下载:
-
生物固氮是自然界植物利用氮素的重要途径，固氮植物通过与根瘤形成的共生固氮体系[1]，不仅为固氮植物提供氮素，而且在土壤改良及农业可持续发展中有着不可低估的作用[2-3]。大量研究表明，生物固氮是生态系统中有效氮的主要来源，据统计，地球上由豆科Leguminosae根瘤菌固定的氮素达8×1010 kg·a-1，约占全球生物固氮总量的40%，相当于全世界工业合成氮肥量的2倍[4]。自20世纪90年代以来，国内外陆续开展了固氮植物资源的调查研究，表明豆科植物是主要的固氮植物，1.8万种豆科植物中（含羞草亚科Mimosoideae逾0.28万种，苏木亚科Caesalpinioideae逾0.28万种，蝶形花亚科Papilionoideae逾l.20万种），98%的含羞草亚科、63%的蝶形花亚科及30%的苏木亚科植物能结瘤固氮，非豆科共生固氮植物相对较少[5-8]。调查发现毛竹Phyllostachys edulis林下植物资源较为丰富[9]，但对毛竹林下固氮植物资源的调查少有涉及。毛竹是中国重要的经济竹种，分布区域广，栽培面积大，应用范围广，经济价值高，是中国南方毛竹主产区竹农的重要经济来源，也是区域社会经济发展的重要资源和生态屏障。氮是毛竹生长所需要的重要营养元素，林地氮素补充对毛竹林出笋率、立竹胸径和产量均有促进作用[10-12]，季节性施肥是毛竹林丰产栽培的重要措施，尤其是施加氮肥。然而，长期过量施肥会导致毛竹林土壤养分失衡、酸化、板结、有害物质积累及生物多样性降低、竹材和竹笋产量与质量下降等负面影响。简单地依靠施氮肥为主的方式来提高竹林产品产量和品质，已经不能保障毛竹林立地生产力的稳定和生态系统完整性的维护，尤其是在当前毛竹林产品市场疲软，竹林经营效益大幅度下降，竹农经营毛竹林的积极性受到严重影响的背景下，如何系统地调查毛竹林下固氮植物资源，筛选生态适应性强、投入少、见效快、经济价值高、市场前景大的固氮植物种类，构建毛竹林下固氮植物高效复合经营模式，提高毛竹林自肥能力，对毛竹林可持续经营以及提高竹农经济收入等有着重要作用。基于此，笔者采取踏查法对浙江、福建毛竹主产区的毛竹林下固氮植物进行了调查，并对其经济价值进行了分析。
-
2015年8-9月、2016年7-8月在浙江省龙游县、景宁县、桐庐县、富阳区、江山市和福建省沙县等毛竹主要分布区采用踏查法对人为干扰相对较小、林下植被较为丰富的毛竹林下固氮植物进行调查记录，并通过万方数据资源检索补充毛竹林下固氮植物种类。毛竹林下固氮植物生活型、经济价值、药用部位皆参考于《中国植物志》。调查数据用Word 2003统计软件进行处理。
-
毛竹林下固氮植物种类较为丰富，共有4科23属41种（表 1）。其中，豆科（含羞草亚科、苏木亚科、蝶形花亚科3个亚科）20属35种，占毛竹林下固氮植物种类的85.37%。豆科中含羞草亚科和苏木亚科种类较少，蝶形花亚科种类较多，达17属31种，占毛竹林下固氮植物种类的75.61%。毛竹林下非豆科固氮植物有胡颓子科Elaeagnaceae，大戟科Euphorbiaceae和杨梅科Myricaceae等3个科，胡颓子属Elaeagnus有4种，占9.76%，算盘子属Glochidion和杨梅属Myrica各有1属，各占2.44%。
表 1 毛竹林下固氮植物种类
Table 1. Species of nitrogen-fixing plants under Phyllostachys edulis stands
-
生活型是植物适应外界环境的形态表现。由表 2可知：毛竹林下固氮植物类型有乔木、灌木、草本和藤本。其中，乔木有2科5属7种，占毛竹林下固氮植物种类的17.07%，灌木、草本、藤本分别有3科9属20种、1科7属5种、1科5属9种，分别占毛竹林下固氮植物种类的53.66%，14.63%和21.95%。可见，毛竹林下固氮植物主要为灌木类型，乔木、草本和藤本分布相对较少。
表 2 毛竹林下固氮植物的生活型
Table 2. Life form of nitrogen-fixing plants under Phyllostachys edulis stands
生活型 科 属 种 科数/科 占总科数的比例/% 属数/属 占总属数的比例/% 种数/种 占总种数的比例/% 乔木 2 50.00 5 21.74 7 17.07 灌木 3 75.00 9 39.13 20 48.78 草本 1 25.00 7 30.43 5 12.20 藤本 1 25.00 5 21.74 9 21.95 生态型是植物物种对其生境的基因方面的反应。由表 3可知：毛竹林下固氮植物有旱生、中生、湿生等3种生态型，其中，中生植物3科16属28种，占毛竹林下固氮植物种类的68.29%，旱生和湿生植物分别有1科3属6种、2科7属7种，分别占毛竹林下固氮植物种类的14.63%和17.07%。可见毛竹林下固氮植物主要为中生型，湿生和旱生分布较少。
表 3 毛竹林下固氮植物生态型
Table 3. Ecotype of nitrogen-fixing plants under Phyllostachys edulis stands
生态型 科 属 种 科数/科 占总科数的比例/% 属数/属 占总属数的比例/% 种数/种 占总种数的比例/% 旱生 1 25 3 13.04 6 14.63 中生 3 75 16 69.57 28 68.29 湿生 2 50 7 30.43 7 17.07 -
