Driving factors of understory species diversity in forest on the northeastern Qinghai Province of northwestern China
-
摘要:目的
青藏高原是对全球气候变化响应最敏感的区域之一，青海省东北部是整个青藏高原乔木林的重要分布区域，探讨青海省东北部森林林下物种多样性的驱动机制，可以为气候变化条件下的物种多样性保护和森林经营管理提供科学依据。
方法以青海省东北部森林为研究对象，基于29个乔木样方、116个灌木样方和116个草本样方林下物种多样性的野外调查数据，利用广义最小二乘法（GLS）分析林下物种多样性和生物（林分结构）、非生物因素（包括气候、地形和土壤等）之间的关系。
结果（1）青海省东北部森林群落树种组成单一，多以纯林为主，物种多样性主要由林下植被贡献。29个乔木样方共调查到维管植物108种，隶属44科89属，物种组成以蔷薇科、忍冬科和小檗科植物为主。林下层中，草本物种多样性显著高于灌木物种多样性（P < 0.001）。（2）气候和林分结构是影响林下物种多样性最重要的驱动因素，相对影响分别占34.9%和26.2%。（3）灌木层和草本层物种多样性的关键驱动因素不同，灌木层物种多样性主要受林分结构影响（44.0%），而草本层物种多样性主要受到土壤（28.8%）和气候（28.2%）等非生物因素的影响。
结论青海省东北部森林群落林下灌木层植被和草本层植被物种多样性的驱动机制存在差异，因此，在生物多样性保护和森林经营管理过程中应当充分考虑不同层次物种的反馈机制。
Abstract:ObjectiveThe Qinghai-Tibet Plateau in the northwestern China is one of the most sensitive regions to global climate change. The northeastern part of Qinghai Province is an important distribution area of forests on the Qinghai-Tibet Plateau. Exploring the biotic and abiotic driving factors of the understory species diversity on the northeast of Qinghai Province can provide a scientific basis for species diversity protection and forest management under climate change.
MethodBased on the field survey data of understory species diversity of 29 tree quadrats, 116 shrub quadrats and 116 herb quadrats in the northeast of the Qinghai-Tibet Plateau, the relationships between understory diversity and biotic (stand structure), abiotic factors (including climate, topography and soil) were analyzed by the generalized linear model (GLS).
ResultThe main results showed that: (1) the species composition of forest community in northeastern Qinghai Province was single, mostly pure forest, and the species diversity was mainly contributed by understory vegetation. A total of 108 species of vascular plants belonging to 89 genera and 44 families were found in 29 quadrats. Rosaceae, Caprifoliaceae and Berberidaceae were the main species. The diversity of herbaceous species was significantly higher than that of shrub species (P < 0.001). (2) Climate and stand structure were the most important driving factors, accounting for 34.9% and 26.2%, respectively. (3) The key driving factors of species diversity of shrub layer and herb layer were different. The species diversity of shrub layer was mainly affected by stand structure (44.0%), and the species diversity of herb layer was mainly affected by abiotic factors such as edaphic (28.8%) and climate (28.2%).
ConclusionThere are differences in the driving mechanisms of species diversity between understory shrub layer vegetation and herbaceous layer vegetation in northeastern Qinghai Province. The feedback mechanisms of species at different levels should be fully considered in the process of biodiversity conservation and forest management of forest vegetation community in this region.
-
Keywords:
- Qinghai-Tibet Plateau /
- forest ecology /
- species diversity /
- stand structure /
- topography factor /
- climate factor /
- edaphic factor
-
近年来海绵城市在国家的支持引导下发展迅猛，出台了一系列技术指导文件，并设立试点城市，逐步进行探索 [1]。我国海绵城市研究的热点主要集中在水体污染、城市排水、生态修复、低影响开发、水文安全、绿色城市等方向[2]。自2014年启动海绵城市国家计划以来，海绵城市试点城市的城市雨水管理规划实践需要大量的资金投入，由于海绵城市的建设是建立在技术与经济的可行性之上的，因此有必要对海绵城市建设的成本和效益开展研究[3]。
