杉木主伐林分材种结构及其出材率模型研建

潘昕; 李骏; 孙帅超; 陈明华; 华伟平; 江希钿

doi:10.12171/j.1000-1522.20230031

杉木主伐林分材种结构及其出材率模型研建

潘昕^{1, 2,},
李骏^{1, 3},
孙帅超¹,
陈明华⁴,
华伟平^{1, 5},
江希钿^1, ,

1.
福建农林大学林学院，福建福州 350002
2.
福建省林木种苗总站，福建福州 350003
3.
福建省福农农资集团有限公司，福建福州 350001
4.
福建省闽侯白沙国有林场，福建福州 350102
5.
武夷学院生态与资源工程学院，福建武夷山 354300

基金项目: “十四五”国家重点研发计划项目（2021YFD2201302），福建省林业科技项目（KLB18H18A、KFA17283A）

详细信息

作者简介:
潘昕，博士生。主要研究方向：森林经营和资产评估研究。Email：363988391@qq.com　地址：350002福建省福州市仓山区上下店路15号福建农林大学

责任作者:
江希钿，博士生导师，教授。主要研究方向：森林经营和资产评估研究。Email：fjjxd@126.com　地址：同上

中图分类号: S757；S791.27
计量
- 文章访问数: 531
- HTML全文浏览量: 179
- PDF下载量: 100
出版历程
- 收稿日期: 2023-02-08
- 修回日期: 2023-05-14
- 录用日期: 2023-07-03
- 网络出版日期: 2023-07-05
- 发布日期: 2023-08-24

Timber assortment structure and outturn model for final felling stands of Cunninghamia lanceolata plantations

Pan Xin^{1, 2,},
Li Jun^{1, 3},
Sun Shuaichao¹,
Chen Minghua⁴,
Hua Weiping^{1, 5},
Jiang Xidian^1, ,

1.
College of Forestry, Fujian Agriculture and Forestry University, Fuzhou 350002, Fujian , China
2.
Forest Seed and Seedling General Station of Fujian Province, Fuzhou 350003, Fujian , China
3.
Fujian Funong Agricultural Materials Group Co. LTD, Fuzhou 350001, Fujian, China
4.
Minhou Baisha State-Owned Forest Farm of Fujian Province, Fuzhou 350102, Fujian, China
5.
College of Ecology and Resource Engineering, Wuyi University, Wuyishan 354300, Fujian, China

摘要

摘要:
目的明晰杉木主伐林分的材种结构规律并构建合理的林分出材率模型，为我国杉木人工林木材产量提高、营林技术提升以及经营方案优化提供科学依据。
方法根据福建省6个国有林场近15年的杉木人工林492块伐区调查数据，选用林分平均胸径、平均高、年龄、蓄积量、密度、立地质量等林分因子，探讨林分规格材、非规格材、经济材、薪材、商品材、废材6种材种出材率对各因素的响应。在此基础上筛选影响材种出材率的主要林分因子，构建杉木主伐林分材种出材率模型，并对模型进行适用性评价。
结果杉木主伐林分的各林分因子中，林分平均胸径和平均高对各材种出材率的影响最大，且远高于其他林分因子，其次为林分蓄积量、年龄和密度，立地质量的影响相对较小。以林分平均胸径和平均高为自变量构建杉木主伐林分的规格材、经济材、薪材出材率模型，模型拟合及检验效果均良好，以此为基础构建非规格材、商品材、废材出材率模型。对不同径阶的各材种出材率模型进行预测误差计算，预测误差均较小，且误差分布较为均匀。
结论本研究揭示了杉木主伐林分的材种结构规律及其影响因子，建立的出材率模型体系可用于杉木主伐林分的出材率测算，为杉木人工林合理生产计划的制定提供支持。
- 杉木 /
- 材种结构 /
- 出材率 /
- 林分密度 /
- 立地质量
Abstract:
Objective It is an important premise to clarify the timber assortment structure of Cunninghamia lanceolata plantations and build a reasonable outturn model, aiming to increase the wood yield, improve the forest management techniques and optimize the management plan for Cunninghamia lanceolata plantations.
Method Based on the 492 felling areas of Cunninghamia lanceolata plantations from 6 state-owned forest farms in Fujian Province of eastern China in the past 15 years, the response of 6 timber assortment outturn (i.e., dimension timber, non-dimension timber, commercial timber, fuel wood, merchantable timber, refuse wood) to each factor, including average DBH, average height, stand age, stand volume, stand density and site quality, was investigated. On this basis, the main stand factors affecting the yield of timber species were screened, the timber outturn model for final felling stands of Cunninghamia lanceolata was constructed and the applicability of the model was evaluated.
Result Among the stand factors of Cunninghamia lanceolata final felling stands, average DBH and average height showed much larger influence than other stand factors on the outturn of each timber assortment, followed by stand volume, age and density, and the influence of site quality was relatively small. The dimension timber, commercial timber and fuel wood timber assortment outturn model system using average DBH and average height as predictive variables showed good fitting and validating results. Based on this, the timber assortment outturn model of non-dimension timber, merchantable timber and refuse wood timber assortment outturn model was constructed. The prediction errors of the timber assortment outturn for different diameter classes were small and stable.
Conclusion This study reveals the timber assortment structure rule, as well as its influencing factors for Cunninghamia lanceolata final felling stands. The model system can be used to calculate the timber assortment yield of Cunninghamia lanceolata final felling stands, and provide support for the formulation of rational production plan of Cunninghamia lanceolata plantations.
- Cunninghamia lanceolata /
- timber assortment structure /
- outturn percentage /
- stand density /
- site quality

HTML全文

从古至今，木材作为一种天然可再生的环保型材料，以其独特的性能和优良的环境学特性深受人们喜爱，并广泛应用于生产生活的各个方面。随着现代科学技术的突飞猛进、人类学理论的不断发展，考古木材作为进行植物考古学和环境考古学研究的一种典型生物材料，正成为专家学者的研究热点，国内外考古作业挖掘出大量的木质文物^[1-2]，例如：“Riksapplet号”沉船^[3]、“小白礁Ⅰ号”沉船^[4]、“南海Ⅰ号”船木^[5]等为出土考古木材的研究提供了丰富的材料。

Crestini等^[6]运用X射线衍射和扫描电镜的方法对埃及古代棺木进行研究，研究发现：考古木材中纤维素、半纤维素、木质素均产生不同程度的降解，小分子化合物发生改变，使考古木材变得脆弱而柔软。Łucejko等^[7]运用热裂解气相色谱–质谱联用法对取自比萨圣罗索雷古船的木材样品进行了主成分分析，样品木质素中愈创木基和紫丁香基的去甲基化表明考古木材中多糖产生了流失。卢芸^[8]指出大多木质文物纤维素结晶区被严重破坏，葡聚糖侧链的乙酰基消失，多糖类物质遭到严重降解，木质素相对含量明显增加。

