全 文 ：书第 49 卷 第 6 期
2 0 1 3 年 6 月
林 业 科 学
SCIENTIA SILVAE SINICAE
Vol. 49，No. 6
Jun．，2 0 1 3
doi: 10．11707 / j．1001-7488．20130601
收稿日期: 2012 － 05 － 02; 修回日期: 2013 － 05 － 07。
基金项目: 国家自然科学基金项目(41271204，41072139，40972112) ; 江苏高校优势学科建设工程项目(PAPD)。
樟子松树轮 δ13 C对气候因子响应的方位差异
商志远1 王 建1 赵兴云2，3 张茂恒1 崔明星4 陈振举5，6
(1. 南京师范大学地理科学学院 南京 210023; 2. 山东省水土保持与环境保育重点实验室 临沂 276000;
3. 临沂大学资源环境学院 临沂 276000; 4. 中国科学院东北地理与农业生态研究所 长春 130102;
5. 沈阳农业大学林学院 沈阳 110866; 6. 中国科学院沈阳应用生态研究所 沈阳 110164)
摘 要: 对大兴安岭北部 3 株樟子松树轮进行 δ13 C 测定，分析树轮 δ13 C 对气候因子响应的方位差异以及不同采
样方位数和方位组合方式对整轮代表性的差异。结果表明: 樟子松树轮不同方位 δ13 C 的均值序列对大区域气候
环境因子的响应是一致的; 树轮不同方位的 δ13 C 序列多数呈正相关，少量呈负相关，其中相关系数达到显著性水
平的序列多数呈对称分布; 树轮不同方位 δ13 C 序列提取气候因子的能力和程度存在较大差异; 当无法整轮周向取
样时，选取 3 ～ 4 个方位采样既经济高效又能较完整地提取样本的 δ13 C 变化信息; 在方位组合上，应尽量避免各孔
向间呈 180°夹角。
关键词: 树轮; δ13 C; 方位差异; 气候要素; 响应; 樟子松
中图分类号: S716. 2 文献标识码: A 文章编号: 1001 － 7488(2013)06 － 0001 － 09
Orientation Difference of Tree Ring δ13C Response to
Climatic Factors for Pinus sylvestris var． mongolica
Shang Zhiyuan1 Wang Jian1 Zhao Xingyun2，3 Zhang Maoheng1 Cui Mingxing4 Chen Zhenju5，6
(1. College of Geographical Science，Nanjing Normal University Nanjing 210023; 2. Shandong Provincial Key Laboratory of Water and
Soil Conservation and Environmental Protections Linyi 276000; 3. College of Resources and Environment，Linyi University Linyi 276000;
4. China Northeast Institute of Geography and Agroecology，Chinese Academy of Sciences Changchun 130102; 5. Forestry College，
Shenyang Agricultural University Shenyang 110866; 6. Institute of Applied Ecology，Chinese Academy of Sciences Shenyang 110164)
Abstract: Through investigation of the stable carbon isotope ratio ( δ13 C) of discs which were sampled from three 15-
year-old trees in the north part of Daxinganling Mountain，we analyzed the orientation variation in tree ring δ13 C in
response to climate factors and influence of sampling orientations and the sample combinations on the circumferential
representative． The result showed that the impact of regional climate and environment factors on the variation in tree ring
δ13 C was consistent． It was found that most of the correlations between the tree ring δ13 C sequences were positive，but
some were negative． The sequences with significant correlation usually exhibited symmetrical or obtuse-angled distribution．
The capability and extent of tree ring δ13 C extracting the climate factors varied obviously among different orientations which
accounted for the responses of different orientations to climate factors． The result suggests that 3 orientations provide the
best and most efficient choice for extracting the information of tree ring δ13 C． Sampling should avoid boring in one
direction only，but should also include transversal angles．
Key words: tree rings; δ13 C; orientation difference; climatic factors; response; Pinus sylvestris var． mongolica
树轮稳定碳同位素在研究气候或环境重建中发
挥着独特而重要的作用(冀春雷等，2010; Lián et
al．，2011)。许多研究发现，年轮不同方向上的稳定
碳同位素比率 ( δ13 C 值)存在显著差异(Ramesh et
al．，1985; Nguyen-Queyrens et al．，1998; 赵兴云等，
2012)。树轮稳定碳同位素的气候意义研究目前还
处于初级阶段(陈宝君等，2002a; 2002b; 王建等，
2006)。Francey(1981)认为用某个方位的 δ13 C 值
可以代表整个年轮的 δ13 C 值，Mazany 等 (1980)和
