-
立地因子是影响树木生长发育的环境因子,包括气候、地形和土壤等[1−2]。在一定气候区内,森林的差异主要受地形、土壤等因子的影响[3]。林木更新是指林木在时间、空间尺度上的延续、发展和演替[4],对恢复森林生态系统、维持生物多样性具有重要意义[5],同时也是推动森林演替发展的重要驱动因子[6]。林木天然更新是一个受到诸多因素影响的复杂过程,除了受到林木自身的遗传学和生态学特征[7]影响外,林分结构[8]、地形因子[9]、土壤因子[10]和环境干扰[11]等对林木更新也产生重要影响。地形和土壤作为影响林木生长的两大重要立地因子,通过影响林分内的水热状况和土壤养分等对林木更新产生显著影响,在林木更新过程中的作用不容忽视[12]。黄朗等[13]在研究湖南栎类天然次生林时,发现海拔与湖南亮叶水青冈Fagus lucida、多脉青冈Quercus multinervis混交林幼树密度具有显著的正相关性。DYDERSKI等[14]研究认为:较低pH的土壤有利于挪威云杉Picea asperata幼苗密度的增加。
亚热带针阔混交林是由针叶林向常绿阔叶林过渡的一种森林植被类型,是亚热带常绿阔叶林次生演替过程中一个重要环节[15]。亚热带针阔混交林在浙闽丘陵一带广泛分布,无论是在调节气候、涵养水源等生态效益方面,还是在林产品供给、生态旅游等社会经济效益方面都有着巨大的价值[16],但目前对亚热带针阔混交林林木天然更新影响因子的研究较少。杨娟等[17]在对卧龙自然保护区针阔混交林林隙更新规律的研究中发现:土壤因子是影响优势树种天然更新和更新物种多样性的潜在因素,但并未分析土壤中各种养分及地形对林木更新的作用。本研究以浙江天目山国家级自然保护区的针阔混交林为研究对象,采用Spearman 相关性分析、单因素方差分析和线性回归模型,分析亚热带针阔混交林林木更新与地形、土壤因子之间的关系,为亚热带针阔混交林的经营管理提供理论依据。
-
浙江天目山国家级自然保护区地处浙江省杭州市临安区,30°18′30″~30°24′55″N, 119°23′47″~119°28′27″E。该区气候类型为典型亚热带季风气候,年平均气温为8.8~14.8 ℃,最冷月平均气温为2.6~3.4 ℃,最热月平均气温为19.9~28.1 ℃,无霜期为209.0~235.0 d,气候温和。受海洋暖湿气流影响,降水充足,年降水量为1 390.0~1 870.0 mm,形成浙江西北部的多雨中心。山体土壤随海拔升高由亚热带红壤向温带黄壤过渡。森林类型丰富,是中国亚热带高等植物较丰富的地区[18]。
-
2006年,在研究区选择具有代表性的地段,设置100 m×100 m的针阔混交林固定样地,用相邻格子法将样地分为100个10 m×10 m的网格单元。在每一网格单元内,对样地内胸径<5 cm的林木进行每木检尺,记录树种并测定胸径、树高、冠幅等,并采用激光对中全站仪(徕卡 TCR702Xrange)测量林木空间坐标(x, y, z)。自2006年设置样地开始,每隔5 a对该样地进行1次复查。本研究采用2021年复查数据进行分析。
-
采用网格单元中更新树种总株数和更新树种种数表示样地林木更新的物种多样性水平。
-
采用重要值分析法筛选样地优势树种[19]。
-
根据激光对中全站仪所测量得到的网格单元顶点坐标(x, y, z),计算网格单元的坡度、坡向、粗糙度[20−21]。根据样地内地形因子的数据,将各地形因子按表1标准进行分级[22]。
分级 坡度/(°) 坡向/(°) 海拔/m 粗糙度/m Ⅰ ≥50 >202.5(西南坡) ≥680(高海拔) ≥6 Ⅱ 40~50 157.5~202.5(南坡) 650~680(中高海拔) 4~6 Ⅲ 30~40 112.5~157.5(东南坡) 620~650(中海拔) 2~4 Ⅳ <30 <112.5(东坡) <620(低海拔) <2 说明:表中数值范围采用上限排除法。 Table 1. Classification criteria for each terrain factor
-
