Allocation characteristics and prediction models of water storage capacity among different tree species in Jiaohe, Jilin Province of northeastern China
-
摘要:目的
分析吉林蛟河12个乔木树种整株及各组分含水率和储水量分配特征，构建并筛选各树种最优储水量预测模型，探讨不同树种储水量随森林发育阶段的变化，为该地区森林树种储水量估算提供模型参考。
方法采用单因素方差分析，对比12个树种不同器官含水率和储水量占比的差异，并通过多重比较法进行显著性检验。应用肯德尔秩相关分析法，以胸径（D）、树高（H）、D2H为模型自变量，整株及各器官储水量为因变量，构建多种形式的储水量预测模型，并通过模型决定系数、参数显著性以及赤池信息准则筛选最优模型。结合林地信息，计算不同发育阶段树种的储水量。
结果（1）12个树种器官平均含水率顺序为树叶 > 树根 > 树枝 > 树干。除千金榆外，其余树种在各器官储水量分配上普遍呈现树干 > 树根 > 树枝 > 树叶的趋势。随胸径增大，树枝储水量占比增大，而树干与树叶的储水量占比减小，树根储水量变化不显著。（2）12个树种的储水量预测模型均为对数函数形式，不同树种器官的最优模型自变量各异。（3）随着森林演替，单位面积乔木的储水量和生物量均增加。
结论本研究揭示了储水量占比和含水率在器官间与物种间存在显著差异，其中储水量与树高、胸径之间存在种间特异性，且不同器官储水量占比随胸径增长呈现不同变化趋势。所筛选的储水量最优模型均为对数函数形式，其中单树种储水量预测模型具有较高的拟合精度，而全树种模型更适用于估算区域性储水量。本文阐明了吉林蛟河树木水分状况在不同时空尺度上的变化规律，有助于加深对生态系统动态过程的理解，并为该地区森林树种储水量的精确估算提供了可靠的模型参考。
Abstract:ObjectiveThis paper analyzed the distribution characteristics of moisture contents of 12 tree species in northeastern China and species-specific allometric equations of 12 tree species were established to explore the differences in water storage capacity characteristics among different tree species with forest developing, as well as providing model reference for the estimation of water storage capacity in this area.
MethodOne-way ANOVA and multiple comparison methods were used to contrast differences in moisture content and water storage capacity proportion among various organs across the 12 tree species. Utilizing Kendall’s rank correlation analysis to identify DBH (D), tree height (H), and D2H as predictor variables in water storage capacity prediction models with whole-tree and organ-specific water storage capacity serving as response variables. Different forms of water storage capacity prediction models were constructed based on these relationships. Optimal models were selected through evaluation using the coefficient of determination, parameter significance level, and Akaike’s information criterion. Integrating stand information, this approach was employed to calculate the water storage capacity of trees across varied developing stages.
Result(1) Overall, average moisture content was highest in leaves, followed by roots, branches, and stems. Except for Carpinus cordata, all other species showed a consistent pattern in water allocation across organs: stem > root > branch > leaf. As D increased, the proportion of branch water storage capacity increased, while the proportion of stem and leaf water storage capacity decreased, with no significant changes in root water storage capacity. (2) The water storage capacity prediction models for all 12 tree species were best represented by logarithmic functions. The optimal independent variables for organ moisture content models of different tree species were different. (3) With forest succession, both water storage capacity and biomass per unit area increased.
ConclusionThe study highlights significant differences in water storage capacity and distribution among organs and tree species, with species-specific relationship between water storage capacity and D, as well as H. The percentage of water storage capacity of different organs shows different trends with the increase of breast diameter. The water content prediction models for all 12 tree species were best represented by logarithmic functions. The single-species models have higher fitting accuracy, while the multi-species model has broader application. This research elucidates the spatiotemporal dynamics of water status in temperate-boreal tree species, contributing to a deeper understanding of ecosystem dynamics. It provides a scientific basis for accurate estimation of tree water storage capacity in the forest region of Jiaohe, Jilin Province of northeastern China.
