-
土壤环境是森林生态系统功能持续发挥的重要物质支撑，不仅为森林中的生物提供了必要的生存场所，而且也为地表植被的生长供应着各种必需养分[1]。近年来，以土壤载体为研究主题的地下生态学过程已成为森林生态学领域重要的探索方向之一。由于土壤内部各生物及非生物过程的复杂性，土壤微生境高度的时空异质性，森林生态学领域急需探索一种超越单一指标的综合属性，来全面评价土壤环境变化对地下生态学过程的影响。森林生物的生长既需要土壤中的无机养分，也需要适宜的土壤温度、土壤气液相物质组成比例等等，所有这些因子都与森林的土壤质量密切相关。土壤质量是土壤各理化因子和生物学因子的综合体现，对森林群落未来的演变进程具有重要的调控作用。以土壤质量变化特征为切入点，深入分析森林群落结构与土壤质量间的互作规律，对预测中国人工林未来的发展趋势具有十分重要的理论意义。土壤质量是土壤在自然生态系统边界内维持动植物生产力以及水、空气质量和支撑人类适宜居住环境的能力[2]，是土壤物理、化学及生物学性状的集中表现[3-4]。前人对森林土壤的研究多集中在土壤理化性状、养分状况和土壤微生物等。近年来，研究者把重点转向土壤综合质量状况[5-10]。油松Pinus tabuliformis林是中国西北地区的地带性植被，主要分布在暖温带的干旱和半干旱气候区[11]，也是山西太岳山区域的主要森林类型之一。长期以来，因山区群落结构简单、种植密度过高以及后期经营管理措施不当，导致油松人工林的营养功能及生态服务功能都呈现衰退的迹象。同时，油松人工林的退化可能与林龄有关，因为该区域的油松人工林林龄不一，在不同的生长阶段，土壤质量又呈现出何种状态，对油松人工林功能持续是促进还是制约依然未知。因此，本研究基于不同发育阶段（40，60和80年生）的油松人工林为研究对象，分析土壤质量随森林群落的动态演变规律，以期为森林的经营、发展以及土壤资源的可持续利用提供有价值的借鉴意义。
-
本研究区位于国家林业局山西太岳山森林生态系统国家定位观测研究站，地处山西省长治市沁源县郭道镇（36°18′~37°05′N, 111°45′~112°33′E，海拔1 150~2 088 m），同时也是灵空山国家级自然保护区。该研究区为温带半湿润大陆性季风气候，年平均气温为8.6 ℃，1月均温为-10.5 ℃，7月均温为17.3 ℃。该区年均降水量为665.0 mm，主要集中在7-9月，无霜期约100.0~150.0 d。研究区海拔约1 280 ~1 810 m，西半部区域地势陡峭，东半部较为缓和。土壤类型主要为棕壤、褐壤等。山体基岩则以花岗岩、石灰岩、页岩和沙页岩为主。
该区域植被丰富，主要林分类型有油松林、华北落叶松Larix principis-rupprechti纯林、华北落叶松-油松混交林、油松-辽东栎Quercus liaotungensis混交林等。油松是林区内主要的建群树种，其他树种有华北落叶松、辽东栎、山杨Populus davidiana和白桦Betula platyphylla等树种。灌木层植物种类主要有华北绣线菊Spiraea fritschiana，毛榛Corylus mandshurica和胡枝子Lespedeza bicolor，黄刺玫Rosa xanthina，忍冬Lonicera japonica等；草本种类主要有薹草Carex，莎草Cyperus rotundus，薯蓣Dioscorea opposita，活血丹Glechoma longituba，蛇梅Duchesnea indica等。
-
2017年7月，在林区内选取林龄为40年生（P40），60年生（P60）和80年生（P80）的油松人工林，这3种林地的前身都是天然油松林群落，在20世纪皆伐后补种油松幼苗后发育而成。各种林分面积约为4 hm2，在各种林分类型中，选择地势平坦且立地条件相似的区域设置4块20 m × 20 m的固定样地。调查林分的林龄、郁闭度、密度、胸径等。样地概况见表 1。
表 1 油松人工林的基本特征
Table 1. Characteristics of Pinus tabulaeformis plantations
样地代号 树种 林龄/a 平均胸径/cm 平均树高/m 林分密度/(株·hm-2) 郁闭度 坡度/(°) P40 油松 40 13.6 14.9 2 780 87.5 15 P60 油松 60 26.7 15.1 1 430 78.2 18 P80 油松 80 36.4 13.8 520 71.7 16 -
于2017年8月，在12块样地里各按照“S”型，选取5个点采集土样，用于土壤物理、化学及生物学性状的测定。
-
在每个样方中用环刀选取5个点采集土壤样本，采样土层深度为0~10，10~20，20~30 cm的土层，共有20个土样。将土样去除杂质，然后自然风干，进而过筛备用。土壤含水量用烘干法测定；土壤容重用环刀法测定。
-
在各个固定样方中使用内径8 cm，筒长40 cm的根钻，各个点按照0~10，10~20，20~30 cm不同土壤深度分次取样，各种林分类型共60个土样，放入写好编号的自封袋中，带回实验室进行处理分析。首先剔除土壤中的杂质，然后进行碾碎过筛，筛孔为1 mm。称取100 g土样进行风干处理，时间为1周。风干后土样先用研钵研磨，再通过孔径为0.149 mm的土筛子进行过筛，干燥保存。土壤有机质用重铬酸钾氧化法测定；土壤全氮用凯氏定氮-消煮法测定；土壤铵态氮和硝态氮分别用靛酚蓝比色法和酚二磺酸比色法测定（1 mol·L-1氯化钾溶液浸提）；土壤速效磷用钼锑抗比色法测定（碳酸氢钠溶液浸提）；土壤速效钾用火焰光度法测定（乙酸铵溶液浸提）。
-
在各个固定样方中按照“S”型选取5个点采集土样，各个样点按照0~10，10~20，20~30 cm不同土壤深度分层取样，共60个土样。剔除土壤中的杂质，然后进行碾碎过筛，置于4 ℃冰箱中保存备用。土壤微生物生物量碳和生物量氮采用氯仿熏蒸提取-滴定法测定。
-
选取的测定指标有土壤容重、含水率、有机质、全氮、速效钾、铵态氮、硝态氮、速效磷以及土壤微生物量碳和土壤微生物量氮。
由于土壤因子测定值的变化具有不确定性和连续性，因此利用隶属度函数的相同属性来对各土壤肥力指标测定值进行标准化处理。运用主成分分析得到的因子载荷量的值具有正负性，以此来判断所使用的隶属度函数，其中式（1）为降型函数，式（2）为升型函数[12]：
$$ F(x)=\left(x_{i \max }-x_{i j}\right)\left(x_{i \max }-x_{i \min }\right)； $$ (1) $$ F(x)=\left(x_{i j}-x_{i \min }\right)\left(x_{i \max }-x_{i \min }\right)_{。} $$ (2) 式（1）和式（2）中：ximin和ximax分别代表测定土壤肥力数据的最小值和最大值；xij为土壤肥力测定值。
因为土地利用类型、研究目的等的不同，所选择的土壤质量指标具有不同的重要程度，在数据处理过程中一般用权重系数来反映相应指标的影响程度。在本实验中，运用主成分分析得到各肥力因子的载荷量和方差贡献率，然后得到各指标的权重系数：
$$ W_{i}=C_{i} / \sum\limits_{i=1}^{n} C_{i }。 $$ 在确定了评价指标因子隶属度和权重之后，运用加权方法来建立土壤质量的综合评价数学模型[13]：
$$ Q=\sum\limits_{i=1}^{n} W_{i} F\left(x_{i}\right) 。 $$ 其中：Ci为第i项土壤肥力指标的因子载荷；Q为土壤质量综合评价指数；Wi为权重向量；F（xi）为隶属度值。
-
数据处理和图形建立采用SPSS 19.0和Excel 2010进行，运用单因素方差分析（ANOVA）和最小显著差法（LSD）检验不同林分同一土层和同一林分不同土层土壤因子间的差异显著性（α= 0.05）。运用双变量相关分析得出不同林分的土壤质量指标间的相关性。
-
油松林土壤的物理学特性显著受到林龄的影响（图 1），60年生和80年生的油松人工林土壤含水率均显著高于40年生的油松人工林，60年生和80年生油松人工林的土壤容重差异不明显，但均显著小于40年生的油松人工林（P＜0.05）。可见随着油松人工林的林龄增加，土壤含水率呈增加趋势，而土壤紧实度呈下降趋势，土壤物理状况得到了改善。
图 1 不同林龄油松人工林土壤物理性质
Figure 1. Soil physical properties of Pinus tabulaeformis plantations with different ages
-
