-
土壤是社会生态和自然系统中最有价值的自然资源之一[1]。土壤化学性质是衡量土壤质量的关键标准，影响林木和土壤微生物的生长和发育，为其提供有效的营养元素[2−3]。森林土壤在很大程度上决定了森林结构和功能[4] 。火是森林最重要的干扰之一，影响着植被和土壤[5−8]。全球气候变化背景下，极端高温和干旱导致全球尤其是北方森林火干扰的频率、强度和燃烧面积大幅增加[9−11]。计划烧除是林火管理的有效手段之一[11] ，在预防森林大火的同时，也影响着植被和土壤[12−21]。研究表明：计划烧除在一定程度上改变了森林土壤理化性质[12−17]，尤其是土壤养分元素[18−25] ，且其效果受植被类型和烧除间隔时间等因素的影响[19−25]。如间隔周期为2 a的计划烧除使得澳大利亚昆士兰岛东南部森林土壤全碳、全氮分别降低了48%、59%，而间隔周期为4 a的计划烧除对亚热带土壤碳氮库的影响不显著[14] 。
云南松Pinus yunnanensis林分布区历来是中国林火频发和高火险区域[22]，也是中国计划烧除主要实施区域[23−25]。计划烧除在一定程度上影响着云南松林土壤的理化性质[26−27]。田荣等[26]分析了每年连续计划烧除对滇中云南松林土壤养分元素的影响，表明烧除2周后云南松林烧除样地0~20 cm土层土壤有机碳、全氮和全磷显著低于未烧除样地，0~10 cm 土层土壤pH、硝态氮、全钾、速效磷和速效钾显著高于未烧除样地，然而烧除后间隔时间对云南松林土壤的影响尚不明确。本研究以云南省玉溪市新平彝族傣族自治县照壁山云南松林为研究对象，分别在连续实施计划烧除后1和3 a样地及其相应的对照(未烧除)样地采集0~10和10~20 cm土层土壤，测定其pH和碳、氮、磷、钾质量分数，探讨计划烧除及烧除后间隔时间对滇中云南松林土壤养分的影响。本研究可以为该区制定科学合理的计划烧除方案，预防森林大火并维持或提高云南松林生态功能提供参考。
-
研究区位于滇中高原玉溪市新平彝族傣族自治县照壁山。照壁山地处亚热带高原季风区南北部过渡带，年平均降水量为1 050.0 mm，年平均最高气温为 32.0 ℃，年平均最低气温为 1.0 ℃ ，年平均气温为 15.1 ℃。照壁山的土壤类型为红壤，主要植被类型为云南松林，该林分为20 世纪七八十年代经飞播造林、疏伐管理后形成的云南松林。灌木植物主要有金叶子Craibiodendron stellatum、珍珠花Lyonia ovalifolia、羊耳菊Duhaldea cappa、乌鸦果Vaccinium fragile和麻栎Quercus acutissima。草本植物主要有四脉金茅Eulalia quadrinervis、刺芒野古草Arundinella setosa、白健杆Eulalia pallens、黄背草Themeda triandra、十字薹草Carex cruciata和野拔子Elsholtzia rugulosa。研究区自2016年开始每年1—2月开展低强度计划烧除，2020和2021年中止了2 a，2022年2月再次实施低强度计划烧除，为本研究探讨不同计划烧除间隔时间对森林土壤的影响提供了条件。
-
计划烧除(轻度火烧)对土壤的影响仅限于表层土壤[2, 28]。本研究分别在2020年1月和2022年1月对烧除间隔1 a (T1)和烧除间隔3 a (T2)样地进行2次野外取样，每次取样分别设置7个烧除样地和7个对照样地(未实施过计划烧除，分别设对照1和对照2)。所有样地均为阳坡中坡位，每个样地包括3个10 m×10 m样方，相邻样方间距为50~200 m，共计84个样方。测量并记录每个10 m×10 m样方内的乔木高度和胸径，每个样方按照梅花形设置5个2 m×2 m的小样方记录灌木高度和盖度，5个1 m×1 m的小样方记录草本高度和盖度，并在每个1 m×1 m的小样方内分层(0~10、10~20 cm)采集土壤样品，合计采集土样168个。土样采集完成后立即带回实验室置于通风处风干。样地基本情况见表1。
表 1 样地基本信息
Table 1. Basic information of sample plots
样地类型 海拔/m 郁闭度 密度/(株·hm−2) 乔木高度/m 乔木胸径/cm 灌木高度/cm 灌木盖度/% 草本高度/cm 草本盖度/% T1 2 064.91±50.82 0.35±0.34 1162.50±529.69 13.67±0.47 15.50±1.93 38.82±11.90 4.06±3.60 38.72±4.28 6.14±2.00 对照1 2 118.42±48.14 0.40±0.12 1228.57±318.32 14.00±0.54 15.71±2.47 64.27±22.28 13.86±8.04 53.72±15.43 6.69±4.04 T2 2 015.30±32.91 0.40±0.06 1163.64±430.16 8.93±2.74 18.11±7.36 51.55±45.69 2.85±2.43 22.38±5.39 7.85±3.03 对照2 2 067.09±41.93 0.45±0.06 1240.00±372.02 9.40±2.33 18.71±6.30 99.35±43.03 21.03±13.87 23.25±9.25 9.40±4.68 说明：数据为平均值±标准差。 -
土壤样品风干后，通过20目土壤筛测定土壤pH，通过60目土壤筛测定土壤碳、氮、磷、钾4种元素的质量分数。土壤pH采用玻璃电极法测定(水土质量比为2.5∶1.0)；土壤全碳(TC)质量分数采用燃烧-红外吸收光谱法；土壤有机碳(SOC)质量分数采用全碳分析仪测定；土壤全氮(TN) 质量分数采用微量凯氏定氮法测定；土壤碱解氮(AN) 质量分数采用连续流动分析仪(BRAN and LUEBBE AA3)测定；土壤有效磷(AP) 质量分数采用紫外可见分光光度计法测定；土壤速效钾(AK) 质量分数采用醋酸铵-火焰光度计法测定；根据全碳和全氮计算出碳氮比(C/N)。
