高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于树木雷达的小兴安岭典型树种粗根分布及其影响因素研究

纪文文 王立海 时小龙 许明贤 郝泉龄 张广晖 孟庆凯 侯胜铭

引用本文:
Citation:

基于树木雷达的小兴安岭典型树种粗根分布及其影响因素研究

    作者简介: 纪文文。主要研究方向:森林工程。Email:2263498593@qq.com 地址:150040 黑龙江省哈尔滨市和兴路 26 号东北林业大学工程技术学院.
    通讯作者: 王立海,博士,教授。主要研究方向:森林工程。Email:lihaiwang@yahoo.com 地址:同上. 

Coarse root distribution and its influencing factors of typical species in Lesser Xing’an Range based on tree radar unit

  • 摘要: 目的 探究小兴安岭典型树种粗根分布规律及其影响因素,为小兴安岭树木良好生长提供科学依据和数据支撑。方法 以红松、落叶松、红皮云杉、樟子松为研究对象,在凉水实验林场选取了8个样地进行试验。以样木为圆心,采用树木雷达扫描以0.5、1、1.5、2 m为半径的圆周上的根系,采用环刀法和取土样法测定土壤理化性质,并测量树高、胸径、冠幅等树木因子,分析小兴安岭树木粗根分布状况,并对粗根密度与树木因子及土壤因子指标进行相关性分析。结果 (1)小兴安岭4个典型树种在水平方向粗根密度随着与树干距离的增加而减少;在垂直方向上,随着土壤深度的增加,红松和落叶松粗根密度逐渐减少,红皮云杉和樟子松粗根密度先增加后减少。红松、落叶松、红皮云杉、樟子松分别有82.1%、82.0%、89.6%、67.6%的粗根分布在0 ~ 40 cm土层深度。(2)树木粗根密度与树高、胸径、冠幅呈显著正相关关系(P < 0.05),与树木平均阻力值无显著相关关系(P > 0.05)。(3)树木粗根密度与土壤含水量、饱和持水量、毛管持水量呈显著正相关关系(P < 0.05),与土壤密度呈显著负相关关系(P < 0.05),与毛管持水量相关程度最高(r = 0.538,P = 0.012)。树木粗根密度与土壤有机质、全氮、全磷、水解氮含量呈显著正相关关系(P < 0.05),与全氮含量相关程度最高(r = 0.646,P = 0.002)。结论 研究结果表明树木因子和土壤因子均对小兴安岭4个典型树种粗根分布产生不同程度影响,树木粗根分布不仅与自身特性有关,还与其生存环境有关,而与树木材质状况无关。
  • 图 1  不同树种粗根分布特征

    Figure 1.  Distribution characteristics of coarse roots for different tree species

    表 1  试验样地及试验样木基本信息

    Table 1.  Basic information of test sample plots and test sample trees

    样地编号
    Sample plot No.
    样地类型
    Sample plot type
    主要树种
    Principal tree species
    树木平均胸径
    Mean DBH of trees/cm
    海拔高度
    Altitude/m
    1 原始林 Virgin forest 红松 Pinus koraiensis 52.58 ± 23.63 398.00
    2 原始林 Virgin forest 红松 Pinus koraiensis 82.64 ± 13.13 404.97
    3 人工林 Plantation 红松 Pinus koraiensis 24.68 ± 2.63 436.00
    4 人工林 Plantation 红松 Pinus koraiensis 28.44 ± 2.90 449.50
    5 人工林 Plantation 落叶松 Larix gmelinii 38.42 ± 5.10 439.50
    6 人工林 Plantation 落叶松 Larix gmelinii 30.42 ± 6.10 443.00
    7 平坦开阔地带 Open flat land 红皮云杉 Picea koraiensis 38.28 ± 4.10 341.20
    8 平坦开阔地带 Open flat land 樟子松 Pinus sylvestris 40.40 ± 7.87 343.60
    下载: 导出CSV

    表 2  土壤化学性质指标测定方法

    Table 2.  Methods for determining soil chemical properties

    土壤化学性质指标
    Soil chemical property index
    测定方法
    Assay method
    中国林业行业标准
    China forestry industry standard
    pH 电位法
    Potentiometry
    LY/T 1237—1999
    全氮 Total nitrogen 凯式定氮法
    Kjeldahl determination
    LY/T 1228—2015
    水解氮 Hydrolyzable nitrogen 碱解扩散法
    Alkaline hydrolysis diffusion
    全钾 Total potassium 酸溶−火焰光度法
    Acid dissolution-flame photometry
    LY/T 1234—2015
    速效钾 Available potassium 乙酸铵浸提−火焰光度法
    Extraction with ammonium acetat-flame photometry
    全磷 Total phosphorus 酸溶−钼锑抗比色法
    Acid dissolution-Mo sb colorimetry method
    LY/T 1232—2015
    有效磷 Available phosphorus 氢氧化钠浸提−钼锑抗比色法
    Extraction with sodium hydroxide-Mo sb colorimetry method
    有机质 Organic matter 油浴重铬酸钾氧化法
    Oil bath heating oxidized by potassium dichromate volumetric method
    LY/T 1237—1999
    下载: 导出CSV

    表 3  人工林和原始林红松平均粗根密度                 根/m

    Table 3.  Average coarse root density of Pinus koraiensis in plantation and primary forests root number/m

    项目 Item扫描半径 Scanning radius/m土壤深度 Soil depth/cm
    0.511.520 ~ 2020 ~ 40 40 ~ 60
    人工林红松 Pinus koraiensis plantation 7.60 7.66 7.355.7813.3710.874.14
    原始林红松 Primary Pinus koraiensis forest12.0410.9610.018.0821.4511.368.28
    下载: 导出CSV

    表 4  不同土层粗根密度与土壤物理性质指标相关性分析

    Table 4.  Correlation analysis of coarse root density and soil physical property indexes in different soil layers

    Pearson相关系数
    Pearson correlation coefficient
    LmLRLBCLMCLFKLMKLZK
    TRD0.526*− 0.438*0.530*0.538*0.3160.1850.291
    RD0 ~ 200.522*− 0.602**0.534*0.524*0.438*− 0.0210.168
    RD20 ~ 40− 0.3370.369− 0.311− 0.315− 0.121− 0.074− 0.114
    RD40 ~ 600.482*− 0.3000.452*0.478*0.0880.3480.332
    RD0 ~ 400.209− 0.2540.2360.2250.285− 0.0670.063
    注:LmLRLBCLMCLFKLMKLZK分别表示土壤含水量、土壤密度、土壤饱和持水量、土壤毛管持水量、非毛管孔隙度、毛管孔隙度、总孔隙度。*表示在0.05水平上显著相关,**表示在0.01水平上显著相关,未标记表示相关性不显著,TRD、RD0 ~ 20、RD20 ~ 40、RD40 ~ 60、RD0 ~ 40分别表示树木总粗根密度、0 ~ 20 cm土层粗根密度值、20 ~ 40 cm土层粗根密度值、40 ~ 60 cm土层深度粗根密度值、0 ~ 40 cm土层粗根密度值。下同。Notes: Lm, LR, LBC, LMC, LFK, LMK, LZK represent soil moisture content, soil density, saturated soil water holding capacity, soil capillary water holding capacity, non-capillary porosity, capillary porosity and total porosity, respectively. * indicates significant correlation at 0.05 level, ** indicates significant correlation at 0.01 level, unmarked one indicates that the correlation is not significant. TRD, RD0 ~ 20, RD20 ~ 40, RD40 ~ 60, RD0 ~ 40 indicate the total coarse root density value of the tree, coarse root density value of 0−20 cm soil layer, coarse root density value of 20−40 cm soil layer, coarse root density value of 40−60 cm soil layer, coarse root density value of 0−40 cm soil layer, respectively. Same as below.
    下载: 导出CSV