Leavitt 等(1984)认为用多个方位的 δ13 C 均值代表
林 业 科 学 49 卷
整个年轮值更合理。陈宝君等(2002b)认为采用多
个方位平均或整轮取样的方法会相对降低气候重建
研究的精度和可靠性。王建等(2008)认为选择 2 ～
4 个方位并尽量使各方位之间成钝角既经济方便又
能充分反映树木整体 δ13 C 变化信息。目前，有关树
轮 δ13 C 对气候要素响应方位差异的研究仍处于探
索之中。本研究分析大兴安岭北部樟子松( Pinus
sylvestris var． mongolica)树轮 δ13 C 对气候因子响应
的方位差异，并探讨不同采样方位数和组合方式对
整轮 δ13 C 序列的代表性，以期为今后经济高效地进
行树芯样本采集提供依据。
1 研究区概况
研究区地处大兴安岭伊勒呼里山北坡，采样点
位于新林林业局下辖碧洲林场境内 ( 124° 13—
124°36 E，51°57—52°00 N)，自然区划上归属大
兴安岭针叶林区的北部亚区，北临黑龙江支流呼玛
河上游，南界为伊勒呼里山山脊，平均海拔 670 m。
寒温带大陆性季风气候，年均气温 － 2. 54 ℃，年降
水量 519. 4 mm，降水集中在 6 月下旬至 9 月中旬，
年均日照时数2 383. 6 h，全年无霜期 90 ～ 100 天。
年总辐射量 4 200 MJ·m － 2，年蒸发量 952. 7 mm，
≥10 ℃年积温 1 430 ℃。研究区地带性植被为寒
温带明亮夏绿针叶林。优势种为兴安落叶松
( Larix gmelinii )、樟 子 松 和 白 桦 ( Betula
platyphylla)，此外，河谷及冲积地有云杉 ( Picea
koraiensis)、甜 杨 ( Populus suaveolens ) 和 钻 天 柳
(Chosenia arbutifolia ) 等 树 种 分 布 (詹 昭 宁 等，
1995; 张万里等，2000)。
2 材料与方法
2005 年 1 月，在林场下辖大青山十支线地区采
集 3 株原始林樟子松盘片(编号分别为 A，B 和 C)
用于分析树轮 δ13 C 方位变化特征，样品生长受人类
活动影响较小。另外用生长锥在林场后山采集 31
株天然次生林樟子松的 71 根生长锥样芯用于交叉
定年。样品采集过程与定年均按国际树轮数据库标
准完成。样品具体信息见表 1。
表 1 樟子松树轮样品信息
Tab． 1 Basic information of the tree ring δ13 C samples
样本
Sample
地理位置
Location
海拔
Altitude /m
坡向
Slope aspect
坡度
Slope
树龄
Tree age / a
树高
Tree height /m
DBH /
cm
A 124°22. 005E，51°99. 732N 796 正北 Due north 18° 231 26. 5 63. 7
B 124°22. 866E，52°00. 054N 808 正西 Due west 22° 286 23 44. 6
C 124°22. 742E，52°00. 016N 772 正西 Due west 23° ≥265(中间腐芯 Decayed in pith) 23 42. 7
样品采集时做好方位标识，运回实验室后晾干，
用干砂纸打磨样本表面至年轮界线清晰可见。利用
AcuRite 年轮宽度仪的 MeasureJ2X 量测系统对样本
的逐年生长轮分别按东南西北 4 个方位进行宽度测
量，测量精度 0. 001 mm，并利用 COFECHA 程序对
宽度序列进行交叉定年检验，经交叉定年判定 3 样
本最外一轮均为 2004 年。以髓心为中心，以 45°间
隔顺时针将样盘表面依次划分为北、东北、东、东南、
南、西南、西和西北共 8 个方位，并依次做好标记。
经综合比较，确定 3 样本剥取时段均为 1990—2004
年的连续 15 年，均按上述 8 个方向用手术刀逐年进
行剥取。剥取的样本在电子天平上称质量，剥离称
量过程严格防止样品相互之间的混淆及外来杂质的
混入。采用索式抽提法对本研究样品进行纤维素提
取，并抽样选取提取好的纤维素样品，通过傅里叶变
换红外光谱仪( FTIR NEXUS670 型)进行红外光谱
扫描分析，结果表明此流程提取的综纤维素样品纯
度符合标准，满足研究要求。利用同位素比例质谱
仪(ThermoFinnigan-DeltaplusXP)测定综纤维素样品
的碳同位素13 C / 12 C 之比，采用尿素标准样(UREA，
δ13 C = － 49. 1‰)进行校验，测定结果相对于 PDB
标准表示为 δ13 CPDB (简写为 δ
13 C，分析误差≤
0. 15‰)。结 果 以 Excel 2003 格 式 输 出，采 用
SPSS17. 0 进行数据分析，采用 Origin8. 0 绘图。
3 结果与分析
3. 1 树轮 δ13C 的方位变化特征
3 样本 8 个方位的 15 年 δ13 C 序列见图 1。由
图 1 可见，3 样本各方位 δ13 C 序列的变化趋势大体
一致。样本 A 与 B、A 与 C 和 B 与 C 之间 8 个方位
均值序列的相关系数分别为 0. 324，0. 555 和 0. 690，
A 与 C 和 B 与 C 之间分别在 0. 05 和 0. 01 水平显著
相关，反映出 3 样本 δ13 C 值年际变异对区域气候环
境要素的响应大体一致，这一点与前人在其他地区
的研究结果(赵兴云等，2006)类似。此外，3 样本
同一年不同方位的 δ13 C 平均极值之差分别达到
2. 212‰(样本 A)，2. 429‰(样本 B)和 2. 393‰(样
本 C)，说明不同方位之间的 δ13 C 存在着不可忽视
2
第 6 期 商志远等: 樟子松树轮 δ13 C 对气候因子响应的方位差异
的差异。
图 1 3 样本 8 个方位的 δ13 C 年序列
Fig. 1 The δ13 C sequences of eight radii and
average sequences for each samples
3 样本各方位之间的 δ13 C 值相关系数见表 2，
由表 2 可见，每个样本的 8 个序列之间大多呈正相
关，但也有少量呈负相关，此点与前人的研究
(Stuiver et al．，1984; Sheu et al．，1995; Schleser et
al．，1999; 陈宝君等，2002b)有所不同。
由表 2 可见，3 样本各方位 δ13 C 序列之间的相
关性各有不同: 样本 A 普遍正相关，相关系数为
0. 019 ～ 0. 818; 样本 B 约 2 /3 的序列之间呈正相
关，约 1 /3 呈负相关，相关系数为 － 0. 677 ～ 0. 695;
样本 C 约 6 /7 的序列之间呈正相关，约 1 /7 呈负相
关，相关系数为 － 0. 321 ～ 0. 901。进一步分析可见，
3 样本呈正相关的序列之间多数呈对称方向或钝角
方向，且其中相关系数达到显著性水平的比例接近
1 /4。
3. 2 树轮 δ13C 序列与气候因子的相关分析
为尽可能排除树木不同生长阶段特性对气候重
建的影响，所选取的 δ13 C 测定阶段应尽可能处于树
木生长的稳定期或衰老期。由 3 样本原始宽度的测
量结果 (图 2)可知 3 样本选取的 δ13 C 测定时段
