下载:
-
中国西南喀斯特地区是岩溶地貌发育最典型、石漠化最严重、人地矛盾最突出、分布面积最大的喀斯特连续地带[1-2]。近20 a来，针对西南喀斯特地区的生态地质环境问题，中国采取了一系列以植被修复为主的石漠化治理措施，如封山育林、退耕还林还草、建设防护林、种植经济作物等，获得了显著的研究成果和治理成效[3-5]。大量研究证实植被修复能够有效改善土壤的理化性质，如白义鑫等[6]研究表明：土壤有机碳含量对不同土地利用方式的响应不同，其中花椒Zanthoxylum bungeanum林有机碳含量显著高于其他地类；XU等[7]研究发现：同一地区不同植被类型土壤养分含量之间差异显著；李青等[8]通过对不同植被恢复模式下土壤化学特征的测定分析发现，混交林生态恢复效果优于纯林，豆科Fabaceae植物恢复效果优于非豆科植物。然而，关于石漠化区不同植被恢复模式土壤的研究多集中于理化性质变化特征及其关系等方面，对土壤质量的系统研究相对较少。此外，西南地区丰富的矿产资源导致该地区土壤存在严重的重金属污染现象。有研究表明：岩溶地区铅锌矿开采和特殊的喀斯特环境能够导致土壤重金属超标[9]；罗绪强等[10]研究发现：喀斯特地区不同石漠化程度土壤重金属镉含量不同，其中部分镉伴随石漠化过程向周边扩散。目前，土壤贫瘠和重金属污染是西南喀斯特地区较为严重的土壤环境问题，在分析不同土地利用方式下土壤养分特征的同时，关注养分与重金属之间的关系，对改善石漠化地区土壤养分和重金属修复具有重要价值。本研究以滇东南西畴县三光石漠化综合治理示范区为例，比较不同土地利用方式土壤养分和重金属质量分数分布特征的差异，分析土壤养分与重金属之间的关系，以揭示不同土地利用方式对石漠化区生态修复的影响，为石漠化治理提供理论依据。
-
三光石漠化综合治理示范区位于云南省文山州西畴县(23°10′~23°14′N，104°34′~104°38′E)，属热带低纬季风气候，年平均气温为15.9 ℃，年均降水量为1294.0 mm，年日照时数为1 500~1 600 h。近年来，该地区实施了一系列生态工程，如对山头采取封山育林、植树造林、公益林保护等措施修复森林植被，对山腰耕作条件较差的石旮旯地进行退耕还林，大力发展核桃Juglans regia、猕猴桃Actinidia chinensis等特色经济林果，对山脚坡度小于25°，有改造条件的缓坡地和石旮旯地，实施坡改梯和炸石造地，建成了全省石漠化综合治理示范区。
-
查阅研究区相关资料并进行野外考察，根据当地土地利用方式及主要农作物和经济作物类型，并综合考虑了海拔、坡度、坡向以及植被生长状况，选取撂荒地、灌草地、人工林地、自然林地、玉米Zea mays地、核桃林地和猕猴桃地共7种利用方式(表1)。每种土地利用方式分别设置3个重复样地。样品采集于2020年8月，每个样地设置3个1 m×1 m的样方，按照S型5点采样法，共采集63份土样。采样时先除去地面凋落物，采集0~10 cm表层土壤样品，并采用四分法混匀。将土样带回实验室经自然风干、剔除植物根茎和石砾后分为2份，研磨分别过20和100目筛，用于化学分析。
表 1 研究区样地概况
Table 1. Sample overview of the study area
土地利用类型 坡向 海拔/ｍ 主要植被 撂荒地(BF) 北坡 1 474.5~1 481.7 鼠尾草Salvia japonica、扁穗草Brylkinia schmidt 灌草地(FG) 北坡 1 519.0~1 537.7 绒毛山胡椒Lindera nacusua、尖子木Oxyspora paniculata 人工林地(AF) 北坡 1 410.6~1 496.5 三尖杉Cephalotaxus fortunei、滇青冈Cyclobalanopsis glaucoides 自然林地(AG) 北坡 1 241.7~1 511.4 三尖杉、云南松Pinus yunnanensis 玉米地(CN) 北坡 1 459.7~1 472.6 玉米 核桃林地(UJ) 北坡 1 113.5~1 212.7 核桃 猕猴桃地(UA) 北坡 1 513.4~1 547.0 猕猴桃、鬼针草Bidens pilosa -
表 2 土壤理化性质及重金属元素测定方法
Table 2. Measuring methods of soil physicochemical indexes and heavy metal elements
指标 项目 测定方法 物理指标 pH 土水质量比1.0∶2.5电位法 化学指标 有机质 重铬酸钾容量法-外加热法 全氮 半微量开氏法 碱解氮 碱解扩散法 全磷 钼锑抗比色法 速效磷 NaHCO3浸提-钼锑抗比色法 速效钾 火焰光度法 重金属元素 砷、锌、铜、镍、铬、锰 三酸分步消解-电感耦合等离子体质谱法 -
本研究选取有机质、全氮、碱解氮、全磷、速效磷、速效钾及pH作为评价土壤肥力质量的基本指标。在计算土壤肥力综合指数时，采用主成分分析法确定不同用地类型土壤肥力指标的权重值(表3)，并构建评价指标的隶属度函数模型(S型和抛物线型)，根据全国第2次土壤普查标准确定土壤属性值的分级标准(表4)，最后采用模糊综合评价(Fuzzy)法计算土壤肥力指数[13]。
表 3 土壤肥力综合评价指标权重值
Table 3. Weight value of soil fertility comprehensive evaluation index
指标 pH 有机质 全氮 全磷 速效磷 碱解氮 速效钾 权重值 0.056 0.226 0.224 0.162 0.106 0.179 0.047 表 4 土壤养分及pH分级标准
Table 4. Soil nutrient and pH classification criteria
分级 pH 有机质/(g·kg−1) 全氮/(g·kg−1) 全磷/(g·kg−1) 碱解氮/(mg·kg−1) 速效磷/(mg·kg−1) 速效钾/(mg·kg−1) 评价 一级 ＞8.5 ＞40 ＞2.00 ＞1.0 ＞150 ＞40 ＞200 很高 二级 7.5~8.5 30~40 1.50~2.00 0.8~1.0 120~150 20~40 150~200 高 三级 6.5~7.5 20~30 1.00~1.50 0.6~0.8 90~120 10~20 100~150 中上 四级 5.5~6.5 10~20 0.75~1.00 0.4~0.6 60~90 5~10 50~100 中下 五级 4.5~5.5 6~10 0.50~0.75 0.2~0.4 30~60 3~5 30~50 低 六级 ≤4.5 ≤6 ≤0.50 ≤0.2 ≤30 ≤3 ≤30 很低 说明：表中连接点的值为上限排除法 土壤有机质、全氮、碱解氮、全磷、速效磷、速效钾采用S型隶属函数[14]，土壤pH采用抛物线隶属函数[14]。土壤肥力综合指数(IFI)计算公式如下：
$$ I_{{\rm{IF}}}=\sum\limits_{i=1}^{n}W_i N_i 。$$ 其中：Wi和Ni分别表示第i项指标的权重值和隶属度值，n为指标数。IFI取值范围为0~1。土壤肥力分级标准见表5。
-
潜在生态风险指数(IR)可综合反映土壤重金属污染程度及对人类和环境的潜在危害程度[15]。IR计算公式如下：Ei=Ti(Ci/Ci)，IR=
$\displaystyle\sum\limits_{i = 1}^n $ Ei。其中：Ei为元素i的潜在生态危害系数；Ti为元素i的毒性响应系数；Ci为元素i的实测质量分数(mg·kg−1)；Ci为元素i的区域背景值(mg·kg−1)[16]。分级标准见表6。表 6 土壤重金属潜在生态危害分级标准
Table 6. Soil heavy metals potential ecological hazard grading standard
Ei IR 生态危害程度 Ei IR 生态危害程度 ＜40 ＜150 轻微 160~320 ≥600 很强 40~80 150~300 中等 ≥320 极强 80~160 300~600 强 -
