不同林龄榧树林地土壤碳氮磷化学计量特征

原雅楠; 李正才; 王斌; 张雨洁; 黄盛怡

doi:10.11833/j.issn.2095-0756.20200761

不同林龄榧树林地土壤碳氮磷化学计量特征

DOI: 10.11833/j.issn.2095-0756.20200761

中国林业科学研究院亚热带林业研究所，浙江杭州 311400

基金项目: 国家重点研发计划项目(2017YFC0505403)

详细信息

作者简介: 原雅楠(ORCID: 0000-0002-3952-5395)，从事森林生态学研究。E-mail: 2711615933@qq.com

通信作者: 李正才(ORCID: 0000-0002-4371-771X)，副研究员，博士，从事森林生态系统碳氮循环研究。E-mail: lizccaf@126.com

中图分类号: S718.5

Stoichiometric characteristics of soil C, N and P in Torreya grandis stands of different ages

Research Institute of Subtropical Forestry, Chinese Academy of Forestry, Hangzhou 311400, Zhejiang, China

摘要: 目的了解不同林龄榧树Torreya grandis林地土壤碳、氮、磷质量分数及生态化学计量特征的变化，为榧树的经营管理和保护提供基础数据。方法以浙江省诸暨市香榧T. grandis‘Merrilli’ 国家森林公园4个不同林龄(0~100、100~300、300~500和＞500 a)的榧树为研究对象，通过野外采集榧树林地不同土层(0~20、20~40和40~60 cm)的土壤样品，分析不同林龄榧树林地土壤碳、氮、磷质量分数及化学计量特征的变化。结果 ①不同林龄榧树林地土壤碳、氮质量分数分别为10.90~24.22、1.22~2.22 g·kg⁻¹，各土层碳、氮质量分数随林龄变化呈先增加后降低的趋势；不同林龄榧树林地土壤磷质量分数为0.24~0.80 g·kg⁻¹，各土层土壤磷质量分数随林龄变化呈先降低后增加的趋势，但差异均不显著(P＞0.05)。②不同林龄榧树林地土壤碳氮比、氮磷比均值分别为8.59~10.89、3.06~6.16，各土层土壤碳氮比、氮磷比随林龄变化呈先增加后降低的趋势，但差异均不显著(P＞0.05)；不同林龄榧树林地土壤碳磷比为31.54~63.72，各土层土壤碳磷比随年龄变化也呈先增加后降低的趋势，部分林龄碳磷比差异显著(P＜0.05)。③榧树各林龄林地土壤碳、氮、磷之间有较强的正相关，碳和氮均达到极显著正相关(P＜0.01)，各林龄土壤磷与碳磷比和氮磷比均存在负相关，碳磷比和氮磷比均达到极显著正相关(P＜0.01)。结论榧树生长主要受到土壤磷的限制，因此对榧树林经营时，可考虑合理添加磷肥来改善土壤肥力，促进土壤与植物之间养分的良性循环。表4参34
- 榧树 /
- 林龄 /
- 土壤 /
- 碳 /
- 氮 /
- 磷 /
- 化学计量
Abstract: Objective This objective is to investigate the contents and stoichiometric characteristics of soil organic C, total N and total P in Torreya grandis stands of different ages, so as to provide basic data for the management and protection of T. grandis. Method T. grandis of four different ages (0−100, 100−300, 300−500 and ＞500 a) were selected from Zhuji National Forest Park of T. grandis‘Merrilli’ in Zhejiang Province. Soil samples were collected from different soil layers (0−20, 20−40, 40−60 cm) to analyze the content and stoichiometric characteristics of soil C, N, and P in T. grandis stands of different ages. Result (1) The contents of soil organic C and total N at four ages were 10.90−24.22 and 1.22−2.22 g·kg⁻¹ respectively, which increased first and then decreased with forest age, but without significant differences. The contents of soil total P ranged from 0.24 to 0.80 g·kg⁻¹, which decreased first and then increased with forest age, but the differences were not significant(P＞0.05). (2) The average values of soil C∶N and N∶P at four ages were 8.59−10.89 and 3.06−6.16 respectively, which increased first and then decreased with forest age, but the differences were not significant(P＞0.05). The soil C∶P ratio was 31.54−63.72 at different forest ages, which showed a trend of decreasing first and then increasing with age, and the C∶P ratio of some forest ages had significant differences(P＜0.05). (3) There was a significant positive correlation between soil C, N, and P contents at different forest ages, and extremely significant positive correlation between C and N (P＜0.01). There was a significant negative correlation between P and C∶P ratio, P and N∶P ratio, and an extremely significant positive correlation between C∶P ratio and N∶P ratio(P＜0.01). Conclusion The growth of T. grandis is mainly limited by soil P. Therefore, reasonable addition of P fertilization can be considered to improve soil fertility and nutrient cycling between plant and soil. [Ch, 4 tab. 34 ref.]
- Torreya grandis /
- stand age /
- soil /
- C /
- N /
- P /
- stoichiometry

森林在陆地生态系统中发挥着重要的碳汇作用。森林生物量的空间精准量化对了解陆地碳储量、碳收支、碳平衡，以及它们与全球气候变化之间的关系具有重要意义^[1-3]。森林地上生物量(AGB)为林木干、枝、叶的有机体干质量，不含林木根部、灌木、草本及林下枯枝落叶，是森林生物量的主体部分。近年来，采用遥感技术反演森林AGB展露出巨大的潜力，光学、激光雷达(LiDAR)、被动微波雷达和合成孔径雷达(SAR)等多种遥感数据用于森林AGB的估测，使得森林AGB估测的区域尺度性、经济性及精度等不断提升^[3-7]。其中，SAR不受天时、天气的影响，且微波波长较长，在森林中具有较强的穿透能力，因此在获取森林密度、树高、AGB等森林垂直结构因子方面极具潜力^{[2, 8-10]}。SAR估测森林AGB的能力有赖于其工作频率的高低，大量研究证实了低频波段后向散射对森林AGB变化的敏感性更强。在常用于森林监测的微波波段中，频率较低的P波段SAR后向散射系数对森林AGB变化最为敏感^[11-13]。目前P波段的研究多基于机载数据展开，且研究区多位于国外，而国内相关研究则开展较少。CARTUS等^[1]基于AfriSAR、BioSAR和TropiSAR机载飞行试验，使用P、C、L波段联合进行了森林AGB反演，结果表明P波段与森林结构因子的树干、树枝的相关性较高，P波段的加入有力地提高了反演的准确度和精度。LIAO等^[14]使用TropiSAR机载P波段数据，采用层析方法(TomoSAR)将相干幅度、干涉相位和后向散射特征建模对法属圭亚那热带雨林AGB进行了反演，结果表明树高特征的引入可有效提高森林AGB反演精度，决定系数(R²)最高可达0.7。冯琦等^[10]使用国产机载P波段数据结合坡度因子，在考虑当地入射角和坡度的情况下建立对数统计模型，对内蒙古根河市生态站的寒温带针叶林进行森林AGB的反演，最高反演精度R²为0.634、均方根误差(RMSE)为12.07 t·hm⁻²。

现有采用P波段SAR数据进行的森林AGB估测，多集中在采用P波段的后向散射信息、相位和相干性信息，而对于极化信息的利用则较少。由于SAR信息的差异，使得其用于森林AGB估测的方法也差异明显，如采用后向散射信息估测森林地上生物量，多采用线性回归参数模型；而采用相位和相干性信息利用层析技术进行森林AGB估测则多基于植被微波散射模型或电磁波信号模型进行反演。线性回归模型简单灵活，但通常无法表征P波段特征与森林AGB变化之间的复杂关系；植被散射模型或者电磁波信号模型能够体现森林与P波段电磁波之间的部分物理作用机制，但模型较复杂，应用推广困难。

近年来，随着极化SAR数据的丰富，可提取的极化SAR特征涌现，非参数模型被广泛应用于SAR极化特征农作物生长参数的定量反演，并表现出较强的反演能力和较好的应用推广性。鉴于P在森林监测中的潜力，其极化特征在森林AGB估测中并未深入探索，参数模型过于简单、植被微波散射模型理解过于困难，本研究以中国北方典型寒温带森林作为研究对象，使用机载P波段SAR数据，提取多种极化特征，在分析其P波段极化散射特征的基础上，探索采用参数和非参数模型进行森林AGB估测的可行性，旨在明确P波段森林的极化散射特征，探索采用P波段极化SAR数据进行森林AGB估测具体应用的有效方法。

1. 研究区概况

研究区为位于内蒙古呼伦贝尔盟的根河市大兴安岭森林生态系统国家野外科学观测研究站(大兴安岭生态站)，50°49′~50°51′N，121°30′~121°31′E。该研究站是中国纬度最高的森林生态研究站，面积为102 km²。研究区气候类型为典型的寒温带大陆性季风气候。研究区地势相对平缓，区域内80%的坡度小于15°，海拔高度分布在800~1 200 m，森林覆盖率大于75%，主要树种为兴安落叶松Larix gmelinii、白桦Betula platyphylla、樟子松Pinus sylvestris var. mongolica等。

