轨道周期强迫下的古湖泊水位沉积噪音模型：以更新世-全新世东非马拉维湖为例

Sedimentary Noise Model for Lake-level Changes Under Orbital Forcing： A Case Study of Lake Malawi in East Africa During the Pleistocene-Holocene

摘要

热带陆相湖盆古湖泊水位是重建全球能量平衡和生物进化的重要内容。沉积噪音模型通过分析气候替代指标中信噪比变化重建湖泊水位，但缺乏地质证据的对比。以东非马拉维湖为研究对象，使用MAL05-1C井自然伽马测井数据（NGR）和密度数据（DEN）进行旋回地层学分析。结果表明，MAL05-1C井NGR和DEN序列均包含岁差这一信号，沉积速率约为70 cm/ka，地层持续时间分别约为137 ka和134 ka，与前人基于¹⁴C、古强度对比和光释光约束下的145 ka一致。在沉积噪音模拟中，选取23 ka为模拟窗口，同步对比检验了30 ka、25 ka和20 ka三个沉积噪音窗口，发现整体趋势一致，其在接近岁差尺度下仍具有较好的稳定性与有效性，表明沉积噪音模型时间分辨率极限。通过地质证据对比分析，发现沉积噪音模型与岩性、C/N、Ca、δ¹³C、TOC指标重建的古湖泊水位一致。相对于低沉积速率，高沉积速率将天文信号“拉伸”到更厚的地层中，降低了混叠的风险，提高了分辨率。故本文认为轨道强迫下的沉积噪音模型可作为重建古湖泊水位相对变化的手段，为进一步揭示古湖泊水位与有机质富集关系提供新的约束。

Abstract

Tropical paleolake-level changes offer critical insights into orbital-scale climate variability， yet high-resolution reconstructions remain limited. This study focuses on Lake Malawi （East African Rift）， using natural gamma ray （NGR） and bulk density log （DEN） data from borehole MAL05-1C. Cyclostratigraphic analysis reveals strong precession-scale cyclicity in both datasets， and sedimentation rate is approximately 70 cm/ka. Astronomical tuning yields sediment durations of 137 ka （NGR） and 134 ka （DEN）， which are consistent with the previously established 145 ka chronology constrained by radiocarbon （¹⁴C）， paleointensity and optically stimulated luminescence within analytical uncertainties. In the sedimentary noise model， we used a 23 ka sliding window， and then test the results of by additionally windows of 30 ka， 25 ka， and 20 ka. The consistency of the resulting trends across these window lengths demonstrates that the sedimentary noise model maintains robust stability and efficacy even at a precession-scale resolution， thereby delineating the temporal-resolution limit of the model. Comparative geological evidence shows that the sedimentary noise model yields paleolake-level reconstructions consistent with those inferred from lithology and the C/N， Ca， δ¹³C， and TOC proxies. Our results indicate that high sedimentation rates do not obscure orbital signals and can support high-resolution cycle detection in rift-lake settings. This study highlights the effectiveness of sedimentary noise modeling under orbital forcing as a tool for reconstructing lake-level dynamics and links between monsoonal variability， water depth， and organic matter enrichment.

Graphical abstract

关键词

古湖水位 / 马拉维湖 / 旋回地层学 / 沉积噪音 / 持续时间

Key words

paleolake level / Lake Malawi / cyclostratigraphy / sedimentary noise / duration

0 引 言

可容纳空间和沉积物供给是沉积盆地研究中两个关键因素。可容纳空间受到构造活动与气候变化等多种因素共同控制，古湖泊水位作为反映古气候的重要参数，也是衡量可容空间变化的一个关键指标。沉积盆地中古湖泊水位的变化能够揭示水循环和沉积演化的驱动机制，对于理解古气候变化与陆相盆地演化之间复杂的相互作用至关重要^［1］。古海平面水位的重建主要依赖于一系列定性指标，构造层序^［2］，古生物种群（如浮游有孔虫百分含量，底栖有孔虫组合，硅藻，珊瑚等）与岩相特征及有机质变化^［3］等。然而，高分辨率的古湖泊水位重建仍然面临诸多挑战。与海相盆地中相对稳定的海平面变化相比，湖盆的沉降中心可能发生快速迁移，以及湖盆狭窄的水域范围也进一步增加了湖泊水位研究的难度。

浅水环境中的沉积物更容易受到物理和生物过程的干扰，因此相较于天文信号的强度，其所记录的气候信息中往往会保留较高的噪音^［4］。因此，基于气候替代指标的非轨道信号的动态沉积噪音建模可以重建陆缘海环境中的海平面变化^［4］。理论上，湖泊水位的变化可能会影响湖泊古气候指标的信噪比，因此，陆缘海相地层中建立的沉积噪音模型可以应用于湖相地层。然而，陆相湖盆的沉积环境更为复杂。在轨道强迫作用下，这类沉积噪音模型能否与地质记录相匹配，并准确反映古湖泊水位变化，已成为当前研究中的关键科学问题^［5-6］。为此，有必要引入能够动态追踪非轨道信号强度变化的新方法。DYNOT（Dynamic Non-Orbital signal Tracking）方法是基于轨道调谐后的古气候替代指标数据，通过分析动态非轨道信号的变化，用于识别古海平面或湖平面变化等过程。其基本原理是：去除轨道强迫（即天文强迫的信号）后，统计非轨道信号在总信号中的占比，从而推断沉积环境中可能存在的非轨道过程扰动。相较于传统古水位重建指标（如微体化石组合、δ¹⁸O、粒度、TOC 等），DYNOT 方法通过定量评估轨道调谐后非轨道信号的强度变化，从天文信号保真度的角度识别水位波动。该方法不依赖于特定古气候指标的生物或地球化学响应机制，能够在滑动时间窗口内计算非轨道信号方差占比，从而揭示水位变化的动态特征。DYNOT 尤其适用于边缘海和湖泊等环境的高分辨率水位重建，能有效识别由短期沉积间隙等间歇性扰动引起的噪音增强，而这些特征往往难以被传统ρ₁模型捕捉^［4］。

