-
森林土壤的物理、化学及生物学性质综合表现为土壤肥力。土壤肥力的高低影响着森林植物的分布、生长以及群落的组成、结构和生产力,植物又通过凋落物、根系分泌物等反作用于土壤,改变着土壤的物理、化学及生物学性质,由此形成一个动态的相互作用机制,提升森林生态系统结构与功能[1-3]
毛竹Phyllostachys edulis属于禾本科Gramineae刚竹属Phyllostachys植物,原产于中国亚热带地区,以地下竹鞭进行无性繁殖,具有扩展蔓延速度快和竞争力强的特点。从20世纪90年代开始,毛竹因其具有良好的竹材、竹芛等多种用途而作为笋材两用的经济树种在中国亚热带地区大面积种植,为山区农民脱贫致富做出贡献[4]。随着中国经济的发展,毛竹林经营成本不断提高,而竹材价格反而降低,因此,很多竹农已经放弃了对毛竹林的经营管理,导致失去管理的毛竹林无序扩张蔓延。近年来,这种趋势不断加剧。在许多地方由于毛竹地下竹鞭扩张渗透到阔叶林等相邻森林中,迅速成林并侵占其他物种的生境,形成毛竹单优势群落,导致植物种类减少,群落层次结构简化,生物多样性显著降低,土壤物理性质、化学性质和土壤微生物发生显著变化,整个区域生态系统退化[5-9],威胁到生物多样性保护和区域生态安全。因此,控制毛竹林无序蔓延扩张,开展毛竹林皆伐后生态恢复效果研究,已受到全社会广泛关注。2015年,为控制和减少毛竹入侵对天目山国家级自然保护区生态破坏,经审批,对该区域部分入侵毛竹林进行皆伐。本研究在毛竹林皆伐区和未伐区设置样地进行比较研究,探讨毛竹林皆伐后土壤自然恢复效果,为天目山毛竹林入侵区域生态修复提供技术支持,为亚热带毛竹林入侵区生态修复提供借鉴。
-
研究区位于浙江省杭州市临安区天目山国家级自然保护区,地处中亚热带北缘,浙皖两省交界处,是南北植物汇流之区,也是中国最主要的野生植物类型自然保护区之一,面积为4 300 hm2,海拔300~1 556 m。研究区土壤类型随着海拔变化具有较大差异,600 m以下为红壤,600~850 m主要为黄红壤,850~1 200 m为黄壤,1 200 m以上为黄棕壤。植被分布也有着明显的垂直带谱特征:在海拔230~850 m分布常绿阔叶林,850~1 100 m分布常绿落叶阔叶混交林,1 100~1 350 m分布落叶阔叶林,1 400 m以上为落叶矮林。
在天目山国家级自然保护区,毛竹林作为一种特殊的森林类型,主要分布在海拔350~900 m。由于保护区不允许开展森林经营活动,毛竹林完全处于自然状态,立竹度高,并不断向周边蔓延扩张,面积从55 hm2蔓延扩张到105 hm2,对保护区原有植被蚕食的现象日益严重。为控制和减少毛竹入侵对天目山国家级自然保护区的生态破坏,促进生物多样性保护。2015年经上级批准,对部分入侵毛竹林进行皆伐作业,并于皆伐后连续3 a进行人工除笋,防止毛竹复占。毛竹林皆伐后经过5 a自然恢复,物种组成有了明显的变化,且物种种类明显增加,与未皆伐毛竹林相比植物多样性有显著增加[10-11]。
-
于2017年在毛竹林皆伐区域设置了清除(CR)和保留(UR)采伐剩余物样地各3个,在未伐区毛竹林内设置对照样地(ck) 3个。样地面积20 m×20 m,在每个样地四角和中间分别设置1个5 m×5 m样方。
在2020年11月样地复查的同时采集土壤样品,每个样地内采用5点取样法,均匀采取0~10、10~20 cm土层中3个点位土壤的混合样品,并过2 mm筛,去除样品中的植物碎屑及石块,经过研磨过筛处理后测定土壤化学性质;使用200 cm3环刀于样方中心采集0~10、10~20 cm土层土壤用于测定土壤物理性质;新鲜土壤样品保存在4 ℃环境中用于测定土壤胞外酶活性。
-
土壤理化性质参考《土壤农业化学分析方法》进行测定[12]。土壤容重、孔隙度、最大持水量、最小持水量、毛管持水量及含水量采用环刀法测定。土壤pH采用pH计测定(水土质量比为2.5∶1.0);土壤有机质采用高温外热重铬酸钾氧化-容量法测定;全氮用凯氏定氮法测定;全磷采用氢氧化钠熔融法-钼锑抗比色测定;全钾采用氢氧化钠熔融法测定;碱解氮采用碱解扩散法测定;有效磷采用盐酸-氟化铵浸提,钼锑抗比色法测定;速效钾采用火焰光度计测定。土壤胞外酶活性参考GERMAN等[13]使用鲜土进行测定,脲酶采用比色法测定,水解酶活性使用甲基伞形酮(4-MUB)作为底物标示,氧化酶活性使用L-二羟苯丙氨酸(L-DOPA)作为底物标示。利用微孔板荧光法、使用多功能酶标仪测定单位时间内特定底物被各种酶催化释放出的荧光产物的量来计算酶活性。
-
采用 Excel 2019 进行数据整理;用 SPSS 26.0 进行统计分析。对毛竹林样地和砍伐后自然恢复迹地土壤物理、化学性质及胞外酶活性差异做单因素方差分析(one-way ANOVA),显著性水平设置为0.05,并采用Tukey 方法进行显著性检验。统计结果用Origin 2018制图。
-
综合考虑土壤物理性质、化学性质及胞外酶活性,本研究选取了34 个候选指标,分别是:0~10、10~20 cm土层土壤容重、孔隙度、毛管持水量、田间持水量、饱和持水量、pH、有机质质量分数、全氮质量分数、全磷质量分数、全钾质量分数、碱解氮质量分数、有效磷质量分数、速效钾质量分数、过氧化物酶活性、脲酶活性、酸性磷酸酶和β-葡萄糖苷酶活性。在运用主成分分析时,首先,根据特征值不小于 1 和累积方差贡献率不小于 80%,提取主成分。然后,在每个主成分中,选出不小于最大载荷值 90%的指标,对其进行 Pearson 相关分析,将相关系数之和最大的指标作为评价指标;若相关系数之和最大的指标不止1个,则选取载荷值较大的指标;若不小于最大载荷值 90%的指标只有1个,则该指标直接作为评价指标。