相关研究表明，相比于传统雨洪管理技术，LID的应用可降低15% ~ 80%的开发成本[4]。中国城市LID设施的成本效益存在区域差异[5]，可以基于成本效益优化LID的布局方式[6]。LID措施的经济效益主要来自减少暴雨径流排放许可费的直接效益和控制雨洪、减少雨污排放管道和后续水质净化费用等间接效益[7-8]，以及雨水径流通过LID措施如下沉式绿地入渗回馈地下水，也可以间接产生经济效益[9]，并且LID措施可在场地清理、管道安装和防腐上节约大量成本[10]。
综观之前的研究，国内关于海绵城市经济效益方面还有欠缺，目前国内对于公园绿地径流收集灌溉利用效益成本的研究较少，通常绿地灌溉方面的研究都没有与海绵城市的建设标准相结合，有一部分海绵城市经济研究中是以雨水灌溉利用作为效益的一部分，但又缺乏雨水径流收集的测算。
半湿润地区的降雨量小于蒸发量，绿地面临缺水的问题。半湿润地区的降雨多集中于夏季，夏季又是园林植物需水量较大的季节，因此在夏季收集径流用于植物灌溉，这一策略符合半湿润地区的降雨特征和园林植物的生理需要[11]。但是，这个问题在经济上是否可行和如何做到，让收集利用设施能够达到经济效益的最大化，用定性分析无法得出准确结论，需要用定量的方法做出详细的测算和深入的研究。
1. 研究区域概况
1.1 半湿润地区海绵城市建设的特殊性
半湿润地区是指干燥度为1 ~ 1.5的地区，包括大部分东北平原、华北平原以及黄土高原南部和青藏高原东南部，气候类型主要是温带季风气候和少部分的高原高山气候[11]。
半湿润地区具有明显的降雨特征，年降水量在400 ~ 800 mm，降雨主要集中在夏季，易造成短时间内的城市洪涝灾害，而在其他时间降雨量较少，水资源紧缺。因此，径流的收集与植物灌溉利用的需要存在时间差异，海绵绿地收集利用的可能性与效率相对较低[11]。
“渗、滞、蓄、净、用、排”是海绵城市背景下绿地建设策略的多种手段，在降雨量一定的前提下不同技术手段需由设计师进行选择，收集的径流量增加，渗透的径流量就会相应地减少，因此应根据绿地的立地条件来选择绿地建设的技术手段，将问题聚焦，将目标明确，针对半湿润地区场地的问题采用“渗、滞、蓄、净、用、排”中某一主导功能作为主要技术手段，场地内LID体系的功能将更加符合绿地自身需求[12-14]。
1.2 研究区域
迁安市位于河北省唐山市东北部，属于典型的半湿润地区气候，年平均气温10.5 ℃，年平均降雨量672.4 mm，雨季集中在夏季[15]。研究区域位于迁安市中心城区，总面积为371.870 hm2，其中东侧场地及外源场地面积为155.37 hm2，西侧场地面积216.505 hm2。按照迁安市相关部门要求，设计场地选取惠民大街与惠昌大街间的带状空间，面积为26.745 hm2，汇水区域位于滨湖东路东侧，面积为155.37 hm2，灌溉区域为东西侧场地范围内的公园绿地，面积为155.410 hm2（图1）。根据地勘显示滨湖东路绿地下层的土壤表层是层厚约为0.5 m的素填土；第2层是层厚约为0.6 m的中砂；第3层是层厚约为0.7 m的稍密卵石；第4层为密实卵石。表层耕土呈现松散状态，下层土壤渗透性能较好[13]。
2. 数据与方法
2.1 数据说明
本文研究区域为迁安市滨湖东路绿地，研究数据包括迁安市2014—2021年逐日降雨量数据和逐日温度数据（来源于中国地面国际交换站气候资料日值数据集）、2022—2024年逐日降雨量数据和逐日温度数据（通过cmip6预测得出）。城市雨洪管理LID技术的各项建造设计参数和成本数据主要参考文献包括住建部印发的《海绵城市建设技术指南——低影响开发雨水系统构建（试行）》[16]、《室外排水设计标准》[17]、《迁安市海绵城市专项规划（2015—2030）（修编稿）》[18]、《迁安市城市排水（雨水）防涝综合规划说明书》[19]、《迁安市中心城区雨水工程规划图》[20]、《国家建筑标准设计图集10SS705：雨水综合利用》[21]和《国家建筑标准设计图集05S804：矩形钢筋混凝土蓄水池》[22]。
2.2 研究方法
本文运用的主要研究方法包括控制变量法、容积法、对比分析法、统计分析法和文献查阅法。首先利用气象资料及相关文献资料分析研究区域的降雨类型及特征，然后依据城市雨洪管理LID技术相关规范及指南文件，确定设计情景下的不同雨水调蓄池数量1 ~ 27个共27种方案（根据研究区域径流调蓄容积和单个雨水调蓄池容积确定方案）；结合逐日降雨数据与逐日温度，计算园林植物灌溉净需水量、研究区域内园林植物总灌溉需水量；结合逐日降雨数据和径流系数，计算研究区域内雨水径流量，再根据设置的不同方案（不同数量的雨水调蓄池）得出雨水调蓄池收集量；最后计算研究区域内自来水灌溉成本和利用收集的雨水径流与自来水共同灌溉成本，得出后者相对于前者的节约成本。统计2014—2024年的计算结果，确定最佳方案。
2.2.1 调蓄容积计算
滨湖东路绿地设计以满足绿地基本功能为前提，以消纳内、外部雨水径流为目的，场地内部设置的“蓄用系统”是以利用为主要功能的低影响开发雨水系统[13,23-24]。
雨水径流控制量是雨洪管理视角下的滨水绿地空间布局的重要依据，根据国家和地方的海绵城市建设相关文件确定其径流控制率、设计降雨量，以此确定绿地的径流调蓄容积，为低影响开发体系预留相应的“海绵空间”[16]。低影响开发设施计算采用容积法[16]：
V=10HφF 式中：V为设计调蓄容积（m3），H为设计降雨量（mm），φ为综合雨量径流系数，F为汇水面积（hm2）。
设计中采用的综合径流计算公式[24]：
φ=(∑Sψ)/S 式中：S为面积，ψ为雨量径流系数。
根据《海绵城市建设技术指南》中提供的各汇水面雨量径流系数φ的取值范围，绿地取值为0.15、非铺砌的土路面取值为0.30、混凝土或沥青路面及广场取值为0.80[16]。
根据《迁安市海绵城市专项规划（2015—2030）（修编稿）》[18]滨湖东路绿地年径流总量控制率，场地外部为85%（设计降雨量为42.6 mm）、场地内部为76%（设计降雨量为29.6 mm）。根据《迁安市城市排水（雨水）防涝综合规划说明书》[19]和迁安市中心城区雨水工程规划图[20]，东侧内、外部汇水面积共计155.37 hm2，计算得到东侧场地低影响开发雨水系统调蓄容积为40 361.71 m3（表1）。其中：内部径流量为1 185.48 m3，外部径流量为39 176.23 m3。外部径流均由管网流入场地内，且外部径流高程较低、流速较快。如果由绿地承接外部径流容易导致绿地遭受冲刷，也不利于地表景观的营造，因此由雨水收集设施直接收纳径流。
表 1 滨湖东路东侧绿地雨水径流控制量Table 1. Amount of rainwater runoff control on the east side of Binhu East Road设计降雨量
Design rainfall/mm汇水区域名称
Name of catchment area汇水面积/hm2
Catchment area/ha综合雨量径流系数Comprehensive rainfall
runoff coefficient设计调蓄容积
Design storage capacity/m3总计