Li 等2018年对华南早三叠世海相剖面测井数据进行沉积噪音模拟边缘海平面变化，指出边缘海海平面在百万年尺度上受到陆-海水平衡动力学过程的天文强迫^［4］。Wang等2020年将这一发现应用于湖泊，基于中国渤海湾盆地东濮凹陷古近系沙河街组的伽马测井数据，开展了沉积噪音模拟，证明了该时期湖泊水位的变化受长周期天文周期驱动^［5］。尽管已有研究证明沉积噪音模型在海相与陆缘海环境中能够有效识别非轨道信号，但对于陆相湖泊而言，其沉积间歇性强、信号连续性差，传统模型往往难以识别短期扰动过程或沉积间隙所造成的噪音增强。这在一定程度上限制了陆相高分辨率水位重建的精度与可靠性。同时，前人的陆相地层沉积噪音研究，年代学框架误差较大，往往是在 405 ka 天文调谐分辨率下进行的研究，滑动窗口较大。是否可以提高该方法的时间分辨率，依然悬而未决。本文以东非马拉维湖 MAL05-1C 井更新世—全新世地层为研究对象，研究表明MAL05-1C 井中的深水沉积物记录了极端干旱事件、湖面大幅波动以及与岁差尺度降水变化的周期性信号^{［3， 7， 9-10］}，并且综合采用了 ¹⁴C、光释光以及古强度对比等多种定年手段，构建了延伸至约 145 ka的连续且可靠的年代学格架，是东非陆相记录中连续性最佳、年代约束最可靠的长时间序列之一^{［3， 7-8， 10］}。其中，GEOTEK 系统获取的 NGR 数据可有效反映陆源输入变化与沉积物中放射性元素含量，而 GRAPE 密度数据指示有机质-碳酸盐比例变化及沉积水深转换，这两类指标能够用于定量重建古水位并识别轨道尺度的气候振荡^［8］。因此MAL05-1C 井更新世—全新世地层适合开展基于天文旋回与 DYNOT 方法的非轨道信号分析。本研究在前人研究基础上采用旋回地层学方法，对其持续时间、沉积速率和沉积噪音模拟等进行分析，并且与相对应的地质证据进行了对比，以探讨古湖泊水位变化的驱动机制。

1 地质背景与数据获取

马拉维湖（09°30'—14°30' S，34°30' E；也称尼亚萨湖）是位于东非裂谷系统南端的大型内陆湖泊（图1），距离印度洋约400 km，流域格局和地貌受裂谷边缘构造环境的控制^［10］。马拉维裂谷由三个半地堑盆地构成，分别为中央盆地、北部盆地和较浅的南部盆地^［11］。受热带辐合带（ITCZ）的影响，马拉维湖的水量平衡主要由湖泊降雨量和蒸发量决定，河流流入量和流出量的贡献较小^{［2-3， 12］}。位于湖中央盆地南缘的更新世至全新世沉积物，记录了东非南半球热带大陆性气候的长期演化过程。国际大陆科学钻探计划（ICDP）于 2005 年在马拉维湖开展了大规模湖泊钻探项目，成功回收了覆盖过去约145 ka的深水岩心序列。该项目旨在通过沉积学、地球化学、古生物学与地球物理多指标综合分析，重建东非季风系统、水量收支与湖盆演化的长期历史（图1c）。MAL05-1C 井更新世—全新世地层主要由层状均质硅藻泥、胶结粉砂岩、火山灰层和细粒、分选良好的砂岩构成^［3］。前人基于CaCO₃、δ¹³C和C/N指标，重建了马拉维湖盆更新世至全新世中晚期的古湖泊水位演化^［10-11］。更新世—全新世湖泊水位曾发生多次剧烈波动，波动幅度可达数百米。综合¹⁴C、古强度对比、光释光的测年方法，建立了马拉维湖中部0 ~ 90 m 沉积物年代框架^{［3， 10］}，其中6.7 m 处年龄约为11.0 ka，9.6 m处的年龄约为15.7 ka，72.5 m处的年龄约为117.9 ka；84.5 m处的年龄约为136.3 ka，而盆地中部深部基底处的年龄约为150 ka^{［3， 10］}。

在降水量和蒸发量大致相等的地区，气候变化可导致湖面剧烈波动，记录在湖盆沉积物之中。因此，马拉维湖钻井沉积物为轨道强迫下的沉积噪音模型研究提供了良好的沉积记录。在MAL05-1C井0 ~ 90 m 岩心中识别出四种主要岩性，分别是：均质至层状的粉质泥、富有机质的粉砂质泥、灰色碳酸盐富集泥以及夹有细砂层的碳酸盐泥岩。这些岩性反映了湖泊环境在不同气候背景下的变化特征，分别对应于深水缺氧沉积、高生产力水体、浅水碳酸盐沉积以及强水动力事件。岩性变化与TOC、Ca、δ¹³C等地球化学指标密切对应，为识别轨道旋回特征、建立高分辨率湖水位变化序列提供了沉积学基础。本文将南非马拉维湖MAL05-1C钻井的0 ~ 90 m 岩层分为8个亚段，并对NGR数据与DEN数据进行了天文时间尺度（ATS）的分析。NGR数据取样间距为0.1 m，共900个数据点。DEN数据取样间距为0.15 m，共600个数据点。0 ~ 90 m段的岩心对应时代为更新世—全新世^［3］，地震剖面显示该段地层连续、未见断层（图2）。本研究使用沉积噪音建模新方法^［4］，基于高分辨率噪音序列，模拟更新世至全新世中晚期马拉维湖古湖泊水位的变化趋势，将其与岩性及C/N、Ca、δ¹³C、TOC指标所重建的古湖泊水位进行详细对比，并对每个亚段湖泊水位的变化进行了解释，验证了轨道强迫控制下沉积噪音模型在重建古湖泊水位研究中的可靠性与有效性。

2 研究方法

地球轨道参数（偏心率、斜率和岁差）的周期性变化会影响地球接收的太阳辐射总量及其季节与纬度分布，进而导致全球气候在万年尺度上的周期性变化，即米兰科维奇旋回^［13］。识别、描述、对比地层中的米兰科维奇旋回，并探讨其成因，同时将其应用于地质年代学，以提高地层年代格架的精度和分辨率，实现地层高精度划分与对比，是旋回地层学研究的主要内容^［14］。不同纬度地区对轨道参数的响应程度不同，高纬地区的辐射量主要受倾角变化（4万年周期）影响，而岁差（2万年周期）在中低纬区影响更为显著。总体上，高纬地区受倾角和岁差共同驱动，低纬地区主要受岁差驱动^［13］。在赤道区，除岁差外，还存在约40万年和10万年的偏心率周期以及约1万年的半岁差周期^［13］。因此，半岁差和偏心率在轨道强迫中具有较高的能量，这也正是热带气候过程和季风系统响应的重要特征。

