Effects of different density regulation intensities on soil quality in Larix principis-rupprechtii plantation
-
摘要:目的 探究不同密度调控强度华北落叶松人工林土壤质量的变化规律，为合理利用林地资源及人工林的可持续经营提供理论依据。方法 以山西太岳山好地方林场华北落叶松人工林为研究对象，基于土壤密度、含水率、养分含量、酶活性等18项土壤指标，并结合主成分分析和相关系数法建立土壤质量评价最小数据集，采用加权求和指数法对不同密度调控强度的（对照，2 096株/hm2，CK；低强度处理，1 850株/hm2，LT；中强度处理，1 402株/hm2，MT；高强度处理，1 106株/hm2，HT）华北落叶松人工林土壤质量进行综合评价。结果 与对照相比，LT、MT和HT样地土壤含水率呈增加趋势；从密度调控对土壤养分影响而言，MT处理下C、N和P等养分含量均较高。此外，土壤生物学性状也对不同调控强度存在显著响应，其中土壤微生物生物量碳、氮含量在MT显著高于CK；脲酶和多酚氧化酶活性在MT最高，过氧化物酶活性在LT最高，蔗糖酶活性在CK最高，而纤维素酶活性随密度调控强度增加整体呈下降趋势。结合主成分分析和相关性分析结果可知，有机质、含水率、微生物生物量氮、多酚氧化酶、过氧化物酶构成了土壤质量评价的最小数据集。不同密度调控强度华北落叶松人工林土壤质量指数大小为MT（0.598） > HT（0.510） > LT（0.432） > CK（0.339）。结论 密度调控可有效改善华北落叶松人工林土壤质量状况，中等林分密度下土壤质量指数最高。建议对华北落叶松人工林进行适度密度调控处理，以提高人工林地土壤质量。Abstract:Objective This paper aims to explore the variation law of soil quality of Larix principis-rupprechtii plantation under different density regulation intensities, which provides a theoretical basis for rational utilization of forest land resources and sustainable management of plantation.Method In this study, we analyzed 18 soil indexes including soil density, moisture content, nutrient content and enzyme activity in L. principis-rupprechtii plantation, under four different density regulation intensities (control, 2 096 tree/ha, CK; low intensity treatment, 1 850 tree/ha, LT; moderate intensity treatment, 1 402 tree/ha, MT; high intensity treatment, 1 106 tree/ha, HT) in Taiyue Mountain, Shanxi Province of northern China. And the minimum data set (MDS) of soil quality evaluation was established by combining principal component analysis (PCA) and correlation analysis. Finally the soil quality of L. principis-rupprechtii plantation was synthesized by the weighted additive index.Result Compared with CK, the soil moisture of LT, MT and HT increased. In terms of the effects of density regulation on soil nutrients, the contents of C, N and P in MT were higher. In addition, soil biological properties also showed significant response to different regulation intensities, among which, soil microbial biomass carbon and nitrogen contents in MT were significantly higher than those in CK; urease and polyphenol oxidase activities were the highest in MT, peroxidase activity was the highest in LT, and sucrase activity was the highest in CK, while cellulase activities showed a downward trend with the increase of density regulation intensity. The results of PCA and correlation analysis showed that the MDS for soil quality evaluation included organic matter, moisture content, microbial biomass nitrogen, polyphenol oxidase and peroxidase. The order of soil quality of different density regulation intensity plantation was as following: MT (0.598), HT (0.510), LT (0.432), CK (0.339).Conclusion Density regulation can effectively improve the soil quality of L. principis-rupprechtii plantation, and the soil quality index of medium stand density is the highest. Therefore, we recommend moderate density regulation to L. principis-rupprechtii plantation to promote soil quality.
-
全球气候变暖是人类迄今所面临的最严重的环境问题。解决气候变暖问题的主要措施之一就是减少温室气体的排放。CO2作为主要的温室气体，在全球温室气体减排中有着举足轻重的地位。自从《京都议定书》生效以来，各国对碳排放给予相当程度的关注[1]，我国也于2013年开始了7个省市的碳排放权交易试点。目前，已有8个省市加入了碳排放权交易试点，国家发改委也正式宣布于2017年12月19日启动全国碳交易市场[2]。中国碳市场已超过欧盟成为全球最大的碳市场，但中国碳交易价格上下波动，基本维持在每吨30元人民币上下，很难满足减排的需要，也难以刺激碳汇造林的积极性。因此，加强对中国碳交易市场价格的管理，成为碳交易市场发展的重点，也成为碳排放权交易管理的难点。
1. 研究背景
众所周知，自1992年联合国通过了《联合国气候变化框架公约》以来，1997年又通过了《京都议定书》。《京都议定书》规定，碳交易是促进全球温室气体减排的新途径。2009年联合国召开了《联合国气候变化框架公约》第15次缔约国会议，温室气体减排量，尤其是CO2减排量成为各国关注的焦点。欧洲很多国家也成为倡导降低全球碳排放的先锋，并相继成立了很多碳交易所和环交所，促进减排工作的发展。领衔这些交易所的就是2003年建立的欧盟碳排放交易体系(European Union Emission Trading Scheme，EU ETS)。该体系承担欧洲各国温室气体排放量核配规划工作，以减小CO2的排放[1]。在全球CO2交易中，EUETS的碳交易约占全球碳排放量的一半。自碳排放权交易市场创立以来，根据统计，2006年全球碳市场交易额达到312.35亿美元，2010年接近1 419亿美元[3]。2011年底，我国也批准在北京、天津、上海、广东、深圳、湖北、重庆7个省市开展碳排放权交易的试点工作。自从2013年开始交易以来，截至2017年9月，全国累计配额交易量达到1.97亿t CO2当量，约45亿元人民币[2]。全国约3 000家重点排放单位在这些试点市场进行了交易，涵盖了电力、钢铁、水泥等多个行业，为我国碳市场的全面开展打下一定的基础。
总体来看，我国碳市场的有效性不足，碳交易试点的市场碳价较低，很难发挥市场促进CO2减排的作用。有关研究表明，按照目前的发展趋势，2020年后，碳价才有可能达到每吨200~300元人民币，才有可能起到促进企业减少CO2减排的作用[2-4]。