毛竹林下固氮植物具有诸多方面的经济价值，如药用、食用、饲料、肥料等（表 4）。其中，调查到的毛竹林下固氮植物都具有药用价值，具有食用价值的种类有3科16属23种，占毛竹林下固氮植物种类的56.10%，可以用于饲料、肥料的分别有2科9属10种、1科7属7种，分别占毛竹林下固氮植物种类的24.39%和17.07%，此外，具有香料、化工等其他经济价值的有1科8属12种，占毛竹林下固氮植物种类的29.27%。具有2种以上多重经济价值的种类有3科21属31种，占毛竹林下固氮植物种类的75.61%。说明毛竹林下固氮植物具有很好的开发利用潜力。
表 4 毛竹林下固氮植物经济价值
Table 4. Economic value of nitrogen-fixing plants under Phyllostachys edulis stands
经济价值 科 属 种 科数/科 占总科数的比例/% 属数/属 占总属数的比例/% 种数/种 占总种数的比例/% 药用 4 100.00 23 100.00 41 100.00 食用 3 75.00 16 69.57 23 50.10 饲料 2 50.00 9 39.13 10 24.39 肥料 1 25.00 7 30.43 7 17.07 其他 1 25.00 8 34.78 12 29.27 多重价值 3 75.00 21 91.30 31 75.61 -
从表 5可知：毛竹林下固氮植物的药用部位有根、茎、叶、花、果实、种子、全株。其中，根药用的最多，茎次之，种子最少。根、茎、叶营养器官药用的分别有4科15属19种、4科11属15种和3科5属8种，分别占毛竹林下固氮植物种类的46.34%，36.59%和19.51%。花、果实、种子生殖器官药用的分别有1科6属7种、3科3属6种和2科3属3种，分别占毛竹林下固氮植物种类的17.07%，14.63%和7.32%。整株可药用的有1科7属12种，占毛竹林下固氮植物种类的29.27%。总体而言，毛竹林下固氮植物按入药部位分，其种类多少排序为根＞茎＞全株＞叶＞花＞果实＞种子。
表 5 毛竹林下固氮植物药用部位
Table 5. Medicinal parts of nitrogen-fixing plants under Phyllostachys edulis stands
药用部位 科 属 种 科数/科 占总科数的比例/% 属数/属 占总属数的比例/% 种数/种 占总种数的比例/% 根 4 100.00 15 65.22 19 46.34 茎 4 100.00 11 47.83 15 36.59 叶 3 75.00 5 21.74 8 19.51 花 1 25.00 6 26.09 7 17.07 果实 3 75.00 3 13.04 6 14.63 种子 2 50.00 3 13.04 3 7.32 全株 1 25.00 7 30.43 12 29.27 -
调查结果表明：毛竹林下固氮植物共有4科23属41种，主要为豆科植物，而且以蝶形花亚科种类为主。毛竹林下固氮植物有旱生、中生、湿生3种生态型，并且以中生为主，存在乔木、灌木、草本和藤本4种生活型，其中以灌木类型种类居多，说明灌木类固氮植物比其他类型的固氮植物更能适应毛竹林下环境，这与毛竹林劈山除草等人为经营干扰会导致一些林下植物生命过程破坏，难以完成完整的生殖过程有关[15]，也与区域毛竹林经营中施用化学除草剂，清除了大量的林下植被，使乔木、草本、藤本类植物失去更新生长的竞争能力，有利于灌木生长等有关[16]。
毛竹林下固氮植物具有药用、食用、饲料、肥料等经济价值，所调查的全部固氮植物皆具有药用价值，1/2以上的种类具有食用价值，1/5左右的种类可用于饲料、肥料，而且兼具药用、食用、饲料、肥料等2种以上经济价值的种类约占4/5。毛竹林下固氮植物药用器官有根、茎、叶、花、果实、种子，有的可全株入药，其中，根部药用最多，种子药用最少。可见，结合毛竹及其林下固氮植物的生物学和生态学特性以及与环境之间的关系，科学合理的提出毛竹林下种植固氮植物的种类配比、空间配比、时间配比，选中最佳坡向坡位坡度，并结合不同的人为干扰，研究构建毛竹林下固氮植物复合经营模式，对于提高林地使用率和产出率，充分发挥毛竹林的经济、生态功能具有重要作用。
Nitrogen-fixing plants and their economic value as an understory in Phyllostachys edulis stands
-
摘要: 为了解毛竹Phyllostachys edulis林下固氮植物资源，在浙江、福建等毛竹主要分布区采用踏查法调查了毛竹林下固氮植物，并参考了毛竹林下植物资源的相关研究结果。结果表明：毛竹林下固氮植物共有4科23属41种，其中豆科Leguminosae植物占绝大多数，占比达85.37%，而且以蝶形花亚科Papilionoideae种类为主，占比为75.61%，胡颓子科Elaeagnaceae，大戟科Euphorbiaceae和杨梅科Myricaceae等非豆科植物分布较少；毛竹林下固氮植物有乔木、灌木、草本和藤本类型，其中灌木20种，乔木7种，草本5种，藤本9种，并且有旱生、中生、湿生3种生态类型，以中生为主；毛竹林下所调查的41种固氮植物均有药用价值，23种还有食用价值，10种可用作饲料，7种可用作肥料。毛竹林下固氮植物按入药部位分，其种类数量总体上为根>茎>全株>叶>花>果实>种子。研究结果从毛竹林下固氮植物的生活型、生态型、经济价值、药用部位等方面进行分析，为今后毛竹与林下固氮植物的生态高效复合经营模式构建提供理论基础。