Total/m342.6 外部汇水面（汇流入东侧场地）External catchment surface (flow into the east site) 地块1 Plot 1 15.30 0.15 ~ 0.80 4 330.93 40 361.71 地块2 Plot 2 60.42 0.15 ~ 0.80 18 118.41 地块3 Plot 3 35.10 0.15 ~ 0.80 10 660.65 滨湖东路
Binhu East Road10.00 0.80 3 408.00 阜安大街
Fu’an Street3.40 0.80 1 158.72 惠兴大街
Huixing Street4.40 0.80 1499.52 29.6 内部汇水面
Internal catchment surface滨湖东路绿地（东侧）
Binhu East Road greenland (east side)26.75 0.15 1 185.48 2.2.2 植物灌溉需水量计算
园林植物灌溉需水量是指为了满足植物净需水量和为抵消水量分布不均匀而施加于园林植物的水量。园林植物需水量通常通过园林系数法进行计算，公式 [25]为：
PWR=ET0×KL 式中：PWR为园林植物需水量（mm/d），ET0为参考作物腾发量（mm/d），KL为园林系数。
参考作物腾发量（ET0）通常通过区域常规观测气象数据作为依据（月降雨量/日数），在气象数据资料缺失的情况下也可利用平均气温对参考作物腾发量进行预测。
ET0=0.187t+2.6757 式中：t为月平均温度（℃）。
园林系数（KL）计算公式为：
KL=KsKdKmc 式中：Ks为园林植物种类因子；Kd为园林植物密度因子；Kmc为园林小气候因子。
将不同类型植物的各因子值（表2）带入园林系数计算公式中，可以得到各园林植物的园林系数（表3）。
表 2 各类园林植物系数相关指标Table 2. Indexes related to the coefficients of various garden plants植被类型
Vegetation type种类因子
Type factor（Ks）密度因子
Density factor（Kd）小气候因子Microclimate factor（Kmc） 长势好
Good growth长势一般
Average growth长势差
Bad growth长势好
Good growth长势一般
Average growth长势差
Bad growth长势好
Good growth长势一般
Average growth长势差
Bad growth乔木 Tree 0.90 0.50 0.20 1.30 1.00 0.50 1.40 1.00 0.50 灌木 Shrub 0.70 0.50 0.20 1.10 1.00 0.50 1.30 1.00 0.50 地被植物
Ground-cover plant0.90 0.50 0.20 1.10 1.00 0.50 1.20 1.00 0.50 乔−灌−草
Tree-shrub-grass0.90 0.50 0.20 1.30 1.00 0.60 1.40 1.00 0.50 冷季型草
Cool season grass0.80 1.00 1.00 0.60 1.20 1.00 0.80 注：表2来源于参考文献[25]。Note: Tab. 2 is cited from reference [25]. 园林植物的需水量在自然条件下主要包括有效降雨量和人工灌溉补水量，因此单位面积园林植物灌溉需水量，即单位面积园林植物净需水量。其计算公式[26]如下：
PWRnet=Ki(PWR日−Re日) 式中：PWRnet为植物净需水量（m3）；Ki为浇灌补偿系数，取Ki = 2.7[26]；PWR日为植物日需水量（m3）；Re日为日有效降雨量（mm/d）。
有效降雨量指的是植物在灌溉季节内实际上能够利用的降雨量。日有效降雨量计算表达式：
Re日=Rh日×RF日 式中：Rh日为历史降雨量（mm/d）；RF日为有效雨量系数（%），通常为0.50 ~ 1.00。
由于基于长时段平均历史数据预测未来降雨的不确定性，通常在规划园林植物的用水需求时，可以认为不超过50%的历史降雨量是有效降雨，故研究范围内应取0.50作为有效降雨量系数[25]。
将滨湖东路绿地东、西侧的内、外场地范围内的公园绿地作为本次研究的灌溉区域，共155.41 hm2，根据单位面积植物灌溉净需水量计算公式可以确定灌溉区域植物灌溉总需水量。迁安市相对湿度为62%，夏季最热月（7月份）气温为25.2 ℃；参考作物腾发量（ET0）最大范围为5.08 ~ 6.35 mm/d。由于缺少气象数据，通过月平均气温可以预测参考作物腾发量（ET0），同时根据不同园林植物类型确定园林系数（KL）（表3），由此可确定灌溉区域2014—2024年间每周的园林植物灌溉需水量。
表 3 各园林植物的园林系数Table 3. Landscape coefficients of each garden plant植被类型
Vegetation type种类因子
Type factor （Ks）密度因子
Density factor（Kd）小气候因子Microclimate factor（Kmc） 园林系数
Garden coefficient（KL）乔木 Tree 0.90 1.30 1.40 1.64 灌木 Shrub 0.70 1.10 1.30 1.00 地被植物
Ground-cover plant0.90 1.10 1.20 1.19 乔−灌−草
Tree-shrub-grass0.90 1.30 1.40 1.64 冷季型草
Cool season grass0.80 1.00 1.20 0.96 注：表3来源于参考文献[25]。Note: Tab. 3 is cited from reference [25]. 根据每周园林植物灌溉需水量计算可得2014年园林植物灌溉需水量为865 115.94 m3；2015年园林植物灌溉需水量为851 546.84 m3；2016年园林植物灌溉需水量为798 995.80 m3；2017年园林植物灌溉需水量为996 174.02 m3；2018年园林植物灌溉需水量为889 347.78 m3；2019年园林植物灌溉需水量为630 720.81 m3；2020年园林植物灌溉需水量为784 066.80 m3；2021年园林植物灌溉需水量为646 583.98 m3；2022年园林植物灌溉需水量为623 288.49 m3；2023年园林植物灌溉需水量为741 634.92 m3；2024年园林植物灌溉需水量为589 183.65 m3。
2.2.3 雨水调蓄池径流利用量计算
雨水调蓄池是一种雨水收集设施，收集的径流可用于园林植物灌溉。蓄水池设计参考国家建筑标准设计图集10SS705《雨水综合利用》 [21]和国家建筑标准设计图集05S804《矩形钢筋混凝土蓄水池》[22]，采用钢筋混凝土结构，为了将园区分为等量的灌溉面积，雨水调蓄池采用统一容积和规格，容积为1500 m3，规格为25 000 mm（长） × 15 000 mm（宽） × 4 000 mm（高）。雨水调蓄池直接与雨水管网相连，超量径流可以溢流到下一个蓄水池中。因为无法确定雨水调蓄池个数变化对节约成本的影响，需设置多个方案进行比选。根据场地调蓄容积40 361.71 m3和单个雨水调蓄池容积1500 m3得出需要27个调蓄池，因此设计27个方案；依次增加调蓄池个数，最后对其结果进行统计分析，得出最优方案。
