下载:
-
林分密度影响人工林的生产力和生态服务功能[1]。不同林分密度下单木生存空间不同[2]，占用的能量和消耗的水分也不同[3]，这必然导致林木生长存在差异，进而影响生态服务功能[4]；生物量是衡量森林生态系统生态服务功能最重要的参数，是研究森林生态系统能量和养分循环的基础数据，更是评估人工林健康状况的重要指标[5−6]，与林分密度之间存在密切联系[6]。土壤作为林木赖以生存的物质基础，其土壤理化性质能够反映土壤的结构、持水能力及肥力[7]。林分密度的改变会使林内小环境发生变化，从而使土壤理化性质也呈现不同的变化[8−9]。此外，植物和土壤的相互作用形成了完整的森林生态系统[10]，植物生长对土壤状况产生影响[11]，同时土壤理化性质的变化也会直接影响植被生物量的变化[12]。
已有大量关于林分密度对人工林影响的研究。ZHANG等[13]以林分密度为750~1 375株·hm−2的油松Pinus tabuliformis林为研究对象，探讨了林分密度对林下植物多样性的影响；李雪等[14]通过对不同林分密度华北落叶松Larix principis-rupprechtii人工林的研究指出，林分密度调控可以有效改善土壤肥力、改良土壤质量；吴茜等[15]以不同林分密度的柏木Cupressus funebris人工林为研究对象，分析得出利于林下植被优势种联结性和群落整体稳定性的最优林分密度；CHEN等[16]则选择不同林分密度油松林评估其实现自然更新和生物多样性方面的恢复能力。然而基于不同的林分密度条件，诸多研究集中于对林木径向生长[17]、林下植被多样性及其种类与土壤理化性质之间的相关性[18−19]，研究对象多集中在3 000株·hm−2以下的林分，未涉及高密度人工林，针对人工林乔木层生物量随林分密度的变化以及与土壤理化性质之间的关系鲜有报道。
油松是中国北方主要的水土保持树种[20]，被大面积种植于黄土高原地区[21]，在防治水土流失、减少土壤侵蚀及改善生态环境等方面发挥重要作用。在造林初期为了尽快对地面形成有效覆盖，多采用高密度的造林模式。随着油松林的生长，过高的造林密度导致单木生长差、单木防护功能低下，表现出了低效林的生长状态[22]，但在样地尺度上整个林地的生态服务功能还需要进一步测定和探究。水土保持林具有多种生态服务功能，针对某种生态服务功能，油松林应维持在何种密度也是亟待探讨的问题之一。林分密度是人工可以有效调控的指标之一[23]。因此，本研究以山西吉县蔡家川流域30年生油松人工林为研究对象，分析油松林生物量和土壤理化性质随林分密度的变化情况，并探究两者关系，以期为该流域油松林生态服务功能的可持续发挥及高质量发展提供科学依据和理论参考。
-
本研究区位于山西省临汾市吉县蔡家川流域(36°14′27″~36°18′23″N，110°39′45″~110°47′45″E)，该流域是森林生态系统国家野外科学观测研究站所在地。流域面积为39.33 km2，海拔为904~1 592 m。属暖温带大陆性气候，年均气温为10.0 ℃，年均降水量为575.9 mm。土壤类型主要为褐土，黄土母质。主要造林树种为油松、刺槐Robinia pseudoacacia、侧柏Platycladus orientalis等，林下植物主要由黄栌Cotinus coggygria、黄刺玫Rosa xanthina、杠柳Periploca sepium、二柱薹草Carex lithphila、草地早熟禾Poa pratensis等组成。
-
2022年6月，在蔡家川流域以林龄30 a且立地条件基本一致的油松人工林地作为研究对象，共选择不同现存林分密度(750、1 250、1 750、2 250、2 750、3 250、3 750、4 250、4 750、5 250、5 750株·hm−2)的油松人工林样地40块。每块样地面积为20 m×20 m，样地远离林缘。在样地内进行每木检尺，计算平均树高和胸径。根据平均树高和胸径选取标准木，测定松果、松叶、枝条、树干、根系等器官鲜质量，随后各器官取样(1 kg)带回实验室。在每块样地中间部位挖掘1 m×1 m×1 m的土壤剖面，在0~100 cm土层范围内每10 cm为1层，用环刀(100 cm3)取原状土，每层取环刀3个，用于土壤物理性质的测定，并在每层均匀挖取土壤样品3份，混合后取500 g土样装入密封袋 ，带回实验室风干后过2 mm筛，用于土壤化学性质的测定。使用地质罗盘仪和RTK测量仪测定样地基本情况(表1)。
表 1 样地基本信息
Table 1. Basic information of the sample site
样地
编号林分密度/
(株·hm−2)海拔/m 树高/m 径/cm 坡度/(°) 坡向 样地
编号林分密度/
(株·hm−2)海拔/m 树高/m 胸径/cm 坡度/(°) 坡向 1 750 1 113 8.58 15.74 25 阴坡 21 3 750 1 211 10.43 11.52 30 阴坡 2 750 1 104 7.52 14.13 28 阴坡 22 3 750 1 267 9.72 10.70 19 阴坡 3 1 250 1 097 8.72 15.26 30 阴坡 23 3 750 1 271 7.93 11.05 21 阴坡 4 1 250 1 113 8.33 14.55 29 阴坡 24 3 750 1 297 8.24 10.42 27 阴坡 5 1 250 1 111 8.22 14.04 30 阴坡 25 3 750 1 321 7.80 9.72 30 阴坡 6 1 750 1 360 8.87 13.65 30 阴坡 26 3 750 1 244 9.19 10.92 29 阴坡 7 1 750 1 164 9.79 12.86 27 阴坡 27 3 750 1 268 7.01 10.81 26 阴坡 8 1 750 1 364 11.15 15.30 28 阴坡 28 4 250 1 312 10.47 12.02 21 阴坡 9 2 250 1 357 9.06 13.77 30 阴坡 29 4 250 1 362 7.41 9.10 23 阴坡 10 2 250 1 169 7.85 11.82 30 阴坡 30 4 250 1 356 8.98 11.37 19 阴坡 11 2 250 1 132 8.67 10.98 21 阴坡 31 4 250 1 327 8.15 9.48 20 阴坡 12 2 250 1 358 9.47 14.37 20 阴坡 32 4 250 1 358 8.27 17.90 22 阴坡 13 2 750 1 364 9.72 13.27 25 阴坡 33 4 750 1 242 10.12 10.67 30 阴坡 14 2 750 1 358 10.28 12.70 26 阴坡 34 4 750 1 338 7.03 10.11 18 阴坡 15 2 750 1 351 10.16 11.87 30 阴坡 35 4 750 1 313 6.07 7.52 25 阴坡 16 2 750 1 325 8.88 10.83 20 阴坡 36 5 250 1 285 9.39 10.19 20 阴坡 17 2 750 1 314 8.16 10.69 30 阴坡 37 5 250 1 320 8.31 8.61 25 阴坡 18 3 250 1 301 7.95 10.55 25 阴坡 38 5 750 1 314 8.81 8.86 25 阴坡 19 3 250 1 344 6.88 9.94 30 阴坡 39 5 750 1 315 7.22 7.76 18 阴坡 20 3 250 1 341 6.15 8.33 30 阴坡 40 5 750 1 316 6.27 7.09 24 阴坡 -
样品65 ℃烘干至恒量，计算各器官含水量和生物量。土壤容重及孔隙度采用环刀法测定；土壤含水量采用烘干法[24]测定。有机碳质量分数采用重铬酸钾氧化-外加热法测定；全氮质量分数采用凯氏定氮-消煮法测定；全磷质量分数采用酸溶-钼锑抗比色法测定；土壤铵态氮、硝态氮采用碱解扩散法和氢氧化钠熔融-钼锑抗比色法测定；土壤速效磷采用NH4F-HCL浸提-钼锑抗比色法测定[25]。
-
数据采用Excel 2010、SPSS 17.0及Canoco 5.0分析，采用单因素方差分析和最小显著性差异检验法进行显著性分析，采用冗余分析(RDA)及斯皮尔曼(Spearman)相关性分析，使用Origin 2021制作图表。
-
由图1A可知：油松单株总生物量、单株地上生物量和单株地下生物量均随林分密度的增大呈逐渐减少的趋势，且在林分密度为3 250 株·hm−2之后单株生物量趋于平稳。方差分析表明：不同密度油松林之间单株生物量差异显著(P＜0.05)。由图1B可知：油松林生物量维持在79.36~148.81 t·hm−2，油松林总生物量和地上生物量均随林分密度呈先增加后减少的变化趋势，在1 750 株·hm−2时油松林总生物量达到最大(148.81 t·hm−2)，并在3 250 株·hm−2之后趋于平稳。通过多元线性回归分析(表2)可知：在林分密度为750~2 750株·hm−2时，林分密度对油松林生物量的贡献要大于单株生物量，而在3 250株·hm−2之后单株生物量对油松林总生物量起到主要作用；油松林地下生物量则随林分密度呈波动变化。方差分析表明：在不同林分密度间油松林总生物量差异显著(P＜0.05)。
图 1 油松林生物量随林分密度的变化
Figure 1. Plant biomass in sample plots at different density
表 2 油松单株生物量和林分密度对油松林总生物量的贡献率
Table 2. Contribution of individual plant biomass and stand density to total biomass in the sample plots
林分密度/(株·hm−2) 影响因子 β P VIF 750~ 2 750 林分密度 1.383 ＜0.001 2.441 单株生物量 1.274 ＜0.001 2.441 3 250 ~ 5 750 林分密度 0.312 0.018 1.104 单株生物量 0.929 ＜0.001 1.104 说明：β是标准化回归系数；VIF是方差扩大因子，VIF＜5表示模型构建良好。 -
在垂直剖面上，随土层深度的增加，土壤孔隙度和土壤含水量均呈减小趋势(图2A~D)。方差分析表明：不同密度油松林地土壤总孔隙度、毛管孔隙度、非毛管孔隙度、土壤含水量存在显著差异(P＜0.05)。随林分密度的增加，土壤总孔隙度、非毛管孔隙度、土壤含水量均呈先增大后减小的变化趋势，总孔隙度在1 750株·hm−2时达到最大值，非毛管孔隙度与土壤含水量在2 750株·hm−2时达到最大值且较低密度林分的土壤含水量明显高于高密度林分，而土壤毛管孔隙度随密度呈波动性变化(表3)。
图 2 土壤物理特性随林分密度的变化
Figure 2. Variation in soil physical properties at different stand densities
