基于树轮宽度重建呼伦贝尔沙地过去198 a降水变化

图1 树轮采样点及气象站分布（A）和月气象特征（B）

注：基于自然资源部标准地图服务网站标准地图（审图号：GS（2024）0650号）制作，底图边界无修改

Fig.1 Location of sampling and meteorological station （A）， meteorological characteristics （B）

1.2　样本采集与年表建立

树轮样品采集地点为内蒙古自治区鄂温克族自治旗巴彦嵯岗苏木。樟子松生长于沙地中，立地坡度较缓，林分发育良好且无病虫害，多为天然纯林。按国际树轮数据库（ITRDB）采样标准，在4个采样点分别选择生长良好、胸径较大的樟子松，利用生长锥在胸径处钻取树芯。对于树龄较大的树木，采集4个样芯，其余树木采集2个样芯，共采集76棵樟子松的234根树芯（表1），满足树轮气候学研究分析的样本量要求。

表1 样点基本信息

Table 1 Site and chronology information

样点	纬度/(°N)	经度/(°E)	海拔/m	时间区间	树芯/树
D01	49.104	120.388	683.1	1933—2018年	44/15
D02	49.070	120.372	690.8	1735—2018年	56/18
D03	49.038	120.378	664.9	1946—2018年	51/19
D04	48.976	120.373	747.5	1932—2018年	83/24

样芯带回实验室后，按照标准树木年代学方法^［17］，将样本固定于树芯槽内，并置于阴凉室内进行自然风干，再利用不同粒级的砂纸进行打磨，直至显微镜下能够清晰地分辨细胞的大小和年轮边界。将打磨好的树芯样本进行交叉定年，并利用LINTAB 6年轮宽度分析仪测量年轮原始宽度（精度0.01 mm），然后利用COFECHA程序检验定年和测量的准确性^［18］，剔除与主序列相关性不高的样芯。通过R语言“dplR”包^［19］，采用复指数函数进行标准化以消除树木的幼龄效应和生长趋势，最后得到树木年轮宽度标准年表（STD）和差值年表（RES）^［20］。由于差值年表保留了较多的高频信息，可以减小树轮宽度后期异常波动对长时间序列分析的影响^［21］，并对气候因子具有较好的相关性，故本研究选择差值年表进行树轮重建等分析。

树轮年表统计特征利用平均敏感度（MS）、所有样本之间的平均相关系数（r₁）、树内不同样本之间的平均相关系数（r₂）、树间样本的平均相关系数（r₃）、信噪比（SNR）以及样本总体代表性（EPS）等参数来表示，这些特征参数统计量越大，则年表的区域代表性越强。

1.3　气象数据

本研究的气象数据采用1951—2018年海拉尔气象站（49°13′N、119°45′E，海拔610.2 m）的气象数据，来源于中国气象数据共享网（http：//data.cma.cn/）。气候要素主要包括月平均气温、月最低气温、月最高气温和月降水量等（图1B）。

1.4　数据分析

采用R语言“treeclim”包^［22］分析树木生长对气候因子（降水、月平均气温、月最高气温和月最低气温）的响应，以确定影响樟子松树木生长的主要限制因子。考虑到气候影响树木生长的滞后性作用，本研究分析了上一年6月至当年10月的气候响应。采用增强回归树（Boosted regression trees，BRT）分析气候因子对树木径向生长影响的相对大小^［23］。

采用线性回归方法建立气候重建转换函数，以重建研究区域的气候变化历史。采用“逐一剔除法”^［24］和“分段检验法”^［25］来验证重建方程的可靠性和稳定性，验证统计量包括相关系数r，原始序列（ST）和一阶差序列（ST1）的符号检验、乘积平均值（t）、误差缩减值（RE）和有效系数（CE）。RE和CE值大于零说明重建方程有效^［26-27］。