国内外对碳交易市场的价格都有一定的研究，尤其是Hritonenko等[5]采用经济控制论的方法，把经济—生态看成一个大的控制系统，即经济—生态系统(Economic-ecological system，EES)，并采用最优控制的方法对碳汇的价格进行了系统研究。Blyth等对政策作用、碳市场的风险和碳交易价格的形成等进行了深入研究[6]。近年来，IPCC对全球农业、林业和其他土地利用视角下的碳汇、碳源及其碳交易价格的研究较多[7]，并且具有一定的参考价值。2016年，陈欣[8]等对我国的7个碳交易试点的价格专门进行了研究，并对交易价格的驱动因素与结构性断点进行了分析。叶斌[9]等研究了碳排放的影子价格。但是，对于2013年以来我国碳交易试点的交易价格分析，尤其是对不同时间交易价格的分段分析和相关模型的研究较少，对不同交易价格对林业碳汇造林的影响研究更少[10]。因此，在此背景下，本文采用分类分析的方法，即主要采用该方法中聚类分析和判别分析的方法对2013年以来中国碳交易试点的交易价格进行分析，并建立碳交易价格的判别方程，以期为相关管理决策提供参考。
2. 研究方法与数据来源
2.1 研究方法
本研究主要采取分类分析的方法进行研究。分类分析主要包括聚类分析和判别分析，是一种研究多变量分类的分析方法[11]。聚类分析(Cluster Analysis)是根据事物在某些特征上的相似性或相异性，并按这些特性将事物划分成不同类别的方法。聚类分析的方法相当多，主要有系统聚类法和非系统聚类法。二者的主要步骤是选择变量、相似性测量、进行聚类和对聚类结果进行解释。本研究中主要采用系统聚类法，并根据中国碳交易试点的统计数据，把2013—2018年不同交易试点、不同年份的1—12月的碳交易量、交易价格等进行聚类，以寻求交易价格的变化规律。
判别分析(Discriminant Analysis)是一种由一个分类变量作为因变量，多个连续的判别变量作为自变量的多变量分析方法。判别分析与回归分析最大的不同在于因变量的量表不一样。回归分析因变量一般为连续数据，判别分析为分类变量[11]。判别分析的基本模型为：
y=b0+k∑i=0bixi (1) 式中：y是判别函数值；xi为判别变量；bi为相对应的判别系数；i=0，1，…，k，为判别变量的个数。
本研究中针对不同年份和月份的碳交易价格类别，采用判别分析方法建立不同类型交易价格的判别函数。
2.2 数据来源
研究数据主要来源于中国碳排放交易网[12]。我国碳排放权交易始于2013年6月17日。在开始交易中，主要包括7个试点省市区，即深圳、北京、上海、广东、天津、湖北、重庆。2017年1月，福建省也加入碳排放权交易试点行列。因此，在数据收集过程中，主要列出8个碳排放权交易试点省市区，即深圳、北京、上海、广东、天津、湖北、重庆、福建(按试点交易开放顺序排列)。另外，在数据收集过程中，研究主要采用线上数据收集的方法进行碳交易价格和交易量的统计。根据中国碳排放交易网站所公布的碳交易行情变化图(碳K线)[13]，将2013年6月至2018年3月的碳交易价格和交易量进行统计。统计中，选择每月最后一个交易日作为月份统计数据，并按时间序列和试点交易开放顺序整理成表。全国碳交易价格则采用8个试点碳交易价格加权平均值计算得到，交易量为权数，若一些试点交易没有交易量或交易价格的数据，计算中则不予计算或仅计算碳交易价格的算数平均值。最后，统计整理的2013—2018年8个碳交易试点省市和全国碳交易价格的面板数据如表 1所示。
表 1 2013—2018年8个碳交易试点省市交易价格统计Table 1. Carbon trading price statistics from 2013 to 2018 in 8 carbon trading pilot provinces in China省(市)
Province(City)年份
Year月份Month 年份
Year月份Month 6 7 8 9 10 11 12 1 2 3 4 深圳Shenzhen 2013 29.00 29.00 53.60 64.16 76.53 79.63 66.00 2014 71.58 80.14 82.00 68.93 北京Beijing 2013 0.00 0.00 0.00 0.00 0.00 51.25 50.00 2014 50.80 51.78 56.86 53.15 上海Shanghai 2013 0.00 0.00 0.00 0.00 0.00 0.00 29.80 2014 33.00 40.00 40.00 39.06 广东Guangdong 2013 0.00 0.00 0.00 0.00 0.00 0.00 60.00 2014 60.00 60.00 61.50 70.88 天津Tianjin 2013 0.00 0.00 0.00 0.00 0.00 0.00 26.78 2014 25.68 29.49 33.56 37.00 湖北Hubei 2013 0.00 0.00 0.00 0.00 0.00 0.00 0.00 2014 0.00 0.00 0.00 24.45 重庆Chongqing 2013 0.00 0.00 0.00 0.00 0.00 0.00 0.00 2014 0.00 0.00 0.00 0.00 福建Fujian 2013 0.00 0.00 0.00 0.00 0.00 0.00 0.00 2014 0.00 0.00 0.00 0.00 全国China 2013 29.00 29.00 53.60 64.16 76.53 79.63 29.79 2014 30.13 45.62 56.78 24.54 省(市)
Province(City)月份Month 年份
Year月份Month 5 6 7 8 9 10 11 12 1 2 3 4 深圳Shenzhen 74.99 64.32 61.59 54.70 49.50 41.40 41.98 38.94 2015 43.50 41.83 38.85 47.50 北京Beijing 53.00 62.45 58.00 53.00 51.00 51.00 52.40 54.19 2015 53.00 54.50 50.00 50.45 上海Shanghai 38.51 48.00 48.00 48.00 34.90 35.60 35.79 32.65 2015 31.90 32.20 27.75 26.60 广东Guangdong 61.18 62.41 71.09 43.65 38.74 26.00 21.00 27.74 2015 20.68 20.88 28.16 25.81 天津Tianjin 28.01 35.58 23.88 20.35 30.09 27.25 25.20 25.22 2015 24.96 24.53 25.31 24.13 湖北Hubei 24.00 24.40 23.60 23.48 24.99 25.01 24.50 24.20 2015 24.15 21.44 26.20 25.50 重庆Chongqing 0.00 30.74 30.74 30.74 30.74 30.74 30.74 30.74 2015 30.74 30.74 24.00 24.00 福建Fujian 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 2015 0.00 0.00 0.00 0.00 全国China 34.96 42.91 23.75 34.24 27.30 30.80 28.95 26.82 2015 28.62 28.27 31.63 30.45 省(市)
Province(City)月份Month 年份
Year月份Month 5 6 7 8 9 10 11 12 1 2 3 4 深圳Shenzhen 42.42 41.01 31.70 34.50 42.90 41.57 42.61 38.90 2016 42.70 47.98 47.43 43.86 北京Beijing 46.76 40.66 42.00 49.14 39.40 45.00 33.60 40.52 2016 38.90 38.00 33.94 49.70 上海Shanghai 23.50 15.50 9.50 13.40 12.36 12.50 18.30 11.80 2016 9.20 9.80 6.70 4.94 广东Guangdong 16.67 15.28 15.20 19.40 16.50 14.99 15.00 18.85 2016 15.01 15.96 14.23 11.89 天津Tianjin 18.95 14.32 16.75 22.27 23.17 22.86 22.93 22.82 2016 22.80 23.03 23.13 23.15 湖北Hubei 23.80 25.78 24.00 24.50 23.20 21.21 23.11 24.40 2016 22.20 23.52 21.62 16.77 重庆Chongqing 24.00 18.00 15.00 15.00 15.00 10.40 12.50 12.50 2016 13.00 13.00 10.00 10.00 福建Fujian 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 2016 0.00 0.00 0.00 0.00 全国China 24.51 25.90 24.02 26.47 23.86 25.19 33.25 24.61 2016 16.19 19.29 23.11 16.12 省(市)
Province(City)月份Month 年份