表 3 不同林分密度油松林0~100 cm土壤物理性质
Table 3. Soil physical properties of 0−100 cm the P. tabulaeformis forests in in different densities
林分密度/(株·hm−2) 总孔隙度/% 毛管孔隙度/% 非毛管孔隙度/% 土壤含水量/% 750 50.77±0.75 bc 47.55±1.10 c 3.22±0.69 abc 10.01±0.81 e 1 250 46.47±1.00 d 43.80±1.03 e 3.09±1.50 abc 12.25±1.48 bc 1 750 52.38±1.50 a 48.70±0.55 ab 3.75±1.05 a 12.97±2.83 ab 2 250 52.22±1.55 a 48.78±0.73 ab 3.45±1.06 ab 12.74±2.11 ab 2 750 52.02±2.25 a 47.32±0.31 c 4.52±0.56 a 13.84±1.75 a 3 250 52.17±2.20 a 48.73±1.05 ab 3.52±0.77 ab 11.14±1.20 cd 3 750 51.58±1.79 ab 48.24±0.65 abc 3.37±0.46 abc 10.91±0.57 d 4 250 51.91±1.62 a 47.87±0.68 bc 4.03±0.95 a 11.25±0.48 cd 4 750 50.68±1.36 bc 48.73±0.93 ab 1.97±0.07 bc 10.92±0.38 d 5 250 50.37±1.51 c 46.32±0.59 d 4.02±1.32 a 12.33±0.52 bc 5 750 50.66±1.40 bc 48.87±0.99 a 1.81±0.31 c 9.03±0.63 e 说明：数值为平均值±标准差。同列不同小写字母表示不同林分密度间差异显著(P＜0.05)。 -
图3A~F与表4为不同林分密度油松林土壤化学特性的变化情况。除全磷、速效磷外，其他化学特性均随土层深度呈减少趋势。方差分析表明：林分密度对土壤有机碳、全氮、铵态氮、硝态氮、速效磷、全磷质量分数影响显著(P＜0.05)。随林分密度的增加，土壤有机碳质量分数整体呈双峰型变化，土壤全磷、铵态氮、速效磷质量分数则均呈先增后减变化趋势；土壤全氮、硝态氮随林分密度呈波动性变化。由表4可知，林分密度为1 750株·hm−2时，土壤养分质量分数最大。
图 3 土壤化学特性随林分密度的变化
Figure 3. Variation of soil chemical properties with stand density
表 4 不同林分密度油松林0~100 cm土壤化学性质
Table 4. Soil chemical properties of 0−100 cm in different densities of the P. tabulaeformis forest
林分密度/(株·hm−2) 土壤有机碳/(g·kg−1) 全氮/(g·kg−1) 全磷/(g·kg−1) 铵态氮/(mg·kg−1) 硝态氮/(mg·kg−1) 速效磷/(mg·kg−1) 750 3.41±0.84 c 0.52±0.09 bc 0.50±0.01 cd 11.94±2.03 cd 5.05±0.83 ab 1.16±0.27 f 1 250 3.75±1.31 c 0.52±0.13 bc 0.56±0.01 a 10.21±1.74 e 3.95±0.90 d 0.97±0.50 f 1 750 5.40±2.87 ab 0.61±0.21 bc 0.57±0.01 a 14.13±1.38 a 4.56±0.66 bcd 2.31±0.76 ab 2 250 4.39±2.25 abc 0.52±0.23 bc 0.47±0.01 d 11.23±1.15 de 4.79±0.83 abc 2.39±0.46 a 2 750 4.57±2.57 abc 0.55±0.20 bc 0.51±0.01 bc 13.50±1.94 ab 4.74±0.73 abc 2.14±0.37 abcd 3 250 4.39±1.88 abc 0.64±0.28 abc 0.53±0.00 ab 13.20±1.38 ab 4.74±0.95 abc 1.90±0.46 cde 3 750 3.87±1.55 c 0.66±0.25 ab 0.51±0.01 bc 14.41±1.75 a 4.95±0.71 ab 2.00±0.41 abcde 4 250 4.12±1.79 bc 0.45±0.08 c 0.51±0.00 bc 13.25±1.31 ab 5.34±0.71 a 2.28±0.68 abc 4 750 4.04±2.11 bc 0.52±0.14 bc 0.51±0.00 bc 12.70±1.36 bc 3.96±0.80 d 1.66±0.37 e 5 250 5.55±2.47 a 0.65±0.18 bc 0.50±0.02 cd 11.01±0.93 de 4.16±1.11 d 1.82±0.69 de 5 750 3.74±1.80 c 0.77±0.17 a 0.51±0.01 bc 11.45±2.14 cde 4.30±0.65 cd 1.94±0.32 bcde 说明：数据为平均值±标准差。同列不同小写字母表示差异显著(P＜0.05)。 -
由图4可知：2个排序轴对不同密度油松林生物量的累计解释率为53.62%，两轴较好地反映了油松生物量与土壤各因子之间存在的关联性。根据蒙特卡洛检验结果可知：第1排序轴和所有典型轴均差异显著，排序结果科学可靠。第1排序轴主要反映了土壤有机碳、速效磷的变化趋势，第2排序轴主要反映了总孔隙度、毛管孔隙度、全磷的变化趋势。生物量RDA排序图表明：油松林地上生物量、地下生物量、总生物量之间均呈正相关。油松林地上生物量、地下生物量、总生物量均与土壤有机碳、速效磷呈正相关，与土壤总孔隙度、毛管孔隙度呈负相关。轴1从左到右，油松林地上生物量、地下生物量和总生物量随着土壤有机碳、速效磷的增加而减少；沿轴2从上到下，随着总孔隙度、毛管孔隙度、全磷的增加油松林地上生物量、地下生物量和总生物量均增加。经蒙特卡洛分析表明，土壤总孔隙度、有机碳和速效磷对不同林分密度油松林生物量均达到显著影响(P＜0.01)。
图 4 不同林分密度油松林生物量与土壤理化性质的冗余分析二维排序图
Figure 4. RDA two-dimensional ordination plot of biomass and soil physico-chemical properties in P. tabulaeformis forests of different densities
由生物量与土壤理化性质的Spearman相关分析可知(表5)：除土壤有机碳与速效磷均显著影响油松林生物量外，地下生物量还受到土壤含水量的显著影响(P＜0.05)。
表 5 不同林分密度油松林生物量与土壤理化性质相关系数
Table 5. Correlation coefficients between biomass and soil physico-chemical properties of P. tabulaeformis forests of different densities
项目 SWC TOP CP NP TN TP SOC NH NO AP 油松林地上生物量 0.235 −0.020 0.011 0.123 0.228 0.162 0.513** −0.242 0.002 0.358* 油松林地下生物量 0.372* 0.023 −0.056 0.198 0.213 −0.101 0.426** −0.139 −0.032 0.326* 油松林总生物量 0.257 −0.108 −0.075 0.116 0.254 0.106 0.519** −0.280 −0.041 0.336* 说明：**表示极显著相关(P＜0.01)； *表示显著相关(P＜0.05)。SWC. 土壤含水量；TOP. 总孔隙度；CP. 毛管孔隙度；NP. 非毛管孔隙度；TN. 全氮；TP. 全磷；SOC.土壤有机碳；NH. 铵态氮；NO. 硝态氮；AP. 速效磷。 -
森林生物量是评估生态系统生产力与植被承载能力的重要指标，也是物质循环和能量流动的基础[26]，林分密度是人工林经营中的关键林分因子之一。生物量作为衡量植被生产力的主要指标，两者之间有着密切联系[6]。本研究中，林分密度对油松单株生物量和林分生物量均具有显著影响。在低密度情况下，油松单株之间的树间距较大，个体拥有充足的生长空间，彼此之间相互影响较小，林分密度对树木的生长与生物量的积累具有更强的正面影响[27−28]。当林分密度增大时，一方面由于树间距缩小导致冠层关闭，影响树木的光合作用[29]，进而影响生物量[30−31]；另一方面由于林分密植导致林木的生长空间不断减小，增加个体之间的竞争，进而导致林分质量下降，不利于林分的可持续经营[32]。本研究表明，林分总生物量在低密度条件下会随着密度的增大而增加，而当密度达到一定阈值时，林分总生物量主要受到单株生物量的影响。人工林分在幼龄林阶段时，密度对林木的生长没有较大影响，可以采取适当密植的方法[32]；但随林龄的增长，单株生物量对林分生物量的影响逐渐起到主导作用，此时林分密度过大会限制油松林的生长和发展，需采取间伐等措施对林分密度进行合理调控。本研究的30年生油松林，林分密度在1 750株·hm−2时油松单株生长情况最佳且可维持最大的生产力。
-
土壤孔隙度直接影响土壤的通透性，孔隙度大的土壤结构疏松，利于水分下渗[33]。本研究发现，随土壤深度的增大，土壤孔隙度与土壤含水量均不断减小。随林分密度的增大土壤孔隙度和含水量均先增大后减小，林分密度为1 750~2 750株·hm−2时，土壤孔隙度大，含水量高，这是由于在该密度条件下根系生物量和凋落物厚度相对其他林分较大，利于土壤孔隙的增加及土壤腐殖质的分解[34]。土壤含水量是林内降雨、林木蒸散和土壤蒸发等共同作用的结果[35]。本研究中土壤含水量在低密度与高密度林分之间存在明显差异，且低密度林分高于高密度林分。这可能是由于在低密度林分林内降雨相对较大，且在该研究区不同密度油松林内均有较厚的凋落物，土壤蒸散量相对一致，因而在低密度林分条件下土壤含水量相对较高。因此，若以保持水土和改良土壤蓄水性能为目的，林分密度建议维持在1 750~2 750株·hm−2。
