基于树轮的大兴安岭北部满归地区夏季最低气温重建（1758–2019年）

《Trees, Forests and People》：Tree-Ring-Based Reconstruction of Summer Minimum Temperature in the Mangui Area, Northern Greater Khingan Range (1758–2019 CE)

　　

北方寒带针叶林对中国东北大兴安岭北部地区的气候变化高度敏感，重建该区域长期气候记录对于理解碳循环和生态承载力至关重要。基于大兴安岭满归地区兴安落叶松（Larix gmelinii）标准化树轮宽度年表（STD），研究人员比较分析了树木径向生长对根河气象站（GHS）和英国气候研究中心（CRU）格点数据的响应。结果显示，GHS与CRU气温数据高度一致，但降水数据存在显著差异。落叶松生长受年均温限制，并对当年和前一年8月降水量及标准化降水蒸散指数（SPEI）呈现非线性响应。STD年表与前一年5–7月最低气温在两个数据集中均呈强负相关（GHS：r = ?0.765；CRU：r = ?0.689），其中GHS数据表现出更强的气候-生长关系。基于此关系，研究人员重建了研究区1758–2019年的5–7月最低气温变化。空间分析表明，重建序列与蒙古、西伯利亚南部和中国北方地区的温度变化具有广泛区域一致性。重建结果识别出的主要暖期和冷期与区域代用记录和历史证据基本吻合。周期分析揭示了3–8年、9.4–10.1年、15.2–19.6年和46.3–51年尺度的变率，这些周期可能分别与厄尔尼诺-南方涛动（ENSO）、太阳活动、太平洋年代际振荡（PDO）和大西洋多年代际振荡（AMO）有关。本研究丰富了高纬度东亚地区的高分辨率气候记录，并为评估全球变暖背景下针叶林生态系统的稳定性和碳平衡提供了重要的历史和科学依据。

论文解读文章

一、研究背景与科学问题

在全球变暖持续加剧的背景下，树木生长对温度的响应可能呈现倒“U”形而非连续线性趋势，这一现象挑战了传统树木年代学中“一致性原则”在某些区域的适用性。大兴安岭位于中国东北最北端，地处高纬度，森林广袤，对气候变化高度敏感，在维持森林碳循环、生态系统平衡及减缓全球变暖方面具有不可替代的作用。然而，以往该区域的气候重建多依赖单一气象数据源，往往忽略了不同数据源间响应的差异，也较少涉及气候驱动机制的复杂性。此外，传统的线性模型难以精确捕捉复杂的生物过程，而广义加性模型（GAM）作为一种非参数回归方法，能够灵活刻画气候因子对树木径向生长的非线性效应及其阈值，为优化树轮-气候响应建模和提高历史气候重建精度提供了新的方法论基础。因此，本研究旨在通过对比分析根河气象站（GHS）数据和CRU格点数据，利用GAM揭示树木生长的非线性响应机制，并基于最优数据源重建该区域过去262年的夏季最低气温序列。

二、主要技术方法

研究人员于2023年7月在大兴安岭北部满归镇采集兴安落叶松样本，共获取49棵树的树芯样品。经过预处理、交叉定年和去趋势处理，建立了标准化树轮宽度年表（STD）。采用Pearson相关分析确定树木径向生长的主要气候限制因子，并运用广义加性模型（GAM）刻画气候-生长的非线性关系和响应阈值。基于最优的GHS数据，选用三次多项式作为转换函数建立重建方程，并通过双向分裂样本校准验证评估重建可靠性。最后，利用傅里叶分析和连续小波分析检测重建序列的多尺度周期变化，并通过KNMI Climate Explorer计算空间相关性以评估区域代表性。

三、研究结果

3.1 时间序列统计特征

所建STD年表的子样本信号强度（SSS）大于0.85的可靠时段为1759–2020年，共计262年。年表标准差为0.261，样本间相关系数为0.279，总体代表性达0.941，一阶自相关系数为0.764，平均敏感度为0.146，信噪比高达16.056，表明年表质量良好且蕴含丰富的气候信号。

3.2 GHS与CRU数据的关系

GHS与CRU气温数据在月度和年际尺度上均表现出极高的同步性，相关系数接近1；而降水变量的相关性较弱，年总降水量的相关系数仅为0.649。这表明两种数据集在表征研究区温度方面高度一致，但在降水信息上存在一定分歧。

3.3 树木径向生长与气候因子的关系

线性相关分析显示，落叶松对气温响应极为显著，对降水和SPEI响应不显著甚至趋势相反。两个数据集的气温分析结果高度一致，且GHS气温的响应略强于CRU。在所有分析时段中，前一年5–7月最低气温与年表的相关系数绝对值最大（GHS：?0.765；CRU：?0.689），是该区域落叶松径向生长的最关键限制因子。

GAM分析进一步揭示了非线性响应机制。在CRU数据中，SPEI_C8呈三段式分段趋势；在GHS数据中，SPEI_P9在高值区间呈强烈负驱动，P_C2呈单峰响应模式，P_P9在超过57.70 mm阈值后促进作用急剧非线性上升，P_C8则呈稳定的近似线性正相关。温度因子方面，T_minP5、T_maxP5、T_minP6和T_meanP7均表现出波动性的非线性响应曲线，T_minC8呈典型倒“U”形单峰响应，在8.31°C达到最佳生长峰值。

3.4 温度重建与验证

基于STD年表与前一年5–7月最低气温的最强相关关系（GHS：r=?0.765），选用三次多项式作为最终转换函数，重建了1758–2019年共262年的5–7月最低气温序列。重建方程分别为：T_GHS(t?1) = ?2.328×L_t ? 1.788×L_t² + 0.853×L_t³ + 8.69。双向分裂样本校准验证结果表明重建模型具有良好的稳定性和预测能力。

3.5 重建序列时空特征

重建序列识别出多个主要暖期（如1770–1790年、1850–1870年、1920–1940年、1980–2000年）和冷期（如1760–1770年、1810–1830年、1880–1910年、1950–1970年），与区域代用记录和历史证据基本一致。空间相关分析显示重建序列与蒙古、西伯利亚南部和中国北方广大区域的温度变化具有广泛的区域代表性。周期分析揭示了3–8年、9.4–10.1年、15.2–19.6年和46.3–51年四个显著周期，分别可能与厄尔尼诺-南方涛动（ENSO）、太阳活动、太平洋年代际振荡（PDO）和大西洋多年代际振荡（AMO）等大尺度气候驱动因子有关。

四、讨论与结论

讨论部分指出，前一年生长季高温通过增加呼吸消耗和水分胁迫抑制当年树木径向生长，这与高纬度地区树木生长的温度限制机制一致。GAM分析揭示的非线性响应表明，传统线性模型可能低估了极端气候事件的影响。研究还发现，GHS数据在反映局地气候条件方面优于CRU格点数据，这强调了多源数据比较的必要性。

研究结论认为，基于GHS数据的三次多项式重建模型能够可靠地反映大兴安岭北部满归地区过去262年的5–7月最低气温变化。重建序列与区域历史记录和代用资料的一致性证实了其可靠性。周期分析表明大尺度气候模态对该区域温度变化具有重要调制作用。本研究不仅填补了高纬度东亚地区长尺度高分辨率温度记录的空白，也为评估全球变暖背景下寒温带针叶林生态系统的稳定性和碳汇功能提供了关键的历史基线。