    表 5  不同土层粗根密度与土壤理化性质指标逐步回归分析

    Table 5.  Stepwise regression analysis of coarse root density and soil physical and chemical properties in different soil layers

    回归模型 Regression modelR2P
    TRD = 30.816 + 0.053LMC 0.290 0.012
    RD0 ~ 20 = 21.387 − 7.001LR 0.362 0.004
    RD40 ~ 60 = 3.418 + 0.046Lm 0.232 0.027
    TRD = 30.289 + 0.926XTN 0.418 0.002
    RD0 ~ 20 = 11.987 + 0.657XTN 0.378 0.003
    RD20 ~ 40 = 16.186 − 0.01XHN 0.192 0.047
    RD40 ~ 60 = 1.951 + 0.016XHN 0.352 0.005
    注:TN、HN分别表示全氮和水解氮。 Notes: TN, HN represent total nitrogen and hydrolyzable nitrogen, respectively.
    下载: 导出CSV

    表 6  不同土层深度粗根密度与土壤化学性质指标相关性分析

    Table 6.  Correlation analysis of coarse root density and soil chemical property indexes in different soil layers

    Pearson相关系数
    Pearson correlation coefficient
    pH有机质
    Organic
    matter
    全氮
    Total
    nitrogen
    全磷
    Total phosphorus
    全钾
    Total
    potassium
    水解氮
    Hydrolyzable nitrogen
    有效磷
    Available phosphorus
    速效钾
    Available potassium
    TRD− 0.1930.569**0.646**0.525*0.0250.461*0.3730.220
    RD0 ~ 20− 0.558**0.612**0.615*0.341− 0.0610.4110.495*0.145
    RD20 ~ 400.308− 0.409− 0.295− 0.091− 0.001− 0.439*− 0.093− 0.193
    RD40 ~ 600.0530.509*0.518*0.461*0.1020.593*0.0850.323
    RD0 ~ 40− 0.2590.2340.3150.224− 0.0520.0460.351− 0.009
    下载: 导出CSV
  • [1] 郭立, 范碧航, 吴渊, 等. 探地雷达应用于植物粗根探测的研究进展[J]. 中国科技论文, 2014, 9(4):494−498. doi: 10.3969/j.issn.2095-2783.2014.04.025Guo L, Fan B H, Wu Y, et al. A review on the application of ground-penetrating radar to detect and quantify coarse roots[J]. China Science Paper, 2014, 9(4): 494−498. doi: 10.3969/j.issn.2095-2783.2014.04.025
    [2] 孙鹏, 李金航, 刘海轩, 等. 黄栌根系结构与个体健康程度的关系[J]. 西北林学院学报, 2016, 31(2):20−27. doi: 10.3969/j.issn.1001-7461.2016.02.04Sun P, Li J H, Liu H X, et al. Relationship between root structure and health level of Cotius coggyaria trees[J]. Journal of Northwest Forestry University, 2016, 31(2): 20−27. doi: 10.3969/j.issn.1001-7461.2016.02.04
    [3] Laclau J P, Arnaud M, Bouillet J P, et al. Spatial distribution of Eucalyptus roots in a deep sandy soil in the Congo: relationships with the ability of the stand to take up water and nutrients[J]. Tree Physiology, 2001, 21(2−3): 129−136. doi: 10.1093/treephys/21.2-3.129
    [4] Zhou Z C, Shangguan Z P. Vertical distribution of fine roots in relation to soil factors in Pinus tabulaeformis Carr. forest of the Loess Plateau of China[J]. Plant and Soil, 2007, 291(1−2): 119−129. doi: 10.1007/s11104-006-9179-z
    [5] Rajab Y A, Dirk H, Leuschner C, et al. Effects of shade tree cover and diversity on root system structure and dynamics in cacao agroforests: the role of root competition and space partitioning[J]. Plant and Soil, 2018, 422: 349−369. doi: 10.1007/s11104-017-3456-x
    [6] 张晓, 黄晓强, 信忠保, 等. 北京山区不同林分林下植被根系分布特征及其影响因素[J]. 北京林业大学学报, 2018, 40(4):51−57.Zhang X, Huang X Q, Xin Z B, et al. Distribution characteristics and its influencing factors of understory vegetation roots under the typical plantations in mountainous area of Beijing[J]. Journal of Beijing Forestry University, 2018, 40(4): 51−57.
    [7] Barton C V M, Montagu K D. Detection of tree roots and determination of root diameters by ground penetrating radar under optimal conditions[J]. Tree Physiology, 2004, 24(12): 1323−1331. doi: 10.1093/treephys/24.12.1323
    [8] Hirano Y, Dannoura M, Aono K, et al. Limiting factors in the detection of tree roots using ground-penetrating radar[J]. Plant and Soil, 2009, 319(1−2): 15−24. doi: 10.1007/s11104-008-9845-4
    [9] Ow L F, Sim E K. Detection of urban tree roots with the ground penetrating radar[J]. Plant Biosystems, 2012, 146(Suppl. 1): 288−297.
    [10] Borden K A, Thomas S C, Isaac M E. Interspecific variation of tree root architecture in a temperate agroforestry system characterized using ground-penetrating radar[J]. Plant and Soil, 2016, 410(1−2): 1−12.
    [11] 崔喜红, 陈晋, 沈金松, 等. 基于探地雷达的树木根径估算模型及根生物量估算新方法[J]. 中国科学: 地球科学, 2010, 41(2):243−252. doi: 10.1007/s11430-010-4103-zCui X H, Chen J, Shen J S, et al. Modeling tree root diameter and biomass by ground-penetrating radar[J]. Sci China Earth Sci, 2010, 41(2): 243−252. doi: 10.1007/s11430-010-4103-z