-
近年来，以全球变暖为主要标志的气候变化给生态系统带来了巨大的压力[1-4]，陆地生态系统的生产力以及水分利用也受到了严重的影响[5-7]。而树木水分利用效率（water use efficiency，WUE）可以反映生态系统对全球气候变化的响应和描述不同生态系统的碳水循环关系 [8]。因此研究WUE不仅可以揭示生态系统对气候变化响应机理，还可以为区域气候变化对生态系统碳水耦合关系的影响提供科学的评价依据。
因研究目的、对象不同，WUE一般可分为生态系统、群体、叶片、以及个体4个方面。生态系统WUE是指植物消耗单位质量水分所固定的二氧化碳或生产干物质的量，因研究尺度、研究领域及获取数据手段的差异，不同的研究对生态系统WUE的计算往往存在一定的区别[9]。群体水平WUE是植物累计一段时期的干物质积累量与作物耗水量的比值，在植物群体水平上研究WUE时，其测算需要在大田试验中进行，工作复杂繁琐，计算出来的WUE不够准确[10]。叶片尺度上的WUE定义为单位通过蒸腾作用消耗单位水量时光合作用形成的有机物量[11]，在叶片尺度上研究植物的WUE，只能测得叶片尺度瞬时值，缺乏长时间尺度WUE的研究。而基于树木年轮稳定碳同位素的水分利用效率研究可以反映植物个体的长期WUE[12]，已有研究表明这一方法的可行性 [13-15]，并且该方法采样破坏性小，测定简单且不受时间和季节的限制[16]。目前国内外学者也进行了许多关于树木年轮稳定碳同位素方法研究植物WUE对气候变化响应的工作，如路伟伟等[17]研究北京山区油松（Pinus tabuliformis）WUE发现，区域整体WUE年际变化与温度呈显著负相关关系，与降水量呈正相关关系。Kannenberg等[18]研究美国西部灌木丛和森林的WUE发现，随着气候变得越来越干燥，美国西南部植物的WUE快速增加。Gagen等[19]利用树轮δ13C研究北芬诺斯干地亚植物的WUE发现，樟子松（Pinus sylvestris）WUE随着CO2浓度的升高而升高，但随着CO2浓度逐渐升高，樟子松WUE的升高出现了阈值。由于生态系统植被类型的多样性以及水分利用的有效性，气候因子对不同生态系统WUE的影响存在较大的差距，不同生态系统WUE的变化特征以及对气候变化的响应也不同。为此针对不同区域生态系统树木WUE进行研究是非常有必要的。
日本柳杉（Cryptomeria japonica）是庐山植被类型的重要树种组成部分，主要分布在海拔700 m以上的常绿针叶人工林，在水源涵养、净化大气环境、森林游憩等生态功能上发挥了重要的作用[20]，并且有着较高的生态效益和经济效益。因此本文以庐山日本柳杉作为研究对象，基于树木年轮和稳定碳同位素方法，分析气候变化背景下庐山日本柳杉WUE的变化特征以及庐山日本柳杉WUE与主要气候因子之间的关系，有助于庐山日本柳杉的碳汇能力评估以及提升森林的经营管理水平，对评估庐山日本柳杉的碳水耦合关系提供科学的理论支持。
1. 研究方法与数据来源
1.1 研究区概况
庐山位于江西省九江市（115°51′ ~ 116°07′E，29°30′ ~ 29°41′N），东偎鄱阳湖，海拔25.0 ~ 1 473.8 m，是著名的避暑胜地，气温适度，年平均最高温度32 ℃，最低气温−16.8 ℃，全年平均温11.4 ℃，全年平均降雨量1 917 mm，属湿润气候区（图1）。充足的水热条件及海拔的差异，共同造就了庐山丰富的植被资源[21]。高达40种植物在庐山地区首次被发现或者以庐山（牯岭）来命名。在植被类型区域划分上虽然属于亚热带常绿阔叶林，由于海拔高度具有较大的差异，因此植被类型上又极具多样性。海拔在1 000 m以下多为常绿或者是常绿落叶混交林，海拔在1 000 ~ 1 300 m为落叶阔叶林带[22]。生长在海拔较低处的植被由于受到人为活动的影响，植被破坏较为严重，而海拔较高处植被生长相对较好，对生态系统水源涵养的调节具有一定的作用[23]。
1.2 树木年轮的采集与碳同位素的测定
本研究根据国际树木年轮数据库的采样准则[24]，于2019年7月份在庐山3个不同海拔点取样（采样点1、2、3，见图1），海拔分别为800、950和1 150 m，平均树高为18.6、20.0和19.5 m，平均胸径为29.2、30.5和30.1 cm，林分密度为780 株/hm 2，郁闭度 0.6。每个样点取40个样芯。3个采样点的庐山日本柳杉生长良好，受人类活动以及自然灾害影响较小。