使用KNMI气候探测器（http：//climexp.knmi.nl/）分析1952—2018年器测和重建降水与CRU降水格点数据（CRU TS4.08）^［28］的空间相关性，以评估重建降水序列的空间代表性。利用功率谱与小波分析方法来分析重建序列的周期变化，并利用交叉谱方法分析重建降水序列和太阳黑子数（www.sidc.be/silso /datafiles）的关系，以探讨太阳活动对降水变化的影响。

2 结果与分析

2.1　树轮宽度年表统计特征

呼伦贝尔沙地樟子松年表统计特征参数如表2所列，树轮样本的平均敏感度为0.22，表明树轮宽度变化中包含着较多高频信号；所有样芯间的平均相关系数（r₁）、树木内不同样本之间的平均相关系数（r₂）、树木间样本的平均相关系数（r₃）分别为0.47、0.76和0.47，说明樟子松不同树轮宽度变化具有较高的一致性；而信噪比（93.88）和样本总体代表性（0.99）均较高，表明树轮宽度年表包含丰富的环境信息，具有较好的区域代表性。利用子样本信号强度SSS^［28］来确定保留了具有样本代表性的最大年表长度，本研究选取SSS>0.85的第一年作为年表的可靠起始年，本研究的可靠年表长达198 a，起始年份为1821年（图2）。

表2 樟子松差值年表主要统计特征参数

Table 2 Main statistical characteristic parameters of the residual chronology of Mongolian pine

年表样本量(芯/树)	平均敏感度MS	公共区间	所有样芯间平均相关系数(r₁)	树木内平均相关系数(r₂)	树木间平均相关系数(r₃)	信噪比	样本总体代表性
234/76	0.22	1946—2018年	0.47	0.76	0.47	93.88	0.99

图2

图2 樟子松树轮差值年表序列（A）、样本量（B）、子样本信号强度（C）和平均相关性滑动序列（D）

Fig.2 Tree-ring width residual chronology （A）， sample size （B）， subsample signal strength （C）， and running series of average correlations （Rbar， D）

2.2　气候因子对树木径向生长的影响

图3为1952—2018年树木径向生长与上一年6月至当年10月气候因子的相关性。樟子松树木径向生长与上一年8月和9月、当年的2、6月和7月的平均气温和最高气温呈显著（P<0.05）或极显著（P<0.01）负相关，与上一年9月和当年2月最低气温显著负相关（P<0.05），与上一年8、9月和当年6、7月的降水显著（P<0.05）或极显著（P<0.01）正相关。分析年表与不同月份组合的相关性发现，樟子松树木径向生长与上一年8月至当年7月的累积降水的相关性达到极显著水平（r=0.60，P<0.01），而同一时期的最高气温的相关性达到显著水平（r=-0.29，P<0.05）。

图3

图3 1952—2018年树轮差值年表与气象要素的相关性

注：P8—C7为上一年8月到当年7月，P6~P12代表上一年6月至12月，C1~C10代表当年的1月至10月；⁎表示在0.05水平上显著，⁎⁎表示在0.01水平上显著

Fig.3 Correlation coefficients between the tree-ring residual chronology and meteorological factors during 1952-2018

通过BRT分析了月平均气温、最高气温、最低气温和降水对树木径向生长的影响，柱状图表示各气候因子对树木径向生长影响的相对大小。从图4可以看出，前一年9月最高气温的贡献率最大（12.8%）。除前一年9月最高气温外，前5位贡献率较大的气候因子（45.7%）均为降水，占比为32.9%。上一年8月至当年7月的降水量占比为40.69%，说明该地区的树木年径向生长主要受降水的影响。结合相关性分析和BRT分析的结果，本文选择重建上一年8月至当年7月的累积降水量。

图4

图4 气象要素对树轮宽度的相对影响

注：P6~P12代表上一年6月至12月，C1~C10代表当年的1月至10月

Fig.4 Relative influence of meteorological factors for the tree-ring residual chronology