Abstract: To acknowledge the influence of nitrogen (N)-fixing plants as life forms as well as value of their ecotypic, economic, and medicinal parts in Phyllostachys edulis (moso bamboo) stands, N-fixing plants were surveyed in their main distribution areas of Zhejiang and Fujian Provinces using the method of field surveys. Relating research results of N-fixing plants not surveyed in Ph. edulis stands were also refered. Results showed that altogether there were 41 species in 23 genera of four families. Among them, Leguminosae accounted for 85.37% with Papillionaceae having 75.61% and non-Leguminosae, such as Elaeagnaceae, Euphorbiaceae, and Myricaceae accounted less. Plants were comprised of 20 shrub species, seven tree species, five herbaceous species, and nine vine species along with three ecotypic types of xerophyte, mesophyte, and hygrophyte, mainly mesophyte. The investigated 41 species all had medicinal value. In addition, 23 species had edible value, 10 species could be used as feed, and seven species could be used for fertilizer. According to their value as a medicine, the part of the plant in these N-fixing plants species under Ph. edulis stands was in general ranked as root > stem > whole plant > leaf > flower > fruit > seed. This research could provide a theoretical basis for the establishment of an eco-efficient compound management model in Ph. edulis stands.
-
Key words:
- forest ecology /
- Phyllostachys edulis /
- understory vegetation /
- nitrogen-fixing plants /
- economic value
-
森林作为陆地生态系统的主体，是全球气候系统的重要组成部分，森林生态系统的碳循环是全球陆地碳循环与气候变化响应研究的重要内容[1−4]。森林容易受海陆位置以及气候条件(如夏季高温、台风等)的影响，同时，人类活动对森林的干扰也较为频繁，因此森林所受干扰特性较为复杂。森林干扰与恢复引起的森林变化，直接影响地表水文、气候以及生物地球化学循环过程[5−7]。干扰与恢复是森林生态系统动态变化的主要驱动力，干扰与恢复的历史会影响林分的生长状态，不同干扰与恢复的类别、强度与大小将会改变林分物种组成与林分结构[8−10]。典型的自然干扰(雨雪灾害等)与人为干扰(采伐、土地利用变化等)以及干扰后更新，都将影响森林碳汇[11−12]。目前，缺乏长时期的森林时空动态监测资料，森林干扰与恢复对于森林碳循环的贡献仍不确定[13−15]。因此，监测森林干扰与恢复，揭示和掌握森林干扰与恢复的时空变化特征，对于理解景观、区域甚至全球尺度的森林碳循环和气候变化至关重要[16−17]。
遥感技术具有大面积同步观测、覆盖范围广、时效性好等特点，可作为森林干扰与恢复监测的重要技术手段[11, 18−19]。传统的森林变化监测往往采用时间跨度大的2期或者多期同一地区影像进行分类对比分析[20]。过去20 a内通常采用MODIS和AVHRR等高时间分辨率和低空间分辨率的影像进行长时间序列分析[21]。此类方法对于面积较小区域的(如县域)森林变化监测能力较差。近年来，30 m的Landsat卫星影像构成的时间序列堆栈(LTSS)数据为精确的森林干扰监测提供了重要的数据支撑[22−23]。
森林干扰与恢复的监测方法主要有分类比较法、影像差异法、分类及统计分析法、时间序列分析法、数据融合法等[16, 23]。与其他方法相比，时间序列分析方法能够确定森林干扰与恢复发生的年份、持续时间、干扰强度等信息，能够有效地监测森林的长期变化状况[19, 23]。时间序列分析法主要包含基于光谱轨迹的Landsat干扰和恢复趋势监测(LandTrendr)、持续变化监测与分类(CCDC)、植被变化跟踪(VCT)以及季节与趋势断点监测(BFAST)等算法[24−29]。其中，VCT能够较好监测森林变化，但不能有效监测间伐与森林退化等干扰；BFAST算法对于影像要求较高，在云覆盖高的区域监测效果欠佳；LandTrendr算法却能识别急剧(皆伐等)和缓慢变化(干扰后更新等)的事件，能够有效且精确地监测到森林干扰与恢复。因此，采用LandTrendr算法监测森林干扰与恢复逐渐成为森林干扰与恢复监测的主要方法[30−33]。