(1990—2004)已处于生长稳定期，高低频分离以进
行去趋势的必要性已不大，利用 δ13 C 原始序列与气
候要素指标进行相关分析能够满足要求 (陈宝君，
2002a)。
表 2 树盘样本不同方位 δ13 C 序列相关系数①
Tab. 2 Correlation coefficients between different δ13 C sequences for different radii
样本
Sample
方位
Orientation
北
North
东北
Northeast
东
East
东南
Southeast
南
South
西南
Southwest
西
West
东北 Northeast 0. 212
东 East 0. 543 * 0. 042
东南 Southeast 0. 328 0. 448 0. 133
A 南 South 0. 738＊＊ 0. 263 0. 322 0. 439
西南 Southwest 0. 533 * 0. 803＊＊ 0. 176 0. 322 0. 529 *
西 West 0. 285 0. 172 0. 572 * 0. 604 * 0. 202 0. 102
西北 Northwest 0. 438 0. 160 0. 638 * 0. 019 0. 328 0. 453 0. 488
东北 Northeast － 0. 005
东 East － 0. 677＊＊ 0. 134
东南 Southeast － 0. 096 0. 047 0. 200
B 南 South － 0. 573 * － 0. 189 0. 557 * 0. 033
西南 Southwest 0. 043 0. 640 * 0. 185 0. 335 － 0. 326
西 West 0. 049 0. 442 0. 198 0. 451 0. 056 0. 504
西北 Northwest － 0. 011 0. 180 0. 044 － 0. 165 0. 297 0. 076 － 0. 087
东北 Northeast 0. 286
东 East 0. 562 * 0. 563 *
东南 Southeast 0. 147 － 0. 170 － 0. 069
C 南 South 0. 564 * 0. 306 0. 364 0. 109
西南 Southwest 0. 390 0. 525 * 0. 255 － 0. 321 0. 585 *
西 West 0. 263 0. 513 0. 247 － 0. 045 0. 521 * 0. 323
西北 Northwest 0. 607 * 0. 583 * 0. 631 * 0. 338 0. 754＊＊ 0. 488 0. 309
① * : α = 0. 05; ＊＊: α = 0. 01。
3
林 业 科 学 49 卷
图 2 3 样本原始宽度序列(均为东西南北 4 个方向平均值)
Fig． 2 Tree ring width of three samples
( all are average of north，east，south，and west)
在利用树轮 δ13 C 序列进行气候因子分析之前，
为了能够较真实地反映树轮 δ13 C 所记录的气候因
子变化，通常需要预先剔除序列中主要受大气 CO2
浓度变化等影响的低频部分，而保留主要受温度降
水等气候因子影响的高频部分。但低频去除的过程
中有可能同时去除了部分气候信息，且目前尚无统
一标准。鉴于本研究分析所用资料时段仅 15 年，且
处于 生 长 稳定阶 段，借 鉴 前 人 研 究 ( 陈 宝 君，
2002a)，本研究未作高低频分离。气象资料选用采
样点附近的新林气象站自 1972 年建站以来的逐月
降水和平均气温资料。对气象站 1972—2004 年气
象数据进行均一性分析和时间序列的突变检验，经
滑动 t 检验和 Mann-Kendall 时间序列趋势检验，气
温和降水时间序列在该时段均未发生均值突变，满
足气候重建要求。表 3 中列出了 3 样本各自单方位
δ13 C 序列及 8 个方位均值序列与新林站相关气象指
标在 0. 05 水平显著相关的代表性气候因子。
由表 3 可见，3 样本从各自单一方位序列中均
能够提取出若干个气候因子，而从 8 个方位均值序
列中只能提取出 3 ～ 4 个气候因子，基本体现不出平
均值的优势，甚至会削弱对气候要素的响应能力，这
一点与前人的研究(陈宝君等，2002b)相类似。
进一步分析可见，对于不同方位，有的方位可以
提取多达 5 ～ 6 个重要的气候因子(如样本 A 和 B
的东向，样本 C 的东北、东南和西南向)，而有的方
位未能提取出达到显著性水平的气候因子(如样本
B 的东南向和西北向，样本 C 的正北和正南向)，提
取因子的多少和相关性的强弱相互差异很大。从表
3 还可以看出树轮不同方位的 δ13 C 序列之间存在共
线性问题，为尽量避免方位之间的相互影响，同时研
究 δ13 C 随时间和方位的变化特征，对 δ13 C 序列的矩
阵进行主成分分析。先将 8 个方位的 δ13 C 序列转
换成相互正交的 8 个主成分，再以这些主成分作为
预报因子来重建相应的气候要素。分析结果显示 3
个样本的 KMO(Kaiser-Meyer-Olkin)值在 0. 5 左右，
表明各序列之间的偏相关性较差，即相关程度有较
大差异，其中样本 A 和 B 的球形假设被拒绝，表明 8
条序列之间存在一定的相关性。
各主成分对应的特征值、荷载矩阵和方差贡献
率见表 4。由表 4 可见，3 样本均需要至少前 4 个主
成分才可使得方差总贡献率达到 65%以上，说明并
非前 1 个主成分即可代表各方位 Δδ 的最主要的共
同变化特征，而有可能需要前 4 ～ 5 个主成分才能满
足要求，可视作 8 个方位的加权平均。
对 3 个样本的各自 8 个主成分分别与新林气象
站逐月、生长季及全年的气象指标做相关分析，将部
分与主成分在 0. 05 水平显著相关的代表性气候因
子列于表 5。由表 5 可知，3 样本不同主成分与气象
指标的相关性各有差异。
3. 3 树轮 δ13C 采样方位的组合分析
本研究未进行全轮周向均匀剥取样品来测定整
轮样品 δ13 C 值，采用 8 个方位的平均值近似代表整
轮样品的 δ13 C 均值。参考相关文献 ( 王建等，
2008)，分别计算每个样本单一方位的 δ13 C 序列与
整体 8 个方位均值序列之间的相关系数，取均值作
为方位数为 1 时的相关系数平均值; 同理计算 2 个
方位组合的均值序列与整体 8 个方位均值序列之间
的相关系数，取均值作为方位数为 2 时的相关系数
平均值; 依此类推，从而得到方位数分别为 1 ～ 7 的
相关系数平均值。同理，再继续比较单一序列均值
以及不同方位组合序列均值与整体 8 个方位均值序
列之差的平方和与样本数的商、各序列与整体 8 个
方位均值序列逐年差值平方和的均值与样本数的
商、序列平均标准差与 8 个方位平均序列标准差的
差等指标，以分析他们与整轮序列的相关程度和相
似性，并分别做图(图 3)。
4
第 6 期 商志远等: 樟子松树轮 δ13 C 对气候因子响应的方位差异
表 3 树轮各方位 δ13 C 序列与气候因子的相关性①
