Suitable distribution area of drought-resistant afforestation tree species in north China based on MaxEnt model
-
摘要:目的 樟子松、油松、山桃和山杏作为中国北方半干旱半湿润气候区的常用造林树种，具备抗旱耐寒特性和保持水土的功能，研究其适宜空间分布对中国北方植被恢复具有指导作用。方法 以半干旱半湿润气候区的樟子松、油松、山桃和山杏为研究对象，获取树种地理分布点位数据和与树种生态学相关的24个环境因子（地形、土壤和气象），基于协同克里金插值法，将限制因子叠加法与最大熵模型（MaxEnt）相结合，研究4类树种适宜区分布。结果 （1）4类树种MaxEnt模型预测精度达到准确水平（AUC > 0.90）。（2）影响樟子松分布的主导因子依次为土壤类型、最冷月均温和最冷月平均风速；油松的主导因子依次为高程、年均气温标准差、土壤类型、年降水量；山桃的主导因子依次为最暖月均温、高程、年极端最低气温、年均降水量标准差、坡度、土壤类型；山杏的主导因子依次为高程、土壤类型、最暖月平均降水量、湿润系数、最暖月均温。（3）樟子松中高适宜区主要分布于内蒙古、黑龙江、吉林等地，油松、山桃和山杏主要分布在山西、陕西、甘肃、河北、内蒙古等地。结论 MaxEnt模型模拟结果，可准确反映4类树种的适宜区分布情况，结果可为我国半干旱半湿润区绿化造林提供适地适树的科学指导。Abstract:Objective Pinus sylvestris var. mongolica, Pinus tabuliformis, Amygdalus davidiana and Armeniaca sibirica are commonly used afforestation tree species in semi-arid and semi-humid areas, which have drought-resistant and cold-resistant characteristics and the function of soil and water conservation. Studying their suitable spatial distribution can guide the vegetation restoration in northern China.Method Based on the ecological characteristics of tree species, with the data of tree species distribution and 24 environmental variables (topography, soil and meteorology), based on the Co-Kriging method, the limiting factor superposition method and the maximum entropy model (MaxEnt) were combined to study the distribution of the suitable areas of 4 tree species.Result (1) The prediction accuracy of MaxEnt model of four tree species reached the accurate level (AUC > 0.90). （2）The dominant factors affecting the distribution of Pinus sylvestris var. mongolica were ordered as soil type, average temperature in the coldest month and average wind speed in the coldest month. The dominant factors of Pinus tabuliformis were ordered as elevation, standard deviation of annual average temperature, soil type and annual precipitation; the dominant factors of Amygdalus davidiana were ordered as the average temperature of the warmest month, elevation, annual extreme minimum temperature, standard deviation of annual precipitation, slope and soil type; the dominant factors of Prunus armeniaca were elevation, soil type, average precipitation in the warmest month, wetting coefficient and average temperature in the warmest month in turn. (3) The middle and high suitable areas of Pinus sylvestris var. mongolica were mainly distributed in Inner Mongolia of northern China, Heilongjiang and Jilin provinces of northeastern China, Pinus tabuliformis, Amygdalus davidiana and Armeniaca sibirica were mainly distributed in Shanxi, Hebei provinces and Inner Mongolia of northern China, Shaanxi, Gansu provinces of northwestern China,Conclusion In this study, MaxEnt model can accurately reflect the distribution of four tree species, and the results can provide scientific guidance for the afforestation in the semi-arid and semi-humid climate regions of China.
-
森林作为陆地生态系统的主体，是一种重要的资源资产和环境资产，蕴含着巨大的经济效益、社会效益和生态效益，构成了人类生存和社会发展的基本支撑。根据第9次全国森林资源清查结果，我国森林覆盖率为22.96%，森林面积为22 044.62 × 104 hm2，占国土总面积的21.63%。其中，天然林面积为14 041.52 × 104 hm2，人工林面积为8 003.10 × 104 hm2，森林蓄积量为1 756 022.99 × 104 m3，森林资源总量位居世界前列[1]。开展森林资源核算，有助于科学、客观、量化地衡量森林资源的功能和价值对经济社会发展的作用，有助于引导人类合理开发利用森林资源，扭转以牺牲环境、破坏资源为特征的传统经济发展模式，对于建设资源节约型和环境友好型社会具有重要意义。
对森林资源进行核算，一直是国际社会关注的重要内容。国外对森林资源核算的研究已经有300多年的历史，18世纪初以德国为中心的欧美国家就开始对林地、林木资源价值进行计量，以支持森林买卖交换[2]。19世纪末，日本从德国引进了森林评价法并于20世纪30年代开始研究林业收益及盈亏计算理论[3]。20世纪60年代，欧美一些发达国家提出了“绿色核算”的理念，以弥补单纯使用GDP衡量经济增长的弊端[4]。20世纪90年代初，联合国出版了《综合环境和经济核算体系》（SEEA-1993）用于指导各国创建环境经济账户，其中提到了森林资源核算的有关内容[5]。经过不断的修订和完善，SEEA体系又相继更新了SEEA-2000、SEEA-2003、SEEA-2012等多个版本。SEEA-2012即《环境经济核算体系2012——中心框架》，是基于20多年环境核算开发而发布的首个综合性国际环境核算标准，它为森林资源核算提供了基本框架、账户形式、核算方法及核算准则[6]。各国纷纷基于SEEA-2012探索适合本国国情的森林资源核算体系，其推荐的核算方法如净现值法和市场价格法也成为各国评估森林资源价值首选的方法[7]。
我国对森林资源核算较为系统的理论研究始于20世纪90年代[8]。1990年，孔繁文等[9]开始对中国森林资源价值核算进行了初步的探索，探讨了森林资源的核算对象、核算内容及核算方法，并试算出了我国森林资源价值。随后，孔繁文[10]受SEEA-1993的启发，提出进行森林环境资源核算并将其纳入国民经济核算体系是林业可持续发展的有效途径，建议未来应开展对森林环境资源核算理论方法、经济评价指标及指标体系的研究。2003年以后，国家统计局开始组织翻译SEEA-2003，以便为国内开展环境经济核算研究提供参考。自此，SEEA体系开始对我国森林资源核算产生重要而深远的影响，相关研究逐步向SEEA-2003靠拢[11−14]。张颖[15]指出森林资源核算是环境资源价值核算的重要组成部分，并对森林资源核算的经济理论、主要方法、内容划分及基本框架进行了总结。2004年，国家林业局（现为国家林业和草原局）和国家统计局共同启动了“中国森林资源核算及纳入绿色GDP研究”项目，项目组依据SEEA-2003构建了“基于森林资源的国民经济核算框架和内容”，利用第5、6次全国森林资源清查数据，对我国森林实物产品产出的实物量和价值量进行了核算，提出了开展森林生态服务价值核算研究的基本思路[16]。此后，又分别于2013年、2017年启动了第2期、第3期“中国森林资源核算”研究，两期研究根据环境经济核算体系的最新发展，对以SEEA-2003为基础构建的中国森林资源核算框架进行了更新，在充分吸收第一部环境经济核算统计标准——SEEA-2012相关理论的基础上，结合我国实际进一步完善了中国森林资源核算理论框架，并对林地林木资源及森林生态系统服务价值进行了核算[17−18]。此外，第3期研究还首创了“人与森林共生时间”的全新概念，通过构建森林文化价值评估指标与方法体系，首次对我国森林文化价值开展了计量评估[18]。
我国森林资源核算体系由森林资源存量核算、森林资源流量核算、森林经营管理与生态保护支出核算、林业投入产出核算以及森林综合核算5部分构成[16−18]。其中，森林资源存量核算又称为林地林木资源核算，是对林地林木资源的实物、价值存量及其变动量进行核算，以便从实物和价值两个层面反映林地林木在期初和期末两个时点上的拥有量及核算期内的变动量。林地林木资源核算不仅是森林资源核算的基本内容，也是森林资源核算的起点，对于开展整个森林资源核算体系研究具有奠基性意义。当前，我国林地林木资源核算研究主要集中于国家尺度，而对省级尺度的相关研究相对较少[16−18]。吉林省是我国重点林业省份及木材战略基地之一，森林资源丰富，东部长白山区素有“长白林海”之称，其生态系统在东北乃至东北亚地区都占据着十分重要的地位。本研究以吉林省为研究区域，基于第8次、第9次全国森林资源清查（以下简称第8次、第9次清查）数据及2018年调查获得的成本价格数据，对全省范围内的林地林木资源进行核算，摸清吉林省森林资源家底，评估吉林省林地林木资源静态状况、动态状况及其经济贡献，为吉林省科学提高森林经营管理水平、合理制定林业发展规划提供依据，也为我国开展森林资源核算研究提供实践参考。