岩溶石漠化地区不同土地利用方式下土壤养分质量分数之间存在差异(图1)，总体表现为：自然恢复方式下土壤有机质、全氮、全磷显著高于其他利用方式(P＜0.05)。撂荒地(76.25 g·kg−1)和灌草地(78.40 g·kg−1)的土壤有机质质量分数较高，其次是人工林地(55.77 g·kg−1)、自然林地(52.20 g·kg−1)和玉米地(53.18 g·kg−1)，而核桃林地(35.91 g·kg−1)和猕猴桃地(27.96 g·kg−1)土壤有机质质量分数较低，但差异不显著(P＞0.05)。不同利用方式下土壤的全氮与有机质质量分数的变化趋势相似，不同的是撂荒地全氮质量分数最高(2.35 g·kg−1)，猕猴桃地全氮质量分数最低(1.00 g·kg−1)，且核桃林地和猕猴桃地与撂荒地土壤全氮质量分数具有显著差异(P＜0.05)。不同利用方式下土壤全磷与有机质质量分数不同的是，撂荒地土壤全磷质量分数最高(1.19 g·kg−1)，其次是玉米地(1.00 g·kg−1)，与人工林地、自然林地、核桃林地、猕猴桃地全磷质量分数的差异显著(P＜0.05)，人工林地土壤全磷质量分数最低(0.35 g·kg−1)。由此可见，撂荒地和灌草地更有益于该地区土壤养分的提升，而猕猴桃地和核桃林地因其人为扰动过强导致养分严重流失。
图 1 不同土地利用方式下土壤有机质、土壤全氮和土壤全磷的差异特征
Figure 1. Characteristics of soil organic matter contents, soil total nitrogen contents and soil total phosphorus contents under different utilization methods
-
通过对不同利用土地方式土壤肥力综合指数的计算可知，岩溶石漠化地区人为干扰较弱的利用方式下土壤较为肥沃。撂荒地、灌草地和玉米地的土壤肥力处于高水平，人工林地和自然林地土壤肥力处于较高水平，核桃林地和猕猴桃地土壤肥力处于中等水平，其中，猕猴桃地IFI最低，为0.485，灌草地IFI最高，达到0.915，是猕猴桃地的1.9倍(表7)，说明灌草模式比人为干扰较强的经济作物模式更适合石漠化地区的土壤修复。
表 7 不同利用方式土壤肥力指数
Table 7. Soil fertility index in different utilization modes
土地利用方式 IFI 土地利用方式 IFI 撂荒地 0.913 玉米地 0.837 灌草地 0.915 核桃林地 0.501 人工林地 0.779 猕猴桃地 0.485 自然林地 0.789 -
运用潜在生态危害指数法评价不同土地利用方式下土壤重金属的生态风险水平，可见 7种土地利用方式下土壤IR均小于150，在轻微风险水平范围内(表8)， IR从大到小依次为猕猴桃地、自然林地、核桃林地、撂荒地、玉米地、人工林地、灌草地。根据Ei可知：砷的风险水平最高，在自然林地和猕猴桃地表现为强生态风险水平，在撂荒地、人工林地和核桃林地生态风险水平为中等，在灌草地和玉米地生态风险水平为轻微。砷质量分数均值在自然林地中达到最大值122.27 mg·kg−1(图2)，超过国家土壤环境质量标准值3倍，在玉米地中最低，为35.55 mg·kg−1，略高于土壤质量标准值。此外，除撂荒地镍的污染水平为中等，7种利用方式下土壤中锌、铜、镍、铬和锰均表现为轻微污染。综上，研究区7种不同土地利用方式下土壤重金属污染均为轻度风险水平，猕猴桃地重金属污染风险水平最高，其中砷是造成该地区重金属污染的主要污染物。
表 8 土壤重金属潜在生态危害指数
Table 8. Soil heavy metals potential ecological hazard index
样地 Ei IR 砷 锌 铜 镍 铬 锰 撂荒地 46.42 7.87 7.35 40.29 6.83 1.25 110.01 灌草地 37.86 2.68 6.51 16.79 2.22 0.86 66.91 人工林地 70.35 1.10 6.93 10.49 2.54 1.68 93.09 自然林地 113.21 4.70 5.90 14.83 3.32 1.32 143.28 玉米地 32.91 7.45 9.80 37.90 5.87 1.52 95.44 核桃林地 69.44 2.89 9.46 27.90 4.27 1.45 115.40 猕猴桃地 103.97 4.68 16.65 37.14 4.64 2.08 169.16 
图 2 不同利用方式下土壤重金属空间分布特征
Figure 2. Spatial distribution characteristics of soil heavy metals under different utilization modes
-
对不同土地利用方式下土壤养分与重金属之间的相关性分析可知(图3)：不同土地利用方式下各重金属元素与土壤养分之间存在显著相关性(P＜0.05)。具体表现为：撂荒地中土壤有机质、全氮、全磷与铬和锰呈显著正相关(P＜0.05)；灌草地和人工林地中土壤养分与大部分重金属元素呈显著负相关(P＜0.05)；自然林地中除土壤全磷、碱解氮与铬呈显著负相关外(P＜0.05)，土壤养分与重金属元素呈显著正相关(P＜0.05)；核桃林地中土壤全磷和速效磷与砷和铜呈显著负相关(P＜0.05)；在人为干扰较强的玉米地和猕猴桃地中，土壤养分与重金属元素之间的相关性不显著(P＞0.05)。总而言之，岩溶石漠化地区土壤养分质量分数对重金属质量分数具有显著的影响，但这种影响因土地利用方式的不同而不同。
图 3 不同利用方式下土壤养分和重金属之间的相关性
Figure 3. Correlation between soil nutrients and heavy metals under different utilization methods
-
本研究发现：不同土地利用方式对土壤养分质量分数具有较为显著的影响。人为干扰是直接引起该地区土壤养分流失的重要因素，其中受人为干扰较大的猕猴桃地土壤养分流失最为严重。研究[18-21]表明：人为踩踏行为导致土壤容重增加，土壤保水持水能力退化，土壤有机质、全磷和全氮含量降低。自然属性较强的灌草地养分质量分数明显高于其他地类，是因为灌草地所受人为干扰较弱，生态系统稳定，养分不易流失，且植物种类丰富多样，根系密度较大，能够改善土壤结构，从而使得更多的养分进入土壤[22]。自然林地和人工林地多为纯林，植被群落丰富度和多样性较低，导致养分质量分数低于灌草地。长年耕作的玉米地，所受人为扰动最强，但因长期施肥的作用增加了土壤的氮磷质量分数。因此，在岩溶石漠化地区，为了能够更好地改善土壤养分状况，应因地制宜，选择合适的植被模式，并适当减少人为干预，防止养分流失。
-
不同土地利用方式下土壤重金属的分布特征具有显著差异[23]。本研究中，猕猴桃地土壤重金属污染风险水平最高。胡春华等[24]研究结果表明：农业生产活动中投入大量材料如肥料、除草剂、杀虫剂、塑料薄膜，不仅提升了土壤养分，也会导致农用地土壤重金属污染。玉米地土壤重金属污染风险水平较撂荒地低，是因为玉米的根部能够富集重金属[25]，也可能是收割作物时带走了土壤中的部分重金属。研究区灌草地重金属污染风险水平最低，其原因可能是土壤有机质质量分数高，提高了重金属的环境迁移能力，且灌草地受人为活动影响较小，进而重金属输入源较少，也有可能是因为灌草地上的植被对重金属有一定的富集作用。
-
土壤养分与重金属之间具有一定的耦合关系[26]。本研究结果表明：不同土地利用方式下土壤养分与重金属的相关性不同，其中重金属对灌草地、人工林地和自然林地养分的提升影响较为显著。土壤重金属与土壤酶活性之间的关系密不可分[27-28]，土壤重金属污染常具隐蔽性、难降解和易富集等特性。重金属以离子形态进入植物体内，从而影响土壤微生物的生态特性，在适宜浓度时可促进酶活性，浓度过低或过高时对酶活性可起到抑制作用，而养分与酶活性密切相关[29]。在本研究中，重金属污染风险最低的灌草地中土壤肥力指数最高，可能是适度的重金属污染对酶活性起到了促进作用，从而提升了土壤的肥力。然而，重金属污染对撂荒地和作物种植地土壤养分的作用并不显著，主要原因是撂荒地土壤重金属污染是由其特殊的土壤母质造成的，而玉米地、核桃林地和猕猴桃地的土壤贫瘠及重金属污染主要是由较活跃的人为活动导致的。总之，土壤养分对重金属的污染程度在不同土地利用方式下有较为显著的响应，但其响应机制仍需更深入的研究。
-
