下载:
-
在全球气候变化和人为剧烈活动的大环境背景下，河川径流在时间和空间上的变化，能够引起水资源的重新分配，并改变生态系统的演化过程[1]。揭示气候和水文水资源与生态环境的相互作用，可以为森林资源和水资源的合理开发、科学规划提供理论基础[2]。森林植被作为陆地生态系统的重要组成部分，在碳循环系统中也发挥着重要的影响力。森林植被连接着土壤层和大气层，具有截留降水、减少雨滴击溅、增加土壤入渗等生态功能[3]。森林植被的枯枝落叶层可以降低径流流动速度，增加径流渗透时间，提高地表径流入渗量，因此在减少水资源流失方面起着决定性的作用[4]。以往许多国内外学者进行了降雨量对径流影响作用大小研究[5-9]，而植被对径流变化的影响研究较少，尤其是在中国南方红壤丘陵区。一些森林植被对产流的影响研究中没有考虑森林质量的差异，特别是地表覆盖的差异[10]。为了分析不同时期森林质量水平和变化规律，探讨径流变化趋势及其对植被变化的响应关系，进一步分析森林质量的变化对径流产生的影响，本研究以江西省石城县域1989−2018年的天然降雨、径流序列数据为基础，运用小波分析等方法对石城降雨径流进行研究，并结合石城县域1989、1995、2001、2004、2010和2017年6期遥感影像，计算森林质量指数，最终获得石城县域的降雨-森林-径流三维空间模型。研究结果可为定量监测和科学评价南方红壤丘陵区水土流失与生态环境状况提供依据，指导南方红壤丘陵区的水土流失综合治理和水文水资源研究，进一步增强森林涵养水源功能价值评估科学性，为解决县域低效林改造提供理论指导。
-
石城县位于江西省赣州市东北部，25°57′47″~26°36′13″N，116°05′47″~116°38′03″E。石城县域属长江流域赣江水系，境内水系发达，河流密布，全县大小河溪140条。石城县主要河流琴江河发源于高田镇，主河长143 km，流域面积大于100 km2的一级支流有3条，平均河网密度为0.69 km·km−2。除部分河流外，其余河流均在县境汇入琴江河，流域独立性强，县域面积为1 581.53 km2。境内为武夷山脉的山间盆地，东、北、西三面环山，主要分为中低山、丘陵、单斜盆地3个类型。山地、丘陵约占全县总面积的79%。石城县地处中亚热带中南部，水热条件优越。森林植被以马尾松Pinus massoniana林、杉木Cunninghamia lanceolata林为主，其中马尾松林面积较大。20世纪80年代初，全县水土流失面积506.00 km2，占县域总面积的32%，其中：强烈及以上水土流失面积150.47 km2，中度水土流失面积125.66 km2，轻度水土流失面积229.87 km2。严重的水土流失易造成自然灾害，如山体滑坡、洪涝等。
-
本研究所使用1989−2018年的水文数据包括径流实测数据、降雨实测数据等均来自江西省南昌市水文局水文观测站(琴江河石城站)位于琴江河下游，流域集水面积为656 km2。本研究中的遥感影像数据以Landsat 4、5、8卫星影像为数据源。在中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn)下载1989、1995、2001、2004、2010和2017年冬季无云覆盖的TM影像，其空间分辨率为30 m。森林资源二类调查数据来源于江西省石城县林业局。
-
通过植被覆盖度、林冠郁闭度和地表凋落物覆盖度对森林质量等级因子值进行判定，进而通过等级面积相应比例得出森林质量指数。植被覆盖度通过遥感影像图提取研究区域的土地覆盖分类图[11-14]，并利用软件envi 5.2计算；林冠郁闭度和地表凋落物覆盖度通过森林资源二类调查数据和实地调查数据进行判定和划分。森林质量指数判定公式：
$$ \beta = \mathop \sum \limits_{i = 1}^5 {Q_i}\frac{{{S_i}}}{S}{\text{。}} $$ (1) 式(1)中：Si为等级面积，S为研究区总面积，Qi为森林质量等级因子值，β为森林质量指数。森林质量等级因子值确定范围可参考表1[15]。
表 1 森林质量等级因子值确定范围
Table 1. Forest quality grade factor value determination range
林冠郁
闭度地表凋落物
覆盖度植被覆盖
度/%森林质量等级
因子值≤0.10 无覆盖 ＜30 0.00~0.10 0.10~0.25 较低 30~45 0.10~0.25 0.25~0.50 一半 45~60 0.25~0.50 0.50~0.75 较高 60~75 0.50~0.75 ＞0.75 全覆盖 ＞75 0.75~1.00 -
小波变换是一种信号的时间-尺度分析方法[16-20]，它具有很多分辨率分析的特点，而且在时、频两域都具有表征信号局部特征的能力，是一种窗口大小固定不变但其形状、时间和频率窗都可以改变的时频局部化分析方法[21]。在低频部分具有较高的频率分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，很适合于探测正常信号中夹带的瞬间反常现象并展示其成分[19]。小波函数定义为：设
$\psi \left( t \right)$ 是平方可积函数，即ψ(t)∈L2(R)，其傅里叶变换为$\hat \psi \left( \omega \right)$ 满足允许条件：$$ {C_\psi } = {\int\limits _R}\frac{{\left| {\hat \psi \left( \omega \right)} \right|^{\rm{2}}}}{{\left| \omega \right|}}{\rm{d}}\omega {\text{＜}} \infty {\text{。}} $$ (2) 式(2)中：Cψ为容许函数，ψ(t)为一个基本小波或母小波，其中L2(R)表示满足
$\int\limits_R {{{\left| {f\left( t \right)} \right|}^2}} {\rm{d}}t {\text{＜}} \infty $ 的函数空间。小波函数ψ(t)有2个基本特点：快速衰减性和震荡性[22]。 -
森林植被可以拦截部分降雨，其中林冠层和地表凋落物层起到主要的拦截作用。当降雨强度一致时，有植被覆盖的区域和无植被覆盖的区域会对径流产生不同的影响，有时差别很大。本研究尝试建立模型，定量描述降雨、径流和森林植被之间的响应关系，探索三者之间的变化规律。根据水量平衡理论，森林植被拦蓄降雨越多，研究区域产生的径流越少，森林拦蓄降雨能力大小与拦蓄容量有关。本研究森林拦蓄降雨模型采用刘昌明[23]的森林拦蓄降雨极限容量模型：
$$ Q=P-I_{\rm{T}}=P-\frac{1}{K}\left(1-{\mathrm{e}}^{-KP}\right){\text{。}} $$ (3) 式(3)中：Q为径流深(mm)；P为降雨量(mm)；IT为森林拦蓄降雨量，K为拦蓄率随降雨量递减的速度，与森林覆盖率(
