-
森林覆盖面积约40亿hm2,占地球陆地面积的31%,是陆地生态系统重要的碳库[1-2]。森林生态系统储存了陆地生态系统80%以上的植被碳库和70%以上的土壤有机碳库[3]。据统计,全球森林生态系统碳储量为861 Pg,其中土壤碳库占44%[4]。森林土壤碳库的微小变化会对陆地生态碳循环和全球气候变化产生深刻影响。森林土壤碳储量是碳输入和碳输出动态平衡的结果。森林土壤碳输入在很大程度上取决于森林生产力、凋落物和植物根系的分解速率,碳输出则通过有机碳的矿化分解、土壤呼吸等方式完成。近几十年来,国内外众多学者极为关注经营管理对森林土壤碳储量与碳过程的影响,在全球范围内不同森林类型中开展了经营管理对森林土壤碳循环的研究,表明提高森林经营管理水平,可以增强森林生态系统地上与地下部分的碳汇潜能[5]。因气候因子、森林类型、营林措施等不同,经营管理对森林土壤有机碳库影响的研究结果存在很大差异和不确定性;同一种经营措施在不同气候、不同森林类型条件下,对土壤有机碳库的影响也会呈现增加、降低和不变3种结果[6]。因此,为增强生态系统管理对森林土壤碳过程影响不确定性的科学认识,本研究利用中国知网(CNKI),Scopus,Google Scholar和Web of Science等数据库,系统综述了主要营林措施(施肥、火烧、采伐、覆盖、林下植被管理)对森林土壤有机碳的影响,并试图探讨经营管理对森林土壤有机碳库的影响机制,以期为全球气候变化背景下森林土壤固碳增汇及森林合理经营提供借鉴。
-
施肥通过改变土壤有机碳来源和植物根系生物量,对土壤有机碳含量和组分产生显著影响。根据土壤有机碳库的周转速度及对外界因素的敏感程度,可将其分为惰性有机碳库和活性有机碳库[包括可溶性碳(DOC),微生物生物量碳(MBC),轻组有机碳(LFOC)和可矿化碳(MC)]等[3]。研究表明:单施有机肥以及有机无机肥配施提高了森林土壤总有机碳和活性有机碳含量(表 1)。有机肥作为半分解的有机质,可为微生物提供充足的碳源与氮源,增加微生物源的溶解性有机化合物含量,同时导致根系生物量与根系分泌物增加,土壤有机碳含量增加[7-8]。姜培坤等[9]对雷竹Phyllostachys violascens林的研究结果表明:有机无机肥配施处理土壤总有机碳、水溶性碳、微生物生物量碳等均显著高于单施化肥处理。张蛟蛟等[7]对中国亚热带板栗Castanea mollissima林的研究结果表明:单施有机肥或有机无机肥配施导致土壤可溶性有机碳和微生物生物量碳提高52%~92%。
表 1 森林土壤有机碳及活性有机碳含量对施肥的响应
Table 1. Responses of forest soil organic carbon content and active organic carbon content to fertilizer addition
地点 森林类型 肥料类型 土层深度/cm 变幅/% 参考文献 SOC DOC MBC 波兰 苗圃 有机肥 0~20 +60.2 [20] 中国浙江 板栗林 有机肥 0~20 +58 +42.7 [21] 中国四川 梁山慈林 有机无机复合肥 0~20 +39.1 [22] 中国四川 常绿阔叶林 硝酸铵 0~20 +4.1 [23] 中国山西 油松林 尿素 0~20 -21.8~-38.4 [11] 中国湖南 樟树林 硝酸铵 0~20 -20.1 [24] 美国 红松林 硝酸铵 0~20 无明显影响 [13] 美国 黑云杉林 硝酸铵 0~5 无明显影响 [12] 中国贵州 常绿落叶混交林 生物质炭 0~20 +13.9 [25] 中国山西 油松林 生物质炭 0~20 +44.4 +69.4 [26] 说明:变幅中“+”表示上升;“-”表示下降。梁山慈Dendrocalamus farinosus,樟树Cinnamomum camphora,红松Pinus koraiensis,黑云杉Picea mariana 氮肥对土壤有机碳及活性有机碳的影响存在增加、降低和无影响3种结果(表 1)。涂利华等[10]对华西雨屏区苦竹Pleioblastus amarus林的研究表明:氮肥的施用显著增加了苦竹的细根生物量,从而增加了表层土中有机碳以及微生物生物量碳的含量。汪金松等[11]研究发现:施氮抑制了难分解有机物的分解,导致油松Pinus tabuliformis林土壤中的有机碳含量下降21.8%~31.4%。同时,也有研究表明:氮肥的添加对土壤有机碳或活性有机碳无显著影响[12-13]。氮肥对有机碳的影响是一个复杂的过程。不仅通过影响凋落物分解和细根周转(土壤碳输入),土壤呼吸和土壤可溶性有机碳淋失(土壤碳输出)直接影响土壤有机碳含量,还通过影响土壤pH值、土壤生物和土壤酶等间接影响土壤有机碳的含量[14]。因而,未来应开展多种生态系统的长期定位试验,进一步探索氮肥对土壤碳过程的机理研究。
生物质炭是一种具有巨大比表面积、高度芳香环分子结构、富含碳(70%~80%)的新型材料,在土壤固碳增汇方面具有重要作用[15]。目前,生物质炭添加对土壤碳库影响的研究主要集中在农田土壤,对森林土壤碳库影响的研究相对较少。生物质炭自身能缓慢分解形成腐殖质[16],同时生物质炭的添加促进土壤团聚体的形成,提高土壤碳的稳定性[17]。尹艳等[18]研究发现:添加不同热解温度制备的生物质炭均会抑制杉木Cunninghamia lanceolata人工林土壤原有的有机碳矿化。LIU等[19]通过Meta分析发现:在不同土地利用方式下生物质炭的添加使得微生物生物量碳的含量增加18%。
-
据统计,因森林燃烧约有3.9 Pg·a-1碳排放到大气中,约占化石燃料燃烧排放量的70%[27]。林火通过直接燃烧植物、有机质高温变性等方式改变了土壤碳含量。但由于火烧后生态系统恢复时间长短、火烧强度、火烧温度及土层深度等因素的不同,火烧对森林土壤有机碳的影响也不尽相同。
多数研究表明:火烧会降低森林土壤表层有机碳含量(表 2)。其主要原因有:(1)树木燃烧过程中释放的高温破坏了表层土壤,土壤结构严重退化,短时间内难以恢复[28];(2)枯枝落叶层因炭化或氧化导致土壤有机碳的来源减少[29];(3)火烧导致地表裸露,同时破坏了土壤的团粒结构,土壤的抗水侵蚀能力减弱[30]。WANG等[31]分析了200多个火烧后土壤有机碳的含量,发现火烧后土壤有机碳含量显著下降了20.3%,其中,皆伐火烧及野火导致森林土壤有机碳含量分别下降25.3%和16.7%,预定火烧对土壤有机碳含量无显著影响,同时研究还发现,火烧导致微生物生物量碳含量平均下降40.5%。薛立等[30]的研究也发现:火灾导致微生物数量下降,其中细菌数量下降最明显。
表 2 森林土壤有机碳含量对火烧的响应
Table 2. Responses of forest soil organic carbon content to burning
地点 森林类型 处理 土层深度/cm 不同火烧时间后有机碳变幅 参考文献 火烧后时间/a 变幅/% 欧洲 温带落叶林 皆伐火烧 0~16 1.00 -5.0 [40] 中国福建 米槠次生林 皆伐火烧 0~10 0.50 -6.0 [41] 中国广东 马尾松林 野火 0~20 4.00 -45.0 [30] 地中海 白松林 高强度野火 0~10 -82.0 [42] 意大利 意大利石松林 野火 0~7 0.92 +25.8 [43] 美国 美国黄松林 春季预定火烧 0~30 5.00 +17.0 [29] 中国内蒙古 落叶松林 野火 0~10 40.00 +101.2 [44] 说明:变幅中“+”表示上升;“-”表示下降。米槠Castanopsis carlesii,马尾松Pinus massoniana,意大利石松Pinus pinea,美国黄松Pinus ponderosa,落叶松Larix gmelinii 随着恢复时间的延长,森林土壤碳含量逐渐恢复到未火烧水平,甚至高于原始值[32]。JOHNSON等[33]统计分析了48个火烧后的森林土壤有机碳含量,发现火烧10 a后森林土壤有机碳含量平均增加了7%。KÖSTER等[34]发现:在芬兰的北方森林中,火烧发生5,45,75,155 a后,土壤碳储量从1 497.8 g·m-2增加到2 397.9 g·m-2。恢复时间延长导致森林土壤有机碳含量增加的原因为:(1)燃烧未尽的残余物与矿质土壤相结合后难以被生物化学分解;(2)随着时间的推移,植被逐渐恢复,加速了土壤有机碳的恢复;(3)固氮物种进入火烧迹地后,土壤碳的螯合作用提高,土壤有机碳的矿化速率降低[35-36]。
此外,火烧显著影响了森林土壤有机碳的组成和结构。其变化主要体现在:(1)烷基化合物(烷烃、脂肪酸)的链长缩短[37];(2)芳构化程度增加,火烧将土壤中具有生物活性的物质转变成为无生命的芳香族大分子[38];(3)腐殖质转化成溶解性物质,其中胡敏酸会向碱溶性化合物转变,而富里酸则向酸溶性化合物转变[39];(4)黑炭的形成[36]。
-
采伐对森林土壤有机碳库的影响因采伐方式而异[45-46]。总体而言,皆伐会造成林地土壤有机碳含量急剧下降,下降幅度为4.6%~45.2%(表 3)。皆伐后土壤裸露,土温升高,土壤有机碳的分解速率加快[47];同时皆伐过程中的机械使用破坏了林地表层植被,土壤侵蚀和淋溶作用加强[48]。相较皆伐而言,间伐因其强度相对较低,并且在林地植被逐渐恢复过程中凋落物数量的增加有利于土壤有机碳的恢复,因而对森林土壤碳库的影响相对较小[49]。一般而言,间伐强度>50%,土壤有机碳含量降低;间伐强度≤50%,土壤有机碳含量增加,并在30%~45%的间伐强度范围内,土壤有机碳含量达到最高[50-51]。翟凯燕等[52]对亚热带马尾松Pinus massoniana人工林的研究发现:25%的间伐强度和45%的间伐强度使得表层土壤有机碳含量分别提高了1.2%和10.1%,使得表层土壤可溶性有机碳含量分别提高了15%和14%,而60%的间伐强度则降低了土壤有机碳和可溶性有机碳含量。郝凯婕[53]对云杉Picea asperata林土壤的研究表明:不同强度的间伐(10%,20%,30%,50%)均增加林地土壤有机碳和微生物生物量碳(除50%)的含量,并且在30%的间伐强度下土壤有机碳含量和微生物生物量碳均达到最高。
表 3 森林土壤有机碳含量对采伐的响应
Table 3. Responses of forest soil organic carbon content to cutting
地点 森林类型 处理 土层深度/cm 采伐强度/% 变幅/% 参考文献 中国湖南 杉木林 皆伐 0~60 100 -45.2 [57] 中国福建 米槠次生林 皆伐 0~10 100 -24.8 [59] 英国 云杉林 皆伐 0~20 100 -15.0 [60] 中国黑龙江 落叶松林 皆伐 0~20 100 -24.0 [61] 韩国 马尾松林 不同强 0~30 20(轻度) +26.8 [50] 度间伐 30(中度) +77.6 中国贵州 杉木林 不同强 0~10 17(轻度) +43.5 [62] 度间伐 33(中度) +24.3 50(重度) +6.6 意大利 赤松林 不同强 0~30 25(轻度) +64.2 [63] 度间伐 45(中度) +98.8 中国江苏 杉木林 间伐 0~10 70 -20.6 [64] 说明:变幅中“+”表示上升;“-”表示下降。赤松Pinus laricio 采伐后林地土壤碳库的变化还与采伐剩余物的保留与移除、土地利用方式、林地类型、土壤类型等因素密切相关[54-55]。采伐剩余物和枯枝落叶的保留可弥补采伐造成的碳损失[56]。方晰等[57]对杉木林研究发现:皆伐后不同土地利用方式土壤有机碳含量大小依次为杉木林、农用后撂荒地和自然更新采伐迹地。由此可见,皆伐后及时造林可以有效恢复被破坏的土壤碳库。NAVE等[58]对432个温带采伐地土壤碳库的分析发现:硬木林采伐后土壤碳含量减少36%,而针叶林因凋落物中含有较多的木质素,碳/氮比更高,难以被分解,土壤碳含量下降幅度相对较低(20%)。采伐后森林土壤有机碳的变化还受土壤类型影响。采伐后弱育土有机碳含量恢复到原有水平需要6~20 a,而灰化土由于是在寒温带针叶林植被下发育形成的,其有机碳含量的恢复则需要50~70 a[55, 58]。
