湖泊年紋層研究進展與展望

田興，高遠，王成善

1.西南大學地理科學學院，巖溶環境重慶市重點實驗室，重慶 400715

2.中國地質大學（北京）地球科學與資源學院，生物地質與環境地質國家重點實驗室，北京 100083

0 引言

早在1896 年，瑞典地質調查局就已將年紋層狀沉積物（annually laminated sediments）簡單地記錄為旋回性沉積紋層，瑞典語為“varfig lera”[1-2]。后來年紋層術語“varve”由瑞典地質學家de Geer 于1912 年定義，最初指的是冰川的季節性消融導致碎屑物質輸入的季節性變化，從而形成具有周期性的，一年一旋回的紋層，這種經典的年紋層一般由兩層季節性亞紋層構成，分別是夏季的粗顆粒紋層和冬季的細顆粒紋層[2]。隨著研究的不斷深入，在海洋、湖泊等環境中也相繼發現了大量的年紋層狀沉積物，這些沉積物也用“varve”表示，因此，廣義的年紋層指沉積韻律為一年的紋層狀沉積物[1,3-5]，它是一種原生沉積結構單元[6]，一般由深色和淺色的季節性亞紋層對構成，我們將這樣的紋層對稱之為“層偶（couplet）”[7]?！皏arve”一詞也曾被一些中國學者翻譯為紋泥[8-9]，主要出現在紋層狀的泥質沉積物中。根據其廣義的定義，本文更加傾向于將其翻譯為年紋層（annual laminations/varves）。

研究年紋層的意義在于其能提供高精度的時間標尺，同時，年紋層的厚度、組分及結構也可以作為恢復其沉積時期古氣候與古環境指示器[1,9]。紋層年代學是精確的定年方法，國內外學者針對紋層年代學做了大量的工作，尤其是晚第四紀的紋層年代學研究。國際上，Kitagawaet al.[10]對日本Suigetsu 湖泊進行了紋層年代學研究，建立了長達29 100 年的紋層記錄；Zolitschkaet al.[11]對德國Holzmaar 湖做了大量的研究，也建立了長達23 220 年的紋層記錄。我國年紋層研究起步較晚，但發展較快，前人在東北龍崗火山區的四海龍灣[12]和二龍灣[13]也相繼建立了長達萬年的紋層記錄。精確定年的湖泊年紋層被廣泛應用于氣候事件的精確重建[14-15]和校正14C 測年曲線[16]。此外，通過對年紋層的研究，也能反映季風、太陽活動周期和厄爾尼諾—南方濤動（ENSO）等年際—年代際/人類尺度古氣候變化[17-18]。

全球湖泊年紋層研究的時空分布極不均衡。目前，第四紀湖泊年紋層研究程度較高的地區主要分布在歐洲和北美等地，亞洲如中國和日本等地僅有零星報道[4]。我國第四紀湖泊年紋層研究程度相對較高的主要集中于東北火山區的瑪珥湖[8]，河北壩上高原[19]、柴達木盆地[20]和青藏高原的少量湖泊[21-23]。從已發表的湖泊年紋層文獻可以看出，目前大部分的年紋層研究成果主要集中于第四紀，尤其在全新世最盛，針對更老的深時（即第四紀之前）年紋層研究相對較少。究其原因，主要是由于湖泊年紋層的保存環境較為苛刻，發現和證明湖泊年紋層的存在也極具挑戰性。因此，針對這一問題，亟需通過文獻綜述的方式梳理并總結前人關于湖泊年紋層的研究實例，進而探討年紋層的識別、分類以及分布等。此外，隨著湖泊年紋層研究的不斷發展，越來越多的論文發表，也需相應的綜述性文章進行總結。

本文總結了湖泊年紋層的識別和分類，并對其研究現狀進行了簡單分析，探討了湖泊年紋層的形成和保存因素，介紹了紋層年代學以及湖泊年紋層在古氣候與古環境中的應用。在此基礎上，深入挖掘湖泊年紋層的研究價值，并根據目前湖泊年紋層研究現狀和存在的問題，提出了研究展望，以期推動我國湖泊年紋層研究的發展。

1 年紋層的識別與分類

1.1 年紋層的識別

年紋層的識別與鑒定是年紋層研究的關鍵，年紋層的計數是紋層年代學研究的基礎[24]。對于年紋層的識別，前人有過相關的總結，例如Zolitschkaet al.[1]主要根據五個方面識別年紋層的年際特征以及建立湖泊年紋層模型：（1）詳細的巖石地層學研究；（2）沉積物監測及其與湖底同時期沉積紋層的對比；（3）生物地層學研究；（4）連續重復采樣，并記錄每年沉積物的增量；（5）同一湖盆采集多個平行樣品，并進行對比和記錄年紋層的水平一致性。李萬春等[9]主要將湖泊年紋層的識別與驗證總結為六個方面：（1）比較典型的重要歷史事件，比如火山噴發、森林火災或器測記錄的限定；（2）年紋層內古生物的季節性演替，如硅藻、微生物席等；（3）年紋層內孢粉組合或生物殘體信息；（4）沉積學和古地磁學的證據；（5）年紋層計數與同位素測年相互驗證，如AMS14C、137Cs、210Pb 等；（6）現代沉積物監測的實驗結果。然而，同位素測年等具有一定的局限性，無法驗證缺乏測年材料的年紋層樣品，也無法滿足年代較老的深時年紋層鑒定。因此，對于年齡較新的地層，年紋層尚且可以通過年紋層計數和同位素定年技術進行交叉驗證，而對于較老的地層，由于目前定年技術的限制，定年誤差較大，無法利用定年直接進行驗證。