2. 数据获取与预处理

2.1 P波段SAR数据获取与预处理

采用的P波段SAR数据由机载CAMSAR系统获得^[15]。通过协议方式获取根河实验区机载P波段全极化(HH/HV/VV/VH) SLC数据。该数据是2013年9月以“奖状Ⅱ”飞机平台，以CASMSAR系统右视观测获取的全极化SAR数据。获取过程中飞行方向为自西向东，飞行高度为5 807 m，获取时间为2013年9月13—16日，极化方式为HH/HV/VH/VV，产品模式为SLC，幅宽为6 km × 7 km，中心入射角为55.058°，距离向分辨率为0.666 m，方位向分辨率为0.625 m。机载P波段SAR数据的预处理关键步骤包括多视处理、正射校正、入射角校正和极化方位角校正。多视视数在距离向和方位向均为3，数据的正射校正、入射校正参考文献[10]；极化方位角校正过程和算法见文献[16]。P波段SAR数据预处理结果、森林AGB抽样点及林分概况见图1。

图 1 P波段SAR数据(A)及其覆盖区样点分布(B)、林分概况(C)

Figure 1 P band SAR data (A), the distribution of samples (B) and stand examples (C)

下载: 全尺寸图片幻灯片

2.2 激光雷达(LiDAR)数据获取与预处理

LiDAR获取的数字表面模型(DSM)、数字高程模型(DEM)用于P波段SAR数据的地理编码，由冠层高度模型(CHM)获取的LiDAR森林AGB数据用于反演模型的训练及验证。本研究获取的机载LiDAR数据是将Leica机载雷达系统荷载于“运-5”飞机平台上，于2012年8—9月在根河实验区开展飞行任务。该原始数据密度为5.6个·m⁻²的点云数据，激光中心波谱值为1550 nm，在初始点云数据的基础上，提取了研究区域高精度的DEM (图2A)、CHM (图2B)和森林AGB(图2C)等衍生产品。DSM、DEM、CHM数据的详细生成方法参考文献[17]，高精度LiDAR森林AGB的详细提取过程与方法参考文献[10,18]。

图 2 LiDAR衍生数据

Figure 2 Lidar derived data

下载: 全尺寸图片幻灯片

为保证建模样本和验证样本能够代表整个研究区的森林AGB水平，以高精度LiDAR森林AGB图为基础，按照750 m的空间采样间隔，在ArcGIS中采用交互人工干预(去除道路及裸露地物)的方法选取113个样点(图1B)作为森林AGB反演模型的训练与验证。机载P波段SAR数据覆盖区森林林相不均匀，平均AGB较低，约46.7 t·hm⁻²，且大于100 t·hm⁻²的采样点仅有5个。113个样点AGB以10 t·hm⁻²间隔得分布情况(图1B)：0~10 t·hm⁻²，3个；＞10~20 t·hm⁻²，14个；＞20~30 t·hm⁻²，17个；＞30~40 t·hm⁻²，17个；＞40~50 t·hm⁻²，18个；＞50~60 t·hm⁻²，14个；＞60~70 t·hm⁻²，10个；＞70~80 t·hm⁻²，8个；＞80~90 t·hm⁻²，7个；＞90 t·hm⁻²，5个。

3. 方法

3.1 森林P波段极化散射特征分析

极化目标分解方法是从全极化数据中提取地物极化信息的有效方法，目前多种极化分解参数在森林类型识别中表现出巨大的潜力。本研究采用目前常用的极化后向散射系数、常用的3种极化分解方法提取极化SAR特征，并基于此分析森林的极化散射特征。提取P波段HH、HV和VV等3个极化的后向散射系数，基于3个后向散射系数的雷达植被指数(RVI)、极化辨别率参数(PDR)；基于Freeman-Durden三分量分解的体散射分量(FVOL)、单次散射分量(FODD)、二次散射分量(FDBL)、体地散射比分量(FD1/FD2，1表示地散射分量是ODD和DBL的和，2表示地散射分量仅为ODD)；基于Yamaguchi的体散射分量(YVOL)、单次散射分量(YODD)、二次散射分量(YDBL)、螺旋体散射分量(YHLX)；基于H-A-ALPHA极化分解的极化散射熵(entropy)、反熵(anisotropy)、散射角(alpha)、目标方位向角(beta)、相位差角1(gamma)、相位差角2(delta)。3种极化分解方法参考文献[19-20]。由于本次飞行试验时并未布设角反射器用于定标，因此本研究使用的后向散射系数值仅有相对含义。

森林在P波段极化特征响应分析的目的是为了确定P波段对森林AGB动态变化敏感的极化特征参数，从而确定有效的极化特征参数进行森林AGB的估测。将研究区的森林AGB划分为A (表示生物量在0~30 t·hm⁻²变化时对应后向散射系数的箱线变化，均值约20 t·hm⁻²)，B (31~50 t·hm⁻²，40 t·hm⁻²)，C (51~70 t·hm⁻²，60 t·hm⁻²)，D (71~90 t·hm⁻²，80 t·hm⁻²)，E (＞91 t·hm⁻²，100 t·hm⁻²)等5个变化等级，分别制作各等级相应P波段SAR提取参数值的箱线图，分析研究区各极化特征参数对森林AGB动态变化的响应，进而分析其极化散射特征。为了定量的分析各极化特征与森林AGB变化的关系，计算了它们之间的皮尔逊相关系数及显著性水平。

3.2 森林AGB估测方法

3.2.1 多元线性逐步回归模型

多元线性逐步回归模型(MLR)是森林AGB估测中最常用、最经典的方法之一。与常规的线性回归模型相比，MLR可同时完成模型输入参数的优选，进而提高森林AGB估测的效率和精度。MLR是将自变量逐个引入，每次判断自变量对因变量影响的显著性，并对模型中的自变量进行检验，逐个从模型中剔除不显著的变量，从而得到最优模型。即在保证显著性值在0.05以下的情况下，筛选相关性高的特征变量，进而得到因变量的最优估计。MLR的实现算法详见文献[21]。

3.2.2 KNN、SVR、RF非参数模型

KNN^[22-25]、SVR^{[22, 24]}和RF^{[24, 26]}是森林AGB估测中常用的非参数模型，与参数模型相比，无固定的模型结构，通常通过数据驱动的方法来确定模型结构并用于森林AGB的估测，因此也称为机器学习方法。在森林AGB估测中，这3种方法各有优势，因此选取这3种方法来探究非参数方法在P波段森林AGB估测中的潜力。

3.3 P波段森林AGB估测结果精度验证

反演结果精度的定量评价通过反演结果与真值之间的决定系数(R²)、均方根误差(RMSE)、平均绝对误差(MAE)、估测精度(Acc)来表征。这4个参数的计算公式参考文献[27]。

4. 结果与分析

4.1 森林P波段极化散射特征分析

本研究获取的P波段中心波长为64 cm，该波段在森林中的穿透性较强。由图3可知：P波段20个SAR特征均表现出对研究区森林AGB变化的敏感性。P波段3种极化方式后向散射系数对森林AGB在0~110 t·hm⁻²内动态变化的响应与已有研究^[28]相似，即后向散射系数的值均随着森林AGB的升高而缓慢增长。在各森林AGB水平中，HH、HV和VV散射能量强度相差并不明显，并且从箱线图(图3)的中值可以看出：HH的单调增长趋势较其他2个极化明显，且异常值较少。这可能是由于P波段波长较长，比较粗树干等圆柱体形状的散射体为森林中的散射体，使得去极化特征明显降低，因此同极化的HH和VV后向散射能量对AGB变化的敏感性明显高于HV^[29]。此外，由后向散射系数计算的RVI也随着森林AGB增加而单调增加且未出现饱和现象，并且通过箱线图的宽度变化可以看出：各水平RVI箱宽变化不明显，说明该值对森林结构的变化不敏感，而对森林AGB的变化比较敏感。相比RVI，PDR非单调增长，在不同森林AGB水平，占主导散射的散射体会发生明显变化^[30-31]，该现象也可由Freeman-Durden中各个参数随森林AGB变化的响应加以说明。P波段Freeman-Durden分解相关特征中，除FODD和FDBL外，均随着森林AGB的增加而增加，并且2种体地散射比的值均远远大于1。Yamaguchi分解特征对森林AGB的响应趋势与Freeman-Durden分解相关特征的趋势基本一致。P波段H-A-ALPHA分解提取的参数中，散射熵(entropy)随着森林AGB增加而单调增加，而alpha则敏感性不明显。但beta、gamma和delta对森林AGB变化的敏感性则高于散射角alpha。P波段森林的极化散射特征随森林AGB的变化与已有研究中短波长的研究差异明显，说明现有的极化分解建模方法与该森林AGB水平P波段的散射特征有明显差异。