-
采用单因素方差分析法(ANOVA)分析烧除对云南松林土壤碳、氮、磷和钾4种元素化学计量的影响，采用Spearman相关系数分析土壤养分质量分数之间及其可能影响因子的关系；采用主成分分析(PCA)探讨烧除间隔时间对土壤养分质量分数的影响；采用多因素方差分析(MANOVA)解释海拔、计划烧除、烧除间隔时间和土层深度及其交互作用对土壤养分质量分数的影响。数据统计分析和作图均采用R 4.2.3软件完成。
-
单因素方差分析表明：烧除后间隔时间对土壤pH和养分元素质量分数的影响有差异。与对照相比，T1样地0~10和10~20 cm土层的土壤pH均无显著差异，T2样地2个土层土壤pH分别极显著增加了9.42%和6.67% (图1A~B，P＜0.01)；T1和T2样地0~10和10~20 cm土层的土壤全碳、有机碳、全氮、碱解氮无显著变化(图1C~J)，T2 样地0~10 cm土层土壤碳氮比变化不明显，T2样地10~20 cm土层土壤碳氮比显著增加了14.55% (P＜0.05，图1K~L)；与对照相比，T1样地0~10和10~20 cm土层土壤有效磷和速效钾质量分数均无显著差异，T2样地0~10 cm土层土壤有效磷质量分数减少了37.28% (P＜0.05)，0~10和10~20 cm土层土壤速效钾质量分数分别显著增加了82.23%和37.11% (P＜0.05，图1M~P)。
图 1 计划烧除对土壤pH、全碳、有机碳、全氮、碱解氮、有效磷、速效钾和碳氮比的影响
Figure 1. Effects of prescribed burning on soil pH, total carbon, organic carbon, total nitrogen, available nitrogen, available phosphorus, available potassium, and carbon-nitrogen ratio
-
土壤pH和养分元素质量分数受海拔、计划烧除、烧除后间隔时间和土层深度等因素的影响，且土壤养分元素之间存在一定的相关性(图2)。 Spearman相关系数表明：各土壤养分元素之间及其与土壤pH均呈显著正相关(P＜0.05)，与土层深度显著负相关(P＜0.05)。
图 2 土壤pH、养分元素及潜在影响因子之间相关性
Figure 2. Relations among soil pH, nutrient and potential influencing factors
土壤各养分元素质量分数与计划烧除、植被特征、海拔、土层深度等可能影响因子的相关性有较大差异。土壤全碳和土壤有机碳仅与土层深度显著负相关(P＜0.05)；土壤全氮与海拔显著正相关(P＜0.05)，与土层深度显著负相关(P＜0.05)；土壤碱解氮与烧除后间隔时间显著正相关(P＜0.05)，与土层深度显著负相关(P＜0.05)；土壤速效钾与计划烧除和烧除后间隔时间显著正相关(P＜0.05)，与土层深度显著负相关(P＜0.05)；土壤有效磷与土层深度显著负相关(P＜0.05)。
土壤pH与乔木高度和密度、灌草层的高度和盖度、土层深度和海拔均呈负相关，与计划烧除和烧除后间隔时间呈正相关，但仅与灌木层植物高度和盖度、草本层高度、计划烧除、烧除后间隔时间和土层深度6个因素的相关性显著(P＜0.05)。
-
主成分分析表明：前2个轴分别解释了总方差的49.10%和19.60% (图3)，土壤全碳、有机碳、全氮、碱解氮、速效钾和土层深度解释了大部分方差(表2)。土壤全碳、有机碳、全氮、碱解氮、土层深度和速效钾主要解释了第1轴的变化，烧除间隔时间、土壤全碳、土壤有机碳、土壤碱解氮、土壤有效磷与第1轴呈正相关关系，土层深度与第1轴呈负相关关系；计划烧除、海拔、烧除间隔时间和土壤碳氮比主要解释了第2轴的变化，烧除间隔时间和土层深度与第2轴存在正相关关系，土壤全碳、有机碳、碱解氮和有效磷与第2轴呈负相关关系。主成分分析同样表明：T1样地与对照样地的土壤养分质量分数几乎无差异，T2样地与对照样地的土壤养分元素质量分数有较大差异。
图 3 主成分分析结果
Figure 3. Results of PCA
表 2 主成分分析前2轴各变量贡献率
Table 2. Contribution rates of variables on the first two axes of PCA
排序轴 贡献率/% 烧除后间隔时间 土层深度 pH 全碳 有机碳 全氮 碱解氮 有效磷 速效钾 碳氮比 PCA1 1.12 12.20 5.37 15.88 15.52 12.77 12.33 8.38 9.75 6.38 PCA2 15.70 0.90 7.58 0.27 0.96 6.36 0.65 2.58 2.66 9.91 -
多因素方差分析表明：计划烧除、土层深度和海拔及其交互作用对于土壤各养分元素的相对贡献有差异(表3)。土壤全碳受土层深度和烧除间隔时间的影响显著，相对贡献分别为52.80%和3.78%；土壤有机碳受土层深度和海拔及其交互作用的影响显著，其相对贡献分别为74.38%、17.62%和8.00%；土壤全氮受土层深度、海拔、烧除后间隔时间、土层深度和海拔的交互作用、烧除后间隔时间和土层深度的交互作用的影响显著，其相对贡献分别为63.37%、23.13%、1.66%、10.33%和1.51%；土壤碱解氮的显著影响因子为土层深度和烧除后间隔时间，其相对贡献分别为86.34%和17.33%；土壤有效磷的显著影响因子为海拔、土层深度、烧除后间隔时间和计划烧除，相对贡献分别为52.41%、26.77%、4.78%和2.04%，且计划烧除和土层深度及烧除后间隔时间和土层深度交互作用的影响也显著(相对贡献分别为1.91%和0.95%)；土壤速效钾受土层深度和计划烧除的影响显著，相对贡献分别为71.37%和26.21%；土壤pH的显著影响因子为海拔、计划烧除、土层深度和烧除后间隔时间，相对贡献分别为52.94%、17.82%、16.07%和6.73%，因子间交互作用不明显；土壤碳氮比受烧除后间隔时间、土层深度和计划烧除的影响显著，相对贡献分别为49.67%、35.28%和13.03%，因子间交互作用不明显。