2.1 古气候替代指标

古气候替代指标包括光学特性（如灰度、亮度）、伽马射线和岩石磁化率^［15］等。本研究使用NGR和DEN数据作为古气候替代指标。伽马测井曲线反映了沉积物中黏土矿物和有机质含量的变化，这些成分对环境和气候变化（如降水-蒸发比、湖泊水位波动）高度敏感，所以，NGR数据可以保存与气候周期性变化相关的信号^［15］。一般来说，温暖湿润的沉积环境有利于黏土和有机质的富集，产生较高的NGR值，而低温干燥的沉积环境会导致黏土输入减少，产生较低的NGR值^［15］。通过多种指标对比分析显示，NGR是保存米兰科维奇信号最敏感的古气候替代指标之一^［16］。DEN用于测定井下岩层的相对密度，可用于识别岩性和估算孔隙度^［15］。岩石的块体密度不仅受矿物组成影响，还与孔隙度及含水状态密切相关。致密且裂隙不发育的岩石，其块体密度接近颗粒密度，随着孔隙、裂隙的增多，块体密度相应降低。通常来说较低的岩层密度对应较低的含水量，而较高的岩层密度则反映较高的含水量^［15］。研究区NGR值在20 ~ 35 API范围内，DEN值介于1 ~ 2 g/cm³之间，平均值约为1.4 g/cm³，其中顶部地层的DEN值较低，为1.2 g/cm³（图2）。在本研究基于NGR数据和DEN数据开展旋回地层学分析。

2.2 频谱分析与沉积速率估计

本研究采用旋回地层学分析建立高分辨率时间框架，其基本原理是从沉积记录中提取可以反映古气候变化的天文轨道信号（偏心率、斜率和岁差）。根据¹⁴C、古强度对比和光释光年龄数据^{［3， 7， 10］}，马拉维湖MAL05-1C井90 m 处年龄约为145 ka。本研究采用频谱分析方法对该井0 ~ 90 m 范围内的NGR和DEN数据进行时间序列分析。为避免过度平滑导致斜率周期信号损失，本研究在趋势去除过程中将滑动窗口比例调整为 20%，并采用 LOWESS （locally weighted scatterplot smoothing）局部加权平滑方法，以平稳去除长期趋势并尽可能保留轨道信号成分，采用自回归lag-1（AR1）随机噪音模型对去趋势后的数据使用5个2π的多窗口频谱分析^［17］（Multi taper method，MTM），评估剖面深度域不同频率旋回的稳定性和显著性，从而确定其天文轨道周期。同时，使用快速傅里叶变换（FFT）法进行滑动窗口频谱分析，并通过高斯带通滤波器从地层序列中提取天文参数的信号^［18］，最终进行天文校准。在多窗口频谱分析中，频率从0 ~ 4周期/m（奈奎斯特频率）的所有值均可计算^［18］。通过旋回地层分析，马拉维湖MAL05-1C井地层中的轨道信号频率集中在0 ~ 1.2 周期/m之间。以上频谱分析及沉积速率估算均通过软件Acycle_v2.8 完成^［18］。

2.3 沉积噪音模拟

影响气候和海平面替代指标的噪音来源主要包括三类：（1）与水深相关的噪音，如风暴、潮汐、生物扰动和不稳定的沉积速率；（2）与替代指标相关的噪音，包括指标敏感性、测量误差、非线性气候响应和年代测定误差；（3）其他因素，如构造作用、火山作用和沉积后成岩作用^［4］。在边缘海环境中，固定点位置的水深相关噪音与相对海平面变化有关。当海（湖）平面相对较高时，边缘海固定点坡度位置的水深相关噪音较小；当海平面或湖平面相对较低时，其水深相关噪音增加。沉积噪音模型用于分析气候替代指标中信噪比的动态变化，其中包含了两种互补的方法。DYNOT模型基于轨道强迫（即噪音）无关的信号方差与数据集总方差之比，来评估与轨道强迫无关的背景噪音。ρ₁ 模型基于数据集的 lag-1 自相关系数，作为第二个独立的噪音指标，来分析相对湖平面变化的噪音^［4］。高噪音数据集表现为高DYNOT值和低ρ₁值，低噪音数据集则表现为低 DYNOT 值和高ρ₁值^［4］。为重建马拉维湖古湖泊水位，本研究在获得调谐后的 NGR 数据和 DEN数据后，通过Acycle软件得到 DYNOT 模型和 ρ₁ 模型，最后通过与地质证据（C/N、Ca、δ¹³C指标）约束下的湖平面变化详细对比评估沉积噪音模型的可靠性。

3 研究结果

3.1 频谱分析

在旋回地层学研究中，首先对NGR数据和DEN数据进行预处理，去除非天文因素引起的噪音、提取可靠的天文周期信号^［18］，然后进行深度域和时间域的频谱分析。在16.7 m、11.9 m和8.2 m、6.7 m、1.1 m处存在超过95%的置信度的谱峰（图3），DEN序列则在15.5 m、11.3 m、2.2 m、2.1 m、1.6 m处存在超过95%的置信度的谱峰，其中 NGR 序列的谱峰中，16.7 m 和 8.2 m 的厚度波长比约为2∶1（图4）。根据沉积速率推断，16.7 m和15.5 m的谱峰对应岁差周期，8.2 m的谱峰代表半岁差周期。演化快速傅里叶（FFT）谱分析显示，这些高置信度谱峰在深度上的演化趋势基本保持稳定，进一步证实了多窗口谱分析中16.7 m和15.5 m的旋回信号为天文轨道驱动。

在获得时间序列的基础上进行频谱分析，结果显示在95%的置信水平以上，MAL05-1C井经过23 ka调谐的NGR序列， MTM 功率谱显示出岁差周期（20 ka）和半岁差周期（12 ka）的显著峰值。相应的23 ka调谐的 DEN 序列 MTM 功率谱表现出岁差周期（20 ka）的显著峰值（图5）。证实了本文的轨道调谐解释的合理性（图5）。NGR 数据和 DEN 数据深度域上的频谱分析识别出岁差信号分别为16.7 m和15.5 m（图3-图4），在根据岁差信号进行调谐后， MAL05-1C 井0 ~ 90 m 沉积层持续时间分别为137 ka（图5b，NGR数据）和134 ka（图5d，DEN数据）。

