大兴安岭北部典型地区近300 a气候资料反演

曲辉辉，赵慧颖，宫丽娟

(黑龙江省气象科学研究所，黑龙江 哈尔滨　150030)



大兴安岭北部典型地区近300 a气候资料反演

曲辉辉，赵慧颖①，宫丽娟

(黑龙江省气象科学研究所，黑龙江 哈尔滨150030)

摘要：根据树木年轮宽度反演历史气候资料，是气候变化研究及气候资源利用工作的重要基础。基于安格林和新青林场树木年轮宽度，利用其与临近站点气温、降水和日照时数之间的相关性，建立显著性水平高于0.25、平均相对误差小于30%的气候重建模型。结果表明：在选定研究因子范围内，大兴安岭北部典型地区树木年轮宽度受气温影响最大，受日照影响最小；重建方程中，气温类因子重建方程显著性水平较高，日照类因子重建方程显著性水平均较低；日照类因子模拟结果平均相对误差普遍低于10%，气温和降水类因子大部分模拟结果平均相对误差低于30%；在设定条件范围内，针对大兴安岭北部典型地区气温、降水和日照分别建立11、9和11个重建方程，可重建1707(1706)—1959年或1866(1865)—1959年资料，大兴安岭北部典型地区的可用气候资料延长至300(或150) a左右。

关键词：大兴安岭北部典型地区；树木年轮；气象资料；相关性；重建方程

近年来,国内外学者对气候变化开展了广泛研究,发现高纬度地区比低纬度地区气候变化幅度大[1]。在我国,大兴安岭地区是20世纪升温幅度最显著的地区之一[2-3],同时也是对气候变化最敏感的区域之一[4]。大兴安岭北部地区多数气象台站的观测始于20世纪50年代之后,气象资料序列较短,若研究年代尺度至世纪尺度的气候变化,则需高分辨率、长时间尺度的气候代用资料[5],因此资料重建成为气候变化研究工作的重要基础。

由于树木年轮生长明显受气候因子的影响,年轮宽度与气候条件存在显著相关关系[6-15],通过分析树木年轮获取的过去气候代用资料具有定年准确、分辨率高且连续性好等优点[16-17],因此被国际相关领域广泛应用于对过去气候的重建及生态环境演变的研究[18-20]。国内在基于树木年轮的气候重建方面同样开展了大量研究[21-26],研究主要集中在新疆地区,对其他省份的研究比较零散,且重建的气候要素均较单一,这对于全面系统地研究气候变化特征略显不足。

该研究以大兴安岭北部典型地区安格林和新青2个林场为研究对象,采用树木年轮宽度对气候变化敏感且被广泛用于气候重建和气候变化研究的樟子松为样本[27-30],筛选出与其相关关系达到一定水平的光、温、水要素与时段,并通过建立模型反演典型地区的历史气候资料,使得大兴安岭北部地区的气候资料延长至300 a左右,以期为当地的气候变化研究及气候资源利用、农林业结构调整及地矿资源探测工作奠定基础。

1资料与方法

1.1资料及来源

研究所用树木年轮资料为安格林和新青2个林场采样的标准化树轮年表,样本的具体信息见张同文等[17]的研究结果,安格林序列长度为301 a(1707—2007年),新青序列长度为142 a(1866—2007年)。安格林林场采样点地理位置为51°25′11.7″ N,120°54′50.5″ E,海拔760～825 m;新青林场采样点地理位置为51°23′02.9″ N,120°48′37.9″ E,海拔945～980 m。2个林场均位于内蒙古自治区额尔古纳市莫尔道嘎镇北部山区,为寒温带大陆性季风气候区,年平均气温为-5.3 ℃,降水量为355 mm,日照时数为2 677 h,冬季干冷漫长,夏季湿热短暂[17]。采样山区坡度较小,地表多为暗棕色针叶林土,兴安落叶松、樟子松、白桦及蒙古栎等为地表主要植被[31],树木胸径大，郁闭度高,乔木下灌木密集,落叶层、腐殖质层和土层均较厚[17]。

大兴安岭北部气象站点和采样点示意见图1。所用气象资料为与采样点地理位置最为接近的额尔古纳市和根河市气象台站的观测资料,序列长度为48 a(1960—2007年),包括平均气温、降水量和日照时数,分析时段包括春季(4—5月)、夏季(6—8月)、秋季(9—10月)、冬季(11—次年3月)、春夏(4—8月)、春夏秋(4—10月)、春夏秋冬(4—次年3月)、上年秋季(9—10月)、上年冬季(11—次年3月)、秋冬(9—次年3月)、秋冬春(9—次年5月)及秋冬春夏(9—次年8月)。

