Economic loss assessment of pine wilt disease in mainland China in 2017
-
摘要:目的 作为一种外来入侵生物，松材线虫的传播对我国林业生产和生态环境产生了巨大影响，造成了严重的经济损失。开展松材线虫病灾害经济损失评估，不仅为制定灾害防控方案、评价灾害控制效果提供重要依据，而且能够科学指导各地区有效防控松材线虫病，有利于提高森林经营水平。方法 本研究通过创新性的结合，构建了一套实用性较强的松材线虫病灾害经济损失评估指标体系，并且基于市场经济学和生态系统服务价值评估的理论，综合应用直接市场法、替代市场法和动态当量因子法，对2017年中国大陆松材线虫病在省级尺度上的灾害经济损失进行了定量评估，评估结果包括直接经济损失和间接经济损失。结果 评估结果显示，2017年中国大陆松材线虫病总成灾面积达85 524 hm2，造成经济损失约195亿元，其中直接经济损失35亿元，间接经济损失160亿元。华东地区为松材线虫病灾害重灾区，总计成灾面积43 883 hm2，造成经济损失101亿元，占中国大陆松材线虫病灾害经济损失的52%，其中直接经济损失占9%，间接经济损失占43%。2017年中国大陆松材线虫病灾害受灾最为严重的省份为浙江省，全省经济损失总计为41亿元，直接经济损失7亿元，间接经济损失34亿元。松材线虫病灾害经济损失在各地区都表现出间接经济损失远大于直接经济损失，两者相比平均为4.6倍。直接经济损失包括森林物质资源损失、防治费用和无效营林费用损失，单位面积直接经济损失分别为21 800、1 783和17 302 元/hm2。间接经济损失包括调节服务价值损失、支持服务价值损失和文化服务价值损失，单位面积间接经济损失平均分别为77 981、70 057和7 741 元/hm2。结论 2017年中国大陆松材线虫病灾害主要发生在南方地区，华东、华南地区为重灾区，浙江省和广东省分别表现为省级尺度的灾害空间聚集中心。松材线虫病灾害造成的经济损失主要为间接经济损失。Abstract:Objective As a kind of alien invasive organism, the spread of pine wilt disease has had a great impact on China’s forestry production and ecological environment, causing serious economic losses. Carrying out economic loss assessment of pine wood nematode disease not only provides an important basis for formulating disaster prevention and control programs and evaluating disaster control effects, but also scientifically guids various areas to effectively prevent and control pine wilt disease, which is conducive to improving the level of forest management.Method Through a combination of innovations, this study constructed a set of practical evaluation index system for economic loss of pine wilt disease, and based on the theory of market economics and ecosystem service value evaluation, comprehensive application of direct market method. The alternative market method and the dynamic equivalent factor method were used to quantitatively assess the economic losses of pine wilt disease in mainland China on the provincial scale in 2017. The assessment results included direct economic losses and indirect economic losses.Result The evaluation results showed that the total area of pine wilt disease in mainland China reached 85 524 ha in 2017, resulting in economic losses of about 19.5 billion CNY, including direct economic losses of 3.5 billion CNY and indirect economic losses of 16 billion CNY. The East China region was the hardest hit area of pine wilt disease, with a total disaster area of 43 883 ha, resulting in economic losses of 10.1 billion CNY, accounting for 52% of the national economic loss of pine wilt disease, of which direct economic losses accounted for 9%, indirect economic losses accounted for 43%. In 2017, the province with the most serious pine wood nematode disaster was Zhejiang Province. The province’s economic losses totaled 4.1 billion CNY, direct economic losses were 700 million CNY, and indirect economic losses were 3.4 billion CNY. The economic loss of pine wood nematode disease had shown that indirect economic losses were far greater than direct economic losses in all regions, compared with an average of 4.6 times. The direct economic losses included the loss of forest material resources, the cost of prevention and control, and the loss of invalid forestry costs. The direct economic losses per unit area were 21 800, 1 783 and 17 302 CNY/ha, respectively. Indirect economic losses included adjustment of service value loss, loss of support service value and loss of cultural service value. The average indirect economic losses per unit area were 77 981, 7 057 and 7 741 CNY/ha, respectively.Conclusion In 2017, pine wilt disease mainly occurred in the southern part of China, East China and South China were the hardest hit areas, and Zhejiang Province and Guangdong Province respectively represented the provincial-level disaster space gathering center. The economic losses caused by pine wood nematode disasters are mainly indirect economic losses.
-
