文章信息
- 李文卿, 江源, 赵守栋, 张凌楠, 刘锬
- Li W Q, Jiang Y, Zhao S D, Zhang L N, Liu T.
- 六盘山地区油松树轮宽度年表与多尺度标准化降水指数的关系
- Response of tree-ring width chronology of Pinus tabulaeformis to multi-scale standardized precipitation index (SPIn) in the Liupan Mountain Area
- 生态学报. 2017, 37(10): 3365-3374
- Acta Ecologica Sinica. 2017, 37(10): 3365-3374
- http://dx.doi.org/10.5846/stxb201603140451
-
文章历史
- 收稿日期: 2016-03-14
- 网络出版日期: 2017-02-17
树木的生长受到自身遗传因素和外界环境因素的共同影响[1]。探究树木径向生长与气候变化之间的响应关系一直是树轮生态学的重要研究方面[2-4], 将树轮宽度年表与气候要素序列进行相关性分析是这类研究中十分常用的方法[5-6], 而气温和降水无疑是影响树木生长最重要的两个气候因子。现有研究大多采用气象站提供的气象观测数据或其它气候指数, 将月、季度或年作为时间单元分析树轮与气候因子之间的关系, 讨论不同时段气候因子对树木径向生长的制约作用。
基于研究需要, 已有多种干湿指数被应用于树轮生态学领域[5, 7]。标准化降水指数(Standardized Precipitation Index, SPI)由Mckee等人于1993年[8]提出, 经不断规范和完善[9], 现已成为一种被广泛认可和应用的表征区域干旱程度的重要指标[10]。SPI具有多时间尺度的特性, 可以同时反映区域内不同时间尺度和不同方面的水资源盈亏状况;与降水量观测值相比, SPI稳定性更强, 对于降水量少、降水变率大的大陆性干旱半干旱气候区而言, 该指数的应用能够有效规避极端观测数据的影响;与其它干旱指数相比, SPI仅考虑降水单一要素, 无须获取复杂的环境要素数据, 使研究结果更易得到解释, 其计算过程也相对简便[11-12], 与SPEI相比, SPI对小区域水分状况的代表性更强, 与PDSI相比, SPI具有多时间尺度的特性。这些特点使SPI成为一种十分适合干旱半干旱地区树轮生态学研究应用的气候指标, 有助于揭示树木生长在不同阶段对不同时间尺度干旱状况的响应规律。
目前, 时间单元划分对树轮宽度年表与气候要素相关性表达产生的影响尚不明晰, 树木径向生长对不同时间尺度水分状况的响应规律也有待研究。本文选择六盘山作为研究区域, 利用油松(Pinus tabulaeformis)树轮宽度年表和气象站提供的观测数据:通过划分不同长度的时间单元, 讨论时间单元长度对年表与气象要素相关性表达的影响;利用SPI多时间尺度的特性, 揭示油松不同生长阶段径向生长对不同时间尺度水分状况的响应规律, 为干旱区山地针叶林的管理和保护工作提供科学依据。
1 材料与方法 1.1 研究区域概况本研究使用的树轮样芯采集自宁夏回族自治区南部六盘山地区, 采样点位于六盘山天然油松林分布的北界[13]——须弥山(图 1)。研究区域所处的气候类型为典型的温带大陆性气候, 受西伯利亚冷空气影响较大, 终年干旱少雨, 因此当地树木生长受干旱胁迫明显[14], 对气候变化的响应也十分敏感。
本文使用的气象观测数据来源于固原气象站(106°16′E, 36°00′N, 海拔1753 m), 计算SPI依据的原始数据为1957—2011年的日降水量连续观测序列。根据固原气象站实测资料计算, 区域内多年平均降水量为432.5 mm, 其中6—9月降水量占全年总降水量的73.9 %;年均温为6.7℃, 最高月均温出现在七月, 为19.2℃, 具有典型的大陆性半干旱气候特征。多年月平均气温和月降水分布情况如图 2所示。
1.2 树轮宽度年表的建立本文使用的油松树轮样芯采样时间为2012年7月, 样品采集严格遵守树木年轮学的相关规范[1]。在样点内选择生长状况良好、树龄较长、未受人工和自然灾害干扰的油松样树, 计25株, 沿平行和垂直坡向两个方向在每株样树1.3 m树高处用生长锥钻取样芯两根, 共得到50根样芯。采样点的具体信息如表 1所示。
采样点 Site | 树种 Species | 纬度 Latitude | 经度 Longitude | 海拔/m Altitude | 坡向 Slope aspect | 坡度 Gradient | 郁闭度 Canopy density | 样本量(芯/树) Sample size (core/tree) |