Year月份Month 5 6 7 8 9 10 11 12 1 2 3 4 深圳Shenzhen 35.71 46.36 36.29 25.54 31.98 29.83 26.51 29.00 2017 32.73 31.33 35.67 36.52 北京Beijing 51.00 39.46 53.94 52.10 53.00 52.00 51.99 55.40 2017 50.35 54.98 52.14 49.98 上海Shanghai 5.50 8.79 9.80 9.80 9.80 9.80 20.60 27.21 2017 36.80 38.28 39.07 37.00 广东Guangdong 14.94 8.76 8.19 15.16 10.31 10.53 13.67 14.27 2017 17.77 14.63 15.37 14.56 天津Tianjin 23.01 7.00 14.50 14.70 15.05 15.05 15.05 15.05 2017 15.05 15.05 13.55 13.55 湖北Hubei 15.17 16.52 14.20 15.33 16.52 16.65 17.78 19.28 2017 18.04 16.91 16.96 16.22 重庆Chongqing 10.00 10.00 10.00 21.07 34.69 39.60 39.60 14.22 2017 19.99 17.60 6.00 1.43 福建Fujian 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 2017 37.74 36.72 34.60 34.01 全国China 29.66 8.35 14.23 15.37 23.06 29.06 29.83 21.78 2017 45.44 36.59 30.84 23.73 省(市)
Province(City)月份Month 年份
Year月份Month 5 6 7 8 9 10 11 12 1 2 3 深圳Shenzhen 30.95 27.21 38.96 38.76 32.19 30.82 32.12 35.75 2018 33.40 39.15 41.84 北京Beijing 52.53 50.33 50.97 51.00 51.00 50.66 57.71 54.00 2018 58.00 56.20 59.87 上海Shanghai 35.40 36.37 31.50 25.20 24.80 29.58 32.97 35.00 2018 32.50 34.82 38.62 广东Guangdong 13.98 12.85 11.64 12.81 13.50 13.44 14.23 12.91 2018 12.70 13.39 16.10 天津Tianjin 13.55 8.51 8.51 8.51 8.51 8.51 8.51 8.51 2018 8.51 8.51 8.51 湖北Hubei 16.71 13.58 13.01 12.76 13.81 13.96 14.88 15.68 2018 15.14 14.99 15.11 重庆Chongqing 3.18 1.50 1.51 2.88 2.29 2.88 2.67 9.82 2018 31.93 31.93 24.00 福建Fujian 27.41 25.47 31.60 33.30 20.00 28.10 24.83 21.79 2018 20.56 16.49 20.00 全国China 15.81 11.10 12.99 12.82 10.14 13.61 30.83 14.97 2018 13.77 31.42 25.43 注：在全国碳交易价格统计中，一些试点省市缺少碳交易的数据，交易价格则按算术平均值计算。资料来源于文献[2, 12-13]。Notes: in the statistics of national carbon trading price, some pilot provinces lack carbon trading data, and the trading price is calculated according to the arithmetic mean value. Data are cited from reference [2], [12] and [13]. 3. 结果与分析
由表 1的统计结果可以看出：2013—2018年试点地区碳交易成交量激增，交易价格出现明显上涨，价格的波动幅度较大，以2014年11—12月为例，2014年11月碳交易综合价格环比增长约126.56%，同年12月份的综合价格环比下降约51.45%。前期，最先试点的深圳、北京、上海的碳市场交易情况对全国碳交易价格影响较大，但从2014年4月起，由于湖北的碳交易量大幅上升，多次占据同期全国碳交易总额的50%以上，因此也成为影响全国碳交易价格的重要因素。另外，2013—2018年不同试点地区碳成交量激增也与不同试点地区密集出台相关政策有关。仅上海市2014年一年就出台相关碳交易政策8项多，2017年达到2项多[2]。表 1的数据显示，每年年初的碳交易成交量都较低，成交价格较高，除北京、上海外，各试点地区次月起都出现价格下降的趋势；直至7月左右，经历短暂的回升后，价格再次下跌(图 1)。因此，不同时间碳交易价格的变化呈明显的季节性变化特征。
![]()
图 1 2013—2018年1—12月全国碳交易价格变化Figure 1. National carbon trading price changes from January to December in 2013-2018为了进一步研究全国碳交易价格的变化规律，分别采用聚类分析和判别分析的方法具体进行分析研究。
3.1 聚类分析
聚类分析中，设全国1—12月的碳交易价格分别为Pi，i=1，2，…，12，即Pi=P1，P2，…，P12，碳交易价格分类为Ct(t为碳交易价格的分类数)。采用SPSS 21.0进行聚类分析。
首先，采用K-Means聚类分析方法进行快速聚类，发现2013—2018年全国各碳交易试点省市不同月份碳交易价格分为3类比较合适，即t=3。此时Kaiser-Meyer-Olkin检验, 即KMO=0.868＞0.5，巴特利特球体检验的P=0.00＜0.05，说明分类合适，也非常适合作聚类分析和判别分析。因此，再采用系统聚类方法对全国碳交易价格进行详细分析。具体的聚类结果如表 2所示，聚类分析的树状图如图 2所示。
表 2 2013—2018年全国8个碳交易试点1—12月份交易价格聚类结果Table 2. Clustering results for 8 carbon pilot trading prices between January and December from 2013 to 2018 in China1—12月份碳交易价格
Carbon trading price from January to December(Pi)P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 不同价格聚类结果
Clustering results for different prices (Ct, t=3)1 1 1 1 1 2 2 3 3 3 3 3 ![]()
图 2 全国碳交易价格聚类分析树状图Figure 2. Dendrogram of cluster analysis of national carbon trading price由表 2、图 2的结果可以看出：全国和8个试点地区碳交易价格存在明显的规律性，即每年的1—5月份为一类，一般交易价格较高；6—7月份为一类，交易价格由年初的较高逐步变低；8—12月份为一类，交易价格又由年中的较低逐步走高。
聚类分析的方差分析表如表 3所示。表 3结果说明各种变量都通过了显著性水平检验，说明聚类分析结果合理，真实反映了我国碳交易价格的变化情况。
表 3 聚类分析的方差分析表(ANOVA)Table 3. ANOVA of cluster analysis变量
Variable聚类Clustering 误差Error F值
F valueSig. 均方差Mean square error df 均方差Mean square error df P1 3 504.594 2 122.826 33 28.533 0.000 P2 4 146.392 2 130.564 33 31.758 0.000 P3 4 280.117 2 155.574 33 27.512 0.000 P4 4 819.278 2 85.792 33 56.174 0.000 P5 4 380.834 2 87.695 33 49.955 0.000 P6 4 662.146 2 88.059 33 52.944 0.000 P7 4 706.253 2 81.908 33 57.458 0.000 P8 3 459.768 2 63.359 33 54.606 0.000 P9 3 133.144 2 48.860 33 64.125 0.000 P10 2 738.797 2 63.523 33 43.115 0.000 P11 2 325.704 2 81.144 33 28.661 0.000 P12 2 273.651 2 74.563 33 30.493 0.000 3.2 判别分析
针对上面的分析结果，进一步采用判别分析的方法，定量给出不同月份碳交易价格的判别方程。判别分析中我们首先采用强入法进行分析，即把所有变量作为自变量，分类变量作为因变量进行分析。
判别分析结果的Wilks' Lambda检验见表 4。
表 4 判别分析的Wilks' Lambda检验Table 4. Test of Wilks' Lambda for discriminant analysis方程检验
Equation testWilks'
Lambda卡方值