图 3 P波段森林散射机制分析

Figure 3 Forest scattering mechanism analysis at P band

下载: 全尺寸图片幻灯片

由表1可知：极化分解中表征体散射分量的极化特征与森林AGB变化的显著性较低或不存在显著性，而二次散射特征分量则与森林AGB变化具有强相关性且显著性水平最高。这说明在本研究区，树干与地表形成的二次散射对森林AGB的变化最为敏感，且目前极化分解中的体散模型并不适合P波段研究区森林AGB水平下森林的散射机制。表1的定量分析结果与图4的定性分析结果对比可知：由于各极化参数的值域范围差异明显，图3对森林AGB敏感性较明显的参数在定量分析时相关性并不一定最高，因此图4的分析仅可作为初步参考，对于森林AGB敏感的极化特征参数的分析，仍需要采用皮尔逊系数进行相关性定量分析。

表 1 P波段SAR极化特征与森林AGB相关性分析

Table 1 Correlation coefficients of polarization feature and forest AGB

特征	R	P	特征	R	P	特征	R	P
HH	0.401**	0	F_VOL	−0.129	0.173	alpha	−0.734**	0
HV	−0.249**	0.008	Y_DBL	0.719**	0	beta	0.037	0.696
VV	−0.322**	0	Y_ODD	0.323**	0	delta	0.221*	0.018
FD1	−0.453**	0	Y_VOL	−0.213*	0.024	gamma	0.314**	0.001
FD2	−0.448**	0	Y_HLX	0.187*	0.047	PDR	0.629**	0
F_DBL	0.650**	0	entropy	−0.136	0.151	RVI	−0.374**	0
F_ODD	0.303**	0.001	anisotropy	0.436**	0
说明：R代表Pearson相关系数；P代表显著性水平，*代表0.01水平上显著；代表0.05水平上显著

下载: 导出CSV

| 显示表格

图 4 4种模型森林AGB估测与LiDAR抽样点散点图

Figure 4 Scatter plots of estimated and LiDAR forest AGB of four models

下载: 全尺寸图片幻灯片

4.2 森林AGB估测结果分析

从表2可知：4种模型中，MLR模型估测结果精度最低，RF精度最高；而KNN和SVR模型的估测精度则相近，R²相同，RMSE、MAE和Acc也基本相同，比RF估测结果的最高值仅低约2%。

表 2 基于4种模型的P波段SAR 森林AGB估测结果

Table 2 P band SAR forest AGB inversion using four models

波段	反演模型	模型参数	R²	RMSE	Acc/%	MAE
P	MLR	显著性为0.0008	0.43	19.16	63.55	16.99
	KNN	K值为11，欧氏距离	0.54	17.04	71.18	13.44
	SVR	惩罚系数7.0	0.54	17.09	71.15	13.45
	RF	决策树数为100，树深度为11	0.60	15.98	72.97	12.60

下载: 导出CSV

| 显示表格

从图4可看出：在整个森林AGB分布中，MLR估测结果分布较其他3种非参数方法分散，在森林AGB大于80 t·hm⁻²时出现了明显的饱和低估现象。其他3种方法尽管也有低估的现象，但是饱和现象并不明显。此外，本研究中4种方法估测结果的相对误差约30%，而以往区域性森林AGB的估测误差为37%~67%^[32]，采用P波段HV后向散射系数的估测结果中，同质性森林地区的相对误差约13%，而异质性地区相对误差则约60%^[28]。在采用L-波段极化分解参数进行森林AGB反演研究中，在森林AGB水平低于120 t·hm⁻²时，后向散射的特征优于3种极化分解的特征，这与本研究中P波段的研究结果基本一致^[33]。4种方法的估测结果中均出现了低值高估和高值低估的现象，这与以往采用不同遥感数据源进行森林AGB估测的结果一致^[32]。图5中，RF的残差分布最接近高斯分布，尽管峰值出现在10 t·hm⁻²左右，由于其值分布较窄，因此具有较高的估测精度。KNN和SVR的残差分布图均较为连续，并且分布区间明显高于MLR，但由于正值占比较大，因此总体上呈现高估现象。MLR估测结果的残差分布图在10和20 t·hm⁻²出现了2个明显的峰值，且所有残差值的分布范围较宽，解释了其估测精度低于其他3种方法的原因。在ENGHART等^[34]基于C和L-波段参数和非参数方法森林AGB估测的研究中，也发现MLR的估测结果要略低于非参数模型。然而参数和非参数模型的适用性还受到训练样本大小的影响，因此在训练样本较大时可选择非参数模型进行估测，当样本较小时则可优先选择MLR方法进行森林AGB估测^[32]。

图 5 森林AGB估测结果与LiDAR抽样点差值直

Figure 5 Histograms of difference between forest AGB estimation results and LiDAR sampling points

下载: 全尺寸图片幻灯片

为了进一步分析P波段极化特征对森林AGB估测的潜力，本研究将研究区森林AGB划分为不同的等级，然后采用4种估测模型中估测结果最优的RF模型进行估测，估测结果见表3。在本研究中将森林AGB划分为3组，其中第1组分别以30、60 t·hm⁻²为边界划分为3个子组；而第2组和第3组分别以40和50 t·hm⁻²为界划分为2个子组。由表3可知：分组界限不同，估测精度有明显的差异，分组划分越详细，估测精度(Acc)越高；此外，3种分组情况的估测结果均表明：在森林AGB平均值约45 t·hm⁻²，最高值不超过120 t·hm⁻²时，P波段在森林AGB水平较高的分组估测精度较高，如在第1组中，森林AGB大于30 t·hm⁻²分组的估测精度比小于30 t·hm⁻²分组的估测精约高5%；而在以50 t·hm⁻²为分组界限的2组中，森林高AGB组的估测精度比低AGB组的估测精度约高出6%。表3的结果分析表明：待估森林的AGB水平对P波段极化特征进行森林AGB估测的估测精度有明显影响，且P波段极化信息更适合森林AGB较高区域森林AGB的估测。

表 3 基于4种模型的P波段SAR 森林AGB反演情况　　　　　

Table 3 P band SAR forest AGB inversion based on four models

序号	AGB分段/ (t·hm⁻²)	R²	RMSE/ (t·hm⁻²)	Acc/%
1	0~30	0.55	4.92	76.12
	30~60	0.13	7.95	81.85
	＞60	0.25	14.89	81.57

2	0~50	0.47	8.46	72.15
2	＞50	0.30	15.80	78.19

3	0~40	0.48	6.52	74.36
3	＞40	0.36	16.21	74.82

下载: 导出CSV

| 显示表格

5. 结论

针对P波段极化SAR数据在森林AGB估测中的潜力，提取了20个P波段极化SAR参数，探索了森林AGB估测中常用的MLR、KNN、SVR和RF方法在使用P波段极化SAR数据进行森林AGB估测的潜力。结果表明：P波段极化SAR信息在森林AGB估测中具潜力，但估测精度受到待估区域森林AGB水平高低的影响；4种估测方法中，非参数方法的估测结果明显优于MLR估测。P波段森林AGB估测结果中，同样存在AGB低值高估和高值低估的现象，其原因仍需要进一步探索。此外由于本研究区的森林AGB均值为45 t·hm⁻²，最高值低于120 t·hm⁻²，所以P波段极化信息在AGB高于120 t·hm⁻²的森林覆盖区中对森林AGB的估测能力仍有待进一步研究。

表 1 调查样地基本情况

Table 1. General information of sample plots

林龄/a	平均胸径/cm	平均树高/m	平均坡度/(°)	平均海拔/m	土壤 pH	分布情况
0~100	35.56	10	27	512	4.76	单株
100~300	57.11	17	24	532	4.95	单株
300~500	60.19	17	27	472	4.85	单株
＞500	99.15	19	36	514	5.25	单株

下载: 导出CSV

表 2 不同林龄榧树林地土壤碳、氮、磷的质量分数　　　

Table 2. Soil C, N, and P contents in four ages of T. grandis

土层/cm	林龄/a	碳/(g·kg⁻¹)	氮/(g·kg⁻¹)	磷/(g·kg⁻¹)
0~20	0~100	20.21±2.29 a	1.86±0.17 a	0.80±0.48 a
	100~300	24.22±5.83 a	2.22±0.47 a	0.40±0.13 a
	300~500	22.07±1.70 a	2.12±0.29 a	0.53±0.28 a
	＞500	21.28±6.80 a	2.02±0.53 a	0.69±0.25 a

20~40	0~100	12.27±1.52 a	1.28±0.21 a	0.46±0.19 a
	100~300	16.75±6.87a	1.61±0.56 a	0.26±0.07 a
	300~500	15.02±1.00 a	1.62±0.34 a	0.36±0.07 a
	＞500	14.23±8.50 a	1.44±0.69 a	0.38±0.13 a

40~60	0~100	10.90±2.96 a	1.22±0.26 a	0.33±0.08 a
	100~300	15.20±4.79 a	1.42±0.44 a	0.24±0.06 a
	300~500	15.97±3.21 a	1.55±0.10 a	0.34±0.08 a
	＞500	13.16±8.05 a	1.43±0.55 a	0.32±0.14 a
说明：同列不同字母表示同一土层不同林龄间差异显著　　　　　(P＜0.05)

