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

江西千烟洲杉木生长季树干液流特征及影响因子

涂洁 胡良 刘琪璟 危骏

陈棋, 张超, 田湘云, 等. 云南省2000—2020年石漠化时空演变分析[J]. 浙江农林大学学报, 2023, 40(2): 417-426. DOI: 10.11833/j.issn.2095-0756.20210806
引用本文: 涂洁, 胡良, 刘琪璟, 等. 江西千烟洲杉木生长季树干液流特征及影响因子[J]. 浙江农林大学学报, 2015, 32(2): 257-263. DOI: 10.11833/j.issn.2095-0756.2015.02.013
CHEN Qi, ZHANG Chao, TIAN Xiangyun, et al. Spatio-temporal evolution process of rocky desertification in Yunnan Province from 2000 to 2020[J]. Journal of Zhejiang A&F University, 2023, 40(2): 417-426. DOI: 10.11833/j.issn.2095-0756.20210806
Citation: TU Jie, HU Liang, LIU Qijing, et al. Sap flow characteristics during the growing season for Cunninghamia lanceolata in red soil areas of Jiangxi Province[J]. Journal of Zhejiang A&F University, 2015, 32(2): 257-263. DOI: 10.11833/j.issn.2095-0756.2015.02.013

江西千烟洲杉木生长季树干液流特征及影响因子

DOI: 10.11833/j.issn.2095-0756.2015.02.013
基金项目: 

国家自然科学基金资助项目(31260172);江西省大学生创新创业训练计划项目(201311319039)

详细信息
    作者简介: 涂洁,副教授,博士,从事区域生态生产力研究。
    通信作者: 涂洁,副教授,博士,从事区域生态生产力研究。
  • 中图分类号: S714.5

Sap flow characteristics during the growing season for Cunninghamia lanceolata in red soil areas of Jiangxi Province

  • 摘要: 运用Granier热扩散法对杉木Cunninghamia lanceolata树干液流速率进行测定,并结合自动气象站同步连续监测太阳辐射、空气温度、空气相对湿度等气象因子,为杉木人工林的可持续经营和林地水资源的有效管理提供理论依据。结果表明:①晴天液流为典型的单峰曲线,呈明显的季节变化规律,表现为开始启动、到达峰值和保持较大速率的时间不同。雨天液流速率明显低于同时期晴天液流水平,且液流变化节律因降雨时段不同存在差异。②不同月份杉木平均液流速率大小关系依次为:7月(0.001 012 cms-1)>6月(0.000 999 cms-1)>8月(0.000 941 cms-1)>9月(0.000 930 cms-1)>5月(0.000 731 cms-1)>4月(0.000 628 cms-1)>10月(0.000 494 cms-1)。③生长季液流速率对平均净辐射的响应存在逆时针方向1 h的时滞,对空气温度、空气相对湿度、水汽压亏缺的响应存在顺时针方向2 h的时滞。液流速率与平均净辐射、空气温度、水汽压亏缺呈显著正相关(P<0.05),与空气相对湿度呈显著负相关(P<0.05),气象因子对液流速率的影响程度存在季节差异。在考虑时滞效应的情况下,建立各月液流速率与气象因子的多元线性回归方程,经F值检验,均达到极显著水平(P<0.01),决定系数R2为0.95左右。图3表2参32
  • 石漠化作为一种次生的自然灾害,指在脆弱的岩溶地区,由于受到不合理的人类活动干扰,发生地表植被破坏、土壤侵蚀和基岩裸露等退化极端现象,是中国第三大生态问题[1-2]。中国西南地区岩溶地貌类型齐全、石漠化分布范围广[3],其中以云南、贵州尤为典型。与贵州省不同,云南省岩溶地貌分布广泛,全省129个县(市、区)中,122个存在石漠化现象,且在湿润、半湿润以及半干旱、干旱气候条件下均有发生[4]。云南省严重的石漠化问题,已造成植被逆演替、水土流失、人地矛盾加剧等问题,严重威胁长江、珠江和澜沧江等河流的生态安全,制约着区域经济发展和生态文明建设[5-6]。近年来,国内外专家学者对石漠化信息的遥感提取方法[7-8]、时空演变规律[9-10]、驱动机制[11-12]、恢复治理[13-14]以及修复评价[15-16]等进行了系统性研究,为准确掌握石漠化的时空分布信息和演变规律、修复治理区域生态起到关键作用。利用遥感手段对石漠化信息的提取和时空演变过程的探索,如李阳兵等[17]基于岩石裸露率将石漠化划分为6个等级,人工目视判别后寨河流域5个地点石漠化信息,并引入石漠化变化重要性指数分析了岩溶山地石漠化的变化趋势;王茜等[18]选取岩石裸露率和植被+土被覆盖度,将石漠化划分为5个等级,采用人机交互方式解译广南县石漠化斑块,使用石漠化转移矩阵模型探讨了生态治理后的石漠化格局分布变化;习慧鹏等[19]依据岩石裸露率、植被覆盖度和坡度,将石漠化划分为6级,采用地理探测器获得表征因子贡献率,进行叠加分析提取普定县石漠化斑块信息,构建因子变化模型对表征因子与石漠化时空演变特征进行了评价;左太安等[20]以岩石裸露率、植被+土被覆盖度、土地利用类型为指标,建立了6级分类体系,采用决策树分类法完成了毕节试验区石漠化斑块信息提取,分析了石漠化的时空演变过程。上述研究发现:通过选取若干个遥感表征因子,建立石漠化遥感识别分类体系,所选取的表征因子和分类体系不一致,会增加石漠化斑块信息提取的不确定性,无法保障石漠化斑块信息提取的一致性,不易探析各研究结果石漠化时空演变规律的异同。目前多数研究采用人机交互解译的方法进行小尺度石漠化斑块信息提取,难以满足大尺度石漠化信息提取的需求。

