留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

临安钱王陵公园植物群落结构及生态效益分析

王颖 ,  蔡建国 ,  张哲琪 ,  刘艳伟 ,  王怡

downloadPDF
文章导航 > 浙江农林大学学报  > 2020 >  37(4): 729-736
龚元, 纪小芳, 花雨婷, 等. 基于涡动相关技术的森林生态系统二氧化碳通量研究进展[J]. 浙江农林大学学报, 2020, 37(3): 593-604. DOI: 10.11833/j.issn.2095-0756.20190412
引用本文: 王颖, 蔡建国, 张哲琪, 等. 临安钱王陵公园植物群落结构及生态效益分析[J]. 浙江农林大学学报, 2020, 37(4): 729-736. DOI: 10.11833/j.issn.2095-0756.20190464
shu
GONG Yuan, JI Xiaofang, HUA Yuting, et al. Research progress of CO2 flux in forest ecosystem based on eddy covariance technique: a review[J]. Journal of Zhejiang A&F University, 2020, 37(3): 593-604. DOI: 10.11833/j.issn.2095-0756.20190412
Citation: WANG Ying, CAI Jianguo, ZHANG Zheqi, et al. Plant community structure and ecological benefits of Qianwangling Park in Lin’an[J]. Journal of Zhejiang A&F University, 2020, 37(4): 729-736. DOI: 10.11833/j.issn.2095-0756.20190464
shu

临安钱王陵公园植物群落结构及生态效益分析

DOI: 10.11833/j.issn.2095-0756.20190464
  • 1.

    浙江农林大学 风景园林与建筑学院，浙江 杭州 311300

  • 2.

    浙江农林大学 园林设计院有限公司，浙江 杭州 311300

基金项目: 国家自然科学基金资助项目(31272494)；浙江省花卉团队资助项目(2011R50034-02)
详细信息
    作者简介: 王颖，从事园林植物景观规划设计和生态效益研究。E-mail: 1337364020@qq.com
    通信作者: 蔡建国，副教授，从事园林景观设计和生态效益等研究。E-mail: yuanlinzhiwu@163.com

  • 中图分类号: S718.5

Plant community structure and ecological benefits of Qianwangling Park in Lin’an

  • 1.

    School of Landscape Architecture, Zhejiang A&F University, Hangzhou 311300, Zhejiang, China

  • 2.

    Landscape Architecture Co., Zhejiang A&F University, Hangzhou 311300, Zhejiang, China

HTML全文

  • 摘要:   目的  分析浙江省杭州市临安区钱王陵公园植物群落结构，并对其生态效益进行定量评估。  方法  以临安钱王陵公园为研究对象，对公园内32个植物群落资源结构进行实地调查，运用i-Tree模型评估群落节能、吸收二氧化碳(CO2)、改善空气质量、截留雨水等生态效益。  结果  ①所调查群落树木共计1 613株，分属39科62属74种；群落结构以复层型为主，呈现出以针阔混交林为主的景观风貌。②群落年生态效益为208 588.16元·a−1，单株树木平均效益为129.25元·株−1·a−1，其中节约能源、吸收CO2、改善空气质量和截留雨水生态效益分别为48 188.80、98 447.36、4 019.84和57 932.16元·a−1，分别占为23.10%、47.20%、1.93%和27.77%；生态效益总价值最高的是樟树Cinnamomum camphora+广玉兰Magnolia grandiflora-山茶Camellia japonica群落(样地L21)，为12 777.60元·a−1，占6.13%，且该群落在节约能源、吸收CO2、截留雨水3个方面生态效益均为最高；针阔混交型群落生态效益占35.47%，对生态效益价值贡献最大。③落叶阔叶及针叶树种单株平均生态效益较高，落叶阔叶树在节能、吸收CO2、改善空气质量及截留雨水效益方面更具优势。  结论  钱王陵公园植物群落生态效益的高低主要取决于群落内树种的株数、生长类型和平均胸径，针阔混交型群落在生态效益价值方面具有明显优势。图2表4参23
    Abstract:   Objective  This research aims to analyze the plant community structure of Qianwangling Park in Lin’an District of Hangzhou City, Zhejiang Province, and evaluate its ecological benefits.  Method  Taking Qianwangling Park as the research object, the structure of 32 plant communities in the park was investigated, and the i-Tree model was used to evaluate the ecological benefits of community including energy conservation, carbon dioxide absorption, air quality improvement and rainwater interception.  Result  (1) There were 1 613 trees in the community, belonging to 39 families 62 genera and 74 species. The community structure was mainly of the multi-layer type, dominated by the landscape style of the mixed forest of needles and broads. (2) The annual ecological benefit of the community was 208 588.16 yuan·a−1, and the average benefit per tree was 129.25 yuan·plant−1·a−1, among which the benefits of energy conservation, carbon dioxide absorption, air quality improvement and rainwater interception were 48 188.80, 98 447.36, 4 019.84 and 57 932.16 yuan·a−1, accounting for 23.10%, 47.20%, 1.93% and 27.77% respectively. The highest total value of ecological benefits reached 12 777.60 yuan·a−1, found in sample L21 (Cinnamomum camphora+Magnolia grandiflora-Camellia japonica community), accounting for 6.13%. This community had the highest benefits in saving energy, absorbing carbon dioxide and intercepting rainwater. The mixed community contributed the most to ecological benefit values, accounting for 35.47%. (3) The deciduous broad-leaved and coniferous trees had higher average benefits per plant, and deciduous broad-leaved trees had more advantages in energy conservation, CO2 absorption, air quality improvement and rainwater interception.  Conclusion  The ecological benefit of plant community in Qianwangling Park is mainly determined by the number of tree species, growth type and average diameter at breast height. The coniferous and broad-leaved mixed community has obvious advantages in ecological benefit value. [Ch, 2 fig. 4 tab. 23 ref.]

  • 18世纪60年代工业革命以来，由于全球土地利用变化、工业活动和化石燃料的使用，大量温室气体排放至大气中[1]。甲烷(CH4)和二氧化碳(CO2)等温室气体的大量排放，导致全球增温和气候变化，人类开始关注陆地生态系统碳循环过程和消失的碳汇(missing carbon sink)[1]。了解植物(草地、森林生态系统)对大气CO2吸收和排放的调节作用是人类应对全球气候变化的基础[1-2]。森林生态系统是陆地生态系统物质循环和能量流动的重要组成部分，开展不同生态尺度的森林生态系统碳循环研究对更好地了解陆地生态系统与大气间的碳交换过程，制定全球碳排放和碳交易政策(如欧洲碳排放交易体系等)，应对全球气候变化具有参考和服务作用[2-4]。涡动相关系统是目前应用较多的温室气体观测技术。本文主要依据涡动相关观测系统对森林生态系统CO2通量观测值、微气象数据等相关研究成果，讨论森林生态系统CO2通量观测原理和数据预处理、CO2通量动态特征、CO2通量环境影响因素、CO2通量足迹估算等方面的研究成果，为其他森林生态系统碳循环研究提供服务和方法参考。

    1.   CO2通量观测方法

    研究森林生态系统碳循环过程就必须对其和大气间碳交换过程进行不同时间尺度/间隔的观测，其中对森林生态系统与大气间垂直碳交换即CO2通量观测是研究森林生态系统碳循环过程的重要研究内容[5-6]。CO2通量是指在一定生态尺度下单位时间单位面积内CO2流通的量，一般以μmol·m−2·s−1为单位，亦可依据不同的科学问题的需要对其质量单位、面积单位和时间单位进行换算[3]。对森林生态系统CO2通量进行观测的方式也较多，如自下而上(bottom-up)的涡动协方差/涡动相关技术和自上而下(top-down)的参数化遥感产品等[3]。20世纪90年代以来，涡动相关系统开始广泛应用于高大植被较多的森林生态系统CO2通量观测[7-8]。如今随着涡动相关系统的推广，为了数据共享和数据处理标准化形成了国际通量网(FLUXNET，https://fluxnet.fluxdata.org/)，中国通量网(ChinaFLUX，http://www.chinaflux.org/)等全球-区域的通量和微气象数据共享网络平台[9-10]。依据国际通量网2017年2月的统计结果，目前在其注册的站点全球共914个，其中较多站点为森林生态系统CO2通量观测站点，且多分布于温带地区。基于涡动相关系统森林生态系统CO2通量观测的研究也较多，如森林生态系统的碳源/汇估算、CO2通量观测源区/足迹的计算、CO2通量动态特征的提取、CO2通量预测/建模、地面观测值与遥感观测值的验证等[5-8,11-18]。开展基于涡动相关系统的森林生态系统CO2通量研究，可以为了解陆地生态系统碳循环过程，应对全球气候变化和评估全球碳平衡提供服务和参考[17]。

    1.1   涡动相关系统工作原理

    大气湍流是下垫面与大气间进行物质交换和能量流动的主要方式，为记录其过程中物质和能量流通的量，涡动相关系统便因此诞生[8]。该系统一般安装在地面边界层内，在该层中通量随高度变化的影响较小，在该层开展下垫面与大气的碳交换具有较高的空间代表性[8]。涡动相关系统一般以10~20 Hz的采样频率来记录一定观测高度(zm，m)上的微气象信息(三维风速/风向、超声虚温等)和某物质(CO2、H2O和CH4等)流通的量，后一般取一定时间间隔内(30 min)的平均值来记录微气象数据和通量数据，其中已经假设垂直风速的时间平均值为0 m·s−1，CO2通量可依据下式计算[8]：

    $$ {F_{\rm{C}}} = \overline {w'{\rho _{\rm{C}}}'} \text{。} $$ (1)

    式(1)中：FC为CO2通量(μmol·m−2·s−1或g·m−2·s−1)。w为垂直风速(m·s−1)，w'为垂直风速脉动量(m·s−1)，代表垂直风速瞬时值与平均值的偏差。ρC为CO2密度(kg·m−3)，ρC'为CO2密度脉动量(kg·m−3)，代表CO2密度瞬时值与平均值的偏差。公式横上线代表时间平均[8]。当FC＜0时代表所观测的区域/下垫面为碳汇(carbon sink)，当FC＞0时代表所观测区域/下垫面为碳源(carbon source)[8]。

    1.2   通量观测源区与足迹

    通量源区(source area)即代表涡动相关系统所测量CO2通量的下垫面来源。因涡动相关系统的观测受到下垫面、大气边界层环境等因素的影响，观测到的CO2通量只能代表传感器上风向一定区域内的状况，因此在使用这些CO2通量观测值时需要对CO2通量的观测源区的空间代表性进行评估[14]。

    通量源区的足迹函数(footprint)代表上风向下垫面中若干个点源所形成的源区对在zm高度上所观测CO2通量F(0, 0, zm)的贡献强度。可由下式计算[18]：

    $$ F(0,\;0,\;{z_{\rm{m}}}) = \int_{ - \infty }^\infty {\int_0^\infty {{F_0}(x,\;y,\;0)\phi (x,\;y,\;{z_{\rm{m}}}){\rm{d}}x{\rm{d}}y} } \text{。} $$ (2)

