下载:
-
汶川地震引发了成千上万的山体滑坡。滑坡导致土壤流失和植被破坏，影响生物多样性和生态系统服务功能[1]；滑坡体形成后极易再次发生地质灾害，造成区域内植被恢复困难[2-3]。植被恢复是震后灾区重建的重要组成部分[4]，能够对区域内土壤质量、植物群落的空间分布格局和生物多样性等产生影响[5-8]。恢复过程中土壤条件和植物群落相互影响，相互促进，存在较好的耦合效应[9]，运用数学方法可定量分析植被恢复过程中群落植物分布格局与环境因子的关系[10-13]。本研究以四川省北川县擂鼓镇凤凰山震后滑坡迹地的植物群落为研究对象，对比2013和2019年滑坡区、过渡区和未滑坡区的植物群落结构以及植物多样性，并用典范对应分析(CCA)排序法探讨植物群落组成与环境因子之间的关系，以期为滑坡迹地的植被恢复工作提供参考。
-
研究区位于四川盆地西北部北川羌族自治县擂鼓镇凤凰山(31°14′~32°14′N，103°44′~104°42′E)，属北亚热带湿润季风气候，多年平均气温为15.6 ℃，平均降水量为1 399 mm，主要集中在6—9月，占全年降水量的71%~76%。擂鼓镇全境皆山，土壤质地以砾石为主，土壤类型主要为黄壤土、黄棕壤、暗棕壤等，地质条件差，水文条件复杂，山体岩石破碎。植被主要有常绿阔叶林、常绿落叶混交林、针阔叶混交林、高山和亚高山草甸，各类森林面积约1.5×105 hm2，其中天然林1.1×105 hm2，人工林4.0×104 hm2，森林覆盖率为76%。滑坡迹地(31°46′24″N，104°25′24″E)位于擂鼓镇凤凰山，滑坡体平面形态呈不规则“撮箕”形，主滑方向南偏西44°，体积1.08×107 m3，为特大整体滑移型滑坡体。滑坡体顺滑动方向整体呈上陡、中缓、下陡的形态，可分为两阶滑移平台。堆积体属强风化灰岩和白云质灰岩的风化块体，土壤类型为砾质石灰土。
-
设置滑坡区、过渡区和未滑坡区。滑坡区为2008年震后形成的滑坡迹地，地表裸露；过渡区为滑坡区与未滑坡区的扭曲地带，有少量滑坡，原地貌受到了一定程度上的破坏；未滑坡区受地震影响较小，植被保持原状，郁闭度较高。3个区域在未滑坡前均为柏木Cupressus funebris次生林，郁闭度相似，均处于整片林分较为中间的位置。样地情况如表1。每个区域各设置3个20 m×20 m乔木样方(共计9个)，每个乔木样方内选取具有代表性的6个5 m×5 m灌木样方(共计54个)和12个1 m×1 m草本样方(共计108个)。2013年7月和2019年10月，记录乔木样方中胸径(BDH)≥3 cm的乔木个体物种名、数量、株高及冠幅，灌木及草本样方记录物种名、株数或丛数、株高及盖度，计算物种重要值及每个区域的多样性指数[14]。采集土壤样品时，去除表面覆盖物，用土铲取表层20 cm×20 cm×10 cm的原状土，带回实验室。待风干后，剔除残根、砾石等杂质待测。土壤理化性质的测定依据森林土壤分析方法[15]进行。
表 1 样地基本情况
Table 1. General condition of the sample plots
样地 海拔/m 坡度/(°) 坡向/(°) 备注 滑坡区 735~762 32~38 北偏西24~30 2011年采用宾格护坡，并按2 m×4 m的株行距栽植刺槐Robinia pseudoacacia幼苗 过渡区 723~757 32~38 北偏西21~27 自然恢复，沟蚀明显，主要为灌草植被 未滑坡区 732~764 30~38 北偏西22~29 柏木次生林，植被保持原状，郁闭度90%以上 -
研究区水文气象条件差异较小，故选择与植被分布、生长紧密相关的环境因子(pH、养分指标及团聚体指标)矩阵与物种重要值矩阵进行CCA排序分析，各样地土壤环境因子情况如表2。采用SPSS 20.0对数据进行单因素方差分析并进行最小显著差异法(LSD)检验，采用Origin 9.5绘图，采用Canoco 4.5进行排序分析及排序图的绘制。
表 2 滑坡迹地土壤环境因子情况
Table 2. Soil environmental factors in landslide site
年份 区域 有机碳/(g·kg−1) 全氮/(g·kg−1) 全磷/(g·kg−1) 全钾/(g·kg−1) pH 碱解氮/(mg·kg−1) 2013 滑坡区 28.212 b 0.884 d 0.314 de 0.232 cd 8.197 a 52.232 b 过渡区 40.752 b 1.728 c 0.235 e 0.331 b 8.147 a 119.577 b 未滑坡区 45.813 b 1.919 c 0.352 d 0.430 a 8.033 a 118.408 b 2019 滑坡区 38.936 b 2.913 b 0.566 c 0.202 d 8.043 a 129.531 b 过渡区 33.572 b 2.333 bc 0.689 b 0.202 d 7.977 a 138.130 b 未滑坡区 97.188 a 4.382 a 0.914 a 0.267 c 7.953 a 350.595 a 年份 区域 有效磷/
(mg·kg−1)速效钾/
(mg·kg−1)风干性团聚体
分形维数水稳性团聚体
分形维数风干性团聚体
平均几何直径/mm水稳性团聚体
平均几何直径/mm2013 滑坡区 0.496 c 166.695 b 2.278 a 2.665 a 1.456 d 0.849 e 过渡区 0.693 c 126.246 bc 2.225 ab 2.626 a 1.570 c 0.803 e 未滑坡区 3.288 b 238.029 a 2.209 ab 2.519 b 1.624 c 0.974 d 2019 滑坡区 0.920 c 137.305 bc 1.981 c 2.488 b 1.961 b 1.291 c 过渡区 1.450 c 108.980 c 2.142 b 2.496 b 1.972 b 1.397 b 未滑坡区 4.561 a 151.193 bc 1.971 c 2.394 c 2.092 a 1.571 a 年份 区域 风干性团聚体
平均质量直径/mm水稳性团聚体
平均质量直径/mm团聚体破坏
率/%不稳定团粒
系数/%2013 滑坡区 3.764 d 1.764 e 16.297 a 21.853 a 过渡区 4.127 cd 1.433 d 12.718 b 17.138 b 未滑坡区 4.458 c 1.958 d 8.823 c 12.803 c 2019 滑坡区 5.659 b 3.390 c 13.101 b 14.680 c 过渡区 5.969 ab 3.831 b 11.291 b 14.032 c 未滑坡区 6.262 a 4.404 a 9.016 c 10.350 d 说明：不同小写字母表示不同样地间差异显著(P＜0.05) -
2013年植被调查中，滑坡区共记录到植物7科39属41种，过渡区25科45属50种，未滑坡区37科69属77种；2019年植被调查中，滑坡区共记录到植物41科77属92种，过渡区49科78属90种，未滑坡区56科86属96种。
如表3所示：2013—2019年，滑坡区和过渡区的乔木、灌木和草本层植物的科属种数量均有增加，未滑坡区乔木层的科属种数和草本层的属、种数有所减少，灌木层科属种数和草本层的科数量有所增加。
表 3 滑坡迹地植物群落物种组成变化情况
Table 3. Changes in species composition of plant communities in landslide sites
植被层 区域 科 属 种 2013年 2019年 2013年 2019年 2013年 2019年 乔木层 滑坡区 0 5 0 6 0 6 过渡区 4 7 4 7 4 7 未滑坡区 8 5 9 6 9 6 灌木层 滑坡区 6 21 6 31 6 35 过渡区 7 27 8 33 8 35 未滑坡区 16 28 20 37 23 42 草本层 滑坡区 18 23 32 47 34 55 过渡区 25 26 39 42 45 48 未滑坡区 28 31 46 44 50 49 -
如表4所示：2013—2019年，滑坡迹地3个区域的优势乔木、灌木和草本植物的重要值变化情况不同。乔木层2013年滑坡区、2019年滑坡区和过渡区重要值第1位均为刺槐，未滑坡区则均为柏木。灌木层滑坡区和过渡区的第1位均从2013年的刺槐变成了西南绣球Hydrangea davidii，未滑坡区从柏木变为铁仔Myrsine africana，但柏木的重要值有所增加。草本层滑坡区和过渡区茅叶荩草Arthraxon prionodes的重要值均有所下降，细叶薹草Carex duriuscula subsp. stenophylloides在3个区域均为优势草本植物，此外，3个区域优势草本植物中菊科Asteraceae和禾本科Poaceae植物所占比例也都有所下降。
表 4 滑坡迹地优势植物重要值
Table 4. The important values of the dominant plants in landslide sites
植被层 滑坡区 过渡区 未滑坡区 2013年 2019年 2013年 2019年 2013年 2019年 物种 重要值 物种 重要值 物种 重要值 物种 重要值 物种 重要值 物种 重要值 乔木层 刺槐 0.484 8 刺槐 0.424 6 刺槐 0.269 5 柏木 0.645 8 柏木 0.649 5 柏木 0.229 8 漆树 0.314 2 柏木 0.204 0 桤木 0.113 2 杜仲 0.094 6 南酸枣 0.158 7 醉鱼草 0.198 4 枫杨 0.188 9 香椿 0.104 7 榆树 0.072 2 灌木层 刺槐 0.382 2 西南绣球 0.236 4 刺槐 0.349 6 西南绣球 0.218 5 柏木 0.160 2 铁仔 0.182 1 马桑 0.230 7 地果 0.175 7 雀儿舌头 0.183 9 卵果蔷薇 0.111 7 铁仔 0.157 6 柏木 0.164 8 漆树 0.140 0 火棘 0.124 5 插田泡 0.148 8 豪猪刺 0.106 8 刺槐 0.111 1 雀儿舌头 0.076 2 醉鱼草 0.129 1 马桑 0.060 7 构树 0.099 2 地果 0.077 4 卵果蔷薇 0.096 0 枫杨 0.071 3 草本层 小蓬草 0.222 3 茅叶荩草 0.158 9 茅叶荩草 0.2829 细叶薹草 0.189 3 卷柏 0.261 1 细叶薹草 0.312 6 茅叶荩草 0.164 0 细叶薹草 0.102 5 野棉花 0.109 1 茅叶荩草 0.122 7 野棉花 0.087 3 卷柏 0.105 6 鬼针草 0.088 0 打破碗花花 0.094 0 千里光 0.054 3 打破碗花花 0.075 8 粗齿冷水花 0.056 3 斑茅 0.055 7 千里光 0.061 9 冷水花 0.054 5 艾 0.052 8 老鹳草 0.051 0 白茅 0.051 7 打破碗花花 0.039 5 香薷 0.060 0 白茅 0.052 4 野菊 0.046 9 斑茅 0.050 7 艾 0.050 3 冷水花 0.037 2 说明：马桑Coriaria nepalensis；漆树Toxicodendron vernicifluum；醉鱼草Buddleja lindleyana；小蓬草Erigeron canadensis；鬼针草