本研究结果表明：不同林分密度油松林地间土壤养分均存在差异，随林分密度的增大，土壤养分呈先增大后减小的变化趋势，且在密度为1 750株·hm−2时整体养分质量分数最大。这可能是因为不同林分密度林内所受到的光照以及土壤微环境有所不同，进而影响土壤养分质量分数。随林分密度的增加，凋落物随之增加，土壤养分质量分数随之增加[36]，但当林分密度继续增大，林木对土壤养分吸收量加大，而针叶树种自然更新凋落速度较慢，土壤养分消耗速度大于补偿速度，土壤养分质量分数出现减少趋势。过高密度的林分内土壤微生物也会与植被争夺养分，而森林微环境的不适宜性导致土壤生物活性较低，限制了高林分密度森林土壤养分[37]。本研究中在高密度时土壤有机碳质量分数增多，可能是由于高密度林分林木之间竞争加强，地下根系死亡分解释放的养分回归到土壤中，导致在高密度时有机碳质量分数增加。本研究还表明，除磷元素外，土壤养分均具有明显的表聚现象，而磷元素质量分数随土壤深度没有明显变化，可能是由于磷元素主要来源于土壤母质的矿化，在土壤中的分布没有明显差异[38]。因此，将林分密度维持在1 750株·hm−2左右可有效改善土壤肥力，提升土壤碳汇能力。
-
本研究发现：土壤总孔隙度、有机碳、速效磷是影响油松林生物量的主要土壤因子，除此，油松林地下生物量还受到土壤含水量的影响。土壤总孔隙度、有机碳和磷元素均是植物生长的限制因子[39]，随着土壤有机碳和速效磷的变化，油松林生物量也发生显著变化。由此可见，若以获取高生物量为目标，则可以进行人为干预，施加相应养分等措施来促进油松林的生长。土壤含水量与地下生物量之间存在密切相关，这是因为植物生长的同时其根系也由浅入深进行生长，此过程需要土壤水分的供应来维持[40]，进一步说明土壤储水能力对于提升林地根系生物量至关重要。由此可知，在坡地进行油松林培育时，可以采取水平阶等工程措施将地表径流转变为土壤水分，提高土壤储水能力，进而促进植物根系的生长。
-
对于30年生油松人工林，林分密度对油松单株生物量和林分生物量均影响显著，林分总生物量在油松密度1 750 株·hm−2达到峰值，且在此密度下更有利于林木个体生长及其生物量的累积。不同密度油松人工林的土壤理化性质差异显著。林分密度为1 750 株·hm−2时，土壤结构及土壤养分更适宜油松的生长以及生物量的累积。土壤总孔隙度、有机碳和速效磷对不同密度油松林生物量均达极显著影响，地下生物量还受到土壤含水量的显著影响。综上，以固碳释氧和维持最大生产力为目的，以及以提高土壤碳汇能力和改良土壤肥力为目的的油松林，林分密度建议维持在1 750株·hm−2左右，以保持水土和改良土壤蓄水性能为目的的油松林，林分密度建议维持在1 750~2 750株·hm−2。
Effects of stand density on biomass and soil physico-chemical properties of Pinus tabuliformis forest in the loess area of western Shanxi
-
摘要:
目的 探讨林分密度对油松Pinus tabuliformis人工林生物量与土壤理化性质的影响，为油松人工林高质量发展和生态服务功能持续稳定发挥提供理论支撑。 方法 以山西省临汾市吉县蔡家川流域30年生油松人工林为研究对象，采用标准木法测算不同密度条件下单株生物量及林分生物量，并测定土壤理化性质，分析林分密度对油松林生物量及土壤理化性质的影响，采用冗余分析(RDA)及斯皮尔曼(Spearman)相关性分析确定油松林生物量与土壤理化性质之间的关系。 结果 ①不同密度油松人工林的单株生物量和林分总生物量差异显著(P＜0.05)，且随林分密度的增加，单株生物量逐渐减少，林分总生物量在密度1 750 株·hm−2时具有峰值；②不同密度油松人工林地土壤理化性质差异显著(P＜0.05)，其中土壤孔隙度在林分密度 1750 株· hm−2时最大，达52.38%，林地土壤含水量在林分密度2 750 株· hm−2时最高，达13.84%，土壤肥力状况则在林分密度1750 株·hm−2时最佳；③通过冗余分析及斯皮尔曼相关分析发现：土壤总孔隙度、有机碳和速效磷与林分总生物量均呈极显著相关(P＜0.01)，地下生物量受到土壤含水量的显著影响(P＜0.05)。结论 以固碳释氧和维持最大生产力为目的，以及以提高土壤碳汇能力和改良肥力为目的的油松林，林分密度建议维持在1 750 株·hm−2左右的油松林；以保持水土和改良土壤蓄水性能为目的的油松林，林分密度建议维持在1 750~2 750 株·hm−2。图4表5参40 Abstract:Objective This study is in order to explore the effects of stand density on biomass and soil physicochemical properties in Pinus tabuliformis forests, for high-quality development and performance of the ecological service function. Method A 30-year-old P. tabuliformis forest in Caijiachuan watershed, Jixian County, Shanxi Province, was used as the research object, and the standard wood method was used to measure the biomass of individual plants and the overall biomass of the sample plots under the conditions of different densities, and the soil physicochemical properties were determined, so as to analyze the effects of stand density on the biomass of P. tabuliformis forest and soil physicochemical properties, and to determine their relationship by redundancy analysis (RDA) and Spearman’s correlation analysis. Result (1) The differences in stand biomass and total tree biomass between different densities were significant (P＜0.05), and with the increase of stand density, stand biomass gradually decreased, and the total tree biomass had a peak at a density of 1 750 plants·hm−2; (2) The physicochemical properties of soil in forests of different densities differed significantly (P＜0.05), with soil porosity being the highest at 1 750 plants·hm−2, reaching 52.38%, soil moisture content being the highest at 2 750 plants·hm−2, reaching 13.84%, and soil fertility being the best at a density of 1 750 plants·hm−2; (3) RDA and Spearman’s correlation analyses revealed that total soil porosity, organic carbon and quick-acting phosphorus were all highly significantly correlated with arbor biomass in the sample plots (P＜0.01), and below-ground biomass was significantly affected by soil water content (P＜0.05). Conclusion The stand density should be maintained at 1750 plants·hm−2 for the purpose of sequestering carbon and releasing oxygen and maintaining maximum productivity, and for the purpose of increasing the carbon sink capacity of the soil and improving fertility, and at 1 750−2 750 plants·hm−2 for the purpose of retaining soil and water and improving soil water retention properties. [Ch, 4 fig. 5 tab. 40 ref.] -
生态用地研究是景观生态学重要的研究内容，其理论方法强调土地利用的合理性，目的在于阐明土地生态评价单元与其土地利用方式之间的协调程度和发展趋势[1]。综合考虑景观生态和环境要素的生态用地研究是目前城市规划、土地利用规划以及环境影响评价等研究的热点及难点问题[2-3]。景观生态安全格局是判别和建立生态基础设施的重要途径，并以景观生态学理论和方法为基础，从生态过程与格局的功能关系研究出发，判别对这些生态过程的健康与安全有着关键意义的景观格局[4]。多年来，景观格局研究都是停留在景观格局特征的描述方面[5-6]，由于未能深入反映生态过程研究而受到质疑。因此，应用生态敏感性评价方法与景观生态安全理论相结合的途径，必将在未来成为研究区域生态用地格局的发展趋势。本研究以浙江省慈溪市附海镇为研究对象，应用生态敏感性评价方法和景观生态安全理论，借助地理信息空间分析技术，在研究各类生态用地合理配置及区域生态可持续发展的基础上，提出了基于生态用地评价的规划和建设目标，并试图为相关研究提供研究思路和方法。
1. 研究地区与研究方法
1.1 研究区概况
附海镇位于慈溪市东南部，中心位于30°07′N，121°03′E，南与观海卫镇、桥头镇接壤，西与新浦镇交界，北枕杭州湾，距离慈溪市中心15 km，总面积约为22 km2。南北约为11 km，东西在中部宽约6 km，整个区域地势平坦，呈长条状，系海洋沉积平原。母质为海积物，由长江口涌入的海泽泥沙和钱塘江下冲泥沙在潮汐动力作用下堆积而成，南部地势略高于北部。附海镇属亚热带南缘季风气候区，全年以东南风为主。气温受冷暖气团交替控制和杭州湾海水调节，气候温和湿润，平均气温为17.9 ℃。辖区自然条件独具特色，栽有大量的花卉植物，素有“花卉之乡”美誉。随着慈溪市交通干道中横线和杭州湾跨海大桥南岸连接线的开通，附海镇现已融入宁波“半小时”经济圈和上海“两小时”经济圈。
1.2 研究方法
