太岳山油松人工林林下植被生物量影响因子分析

张彦雷，康峰峰，韩海荣，程小琴，周 彬，李 勇，刘 可，尹学哲

(北京林业大学 林学院 省部共建森林培育与保护教育部重点实验室，北京100083)

太岳山油松人工林林下植被生物量影响因子分析

张彦雷，康峰峰，韩海荣，程小琴，周 彬，李 勇，刘 可，尹学哲

(北京林业大学 林学院 省部共建森林培育与保护教育部重点实验室，北京100083)

通过调查和分析油松林下植被物种组成特征及生物量，运用灰色关联分析、主成分分析和系统聚类方法，研究了各影响因子不同梯度水平下林下生物量所呈现的分布规律。结果显示：油松人工林林下草本生物量大于灌木生物量，草本层植被生物量为0.339 8～1.322 9t·hm-2，灌木层生物量为0.018 1～0.289 2t·hm-2；加权后的关联度与原始关联度排序大致相同，关联性最为密切的因子同为林分均高、林分胸径及林龄，但加权后各单因子关联度数值间差异性增加；以样地作为各单因子聚合的系统进行聚类，样地划分为4个类型，分类结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；影响因子；灰色关联分析；山西省沁源县

林下植被包括草本、灌木等植物，是森林垂直结构中的一个重要组成，在改善林地立地条件、促进水土保持和固碳释氧等方面有重要的指示和调节功能，并且具有不可替代性[1-3]，同时，立地条件、水文特征与光环境等因素影响着林下植被中物种的种类、丰富度以及分布情况[4-5]。Thimonier等[6]在研究中指出立地、光、水等因子与地面植被的生长和分布关系密切。林分结构对林下植被的影响是多方面的，胸径、树高、林分密度反映了乔木层和灌草层对水分和养分竞争的利害关系，林分隙数反映了乔木层对林下光环境的影响[7]；林下植被的生长和分布也同样与土壤性质关系密切[8-9]。土壤有机质方面反映了土壤为林下植被提供营养物质水平情况。坡度影响着林地水分分布，进而对林下生物量产生影响[10]；根据徐惠风等[11]的相关研究表明，地上植被生物量与土壤有机质含量无显著线性关系，但存在空间差异性，表层土壤有机质与林下植被生物量呈现一定的负相关性。

林下植被成为森林生态系统研究探讨的重要话题[12-13]。但是现阶段研究林下植被生物量时，从多因子角度出发研究的文章较少[14]。灰色系统理论阐述了灰色关联度分析的思想，以探究系统内各个因子之间的数值关系，进而得出各因子与参比量的关联性程度，是一种简洁、方便的方法，实用性较大[15-16]。本研究借助灰色关联分析、主成分分析和SPSS18.0系统分类功能，综合考虑林龄、林分密度、平均胸径、平均树高、林分隙数、坡度及土壤有机质，对油松人工林林下生物量影响因子进行粗浅的探讨。

1 材料与方法

1.1 研究地概况

研究地点设在山西省沁源县交口镇宋家沟油松人工林内，地处东经 112°15'～112°33'，北纬36°31'～36°44'，地属暖温带大陆性季风气候，年降水量约为650mm，境内多山地和丘陵。乔木主要树种为油松Pinus tabulaeformis人工林，以幼龄林和中龄林为主。灌木植被主要有胡枝子Lespedeza bicolor、茅 梅Rubus parvifolius和黄刺玫Rosa xanthina等；草本主要有苔草Carex tristachya、小红菊Dendranthema chanetii和羊胡子草Carex rigescena等。

1.2 研究方法

在宋家沟设置15块20m×30m样地，用于油松人工林林下生物量的研究，样地内林龄分布范围为22～42a。(1)在样地中布置5个2m×2m的小样方，呈“品”字分布，用全挖的方法对样方内的灌木植被地上、地下部分进行生物量的测定；在2m×2m的样方内设置1m×1m的小样方，用全挖的方法对草本层的地上和地下生物量进行测定。所采集样品在85℃的烘箱内烘干至恒质量，对植被干物质量进行测定。(2)通过资料查阅和样地每木检尺，用于林龄、平均树高、平均胸径和林分密度的统计；利用冠层分析仪(WinSCANOPY 2010a)对林分隙数进行统计。利用坡度测量仪对样地的坡度进行测定。(3)对0～20cm的土层，取100g左右的土壤用于土壤有机质(重铬酸钾-水合加热法)的测定。在本研究中，林下植被生物量为草本生物量和灌木生物量之和。