    针对上述问题,本研究基于Landsat系列卫星影像,以云南省为研究区,依据《岩溶地区石漠化监测技术规定》(2011年修订),定量提取表征因子,采用决策树分类法完成2000、2010、2020年石漠斑块信息的提取,引入多个土地利用动态变化模型定量分析云南省石漠化的时空演变过程和特征,旨在为宏观石漠化监测及演变规律研究提供方法。

    云南省(21°08′~29°15′N,97°31′~106°11′E)国土总面积为39.41×104 km2,辖16个地级市、129个县级行政区。境内主要为山地高原地形,地势呈阶梯状自西北向东南逐级降低,平均海拔约2 000 m。属亚热带高原季风气候,受季风气候和地形影响,区域差异和垂直变化显著,年均气温为5~24 ℃,南北温差约19 ℃;降水充沛,但时空分布不均,年均降水量约1 100 mm,集中于5—10月。地质构造复杂,基岩分布以沉积岩和变质岩面积最广,其中,碳酸岩主要分布于滇东北、滇东、滇东南以及滇西北等地区。植被类型丰富,有热带雨林、季雨林、季风常绿阔叶林和暖热针叶林、半湿润常绿阔叶林和暖温性针叶林、湿润常绿阔叶林、温凉性针叶林及寒温性针叶林[21]

    收集2000、2010和2020年共3个时段的云南省Landsat系列卫星遥感影像、地质分布数据和土地利用分布数据。其中,遥感影像来源于谷歌地球引擎(Google Earth Engine,GEE)平台,空间分辨率为30 m,已经过大气校正、几何校正和地形校正等预处理。1∶50万云南省地质分布数据来源于中国地质调查局地质云(https://geocloud.cgs.gov.cn)。土地利用分布数据来源于全球地表覆盖数据产品平台(Globeland 30),空间分辨率为30 m (http: //www.globallandcover.com/)。

    对基础数据进行以下预处理:①基于GEE平台,筛选2000、2010和2020年各年1月1日至12月31日影像,借助影像数据集中的QA频段进行云像元掩膜,基于去云后影像采用均值算法合成,完成拼接和裁剪,获得年度最优影像[22-23] (以上步骤均以代码实现);②对云南省地质分布数据进行几何校正,确定岩溶地区范围。