考古木材微观结构的变化，将在很大程度上影响其水分吸着行为，因而可利用等温吸附曲线和水分吸着理论对考古木材与吸着水分子的相互作用进行分析，如Guggenheim-Anderson-de Boer模型^[9]、Hailwood-Horrobin模型^[10]等。Guo等^[11]利用Guggenheim-Anderson-de Boer模型计算得到每千克古代润楠木（Machilus pingii Cheng ex Yang）样品的最大单层吸水量为7.388 kg，而相同树种现代木材的最大单层吸水量仅为4.602 kg，考古木材的最大单层吸水量比现代木材增加了61%。

木材的水分吸着过程必然伴随着热量或能量的变化^[12]，因此基于吸附热力学考察水分吸着机理，有助于从本质上获得考古木材与水分相互作用方面的信息。曹金珍^[13]发现西藏云杉（Picea spinulosa）在水分吸着过程中微分吸着热、微分吸着熵值随吸湿过程不断增大。Simón 等^[14]研究了在吸湿和解吸平衡态下辐射松（Pinus radiata）的微分吸着熵值随含水率的变化曲线，结果显示在相同平衡含水率下辐射松解吸的微分吸着熵值大于吸湿值。

在以往的研究中，研究者多从成分、结构角度对考古木材水分吸着行为进行研究，且取得了一定进展，而对考古木材的吸附热力学研究较少，而且对各种热力学量变化的系统分析也很欠缺。本研究将聚焦考古木材在吸湿和解吸平衡状态下微分吸着热、自由能变化及微分吸着熵三大热力学量的研究，并分别利用电子显微镜（scanning electron microscope，SEM）、傅里叶红外光谱（Fourier transform infrared spectroscopy，FTIR）分析考古木材的细胞壁结构和化学成分变化，从而建立考古木材微观结构与其水分吸着行为间的构效关系，探究考古木材与现代木材在水分吸附热力学方面的差异及其原因，为从能量角度解析考古木材与水分之间的相互作用机制奠定理论基础，同时也可为我国木质文物的保护提供科学依据，以减少出土饱水木质文物与环境中水分的相互作用，提高木质文物的尺寸稳定性。

1. 材料与方法

1.1 材　料

本研究所用考古木材取自成都文物考古研究院发掘出土的南宋木棺残片，由研究院提供的材料和信息确定为考古柏木，并采集四川产柏木（Cupressus sp.）作为现代对照材。

1.2 细胞壁微观形貌表征

利用滑动切片机（REM-710，Yamato Kohki industrial Co.，Ltd，Japan）制得尺寸为1 mm（轴向） × 2 mm（弦向） × 2 mm（径向）的柏木考古木材与现代木材薄片试样（试样重复数为3），用于SEM观察。在80 ℃的鼓风干燥箱中将试样干燥至质量恒定后进行喷金处理，设置SEM（S-3400，Hitachi，日本）加速电压为3 kV，对柏木试样的细胞结构进行观察，初步了解考古木材的降解、腐朽情况。

1.3 化学成分表征

利用研磨机将考古木材与现代木材样品加工成100目以下的木粉，并在80 ℃的真空干燥箱中干燥至质量恒定，之后将木粉与溴化钾充分混合研磨压制成透明薄片，利用红外光谱仪（BRUKER vertex 70 V，德国）对试样进行检测分析，扫描范围设为400 ~ 4 000 cm⁻¹，分辨率为4 cm⁻¹，每个试样扫描次数为32次。重复测试3次，取平均值。

1.4 吸附热力学量测定

将柏木考古木材、现代木材样品加工为20 mg左右木片，并分别置于（103 ± 2）℃下干燥至质量恒定，用于动态水分吸附分析（dynamic vapor sorption，DVS）实验。将各组试样放入DVS中，分别预设恒定温度为25和50 ℃，相对湿度以10%为梯度从0%增加到90%，继续增加至95%，然后降回至90%，再以10%为梯度从90%降低到0%，试样在每个相对湿度下逐渐达到吸湿/解吸平衡后（当样品质量变化速率连续在10 min内小于0.000 1%/min，则认为样品达到吸湿/解吸平衡），仪器自动进入下一个相对湿度梯度。仪器每隔1 min记录样品质量、温度和相对湿度等数据，得到考古木材和现代木材的吸湿和解吸平衡的等温吸附曲线。

利用Hailwood-Horrobin水分吸着理论^[10]分析所获得的等温吸附曲线，木材在不同相对湿度条件下达到的平衡含水率可表达为

$M=M_{{\rm{h}}} + M_{{\rm{d}}}= \frac{18}{m}\left(\frac{{K}_{\mathrm{h}}{K}_{\mathrm{d}}H}{1 + {K}_{\mathrm{h}}{K}_{\mathrm{d}}H} + \frac{{K}_{\mathrm{d}}H}{1-{K}_{\mathrm{d}}H}\right)$

(1)

式中：M为试样平衡含水率（%）；M_h为水合水质量分数（%）；M_d为溶解水质量分数（%）；m为单位摩尔数吸着位点的绝干木材质量（g/mol）；K_h为水合水与溶解水之间的平衡常数；K_d为溶解水与环境温湿度之间的平衡常数；H为相对湿度（%）。

将式（1）整理成多项式，具体为

$\frac{H}{M}=A + BH-C{H}^{2}$

(2)

式中：A、B、C为多项式的拟合参数，A、B、C与K_h、K_d、m的关系为

$A=\frac{m}{18} \times \frac{1}{{K}_{\mathrm{d}}({K}_{\mathrm{h}} + 1)}$

(3)

$B=\frac{m}{18}\times \frac{{K}_{\mathrm{h}}-1}{{K}_{\mathrm{h}} + 1}$

(4)

$C=\frac{m}{18}\times \frac{{K}_{\mathrm{h}}{K}_{\mathrm{d}}}{{K}_{\mathrm{h}} + 1}$

(5)

通过不同相对湿度环境试样的等温吸湿曲线数据分析可得到拟合参数A、B、C的值，进而可以求解m、K_h和K_d的值，公式中 $\dfrac{m}{18}$ 的倒数 $\dfrac{18}{m}$ 表示木材中有效吸着基团被水合水饱和时的含水率，间接表达了水分吸着位点的数量。

利用各组试样的DVS数据拟合等温吸附曲线，进一步通过Clausius-Clapeyron公式^[15]分别计算考古木材与现代木材的微分吸着热Q_S、自由能变化ΔG和微分吸着熵ΔS，分析考古木材与现代木材在吸附热力学量间的差异，各热力学量的计算公式如下。