通过对日本柳杉样品进行交叉定年[25]，选取其树轮无生长异常、年轮宽度变化趋势较为一致、早晚材年轮界限明显的树芯用于稳定同位素的δ13C测定。具体步骤：用不锈钢刀由外而内逐年剥取全木，某些极窄年份的剥取在显微镜的辅助下进行精确切割，将不同树芯的相同年份合并在一起，置于80 ℃的烘箱中烘干至恒质量，枝剪剪碎之后的木材碎屑用高通量组织研磨仪研磨粉碎，过100目筛后装于5 mL离心管中，用于碳同位素测定分析，然后将样品粉末置于V（苯）∶V（乙醇） = 2∶1混合溶液中抽提24 h，除去树脂、树蜡及单宁类等有机物[26]。天平（精度0.001 mg）称取（0.20 ± 0.05） mg抽提好的样品包裹于锡杯中，在赛默飞稳定同位素质谱仪（delta v advantange）中将样品高温燃烧转换为气体，测量精度0.01‰，试验误差小于0.2‰[27]，测得稳定碳同位素的比值，即13C丰度（δ13C），每测定10个样品插入1个标样来测定仪器的稳定性（处理的树轮样品在江西农业大学森林培育重点实验室内进行分析测定），根据国际标准进行校正后得到日本柳杉稳定碳同位素δ13C值。
1.3 数据来源及处理
本文所用的气象数据来源于中国气象数据网（http://data.cma.cn/site/index.html）的庐山站日气象数据（庐山站的位置见图1），主要包括1968—2018年的平均气温（T）、最高温度、最低温度、相对湿度、降水量（W）、日照时数、平均风速（Ws）等日值数据。
参考1998年联合国粮农组织推荐的计算公式，利用日照时数数据作为输入参数计算庐山多年的太阳辐射（Rs），详细计算步骤可具体参阅文献[28]。为更准确量化庐山干旱严重程度，使用标准化降水蒸散指数（standardized precipitation evapotranspiration index，SPEI）、标准化降水指数（standardized precipitation index，SPI）以及湿度指数（wet index，WI）来表示庐山地区的干旱情况。SPEI和SPI的计算步骤具体参阅文献[29]，WI的计算计算步骤具体参阅文献[30]。利用树木年轮稳定碳同位素值、大气CO2中碳同位素比值和WUE关系来估算庐山日本柳杉1969—2018年的水分利用效率变化，根据Farquhar[13]推荐的公式计算δ13C。
δ13C=(13C/12C)sample−(13C/12C)PDB(13C/12C)PDB×1000‰ (1) 式中：（13C/12C）sample是测试样品13C/12C的摩尔比率； （13C/12C）PDB是标样13C/12C的摩尔比率，δ13C是树木年轮稳定碳同位素比值。
WUE可通过Δ与Ca值之间的关系计算获得[31]。
Δ=δ13Cp−δ13C1+δ13Cp (2) WUE=Ca×(b−Δ)1.6×(b−a) (3) 式中：δ13Cp是大气CO2碳同位素比值，Δ是指树木叶片和空气在光合作用期间同位素水平的差异δ13C的判别值；a是CO2扩散过程中的同位素分馏，取4.4‰，b为CO2羧化过程中的同位素分馏，取27.4‰，此外，系数1.6表示空气中水蒸气与CO2的扩散率之比。Ca为大气二氧化碳浓度，大气二氧化碳浓度由全球系统研究实验室（https://ngdc.noaa.gov/ftp.html）提供。
1.4 统计方法
本文采用一元线性回归模型分析1969—2018年庐山日本柳杉WUE的动态变化趋势[32-33]。并采用曼−肯德尔（M-K）突变分析方法，研究庐山日本柳杉WUE的突变年份[34]。
为预测庐山日本柳杉水分利用效率未来变化趋势，利用Hurst指数（H）进行计算，H是定量描述时间序列的自相似性以及长程依赖性的方法，常采用R/S分析法[35]。本研究中R表示50年日本柳杉WUE序列的极差，S为该时间段WUE的标准差，R/S为极差与标准差的比值，ln为对数函数，τ为偶数序列。当0.5 < H < 1，表明时间序列变化具有持续性的序列，未来的变量与过去的变量是一致的关系；H = 0.5，说明时间序列为相互独立，不存在相互影响的随机序列；0 < H < 0.5，表明时间序列变化具有反持续性的序列，未来的变量与过去的变量是完全相反的序列。其中R2越接近1，显著性越强。植物在生长过程中，气候因子对其生长通常表现出一定的“滞后效应”[36]，树木生长不仅受当年生长季气候因子的影响，还会受到上一年生长季后期气候因子变化的影响。因此，本研究选取上一年7月至当年12月共18个月份的气象数据进行相关性分析和多元回归分析。