自20世纪80年代起，中国亚热带森林覆盖率显著增加，较小的林龄结构与充沛的雨热条件使得该区域森林有可能成为全球较大的碳汇区[34−35]。持续的森林干扰与恢复带来的林龄效应将会严重影响该区域的碳收支情况[16, 36]。浙江省松阳县森林资源丰富，碳汇潜力巨大，是百山祖国家公园三级联动区，因此，监测松阳县森林变化可为准确评估该区域森林发展态势，为森林经营规划提供理论依据与技术支撑，也对提高亚热带森林的抗干扰能力，增强亚热带森林的自然恢复能力和保护百山祖国家公园生态环境具有重要的参考意义。本研究以松阳县为例，基于长时间序列的LandsatTM/OLI影像数据，采用LandTrendr算法监测松阳县森林干扰与恢复，分析其时空动态变化，从而为松阳县亚热带森林管理提供参考。
1. 材料与方法
1.1 研究区概况
松阳县位于浙江省丽水市，地理坐标为28°14′~28°36′N，119°10′~119°42′E。地处浙江省西南部，东连丽水市莲都区，南接龙泉市、云和县，西北靠遂昌县，东北与金华市武义县接壤。全境以中、低山丘陵地带为主，属亚热带季风气候，温暖湿润，四季分明。全县辖3个街道，5个镇，11个乡，总面积为1406.00 km2。截至2022年，松阳县森林面积达1 119.23 km2，森林覆盖率为79.83%。其中公益林面积为637.88 km2，占全县林地总面积的54.9%，松林面积占全县森林面积的59.39%。
1.2 数据与处理
1.2.1 遥感时间序列数据
本研究基于谷歌地球引擎(GEE)云平台，选取1987—2020年所有可获得的LandsatTM/OLI地表反射率影像作为LandTrendr算法的数据基础。所选择的影像都属于Landsat Collection 1 L1TP级别，且经过辐射定标、大气校正和几何校正等，质量较高，适用于长时间序列的定量分析。影像选取原则为：①尽量获取在植被生长茂盛期(6—9月)的影像，以减少物候对植被光谱识别的干扰；②尽量选取云量少(＜10%)的影像，以保证时间序列内有相对较高的影像质量。利用美国地质勘探局(USGS)的CFMask算法去云，并使用邻近月份的清晰像素填充，以确保生成无云影像。最终，收集到符合条件的影像共计52幅。将所有选定的地表反射率影像组合在一起，形成年度Landsat时间序列影像堆栈(LTSS)，通过每年1幅影像组成Landsat影像的时间序列。每年1幅影像的像元值是该年符合时间和云量条件的影像对应像元值的中值，后续通过年度LTSS数据与LandTrendr算法监测森林干扰。
1.2.2 土地覆盖数据
松阳县森林信息分布数据(图1A~B)来源于ZHANG等[37]的1985—2020年全球30 m精细地表覆盖动态监测产品(GLC_FCS30-1985-2020)。从产品中剔除水体、农田、不透水表面3类土地覆盖，确定1985与2020年森林(阔叶林、针叶林)区域，并将2期森林区域合并，取两者并集作为本研究的森林变化潜在区域。此森林变化潜在区域将用来掩膜LandTrendr结果中非林地区域，以此来避免与农田、草地的错误检测。
图 1 1985和2020年研究区土地覆盖空间格局Figure 1 Spatial pattern of land cover in 1985 (A) and 2020 (B) of the study area1.2.3 验证样本数据
森林干扰与恢复的样点数据来源于1986—2014年浙江省森林资源连续清查与谷歌高清影像目视解译。根据样点位置，结合样地的地类、树种及林龄等信息，通过目视解译来区分1987—2020年清查样点的变化情况(森林干扰、恢复、稳定)。共随机标记了100个样点，其中包括32个森林损失样点，40个森林恢复样点，其余为森林持续(未变化)样点。这些样点将用于LandTrendr分割结果的验证分析。
1.3 LandTrendr算法
LandTrendr算法是最有效的监测森林干扰和恢复的方法之一[38−39]，主要通过时间序列分割算法获取影像光谱值突变和缓慢变化的信息[25, 40]。目前，LandTrendr算法移植到GEE平台后，简化了数据管理与图像预处理，作为LT-GEE算法被广泛使用[41−42]。本研究采用LT-GEE来实现LandTrendr算法。
KENNEDY等[25]与COHEN等[40]研究表明：归一化燃烧比指数(RNB)对于捕捉干扰事件具有最大敏感性，且具备较好的解释能力[25, 40]。因此，本研究使用$ {R}_{\mathrm{N}\mathrm{B}} $作为LandTrendr算法的监测指数，其计算公式为：
