不同去趨勢方法對(duì)樹輪氣候信號(hào)識(shí)別的影響

李 雪, 黃選瑞, 張先亮

河北農(nóng)業(yè)大學(xué)林學(xué)院,保定 071000

樹輪以其定年準(zhǔn)確、連續(xù)性強(qiáng)、分辨率高以及包含氣候信息豐富等特點(diǎn),已成為氣候?qū)W和生態(tài)學(xué)研究中的重要手段[1]。樹木的徑向生長受其內(nèi)在生長趨勢(年齡增加)、溫度和降水等氣候因素、環(huán)境干擾以及其他擾動(dòng)信號(hào)所控制[2- 3]。為得到樹木年輪中包含的氣候信息,需要從樹輪寬度中去除樹木的內(nèi)在生長趨勢[4]。從原始的樹木年輪中去除生長趨勢的方法稱為標(biāo)準(zhǔn)化方法,一般將其歸為用后驗(yàn)選擇擬合輪寬變化趨勢的隨機(jī)性方法和以確定數(shù)學(xué)模型擬合所有輪寬生長趨勢的確定性方法[5- 6]。隨機(jī)性方法是自適應(yīng)的,如平滑的樣條法[7],其識(shí)別的樹木生長趨勢和觀察到的輪寬變化趨勢較為一致。確定性去趨勢方法主要有線性和負(fù)指數(shù)函數(shù)法[8],二者主要適用于干旱、半干旱地區(qū)生長變化較簡單的緩慢遞減型樹木[9]。在濕潤地區(qū)上述方法則不能準(zhǔn)確擬合出樹木生長趨勢,而樣條函數(shù)則運(yùn)用連續(xù)光滑的插值方法對(duì)具有連續(xù)性生長和種間競爭產(chǎn)生非同步擾動(dòng)的樣本進(jìn)行擬合,不需要假設(shè)樹木生長趨勢是何種形式[10],因此,在濕潤地區(qū)樣條函數(shù)去趨勢方法得到的年表對(duì)氣候響應(yīng)的結(jié)果較好,但是其保留低頻信號(hào)的能力偏低[11]。

氣候變化周期往往超過樹木年輪序列的長度,這部分氣候信息不會(huì)被標(biāo)準(zhǔn)化年表捕捉到而丟失,導(dǎo)致氣候信息扭曲或失真[12- 13]。為了保留樹輪年表中的長期氣候信號(hào),Briffa等人率先提出了一種區(qū)域曲線標(biāo)準(zhǔn)化方法(RCS)[14],隨后,基于曲線擬合類發(fā)展起來的“signal-free” 去趨勢方法(SsfCrn)通過反復(fù)迭代的方法得到平穩(wěn)的年輪寬度指數(shù)序列,再對(duì)輪寬序列求平均進(jìn)而建立零信號(hào)年表,逐步恢復(fù)一些殘余氣候信號(hào),從而減少趨勢扭曲問題[14- 18],該方法雖已得到廣泛的應(yīng)用,但在保存長期氣候信號(hào)方面仍有待探索。不同去趨勢方法均有其優(yōu)點(diǎn)和缺點(diǎn)。近年來,為了解決現(xiàn)存方法中的問題,新的去趨勢方法不斷被發(fā)展出來,例如能夠有效保存長期氣候信號(hào)和低頻信號(hào)的基于集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)的去趨勢方法[6,19]。

不同去趨勢方法建立的年表具有一定的差異,其中std和spline去趨勢方法建立的樹輪年表較為相似,而SsfCrn去趨勢方法建立的樹輪寬度年表中則可保留較多的輪寬低頻變化信息[20]。不同的去趨勢方法得到的年表包含氣候信號(hào)強(qiáng)弱也不同,比如SsfCrn年表保留更多與降水有關(guān)的氣候信息[20- 21]。EEMD方法的優(yōu)勢在于能夠識(shí)別樹木年輪變化中包含不同尺度的信號(hào)[6]。另外,不同去趨勢方法對(duì)溫度和降水的敏感性不同[22- 23]。因此,為評(píng)估不同去趨勢方法對(duì)樹輪氣候識(shí)別的影響,本文采用EEMD(經(jīng)驗(yàn)?zāi)Ｊ椒纸夥?、SsfCrn(“signal-free”方法)、std(線性和負(fù)指數(shù)函數(shù)法)、spline(67%樣條函數(shù)法)、firedman方法5種不同去趨勢方法對(duì)68個(gè)采樣點(diǎn)的樹木生長趨勢進(jìn)行擬合,分析對(duì)比5種去趨勢方法建立的年表對(duì)氣候要素的響應(yīng)差異,以期為不同研究區(qū)域選擇合適的生長趨勢擬合方法提供參考,使從樹輪寬度中獲取的氣候信息更加準(zhǔn)確。