图1　大兴安岭北部气象站点和采样点示意

1.2研究方法

利用额尔古纳市和根河市1961—2007年(47 a)各36项气象因子,分别与安格林和新青2个林场的树木年轮宽度进行相关分析,从中筛选出在α=0.25水平显著相关的相关关系。根据筛选结果,为筛选出的各相关关系建立回归方程,确定各回归方程的显著性水平和参数。

2结果与分析

2.1年轮宽度与气象因子相关关系

在现有研究中,多数学者从线性关系入手,通过线性相关系数筛选出与树木年轮宽度具有显著相关关系的气象要素进行重建。但实际上气象要素与树轮宽度并不一定是简单线性关系,因此对气象因子和树木年轮宽度分别建立了一元一次、一元二次和一元三次相关关系,共计12(每个要素因子数)×3(要素数)×3(相关关系类型数)×2(气象台站数)×2(林场数)=432项相关关系,并从中筛选出在α=0.25水平显著相关的相关系数。

表1～3为2个气象台站的气象因子与2个林场年轮宽度在α=0.25水平显著相关的结果汇总,共筛选出175项符合条件的相关关系。具体为:春季、夏季、秋季、冬季、春夏、春夏秋、春夏秋冬、上年秋季、上年冬季、秋冬、秋冬春以及秋冬春夏12个时段的降水;除夏季外其余11个时段的平均气温;除春季外其余11个时段的日照时数。其中,年轮宽度与11个气温类因子最大相关系数的变化范围为0.312(春季)～0.657(秋冬),相关性最高;与12个降水类因子最大相关系数的变化范围为0.175(春夏)～0.478(冬季);与11个日照类因子最大相关系数的变化范围为0.185(秋冬春)～0.393(秋季),相关性偏低。

表1林场树木年轮宽度与气温类因子的相关系数

Table 1Correlation coefficient of width of tree-rings with temperature

时段 额尔古纳-安格林根河-安格林额尔古纳-新青根河-新青春0.3890.3320.3680.312秋0.3380.359冬0.3280.446春夏秋冬0.3750.428春夏0.3350.362春夏秋0.3560.355上年秋0.4780.453上年冬0.4750.5960.3380.443秋冬0.4360.6570.3750.417秋冬春0.4570.5800.3610.389秋冬春夏0.4650.5660.3370.370

数据为每对相关因子一元一次、一元二次和一元三次3个相关关系中符合条件(在α=0.25水平显著相关)的相关系数最大值,空格及未显示时段为气象因子与年轮宽度在α=0.25水平相关性不显著。

由表1可知,2个林场年轮宽度与临近气象站点的气温均有良好的相关关系,其相关系数在0.312～0.657之间。尤其是上年冬季、秋冬、秋冬春及秋冬春夏时段,根河气温与安格林林场年轮宽度的相关系数达到0.566～0.657,对于树木年轮学而言,该相关关系已达到较高水平。同时,表1还表明安格林林场年轮宽度与气温的相关性要好于新青林场。

表2林场树木年轮宽度与降水类因子的相关系数

Table 2Correlation coefficient of width of tree-ring with precipitation

时段 额尔古纳-安格林根河-安格林额尔古纳-新青根河-新青春0.335夏0.249秋0.3840.325冬0.3330.3910.478春夏秋冬0.3240.2640.318春夏0.1750.312春夏秋0.3290.2590.255上年秋0.3840.3260.2530.318上年冬0.3150.213秋冬0.3870.3430.1790.347秋冬春0.4240.3560.212秋冬春夏0.3300.3820.1990.266

数据为每对相关因子一元一次、一元二次和一元三次3个相关关系中符合条件(在α=0.25水平显著相关)的相关系数最大值,空格及未显示时段为气象因子与年轮宽度在α=0.25水平相关性不显著。

表3林场树木年轮宽度与日照类因子的相关系数

Table 3Correlation coefficient of width of tree-ring with hours of sunshine

时段 额尔古纳-安格林根河-安格林额尔古纳-新青根河-新青夏0.226秋0.2550.393冬0.366春夏秋冬0.250春夏0.186春夏秋0.196上年秋0.199上年冬0.2240.3220.352秋冬0.311秋冬春0.1870.185秋冬春夏0.318

