下载:
-
中国基层林业单位中从事森林培育与经营的技术人才还比较缺乏，随着生态文明建设进程的不断推进，对森林经营的科学性要求也随之增强。为解决这种要求与现状的不均衡性，有必要利用信息技术手段构建森林经营知识共享渠道，为基层林业单位工作人员提供森林经营知识服务。近年来，知识工程和知识管理等领域的研究逐渐成为热点[1]，国内外学者分别从知识表达组织、知识服务、方法以及应用等角度开展了深入研究，尤其在数字图书馆领域，对知识组织与服务的研究相对领先[2-9]。国内林业研究主要围绕着森林经营过程中的知识表达进行，例如以森林经营模式、作业法与经营知识结构化为基础，研究森林经营专家决策系统知识库，为林农提供经营决策服务[10-13]；利用数据挖掘方法，以森林资源数据为挖掘对象，进行关联性分析，研究影响森林经营的立地知识发现模型[14]；基于知识表达模型，研究探讨近自然森林经营知识表达组织方法[15]等；以上森林知识表达及组织方法的研究，分别对不同应用场景下不同过程、不同类型的森林经营知识提出了表达组织模型，提高了森林经营知识的科学化管理水平。多数的研究是以组织分析知识数据、提供决策为目标，面向知识共享服务的知识组织与服务提供方式的研究在林业领域相对鲜见，因此，研究构建森林经营知识共享服务系统就很有必要。基于此，应用JSON数据交互格[16-18]及Java EE开发技术[19-24]实现了森林经营知识服务系统，利用框架表示法将近自然森林事实性知识进行了结构化表达，实现了知识数据管理、查询、共享接口调用服务等功能。本系统已应用于“全国多功能森林经营关键技术和主要森林类型作业法体系研究及示范”项目，在访问人次及运行效果上均已达到预期效果。
-
知识表示方法的选择应考虑以下4点因素：① 能否充分表示相关的领域知识？② 是否有利于对知识的利用？③ 是否便于知识的组织、维护和管理？④ 是否便于理解和实现？以这4点因素为依据，结合研究目的，是本研究选择知识表达方式的基本思想。
本研究是以近自然森林事实性经营知识服务为目的，对森林经营事实性知识进行管理，故要求知识的表达结构化特性要突出，便于传播和扩展，而对过程推理的特性要求相对较低。如表 1所示：对比常用的知识表示方法，框架表示法最突出特点是善于表示结构性知识，能够把知识的内部结构关系及知识之间的联系表示出来，因此选择框架法表示近自然森林事实性经营知识可以最大限度地提高其结构化特征，增强其传播特性，方便知识体系的扩充。
表 1 知识表示方法比较
Table 1. The knowledge representation method comparison
表示方法 基本形式 特点 应用 一阶谓词 谓词公式。 优点:精确性、严密性、自然性较好。
缺点:效率低，不能表示不确定的知识。问答系统、问题求解系统、机器博弈、机器人行动规则。 产生式规则 P→Q或If P then Q。
P.前提，结论或操作。优点:自然性、模块性、清晰性较好。
缺点:效率不高，不能表达结构性知识。经验性及不确定性的知识表达、问题求解过程相对独立的情况。 框架 < 框架名>
槽名n:
约束:优点:结构性、继承性、自然性较好。
缺点:不善于表达过程性知识。事实性知识的表达。 语义网络 (节点1，弧，节点2)。 优点:结构性、联想性、自然性较好。
缺点:处理复杂，不严格。多用于语言理解系统。 剧本 剧本，剧本组成（进入条件、角色、道具、场景、结局）。 优点:自然性、场景性较好。
缺点:呆板、表达能力有限。计算机动画领域。 本体论 O::{C，R，F，A，I}(C.概念，R.关系，F.函数，A.公里，I.实例）。 优点:关系性、自然性较好。
缺点:处理复杂。本体主要在语义Weh、信息检索与异构信息的互操作等问题中应用。 -
在与近自然森林经营研究专家讨论和总结的基础上，得出近自然森林事实性经营知识可分为5大类，包括经营模式、作业模式、技术措施、造林树种与林学知识，并对近自然森林事实性经营知识类别进行了顶层划分，作为知识树状结构的主分支。在此基础上，对各个分类进行属性细分，将笼统知识转化为结构化知识。不同类别知识分类的解释及属性组成如表 2所示。
表 2 近自然森林经营事实性知识分类
Table 2. Close to nature forest management factual knowledge classification
编号 分类名 解释 属性组成 1 经营模式 针对具体森林对象特征在整个生命周期内采取的有抚育间伐、收获和更新的全部过程和要素集合。 编号，经营模式名称，详细技术，图例。 2 作业模式 是结合具体森林类型、地理区域和功能定位来设计和实施具体的“森林类型作业法”。 编号，作业模式名称，适用地区，树种名称，森林对象（适用条件），目标林相（发展类型名），详细技术，图例。 3 技术措施 在一定时期内为改进森林经营生产技术和生产管理而制定的方案及其实施办法。 经营技术措施名称，经营技术措施类別，详细技术，图例。 4 造林树种 近自然经营示范区中主要的造林树种信息。 树种代码，树种名称，树种别名，树种学名，树种科名……数据来源。 5 林学知识 全国自然科学名词审定委员会公布的近自然森林经营专业名词。 类别，术语，定义。 -
框架由一组描述物体的各个方面的槽组成。每个槽 (属性) 又由若干个侧面组成，每个侧面都有自己的名字和填入的值[1]。一般框架结构如下：
< 框架名> frame
< 槽名1>-值1 slot //可以是具体值，也可以是另一个框架
< 槽名2>-值2
……
< 槽名n>-值n
在近自然森林经营事实性知识中，选择框架表示法表示经营模式、作业模式、技术措施、造林树种和林学知识，可达到强化知识结构化特征，提供知识在计算机交互环境中的流通性等目标。根据1.1节中对近自然森林事实性经营事实性知识分类属性的划分，构建近自然森林事实性经营知识框架网络如图 1所示。
图 1 近自然森林经营知识框架网络
Figure 1. Network of close to nature forest management knowledge framework
① 经营模式知识框架表示。
框架名： < 经营模式>
属性槽：
编号：字符串
经营模式名：字符串
详细技术：字符串
图例：字符串
② 作业模式知识框架表示。
框架名： < 作业模式>
属性槽： < 树种>
编号：字符串
作业模式名：字符串
适用地区：字符串
森林对象 (适用条件)：字符串
目标林相 (发展类型名)：字符串
详细技术：字符串
图例：字符串
③ 技术措施知识框架表示。
框架名： < 技术措施>
属性槽：
经营技术措施名：字符串
经营技术措施类别：字符串
详细技术：字符串
图例：字符串
④ 造林树种知识框架表示。
框架名： < 树种>
属性槽：树种编号：字符串
树种名称：字符串
树种别名：字符串
树种类型：字符串
树种特性：字符串
树种用途：字符串
采种技术：字符串
……
⑤ 林学知识框架表示。
框架名： < 林学名词>
属性槽：类别：字符串
术语：字符串
定义：字符串
-
准确快速查询到用户满意的结果是知识服务系统的核心功能。基于框架法的知识匹配分为确定性匹配与不确定性匹配。在实际应用中，2个框架的对应槽往往不能完全一致，因而就需要进行不确定性匹配。近自然森林经营事实性知识框架的属性槽值均为描述性语言，并没有属相值变化范围，加之各属性的重要程度相差无几，故选择充分条件与必要条件不确定性匹配方法。