Chi-squaredf Sig. 方程1 Equation 1 0.071 72.634 24 0.000 方程2 Equation 2 0.071 72.634 24 0.000 方程3 Equation 3 0.662 11.360 11 0.414 由表 4的Wilks' Lambda值可以看出，采用强入法进行判别分析时，判别方程1和判别方程2的Wilks' Lambda值为0.071，接近于0，其显著性检验Sig.=0.000，小于0.05的显著性水平，说明判别方程有统计学意义。方程3的Wilks' Lambda值为0.662，接近于1，其显著性检验Sig.=0.414，大于0.05的显著性水平，说明该判别方程的意义不大，仍需要采用逐步判别分析的方法进行分析。此时，采用强入法所求3个判别分析的系数如表 5所示。因此，采用强入法所求3个判别方程的具体形式如公式(2)所示。
表 5 采用强入法所求出的判别方程的系数Table 5. Discriminant function coefficients of entered method变量
Variable判别方程1
Discriminant equation 1判别方程2
Discriminant equation 2判别方程3
Discriminant equation 3P1 0.071 -0.775 -0.336 P2 0.221 2.083 0.775 P3 -0.219 -1.194 -0.343 P4 0.011 0.931 0.567 P5 0.001 -0.557 -0.406 P6 0.049 0.116 -0.002 P7 -0.084 0.157 -0.006 P8 0.032 -0.076 0.013 P9 0.166 0.679 0.276 P10 -0.055 0.368 0.181 P11 -0.050 0.006 0.143 P12 0.125 -0.110 -0.069 常数项
Constant-2.503 -41.395 -10.944 注：Fisher线性判别函数。表 7同此。Notes: Fisher's linear discriminant functions. Same as Tab. 7. 进一步采用逐步回归的方法所求的判别方程的检验结果和系数如表 6、表 7所示。
{C1=−2.503+0.071P1+0.221P2−0.219P3+0.011P4+0.001P5+0.049P6−0.084P7+0.032P8+0.166P9−0.055P10−0.050P11+0.125P12C2=−41.395−0.775P1+2.083P2−1.194P3+0.931P4−0.557P5+0.116P6+0.157P7−0.076P8+0.679P9+0.368P10+0006P11−0.11P12C3=−10.944−0.336P1+0.775P2−0.343P3+0.567P4−0.406P5−0.002P6−0.006P7+0.013P8+0.276P9+0.181P10+0.143P11−0.069P12 (2) 表 6 逐步回归的Wilks' Lambda检验Table 6. Test of Wilks' Lambda for stepwise regression步骤
Step进入
Entered统计量
Statisticsdf1 df2 df3 F值F value 统计量Statistics df1 df2 Sig. 1 P9 0.205 1 2 33 64.125 2 33 0.000 2 P4 0.138 2 2 33 27.063 4 64 0.000 表 7 逐步回归的判别方程的系数Table 7. Discriminant function coefficients of stepwise regression变量
Variable判别方程1
Discriminant equation 1判别方程2
Discriminant equation 2判别方程3
Discriminant equation 3P4 0.065 0.509 0.230 P9 0.117 0.771 0.404 常数项
Constant-1.703 -31.293 -8.440 因此，采用逐步回归的方法求得的最终碳交易价格的分类判别方程为：
{C1=−1.703+0.065P4+0.117P9C2=−31.293+0.509P4+0.771P9C3=−8.440+0.230P4+0.404P9 (3) 从方程(3)的最终结果可以看出，我国碳交易价格存在明显的季节波动性，且从2013—2018年每年的碳交易价格波动存在明显的3个类型，而且3类交易价格波动中受每年4月份、9月份的价格影响较大。
另外，从判别方程的后验结果来看，3个方程的全部样点回代检验的准确度分别为100%，说明判别方程有一定的可信度。同时，也反映出我国碳交易市场价格存在明显的季节波动性和规律性。实际上，2011年国务院出台《关于开展碳排放权交易试点工作的通知》后，2013年开始的碳排放交易试点市场，虽然交易量增长迅速，但为了平衡交易，国家发改委一定程度上控制着全国碳交易配额总量和分配方案，这在一定程度上造成了我国碳交易市场价格的季节性波动。因此，如何统一市场，均衡交易，也是我国碳市场管理所面临的一大难题。
4. 讨论
(1) 碳交易价格对林业碳汇造林和森林碳汇经营管理有重要的影响。试点省市碳交易价格不仅对碳排放权交易市场的交易量有重要的影响，也对我国林业碳汇造林有重要的影响。相关研究资料显示，国内外碳市场交易价格一直存在较大的波动，且存在较大的风险。2006年上半年国际碳排放权配额价格曾飙升至每份30欧元，而在2007年年初骤降至每份0.1欧元[14]。2008年，雷曼兄弟花费400万美元购买了中国国电集团公司62万t的碳排放权配额，平均6.5美元/t，但当时的国际市场平均价格为15.9美元/t[3]。目前，我国许多地方营造碳汇林，并想在碳交易市场中分得“一杯羹”。有些地方营造了杉木(Cunninghamia lanceolata)、马尾松(Pinus massoniana)碳汇林，也有一些地方营造了杨树(Populus spp.)、桦树(Betula spp.)等碳汇林[14]。根据2015年《中国林业统计年鉴》统计，国家储备林营造林面积5.71万hm2，总投资16.45亿元，单位面积营造林成本约为28 812.08元/hm2，折合约1 920.81元/亩[15]。在不考虑培育周期的情况下，按照目前的经营管理水平，我国乔木林单位面积蓄积为89.79 m3/hm2，年均生长量为4.23 m3/hm2，按照每生长1 m3蓄积约吸收1.83 t CO2，释放1.62 t O2计算，每公顷年均吸收7.74 t CO2 [16]。按照上面统计的数据，2017年全国8个试点省市1—12月份的碳交易的平均价格为21.57元/t CO2。在不考虑时间因素的情况下，营造碳汇林每公顷的年均最大收入约为166.95元/hm2，折算成每亩约为11.13元/亩，远低于目前实际的造林成本。从经济上来说根本收不回成本，且十分不划算。另外，按目前碳汇的长周期造林30年计算，在目前的经营管理水平和碳交易市场价格下，30年时每公顷的林业碳汇收入约为14 102.58元/hm2，也远低于目前碳汇营造林成本28 812.08元/hm2，从经济上来说也是十分不划算的[17-18]。因此，林业碳汇造林收益主要取决于碳市场交易价格的高低，这也是碳汇造林最主要的风险因素之一。从这点来说，切实做好碳市场交易价格的管理，才是促进碳市场健康发展的关键因素和影响碳汇经营管理的重要因素，这一点应引起充分的重视。
(2) 碳交易市场应建立以价格为中心的管理目标。自从我国碳交易市场2010年正式启动、2013年正式开市以来，目前已有9个碳交易市场开展试点交易，其中已有8个试点省市存在碳交易量并有成交额。截至2017年12月底，全国配额累计成交4.70亿t，成交总额104.9亿元[13]。另外，从交易价格来看，2017年北京交易价格基本稳定在55~60元/t，上海和深圳试点处于25~35元/t区间，湖北、广东稳定在15元/ t上下，差异较大。我国“十二五”规划提出了到2015年实现单位国内生产总值CO2排放比2010年下降17%的目标，并强调要更多发挥市场机制对实现减排目标的作用，并提出到2020年单位国内生产总值CO2排放比2005年下降40%~45%的目标。另外，2017年起我国有望建立全国统一的碳市场，并提出通过建立自愿碳交易市场，鼓励企业自愿参与碳减排交易[13, 15]。这些举措无疑有利于我国碳交易市场的发展，但目前的碳市场缺少长期管理目标，主要靠盲目的扩大交易规模，靠政府推动来发展。从上述研究可以看出，我国碳市场的建立应有长期的管理目标，并建立以市场机制为主，以价格为中心的管理目标，减少交易价格大起大落的风险，这样才有利于碳市场的持续、稳定、健康发展，也才能真正有利于我国减排目标的实现。另外，许多人在研究森林碳汇的过程中，也把碳汇造林作为开展生态补偿新的途径，如2017年北京市辖区内首个林业碳汇项目——顺义区碳汇造林一期项目成交量1 197 t，成交均价36.00元/t[13]。这些价格能否满足生态补偿和生态文明建设要求的需要，也值得持续关注。但无论怎样，碳交易市场应建立以价格为中心的管理目标，以确保森林在气候变化中作用的真正实现。
5. 结论
本文根据我国碳排放权交易市场的真实交易数据，采用分类分析的方法，对碳排放权交易价格的变化情况进行了分析，并对林业碳汇造林的情况进行了讨论。研究表明：
(1) 我国碳排放权交易市场价格存在明显的季节性波动和规律性，且价格的波动幅度较大。一般每年年初的碳交易成交价格较高，成交量较低，从第2月起碳交易价格开始下降，到4月份左右最低，其价格又开始上升，然后又开始下降，到6—7月，碳交易价格又比较低，再开始上升，到年末又降低。每年年初的成交价格和9—11月份左右的成交价格都比较高，但成交量往往较少。一年中的碳交易价格呈现3次3个近似的“Ⅴ”字型变化。碳交易价格的这一变化规律对碳汇价格的管理有一定的参考意义。