2. 结果与分析
2.1 庐山地区各气候因子动态变化
通过对庐山1968—2018年各月气候因子的统计分析得到如图2的结果。从图2可以看出，干旱指数SPEI、WI以及SPI月变化基本一致。大致从2月到6月表现出下降的趋势，呈干旱趋势发展，SPEI和SPI在7月到10月波动较平缓，WI波动较大；干旱指数SPEI、WI以及SPI在12月呈上升趋势（图2a）。月平均气温从1月到7月呈上升趋势，最高气温出现在7月，为22.5 ℃；从8月到12月呈下降趋势，最低气温出现在1月，为0.3 ℃（图2b）。庐山地区的月平均太阳辐射和月平均风速最高出现在7月，为590.37 MJ/m2和4.94 m/s，月平均太阳辐射最低在1月，为285.72 MJ/m2，月平均风速最低在12月，为 3.53 m/s（图2c）。月平均降水量从1月到6月呈上升趋势，降水量最高出现在6月，为299.54 mm，最低出现在12月，为58.33 mm（图2d）。
![]()
图 2 庐山地区1968—2018 年月均SPI、SPEI、WI、T、Rs、Ws和W的变化及趋势Figure 2. Average changes and trends of SPI, SPEI, WI, T, Rs, Ws and W in Lushan Mountain area from 1968 to 20182.2 庐山日本柳杉年轮稳定碳同位素值以及大气二氧化碳同位素值变化规律
如图3a所示，本研究中树轮δ13C序列没有因幼龄效应而表现出明显的趋势变化。日本柳杉δ13C序列变动范围在−23.09‰ ~ −25.67‰，年平均−24.55‰。这与O’Leary等[37]的研究得出自然条件下生长的陆地C3植物碳稳定同位素变化范围在−22‰ ~ −34‰的结论是相符的。庐山日本柳杉的δ13C总体呈递减趋势，平均每10年下降0.34‰。线性回归方程的相关系数R2 = 0.59，δ13C下降趋势显著。但在2001年后有小幅度上升趋势，最大值达到−24.35‰，在2010年呈下降趋势发展，最小值为−25.67‰。庐山δ13Cp序列（1969—2018）变动范围在−7.29‰ ~ −8.93‰（图3b），在1969—2018年总体上是逐年递减的趋势，线性回归方程的相关系数R2 = 0.98，下降趋势显著，平均每10年下降0.32‰。
![]()
图 3 庐山日本柳杉年轮稳定碳同位素值和大气CO2碳同位素值变化及趋势Figure 3. Changes and trends of stable carbon isotope values (δ13C) and atmospheric CO2 carbon isotope values (δ13Cp) of Cryptomeria japonica2.3 庐山日本柳杉水分利用效率的变化特征
如图4a所示，1969—2018年间，庐山日本柳杉的WUE变动范围在91.06 ~ 118.89 μmol/mol，年平均值102.37 μmol/mol，总体呈现上升趋势，平均每10年上升5.2 μmol/mol，2013年出现最大值，为118.89 μmol/mol，最小值出现在1985年，为91.06 μmol/mol。为明确庐山日本柳杉WUE的年际变化特征，本研究对WUE进行了M-K突变分析和Hurst指数分析。从图4b的M-K突变分析可知：WUE呈低−高的趋势走向。1969—1987年，UF呈下降趋势，表明在这一时期，庐山日本柳杉WUE呈下降趋势，1988—2018年，UF呈上升趋势，表明庐山日本柳杉WUE呈上升趋势。庐山日本柳杉WUE的UF、UB交点出现在2004年（图4b），但庐山日本柳杉的WUE交点并不在±1.96临界线值范围内，没有通过0.05的检验，因此该年份的WUE交点上升不具有突变性。在双对数坐标系可以拟合得到年际庐山日本柳杉WUE的时间序列ln（R/S）与ln（τ/2）线性关系图（图4c）。由图4c可知，R/S趋势预测点之间存在良好的线性关系，R2 = 0.91，接近1，模型可行度高，线性拟合效果好。线性拟合的斜率为0.816 8，即Hurst指数估计值为0.816 8，表明庐山日本柳杉的WUE时间序列具有持续性关系，在未来变化中与过去存在较强的相关性，因此未来庐山日本柳杉的WUE呈现上升趋势。