1 材料與方法

1.1 氣象數(shù)據(jù)

IPCC報(bào)告指出短期的氣候趨勢對(duì)起始年和終止年的選擇很敏感,一般不能反映長期的氣候趨勢,所以氣候變化研究一般要基于30年及以上的變化趨勢[24]。由于20世紀(jì)50年代以前氣象站點(diǎn)數(shù)量較少,氣象數(shù)據(jù)差異較大,因此本文的氣象數(shù)據(jù)主要來自中國氣象數(shù)據(jù)網(wǎng)(http://cdc.cma.gov.cn)1970—2004年中國地面氣候資料月值數(shù)據(jù)集臺(tái)站信息,選取離采樣點(diǎn)較近且屬于同一氣候類型的氣象站作為氣象資料。選擇月平均溫、月最低溫、月平均最低溫、月最高溫、月平均最高溫、月降水量和月相對(duì)濕度作為本研究的主要?dú)夂蛞蜃印?/p>

1.2 樣本數(shù)據(jù)和年表建立

從國際年輪數(shù)據(jù)庫網(wǎng)站(https://www.ncdc.noaa.gov/paleo-search/?dataTypeId=18)下載中國西部地區(qū)68個(gè)樣點(diǎn)樹輪寬度數(shù)據(jù),分布如(圖1)所示。其中新疆維吾爾族自治區(qū)16個(gè)點(diǎn),西藏自治區(qū)8個(gè)點(diǎn),青海省19個(gè)點(diǎn),云南省12個(gè)點(diǎn),四川省9個(gè)點(diǎn),陜西省4個(gè)點(diǎn)。

本研究采取spline法、std方法、SsfCrn方法、firedman方法和EEMD去趨勢方法5種常用的去趨勢方法對(duì)樹木生長趨勢進(jìn)行識(shí)別,建立樹輪標(biāo)準(zhǔn)化序列,得到5種不同的年表,即67%樣條函數(shù)的標(biāo)準(zhǔn)化年表,線性或負(fù)指數(shù)曲線的標(biāo)準(zhǔn)化年表, “Signal-Free”標(biāo)準(zhǔn)化年表, firedman標(biāo)準(zhǔn)化年表和基于EEMD的標(biāo)準(zhǔn)化年表,分別用spline、std、SsfCrn、firedman、EEMD來表示。其中SsfCrn方法使用RCSigFree程序[25]進(jìn)行去趨勢,std、spline、firedman3種方法使用ARSTAN[26]程序進(jìn)行去趨勢。EEMD方法利用MATLAB軟件的EemdCrn.m文件對(duì)年輪樣芯進(jìn)行去趨勢處理[6]。EEMD方法的EemdCrn.m文件下載于網(wǎng)站https://www.researchgate.net/publication/331639377_Detrending_code_for_Matlab_and_R_user。SsfCrn和RCS方法要求樣芯數(shù)據(jù)通過髓心,由于年輪樣品數(shù)據(jù)中肯定有部分樣條沒有過髓心,這可能會(huì)影響去趨勢序列的準(zhǔn)確性。然而如果缺年不多,對(duì)去趨勢的結(jié)果的影響有限[27]。