(2) 采用聚类分析和判别分析的方法研究表明：我国碳排放权市场交易额存在周期性波动，且总体波动较大。每年6月或7月和1月及2月份是碳市场最为活跃的时期。且在周期性波动中，交易价格起到重要的作用。研究结果表明，1—5份交易价格为第1类；6—7月份交易价格为第2类；8—12月份交易价格为第3类。因此，建立以碳交易价格为中心的碳市场管理机制，是保证我国碳市场长期、平稳发展的根本，也是减小碳市场风险的有效途径。
(3) 研究也表明：在碳交易价格周期性波动划分中，每年4月份、9月份的碳交易价对交易价格划分的影响较大，且对碳交易价格类型的划分的影响显著。事实上，这两个月份的碳交易并非我国碳交易的活跃期，但往往价格比较稳定。因此，保持碳交易价格的稳定也是减少碳市场风险的途径之一。另外，在碳交易配额的分配中，如何保证交易价格的稳定，也是目前面临的重要问题。
(4) 我国林业碳汇造林的讨论表明：目前我国林业碳汇造林的平均成本约为28 812.08元/hm2，明显高于30年时的林业碳汇的平均收益14 102.58元/hm2。从经济上来说是十分不划算的。因此，只有提高目前碳市场交易的价格，并建立以价格为中心的管理目标，才能弥补造林成本过高、林业碳汇收益的不足，也才能真正发挥林业在气候变化、生态补偿和生态文明建设中的作用，并保证我国碳市场合理、均衡的发展。
-
![]()
图 1 不同强度密度调控华北落叶松人工林土壤质量指数
Figure 1. Soil quality index of Larix principis-rupprechtii plantation with different density regulation intensities
![]()
图 2 最小数据集土壤质量指数与全集土壤质量指数的相关性
Figure 2. Correlation between the minimum data set soil quality index (MDS-SQIw) and total data set soil quality index (TDS-SQIw)
![]()
图 3 不同密度调控强度华北落叶松人工林土壤质量指数土层分布
Figure 3. Distribution of soil quality index of Larix principis-rupprechtii plantation under different density regulation intensities
表 1 华北落叶松人工林标准地概况
Table 1 Information of Larix principis-rupprechtii plantations
处理
Treatment密度调控强度
Density regulation intensity/%林分密度/
(株·hm−2)
Stand density/
(tree·ha−1)平均胸径
Mean
DBH/cm平均树高
Mean
tree height/m优势高
Dominant
height/m林龄/a
Stand
age/year海拔
Altitude/m坡度
Slope degree/(°)坡向
Slope
aspect坡位
Slope
positionCK 0 2 096 ± 64a 15.01 ± 0.51a 14.19 ± 2.30a 17.13 ± 1.91a 35 2 327 25 北 North 上坡 Upslope LT 15 1 850 ± 121a 14.85 ± 0.69a 14.06 ± 2.02a 16.89 ± 1.64a 35 2 334 24 北 North 上坡 Upslope MT 35 1 402 ± 90b 15.96 ± 0.38a 15.86 ± 0.96a 18.20 ± 0.92a 35 2 346 24 北 North 上坡 Upslope HT 50 1 106 ± 187c 16.81 ± 1.26a 15.41 ± 2.22a 17.56 ± 1.15a 35 2 339 25 北 North 上坡 Upslope 注：CK为对照；LT为低强度调控处理；MT为中强度调控处理；HT为高强度调控处理。不同小写字母表示不同密度调控强度间差异显著(P < 0.05)。下同。Notes: CK, control; LT, low intensity regulation treatment; MT, moderate intensity regulation treatment; HT, high intensity regulation treatment. Different lowercase letters mean significant differences among varied density regulation intensities at P < 0.05 level. The same below. 
下载: 导出CSV
表 2 不同密度调控强度华北落叶松人工林土壤理化性质
Table 2 Soil physical and chemical properties of Larix principis-rupprechtii plantations with different density regulation intensities
土壤性质 Soil property 土层 Soil layer/cm CK LT MT HT 含水率
Moisture content/%0 ~ 10 15.58 ± 1.13Ba 18.78 ± 2.40ABa 18.16 ± 1.70ABa 22.12 ± 1.10Aa 10 ~ 20 15.40 ± 1.14Ba 17.55 ± 1.85ABa 17.85 ± 1.93ABa 20.69 ± 1.08Aa 20 ~ 30 14.69 ± 0.44Ba 16.21 ± 2.51ABa 16.87 ± 1.89ABa 20.03 ± 2.49Aa 土壤密度
Soil density/(g·cm−3)0 ~ 10 1.03 ± 0.04Aa 1.03 ± 0.08Aa 1.00 ± 0.03Ab 0.92 ± 0.03Aa 10 ~ 20 1.05 ± 0.11Aa 1.07 ± 0.14Aa 1.08 ± 0.04Aab 1.01 ± 0.07Aa 20 ~ 30 1.20 ± 0.12Aa 1.13 ± 0.13Aa 1.12 ± 0.05Aa 1.08 ± 0.13Aa pH 0 ~ 10 6.66 ± 0.04Ab 6.48 ± 0.15ABa 6.36 ± 0.06Bb 6.43 ± 0.03ABa 10 ~ 20 6.72 ± 0.04Aab 6.51 ± 0.04Ba 6.38 ± 0.06Bab 6.39 ± 0.03Ba 20 ~ 30 6.85 ± 0.06Aa 6.62 ± 0.09ABa 6.61 ± 0.05ABa 6.53 ± 0.05Ba 有机质含量
Organic matter content/(g·kg−1)0 ~ 10 66.41 ± 2.77Ba 70.17 ± 6.46ABa 80.35 ± 1.99Aa 74.48 ± 3.14ABa 10 ~ 20 63.96 ± 1.23Aa 60.34 ± 6.49Ab 68.53 ± 4.28Ab 66.86 ± 5.45Aa 20 ~ 30 47.93 ± 1.96Ab 50.34 ± 3.36Ab 52.69 ± 3.36Ac 52.13 ± 1.66Ab 全氮含量
Total nitrogen content/(g·kg−1)0 ~ 10 3.03 ± 0.62Aa 2.57 ± 0.12Aa 3.17 ± 0.24Aa 3.07 ± 0.06Aa 10 ~ 20 2.33 ± 0.73Aab 1.98 ± 0.11Ab 2.79 ± 0.27Aab 2.61 ± 0.38Aa 20 ~ 30 1.16 ± 0.33Cb 1.41 ± 0.14BCc 2.16 ± 0.41Ab 1.90 ± 0.34ABb 全磷含量
Total phosphorus content/(g·kg−1)0 ~ 10 0.43 ± 0.03BCa 0.40 ± 0.02Ca 0.56 ± 0.04Aa 0.50 ± 0.06ABa 10 ~ 20 0.41 ± 0.03ABa 0.37 ± 0.03Bab 0.53 ± 0.09Aa 0.46 ± 0.05ABa 20 ~ 30 0.31 ± 0.02Bb 0.34 ± 0.01Bb 0.45 ± 0.07Aa 0.44 ± 0.04Aa 铵态氮含量
Ammonium nitrogen content/(mg·kg−1)0 ~ 10 6.97 ± 0.44Ba 9.84 ± 2.27ABa 12.54 ± 2.11Aa 10.87 ± 0.80Aa 10 ~ 20 5.03 ± 0.54Bb 5.13 ± 0.88Bb 9.60 ± 0.84Ab 8.32 ± 0.63Ab 20 ~ 30 4.44 ± 0.27Cb 4.79 ± 0.67Cb 8.85 ± 0.72Ab 7.00 ± 0.64Bb 硝态氮含量
Nitrate nitrogen content/(mg·kg−1)0 ~ 10 12.90 ± 0.81Aa 14.96 ± 1.85Aa 15.15 ± 0.42Aa 15.01 ± 1.38Aa 10 ~ 20 7.76 ± 0.52Ab 9.00 ± 0.43Ab 9.17 ± 0.28Ab 8.41 ± 1.04Ab 20 ~ 30 2.98 ± 0.41Bc 3.51 ± 0.29Bc 8.64 ± 0.89Ab 3.91 ± 0.51Bc 有效磷含量
Available phosphorus content/(mg·kg−1)0 ~ 10 2.82 ± 0.55Ba 3.13 ± 0.39Ba 4.09 ± 0.41Aa 4.10 ± 0.51Aa 10 ~ 20 2.26 ± 0.09Ba 2.33 ± 0.13Bb 3.07 ± 0.46Ab 2.60 ± 0.24ABb 20 ~ 30 1.71 ± 0.32Ba 2.09 ± 0.37ABb 2.65 ± 0.57Ab 1.91 ± 0.34ABb 速效钾含量