    式(2)中：通量观测点为原点(0, 0)，x轴指向来风方向，F0(x, y,0)为上风向源区中某一个点源(x, y)的通量贡献强度[源强，量纲与F(0, 0, zm)一致]。ϕ(x, y, zm)即为通量足迹函数(flux footprint predictions，FFP) [16]，足迹函数的量纲为m−2。通量足迹函数的计算结果主要包括上风向通量足迹贡献峰值的位置(m)，以及不同通量足迹贡献百分比(10%~95%)在上风向的位置(m)等信息[16]。由于当通量足迹贡献率为1时，通量源区为无限大，因此在进行通量源区的空间代表性的评估时，一般将通量足迹贡献率设定为80%~90%[16]。近年来，随着通量足迹函数的发展，出现了较多优秀通量足迹计算模型，依据其计算模式可分为解析式模型、拉格朗日随机扩散模型、大涡模拟模型、闭合模型等，具体为FSAM模型[19]、KM01模型[18]、KLJUN模型[16]等。KLJUN模型是目前较新颖的基于尺度(量纲)的通量足迹模型，也是目前应用至森林生态系统通量足迹计算较多的模型之一[14]，KLJUN等[16]提供了该通量足迹计算模型的在线计算平台(http://footprint.kljun.net/index.php)，并且还提供了该通量足迹计算模型在Matlab和R语言软件平台下的开源代码，可供研究人员进行下载和使用。

    1.3   CO2通量预处理与数据质量控制

    在使用和分析涡动相关系统对森林生态系统的CO2通量观测值时，需要对CO2通量数据进行质量控制和数据插补。CO2通量数据预处理过程如下表1所示[8]。为了方便和简化CO2通量数据的预处理过程，美国LI-COR公司(https://www.licor.com/)发展了几套基于涡动相关系统的配套通量数据计算软件，包括开源式涡动相关通量处理软件EddyPro。EddyPro集成了包括通量数据修正、质量控制、野点去除、通量足迹计算等预处理过程，使用方便。另外较新的通量处理软件Tovi，除了通量数据预处理功能之外还集成了通量源区绘制、数据插补等数据可视化功能。除了美国LI-COR公司之外，由德国马克斯普朗克生物地球化学研究所发展的通量数据在线预处理，插补和制图工具(https://www.bgc-jena.mpg.de/bgi/index.php/Main/HomePage)也为CO2通量数据和微气象数据的使用和分析提供了方便。

    表  1  CO2通量数据预处理方法
    Table  1.  CO2 flux data preprocessing method
    数据类型 数据预处理方法
    10~20 Hz高频原始观测数据 频谱修正、野点去除、气体分析仪信号检验、传感器信号强度检验
    30 min时间间隔通量和微气象观测数据 坐标轴旋转(2次旋转和3次旋转)、频率响应修正、感热的超声虚温修正、WPL密度修正
    通量数据质量控制 通量数据合格率检验(一般要求合格率大于50%)、建立通量数据质量控制指标(0-1-2，1-5，1-9)、通量足迹的空间代表性检验、依据经验值的异常通量值剔除、摩擦风速阈值的确定
    下载: 导出CSV 
    | 显示表格

    在CO2通量数据插补方面一般采用平均日变化、查表法和非线性回归法等[18]进行。其中非线性回归法是基于CO2通量与环境因子关系的经验模型，主要包括基于白天生态系统净交换量和光合有效辐射量对Michaelis-Menten光响应曲线模型和采用夜间生态系统呼吸的Arrhenius模型等[5-6]。一般在森林生态系统CO2通量插补时依据应所缺失通量数据的时间长度来确定插补方法，对缺失时间长度较短(≤14 d)使用平均日变化法和查表法[8]，对缺失时间长度较长的(>14 d)则使用非线性回归法，如使用基于光合有效辐射的Landsberg模型[20]和基于土壤温度(Ts)的Arrhenius模型等[21]。

    2.   涡动相关系统在森林生态系统的应用

    在完成通量数据质量控制、通量数据插补、通量源区空间代表性检验后便可开始分析和使用所观测到的局域尺度(local-scale)森林生态系统CO2通量数据，亦可称之为森林生态系统净CO2交换，也可将森林生态系统净CO2交换数据拆分为生态系统呼吸和总初级生产力应用于森林生态系统碳循环过程研究。目前，涡动相关系统在森林生态系统的应用也有较多，依据国际通量网的统计结果，全球大部分涡动相关通量观测站点位于温带地区，且多为森林通量站点[14]。目前，基于涡动相关系统的森林生态系统碳循环研究的数据来源主要分2类，即局域测量和国际通量网的共享通量数据。基于这些通量和气象数据的分析主要包括：CO2通量数据标准化、CO2通量特征分析、CO2通量建模、通量足迹分析和多站点大数据分析等[18-30]。由于树龄、地理和气候等因素的影响，不同森林生态系统的碳源/汇状态不同。一般认为，森林生态系统是陆地生态系统的重要碳汇[25]。由于通量塔架设和维护成本较高，基于涡动相关技术森林生态系统的碳循环研究多依托单个通量塔的观测数据，多站点、长时间序列的数据整合分析较少。涡动相关系统对地形、下垫面完整度、微气象环境等因素要求较高，通量数据的有效率研究依旧是重要研究内容。由于通量数据插补方法的差异，同一时间序列的通量数据会由于不同的数据插补方法对生态系统与大气间碳交换估算产生影响，即影响生态系统碳源/汇功能的判定，因此开展更多通量数据插补方法研究是通量数据质量控制和CO2通量研究的保障和前提。

    3.   森林生态系统CO2通量动态特征及其影响因子

    基于涡动相关系统对森林生态系统CO2通量研究包括CO2通量特征和通量源区的研究，其中CO2通量源区的计算包括足迹模型验证、足迹气候态和不同景观类型通量贡献差异等研究。CO2通量动态特征的讨论基于不同时间尺度、植物群落类型、气候条件等背景下森林生态系统与大气间碳交换的特征。

    3.1   森林生态系统CO2通量足迹分析

    涡动相关系统对CO2通量观测受到多种环境因素的影响，例如：观测高度、下垫面、大气稳定度、大气边界层高度等。因此，在使用CO2通量数据前需要对通量源区进行检验，即所观测的CO2通量值是否来源于感兴趣区域，即通量足迹分析[14]。

    BALDOCCHI等[29]解释了拉格朗日随机模型(Lagrangian model)在高大植被冠层中通量足迹的应用，认为拉格朗日随机模型可应用于森林冠层上下2个部分的通量足迹分析，并强调在应用拉格朗日随机模型进行高大植被林冠层通量足迹分析时需要服从高斯力作用(Gaussian forcing)。KLJUN等[16]基于拉格朗日随机扩散模型所发展的三维拉格朗日足迹模型是目前应用较多的参数化通量足迹模型之一，并且引入了大气边界层高度的概念，认为在当通量足迹贡献率大于80%时即具有空间代表性。KIM等[14]基于KLJUN模型分析了美国哈佛森林多年通量足迹形态的气候态特征，认为森林景观变化直接影响了通量源区的形态和面积，且认为高大植被较多的森林生态系统CO2通量观测源区对观测高度(zm)即通量塔视场的依赖性较大。其他通量足迹模型例如FSAM模型、KM模型和HSIEH模型等也是应用至森林生态系统较多的模型。金莹等[30]基于FSAM模型分析了杨树Populus林的通量源区，认为通量源区的大小主要受到大气稳定度(zm/L，L为莫宁-奥布霍夫长度)影响，当大气处于稳定状态时通量源区面积大于当大气处于不稳定状态下的通量源区面积，且生长季的通量源区面积大于非生长季的通量源区面积。龚笑飞等[31]基于FSAM模型对安吉毛竹Phyllostachys edilus林通量源区的分析与金莹等[30]的分析结果类似。NEFTEL等[18]基于KM01模型所开发的ART footprint tool首次增加了通量源区的区域选取功能，即可完成对多个感兴趣区域通量足迹贡献率的计算，首次应用至农田和草地生态系统，并且认为该通量足迹计算工具可应用至下垫面较均一的环境中的其他生态系统(如森林生态系统)的通量足迹检验和CO2通量数据质量检验。OGUNJEMIYO等[32]在对黑云杉Picea mariana和短叶松Pinus banksiana混交林进行通量足迹分析时结合卫星和航空器观测数据对下垫面不同景观结构的CO2通量源区与通量观测值的预测。张慧[33]基于FSAM模型、KM01模型和HSIEH模型共3个通量足迹模型分析了千烟洲中亚热带红壤丘陵区人工林的CO2通量足迹，认为参数化方式和建模方式的不同导致了3个通量足迹模型计算结果的差异，且同样认为通量源区的大小对观测高度的依赖性较大。这一结论与KIM等[14]的研究结果一致。

    通量源区/足迹分析是检验CO2通量数据来源的重要方法，是CO2通量数据预处理的必要过程之一[8]。通常在搭建通量塔前需要对局域尺度的上风向风区和通量源区进行估算，以及下垫面冠层高度的计算后再确定通量塔位置和传感器架设高度[8]。通量数据处理软件EddyPro也集成了相关的通量足迹计算功能，包括10%~90%通量足迹最远点在上风向的距离，通量足迹贡献峰值在上风向的距离等[16]。研究人员可依据下垫面实际情况使用相关的软件或者平台，对局域尺度的CO2通量源区进行估算，亦可配合CO2通量观测值分析下垫面中不同森林景观类型对大气CO2的贡献强度。

    3.2   森林生态系统CO2通量时间动态变化特征

    由于森林生态系统受到光照、气温、降水等环境控制因素的影响，且由于自身光合作用和呼吸作用，一般局域尺度森林生态系统CO2通量的日变化特征呈现“U”形特征。即一般在当地时间的正午时分(12:00−14:00)达到碳汇的最大强度，夜间由于生态系统呼吸作用，CO2通量观测值达到最大值。白天由于植物光合作用吸收大气CO2，导致涡动相关系统CO2通量30 min观测值(Re)为负值。夜间整个生态系统进入呼吸作用，导致涡动相关系统CO2通量30 min观测值为正值，且夜间CO2通量变化较平稳[3]。

    局域尺度的森林生态系统CO2通量观测一般依托于通量观测塔(tower-based) [34-39]，进行自下而上的森林下垫面与大气间CO2交换观测。单个森林通量观测站点会搭配1套涡动相关系统、1套微气象梯度观测系统以及1个数据采集器。部分通量观测站点会在通量塔不同高度搭载多套红外气体分析仪和三维超声风速温度测量仪器，以满足在不同大气条件下(稳定、中性和不稳定)对感兴趣区域进行均一性观测[25]。