依据近自然森林事实性经营知识框架网络，对比每个框架中的属性槽，分析并确定各个属性槽与框架之间的充分必要性，确定为“充分条件”的属性槽可以准确查出所属框架；确定为“必要条件”的属性槽可以被其所属框架准确查出；除了上述具备充分、必要性的属性槽，还有一些属性槽和框架之间的关系不紧密，此类属性槽不是框架匹配的重点内容，这种属性槽在本研究中成为“无条件”的属性槽，被确定为“无条件”的属性槽不作为匹配条件。例如，在造林树种框架中，树种编号属性槽值是唯一的，使用树种编号值能准确查出所属树种框架，故将树种编号属性槽定为造林树种框架的“充分条件”槽；依据树种分类值可查出属于此分类的多个树种，通过造林树种框架能够确定自身的分类，故将树种分类属性槽定为造林树种框架的“必要条件”槽；而图例属性一般不作为造林树种框架匹配过程中的查询条件，故将图例属性槽定为“无关条件”槽。为了计算机的可操作性，本研究将“充分条件”槽定为1.0，将“必要条件”槽定为0.5，无关条件槽定为0。各框架槽的充分必要性如表 3所示。
表 3 近自然森林经营事实性知识框架属性槽充分必要性
Table 3. Close to nature forest management factual knowledge framework attriljute slot need adequately
编号 框架名 属性槽 充分必要性 1 经营模式 编号 1.0 经营模式名 1.0 详细技术 1.0 图例 0 2 作业模式 编号 1.0 作业模式名 1.0 树种名 0.5 适用地区 0.5 适用条件 0.5 发展类型名 1.0 详细技术 1.0 图例 0 3 技术措施 经营技术措施类別名 1.0 经营技术措施名 1.0 详细技术 1.0 图例 0 4 造林树种 树种代码 1.0 树种名称 1.0 树种別名 0.5 树种分类 0.5 数据来源 0 …… 0 图例 0 5 林学知识 类別 0.5 术语 1.0 定义 1.0 充分必要条件属性设置是框架知识匹配的前提条件，匹配原则是2个框架进行匹配。如果充分条件属性槽值相等，就可以认为相应的2个框架可以匹配，可以将进行匹配的框架置为“确认”状态；如果不相等，而必要条件满足，便将框架置为“激活”状态，并进一步匹配剩余框架；如果充分条件和必要条件均没有满足，则对进行匹配的框架置为“沉睡”状态。具体匹配流程如图 2所示。
图 2 匹配流程图
Figure 2. Match flow chart
-
本研究中近自然森林事实性经营知识库采用关系数据库实现，主要分为若干个事实库和1个框架库。事实库用于存储近自然森林5大类经营知识，框架库是依据其框架网络及属性槽的充分必要性进行设计。
依据前面对近自然森林经营知识分类及属性划分和相关的林业行业标准，设计事实库表结构如下：① 经营模式表 (编号，经营模式名，详细技术，图例)；② 作业模式表[编号，作业模式名，适用地区，树种名，森林对象 (适用条件)，目标林相 (发展类型名)，详细技术，图例]；③ 技术措施表 (编号，经营技术措施类别，经营技术措施，详细技术，图例)；④ 造林树种表 (树种代码，树种名称，树种别名，树种学名，树种科名……数据来源)；⑤ 林学知识表 (编号，类别，术语，定义，备注)。
依据框架表示网络及属性槽充分必要性分析设计框架库表结构如下：近自然森林事实性经营知识框架表 (编号，框架名，属性槽，充分必要性)。
-
系统考虑到近自然不同类别知识展示的友好度，方便用户对知识浏览和查询，采用分模块展示方法。具体的功能如图 3所示，包括知识获取接口服务、经营模式浏览查询、作业模式浏览查询、技术措施浏览查询、造林树种查询以及林学知识浏览查询功能。
图 3 近自然经营知识服务系统功结构
Figure 3. Close to nature forest knowledge service system function structure
-
系统通过组件化设计模式，各层次之间具有高内聚、低耦合的特点，增加了开发效率，提高了系统的稳定性及代码的可维护性。如图 4所示：使用成熟的Spring MVC+Hibernate框架，将系统分为数据持久层、业务逻辑层和表现层等3个层次，此架构结构明晰，有较好的稳定性。持久层使用Hibernate对数据库操作进行封装操作；业务逻辑层是系统核心层，使用Spring框架进行事务化管理，实现了框架匹配流程方法，以及面向不同用户的调用接口；表现层运用Jquery技术，采用Ajax与服务器端进行数据交互，增加了数据传输效率，减少页面跳转测试，增强用户体验，在表现层系统提供代码级知识调用接口的同时，也支持林业经营工作者使用浏览器作为客户端软件查询浏览近自然森林经营知识。
图 4 近自然经营知识服务系统结构
Figure 4. Close to nature forest knowledge service system structure
-
系统流程框架如图 5所示。从用户角度主要包含3个流程：① 普通用户可以通过浏览器查阅不同知识类别的Web页面；② 专家用户主要通过系统后台对知识数据进行维护；③ 代码级知识调用用户，可通过WebService或Http等不同接口查询获取知识。通过知识匹配流程对知识进行查询。具体方法1.3节已经说明。
图 5 近自然经营知识服务系统框架
Figure 5. Framework of the close to nature forest knowledge service system
代码级知识调用提供基于WebService和Http等2种接口调用，接口设计需要规定标准化数据传输格式及数据结构。本研究使用轻量级数据交换格式JSON (JavaScript Object Notation)，JSON采用完全独立于语言的文本格式，同时也使用了类似于C语言家族的习惯 (包括C，C++，C#，Java，JavaScript，Perl，Python等)。这些特性使JSON成为理想的数据交换语言，易于读写，同时也易于机器解析和生成 (一般用于提升网络传输速率)。依据框架法的规则，定义JSON数据传输格式如下。
{“datalist”: [{
“framename”: “框架名”,
“attributeslot”: [属性槽名数组],
“attributevalue”: [{
“fieldvalue”: [属性槽值数组 (与attributeslot的顺序一一对应)],
“time”: “提供时间”
}]
}]}
以林学知识为例，如下。
{“datalist”: [{
“framename”: “林学知识”,
“attributeslot”: [‘类别’，‘术语’，‘定义’，‘备注’],
“attributevalue”: [{
“fieldvalue”: [‘森林经理学’，‘立地类型’，‘调查包括土壤和基岩类型、土壤水分状况和养分状况等4个指标。’，‘无’],
“time”: “20160515 16:25:30”}]
}]}
-
近自然森林经营知识服务系统现部署在北京林业大学信息中心服务器上，系统提供Web方式知识浏览查询和代码级调用接口服务，系统长期运行情况良好，其Web知识浏览查询界面如图 6所示，代码级调用接口服务示例如图 7所示。
图 6 近自然经营知识服务系统知识浏览查询界面
Figure 6. Knowledge browse query interface of close to nature forest knowledge service system
图 7 近自然经营知识服务系统代码级调用服务示例界面
Figure 7. Code level call service sample interface of close to nature forest knowledge service system
-