-
根据主成分分析得到所选取指标的公因子方差,计算各指标的权重(Wi):
$ W_{i}={C_{i}}\bigg{/}{\displaystyle \sum_{i=1}^{n} C_{i}} $ 。其中:n是综合评价的指标个数,Ci是第 i 个指标的公因子方差。 -
基于模糊数学模型,计算土壤性质的综合得分(S) :
$ S=\displaystyle \sum_{i=1}^{n} W_{i} F_{i} $ 。其中:Fi 是指标 i的离差标准化后的值。S越大,表示毛竹林皆伐后自然恢复的土壤综合恢复效果越好,反之则越差。 -
由表1可见:在0~10 cm表层土壤中,ck处理的土壤容重分别比CR、UR处理高31%和 14%;UR处理土壤容重略高于CR处理, 但无显著差异;UR、CR处理的土壤总孔隙度、毛管持水量、田间持水量和饱和持水量均高于ck处理,但无显著差异。在10~20 cm土壤中,ck处理土壤容重分别比CR、UR处理高39%和37%;ck、CR和UR处理的总孔隙度无显著差异;UR处理的毛管持水量、田间持水量和饱和持水量均高于CR和ck处理(P<0.05)。
表 1 不同处理的土壤物理性质
Table 1. Soil physical properties of different treatments
土层/cm 处理 容重/(g·cm−3) 总孔隙度/% 毛管持水量/(g·kg−1) 田间持水量/(g·kg−1) 饱和持水量/(g·kg−1) 0~10 CR 0.67±0.02 b 58.1±2.3 a 470±17 a 434±18 a 654±24 a UR 0.77±0.06 b 52.2±1.9 a 519±40 a 464±35 a 670±51 a ck 0.88±0.04 a 52.2±1.3 a 443±20 a 406±18 a 605±29 a 10~20 CR 0.67±0.02 b 61.4±1.7 a 487±15 b 447±14 b 682±24 b UR 0.68±0.05 b 58.3±1.8 a 596±47 a 527±39 a 767±59 a ck 0.93±0.03 a 54.0±1.3 a 439±22 b 394±19 b 610±28 b 说明:数据为平均值±标准误。不同小写字母表示同一土层不同处理间差异显著(P<0.05) -
由表2可见:在0~10 cm土壤中,UR处理的pH显著低于 CR和ck处理(P<0.05),UR处理的有机碳、全氮、全磷和碱解氮质量分数均显著高于CR和ck处理,UR处理的有机碳质量分数比CR和ck处理高99%和117%,全氮高93%和123%,全磷高57%和87%,碱解氮高95%和107%。ck处理的速效钾质量分数显著低于UR和CR(P<0.05)。在10~20 cm土壤中,UR处理的pH略低于CR和ck处理,UR处理的有机碳、全氮、全磷和碱解氮质量分数均显著高于CR和ck处理(P<0.05);UR处理的全钾质量分数显著低于CR和ck处理,ck处理的速效钾质量分数显著低于UR和CR处理 (P<0.05)。
表 2 不同处理的土壤化学性质
Table 2. Soil chemical properties of different treatments
土层/cm 处理 pH 有机碳/
(g·kg−1)全氮/
(g·kg−1)全磷/
(g·kg−1)全钾/
(g·kg−1)碱解氮/
(mg·kg−1)有效磷/
(mg·kg−1)速效钾/
(mg·kg−1)0~10 CR 5.09±0.06 a 36.86±2.62 b 3.27±0.24 b 0.37±0.02 b 25.29±1.61 a 101±7 b 1.4±0.1 b 189±13 a UR 4.73±0.06 b 73.25±7.25 a 6.30±0.54 a 0.58±0.04 a 16.58±0.43 b 96±11 a 1.9±0.1 a 195±15 a ck 5.03±0.09 a 33.73±2.78 b 2.82±0.23 b 0.31±0.01 b 22.67±1.10 a 95±5 b 2.1±0.1 a 105±13 b 10~20 CR 5.26±0.08 a 31.11±2.43 b 2.71±0.21 b 0.34±0.02 b 26.31±1.78 a 95±9 b 1.1±0.1 b 169±11 a UR 4.98±0.09 a 53.68±6.03 a 4.62±0.47 a 0.55±0.05 a 17.00±0.43 b 159±9 a 1.6±0.2 a 162±12 a ck 5.03±0.10 a 29.07±1.59 b 2.38±0.14 b 0.29±0.02 b 22.21±0.99 a 82±4 b 1.7±0.1 a 97±12 b 说明:数据为平均值±标准误。不同小写字母表示同一土层不同处理间差异显著(P<0.05) -