雨水调蓄池收集量与汇水区域雨水径流量相关。当汇水区域雨水径流量小于雨水调蓄池总容积时，雨水调蓄池收集量 = 汇水区域雨水径流量；当汇水区域雨水径流量大于雨水调蓄池总容积时，雨水调蓄池收集量 = 雨水调蓄池总容积。雨水径流量计算采用容积法：
V′=10H′φ′F′ 式中：V′为雨水径流量（m3）；H′为降雨量（mm）；F′为汇水面积（hm2）；φ′为公园绿地径流系数，根据《室外排水设计标准》[17]，φ′取值0.1 ~ 0.2。
雨水调蓄池径流利用量由雨水调蓄池收集量和植物灌溉需水量共同决定，当雨水调蓄池收集量大于植物灌溉需水量时，雨水调蓄池利用量 = 植物灌溉需水量；当雨水调蓄池收集量小于植物灌溉需水量时，雨水调蓄池利用量 = 雨水调蓄池收集量。
2.2.4 成本计算
收集每次降雨的径流，径流回收后经过简单的过滤，利用收集的径流进行植物灌溉，从而减少自来水灌溉，节约市政供水，减少经济支出[27]。
计算研究区域自来水灌溉成本和利用收集的雨水径流与自来水共同灌溉成本。
自来水灌溉成本的计算公式为：
T1=W1×w 式中：T1为所有都用自来水灌溉所需的成本（元）；W1为园林植物灌溉量（m3）；w为迁安市水费，迁安市当前水费为5.05元/m3 。
计算利用收集的雨水径流与自来水共同灌溉成本的公式为：
T2=T3+T4 式中：T2为利用收集的雨水径流与自来水共同灌溉成本（元）；T3为利用收集的雨水径流灌溉成本（元）；T4为总需水量−利用径流灌溉的量，即剩余部分的自来水灌溉成本（元），当收集的雨水径流小于植物灌溉需水量时，剩余部分采用自来水灌溉。
T3=(W3/Q)×N×p 式中：W3为调蓄池径流利用量（m3）；Q为4G50KDFZ-B自控自吸泵流量，取10 m3/h；N为4G50KDFZ-B自控自吸泵功率，取7.5 kW；p为迁安市电费（元/（kW·h）），迁安市当前电费为0.52元/（kW·h）。
T4=W4×w 式中：T4为当收集的雨水径流小于植物灌溉需水量时剩余部分采用自来水灌溉的成本；W4为园林植物灌溉量（m3），除去收集的雨水径流灌溉部分。
根据下面公式计算节约成本：
T=T1−T2 式中：T为节约成本（元）。
2.2.5 建设及维护成本
LID设施的建设需要资金投入作为支撑，因此成本是LID建设的重要考量因素[3]。LID设施的造价参考本项目的预算清单，每个调蓄池配备4G50KDFZ-B自控自吸泵，该型号水泵参数如下：Q（流量） = 10 m3/h，N（功率） = 7.5 kW。建设成本根据迁安市滨湖东路集雨型绿地的预算清单，雨水调蓄池建设单价为388 690.7元，自吸自控泵建设单价6 750.0元。
LID设施的维护方式和次数参考《海绵城市建设技术指南》[16]，雨水调蓄池内易有沉积，每年需两次清淤、检修，每次清淤约有50 mm淤泥堆积，自吸自控泵需对潜水轴检修。维护成本根据河北省预算定额中维护价格取费，每立方米清淤单价需442.0元，自吸自控泵每次检修需635.0元。研究区域内LID设施造价维护情况见表4。
表 4 LID设施及其配件造价维护表Table 4. Cost maintenance table of lid facilities and their accessories名称
Name建设单价/元
Construction unit price/CNY维护单价/（元·a−1）
Maintenance unit price/(CNY·year−1)雨水调蓄池 Rainwater storage tank 388 690.70 16 575.00 自控自吸泵 Self-control self-priming pump 6 750.00 1 270.00 3. 结论与讨论
3.1 结 论
通过控制变量——雨水调蓄池的个数，从1个雨水调蓄池开始依次增加1个，直到27个雨水调蓄池；搭建模型计算2014—2024年共11年的结果，最终得出27个方案的年平均调蓄池收集量、年平均径流利用率和年平均节约成本（表5、图2）。
表 5 2014—2024年年平均调蓄池收集量与节约成本Table 5. Annual average collection volume of regulation and storage tank and cost savings from 2014 to 2024方案
Plan年平均调蓄池收集量Average annual storage pool collection/m3 年平均径流利用率
Average annual runoff utilization rate/%年平均节约成本/（元·a−1）
Average annual cost saving/(CNY·year−1)方案1 Plan 1 34 123.38 44.95 71 908.34 方案2 Plan 2 58 951.48 36.84 101 114.15 方案3 Plan 3 78 271.25 30.35 109 667.28 方案4 Plan 4 93 944.53 25.63 110 661.16 方案5 Plan 5 106 598.61 22.66 110 661.16 方案6 Plan 6 116 944.00 20.69 110 661.16 方案7 Plan 7 125 803.95 19.24 110 661.16 方案8 Plan 8 133 404.79 18.14 110 661.16 方案9 Plan 9 139 876.88 17.31 110 661.16 方案10 Plan 10 145 352.78 16.66 110 661.16 方案11 Plan 11 150 115.53 16.14 110 661.16 方案12 Plan 12 154 119.79 15.72 110 661.16 方案13 Plan 13 157 221.16 15.42 110 661.16 方案14 Plan 14 160 084.80 15.18 110 661.16 方案15 Plan 15 162 763.84 14.96 110 661.16 方案16 Plan 16 165 218.39 14.76 110 661.16 方案17 Plan 17 167 532.34 14.58 110 661.16 方案18 Plan 18 169 215.16 14.47 110 661.16 方案19 Plan 19 170 851.52 14.35 110 661.16 方案20 Plan 20 172 450.50 14.25 110 661.16 方案21 Plan 21 173 464.57 14.17 110 661.16 方案22 Plan 22 174 277.92 14.12 110 661.16 方案23 Plan 23 174 893.48 14.07 110 661.16 方案24 Plan 24 175 358.54 14.04 110 661.16 方案25 Plan 25 175 629.89 14.02 110 661.16 方案26 Plan 26 175 766.26 14.01 110 661.16 方案27 Plan 27 175 902.62 14.00 110 661.16 ![]()