预算会计支出类科目“投资支出”与增设的预算会计收入类科目“投资预算收入”在核算口径上相互对称，前者核算取得货币资金投资的实际支付成本，后者核算货币资金投资成本的收回，更贴切地体现预算会计收付实现制的核算基础，更清晰地反映货币资金投资的资金运动轨迹。

林下植被重要值：V=(D+C+F)/3。式中：V为重要值；D为相对密度；C为相对盖度；F为相对频度。

根据灰色关联分析计算方法，以林下植被总体生物量作为参比数列X0；X1，林龄；X2，林分密度；X3，林分胸径；X4，林分均高；X5，林分隙数；X6，坡度；X7，土壤有机质。各因子归一化处理结果见表3。本研究中判别系数P取0.3，经计算得出各因子与林下植被生物量关联度值(见表4)。

林下生物量影响因子权重计算：(1)选取本研究林下生物量影响因子(见表1)，利用SPSS18.0软件进行主成分分析，选取特征根大于1的主成分；(2)根据因子得分矩阵及特征根,得出非标准化主成分因子得分表达式；(3)根据各主成分贡献率所占比例，得出综合得分表达式；(4)得出各因子权重Wi，即各因子所对应系数的绝对值。

系统分类：利用SPSS18.0软件分析功能中“系统分类”选项，聚类方法选择“组间联接”，度量标准选择“平方欧式距离”，标准化选择“Z得分”，对样地类型进行划分。

2 结果与分析

2.1 林下植被种类组成特征

由表4可知，在原始关联度排序中平均胸径(R3=0.647 8)＞林龄(R1=0.638 3)＞平均树高(R4=0.632 4)＞林分隙数(R5=0.592 0)＞土壤有机质(R7=0.566 2)＞坡度(R6=0.515 3)＞林分密度(R2=0.507 7)，林分隙数成为影响林下植被生物量的最主要的因子。通过SPSS软件，对林下植被生物量影响因子进行主成分分析，结果表明：在特征根大于1的前提下，前三个主成分的累积贡献值为80.5％，特征根分别为4.233 2和1.400 1。根据因子得分表可以得出每个因子的得分表达式，结合特征根值和每个因子的贡献值，得出综合因子得分表达式F=0.379 0X1-0.227 0X2+0.399 3X3+0.412 6X4-0.155 5X5-0.157 4X6-0.229 6X7，各因子所对应系数绝对值即是因子的权重。结合原始关联度，得出加权关联度(R′)(见表4)。由表4可知，加权后的关联度与原始关联度排序结果相似，但各因子数值间差异性增大。

依据聚合系数(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)，将样地划分为四类效果较好。同时，结合表2、表5可知，样地划分为四类能较好地反映林下植被生物量的分布格局。结合表4中各影响因子排序结果(＞0.100 0)分析：在第一类型中，林分均高为8.5m，林分胸径为11.86cm，林龄为38a，有机质为18.1g/kg，林分密度为1 962株·hm-2；第二类型中，树高均值为11.8m，胸径均值为15.00cm，林龄均值为42a，有机质为15.2g/kg，林分密度为1 711株·hm-2；第三类型中，树高均值为5.9m，胸径均值为7.73cm，林龄均值为21a，有机质为19.4g/kg，林分密度为3 069株·hm-2；第四类型中，树高均值为6.0m，胸径均值为7.11cm，林龄均值为22a，有机质为20.8g/kg，林分密度为5 612 株·hm-2。

从表1可知，在所调查样地内主要草本植被有苔草、小红菊、羊胡子草、白莲蒿和大油芒，其中苔草分布较为广泛，重要值最大，且与其他草本植被之间差异较大；其次为小红菊、羊胡子草和白莲蒿等。灌木植被主要有胡枝子、茅莓、黄刺玫和五味子等，胡枝子分布较为广泛，重要值为0.346 6％，远大于其他灌木类型重要值；其次为茅梅、黄刺玫和五味子等。草本主要分布有莎科Cyperaceae、菊科 Compositae、禾本科 Gramineae、茜草科 Rubiaceae、蔷薇科Rosaceae、桔梗科Campanulaceae；灌木主要分布有豆科Leguminosae、蔷薇科Rosaceae、木兰科Magnoliaceae、萝藦科 Asclepiadaceae、鼠李科Rhamnaceae和忍冬科Caprifoliaceae。在研究地域，林下植被多样性：Simpson指数为0.77，Shannon-Wiener指数为2.70。