1. 研究区概况
吉林省位于我国东北地区中部（40°50′ ~ 46°19′N、121°38′ ~ 131°19′E），总面积为1 874 × 104 hm2，约占国土总面积的1.95%。地势由东南向西北降低，以中部大黑山西麓为界，可分为东部山地和中西部平原两大地貌单元。吉林省属温带大陆季风性气候，四季分明，雨热同季，冬季平均气温在−11 ℃以下，夏季平原平均气温在23 ℃以上，无霜期一般在100 ~ 160 d，平均日照时数为2 259 ~ 3 016 h，年平均降水量为400 ~ 600 mm，主要集中在夏季[19]。
根据《2021吉林统计年鉴》，2020年末吉林省总人口为2 399.23万人，占全国总人口的1.70%。全省城镇常住居民人均可支配收入为33 395.70元，为全国平均水平的76.19%；农村常住居民人均可支配收入为16 067.03元，为全国平均水平的93.79%。吉林省地区生产总值为12 311.32亿元，占全国生产总值的1.21%，人均地区生产总值为50 800元，相当于全国平均水平的70.56%。林业总产值为719 197万元，占全省农林牧渔总产值的2.42%[20]。
2. 林地林木资源核算方法体系
2.1 核算内容及数据来源
林地林木资源核算包括实物量核算和价值量核算两方面内容[21]。实物量核算是对林地面积、林木蓄积存量及其变动量进行核算，是价值量核算的基础，所需数据来源于第8次、第9次清查结果；价值量核算是对林地林木的经济价值存量及其变动量进行核算，是实物量核算的升华，所需成本价格数据由吉林省林草主管部门、吉林森工集团在2018年根据国家林业局经济发展研究中心（现为国家林业和草原局发展研究中心）编制的林地林木价值核算专项调查表以当年价格水平为基准调查填报获得。调查内容包括吉林省林地租金，用材林、经济林经营成本与收益，活立木交易成本价格及林木采伐相关的多项经济参数。将上述参数与吉林省林地林木资源实物存量（面积、蓄积）数据对应匹配，使用适当的估价方法，得到吉林省林地林木资源价值存量，再通过期初与期末的差值求出实物、价值层面的期间变动量。由于缺乏第8次清查期间价值存量核算所需的成本价格数据，本研究只核算了吉林省第9次清查期间的林地林木价值存量，而未对两次清查期间的变动量进行核算。
2.2 核算对象及核算分类
按照实物量数据来源，根据《国家森林资源连续清查技术规定（2014）》，本研究将林地划分为乔木林地、灌木林地、疏林地、竹林地、未成林造林地、苗圃地、迹地、宜林地8个2级地类，由于第8次清查地类划分标准与第9次略有不同，为便于统计分析，采用第9次清查地类划分标准对第8次清查数据进行了再分类（表1）。林木包括树木和竹子。同时，将林地和林木按照起源分为天然林和人工林；按照用途分为防护林、特种用途林、用材林、薪炭林和经济林；按照林龄分为幼龄林、中龄林、近熟林、成熟林和过熟林。
表 1 第8次、第9次清查地类区别Table 1. Distinction of land types based on the 8th and 9th National Forest Resources Inventories地类
Land type第8次
The 8th第9次
The 9th1级
First level2级 Second level 3级 Third level 2级 Second level 3级 Third level 林地
Forest land有林地 Forest land 乔木林 Arbor forest 乔木林地
Arbor forest land乔木林地
Arbor forest land红树林 Mangrove 竹林
Bamboo forest竹林地
Bamboo forest land竹林地
Bamboo forest land灌木林地 Shrub land 国家特别规定的灌木林地
Shrub land specified as forest by the state灌木林地 Shrub land 特殊灌木林地
Special shrub land其他灌木林地
Other shrub land一般灌木林地
General shrub land疏林地 Sparse forest land 疏林地 Sparse forest land 未成林地
Undeveloped forest land未成林造林地 Young afforested land 未成林造林地
Young afforested land未成林造林地
Young afforested land未成林封育地 Afforestation closure land 苗圃地 Nursery land 苗圃地 Nursery land 无立木林地
Non-stocked forest land采伐迹地 Logging site 迹地 Slash 采伐迹地 Logging site 火烧迹地 Burned area 火烧迹地 Burned area 其他无立木林地 Other non-stocked forest land 其他迹地 Other slash 宜林地 Suitable land for forest 宜林荒山荒地
Waste mountains and lands suitable for afforestation宜林地
Suitable land for forest造林失败地
Failed afforestation area宜林沙荒地
Sand wasteland suitable for afforestation规划造林地
Planning planted land其他宜林地
Other suitable land for forest其他宜林地
Other suitable land for forest林业辅助生产用地 Land for forestry auxiliary production 注：根据《国家森林资源连续清查技术规定（2004）》与《国家森林资源连续清查技术规定（2014）》整理。Notes: organized according to the “Technical Regulations for Continuous National Forest Resources Inventory (2004)” and the “Technical Regulations for Continuous National Forest Resources Inventory (2014)”. 2.3 核算账户结构设计
林地林木资源核算账户结构设计参考了SEEA-2012中土地资产及林木资源资产的账户形式，并根据我国林业统计实际如上文提到的核算对象及核算分类进行了适当的调整。实物量账户、价值量账户均包含林地、林木两大要素。核算账户体系由林地、林木实物存量表，林地、林木价值存量表，林地、林木实物存量变动表，林地、林木价值存量变动表构成。
存量表设计的主要目的是记录森林资源在经济活动过程中的存量。在林地林木资源核算中，存量是指在一定时点上，过去生产和积累的产品（如林地面积、林木蓄积量）的结存数量。以林地实物存量表为例（表2、3）阐述设计思路，表格宾栏的3个层次体现了森林和林业管理中的分类。第1层次分为天然林和人工林，由此体现森林资源的起源；第2层次分为乔木林地、灌木林地、疏林地、竹林地、未成林造林地、苗圃地、迹地、宜林地（第8次清查还包括林业辅助生产用地），由此体现与森林有关的不同利用方式；第3层次分别将人工乔木林和天然乔木林按照5大林种进行分类，由此体现森林的不同用途或功能。为与国民经济核算接轨，表格主栏设置了培育资产与非培育资产2个类别，它们是针对各种生物性资产，包括植物性资产（如林木）和动物性资产（如鱼类、禽畜），依据其形成过程特点（即是否有人类劳动参与）而定义的一对概念[22]。具体到森林资源来说，培育资产是指本身是人工造林生产的结果，或者其生产过程已经被置于人类管理控制之下的森林，如人工林、苗圃、四旁树等；非培育资产是指主要依赖自然繁衍、其生长处于一种自然过程之中的森林，如天然林、散生木等[16]。林木实物存量表设计原理与之类似，第2层次按照林木即生长在乔木林地、疏林地中的树木，散生木，四旁树进行分类，由此体现不同的立木类型。由于经济林具有一定的特殊性，包括乔木经济林和灌木经济林2种类型，在林地价值存量表中，其林地年平均租金往往远高于其他林种，因此列示在乔木林地条目之外；在林木价值存量表中，其核算方法、核算依据也与其他林种有所不同，并非根据面积或蓄积进行核算，而是根据培育成本、经营成本等指标进行单独核算，因此也列示在乔木林条目之外。
表 3 吉林省第9次清查林地实物存量核算 104 hm2Table 3. Physical accounting table of forest land based on the 9th National Forest Resources Inventory in Jilin Province104 ha 项目
Item合计
Total培育资产
Cultivated asset非培育资产
Non-cultivated asset1.天然林 Natural forest 616.64 616.64 （1）乔木林地 Arbor forest land 608.72 608.72 防护林 Protection forest 307.58 307.58 特用林 Special-use forest 39.77 39.77 用材林 Timber forest 259.02 259.02 薪炭林 Fuel forest 0.85 0.85 经济林 Economic forest 1.50 1.50 （2）疏林地 Open forest land 0.63 0.63 （3）灌木林地 Shrub land 7.29 7.29 2.人工林 Plantation 177.84 177.84 （1）乔木林地 Arbor forest land 174.26 174.26 防护林 Protection forest 95.51 95.51 特用林 Special-use forest 3.43 3.43 用材林 Timber forest 67.84 67.84 薪炭林 Fuel forest 0.64 0.64 经济林 Economic forest 6.84 6.84 （2）疏林地 Open forest land 1.47 1.47 （3）灌木林地 Shrub land 2.11 2.11 3.其他林地 Other forestland 110.31 15.81 94.50 （4）未成林造林地 Young afforested land 13.45 13.45 （5）苗圃地 Nursery land 0.22 0.22 （6）迹地 Slash 2.14 2.14 （7）宜林地 Suitable land for forest 94.50 94.50 总计Total 904.79 193.65 711.14 存量变动表设计的主要目的是记录森林资源在经济活动过程中的变化量。在林地林木资源核算中，变化量是指在一定时期内发生的某种经济变量（如林地面积、林木蓄积）变动的数值。引起林地面积和林木蓄积的增减原因主要包括自然因素、经济因素和其他因素3类。经济因素是指由于人类活动造成的林地面积和林木蓄积的变化，如造林更新、采伐、种植结构调整、规划调整等；自然因素是指由于自然原因造成的林地面积和林木蓄积的变化，如天然更新、自然变化等；其他因素是指除经济因素、自然因素以外的影响造成的林地林木的增减变化，如调查因素等[16−18]。在实物存量变动表的宾栏中，第1层次分为期初存量、期末存量，第2层次分为存量增加、存量减少、本期净变化，且满足“期初存量 + 存量增加 – 存量减少 = 期末存量”“存量增加 – 存量减少 = 本期净变化”的恒等关系。其中，本期净变化数值具有重要意义，可以在总体上衡量和评价森林资源管理是否可持续及可持续程度。第3层次按照经济因素、自然因素、其他因素对存量增加、存量减少项进行了划分，以反映各类原因引起的林地林木资源增减变化。在价值存量变动表中，还增加了“重估价”项目，用来记录核算期间因价格变动导致的资产价值变化。林地、林木的实物、价值存量表与存量变动表共同组成了林地林木资源核算账户体系，用以记录和考察林地林木资源在经济活动中的存量及变化量，反映林地林木资源对经济活动产生的影响。