    石漠化表征因子是石漠化识别和等级评定的重要依据。诸多研究采用植被覆盖度和岩石裸露率构建评定体系。此外,有学者通过坡度和地表结构稳定性的关系,将植被覆盖度、岩石裸露率和坡度作为石漠化评定指标。鉴于石漠化表征因子选取标准的不一致,本研究依据《岩溶地区石漠化监测技术规定》(2011年修订),选取土地利用类型、岩石裸露率、植被类型、植被覆盖度和土层厚度共5个表征因子作为石漠化评定指标。

    石漠化表征因子的提取过程如下:①计算归一化岩石指数(INDR)和归一化植被指数(INDV),采用像元二分法模型计算岩石裸露率(RE)和植被覆盖度(FVC);②依据岩溶地区岩石裸露率与土层厚度(ST)空间关联进行岩溶区土层厚度定量反演[24];③基于土地利用数据将研究区植被类型划分为乔木型、灌木型、草丛型、作物型和无植被型。各石漠化表征因子的计算方法如表1所示。

    表 1  石漠化表征因子计算公式
    Table 1  Calculation formulas of rocky desertification indicators
    表征指标计算公式
    归一化岩石指数 INDR=(BSWIRBNIR)/(BSWIR+BNIR)
    归一化植被指数 INDV=(BNIRBRED)/(BNIR+BRED)
    岩石裸露率   RE=(INDRINDR-min)/( INDR-maxINDR-min)
    植被覆盖度   FVC=(INDVI NDV-min)/( INDV-maxI NDV-min)
    土层厚度    ST=0.0036RE 2−0.717 9RE+40.312
      说明:取INDR累计贡献率为5%和95%的值作为INDR-min和     INDR-max;取INDV累计贡献率为5%和95%的值作为     INDV-minINDV-max[10]BSWIRBNIRBRED分别表示     近红外、红外、红光波段的像元值
    下载: 导出CSV 
    | 显示表格

    完成上述5个表征因子的计算(图1),将岩溶地区石漠状况分为无石漠化土地、潜在石漠化土地和石漠化土地3种类型,其中,石漠化土地又细分为轻度石漠化、中度石漠化、重度石漠化和极重度石漠化4个等级。石漠化信息提取过程如下:①基于岩石裸露率、植被覆盖度和土地利用类型,采用决策树分类法进行岩溶地区土地类型划分;②根据评定标准计算岩石裸露率、植被覆盖度、植被类型、土层厚度的分值,根据综合评分值确定石漠化程度。

    图 1  石漠化表征因子示意图
    Figure 1  Rocky desertification characterization factors

    为了探析石漠化的时空演变特征,引入土地利用动态变化分析模型研究单一等级石漠化动态度、综合等级石漠化动态度、石漠化面积转移矩阵及石漠化双向变化率,定量描述石漠化的时空演变过程。

    ①单一等级石漠化动态度:用于表示研究时段内单一等级石漠化的变化幅度,是石漠化等级变化差异和未来变化预测的重要依据。计算公式为:

    $$ {K}_{{i}}=\frac{{{U}}_{\mathrm{b}}-{U}_{\mathrm{a}}}{{U}_{\mathrm{a}}}\times \frac{1}{{T}}\times 100\% 。 $$ (1)

    式(1)中:Ki为研究时段内第i类石漠化类型动态度(%);UaUb分别为研究初期及研究末期该类石漠化类型的面积(km2);T为研究时段长度(a)。

    ②综合等级石漠化动态度:反映研究时段内石漠化总体的变化幅度和速度。计算公式为:

    $$ {K}_{n}=\sum _{i=1}^{n}\frac{\left(\left|{U}_{{\rm{b}}i}-{U}_{{\rm{a}}i}\right|\right)}{{S}}\times \frac{1}{{T}}\times 100\mathrm{\%} 。 $$ (2)

    式(2)中:Kn为研究时段内综合等级石漠化类型动态度(%);Uai、Ubi为研究区域内第i类石漠化类型在研究起始年和终止年的统计面积(km2);S为研究区总面积(km2);n为石漠化类型数量。