通过对云南省西畴县石漠化治理示范区不同土地利用方式下表层土壤养分和重金属质量分数特征及其关系的研究，得出以下结论：①研究区7种不同土地利用方式中，灌草地对土壤养分的改良效果最好，猕猴桃地因较强的人为干扰导致养分流失严重，而玉米地因长期施肥使得土壤养分质量分数增加。②砷是该地区主要污染物，灌草地重金属质量分数较低且生态风险水平最低，猕猴桃地生态风险水平最高。③在灌草地、人工林地和自然林地中，土壤养分质量分数对重金属质量分数的影响较为显著。
综上所述，在不同土地利用方式下，人为干扰是导致土壤养分流失的重要因素，然而，在人为干扰较弱的利用方式下，土壤养分质量分数对重金属质量分数具有显著影响。对于该地区土壤所面临的生态问题，应尽可能地降低人为干扰强度，以改善土壤的养分状况，减少土壤重金属的累积，降低生态风险水平。而土壤养分对重金属的响应机制有待更深入的研究。
Effects of different land use modes on soil fertility and heavy metal contents in karst rocky desertification area
-
摘要:
目的 探讨不同土地利用方式下土壤肥力和重金属污染的特征及土壤养分与土壤重金属之间的关系。 方法 以云南省西畴县三光石漠化综合治理示范区的撂荒地、灌草地、人工林地、自然林地、玉米Zea mays地、核桃Juglans regia林地和猕猴桃Actinidia chinensis地为研究对象，测定土壤养分和重金属质量分数并进行相关性分析。 结果 自然恢复方式下土壤有机质、全氮、全磷质量分数显著高于其他土地利用方式(P＜0.05)，灌草地土壤[土壤肥力综合指数(IFI)为0.915]和撂荒地土壤(IFI=0.913)较为肥沃，猕猴桃地土壤(IFI =0.485)和核桃林地土壤(IFI =0.501)较为贫瘠；不同土地利用方式下，灌草地重金属污染风险最低[生态风险指数(IR)为66.91]，猕猴桃地重金属污染风险最高(IR=169.16)。相关性分析发现：土壤养分质量分数对重金属质量分数的影响因土地利用方式的不同而不同，且在灌草地、人工林地和自然林地中较为显著(P＜0.05)，在撂荒地和作物种植地中并不显著(P＞0.05)。 结论 自然属性较强的地区土壤肥力水平高，且重金属污染风险低，说明人为干扰是影响石漠化地区进行植被恢复的重要因素。为了能够更好地提高土壤质量，应适当减少人为活动的干扰。图3表8参29 Abstract:Objective This study aims to explore the characteristics of soil fertility and heavy metal pollution under different land use modes and the relationship between soil nutrients and heavy metals. Method Abandoned land, shrub land, artificial forest land, natural woodland, Zea mays field, Juglans regia woodland, and Actinidia chinensis land in Sanguang Rocky Desertification Comprehensive Control Demonstration Area in Xichou County of Yunnan Province were taken as the research objects, and the mass fractions of soil nutrients and heavy metals were measured and analyzed. Result The mass fractions of soil organic matter, total nitrogen and total phosphorus under natural restoration mode were significantly higher than those under other land use modes (P＜0.05). The soil of shrub land (IFI=0.915) and abandoned land (IFI=0.913) was more fertile, while the soil of A. chinensis land (IFI=0.485) and J. regia land (IFI=0.501) was poor. Under different land use modes, the risk of heavy metal pollution was the lowest (IR=66.91) in shrub land, and the highest (IR=169.16) in A. chinensis land. Correlation analysis showed that the effect of soil nutrient content on heavy metal content was different with different land use modes, and was more significant in shrub and grass field, artificial forest and natural forest land (P＜0.05), but insignificant in abandoned land and crop planting land (P＞0.05). Conclusion Areas with strong natural attributes have high soil fertility and low risk of heavy metal pollution, indicating that human disturbance is an important factor affecting vegetation restoration in rocky desertification areas. Human disturbance should be appropriately reduced to better improve soil nutrients. [Ch, 3 fig. 8 tab. 29 ref.] -
Key words:
- rocky desertification /
- different land use modes /
- soil nutrients /
- heavy metals
-
毛竹Phyllostachys edulis为禾本科Gramineae刚竹属Phyllostachys单轴散生型竹类植物，具有生长更新快，自然成熟期短等优点，是中国分布最广、面积最大的经济竹种[1-2]。毛竹独特的生长习性决定了秆形结构因子及其在竹秆上的分布具有一定的规律性。毛竹的主体是竹秆，为提高毛竹林的经营利用水平，长期以来学者们十分重视毛竹秆形结构研究[3-5]。毛竹的秆形结构通常用竹节数、节长、节间周长(或直径)等因子描述。毛竹的竹节数在笋芽分化时期就已经确定，出土后不再增加新节[3]。毛竹的高生长主要依靠竹节之间的拉伸[4]，节间伸长是从基部开始，靠居间分生组织细胞分裂和细胞伸长而逐节伸长的[6-8]。周芳纯[9]较早研究了节间长度、围度等在竹秆上的分布规律，依据毛竹竹秆上自近中央节位向基部和梢部两端推移，毛竹节间长度逐渐变小的特征，用正态分布近似描述节间长度的分布规律，表明节间长度通过正态分布难以反映节长的分布规律。谢芳[10]和甘代奎[11]则对标准竹竹节进行编号，赋值基部第1节竹节竹号为1，并自下而上依次编号，分析秆形结构因子在竹秆上分布规律，表明从基部向上，节长依节号的变化呈抛物线型，竹节周长与节号呈线性负相关。但是，不同毛竹的竹节数往往不同，以节号作为自变量，得出秆形结构因子与节号的关系方程不具有普遍意义。可见，现有描述毛竹秆形结构因子及其在竹秆上的分布规律仍是未解的科学问题。本研究以浙江省受人为干扰较少的毛竹林为研究对象，以竹节所处高度与竹高的比值(即相对高，取值范围0~1)代替实际高，分析秆形结构因子依赖于相对高的分布规律，旨在为毛竹林经营利用提供理论依据。
1. 研究区与方法