有数据显示，全球陆地土壤碳含量为1 750 Pg，植被碳含量为550 Pg，总量约为大气碳含量的3倍[1]，即无论土壤作为“碳源”还是“碳汇”都将对气候变化产生巨大影响，故在全球气候变化和生态扰动背景下，陆地生态系统有机碳（SOC）分布与动态变化受到广大学者的广泛重视。尤其表层土壤，是SOC的集中分布层，其SOC含量更显著的受到微地形[2]、植被类型[3-4]、枯落物数量[5-6]、人为扰动[7]等因素的影响，使其在空间分布上具有更强的异质性，而成为研究者关注的一个焦点。
在不同空间尺度上，SOC分布的异质性为SOC储量的科学估算及关键影响因素的研究提出了挑战，故随着地统计分析工具的出现，广大学者采用地统计学的方法针对不同生态类型、空间尺度等条件下SOC的分布特征及空间变异性进行了研究，并表明地统计学是研究SOC空间分布的一种有效工具[8]。如Gao等[9]基于地统计方法研究得出中国北方丘陵地区SOC的空间异质性受随机性和结构性因素的共同控制。Göl等[10]研究发现球状模型可以很好地模拟黑海不同土地利用方式SOC的空间分布。SOC的空间分布还具有尺度效应[11]，然而在区域、县域等大、中尺度下的空间分布与预测往往简化了某些生态过程，可能增加碳研究的不确定性[12]，相比之下，小尺度下的空间预测反映的信息量更加丰富[13]，因此揭示小尺度SOC的空间分布格局及其影响因素对于精确估算SOC含量是必要的。
青藏高原属于典型的生态脆弱区和气候变化的敏感区，在全国乃至全球都具有重要的生态地位。近年来，随着交通不断便利，不少学者开展了青藏高原土壤碳循环研究，如王建林等[14]关于草地土壤化学计量特征的大尺度空间分布研究，从宏观上了揭示青藏高原的土壤养分状况。叶成龙等[15]人基于野外定点试验和室内试验的研究表明，氮输入将增加预测青藏高原高寒草甸地区土壤碳排放的不确定性。其他研究如吕韶利[16]、刘合满[17]等，研究结果为高寒地区土壤碳循环研究奠定了丰富的理论和技术参考。青藏高原地形、植被、气候等具有显著的差异，导致SOC含量具有高度的空间异质性，然而目前针对SOC的空间分布与模拟研究仍少见报道，尤其是在小尺度空间范围，这将阻碍我们对于青藏高原这一特殊生态系统土壤碳动态变化的认识。为科学阐明高寒地区典型植被类型表层SOC及SOCD的空间分布特征与影响因素，本研究以西藏东南部色季拉山西坡广泛分布的草甸和杜鹃灌丛土壤为研究对象，采用地统计分析方法，旨在阐明小尺度下不同植被类型SOC及SOCD的空间变异及格局，以期为高寒环境下土壤有机碳循环研究及土壤碳储量的准确估算提供理论支撑。
1. 研究区概况与研究方法
1.1 研究区概况
本研究以色季拉山西坡相邻分布的灌丛、草甸为研究样地，其海拔4 200 ~ 4 400 m，地理位置29°36′N、94°38′E。根据色季拉山道班阴坡林外（29°35′51″N，94°36′43″E，4 390 m）2005 — 2012年的观测数据，该区域年均气温约为0.64 ℃，年均相对湿度为77%，年降雨量为877 mm。土壤类型属于亚高山林灌草甸土、沼泽草甸土[18]。
本研究所选样区主要包含苔草高寒草甸（Carex alpine meadow，CAM）、林芝杜鹃灌丛（Rhododendron tanastylum shrub，RTS）、雪山杜鹃灌丛（Rhododendron aganniphum shrub，RAS）3种植被类型。苔草高寒草甸，地面以苔草为建群种，其中还分布有委陵菜（Potentilla chinensis）、老鹳草（Geranium wilfordii）、阜莱氏马先蒿（Pedicularis fletcherii）、西藏糙苏（Phlomis tibetica）、偃卧繁缕（Stellaria decumbens）、蒲公英（Taraxacu mmongolicum）等，地面凹凸不平，存在沟壑。林芝杜鹃灌丛是以林芝杜鹃（Rhododendron tanastylum）为优势种，红枝小檗（Berberis erythroclada）和雪层杜鹃（Rhododendron nivale）为亚优势种的灌草丛地，植被分布不均一。雪山杜鹃灌丛主要生长雪山杜鹃（Rhododendron aganniphum），并伴有高山柏（Sabina squamata）和急尖长苞冷杉（Abies georgei var. smithii）零星分布，地面有较厚的枯落物层（最厚可达10 cm）。样地概况如表1所示。
表 1 样地基本概况Table 1. Basic condition of sample plots植被类型
Vegetation
type海拔
Altitude/m植被盖度
Vegetation
coverage/%坡度
Slope/(°)全氮
Total nitrogen
(TN)/(g·kg−1)全磷
Total phosphorus
(TP)/(g·kg−1)pH 含水率
Water
content/%土壤密度
Soil density/
(g·cm−3)黏粒
Clay/%粉粒
Silt/%砂粒
Sand/%CAM 4242 95 16 6.54 1.12 5.59 55.37 0.81 3.82 62.76 33.42 RTS 4264 75 14 3.29 0.39 5.47 72.01 0.82 3.55 61.45 35.00 RAS 4387 > 95 25 5.48 0.37 4.30 72.62 0.46 3.19 62.07 34.75 注：CAM为苔草高寒草甸；RTS为林芝杜鹃灌丛；RAS为雪山杜鹃灌丛。黏粒粒径< 0.002 mm，粉粒粒径在0.002~0.05 mm之间，砂粒粒径在0.05~2 mm之间。下同。Notes: CAM is Carex alpine meadow; RTS is Rhododendron tanastylum shrub; RAS is Rhododendron aganniphum shrub. Clay particle size is less than 0.002 mm; silt particle size is between 0.002−0.05 mm; sand particle size is between 0.05−2 mm. The same below. 1.2 样品采集与处理
于2018年10月，在野外考察的基础上，选择坡度较缓，植被类型连续的区域作为研究区（图1），采用10 m × 10 m网格法采样。即在3种植被类型区采用测量绳分别划定一个50 m × 50 m的样地，然后按照10 m × 10 m网格设置采样点，共计36个采样点。分别采集0 ~ 10 cm层次土壤和原状土壤样品，共获得土壤样品和环刀土样各108个，详细记录每一采样点的地形（海拔、坡度、坡位、凸起、沟壑）、植被覆盖等信息。采集的样品去杂置于风干盘自然风干后，经研磨使其分别通过2.00、0.25 mm土壤筛，用以测定土壤碳、氮等理化性质。SOC采用重铬酸钾容量−外加热法测定，全氮（TN）采用半微量凯氏法测定，全磷（TP）采用钼锑抗比色法测定，土壤密度、机械组成分别采用环刀法和激光粒度分布仪（Bettersize2000，丹东百特仪器有限公司）测定，以上实验过程参照文献[19-20]进行。
1.3 土壤有机碳密度计算
SOCD的计算采用如下公式：
SOCD=CDE(1−G)/100 式中：
C 为有机碳含量（g/kg），D 为土壤密度（g/cm3），E 为土层厚度（cm），G 为直径 > 2 mm石砾百分含量（%），这里忽略G 后计算SOCD[21]。1.4 数据处理与分析
在SPSS 22.0中计算SOC及SOCD的最大值、最小值、平均值、标准差、变异系数（Coefficient of variation, CV），其中CV值在0 ~ 10%、10% ~ 100%和 > 100%之间时，分别属于弱、中等和强变异。对不同植被类型SOC、SOCD的差异显著性检验采用LSD法（P < 0.01）。在GS+ 9.0中建立半方差函数模型，模型拟合可以得到块金值（C0）、基台值（C0 + C）、变程（A0）3个评价空间变异程度的参数，其中块金值与基台值的比值（C0/（C0 + C））即结构比，反映了随机性因素引起的空间变异占系统总变异的比值，比值在 < 25%、25% ~ 75%、> 75%范围，分别表示强、中、弱的空间自相关性，随机性因素引起的空间变异逐渐增大[22]，变程反映了区域化变量存在空间自相关性的距离上限。基于半方差函数模型，在ArcGIS10.2中完成克里格插值。冗余分析采用Canoco 5.0进行，并采用Forward selection和Monte Carlo permutation test进行环境因子重要性排序和显著性检验。
2. 结果与分析
2.1 SOC及SOCD的分布特征
不同植被类型的SOC、SOCD差异显著（P < 0.01）（表2），SOC含量表现为RAS（146.45 g/kg） > CAM（95.60 g/kg） > RTS（60.43 g/kg），RAS分别较CAM和RTS的SOC含量高53.19%、142.35%，SOCD表现为CAM（7.34 kg/m2） > RAS（6.32 kg/m2） > RTS（4.80 kg/m2），CAM分别较RAS和RTS高22.31%、61.04%。该研究区SOC和SOCD均具有中等程度的空间变异。