数据为每对相关因子一元一次、一元二次和一元三次3个相关关系中符合条件(在α=0.25水平显著相关)的相关系数最大值,空格及未显示时段为气象因子与年轮宽度在α=0.25水平相关性不显著。

由表2可知,2个林场年轮宽度与临近气象站点的降水量具有相对较好的相关关系,其相关系数的变化范围为0.175～0.478。安格林林场年轮宽度与临近气象站点降水量的相关性好于新青林场。由表3可知,安格林林场年轮宽度与额尔古纳气象站的日照时数具有较好的相关关系,新青林场年轮宽度与邻近气象台站相关性相对较低。

额尔古纳市多数时段的气温、降水和日照时数及根河市多数时段的气温、降水及少数时段的日照时数与安格林林场树木年轮宽度在α=0.25水平显著相关,即安格林林场年轮资料中包含大量的气温、降水和日照信息。安格林林场的气温和降水对树木生长的影响大于日照时数,这与其他学者的研究结果[17]较一致。2个气象台站多数时段降水和少数时段气温、日照时数与新青林场树木年轮宽度在α=0.25水平显著相关,说明新青林场树木年轮资料包含的降水信息较多,气温和日照信息较少。

2.2历史气象资料重建

2.2.1重建模型显著水平

根据相关关系的筛选结果,利用对应的气候资料与树木年轮资料分别建立重建方程,并根据显著性水平和平均相对误差对方程进行进一步筛选。

从各重建方程的显著性水平可以看出,安格林林场降水和日照类因子重建方程显著性水平较低,各重建方程显著性水平最高分别可达0.05和0.1;气温类因子重建方程显著性水平较高,特别是上年冬季、秋冬、秋冬春和秋冬春夏时段的气温重建模型显著性水平较高,最高达0.001以上。新青林场气象要素可重建数量少,重建方程显著性水平低,气温、降水和日照时数分别可重建5、8和4项因子,17项因子的重建方程显著性水平最高为0.05。

若仅考虑重建方程的显著性水平,大兴安岭北部典型地区可重建11项气温类因子,各因子重建方程的最高显著性水平变化范围为0.000(上年秋季、上年冬季及秋冬春、秋冬春夏)～0.074(春夏),重建方程显著水平最高;降水类因子可重建12项,重建方程的最高显著性水平变化范围为0.016(秋冬春夏)～0.159(春季);日照类因子可重建11项,重建方程的最高显著性水平变化范围为0.067(秋冬春夏)～0.210(春夏),显著性水平最低。

2.2.2重建模型误差检验

根据重建方程模拟结果,计算各项因子47 a模拟结果的平均相对误差。虽然重建方程显著性水平均达到0.25以上,但模拟结果的误差水平却参差不齐。额尔古纳气温与安格林树木年轮重建方程中,春夏及秋冬春夏时段重建方程模拟误差达30%以上;根河气温与安格林树木年轮重建方程中,春季、秋季及去年秋季的重建方程模拟误差高于30%;额尔古纳气温与新青树木年轮重建方程中,秋冬春夏时段重建方程模拟误差高于30%;根河气温与新青树木年轮重建方程中,春季及秋冬春夏时段重建方程模拟误差高于30%;其余气温类重建方程模拟误差均低于30%。

额尔古纳降水与安格林树木年轮重建方程中,去年秋冬时段重建方程模拟误差达30%以上;根河降水与安格林树木年轮重建方程中,春季及去年秋季的重建方程模拟误差高于30%;额尔古纳降水与新青树木年轮重建方程中,秋季、去年秋季及去年秋冬时段的重建方程模拟误差高于30%;根河降水与新青树木年轮重建方程中,秋季和去年秋季重建方程模拟误差高于30%;其余降水类重建方程模拟误差均低于30%。日照类因子重建方程模拟误差均低于30%,其中绝大多数低于10%。

在大兴安岭北部典型地区,对气温类因子重建结果的最低相对误差变化范围为5.3%(上年冬季)～23.1%(春季);降水类因子重建结果的最低相对误差变化范围为13.9%(秋冬春夏)～46.6%(秋季),平均相对误差最高;日照类因子重建结果最低，相对误差变化范围为4.5%(秋冬春夏)～11.6%(秋季),平均相对误差最低。

2.2.3可应用的重建模型

根据重建方程的显著性水平和平均相对误差,为大兴安岭北部典型地区的各气象因子确定一个可应用的重建方程。确定原则为首先剔除相对误差大于30%的重建方程；其次，误差小的方程优于误差大的方程,误差相当时显著性水平高者为优。按照上述原则,确定表4所列重建方程。由表4可知,在规定的显著性水平和误差精度范围内,气温类因子可重建11项,降水类因子可重建9项,日照类因子可重建11项。