0~10 cm土层中的全氮质量分数随着林分林龄的增加显著增大（P＜0.05）；10~20 cm土层中全氮质量分数也存在这种趋势。0~10 cm土层的有机质质量分数随着林龄的增加逐渐增大，且60年生和80年生的油松人工林土壤与40年生油松人工林土壤差异显著（P＜0.05），10~30 cm土层的有机质质量分数无明显的变化规律（表 2）。
表 2 不同林龄油松人工林的土壤化学性状
Table 2. Soil chemical properties of Pinus tabulaeformis plantations with different ages
处理 w全氮/(g·kg-1) 处理 w氨态氮/(mg·kg-1) 0~10 10~20 20~30 cm 0~10 10~20 20~30 cm P40 1.18 ± 0.07 0.76 ± 0.20 0.77 ± 0.08 P40 11.6 ± 3.0 9.4 ± 2.2 10.2 ± 0.9 P60 1.54 ± 0.40 0.96 ± 0.12 0.77 ± 0.13 P60 20.6 ± 8.4 17.2 ± 3.2 14.1 ± 1.8 P80 2.04 ± 0.37 1.06 ± 0.14 0.75 ± 0.15 P80 24.8 ± 3.4 18.2 ± 2.2 17.8 ± 3.3 处理 w有机质/(g·kg-1) 处理 w硝态氮/(mg·kg-1) 0~10 10~20 20~30 cm 0~10 10~20 20~30 cm P40 17.72 ± 2.79 11.29 ± 2.48 11.00 ± 2.83 P40 17.0 ± 2.7 13.7 ± 3.5 17.4 ± 4.4 P60 27.95 ± 2.48 16.03 ± 2.77 13.00 ± 2.07 P60 16.6 ± 3.3 21.5 ± 8.9 22.5 ± 3.0 P80 28.86 ± 4.45 14.55 ± 2.02 9.08 ± 2.29 P80 23.5 ± 6.8 23.6 ± 4.6 30.1 ± 8.4 处理 w速效钾/(mg·kg-1) 处理 w有效磷/(mg·kg-1) 0~10 10~20 20~30 cm 0~10 10~20 20~30 cm P40 227 ± 56 171 ± 62 164 ± 6 P40 2.6±0.5 2.8±0.5 2.0±0.4 P60 244 ± 15 171 ± 15 169 ± 71 P60 3.4±0.1 3.4±0.4 2.9±0.6 P80 297 ± 26 201 ± 22 208 ± 66 P80 5.4 ± 1.3 2.6±0.6 3.0±0.8 与40年生油松人工林土壤相比，60年生和80年生油松人工林土壤的0~10，10~20和20~30 cm土层的铵态氮分别增加77.78%和20.16%，82.20%和5.50%，38.53%和25.97%，硝态氮也呈类似的变化规律。
0~10 cm土层中的速效钾和有效磷质量分数随着林龄的增加显著增大（P＜0.05）；10~20 cm土层中的有效磷在3种林分间无明显差异；20~30 cm土层中的速效钾和有效磷则随着林龄的增加逐渐显著增大（P＜0.05）（表 2）。
-
随着油松人工林林龄的增加，土壤微生物量碳（MBC）质量分数有增大的趋势。在0~10 cm土层，土壤微生物量碳无显著差异；在10~20 cm土层，80年生油松人工林的土壤微生物量碳质量分数为231.49 mg·kg-1，显著大于60年生和80年生油松人工林（P＜0.05）。在20~30 cm土层，80年生油松人工林的土壤微生物量碳质量分数显著高于40年生和60年生油松人工林（P＜0.05）。土壤微生物量氮（MBN）质量分数也随着林龄的增加逐渐提高。在0~10 cm土层，80年生油松人工林的土壤微生物量氮质量分数为55.17 mg·kg-1，显著高于40年生和60年生油松人工林（P＜0.05）；在10~20 cm土层中，80年生油松人工林的土壤微生物量氮质量分数为36.08 mg·kg-1，显著高于40年生和60年生油松人工林（P＜0.05）；在20~30 cm土层中，80年生油松人工林的土壤微生物量氮质量分数大于40年生和60年生的油松人工林。随着土层深度的增加，油松人工林土壤微生物量碳和土壤微生物量氮质量分数逐渐减少（图 2）。
图 2 不同林龄不同土层下油松人工林土壤微生物量碳、微生物量氮质量分数
Figure 2. Contents of microbial biomass carbon and nitrogen in the soil under Pinus tabulaeformis plantation with different ages and different soil layers
-
3种林分类型的土壤质量评价指标的相关性分析结果显示（表 3）：各指标基本符合正态分布特征，其中土壤硝态氮仅与铵态氮呈显著负相关，与其他指标无显著相关关系；全氮、有机质、铵态氮、有效磷、速效钾和微生物量碳、微生物量氮相互之间均呈显著或极显著正相关。
表 3 不同土壤养分指标间的相关系数
Table 3. Correlation coefficient between different soil nutrients
项目 全氮 有机质 铵态氮 硝态氮 速效磷 速效钾 微生物量氮 微生物量碳 全氮 1 有机质 0.899** 1 铵态氮 0.661** 0.591** 1 硝态氮 -0.151 -0.319 -0.442** 1 速效磷 0.623** 0.435** 0.377* 0.163 1 速效钾 0.652** 0.600** 0.534** -0.287 0.504** 1 微生物量氮 0.827** 0.702** 0.635** -0.028 0.538** 0.494** 1 微生物量碳 0.747** 0.763** 0.433** -0.054 0.359* 0.483** 0.786** 1 说明: *和**表示差异分别达到5%和1%显著性水平 -
通过对各测定指标的主成分分析，产生各林龄油松人工林的土壤质量评价指标的隶属度值。在由各项数据所综合代表的土壤质量中，前4个组分的累计方差贡献率达85.67%，符合主成分分析累计贡献率≥80%的条件[14]。依据因子负荷矩阵得出，主成分F1主要由全氮（x1），有机质（x2），微生物量碳（x3），微生物量氮（x4），含水率（x5）构成；主成分F2轴由速效钾（x6）和速效磷（x7）组成；主成分F3由铵态氮（x8）和硝态氮（x9）组成；主成分F4主要由容重（x10）构成（表 4）。
表 4 不同因子载荷、权重、特征根和方差贡献率
Table 4. Factor load, weight, characteristic root and variance contribution rate
土壤指标 主成分旋转因子载荷 权重 1 2 3 4 全氮 0.80 0.48 0.15 -0.19 0.100 铵态氮 0.46 0.44 0.57 -0.08 0.071 有机质 0.82 0.26 0.29 -0.26 0.103 硝态氮 -0.03 0.08 -0.93 0.18 0.116 速效钾 0.27 0.87 -0.22 -0.14 0.109 速效磷 0.35 0.67 0.38 -0.05 0.084 微生物量氮 0.84 0.35 0.02 0.01 0.105 微生物量碳 0.94 0.10 0.02 0.02 0.118 土壤含水率 0.60 0.48 0.36 -0.29 0.075 土壤容重 -0.10 -0.13 -0.18 0.95 0.119 特征根 2.367 1.198 0.936 0.806 方差贡献率/% 0.560 0.144 0.088 0.065 累计贡献率/% 0.560 0.704 0.792 0.857 $$ F_{1}=0.199 x_{1}-0.048 x_{8}+0.298 x_{2}+0.097 x_{9}-0.243 x_{6}\\ -0.189 x_{7}+0.314 x_{4}+0.499 x_{3}+0.049 x_{5}+0.057 x_{10}； $$ $$ F_{2}=0.050 x_{1}+0.210 x_{8}-0.201 x_{2}+0.122 x_{9}+0.498 x_{6}+0.491 x_{7} \\ -0.063 x_{4} -0.365 x_{3}+0.122 x_{5}+0.129 x_{10}； $$ $$ F_{3}=-0.060 x_{1}+0.363 x_{8} +0.023 x_{2}-0.690 x_{9}-0.252 x_{6}+0.241 x_{7}\\ -0.115 x_{4} -0.131 x_{3} +0.108 x_{5}+0.165 x_{10}； $$ $$ F_{4}=-0.042 x_{1}+0.188 x_{8}-0.129 x_{2}-0.068 x_{9}-0.032 x_{6}\\ +0.212 x_{7}+0.104 x_{4}+0.068 x_{3}-0.104 x_{5}+1.010 x_{10}。 $$ -