表 2 SOC及SOCD的描述性统计特征Table 2. Descriptive statistics of SOC and SOCD指标
Item植被类型
Vegetation type样本量
Sample size平均值
Mean最大值
Max.最小值
Min.变异系数
CV/%P 分布类型
Distribution typeSOC/（g·kg−1） CAM 33 95.60 ± 44.31b 219.85 49.63 46.35 0.169 N RTS 36 60.43 ± 25.73a 148.31 24.01 42.58 0.359 N RAS 36 146.45 ± 49.67c 252.15 69.10 33.92 0.500 N SOCD/（kg·m−2） CAM 36 7.73 ± 2.39c 12.77 4.50 30.92 0.538 L RTS 36 4.80 ± 2.01a 8.92 1.90 41.88 0.943 N RAS 36 6.32 ± 1.98b 11.22 1.53 31.33 0.747 N 注：不同小写字母表示植被类型之间SOC或SOCD差异显著（P < 0.01）。N为正态分布；L为对数正态分布。Notes: different lowercase letters indicate significant differences in SOC or SOCD between vegetation types （P < 0.01）. N means normal distribution; L means lognormal distribution. 在K-S检验结果如表2所示，CAM的SOC在剔除3个异常值后符合正态分布，SOCD则符合对数正态分布，RTS及RAS的SOC和SOCD均符合正态分布。
2.2 SOC及SOCD的空间自相关性
本研究以最大间距的1/2（35.56 m）为样本变化范围，以最小间距（10 m）为步长，并以平均预测误差（ME）最接近于0，决定系数（R2）和均方根标准预测误差（RMSSE）最接近于1交叉验证模型精度，最优模型如图2所示。
在不考虑各向异性的前提下，除RAS外，CAM和RTS的SOC、SOCD均得到了较好的拟合（表3）。CAM、RTS的SOC最优拟合为球状模型（spherical model），R2分别达0.998、0.432，ME依次为3.268、0.506，RMSSE为0.920、1.057；RAS的SOC最佳拟合模型为线性模型（linear model），R2为0.091，拟合效果较差。3种植被类型SOCD的拟合效果均较好，CAM、RTS及RAS分别符合指数模型（exponential model）、球状模型和线性模型，R2达0.965、0.864和0.996，ME在−0.145 ~ 0.021之间，RMSSE在1.017 ~ 1.059之间。
表 3 不同植被类型SOC及SOCD半方差函数模型及交叉验证Table 3. Semivariogram and cross-validation of SOC and SOCD under different vegetation types指标
Item植被类型
Vegetation
type理论模型
Theoretical model块金值
Nugget
(C0)基台值
Sill
(C0 + C)结构比
Structure ratio
(C0/(C0 + C))/%变程
Range (A0)/
m决定系数
Determination
coefficient (R2)预测误差 Prediction error ME RMSSE SOC CAM 球状模型 Spherical model 25.00 1716.00 1.46 30.29 0.998 −3.268 0.920 RTS 球状模型 Spherical model 58.00 721.30 8.04 17.68 0.432 0.506 1.057 RAS 线性模型 Linear model 2338.32 2338.32 100.00 32.69 0.091 −1.009 1.068 SOCD CAM 指数模型 Exponential model 0.01 4.67 2.14 20.31 0.965 −0.145 1.042 RTS 球状模型 Spherical model 0.58 4.64 12.51 17.44 0.864 0.021 1.059 RAS 线性模型 Linear model 4.00 4.00 100.00 32.69 0.996 −0.065 1.017 从结构比来看，除RAS外，其他植被类型的SOC及SOCD均具有强烈的空间自相关性。CAM与RTS的SOC结构比分别为1.46%、8.04%，SOCD结构比分别为2.14%、12.51%，即CAM < RTS < 25%，结构性因素引起的空间变异大于75%，具有较强的空间依赖性。RAS的SOC及SOCD块金值等于基台值，结构比达100%，属于纯块金方差，空间自相关性较弱，随机性因素控制为主。
从变程来看，SOC、SOCD的空间变异尺度存在差异，反映出不同程度的空间连续性。3种植被类型SOC的变程表现为RAS（32.69 m） > CAM（30.29 m） > RTS（17.68 m），SOCD为RAS（32.69 m） > CAM（20.31 m） > RTS（17.44 m），即SOC、SOCD的空间连续性从RAS、CAM到RTS逐渐变差。除RNS外，CAM和RTS的空间变程均表现为SOC > SOCD，即SOC可能较SOCD具有更大的空间自相关距离，在考察SOC含量时的采样可以适当加大采样间距。
2.3 SOC及SOCD的空间分布
本研究RAS的SOC及SOCD空间上主要受随机因素控制，故不适合做空间插值[23]。CAM及RTS的SOC及SOCD的空间分布如图3所示。总体而言，SOC及SOCD呈斑状或条带状分布，并且同一植被类型的SOC与SOCD空间分布相似。其中CAM的SOC、SOCD高值区集中分布在样地南部和东部边缘，分别在90.29 ~ 219.85 g/kg、8.05 ~ 14.05 kg/m2之间，并且由北部、西部边缘向中部延伸分别形成两个低值分布带，值在49.63 ~ 90.29 g/kg、8.05 ~ 14.50 kg/m2之间。RTS的SOC、SOCD具有相似的高低值分布区，高值区SOC、SOCD分别为56.63 ~ 148.31 g/kg、5.31 ~ 13.09 kg/m2范围，低值区分别在24.01 ~ 56.63 g/kg和2.67 ~ 5.31 kg/m2范围，但与CAM相比，RTS的SOC及SOCD均未表现出明显的边缘效应，而呈高低值交错分布的特征，空间连续性较差。
![]()
图 3 SOC及SOCD的水平分布格局Figure 3. Horizontal distribution patterns of SOC and SOCD under different vegetation types2.4 SOC和SOCD与土壤因子的相关性分析
如图4所示，RDA排序图的典型轴1和轴2解释了SOC、SOCD与土壤性质总体变异的58.2%。土壤含水率、TN在SOC箭头连线上的投影长度最长，表明其与SOC呈较强的正相关性，土壤密度、pH在SOC箭头反向延长线上的投影较长，表明二者与SOC呈较强的负相关性，而土壤机械组成、坡度、TP与SOC的相关性不大。SOCD与SOC呈正相关性，但与土壤各性质的相关性不如SOC显著，主要与TP、TN的关系较为密切。
![]()
图 4 SOC及SOCD与土壤因子相关性的冗余分析排序图SOC. 土壤有机碳；SOCD. 土壤有机碳密度；TN. 全氮；TP. 全磷；Water content. 含水率；Soil density. 土壤密度；Slope. 坡度；Clay. 黏粒；Silt.粉粒；Sand. 砂粒。SOC, soil organic carbon.; SOCD, soil organic carbon density; TN, total nitrogen; TP, total phosphorus.Figure 4. Redundancy analysis on the correlation between SOC and SOCD with soil properties由表4可知，各土壤因子对SOC、SOCD的影响存在一定差异。各土壤因子对SOC、SOCD影响的重要性排序从大到小依次为含水率 > 土壤密度 > pH > TN > 黏粒 > 砂粒 > 粉粒 > 坡度 > TP，除TP对SOC、SOCD的影响未达显著水平外（P > 0.05），其他土壤因子对SOC、SOCD的影响均达极显著水平（P < 0.01），其中含水率、土壤密度和pH因子对SOC、SOCD空间变异的贡献率较高，分别为69.60%、65.70%、53.50%，其次是TN和黏粒，贡献为44.20%和30.10%。表明土壤含水率、土壤密度、pH是影响研究区SOC、SOCD空间分布的关键因素。