3.2 天文检验

仅依靠传统的“比值法”对天文旋回进行识别较为简略^［18］。并且频谱分析仅识别出偏心率、斜率和岁差轨道三要素中的岁差周期，缺乏明确证据判断该谱峰确实为岁差信号，而非噪声或者其他天文信号。本次研究进一步采用时间尺度优化分析^［19］（TimeOpt）来提高旋回识别的准确性^［20］。TimeOpt方法利用偏心率和岁差信号之间的调制关系，优化沉积速率估算。该方法的核心在于评估两类关键的天文信号特征^［21］。（1）谱功率集中：在预测的天文频率（例如进动和离心率周期）上出现显著的功率^［22］；（2）振幅调制：天文周期（如进动）表现出由偏心率调制的振幅包络^［23］。

这两类天文特征通过概率回归模型进行评估，若频谱分析中周期成分确实被偏心率调制，可以进一步证实其为真实的岁差信号。使用岁差周期进行时间尺度优化分析，使用的岁差滤波器频带为0.035 ~ 0.065周期/ka，沉积速率为5 ~ 100 cm/ka。分析结果显示，MAL05-1C井0 ~ 90 m 的最优沉积速率为69.7 cm/ka（NGR序列，图 6b）和 68.3 cm/ka（DEN序列，图 7b），两者高度一致。根据前人¹⁴C、古强度对比和光释光测年数据得出的年龄-深度模型^{［3， 7， 10］}，推测 MAL05-1C 井0 ~ 50.5 ka 间的沉积速率约50 cm/ka，84.5 ~ 145 ka 间的沉积速率约 73 cm/ka，整段平均沉积速率约 62 cm/ka^{［3， 11］}，TimeOpt 结果与 MAL05-1C 井后半段沉积速率基本吻合。

TimeOpt 检验后得出NGR数据r²_envelope 的值为 0.98896（图 6c），其p值 0.058。r²_power 值为0.23519（图 6c），其p值为 0.01。两者综合得分为r²_opt为0.18775（图 6a），其p值为 0.008。相比之下，DEN数据的拟合程度略低，其 r²_envelope 的值为 0.93093（图 7c），其p值 0.17。r²_power 值为 0.18564（图 7c），其p 值为 0.044。两者综合得分为r²_opt为 0.11411（图 7a），其 p 值为 0.012。通过相关性分析和显著性检验可见，NGR 和 DEN 数据在振幅包络与理论偏心率周期之间拟合得较好，表明两者均保存了岁差信号。然而较高的沉积速率使得 90 m 厚的地层只持续了 130 ka 左右，时间跨度偏短会导致偏心率调制周期出现次数较少。因此，NGR 和 DEN 数据的 r²_envelope 存在一定偶然性。此外，相较于 r²_envelope， r²_power 更小，从而拉低了综合得分 r²_opt，但仍在可接受范围内。总体而言，DEN 数据拟合程度和显著性检验不如 NGR 数据，这意味着 DEN 这一替代指标对天文信号的响应不如 NGR 代理，这与 FFT 谱图分析结果一致。

本次研究进一步采用相关系数分析（correlation coefficient，COCO）来提高旋回识别的准确性^［20］。COCO 方法通过自回归模型（AR1），利用蒙特卡洛模拟（Monte Carlo）对非天文轨道驱动的信号（噪音）进行零假设检验，提高天文轨道信号识别的精度。检验中的显著性水平表示地层记录中零假设被错误拒绝的概率^［20］。例如 0.1% 的显著性水平表示有 99.9% 的频谱被检测到，被错误拒绝的零假设（非天文轨道驱动的信号）仅为 0.1%。因此 H₀ 越小，分析的结果越可靠。

为了尽可能保留天文信号，我们对序列去除线性趋势后，选取 5 ~ 100 cm/ka的速率区间进行COCO 分析。沉积速率间隔大小为 0.05 cm/ka。沉积速率的大小是由相关系数、相关系数谱的显著性水平（H₀）以及天文参数的个数控制。0 ~ 90 m NGR 数据和 DEN 数据的沉积速率分别为 54 cm/ka 和 50 cm/ka（图8），基于 ¹⁴C、古强度对比和光释光的测年数据得出的年龄-深度模型前半段0 ~ 50.5 ka 间的沉积速率较吻合^{［3， 7， 10］}。沉积速率对应着少量的贡献天文参数，可能是由于一个或多个天文参数对数据序列没有显著影响。天文参数数量在由一个天文参数主导或缺乏特定天文强迫的地质间隔中是不确定的。

3.3 沉积速率可靠性讨论

本研究采用 TimeOpt 和 COCO 方法确定最优沉积速率。使用COCO 方法得出的沉积速率为 50 cm/ka（DEN序列） 和 54 cm/ka（NGR序列），而 TimeOpt 为 68.3 cm/ka （DEN序列）和 69.7 cm/ka （NGR序列）。两种方法的结果存在较大差异，其主要原因是：该井的沉积速率在时间上并不稳定。从¹⁴C、古强度对比和光释光定年结果可见，不同深度的速率变化幅度较大（约 50 ~ 73 cm/ka），整段平均沉积速率约62 cm/ka^{［3， 7， 10］}。这种不稳定沉积条件会影响天文调谐方法得到的结果。当沉积速率在不同时间段内变化明显时，两种方法对这种变化的响应也不同。TimeOpt 在分析中采用局部优化策略，会根据每一小段记录的信号特征自动调整沉积速率，因此更容易受到短期沉积速率波动的影响，从而给出相对较高的局部速率估计。相反，COCO 方法是在更长时间尺度上进行整体频谱拟合，对局部沉积速率的变化处理更为平滑，因此得到的平均沉积速率通常略低。

COCO 分析结果推算得到的沉积速率与 MAL05-1C 钻孔前半段（0 ~ 50.5 ka）间的沉积速率基本一致^{［3， 7， 10］}，表明 COCO 分析较好地反映了该阶段的沉积速率特征。相比之下，TimeOpt 方法计算得到的最优沉积速率与 MAL05-1C 钻孔后半段沉积速率更为接近，并且更能代表整个钻孔的平均沉积速率水平^{［3， 7， 10］}。考虑到本研究旨在利用天文调谐后获得的时间域序列开展古湖泊湖平面重建工作，前人研究表明在距今约145000 至 60000 年前，马拉维湖地区经历了高振幅的气候波动，其中数次严重干旱事件使湖泊水量减少超过 95%^{［3， 9］}，因此选取与后半段沉积特征较一致的 68.3 cm/ka （DEN序列）和69.7 cm/ka （NGR序列）作为最优沉积速率，更有助于获得稳定且具有代表性的年代框架。基于TimeOpt方法计算得到的最优沉积速率约为68.3 cm/ka （DEN序列）和 69.7 cm/ka（NGR序列），在该速率条件下重建的岁差包络线与La2004轨道参数模型（0~140 ka 标准偏心率周期）^［18］之间呈现出良好的一致性（图 9），表明所选沉积速率能够合理反映沉积物中记录的轨道尺度节律变化。由此推断，68.3 cm/ka （DEN序列）和69.7 cm/ka（NGR序列）为较为可靠的沉积速率估值，本文据此建立浮动天文年代标尺，为后续古湖泊湖平面变化的时间重建提供较为精确的年代约束。