目前，虽有许多学者围绕森林资源与知识管理进行了较多研究，并设计了与之相关的知识管理系统原型[1, 10]，但是大多数系统原型的设计都是以决策支持为目的，往往是对过程性知识的组织；也有少数利用本体的概念对森林经营领域知识进行管理。本研究的目的是为了近自然森林事实性知识的传播和共享。如表 4所示：本研究将现有关于林业领域知识组织管理的典型系统分为专家决策类系统和管理类系统，并与本系统在知识组织方式和功能等方面进行了比较。本研究选用框架表达法，具有操作简单、易于实现、而且结构化强，便于转化为JSON数据传输格式，从而使知识更易传输。
表 4 系统对比与分析
Table 4. System contrast and analysis
系统类别 知识类型及组织方式 系统功能特点 系统适用范围 专家决策类系统 常使用产生式规则 通过对过程性知识的组织，实现决策推理功能。 适用于森林经营决策领域。 数据知识管理类系统 常使用本体表达 利用本体规则，实现领域知识的组织关联，强调知识的检索功能。 适用于森林领域的复杂知识与数据的管理。 本研究的系统 框架法表达 结构化表达事实性知识，强调知识的结构转化与知识的传播。 适用于对一般结构性强的事实性知识的管理弓共享。 -
基于框架表达法的近自然森林结构化经营知识表示模式的设计与实现，对近自然森林经营知识进行了结构化表达，符合知识传播使用特点，使近自然森林经营知识具备了标准化信息传播特性，实现了知识的传播和共享服务的前提条件。基于结构化知识表达方法构建的近自然森林经营知识服务系统提供了Web方式的知识浏览查询和代码级调用接口服务，实现了便捷的用户查询功能。系统应用于“全国多功能森林经营关键技术和主要森林类型作业法体系研究及示范”项目，已长期稳定运行，促进了近自然森林经营事实性知识传播。目前，系统收录知识仍需补充，以满足更多用户的知识需求。
Design and implementation of forest management knowledge service system based on frame representation
-
摘要:
为满足森林经营知识的组织与共享服务需求，以近自然森林事实性经营知识资源数据为基础，以知识工程理论作为指导，选取框架表示法组织表达近自然森林事实性经营知识，并利用充分与必要条件的框架不确定性匹配方法作为知识检索匹配方法。在此基础上，结合JSON数据交换格式，设计了通用性较好的森林事实性知识传播数据结构，并基于Java EE技术开发了森林知识服务系统，实现了知识数据管理、查询、共享接口调用服务等功能。系统运行效果表明：与其他专家决策系统和知识数据管理系统相比，该系统采用的框架表示法更适用于结构性强的森林事实性经营知识管理与共享，可为广大林业工作者提供知识查询与共享服务。
Abstract:To meet the demands for organizing and sharing services of forest management knowledge, the research used close to nature forest factual management knowledge data as the basis and the knowledge engineering theory as the guidance, that selected framework representation to organize and represent close to nature forest factual management knowledge; and used uncertainty matching method based on necessary and sufficient conditions as knowledge retrieval matching method. Based on the above content, the research designed a comparatively universal forest factual knowledge data transmission structure combined with the JSON data interchange format, developed forest knowledge service system on the basis of Java EE technology, then realize the function that including the management and searching of knowledge data. The running results of this system showed that the system with framework representation was more suitable for the management and sharing of forest factual knowledge than the other expert decision making system and knowledge data management system. It can provide knowledge query and sharing services for many forestry workers.
-
全球土壤碳储量约为1 500 Pg，超过全球陆地植被碳储量和大气碳储量之和[1]。土壤呼吸年均释放80~95 Pg二氧化碳-碳(CO2-C)到大气中[2-3]，是化石燃料燃烧产生二氧化碳排放量的11倍以上[4-5]，是陆地生态系统第二大碳通量。全球范围内，森林在减缓气候变化方面发挥着重要的作用[6]。作为地下生态过程的土壤呼吸显著影响着陆地生态系统的碳循环[7]，其通量过程已成为全球变化生态学研究的核心和焦点之一。一方面，大气中CO2等温室气体的增加是导致全球气候变化的主要原因。另外一方面，全球气候变化也会加速土壤呼吸速率，进一步增加CO2年排放量。CO2排放与全球气候变化的正反馈作用将放大全球气候变化对陆地生态系统的影响，因此备受学术界和各国政府关注[5, 8]。森林是陆地生态系统中最大的碳库，其面积约占陆地面积的1/3，对全球碳收支有着重要影响。森林土壤碳储量约占森林生态系统碳储量的2/3，约占全球土壤碳储量的39%[9-10]。森林土壤不仅是植被生长的基础，也是CO2的源、汇地之一，通过土壤呼吸排放到大气中的CO2是大气的重要碳源[11]。在碳中和背景下，被关注的重点是非自然变动引起的森林土壤呼吸的增加或减少，这种变化量才是森林生态系统的有效碳源或碳汇。森林生态系统中的人为干扰(如森林经营活动)能在很大程度上影响土壤CO2排放[12]。其中，森林采伐作为最重要的经营措施及干扰程度最大的人为干扰活动之一，通过改变植被组成、林内光照、凋落物质量、数量及土壤温湿度等进而影响着土壤CO2排放。学者们针对不同气候带的森林开展了多种采伐方式对土壤呼吸影响的研究，但是结论并不一致，存在很大的不确定性。科学认识采伐干扰下森林土壤CO2排放的特征，探讨减少土壤呼吸的森林经营措施对于增强森林的固碳减排功能具有重要的科学意义和实践价值。为此，本研究综述了不同采伐方式对森林土壤呼吸的影响及其机制，主要包括不同采伐方式处理下、不同森林类型对于森林土壤呼吸总量、土壤呼吸组分及其温度敏感性(Q10)的影响，并总结了采伐对土壤呼吸影响的调控因子，在此基础上，提出了该领域的研究前景，以期为中国选择合理的采伐方式，降低森林土壤CO2排放，2060年实现碳中和提供参考。
1. 土壤呼吸的组成
土壤释放CO2的过程称为土壤呼吸，包括3个生物学过程和1个非生物学过程[13]。3个生物学过程分别是自养呼吸、土壤微生物异养呼吸和土壤动物异养呼吸。植物根系与根际呼吸产生的CO2排放，称为自养呼吸；微生物分解土壤有机质产生的CO2排放，称为土壤微生物异养呼吸；土壤动物呼吸产生的CO2排放，称为土壤动物异养呼吸[13]。非生物学过程是指土壤含碳矿物质化学氧化产生的CO2排放[13]，其产生的CO2量远少于生物学过程而通常被忽略不计。