表 4 土壤因子解释量及显著性检验Table 4. Explanation rate and significance test of soil factors土壤因子
Soil
factor重要性排序
Importance
ranking因子解释量
Factor explanation
rate/%F P 含水率 Water content 1 69.60 98.40 0.002 土壤密度 Soil density 2 65.70 88.30 0.002 pH 3 53.50 62.10 0.002 全氮 TN 4 44.20 46.60 0.002 黏粒 Clay 5 30.10 27.80 0.002 砂粒 Silt 6 17.50 14.60 0.002 粉粒 Sand 7 15.80 13.00 0.002 坡度 Slope 8 12.50 10.00 0.004 全磷 TP 9 0.20 0.10 0.740 3. 讨 论
3.1 植被类型对SOC和SOCD的影响
本研究中植被类型显著影响了表层0 ~ 10 cm土壤有机碳含量（P < 0.01），与前人研究结果一致[24-25]。表层SOC含量为RAS > CAM > RTS，与植被覆盖度规律一致（表1），即RAS（> 95%） > CAM（95%） > RTS（75%）。这是因为自然生态系统植被枯落物是表层土壤有机碳的重要来源，并与植被覆盖度显著正相关。研究区SOC含量处于较高水平，均值达100.97 g/kg，显著高于全国0 ~ 10 cm土壤水平（24.56 g/kg）[26]。与相似生态类型区比较，CAM的SOC（95.60 g/kg）亦高于青海省河南县杂类草型草甸（74.99 g/kg）[27]和江西省武功山草甸（63.52 g/kg）[28]，两种灌丛SOC的平均含量（103.44 g/kg）亦显著高于燕山北部绣线菊（Spiraea salicifolia）灌丛（37.65 g/kg）和榛子（Corylus heterophylla）灌丛（64.74 g/kg）[29]。这可能与低温抑制酶活性、减缓土壤有机质的矿化分解有关[30]，该区域年均气温仅0.64 ℃，且降水丰富，年降雨达877 mm，有利于表层有机质的积累。SOCD与SOC的表现基本一致，CAM（7.73 kg/m2）、RTS（4.8 kg/m2）和RAS（6.32 kg/m2）的SOCD显著高于全国10 cm土壤厚度的SOCD（1.21 kg/m2）[31]，表明色季拉山高海拔区土壤有机碳储量较丰富，可能成为未来大气CO2浓度升高的潜在碳源。
3.2 SOC及SOCD的空间异质性
本研究小空间尺度上，植被类型影响了表层土壤有机碳的空间分布与变异特征。SOC和SOCD的空间变异半方差函数分析结果表明，拟合度以CAM最佳，其次为RTS，而RAS则较差。这可能是由于小空间尺度上RAS地表地形及植被、枯落物等基本立地条件较为破碎有关，故可能需要增加采样点或缩小采样间距[32]。结构比反映了引起变量空间异质性的主要影响因素，本研究中CAM、RTS的SOC、SOCD结构比均小于13%，由结构性因素引起的空间异质性占总空间异质性的87.49% ~ 98.54%，表明小尺度空间范围，在气候、土壤类型一致的前提下，地面枯落物量、微地形、土壤理化性质等结构性因素是表层SOC、SOCD空间变异的主要原因。而RAS的SOC、SOCD表现为以人为干扰等随机因素控制为主，考虑是采样间距大于其空间变异尺度引起的[33]。
变程反映的是变量的空间自相关范围，在变程内的变量才具有空间自相关性[23]。本研究中CAM和RTS的SOC、SOCD变程均大于取样距离（10 m），表明本研究在该小尺度下设置的采样间距是合理的，可以反映SOC、SOCD的空间异质性。对于RAS而言，10 m可能超出了其SOC、SOCD空间自相关的最大距离，而未表现出空间结构性，反映了SOC、SOCD的尺度效应。本研究中，SOC由空间自相关部分引起的变异占总变异的91.96% ~ 98.54%，表现在30.29 m以下的范围，与辽东山区次生林[34]土壤有机质由空间自相关引起的变异占总变异的65.40%，发生在46.77 m尺度以内相比，本研究SOC在较小尺度内存在较强的空间自相关性，表明色季拉山微生境比较复杂，SOC的空间破碎化严重。
3.3 SOC及SOCD水平分布格局的影响因素分析
SOC空间分布受多种因素的综合影响，其中土壤含水率、微地形是影响该研究区SOC空间分布格局的重要环境变量。CAM样地东、南边缘是SOC、SOCD高值的集中分布区，该边缘与嵩草沼泽化草甸接壤，土壤含水率较高（多数采样点超过100%），在低温通气不良的条件下，微生物活动受限，植物残体和根系不易分解，使土壤有机物质大量积累，符合冗余分析中SOC与土壤含水率极显著正相关的规律。在CAM的中部到北部边缘，存在一条东西方向的沟壑，在地面径流的作用下，导致土壤中可溶性有机碳向地势较低的东部边缘迁移，可能是CAM北部低值分布带形成的主要原因，与石峰[35]关于土壤无机氮的研究结果一致，表明在小尺度空间范围，微地形可能成为土壤养分空间分布的主要驱动因子[36-37]。在本研究中，坡度与SOC、SOCD的相关性较低（P > 0.05），这与Ritchie等[38]的研究结果相异，可能是水、热等条件的差异弱化了小尺度下坡度对SOC、SOCD的影响[39]。
研究区RTS样地为裸地、草本和灌丛镶嵌性分布，可能是其SOC、SOCD空间连续性较CAM差，破碎化程度高的原因。有研究表明土壤有机碳含量与灌丛凋落物生物量呈正相关性[40]，在本研究中，灌丛斑块地上凋落物数量明显高于灌丛间裸地、草地斑块，导致交错分布的不同斑块下表层SOC存在差异，从而表现出空间异质性，与何俊龄[41]的研究结果一致，其研究亦表明金露梅（Potentilla fruticosa）灌丛表层土壤养分含量显著高于灌丛间草地。本研究未对RAS的SOC、SOCD进行空间插值，但其纯块金效应的出现表明其SOC、SOCD的空间连续性可能较差，事实上RAS微地形较复杂，平均坡度达25°，且地面枯落物分布不均匀，厚度0 ~ 10 cm不等，因此有待更小尺度的研究。
土壤密度、pH、TN、机械组成亦是影响SOC及SOCD空间分布格局的重要因素。冗余分析结果表明，土壤密度、pH是影响研究区SOC、SOCD空间变异的关键因子，与SOC、SOCD呈极显著负相关，这一结果与卓志清等[42]、贡璐等[43]人的研究结果一致，SOC含量提高时有利于改善土壤结构，使土壤疏松多孔，降低土壤紧实度。同时在一定范围内，随着土壤酸性增强，微生物活动受限，从而导致碳的积累。土壤中TN大部分来源于土壤有机质，因此与SOC极显著正相关。本研究SOC、SOCD与土壤黏粒、粉粒呈负相关，与砂粒正相关，这是因为黏粒、粉粒含量的降低，有利于提高土壤透气性，从而加快微生物分解释放养分元素，与马文瑛等[44]、Igor等[45]的研究结果相似。
4. 结 论
（1）SOC、SOCD显著受植被类型的影响，本研究区SOC表现为RAS > CAM > RTS，SOCD为CAM > RAS > RTS。
（2）研究区CAM、RTS的SOC和SOCD主要受结构性因素的影响，具有较强的空间自相关性，二者空间自相关的最大距离在17.44 ~ 30.29 m之间，表明本研究采取的地统计采样间隔是合理的。RAS的SOC、SOCD具有纯块金效应，即随采样间隔变化，其方差均为一常量，说明本研究采取的10 m间隔采样超出了RAS 的SOC、SOCD的空间变异尺度。
（3）在水平方向，CAM的SOC、SOCD主要受含水率、微地形影响，而在样地的东部、南部边缘存在高值区，在北部存在东西向的低值分布带。RTS的SOC、SOCD呈高低值交错分布，破碎化程度高，可能与地面覆被物的镶嵌性分布有关。
（4）冗余分析表明，土壤含水率、土壤密度、pH、TN是影响表层SOC、SOCD空间变异的关键要素。
-
![]()
图 1 2017年中国大陆松材线虫病成灾面积（省级尺度）
Figure 1. Occurrence area of pine wilt disease in mainland China, 2017 (provincial scale)
![]()
图 2 2017年中国大陆省级松材线虫病灾害总经济损失
Figure 2. Total disaster economic losses of provincial pine wilt disease in mainland China, 2017
表 1 2017年中国大陆松材线虫病发病面积（区域尺度）
Table 1 Occurrence area of pine wilt disease in mainland China, 2017 (regional scale)
区域
Region华东
East China华南
South China华中
Central China西南