前人基于¹⁴C、古强度对比和光释光多种测年方法，建立了马拉维湖中部0 ~ 90 m沉积剖面的年代框架。其中，6.7 m、9.6 m、72.5 m和84.5 m 处的年龄分别约为11.0 ka、15.75 ka、117.9 ka和136.3 ka，为本研究提供了关键的年代控制点^{［3， 7， 10］}。在此基础上，本文以6.7 m（11 ka）为锚点建立绝对年代标尺，对于NGR序列推算得到该序列的年代跨度为11 ~ 148.4 ka（图 9a），对于 DEN 序列计算得到序列的年代范围为11 ~ 145.0 ka（图 9b）。综上所述，通过TimeOpt方法结合多指标测年结果所建立的浮动及绝对年代框架，为不同沉积序列之间的时间对比提供了统一的时间尺度。这一时间体系为马拉维湖古湖面演化过程的定量重建奠定了坚实的年代学基础。

3.4 古湖泊水位重建

沉积噪音建模是一种基于旋回地层学的方法，用于重建湖泊水位或海平面变化，其原理是识别沉积记录中超出天文周期范围的“噪音”信号^［24］，沉积噪音与古湖泊水位（海平面与湖平面）变化显著相关，二者之间没有根本的区别^［5］。通常，当湖平面较高时，与水深相关的噪音可能相对较低；当湖平面较低时，沉积噪音则可能相对增强^［20］。本研究基于马拉维湖MAL05-1C井0 ~ 90 m 的湖相地层，利用沉积噪音模型重建更新世至全新世期间的古湖泊水位变化，并通过旋回地层分析提供高分辨率的时间格架。

在MAL05-1C井0 ~ 90 m地层整段，NGR数据能较好地指示沉积物中黏土和有机物质含量的变化，DEN数据指示岩层含水量，二者均为气候旋回的有效替代指标。旋回地层分析表明，NGR 序列和DEN序列中均存在较强的岁差信号。岁差作为主导低纬地区季风系统变化的关键轨道要素，影响着沉积环境，包括古湖泊水位、有机质生产力及氧化还原条件^［6］。依据岁差周期（23 ka）对 NGR 序列与 DEN 序列进行旋回调谐后，重建了高分辨率的古湖泊水位变化^［4］。随后，基于调谐后的数据，采用 DYNOT 模型和 ρ₁模型进行湖平面模拟（图 10），DYNOT 和 ρ₁模型的运行窗口为 23 ka。使用 2000 次迭代的蒙特卡洛分析来估计置信水平。结果显示，DYNOT 和 ρ₁模型给出的湖平面变化趋势高度一致（图 10），且与 CaCO₃、δ¹³C 和 C/N 等指标的古湖泊水位重建结果吻合较好（图 12），沉积噪音模型揭示出与米兰科维奇旋回相关的高频湖平面波动，进一步验证了该方法的有效性。

4 沉积噪音模型重建古湖泊水位的可靠性评估

4.1 沉积噪音模型可靠性分析

马拉维湖位于非洲东南部，地处赤道附近的低纬热带区域。根据米兰科维奇理论，春分岁差驱动的日照变化是控制大陆性热带气候的变化主要因素^［13］。经过时间序列分析，岁差以及1万年左右的半岁差变化对气候具有显著影响。根据NGR序列和DEN序列的岁差信号进行调谐，获得MAL05-1C井0 ~ 90 m 地层沉积持续时间分别为137 ka（图9a，NGR序列）与134 ka（图9b，DEN序列）。旋回地层学推断时间尺度的误差主要来源于浮动天文时间尺度（ATS）的不确定性^［17］。浮动ATS中确定的岁差周期可能导致半个周期的额外误差，因此基本年龄的误差为12 ka。本研究通过旋回地层学获得的持续时间（137 ± 12 ka，NGR；134 ka，DEN）与前人推算的145 ka在误差范围内一致^{［3， 7， 10］}。此外，采用时间尺度优化分析（69.7 cm/ka和68.2 cm/ka）与古强度对比、光释光的测年数据计算得到的平均沉积速率（62 cm/ka）^{［3， 7， 10］}基本一致。

DYNOT 是通过滑动窗口计算的，其本质是在时间序列上以固定长度的窗口逐步移动，并在每个窗口内估计“非轨道噪声比”。 这一方法的关键在于窗口大小的合理选择，因为窗口大小直接影响噪声模拟的分辨率、稳定性以及识别不同频率的敏感性。从理论上讲，窗口越大，需要更多数据点支撑，滑动次数变少，不确定性也变小，但可能会平滑掉短期变化。使用小的运行窗口会使分辨率更高，但低频周期方差和总方差同时减小，增加了非轨道信号比估计的不确定性^［17］。

MAL05-1C井0 ~ 90 m 的NGR和DEN数据经过调谐转化为时间域后，其地层持续时间分别为137 ka和134 ka，这个时间跨度不足一个长偏心率（约 405 ka）的持续时间，如果继续使用前人选用的 300 ~ 500 ka 的沉积噪音窗口^{［5， 25， 29-30］}，两种替代指标在持续时间上难以满足统计要求，且很有可能会抹平沉积物中唯一保留的岁差信号。考虑到MAL05-1C 井沉积的地层时代为更新世到全新世，岁差和斜率是相对稳定的，对一个信号中非轨道部分占比的计算影响不大。因此，窗口长度更应贴近目标频率，以确保高频信号的捕捉能力。本研究最终选择23 ka 作为沉积噪音窗口，使之与岁差主周期匹配，从而最大程度保留有效的高频信息。由于选用的运行窗口较小，为验证模拟结果是否稳定，又测试了30 ka、25 ka、20 ka这三种沉积噪音窗口，置信水平通过 2000 次迭代的蒙特卡洛模拟估算得到。结果显示，四种窗口（包括23 ka）长度得出的DYNOT和ρ₁模型，与给出的湖平面变化趋势一致，且趋势稳定，越大的窗口仅表现为时间分辨率降低。这表明沉积噪音模型能够在接近岁差尺度极限的时间分辨率条件下保持稳定性与有效性（图 11）。