土壤质量综合评价的结果表明：40年生、60年生和80年生油松人工林的土壤质量综合指数分别为0.363，0.500和0.568（图 3A），即80年生油松人工林土壤质量综合指数最大，60年生油松人工林次之，40年生油松林最低。由此可见，随着林龄增大，油松人工林土壤培肥作用增强，土壤质量评价指数也逐渐提升，不同林分同一土层的土壤质量综合指数也遵循上述的变化规律（图 3B）。
图 3 不同林龄油松人工林的土壤质量综合指数
Figure 3. Composite indexof soil quality of Pinus tabulaeformis plantation with different ages
-
随着林分的不断发展以及林龄的增加，土壤的物理性状得到了改善。土壤容重与林龄之间呈负相关关系[15]。越成熟的林分郁闭度越小，而且本研究的3块研究样地坡度较缓，处于山地较为深入的位置，人为干扰较少，使得土壤容重随林龄的增加逐渐降低。赵伟红等[15]在对辽河源自然保护区不同林龄油松天然次生林的土壤含水率测量时发现：在土壤表层，随着林龄的增加，土壤容重逐渐降低。土壤容重与土壤环境的通透程度有关，进而影响降水在土壤中的渗透和保水程度[16]。本研究土壤含水率和林龄呈正相关关系，与赵伟红等[15]的研究结果一致。主要原因是林龄较高的油松人工林的林分密度低，蒸腾作用散失的水分较少，因而含水量较高。此外，土壤容重的逐渐降低，使得土壤更加疏松，水分传输和通气效果更加显著，增加了土壤含水量[16]。
本研究中表层土壤各养分质量分数随着林龄的增加而显著增大。这是由于随着林分林龄的增长，林分密度逐渐降低以及凋落物逐年累积，更多的光照使得林下凋落物分解速度加快，土壤微生物的活力增强[5, 17]，地表向地下有机物的输入量也逐渐增加，且最接近地表的土层养分差异最为显著[18]。凋落物对土壤养分的影响也体现在马尾松Pinus massoniana的林分中。葛晓改等[19]研究显示：马尾松林土壤养分受基质质量、凋落物产量、养分年归还量、养分周转率等因素影响，土壤表面养分含量与凋落物基质质量的变化规律一致。同时，土壤团聚体的粒径在一定程度上影响了土壤养分的含量。孙娇等[20]在对陕北黄土丘陵区不同林龄刺槐Robinia pseudoacacia林的土壤养分调查时发现：0.25~2.00 mm粒径的土壤团聚体提高了土壤全效养分的保持能力。此外，由于凋落物和根系聚集于地表附近[16]，伴随养分的逐渐流失，各个林龄油松人工林的土壤养分随着土层深度的增加而显著减少。
随着林龄的增加，土壤微生物量氮、微生物量碳质量分数呈上升趋势。微生物量大小和活性均与土壤养分含量密切相关，地表的凋落物可以给微生物提供丰富的能源物质，对微生物量的变化至关重要[21]。有研究显示：有机质是影响土壤微生物量的重要因素，有机质能够为微生物在进行自身合成与代谢过程中提供足够的碳、氮物质来源以及能量来源[22]。部分实验证实：微生物量碳和微生物量氮与土壤养分存在正相关关系[22-23]。本研究也体现出了这样的变化规律。同时也有相反的观点，土壤微生物量和土壤养分之间并无相关关系，微生物量还受到生长环境、凋落物数量和种类的影响[24-25]。
-
本研究所选取的各项指标皆具有突出的代表性与易测性，且各指标间相互作用显著，能明确地反映土壤质量的综合情况，所以将所有评价指标列入考虑范畴。从结果来看，微生物量碳、微生物量氮和除硝态氮之外的所有评价指标呈显著相关性，这说明本实验所选取的微生物量碳、微生物量氮2种生物因子能够真实反映研究区土壤的生物学特性，并且和土壤的肥效以及土壤质量有密切的联系[26]。
-
在本研究中，林龄的增加可提高油松人工林土壤质量。依据土壤质量综合评价法对山西太岳山不同林龄的油松人工林土壤环境的状况进行分析，量化评价了不同林龄的林分土壤质量。随着油松人工林林龄的不断增加，逐年累积的地表凋落物量逐渐加大，在一定程度上提升了土壤养分含量[17]。80年生油松人工林与40年生油松人工林相比，林内环境逐步完善，促进了顶极群落的形成，与此同时，地上植被的发展使得土壤物理、化学和生物学性状不断改善，因此土壤质量得到提升[27-28]。本研究可以在一定程度上促进太岳林区的土壤研究，为林分的发展提供更多的参考意见。总之，林分更替演变过程是一个发展变化的过程，在林分经营的过程中，依据其基本状况因地制宜地增加林分年限，采取抚育措施促进林分发展，改良土壤质量状况，最终促进生态系统功能的完善。
Soil quality development in Pinus tabuliformis plantations with different forest ages on Taiyue Mountain
-
摘要: 为探讨土壤质量随林龄的演变特征，以山西太岳山40，60，80年生油松Pinus tabuliformis人工林为研究对象，采用综合指数评估相关的土壤质量状况。结果表明：随着油松人工林龄增加，土壤含水率显著增加，而土壤容重则显著减小；而0~10 cm土层的有机质、全氮、速效钾、铵态氮、硝态氮、有效磷质量分数增加最为显著；80年生油松林的土壤微生物碳氮质量分数分别在10~30 cm和0~20 cm土层显著大于60年生和40年生油松林，而不同林龄油松人工林的土壤质量综合指数为0.568（80年生油松纯林）> 0.500（60年生油松纯林）> 0.363（40年生油松纯林）。说明随着林龄的不断增加，土壤微生物量碳氮质量分数和理化性状得到了提高和改善，太岳山油松人工林的土壤综合质量也不断提升。Abstract: To determine the soil quality of 40-(P40), 60-(P60), and 80-(P80) year-old Pinus tabuliformis plantations on Shanxi Taiyue Mountain, analysis of variance and significance test were used to evaluate significant difference of soil factors, and a composite index were used to evaluate soil quality. Results showed that with an increase in age of the P. tabuliformis forest, soil water content increased markedly; whereas, soil bulk density decreased. The content of organic matter, total nitrogen, available potassium, ammonium nitrogen, nitrate nitrogen, and available phosphorus increased most in the 0-10 cm soil layer. Also, soil microbial biomass carbon in 10-30 cm layers and nitrogen content in 0-20 cm layers of 80-year-old P. tabuliformis forests were much higher than those of 60-year-old and 40-year-old P. tabuliformis forests. The composite indexes of soil quality were 0.568(P80) > 0.500(P60) > 0.363(P40). Thus, with an increase in forest age, soil microbial biomass carbon and nitrogen content as well as physical and chemical properties improved, and soil quality of P. tabuliformis plantations on Taiyue Mountain was enhanced.