${Q_{\text{S}}} = 0.254\;{{{\text{d}}\left( {\ln \frac{1}{H}} \right)} \mathord{\left/ {\vphantom {{{\text{d}}\left( {\ln \frac{1}{H}} \right)} {{\text{d}}\left( {\frac{1}{T}} \right)}}} \right.} {{\text{d}}\left( {\frac{1}{T}} \right)}}$

(6)

$\Delta G= -\frac{\mathrm{R}T}{18} \ln\;H$

(7)

$\Delta S= Q_{\rm{S}} −\Delta G/T$

(8)

式中：T为温度（K）；R为气体常数。

T和H的值均由DVS实验的拟合数据获取，然后分别通过公式（6）、（7）计算得到Q_S和ΔG的值，进一步计算得到ΔS。

2. 结果与讨论

2.1 细胞壁结构

图1为考古木材与现代木材横切面、纵切面的SEM图片。对比考古木材与现代木材图像，可以发现在经历长时间的饱水腐朽下，考古木材除复合胞间层、细胞角隅保存相对完整外^[16-17]，其细胞壁结构发生了明显的变化，与现代木材完整有序的细胞排列相比（图1b），考古木材由于长时间遭受微生物降解，细胞结构发生破坏，细胞壁产生腐朽。

图 1 考古木材和现代木材的SEM图

Figure 1. SEM images of archaeological wood and recent wood

下载: 全尺寸图片幻灯片

具体而言，考古木材细胞壁上出现少量圆形孔洞（图1a），除此之外，从考古木材纵切面可见纹孔膜腐朽细节（图1c），并有菌丝体的存在（图1d），该菌丝体是导致考古木材在所处环境中受到降解的各类真菌的聚集体。Guo等^[11]通过氮气吸附法和压汞法对山桐子（Idesia polycarpa）考古木材多孔结构的研究结果表明，考古木材的中孔隙的总孔体积比现代木材样品增加了471%，这也进一步证明了本研究中考古木材孔洞增多的事实。

2.2 化学成分变化

对等量考古木材与现代木材样品的红外光谱进行归一化处理后，可用吸收峰高度半定量表示吸收峰所代表基团的含量^[18]，通过对比考古木材与现代木材试样红外光谱（图2）的特征吸收峰位置变化及消失情况，结合各特征吸收峰所代表的化学基团，研究得到考古木材3种主要化学成分（纤维素、半纤维素、木质素）的含量变化情况及极性基团−OH、−COOH类型和含量的变化情况。

图 2 考古木材与现代木材的红外光谱图

Figure 2. FTIR spectra of archaeological wood and recent wood

下载: 全尺寸图片幻灯片

3 337 ~ 3 401 cm⁻¹范围内的吸收峰代表极性基团−OH（O−H伸缩振动），考古木材在此处的吸收峰高度小于现代木材，证明考古木材中−OH含量减少。选取1 742 cm⁻¹（半纤维素C=O伸缩振动）、1 231 cm⁻¹（半纤维素酰氧键−COO伸缩振动）为半纤维素的代表特征峰，与现代木材相比，柏木考古木材的红外吸收光谱在1 742、1 231 cm⁻¹处吸光度变小，特别是在1 742 cm⁻¹处吸收峰几乎完全消失，证明考古木材细胞壁结构中的半纤维素降解严重；另一方面，1 231 cm⁻¹吸收峰代表半纤维素酰氧键−COO，考古木材在1 231 cm⁻¹处的吸收峰高度明显小于现代木材，证明考古木材半纤维素上的−COOH含量减少。

此外，由于考古木材纤维素结晶区中纤维素链的氢键网络的部分断裂，导致892 cm⁻¹处的峰几乎消失，而该处波峰代表C−H弯曲振动，并且对氢键系统的性质敏感，因此该峰几乎消失表明，在考古木材试样中形成更稳定氢键的羟基数量减少，同时这也表明考古木材中无论是无定形区还是结晶区中的纤维素链都发生部分降解^[19]。

指纹区吸收光谱峰数多、较为复杂，包含了更多能反映分子结构细微变化的信息^[20]。为了提供更多的信息，将FTIR光谱图分析细化至3个指纹区域（1 550 ~ 1 800 cm⁻¹、1 200 ~ 1 550 cm⁻¹和850 ~ 1 200 cm⁻¹），在这个范围内通过直接的红外光谱分析考古木材和现代木材仍存在一定局限性，因为指纹区往往存在高度重叠的峰，难以分辨和解析。为此，通过对考古木材和现代木材指纹区光谱进行分峰拟合处理，得到分峰拟合曲线，可以更直观地分析考古木材化学成分的变化。

通过对比考古木材和现代木材FTIR在1 550 ~ 1 800 cm⁻¹波数范围内的分峰拟合曲线（图3a）可以发现，考古木材在1 654 cm⁻¹（木质素中共轭C=O伸缩振动）处吸收峰吸光度值较高，这说明考古木材木质素相对含量升高。通过对比考古木材和现代木材FTIR在1 200 ~ 1 550 cm⁻¹波数范围内的分峰拟合曲线（图3b）可以发现，考古木材在1 418 cm⁻¹（木质素甲基中C−H弯曲振动）处吸收峰强度变大，代表考古木材木质素相对含量升高。通过对比分析考古木材和现代木材FTIR在850 ~ 1 200 cm^–1波数范围内的分峰拟合曲线（图3c）可以得到：考古木材在892 cm^–1（纤维素C−H弯曲振动）处峰几乎消失，这表明在考古木材中形成更稳定氢键的羟基数目减少；1 159 cm^–1（综纤维素C−O−C变形振动）处，考古木材吸收峰吸光度值很低，这表明综纤维素也有一定程度的降解。

图 3 考古木材与现代木材在1 550 ~ 1 800 cm^–1（a）、1 200 ~ 1 550 cm^–1（b）、850 ~ 1 200 cm^–1（c）波数范围内的分峰拟合曲线

Figure 3. Deconvolution of the “fingerprint” region for archaeological wood and recent wood FTIR spectrum 1 550 − 1 800 cm^–1 (a), 1 200 − 1 550 cm^–1(b), 850 −1 200 cm^–1(c)

下载: 全尺寸图片幻灯片

综上可以发现，考古木材与现代木材相比，半纤维素、纤维素降解严重，纤维素骨架结构受到破坏，因此在SEM下可观察到细胞壁产生腐朽，这种化学成分和化学结构的变化进一步导致了细胞壁孔洞的出现，从化学成分变化角度解释了SEM中观察到考古木材出现孔洞等腐朽现象的原因。通过Xia等^[21]的研究，考古木材木质素的化学结构也发生了变化，木质素仍会有降解，但考古木材中多糖类物质（纤维素、半纤维素）比芳环类物质（木质素）降解程度更高，因而木质素相对含量总体有升高趋势^[22-23]。除纤维素、半纤维素含量降低及木质素相对含量升高的变化外，考古木材中极性基团−OH、−COOH含量均减少，导致考古木材对水分的吸着减少。