$\alpha $ )密切相关。$ I_{\rm{TM}}=\dfrac{1}{K} $ ，ITM为森林最大可能拦蓄降雨；刘道平[24]在ITM=b$\alpha $ +c的假设基础上，提出如下模型改进：$$ Q\left(P,\;\alpha \right)=P-\left(b\alpha +c\right)\left(1-{\mathrm{e}}^{-\frac{P}{b\alpha +c}}\right){\text{。}} $$ (4) 式(4)中：b和c为系数。刘道平[24]的研究对象浙江省安吉县森林多年变化相对较小。森林植被对降水径流的影响较为复杂。以前，森林覆盖率(
$\alpha $ )对流域产流产沙的影响研究中没有考虑森林质量的差异，特别是地表覆盖的差异，而不同地表覆盖的森林水源涵养及土壤保持功能差异巨大[25]。石城县由于战争等历史原因，森林覆盖率及森林质量变化较大，仅考虑森林覆盖率，研究误差较大。为提高模型的精确度，本研究采用森林质量指数(β)代替森林覆盖率(%)，径流预测模型则为：$$ Q\left(P,\;\beta \right)=P-\left(b\beta +c\right)\left(1-{\mathrm{e}}^{-\frac{P}{b\beta +c}}\right){\text{。}} $$ (5) 式(5)中：Q、β、P分别表示径流深、森林质量指数、降雨量。
-
本研究采用降雨量的丰枯等级变化，该等级变化以距平百分率X作为划分标准，分为丰年、平年、枯年，X=(
${\overline P_i} $ −${\overline P_{30}} $ )/${\overline P_{30}} $ ，其中：${\overline P_i} $ 为某年平均降雨量，${\overline P_{30}} $ 为30 a平均降雨量。具体的划分标准：当−0.1＜X≤0.1时为平水年；当X＞0.1为丰水年；当X≤−0.1时为枯水年[26]。对石城县域1989−2018年降雨观测资料进行统计分析，并统计年内丰水期(1−3月、10−12月)、枯水期(4−9月)年际分布等特征。由表2可知：石城县域多年平均年降雨量为1 831.3 mm，其中丰水期为1 228.9 mm，枯水期为602.4 mm。石城县域降雨年际变化差异明显，最大年降雨量(2 724.0 mm)是最小年降雨量(1 074.8 mm)的2.5倍。石城县域丰水年、平水年、枯水年对应的年降雨量分别为2 340.9、1 795.3、1 416.8 mm。表 2 石城县域多年降雨统计分析
Table 2. Distribution characteristics of annual rainfall in Shicheng County
项目 年降雨量/mm 丰水期降雨量/mm 枯水期降雨量/mm 多年 1 831.3 1 228.9 602.4 丰水年 2 340.9 1 553.6 787.4 平水年 1 795.3 1 268.3 527.0 枯水年 1 416.8 936.0 480.8 -
为了反映径流的年际变化特征，采用降雨量的丰枯等级变化，对石城县域1989−2018年径流观测资料进行统计分析，并统计丰水年、平水年、枯水年径流特征(表3)。石城县域多年平均径流量为6.69 亿m3，年径流量总体呈缓慢下降趋势。最大年径流量为11.73 亿m3，最小年径流量为3.19 亿m3，前者为后者的5.1倍，说明石城县域的年际径流幅度变化极大。石城县域丰水年、平水年和枯水年对应的年均径流量分别是9.58、6.69和4.25 亿m3。丰水年年均径流系数最高，为0.63，之后是平水年和枯水年，年均径流系数分别为0.57、0.46。
表 3 石城县域年径流分布特征
Table 3. Distribution characteristics of annual runoff in Shicheng County
项目 年径流量/亿m3 年径流深/mm 年径流系数 多年 6.69 1 020.1 0.54 丰水年 9.58 1 459.6 0.57 平水年 6.69 1 019.9 0.63 枯水年 4.25 648.2 0.46 -
图1为石城县域多年降水量与径流深随时间的变化。从图1可以看出：在研究时段内，石城县域年降雨量和年径流深均呈正相关关系，即径流深随降雨量的增加而增加，相关系数R2为0.795 1。
图 1 石城县域降雨量和径流深变化分析
Figure 1. Analysis of rainfall and runoff depth in Shicheng County
-
对石城县域1989、1995、2001、2004、2010和2017年6期遥感影像进行植被覆盖度计算，并根据森林质量等级因子值确定范围表提取得到石城县域的森林质量等级分布(图2)。
图 2 石城县域森林质量等级分布示意图
Figure 2. Distribution map of forest quality grade in Shicheng County
-
利用ArcGIS软件快速统计功能统计森林质量等级面积分布[27]，并对其变化情况进行分析，如表4所示。为了提高结果的精确度，将年代划分为6个阶段，每阶段包括5个年份，分别是1989−1993、1994−1998、1999−2003、2004−2008、2009−2013、2014−2018年。石城县域森林质量指数随年份的增加整体呈上升—下降—上升趋势。石城县在20世纪60−70年代大量砍伐天然林，致使全县森林资源受到毁灭性破坏，森林质量指数较低。在20世纪80年代大面积采用飞播造林和人工植苗培育了马尾松林和杉木林，石城县域森林质量指数呈现上升趋势；2000−2010年，石城县由于抚育管理措施不当，出现了大面积的针叶纯林和低效低产林，森林质量指数有所下降；从2010年至今，森林培育管理技术的成熟和生产力的提高，特别是2000年以来，林下植被和枯枝落叶层恢复显著，森林质量要素中的地表覆盖率显著上升，石城县域森林质量指数呈现显著上升趋势。同时，20世纪90年代以来，相关政府部门越来越关注生态和环境问题，制定一系列政策，有效遏制了森林资源的破坏。此外，还开展了低效林改造、封山育林等项目，使得森林质量得到一定的改善。石城县域森林质量等级在0.50以上的面积比例整体均呈上升趋势。石城县域2017年较1989年森林质量指数在0.50以上的面积比例增加了66.54%，高质量林分占比越来越高。
表 4 森林质量等级面积分布
Table 4. Forest quality grade area distribution in each basin
森林质量等级 各年度面积/km2 1989 1995 2001 2006 2010 2017年 0.10 718.01 553.77 335.46 319.81 342.48 91.26 0.25 545.55 417.90 304.19 283.07 299.39 136.09 0.50 157.41 252.81 356.12 283.44 325.30 227.28 0.75 87.02 207.87 312.47 255.17 308.17 566.02 1.00 47.67 122.19 238.35 366.22 284.95 528.13 0.50及以上比例/% 18.78 37.49 58.63 60.01 58.86 85.32 -