針對不能直接利用定年技術或記錄進行驗證的這部分深時湖泊年紋層，只能通過年紋層本身的物理、化學和生物特征進行間接驗證，同時與現代沉積物監測記錄進行對比。為區分年紋層和普通紋層，除了前人提及的同位素定年和現代湖泊沉積物監測鑒別特征外，此次將湖泊年紋層的其他鑒別特征均概括為年紋層的宏觀、微觀特征，具體如下。

1.1.1 年紋層的宏觀特征

經典的年紋層為碎屑年紋層[2]，起源于前人對冰川的研究，冰川的季節性融化導致碎屑輸入的季節性的變化，其形成的年紋層一般以兩層季節性亞紋層構成的層偶（couplet）為主，這種紋層通常會出現跟冰川相關的沉積現象，比如墜石構造（圖1a）[25]，這種典型的年紋層層偶往往反映的是一年中的干冷和暖濕兩個狀態。比如圖1a 為前人在澳大利亞Pirrilyungka 組中發現的深時典型冰川湖年紋層層偶（couplet），這種層偶類型也常見于碎屑年紋層[2]，其中紋層W代表的亞紋層為冬季碎屑輸入較小的細顆粒富有機質或者富黏土亞紋層，因此顏色較深，紋層S代表夏季碎屑輸入較大的粗顆粒碎屑亞紋層，因此顏色較淺。圖1b展示的是Ingemar Renberg在瑞典北部拍攝的現代冰川湖年紋層，可見冰川湖年紋層也可具有三層結構（triplet），每層亞紋層分別代表每年中的不同季節或不同氣候狀態。然而，值得注意的是，湖泊年紋層更多的宏觀結構為第一種年紋層層偶，可能由于紋層中反映季節性的沉積物漸變的結果。年紋層的三層結構在其他類型湖泊年紋層中也有報道，比如Andersonet al.[26]通過對美國卡斯蒂爾（Castile）盆地的年紋層研究發現，該盆地中大約1.5%的年紋層屬于triplet，前人對該盆地三層結構年紋層的解釋為潮濕的季節沉積CaCO3層或者含有機質層的CaCO3層，其次在CaCO3層之上沉積硬石膏層，隨著鹽湖的干旱，最后在頂部沉積一層巖鹽層[27]；Zhanget al.[28]通過對我國遼寧義縣組的詳細沉積學研究發現該地層年紋層中也存在三層結構的年紋層，由顏色較淺的硅質碎屑層，過渡層和顏色較深的富有機質層構成。當然，單個年紋層還可能擁有更多的季節性亞紋層，可以更加精確和明顯地記錄一年中氣候與環境的季節性變化。因此，湖泊年紋層普遍具有層偶（couplet），或者由多個季節性亞紋層組合而成，這是湖泊年紋層最為直觀的現象。

圖1 自然界中典型的湖泊年紋層結構（a）來自澳大利亞Pirrilyungka組成冰紀中的典型冰川湖年紋層couplet，可見墜石構造，其中紋層W代表冬季干冷氣候條件下碎屑陸源輸入較少的深色紋層，紋層S代表夏季暖濕氣候條件下碎屑陸源輸入較多的淺色紋層[25]；（b）來自瑞典現代冰川湖泊中的年紋層triplet，其中紋層M為紋層S和紋層W之間的過渡類型，圖片來自https://pastglobalchanges.org/node/136624Fig.1 Common structures for lacustrine varves in nature(a) Cryogenian glacial lake varve couplets from the Pirrilyungka Formation showing dropstones.Dark sublamina W represents less input of detritus debris under dry and cold climate conditions in winter,whereas lighter sublamina S is the opposite,representing warm and humid climate conditions in summer;(b) modern glacial lake varve triplet from Sweden.Sublamina M is the transition type between sublaminae S and W,the photo is from https://pastglobalchanges.org/node/136624

年紋層在沉積厚度上與普通的紋層相當，屬于微米到毫米級，但在定義上兩者仍具有區別。年紋層用“varve”或者“annual lamination”表示，指的是一年內沉積的紋層狀沉積物，其內部通常由季節性亞紋層構成。大部分年紋層的厚度介于0～1.5 cm，由于地層的壓實作用，現代湖泊年紋層的厚度一般大于地質歷史時期的湖泊年紋層厚度[29]。而紋層指的是季節性不明顯，內部結構和成分較為均一，是沉積層序組成的最小單元，形成時間較短（范圍從1 秒到幾年不等），厚度一般小于10 cm，用“lamination”或“laminae”表示[30]。此外，由于大部分年紋層沉積環境較為穩定，因此其在水平空間上可以延伸較遠距離（從幾米到幾千米不等），這主要取決于湖泊的大小和穩定性[31-32]；在垂向上，年紋層也擁有較強的韻律性，這些特征均區別于大部分事件沉積的紋層（如濁流、風暴流等產生的紋層）。

1.1.2 年紋層的微觀特征

年紋層中成分的變化與年紋層沉積時的氣候環境變化密切相關。季節性的氣候變化直接影響生物的季節性生長和演替（圖2a）和陸源物質的季節性輸入（圖2b）[1,33]。湖泊水體在不同的季節，其物理、化學性質（比如溫度、含氧氣濃度等）也會發生變化，這些變化直接體現在年紋層的物理、化學和生物性質的韻律變化。例如，Youet al.[13]通過年紋層微觀觀察，證明了我國東北地區二龍灣瑪珥湖沉積物具有良好的生物年紋層，包括秋季繁盛的甲藻孢囊亞紋層，代表冬—春季節的外源礦物或內源的硅藻、綠藻等生物的有機質亞紋層；Davieset al.[34]通過對年紋層層偶中季節性亞紋層的微體古生物分析，發現晚白堊世北冰洋中的年紋層層偶主要為夏季的硅藻休眠孢子亞紋層和冬季的硅藻營養細胞亞紋層構成，后來他們在美國加利福利亞州的Marca 頁巖中也發現了以夏季碎屑亞紋層和冬季硅藻亞紋層構成的晚白堊世年紋層[35]；陳鈺等[36]利用青藏高原北部可可西里庫賽湖紋層中顆粒的微形態分析，認為該湖的層偶為年紋層，由冬季冰面風成物質形成的粗顆粒深色層，冰融化后風成物質沉降的湖底堆積和夏季沉積的細顆粒淺色層交替形成。由此可見，通過對年紋層中生物和碎屑顆粒的微觀觀察與分析，能夠證明湖泊年紋層的存在。