1.2.1 数据来源与预处理
本研究以附海镇2009年高空间分辨率航空影像（1 ∶ 5 000）为主要数据源，结合土地利用现状图、城市绿地系统规划总图及相关部门的现状调查资料作为空间信息提取的基本信息源。首先利用ENVI 4.3图像处理软件对图像进行几何校正，转换成Xian_1980坐标体系，并对图像进行拼接裁剪处理，获得研究区的影像图[7]。利用ArcGIS 9.2进行人工目视解译，结合实地调查对研究区土地利用类型分布进行矢量化，并将矢量文件通过空间分析模块（conversion tools）转换成大小为5 m × 5 m的栅格数据，最后利用ArcGIS 9.2软件的数据管理功能，将属性数据与图层数据相结合进行管理。
景观格局指数分析景观格局指数是景观空间分析的重要方法，使生态过程与空间格局相互关联的度量成为可能，在景观格局分析与功能评价、景观规划、设计与管理等领域都具有重要作用[8-10]。景观分类是景观格局定量分析的基础，目前，有关城镇景观类型分类尚存在着不同的分类体系。本研究的景观分类，主要参照GB 50137-2011《城市用地分类与规划建设用地标准》，结合附海镇的用地特点，将研究区分为建设用地、交通用地、农田、城镇绿地、滩涂湿地、水域6种类型（表 1），以此6种类型作为城镇景观类型的基本单元，研究城镇景观生态安全和可持续发展的生态功能[11-13]。将处理过的航片栅格图导入Fragstats 3.3 软件中进行景观指数计算。根据本研究区域的特点，选择的景观格局指数有斑块数（NP），斑块类型面积（CA），斑块面积比例（PLAND），斑块密度（PD），边缘密度（ED），最大斑块指数（LPI），斑块形状指数（LSI），平均斑块面积（AREA＿MN），面积加权平均形状指数（SHAPE＿AM），面积加权平均分维数（FRAC＿AM），景观聚集度指数（AI）等[14-18]指标对研究区整体景观格局进行初步分析。
表 1 附海镇景观类型分类Table 1. Landscape types of Fuhai Town序号 景观类型 特征 1 建设用地 主要是城镇建设用地，包括居住用地、工业用地、仓储用地、广场用地和一些未利用的裸露地面等 2 交通用地 主要是高速公路和一、二级公路等 3 农田 主要是耕地、农田等 4 城镇绿地 主要是公园绿地、附属绿地、生产绿地、防护绿地等 5 湿地及滩涂 主要是滩涂、湿地 6 水域 主要是江、河等水系 1.2.3 生态敏感性评价
生态敏感性指生态系统对人类活动干扰和自然环境变化的反应程度，可表征区域生态环境遇到干扰时产生生态环境问题的难易程度和可能性大小[19-20]。在生态敏感程度较高的区域，当受到人类不合理活动影响时，更易产生生态环境问题，应划分区域生态环境保护重点。生态敏感性评价中的指标选取是生态用地评价的核心[20]，指标体系的选取应反映研究区域最主要的生态问题。通过调查与研究区域生态环境现状、主要生态问题，咨询相关专家以及参考已有类似研究指标权重体系的基础上[21-22]，本研究选取对研究区生态敏感性影响较大的生态因素，即土地利用类型、距环境敏感区距离和区域开发强度3大类进行生态敏感性分析（表 2）。①土地利用类型评价因子。不同生态系统类型对区域生态环境的影响程度不同，其生态敏感性也有所差异。土地利用类型是不同生态系统的最直接表征[23]。因此，本研究选择土地利用类型作为生态敏感性评价因子之一，结合航片高清影像解译数据及区域土地利用特征，将附海镇土地利用类型划分为建设用地、交通用地、农田、城镇绿地、滩涂湿地、水域6类，依据不同土地利用类型对生态敏感性的影响大小进行分类并赋值。②区域开发强度评价因子。人类的区域开发活动对当地生态敏感性影响程度较大。工业区、居民点等建设用地，以及道路、交通等建设用地程度，是区域开发强度的主要表现。在空间距离上，越是靠近区域开发强度高的地区，则生态敏感度越低。因此，本研究将距建设用地的距离、距交通用地的距离作为生态敏感性评价因子。划分距建设用地的距离大于200 m为高度敏感区，大于100 m小于200 m为中度敏感区，大于50 m小于100 m为低度敏感区，小于50 m为非敏感区；划分距交通用地距离大于300 m为高度敏感区，大于100 m小于300 m为中度敏感区，大于50 m小于100 m为低度敏感区、小于50 m为非敏感区。③环境敏感区评价因子。环境敏感性指生态系统对人类活动反应的敏感程度，用来反映产生生态失衡与生态环境问题的可能性大小。根据附海镇生态环境特征，其环境敏感区包括主要水域、湿地和滩涂等，上述环境敏感区对附海镇生态环境保护具有重要意义。划分距环境敏感区的距离小于100 m为高度敏感区；大于100 m小于200 m为中度敏感区；大于200 m小于300 m为低度敏感区，大于300 m为非敏感区。④综合评价。通过ArcGIS 9.2 软件的空间分析（spatial analysis）功能，进行生态敏感性各因子评价以及加权综合评价（表 2）。各评价因子赋值、敏感性分级和权重分配反映了各评价因子内部以及总体权重的相对趋势。根据各个评价因子权重及敏感性分级，计算附海镇生态敏感性综合评价值，并将生态敏感区分为高度敏感区、中度敏感区、低度敏感区和非敏感区4种等级。
表 2 生态敏感性评价因子等级及权重Table 2. Grades and weights of ecological sensibility factors评价因子 亚项 生态敏感性 重分类 分值 权重/% 土地利用类型 高度敏感 水域 10 40 滩涂、湿地 8 中度敏感 农田 6 城镇绿地 4 低度敏感 交通用地 2 非敏感 建设用地 1 距环境敏感区距离 高度敏感 ＜100m 10 20 中度敏感 100~200m 6 低度敏感 200~300m 3 非敏感 ＞300m 1 区域开发强度 距道路距离 高度敏感 ＞300m 10 20 中度敏感 100~300m 6 低度敏感 50~100m 3 非敏感 ＜50m 1 距建筑距离 高度敏感 ＞200m 10 20 中度敏感 100~200m 6 低度敏感 50~100m 3 非敏感 ＜50m 1 2. 结果与分析
2.1 景观格局指数分析
2.1.1 城镇景观斑块组成结构
从附海镇景观要素斑块组成可以看出（图 1，表 3），城镇绿地的斑块面积最大，达到767.31 hm2，面积所占比例也最高为35.27%；其次是建设用地和农田，两类斑块面积都处于中等水平，面积分别为591.29 hm2和497.83 hm2，占总面积的27.18%和22.88%；交通用地和滩涂湿地面积较小，分别为128.75 hm2和103.17 hm2，占总面积的5.92%和4.74%；斑块总面积最小的为水域，仅为87.37 hm2，占总面积的4.02%。从附海镇景观格局分类图（图 1）可以看出：附海镇建设用地类型主要分布在中部成片的居住区以及南部工业园区；农田类型主要分布在镇北部、西南以及东南区域；由于苗木产业发达，城镇绿地类型所占比率最大，其生产绿地基本上为大型斑块，连接成片，所占比率最高，主要分布在附海镇北部和东南部的苗木栽植区。景观类型斑块数和平均斑块面积，在一定意义上可揭示城镇景观破碎化程度。从附海镇景观类型斑块组成上来看，滩涂湿地类型的斑块数量最小，是以2个特大型斑块形式存在，平均斑块面积最大，受到人为活动的干扰最小，斑块破碎化程度最低；交通用地与水域类型的斑块数量最多，分别为495个和506个，其平均斑块面积最小，斑块破碎化程度最大；其原因在于附海镇形成了较好的公路交通网，城镇主要道路连通性及完整性较好。同时，乡镇村庄众多，村级道路网络复杂多样，破碎化程度较高；另外，乡镇区域三塘横江、四塘横江、蛟门浦、八塘横江等水系通道显著，河流水系分支较多，并大量被交通道路景观要素分割，城镇景观总体呈现出“树枝”状形态，破碎化程度很高。
表 3 附海镇不同景观类型的斑块组成Table 3. Patch structure of different landscape types in Fuhai Town斑块类型 斑块数/个 面积/hm2 占总数/% 平均斑块面积/hm2 最大斑块指数 建设用地 292 591.29 27.18 2.03 3.34 交通用地 495 128.75 5.92 0.26 3.60 农田 218 497.83 22.88 2.28 2.22 城镇绿地 460 767.31 35.27 1.67 2.63 湿地及滩涂 2 103.17 4.74 51.59 2.98 水域 506 87.37 4.02 0.17 0.49 合计 1973 2175.72 100 2.1.2 城镇景观类型尺度分析
景观类型的斑块密度可揭示某一区域景观被该类型斑块分割的程度，其对境域生物物种保护、物质和能量分布具有重要影响。各个景观组分的斑块密度（PD）则直接地反映了斑块组分的破碎化程度，而斑块形状指数（LSI）则反映斑块聚合和离散程度。从表 4可见：斑块密度指数（PD）排序为水域＞交通用地＞城镇绿地＞建设用地＞农田＞滩涂及湿地；斑块形状指数的排序为交通用地＞水域＞城镇绿地＞建设用地＞农田＞滩涂及湿地。上述结果表明：交通用地和水域破碎化最为严重，景观类型复杂，尤其是南部水域支流更为明显；湿地及滩涂类型斑块的形状较规则，斑块成片集中分布在镇域北部，完整性较好。因此，其斑块密度和斑块形状指数都最小。同样从面积加权平均形状指数（SHAPE＿AM）和面积加权平均分维数（FRAC＿AM）的数值上可见：交通用地和水域均为较高的数值，而农田及生态涵养用地景观类型的面积加权形状指数和面积加权平均分维数都比较低。从景观聚集度指数上则也反映出，滩涂及湿地类型具有最高的景观聚集度指数（AI），其次是城镇绿地和农田，最小的是交通用地。同样也表明湿地及滩涂景观破碎化较低，而交通用地类型破碎化最为严重，受人为活动的影响最大。
表 4 附海镇景观类型特征Table 4. Characteristics of landscape types in Fuhai Town斑块类型 斑块密度
(PD)边缘密度
(ED)斑块形状指数(LSI) 面积加权平均形状指
数(SHAPE_AM)面积加权平均形状指
数(FRAC_AM)景观聚集度指
数(AI)建设用地 13.42 93.15 28.80 4.28 1.22 94.27 交通用地 22.75 105.67 72.04 28.42 1.51 68.55 农田 10.02 63.95 24.87 3.09 1.17 94.64 城镇绿地 21.14 92.40 28.88 2.65 1.15 94.95 湿地及滩涂 0.09 1.80 2.11 1.50 1.06 99.45 水域 23.26 57.73 49.22 4.47 1.30 74.06 2.2 生态敏感性评价
2.2.1 单因子评价