-
Key words:
- soil science /
- soil quality /
- composite index /
- forest age /
- Pinus tabuliformis plantation
-
因为城市地面覆盖物多，发热体多，加上密集城市人口生活和生产中产生大量的人为热，造成市中心的空气温度高于郊区空气温度，人们把这种气温分布现象称为“热岛效应”。由于城市的发展，下垫面原有的自然环境，如农田、牧场等发生了根本的变化，人工建筑物高度集中，以水泥、沥青、砖石、陶瓦和金属板等坚硬密实、干燥不透水的建筑材料替代了原来疏松和有植物覆盖的土壤[1]。城市热环境随着经济的发展日益恶化，已阻碍了人居环境品质的提升，是亟待解决的现实问题。绿色植被作为改善人居热环境的基础手段，不仅具有较好的节能效益，还具有明显的经济效益[2]。国内外学者分别从理论与实践研究等角度，在植被对城市热岛效应影响方面开展了大量研究。
1. 研究进展
1.1 城市热岛效应的早期研究
1833年，HOWARD[3]首次描述了“热岛效应”的气候特征，指出伦敦市中心气温比周围乡村高。1958年，MANLEY[4]提出了“城市热岛”（urban heat island，UHI）概念。1982年，OKE[5]将城区气温最大值与郊区气温的差值定义为城市热岛强度。城市热岛效应的早期研究为后续研究提供了重要的概念基础，并为不同观测方式下的定量化研究指明了方向。
1.2 不同观测方式下的城市热岛研究
城市热岛的研究离不开数据获取，因此观测方式的选取是热岛效应研究的基础性问题。早期研究主要以地面气象站长期观测记录为基础，在统计与分析之后总结出热岛的时间变化规律。如MORRIS等[6]基于实测气象数据分别对澳大利亚的墨尔本、美国的费尔班克斯进行研究，得出城市热岛强度与云量、风速密切相关，晴朗无风的夜间热岛强度最高。但气象数据是由固定的气象站测取，具有一定的空间局限性，因此，一些学者开始采用流动观测法。OKE等[7]于1975年在加拿大的渥太华市做了全面的系统流动观测，公布了较为完整的原始资料，成为流动观测典范案例。除气象观测法与流动观测法以外，国内外学者还采用卫星遥感技术开展研究。由于地表温度是影响近地气温的关键影响因素，一些学者开始采用遥感卫星信息技术获取地表温度，从地表温度的演化视角开展热岛效应研究。RAO[8]在1972年第1次提出应用TIROS-1卫星遥感影像的热波段反演地表温度，从而辨别城市地域，并用这种方法观测了太平洋中部海岸城市的地表温度类型。周淑贞等[9]使用气象卫星对热场和下垫面结构的关系进行研究，在此基础上建立了相应的回归方程。覃志豪等[10]使用Landsat TM6波段研究地面温度反演，提出了能够反演真实温度的单窗算法。
1.3 植被对城市热岛效应影响的研究方法
不同观测方式下的热岛效应研究均发现：下垫面组成是影响热岛强度的重要因素，而植被是起着关键作用的一种下垫面类型。早期的研究方法主要以实测为主。CA等[11]通过研究日本东京城区某公园草地中午的降温效应发现：绿地的降温效果和绿地面积有一定关系，公园内气温比周边外围气温低约2.0 ℃。随着高分辨率遥感影像技术的发展以及反演方法的不断成熟，基于遥感影像技术的研究越来越多，如CHEN等[12]应用Landsat TM和ETM+影像反演地表温度发现，归一化植被指数（NDVI）与地表温度（LST）在一定范围内呈负相关关系。除了现场实测及遥感探测等研究方法外，数值模拟法逐渐成为重要的研究手段之一。ENVI-met模拟法是数值模拟法的典型代表，它被广泛应用于绿地降温效应研究，如ZHANG等[13]通过ENVI-met模拟研究武汉市植被对住宅热环境的影响发现，植被对热环境影响与树的排列、叶面积指数、冠宽和树高有关。
2. 主要研究内容和方法
2.1 植被对城市气温的调节机理
陆地生态系统是一个植被—土壤—气候相互作用的复杂大系统，内部各子系统之间及与大气和土壤之间存在复杂的相互作用和反馈机制。SCHULZE等[14]提出了植被生态系统能量交换关系：植被生态系统的冠层入射通过冠层反射、土壤热通量、冠层和土壤蒸散、显热交换等方式实现与外界能量交换，并以光合作用方式固化大气二氧化碳来储存部分能量。
植被冠层与外界的能量交换是以叶片的光学作用为基础的，叶片光学作用包括吸收和透过率光谱。SMITH[15]在1986年提出了叶片光学特性与能量平衡示意图，并指出在光合有效辐射波段植物吸收了90%以上的入射能量，以获得更高的光合速率和生产力。叶片吸收的光能一部分以长波辐射的方式释放[16-17]，一部分以热传导的显热方式释放[18]，大部分能量以蒸腾作用的方式释放并降低叶片温度[19]，只有少部分能量以有机物方式固定下来[20]。植被通过光合作用及蒸腾作用实现了与空气的热能量交换。除此以外，在夏季，叶片温度普遍低于周围地物表面温度，乔木树冠对周围地物发射长波冷辐射，这将进一步降低植被邻近墙面、地面温度，并在一定程度上降低植被附近的气温[21]；在冬季，乔木可以通过树冠和树干产生阻力来减少空气对流[22-23]，起到保温的作用。通过植被的“冷岛”作用来影响建筑的“热岛”效应，从而营造舒适的人居热环境。
2.2 植被空间结构对城市热岛效应的影响
相对稳定的生物群落的重要特征之一是具有一定的空间结构，群落中各种生物在空间上的配置状况称为植被空间结构。植被空间结构包括垂直结构和水平结构。
2.2.1 植被垂直结构
植被垂直结构指植物群落在垂直方向的配置状态，其最显著的特征是成层现象。一般按生长型把植被结构从顶部到底部划分为乔木层、灌木层、草本层和地被层4个基本层次。目前的研究主要集中在2个方面：一是单一层次植被对降温效应影响的研究，二是复合层次植被对降温效应影响的研究。对于前者，单一层次主要指乔木层。目前，国内外学者均采用实测法[24-25]。HSIEH等[26]通过实测建筑周边不同树木温度后发现，降温能力上从大到小依次为樟树Cinnamomum camphora、梧桐Firmiana platanifolia、水杉Metasequoia glyptostroboides。于雅鑫等[27]通过实测12种木兰科Magnoliaceae乔木的蒸腾速率并量化其降温能力指出，由于落叶树种比常绿树种的蒸腾速率高，所以落叶乔木的降温能力比常绿乔木好。植被复合层次是指以乔、灌、草作为常见的3种基本单元对其中的2种及以上的单元组合情况下的植被降温效应进行比较分析，国内以实地测量为主要研究方法，国外则多采用实测与模型相结合的手段进行研究。由于乔木在叶面积指数等方面明显高于灌木、草本，其蒸腾作用与遮光作用的影响最大，因此理论上乔木类对热环境调节能力应最强，不同学者的研究结果也证明了这一点。何介南等[28]、吴志能等[29]在定量研究植被垂直结构对热环境等效影响时，通过实测绿地温度并进行比较分析后发现，在降温效应上从大到小依次为乔木、灌木、草地。SODOUDI等[30]通过实测结合ENVI-met模型模拟以及DUNCAN等[31]通过遥感影像研究不同植被类型的降温程度结果均证实了这一结论。而对于乔-草、乔-灌与乔-灌-草之间的降温效应比较，结论却有差异。雷江丽等[32]认为：乔-草的降温能力大于乔-灌-草，刘娇妹等[33]则认为乔-灌-草优于乔-草，而吴志能等[29]认为乔-灌优于乔-草。
植被的降温效应研究目前主要集中在白天时段，但植被对周围空气温度的影响是全天的，因此有学者对植被夜间降温能力进行了实测研究。聂危萧等[34]对居住区组团中心绿地植被温度实测分析发现，日间乔-灌的降温效率相对更高，而夜间则是灌草的降温效果更强。造成这种降温效应昼夜差异的原因是植被在白天与夜晚的降温机理不同所致。在晴热的白天，植被一方面通过光合与蒸腾作用实现与周围空气的热量互换，同时通过长短波辐射遮蔽降低了周围地物的表面温度，并进一步降低邻近空气温度；而在没有太阳的夜晚，城市下垫面地物的表面热量通过长波辐射的方式转移至天空，这种热量传输的快慢受天空角系数的影响[35]，对于具有乔木或灌木的环境，地面及墙面将先与植被发生长波辐射换热，阻挡了下垫面与天空的长波辐射，这种“被子”效应使树冠下的热量发生滞留。因此，对3种基本植被垂直结构单元而言，夜间的降温会产生乔木＜灌木＜草本的结果。目前，植被的降温效应研究主要集中在夏季典型日，而缺少全年时段的评价与分析，尤其是冬季等极端不利天气条件下的研究。因此，研究不同季节气候条件下植被对城市热岛效应调节作用机制亟待开展。
2.2.2 植被水平结构