土壤呼吸组分因其产生途径、产生部位和所利用碳源的不同有着不同的术语表达，且经常存在土壤呼吸组分术语混用的问题[14]。在分析森林采伐对土壤呼吸的影响时，可以以采伐影响土壤呼吸的产生途径、产生部位和碳源等某一方面为主进行分析。从土壤CO2排放的产生途径来分析，可以分为自养呼吸(autotrophic respiration)和异养呼吸(heterotrophic respiration)[8, 15]。从土壤CO2排放的产生部位来分析，可分为根际区、无根系影响的土壤和凋落物层3个部位[16]。从土壤CO2排放所利用的碳源来分析，可以分为土壤有机质源CO2和植物源CO2(包括凋落物源、死根源、活根源)[17-19]。
2. 采伐对森林土壤总呼吸的影响
森林采伐是一种非常普遍的经营作业方式，一般分为针对成熟林或过熟林的皆伐、择伐和渐伐等主伐、针对中幼龄林的间伐以及针对防护林的更新采伐。皆伐是将伐区上的林木一次性全部伐除或几乎伐除(保留部分母树)的主伐方式。择伐、渐伐、间伐、更新采伐都是仅将伐区上的林木移除一部分，为方便叙述，本研究统一称它们为部分采伐。森林采伐要砍伐林分中的所有或部分林木，势必会降低冠层覆盖，去除林分或改变林分结构，影响各种环境因子，进而影响土壤呼吸。
2.1 皆伐对森林土壤总呼吸的影响
目前，关于皆伐影响土壤总呼吸的研究有很多，结果并不一致(表1)，可以分为增加、不变、减少3种结论。通常认为皆伐短期内会增加土壤总呼吸[20]：锐齿栎Quercus aliena皆伐4个月后土壤总呼吸增加5%[21]；挪威云杉Picea abies林皆伐后第2年土壤总呼吸增加29%，第3年增加52%[22]；云杉Picea asperata林皆伐后2 a土壤总呼吸增加50%[23]。其主要原因有：①土壤温度升高提升了异养呼吸速率。林地皆伐后土壤受阳光直射，其温度会发生剧烈的变化[24]，从而提升了土壤有机质的分解速率和土壤微生物异养呼吸[21]，大量研究表明土壤温度提升可以解释85%~98%的土壤呼吸变化[25-29]。②土壤有机质增加。皆伐林地内残留的死根、凋落物和伐木残留物的丰富和矿化导致土壤呼吸在皆伐后几年内增加[23]。③土壤理化性质变化。皆伐会通过影响土壤理化性质，进而影响土壤呼吸。皆伐影响土壤氮含量，土壤氮能加速植物生长，影响土壤根呼吸，同时土壤氮也是土壤微生物的重要影响因子；皆伐还会影响土壤pH，土壤pH通过调控土壤中化学反应的进程和土壤酶活性来间接影响土壤呼吸[30]。还有研究表明皆伐会影响土壤全碳、全氮、碳氮比、速效氮磷钾和土壤容重等，而这些都是土壤呼吸的影响因子[31-35]。
表 1 土壤呼吸及其组分对皆伐的响应Table 1 Response of soil respiration and its components to clear cutting地点 气候带 皆伐更新
方式剩余物
处理方式伐后时
间/a观察时间 森林类型 总呼吸/
%自养呼吸/
%异养呼吸/
%Q10/% 参考文献 中国福建省 亚热带 1 5 cm以上收集，
以下归堆清理5~6 整年 杉阔混交林 −37 −48 −34 −17 [37] 中国黑龙江省 温带 1 1 生长季 白桦沼泽 −6 [58] 中国吉林省 温带 1 主干移除
枝叶未清12~13 生长季 阔叶红松林 −25 −35 [72] 美国加利福尼亚州 温带 1 1~2 整年 云杉林 −29 [38] 中国甘肃省 暖温带 1 1 4个月后整年 锐齿栎 5 [21] 俄罗斯莫斯科州 温带 1 凋落物保留
剩余物保留1~2 生长季 云杉林 50
50[23] 芬兰 温带 1 保留 1 整年 挪威云杉 −16 16
17
25[22] 2 整年 29 3 整年 52 美国密苏里州 热带 主干移除 2~4 整年 栎-山核桃林 −18 [73] 全移除 −17 芬兰 温带 1 全部移除 1 整年 苏格兰松 23 [64] 2 整年 −16 3 整年 −20 加拿大魁北克省 寒带 1 6~7 整年 黑云杉 16 [74] 2 9 加拿大新斯科舍省 温带 3 3~4 整年 混合杉木林 −1 [43] 中国浙江省 亚热带 1 25~26 整年 杉木林 17 −15 [75] 瑞典乌普萨拉省 温带 4 树干树桩收获
树冠枝条保留21~22 整年 苏格兰松
挪威云杉−10 [65] 五大湖流域 温带 1 生长季 糖枫 −7 [57] 日本 温带 4 保留竹类 1~3 整年 寒温带针阔
混交林17 [76] 日本 温带 4 保留竹类 1~10 整年 寒温带针阔
混交林61 [77] 马来西亚 热带 1 树干收获，
其余保留1~2 5个月 重红婆罗双林
龙脑香林不变
不变[44] 韩国 温带 4 1 整年 红松林 41 [78] 中国浙江省 亚热带 1 移除 1 整年 杉木林 −15 −20 [79] 5 火烧 −27 −27 中国浙江省 亚热带 1 保留 2 整年 杉木林 13 −10 [79] 1 保留且翻土 32 −11 中国浙江省 亚热带 1 保留 3 整年 杉木林 16 −10 [79] 1 保留且翻土 30 −12 英国英格兰 温带 1 1 整年 云杉 −22 [80] 2 −42 3 −30 4 −10 马来西亚 热带 1 1~9 隔4周测2周 阔叶混交林 13 [81] 日本 亚热带 1 清除 2 每年5−10月 天然混交林 16 14 [82] 3 11 33 4 20 48 5 5 57 6 5 67 7 20 29 8 4 38 说明：皆伐更新方式中1表示皆伐后自然恢复，2表示皆伐后翻土，3表示皆伐后喷洒除草剂，4表示皆伐后人工种植，5表示皆伐后火烧。 栎Quercus spp.，山核桃Carya spp.，黑云杉Picea mariana，重红婆罗双Shorea spp.，龙脑香Dipterocarpus spp.，红松 Pinus koraiensis。空白表示无此项观测记录 也有少数研究认为，皆伐造成的根呼吸降低大于采伐造成的异养呼吸增加，因此皆伐造成土壤总呼吸的降低[36]。杉阔混交林皆伐第5年土壤呼吸减少48%[37]。云杉林皆伐1 a后土壤呼吸减少29%[38]。皆伐减少土壤呼吸的原因主要有：①皆伐后土壤自养呼吸显著下降。根呼吸占土壤呼吸的50%[39]，皆伐迹地植被活根的减少会导致土壤自养呼吸速率下降[40]，当自养呼吸下降幅度大于异养呼吸的增加幅度时土壤总呼吸速率表现为降低[21]。②皆伐后采伐剩余物的清除方式。皆伐后火烧或清除采伐剩余物、清理凋落物等都会减少土壤有机质输入，从而减少碳输入[41]，微生物的异养呼吸会在一段时间后消耗掉大量的土壤碳[42]，减少皆伐迹地土壤碳含量，进而降低土壤呼吸。③皆伐迹地植被恢复的时间不同。从皆伐后立即开展研究到皆伐后若干年开展研究，观察到的皆伐迹地恢复阶段不统一，导致相同气候和人为干扰措施可能因为不同植被恢复阶段而得到不同的研究结论。
还有研究发现皆伐对土壤呼吸无显著影响。例如：杉木Cunninghamia lanceolata林皆伐后第25年土壤呼吸未发生明显变化[43]。杨玉盛等[25]发现杉木林皆伐后土壤呼吸的变化不显著。皆伐后土壤呼吸变化不大的原因可能有：①土壤异养呼吸的增加弥补了根呼吸的减少导致了土壤总呼吸基本不变。皆伐后根系呼吸的下降和物质输入的消失可降低土壤自养呼吸，而采伐剩余物的分解增加及新近死亡的根系分解可能促进土壤异养呼吸，两方面综合作用可能导致土壤总呼吸的不变[25]。也有研究表明，皆伐后土壤微生物呼吸的增加与根呼吸的减少相抵消，从而使得土壤总呼吸未发生明显变化[44-45]。②研究区微地形的影响和地下潜在因素众多，尤其是皆伐后林区排水能力的变化影响地下水位，进一步影响微生物活性，本应增加的土壤微生物呼吸未发生明显变化，导致土壤呼吸未发生明显变化[43]。