1.1 研究区概况
浙江省位于27°01′~31°10′N，118°01′~123°08′E，年均气温为16~19 ℃，四季分明，光照充足，雨水充沛，是典型的亚热带湿润季风气候。浙江省是中国毛竹的主产区之一，有“七山一水二分田”之说，山地和丘陵占74.63%，因而比较适合毛竹的生长，毛竹广泛分布于海拔400~800 m的丘陵、低山山麓地带。根据《2018年浙江省森林资源及其生态功能价值公告》，浙江省森林面积为607.82万 hm2，森林覆盖率为59.71%，竹林面积为92.70万 hm2，占森林面积的15.25%，其中毛竹林面积为81.67万 hm2，占竹林面积的88.10%。
1.2 样地设置及样竹调查
2014−2018年，根据浙江省森林资源一类调查系统抽样样地中的毛竹林样地分布较多的区域，共选择10个县市(区)为调查区域，包括庆元县、泰顺县、常山县、武义县、诸暨市、宁海县、黄岩区、安吉县、临安区和余姚市(表1)。在调查区域内，选择近5 a没有采伐、垦复、施肥和钩梢等人为经营管理措施干扰的近自然毛竹林，每个区域随机设置10 m×10 m的样地至少4个，共52个样地。根据样地每木调查结果，按照胸径分布范围，确定大、中、小径级，并在大、中、小径级的样竹中，各随机选取1株梢头完整且无病虫害的样竹，共159株，总竹节数为9 431节。用锯子在竹秆基部齐地伐倒，用皮尺测量竹高。自竹秆基部向上，将竹节从小到大依次编号，称之为节号。用围尺测量每个竹节的竹节长和竹节中央直径。用游标卡尺测量竹秆基部，胸高处，及1/2高处东、南、西、北4个方位的壁厚，取4个方位壁厚的平均值作为对应位置的壁厚。
表 1 研究区概况和样地样竹调查Table 1 Study area overview and sample setting地名 纬度
(N)经度
(E)年均气
温/℃年均降
水量/mm样地数/
个样竹数/
株余姚 30°03′ 121°09′ 16.2 1 361 8 24 临安 30°23′ 118°51′ 16.4 1 628 4 12 诸暨 29°43′ 120°32′ 16.3 1 373 6 18 安吉 30°38′ 119°40′ 15.8 1 420 4 12 宁海 29°29′ 121°25′ 16.4 1 480 6 19 泰顺 27°30′ 119°42′ 17.9 1 670 4 12 黄岩 28°38′ 121°17′ 17.0 1 676 4 12 武义 28°54′ 119°48′ 17.9 1 546 6 20 常山 28°51′ 118°30′ 16.3 1 700 6 18 庆元 27°27′ 119°30′ 17.4 1 760 4 12 1.3 统计分析
采用SPSS 20.0对毛竹秆形结构因子在区域间的差异性进行了方差分析，对秆形结构因子之间的关系进行了相关性分析，对秆形结构因子间的主导因子进行了因子分析。
2. 结果与分析
2.1 秆形结构因子描述性统计及区域差异性分析
由表2可知：10个地区毛竹的竹节数最小为39节，最大为76节，平均为59节。竹节数和1/2高节号的变异系数最小，均为0.12。胸高节号的变异系数最大，为0.20。最长竹节长与1/2高节长相近。10个研究区间，毛竹的竹节数、1/2高节长、最长竹节长、基部壁厚、1/2高壁厚、竹高和胸径间差异显著(P＜0.05)，其他秆形结构在10个地区间差异不显著。
表 2 毛竹秆形结构因子描述统计特征Table 2 Description statistical characteristics of factor of culm form指标 竹节数 1/2高节号 胸高节号 1/2高节长/cm 最长竹节长/cm 胸高竹节长/cm 极小值 39 18 6 17.30 18.30 11.70 极大值 76 39 16 46.00 46.00 30.60 均值 59 28 9 34.45 35.43 22.27 标准差 7.38 3.4 1.79 5.35 5.23 3.38 偏度 −0.30 −0.33 1.29 −0.22 −0.32 −0.10 峰度 −0.09 0.38 2.44 −0.20 −0.02 0.78 变异系数 0.12 0.12 0.20 0.16 0.15 0.15 地区显著性 P＜0.05 P=0.08 P=0.32 P＜0.05 P＜0.05 P=0.06 指标 基部壁厚/mm 胸高壁厚/mm 1/2高壁厚/mm 竹高/m 胸径/cm 极小值 8.35 4.93 3.81 7.20 4.20 极大值 25.76 14.52 10.29 20.14 15.30 均值 16.61 10.32 6.53 14.56 10.08 标准差 3.21 2.01 1.10 2.64 2.34 偏度 0.26 −0.16 0.18 −0.23 −0.18 峰度 0.06 −0.40 0.63 −0.07 −0.44 变异系数 0.19 0.19 0.17 0.18 0.23 地区显著性 P＜0.05 P=0.83 P＜0.05 P＜0.05 P＜0.05 2.2 竹节数的分布特征
以5节竹节为竹节数级距，分析所采集样竹的竹节数频数分布特征。从图1可知：毛竹的竹节数主要集中在53~67节，且毛竹竹节数的频数分布符合正态分布(P＜0.01)。从图2可见：随着径阶的增大，平均竹节数有增大的趋势，即粗壮竹子的竹节数较细小竹子多。
2.3 竹节长的分布特征
不同毛竹的竹节数、竹节长和竹高往往不同。为消除不同竹高的影响，以竹节所处高度与竹高的比值(即相对高，取值为0~1)代替实际高，分析竹节长在竹秆上的分布规律。从图3可见：随着竹节相对高的增加，竹节长自基部至梢头呈先增大后减小的趋势，并且竹节长在竹秆上的分布具有对称性。因此，可用抛物线描述竹节长在竹秆上的分布规律。根据函数拟合结果，在相对高为0.48时，即约1/2竹高处时，最长竹节为35.46 cm(图3)。
为比较不同径阶毛竹竹节长在竹秆上分布的差异性，绘制了不同径阶的关系图(图4)，并拟合抛物线(表3)。经检验，拟合方程均达显著水平(P＜0.01)。根据方程拟合结果和不同径阶最长竹节长对应相对高的实测值，可以解析不同径阶最长竹节长对应的相对高，以及某一相对高对应的理论节长的分布规律。从表3可知：不同径阶毛竹最长竹节对应的相对高差异不大，取值均为0.47~0.52，但最长竹节长随着径阶的增大有逐渐变大的趋势。
图 4 不同径阶毛竹竹节长在竹秆上的分布Figure 4 Distribution of length of bamboo node on culm in different diameter class表 3 不同径阶毛竹竹节长分布特征拟合结果Table 3 Fitting results of distribution of length of node on culm in different diameter class径阶/cm a b c R2 ML/cm MRH 4 −68.54 0.52 23.71 0.87 24.40 0.48 6 −103.39 0.49 33.20 0.79 33.45 0.49 8 −96.19 0.49 33.42 0.77 33.32 0.51 10 −97.87 0.47 34.82 0.80 34.76 0.50 12 −102.09 0.47 36.65 0.85 36.60 0.49 14 −107.00 0.47 39.41 0.88 39.16 0.51 16 −111.59 0.46 40.87 0.92 42.40 0.50 说明：拟合函数为y=−a(x−b)2+c，其中x为相对高，y为某相对 高所对应的竹节长度，a和b为函数所对应的参数。R2为 拟合决定系数；ML为实测平均最长竹节长；MRH为实 测最长竹节长对应的相对高 2.4 竹节中央直径的分布特征
竹节中央直径可反映竹节的大小。从图5可见：随着竹节相对高的增加，竹节中央直径逐渐下降，呈明显的线性负相关关系。不同径阶毛竹竹节中央直径与相对高的关系拟合直线见图6，拟合参数见表4。经检验，拟合方程均达显著水平(P＜0.01)。利用拟合方程，可推算不同径阶毛竹在某一相对高对应的理论竹节中央直径。从图6可以看出：随着径阶的增大，拟合函数斜率逐渐变小。但不论毛竹径阶怎么变化，竹秆相对高每增加10%，竹节中央直径约下降10%。