表 3 土壤养分元素主要影响因子的相对贡献
Table 3. Relative contributions of major influencing factors of soil nutrient elements
指标 相对贡献/% 计划烧除 烧除后间隔时间 土层深度 海拔 烧除后间隔时间与土层
深度交互作用土层深度与海拔
相交互作用计划烧除与土层
深度交互作用全碳 − 3.89** 52.80*** − − − − 有机碳 − − 74.38** 17.62*** − 8.00* − 全氮 − 1.66** 63.37*** 23.13** 1.51** 10.33* − 碱解氮 − 17.33*** 86.34*** − − − − 有效磷 2.04* 4.78** 26.77*** 52.41* 0.95* − 1.91* 速效钾 26.21*** − 71.37*** − − − − pH 17.82*** 6.73** 16.07*** 52.94* − − − 碳氮比 13.03*** 49.67*** 35.28*** − − − − 说明：仅列出了影响显著的各因子及其交互作用的相对贡献。−表示无显著交互作用，*表示交互作用显著(P＜0.05)，**表示交互作用极显著(P＜0.01)，***表示交互作用极其显著(P＜0.001)。 -
轻度火烧对土壤的影响仅限于表层土壤[2, 26, 28−30]。本研究中计划烧除为轻度火烧，故而仅分析0~20 cm土层土壤养分元素化学计量特征对烧除的响应。本研究中云南松林实施计划烧除区域，每年烧除样地0~20 cm土层土壤pH无显著变化，而NEILL等[16]的研究表明：每年烧除显著增加了美国东北部松栎混交林土壤pH，这可能是土壤质地差异引起的。间隔3 a烧除样地0~10和10~20 cm土层土壤pH分别增加了0.46和0.32，与计划烧除对西班牙东北部松栎混交林表层土壤pH的影响相似[17]。土壤pH约0.50的差异就会影响酸性土壤养分可用性和周转[31−32]。本研究中烧除间隔1 a样地和间隔3 a样地土壤pH的变化可能不会引起养分可利用性和周转的变化。
本研究表明计划烧除间隔1 a对云南松林0~20 cm土层土壤碳、氮、磷质量分数无显著影响，这与计划烧除对美国东北部松栎混交林0~20 cm土层土壤碳、氮、磷质量分数的影响结果一致[16]，但FRANCOS等[17]计划烧除显著降低了西班牙东北部松-栎混交林表层0~2.5 cm土壤碳和氮质量分数，这可能是土层深度差异造成的。本研究土壤养分质量分数与土层深度显著相关。研究区0~10和10~20 cm土层土壤碳氮比均有增加，烧除间隔3 a样地10~20 cm土层显著增加，这与NEILL等[16]和FRANCOS等[17]的研究结论相似。FRANCOS等[17]表明火后土壤碳氮比立即增加，且火后13 a碳氮比仍处于增加的状态。研究区烧除后间隔1 a样地0~10和10~20 cm土层土壤速效钾均无显著变化，间隔3 a样地0~10和10~20 cm土层的土壤速效钾均显著增加，这与ALCAÑIZ等[33]的结论相似。西班牙加泰罗尼亚森林实施计划烧除后，土壤速效钾立即增加，火后1 a土壤速效钾略有下降，火后9 a呈现增加。田荣等[26]研究表明：每年连续烧除实施半个月后，滇中云南松林土壤有机碳、全氮和有效磷显著降低，硝态氮、土壤全钾和速效钾显著增加。本研究表明：烧除1 a后云南松林土壤全碳、有机碳、全氮、碱解氮和有效磷质量分数与未烧除样地均无显著差异。
计划烧除对森林土壤养分元素和pH的影响受火烧烈度、烧除后间隔时间、气候、植被类型、海拔、土壤性质等多种因素的综合作用[34]。本研究中云南松林0~20 cm土层土壤养分元素的变化受烧除后间隔时间的影响较大。今后，将继续对研究区云南松林土壤碳、氮、磷、钾质量分数进行长期监测，综合考虑气象因素、植物生长和地形特征对计划烧除样地土壤物理和化学性质的影响，以便制定科学合理的计划烧除方案，达到既预防森林大火又能维持森林生态效益的目的。
-
本研究以云南省新平彝族傣族自治县照壁山云南松林计划烧除实施区域为例，揭示了计划烧除及烧除间隔时间对滇中云南松林土壤养分元素化学计量特征的影响。得出以下结论：计划烧除对研究区云南松林 0~20 cm土壤碳、氮、磷、钾各元素质量分数的影响受烧除后间隔时间、土层深度和海拔等因素的共同影响；相对于烧除后间隔1 a，研究区0~20 cm土层土壤各养分元素化学计量特征对烧除后间隔3 a的响应更敏感；计划烧除对土壤有效磷、土壤速效钾、土壤碳氮比和土壤pH影响显著，土壤pH与烧除后间隔时间、灌木层植物高度和盖度等因素显著相关；土壤全碳、全氮、碱解氮、速效钾、有效磷和碳氮比均与烧除后间隔时间显著相关，烧除后间隔时间是影响土壤碳氮比的最大因子，但对土壤全碳、全氮和有效磷的相对贡献均不足5%；乔灌草等植被因子与0~20 cm土层土壤碳、氮、磷、钾各养分元素化学计量特征相关性均不显著；海拔是土壤有机碳、全氮、有效磷和pH的显著影响因子，对土壤有效磷和pH的影响最大，土层深度是土壤全碳、有机碳、全氮、碱解氮和速效钾的影响最大的因子，计划烧除、烧除后间隔时间和海拔对土壤养分元素的影响均受土层深度的影响。
Effect of prescribed burning on soil nutrient content of Pinus yunnanensis forest in central Yunnan Province
-
摘要:
目的 探究计划烧除及其时间间隔对云南松Pinus yunnanensis林土壤碳氮磷钾化学计量特征的影响。 方法 以滇中地区玉溪市新平彝族傣族自治县照壁山云南松林为研究对象，分别在未烧除样地(对照)、连续每年实施计划烧除后间隔1 a样地(T1)和间隔3 a样地(T2)，分层采集0~10和10~20 cm土层土壤，测定土壤碳、氮、磷、钾4种养分元素质量分数，采用方差分析、Spearman相关分析和主成分分析(PCA)探究计划烧除后不同间隔时间对滇中云南松林土壤化学计量特征的影响。 结果 与对照样地相比，T1样地的2个土层土壤pH均无显著变化，T2样地的2个土层土壤pH均极显著增加(P＜0.01)；T1和T2样地2个土层的土壤总碳、有机碳、总氮、碱解氮质量分数均无显著差异，T2样地的0~10 cm土层土壤有效磷质量分数显著降低(P＜0.05)，2个土层的土壤速效钾质量分数均显著增加(P＜0.05)，土壤碳氮比仅在T2样地10~20 cm土层显著增加(P＜0.05)。 结论 计划烧除对研究区土壤养分质量分数的影响受烧除间隔时间和土层深度等因素的共同影响，2种烧除后间隔时间均对研究区云南松林土壤碳氮质量分数无显著影响，但对土壤pH、碳氮比、有效磷和速效钾有显著影响。图3表3参34 Abstract:Objective This study aims to analyze the impact of evaluate prescribed burning and intervals on soil chemical stoichiometry of carbon (C), nitrogen (N), phosphorus (P), and potassium (K) in Pinus yunnanensis forest. Method The study object was P. yunnanensis forest in Xinping Zhaobi Mountain, Yuxi in central Yunnan Province. Soil samples of 0 − 10 and 10 − 20 cm soil layers were collected separately from unburned plots (control), plots of 1 year after prescribed burning (T1) and plots of 3 years after prescribed burning (T2), respectively, and the mass fractions of soil C, N, P, and K were measured. The impact of prescribed burning on soil stoichiometry in P. yunnanensis forest was studied. Analysis of variance (ANOVA), Spearman’s correlation analysis and principal component analysis (PCA) were used to investigate the effects of different burning intervals on the soil stoichiometry. Result Compared with the control, there was no significant change in soil pH in both soil layers (0 − 10 and 10 − 20 cm) of T1 plot, while there was a significant increase in soil pH in both layers of T2 plot (P＜0.01). In the 0 − 10 and 10 − 20 cm soil layers of T1 and T2 plots, there was no significant variation in total carbon (TC), organic carbon (SOC), total nitrogen (TN), and hydrolysable nitrogen (AN). The available phosphorus (AP) in the 0 − 10 cm soil layer of T2 plot significantly decreased (P＜0.05), while the available potassium (AK) in both soil layers significantly increased (P＜0.05). The soil carbon-to-nitrogen (C/N) ratio significantly increased only in the 10 − 20 cm soil layer of T2 plot (P＜0.05). Conclusion The impact of the prescribed burning on the quality fraction of soil nutrients in the study area is influenced by such as factors burning interval and soil depth. Both interval time after prescribed burning has no significant impact on C and N contents of soil in P. yunnanensis forest. However, burning has a larger effect on soil pH, C/N ratio, AP, and AK. [Ch, 3 fig. 3 tab. 34 ref.] -