2.3　降水序列的重建与检验

根据1952—2018年气候因子与树轮宽度差值年表的相关性分析（图3）和气象要素对树轮宽度的相对影响（图4），基于线性回归分析构建了上一年8月至当年7月的降水量（P_P8-C7）转换方程：

P_P8-C7=286.74RES+68.25（1）

式中：P_P8-C7为上一年8月至当年7月的降水量；RES为差值年表的树轮宽度指数。该方程解释了校准时期（1952—2018年）上一年8月至当年7月降水量35.73%的方差（调整后34.74%，表3）。采用“逐一剔除法”和“分段检验法”检验回归模型的稳定性和可靠性，结果表明（表3），重建和器测序列的相关系数r达到极显著水平，符号检验（ST）在99%置信水平下均显著，乘积平均值检验（t）在99%置信水平下均显著，误差缩减值（RE）和有效系数（CE）均为正值，这说明重建方程可以被用来进行历史降水重建。对比观测序列与重建序列也发现重建结果合理可靠且具有较好的一致性（图5）。

表3 校准和验证结果

Table 3 Statistics of calibration and verification results

校准期				验证期
时段（年份）	R²	R $_{a d j s t}^{2}$	F	时段（年份）	r	ST	ST₁	t	RE	CE
1952—2018	0.36	0.35	36.13^**	1952—2018	0.56^**	50/17^**	38/28	6.50^**	0.32	—
1952—1986	0.15	0.13	5.99^*	1987—2018	0.75^**	27/5^**	22/9^*	7.45^**	0.43	0.43
1989—2018	0.52	0.50	30.47^**	1952—1988	0.52^**	27/10^**	18/18	4.39^**	0.08	0.06

注：—，无数值； R²，方差解释量； R $a d j s t 2$ ，调整后方差解释量； F，回归模型显著性检验统计值； r，验证期降水观测和重建序列的相关系数； ST，原始序列符号检验值； ST₁，一阶差序列符号检验值； t，乘积平均值检验； RE，误差缩减值； CE，有效系数。

图5

图5 1952—2018年降水量观测值与重建值

Fig.5 Observed and reconstructed precipitation during 1952-2018

2.4　重建降水序列波动特征

图6为上一年8月至当年7月累积降水的重建序列。自19世纪20年代以来，重建降水波动较为频繁，重建降水平均值为351.3 mm，标准差（σ）为57.7 mm。为提取重建降水序列的极端干旱与湿润事件，将高于平均值2倍标准差的年份定义为极端湿润年，将高于平均值1倍和2倍标准差之间的年份定义为湿润年；将低于平均值2倍标准差的年份定义为极端干旱年，将低于平均值1倍和2倍标准差之间的年份定义为干旱年，其他年份分别为偏湿或偏干年份^［13］。据此分析，过去198 a包含有29个湿润年和29个干旱年，分别占总体的14.6%和14.6%，其中极端湿润年仅有2 a（1856、1875年），极端干旱年有6 a（1855、1857、1908、1926、1951、1987年）。过去198 a来最湿润年份为1856年，降水量为512.4 mm，较多年平均偏高45.9%，最干旱年为1857年，降水量仅为170.7 mm，较多年平均偏低51.4%（表4）。偏湿年份有79个，占39.9%，偏干年份有61个，占30.8%。总体来看，呼伦贝尔沙地降水量干旱和湿润年份出现频率相当，但极端干旱年份发生频率明显更高。

图6

图6 重建降水量与21 a滑动平均值

Fig.6 Reconstructed precipitation and 21-year smoothed average reconstruction

表4 过去198 a呼伦贝尔沙地的干旱年和湿润年

Table 4 Dry and wet years of the Hulunbuir Sandy Land in the past 198 years

极端湿润年	年降水量重建值/mm	极端干旱年	年降水量重建值/mm
1856年	512.4	1855年	216.7
1875年	479.7	1857年	170.7
		1908年	189.0
		1926年	193.7
		1951年	222.9
		1987年	220.2