图 5 毛竹竹节中央直径与相对高的线性关系Figure 5 Relationship between relative height and central diameter of bamboo node
图 6 不同径阶毛竹竹节中央直径在竹秆上的分布Figure 6 Distribution of central diameter of node on culm in different diameter class表 4 不同径阶毛竹竹节中央直径分布特征拟合结果Table 4 Fitting results of central diameter of node on culm in different diameter class径阶/cm a b R2 4 −5.57 5.60 0.94 6 −6.95 7.20 0.96 8 −8.85 9.21 0.97 10 −11.01 11.28 0.97 12 −12.75 13.19 0.98 14 −14.08 14.79 0.98 16 −16.31 17.11 0.99 说明：拟合函数为y=ax+b，其中x为相对高，y为某相对高度 所对应的竹节直径，a和b为函数所对应的参数。R2为 拟合决定系数 2.5 毛竹秆形结构因子相关性分析
为分析毛竹秆形结构因子之间的相互关系，选择11个具有代表性的秆形结构因子进行相关分析。由表5可知：竹节数与胸径、竹高呈显著正相关，相关系数分别为0.667 (P＜0.01)和0.640 (P＜0.01)。胸径与1/2高壁厚、1/2高节长呈显著正相关，相关系数分别为0.756 (P＜0.01)和0.416 (P＜0.01)，说明竹子越粗壮，1/2高对应的壁厚越厚、节长越长。胸径与胸高节号呈显著负相关，相关系数为−0.551 (P＜0.01)，说明竹子越粗壮，达到胸高所需的节数越少，即胸高以下的平均节长越长。竹节数和1/2高节号呈显著正相关，相关系数为0.739 (P＜0.01)，主要原因是竹节长在竹秆上的分布具有对称性(图3)。1/2高节长和最长竹节长的相关系数为0.979 (P＜0.01)，主要原因是竹节长自基部往梢部有先增加后减少的趋势，且大约在1/2高时竹节最长(图3)。
表 5 毛竹秆形结构因子的相关性分析Table 5 Correlation analysis of factor of culm form指标 竹高 胸径 基部壁厚 胸高壁厚 1/2高壁厚 竹节数 1/2高节号 胸高节号 1/2高节长 胸高节长 最长竹节长 竹高 1 胸径 0.865** 1 基部壁厚 0.715** 0.764** 1 胸高壁厚 0.800** 0.875** 0.804** 1 1/2高壁厚 0.665** 0.756** 0.651** 0.801** 1 竹节数 0.640** 0.667** 0.575** 0.625** 0.466** 1 1/2高节号 0.442** 0.444** 0.401** 0.360** 0.256** 0.739** 1 胸高节号 −0.527** −0.551** −0.362** −0.583** −0.513** −0.076 0.326** 1 1/2高节长 0.686** 0.416** 0.386** 0.423** 0.381** 0.029 −0.146 −0.543** 1 胸高节长 0.465** 0.401** 0.289** 0.362** 0.333** −0.109 −0.376** −0.675** 0.684** 1 最长竹节长 0.706** 0.443** 0.411** 0.451** 0.406** 0.043 −0.138 −0.570** 0.979** 0.701** 1 说明：**表示相关极显著(P＜0.01) 2.6 毛竹秆形结构的主导因子分析
由表6可知：前4个主因子含有原始数据90.66%的信息，第1主因子解释了秆形结构27.33%的方差，第2、3、4主因子分别解释了秆形结构26.00%、22.64%和14.69%的方差。与第1主因子相关性较大的是1/2高壁厚、基部壁厚和胸高壁厚，而壁厚因子两两之间相关性较高，均达显著水平(P＜0.05，表5)，表明第1主因子是反映壁厚的综合因子。与第2主因子相关性较大是1/2高节长和最长竹节长，而最长竹节长与1/2高节长之间的相关性达0.982(表5)，表明第2主因子是反映1/2高节长的综合因子。与第3主因子相关性最大的是1/2高节号，其次是竹节数，而1/2高节号与竹节数之间的相关性达0.739，表明第3主因子是反映竹节数的综合因子。与第4主因子相关性最大的是胸高节号，其次是胸高节长和胸径，表明第4主因子是反映胸高处秆形结构的综合因子。因子分析结果表明：壁厚因子、1/2高节长、竹节数和胸高处秆形因子是反映毛竹秆形结构的主要因子。
表 6 毛竹秆形结构因子分析Table 6 Factor analysis of culm form factor指标 第1主因子 第2主因子 第3主因子 第4主因子 竹高 0.464 0.586 0.598 0.232 胸径 0.640 0.248 0.562 0.360 胸高节长 0.156 0.624 −0.155 0.608 基部壁厚 0.793 0.270 0.343 0.002 胸高壁厚 0.772 0.220 0.417 0.311 1/2高壁厚 0.865 0.169 0.172 0.206 胸高节号 −0.358 −0.325 0.051 −0.827 1/2高节号 0.222 −0.111 0.882 −0.410 竹节数 0.348 −0.065 0.832 0.036 1/2高节长 0.195 0.951 0.001 0.176 最长竹节长 0.220 0.942 0.010 0.201 特征值 3.000 2.860 2.490 1.610 贡献率 27.330 26.000 22.640 14.690 累计贡献率/% 27.330 53.330 75.970 90.670 3. 讨论
3.1 毛竹秆形结构的稳定性
稳定性是毛竹秆形结构的特点之一。毛竹的竹节数相对稳定，集中在53~67节，平均59节。抛物线可以较好地拟合竹节长与相对高在竹秆上的分布，但不同径阶毛竹最长竹节的相对高没有明显差异，均约在1/2竹高处。这种稳定性主要是由遗传结构和生长特点决定的[12]，竹秆中部居间分生组织较两端分生组织活动期长、生长量多，因此中部竹节节间较长，基部和梢部节间较短[4, 13-14]。
3.2 毛竹秆形结构的差异性及其影响因素
差异性是毛竹秆形结构的另一个特点。随着径阶的增大，竹节数和最长竹节长有增大的趋势，这与周芳纯[9]的研究结论一致。胸径越大，胸高以下平均竹节长越长，汪阳东[12]的研究也得到相近的结论。差异性则主要受母竹大小和地理生态因素的影响[15-17]。在出笋前期，母竹消耗了大量的营养物质，导致在出笋中后期的竹笋营养匮乏，生长竞争压力增大[18-20]，其生长发育受到一定程度影响。此外，母竹发挥其整合作用，优先将营养供给较大的竹子，较小的竹子由于营养竞争其秆形结构的生长受到了影响[21]。
林木的生长性状不仅与物种遗传特性有关，同时也受环境条件的影响[5, 22-23]。在出笋成竹期和孕笋期，气候因子异常，降水量少、气温偏低、寒流持续时间过长等影响竹子的正常生长发育，也会导致毛竹的秆形生长异常，秆形生长量明显变小[16-17, 24-25]。本研究方差分析表明：竹节数、1/2高节长、最长竹节长、基部壁厚、1/2高壁厚、高和胸径在10个区域间差异显著。相关分析表明：年均降水量、年均气温与各秆形结构因子均呈正相关，即随着年均降水量和年均气温的增加，毛竹相同位置对应的秆形指标均有逐渐增加的趋势。这与周文伟[26]的研究结论相似，该研究表明：降水量的增加能促进毛竹的生长，水热条件较高的庆元比水热条件较低的安吉的毛竹产量高。实际上，较好的水热条件可以降低毛竹之间的竞争，促进毛竹的生长[16, 27-28]。可见，年均降水量和年均气温是影响毛竹秆形生长的重要因素。
4. 结论
毛竹竹节数服从正态分布，竹节长与竹节相对高呈抛物线关系，且不同径阶毛竹最长竹节的相对高没有明显差异，均约在1/2竹高处。竹节中央直径与竹节所处相对高呈线性负相关关系。随着径阶的增大，最长竹节长和竹节数有逐渐增大的趋势。壁厚因子、1/2高节长、竹节数和胸高处秆形因子是反映毛竹秆形结构的主要结构因子。
-