结合水文数据实际情况，在1989−2018年隔5 a作为1个观测阶段，对各流域径流数据进行统计，分析石城县域降雨量、径流模数、径流量和径流系数等阶段变化(表5)。表5表明：石城县域径流系数同森林质量指数均呈相反的线性变化趋势，说明森林质量指数和径流系数呈负相关。分析原因可知：随着森林质量指数的增加，森林植被在截留降雨、促进土壤入渗方面作用越来越强。根据水量平衡理论可知，径流系数降低。
表 5 石城县域径流年代阶段特征
Table 5. Chronological characteristics of runoff in Shicheng County
所在流域 年份 森林质量
指数降雨量/
mm径流量/
亿m3径流深/
mm径流模数/
(m3·km−2·a−1)丰水期
径流深/mm枯水期
径流深/mm径流系数 丰水期
径流系数枯水期
径流系数石城县域 1989−1993 0.26 1 702.5 6.37 971.08 30.79 654.35 316.10 0.55 0.59 0.49 1994−1998 0.36 2 179.8 9.37 1 427.77 45.27 995.35 433.32 0.65 0.68 0.60 1999−2003 0.49 1 779.4 7.20 1 097.99 34.82 778.76 317.06 0.62 0.63 0.61 2004−2008 0.53 1 716.3 5.48 835.51 26.49 621.80 216.06 0.48 0.49 0.46 2009−2013 0.51 1 727.5 5.70 868.20 27.53 583.73 283.93 0.48 0.49 0.47 2014−2018 0.72 1 882.5 6.04 920.12 29.18 596.18 323.49 0.47 0.46 0.50 -
收集到的信号通常带有噪声，常见的噪声就有高斯白噪声。降雨-径流数据经过小波分析降噪处理后的时间序列散点图相比原始数据处理后的时间序列信号可表现出更好的相关性，时间序列信号熵值也由降噪处理变得更低，低频信息变得明显的同时会保留高频信息中的突变信号。图3是石城县域小波变换消噪后的降雨-径流数据。
图 3 石城县域小波变换消噪后的降雨-径流
Figure 3. Path diagram of precipitation-runoff depth with wavelet de-noising in Shicheng County
结合经过小波变换后的降雨径流降噪数据以及森林质量指数数据，在软件Matlab上使用参数率定方法，模拟出最优结果值。经过筛选最优结果为：b=340.7，c=351.8，R2=0.951 9。因此，得到降雨-径流-森林模型表达式为：
$$ Q\left(P,\;\beta \right)=P-\left(340.7\beta +351.8\right)\left[1-\mathrm{e}\mathrm{x}\mathrm{p}\left(\frac{-P}{340.7\beta +351.8}\right)\right]{\text{。}} $$ 其中：P为降雨量(mm)；β为森林质量指数(%)；Q为径流深(mm)。
图4为石城县域模型三维空间图。分析模型可知：径流深与降水量呈正相关，与森林质量指数呈负相关。根据模型模拟，当降雨量为2 000.0 mm，森林质量指数为0.50时，径流深为1 489.0 mm；当降雨量为2 000.0 mm，森林质量指数为1.00时，径流深为1 346.0 mm。森林质量指数从0.50增加到1.00时，径流深减少了143.0 mm。随着森林质量指数的提高，径流深逐渐降低，表明石城县域森林质量的提升会加强森林涵养水源能力和森林滞洪作用。这与刘道平[24]模型拟合结果相同。而且，本模型在精度上较优，可定量监测和科学评价南方红壤丘陵区水土流失与生态环境状况，从而更好地实现对县域水资源变化的动态监测和预测。
图 4 石城县域降水-径流-森林质量模型
Figure 4. Q-β-P model in Shicheng County
-
本研究以1989−2018年原始水文数据为基础，分析了江西省石城县域降雨和径流年际特征，并初步分析了降雨对径流的影响；再利用石城县域1989−2018年遥感影像数据，通过软件ENVI和ArcGIS运用新的公式算法得出石城县域的森林质量指数；最后通过软件Matlab的小波分析功能在降雨-径流二维平面分析的基础上，建立了关于降雨-森林质量-径流三维空间模型，以更好地表达三者之间的响应关系。主要结论如下：①石城县域1989−2018年多年平均降雨量为1 831.3 mm，丰水期多年平均降雨1228.9 mm，枯水期多年平均降雨量602.4 mm；多年平均径流量为6.69 亿m3，降雨和径流随着年际变化表现出缓慢下降趋势，下降趋势不明显。②石城县域森林质量指数随着解析年份的增加整体呈上升—下降—上升趋势；森林质量等级在0.50以上的面积比例整体均呈显著上升趋势；石城县域2017年较1989年森林质量指数在0.50以上的面积比例增加了66.54%。③石城县域径流系数同森林质量指数呈相反的线性变化，表明森林质量提升具有显著滞洪作用。④通过参数率定，建立了石城县域降雨-森林质量-径流模型，模型相关系数为0.951 9，其中径流深与降雨量呈正相关，与森林质量指数呈负相关。
Response of rainfall runoff to forest quality in Shicheng County, Jiangxi Province
-
摘要:
目的 分析江西省石城县域降雨径流和森林质量年代变化特征及规律，研究降雨-径流-森林之间的关系，为定量监测和科学评价南方红壤丘陵区水土流失与生态环境状况提供依据。 方法 根据石城县域1989−2018年的天然降雨、径流序列数据以及不同年代遥感影像图，采用小波分析、遥感监督解译及森林质量等级判定等方法。 结果 ①石城县域降雨径流随着年际变化表现出缓慢下降趋势，但下降趋势不显著；②森林质量指数随着解析年份的增加整体呈上升−下降−上升趋势；③森林质量提升具有显著滞洪作用；④建立石城县域小波模型，径流深与降雨量呈正相关，与森林质量指数呈负相关。 结论 森林质量的提升会加强森林涵养水源能力和森林滞洪作用。