湖泊年纹层研究进展与展望

田兴，高远，王成善

1.西南大学地理科学学院，岩溶环境重庆市重点实验室，重庆 400715

2.中国地质大学（北京）地球科学与资源学院，生物地质与环境地质国家重点实验室，北京 100083

0 引言

早在1896 年，瑞典地质调查局就已将年纹层状沉积物（annually laminated sediments）简单地记录为旋回性沉积纹层，瑞典语为“varfig lera”[1-2]。后来年纹层术语“varve”由瑞典地质学家de Geer 于1912 年定义，最初指的是冰川的季节性消融导致碎屑物质输入的季节性变化，从而形成具有周期性的，一年一旋回的纹层，这种经典的年纹层一般由两层季节性亚纹层构成，分别是夏季的粗颗粒纹层和冬季的细颗粒纹层[2]。随着研究的不断深入，在海洋、湖泊等环境中也相继发现了大量的年纹层状沉积物，这些沉积物也用“varve”表示，因此，广义的年纹层指沉积韵律为一年的纹层状沉积物[1,3-5]，它是一种原生沉积结构单元[6]，一般由深色和浅色的季节性亚纹层对构成，我们将这样的纹层对称之为“层偶（couplet）”[7]。“varve”一词也曾被一些中国学者翻译为纹泥[8-9]，主要出现在纹层状的泥质沉积物中。根据其广义的定义，本文更加倾向于将其翻译为年纹层（annual laminations/varves）。

研究年纹层的意义在于其能提供高精度的时间标尺，同时，年纹层的厚度、组分及结构也可以作为恢复其沉积时期古气候与古环境指示器[1,9]。纹层年代学是精确的定年方法，国内外学者针对纹层年代学做了大量的工作，尤其是晚第四纪的纹层年代学研究。国际上，Kitagawaet al.[10]对日本Suigetsu 湖泊进行了纹层年代学研究，建立了长达29 100 年的纹层记录；Zolitschkaet al.[11]对德国Holzmaar 湖做了大量的研究，也建立了长达23 220 年的纹层记录。我国年纹层研究起步较晚，但发展较快，前人在东北龙岗火山区的四海龙湾[12]和二龙湾[13]也相继建立了长达万年的纹层记录。精确定年的湖泊年纹层被广泛应用于气候事件的精确重建[14-15]和校正14C 测年曲线[16]。此外，通过对年纹层的研究，也能反映季风、太阳活动周期和厄尔尼诺—南方涛动（ENSO）等年际—年代际/人类尺度古气候变化[17-18]。

全球湖泊年纹层研究的时空分布极不均衡。目前，第四纪湖泊年纹层研究程度较高的地区主要分布在欧洲和北美等地，亚洲如中国和日本等地仅有零星报道[4]。我国第四纪湖泊年纹层研究程度相对较高的主要集中于东北火山区的玛珥湖[8]，河北坝上高原[19]、柴达木盆地[20]和青藏高原的少量湖泊[21-23]。从已发表的湖泊年纹层文献可以看出，目前大部分的年纹层研究成果主要集中于第四纪，尤其在全新世最盛，针对更老的深时（即第四纪之前）年纹层研究相对较少。究其原因，主要是由于湖泊年纹层的保存环境较为苛刻，发现和证明湖泊年纹层的存在也极具挑战性。因此，针对这一问题，亟需通过文献综述的方式梳理并总结前人关于湖泊年纹层的研究实例，进而探讨年纹层的识别、分类以及分布等。此外，随着湖泊年纹层研究的不断发展，越来越多的论文发表，也需相应的综述性文章进行总结。

本文总结了湖泊年纹层的识别和分类，并对其研究现状进行了简单分析，探讨了湖泊年纹层的形成和保存因素，介绍了纹层年代学以及湖泊年纹层在古气候与古环境中的应用。在此基础上，深入挖掘湖泊年纹层的研究价值，并根据目前湖泊年纹层研究现状和存在的问题，提出了研究展望，以期推动我国湖泊年纹层研究的发展。

1 年纹层的识别与分类

1.1 年纹层的识别

年纹层的识别与鉴定是年纹层研究的关键，年纹层的计数是纹层年代学研究的基础[24]。对于年纹层的识别，前人有过相关的总结，例如Zolitschkaet al.[1]主要根据五个方面识别年纹层的年际特征以及建立湖泊年纹层模型：（1）详细的岩石地层学研究；（2）沉积物监测及其与湖底同时期沉积纹层的对比；（3）生物地层学研究；（4）连续重复采样，并记录每年沉积物的增量；（5）同一湖盆采集多个平行样品，并进行对比和记录年纹层的水平一致性。李万春等[9]主要将湖泊年纹层的识别与验证总结为六个方面：（1）比较典型的重要历史事件，比如火山喷发、森林火灾或器测记录的限定；（2）年纹层内古生物的季节性演替，如硅藻、微生物席等；（3）年纹层内孢粉组合或生物残体信息；（4）沉积学和古地磁学的证据；（5）年纹层计数与同位素测年相互验证，如AMS14C、137Cs、210Pb 等；（6）现代沉积物监测的实验结果。然而，同位素测年等具有一定的局限性，无法验证缺乏测年材料的年纹层样品，也无法满足年代较老的深时年纹层鉴定。因此，对于年龄较新的地层，年纹层尚且可以通过年纹层计数和同位素定年技术进行交叉验证，而对于较老的地层，由于目前定年技术的限制，定年误差较大，无法利用定年直接进行验证。