须弥山 | 油松 | 36°17′ N | 105°54′ E | 1743 | 东偏北37° | 35° | 0.4 | 50/25 |
采回的树轮样芯经晾干、固定、打磨等预处理后, 进行交叉定年, 用LINTAB轮宽测量仪测量样芯年轮宽度(测量精度为0.01 mm), 并用COFECHA程序对交叉定年和轮宽量测的结果进行检验和校正[15], 剔除个别年份较短或对年表敏感性影响较大的序列。然后使用ARSTAN程序通过负指数函数拟合的方法去除树木生长趋势, 得到三种树轮宽度年表(差值年表、标准年表和自回归年表)以及年表统计特征和公共区间分析结果[16]
1.3 标准化降水指数(SPI)的计算SPI表示区域某时间段降水量观测值相对于同期降水量长期状况可能出现的概率, 值越高代表区域气候条件越湿润。Edwards和McKee等人在分析大量历史资料后发现, 降水量在长时间尺度上符合参数未定的Gamma分布[17]。依据这一理论建立降水量概率分布函数, 并根据已知的历史降水量观测序列用最大似然估计法估计未定参数的最似然值, 得到概率分布函数, 将其转化为标准正态分布, 即为SPI的计算公式。使用者可以自由指定SPI的标度, 即SPIn表示前n个时间单元降水量的累积概率。n取值越大, SPIn能代表区域越长时间尺度的水分盈亏状况。不同标度的SPI可以直接区分由于短时降水过少引起的浅层土壤水分亏缺和由于长时降水过少引起的补给性水分亏缺(包括地下水位、深层土壤水分、水库水位等)[11]。为保证估计待估参数的准确性, 降水观测序列的时间跨度须在40a以上, 且时间单元的长度应大于一周[18]。SPIn的具体计算方法文献[14]。
(1) 建立概率密度函数, 积分得到概率分布函数
(1) |
式(1) 中, x为计算序列内某时间单元降水量观测值, α、β为待估参数;
(2) 最大似然估计法计算待估参数
(2) |
式(2) 中, m为计算序列包含的时间单元个数, x代表各时间段降水量均值, xi为序列内第i时间单元的降水量观测值;
(3) 将式(2) 带入式(1), 令
(3) |
避免降水序列中零值超出Gamma方程定义域的情况, 做以下转换:
(4) |
式(4) 中, q为计算序列内降水量零值出现的概率;
(4) 将式(4) 代入式(3), 并将其转化为标准正态分布, 即得到SPI计算公式(5):
(5) |
式(5) 中, c0, c1, c2, d1, d2, d3为Gamma函数标准化的固定常数项。
固原气象站可以提供1957—2011年的日降水量连续观测数据, 序列长度满足SPI计算的精度要求。将气象站提供的日降水量序列转变为月、半月、旬3种时间单元的降水量序列, 然后使用美国国家干旱减灾中心(http://drough.unl.edu)提供的SPI计算程序分别计算3种时间单元降水量序列不同标度的SPIn(n=1, 2, 3, 6, 9, 12, 18, 24) 供相关分析之用。
1.4 相关性分析六盘山地区植物生长季一般在8—9月份结束[13-14], 且树木生长会受前一年气候变化的影响[19], 因此选择前一年10月到当年9月作为分析时段, 共包含12月、24半月和36旬, 分别以HMi和TDj(p19 ≤ i ≤ 18, p28 ≤ j ≤ 27) 表示半月和旬时间单元的序数, p代表前1年。计算油松树轮宽度标准年表与不同时间单元、不同标度SPI序列的Pearson相关系数, 并进行双尾检验, 设置显著水平为0.01和0.05, 相关性分析的时间序列跨度为1958—2011年, 自由度为52。
2 结果 2.1 树轮宽度年表的建立研究建立的年表由46组油松树轮宽度序列计算得到, 包含1880—2012年共132a的树轮宽度指数连续序列。本文使用树轮宽度标准年表(STD, 图 3)进行相关研究。
年表的统计特征可以反映树木生长的一些基本特征以及树轮年表包含环境信息的多少[1], 许多重要指标直接决定年表的质量和使用价值。在树木年轮学中, 平均敏感性(MS)、相关系数(R1, R2, R3)、信噪比(SNR)、第一主成分解释量(PC1) 和样本总体代表性(EPS)等指标数值越大, 表示所选样本建立的年表对于群体的代表性越好、包含的环境信息越多[1]。
本研究使用的油松树轮宽度标准年表样本总体代表性为0.966, 大于0.85的最低阈值[20], 平均敏感性、信噪比等也处于较高水平(表 2), 这都表明研究使用的油松标准年表具有较高的可信度, 可以较好的反映当地气候变化, 适用于相关研究。
年表统计量Chronology staistics | 公共区间分析Common interval analysis | ||