圖1 取樣點(diǎn)分布圖Fig.1 Distribution of sampling points

1.3 數(shù)據(jù)處理

按照氣象站點(diǎn)應(yīng)與采樣點(diǎn)距離較近且位于同一氣候區(qū)的原則,選取離采樣點(diǎn)最近的氣象站的氣候資料。將下載的氣候數(shù)據(jù)與5種不同去趨勢方法建立的樹輪寬度年表進(jìn)行相關(guān)性分析?？紤]到前一年的氣候狀況會(huì)對(duì)當(dāng)年樹木生長的影響,采用前一年9月到當(dāng)年9月的氣候資料揭示氣候因子單月與標(biāo)準(zhǔn)化年表的相關(guān)關(guān)系[28]。通過連續(xù)且相關(guān)性較好月份進(jìn)行組合,更能體現(xiàn)氣候因子與樹輪年表之間的相關(guān)性,從而反映不同去趨勢方法建立的年表對(duì)氣候條件響應(yīng)差異。采用SPSS軟件進(jìn)行相關(guān)分析,用Arcgis10.3和Origin9.0軟件做采樣點(diǎn)分布圖及相關(guān)性圖。

1.4 最優(yōu)去趨勢方法的確定方式

對(duì)比同一采樣點(diǎn)基于不同去趨勢方法得到的年表與月份組合的氣候因子之間的相關(guān)系數(shù)的高低,確定每個(gè)采樣點(diǎn)的最優(yōu)去趨勢方法。將與采樣點(diǎn)較近且屬于同一個(gè)氣候區(qū)氣象站各氣候因子的月值數(shù)椐作為氣象資料,分別與不同去趨勢方法建立的年表進(jìn)行相關(guān)分析,得到氣候因子單月與樹輪年表之間的相關(guān)關(guān)系。將連續(xù)且相關(guān)性較好的月份組合后再與年表進(jìn)行相關(guān)分析,充分反映不同去趨勢方法建立的年表對(duì)氣候因子的響應(yīng)情況。通過對(duì)比不同年表與同一月份組合的氣候因子之間的相關(guān)系數(shù)大小,得出最優(yōu)去趨勢方法。選擇與月份組合的氣候因子相關(guān)系數(shù)最高的年表基于的去趨勢方法作為最優(yōu)去趨勢方法。

2 結(jié)果與分析

2.1 最優(yōu)去趨勢方法的確定

最優(yōu)去趨勢方法的確定方法以隨機(jī)選擇的三個(gè)地區(qū)(云南德欽、四川稻城與新疆恰西)的年表與月平均溫相關(guān)系數(shù)為例說明。云南德欽5種年表與月平均溫相關(guān)性系數(shù)如(圖2)所示,可以看出各年表與溫度的相關(guān)系數(shù)在9個(gè)月達(dá)到顯著水平,除前一年10月和12月firedman年表與溫度呈負(fù)相關(guān)以外,其他4種年表與溫度均呈正相關(guān),且SsfCrn年表與溫度的相關(guān)性最高。一般來講,與單月氣候要素值相比,樹輪寬度指數(shù)對(duì)多個(gè)月份氣候要素平均值響應(yīng)更好。該地區(qū)5種年表1—9月月份組合相關(guān)性分析結(jié)果顯示,SsfCrn、EEMD、std、spline年表與均溫的相關(guān)均達(dá)到顯著水平,SsfCrn年表與均溫的相關(guān)系數(shù)最高達(dá)到0.75。綜上所述,在云南德欽地區(qū)SsfCrn年表與月平均溫的相關(guān)性最高。

四川稻城5種年表與月平均溫相關(guān)系數(shù)如(圖2)所示,SsfCrn年表對(duì)月平均溫響應(yīng)較好且在6個(gè)月與均溫的相關(guān)性達(dá)到顯著水平。將1—4月月均溫進(jìn)行平均后與5種年表進(jìn)行相關(guān)性分析,得到SsfCrn年表對(duì)月平均溫的相關(guān)系數(shù)最高(0.61),spline、std和EEMD年表次之,firedman年表較差。因此,在四川德欽與月平均溫相關(guān)系數(shù)最高的為SsfCrn年表。

新疆恰西5種年表與月平均溫相關(guān)系數(shù)如(圖2)所示。絕大多數(shù)月份5種年表與均溫均呈負(fù)相關(guān)且EEMD年表相關(guān)性較好。在5—9月月份組合中,EEMD年表與均溫的相關(guān)性較高。因此,在新疆恰西EEMD去趨勢方法建立的年表對(duì)月平均溫的響應(yīng)較其他年表好,能保留較多的均溫信號(hào)。

圖2 不同年表與月平均溫的相關(guān)系數(shù)Fig.2 Correlation coefficient between different chronologies and monthly mean temperature

