《表2 重建多元线性回归方程及统计特征》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《树轮多指标研究在亚热带古气候重建中的作用——以桂林地区为例》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

SPEI5—11:5—11月平均标准降水蒸散指数；RH4—10:4—10月平均相对湿度；TRW:树轮宽度；δ18Otree:树轮δ18O。

鉴于树轮宽度和树轮δ18O记录中都包含有水文气候信号，且二者之间无显著相关（r=-0.04）（Cai et al，2017b） ，本文以这两个树轮指标为自变量，以不同时段的水文气候记录为因变量进行多元线性回归分析。结果发现:在代入多个树轮指标后，重建的水文气候信号得到极大提升（表1，表2）。就SPEI而言，对5—11月平均SPEI（SPEI5—11）重建方程的复相关系数最高，达到0.667（p<0.01），方差解释量达到44.6%（调整自由度后为42.7%），较原来的最高方差解释量（表1）提升7%。就相对湿度而言，对4—10月平均相对湿度（RH4—10）重建方程的复相关系数最高，达到0.636，方差解释量可达40.4%，较原来当年相对湿度最高方差解释量提升13.8%。由此可见，将桂林地区树轮宽度和树轮δ18O记录联合确实能够提高重建对器测记录的方差解释量，适合对生长季的水文气候进行重建。