样本量(树/芯) Trees/Cores | 25/50 | 公共区间Common interval | 1935—2011 |
序列长度Time span | 1880—2012 | 所有样芯平均相关系数R1 | 0.480 |
指数均值Mean indices | 0.964 | 树间平均相关系数R2 | 0.470 |
标准差Standard deviation | 0.365 | 树内平均相关系数R3 | 0.832 |
平均敏感性M.S. | 0.287 | 信噪比SNR | 28.664 |
一阶自相关系数AC1 | 0.607 | 第一主成分解释量PC1 | 0.509 |
样本总体代表性EPS | 0.966 | ||
M.S.: mean sensitivity; AC1: first-order autocorrelation coefficientR1: all series rbar; R2: between-trees rbar; R3: within-trees rbarSNR: signal-to-noise ratio; PC1: first principal componentEPS: expressed population signal |
从图 4可以看到, 将时间单元长度缩短到半月, 树轮宽度年表与气候要素序列的相关关系出现在更短的时间段内。油松标准年表与当年7、8月份的SPI1分别呈现显著的正相关和负相关关系(P<0.05), 而与7月、8月范围内的HM14和HM15两个半月并未显示出显著的相关关系, 显著相关关系出现在HM13、HM16两个半月内, 且显著性水平在HM13提高到了0.01。此外, 将时间单元长度缩短到半月, 还出现了时间单元为月时未表现出的显著相关:油松标准年表与当年3月SPI1的负相关关系没能通过显著性检验, 而在同时间范围内与半月HM5却表现出极显著的负相关关系(P<0.01)。综上, 将时间单元缩短到半月, 不仅精确了相关关系出现的时段, 还避免了时间单元过大时对显著相关关系的掩盖。
2.2.2 旬时间单元对相关性表达的影响时间单元的长度进一步缩短到旬, 相较于月和半月, 油松标准年表与SPI的相关关系出现在了更短的时间段内:1) 油松标准年表与前一年12月SPI1呈显著正相关关系(P<0.01), 而仅与相同范围内TDp34和TDp36的SPI1呈显著正相关关系;2) 油松标准年表并未与当年9月SPI1出现显著相关, 却与其范围内TD26的SPI1呈现显著的正相关关系(P<0.05)。时间单元长度缩短到旬, 某些时段的相关关系出现弱化, 从图 4可以看到:1) 在HM5, 油松标准年表与SPI1有极显著的正相关关系(P<0.01), 而与相同时段TD7和TD8两旬SPI1相关关系的显著性水平仅为0.05;2) 油松标准年表与当年2月SPI1的相关关系在时间单元长度缩短后虽未出现显著水平的下降, 但相关系数出现了明显的减小;3) 油松标准年表与当年HM1有极显著的正相关关系(P<0.01), 但在时间单元缩短到旬以后, 未出现显著的相关关系。
2.3 树轮宽度标准年表与不同时间尺度干旱的响应关系在讨论树木径向生长与不同时间尺度干旱响应关系的差异时, 时间单元的长度选择较为适中的半月。研究计算了短期(SPIn, n=1, 2, 3)、中期(SPIn, n=6, 9, 12)、长期(SPIn, n=18, 24) 3类共8组不同时间尺度的SPI序列与油松标准年表进行相关性分析。短期SPI可以反应区域短时间降水状况影响的土壤水分的盈亏状况, 中长期SPI则可以反映区域长时间降水状况影响的补给性水分的盈亏状况[9, 11]。从图 5中可以看到, 油松树轮宽度年表与SPIn序列的相关关系随SPI标度的增大变化很大, 尤其是短期和长期之间的差别, 在某些时间段甚至出现了相关关系正负方向的转变。
研究结果如图 5所示:1) 在前1年秋季(HMp19—p22), 油松标准年表与短期SPI的相关关系并不显著, 而与中长期的SPI有显著的相关关系, 且显著性大都在0.01以上;2) 在温度低于冰点的时间段(HMp23—7), 油松标准与短期的SPI几乎都有极显著的负相关关系(P<0.01), 而与长期的SPI有极显著的正相关关系(P<0.01), 与中期SPI的关系比较复杂, 与SPI6大都呈现显著的负相关关系(P<0.05), 与SPI9, 12在时间段HMp23—2有显著的正相关关系(P<0.05), 在时间段HM5—7有显著的负相关关系(P<0.05);3) 在当年生长季前期(HM8—10), 油松标准年表仅与长期的SPI表现出极为显著的正相关关系(P<0.01), 而与其它标度的SPI没有显著的相关关系;4) 在生长季(HM11—16), 油松标准年表与所有标度的SPI表现出正相关关系, 与SPI24在整个生长季都呈现极显著的正相关关系(P<0.01), 而与其它标度SPI仅在HM13—14有显著的正相关关系(P<0.05);5) 油松标准年表与当年秋季(HM17—18) 各标度的SPI均未表现出显著的相关关系。