本文利用沉积噪音模型重建古湖平面，沉积记录中的沉积噪音包括湖泊水位相关噪音、指标相关噪音（包括年代不确定性）和不稳定沉积（如短期沉积构造活动与火山作用）^［4］。ρ₁模型存在两个主要不确定性：采样率和运行窗口大小；而 DYNOT 模型则有Scholz 等16个不确定性因素，包括采样率、运行窗口大小，以及针对7个目标轨道频率所设定的14个带通截止频率等参数。为评估这两种模型在MAL05-1C 井0 ~ 90 m 地层分析中的不确定性，使用蒙特卡洛方法进行模拟。通过2000次迭代，分布估算了DYNOT模型的中值和ρ₁模型值，并确定其在任意给定时间的50%、68%、80%、90%和95%显著性区间。DYNOT 模型可将非均匀采样的古气候时间序列插值为等间距序列，并通过蒙特卡洛模拟突发性构造事件（如地震引发的坡移），以增强沉积记录中各频率的噪音分量，从而捕捉水位变化的潜在信号。Scholz 等2011年研究表明，马拉维湖在更新世中晚期至全新世稳定沉降，其间未记录到显著的地震活动^［10］。此外，大型岩浆活动可能通过改变区域水文条件，产生长周期的非天文噪音扰动进而影响古湖泊水位重建^［4］。

东非裂谷系统可分为两部分：一是岩浆活动频繁的东部裂谷带，包括埃塞俄比亚裂谷、图尔卡纳裂谷、肯尼亚裂谷和格雷戈里裂谷；二是岩浆活动较东部弱的西部裂谷带，分布有多个大型淡水湖。东部裂谷带的火山活动集中在约30 Ma之前，而西部裂谷带在中新世晚期仍有火山活动发生，但在更新世-全新世未见火山活动记录^{［3， 10-11］}。由于马拉维湖盆未见岩浆岩出露，推测该区在研究时间范围内未受到火山作用干扰。因此，MAL05-1C 井0 ~ 90 m 地层中基于沉积噪音模型所重建的古湖泊水位变化结果具有较高的可靠性。

4.2 沉积噪音模型重建的古湖泊水位与地质证据对比分析

为了进一步验证沉积噪音模拟重建的古湖泊水位结果的可靠性，根据湖盆地震勘探中发现的海岸线标志以及相关地质证据（CaCO₃、δ¹³C和C/N等指标），Scholz 等2011年将MAL05-1C钻井0 ~ 90 m 地层从下至上划分了8个亚段，对马拉维湖在更新世中晚期至全新世古湖泊水位进行了详细的研究^{［3， 10］}。结合本文旋回地层高精度年代约束与沉积噪音模型古湖泊水位重建，进行古湖泊水位指标比对：

第1亚段（135 ~ 145 ka）：以均质、层状的深绿色/棕色富有机质、富硅藻粉质泥为主。碳酸盐含量显著上升，TOC值通常在2-5%的范围，但在TOC非常低的顶部部分，C/N分析显示中等值，反映了有机质来源的混杂，指示湖泊水位中等。马拉维湖气候较为湿润。在过渡到第2亚段时，湖泊水位明显降低。NGR 数据和 DEN 数据的 DYNOT 模型均显示在第1亚段时湖泊水位较高，过渡到第2亚段的过程中略微降低（图12a、b），与岩相古湖泊水位、CaCO₃、TOC和C/N指标重建带古湖泊水位一致。

第2亚段（124 ~ 135 ka）：主要发育浅灰色块状、相对致密的泥质粉砂岩。大部分层位富含CaCO₃，TOC值分布范围广，从极低（0.5%）到最大 4%（少数样品）。在C/N-TOC关系图上，该亚段样品呈一致的线性下降趋势，表明随着总TOC的富集，陆相碳的贡献增加，指示湖泊水位较低。扫描电镜结果表明该亚段CaCO₃丰度较高，与δ¹³C变化基本呈正相关，与C/N、TOC呈负相关，指示低湖泊水位，且为严重干旱时期。与之相吻合，DEN数据重建的DYNOT模型在第2亚段时波动较小，指示低湖泊水位（图12b）。NGR 数据重建的 DYNOT 模型在该亚段波动较大，但也显示降低的趋势（图12b）。

第3亚段（117 ~ 124 ka）：发育深绿褐色均质层状富有机质的粉砂质泥。本亚段顶部C/N和δ¹³C值在 MAL05-1C 钻井0 ~ 90 m 岩心中最高。本亚段以高CaCO₃、高δ¹³C和低C/N为特征，指示了浅湖环境。本亚段与下伏第2亚段存在快速湖泊水位变化。但薄片中烧焦的草角质层和菱铁矿表明该亚段地层可能发育了广泛的植被，湖泊环境可能更为湿润^［3］。根据沉积噪音重建的湖泊水位，NGR 数据和 DEN 数据从第2亚段到第3亚段的湖泊水位均显示变深的趋势（图12a、b）。

第4亚段（85 ~ 117 ka）：发育蓝灰色致密块状泥夹中细砂。该亚段以含水量低、岩性致密、有机碳含量极低为主要特征。δ¹³C值高于整亚段平均值，C/N值变化范围大，总体上表现为高CaCO₃、高δ¹³C和低C/N关系，反映了本亚段是浅水的湖泊。与之相吻合，NGR 数据和DEN 数据的 DYNOT 重建明显地指示在第4亚段时湖泊水位最低（图12a、b）。

第5亚段（79 ~ 85 ka）：本亚段以深绿褐色富有机质层状粉砂质泥为主。TOC值在2% ~ 5%范围内，C/N 值中等，δ¹³C 值低于其他段，碳酸钙丰度在此期间降至零，表明水体处于欠饱和状态。因此第5亚段湖泊水位处在一个相对较高的水平。同样，NGR数据和DEN数据沉积噪音重建的湖泊水位指示第5亚段湖泊水位有上升趋势。