2.3 吸附热力学分析

2.3.1 Hailwood-Horrobin模型拟合

通过Hailwood-Horrobin模型拟合等温吸附曲线，不仅可以得到给定温度下木材吸湿和解吸任意平衡含水率状态下的相对湿度，更可以通过研究考古木材与现代木材的曲线差异，帮助理解考古木材水分吸附行为的差异本质。

根据Hailwood-Horrobin模型分别拟合出在25和50 ℃下考古木材、现代木材的等温吸附曲线（图4）。从中可以看出各等温吸附曲线的拟合度R²值均高于0.99，即Hailwood-Horrobin模型能够较好地描述考古木材及现代木材的等温吸附曲线。所有的等温吸附曲线均呈现“S”形，这说明无论考古木材还是现代木材都属于Ⅱ类等温吸附曲线，具备多孔材料的吸附特征^[24-25]。在给定温度的每一个相对湿度条件下，考古木材的平衡含水率均高于现代木材，以温度为50 ℃，相对湿度为0.6时为例，考古木材平衡含水率为7.94%，现代木材为7.46%，考古木材是现代木材的1.1倍。这是因为图1a的 SEM图像显示考古木材物理环境遭到改变，细胞壁孔洞增多，即木材降解程度越大，木材细胞壁内孔隙越多，对水分的容纳空间增加，含水率越高，所以考古木材在经历长时间的降解后平衡含水率高于现代木材。

图 4 考古木材与现代木材的等温吸附曲线

Figure 4. Adsorption isotherms of archaeological wood and recent wood

下载: 全尺寸图片幻灯片

图5为50 ℃下考古木材吸湿和解吸平衡状态的等温吸附曲线，图5显示考古木材的解吸曲线始终位于吸湿之上，即出现了水分吸湿滞后现象。表1总结了在不同相对湿度条件下，考古木材、现代木材分别在25、50 ℃下的滞后率。从表1可以看出：随着温度或相对湿度的升高，考古木材和现代木材的滞后率均增大，即水分吸湿滞后均减小，这与以往研究结果一致^[13]；另一方面，考古木材与现代木材的水分吸湿滞后大小差异不大。

图 5 50 ℃下考古木材的吸湿和解吸等温吸附曲线

Figure 5. Adsorption and desorption isotherms of archaeological wood at 50 ℃

下载: 全尺寸图片幻灯片

2.3.2 吸湿平衡状态下的热力学量分析

2.3.2.1 微分吸着热

图6是吸湿平衡状态下考古木材与现代木材中水分的微分吸着热（Q_S）随含水率（moisture content，MC）的变化曲线，Q_S值越大表示木材中水分子与周围分子之间的结合力越强^[13]。与以往研究结果略有不同的是，在MC为5%处产生一明显拐点。根据曲线变化趋势，可以将曲线分为两个阶段，当MC小于 5%的低含水率状态下时，Q_S值逐渐增大直至达到最大值，这表明水分子和木材之间的氢键结合首先表现为单层分子之间的相互结合，且随MC增大，单个水分子和木材中的−OH形成了更多的氢键结合，相互作用更强，形成的键能更高^[18]。当含水率大于5%时，Q_S值随MC的增大而减小，此时单分子层吸着水几乎达到饱和，吸着水分子与木材实质之间形成的氢键结合作用变弱，键能降低^[13]。

表 1 考古木材、现代木材在25、50 ℃下不同相对湿度下的吸湿滞后

Table 1. Moisture sorption hysteresis of archaeological wood and recent wood under different relative humidities at 25 and 50 ℃

相对湿度 Relative humidity	滞后率 Hysteresis rate
相对湿度 Relative humidity	25 ℃考古木材 25 ℃-archaeological wood	50 ℃考古木材 50 ℃-archaeological wood	25 ℃现代木材 25 ℃-recent wood	50 ℃现代木材 50 ℃-recent wood
0.1	0.62	0.74	0.63	0.71
0.2	0.63	0.72	0.64	0.73
0.3	0.64	0.72	0.65	0.74
0.4	0.66	0.73	0.67	0.76
0.5	0.68	0.75	0.70	0.78
0.6	0.71	0.77	0.73	0.81
0.7	0.76	0.81	0.77	0.84
0.8	0.82	0.86	0.84	0.89
0.9	0.91	0.94	0.93	0.95

下载: 导出CSV

| 显示表格

图 6 考古木材与现代木材中水分的微分吸着热（Q_S）随含水率（MC）的变化曲线

Figure 6. Variation curves of differential heat of sorption (Q_S) of moisture in archaeological wood and recent wood against moisture content (MC)

下载: 全尺寸图片幻灯片

考古木材与现代木材相比，整体曲线形状基本相同，但考古木材的Q_S值随MC的变化曲线位于现代木材之下。根据上文FTIR分析，考古木材化学成分中纤维素、半纤维素大量降解，因此外界水分子可结合−OH、−COOH位点数量减少，这种化学环境的改变导致吸着水与木材分子之间的结合减少，Q_S值降低^[26]。

2.3.2.2 自由能变化

水分的自由能变化的物理意义是水分子润胀木材并切断木材分子相互间氢键结合，裸露木材吸着点所需做的功^[13]。基于图7所示吸湿平衡状态下考古木材与现代木材中水分的自由能变化ΔG值随MC的变化曲线，可以发现考古木材与现代木材的ΔG值均随MC的增大而减小。ΔG值与MC变化呈负相关可以解释为，MC升高使木材可塑性增大，吸着水分子与木材实质分子的协同运动加剧，因此裸露木材吸着点所需做的功减少。

图 7 考古木材（a）与现代木材（b）中水分的自由能变化（ΔG）随含水率的变化曲线

Figure 7. Variation curves of free energy change (ΔG) of moisture in archaeological wood (a) and recent wood (b) against moisture content

下载: 全尺寸图片幻灯片

其次，无论是考古木材或是现代木材，50 ℃相较于25 ℃的ΔG值都有一定程度的减小，这是因为温度升高吸着水分子能量增加，活动加剧，所需做的功减小。

2.3.2.3 微分吸着熵

微分吸着熵（ΔS）体现了木材中吸着的水分子与液态水分子相比排列规则上的差异，ΔS > 0代表木材中水分子排列更有规律^[13]。根据吸湿平衡状态下考古木材与现代木材中水分的ΔS值随MC的变化曲线（图8）可知：ΔS值与Q_S值随MC的变化曲线在MC小于5%呈现相似的变化趋势，都随MC的增大而增大。在MC小于5%的低含水率阶段，ΔS < 0表明木材中吸着的水分子比液态水分子更无序，这是因为此时木材中吸着的水分子主要为单分子层吸着水，它们比处于液体状态的水分子显示出更无序的状态；在经过5%的拐点之后，ΔS值随MC变化不明显。而随着MC的增大，ΔS值经历了由负到正、由无序到有序的变化，这说明吸着在木材中的水分子排列越来越规则。