在讨论油松生长对不同时间尺度SPI的响应机制时, 应注意温度在其中起到的重要作用[21]。从图 6可以看出:前1年11月到当年3月是研究区域的低温时段(<0℃), 气温在3月之后逐渐回暖并在当年9月重新回落;油松树轮宽度年表与前1年11月以及当年4月—7月的气温有显著的负相关关系(4月、6月、7月:P<0.01;前1年11月、5月:P<0.05)。
3 讨论 3.1 不同时间单元对相关性表达的影响低温时段的降水(SPI1)以雪和冻雨的形式对树木机体造成伤害(如折断枝条等), 消耗存储的营养物质, 对树木生长不利, 这一观点得到诸多研究的支持[22-24]。如图 6所示, 前1年12月至当年3月是当地油松生长周期最冷的时间段, 平均温度普遍在冰点以下, 这正解释了油松标准年表与此时间段降水(SPI)出现的负相关关系。
油松标准年表与不同时间单元SPI1相关性分析的结果显示, 油松生长与当年3月SPI1没有显著的相关关系, 却与同时间段(3月)上半月(HM5) 和上中两旬(TD7, 8) 有显著的负相关关系, 即短时降水在3月的上半月对树木生长不利, 在下半月却对树木生长影响不大。如果这一现象得到合理解释, 就可以说明以月份为时间单元进行相关性分析会掩盖许多相关信息, 更小的时间单元可以精确相关关系出现的时间段。
从图 7可以看出, 3月是该区域气温从0℃以下恢复到以上的节点月份。在3月上半月(HM5), 有16.4%的年份均温在冰点以上, 而在下半月(HM6) 这一比例高达87.3%, 3月上中下旬(TD7, 8, 9) 的这一比例分别是16.4%、67.3%和94.5%。由此可见, 3月上半月(HM5) 温度较低, 降水易以雪和冻雨的形式出现对树木生长造成不利影响, 而下半月(HM6) 较暖, 降水对树木生长的影响甚微。可见, 在半月HM5和旬TD7, 8出现的显著负相关关系并非数据偶然, 在树木生长对水分要求不大的时期, 较低的温度通过改变降水型态进而影响树木的生长。以月为时间单元仅可以显示出相关性在2月到3月发生变化(由显著负相关到不显著相关), 而以半月和旬为时间单元可以展示相关性变化更精确的时间段。所以, 时间单元缩短可以避免较大时间单元对某些相关关系的掩盖, 精确相关关系出现的时间段, 显示树木生长对降水(SPI1)显影机制转变的准确时间。
7月是树木生长的关键时期, 需要大量水分满足生长所需。在此时间段, 温度越高土壤水分的蒸发也就越强, 土壤水分流失越快, 树木生长对补给性水分和即时降水的需求也就越高。因此, 油松标准年表与7月降水(SPI1)呈显著正相关关系(P<0.05), 而与7月气温呈显著负相关关系(P<0.01)。在7月时段, 时间单元为月和半月时, 年表与SPI1的显著正相关关系得以正确表达, 而当时间单元长度缩短到旬时, 油松标准年表与7月上中下三旬(TD19, 20, 21) SPI1的相关关系均不显著。应表现的相关关系并未得到表达, 主要是因为旬(10日)已接近SPI计算要求的最短时间单元(7日)[18], 降水在短时间段波动性和随机性较大的特点显现, 导致SPI的准确性和代表性不足, 无法准确反映树木生长与该时段降水的相关关系。
综上, 在进行树轮宽度年表与气候因子相关性分析时, 较小的时间单元可以避免过大时间单元对相关关系的掩盖, 也会使相关关系的表达更加精确, 但当时间单元过小时, 由于波动性和随机性的增强, 反而会弱化应有的相关关系。对于须弥山油松, 月并不一定是相关关系表达的最优时间单元, 半月是相对更为合适的选择。
3.2 油松标准年表与不同时间尺度SPI相关关系的差异由于前1年秋季(HMp19—p22) 距油松当年生长季较远, 此时段短期降水并不会对油松当年的生长造成影响, 而中长期的水分状况却可以通过影响区域的补给性水分状况影响树木当年的生长, 因此油松标准年表与中长期SPI有显著正相关关系(P<0.05)。
气温的变化影响油松径向生长对降水(SPIn)的响应规律[21], 在气温低于冰点的时段(HMp23—6), 短时间内的降水会以降雪和冻雨的形式对油松机体造成损伤[22-24], 影响树木下一阶段的生长;而长期内充足的降水会以深层土壤含水或地下水的形式为油松下一阶段的生长提供充足的水分补充。因此, 油松标准年表与SPI的相关关系随SPI标度n的增大出现由负到正的变化。