2.2 五種年表對(duì)氣候因子的響應(yīng)差異

2.2.1五種年表對(duì)溫度因子的響應(yīng)差異

根據(jù)各個(gè)年表與氣候因子的相關(guān)系數(shù)確定每一個(gè)采樣點(diǎn)的最優(yōu)去趨勢方法。在所有樣點(diǎn)中,各個(gè)年表對(duì)均溫的最優(yōu)去趨勢方法的地理分布及比例如(圖3)所示。SsfCrn方法建立的年表與均溫相關(guān)性較高的點(diǎn)有21個(gè),比例為32.31%。EEMD年表在19個(gè)樣點(diǎn)與均溫相關(guān)性較好,占比29.23%。std年表和firedman年表在11個(gè)樣點(diǎn)與均溫相關(guān)性較好,占比均為16.92%,而spline方法僅在3個(gè)樣點(diǎn)為最優(yōu)去趨勢方法,占比4.62%。

與月最低溫、月平均最低溫相關(guān)較高的最優(yōu)去趨勢方法在所有樣點(diǎn)的地理分布和比例如(圖3)所示。SsfCrn年表與月最低溫和月平均最低溫的相關(guān)較高,且相關(guān)較高的點(diǎn)在所有樣點(diǎn)中的比例均達(dá)到45%以上。EEMD方法次之,對(duì)兩種氣候因子相關(guān)最好的點(diǎn)分別占比32.31%和25.81%。其他3種方法對(duì)月最低溫和月平均最低溫響應(yīng)相對(duì)較差。

由各個(gè)年表與月最高溫相關(guān)系數(shù)所確定的最優(yōu)去趨勢方法的地理分布及比例如(圖3)所示。在65個(gè)采樣點(diǎn)中,以EEMD、SsfCrn、std、spline和firedman5種去趨勢方法為最優(yōu)去趨勢方法的采樣點(diǎn)個(gè)數(shù)分別為18個(gè)、17個(gè)、12個(gè)、7個(gè)、11個(gè),對(duì)應(yīng)占比分別為：27.69%、26.15%、18.46%、10.77%和16.92%。與月平均最高溫相關(guān)最高所確定的最優(yōu)去趨勢方法在所有樣點(diǎn)的地理分布和比例如(圖3)所示,以firedman去趨勢方法為最優(yōu)去趨勢方法的點(diǎn)占比為26.15%,SsfCrn和EEMD去趨勢方法分別占24.62%和23.08%,std去趨勢方法占18.46%,而spline方法僅占7.69%。

圖3 對(duì)月溫度響應(yīng)的最優(yōu)去趨勢方法的地理分布圖和比例圖Fig.3 Geographical distribution and percentage map of the optimal detrending method for monthly temperature response

2.2.2五種年表對(duì)水分因子的響應(yīng)差異

根據(jù)各個(gè)年表與降水量的相關(guān)系數(shù)確定每一個(gè)采樣點(diǎn)的最優(yōu)去趨勢方法,所有樣點(diǎn)的最優(yōu)去趨勢方法的地理分布及比例如(圖4)所示。以EEMD和SsfCrn方法為最優(yōu)去趨勢方法的采樣點(diǎn)均有21個(gè),均占32.81%。以spline、std和firedman方法為最優(yōu)去趨勢方法的采樣點(diǎn)占比均較低。與相對(duì)濕度相關(guān)最高的最優(yōu)去趨勢方法在所有樣點(diǎn)的地理分布及比例如(圖4)所示。其中,EEMD去趨勢方法生成的年表與相對(duì)濕度的相關(guān)系數(shù)較高的點(diǎn)在所有樣點(diǎn)中占比31.34%,SsfCrn和firedman去趨勢方法分別占28.36%、23.88%,而std和spline方法生成的年表與相對(duì)濕度的相關(guān)系數(shù)最高的點(diǎn)在所有樣點(diǎn)中占比較低。

圖4 對(duì)水分響應(yīng)的最優(yōu)去趨勢方法的地理分布圖和比例圖Fig.4 Geographical distribution and percentage map of the optimal detrending method for moisture response

