利用古土壤地球化学改进古气候预测

《CATENA》：Improving paleoclimate predictions from paleosol geochemistry

　　

基于古土壤的气候函数在精细化的古气候重建中面临困难。大幅扩展的现代土壤数据集以及偏最小二乘回归（PLS）/主成分回归（PCR）统计模型能改进预测效果。新模型能够预测温度（年均温，MAT）、降水（年均降水，MAP）、季节性（年均温变化范围，MART；生长季降水，GSP）。将该模型应用于白垩纪验证了先前的假设，并与模拟的季风条件相吻合。该古土壤地球化学古气候模型和数据集采用开源方式以供广泛使用。

研究背景与意义：在缺乏历史类似物的温暖地质时期，陆地古气候档案对于理解气候系统演化及评估未来气候模型至关重要。古土壤作为深时陆地古气候记录的基石，其矿物与大气相互作用产生的地球化学特征被广泛用于古气候重建。传统研究主要通过建立“气候函数”将元素比率与气候特征联系起来。然而，现有基于古土壤地球化学的古气候代理模型仍存在诸多局限：训练数据集存在空白、验证步骤中出现预测不匹配、不确定性约束不佳、模型代码缺乏可及性，且古气候输出响应变量较少。为解决这些问题，研究人员开发了一种新的古土壤地球化学古气候模型。该研究成果发表在《CATENA》期刊上，显著提升了深时古气候预测的准确性和适用性，为理解过去气候系统及预测未来极端气候条件提供了关键工具。

关键技术方法：研究人员汇编了全球现代B层土壤10种主要氧化物的地球化学数据，样本主要来源于已发表文献及美国农业部自然资源保护局的土壤调查地理数据库，并排除了缺失关键元素的数据。结合PRISM、WorldClim和CHELSA气候数据库提取样本对应的环境响应变量。在统计建模阶段，研究人员采用PCR和PLS方法处理多重共线性问题，并通过五折交叉验证计算均方根预测误差（RMSPE）以确定最优主成分数量，最终构建了SGPM。该模型代码在R和Python开源平台发布。

研究结果：

模型细节与性能：为减少数据偏度，研究人员对部分氧化物进行了对数转换。通过比较RMSPE，选取前五个主成分构建最终模型。模型验证显示，MAT与K₂O和Na₂O呈负相关，与盐类及长石矿物的温度依赖性溶解相符；MART与Al₂O₃、TiO₂和Fe₂O₃呈负相关；MAP与CaO和Fe₂O<sub>3>等关键氧化态特点密切相关；GSP的预测则反映了季节性湿润条件下的特定粘土风化作用。该模型在统计合理性上优于传统线性回归，对大数据集拟合度更高，且具有高度的灵活性与可及性。

案例研究：白垩纪西部内陆盆地：为验证SGPM，研究人员将其应用于北美西部内陆盆地的晚白垩世标本，包括Two Medicine组和Kaiparowits组的数据。预测结果显示，TMF的MAT预测值为12.7°C，KF为13.0°C；MART预测平均在25°C以上；MAP预测平均约为750 mmyr^-1；GSP占年均降水量的60%以上。这些结果验证了该模型具有准确预测关键气候参数的能力。

结论：研究人员扩展了全球土壤地球化学数据集并开发了SGPM，实现了低RMSPE的MAT和MAP预测，并推出了MART和GSP代理指标。将该模型应用于白垩纪地层，预测结果与现有代理及区域气候模型一致。SGPM为白垩纪WIB的降水季节性和季风条件提供了直接的代理证据。该模型结构独立且采用开源代码，可供广泛的古气候研究使用。</sub>