太岳山油松人工林林下植被生物量影響因子分析

張彥雷，康峰峰，韓海榮，程小琴，周 彬，李 勇，劉 可，尹學哲

(北京林業(yè)大學 林學院 省部共建森林培育與保護教育部重點實驗室，北京100083)

太岳山油松人工林林下植被生物量影響因子分析

張彥雷，康峰峰，韓海榮，程小琴，周 彬，李 勇，劉 可，尹學哲

(北京林業(yè)大學 林學院 省部共建森林培育與保護教育部重點實驗室，北京100083)

通過調(diào)查和分析油松林下植被物種組成特征及生物量，運用灰色關聯(lián)分析、主成分分析和系統(tǒng)聚類方法，研究了各影響因子不同梯度水平下林下生物量所呈現(xiàn)的分布規(guī)律。結果顯示：油松人工林林下草本生物量大于灌木生物量，草本層植被生物量為0.339 8～1.322 9t·hm-2，灌木層生物量為0.018 1～0.289 2t·hm-2；加權后的關聯(lián)度與原始關聯(lián)度排序大致相同，關聯(lián)性最為密切的因子同為林分均高、林分胸徑及林齡，但加權后各單因子關聯(lián)度數(shù)值間差異性增加；以樣地作為各單因子聚合的系統(tǒng)進行聚類，樣地劃分為4個類型，分類結果可反映林下生物量的分布格局。

油松人工林；林下植被；生物量；影響因子；灰色關聯(lián)分析；山西省沁源縣

林下植被包括草本、灌木等植物，是森林垂直結構中的一個重要組成，在改善林地立地條件、促進水土保持和固碳釋氧等方面有重要的指示和調(diào)節(jié)功能，并且具有不可替代性[1-3]，同時，立地條件、水文特征與光環(huán)境等因素影響著林下植被中物種的種類、豐富度以及分布情況[4-5]。Thimonier等[6]在研究中指出立地、光、水等因子與地面植被的生長和分布關系密切。林分結構對林下植被的影響是多方面的，胸徑、樹高、林分密度反映了喬木層和灌草層對水分和養(yǎng)分競爭的利害關系，林分隙數(shù)反映了喬木層對林下光環(huán)境的影響[7]；林下植被的生長和分布也同樣與土壤性質關系密切[8-9]。土壤有機質方面反映了土壤為林下植被提供營養(yǎng)物質水平情況。坡度影響著林地水分分布，進而對林下生物量產(chǎn)生影響[10]；根據(jù)徐惠風等[11]的相關研究表明，地上植被生物量與土壤有機質含量無顯著線性關系，但存在空間差異性，表層土壤有機質與林下植被生物量呈現(xiàn)一定的負相關性。

林下植被成為森林生態(tài)系統(tǒng)研究探討的重要話題[12-13]。但是現(xiàn)階段研究林下植被生物量時，從多因子角度出發(fā)研究的文章較少[14]?；疑到y(tǒng)理論闡述了灰色關聯(lián)度分析的思想，以探究系統(tǒng)內(nèi)各個因子之間的數(shù)值關系，進而得出各因子與參比量的關聯(lián)性程度，是一種簡潔、方便的方法，實用性較大[15-16]。本研究借助灰色關聯(lián)分析、主成分分析和SPSS18.0系統(tǒng)分類功能，綜合考慮林齡、林分密度、平均胸徑、平均樹高、林分隙數(shù)、坡度及土壤有機質，對油松人工林林下生物量影響因子進行粗淺的探討。

1 材料與方法

1.1 研究地概況

研究地點設在山西省沁源縣交口鎮(zhèn)宋家溝油松人工林內(nèi)，地處東經(jīng) 112°15'～112°33'，北緯36°31'～36°44'，地屬暖溫帶大陸性季風氣候，年降水量約為650mm，境內(nèi)多山地和丘陵。喬木主要樹種為油松Pinus tabulaeformis人工林，以幼齡林和中齡林為主。灌木植被主要有胡枝子Lespedeza bicolor、茅 梅Rubus parvifolius和黃刺玫Rosa xanthina等；草本主要有苔草Carex tristachya、小紅菊Dendranthema chanetii和羊胡子草Carex rigescena等。

