摘 要：气候重建是再现过去的气候变化过程与结果，本文认为重建效果的好坏需要注意几个问题，一是需要明确的目标和方向；二是需要地理与数学基础；三是需要自然科学的交叉融合。
关键词：气候、重建、 思考
气候重建是研究全球变化的重要途径之一，重建的结果可以用来恢复过去不同时空尺度的气候变化历史，进而探求气候变化机制并为现在与未来气候变化提供历史背景，同时重建的数据与气候的动态监测能为气候模拟提供原始数据和验证气候模拟的可靠性，当前这项工作在全世界受到普遍的重视[1]。
过去的气候变化是客观存在的过程或者结果，重建或者恢复过去的气候变化是人类利用过去气候变化过程中留下的自然痕迹或者历史时期与近现代以来的文字记录等资料来恢复这种变化的真实情况的主观过程，所以气候重建本质上就是主观与客观符合的问题。为了使主观更好地符合客观，以正确如实地再现过去气候变化历史，现以历史时期的气候重建为例，谈谈自己的四点思考。
1 气候重建需要明确的目标和方向
气候重建与其他很多事情一样，在做之前需要明白自己在做什么研究，做这个研究有什么理论与现实意义，自己的研究是不是在重复别人的现成，是不是有新的突破。葛全胜的《过去5000年中国气温变化序列重建》[2]在时间尺度和区域尺度上就有新的突破，时间尺度达5000年，区域尺度放到了整个中国。至于研究方法和最后效果暂且不论。
2 气候重建需要深厚的地理学知识
气候重建是气候研究工作，气候又是自然地理的一个主要要素，是地球表层系统的极其关键的一部分，所以气候重建首先要具备深厚的地理学知识，尤其是自然地理学的知识。地理学最显著的两个特点是综合性和区域性，尽管如此，有的学者做研究时对此却不够 重视，比如，邵雪梅[3]在研究秦岭一带树木年轮与气候关系时，建立了一系列经验公式，其他研究者看到了这个公式以后，在做自己的研究时却不考虑区域性差异，直接把这个公式套用到自己的研究中来，而不管自己所研究的区域发生了变化。区域变了，要素就变了，数据就变了，机制就变了，直接套用是不妥当的，要用的话也要先检验是否合适；又如，在进行区域对比时，如果区域相隔很远，就要考虑区域性差异，不少研究常喜欢把遥远的两个地方的气候变化曲线对比，结果发现两者并不怎么相似，但还是要坚信两者是有关联的，对此作者是持怀疑态度的。先撇开区域性不论，就是从同一个地方打出来的两个剖面曲线，由于各种微观尺度因素的作用，也未必能够重合得很好。实证主义的缺陷或许正在于此，所以在研究之前，探究一个区域的自然地理过程或机制才是最需要做的第一步工作。
3 气候重建需要扎实的数学知识
气候重建多处地方要用到数学，数学直接关系到研究水平的高低。以线性回归为例，当获得少数几个样本点的年龄以后，有时需要利用线性回归模型断代，以得到整个剖面的年龄。依据数理统计的知识[4]，要想得到其他各点精确的年龄值，首先，样本点个数不能太少，其次，当回归直线方程建立以后，需要求出相关系数或判定系数，它是描述相关关系强弱的指标，最后，也是常被研究者忽视但又是最重要的一点，就是显著性检验。显著性检验是用来判定总体是否具有相关的，这才是最终的意图，因为我们在做的就是利用样本推断总体。如果通不过检验，相关系数等于1都没用，还不如相关系数很低却通过了 检验好。所以，只有把握了相关系数和显著性检验的关系以后，才有可能得出正确的结论。否则，时间标尺出了问题，余下的研究结论的可靠性让人难以置信。
当回归模型建立以后，下一步就是内插与外推。很多研究需要用到外推的地方比较多，比如利用树木参数与器测资料建立关系，在这个基础上外推；利用冰芯参数与气象部门的气温序列或降水序列建立联系再外推等，但有一些可信度让人很难接受。比如，有学者利用50年的 数据推测5000年的情况，这是很不科学的，因为越远的预测效果就越差，即置信区间变得很大，误差大得不得了。
数学在这一领域的其他地方也常用，如趋势面分析，相关系数，粒度分布曲线，周期分析，定性数据量化等，这些数学方法的运用，是气候重建取得突破的有力工具，但是要正确运用，不然适得其反，用了反而坏事。
4 气候重建需要自然科学的交叉综合
气候系统是各种自然过程相互作用，相互牵连的复杂的体系，过去气候变化重建的一个重要的探索就是气候变化的过程与驱动力。（有人在此提出历史相似型，试图用过去气候事件中的 相似型来作为未来可能发生 的气候变化模拟，作者认为不存在什么历史相似型，因为现在和过去不会相似，重要的是过程和机制，正如De Dekker和Wasson所说，在研究未来气候变化中，最有价值的工作是了解有关过去气候变化的地质和生物方面的证据，而不是用过去气候变化 的 相似型套用到不断变暖的地球），过程与驱动力的研究必然要用到大量的物化生知识，至于化学，如孙继敏[5]利用易溶性元素对塔克拉玛干年龄提出新看法，就用到了化学的知识，还有当前地化元素研究，风化壳研究；碳循环研究等都要用到化学的知识；至于生物学，最显然的要数孢粉研究了，至于物理学，气候本质上就是物理学，尤其是天气学。
同时，在得到各个样本点的多维数据之前，首先要考虑的是，每一个随机变量（如磁化率，粒度等）反映的到底是什么信息，这就要用到各学科的综合知识了，要进行全面的分析，否则就可能以偏概全，尤其是当我们去发现新的指标时，这一点就更重要。比如，以磁化率为例，吕厚远运用数学的手段得出，在一定温度和降水量范围内，磁化率随年均温和年降水量的增加而增大。但当年均温超过15度，年水量超过2000毫米时，随温度和降水量的继续增加，土壤磁化率反而减少，降水量很少的干旱地区，土壤磁化率与温度降水的 关系十分复杂。因此，假定吕的这一说法是 对的，当我们处于湿热地区和干旱地区时，磁化率所反映的气候信息可能就不一样。可见，对于各项指标所反映的环境属性信息时，需要我们利用综合知识进行仔细的琢磨和推敲，以适合自己所在的研究区域。
参考文献
1 张兰生,方修琦，任国玉. 全球变化. 北京：高等教育出版社， 2000
2 葛全胜. 过去5000年中国气温变化序列重建.自然科学进展，2006,06:689-696
3 邵雪梅. 柴达木盆地东缘山地祁连圆柏林上限树木径向生长与气候要素的关系. 应用生态学报，2009,03:507-512