综上可见，皆伐对土壤呼吸影响的效果因皆伐措施的不同、森林类型的不同和伐后恢复时间的不同呈现显著的时空和地域异质性[46-47]。
2.2 部分采伐对森林土壤呼吸的影响
部分采伐对森林土壤呼吸影响的研究相对于皆伐较少[48]。部分采伐收获了部分林木，对林分及其土壤的干扰程度相比皆伐较低。从目前的研究情况(表2)来看，部分采伐对土壤呼吸影响的研究结果也不一致，有增加[49-50]，减少[36, 51]和基本不变[52-54]共3类。有关部分采伐对土壤呼吸影响的研究常聚焦于不同采伐强度的影响上。如马尾松Pinus massoniana林间伐15%和间伐70%后1 a内土壤呼吸分别为保持不变和增加17%[55]；杉阔混交林间伐35%、49%和68%第5年土壤呼吸分别增加15%、增加16%和减少10%[37]。毛竹Phyllostachys edulis林择伐24%第3~8个月土壤呼吸减少16%[56]。糖枫Acer saccharum林间伐35%第5~10个月土壤呼吸减少19%[57]。白桦Betula platyphylla沼泽林渐伐45%第8~13个月土壤呼吸减少15%[58]。
表 2 土壤呼吸及其组分对部分采伐的响应Table 2 Response of soil respiration and its components to partial cutting地点 气候带 部分采伐
强度/%剩余物
处理方式伐后时
间/a观察时间 森林类型 总呼吸/
%自养呼吸/
%异养呼吸/
%Q10/% 参考文献 中国湖北省 亚热带 除灌 清理 1 整年 马尾松林 −17 −17 −18 [56] 15 移除树干 −14 11 70 移除树干 17 11 22 中国山西省 温带 20 清除 1 生长季 油松人工林 −4 18 −6 6 [69] 30 23 64 19 −30 40 52 290 30 −13 中国湖北省 亚热带 24 1 生长季 毛竹林 −16 28 −29 9 [56] 中国福建省 亚热带 35 5 cm以上收集，
以下归堆5~6 整年 杉阔混交林 15 14 15 52 [37] 49 16 13 17 34 68 −10 −5 −12 −1 中国黑龙江省 温带 45 1 生长季 白桦沼泽 −15 [58] 中国陕西省 温带 15 清除采伐剩余物 3~4 生长季 华北落叶松 −5 47 [84] 35 16 3 50 −3 15 中国陕西 温带 12 1~4 生长季 华北落叶松 [28] 32 17 47 斯洛文尼亚 温带 50
1001~3 生长季 山毛榉林 47
69[85] 中国黑龙江省 温带 20 堆腐 1~4 生长季 针阔混交林 23 [59] 39 22 52 24 62 27 71 22 挪威 寒带 41 32~33 夏季 挪威云杉 13 [86] 55 17 加拿大安大略省 温带 50 2 生长季 耐寒阔叶林 54 [57] 爱尔兰 温带 42 1~2 整年 云杉 13 [87] 日本 亚热带 50 2~4 整年 日本雪松林 46 − [88] 加拿大安大略省 温带 28 1 生长季 杉阔混交林 17 −25 [50] 2 18 −6 3 16 19 中国湖北省 亚热带 23 手工除草为对照
除草剂除草为处理1 整年 毛竹林 −7 20 −13 3 [83] 斯洛文尼亚 温带 50 1~3 生长季 云杉林/冷杉林 26 [85] 100 48 中国湖北省 亚热带 15 清除 1~3 全年 马尾松林 29 14 39 [89] 70 42 19 59 说明：日本雪松Cryptomeria japonica。空白表示无此项观测记录；−表示减少 部分采伐增加土壤呼吸的原因有：①部分采伐减小了森林郁闭度，林下光照强度增加导致土壤温度增加，促进土壤有机质分解，从而增加土壤异养呼吸，同时也促进植物根系的生长，增加土壤自养呼吸[49]；②部分采伐后采伐剩余物例如木屑和树枝树叶等进入土壤，为土壤微生物活动提供底物，增加土壤异养呼吸[59]。部分采伐降低土壤呼吸可以归因为：①部分采伐时整株植物被移除，凋落物减少，碳底物供应下降导致土壤呼吸减弱[56]。②部分采伐后乔木层减少，树木蒸腾作用减弱，地下水位上升，土壤孔隙减少，导致土壤呼吸减小[58]。部分采伐对土壤呼吸无显著影响可能是因为：①部分采伐提高了土壤异养呼吸，但又同时降低了根呼吸，综合作用下部分采伐对土壤呼吸无影响[55]。②部分采伐后林地凋落物储量、有机碳储量、土壤总孔隙度及细根生物量仍能维持较高的水平，与对照相比土壤呼吸未发生显著变化[37]。
总体上，部分采伐对土壤湿度、细根生物量和土壤碳储量(包括土壤总碳含量、土壤有机碳和微生物量碳)无显著影响。但是部分采伐会导致凋落物等显著减少，土壤温度升高，土壤总呼吸上升。轻度和中度部分采伐显著增加土壤呼吸，尤其是在植被恢复的早期阶段(≤2 a)[60]。
3. 采伐对森林土壤呼吸组分的影响
虽然近些年来对土壤呼吸组分的研究大幅度增加(表1和表2)，但是与采伐对森林土壤呼吸影响的研究相比，采伐对土壤呼吸组分影响的研究要少得多。土壤自养呼吸和土壤异养呼吸受到土壤温度、土壤湿度和细根生物量等一系列因素的影响[44]。
3.1 皆伐对森林土壤呼吸组分的影响
皆伐导致细根大量死亡，土壤自养呼吸显著下降[37]。皆伐后森林乔木层消失，太阳直射地表导致土壤温度升高，地表水分加速蒸发[61]。地表温度的上升促进了枯枝落叶层和表层土壤有机质的分解[29]；皆伐带来的新鲜采伐剩余物为土壤微生物提供了大量的碳源[62]，以上2点原因导致了皆伐后土壤异养呼吸增加[63]。但此部分碳源分解较快，长时间土壤异养呼吸下降会导致土壤异养呼吸短时间内增加长时间内减少，其他研究也佐证了这一结论。例如苏格兰松Pinus sylvestris皆伐第1年土壤异养呼吸增加23%，第2年减少16%，第3年减少20%[64]。这是因为皆伐时产生的碎木屑进入土壤，增加了土壤微生物呼吸的底物，导致了土壤异养呼吸的增加，但是这部分底物很少，在第2年和第3年时底物分解殆尽，土壤异养呼吸下降。杉阔混交林皆伐第5年土壤自养呼吸减少48%，土壤异养呼吸减少34%[37]。这是因为皆伐收获了林木，植物根大量死亡，土壤自养呼吸显著下降，同时皆伐后林地凋落物、土壤总孔隙度和土壤有机质都出现了明显的下降，土壤异养呼吸显著下降。苏格兰松和挪威云杉在皆伐第22年土壤异养呼吸减少10%[65]。而这可能是因为此研究采用挖掘机收获伐桩，比起用带有刀片的推土机，对土壤的扰动更小，不同收获方式导致土壤呼吸的变化不同。
总体来看，与对照组相比，皆伐破坏了森林地上植被，导致根系死亡，土壤自养呼吸下降；皆伐后保留采伐剩余物短时间内土壤异养呼吸增加，长时间后则土壤异养呼吸会下降。这是因为保留采伐剩余物为土壤微生物呼吸和土壤动物呼吸提供了碳源，但是这种碳源易分解，短时间内会释放大量CO2，长时间后则易分解有机质减少，土壤异养呼吸下降。同时皆伐砍伐灌木、清除草本和根系分解可能补偿根系和根际呼吸的减少[66]。
3.2 部分采伐对森林土壤呼吸组分的影响