2.4 核算期限
本研究核算账户的编制时间与全国森林资源清查的年份保持一致。具体来说，期初为第8次清查的最后一年，即2013年，期末为第9次清查的最后一年，即2018年，变动量核算在2013—2018年之间。
2.5 林地林木价值核算方法
本研究以我国林业行业目前使用的《森林资源资产评估技术规范》（LY/T 2407—2015）为依据，结合SEEA-2012推荐的森林资源核算方法，选取当前森林资源资产评估最常用的方法评估林地林木价值[16−18,21,23]。
2.5.1 林地估价方法
林地价值评估采用年金资本化法，公式为
V=l∑i=1AiQ (1) 式中：V为林地价值；i为林地类型的种类；Ai为第i种林地类型的年平均租金；Q为折现率，取2.5%。
2.5.2 林木估价方法
在进行林木价值评估时，存在各种径级或龄组的林木，单凭一种估价方法难以客观评估林木价值。《森林资源资产评估技术规范》（LY/T 2407—2015）指出应根据不同林种、龄组，选择适用的方法评估林木价值，本研究中的林木价值按照乔木林、经济林、竹林3种类型分别进行核算（吉林省无大规模竹林）。其中，乔木林核算步骤为：（1）对不同优势树种的林分按照不同龄组进行划分；（2）根据不同龄组采用不同估价方法进行核算。考虑到数据的可获得性，本研究最终确定幼龄林采用重置成本法，中龄林采用收益现值法，近熟林、成熟林和过熟林采用市场倒算法进行价值评估；（3）在得到不同龄组按优势树种统计的林木价值结果后，根据第9次清查中的“天然乔木林各龄组面积蓄积按权属和林种统计表”“人工乔木林各龄组面积蓄积按权属和林种统计表”表格，将所得结果转换为按用途划分的林木价值，即将幼龄林、中龄林、近熟林、成熟林、过熟林的价值转化为防护林、特种用途林、用材林、薪炭林的价值，并将经济林价值单独核算。由于天然林和按用途划分的人工防护林、特用林、薪炭林的林木价格难以获取，本研究采用人工用材林各龄组价格估计上述林分相应龄组价格；同时，采用人工用材林的平均价格估算疏林、散生木和四旁树的价值。
（1）幼龄林。幼龄林价值评估采用重置成本法，公式为
Va=Kn∑m=1Cm(1+P)n−m+1 (2) 式中：Va为幼龄林林木资产评估值；Cm为第m年以现行工价及生产水平为标准的生产成本；K为林分质量调整系数；P为投资收益率，取4.5%；n为林分年龄。
（2）中龄林。中龄林价值评估采用收益净现值法，公式为
Vb=u∑t=nAt−Ct(1+P)t−n+1 (3) 式中：Vb为中龄林林木资产评估值；At为第t年收入；Ct为第t年支出；u为经营期；P为投资收益率，取4.5%。
（3）近、成、过熟林。近、成、过熟林价值评估采用市场倒算法，公式为
Vc=W−C−F (4) 式中：Vc为近、成、过熟林林木资产评估值；W为木材销售总收入；C为木材生产经营成本；F为木材生产经营利润。
（4）经济林。经济林价值评估采用收益净现值法，公式为
Vd=Ad(1+P)d−1P(1+P)d (5) 式中：Vd为经济林评估值；Ad为盛产期内年净收益；d为盛产期年限；P为投资收益率，取6%。
（5）竹林。竹林价值评估采用年金资本化法，公式为
Ve=AeP (6) 式中：Ve为竹林评估值；Ae为竹林的年净收益；P为投资收益率，取6%。
3. 结果与分析
3.1 吉林省林地林木资源实物存量核算结果
3.1.1 吉林省林地实物存量核算结果
根据第8次清查结果核算，吉林省林地存量为856.19 × 104 hm2。按照培育方式统计，以人工林地为主的培育资产面积为203.70 × 104 hm2；以天然林地为主的非培育资产面积为652.49 × 104 hm2，分别占林地总面积的23.79%和76.21%，非培育资产面积是培育资产面积的3.20倍。按照地类统计，吉林省乔木林地面积为763.03 × 104 hm2，占林地总面积的89.12%，所占比重最大；其次为林业辅助生产用地，面积为32.95 × 104 hm2，占林地总面积的3.85%；未成林造林地面积为26.30 × 104 hm2，占林地总面积的3.07%；疏林地面积为4.43 × 104 hm2，所占比重最小，为0.52%（表2）。
表 2 吉林省第8次清查林地实物存量核算 104 hm2Table 2. Physical accounting table of forestland based on the 8th National Forest Resources Inventory in Jilin Province104 ha 项目
Item合计
Total培育资产
Cultivated asset非培育资产
Non-cultivated asset1.天然林 Natural forest 612.74 612.74 （1）乔木林地 Arbor forest land 602.47 602.47 防护林 Protection forest 216.46 216.46 特用林 Special-use forest 48.31 48.31 用材林 Timber forest 334.92 334.92 薪炭林 Fuel forest 1.27 1.27 经济林 Economic forest 1.51 1.51 （2）疏林地 Open forest land 1.90 1.90 （3）灌木林地 Shrub land 8.37 8.37 2.人工林 Plantation 163.73 163.73 （1）乔木林地 Arbor forest land 160.56 160.56 防护林 Protection forest 74.37 74.37 特用林 Special-use forest 3.86 3.86 用材林 Timber forest 73.15 73.15 薪炭林 Fuel forest 1.08 1.08 经济林 Economic forest 8.10 8.10 （2）疏林地 Open forest land 2.53 2.53 （3）灌木林地 Shrub land 0.64 0.64 3.其他林地 Other forestland 79.72 39.97 39.75 （4）未成林造林地 Young afforested land 26.30 26.30 （5）苗圃地 Nursery land 0.00 0.00 （6）迹地 Slash 13.67 13.67 （7）宜林地 Suitable land for forest 6.80 6.80 （8）林业辅助生产用地 Land for forestry auxiliary production 32.95 32.95 总计 Total 856.19 203.70 652.49 注：表格空白处无需填写数据，表3 ~ 5、表8 ~ 9与之相同。Notes: there is no need to fill in data in the blank spaces of the table, and the same as Tab.3−5 and Tab. 8−9. 根据第9次清查结果核算，吉林省林地存量为904.79 × 104 hm2。按照培育方式统计，以人工林地为主的培育资产面积为193.65 × 104 hm2；以天然林地为主的非培育资产面积为711.14 × 104 hm2，分别占林地总面积的21.40%和78.60%，非培育资产面积是培育资产面积的3.67倍。按照地类统计，吉林省乔木林地面积为782.98 × 104 hm2，占林地总面积的85.54%，所占比重最大；其次为宜林地，面积为94.50 × 104 hm2，占林地总面积的10.44%；未成林造林地面积为13.45 × 104 hm2，占林地总面积的1.49%；苗圃地面积为0.22 × 104 hm2，所占比重最小，为0.02%（表3）。
3.1.2 吉林省林木实物存量核算结果
根据第8次清查结果核算，吉林省林木总蓄积为96 534.93 × 104 m3。按照培育方式统计，以人工林为主的培育资产蓄积为10 593.21 × 104 m3；以天然林为主的非培育资产蓄积为85 941.72 × 104 m3，分别占林木总蓄积的10.97%和89.03%，非培育资产蓄积是培育资产蓄积的8.11倍。按森林起源统计，天然林蓄积为81 909.56 × 104 m3，人工林蓄积为10 447.87 × 104 m3，其他林木蓄积为4 177.50 × 104 m3，分别占林木总蓄积的84.85%、10.82%和4.33%（表4）。
表 4 吉林省第8次清查林木实物存量核算Table 4. Physical accounting table of timber based on the 8th National Forest Resources Inventory in Jilin Province104 m3 项目
Item合计
Total培育资产
Cultivated asset非培育资产
Non-cultivated asset1.天然林 Natural forest 81 909.56 81 909.56 （1）乔木林 Arbor forest 81 859.95 81 859.95 防护林 Protection forest 27 601.28 27 601.28 特用林 Special-use forest 8 801.65 8 801.65 用材林 Timber forest 45 445.37 45 445.37 薪炭林 Fuel forest 11.65 11.65 经济林 Economic forest （2）疏林 Open forest 49.61 49.61 2.人工林 Plantation 10 447.87 10 447.87 （1）乔木林 Arbor forest 10 397.42 10 397.42 防护林 Protection forest 4 721.98 4 721.98 特用林 Special-use forest 341.36 341.36 用材林 Timber forest 5 314.19 5 314.19 薪炭林 Fuel forest 19.89 19.89 经济林 Economic forest （2）疏林 Open forest 50.45 50.45 3.其他林木 Other trees 4 177.50 145.34 4 032.16 （3）散生木 Scattered trees 4 032.16 4 032.16 （4）四旁树 Trees planted alongside houses, roads, rivers, etc. 145.34 145.34 总计 Total 96 534.93 10 593.21 85 941.72 注：不包含经济林。Note: economic forest is not included. 根据第9次清查结果核算，吉林省林木总蓄积为105 368.45 × 104 m3。按照培育方式统计，以人工林为主的培育资产蓄积为11 902.52 × 104 m3；以天然林为主的非培育资产蓄积为93 465.93 × 104 m3，分别占林木总蓄积的11.30%和88.70%，吉林省林木存量以非培育资产为主，是培育资产的7.85倍。按照森林起源统计，天然林蓄积为89 582.59 × 104 m3，人工林蓄积为11 757.47 × 104 m3，其他林木蓄积为4 028.39 × 104 m3，分别占林木总蓄积的85.02%、11.16%和3.82%（表5）。