Tab. 3 Correlation between the δ13 C sequences of various orientations and the climatic factors
样本 Sample 序列 Sequence 显著相关的气候要素(相关系数) Significant correlated climatic factors( correlation coefficients)
北向 δ13 C 序列
δ13 C sequence of north
7—8 月降水 Precipitation of July-August( － 0. 577 * ) ; 年均相对湿度 Annual average relative
humidity(0. 592 * )
东北向 δ13 C 序列
δ13 C sequence of northeast
6 月平均最低气温 Average minimum temperature of June(0. 561 * ) ; 7 月降水 Precipitation of
July( － 0. 515 * )
东向 δ13 C 序列
δ13 C sequence of east
9 月平均最低气温 Average minimum temperature of September ( － 0. 652＊＊) ; 9 月降水
Precipitation of September(0. 579 * ) ; 6—8 月降水 Precipitation of June-August( － 0. 536 * ) ;
4—10 月平均相对湿度 Average relative humidity of April-October( － 0. 558 * ) ; 7—8 月平均相
对湿度 Average relative humidity of July-August( － 0. 541 * )
A 东南向 δ
13 C 序列
δ13 C sequence of southeast
9 月平均相对湿度 Average relative humidity of September( － 0. 555 * ) ; 10 月平均相对湿度
Average relative humidity of October(0. 677＊＊)
南向 δ13 C 序列
δ13 C sequence of south 年均相对湿度 Annual average relative humidity(0. 607
* )
西南向 δ13 C 序列
δ13 C sequence of southwest
7 月 降 水 Precipitation of July ( － 0. 590 * ) ; 6—8 月 降 水 Precipitation of June-August
( － 0. 672＊＊)
西向 δ13 C 序列
δ13 C sequence of west
9 月降水 Precipitation of September( － 0. 666＊＊) ; 4—10 月降水 Precipitation of April-October
( － 0. 660＊＊) ; 年降水 Annual precipitation( － 0. 698＊＊)
西北向 δ13 C 序列
δ13 C sequence of northwest
9 月降水 Precipitation of September ( 0. 531 * ) ; 6—8 月平均最低气温 Average minimum
temperature of June-August( － 0. 642＊＊)
8 方位平均 δ13 C 值序列
Average of δ13 C sequence
7 月降水 Precipitation of July( － 0. 541 * ) ; 8 月平均最低气温 Average minimum temperature of
August( － 0. 554 * ) ; 7—8 月降水 Precipitation of July-August( － 0. 570 * )
北向 δ13 C 序列
δ13 C sequence of north
10 月均温 Average temperature of October ( － 0. 667＊＊) ; 4—9 月均温 Average temperature of
April-September(0. 645＊＊) ; 7—8 月均温 Average temperature of July-August(0. 844＊＊) ; 8 月降
水 Precipitation of August( － 0. 534 * )
东北向 δ13 C 序列
δ13 C sequence of northeast 5 月均温 Average temperature of May(0. 515
* )
B 东向 δ13 C 序列
δ13 C sequence of east
6月均温 Average temperature of June(0. 649＊＊); 10月均温 Average temperature of October(0. 592* );
10月降水 Precipitation of October( －0. 515* ); 年均温 Annual average temperature(0. 524* ); 上年
10月至当年 3 月均温 Average temperature from last October to this March(0. 534* )
南向 δ13 C 序列
δ13 C sequence of south 10 月均温 Average temperature of October(0. 543
* )
西南向 δ13 C 序列
δ13 C sequence of southwest 6 月平均相对湿度 Average relative humidity of June(0. 520
* )
西向 δ13 C 序列
δ13 C sequence of west 6 月平均最低气温 Average minimum temperature of June /0. 529
*
8 方位平均 δ13 C 值序列
Average of δ13 C sequence
6月平均最低气温 Average minimum temperature of June(0. 520* ); 年平均最低气温 Annual average
minimum temperature(0. 517* ); 上年 11 月至当年 3 月均温 Average temperature from last November
to this March(0. 538* ); 6 月平均相对湿度 Average relative humidity of June(0. 520* )
东北向 δ13 C 序列
δ13 C sequence of northeast
4 月平均最高气温 Average maximum temperature of April( － 0. 733＊＊) ; 7—8 月平均最低气温
Average minimum temperature of July-August( － 0. 826＊＊) ; 4—10 月降水 Precipitation of April-