图 1 不同土地利用方式下土壤有机质、土壤全氮和土壤全磷的差异特征
Figure 1 Characteristics of soil organic matter contents, soil total nitrogen contents and soil total phosphorus contents under different utilization methods
图 2 不同利用方式下土壤重金属空间分布特征
Figure 2 Spatial distribution characteristics of soil heavy metals under different utilization modes
图 3 不同利用方式下土壤养分和重金属之间的相关性
Figure 3 Correlation between soil nutrients and heavy metals under different utilization methods
表 1 研究区样地概况
Table 1. Sample overview of the study area
土地利用类型 坡向 海拔/ｍ 主要植被 撂荒地(BF) 北坡 1 474.5~1 481.7 鼠尾草Salvia japonica、扁穗草Brylkinia schmidt 灌草地(FG) 北坡 1 519.0~1 537.7 绒毛山胡椒Lindera nacusua、尖子木Oxyspora paniculata 人工林地(AF) 北坡 1 410.6~1 496.5 三尖杉Cephalotaxus fortunei、滇青冈Cyclobalanopsis glaucoides 自然林地(AG) 北坡 1 241.7~1 511.4 三尖杉、云南松Pinus yunnanensis 玉米地(CN) 北坡 1 459.7~1 472.6 玉米 核桃林地(UJ) 北坡 1 113.5~1 212.7 核桃 猕猴桃地(UA) 北坡 1 513.4~1 547.0 猕猴桃、鬼针草Bidens pilosa 
下载: 导出CSV
表 2 土壤理化性质及重金属元素测定方法
Table 2. Measuring methods of soil physicochemical indexes and heavy metal elements
指标 项目 测定方法 物理指标 pH 土水质量比1.0∶2.5电位法 化学指标 有机质 重铬酸钾容量法-外加热法 全氮 半微量开氏法 碱解氮 碱解扩散法 全磷 钼锑抗比色法 速效磷 NaHCO3浸提-钼锑抗比色法 速效钾 火焰光度法 重金属元素 砷、锌、铜、镍、铬、锰 三酸分步消解-电感耦合等离子体质谱法
下载: 导出CSV
表 3 土壤肥力综合评价指标权重值
Table 3. Weight value of soil fertility comprehensive evaluation index
指标 pH 有机质 全氮 全磷 速效磷 碱解氮 速效钾 权重值 0.056 0.226 0.224 0.162 0.106 0.179 0.047
下载: 导出CSV
表 4 土壤养分及pH分级标准
Table 4. Soil nutrient and pH classification criteria
分级 pH 有机质/(g·kg−1) 全氮/(g·kg−1) 全磷/(g·kg−1) 碱解氮/(mg·kg−1) 速效磷/(mg·kg−1) 速效钾/(mg·kg−1) 评价 一级 ＞8.5 ＞40 ＞2.00 ＞1.0 ＞150 ＞40 ＞200 很高 二级 7.5~8.5 30~40 1.50~2.00 0.8~1.0 120~150 20~40 150~200 高 三级 6.5~7.5 20~30 1.00~1.50 0.6~0.8 90~120 10~20 100~150 中上 四级 5.5~6.5 10~20 0.75~1.00 0.4~0.6 60~90 5~10 50~100 中下 五级 4.5~5.5 6~10 0.50~0.75 0.2~0.4 30~60 3~5 30~50 低 六级 ≤4.5 ≤6 ≤0.50 ≤0.2 ≤30 ≤3 ≤30 很低 说明：表中连接点的值为上限排除法
下载: 导出CSV
指标范围 肥力水平 指标范围 肥力水平 IFI≥0.8 高 0.2≤IFI＜0.4 较低 0.6≤IFI＜0.8 较高 IFI＜0.2 低 0.4≤IFI＜0.6 中等
下载: 导出CSV
表 6 土壤重金属潜在生态危害分级标准
Table 6. Soil heavy metals potential ecological hazard grading standard
Ei IR 生态危害程度 Ei IR 生态危害程度 ＜40 ＜150 轻微 160~320 ≥600 很强 40~80 150~300 中等 ≥320 极强 80~160 300~600 强
下载: 导出CSV
表 7 不同利用方式土壤肥力指数
Table 7. Soil fertility index in different utilization modes
土地利用方式 IFI 土地利用方式 IFI 撂荒地 0.913 玉米地 0.837 灌草地 0.915 核桃林地 0.501 人工林地 0.779 猕猴桃地 0.485 自然林地 0.789
下载: 导出CSV
表 8 土壤重金属潜在生态危害指数
Table 8. Soil heavy metals potential ecological hazard index
样地 Ei IR 砷 锌 铜 镍 铬 锰 撂荒地 46.42 7.87 7.35 40.29 6.83 1.25 110.01 灌草地 37.86 2.68 6.51 16.79 2.22 0.86 66.91 人工林地 70.35 1.10 6.93 10.49 2.54 1.68 93.09 自然林地 113.21 4.70 5.90 14.83 3.32 1.32 143.28 玉米地 32.91 7.45 9.80 37.90 5.87 1.52 95.44 核桃林地 69.44 2.89 9.46 27.90 4.27 1.45 115.40 猕猴桃地 103.97 4.68 16.65 37.14 4.64 2.08 169.16
下载: 导出CSV
-
[1] 熊康宁, 陈永毕, 陈浒. 点石成金: 贵州石漠化治理技术与模式[M]. 贵阳: 贵州科技出版社, 2011: 125 − 139. XIONG Kangning, CHEN Yongbi, CHEN Hu. Midas Touch: Technology and Model of Rocky Desertification Control in Guizhou[M]. Guiyang: Guizhou Science and Technology Press, 2011: 125 − 139. [2] 刘丛强. 生物地球化学过程与地表物质循环——西南喀斯特流域侵蚀与生源要素循环[M]. 北京: 科学出版社, 2007. LIU Congqiang. Biogeochemical Processes and Surface Material Cycling: Erosion and Biogenic Elements Cycling in Karst Basins of Southwest China[M]. Beijing: Science Press, 2007. [3] 何霄嘉, 王磊, 柯兵, 等. 中国喀斯特生态保护与修复研究进展[J]. 生态学报, 2019, 39(18): 6577 − 6585. HE Xiaojia, WANG Lei, KE Bing, et al. Progress on ecological conservation and restoration for China karst [J]. Acta Ecol Sin, 2019, 39(18): 6577 − 6585. [4] 肖华, 熊康宁, 张浩, 等. 喀斯特石漠化治理模式研究进展[J]. 