表 5 吉林省第9次清查林木实物存量核算Table 5. Physical accounting table of timber based on the 9th National Forest Resources Inventory in Jilin Province104 m3 项目
Item合计
Total培育资产
Cultivated asset非培育资产
Non-cultivated asset1.天然林 Natural forest 89 582.59 89 582.59 （1）乔木林 Arbor forest 89 573.66 89 573.66 防护林 Protection forest 43 792.33 43 792.33 特用林 Special-use forest 8 043.58 8 043.58 用材林 Timber forest 37 713.63 37 713.63 薪炭林 Fuel forest 24.12 24.12 经济林 Economic forest （2）疏林 Open forest 8.93 8.93 2.人工林 Plantation 11 757.47 11 757.47 （1）乔木林 Arbor forest 11 722.11 11 722.11 防护林 Protection forest 6 358.71 6 358.71 特用林 Special-use forest 308.73 308.73 用材林 Timber forest 5 038.24 5 038.24 薪炭林 Fuel forest 16.43 16.43 经济林 Economic forest （2）疏林 Open forest 35.36 35.36 3.其他林木 Other trees 4 028.39 145.05 3 883.34 （3）散生木 Scattered trees 3 883.34 3 883.34 （4）四旁树 Trees planted alongside houses, roads, rivers, etc. 145.05 145.05 总计 Total 105 368.45 11 902.52 93 465.93 注：不包含经济林。Note: economic forest is not included. 3.2 吉林省林地林木资源实物存量变动核算结果
3.2.1 吉林省林地实物存量变动
总体上看，两次清查期间，吉林省林地存量实现了净增长，林地面积增加了48.60 × 104 hm2，增长了5.68%。其中，天然林地面积净增加3.90 × 104 hm2，人工林面积净增加14.11 × 104 hm2，其他林地面积净增加30.59 × 104 hm2，分别增加了0.64%、8.62%以及38.37%。天然林面积增长结构表明，6.54%的增长由经济因素造成，包括造林更新、种植结构调整、规划调整等，36.73%的增长由自然因素造成，包括天然更新、自然变化等，56.73%的增长由其他因素造成如调查因素等；人工林面积增长结构表明，38.16%的增长由经济因素造成，54.26%的增长由自然因素造成，7.57%的增长由其他因素造成。天然林与人工林面积减少主要由经济因素造成，包括采伐、征占用林地、毁林开荒等，分别占66.82%、62.48%（表6）。
表 6 吉林省林地实物存量变动表（按森林起源统计） 104 hm2Table 6. Variation of physical stock of forest land in Jilin Province (calculated by origin of forest)104 ha 项目
Item天然林
Natural forest人工林
Plantation其他林地
Other forestland合计
Total期初存量（2013） Stock at the beginning (2013) 612.74 163.73 79.72 856.19 存量增加 Growth in stock 12.85 33.54 59.06 105.45 经济因素 Economic factor 0.84 12.80 58.63 72.27 自然因素 Natural factor 4.72 18.20 0.43 23.35 其他因素 Other factors 7.29 2.54 0.00 9.83 存量减少 Reduction in stock 8.95 19.43 28.47 56.85 经济因素 Economic factor 5.98 12.14 5.34 23.46 自然因素 Natural factor 0.43 0.00 22.92 23.35 其他因素 Other factors 2.54 7.29 0.21 10.04 本期净变化 Net change 3.90 14.11 30.59 48.60 期末存量（2018） Stock in the end (2018) 616.64 177.84 110.31 904.79 3.2.2 吉林省林木实物存量变动
总体上看，两次清查期间，吉林省林木存量呈增长态势，林木资源总蓄积量增加了8 833.52 × 104 m3，增长了9.15%。其中，天然林蓄积净增加7 673.03 × 104 m3，人工林蓄积净增加1 309.6 × 104 m3，其他林木蓄积净减少149.11 × 104 m3，分别增加了9.37%、12.53%以及−3.57%。天然林蓄积增长主要是由自然因素造成，占72.13%；人工林蓄积增长主要由经济因素造成，占65.63%。天然林蓄积和人工林蓄积减少主要由自然因素造成，分别占65.22%和53.49%（表7）。由于其他因素引起的林木蓄积变化较难获得数据支持，本研究的林木实物存量变动表只估算了核算期内经济因素和自然因素所造成的林木蓄积的增加或减少，而未将其他因素引起的林木蓄积的变动考虑在内，对于其他林木，也只列出了“本期净变化”作为核算的平衡项，今后还需结合实地调研数据，对引起林木蓄积变化的因素进行进一步探索分析。
表 7 吉林省林木实物存量变动表（按森林起源统计）Table 7. Variation of physical stock of timber in Jilin Province (calculated by origin of forest)104 m3 项目
Item天然林
Natural forest人工林
Plantation其他林木
Other trees合计
Total期初存量（2013） Stock at the beginning (2013) 81 909.56 1 0447.87 4 177.50 96 534.93 存量增加 Growth in stock 21 353.33 6 285.90 27 639.23 经济因素 Economic factor 5 951.18 4 125.30 8 111.78 自然因素 Natural factor 15 402.15 2 160.60 19 527.45 存量减少 Reduction in stock 13 680.30 4 976.30 18 656.60 经济因素 Economic factor 4 758.05 2 314.25 7 072.30 自然因素 Natural factor 8 922.25 2 662.05 11 584.30 本期净变化 Net change 7 673.03 1 309.60 −149.11 8 833.52 期末存量（2018） Stock in the end (2018) 89 582.59 11 757.47 4 028.39 105 368.45 注：其他林木中的本期净变化数值为负数，代表其他林木的期末存量低于期初存量。Notes: net change value of other trees is negative, indicating that the stock in the end of other trees is lower than that at the beginning. 如前文所述，林地、林木的实物、价值存量表与存量变动表共同组成了林地林木资源核算账户体系，受数据所限，本研究并未核算两次清查期间的林地林木价值存量变动，但按森林起源统计的林地、林木价值存量变动表的基本结构与实物存量变动表相同，只是在表格主栏增加了 “重估价”一项，用以反映由于价格变动造成的资产价值增减情况。
3.3 吉林省林地林木资源价值存量核算结果
3.3.1 吉林省林地价值存量核算结果
根据第9次清查结果核算，吉林省林地资源资产价值为1 903.28 × 108 元。按照培育方式统计，以人工林为主的培育资产和以天然林为主的非培育资产分别为415.92 × 108 元和1 487.36 × 108 元，分别占林地资源资产的21.85%和78.15%，非培育资产较培育资产多1 071.44 × 108 元。按照地类统计，乔木林地价值1 588.01 × 108 元，占林地总价值的83.44%，所占比重最大；其次为宜林地，价值为223.11 × 108 元，占林地总价值的11.72%；迹地价值为3.59 × 108 元，所占比重最小，为0.19%（表8）。
表 8 吉林省第9次清查林地价值存量核算 108 元Table 8. Monetary accounting table of forest land based on the 9th National Forest Resource Inventory in Jilin Province108 CNY 项目
Item合计
Total培育资产
Cultivated asset非培育资产
Non-cultivated asset1.天然林 Natural forest 1 264.25 1 264.25 （1）乔木林地 Arbor forest land 1 247.77 1 247.77 防护林 Protection forest 475.02 475.02 特用林 Special-use forest 56.37 56.37 用材林 Timber forest 715.89 715.89 薪炭林 Fuel forest 0.49 0.49 （2）疏林地 Open forest land 2.36 2.36 （3）灌木林地 Shrub land 5.12 5.12 （4）经济林（包括乔木林、灌木林类型）
Economic forest (including arbor forest and shrub forest types)9.00 9.00 2.人工林 Plantation 388.27 388.27 （1）乔木林地 Arbor forest land 340.24 340.24 防护林 Protection forest 187.50 187.50 特用林 Special-use forest 4.86 4.86 用材林 Timber forest 147.50 147.50 薪炭林 Fuel forest 0.37 0.37 （2）疏林地 Open forest land 5.52 5.52 （3）灌木林地 Shrub land 1.48 1.48 （4）经济林（包括乔木林、灌木林类型）
Economic forest (including arbor forest and shrub forest types)41.04 41.04 3.其他林地 Other forest land 250.76 27.65 223.11 （5）未成林造林地 Young afforested land 20.10 20.10 （6）苗圃地 Nursery land 3.96 3.96 （7）迹地 Slash 3.59 3.59 （8）宜林地 Suitable land for forest 223.11 223.11 总计 Total 1 903.28 415.92 1 487.36 3.3.2 吉林省林木价值存量核算结果