第6亚段（71 ~ 79 ka）：本亚段岩性为块状、致密、浅灰色、富含碳酸盐岩的泥。TOC值0.5% ~ 1%，碳酸钙丰度在整段最高，有过饱和的沉积条件。高 CaCO₃、高δ¹³C和低C/N表明，马拉维湖在这段时间内湖泊水位浅且湖泊规模小。 DEN 数据指示湖泊水位在第6亚段湖泊水位略微下降，NGR 数据指示湖泊水位在第6亚段湖泊水位略微升高，在第 7 亚段湖泊水位略微降低。本研究推测是由于本亚段持续时间约8 ka，而沉积噪音模拟的精度为 10 ka，因此在本亚段内NGR数据模拟的湖泊水位变化在误差范围内。

第7亚段（61 ~ 72 ka）：深黑色泥TOC值最高，达到6%。相对于第一亚段，TOC 值的变化率要大得多，C/N值的分布也比第一段大得多（图12），这意味着在这段时间内湖泊平面的变化很大。靠近第三亚段的低 CaCO₃ 指示高湖泊水位特征，向上湖泊水位略微降低。NGR 数据重建的湖泊水位显示第7 亚段湖泊水位无太大波动。DEN 数据重建的湖泊水位显示第7亚段湖泊水位略微降低，在向第8 亚段过渡时期有所上升。

第8亚段（10 ~ 61 ka）：该井岩心顶部，主要发育黑灰色泥，以有机碳中-高值、低密度硅藻土为特征。C/N 和 δ¹³C 的关系图表明，该时期沉积的有机质是湖泊藻类和陆地林地有机质的混合，为与现代条件类似的湖泊环境^{［3， 10］}。在这亚段岩层中无碳酸盐岩，反映了湖泊的相对高水位。沉积噪音重建的湖泊水位指示第 7 亚段与第 8 亚段湖泊水位呈现上升趋势，为整段湖泊水位最高的时期，且更为精细地显示出湖泊水位的相对变化。

DEN 与 NGR 序列所获得的噪声模拟曲线（图 12a、11b）表现出微小差异，其主要原因在于两类替代指标对轨道强迫与背景噪声的敏感性存在差异。磁化率、C/N 比值、Ca 含量等指标主要受轨道驱动力，而另一些 TOC、粒度和浮游生物组成等指标则更容易受非轨道噪声影响。在相同地层和年代背景下，将 DEN 数据的 FFT 谱图（图5a）与NGR数据 FFT 谱图（图5c）进行比较，可以发现DEN数据记录的岁差信号表现出更多的不连续性，并在高频部分出现更多间断信号，这一特征表明，DEN数据作为替代指标有可能更容易受到高频噪声的干扰，区别于NGR噪声模拟的结果。

值得一提的是，在MAL05-1C钻井第 3 与第 5 亚段中，整体沉积特征较为复杂，由于 Ca 含量变化不明显，缺乏明确的湖平面指示性地质化学指标，Scholz 等2011年指出这两个亚段水位存在不确定性。根据本文沉积噪音模拟重建的古湖泊水位结果所示，从第2段向第3段过渡期间湖泊水位略微上升，但与图10f 中基于地质指标重建的第3亚段古湖泊水位相比，沉积噪音模拟所反映的水位略低。第5亚段的δ¹³C值低于其他亚段，碳酸钙含量几乎降至零，进而表明第5亚段可能对应较高的湖泊水位^［3］。

总体来看，使用沉积噪音模拟重建的古湖泊水位长期变化趋势与Scholz 等2011年所推测的结果基本一致^{［3， 10］}。通过将沉积噪音模拟结果与四类主要岩性变化及 C/N、Ca、δ¹³C等多种地质指标进行系统对比，可以看出二者在不同时段的湖平面演化趋势高度吻合。这一结果不仅验证了沉积噪音模型在马拉维湖更新世中晚期至全新世湖平面变化重建中的有效性，也为进一步探讨轨道强迫背景下古气候演化、盆地过程与烃源岩形成机制提供了坚实的研究基础^［1］。

5 结论

马拉维湖MAL05-1C钻井岩心保存了更新世中晚期至全新世连续的沉积记录，为研究赤道区在地球轨道尺度上的沉积响应与高精度连续古湖泊水位变化提供了重要基础。本文通过对高分辨率古气候替代指标（NGR、DEN），进行旋回地层学与沉积噪音模型分析，获得以下结论：

（1）构建了一个基于20 ka岁差周期的连续高分辨率时间标尺，估算了岩心0 ~ 90 m 的持续时间为（137 ± 12） ka（NGR）与134 ka（DEN），该结果与前人¹⁴C多种定年方法约束下的MAL05-1C钻井0 ~ 90 m 的持续时间（145 Ka）一致。

（2）基于 TimeOpt 方法，分别计算出 NGR 数据和 DEN 数据对应的最优沉积速率为 70.6 cm/ka 和 68.2 cm/ka。通过与四种主要岩性类型及 C/N、Ca、δ¹³C、TOC 等多种地质证据对比，验证了所构建时间尺度及沉积速率估算的准确性与可靠性。

（3）选取23 ka作为沉积噪音模拟窗口，同时测试了30 ka、25 ka和20 ka这三种沉积噪音窗口，发现整体趋势一致，验证了沉积噪音模型在接近岁差尺度极限条件下仍具有较好的稳定性和有效性。

（4）基于沉积噪音模型重建了10 ~ 145 ka期间马拉维湖古水位经历了由高到低再逐步回升的波动变化过程，其中在85 ~ 117 ka 达到最低，揭示了显著的气候干湿交替过程。

（5）沉积噪音模拟结果与地质证据所指示的湖泊水位变化高度一致，进一步表明，相比于沉积噪音模型在恢复海平面的应用，在恢复高分辨率、连续性的湖盆水位演化方面也具备良好的适用性。沉积噪音模型不仅能作为更新世—全新世马拉维湖古湖泊水位变化的有效替代指标，也为未来在其他湖盆开展轨道尺度古气候重建提供了有力支持。

参考文献

[1] CAO Y， WANG J， YANG W， et al. Astronomical forcing of paleolake-level fluctuations in the eastern Ordos Basin between the Late Carboniferous and Early Permian［J］. Geological Journal， 2025， 60（1）： 1–15.

[2] LYONS R P， KROLL C N， SCHOLZ C A. An energy-balance hydrologic model for the Lake Malawi Rift Basin， East Africa［J］. Global and Planetary Change， 2011， 75（1-2）： 83-97.

[3] SCHOLZ C A， TALBOT M R， BROWN E T， et al. Lithostratigraphy， physical properties and organic matter variability in Lake Malawi Drillcore sediments over the past 145，000 years［J］. Palaeogeography， Palaeoclimatology， Palaeoecology， 2011， 303（1-4）： 38-50.