    [12] 闫慧, 董心亮, 冯刚, 等. 古田山亚热带常绿阔叶林粗根空间分布特征及影响因子分析: 探地雷达途径[J]. 中国科学: 生命科学, 2013,43 (9): 788−798.Yan H, Dong X L, Feng G, et al. Coarse root spatial distribution determined using a ground: penetrating radar technique in a subtropical evergreen broad-leaved forest, China[J]. Sci China Life Sci, 2013, 43(9): 788−798.
    [13] 闫慧, 董心亮, 张守仁. 古田山亚热带常绿阔叶林粗根生物量分布特征[J]. 科学通报, 2014, 59(24):2416−2425. doi: 10.1360/N972014-00360Yan H, Dong X L, Zhang S R. Coarse root biomass distribution characteristics in a Chinese subtropical evergreen broadleaved forest [J]. Chin Sci Bull (Chin Ver), 2014, 59(24): 2416−2425. doi: 10.1360/N972014-00360
    [14] 贺东鹏, 武发思, 徐瑞红, 等. 探地雷达在莫高窟窟区树木根系探测方面的应用[J]. 干旱区资源与环境, 2015, 29(2):86−91.He D P, Wu F S, Xu R H,et al. The application of ground penetrating radar in plant root system detecting around Mogao Grottoes[J]. Journal of Arid Land Resources and Environment, 2015, 29(2): 86−91.
    [15] 甘明旭, 孙涛, 康永祥, 等. 应用探地雷达对黄帝陵古柏树干和粗根的研究[J]. 西北林学院学报, 2016, 31(4):182−187, 194. doi: 10.3969/j.issn.1001-7461.2016.04.31Gan M X, Sun T, Kang Y X, et al. Examination of the trunk cvity and thick root distribution of acient Platycladus orientalis in the tomb of yellow emperor by ground penetrating radar technology[J]. Journal of Northwest Forestry University, 2016, 31(4): 182−187, 194. doi: 10.3969/j.issn.1001-7461.2016.04.31
    [16] 张甜, 朱玉杰, 董希斌. 小兴安岭用材林土壤肥力综合评价及评价方法比较[J]. 东北林业大学学报, 2016, 44(12):10−14,98. doi: 10.3969/j.issn.1000-5382.2016.12.003Zhang T, Zhu Y J, Dong X B. Comprehensive evaluation and method comparison of timber forest soil fertility in Xiaoxing’an Mountain[J]. Journal of Northeast Forestry University, 2016, 44(12): 10−14,98. doi: 10.3969/j.issn.1000-5382.2016.12.003
    [17] Yu B Q, Xie C K, Cai S Z, et al. Effects of tree root density on soil total porosity and non-capillary porosity using a ground-penetrating tree radar unit in Shanghai, China[J]. Sustainability, 2018, 10(12): 4640. doi: 10.3390/su10124640
    [18] 季永华, 张纪林, 卢义山, 等. 河堤防护林带树木根系形态特征的研究[J]. 南京林业大学学报, 1998, 22(3):34−37.Ji Y H, Zhang J L, Lu Y S, et al. A study on root morphological character of shelter belt on the river embankment[J]. Journal of Nanjing Forestry University, 1998, 22(3): 34−37.
    [19] 周广行, 朱清科, 任正龑, 等. 基于GPR的陕北黄土区河北杨粗根分布特征研究[J]. 水土保持学报, 2016, 30(2):346−351.Zhou G X, Zhu Q K, Ren Z Y, et al. Research on the distribution characteristics of coarse roots of Populus hopeiensis in the loess area of northern Shaanxi based on GPR[J]. Journal of Soil and Water Conservation, 2016, 30(2): 346−351.
    [20] 熊斌梅, 汪正祥, 李中强, 等. 七姊妹山自然保护区黄杉年龄胸径树高的相关性研究[J]. 林业资源管理, 2016(4):41−46.Xiong B M, Wang Z X, Li Z Q, et al. Study on the correlation among age, DBH and tree height of the Pseudotsuga sinensis in Qizimei Mountain Nature Reserve[J]. Forest Resources Management, 2016(4): 41−46.
    [21] 王晓宏, 张秋良, 郭玉东, 等. 兴安落叶松天然林粗根生物量及分布特征的研究[J]. 林业资源管理, 2013(5):62−66,90. doi: 10.3969/j.issn.1002-6622.2013.05.012Wang X H, Zhang Q L, Guo Y D, et al. Study on the coarse root biomass and distribution characteristics about natural Larix gmelinii forest[J]. Forest Resources Management, 2013(5): 62−66,90. doi: 10.3969/j.issn.1002-6622.2013.05.012
    [22] 马理辉, 吴普特, 汪有科. 黄土丘陵半干旱区密植枣林随树龄变化的根系空间分布特征[J]. 植物生态学报, 2012, 36(4):292−301.Ma L H, Wu P T, Wang Y K. Spatial pattern of root systems of dense jujube plantation with jujube age in the semiarid loess hilly region of China[J]. Chinese Journal of Plant Ecology, 2012, 36(4): 292−301.
    [23] 王凯, 宋文彩, 罗宇晨, 等. 玛纳斯地区不同树龄赤霞珠葡萄根系分布的研究[J]. 西北农林科技大学学报(自然科学版), 2015, 43(10):138−144.Wang K, Song W C, Luo Y C, et al. Distribution of cabernet sauvignon grape roots in manas region[J]. Journal of Northwest A&F University(Nat Sci Ed), 2015, 43(10): 138−144.
    [24] John R, Kathleen G H, Theresa J. Decoupling the diameter-age debate: the boise national forest’s legacy tree guide[J]. Forest Science, 2019, 65(4): 519−527.
    [25] 吴福社, 吴贻军, 邵卓平. 应力波仪和阻力仪用于雪松立木内部材性检测的研究[J]. 安徽农业大学学报, 2011, 38(1):127−130.Wu F S, Wu Y J, Shao Z P. Determination of cedar sample interior characteristics based on stress wave and resistograph[J]. Journal of Anhui Agricultural University, 2011, 38(1): 127−130.