根据第9次清查结果核算，吉林省林木资源资产价值为1 037.64 × 108 元。按照培育方式统计，以人工林为主的培育资产价值为559.36 × 108 元；以天然林为主的非培育资产价值为478.28 × 108 元，分别占林木总价值的53.91%和46.09%。按照森林起源统计，天然林价值为445.83 × 108 元，人工林价值为402.18 × 108 元，其他林木价值为189.63 × 108 元，分别占林木总价值的42.97%、38.76%和 18.27%（表9）。
表 9 吉林省第9次清查林木价值存量核算 108 元Table 9. Monetary accounting table of timber based on the 9th National Forest Resources Inventory in Jilin Province108 CNY 项目
Item合计
Total培育资产
Cultivated asset非培育资产
Non-cultivated asset1.天然林 Natural forest 445.83 445.83 （1）乔木林 Arbor forest 441.61 441.61 防护林 Protection forest 357.72 357.72 特用林 Special-use forest 43.41 43.41 用材林 Timber forest 39.99 39.99 薪炭林 Fuel forest 0.50 0.50 （2）疏林 Open forest 0.53 0.53 （3）经济林 Economic forest 3.69 3.69 2.人工林 Plantation 402.18 402.18 （1）乔木林 Arbor forest 363.04 363.04 防护林 Protection forest 115.35 115.35 特用林 Special-use forest 17.34 17.34 用材林 Timber forest 229.69 229.69 薪炭林 Fuel forest 0.65 0.65 （2）疏林 Open forest 0.59 0.59 （3）经济林 Economic forest 38.56 38.56 3.其他林木 Other trees 189.63 157.17 32.45 （4）散生木 Scattered trees 32.45 32.45 （5）四旁树 Trees planted alongside houses, roads, rivers, etc. 157.17 157.17 总计 Total 1 037.64 559.36 478.28 4. 结论与讨论
开展林地林木资源核算是我国新时期生态文明建设的重要内容，对于提高森林经营管理水平，合理制定林业发展规划，促进森林可持续经营具有重要意义。本研究以我国重点林业省份——吉林省为研究区域，对全省范围内的林地林木资源进行了核算，结果表明，两次清查期间，吉林省林地林木资源总量不断增加，森林资源资产不断积累，森林资源保护效果较为明显，为“绿水青山”转化为“金山银山”奠定了一定的物质基础。
（1）从林地林木资源实物量看，第9次清查期间，吉林省林地面积为904.79 × 104 hm2，林木蓄积量为105 368.45 × 104 m3，同第8次清查期末相比，吉林省林地面积增加48.60 × 104 hm2，林木蓄积量增加8 833.52 × 104 m3，分别增加了5.68%、9.15%。第9次清查期间，吉林省天然林总面积和蓄积量达616.64 × 104 hm2、89 582.59 × 104 m3；人工林总面积和蓄积量达177.84 × 104 hm2、11 757.47 × 104 m3。两次清查期间，天然林面积和蓄积分别增加了3.90 × 104 hm2和7 673.03 × 104 m3，增加了0.64%和9.37%；人工林面积和蓄积分别增加了14.11 × 104 hm2和1 309.6 × 104 m3，增加了8.62%和12.53%。
我国自1998年以来，在东北、内蒙古等重点国有林区实施大规模天然林资源保护工程，天然林资源得到了有效保护和修养生息；同时，随着三北防护林体系建设、国家储备林建设、退耕还林还草等一系列重大生态工程的实施，人民生态保护意识增强，社会造林积极性进一步提高，营造林面积不断增长，这应该是吉林省天然林和人工林实物存量增加的直接因素。
（2）从林地林木资源价值量看，第9次清查期间，吉林省林地资源资产价值为1 903.28 × 108 元，林木资源资产价值为1 037.64 × 108 元，林地林木资源资产总价值为2 940.92 × 108 元，这表明，森林资源作为一种自然资源，蕴含着巨大的绿色财富，为当地居民带来了巨大的生态福祉。
根据研究内容，现针对有关问题展开讨论：
（1）市场价格的调查结果、估价方法的选择及一些其他因素均影响着林地林木价值量核算结果。近年来，吉林省高度重视林业生态保护，制定并实施了天然林禁伐、封山育林等地方性政策，林地林木交易市场活跃度下降，导致调查到的市场价格可能无法充分代表实际情况；不同的估价方法由于假设条件不同，所需参数不同，也会引起核算结果不同。例如张颖以海南和大兴安岭为案例进行研究，发现使用净现值法估算的林价是成本法估算林价的1.03倍-1.14倍[24]。德国、澳大利亚、法国也进行了类似的研究，发现采用不同估价方法评估立木价值结果相差较大[25]。此外，本研究在核算林木价值存量时，对于较难取得的天然林、人工林其他林种、散生木和四旁树的林木价格采用人工用材林的相关价格进行了替代，以上因素均有可能在不同程度上影响本研究价值量的计量结果。
（2）国家统计局等有关部门于2018年12月联合制定了《自然资源资产负债表编制制度（试行）》， 要求国家和各省、自治区、直辖市按照年度试编自然资源资产负债表。这就对编制森林资源资产负债表的基础——林地林木资源核算的时效性和尺度性提出了更高的要求。但截至目前，相关研究的核算期限一般为5年，这显然与生态文明建设的最新要求不相适应。较长核算期限的设置一方面是为了与实物量数据源——全国森林资源清查起止年份保持一致，另一方面也由于森林资源价值量核算难度相对较大[16−18,21]。自2021年开始，全国林草生态综合监测评价体系实现了按年度更新森林资源相关数据，这为林地林木资源核算提供了极具时效性的实物量数据源，还需在市、县层面完善相应的调查监测体系，才有可能使核算尺度更为精细。此外，已有研究的森林资源资产评估方法仍是传统的以微观估价对象为基础的资产评估技术，这些方法对市场价格等经济指标的准确性和代表性要求较高，应用于大面积核算存在调查时间长、技术难度大、实施成本高、计算过程复杂等问题[26]。因此，亟需从实用性、规范性、简便性角度出发，研究确定以森林资源核算为目的的价值评估方法体系以及与之匹配的经济指标调查技术标准，使林地林木资源核算成为基础性、日常性工作，从而为编制森林资源资产负债表、推动生态产品价值实现机制的建立提供科学依据。
-
![]()
图 1 半干旱半湿润气候区分布
底图审图号：GS（2021）5448号。下同。Base drawing review No.：GS（2021）5448. The same below.
Figure 1. Distribution of semi-arid and semi-humid climate zone
![]()
图 2 樟子松（a）、油松（b）、山桃（c）和山杏（d）可能适宜区分布图
Figure 2. Distribution map of possible suitable areas of Pinus sylvestris var. mongolica (a), Pinus tabuliformis (b), Amygdalus davidiana (c) and Armeniaca sibirica (d)
![]()
图 4 樟子松（a）、油松（b）、山桃（c）和山杏（d）的受试者工作特征曲线
AUC为ROC曲线下方的面积。AUC is area under the curve of ROC.
Figure 4. Receiver operating characteristic curves of Pinus sylvestris var. mongolica (a), Pinus tabuliformis (b), Amygdalus davidiana (c) and Armeniaca sibirica (d)
![]()
图 6 主导环境因子响应曲线
图a~c、d~g、h~m和n~r分别为樟子松、油松、山桃和山杏主导环境因子；a、f、m和o中，1为褐土；2为棕壤土；3为栗褐土；4为灰褐土；5为石质土；6为黑钙土；7为粗骨土；8为新积土；9为栗钙土；10为黄棕壤；12为潮土；13为白浆土；18为黄绵土；24为风沙土；26为黑土；28为草甸土；B为存在概率。In the figure, a−c、d−g、h−m and n−r are dominant environmental factors of Pinus sylvestris var. mongolica, Pinus tabuliformis, Amygdalus davidiana and Armeniaca sibirica, respectively. In figure a, f, m and o, 1 is cinnamon soil; 2 is brown soil; 3 is chestnut cinnamon soil; 4 is grey cinnamon soil; 5 is stony soil; 6 is chernozem; 7 is coarse bone soil; 8 is newly accumulated soil; 9 is chestnut soil; 10 is yellow brown soil; 12 is fluvo-aquic soil; 13 is albic soil; 18 is loessial soil; 24 is aeolian sandy soil; 26 is black soil; 28 is meadow soil. B is probability of existence.
Figure 6. Response curves of dominant environmental factors
![]()
图 7 樟子松（a）、油松（b）、山桃（c）和山杏（d）适宜分布区
Figure 7. Suitable distribution areas of Pinus sylvestris var. mongolica (a), Pinus tabuliformis (b), Amygdalus davidiana (c) and Armeniaca sibirica (d)
![]()
图 8 樟子松、油松、山桃和山杏中高适宜区各省份占比
IM.内蒙古自治区；HL.黑龙江省；JL.吉林省；HE.河北省；SX.山西省；SN.陕西省；GS.甘肃省。IM, Inner Mongolia Autonomous Region; HL, Heilongjiang Province; JL, Jilin Province; HE, Hebei Province; SX, Shanxi Province; SN, Shaanxi Province; GS, Gansu Province.