-
林下植被是森林生态系统的重要组成部分,在维持土壤营养循环过程中发挥着重要作用[65]。林下植被管理通过改变林下植被的状态与种类直接影响森林土壤有机碳库(表 4)。去除林下植被直接降低了凋落物输入量,减少了土壤有机碳的来源[66];其次,降低了森林郁闭度,土壤温度升高,加速有机碳的矿化[67];最后,降低了森林土壤表层细根生物量及其分泌物,不利于土壤有机碳的积累[68]。
表 4 森林土壤有机碳含量对林下植被管理的响应
Table 4. Responses of forest soil organic carbon to understory management contents
林下植被替代或添加会增加土壤有机碳的含量。LI等[69]对华南地区混交人工林研究发现:剔除林下灌草种植固氮植物翅荚决明Cassia alata,因固氮植物根系活性强,生产力高,从而凋落物的量增加,土壤有机碳含量增加。ZHANG等[70]的研究也指出:在剔除林下灌草后种植绿肥黑麦草Lolium perenne地0~20 cm土层土壤有机碳、土壤水溶性有机碳和微生物生物量碳含量分别增加了14.2%,18.0%和22.4%。
-
目前,地表覆盖措施对土壤碳库影响的研究多集中于农田生态系统,对林地土壤碳库影响的研究报道相对较少[75]。覆盖措施一方面可以增温保湿,有利于提高土壤微生物活性;另一方面,覆盖物经长时间的晾晒和雨水浸泡,被微生物逐步分解进入土壤,增加了土壤有机碳含量(表 5)。HUANG等[76]研究发现:在澳大利亚东南地区的硬木人工林中覆盖木屑1 a后,0~10 cm土层的土壤总有机碳、水溶性有机碳及微生物生物量碳分别增加了45%,69%和23%。
表 5 森林土壤有机碳含量对覆盖管理的响应
Table 5. Responses of forest soil organic carbon content to coverage management
地点 森林类型 覆盖物种类 土层深度 变幅/% 参考文献 澳大利亚 硬木人工林 木屑 0~10 cm +45.0 [76] 中国浙江 毛竹林 稻草 0~50 cm +11.2~+74.2 [80] 中国浙江 油茶林 稻草 0~20 cm +23.4~+57.5 [81] 美国夏威夷 咖啡树林 木屑 0~20 cm +33.6 [82] 中国浙江 雷竹林 稻草 0~10 cm +81.5 [83] 中国河北 核桃林 木屑 0~20 cm +45.1 [84] 说明:变幅中“+”表示上升;“-”表示下降。毛竹Phyllostachys edulis,油茶Camllia oleifera,核桃Juglans regia,咖啡树Leucaena 覆盖还显著影响了林地土壤有机碳的化学组成结构。13C CPMAS核磁共振波谱分析通过对核磁共振谱峰曲线进行区域积分,可获得土壤有机碳中各种含碳组分的百分比。其中烷基碳/烷氧碳的比值反映土壤中有机物烷基化程度的高低,芳香度[烷基碳/(烷基碳+烷氧碳+芳香碳)]反映土壤有机物腐殖化程度的高低,这2个指标均可表征土壤碳库的稳定性[77],但因烷基碳/烷氧碳的比值更易受外界输入有机物的影响,所以芳香度更适于评价土壤有机碳的稳定性[78]。研究表明:覆盖有机物会降低森林土壤有机碳的稳定性。在澳大利亚昆士兰的硬木人工林中覆盖木屑降低了土壤有机碳芳香度,土壤有机碳稳定性降低[79]。LI等[69]的研究也发现:以覆盖为主要经营措施的雷竹林在集约经营15 a后,0~20 cm土层土壤有机碳增加了283.4%,土壤烷基碳/烷氧碳的比值从0.24上升至0.68,而土壤芳香度却从27.8下降到8.0,有机碳稳定性降低。
-
森林土壤碳库是陆地生态系统碳库的重要组分,在全球碳循环中占据重要地位。森林经营管理水平的提高,是“减缓全球变化的一种可能机制和最有希望的选择”[5]。施用有机肥、有机无机肥配施及生物质炭添加均可提高土壤有机碳及活性有机碳含量。而无机氮肥对土壤有机碳及活性有机碳含量的影响却不尽相同;火烧对土壤有机碳有一定的破环作用,影响程度取决于火烧后恢复时间、火烧温度、火烧强度、土层深度等因素;皆伐降低森林土壤有机碳含量;间伐对土壤有机碳的影响则与间伐强度有关;去除林下植被及凋落物加快土壤有机碳的分解,但林下植被的替代与添加则趋势相反;覆盖提高土壤有机碳含量但降低其稳定性。
目前有关经营管理对森林土壤有机碳库的影响多聚焦于短期有机碳含量的变化;同时,温度、水分以及土壤氮素状况对土壤碳的周转过程存在显著影响,但近几十年有关全球变化与营林措施对森林生态系统地下部分碳过程的交互影响机制还缺乏深入系统的研究。因此,建议未来加强以下3个方面的研究:(1)开展营林措施对森林土壤有机碳组分及化学结构影响的长期研究,利用微生物学和分子生物学方法探讨经营管理对森林土壤碳过程影响的微生物机制;(2)开展增温、降水格局改变以及增氮控制与营林措施对森林土壤碳库交互影响的研究,明晰人为管理和气候变化对森林土壤碳库产生的叠加效应;(3)森林土壤碳库是由土壤、植被和土壤微生物共同组成的一个有机整体,为深入系统研究营林措施对森林生态系统碳过程的影响,需加强人为管理对森林生态系统地上-地下碳循环过程耦合机制的研究。
Effects of forest management on soil organic carbon pool: a review
-
摘要: 森林土壤有机碳库在全球碳循环及减缓气候变暖中发挥着重要作用。施肥、火烧、采伐、林下植被管理、覆盖等营林措施改变了森林生态系统的生产力,显著影响了森林土壤的碳输入和碳输出。综述了主要营林措施对森林土壤有机碳库的影响及其机制,并探讨今后的研究重点。总体而言,施用有机肥、有机无机肥配施及生物质炭添加均可提高土壤有机碳含量。氮肥对土壤有机碳含量的影响存在增加、降低和无影响3种结果;火烧对土壤有机碳的影响取决于火烧后恢复时间、火烧温度、火烧强度、土层深度等因素;皆伐通过改变土壤温度、含水量、有机碳来源等因素,导致森林土壤有机碳含量下降;而间伐对土壤有机碳的影响则与间伐强度有关;去除林下植被及凋落物加快了土壤有机碳的分解,但林下植被的替代与添加则会提高土壤有机碳含量;覆盖提高了土壤有机碳含量,但导致有机碳稳定性下降。随着研究方法和观测手段的不断发展,今后应深入研究营林措施对土壤碳形态、结构和转化过程的影响;同时,更多关注人为管理和气候变化对森林土壤碳库产生的叠加效应。Abstract: Forest soil as an important carbon sink plays a critical role in the global carbon cycle and mitigation of climate warming. Fertilization, fire, cutting, understory management an dmulching have changed the productivity of forest ecosystem, which significantly affects the carbon input and carbon output of forest soil. This paper analyzed the effects of different kinds of forest management practices on soil organic carbon pool and proposed important directions for future research, in order to improve the carbon sequestration capacity of plantation soils through forest management practices. Organic fertilizer, organic-inorganic fertilizer and biochar tended to improve the soil active carbon content. N fertilizers reduced the soil active organic carbon content in N-rich forests, but there was an increase or no significant difference in soil active organic carbon content in N-poor forest. The influence of fire on soil organic carbon pool was determined by time length after fire, fire temperature, fire intensity and soil depth. Clear-cut changed the soil temperature, water content and organic matter sources, and thus reduced the organic carbon storage of forest soil. The effect of thinning on soil organic carbon content was related to the harvesting intensity. Understory weeding enhanced soil temperature which could accelerate the decomposition of soil organic carbon, whereas the replacement and addition of understory vegetation would do the other way around. Mulching of organicresidues in forests helped to increase the soil organic carbon content but decreased its stability. With the development of research theory and technology, the impact of forest management practiceson soil carbon form and structure onsoil carbon form and structure will become the main direction for future research.
-
Key words:
- forest soil science /
- soil organic carbon pool /
- fertilization /
- fire /
- cutting /
- understory management /
- mulching
-
木材在中国可再生资源中占有很大的比例。随着国民经济逐步增长,木材市场不断扩大。目前,由于优质木材频频出现供需不平衡、木材造假等问题,因此采用多种识别技术来甄别木材种类已成为必然。木材种类识别除了依照形态学处理外,还可以使用计算机图像识别、DNA识别等方法[1-3],但是这些方法和传统的取样方法一样[4],都需要对树木进行剖析和制样,对于一些珍贵的木材会造成不必要的浪费,甚至会降低本身的价值。近红外光谱分析技术是20世纪70年代兴起的一种新的木材识别分析技术。它作为一种常用的测量工具,具有快速、无损、在线分析等优势。近几年,学者们应用近红外光谱技术对木材种类进行了识别研究[5],如王学顺等[6]利用近红外光谱技术,结合主成分分析(PCA)和BP神经网络对不同木材种类进行了识别研究,效果良好。谭念等[7]基于近红外光谱技术,联合PCA和支持向量机实现了木材种类的有效鉴别。