下载: 导出CSV

表 3 不同林龄榧树林地土壤碳氮比、碳磷比、氮磷比

Table 3. Ratios of soil C∶N, C∶P, and N∶P in four ages of T. grandis

土层/cm	林龄/a	碳氮比	碳磷比	氮磷比
0~20	0~100	10.85±0.65 a	35.03±26.80 a	3.32±2.73 a
	100~300	10.89±0.60 a	62.78±16.33 a	5.80±1.63 a
	300~500	10.47±1.01 a	49.88±25.89 a	4.71±2.37 a
	＞500	10.38±0.89 a	31.54±6.21 a	3.06±0.65 a

20~40	0~100	9.66±0.41 a	32.00±18.08 b	3.35±1.96 a
	100~300	10.27±0.71 a	63.72±15.73 a	6.16±1.08 a
	300~500	9.75±1.03 a	47.03±14.61 ab	4.82±1.45 a
	＞500	9.34±1.72a	35.03±13.01 ab	3.66±0.82 a

40~60	0~100	8.87±0.75 a	35.27±16.52 b	3.89±1.52 a
	100~300	10.71±0.26 a	62.01±6.22 a	5.79±0.47 a
	300~500	9.88±1.12 a	45.73±15.65 ab	4.62±1.56 a
	＞500	8.59±3.11 a	40.51±21.31 ab	4.51±1.09 a
说明：同列不同字母表示同一土层不同林龄间差异显著　　　　　(P＜0.05)

下载: 导出CSV

表 4 各林龄榧树林地土壤碳、氮、磷质量分数及化学计量比相关关系

Table 4. Relationship between soil C, N, P contents and stoichimetric in four ages

林龄/a	指标	碳	氮	磷	碳氮比	碳磷比	氮磷比
0~100	碳	1
	氮	0.979**	1
	磷	0.715*	0.625	1
	碳氮比	0.859**	0.746*	0.719*	1
	碳磷比	−0.002	0.080	−0.687*	−0.102	1
	氮磷比	−0.120	−0.025	−0.768*	−0.235	0.990**	1

100~300	碳	1
	氮	0.993**	1
	磷	0.765*	0.745*	1
	碳氮比	0.640	0.544	0.558	1
	碳磷比	0.453	0.457	−0.215	0.279	1
	氮磷比	0.299	0.329	−0.372	0.025	0.967**	1.000

300~500	碳	1
	氮	0.904**	1
	磷	0.290	0.449	1
	碳氮比	0.384	−0.043	−0.236	1
	碳磷比	0.446	0.283	−0.698*	0.388	1
	氮磷比	0.361	0.297	−0.699*	0.156	0.970**	1

＞500	碳	1
	氮	0.987**	1
	磷	0.812**	0.814**	1
	碳氮比	0.861**	0.778*	0.582	1
	碳磷比	0.424	0.355	−0.123	0.670*	1
	氮磷比	0.017	−0.011	−0.510	0.222	0.870**	1
说明：表示P＜0.05，*表示P＜0.01

下载: 导出CSV

[1]	YANG Cao, CHEN Yunming. Ecosystem C∶N∶P stoichiometry and carbon storage in plantations and a secondary forest on the Loess Plateau, China [J]. Ecol Eng, 2017, 105: 125 − 132.
[2]	WANG Anjing, WANG Wenjie, SU Hongyan, et al. Effect of forest and farm on vertical patterns of soil carbon, nitrogen and other parameters in Northeast China [J]. Bull Bot Res, 2012, 32(3): 331 − 338.
[3]	阎恩荣, 王希华, 郭明, 等. 浙江天童常绿阔叶林、常绿针叶林与落叶阔叶林的C∶N∶P化学计量特征[J]. 植物生态学报, 2010, 34(1): 48 − 57. YAN Enrong, WANG Xihua, GUO Ming, et al. C∶N∶P stoichiometry across evergreen broad-leaved forests, evergreen coniferous forests and deciduous broad-leaved forests in the Tiantong region, Zhejiang Province, eastern China [J]. Chin J Plant Ecol, 2010, 34(1): 48 − 57.
[4]	FAN Houbao, WU Jianping, LIU Wenfei, et al. Linkages of plant and soil C∶N∶P stoichiometry and their relationships to forest growth in subtropical plantations [J]. Plant Soil, 2015, 392(1/2): 127 − 138.
[5]	崔宁洁, 刘小兵, 张丹桔, 等. 不同林龄马尾松Pinus massoniana人工林碳氮磷分配格局及化学计量特征[J]. 生态环境学报, 2014, 23(2): 188 − 195. CUI Ningjie, LIU Xiaobing, ZHANG Danju, et al. The distribution pattern of carbon, nitrogen and phosphorus and the stoichiometry characteristics of Pinus massoniana plantation in different ages [J]. Ecol Environ Sci, 2014, 23(2): 188 − 195.
[6]	曹娟, 闫文德, 项文化, 等. 湖南会同3个林龄杉木人工林土壤碳、氮、磷化学计量特征[J]. 林业科学, 2015, 51(7): 1 − 8. CAO Juan, YAN Wende, XIANG Wenhua, et al. Stoichiometry characterization of soil C, N, and P of Chinese fir plantations at three different ages in Huitong, Hunan Province, China [J]. Sci Silv Sin, 2015, 51(7): 1 − 8.
[7]	雷丽群, 卢立华, 农友, 等. 不同林龄马尾松人工林土壤碳氮磷生态化学计量特征[J]. 林业科学研究, 2017, 30(6): 954 − 960. LEI Liqun, LU Lihua, NONG You, et al. Stoichiometry characterization of soil C, N and P of Pinus massoniana plantations at different age stages [J]. For Res, 2017, 30(6): 954 − 960.
[8]	曾凡鹏, 迟光宇, 陈欣, 等. 辽东山区不同林龄落叶松人工林土壤-根系C∶N∶P生态化学计量特征[J]. 生态学杂志, 2016, 35(7): 1819 − 1825. ZENG Fanpeng, CHI Guangyu, CHEN Xin, et al. The stoichiometric characteristics of C, N and P in soil and root of larch (Larix spp.) plantation at different stand ages in mountainous region of eastern Liaoning Province, China [J]. Chin J Ecol, 2016, 35(7): 1819 − 1825.
[9]	程晓建, 黎章矩, 喻卫武, 等. 榧树的资源分布与生态习性[J]. 浙江林学院学报, 2007, 24(4): 383 − 388. CHENG Xiaojian, LI Zhangju, YU Weiwu, et al. Distribution and ecological characteristics of Torreya grandis in China [J]. J Zhengjiang For Coll, 2007, 24(4): 383 − 388.
[10]	江波, 周先容, 尚进, 等. 中国特有植物巴山榧树的种群结构与动态[J]. 生态学报, 2018, 38(3): 1016 − 1027. JIANG Bo, ZHOU Xianrong, SHANG Jin, et al. Population structure and dynamics of Torreya fargesii Franch., a plant endemic to China [J]. Acta Ecol Sin, 2018, 38(3): 1016 − 1027.
[11]	吴连海, 吴黎明, 倪荣新, 等. 香榧栽培经济效益分析[J]. 浙江农林大学学报, 2013, 30(2): 299 − 303. WU Lianhai, WU Liming, NI Rongxin, et al. Economic benefits of Torreya grandis ‘Merrillii’ plantings [J]. J Zhejiang A&F Univ, 2013, 30(2): 299 − 303.
[12]	张雨洁, 王斌, 李正才, 等. 不同树龄香榧土壤有机碳特征及其与土壤养分的关系[J]. 西北植物学报, 2018, 38(8): 149 − 157. ZHANG Yujie, WANG Bin, LI Zhengcai, et al. Relationships between soil organic carbon characteristics and soil nutrients for different tree-age Torreya grandis [J]. Acta Bot Boreali-Occident Sin, 2018, 38(8): 149 − 157.
[13]	原雅楠, 李正才, 王斌, 等. 榧树种内C、N、P生态化学计量特征研究[J]. 林业科学研究, 2019, 32(6): 73 − 79. YUAN Ya’nan, LI Zhengcai, WANG Bin, et al. Stoichiometric characteristics of C, N and P in different varieties of Torreya grandis [J]. For Res, 2019, 32(6): 73 − 79.
[14]	鲁如坤. 土壤农业化学分析方法[M]. 北京: 中国农业科技出版社, 2000.
[15]	张芸, 李惠通, 张辉, 等. 不同林龄杉木人工林土壤C∶N∶P化学计量特征及其与土壤理化性质的关系[J]. 生态学报, 2019, 39(7): 2520 − 2531. ZHANG Yun, LI Huitong, ZHANG Hui, et al. C∶N∶P stoichiometry and its relationship with the soil physicochemical properties of different aged Chinese fir (Cunninghamia lanceolata) plantations [J]. Acta Ecol Sin, 2019, 39(7): 2520 − 2531.
[16]	杨好运, 贾国梅, 杜祥运, 等. 不同林龄柑橘园碳氮磷分配及生态化学计量特征研究[J]. 湖北农业科学, 2016, 55(6): 1402 − 1405. YANG Haoyun, JIA Guomei, DU Xiangyun, et al. Study on the distribution of carbon, nitrogen and phosphorus and the ecological stoichiometry in citrus plantation of different stand age [J]. Hubei Agric Sci, 2016, 55(6): 1402 − 1405.
[17]	胡士达. 不同林龄闽楠人工林生态化学计量特征研究[D]. 长沙: 中南林业科技大学, 2017. HU Shida. Studies on Ecological Stoichiometry of Phoebe Plantation in Different Ages[D]. Changsha: Central South University of Forestry and Technology, 2017.
[18]	陈东升, 孙晓梅, 张守攻. 不同年龄日本落叶松人工林生物量、碳储量及养分特征[J]. 应用生态学报, 2016, 27(12): 3759 − 3768. CHEN Dongsheng, SUN Xiaomei, ZHANG Shougong. Biomass, carbon storage and nutrient characteristics in Larix kaempferi plantations at different stand ages [J]. Chin J Appl Ecol, 2016, 27(12): 3759 − 3768.
[19]	苗娟, 周传艳, 李世杰, 等. 不同林龄云南松林土壤有机碳和全氮积累特征[J]. 应用生态学报, 2014, 25(3): 625 − 631. MIAO Juan, ZHOU Chuanyan, LI Shijie, et al. Accumulation of soil organic carbon and total nitrogen in Pinus yunnanensis forests at different age stages [J]. Chin J Appl Ecol, 2014, 25(3): 625 − 631.
[20]	许宇星, 王志超, 竹万宽, 等. 雷州半岛不同林龄桉树人工林土壤化学计量特征[J]. 云南农业大学学报(自然科学版), 2019, 34(3): 124 − 131. XU Yuxing, WANG Zhichao, ZHU Wankuan, et al. Soil ecological stoichiometric characteristics of Eucalyptus urophylla×E. grandis in different ages on the Leizhou Peninsula [J]. J Yunnan Agric Univ Nat Sci, 2019, 34(3): 124 − 131.
[21]	曹娟, 闫文德, 项文化, 等. 湖南会同不同年龄杉木人工林土壤磷素特征[J]. 生态学报, 2014, 34(22): 6519 − 6527. CAO Juan, YAN Wende, XIANG Wenhua, et al. Characteristics of soil phosphorus in different aged stands of Chinese fir plantations in Huitong, Hunan Province [J]. Acta Ecol Sin, 2014, 34(22): 6519 − 6527.
[22]	MAJDA H, OHRVIK J. Interactive effects of soil warming and fertilization on root production, mortality in Norway spruce stand in Northern Sweden [J]. Global Change Biol, 2004, 10(2): 182 − 188.
[23]	BATJES N H. Total carbon and nitrogen in the soils of the world [J]. Eur J Soil Sci, 1996, 47(2): 151 − 163.
[24]	NCUFCLDT H, DA SILVA J E, AYARZA M A, et al. Land-use effects on phosphorus fractions in Cerrado oxisols [J]. Biol Fertil Soils, 2000, 31(1): 30 − 37.
[25]	BENGTSSON G, BENGTSON P, MANSSON K F. Gross nitrogen mineralization, immobilization, and nitrification rates as a function of soil C/N ratio and microbial activity [J]. Soil Biol Biochem, 2003, 35(1): 143 − 154.
[26]	曹小玉, 李际平, 杨静, 等. 不同龄组杉木林土壤碳、氮、磷的生态化学计量特征[J]. 土壤, 2019, 51(2): 290 − 296. CAO Xiaoyu, LI Jiping, YANG Jing, et al. Stoichiometric characterization of soil C, N, and P of different age-group Chinese fir plantations [J]. Soils, 2019, 51(2): 290 − 296.
[27]	YANG Yuanhe, LUO Yiqi, FINZI A C. Carbon and nitrogen dynamics during forest stand development: a global synthesis [J]. New Phytol, 2011, 190(4): 977 − 989.
[28]	YANG Yuanhe, FANG Jingyun, GUO Dali, et al. Vertical patterns of soil carbon, nitrogen and carbon: nitrogen stoichiometry in Tibetan grasslands [J]. Biogeosci Discuss, 2010, 7(1): 1 − 24.
[29]	王绍强, 于贵瑞. 生态系统碳氮磷元素的生态化学计量学特征[J]. 生态学报, 2008, 28(8): 3937 − 3947. WANG Shaoqiang, YU Guirui. Ecological stoichiometry characteristics of ecosystem carbon, nitrogen and phosphorus elements [J]. Acta Ecol Sin, 2008, 28(8): 3937 − 3947.
[30]	TIAN Hanqin, CHEN Guangsheng, CHI Zhang, et al. Pattern and variation of C∶N∶P ratios in China’s soils: a synthesis of observational data [J]. Biogeochemistry, 2010, 98(1 − 3): 139 − 151.
[31]	TESSIER J T, RAYNAL D J. Use of nitrogen to phosphorus ratios in plant tissue as an indicator of nutrient limitation and nitrogen saturation [J]. J Appl Ecol, 2003, 40: 523 − 534.
[32]	YANG Cao, CHEN Yunming. Coupling of plant and soil C∶N∶P stoichiometry in black locust (Robinia pseudoacacia) plantations on the Loess Plateau, China [J]. Trees, 2017, 31: 1559 − 1570.
[33]	HUANG Wenjuan, LIU Juxiu, WANG Yingping, et al. Increasing phosphorus limitation along three successional forests in southern China [J]. Plant Soil, 2013, 364(1/2): 181 − 191.
[34]	任悦, 高广磊, 丁国栋, 等. 沙地樟子松人工林叶片-枯落物-土壤氮磷化学计量特征[J]. 应用生态学报, 2019, 30(3): 36 − 43. REN Yue, GAO Guanglei, DING Guodong, et al. Stoichiometric characteristics of nitrogen and phosphorus in leaf-litter-soil system of Pinus sylvestris var. mongolica plantations [J]. Chin J Appl Ecol, 2019, 30(3): 36 − 43.