针对不能直接利用定年技术或记录进行验证的这部分深时湖泊年纹层，只能通过年纹层本身的物理、化学和生物特征进行间接验证，同时与现代沉积物监测记录进行对比。为区分年纹层和普通纹层，除了前人提及的同位素定年和现代湖泊沉积物监测鉴别特征外，此次将湖泊年纹层的其他鉴别特征均概括为年纹层的宏观、微观特征，具体如下。

1.1.1 年纹层的宏观特征

经典的年纹层为碎屑年纹层[2]，起源于前人对冰川的研究，冰川的季节性融化导致碎屑输入的季节性的变化，其形成的年纹层一般以两层季节性亚纹层构成的层偶（couplet）为主，这种纹层通常会出现跟冰川相关的沉积现象，比如坠石构造（图1a）[25]，这种典型的年纹层层偶往往反映的是一年中的干冷和暖湿两个状态。比如图1a 为前人在澳大利亚Pirrilyungka 组中发现的深时典型冰川湖年纹层层偶（couplet），这种层偶类型也常见于碎屑年纹层[2]，其中纹层W代表的亚纹层为冬季碎屑输入较小的细颗粒富有机质或者富黏土亚纹层，因此颜色较深，纹层S代表夏季碎屑输入较大的粗颗粒碎屑亚纹层，因此颜色较浅。图1b展示的是Ingemar Renberg在瑞典北部拍摄的现代冰川湖年纹层，可见冰川湖年纹层也可具有三层结构（triplet），每层亚纹层分别代表每年中的不同季节或不同气候状态。然而，值得注意的是，湖泊年纹层更多的宏观结构为第一种年纹层层偶，可能由于纹层中反映季节性的沉积物渐变的结果。年纹层的三层结构在其他类型湖泊年纹层中也有报道，比如Andersonet al.[26]通过对美国卡斯蒂尔（Castile）盆地的年纹层研究发现，该盆地中大约1.5%的年纹层属于triplet，前人对该盆地三层结构年纹层的解释为潮湿的季节沉积CaCO3层或者含有机质层的CaCO3层，其次在CaCO3层之上沉积硬石膏层，随着盐湖的干旱，最后在顶部沉积一层岩盐层[27]；Zhanget al.[28]通过对我国辽宁义县组的详细沉积学研究发现该地层年纹层中也存在三层结构的年纹层，由颜色较浅的硅质碎屑层，过渡层和颜色较深的富有机质层构成。当然，单个年纹层还可能拥有更多的季节性亚纹层，可以更加精确和明显地记录一年中气候与环境的季节性变化。因此，湖泊年纹层普遍具有层偶（couplet），或者由多个季节性亚纹层组合而成，这是湖泊年纹层最为直观的现象。

图1 自然界中典型的湖泊年纹层结构（a）来自澳大利亚Pirrilyungka组成冰纪中的典型冰川湖年纹层couplet，可见坠石构造，其中纹层W代表冬季干冷气候条件下碎屑陆源输入较少的深色纹层，纹层S代表夏季暖湿气候条件下碎屑陆源输入较多的浅色纹层[25]；（b）来自瑞典现代冰川湖泊中的年纹层triplet，其中纹层M为纹层S和纹层W之间的过渡类型，图片来自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

年纹层在沉积厚度上与普通的纹层相当，属于微米到毫米级，但在定义上两者仍具有区别。年纹层用“varve”或者“annual lamination”表示，指的是一年内沉积的纹层状沉积物，其内部通常由季节性亚纹层构成。大部分年纹层的厚度介于0～1.5 cm，由于地层的压实作用，现代湖泊年纹层的厚度一般大于地质历史时期的湖泊年纹层厚度[29]。而纹层指的是季节性不明显，内部结构和成分较为均一，是沉积层序组成的最小单元，形成时间较短（范围从1 秒到几年不等），厚度一般小于10 cm，用“lamination”或“laminae”表示[30]。此外，由于大部分年纹层沉积环境较为稳定，因此其在水平空间上可以延伸较远距离（从几米到几千米不等），这主要取决于湖泊的大小和稳定性[31-32]；在垂向上，年纹层也拥有较强的韵律性，这些特征均区别于大部分事件沉积的纹层（如浊流、风暴流等产生的纹层）。