    [26] 任安芝, 高玉葆, 王金龙. 不同沙地生境下黄柳(Salix gordejevii)的根系分布和冠层结构特征[J]. 生态学报, 2001, 21(3):399−404. doi: 10.3321/j.issn:1000-0933.2001.03.008Ren A Z, Gao Y B, Wang J L. Root distribution and canopy structure of Salix gordejevii in different sandy land habitats[J]. Acta Ecologica Sinica, 2001, 21(3): 399−404. doi: 10.3321/j.issn:1000-0933.2001.03.008
    [27] Sun J, Liao Q, Wang G. Not light or gravity but water guiding root to grow[J]. Optik-International Journal for Light and Electron Optics, 2016, 127(8): 3834−3839. doi: 10.1016/j.ijleo.2015.12.094
    [28] 杨喜田, 杨小兵, 曾玲玲, 等. 林木根系的生态功能及其影响根系分布的因素[J]. 河南农业大学学报, 2009, 43(6):681−690.Yang X T, Yang X B, Zeng L L, et al. Ecological functions of tree root system and influencing factors on its distribution[J]. Journal of Henan Agricultural University, 2009, 43(6): 681−690.
    [29] 黄昌勇, 徐建明. 土壤学[M]. 北京:中国农业出版社, 2010.Huang C Y, Xu J M. Soil science[M]. Beijing: China Agricultural Press, 2010.
    [30] Cui Q F, Feng Z P, Yang X T. Distributions of fine and coarse tree roots in a semi-arid mountain region and their relationships with soil properties[J]. Trees, 2017, 31(2): 607−616. doi: 10.1007/s00468-016-1493-3
    [31] 何茂松, 罗艳, 彭庆文, 等. 新疆45种荒漠植物粗根碳、氮、磷计量特征及其与环境的关系[J]. 生态学杂志, 2019, 38(9):1−16.He M S, Luo Y, Peng Q W, et al. Carbon, nitrogen and phosphorus stoichiometry in the coarse roots of 45 desert plant species and the relations with environmental factors across the deserts in Xinjiang[J]. Chinese Journal of Ecology, 2019, 38(9): 1−16.
  • [1] 温远光郑羡李明臣徐海根梁宏温黄承标朱宏光何斌 . 广西桉树林取代马尾松林对土壤理化性质的影响. 北京林业大学学报, 2009, 31(6): 145-148.
    [2] 孙永磊卢泽洋周金星庞丹波刘玉国关颖慧 . 喀斯特断陷盆地典型林地土壤酶活性及理化性质研究. 北京林业大学学报, 2020, 42(2): 40-48. doi: 10.12171/j.1000-1522.20180328
    [3] 薛文悦戴伟王乐乐戚俊李晓红 . 北京山地几种针叶林土壤酶特征及其与土壤理化性质的关系. 北京林业大学学报, 2009, 31(4): 90-96.
    [4] 姜俊刘宪钊贾宏炎明安刚陈贝贝陆元昌 . 杉木人工林近自然化改造对林下植被多样性和土壤理化性质的影响. 北京林业大学学报, 2019, 41(5): 170-177. doi: 10.13332/j.1000-1522.20190022
    [5] 白静严锦钰何东进蔡金标王韧游巍斌肖石红侯栋梁李威威 . 互花米草入侵对闽东滨海湿地红树林土壤理化性质和酶活性的影响. 北京林业大学学报, 2017, 39(1): 70-77. doi: 10.13332/j.1000-1522.20160202
    [6] 李伟克刘晓东牛树奎李炳怡刘冠宏褚艳琴 . 火烧对河北平泉油松林土壤微生物量的影响. 北京林业大学学报, 2017, 39(10): 70-77. doi: 10.13332/j.1000-1522.20160420
    [7] 王爱斌张流洋宋慧芳张明苗雅慧郭雨潇张凌云 . 磷肥施用方式对蓝莓苗木生长及养分吸收的影响. 北京林业大学学报, 2020, 42(2): 114-123. doi: 10.12171/j.1000-1522.20190235
    [8] 朱耀军郭菊兰武高洁林广旋吴晓东 . 湛江高桥红树林沉积物理化性质与金属元素的空间分布. 北京林业大学学报, 2014, 36(2): 1-9.
    [9] 李国平崔彬彬赵俊卉施婷婷李贤军杜官本刘志军周国模刘智张煜星雷霆徐剑琦肖化顺宗世祥江泽慧周志强王志玲程金新张展羽雷相东于寒颖黄心渊程丽莉陈伟曹伟雷洪张贵张则路张彩虹郭广猛张璧光王海黄群策李云王正骆有庆杨谦丁立建苏淑钗苏里坦郝雨王正刘童燕曹金珍李云吴家森张璧光关德新方群吴家兵李文军常亮秦广雍刘彤张大红秦岭张书香许志春张慧东刘大鹏王勇张国华宋南姜培坤黄晓丽贺宏奎张佳蕊陈晓光金晓洁]周晓燕苏晓华蔡学理张金桐李延军姜金仲陈燕高黎于兴华冯慧刘建立张弥姜静刘海龙张冰玉王德国朱彩霞陈绪和王谦王安志成小芳尹伟伦周梅张连生冯大领金昌杰亢新刚张勤聂立水陈建伟3梁树军胡君艳韩士杰崔国发姚国龙 . 亚热带不同人工林土壤理化性质的研究. 北京林业大学学报, 2006, 28(6): 56-59.
    [10] 李萍萍薛彬孙德智 . 施用城市污泥堆肥对土壤理化性质及白三叶生长的影响. 北京林业大学学报, 2013, 35(1): 127-131.
    [11] 王涛郭洋苏建宇徐春燕 . 贺兰山丁香对土壤理化性质、酶活性和微生物多样性的影响. 北京林业大学学报, 2020, 42(4): 91-101. doi: 10.12171/j.1000-1522.20180365
    [12] 李惋瑾王若水肖辉杰王百田张克斌刘青青郭冰寒 . 鲜海带生物酶解有机液肥对沙木蓼生长和土壤理化性质的影响. 北京林业大学学报, 2018, 40(7): 62-72. doi: 10.13332/j.1000-1522.20170269
    [13] 马媛媛戴显庆彭绍好杨光冀晓东 . 天然沸石对松嫩平原黑钙土理化性质和保水能力的影响. 北京林业大学学报, 2018, 40(2): 51-57. doi: 10.13332/j.1000-1522.20170218
    [14] 刘峰席本野戴腾飞于景麟李广德陈雨姗王杰贾黎明 . 水肥耦合对毛白杨林分土壤氮、细根分布及生物量的影响. 北京林业大学学报, 2020, 42(1): 75-83. doi: 10.12171/j.1000-1522.20190222
    [15] 杨新兵余新晓鲁绍伟李永慈 , . 基于土壤水动力学的树木根系吸水模型构建(Ⅱ)——林分. 北京林业大学学报, 2008, 30(supp.2): 201-205.
    [16] 杨新兵余新晓鲁绍伟李永慈 . 基于土壤水动力学的树木根系吸水模型构建(Ⅰ)——单株. 北京林业大学学报, 2008, 30(supp.2): 197-200.
    [17] 夏延国董芳宇吕爽王键铭井家林李景文 . 极端干旱区胡杨细根的垂直分布和季节动态. 北京林业大学学报, 2015, 37(7): 37-44. doi: 10.13332/j.1000-1522.20150082
    [18] 旷远文杨丽韫李贤军刘海军程万里王发国罗辑徐秋芳王鸿斌李艳华郝朝运陈永亮宋瑞清张占宽张志吴娟王安志毕华兴赵廷宁卜崇峰明军马忠明张真马洁姜培坤程根伟郭卫东李文华刘国彬骆有庆陈天全刘建梅朱金兆习宝田张启翔温达志张璧光叶华谷谭秀英刘一星曹子龙冀瑞卿李伟李文军刘鹏陈玉福温俊宝邢福武郑翠玲沈泉裴铁朱清科康向阳孔祥波敏朗程放李笑吟周国逸兰彦平金昌杰孙保平则元京马其侠何祖慰张宇清沈佐锐刘世忠李延军张志明金幼菊丁国栋陈红锋张德强冯继华姚爱静曹刚陶万强魏铁 . 长白山原始阔叶红松林细根分布及其周转的研究. 北京林业大学学报, 2005, 27(2): 1-5.
    [19] 骆宗诗向成华章路谢大军罗晓华 . 花椒林细根空间分布特征及椒草种间地下竞争. 北京林业大学学报, 2010, 32(2): 86-91.
    [20] 刘方春邢尚军马海林杜振宇马丙尧陈波 . 生物肥对冬枣根际土壤微环境特征的影响. 北京林业大学学报, 2012, 34(5): 100-104.
  • 加载中
图(1)表(6)
计量
  • 文章访问数:  517
  • HTML全文浏览量:  356
  • PDF下载量:  41
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-07-07
  • 录用日期:  2019-10-25
  • 网络出版日期:  2020-03-05
  • 刊出日期:  2020-05-01