Bidens pilosa；千里光Senecio scandens；香薷Elsholtzia ciliata；南酸枣Choerospondias axillaris；地果Ficus tikoua；火棘
Pyracantha fortuneana；打破碗花花Anemone hupehensis；冷水花Paederia foetida；白茅Imperata cylindrica；雀儿舌头Leptopus
chinensis；插田泡Rubus coreanus；构树Broussonetia papyrifera；野棉花Anemone vitifolia；艾Artemisia argyi；野菊
Chrysanthemum indicum；枫杨Pterocarya stenoptera；卵果蔷薇Rosa helenae；豪猪刺Berberis julianae；老鹳草Geranium
wilfordii；斑茅Saccharun arundinaceum；桤木Alnus cremastogyne；香椿Toona sinensis；卷柏Selaginella tamariscina；粗齿冷
水花Pilea sinofasciata；杜仲Eucommia ulmoides；榆树Ulmus pumila -
由图1可知：2013—2019年，未滑坡区乔木层Shannon-Wiener多样性指数减小(减幅为52.12%)，其他区域各植被层均增加，其中增幅最小的是未滑坡区草本层(12.92%)，最大的是滑坡区灌木层(68.20%)。除未滑坡区乔木层Simpson优势度指数有所减小(减幅为52.94%)外，其他各区域各植被层均有增加，其中增幅最小的是未滑坡区灌木层(2.34%)，最大的是滑坡区灌木层(16.46%)。Pielou均匀度指数表现为3个区域灌木层和未滑坡区乔木层有所减小，其中未滑坡区灌木层减幅最小(4.86%)，未滑坡区乔木层减幅最大(41.28%)；其余表现为增加，增幅最小的为过渡区乔木层(0.02%)，最大的为过渡区草本层(16.10%)。丰富度指数表现为未滑坡区乔木层(33.33%)和草本层(减幅2.00%)有所下降，其余表现为增加，其中过渡区草本层增幅最小，为6.67%，滑坡区灌木层增幅最大，达483.33%。
图 1 滑坡迹地植物群落多样性指数
Figure 1. Plant community diversity index on landslide sites
-
乔木层、灌木层和草本层CCA排序前2轴的累积贡献率分别为77.90%、74.40和66.30%，特征值之和分别占总特征值的77.85%、65.54%和54.64%，包含了排序的绝大部分信息，因此可以采用前2轴的数据来分析植物群落与环境因子之间的关系。如表5所示：乔木层中，与CCA第1轴存在极显著正相关(P＜0.01)关系的环境因子是团聚体破坏率(PAD)和不稳定团粒系数(ELT)，呈显著正相关(P＜0.01)的是pH和水稳性团聚体分形维数(D2)，极显著负相关(P＜0.01)的是有效磷(AP)；与CCA第2轴呈显著负相关(P＜0.05)的是全钾(TK)。灌木层中，与CCA第1轴呈极显著正相关(P＜0.01)的是pH、D2和ELT，显著正相关(P＜0.05)的是风干性团聚体分形维数(D1)和PAD，显著负相关(P＜0.05)的是风干性团聚体平均质量直径(MWD1)、风干性团聚体平均几何直径(GMD1)、水稳性团聚体平均质量直径(MWD2)、水稳性团聚体平均几何直径(GMD2)、全氮(TN)以及全磷(TP)。草本层中，与CCA第1轴存在极显著正相关(P＜0.01)的环境因子是pH、D2和ELT，呈显著正相关(P＜0.05)的是D1，呈极显著负相关(P＜0.05)的是MWD1、GMD1和GMD2，呈显著负相关(P＜0.05)的是MWD2、TN和TP，与CCA第2轴存在极显著正相关的环境因子是TK和速效钾(AK)。
表 5 各CCA排序轴与环境因子相关系数
Table 5. Correlation coefficients of each CCA ranking axis and environmental factors
植被层 排序轴 pH MWD1 GMD1 D1 MWD2 GMD2 D2 乔木层 第1轴 0.768 5* −0.390 5 −0.361 1 0.301 5 −0.437 9 −0.491 2 0.757 7* 第2轴 −0.447 6 0.6691 0.661 3 −0.546 0 0.619 7 0.5895 −0.392 5 灌木层 第1轴 0.961 1** −0.874 4* −0.866 0* 0.793 3* −0.822 7* −0.861 3* 0.960 6** 第2轴 0.088 9 0.134 5 0.123 2 −0.057 4 0.1239 0.072 4 0.162 2 草本层 第1轴 0.967 1** −0.950 1** −0.946 8** 0.814 5* −0.874 5* −0.905 1** 0.953 6** 第2轴 −0.172 9 −0.242 1 −0.258 7 0.239 5 −0.274 0 −0.204 2 −0.144 6 植被层 排序轴 PAD ELT SOC TN TP TK AN 乔木层 第1轴 0.900 5** 0.925 5** −0.556 9 −0.491 4 −0.515 9 −0.271 4 −0.504 7 第2轴 0.380 9 −0.0487 −0.305 8 0.212 7 0.4562 −0.816 1* −0.128 0 灌木层 第1轴 0.769 0* 0.898 0** −0.540 6 −0.799 5* −0.797 9* 0.031 3 −0.641 2 第2轴 0.495 4 0.319 5 −0.684 7 −0.254 2 −0.035 7 −0.665 8 −0.514 7 草本层 第1轴 0.728 5 0.913 3** −0.576 8 −0.8745* −0.8515* 0.1834 −0.733 7* 第2轴 −0.648 0 −0.382 5 0.269 6 −0.026 1 −0.181 6 0.896 8** 0.103 0 植被层 排序轴 AP AK 特征值占比/% 累积贡献率/% 乔木层 第1轴 −0.886 8** −0.660 9 51.97 52.00 第2轴 −0.317 7 −0.426 2 25.88 77.90 灌木层 第1轴 −0.708 4 −0.095 3 43.77 43.80 第2轴 −0.696 3 −0.495 9 30.67 74.40 草本层 第1轴 −0.590 9 0.241 5 40.15 40.20 第2轴 0.650 6 0.909 1** 26.09 66.30 说明：pH. 土壤酸碱度；MWD1. 风干性团聚体平均质量直径；GMD1. 风干性团聚体平平均几何直径；D1. 风干性团聚体分形
维数；MWD2. 水稳性团聚体平均质量直径；GMD2. 水稳性团聚体平均几何直径；D2. 水稳性团聚体分形维数；PAD. 团
聚体破坏率；ELT：不稳定团粒系数；SOC. 土壤有机碳；TN. 土壤全氮；TP. 土壤全磷；TK. 土壤全钾；AN. 土壤碱解
氮；AP. 土壤速效磷；AK. 土壤速效钾。*表示显著相关(0.01＜P＜0.10)，**表示极显著相关(P＜0.01)由图2A可知：桤木、西南木荷Schima wallichii、香椿和黄连木Pistacia chinensis的生境条件相似，仅在2013年未滑坡区有分布。这些乔木对土壤有机质和速效钾的要求较高；漆树和醉鱼草仅在2013年过渡区有分布，距离质心最远，对土壤pH和水稳性团聚体分形维数的变化更为敏感；枇杷Eriobotrya japonica和银杏Ginkgo biloba距离质心较近，对土壤环境因子的要求较低。由图2B可知：地果、柏木和枫杨生境条件相似，对有机质和有效磷的要求较高；卵果蔷薇和马桑距离质心较近，对土壤环境因子的要求较低，漆树和醉鱼草对pH和团聚体分形维数的要求更高。由图2C可知：粗齿冷水花、绣线菊和猪毛蒿对土壤全钾和速效钾的要求较高；位于排序轴左下部的草本植物如茜草、狭叶凤尾蕨、老鹳草等高度聚集并分布于团聚体平均几何直径、质量直径的附近，表明这些草本植物对土壤团聚体稳定性的要求更高。
图 2 滑坡迹地各类型植物对应分析(CCA)排序图
Figure 2. CCA ordination diagram of plants on the landslide trail and envrionmental factors
-
组成群落的植物种类的数量决定群落的复杂程度，反映了群落的稳定性[16]。本研究中，2013—2019年，滑坡迹地 3个区域乔木层、灌木层和草本层科属种数量增加，但禾本科与菊科植物的种数下降，说明随着群落结构的发展，菊科和禾本科的先锋草本植物有所退化[14]。滑坡迹地不同区域受损程度不同，物种组成也存在一定的差异，草本层以小蓬草、茅叶荩草等菊科和禾本科的植物为主，灌木层以刺槐等豆科Fabaceae植物为主。这与李波等[17]对虹口地震滑坡体自然恢复的研究结果较为一致。随着群落的发展，滑坡区和过渡区均出现柏木，可能的原因是滑坡导致此2个区域之前存在的乔木受到损毁，但其种子留存在土壤中，随着时间的推移，迹地上原来的优势种又重新生长并发展起来。未滑坡区乔木层的科属种数均减小，可能是优势种柏木的生长占据了更多的光热条件，导致林下其他植物种减少，引起该区域乔木层均匀度指数的大幅减少[18-20]。王树森等[21]也认为：随着植被恢复的进行，群落的物种多样性会先升高后降低。
中度干扰理论认为：在无干扰或轻度干扰下，植物会在有限的资源条件下进行生存竞争，导致植物多样性较低；适度干扰时，植物自身之间的竞争力减弱，个体竞争力强的物种能够生存下来，干扰也会增加环境因子的差异性，多方面的因素导致植物多样性增加；但在高度干扰下，受多种因素影响植物多样性反而降低[22]。本研究发现：2013年3个区域草本层多样性指数从大到小表现为过渡区、滑坡区、未滑坡区，2019年表现为滑坡区、过渡区、未滑坡区，大致符合干扰理论。2013年滑坡区受干扰程度大，土壤条件差，因此植物多样性较低；而过渡区受干扰程度较滑坡区小，因此多样性较高；未滑坡区几乎不受影响，植物种间竞争强，因此多样性反而比过渡区小。2019年随着土壤条件的改善，滑坡区植物多样性大幅度升高，这与陈小雪等[5]、吴旭东等[23]结果相似，而过渡区和未滑坡区由于植物种间竞争较强，多样性只是小幅度升高，证实了群落总是朝着草本—灌木—乔木的方向发展[24]。滑坡区2013年无乔木，因此草本层受乔木和灌木生长的影响最小，过渡区其次，未滑坡区最大。乔木层和草本层的群落均匀度指数增加，但灌木层减小，可能由优势物种减少而其他伴生物种增加所导致[25]。