图 8 考古木材与现代木材中水分的微分吸着熵（ΔS）随含水率的变化曲线

Figure 8. Variation curves of differential entropy of sorption (ΔS) of moisture in archaeological wood and recent wood againstmoisture content

下载: 全尺寸图片幻灯片

进一步分析考古木材与现代木材的曲线差异，考古木材ΔS值低于现代木材，这是因为考古木材在经历长期酸碱环境下软腐菌等真菌的降解后^[27]，细胞壁出现的孔洞分布是随机的，且与水结合的−OH分布也十分不均匀，造成考古木材中吸着的水分子排列更无序。

2.3.3 水分吸湿与解吸的比较

以50 ℃考古木材为例，分别绘制Q_S、ΔG、ΔS三大热力学量随MC的变化曲线，每张图包含吸湿和解吸平衡态下的两条曲线（图9）。发现吸湿和解吸变化曲线形状基本一致，但解吸的Q_S、ΔG和ΔS值均大于吸湿的值^[14]，对应于水分吸湿滞后（图5），这个现象即为“热力学吸湿滞后”，其表征在吸湿与解吸平衡态下，每一个吸着水分子与木材吸着点之间的氢键结合平均数的差异^[13]。

图 9 50 ℃下考古木材吸湿与解吸过程中的Q_S（a）、ΔG（b）、ΔS（c）随含水率的变化曲线

Figure 9. Variation curves of Q_S (a), Δ G (b), Δ S (c) in archaeological wood against moisture content during moisture adsorption and desorption at 50 ℃

下载: 全尺寸图片幻灯片

热力学吸湿滞后同样可以用水分吸湿滞后的“有效羟基说”^[28]解释，即在干燥状态下，部分木材吸着点之间形成氢键结合，当木材从干燥状态开始吸湿时，由于这部分已经形成的氢键结合的影响，处于游离状态能够吸着水分子的吸着点的数量减少，每个吸着水分子与木材吸着点之间的氢键结合平均数减少，从而吸湿的热力学量也低于解吸过程。

3. 结　　论

为探究考古木材的水分吸着行为与现代木材的差异机理，本研究从考古木材与现代木材微观结构与吸附热力学两个层面进行了研究。

考古木材三大主要成分（纤维素、半纤维素、木质素）均发生不同程度的降解，且考古木材中极性基团−OH、−COOH含量均减少，导致考古木材对水分的吸着减少。其中半纤维素、纤维素降解程度更大，因此在SEM中可观察到细胞壁产生腐朽，且可见孔洞分布；而考古木材中多糖类物质（纤维素、半纤维素）比芳环类物质（木质素）降解程度更高，因而木质素相对含量升高。

在吸附热力学研究中，通过DVS等温吸附实验并利用Hailwood-Horrobin模型拟合等温吸附曲线，在给定温度条件下考古木材的平衡含水率高于现代木材。结合Clausius-Clapeyron公式计算考古木材与现代木材的Q_S、ΔG和ΔS三大热力学量。考古木材因纤维素、半纤维素降解导致−OH、−COOH数量减小，Q_S值低于现代木材；考古木材与现代木材的ΔG值差异不大，且随温度升高而减小；考古木材的细胞壁孔洞、−OH分布不均匀，所以ΔS值低于现代木材；在MC小于5%，考古木材Q_S值和ΔS值随MC的变化曲线趋势相似，在此范围内木材中吸着的水分子主要为单分子层吸着水，随后在5%处产生一拐点，此时单分子层吸着水达到饱和，此后木材中吸着的水分子以多分子层吸着水占主导。最后，通过对比吸湿和解吸过程的热力学量（吸湿 < 解吸），发现考古木材存在热力学吸湿滞后现象。

基于以上对于考古木材水分吸着行为差异的研究，考古木材的吸湿性在经历长时间的泡水、腐朽下发生了较大变化，因此在出土饱水木质文物的保护工作中，建议采用各种物理、化学手段减少木质文物与环境中水分的相互作用，如涂覆防水涂层、浸渍脱水材料等，从而提高木质文物的尺寸稳定性^[29]，为我国出土饱水木质文物的保护提供理论支撑。

图 1 根据不同林分因子的伐区数量统计

Figure 1. Number of felling area according to different stand factors

下载: 全尺寸图片幻灯片

图 2 各材种出材率随林分平均胸径的变化

Figure 2. Change of average outturn percentage with stand average DBH

下载: 全尺寸图片幻灯片

图 3 各材种出材率随林分平均高的变化

Figure 3. Changes of average outturn percentage with stand average height

下载: 全尺寸图片幻灯片

图 4 各材种出材率随林分密度的变化

Figure 4. Changes of average outturn percentage with stand density

下载: 全尺寸图片幻灯片

图 5 各材种出材率随林分年龄的变化

Figure 5. Changes of average outturn percentage with stand age

下载: 全尺寸图片幻灯片

图 6 不同立地质量的各材种出材率

Figure 6. Average outturn percentage with different site qualities

下载: 全尺寸图片幻灯片

图 7 各杉木林分材种出材率在不同径阶的预测误差

箱型图显示了各径阶的出材率预测误差的均值、分位数、最大值、最小值和异常值。The box plots display the whiskers, percentiles and mean of the predicted errors of outturn percentages for each diameter class, as well as outliers.

Figure 7. Predicted errors of outturn percentages against diameter class for Cunninghamia lanceolata

下载: 全尺寸图片幻灯片

表 1 各伐区主要林分因子统计

Table 1 Statistics of stand factors for each felling area

林分因子 Stand factor	最小值 Minimum value	最大值 Maximum value	均值 Average value	SD	CV
伐区面积/hm² Cutting area/ha	0.2	21.0	4.3	3.766	0.876
平均胸径 Average DBH/cm	10.0	30.8	17.1	3.173	0.185
平均高 Average height/m	6.4	21.7	12.0	2.296	0.192
林分年龄/a Stand age/year	18	53	32	7.747	0.240
林分密度/（株·hm⁻²） Stand density/(tree·ha⁻¹)	360	4 890	1543	719.399	0.466
单位面积蓄积/（m³·hm⁻²） Stand volume unit area/(m³·ha⁻¹)	25.5	580.5	212.9	100.482	0.472