在附海镇生态敏感性评价的4个因子中，土地利用类型因子最为敏感，其高度敏感区和中度敏感区面积比例分别为8.68% 和57.24%，其次为环境敏感区因子，其高度敏感区和中度敏感区面积比例分别为64.75% 和24.53%（图 2）。在土地利用类型评价因子中，其结果显示高度敏感区主要分布在七塘公路以北沿海滩涂湿地、三塘横江和八塘横江一带；中度敏感区主要分布在镇域北部苗圃地和农耕用地；低度敏感区和非敏感区主要集中于镇区南部以及中部的建成区、村落和工业片区。附海镇北部为沿海滩涂区，其良好的自然环境和丰富的食物生境已成为鸟类迁徙必经的中转站。同时，它在维护生态平衡、降解污染、调节气候及控制土壤侵蚀等方面均起到重要作用，是镇域环境敏感区的重要组成部分。环境敏感区影响因子分析结果表明：该因子高度敏感区主要分布在七塘公路以北沿海滩涂湿地，以及八塘横江、三塘横江、蛟门浦、四塘横江等主干水系区域。区域开发强度因子的生态敏感度分析表明：距建筑的距离，以及距主要交通道路的距离越大，则该因子的生态敏感度越高，其结果显示出低度敏感区主要集中在观附公路、高速连接线、中横线、韩家路、郑家浦路、建附公路等镇域主要交通道路以及镇域中南部的居住、工业建筑片区。
图 2 生态敏感性单因子评价结果Figure 2. Results of single factor ecological sensitivity assessment in Fuhai Town2.2.2 综合评价
根据上述各评价因子权重及敏感性分级，综合加权得到附海镇生态敏感性综合评价值为1.2 ~10.0，采用自然裂段法（natural breaks）将生态敏感区分为4类，即高度敏感区、中度敏感区、低度敏感区和非敏感区（表 5）。由图 3综合分析得出：附海镇生态高度敏感区、中度敏感区、低度敏感区和非敏感区面积分别为155.78，593.75 ，662.73 和763.46 hm2，分别占总面积的7.16%，27.29%，30.46%和35.09%。生态高度敏感区主要分布于北部沿海滩涂湿地，以及三塘横江、八塘横江、蛟门浦等河流水系等区域。该区域生态最为敏感，应加强湿地水体的保护，禁止在该区域内开发建设用地，巩固和保护好现有的生态屏障。中度敏感区主要分布于镇域北部经济林种植片区、农耕地，以及区域中部、南部居民点附近零星的农耕地片区，该区域处于湿地水体与道路建筑之间，具有一定的植被资源，属于生态环境保护较好的区域。由于受周边人类区域开发活动强度的影响，其生态敏感性综合评价为中度，但考虑区域的生态安全，中度敏感区的开发建设活动应严格控制其规模和强度。低度敏感区主要分布于中部建成区以及南部工业建筑区域，该类区域受人类活动影响较大，其生态敏感度综合评价较低，该区域的建设用地布局和规模，应该加强控制保护好周围生态资源，减弱对周边生态环境安全的影响。非敏感区主要集中于西部居民村落片区，以及中部居住、工业建筑片区。该片区距湿地水域等环境敏感区较远，并且受到人类区域开发活动影响最大，因而生态敏感性最低。附海镇区生态敏感度大体呈现从水体、滩涂湿地到居住、工业建设用地逐步降低的趋势。
表 5 生态敏感性综合评价结果Table 5. Results of ecological sensitivity comprehensive assessment生态敏感性类别 面积/hm2 百分比/% 利用类型 利用类型面积/hm2 利用类型百分比/% 高度敏感区 155.78 7.16 核心保护区 155.78 7.16 中度敏感区 593.75 27.29 控制发展区 593.75 27.29 一般敏感区 662.73 30.46 适宜发展区 1426.19 65.55 非敏感区 763.46 35.09 3. 结论与讨论
本研究利用生态敏感性评价方法与景观生态安全理论相结合的分析途径，研究浙江省慈溪市附海镇生态敏感性程度及其空间分布状况。结果表明：从景观生态安全格局评判可以发现，道路景观的破碎化程度最高，受人为影响严重。滩涂湿地景观破碎化程度较低，没有受到大量的人为干扰影响。从生态敏感性评价可知，生态敏感性综合评价结果与生态环境现状基本一致，反映本研究所筛选的生态敏感性评价指标较为合理，其评价结果也具有客观性。生态高度敏感区最集中于北部沿海滩涂湿地等区域，与景观安全格局分析中破碎化程度越低，受到人为影响越小，生态敏感度越高的结果相符合。基于2种分析方法的融合研究，较以往单一研究方法所分析的结果更具有科学性。同时，还具有一定的客观性和可操作性等特点，将为乡镇区域建设规划方案调整与优化提供科学依据。通过上述研究，以此划分出促进本地区景观生态安全的核心保护区、控制发展区、适宜发展区3类区域利用类型,并提出相应的管护措施。
本研究选择建设用地、交通用地和环境敏感区影响因子等指标，研究开发活动对乡镇区域生态环境的影响程度，并结合土地利用类型影响因子，试图深入探讨镇域土地资源合理利用时所表证的生态用地特征，可为同类型区域开发及生态评价提供借鉴和参考。当然，也应该根据不同地区的特点，选用适宜的评判方法，并结合时间动态变化，综合分析城镇生态用地的发展趋势。
-
图 2 土壤物理特性随林分密度的变化
Figure 2 Variation in soil physical properties at different stand densities
图 4 不同林分密度油松林生物量与土壤理化性质的冗余分析二维排序图
Figure 4 RDA two-dimensional ordination plot of biomass and soil physico-chemical properties in P. tabulaeformis forests of different densities
表 1 样地基本信息
Table 1. Basic information of the sample site
样地
编号林分密度/
(株·hm−2)海拔/m 树高/m 径/cm 坡度/(°) 坡向 样地
编号林分密度/
(株·hm−2)海拔/m 树高/m 胸径/cm 坡度/(°) 坡向 1 750 1 113 8.58 15.74 25 阴坡 21 3 750 1 211 10.43 11.52 30 阴坡 2 750 1 104 7.52 14.13 28 阴坡 22 3 750 1 267 9.72 10.70 19 阴坡 3 1 250 1 097 8.72 15.26 30 阴坡 23 3 750 1 271 7.93 11.05 21 阴坡 4 1 250 1 113 8.33 14.55 29 阴坡 24 3 750 1 297 8.24 10.42 27 阴坡 5 1 250 1 111 8.22 14.04 30 阴坡 25 3 750 1 321 7.80 9.72 30 阴坡 6 1 750 1 360 8.87 13.65 30 阴坡 26 3 750 1 244 9.19 10.92 29 阴坡 7 1 750 1 164 9.79 12.86 27 阴坡 27 3 750 1 268 7.01 10.81 26 阴坡 8 1 750 1 364 11.15 15.30 28 阴坡 28 4 250 1 312 10.47 12.02 21 阴坡 9 2 250 1 357 9.06 13.77 30 阴坡 29 4 250 1 362 7.41 9.10 23 阴坡 10 2 250 1 169 7.85 11.82 30 阴坡 30 4 250 1 356 8.98 11.37 19 阴坡 11 2 250 1 132 8.67 10.98 21 阴坡 31 4 250 1 327 8.15 9.48 20 阴坡 12 2 250 1 358 9.47 14.37 20 阴坡 32 4 250 1 358 8.27 17.90 22 阴坡 13 2 750 1 364 9.72 13.27 25 阴坡 33 4 750 1 242 10.12 10.67 30 阴坡 14 2 750 1 358 10.28 12.70 26 阴坡 34 4 750 1 338 7.03 10.11 18 阴坡 15 2 750 1 351 10.16 11.87 30 阴坡 35 4 750 1 313 6.07 7.52 25 阴坡 16 2 750 1 325 8.88 10.83 20 阴坡 36 5 250 1 285 9.39 10.19 20 阴坡 17 2 750 1 314 8.16 10.69 30 阴坡 37 5 250 1 320 8.31 8.61 25 阴坡 18 3 250 1 301 7.95 10.55 25 阴坡 38 5 750 1 314 8.81 8.86 25 阴坡 19 3 250 1 344 6.88 9.94 30 阴坡 39 5 750 1 315 7.22 7.76 18 阴坡 20 3 250 1 341 6.15 8.33 30 阴坡 40 5 750 1 316 6.27 7.09 24 阴坡 
下载: 导出CSV
表 2 油松单株生物量和林分密度对油松林总生物量的贡献率
Table 2. Contribution of individual plant biomass and stand density to total biomass in the sample plots
林分密度/(株·hm−2) 影响因子 β P VIF 750~ 2 750 林分密度 1.383 ＜0.001 2.441 单株生物量 1.274 ＜0.001 2.441 3 250 ~ 5 750 林分密度 0.312 0.018 1.104 单株生物量 0.929 ＜0.001 1.104 说明：β是标准化回归系数；VIF是方差扩大因子，VIF＜5表示模型构建良好。
下载: 导出CSV
表 3 不同林分密度油松林0~100 cm土壤物理性质
Table 3. Soil physical properties of 0−100 cm the P. tabulaeformis forests in in different densities
林分密度/(株·hm−2) 总孔隙度/% 毛管孔隙度/% 非毛管孔隙度/% 土壤含水量/% 750 50.77±0.75 bc 47.55±1.10 c 3.22±0.69 abc 10.01±0.81 e 1 250 46.47±1.00 d 43.80±1.03 e 3.09±1.50 abc 12.25±1.48 bc 1 750 52.38±1.50 a 48.70±0.55 ab 3.75±1.05 a 12.97±2.83 ab 2 250 52.22±1.55 a 48.78±0.73 ab 3.45±1.06 ab 12.74±2.11 ab 2 750 52.02±2.25 a 47.32±0.31 c 4.52±0.56 a 13.84±1.75 a 3 250 52.17±2.20 a 48.73±1.05 ab 3.52±0.77 ab 11.14±1.20 cd 3 750 51.58±1.79 ab 48.24±0.65 abc 3.37±0.46 abc 10.91±0.57 d 4 250 51.91±1.62 a 47.87±0.68 bc 4.03±0.95 a 11.25±0.48 cd 4 750 50.68±1.36 bc 48.73±0.93 ab 1.97±0.07 bc 10.92±0.38 d 5 250 50.37±1.51 c 46.32±0.59 d 4.02±1.32 a 12.33±0.52 bc 5 750 50.66±1.40 bc 48.87±0.99 a 1.81±0.31 c 9.03±0.63 e 说明：数值为平均值±标准差。同列不同小写字母表示不同林分密度间差异显著(P＜0.05)。