October( － 0. 595 * ) ; 6—8 月降水 Precipitation of June-August( － 0. 612 * ) ; 年降水 Annual
precipitation( － 0. 566 * ) ; 上年 11 月至当年 3 月降水 Precipitation from last November to this
March(0. 589 * )
东向 δ13 C 序列
δ13 C sequence of east
4 月平均最高气温 Average maximum temperature of April( － 0. 555 * ) ; 10 月平均最高气温
Average maximum temperature of October ( 0. 603 * ) ; 10 月 降 水 Precipitation of October
( － 0. 603 * ) ; 10 月平均相对湿度 Average relative humidity of October( － 0. 704＊＊)
东南向 δ13 C 序列
δ13 C sequence of southeast
6 月平均最低气温 Average minimum temperature of June ( － 0. 586* ); 年均温 Annual average
temperature( －0. 545* ); 年均最低气温 Annual average minimum temperature( －0. 532* ); 7 月降水
Precipitation of July(0. 569* ); 5 月平均相对湿度 Average relative humidity of May( －0. 574* )
西南向 δ13 C 序列
δ13 C sequence of southwest
6 月平均最低气温 Average minimum temperature of June(0. 551* ); 8 月均温 Average temperature
of August ( － 0. 568* ); 7—8 月平均最低气温 Average minimum temperature of July-August
( － 0. 556* ); 年均温 Annual average temperature ( 0. 581* ); 7 月降水 Precipitation of July
( － 0. 634* )
西向 δ13 C 序列
δ13 C sequence of west
6—8 月降水 Precipitation of June-August ( － 0. 649＊＊) ; 4—10 月降水 Precipitation of April-
October( － 0. 727＊＊) ; 年降水 Annual precipitation( － 0. 794＊＊)
西北向 δ13 C 序列
δ13 C sequence of northwest
9 月降水 Precipitation of September ( 0. 519 * ) ; 6—8 月降水 Precipitation of June-August
( － 0. 524 * )
8 方位平均 δ13 C 值序列
Average of δ13 C sequence
7—8 月平均最低气温 Average minimum temperature of July-August( － 0. 524 * ) ; 6—8 月降水
Precipitation of June-August( － 0. 527 * ) ; 年降水 Annual precipitation( － 0. 535 * )
① * : α = 0. 05; ＊＊: α = 0. 01．
5
林 业 科 学 49 卷
表 4 3 样本 δ13 C 序列主成分
Tab. 4 Principal component for the δ13 C sequences of samples
样本
Sample
指标
Index
主成分 Principal component
PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8
特征值 Eigenvalue 1. 797 1. 456 1. 192 1. 178 1. 171 0. 853 0. 276 0. 077
A 方差贡献率 Variance contributes(% ) 22. 456 18. 201 14. 906 14. 726 14. 638 10. 664 3. 45 0. 96
累积方差贡献率 Accumulative variance contributes(% ) 22. 456 40. 657 55. 563 70. 289 84. 927 95. 59 99. 04 100
特征值 Eigenvalue 1. 084 1. 072 1. 037 1. 035 1. 002 0. 977 0. 906 0. 887
B 方差贡献率 Variance contributes(% ) 13. 548 13. 404 12. 963 12. 942 12. 523 12. 216 11. 321 11. 083
累积方差贡献率 Accumulative variance contributes(% ) 13. 548 26. 953 39. 916 52. 857 65. 38 77. 596 88. 917 100
特征值 Eigenvalue 1. 385 1. 162 1. 141 1. 108 1. 097 1. 055 0. 997 0. 055
C 方差贡献率 Variance contributes(% ) 17. 31 14. 527 14. 257 13. 854 13. 71 13. 187 12. 467 0. 688
累积方差贡献率 Accumulative variance contributes(% ) 17. 31 31. 837 46. 094 59. 948 73. 658 86. 845 99. 312 100
表 5 与主成分相关的代表性气候因子①
Tab. 5 The representative climatic factors correlating with principal components (PCs)
样本
Sample
主成分
Principle component
与主成分相关的代表性气候因子
The representative climatic factors correlating with principle components
PC1 7 月降水 Precipitation of July( － 0. 532
* ) ; 7 月平均风速 Average wind speed of July(0. 660＊＊) ; 4—10 月平
均风速 Average wind speed of April-October(0. 542 * )
PC2 9 月平均相对湿度 Average relative humidity of September( － 0. 605
* ) ; 10 月平均相对湿度 Average relative
humidity of October (0. 647＊＊)