图 2 2014—2024年年平均调蓄池收集量与节约成本Figure 2. Annual average collection volume of regulation and storage tank and cost savings from 2014 to 2024年平均调蓄池收集量随调蓄池个数的增加而增大，最大年平均调蓄池收集量为方案27（175 902.62 m2）。年平均径流利用率随调蓄池个数的增加而降低，最大年平均径流利用率为方案1（44.95%），见图2。方案1（设计1个雨水调蓄池）的年平均径流灌溉节约成本为71 908.34元；方案2（设计2个雨水调蓄池）的年平均节约成本为101 114.15元；方案3（设计3个雨水调蓄池）的年平均节约成本为109 667.28元；方案4（设计4个雨水调蓄池）的年平均节约成本为110 661.16元；方案5（设计5个雨水调蓄池）至方案27（设计27个雨水调蓄池）的年平均节约成本不再增加，皆为110 661.16元。
由计算结果可知，从方案4开始，随着雨水调蓄池的增加年平均节约成本不再变化，取方案1到方案4计算建设成本、维护成本和节约成本之间的关系。
假设第N年，建设成本（C1） + 维护成本（C2） = 节约成本（C3），根据公式C1 + C2 × N = C3 × N，计算得出结果。方案1：约第7.4年时，建设成本（C1） + 维护成本（C2） = 节约成本（C3），从第8年开始效益为54 063.34元/年。方案2：约第12.1年时，建设成本（C1） + 维护成本（C2） = 节约成本（C3），从第13年开始效益为65 424.15元/年。方案3：约第21.2年时，建设成本（C1） + 维护成本（C2） = 节约成本（C3），从第22年开始效益为56 132.28元/年。方案4：约第40.3年时，建设成本（C1） + 维护成本（C2） = 节约成本（C3），从第41年开始效益为39 281.16元/年。从最快获得效益出发，建议选择方案1。从长期效益出发，建议选择年效益更多的方案2。
3.2 讨 论
半湿润地区的降雨具有极强的季节性，其径流收集与植物灌溉需水无法做到完全匹配。如果将绿地定位为收集径流并利用径流进行植物灌溉，本文建议按照植物的单周最大灌溉需水量作为雨水收集池的总容量，在满足灌溉需求的条件下减少建设资金的投入，提高雨水收集设施的利用率。
由于研究条件所限，本文未能获取到现场径流的实测数据，数据的精确度未经过比对核算；径流储存设施的成本会根据材料选择的不同产生很大差异，本文仅根据施工预算清单中的造价进行成本测算，未能针对不同材料的造价进行比对。本次研究效益计算中未考虑通货膨胀等经济因素的影响，实际节约灌溉费用与雨水收集利用建设费用持平的时间可能比研究结果更长。海绵城市的建设要求为城市绿地增添了新的功能，也带来了一些问题与困惑，关于在半湿润地区回收雨水径流用于植物灌溉的可能性，从经济方面的考量可以提供一个新的思路，帮助设计师和决策者更加理性地面对雨水径流的处理问题，从有益于绿地的角度推动海绵城市建设健康发展。
-
![]()
图 1 样方布设图
S1~S4为灌木样方；H1~H4为草本样方。S1−S4 are shrub quadrats; H1−H4 are herbaceous quadrats.
Figure 1. Quadrat layout drawing
![]()
图 2 灌木层和草本层的物种多样性指数
不同小写字母代表有极显著性差异（P < 0.001）。Different lowercase letters represent extremely significant differences (P < 0.001).
Figure 2. Species diversity indices of shrub and herb layers
![]()
图 3 生物和非生物因素对林下物种多样性的相对影响
*表示在P < 0.05水平显著相关；**表示在P < 0.01水平显著相关。下同。* indicates significant correlation at P < 0.05 level; ** indicates significant correlation at P < 0.01 level. The same below.
Figure 3. Relative influence of biotic and abiotic factors on understory species diversity
![]()
图 4 生物和非生物因素对灌木物种多样性的相对影响
Figure 4. Relative influence of biotic and abiotic factors on shrub species diversity
![]()
图 5 生物和非生物因素对草本物种多样性的相对影响
Figure 5. Relative influence of biotic and abiotic factors on herb species diversity
表 1 林分结构和物种多样性计算公式
Table 1 Calculation formulas of stand structure and species diversity
项目 Item 指数 Index 计算公式 Calculation formula 林分结构 Stand structure 密度 Density SN=NS 胸径基尼指数 DBH Gini index GiniD=∑Nk=2(2k−N−1)Ak∑Nk=2(N−1)Ak 胸高断面积 Basal area SBAI=N∑k=NiAiS 物种多样性 Species diversity 灌木层、草本层重要值
Important value of shrub layer and herb layerIV=α+β+γ3 物种丰富度 Species richness S=Ns Shannon-Wiener指数 Shannon-Wiener index Hs=−Ns∑i=1niNlnniN Simpson指数 Simpson index Ds=1−Ns∑i=1(niN)2 Pielou指数 Pielou index Jsw=−DslnS 注：引自参考文献[6]。N是样方内总个体数；S是样方面积；Ai是样方内第i个个体的胸高断面积；Ak是样方内按大小升序第k个个体的胸高断面积； Ns是样方内物种总数；ni是第i个物种的个体数；α是相对密度；β是相对盖度；γ是相对频度。Notes: cited from reference [6]. N is the total number of individuals in the quadrat; S is quadrat area; Ai is the breast height area of the ith individual in the quadrat. Ak is the breast height area of the kth individual in ascending order of size in the quadrat; Ns is the total number of species in the quadrat; ni is the number of individuals of the ith species; α is relative density; β is relative coverage; γ is the relative frequency. 