Figure 8. Distribution ratio of provinces in middle and high suitable areas of Pinus sylvestris var. mongolica, Pinus tabuliformis, Amygdalus davidiana and Armeniaca sibirica
![]()
图 9 樟子松（a）、油松（b）、山桃（c）和山杏（d）最高适生省份中高适宜区地级分布
Figure 9. Distribution of Pinus sylvestris var. mongolica (a), Pinus tabuliformis (b), Amygdalus davidiana (c) and Armeniaca sibirica (d) at prefecture level in middle and high suitable areas of the highest suitable provinces
表 1 环境因子
Table 1 Environmental factors
类型 Type 变量 Variable 描述 Description 单位 Unit 地形
TerrainEle 高程 Elevation m Slo 坡度 Slope （°） Asp 坡向 Aspect 土壤
SoilSoil-type 土壤类型 Soil type Soil-pH-t 0 ~ 30 cm土壤pH Soil pH in 0−30 cm Soil-pH-s 30 ~ 100 cm土壤pH Deep soil pH in 30−100 cm 气象
MeteorologyPRE1 最暖月平均降水量 Mean precipitation in the warmest month mm PRE2 最冷月平均降水量 Mean precipitation in the coldest month mm PRE3 年降水量 Annual precipitation mm PRE4 累年年最多降水量 Cumulative annual maximum precipitation mm PRE5 年均降水量标准差 SD of mean annual precipitation mm TEM1 年日均温 Annual mean temperature ℃ TEM2 最暖月均温 Mean temperature of the warmest month ℃ TEM3 最冷月均温 Mean temperature the coldest month ℃ TEM4 年平均气温 Annual mean temperature ℃ TEM5 气温年较差 Annual range of temperature ℃ TEM6 年极端最高气温 Annual extreme maximum temperature ℃ TEM7 年极端最低气温 Annual extreme minimum temperature ℃ TEM8 年均气温日较差 Annual mean daily temperature range ℃ TEM9 年均气温标准差 SD of mean annual temperature ℃ GDD5 ≥ 5 ℃积温 ≥ 5 ℃ accumulated temperature ℃·d Wind 最冷月平均风速 Mean wind speed of the coldest month m/s HUM 年平均相对湿度 Annual average relative humidity % Wet 湿润系数 Humid coefficient 
下载: 导出CSV
表 2 限制因子适宜区范围
Table 2 Suitable range of limiting factors
树种
Tree species限制因子
Limiting factor可能适宜区范围
Possible suitable
area range樟子松
Pinus sylvestris var. mongolicaEle/m [500, 2 000] PRE3/mm [350, 900] TEM7/℃ [−50, 25] Soil-pH-t （5, 8] Soil-pH-s （5, 8] 油松
Pinus tabuliformisEle/m [100, 2 600] PRE3/mm [400, 968] TEM7/℃ [−25, 25] 山桃
Amygdalus davidianaEle/m [800, 3 200] PRE3/mm [100, 1 700] TEM4/℃ [8, 25] TEM7/℃ [−26, 25] 山杏
Armeniaca sibiricaEle/m [700, 2 000] PRE3/mm [200, 600] TEM4/℃ [4, 12] TEM7/℃ [−40, 25）
下载: 导出CSV
表 3 树种主要环境因子
Table 3 Main environmental factors of tree species
樟子松 Pinus sylvestris var. mongolica 油松 Pinus tabuliformis 山桃 Amygdalus davidiana 山杏 Armeniaca sibirica Ele Ele Ele Ele Slo Slo Slo Slo Asp Asp Asp Asp Soil-pH-T Soil-pH-T Soil-pH-T Soil-pH-T Soil-pH-S Soil-pH-S Soil-pH-S Soil-pH-S Soil-type Soil-type Soil-type Soil-type PRE1 PRE1 PRE1 PRE1 PRE2 PRE2 PRE2 PRE2 PRE3 PRE3 PRE5 PRE3 TEM1 TEM1 TEM2 TEM1 TEM2 TEM2 TEM6 TEM2 TEM3 TEM5 TEM7 TEM3 TEM6 TEM6 TEM8 TEM6 TEM8 TEM7 TEM9 TEM8 TEM9 TEM8 GDD5 TEM9 Wet TEM9 Wet Wet Wind Wet Wind Wind HUM Wind HUM HUM HUM
下载: 导出CSV
表 4 树种的适宜分布区面积
Table 4 Suitable distribution area of tree species
树种
Tree species高适宜区
High suitable area中适宜区
Moderate suitable area低适宜区
Low suitable area不适宜区
Unsuitable area面积
Area/km2占比
Proportion/%面积
Area/km2占比
Proportion/%面积
Area/km2占比
Proportion/%面积
Area/km2占比
Proportion/%樟子松
Pinus sylvestris var. mongolica231 997.00 5.65 366 445.00 8.93 579 222.00 14.11 2926 535.00 71.31 油松
Pinus tabuliformis337 415.00 8.22 279 967.00 6.82 224 080.00 5.46 3262 737.00 79.50 山桃
Amygdalus davidiana195 493.00 4.76 162 468.90 3.96 318 831.50 7.77 3427 405.60 83.51 山杏
Armeniaca sibirica341 497.80 8.32 311 319.90 7.59 672 050.90 16.37 2779 330.40 67.72
下载: 导出CSV
表 5 4类树种最高适生省份的县级分布
Table 5 County-level distribution of the provinces with the highest suitability of four tree species
树种
Tree species省级行政区
Provincial-level administrative region地市级行政区
Prefecture-level administrative region县级行政区
County-level administrative region樟子松
Pinus sylvestris var. mongolica内蒙古自治区
Inner Mongolia Autonomous Region呼和浩特市
Hohhot City全市
Whole City赤峰市
Chifeng City林西县、阿鲁科尔沁旗、巴林左旗、巴林右旗、克什克腾旗、翁牛特旗
Linxi County, Alukhorqin Banner, Balinzuo Banner, Balinyou Banner, Hexigten Banner, Ongniud Banner通辽市
Tongliao City扎鲁特旗
Jarud Banner鄂尔多斯市
Ordos City准格尔旗、乌审旗、伊金霍洛旗
Jungar Banner, Wushen Banner, Ejin Horo Banner呼伦贝尔市
Hulunbeier City满洲里市、阿荣旗、新巴尔虎左旗、鄂伦春自治旗、鄂温克族自治旗
Manzhouli City, Arong Banner, Xinbaerhuzuo Banner, Oroqen Autonomous Banner, Ewenki Autonomous Banner乌兰察布市
Wulanchabu City丰镇市、卓资县、化德县、商都县、兴和县、察哈尔右翼中旗、察哈尔右翼后旗
Fengzhen City, Zhuozi County, Huade County, Shangdu County, Xinghe County, Chahar Wing Right Middle Banner, Chahar Wing Right Back Banner兴安盟
Hinggan League突泉县、科尔沁右翼前旗、科尔沁右翼中旗
Tuquan County, Horqin Right Front Banner, Horqin Right Middle Banner锡林郭勒盟
Xilinguole League锡林浩特市、多伦县、镶黄旗、正镶白旗、正蓝旗
Xilinhot City, Duolun County, Xianghuang Banner, Zhengxiangbai Banner, Zhenglan Banner油松
Pinus tabuliformis山西省
Shanxi Province太原市 Taiyuan City 全市 Whole city 阳泉市 Yangquan City 全市 Whole city 长治市 Changzhi City 全市 Whole city 晋城市 Jincheng City 全市 Whole city 朔州市 Shuozhou City 全市 Whole city 晋中市 Jinzhong City 全市 Whole city 忻州市 Xinzhou City 全市 Whole city 吕梁市 Lüliang City 全市 Whole city 运城市 Yuncheng City 绛县、夏县 Jiang County, Xia County 山桃
Amygdalus davidiana山西省
Shanxi Province阳泉市
Yangquan City全市
Whole city长治市
Changzhi City全市
Whole city晋城市
Jincheng City全市
Whole city晋中市
Jinzhong City全市
Whole city运城市
Yuncheng City全市
Whole city临汾市
Linfen City全市
Whole city吕梁市
Lüliang City全市
Whole city太原市
Taiyuan City古交市、清徐县、阳曲县、娄烦县
Gujiao City, Qingxu County, Yangqu County, Loufan County大同市
Datong City广灵县、灵丘县、浑源县
Guangling County, Lingqiu County, Hunyuan County山杏
Armeniaca sibirica内蒙古自治区
Inner Mongolia Autonomous Region呼和浩特市
Hohhot City托克托县、清水河县、武川县
Tuoketuo County, Qingshuihe County, Wuchuan County赤峰市
Chifeng City林西县、宁城县、巴林左旗、巴林右旗、克什克腾旗、翁牛特旗、喀喇沁旗、敖汉旗
Linxi County, Ningcheng County, Balinzuo Banner, Balinyou Banner, Hexigten Banner, Ongniud Banner, Harqin Banner, Aohan Banner通辽市
Tongliao City霍林郭勒市、库伦县、奈曼旗、扎鲁特旗、科尔沁右翼中旗
Huolinguole City, Kulun County, Naiman Banner, Jarud Banner, Horqin Right Middle Banner鄂尔多斯市
Ordos City达拉特旗、准格尔旗、伊金霍洛旗
Datuk Banner, Jungar Banner, Ejinhoro Banner乌兰察布市
Ulanqab City丰镇市、卓资县、化德县、商都县、兴和县、凉城县、察哈尔右翼中旗、察哈尔右翼后旗
Fengzhen City, Zhuozi County, Huade County, Shangdu County, Xinghe County, Liangcheng county, Chahar Right Middle Banner, Chahar Right Back Banner兴安盟
Hinggan League乌兰浩特市、突泉县、扎赉特旗、科尔沁右翼前旗
Wulanhaote City, Tuquan County, Jalaid Banner, Horqin Right Front Banner锡林郭勒盟
Xilinguole League多伦县、西乌珠穆沁旗、太仆寺旗、镶黄旗、正镶白旗、正蓝旗
Duolun County, West Ujimqin Banner, Taipusi Banner, Xianghuang Banner, Zhengxiangbai Banner, Zhenglan Banner
下载: 导出CSV
-
[1] 程林仙, 王万瑞, 仁宗启, 等. 陕北仁用杏气候适宜性区划[J]. 西北林学院学报, 2001, 16(2): 18−21. doi: 10.3969/j.issn.1001-7461.2001.02.005 Cheng L X, Wang W R, Ren Z Q, et al. Climatic adaptability division for apricot in northern Shaanxi[J]. Journal of Northwest Forestry University, 2001, 16(2): 18−21. doi: 10.3969/j.issn.1001-7461.2001.02.005
[2] 赖文豪, 席沁, 武海龙, 等. 内蒙古兴和县低山丘陵立地类型划分与林草适宜性评价[J]. 浙江农林大学学报, 2018, 35(2): 331−339. doi: 10.11833/j.issn.2095-0756.2018.02.018 Lai W H, Xi Q, Wu H L, et al. Site classification type and vegetation suitability evaluation for hilly land in Xinghe, Inner Mongolia[J]. Journal of Zhejiang A&F University, 2018, 35(2): 331−339. doi: 10.11833/j.issn.2095-0756.2018.02.018
[3] 闫烨琛. 大清河流域山丘区立地类型划分与评价[D]. 北京: 北京林业大学, 2020. Yan Y C. Classification and evaluation of site types in hilly areas of Daqing River Basin [D]. Beijing: Beijing Forestry University, 2020.
[4] 周立江. 低效林评判与改造途径的探讨[J]. 四川林业科技, 2004, 25(1): 16−21. doi: 10.3969/j.issn.1003-5508.2004.01.003 Zhou L J. Discussion on judgment and rebuilding approaches of low-efficiency forest[J]. Journal of Sichuan Forestry Science and Technology, 2004, 25(1): 16−21. doi: 10.3969/j.issn.1003-5508.2004.01.003
[5] 张明珠, 叶兴状, 刘益鹏, 等. 基于SSPs预测格木在中国的潜在地理分布[J]. 北京林业大学学报, 2022, 44(4): 54−65. doi: 10.12171/j.1000-1522.20210308 Zhang M Z, Ye X Z, Liu Y P, et al. Predicting the potential geographical distribution of Erythrophleum fordii in China based on SSPs[J]. Journal of Beijing Forestry University, 2022, 44(4): 54−65. doi: 10.12171/j.1000-1522.20210308
[6] Ahmed S E, Mcinerny G, O’Hara K, et al. Scientists and software-surveying the species distribution modelling community[J]. Diversity & Distributions, 2015, 21(3): 258−267.