1.2 研究方法

在宋家溝設置15塊20m×30m樣地，用于油松人工林林下生物量的研究，樣地內(nèi)林齡分布范圍為22～42a。(1)在樣地中布置5個2m×2m的小樣方，呈“品”字分布，用全挖的方法對樣方內(nèi)的灌木植被地上、地下部分進行生物量的測定；在2m×2m的樣方內(nèi)設置1m×1m的小樣方，用全挖的方法對草本層的地上和地下生物量進行測定。所采集樣品在85℃的烘箱內(nèi)烘干至恒質量，對植被干物質量進行測定。(2)通過資料查閱和樣地每木檢尺，用于林齡、平均樹高、平均胸徑和林分密度的統(tǒng)計；利用冠層分析儀(WinSCANOPY 2010a)對林分隙數(shù)進行統(tǒng)計。利用坡度測量儀對樣地的坡度進行測定。(3)對0～20cm的土層，取100g左右的土壤用于土壤有機質(重鉻酸鉀-水合加熱法)的測定。在本研究中，林下植被生物量為草本生物量和灌木生物量之和。

預算會計支出類科目“投資支出”與增設的預算會計收入類科目“投資預算收入”在核算口徑上相互對稱，前者核算取得貨幣資金投資的實際支付成本，后者核算貨幣資金投資成本的收回，更貼切地體現(xiàn)預算會計收付實現(xiàn)制的核算基礎，更清晰地反映貨幣資金投資的資金運動軌跡。

林下植被重要值：V=(D+C+F)/3。式中：V為重要值；D為相對密度；C為相對蓋度；F為相對頻度。

根據(jù)灰色關聯(lián)分析計算方法，以林下植被總體生物量作為參比數(shù)列X0；X1，林齡；X2，林分密度；X3，林分胸徑；X4，林分均高；X5，林分隙數(shù)；X6，坡度；X7，土壤有機質。各因子歸一化處理結果見表3。本研究中判別系數(shù)P取0.3，經(jīng)計算得出各因子與林下植被生物量關聯(lián)度值(見表4)。

林下生物量影響因子權重計算：(1)選取本研究林下生物量影響因子(見表1)，利用SPSS18.0軟件進行主成分分析，選取特征根大于1的主成分；(2)根據(jù)因子得分矩陣及特征根,得出非標準化主成分因子得分表達式；(3)根據(jù)各主成分貢獻率所占比例，得出綜合得分表達式；(4)得出各因子權重Wi，即各因子所對應系數(shù)的絕對值。

系統(tǒng)分類：利用SPSS18.0軟件分析功能中“系統(tǒng)分類”選項，聚類方法選擇“組間聯(lián)接”，度量標準選擇“平方歐式距離”，標準化選擇“Z得分”，對樣地類型進行劃分。

2 結果與分析

2.1 林下植被種類組成特征

由表4可知，在原始關聯(lián)度排序中平均胸徑(R3=0.647 8)＞林齡(R1=0.638 3)＞平均樹高(R4=0.632 4)＞林分隙數(shù)(R5=0.592 0)＞土壤有機質(R7=0.566 2)＞坡度(R6=0.515 3)＞林分密度(R2=0.507 7)，林分隙數(shù)成為影響林下植被生物量的最主要的因子。通過SPSS軟件，對林下植被生物量影響因子進行主成分分析，結果表明：在特征根大于1的前提下，前三個主成分的累積貢獻值為80.5％，特征根分別為4.233 2和1.400 1。根據(jù)因子得分表可以得出每個因子的得分表達式，結合特征根值和每個因子的貢獻值，得出綜合因子得分表達式F=0.379 0X1-0.227 0X2+0.399 3X3+0.412 6X4-0.155 5X5-0.157 4X6-0.229 6X7，各因子所對應系數(shù)絕對值即是因子的權重。結合原始關聯(lián)度，得出加權關聯(lián)度(R′)(見表4)。由表4可知，加權后的關聯(lián)度與原始關聯(lián)度排序結果相似，但各因子數(shù)值間差異性增大。