Southwestern China西北
Northwestern China东北
Northeastern China中国大陆
Mainland China面积/hm2 Area/ha 43 883 12 837 11 848 9 412 4 608 2 936 85 524 
下载: 导出CSV
表 2 松材线虫灾害损失评估指标体系
Table 2 Loss assessment index system of pine wilt disease
一级指标 Primary indicator 二级指标 Secondary indicator 三级指标 Tertiary indicator 直接经济损失
Direct economic loss森林物质资源损失 Loss of forest material resource 森林蓄积量损失 Loss of forest stock 副产品损失 Loss of forest by-product 防治费用损失 Loss of control cost 防治费用损失 Loss of control cost 无效营林费用 Invalid forest fee 造林成本损失 Loss of afforestation cost 抚育费用损失 Loss of tending cost 管护费用损失 Loss of management cost 间接经济损失
Indirect economic loss调节服务价值损失 Regulating service value loss 气体调节服务损失 Loss of gas conditioning service 气候调节服务损失 Loss of climate regulation service 净化环境服务损失 Loss of purification of environmental service 水文调节服务损失 Loss of hydrological regulation service 支持服务价值损失 Support service value loss 土壤保育服务损失 Loss of soil conservation service 养分循环服务损失 Loss of nutrient recycling service 生物多样性服务损失 Loss of biodiversity service 文化服务价值损失 Cultural service value loss 美学景观服务损失 Loss of aesthetic landscape service
下载: 导出CSV
表 3 参数说明表
Table 3 Parameter describing table
参数 Parameter 描述 Description 数值 Value Ta/(元·m−3) 蓄积林价
Stock forest price341.18 Ta/(CNY·m−3) Ad/(m3·hm−2) 年度单位面积损失生长量
Annual loss of growth per unit area3.55 Ad/(m3·ha−1) Y/(kg·hm−2) 健康林单位面积年平均产量
Annual average yield per unit area of healthy forest1 350 Y/(kg·ha−1) P/(元·kg−1) 松脂产地平均价格
Average price of turpentine origin15.25 P/(CNY·kg−1) Cp/(元·hm−2) 单位面积投入的防治费用
Control cost per unit area1 783.50 Cp/(CNY·ha−1) Cc/(元·hm−2) 单位面积投入的造林成本
Afforestation cost per unit area14 293.15 Cc/(CNY·ha−1) Ct/(元·hm−2) 单位面积投入的抚育费用
Tending cost per unit area1 748.22 Ct/(CNY·ha−1) Cm/(元·hm−2) 单位面积投入的管护费用
Management cost per unit area1 260.74 Cm/(CNY·ha−1)
下载: 导出CSV
表 4 单位面积针叶林森林生态系统服务价值当量
Table 4 Equivalent service value of forest ecosystem per unit area of coniferous forest
服务类型
Service type服务功能
Service function当量因子
Equivalent factor调节服务
Adjustment service气体调节
Gas regulation1.70 气候调节
Climate regulation5.07 净化环境
Purifying environment1.49 水文调节
Hydrological regulation3.34 支持服务
Support service土壤保持
Soil conservation2.06 维持养分循环
Maintaining nutrient cycling0.16 生物多样性
Biodiversity1.88 文化服务
Cultural service美学景观
Aesthetic landscape0.82
下载: 导出CSV
表 5 2017年中国大陆省级尺度松材线虫病灾害经济损失
Table 5 Economic losses of pine wilt disease at provincial level in mainland China in 2017
省份
Province直接经济
损失/万元
Direct economic loss/104 CNY间接经济
损失/万元
Indirect economic loss/104 CNY总经济
损失/万元
Total economic loss/104 CNY辽宁 Liaoning 12 005.2 48 634.6 60 639.8 江苏 Jiangsu 27 935.5 131 122.2 159 057.7 浙江 Zhejiang 73 853.2 344 767.3 418 620.5 安徽 Anhui 7 079.6 31 794.1 38 873.7 福建 Fujian 31 166.3 166 024.6 197 190.9 江西 Jiangxi 10 199.2 46 489.2 56 688.4 山东 Shandong 29 187.4 109 567.5 138 754.9 湖北 Hubei 20 748.8 79 420.7 100 169.5 湖南 Hunan 27 693.5 110 467.4 138 160.9 广东 Guangdong 47 823.8 265 752.3 313 576.1 广西 Guangxi 4 660.7 27 649.8 32 310.5 重庆 Chongqing 27 641.4 125 999.5 153 640.9 四川 Sichuan 9 734.7 35 427.6 45 162.3 贵州 Guizhou 1 103.6 4 256.6 5 360.2 陕西 Shaanxi 18 839.7 70 796.2 89 635.9 中国大陆
Mainland China349 672.5 1 598 169.6 1 947 842.1
下载: 导出CSV
表 6 2017年中国大陆松材线虫病灾害二级指标经济损失
Table 6 Economic losses of secondary indicators of pine wilt disease in mainland China in 2017
省份 Province 直接经济损失/万元 Direct economic loss/104 CNY 间接经济损失/万元 Indirect economic loss/104 CNY 物质资源
Material resource防治费用
Control cost无效营林
Invalid forest调节服务
Adjustment service支持服务
Support service文化服务