3讨论与结论

以大兴安岭北部安格林林场和新青林场为研究对象,基于当地1960—2007年的树木年轮宽度和额尔古纳市、根河市气象资料,利用相关分析进行初步筛选,通过重建方程的显著性水平及重建结果相对误差,最终筛选出可靠模型进行历史气候资料重建,使当地可用气候资料延长至300 a左右,以满足气候变化研究及气候资源利用、农林业结构调整及地矿资源探测等工作需求。结果表明:

(1)在α=0.25显著水平上,安格林林场树木年轮资料包含的气温和降水信息较多,日照信息较少;新青林场树木年轮资料包含的降水信息较多,气温和日照信息较少。在研究范围内,大兴安岭北部典型地区树木年轮宽度受气温影响最大,受日照影响最小。

表4可应用的气候因子重建模型

Table 4Reconstruction equations available for inversion of climatic factors

重建因子时段 重建模型 显著性水平平均相对误差/%可重建时间长度春季T=15.50-22.29S+12.30S20.02723.31707—1959年秋季T=2.61+1.85S0.05123.71707—1959年冬季T=-28.56+4.59S0.0056.11707—1959年春夏秋冬T=-7.62+2.59S0.00718.31707—1959年春夏T=18.72-13.88S+7.76S20.0746.91707—1959年春夏秋T=15.14-11.64S+6.74S20.0517.21707—1959年上年秋季T=28.38-84.02S+91.57S2-31.47S30.01020.11706—1959年上年冬季T=-30.72+6.69S0.0005.31706—1959年秋冬T=-21.81+5.33S0.0006.21706—1959年秋冬春T=-16.27+4.35S0.0007.51706—1959年秋冬春夏T=-8.58+3.52S0.00015.51706—1959年夏季P=207.30+94.20S0.10321.21707—1959年冬季P=-74.61+434.87S-570.20S2+234.71S30.04826.31866—1959年春夏秋冬P=314.4+124.82S0.04714.81707—1959年春夏P=230.52+117.76S0.05319.11707—1959年春夏秋P=289.68+122.09S0.05716.41707—1959年上年冬P=12.21+13.09S0.05028.81706—1959年秋冬P=-92.17+380.48S-188.76S20.07828.11706—1959年秋冬春P=-67.18+400.14S-186.67S20.05921.41706—1959年秋冬春夏P=298.26+144.13S0.01614.21706—1959年夏季R=872.34-129.40S0.12711.61707—1959年秋季R=631.83-416.75S+203.15S20.2308.11707—1959年冬季R=1255.19-790.06S+453.42S20.0424.51866—1959年春夏秋冬R=2834.65-208.76S0.1585.41707—1959年春夏R=1390.17-121.44S0.2107.61707—1959年春夏秋R=1849.89-157.07S0.1876.91707—1959年上年秋R=476.44-52.20S0.1828.11865—1959年上年冬R=848.94+82.22S0.0874.71865—1959年秋冬R=1478.75-122.07S0.0894.91706—1959年秋冬春R=1760.91+122.15S0.2144.71865—1959年秋冬春夏R=2868.92-243.52S0.0674.91706—1959年

T为平均气温;P为降水量;R为日照时数;S为对应时段树木年轮宽度。

(2)在选定气候资料重建范围内,安格林林场气温重建方程显著性水平较高,降水和日照重建方程显著性水平较低;新青林场气候资料重建方程显著性水平普遍较低。受气象因子与树木年轮宽度相关关系显著性水平限制,大兴安岭北部典型地区气温、降水和日照类因子分别可重建11、12和11项,气温类因子重建方程显著性水平较高,日照类因子重建方程显著性水平较低。

(3)经检验,大兴安岭北部典型地区气候资料重建方程误差水平相差较大,日照资料重建方程模拟结果平均相对误差较小,普遍低于10%,气温和降水资料重建方程模拟结果相对误差较大,大部分重建结果平均相对误差低于30%。

