树木年轮学的基础是交叉定年（Douglass 1941）——这是一种通过匹配同一地区大致相同种类的树木年轮样本之间的窄年轮和宽年轮（或其他年轮解剖结构）来为年轮分配正确日历日期的定年技术。交叉定年依赖于这样一个事实：树木的生长在一个区域内始终受到相似的环境因素（即气候）的控制。使用骨架图（Douglass, 1941, Stokes和Smiley, 1968）或指示年份（Schweingruber等人, 1990）进行定性视觉交叉定年的方法是有效的，特别是对于活树而言，但对于大量样本来说，尤其是当处理历史或亚化石样本并试图将活体数据集回溯到过去时，这些方法可能显得繁琐。定量方法主要依赖于交叉相关分析，允许对大量样本进行比较，并且长期以来一直有基于相关性的计算方法用于将样本的年轮分配到精确的日历日期（Baillie和Pilcher, 1973, Holmes, 1983, Wigley等人, 1987, Bunn, 2010, Loader等人, 2019, Reynolds等人, 2021）。对于所有这些方法，该方法基本上是通过将未定年的树木年轮序列（单个树木序列或多个树木的复合平均值）与已定年的主参考年代序列“滑动”比较，以找到最大正相关性的位置。这个峰值相关性代表了未定年树木年轮序列的潜在正确时间位置。一种可能更具有欧洲中心性的交叉定年方法是使用方程[1]将相关值转换为T分布，以估计所确定日期的显著性（Baillie和Pilcher 1973）。通常认为t值为3.5是表示正确日期的最低阈值。
然而，在过去的50年里，Baillie和Pilcher（1973）最初的t值方法已经得到了改进，包括考虑不同去趋势方法的影响、处理多重性以及由于序列自相关而调整自由度。这些进步导致了更可靠的t值估计，也许更重要的是，为所确定的日期定义了一个特定的“p值”（Munro, 1984, Wigley等人, 1987, Fowler等人, 2017, Fowler和Bridge, 2017, Loader等人, 2019）。然而，所有这些方法论方法和改进都遵循相同的基本方法——仅使用单一树木年轮参数将未定年序列与已定年参考序列进行比较。
现在可以从树木年轮中常规测量出许多变量，包括宽度（总宽度、早材宽度和晚材宽度）、稳定同位素、多种木材解剖特性以及密度（McCarroll等人, 2002, McCarroll和Loader, 2004, Drew等人, 2013, Von Arx等人, 2016, Bj?rklund等人, 2020）。这些参数中的许多表达了不同的但空间上连贯的信号，结合多个参数的信息可能会提高为特定样本或一组样本获得正确日期的能力。尽管其中一些年轮变量需要专门的昂贵设备和培训，但蓝强度（BI，Bj?rklund等人, 2024）是一种相对便宜且快速的方法，用于获取相对木材密度信息。BI本质上是一种质量测量方法，尽管它有时会受到样本变色问题（例如心材/边材变化和真菌染色）的影响，这可能会影响低频趋势——对于树木气候学研究来说可能是一个严重问题（Rydval等人, 2014, Wilson等人, 2014）——但这种颜色趋势偏差对亚化石或历史样本的定年影响很小，因为可以通过去趋势处理消除，而且定年是在高频信号上进行的。
Wilson等人（2017）引入了使用晚材蓝强度（LWBI，Bj?rklund等人, 2024）来提高使用苏格兰松木建造的历史结构的正确定年能力。这项历史工作源于在苏格兰高地进行的大量亚化石样本定年工作（Wilson等人, 2012, Rydval等人, 2017），很快发现使用LWBI后样本的定年信心显著提高。其他研究也证明了LWBI在考古定年中的实用性（Mills等人, 2017; Myglan等人, 2018; Akhmetzyanov等人, 2020），尽管其在定年应用中的采用仍然有限。
LWBI在定年中的成功反映了“更清晰”的气候信号，以及从苏格兰高海拔松树测量的LWBI所表现出的强烈空间连贯性——通常是7月至8月的温度——而年轮宽度（RW）则表达了多种环境信号的混合体，以及通常较弱的温度响应（Wilson等人, 2012, Rydval等人, 2014; Mifsud等人subm）。Rydval等人（2018）表明，在喀尔巴阡山脉的云杉树中测量的LWBI表现出最小或没有有害的地点特异性干扰效应，而这些效应在RW数据中往往表现得非常明显。在苏格兰高地使用两个区域复合记录也可以看到同样的观察结果（图1A）。Northern Cairngorm系列（NCAIRN - 1093-2017 CE）是根据活体数据开发的，并使用从山区湖泊中提取的亚化石材料进行了扩展（Rydval等人, 2017）。Southern Cairngorms（SCAIRN - 1465-2020 CE）记录完全来自高海拔的活体林地。对这两个区域记录进行31年的Spearman相关性分析（图1B）显示，RW数据的连贯性较弱时期通常与木材采伐相关的干扰时期重合（Rydval等人, 2016）。LWBI记录没有表现出这种弱的区域连贯性，即使在干扰期间也突出了更清晰的共同气候驱动信号。正是由于这个原因，LWBI被证明是历史定年的一个重要变量（Wilson等人, 2017）。
在树木年轮学中很少使用的年轮参数是最低早材密度（MND），可能是因为在过去30年中，最大晚材密度（MXD）一直是重建夏季温度的重要变量（Briffa等人, 1992, Schneider等人, 2015, Wilson等人, 2016）。然而，在北半球，MND似乎对晚冬/早春温度有持续的正面响应（Bj?rklund等人, 2017），尽管这种响应比MXD表达的晚夏响应弱，但在不同地点之间相当一致。在西北欧，早材蓝强度（EWBI，Bj?rklund等人, 2024），即MND的BI等效物，已被证明可以表达晚冬/早春温度响应。使用瑞典南部的苏格兰松树，EWBI的温度响应出现在3月至4月（Seftigen等人, 2020），而在苏格兰，这一信号出现在2月至3月（Mifsud等人subm）。值得注意的是，当从高海拔地区向低海拔地区移动时，7月至8月的温度响应减弱（温度限制减少），EWBI表达的温度响应虽然较弱，但从高海拔到低海拔仍然是一致的（Mifsud等人subm）。这种海拔响应的一致性可能允许使用高海拔参考年代序列对低海拔的松木历史样本进行定年。这一现象需要进一步探索，但对于这里介绍的方法和分析来说，EWBI提供了一个可以用于亚化石和历史样本定年的新变量。
近年来，BI在树木年轮学中的使用激增（Kaczka和Wilson, 2021, Bj?rklund, 2025），以及能够廉价快速生成多个树木年轮变量（如RW、EWBI、LWBI），为亚化石和历史样本的定年提供了巨大机会，因为它们提供了几乎独立的信息。尽管已经发表了一些多参数定年的例子（Wilson等人, 2017, Mills等人, 2017, R?mer等人, 2023），但这些研究依赖于传统方法，其中每个参数都是独立定年的，然后比较结果。这在计算上效率低下，且在处理大量样本时相当耗时。本文介绍了一种新的多参数定年方法的概念和理论，该方法利用多个树木年轮参数（在这种情况下是RW、EWBI和LWBI）的组合信息来提高亚化石和历史样本的定年能力。