    ③石漠化面积转移矩阵:反映石漠化各等级内部的变化特征,亦能描述研究区不同时期各等级石漠化的转换方向和转换量。计算公式为:

    $$ {{\boldsymbol{S}}}_{ij}=\left[\begin{array}{cccc}{S}_{11}& {S}_{12}& \cdots & {S}_{1{n}}\\ {S}_{21}& {S}_{22}& \cdots & {S}_{2{n}}\\ \cdots & \cdots & \cdots & \cdots \\ {S}_{{n}1}& {S}_{{n}2}& \cdots & {S}_{{n}{n}}\end{array}\right] 。 $$ (3)

    式(3)中:Sij为研究时段内第i等级石漠化转换成第j等级石漠化的面积(km2);n为转换前后的石漠化等级数量。

    ④石漠化双向变化率:是对石漠化内部变化速度的量化表达,反映研究区各等级石漠化转换速度的差异。计算公式为:

    $$ {P}_{{i}}=\frac{\displaystyle \sum _{ij}^{n}\left[\left({U}_{{i}{j}}+{U}_{{j}{i}}\right)/{U}_{{i}}\right]}{{T}}\times 100\% 。 $$ (4)

    式(4)中:Pi为第i等级石漠化的双向变化率(%);Uiji等级石漠化转换到非i等级石漠化的面积(km2);Uji为除i等级的其他等级石漠化转换为i等级石漠化的面积(km2);Ui为初期第i等级石漠化的面积(km2)。

    结合云南省岩溶地区的边界范围和谷歌地球引擎不同成像时间的高清遥感影像,随机抽取1 200个样点,采用目视解译的方法完成验证数据的采集。以2020年石漠化分类结果为例,计算石漠化斑块遥感分类精度的混淆矩阵(表2)。结果显示:中间过渡等级的判对率较低,两端等级的判对率较高,无石漠化和极重度石漠化的识别精度均可达75%以上。遥感分类结果的总体精度为75.25%,Kappa系数为0.680,利用本研究提出的方法可较为准确地提取石漠化斑块信息。

    表 2  云南省石漠化遥感分类精度混淆矩阵
    Table 2  Confusion matrix of remote sensing classification accuracy of rocky desertification in Yunnan
    等级无石漠化/个潜在石漠化/个轻度石漠化/个中度石漠化/个重度石漠化/个极重度石漠化/个制图精度/%用户精度/%
    无石漠化  40118541279.2593.04
    潜在石漠化 6111421101173.0854.81
    轻度石漠化 4446500055.0857.52
    中度石漠化 014159716376.9866.90
    重度石漠化 06971322779.0472.93
    极重度石漠化0038179474.0277.05
    下载: 导出CSV 
    | 显示表格

    云南省石漠化的空间分布范围广,但不均匀,发生面积总体呈东多西少的分布特征。研究时段内,滇东北的昭通、滇东的曲靖、滇东南的文山、滇南的红河及滇中的昆明等地的石漠化发生面积占全省石漠化发生总面积的65.42%~72.14%,是云南省石漠化分布的集中区(图2)。同时,全省石漠化发生变化的区域较大,呈集中连片分布。石漠化的演变过程可分为2种类型,大部分地区属于持续减少型,仅有临沧、丽江、文山和迪庆属于先增后减型。其中,文山、昭通、曲靖和红河的石漠化变化最为显著,占全省石漠化变化面积的75.22%。可见,2010年前云南省石漠化的扩张趋势大部分已得到遏制,但2008—2010年遭遇不同程度的干旱和冰雪灾害,以及石漠化综合治理等生态工程的实施对生态系统造成的破坏,局部地区石漠化程度仍在恶化;2010年以后,云南省石漠化状况整体得到一定改善,但治理形式依然严峻。

    图 2  研究区石漠化分布示意图
    Figure 2  Distribution of rocky desertification

    表3可知:2000—2020年,云南省石漠化分布面积整体呈缩减趋势,石漠化分布面积占国土面积比例从9.65%下降至6.48%。其中:重度石漠化面积缩减面积最多,减少面积占国土面积的2.05%。无石漠化分布面积呈持续扩张趋势,增加面积占国土面积比例从16.30%增加至19.50%。潜在石漠化面积变化不明显,变化面积仅占国土面积的0.03%。