[1]	杨杰. 外源氮和硅添加对毛竹植硅体碳的影响 . 浙江农林大学学报, 2024, 41(2): 369-378. doi: 10.11833/j.issn.2095-0756.20230460
[2]	武仁杰, 邢玮, 葛之葳, 毛岭峰, 彭思利. 4种林分凋落叶不同分解阶段化学计量特征 . 浙江农林大学学报, 2023, 40(1): 155-163. doi: 10.11833/j.issn.2095-0756.20220289
[3]	王霞, 胡海波, 程璨, 张帅, 陈建宇, 卢洪霖. 北亚热带麻栎林土壤植硅体碳储量研究 . 浙江农林大学学报, 2021, 38(1): 1-9. doi: 10.11833/j.issn.2095-0756.20200283
[4]	竹万宽, 许宇星, 王志超, 杜阿朋. 不同生长阶段尾巨桉人工林土壤-微生物化学计量特征 . 浙江农林大学学报, 2021, 38(4): 692-702. doi: 10.11833/j.issn.2095-0756.20200536
[5]	蔡银美, 张成富, 赵庆霞, 李昕颖, 何腾兵. 模拟根系分泌物输入对森林土壤氮转化的影响研究综述 . 浙江农林大学学报, 2021, 38(5): 916-925. doi: 10.11833/j.issn.2095-0756.20210293
[6]	张崑, 徐坚, 鲁长根, 邵建均, 蔡广越, 张艳, 吴家森. 不同施肥对稻-菜种植模式氮磷吸收及径流流失的影响 . 浙江农林大学学报, 2021, 38(4): 784-791. doi: 10.11833/j.issn.2095-0756.20200593
[7]	程昊天, 孔涛, 吕刚, 王东丽, 张莉莉. 不同林龄樟子松人工林根际与非根际土壤生态化学计量特征 . 浙江农林大学学报, 2021, 38(5): 1058-1065. doi: 10.11833/j.issn.2095-0756.20210211
[8]	叶淑媛, 董雷鸣, 董昂, 喻卫武, 戴文圣, 曾燕如. 榧树半同胞子代幼苗生长性状的遗传参数估算 . 浙江农林大学学报, 2020, 37(4): 817-822. doi: 10.11833/j.issn.2095-0756.20190542
[9]	褚淑祎, 赖政钢, 李锷, 邵建雷, 黄志达, 肖继波. 3种块茎类挺水植物的净水效能及资源化利用 . 浙江农林大学学报, 2020, 37(6): 1224-1229. doi: 10.11833/j.issn.2095-0756.20200124
[10]	梁洋, 邵森, 马冰倩. 太岳山油松人工林土壤质量随林龄的演变特征 . 浙江农林大学学报, 2019, 36(3): 581-589. doi: 10.11833/j.issn.2095-0756.2019.03.020
[11]	张震, 刘伸伸, 胡宏祥, 何金铃, 马友华, 王一帆, 代宇雨, 徐微. 3种湿地植物对农田沟渠水体氮、磷的消减作用 . 浙江农林大学学报, 2019, 36(1): 88-95. doi: 10.11833/j.issn.2095-0756.2019.01.012
[12]	王莺, 陆荣杰, 吴家森, 姜培坤, 童志鹏. 山核桃林闭合区内径流氮磷流失特征 . 浙江农林大学学报, 2018, 35(5): 802-809. doi: 10.11833/j.issn.2095-0756.2018.05.003
[13]	王秋月, 杨兴, 何丽芝, 陆扣萍, 车磊, 袁国栋, 王海龙. 酸化猪炭对土壤中不同形态磷质量分数及相互转化的影响 . 浙江农林大学学报, 2018, 35(3): 387-397. doi: 10.11833/j.issn.2095-0756.2018.03.001
[14]	江志标, 陈双林, 郭子武, 杨清平, 朱玲, 李明良. 覆土控鞭高品质竹笋栽培对高节竹叶片形态和养分化学计量特征的影响 . 浙江农林大学学报, 2017, 34(6): 1155-1160. doi: 10.11833/j.issn.2095-0756.2017.06.025
[15]	朱仁欢, 李玮, 郑子成, 李廷轩, 洪月, 何秋佳, 田宗渠. 退耕植茶地土壤碳氮磷生态化学计量学特征 . 浙江农林大学学报, 2016, 33(4): 612-619. doi: 10.11833/j.issn.2095-0756.2016.04.009
[16]	董雷鸣, 曾燕如, 邬玉芬, 黄银芝, 武栋, 戴文圣. 榧树天然群体中种子表型特征与化学成分的变异分析 . 浙江农林大学学报, 2014, 31(2): 224-230. doi: 10.11833/j.issn.2095-0756.2014.02.010
[17]	房莉, 俞元春, 余健, 张平究, 朱强根. 低分子量有机酸对森林土壤磷的活化作用 . 浙江农林大学学报, 2007, 24(1): 28-32.
[18]	蒋宗垲. 福建柏与杉木人工林细根氮磷养分现存量的动态变化 . 浙江农林大学学报, 2007, 24(1): 33-38.
[19]	詹伟君, 余有祥, 程晓建, 吴家森, 郑炳松. 仙客来夏季休眠期叶片光合速率和植株氮磷钾质量分数的变化 . 浙江农林大学学报, 2005, 22(2): 176-179.
[20]	姜培坤, 徐秋芳, 杨芳. 雷竹土壤水溶性有机碳及其与重金属的关系 . 浙江农林大学学报, 2003, 20(1): 8-11.