部分采伐主要通过以下两方面影响土壤呼吸组分：①不同的采伐剩余物处理方法对土壤微生物底物的供应不同，影响土壤微生物呼吸，从而影响土壤异养呼吸。②部分采伐强度不同，对植物根的破坏程度不同，对土壤自养呼吸的影响也不同。例如，马尾松林间伐15%和70%在1 a内(仅移除树干)土壤自养呼吸分别减少14%和增加11%，土壤异养呼吸分别增加11%和22%。这是因为15%间伐清除了林下灌木和部分林下树种，这些植被细根比例大且分布较浅，清除后可能会显著降低表层土壤根系生物量，导致土壤自养呼吸减少[55]；70%间伐导致地上植被减少，但是充足的养分会促进剩余植被的生长，导致根系生物量增加，进而增加根呼吸，原本应减少的根呼吸无显著变化[55]；2种强度的采伐后林地残留的伐根死亡为土壤异养呼吸增加了底物，同时活立木的减少改变了林木微环境，为土壤微生物活动创造了适宜的条件，导致土壤异养呼吸增加[67-68]。油松Pinus tabulaeformis人工林择伐20%、30%和40%第2~7个月(采伐剩余物清除)土壤自养呼吸分别增加18%、64%和290%，土壤异养呼吸分别减少6%、增加19%和增加30%[69]。此研究中随着林分密度的递减，林地总活根量密度增大，而总活根量在一定程度上决定根呼吸，故随采伐强度增加，土壤自养呼吸越强。随着采伐强度的增加，进入土壤的枯枝落叶增加，而枯枝落叶层的覆盖对土壤CO2的排放有一定的阻碍[70]，故对照组异养呼吸低于处理组。毛竹林间伐24%第3~8个月土壤异养呼吸增加28%，土壤自养呼吸减少29%[56]。这是因为采伐后林地表面温度升高，地上碳供应减少，根基分泌物减少，导致土壤有机碳分解增加，土壤矿质呼吸增加，而根呼吸的下降可能是因为底物供应的下降[71]。杉阔混交林择伐35%、49%和68%第5年(采伐剩余物长度5 cm以上收集以下归堆清理)土壤自养呼吸分别增加14%、增加13%和减少5%，土壤异养呼吸分别增加15%、增加17%和减少12%[37]，而这些差异在统计学上并不显著。这是因为择伐后林地凋落物储量、土壤总孔隙度、有机碳储量、有机质和细根生物量仍维持在较高的水平，土壤呼吸组分未发生显著变化。
可以看出，部分采伐对土壤呼吸组分的影响会随着采伐剩余物处理方式的不同而发生显著的变化，保留采伐剩余物短时间内通常会增加土壤异养呼吸；同时林分根系的生长也会随着伐后恢复的程度而得到增强，伐后恢复时间越久，部分采伐对土壤呼吸组分的影响越小。
4. 采伐对土壤呼吸温度敏感性的影响
土壤温度是影响土壤呼吸的重要环境因子，土壤呼吸的温度敏感性用Q10来表示，是指土壤呼吸随温度每升高10 ℃所增加的倍数。Q10值不仅随地理位置、森林生态系统的不同而不同，也会受到人为干扰活动如采伐的影响。
皆伐对土壤呼吸温度敏感性的影响主要取决于皆伐迹地植被恢复的时间。例如欧洲云杉皆伐1~3 a Q10连年上升，第1年增加16%，第2年增加17%，第3年增加25%[22]，阔叶红松林皆伐13 a后生长季Q10减少35%[72]，但杉木林皆伐1~3 a无论是移除还是保留采伐剩余物Q10皆下降[79]。而杉阔混交林皆伐5 a后Q10减少17%[37]。由于皆伐后采伐剩余物管理方式的不同，进入土壤的易分解有机质有多有少，短期内Q10也表现出不同的变化规律，但长期后因为皆伐迹地植被的恢复，土壤温度敏感性基本呈现下降的趋势。
部分采伐对土壤温度敏感性的影响主要取决于部分采伐的强度，但是不同研究的结果并不统一。低强度部分采伐下，短时间内Q10通常增加，毛竹林23%间伐1 a后Q10增加3%[83]，油松人工林20%间伐1 a后生长季Q10增加6%[69]，毛竹林24%间伐1 a后生长季Q10增加9%[56]，杉阔混交林35%和49%间伐5~6 a内Q10分别增加52%和34%[37]，华北落叶松15%间伐3~4 a内生长季Q10增加47%[84]。但是也有结果相反的研究，例如杉阔混交林28%间伐1、2 a后Q10分别减少25%和6%，这和此研究中夏季降雨量减小有关。高强度采伐后Q10的变化并不统一，例如油松人工林40%间伐1 a后生长季Q10减少13%[69]，杉阔混交林间伐68% 5~6 a内Q10减少1%[37]，华北落叶松50%间伐3~4 a Q10增加15%[74]。这可能是因为高强度部分采伐后林窗面积增大，其他植物荫蔽林窗的能力受到当地气候等因素的影响。从以上研究中可以看出，一部分研究结果呈现轻度、中度部分采伐短时间内Q10增加的趋势，随着植被的恢复，Q10也逐渐接近对照林。但是也有部分研究受到其它因素例如降雨量变化的影响，结果与上述研究相反。
5. 展望
总体上皆伐会破坏森林植被，造成植物根系大量死亡，土壤自养呼吸降低，同时皆伐将更多的枯枝落叶带入土壤，加上死亡的植物根系，土壤异养呼吸增加。两者共同作用决定了土壤总呼吸的变化，如果皆伐后对皆伐迹地进行清理，土壤总呼吸往往会下降，如果皆伐迹地内采伐剩余物较多，土壤总呼吸可能会先上升后下降。与皆伐相比，部分采伐对森林的干扰程度不同，一定强度的部分采伐可能会增加土壤总呼吸，随着部分采伐强度的增大，土壤呼吸的变化接近皆伐迹地内土壤呼吸的变化。
森林土壤呼吸是陆地生态系统碳循环的重要组成部分，在全球气候变化中起着重要的作用。皆伐或部分采伐作为重要的人为干扰经营措施，对森林林冠、覆盖率、枝叶雨水截流、土壤温度、土壤湿度等土壤理化性质和土壤呼吸有着显著的影响。森林不同强度部分采伐对伐后植被不同恢复阶段土壤呼吸和土壤碳储量的影响尚不清晰，建议加强土壤呼吸组分对部分采伐强度响应的长期研究。除此之外，森林采伐和林下除灌、除草、定期打枝等其他经营措施的交互作用以及全球大气CO2浓度上升等全球变化因子对区域森林变化也应纳入考量中。
-
图 1 近自然森林经营知识框架网络
Figure 1 Network of close to nature forest management knowledge framework
图 3 近自然经营知识服务系统功结构
Figure 3 Close to nature forest knowledge service system function structure
图 5 近自然经营知识服务系统框架
Figure 5 Framework of the close to nature forest knowledge service system
图 6 近自然经营知识服务系统知识浏览查询界面
Figure 6 Knowledge browse query interface of close to nature forest knowledge service system
图 7 近自然经营知识服务系统代码级调用服务示例界面
Figure 7 Code level call service sample interface of close to nature forest knowledge service system
表 1 知识表示方法比较
Table 1. The knowledge representation method comparison
表示方法 基本形式 特点 应用 一阶谓词 谓词公式。 优点:精确性、严密性、自然性较好。
缺点:效率低，不能表示不确定的知识。问答系统、问题求解系统、机器博弈、机器人行动规则。 产生式规则 P→Q或If P then Q。
P.前提，结论或操作。优点:自然性、模块性、清晰性较好。
缺点:效率不高，不能表达结构性知识。经验性及不确定性的知识表达、问题求解过程相对独立的情况。 框架 < 框架名>
槽名n:
约束:优点:结构性、继承性、自然性较好。
缺点:不善于表达过程性知识。事实性知识的表达。 语义网络 (节点1，弧，节点2)。 优点:结构性、联想性、自然性较好。
缺点:处理复杂，不严格。多用于语言理解系统。 剧本 剧本，剧本组成（进入条件、角色、道具、场景、结局）。 优点:自然性、场景性较好。
缺点:呆板、表达能力有限。计算机动画领域。 本体论 O::{C，R，F，A，I}(C.概念，R.关系，F.函数，A.公里，I.实例）。 优点:关系性、自然性较好。
缺点:处理复杂。本体主要在语义Weh、信息检索与异构信息的互操作等问题中应用。 