1.1.2 年纹层的微观特征

年纹层中成分的变化与年纹层沉积时的气候环境变化密切相关。季节性的气候变化直接影响生物的季节性生长和演替（图2a）和陆源物质的季节性输入（图2b）[1,33]。湖泊水体在不同的季节，其物理、化学性质（比如温度、含氧气浓度等）也会发生变化，这些变化直接体现在年纹层的物理、化学和生物性质的韵律变化。例如，Youet al.[13]通过年纹层微观观察，证明了我国东北地区二龙湾玛珥湖沉积物具有良好的生物年纹层，包括秋季繁盛的甲藻孢囊亚纹层，代表冬—春季节的外源矿物或内源的硅藻、绿藻等生物的有机质亚纹层；Davieset al.[34]通过对年纹层层偶中季节性亚纹层的微体古生物分析，发现晚白垩世北冰洋中的年纹层层偶主要为夏季的硅藻休眠孢子亚纹层和冬季的硅藻营养细胞亚纹层构成，后来他们在美国加利福利亚州的Marca 页岩中也发现了以夏季碎屑亚纹层和冬季硅藻亚纹层构成的晚白垩世年纹层[35]；陈钰等[36]利用青藏高原北部可可西里库赛湖纹层中颗粒的微形态分析，认为该湖的层偶为年纹层，由冬季冰面风成物质形成的粗颗粒深色层，冰融化后风成物质沉降的湖底堆积和夏季沉积的细颗粒浅色层交替形成。由此可见，通过对年纹层中生物和碎屑颗粒的微观观察与分析，能够证明湖泊年纹层的存在。

图2 年纹层沉积机理简化模型示例[1,33]（a）生物年纹层概念模式；（b）碎屑年纹层概念模式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，具有季节性差异沉积的元素和矿物也是年纹层的重要证据。比如Duet al.[37]通过对美国加利福利亚南部圣巴巴拉盆地钻孔获取了连续的纹层状沉积物，对比纹层中Ti 元素的变化和1950—2000 年的局地降水数据，发现单个纹层中Ti 的峰值刚好对应每年的冬季降水，这个结果与前人的观测结果吻合，因此他们认为所采集的纹层为年纹层；Maet al.[38]对我国柴达木盆地中古近纪和新近纪纹层状沉积岩进行了研究，通过矿物分析发现为黄色和灰色文石亚纹层构成的纹层层偶，基于该盆地的地质背景，认为夏季藻类的繁盛促使沉积更多的文石，从而形成黄色的文石亚纹层，冬季藻类活动和湖水动力均弱，沉积较多的有机质和较少的文石，从而形成灰色的文石亚纹层，后来他们针对单个纹层又连续做了更多的岩石学和地球化学工作，进一步验证了该年纹层的可靠性[39]。近年来，随着微区测试技术的不断发展，微区元素和矿物相分析使得年纹层微区研究更为方便快捷，同时，季节性亚纹层中的元素和矿物的变化，结合年纹层的沉积机理/模式，也可以作为年纹层的有力证据。

1.2 年纹层的分类

根据组分特征可以对年纹层进行划分（表1），如碎屑年纹层、球石年纹层、藻类年纹层、微生物席年纹层、黄铁矿年纹层、菱铁矿年纹层、碳酸钙年纹层、蒸发盐年纹层等等。根据年纹层的成因也可以进行划分，如Zolitschkaet al.[1]主要将湖泊年纹层划分为：物理成因年纹层（主要包括碎屑年纹层等）、化学成因年纹层（主要包括方解石年纹层、铁锰年纹层以及蒸发盐年纹层等）、生物成因年纹层（主要为生物有机质年纹层等）以及混合成因的年纹层（比如碎屑—生物年纹层、碎屑—有机质年纹层等）四类。按照Zolitschkaet al.[1]的成因分类，在自然界中，纯物理、化学和生物年纹层较少，多为混合成因年纹层，而混合年纹层不能很好地区别湖泊年纹层的主要成因。本文将湖泊年纹层重新归为物理、化学和生物成因年纹层（表1），与前人的年纹层成因分类基本一致。至于Zolitschkaet al.[1]提出的混合成因年纹层，可以根据年纹层中各个组分的含量多少或者主控因素进行物理、化学和生物成因年纹层的重新归类。

表1 湖泊年纹层分类方案Table 1 Varve classification schemes

2 湖泊年纹层的控制因素与研究现状分析

2.1 湖泊年纹层形成和保存因素

湖泊年纹层的形成和保存条件苛刻，其控制因素可以归结为地质因素、气候因素和生物因素[1]（图3）。一般来说，气候因素和生物因素属于可变因素，主要控制着湖泊年纹层的形成；地质因素属于稳定的因素，主要控制着湖泊年纹层的保存。湖泊年纹层形成与保存的控制因素可以进一步分为湖盆的基岩化学作用、地貌形态、湖泊形态、太阳辐射、蒸发降水等等。湖泊沉积物的季节性供应和沉积，是湖泊年纹层形成的基本前提，其他因素比如水体季节性甚至永久的分层则有利于湖泊年纹层的保存[42]。不同主控因素下形成的年纹层类型也会存在较大的差异。

图3 湖泊年纹层状沉积物形成的控制因素和过程（据Zolitschka et al.[1]修改）Fig.3 Formation of lacustrine varved sediments: controlling factors and processes (modified from Zolitschka et al.[1])

合适的湖盆地貌形态对湖泊年纹层的形成与保存至关重要。良好的形成和保存条件要求湖底沉积物不受或者少受风暴的影响，湖底还要避免沉积物的滑塌和滑动，因此，尽可能平的湖底有利于年纹层的形成与保存。湖底还应该处于缺氧的环境，因为在缺氧的条件下，湖底年纹层在形成过程中才不会被微生物或者其他生物影响，这有利于湖泊年纹层后期的保存。通过总结湖泊年纹层状沉积物的形成环境，前人认为湖泊年纹层更倾向于出现在水深较深（＞10 m），而湖面积较小的湖泊[43]。前人甚至根据富含年纹层的湖泊水深和湖面面积关系，得出经验公式计算湖泊可能存在年纹层的水深[42,44-45]。如Larsenet al.[44]根据297个湖泊提出的经验公式：式中：A 指的是湖面面积（ha），Zmm指的是大部分非纹层状沉积物沉积的临界水深（m），当超过这个水深深度，则出现年纹层状沉积物的几率较大。然而，这些公式仅考虑到湖泊形态，并且这些公式建立在已发表的数据上，具有一定的地理局限性，随着数据的不断增多，公式可能被不断修改完善。