下载: 导出CSV
表 4 不同林分密度油松林0~100 cm土壤化学性质
Table 4. Soil chemical properties of 0−100 cm in different densities of the P. tabulaeformis forest
林分密度/(株·hm−2) 土壤有机碳/(g·kg−1) 全氮/(g·kg−1) 全磷/(g·kg−1) 铵态氮/(mg·kg−1) 硝态氮/(mg·kg−1) 速效磷/(mg·kg−1) 750 3.41±0.84 c 0.52±0.09 bc 0.50±0.01 cd 11.94±2.03 cd 5.05±0.83 ab 1.16±0.27 f 1 250 3.75±1.31 c 0.52±0.13 bc 0.56±0.01 a 10.21±1.74 e 3.95±0.90 d 0.97±0.50 f 1 750 5.40±2.87 ab 0.61±0.21 bc 0.57±0.01 a 14.13±1.38 a 4.56±0.66 bcd 2.31±0.76 ab 2 250 4.39±2.25 abc 0.52±0.23 bc 0.47±0.01 d 11.23±1.15 de 4.79±0.83 abc 2.39±0.46 a 2 750 4.57±2.57 abc 0.55±0.20 bc 0.51±0.01 bc 13.50±1.94 ab 4.74±0.73 abc 2.14±0.37 abcd 3 250 4.39±1.88 abc 0.64±0.28 abc 0.53±0.00 ab 13.20±1.38 ab 4.74±0.95 abc 1.90±0.46 cde 3 750 3.87±1.55 c 0.66±0.25 ab 0.51±0.01 bc 14.41±1.75 a 4.95±0.71 ab 2.00±0.41 abcde 4 250 4.12±1.79 bc 0.45±0.08 c 0.51±0.00 bc 13.25±1.31 ab 5.34±0.71 a 2.28±0.68 abc 4 750 4.04±2.11 bc 0.52±0.14 bc 0.51±0.00 bc 12.70±1.36 bc 3.96±0.80 d 1.66±0.37 e 5 250 5.55±2.47 a 0.65±0.18 bc 0.50±0.02 cd 11.01±0.93 de 4.16±1.11 d 1.82±0.69 de 5 750 3.74±1.80 c 0.77±0.17 a 0.51±0.01 bc 11.45±2.14 cde 4.30±0.65 cd 1.94±0.32 bcde 说明：数据为平均值±标准差。同列不同小写字母表示差异显著(P＜0.05)。
下载: 导出CSV
表 5 不同林分密度油松林生物量与土壤理化性质相关系数
Table 5. Correlation coefficients between biomass and soil physico-chemical properties of P. tabulaeformis forests of different densities
项目 SWC TOP CP NP TN TP SOC NH NO AP 油松林地上生物量 0.235 −0.020 0.011 0.123 0.228 0.162 0.513** −0.242 0.002 0.358* 油松林地下生物量 0.372* 0.023 −0.056 0.198 0.213 −0.101 0.426** −0.139 −0.032 0.326* 油松林总生物量 0.257 −0.108 −0.075 0.116 0.254 0.106 0.519** −0.280 −0.041 0.336* 说明：**表示极显著相关(P＜0.01)； *表示显著相关(P＜0.05)。SWC. 土壤含水量；TOP. 总孔隙度；CP. 毛管孔隙度；NP. 非毛管孔隙度；TN. 全氮；TP. 全磷；SOC.土壤有机碳；NH. 铵态氮；NO. 硝态氮；AP. 速效磷。
下载: 导出CSV
-
[1] 卢立华, 农友, 李华, 等. 保留密度对杉木人工林生长和生物量及经济效益的影响[J]. 应用生态学报, 2020, 31(3): 717 − 724. LU Lihua, NONG You, LI Hua, et al. Effects of retention density on growth, biomass, and economic benefit of Cunninghamia lanceolata plantation [J]. Chinese Journal of Applied Ecology, 2020, 31(3): 717 − 724. [2] 李晓燕, 段爱国, 张建国, 等. 不同良种与初植密度杉木林分密度指标动态特征[J]. 林业科学研究, 2021, 34(2): 72 − 80. LI Xiaoyan, DUAN Aiguo, ZHANG Jianguo, et al. Dynamic characteristics of stand density measure of Chinese fir (Cunninghamia lanceolata) plantations with different improved varieties and initial planting densities [J]. Forest Research, 2021, 34(2): 72 − 80. [3] 王玲. 林分密度对油松人工林群落结构和植物多样性的影响[J]. 生态环境学报, 2020, 29(12): 2328 − 2336. WANG Ling. Effects of different stand densities on community structure and species diversity of Pinus tabulaeformis plantation [J]. Ecology and Environmental Sciences, 2020, 29(12): 2328 − 2336. [4] 陈贝贝, 姜俊, 陆元昌, 等. 间伐强度对马尾松人工林冠下套种树种生长的影响[J]. 北京林业大学学报, 2021, 43(1): 58 − 65. CHEN Beibei, JIANG Jun, LU Yuanchang, et al. Effects of thinning intensity on the growth of interplanting broadleaved trees under Pinus massoniana plantation [J]. Journal of Beijing Forestry University, 2021, 43(1): 58 − 65. [5] WANG Yueting, JIA Xiang, CHAI Guoqi, et al. Improved estimation of aboveground biomass of regional coniferous forests integrating UAV-LiDAR strip data, Sentinel-1 and Sentinel-2 imageries[J/OL]. Plant Methods, 2023, 19(65) [2023-11-10]. doi: 10.1186/s13007-023-01043-9. [6] ANDRZEJ M, JAGODZIŃSKI, DYDERSKI M K, et al. Effects of stand features on aboveground biomass and biomass conversion and expansion factors based on a Pinus sylvestris L. chronosequence in western Poland [J]. European Journal of Forest Research, 2019, 138: 673 − 683. [7] 方怡然, 蔡金桓, 薛立. 3种改造人工林的林下植物多样性和土壤物理性质[J]. 华南农业大学学报, 2018, 39(4): 87 − 92. FANG Yiran, CAI Jinhuan, XUE Li. Undergrowth plant diversity and soil physical properties in three reformed plantations [J]. Journal of South China Agricultural University, 2018, 39(4): 87 − 92. [8] 王岩松, 马保明, 高海平, 等. 晋西黄土区油松和刺槐人工林土壤养分及其化学计量比对林分密度的响应[J]. 北京林业大学学报, 2020, 42(8): 81 − 93. WANG Yansong, MA Baoming, GAO Haiping, et al. Response of soil nutrients and their stoichiometric ratios to stand density in Pinus tabuliformis and Robinia pseudoacacia plantations in the loess region of western Shanxi Province, Northern China [J]. Journal of Beijing Forestry University, 2020, 42(8): 81 − 93. [9] 董威, 刘泰瑞, 覃志杰, 等. 不同林分密度油松天然林土壤理化性质及微生物量碳氮特征研究[J]. 