基于过程的森林模拟常遇到数据不足的问题，特别是可用来参数化和校准模型的长期数据比较有限。树轮理应为森林模型提供高时间分辨率的长期森林动态信息。然而，诸多因素限制了树轮和模型的结合应用，其中主要的原因之一是对树轮宽度和树轮稳定同位的模拟能力亟待提高。在自然中，众多物理和植物生理过程都能影响树木的生长和森林动态，并由此改变树轮宽度和树轮同位素信号。因此，因此，如果我们能改进模型对物理和植物生理等过程的描述，特别是与树轮形成紧密相关的过程，那么模拟树轮信息的能力也应该能提高。我们从一个简单的森林过程模型（3-PG）入手，通过改进模型对碳储存、森林动态、异速生长等方面的模拟以提高对树轮稳定同位素和树轮宽度的模拟。模型对树轮宽度的模拟质量往往弱于对树轮稳定同位素的模拟，因此，我们首先确定了树轮同位素的模拟，再来提高树轮宽度的模拟质量。此外，我们开发了基于深度学习算法的3-PG版本，以更为高效和客观地基于树轮信息来参数化和校准模型。这项工作显著提高了模型对于树轮信息以及森林动态的模拟质量，拓宽了树轮研究和森林模拟的边界。

树轮,稳定同位素,过程模型