依據(jù)聚合系數(shù)(19.98、10.62、10.25、8.35、5.96、4.28、4.15、4.02、2.23、1.99、1.41、0.94、0.76、0.46)，將樣地劃分為四類效果較好。同時，結合表2、表5可知，樣地劃分為四類能較好地反映林下植被生物量的分布格局。結合表4中各影響因子排序結果(＞0.100 0)分析：在第一類型中，林分均高為8.5m，林分胸徑為11.86cm，林齡為38a，有機質為18.1g/kg，林分密度為1 962株·hm-2；第二類型中，樹高均值為11.8m，胸徑均值為15.00cm，林齡均值為42a，有機質為15.2g/kg，林分密度為1 711株·hm-2；第三類型中，樹高均值為5.9m，胸徑均值為7.73cm，林齡均值為21a，有機質為19.4g/kg，林分密度為3 069株·hm-2；第四類型中，樹高均值為6.0m，胸徑均值為7.11cm，林齡均值為22a，有機質為20.8g/kg，林分密度為5 612 株·hm-2。

從表1可知，在所調(diào)查樣地內(nèi)主要草本植被有苔草、小紅菊、羊胡子草、白蓮蒿和大油芒，其中苔草分布較為廣泛，重要值最大，且與其他草本植被之間差異較大；其次為小紅菊、羊胡子草和白蓮蒿等。灌木植被主要有胡枝子、茅莓、黃刺玫和五味子等，胡枝子分布較為廣泛，重要值為0.346 6％，遠大于其他灌木類型重要值；其次為茅梅、黃刺玫和五味子等。草本主要分布有莎科Cyperaceae、菊科 Compositae、禾本科 Gramineae、茜草科 Rubiaceae、薔薇科Rosaceae、桔?？艭ampanulaceae；灌木主要分布有豆科Leguminosae、薔薇科Rosaceae、木蘭科Magnoliaceae、蘿藦科 Asclepiadaceae、鼠李科Rhamnaceae和忍冬科Caprifoliaceae。在研究地域，林下植被多樣性：Simpson指數(shù)為0.77，Shannon-Wiener指數(shù)為2.70。

麗晶公司采用了美國聯(lián)邦最高法院(以下簡稱最高法院)一百多年前的邁爾斯案中不予支持的轉售價格維持的定價方式。盡管從地區(qū)法院到巡回法院均已敗訴，但為了捍衛(wèi)自己的商業(yè)模式，麗晶公司上訴到了最高法院。在麗晶公司的定價策略中處于核心地位的是轉售價格維持。它意味著在經(jīng)銷商層面取消價格折扣。從表面上看，取消折扣是反競爭的，畢竟折扣有利于消費者。麗晶公司必須說服法庭減少折扣能夠增進消費者福利，它最終獲得了成功，最高法院以5:4的微弱比例判決麗晶公司勝訴。

表1 林下主要植被種類Table 1 Main species of undergrowth vegetation

2.2 林下植被生物量特征

統(tǒng)計結果表明：在所調(diào)查的樣地內(nèi)，林下草本分布相對均勻，總量大；灌木分布相對集中，總量較少。草本層的生物量要大于灌木層生物量，結果見表2。

由表2可知，林下植被生物量格局分布如下：林下草本生物量為0.339 8～1.322 9t·hm-2，均值為0.826 7t·hm-2，標準差為0.325 0t·hm-2，其中地上生物量約為59.0％，地下生物量約占41.0％，地上生物量大于地下生物量；林下灌木層生物量為0.018 1～0.289 2t·hm-2，均值為0.157 7t·hm-2，標準差為0.086 5t·hm-2，其中地上部分灌木葉生物量約占整體的18.5％，莖生物量約占20.9％，根部生物量約為60.6％，地下生物量大于地上生物量。林下植被總體生物量約為0.984 4t·hm-2，標準差為0.389 4t·hm-2。在草本層生物量方面，本研究結果要大于安云等[17]在華北土石山區(qū)油松人工林的研究結果(0.530 0t·hm-2)，但小于程小琴等[18]在該地區(qū)38年生油松人工林的研究結果(1.080 0t·hm-2)；在灌木層生物量方面，結果小于安云和程小琴的研究結果(約為1.300 0t·hm-2)。