圖2 年紋層沉積機理簡化模型示例[1,33]（a）生物年紋層概念模式；（b）碎屑年紋層概念模式Fig.2 Examples of simplified conceptual models for varves[1,33](a) simplified models for depositions of a biogenic varve,and (b) a clastic varve

此外，具有季節性差異沉積的元素和礦物也是年紋層的重要證據。比如Duet al.[37]通過對美國加利福利亞南部圣巴巴拉盆地鉆孔獲取了連續的紋層狀沉積物，對比紋層中Ti 元素的變化和1950—2000 年的局地降水數據，發現單個紋層中Ti 的峰值剛好對應每年的冬季降水，這個結果與前人的觀測結果吻合，因此他們認為所采集的紋層為年紋層；Maet al.[38]對我國柴達木盆地中古近紀和新近紀紋層狀沉積巖進行了研究，通過礦物分析發現為黃色和灰色文石亞紋層構成的紋層層偶，基于該盆地的地質背景，認為夏季藻類的繁盛促使沉積更多的文石，從而形成黃色的文石亞紋層，冬季藻類活動和湖水動力均弱，沉積較多的有機質和較少的文石，從而形成灰色的文石亞紋層，后來他們針對單個紋層又連續做了更多的巖石學和地球化學工作，進一步驗證了該年紋層的可靠性[39]。近年來，隨著微區測試技術的不斷發展，微區元素和礦物相分析使得年紋層微區研究更為方便快捷，同時，季節性亞紋層中的元素和礦物的變化，結合年紋層的沉積機理/模式，也可以作為年紋層的有力證據。

1.2 年紋層的分類

根據組分特征可以對年紋層進行劃分（表1），如碎屑年紋層、球石年紋層、藻類年紋層、微生物席年紋層、黃鐵礦年紋層、菱鐵礦年紋層、碳酸鈣年紋層、蒸發鹽年紋層等等。根據年紋層的成因也可以進行劃分，如Zolitschkaet al.[1]主要將湖泊年紋層劃分為：物理成因年紋層（主要包括碎屑年紋層等）、化學成因年紋層（主要包括方解石年紋層、鐵錳年紋層以及蒸發鹽年紋層等）、生物成因年紋層（主要為生物有機質年紋層等）以及混合成因的年紋層（比如碎屑—生物年紋層、碎屑—有機質年紋層等）四類。按照Zolitschkaet al.[1]的成因分類，在自然界中，純物理、化學和生物年紋層較少，多為混合成因年紋層，而混合年紋層不能很好地區別湖泊年紋層的主要成因。本文將湖泊年紋層重新歸為物理、化學和生物成因年紋層（表1），與前人的年紋層成因分類基本一致。至于Zolitschkaet al.[1]提出的混合成因年紋層，可以根據年紋層中各個組分的含量多少或者主控因素進行物理、化學和生物成因年紋層的重新歸類。

表1 湖泊年紋層分類方案Table 1 Varve classification schemes

2 湖泊年紋層的控制因素與研究現狀分析

2.1 湖泊年紋層形成和保存因素

湖泊年紋層的形成和保存條件苛刻，其控制因素可以歸結為地質因素、氣候因素和生物因素[1]（圖3）。一般來說，氣候因素和生物因素屬于可變因素，主要控制著湖泊年紋層的形成；地質因素屬于穩定的因素，主要控制著湖泊年紋層的保存。湖泊年紋層形成與保存的控制因素可以進一步分為湖盆的基巖化學作用、地貌形態、湖泊形態、太陽輻射、蒸發降水等等。湖泊沉積物的季節性供應和沉積，是湖泊年紋層形成的基本前提，其他因素比如水體季節性甚至永久的分層則有利于湖泊年紋層的保存[42]。不同主控因素下形成的年紋層類型也會存在較大的差異。

圖3 湖泊年紋層狀沉積物形成的控制因素和過程（據Zolitschka et al.[1]修改）Fig.3 Formation of lacustrine varved sediments: controlling factors and processes (modified from Zolitschka et al.[1])

合適的湖盆地貌形態對湖泊年紋層的形成與保存至關重要。良好的形成和保存條件要求湖底沉積物不受或者少受風暴的影響，湖底還要避免沉積物的滑塌和滑動，因此，盡可能平的湖底有利于年紋層的形成與保存。湖底還應該處于缺氧的環境，因為在缺氧的條件下，湖底年紋層在形成過程中才不會被微生物或者其他生物影響，這有利于湖泊年紋層后期的保存。通過總結湖泊年紋層狀沉積物的形成環境，前人認為湖泊年紋層更傾向于出現在水深較深（＞10 m），而湖面積較小的湖泊[43]。前人甚至根據富含年紋層的湖泊水深和湖面面積關系，得出經驗公式計算湖泊可能存在年紋層的水深[42,44-45]。如Larsenet al.[44]根據297個湖泊提出的經驗公式：式中：A 指的是湖面面積（ha），Zmm指的是大部分非紋層狀沉積物沉積的臨界水深（m），當超過這個水深深度，則出現年紋層狀沉積物的幾率較大。然而，這些公式僅考慮到湖泊形態，并且這些公式建立在已發表的數據上，具有一定的地理局限性，隨著數據的不斷增多，公式可能被不斷修改完善。