-
植物群落应对复杂生存环境的结果是形成不同的群落分布格局，而分布格局的可塑性能够客观表达植物对生存环境的适应性[26]。在较大空间尺度上，降水和温度等地带性气候被认为是影响植物群落空间分布的主要因素[27]，而中等空间尺度上，海拔和坡向对植物群落分布格局的影响较大[28]。在小空间尺度上由于海拔差异小且坡向一致，土壤环境因子被认为是植被分布格局的主导因子[29]。2013—2019年，随着植被恢复，滑坡区和过渡区对环境因子变化的响应较未滑坡区更加明显，物种分布特点受到多重环境因子的影响[30]。MA等[31]提出氮磷钾是影响区域物种组成的主要因素，同时养分的分布特征能够在一定程度上解释草本植物和灌木的不均匀分布。丛静等[32]发现pH与植物的生长和分布存在一定关系，如打破碗花花喜腐殖质丰富的酸性至中性土壤，土壤条件过酸过碱都会导致植株死亡，因此，2013年只有过渡区有打破碗花花分布，2019年随着研究区pH减小，打破碗花花在3个区域均有分布。植被和土壤作为一个有机整体，植物的生长能对土壤起到一定的改良作用，使土壤性质向着良性方向发展[33]。
-
2019年滑坡迹地3个区域菊科和禾本科草本植物所占比例较2013年均有所下降；未滑坡区的乔木层科属种数和草本层的属数及种数减少，其他均增加；Shannon-Wiener多样性指数和Simpson优势度指数均表现为未滑坡区乔木层减小，其余增大；各区域草本层的Pielou均匀度指数均增大；未滑坡区乔木层和草本层的丰富度指数减小，其余增大。
CCA排序分析中乔木、灌木和草本层的前2轴累积解释量分别为77.9%、74.4%和66.3%，包含了CCA排序的绝大部分信息。不同植物对环境因子的敏感性不同，pH和土壤团聚体特征对植物群落分布的影响较大。排序结果反映了各个环境因子的实际生态意义，对滑坡迹地植物群落分布具有较好的解释能力。
Changes of plant community diversity and environmental interpretation in Beichuan landslide site
-
摘要:
目的 研究震后滑坡迹地生态恢复过程中群落植物多样性变化情况及环境解释。 方法 以北川县凤凰山滑坡迹地土壤和植物群落为对象，将滑坡迹地分为滑坡区、过渡区和未滑坡区，通过典范对应分析(CCA)排序法对3个区域植被变化情况进行分析，并对植物群落分布进行环境解释。 结果 ①2013—2019年，滑坡区和过渡区总体上植物科属种数量增加了4.00%~483.33%，未滑坡区减少了2.00%~37.50%。②滑坡区和过渡区的植物多样性增加了0.02%~483.33%，未滑坡区减少了2.00%~52.94%，且均匀度也有降低。③乔灌草层的CCA排序前2轴特征值之和占总特征值的60%~80%，表明前2轴包含了排序的大部分信息。④土壤pH和团聚体特征对植被分布的影响较大。 结论 滑坡迹地植物群落的多样性有所提高，且环境因子对植物群落有重要影响。图2表5参33 Abstract:Objective The objective is to study the variation of community plants diversity in the process of ecological rehabilitation of landslide slashed after earthquake and and make environmental interpretation. Method Taking the soil and plant communities in Mt. Fenghuang landslide slash in Beichuan County as the objects, the landslide slashes were divided into landslide area, transition area and non-landslide area. The vegetation changes in the three areas were analyzed by CCA (canonical correspondence analysis) method, and environmental interpretation was made with regard to the distribution of the plant community. Result (1) From 2013 to 2019, the number of plant families, genera and species in landslide area and transition area increased by 4.00%−483.00%, and that in non-landslide area decreased by 2.00%−37.50%. (2) The plant diversity in landslide area and transition area increased by 0.02%−483.33% while in non-landslide area decreased by 2.00%−52.94%, and the evenness also decreased. (3) The sum of the eigenvalues of the first two axes related to CCA ranking in arbor, shrub and grass layer accounted for 60%−80% of the total value, indicating that the first two axes contained most of the ranking imformation. (4) Soil pH and aggregate characteristics had a great impact on the vegetation distribution. Conclusion The diversity of plant communities in landslide slash has been improved to some extent, and the environmental factors have crucial influence on plant communities. [Ch, 2 fig. 5 tab. 33 ref.] -
Key words:
- landslide /
- vegetation restoration /
- species diversity /
- environmental interpretation
-
南方集体林区以丘陵为主的地形特征决定了林业生产过程中客观上存在着机械替代率低的问题。由于大量农村劳动力进入城市非农就业，林业经营主体需要通过雇佣劳动力以解决劳动力不足的问题[1]；日趋扩大的规模化经营对雇佣劳动力的依赖程度急剧增大，委托代理关系也应运而生。委托代理关系下的营林生产过程往往存在着信息不对称和“道德风险”等问题，导致雇主对劳动过程的监督不到位[2]；而相对粗放的林业生产中，雇主无法准确观测劳动力的投入程度，雇工生产效率较低[3]。因此，在南方集体林区不断推进林业规模化经营的背景下，开展雇工劳动质量对农户营林技术效率的影响研究具有重要的理论和现实意义。国内外学者关于雇佣劳动对农林业生产影响的研究主要集中在农业领域。一种观点认为雇佣劳动对农业生产效率产生了负面影响。雇佣劳动存在“道德风险”，雇佣劳动力的边际产出小于自有劳动力的边际产出，要保证劳动质量必须要付出大量的监督成本。有研究发现：存在雇工行为的家庭农业经营雇主，需要花费10%的劳动力时间来监督雇工，对劳动力在其他用途上的配置产生挤出效应。还有研究表明：团队组织内部监督不完备与激励不足，将会降低生产效率[4]。另一观点则认为雇佣劳动对农业生产效率有正向影响。张五常[5]认为分成制、定租制和混合制等委托-代理机制[3]是有效的。相比之下，目前针对林业雇工研究较少，从雇工视角探讨南方集体林区农户营林生产效率影响因素的研究还未见报道。本研究基于浙江省的实地调研数据，采用计量模型测算样本农户的营林技术效率，分析雇工劳动质量对农户营林技术效率的影响，以期为林业规模化经营中存在的雇工劳动问题提供决策依据。
1. 雇工劳动质量对农户营林技术效率影响的理论机制分析
1.1 研究假说
根据委托-代理理论[3]，存在于雇佣劳动中“道德风险”会导致雇佣劳动力的边际产出小于自有劳动力的边际产出；而相对粗放的林业生产管理会增加劳动力的监督难度，加重林业雇佣劳动中的机会主义行为。即营林生产过程中雇佣劳动会在一定程度上影响技术效率的提高。同时，雇工投入水平的差异对农户营林技术效率的影响也是不同的。雇工投入越多，则家庭自有劳动力越少，劳动监督难度越大，雇工劳动力的道德风险也越大，从而导致劳动生产质量下降，林业生产效率会因此受到影响（落入到生产可能性曲线内部）。就家庭自有劳动力与雇工关系而言，拥有剩余索取权的家庭自有劳动力更多地参与到营林生产中，则边际产出会随之升高，劳动质量会得到更大程度的保证，雇佣劳动对林业生产效率的负面影响程度也相对减弱。因此，可提出以下研究假说：农户营林生产过程中的雇佣劳动会对营林生产造成负面影响，且雇工劳动质量不同，雇佣劳动对农户营林技术效率的影响程度也不同。
1.2 理论模型
技术效率（technical efficiency, TE）是目前测度生产单位效率水平最常见的指标之一，一般用生产单位的实际产出与其理论上所能实现的最大潜在产出的比值来表示，本研究选用技术效率来衡量样本经营农户营林生产效率水平。用Yi表示第i个农户的林业产出，则随机前沿生产函数（stochastic frontier approach，SFA）可表示为：Yi＝f（Xi，β）exp（Vi-Ui）。其中：f（Xi，β）代表生产前沿面，Xi为生产要素的投入，本研究指资本、土地和劳动力的投入；（Vi-Ui）为混合误差，其中Vi表示随机误差，包含测度误差及不可控因素；Ui为技术效率损失，表示农户i的技术非效率项，服从独立的截断正态分布N（mi，δu2），其中mi为数学期望，δu2为方差。
技术无效率函数（mi）可设定为：$ {m_i} = {\delta _0} + \sum\limits_j {{\delta _j}{Z_{ji}} + {\mu _i}} $。其中：i表示第i位样本农户，Zji表示影响技术效率的各外生变量，δj为待估参数，反映各外生变量对技术效率的影响程度，μi为纯随机误差项。
在此基础上求解出技术效率水平：Ti＝E（Yi∣Ui，Xij）/E（Yi∣Ui＝0，Xij）＝exp（-Ui），从而求解出平均技术效率：$ T = \frac{1}{n}\sum\limits_{i = 1}^n {{T_i}} $。其中：n为农户数量，本研究采用最大似然估计法来估计前沿生产函数的参数。