目前,近红外光谱分析技术用于木材种类识别大多采用PCA进行特征提取,实现数据降维,但这种方法的特征值筛选有一定的局限性,仅凭累计贡献率决定特征值的个数,无法通过参数化等方法对处理过程进行干预,效率和物理实用性不高。连续投影算法(SPA)是一种常用的特征波长筛选算法。它能够利用向量的投影分析,寻找含有最低限度冗长信息的变量组,通过参数调整可实现较强物理实用性的数据压缩。陈远哲等[8]基于SPA构建了最小偏二乘法回归模型,适用于淡水鱼储藏期质构品质的快速无损检测。郭文川等[9]通过比较不同特征提取方式,得出采用SPA和随机森林识别准确率最高。遗传算法(GA)用于寻优,广泛应用于机器学习等领域。
本研究将SPA和GA联用,在运用SPA获得特征值后,应用GA进一步寻找最佳特征参数,以提升木材识别的效率和准确率。本研究以红檀Swartizia spp.、刺猬紫檀Pterocarpus erinaceus、巴里黄檀Dalbergia bariensis、大果紫檀Pterocarpus macrocarpus、红檀香Myroxylon balsamu、破布木Cordia dichotoma、豆瓣香Osmanthus delavayi、檀香紫檀Pterocarpus santalinus、中美洲黄檀Dalbergia granadillo和黑檀Dalbergia nigra为研究对象,应用可见/近红外光谱仪采集10种木材的光谱图,运用不同的预处理方式叠加进行降噪分析,以BP神经网络为木材种类的分类识别算法,探讨经GA优化的SPA较之常规特征提取算法的优越性,为更精确高效的木材识别提供参考。
1. 材料与方法
1.1 数据采集与主要仪器
数据采集:参与试验的木材共10种,试样为6 cm×5 cm×2 cm的木块。每种木材制备5块样本,共计50块。每块木材分10个点采集光谱,以木块横向等分2份,纵向等分5份,取每份的中心点作为标记进行采样,每个点采集10组数据,取平均值作为此样点的实验数据,即1块试样采集10组实验数据,10种木材共计采集500组实验数据。样点采集遵循以下原则:①采谱过程中每15 min进行1次空白校正,以保证光谱的稳定性。②每块木材样本大小、薄厚和形状均保持一致,确保样点在每块样本木块上的属性相同,最大程度缩小误差。
主要仪器:LabSpec 5000光谱仪(ASD公司,美国),波长为350~2 500 nm。用光谱仪配套的软件Indico Pro Version 3.1采集光谱数据。
1.2 主成分分析法(PCA)
PCA是一种常用的波段降维手段。主成分通常表示为原始变量的某种线性组合,它们不仅能够代表原始变量绝大多数的信息,还可以一定程度上去除噪声,压缩数据,对高维数据进行降维,减少预测变量的个数[10]。
1.3 连续投影算法(SPA)
SPA是一种使矢量空间共线性最小化的前向变量选择算法,在降低共线信息的研究和有效信息获取的研究中取得较好的成效[11-12]。本研究应用SPA在光谱全波段中筛选出少量几个特征波段,不仅能够减少参与识别的光谱波段个数,并且可以保证特征波段之间的共线性最小,进而提高识别正确率和速度。
1.4 SPA-GA-BP神经网络识别方法
当SPA筛选后的输入自变量较多且不是相互独立时,利用BP神经网络容易出现过拟合的现象,从而导致所建立的模型精度低、建模时间长等问题,因此,在构建模型前,有必要对输入自变量进行优化,选择最能反映输入与输出关系的自变量参与建模。GA优化能较好解决上述问题。利用GA进行优化计算,需要将解空间映射到编码空间,每个编码对应问题的1个解。本研究将编码长度设计为10,木材光谱特征的每位对应1个输入自变量,每一位的基因取值只能是“1”和“0”,如果一位值为“1”,表示该位对应的输入自变量参与最终的建模;反之,则表示“0”对应的输入自变量不作为最终的建模自变量。选取测试集数据均方误差的倒数作为GA的适应度函数,这样,经过不断的迭代进化,最终筛选出最具代表性的输入自变量参与建模[13-14]。GA优化的设计步骤主要为:首先产生初始种群,对适应度函数进行计算,其次进行选择、交叉和变异的基础操作,最后优化结果输出,构建其模型。设计步骤如图1所示。
2. 结果与分析
2.1 10种木材的原始光谱图
应用LabSpec 5000光谱仪采集10种木材的原始光谱图,其中选取红檀的50个样本进行对比分析(图2)。
为了更直观地对比10种木材光谱图的差异,分别取10种木材中第1组数据进行绘图分析(图3)。由图3可见:大果紫檀、红檀和檀香紫檀的强度数值过小,几乎与x轴重叠。
由图2和图3可以看出:同一种木材光谱图的波形基本一致,但强度值略有差异;刺猬紫檀、巴里黄檀、红檀香、破布木、豆瓣香、中美洲黄檀这6种木材的光谱图从波峰、形状上相似性均较高,黑檀与这6种木材的光谱图也较相似,仅在第1个波谷处形状上略有差异。
2.2 主成分分析的BP神经网络识别
原始光谱图往往带有一定的噪声,影响BP神经网络识别的正确率,因此有必要对光谱数据进行预处理[15-17]。数据的预处理方法较多,本研究分别采用了移动平均法、移动平均法+多元散射校正(MSC)、移动平均法+标准正态变量变换(SNV)、Savitzky-Golay卷积平滑算法(S-G滤波器)、S-G滤波器+MSC和S-G滤波器+SNV对10种木材的原始光谱进行了预处理,通过对比分析以确定最佳的预处理方法。
针对上述的几种预处理方法,分别进行主成分特征提取。以累计贡献率达95%及以上为主成分个数的选取标准。以选取的主成分为输入向量,40个样本作为训练,10个样本作为测试(后文测试数据均与此相同,不再赘述)。应用BP神经网络进行木材种类识别测试,经过20次的随机试验,获得各种预处理下BP神经网络的平均识别结果(表1)。由表1可以看出:采用S-G滤波器+SNV预处理时,BP 神经网络获得的平均识别率最高,达到了84.7%。
表 1 不同预处理的PCA-BP神经网络识别率Table 1 PCA-BP neural network recognition with different preprocessing检测方式 预处理方法 累计贡
献率/%主成分
个数/个平均识
别率/%可见/近红外光谱 对照组 95 12 80.2 移动平均法 95 14 81.4 移动平均法+MSC 95 10 82.1 移动平均法+SNV 95 11 83.5 S-G滤波器 95 12 81.3 S-G滤波器+MSC 95 13 82.9 S-G滤波器+SNV 95 15 84.7 为了方便对比10种木材各自的识别效果,整理了S-G滤波器+SNV预处理时10种木材的BP神经网络识别结果:10种木材的识别效果相差不大,最低为豆瓣香(83.1%),最高为刺猬紫檀(85.8%)。
2.3 SPA-BP神经网络识别
2.3.1 不同预处理的对比分析
针对2.2节中的几种预处理方法进行SPA的BP神经网络识别探讨,以确定最佳的预处理方法。为了对比预处理的效果,针对SPA方法中的起始波段和特征值个数进行了随机设置。令SPA方法中的起始波段(Winitial)为15 nm,特征值个数(Ntot)为10,对各种预处理后的数据进行SPA特征提取,应用BP神经网络进行20次的随机识别,得出10种木材的平均识别率(表2)。由表2可以看出:对于不同的预处理方式,SPA-BP的正确识别率有所不同,移动平均法+SNV的预处理方法最佳,正确率可达88.2%,因此,后续在分析SPA-BP神经网络识别木材时,本研究仅针对移动平均法和SNV叠加的预处理方法进行分析。
表 2 不同预处理的SPA-BP神经网络平均识别率Table 2 Average recognition rate of SPA-BP neural network with different pretreatments预处理方法 平均识
别率/%预处理方法 平均识
别率/%对照组 86.1 S-G滤波器 86.4 移动平均法 87.2 S-G滤波器+MSC 86.8 移动平均法+MSC 86.5 S-G滤波器+SNV 87.3 移动平均法+SNV 88.2 2.3.2 基于吸收峰的最佳起始波段分析
影响SPA特征提取的因素通常有2个,分别是Winitial和Ntot。随着Winitial和Ntot的改变,提取的特征波长分布会有所不同,从而影响最终BP神经网络的正确识别率,此处探讨最佳Winitial的选取方法。光谱图中的特征吸收峰对被分析物质是很关键的特征,因此首先考虑分别以木材的吸收峰和非吸收峰作为起始波段,通过对比分析,确定最佳起始波段。①吸收峰作为起始波段的选取。光谱图中分布了大小不一的波峰,选取波峰特征较明显的吸收峰进行分析,以波峰点为中心点,取宽度相等的波段区间(每个波段均取51个数据)作为吸收峰的集中分布波段,10种木材的吸收峰集中波段如表3所示。由表3可以看出:10种木材的吸收峰重叠的波段有1 230~1 260、1 780~1 810、1 940~1 970 nm。分别取3个波段的中位数作为起始波段值,即1 245、1 795和1 955 nm。因为Winitial的数值表示为序列号,所以在此基础上减去初始波段350 nm,Winitial最终取值分别为895、1 445、1 605 nm。②非吸收峰作为起始波段的选取。将全波段350~2 500 nm等分成5份,分别在每个等分波段中随机选取1个非吸收峰作为起始波段。本研究随机选取的5个波段的波长分别为365、1 145、1 345、1 700、2 300 nm。在此基础上减去初始波段350 nm,Winitial最终取值分别为15、795、995、1350、1 950。分别以上述的吸收峰和非吸收峰为起始波段值,即以15、795、895、995、1 350、1 445、1 605、1 950 nm作为SPA的起始波段。SPA的特征值个数统一取10,进行BP神经网络识别,经过20次的随机试验,10种木材提取的特征波长分布和平均识别率如表4所示。由表4可以看出:以吸收峰作为起始波段时,特征波长分布大多追溯在吸收峰附近。对比表4的识别率可见,起始波段为1 445 nm时最高,达90.4%,其余按照1605、895、795、995、1 350、1 950和15 nm的顺序依次递减。不难看出,吸收峰作为起始波段的识别率普遍优于非吸收峰。
表 3 10种木材吸收峰个数和集中波段Table 3 Number of absorption peaks and concentrated bands of 10 species of wood木材种类 吸收峰个数/个 集中分布波段/nm 红檀 7 920~970、1 010~1 060、1 210~1 260、1 570~1 620、1 779~1 829、1 921~1 971、2 122~2 172 大果紫檀 7 930~980、1 020~1 070、1 220~1 270、1 580~1 630、1 780~1 830、1 920~1 970、2 120~2 170 檀香紫檀 7 932~982、1 023~1 073、1 221~1 271、1 568~1 618、1 777~1 827、1 921~1 971、2 123~2 173 刺猬紫檀 9 763~813、1 222~1 272、1 308~1 358、1 461~1 511、1 548~1 598、1 760~1 810、1 931~1 981、