Available potassium content/(mg·kg−1)0 ~ 10 6.53 ± 0.50Ba 7.85 ± 0.49Ba 11.15 ± 1.57Aa 8.21 ± 0.89Ba 10 ~ 20 5.96 ± 0.99Ba 6.53 ± 1.11ABab 8.76 ± 1.24Aab 7.64 ± 1.11ABa 20 ~ 30 5.64 ± 1.24Ba 5.50 ± 1.06Bb 7.94 ± 1.14Ab 7.48 ± 0.81ABa 电导率
Electrical conductivity/(μs·cm−1)0 ~ 10 64.65 ± 5.44Aa 54.23 ± 4.05Aa 66.93 ± 8.80Aa 73.47 ± 9.39Aa 10 ~ 20 52.65 ± 3.18Aa 51.40 ± 3.60Aab 53.50 ± 6.42Aab 65.77 ± 2.75Aa 20 ~ 30 48.25 ± 3.15Aa 44.47 ± 3.43Ab 49.30 ± 2.05Ab 59.20 ± 3.12Aa
下载: 导出CSV
表 3 不同密度调控强度华北落叶松人工林土壤生物学性质
Table 3 Soil biological properties of Larix principis-rupprechtii plantations with different density regulation intensities
土壤性质 Soil property 土层 Soil layer/cm CK LT MT HT 微生物生物量碳含量
Microbial biomass carbon
content/(mg·kg−1)0 ~ 10 461.47 ± 44.79Ca 309.95 ± 62.23Da 808.28 ± 87.89Aa 652.09 ± 57.44Ba 10 ~ 20 277.09 ± 38.42Cb 210.56 ± 36.59Cb 629.09 ± 60.36Ab 499.59 ± 45.48Bb 20 ~ 30 249.59 ± 34.94Cb 128.04 ± 25.85Db 456.11 ± 34.63Ac 374.37 ± 41.34Bc 微生物生物量氮含量
Microbial biomass nitrogen
content/(mg·kg−1)0 ~ 10 48.47 ± 3.21Da 64.68 ± 2.67Ca 97.21 ± 5.19Aa 75.50 ± 4.17Ba 10 ~ 20 40.59 ± 1.47Cab 45.46 ± 3.71Cb 81.55 ± 1.50Ab 68.34 ± 5.47Ba 20 ~ 30 36.36 ± 3.01Cb 40.19 ± 3.80Cb 73.19 ± 3.04Ac 49.62 ± 2.61Bb 蔗糖酶活性
Sucrase activity/(mg·g−1·h−1)0 ~ 10 2.93 ± 0.32Aa 2.19 ± 0.12Ba 2.30 ± 0.37Ba 2.22 ± 0.14Ba 10 ~ 20 2.41 ± 0.29Aa 1.45 ± 0.26Bb 2.05 ± 0.34ABa 2.02 ± 0.23ABa 20 ~ 30 1.53 ± 0.08Ab 1.21 ± 0.28Ab 1.29 ± 0.21Ab 1.46 ± 0.32Ab 脲酶活性
Urease activity/(mg·g−1·d−1)0 ~ 10 0.17 ± 0.10Ba 0.12 ± 0.05Ba 0.43 ± 0.10Aa 0.10 ± 0.03Ba 10 ~ 20 0.07 ± 0.04Ba 0.06 ± 0.01Bab 0.23 ± 0.04Ab 0.08 ± 0.02Ba 20 ~ 30 0.07 ± 0.03ABa 0.03 ± 0.01Bb 0.10 ± 0.03Ab 0.06 ± 0.01ABa 多酚氧化酶活性
Polyphenol oxidase activity/(mL·g−1·h−1)0 ~ 10 1.34 ± 0.14Aa 1.48 ± 0.28Aa 1.89 ± 0.36Aa 1.59 ± 0.16Aa 10 ~ 20 0.87 ± 0.14Bb 1.06 ± 0.26ABab 1.51 ± 0.17Aab 1.22 ± 0.29ABab 20 ~ 30 0.75 ± 0.09Bb 0.78 ± 0.15Bb 1.31 ± 0.21Ab 1.05 ± 0.29ABb 过氧化物酶活性
Peroxidase activity/(mL·g−1·h−1)0 ~ 10 0.26 ± 0.03ABa 0.35 ± 0.05Aa 0.24 ± 0.05Ba 0.28 ± 0.04ABa 10 ~ 20 0.25 ± 0.02ABa 0.31 ± 0.01Aab 0.22 ± 0.04Ba 0.25 ± 0.05ABa 20 ~ 30 0.23 ± 0.01ABa 0.28 ± 0.02Ab 0.20 ± 0.03Ba 0.24 ± 0.04ABa 纤维素酶活性
Cellulose activity/(mg·g−1·h−1)0 ~ 10 0.19 ± 0.01Aa 0.15 ± 0.02ABa 0.13 ± 0.02Ba 0.12 ± 0.03Ba 10 ~ 20 0.16 ± 0.01Aab 0.13 ± 0.02ABab 0.11 ± 0.02Ba 0.10 ± 0.01Bab 20 ~ 30 0.13 ± 0.02Ab 0.10 ± 0.01Bb 0.04 ± 0.01Db 0.07 ± 0.02Cb
下载: 导出CSV
表 4 土壤质量评价指标的主成分分析结果
Table 4 Results of principal component analysis of soil quality evaluation indexes
指标
Index主成分 Principal component 公因子方差
Common factor variancePC1 PC2 PC3 PC4 PC5 pH −0.723 −0.002 −0.043 −0.377 0.037 0.668 土壤有机质 Soil organic matter 0.144 0.167 0.775 0.222 −0.021 0.799 全氮 Total nitrogen 0.760 0.201 0.392 0.177 0.044 0.860 全磷 Total phosphorus 0.859 0.042 −0.070 0.203 0.273 0.804 铵态氮 Ammonium nitrogen 0.829 0.268 0.103 0.104 −0.016 0.780 硝态氮 Nitrate nitrogen 0.706 0.429 0.389 −0.077 −0.101 0.850 有效磷 Available phosphorus 0.776 0.500 0.088 −0.034 0.084 0.868 速效钾 Available potassium 0.883 −0.124 −0.062 0.234 −0.016 0.854 土壤密度 Soil density −0.315 −0.643 −0.133 −0.045 0.013 0.532 含水率 Moisture content 0.268 0.128 0.034 0.867 −0.034 0.842 电导率 Electrical conductivity 0.362 0.329 0.248 0.649 0.273 0.797 微生物生物量碳 Microbial biomass carbon 0.834 0.197 0.033 0.199 0.258 0.842 微生物生物量氮 Microbial biomass nitrogen 0.927 0.137 −0.055 0.067 0.040 0.887 蔗糖酶 Sucrase 0.131 0.344 0.678 −0.194 0.151 0.682 脲酶 Urease 0.548 −0.301 0.161 −0.208 0.404 0.624 多酚氧化酶 Polyphenol oxidase −0.039 0.799 0.164 0.286 0.001 0.749 过氧化物酶 Peroxidase −0.042 −0.006 0.046 −0.081 −0.897 0.814 纤维素酶 Cellulose −0.372 −0.195 0.600 0.161 −0.328 0.670 特征值 Eigenvalue 6.742 2.071 1.920 1.751 1.337 方差贡献率 Variance contribution rate/% 37.456 11.507 10.667 9.728 7.430 累计方差贡献率 Cumulative variance contribution rate/% 37.456 48.964 59.631 69.359 76.789
下载: 导出CSV
-
[1] 任启文, 毕君, 李联地, 等. 冀北山地3种森林植被恢复类型对土壤质量的影响[J]. 生态环境学报, 2018, 27(10):1818−1824. Ren Q W, Bi J, Li L D, et al. Effects of three forest vegetation restoration types on soil quality in northern Hebei mountain area[J]. Ecology and Environment Sciences, 2018, 27(10): 1818−1824.