基于树木雷达的小兴安岭典型树种粗根分布及其影响因素研究

    通讯作者: 王立海, lihaiwang@yahoo.com
    作者简介: 纪文文。主要研究方向:森林工程。Email:2263498593@qq.com 地址:150040 黑龙江省哈尔滨市和兴路 26 号东北林业大学工程技术学院
  • 东北林业大学工程技术学院,黑龙江 哈尔滨 150040

摘要: 目的探究小兴安岭典型树种粗根分布规律及其影响因素,为小兴安岭树木良好生长提供科学依据和数据支撑。方法以红松、落叶松、红皮云杉、樟子松为研究对象,在凉水实验林场选取了8个样地进行试验。以样木为圆心,采用树木雷达扫描以0.5、1、1.5、2 m为半径的圆周上的根系,采用环刀法和取土样法测定土壤理化性质,并测量树高、胸径、冠幅等树木因子,分析小兴安岭树木粗根分布状况,并对粗根密度与树木因子及土壤因子指标进行相关性分析。结果(1)小兴安岭4个典型树种在水平方向粗根密度随着与树干距离的增加而减少;在垂直方向上,随着土壤深度的增加,红松和落叶松粗根密度逐渐减少,红皮云杉和樟子松粗根密度先增加后减少。红松、落叶松、红皮云杉、樟子松分别有82.1%、82.0%、89.6%、67.6%的粗根分布在0 ~ 40 cm土层深度。(2)树木粗根密度与树高、胸径、冠幅呈显著正相关关系(P < 0.05),与树木平均阻力值无显著相关关系(P > 0.05)。(3)树木粗根密度与土壤含水量、饱和持水量、毛管持水量呈显著正相关关系(P < 0.05),与土壤密度呈显著负相关关系(P < 0.05),与毛管持水量相关程度最高(r = 0.538,P = 0.012)。树木粗根密度与土壤有机质、全氮、全磷、水解氮含量呈显著正相关关系(P < 0.05),与全氮含量相关程度最高(r = 0.646,P = 0.002)。结论研究结果表明树木因子和土壤因子均对小兴安岭4个典型树种粗根分布产生不同程度影响,树木粗根分布不仅与自身特性有关,还与其生存环境有关,而与树木材质状况无关。

English Abstract

  • 粗根作为根系的重要组成部分,不仅承担着运输水分和养分的作用,还对树木的地上部分起到了固定和支撑作用[1]。树木的健康生长也与根系的生长发育密切相关[2]。一直以来由于观测技术的限制,很难在不破坏树木根系及周围环境的情况下观测树木粗根结构,对树木根系的研究也多集中在细根研究方面[3-6]。随着探地雷达技术的发展,越来越多的国内外学者运用这一无损检测技术对树木粗根展开了研究。Barton等[7]应用探地雷达技术探测了树木根系,并应用波形参数估测了根系直径。Hirano等[8]探究了影响探地雷达探测根系的限制因素,表明根系含水量、根系直径、根系之间的间距等因素都会对探地雷达检测结果产生影响。Ow等[9]在利用探地雷达探测城市树根时发现土壤中的细根通常不会被探地雷达检测到,探地雷达只能检测到直径大于0.05 m的粗根。Borden等[10]应用探地雷达探测了温带农林复合系统中根系结构的变化,表明树木粗根结构因品种而异。崔喜红等[11]依据探地雷达建立了根径估测模型,提出了一种粗根生物量估测的新方法。闫慧等[12-13]应用探地雷达技术对古田山树木粗根分布研究发现,探地雷达技术能够比较准确的对树木粗根空间分布进行非破坏性的研究,粗根的空间分布及粗根生物量均受到环境和生物因素的影响。贺东鹏等[14]应用探地雷达探测了石窟文物周围树木根系的分布情况,为文物保护提供了科学依据。甘明旭等[15]应用探地雷达在对古柏树木粗根分布规律进行研究时发现,古柏粗根主要分布在0 ~ 60 cm土层范围,古柏树木生长健康状况与粗根分布健康状况密切相关。这些研究都表明探地雷达能够比较准确的检测树木粗根。

    目前对小兴安岭地区不同树种树木粗根分布情况及其影响因素的研究报道还比较少见。因此,本研究应用树木雷达(TRU)在非破坏性条件下对小兴安岭4个典型树种粗根空间分布特征进行了研究,并进一步研究分析了粗根分布与树木因子、土壤环境等因素的关系,旨在探讨小兴安岭树木粗根分布规律及主要影响因子,为小兴安岭树木的良好生长提供实验依据和数据支持,也为粗根生态学的研究提供一定信息。

    • 东北林业大学凉水实验林场实验区,位于黑龙江省伊春市带岭林区,该试验区面积2 654 hm2,地理坐标128°47′08″ ~ 128°57′19″ E、47°64′09″ ~ 47°16′10″ N,气候属温带大陆性季风气候,年均气温− 0.3 ℃,年均降水量676 mm,冻土深度2 m左右,平均海拔400 m左右。全区土壤分为暗棕壤、草甸土、沼泽土、泥炭土4个类型,土层厚度30 ~ 60 cm,区内有原始林、次生林、人工林等多种森林类型,主要优势树种包括红松(Pinus koraiensis)、红皮云杉(Picea koraiensis)、落叶松(Larix gmelinii)、白桦(Betula platyphylla)、山杨(Populus davidiana)、水曲柳(Fraxinus mandshurica)、樟子松(Pinus sylvestris)等。

    • 2019年4月份于东北林业大学凉水实验林场选取8个30 m × 30 m的试验样地,每个试验样地均相距100 m以上。在每个试验样地内分别选取5棵树种相同且相距较远,周围2 m内无大树干扰的树木作为试验样木。试验样地及样木基本信息如表1

      表 1  试验样地及试验样木基本信息

      Table 1.  Basic information of test sample plots and test sample trees

      样地编号
      Sample plot No.
      样地类型
      Sample plot type
      主要树种
      Principal tree species
      树木平均胸径
      Mean DBH of trees/cm
      海拔高度
      Altitude/m
      1 原始林 Virgin forest 红松 Pinus koraiensis 52.58 ± 23.63 398.00
      2 原始林 Virgin forest 红松 Pinus koraiensis 82.64 ± 13.13 404.97
      3 人工林 Plantation 红松 Pinus koraiensis 24.68 ± 2.63 436.00
      4 人工林 Plantation 红松 Pinus koraiensis 28.44 ± 2.90 449.50
      5 人工林 Plantation 落叶松 Larix gmelinii 38.42 ± 5.10 439.50
      6 人工林 Plantation 落叶松 Larix gmelinii 30.42 ± 6.10 443.00
      7 平坦开阔地带 Open flat land 红皮云杉 Picea koraiensis 38.28 ± 4.10 341.20
      8 平坦开阔地带 Open flat land 樟子松 Pinus sylvestris 40.40 ± 7.87 343.60
    • 测量了试验样木的胸径、树高、东西和南北向冠幅及试验样地所在位置的平均海拔高度。

      树木粗根检测采用产自美国的树木雷达检测系统(tree radar unit,以下简称TRU)来完成。TRU由操控电脑、雷达控制单元和900 MHz的雷达天线(探测深度为1 m,根系分辨率为1 cm)组成。由于土壤与根系之间的介电常数存在差异,雷达天线发射的高频脉冲电磁波会在土壤与根系交界面处发生反射,根据获得的反射波形便能识别根系的位置。在进行粗根检测时以被测样木树干为圆心,应用TRU对被测样木的根系分别进行半径为0.5、1、1.5、2 m的圆周扫描。考虑到TRU对作业环境的要求以及枯倒木、灌木对根系扫描的影响,在难以实现圆周扫描的地带进行扇形扫描。对2个原始红松林内被测样木应用阻抗仪在每个截面东西−南北2个方向分别进行阻力检测。