2 092~2 142、2 211~2 261巴里黄檀 9 765~815、1 221~1 271、1 307~1 357、1 466~1 516、1 545~1 595、1 769~1 819、1 930~1 980、
2 087~2 137、2 219~2 269红檀香 9 753~803、1 223~1 273、1 309~1 359、1 463~1 513、1 558~1 608、1 771~1 821、1 932~1 982、
2 092~2 142、2 212~2 262破布木 9 763~813、1 222~1 272、1 317~1 367、1 463~1 513、1 551~1 601、1 772~1 822、1 933~1 983、
2097~2147、2214~2264豆瓣香 9 766~816、1230~1280、1317~1367、1468~1518、1554~1604、1775~1825、1940~1990、
2095~2145、2 216~2 266中美洲黄檀 9 753~803、1 218~1 268、1 305~1 355、1 457~1 507、1 544~1 594、1 769~1 819、1 928~1 978、
2 084~2 134、2 209~2 259黑檀 9 881~931、1 218~1 268、1 305~1 355、1 452~1 502、1 557~1 607、1 772~1 822、1 923~1 973、
2 092~2 142、2 218~2 268表 4 不同起始波段的SPA-BP神经网络平均识别率Table 4 Average recognition rate of SPA-BP neural network with different starting bands特征值数/个 起始波段/nm 10种木材提取特征波长分布/nm 平均识别率/% 10 895 364~368、2 141~2 144;402~410;418~426;324、2 135~2 142;375~383;432~440;400~408;476~484;420~428;1 452~1 460 89.7 10 1 445 478~586;410~418;423~431;500~508;405~413;436~444;418~426;693~701;891~899;888~896 90.4 10 1 605 133~135、2 137~2 142;891~899;891~899;2 135~2 142、2 132;419~427;819~827;420~428;446~454;892~990;893~901 90.1 10 15 2133~135、2 137~2 142;2 133~2 135、2 137~2 142;408~416;292、22 135~2 142;375~383;430~438;414~422;461~469;420~428;890~898 88.3 10 795 61~64、2 139~2 143;405~413;420~428;326、2 135~2 142;378~386;527~535;403~411;478~486;420~422、1 453~1 458;1 350~1 358 89.5 10 995 203~209、2 141~2 142;399~407;418~426;349~352、2 138~2 142;3381~389;434~442;421~429;485~493;527~535;1 452、1 454~ 1458、1 461~1 463 89.2 10 1 350 82~90;891~899;434~442;519~527;416~424;886~894;420~428;694~702;891~899;888~896 88.9 10 1 950 13、2 135~2 142;379~387;407~415;281、2 135~2 142;293~301;428~436;
1 058~1 066;450~458;413、1 452~1 459;1 452~1 46088.6 说明:木材依次为红檀、大果紫檀、檀香紫檀、刺猬紫檀、巴里黄檀、红檀香、破布木、豆瓣香、中美洲黄檀、黑檀 2.3.3 最佳特征值个数分析
将起始波段固定为最佳,即Winitial=1 445 nm,探讨Ntot取不同数值时,对BP神经网络识别木材的影响。从图3的光谱图可以看出:红檀、大果紫檀、檀香紫檀3种木材样本的吸收峰有7个,刺猬紫檀、巴里黄檀、红檀香、破布木、豆瓣香、中美洲黄檀和黑檀有9个。考虑吸收峰能更好地反映木材光谱图的特征,Ntot分别取了7和9,同时参考SPA的相关文献[18-21],且基于BP神经网络输入向量过多也会影响识别精度,又分别取了5、8、10、20、25进行了对比分析。基于以上特征数,分别应用BP神经网络进行木材识别,每个状态仍随机运行20次,获得的结果如表5所示。分析表5可知:整体上,当特征值个数取7和9时正确率偏高,说明特征值个数的取值和吸收峰值有关;当特征值个数取9时识别率最高,达93.2%,说明特征值个数和单个木材的吸收峰无关,应由整体的吸收峰来确定。
表 5 同一起始波段不同特征波段的SPA-BP神经网络平均识别率Table 5 Average recognition rate of SPA-BP neural network with the same starting band and different characteristic bands起始波
段/nm特征值
数/个平均识
别率/%起始波
段/nm特征值
数/个平均识
别率/%1 445 5 92.3 1 445 10 90.6 1 445 7 93.0 1 445 20 92.7 1 445 9 93.2 1 445 25 91.2 1 445 8 91.6 2.3.4 10种木材的最佳识别结果分析
基于最佳预处理方式(移动平均法+SNV)、最佳起始波段(Winitial=1 445 nm)和最佳特征值个数(Ntot=9),整理出SPA-BP神经网络识别10种木材各自的识别结果(表6)。由表6可以看出:在最佳参数设置下,SPA-BP神经网络的识别率较高,大果紫檀、红檀香、中美洲黄檀和黑檀的平均识别率均为100.0%,其他木材的平均识别率最低达90.7%,最高达95.1%。
表 6 同一预处理方式10种木材的SPA-BP神经网络平均识别率Table 6 Average recognition rate of SPA-BP neural network for 10 species of wood with the same pretreatment method木材种类 平均识
别率/%木材种类 平均识
别率/%木材种类 平均识
别率/%红檀 90.9 巴里黄檀 94.2 中美洲黄檀 100.0 大果紫檀 100.0 红檀香 100.0 黑檀 100.0 檀香紫檀 90.7 破布木 94.6 平均 95.7 刺猬紫檀 95.1 豆瓣香 91.0 说明:预处理方式为移动平均法+SNV,起始波段为1 445 nm, 特征值数为9个 2.4 SPA-GA-BP神经网络识别
针对SPA的最佳预处理方式(移动平均法+SNV)、最佳起始波段(Winitial=1 445 nm)和最佳特征值个数(Ntot=9),基于SPA-GA的BP神经网络识别方法随机运行20次,采用GA优化前后建模时间明显缩短;大果紫檀、红檀香、中美洲黄檀和黑檀在采用GA优化前后正确识别率均为100.0%,说明这4种木材在采用SPA特征提取时,识别率较高,采用GA优化后对正确识别率影响不大;其他6种木材采用SPA特征提取时均有一定的误判,运用GA优化后识别率有一定的提高。其中破布木的识别率由90.0%提升到了100.0%,巴里黄檀由88.9%提升到了100.0%,刺猬紫檀由90.9%提升到了100.0%。虽然每次仅提升1种木材,但通过多次运行,可达到整体提升的效果。
针对上述20次运行结果,获得10种木材各自的识别结果:大果紫檀、中美洲黄檀、刺猬紫檀、巴里黄檀、红檀香、破布木和黑檀平均识别正确率高达100.0%,其他3种木材的平均识别率最低达91.5%,最高达95.7%,10种木材的平均识别率达98.0%。
已有的木材识别研究的特征提取方法主要集中于主成分分析[22]、导数处理[23]等,主成分分析的平均识别率为70.0%~95.3%,导数处理识别率达98.6%。虽然这些研究识别率较高,但这些研究参与识别的木材种类大多仅为4~5个,对于同时识别10种木材未见尝试。经研究,参与识别的木材种类越多,识别率越难保证。本研究的主成分分析法识别10种木材,平均识别率仅为84.7%。本研究采取SPA-GA联合的特征提取方法,识别对象为10种木材,通过调整吸收峰、特征值等参数,最终7种木材的平均识别率达100.0%,且识别速度提高为原来的2~3倍。为了进一步验证识别率的鲁棒性,本研究还采用多种预处理的方式,使得原始数据表现出良好的稳定性和容错性。最后实验数据均为随机20次运行的结果,说明训练好的模型可以随时间和频次迁移应用,识别性能不会降低。
3. 结论
研究结果表明:①SPA-GA法识别木材时,选择移动平均法+SNV的预处理方式效果最佳。②对于参数的选择,起始波段选取吸收峰比选取非吸收峰识别率更高,特征值个数结合光谱图的峰值个数选取更恰当。本研究分别选取起始波段为1 445 nm,特征值个数为9个。③SPA-GA提取光谱图特征时识别性能最佳。SPA特征值经GA寻优后,特征个数大多减少为原来的一半左右,优化后BP神经网络的平均识别速度显著提升,大果紫檀、中美洲黄檀、刺猬紫檀、巴里黄檀、红檀香、破布木和黑檀等7种木材的平均识别正确率均高达100.0%,总体识别率较SPA显著提高。
本研究仅选择了红檀、刺猬紫檀、巴里黄檀、大果紫檀、红檀香、破布木、豆瓣香、檀香紫檀、中美洲黄檀和黑檀这10种木材样本进行了探讨,对于其他木材的识别有待进一步研究验证。
-
表 1 森林土壤有机碳及活性有机碳含量对施肥的响应
Table 1. Responses of forest soil organic carbon content and active organic carbon content to fertilizer addition
地点 森林类型 肥料类型 土层深度/cm 变幅/% 参考文献 SOC DOC MBC 波兰 苗圃 有机肥 0~20 +60.2 [20] 中国浙江 板栗林 有机肥 0~20 +58 +42.7 [21] 中国四川 梁山慈林 有机无机复合肥 0~20 +39.1 [22] 中国四川 常绿阔叶林 硝酸铵 0~20 +4.1 [23] 中国山西 油松林 尿素 0~20 -21.8~-38.4 [11] 中国湖南 樟树林 硝酸铵 0~20 -20.1 [24] 美国 红松林 硝酸铵 0~20 无明显影响 [13] 美国 黑云杉林 硝酸铵 0~5 无明显影响 [12] 中国贵州 常绿落叶混交林 生物质炭 0~20 +13.9 [25] 中国山西 油松林 生物质炭 0~20 +44.4 +69.4 [26] 说明:变幅中“+”表示上升;“-”表示下降。梁山慈Dendrocalamus farinosus,樟树Cinnamomum camphora,红松Pinus koraiensis,黑云杉Picea mariana 表 2 森林土壤有机碳含量对火烧的响应
Table 2. Responses of forest soil organic carbon content to burning
