Klimatisko faktoru rekonstrukcijas modeļa izveide pēc parastās priedes Pinus sylvestris L. un parastās egles Picea abies (L.) Karst. gadskārtu platumu mainības
Author
Dzenis, Jēkabs
Co-author
Latvijas Universitāte. Bioloģijas fakultāte
Advisor
Elferts, Didzis
Date
2013Metadata
Show full item recordAbstract
Pēdējās desmitgadēs liela daļa dendroklimatoloģijas pētījumu koncentrējušies uz pagātnes klimata mainības rekonstruēšanu. Tomēr maz pētījumu ir veikti, lai noskaidrotu klimatisko faktoru rekonstruēšanas potenciālu sugu dabisko areālu vidienēs. Pētījuma mērķis bija izveidot klimatisko faktoru rekonstrukcijas modeli pēc parastās priedes un parastās egles koksnes radiālā pieauguma mainības Engures reģionā un pārbaudīt šī modeļa kvalitāti.
Priedes augšanu limitēja zemā februāra līdz marta vidējā gaisa temperatūra, bet egles augšanu veicināja paaugstināts jūnija līdz jūlija nokrišņu daudzums. Ne pavasara, ne rudens koksnes hronoloģijas neuzrādīja ciešāku saistību ar klimatiskajiem faktoriem salīdzinājumā ar gadskārtu hronoloģijām. Klimatisko faktoru rekonstrukcijas modeļu izveidei izmantota lineārās regresijas analīze. Veicot nejaušā perioda modeļu kalibrēšanas – verifikācijas procedūru noskaidrots, ka ar augstāko precizitāti iespējams rekonstruēt februāra līdz marta vidējo temperatūru. During couple of last decades considerable proportion of studies in field of dendroclimatology have focused on reconstruction of past climate. However relatively few studies have been carried to assess the potential to reconstruct past climate variability within central regions of species distribution area. Aim of this study was to create model for reconstruction of climatic parameters based on variation in radial increment of Scots pine and Norway spruce near Lake Engure.
Growth of pine was limited by low temperatures during February - March, while spruce was positively influenced by increased amount of precipitation during June - July. Neither earlywood nor latewood width chronologies showed stronger relationship with climate parameters. Linear least square regression was performed to create transfer models. By performing random period calibration-verification procedure it was concluded, that with the highest accuracy it is possible to reconstruct temperature of February - March.