土壤因子包括土壤pH以及有机质、碱解氮、速效钾和有效磷质量分数5项指标。土壤pH采用复合电极法测定,有机质质量分数采用重铬酸钾容量法测定,碱解氮质量分数采用碱解扩散法测定,速效钾质量分数采用乙酸铵提取火焰光度计法测定,有效磷质量分数采用硫酸-高氯酸消煮法测定[23]。根据样地内各土壤因子的数据分布情况,将各土壤因子按表2标准进行分级。
分级 pH 有机质质量分数/(g·kg−1) 碱解氮质量分数/(mg·kg−1) 有效磷质量分数/(mg·kg−1) 速效钾质量分数/(mg·kg−1) Ⅰ ≥5.5(弱酸) ≥200 ≥300 ≥20 ≥200 Ⅱ 5.0~5.5(酸) 100~200 200~300 10~20 150~200 Ⅲ <5.0(强酸) 50~100 100~200 5~10 <150 Ⅳ − <50 <100 <5 − 说明:表中数值范围采用上限排除法。−表示无此项。 Table 2. Classification criteria for each soil factor
-
分别以2个林木更新指标为因变量,以地形因子和土壤因子为自变量,构建全地形因子模型、全土壤因子模型以及全地形因子和全土壤因子的综合模型。具体构建的线性回归方程为:
其中:y表示更新树种总株数或更新树种种数;k1和k2取值为0或1;ai为回归系数(i=0,1,…,9);xi为变量(i=1,2,3,4,5时,变量为土壤因子,依次为土壤pH以及有机质、碱解氮、有效磷、速效钾质量分数;i=6,7,8,9时,变量为地形因子,依次为坡度、坡向、粗糙度、海拔);ɛ为残差。
-
采用Excel 2023对调查数据进行预处理,计算林分更新指标;利用Origin 2018绘制单元网格更新树种三维堆积图;利用SPSS 26对立地变量和林木更新因子进行正态性检验,其中更新树种总株数、更新树种种数、土壤pH、坡度、坡向、海拔以及土壤速效钾、有效磷质量分数满足正态分布,有机质、碱解氮质量分数以及地表粗糙度不满足正态分布;利用Spearman相关性分析和单因素方差分析方法分析不同地形、土壤因子等级下,样地林木更新指标的差异性;利用SPSS 26对林木更新因子构建线性回归模型。
-
通过样地更新调查,统计出更新林木共计2 991株,79个树种。筛选重要值大于2的树种为优势树种,其中阔叶树种9种,重要值占78.02%;针叶树种1种,重要值占2.78% (表3)。
树种 株数/株 株数占比/% 重要值 树种 株数/株 株数占比/% 重要值 连蕊茶Camellia fraterna 1462 48.87 35.55 榧树Torreya grandis 41 1.37 2.78 青冈Cyclobalanopsis glauca 495 16.54 15.98 山胡椒Lindera glauca 63 2.10 2.77 短尾柯Lithocarpus brevicaudatus 209 6.98 7.34 柃木Eurya japonica 46 1.53 2.28 小叶青冈Cyclobalanopsis myrsinifolia 121 4.04 5.92 豹皮樟Litsea coreana 34 1.13 2.19 润楠Machilus pingii 68 2.27 3.11 优势树种总计 2 603 87.03 80.82 马银花Rhododendron ovatum 64 2.13 2.86 Table 3. Main dominant species in the sample plot
对每一网格单元的林木更新情况进行统计,得到了单元网格树种更新的三维堆积图(图1)。可见,不同网格单元林木更新情况差异较大,其中连蕊茶、青冈等优势树种广泛分布在样地中。
-
因部分变量并不符合正态分布,故对各指标进行Spearman相关分析(表4)。结果表明:更新树种总株数与土壤速效钾呈现极显著负相关(P<0.01),与海拔呈现极显著正相关(P<0.01);更新树种种数与土壤速效钾呈现极显著负相关(P<0.01),与土壤有机质呈现显著负相关(P<0.05)。说明土壤因子和地形因子影响林木更新。