丽晶公司采用了美国联邦最高法院(以下简称最高法院)一百多年前的迈尔斯案中不予支持的转售价格维持的定价方式。尽管从地区法院到巡回法院均已败诉，但为了捍卫自己的商业模式，丽晶公司上诉到了最高法院。在丽晶公司的定价策略中处于核心地位的是转售价格维持。它意味着在经销商层面取消价格折扣。从表面上看，取消折扣是反竞争的，毕竟折扣有利于消费者。丽晶公司必须说服法庭减少折扣能够增进消费者福利，它最终获得了成功，最高法院以5:4的微弱比例判决丽晶公司胜诉。

表1 林下主要植被种类Table 1 Main species of undergrowth vegetation

2.2 林下植被生物量特征

统计结果表明：在所调查的样地内，林下草本分布相对均匀，总量大；灌木分布相对集中，总量较少。草本层的生物量要大于灌木层生物量，结果见表2。

由表2可知，林下植被生物量格局分布如下：林下草本生物量为0.339 8～1.322 9t·hm-2，均值为0.826 7t·hm-2，标准差为0.325 0t·hm-2，其中地上生物量约为59.0％，地下生物量约占41.0％，地上生物量大于地下生物量；林下灌木层生物量为0.018 1～0.289 2t·hm-2，均值为0.157 7t·hm-2，标准差为0.086 5t·hm-2，其中地上部分灌木叶生物量约占整体的18.5％，茎生物量约占20.9％，根部生物量约为60.6％，地下生物量大于地上生物量。林下植被总体生物量约为0.984 4t·hm-2，标准差为0.389 4t·hm-2。在草本层生物量方面，本研究结果要大于安云等[17]在华北土石山区油松人工林的研究结果(0.530 0t·hm-2)，但小于程小琴等[18]在该地区38年生油松人工林的研究结果(1.080 0t·hm-2)；在灌木层生物量方面，结果小于安云和程小琴的研究结果(约为1.300 0t·hm-2)。

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

2.3 林下生物量影响因子灰色关联分析

表3 各因子特征值(归一化)Table 3 Characters of different factors(normalized)

表4 关联度排序Table 4 Sequencing of relational degree

通过对15块样地中75个灌木和草本样方的调查与统计，共统计了60种草本和18种灌木物种。现按重要值排序前10的林下植被种类进行列举，具体结果见表1。

样地调查中，共统计了60种草本和18种灌木，在统计中苔草和胡枝子成为分布最为广泛的植被种类，参考相关文献资料知，植被类型统计情况比较准确。林下植被生长和分布受多因子综合影响，其载量也会呈现较大的差异性。本文中选取立地条件差异明显的样地进行调查与分析，林下生物量最大值为1.572 0t·hm-2，最小值为0.405 7t·hm-2，均值为0.984 4t·hm-2，标准差为0.389 4t·hm-2，总量与孙继超[19]在太岳山的相关研究结果相近(0.944 0t·hm-2)。

2.4 林下生物量影响因子系统分类

(1)为验证本论文提出的SRBM算法预测评分的准确率，就硬聚类算法(K-means聚类算法)、隐语义模型(LFM)、自编码器(autoencoder)、RBM以及SRBM算法在不同数据稀疏情况下准确率进行了分析比较。如图8所示。

图1 影响因子树状聚类Fig.1 Dendrogram of in fl uence factors

表5 聚类结果Table 5 Clustering results

综上所述，在保证SPP在螺旋波导中绝热地传播时，场分布的旋转角度的正负只与波导的螺旋方向有关，大小只与演化路径即螺旋波导的整体的形状有关，而与局域部分的半径等几何参数、螺旋波导的大小以及波导材料等因素均无关.

3 讨 论

1）原位处理池对于渗沥液氨氮的去除效果很好，最高能达到95%以上，总氮去除率大体上也在50%以上，COD去除效果在30%以上。

根据油松人工林林下生物量影响因子，即各样地特征数值(林龄X1、林分密度X2、林分胸径X3、林分均高X4、林分隙数X5、样地坡度X6及土壤有机质X7)，采用SPSS18.0软件系统分类方法进行聚类。聚类过程见树状聚类图(见图1)，聚类结果见表5。本研究选取距离为12，将样地分为四类。

灰色关联分析中，林分均高、平均胸径和林龄成为与林下生物量联系最为密切的因子，而林分密度与林下生物量关联度较小，这与González-Hernandés等[20-21]的研究结论一致。王乃江等[22]在运用灰色关联分析评价黄土高原主要森林类型自然性时，同时使用了AHP层次分析法作为对关联度的修正，使评价结果更加科学合理。本研究选取主成分分析方法，根据影响林下生物因子数据特征，对关联度进行加权处理，增加数据间的差异性，使得加权后的关联度更加符合实际情况。原始关联度变异系数为0.099 2，加权关联度变异系数为0.483 6，可见加权后的关联度差异性增加了。本研究共选取7个林下生物量影响因子，如果因子继续增加会增加评价关联度的模糊性，加权后的关联度增加了数值间的差异性，便于筛选出主要影响因子。