在研究植被水平结构的城市热岛效应时，首先需解决的问题是如何快速而准确地获取某地的植被水平结构信息。目前，大多数学者采用遥感影像提取技术解决这一问题[36]，也有学者采用实测与ENVI-met相结合的手段来进行研究[37]。雷江丽等[32]、贾刘强等[38]分别以Landsat ETM+遥感影像为数据源，提取了绿地斑块的面积、周长、形状指数等信息，房力川等[39]则通过Landsat OLI/TIRS单期遥感影像反演了地表温度。上述遥感信息的获取为进一步分析植被水平结构的降温调节能力提供了数据支撑。除了水平结构信息获取问题外，植被水平结构定量描述参数的选取与定义是另一个关键问题。目前，采用的参数主要有斑块形状指数、斑块面积与斑块周长等。但对斑块形状指数的定义目前仍存有分歧，如雷江丽等[32]与袁振等[40]认为：形状指数是斑块的周长面积比，而贾刘强等[38]则将形状指数定义为斑块周长除以同面积圆的周长。在水平结构信息参数定义的基础上，学者们大多利用统计回归分析法，进一步探讨植被水平结构对城市热岛效应的影响规律。在斑块面积与周长等对城市局地气温的调节方面，学者们所得结论较为一致，即绿地斑块面积、周长越大，其降温效应越好，但形状指数的降温效应研究却存在较大分歧。贾刘强等[38]、JAGANMOHAN等[41]认为：形状指数越大，绿地斑块降温效应越好，即呈正相关关系，李海峰等[42]则指出：形状指数与其降温效果间并无显著的相关性，而FEYISA等[43]却发现：绿地斑块的降温效应与形状指数呈负相关关系。
除上述定量研究外，有学者也关注到了绿地斑块面积与降温关系的阈值效应问题。袁振等[40]认为：绿地斑块面积为0.055 km2时，对周边的降温效果较好；贾刘强等[38]指出：绿地斑块面积超过1.5 hm2时，对周边气温的影响范围和降温程度随着面积增大的速度而迅速减小。由此可见，绿地斑块面积对降温效应的影响存在阈值效应，即绿地面积过小，植被覆盖度就小，绿地斑块不能很好的发挥降温作用；面积过大，绿地斑块的降温效应在达到某一临界值后便会趋于平缓。另外，绿地斑块对与周边环境的降温影响也有一定范围。晏海[44]通过实测总面积680 hm2的北京奥林匹克森林公园及公园周边环境气温发现，随着距公园边界距离的增加，气温呈逐渐升高趋势，公园对其两侧的城市环境都有一定的降温效应，这种降温效应可延伸到距公园边界1 km以外的区域。另外，不同绿地类型的热岛缓解效应的比较研究也是热点之一。绿地斑块根据不同作用分为不同类型，有公园绿地、居住区绿地、街旁绿地、其他绿地等。在降温效应方面，房力川等[39]指出：降温效应从大到小依次为其他绿地、公园绿地、居住区绿地、街旁绿地。目前，对于绿地斑块与降温效应的研究很多，但研究的结果却各有不同。这些差异表明，对于绿地斑块降温效应的理论研究还有欠缺，需进一步挖掘探讨。
2.3 植被冠层结构对城市热岛效应的影响
植被垂直结构与水平结构着眼于植被群体效应，这一群体效应是多个个体效应的叠加。植物个体主要通过冠层叶片吸收和反射太阳辐射及叶片本身的蒸腾作用来降低周围气温。因此，植被冠层结构对缓解城市热岛效应有着重要作用。植被冠层结构参数对城市热岛效应的影响规律是近年来的研究热点，冠层参数主要包括叶面积指数、冠幅、郁闭度及绿量等。
2.3.1 叶面积指数
叶面积指数（LAI）指单位土地面积上的植物叶片总面积占土地面积的倍数。叶面积指数的测量方法通常分为直接法和间接法。直接法包括破坏性取样法、异速生长方程法、斜点样方法和凋落物法；间接法包括顶视法和底视法[45]。大部分相关研究都采用底视法，即借助光学仪器自下而上测量，目前最常用的仪器为植物冠层分析仪[45]。在上述测量方法的基础上，大部分学者认为：植物群落的降温效果与叶面积指数呈正相关关系，即有随叶面积指数的减小而降低的趋势[46-47]。秦仲等[48]对北京市14个植物群落进行了降温效果测定发现，植被降温效应与叶面积指数虽呈正相关关系，但并不显著，并指出产生这一结果的原因是植物蒸腾耗热、降低辐射平衡和削减乱流热交换量等方面的综合影响。唐泽等[49]通过对长春市18个公园样地进行实测分析后进一步指出，叶面积指数与降温强度呈非线性正相关关系。除分析叶面积指数与降温效应的相关关系外，很多学者也对其降温效应最佳阈值区间进行探讨。唐泽等[49]通过样方调查测定长春市植物群落对周围气温的影响发现，森林样地的植被叶面积指数最佳降温阈值区间为0.23~2.30；张波等[50]通过对太原市城市绿地斑块的降温效应研究发现：叶面积指数发挥降温效应的阈值为2.1~4.5。两者的阈值区间存在差异是因为他们研究对象不同。唐泽等的研究对象是森林，植被类别为单一的乔木。而张波等研究的则是面积不小于1 hm2的绿地，包括了乔、灌、草等多种植被，这种复合型的植被结构对叶面积指数最佳降温阈值区间也产生了较大影响。
2.3.2 冠幅
冠幅指树木的南北和东西方向宽度的平均值。树冠可以有效遮挡太阳辐射，冠幅越大，林隙、裸露地面就越少，因此，大部分太阳辐射被上层的叶片遮挡、吸收和反射，只有少部分能到达地面，而且冠幅盖度越大，蒸腾作用的量也就越大，能更有效地降低周围气温。不少学者的实测结果也证明了这一点。秦仲等[48]、黄良美等[51]、王纪来[52]、赵晓龙等[53]分别对北京市植物群落、南宁市植物群落、重庆市植物群落、哈尔滨市行道树的冠幅及周围气温进行实测。虽然研究的城市、对象并不相同，但他们都发现树木冠幅与植物降温效应呈显著正相关关系，因此，植物冠幅对降温效应的正影响并无地域差别。另外，王纪来[52]还认为：植物冠层的形状和厚度是影响植物群落降温效应的重要因素。相较于交错叠加的植物群落冠层，独立的植物冠幅对植物群落降温效应的影响是有限的。当植物冠层交错叠加时，林隙减少，透过林隙落到地面上的太阳辐射就会减少，空间冠层结构内水分和热量乱流交换强，土壤及植被蒸散出的水汽不易扩散，使得植物群落发挥降温效应的能力更强。
2.3.3 郁闭度
郁闭度指森林中乔木树冠在阳光直射下，在地面的总投影面积与此林地总面积的比值，它反映了林地的密度。郁闭度的测量方法主要有目测法与实测法。实测法又分样线法、样点法、树冠投影法、遥感图像判读法等[54]。植物通过叶片蒸腾作用来增加空气中的水分含量，并进行热量交换，从而降低空气温度。郁闭度值较大的绿地，植物蒸腾作用较强，对绿地周围的干热情况具有较好的缓解作用，QIN等[55]和XIAO等[56]通过实测植物群落郁闭度与降温效应的关系证明了这一结论。另外，有学者对北京市的植被群落结构的降温效应实测分析发现，郁闭度对降温效应的影响存在最佳阈值区间，如朱春阳等[57]认为：植物群落郁闭度在44%~67%时降温效应显著，大于67%时降温效应显著且趋于稳定；高吉喜等[58]认为：郁闭度的最佳阈值为50%~85%，高于85%则降温效应不再显著提高。两者均采用实测法，但两位学者最终得出的阈值区间有差异可能是因为朱春阳等研究的道路绿地是在城区内，其一侧是道路，一侧是硬质铺装，因此植被的降温效应更为明显，郁闭度的最优阈值区间也会相对较低。
2.3.4 绿量
绿量（LVV）指所有生长中的植物茎叶所占据的空间体积，即绿化三维量。目前，对绿量的研究主要有2个方面。一是对绿量获取方法的探讨，二是对绿量与植被降温效应之间关系的研究。对于前者，主要有2种测量方法，一种是通过遥感技术获取。随着遥感技术的发展，可以利用其对林相相对一致的林地绿量进行估计[59]。这种方法存在一定的弊端，因为遥感技术对于冠层结构和植物种类辨析上存在一定困难，而且由于绿量是三维空间参数，单纯依靠遥感技术无法满足三维绿量的准确测定要求，因此这种方法一般用在较大尺度的绿量研究上。另一种方法是实测法。实地测量植物种类的叶面积、胸径、冠下高等样本数据，通过模拟方程计算主要树种绿量，然后根据计算结果估算群落总体绿量[60]。这种方法相对更精确，但工作量较大，比较适合小尺度的绿量研究。对于后者，目前的研究结论较为一致，如吴志能等[29]、高吉喜等[58]、李英汉等[59]、吴菲等[61]分别对重庆的公园，北京的公园、典型绿地，深圳的居住小区等进行了实测分析，发现绿化三维量与植物的降温效应之间有显著的正相关关系。由此可见，绿量对降温效应的正相关影响并不因地域、绿地类型的差异而有区别。在以后的研究中可以加强对绿量获取方法的探讨，寻找既能方便测量、结果又精确的方法。
2.4 植被遥感指数与城市地表地温间关系的研究
地面与空气的热量交换是近地气温升降的直接原因，也是影响热岛效应的重要原因。以地温为桥梁，借助植被遥感指数，可分析植被对城市热岛效应的影响。目前，常用植被遥感指数包含归一化植被指数（NDVI）、修正土壤植被指数（MSAVI）及减化比值植被指数（RSR）等。
2.4.1 归一化植被指数（NDVI）
在遥感影像中，常用近红外波段的反射值与红光波段的反射值之差来表示归一化植被指数（NDVI）。目前，卫星热红外遥感信息源主要有NOAA气象卫星的第4波段（10.5~11.3 μm）和第5波段（11.5~12.5 μm）、Landsat TM或ETM+的第6波段（10.4~12.5 μm）、FY系列气象卫星数据、中巴资源卫星IRMSS数据及MODIS数据等[62]。研究中最常用的是Landsat TM或ETM+影像数据。使用Landsat TM/ETM +反演地表温度的常用方法有4种：分别为单窗算法、单通道算法、分裂窗算法及辐射方程传导法[63]，其中单窗算法最为常用。冯晓刚等[64]以Landsat TM和ETM+热红外数据为基础，采用单窗算法反演地表温度发现，归一化植被指数（NDVI）与地温（LST）呈显著负相关关系。NDVI与LST呈负相关关系已被多数学者认同[65-66]，但两者之间存在何种函数关系还有争议。潘竟虎等[67]和王伟等[68]认为：两者之间呈显著线性负相关，而张波等[50]认为两者之间呈反“S”形曲线关系。