      每个样地内选取3株被测样木,在距离树干50 cm处采集土壤样品。除去地表的枯落物和腐殖质后用环刀获取原状土壤,并带回实验室测定土壤的含水率、土壤密度、饱和持水量、毛管持水量、非毛管孔隙度、毛管孔隙度和总孔隙度等土壤物理性质指标(LY/T1215—1999)。在取样点另取100 g土壤装于密封袋中,带回实验室经风干、研磨、过筛后用于土壤化学性质指标的测定,测定方法[16]表2

      表 2  土壤化学性质指标测定方法

      Table 2.  Methods for determining soil chemical properties

      土壤化学性质指标
      Soil chemical property index
      测定方法
      Assay method
      中国林业行业标准
      China forestry industry standard
      pH 电位法
      Potentiometry
      LY/T 1237—1999
      全氮 Total nitrogen 凯式定氮法
      Kjeldahl determination
      LY/T 1228—2015
      水解氮 Hydrolyzable nitrogen 碱解扩散法
      Alkaline hydrolysis diffusion
      全钾 Total potassium 酸溶−火焰光度法
      Acid dissolution-flame photometry
      LY/T 1234—2015
      速效钾 Available potassium 乙酸铵浸提−火焰光度法
      Extraction with ammonium acetat-flame photometry
      全磷 Total phosphorus 酸溶−钼锑抗比色法
      Acid dissolution-Mo sb colorimetry method
      LY/T 1232—2015
      有效磷 Available phosphorus 氢氧化钠浸提−钼锑抗比色法
      Extraction with sodium hydroxide-Mo sb colorimetry method
      有机质 Organic matter 油浴重铬酸钾氧化法
      Oil bath heating oxidized by potassium dichromate volumetric method
      LY/T 1237—1999
    • 应用TRU树木雷达的TreeWin分析软件,分析每个根系扫描文件,得到每条扫描线的根系密度值(根/m)。每棵树4条扫描半径根系密度的总和作为样木总粗根密度值。选取树木平均胸径在38.28 ~ 40.40 cm的5号、7号和8号样地,采用单因素方差分析比较不同树种粗根密度的差异情况;采用一般线性模型无重复两因素方差分析,比较树木粗根密度在树种和土壤深度及树干距离之间的差异情况。

      应用Excel 2016完成统计计算,SPSS 20.0软件完成方差分析、相关性分析及回归分析,OriginPro 9.0软件完成绘图。采用Kolmogorov-Smirnov检验各变量数据分布的正态性,Levene检测方差齐性,采用LSD、Scheffe多重比较完成不同数据组间差异比较。

    • 平均胸径在38.28 ~ 40.4 cm的落叶松、红皮云杉、樟子松3个树种平均粗根密度分别为(36.38 ± 4.12)根/m、(34.49 ± 2.01)根/m、(32.39 ± 4.89)根/m,方差分析表明3个树种粗根密度差异不显著(P = 0.301)(图1A)。3个树种在4条扫描线平均粗根密度都呈现递减趋势,方差分析表明落叶松、樟子松在0.5 m扫描半径平均粗根密度差异显著(P = 0.008),3个树种在1、1.5、2 m扫描半径平均粗根密度无显著差异(图1B)。

      图  1  不同树种粗根分布特征

      Figure 1.  Distribution characteristics of coarse roots for different tree species

      随着土壤深度增加,落叶松粗根密度呈现递减趋势,红皮云杉和樟子松则呈现先增加后减少趋势。落叶松在0 ~ 20 cm、20 ~ 40 cm、40 ~ 60 cm土层的粗根密度占树木总粗根密度的比重分别为46.24%、35.78%、17.98%,红皮云杉在0 ~ 20 cm、20 ~ 40 cm、40 ~ 60 cm土层的粗根密度占树木总粗根密度的比重分别为40.49%、49.14%、10.38%,樟子松在0 ~ 20 cm、20 ~ 40 cm、40 ~ 60 cm土层的粗根密度占树木总粗根密度的比重分别为27.16%、40.49%、32.35%。在0 ~ 20 cm土层落叶松与樟子松粗根密度差异显著(P = 0.001),在20 ~ 40 cm、40 ~ 60 cm土层3个树种粗根密度差异不显著(图1C)。

      表3所示,人工和原始林的红松粗根密度在水平和垂直方向上也均呈现逐渐递减趋势,人工林与原始林样地红松平均粗根密度分别为(28.38 ± 5.22)根/m、(41.08 ± 6.66)根/m,原始林和人工林样地的红松在0 ~ 40 cm土层粗根密度占树木总粗根密度比重分别为79.84%和85.40%。

      表 3  人工林和原始林红松平均粗根密度                 根/m

      Table 3.  Average coarse root density of Pinus koraiensis in plantation and primary forests root number/m

      项目 Item扫描半径 Scanning radius/m土壤深度 Soil depth/cm
      0.511.520 ~ 2020 ~ 40 40 ~ 60
      人工林红松 Pinus koraiensis plantation 7.60 7.66 7.355.7813.3710.874.14
      原始林红松 Primary Pinus koraiensis forest12.0410.9610.018.0821.4511.368.28
    • 相关性分析表明,树木粗根密度与树高(r =0.475,P = 0.003)、胸径(r = 0.635,P = 0.000)、冠幅(r = 0.341,P = 0.042)呈显著的正相关关系,其中与胸径相关程度最高,与冠幅相关程度最低。为了探讨粗根密度受树木自身影响的程度,将树木因子综合成一个指标分析,并消除树木因子之间共线性影响,因此对树木粗根密度与树木因子指标做逐步回归分析。得到树木粗根密度与树木因子的最优回归模型为:TRD = 24.088 + 0.235DBH(R2 = 0.404,P < 0.001),表明,在树木因子中胸径对树木粗根密度解释程度最高,胸径越大,树木粗根密度值越大。

      1号与2号两个原始红松林样地10株红松平均阻力值为(135.52 ± 6.88)resi,两个样地红松平均阻力值无显著差异(P > 0.05),树木粗根密度与平均阻力值没有显著相关关系(r = − 0.398,P = 0.254)。

    • 树木不同土层粗根密度与土壤物理性质相关性分析结果表明(表4),树木粗根密度与土壤含水量、饱和持水量、毛管持水量呈显著正相关关系,与土壤密度呈显著负相关关系。0 ~ 20 cm土层粗根密度与土壤含水量、饱和持水量、毛管持水量、非毛管孔隙度呈显著正相关关系,与土壤密度呈显著负相关关系。40 ~ 60 cm土层深度粗根密度与土壤含水量、饱和持水量、毛管持水量呈显著正相关关系。20 ~ 40 cm、0 ~ 40 cm土层粗根密度与土壤物理性质指标无显著相关关系。树木粗根密度与毛管持水量相关程度最高,相关系数为0.538,0 ~ 20 cm土层粗根密度与土壤密度相关程度最高,相关系数为− 0.602,40 ~ 60 cm土层粗根密度与土壤含水量相关程度最高,相关系数为0.482。

      表 4  不同土层粗根密度与土壤物理性质指标相关性分析

      Table 4.  Correlation analysis of coarse root density and soil physical property indexes in different soil layers