2. 数据来源、实证模型与变量选择
2.1 数据来源
本研究以浙江省南方集体林区为案例点，充分考虑地理位置、自然资源和社会经济发展差异，按农民人均可支配收入分层抽样选取浙江省建德市、开化县2个县（市）作为样本县（市）。2地农民人均可支配收入为23 998和15 736元，存在明显差异，反映出浙江省不同地区经济发展的差异性；森林覆盖率为76.2%和80.9%，均超出浙江省的平均水平，林业代表性较好。采取随机抽样法，在2个样本县（市）随机选取6个乡（镇），其中开化3个乡（镇），建德3个乡（镇）。为保证问卷的质量与信息的真实性，调查采取“一对一”的访谈模式。共得到农户有效样本245户，其中有雇工参与的农户151户，无雇工参与的农户94户。
杉木Cunninghamia lanceolata是样本地区分布最广的树种之一，也是当地农户最主要的林业收入来源之一；因此，本研究以杉木为案例树种进行调研。调查内容包括农户家庭基本情况、林地基本情况、1个营林周期内最大地块上杉木的生产投入和产出情况等。样本分布见表 1。
表 1 农户有效样本分布情况Table 1. Specific distribution of effective sample of farmers县（市） 乡（镇） 村 合计/户 比例/% 开化 华埠 许家源 20 8.2 联丰 20 8.2 池淮 芹源 20 8.2 玉坑 20 8.2 芹阳 泉坑 21 8.6 小桥头 20 8.2 建德 李家 沙墩头 8 3.3 长林 23 9.4 石鼓 9 3.7 龙桥 1 0.4 新桥 2 0.8 李家 2 0.8 建德 大同 上马 1 0.4 小溪源 24 9.8 永平 1 0.4 竹林 1 0.4 竹源 13 5.3 航头 大店口 21 8.6 东村 14 5.7 溪沿 1 0.4 罗源 1 0.4 曹源 2 0.8 总计 245 100.0 2.2 实证模型与变量选择
在测算林业技术效率之前，需要先确定前沿函数的具体形式，常见的前沿函数形式有C—D生产函数和超越对数生产函数。相对于前者，后者不仅形式灵活、易估计、包容性强，而且允许要素间替代弹性可变，没有对技术变化附加任何限制条件，因此近似性更好。考虑到南方集体林区农户拥有林地地块数量普遍较多，而农户林业生产中最重视且存更大雇佣劳动可能性的一般是最大地块，因此，本研究采用农户最大地块1个经营周期内的营林投入产出变量来构建生产函数。超越对数生产函数公式如下：lnYi＝β0+β1lnKi+β2lnLi+β3lnMi+β4（lnKi）2+β5（lnLi）2+β6（lnMi）2+β7lnKilnLi+β8lnMilnMi+β9lnKilnMi+Vi-Ui。其中：Y表示最大地块1个经营周期内的林业产出（主伐量）（m3）；K表示农户在最大地块的1个经营周期内所投入的费用（元）；L表示农户在最大地块的1个经营周期内所投入的劳动投工数量（工）；M表示最大地块面积（hm2）；β0~β9为待估参数。
通过对超越对数生产函数求导可以分别计算出各投入要素的产出弹性。资本投入要素的产出弹性为：η1＝β1+2β4lnK+β7lnL+β9lnM。劳动力投入要素的产出弹性为：η2＝β2+2β5lnL+β7lnK+β8lnM。土地投入要素的产出弹性为：η3＝β3+2β6lnM+β8lnL+β9lnK。农户技术无效率函数表示为：$ {m_i} = {\delta _0} + \sum\limits_{j = 1}^{j = 5} {{\delta _j}{h_j} + \sum\limits_{j = 6}^{j = 16} {{\delta _j}{Z_{ji}} + {\mu _i}} } $。其中hj为关键变量，代表雇工劳动质量，表示农户最大地块1个经营周期内雇佣劳动力的投工质量情况，Zj为控制变量。
为全面测度营林雇工劳动质量问题，本研究构建了雇工年龄比例、雇工性别比例、雇工投工所占比例、受过技术培训的雇工所占比例等具体指标[6]作为关键变量。具体如下。①雇工年龄比例：40岁以下雇工所占比例（h1）、60岁以上雇工所占比例（h2）；②雇工性别比例：男雇工所占比例（h3）；③雇工投工所占比例：总投工中雇工所占比例（h4）；④受过技术培训的雇工所占比例（h5）。
一般研究将影响技术效率的地块特征、农业生产特征、户主特征等外生因素作为控制变量。①地块特征主要包括地块的地理位置（最大地块离家距离）、农户家庭山林总面积、农户家庭林地总块数、最大地块立地质量。地块离家距离越近，越便于林农对林地进行管理，所以，预期最大地块离家距离会对农户营林技术效率产生负向影响。农户家庭山林总面积越大、林地总块数越多意味着农户管理林地的难度也越大，平均到每个地块的管理时间就会越少，因此，预期其会对农户营林技术效率产生负向影响[7]。土地细碎不利于先进机械设备和技术的推广，控制病虫害难度加大，难以实现规模经营[8]，虽然也有研究表明耕地面积与生产率之间的反向关系[9]，但有些研究却表明此种关系并不显著[10]，因此预期其总效应不明确。地块的立地质量对效率的影响是显而易见的，肥沃的土壤相对于贫瘠的土壤更能提高农户的生产效率[11]，因此预期其会对农户营林技术效率会产生正向影响。②农业生产特征包括家庭务农人数、家庭总收入以及农户是否为补贴户。家庭务农人数会直接影响到劳动力要素的投入，因此预期其会对农户营林技术效率产生正向影响。农户家庭总收入的增加会加大农户的林业投资[12]，预期会对农户营林技术效率产生正向影响。农户若为补贴户，林业补贴的增加也会增加农户对林业的资本投入，因此假设其会对农户营林技术效率产生正向影响。③户主特征。包括户主年龄、户主的受教育年限、户主健康状况、户主是否担任过村干部。户主年龄对其技术效率的影响方向取决于该农户是更富有经验还是更守旧[13]；户主受教育年限越长，越能有效利用先进的农业生产技术[14]，因此，假设其会对农户营林技术效率产生正向影响。户主健康状况对农户营林技术效率的影响也是显而易见的：户主健康状况越好，越有利于家庭营林生产劳动和决策，因此假设其会对技术效率产生正向影响。干部身份一方面会带来收入效应，即干部获得先进生产技术和农业生产信息的渠道更多，这会对农户营林技术效率产生正效应；另一方面，干部身份同样存在替代效应，即干部用于家庭经营的时间更少，从事家庭经营的机会成本也较高，这会对农户营林技术效率产生负效应[15]。因此其具体影响尚不可知。具体控制变量如下：Z6表示农户是否为补贴户（0代表否，1代表是）；Z7表示户主是否为村干部（0代表否，1代表是）；Z8为农户家庭务农人数（人）；Z9为户主年龄（岁）；Z10为户主受教育年限（年）；Z11为户主健康状况（1代表好，2代表中，3代表差）；Z12表示农户家庭总收入（元）；Z13为农户家庭山林总面积（hm2）；Z14表示农户经营的山林总块数（块）；Z15表示农户经营山林中最大地块的立地质量（1代表好，2代表中，3代表差）；Z16表示最大地块离家的距离（km）。
3. 结果与分析
3.1 描述性统计分析
由表 2可知：样本农户最大地块整个营林周期内单位面积的平均产出为108.62 m3·hm-2，农户最大地块整个营林周期内单位面积的平均资本投入为8 214.47元·hm-2，单位面积平均劳动力投入为375.23工·hm-2，平均林地投入为2.02 hm2。
表 2 随机前沿生产函数模型变量的描述性统计Table 2. Descriptive statistics of variables in Stochastic Frontier Approach's model统计值变量 最大地块总产出/（m3·hm-2） 最大地块资本投入/（元·hm-2） 最大地块面积/hm2 最大地块劳动力投入/（工·hm-2） 平均值 108.62 8 214.47 2.02 375.23 标准差 94.70 5 187.26 1.14 278.28 技术效率损失模型中（表 3），户主的平均年龄为57.24岁，平均受教育年限为7.20 a，可以看出该地区的劳动力质量较差。88.00%的立地质量为中等及以上，最大地块离家距离平均为1.97 km，表明样本地区的立地质量和交通条件对林业经营相对有利。样本农户家庭户均地块为3.41块，表明样本地区林地细碎化问题并不严重。农户的家庭总收入均值为95 501.74元，说明样本地区当地的经济条件利于林业发展。所有样本农户中仅有27.00%的农户为补贴户，说明国家的林补政策还未真正地惠及该地区。
表 3 技术效率损失模型变量的描述性统计Table 3. Descriptive statistics of variables in the loss of technical efficiency's model变量类型 具体变量 平均值 标准差 最小值 最大值 雇工劳动质量 40岁以下雇工所占比例 0.45 0.24 0.10 1.00 60岁以上雇工所占比例 0.49 0.17 0.01 1.00 男雇工所占比例 0.85 0.16 0.20 1.00 总投工中雇工所占比例 0.72 0.25 0.05 1.00 雇佣的工人中受过技术培训的工人所占比例 0.78 0.42 0.10 1.00 户主特征 户主年龄（岁） 57.24 9.38 27 86 户主教育年限 7.20 3.52 0 16 户主是否为村干部（0代表否，1代表是） 0.33 0.46 0 1 户主健康状况：好 0.84 0.36 0 1 户主健康状况：差 0.12 0.22 0 1 农业生产特征 家庭务农人数（人） 1.18 1.05 0 5 家庭总收入（元） 95 501.74 104 235.30 520 724 652 是否为补贴户（0代表否，1代表是） 0.27 0.44 0 1 地块特征 家庭总地块数 3.41 2.87 0 20 最大地块质量：好 0.54 0.49 0 1 最大地块质量：差 0.12 0.31 0 1 最大地块离家距离（km） 1.97 2.03 0.02 15 山林总面积 3.52 8.26 0.03 96.67 说明：“户主健康状况”参照组为“中”，“最大地块质量”参照组为“中” 为消除因自变量之间多重共线性导致的模型估计结果偏差，在模型估计前对雇工质量各指标进行相关性检验。结果发现（表 4）：雇工质量各指标之间不存在多重共线性问题，各指标可以作为自变量放入模型进行估计。
表 4 雇工质量各指标系数相关矩阵Table 4. Relevance matrix of index coefficients of employee quality40岁以下雇工所占比例 60岁以上雇工所占比例 男雇工所占比例 总投工中雇工所占比例 雇佣的工人中受过技术培训的工人所占比例 40岁以下雇工所占比例 1.00 60岁以上雇工所占比例 0.18 1.00 男雇工所占比例 0.24 0.15 1.00 总投工中雇工所占比例 0.01 0.00 0.33 1.00 雇佣的工人中受过技术培训的工人所占比例 0.24 0.02 0.10 0.23 1.00 3.2 实证结果分析