2.2 湖泊年紋層的研究現狀分析

前人已建立了較為完善的第四紀湖泊年紋層數據庫。Ojalaet al.[4]建立了全球湖泊年紋層數據庫（Varve Data Base，簡稱VDB），該數據庫收集了全球108 個湖泊年紋層數據。在此基礎上，Zolitschkaet al.[1]將該數據庫增加至143 個。Ramischet al.[46]在他們的基礎上，建立了湖泊年紋層專用網站/數據庫（Varved Sediments Database，VARDA），旨在匯集全球湖泊年紋層的年代學數據及其相應的古氣候、古環境指標。截至2023 年3 月，VARDA 收集了全球190個第四紀湖泊年紋層點位的數據（圖4）。從湖泊年紋層點位投圖來看，湖泊年紋層研究較多的地區主要為北美和歐洲地區，非洲少部分地區和東亞的少部分國家僅有零星分布（圖4）。

圖4 世界范圍湖泊年紋層研究分布圖，湖泊年紋層的地理位置信息基于年紋層數據庫VARDA[46-47]https://varve.gfz-potsdam.de/database（訪問時間：2023年3月22日），地圖底圖來自http://bzdt.ch.mnr.gov.cn/browse.html?picId=%224o28b0625501ad13015501ad2bfc010 4%22Fig.4 Lacustrine varve distributions worldwide,the geolocation information of the lacustrine varves is from the varve database VARDA[46-47] https://varve.gfz-potsdam.de/database,(accessed on 22 March 2023),the base map is from http://bzdt.ch.mnr.gov.cn/browse.html?picId=%224o28b0625501ad13015501ad2bfc0 104%22

我國年紋層研究起步較晚，但進展較快。目前，我國第四紀湖泊年紋層研究主要集中于東北龍崗火山區的瑪珥湖（四海龍灣、二龍灣、小龍灣）[13,48-50]，河北壩上高原安固里淖[19]，柴達木盆地的蘇干湖[20]，青藏高原東部的新路海[21]以及青藏高原北部的庫賽湖等[36]。我國湖泊眾多，分布甚廣，研究潛力巨大，特別是青藏高原地區和東北地區。但是我國學者在國際刊物上發表過的論文相對較少，從而導致在第四紀湖泊年紋層數據庫中出現了較大的盲區。

相對于第四紀湖泊年紋層，目前尚未建立較為完善的深時湖泊年紋層數據庫，并且深時年紋層的報道數量相對第四紀年紋層較少。筆者認為第四紀尚且廣泛存在湖泊年紋層，“深時”所涵蓋的地質歷史時間更長，理應存在更多的湖泊年紋層。近年來，我國學者對我國不同陸相盆地發育的深時/前第四紀年紋層開展了諸多探索，并取得了一定成果，如Shiet al.[51]對渤海灣盆地始新世年紋層進行了研究，并在年紋層序列中發現了太陽活動周期；Maet al.[38-39]報道并解釋了柴達木盆地古近紀和新近紀文石年紋層；Tianet al.[17]報道了秀水盆地早白堊世的微生物席年紋層；Tanget al.[52]在華北霧迷山組中的中元古代地層中發現了微生物席年紋層等。即便如此，從Web of Science（WOS）和Varve Working Group（VWG）國際年紋層組織統計的文獻庫可知，湖泊年紋層的研究報道在時間跨度上主要集中在第四紀和現代，而關于深時湖泊年紋層的研究報道相對較少，主要原因可能是深時湖泊年紋層更難保存，解譯難度較大，并且沒有系統的鑒別標準。

3 紋層年代學研究

3.1 年紋層計數和誤差估計

紋層年代學的應用建立在其能夠提供精確計年的基礎之上，而年紋層計數是紋層年代學研究的基礎。對于年紋層厚度較大（＞0.5 mm）并且紋層界線清晰的年紋層，我們可以通過仔細地觀察年紋層新鮮切面進行簡單而又快速的年紋層計數；而對于厚度較小的年紋層，則只能通過光學顯微鏡或掃描電子顯微鏡（SEM）等其他手段進行觀測和計數[24]。目前年紋層計數方法較多，大致可以歸結為人工宏觀計數，半自動微觀年紋層計數與自動計數，每種計數方法都有各自的優缺點。人工宏觀計數方法是研究者通過肉眼或放大鏡等在高分辨率新鮮沉積物照片或沉積巖光面中標定年紋層界線，然后通過人工計數的方式直接獲取紋層年代的方法。但人工宏觀計數方法費時費力，并且計數結果也會隨著計數者的經驗以及年紋層的厚度產生差異，因此這種計數方式僅適用于年紋層厚度較大（＞0.5 mm）的樣品。自動計數方法是將年紋層的韻律變化直接轉化為高分辨率數字信號，如灰度、元素等的變化，然后通過識別數字信號中的波峰或者波谷從而達到年紋層的計數。由于年紋層的非均質性較強，灰度和元素等數據容易受到年紋層內物質的干擾，因此這種計數方法僅適用于非常規則并且紋層內物質相對均一的湖泊年紋層。半自動微觀年紋層計數是通過制作巖相學大薄片，顯微鏡下分析年紋層特征并利用軟件程序（如Photoshop，Illustrator等）標定年紋層界線，然后利用其他軟件程序（如ImageJ等）進行年紋層計數[17]；或者通過電腦處理年紋層的高清圖片，使得紋層界線更加明顯，進而通過計算機對年紋層進行直接計數[53]。這種計數方法相對于人工宏觀計數方法較為客觀，并且相對于自動計數方法更為準確。盡管年紋層的人工宏觀計數是目前年紋層計數采用最多的方法，但半自動微觀年紋層計數因其優越性將逐漸獲得更多的應用。