生态环境学报, 2019, 28(1): 65 − 72. DONG Wei, LIU Tairui, TAN Zhijie, et al. Research on the characteristics of soil physicochemical properties and microbial biomass carbon and nitrogen in natural Pinus tabulaeformis forests with different stand densities [J]. Ecology and Environmental Sciences, 2019, 28(1): 65 − 72. [10] PEICHL M, LEAVA N A, KIELY G. Above- and belowground ecosystem biomass, carbon and nitrogen allocation in recently afforested grassland and adjacent intensively managed grassland [J]. Plant &Soil, 2012, 350(1/2): 281 − 296. [11] KONG Weibo, YAO Yufei, ZHAO Zhongna, et al. Effects of vegetation and slope aspect on soil nitrogen mineralization during the growing season in sloping lands of the Loess Plateau [J]. Catena, 2019, 172: 753 − 763. [12] 杨学亭, 樊军, 盖佳敏, 等. 祁连山不同类型草地的土壤理化性质与植被特征[J]. 应用生态学报, 2022, 33(4): 878 − 886. YANG Xueting, FAN Jun, GE Jiamin, et al. Soil physical and chemical properties and vegetation characteristics of different types of grassland in Qilian Mountains, China [J]. Chinese Journal of Applied Ecology, 2022, 33(4): 878 − 886. [13] ZHANG Yunxiang, LIU Tairui, GUO Jingping, et al. Changes in the understory diversity of secondary Pinus tabulaeformis forests are the result of stand density and soil properties[J/OL]. Global Ecology and Conservation, 2021, 28: e01628 [2023-11-10]. doi: 10.1016/j.gecco.2021.e01628. [14] 李雪, 王静, 张静, 等. 林龄和林分密度对华北落叶松人工林土壤养分和细菌群落的影响[J]. 中南林业科技大学学报, 2022, 42(10): 83 − 92. LI Xue, WANG Jing, ZHANG Jing, et al. Effects of stand age and stand density on the soil nutrient and bacterial community of Larix principis-rupprechtii plantation [J]. Journal of Central South University of Forestry &Technology, 2022, 42(10): 83 − 92. [15] 吴茜, 傅红, 郝建锋, 等. 林分密度对四川云顶山柏木人工林林下植被种间关联的影响[J]. 应用与环境生物学报, 2023, 29(4): 922 − 932. WU Qian, FU Hong, HAO Jianfeng, et al. Effect of stand density on interspecific association with under-canopy planting of Cupressus funebris plantation on Yunding Mountain in Sichuan, China [J]. Chinese Journal of Applied and Environmental Biology, 2023, 29(4): 922 − 932. [16] CHEN Yunming, CAO Yang. Response of tree regeneration and understory plant species diversity to stand density in mature Pinus tabulaeformis plantations in the hilly area of the Loess Plateau, China [J]. Ecological Engineering, 2014, 73: 238 − 245. [17] 何如梦, 王百田, 于显威, 等. 晋西黄土区油松林的生长释放与生长抑制[J]. 应用与环境生物学报, 2018, 24(6): 1204 − 1210. HE Rumeng, WANG Baitian, YU Xianwei, et al. Growth release and growth inhibition of Pinus tabulaeformis forest in the Loess Plateau of western Shanxi Province, China [J]. Chinese Journal of Applied and Environmental Biology, 2018, 24(6): 1204 − 1210. [18] 云慧雅, 毕华兴, 焦振寰, 等. 晋西黄土区不同林分类型和密度条件下林下灌草组成及多样性特征[J]. 浙江农林大学学报, 2023, 40(3): 569 − 578. YUN Huiya, BI Huaxing, JIAO Zhenhuan, et al. Composition and diversity of understory plants under different stand types and densities in loess region of western Shanxi Province [J]. Journal of Zhejiang A&F University, 2023, 40(3): 569 − 578. [19] 刘俊廷, 张建军, 王恒星, 等. 晋西黄土区不同退耕年限油松林草本多样性与土壤养分的关系[J]. 干旱区研究, 2020, 37(2): 400 − 409. LIU Junting, ZHANG Jianjun, WANG Hengxing, et al. Relationship between species diversity at the herbaceous stratum and soil nutrients in Pinus tabulaeformis plantations of various ages on the Loess Plateau of western Shanxi Province, China [J]. Arid Zone Research, 2020, 37(2): 400 − 409. [20] 余新晓, 吴岚, 饶良懿, 等. 水土保持生态服务功能评价方法[J]. 中国水土保持科学, 2007(2): 110 − 113. YU Xinxiao, WU Lan, RAO Liangyi, et al. Assessment methods of ecological functions of soil and water conservation measures [J]. Science of Soil and Water Conservation, 2007(2): 110 − 113. [21] WANG L N, ZHU Q K, ZHAO W J, et al. The drought trend and its relationship with rainfall intensity in the Loess Plateau of China [J]. Natural Hazards, 2015, 77(1): 479 − 495. [22] 何如梦. 晋西黄土区人工油松林生长对干旱的响应[D]. 北京: 北京林业大学, 2021. HE Rumeng. The Growth of Pinus tabulaeformis Plantation Response to Drought in Loess Region of Western Shanxi Province[D]. Beijing: Beijing Forestry University, 2021. [23] WGIEL A, BIELINIE E, POLOWY K. The stock and content of micronutrients in aboveground biomass of Scots pine stands of different densities [J]. Journal of Elementology, 2019, 24(2): 615 − 628. [24] 赵晓雪, 饶良懿, 申震洲. 砒砂岩区不同地形位置土壤物理性质分异特征[J]. 应用与环境生物学报, 2020, 26(6): 1359 − 1368. ZHAO Xiaoxue, RAO Liangyi, SHEN Zhenzhou. Heterogeneous characteristics of soil physical properties of different terrain locations in the Pisha sandstone area [J]. Chinese Journal of Applied and Environmental Biology, 2020, 26(6): 1359 − 1368. [25] 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. Methods of Soil Agrochemical Analysis [M]. Beijing: China Agricultural Science and Technology Press, 2000. [26] 韩新生, 许浩, 郭永忠, 等. 六盘山西侧华北落叶松林密度对生长和林分蓄积的影响[J]. 