利用广义似然比（LR）检验可降低对SFA模型的依赖，避免函数形式的误设，从而从设定的待估计模型中筛选出最能拟合样本数据的模型。LR公式可表示为：RL＝-2[lnL（H0）-lnL（H1）] ~χ2（k）。其中：L（H0）和L（H1）分别是零假设H0和备择假设H1下的似然函数值，表示受约束条件的自由度。将LR统计量与临界值进行比较，当LR统计量值大于临界值时拒绝原假设，否则，接受原假设。给出的2个零假设为：（1）规模户和非规模户的前沿面并没有显著的差异，即模型不需要添加是否为规模户的虚拟变量。（2）外生变量对技术效率无任何影响，即模型不需要添加外生变量影响因素。LR验证结果如表 5所示。相对于基准模型，假设1在1%显著性水平上没有被拒绝，而假设2在1%显著性水平上拒绝原假设；说明原假设1对应的模型较好地拟合了样本数据，可作为本研究测度技术效率的主要模型。
表 5 假设检验结果Table 5. Hypothesis test results零假设 LR统计量 自由度 χ2 0.01临界值 结论 H0：不应该设置规模户虚拟变量 0.001 9 20.97 接受 H0：外生变量对技术效率无影响 126.310 14 28.49 拒绝 3.2.1 随机前沿生产函数模型估计结果分析
表 6为随机前沿生产函数模型的估计结果。将表 6的回归系数代入上文生产投入要素产出弹性计算公式中可得到各投入要素的产出弹性。计算得：土地投入要素的产出弹性为2.25，说明样本地区林业生产对土地投入的依赖程度较高，即林业生产中最为稀缺的生产要素是土地，增加土地投入可以大幅度地提高林业产出。资本（-0.09）和劳动力（-0.23）投入要素的产出弹性均为负值，说明目前样本地区林业存在过度投入资本和劳动力的情况，单纯依靠增加林业劳动力和林业资本投入并不会带来林业产出的增加，相反还可能导致林业产出减少。
表 6 随机前沿生产函数模型估计结果Table 6. Estimated results of Stochastic Frontier Approach's model变量 系数 变量 系数 最大地块资本投入 0.589***（0.091） 劳动力投入的平方项 -0.029*（0.016） 最大地块面积（土地投入） 0.746***（0.240） 资本投入×土地投入 0.160**（0.068） 最大地块劳动力投入 0.017（0.125） 土地投入×劳动力投入 0.108*（0.063） 资本投入的平方项 0.051***（0.010） 资本投入×劳动力投入 -0.014（0.035） 土地投入的平方项 -0.410***（0.137） 常数项 -0.368（0.259） 说明：*，**，***分别表示通过10%，5%，1%水平下的显著性检。括号内数值为回归标准误 3.2.2 技术效率损失模型估计结果分析
在245份有效样本农户中，家庭最大地块1个营林周期内有雇佣劳动力的农户有151户，占总体样本的61.63%。总体农户平均技术效率值为0.57，有雇工农户平均技术效率值为0.59，无雇工农户的平均技术效率值为0.76。由表 7可知：如果消除技术效率的损失，总体样本农户的平均技术效率还有43.00%的提升空间。由描述性统计结果可粗略看出无雇工农户的平均技术效率高于有雇工农户的平均技术效率，但雇佣劳动对农户技术效率的具体影响有待进一步计量分析。由样本农户雇工情况对农户营林技术效率损失影响的估计结果（表 8）可知：在控制其他变量不变的情况下，雇工会对农户营林技术效率造成负面影响（P＜0.10）。雇工劳动质量指标中，总投工中雇工所占比例对农户的营林技术效率具有负向影响（P＜0.05）；原因可能是家庭自有劳动力和雇佣劳动力劳动质量存在异质性，雇主对劳动过程的监督很难到位，由此造成总投工中雇工所占比例越高，农户营林技术效率越低。户主年龄对农户的营林技术效率具有正向的影响（P＜0.10）；原因可能是随着户主年龄增大，其营林生产经验越丰富，对家庭营林生产越有利。户主良好的身体状况对农户营林生产技术效率具有正向影响（P＜0.05）；作为家庭最主要的林业劳动力和决策者，户主身体健康程度对林业生产至关重要。家庭总收入对农户营林生产技术效率具有正向影响（P＜0.05）；原因在于农户家庭总收入的增加会减少农户家庭林业生产的资金约束，农户林业投资概率会增大。山林总面积和家庭总地块数都对农户的营林技术效率具有负向影响（P＜0.10）；农户家庭山林总面积越大、家庭总地块数越多，农户管理林地的难度也越大，平均到每个地块的管理时间就会越少，农户无法对林地进行精细化地管理，影响了技术效率的提高。好的地块质量对农户营林生产技术效率具有负向影响（P＜0.10）；这与预期的影响方向相反，可能的原因是：农户会对质量较好的地块相对投入更少的肥料和劳动力等生产要素，因此使立地质量较优的地块产出情况反而不如立地质量较差的地块。
表 7 样本农户营林技术效率总体情况Table 7. Overall situation of technical efficiency of sample farmers in forestry management描述性统计农户类型 平均值 标准差 最小值 最大值 全部农户 0.57 0.20 0.12 0.92 有雇工农户 0.59 0.25 0.06 0.98 无雇工农户 0.76 0.12 0.24 0.92 表 8 雇工情况及雇工劳动质量对农户营林技术效率损失的影响估计结果Table 8. Estimation of the impact of employment and labor quality of employees on technical efficiency of farmers' forestry management变量类型 具体变量 系数 具体变量 系数 雇工情况 是否雇工（0代表否，1代表是） 0.373*（0.212） 40岁以下雇工所占比例 1.139（0.814） 及雇工劳 60岁以上雇工所占比例 -0.474（0.509） 动质量 男雇工所占比例 0.662（0.511） 总投工中雇工所占比例 1.205**（0.538） 雇佣的工人中受过技术培训的工人所占比例 -2.115（1.328） 户主特征 户主年龄（岁） -0.011（0.009） 户主年龄（岁） -0.027*（0.016） 户主教育年限 -0.008（0.022） 户主教育年限 0.052（0.044） 户主是否为村干部（0代表否，1代表是） 0.182（0.160） 户主是否为村干部（0代表否，1代表是） 0.181（0.245） 户主健康状况：好 -0.498**（0.242） 户主健康状况：好 -1.130**（0.489） 户主健康状况：差 -0.180（0.324） 户主健康状况：差 -0.132（0.883） 农业生产 家庭务农人数（人） 0.035（0.078） 家庭务农人数（人） 0.084（0.106） 特征 家庭总收入（元） -0.000**（0.000） 家庭总收入（元） -0.000**（0.000） 是否为补贴户（0代表否，1代表是） 0.333**（0.165） 是否为补贴户（0代表否，1代表是） 0.317（0.259） 地块特征 家庭总地块数 0.035（0.026） 家庭总地块数 0.090*（0.049） 最大地块质量：好 0.221（0.155） 最大地块质量：好 0.640*（0.359） 最大地块质量：差 -0.117（0.241） 最大地块质量：差 0.196（0.460） 最大地块离家距离（km） -0.040（0.037） 最大地块离家距离（km） -0.052（0.061） 山林总面积 -0.005（0.022） 山林总面积 0.042*（0.022） 常数项 1.643***（0.623） 常数项 0.303（1.099） σ2 0.318***（0.070） σ2 0.801***（0.268） γ 0.876***（0.073） γ 0.995***（0.003） 说明：“户主健康状况”参照组为“中”，“最大地块质量”参照组为“中”；*，**，***分别表示通过10%，5%，1%水平下的显著性检验。括号内数值为回归标准误 4. 结论及建议
4.1 结论
本研究发现：样本农户的营林技术效率的平均值为0.57，表明样本农户在当前技术水平下平均56.60%的产出可以通过现有的生产要素组合来获得，样本农户的营林技术效率还有43.40%的提升空间。农户营林生产过程中的雇佣劳动确实会对营林生产造成负面影响，雇工劳动质量不同，对提高农户营林技术效率的影响程度不同；营林生产总投工中雇工所占比例越大，对提高农户营林技术效率的负面影响程度越大。
4.2 建议
建立有效的劳动监督和管理机制。雇佣劳动力在劳动过程中缺乏有效的劳动监督，雇工劳动质量低下，是营林生产技术效率下降的主要原因。因此，农户应根据雇工实际情况建立有效劳动监督机制，在劳动生产可计量的环节尝试使用绩效工资，并根据劳动成果给予一定的激励措施，减少雇工过程中“搭便车”行为的发生，从而提高雇工劳动的质量。在目前林业规模经营日趋普遍的情况下，传统的生产经营和管理方式越来越难以适应，迫切需要建立高效的林业生产管理机制。革新传统林业管理理念，启用具有现代管理才能的人才管理林业经营；在林业生产的各个环节，制定科学合理的管理细则和林业生产流程。
推进适度规模经营，加大林业科技服务投入。解决各林业经营主体营林生产过程中的雇工劳动质量问题的关键是解决农村劳动力不足的问题。因此，推广林业机械化生产、开拓新型经营方式、积极推进林业适度规模经营均能在很大程度上解决上述问题。在地形条件较平缓的地区的林业规模经营户中可以依靠推进农业机械化替代劳动力，解决雇佣劳动所带来的劳动质量问题。同时，在机械替代较为困难的地区，可以尝试开拓林业服务外包、农户之间合作经营和托管经营等新型林业经营方式，促使劳动力要素配置更加专业化，也可以缓解由于雇佣劳动力所带来的劳动质量问题。对规模经营中出现的雇工劳动问题，需要进一步研究以寻找雇工劳动最优的比例，从劳动力层面对农户适度规模经营提出要求。
-
图 2 滑坡迹地各类型植物对应分析(CCA)排序图
Figure 2 CCA ordination diagram of plants on the landslide trail and envrionmental factors
表 1 样地基本情况
Table 1. General condition of the sample plots
样地 海拔/m 坡度/(°) 坡向/(°) 备注 滑坡区 735~762 32~38 北偏西24~30 2011年采用宾格护坡，并按2 m×4 m的株行距栽植刺槐Robinia pseudoacacia幼苗 过渡区 723~757 32~38 北偏西21~27 自然恢复，沟蚀明显，主要为灌草植被 未滑坡区 732~764 30~38 北偏西22~29 柏木次生林，植被保持原状，郁闭度90%以上 
下载: 导出CSV
表 2 滑坡迹地土壤环境因子情况
Table 2. Soil environmental factors in landslide site