    表 3  云南省2000—2020年各等级石漠化动态度
    Table 3  Dynamic degree of desertification rocky desertification grade of Yunnan from 2000 to 2020
    等级面积/km22000—2010年2010—2020年
    2000年2010年2020年变化面积/km2动态度/%变化面积/km2动态度/%
    无石漠化  62 459.2466 179.9774 720.133 720.730.608 540.161.29
    潜在石漠化 18 895.0218 391.7718 763.56−503.25−0.27371.790.20
    轻度石漠化 3 849.054 402.552 438.54553.501.44−1 964.01−4.46
    中度石漠化 5 644.204 976.985 140.92−667.22−1.18163.940.33
    重度石漠化 19 957.5516 322.7512 122.71−3 634.80−1.82−4 200.04−2.57
    极重度石漠化7 500.458 031.495 119.65531.040.71−2 911.84−3.63
    总计9 610.540.8118 151.781.53
    下载: 导出CSV 
    | 显示表格

    从单一等级石漠化动态度来看,研究区石漠化状况可分为4种演变特征:①动态度持续正值变化,面积呈扩张趋势,为无石漠化演变特征;②动态度负向变化,面积呈缩减趋势,为重度石漠化演变特征;③动态度由负值变化为正值,面积变化呈先缩减后扩张,以潜在石漠和轻度石漠化演变特征为主;④动态度由正值变化为负值,面积变化呈先扩张后缩减,以轻度石漠化和极重度石漠化演变特征为主。

    2000—2010年,云南省石漠化面积缩减了3 217.48 km2,占国土面积的0.84%。在此期间,无石漠化、轻度石漠化和极重度石漠化分布面积扩张,其中,轻度石漠化扩张幅度最大,动态度为1.44%,年均扩张面积为55.35 km2;其余等级石漠化分布面积缩减,其中,重度石漠化面积缩减幅度最大,动态度为−1.82%,年均缩减面积为363.48 km2

    2010—2020年,云南省石漠化状况显著改善,石漠化缩减面积占国土面积的2.33%。无石漠化、潜在石漠化和中度石漠化分布面积增加;其余等级石漠化面积减少。与2000—2010年相比,除潜在石漠化和中度石漠化外,其余各等级石漠化变化幅度有所增加,其中,无石漠化面积扩张幅度最大,动态度为1.29%,年均扩张面积为854.02 km2,轻度石漠化面积缩减幅度最大,动态度为−4.46%,年均缩减面积为196.40 km2

    2个时段相比,2010—2020年各等级石漠化变化面积多于2000—2010年,综合等级石漠化动态度也远高于2000—2010年(表3)。上述结果表明,2010—2020年云南省石漠化演变幅度较2000—2010年大。

    综上,2000—2020年期间,云南省石漠化演变过程复杂、变化幅度大。2000—2010年和2000—2020年2个时段,云南省石漠化状况整体上均有一定改善,但部分等级石漠仍在恶化。无石漠化和重度石漠化演变方式单一,其余石漠化演变方式复杂,说明云南省石漠化防治仍需高度重视。

    进入21世纪以来,云南省石漠化演变过程较为剧烈。基于2000、2010和2020年石漠化遥感分类结果制作转移矩阵弦图(图3)。2000—2010年,无石漠化变化面积最大,重度石漠化次之。无石漠化转移至潜在石漠化面积最多,占无石漠化转移面积的49.65%;潜在石漠化和轻度石漠化主要向低等级石漠化转移;中度石漠化转移为无石漠化和重度石漠化面积较多,分别占中度石漠化转移面积的28.89%和25.43%;重度石漠化转移至其余各等级石漠化面积相差不大,其中转移至极重度石漠化面较多,占重度石漠化转移面积的23.17%;极重度石漠化转移至重度石漠化面积最多,占转移面积的56.30%。2010—2020年,轻度石漠化、中度石漠化和重度石漠化主要转移为无石漠化和潜在石漠化;极重度石漠转移为重度石漠化面积仍最多,占极重度石漠化转移面积的51.01%,转移为无石漠化面积有所增加,占重度石漠化转移面积的28.64%。

    图 3  石漠化等级转移矩阵弦图
    Figure 3  Rocky desertification grade shift matrix chord diagram