由表3可知:整体来看,除土壤酸性磷酸酶外,毛竹林皆伐后UR、CR处理的土壤脲酶、β-葡萄糖苷酶和过氧化物酶活性高于ck处理;UR处理土壤的4种胞外酶活性均高于CR处理,幅度为46%~98%。在0~10 cm土壤中,UR处理的脲酶、酸性磷酸酶和β-葡萄糖苷酶活性均显著高于CR和ck处理(P<0.05),3种处理的过氧化物酶活性无显著差异;ck处理土壤的酸性磷酸酶活性比CR处理高47%。在10~20 cm土壤中,UR处理的脲酶、酸性磷酸酶和β-葡萄糖苷酶活性均显著高于CR和ck处理(P<0.05),3种处理的过氧化物酶活性无显著差异。
表 3 不同处理的土壤胞外酶活性
Table 3. Soil extracellar enzyme activity of different treatments
土层/cm 处理 脲酶/
(μmol·g−1·h−1)酸性磷酸酶/
(μmol·g−1·h−1)β-葡萄糖苷酶/
(μmol·g−1·h−1)过氧化物酶/
(μmol·g−1·h−1)土层/cm 处理 脲酶/
(μmol·g−1·h−1)酸性磷酸酶/
(μmol·g−1·h−1)β-葡萄糖苷酶/
(μmol·g−1·h−1)过氧化物酶/
(μmol·g−1·h−1)0~10 CR 424±40 b 476±52 b 41.1±4.9 b 768±75 a 10~20 CR 338±44 b 508±59 b 37.7±4.3 b 766±132 a UR 836±101 a 944±90 a 77.0±11.6 a 1 123±152 a UR 542±75 a 884±87 a 71.9±8.0 a 1 039±184 a ck 290±71 b 701±76 b 44.0±8.0 b 770±147 a ck 243±40 b 569±66 b 37.3±7.1 b 723±104 a 说明:数据为平均值±标准误。不同小写字母表示同一土层不同处理间差异显著(P<0.05) -
通过表层土壤34个指标的主成分分析,提取7个主成分,累积贡献率为83.82%;第1主成分特征值为14.100,贡献率41.5%,主要影响因子为0~10 cm 全氮(xTNⅠ)、10~20 cm全氮(xTNⅡ)、0~10 cm 有机质(xSOCⅠ)、10~20 cm有机质(xSOCⅡ)、0~10 cm碱解氮(xANⅠ)、10~20 cm碱解氮(xANⅡ)等6个指标;第2主成分特征值为4.646,贡献率为13.7%,主要影响因子为0~10 cm孔隙度(xPⅠ)、10~20 cm孔隙度(xPⅡ)和10~20 cm饱和持水量(xShcⅡ)等3个指标;第3主成分特征值为3.100,贡献率为9.1%,主要影响因子为0~10 cm速效钾(xAKⅠ)和10~20 cm速效钾(xAKⅡ);第4主成分特征值为2.500,贡献率为7.3%,主要影响因子为0~10 cm有效磷(xAPⅠ)、10~20 cm有效磷(xAPⅡ)和10~20 cm β-葡萄糖苷酶活性(xBDⅡ);第5主成分特征值为1.610,贡献率为4.735%,主要影响因子为0~10 cm孔隙度(xPⅠ)和10~20 cm过氧化物酶活性(xPERⅡ);第6主成分特征值为1.300,贡献率为3.8%,主要影响因子为10~20 cm β-葡萄糖苷酶活性(xBDⅡ);第7主成分特征值为1.300,贡献率为3.7%,主要影响因子为10~20 cm酸性磷酸酶活性(xACPⅡ)。各主成分影响因子经相关分析后最终选取7个评价指标,分别为xTNⅠ、xPⅡ、xAKⅠ、xAPⅠ、xPERⅡ、xBGⅡ、xACPⅡ。
根据选定指标的离差标准化值和指标权重(表4)构建土壤性质综合评价模型:
表 4 综合评价指标及其权重
Table 4. Comprehensive evaluation indices and weights
指标 xTNⅠ xPⅡ xAKⅠ xAPⅠ xPERⅡ xBGⅡ xACPⅡ 指标权重 0.20 0.15 0.18 0.17 0.12 0.17 0.18 公因子方差 0.951 0.772 0.880 0.830 0.598 0.857 0.888 S=0.20F(xTNⅠ)+0.15F(xPⅡ)+0.18F(xAKⅠ)+0.17F(xAPⅠ)+0.12F(xPERⅡ)+0.17F(xBGⅡ)+0.18F (xACPⅡ)。
从0~10、10~20 cm等2层土壤综合评分结果来看(图1),毛竹林皆伐后恢复迹地得分均高于毛竹林得分,且UR处理得分高于CR处理。CR、UR、ck处理综合得分分别为0.41、0.61、0.37,UR处理综合得分分别比CR和ck处理高49%和 65%。UR处理的0~10 cm全氮得分为0.11,高于CR处理(0.05)和ck处理(0.04);CR处理和UR处理的0~10 cm速效钾得分均为0.10,高于ck处理(0.04);UR处理的10~20 cm β-葡萄糖苷酶得分为0.08,高于CR和ck处理(0.04);UR处理的10~20 cm酸性磷酸酶得分为0.10,高于CR (0.05)和ck处理(0.06)。
-
自然条件下植物和土壤有着最直接的关联,具有密切的相互反馈作用,植物群落的变化会影响其生长环境中的土壤,最终改变土壤结构和土壤养分的有效性[14]。毛竹的入侵性极强,可通过其独特的竞争策略影响入侵林分其他物种的生长,改变入侵地的群落结构[11],导致植物物种多样性明显下降直至形成毛竹纯林,相应的土壤也会发生变化[15]。本研究结果表明:毛竹林皆伐后经5 a自然恢复,林地土壤与ck相比,土壤容重极显著降低,孔隙度和持水能力增加,土壤有机碳、全氮、全磷、碱解氮和速效钾质量分数提高,土壤胞外酶活性增强。主要原因是毛竹林皆伐后大量物种进入,植物多样性明显提高。这一结果与毛竹入侵相邻森林引起的植物多样性下降[16]、土壤退化是相反的,因此,通过毛竹林皆伐控制其快速扩张,可作为目前毛竹扩张蔓延区域的生态修复措施。