年份 区域 有机碳/(g·kg−1) 全氮/(g·kg−1) 全磷/(g·kg−1) 全钾/(g·kg−1) pH 碱解氮/(mg·kg−1) 2013 滑坡区 28.212 b 0.884 d 0.314 de 0.232 cd 8.197 a 52.232 b 过渡区 40.752 b 1.728 c 0.235 e 0.331 b 8.147 a 119.577 b 未滑坡区 45.813 b 1.919 c 0.352 d 0.430 a 8.033 a 118.408 b 2019 滑坡区 38.936 b 2.913 b 0.566 c 0.202 d 8.043 a 129.531 b 过渡区 33.572 b 2.333 bc 0.689 b 0.202 d 7.977 a 138.130 b 未滑坡区 97.188 a 4.382 a 0.914 a 0.267 c 7.953 a 350.595 a 年份 区域 有效磷/
(mg·kg−1)速效钾/
(mg·kg−1)风干性团聚体
分形维数水稳性团聚体
分形维数风干性团聚体
平均几何直径/mm水稳性团聚体
平均几何直径/mm2013 滑坡区 0.496 c 166.695 b 2.278 a 2.665 a 1.456 d 0.849 e 过渡区 0.693 c 126.246 bc 2.225 ab 2.626 a 1.570 c 0.803 e 未滑坡区 3.288 b 238.029 a 2.209 ab 2.519 b 1.624 c 0.974 d 2019 滑坡区 0.920 c 137.305 bc 1.981 c 2.488 b 1.961 b 1.291 c 过渡区 1.450 c 108.980 c 2.142 b 2.496 b 1.972 b 1.397 b 未滑坡区 4.561 a 151.193 bc 1.971 c 2.394 c 2.092 a 1.571 a 年份 区域 风干性团聚体
平均质量直径/mm水稳性团聚体
平均质量直径/mm团聚体破坏
率/%不稳定团粒
系数/%2013 滑坡区 3.764 d 1.764 e 16.297 a 21.853 a 过渡区 4.127 cd 1.433 d 12.718 b 17.138 b 未滑坡区 4.458 c 1.958 d 8.823 c 12.803 c 2019 滑坡区 5.659 b 3.390 c 13.101 b 14.680 c 过渡区 5.969 ab 3.831 b 11.291 b 14.032 c 未滑坡区 6.262 a 4.404 a 9.016 c 10.350 d 说明：不同小写字母表示不同样地间差异显著(P＜0.05)
下载: 导出CSV
表 3 滑坡迹地植物群落物种组成变化情况
Table 3. Changes in species composition of plant communities in landslide sites
植被层 区域 科 属 种 2013年 2019年 2013年 2019年 2013年 2019年 乔木层 滑坡区 0 5 0 6 0 6 过渡区 4 7 4 7 4 7 未滑坡区 8 5 9 6 9 6 灌木层 滑坡区 6 21 6 31 6 35 过渡区 7 27 8 33 8 35 未滑坡区 16 28 20 37 23 42 草本层 滑坡区 18 23 32 47 34 55 过渡区 25 26 39 42 45 48 未滑坡区 28 31 46 44 50 49
下载: 导出CSV
表 4 滑坡迹地优势植物重要值
Table 4. The important values of the dominant plants in landslide sites
植被层 滑坡区 过渡区 未滑坡区 2013年 2019年 2013年 2019年 2013年 2019年 物种 重要值 物种 重要值 物种 重要值 物种 重要值 物种 重要值 物种 重要值 乔木层 刺槐 0.484 8 刺槐 0.424 6 刺槐 0.269 5 柏木 0.645 8 柏木 0.649 5 柏木 0.229 8 漆树 0.314 2 柏木 0.204 0 桤木 0.113 2 杜仲 0.094 6 南酸枣 0.158 7 醉鱼草 0.198 4 枫杨 0.188 9 香椿 0.104 7 榆树 0.072 2 灌木层 刺槐 0.382 2 西南绣球 0.236 4 刺槐 0.349 6 西南绣球 0.218 5 柏木 0.160 2 铁仔 0.182 1 马桑 0.230 7 地果 0.175 7 雀儿舌头 0.183 9 卵果蔷薇 0.111 7 铁仔 0.157 6 柏木 0.164 8 漆树 0.140 0 火棘 0.124 5 插田泡 0.148 8 豪猪刺 0.106 8 刺槐 0.111 1 雀儿舌头 0.076 2 醉鱼草 0.129 1 马桑 0.060 7 构树 0.099 2 地果 0.077 4 卵果蔷薇 0.096 0 枫杨 0.071 3 草本层 小蓬草 0.222 3 茅叶荩草 0.158 9 茅叶荩草 0.2829 细叶薹草 0.189 3 卷柏 0.261 1 细叶薹草 0.312 6 茅叶荩草 0.164 0 细叶薹草 0.102 5 野棉花 0.109 1 茅叶荩草 0.122 7 野棉花 0.087 3 卷柏 0.105 6 鬼针草 0.088 0 打破碗花花 0.094 0 千里光 0.054 3 打破碗花花 0.075 8 粗齿冷水花 0.056 3 斑茅 0.055 7 千里光 0.061 9 冷水花 0.054 5 艾 0.052 8 老鹳草 0.051 0 白茅 0.051 7 打破碗花花 0.039 5 香薷 0.060 0 白茅 0.052 4 野菊 0.046 9 斑茅 0.050 7 艾 0.050 3 冷水花 0.037 2 说明：马桑Coriaria nepalensis；漆树Toxicodendron vernicifluum；醉鱼草Buddleja lindleyana；小蓬草Erigeron canadensis；鬼针草
Bidens pilosa；千里光Senecio scandens；香薷Elsholtzia ciliata；南酸枣Choerospondias axillaris；地果Ficus tikoua；火棘
Pyracantha fortuneana；打破碗花花Anemone hupehensis；冷水花Paederia foetida；白茅Imperata cylindrica；雀儿舌头Leptopus
chinensis；插田泡Rubus coreanus；构树Broussonetia papyrifera；野棉花Anemone vitifolia；艾Artemisia argyi；野菊
Chrysanthemum indicum；枫杨Pterocarya stenoptera；卵果蔷薇Rosa helenae；豪猪刺Berberis julianae；老鹳草Geranium
wilfordii；斑茅Saccharun arundinaceum；桤木Alnus cremastogyne；香椿Toona sinensis；卷柏Selaginella tamariscina；粗齿冷
水花Pilea sinofasciata；杜仲Eucommia ulmoides；榆树Ulmus pumila
下载: 导出CSV
表 5 各CCA排序轴与环境因子相关系数
Table 5. Correlation coefficients of each CCA ranking axis and environmental factors
植被层 排序轴 pH MWD1 GMD1 D1 MWD2 GMD2 D2 乔木层 第1轴 0.768 5* −0.390 5 −0.361 1 0.301 5 −0.437 9 −0.491 2 0.757 7* 第2轴 −0.447 6 0.6691 0.661 3 −0.546 0 0.619 7 0.5895 −0.392 5 灌木层 第1轴 0.961 1** −0.874 4* −0.866 0* 0.793 3* −0.822 7* −0.861 3* 0.960 6** 第2轴 0.088 9 0.134 5 0.123 2 −0.057 4 0.1239 0.072 4 0.162 2 草本层 第1轴 0.967 1** −0.950 1** −0.946 8** 0.814 5* −0.874 5* −0.905 1** 0.953 6** 第2轴 −0.172 9 −0.242 1 −0.258 7 0.239 5 −0.274 0 −0.204 2 −0.144 6 植被层 排序轴 PAD ELT SOC TN TP TK AN 乔木层 第1轴 0.900 5** 0.925 5** −0.556 9 −0.491 4 −0.515 9 −0.271 4 −0.504 7 第2轴 0.380 9 −0.0487 −0.305 8 0.212 7 0.4562 −0.816 1* −0.128 0 灌木层 第1轴 0.769 0* 0.898 0** −0.540 6 −0.799 5* −0.797 9* 0.031 3 −0.641 2 第2轴 0.495 4 0.319 5 −0.684 7 −0.254 2 −0.035 7 −0.665 8 −0.514 7 草本层 第1轴 0.728 5 0.913 3** −0.576 8 −0.8745* −0.8515* 0.1834 −0.733 7* 第2轴 −0.648 0 −0.382 5 0.269 6 −0.026 1 −0.181 6 0.896 8** 0.103 0 植被层 排序轴 AP AK 特征值占比/% 累积贡献率/% 乔木层 第1轴 −0.886 8** −0.660 9 51.97 52.00 第2轴 −0.317 7 −0.426 2 25.88 77.90 灌木层 第1轴 −0.708 4 −0.095 3 43.77 43.80 第2轴 −0.696 3 −0.495 9 30.67 74.40 草本层 第1轴 −0.590 9 0.241 5 40.15 40.20 第2轴 0.650 6 0.909 1** 26.09 66.30 说明：pH. 土壤酸碱度；MWD1. 风干性团聚体平均质量直径；GMD1. 风干性团聚体平平均几何直径；D1. 风干性团聚体分形
维数；MWD2. 水稳性团聚体平均质量直径；GMD2. 水稳性团聚体平均几何直径；D2. 水稳性团聚体分形维数；PAD. 团
聚体破坏率；ELT：不稳定团粒系数；SOC. 土壤有机碳；TN. 土壤全氮；TP. 土壤全磷；TK. 土壤全钾；AN. 土壤碱解
氮；AP. 土壤速效磷；AK. 土壤速效钾。*表示显著相关(0.01＜P＜0.10)，**表示极显著相关(P＜0.01)
下载: 导出CSV
-
