基于土壤因子的近天然落叶松云冷杉林枯损模型研究

王 岳, 王海燕, 杨小娟, 刘 玲, 李 旭

(北京林业大学林学院，北京 100083)



基于土壤因子的近天然落叶松云冷杉林枯损模型研究

王 岳, 王海燕, 杨小娟, 刘 玲, 李 旭

(北京林业大学林学院，北京 100083)

以吉林省汪清林业局金沟岭林场近天然落叶松云冷杉林为研究对象，通过多元线性回归方法，建立了林分单位面积枯损株数与土壤因子、林分密度(SD)和立地指数(SI)的关系，以探索通过枯损模型表征土壤变量对立地条件的影响.结果表明：枯损树木与土壤因子和林分密度可以接受线性回归，全林分枯损模型为Y=838.375-47.810TK+0.343SD(调整R2=0.731)，其中落叶松枯损模型为Y=2149.86-81.594TK-314.054TN(调整R2=0.739)，而云冷杉枯损模型的拟合优度R2<0.6，说明复杂林分条件下优势树种与共优势树种对于土壤因子的响应与林分不同.

枯损模型; 土壤理化性质; 立地条件; 多元线性回归

林分枯损与生长是森林研究的重要指标，也是森林经营与管理的重要依据.确定林分枯损量对于生产实践的意义主要在于造林密度，适地适树以及主伐年龄的确定[1].与其他模型研究相似，枯损模型的研究也分为林分、径阶和单木3个层次.

国内外对于树木枯损模型的研究较多[2-5]，然而将立地条件中的土壤因子作为变量引入枯损模型还极少.在模型的选择上，由于以树木枯损作为因变量，取值0-1，因此大部分研究选择采用Logistic模型.但该模型对枯损总株数的估计是通过累加单木枯损得到，同时误差累积也不可避免[6]，而通过变量逐步进入的方式可以有效避免此问题.本文以汪清林业局金沟岭林场近天然落叶松云冷杉林为研究对象，通过多元线性回归方法，建立林分单位面积枯损株数与土壤因子、立地指数和林分密度的关系，以探索通过枯损模型表征土壤变量对立地条件的影响，找到影响该林分类型树木枯损的主要土壤因子，以期为该地区森林经营和土壤改良提供依据.

1 研究区概况

研究区位于吉林省汪清林业局金沟岭林场(130°05′-130°20′E，43°17′-43°25′N).金沟岭林场属长白山系老爷岭山脉雪岭支脉，林场总面积为16286 hm2.地貌属低山丘陵地带，海拔550-1100 m.研究区林分以长白落叶松(Larixolgensis)、云杉(Piceaasperata)、冷杉(Abiesnephrolepis)为优势树种，其他树种有红松(Pinuskoraiensis)、水曲柳(Fraxinusmandshurica)、白桦(Betulaplatyphylla)、椴树(Tiliaamurensis)、枫桦(Betulacostata)、榆树(Ulmuspropinqua)等阔叶树种.土壤类型以暗棕壤为主.

调查样地为1964-1967年间营造的有部分保留树种的人工落叶松林，经过多年的演变，大部分已成为落叶松云冷杉针阔混交林，具有天然林的部分特征，故称为近天然落叶松云冷杉林.共设20块样地，面积为0.0775-0.25 hm2.2012年8-9月，我们对20块样地开展了调查和土样采集，样地调查因子包括：树种组成、树木总数及枯损树木、树高、胸径、坡向、坡度、海拔等.样地基本概况见表1.

表1 样地基本概况

2 材料与方法

2.1 数据收集与变量选择

在每块样地上、中、下坡分别挖取土壤剖面，按0-10 cm、10-20 cm、20-40 cm和40-60 cm分层取土样，采用环刀取样以测定土壤密度和质量含水率，同时各层采集混合土样以测定其它土壤理化性质指标.测定指标包括土壤密度、土壤质量含水率、土壤pH、土壤有机碳(SOC)、全氮(TN)、全磷(TP)、全钾(TK)、有效磷(AP)、速效钾(AK)、阳离子交换量(CEC)等10个，测定方法参照《土壤农化分析》[7].以样地内最高5株树木的平均高作为立地指数(SI).经调查统计，共有树木5335棵，其中枯损树木1362棵.对于已经建立的林分层次的枯损模型，预测变量为单位面积的枯损株数[8-9]，本文依旧以此为因变量，以测定的10个土壤理化性质指标作为自变量(全林分和不同优势树种枯损模型中的土壤理化性质指标是各指标按土壤深度加权后的平均值；不同土壤深度枯损模型中的土壤指标是各土层的土壤指标实测值).