另外，有学者对NDVI作为定量描述城市热岛效应的指标提出质疑，因为植被受季节影响，NDVI只适用于研究春、夏季城市地表热岛效应[69]，于是有学者开始寻找其他指标来研究城市热岛效应。例如，归一化建筑指数（NDBI）与归一化水汽指数（NDMI）与地温的相关性优于NDVI[69-70]。NDBI与4个季节的地表温度都存在显著线性正相关关系，而且LST与NDBI线性关系的斜率和截距都能很好指示不同季节城市热岛的强度[71]。NDMI与地表温度呈显著负相关关系，而且NDMI与地表温度的相关性也比NDVI强[72]。NDBI与NDMI可以更好地反映不同季节城市热岛效应的强度、空间格局及其随时间的变化，可在地表温度随季节变化的研究中作为一个附加指标对NDVI进行补充，是定量研究城市热岛效应的有效指标。
2.4.2 其他植被指数
与归一化植被指数相比，植被覆盖度（FV）、修正土壤植被指数（MSAVI）、比值植被指数（RVI）、绿度植被指数（GVI）及减化比值植被指数（RSR）的研究相对较少。在这5种植被指数中，植被覆盖度受关注的程度最高。许民等[73]对武威地区的地表温度反演研究中得出，FV每上升0.1，LST下降约3.5 ℃；张晓莉等[74]利用西宁市Landsat遥感影像反演地表温度分析发现，FV每增加0.1，LST下降约1.2 ℃。另外，有学者对减化比值植被指数进行了定量研究。王伟等[68]发现：RSR的有效阈值为0~3.2，当RSR小于3.2时，地表温度随植被覆盖度增加而锐减，当RSR大于3.2时，植被覆盖度继续增加，地表温度却趋于恒定，呈现植被降温效应“饱和”现象。虽然，目前对归一化植被指数的研究最为广泛，但研究发现，它与地表温度的相关性却并不是最理想的。马伟等[75]通过对北京市植被指数对地表温度定量关系研究中发现：NDVI、FV、MSAVI、GVI及RVI均与LST呈负相关关系，其中，FV的相关系数最大，RVI最小；而魏宝成等[63]在研究呼和浩特市不同植被指数与地表温度的定量遥感关系时发现，RVI最高，NDVI次之，FV最小。这些研究表明：地表温度与植被遥感指数之间的关系还需进一步探讨，关于其他植被指数与地表温度之间关系的定量研究亟待开展。
3. 存在的问题与展望
由于计算机与遥感技术的不断发展，在植被对城市热岛效应的影响方面，研究方法与手段都在不断更新与完善，研究的视角与区域尺度也在不断拓展。但综合目前的研究仍存在以下问题：①在大尺度视角下应用遥感技术对植被的热岛效应缓解机理研究集中于降温幅度与植被群落结构、叶面积指数和三维绿量间的相关性方面，此类定性结论虽能在宏观上引导城市规划设计师对热环境营造的关注，但距离指导实际工作尚有很大提升空间。②中小尺度研究基本以城区夏季乔木为主，鲜有考虑常绿乔灌木夏、冬两季的总影响，以及落叶乔灌木季相变化的影响，且描述植被冠体特征的参数偏少，在全面揭示不同种类乔灌木冠体的热辐射影响方面尚有欠缺，需进一步考虑乔灌木的季相变化，以及不同季节日照条件的变化，并补充常用的乔灌木的冠体特征参数，以全面分析植被对建筑热辐射的影响规律。
考虑目前存在的问题，结合相关技术的发展趋势，未来的研究可在以下几个方面展开：①在时间尺度上，进一步考虑乔灌木的季相变化，如常绿与落叶植被等冠体特征参数在不同季节日照变化条件下对建筑群组热环境的影响研究。②在空间尺度上，进一步加强基于传热学原理，研究全季典型日气候条件、不同乔灌木种类、不同种植方式下、墙植距离、墙植方位、建筑方位等参数变化对建筑群组热环境的影响。
-
图 1 不同林龄油松人工林土壤物理性质
不同字母表示不同林龄间差异显著(P＜0.05)
Figure 1 Soil physical properties of Pinus tabulaeformis plantations with different ages
图 2 不同林龄不同土层下油松人工林土壤微生物量碳、微生物量氮质量分数
不同字母表示同一土层不同林龄间差异显著(P < 0.05)
Figure 2 Contents of microbial biomass carbon and nitrogen in the soil under Pinus tabulaeformis plantation with different ages and different soil layers
图 3 不同林龄油松人工林的土壤质量综合指数
不同字母表示不同林龄间差异显著(P < 0.05)
Figure 3 Composite indexof soil quality of Pinus tabulaeformis plantation with different ages
表 1 油松人工林的基本特征
Table 1. Characteristics of Pinus tabulaeformis plantations
样地代号 树种 林龄/a 平均胸径/cm 平均树高/m 林分密度/(株·hm-2) 郁闭度 坡度/(°) P40 油松 40 13.6 14.9 2 780 87.5 15 P60 油松 60 26.7 15.1 1 430 78.2 18 P80 油松 80 36.4 13.8 520 71.7 16 
下载: 导出CSV
表 2 不同林龄油松人工林的土壤化学性状
Table 2. Soil chemical properties of Pinus tabulaeformis plantations with different ages
处理 w全氮/(g·kg-1) 处理 w氨态氮/(mg·kg-1) 0~10 10~20 20~30 cm 0~10 10~20 20~30 cm P40 1.18 ± 0.07 0.76 ± 0.20 0.77 ± 0.08 P40 11.6 ± 3.0 9.4 ± 2.2 10.2 ± 0.9 P60 1.54 ± 0.40 0.96 ± 0.12 0.77 ± 0.13 P60 20.6 ± 8.4 17.2 ± 3.2 14.1 ± 1.8 P80 2.04 ± 0.37 1.06 ± 0.14 0.75 ± 0.15 P80 24.8 ± 3.4 18.2 ± 2.2 17.8 ± 3.3 处理 w有机质/(g·kg-1) 处理 w硝态氮/(mg·kg-1) 0~10 10~20 20~30 cm 0~10 10~20 20~30 cm P40 17.72 ± 2.79 11.29 ± 2.48 11.00 ± 2.83 P40 17.0 ± 2.7 13.7 ± 3.5 17.4 ± 4.4 P60 27.95 ± 2.48 16.03 ± 2.77 13.00 ± 2.07 P60 16.6 ± 3.3 21.5 ± 8.9 22.5 ± 3.0 P80 28.86 ± 4.45 14.55 ± 2.02 9.08 ± 2.29 P80 23.5 ± 6.8 23.6 ± 4.6 30.1 ± 8.4 处理 w速效钾/(mg·kg-1) 处理 w有效磷/(mg·kg-1) 0~10 10~20 20~30 cm 0~10 10~20 20~30 cm P40 227 ± 56 171 ± 62 164 ± 6 P40 2.6±0.5 2.8±0.5 2.0±0.4 P60 244 ± 15 171 ± 15 169 ± 71 P60 3.4±0.1 3.4±0.4 2.9±0.6 P80 297 ± 26 201 ± 22 208 ± 66 P80 5.4 ± 1.3 2.6±0.6 3.0±0.8
下载: 导出CSV
表 3 不同土壤养分指标间的相关系数
Table 3. Correlation coefficient between different soil nutrients
项目 全氮 有机质 铵态氮 硝态氮 速效磷 速效钾 微生物量氮 微生物量碳 全氮 1 有机质 0.899** 1 铵态氮 0.661** 0.591** 1 硝态氮 -0.151 -0.319 -0.442** 1 速效磷 0.623** 0.435** 0.377* 0.163 1 速效钾 0.652** 0.600** 0.534** -0.287 0.504** 1 微生物量氮 0.827** 0.702** 0.635** -0.028 0.538** 0.494** 1 微生物量碳 0.747** 0.763** 0.433** -0.054 0.359* 0.483** 0.786** 1 说明: *和**表示差异分别达到5%和1%显著性水平
下载: 导出CSV
表 4 不同因子载荷、权重、特征根和方差贡献率
Table 4. Factor load, weight, characteristic root and variance contribution rate