Cultural service辽宁 Liaoning 6 401.1 523.7 5 080.3 35 065.2 10 612.4 2 957.0 江苏 Jiangsu 14 895.2 1 218.6 11 821.7 92 249.1 32 259.1 6 614.0 浙江 Zhejiang 39 378.5 3 221.6 31 253.1 237 869.7 92 287.5 14 610.1 安徽 Anhui 3 774.8 308.8 2 995.9 22 304.7 7 923.3 1 566.1 福建 Fujian 16 617.9 1 359.5 13 188.9 116 121.6 41 933.4 7 969.6 江西 Jiangxi 5 438.2 444.9 4 316.1 33 071.5 10 856.3 2 561.4 山东 Shandong 15 562.7 1 273.2 12 351.5 78 543.6 24 631.5 6 392.4 湖北 Hubei 11 063.3 905.1 8 780.5 55 782.2 19 687.7 3 950.9 湖南 Hunan 14 766.1 1 208.0 11 719.3 78 039.2 26 665.4 5 762.9 广东 Guangdong 25 499.6 2 086.1 20 238.0 188 242.6 63 347.5 14 162.3 广西 Guangxi 2 485.1 203.3 1 972.3 19 436.1 6 828.7 1 384.9 重庆 Chongqing 14 738.4 1 205.8 11 697.3 86 964.6 33 676.4 5 358.5 四川 Sichuan 5 190.5 424.6 4 119.5 24 374.2 9 592.9 1 460.5 贵州 Guizhou 588.5 48.1 467.0 2 986.4 1 060.5 209.8 陕西 Shaanxi 10 045.3 821.8 7 972.6 48 919.3 18 832.9 3 044.0 中国大陆 Mainland China 186 445.2 15 253.1 147 974.0 1 119 970.0 400 195.5 78 004.4
下载: 导出CSV
-
[1] 闫峻. 我国林业生物灾害管理的经济学分析与对策研究[D]. 北京: 北京林业大学, 2008. Yan J. Economic analysis and countermeasure research of forestry biological disaster management in China [D]. Beijing: Beijing Forestry University, 2008.
[2] Montagné-Huck M B C. Economic analysis of natural forest disturbances: a century of research[J]. Journal of Forest Economics, 2018(32): 42−71.
[3] Yemshanov D, Mckenney D W, Groot P D, et al. A bioeconomic approach to assess the impact of an alien invasive insect on timber supply and harvesting: a case study with Sirex noctilio in eastern Canada[J]. Revue Canadienne De Recherche Forestière, 2009, 39(1): 154−168.
[4] Kent K, Tomá V, Haight R G, et al. Predicting the economic costs and property value losses attributed to sudden oak death damage in California (2010−2020)[J]. Journal of Environmental Management, 2011, 92(4): 1292−1302.
[5] Chang W Y, Lantz V A, Hennigar C R, et al. Economic impacts of forest pests: a case study of spruce budworm outbreaks and control in New Brunswick, Canada[J]. Canadian Journal of Forest Research, 2012, 42(3): 490−505.
[6] Sydnor T D, Bumgardner M, Todd A. The potential economic impacts of emerald ash borer (Agrilus planipennis) on Ohio, US, communities[J]. Arboriculture & Urban Forestry, 2007(1): 48−54.
[7] Bigsby K M, Ambrose M J, Tobin P C, et al. The cost of gypsy moth sex in the city[J]. Urban Forestry & Urban Greening, 2014, 13(3): 459−468.
[8] Kwon T S, Shin J H, Lim J H, et al. Management of pine wilt disease in Korea through preventative silvicultural control[J]. Forest Ecology and Management, 2011, 261(3): 562−569.
[9] Lee K S, Kim D. Global dynamics of a pine wilt disease transmission model with nonlinear incidence rates[J]. Applied Mathematical Modelling, 2013, 37(6): 4561−4569.
[10] 王曦茁, 曹业凡, 汪来发, 等. 松材线虫病发生及防控现状[J]. 环境昆虫学报, 2018, 40(2):256−267. Wang X Z, Cao Y F, Wang L F, et al. Occurrence and control of pine wood nematode[J]. Journal of Environmental Entomology, 2018, 40(2): 256−267.
[11] 何龙喜, 吉静, 邱秀文, 等. 世界松材线虫病发生概况及防治措施[J]. 林业科技开发, 2014, 28(3):8−13. He L X, Ji J, Qiu X W, et al. World pine worm disease occurrence and prevention measures[J]. Forestry Science and Technology Development, 2014, 28(3): 8−13.
[12] Firmino P N, Calvão T, Ayres M P, et al. Monochamus galloprovincialis and Bursaphelenchus xylophilus life history in an area severely affected by pine wilt disease: implications for forest management[J]. Forest Ecology and Management, 2017, 389: 105−115.
[13] Nguyen T V, Park Y S, Jeoung C S, et al. Spatially explicit model applied to pine wilt disease dispersal based on host plant infestation[J]. Ecological Modelling, 2017, 353: 54−62.
[14] Calvão T, Duarte C M, Pimentel C S. Climate and landscape patterns of pine forest decline after invasion by the pinewood nematode[J]. Forest Ecology and Management, 2019, 433: 43−51.
[15] 周健生, 蒋丽雅. 安徽省治理松材线虫病工作的10年回顾[J]. 森林病虫通讯, 1997(3):23−25. Zhou J S, Jiang L Y. A 10-year review of the work of controlling pine wood nematode disease in Anhui Province[J]. Forest Pest Communication, 1997(3): 23−25.
[16] 李兰英. 松材线虫病对浙江省环境影响经济评价[J]. 林业经济, 2009, 8(10):68−73. Li L Y. Economic evaluation of environmental impact of pine wood nematode disease in Zhejiang Province[J]. Forestry Economics, 2009, 8(10): 68−73.