2.2 统计分析

运用SPSS 18.0系统软件进行数据处理和统计分析，应用多元线性回归分析建立林分枯损模型.通过变量逐步进入的方法，将自变量逐个引入，每引入一个自变量后，对选入的变量逐个进行F检验，显著变量保留，不显著的剔除，反复进行.最后对变量参数及常数项均进行t检验，最终得到模型方程.

3 结果与分析

3.1 土壤因子测定结果

为了避免降雨、枯落物分解等因素对土壤理化性质的影响，同时，由于是在林分水平上的枯损模型，为了使测定指标能够代表样地内的总体水平，各样地土壤指标按土壤深度求加权平均值(表2).

表2 样地土壤因子

3.2 全林分枯损模型及检验

相关分析表明仅土壤密度、pH值、全磷、CEC 4个土壤因子与单位面积枯损株数呈正相关.通过逐步进入模型的方法，剔除对因变量影响不显著的土壤因子，建立了基于土壤因子的全林分枯损模型(表3).

表3 枯损模型参数估计值1)

1)模型1，预测变量:(常量)，林分密度/(株·hm-2)；模型2，预测变量:(常量)，林分密度/(株·hm-2)，全钾/(g·kg-1)；因变量:单位面积枯损株数.

通过对模型进行F检验，对参数进行t检验，包括常数项在内各参数均达到极显著水平(P<0.01).虽然两个模型均达到显著水平，但在模型的拟合程度检验中，模型2(包含全钾和林分密度的多元线性回归模型)的调整R2达到0.731>0.6，且方差膨胀因子(VIF值)均小于5，排除了变量之间的共线性影响，证明模型拟合程度较好，可以接受直线回归：

Y=838.375-47.810TK+0.343SD

式中：Y为单位面积枯损株数，TK为土壤全钾浓度，SD为林分密度.

3.3 不同优势树种枯损模型及检验

由于近天然林内树种组成复杂，为了分析不同树种对土壤因子的响应是否与全林分相同，将构成林分的主要树种分为落叶松和云、冷杉(组)，分别进行统计分析(表4).

表4 不同树种(组)枯损模型参数估计值

落叶松的枯损模型为：Y=2149.86-81.594TK-314.054TN(调整R2=0.739).作为林分的优势树种，落叶松的枯损模型与全林分枯损模型的最终变量并不相同，说明复杂林分条件下，即使某一树种占绝对优势，也不能代表全林分的特征.虽然云、冷杉枯损模型(Y=269.791-6.039SI-3.584TK)各个参数均达到极显著水平(P<0.01)，但因R2<0.6，不能使用此模型估计样地内单位面积云、冷杉枯损株数.从最终变量和参数上还是可以体现不同树种，尤其是共优势树种对土壤因子的响应不同.相较于落叶松，林分内的云、冷杉植株较小，与地下竞争相比，树木对于光照的需要更为迫切，因此优势木的遮蔽作用成为影响其枯损概率的主要原因.

3.4 不同土壤深度枯损模型研究

表5 不同土壤深度枯损模型

比较不同土层林分枯损模型(表5)可以看出：各土层全林分模型和云、冷杉模型中的自变量较统一，与之前全林分枯损模型的自变量相一致.落叶松枯损模型中的自变量差异最大，这是由于研究区枯落物层较厚，在0-20 cm土层，养分含量丰富，土壤养分浓度不是枯损概率的主要限制因子.从拟合优度来看，只有20-40 cm土层各模型均达到要求，原因是该土层枯落物较少，有机酸含量低，树木吸收养分的含量更加稳定；而40-60 cm因为含有部分母岩，影响了土壤养分浓度，最终使模型受到影响.综合模型结果可以看出，各土层全林分枯损模型变量相对一致，因此在取样时可适当减少工作量，取枯落物层下方土壤即可.