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 计划烧除对土壤pH、全碳、有机碳、全氮、碱解氮、有效磷、速效钾和碳氮比的影响
Figure 1 Effects of prescribed burning on soil pH, total carbon, organic carbon, total nitrogen, available nitrogen, available phosphorus, available potassium, and carbon-nitrogen ratio
图 2 土壤pH、养分元素及潜在影响因子之间相关性
Figure 2 Relations among soil pH, nutrient and potential influencing factors
表 1 样地基本信息
Table 1. Basic information of sample plots
样地类型 海拔/m 郁闭度 密度/(株·hm−2) 乔木高度/m 乔木胸径/cm 灌木高度/cm 灌木盖度/% 草本高度/cm 草本盖度/% T1 2 064.91±50.82 0.35±0.34 1162.50±529.69 13.67±0.47 15.50±1.93 38.82±11.90 4.06±3.60 38.72±4.28 6.14±2.00 对照1 2 118.42±48.14 0.40±0.12 1228.57±318.32 14.00±0.54 15.71±2.47 64.27±22.28 13.86±8.04 53.72±15.43 6.69±4.04 T2 2 015.30±32.91 0.40±0.06 1163.64±430.16 8.93±2.74 18.11±7.36 51.55±45.69 2.85±2.43 22.38±5.39 7.85±3.03 对照2 2 067.09±41.93 0.45±0.06 1240.00±372.02 9.40±2.33 18.71±6.30 99.35±43.03 21.03±13.87 23.25±9.25 9.40±4.68 说明：数据为平均值±标准差。 
下载: 导出CSV
表 2 主成分分析前2轴各变量贡献率
Table 2. Contribution rates of variables on the first two axes of PCA
排序轴 贡献率/% 烧除后间隔时间 土层深度 pH 全碳 有机碳 全氮 碱解氮 有效磷 速效钾 碳氮比 PCA1 1.12 12.20 5.37 15.88 15.52 12.77 12.33 8.38 9.75 6.38 PCA2 15.70 0.90 7.58 0.27 0.96 6.36 0.65 2.58 2.66 9.91
下载: 导出CSV
表 3 土壤养分元素主要影响因子的相对贡献
Table 3. Relative contributions of major influencing factors of soil nutrient elements
指标 相对贡献/% 计划烧除 烧除后间隔时间 土层深度 海拔 烧除后间隔时间与土层
深度交互作用土层深度与海拔
相交互作用计划烧除与土层
深度交互作用全碳 − 3.89** 52.80*** − − − − 有机碳 − − 74.38** 17.62*** − 8.00* − 全氮 − 1.66** 63.37*** 23.13** 1.51** 10.33* − 碱解氮 − 17.33*** 86.34*** − − − − 有效磷 2.04* 4.78** 26.77*** 52.41* 0.95* − 1.91* 速效钾 26.21*** − 71.37*** − − − − pH 17.82*** 6.73** 16.07*** 52.94* − − − 碳氮比 13.03*** 49.67*** 35.28*** − − − − 说明：仅列出了影响显著的各因子及其交互作用的相对贡献。−表示无显著交互作用，*表示交互作用显著(P＜0.05)，**表示交互作用极显著(P＜0.01)，***表示交互作用极其显著(P＜0.001)。
下载: 导出CSV
-
[1] ALCAÑIZ M, OUTEIRO L, FRANCOS M, et al. Effects of prescribed fires on soil properties: a review [J]. Science of the Total Environment, 2018, 613: 944 − 957. [2] LIU Kezhen, SHU Lifu, HE Cheng. Effects of prescribed fire on meadow soil chemical properties in Nanwenghe Nature Reserve [J/OL]. Sustainability, 2022, 14(16): 9984[2023-06-20]. doi: 10.3390/su14169984. [3] 孙龙, 窦旭, 胡同欣. 林火对森林生态系统碳氮磷生态化学计量特征影响研究进展[J]. 