指标 S Nu pH SOM N P K Sl As SR A S 1 Nu 0.407** 1 pH 0.027 0.087 1 SOM 0.003 −0.235* −0.445** 1 N 0.001 −0.180 −0.462** 0.774** 1 P −0.168 −0.115 −0.650** 0.365** 0.412** 1 K −0.336** −0.258** −0.300** 0.531** 0.579** 0.462** 1 Sl 0.180 0.040 −0.156 0.090 −0.041 −0.004 -0.112 1 As 0.165 0.046 0.096 −0.123 −0.194 −0.146 -0.191 0.071 1 SR 0.113 −0.046 0.034 0.196 0.181 −0.143 0.065 0.102 0.146 1 A 0.551** −0.013 0.093 0.406** 0.335** −0.203* −0.087 0.187 0.017 0.327** 1 说明:*. P<0.05; **. P<0.01。S. 更新树种总株数; Nu. 更新树种种数; pH. 土壤酸碱度; SOM. 土壤有机质; N. 土壤碱解氮; P. 土壤有效磷; K. 土壤速效钾; Sl. 坡度; As. 坡向; SR. 粗糙度; A. 海拔。 Table 4. Correlation analysis
-
因更新树种总株数和更新树种种数均为正态数据,故本研究采用单因素方差分析方法进行地形因子对林木更新因子影响的差异性分析。
对不同坡度等级的林木更新情况进行差异性分析。结果显示:不同坡度等级的更新树种总株数的差异不显著(图2A),说明坡度对更新树种总株数的影响较小。不同坡度等级的更新树种种数具有显著差异(P<0.05,图2B)。其中,Ⅱ级坡度的更新树种种数与Ⅰ级坡度和Ⅳ级坡度的更新树种种数间均存在显著差异(P<0.05),表明坡度影响林木更新的种数。随着坡度的增加,更新树种种数先增加再减少。
Figure 2. Impact of terrain factors on the total number of renewed tree species and the number of renewed tree species
对不同坡向指数的林木更新情况进行单因素方差分析。结果表明:不同坡向指数的更新树种总株数具有显著差异(P<0.05,图2A)。其中,西南坡的更新树种总株数与南坡、东南坡和东坡均间存在显著差异(P<0.05),表明坡向指数影响林木更新总株数,西南坡的更新树种总数显著高于南坡、东南坡和东坡。不同坡度指数的更新树种种数差异均不显著(图2B),说明坡向指数对更新树种种数影响较小。
对不同海拔和粗糙度等级的林木更新情况进行单因素方差分析。结果表明:海拔和粗糙度指标对更新树种总株数和更新树种种数均没有显著的影响。
-
因林木更新因子均为正态性数据,故利用单因素方差分析法分析土壤因子对林木更新因子的影响。对不同有机质等级土壤的林木更新情况进行单因素方差分析。结果显示:不同有机质等级土壤的更新树种总株数均不显著(图3A),表明有机质对林木更新树种总株数无显著影响。不同有机质等级的林木更新种种数存在显著差异(图3B),其中Ⅲ级更新树种种数与Ⅰ级和Ⅱ级间均存在显著差异(P<0.05),这表明有机质影响林木更新的更新树种种数。随着有机质等级的增大,更新树种种数逐渐减小。
Figure 3. The impact of soil factors on the total number of renewed tree species and the number of renewed tree species
对不同速效钾等级土壤的林木更新情况进行单因素方差分析。结果显示:不同速效钾等级的更新树种总株数存在显著差异(图3A),其中Ⅰ级更新树种总株数与Ⅱ级和Ⅲ级间均存在显著差异(P<0.05),这表明速效钾显著影响林木更新树种总株数。随着速效钾等级的增大,更新树种的总株数逐渐减小。不同速效钾等级的更新树种种数差异不显著(图3B),说明速效钾对更新树种种数无显著性影响。
对不同土壤pH、碱解氮、有效磷等级的林木更新情况进行单因素方差分析。结果表明:土壤pH、碱解氮、有效磷指标对更新树种总株数和更新树种种数均没有显著影响。