在生长恢复期(4—5月, HM7—10), 油松生长与温度有显著的负相关关系(P<0.05), 而与中短期SPI(n<12) 没有显著的相关关系, 温度是该时段限制树木生长的主要因子, 这与董满宇[25]、田沁花[26]等人的研究结果一致。在此阶段, 油松脱离休眠状态, 光合速率较慢, 较高的温度促进植株的蒸腾作用, 从而延缓茎干水分的恢复过程, 影响树木径向生长[25]。与长时间尺度SPI的显著正相关关系(P<0.01) 说明, 长期内充足的降水仍然会为油松快速生长期的生长提供水分保障。
在生长季(HM12—15), 植株生长旺盛, 需水量大, 较高的温度加速土壤水分蒸发使水分状况更加严峻。油松的生长不仅需要长期补给性水分的积累, 也需要短期即时降水的补充, 表现出与所有标度SPI的显著正相关关系(P<0.05), 长期和短期的水分状况以及温度共同影响此阶段油松的生长过程。8月下半月(HM16) 已接近生长季尾, 植株生长速率放缓, 对补给性水分(SPI6—24)的需求不大, 短期内较多的降水(SPI1-2)反而意味着阳光遮蔽的多云天气, 光合作用因光照不足受到抑制, 对油松生长造成不利影响[22]。
在当年秋季, 温度逐渐降低, 树木径向生长基本停滞, 加之温度逐渐降低使土壤保水能力增强, 此时间段内的降水状况不会对当年的树木生长造成显著影响, 而是转而影响下一年的树木生长, 因此在此时期, 油松标准年表与各标度SPI均没有显著的相关关系。
油松树轮宽度标准年表与不同标度标准化降水指数的相关分析结果显示, 油松在不同的生长阶段对不同时间尺度水分状况的响应关系有明显差异, 这种差异很有可能是由特定生长环境下形成的树木自身生长规律导致的[27]。
4 结论研究利用采集自六盘山地区的树轮样芯建立树轮宽度标准年表, 通过与不同时间单元长度及多时间尺度标准化降水指数的相关分析, 结合已有研究结果, 得到以下主要结论:
1) 在进行树轮宽度年表与气候要素序列相关性分析时, 时间单元缩短可以使相关关系的表达更加精确, 但同时也需要承担由于气候要素在短时间单元波动性和随机性增大造成的相关关系弱化的风险。就须弥山地区的油松而言, 月份并不一定是最适时间单元, 半月是相对折中的选择。但由于气候状况和树种生理特性的差异, 该规律的普适性仍需进一步验证。
2) SPI是一种便于计算、稳定性强的气候指数, 适用于干旱半干旱区树木生长与气候关系的分析研究。借助SPI多时间尺度的特性, 研究可以揭示油松径向生长对不同时间尺度和不同方面水资源状况的响应特征:短期降水在温度较低的时期对六盘山地区树木生长有不利影响;在生长季中, 油松对短期、中期和长期的水分条件均有显著响应, 由较高气温和较少降水造成的干旱是限制油松径向生长的主要因素;而在非生长季, 油松更趋向于对中长期的水分状况有所响应。
[1] | 吴祥定. 树木年轮与气候变化. 北京: 气象出版社, 1990. |
[2] | Zhang W T, Jiang Y, Dong M Y, Kang M Y, Yang H C. Relationship between the radial growth of Picea meyeri and climate along elevations of the Luyashan Mountain in North-Central China. Forest Ecology and Management, 2012, 265: 142–149. DOI:10.1016/j.foreco.2011.10.017 |
[3] | Wang H, Shao X M, Jiang Y, Fang X Q, Wu S H. The impacts of climate change on the radial growth of Pinus koraiensis along elevations of Changbai Mountain in northeastern China. Forest Ecology and Management, 2013, 289: 333–340. DOI:10.1016/j.foreco.2012.10.023 |
[4] | Boden S, Kahle H P, Von Wilpert K, Spiecker H. Resilience of Norway spruce (Picea abies (L.) Karst) growth to changing climatic conditions in Southwest Germany. Forest Ecology and Management, 2014, 315: 12–21. DOI:10.1016/j.foreco.2013.12.015 |