21 a滑动平均分析表明，呼伦贝尔沙地经历了5个湿润阶段和5个干旱阶段。5个湿润阶段分别是1821—1852年（32 a）、1867—1877年（11 a）、1894—1905年（12 a）、1931—1962年（32 a）和1972—1995年（24 a）；5个干旱阶段分别为1853—1866年（14 a）、1878—1893年（16 a）、1906—1930年（25 a）、1963—1971年（9 a）和1996—2018年（23 a）。

基于功率谱和小波分析法探讨在不同时间尺度上重建降水序列的变化特征发现，呼伦贝尔沙地在过去198 a中包含有多个年际或年代际周期变化，存在3种不同尺度的周期（P<0.05）： 5.9~6.0、2.9、2.1a（图7）。

图7

图7 重建降水的功率谱（A）和小波分析（B）

Fig.7 Power spectral （A） and wavelet （B） of the reconstructed precipitation

为探索降水序列在较大空间范围的空间代表性，本研究利用KNMI Climate Explorer （https：// climexp.knmi.nl/）分析了上一年8月至当年7月的累积降水观测结果与重建序列分别与CRU TS4.08格点数据（www.cru.uea.ac.uk）的空间相关性，结果表明，累积器测降水和重建降水与CRU格点数据空间相关场的分布较为一致，相关性较好（r>0.4，P<0.1）的区域主要集中在中国的呼伦贝尔高原、蒙古国东方省和俄罗斯的赤塔州等地区（图8）。该结果表明，重建降水序列在较大空间上具有很好的代表性。

图8

图8 1952—2018年观测（A）和重建（B）降水数据与CRU TS 4.08格点降水数据的空间相关性

Fig.8 Spatial correlation fields of the observed （A） and reconstructed （B） precipitation with the gridded CRU TS 4.08 precipitation from previous August to current July during 1952-2018

3 讨论

3.1　树木径向生长对气候的响应

水热因子是影响树木径向生长的重要因素。本研究分析发现，呼伦贝尔沙地樟子松的径向生长同时受上一年8—9月及当年6、7月的降水和上一年8—9月、当年的2月、6—7月平均或最高温度的影响，这与该地区其他研究的结果基本相似^{［15，29-30］}。张晓等^［29］的研究发现，呼伦贝尔沙区（南辉和伊敏河）的樟子松径向生长均与当年6—7月降水量显著正相关，而与6—7月平均气温均显著负相关。Kwon等^［30］也发现，樟子松的径向生长与6—7月平均气温显著负相关。Shi等^［15］针对呼伦贝尔西山森林公园的研究表明，树木径向生长与当年5—8月的降水呈显著正相关性，特别是与7月降水的相关性最强，与当年4月和6—9月的温度呈显著负相关性。

上一年8—9月和当年7月的降水与树木径向生长的显著正相关，可能是由于这一地区上一年8—9月时，树木生长逐渐开始停止，而此时较多的降水可能保存在土壤中，为下一年春季树木的生长提供充足的水分，即降水滞后效应的影响，这一现象也与樟子松在生物地理空间上的分析结果一致，上一年生长季晚期，特别是9月的降水滞后性影响非常强^［31］。此外，本研究区在上一年10月至当年4月的降水以降雪为主，这些降雪或能满足树木在下一年生长季前、中期的部分水分需求^［32］，但由于降雪与树木生长的非同步影响，加之这一时期的降水总量相对较低，其对树木生长的影响并不显著^［33］。而当年7月正处于树木快速生长阶段，此时较多的降水有利于樟子松树木当年的生长。