中国人口·资源与环境, 2014, 24(3): 330 − 334. XIAO Hua, XIONG Kangning, ZHANG Hao, et al. Research progress for karst rocky desertification control models [J]. China Popul Resour Environ, 2014, 24(3): 330 − 334. [5] 王小利, 郭胜利, 马玉红, 等. 黄土丘陵区小流域土地利用对土壤有机碳和全氮的影响[J]. 应用生态学报, 2007, 18(6): 1281 − 1285. WANG Xiaoli, GUO Shengli, MA Yuhong, et al. Effects of land use type on soil organic C and N in a small watershed in Loess Hilly Gully Region [J]. Chin J Appl Ecol, 2007, 18(6): 1281 − 1285. [6] 白义鑫, 盛茂银, 胡琪娟, 等. 西南喀斯特石漠化环境下土地利用变化对土壤有机碳及其组分的影响[J]. 应用生态学报, 2020, 31(5): 1607 − 1616. BAI Yixin, SHENG Maoyin, HU Qijuan, et al, Effects of land use change on soil organic carbon and its components in karst rocky desertification of southwest China[J]. Chin J Appl Ecol, 2020, 31(5): 1607 − 1616. [7] XU Miaoping, ZHONG Zekun, SUN Ziyan, et al. Soil available phosphorus and moisture drive nutrient resorption patterns in plantations on the Loess Plateau[J/OL]. For Ecol Manage, 2020, 461: 117910[2021-06-15]. doi: 10.1016/j.foreco.2020.117910. [8] 李青, 狄晓艳. 晋北丘陵风沙区不同植被恢复模式的土壤化学特征与生态恢复效应[J]. 水土保持研究, 2017, 24(5): 88 − 92. LI Qing, DI Xiaoyan. Soil Chemical characteristics and ecological restoration effects of different revegetation patterns in the hilly sandy of north Shanxi Province [J]. Soil Water Conserv Res, 2017, 24(5): 88 − 92. [9] 覃朝科, 易鹞, 刘静静, 等. 广西某铅锌矿区废水汇集洼地土壤重金属污染调查与评价[J]. 中国岩溶, 2013, 32(3): 318 − 324. QIN Chaoke, YI Yao, LIU Jingjing, et al. Investigation and evaluation on heavy metal pollution in the water collecting depression in a lead-zinc mine of karst area [J]. Carsol Sin, 2013, 32(3): 318 − 324. [10] 罗绪强, 王世杰, 刘秀明, 等. 喀斯特石漠化过程中土壤重金属镉的地球化学特征[J]. 生态环境学报, 2009, 18(1): 160 − 166. LUO Xuqiang, WANG Shijie, LIU Xiuming, et al. Geochemical characteristics of the cadmium in the process of karst rocky desertification [J]. Ecol Environ Sci, 2009, 18(1): 160 − 166. [11] 鲍士旦. 土壤农化分析[M]. 3版. 北京: 中国农业出版社, 2000. BAO Shidan. Soil Agrochemical Analysis[M]. 3rd ed. Beijing: China Agricultural Press, 2000. [12] 刘向磊, 孙文军, 文田耀, 等. 三酸分步消解-电感耦合等离子体质谱法测定土壤详查样品中23种金属元素[J]. 岩矿测试, 2020, 39(5): 793 − 800. LIU Xianglei, SUN Wenjun, WEN Tianyao, et al. Determination of 23 metal elements in detailed soil survey samples by inductively coupled plasma-mass spectrometry with three acid stepwise digestion [J]. Rock Mineral Anal, 2020, 39(5): 793 − 800. [13] 郑立臣, 宇万太, 马强, 等. 农田土壤肥力综合评价研究进展[J]. 生态学杂志, 2004, 23(5): 156 − 161. ZHENG Lichen, YU Wantai, MA Qiang, et al. Advances in the integrated valuation of farmland fertility [J]. Chin J Ecol, 2004, 23(5): 156 − 161. [14] 叶回春, 张世文, 黄元仿, 等. 北京延庆盆地农田表层土壤肥力评价及其空间变异[J]. 中国农业科学, 2013, 46(15): 3151 − 3160. YE Huichun, ZHANG Shiwen, HUANG Yuanfang, et al. Assessment of surface soil fertility and its spatial variability in Yanqing Basin, Beijing, China [J]. Sci Agric Sin, 2013, 46(15): 3151 − 3160. [15] HAKANSON L. An ecological risk index for aquatic pollution control: a sedimentological approach [J]. Water Res, 1980, 14(8): 975 − 1001. [16] 魏复盛, 陈静生, 吴燕玉, 等. 中国土壤元素背景值[M]. 北京: 中国环境科学出版社, 1990: 330 − 493. WEI Fusheng, CHEN Jingsheng, WU Yanyu, et al. Soil Element Background Value in China [M]. Beijing: China Environmental Science Press, 1990: 330 − 493. [17] 黎妍妍, 许自成, 肖汉乾, 等. 湖南省主要植烟区土壤肥力状况综合评价[J]. 西北农林科技大学学报(自然科学版), 2006, 34(11): 179 − 183. LI Yanyan, XU Zicheng, XIAO Hanqian, et al. The comprehensive evaluation of soil fertility status for tobacco-growing areas in Hu’nan Province [J]. J Northwest Sci-Tech Univ Agric For Nat Sci Ed, 2006, 34(11): 179 − 183. [18] 李胜平, 王克林. 人为干扰对桂西北喀斯特山地植被多样性及土壤养分分布的影响[J]. 