地点 森林类型 处理 土层深度/cm 不同火烧时间后有机碳变幅 参考文献 火烧后时间/a 变幅/% 欧洲 温带落叶林 皆伐火烧 0~16 1.00 -5.0 [40] 中国福建 米槠次生林 皆伐火烧 0~10 0.50 -6.0 [41] 中国广东 马尾松林 野火 0~20 4.00 -45.0 [30] 地中海 白松林 高强度野火 0~10 -82.0 [42] 意大利 意大利石松林 野火 0~7 0.92 +25.8 [43] 美国 美国黄松林 春季预定火烧 0~30 5.00 +17.0 [29] 中国内蒙古 落叶松林 野火 0~10 40.00 +101.2 [44] 说明:变幅中“+”表示上升;“-”表示下降。米槠Castanopsis carlesii,马尾松Pinus massoniana,意大利石松Pinus pinea,美国黄松Pinus ponderosa,落叶松Larix gmelinii 表 3 森林土壤有机碳含量对采伐的响应
Table 3. Responses of forest soil organic carbon content to cutting
地点 森林类型 处理 土层深度/cm 采伐强度/% 变幅/% 参考文献 中国湖南 杉木林 皆伐 0~60 100 -45.2 [57] 中国福建 米槠次生林 皆伐 0~10 100 -24.8 [59] 英国 云杉林 皆伐 0~20 100 -15.0 [60] 中国黑龙江 落叶松林 皆伐 0~20 100 -24.0 [61] 韩国 马尾松林 不同强 0~30 20(轻度) +26.8 [50] 度间伐 30(中度) +77.6 中国贵州 杉木林 不同强 0~10 17(轻度) +43.5 [62] 度间伐 33(中度) +24.3 50(重度) +6.6 意大利 赤松林 不同强 0~30 25(轻度) +64.2 [63] 度间伐 45(中度) +98.8 中国江苏 杉木林 间伐 0~10 70 -20.6 [64] 说明:变幅中“+”表示上升;“-”表示下降。赤松Pinus laricio 表 4 森林土壤有机碳含量对林下植被管理的响应
Table 4. Responses of forest soil organic carbon to understory management contents
表 5 森林土壤有机碳含量对覆盖管理的响应
Table 5. Responses of forest soil organic carbon content to coverage management
地点 森林类型 覆盖物种类 土层深度 变幅/% 参考文献 澳大利亚 硬木人工林 木屑 0~10 cm +45.0 [76] 中国浙江 毛竹林 稻草 0~50 cm +11.2~+74.2 [80] 中国浙江 油茶林 稻草 0~20 cm +23.4~+57.5 [81] 美国夏威夷 咖啡树林 木屑 0~20 cm +33.6 [82] 中国浙江 雷竹林 稻草 0~10 cm +81.5 [83] 中国河北 核桃林 木屑 0~20 cm +45.1 [84] 说明:变幅中“+”表示上升;“-”表示下降。毛竹Phyllostachys edulis,油茶Camllia oleifera,核桃Juglans regia,咖啡树Leucaena -
[1] LIU Xiang, YANG Tao, WANG Quan, et al. Dynamics of soil carbon and nitrogen stocks after afforestation in arid and semi-arid regions:a meta-analysis[J]. Sci Total Environ, 2018, 618:1658-1664. [2] KEENAN R J, REAMS G A, ACHARD F, et al. Dynamics of global forest area:results from the FAO global forest resources assessment[J]. For Ecol Manage, 2015, 352(7):9-20. [3] LAL R. Soil carbon sequestration to mitigate climate change[J]. Geoderma, 2004, 123(1/2):1-22. [4] PAN Yude, BIRDESY R A, FANG Jinyun, et al. A large and persistent carbon sink in the world's forests[J]. Science, 2011, 333(6045):988-992. [5] LAL R. Forest soils and carbon sequestration[J]. For Ecol Manage, 2005, 220(1/3):242-258. [6] NOORMETS A, EPRON D, DOMEC J C, et al. Effects of forest management on productivity and carbon sequestration:a review and hypothesis[J]. For Ecol Manage, 2015, 355:124-140. [7] 张蛟蛟, 李永夫, 姜培坤, 等.施肥对板栗林土壤活性碳库和温室气体排放的影响[J].植物营养与肥料学报, 2013, 19(3):745-752. ZHANG Jiaojiao, LI Yongfu, JIANG Peikun, et al. Effect of fertilization on labile carbon pools and emissions of greenhouse gas in soils of Chinese chestnut stands[J]. Plant Nutri Fert Sci, 2013, 19(3):745-752. [8] 陈雪双, 刘娟, 姜培坤, 等.施肥对山核桃林地土壤N2O排放的影响[J].植物营养与肥料学报, 2014, 20(5):1262-1270. CHEN Xueshuang, LIU Juan, JIANG Peikun, et al. Effects of fertilization on soil N2O flux in Chinese Carya cathayensis stands[J]. Plant Nutr Fert Sci, 2014, 20(5):1262-1270. [9] 姜培坤, 徐秋芳.施肥对雷竹林土壤活性有机碳的影响[J].应用生态学报, 2005, 16(2):253-256. JIANG Peikun, XU Qiufang. Effects of fertilization on soil active organic carbon under Phyllostachys praecox stand[J]. Chin J Appl Ecol, 2005, 16(2):253-256. [10] 涂利华, 胡庭兴, 张健, 等.模拟氮沉降对华西雨屏区苦竹林土壤有机碳和养分的影响[J].植物生态学报, 2011, 35(2):125-136. TU Lihua, HU Tingxing, ZHANG Jian, et al. Response of soil organic carbon and nutrients to simulated nitrogen deposition in Pleioblastus amarus plantation, rainy area of west China[J]. Chin J Plant Ecol, 2011, 35(2):125-136. [11] 汪金松, 赵秀海, 张春雨, 等.模拟氮沉降对油松林土壤有机碳和全氮的影响[J].北京林业大学学报, 2016, 38(10):88-94. WANG Jinsong, ZHAO Xiuhai, ZHANG Chunyu, et al. Effects of simulated nitrogen deposition on soil organic carbon and total nitrogen content in plantation and natural forests of Pinus tabuliformis[J]. J Beijing For Univ, 2016, 38(10):88-94. [12] ALLISON S D, CZIMCZIK C I, TRESEDER K K. Microbial activity and soil respiration under nitrogen addition in Alaskan boreal forest[J]. Global Change Biol, 2008, 14(5):1156-1168. [13] MAGILL A H, ABER J D, CURRIE W S, et al. Ecosystem response to 15 years of chronic nitrogen additions at the harvard forest LTER, Massachusetts, USA[J]. For Ecol Manage, 2004, 196(1):7-28. [14] 郭亮, 王庆贵, 邢亚娟.森林生态系统土壤碳库对氮沉降的响应研究进展[J].中国农学通报, 2016, 32(32):81-87. GUO Liang, WANG Qinggui, XING Yajuan. Response of forest ecosystem soil carbon pool to nitrogen deposition:a review[J]. Chin Agric Sci Bull, 2016, 32(32):81-87. [15] NOYCE G L, BASILIKO N, FULTHORPE R, et al. Soil microbial responses over 2 years following biochar addition to a north temperate forest[J]. Biol Fert Soil, 2015, 51(6):649-659. [16] SUN Liying, LI Lu, CHEN Zhaozhi, et al. Combined effects of nitrogen deposition and biochar application on emissions of N2O, CO2 and NH3 from agricultural and forest soils[J]. Soil Sci Plant Nutr, 2014, 60(2):254-265. [17] LIANG Biqing, LEHMANN J, SOHI S P, et al. Black carbon affects the cycling of non-black carbon in soil[J]. Organic Geochem, 2010, 41(2):206-213. [18] 尹艳, 刘岩, 尹云锋, 等.生物质炭添加对杉木人工林土壤原有有机碳矿化的影响[J].