图4表5参27 Abstract:Objective The study aims to explore the characteristics and laws of the chronological change of rainfall runoff and forest quality in Shicheng County of Jiangxi Province, and the relationship between rainfall, runoff and forest, so as to provide basis for quantitative monitoring and scientific evaluation of soil erosion and ecological environment in the red soil hilly area in southern China. Method Based on the natural rainfall and runoff sequence data of Shicheng County from 1989 to 2018 and remote sensing image maps in different years, the methods of wavelet analysis, remote sensing supervision and interpretation, and forest quality grade determination were employed. Result (1) Rainfall and runoff showed a slow downward trend with inter-annual changes, but the decreasing trend was not significant. (2) The forest quality index showed an upward-downward-upward trend with the increase of resolution years. (3) The improvement of forest quality had a significant role in flood detention. (4) The wavelet model of Shicheng County showed the runoff depth was positively correlated with precipitation and negatively correlated with forest quality index. Conclusion The improvement of forest quality can strengthen the ability of forest water conservation and forest flood detention. [Ch, 4 fig. 5 tab. 27 ref.] -
Key words:
- forest hydrology /
- Shicheng County /
- rainfall /
- runoff /
- wavelet analysis /
- forest quality index
-
土壤酶是土壤生化过程的积极参与者，是生态系统物质循环和能量流动过程中最活跃的生物活性物质，通常与土壤微生物的代谢速率和养分的生化循环密切相关[1]。前人研究发现，不同养分在土壤中的释放和储存，腐殖质的形成和变化都与土壤酶的种类和活力有着紧密的联系。土壤酶在森林生态系统的养分循环和能量代谢中起到了非常关键的作用，被视为土壤生态系统的核心部分[2−3]。土壤酶主要来源于植物根系、土壤动物、微生物细胞分泌物及残体的分解物，是生态系统中生化过程和养分循环的主要调节者，在推动营养元素转化、生态系统功能调节等方面发挥着非常关键的作用[4]。
不同植被类型对土壤养分的富集和再分配以及养分流失具有重要影响，进而对土壤酶活性产生不同影响。近年来，国内外学者高度重视土壤酶活性的研究，不同空间尺度的土壤酶活性已得到广泛研究[5−10]。刘顺等[11]研究发现，坡向间植被类型通过土壤性质驱动土壤酶活性。贺兰山是干旱区具有完整垂直带谱的山地生物多样性宝库，植被类型具有明显的垂直地带性。已有研究显示：贺兰山东坡海拔显著影响土壤胞外酶活性，随着海拔的升高酶活性整体呈现上升趋势[12]，β-葡萄糖苷酶(β-G)酶活性随海拔升高呈先增后减趋势[13]。但贺兰山西坡不同海拔典型植被类型土壤酶活性的分布特性尚不明确。本研究以贺兰山西坡不同植被类型土壤为研究对象，对不同植被类型土壤理化性质和土壤酶活性进行综合研究，以了解贺兰山西坡不同植被类型下土壤酶活性变化情况及影响因素，旨在为干旱区森林生态系统土壤酶活性变化、养分循环模式和调节机制研究提供依据。
1. 材料与方法
1.1 研究区自然概况
贺兰山地处宁夏与内蒙古的接壤地带，具以山区为主要特点的典型大陆性季风气候。年均气温为8.6 ℃，年均降水量为209.2 mm，最高为627.5 mm，降水在6—8月最为集中，年均日照时数为3 100.0 h。贺兰山的荒漠草原、森林、亚高山草甸是中国中温带半干旱与干旱地区山地生态系统的典型代表[12]。在不同海拔植被类型中，水热交替具有较强的规律。贺兰山西坡土壤具有明显的垂直分布规律，沿海拔上升不同植被类型土壤自下而上分别为灰漠土、棕钙土、灰褐土、亚高山草甸土。
1.2 试验设计
2022年8月，沿贺兰山西坡1 300~2 700 m海拔范围内(38°19′~39°22′ N， 105°49′~106°41′ E)，自下而上分别选取具有代表性的荒漠草原(海拔1 349 m)、灰榆Ulmus glaucescens林(1 905 m)、蒙古扁桃Amygdalus mongolica灌丛(2 134 m)、油松Pinus tabuliformis林(2 150 m)、青海云杉Picea crassifoliai-山杨Populus davidiana混交林(2 160 m)、青海云杉林(2 635 m)和亚高山草甸(2 664 m)等7种典型植被类型作为样地。山地土层厚度不均，不同样地取样深度统一确定为0~10和10~20 cm，在同一海拔每种植被类型设3个样地，样地间隔大于100 m。在每个海拔样地内随机设置3个样方，乔木、灌木和草本标准样方大小分别为20 m×20 m、10 m×10 m、1 m×1 m，共21个样方。在每个样方内采用五点混合法取样，除去地表凋落物层后，用直径4 cm的土钻采集0~10、10~20 cm的土壤样品，将样品充分混合，放入自密封袋中，然后用冷藏箱将其运回实验室。从土壤中去除可见的粗根和石块后，用2 mm的筛子对土壤样品进行筛分。将筛选后的土壤样品分为2组，其中一组放置于阴凉环境中自然风干，测定其理化特性；另一组置于4 ℃的冷藏条件下，以检测土壤酶活性和其他相关指标。
1.3 土壤理化性质及酶活性测定
采用环刀法测定土壤容重(BD)，烘干法测定土壤含水率(SWC)，pH计测定土壤pH值(土水质量比为1.0∶2.5)[6]。采用重铬酸钾氧化外加热法测定有机碳(SOC)，半微量凯氏定氮法测定全氮(TN)，钼锑抗比色法测定全磷(TP)[9]，氯化钾溶液提取-分光光度法测定铵态氮(NH4 +-N)，比色法测定有效磷(AP)[12]。
采用3, 5-二硝基水杨酸比色法测定蔗糖酶(Inv)活性与淀粉酶(Amy)活性[11−12]，以1 g土样24 h催化生成还原糖的毫克数表示；采用比色法测定α-葡糖苷酶(α-G)活性进行；通过硝基苯葡糖苷法测定β-葡糖苷酶(β-G)活性；β-木糖苷酶活性(BXYL)、纤维二糖水解酶(CBH)采用微孔板荧光法，利用多功能酶标仪(SpectraMax M5)测定其荧光度[14−15]
1.4 数据处理
用 Excel整理数据，用 SPSS对数据进行统计和分析。利用单因素方差分析(one-way ANOVA)比较不同理化性质及酶活性差异(α=0.05)；用双因素方差分析检验不同植被类型和不同土层下土壤理化性质和酶活性交互作用；利用Origin 2022进行相关性分析并绘制热图，采用Canoco 5.0蒙特卡洛检验分析理化性质对土壤酶活性的影响。