PC3 6 月降水 Precipitation of June (0. 571 * )
PC4
8 月平均最低气温 Average minimum temperature of August( － 0. 612 * ) ; 6—8 月平均最低气温 Average
minimum temperature of June-August ( － 0. 634 * ) ; 9 月平均日照时数 Average sunshine duration of
September( － 0. 577 * )
A PC5 5 月平均风速 Average wind speed of May(0. 515
* ) ; 5 月平均日照时数 Average sunshine duration of May
(0. 525 * ) ; 4—10 月平均日照时数 Average sunshine duration of April-October(0. 514 * )
PC6 年平均相对湿度 Annual average relative humidity(0. 523
* ) ; 上年 10 月至当年 3 月降水 Precipitation from
last October to this March(0. 603 * )
PC7
4 月平均相对湿度 Average relative humidity of April(0. 532 * ) ; 9 月均温 Average temperature of September
(0. 663＊＊) ; 4—10 月均温 Average temperature of April-October ( 0. 731＊＊) ; 4 月平均日照时数 Average
sunshine duration of April( － 0. 583 * )
PC8 年均温 Annual average temperature( － 0. 553 * )
PC1 4—9 月均温 Average temperature of April-September(0. 677
＊＊) ; 7—8 月均温 Average temperature of July-
August(0. 828＊＊) ; 8 月降水 Precipitation of August( － 0. 594 * )
PC2 7 月降水 Precipitation of July( － 0. 553 * )
B
PC6
6 月平均最低气温 Average minimum temperature of June(0. 616 * ) ; 10 月平均相对湿度 Average relative
humidity of October( － 0. 639 * ) ; 10 月降水 Precipitation of October( － 0. 520 * ) ; 上年 10 月至当年 3 月降
水 Precipitation from last October to this March (0. 529 * )
PC7 6 月平均相对湿度 Average relative humidity of June(0. 521
* ) ; 4—10 月平均相对湿度 Average relative
humidity of April-October(0. 563 * )
PC8 6 月均 温 Average temperature of June ( － 0. 517
* ) ; 年 相 对 湿 度 Annual average relative humidity
(0. 531 * ) ; 4—10 月平均日照时数 Average sunshine duration of April-October ( － 0. 595 * )
PC2 4—9 月平均风速 Average wind speed of April-September ( － 0. 684
＊＊) ; 6—8 月平均风速 Average wind
speed of June-August( － 0. 692＊＊)
PC3 5 月平均相对湿度 Average relative humidity of May( － 0. 559
* ) ; 6 月平均最低气温 Average minimum
temperature of June(0. 557 * )
C
PC4
4 月平均最高气温 Average maximum temperature of April ( － 0. 733＊＊) ; 7—8 月平均最低气温 Average
minimum temperature of July-August ( － 0. 832＊＊) ; 6—8 月降水 Precipitation of June-August( － 0. 562 * ) ;
上年 11 月至当年 3 月降水 Precipitation from last November to this March(0. 629 * ) ; 4—10 月平均相对湿
度 Average relative humidity of April-October( － 0. 615 * )
PC5 6 月降水 Precipitation of June( － 0. 657
＊＊) ; 4—10 月降水 Precipitation of April-October( － 0. 537 * ) ; 年降
水 Annual precipitation( － 0. 613 * )
PC6 8 月平均最高气温 Average maximum temperature of August ( － 0. 516
* ) ; 8 月平均相对湿度 Relative
humidity of August(0. 544 * ) ; 8 月平均日照时数 Average sunshine duration of August( － 0. 653＊＊)
PC7 8 月均温 Average temperature of August( － 0. 530* ) ; 年均温 Annual average temperature(0. 532 * )
PC8 8 月降水 Precipitation of August( － 0. 624 * )
① * : α = 0. 05; ＊＊: α = 0. 01。
6
第 6 期 商志远等: 樟子松树轮 δ13 C 对气候因子响应的方位差异
图 3 4 个指标(相关系数平均值、不同方位组合序列均值与整体 8 个方位均值序列之差的平方和与样本数的商、
各序列与整体 8 个方位均值序列逐年差值平方和的均值与样本数的商、序列平均标准差与 8 个方位平均序列
标准差的差)随取样方位数的变化
Fig. 3 Variation of four indices( the average of correlation coefiicient between the different combination sequence and the average sequence of
8 radii，the ratio of the sum of square of the difference between the average of combination sequences and the average of 8 radii to the number