甘肃农业大学学报, 2023, 58(2): 169 − 179. HAN Xinsheng, XU Hao, GUO Yongzhong, et al. Influence of stand density on growth and stand volume of Larix principis-rupprechtil plantations on the west side of Liupan Mountain [J]. Journal of Gansu Agricultural University, 2023, 58(2): 169 − 179. [27] FAROOQ H T, WU Wenjing, TIGABU M, et al. Growth, biomass production and root development of Chinese fir in relation to initial planting density[J/OL]. Forests, 2019, 10(3): 236 [2023-11-10]. doi: 10.3390/f10030236. [28] TUN N T, GUO Jiao, FANG Shengzuo, et al. Planting spacing affects canopy structure, biomass production and stem roundness in poplar plantations [J]. Scandinavian Journal of Forest Research, 2018, 33(5): 464 − 474. [29] 公宁宁, 王小平, 李皓, 等. 北京地区40年生油松人工林密度效应的研究[J]. 林业资源管理, 2014(4): 85 − 91. GONG Ningning, WANG Xiaoping, LI Hao, et al. Management density effects of Pinus tabulaeformis plantation in Beijing [J]. Forest Resources Management, 2014(4): 85 − 91. [30] TSAMIR M, GOTTLIEB S, PREISLER Y, et al. Stand density effects on carbon and water fluxes in a semi-arid forest, from leaf to stand-scale[J/OL]. Forest Ecology and Management, 2019, 453: 117573 [2023-11-10]. doi: 10.1016/j.foreco.2019.117573. [31] BAI Yanfeng, SHEN Yangyang, JIN Yunduo, et al. Selective thinning and initial planting density management promote biomass and carbon storage in a chronosequence of evergreen conifer plantations in Southeast China[J/OL]. Global Ecology and Conservation, 2020, 24: e01216 [2023-11-10]. doi: 10.1016/j.gecco.2020.e01216. [32] 宋爱云, 董林水, 周金星, 等. 晋西黄土丘陵边缘区油松人工林密度调控与生物量特征[J]. 西北林学院学报, 2016, 31(4): 7 − 11, 66. SONG Aiyun, DONG Linshui, ZHOU Jinxing, et al. Suitable density management and biomass characters of Pinus tabulaeformis plantations in the ecotone between bedrock region and loess hill area of West Shanxi Province [J]. Journal of Northwest Forestry University, 2016, 31(4): 7 − 11, 66. [33] 简永旗, 吴家森, 盛卫星, 等. 间伐和林分类型对森林凋落物储量和土壤持水性能的影响[J]. 浙江农林大学学报, 2021, 38(2): 320 − 328. JIAN Yongqi, WU Jiasen, SHENG Weixing, et al. Effects of thinning and stand types on litter stock and soil water-holding capacity [J]. Journal of Zhejiang A&F University, 2021, 38(2): 320 − 328. [34] 王立超, 夏江宝, 赵玉尧, 等. 密度调控对鲁北黄泛平原区人工林土壤物理性质及植物多样性的影响[J]. 水土保持通报, 2022, 42(3): 43 − 48, 56. WANG Lichao, XIA Jiangbao, ZHAO Yuyao, et al. Effects of plant density regulation on soil physical properties and plant diversity of plantations in Yellow River Flood Plain of northern Shandong Province [J]. Bulletin of Soil and Water Conservation, 2022, 42(3): 43 − 48, 56. [35] 于洋, 卫伟, 陈利顶, 等. 黄土丘陵区坡面整地和植被耦合下的土壤水分特征[J]. 生态学报, 2016, 36(11): 3441 − 3449. YU Yang, WEl Wei, CHEN Liding, et al. Coupling effects of different land preparation and vegetation on soil moisture characteristics in a semi-arid loess hilly region [J]. Acta Ecologica Sinica, 2016, 36(11): 3441 − 3449. [36] 卜瑞瑛, 梁文俊, 魏曦, 等. 不同林分密度华北落叶松林的土壤养分特征[J]. 森林与环境学报, 2021, 41(2): 140 − 147. BU Ruiying, LlANG Wenjun, WEI Xi, et al. Soil nutrient characteristics of Larix principis-rupprechtii forest with different stand densities [J]. Journal of Forest and Environment, 2021, 41(2): 140 − 147. [37] QIU Xincai, WANG Haibin, PENG Daoli, et al. Thinning drives C: N: P stoichiometry and nutrient resorption in Larix principis-rupprechtii plantations in North China[J/OL]. Forest Ecology and Management, 2020, 462: 117984 [2023-11-10]. doi: 10.1016/j.foreco.2020.117984 [38] 兰道云, 毕华兴, 赵丹阳, 等. 晋西黄土区不同密度油松人工林保育土壤功能评价[J]. 水土保持学报, 2022, 36(2): 189 − 196. LAN Daoyun, BI Huaxing, ZHAO Danyang, et al. Evaluation on soil conservation function of Pinus tabulaeformis plantation with different densities in the loess area of Western Shanxi Province [J]. Journal of Soil and Water Conservation, 2022, 36(2): 189 − 196. [39] LUCAS-BORJA E M, DELGADO-BAQUERIZO M. Plant diversity and soil stoichiometry regulates the changes in multifunctionality during pine temperate forest secondary succession[J/OL]. Science of the Total Environment, 2019, 697: 134204 [2023-11-10]. doi: 10.1016/j.scitotenv.2019.134204. [40] 李轲, 赵勇钢, 刘小芳, 等. 黄土丘陵区典型草地演替中植物群落特征与土壤储水量关系[J]. 水土保持通报, 2019, 39(1): 55 − 60. LI Ke, ZHAO Yongqang, LIU Xiaofang, et al. Relationship between plant community characteristics and soil water storage along typical grassland succession in loess hilly region [J]. Bulletin of Soil and Water Conservation, 2019, 39(1): 55 − 60. 期刊类型引用(6)
1. 李瑞连，王玉倩，母德锦，徐骏飞，蔡年辉，许玉兰，陈林. 云南松GA20氧化酶基因的克隆与表达分析. 西南林业大学学报(自然科学). 2025(01): 55-67 . 
百度学术2. 桑娟，王艺程，李玺，张世杰，朱盛杰，席志俊，张琼，张志国，秦巧平，刘翔. 萱草海水胁迫相关WRKY转录因子密码子偏向性分析. 应用技术学报. 2024(02): 245-253 . 百度学术3. 侯哲，娄晓鸣，李昂，黄长兵. 11种唐松草属(Thalictrum)rbcL基因的密码子偏好性研究. 江苏农业科学. 2023(03): 46-53 . 百度学术4. 高守舆，李钰莹，杨志青，董宽虎，夏方山. 白羊草叶绿体基因组密码子使用偏好性分析. 草业学报. 2023(07): 85-95 . 百度学术5. 韩春丽，杨果豪，李天香，王健宇，熊忠萍，许尤厚，朱鹏，杨家林，王鹏良. 方格星虫线粒体全基因组密码子偏好性分析. 南方农业学报. 2023(09): 2604-2613 . 百度学术6. 刘璐，武志博，李晓佳，海春兴，姜洪涛，郝思鸣，刘世英. 干旱胁迫对千屈菜种子萌发和幼苗生长的影响. 草原与草坪. 2022(03): 139-145 . 百度学术其他类型引用(0)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20240571
点击查看大图
计量
- 文章访问数: 328
- HTML全文浏览量: 96
- PDF下载量: 16
- 被引次数: 6