2.2 湖泊年纹层的研究现状分析

前人已建立了较为完善的第四纪湖泊年纹层数据库。Ojalaet al.[4]建立了全球湖泊年纹层数据库（Varve Data Base，简称VDB），该数据库收集了全球108 个湖泊年纹层数据。在此基础上，Zolitschkaet al.[1]将该数据库增加至143 个。Ramischet al.[46]在他们的基础上，建立了湖泊年纹层专用网站/数据库（Varved Sediments Database，VARDA），旨在汇集全球湖泊年纹层的年代学数据及其相应的古气候、古环境指标。截至2023 年3 月，VARDA 收集了全球190个第四纪湖泊年纹层点位的数据（图4）。从湖泊年纹层点位投图来看，湖泊年纹层研究较多的地区主要为北美和欧洲地区，非洲少部分地区和东亚的少部分国家仅有零星分布（图4）。

图4 世界范围湖泊年纹层研究分布图，湖泊年纹层的地理位置信息基于年纹层数据库VARDA[46-47]https://varve.gfz-potsdam.de/database（访问时间：2023年3月22日），地图底图来自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

我国年纹层研究起步较晚，但进展较快。目前，我国第四纪湖泊年纹层研究主要集中于东北龙岗火山区的玛珥湖（四海龙湾、二龙湾、小龙湾）[13,48-50]，河北坝上高原安固里淖[19]，柴达木盆地的苏干湖[20]，青藏高原东部的新路海[21]以及青藏高原北部的库赛湖等[36]。我国湖泊众多，分布甚广，研究潜力巨大，特别是青藏高原地区和东北地区。但是我国学者在国际刊物上发表过的论文相对较少，从而导致在第四纪湖泊年纹层数据库中出现了较大的盲区。

相对于第四纪湖泊年纹层，目前尚未建立较为完善的深时湖泊年纹层数据库，并且深时年纹层的报道数量相对第四纪年纹层较少。笔者认为第四纪尚且广泛存在湖泊年纹层，“深时”所涵盖的地质历史时间更长，理应存在更多的湖泊年纹层。近年来，我国学者对我国不同陆相盆地发育的深时/前第四纪年纹层开展了诸多探索，并取得了一定成果，如Shiet al.[51]对渤海湾盆地始新世年纹层进行了研究，并在年纹层序列中发现了太阳活动周期；Maet al.[38-39]报道并解释了柴达木盆地古近纪和新近纪文石年纹层；Tianet al.[17]报道了秀水盆地早白垩世的微生物席年纹层；Tanget al.[52]在华北雾迷山组中的中元古代地层中发现了微生物席年纹层等。即便如此，从Web of Science（WOS）和Varve Working Group（VWG）国际年纹层组织统计的文献库可知，湖泊年纹层的研究报道在时间跨度上主要集中在第四纪和现代，而关于深时湖泊年纹层的研究报道相对较少，主要原因可能是深时湖泊年纹层更难保存，解译难度较大，并且没有系统的鉴别标准。

3 纹层年代学研究

3.1 年纹层计数和误差估计

纹层年代学的应用建立在其能够提供精确计年的基础之上，而年纹层计数是纹层年代学研究的基础。对于年纹层厚度较大（＞0.5 mm）并且纹层界线清晰的年纹层，我们可以通过仔细地观察年纹层新鲜切面进行简单而又快速的年纹层计数；而对于厚度较小的年纹层，则只能通过光学显微镜或扫描电子显微镜（SEM）等其他手段进行观测和计数[24]。目前年纹层计数方法较多，大致可以归结为人工宏观计数，半自动微观年纹层计数与自动计数，每种计数方法都有各自的优缺点。人工宏观计数方法是研究者通过肉眼或放大镜等在高分辨率新鲜沉积物照片或沉积岩光面中标定年纹层界线，然后通过人工计数的方式直接获取纹层年代的方法。但人工宏观计数方法费时费力，并且计数结果也会随着计数者的经验以及年纹层的厚度产生差异，因此这种计数方式仅适用于年纹层厚度较大（＞0.5 mm）的样品。自动计数方法是将年纹层的韵律变化直接转化为高分辨率数字信号，如灰度、元素等的变化，然后通过识别数字信号中的波峰或者波谷从而达到年纹层的计数。由于年纹层的非均质性较强，灰度和元素等数据容易受到年纹层内物质的干扰，因此这种计数方法仅适用于非常规则并且纹层内物质相对均一的湖泊年纹层。半自动微观年纹层计数是通过制作岩相学大薄片，显微镜下分析年纹层特征并利用软件程序（如Photoshop，Illustrator等）标定年纹层界线，然后利用其他软件程序（如ImageJ等）进行年纹层计数[17]；或者通过电脑处理年纹层的高清图片，使得纹层界线更加明显，进而通过计算机对年纹层进行直接计数[53]。这种计数方法相对于人工宏观计数方法较为客观，并且相对于自动计数方法更为准确。尽管年纹层的人工宏观计数是目前年纹层计数采用最多的方法，但半自动微观年纹层计数因其优越性将逐渐获得更多的应用。