表2 林下植被生物量Table 2 Biomass of undergrowth vegetation

2.3 林下生物量影響因子灰色關聯(lián)分析

表3 各因子特征值(歸一化)Table 3 Characters of different factors(normalized)

表4 關聯(lián)度排序Table 4 Sequencing of relational degree

通過對15塊樣地中75個灌木和草本樣方的調(diào)查與統(tǒng)計，共統(tǒng)計了60種草本和18種灌木物種?，F(xiàn)按重要值排序前10的林下植被種類進行列舉，具體結果見表1。

樣地調(diào)查中，共統(tǒng)計了60種草本和18種灌木，在統(tǒng)計中苔草和胡枝子成為分布最為廣泛的植被種類，參考相關文獻資料知，植被類型統(tǒng)計情況比較準確。林下植被生長和分布受多因子綜合影響，其載量也會呈現(xiàn)較大的差異性。本文中選取立地條件差異明顯的樣地進行調(diào)查與分析，林下生物量最大值為1.572 0t·hm-2，最小值為0.405 7t·hm-2，均值為0.984 4t·hm-2，標準差為0.389 4t·hm-2，總量與孫繼超[19]在太岳山的相關研究結果相近(0.944 0t·hm-2)。

2.4 林下生物量影響因子系統(tǒng)分類

(1)為驗證本論文提出的SRBM算法預測評分的準確率，就硬聚類算法(K-means聚類算法)、隱語義模型(LFM)、自編碼器(autoencoder)、RBM以及SRBM算法在不同數(shù)據(jù)稀疏情況下準確率進行了分析比較。如圖8所示。

圖1 影響因子樹狀聚類Fig.1 Dendrogram of in fl uence factors

表5 聚類結果Table 5 Clustering results

綜上所述，在保證SPP在螺旋波導中絕熱地傳播時，場分布的旋轉角度的正負只與波導的螺旋方向有關，大小只與演化路徑即螺旋波導的整體的形狀有關，而與局域部分的半徑等幾何參數(shù)、螺旋波導的大小以及波導材料等因素均無關.

3 討 論

1）原位處理池對于滲瀝液氨氮的去除效果很好，最高能達到95%以上，總氮去除率大體上也在50%以上，COD去除效果在30%以上。

根據(jù)油松人工林林下生物量影響因子，即各樣地特征數(shù)值(林齡X1、林分密度X2、林分胸徑X3、林分均高X4、林分隙數(shù)X5、樣地坡度X6及土壤有機質X7)，采用SPSS18.0軟件系統(tǒng)分類方法進行聚類。聚類過程見樹狀聚類圖(見圖1)，聚類結果見表5。本研究選取距離為12，將樣地分為四類。

灰色關聯(lián)分析中，林分均高、平均胸徑和林齡成為與林下生物量聯(lián)系最為密切的因子，而林分密度與林下生物量關聯(lián)度較小，這與González-Hernandés等[20-21]的研究結論一致。王乃江等[22]在運用灰色關聯(lián)分析評價黃土高原主要森林類型自然性時，同時使用了AHP層次分析法作為對關聯(lián)度的修正，使評價結果更加科學合理。本研究選取主成分分析方法，根據(jù)影響林下生物因子數(shù)據(jù)特征，對關聯(lián)度進行加權處理，增加數(shù)據(jù)間的差異性，使得加權后的關聯(lián)度更加符合實際情況。原始關聯(lián)度變異系數(shù)為0.099 2，加權關聯(lián)度變異系數(shù)為0.483 6，可見加權后的關聯(lián)度差異性增加了。本研究共選取7個林下生物量影響因子，如果因子繼續(xù)增加會增加評價關聯(lián)度的模糊性，加權后的關聯(lián)度增加了數(shù)值間的差異性，便于篩選出主要影響因子。