    森林植被高度决定通量观测塔架设高度。森林生态系统的通量观测塔架设高度一般高于城市、湿地和草地等陆地生态系统[35]。目前，已知较高的森林通量塔安装在美国威斯康星州，观测高度为距离地面447.0 m[35]。位于北京市八达岭林场的通量塔架设高度较低(11.7 m)，其原因是该地区下垫面树种的平均高度较低(约4.0 m)，其较低的下垫面冠层高度决定了通量塔高度[34]。不同森林生态系统由于地理位置和环境差异，导致其CO2通量特征有一定空间分异性，其中主要表现为热带地区森林生态系统的碳汇峰值最强(−1.32 mg·m−2·s−1)，且热带地区的CO2通量最大值也高于其他温带森林生态系统CO2通量峰值(0.66 mg·m−2·s−1)[38]。森林通量站点中CO2通量极值一般出现于当地的生长季，其原因可能是下垫面中的绿色植物在生长季产生了较强的光合作用，但在夜晚植物自身生长也增加了生态系统呼吸作用。目前，对森林生态系统CO2通量动态特征的相关研究也已经比较成熟，一般认为，在日尺度下森林生态系统在白天由于光合作用形成碳汇，夜间由于呼吸作用形成碳源，在更长的时间尺度例如多年局域尺度，森林生态系统CO2通量估算中热带雨林表现为较稳定的碳汇，但是在生长季/雨季中会表现为碳源。如张一平等[38]研究的森林生态系统，由于阴雨天气较多导致光合有效辐射降低，地上凋落物增加也增强了土壤呼吸，使局域森林生态系统在生长季/雨季表现为碳源，但在全年尺度上依然表现为微弱的碳汇。在温带森林生态系统中，唐祥等[34]认为：成熟林因为较高的叶面积指数比新造林具有更强的碳汇潜力，且其研究的中国北京市八达岭林场CO2通量特征表现为7月的日CO2吸收值最大。在亚热带森林生态系统中，纪小芳等[27]研究的浙江凤阳山混交林生态系统在全年角度表现为碳汇，在7月净CO2交换水平达到最低，碳汇强度达到最大。

    开展基于涡动相关系统在森林生态系统CO2通量观测，可以为长时间序列森林生态系统碳交易(carbon budget)、碳平衡(carbon balance)进行评估，森林通量观测站点长时间序列CO2通量数据积累可以帮助我们更好地理解森林生态系统对大气CO2的调节，即碳源和碳汇状态转换的时空特征。BRACHO等[25]基于涡动相关系统观测的美国东南部种植的湿地松Pinus elliottii林1998−2008年的CO2通量数据，分析了多年尺度湿地松林的碳平衡状态，结果表明：相对年轻的湿地松林分在1998−2001年表现为碳汇，年碳交易分别为−12.68、−8.85、−5.28、−2.37 Mg·hm−2·a−1，而相对老龄的林分表现为碳源。研究结果显示：年平均叶面积指数为1~2 m2·m−2时，年轻的林分表现为较强的碳汇。随着年平均叶面积指数的上升，林分渐渐转换为碳源。相对老龄林分的年叶面积指数为6~8 m2·m−2，且在年尺度上均表现为碳源，年碳交易为4.91~8.18 Mg·hm−2·a−1，该局域尺度生长季降水是影响湿地松林生态系统年碳交易的主要因素。PITA等[23]分析了4类不同树种林分CO2通量的差异和季节分异，认为在长时间序列下桉树Eucalyptus有效的叶片气孔控制可以应对地中海气候下饱和水汽压差的变化，适宜在地中海地区种植。杨树Populus在干旱期间的主要表现为叶面积指数下降。由于温带地区的苏格兰松Pinus sylvestris 林有地下水位的补给导致受到水分胁迫的压力较小，且长时间序列的总初级生产力受气候变化的影响较小，但是4类林分中月均尺度总初级生产力最大值出现在5月的洛克里斯蒂的苏格兰松林，为7.9 g·m−2·d−1，表现为较强吸收CO2的能力。王春林等[28]所研究的鼎湖山常绿针阔叶混交林碳交易表明：在2003和2004年该局域尺度森林生态系统表现为碳汇，年碳交易分别为−563.0，−441.2 g·m−2·a−1，这与欧洲通量网的大部分森林站点的结果一致，且认为在夜间大气稳定度高的状态下土壤和森林冠层呼吸作用所产生的CO2不能被传感器有效观测到，可能会对CO2通量观测值产生影响。由于涡动相关系统对夜间生态系统呼吸的低估可能会导致高估该生态系统年尺度下的碳汇能力，其他中国通量网的注册站点，例如：LIU等[39]基于涡动相关系统研究千烟洲常绿针叶林碳交易，在2003年同样表现为碳汇；张一平等[38]研究的西双版纳热带季雨林在2003和2004年也表现为微弱碳汇。

    3.3   森林生态系统CO2通量影响因子

    森林生态系统碳循环受到环境以及气候变化的影响较大。基于涡动相关系统CO2通量观测可结合梯度微气象观测系统的气象观测值如气温、降水、土壤温度、水汽压差和光量子通量密度(DPPF)等环境因子与CO2通量进行关系分析，研究环境控制因子中对森林生态系统碳循环影响和森林下垫面对气候变化的响应[8]。目前，研究环境因子与CO2通量关系一般通过CO2通量30 min观测值(μmol·m−2·s−1，g·m−2·s−1)，CO2通量日累积值(μmol·m−2·d−1，g·m−2·d−1)和CO2通量月累积值(μmol·m−2·月−1，g·m−2·月−1)与环境控制因子进行回归分析建立线性或者非线性的关系模型。这里的环境因子包括不同时间尺度的空气温平均值(°)、降水量累积值(mm)、光合有效辐射平均值(μmol·m−2·s−1)等[3]。

    不同森林生态系统对以上环境因子变化的响应不同。目前，一般认为气温是森林生态系统碳循环的主要影响因子[3]，降水会影响光合有效辐射后对森林生态系统与大气间CO2交换造成影响[38]，其他环境因子对森林生态系统碳循环的影响包括生态系统呼吸、净CO2交换量、总初级生产力、净初级生产力等[3]。

    叶面积指数、增强植被指数、归一化植被指数等[40]植被指数产品(https://modis.gsfc.nasa.gov/data/dataprod/)也开始被应用于森林生态系统碳循环的辅助测量，配合地面通量塔的观测数据，可研究植被生长状况对局域尺度生态系统CO2通量的影响，以及研究植被生理活动对气候变化的响应。

    4.   森林生态系统CO2通量模型研究

    涡动相关系统CO2通量观测值除了用于分析CO2通量动态变化的现象特征外，亦可将观测数据用于建立生态过程模型(统计模型/机理模型)，以及将CO2通量观测值作为地面参考数据(ground reference data)拆分出总初级生产力、净初级生产力等通量数据与遥感观测数据，进行交叉验证，推动全球森林生态系统碳循环的整合分析，完成从局域尺度CO2通量测量到全球生态系统碳循环研究的尺度上推。

    4.1   基于统计模型的森林生态系统CO2通量研究

    基于涡动相关系统CO2通量观测使用统计模型，即非线性/线性逻辑模型等方法进行生态过程建模，主要包括植物群落光合作用模型、威布尔累积分布函数、参数化逻辑函数和人工神经网络模型等[24]，其函数功能主要包括下垫面植物生理/物候过程的提取、CO2通量值预测、CO2通量观测值与遥感数据的交叉验证等。RICHARDSON等[41]使用国际通量网多站点森林CO2通量(GEP/NEP)，基于物候模型分析了温带森林生态系统CO2通量对全球气候变化的响应，认为全球增温会延长温带森林生态系统生长季长度。GU等[24]开发了植物群落光合作用物候模型(phenology model)。该模型主要基于单日总初级生产力30 min观测最大值，提取其动态变化的关键时间点，来划分局域尺度生态系统的物候阶段。其物候阶段主要分为：准备阶段(pre-phase)、恢复阶段(recovery phase)、稳定阶段(stable phase)、衰落阶段(senescence phase)、终止阶段(termination phase)，以及计算生长季长度、生长季中点、生长季开始和结束点等物候特征参数。NIU等[42]使用国际通量网CO2通量数据，基于物候模型，分析了北半球生态系统CO2通量对年均气温变化的响应，认为所分析的森林通量站点的物候特征均对年均气温变化的敏感性较高。GONSAMO等[43]使用国际通量网数据，基于一个非线性逻辑函数(double logistic function)分析了北美温带森林生态系统物候特征，并且基于遥感数据(NDVI/NDII)开发了一个新的物候指数(PI)，在将该物候指数与通量数据的交叉验证中，遥感数据与涡动通量数据显示了较好的一致性，均较好地体现了下垫面森林景观的物候过程。基于逻辑算法的下垫面物候特征参数提取还有很多其他的函数可用，例如：非对称高斯函数、D-L拟合和S-G滤波法等[44]。在人工神经网络模型的应用方面，MANCUSO等[45]讨论了人工神经网络在橄榄树Olea europaea物候过程建模的潜力，通过训练反向传播神经网络并对其进行了测试，预测了下垫面中橄榄树生物事件的时间节点，并且结合了微气象数据预测橄榄树物候对未来气候变化的响应。PAPALE等[46]使用EUROFLUX等通量数据来训练神经网络模拟器(neural network simulator)，讨论了欧洲范围内森林碳通量的空间(1 km×1 km)和时间(周)格局，认为在欧洲南部的生长季更长(约32周)。HE等[47]使用人工神经网络技术，基于中国通量网中3个不同生态系统(森林、草地和农田)的CO2通量和微气象数据，来训练人工神经网络并预测CO2通量，结果表明：该技术可以成功地预测生态系统CO2通量，相关系数为0.75~0.86。上述模型和方法均可应用于森林生态系统物候特征参数提取的研究，一般统计模型多基于1个或者多个非线性逻辑函数对CO2通量观测数据进行拟合分析，并且依据拟合后的CO2通量变化斜率的计算划分不同的物候阶段。这些方法对温带、亚热带(暖季)植被的拟合效果较好。由于热带地区常绿植物较多，物候特征不明显，上述物候模型在热带地区的应用效果差于温带和亚热带地区。GU等[24]开发的物候模型集成了CO2通量增长率计算的功能，并且针对植物群落生物事件划分了多个关键物候阶段，是具有代表性的统计模型之一。近年来，随着遥感技术的发展，MODIS遥感产品为科研工作者提供了总初级生产力和净初级生产力等遥感植被产品，其中总初级生产力的产品周期为8 d，净初级生产力的产品周期为1 a[48-49]。基于遥感数据与地面观测数据的交叉验证也较多，且较多集中于总初级生产力产品的扩展应用[48]。杜启勇等[49]同样基于遥感和地面通量数据进行了验证分析，认为在森林生态系统总初级生产力估算值和实测值在年碳交易尺度上误差较小，但低估了其他生态系统的总初级生产力。刘啸添等[50]基于遥感数据和地面通量观测数据提取了局域尺度的温带针阔混交林的物候特征，认为叶绿素荧光与地面观测总初级生产力值的物候特征一致性较高，较真实地反应了地面植被的生长/生理过程。遥感数据与地面观测数据的交叉验证，可以为提高遥感数据观测精度提供参考，也方便了局域尺度CO2通量观测的尺度上推[51-52]。