2. 结果与分析
2.1 不同植被类型对土壤理化性质的影响
如图1所示：在0~10与10~20 cm土层，有机碳质量分数在亚高山草甸最高，其质量分数为62.30、58.28 g·kg−1；在荒漠草原最低，为15.31、15.32 g·kg−1。在不同植被带中，10~20 cm土层中土壤容重整体比0~10 cm土层高，在荒漠草原植被带不同土层土壤容重质量分数均高于其他植被带；有效磷质量分数在0~10 cm土层高于10~20 cm，各海拔间其质量分数无显著差异；0~10 cm土层，全氮质量分数在不同植被带无显著差异，10~20 cm土层中，蒙古扁桃灌丛全氮质量分数最高，为1.52 g·kg−1，荒漠草原最低，为1.04 g·kg−1。通过对土层、植被带及其交互作用对土壤理化性质的双因素方差分析，结果表明：不同植被带对土壤含水率、容重、pH及全磷、铵态氮、有机碳质量分数产生显著影响，土壤含水率与有机碳质量分数随海拔上升呈增加趋势，土壤容重随海拔上升呈下降趋势；土壤全氮、铵态氮质量分数随海拔升高呈先上升后下降；全磷、有效磷质量分数及pH无显著差异。土层对以上指标均未产生显著影响。土层与植被类型及其交互作用对土壤含水率产生显著影响。
图 1 不同植被类型土壤基本理化性质Figure 1 Basic physical and chemical properties of soils at different vegetation types2.2 不同植被类型对土壤酶活性的影响
从图2可以看出，在不同海拔植被带中，β-葡糖苷酶活性在0~10 cm土层表现为随海拔升高先下降后上升，亚高山草甸酶活性显著高于其他植被带，为105.81 nmol·g−1·h−1；纤维二糖水解酶在0~10和10~20 cm土层中随海拔上升酶活性升高，在不同土层间酶活性无显著差异性，且在0~10与10~20 cm土层中其酶活性均在草甸处最高，分别为93.77与86.79 nmol·g−1·h−1；在0~10 cm土层中α-葡糖苷酶活性和β-木糖苷酶活性在亚高山草甸最高，分别为59.75、66.08 nmol·g−1·h−1，灰榆林最低，分别为36.41、38.03 nmol·g−1·h−1。在0~10与10~20 cm土层中蔗糖酶活性在油松林最低，分别为81.87、61.33 nmol·g−1·h−1；淀粉酶活性在不同土层以青海云杉林最高，分别为14.13、8.82 nmol·g−1·h−1，灰榆林最低，分别为3.78、3.17 nmol·g−1·h−1。双因素方差分析表明：土层与植被类型的交互作用对土壤β-葡糖苷酶、α-葡糖苷酶、β-木糖苷酶和淀粉酶活性产生显著影响，在不同海拔植被带0~10与10~20 cm土层，土壤β-葡糖苷酶、纤维二糖水解酶、α-葡糖苷酶、β-木糖苷酶随海拔上升整体上升，淀粉酶先下降后上升，蔗糖酶变化无显著规律。
2.3 土壤酶活性与土壤理化性质的相关性分析
相关性分析如图3所示：在不同植被类型0~10 cm土层中，含水率、有机碳质量分数与各酶活性呈显著正相关(P＜0.05)，而容重、pH与各酶活性呈负相关，全氮、全磷、有效磷及铵态氮质量分数对各酶活性的影响不显著。在10~20 cm土层中，含水率、有机碳质量分数对土壤各酶活性的影响呈正相关(P＜0.05)，容重、pH对各酶活性的影响呈负相关，全氮、全磷、有效磷、铵态氮质量分数对各酶活性的影响并不显著。
图 3 不同土层土壤理化性质与土壤酶活性的相关性分析Figure 3 Correlation analysis between soil physicochemical properties and soil enzyme activity in different soil layers不同海拔土壤酶活性与理化性质的冗余分析(图4)显示：在不同植被类型，0~10 cm土层中，土壤理化性质对土壤酶活性影响重要性由大到小为有机碳质量分数、pH、含水率、容重、全磷质量分数、铵态氮质量分数、有效磷质量分数、全氮质量分数。其中有机碳质量分数、pH、含水率对土壤酶活性的影响达显著水平，而其他理化性质对土壤酶活性的影响并没有达显著水平。10~20 cm土层中，各酶活性与有机碳质量分数、铵态氮质量分数、含水率、全氮质量分数及全磷质量分数均表现为夹角小且方向一致，呈显著正相关，与容重、pH及有效磷质量分数呈负相关。在10~20 cm土层中，土壤有机碳、含水率和pH对土壤酶活性的影响呈显著水平，但其他理化性质对土壤酶活性的影响并没有达显著水平(表1)。
图 4 不同土层土壤酶活性与土壤理化性质的冗余分析(RDA)Figure 4 Redundancy analysis (RDA) of soil enzyme activity and soil physicochemical properties in different soil layers表 1 不同土层土壤理化性质对土壤酶活性的贡献率Table 1 Contribution rate of soil physicochemical properties to soil enzyme activity in different soil layers理化性质 0~10 cm 理化性质 10~20 cm 贡献率/％ F P 贡献率/％ F P 有机碳 85.1 44.9 0.002 有机碳 87.9 37.8 0.002 pH 67.8 24.2 0.002 含水率 64.0 17.8 0.002 含水率 52.4 14.5 0.002 pH 33.6 6.5 0.010 容重 18.0 3.3 0.066 容重 32.9 6.3 0.016 全磷 17.8 3.3 0.056 全磷 16.5 2.7 0.138 铵态氮 10.8 1.9 0.168 铵态氮 11.5 1.8 0.206 有效磷 1.4 0.2 0.828 全氮 5.1 0.8 0.412 全氮 0.7 0.1 0.926 有效磷 0.8 0.1 0.906 3. 讨论
3.1 不同植被类型土壤理化性质变化
本研究区由于受海拔植被类型影响，0~10与10~20 cm土层的土壤含水率从低海拔到高海拔呈上升趋势。原因在于高海拔区域乔木林有较多植被，其覆盖率较大，树木的根系能较好地保持土壤水分，减少水分的蒸发与流失，这与马剑等[16]的结论一致。本研究结果显示：不同海拔植被类型土壤容重整体均随海拔升高而下降，其原因可能是贺兰山西坡乔木林及亚高山草甸植被在高海拔区域，土壤疏松，土壤腐殖质质量分数也高，且人类活动较少。张珊等[17]则研究认为亚高山不同海拔、不同土层土壤孔隙度和有机质质量分数不同导致了土壤容重分布规律不同。