[7] 郭虹扬, 史明昌, 杨建英, 等. 白洋淀大清河流域油松精准适宜性空间分布[J]. 浙江农林大学学报, 2021, 38(6): 1−9. doi: 10.11833/j.issn.2095-0756.20200751 Guo H Y, Shi M C, Yang J Y, et al. Precise spatial distribution of suitability of Pinus tabulaeformis in Daqing River Basin, Baiyangdian[J]. Journal of Zhejiang A&F University, 2021, 38(6): 1−9. doi: 10.11833/j.issn.2095-0756.20200751
[8] 张春华, 和菊, 孙永玉, 等. 基于MaxEnt模型的紫椿适生区预测[J]. 北京林业大学学报, 2017, 39(8): 33−41. doi: 10.13332/j.1000-1522.20170002 Zhang C H, He J, Sun Y Y, et al. Distributional change in suitable areas for Toona sureni based on MaxEnt model[J]. Journal of Beijing Forestry University, 2017, 39(8): 33−41. doi: 10.13332/j.1000-1522.20170002
[9] Sharifian S, Kamrani E, Saeedi H. Global future distributions of mangrove crabs in response to climate change[J]. Wetlands, 2021, 41(8): 1−14.
[10] 黄睿智, 于涛, 赵辉, 等. 气候变化背景下濒危植物梓叶槭在中国适生分布区预测[J]. 北京林业大学学报, 2021, 43(5): 33−43. doi: 10.12171/j.1000-1522.20200254 Huang R Z, Yu T, Zhao H, et al. Prediction of suitable distribution area of endangered plant Acer catalpa in China under the background of climate change[J]. Journal of Beijing Forestry University, 2021, 43(5): 33−43. doi: 10.12171/j.1000-1522.20200254
[11] 刘维, 赵儒楠, 圣倩倩, 等. 矮牡丹在中国的地理分布及潜在分布区预测[J]. 北京林业大学学报, 2021, 43(12): 83−92. doi: 10.12171/j.1000-1522.20200360 Liu W, Zhao R N, Sheng Q Q, et al. Geographical distribution and potential distribution area prediction of Paeonia jishanensis in China[J]. Journal of Beijing Forestry University, 2021, 43(12): 83−92. doi: 10.12171/j.1000-1522.20200360
[12] 满多清, 孙坤, 刘世增, 等. 干旱荒漠区樟子松幼苗的抗逆性分析[J]. 甘肃农业大学学报, 2004, 39(5): 543−547. doi: 10.3969/j.issn.1003-4315.2004.05.017 Man D Q, Sun K, Liu S Z, et al. A research on seedling resistance of Pinus sylvestris var. mongolica in arid desert area[J]. Journal of Gansu Agricultural University, 2004, 39(5): 543−547. doi: 10.3969/j.issn.1003-4315.2004.05.017
[13] Xi Q, Lai W H, Cui Y Y, et al. Effect of yeast extract on seedling growth promotion and soil improvement in afforestation in a semiarid chestnut soil area[J/OL]. Forests, 2019, 10(1): 76[2021-12-20]. https://doi.org/10.3390/f10010076.
[14] Zhebentyayeva T, Reighard G, Gorina V, et al. Simple sequence repeat (SSR) analysis for assessment of genetic variability in apricot germplasm[J]. Theoretical and Applied Genetics, 2003, 106(3): 435−444. doi: 10.1007/s00122-002-1069-z
[15] 于笑, 纪若璇, 常远, 等. 四种抗旱植物在不同区域的生长稳定性[J]. 应用生态学报, 2021, 32(12): 4212−4222. doi: 10.13287/j.1001-9332.202112.011 Yu X, Ji R X, Chang Y, et al. Growth stability of four drought resistant plant species in different regions[J]. Chinese Journal of Applied Ecology, 2021, 32(12): 4212−4222. doi: 10.13287/j.1001-9332.202112.011
[16] 张淑勇, 周泽福, 张光灿, 等. 水分胁迫下天然次生灌木山桃和山杏光合气体交换特征[J]. 西北植物学报, 2008, 28(12): 2492−2499. doi: 10.3321/j.issn:1000-4025.2008.12.021 Zhang S Y, Zhou Z F, Zhang G C, et al. Gas exchange characteristics of natural secondary shrubs Prunus davidiana and Prunus sibirica under different water stresses[J]. Acta Botanica Boreali-Occidentalia Sinica, 2008, 28(12): 2492−2499. doi: 10.3321/j.issn:1000-4025.2008.12.021
[17] Garzón M, Blazek R, Neteler M, et al. Predicting habitat suitability with machine learning models: the potential area of Pinus sylvestris L. in the Iberian Peninsula[J]. Ecological Modelling, 2006, 197(3−4): 383−393. doi: 10.1016/j.ecolmodel.2006.03.015
[18] 张晨星, 张炜, 徐晶晶, 等. 基于GIS和最大熵模型的河北省油松适宜性分布分析[J]. 地理与地理信息科学, 2020, 36(6): 18−25. doi: 10.3969/j.issn.1672-0504.2020.06.004 Zhang C X, Zhang W, Xu J J, et al. Analysis on suitability distribution of Pinus tabulaeformis in Hebei Province based on GIS and MaxEnt model[J]. Geography and Geo-Information Science, 2020, 36(6): 18−25. doi: 10.3969/j.issn.1672-0504.2020.06.004
[19] 吕振刚, 李文博, 黄选瑞, 等. 气候变化情景下河北省3个优势树种适宜分布区预测[J]. 林业科学, 2019, 55(3): 13−21. doi: 10.11707/j.1001-7488.20190302 Lü Z G, Li W B, Huang X R, et al. Predicting suitable distribution area of three dominant tree species under climate change scenarios in Hebei Province[J]. Scientia Silvae Sinicae, 2019, 55(3): 13−21. doi: 10.11707/j.1001-7488.20190302
[20] Vasquez V L, de Lima A A, dos Santos A P, et al. Influence of spatial extent on habitat suitability models for primate species of Atlantic forest[J/OL]. Ecological Informatics, 2021, 61: 101179[2022−02−10]. https://doi.org/10.1016/j.ecoinf.2020.101179.
[21] 李昂. 应用ArcGIS软件和最大熵模型分析樟子松潜在分布及其气候适宜性[D]. 沈阳: 沈阳农业大学, 2016. Li A. Using ArcGIS software and maximum entropy model to analyze the potential distribution and climate suitability of Pinus sylvestris var. mongolica [D]. Shenyang: Shenyang Agricultural University, 2016.
[22] 唐燕, 赵儒楠, 任钢, 等. 基于MaxEnt模型的中华枸杞潜在分布预测及其重要影响因子分析[J]. 北京林业大学学报, 2021, 43(6): 23−32. doi: 10.12171/j.1000-1522.20200103 Tang Y, Zhao R N, Ren G, et al. Prediction of potential distribution of Lycium chinense based on MaxEnt model and analysis of its important influencing factors[J]. Journal of Beijing Forestry University, 2021, 43(6): 23−32. doi: 10.12171/j.1000-1522.20200103
[23] 王爱君, 路东晔, 张国盛, 等. 基于MaxEnt模拟欧亚大陆气候变化下叉子圆柏的潜在分布[J]. 林业科学, 2021, 57(8): 43−55. doi: 10.11707/j.1001-7488.20210805 Wang A J, Lu D Y, Zhang G S, et al. Potential distribution of Juniperus sabina under climate change in Eurasia continent based on MaxEnt model[J]. Scientia Silvae Sinicae, 2021, 57(8): 43−55. doi: 10.11707/j.1001-7488.20210805
[24] Zhou Y, Zhang Z, Zhu B, et al. MaxEnt modeling based on CMIP6 models to project potential suitable zones for Cunninghamia lanceolata in China[J/OL]. Forests, 2021, 12(6): 752[2022−02−10]. https://doi.org/10.3390/f12060752.
[25] 赵宇铭, 邱新法, 朱晓晨, 等. 1971—2010年中国干湿区降雨资源变化特征分析[J]. 长江科学院院报, 2019, 36(5): 34−41. Zhao Y M, Qiu X F, Zhu X C, et al. Characteristics of rainfall amount variations in wet and drv partitions of China from 1971 to 2010[J]. Journal of Yangtze River Scientific Research Institute, 2019, 36(5): 34−41.
[26] 祖力卡尔·海力力, 赵廷宁, 姜群鸥. 西北干旱荒漠区边界范围及变化分析[J]. 干旱区地理, 2021, 44(6): 1635−1643. Zulikar H, Zhao T N, Jiang Q O. Boundary scope and change of arid desert area in northwest China[J]. Arid Land Geography, 2021, 44(6): 1635−1643.
[27] 中国植物志编辑委员会. 中国植物志[M]. 北京: 科学出版社, 1978. Editorial Board of Flora of China. Flora of China[M]. Beijing: Science Press, 1978.
[28] 阳宽达, 谢红霞, 隋兵, 等. 基于GIS的降雨空间插值研究: 以湖南省为例[J]. 水土保持研究, 2020, 27(3): 134−138. Yang K D, Xie H X, Sui B, et al. Research on spatial interpolation of rainfall based on GIS: a case study of Hunan Province[J]. Research of Soil and Water Conservation, 2020, 27(3): 134−138.
[29] 李宗梅, 张增祥, 赵晓丽, 等. 全国干湿分布区动态变化研究[J]. 地球与环境, 2017, 45(4): 420−433. Li Z M, Zhang Z X, Zhao X L, et al. Study on the dynamic change of dry and wet distribution areas in China[J]. Earth and Environment, 2017, 45(4): 420−433.
[30] 赵兴梁, 李万英. 樟子松[M]. 北京: 农业出版社, 1963: 154. Zhao X L, Li W Y. Pinus sylvestris var. mongolica [M]. Beijing: Agriculture Press, 1963: 154.