    上述结果表明:2000—2010年,中度石漠化、重度石漠化在转移过程中向高等级石漠化转移面积较多,存在恶化倾向;2010—2020年,以高等级石漠化转出为低等级石漠化为主,石漠化改善面积多于恶化面积。2个时段,在转移过程中极重度石漠化转移至重度石漠面积均最多,且占转移面积的50%以上,极重度石漠化治理难度大,改善周期长。

    2000—2010年,轻度石漠化新增速率快、中度石漠化转移速率快,双向变化速率轻度石漠化最快(表4)。2010—2020年,轻度石漠化变化为转移速率快,中度石漠化则变为新增速率快,双向变化速率中度石漠化最快。2个时段相比,2010—2020年各等级石漠化变化速率均有所提高。无石漠化、潜在石漠化、中度石漠化的新增速率增高,转移速率降低;轻度、重度、极重度石漠化则与之相反。分析可知:轻度石漠化和中度石漠化为石漠化演变的过度阶段,双向变化速率较快,易于改善的同时也需防止其恶化。此外,2010—2020年较2000—2010年石漠化改善速率有大幅提升。

    表 4  云南省2000—2020年石漠化演变双向变化速率
    Table 4  Two-way change rate of rocky desertification evolution in Yunnan from 2000 to 2020
    等级2000—2010年2010—2020年
    新增面
    积/km2
    转移面
    积/km2
    新增速
    率/%
    转移速
    率/%
    变化速
    率/%
    新增面
    积/km2
    转移面
    积/km2
    新增速
    率/%
    转移速
    率/%
    变化速
    率/%
    无石漠化  11 351.067 630.331.821.223.0415 582.557 042.382.351.063.42
    潜在石漠化 8 917.649 420.884.724.999.7110 884.7110 512.935.925.7211.63
    轻度石漠化 3 768.213 214.719.798.3518.141 808.593 772.604.118.5712.68
    中度石漠化 4 266.724 933.937.568.7416.304 176.474 012.538.398.0616.45
    重度石漠化 7 386.6611 021.463.705.529.225 446.489 646.523.345.919.25
    极重度石漠化4 139.783 608.745.524.8110.331 925.334 837.182.406.028.42
    下载: 导出CSV 
    | 显示表格

    基于遥感数据提取的石漠化信息和全国石漠化监测结果存在一定差异。目前,云南省采用以地面调查为主的方法对65个石漠化重点监测县进行了3次综合监测,其中以2011年与本研究2010年石漠化研究时段相近。据统计,2011年监测区石漠化面积为28 397.51 km2,潜在石漠化面积为17 710.26 km2[25];而本研究2010年65个重点监测县石漠化面积为30 725.78 km2,潜在石漠化面积为16 107.40 km2。两项研究石漠化提取面积相差2 328.27 km2,相对误差为8.20%;潜在石漠化相差1 602.86 km2,相对误差为9.05%,进一步验证了本研究的提取方法的可靠性。

    石漠化的时空演变过程实质上是人类活动干扰生态系统,从而影响生态演替的方向和进程。本研究采用遥感手段定量提取石漠化斑块信息,引入多种模型对石漠化时空演变总体特征和内部转移特征进行定量评价,探讨了石漠化分布特征和演变规律。主要结论如下:

    ①基于GEE平台的Landsat TM/OLI数据,采用决策树分类法对云南省岩溶区石漠化信息进行遥感识别和提取,云南省2020年石漠化遥感分类总体精度达75.25%,Kappa系数达0.680,利用本研究提出的方法可较为准确地提取石漠化斑块信息。

    ②云南省石漠化空间分布特征呈东多西少,其中,以昭通、曲靖、文山、红河等地区石漠化分布面积较多,且石漠化发生情况较严重;演变类型空间分布特征整体表现为持续减少型,局部地区石漠化面积仍有扩张。

    ③研究时段内,云南省石漠化面积总体呈持续缩减的演变趋势,但部分等级石漠化存在先增后减或先减后增的演变态势;与2000—2010年相比,2010—2020年石漠化综合等级动态度及大部分单一等级石漠化动态度数值有所增加,表明云南省石漠化演变方式多样,且后一时段较前一时段的演变幅度大。