      Pearson相关系数
      Pearson correlation coefficient
      LmLRLBCLMCLFKLMKLZK
      TRD0.526*− 0.438*0.530*0.538*0.3160.1850.291
      RD0 ~ 200.522*− 0.602**0.534*0.524*0.438*− 0.0210.168
      RD20 ~ 40− 0.3370.369− 0.311− 0.315− 0.121− 0.074− 0.114
      RD40 ~ 600.482*− 0.3000.452*0.478*0.0880.3480.332
      RD0 ~ 400.209− 0.2540.2360.2250.285− 0.0670.063
      注:LmLRLBCLMCLFKLMKLZK分别表示土壤含水量、土壤密度、土壤饱和持水量、土壤毛管持水量、非毛管孔隙度、毛管孔隙度、总孔隙度。*表示在0.05水平上显著相关,**表示在0.01水平上显著相关,未标记表示相关性不显著,TRD、RD0 ~ 20、RD20 ~ 40、RD40 ~ 60、RD0 ~ 40分别表示树木总粗根密度、0 ~ 20 cm土层粗根密度值、20 ~ 40 cm土层粗根密度值、40 ~ 60 cm土层深度粗根密度值、0 ~ 40 cm土层粗根密度值。下同。Notes: Lm, LR, LBC, LMC, LFK, LMK, LZK represent soil moisture content, soil density, saturated soil water holding capacity, soil capillary water holding capacity, non-capillary porosity, capillary porosity and total porosity, respectively. * indicates significant correlation at 0.05 level, ** indicates significant correlation at 0.01 level, unmarked one indicates that the correlation is not significant. TRD, RD0 ~ 20, RD20 ~ 40, RD40 ~ 60, RD0 ~ 40 indicate the total coarse root density value of the tree, coarse root density value of 0−20 cm soil layer, coarse root density value of 20−40 cm soil layer, coarse root density value of 40−60 cm soil layer, coarse root density value of 0−40 cm soil layer, respectively. Same as below.

      分别对不同土层粗根密度与相关土壤物理性质指标做逐步回归分析(表5),结果表明,土壤毛管持水量对树木总粗根密度分布解释量最高,土壤密度对0 ~ 20 cm土层粗根密度解释量最高,土壤含水量对40 ~ 60 cm土层粗根密度解释量最高。

      表 5  不同土层粗根密度与土壤理化性质指标逐步回归分析

      Table 5.  Stepwise regression analysis of coarse root density and soil physical and chemical properties in different soil layers

      回归模型 Regression modelR2P
      TRD = 30.816 + 0.053LMC 0.290 0.012
      RD0 ~ 20 = 21.387 − 7.001LR 0.362 0.004
      RD40 ~ 60 = 3.418 + 0.046Lm 0.232 0.027
      TRD = 30.289 + 0.926XTN 0.418 0.002
      RD0 ~ 20 = 11.987 + 0.657XTN 0.378 0.003
      RD20 ~ 40 = 16.186 − 0.01XHN 0.192 0.047
      RD40 ~ 60 = 1.951 + 0.016XHN 0.352 0.005
      注:TN、HN分别表示全氮和水解氮。 Notes: TN, HN represent total nitrogen and hydrolyzable nitrogen, respectively.
    • 树木粗根密度和40 ~ 60 cm土层深度粗根密度都与有机质含量、全氮含量、全磷含量、水解氮含量呈显著正相关关系。0 ~ 20 cm土层粗根密度与有机质含量、全氮含量、有效磷含量呈显著正相关关系,与pH呈显著负相关关系。20 ~ 40 cm土层粗根密度与水解氮含量呈显著负相关关系,0 ~ 40 cm土层粗根密度与土壤各化学性质指标无显著相关关系(表6)。

      表 6  不同土层深度粗根密度与土壤化学性质指标相关性分析

      Table 6.  Correlation analysis of coarse root density and soil chemical property indexes in different soil layers

      Pearson相关系数
      Pearson correlation coefficient
      pH有机质
      Organic
      matter
      全氮
      Total
      nitrogen
      全磷
      Total phosphorus
      全钾
      Total
      potassium
      水解氮
      Hydrolyzable nitrogen
      有效磷
      Available phosphorus
      速效钾
      Available potassium
      TRD− 0.1930.569**0.646**0.525*0.0250.461*0.3730.220
      RD0 ~ 20− 0.558**0.612**0.615*0.341− 0.0610.4110.495*0.145
      RD20 ~ 400.308− 0.409− 0.295− 0.091− 0.001− 0.439*− 0.093− 0.193
      RD40 ~ 600.0530.509*0.518*0.461*0.1020.593*0.0850.323
      RD0 ~ 40− 0.2590.2340.3150.224− 0.0520.0460.351− 0.009

      对不同土层粗根密度分别与相关土壤化学性质指标做逐步回归分析(表5),结果表明,影响树木粗根密度的主要土壤化学指标是全氮含量,全氮含量越高,树木粗根密度值越大。0 ~ 20 cm土层粗根密度受全氮含量影响大,20 ~ 40 cm土层及40 ~ 60 cm土层粗根密度受水解氮含量影响较大,水解氮含量越高,20 ~ 40 cm土层粗根密度越低,40 ~ 60 cm土层粗根密度越大。

      不同土层粗根密度与土壤物理、化学性质指标回归方程决定系数都不是很高,推测这是因为粗根密度受多种因素影响,土壤理化性质并不能成为影响树木粗根分布的决定性因素。

    • 红松、落叶松、红皮云杉和樟子松4个树种的粗根,在水平方向上表现出随着与树干距离的增加而减少的趋势。在垂直方向上,随着土壤深度的增加,落叶松和红松粗根密度呈递减趋势,红皮云杉和樟子松则呈现先增加后减少的趋势。这与前人[12,17]研究得出的根系水平和垂直分布趋势基本一致。落叶松、红皮云杉、红松分别有82.02%、89.63%、82.11%的粗根分布在0 ~ 40 cm土层深度内,樟子松则有72.75%的粗根分布在20 ~ 60 cm土层深度内,表明小兴安岭的落叶松、红皮云杉、红松粗根分布深度较樟子松要浅。造成4个树种间垂直方向粗根分布差异的原因可能是树种的差异,以及樟子松分布在开阔平坦的草坪地带,土壤表层含水量较少,为了满足树木生长对水分的需求,根系向下生长以获取土壤中更多的水分。人工林和原始林的红松粗根密度差异较大,这可能是两种林分类型的样地内红松胸径差异过大导致。凉水实验区的原始红松林为老龄林,两个原始红松林样地被测样木胸径在33.4 ~ 100 cm之间,而人工红松林被测样木胸径在20.4 ~ 33.3 cm之间。人工和原始两种林分类型的红松在水平和垂直方向上的分布趋势一致,并且都有80%左右的根系分布在0 ~ 40 cm土层深度,这表明人工和原始林两种林分类型内的红松粗根分布规律没有差异。季永华等[18]通过对河堤林带主要造林树种根系分布的研究发现90%以上的根系集中在0 ~ 50 cm土层内,闫慧等[12]对古田山常绿阔叶林研究发现粗根主要分布在0 ~ 40 cm土层内,周广行等[19]研究发现河北杨粗根主要分布在10 ~ 50 cm土层。这与本文研究结果部分一致,推测可能是由于树种差异以及树木所处地区的气候和土壤环境等因素不同所致,此外,不同含水率、不同质地的土壤会使得电磁波在土壤中的传播性能差别很大[8],雷达信号的在土壤中的衰减也会导致探地雷达在观测植被粗根上的差异。