下载: 导出CSV

表 2 林分因子与材种出材率相关性分析

Table 2 Correlation analysis between stand factors and outturn percentage

林分因子 Stand factor	出材率 Outturn percentage
林分因子 Stand factor	规格材 Dimension timber	非规格材 Non-dimension timber	经济材 Commercial timber	薪材 Fuel wood	商品材 Merchantable timber	废材 Refuse wood
平均胸径 Average DBH	0.865**	−0.444**	0.888**	−0.837**	0.808**	−0.808**
平均高 Average height	0.854**	−0.438**	0.877**	−0.651**	0.861**	−0.861**
林分年龄 Stand age	0.278**	−0.255**	0.219**	−0.205**	0.200**	−0.200**
林分密度 Stand density	−0.310**	0.072	−0.397**	0.841**	−0.182**	0.182**
林分蓄积量 Stand volume	0.580**	−0.373**	0.527**	−0.023	0.673**	−0.673**
立地等级 Site level	−0.101*	−0.009	−0.159**	0.101*	−0.165**	0.165**
注：表示相关性达显著水平（p < 0.05），表示相关性达极显著水平（p < 0.01）。 Notes: indicates significant correlation (p < 0.05) and ** indicates extremely significant correlation (p < 0.01).

下载: 导出CSV

表 3 林分各材种出材率在不同立地等级的方差分析及多重比较结果

Table 3 Analysis of variance and multiple comparison results of the yield of various timber species in forest stands at different site levels

材种 Timber assortment	F	LSD多重比较 LSD multiple comparison
材种 Timber assortment	F	${\overline P _1}$ – ${\overline P _2}$	${\overline P _1}$ – ${\overline P _3}$	${\overline P _2}$ – ${\overline P _3}$
规格材 Dimension timber	3.361*	1.26	3.32*	2.06
非规格材 Non-dimension timber	1.070	1.00	0.60	−0.39
薪材 Fuel wood	4.028*	−0.73*	−0.85**	−0.12
废材 Refuse wood	8.871**	−1.53*	−3.08**	−1.54*
经济材 Commercial timber	8.474**	2.26*	3.92**	1.66*
商品材 Merchantable timber	8.871**	1.53*	3.08**	1.54*
注： ${\overline P _1}$ 、 ${\overline P _2}$ 、 ${\overline P _3}$ 分别代表Ⅰ、Ⅱ及Ⅲ类地的林分材种平均出材率。表示差异显著（p < 0.05），表示差异极显著（p < 0.01）。Notes: ${\overline P _1}$ , ${\overline P _2}$ and ${\overline P _3}$ represent the average outturn percentage in Ⅰ, Ⅱ and Ⅲ site level, respectively. indicates significant correlation (p < 0.05), and ** indicates extremely significant correlation (p < 0.01).

下载: 导出CSV

表 4 各材种出材率模型拟合结果

Table 4 Fitting results of outturn percentage model

材种 Timber assortment	模型 Model	a	b	c	d	均方根误差 Root mean square error	R²
规格材 Dimension timber	1	52.373	1.582	−1 041.905	4 155.411	3.548	0.932
	2	7.014	1.201	−0.040	21.756	3.533	0.933
	3	0.041	0.762			3.868	0.920
	4	−0.837	−0.186	3.675	0.649	27.471	0.074
	5	238.370	0.028	−2.864		3.536	0.933
经济材 Commercial timber	1	77.964	1.165	−546.872	1 846.520	2.110	0.954
	2	24.608	0.318	0.014	1.184	2.146	0.953
	3	13.207	0.196			2.260	0.947
	4	0.125	0.012	−0.077	−0.095	8.058	0.813
	5	−7.228	0.007	0.615		2.241	0.948
薪材 Fuel wood	1	15.770	−0.501	46.615	−145.045	1.313	0.815
	2	202.769	−0.828	−0.036	2.824	1.295	0.821
	3	140.439	−0.326			1.340	0.807
	4	0.048	0.007	−0.104	−0.038	3.641	0.024
	5	127.559	0.210	−8.463		1.359	0.801
注：a、b、c、d为模型求解参数。Note: a, b, c and d are the solving parameters of the model.

下载: 导出CSV

表 5 材种出材率模型适用性检验结果

Table 5 Results of suitability of volume ratio model

材种 Timber assortment	模型 Model	成对差分均值 Pairwise difference average value	成对差分标准差 Pairwise difference standard deviation	成对差分均值的标准误差 Standard error of pairwise difference average value	平均相对误差 Average relative error/%	T检验值 T test value	p
规格材 Dimension timber	1	0.309	3.730	0.333	0.142	0.093	0.926
	2	0.107	3.843	0.343	0.125	0.079	0.937
	3	−0.121	4.239	0.379	−0.557	−0.321	0.749
	5	0.272	3.615	0.323	0.437	0.333	0.740
经济材 Commercial timber	1	0.166	2.093	0.187	0.279	0.974	0.332
	2	0.203	2.134	0.190	0.033	1.066	0.289
	3	0.182	2.238	0.200	−0.056	0.834	0.406
	5	0.169	2.232	0.199	−2.146	0.850	0.397
薪材 Fuel wood	1	0.628	1.263	0.112	0.628	0.557	0.579
	2	0.593	1.239	0.110	−0.040	0.535	0.593
	3	0.442	1.284	0.114	−0.152	0.385	0.701
	5	0.342	1.313	0.117	−7.112	0.292	0.771

下载: 导出CSV

参考文献(32)