![]()
图 4 庐山日本柳杉水分利用效率的变化特征及趋势WUE. 水分利用效率； UB.逆序时间序列变化；UF.顺序时间序列变化；R.极差；S.标准差；τ.偶数序列；ln.对数函数。WUE, water use efficiency; UB, inverse-order time series variation; UF, sequential time series variation; R, range; S, standard error; τ, even sequences; ln, logarithmic function.Figure 4. Variation characteristics and trends of water use efficiency of Cryptomeria japonica2.4 庐山日本柳杉水分利用效率与气候变化的相关分析以及多元回归模型解释
从庐山日本柳杉WUE序列与月气候变化的相关性分析（图5）可知：庐山日本柳杉WUE与各月气温大多呈正相关关系，与上年的7月、9—11月和当年的2—6月、9—11月呈显著正相关系，其中与上年的9月和当年的3—5月以及9月温度达到极显著正相关系；庐山日本柳杉WUE与各月太阳辐射大多呈负相关，但相关性不显著；WUE与干旱指数上年7—12月份、当年1—12月份干旱指数SPEI、SPI以及WI均呈负相关，但相关性不显著；庐山日本柳杉WUE与上年7—12月、当年1—12月风速均呈极显著负相关关系；WUE与上年7—12月至当年1—12月降水均无显著关系。在庐山日本柳杉的生长过程中， T和Ws在很大程度上驱动了日本柳杉水分利用效率的变化。通过多元线性回归方法将相关气候因子数值进行标准化来描述庐山日本柳杉水分利用效率与月气候因子之间的关系，回归过程选用逐步回归。得到庐山日本柳杉水分利用效率的回归方程。
![]()
图 5 庐山日本柳杉WUE与月气候变化的相关性P 为上年月份，C 为当年月份。**表示在置信度（双侧）为0.01时相关性显著；*表示在置信度（双侧）为0.05时相关性显著。P represents the month in previous year, C represents the month in current year. ** indicates a significant correlation at a confidence level (bilateral) of 0.01, * indicates that the correlation is significant at a confidence level (bilateral) of 0.05.Figure 5. Correlations between WUE of Cryptomeria japonica and monthly climate change in Lushan MountainWUE=58.349−3.733Ws1+1.487T3+1.690T9+1.667T−9−3.377Ws12(P<0.05，R2=0.65) 式中：WUE表示庐山日本柳杉水分利用效率，庐山日本柳杉水分利用效率主要与Ws1（当年1月风速）、T3（当年3月均温）、T9 （当年9月均温）、T−9（上年9月均温）、Ws12（当年12月风速） 相关。
3. 讨 论
3.1 干旱对日本柳杉水分利用效率的影响
水分利用效率是用来衡量植物个体或生态系统水平上碳水耦合关系的重要指标，能够揭示植物个体或生态系统WUE的变化特征[38]。WUE的影响因子随地区和尺度的不同而变化[39]。在本次研究中，本文选3个干旱指数进行庐山日本柳杉水分利用效率对干旱的响应验证发现，无论是SPEI、SPI还是WI，对庐山日本柳杉长期WUE的影响较小或者没有影响，均呈负相关关系（P > 0.05）。Song等[40]对西南亚热带常绿原生林水分利用效率研究表明亚热带常绿森林在干旱年的WUE呈增加趋势。一般认为，不同的生态系统WUE对干旱的响应是不同的。Liu等[41]对中国陆地生态系统水分利用效率与干旱响应研究发现在中国南方，中度和极端干旱会导致WUE下降，严重干旱往往导致WUE略有上升，而在东北和内蒙古中部地区轻微干旱通常会导致WUE增加。