同时，本研究也发现樟子松生长与上一年8—9月和当年6—7月平均或最高温度显著负相关，这或许与较高的温度导致土壤水分蒸散增加而引发土壤水分下降或干旱有关。当年6—7月是气温快速升高的时段，此时的樟子松生长处于快速生长阶段，较高的温度会加剧植物蒸腾和土壤蒸发而大量消耗土壤水分，从而导致土壤水分亏缺，这减缓了树木的光合作用能力，并会增加其呼吸作用，从而抑制光合产物的积累和树木的生长甚至造成树木生理损伤^［34-35］。而上一年8—9月温度与树木径向生长的负相关性或许是由于这一阶段较高的温度加剧了植物蒸腾和土壤蒸发而消耗土壤水分，从而降低树木在下一年早期的生长量。

3.2　重建降水的对比及其影响机制

根据历史记载，清同治五年（1866年），布特哈（今呼伦贝尔市莫力达瓦达斡尔族自治旗）旱^［36］，本研究重建结果显示1866年降水量为241 mm，可以验证这一历史记录事件。清代光绪元年至四年（1875—1878年），中国华北地区发生了一场罕见的特大旱灾饥荒（史称“丁戊奇荒”），造成了一千多万人饿死、两千多万灾民出逃的局面。本研究也发现呼伦贝尔地区在这一时期的降水量明显下降，1878年重建降水仅约240 mm。据史料记载，1904年黑龙江西部（今呼伦贝尔地区）开始大旱，干旱持续到1909年。由于1909年春至秋均无降雨，夏季严重干旱，农作物收成仅占正常年份的三到四成^［37］。本研究的重建降水表明，1907—1909年的降水量非常低，而1908年是过去198 a中降水量极低的年份，降水量仅约187 mm。

20世纪20年代中后期（1925—1929年），一场特大干旱灾害事件席卷中国北方，给社会经济和生命财产造成巨大的伤害。根据《中国气象灾害大辞典：内蒙古卷》^［36］，1926年“海拉尔、扎兰屯各站4—7月降雨比常年偏少五成”，1927年位于研究地点东南方的“兴安盟突泉县春、秋未落透雨，农作物籽粒瘪空，收二成”。我们的重建表明，本研究区在1925年降水量307 mm，1926年降水量更是仅187 mm，到1928年降水量也仅279 mm，出现了连旱和极端干旱。1926年的极端干旱事件与中国北方在1920s和1930s发生的极端干旱事件一致^［38-40］。这场干旱影响范围广泛，但强度和持续时间各不相同，导致了巨大的生命和财产损失。《中国近五百年旱涝分布图集》^［41］显示，本研究区在1925、1926、1928年均为偏旱。

而1944年，我们的重建结果显示，此时的降水量为325 mm，这也与“民国三十三年（1944年），呼盟陈巴尔虎旗6—8月重旱”的记载一致^［36］。在中华人民共和国成立初期（1949—1951年），1949年“呼伦贝尔西部全年干旱”，1950年“全区以呼伦贝尔和兴安盟农区旱灾最重”，而1951年“内蒙古全区为大旱年，干旱时间长，范围广，春夏秋连旱”，“呼伦贝尔粮食产量仅为常年的6.5成”，我们的重建也捕捉到了这一干旱事件^［36］，1949年的重建降水稍低于常年，但1950—1951年的重建降水分别仅为278 mm和225 mm。

为评估重建降水序列的可靠性，本研究将我们重建的降水序列（图9A）与内蒙古阴山上一年9月至当年6月的降水重建序列（图9B）^［1］、小兴安岭中部上一年10月至当年6月的降水重建序列（图9C） ^［33］、大兴安岭北部上一年6月至当年7月帕尔默干旱指数重建序列（图9D）^［42］、中国东北南部和朝鲜半岛北部上一年10月至当年9月的降水重建序列（图9E）^［14］以及海拉尔站的旱涝等级（图9F）^{［41，43］}进行了对比，结果表明本研究的重建降水序列与其他重建的降水和干旱序列一致性较好。