2.2.3不同去趨勢方法得到年表氣候響應(yīng)的空間差異

不同去趨勢方法建立的年表對(duì)氣象因子的響應(yīng)存在一定的空間差異。EEMD年表在青海省北部等較為干旱的地區(qū)與溫度的相關(guān)性較高的點(diǎn)在所有樣點(diǎn)中的比例較高。而SsfCrn去趨勢方法建立的年表在四川省西部與云南省等半濕潤地區(qū)與溫度的相關(guān)性較高的樣點(diǎn)在所有樣點(diǎn)中的比例較高。對(duì)相對(duì)濕度的響應(yīng)上,SsfCrn年表在四川省、云南省及西藏地區(qū)交界處等半濕潤地區(qū)較其他年表有優(yōu)勢,而EEMD年表在青海北部等干旱區(qū)域較其他年表對(duì)相對(duì)濕度的相關(guān)性高。EEMD年表和SsfCrn年表對(duì)降水的響應(yīng)優(yōu)勢較大的區(qū)域主要在青海省和西藏地區(qū),其他三種方法占比較低且不集中。

3 討論

建立樹輪寬度年表時(shí),選擇不同去趨勢方法擬合樹木生長趨勢,得到的年表的質(zhì)量、包含的氣候信息及對(duì)氣候要素響應(yīng)均存在一定差異。年表和氣候因素之間相關(guān)性分析是衡量年表能否反應(yīng)氣候信息的關(guān)鍵[29]。不同的去趨勢方法針對(duì)不同的氣候變量有不同的響應(yīng)表現(xiàn)。本文的結(jié)果表明不同去趨勢方法建立的年表對(duì)氣候響應(yīng)有差異： SsfCrn年表對(duì)溫度響應(yīng)優(yōu)于其他年表,而EEMD年表對(duì)水分響應(yīng)優(yōu)于其他年表。相對(duì)于最常使用的線性和負(fù)指數(shù)函數(shù)法,SsfCrn方法是RCS方法的一種改進(jìn),其優(yōu)點(diǎn)是能夠保留長期的氣候信號(hào)。近50年來,由于氣溫呈現(xiàn)明顯的上升趨勢,這種趨勢會(huì)影響溫度與年表之間的相關(guān)性。保留長期趨勢比較多的去趨勢方法如SsfCrn及EEMD方法得到的年表可能由于長期趨勢的影響得到和溫度的相關(guān)性比較高。因此,SsfCrn方法作為一種能夠保留較多長期信號(hào)的去趨勢方法,在探測溫度的長期變化趨勢對(duì)樹木生長的影響方面具有明顯的優(yōu)勢。

作為新發(fā)展的去趨勢方法,EEMD去趨勢方法是將非平穩(wěn)的信號(hào)分解為固有的振蕩模式和平均趨勢,而平均趨勢包含了樹木生長的長期趨勢[19],因而EEMD去趨勢方法可以較好的代替?zhèn)鹘y(tǒng)方法,去除樹木的生長趨勢。由于樹木徑向生長不是按照某個(gè)固定的模式規(guī)律生長,因此并不能選擇一種理想的以確定函數(shù)擬合樹木生長趨勢的傳統(tǒng)去趨勢方法將樹木生長趨勢去除。傳統(tǒng)去趨勢方法擬合的生長趨勢中可能會(huì)包含一些氣候信息,導(dǎo)致年表中包含的氣候信息(尤其是接近或超過樣芯長度的中低頻信息)損失或者扭曲[30],因此傳統(tǒng)去趨勢方法敏感性和準(zhǔn)確性較低,尤其對(duì)短序列樣本影響較大,不適合對(duì)樣本序列較短的樹木進(jìn)行擬合,而適用于長序列樹種擬合[16]。EEMD作為一種自適應(yīng)的、數(shù)椐驅(qū)動(dòng)的算法,能夠反映樹木內(nèi)在生長趨勢的一種方法,并根據(jù)樹木生長的趨勢進(jìn)行自適應(yīng)擬合,進(jìn)而反映自然生長趨勢[6,19],與其他去趨勢方法相比,這是EEMD方法的優(yōu)勢。EEMD方法得到的年表與各個(gè)氣候因子的相關(guān)性總體上表現(xiàn)較好,說明這種方法在識(shí)別樹輪氣候信號(hào)上具有明顯的優(yōu)勢。由于EEMD方法可以去除不同尺度的氣候信號(hào),在識(shí)別高頻信號(hào)上具有一定的優(yōu)勢,多年降水的變化多表現(xiàn)為高頻變化,因此EEMD年表對(duì)降水的響應(yīng)比較敏感。

