L, Sun Y, et al. Future reversal of warming-enhanced vegetation productivity in the Northern Hemisphere[J]. Nature Climate Change, 2022, 12(6): 581-586.

DOI

[3]
刘立娜. 内蒙古及邻近地区表土花粉组合及其与植被和气候的定量关系[D]. 呼和浩特: 内蒙古大学, 2016.

[Liu Lina. The surface oil layers and their quantitative relationships with modern vegetation and climate in Inner Mongolia and surrounding areas[D]. Hohhot: Inner Mongolia University, 2016. ]

[4]
赵楠楠. 宁夏平原第四纪以来孢粉组合与古气候定量重建[D]. 北京: 中国地质科学院, 2020.

[Zhao Nannan. Palynological assemblages and quantitative reconstruction of paleoclimate in Ningxia Plain since Quaternary[D]. Beijing: Chinese Academy of Geological Sciences, 2020. ]

[5]
Cai M T, Ye P S, Yang X C, et al. Vegetation and climate change in the Hetao Basin (northern China) during the last interglacial-glacial cycle[J]. Journal of Asian Earth Sciences, 2019, 171: 1-8.

DOI

[6]
Lisiecki L E, Raymo M E. A Pliocene-Pleistocene stack of 57 globally distributed benthic δ18O records[J]. Paleoceanography, 2005, 20(1): PA1003, doi: 10.1029/2004pa001071.

[7]
杨劲松, 王永, 赵红梅. 晚更新世以来萨拉乌苏河流域主元素的地球化学特征及古环境意义[J]. 干旱区资源与环境, 2016, 30(11): 148-153.

[Yang Jinsong, Wang Yong, Zhao Hongmei. The geochemical characteristics and paleoenvironmental significance based on major elements of Salawusu River Valley since Late Pleistocene[J]. Journal of Arid Land Resources and Environment, 2016, 30(11): 148-153. ]

[8]
陈发虎, 范育新, Madsen D B, 等. 河套地区新生代湖泊演化与“吉兰泰-河套”古大湖形成机制的初步研究[J]. 第四纪研究, 2008(5): 866-873.

[Chen Fahu, Fan Yuxin, Madsen D B, et al. Preliminary study on the formation mechanism of the “Jilantai: Hetao”megalake and the lake evolutionary history in the Hetao region[J]. Quaternary Sciences, 2008(5): 866-873. ]

[9]
李建彪, 冉勇康, 郭文生. 呼包盆地第四纪地层与环境演化[J]. 第四纪研究, 2007, 27(4): 632-644.

[Li Jianbiao, Ran Yongkang, Guo Wensheng. Division of Quaternary beds and environment evolution in the Hubao Basin, China[J]. Quaternary Sciences, 2007, 27(4): 632-644. ]

[10]
中国科学院计算机网络信息中心. DEM数字高程数据[DB/OL]. [2024-05-12]. http://www.gscloud.cn/.

[Computer Network Information Center, Chinese Academy of Sciences. DEM digital elevation data[DB/OL]. [2024-05-12]. http://www.gscloud.cn/.]

[11]
吴利杰, 张翼龙, 石建省, 等. 河套盆地第四纪沉积古地理特征及演化[J]. 干旱区资源与环境, 2019, 33(8): 135-145.

[Wu Lijie, Zhang Yilong, Shi Jiansheng, et al. Quaternary sedimentary paleogeography characteristics and evolution of Hetao Basin[J]. Journal of Arid Land Resources and Environment, 2019, 33(8): 135-145. ]

[12]
Liu S W, Li X L, Zhang S R, et al. Fire history in arid and semi-arid regions of northwest China during the last glacial period inferred from a charcoal record in Hetao Basin[J]. PLoS One, 2025, 20(2): e0318816, doi: 10.1371/journal.pone.0318816.

[13]
Blaauw M, Christen J A. Flexible paleoclimate age-depth models using an autoregressive Gamma process[J]. Bayesian Analysis, 2011, 6: 457-474.

DOI

[14]
Fægri K, Kaland P E, Krzywinski K. Textbook of pollen analysis 4th Edition[M]. Caldwell: The Blackburn Press, 2011.