南京林业大学学报(自然科学版), 2021, 45(2): 1 − 9. SUN Long, DOU Xu, HU Tongxin. Research progress on the effects of forest fire on forest ecosystem C-N-P ecological stoichiometry characteristics [J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2021, 45(2): 1 − 9. [4] HE Tianhua, LAMONT B B, PAUSAS J G. Fire as a key driver of Earth’s biodiversity [J]. Biological Reviews, 2019, 94(6): 1983 − 2010. [5] ZAMUDIO D A C, GUERRA B R, VÁZQUEZ J L A, et al. Trends in global and Mexico research in wildfires: a bibliometric perspective [J]. Open Journal of Forestry, 2023, 13(2): 182 − 199. [6] ABRAM N J, HENLEY B J, GUPTA A S, et al. Connections of climate change and variability to large and extreme forest fires in southeast Australia [J/OL]. Communications Earth & Environment, 2021, 2(1): 8[2023-06-30]. doi: 10.1038/s43247-020-00065-8. [7] RICHARDSON D, BLACK A S, IRVING D, et al. Global increase in wildfire potential from compound fire weather and drought [J/OL]. NPJ Climate and Atmospheric Science, 2022, 5(1): 23[2023-06-30]. doi: 10.1038/s41612-022-00248-4. [8] RODRIGUES M, Camprubí À C, BALAGUER-ROMANO R, et al. Drivers and implications of the extreme 2022 wildfire season in southwest Europe [J/OL]. Science of the Total Environment, 2023, 859: 160320[2023-06-30]. doi: 10.1016/j.scitotenv.2022.160320. [9] RITTER S, MORICI K, STEVENS-RUMANN C. Efficacy of prescribed fire as a fuel reduction treatment in the Colorado Front Range [J]. Canadian Journal of Forest Research, 2023, 53(6): 455 − 462. [10] KEMP K B, HIGUERA P E, MORGAN P. Fire legacies impact conifer regeneration across environmental gradients in the US northern Rockies [J]. Landscape Ecology, 2016, 31(3): 619 − 636. [11] BENNETT L T, APONTE C, BAKER T G, et al. Evaluating long-term effects of prescribed fire regimes on carbon stocks in a temperate eucalypt forest [J]. Forest Ecology and Management, 2014, 328: 219 − 228. [12] PELLEGRINI A F A, AHLSTRÖM A, HOBBIE S E, et al. Fire frequency drives decadal changes in soil carbon and nitrogen and ecosystem productivity [J]. Nature, 2018, 553(7687): 194 − 198. [13] MAYER M, PRESCOTT C E, ABAKER W E A, et al. Tamm review: influence of forest management activities on soil organic carbon stocks: a knowledge synthesis [J/OL]. Forest Ecology and Management, 2020, 466: 118127[2023-06-30]. doi: 10.1016/j.foreco.2020.118127. [14] MUQADDAS B, ZHOU Xiaoqi, LEWIS T, et al. Long-term frequent prescribed fire decreases surface soil carbon and nitrogen pools in a wet sclerophyll forest of southeast Queensland, Australia [J]. Science of the Total Environment, 2015, 536: 39 − 47. [15] HINOJOSA M B, ALBERT-BELDA E, GOMEZ-MUNOZ B, et al. High fire frequency reduces soil fertility underneath woody plant canopies of Mediterranean ecosystems [J/OL]. Science of the Total Environment, 