即使是发育最好的年纹层也可能有不规则的局部变化或微小的扰动，这导致年纹层计数产生不可避免的误差。纹层年代学误差单位为“±”纹层年或者表示为“%”，总的年纹层误差一般由钻孔的顶到底叠加，所以一般在钻孔的底部，年纹层的误差最大[23]。年纹层的误差归结为两个主要来源，一是系统误差，如湖底扰动、流域/湖岸侵蚀、滑塌以及地震等等因素引起的年纹层不清晰或者缺失，这类误差人为不可控制，因此选择合适的研究材料是减少系统误差的有效途径；二是人为误差，研究者对沉积物的扰动或者纹层计数过程中的人为不确定性，以及年纹层计数方法的选择等，都有可能导致后期纹层年代学研究的误差，因此合适的年纹层计数方式是减少人为误差的有效途径。

从前人统计的年纹层数据库来看，纹层年代学误差估计没有统一的方法[1,4]。单个钻孔或样点的年纹层误差估计方法归结起来包括年纹层质量分级法[54]、加减层法、交叉检验法[55]和交叉年代学方法等[1,4]。年纹层的交叉检验是目前纹层年代学误差估计使用最多的方法，所谓的交叉检验，即单人多次或者多人多次对湖泊年纹层进行计数[56-57]，这种方法不仅可以极大地减少计数者主观不确定性带来的误差，也可以减少由于湖底地形差异、水动力环境差异、湖岸滑塌和湖底生物扰动等因素引起的纹层扰动、缺失等带来的误差[58]。如图5，展示的是前人利用交叉检验法多人多次计算纹层年代学误差的实例[55]，分为三种情况：情况a 代表标定的年纹层界线明显（超过半数确定即为明显），则纹层年代不会产生误差；情况b 代表中间的一个年纹层界线不明显，则纹层年代与情况a 一致，误差为-1；情况c 为两个相隔的年纹层界线不明显，则纹层年代相对情况a减去1，误差为+1。

图5 纹层年代学误差估计方法（据 et al.[55]修改）（a）相邻三个年纹层界线确定；（b）中间年纹层界线不确定；（c）两边年纹层界线不确定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 绝对纹层年代记录和纹层年代学验证方法

纹层年代学被认为是比较精确的定年方法，可以提供绝对独立的、连续的时间标尺。在没有精确时间标志点或其他年代学方法验证的情况下，纹层年代学方法定年得出的为“浮动”的纹层年代，可以为古环境与古气候事件提供天然的年历[59]，与之相对的则是绝对独立且连续的纹层年代，可以补充树木年轮年代长度的不足，也可为校正放射性同位素（如14C）年龄提供又一种重要途径[1,60]。从前人建立的湖泊年纹层数据库[1,4]可知，欧洲和北美等地年纹层研究较多，但是目前（截至2023 年3 月）数据库中展示的最长绝对纹层年代记录在日本[10]，其次在德国[11]，第三在土耳其[61]，我国年纹层研究起步较晚，但绝对的连续纹层年代学记录仍能排在第四[12]。

纹层年代学研究往往存在不可避免的系统误差，比如保存较差，纹层不清晰等，因此建立独立而精确的纹层年代记录离不开其他定年手段或历史记录的验证，目前用来验证纹层年代学的定年手段主要为放射性元素定年（如AMS14C，137Cs和210Pb 等）。虽然光释光定年（OSL），热释光定年（TL），以及古地磁长期变化等[62]也能验证纹层年代学记录，但这些方法应用相对较少[1]。选择何种定年手段验证纹层年代学的精准性往往取决于纹层年代学记录的长度、年纹层的成分以及每种定年手段的有效测年范围[4]。比如放射性14C 同位素年代学是验证纹层年代学最常用的手段，可被用于验证近55 000 年来的湖泊年纹层记录，在年纹层数据库（VDB）中，有超过50%的纹层年代学记录采用14C 测年手段进行验证，而137Cs和210Pb 则常被用于近现代150 年内纹层年代学记录的验证[1,4]。

4 湖泊年纹层在古气候和古环境研究中的应用

4.1 反映太阳活动变化

太阳是地球气候与环境变化的主要外部驱动力，年纹层的形成受控于地球的季节性变化，因此最终也受控于太阳活动的周期性变化；反过来，年纹层记录也可以作为恢复太阳活动变化的良好地质载体[63]。例如，前人研究认为全球冰川湖碎屑年纹层厚度的变化可能受控于太阳活动周期的变化，太阳活动影响冰川的消融，进一步影响冰川湖的年纹层沉积[1,64]。基于这种理论，前人甚至认为冰川湖年纹层可以进行洲际对比，但由于记录的缺乏和技术等的限制，这种观点逐渐被放弃[2]。此外，太阳活动的周期性变化也可以影响地球生物的生长与消亡，进一步影响生物年纹层的形成与变化[65]。利用年纹层记录恢复太阳活动变化的常规手段是通过分析年纹层的物理、化学和生物指标，揭示蕴藏其中的太阳活动周期，诸如太阳～11年的施瓦贝（Schwabe）黑子周期，～22年的黑尔（Hale）周期/磁周期，80～90年的格莱斯堡（Gleissberg）周期/世纪周期等[17,51]，以及揭示发生在历史时期中的太阳活动事件[66]（图6）。然而，太阳活动对年纹层形成的控制机制，特别是碎屑年纹层的形成机制，仍然是目前争议较多的问题。