下载: 导出CSV
表 2 样地内基础变量信息统计
Table 2 Statistical information of basic variables in the sampling plot
变量 Variable 范围 Range 平均值 Mean 标准偏差 Standard deviation 株密度/（株·hm−2） Plant density/（tree·ha−1） 444.00 ~ 2 989.00 1 094.41 643.39 胸径 DBH/cm 1.20 ~ 95.00 15.43 9.56 树高 Tree height/m 0.70 ~ 34.00 10.95 5.65 灌木物种丰富度 Shrub species richness 0.00 ~ 10.00 4.83 2.85 草本物种丰富度 Herb species richness 5.00 ~ 17.00 10.28 3.08 土壤全氮 Soil total nitrogen/（g·kg−1） 2.75 ~ 23.54 8.44 4.93 土壤有机质 Soil organic matter/（g·kg−1） 50.39 ~ 433.83 168.14 96.93 土壤速效钾 Soil available potassium/（mg·kg−1） 88.00 ~ 690.00 240.24 148.37 土壤有效磷 Soil available phosphorus/（mg·kg−1） 2.28 ~ 26.35 8.38 5.01 土壤铵态氮 Soil ammonium nitrogen/（mg·kg−1） 1.38 ~ 7.13 2.91 1.53 土壤硝态氮 Soil nitrate nitrogen/（mg·kg−1） 7.59 ~ 161.18 62.04 42.80 土壤可溶性有机氮 Soil soluble organic nitrogen/（mg·kg−1） 2.12 ~ 43.15 10.52 7.59 土壤可溶性全氮 Soil soluble total nitrogen/（mg·kg−1） 9.89 ~ 175.16 67.90 41.57 土壤含水率 Soil moisture content/% 12.38 ~ 205.66 61.63 43.86 土壤pH值 Soil pH value 5.79 ~ 8.34 7.23 0.57 海拔 Elevation/m 2 210.00 ~ 3 113.00 2 598.62 221.66 坡度 Slope/（°） 1.00 ~ 40.00 20.86 11.10 坡向 Aspect/（°） 0.00 ~ 357.00 168.24 129.70 年降水量 Annual precipitation/mm 341.00 ~ 505.00 421.31 51.25 年均气温 Annual mean temperature/℃ −0.27 ~ 4.12 2.25 1.25
下载: 导出CSV
表 3 主成分分析
Table 3 Principal component analysis
主成分
Principle
component特征值
Eigenvalue方差贡献率
Contribution rate
of variance/%累计方差贡献率
Accumulative
contribution rate
of variance/%1 2.67 71 71 2 0.98 10 81
下载: 导出CSV
表 4 主成分中因子载荷
Table 4 Factor loadings in principal components
指标
Index主成分1
Principal
component 1主成分2
Principal
component 2土壤全氮 Soil total nitrogen 0.355 0.111 土壤有机质 Soil organic matter 0.357 土壤速效钾 Soil available potassium 0.299 土壤有效磷 Soil available phosphorus 0.311 0.389 土壤铵态氮 Soil ammonium nitrogen 0.320 −0.106 土壤硝态氮 Soil nitrate nitrogen 0.320 土壤可溶性有机氮
Soil soluble organic nitrogen0.294 −0.102 土壤可溶性全氮 Soil soluble total nitrogen 0.348 −0.119 土壤含水率 Soil moisture content 0.349 土壤pH值 Soil pH value −0.160 0.885
下载: 导出CSV
表 5 灌丛群落各层次重要值排序前 5 名物种
Table 5 Top 5 species in the importance ranking of shrub communities at different levels
层次
Layer物种
Species重要值
Important value灌木 Shrub 唐古特忍冬 Lonicera tangutica 0.174 银露梅 Potentilla glabra 0.169 峨眉蔷薇 Rosa omeiensis 0.113 细枝栒子 Cotoneaster tenuipes 0.104 直穗小檗 Berberis dasystachya 0.102 草本 Herb 膨囊薹草 Carex lehmanii 0.242 高原早熟禾 Poa alpigena 0.116 东方草莓 Fragaria orientalis 0.115 首阳变豆菜 Sanicula giraldii 0.036 林生风毛菊 Saussurea sylvatica 0.035
下载: 导出CSV
-
[1] Guo Q. The diversity-biomass-productivity relationships in grassland management and restoration[J]. Basic and Applied Ecology, 2007, 8(3): 199−208. doi: 10.1016/j.baae.2006.02.005
[2] 金艳强, 李敬, 刘运通, 等. 围封对元江稀树灌草丛林下植被物种组成及生物量分配的影响[J]. 生态学杂志, 2017, 36(2): 343−348. doi: 10.13292/j.1000-4890.201702.025 Jin Y Q, Li J, Liu Y T, et al. Effects of exclosure on species diversity and biomass allocation of understory vegetation of Savanna ecosystem in Yuanjiang Dry-Hot Valley, Yunnan, Southwest China[J]. Chinese Journal of Ecology, 2017, 36(2): 343−348. doi: 10.13292/j.1000-4890.201702.025
[3] Tilman D, Knops J, Wedin D, et al. The influence of functional diversity and composition on ecosystem processes[J]. Science, 1997, 277: 1300−1302. doi: 10.1126/science.277.5330.1300
[4] Gilliam F S. The ecological significance of the herbaceous layer in temperate forest ecosystems[J]. BioScience, 2007, 57(10): 845−858. doi: 10.1641/B571007
[5] Gazol A, Ibáñez R. Different response to environmental factors and spatial variables of two attributes (cover and diversity) of the understorey layers[J]. Forest Ecology and Management, 2009, 258(7): 1267−1274. doi: 10.1016/j.foreco.2009.06.024
[6] 鲁君悦, 吴兆飞, 张春雨, 等. 吉林蛟河针阔混交林林层结构对生产力的影响[J]. 生态学报, 2021, 41(5): 2024−2032. doi: 10.5846/stxb202005131220 Lu J Y, Wu Z F, Zhang C Y, et al. Influence of forest strate structure on productivity of coniferous and broad-leaved mixed forest in Jiaohe, Jilin[J]. Acta Ecologica Sinica, 2021, 41(5): 2024−2032. doi: 10.5846/stxb202005131220
[7] Hart S A, Chen H Y H. Understory vegetation dynamics of north American boreal forests[J]. Critical Reviews in Plant Sciences, 2006, 25(4): 381−397. doi: 10.1080/07352680600819286
[8] 雷相东, 唐守正, 李冬兰, 等. 影响天然林下层植物物种多样性的林分因子的研究[J]. 生态学杂志, 2003, 22(3): 18−22. doi: 10.3321/j.issn:1000-4890.2003.03.004 Lei X D, Tang S Z, Li D L, et al. Stand variables affecting understorey plant species diversity in natural forests[J]. Chinese Journal of Ecology, 2003, 22(3): 18−22. doi: 10.3321/j.issn:1000-4890.2003.03.004
[9] Barbier S, Gosselin F, Balandier P. Influence of tree species on understory vegetation diversity and mechanisms involved: a critical review for temperate and boreal forests[J]. Forest Ecology and Management, 2008, 254(1): 1−15. doi: 10.1016/j.foreco.2007.09.038
[10] Xu M, Ma L, Jia Y, et al. Integrating the effects of latitude and altitude on the spatial differentiation of plant community diversity in a mountainous ecosystem in China[J]. PLoS One, 2017, 12(3): e174231.
[11] Holste E K, Kobe R K, Vriesendorp C F. Seedling growth responses to soil resources in the understory of a wet tropical forest[J]. Ecology, 2011, 92(9): 1828−1838. doi: 10.1890/10-1697.1
[12] Bartels S F, Chen H Y H. Interactions between overstorey and understorey vegetation along an overstorey compositional gradient[J]. Journal of Vegetation Science, 2013, 24(3): 543−552. doi: 10.1111/j.1654-1103.2012.01479.x
[13] Zhang Y, Chen H Y H, Taylor A R. Multiple drivers of plant diversity in forest ecosystems[J]. Global Ecology and Biogeography, 2014, 23(8): 885−893. doi: 10.1111/geb.12188
[14] Sanaei A, Chahouki M A Z, Ali A, et al. Abiotic and biotic drivers of aboveground biomass in semi-steppe rangelands[J]. Science of the Total Environment, 2018, 615: 895−905. doi: 10.1016/j.scitotenv.2017.10.010
[15] Hansen J, Ruedy R, Sato M, et al. Global surface temperature change[J]. Reviews of Geophysics, 2010, 48(4): 1−29.