[15]
唐领余, 毛礼米, 舒军武, 等. 中国第四纪孢粉图鉴[M]. 北京: 科学出版社, 2016: 1-601.

[Tang Lingyu, Mao Limi, Shu Junwu, et al. Quaternary spore pollen atlas of China[M]. Beijing: Science Press, 2016: 1-601. ]

[16]
王伏雄, 钱南芬, 张玉龙, 等. 中国植物花粉形态[M]. 北京: 科学出版社, 1995: 1-461.

[Wang Fuxiong, Qian Nanfen, Zhang Yulong, et al. Pollen morphology of Chinese plants[M]. Beijing: Science Press, 1995: 1-461. ]

[17]
Cao X Y, Tian F, Herzschuh U, et al. Human activities have reduced plant diversity in eastern China over the last two millennia[J]. Global Change Biology, 2022, 28(16): 4962-4976.

DOI

[18]
Fick S E, Hijmans R J. WorldClim2: New 1 km spatial resolution climate surfaces for global land areas[J]. International Journal of Climatology, 2017, 37(12): 4302-4315.

DOI

[19]
Cao X Y, Tian F, Telford R J, et al. Impacts of the spatial extent of pollen-climate calibration-set on the absolute values, range and trends of reconstructed Holocene precipitation[J]. Quaternary Science Reviews, 2017, 178: 37-53.

DOI

[20]
Etten E V. Multivariate analysis of ecological data using CANOCO[J]. Austral Ecology, 2005, 30(4): 486-487.

DOI

[21]
Cao X Y, Herzschuh U, Telford R J, et al. A modern pollen-climate dataset from China and Mongolia: Assessing its potential for climate reconstruction[J]. Review of Palaeobotany and Palynology, 2014, 211: 87-96.

DOI

[22]
郑卓, 张潇, 满美玲, 等. 中国及邻区利用孢粉进行古气候定量重建的回顾与数据集成[J]. 第四纪研究, 2016, 36(3): 503-519.

[Zheng Zhuo, Zhang Xiao, Man Meiling, et al. Review and data integration of quantitative paleoclimate reconstruction using sporulation in China and neighboring regions[J]. Quaternary Sciences, 2016, 36(3): 503-519. ]

[23]
梁琛, 赵艳, 秦锋, 等. 孢粉-气候定量重建方法体系的建立及其应用—以青藏高原东部全新世温度重建为例[J]. 中国科学: 地球科学, 2020, 50(7): 977-994.

[Liang Chen, Zhao Yan, Qin Feng, et al. Pollen-based Holocene quantitative temperature reconstruction on the eastern Tibetan Plateau using a comprehensive method framework[J]. Scientia Sinica (Terrae), 2020, 50(7): 977-994. ]

[24]
范保硕, 李月丛, 吕厚远, 等. 华北平原东北部小冰期干湿变化特征及其驱动机制[J]. 第四纪研究, 2022, 42(6): 1586-1600.

[Fan Baoshuo, Li Yuecong, Lü Houyuan, et al. Characteristics and driving mechanisms of dry-wet variation in the northeast area of North China Plain during the Little Ice Age[J]. Quaternary Sciences, 2022, 42(6): 1586-1600. ]

[25]
Da S, Zhang Z, Li Y, et al. Pollen-based quantitative paleoclimatic record spanning the Mid-Brunhes Event in the Nihewan Basin, north China[J]. Palaeogeography, Palaeoclimatology, Palaeoecology, 2023, 612: 111-377.

[26]
吴思琪, 魏海芹, 陈春珠, 等. 中国季风边缘区表土孢粉分布特征及其影响因素[J]. 干旱区地理, 2024, 48(1): 53-62.

[Wu Siqi, Wei Haiqin, Chen Chunzhu, et al. Distribution characteristics and its influencing factors of surface soil pollen in the marginal monsoon region of China[J]. Arid Land Geography, 2024, 48(1): 53-62. ]

[27]
Telford R J, Birks H. A novel method for assessing the statistical significance of quantitative reconstructions inferred from biotic assemblages[J]. Quaternary Science Reviews, 2011, 30(9-10): 1272-1278.