[1] 牛莉芹, 程占红, 赵蒙. 旅游干扰下五台山不同植被景观区物种多样性特征[J]. 应用与环境生物学报, 2012, 18(4): 559 − 564. NIU Liqin, CHENG Zhanhong, ZHAO Meng. Plant species diversities of tourism disturbed landscapes in Wutai Mountains, China [J]. Chin J Appl Environ Biol, 2012, 18(4): 559 − 564. [2] 孙丽文, 史常青, 赵廷宁, 等. 汶川地震滑坡治理区植被恢复效果研究[J]. 中国水土保持科学, 2015, 13(5): 86 − 92. SUN Liwen, SHI Changqing, ZHAO Tingning, et al. Vegetation recovery in the landslide-tackling area of Wenchuan earthquake [J]. Sci Soil Water Conserv, 2015, 13(5): 86 − 92. [3] 孙丽文, 史常青, 李丹雄, 等. 汶川地震滑坡迹地植物群落与环境的关系[J]. 生态学报, 2016, 36(21): 6794 − 6803. SUN Liwen, SHI Changqing, LI Danxiong, et al. Relationship between plant communities and environment after landslide of Wenchuan earthquake [J]. Acta Ecol Sin, 2016, 36(21): 6794 − 6803. [4] 刘尧尧, 辜彬, 王丽. 北川震后植被恢复工程植物群落物种多样性及优势种生态位[J]. 生态学杂志, 2019, 38(2): 309 − 320. LIU Yaoyao, GU Bin, WANG Li. Species diversity of plant community and the niche of dominant species in Beichuan after earthquake engineering [J]. Chin J Ecol, 2019, 38(2): 309 − 320. [5] 陈小雪, 李红丽, 董智, 等. 不同造林模式下火烧迹地的土壤修复效果及植物多样性变化[J]. 水土保持学报, 2019, 33(3): 332 − 339. CHEN Xiaoxue, LI Hongli, DONG Zhi, et al. Effects of soil remediation and changes of plant diversity in burned areas under different afforestation patterns [J]. J Soil Water Conserv, 2019, 33(3): 332 − 339. [6] WANG Lihong, FU Qiang. Soil quality assessment of vegetation restoration after a large forest fire in Daxing’anling, northeast China [J]. Can J Soil Sci, 2020, 100: 1 − 13. [7] WANG Huanhuan, YUE Chao, MAO Qinqin, et al. Vegetation and species impacts on soil organic carbon sequestration following evological restoration over the Loess Plateau, China [J/OL]. Geoderma, 2020, 371: 114389[2021-01-25]. doi: 10.1016/j.geoderma.2020.114389. [8] 崔艳红, 史常青, 孙丽文, 等. 5·12地震后北川次生灾害迹地植被的自然恢复与更新[J]. 浙江农林大学学报, 2018, 35(2): 219 − 226. CUI Yanhong, SHI Changqing, SUN Liwen, et al. Vegetation restoration and regeneration of the secondary disaster area in Beichuan after the May 12, 2008 earthquake [J]. J Zhejiang A&F Univ, 2018, 35(2): 219 − 226. [9] FINNEGAN L, PIGEON K E, MACNEARNEY D. Predicting patterns of vegetation recovery on seismic lines: informing restoration based on understory species composition and growth [J]. For Ecol Manage, 2019, 446: 175 − 192. [10] 白晓航, 张金屯, 曹科, 等. 河北小五台山国家级自然保护区森林群落与环境的关系[J]. 生态学报, 2017, 37(11): 3683 − 3696. BAI Xiaohang, ZHANG Jintun, CAO Ke, et al. Relationship between forest communities and the environment in the Xiaowutai Mountain National Nature Reserve, Hebei [J]. Acta Ecol Sin, 2017, 37(11): 3683 − 3696. [11] 钟娇娇, 陈杰, 陈倩, 等. 秦岭山地天然次生林群落MRT数量分类、CCA排序及多样性垂直格局[J]. 生态学报, 2019, 39(1): 277 − 285. ZHONG Jiaojiao, CHEN Jie, CHEN Qian, et al. Quantitative classification of MRT, CCA odination, and species diversity along elevation gradients of a natural secondary forest in the Qinling mountains [J]. Acta Ecol Sin, 2019, 39(1): 277 − 285. [12] 任晴, 袁位高, 吴初平, 等. 浙江省红楠生境地群落数量分类和环境解析[J]. 生态学报, 2020, 40(15): 5277 − 5287. REN Qing, YUAN Weigao, WU Chuping, et al. Community quantitative classification and environmental analysis of the Machilus thunbergii habitat in Zhejiang Province [J]. Acta Ecol Sin, 2020, 40(15): 5277 − 5287. [13] 张志敏, 杨国栋, 谢梦梦, 等. 江苏龙池山自然保护区红楠(Machilus thunbergii)生存群落结构及其环境解释[J]. 生态学杂志, 2019, 38(6): 1637 − 1645. ZHANG Zhimin, YANG Guodong, XIE Mengmeng, et al. Community structure and environmental interpretation of Machilus thunbergii in mountains Longchi, Jiangsu Province [J]. Chin J Ecol, 2019, 38(6): 1637 − 1645. [14] 廖峰, 郑江坤, 赵廷宁, 等. 柏木次生林震后滑坡迹地物种多样性变化特征[J]. 应用与环境生物学报, 2018, 24(6): 1404 − 1410. LIAO Feng, ZHENG Jiangkun, ZHAO Tingning, et al. Species diversity variation of Cupressus funebirs secondary forest in landslide site after 5.12 Wenchuan Earthquake [J]. Chin J Appl Environ Biol, 2018, 24(6): 1404 − 1410. [15] 张万儒, 杨光滢, 屠南星. 森林土壤分析方法[M]. 北京: 中国标准出版社, 2000: 57 − 70. ZHANG Wanru, YANG Guangying, TU Nanxing. Forest Soil Analysis Method[M]. Beijing: China Standards Press, 2000: 57 − 70. [16] 夏威, 安明态, 陈龙, 等. 贵州北盘江不同强度石漠化区木本植物多样性及生态功能群研究[J]. 西北植物学报, 2020, 40(3): 524 − 531. XIA Wei, AN Mingtai, CHEN Long, et al. Study on woody plant diversity and ecological function groups of different rocky desertification gradients in Beipan river basin of Guizhou [J]. Acta Bot Boreal-Occedent Sin, 2020, 40(3): 524 − 531. [17] 李波, 张曼, 赵璐玲, 等. 汶川地震滑坡体自然植被恢复及影响因子: 以龙溪-虹口自然保护区为例[J]. 应用与环境生物学报, 2014, 20(3): 468 − 473. LI Bo, ZHANG Man, ZHAO Luling, et al. Vegetation recovery on landslide of the Wenchuan earthquake and its influencing factors: a case study in Longxi-Hongkou Nature Reserve [J]. Chin J Appl Environ Biol, 2014, 20(3): 468 − 473. [18] 朱涛, 周世强, 黄金燕, 等. 卧龙自然保护区冷杉-铁杉林木本植物多样性在冷箭竹更新恢复过程中的变化特征[J]. 