(4)在重建方程显著性水平高于0.25、模拟结果平均相对误差小于30%限定范围内,大兴安岭北部典型地区可重建253 a(1707—1959年)的气候因子包括:① 春季、秋季、冬季、春夏秋冬、春夏和春夏秋6个时段平均气温;② 夏季、春夏秋冬、春夏和春夏秋4个时段降水量;③ 夏季、秋季、春夏秋冬、春夏和春夏秋5个时段日照时数。可重建254 a(1706—1959年)的气候因子包括:① 上年秋季、上年冬季、秋冬季、秋冬春和秋冬春夏5个时段平均气温;② 上年冬季、秋冬季、秋冬春和秋冬春夏4个时段降水量;③ 秋冬季和秋冬春夏2个时段日照时数。冬季降水和日照时数可重建94 a(1866—1959年);上年秋季、上年冬季和秋冬春3个时段日照时数可重建95 a(1865—1959年)。

(5)基于重建结果,使大兴安岭北部地区的大部分区域可用气温、降水和日照资料延长至1707(或1706)—2014年,共308(或309) a,小部分区域可用气温、降水和日照资料延长至1866(或1865)—2014年,共149(或150) a。

笔者将气候资料可重建的条件设定为显著性水平高于0.25、重建方程模拟结果平均相对误差低于30%,与同类其他研究相比精度要求略低,这主要是因为研究区域气象台站空间密度不够,且时间序列短,一定程度限制了历史气候环境方面的研究,适当降低资料重建要求可有效增加重建因子数量,在后续研究中可根据实际精度需要,选用适宜显著性水平和误差水平的回归模型对历史气候进行重建。

参考文献：

[1]IPCC.Summary for Policymakers of the Synthesis Report of the IPCC Fourth Assessment Report[M].Cambridge，UK:Cambridge University Press,2007:2-22.

[2]唐国利,任国玉.近百年中国地表气温变化趋势的再分析[J].气候与环境研究,2005,10(4):791-798.

[3]丁一汇,戴晓苏.中国近百年来的温度变化[J].气象,1994,20(12):19-26.

[4]李晓娜,贺红士,吴志伟,等.大兴安岭北部森林景观对气候变化的响应[J].应用生态学报,2012,23(12):3227-3235.

[5]郑淑霞,上官周平.树木年轮与气候变化关系研究[J].林业科学,2006,42(6):100-107.

[6]康永祥,刘婧辉,孙菲菲,等.太白山高山林县区太白红杉林年轮宽度对气候变化的响应[J].东北林业大学学报,2010,38(8):11-14.

[7]郑广宇,王文杰,王晓春,等.帽儿山地区兴安落叶松人工树木年轮气候学研究[J].植物研究,2012,32(2):191-197.

[8]张同文,袁玉江,魏文寿,等.开都河中游地区雪岭云杉林上下限树轮宽度对比及其气候影响分析[J].干旱区地理,2013,36(4):680-690.

[9]孙凡,钟章成.缙云山四川大头茶树木年轮生长动态与气候因子关系的研究[J].应用生态学报,1999,10(2):151-154.

[10]王丽丽,邵雪梅,黄磊,等.黑龙江漠河兴安落叶松与樟子松树轮生长特性及其对气候的响应[J].植物生态学报,2005,29(3):380-385.

[11]康淑媛,杨保.甘肃省南部两种云杉树种树木径向生长对气候因子的响应[J].中国沙漠,2013,33(2):619-625.

[12]张先亮,何兴元,陈振举,等.大兴安岭山地樟子松径向生长对气候变暖的响应:以满归地区为例[J].应用生态学报,2011,22(12):3101-3108.

[13]张先亮,崔明星,马艳军,等.大兴安岭库都尔地区兴安落叶松年轮宽度年表及其与气候变化的关系[J].应用生态学报,2010,21(10):2501-2507.

[14]王雨茜,高露双,赵秀海.长白山山杨年轮年表及其与气候变化的关系[J].东北林业大学学报,2013,41(1):10-13.

[15]陈列,高露双,张赟,等.长白山北坡不同林型内红松年表特征及其与气候因子的关系[J].生态学报,2013,33(4):1285-1291.

[16]吴祥定,邵雪梅.树木年轮资料的可靠性分析:以陕西华山松为例[J].地理科学进展,1997,16(1):51-56.

[17]张同文,袁玉江,魏文寿,等.内蒙古东北部莫尔道嘎地区树轮年表的建立[J].干旱区资源与环境,2009,23(12):177-182.

[18]FRITTS H C.Tree Rings and Climate[M].London:Academic Press,1976:78-132.

[19]吴祥定.树木年轮与气候变化[M].北京:中国气象出版社,1990:37-97.