2021, 752: 141877[2023-06-30]. doi: 10.1016/j.scitotenv.2020.141877. [16] NEILL C, PATTERSON Ⅲ W A, CRARY JR D W. Responses of soil carbon, nitrogen and cations to the frequency and seasonality of prescribed burning in a Cape Cod oak-pine forest [J]. Forest Ecology and Management, 2007, 250(3): 234 − 243. [17] FRANCOS M, STEFANUTO E B, ÚBEDA X, et al. Long-term impact of prescribed fire on soil chemical properties in a wildland-urban interface, northeastern Iberian Peninsula [J]. Science of the Total Environment, 2019, 689: 305 − 311. [18] PATHAK K, NATH A J, SILESHI G W, et al. Annual burning enhances biomass production and nutrient cycling in degraded Imperata grasslands [J]. Land Degradation &Development, 2017, 28(5): 1763 − 1771. [19] ALFARO-LERANOZ A, BADIA-VILLAS D, MARTI-DALMAU C, et al. Long-term evolution of shrub prescribed burning effects on topsoil organic matter and biological activity in the Central Pyrenees (NE-Spain) [J/OL]. Science of the Total Environment, 2023, 888: 163994[2023-06-30]. doi: 10.1016/j.scitotenv.2023.163994. [20] FAJARDO-CANTOS Á, PEÑA E, de LAS HERAS J, et al. Short-term recovery of soil and pine tree canopy after late prescribed burning in a semi-arid landscape [J/OL]. Science of the Total Environment, 2023, 855: 159044[2023-06-30]. doi: 10.1016/j.scitotenv.2022.159044. [21] BINKLEY D, RICHTER D, DAVID M B, et al. Soil chemistry in a loblolly/longleaf pine forest with interval burning [J]. Ecological Applications, 1992, 2(2): 157 − 164. [22] TIAN Xiaorui, ZHAO Fengjun, SHU Lifu, et al. Distribution characteristics and the influence factors of forest fires in China [J]. Forest Ecology and Management, 2013, 310: 460 − 467. [23] 王劲, 张文文, 王秋华, 等. 云南松林下计划烧除的火行为特征[J]. 浙江农林大学学报, 2023, 40(4): 828 − 835. WANG Jin, ZHANG Wenwen, WANG Qiuhua, et al. Characteristics of fire behavior in prescribed burning under Pinus yunnanensis forest [J]. Journal of Zhejiang A&F University, 2023, 40(4): 828 − 835. [24] 杨馥羽, 陈奇伯, 黎建强, 等. 计划烧除对云南松林土壤抗蚀和抗冲性的影响[J]. 浙江农林大学学报, 2023, 40(1): 188 − 197. YANG Fuyu, CHEN Qibo, LI Jianqiang, et al. Effect of prescribed burning on soil anti-erodibility and anti-scourability of Pinus yunnanensis forest [J]. Journal of Zhejiang A&F University, 2023, 40(1): 188 − 197. [25] 王秋华, 单保君, 龚家平, 等. 滇中地区云南松纯林计划烧除研究[J]. 江西农业大学学报, 2018, 40(2): 235 − 240. WANG Qiuhua, SHAN Baojun, GONG Jiaping, et al. A study on prescribed burning in pure forest of Pinus yunnanensis franch in central Yunnan Province [J]. Acta Agriculturae Universitatis Jiangxiensis, 2018, 40(2): 235 − 240. [26] 田荣, 陈奇伯, 黎建强, 等. 