即使是發育最好的年紋層也可能有不規則的局部變化或微小的擾動，這導致年紋層計數產生不可避免的誤差。紋層年代學誤差單位為“±”紋層年或者表示為“%”，總的年紋層誤差一般由鉆孔的頂到底疊加，所以一般在鉆孔的底部，年紋層的誤差最大[23]。年紋層的誤差歸結為兩個主要來源，一是系統誤差，如湖底擾動、流域/湖岸侵蝕、滑塌以及地震等等因素引起的年紋層不清晰或者缺失，這類誤差人為不可控制，因此選擇合適的研究材料是減少系統誤差的有效途徑；二是人為誤差，研究者對沉積物的擾動或者紋層計數過程中的人為不確定性，以及年紋層計數方法的選擇等，都有可能導致后期紋層年代學研究的誤差，因此合適的年紋層計數方式是減少人為誤差的有效途徑。

從前人統計的年紋層數據庫來看，紋層年代學誤差估計沒有統一的方法[1,4]。單個鉆孔或樣點的年紋層誤差估計方法歸結起來包括年紋層質量分級法[54]、加減層法、交叉檢驗法[55]和交叉年代學方法等[1,4]。年紋層的交叉檢驗是目前紋層年代學誤差估計使用最多的方法，所謂的交叉檢驗，即單人多次或者多人多次對湖泊年紋層進行計數[56-57]，這種方法不僅可以極大地減少計數者主觀不確定性帶來的誤差，也可以減少由于湖底地形差異、水動力環境差異、湖岸滑塌和湖底生物擾動等因素引起的紋層擾動、缺失等帶來的誤差[58]。如圖5，展示的是前人利用交叉檢驗法多人多次計算紋層年代學誤差的實例[55]，分為三種情況：情況a 代表標定的年紋層界線明顯（超過半數確定即為明顯），則紋層年代不會產生誤差；情況b 代表中間的一個年紋層界線不明顯，則紋層年代與情況a 一致，誤差為-1；情況c 為兩個相隔的年紋層界線不明顯，則紋層年代相對情況a減去1，誤差為+1。

圖5 紋層年代學誤差估計方法（據 et al.[55]修改）（a）相鄰三個年紋層界線確定；（b）中間年紋層界線不確定；（c）兩邊年紋層界線不確定Fig.5 Error estimation of the varve chronology (modified from et al.[55])(a) The boundaries of three adjacent varves are well defined;(b) The middle varve is disputable;(c) The varves on both sides are disputable

3.2 絕對紋層年代記錄和紋層年代學驗證方法

紋層年代學被認為是比較精確的定年方法，可以提供絕對獨立的、連續的時間標尺。在沒有精確時間標志點或其他年代學方法驗證的情況下，紋層年代學方法定年得出的為“浮動”的紋層年代，可以為古環境與古氣候事件提供天然的年歷[59]，與之相對的則是絕對獨立且連續的紋層年代，可以補充樹木年輪年代長度的不足，也可為校正放射性同位素（如14C）年齡提供又一種重要途徑[1,60]。從前人建立的湖泊年紋層數據庫[1,4]可知，歐洲和北美等地年紋層研究較多，但是目前（截至2023 年3 月）數據庫中展示的最長絕對紋層年代記錄在日本[10]，其次在德國[11]，第三在土耳其[61]，我國年紋層研究起步較晚，但絕對的連續紋層年代學記錄仍能排在第四[12]。

紋層年代學研究往往存在不可避免的系統誤差，比如保存較差，紋層不清晰等，因此建立獨立而精確的紋層年代記錄離不開其他定年手段或歷史記錄的驗證，目前用來驗證紋層年代學的定年手段主要為放射性元素定年（如AMS14C，137Cs和210Pb 等）。雖然光釋光定年（OSL），熱釋光定年（TL），以及古地磁長期變化等[62]也能驗證紋層年代學記錄，但這些方法應用相對較少[1]。選擇何種定年手段驗證紋層年代學的精準性往往取決于紋層年代學記錄的長度、年紋層的成分以及每種定年手段的有效測年范圍[4]。比如放射性14C 同位素年代學是驗證紋層年代學最常用的手段，可被用于驗證近55 000 年來的湖泊年紋層記錄，在年紋層數據庫（VDB）中，有超過50%的紋層年代學記錄采用14C 測年手段進行驗證，而137Cs和210Pb 則常被用于近現代150 年內紋層年代學記錄的驗證[1,4]。

4 湖泊年紋層在古氣候和古環境研究中的應用

4.1 反映太陽活動變化

太陽是地球氣候與環境變化的主要外部驅動力，年紋層的形成受控于地球的季節性變化，因此最終也受控于太陽活動的周期性變化；反過來，年紋層記錄也可以作為恢復太陽活動變化的良好地質載體[63]。例如，前人研究認為全球冰川湖碎屑年紋層厚度的變化可能受控于太陽活動周期的變化，太陽活動影響冰川的消融，進一步影響冰川湖的年紋層沉積[1,64]?；谶@種理論，前人甚至認為冰川湖年紋層可以進行洲際對比，但由于記錄的缺乏和技術等的限制，這種觀點逐漸被放棄[2]。此外，太陽活動的周期性變化也可以影響地球生物的生長與消亡，進一步影響生物年紋層的形成與變化[65]。利用年紋層記錄恢復太陽活動變化的常規手段是通過分析年紋層的物理、化學和生物指標，揭示蘊藏其中的太陽活動周期，諸如太陽～11年的施瓦貝（Schwabe）黑子周期，～22年的黑爾（Hale）周期/磁周期，80～90年的格萊斯堡（Gleissberg）周期/世紀周期等[17,51]，以及揭示發生在歷史時期中的太陽活動事件[66]（圖6）。然而，太陽活動對年紋層形成的控制機制，特別是碎屑年紋層的形成機制，仍然是目前爭議較多的問題。