土壤指标 主成分旋转因子载荷 权重 1 2 3 4 全氮 0.80 0.48 0.15 -0.19 0.100 铵态氮 0.46 0.44 0.57 -0.08 0.071 有机质 0.82 0.26 0.29 -0.26 0.103 硝态氮 -0.03 0.08 -0.93 0.18 0.116 速效钾 0.27 0.87 -0.22 -0.14 0.109 速效磷 0.35 0.67 0.38 -0.05 0.084 微生物量氮 0.84 0.35 0.02 0.01 0.105 微生物量碳 0.94 0.10 0.02 0.02 0.118 土壤含水率 0.60 0.48 0.36 -0.29 0.075 土壤容重 -0.10 -0.13 -0.18 0.95 0.119 特征根 2.367 1.198 0.936 0.806 方差贡献率/% 0.560 0.144 0.088 0.065 累计贡献率/% 0.560 0.704 0.792 0.857
下载: 导出CSV
-
[1] MAO Dingming, MIN Yiwei, YU Liaolan, et al. Effect of afforestation on microbial biomass and activity in soils of tropical China[J]. Soil Biol Biochem, 1992, 24(9):865-872. [2] KARLEN D L, MAUSBACH M J, DORAN J W, et al. Soil quality:a concept, definition, and framework for evaluation[J]. Soil Sci Soc Am J, 1997, 61(1):4-10. [3] BADIANE N N Y, CHOTTE J L, PATE E, et al. Use of soil enzymes to monitor soil quality in natural and improved fallows in semi-arid tropical regions[J]. Appl Soil Ecol, 2001, 18(3):229-238. [4] 张贞, 魏朝富, 高明, 等.土壤质量评价方法进展[J].土壤通报, 2006, 37(5):999-1006. ZHANG Zhen, WEI Chaofu, GAO Ming, et al. Assessment methods for soil quality:a review[J]. Chin J Soil Sci, 2006, 37(5):999-1006. [5] 赵娜, 孟平, 张劲松, 等.华北低丘山地不同退耕年限刺槐人工林土壤质量评价[J].应用生态学报, 2014, 25(2):351-358. ZHAO Na, MENG Ping, ZHANG Jinsong, et al. Soil quality assessment of Robinia psedudoacia plantations with various ages in the Grain-for-Green Program in hilly area of North China[J]. Chin J Appl Ecol, 2014, 25(2):351-358. [6] 张连金, 赖光辉, 孙长忠, 等.北京九龙山土壤质量综合评价[J].森林与环境学报, 2016, 36(1):22-29. ZHANG Lianjin, LAI Guanghui, SUN Changzhong, et al. Comprehensive evaluation of soil quality fertility in Jiulong Mountain, Beijing[J]. J For Environ, 2016, 36(1):22-29. [7] 赵建诚, 范少辉, 余林, 等.不同密度毛竹林土壤质量综合评价[J].林业科学, 2015, 51(10):1-9. ZHAO Jiancheng, FAN Shaohui, YÜ Lin, et al. Comprehensive evaluation of soil quality in Phyllostachys edulis stands of different stocking densities[J]. Sci Silv Sin, 2015, 51(10):1-9. [8] 李婕羚, 李朝婵, 胡继伟, 等.典型喀斯特山区无籽刺梨基地土壤质量评价[J].水土保持研究, 2017, 24(1):54-60. LI Jieling, LI Chaochan, HU Jiwei, et al. Soil quality assessment of Rosa sterilis S. D. Shi planting bases in typical karst mountain region of Guizhou, China[J]. Res Soil Water Conserv, 2017, 24(1):54-60. [9] 张子龙, 王文全, 缪作清, 等.主成分分析在三七连作土壤质量综合评价中的应用[J].生态学杂志, 2013, 32(6):1636-1644. ZHANG Zilong, WANG Wenquan, MIAO Zuoqing, et al. Application of principal component analysis in comprehensive assessment of soil quality under Panax notoginseng continuous planting[J]. Chin J Ecol, 2013, 32(6):1636-1644. [10] 刘占锋, 傅伯杰, 刘国华, 等.土壤质量与土壤质量指标及其评价[J].生态学报, 2006, 26(3):901-913. LIU Zhanfeng, FU Bojie, LIU Guohua, et al. Soil quality:concept, indicators and its assessment[J]. Acta Ecol Sin, 2006, 26(3):901-913. [11] 陈云明, 梁一民, 程积民.黄土高原林草植被建设的地带性特征[J].植物生态学报, 2002, 26(3):339-345. CHEN Yunming, LIANG Yimin, CHENG Jimin. The zonal character of vegetation construction on loess plateau[J], Acta Phytoecol Sin, 2002, 26(3):339-345. [12] 闫一凡, 刘建立, 张佳宝.耕地地力评价方法及模型分析[J].农业工程学报, 2014, 30(5):204-210. YAN Yifan, LIU Jianli, ZHANG Jiabao. Evaluation method and model analysis for productivity of cultivated land[J]. Trans Chin Soc Agric Eng, 2014, 30(5):204-210. [13] 胡丰青, 郝萌萌, 王济, 等.土壤质量模糊综合评价权重确定方法探讨[J].环境科学与技术, 2013, 36(6L):355-360. HU Fengqing, HAO Mengmeng, WANG Ji, et al. Discussing on determination to weights in fuzzy comprehensive evaluation of soil quality[J]. Environ Sci Technol, 2013, 36(6L):355-360. [14] 刘广明, 吕真真, 杨劲松, 等.基于主成分分析及GIS的环渤海区域土壤质量评价[J].排灌机械工程学报, 2015, 33(1):67-72. LIU Guangming, LÜ Zhenzhen, YANG Jingsong, et al. Quality evaluation of soil in land along Bohai Sea Coast by principal component analysis and GIS[J]. J Drain Irrig Mach Eng, 2015, 33(1):67-72. [15] 赵伟红, 康峰峰, 韩海荣, 等.冀北辽河源地区不同林龄油松天然次生林土壤理化特征的研究[J].西北林学院学报, 2014, 29(3):1-8. ZHAO Weihong, KANG Fengfeng, HAN Hairong, et al. Physicochemical properties of the soils of Pinus tabueformis natural secondary stands with different ages in Liaoheyuan area of northern Hebei[J]. J Northwest For Univ, 2014, 29(3):1-8. [16] 周萍, 刘国彬, 文安邦, 等.