期刊类型引用(0)
其他类型引用(8)
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20200761

https://zlxb.zafu.edu.cn/article/zjnldxxb/2021/5/1050

点击查看大图

表(4)

计量

文章访问数: 981
HTML全文浏览量: 225
PDF下载量: 105
被引次数: 8

1. 研究区概况
2. 数据获取与预处理
2.1 P波段SAR数据获取与预处理
2.2 激光雷达(LiDAR)数据获取与预处理
3. 方法
3.1 森林P波段极化散射特征分析
3.2 森林AGB估测方法
3.3 P波段森林AGB估测结果精度验证
4. 结果与分析
4.1 森林P波段极化散射特征分析
4.2 森林AGB估测结果分析
5. 结论

全文HTML

碳、氮、磷在植物的生长发育过程中发挥着重要的作用，生态化学计量学从元素计量的角度出发，利用生态过程中各种化学元素之间的平衡关系，为研究有机体碳、氮、磷等营养元素在生态系统过程中的变化规律和耦合关系提供了新的研究思路和方法，能更好地阐明生态系统各组分(植物和土壤等)养分比例的协调机制^[1-2]。土壤作为生态系统植物生长和发育的基础，为植物的生长和发育提供了所需的养分元素，土壤养分元素的含量和分配对植物的生长和发育起着调控作用，并且影响着植物群落的结构和功能^[3]。迄今为止，一些学者对不同林龄植物土壤化学计量的变化特征进行了研究，探讨了植物在不同发育阶段的养分限制因素和养分利用策略^[4]。崔宁洁等^[5]研究表明：随着马尾松Pinus massoniana林分林龄的增加，土壤碳、氮、磷含量逐渐增加，林分的生长受到氮、磷的共同制约。曹娟等^[6]研究表明：随着杉木Cunninghamia lanceolata林龄的增加，土壤有机碳、全氮和全磷含量逐渐增加，土壤有机碳影响着土壤的碳氮比和碳磷比。但是，不同学者的研究结果不尽相同，雷丽群等^[7]研究表明：土壤有机碳、全氮含量均随着马尾松林龄的递增呈先降低后增加的趋势，土壤全磷含量在不同林龄之间无显著变化，林龄对土壤碳氮比、氮磷比有极显著的影响。曾凡鹏等^[8]研究表明：土壤碳、氮和磷含量随着落叶松Larix gmelinii林分林龄的增加逐渐降低，随着林龄的变化，碳氮比、碳磷比变化显著。由此可见，土壤碳、氮、磷生态化学计量特征随着林龄变化趋势，碳、氮和磷等养分元素间的制约关系仍存在着很大的不确定性，针对不同森林类型需要进一步的研究和探讨。榧树Torreya grandis系红豆杉科Taxaceae常绿乔木，是中国特有的珍稀树种。目前，对榧树的研究主要集中于榧树种质资源调查及分布状况^[9]、榧树种群结构和动态^[10]等方面，更多则是关于榧树嫁接品种香榧T. grandis ‘Merrilli’的栽培和管理^[11-12]研究等。由于榧树的经济价值较小，榧树基本处于自生自灭的状态，严重威胁着榧树种质资源的保存和利用。目前，对榧树的生态化学计量特征的研究较少^[13]，对不同林龄榧树林地土壤生态化学计量特征的研究则更加欠缺，因此，榧树种质资源的保护和利用缺少技术支撑。本研究以浙江省诸暨市香榧国家森林公园4个不同林龄(0~100、100~300、300~500和＞500 a)的榧树资源为研究对象，通过分析榧树林地土壤碳、氮、磷含量及其化学计量特征的变化规律，探讨不同林龄榧树林地土壤养分元素的分配格局，为榧树古树资源的保护和利用提供基础数据。

1. 研究地区与研究方法

1.1. 研究区概况

研究地位于浙江省诸暨市赵家镇香榧国家森林公园(29°21′~29°59′N，119°53′~120°32′E)，该区属亚热带季风气候，年均气温为16.3 ℃，年均降水量为1 373.6 mm，年均日照时数为1 887.6 h。研究区属低山丘陵地貌，土壤母质为花岗岩，土壤质地为砂壤土，土壤类型为微酸性红壤。现存天然次生林乔木树种以木荷Schima superba、青冈Cyclobalanopsis glauca为主；林下灌木以豆腐柴Premna micrphylla、朱砂根Ardisia crenanta、四川山矾Symplocos setchuensis等为主；草本有蕨Pteridium aquilinum、芒萁Dicranopteris pedata、阔叶麦冬Liriolpe palatyphylla等。诸暨香榧国家森林公园是中国规模最大的香榧古树集聚地，据统计，树龄100 a以上的榧树约4 200株, 500 a以上的古树约1 600株, 1 000 a以上的古树约200株，以雌株为主^[13]。

1.2. 研究方法

1.2.1. 样株选择和样品采集

2018年9月中旬，通过资料查阅、农户访问、生长锥调查和年轮分析(结合榧树生长状况、形态特征、外观老化程度、树种的生物学特性及相关的调查结果综合分析确定树木的年龄)，选择立地条件基本一致的不同年龄段的实生榧树，按0~100、100~300、300~500以及＞500 a的树龄梯度选择样本树(参考古树名木的管理方法划分林龄梯度)，每个林龄段的样本树各重复4~5株。测定所选样株胸径、树高和林下植被生长情况(包括植物种类、高度、盖度和株树)等基本特征。同时在距离榧树树体50~100 cm左右的树冠下(东南西北4个方位)，随机挖取4个土壤剖面(避开粗根系)，分别采集0~20、20~40和40~60 cm土层土样，同一土层样品充分混合，去掉可见植物根系、残体和碎石，分别标号后带回实验室，自然风干备用。所有调查样株分布在半径为500 m的范围内，以保证气候、坡度、坡向和成土母质等环境因子基本一致，并且所有选择的样本经营管理措施大体相同(由于样株呈单株分布，因此，不同林龄段林下植被种类和盖度等大体一致。所有选择的调查样株每年地表除草1次，不施肥、不垦覆)，整个试验具有可比性，样地基本情况见表1。

表 1 调查样地基本情况

Table 1. General information of sample plots

林龄/a	平均胸径/cm	平均树高/m	平均坡度/(°)	平均海拔/m	土壤 pH	分布情况
0~100	35.56	10	27	512	4.76	单株
100~300	57.11	17	24	532	4.95	单株
300~500	60.19	17	27	472	4.85	单株
＞500	99.15	19	36	514	5.25	单株

自然风干后的土样分别过2.00、0.25和0.15 mm筛备用。土壤有机碳(SOC)采用重铬酸钾外加热法测定；土壤全氮(STN)采用浓硫酸消煮，凯氏定氮法测定；土壤全磷采用高氯酸-硫酸法(HClO₄-H₂SO₄)消煮，钼锑抗比色法测定^[14]。