[16] Shen M, Piao S, Jeong S, et al. Evaporative cooling over the Tibetan Plateau induced by vegetation growth[J]. PNAS, 2015, 112(30): 9299−9304. doi: 10.1073/pnas.1504418112
[17] 张进升. 青海林业变迁史研究[D]. 杨凌: 西北农林科技大学, 2013. Zhang J S. Research on the historical changes of Qinghai region forestry[D]. Yangling: Northwest A&F University, 2013.
[18] 朱立平, 彭萍. 青藏高原地面气象驱动数据集(2017—2018)[R]. 北京: 国家青藏高原科学数据中心, 2020. Zhu L P, Peng P. Surface meteorological driving dataset of the Qinghai Tibet Plateau (2017−2018)[R]. Beijing: National Tibetan Plateau/Third Pole Environment Data Center, 2020.
[19] 樊雨时. 青海典型人工林林分结构特征因子对林下植物多样性的影响[D]. 北京: 北京林业大学, 2019. Fan Y S. Effects of structural characteristics of typical artificial forest stands on the diversity of understory plants in Qinghai [D]. Beijing: Beijing Forestry University, 2019.
[20] 温秀卿. 江河源区草地可持续利用途径研究[D]. 杨凌: 西北农林科技大学, 2004. Wen X Q. Approaches to sustainable utilization of grassland in source regions of Yangtse River, Yellow River and Lantsang River[D]. Yangling: Northwest A&F University, 2004.
[21] 陈长成. 青海省高寒草地退化综合评价研究[D]. 广州: 华南农业大学, 2018. Chen C C. Comprehensive evaluation of alpine grassland degradation in Qinghai Province[D]. Guangzhou: South China Agricultural University, 2018.
[22] 焦骄. 青海省植被净初级生产力时空格局变化及其驱动因素研究[D]. 兰州: 西北师范大学, 2019. Jiao J. Study on spatial-temporal patterns of net primary productivity of vegetation and its driving factors in Qinghai Province[D]. Lanzhou: Northwest Normal University, 2019.
[23] 娄明华, 白超, 惠刚盈, 等. 7个林木大小多样性指数表达能力比较[J]. 生物多样性, 2019, 27(4): 449−456. doi: 10.17520/biods.2018341 Lou M H, Bai C, Hui G Y, et al. Comparison of distinguish ability on seven tree size diversity indices[J]. Biodiversity Science, 2019, 27(4): 449−456. doi: 10.17520/biods.2018341
[24] Jost L. Entropy and diversity[J]. Oikos, 2006, 113(2): 363−375. doi: 10.1111/j.2006.0030-1299.14714.x
[25] Fox J. Applied regression analysis and generalized linear models[M]. 3rd ed. London: SAGE Publications, 2015.
[26] 沙威, 董世魁, 刘世梁, 等. 阿尔金山自然保护区植物群落生物量和物种多样性的空间格局及其影响因素[J]. 生态学杂志, 2016, 35(2): 330−337. doi: 10.13292/j.1000-4890.201602.032 Sha W, Dong S K, Liu S L, et al. Spatial patterns of plant community biomass and species diversity in Aerjin Mountain Nature Reserve and their influencing factors[J]. Chinese Journal of Ecology, 2016, 35(2): 330−337. doi: 10.13292/j.1000-4890.201602.032
[27] Zhang C, He F, Zhang Z, et al. Latitudinal gradients and ecological drivers of β-diversity vary across spatial scales in a temperate forest region[J]. Global Ecology and Biogeography, 2020, 29(7): 1257−1264. doi: 10.1111/geb.13101
[28] O’Brien E M. Climatic gradients in woody plant species richness: towards an explanation based on an analysis of southern Africa’s woody flora[J]. Journal of Biogeography, 1993, 20(2): 181−198. doi: 10.2307/2845670
[29] Hawkins B A, Field R, Cornell H V, et al. Energy, water, and broad-scale geographic patterns of species richness[J]. Ecology, 2003, 84(12): 3105−3117. doi: 10.1890/03-8006
[30] Kreft H, Jetz W. Global patterns and determinants of vascular plant diversity[J]. PNAS, 2007, 104(14): 5925−5930. doi: 10.1073/pnas.0608361104
[31] Wang H, Zhang M T, Nan H W. Abiotic and biotic drivers of species diversity in understory layers of cold temperate coniferous forests in North China[J]. Journal of Forestry Research, 2019, 30(6): 2213−2225. doi: 10.1007/s11676-018-0795-2
[32] 王莉, 林莎, 李远航, 等. 青海大通典型林分冠层结构与林下植被物种多样性关系研究[J]. 西北植物学报, 2019, 39(3): 524−533. doi: 10.7606/j.issn.1000-4025.2019.03.0524 Wang L, Lin S, Li Y H, et al. Relationship between typical canopy structure and understory vegetation diversity in Datong, Qinghai[J]. Acta Botanica Sinica of Northwest China, 2019, 39(3): 524−533. doi: 10.7606/j.issn.1000-4025.2019.03.0524
[33] 吴兆飞, 张雨秋, 张忠辉, 等. 东北温带森林林分结构与生产力关系研究[J]. 北京林业大学学报, 2019, 41(5): 48−55. doi: 10.13332/j.1000-1522.20190017 Wu Z F, Zhang Y Q, Zhang Z H, et al. Study on the relationship between forest structure and productivity of temperate forests in Northeast China[J]. Journal of Beijing Forestry University, 2019, 41(5): 48−55. doi: 10.13332/j.1000-1522.20190017
[34] Ali A, Yan E. The forest strata-dependent relationship between biodiversity and aboveground biomass within a subtropical forest[J]. Forest Ecology and Management, 2017, 401: 125−134. doi: 10.1016/j.foreco.2017.06.056