[2] Gaurav M, Rossana M, Krishna G, et al. Soil quality assessment across different stands in tropical moist deciduous forests of Nagaland, India[J]. Journal of Forestry Research, 2018, 30: 1479−1485.
[3] Doran J W, Parkin T B. Defining and assessing soil quality[M]// Doran J W, Coleman D C, Bezdicek D F, et al. Defining soil quality for a sustainable environment. Madison: American Soil Agronomy, 1994: 3−21.
[4] Christersson L. Wood production potential in poplar plantations in Sweden[J]. Biomass & Bioenergy, 2010, 34(9): 1289−1299.
[5] Winjum J K, Schroeder P E. Forest plantations of the world: their extent, ecological attributes, and carbon storage[J]. Agricultural and Forest Meteorology, 1997, 84: 153−167. doi: 10.1016/S0168-1923(96)02383-0
[6] 马祥庆. 人工林地力衰退研究综述[J]. 南京林业大学学报 (自然科学版), 1997, 21(2):77−82. Ma X Q. Review on the decline of plantation capacity[J]. Journal of Nanjing Forestry University (Natural Sciences), 1997, 21(2): 77−82.
[7] 周霆, 盛炜彤. 关于我国人工林可持续问题[J]. 世界林业研究, 2008, 21(3):49−53. Zhou T, Sheng W T. On the plantation sustainability in China[J]. World Forestry Research, 2008, 21(3): 49−53.
[8] Bünemann E K, Bongiorno G, Bai Z, et al. Soil quality: a critical review[J]. Soil Biology & Biochemistry, 2018, 120: 105−125.
[9] 刘占锋, 傅伯杰, 刘国华, 等. 土壤质量与土壤质量指标及其评价[J]. 生态学报, 2006, 26(3):901−913. doi: 10.3321/j.issn:1000-0933.2006.03.036 Liu Z F, Fu B J, Liu G H, et al. Soil quality: concept, indicators and its assessment[J]. Acta Ecologica Sinica, 2006, 26(3): 901−913. doi: 10.3321/j.issn:1000-0933.2006.03.036
[10] Yu P J, Tang X G, Zhang A C, et al. Responses of soil specific enzyme activities to short-term land use conversions in a salt-affected region, northeastern China[J]. Science of The Total Environment, 2019, 687: 939−945. doi: 10.1016/j.scitotenv.2019.06.171
[11] Niemeyer J C, Lolata G B, de Carvalho G M, et al. Microbial indicators of soil health as tools for ecological risk assessment of a metal contaminated site in Brazil[J]. Applied Soil Ecology, 2012, 59: 96−105.
[12] 骆东奇, 白洁, 谢德体. 论土壤肥力评价指标和方法[J]. 生态环境学报, 2002, 11(2):202−205. doi: 10.3969/j.issn.1674-5906.2002.02.020 Luo D Q, Bai J, Xie D T. Research on evaluation norm and method of soil fertility[J]. Ecology and Environment Sciences, 2002, 11(2): 202−205. doi: 10.3969/j.issn.1674-5906.2002.02.020
[13] Guo L L, Sun Z G, Zhu O Y, et al. A comparison of soil quality evaluation methods for fluvisol along the lower Yellow River[J]. Catena, 2017, 152: 135−143. doi: 10.1016/j.catena.2017.01.015
[14] Willy D K, Muyanga M, Mbuvi J, et al. The effect of land use change on soil fertility parameters in densely populated areas of Kenya[J]. Geoderma, 2019, 343: 254−262. doi: 10.1016/j.geoderma.2019.02.033
[15] 吴玉红, 田霄鸿, 同延安, 等. 基于主成分分析的土壤肥力综合指数评价[J]. 生态学杂志, 2010, 29(1):173−180. Wu Y H, Tian X H, Tong Y A, et al. Assessment of integrated soil fertility index based on principal components analysis[J]. Chinese Journal of Ecology, 2010, 29(1): 173−180.
[16] 杨奇勇, 杨劲松, 姚荣江, 等. 基于GIS和改进灰色关联模型的土壤肥力评价[J]. 农业工程学报, 2010, 26(4):100−105. doi: 10.3969/j.issn.1002-6819.2010.04.016 Yang Q Y, Yang J S, Yao R J, et al. Comprehensive evaluation of soil fertility by GIS and improved grey relation model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2010, 26(4): 100−105. doi: 10.3969/j.issn.1002-6819.2010.04.016
[17] Liu Z J, Zhou W, Shen J B, et al. Soil quality assessment of albic soils with different productivities for eastern China[J]. Soil & Tillage Research, 2014, 140: 74−81.
[18] Nabiollahi K, Golmohamadi F, Taghizadeh-Mehrjardi R, et al. Assessing the effects of slope gradient and land use change on soil quality degradation through digital mapping of soil quality indices and soil loss rate[J]. Geoderma, 2018, 318: 16−28. doi: 10.1016/j.geoderma.2017.12.024
[19] Andrés-Abellán M, Wic-Baena C, López-Serrano F R, et al. A soil-quality index for soil from Mediterranean forests[J]. European Journal of Soil Science, 2019, 70: 1001−1011.
[20] 罗红, 普布顿珠, 朱雪林, 等. 西藏人工造林作业区土壤肥力评价[J]. 应用生态学报, 2017, 28(5):1507−1514. Luo H, Pubudunzhu, Zhu X L, et al. Soil fertility evaluation of artificial afforestation areas in Tibet, China[J]. Chinese Journal of Applied Ecology, 2017, 28(5): 1507−1514.
[21] 邵国栋, 艾娟娟, 孙启武, 等. 昆嵛山不同林分类型土壤质量状况及评价[J]. 林业科学研究, 2018, 31(6):178−187. Shao G D, Ai J J, Sun Q W, et al. Soil quality status and assessment of different forest types in Kunyushan Mountains[J]. Forest Research, 2018, 31(6): 178−187.
[22] Zhou Z, Wang C, Jin Y, et al. Impacts of thinning on soil carbon and nutrients and related extracellular enzymes in a larch plantation[J]. Forest Ecology and Management, 2019, 450: 1−9.