1.2.2. 数据处理

采用Excel 2010对数据进行整理和预处理，利用SPSS 22.0对不同林龄榧树林地土壤碳、氮、磷质量分数及化学计量特征进行单因素方差分析(one-way ANOVA)和显著性分析(LSD检验)，采用Pearson分析方法对不同林龄段各土层土壤有机碳、全氮、全磷质量分数及化学计量特征进行相关性分析。

2. 结果与分析

2.1. 不同林龄榧树林地土壤碳、氮、磷变化特征

由表2可知：不同林龄榧树林地土壤碳质量分数为10.90~24.22 g·kg⁻¹，同一土层土壤碳质量分数随林龄变化呈先增加后降低的趋势，且在3个土层中，林龄0~100 a的林地土壤碳质量分数均为最低。不同林龄榧树林地土壤氮质量分数为1.22~2.22 g·kg⁻¹，同一土层土壤氮质量分数随林龄变化也呈先增加后降低的趋势，且在3个土层中，林龄0~100 a的林地土壤氮质量分数也为最低。不同林龄榧树林地土壤磷质量分数为0.24~0.80 g·kg⁻¹，同一土层土壤磷质量分数随林龄变化呈先降低后增加的趋势，在3个土层中，林龄100~300 a 的林地土壤磷质量分数均为最低。但是，同一土层不同林龄榧树林地土壤碳、氮、磷之间均无显著差异。

表 2 不同林龄榧树林地土壤碳、氮、磷的质量分数　　　

Table 2. Soil C, N, and P contents in four ages of T. grandis

土层/cm	林龄/a	碳/(g·kg⁻¹)	氮/(g·kg⁻¹)	磷/(g·kg⁻¹)
0~20	0~100	20.21±2.29 a	1.86±0.17 a	0.80±0.48 a
	100~300	24.22±5.83 a	2.22±0.47 a	0.40±0.13 a
	300~500	22.07±1.70 a	2.12±0.29 a	0.53±0.28 a
	＞500	21.28±6.80 a	2.02±0.53 a	0.69±0.25 a

20~40	0~100	12.27±1.52 a	1.28±0.21 a	0.46±0.19 a
	100~300	16.75±6.87a	1.61±0.56 a	0.26±0.07 a
	300~500	15.02±1.00 a	1.62±0.34 a	0.36±0.07 a
	＞500	14.23±8.50 a	1.44±0.69 a	0.38±0.13 a

40~60	0~100	10.90±2.96 a	1.22±0.26 a	0.33±0.08 a
	100~300	15.20±4.79 a	1.42±0.44 a	0.24±0.06 a
	300~500	15.97±3.21 a	1.55±0.10 a	0.34±0.08 a
	＞500	13.16±8.05 a	1.43±0.55 a	0.32±0.14 a
说明：同列不同字母表示同一土层不同林龄间差异显著　　　　　(P＜0.05)

2.2. 不同林龄榧树林地土壤碳、氮、磷化学计量变化特征

由表3可知：不同林龄榧树林地土壤碳氮比均值为8.59~10.89，同一土层不同林龄间土壤碳氮比差异均不显著，且随林龄变化均呈先增加后降低的趋势。不同林龄榧树林地土壤碳磷比为31.54~63.72，同一土层不同林龄间土壤碳磷比随林龄变化也呈先增加后降低的趋势，其中，在土层20~40、40~60 cm中，林龄0~100 a的碳磷比分别显著小于林龄100~300 a(P＜0.05)。不同林龄榧树林地土壤氮磷比为3.06~6.16，同一土层不同林龄间土壤氮磷比随林龄变化呈先增加后降低的趋势，同一土层各林龄段之间土壤氮磷比均无显著差异。

表 3 不同林龄榧树林地土壤碳氮比、碳磷比、氮磷比

Table 3. Ratios of soil C∶N, C∶P, and N∶P in four ages of T. grandis

土层/cm	林龄/a	碳氮比	碳磷比	氮磷比
0~20	0~100	10.85±0.65 a	35.03±26.80 a	3.32±2.73 a
	100~300	10.89±0.60 a	62.78±16.33 a	5.80±1.63 a
	300~500	10.47±1.01 a	49.88±25.89 a	4.71±2.37 a
	＞500	10.38±0.89 a	31.54±6.21 a	3.06±0.65 a

20~40	0~100	9.66±0.41 a	32.00±18.08 b	3.35±1.96 a
	100~300	10.27±0.71 a	63.72±15.73 a	6.16±1.08 a
	300~500	9.75±1.03 a	47.03±14.61 ab	4.82±1.45 a
	＞500	9.34±1.72a	35.03±13.01 ab	3.66±0.82 a

40~60	0~100	8.87±0.75 a	35.27±16.52 b	3.89±1.52 a
	100~300	10.71±0.26 a	62.01±6.22 a	5.79±0.47 a
	300~500	9.88±1.12 a	45.73±15.65 ab	4.62±1.56 a
	＞500	8.59±3.11 a	40.51±21.31 ab	4.51±1.09 a
说明：同列不同字母表示同一土层不同林龄间差异显著　　　　　(P＜0.05)

2.3. 不同林龄榧树林地土壤碳、氮、磷质量分数及化学计量特征间的相关关系

从表4可见：各林龄榧树林地土壤碳、氮、磷质量分数之间有较强的正相关关系，其中碳和氮达到极显著正相关关系(P＜0.01)；碳和磷在榧树林龄＞500 a时呈极显著正相关(P＜0.01)，在榧树林龄0~100和100~300之间相关显著(P＜0.05)；氮和磷在榧树林龄100~300 a时呈显著相关(P＜0.05)，在榧树林龄＞500 a时呈极显著相关(P＜0.01)。各林龄段土壤磷与碳磷比、氮磷比均为负相关关系，在林龄0~100和300~500 a时达显著水平(P＜0.05)，相关系数分别为−0.687和−0.768。整体上，各林龄榧树林地土壤化学计量比相关性较弱，碳磷比和氮磷比相关性均达极显著水平(P＜0.01)，相关系数分别为0.990、0.967、0.970和0.807。

表 4 各林龄榧树林地土壤碳、氮、磷质量分数及化学计量比相关关系

Table 4. Relationship between soil C, N, P contents and stoichimetric in four ages

林龄/a	指标	碳	氮	磷	碳氮比	碳磷比	氮磷比
0~100	碳	1
	氮	0.979**	1
	磷	0.715*	0.625	1
	碳氮比	0.859**	0.746*	0.719*	1
	碳磷比	−0.002	0.080	−0.687*	−0.102	1
	氮磷比	−0.120	−0.025	−0.768*	−0.235	0.990**	1

100~300	碳	1
	氮	0.993**	1
	磷	0.765*	0.745*	1
	碳氮比	0.640	0.544	0.558	1
	碳磷比	0.453	0.457	−0.215	0.279	1
	氮磷比	0.299	0.329	−0.372	0.025	0.967**	1.000

300~500	碳	1
	氮	0.904**	1
	磷	0.290	0.449	1
	碳氮比	0.384	−0.043	−0.236	1
	碳磷比	0.446	0.283	−0.698*	0.388	1
	氮磷比	0.361	0.297	−0.699*	0.156	0.970**	1

＞500	碳	1
	氮	0.987**	1
	磷	0.812**	0.814**	1
	碳氮比	0.861**	0.778*	0.582	1
	碳磷比	0.424	0.355	−0.123	0.670*	1
	氮磷比	0.017	−0.011	−0.510	0.222	0.870**	1
说明：表示P＜0.05，*表示P＜0.01

3. 讨论

3.1. 不同林龄段实生榧树林地土壤碳、氮、磷质量分数

本研究中，不同林龄实生榧树林地0~60 cm土层碳质量分数为10.90~24.22 g·kg⁻¹，且不同林龄之间差异不显著，这与张芸等^[15]对4个林龄杉木林土壤碳含量的研究结果一致。并且，随着榧树林龄的增加，土壤碳质量分数呈先升高后降低的趋势，且在林龄0~100 a最低。杨好运等^[16]对柑橘Citrus reticulata、胡士达^[17]对闽楠Phoebe bournei的研究结果表明：土壤碳质量分数从大到小依次为幼林龄、成熟林、近成熟林。与其研究结果不同的原因可能是，地表凋落物的分解是土壤有机碳的主要来源，林分总生物量、碳储量和养分储量随林龄的增加呈增大趋势^[18]，相对于林龄100~300、300~500和＞500 a的榧树，0~100 a榧树处于生长初期，个体生长旺盛，凋落物数量也相对较少，而林龄100~300和300~500 a的榧树，树冠郁闭度高，冠幅和树高逐渐增大，产生的凋落物数量较多，林龄＞500 a的榧树生长开始衰退，林冠开始稀疏，凋落物回归到地表的数量减少，导致归还到土壤的养分元素减少。

随着榧树林龄的增加，土壤氮与碳的质量分数变化趋势大体一致，呈先增加后降低的趋势，并且相对稳定，与苗娟等^[19]对不同林龄云南松Pinus yunnanensis土壤碳氮质量分数有一致的变化趋势，说明林龄≤500 a的榧树生长较为旺盛，对土壤氮素的需求较高，因此土壤氮未出现积累^[20]。