林下植被的生长、分布和生物量的多少，是多因子综合影响的结果。本研究根据林下生物量影响因子，将样地划分为四个类型，能够较好地反映林下生物量载量分布，具有较强的实用性和现实指导意义。在本研究中，由于研究区域客观条件的限制，只选取了7个参考因子。在今后的相关研究中，可以进一步扩大研究地域尺度，把气象因子(温度、湿度、降水、光照)和土壤养分(速效K、速效N、速效P)等相关因子纳入关联性分析，增加影响因子的类别会使分析结果更加完善与准确。

4 结 论

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

相对来说，印顺出家较晚些，也未受过完整的传统私塾教育，较太虚大师缺少一些中国传统文人的特质，在接受佛教思想上少有束缚，他认为原始佛教思想和早期大乘思想是最殊胜的，后期的发展融入了很多外道思想而变质了，特别是中国佛教有了一个本土化的过程，染上了中国思维中的至简、至圆的消极思想，偏离了佛学本质，所以印顺是以印度佛教为本的，和太虚的立场有很大区别。两人关于《起信论》的反复争议就是最好的例子。

关联度分析中，加权后的关联度与原始关联度排序各因子关联性排序大致相同，林分均高、林分平均胸径及林龄成为与林下植被生物量关联性最密切的因子。加权关联度数值间差异性增加，便于筛选出主要影响因子。

以样地作为各单因子集合的系统进行聚类，划分结果表明，各类型样地能够准确反映出林下植被生物量的分布格局。

[1] 杨 昆,管东生.林下植被的生物量分布特征及其作用[J].生态学杂志,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与土壤物理性质研究[J].中南林业科技大学学报,2014,34(5):70-74.

[3] 李国雷,刘 勇,于海群,等.油松人工林林下植被发育对油松生长节律的响应[J].生态学报,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,Fabião 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,刘红民,刘 洋,等.海州露天矿排土层不同林分土壤理化性质对植被生物量的影响[J].中南林业科技大学学报,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,刘中奇,等.半干旱黄土区地上生物量对立地因子的响应[J].中国水土保持科学,2012,10(2):50-54.

[11] 徐惠风,刘兴土,陈景文.长白山区沟谷沼泽湿地乌拉苔草(Carex meyeriana)地上生物量与土壤有机质和氮素相关性分析[J].农业环境科学学报,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] 杨 超,田大伦,胡日利,等.连栽杉木林林下植被生物量动态格局[J].生态学报,2011,31(10):2737-2747.

[14] 刘凤娇,孙玉军.林下植被生物量研究进展[J].世界林业研究,2011,24(2):53-57.

[15] 李际平,赵春燕,袁晓红,等.杉阔间物种多样性影响因子灰色关联分析[J].中南林业科技大学学报,2011,31(10):10-14.

[16] 覃其云,曹继钊,李 军,等.马尾松人工幼林土壤肥力变化及其综合评价研究[J].中南林业科技大学学报,2013,33(3):64-69.

[17] 安 云,丁国栋,梁文俊,等.间伐对华北土石山区油松林生长及其林下植被发育的影响[J].水土保持研究,2012,19(4):86-90.

[18] 程小琴,韩海荣,康峰峰.山西油松人工林生态系统生物量、碳积累及其分布[J].生态学杂志,2012,31(10):2455-2460.

[19] 孙继超.太岳山油松人工林生物量和碳储量研究[D].北京：北京林业大学,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] 吕婧娴,王得祥,张宋智,等.小陇山林区不同密度油松人工林林下物种多样性研究[J].西北农林科技大学学报,2010,38(11):49-55.

[22] 王乃江,刘增文,徐 钊,等.黄土高原主要森林类型自然性的灰色关联度分析[J].生态学报,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

国家林业局948 项目(2010-4-15)；国家林业公益性行业科研专项(201104008)

张彦雷，硕士研究生；E-mail：zhangyanleiw21@163.com

韩海荣，教授，博士，博士生导师

张彦雷，康峰峰，韩海荣，等.太岳山油松人工林林下植被生物量影响因子分析[J].中南林业科技大学学报，2015,35(1):104-108,125.

[本文编校：谢荣秀]