北西伯利亚气候与森林覆盖的定量花粉重建：多技术评估与创新应用

本研究针对北西伯利亚地区气候与植被重建精度不足的问题，通过整合243个表土花粉样本数据集，应用最佳现代类比技术（MAT）、加权平均（WA）、加权平均偏最小二乘法（WAPLS）和随机森林算法（RF）四种定量方法，重建了该地区温度、降水及森林覆盖率（5-50 km半径）。结果显示，WAPLS和RF对7月均温（R2 =0.64-0.91）和年均温（R2 =0.49-0.91）重建效果最佳，而1月均温和年降水重建可靠性较低。研究为高纬度内陆地区古气候研究提供了方法论创新和数据支持。

　　

在全球变暖背景下，理解高纬度地区长期气候动态对预测未来环境变化至关重要。然而，北西伯利亚作为全球气候敏感区之一，其内陆地区古气候研究仍存在数据匮乏、方法可靠性不足等问题。俄罗斯科学院的研究团队Rodion Andreev和Elena Novenko在《Quaternary International》发表论文，通过系统评估四种花粉定量重建技术，填补了该区域研究的空白。

研究团队采用现代花粉数据集（243个表土样本），结合MAT（基于相似性匹配）、WA（基于物种-气候响应模型）、WAPLS（引入降维的改进WA）和RF（机器学习算法）方法，重建了北西伯利亚的温度、降水及不同半径（5-50 km）森林覆盖率。关键技术包括交叉验证评估模型性能（R²
和RMSEP指标）、化石花粉序列（NT泥炭地）的历史气候重建，以及与气象站观测数据（1929-2019年）的对比验证。

区域背景
研究区覆盖北纬60°以北的中央西伯利亚高原，地形复杂（海拔达1000米），植被梯度显著（苔原-森林苔原-泰加林）。现代花粉分析显示，苔原以莎草科（Cyperaceae）和非乔木花粉（NAP）为主，而森林带乔木花粉（如桦木属Betula）占比达70-80%。

现代花粉数据集
数据集涵盖三种植被带，苔原样本（n=34）以矮灌木（如杜鹃花科Ericaceae）为特征，森林带则显著富集松属（Pinus）和云杉属（Picea）花粉。这种梯度分布为气候重建提供了生物标志物基础。

NT泥炭地花粉数据
20世纪化石记录显示，1910-1930年以落叶松（Larix）和云杉为主，1955-1987年桦木（Betula alba-type）占比骤增，反映气候驱动的植被演替。

结论与意义

1. 方法学贡献：WAPLS和RF对温度重建最可靠（7月均温RMSEP=1.15-1.71°C），而1月温度（RMSEP=2.45-4.47°C）和降水（RMSEP=54-95 mm/yr）重建不确定性较高，可能与冬季气候因子复杂性有关。
2. 应用验证：RF重建的T_ann
   和森林覆盖率（50 km半径）与气象站数据趋势一致（1929-1960年、1970-1987年），但1960-1970年及1987年后出现分歧，暗示局地气候驱动机制的异质性。
3. 区域价值：首次为中央西伯利亚高原建立多方法重建框架，为理解北极-亚北极过渡带气候-植被反馈机制提供关键数据。研究强调机器学习（如RF）在古生态学的潜力，同时揭示冬季气候重建仍需改进。

该研究通过方法学创新与实证分析的结合，推动了高纬度地区古气候研究的精细化，为全球变化背景下西伯利亚生态响应预测奠定了科学基础。