    4.2   基于机理模型的森林生态系统CO2通量研究

    基于植物生理/机理的CO2通量模型研究多集中于净CO2交换数据拆分、CO2通量预测、CO2通量数据插补方法等研究。目前应用较多的植物生理模型主要包括CANVEG模型、CANOAK模型、CHANGE模型和BKPF模型等[53-55]。唐欢等[48]基于FLUXNET和中国通量网的涡动相关通量观测数据和遥感总初级生产力产品进行了交叉验证，认为在生长季中期出现了遥感产品与地面数据不一致的情况，主要原因可能是模型输入参数对环境变量的敏感度差异。LAI等[53]基于CANVEG模型对美国北卡罗来纳州的杜克森林的CO2通量分布进行预测和模拟。MEDLYN等[54]基于涡动相关系统CO2通量观测数据评估了一套生态系统碳交换模型，认为其中的总初级生产力模型(sun-shade GPP model)表现较好，2套生态系统呼吸模型(RE model 1/2)即基于土壤温度的呼吸模型和基质回收模型，由于受到局域尺度云杉Picea asperata林的环境差异限制不能完全表现真实的生态系统呼吸情况。BALDOCCHI等[55]基于生物物理模型CANOAK，对一个温带落叶林生态系统和大气之间的CO2交换进行了不同时间尺度的模拟，认为生长季长度会影响森林生态系统与大气间碳交易估算，主要表现为生长季节长度每增加1 d会使生态系统的净CO2交换量减少5.9 g·m−2。PARK等[56]使用生物地球化学模型(CHANGE)模拟了1998−2006年期间西伯利亚东部的落叶松Larix cajanderi林生态系统与大气间CO2交换，以了解该生态系统对气候变化的响应及其控制因素，研究结果表明：生态系统净CO2交换变化与净初级生产力密切相关，且土壤含水量是影响该落叶松林生态系统中CO2通量的决定因素。XIE等[57]使用通量塔观测数据结合CLM模型，讨论了干旱对亚热带森林生态系统的影响，研究结果表明：由于长时间的干旱，生态系统总初级生产总值下降了76%，水分条件影响了该生态系统的碳固存能力。CHEN等[58]使用BKPF模型预测了中国东北寒带和温带森林交界处的森林生态系统与大气间CO2交换，讨论了在大气CO2浓度上升的背景下，不同林分叶面积指数和生物量的差异。SHI等[59]使用多层气孔导度耦合模型模拟了温带混交林生态系统CO2通量，研究结果表明：在2003年5月至2007年9月，通量模拟值与CO2通量观测值有较好的相关性(R2 = 0.734)。李雪建等[60]基于2个竹林生态系统通量观测站点2014−2015年的通量观测数据和遥感数据，使用BEPS模型预测2种竹林生态系统总初级生产力、净CO2交换和生态系统呼吸等碳循环数据，结果表明：使用BEPS模型的模拟结果较好地体现了下垫面碳循环过程。陈晨等[61]使用2011年帽儿山生态站CO2通量数据，基于卡尔曼滤波的顺序同化技术，对BEPS模型的关键参数进行优化，结果表明：该方法明显改善了模型模拟碳水通量的能力。杨延征等[62]利用集成生物圈IBIS模型模拟分析了1960−2006年中国陆地生态系统碳收支时空变异特征和趋势，认为大兴安岭、小兴安岭和长白山等地区的森林生态系统是较强的碳汇。王萍[63]使用IBIS模型对2004−2005年大小兴安岭的植被净初级生产力进行了定量估算，结果表明：大小兴安岭森林植被的年均净初级生产力为494.7 g·m−2·a−1，热量条件是其主要影响因子。王培娟等[64]使用BEPS模型分析了在长白山自然保护区森林植被净初级生产力，认为叶面积指数是影响森林净初级生产力的重要影响因子。以上关于CO2通量的建模在局域尺度的运用多有限制，不同生理模型对叶面积指数、气温和降水等环境因素的敏感性不同，且影响机制复杂。当需要对局域尺度CO2通量进行预测时，应该准确评估当地的实际环境情况，考虑水文、生理、生化和生态因素与气象条件之间的相互作用[56]，选择合适的CO2通量模型，亦可选择统计模型和机制模型交叉验证的方式进行森林生态系统CO2通量预测。

    5.   结论与展望

    5.1   结论

    涡动相关通量观测系统是目前应用最广泛的森林生态系统CO2通量观测技术，该系统可以直接观测森林冠层与大气间的碳交换，但是在应用该系统观测森林生态系统CO2通量时，需要对局域尺度的通量源区和上风风区延伸度进行估算。此后对CO2通量观测结果需进行必要的修正和通量数据质量控制，对不合格或者缺失的数据需依据实际情况进行插补。

    森林生态系统CO2通量源区受观测高度的影响较大，下垫面森林景观的更迭会直接影响通量源区的形态和长度。CO2通量动态特征具有较明显的日、月和季节分异，具体表现在日尺度上30 min的CO2通量观测值多呈现“U”形特征，且森林生态系统在白天由于光合作用多表现为碳汇，夜间由于呼吸作用变为碳源。亚热带和温带森林系统的CO2通量月累积值约在当地时间夏季达到最低，即碳汇能力最强。热带森林生态系统较之其他气候带的森林生态系统表现为更强的碳汇。森林生态系统长时间序列碳交易受到叶面积指数、树龄、降水等多种因素的影响，年轻林分是更强的碳汇。

    森林生态系统CO2通量数据的建模主要集中于CO2通量数值预测和下垫面物候特征的提取，植被生长曲线和通量值模拟主要通过统计模型和机制模型2种模式进行。基于CO2通量通过建立统计模型提取其物候特征是CO2通量建模的重要方向，统计模型所提取的物候特征参数主要包括：生长季长度、生长季中点、生长季开始和结束日期、CO2通量增长率等。基于机理模型的CO2通量数值预测/模拟受气候背景的影响较大，不同局域尺度的CO2通量预测需准确评估当地微气象环境情况和植被生长状况，其中空气温度、土壤含水量是主要环境控制因子。

    基于遥感技术的辅助测量是森林生态系统碳循环研究的重要手段，针对遥感数据和地面观测数据的建模和验证主要集中在遥感总初级生产力和地面观测数据的线性相关性分析，其他例如叶面积指数、增强植被指数和归一化植被指数等遥感植被产品对辅助研究森林生长状态对其CO2通量的影响也是重要的碳循环研究内容。

    5.2   研究展望

    基于涡动相关技术的森林生态系统CO2通量观测研究为森林生态系统碳循环研究提供了观测手法，是目前使用最广泛且科学的温室气体观测的技术手段。基于该技术的CO2通量观测和研究分析是现在和未来全球变化生态学的研究热点。但由于受观测设备故障、恶劣天气事件和人为活动等因素的影响，CO2通量数据的质量检验和数据插补依然是未来CO2通量研究的前提之一。

    森林生态系统CO2通量动态特征的现象讨论趋于成熟，未来局域尺度森林生态系统CO2通量研究应该集中于提高CO2通量足迹模型计算精度和讨论局域森林生态系统中不同林分对大气CO2的贡献强度，结合通量和微气象观测数据建立植物生理过程参数化模型和设计控制实验，提取其物候特征并且预测气候和景观格局变化对森林碳交换的影响。由于国际通量网和其他区域通量共享系统提供了数据平台，区域-全球尺度森林生态系统CO2通量研究未来将关注多站点通量，气象数据长时间序列的整合分析，主要讨论CO2通量气候态特征与碳源/汇的空间格局。为了解未来气候变化背景下全球植被生理活动过程和其温室气体排放动态，使用CO2通量数据与区域大气模型、生态生理模型等地球系统模型结合，讨论气象/气候系统、能量传输、生物圈对森林生态系统净CO2交换影响，亦可使用该过程对生态系统净CO2交换进行预测是未来重要的研究方向。

    在中国生态文明建设的背景下，未来森林生态系统CO2通量研究可结合社会经济、土地利用等数据，讨论城市化过程对森林生态系统碳循环的影响，完善森林生态系统服务功能体系，评估局域自然-社会系统碳平衡，为合理森林布局、保护生态环境和社会可持续发展提供理论依据和参考。

  • 图  1  植物群落树木生长类型

    　BDL. 落叶阔叶大型树；BDM. 落叶阔叶中型树；　BDS. 落叶阔叶小型树；BEL. 常绿阔叶大型树； 　BEM. 常绿阔叶中型树；BES. 常绿阔叶小型树； 　CEL. 常绿针叶大型树；CEM. 常绿针叶中型树； 　CDL. 落叶针叶大型树；PEM. 常绿棕榈中型树

    Figure  1  Plant community tree growth types

    下载: 全尺寸图片 幻灯片

    图  2  植物群落树种胸径等级

    　Ⅰ. DBH≤7.6 cm；Ⅱ. 7.6＜DBH≤15.2 cm；　　　 　Ⅲ. 15.2＜DBH≤30.5 cm；Ⅳ. 30.5＜DBH≤45.7 cm；　Ⅴ. 45.7＜DBH≤61.0 cm；Ⅵ. 61.0＜DBH≤76.2 cm；　Ⅶ. 76.2＜DBH≤91.4 cm　　　　　　　　　　　

    Figure  2  Plant community tree species’ diameter at breast height grades

    下载: 全尺寸图片 幻灯片

    表  1  钱王陵公园植物群落基本类型

    Table  1.   Basic types of plant communities in Qianwangling Park

    群落类型垂直结构类型样地编号(群落名称)
    针阔混交型乔-灌-草L1(水杉Metasequoia glyptostroboides+樟树群落)、L2(圆柏Sabina chinensis+樟树群落)、L3(雪松　Cedrus deodara+樟树群落)、L4(塔柏Sabina chinensis ‘Pyramidalis’+圆柏+樟树群落)、L5(塔　柏+樟树群落)、L6(塔柏+樟树+棕榈Trachycarpus fortunei群落)、L9(桂花Osmanthus fragrans+水　杉群落)、L11(水杉+柳杉Cryptomeria fortunei+樟树群落)、L14(水杉+枫香Liquidambar 　formosana群落)、L18(樟树+罗汉松Podocarpus macrophyllus群落)
    乔-灌L7(水杉+广玉兰群落Magnolia grandiflora)、L17(马尾松Pinus massoniana+深山含笑Michelia　 maudiae群落)
    乔-草L25(马尾松+樟树群落)
    常绿阔叶型乔-灌-草L8(桂花群落)、L13(樟树+广玉兰+桂花群落)、L16(樟树+广玉兰群落)、L21(樟树+广玉兰-山茶　Camellia japonical群落)、L26(樟树+桂花群落)、L30(樟树+女贞Ligustrum lucidum+桂花群落)
    乔-草L23(樟树+女贞群落)、L28(樟树+棕榈群落)
    常绿落叶阔叶混交型乔-灌-草L10(樟树+山樱花Prunus serrulata群落)、L15(樟树+银杏Ginkgo biloba群落)、L26(樟树+枫香+　构树Broussonetia papyrifera群落(L20)
    乔-草L19(樟树+枫香+油茶Camellia oleifera群落)、L22(樟树+枫香+棕榈群落)、L24(樟树+枫香群落)、　L27(樟树+栓皮栎Quercus variabilis群落)
    乔-灌L12(樟树+榔榆Ulmus parvifolia群落)
    竹阔混交型乔-灌-草L29(毛竹Phyllostachys edulis+枫香群落)、L32(毛竹+樟树-山茶群落)、L31(毛竹+樟树群落)
    下载: 导出CSV

    表  2  钱王陵公园32个植物群落总生态效益

    Table  2.   Total ecological benefits of 32 plant communities in Qianwangling Park