-
毛竹林采伐后会产生大量的采伐剩余物,处理方式不同会对迹地更新方式和生态修复产生影响。保留采伐剩余物覆盖在地表,腐烂分解后可增加土壤有机质和养分,减少土壤侵蚀,但会对植物种子萌发、幼苗生长和植被恢复产生一定的影响[17-18]。本研究表明:在0~10和10~20 cm土层土壤中,采伐剩余物保留样区的土壤有机碳、全氮、全磷、碱解氮及速效钾质量分数均显著高于采伐剩余物清理样区。这与池鑫晨等[15]、黄启堂等[19]、ZHAO等[20]、吴家森等[21]的研究结果一致,且采伐剩余物保留样区的脲酶、酸性磷酸酶、β-葡萄糖苷酶活性显著高于采伐剩余物清理样区。有研究表明:土壤酶活性与土壤有机质含量密切相关[22],土壤有机质含量高可以维持较高的土壤胞外酶活性[23],保留采伐剩余物后提高了土壤中的有机质。因此,建议在利用毛竹林皆伐手段进行区域生态修复时,应尽量保留采伐剩余物,但应让其分散均匀,不宜局部过厚堆积,减少对植被恢复影响。
-
毛竹林皆伐后自然恢复迹地土壤恢复良好,保留采伐剩余物的管理方式相较于清除采伐剩余物的管理方式可以更有效地提高土壤有机碳、全氮、全磷、碱解氮和速效钾质量分数,以及土壤胞外酶活性。在未来人工毛竹林弃管后实施生态修复时,保留采伐剩余物可以节省更多人力及资金成本,同时也可以达成更好的土壤恢复效果。
Effects of clear-cutting and harvest residue of Phyllostachys edulis forests on soil quality
-
摘要:
目的 毛竹Phyllostachys edulis林生态修复是当前中国亚热带地区面临的一个难题。了解毛竹林皆伐和剩余物保留后迹地土壤的自然恢复状况可为毛竹林生态修复提供指导。 方法 在毛竹林皆伐迹地设置了保留采伐剩余物(UR)、清理采伐剩余物(CR)和未采伐毛竹林地作为对照(ck)等3个处理。5 a后,通过土壤调查与测定,分析比较不同处理土壤指标变化,运用模糊判别和主成分分析,定量评价毛竹林皆伐后土壤自然恢复效果。 结果 ①CR、UR处理土壤容重分别比ck降低31%和14% (P<0.05),土壤总孔隙度、毛管持水量、田间持水量和饱和持水量均高于ck;UR处理土壤的持水力整体优于CR处理。②CR、UR处理土壤有机碳、全氮、全磷、碱解氮和速效钾质量分数均高于ck,各指标增加幅度为117%~123%;有效磷则表现为CR处理极显著(P<0.01)低于UR和ck;由于保留了毛竹林皆伐后采伐剩余物,UR处理土壤有机碳、全氮、全磷、碱解氮、有效磷显著高于CR处理33%~99% (P<0.05);③CR、UR处理土壤脲酶、β-葡萄糖苷酶和过氧化物酶活性高于ck;UR处理土壤3种胞外酶活性均高于CR处理46%~98%。④综合评价结果表明:土壤质量得到较好恢复,毛竹林皆伐后恢复迹地土壤综合得分从高到低依次为采伐剩余物保留样区、采伐剩余物清理样区、毛竹林样区。 结论 毛竹林皆伐后的土壤经过5 a自然恢复,与毛竹林林地土壤相比得到较快修复,毛竹林皆伐后保留采伐剩余物更有利于土壤修复。图1表4参23 Abstract:Objective Ecological restoration of Phyllostachys edulis forest is a challenge in subtropical regions of China. This study aims to understand the natural restoration status of the soil after clear-cutting and residue retention of Ph. edulis forest, so as to provide guidance for ecological restoration of forest. Method In the clear-cutting sites, 3 treatments were set up, i.e. cutting residue reserved (UR), cutting residue removed (CR), and uncut Ph. edulis forest as the control (ck). The changes of soil indexes under different treatments were analyzed and compared through soil survey and measurement 5 years later, and fuzzy mathematical discrimination and principal component analysis were used to quantitatively evaluate the natural restoration effect of Ph. edulis forest after clear-cutting. Result (1) The soil bulk density of CR and UR decreased by 31% and 14% respectively compared with ck (P<0.05). Soil