$$ {R}_{\mathrm{N}\mathrm{B}}=\frac{{\sigma }_{\mathrm{N}\mathrm{I}\mathrm{R}}-{\sigma }_{\mathrm{S}\mathrm{W}\mathrm{I}\mathrm{R}2}}{{\mathrm{\sigma }}_{\mathrm{N}\mathrm{I}\mathrm{R}}+{\sigma }_{{\rm{S}}\mathrm{W}\mathrm{I}\mathrm{R}2}} 。 $$ (1) 式(1)中：$ {\sigma }_{\mathrm{N}\mathrm{I}\mathrm{R}} $为近红外波段反射率，反映健康绿色植被，$ {\sigma }_{\mathrm{S}\mathrm{W}\mathrm{I}\mathrm{R}2} $为短波中红外波段反射率，反映岩石和裸土。健康的森林有高的$ {\sigma }_{\mathrm{N}\mathrm{I}\mathrm{R}} $值与低的$ {\sigma }_{{\rm{SWIR2}}} $值，从而具备高的$ {R}_{\mathrm{N}\mathrm{B}} $值。一旦森林经过干扰，$ {R}_{\mathrm{N}\mathrm{B}} $将会大幅度下降。
LandTrendr算法将对时间序列LTSS中的每个像元构建归一化燃烧比指数光谱轨迹，并利用时间序列分割算法来回归出归一化燃烧比指数光谱直线轨迹，从而识别归一化燃烧比指数急剧变化的断点并判断得到变化的年份。整个过程将识别归一化燃烧比指数值的3种特性，即整体下降(干扰)、整体增加(恢复)和整体保持不变(稳定)。LandTrendr算法在GEE上运行的具体参数设置如表1所示。分别利用LandTrendr算法对森林干扰与恢复事件进行检测，从而获得1987—2020年松阳县森林干扰与恢复发生的年份。基于森林干扰与恢复的样点数据，通过混淆矩阵计算总体精度、生产者精度、用户者精度，评估森林干扰与恢复的监测效果。
表 1 基于GEE的LandTrendr运行所需参数Table 1 Parameters used in LandTrendr processing过程 参数 值 过程 参数 值 过程 参数 值 分割 光谱指数 RNB 分割 恢复阈值 0.25 过滤 年份 1987—2020 轨迹分割最大数量 6.0 拟合最大P值 0.05 变化量 ＞200 尖峰抑制参数 0.9 最优模型比例 0.75 持续时间 ＜4 顶点数量控制参数 3.0 最小观测值数量 6.00 变化前光谱值 ＞300 是否允许1 a恢复 true 2. 结果与分析
2.1 森林干扰与恢复精度评价
图2是森林干扰与恢复监测结果的2个示例。由图2A可见：标记处RNB光谱值在2016年急剧下降，表明森林干扰发生在2016年，与LandTrendr算法计算结果一致；图2B标记处RNB光谱值在2003年开始下降，到2014年最小，并在2014年后逐渐升高，表明森林恢复发生在2004年，也与LandTrendr算法计算结果相一致。由此可见：LandTrendr算法分割的光谱轨迹可有效区分森林干扰与恢复年份。
为了定量评估森林干扰与恢复精度，计算混淆矩阵(表2)。由表2可见：LandTrendr算法计算的总体精度达到了82.00%，森林干扰与恢复监测的生产者精度分别达87.50%、80.00%，干扰与恢复监测的用户者精度分别达84.80%、82.05%。精度均在80.00%，表明LandTrendr可以有效地监测到松阳县森林干扰与恢复情况。
表 2 基于混淆矩阵的LandTrendr检测精度评价Table 2 Accuracy evaluation of LandTrendr detection based on confusion matrix类型 生产精度/% 用户精度/% 总体精度/% 干扰 87.50 84.80 82.00 恢复 80.00 82.05 稳定 78.57 78.57 2.2 森林干扰与恢复空间格局
由图3可见：水体、非森林、持续森林已被掩膜。从空间分布上来看，1987—2020年森林干扰较为破碎，多数分布在不透水地表周边，尤其集中在松阳县东南角(如西屏街道、水南街道、象溪镇)等区域，而森林恢复在各个区域均有发生，分布较广。
图 3 1987—2020年间松阳县森林干扰(A)与恢复(B)发生年份以及各年份森林减少(C)与增加(D)面积Figure 3 Years of forest disturbance (A) and restoration (B) and areas of forest loss (C) and gain (D) in Songyang County during 1987－2020经统计，1987—2020年森林干扰总面积达148.14 km2，占林地面积的12.00%。其中2006—2010年森林干扰面积最高，达36.62 km2，占总干扰的24.00%。这一段时间内森林干扰严重，一方面是受松材线虫Bursaphelenchus xylophilus病影响，松阳县大量马尾松Pinus massoniana林因受侵害而被砍伐；另一方面是由于2008年松阳县受特大暴雪和冻雨灾害侵袭，森林资源损失严重[43]。而1987—2020年森林恢复总面积达236.86 km2，占林地面积的20.37%。其中1987—1990和2006—2010年森林恢复面积较高，分别达67.90和59.55 km2，占总森林恢复的28.67%和25.14%。1987—1990年森林恢复主要原因是改革开放后退耕还林、植树造林等重大工程项目的实施，而2006—2010年森林恢复主要是因为自2008年雪灾后的2009与2010年森林自然更新与人为再造林。
除森林重大受灾或国家重大植树造林工程展开的年份外，松阳县隔5 a的森林干扰与恢复面积一般稳定在20.00~30.00 km2。整体上，松阳县森林恢复面积高于森林干扰面积，森林面积呈现逐渐增加趋势。
2.3 松阳县各乡(镇)森林干扰与恢复面积统计