    群落生态效益/(元·a−1)效益
    占比/
    %    		群落生态效益/(元·a−1)效益
    占比/
    %
    节约
    能源    		吸收
    CO2    		改善空
    气质量    		截留
    雨水    		总生态
    效益    		节约
    能源    		吸收
    CO2    		改善空
    气质量    		截留
    雨水    		总生态
    效益
    L11 070.082 168.3298.561 351.684 688.642.25L181 830.403 365.1228.162 400.647 624.323.66
    L21 520.643 182.08183.041 879.686 765.443.24L191 457.282 872.3249.281 696.646 075.522.91
    L31 267.202 696.32133.761 591.045 688.322.73L201 584.002 977.92112.641 809.286 483.843.11
    L41 112.322 393.6091.521 337.604 935.042.37L212 851.205 850.24232.323 843.8412 777.606.13
    L5781.441 605.1242.24851.843 280.641.57L222 175.364 238.08126.722 745.609 285.764.45
    L61 041.922 154.24112.641 203.844 512.642.16L231 802.243 808.64161.922 259.848 032.643.85
    L71 415.043 196.16154.881 675.526 441.603.09L242 245.764 540.80112.642 520.329 419.524.52
    L8711.041 921.92126.72682.883 442.561.65L251 457.282 949.76112.641 619.206 138.882.94
    L91 619.204 026.88168.961 900.807 715.843.70L261 760.003 597.44161.922 316.167 835.523.76
    L101 344.643 238.40168.961 415.046 167.042.96L272 696.325 005.44253.443 182.0811 137.285.34
    L111 422.083 048.3235.201 774.086 279.683.01L282 041.604 055.04140.802 907.529 144.964.38
    L121 119.362 358.40126.721 217.924 822.402.31L291 809.283 013.12197.121 752.966 772.483.25
    L13675.841 492.4877.44830.723 076.481.47L301 506.563 104.6484.481 844.486 540.163.14
    L14732.161 555.8484.48725.123 097.601.49L311 774.083 372.16133.762 337.287 617.283.65
    L15260.48577.2828.16337.921 203.840.58L322 062.723 548.16239.362 189.448 039.683.85
    L161 520.643 160.96147.841 907.846 737.283.23总计48 188.8098 447.364 019.8457 932.16208 588.16100
    L171 520.643 358.0898.561 837.446 814.723.27
    下载: 导出CSV

    表  3  单株平均效益前10位树种各生态效益

    Table  3.   Per plant benefit,top ten tree species, ecological benefits

    效益排名树种名称生长类型单株生态效益/(元·株−1·a−1)单株平均生态效益/
    (元·株−1·a−1)    		平均胸径/cm
    节约能源吸收CO2改善空气质量截留雨水
    1三角枫　BDM(落叶阔叶中型树)119.82 300.4018.66119.33558.2135.04
    2黄山栾树BDM(落叶阔叶中型树)97.72213.7316.12100.95428.5230.26
    3水杉　　CDL(落叶针叶大型树)95.46203.03−1.76119.47416.2041.47
    4栓皮栎　BDL(落叶阔叶大型树)79.20177.7612.8876.03345.8737.05
    5雪松　　CEL(常绿针叶大型树)76.88163.402.6082.09324.9730.33
    6马尾松　CEL(常绿针叶大型树)75.82161.361.5584.83323.5633.65
    7山樱花　BDM(落叶阔叶中型树)69.98161.4311.2666.81309.4826.50
    8朴树　　BDL(落叶阔叶大型树)79.62130.1713.3878.14301.3127.44
    9榔榆　　BDM(落叶阔叶中型树)63.15148.5410.1460.19282.0224.48
    10垂柳　　BDM(落叶阔叶中型树)49.63122.787.8846.96227.2526.48
    下载: 导出CSV

    表  4  生态效益排名前5位群落指标分析

    Table  4.   Analysis of the top five community indicators in benefit ranking

    排名样地
    编号    		群落
    类型    		主要组
    成树种    		单株生态效益排名前10树种
    (株数及平均胸径)    		群落整体平均
    胸径/(cm·株−1)    		群落树种株数
    占比/%(排名)
    1L21常绿阔叶型樟树+广玉兰+棕榈-山茶三角枫(4株，胸径35.06 cm)、栓皮栎(1株，
    胸径45.39 cm)、马尾松(2株，胸径39.33 cm)    		25.703.6(10)
    2L27常绿落叶阔叶
    混交型    		樟树+栓皮栎+女贞+棕榈+
    黄山栾树+枫香    		黄山栾树(3株，胸径29.47 cm)、朴树(1株，
    胸径32.16 cm)、栓皮栎(10株，胸径30.86 cm)    		20.564.0(5)
    3L24常绿落叶阔叶
    混交型    		枫香+樟树+棕榈栓皮栎(3株，胸径16.73 cm)、马尾松(2株，
    胸径36.22 cm)    		17.964.4(3)
    4L22常绿落叶阔叶
    混交型    		枫香+樟树+棕榈-山茶马尾松(2株，胸径34.00 cm)25.312.7(19)
    5L28常绿阔叶型樟树+女贞+棕榈马尾松(1株，胸径42.61 cm)、三角枫(1株，
    胸径34.98 cm)、雪松(1株，胸径28.83 cm)    		20.034.3(4)
    下载: 导出CSV
  • [1] 潘剑彬. 北京奥林匹克森林公园绿地生态效益研究[D]. 北京: 北京林业大学, 2011.

    PAN Jianbin. Study on the Ecological Benefits of Green Space in Beijing Olympic Forest Park[D]. Beijing: Beijing Forestry University, 2011.
    [2] 周鹏, 周婷, 彭少麟. 生态系统服务价值测度模式与方法[J]. 生态学报, 2019, 39(15): 5379 − 5388.

    ZHOU Peng, ZHOU Ting, PENG Shaolin. Measurement modalities and methodologies of ecosystem services valuation [J]. Acta Ecol Sin, 2019, 39(15): 5379 − 5388.
    [3] 赵军, 杨凯. 生态系统服务价值评估研究进展[J]. 生态学报, 2007, 27(1): 346 − 356.

    ZHAO Jun, YANG Kai. Research progress on ecosystem service value assessment [J]. Acta Ecol Sin, 2007, 27(1): 346 − 356.
    [4] WANG Qian, ZHANG Zhongxia, WANG Ping. An assessment of ecosystem services of urban green spaces based on i-Tree [J]. J Landscape Res, 2019, 11(1): 53 − 56.
    [5] 施健健, 蔡建国, 刘朋朋, 等. 杭州花港观鱼公园森林吸收二氧化碳效益评估[J]. 浙江农林大学学报, 2018, 35(5): 829 − 835.

    SHI Jianjian, CAI Jianguo, LIU Pengpeng, et al. Evaluation of carbon dioxide absorption in forests of Hangzhou Huagang Guanyu Park [J]. J Zhejiang A&F Univ, 2018, 35(5): 829 − 835.
    [6] 马宁, 何兴元, 石险峰, 等. 基于i-Tree模型的城市森林经济效益评估[J]. 生态学杂志, 2011, 30(4): 810 − 817.

    MA Ning, HE Xingyuan, SHI Xianfeng, et al. Urban forest economic benefit evaluation based on i-Tree model [J]. Chin J Ecol, 2011, 30(4): 810 − 817.
    [7] 陶晓, 吴泽民, 郝焰平. 合肥市行道树生态效益研究[J]. 中国农学通报, 2009, 25(3): 75 − 82.

    TAO Xiao, WU Zemin, HAO Yanping. Study on ecological benefits of street trees in Hefei City [J]. Chin Agric Sci Bull, 2009, 25(3): 75 − 82.
    [8] 刘朋朋, 蔡建国, 章毅, 等. 基于i-Tree模型的杭州市环西湖景区行道树生态效益分析[J]. 科技通报, 2019, 35(2): 132 − 137.

    LIU Pengpeng, CAI Jianguo, ZHANG Yi, et al. Ecological benefit analysis of street trees in Hangzhou West Lake Scenic Area based on i-Tree Model [J]. Bull Sci Technol, 2019, 35(2): 132 − 137.
    [9] 熊金鑫, 祁慧君, 王倩茹, 等. 基于i-Tree模型的城市小区行道树生态效益评价[J]. 南京林业大学学报(自然科学版), 2019, 43(2): 128 − 136.

    XIONG Jinxin, YAN Huijun, WANG Qianru, et al. Evaluation of ecological benefits of urban community street trees based on i-Tree model [J]. J Nanjing For Univ Nat Sci Ed, 2019, 43(2): 128 − 136.
    [10] 魏云龙. 杭州花港观鱼公园生态服务功能价值评估研究[D]. 杭州: 浙江农林大学, 2017.

    WEI Yunlong. Study on the Evaluation of Ecological Service Function Value of Hangzhou Huagang Guanyu Park[D]. Hangzhou: Zhejiang A&F University, 2017.
    [11] 施炜婷, 王燕, 陈聃, 等. 基于i-Tree Eco模型的城市绿地生态功能与价值评估: 以常州市民广场为例[J]. 常州工学院学报, 2018, 31(5): 16 − 21.

    SHI Weiting, WANG Yan, CHEN Dan, et al. Evaluation of urban green space ecological function and value based on i-Tree Eco Model: taking changzhou citizen square as an example [J]. J Changzhou Inst Technol, 2018, 31(5): 16 − 21.
    [12] 裘国华. 临安钱王陵公园绿化景观的综合改造[J]. 现代园艺, 2018, 40(6): 68.

    QIU Guohua. The comprehensive transformation of the green landscape of Lin’an Qianwangling Park [J]. Mod Hortic, 2018, 40(6): 68.
    [13] 中国人民银行. 2019年统计数据: 货币统计概览[EB/OL]. 2019-10-08[2019-10-20]. http://www.pbc.gov.cn/diaochatongjisi/116219/116319/3245697/3245856/index.html.
    [14] 中国植被编辑委员会. 中国植被[M]. 北京: 科学出版社, 1980.
    [15] 尚玉昌. 普通生态学[M]. 北京: 北京大学出版社, 2002.
    [16] 武文婷. 杭州市城市绿地生态服务功能价值评估研究[D]. 南京: 南京林业大学, 2011.

    WU Wenting. Study on the Evaluation of Urban Green Space Ecological Service Function Value in Hangzhou[D]. Nanjing: Nanjing Forestry University, 2011.
    [17] 达良俊, 方和俊, 李艳艳. 上海中心城区绿地植物群落多样性诊断和协调性评价[J]. 中国园林, 2008, 24(3): 87 − 90.

    DA Liangjun, FANG Hejun, LI Yanyan. Diagnosis and coordination evaluation of green space plant community diversity in central district of Shanghai [J]. Chin Landscape Archit, 2008, 24(3): 87 − 90.
    [18] 浙江植物志编辑委员会. 浙江植物志[M]. 杭州: 浙江科学技术出版社, 1993.
    [19] 吴征镒, 周浙昆, 李德铢, 等. 世界种子植物科的分布区类型系统[J]. 云南植物研究, 2003, 25(3): 245 − 257.