[1]	郑仁华, 施季森, 苏顺德, 等. 杉木第3代种子园营建技术及应用[J]. 森林与环境学报, 2018, 38(4): 406−413. Zheng R H, Shi J S, Su S D, et al. The establishment technique and application of the third generation seed orchard of Chinese fir[J]. Journal of Forest and Environment, 2018, 38(4): 406−413.
[2]	Wang Z, Zhang X Q, Chhin S, et al. Disentangling the effects of stand and climatic variables on forest productivity of Chinese fir plantations in subtropical China using a random forest algorithm[J]. Agricultural and Forest Meteorology, 2021, 304−305(11): 108412.
[3]	臧颢, 黄锦程, 刘洪生, 等. 杉木人工林碳汇木材多功能经营的最优轮伐期[J]. 北京林业大学学报, 2022, 44(10): 120−128. Zang H, Huang J C, Liu H S, et al. Optimal rotation period of carbon sequestration wood multifunctional management in Chinese fir plantation[J]. Journal of Beijing Forestry University, 2022, 44(10): 120−128.
[4]	Wang Z, Zhang X Q, Zhang J G, et al. Effects of stand factors on tree growth of Chinese fir in the subtropics of China depends on climate conditions from predictions of a deep learning algorithm: a long-term spacing trial[J]. Forest Ecology and Management, 2022, 520(84): 120363.
[5]	宋重升, 王有良, 张利荣, 等. 基于大径材培育下杉木人工林间伐初始期的确定[J]. 北京林业大学学报, 2022, 44(3): 45−54. Song C S, Wang Y L, Zhang L R, et al. Determination of initial thinning period of Chinese fir plantation based on large diameter timber cultivation[J]. Journal of Beijing Forestry University, 2022, 44(3): 45−54.
[6]	梁瑞婷, 孙玉军, 周来. 基于分位数回归法的杉木可变指数削度方程构建[J]. 北京林业大学学报, 2021, 43(7): 70−78. Liang R T, Sun Y J, Zhou L. Modeling variable exponential taper function for Cunninghamia lanceolata based on quantile regression[J]. Journal of Beijing Forestry University, 2021, 43(7): 70−78.
[7]	索沛蘅, 杜大俊, 王玉哲, 等. 杉木连栽对土壤氮含量和氮转化酶活性的影响[J]. 森林与环境学报, 2019, 39(2): 113−119. Suo P H, Du D J, Wang Y Z, et al. Effects of successive rotation Chinese fir plantations on soil nitrogen content and soil enzyme activities related to nitrogen transformation[J]. Journal of Forest and Environment, 2019, 39(2): 113−119.
[8]	韦如萍, 胡德活, 郑会全, 等. 杉木优树生长性状和材质性状的研究[J]. 中南林业科技大学学报, 2013, 33(2): 28−33. Wei R P, Hu D H, Zheng H Q, et al. Study on growth traits and wood properties of superior tree of Cunninghamia lanceolata[J]. Journal of Central South University of Forestry & Technology, 2013, 33(2): 28−33.
[9]	张丹丹, 李婧, 郭琪, 等. 氮添加对杉木人工林土壤氮有效性、溶解性有机氮和酸化的影响[J]. 西北农林科技大学学报(自然科学版), 2019, 47(12): 77−85, 114. Zhang D D, Li J, Guo Q, et al. Effects of nitrogen addition on soil nitrogen availability, dissolved organic nitrogen and acidification in a Chinese fir plantation[J]. Journal of Northwest A&F University (Natural Science Edition), 2019, 47(12): 77−85, 114.
[10]	孟宪宇. 测树学[M]. 北京: 中国林业出版社, 2006: 143−151. Meng X Y. Mensuration[M]. Beijing: China Forestry Publishing House, 2006: 143−151.
[11]	Andrezj W, Mariusz B, Agnieszka A, et al. Relationship between stand density and value of timber assortments: a case study for Scots pine stands in north-western Poland[J]. New Zealand Journal of Forestry Science, 2018, 48(1): 1−9. doi: 10.1186/s40490-017-0108-0
[12]	Holopainen M, Vastaranta M, Rasinmaki J, et al. Uncertainty in timber assortment estimates predicted from forest inventory data[J]. European Journal of Forest Research, 2010, 129(6): 1131−1142. doi: 10.1007/s10342-010-0401-4
[13]	李晓景, 江希钿, 庄崇洋, 等. 闽北天然阔叶林径阶材种结构分析及出材率表的编制[J]. 西南林业大学学报, 2012, 32(6): 39−42. Li X J, Jiang X D, Zhuang C Y, et al. Compilation of output structure of diameter grade wood assortments and volume ratio table for natural broad-leaved forest tree species in north Fujian Province[J]. Journal of Southwest Forestry University, 2012, 32(6): 39−42.
[14]	林剑峰. 马尾松人工林材种出材率表的研究[J]. 北京林业大学学报, 2001, 23(4): 35−38. Lin J F. Research on log rule of timbers from artificial Masson pine forest[J]. Journal of Beijing Forestry University, 2001, 23(4): 35−38.
[15]	李骏. 福州市国有林场杉木林林分材种出材率研究[D]. 福州: 福建农林大学, 2017. Li J. The research of outturn percentage of timber species in Fuzhou State-Owned Forest Farm fir[D]. Fuzhou: Fujian Agriculture and Forestry University, 2017.
[16]	赵铭臻, 王利艳, 刘静, 等. 间伐和施肥对杉木成熟林生长和材种结构的影响[J]. 浙江农林大学学报, 2022, 39(2): 338−346. Zhao M Z, Wang L Y, Liu J, et al. Effects of thinning and fertilization on growth and timber structure of mature Chinese fir forest[J]. Journal of Zhejiang A&F University, 2022, 39(2): 338−346.
[17]	张水松, 陈长发, 吴克选, 等. 杉木林间伐强度材种出材量和经济效果的研究[J]. 林业科学, 2006, 42(7): 37−46. Zhang S S, Chen C F, Wu K X, et al. Studies on the timber assortment outturn and economic benefit of the intermediate cutting intensity for Cunninghamia lanceolata stands[J]. Scientia Silvae Sinicae, 2006, 42(7): 37−46.
[18]	邓伦秀. 杉木人工林林分密度效应及材种结构规律研究[D]. 北京: 中国林业科学研究院, 2010. Deng L X. Studies on stand density effect and timber grade structure of Cunninghamia lanceolata plantations[D]. Beijing: Chinese Academy of Forestry, 2010.
[19]	郭书彬, 宋熙龙, 尤海舟, 等. 经营密度对华北落叶松人工林生长的影响[J]. 中南林业科技大学学报, 2018, 38(4): 1−5. Guo S B, Song X L, You H Z, et al. Effects of forest density on Larix principis-rupprechtii plantation[J]. Journal of Central South University of Forestry & Technology, 2018, 38(4): 1−5.
[20]	相聪伟, 张建国, 段爱国, 等. 杉木人工林材种结构的立地及密度效应研究[J]. 林业科学研究, 2015, 28(5): 654−659. Xiang C W, Zhang J G, Duan A G, et al. Effects of site quality and planting density on wood assortment rate in Chinese fir plantation[J]. Forest Research, 2015, 28(5): 654−659.
[21]	王素萍, 江希钿, 杨锦昌. 杉木人工林林分材种出材率变化规律的分析[J]. 福建林学院学报, 2002, 22(2): 146−149. Wang S P, Jiang X D, Yang J C. An analysis on the change law of output of wood sort for Cunninghamia lanceolata plantation[J]. Journal of Fujian College of Forestry, 2002, 22(2): 146−149.
[22]	李明阳. 森林经营规划[M]. 北京: 中国林业出版社, 2022: 136−141. Li M Y. Forest management planning[M]. Beijing: China Forestry Publishing House, 2022: 136−141.
[23]	福建省市场监督管理局. 森林立地分类与立地质量等级: DB35/T 169—2022[S]. 福州: 福建省市场监督管理局, 2022. Market Supervision Administration of Fujian Province. Forest site classification and site quality grade: DB35/T 169−2022[S]. Fuzhou: Market Supervision Administration of Fujian Province, 2022.
[24]	福建省市场监督管理局. 主要用材树种出材量测算方法: DB35/T 1876—2019[S]. 福州: 福建省市场监督管理局, 2019. Market Supervision Administration of Fujian Province. A calculating methods standard on output volume of main timber tree species: DB35/T 1876−2019[S]. Fuzhou: Market Supervision Administration of Fujian Province, 2019.
[25]	王梓名, 赵明明, 任云卯, 等. 主伐龄油松建筑材林生长及土壤性质对林分密度的响应[J]. 北京林业大学学报, 2022, 44(12): 88−101. Wang Z M, Zhao M M, Ren Y M, et al. Response of growth and soil properties of Chinese pine building timber forest at felling age to stand density[J]. Journal of Beijing Forestry University, 2022, 44(12): 88−101.
[26]	孙余丹, 刘爽, 刘金祥, 等. 不同红树林群落结构与植被碳分布[J]. 东北农业大学学报, 2018, 49(11): 58−64. Sun Y D, Liu S, Liu J X, et al. Community structure and vegetation carbon distribution of different mangrove forests[J]. Journal of Northeast Agricultural University, 2018, 49(11): 58−64.
[27]	金菊良, 杨晓华, 丁晶. 标准遗传算法的改进方案—加速遗传算法[J]. 系统工程理论与实践, 2001, 21(4): 8−13. Jin J L, Yang X H, Ding J. An improved simple genetic algorithm-accelerating genetic algorithm[J]. Systems Engineering—Theory & Practice, 2001, 21(4): 8−13.
[28]	黄朝法. 相容性杉木人工单木二元材种出材率模型[J]. 武夷学院学报, 2019, 38(6): 33−37. Huang C F. Compatible individual tree two-way merchantable volume model of Cunninghamia lanceolata plantation[J]. Journal of Wuyi University, 2019, 38(6): 33−37.
[29]	郭光智, 段爱国, 张建国, 等. 南亚热带杉木人工林材种结构长期立地与密度效应[J]. 林业科学研究, 2020, 33(1): 35−43. Guo G Z, Duan A G, Zhang J G, et al. Long-term effects of site and density on timber assortment structure of Chinese fir plantations in south subtropical area, China[J]. Forest Research, 2020, 33(1): 35−43.
[30]	郑鸣鸣, 任正标, 王友良, 等. 间伐强度对杉木中龄林生长和结构的影响[J]. 森林与环境学报, 2020, 40(4): 369−376. Zheng M M, Ren Z B, Wang Y L, et al. Effect of thinning intensity on the growth and structure of a middle-aged Chinese fir forest[J]. Journal of Forest and Environment, 2020, 40(4): 369−376.
[31]	周国模, 郭仁鉴, 韦新良, 等. 浙江省杉木人工林生长模型及主伐年龄的确定[J]. 浙江林学院学报, 2001, 18(3): 219−222. Zhou G M, Guo R J, Wei X L, et al. Growth model and cutting age of Chinese fir planted forest in Zhejiang Province[J]. Journal of Zhejiang Forestry College, 2001, 18(3): 219−222.
[32]	陈平留, 刘健, 郑德祥. 速生丰产优质杉木林经济效益分析及伐期确定[J]. 林业科学, 2001, 37(增刊1): 47−51. doi: 10.11707/j.1001-7488.2001S109 Chen P L, Liu J, Zheng D X. The confirmation of harvesting period and the analysis of economic effect on the productive and high-quality Chinese fir plantation[J]. Scientia Silvae Sinicae, 2001, 37(Suppl.1): 47−51. doi: 10.11707/j.1001-7488.2001S109