total porosity, capillary water holding capacity, field water holding capacity and saturated water holding capacity were higher than those of ck. The water holding capacity of UR soil was better than that of CR. (2) The contents of soil organic carbon, total nitrogen, total phosphorus, alkali-hydrolyzed nitrogen and available potassium in CR and UR were higher than those in ck, and each index increased by 17%−123%. Available phosphorus showed that CR was significantly lower than UR and ck (P<0.01). Due to the retention of cutting residues of Ph. edulis forest after clear-cutting, the soil organic carbon, total nitrogen, total phosphorus, alkali-hydrolyzed nitrogen and available phosphorus in UR were significantly higher than those in CR treatment by 33%−99% (P<0.05). (3) The activities of urease, β-glucosidase and peroxidase in CR, UR soil were higher than those in ck. The activities of 3 extracellular enzymes in UR soil were 46%−98% higher than those in CR treatment. (4) The comprehensive evaluation results showed that the soil quality had been well restored, and the comprehensive scores ranging from high to low in the restored site soil of Ph. edulis forest after clear-cutting was sample area with cutting residue reserved, sample area with cutting residue removed, Ph. edulis forest sample area. Conclusion After 5 years of natural recovery, the soil of Ph. edulis forest after clear-cutting can be restored faster than that in Ph. edulis forest land, and the retention of the cutting residues after clear-cutting of Ph. edulis forest is more conducive to soil restoration. [Ch, 1 fig. 4 tab. 23 ref.] -
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。
-
表 1 不同处理的土壤物理性质
Table 1. Soil physical properties of different treatments
土层/cm 处理 容重/(g·cm−3) 总孔隙度/% 毛管持水量/(g·kg−1) 田间持水量/(g·kg−1) 饱和持水量/(g·kg−1) 0~10 CR 0.67±0.02 b 58.1±2.3 a 470±17 a 434±18 a 654±24 a UR 0.77±0.06 b 52.2±1.9 a 519±40 a 464±35 a 670±51 a ck 0.88±0.04 a 52.2±1.3 a 443±20 a 406±18 a 605±29 a 10~20 CR 0.67±0.02 b 61.4±1.7 a 487±15 b 447±14 b 682±24 b UR 0.68±0.05 b 58.3±1.8 a 596±47 a 527±39 a 767±59 a ck 0.93±0.03 a 54.0±1.3 a 439±22 b 394±19 b 610±28 b 说明:数据为平均值±标准误。不同小写字母表示同一土层不同处理间差异显著(P<0.05) 表 2 不同处理的土壤化学性质
Table 2. Soil chemical properties of different treatments
土层/cm 处理 pH 有机碳/
(g·kg−1)全氮/
(g·kg−1)全磷/