    WU Zhengyi, ZHOU Zhekun, LI Dezhen, et al. The arel-types of the world families of seed plants [J]. Acta Bot Yunnan, 2003, 25(3): 245 − 257.
    [20] DIMOUDI A, NIKOLOPOULOU M. Vegetation in the urban environment: microclimatic analysis and benefits [J]. Energy Build, 2003, 35(1): 69 − 76.
    [21] NOWAK D J, CRANE D E. Carbon storage and sequestration by urban trees in the USA [J]. Environ Poll, 2002, 36(16): 381 − 389.
    [22] XIAO Qingfu, MCPHERSON E G, USTIN S L, et al. Winter rainfall interception by two mature open-grown trees in Davis, California [J]. Hydrol Process, 2000, 14(4): 763 − 784.
    [23] SMIATEK G, STEINBRECHER R. Temporal and spatial variation of forest VOC emissions in Germany in the decade 1994−2003 [J]. Atmos Environ, 2006, 40: 166 − 177.
  • [1] 李伟成, 郑彦超, 盛海燕, 楼毅, 于辉.  浙江庆元巾子峰国家森林公园植被群落的数量分类与排序 . 浙江农林大学学报, 2021, 38(3): 523-533. doi: 10.11833/j.issn.2095-0756.20200393
    [2] 叶森土, 金超, 吴初平, 杨堂亮, 江波, 袁位高, 黄玉洁, 焦洁洁, 孙杰杰.  浙江松阳县生态公益林群落分类排序及优势种种间关联分析 . 浙江农林大学学报, 2020, 37(4): 693-701. doi: 10.11833/j.issn.2095-0756.20190514
    [3] 余义亮, 丁彦芬, 朱贵珍, 卓启苗, 余慧.  扬州地区乡村绿化植物群落的结构特征 . 浙江农林大学学报, 2019, 36(3): 541-549. doi: 10.11833/j.issn.2095-0756.2019.03.015
    [4] 施健健, 蔡建国, 刘朋朋, 魏云龙.  杭州花港观鱼公园森林固碳效益评估 . 浙江农林大学学报, 2018, 35(5): 829-835. doi: 10.11833/j.issn.2095-0756.2018.05.006
    [5] 陈丽萍, 李平衡, 莫路锋, 周国模, 李金荣.  基于通量源区模型的雷竹林生态系统碳通量信息提取 . 浙江农林大学学报, 2016, 33(1): 1-10. doi: 10.11833/j.issn.2095-0756.2016.01.001
    [6] 余贝贝, 康永祥, 张世姣, 苏悦, 曾珵.  太白山鹿蹄草群落植物的生态位 . 浙江农林大学学报, 2013, 30(1): 48-54. doi: 10.11833/j.issn.2095-0756.2013.01.007
    [7] 梁晶, 方海兰, 郝冠军, 孙倩.  上海城市绿地不同植物群落土壤呼吸及因子分析 . 浙江农林大学学报, 2013, 30(1): 22-31. doi: 10.11833/j.issn.2095-0756.2013.01.004
    [8] 李安定, 李苇洁, 彭熙, 谢元贵, 龙秀琴.  贵州喀斯特区野生葛藤群落主要种群生态位 . 浙江农林大学学报, 2012, 29(4): 491-497. doi: 10.11833/j.issn.2095-0756.2012.04.003
    [9] 蒋雪丽, 王小德, 崔青云, 盛彩金.  杭州城市公园绿地植物多样性研究 . 浙江农林大学学报, 2011, 28(3): 416-421. doi: 10.11833/j.issn.2095-0756.2011.03.011
    [10] 郝瑞军, 方海兰, 沈烈英, 车玉萍.  上海典型植物群落土壤有机碳矿化特征 . 浙江农林大学学报, 2010, 27(5): 664-670. doi: 10.11833/j.issn.2095-0756.2010.05.005
    [11] 石彦军, 余树全, 郑庆林.  6种植物群落夏季空气负离子动态及其与气象因子的关系 . 浙江农林大学学报, 2010, 27(2): 185-189. doi: 10.11833/j.issn.2095-0756.2010.02.004
    [12] 秦景, 贺康宁, 刘硕, 郑佳丽, 王占林.  青海省大通县退耕还林区主要植物群落物种组成与多样性 . 浙江农林大学学报, 2010, 27(3): 410-416. doi: 10.11833/j.issn.2095-0756.2010.03.015
    [13] 陈平, 万福绪, 周福仁, 马占元, 秦飞, 关庆伟.  徐州石灰岩次生林主要木本植物生态位 . 浙江农林大学学报, 2009, 26(5): 688-695.
    [14] 刘为华, 张桂莲, 徐飞, 王亚萍, 余雪琴, 王开运.  上海城市森林土壤理化性质 . 浙江农林大学学报, 2009, 26(2): 155-163.
    [15] 杨同辉, 达良俊, 李修鹏.  浙江天童国家森林公园常绿阔叶林生物量研究(Ⅱ)群落生物量及其分配规律 . 浙江农林大学学报, 2007, 24(4): 389-395.
    [16] 何莹, 韦新良, 蔡霞, 李可追, 王珍.  生态景观林群落结构定量分析 . 浙江农林大学学报, 2007, 24(6): 711-718.
    [17] 李昆, 李巧, 陈又清, 周兴银, 陈彦林, 赵培先.  放牧对明油子-扭黄茅灌草丛生物多样性的影响 . 浙江农林大学学报, 2007, 24(6): 769-774.
    [18] 张迎辉, 姜成平, 赵文飞, 韩俊, 王迎, 王华田.  城市垂直绿化植物爬山虎的生态效应 . 浙江农林大学学报, 2006, 23(6): 669-672.
    [19] 余树全, 李翠环, 姜礼元, 谢吉全.  千岛湖天然次生林群落生态学研究 . 浙江农林大学学报, 2002, 19(2): 138-142.
    [20] 王白坡, 郑勇平, 黎章矩, 喻卫武.  浙江省杨梅资源的利用及生态效益 . 浙江农林大学学报, 2001, 18(2): 155-160.
  • 加载中
  • 链接本文:

    https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20190464

    https://zlxb.zafu.edu.cn/article/zjnldxxb/2020/4/729

WeChat 点击查看大图
图(2) / 表(4)
计量
  • 文章访问数:  1785
  • HTML全文浏览量:  744
  • PDF下载量:  149
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-08-01
  • 修回日期:  2020-02-13
  • 网络出版日期:  2020-07-21
  • 刊出日期:  2020-07-21

临安钱王陵公园植物群落结构及生态效益分析

doi: 10.11833/j.issn.2095-0756.20190464
  • 1. 浙江农林大学 风景园林与建筑学院，浙江 杭州 311300
  • 2. 浙江农林大学 园林设计院有限公司，浙江 杭州 311300
    • 基金项目:  国家自然科学基金资助项目(31272494)；浙江省花卉团队资助项目(2011R50034-02)
    作者简介:

    王颖，从事园林植物景观规划设计和生态效益研究。E-mail: 1337364020@qq.com

    通信作者: 蔡建国，副教授，从事园林景观设计和生态效益等研究。E-mail: yuanlinzhiwu@163.com
  • 收稿日期: 2019-08-01
  • 修回日期: 2020-02-13
  • 网络出版日期: 2020-07-21
  • 刊出日期: 2020-07-21

  • 中图分类号: S718.5

摘要:   目的  分析浙江省杭州市临安区钱王陵公园植物群落结构，并对其生态效益进行定量评估。  方法  以临安钱王陵公园为研究对象，对公园内32个植物群落资源结构进行实地调查，运用i-Tree模型评估群落节能、吸收二氧化碳(CO2)、改善空气质量、截留雨水等生态效益。  结果  ①所调查群落树木共计1 613株，分属39科62属74种；群落结构以复层型为主，呈现出以针阔混交林为主的景观风貌。②群落年生态效益为208 588.16元·a−1，单株树木平均效益为129.25元·株−1·a−1，其中节约能源、吸收CO2、改善空气质量和截留雨水生态效益分别为48 188.80、98 447.36、4 019.84和57 932.16元·a−1，分别占为23.10%、47.20%、1.93%和27.77%；生态效益总价值最高的是樟树Cinnamomum camphora+广玉兰Magnolia grandiflora-山茶Camellia japonica群落(样地L21)，为12 777.60元·a−1，占6.13%，且该群落在节约能源、吸收CO2、截留雨水3个方面生态效益均为最高；针阔混交型群落生态效益占35.47%，对生态效益价值贡献最大。③落叶阔叶及针叶树种单株平均生态效益较高，落叶阔叶树在节能、吸收CO2、改善空气质量及截留雨水效益方面更具优势。  结论  钱王陵公园植物群落生态效益的高低主要取决于群落内树种的株数、生长类型和平均胸径，针阔混交型群落在生态效益价值方面具有明显优势。图2表4参23

English Abstract

龚元, 纪小芳, 花雨婷, 等. 基于涡动相关技术的森林生态系统二氧化碳通量研究进展[J]. 浙江农林大学学报, 2020, 37(3): 593-604. DOI: 10.11833/j.issn.2095-0756.20190412
引用本文: 王颖, 蔡建国, 张哲琪, 等. 临安钱王陵公园植物群落结构及生态效益分析[J]. 浙江农林大学学报, 2020, 37(4): 729-736. DOI: 10.11833/j.issn.2095-0756.20190464
shu
GONG Yuan, JI Xiaofang, HUA Yuting, et al. Research progress of CO2 flux in forest ecosystem based on eddy covariance technique: a review[J]. Journal of Zhejiang A&F University, 2020, 37(3): 593-604. DOI: 10.11833/j.issn.2095-0756.20190412
Citation: WANG Ying, CAI Jianguo, ZHANG Zheqi, et al. Plant community structure and ecological benefits of Qianwangling Park in Lin’an[J]. Journal of Zhejiang A&F University, 2020, 37(4): 729-736. DOI: 10.11833/j.issn.2095-0756.20190464
shu

    全文HTML

  • 城市绿地对改善城市生态环境恶化等问题具有举足轻重的作用[1]。目前，对城市绿地生态效益的研究因受生态系统服务功能多样、区域环境及人类社会活动需求差异等因素影响，呈现出评估方法众多但评价内容、指标及结果差异性大等问题[2-3]。随着大数据等现代技术的应用，城市绿地生态效益价值的评估已经由原来的传统方法逐渐发展到计算机模型测算法[4-5]。由美国林务局2006年开发的i-Tree模型因树种匹配灵活、分析结果精确、评估对象尺度多元等优点，自推出至今在国际上尤其是北美国家已得到了大量的应用[6]。近年来中国合肥[7]、杭州[8]、南京[9]等地已有大量基于该模型的生态效益研究成果，但呈现出以研究城市森林等大区域尺度及城市社区行道树等小微尺度为主的特征，仅有魏云龙[10]、施炜婷等[11]、施健健等[5]对城市公园、广场这类中小尺度的绿地进行评估，且仅以研究单种生态效益功能或植物个体生态效益为主。本研究以临安吴越钱王陵公园为研究对象，运用i-Tree模型对公园植物群落结构及节能、改善空气质量、吸收二氧化碳(CO2)、截留雨水等4个方面的生态效益价值进行定量评估，以期为钱王陵公园及当代城市公园植物群落提升建设过程中群落及树种选择提供一定参考，丰富该模型在城市绿地生态效益研究的理论与内容。

    • 1.   研究地区与研究方法

      1.1.   研究地概况

    • 临安区位于杭州市西部，29°56'~30°23'N，118°51'~119°52'E，属亚热带季风气候，年平均降水量1 613.90 mm，降水日158.0 d，全年平均气温16.4 ℃，全年日照时数1 847.3 h。钱王陵公园坐落在临安区锦城太庙山南坡，2018年作为杭州地区唯一代表入选浙江省级考古遗址公园，在塑造城市形象、传承历史文化、市民公共游憩活动等方面起重要作用；该园建成至今已有20余a，占地10.30 hm2，海拔92.0 m[12]。园内植物生长稳定，群落结构水平和垂直结构差异明显，群落景观多样，类型丰富。