下载: 导出CSV
表 2 近自然森林经营事实性知识分类
Table 2. Close to nature forest management factual knowledge classification
编号 分类名 解释 属性组成 1 经营模式 针对具体森林对象特征在整个生命周期内采取的有抚育间伐、收获和更新的全部过程和要素集合。 编号，经营模式名称，详细技术，图例。 2 作业模式 是结合具体森林类型、地理区域和功能定位来设计和实施具体的“森林类型作业法”。 编号，作业模式名称，适用地区，树种名称，森林对象（适用条件），目标林相（发展类型名），详细技术，图例。 3 技术措施 在一定时期内为改进森林经营生产技术和生产管理而制定的方案及其实施办法。 经营技术措施名称，经营技术措施类別，详细技术，图例。 4 造林树种 近自然经营示范区中主要的造林树种信息。 树种代码，树种名称，树种别名，树种学名，树种科名……数据来源。 5 林学知识 全国自然科学名词审定委员会公布的近自然森林经营专业名词。 类别，术语，定义。
下载: 导出CSV
表 3 近自然森林经营事实性知识框架属性槽充分必要性
Table 3. Close to nature forest management factual knowledge framework attriljute slot need adequately
编号 框架名 属性槽 充分必要性 1 经营模式 编号 1.0 经营模式名 1.0 详细技术 1.0 图例 0 2 作业模式 编号 1.0 作业模式名 1.0 树种名 0.5 适用地区 0.5 适用条件 0.5 发展类型名 1.0 详细技术 1.0 图例 0 3 技术措施 经营技术措施类別名 1.0 经营技术措施名 1.0 详细技术 1.0 图例 0 4 造林树种 树种代码 1.0 树种名称 1.0 树种別名 0.5 树种分类 0.5 数据来源 0 …… 0 图例 0 5 林学知识 类別 0.5 术语 1.0 定义 1.0
下载: 导出CSV
表 4 系统对比与分析
Table 4. System contrast and analysis
系统类别 知识类型及组织方式 系统功能特点 系统适用范围 专家决策类系统 常使用产生式规则 通过对过程性知识的组织，实现决策推理功能。 适用于森林经营决策领域。 数据知识管理类系统 常使用本体表达 利用本体规则，实现领域知识的组织关联，强调知识的检索功能。 适用于森林领域的复杂知识与数据的管理。 本研究的系统 框架法表达 结构化表达事实性知识，强调知识的结构转化与知识的传播。 适用于对一般结构性强的事实性知识的管理弓共享。
下载: 导出CSV
-
[1] 陈文伟, 陈晟.知识工程与知识管理[M].北京:清华大学出版社, 2010. [2] 蒋勋, 徐绪堪.面向知识服务的知识库逻辑结构模型[J].图书与情报, 2013(6):23-31. JIANG Xun, XU Xukan. Knowledge service-oriented model of knowledge base logical structure research[J]. Libr Inf, 2013(6):23-31. [3] 王知津, 王璇, 马婧.论知识组织的十大原则[J].国家图书馆学刊, 2012, 21(4):3-11. WANG Zhijin, WANG Xuan, MA Jing. The ten principles of knowledge organization[J]. J Nat Libr China, 2012, 21(4):3-11. [4] 许燕, 曾建勋.面向科研管理的机构知识库建设政策与机制[J].图书情报工作, 2015, 59(6):22-27. XU Yan, ZENG Jianxun. The policy and mechanism of institutional repository construction for scientific research management[J]. Libr Inf Serv, 2015, 59(6):22-27. [5] 袁国铭, 李洪奇, 樊波.关于知识工程的发展综述[J].计算机技术与自动化, 2011, 30(1):138-143. YUAN Guoming, LI Hongqi, FAN Bo. Survey on development of knowledge engineering system[J]. Comput Technol Autom, 2011, 30(1):138-143. [6] 赖茂生, 屈鹏, 谢静.知识组织最新研究与实践进展[J].图书情报工作, 2009, 53(2):19-23. LAI Maosheng, QU Peng, XIE Jing. Recent development researches and practices in knowledge organization[J]. Libr Inf Serv, 2009, 53(2):19-23. [7] HILL L, ZENG M L, TUDHOPE D, et al. Next generation knowledge organization systems:integration challenges and strategies[C]//Proceedings of the 5th ACM/IEEE-CS Joint Conference on Digital Libraries (JCDL'05). Denver:IEEE, 2005:430. [8] SUMMERS E, ISAAC A, REDDING C, et al. LCSH, SKOS and linked data[C]//Proceedings of the 2008 International Conference on Dublin Core and Metadata Applications (DCMI'08). Göttingen:Dublin Core Metadata Initiative, 2008:25-33. [9] JUPP S, BECHHOFER S, STEVENS R. A flexible API and editor for SKOS[C]//6th Annual European Semantic Web Conference (ESWC2009), Berlin:Springer, 2009:506-520. [10] 吴保国, 马驰.森林培育专家系统中造林决策知识库设计与推理机求解算法研究[J].北京林业大学学报, 2009, 31(S2):9-13. WU Baoguo, MA Chi. Design of afforestation and decision-making knowledge base and research of inference engine algorithm in the silviculture expert system[J]. J Beijing For Univ, 2009, 31(S2):9-13. [11] 吴保国, 温亮宝.森林重大病虫害诊治专家咨询系统的研究[J].北京林业大学学报, 2006, 28(6):113-118. WU Baoguo, WEN Liangbao. Expert consulting system for the diagnosis, prevention and control of important forest diseases and insect pests[J]. J Beijing For Univ, 2006, 28(6):113-118. [12] 万敏. 