[5] | 方克艳, 勾晓华, 陈发虎, 彭剑峰, 刘普幸, 王茂, 朱有明. 树轮生态学研究进展. 冰川冻土, 2008, 30(5): 825–834. |
[6] | Li Z S, Shi C M, Liu Y B, Zhang J L, Zhang Q B, Ma K Q. Summer mean temperature variation from 1710-2005 inferred from tree-ring data of the Baimang Snow Mountains, northwestern Yunnan, China. Climata Research, 2011, 47(3): 207–218. DOI:10.3354/cr01012 |
[7] | Kempes C P, Myers O B, Breshears D D, Ebersole J J. Comparing response of Pinus edulis tree-ring growth to five alternate moisture indices using historic meteorological data. Journal of Arid Environments, 2008, 72(4): 350–357. DOI:10.1016/j.jaridenv.2007.07.009 |
[8] | McKee T B, Doesken N J, Kleist J. The relationship of drought frequency and duration to time scales//Proceedings of the 8th Conference on Applied Climatology. Boston: American Meteorological Society, 1993. |
[9] | Guttman N B. Accepting the standardized precipitation index: a calculation algorithm. JAWRA Journal of the American Water Resources Association, 1999, 35(2): 311–322. DOI:10.1111/jawr.1999.35.issue-2 |
[10] | Wu H, Hayes M J, Weiss A, Hu Q. An evaluation of the standardized precipitation index, the China-Z index and the statistical Z-Score. International Journal of Climatology, 2001, 21(6): 745–758. DOI:10.1002/(ISSN)1097-0088 |
[11] | 袁文平, 周广胜. 标准化降水指标与Z指数在我国应用的对比分析. 植物生态学报, 2004, 28(4): 523–529. |
[12] | Touchan R, Funkhouser G, Hughes M K, Erkan N. Standardized precipitation index reconstructed from Turkish tree-ring widths. Climatic Change, 2005, 72(3): 339–353. DOI:10.1007/s10584-005-5358-9 |
[13] | 王梦麦, 戴君虎, 白洁, 崔海亭. 利用树木年轮重建六盘山地区1900年以来的干湿变化. 古地理学报, 2009, 11(3): 355–360. |
[14] | 李文卿, 范宽, 刘颖慧, 张凌楠, 江源. 六盘山地区油松(Pinus tabulaeformis)径向生长对气候因子的响应. 北京师范大学学报:自然科学版, 2014, 50(1): 105–110. |
[15] | Holmes R L. Computer-assisted quality control in tree-ring dating and measurement. Tree-Ring Bulletin, 1983, 43: 69–78. |