由表3可见：各乡(镇)在1987—2020年森林总干扰面积为1.62~25.96 km2，总恢复面积为2.43~46.00 km2。各个乡(镇)总恢复面积均高于总干扰面积，说明1987—2020年各乡(镇)森林总面积净增长。其中，大东坝镇、板桥畲族乡、新兴镇、玉岩镇总恢复面积远远高于总干扰面积，森林面积分别增加了20.04、11.03、10.33、8.49 km2。这些乡(镇)位于山地丘陵，自然林和公益林较多，受自然灾害与人为破坏后，森林自然更新以及造林再造林活动等促使了森林大量恢复。位于松阳县平原且人类活动频繁的城镇中心，如往松街道、古市镇、斋坛乡、樟溪乡等乡(镇)森林干扰面积与恢复面积相当，森林面积增加较少。
表 3 松阳县乡(镇)级别森林干扰与恢复面积统计Table 3 Statistics of forest disturbance and restoration area at township level in Songyang County乡(镇) 森林面积/km2 乡(镇) 森林面积/km2 乡(镇) 森林面积/km2 干扰面积 恢复面积 干扰面积 恢复面积 干扰面积 恢复面积 大东坝镇 25.96 46.00 裕溪乡 9.89 14.57 玉岩镇 15.10 25.43 望松街道 1.62 3.84 三都乡 9.05 14.44 竹源乡 5.40 8.60 水南街道 6.63 10.61 古市镇 3.31 4.63 板桥畲族乡 3.54 5.52 西屏街道 8.86 14.22 斋坛乡 2.01 2.43 象溪镇 16.04 27.07 叶村乡 2.60 5.03 新兴镇 14.00 21.64 赤寿乡 6.73 8.00 四都乡 3.40 6.16 枫坪乡 8.04 13.84 安民乡 9.41 17.91 樟溪乡 2.11 3.74 3. 讨论
LandTrendr算法的主要思想是从Landsat时间序列数据中提取归一化燃烧比指数等光谱变化轨迹，并分割轨迹及线性拟合，去除光谱尖峰噪音信息，将复杂的变化特征简化为几段光谱直线，以此来突出变化时刻断点，从而捕获时间序列数据的干扰与恢复信息。本研究利用LandTrendr算法有效地提取了1987—2020年浙江省松阳县森林干扰与恢复发生年份，精度均在70%以上，表明LandTrendr算法可有效监测松阳县森林变化。LandTrendr算法不仅能够监测干扰年份，同时也能够监测干扰量[11, 19]。已有研究通过干扰量来区分干扰类型，以及识别主要与次要干扰的分布，或者划分森林干扰与恢复等级[11, 19, 25, 34]。以往采用最佳的单一指数作为LandTrendr算法监测，不同指数运行好坏的贡献未知，监测效果好坏不一。当前，利用LandTrendr算法完善森林干扰与恢复的研究越来越全面，LandTrendr算法综合多波段、多光谱指数的监测方法已得到很好应用，监测效果要优于单一指数监测效果[44−46]。后续，可以尝试利用多光谱指数，结合LandTrendr监测干扰与恢复变化量来识别松阳县森林主要与次要干扰，区分干扰强度，从而提出相应措施减少森林主要干扰，避免森林急剧减少。
本研究采用的验证方法为基于样地的目视解译。经目视解释可知：松阳县森林干扰类型多为人工采伐以及台风雪灾等自然灾害，恢复类型多为人工造林等，但并没有通过LandTrendr进行具体的类型划分。后续，可结合其他技术手段对干扰与恢复类型进行区分，并优化验证方法。目前，国外研究多采用Timesync工具来验证LandTrendr算法，这种工具可自动获取解译结果，并与算法分割结果作比较[8, 25]。综合现有结果分析，尽管本研究尚未能分析出松阳县森林干扰与恢复的类型和强度，但可有效监测森林干扰与恢复发生的年份，并分析了松阳县森林变化情况，为松阳县森林经营管理提供相应参考数据。
4. 结论
本研究采用GEE云平台的LandTrendr算法监测浙江省松阳县1987—2020年森林干扰与恢复状况，并进行森林干扰与恢复时空特征分析。结论如下：①LandTrendr算法监测森林干扰与恢复的总体精度达到了82%，森林干扰与恢复的生产者精度用户精度均高于80%，表明松阳县森林干扰与恢复监测效果较好。②松阳县森林干扰与恢复总面积分别为148.14与236.86 km2，分别占林地面积的12.74%、20.37%，表明松阳县1987—2020年森林面积呈净增加趋势。③松阳县大东坝镇、板桥畲族乡、新兴镇、玉岩镇森林面积变化较为频繁，森林干扰与恢复面积均比其他乡(镇)高。大东坝镇森林面积变化最大，增加了20.04 km2。
-
表 1 毛竹林下固氮植物种类
Table 1. Species of nitrogen-fixing plants under Phyllostachys edulis stands
表 2 毛竹林下固氮植物的生活型
Table 2. Life form of nitrogen-fixing plants under Phyllostachys edulis stands
生活型 科 属 种 科数/科 占总科数的比例/% 属数/属 占总属数的比例/% 种数/种 占总种数的比例/% 乔木 2 50.00 5 21.74 7 17.07 灌木 3 75.00 9 39.13 20 48.78 草本 1 25.00 7 30.43 5 12.20 藤本 1 25.00 5 21.74 9 21.95 
下载: 导出CSV
表 3 毛竹林下固氮植物生态型
Table 3. Ecotype of nitrogen-fixing plants under Phyllostachys edulis stands