      • 1.2.   调查内容与方法

    • 本研究调查对象为钱王陵公园内的典型人工植物群落。在对公园全面勘查的基础上，于2019年8−9月采用典型取样法，设置32个20 m×20 m，面积为400 m2的典型样地，按照L1至L32顺序对样地编号(表1)；采用每木测量法，对样地内的植物种类、数量、胸径、树高、冠幅、健康状况以及立地条件、水体、道路、铺装广场的占比状况进行调查[5]，后期整理汇总。

      表 1  钱王陵公园植物群落基本类型

      Table 1.  Basic types of plant communities in Qianwangling Park

      群落类型垂直结构类型样地编号(群落名称)
      针阔混交型乔-灌-草L1(水杉Metasequoia glyptostroboides+樟树群落)、L2(圆柏Sabina chinensis+樟树群落)、L3(雪松　Cedrus deodara+樟树群落)、L4(塔柏Sabina chinensis ‘Pyramidalis’+圆柏+樟树群落)、L5(塔　柏+樟树群落)、L6(塔柏+樟树+棕榈Trachycarpus fortunei群落)、L9(桂花Osmanthus fragrans+水　杉群落)、L11(水杉+柳杉Cryptomeria fortunei+樟树群落)、L14(水杉+枫香Liquidambar 　formosana群落)、L18(樟树+罗汉松Podocarpus macrophyllus群落)
      乔-灌L7(水杉+广玉兰群落Magnolia grandiflora)、L17(马尾松Pinus massoniana+深山含笑Michelia　 maudiae群落)
      乔-草L25(马尾松+樟树群落)
      常绿阔叶型乔-灌-草L8(桂花群落)、L13(樟树+广玉兰+桂花群落)、L16(樟树+广玉兰群落)、L21(樟树+广玉兰-山茶　Camellia japonical群落)、L26(樟树+桂花群落)、L30(樟树+女贞Ligustrum lucidum+桂花群落)
      乔-草L23(樟树+女贞群落)、L28(樟树+棕榈群落)
      常绿落叶阔叶混交型乔-灌-草L10(樟树+山樱花Prunus serrulata群落)、L15(樟树+银杏Ginkgo biloba群落)、L26(樟树+枫香+　构树Broussonetia papyrifera群落(L20)
      乔-草L19(樟树+枫香+油茶Camellia oleifera群落)、L22(樟树+枫香+棕榈群落)、L24(樟树+枫香群落)、　L27(樟树+栓皮栎Quercus variabilis群落)
      乔-灌L12(樟树+榔榆Ulmus parvifolia群落)
      竹阔混交型乔-灌-草L29(毛竹Phyllostachys edulis+枫香群落)、L32(毛竹+樟树-山茶群落)、L31(毛竹+樟树群落)

      • 1.3.   i-Tree模型生态效益评估原理

    • 评估采用i-Tree V5.0版本的streets模块。将模型内测算树木节能效益的电费和天然气经济指标价格修正为2018年临安区居民生活用电的平均价格0.59元·kW−1·h−1和天然气平均价格3.66元·m−3；碳吸收、改善空气质量、截留雨水效益的计算参照魏云龙[10]基于该模型同一模块对花港观鱼公园生态效益测算价格指标，用于导入及输出的美元效益价值量采用2019年8月及9月美元对人民币平均汇率(1美元兑换7.04元人民币)进行换算[13]。基于临安亚热带季风气候条件及杭州地区该模型相关研究[5, 10]，匹配沿海平面(coastal plain)气候区作为背景开展评估，对树种数据库中没有的树种依据其属性进行同属或同叶型的树种匹配，最后将整理好的树种实测数据整理成Access数据库，并处理成mdb格式文件导入模型中开展评估。

    2.   结果与分析

      2.1.   群落类型及空间结构分析

    • 参照《中国植被》[14]、尚玉昌[15]生态学优势种命名法、武文婷[16]对于杭州城市绿地植被类型划分原则，以植物群落本身特征作为划分依据，以生态外貌为高级分类单位，中低级单位采用优势种(以重要值为依据)，对所调查植物群落进行划分得出(表1)：竹阔混交型群落占比为9.37%，常绿落叶阔叶混交型和常绿阔叶型群落占比同为25.00%，针阔混交型群落占比最高(40.63%)；公园整体表现出以针阔混交型群落为主的植物景观风貌，营造出纪念性公园四季常青、庄严肃穆的景观氛围。

      根据水平结构上的配置模式，将群落划分为纯林和混交林2种类型[17]。在水平结构上，混交林占比为93.75%，呈现出主导地位；在垂直结构上，“乔-灌-草”型复层模式群落占68.75%；双层模式群落只出现“乔-草”及“乔-灌”这2种类型，分别占21.88%和9.37%。复层型为公园植物群落的主要构建模式。

      • 2.2.   植物群落树种结构分析

    • 参照《浙江植物志》等[18-19]，对所调查32个植物群落树种分析可知：调查植物共计113种，分属于63科98属。符合测量评估条件的乔、灌木共1 613株，隶属于39科62属74种。i-Tree模型内置的“Define Species”功能将树木分为常绿阔叶树种(BE)、落叶阔叶树种(BD)、常绿针叶树种(CE)、落叶针叶树种(CD)、常绿棕榈树种(PE)5种生长类型，且每一类型又分为大(L)、中(M)、小(S)3类[10]。由图1可知：公园内常绿树占比约是落叶树占比的4倍，群落总体表现出以常绿树为主的林相，季相变化不够丰富；公园内阔叶树种占79.11%，针叶树种占12.46%，阔叶树约为针叶树6倍，针叶树种数量偏少，不符合纪念性公园以针叶树偏多的特点。

      图  1  植物群落树木生长类型

      Figure 1.  Plant community tree growth types

      从数量上来看，株数排名前10位的树种分别是：樟树(22.13%)、毛竹(10.17%)、桂花(9.92%)、棕榈(8.43%)、枫香(6.01%)、山茶(4.03%)、圆柏(3.72%)、广玉兰(2.60%)、罗汉松(2.60%)、女贞(2.17%)；这10个树种数量占调查总数的71.79%；但仅有樟树、桂花、棕榈这3种乡土树种应用频度在50%以上，构成整个公园的优势树种。总体来看，钱王陵公园树种丰富，但绝大多数乔、灌木应用频度低、景观单调。

      从胸径结构来看，i-Tree模型主要将树种胸径划分为7个等级。由图2可知所调查群落树种胸径主要集分布在≤45.7 cm，胸径在45.70~61.00 cm的占比1.55%，胸径在61.00~76.20 cm和76.20~94.10 cm的占比都为0.06%。公园内树种胸径呈现以中小径级为主，且随着胸径增大树种数量显著减少现象。

      图  2  植物群落树种胸径等级

      Figure 2.  Plant community tree species’ diameter at breast height grades

      • 2.3.   群落生态效益分析

    • 树木通过遮光、降低风速、叶片蒸腾散热等方式，起到改善小气候、节约能源的作用[20]；光合、呼吸等作用吸收CO2和水转化为有机物并释放氧气，实现碳氧循环减缓温室效应[21]；通过树冠、树叶、树皮表面对雨水进行拦截，延缓暴雨峰值，起到减少雨水径流的效果[22]。运用i-Tree模型对钱王陵公园32个植物群落节约能源、截留雨水、吸收CO2和改善空气质量生态效益价值定量评估得出(表2)：4类生态效益年总价值为208 588.16元·a−1，平均单株生态效益为129.25元·株−1·a−1。对生态效益价值贡献最大的是吸收CO2，占47.20%；节约能源效益与截留雨水效益价值相近，分别占23.10%和27.77%；改善空气质量效益最低，仅占1.93%。这4类生态效益按照价值量从高到低排名依次为吸收CO2、截留雨水、节约能源、改善空气质量。生态效益最高的是樟树+广玉兰-山茶群落(L21)，为12 777.60元·a−1，占6.13%；最低的是樟树+银杏群落(L15)，为1 203.84元·a−1，仅占0.58%。不同类型群落生态效益价值存在较大差距，对生态效益贡献最大的为针阔混交型群落，总生态效益占比为35.47%；其次是常绿阔叶型群落，占比为27.61%；常绿落叶阔叶混交型群落占比为26.17%；竹阔混交型最少，仅占10.75%。

      表 2  钱王陵公园32个植物群落总生态效益

      Table 2.  Total ecological benefits of 32 plant communities in Qianwangling Park

      群落生态效益/(元·a−1)效益
      占比/
      %      		群落生态效益/(元·a−1)效益
      占比/
      %
      节约
      能源      		吸收
      CO2      		改善空
      气质量      		截留
      雨水      		总生态
      效益      		节约
      能源      		吸收
      CO2      		改善空
      气质量      		截留
      雨水      		总生态
      效益
      L11 070.082 168.3298.561 351.684 688.642.25L181 830.403 365.1228.162 400.647 624.323.66
      L21 520.643 182.08183.041 879.686 765.443.24L191 457.282 872.3249.281 696.646 075.522.91
      L31 267.202 696.32133.761 591.045 688.322.73L201 584.002 977.92112.641 809.286 483.843.11
      L41 112.322 393.6091.521 337.604 935.042.37L212 851.205 850.24232.323 843.8412 777.606.13
      L5781.441 605.1242.24851.843 280.641.57L222 175.364 238.08126.722 745.609 285.764.45
      L61 041.922 154.24112.641 203.844 512.642.16L231 802.243 808.64161.922 259.848 032.643.85
      L71 415.043 196.16154.881 675.526 441.603.09L242 245.764 540.80112.642 520.329 419.524.52
      L8711.041 921.92126.72682.883 442.561.65L251 457.282 949.76112.641 619.206 138.882.94
      L91 619.204 026.88168.961 900.807 715.843.70L261 760.003 597.44161.922 316.167 835.523.76
      L101 344.643 238.40168.961 415.046 167.042.96L272 696.325 005.44253.443 182.0811 137.285.34
      L111 422.083 048.3235.201 774.086 279.683.01L282 041.604 055.04140.802 907.529 144.964.38
      L121 119.362 358.40126.721 217.924 822.402.31L291 809.283 013.12197.121 752.966 772.483.25
      L13675.841 492.4877.44830.723 076.481.47L301 506.563 104.6484.481 844.486 540.163.14
      L14732.161 555.8484.48725.123 097.601.49L311 774.083 372.16133.762 337.287 617.283.65
      L15260.48577.2828.16337.921 203.840.58L322 062.723 548.16239.362 189.448 039.683.85
      L161 520.643 160.96147.841 907.846 737.283.23总计48 188.8098 447.364 019.8457 932.16208 588.16100
      L171 520.643 358.0898.561 837.446 814.723.27