图6 树轮剩余Δ14C（红线，1 000 年滑动平均）[67]和芬兰东部Lehmilampi 湖泊年纹层厚度（蓝线，51 年滑动平均）[66]太阳极小期（如Oort,Wolf,Spörer,Maunder and Dalton）阴影区域表示；2 000年来最薄的年纹层沉积于太阳活动高峰期，如中世纪气候异常（MCA），据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,Spörer,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]

目前已有大量的年纹层被用于恢复地球历史时期的太阳活动变化。例如Haltia-Hoviet al.[66]通过对芬兰东部过去2 000 年的年纹层研究认为太阳辐射（特别是紫外辐射）改变了地球的大气—海洋环流模式，从而影响了湖泊沉积，通过与树轮Δ14C对比和现代年纹层监测取样，进一步证实了年纹层，同时也发现了中世纪气候异常与小冰期期间的多起太阳活动事件。Livingstoneet al.[68]通过对瑞士中部约3 000年（9 740～6 870 yr B.P.）的生物成因的碳酸盐年纹层分析发现，10.9年的太阳施瓦贝周期主导了该地区年纹层的形成。通过对德国南部中—晚全新世（5 500 yr B.P.）年纹层的研究，Czymziket al.[69]发现太阳对北半球的夏季辐射的逐渐减弱，叠加百年尺度的太阳活动极小期是导致洪水变化的主要原因。目前针对太阳活动事件的研究主要集中于第四纪，前人也报道过不少深时太阳活动变化的年纹层记录[17,65,70-71]，而针对深时太阳活动变化的研究主要集中于揭露太阳活动周期的变化[17]，即便如此，前人成果证明湖泊年纹层可以作为研究深时太阳活动变化的良好地质载体。

4.2 恢复年际—年代际古气候变化

随着全球气候变暖，年际—年代际/人类尺度气候变化将如何变化？这个问题直接关系到人类自身的生存和发展，然而，针对人类尺度的气候变化也仅有几百年的历史记录，这很大程度地制约了我们对未来气候预测的能力，因此亟需寻找新的超高分辨率地质记录用以恢复更长历史的人类尺度气候变化。由于具有季节—年尺度超高分辨率特征，年纹层理论上可以作为研究人类尺度古气候变化的良好材料。厄尔尼诺—南方涛动（ENSO）、北大西洋涛动（NAO）以及季风等是控制地球年际—年代际气候变化的重要因素[72-73]，已有大量学者利用年纹层研究地质历史时期的这些古气候波动。例如Sunet al.[74]利用缅甸东北部年纹层恢复了530 年来的印度洋夏季风历史，并认为公元1 800 年以来年纹层中Sr 和Ca的增加可能与季风减弱有关。Zahreret al.[75]通过对德国北部近现代（1945—2002年）湖泊年纹层的微相研究发现，NAO 在冬季的变化控制着该区年纹层的微相变化和硅藻沉积。Guyardet al.[73]通过对法国西部过去4 150年的年纹层研究也得出了类似的结论，他们认为NAO可能通过控制欧洲高寒地区的气候变化，从而控制着冰川的消亡和该区冰川湖碎屑年纹层的形成。Wolffet al.[18]通过肯尼亚东南部过去25 000 年的湖泊年纹层分析，结合现代监测和气候模拟，认为该年纹层厚度主要受到ENSO 的控制，ENSO 与印度洋偶极子遥相关[76-77]，进而影响了赤道东非的降水（图7）。Fagelet al.[78]基于湖泊年纹层的频谱分析，评估了过去600年来智利南部的ENSO变化。类似的研究实例[74,79]均说明湖泊年纹层可以作为研究ENSO 的良好地质载体。由于深时年纹层相较于第四纪年纹层更难证明，同时缺乏可直接对比的资料，目前深时湖泊年纹层研究年际—年代际古气候仍处于起步阶段[35,80]，实际研究中还应结合古气候模拟等其他证据。

图7 肯尼亚Challa 湖年纹层厚度（蓝线）与尼诺3.4 指数（红线）[76]和印度洋西南部海表温度异常（SST，三步滑动平均，绿线）[77]时间序列的负相关关系。薄纹层对应厄尔尼诺事件，厚纹层对应拉尼娜事件，据Wolff et al.[18]修改Fig.7 Time series of the varve thickness in Lake Challa (blue line) showing negative correlations with the Niño3.4 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 Niño events and thick varves to La Niña events,modified from Wolff et al.[18]