生态型 科 属 种 科数/科 占总科数的比例/% 属数/属 占总属数的比例/% 种数/种 占总种数的比例/% 旱生 1 25 3 13.04 6 14.63 中生 3 75 16 69.57 28 68.29 湿生 2 50 7 30.43 7 17.07
下载: 导出CSV
表 4 毛竹林下固氮植物经济价值
Table 4. Economic value of nitrogen-fixing plants under Phyllostachys edulis stands
经济价值 科 属 种 科数/科 占总科数的比例/% 属数/属 占总属数的比例/% 种数/种 占总种数的比例/% 药用 4 100.00 23 100.00 41 100.00 食用 3 75.00 16 69.57 23 50.10 饲料 2 50.00 9 39.13 10 24.39 肥料 1 25.00 7 30.43 7 17.07 其他 1 25.00 8 34.78 12 29.27 多重价值 3 75.00 21 91.30 31 75.61
下载: 导出CSV
表 5 毛竹林下固氮植物药用部位
Table 5. Medicinal parts of nitrogen-fixing plants under Phyllostachys edulis stands
药用部位 科 属 种 科数/科 占总科数的比例/% 属数/属 占总属数的比例/% 种数/种 占总种数的比例/% 根 4 100.00 15 65.22 19 46.34 茎 4 100.00 11 47.83 15 36.59 叶 3 75.00 5 21.74 8 19.51 花 1 25.00 6 26.09 7 17.07 果实 3 75.00 3 13.04 6 14.63 种子 2 50.00 3 13.04 3 7.32 全株 1 25.00 7 30.43 12 29.27
下载: 导出CSV
-
[1] 李先源, 张磊, 曹伟.贵州省豆科结瘤固氮植物资源调查[J].西南师范大学学报(自然科学版), 2004, 29(3):445-450. LI Xianyuan, ZHANG Lei, CAO Wei. Investigation of the nodulation and nitrogen-fixing resource of legume in Guizhou Province [J]. J Southwest China Norm Univ Nat Sci, 2004, 29(3): 445-450. [2] HAMDI Y A, NAWAWY A S, TEWFIK M S, et al. Effect of herbicides on growth and nitrogen-fixation of alga, Tolypothrix tenuis [J]. Acta Micobiol Pol B, 1970, 2(1): 53-55. [3] SUN Shengpeng, PELLICER N C, MERKEY B, et al. Effective biological nitrogen removal treatment processes for domestic wastewaters with low C/N ratios: a review [J]. Environ Eng Sci, 2010, 27(2): 111-126. [4] Bangkok Regional Office for Asia and the Pacific FAO. Nitrogen fixing trees: a training guide [J]. Mid East J Anesth, 1987, 8(2): 559-560. [5] BREWBAKER J L. Utilization of nitrogen fixing trees [J]. Pesquisa Agropecuaria Brasileira, 1984, 19(spec issue): 193-249. [6] BOND G. Taxonomy and distribution of non-legume nitrogen-fixing systems [G]//GORDON J C, WHEELER C T. Biological Nitrogen Fixation in Forest Ecosystems: Foundations and Applications. The Hague: Martinus Nijhoff/Dr W Junk Publishers, 1983: 55-87. [7] 丁明懋, 何道泉, 蚁伟民, 等.鼎湖山自然林豆科固氮植物资源的调查研究[J].生物多样性, 1993, 1(1):2-8. DING Mingmao, HE Daoquan, YI Weimin, et al. A survey on the nitrogen-fixing legume resources in the Dinghushan natural forests [J]. Chin Biodivers, 1993, 1(1): 2-8. [8] 贺江舟, 龚明福, 韦革宏.塔里木盆地豆科植物资源及其结瘤特性[J].