本研究中，土壤全氮质量分数在不同植被带0~10 cm土层中未表现较大差异，说明贺兰山土壤受其他影响因子亚高山的影响大于植被类型的变化。李彦娇等[18]对内乡宝天曼自然保护区土壤研究发现：土壤全氮随海拔上升其质量分数增加，是由于海拔的上升导致温度下降，微生物活动减少，以及植物残体的分解，因而增加了土壤中全氮的积累，这与本研究不符。在本研究中贺兰山土壤有机碳质量分数在乔木林与亚高山草甸处较高。这可能是草甸植物不断更替，植物死亡所释放的二氧化碳低于其更新速度，同时高海拔地区降水多温度低，限制了凋落物和根系等的分解，有利于有机碳的积累；同时高海拔地区乔木林土壤有较多养分能够为乔木林提供适宜的生长环境，促进有机物的分解和转化，有利于土壤有机碳的积累。宁朋等[19]研究也认为：在高海拔地区，低温不利于土壤微生物生存，土壤的呼吸代谢作用减弱，有利于土壤有机碳的积累。另外，不同海拔的植被类型各不相同，导致土壤中所残留的凋落物特性存在显著差异，从而改变了土壤有机碳质量分数。在本研究中pH在不同植被类型0~10 cm土层中无显著差异，其原因可能为不同海拔植被类型与土壤具有相互作用，同时对pH的差异具有调节作用，这与在藏东南森林研究的结果一致[20]。速效磷质量分数在本研究中无显著变化规律，可能是由于土壤中的磷与土壤颗粒表面的铁、铝等离子结合，形成难溶性的磷酸盐。在干旱区碱性土壤中，这种吸附作用可能更加显著，导致磷的有效性降低。马剑等[16]研究则认为是由于随海拔上升磷素在土壤中迁移速度较慢，降水对磷素在土壤剖面及表面的迁移影响较弱，致使在不同海拔植被带，土壤速效磷无显著变化规律。
3.2 不同植被类型土壤酶活性变化
蔗糖酶活性不仅决定了土壤中的生物活性，也决定了植物对可溶性营养物质的利用能力[21]。本研究中，蔗糖酶活性在不同植被类型土壤表层无显著差异，但随土层加深呈降低趋势，这与秦燕等[22]、陈志芳等[23]的研究结果一致。可能是随土层加深，土壤密度及空隙度和通气性减小，有机质及养分减少，从而限制了微生物的生长与代谢，进而降低了蔗糖酶的活性。本研究表层土壤中β-葡糖苷酶、纤维二糖水解酶、α-葡糖苷酶活性均有上升趋势，这与李丹丹[24]、姚兰等[25]所得结论一致。表明高海拔植被更多的活性碳可能被土壤微生物分解，同时更有利于土壤养分积累，表层土壤通气及水分保持效能较好，有利于土壤微生物的生长和活动，因而高海拔地区酶活性较高。贺兰山西坡不同植被类型土壤酶活性多为0~10 cm高于10~20 cm土层。可能因为土壤表层的水热条件和通风条件好，腐殖质层养分含量高；同时表层土壤容重随植被根系分布增多而变小，从而促进土壤代谢产酶能力[26]。
3.3 土壤理化性质对酶活性的调控作用
本研究不同植被类型0~10与10~20 cm土层中土壤酶活性与含水率均表现为正相关关系，说明土壤水分有利于各种酶促反应，促进凋落物分解和高分子化合物的形成和积累[27]。在不同植被类型0~10与10~20 cm土层中土壤容重与所有酶活性之间存在着显著负相关，其主要原因为高容重土壤限制了氧气与水分的供应，这与李聪等[28]的研究结果相似。不同植被类型0~10与10~20 cm土层中，β-葡糖苷酶活性与土壤有机碳质量分数呈极显著正相关，与土壤 pH 呈极显著负相关，这与在猫儿山研究结果一致[29]。因为在碱性土壤中，酶的结构和功能可能会发生改变，从而影响其催化活性，同时酶与底物之间的亲和力降低，影响了酶的催化效率。本研究蔗糖酶与pH呈负相关，这与前人得出结论不同[30]，这可能是因为土壤蔗糖酶活性与有机质可以相互促进，协同变化。pH可以影响酶的结构从而影响酶活性[31−32]，蔗糖酶活性最适pH范围为6.5~7.5 [33−34]。本研究仅分析了不同植被类型的土壤酶活性和土壤理化性质的分布特征及相关关系，但土壤酶是一个复合体，土壤理化性质和水热条件的差异都会导致土壤酶活性的变化，因此，在今后的研究中，应综合考虑环境因素对土壤酶活性的影响，同时加强对土壤酶与土壤有机质[35]、土壤质地关系[36]的研究，结合研究区特点，全面深入调查其对环境因子变化的响应。
4. 结论
在贺兰山西坡不同植被类型中，土壤β-葡糖苷酶、纤维二糖水解酶、β-木糖苷酶及α-葡糖苷酶活性在0~10 cm土层随海拔升高整体呈上升趋势，在10~20 cm土层中均呈先下降后上升的趋势，而蔗糖酶与淀粉酶活性无显著变化规律，同时在不同植被类型不同土层中，土壤表层酶活性质量分数高于10~20 cm土层中的酶活性。0~10和10~20 cm土层中土壤有机碳质量分数和含水率均随海拔升高呈上升趋势，对酶活性具有促进作用，而容重与pH随海拔上升呈下降趋势，对酶活性具有抑制作用。
-
图 2 石城县域森林质量等级分布示意图
Figure 2 Distribution map of forest quality grade in Shicheng County
图 3 石城县域小波变换消噪后的降雨-径流
Figure 3 Path diagram of precipitation-runoff depth with wavelet de-noising in Shicheng County
表 1 森林质量等级因子值确定范围
Table 1. Forest quality grade factor value determination range
林冠郁
闭度地表凋落物
覆盖度植被覆盖
度/%森林质量等级
因子值≤0.10 无覆盖 ＜30 0.00~0.10 0.10~0.25 较低 30~45 0.10~0.25 0.25~0.50 一半 45~60 0.25~0.50 0.50~0.75 较高 60~75 0.50~0.75 ＞0.75 全覆盖 ＞75 0.75~1.00 
下载: 导出CSV
表 2 石城县域多年降雨统计分析
Table 2. Distribution characteristics of annual rainfall in Shicheng County
项目 年降雨量/mm 丰水期降雨量/mm 枯水期降雨量/mm 多年 1 831.3 1 228.9 602.4 丰水年 2 340.9 1 553.6 787.4 平水年 1 795.3 1 268.3 527.0 枯水年 1 416.8 936.0 480.8
下载: 导出CSV
表 3 石城县域年径流分布特征
Table 3. Distribution characteristics of annual runoff in Shicheng County
项目 年径流量/亿m3 年径流深/mm 年径流系数 多年 6.69 1 020.1 0.54 丰水年 9.58 1 459.6 0.57 平水年 6.69 1 019.9 0.63 枯水年 4.25 648.2 0.46
下载: 导出CSV
表 4 森林质量等级面积分布
Table 4. Forest quality grade area distribution in each basin
森林质量等级 各年度面积/km2 1989 1995 2001 2006 2010 2017年 0.10 718.01 553.77 335.46 319.81 342.48 91.26 0.25 545.55 417.90 304.19 283.07 299.39 136.09 0.50 157.41 252.81 356.12 283.44 325.30 227.28 0.75 87.02 207.87 312.47 255.17 308.17 566.02 1.00 47.67 122.19 238.35 366.22 284.95 528.13 0.50及以上比例/% 18.78 37.49 58.63 60.01 58.86 85.32
下载: 导出CSV
表 5 石城县域径流年代阶段特征