[17] 梁玮莎, 方天松. 广东省松材线虫病防控现状、存在问题与对策[J]. 广东园林, 2012, 34(4):7−10. doi: 10.3969/j.issn.1671-2641.2012.04.002. Liang W S, Fang T S. The status quo, problems and countermeasures of pine wood nematode prevention and control in Guangdong Province[J]. Guangdong Garden, 2012, 34(4): 7−10. doi: 10.3969/j.issn.1671-2641.2012.04.002.
[18] 理永霞. 松材线虫入侵扩张趋势分析[J]. 中国森林病虫, 2018, 37(6):1−4. doi: 10.3969/j.issn.1671-0886.2018.06.001 Li Y X. Analysis of the invasion and expansion trend of pine wood nematode[J]. Chinese Forest Pests, 2018, 37(6): 1−4. doi: 10.3969/j.issn.1671-0886.2018.06.001
[19] 李建文, 凌彤, 麻应太. 陕西秦岭地区松材线虫病防控工作探讨[J]. 陕西林业科技, 2013(6):118−121. doi: 10.3969/j.issn.1001-2117.2013.06.033 Li J W, Ling T, Ma Y T. Discussion on prevention and control of pine wood nematode disease in Qinling area of Shaanxi Province[J]. Shaanxi Forestry Science and Technology, 2013(6): 118−121. doi: 10.3969/j.issn.1001-2117.2013.06.033
[20] 赵杰, 苏宏钧, 常国斌, 等. 森林病虫害灾害经济损失评估指标体系的研究[J]. 中国森林病虫, 2014, 23(1):1−5. doi: 10.3969/j.issn.1671-0886.2014.01.001 Zhao J, Su H J, Chang G B, et al. Research on indicator system for economic loss assessment of forest pests and diseases[J]. Chinese Forest Pests, 2014, 23(1): 1−5. doi: 10.3969/j.issn.1671-0886.2014.01.001
[21] 邵希奎, 辛忠, 刘再春, 等. 森林病虫害经济损失的评估方法[J]. 辽宁林业科技, 2007(1):39−40. doi: 10.3969/j.issn.1001-1714.2007.01.012 Shao X K, Xin Z, Liu Z C, et al. Assessment method for economic losses of forest diseases and insect pests[J]. Liaoning Forestry Science and Technology, 2007(1): 39−40. doi: 10.3969/j.issn.1001-1714.2007.01.012
[22] 苏宏钧, 尤德康, 常国彬, 等. 森林病虫灾害经济损失评估的原则和理论基础[J]. 中国森林病虫, 2004, 23(3):1−4. doi: 10.3969/j.issn.1671-0886.2004.03.001. Su H J, You D K, Chang G B, et al. Principles and theoretical basis for economic loss assessment of forest pests and diseases[J]. Chinese Forest Pests, 2004, 23(3): 1−4. doi: 10.3969/j.issn.1671-0886.2004.03.001.
[23] 常国彬, 苏宏钧, 尤德康, 等. 森林病虫灾害经济损失计算方法研究[J]. 中国森林病虫, 2004, 23(4):1−5. doi: 10.3969/j.issn.1671-0886.2004.04.001. Chang G B, Su H J, You D K, et al. Research on calculation method of economic loss of forest pests and diseases[J]. Chinese Forest Pests, 2004, 23(4): 1−5. doi: 10.3969/j.issn.1671-0886.2004.04.001.
[24] 李兰英. 浙江省松材线虫病环境影响经济评价与治理研究[D]. 北京: 北京林业大学, 2006. Li L Y. Economic evaluation and treatment of environmental impact of pine wood nematode in Zhejiang Province[D]. Beijing: Beijing Forestry University, 2006.
[25] 郭晓华, 江丕文, 昌恩梓, 等. 松材线虫入侵损失评估指标体系研究[J]. 辽宁林业科技, 2008(5):5−8. doi: 10.3969/j.issn.1001-1714.2008.05.002 Guo X H, Jiang P W, Chang E Z, et al. Research on the evaluation index system of pine wood nematode invasion loss[J]. Liaoning Forestry Science and Technology, 2008(5): 5−8. doi: 10.3969/j.issn.1001-1714.2008.05.002
[26] 刘萍, 梁倩玲, 陈梦, 等. 林业有害生物灾害损失评估指标体系构建[J]. 林业科学, 2016, 52(6):101−107. Liu P, Liang Q L, Chen M, et al. Construction of index system of forest pest disaster loss assessment[J]. Scientia Silvae Sinicae, 2016, 52(6): 101−107.
[27] D’amato D, Rekola M, Li N, et al. Monetary valuation of forest ecosystem services in China: a literature review and identification of future research needs[J]. Ecological Economics, 2016, 121: 75−84.
[28] 常国彬, 谭成春, 邢渤庶, 等. 森林病虫害经济损失评估的一种新方法:曲线法[J]. 中国森林病虫, 2006, 25(6):9−13. doi: 10.3969/j.issn.1671-0886.2006.06.003 Chang G B, Tan C C, Xing B S, et al. A new method for assessing the economic loss of forest pests and diseases-curve method[J]. Chinese Forest Pests, 2006, 25(6): 9−13. doi: 10.3969/j.issn.1671-0886.2006.06.003
[29] 郭晓华, 孙娜. 外侵有害生物松材线虫病的损失评估指标体系构建[C]//全国生物多样性保护及外来有害物种防治交流研讨会论文集. 上海: 中国环境科学学会, 2008. Guo X H, Sun N. Construction of loss assessment index system for invasive pests and pine wilt disease[C]//Proceedings of National Symposium on Biodiversity Conservation and Prevention and Control of Alien Harmful Species. Shanghai: Chinese Society for Environmental Sciences, 2008.
[30] 李兰英, 高岚, 温亚利, 等. 松材线虫病对浙江省环境影响经济评价[J]. 林业经济, 2009(8):67−73. Li L Y, Gao L, Wen Y L, et al. Economic evaluation of pine wood nematode disease in Zhejiang Province[J]. Forestry Economy, 2009(8): 67−73.
[31] 黄宰胜, 陈钦. 基于造林成本法的林业碳汇成本收益影响因素分析[J]. 资源科学, 2016, 38(3):485−492. Huang Z S, Chen Q. Analysis of factors affecting forestry carbon sink cost and return based on afforestation cost method[J]. Resource Science, 2016, 38(3): 485−492.
[32] Holmes T P, Liebhold A M, Kovacs K F, et al. A spatial-dynamic value transfer model of economic losses from a biological invasion[J]. Ecological Economics, 2010, 70(1): 86−95.
[33] 谢高地, 张彩霞, 张雷明, 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015b, 30(8):1243−1254. Xie G D, Zhang C X, Zhang L M, et al. Improvement of ecosystem service value method based on unit area value equivalent factor[J]. Journal of Natural Resources, 2015b, 30(8): 1243−1254.