施引文献(9)

期刊类型引用(6)

1.	冯林艳，周火艳，赵晓迪. 乌兰布和沙漠两种植物的分布格局及其变化. 南京林业大学学报(自然科学版). 2024(01): 155-160 . 百度学术
2.	曾红，徐永艳，邵琳亚，闻永慧，夏小丽，汪琼. 4种植物叶片浸提液成分分析及其对珊瑚樱种子萌发的影响. 西南林业大学学报(自然科学). 2023(04): 39-46 . 百度学术
3.	马光宗，徐高峰，杨韶松，杨云海，张付斗，温丽娜，陶琼，申时才，叶敏. 甘薯提取物对3种杂草种子萌发和幼苗生长的化感作用. 西南农业学报. 2022(06): 1295-1302 . 百度学术
4.	路文杰，佛芒芒，肖毅，王永新，杜利霞，钟华，赵祥，董宽虎. 草地植物凋落物浸提液对根际微生物碳源利用的影响. 中国草地学报. 2021(06): 35-42 . 百度学术
5.	张林媚，刘姝玲，郭彩云. 立地条件对榆林沙区樟子松嫁接红松生长的影响. 林业科技通讯. 2021(11): 32-37 . 百度学术
6.	王方琳，尉秋实，柴成武，王理德，张德魁，王昱淇，王飞，胡小柯. 沙蒿（Artemisia desertorum）浸提液对自身种子萌发与幼苗生长的化感作用. 中国沙漠. 2021(06): 21-28 . 百度学术

其他类型引用(3)

资源附件(0)

图(7) / 表(5)

计量

文章访问数: 531
HTML全文浏览量: 179
PDF下载量: 100
被引次数: 9

1. 材料与方法
1.1 材　料
1.2 细胞壁微观形貌表征
1.3 化学成分表征
1.4 吸附热力学量测定
2. 结果与讨论
2.1 细胞壁结构
2.2 化学成分变化
2.3 吸附热力学分析
2.3.1 Hailwood-Horrobin模型拟合
2.3.2 吸湿平衡状态下的热力学量分析
2.3.2.1 微分吸着热
2.3.2.2 自由能变化
2.3.2.3 微分吸着熵
2.3.3 水分吸湿与解吸的比较
3. 结　　论

1. 材料与方法
1.1 材　料
1.2 细胞壁微观形貌表征
1.3 化学成分表征
1.4 吸附热力学量测定
2. 结果与讨论
2.1 细胞壁结构
2.2 化学成分变化
2.3 吸附热力学分析
2.3.1 Hailwood-Horrobin模型拟合
2.3.2 吸湿平衡状态下的热力学量分析
2.3.2.1 微分吸着热
2.3.2.2 自由能变化
2.3.2.3 微分吸着熵
2.3.3 水分吸湿与解吸的比较
3. 结　　论

参考文献(32)

施引文献(9)

资源附件(0)

杉木主伐林分材种结构及其出材率模型研建

作者简介: 潘昕，博士生。主要研究方向：森林经营和资产评估研究。Email：363988391@qq.com 地址：350002福建省福州市仓山区上下店路15号福建农林大学

责任作者: 江希钿，博士生导师，教授。主要研究方向：森林经营和资产评估研究。Email：fjjxd@126.com 地址：同上

计量

出版历程