计划烧除对云南松林土壤理化性质及可蚀性的影响[J]. 西北林学院学报, 2021, 36(2): 11 − 16. TIAN Rong, CHEN Qibo, LI Jianqiang, et al. Effect of prescribed burning on soil physicochemical properties and erodibility in Pinus yunnanensis forests [J]. Journal of Northwest Forestry University, 2021, 36(2): 11 − 16. [27] 付钇珊, 黎建强, 陈奇伯, 等. 计划烧除对云南松林土壤碳组分及碳库管理指数的影响[J]. 西北林学院学报, 2023, 38(4): 197 − 206. FU Yishan, LI Jianqiang, CHEN Qibo, et al. Effects of prescribed burning on soil carbon fractions and carbon pool management index in Pinus yunnanensis forests [J]. Journal of Northwest Forestry University, 2023, 38(4): 197 − 206. [28] DOU Xu, HU Tongxin, KOSTER K, et al. Temporal dynamics of soil dissolved organic carbon in temperate forest managed by prescribed burning in Northeast China [J/OL]. Environmental Research, 2023, 237: 117065[2023-06-30]. doi: 10.1016/j.envres.2023.117065. [29] SANTORUFO L, MEMOLI V, PANICO S C, et al. Early post-fire changes in properties of Andosols within a Mediterranean area [J/OL]. Geoderma, 2021, 394: 115016[2023-06-30]. doi: 10.1016/j.geoderma.2021.115016. [30] GIRONA-GARCÍA A, BADÍA-VILLAS D, MARTÍ-DALMAU C, et al. Effects of prescribed fire for pasture management on soil organic matter and biological properties: a 1-year study case in the Central Pyrenees [J]. Science of the Total Environment, 2018, 618: 1079 − 1087. [31] QUIGLEY K M, KOLKA R, STURTEVANT B R, et al. Prescribed burn frequency, vegetation cover, and management legacies influence soil fertility: implications for restoration of imperiled pine barrens habitat [J/OL]. Forest Ecology and Management, 2020, 470: 118163[2023-06-30]. doi: 10.1016/j.foreco.2020.118163. [32] HATTEN J, LILES G. A ‘healthy’ balance-the role of physical and chemical properties in maintaining forest soil function in a changing world [J]. Developments in Soil Science, 2019, 36: 373 − 396. [33] ALCAÑIZ M, OUTEIRO L, FRANCOS M, et al. Long-term dynamics of soil chemical properties after a prescribed fire in a Mediterranean forest (Montgrí Massif, Catalonia, Spain) [J]. Science of the Total Environment, 2016, 572: 1329 − 1335. [34] WANG Qingkui, ZHONG Micai, WANG Silong. A meta-analysis on the response of microbial biomass, dissolved organic matter, respiration, and N mineralization in mineral soil to fire in forest ecosystems [J]. Forest Ecology and Management, 2012, 271: 91 − 97. -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20230417
点击查看大图
计量
- 文章访问数: 252
- HTML全文浏览量: 43
- PDF下载量: 10
- 被引次数: 0