黄土丘陵区不同林龄乔灌林地土壤水分及持水性能研究[J].水土保持研究, 2010, 17(1):188-193. ZHOU Ping, LIU Guobin, WEN Anbang, et al. Study on characters of soil water content and water conservation of arbor andshrub lands with different forest ages in the Loess Hilly-gullied Region[J]. Res Soil Water Conserv, 2010, 17(1):188-193. [17] 陈雪, 马履一, 贾忠奎, 等.影响油松人工林土壤质量的关键指标[J].中南林业科技大学学报, 2012, 32(8):46-51. CHEN Xue, MA Lüyi, JIA Zhongkui, et al. Study of key indexes affecting soil quality in Pinus tabulaeformis plantations[J]. J Centr South Univ For Technol, 2012, 32(8):46-51. [18] 王洪岩, 王文杰, 邱岭, 等.兴安落叶松林生物量、地表枯落物量及土壤有机碳储量随林分生长的变化差异[J].生态学报, 2012, 32(3):833-843. WANG Hongyan, WANG Wenjie, QIU ling, et al. Differences in biomasslitter layer mass and SOC storage changing with treegrowth in Larix gmelinii plantations in Northeast China[J]. Acta Ecol Sin, 2012, 32(3):833-843. [19] 葛晓改, 肖文发, 曾立雄, 等.不同林龄马尾松凋落物基质质量与土壤养分的关系[J].生态学报, 2012, 32(3):852-862. GE Xiaogai, XIAO Wenfa, ZENG Lixiong, et al. Relationships between litter substrate quality and soil nutrients in different-aged Pinus massoniana stands[J]. Acta Ecol Sin, 2012, 32(3):852-862. [20] 孙娇, 赵发珠, 韩新辉, 等.不同林龄刺槐林土壤团聚体化学计量特征及其与土壤养分的关系[J].生态学报, 2016, 36(21):6879-6888. SUN Jiao, ZHAO Fazhu, HAN Xinhui, et al. Ecological stoichiometry of soil aggregates and relationship with soil nutrients of different-aged Robinia pseudoacacia forests[J]. Acta Ecol Sin, 2016, 36(21):6879-6888. [21] 涂玉, 尤业明, 孙建新.油松-辽东栎混交林地表凋落物与氮添加对土壤微生物生物量碳、氮及其活性的影响[J].应用生态学报, 2012, 23(9):2325-2331. TU Yu, YOU Yeming, SUN Jianxin. Effects of forest floor litter and nitrogen addition on soil microbial biomass C and N and microbial activity in a mixed Pinus tabulaeformis and Quercus liaotungensis forest stand in Shanxi Province of China[J]. Chin J Appl Ecol, 2012, 23(9):2325-2331. [22] 杨凯, 朱教君, 张金鑫, 等.不同林龄落叶松人工林土壤微生物生物量碳氮的季节变化[J].生态学报, 2009, 29(10):5500-5507. YANG Kai, ZHU Jiaojun, ZHANG Jinxin, et al. Seasonal dynamics of soil microbial biomass C and N in two larch plantation forests with different ages in Northeastern China[J]. Acta Ecol Sin, 2009, 29(10):5500-5507. [23] 金发会, 李世清, 卢红玲, 等.石灰性土壤微生物量碳、氮与土壤颗粒组成和氮矿化势的关系[J].应用生态学报, 2007, 18(12):2739-2746. JIN Fahui, LI Shiqing, LU Hongling, et al. Relationships of microbial biomass carbon and nitrogen with particle composition and nitrogen mineralization potential in calcareous soil[J]. Chin J Appl Ecol, 2007, 18(12):2739-2746. [24] 安然, 龚吉蕊, 尤鑫, 等.不同龄级速生杨人工林土壤微生物数量与养分动态变化[J].植物生态学报, 2011, 35(4):389-401. AN Ran, GONG Jirui, YOU Xin, et al. Seasonal dynamics of soil microorganisms and soil nutrients in fast-growing populus plantation forests of different ages in Yili, Xinjiang, China[J]. Chin J Plant Ecol, 2011, 35(4):389-401. [25] 时伟伟, 彭晚霞, 宋同清, 等.不同林龄尾巨桉人工林土壤养分与微生物的耦合关系[J].西北植物学报, 2013, 33(7):1452-1458. SHI Weiwei, PENG Wanxia, SONG Tongqing, et al. Coupling relationships between soil microbe and soil nutrient in Eucalyptus mrophylla×E. grandis plantation at different stand ages[J]. Acta Bot Boreal-Occident Sin, 2013, 33(7):1452-1458. [26] MILLER F P, WALI M K. Soils, land use and sustainable agriculture:a review[J]. Can J Soil Sci, 1995, 75(4):413-422. [27] 李俊清, 王业蘧.天然林内红松种群数量变化的波动性[J].生态学杂志, 1986, 5(5):1-5. LI Junqing, WANG Yeju. Wave features of population changes of Pinus koraiensis in natural forest[J]. Chin J Ecol, 1986, 5(5):1-5. [28] 戴全厚, 薛萐, 刘国彬, 等.侵蚀环境撂荒地植被恢复与土壤质量的协同效应[J].中国农业科学, 2008, 41(5):1390-1399. DAI Quanhou, XUE Sha, LIU Guobin, et al. The synergistic effect between vegetation recovery and soil quality on abandoned arable land in eroded hilly Loess Plateau[J]. Sci Agric Sin, 2008, 41(5):1390-1399. -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2019.03.020
点击查看大图
计量
- 文章访问数: 3492
- HTML全文浏览量: 819
- PDF下载量: 60
- 被引次数: 0