firedman方法去除大部分的低頻信號(hào)得到高頻信號(hào)以用于各種高頻的干擾對(duì)樹木生長的影響。月平均最高溫具有明顯的高頻變化,因此,firedman年表對(duì)月均最高溫的響應(yīng)比較敏感。在各種去趨勢方法的對(duì)比研究中,傳統(tǒng)的去趨勢方法如線性和負(fù)指數(shù)函數(shù)法、樣條函數(shù)法等方法相對(duì)于RCS和SsfCrn方法不能保留較多長期趨勢[31-32]。同時(shí),這些傳統(tǒng)方法對(duì)于長于樹芯年齡的長期頻率信號(hào),往往會(huì)出現(xiàn)增長趨勢和擬合曲線不相關(guān)的情況如“末端效應(yīng)”[33- 34]。因此,基于傳統(tǒng)去趨勢方法得到的相關(guān)結(jié)果的表現(xiàn)可能會(huì)介于能保留長期信號(hào)的RCS或SsfCrn及能保留較多高頻信號(hào)的firedman方法之間。

不同的去趨勢方法生成的年表對(duì)氣候的響應(yīng)和采樣區(qū)域的氣候特征也有一定的關(guān)系。干旱、半干旱地區(qū)的樹木生長變化呈現(xiàn)較簡單的緩慢遞減型,樹木生長中極端值比較少,EEMD去趨勢方法更適合于對(duì)這種具有明顯趨勢的緩慢遞減型的生長趨勢進(jìn)行識(shí)別,因此,EEMD去趨勢方法在干旱區(qū)對(duì)溫度的響應(yīng)結(jié)果優(yōu)于其他去趨勢方法。而較濕潤環(huán)境下樹木生長包含較多的相互競爭產(chǎn)生的非同步擾動(dòng),而SsfCrn方法可以較好的通過多次迭代的曲線擬合方法去除該方面的擾動(dòng),因此,SsfCrn方法得到的年表在半濕潤的地區(qū)對(duì)溫度的響應(yīng)結(jié)果優(yōu)于其他方法得到的結(jié)果。這可能是不同去趨勢方法在不同氣候區(qū)域有不同表現(xiàn)的原因。

目前,大部分的樹輪氣候?qū)W研究多基于傳統(tǒng)的線性和負(fù)指數(shù)方法進(jìn)行去趨勢。然而我們的研究結(jié)果表明SsfCrn, EEMD和firedman等方法可能在識(shí)別樹輪氣候信號(hào)方面更有優(yōu)勢。一般來說,如果基于各種去趨勢方法得到的年表和氣候因子的相關(guān)性差別不大,在這種情況下選擇任何年表進(jìn)行樹輪氣候信號(hào)分析對(duì)結(jié)果的影響不大。然而有些情況下,基于某一方法得到的年表和氣候的相關(guān)性和其他年表得到的氣候相關(guān)性是相反的,在這種情況下需要特殊分析該年表得到的氣候信號(hào)是否正確。

由于樹木生長受各種復(fù)雜因素的影響,對(duì)同一研究區(qū)采集的樹芯,采用不同的去趨勢方法擬合樹木生長趨勢得到的氣候信息可能也會(huì)產(chǎn)生差異?，F(xiàn)有的不同去趨勢方法各有利弊,應(yīng)根據(jù)不同的研究目的,選擇合適的去趨勢方法,以提高結(jié)果的準(zhǔn)確性。本文通過分析在中國西部地區(qū)5種去趨勢方法建立的年表與7種氣候因素的響應(yīng)差異,確定各樣點(diǎn)不同氣候因素的最優(yōu)去趨勢方法地理分布,為以后在中國西部地區(qū),選擇去趨勢方法、提高樹木年輪寬度年表質(zhì)量、研究樹木徑向生長對(duì)氣候條件響應(yīng)等提供依據(jù)。