塔里木大学学报, 2006, 18(3):1-4. HE Jiangzhou, GONG Mingfu, WEI Gehong. Investigation and nodulation characteristic of nitrogen fixation legumes resource in Tarim Basin [J]. J Tarim Univ, 2006, 18(3): 1-4. [9] 洪伟, 陈辉, 吴承祯.毛竹专用复合肥研究[J].林业科学, 2003, 39(1):81-85. HONG Wei, CHEN Hui, WU Chengzhen. A study on the compound fertilizer for Phyllostachys heterocycla cv. pubescens [J]. Sci Silv Sin, 2003, 39(1): 81-85. [10] 顾小平, 萧江华, 梁文焰, 等.毛竹纸浆竹林施用氮磷钾肥料效应的研究[J].林业科学, 1998, 34(1):25-32. GU Xiaoping, XIAO Jianghua, LIANG Wenyan, et al. The effects of N, P and K fertilizer applied in pulp bamboo stand [J]. Sci Silv Sin, 1998, 34(1): 25-32. [11] 黄当亮.毛竹施肥试验研究[J].福建林业科技, 1998, 25(4):52-55. HUANG Dangliang. Study on the fertilization experiment of Phyllostachys pubescens [J]. J Fujian For Sci Technol, 1998, 25(4): 52-55. [12] 何冬华, 陈俊辉, 徐秋芳, 等.集约经营对毛竹林土壤固氮细菌群落结构和丰度的影响[J].应用生态学报, 2015, 26(10):2961-2968. HE Donghua, CHEN Junhui, XU Qiufang, et al. Effects of intensive management on abundance and composition of soil N2-fixing bacteria in Phyllostachys heterocycla stands [J]. Chin J Appl Ecol, 2015, 26(10): 2961-2968. [13] 陈阳, 王新杰.闽西北丘陵地毛竹林下植物多样性的研究[J].中南林业科技大学学报, 2014, 34(1):84-88. CHEN Yang, WANG Xinjie. Plant diversity under Phyllostachy pubescens forests in hilly area of northwest Fujian Province [J]. J Cent South Univ For Technol, 2014, 34(1): 84-88. [14] 许有德.毛竹林内药用植物资源研究[J].竹类研究, 1990(2):11-20. XU Youde. A study on the resources of medicinal pants in Phyllostachys pubescens forest in Wuyi Mountains [J]. Bamboo Res, 1990(2): 11-20. [15] 张刚华, 萧江华, 陈双林, 等.不同类型毛竹林植物物种多样性研究[J].林业科学研究, 2007, 20(5):615-621. ZHANG Ganghua, XIAO Jianghua, CHEN Shuanglin, et al. Study on the species diversity at moso bamboo stands of different type [J]. For Res, 2007, 20(5): 615-621. [16] 何艺玲. 不同类型毛竹林林下植被的发育状况及其与土壤养分关系的研究[D]. 北京: 中国林业科学研究院, 2000. HE Yiling. Understory in Different Stands of Phyllostachys pubescens and Its Relationship with Soil Nutrients [D]. Beijing: Chinese Academy of Forestry,2000 -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2018.01.021
点击查看大图
![](data:image/svg+xml,<svg xmlns='http://www.w3.org/2000/svg' width='210' height='179'><foreignObject width='2000' height='100%'><div xmlns='http://www.w3.org/1999/xhtml' style='font-size:16px;font-family:Helvetica'><table>
<tbody>
<tr><td>
<img class="graphic" src="zjnldxxb-35-1-161-T1.jpg">
</td></tr></tbody>
</table></div></foreignObject></svg>)
计量
- 文章访问数: 2724
- HTML全文浏览量: 473
- PDF下载量: 449
- 被引次数: 0