Table 5. Chronological characteristics of runoff in Shicheng County
所在流域 年份 森林质量
指数降雨量/
mm径流量/
亿m3径流深/
mm径流模数/
(m3·km−2·a−1)丰水期
径流深/mm枯水期
径流深/mm径流系数 丰水期
径流系数枯水期
径流系数石城县域 1989−1993 0.26 1 702.5 6.37 971.08 30.79 654.35 316.10 0.55 0.59 0.49 1994−1998 0.36 2 179.8 9.37 1 427.77 45.27 995.35 433.32 0.65 0.68 0.60 1999−2003 0.49 1 779.4 7.20 1 097.99 34.82 778.76 317.06 0.62 0.63 0.61 2004−2008 0.53 1 716.3 5.48 835.51 26.49 621.80 216.06 0.48 0.49 0.46 2009−2013 0.51 1 727.5 5.70 868.20 27.53 583.73 283.93 0.48 0.49 0.47 2014−2018 0.72 1 882.5 6.04 920.12 29.18 596.18 323.49 0.47 0.46 0.50
下载: 导出CSV
-
[1] 杨飞. 气候变化和人类活动对水资源的影响研究[D]. 西安: 长安大学, 2011. YANG Fei. Study on the Impact of Climatie Change and Human Activities on Water Resources[D]. Xi’an: Chang’an University, 2011. [2] 张利平, 陈小凤, 赵志鹏, 等. 气候变化对水文水资源影响的研究进展[J]. 地理科学进展, 2008, 27(3): 62 − 69. ZHANG Liping, CHEN Xiaofeng, ZHAO Zhipeng, et al. Progress in study of climate change impacts on hydrology and water resources [J]. Prog Geogr, 2008, 27(3): 62 − 69. [3] 陈吉龙. 重庆市三峡库区植被覆盖度的遥感估算及动态变化研究[D]. 重庆: 西南大学, 2010. CHEN Jilong. Analysis of Vegetation Coverage and its Dynamic Change in the Three Gorges Reservoir Areain Chongqing based on Remote Sensing[D]. Chongqing: Southwest University, 2010. [4] 马琦, 王琦. 几种草被植物的水土保持效应研究[J]. 草业科学, 2005, 22(10): 72 − 74. MA Qi, WANG Qi. The effect of several grassy species on soil and water conservation [J]. Pratacultural Sci, 2005, 22(10): 72 − 74. [5] 龚倩倩. 不同尺度的径流变化规律分析研究[D]. 太原: 太原理工大学, 2011. GONG Qianqian. Analyze and Research the Regularity of Different Scales’ Runoff Variation[D]. Taiyuan: Taiyuan University of Technology, 2011. [6] 张晓艳, 刘梅先. 气候变化及人为活动对湘江流域径流和输沙的影响[J]. 水土保持研究, 2018, 25(1): 30 − 37. ZHANG Xiaoyan, LIU Meixian. Effects of climate change and human activities on water and sediment discharge in Xiangjiang Basin [J]. Res Soil Water Conserv, 2018, 25(1): 30 − 37. [7] CHEN Xiqing, ZONG Yongqiang, ZHANG Erfeng, et al. Human impacts on the Changjiang (Yangtze) River basin, China, with reference to the impacts on dry season water discharges sea [J]. Geomorphology, 2001, 41(2/3): 111 − 123. [8] YANG S L, GAO A, HOTZ H M, et al. Trends in annual discharge from the Yangtze River to the sea (1865−2004) [J]. Hydrol Sci J, 2005, 50(5): 825 − 836. [9] XIONG Lihua, GUO Shenglian. Trend test and change-point detection for the annual discharge series of the Yangtze River at the Yichang hydrological station [J]. Hydrol Sci J, 2004, 49(1): 99 − 112. [10] 王超. 黑河上游天老池流域植被变化对降雨径流过程影响研究[D]. 兰州: 兰州大学, 2013. WANG Chao. The Impact of Vegetation Change on Rainfall-runoff Process in Tianlaochi Catchment in Heihe River Basin[D]. Lanzhou: Lanzhou University, 2013. [11] 马娜, 胡云锋, 庄大方, 等. 基于遥感和像元二分模型的内蒙古正蓝旗植被覆盖度格局和动态变化[J]. 地理科学, 2012, 32(2): 251 − 256. MA Na, HU Yunfeng, ZHUANG Dafang, et al. Vegetation coverage distribution and its changes in Plan Blue Banner based on remote sensing data and Dimidiate Pixel Model [J]. Sci Geogr Sin, 2012, 32(2): 251 − 256. [12] 董显聪, 李晓洁. 草原植被覆盖度遥感估算模型的适用性比较[J]. 