图9

图9 不同研究的重建降水或干旱序列的对比

注：A为本研究重建降水序列，B为阴山东部降水重建序列^［1］，C为小兴安岭中部降水重建序列^［33］，D为大兴安岭北部PDSI重建序列^［42］，E为中国东北地区南部和朝鲜半岛北部降水序列^［14］，F为海拉尔站旱涝等级变化序列^{［41，43］}

Fig.9 Comparisons of the reconstructed precipitation or drought series from different studies

功率谱分析表明，呼伦贝尔地区降水序列存在5.9~6.0、2.9、2.1 a的周期变化（图7）。该周期变化反映本研究区降水可能受厄尔尼诺南方涛动（ENSO）的影响。大量研究表明，厄尔尼诺和拉尼娜事件已对中国东北地区的气候特征、景观格局、农林生态系统，甚至社会经济产生了一定的影响^［44-46］。在中国华北地区的一些研究也发现干旱受ENSO的影响^［38］，这说明ENSO是引起中国北方地区气候变化的影响因素。

另外，有研究发现太阳活动会影响区域气候变化^［3，47］。为了探讨太阳活动是否是会影响研究区降水变化，本研究对太阳黑子和重建的降水序列进行交叉谱分析（图10），结果表明，降水序列和太阳黑子均存在8~14 a的周期性变化，在1971年后重建序列存在一定的滞后性，两序列变化之间存在显著相关性（P<0.05）。我们认为太阳活动也是影响研究区降水变化的因素之一。

图10

图10 太阳黑子数与重建降水交叉谱分析

注：白色轮廓表示95%显著性水平，黑色线条为影响锥。向右箭头表示两信号相同，向左箭头表示反相信号；向下箭头表示太阳黑子数落后于重建序列，向上箭头表示太阳黑子数领先于重建序列

Fig.10 Cross-wavelet analysis between sunspot number and reconstructed precipitation

4 结论

本文采用呼伦贝尔沙地樟子松的树轮样本建立了树轮宽度年表，分析了年表与不同气候因素的相关性，并重建了1821—2018年的降水变化历史。我们发现，上一年8月至当年7月的累积降水是影响沙地樟子松树木生长的主要因素。过去198 a的降水存在明显的干湿交替性波动，经历了5个湿润期和5个干旱期，存在着5.9~6.0、2.9、2.1 a的周期性变化。重建降水序列具有良好的空间代表性和时间一致性。本研究丰富了呼伦贝尔地区的历史水文气候资料，对于认识区域未来气候变化具有参考意义。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

郑泽煜，靳立亚，李金建，等.

树轮记录的1808年以来神农架地区平均气温的变化

［J］.第四纪研究，2021，41（2）：334-345.

[2]

Orimoloye

I R

， Belle

J A

， Ololade

O O

Drought disaster monitoring using MODIS derived index for drought years：a space-based information for ecosystems and environmental conservation

［J］.Journal of Environmental Management，2021，284：112028.

[3]

李明启，邵雪梅，聂文政.

基于树轮宽度数据重建的阴山东部过去399年降水变化

［J］.应用生态学报，2022，33（10）：2796-2804.

[4]

Lin

， Wu

， Zhang

，et al.

Propagation from meteorological to hydrological drought and its application to drought prediction in the Xijiang River basin，South China

［J］.Journal of Hydrology，2023，617：128889.

[5]

Malau

L R E

， Darhyati

A T

The impact of climate change and natural disasters on food security in Indonesia：lessons learned on preserving forests sustainability

［C］//IOP Conference Series：Earth and Environmental Science.London，UK：IOP Publishing，2021，886（1）：012090.

[6]

， Wu

， Zhang

，et al.

Risk assessment of drought disaster in summer maize cultivated areas of the Huang-Huai-Hai plain，eastern China

［J］.Environmental Monitoring and Assessment，2021，193（7）：441.