(g·kg−1)全钾/
(g·kg−1)碱解氮/
(mg·kg−1)有效磷/
(mg·kg−1)速效钾/
(mg·kg−1)0~10 CR 5.09±0.06 a 36.86±2.62 b 3.27±0.24 b 0.37±0.02 b 25.29±1.61 a 101±7 b 1.4±0.1 b 189±13 a UR 4.73±0.06 b 73.25±7.25 a 6.30±0.54 a 0.58±0.04 a 16.58±0.43 b 96±11 a 1.9±0.1 a 195±15 a ck 5.03±0.09 a 33.73±2.78 b 2.82±0.23 b 0.31±0.01 b 22.67±1.10 a 95±5 b 2.1±0.1 a 105±13 b 10~20 CR 5.26±0.08 a 31.11±2.43 b 2.71±0.21 b 0.34±0.02 b 26.31±1.78 a 95±9 b 1.1±0.1 b 169±11 a UR 4.98±0.09 a 53.68±6.03 a 4.62±0.47 a 0.55±0.05 a 17.00±0.43 b 159±9 a 1.6±0.2 a 162±12 a ck 5.03±0.10 a 29.07±1.59 b 2.38±0.14 b 0.29±0.02 b 22.21±0.99 a 82±4 b 1.7±0.1 a 97±12 b 说明:数据为平均值±标准误。不同小写字母表示同一土层不同处理间差异显著(P<0.05) 表 3 不同处理的土壤胞外酶活性
Table 3. Soil extracellar enzyme activity of different treatments
土层/cm 处理 脲酶/
(μmol·g−1·h−1)酸性磷酸酶/
(μmol·g−1·h−1)β-葡萄糖苷酶/
(μmol·g−1·h−1)过氧化物酶/
(μmol·g−1·h−1)土层/cm 处理 脲酶/
(μmol·g−1·h−1)酸性磷酸酶/
(μmol·g−1·h−1)β-葡萄糖苷酶/
(μmol·g−1·h−1)过氧化物酶/
(μmol·g−1·h−1)0~10 CR 424±40 b 476±52 b 41.1±4.9 b 768±75 a 10~20 CR 338±44 b 508±59 b 37.7±4.3 b 766±132 a UR 836±101 a 944±90 a 77.0±11.6 a 1 123±152 a UR 542±75 a 884±87 a 71.9±8.0 a 1 039±184 a ck 290±71 b 701±76 b 44.0±8.0 b 770±147 a ck 243±40 b 569±66 b 37.3±7.1 b 723±104 a 说明:数据为平均值±标准误。不同小写字母表示同一土层不同处理间差异显著(P<0.05) 表 4 综合评价指标及其权重
Table 4. Comprehensive evaluation indices and weights
指标 xTNⅠ xPⅡ xAKⅠ xAPⅠ xPERⅡ xBGⅡ xACPⅡ 指标权重 0.20 0.15 0.18 0.17 0.12 0.17 0.18 公因子方差 0.951 0.772 0.880 0.830 0.598 0.857 0.888 -
[1] NAGATI M, ROY M, MANZI S, et al. Impact of local forest composition on soil fungal communities in a mixed boreal forest [J]. Plant Soil, 2018, 432(1/2): 345 − 357. [2] CRAWFORD K M, BAUER J T, COMITA S, et al. When and where plant-soil feedback may promote plant coexistence: a meta-analysis [J]. Ecol Lett, 2019, 22(8): 1274 − 1284. [3] QIAO Leilei, LI Yuanze, SONG Yahui, et al. Effects of vegetation restoration on the distribution of nutrients, glomalin-related soil protein, and enzyme activity in soil aggregates on the loess plateau, China[J/OL]. Forests, 2019, 10(9): 796[2021-12-10]. doi: 10.3390/10090796. [4] 蓝斌, 何东进. 闽北毛竹林生态系统能量分配规律的研究[J]. 