林下植被的生長、分布和生物量的多少，是多因子綜合影響的結果。本研究根據(jù)林下生物量影響因子，將樣地劃分為四個類型，能夠較好地反映林下生物量載量分布，具有較強的實用性和現(xiàn)實指導意義。在本研究中，由于研究區(qū)域客觀條件的限制，只選取了7個參考因子。在今后的相關研究中，可以進一步擴大研究地域尺度，把氣象因子(溫度、濕度、降水、光照)和土壤養(yǎng)分(速效K、速效N、速效P)等相關因子納入關聯(lián)性分析，增加影響因子的類別會使分析結果更加完善與準確。

4 結 論

在研究地域，林下草本生物量約為0.826 7t·hm-2，地上生物量＞地下生物量；林下灌木生物量約為0.157 7t·hm-2，地下生物量＞地上生物量，林下植被總生物量約為0.984 4t·hm-2。

相對來說，印順出家較晚些，也未受過完整的傳統(tǒng)私塾教育，較太虛大師缺少一些中國傳統(tǒng)文人的特質，在接受佛教思想上少有束縛，他認為原始佛教思想和早期大乘思想是最殊勝的，后期的發(fā)展融入了很多外道思想而變質了，特別是中國佛教有了一個本土化的過程，染上了中國思維中的至簡、至圓的消極思想，偏離了佛學本質，所以印順是以印度佛教為本的，和太虛的立場有很大區(qū)別。兩人關于《起信論》的反復爭議就是最好的例子。

關聯(lián)度分析中，加權后的關聯(lián)度與原始關聯(lián)度排序各因子關聯(lián)性排序大致相同，林分均高、林分平均胸徑及林齡成為與林下植被生物量關聯(lián)性最密切的因子。加權關聯(lián)度數(shù)值間差異性增加，便于篩選出主要影響因子。

以樣地作為各單因子集合的系統(tǒng)進行聚類，劃分結果表明，各類型樣地能夠準確反映出林下植被生物量的分布格局。

[1] 楊 昆,管東生.林下植被的生物量分布特征及其作用[J].生態(tài)學雜志,2006,25(10):1252-1256.

[2] 郭 琦,王新杰.不同混交模式杉木人工林林下植被生物量與土壤物理性質研究[J].中南林業(yè)科技大學學報,2014,34(5):70-74.

[3] 李國雷,劉 勇,于海群,等.油松人工林林下植被發(fā)育對油松生長節(jié)律的響應[J].生態(tài)學報,2009,29(03):1264-1275.

[4] Vanderschaaf C L.Estimating understory vegetation response to multi-nutrient fertilization in Douglas- fi r and ponderosa pine stands [J].Journal of Forest Research,2008,13(1):43-51.

[5] Carneiro M,Fabi?o A,Martins M C,et al.Species richness and biomass of understory vegetation ina Eucalyptus globulus Labill.coppice as affected by slash management [J].European Journal of Forest Research,2007,126(4):475-480.

[6] Thimonier A,Kull P,KellerW,et al.Ground vegetation monitoring in Swiss forests:comparison of survey methods and implications for trend assessments [J].Environmental Monitoring and Assessment,2011,174(1-4):47-63.

[7] Fernández M E,Gyenge J E,Salda G D,et al.Silvopastoral systems in northwestern Patagonia I:growth and photosynthesis of Stipa speciosa under different levels of Pinus ponderosa cover [J].Agroforestry Systems,2002,55(1):27-35.

[8] 高英旭,劉紅民,劉 洋,等.海州露天礦排土層不同林分土壤理化性質對植被生物量的影響[J].中南林業(yè)科技大學學報,2014,34(1):78-83.

[9] Baba M,Abe S,Kasai M,et al.Contribution of understory vegetation to minimizing nitrate leaching ina Japanese cedar plantation [J].Journal of Forest Research,2011,16(6):446-455.

[10] 李 萍,朱清科,劉中奇,等.半干旱黃土區(qū)地上生物量對立地因子的響應[J].中國水土保持科學,2012,10(2):50-54.

[11] 徐惠風,劉興土,陳景文.長白山區(qū)溝谷沼澤濕地烏拉苔草(Carex meyeriana)地上生物量與土壤有機質和氮素相關性分析[J].農(nóng)業(yè)環(huán)境科學學報,2007,26(1):356- 359.