圖6 樹輪剩余Δ14C（紅線，1 000 年滑動平均）[67]和芬蘭東部Lehmilampi 湖泊年紋層厚度（藍線，51 年滑動平均）[66]太陽極小期（如Oort,Wolf,Sp?rer,Maunder and Dalton）陰影區域表示；2 000年來最薄的年紋層沉積于太陽活動高峰期，如中世紀氣候異常（MCA），據Haltia-Hovi et al.[66]修改Fig.6 Residual Δ14C on a 1 000-year moving average (red line)[67] and varve thickness from Lake Lehmilampi in eastern Finland as a 51-year moving average (blue line)[66] Phases of minimum solar activity are highlighted (Oort,Wolf,Sp?rer,Maunder,and Dalton).The thinnest varves of the last 2000 years were deposited during maxima of solar activity,i.e.during the Medieval Climate Anomaly (MCA) modified from Haltia-Hovi et al.[66]

目前已有大量的年紋層被用于恢復地球歷史時期的太陽活動變化。例如Haltia-Hoviet al.[66]通過對芬蘭東部過去2 000 年的年紋層研究認為太陽輻射（特別是紫外輻射）改變了地球的大氣—海洋環流模式，從而影響了湖泊沉積，通過與樹輪Δ14C對比和現代年紋層監測取樣，進一步證實了年紋層，同時也發現了中世紀氣候異常與小冰期期間的多起太陽活動事件。Livingstoneet al.[68]通過對瑞士中部約3 000年（9 740～6 870 yr B.P.）的生物成因的碳酸鹽年紋層分析發現，10.9年的太陽施瓦貝周期主導了該地區年紋層的形成。通過對德國南部中—晚全新世（5 500 yr B.P.）年紋層的研究，Czymziket al.[69]發現太陽對北半球的夏季輻射的逐漸減弱，疊加百年尺度的太陽活動極小期是導致洪水變化的主要原因。目前針對太陽活動事件的研究主要集中于第四紀，前人也報道過不少深時太陽活動變化的年紋層記錄[17,65,70-71]，而針對深時太陽活動變化的研究主要集中于揭露太陽活動周期的變化[17]，即便如此，前人成果證明湖泊年紋層可以作為研究深時太陽活動變化的良好地質載體。

4.2 恢復年際—年代際古氣候變化

隨著全球氣候變暖，年際—年代際/人類尺度氣候變化將如何變化？這個問題直接關系到人類自身的生存和發展，然而，針對人類尺度的氣候變化也僅有幾百年的歷史記錄，這很大程度地制約了我們對未來氣候預測的能力，因此亟需尋找新的超高分辨率地質記錄用以恢復更長歷史的人類尺度氣候變化。由于具有季節—年尺度超高分辨率特征，年紋層理論上可以作為研究人類尺度古氣候變化的良好材料。厄爾尼諾—南方濤動（ENSO）、北大西洋濤動（NAO）以及季風等是控制地球年際—年代際氣候變化的重要因素[72-73]，已有大量學者利用年紋層研究地質歷史時期的這些古氣候波動。例如Sunet al.[74]利用緬甸東北部年紋層恢復了530 年來的印度洋夏季風歷史，并認為公元1 800 年以來年紋層中Sr 和Ca的增加可能與季風減弱有關。Zahreret al.[75]通過對德國北部近現代（1945—2002年）湖泊年紋層的微相研究發現，NAO 在冬季的變化控制著該區年紋層的微相變化和硅藻沉積。Guyardet al.[73]通過對法國西部過去4 150年的年紋層研究也得出了類似的結論，他們認為NAO可能通過控制歐洲高寒地區的氣候變化，從而控制著冰川的消亡和該區冰川湖碎屑年紋層的形成。Wolffet al.[18]通過肯尼亞東南部過去25 000 年的湖泊年紋層分析，結合現代監測和氣候模擬，認為該年紋層厚度主要受到ENSO 的控制，ENSO 與印度洋偶極子遙相關[76-77]，進而影響了赤道東非的降水（圖7）。Fagelet al.[78]基于湖泊年紋層的頻譜分析，評估了過去600年來智利南部的ENSO變化。類似的研究實例[74,79]均說明湖泊年紋層可以作為研究ENSO 的良好地質載體。由于深時年紋層相較于第四紀年紋層更難證明，同時缺乏可直接對比的資料，目前深時湖泊年紋層研究年際—年代際古氣候仍處于起步階段[35,80]，實際研究中還應結合古氣候模擬等其他證據。

圖7 肯尼亞Challa 湖年紋層厚度（藍線）與尼諾3.4 指數（紅線）[76]和印度洋西南部海表溫度異常（SST，三步滑動平均，綠線）[77]時間序列的負相關關系。薄紋層對應厄爾尼諾事件，厚紋層對應拉尼娜事件，據Wolff et al.[18]修改Fig.7 Time series of the varve thickness in Lake Challa (blue line) showing negative correlations with the Ni?o3.4 index (red line)[76],and HadISST anomalies averaged over the western Indian Ocean (SST,3-point running mean,green line)[77] .Thin varves correspond to El Ni?o events and thick varves to La Ni?a events,modified from Wolff et al.[18]