4 结论与讨论

单位面积枯损株数和土壤全钾呈负相关关系，原因是钾元素能显著增强植物的抗病力和抗旱性，一定程度上延长了植物的寿命，缺钾会导致根系生长受损，影响生长[10].由全林分枯损模型不难看出，虽然土壤养分有效量是影响树木生长的直接因素，但在有效养分较充足的地区，全量成为限制性因子.

林分密度虽然也进入最终模型，但其系数只有0.343，很大程度上降低了其对树木枯损的影响.这说明，只有当林分密度增大到很大范围内，其对树木枯损造成的影响才会占主导地位.立地指数对林分内共优势树种的枯损影响显著，虽然很多研究以立地指数表征立地条件对林木生长的影响，但是应该将土壤作为单独的变量，如果土壤因子只是作为立地因子的一个子因子被研究，在综合贡献率较低的情况下很难进入模型.造成树木枯损的原因是多方面的，目前研究主要集中在通过树木及林分自身情况反映树木枯损情况，包括不同林分密度、径阶、断面积、平均胸径和冠幅等[11-14]，而研究发现土壤因子对树木优势高、胸径等指标的影响也十分显著[15-16]，因此将林分因子与土壤因子同时作为自变量分析其与林木生长的关系是一种合理的研究方法.本研究选取的土壤因子数量很多，综合国外对于土壤因子进入生长模型的研究[17-19]，还有例如Ca、Na、Mg等元素含量以及电导率(EC)等指标没有进行测定分析，但这些指标都与土壤pH值有关[15-19].本研究中，土壤pH值并没有显著影响树木枯损，可见虽然树木枯损状况可以反映部分立地条件，但枯损模型在土壤因子的选取方面还是侧重于影响树木生长的养分因子.此外，与单位面积枯损株数呈正相关的土壤变量最终均没有进入模型，在今后的研究中可以在前期确定各变量与枯损株数的相关性方向，剔除正相关变量，减少部分工作量，也降低了变量之间共线性的风险.

树木自然枯损主要发生在幼龄时期，此时树木除了需要光照以外，对于土壤养分的需求也很高.最终进入全林分枯损模型的土壤因子只有土壤全钾浓度，并不能说明其他养分浓度对树木枯损的影响不显著，而林分密度作为进入模型的另一自变量，其对树木枯损的影响是由于树木对阳光的遮蔽作用还是对土壤养分的争夺仍需进一步研究.

早期的研究已经指出了全林分枯损模型相较于单木枯损模型还有很多局限性[20-21]，但土壤因子是以样地或样方为基础，如果土壤指标测定和每木检尺一一对应，会造成实际测量量很大，如果不对应，根据样地取样，有可能造成数据少而使得模型最终的拟合效果差.在今后的研究中可以尝试在取样时通过小样方的形式适量增加样本数，平衡这种误差，或者将土壤变量以“组”的形式进入模型，采用贡献率的方式分析其和树木枯损的关系.

[1] 郑治刚.关于建立林分枯损模型的探讨[J].中南林业调查规划,1998,17(3):5-8.

[2] 何武江,王拥军.辽东栎天然次生林枯损模型的初步建立[J].山西林业科技,2007(3):13-14.

[3] 向玮,雷相东,刘刚,等.近天然落叶松云冷杉林单木枯损模型研究[J].北京林业大学学报,2008,30(6):90-98.

[4] 王卫,肖锐,卢军.白河林业局单木枯损模型研究[J].林业科技情报,2008,40(2):24-27.

[5] 金凤伟,刘微,王黑子来.兴安落叶松人工林单木枯损模型的研究[J].林业勘查设计,2011(3):59-61.

[6] 张雄清,雷渊才,雷相东,等.基于计数模型方法的林分枯损研究[J].林业科学,2012,48(8):54-62.

[7] 鲍士旦.土壤农化分析(第三版)[M].北京:中国农业出版社,2000.

[8] VANCLAY J. Modelling forest growth and yield: applications to mixed tropical forests[M]. UK: CAB International, 1994.