应用生态学报, 2018, 29(5):1389-1396. YIN Yan, LIU Yan, YIN Yunfeng, et al. Effects of biochar addition on the mineralization of native soil organic carbon in Cunninghamia lanceolata plantation[J]. Chin J Appl Ecol, 2018, 29(5):1389-1396. [19] LIU Shuwei, ZHANG Yaojun, ZONG Yajie, et al. Response of soil carbon dioxide fluxes, soil organic carbon and microbial biomass carbon to biochar amendment:a meta-analysis[J]. Global Change Biol, 2016, 8(2):392-406. [20] PIASZCZYK W, BŁOŃSKA E, LASOTA J. Study on the effect of organic fertilizers on soil organic matter and enzyme activities of soil in forest nursery[J]. Soil Sci Ann, 2017, 68(3):125-131. [21] 姜培坤, 徐秋芳, 邬奇峰, 等.施肥对板栗林土壤养分和生物学性质的影响[J].浙江农林大学学报, 2007, 24(4):445-449. JIANG Peikun, XU Qiufang, WU Qifeng, et al. Effect of fertization on soil properties under Castanea mollissima plantation[J]. J Zhejiang A&F Univ, 2007, 24(4):445-449. [22] 王伟.施肥对梁山慈竹林土壤有机碳和酶活性的影响[D].雅安: 四川农业大学, 2012. WANG Wei. The Impact of Fertilization on Organic Carbon and Enzyme Activities of the D. farinosus Chia et H.L.Fung Soil[D]. Ya'an: Sichuan Agricultural University, 2012. [23] 向元彬, 周世兴, 肖永翔, 等.模拟氮沉降和降雨量改变对华西雨屏区常绿阔叶林土壤有机碳的影响[J].生态学报, 2017, 37(14):4686-4695. XIANG Yuanbin, ZHOU Shixing, XIAO Yongxiang, et al. Effects of simulated nitrogen deposition and precipitation changes on soil organic carbon in an evergreen broad-leaved forest that is part of the rainy area of western China[J]. Acta Ecol Sin, 2017, 37(14):4686-4695. [24] 郑威.施氮对樟树人工林土壤呼吸的影响[D].长沙: 中南林业科技大学, 2013. ZHENG Wei. Effect of Nitrogen Fertilization of Soil Respiration in Cinnamomum camphora Plantation[D]. Changsha: Central South University of Forestry and Technology, 2013. [25] 张明江, 龙健, 李娟, 等.生物质炭对茂兰喀斯特森林土壤呼吸与有机碳的影响[J].土壤, 2018, 50(2):333-340. ZHANG Mingjiang, LONG Jian, LI Juan, et al. Effects of biochars on soil respiration and SOC content of origin forest soil in Maolan Karst Area of Guizhou, China[J]. Soils, 2018, 50(2):333-340. [26] 张岩, 张令珍, 徐美丽, 等.太岳山油松林土壤活性碳和微生物特性随外源有机物的变化规律[J].福建农林大学学报, 2017, 46(3):284-292. ZHANG Yan, ZHANG Lingzhen, XU Meili, et al. Variations in labile soil carbon and microbial activity by organic matter input in Pinus forest in Taiyue mountain[J]. J Fujian A&F Univ, 2017, 46(3):284-292. [27] FLORENT M, FIELD C B. Fire history and the global carbon budget:a 1°×1° fire history reconstruction for the 20th century[J]. Global Change Biol, 2010, 11(3):398-420. [28] CHEN H Y H, SHRESTHA B M. Stand age, fire and clear cutting affect soil organic carbon and aggregation of mineral soils in boreal forests[J]. Soil Biol Biochem, 2012, 50(5):149-157. [29] HATTEN J A, ZABOWSKI D, OGDEN A, et al. Soil organic matter in a ponderosa pine forest with varying seasons and intervals of prescribed burn[J]. For Ecol Manage, 2008, 255(7):2555-2565. [30] 薛立, 陈红跃, 杨振意, 等.火灾对马尾松林地土壤特性的影响[J].生态学报, 2011, 31(22):6824-6831. XUE Li, CHEN Hongyue, YANG Zhenyi, et al. The effect of fire on soil properties in a Pinus massoniana stand[J]. Acta Ecol Sin, 2011, 31(22):6824-6831. [31] WANG Qingkui, ZHONG Micai, WANG Silong. A meta-analysis on the response of microbial biomass, dissolved organic matter, respiration, and N mineralization in mineral soil to fire in forest ecosystems[J]. For Ecol Manage, 2012, 271:91-97. [32] 孙龙, 赵俊, 胡海清.中度火干扰对白桦落叶松混交林土壤理化性质的影响[J].林业科学, 2011, 47(2):103-110. SUN Long, ZHAO Jun, HU Haiqing. Effect of moderate fire disturbance on soil physical and chemical properties of Betula platyphylla-Larix gmelinii mixed forest[J]. Sci Silv Sin, 2011, 47(2):103-110. [33] JOHNSON D W, CURTIS P S. Effects of forest management on soil C and N storage:meta analysis[J]. For Ecol Manage, 2001, 140(2/3):227-238. [34] KÖSTER E, KÖSTER K, BERNINGER F, et al. Carbon dioxide, methane and nitrous oxide fluxes from podzols of a fire chronosequence in the boreal forests in Värriö, Finnish Lapland[J]. Geoderma, 2015, 5:181-187. [35] 郭剑芬, 杨玉盛, 陈光水, 等.火烧对森林土壤有机碳的影响研究进展[J].生态学报, 2015, 35(9):2800-2809. GUO Jianfen, YANG Yusheng, CHEN Guangshui, et al. A review of effects of fire on soil organic carbon in forests[J]. Acta Ecol Sin, 2015, 35(9):2800-2809. [36] 许鹏波, 屈明, 薛立.火对森林土壤的影响[J].生态学杂志, 2013, 32(6):1596-1606. XU Pengbo, QU Ming, XUE Li. Effects of forest fire on forest soils[J]. Chin J Ecol, 2013, 32(6):1596-1606. [37] ALMENDROS G, MARTÍN F, GONZÁLEZVILA F J. Effects of fire on humic and lipid fractions in a Dystric Xerochrept in Spain[J]. Geoderma, 1988, 42(2):115-127. [38] GONZÁLEZ-PÉREZ J A, GONZÁLEZVILA F J, ALMENDROS G. The effect of fire on soil organic matter:a review[J]. Environ Int, 2004, 30(6):855-870. [39] ALMENDROS G, GONZÁLEZVILA F J, MARTIN F. Fire-induced transformation of soil organic matter from an oak forest:an experimental approach to the effects of fire on humic substances[J]. Soil Sci, 1990, 149(3):158-168. [40] ECKMEIER E, GERLACH R, SKJEMSTAD J O, et al. Minor changes in soil organic carbon and charcoal concentrations detected in a temperate deciduous forest a year after an experimental slash-and-burn[J]. Biogeosciences, 2007, 4(2):377-383. [41] 吴君君, 杨智杰, 刘小飞, 等.火烧和保留采伐剩余物对土壤有机碳矿化的影响[J].