[16] | Cook E R. A time series analysis approach to the tree ring standardization[D]. Tucson: University of Arizona, 1985. |
[17] | Edwards E C, McKee T B. Characteristics of 20th Century Drought in the United States at Multiple Time Scales. Paper No. 634, Climatology Report No. 97-2. Colorado: Colorado State University, 1997. |
[18] | Guttman N B. Comparing the Palmer drought index and the standardized precipitation index. Journal of the American Water Resources Association, 1998, 34(1): 113–121. DOI:10.1111/jawr.1998.34.issue-1 |
[19] | 王亚军, 马玉贞, 郑影华, 鲁瑞洁, 桑艳礼, 蒙红卫. 宁夏罗山油松(Pinus tabulaeformis)树轮宽度对气候因子的响应分析. 中国沙漠, 2009, 29(5): 971–976. |
[20] | Wigley T M L, Briffa K R, Jones P D. On the average value of correlated time series, with applications in dendroclimatology and hydrometeorology. Journal of Climate and Applied Meteorology, 1984, 23(2): 201–213. DOI:10.1175/1520-0450(1984)023<0201:OTAVOC>2.0.CO;2 |
[21] | 张志华, 吴祥定, 李骥. 利用树木年轮资料重建新疆东天山300多年来干旱日数的变化. 应用气象学报, 1996, 7(1): 53–60. |
[22] | 张文涛, 江源, 王明昌, 张凌楠, 董满宇, 郭媛媛. 芦芽山阳坡不同海拔白杄径向生长对气候变暖的响应. 植物生态学报, 2013, 37(12): 1142–1152. |
[23] | Gedalof Z, Smith D J. Dendroclimatic response of mountain hemlock (Tsuga mertensiana) in Pacific North America. Canadian Journal of Forest Research, 2001, 31(2): 322–332. DOI:10.1139/x00-169 |
[24] | Dang H S, Jiang M X, Zhang Q F, Zhang Y J. Growth responses of subalpine fir (Abies fargesii) to climate variability in the Qinling Mountain, China. Forest Ecology and Management, 2007, 240(1/3): 143–150. |
[25] | 董满宇, 江源, 杨浩春, 王明昌, 张文涛, 郭媛媛. 芦芽山林线白杄生长季径向生长动态. 植物生态学报, 2012, 36(9): 956–964. |
[26] | 田沁花, 刘禹, 蔡秋芳, 包光, 王伟平, 薛文亮, 朱文杰, 宋慧明, 雷莺. 油松树轮记录的过去134年伏牛山5-7月平均最高温度. 地理学报, 2009, 64(7): 879–887. |
[27] | Vicente-Serrano S M, Gouveia C, Camarero J J, Beguería S, Trigo R, López-Moreno J I, Azorin-Molina C, Pasho E, Lorenzo-Lacruz J, Revuelto J, Moran-Tejeda E, Sanchez-Lorenzo A. Response of vegetation to drought time-scales across global land biomes. Proceedings of the National Academy of Sciences, 2013, 110(1): 52–57. DOI:10.1073/pnas.1207068110 |