[7]

Knapp

P A

， Catherwood

A A

， Soulé

P T

Placing 21st century warming in southern California，USA in a multi-century historical context

［J］.Atmosphere，2024，15（6）：649.

[8]

刘禹，张艳华，蔡秋芳，等.

基于树轮宽度重建的河南石人山地区1850年以来季节最低温度及20世纪增温（英文）

［J］.地球环境学报，2015，6（6）：393-406.

[9]

Wang

， Li

， Liu

，et al.

Tree-ring stable carbon isotope-based mean maximum temperature reconstruction in Northwest China and its connection with atmospheric circulations

［J］.Forests，2022，13（11）：1815.

[10]

Keyimu

， Li

， Fu

，et al.

A 406-year non-growing-season precipitation reconstruction in the southeastern Tibetan Plateau

［J］.Climate of the Past，2021，17（6）：2381-2392.

[11]

Zhang

， Wang

， Zhang

，et al.

Radial growth response of Pinus sylvestris var

.mongolica to drought at different elevations in northern Daxing' anling and reconstruction of the SPEI sequence［EB/OL］.（2024-02-22）［2025.01.10］.

[12]

Jiang

， Liu

， Zhang

，et al.

Tree ring width-based January-March mean minimum temperature reconstruction from Larix gmelinii in the Greater Khingan Mountains，China since A.D.1765

［J］.International Journal of Climatology，202141（）： E842-E854.

[13]

乔晶晶，王轶夫，孙玉军，等.

基于红松树轮重建小兴安岭南麓过去140年6月份平均温度变化

［J］.生态学报，2023，43（21）：8769-8779.

[14]

Chen

， He

， Davi

N K

，et al.

A 258-year reconstruction of precipitation for southern Northeast China and the northern Korean peninsula

［J］.Climatic Change，2016，139：609-622.

[15]

Shi

， Xu

， Dong

，et al.

Growth-climate response and drought reconstruction from tree-ring of Mongolian pine in Hulunbuir，Northeast China

［J］.Journal of Plant Ecology，2016，9（1）：51-60.

[16]

中国科学院内蒙古宁夏综合考察队.内蒙古植被［M］.北京：科学出版社，1985：764-791.

[17]

Stokes

M A

.An Introduction to Tree-ring Dating［M］.Arizona，USA：University of Arizona Press，1996.

[18]

Holmes

R L

Computer-assisted quality control in tree-ring dating and measurement

［J］.Tree-Ring Bulletin，1983，43：69-78.

[19]

Bunn

A G

A dendrochronology program library in R（dplR）

［J］.Dendrochronologia，2008，26（2）：115-124.

[20]

Cook

E R

， Briffa

K R

， Meko

D M

，et al.

The segment length curse in long tree-ring chronology development for paleoclimatic studies

［J］.Holocene，1995，5：229-237.

[21]

孙毓，王丽丽，陈津，等.

中国落叶松属树木年轮生长特性及其对气候变化的响应

［J］.中国科学：地球科学，2010，40（5）：645-653.

[22]

Zang

， Biondi

Treeclim：an R package for the numerical calibration of proxy-climate relationships

［J］.Ecography，2015，38（4）：431-436.

[23]

Elith

， Leathwick

J R

， Hastie

A working guide to boosted regression trees

［J］.Journal of Animal Ecology，2008，77（4）：802-813.

[24]

Michaelsen

， Haston

， Davis

F W

400 years of central California precipitation variability reconstructed from tree-rings

［J］.Water Resources Bulletin，1987，23：809-817.

[25]

Fritts

H C

.Tree Rings and Climate［M］.London，UK：Academic Press，1976.

[26]

Cook

E R

， Meko

D M

， Stahle

D W

，et al.

Drought reconstructions for the continental United States

［J］.Journal of Climate，1999，12（4）：1145-1162.

[27]

Buras

， Zang

， Menzel

Testing the stability of transfer functions

［J］.Dendrochronologia，2017，42：56-62.