    ④研究时段内,云南省石漠化的演变流向复杂,且内部演变过程较为剧烈,无石漠化为最大的新增型,重度石漠化面积转移最多;2个阶段,轻度石漠化和中度石漠化双向变化速率较高,易发生变化,稳定性低。

  • [1] 付小斌, 陈琦, 刘苑秋, 段天择, 王力行, 潘颜乐, 康王朝, 邓文平.  降水格局变化对杉木幼苗不同器官非结构性碳水化合物的影响 . 浙江农林大学学报, 2024, 41(6): 1114-1123. doi: 10.11833/j.issn.2095-0756.20240253
    [2] 宋博华, 高歌, 高珊, 孙琳琳, 李冰雪.  基于热技术的活立木液流测量方法综述 . 浙江农林大学学报, 2022, 39(2): 456-464. doi: 10.11833/j.issn.2095-0756.20210286
    [3] 陈超, 金则新, 袁梦, 罗光宇, 李月灵, 单方权.  不同光照强度下濒危植物景宁木兰幼苗光合特性的季节变化 . 浙江农林大学学报, 2022, 39(5): 950-959. doi: 10.11833/j.issn.2095-0756.20210814
    [4] 张荣, 毕华兴, 焦振寰, 王宁, 赵丹阳, 云慧雅, 黄靖涵.  生长季刺槐树干液流昼夜变化特征及其对气象因子的响应 . 浙江农林大学学报, 2022, 39(6): 1238-1246. doi: 10.11833/j.issn.2095-0756.20220159
    [5] 田甜, 余树全, 张旭东, 白彦锋, 张华锋, 姜春前.  萌芽杉木幼龄林植物群落特征 . 浙江农林大学学报, 2020, 37(1): 36-42. doi: 10.11833/j.issn.2095-0756.2020.01.005
    [6] 蒋冬月, 李永红, 沈鑫.  芸香叶片和花瓣释放挥发性有机物成分及其变化规律 . 浙江农林大学学报, 2018, 35(3): 572-580. doi: 10.11833/j.issn.2095-0756.2018.03.025
    [7] 徐勇峰, 郭俨辉, 季淮, 吴翼, 韩建刚, 李萍萍.  洪泽湖湿地杨树林土壤水分变化及其与气象因子的关系 . 浙江农林大学学报, 2018, 35(1): 20-28. doi: 10.11833/j.issn.2095-0756.2018.01.003
    [8] 王志超, 竹万宽, 杜阿朋.  尾巨桉旱雨两季树干液流特征分析 . 浙江农林大学学报, 2017, 34(2): 319-325. doi: 10.11833/j.issn.2095-0756.2017.02.016
    [9] 蒋文伟, 郭运雪, 杨淑贞, 赵明水.  天目山柳杉古树的树干液流速率时空变化 . 浙江农林大学学报, 2012, 29(6): 859-866. doi: 10.11833/j.issn.2095-0756.2012.06.009
    [10] 杨子清, 陈平留, 刘健, 余坤勇, 廖晓丽, 游浩辰, 龚从宏.  杉木人工林空间分布格局时空变化分析 . 浙江农林大学学报, 2012, 29(3): 374-382. doi: 10.11833/j.issn.2095-0756.2012.03.008
    [11] 刘烁, 周国模, 白尚斌.  基于光照强度变化的毛竹扩张对杉木影响的探讨 . 浙江农林大学学报, 2011, 28(4): 550-554. doi: 10.11833/j.issn.2095-0756.2011.04.005
    [12] 唐荣强, 鲍滨福, 李延军.  热处理条件对杉木颜色变化的影响 . 浙江农林大学学报, 2011, 28(3): 455-459. doi: 10.11833/j.issn.2095-0756.2011.03.017
    [13] 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
    [14] 陈奋学, 黄华宏, 童再康, 朱玉球, 何福基.  矮生杉木的解剖特性 . 浙江农林大学学报, 2008, 25(5): 619-623.
    [15] 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.
    [16] 涂洁, 刘琪璟.  中亚热带红壤丘陵区湿地松枝条生长规律 . 浙江农林大学学报, 2007, 24(2): 162-167.
    [17] 李建贵, 黄俊华, 王强, 阮晓.  新疆地区梭梭植物叶片内源激素的季节变化 . 浙江农林大学学报, 2005, 22(3): 282-285.
    [18] 马掌法, 李延军, 陶金星, 丁观芬.  速生杉木木材液体渗透性及影响因子 . 浙江农林大学学报, 2001, 18(3): 278-280.
    [19] 俞元春, 赵永艳, 曾曙才.  苏南丘陵不同林分类型土壤养分的动态特性 . 浙江农林大学学报, 1998, 15(1): 32-36.
    [20] 王赵民, 张建忠, 倪荣新, 陈奕良, 吴隆高, 王伟安, 陈锡连.  杉木种子园产量和品质的影响因子分析 . 浙江农林大学学报, 1998, 15(1): 13-21.
  • 加载中
  • 链接本文:

    https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2015.02.013

    https://zlxb.zafu.edu.cn/article/zjnldxxb/2015/2/257

计量
  • 文章访问数:  2788
  • HTML全文浏览量:  454
  • PDF下载量:  501
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-04-22
  • 修回日期:  2014-07-02
  • 刊出日期:  2015-04-20

江西千烟洲杉木生长季树干液流特征及影响因子

doi: 10.11833/j.issn.2095-0756.2015.02.013
    基金项目:

    国家自然科学基金资助项目(31260172);江西省大学生创新创业训练计划项目(201311319039)

    作者简介:

    涂洁,副教授,博士,从事区域生态生产力研究。

    通信作者: 涂洁,副教授,博士,从事区域生态生产力研究。
  • 中图分类号: S714.5

摘要: 运用Granier热扩散法对杉木Cunninghamia lanceolata树干液流速率进行测定,并结合自动气象站同步连续监测太阳辐射、空气温度、空气相对湿度等气象因子,为杉木人工林的可持续经营和林地水资源的有效管理提供理论依据。结果表明:①晴天液流为典型的单峰曲线,呈明显的季节变化规律,表现为开始启动、到达峰值和保持较大速率的时间不同。雨天液流速率明显低于同时期晴天液流水平,且液流变化节律因降雨时段不同存在差异。②不同月份杉木平均液流速率大小关系依次为:7月(0.001 012 cms-1)>6月(0.000 999 cms-1)>8月(0.000 941 cms-1)>9月(0.000 930 cms-1)>5月(0.000 731 cms-1)>4月(0.000 628 cms-1)>10月(0.000 494 cms-1)。③生长季液流速率对平均净辐射的响应存在逆时针方向1 h的时滞,对空气温度、空气相对湿度、水汽压亏缺的响应存在顺时针方向2 h的时滞。液流速率与平均净辐射、空气温度、水汽压亏缺呈显著正相关(P<0.05),与空气相对湿度呈显著负相关(P<0.05),气象因子对液流速率的影响程度存在季节差异。在考虑时滞效应的情况下,建立各月液流速率与气象因子的多元线性回归方程,经F值检验,均达到极显著水平(P<0.01),决定系数R2为0.95左右。图3表2参32

English Abstract

陈棋, 张超, 田湘云, 等. 云南省2000—2020年石漠化时空演变分析[J]. 浙江农林大学学报, 2023, 40(2): 417-426. DOI: 10.11833/j.issn.2095-0756.20210806
引用本文: 涂洁, 胡良, 刘琪璟, 等. 江西千烟洲杉木生长季树干液流特征及影响因子[J]. 浙江农林大学学报, 2015, 32(2): 257-263. DOI: 10.11833/j.issn.2095-0756.2015.02.013
CHEN Qi, ZHANG Chao, TIAN Xiangyun, et al. Spatio-temporal evolution process of rocky desertification in Yunnan Province from 2000 to 2020[J]. Journal of Zhejiang A&F University, 2023, 40(2): 417-426. DOI: 10.11833/j.issn.2095-0756.20210806
Citation: TU Jie, HU Liang, LIU Qijing, et al. Sap flow characteristics during the growing season for Cunninghamia lanceolata in red soil areas of Jiangxi Province[J]. Journal of Zhejiang A&F University, 2015, 32(2): 257-263. DOI: 10.11833/j.issn.2095-0756.2015.02.013

目录

/

返回文章
返回