4.3 重建地球磁場變化

地球主磁場的方向和能量經歷著系統而緩慢的變化，這種變化被稱為古地磁長期變化（Paleomagnetic Secular Variation，PSV），具有十年—千年甚至百萬年時間尺度的變化[81]。其中相對短尺度（如十年—千年尺度）的PSV信息可被高分辨率地質記錄（如湖泊年紋層）保存下來。由于地磁存在周期性的震蕩[82]，地球磁場相對古強度（Relalive Paleomagnetic Intensity，RPI）、天然剩磁（Natural Remanent Magnetism，NRM）、非磁滯剩磁（Anhysteretic Remanent Magnetism，ARM）、古地磁磁偏角和磁傾角等PSV信息可被用于重建地球磁場變化歷史；此外，還可以通過不同點位PSV的對比建立可靠的古地磁年代[83]。湖泊年紋層序列具有沉積連續無間斷，沉積速率快，沉積物穩定和分辨率高等優勢，是重建高分辨率地球磁場變化歷史的絕佳材料[84]，我們可以在建立紋層年代框架的基礎上，重建可靠的古地磁變化歷史[1,84]。

關于利用湖泊年紋層序列重建地球磁場的變化歷史，前人在歐洲和北美地區做過大量工作。例如前人最早利用美國明尼蘇達州的Elk 湖的年紋層序列，重建了過去13 000年來的PSV[83-84]；前人還發現芬諾斯堪迪亞地區的湖泊年紋層序列保存了較強的PSV信號，并重建了過去10 000年的PSV[82,85]；隨著研究的不斷積累，前人通過不同湖泊年紋層序列的PSV對比，可靠地重建了歐洲過去5 000年來的古地磁變化歷史，這些結果也很好地與模擬結果進行了對比（圖8）[1]。利用湖泊年紋層序列重建高分辨率古地磁變化歷史的研究主要集中于歐、美地區，時間上主要集中于全新世。

圖8 基于湖泊年紋層序列和模擬重建的歐洲過去5 000 年的古地磁變化歷史，灰色曲線為原始數據，黑色曲線為5 步滑動平均數據（據Zolitschka et al.[1]修改）數據來自（a）芬蘭東部Pohjaj?rvi湖[86]；（b）芬諾斯堪迪亞地區的7 湖的合成數據（FENNORPIS，灰色區域為95%置信區間）[82]；（c）芬蘭中部的Nautaj?rvi湖[85]；（d）芬蘭東部的Lehmilampi湖[87]；（e）全球古地磁場模型CALS7K.2[88]Fig.8 Relative and absolute magnetic palaeointensity records from Europe for the last 5 000 years with raw data (grey line) and a 5-point running average (black line) (modified from Zolitschka et al.[1])Data from (a) Lake Pohjaj?rvi in eastern Finland[86];(b) A stack of seven Finnish and Swedish lakes (FENNORPIS,the gray area shows 95% confidence level)[82];(c) Lake Nautaj?rvi in central Finland[85];(d) Lake Lehmilampi in eastern Finland[87];(e) The paleomagnetic model of CALS7K.2[88]

4.4 限定古事件的發生和持續時間

古火山活動、古地震、古洪水、人類活動（冶金、森林砍伐、土地利用等）以及重大古氣候事件等均可對湖泊年紋層的形成和保存產生一定的影響，反之，湖泊年紋層序列也可作為存儲這些事件信息的高分辨率地質記錄。其中火山活動在湖泊年紋層序列中表現為火山灰夾層，具有火山玻璃等特殊含有物，宏觀屬性（如顏色，巖性等）明顯區別于紋層狀泥巖[89]；地震的識別標志為震積巖，通常在湖泊年紋層序列中表現為具有液化構造，泄水構造，重沉積現象等的震積巖夾層[90]；洪水事件在湖泊年紋層序列中的主要表現為微沖刷現象和沉積物粒級的變化等，這些特征與年紋層序列差距較大，Schillereffet al.[91]建立了古洪水分析流程的模型，并認為湖泊年紋層是分析古洪水事件的良好材料；人類活動在湖泊年紋層序列中可能表現為初級生產力、孢粉、藻類、重金屬污染和沉積速率等的變化[92]。古氣候事件在湖泊年紋層序列中具體表現為湖泊年紋層厚度、元素等指標的突然變化，比如前人[93-94]根據德國Meerfelder 瑪珥湖中的年紋層序列，同時對比其他高分辨古氣候記錄（如格林蘭冰芯），較為精確地限定了新仙女木事件（YD）的發生（12 679 yr B.P.）和持續時間（1 020～1 090 yr B.P.，圖9）。

圖9 Meerfelder 瑪珥湖（MFM）年紋層厚度變化及其與格林蘭冰芯δ18O 記錄的對比（據Brauer et al.[93]修改）（a）5步滑動平均的年紋層厚度序列和格林蘭冰芯氧同位素的對比；（b）年紋層序列記錄的阿勒羅—新仙女木事件之間的轉換；（c）年紋層序列中50 μm間距的Fe元素曲線Fig.9 Varve thickness changes from Meerfelder Maar (MFM) and their relationship to the δ18O record of the Greenland ice core (modified from Brauer et al.[93])(a) Comparison of the 5-step sliding average of the varve thickness sequence and oxygen isotopes of the Greenland ice core;(b) Conversion between the Aller?d-Younger Dryas recorded in the varved sequence;(c) Element Fe profiles at a 50 μm spacing in the varved sequence