水土保持研究, 2016, 23(5): 20 − 27. LI Shengping, WANG Kelin. Effect of human disturbance on soil nutrients and plant diversity of grassland in karst mountain [J]. Res Soil Water Conserv, 2016, 23(5): 20 − 27. [19] 王媚臻, 齐锦秋, 魏丽萍, 等. 人为干扰对栲树次生林群落物种多样性和土壤理化性质的影响[J]. 热带亚热带植物学报, 2018, 26(4): 355 − 362. WANG Meizhen, QI Jinqiu, WEI Liping, et al. Effect of human disturbance on species diversity and soil physiochemical properties of Castanopsis fargesii secondary forest [J]. J Trop Subtrop Bot, 2018, 26(4): 355 − 362. [20] 吴海勇, 彭晚霞, 宋同清, 等. 桂西北喀斯特人为干扰区植被自然恢复与土壤养分变化[J]. 水土保持学报, 2008, 22(4): 143 − 147. WU Haiyong, PENG Wanxia, SONG Tongqing et al. Changes of soil nutrients in process of natural vegetation restoration in karst disturbed area in Northwest Guangxi [J]. J Soil Water Conserv, 2008, 22(4): 143 − 147. [21] 巩劼, 陆林, 晋秀龙, 等. 黄山风景区旅游干扰对植物群落及其土壤性质的影响[J]. 生态学报, 2009, 29(5): 2239 − 2251. GONG Jie, LU Lin, JIN Xiulong, et al. Impacts of tourist disturbance on plant communities and soil properties in Huangshan Mountain scenic area [J]. Acta Ecol Sin, 2009, 29(5): 2239 − 2251. [22] 李菲, 李娟, 龙健, 等. 典型喀斯特山区植被类型对土壤有机碳、氮的影响[J]. 生态学杂志, 2015, 34(12): 3374 − 3381. LI Fei, LI Juan, LONG Jian, et al. Effect of vegetation types on soil organic carbon and nitrogen in typical karst mountainous area [J]. Chin J Ecol, 2015, 34(12): 3374 − 3381. [23] 武天云, SCHOENAU J J, 李凤民, 等. 耕作对黄土高原和北美大草原3种典型农业土壤有机碳的影响[J]. 应用生态学报, 2003, 14(12): 2213 − 2218. WU Tianyun, SCHOENAU J J, LI Fengmin, et al. Influence of cultivation on organic carbon in three typical soils of China Loess Plateau and Canada Prairies [J]. Chin J Appl Ecol, 2003, 14(12): 2213 − 2218. [24] 胡春华, 蒋建华, 周文斌. 环鄱阳湖区农家菜地土壤重金属风险评价及来源分析[J]. 地理科学, 2012, 32(6): 771 − 776. HU Chunhua, JIANG Jianhua, ZHOU Wenbin. Risk evaluation and sources analysis of heavy metals in vegetable field soil of rural area around Poyang Lake [J]. Sci Geogr Sin, 2012, 32(6): 771 − 776. [25] 代文雯. 重金属对玉米生长发育及生理生化特性的影响[D]. 兰州: 甘肃农业大学, 2017. DAI Wenwen. Effects of Heavy Metals on Growth and Physiological and Biochemical Characteristics of Maize[D]. Langzhou: Gansu Agricultural University, 2017. [26] 杨艳芳, 邵婷, 吕梦宇, 等. 龙窝湖湿地不同土地利用方式土壤养分和重金属污染特征[J]. 生态学杂志, 2014, 33(5): 1312 − 1318. YANG Yanfang, SHAO Ting, LÜ Mengyu, et al. Characteristics of soil nutrients and heavy metal pollution in wetlands under different land use patterns in Longwo Lake of Wuhu City, Anhui Province, China [J]. Chin J Ecol, 2014, 33(5): 1312 − 1318. [27] 郑永红, 张治国, 姚多喜, 等. 煤矿复垦区土壤重金属含量时空分布及富集特征研究[J]. 煤炭学报, 2013, 38(8): 1476 − 1483. ZHENG Yonghong, ZHANG Zhiguo, YAO Duoxi, et al. Characteristics of temporal-spatial distribution and enrichment of heavy metals in coal mine reclaimed soil [J]. J China Coal Soc, 2013, 38(8): 1476 − 1483. [28] 李梦红, 张晓君, 卢杰. 模糊综合评价在农田重金属污染评价中的应用[J]. 西南农业学报, 2010, 23(5): 1581 − 1585. LI Menghong, ZHANG Xiaojun, LU Jie. Application of fuzzy comprehensive assessment in pollution assessment of heavy mental in farmland soil [J]. Southwest China J Agric Sci, 2010, 23(5): 1581 − 1585. [29] 周会程, 周恒, 肖海龙, 等. 三江源区不同退化梯度高寒草原土壤重金属含量及其与养分和酶活性的变化特征[J]. 草地学报, 2020, 28(3): 784 − 792. ZHOU Huicheng, ZHOU Heng, XIAO Hailong, et al. The variation characteristics of heavy metal content, nutrient and enzyme activity in soil of alpine steppe with different degradation gradient in the three river-headwaters region [J]. Acta Agrestia Sin, 2020, 28(3): 784 − 792. 期刊类型引用(2)
1. 孔梦瑶，雷波，马光良，李琳，王鑫，刘祥东，张丽. 料慈竹秆形性状变化规律. 世界竹藤通讯. 2024(05): 70-77 . 
百度学术2. 袁金玲，岳晋军，马婧瑕，于磊，刘蕾. 元宝毛竹的秆形特征. 林业科学. 2023(05): 71-80 . 百度学术其他类型引用(0)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20210437
点击查看大图
计量
- 文章访问数: 653
- HTML全文浏览量: 199
- PDF下载量: 27
- 被引次数: 2