[35] Tews J, Brose U, Grimm V. Animal Species diversity driven by habitat heterogeneity/diversity: the importance of keystone structures[J]. Journal of Biogeography, 2004, 31(1): 79−92. doi: 10.1046/j.0305-0270.2003.00994.x
[36] Siefert A, Ravenscroft C, Althoff D, et al. Scale dependence of vegetation-environment relationships: a meta-analysis of multivariate data[J]. Journal of Vegetation Science, 2012, 23(5): 942−951. doi: 10.1111/j.1654-1103.2012.01401.x
[37] Ares A, Neill A R, Puettmann K J. Understory abundance, species diversity and functional attribute response to thinning in coniferous stands[J]. Forest Ecology and Management, 2010, 260(7): 1104−1113. doi: 10.1016/j.foreco.2010.06.023
[38] Zilliox C, Gosselin F. Tree species diversity and abundance as indicators of understory diversity in French mountain forests: variations of the relationship in geographical and ecological space[J]. Forest Ecology and Management, 2014, 321: 105−116. doi: 10.1016/j.foreco.2013.07.049
[39] 郝建锋. 不同林分密度下川北白云山地区喜树人工林的群落结构和物种多样性[J]. 植物研究, 2015, 35(5): 772−778. doi: 10.7525/j.issn.1673-5102.2015.05.022 Hao J F. Effects of stand density on community structure and species diversity of Camptotheca acuminata plantation in Baiyun Mountain, Mianzhu District, Sichuan Province[J]. Bulletin of Botanical Research, 2015, 35(5): 772−778. doi: 10.7525/j.issn.1673-5102.2015.05.022
[40] Costa F R C, Magnusson W E, Luizão R C. Mesoscale distribution patterns of amazonian understorey herbs in relation to topography, soil and watersheds[J]. The Journal of Ecology, 2005, 93(5): 863−878. doi: 10.1111/j.1365-2745.2005.01020.x
[41] 李新荣, 谭会娟, 何明珠, 等. 阿拉善高原灌木种的丰富度和多度格局对环境因子变化的响应: 极端干旱荒漠地区灌木多样性保育的前提[J]. 中国科学(D辑: 地球科学), 2009, 39(4): 504−515. Li X R, Tan H J, He M Z, et al. Patterns of shrub species richness and abundance on environment in Alxa Plateau response to factor change: shrub diversity in extremely arid desert areas prerequisites for conservation[J]. Science in China Series (D: Earth Sciences), 2009, 39(4): 504−515.
[42] 王兴, 宋乃平, 杨新国, 等. 放牧扰动下草地植物多样性对土壤因子的响应[J]. 草业学报, 2013, 22(5): 27−36. doi: 10.11686/cyxb20130504 Wang X, Song N P, Yang X G, et al. The responses of grassland plant diversity to soil factors under grazing disturbance[J]. Acta Prataculturae Sinica, 2013, 22(5): 27−36. doi: 10.11686/cyxb20130504
[43] 张荣, 余飞燕, 周润惠, 等. 坡向和坡位对四川夹金山灌丛群落结构与物种多样性特征的影响[J]. 应用生态学报, 2020, 31(8): 2507−2514. doi: 10.13287/j.1001-9332.202008.004 Zhang R, Yu F Y, Zhou R H, et al. Effects of slope position and aspect on structure and species diversity of shrub community in the Jiajin Mountains, Sichuan Province, China[J]. Chinese Journal of Applied Ecology, 2020, 31(8): 2507−2514. doi: 10.13287/j.1001-9332.202008.004
[44] Klein J A, Harte J, Zhao X. Experimental warming causes large and rapid species loss, dampened by simulated grazing, on the Tibetan Plateau[J]. Ecology Letters, 2004, 7(12): 1170−1179. doi: 10.1111/j.1461-0248.2004.00677.x
[45] 马丽, 张骞, 张中华, 等. 梯度增温对高寒草甸物种多样性和生物量的影响[J]. 草地学报, 2020, 28(5): 1395−1402. Ma L, Zhang Q, Zhang Z H, et al. Effects of gradient warming on species diversity and biomass of alpine meadows[J]. Acta Prataculturae Sinica, 2020, 28(5): 1395−1402.
[46] 南笑宁. 甘南高寒草甸不同坡向植物群落功能多样性研究[D]. 兰州: 西北师范大学, 2020. Nan X N. Study on the functional diversity of plant communities on different slopes in the alpine meadow of Gannan[D]. Lanzhou: Northwest Normal University, 2020.
-
期刊类型引用(8)
1. 张元梅，孙桂丽，鲁艳，李利，张志浩，张栋栋. 昆仑山北坡两种优势荒漠灌木的生物量预测模型. 干旱区研究. 2024(02): 284-292 . 
百度学术
2. 赵秀英，庞志，于凤强，张建华，杨建军，郝彦卿，白小琴，杨蓉，黄鹏，谢丕青，王佳濛，杨海峰. 柠条锦鸡儿种子产量预测模型研究. 山东农业大学学报(自然科学版). 2024(04): 557-565 . 百度学术
3. 郭玉东，张秋良，陈晓燕，张榕，宝朝鲁门，阿日宾巴雅尔，斯庆毕力格，王颖. 库布齐沙漠地区人工灌木林生物量模型构建. 西北农林科技大学学报(自然科学版). 2022(04): 74-82 . 百度学术
4. 段菁，云海英，李鑫，滕飞，纳青. 基于CASA模型的内蒙古地区草地生产力估测. 林业调查规划. 2022(03): 133-138+155 . 百度学术
5. 朱雅丽，张景路，张绘芳，地力夏提·包尔汉，廉佳佳. 天山中部锦鸡儿生物量分析及模型构建. 林业资源管理. 2022(05): 129-135 . 百度学术
6. 刘江，袁勤，张立欣，代香荣，刘向阳，丁茹，叶丽娜. 库布齐沙漠北缘不同人工灌木林地土壤肥力质量状况. 西北林学院学报. 2021(02): 46-53 . 百度学术
7. 黄小娟，侯扶江. 高寒典型草原主要物种的株高和盖度预测种群和群落地上生物量. 生态学报. 2021(12): 4942-4952 . 百度学术
8. 张殿岱，王雪梅. 塔里木盆地北缘绿洲-荒漠过渡带典型植物地上生物量估测. 生态学杂志. 2019(10): 3211-3220 . 百度学术
其他类型引用(7)
计量
- 文章访问数: 667
- HTML全文浏览量: 137
- PDF下载量: 138
- 被引次数: 15