4 結(jié)論

不同去趨勢方法得到的年表對(duì)溫度、降水以及相對(duì)濕度等氣候因素的響應(yīng)具有明顯差異。其中,SsfCrn去趨勢方法建立的年表對(duì)溫度(月平均溫、月最低溫、月平均最低溫)響應(yīng)較好；EEMD去趨勢方法建立的年表對(duì)降水量、相對(duì)濕度和月最高溫響應(yīng)中較有優(yōu)勢；firedman去趨勢方法建立的年表對(duì)月平均最高溫響應(yīng)較好。不同去趨勢方法建立的年表對(duì)氣候條件的響應(yīng)在空間格局上有差異,表現(xiàn)在EEMD年表在干旱區(qū)對(duì)溫度的相關(guān)系數(shù)較高,而SsfCrn年表在濕潤區(qū)對(duì)溫度的相關(guān)系數(shù)較高。因此選擇不同的去趨勢方法識(shí)別樹木生長趨勢研究不同去趨勢方法對(duì)樹輪氣候信號(hào)研究至關(guān)重要。

參考文獻(xiàn)(References):

[1] 吳祥定, 邵雪梅. 中國樹木年輪氣候?qū)W研究動(dòng)態(tài)與展望. 地球科學(xué)進(jìn)展, 1993, 8(6): 31- 35.

[2] Fritts H C. Tree Rings and Climate. Scientific American, 1972, 226(5): 92- 100.

[3] Cook E R, Kairiukstis L A. Methods of Dendrochronology: Applications in the Environmental Sciences. Dordrecht: Springer, 1990: 603- 605.

[4] Peters R L, Groenendijk P, Vlam M, Zuidema P A. Detecting long-term growth trends using tree rings: a critical evaluation of methods. Global Change Biology, 2015, 21(5): 2040- 2054.

[5] 勾曉華, 楊梅學(xué), 彭劍峰, 張永, 陳拓, 侯宗東. 樹輪記錄的阿尼瑪卿山區(qū)過去830年夏半年最高溫變化. 第四紀(jì)研究, 2006, 26(6): 991- 998.

[6] Zhang X L, Li J X, Liu X B, Chen Z J. Improved EEMD-based standardization method for developing long tree-ring chronologies. Journal of Forestry Research,2020, 31：2217-2224

[7] Cook E R, Peters K. The smoothing spline: a new approach to standardizing forest interior tree-ring width series for dendroclimatic studies. Tree-Ring Bulletin, 1981, 41: 45- 53.

[8] Fritts H C, Mosimann J E, Bottorff C P. A revised computer program for standardizing tree-ring series. Tree-Ring Bulletin, 1969, 29(1/2): 15- 20.

[9] 徐巖, 邵雪梅. 柴達(dá)木盆地東緣祁連圓柏輪寬序列標(biāo)準(zhǔn)化的方法研究. 地理學(xué)報(bào), 2006, 61(9): 919- 928.

[10] 秦莉, 袁玉江, 史玉光, 張同文, 喻樹龍, 陳峰, 范子昂, 尚華明. 樣條函數(shù)步長變化對(duì)樹輪寬度年表與氣候相關(guān)性的影響初探. 中國沙漠, 2012, 32(1): 175- 180.

[11] 張瑞波, 袁玉江, 魏文壽, 邵雪梅, 喻樹龍, 陳峰, 張同文, 尚華明, 范子昂. 不同生境和去趨勢方法下的祁連圓柏徑向生長對(duì)氣候的響應(yīng). 生態(tài)學(xué)報(bào), 2013, 33(24): 7827- 7837.

[12] Granger C W J. The typical spectral shape of an economic variable. Econometrica, 1966, 34(1): 150- 161.

[13] 黃凱, 楊保. 祁連山中段樹木年輪低頻氣候信息提取方法探討. 中國沙漠, 2012, 32(3): 806- 814.

[14] Briffa K R, Jones P D, Bartholin T S, Eckstein D, Schweingruber F H, Karlen W, Zetterberg P, Eronen M. Fennoscandian summers from AD 500: temperature changes on short and long timescales. Climate Dynamics, 1992, 7(3): 111- 119.

[15] Melvin T M, Briffa K R. A “signal-free” approach to dendroclimatic standardisation. Dendrochronologia, 2008, 26(2): 71- 86.

[16] 賈敏, 朱萬澤, 王文志. 樹木徑向生長主要去趨勢方法與誤差分析. 世界林業(yè)研究, 2017, 30(3): 59- 63.