面向农户的问题解决型农业科技知识服务系统研究[D]. 北京: 中国农业科学院, 2012. WAN Min. Study on the Problem-Solving Agricultural Knowledge Service System for Farm Households[D]. Beijing:Chinese Academy of Agricultural Sciences, 2012. [13] 马驰. 速生丰产林培育专家系统的研建[D]. 北京: 北京林业大学, 2009. MA Chi. Establishment of Fast-growing and High-yield Forest Cultivation Expert System[D]. Beijing:Beijing Forestry University, 2009. [14] 巩垠熙. 多元林业信息融合的立地知识发现研究[D]. 北京: 北京林业大学, 2013. GONG Yinxi. Study of Site Knowledge Discovery Based on Multivariate Forestry Information[D]. Beijing:Beijing Forestry University, 2013. [15] 赵振洲, 陆元昌.近自然森林经营知识模型及管理系统研究[J].福建林业科技, 2014, 41(1):137-141. ZHAO Zhenzhou, LU Yuanchang. The study on knowledge model and management system for near natural forest management[J]. J Fujian For Sci Technol, 2014, 41(1):137-141. [16] 杨树林, 胡洁萍. JSON数据交换格式及其在数据验证中的应用[J].北京印刷学院学报, 2008, 16(4):56-58. YANG Shulin, HU Jieping. JSON data exchange format and its application in data confirmation[J]. J Beijing Inst Graphic Commun, 2008, 16(4):56-58. [17] 张沪寅, 屈乾松, 胡瑞芸.基于JSON的数据交换模型[J].计算机工程与设计, 2015, 36(12):3380-3384. ZHANG Huyin, QU Qiansong, HU Ruiyun. Data exchange model based on JSON[J]. Comput Eng Des, 2015, 36(12):3380-3384. [18] 张耘凡, 柳平增, 马鸿健, 等.一种基于JSON的分布式系统架构[J].中国农机化学报, 2015, 36(5):255-257, 266. ZHANG Yunfan, LIU Pingzeng, MA Hongjian, et al. JSON-based distributed system architecture[J]. J Chin Agric Mechan, 2015, 36(5):255-257, 266. [19] 钟诗胜, 张艳.可拓知识表示及知识库系统的开发[J].计算机集成制造系统, 2008, 14(11):2184-2190. ZHONG Shisheng, ZHANG Yan. Extension-based knowledge representation and development of knowledge base system[J]. Comput Int Manuf Syst, 2008, 14(11):2184-2190. [20] 田杰, 胡秋霞, 张立新, 等.基于Web的苹果施肥系统的设计与实现[J].农机化研究, 2008(11):88-90. TIAN Jie, HU Qiuxia, ZHANG Lixin, et al. Design and implementation of apple fertilizing system based on Web[J]. J Agric Mechan Res, 2008(11):88-90. [21] 陈砣, 吕新.基于JSP的棉花施肥管理决策系统的设计与实现[J].农业工程学报, 2009, 25(3):124-129. CHEN Tuo, LÜXin. Design and implementation of JSP-based administrative decision system in cotton fertilization[J]. Trans Chin Soc Agric Eng, 2009, 25(3):124-129. [22] 张弛, 张晓东, 王登位, 等.基于组件库的生鲜农产品冷链物流云服务系统设计与实现[J].农业工程学报, 2016, 32(12):273-279. ZHANG Chi, ZHANG Xiaodong, WANG Dengwei, et al. Design and implementation of cloud service system for cold chain logistics of fresh agricultural products based on component integration[J]. Trans Chin Soc Agric Eng, 2016, 32(12):273-279. [23] 赵汨龙, 罗喜伶, 王忠波.基于SOA的民航广域信息管理架构的研究与设计[J].计算机技术与发展, 2016, 26(2):1-5. ZHAO Milong, LUO Xiling, WANG Zhongbo. Research and design of system wide information management architecture based on SOA[J]. Comput Technol Dev, 2016, 26(2):1-5. [24] 郑广成.一种SOA云服务平台架构研究与应用[J].计算机应用与软件, 2011, 28(12):228-231. ZHENG Guangcheng. An SOA cloud service platform architecture research and application[J]. Comput Appl Softw, 2011, 28(12):228-231. 期刊类型引用(3)
1. 张昆凤，王邵军，张路路，樊宇翔，解玲玲，肖博，王郑钧，郭志鹏. 土壤细菌呼吸对西双版纳热带森林恢复的响应. 生态学报. 2023(10): 4142-4153 . 
百度学术2. 原樱其，朱仁超，杨宇，余爱华. 不同生态系统土壤呼吸影响因素研究进展. 世界林业研究. 2023(04): 15-21 . 百度学术3. 陈炎根，胡艳静，黄莎，刘波，吴继来，王懿祥. 不同间伐强度对杉木人工林土壤呼吸速率的短期影响. 浙江农林大学学报. 2023(05): 1054-1062 . 本站查看其他类型引用(6)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2017.03.015
点击查看大图
计量
- 文章访问数: 683
- HTML全文浏览量: 105
- PDF下载量: 22
- 被引次数: 9