of sample，the ratio of the average of the sum of squares of annual difference between the average of combination sequences for different radii
and the average of 8 radii to the number of sample，and the differences between the average standard deviation of combination sequences
and the standard deviation of the average of 8 radii) with the number of sampling radii
从相关系数平均值(图 3)来看，不同方位组合
的均值序列与 8 个方位均值序列的相关系数随方位
数的增多而增大，但其增大的速度呈指数递减，说明
随着组合方位数的增多，方位组合对整轮序列的代
表性由显著逐渐变为不显著。当方位数达到 3 个
时，相关系数的平均值最低即已达到 0. 7 以上。单
一序列均值以及不同方位组合序列均值与整体 8 个
方位均值序列之差的平方和与样本数的商反映了序
列均值与整轮序列均值之间的相近程度，由图 3 可
见该值随方位数增多而减小，但减小速度呈指数下
降，即平方和均值的减少对于代表性改善的效果也
是由显著逐渐变为不显著，当方位数达到 3 个时，即
已降至 0. 1 以下。各序列与整体 8 个方位均值序列
逐年差值平方和的均值与样本数的商反映了各序列
与整轮序列之间的差异大小。差值平方和越小，表
明序列与整轮序列的差异越小。同样可见，该值随
方位数增加而减小，但增加速度亦呈指数递减，当方
位数达到 4 个时，差值平方和已趋于稳定。标准差
反映了序列变化的性质，标准差越相近，说明 2 个序
列的波动幅度和频率越相似。从序列平均标准差与
8 个方位平均序列标准差的差来看，该值随着方位
数增加迅速减少，但仍呈指数下降趋势，在方位数达
到 4 个时，3 样本序列标准差与整轮序列标准差的
差值均已降至 0. 1 以下。综上所述，3 ～ 4 个方位合
并分析已经完全能够满足要求，既经济方便又较充
分地反映样本 δ13 C 的变化信息，这一点与前人研究
的结论基本一致(王建等，2008)。
在 3 样本各自 8 个方位中，取 2 ～ 6 个不同方位
7
林 业 科 学 49 卷
组合的均值序列与 8 方位均值序列进行相关分析，
相关系数见表 6。由表 6 可以看出，当选取 2 个方
位采样时，采样孔向呈直角的相关性最好，呈对称方
向的相关性最差; 3 个方位采样时，孔向分布呈
45° － 90° － 225°最好，45° － 135° － 180°最差; 而 4 ～
6 个方位采样时，采样孔向均为 n － 1 个锐角加 1 个
钝角(n 为采样方位数)的方式最好，基本也是孔向
对称或大致对称分布的方式最差。总体而言，随着
采样方位数的增加，同一采样方位数内，不同夹角布
局的采样方式的相关系数差别逐渐减弱。
表 6 不同组合方式下的样本组合均值序列与整轮序列的相关系数
Tab. 6 The correlation coefficients between the combined average sequence in
different combination mode and average sequence of eight radii
采样方位数目
Amounts of radii
方位间夹角
Angle between radii
样本
Sample
A B C
平均值
Average
每株树的组合统计数目
Amounts of combination
mode for each tree
45° 0. 820 0. 601 0. 789 0. 737 8
2
90° 0. 820 0. 607 0. 821 0. 749 8
135° 0. 802 0. 582 0. 786 0. 723 8
180° 0. 759 0. 566 0. 781 0. 702 4
45° － 45° － 270° 0. 891 0. 710 0. 886 0. 829 9
45° － 90° － 225° 0. 903 0. 705 0. 883 0. 830 15
3 45° － 135° － 180° 0. 857 0. 700 0. 856 0. 805 16
90° － 90° － 180° 0. 858 0. 722 0. 884 0. 821 8
135° － 90° － 135° 0. 885 0. 699 0. 876 0. 820 8
45° － 45° － 45° － 225° 0. 952 0. 796 0. 935 0. 894 8
45° － 45° － 90° － 180° 0. 922 0. 802 0. 923 0. 882 16
45° － 45° － 135° － 135° 0. 918 0. 784 0. 911 0. 871 8
4
45° － 90° － 45° － 180° 0. 919 0. 797 0. 919 0. 878 8
45° － 90° － 90° － 135° 0. 916 0. 791 0. 920 0. 876 16
45° － 90° － 135° － 90° 0. 940 0. 780 0. 930 0. 883 8
45° － 135° － 45° － 135° 0. 890 0. 789 0. 896 0. 858 4
90° － 90° － 90° － 90° 0. 887 0. 813 0. 927 0. 876 2
45° － 45° － 45° － 45° － 180° 0. 958 0. 873 0. 958 0. 930 8
45° － 45° － 45° － 90° － 135° 0. 952 0. 855 0. 954 0. 921 16
5 45° － 45° － 90° － 45° － 135° 0. 914 0. 863 0. 942 0. 906 16
45° － 45° － 90° － 90° － 90° 0. 907 0. 870 0. 952 0. 909 8
45° － 90° － 45° － 90° － 90° 0. 949 0. 854 0. 955 0. 919 8
45° － 45° － 45° － 45° － 45° － 135° 0. 971 0. 920 0. 973 0. 955 8
6
45° － 45° － 45° － 45° － 90° － 90° 0. 965 0. 917 0. 976 0. 953 8
45° － 45° － 45° － 90° － 45° － 90° 0. 961 0. 899 0. 968 0. 943 8
45° － 45° － 90° － 45° － 45° － 90° 0. 935 0. 922 0. 965 0. 941 4
4 结论与讨论
本研究表明，樟子松树轮多年 δ13 C 的均值序列
对区域气候环境变化的响应是一致的。树轮同一年
不同方位的 δ13 C 存在显著差异。Ramesh 等(1985)
认为气候因子的变化会影响树体细胞的活跃程度，
从而产生生长激素的非对称分布或侧向再分配。