测绘通报, 2019(10): 17 − 22. DONG Xiancong, LI Xiaojie. Comparison of applicability of remote sensing estimation model for grassland vegetation coverage [J]. Bull Surv Mapp, 2019(10): 17 − 22. [13] 马秀秀, 王雅萍, 程结海, 等. 临汾市近20年植被覆盖度遥感估算及动态变化分析[J]. 能源与环保, 2019, 41(11): 11 − 18. MA Xiuxiu, WANG Yaping, CHENG Jiemei, et al. Remote sensing estimation and dynamic change analysis of vegetation coverage in Linfen City in recent 20 years [J]. China Energy Environ Prot, 2019, 41(11): 11 − 18. [14] 魏石磊, 翟亮, 桑会勇, 等. 像元分解模型的植被覆盖度遥感估算[J]. 测绘科学, 2016, 41(1): 139 − 143. WEI Shilei, ZHAI Liang, SANG Huiyong, et al. Remote sensing estimation of vegetation coverage based on sub-pixel analysis model [J]. Sci Surv Mapp, 2016, 41(1): 139 − 143. [15] 汪国春. 植被变化对流域产流产沙规律的影响研究[D]. 南京: 南京林业大学, 2018. WANG Guochun. Effect of Vegetation Change on Runoff and Sediment Yield in the Basin[D]. Nanjing: Nanjing Forestry University, 2018. [16] 刘永峰, 武俊, 王晓光. 1种基于小波阈值去噪的改进方法[J]. 电脑知识与技术, 2006(8): 154 − 155. LIU Yongfeng, WU Jun, WANG Xiaoguang. A new method based on wavelet thresholding denoising [J]. Comput Knowl Technol, 2006(8): 154 − 155. [17] 翟彦. 小波分析理论在信号处理中的研究及应用[D]. 昆明: 昆明理工大学, 2010. ZHAI Yan. Research and Application of Wavelet Analysis Theory in Signal Processing[D]. Kunming: Kunming University of Science and Technology, 2010. [18] 张仁辉, 杜民. 小波分析在信号去噪中的应用[J]. 计算机仿真, 2005, 22(8): 69 − 72. ZHANG Renhui, DU Min. Application of wavelet analysis in denoise processing [J]. Comput Simulation, 2005, 22(8): 69 − 72. [19] 张娜. 基于小波分析的网格结构信号预处理和去噪研究[D]. 南昌: 南昌大学, 2019. ZHANG Na. Signal Preprocessing and Denoising of Grid Structure Based on Wavelet Analysis[D]. Nanchang: Nanchang University, 2019. [20] 孔玲军. MATLAB小波分析超级学习手册[M]. 北京: 人民邮电出版社, 2014. [21] 张国培. 基于多尺度信号分量的复合结构损伤识别方法研究[D]. 北京: 北京交通大学, 2015. ZHANG Guopei. Study on Damage Detection Method of Composite Structure Based on Multi-resolution Signals [D]. Beijing: Beijing Jiaotong University. [22] 卓金武. MATLAB在数学建模中的应用[M]. 北京: 北京航空航天大学出版社, 2011. [23] 刘昌明. 水文水资源研究理论与实践[M]. 北京: 科学出版社, 2004. [24] 刘道平. 黄浦江上游水源林水文生态功能研究[D]. 南京: 南京林业大学, 2006. LIU Daoping. Study on Hydrological and Ecological Functions of Water Source Forest in the Upper Reaches of Huangpu River[D]. Nanjing: Nanjing ForestryUniversity, 2006. [25] 何玉广, 信忠保, 余新晓, 等. 模拟降雨条件下侧柏林地枯落物对坡面产流产沙的影响[J]. 水土保持学报, 2017, 31(3): 27 − 32, 38. HE Yuguang, XIN Zhongbao, YU Xinxiao, et al. Influence of litter layer of Platycladus orientalis forests on runoff and sediment yield of the slope under simulated rainfall [J]. J Soil Water Conserv, 2017, 31(3): 27 − 32, 38. [26] 代俊峰, 张学洪, 王敦球, 等. 北部湾经济区径流、降雨分配特点及其变化分析[J]. 中国农村水利水电, 2011(6): 6 − 8, 11. DAI Junfeng, ZHANG Xuehong, WANG Dunqiu, et al. Distribution characteristics and change trend of rainfall and runoff in Beibu Gulf [J]. China Rural Water Hydropower, 2011(6): 6 − 8, 11. [27] 李明飞. 基于ArcGIS的地类面积统计工具研发与应用[J]. 测绘与空间地理信息, 2019, 42(8): 135 − 137. LI Mingfei. Development and application of geographic area statistics tools based on ArcGIS [J]. Geomatics Spat Inf Technol, 2019, 42(8): 135 − 137. -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20200505
点击查看大图
计量
- 文章访问数: 1167
- HTML全文浏览量: 390
- PDF下载量: 62
- 被引次数: 0