[17] 彭小梅, 肖生春, 肖洪浪. 樹木年輪輪寬年表建立方法研究進(jìn)展. 中國沙漠, 2013, 33(3): 857- 865.

[18] 方克艷, 劉昶智, 勾曉華, 李穎俊. 樹輪學(xué)的一些基本研究方法和存在的問題. 蘭州大學(xué)學(xué)報(bào)(自然科學(xué)版), 2012, 48(5): 41- 46.

[19] Zhang X L, Chen Z J. A new method to remove the tree growth trend based on ensemble empirical mode decomposition. Trees:Structure&Function, 2017, 31(2): 405- 413.

[20] 袁玉江，魏文壽，Esper J，喻樹龍，張瑞波. 采點(diǎn)和去趨勢方法對(duì)天山西部云杉上樹線樹輪寬度年表相關(guān)性及其氣候信號(hào)的影響. 中國沙漠，2008，28(5)：809-814.

[21] 李宗善, 劉國華, 傅伯杰, 張齊兵, 胡嬋娟, 羅淑政. 不同去趨勢方法對(duì)樹輪年表氣候信號(hào)的影響——以臥龍地區(qū)為例. 植物生態(tài)學(xué)報(bào), 2011, 35(7): 707- 721.

[22] 高露雙, 唐景毅, 柳靜臣, 戴誠, 趙秀海. 去趨勢方法對(duì)建立不同海拔魚鱗云杉-氣候關(guān)系的影響. 應(yīng)用與環(huán)境生物學(xué)報(bào), 2014, 20(1): 128- 133.

[23] 彭正兵, 李新建, 張瑞波, 秦莉, 張合理, 陳友平, 劉蕊. 不同去趨勢方法的新疆東天山高低海拔雪嶺云杉樹輪寬度年表對(duì)氣候的響應(yīng). 生態(tài)學(xué)報(bào), 2019, 39(5): 1595- 1604.

[24] 沈永平, 王國亞. IPCC第一工作組第五次評(píng)估報(bào)告對(duì)全球氣候變化認(rèn)知的最新科學(xué)要點(diǎn). 冰川凍土, 2013, 35(5): 1068- 1076.

[25] Duan J P, Zhang Q B. A 449 year warm season temperature reconstruction in the southeastern Tibetan Plateau and its relation to solar activity. Journal of Geophysical Research Atmospheres, 2014, 119(20): 11578- 11592.

[26] Cook E R, Holmes R L. Users manual for ARSTAN.Laboratory of Tree-ring Research, University of Arizona,Tucson, 1986.

[27] Esper J, Cook E R, Krusic P J, Peters K, Schweingruber F H. Tests of the RCS method for preserving low-frequency variability in long tree-ring chronologies. Tree-Ring Research, 2003, 59(2): 81- 98.

[28] 賈飛飛, 魯瑞潔, 尚媛, 田麗慧, 陳原. 不同去趨勢方法對(duì)哈思山地區(qū)樹輪寬度年表氣候信號(hào)的影響. 干旱區(qū)地理, 2014, 37(4): 676- 683.

[29] 勾曉華, 邵雪梅, 王亞軍, 陳發(fā)虎. 祁連山東部地區(qū)樹木年輪年表的建立. 中國沙漠, 1999, 19(4): 364- 367.

[30] Warren W G. On removing the growth trend from dendrochronological data. Tree-Ring Bulletin, 1980, 40: 35- 44.

[31] Cook E R, Briffa K R, Meko D M, Graybill D A, Funkhouser G. The ‘segment length curse’ in long tree-ring chronology development for palaeoclimatic studies. The Holocene, 1995, 5(2): 229- 237.

[32] 劉晶晶, 楊保. 西藏浪卡子地區(qū)樹輪寬度特征值年表的建立. 第四紀(jì)研究, 2014, 34(6): 1280- 1287.

[33] D′Arrigo R D, Kaufmann R K, Davi N, Jacoby G C, Laskowski C, Myneni R B, Cherubini P. Thresholds for warming-induced growth decline at elevational tree line in the Yukon Territory, Canada. Global Biogeochemical Cycles, 2004, 18(3): 1-7.

[34] Fang K Y, Gou X H, Peters K, Li J B, Zhang F. Removing biological trends from tree-ring series: testing modified hugershoff curves. Tree-Ring Research, 2010, 66(1): 51- 59.