      树木粗根密度与胸径、树高呈显著的正相关关系且相关程度高于冠幅。这是由于树高和胸径与树龄密切相关[20],随着树龄的增加和树木的生长发育,根系自身也在不断生长,根系的直径和长度都在不断变大[21]。并且树木在生长发育过程中需要源源不断的水分和养分,树木粗根逐渐增多,为树木生长运输水分和养、固定了树木的地上部分,促进了树木的良好生长。马理辉等[22]采用剖面法对不同林龄枣林的根系空间分布特征研究发现,随着林龄的增加,不同径级的根系数量也都呈现增加趋势,粗根数量的增长幅度小于细根。王凯等[23]通过挖掘法研究发现,葡萄根系的数量也随着树龄的增加而增大。本文与马理辉等[22]和王凯等[23]研究结论相似。逐步回归分析结果表明,树木因子中胸径对粗根密度的解释程度最高,可以应用胸径预测粗根密度值。闫慧等[12]对古田山树木粗根密度与胸径关系研究发现,不同土层粗根密度与胸径回归关系均不显著。造成这些研究结果部分差异的原因,可能是胸径除了与树木年龄相关,还受到环境因素的制约[24]。此外,物种组成、样本数量以及研究地区环境差异也会对研究结果有不同程度的影响。

      木材阻力值与木材密度密切相关,阻力值的高低反应了木材材质的好坏[25]。本文发现平均阻力值与树木粗根密度没有显著相关关系,表明树木粗根分布不受树木材质状况的影响。

      树木粗根密度与土壤含水量、饱和持水量、毛管持水量显著正相关,表明树木粗根密度受到土壤水分的影响。表层(0 ~ 20 cm)及深层(40 ~ 60 cm)土壤粗根密度受到土壤含水量影响显著,中层(20 ~ 40 cm)土壤粗根密度不受土壤含水量影响。任安芝等[26]通过对沙地中黄柳根系分布特征研究发现,粗根的数量与土壤含水量表现出显著相关性。这说明水分对粗根的分布有一定影响,根系会向着土壤含水量较高的位置延伸,Sun等[27]对大蒜的控制实验研究也证实了水分引导着植物根系的生长方向。

      树木粗根密度与土壤密度显著负相关,即土壤密度小的地方粗根分布越多,土壤密度大的地方,粗根分布越少。仅表层(0 ~ 20 cm)土壤粗根密度受土壤密度影响显著。土壤密度体现了土壤的疏松程度,土壤密度越小,土壤越疏松多孔,根系越容易伸展,反之,土壤密度越大,土壤越紧实,根系越不容易穿透土壤生长[28]

      表层土壤(0 ~ 20 cm)粗根密度还与非毛管孔隙度呈显著正相关关系,非毛管孔隙度越大,则粗根密度越大。Yu等[17]在探究上海10种树种根系密度与土壤物理性质关系的研究时也发现粗根密度与土壤总孔隙度、非毛管孔隙度呈显著正相关关系。非毛管孔隙是土壤的透水通道,体现了土壤的通气性质[29],说明通气性良好的土壤有利于根系的生长和分布。

      树木总粗根密度、表层(0 ~ 20 cm)及深层(40 ~ 60 cm)土壤粗根密度与土壤有机质、全氮、水解氮、全磷含量显著正相关,表明粗根分布也受到土壤化学性质的部分影响。Cui等[30]在对半干旱山区树木根系与土壤性质关系进行研究时发现,侧柏粗根性状(粗根生物量、比根长、根长密度)与土壤有效氮、磷、钾以及有机质含量表现出高度相关性,粗根对土壤养分的响应要低于细根,而山桃粗根性状则与土壤养分无关。这表明,树木粗根分布除了与土壤性质有关,还受到树木自身特性的影响。表层(0 ~ 20 cm)土壤粗根密度与土壤pH有显著的负相关关系,表明小兴安岭红松、落叶松、红皮云杉和樟子松4个树种适应于酸性土壤环境,土壤pH对小兴安岭树木粗根分布有一定的解释量。逐步回归分析表明,土壤全氮含量对树木粗根密度及表层(0 ~ 20 cm)土壤粗根密度解释程度最高,水解氮含量对中层(20 ~ 40 cm)及深层(40 ~ 60 cm)土壤粗根密度解释程度最高。氮元素作为一切生命体的重要元素,对植物根系的生长有着重要影响[29]。中层(20 ~ 40 cm)土壤粗根密度与水解氮含量呈负相关关系,但回归方程R2仅为0.192,这说明水解氮含量虽然对中层(20 ~ 40 cm)土壤粗根密度解释量较其他土壤化学性质指标要高,但是并不是影响中层(20 ~ 40 cm)土壤粗根密度的主要因素。这可能是由于不同树种根系结构的差异以及样地间水解氮含量差异过大所致,如本文研究发现红松31.73%的粗根分布在中层土壤,但红松样地内水解氮含量普遍较高((355.80 ± 190.47) mg/kg),而红皮云杉49.14%的粗根主要分布在中层土壤,但红皮云杉样地水解氮含量则普遍较低((41.25 ± 12.50) mg/kg),这也说明了氮元素含量并不是影响粗根分布的主导元素。总体而言,各项土壤物理及化学性质指标对小兴安岭4个树种粗根密度解释程度都不是很高,推测是由于植物粗根对土壤中水分和养分的变化不如细根敏感所致[31],以及树木粗根分布可能还受树木自身特性、地形、气候及生存环境等因素的影响。

    • 以小兴安岭典型树种红松、落叶松、红皮云杉、樟子松为研究对象,分析了树木粗根分布及其影响因素。研究发现,小兴安岭4个典型树种的粗根密度在水平方向上呈现随着与树干距离的增加而减少的趋势;在垂直方向上,随着土壤深度的增加,红松和落叶松粗根密度呈递减趋势,红皮云杉和樟子松呈现先增加后减少的趋势。红松、落叶松、红皮云杉分别有82.1%、82.0%、89.6%的粗根分布在0 ~ 40 cm土层深度,樟子松有72.8%的粗根主要分布在20 ~ 60 cm土层深度。与树木粗根密度相关程度最高的树木因子是胸径(r = 0.635,P < 0.001),树木粗根分布不受树木材质状况的影响。

      小兴安岭4个典型树种树木粗根密度与土壤理化性质指标存在不同程度的相关性,但相关程度都不是很高。与树木粗根密度相关程度最大的土壤物理性质指标为毛管持水量(r = 0.538,P = 0.012),与粗根密度相关程度最大的土壤化学性质指标为全氮含量(r = 0.646,P = 0.002)。对0 ~ 20 cm土层粗根密度影响最大的土壤理化性质指标为土壤密度和全氮含量,20 ~ 40 cm土层粗根密度与水解氮含量相关程度最高,对40 ~ 60 cm土层粗根密度影响最大的土壤理化性质指标为土壤含水量和水解氮含量。综上所述,树木粗根分布既受到自身特性影响,也受到土壤环境的调控。

参考文献 (31)

目录

    /

    返回文章
    返回