      对群落各生态效益分析可知：i-Tree模型对节能效益的评估由节约电量和节约天然气效益两部分组成，其中节约电量为62 227.20 kW·h·a−1，产生生态效益为36 706.56元·a−1；节约天然气量3 560.50 m³·a−1，产生生态效益11 482.24元·a−1，节约能源的生态效益总价值为48 188.80元·a−1，单株树木平均生态效益为29.85元·株−1·a−1；节能效益最高的是樟树+广玉兰-山茶群落(L21)，为2 851.20元·a−1；最低的是樟树+银杏群落(L15)，为260.48元·a−1；从群落类型来看，节能效益总量占比最高的是针阔混交型群落，为34.84%，该类群落在节能效益价值方面优势较高。经模型计算植物群落吸收CO2总量为81 951.00 kg·a−1，产生生态效益价值98 447.36元·a−1，单株平均吸收CO2生态效益为61.04元·株−1·a−1；对不同类型群落生态效益分析可知：针阔混交型群落生态效益占比最高，为36.26%，在吸收CO2方面表现出一定优势。模型计算群落年截留雨水量为5 192.00 m³·a−1，产生生态效益为57 932.16元·a−1，单株树木平均截留雨水生态效益为35.90元·株−1·a−1。对单株树木平均截留雨水生态效益分析可以得出，针阔混交型群落中树木平均效益超过总平均生态效益的群落数量最多且效益排名靠前，说明相对其他类型该群落类型在截留雨水上具有优势。模型计算植物群落年改善空气质量生态效益为4 019.84元·a−1，单株树木平均生态效益为2.46元·株−1·a−1，明显低于以上3个功能，其中群落间接减排空气污染物[二氧化氮(NO2)、可吸入颗粒物(PM10)、挥发性有机化合物(VOC)、二氧化硫(SO2)]生态效益最高，为6 188.16元·a−1，SO2减排量最高为220.40 kg·a−1，占66.85%；群落吸附沉积空气污染物[NO2、臭氧(O3)、PM10和SO2]效益为2 731.52元·a−1，对O3的沉积效果最强，占比为58.65%；SO2的沉积效果最差仅6.14%。此外，树木自身代谢等作用会散发挥发性有机物污染(BVOCs)对空气造成污染[23]，经计算该公园群落释放BVOCs量为213.20 kg·a−1，产生生态效益−4 899.84 元·a−1，其中樟树+广玉兰-山茶群落(L21)释放量最多，为13.30 kg·a−1；从改善空气质量综合能力来看，樟树+栓皮栎群落(L27)效果最强，产生生态效益最高，为253.44元·a−1，占6.30%，同时间接减排空气污染物的能力也最为显著。综合看来，树木在间接减排空气污染物方面上更具优势。

      对群落树种单株平均生态效益分析可知，排名前10位树种为落叶阔叶树和针叶树(表3)，针叶树有水杉、雪松、马尾松，其余的为落叶阔叶树。常绿阔叶树种未出现，生态效益偏低。综合树种平均胸径及各生态效益分析可知，在平均胸径相近情况下，落叶阔叶树各项生态效益高于针叶树，即落叶阔叶树在节能、吸收CO2、改善空气质量及截留雨水方面都表现出更高优势。单株平均生态效益价值由高到低排名前10位的树种为三角枫Acer buergerianum、黄山栾树Koelreuteria paniculata、水杉、栓皮栎、雪松、马尾松、山樱花、朴树Celtis bungeana、榔榆、垂柳Salix babylonica，在植物群落构建时对于落叶阔叶树和针叶树树种的选择可优先考虑。

      表 3  单株平均效益前10位树种各生态效益

      Table 3.  Per plant benefit,top ten tree species, ecological benefits

      效益排名树种名称生长类型单株生态效益/(元·株−1·a−1)单株平均生态效益/
      (元·株−1·a−1)      		平均胸径/cm
      节约能源吸收CO2改善空气质量截留雨水
      1三角枫　BDM(落叶阔叶中型树)119.82 300.4018.66119.33558.2135.04
      2黄山栾树BDM(落叶阔叶中型树)97.72213.7316.12100.95428.5230.26
      3水杉　　CDL(落叶针叶大型树)95.46203.03−1.76119.47416.2041.47
      4栓皮栎　BDL(落叶阔叶大型树)79.20177.7612.8876.03345.8737.05
      5雪松　　CEL(常绿针叶大型树)76.88163.402.6082.09324.9730.33
      6马尾松　CEL(常绿针叶大型树)75.82161.361.5584.83323.5633.65
      7山樱花　BDM(落叶阔叶中型树)69.98161.4311.2666.81309.4826.50
      8朴树　　BDL(落叶阔叶大型树)79.62130.1713.3878.14301.3127.44
      9榔榆　　BDM(落叶阔叶中型树)63.15148.5410.1460.19282.0224.48
      10垂柳　　BDM(落叶阔叶中型树)49.63122.787.8846.96227.2526.48

      结合表3和表4分析可知：L21群落(樟树+广玉兰-山茶群落)树种株数占比不高(排第10位)，但群落平均胸径最高，单株生态效益高的落叶阔叶树种三角枫、栓皮栎和针叶树马尾松平均胸径都较高。而L22群落(樟树+枫香+棕榈群落)树种株数占比较低，但群落平均胸径高，因此生态效益也相对较高。L24群落(樟树+枫香群落)、L27群落(樟树+栓皮栎群落)和L28群落(樟树+棕榈群落)树种株数占比相似(分别为4.4%、4.0%和4.3%)，而群落L27和群落L28相比，群落整体平均胸径相近，但群落L27中单株生态效益高的树木数量及平均胸径更具有优势，因此该群落效益更高；L24群落平均胸径偏低，但单株平均效益高树种株株多，因此生态效益也较高。在树种生长型方面，胸径＞30 cm的落叶阔叶和针叶高生态效益树种株数占比越高对生态效益贡献越大。综上分析，群落生态效益的高低主要取决于树种的株数、生长类型和平均胸径。从构建高生态效益植物群落角度出发，建议植物群落构建时以三角枫、黄山栾树、水杉、栓皮栎、雪松、马尾松等高单株生态效益的树木为优势种，以提高植物群落整体生态效益。

      表 4  生态效益排名前5位群落指标分析

      Table 4.  Analysis of the top five community indicators in benefit ranking

      排名样地
      编号      		群落
      类型      		主要组
      成树种      		单株生态效益排名前10树种
      (株数及平均胸径)      		群落整体平均
      胸径/(cm·株−1)      		群落树种株数
      占比/%(排名)
      1L21常绿阔叶型樟树+广玉兰+棕榈-山茶三角枫(4株，胸径35.06 cm)、栓皮栎(1株，
      胸径45.39 cm)、马尾松(2株，胸径39.33 cm)      		25.703.6(10)
      2L27常绿落叶阔叶
      混交型      		樟树+栓皮栎+女贞+棕榈+
      黄山栾树+枫香      		黄山栾树(3株，胸径29.47 cm)、朴树(1株，
      胸径32.16 cm)、栓皮栎(10株，胸径30.86 cm)      		20.564.0(5)
      3L24常绿落叶阔叶
      混交型      		枫香+樟树+棕榈栓皮栎(3株，胸径16.73 cm)、马尾松(2株，
      胸径36.22 cm)      		17.964.4(3)
      4L22常绿落叶阔叶
      混交型      		枫香+樟树+棕榈-山茶马尾松(2株，胸径34.00 cm)25.312.7(19)
      5L28常绿阔叶型樟树+女贞+棕榈马尾松(1株，胸径42.61 cm)、三角枫(1株，
      胸径34.98 cm)、雪松(1株，胸径28.83 cm)      		20.034.3(4)
    3.   结论与讨论

    • 本研究采用典型取样法及每木调查法对钱王陵公园32个植物群落内所有符合测量条件的乔、灌木进行实地调查。调查树木共计1 613株，分属39科62属74种。群落树种种类丰富，胸径结构分布合理，呈现出较明显上、中、下层分布。在水平结构上以混交型为主，垂直结构以复层模式为主，且表现出以针阔混交型群落为主的景观风貌。公园内存在常绿树、阔叶树数量占比远超落叶树、针叶树，树木生长类型分布不合理，多数灌木及草本植物生长状况不佳，林间凋落物堆积过厚等问题。这与公园建成时间久远缺乏管理与维护有关。从公园长远发展角度考虑，应基于该公园的纪念性特点，增加落叶树与松柏类针叶树种数和株数，营造庄重、肃穆的纪念氛围，以构建更加完善和稳定的植物群落结构体系。

      钱王陵公园32个植物群落年总生态效益为208 588.16元·a−1，节约能源、吸收CO2、改善空气质量和截留雨水生态效益价值分别为48 188.80、98 447.36、4 019.84和57 932.16元·a−1，占比分别为23.10%、47.20%、1.93%和27.77%。这4类效益按照价值量高低排名为吸收CO2、截留雨水、节约能源、改善空气质量。结果与魏云龙[10]研究排名一致，其中吸收CO2生态效益最高，贡献最大。这与树种本身对CO2吸收能力较强有关。不同类型群落生态效益存在明显差异，针阔混交型群落总生态效益最高，占38.38%，表现出显著优势。这是由于该类型群落数量(占38.38%)及树种株数(占35.30%)最多，且水杉、马尾松、雪松等单株平均生态效益高的树种占比大。其次分别为常绿阔叶型、常绿落叶阔叶混交型和竹阔混交型群落；常绿阔叶型群落数量与常绿落叶阔叶混交型群落数量相同，占比为25%。常绿阔叶型群落总生态效益占比为27.61%，树种株数占24.1%；常绿落叶阔叶混交型群落总生态效益占比为26.71%及树种株数占26.20%。竹阔混交型群落在群落数量(占9.37%)及树种株数(占14.5%)上都为最少，导致生态效益占比最低为10.75%。

      在城市绿地的建设过程中，i-Tree模型能从资源结构及生态效益方面对植物群落进行定量评估，将不同群落和树种的生态效益以货币形式更直观地展示出来，若将其引入城市绿地植物群落构建的“人工形成—自然进程—人工调控”的动态过程中，将使高生态效益绿地的建设更加具有科学性、高效性和便捷性。由于该模型是基于美国的生态环境而开发的，应用于本研究评估时在树种匹配上有一定的局限性，因此对于国内树种的研究以及完善更新模型基础数据库，使之能够更好地适用于本土树种，是今后重点研究方向。在生态服务功能评估上，由于i-Tree模型限制，只从节约能源、吸收CO2、改善空气质量、截留雨水等4个方面对钱王陵公园生态服务功能价值进行评估。植物群落生态服务功能的种类众多，还包括释放氧气、改良土壤及减少空气中负离子等，因此还需从深度和广度上加以进一步完善和提高。在成本参数上，模型中需要输入清除空气中O3、PM10和VOC等成本参数，因国内未有统一标准，参数获取难度大。在参照国内该模型的相关研究基础上，使用了模型的内置参数进行评估。在以后的研究中，应该建立符合国内情况的处理空气污染物和截留雨水相关参数指标，从而更加完善地运用评估模型对生态效益价值进行评估研究。

参考文献 (23)

目录

  • 全文HTML

  • 1.   研究地区与研究方法

  • 1.1.   研究地概况

  • 1.2.   调查内容与方法

  • 1.3.   i-Tree模型生态效益评估原理

  • 2.   结果与分析

  • 2.1.   群落类型及空间结构分析

  • 2.2.   植物群落树种结构分析

  • 2.3.   群落生态效益分析

  • 3.   结论与讨论

/

返回文章
返回

浙ICP备11046845号

版权所有 © 2019 《浙江农林大学学报》编辑部

地址: 浙江省杭州市临安区武肃街666号 邮编: 311300 电话: 0571-63732749

E-Mail: :zlxb@zafu.edu.cn

本系统由 北京仁和汇智信息技术有限公司 开发 技术支持： info@rhhz.net   百度统计