[28]

Harris

， Osborn

T J

， Jones

，et al.

Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset

［J］.Scientific Data，2020，7（1）：109.

[29]

张晓，潘磊磊， Kwon

Semyung

，等.

沙地天然樟子松径向生长对干旱的响应

［J］.北京林业大学学报，2018，40（7）：27-35.

[30]

Kwon

，潘磊磊，时忠杰，等.

不同竞争强度下的沙地樟子松天然林树木径向生长及其气候响应

［J］.生态学杂志，2019，38（7）：1962-1972.

[31]

， Fan

， Xu

，et al.

Late spring-early summer drought and soil properties jointly modulate two pine species' decline and climatic sensitivity in temperate Northern China

［J］.Forest Ecosystems，2025，12：100273.

[32]

Zhang

， Manzanedo

R D

， D'Orangeville

，et al.

Snowmelt and early to mid-growing season water availability augment tree growth during rapid warming in southern Asian boreal forests

［J］.Global Change Biology，2019，25（10）：3462-3471.

[33]

， Deng

， Shao

，et al.

Precipitation variation since 1748 CE in the central Lesser Khingan Mountains，Northeast China

［J］.Ecological Indicators，2021，129：107969.

[34]

管崇帆，郑京生，李雅婧，等.

气候和密度对刺槐径向生长和干旱脆弱性的影响

［J］.生态学报，2023，43（8）：3261-3272.

[35]

Anderegg

W R L

， Trugman

A T

， Badgley

，et al.

Divergent forest sensitivity to repeated extreme droughts

［J］.Nature Climate Change，2020，10（12）：1091-1095.

[36]

沈建国

.中国气象灾害大典：内蒙古卷［M］.北京：气象出版社，2008.

[本文引用: 4]

[37]

丁一汇

.中国气象灾害大典（综合卷）［M］.北京：气象出版社，2008.

[38]

Luo

， Feng

， Xu

，et al.

Evaluating the performance of five twentieth-century reanalysis datasets in reproducing the severe drought in northern China during the 1920s-1930s

［J］.Theoretical and Applied Climatology，2019，137：187-199.

[39]

Wang

， Liu

， Li

，et al.

Tree-ring oxygen isotope recorded precipitation variations over the past two centuries in the Northeast Chinese Loess Plateau

［J］.International Journal of Climatology，2022，42（11）：5796-5806.

[40]

， Mao

Spatial and interannual variations of spring rainfall over eastern China in association with PDO-ENSO events

［J］.Theoretical and Applied Climatology，2018，134：935-953.

[41]

中国气象局气象科学研究院.中国近五百年旱涝分布图集［M］.北京：地图出版社，1981.

[42]

， Shah

， Zhou

，et al.

Tree-ring-recorded drought variability in the Northern Daxing'anling Mountains of Northeastern China

［J］.Forests，2018，9（11）：674.

[43]

张德二，李小泉，梁有叶.

《中国近五百年涝分布图集》的再续补（1993-2000年）

［J］.应用生态学报，2003，14（3）：379-388.

[44]

于健，刘琪璟，周光，等.

小兴安岭红松和鱼鳞云杉径向生长对气候变化的响应

［J］.应用生态学报，2017，28（11）：3451-3460.

[45]

Xiao

， Zhang

， Singh

V P

Spatiotemporal variations of extreme precipitation regimes during 1961-2010 and possible teleconnections with climate indices across China

［J］.International Journal of Climatology，2017，37（1）：468-479.

[46]

Han

， Wei

， Shen

Stability analysis in space-time on the response of winter temperature in China to ENSO in the past 50 years

［J］.Climatic and Environment Research，2014，19（1）：97-106.

[47]

Liu

， Zhang

， Song

，et al.

Tree-ring-width-based PDSI reconstruction for central Inner Mongolia，China over the past 333 years

［J］.Climate Dynamics，2017，48：867-879.