土壤学报, 2015, 52(1):203-211. WU Junjun, YANG Zhijie LIU Xiaofei, et al. Effect of prescribed burning and reservation of logging residues on soil organic carbon mineralization[J]. Acta Pedol Sin, 2015, 52(1):203-211. [42] TINOCO P, ALMENDROS G, SANZ J, et al. Molecular descriptors of the effect of fire on soils under pine forest in two continental Mediterranean soils[J]. Organic Geochem, 2006, 37(12):1995-2018. [43] CERTINI G, NOCENTINI C, KNICKER H, et al. Wildfire effects on soil organic matter quantity and quality in two fire-prone Mediterranean pine forests[J]. Geoderma, 2011, 167/168(8):148-155. [44] 杨新芳, 鲍雪莲, 胡国庆, 等.大兴安岭不同火烧年限森林凋落物和土壤C, N, P化学计量特征[J].应用生态学报, 2016, 27(5):1359-1367. YANG Xinfang, BAO Xuelian, HU Guoqing, et al. C:N:P stoichiometry characteristics of litter and soil of forests in Great Xing'an Mountains with different fire years[J]. Chin J Appl Ecol, 2016, 27(5):1359-1367. [45] PAULLIMOGES E, BLACK T A, CHRISTEN A, et al. Effect of clearcut harvesting on the carbon balance of a Douglas-fir forest[J]. Agric For Meteorol, 2015, 203:30-42. [46] JURGENSEN M E, TARPEY R, PICKENS J, et al. Long term effect of silvicultural thinnings on soil carbon and nitrogen pools[J]. Soil Sci Soc Am J, 2012, 76(4):1418-1423. [47] 闫美芳, 张新时, 江源, 等.主要管理措施对人工林土壤碳的影响[J].生态学杂志, 2010, 29(11):2265-2271. YAN Meifang, ZHANG Xinshi, JIANG Yuan, et al. Effects of management practices on forest plantation soil carbon:a review[J]. Chin J Ecol, 2010, 29(11):2265-2271. [48] YASHIRO Y, WAN R K, OKUDA T, et al. The effects of logging on soil greenhouse gas (CO2, CH4, N2O) flux in a tropical rain forest, Peninsular malaysia[J]. Agric For Meteorol, 2008, 48(5):799-806. [49] ZHOU Decheng, ZHAO Shuqing, LIU Shuguang, et al. A meta-analysis on the impacts of partial cutting on forest structure and carbon storage[J]. Biogeosciences, 2013, 10(1):787-813. [50] YANG A R, SON Y W, NOH N J, et al. Effect of thinning on carbon storage in soil, forest floor and coarse woody debris of Pinus densiflora stands with different stand ages in Gangwon-do, central Korea[J]. For Sci Technol, 2011, 7(1):30-37. [51] SON Y W, YANG A R, CHUNG H, et al. Effect of thinning on soil and forest carbon storage of Quercus stands in Gangwon Province, central Korea[J]. Jpn For Soc Congr, 2011, 122:749-749. [52] 翟凯燕, 马婷瑶, 金雪梅, 等.间伐对马尾松人工林土壤活性有机碳的影响[J].生态学杂志, 2017, 36(3):609-615. ZHAI Kaiyan, MA Tingyao, JIN Xuemei, et al. Effects of thinning intensity on soil active organic carbon in Pinus massoniana plantation[J]. Chin J Ecol, 2017, 36(3):609-615. [53] 郝凯婕.抚育强度对云杉林土壤有机碳含量的影响[J].山西林业科技, 2014, 43(3):16-18. HAO Kaijie. Impact of thinning scheme on soil organic carbon in spruce forest[J]. Shanxi For Sci Technol, 2014, 43(3):16-18. [54] 雷蕾, 肖文发.采伐对森林土壤碳库影响的不确定性[J].林业科学研究, 2015, 28(6):892-899. LEI Lei, XIAO Wenfa. Uncertainty effect of forest harvest on soil carbon pool:a review[J]. For Res, 2015, 28(6):892-899. [55] HU Zhenhong, HE Zongming, HUANG Zhiqun, et al. Effects of harvest residue management on soil carbon and nitrogen processes in a Chinese fir plantation[J]. For Ecol Manage, 2014, 326:163-170. [56] SMOLANDER A, KITUNEN V, KUKKOLA M, et al. Response of soil organic layer characteristics to logging residues in three scots pine thinning stands[J]. Soil Biol Biochem, 2013, 66:51-59. [57] 方晰, 田大伦, 项文化.不同经营方式对杉木林采伐迹地土壤C储量的影响[J].中南林业科技大学学报, 2004, 24(1):1-5. FANG Xi, TIAN Dalun, XIANG Wenhua. Effects of different management patterns on soil carbon storage of the deforested lands in Chinese fir plantation[J]. J Central South Univ For Technol, 2004, 24(1):1-5. [58] NAVE L E, VANCE E D, SWANSTON C W, et al. Harvest impacts on soil carbon storage in temperate forests[J]. For Ecol Manage, 2010, 259(5):857-866. [59] 郑永, 刘小飞, 郑蔚, 等.应用高频观测探讨不同森林经营方式下矿质土壤呼吸的昼夜动态特征[J].生态学报, 2017, 37(1):93-101. ZHENG Yong, LIU Xiaofei, ZHENG Wei, et al. High-frequency analysis of the diel patterns of mineral soil respiration under different forest managemen[J]. Acta Ecol Sin, 2017, 37(1):93-101. [60] VANGUELOVA E I, PITMAN R, BENHAM S, et al. Impact of tree stump harvesting on soil carbon and nutrients and second rotation tree growth in mid-Wales, UK[J]. Open J For, 2017, 7(1):58-77. [61] 王文杰, 张文天, 安静, 等.落叶松人工林、皆伐迹地及农田土壤碳及肥力的差异[J].林业科学, 2013, 49(9):79-88. WANG Wenjie, ZHANG Wentian, AN Jing, et al. Variation of soil carbons and fertilities in larch plantation land, clear-cut site and farmland in northeast China[J]. Sci Silv Sin, 2013, 49(9):79-88. [62] 丁波, 丁贵杰, 李先周, 等.短期间伐对杉木人工林生态系碳储量的影响[J].中南林业科技大学学报, 2016, 36(8):66-71. DING Bo, DING Guijie, LI Xianzhou, et al. Effects of short term thinning on the carbon storage in Cunninghamia lanceolata plantation ecosystem[J]. J Central South Univer For Technol, 2016, 36(8):66-71. [63] SETTINERI G, MALLAMACI C, MITROVIĆ M, et al. Effects of different thinning intensities on soil carbon storage in Pinus laricio forest of Apennine South Italy[J]. Eur J For Res, 2018, 137(2):131-141. [64] 凌宁.间伐强度对杉木人工林土壤呼吸的影响[D].