应用生态学报, 2000, 11(2): 193 − 195. LAN Bin, HE Dongjin. Energy distribution of Phyllostachys pubescens ecosytem in north Fujian [J]. Chin J Appl Ecol, 2000, 11(2): 193 − 195. [5] OKUTOMI K, SHINODA S, FUKUDA H. Causal analysis of the invasion of broad-leaved forest by bamboo in Japan [J]. J Veg Sci, 1996, 7(5): 723 − 728. [6] ISAGI Y, TORII A. Range Expansion and its mechanisms in a naturalized bamboo species, Phyllostachys pubescens, in Japan [J]. J Sustainable For, 1997, 6(1/2): 127 − 141. [7] 丁丽霞, 王祖良, 周国模, 等. 天目山国家级自然保护区毛竹林扩张遥感监测[J]. 浙江林学院学报, 2006, 23(3): 297 − 300. DING Lixia, WANG Zuliang, ZHOU Guomo, et al. Monitoring Phyllostachys pubescens stands expansion in National Nature Reserve of Mount Tianmu by remote sensing [J]. J Zhejiang For Coll, 2006, 23(3): 297 − 300. [8] OSEI R, ANSONG M, ZERBE S. Comparison of socio-economic and ecological benefits of bamboo and trees: the perspectives of local communities in south-western Ghana [J]. Southern For J For Sci, 2019, 81(3): 255 − 260. [9] 白尚斌, 周国模, 王懿祥, 等. 天目山国家级自然保护区毛竹扩散过程的林分结构变化研究[J]. 西部林业科学, 2012, 41(1): 77 − 82. BAI Shangbin, ZHOU Guomo, WANG Yixiang, et al. Stand structure change of Phyllostachys pubescens forest expansion in Tianmushan National Nature Reserve [J]. J West China For Sci, 2012, 41(1): 77 − 82. [10] 王铮屹, 戴其林, 柏宬, 等. 天目山皆伐毛竹林自然更新群落类型与多样性分析[J]. 浙江农林大学学报, 2020, 37(4): 710 − 719. WANG Zhengyi, DAI Qilin, BAI Cheng, et al. Types and diversity of natural regeneration community after clear cutting of Phyllostachys edulis forests in Mount Tianmu, China [J]. J Zhejiang A&F Univ, 2020, 37(4): 710 − 719. [11] 陈旭, 刘宗悦, 徐钧杰, 等. 天目山毛竹林皆伐后群落的恢复特征[J]. 浙江农林大学学报, 2022, 39(4): 705 − 716. CHEN Xu, LIU Zongyue, XU Junjie, et al. Restoration characteristics of Phyllostachys edulis community after clear-cutting in Mount Tianmu [J]. J Zhejiang A&F Univ, 2022, 39(4): 705 − 716. [12] 鲁如坤. 土壤农业化学分析方法[M]. 北京: 中国农业科技出版社, 2000. LU Rukun. The Analysis Method of Soil Agricultural Chemistry[M]. Beijing: China Agricultural Science and Technology Press, 2000. [13] GERMAN D P, WEINTRAUB M N, GRANDY A S, et al. Optimization of hydrolytic and oxidative enzyme methods for ecosystem studies [J]. Soil Biol Biochem, 2011, 43(7): 1387 − 97. [14] FUJII K, SHIBATA M, KITAJIMA K, et al. Plant-soil interactions maintain biodiversity and functions of tropical forest ecosystems [J]. Curr Top Ecol, 2018, 33(1): 149 − 160. [15] 池鑫晨, 宋超, 朱向涛, 等. 毛竹入侵常绿阔叶林对土壤活性有机碳氮的动态影响[J]. 