[20]邵雪梅,吴祥定.利用树轮资料重建长白山区过去气候变化[J].第四纪研究,1997,17(1):76-85.

[21]张同文,袁玉江,魏文寿,等.阿勒泰西部过去近600年夏季气候变化及未来10年趋势预估[J].干旱区资源与环境,2011,25(7):84-90.

[22]吕姗姗,王晓春.大兴安岭北部阿里河樟子松年轮气候响应及冬季降水重建[J].东北师大学报(自然科学版),2014,46(2):110-116.

[23]马龙,刘廷玺,寇志强,等.科尔沁沙地榆树生长与水文气象因子的关系及气候重建[J].冰川冻土,2007,29(5):802-807.

[24]王蔚蔚,张军辉,戴冠华,等.利用树木年轮宽度资料重建长白山地区过去240年秋季气温的变化[J].生态学杂志,2012,31(4):787-793.

[25]李宗善,刘国华,张齐兵,等.利用树木年轮宽度资料重建川西卧龙地区过去159年夏季温度的变化[J].植物生态学报,2010,34(6):628-641.

[26]江善虎,任立良,雍斌,等.利用树木年轮重建马鞍山地区7～9月降水量序列[J].河海大学学报(自然科学版),2010,38(1):31-35.

[27]NOJD P,HARI P.The Effect of Temperature on the Radial Growth of Scots Pine in Northernmost Fennoscandia[J].Forest Ecology and Management,2001,142(1/2/3):65-77.

[28]WILCZYNSKI S,SKRZYSZEWSKI J.The Climatic Signal in Tree-Rings of Scots Pine (PinussylvestrisL.) From Foothills of the Sudetic Mountains (Southern Poland)[J].Forest Research,2002,121(1/2/3):15-24.

[29]PENSA M,SALMINEN H,JALKANEN R.A 250-Year-Long Height-Increment Chronology forPinussylvestrisat the Northern Coniferous Timberline:A Novel Tool for Reconstructing Past Summer Temperatures[J].Dendrochronologia,2005,22(2):75-81.

[30]TUOVINEN M.Response of Tree-Ring Width and Density ofPinussylvestristo Climate Beyond the Continuous Northern Forest Line in Finland[J].Dendrochronologia,2005,22(2):83-91.

[31]马文权,包银香,陈雅娟.莫尔道嘎林业局森林资源现状及发展分析[J].内蒙古林业调查设计,2007,30(6):41-42.

(责任编辑： 许素)

Inversion of Climate Data of the Past 300 Years of a Region Typical of the Northern Daxing′anling Range.

QU Hui-hui，ZHAO Hui-ying，GONG Li-juan

(Heilongjiang Province Institute of Meteorological Sciences, Harbin 150030, China)

Abstract:Inversion of historical climate data based on widths of tree-rings is an important foundation for the study on climate change and utilization of climatic resources. A climate reconstruction model was set up based on width of tree-rings of the trees in the Angelin forest farm and the Xinqing forest farm in the northern Daxing′anling Range and their correlations with the temperatures, precipitations and hours of sunshine around the neighboring weather stations, with significance levelbeing over 0.25 and average relative error being below 30%. Results show that among the factors studied in this project, temperature is the major one affecting width of tree-rings the most and hours of sunshine, the least in the region. Among the equations for climatic reconstruction, the equation based on temperature is the highest in significance level, while the equation based on hours of sunshine, the lowest. The simulation using factors, like hours of sunshine is generally lower than 10% in average relative error, while the one using factors, like temperature and precipitation, is lower than 30%. Within the designated scope of conditions, 11, 9 and 11 models are established, respectively, for reconstruction of temperature, precipitation and sunshine data of the region, respectively, and can be used to inverse the climate data of the years from 1707 (1706) to 1959 or from 1866 (1865) to 1959. Consequently, the climate data available for study of the region is greatly expanded to cover about 300 (or 150) years.

Key words:regions typical of the northern Daxing′anling Range; tree ring;climate data;correlation;reconstruction equation

收稿日期：2015-05-13

基金项目：国家自然科学基金(41165005，40865005)

中图分类号：X16;P467

文献标志码：A

文章编号：1673-4831(2016)03-0439-06

DOI：10.11934/j.issn.1673-4831.2016.03.016

作者简介：曲辉辉(1985—),女,黑龙江齐齐哈尔人,工程师,硕士,主要从事农林业气象、气候变化方面的研究。E-mail: quhuihui808@163.com

① 通信作者E-mail: zhaohhyy2008@aliyun.com