[12] Son Y,Lee Y Y,Jun Y C,et al.Light availability and understory vegetation four years after thinning ina Larix leptolepis plantation of central Korea [J].Journal of Forest Research,2004,9(2):133-139.

[13] 楊 超,田大倫,胡日利,等.連栽杉木林林下植被生物量動態(tài)格局[J].生態(tài)學報,2011,31(10):2737-2747.

[14] 劉鳳嬌,孫玉軍.林下植被生物量研究進展[J].世界林業(yè)研究,2011,24(2):53-57.

[15] 李際平,趙春燕,袁曉紅,等.杉闊間物種多樣性影響因子灰色關聯(lián)分析[J].中南林業(yè)科技大學學報,2011,31(10):10-14.

[16] 覃其云,曹繼釗,李 軍,等.馬尾松人工幼林土壤肥力變化及其綜合評價研究[J].中南林業(yè)科技大學學報,2013,33(3):64-69.

[17] 安 云,丁國棟,梁文俊,等.間伐對華北土石山區(qū)油松林生長及其林下植被發(fā)育的影響[J].水土保持研究,2012,19(4):86-90.

[18] 程小琴,韓海榮,康峰峰.山西油松人工林生態(tài)系統(tǒng)生物量、碳積累及其分布[J].生態(tài)學雜志,2012,31(10):2455-2460.

[19] 孫繼超.太岳山油松人工林生物量和碳儲量研究[D].北京：北京林業(yè)大學,2011.

[20] González-Hernandés Mp S F C J.Production patterns of understory layers in several Galician(NW Spain)woodlands.Seasonality,net productivity and renewal rates [J].Forest Ecol Manage.,1998,251-259.

[21] 呂婧嫻,王得祥,張宋智,等.小隴山林區(qū)不同密度油松人工林林下物種多樣性研究[J].西北農(nóng)林科技大學學報,2010,38(11):49-55.

[22] 王乃江,劉增文,徐 釗,等.黃土高原主要森林類型自然性的灰色關聯(lián)度分析[J].生態(tài)學報,2011,31(2):0316-0325.

Analysis on in fl uence factors of undergrowth vegetation biomass in Pinus tabulaeformis plantation in Mount Taiyue

ZHANG Yan-lei,KANG Feng-feng,HAN Hai-rong,CHENG Xiao-qin,ZHOU Bin,LI Yong,LIU Ke,YIN Xue-zhe
(Key Lab.for Silviculture and Conservation joint constructed by provinces and China Ministry of Education,College of Forestry,Beijing Forestry University,Beijing 100083,China)

The species composition characteristic and biomass of undergrowth vegetation of Pinus tabulaeformis plantations in Mount Taiyue in Qinyuan county in Shanxi province were investigated and analyzed,and by using grey relational analysis，principal component analysis and hierarchical clustering method，the distribution rules of undergrowth vegetation in different gradient levels of main in fl uence factors were studied.The results indicate that the biomass was 0.339 8～1.322 9t·hm-2in herb layer and 0.018 1～0.289 2t·hm-2in shrub layer; the sequence of weighting relational degree was roughly the same as that of the original，but the numerical difference of in fl uence factors increased in weighting degrees; the stand height,stand mean DBH and stand age were closely related to biomass of undergrowth vegetation.The samples were clustered as system and the clustering results could accurately re fl ect the distribution pattern of undergrowth vegetation biomass.

Pinus tabulaeformis plantation; undergrowth vegetation; biomass; in fl uencing factors; grey relational analysis; Qinyuan county in Shanxi province

S718.55+6

A

1673-923X(2015)01-0104-05

10.14067/j.cnki.1673-923x.2015.01.019

2013-10-13

國家林業(yè)局948 項目(2010-4-15)；國家林業(yè)公益性行業(yè)科研專項(201104008)

張彥雷，碩士研究生；E-mail：zhangyanleiw21@163.com

韓海榮，教授，博士，博士生導師

張彥雷，康峰峰，韓海榮，等.太岳山油松人工林林下植被生物量影響因子分析[J].中南林業(yè)科技大學學報，2015,35(1):104-108,125.

[本文編校：謝榮秀]