生态学杂志, 2020, 39(7): 2263 − 2272. CHI Xinchen, SONG Chao, ZHU Xiangtao, et al. Effects of moso bamboo invasion on soil active organic carbon and nitrogen in a evergreen broad-leaved forest in subtropical China [J]. Chin J Ecol, 2020, 39(7): 2263 − 2272. [16] 白尚斌, 周国模, 王懿祥, 等. 天目山保护区森林群落植物多样性对毛竹入侵的响应及动态变化[J]. 生物多样性, 2013, 21(3): 288 − 295. BAI Shangbin, ZHOU Guomo, WANG Yixiang, et al. Plant species diversity and dynamics in forests invaded by moso bamboo (Phyllostachys edulis) in Tianmu Mountain Nature Reserve [J]. Biodiversity Sci, 2013, 21(3): 288 − 295. [17] EISENBIES M H, VANCE E D, AUST W M, et al. Intensive utilization of harvest residues in southern pine plantations: quantities available and implications for nutrient budgets and sustainable site productivity [J]. Bioenergy Res, 2009, 2(3): 90 − 98. [18] 吴传敬, 郭剑芬, 许恩兰, 等. 采伐残余物不同处理方式对杉木幼林土壤有机碳组分和相关酶活性的影响[J]. 土壤学报, 2019, 56(6): 1504 − 1513. WU Chuanjin, GUO Jianfeng, XU Enlan, et al. Effects of logging residue on composition of soil carbon and activity of related enzymes in soil of a young Chinese fir plantation as affected by residue handling mode [J]. Acta Pedol Sin, 2019, 56(6): 1504 − 1513. [19] 黄启堂, 陈爱玲, 贺军. 不同毛竹林林地土壤理化性质特征比较[J]. 福建林学院报, 2006, 26(4): 299 − 302. HUANG Qitang, CHEN Ailing, HE Jun. Comparison of soil physical and chemical properties among various Phyllostachys pubescens plantation [J]. J Fujian Coll For, 2006, 26(4): 299 − 302. [20] ZHAO Yingzhi, LIANG Chenfei, SHAO Shuai, et al. Linkages of litter and soil C∶N∶P stoichiometry with soil microbial resource limitation and community structure in a subtropical broadleaf forest invaded by moso bamboo [J]. Plant Soil, 2021, 465(1/2): 473 − 490. [21] 吴家森, 姜培坤, 王祖良. 天目山国家级自然保护区毛竹扩张对林地土壤肥力的影响[J]. 江西农业大学学报, 2008, 30(4): 689 − 692. WU Jiasen, JIANG Peikun, WANG Zuliang. The effects of Phyllostachys pubescens expansionon onsoil fertility in National Nature Reserve of Mount Tianmu [J]. Acta Agric Univ Jiangxi, 2008, 30(4): 689 − 692. [22] GRANDY A S, STRICKLAND M S, LAUBER C L, et al. The influence of microbial communities, management, and soil texture on soil organic matter chemistry [J]. Geoderma, 2009, 150(3/4): 278 − 286. [23] CHODAK M, NIKLIŃSKA M. The effect of different tree species on the chemical and microbial properties of reclaimed mine soils [J]. Biol Fert Soil, 2010, 46(6): 555 − 566. 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.2095-0756.20220122