4.3 重建地球磁场变化

地球主磁场的方向和能量经历着系统而缓慢的变化，这种变化被称为古地磁长期变化（Paleomagnetic Secular Variation，PSV），具有十年—千年甚至百万年时间尺度的变化[81]。其中相对短尺度（如十年—千年尺度）的PSV信息可被高分辨率地质记录（如湖泊年纹层）保存下来。由于地磁存在周期性的震荡[82]，地球磁场相对古强度（Relalive Paleomagnetic Intensity，RPI）、天然剩磁（Natural Remanent Magnetism，NRM）、非磁滞剩磁（Anhysteretic Remanent Magnetism，ARM）、古地磁磁偏角和磁倾角等PSV信息可被用于重建地球磁场变化历史；此外，还可以通过不同点位PSV的对比建立可靠的古地磁年代[83]。湖泊年纹层序列具有沉积连续无间断，沉积速率快，沉积物稳定和分辨率高等优势，是重建高分辨率地球磁场变化历史的绝佳材料[84]，我们可以在建立纹层年代框架的基础上，重建可靠的古地磁变化历史[1,84]。

关于利用湖泊年纹层序列重建地球磁场的变化历史，前人在欧洲和北美地区做过大量工作。例如前人最早利用美国明尼苏达州的Elk 湖的年纹层序列，重建了过去13 000年来的PSV[83-84]；前人还发现芬诺斯堪迪亚地区的湖泊年纹层序列保存了较强的PSV信号，并重建了过去10 000年的PSV[82,85]；随着研究的不断积累，前人通过不同湖泊年纹层序列的PSV对比，可靠地重建了欧洲过去5 000年来的古地磁变化历史，这些结果也很好地与模拟结果进行了对比（图8）[1]。利用湖泊年纹层序列重建高分辨率古地磁变化历史的研究主要集中于欧、美地区，时间上主要集中于全新世。

图8 基于湖泊年纹层序列和模拟重建的欧洲过去5 000 年的古地磁变化历史，灰色曲线为原始数据，黑色曲线为5 步滑动平均数据（据Zolitschka et al.[1]修改）数据来自（a）芬兰东部Pohjajärvi湖[86]；（b）芬诺斯堪迪亚地区的7 湖的合成数据（FENNORPIS，灰色区域为95%置信区间）[82]；（c）芬兰中部的Nautajärvi湖[85]；（d）芬兰东部的Lehmilampi湖[87]；（e）全球古地磁场模型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 Pohjajärvi in eastern Finland[86];(b) A stack of seven Finnish and Swedish lakes (FENNORPIS,the gray area shows 95% confidence level)[82];(c) Lake Nautajärvi in central Finland[85];(d) Lake Lehmilampi in eastern Finland[87];(e) The paleomagnetic model of CALS7K.2[88]

4.4 限定古事件的发生和持续时间

古火山活动、古地震、古洪水、人类活动（冶金、森林砍伐、土地利用等）以及重大古气候事件等均可对湖泊年纹层的形成和保存产生一定的影响，反之，湖泊年纹层序列也可作为存储这些事件信息的高分辨率地质记录。其中火山活动在湖泊年纹层序列中表现为火山灰夹层，具有火山玻璃等特殊含有物，宏观属性（如颜色，岩性等）明显区别于纹层状泥岩[89]；地震的识别标志为震积岩，通常在湖泊年纹层序列中表现为具有液化构造，泄水构造，重沉积现象等的震积岩夹层[90]；洪水事件在湖泊年纹层序列中的主要表现为微冲刷现象和沉积物粒级的变化等，这些特征与年纹层序列差距较大，Schillereffet al.[91]建立了古洪水分析流程的模型，并认为湖泊年纹层是分析古洪水事件的良好材料；人类活动在湖泊年纹层序列中可能表现为初级生产力、孢粉、藻类、重金属污染和沉积速率等的变化[92]。古气候事件在湖泊年纹层序列中具体表现为湖泊年纹层厚度、元素等指标的突然变化，比如前人[93-94]根据德国Meerfelder 玛珥湖中的年纹层序列，同时对比其他高分辨古气候记录（如格林兰冰芯），较为精确地限定了新仙女木事件（YD）的发生（12 679 yr B.P.）和持续时间（1 020～1 090 yr B.P.，图9）。

图9 Meerfelder 玛珥湖（MFM）年纹层厚度变化及其与格林兰冰芯δ18O 记录的对比（据Brauer et al.[93]修改）（a）5步滑动平均的年纹层厚度序列和格林兰冰芯氧同位素的对比；（b）年纹层序列记录的阿勒罗—新仙女木事件之间的转换；（c）年纹层序列中50 µm间距的Fe元素曲线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 AllerØd-Younger Dryas recorded in the varved sequence;(c) Element Fe profiles at a 50 µm spacing in the varved sequence