樟子松树轮不同方位的 δ13 C 序列对气候因子
响应的能力有所不同，不同方位 δ13 C 序列提取气候
因子的数量和相关性的强弱等方面存在较大差异。
此外，由表 3 还可以发现，对于同一气候因子，不同
方位的相关性多数相同，但少数方位却呈现截然相
反的趋势，这也暗示各方位取平均值的 δ13 C 序列很
可能会削弱对气候要素的响应能力，造成这一现象
的原因有待探讨。此外，多数方位 δ13 C 序列都与生
长季早期的月最高气温负相关，而与生长季晚期的
月最高气温正相关; 而月最低气温这一指标恰好相
反，多数方位 δ13 C 序列与生长季早期的月最低气温
正相关，而与生长季晚期的月最低气温负相关。导
致这一现象的原因也值得深入研究。
在确定采样方位的具体数量方面，当客观条件
无法满足整轮周向取样时，选择 3 ～ 4 个方位采样既
经济高效又能较完整地提取样本的 δ13 C 变化信息。
在采样方位的具体组合方面，2 个方位采样时，采样
孔向呈直角的相关性最好，呈对称方向的相关性最
差; 3 个方位采样时，孔向分布呈 45° － 90° － 225°最
8
第 6 期 商志远等: 樟子松树轮 δ13 C 对气候因子响应的方位差异
好，45° － 135° － 180°最差; 而 4 ～ 6 个方位采样时，
采样孔向均为 n － 1 个锐角加 1 个钝角( n 为采样方
位数)的方式最好，基本也是孔向对称或大致对称
分布的方式最差。结合表 2 可见，3 样本各自不同
方位的 δ13 C 序列之间多呈“对称相关”，即相关性达
到显著性水平的序列多数呈对称分布或钝角分布。
这说明对称或大致对称方向的方位组合，相对增加
了序列之间的共性关系，也就在一定程度上削减了
组合序列的整体代表性，从而显示较差的相关性。
因此，应尽量避免对称方向取样。但随着采样方位
数的增加，同一采样方位数内，不同夹角布局的采样
方式的相关系数差别逐渐减弱，这也就意味着如采
样方位数达到 4 个或以上时，孔向布局和组合工作
的重要性已不大。值得说明的是，本研究结论是对
我国寒温带季风气候区的樟子松样本分析所得到
的，分析的序列时段相对较短(均仅 15 年)，其适用
性和指导性有待于今后深入研究。
参 考 文 献
陈宝君，钱君龙，濮培民，等 ． 2002a． 树轮 α －纤维素 δ13 C 角分布
及其气候意义 ． 南京林业大学学报: 自然科学版， 26(1) : 14
－ 18．
陈宝君，钱君龙，濮培民，等 ． 2002b． 树轮 δ13 C 的角分布及其在气
候重建中的应用 ． 南京气象学院学报，25(4) : 463 － 471．
冀春雷，徐 庆，靳 翔，等 ． 2010． 树木年轮碳氢氧稳定同位素在
全球气候变化研究中的应用 ． 林业科学，46(7) : 129 － 135．
王 建，钱君龙，梁 中，等 ． 2008． 树轮稳定碳同位素分析的采样
方法———以天目山柳杉为例 ． 生态学报，28(12) : 6070 － 6078．
王 建，赵兴云，钱君龙 ． 2006． 天目山柳杉树轮 δ13 C 方位变化及
成因探讨 ． 地理研究，25(2) : 242 － 254．
詹昭宁 ． 1995． 中国森林立地类型: 第 1 版 ． 北京: 中国林业出版
社，57 － 62．
张万里，李雷鸿 ． 2000． 大兴安岭新林林业局森林资源可持续发展
的技术体系 ． 东北林业大学学报，28(5) : 130 － 133．
赵兴云，王 建，钱君龙，等 ． 2006． 天目山柳杉树轮 δ13 C 年序列差
异 ． 应用生态学报，17(3) : 362 － 367．
赵兴云，王 建，商志远，等 ． 2012． 树轮 δ13 C 值方位分布及年际
变化的普遍性研究———以中国东部亚热带地区为例 ． 地理科
学，32(2) : 193 － 198．
Francey R J． 1981． Tasmanian tree rings belie suggested anthropogenic
13 C / 12 C trends． Nature，290(5803) : 232 － 235．
Leavitt S W，Long A． 1984． Sampling strategy for stable carbon isotope
analysis of tree in pine． Nature，311(5982) : 145 － 147．
Lián I D，Gutiérrez E，Helle G，et al． 2011． Pooled versus separate
measurements of tree-ring stable isotopes． Science of the Total
Environment，409: 2244 － 2251．
Mazany Y，Lermen J C，Long A． 1980． Carbon-13 in tree-ring cellulose
as an indicator of past climates． Nature，287(5781) : 432 － 435．
Nguyen-Queyrens A，Ferhi A，Loustau D，et al． 1998． Within-ring δ13 C
spatial variability and interannual variations in wood cellulose of two
contrasting provenances of Pinus pinaster． Canadian Journal Forest
Research，28: 766 － 773．
Ramesh R，Bhattacharya S K，Gopalan K． 1985． Dendroclimatological
implications of isotope coherence in trees form Kashmir Valley，
India． Nature，317(6040) : 802 － 804．
Schleser G H，Helle G，Lücke A，et al． 1999． Isotope signals as climate
proxies: the role of transfer functions in the study of terrestrial
archives． Quaternary Science Reviews，18(7) : 927 － 943．
Sheu D D，Chiu C H． 1995． Evaluation of cellulose extraction procedures
for stable carbon isotope measurements in tree ring research．
International Journal of Environmental Analytical Chemistry， 59
(1) : 59 － 67．
Stuiver M，Burk R L，Quay P D． 1984. 13 C / 12 C ratios in tree rings and
the transfer of biospheric carbon to the atmosphere． Geophysics Res，
89(D10) : 11731 － 11748．
(责任编辑 于静娴)
9