-
分别以更新树种总株数和更新树种种数为因变量,以地形因子和土壤因子为自变量构建回归模型(表5)。
回归参数 更新树种总株数 更新树种种数 模型1 模型2 模型3 模型4 模型5 模型6 a0 62.073 −180.728 −135.979 10.657 4.338 7.142 a1 −2.937 −8.725 −0.260 −0.182 a2 0.025 −0.061 −0.011 −0.012 a3 0.040 0.010 0.004 0.004 a4 −0.209 0.302 0.015 0.016 a5 −0.143** −0.071* −0.013 −0.013 a6 0.145 0.109 0.009 a7 0.050 0.030 0.002 −0.001 a8 −1.083 −0.150 0.004 −0.083 a9 0.318** 0.339** −0.245 0.004 决定系数(R2) 0.186 0.362 0.475 0.111 0.004 0.116 调整后决定系数 0.142 0.336 0.422 0.064 0.020 0.027 F 4.290** 13.501** 9.032** 2.359* 0.491 1.306 说明:a0为回归方程截距,a1、a2、a3、a4、a5、a6、a7、a8、a9分别为回归方程中土壤pH、有机质、碱解氮、有效磷、速效钾、坡度、坡向、粗糙度、海拔项的回归系数。*. P<0.05;**. P<0.01。 Table 5. Result of the regression model
以更新树种总株数为因变量的模型中,比较模型1和模型3,发现含有地形因子的模型比不含地形因子的模型拟合精度高,且模型中速效钾指标的回归系数均呈现显著负相关(P<0.05),说明速效钾会显著抑制林木更新树种总株数;比较模型2和模型3,发现含有土壤因子的模型比不含土壤因子的模型拟合精度高,且海拔的回归系数均呈现极显著正相关(P<0.01),说明海拔显著正向影响林木更新的更新树种总株数。含有土壤与地形因子的模型3拟合度最好,可以较好地解释更新树种总株数47.5%的变化原因,说明地形因子海拔和土壤因子速效钾是影响林木更新树种总株数的主要因子。
以更新树种种数为因变量的模型中,仅有模型4的F检验显著,但拟合度不高,无显著自变量,故本组线性回归模型无统计意义。以平均胸径为因变量的模型中,由于F检验均不显著,故所建模型无统计意义。
Impact of site factors on forest regeneration in Mount Tianmu mixed coniferous and broad-leaved forests
doi: 10.11833/j.issn.2095-0756.20230446
- Received Date: 2023-08-25
- Accepted Date: 2023-12-23
- Rev Recd Date: 2023-12-07
- Available Online: 2024-05-22
- Publish Date: 2024-05-22
-
Key words:
- forest regeneration /
- terrain factor /
- soil factor /
- one-way variance analysis /
- regression analysis /
- Mount Tianmu
Abstract:
Citation: | YE Zilin, DOU Xiaowen, TANG Mengping. Impact of site factors on forest regeneration in Mount Tianmu mixed coniferous and broad-leaved forests[J]. Journal of Zhejiang A&F University, 2024, 41(3): 557-567. doi: 10.11833/j.issn.2095-0756.20230446 |