在湖泊年纹层限定古火山活动、古地震、古洪水等事件的发生时间和恢复人类活动历史方面，前人[89,95]利用德国埃菲尔（Eifel）西部Holzmaar 和Meerfelder 玛珥湖的年纹层序列准确地限定了冰后期Laacher See 火山灰层（LST，12 880 yr B.P.）和Ulmener Maar 火山灰层（UMT，11 000 yr B.P.）的发生年龄，后来又利用LST 成功地将德国西部和波兰北部的湖泊年纹层序列进行了对比[96]；公元1960 年发生的地球迄今为止最强地震（瓦尔迪维亚大地震，里氏震级M 9.5）在智利南部的湖泊年纹层序列中表现为明显的震积岩夹层[97]；Czymziket al.[69,98]利用德国阿默湖（Ammersee）年纹层序列恢复了该地区中—晚全新世以来的洪水事件，并认为洪水事件的爆发主要受到了地球轨道和太阳活动变化的影响；基于德国Holzmaar 和Belauer See 湖泊年纹层厚度变化，前人[11,99]发现自青铜时代结束后（～2 800 yr B.P.），人类活动（特别是农业活动）促使德国湖泊的沉积速率呈现指数级增加。此外，湖泊年纹层序列中的水银（Hg）、铅（Pb）和镉（Cd）等重金属含量的变化被视为人类重金属污染的一本天然“史书”，如Renberget al.[100]利用湖泊年纹层序列，结合其他湖泊沉积物序列206Pb/207Pb以及Pb浓度的变化，恢复了瑞典过去4 000 年的Pb 污染史，并发现自约公元1 000 后，铅污染呈指数级增长，这与欧洲的冶金史相吻合。

5 总结与展望

5.1 优化湖泊年纹层鉴别方法，加强现代湖泊沉积物监测

湖泊年纹层的识别是开展其研究的关键，年纹层计数则是基础[24]。通过总结前人的研究，第四纪湖泊年纹层的鉴定方法可以归纳为：（1）宏观特征（如判定结构上是否具有层偶或纹层组，定量评估年纹层的韵律和连续性等）；（2）微观特征（如观察纹层内是否具有季节性生物生长，结合区域气候，判定是否具有季节性的碎屑输入等特征）；（3）通过现代沉积物监测，探讨湖泊年纹层的沉积机理，以及年纹层内物质的季节性形成特征；（4）通过同位素年代学、古地磁年代学和事件标志层等对年纹层序列进行交叉验证，这也是第四纪湖泊年纹层研究最普遍运用的鉴别方法。然而，由于目前放射性同位素定年技术的局限性，比如14C 测年无法测量深时沉积物年龄，U-Pb 测年误差较大等，放射性同位素定年技术也只能作为深时年纹层的辅助证据用以对比湖泊平均沉积速率。深时事件沉积也具有难对比性，因此相对于第四纪湖泊年纹层的识别，第四条鉴别方法很难直接用于深时湖泊年纹层的鉴别。鉴于此，深时湖泊年纹层研究应加强前三条湖泊年纹层的鉴别方法，特别是第三条中的现代湖泊沉积物监测，可为了解湖泊年纹层的形成机理和过程提供思路。

5.2 利用多种研究手段，系统构建并完善湖泊年纹层研究体系

传统的沉积学研究手段诸如全岩矿物、元素测试，光学显微镜照相等手段已无法满足湖泊年纹层的精细研究，随着微区取样、微区元素、微区同位素和矿物等分析手段的不断革新，这些先进手段为年纹层序列的超高分辨率分析提供了可能。比如针对年纹层样品微区取样难的问题，微区取样仪（如MicroMill）可提供高精度取样工作，为部分纹层较厚（＞0.5 mm）的年纹层微区取样提供了可能，这种方法相对传统的人工逐层剥离法更加精确，并且污染较小，然而对更薄的年纹层，目前仍没有较为精确的取样手段和方法。针对年纹层元素分析，微区元素分析仪（µ-XRF）可提供微米级分辨率元素分析，如德国的M4 Tornado 可为提供精度为20 µm 的超高分辨率元素分析；矿物学方面，利用QEMSCAN和TIMA 等先进技术也可以进行定量或半定量评价；此外，目前也有针对样品的微区同位素分析技术，比如NanoSIMS 等表面测试技术，可提供纳米级超高分辨率的同位素测试。为迎合沉积学从宏观到微观的发展趋势，有必要利用以上多种高分辨率分析测试手段，同时结合传统测试分析方法（如扫描电子显微镜，偏光显微镜，阴极发光显微镜，CT成像等技术），系统而全面地构建湖泊年纹层研究体系。

5.3 深入挖掘深时湖泊年纹层的研究价值，聚焦深时年际古气候变化等科学前沿

湖泊年纹层同树木年轮、冰芯、珊瑚等类似，因其具有超高分辨率特征，不仅可以建立高精度的年代标尺，更是重建过去人类尺度古气候与古环境变化的宝贵材料。然而，相对于其他年际—年代际高分辨率古气候地质载体（如石笋、冰芯等），年纹层的研究数量相对较少[29]。此外，从前人已建立的第四纪湖泊年纹层数据库（如最新的数据库VARDA[47]）、论文数据库（如WOS）和年纹层工作组（VWG）统计的所有年纹层相关的文献库可知，目前湖泊年纹层的研究在空间的分布极不均衡，时间上也主要集中于第四纪湖泊年纹层的报道。究其原因，可能是因为深时湖泊年纹层更难保存，解译难度更大，并且目前没有系统的鉴别标准。然而研究深时年际古气候变化（比如深时ENSO、NAO以及太阳活动等的变化）可为研究全球变化提供重要参考，从而帮助我们更好地预测未来的气候、环境变化趋势，且高分辨率古气候研究也是沉积学研究的热点与前沿[101-102]。深时湖泊年纹层作为年际古气候信息的重要地质载体，有必要对其进行深入挖掘，并加强其在高分辨率古气候研究中的作用。