DOI

[28]
韩岳婷, 李建勇, 刘剑波, 等. 准噶尔盆地西部花粉对植被的指示性研究[J]. 干旱区地理, 2023, 46(5): 773-781.

DOI

[Han Yueting, Li Jianyong, Liu Jianbo, et al. Indicative study of pollen on vegetation in western Junger Basin[J]. Arid Land Geography, 2023, 46(5): 773-781. ]

DOI

[29]
Sugita S. Pollen representation of vegetation in Quaternary sediments: Theory and method in patchy vegetation[J]. Journal of Ecology, 1994, 82(4): 881-897.

DOI

[30]
Zhu Y, Chen F H, Cheng B, et al. Pollen assemblage features of modern water samples from the Shiyang River drainage, arid region of China[J]. Acta Botanica Sinica, 2002, 44(3): 367-372.

[31]
Li X L, Wei M J, Zhang S R, et al. Surface pollen assemblages from different sedimentary environments in the Yinchuan Basin, north China, and their significance for stratigraphic pollen records[J]. Quaternary International, 2021, 583: 103-109.

DOI

[32]
吕厚远, 王淑云, 沈才明, 等. 青藏高原现代表土中冷杉和云杉花粉的空间分布[J]. 第四纪研究, 2004, 24(1): 39-49.

[Lü Houyuan, Wang Shuyun, Shen Caiming, et al. Spatial pattern of modern Abies and Picea pollen in the Qinghai-Xizang Plateau[J]. Quaternary Sciences, 2004, 24(1): 39-49. ]

[33]
陈立欣, 张芸, 孔昭宸. 新疆艾比湖小叶桦湿地空气花粉散布特征及其与气象因子的关系[J]. 中国科学: 地球科学, 2021, 51(11): 1935-1949.

[Chen Lixin, Zhang Yun, Kong Zhaochen. Airborne pollen patterns and their relationship with meteorological factors in the Betula microphylla-dominated wetland of Ebinur Lake, Xinjiang, China[J]. Scientia Sinica (Terrae), 2021, 51(11): 1935-1949. ]

[34]
Zhang S R, Xiao J L, Xu Q H. Regional precipitation variations during Heinrich events and Dansgaard-Oeschger cycles in the northern margin of the East Asian summer monsoon region[J]. Quaternary Science Reviews, 2022, 278: 107380, doi: 10.1016/j.quascirev.2022.107380.

[35]
North Greenland Ice Core Project NGRIP Members. High-resolution record of northern hemisphere climate extending into the last interglacial period[J]. Nature, 2004, 431: 147-151.

DOI

[36]
Svensson A, Andersen K K, Bigler M, et al. A 60000 year Greenland stratigraphic ice core chronology[J]. Climate of the Past, 2008, 4(1): 47-57.

DOI

[37]
Wolff E W, Chappellaz J, Blunier T, et al. Millennial-scale variability during the last glacial: The ice core record[J]. Quaternary Science Reviews, 2010, 29(21-22): 2828-2838.

DOI

[38]
Petit J R, Jouzel J, Raynaud D, et al. Climate and atmospheric history of the past 420000 years from the Vostok ice core, Antarctica[J]. Nature, 1999, 399(6735): 429-436.

DOI

[39]
Berger A, Loutre M F. Insolation values for the climate of the last 10 million years[J]. Quaternary Sciences Review, 1991, 10(4): 297-317.

DOI

[40]
Bintanja R, van D W, Oerlemans J. Modelled atmospheric temperatures and global sea levels over the past million years[J]. Nature, 2005, 437(7055): 125-128.

DOI

[41]
Bard E. Climate shock: Abrupt changes over millennial time scales[J]. Physics Today, 2002, 55(12): 32-38.

[42]
Salgueiro E, Voelker A, Abreu L D, et al. Temperature and productivity changes off the western Iberian margin during the last 150 ky[J]. Quaternary Science Reviews, 2010, 29(5-6): 680-695.

DOI

[43]
Tabish R, Masood S A, Stephan S, et al. Glacial to Holocene changes in sea surface temperature and seawater δ18O in the northern Indian Ocean[J]. Palaeogeography, Palaeoclimatology, Palaeoecology, 2017, 485: 697-705.

DOI

Options
文章导航

/

〈 〉