[34] 谢高地, 鲁春霞, 冷允法, 等. 青藏高原生态资产的价值评估[J]. 自然资源学报, 2003, 18(2):189−196. doi: 10.3321/j.issn:1000-3037.2003.02.010 Xie G D, Lu C X, Leng Y F, et al. Evaluation of the ecological assets of the Qinghai-Tibet Plateau[J]. Journal of Natural Resources, 2003, 18(2): 189−196. doi: 10.3321/j.issn:1000-3037.2003.02.010
[35] 牛海鹏, 张安录. 耕地利用生态社会效益测算方法及其应用[J]. 农业工程学报, 2010, 26(5):316−323. Niu H P, Zhang A L. Methods for calculating ecological and social benefits of cultivated land use and their applications[J]. Journal of Agricultural Engineering, 2010, 26(5): 316−323.
[36] 孙能利, 巩前文, 张俊飚. 山东省农业生态价值测算及其贡献[J]. 中国人口·资源与环境, 2011, 21(7):128−132. doi: 10.3969/j.issn.1002-2104.2011.07.022 Sun N L, Gong Q W, Zhang J B. Estimation and contribution of agro-ecological value in Shandong Province[J]. China Population, Resources and Environment, 2011, 21(7): 128−132. doi: 10.3969/j.issn.1002-2104.2011.07.022
[37] 谢高地, 张彩霞, 张昌顺, 等. 中国生态系统服务的价值[J]. 资源科学, 2015a, 37(9):1740−1746. Xie G D, Zhang C X, Zhang C S, et al. Value of China’s ecosystem services[J]. Resources Science, 2015a, 37(9): 1740−1746.
[38] 潘宏阳. 当前我国松材线虫病的治理对策[J]. 森林病虫通讯, 2000(6):44−47. Pan H Y. Current management strategies for pine wood nematode[J]. Forest Disease and Pest Communication, 2000(6): 44−47.
[39] Kim Y H, Kim A Y, Choi B H, et al. ExpansinB3 as a marker for detecting pine wood nematode-infected pine trees[J]. Journal of Asia-Pacific Entomology, 2017, 20(4): 1228−1233.
[40] Liang W, Yu A, Wang G, et al. Chitosan-based nanoparticles of avermectin to control pine wood nematodes[J]. International Journal of Biological Macromolecules, 2018,112: 258−263.
[41] 单胜道, 尤建新. 收益还原法及其在林地价格评估中的应用[J]. 同济大学学报(自然科学版), 2003, 31(11):1374−1377. doi: 10.3321/j.issn:0253-374X.2003.11.024 Shan S D, You J X. Income reduction method and its application in forest land price evaluation[J]. Journal of Tongji University (Natural Science Edition), 2003, 31(11): 1374−1377. doi: 10.3321/j.issn:0253-374X.2003.11.024
[42] 黄和亮, 张建国. 林地资源分类利用与林地资源价格[J]. 林业经济问题, 2005, 25(4):226−229. doi: 10.3969/j.issn.1005-9709.2005.04.008 Huang H L, Zhang J G. Classification and utilization of forest land resources and forest land resource prices[J]. Forestry Economic Issues, 2005, 25(4): 226−229. doi: 10.3969/j.issn.1005-9709.2005.04.008
[43] 刘欣, 郭志勤, 姚增福. 我国集体林地流转价格研究:以闽西北人工杉木林地为例[J]. 西北林学院学报, 2013, 28(1):249−254. doi: 10.3969/j.issn.1001-7461.2013.01.50 Liu X, Guo Z Q, Yao Z F. Study on the transfer price of collective woodland in China: taking artificial Chinese fir forest land in Northwest Yunnan as an example[J]. Journal of Northwest Forestry University, 2013, 28(1): 249−254. doi: 10.3969/j.issn.1001-7461.2013.01.50
[44] 于海英. 辽宁发现松材线虫新寄主植物和新传播媒介昆虫[J]. 中国森林病虫, 2018, 37(5):61. doi: 10.3969/j.issn.1671-0886.2018.05.015 Yu H Y. Discovery of new host plants and new vector insects of pine wood nematode in Liaoning[J]. Chinese Forest Pests, 2018, 37(5): 61. doi: 10.3969/j.issn.1671-0886.2018.05.015
[45] 宋玉双, 苏宏钧, 于海英, 等. 2006—2010年我国林业有害生物灾害损失评估[J]. 中国森林病虫, 2011, 30(6):1−4, 24. doi: 10.3969/j.issn.1671-0886.2011.06.001. Song Y S, Su H J, Yu H Y, et al. 2006−2010 China forestry pest disaster loss assessment[J]. Chinese Forest Pests, 2011, 30(6): 1−4, 24. doi: 10.3969/j.issn.1671-0886.2011.06.001.
[46] 王剑波. 中国林业生物灾害经济分析及其防治对策研究[D].北京: 中国林业科学研究院, 2013. Wang J B. Economic analysis of China’s forestry bio-disaster and its prevention and control countermeasures[D]. Beijing: Chinese Academy of Forestry, 2013.
[47] 沈彩周, 温小遂, 李莉华, 等. 江西省林业有害生物灾害损失评估[J]. 江西林业科技, 2012(1):28−31. doi: 10.3969/j.issn.1006-2505.2012.01.010. Shen C Z, Wen X S, Li L H, et al. Assessment of forest pest damage in Jiangxi Province[J]. Science and Technology, 2012(1): 28−31. doi: 10.3969/j.issn.1006-2505.2012.01.010.
[48] 侯佩华, 徐琴, 张扬, 等. 江西省2016年林业有害生物灾害损失评估[J]. 南方林业科学, 2017, 45(4):59−63. Hou P H, Xu Q, Zhang Y, et al. Assessment of loss of forestry pest disasters in Jiangxi Province in 2016[J]. Southern Forestry Science, 2017, 45(4): 59−63.
[49] Allen C D, Macalady A K, Chenchouni H, et al. A global overview of drought and heat-induced tree mortality reveals emerging climate change risks for forests[J]. Forest Ecology and Management, 2010, 259(4): 660−684.
[50] Yousuf F, Carnegie A J, Bedding R A, et al. Effect of temperature on woodwasp (Sirex noctilio F.) development and parasitism by the entomopathogenic nematode, Deladenus siricidicola[J]. Biological Control, 2014, 79: 67−74.
[51] Lantschner M V, Aukema B H, Corley J C. Droughts drive outbreak dynamics of an invasive forest insect on an exotic host[J]. Forest Ecology and Management, 2019, 433: 762−770.
-
期刊类型引用(1)
1. 杨冲，张子木，朱麒轩，杜瑶，李黎，罗斌. 基于中密度纤维板磨削的定组态砂带寿命研究. 林业机械与木工设备. 2023(03): 62-66+75 . 
百度学术
其他类型引用(4)
计量
- 文章访问数: 2139
- HTML全文浏览量: 524
- PDF下载量: 134
- 被引次数: 5