应用与环境生物学报, 2019, 26(2): 442 − 450. ZHU Tao, ZHOU Shiqiang, HUANG Jinyan, et al. Woody plant dicersity changes of Abies-Tsuga forests during the natural regeneration of arrow bamboo (Bashania faberi) in Wolong Nature Reserve [J]. Chin J Appl Environ Biol, 2019, 26(2): 442 − 450. [19] MOHAMMADI M F, JALALI S G, KOOCH Y, et al. The influence of landform on the understory plant community in a temperate Beech forest in northern Iran [J]. Ecol Res, 2015, 30(2): 385 − 394. [20] PETERSEN S L, STRINGHAM T K. Development of GIS-based models to predict plant community structure in relation to western juniper establishment [J]. For Ecol Manage, 2008, 256(5): 981 − 989. [21] 王树森, 余新晓, 班嘉蔚, 等. 华北土石山区天然森林植被演替中群落结构和物种多样性变化的研究[J]. 水土保持研究, 2006, 13(6): 48 − 50. WANG Shusen, YU Xinxiao, BAN Jiawei, et al. Community structure and species diversity changes of forest vegetation with succession in rocky mountain area of north of China [J]. Res Soil Water Conserv, 2006, 13(6): 48 − 50. [22] 陈乙实, 孙海荣, 李娜娜, 等. 绵羊放牧绢蒿荒漠草地植物群落多样性及其环境解释[J]. 草业学报, 2019, 28(11): 1 − 11. CHEN Yishi, SUN Hairong, LI Nana, et al. Plant community diversity in grazed Seriphidium semidesert grassland and its relationships with encironmental factors [J]. Acta Pratac Sin, 2019, 28(11): 1 − 11. [23] 吴旭东, 宋乃平, 潘军. 沙质草地生境中植物群落对土壤质地演进的响应[J]. 水土保持学报, 2016, 30(3): 285 − 290. WU Xudong, SONG Naiping, PAN Jun. Responses of plant commumities to the soil texture evolution in sandy grassland [J]. J Soil Water Conserv, 2016, 30(3): 285 − 290. [24] LI Liguang, HE Xingyuan, LI Xiuzhen, et al. Depth of edge influence of the agricultural-forest landscape boundary, Southwestern China [J]. Ecol Res, 2007, 22(5): 774 − 783. [25] 时连俊, 徐建, 林叶彬, 等. 谢家店植物群落恢复中种类组成及物种多样性分析[J]. 水土保持研究, 2016, 23(2): 83 − 88. SHI Lianjun, XU Jian, LIN Yebin, et al. Analysis on species composition and species diversity of plant community recovery in Xiejiadian [J]. Res Soil Water Conserv, 2016, 23(2): 83 − 88. [26] 马俊逸, 赵成章, 苟芳珍, 等. 甘肃金塔北海子国家湿地公园植物群落数量分类及其环境解释[J]. 湿地科学, 2020, 18(3): 328 − 336. MA Junyi, ZHAO Chengzhang, GOU Fangzhen, et al. Numerical classification of plant communities in Jinta Beihaizi National Wetland Park in Gansu and its environmental interpretation [J]. Wetland Sci, 2020, 18(3): 328 − 336. [27] 张树斌, 王襄平, 吴鹏, 等. 吉林灌木群落物种多样性与气候和局域环境因子的关系[J]. 生态学报, 2018, 38(22): 7990 − 8000. ZHANG Shubin, WANG Xiangping, WU Peng, et al. Relationship between shrub species diversity and climate and local environmental factors across Jilin [J]. Acta Ecol Sin, 2018, 38(22): 7990 − 8000. [28] 许传阳, 陈志超, 郝成元, 等. 暖温带和北亚热带过渡区白云山植物物种多样性与环境因子相关性[J]. 生态环境学报, 2014, 23(3): 371 − 376. XU Chuanyang, CHEN Zhichao, HAO Chengyuan, et al. Research on the correlation between plant species diversity and its main environmental factors of Mt. Baiyunshan in the transitional region from warm temperate zone to subtropical zone [J]. Ecol Environ Sci, 2014, 23(3): 371 − 376. [29] 黄庆阳, 曹宏杰, 谢立红, 等. 五大连池火山熔岩台地草本层物种多样性及环境解释[J]. 生物多样性, 2020, 28(6): 658 − 667. HUANG Qingyang, CAO Hongjie, XIE Lihong, et al. Species diversity and environmental interpretation of herb layer in lava platform of Wudalianchi, China [J]. Biodiversity Sci, 2020, 28(6): 658 − 667. [30] 黄润霞, 徐明锋, 刘婷, 等. 亚热带5种森林类型林下植物物种多样性及其环境解释[J]. 西南林业大学学报(自然科学), 2020, 40(2): 53 − 62. HUANG Runxia, XU Mingfeng, LIU Ting, et al. Environmental interpretation and species diversity of understory vegetation in 5 subtropical forest types [J]. J Southwest For Univ, 2020, 40(2): 53 − 62. [31] MA Tianshu, DENG Xiangwen, CHEN Liang, et al. The soil properties and their effects on plant diversity in different degrees of rocky desertification[J/OL]. Sci Total Environ, 2020, 736: 139667[2021-01-25]. doi: 10.1016/j.scitotenv.2020.139667. [32] 丛静, 尹华群, 卢慧, 等. 神农架保护区典型植被的物种多样性和环境解释[J]. 林业科学, 2013, 49(5): 30 − 35. CONG Jing, YIN Huaqun, LU Hui, et al. Species diversity and envirnmental interpretation of typical vegetation types in the Shennongjia Natural Reserve [J]. Sci Silv Sin, 2013, 49(5): 30 − 35. [33] 刘洋, 侯占山, 赵爽, 等. 太行山片麻岩山区造地边坡植被恢复过程中植物多样性与土壤特性的演变[J]. 生态学报, 2018, 38(15): 5331 − 5339. LIU Yang, HOU Zhanshan, ZHAO Shuang, et al. Evolution of plant species diversity and soil characteristics on hillslopes during vegetation restoration in the gneiss region of the Taihang mountains after reclamation [J]. Acta Ecol Sin, 2018, 38(15): 5331 − 5339. 期刊类型引用(4)
1. 朱臻，薛家依，宁可. 规模化经营背景下劳动监督对营林质量的影响研究：来自南方集体林区三省规模户的实证数据. 农林经济管理学报. 2021(01): 78-91 . 
百度学术2. 高润，刘洁. 林业经济实现可持续发展的重要性分析. 林产工业. 2021(04): 99-101 . 百度学术3. 肖琦，洪英. 新形势下林业科技对林业发展的重要性分析. 林产工业. 2021(05): 69-71+76 . 百度学术4. 修丕师，张晓梅. 重点国有林区职工林下经济创业潜力及支持路径研究. 林业经济问题. 2020(06): 626-633 . 百度学术其他类型引用(8)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20210188
点击查看大图
计量
- 文章访问数: 945
- HTML全文浏览量: 224
- PDF下载量: 53
- 被引次数: 12