[4] LI M， HINNOV L A， HUANG C， OGG J G. Sedimentary noise and sea levels linked to land–ocean water exchange and obliquity forcing［J］. Nature Communications， 2018， 9（1）： 1004.

[5] WANG M， CHEN H H， HUANG C J， et al. Astronomical forcing and sedimentary noise modeling of lake-level changes in the Paleogene Dongpu Depression of North China［J］. Earth and Planetary Science Letters， 2020， 535： 116116.

[6] HUANG H， GAO Y， JONES M M， et al. Astronomical forcing of Middle Permian terrestrial climate recorded in a large paleolake in northwestern China［J］. Palaeogeography， Palaeoclimatology， Palaeoecology， 2020， 550： 109748.

[7] SCHOLZ C A， JOHNSON T C， COHEN A S， et al. East African megadroughts between 135 and 75 thousand years ago and bearing on early-modern human origins［J］. PNAS， 2007， 104（42）： 16416-16421.

[8] BROWN E T， JOHNSON T C， SCHOLZ C A， COHEN A S， KING J W. Environmental controls on sedimentation in Lake Malawi over the past 220，000 years［J］. Quaternary Science Reviews， 2007， 26（7/8）： 840-854.

[9] STONE J R， WESTOVER K S， COHEN A S. A last deglacial tropical African precipitation record from Lake Malawi［J］. Science， 2011， 331（6017）： 220-223.

[10] SCHOLZ C A， COHEN A S， JOHNSON T C， et al. Scientific drilling in the Great Rift Valley： The 2005 Lake Malawi Scientific Drilling Project — An overview of the past 145，000years of climate variability in Southern Hemisphere East Africa［J］. Palaeogeography， Palaeoclimatology， Palaeoecology， 2011， 303（1-4）： 3-19.

[11] LYONS R P， SCHOLZ C A， COHEN A S， et al. Continuous 1.3-million-year record of East African hydroclimate， and implications for patterns of evolution and biodiversity［J］. Proceedings of the National Academy of Sciences， 2015， 112（51）： 15568-15573.

[12] JOHNSON THOMAS C.. E O. The Limnology， Climatology and Paleoclimatology of the East African Lakes［M］. London： Gordon and Breach Publishers， 2019： 1-456.

[13] 汪品先. 低纬过程的轨道驱动［J］. 第四纪研究， 2006， 26（5）： 694-701.

[14] 宋翠玉，吕大炜. 米兰科维奇旋回时间序列分析法研究进展［J］. 沉积学报， 2022， 40（2）： 380-395.

[15] LI M， HUANG C， OGG J， et al. Paleoclimate proxies for cyclostratigraphy： Comparative analysis using a Lower Triassic marine section in South China［J］. Earth-Science Reviews， 2019， 189： 125-146.

[16] YU Y C， GUO S B. The Shanxi Formation responses to astronomically forced climate changes during the Upper Paleozoic in the Eastern Ordos Basin， NW China［J］. Marine and Petroleum Geology， 2023， 156： 106451.

[17] LI M， HINNOV L A， KUMP L R. Acycle： Time-series analysis software for paleoclimate research and education［J］. Computers & Geosciences， 2019， 127： 12-22.

[18] LASKAR J， ROBUTEL P， JOUTEL F， et al. A long-term numerical solution for the insolation quantities of the Earth［J］. Astronomy & Astrophysics， 2004， 428（1）： 261-285.

[19] MEYERS S R. The evaluation of eccentricity-related amplitude modulation and bundling in paleoclimate data： An inverse approach for astrochronologic testing and time scale optimization［J］. Paleoceanography， 2015， 30（12）： 1625-1640.

[20] LI M， KUMP L R， HINNOV L A， MANN M E. Tracking variable sedimentation rates and astronomical forcing in Phanerozoic paleoclimate proxy series with evolutionary correlation coefficients and hypothesis testing［J］. Earth and Planetary Science Letters， 2018， 501： 165-179.

[21] Meyers S R. Cyclostratigraphy and the problem of astrochronologic testing［J］. Earth-Science Reviews， 2019， 190： 190-223.

[22] HAYS J D， IMBRIE J， SHACKLETON N J. Variations in the Earth's orbit： Pacemaker of the ice ages［J］. Science， 1976， 194（4270）： 1121-1132.

[23] SHACKLETON N J， HAGELBERG T K， CROWHURST S J. Evaluating the success of astronomical tuning： Pitfalls of using coherence as a criterion for assessing pre-Pleistocene timescales［J］. Paleoceanography， 1995， 10（4）： 693-697.

[24] LI M， LI X， HESSELBO S P， et al. Orbital pacing and secular evolution of lake-level changes reconstructed by sedimentary noise modeling during the Early Jurassic icehouses-（super）greenhouses［J］. Science China Earth Sciences， 2024， 67（1）： 252-267.

[25] WANG M， LI M， HAJEK E A， et al. Assessing the preservation of orbital signals across different sedimentary environments： Insights from stochastic sedimentation modeling. Earth and Planetary Science Letters， 2024， 642： 118866.

[26] SULLIVAN N B， MEYERS S R， LEVY R H， et al. Obliquity disruption and Antarctic ice sheet dynamics over a 2.4-Myr astronomical grand cycle［J］. Science Advances， 2025， 11（17）： eadl1996.

[27] LYONS R P， SCHOLZ C A， COHEN A S， et al. Late Quaternary stratigraphic analysis of the Lake Malawi Rift， East Africa： An integration of drill-core and seismic-reflection data［J］. Palaeogeography， Palaeoclimatology， Palaeoecology， 2011， 303（1-4）： 20-37.

[28] PILSKALN C H， JOHNSON T C. Seasonal signals in Lake Malawi sediments［J］. Limnology and Oceanography. 1991， 36（3）： 544-557.

[29] ZHANG Z， HUANG Y， LI M， et al. Obliquity-forced aquifer-eustasy during the Late Cretaceous greenhouse world［J］. Earth and Planetary Science Letters， 2022， 596： 117800.

[30] ZHANG Q， FU X， WANG J， et al. Orbitally-paced climate change during the Carnian Pluvial Episode［J］. Earth and Planetary Science Letters， 2024， 626： 118546.

基金资助

国家自然科学基金项目(42322402)

国家自然科学基金项目(42488201)

中央高校青年教师科研创新能力支持项目(ZYGXQNJSKYCXNLZCXM-P1P)

中央高校基本科研业务费项目(2652023001)

中央高校基本科研业务费项目(2652023201)