南京: 南京林业大学, 2012. LING Ning. The Impace of Different Thinning Tensity on Soil Respiration in the Chinese fir Plantation[D]. Nanjing: Nanjing Forestry University, 2012. [65] PAN Ping, ZHAO Fang, NING Jinkui, et al. Impact of understory vegetation on soil carbon and nitrogen dynamic in aerially seeded Pinus massoniana plantations[J]. PLoS One, 201813(1):e0191952. doi:10.1371/journal.pone.0191952. [66] WU Jianping, LIU Zhanfeng, CHEN Dima, et al. Understory plants can make substantial contributions to soil respiration:evidence from two subtropical plantations[J]. Soil Biol Biochem, 2011, 43(11):2355-2357. [67] WANG Xiaoling, ZHAO Jie, WU Jianping, et al. Impacts of understory species removal and/or addition on soil respiration in a mixed forest plantation with native species in southern China[J]. For Ecol Manage, 2011, 261(6):1053-1060. [68] KUME A, SATOMURA T, TSUBOI N. Effects of understory vegetation on the ecophysiological characteristics of an overstory pine, Pinus densiflora[J]. For Ecol Manage, 2003, 176(1):195-203. [69] LI Yongfu, JIANG Peikun, CHANG S X, et al. Organic mulch and fertilization affect soil carbon pools and forms under intensively managed bamboo (Phyllostachys praecox) forests in southeast China[J]. J Soils Sediment, 2010, 10(4):739-747. [70] ZHANG Jiaojiao, LI Yongfu, CHANG S X, et al. Understory vegetation management affected greenhouse gas emissions and labile organic carbon pools in an intensively managed Chinese chestnut plantation[J]. Plant Soil, 2014, 376(1/2):363-375. [71] 吴亚丛, 李正才, 程彩芳, 等.林下植被抚育对樟树人工林土壤活性有机碳库的影响[J].应用生态学报, 2013, 24(12):3341-3346. WU Yachong, LI Zhengcai, CHENG Caifang, et al. Effects of understory removal on soil labile organic carbon pool in a Cinnamomum camphora plantation[J]. Chin J Appl Ecol, 2013, 24(12):3341-3346. [72] 李海防, 张杏锋.剔除灌草和添加翅荚决明对厚荚相思林土壤温室气体排放的影响[J].应用生态学报, 2010, 21(3):563-568. LI Haifang, ZHANG Xingfeng. Soil greenhouse gases emission from an Acacia crassicarpa plantation under effects of understory removal and Cassia alata addition[J]. Chin J Appl Ecol, 2010, 21(3):563-568. [73] WANG Faming, ZOU Bi, LI Haifang. The effect of understory removal on microclimate and soil properties in two subtropical lumber plantations[J]. J For Res, 2014, 19(1):238-243. [74] ZHANG Jiaojiao, LI Yongfu, CHANG S X, et al. Understory management and fertilization affected soil greenhouse gas emissions and labile organic carbon pools in a Chinese chestnut plantation[J]. For Ecol Manage, 2015, 337:126-134. [75] CHATTERJEE S, BANDYOPADHYAY K K, PRADHAN S, et al. Effects of irrigation, crop residue mulch and nitrogen management in maize (Zea mays L.) on soil carbon pools in a sandy loam soil of indo-gangetic plain region[J]. Catena, 2018, 165:207-216. [76] HUANG Zhiqun, XU Zhihong, CHEN Chengrong, et al. Changes in soil carbon during the establishment of a hardwood plantation in subtropical Australia[J]. For Ecol Manage, 2008, 254(1):46-55. [77] 商素云, 李永夫, 姜培坤, 等.天然灌木林改造成板栗林对土壤碳库和氮库的影响[J].应用生态学报, 2012, 23(3):659-665. SHANG Suyun, LI Yongfu, JIANG Peikun, et al. Effects of the conversion from native shrub forest to Chinese chestnut plantation on soil carbon and nitrogen pools[J]. Chin J Appl Ecol, 2012, 23(3):659-665. [78] MATHERS N J, XU Zhihong. Solid-state 13C NMR spectroscopy:characterization of soil organic matter under two contrasting residue management regimes in a 2-year-old pine plantation of subtropical Australia[J]. Geoderma, 2003, 114(1/2):19-31. [79] HUANG Zhiqun, XU Zhihong, CHEN Chengrong. Effect of mulching on labile soil organic matter pools, microbial community functional diversity and nitrogen transformations in two hardwood plantations of subtropical Australia[J]. Appl Soil Ecol, 2008, 40(2):229-239. [80] 赵睿宇, 李正才, 王斌, 等.毛竹林地表覆盖年限对土壤有机碳的影响[J].植物生态学报, 2017, 41(4):418-429. ZHAO Ruiyu, LI Zhengcai, WANG Bin, et al. Duration of mulching caused variable pools of labile organic carbon in a Phyllostachys edulis plantation[J]. Chin J Plant Ecol, 2017, 41(4):418-429. [81] 王玉娟.油茶林地覆盖和间种对土壤理化性质及幼林生长的影响[D].长沙: 中南林业科技大学, 2009. WANG Yujian. The Effect of Covering and Interplanting on the Soil Physical, Chemical Properties and Growth Condition of Camellia oleifera Young Forest[D]. Changsha: Central South University of Forestry and Technology, 2009. [82] YOUKHANA A, IDOL T. Tree pruning mulch increases soil C and N in a shaded coffee agroecosystem in Hawaii[J]. Soil Biol Biochem, 2009, 41(12):2527-2534. [83] 郭子武, 王为宇, 杨清平, 等.林地覆盖对雷竹林土壤碳氮磷化学计量特征的影响[J].广西植物, 2013, 33(5):627-632. GUO Ziwu, WANG Weiyu, YANG Qingping, et al. Effect of mulching management on stoichiometry of soil C, N and P in Phyllostachys praecox plantations[J]. Guihaia, 2013, 33(5):627-632. [84] 孙萌, 刘洋, 李寒, 等.有机物覆盖对核桃园土壤有机碳库及酶活性的影响[J].植物营养与肥料学报, 2018, 24(1):270-278. SUN Meng, LIU Yang, LI Han, et al. Effects of organic mulching on soil organic carbon pool and soil enzyme activity in walnut orchard[J]. J Plant Nutr Fert, 2018, 24(1):270-278. 期刊类型引用(5)
1. 金航峰,于昌昊,范锴萍,吴健清,颜菲菲,汪涵. 基于近红外高光谱成像技术的地方鸡品种鉴别. 现代食品科技. 2024(05): 247-254 . 百度学术
2. 岳蓉,尹本酥,李振发,李粉玲. 基于无人机RGB影像的染条锈冬小麦花青素含量监测. 麦类作物学报. 2024(07): 936-946 . 百度学术
3. 王延年,李鹏程,廉继红,范昊,王炳炎. 纱线卷绕系统恒张力先进控制策略. 纺织高校基础科学学报. 2023(01): 49-56 . 百度学术
4. 孙晓荣,田密,刘翠玲,吴静珠,郑冬钰,靳佳蕊. 基于太赫兹成像技术的发芽葵花籽无损检测研究. 食品科技. 2023(02): 296-302 . 百度学术
5. 付立岩,冯国红,刘旭铭. 基于多元经验模态分解的可见/近红外光谱识别木材研究. 森林工程. 2023(04): 101-109 . 百度学术
其他类型引用(9)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2019.04.023