[31] 徐化成. 油松[M]. 北京: 中国林业出版社, 1993. Xu H C. Pinus tabuliformis [M]. Beijing: China Forestry Publishing House, 1993.
[32] 吴征镒. 中国植被[M]. 北京: 科学出版社, 1980. Wu Z Y. Vegetation in China [M]. Beijing: Science Press, 1980.
[33] 贾光林, 王珍, 李家春, 等. 山桃仁产地适宜性分析[J]. 湖北农业科学, 2011, 50(18): 3778−3780. doi: 10.3969/j.issn.0439-8114.2011.18.033 Jia G L, Wang Z, Li J C, et al. Regional suitability evaluation of Prunus daviadiana[J]. Hubei Agricultural Sciences, 2011, 50(18): 3778−3780. doi: 10.3969/j.issn.0439-8114.2011.18.033
[34] Jaynes E T. Information theory and statistical mechanics[J]. Physical Review, 1957, 106(4): 343–369.
[35] 车乐, 曹博, 白成科, 等. 基于MaxEnt和ArcGIS对太白米的潜在分布预测及适宜性评价[J]. 生态学杂志, 2014, 33(6): 1623−1628. Che L, Cao B, Bai C K, et al. Predictive distribution and habitat suitability assessment of Notholirion bulbuliferum based on MaxEnt and ArcGIS[J]. Chinese Journal of Ecology, 2014, 33(6): 1623−1628.
[36] 古丽米拉·克孜尔别克, 邱琴, 海拉提·克孜尔别克. 基于MaxEnt模型的阿勒泰金莲花潜在适生区预测[J]. 江苏农业科学, 2021, 49(4): 82−87. Gulimilla K, Qiu Q, Hailati K. Prediction of potential suitable area of Trollius altaicus based on MaxEnt model[J]. Jiangsu Agricultural Sciences, 2021, 49(4): 82−87.
[37] 吴祥云, 姜凤岐, 李晓丹, 等. 樟子松人工固沙林衰退的规律和原因[J]. 应用生态学报, 2004, 15(12): 2225−2228. doi: 10.3321/j.issn:1001-9332.2004.12.006 Wu X Y, Jiang F Q, Li X D, et al. Decline regularity and causes of Pinus sylvestris var. mongolica plantation on sandy land[J]. Chinese Journal of Applied Ecology, 2004, 15(12): 2225−2228. doi: 10.3321/j.issn:1001-9332.2004.12.006
[38] 赵哈林, 李瑾, 周瑞莲, 等. 不同强度净风频繁吹袭对樟子松(Pinus sylvestris var. mongolica)幼苗光合蒸腾特征的影响[J]. 生态学报, 2017, 37(5): 1431−1437. Zhao H L, Li J, Zhou R L, et al. Effects of wind frequency on the rates of photosynthesis and transpiration in Pinus sylvestris var. mongolica seedlings[J]. Acta Ecologica Sinica, 2017, 37(5): 1431−1437.
[39] 肖敏, 胡卓玮, 董琳. 基于MaxEnt模型的油松潜在地理分布研究[J]. 地理空间信息, 2017, 15(6): 34−37. doi: 10.3969/j.issn.1672-4623.2017.06.010 Xiao M, Hu Z W, Dong L. Potential geographical distribution of Pinus Tabuliformis based on MaxEnt model[J]. Geospatial Information, 2017, 15(6): 34−37. doi: 10.3969/j.issn.1672-4623.2017.06.010
[40] 郑景云, 尹云鹤, 李炳元. 中国气候区划新方案[J]. 地理学报, 2010, 65(1): 3−12. doi: 10.11821/xb201001002 Zheng J Y, Yin Y H, Li B Y. A new scheme for climate regionalization in China[J]. Acta Geographica Sinica, 2010, 65(1): 3−12. doi: 10.11821/xb201001002
[41] Wang, Jr, Hawkins, et al. Photosynthesis, water and nitrogen use efficiencies of four paper birch (Betula papyrifera) populations grown under different soil moisture and nutrient regimes[J]. Forest Ecol Manage, 1998, 112(3): 233−244.
[42] Ribes A, Azas J M, Planton S. A method for regional climate change detection using smooth temporal patterns[J]. Climate Dynamics, 2010, 35(2): 391−406.
[43] 张家琛, 党怡雯, 陈亚恒. 基于GIS的阜平县北流河区域山杏生态适宜性区划研究[J]. 西南林业大学学报(自然科学), 2021, 41(5): 98−104. Zhang J C, Dang Y W, Chen Y H. Ecological suitability regionalization of Armeniaca sibirica in Beiliuhe region of Fuping County based on GIS[J]. Journal of Southwest Forestry University (Natural Sciences), 2021, 41(5): 98−104.
[44] 张山清, 吉春容, 普宗朝. 气候变暖对新疆杏种植气候适宜性的影响[J]. 中国农业资源与区划, 2019, 40(9): 131−141. Zhang S Q, Ji C R, Pu Z C. Impact of climate warming on climate suitability of apricot planting in Xinjiang[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2019, 40(9): 131−141.
[45] 李蒙蒙, 丁国栋, 高广磊, 等. 樟子松(Pinus sylvestris var. mongholica)在中国北方10省(区)引种的适宜性[J]. 中国沙漠, 2016, 36(4): 1021−1028. Li M M, Ding G D, Gao G L, et al. Introduction suitability of Pinus sylvestris var. mongholica in 10 northern provinces of China [J]. Journal of Desert Research 2016, 36(4): 1021−1028.
[46] 喻方圆, 徐锡增. 植物逆境生理研究进展[J]. 世界林业研究, 2003, 16(5): 6−11. doi: 10.3969/j.issn.1001-4241.2003.05.002 Yu F Y, Xu X Z. A review on plant stress physiology[J]. World Forestry Research, 2003, 16(5): 6−11. doi: 10.3969/j.issn.1001-4241.2003.05.002
[47] Zhao Q, Zeng D H, Fan Z P. Nitrogen and phosphorus transformations in the rhizospheres of three tree species in a nutrient-poor sandy soil[J]. Applied Soil Ecology, 2010, 46(3): 341−346.
[48] 赵晓彬, 刘光哲. 沙地樟子松引种栽培及造林技术研究综述[J]. 西北林学院学报, 2007, 22(5): 86−89. doi: 10.3969/j.issn.1001-7461.2007.05.022 Zhao X B, Liu G Z. A review of studies of introduction cultivates and afforestation technology on Pinus sylvestris var. mongolica in sandy area[J]. Journal of Northwest Forestry University, 2007, 22(5): 86−89. doi: 10.3969/j.issn.1001-7461.2007.05.022
[49] 冯奥哲, 孔涛, 孙溥璠, 等. 沙地不同密度樟子松人工林土壤矿化氮质量分数与矿化特征[J]. 东北林业大学学报, 2021, 49(10): 96−103. doi: 10.3969/j.issn.1000-5382.2021.10.017 Feng A Z, Kong T, Sun P F, et al. Soil mineralized nitrogen content and mineralization characteristics of Pinus sylvestris var. mongolica plantations with different densities in sandy land[J]. Journal of Northeast Forestry University, 2021, 49(10): 96−103. doi: 10.3969/j.issn.1000-5382.2021.10.017
[50] 张雷, 刘世荣, 孙鹏森, 等. 气候变化对物种分布影响模拟中的不确定性组分分割与制图: 以油松为例[J]. 生态学报, 2011, 31(19): 5749−5761. Zhang L, Liu S R, Sun P S, et al. Partitioning and mapping the sources of variations in the ensemble forecasting of species distribution under climate change: acase study of Pinus tabulaeformis[J]. Acta Ecologica Sinica, 2011, 31(19): 5749−5761.
[51] Wang T, Wang G, Innes J, et al. Climatic niche models and their consensus projections for future climates for four major forest tree species in the Asia-Pacific region[J]. Forest Ecology & Management, 2016, 360: 357−366.
[52] Fettig C J, Reid M L, Bentz B J, et al. Changing climates, changing forests: a western north American rerspective[J]. Journal of Forestry, 2013, 111(3): 214−228. doi: 10.5849/jof.12-085
[53] Poland T M, Mccullough D G. Emerald A B: invasion of the urban forest and the threat to north America's Ash resource[J]. Journal of Forestry, 2006, 104(3): 118−124.
[54] 裴顺祥, 法蕾, 杜满义, 等. 种间关系对中条山油松人工林天然更新及群落稳定性的影响[J]. 林业科学研究, 2022, 35(1): 150−157. doi: 10.13275/j.cnki.lykxyj.2022.01.017 Pei S X, Fa L, Du M Y, etl. Effects of interspecific relationships on natural regeneration and community stability of Pinus tabulaeformis plantation in Zhong tiao Mountain[J]. Forestry Research, 2022, 35(1): 150−157. doi: 10.13275/j.cnki.lykxyj.2022.01.017
[55] Yang X Q, Kushwaha S, Saran S, et al. Maxent modeling for predicting the potential distribution of medicinal plant, Justicia adhatoda L. in Lesser Himalayan foothills[J]. Ecological Engineering, 2013, 51: 83−87. doi: 10.1016/j.ecoleng.2012.12.004
-
期刊类型引用(3)
1. 张玉翠，闫彩霞，赵琳，谭江红，王成，袁良. 基于MaxEnt模型的不同气候情景下湖北紫荆潜在适生区变化分析. 河南农业科学. 2025(01): 160-169 . 
百度学术
2. 闫文静，朱学慧，朱玉永. 基于最大熵(MaxEnt)模型预测黄花刺茄、假高粱及毒麦在我国的适生区. 杂草学报. 2024(02): 44-56 . 百度学术
3. 李华，覃阳平，罗春林，杨海方，侯文通. 基于MaxEnt模型的云南省华山松潜在适生区研究. 林业调查规划. 2024(05): 24-31 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 1065
- HTML全文浏览量: 254
- PDF下载量: 95
- 被引次数: 3