[23] Zhao B, Cao J, Geng Y, et al. Inconsistent responses of soil respiration and its components to thinning intensity in a Pinus tabuliformis plantation in northern China[J]. Agricultural and Forest Meteorology, 2019, 265: 370−380. doi: 10.1016/j.agrformet.2018.11.034
[24] Wang Z, Yang H, Wang D, et al. Response of height growth of regenerating trees in a Pinus tabulaeformis Carr. plantation to different thinning intensities[J]. Forest Ecology and Management, 2019, 444: 280−289. doi: 10.1016/j.foreco.2019.04.042
[25] 朱江, 韩海荣, 康峰峰, 等. 山西太岳山华北落叶松生物量分配格局与异速生长模型[J]. 生态学杂志, 2016, 35(11):2918−2925. Zhu J, Han H R, Kang F F, et al. Biomass allocation patterns and allometric models of Larix principis-rupprechtii in Mt. Taiyue, Shanxi[J]. Chinese Journal of Ecology, 2016, 35(11): 2918−2925.
[26] 国家林业局. 森林土壤分析方法: LY/T 1210 ~ 1275—1999[S]. 北京: 中国标准出版社, 1999. State Forestry Administration. Forest soil analysis method: LY/T 1210 ~ 1275−1999[S]. Beijing: Standards Press of China, 1999.
[27] 吴然, 康峰峰, 韩海荣, 等. 山西太岳山不同林龄华北落叶松林土壤微生物特性[J]. 生态学杂志, 2016, 35(12):3183−3190. Wu R, Kang F F, Han H R, et al. Soil microbial properties in Larix principis-rupprechtii plantations of different ages in Mt. Taiyue, Shanxi, China[J]. Chinese Journal of Ecology, 2016, 35(12): 3183−3190.
[28] 关松荫. 土壤酶及其研究法[M]. 北京: 农业出版社, 1986. Guan S Y. Soil enzyme and its research method[M]. Beijing: China Agriculture Press, 1986.
[29] Andrews S S, Karlen D L, Cambardella C A. The soil management assessment framework: a quantitative soil quality evaluation method[J]. Soil Science Society of America Journal, 2004, 68: 1945−1962. doi: 10.2136/sssaj2004.1945
[30] 邓绍欢, 曾令涛, 关强, 等. 基于最小数据集的南方地区冷浸田土壤质量评价[J]. 土壤学报, 2016, 53(5):1326−1333. Deng S H, Zeng L T, Guan Q, et al. Minimum dataset-based soil quality assessment of waterlogged paddy field in South China[J]. Acta Pedologica Sinica, 2016, 53(5): 1326−1333.
[31] 杨振奇, 秦富仓, 于晓杰, 等. 基于最小数据集的砒砂岩区人工林地土壤质量评价指标体系构建[J]. 土壤通报, 2019, 50(5):1072−1078. Yang Z Q, Qin F C, Yu X J , et al. Construction of artificial forest soil quality evaluation indices in the feldspathic sandstone region based on minimum data set[J]. Chinese Journal of Soil Science, 2019, 50(5): 1072−1078.
[32] 康冰, 刘世荣, 蔡道雄, 等. 马尾松人工林林分密度对林下植被及土壤性质的影响[J]. 应用生态学报, 2009, 20(10):2323−2331. Kang B, Liu S R, Cai D X, et al. Effects of Pinus massoniana plantation stand density on understory vegetation and soil properties[J]. Chinese Journal of Applied Ecology, 2009, 20(10): 2323−2331.
[33] 毛志宏, 朱教君, 刘足根, 等. 间伐对落叶松人工林内草本植物多样性及其组成的影响[J]. 生态学杂志, 2006, 25(10):1201−1207. doi: 10.3321/j.issn:1000-4890.2006.10.010 Mao Z H, Zhu J J, Liu Z G, et al. Effects of thinning on species diversity and composition of understory herbs in a larch plantation[J]. Chinese Journal of Ecology, 2006, 25(10): 1201−1207. doi: 10.3321/j.issn:1000-4890.2006.10.010
[34] 马芳芳, 贾翔, 赵卫, 等. 间伐强度对辽东落叶松人工林土壤理化性质的影响[J]. 生态学杂志, 2017, 36(4):971−977. Ma F F, Jia X, Zhao W, et al. Effects of thinning intensity on soil physicochemical properties of Larix kaempferi plantation in eastern Liaoning Province[J]. Chinese Journal of Ecology, 2017, 36(4): 971−977.
[35] 向元彬, 黄从德, 胡庭兴, 等. 不同密度巨桉人工林土壤有机碳及微生物量碳氮特征[J]. 西北植物学报, 2014, 34(7):1476−1481. doi: 10.7606/j.issn.1000-4025.2014.07.1476 Xiang Y B, Huang C D, Hu T X, et al. Characteristics of soil organic carbon and microbial biomass carbon and nitrogen in Eucalyptus grand plantations with different densities[J]. Acta Botanica Boreali-Occidentalia Sinica, 2014, 34(7): 1476−1481. doi: 10.7606/j.issn.1000-4025.2014.07.1476
[36] Baldrian P, Šnajdr J, Merhautová V, et al. , Responses of the extracellular enzyme activities in hardwood forest to soil temperature and seasonality and the potential effects of climate change[J]. Soil Biology & Biochemistry, 2013, 56: 60−68.
[37] 赵汝东, 樊剑波, 何园球, 等. 林分密度对马尾松林下土壤养分及酶活性的影响[J]. 土壤, 2012, 44(2):297−301. doi: 10.3969/j.issn.0253-9829.2012.02.019 Zhao R D, Fan J B, He Y Q, et al. Effects of stand density on soil nutrients and enzyme activities in Pinus massoniana plantation[J]. Soils, 2012, 44(2): 297−301. doi: 10.3969/j.issn.0253-9829.2012.02.019
[38] Qiu X C, Peng D L, Wang H B, et al. Minimum data set for evaluation of stand density effects on soil quality in Larix principis-rupprechtii plantations in North China[J]. Ecological Indicators, 2019, 103: 236−247. doi: 10.1016/j.ecolind.2019.04.010
[39] 赵娜, 孟平, 张劲松, 等. 华北低丘山地不同退耕年限刺槐人工林土壤质量评价[J]. 应用生态学报, 2014, 25(2):351−358. Zhao N, Meng P, Zhang J S, et al. Soil quality assessment of Robinia psedudoacia plantations with various ages in the Grain-for-Green Program in hilly area of North China[J]. Chinese Journal of Applied Ecology, 2014, 25(2): 351−358.
-
期刊类型引用(6)
1. 文程敬，吴俊文，赵志娟，陈刚，李志琪，段贵河，杜官本，梁文. 轻木人工林生长及各器官碳、氮、磷化学计量对氮添加的响应. 植物营养与肥料学报. 2025(01): 188-200 . 
百度学术
2. 赵东，马荣宇，于立川，赵健，刘嘉辉. 基于经验模态分解和小波包能量熵的杉木加载过程中细观损伤监测与识别. 北京林业大学学报. 2024(03): 123-131 . 本站查看
3. 孙建丽，吴俊文，肖建冬，杜官本，王文兵，刘有军. 不同坡位土壤养分条件对轻木叶片解剖特征及其适应可塑性的影响. 西北农业学报. 2024(09): 1737-1745 . 百度学术
4. 刘浩正，王建山，石广玉. 应压木细胞壁S_2层的微纤丝螺旋角对其抗压韧性的影响. 北京林业大学学报. 2023(04): 136-146 . 本站查看
5. 汪文庆，代博仁，夏重阳，石江涛. 炭化温度对木材生物炭结构和化学组成的影响. 湖南林业科技. 2023(03): 12-19 . 百度学术
6. 何林韩，凌凯莉，任瑞清，陈瑶，高建民. 以Cu颗粒强化导热的木质基复合相变储热材料性能研究. 北京林业大学学报. 2022(12): 132-141 . 本站查看
其他类型引用(2)
计量
- 文章访问数: 965
- HTML全文浏览量: 327
- PDF下载量: 99
- 被引次数: 8