[9] UMEKI K. Tree mortality of five major species on Hokkaido Island, Northern Japan[J]. Ecological Research, 2002,17(5):575-589.

[10] 庞学勇,刘庆,刘世全,等.川西亚高山云杉人工林土壤质量性状演变[J].生态学报,2004,24(2):261-267.

[11] 唐守正,李希菲.同龄纯林自然稀疏规律的研究[J].林业科学,1993,29(3):234-241.

[12] 龚直文,亢新刚,杨华,等.长白山杨桦次生林直径结构研究[J].西北林学院学报,2009,24(3):1-6.

[13] 龚直文,亢新刚,顾丽,等.长白山过伐云冷杉恢复林分主要树种径阶生长与枯损模拟[J].林业科学研究,2010,23(3):362-367.

[14] 黄新峰,亢新刚,孙玲,等.红松单木断面积生长模型[J].西北林学院学报,2011,26(3):143-146.

[15] JOHN C, NICHOLS D, SMITH R B, et al. Site index prediction ofEucalyptusdunniiMaidenplantation with soil and site parameters in sub-tropical eastern Australia[J]. Australia Forest, 2010,73(4):234-245.

[16] SUN X Q, HE Z Q, JOHN K. Bayesian spatial prediction of the site index in the study of the Missouri Ozark Forest Ecosystem Project[J]. Computational Statistics and Data Analysis, 2008,52(7):3749-3764.

[17] BRAVO-OVIEDO A, ROIG S, BRAVO F, et al. Environmental variability and its relationship to site index in Mediterranean maritine pine[J]. Forest Systems, 2011,20(1):50-64.

[18] BRAVO F, LUCM, MERCURIO R, et al. Soil and forest productivity: a case study from Stone pine (PinuspineaL.) stands in Calabria (southern Italy)[J]. Biogeosciences and Forestry, 2011,4(4):25-30.

[19] RODRIGUES NOGUEIRA JR L, DE MORAES J. GONÇALVES L, et al. Soil dynamics and carbon stocks 10 years after restoration of degraded land using Atlantic forest tree species[J]. Forest Systems, 2011,20(7):536-545.

[20] 胡晓龙.林分枯损模型的研究[J].林业科学研究,1996,9(5):525-529.

[21] 杜纪山.落叶松林木枯损模型[J].林业科学,1999,35(2):45-49.

(责任编辑:吴显达)

Mortality models of semi-natural larch-spruce-fir (Larixolgensis-Piceajezoensis-Abiesnephrolepis) forests based on soil factors

WANG Yue, WANG Hai-yan, YANG Xiao-juan, LIU Ling, LI Xu

(College of Forestry, Beijing Forestry University, Beijing 100083, China)

The relationships between the number of mortality trees per unit area and soil factors were studied for semi-natural larch-spruce-fir (Larixolgensis-Piceajezoensis-Abiesnephrolepis) plantations in Jingouling forest farm, Wangqing Forestry Bureau, Jilin Province. Mortality models were established using multiple linear regression method to explore the effects of soil factors, stand density (SD) and site index (SI) on site conditions. The results showed that the linear regression of the number of mortality trees and soil factors could be accepted. Mortality model of the whole stand wasY=838.375-47.810TK+0.343SD(adjustedR2=0.731) and that ofLarixolgensiswasY=2149.86-81.594TK-314.054TN(adjustedR2=0.739), whereas theR2of mortality model ofPiceajazoensis-Abiesnephrolepiswas less than 0.6. This indicated that the response of dominant and co-dominant tree species to soil factors was different from the whole stand.

mortality model; soil physico-chemical properties; site condition; multiple linear regression

2014-08-28

2015-03-10

国家自然科学基金资助项目(31270697)；国家林业局公益性行业科研项目(20100400201).

王岳(1989-)男，硕士研究生.研究方向：土壤学与植物营养学.Email:wangyue2046@hotmail.com.通讯作者王海燕(1972-)女，博士，副教授.研究方向：土壤学与植物营养学.Email:haiyanwang72@aliyun.com.

S757; S714

A

1671-5470(2015)04-0379-05

10.13323/j.cnki.j.fafu(nat.sci.).2015.04.008