《Computers & Geosciences》：StripesCounter: A new image software for increment measurement in paleoclimate archives
編輯推薦：
針對古氣候檔案（如硨磲殼）生長帶人工測量耗時長、主觀性強且誤差難量化的問題，研究人員開發了開源Python軟件StripesCounter，用于實現生長帶的自動化檢測與測量。通過對現代硨磲（Tridacna gigas）樣本的應用，證明了該軟件能高效、高精度地提取日生長增量序列。研究表明硨磲生長受季節及半年度海洋環境變化（如SST、鹽度）調控，并與ENSO事件相關。該工具為生成長時間、高分辨率環境數據集提供了有力支持，可推廣至樹輪、珊瑚等多種具有周期性結構的檔案分析。
在探尋地球過往氣候奧秘的征途中，自然界那些默默記錄歲月的“編年史家”——例如樹木的年輪、珊瑚的生長帶以及貝類的外殼——扮演著至關重要的角色。這些生物或地質檔案，通過其周期性生長的結構，將過去環境的變遷，如溫度、降水甚至更短時間尺度上的事件，編碼在了自己身體里。特別是像硨磲（Tridacnaspp.）這樣的巨型雙殼類生物，其碳酸鈣質的外殼會形成清晰的日生長紋路，理論上能夠提供分辨率高達“天”級別的古氣候信息，就像一個高精度的天然氣候記錄儀。然而，如何從這些高分辨率圖像中準確、高效地“閱讀”出這些信息，卻一直是個棘手的技術難題。傳統方法主要依賴研究者在顯微鏡下人工識別和計數這些生長帶，不僅過程極其耗時（分析一個長達16年的剖面可能需要數周），而且容易受到主觀判斷的影響，導致不同研究者甚至同一研究者在不同時間點的計數結果出現差異。更重要的是，這種主觀性帶來的不確定性難以量化，從而影響后續構建可靠年齡模型以及將地球化學信號（如δ18O）與精確時間點對應起來的可靠性。面對這些挑戰，一項旨在革新古氣候檔案增量分析技術的研究應運而生，其成果以論文形式發表在《Computers & Geosciences》期刊上。
為了實現對古氣候檔案中生長帶的自動化、標準化分析，研究人員核心開發并應用了名為StripesCounter的開源Python圖像處理軟件。該軟件設計用于處理高分辨率顯微圖像（最高支持25000×25000像素），其工作流程主要包括圖像導入與校準、基于灰度強度曲線的峰值（對應生長帶）自動檢測、以及允許手動微調的編輯階段。軟件提供了對比度、亮度、核大�。ㄓ糜谄交�）、峰值最小距離與閾值等一系列可調參數，以優化檢測結果，最終輸出包含峰值位置、間距等信息的CSV文件，用于后續生長速率計算和年齡模型構建。研究以一只來自巴布亞新幾內亞的現代硨磲（Tridacna gigas，樣本MT03-7）殼片作為案例。樣本經過切割、打磨制成約40微米厚的薄片，并使用激光掃描共聚焦顯微鏡（LSCM）獲取高分辨率圖像。研究者在殼體的內層沿四個平行剖面（剖面A、B、C、D）應用StripesCounter進行日生長紋的測量，并將結果與已發表的人工計數年齡模型進行對比，以評估新方法的準確性、可重復性和效率。
軟件工作流程與界面描述
研究通過一張來自印度尼西亞勿里洞島硨磲殼的日生長紋圖像，直觀展示了StripesCounter的三步工作流程：1）圖像上傳與尺度校準（定義像素與真實長度的比例）；2）沿生長帶繪制線段并提取灰度強度曲線；3）自動檢測曲線上的峰值（對應每日生長界），并可手動編輯。軟件工具箱提供了豐富的參數調整選項，以優化圖像處理和峰值檢測過程。
樣本MT03-7的日生長變化
分析顯示，硨磲MT03-7的生長速率在0.001到0.08 mm/day之間，平均約為0.022–0.023 mm/day，從幼年到成年階段呈現下降趨勢。通過StripesCounter獲取的四個平行剖面結果高度一致：基于連續生長的假設，各剖面估算的總年齡在15.43至15.50年之間，對應日生長增量數在5619至5647之間，最大差異僅約0.07年（少于一個月）。這與傳統人工方法的結果相符，但StripesCounter將處理時間從數周大幅縮短至一天以內，并提供了日分辨率的數據。?1 reported as a function of year of growth">
MT03-7標準生長指數（SGI）的變率與ENSO影響
對四個剖面進行標準化并建立主年表后，應用標準生長指數（Standard Growth Index, SGI）等方法去除個體發育趨勢，以提取環境信號。SGI序列顯示出清晰的年際和半年際變化周期。小波分析進一步證實，生長信號中存在分別圍繞6個月和12個月的顯著周期帶。特別值得注意的是，在1986-1988、1992-1994和1997-1998等時期，生長模式出現擾動，半年際信號減弱或中斷，這些時期恰好與多變量ENSO指數（Multivariate ENSO Index, MEI）指示的強厄爾尼諾（El Ni?o）事件發生時間重合。這表明ENSO相關的環境壓力（如海表溫度、鹽度變化）可能抑制或改變了硨磲的高頻生長模式。
本研究成功開發并驗證了StripesCounter這一新型圖像軟件，為古氣候檔案中的生長增量測量提供了一種快速、自動化和客觀的解決方案。相較于傳統手工方法，該軟件顯著提高了數據提取的效率和可重復性，并能夠對測量不確定性進行更嚴謹的評估。通過對現代硨磲殼的案例研究，不僅證實了軟件的有效性，還利用其生成的高分辨率日生長序列，揭示了硨磲生長受到季節性和半年度海洋環境變化（如海表溫度、降水、鹽度）的強烈調制，并發現了其生長擾動與ENSO事件之間的潛在聯系。這一方法的意義在于，它使得從硨磲等生物檔案中重建短時間尺度的氣候事件（如熱帶風暴、ENSO快速振蕩）成為可能，極大地提升了對過去快速環境變化的理解能力。更重要的是，StripesCounter的通用性使其能夠輕易擴展到其他具有類似周期性結構的自然檔案，如樹輪、珊瑚、層狀沉積物等，為跨不同生態系統和地質時間尺度的古環境與古氣候研究，提供了一個強大且易于獲取的工具，有助于生成長期、高分辨率且時間明確的數據集，從而開辟了環境變化研究的新視角。