整体上，榧树林龄增加对土壤磷质量分数均未产生显著影响，土壤磷质量分数随林龄增加呈先下降后升高的趋势。但曹娟等^[21]研究表明：杉木土壤磷含量随林龄增加呈先升高后降低的趋势。这可能是因为，在林龄0~100 a的榧树树体相对较小，个体生长旺盛，对土壤氮的需求较大，而对磷的需求相对较少，所以土壤氮质量分数最低，而土壤磷质量分数较高；而林龄100~300和300~500 a的榧树，随着树体的增加，凋落物的分解基本上能够满足植物体对氮的需求，所以土壤氮变化相对平稳；在林龄100~300和300~500 a的榧树，由于种子结实量增加，榧树对磷的需求量增加，所以导致土壤磷质量分数下降。

3.2. 不同林龄实生榧树林地土壤碳、氮、磷生态化学计量特征

土壤碳、氮、磷等养分元素的循环过程是相互耦合和相互影响的，土壤中碳氮比、碳磷比等存在一定的比例关系。土壤碳氮比是衡量土壤碳、氮的平衡状况和土壤氮素矿化能力的重要指标，碳氮比较低时，有利于提升土壤微生物的分解能力，表明土壤有机质矿化速率加强^[22-23]，超过微生物所需的氮被释放到土壤中，从而有利于土壤氮的增加；而碳氮比较高时，由于存在氮受限，微生物分解能力下降，进而促进了土壤碳的积累^[24-25]。本研究榧树林地土壤碳氮比为8.59~10.89，变化幅度较小，且均低于中国土壤平均值(11.9)和世界土壤平均值(13.3)^[26]，说明研究区榧树林地土壤微生物分解能力强，土壤有机质矿化速率快。YANG等^[27]对39个森林林龄序列的土壤碳氮数据的统计分析表明：土壤碳氮比随着林龄序列的变化相对恒定。森林土壤中碳、氮元素主要来自于凋落物的分解，土壤微生物严格按照元素计量比分解凋落物，使得土壤中的碳氮比相对稳定^[28]。

土壤有机质的分解速率受到土壤磷有效性的影响，因此，土壤碳磷比可作为微生物分解土壤有机质释放磷的指标，较低的碳磷比是磷有效性高的指标之一^[29]。林龄0~100、300~500和＞500 a的榧树林地土壤碳磷比均小于中国土壤平均值(61)^[30]，而林龄100~300 a的榧树林地土壤碳磷比稍高于中国土壤平均值(61)，有利于榧树林地微生物对磷的净矿化作用。不同林龄段榧树土壤碳磷比差异并不显著，但相对来说，林龄100~300和300~500 a的榧树林地土壤碳磷比较高，说明随着榧树林龄的增加，榧树土壤中磷质量分数下降。磷是影响研究区榧树林地土壤碳磷比生态计量比的关键因素，因此，榧树整个生长和发育过程对磷需求大，如果土壤磷没有得到及时的补充，则林地处于磷过度消耗的状态。土壤氮磷比可作为指示土壤养分供应情况的指标^[31]，可以直接反映土壤肥力并间接表明植物营养状况^[32]，也可以反映土壤中氮的限制与饱和状况^[33]。除了林龄100~300 a的榧树林地土壤氮磷比高于全国土壤平均值(5.2)外，其他林龄段氮磷比均低于全国土壤平均值，并且氮磷比与磷呈负相关关系，这与任悦等^[34]对沙地樟子松Pinus sylvestris var. mongolica的研究结果一致。不同林龄榧树林地土壤磷为0.24~0.80 g·kg⁻¹，除了林龄0~100 a，土层0~20 cm的磷稍高于全国平均值(0.78 g·kg⁻¹)外^[34]，其余均低于全国平均值。结合中国亚热带红壤区磷普遍较低的问题，综合分析认为：榧树整个生长阶段林地土壤主要受到磷限制，因此对榧树经营时，可以合理施加磷肥来改善土壤肥力状况。亚热带红壤无机磷主要以铝结合态磷(Al-P)、铁结合态磷(Fe-P)、钙磷(Ca-P)为主，而植物可以吸收利用的有效态磷较少，人工林生长后期，生长往往受到磷元素的限制。HUANG等^[33]研究表明：鼎湖山3种不同森林类型根际土壤酸性磷酸酶的活性随着林龄的增加呈增加趋势，根际土壤有效磷的含量也随之下降。表明在亚热带红壤区，随着林木的生长，磷受限将加剧，在人工林发育中后期应适当增施磷肥，以保证林木的良好生长，促进土壤与植物的良性养分循环。研究区亚热带红壤磷整体上处于低水平，导致土壤氮、磷元素失衡，从而影响林木的生长发育和生态系统物质及能量循环。

3.3. 不同林龄土壤碳、氮、磷质量分数及化学计量特征相关性分析

由相关性分析可知：不同林龄段榧树林地土壤碳、氮质量分数均表现出极强的正相关关系，这是因为氮会影响土壤对碳的固定，土壤碳和氮有很强的依存性^[33]。各林龄段榧树林地土壤碳和磷也表现出很强的相关性。各林龄段榧树林地土壤碳氮比与碳的相关性均大于碳氮比与氮的相关性，说明各林龄榧树土壤碳氮比主要受碳的影响，氮磷比更多受到磷的影响。

4. 结论

本研究同一土层不同林龄段榧树林地土壤碳、氮、磷质量分数差异不显著，同一土层不同林龄段之间碳氮比、氮磷比差异也不显著，碳磷比在部分林龄段差异显著，榧树整个生长阶段土壤磷质量分数低于全国平均值，表明榧树林地土壤主要受磷的限制，因此对榧树林地经营时，可以合理添加磷肥来改善土壤肥力。

参考文献 (34)

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

不同林龄榧树林地土壤碳氮磷化学计量特征

DOI: 10.11833/j.issn.2095-0756.20200761

作者简介: 原雅楠(ORCID: 0000-0002-3952-5395)，从事森林生态学研究。E-mail: 2711615933@qq.com

通信作者: 李正才(ORCID: 0000-0002-4371-771X)，副研究员，博士，从事森林生态系统碳氮循环研究。E-mail: lizccaf@126.com

Stoichiometric characteristics of soil C, N and P in Torreya grandis stands of different ages

1. 研究区概况

2. 数据获取与预处理

2.1 P波段SAR数据获取与预处理

2.2 激光雷达(LiDAR)数据获取与预处理

3. 方法

3.1 森林P波段极化散射特征分析

3.2 森林AGB估测方法

3.2.1 多元线性逐步回归模型

3.2.2 KNN、SVR、RF非参数模型

3.3 P波段森林AGB估测结果精度验证

4. 结果与分析

4.1 森林P波段极化散射特征分析

4.2 森林AGB估测结果分析

5. 结论

期刊类型引用(0)

其他类型引用(8)

计量

出版历程

不同林龄榧树林地土壤碳氮磷化学计量特征

doi: 10.11833/j.issn.2095-0756.20200761

中国林业科学研究院 亚热带林业研究所，浙江 杭州 311400

作者简介: 原雅楠(ORCID: 0000-0002-3952-5395)，从事森林生态学研究。E-mail: 2711615933@qq.com

通信作者: 李正才(ORCID: 0000-0002-4371-771X)，副研究员，博士，从事森林生态系统碳氮循环研究。E-mail: lizccaf@126.com

English Abstract

Stoichiometric characteristics of soil C, N and P in Torreya grandis stands of different ages

Research Institute of Subtropical Forestry, Chinese Academy of Forestry, Hangzhou 311400, Zhejiang, China

全文HTML

1.1. 研究区概况

1.2. 研究方法

1.2.1. 样株选择和样品采集

1.2.2. 数据处理

2.1. 不同林龄榧树林地土壤碳、氮、磷变化特征

2.2. 不同林龄榧树林地土壤碳、氮、磷化学计量变化特征

2.3. 不同林龄榧树林地土壤碳、氮、磷质量分数及化学计量特征间的相关关系

3.1. 不同林龄段实生榧树林地土壤碳、氮、磷质量分数

3.2. 不同林龄实生榧树林地土壤碳、氮、磷生态化学计量特征

3.3. 不同林龄土壤碳、氮、磷质量分数及化学计量特征相关性分析

目录

全文HTML

1.1. 研究区概况

1.2. 研究方法

1.2.1. 样株选择和样品采集

1.2.2. 数据处理

2.1. 不同林龄榧树林地土壤碳、氮、磷变化特征

2.2. 不同林龄榧树林地土壤碳、氮、磷化学计量变化特征

2.3. 不同林龄榧树林地土壤碳、氮、磷质量分数及化学计量特征间的相关关系

3.1. 不同林龄段实生榧树林地土壤碳、氮、磷质量分数

3.2. 不同林龄实生榧树林地土壤碳、氮、磷生态化学计量特征

3.3. 不同林龄土壤碳、氮、磷质量分数及化学计量特征相关性分析

中国林业科学研究院亚热带林业研究所，浙江杭州 311400

作者简介:
原雅楠(ORCID: 0000-0002-3952-5395)，从事森林生态学研究。E-mail: 2711615933@qq.com