在湖泊年紋層限定古火山活動、古地震、古洪水等事件的發生時間和恢復人類活動歷史方面，前人[89,95]利用德國埃菲爾（Eifel）西部Holzmaar 和Meerfelder 瑪珥湖的年紋層序列準確地限定了冰后期Laacher See 火山灰層（LST，12 880 yr B.P.）和Ulmener Maar 火山灰層（UMT，11 000 yr B.P.）的發生年齡，后來又利用LST 成功地將德國西部和波蘭北部的湖泊年紋層序列進行了對比[96]；公元1960 年發生的地球迄今為止最強地震（瓦爾迪維亞大地震，里氏震級M 9.5）在智利南部的湖泊年紋層序列中表現為明顯的震積巖夾層[97]；Czymziket al.[69,98]利用德國阿默湖（Ammersee）年紋層序列恢復了該地區中—晚全新世以來的洪水事件，并認為洪水事件的爆發主要受到了地球軌道和太陽活動變化的影響；基于德國Holzmaar 和Belauer See 湖泊年紋層厚度變化，前人[11,99]發現自青銅時代結束后（～2 800 yr B.P.），人類活動（特別是農業活動）促使德國湖泊的沉積速率呈現指數級增加。此外，湖泊年紋層序列中的水銀（Hg）、鉛（Pb）和鎘（Cd）等重金屬含量的變化被視為人類重金屬污染的一本天然“史書”，如Renberget al.[100]利用湖泊年紋層序列，結合其他湖泊沉積物序列206Pb/207Pb以及Pb濃度的變化，恢復了瑞典過去4 000 年的Pb 污染史，并發現自約公元1 000 后，鉛污染呈指數級增長，這與歐洲的冶金史相吻合。

5 總結與展望

5.1 優化湖泊年紋層鑒別方法，加強現代湖泊沉積物監測

湖泊年紋層的識別是開展其研究的關鍵，年紋層計數則是基礎[24]。通過總結前人的研究，第四紀湖泊年紋層的鑒定方法可以歸納為：（1）宏觀特征（如判定結構上是否具有層偶或紋層組，定量評估年紋層的韻律和連續性等）；（2）微觀特征（如觀察紋層內是否具有季節性生物生長，結合區域氣候，判定是否具有季節性的碎屑輸入等特征）；（3）通過現代沉積物監測，探討湖泊年紋層的沉積機理，以及年紋層內物質的季節性形成特征；（4）通過同位素年代學、古地磁年代學和事件標志層等對年紋層序列進行交叉驗證，這也是第四紀湖泊年紋層研究最普遍運用的鑒別方法。然而，由于目前放射性同位素定年技術的局限性，比如14C 測年無法測量深時沉積物年齡，U-Pb 測年誤差較大等，放射性同位素定年技術也只能作為深時年紋層的輔助證據用以對比湖泊平均沉積速率。深時事件沉積也具有難對比性，因此相對于第四紀湖泊年紋層的識別，第四條鑒別方法很難直接用于深時湖泊年紋層的鑒別。鑒于此，深時湖泊年紋層研究應加強前三條湖泊年紋層的鑒別方法，特別是第三條中的現代湖泊沉積物監測，可為了解湖泊年紋層的形成機理和過程提供思路。

5.2 利用多種研究手段，系統構建并完善湖泊年紋層研究體系

傳統的沉積學研究手段諸如全巖礦物、元素測試，光學顯微鏡照相等手段已無法滿足湖泊年紋層的精細研究，隨著微區取樣、微區元素、微區同位素和礦物等分析手段的不斷革新，這些先進手段為年紋層序列的超高分辨率分析提供了可能。比如針對年紋層樣品微區取樣難的問題，微區取樣儀（如MicroMill）可提供高精度取樣工作，為部分紋層較厚（＞0.5 mm）的年紋層微區取樣提供了可能，這種方法相對傳統的人工逐層剝離法更加精確，并且污染較小，然而對更薄的年紋層，目前仍沒有較為精確的取樣手段和方法。針對年紋層元素分析，微區元素分析儀（μ-XRF）可提供微米級分辨率元素分析，如德國的M4 Tornado 可為提供精度為20 μm 的超高分辨率元素分析；礦物學方面，利用QEMSCAN和TIMA 等先進技術也可以進行定量或半定量評價；此外，目前也有針對樣品的微區同位素分析技術，比如NanoSIMS 等表面測試技術，可提供納米級超高分辨率的同位素測試。為迎合沉積學從宏觀到微觀的發展趨勢，有必要利用以上多種高分辨率分析測試手段，同時結合傳統測試分析方法（如掃描電子顯微鏡，偏光顯微鏡，陰極發光顯微鏡，CT成像等技術），系統而全面地構建湖泊年紋層研究體系。

5.3 深入挖掘深時湖泊年紋層的研究價值，聚焦深時年際古氣候變化等科學前沿

湖泊年紋層同樹木年輪、冰芯、珊瑚等類似，因其具有超高分辨率特征，不僅可以建立高精度的年代標尺，更是重建過去人類尺度古氣候與古環境變化的寶貴材料。然而，相對于其他年際—年代際高分辨率古氣候地質載體（如石筍、冰芯等），年紋層的研究數量相對較少[29]。此外，從前人已建立的第四紀湖泊年紋層數據庫（如最新的數據庫VARDA[47]）、論文數據庫（如WOS）和年紋層工作組（VWG）統計的所有年紋層相關的文獻庫可知，目前湖泊年紋層的研究在空間的分布極不均衡，時間上也主要集中于第四紀湖泊年紋層的報道。究其原因，可能是因為深時湖泊年紋層更難保存，解譯難度更大，并且目前沒有系統的鑒別標準。然而研究深時年際古氣候變化（比如深時ENSO、NAO以及太陽活動等的變化）可為研究全球變化提供重要參考，從而幫助我們更好地預測未來的氣候、環境變化趨勢，且高分辨率古氣候研究也是沉積學研究的熱點與前沿[101-102]。深時湖泊年紋層作為年際古氣候信息的重要地質載體，有必要對其進行深入挖掘，并加強其在高分辨率古氣候研究中的作用。