杜晓铮等[7]在研究陆地生态系统水分利用效率对气候变化的响应研究综述表明，在不同的气候区域干旱对WUE的影响有所差异，不同生态系统WUE对干旱的响应不同。有研究表明，干旱对植物的水分利用效率存在一定的滞后影响[42]。在本研究中发现，干旱对庐山日本柳杉WUE没有产生滞后影响。在湿润区，干旱发生的同时由于太阳辐射的射入，可能会加快植物的生长速度，同时蒸腾作用也会损失一部分的水分，造成植物WUE呈现出下降的趋势。在本次研究我们也发现，降水与 WUE呈负相关关系（P > 0.05），但相关性不显著。这可能是由于庐山地处湿润区，降水丰富，导致植物叶片气孔导度增大、蒸腾速率增强，造成了庐山日本柳杉水分利用效率的降低。
3.2 气温对日本柳杉水分利用效率的影响
温度对于植物水分利用的影响较为复杂。我们发现，气温对庐山日本柳杉的水分利用效率存在一定的滞后影响，上年的9月气温与庐山日本柳杉WUE呈显著正相关关系，当年的9月气温与庐山日本柳杉WUE也呈显著正相关关系。可能是由于气温适中，植物酶活性增强，从而影响植物水分利用。周佳等[43]利用树木年轮研究河南民权与陕西白水刺槐（Robinia pseudoacacia）水分利用效率对气候的响应表明，两地刺槐WUE与平均温度存在显著正效应关系。一定范围内，温度升高，叶片的气孔导度增加，植物的净光合速率大于蒸腾速率，造成植物WUE升高。崔茜琳等[44]利用MODIS数据研究青藏高原植被水分利用效率，青藏高原植被的WUE 与气温呈显著正相关关系，WUE的敏感性随气温的升高而增加。仇宽彪等[45]对陕西省各植被类型WUE研究时发现，在温度低于11 ℃的地区WUE和温度呈现显著正相关（P < 0.01），而高于11 ℃的地区两者之间没有显著关系（P > 0.05）。在不同的气候区， WUE对温度的响应存在着较大的差异。
3.3 风速对日本柳杉水分利用效率的影响
风会影响植物周围的环境，如降低空气的相对湿度和温度，并通过植物叶片遮挡影响太阳辐射的射入[46]，同时会加速蒸腾速率而相应地降低植物的温度[47]。在不同的生态系统中，水分利用效率对Ws的响应幅度可能不同，甚至可能有完全不同的方向。王云霓[48]在研究宁夏六盘山典型树种水分利用效率中发现华北落叶松（Larix principis-rupprechtii）个体的WUE与Ws是正相关关系（P > 0.05）。在本次研究中发现，庐山日本柳杉WUE与Ws显著负相关关系，特别是当年的1月份和12月份的风速（P < 0.01），对庐山日本柳杉WUE产生了重要的影响。风速越大，植物的蒸腾作用会越强，植物体周围的空气湿度会降低，促使了植物体内的水分更快散失到大气中，造成植物WUE下降。在不同的地区，风速对于植物的WUE影响是有所差异的。庐山自然保护区风速呈现下降的趋势，平均每10年下降0.37 m/s，是日本柳杉WUE年际变化重要的影响因素之一。
3.4 太阳辐射对日本柳杉水分利用效率的影响
太阳辐射是植物光合作用所必须的重要元素之一，对植物WUE的变化也会产生重要影响。如徐晓桃[49]研究黄河源区植被的水分利用效率时发现，黄河源区的植被WUE与Rs是正相关关系。王云霓[48]研究宁夏六盘山典型树种华北落叶松时也发现WUE与Rs呈正相关关系，并且通过了显著性检验（P < 0.01）。一般认为，光照越强，植物的水分利用越高。但庐山日本柳杉WUE在本研究中与Rs未产生显著影响，这与他们的结果不同。一方面可能是由于太阳辐射增加时，植物的光合速率增大，但同时植物的蒸腾也在增大，WUE的变化难以确定。作为碳水循环的综合衡量指标，无论是植物个体的WUE或者是整个生态系统WUE，WUE的变化都是由多个相互作用的物理和生物过程决定，各个气候因子对WUE的变化具有相互协同作用。在评价树木WUE变化对气候因子的响应时，各个气候因子之间综合协同对WUE产生的影响还需进一步探究。
4. 结 论
本研究表明，1969—2018年期间，庐山日本柳杉树轮δ13C值呈下降趋势，WUE变化呈显著升高趋势。温度和风速是影响庐山日本柳杉WUE变化的主要气候因子，WUE与温度具有显著正相关关系，与风速具有显著负相关关系，并且温度对庐山日本柳杉WUE具有一定的滞后影响。而降水、太阳辐射以及干旱指数（SPI、SPEI、WI）对庐山日本柳杉年际WUE的变化未产生显著影响。本研究结果可为在全球气候变化下对庐山日本柳杉生长产生的影响提供理论依据，并且有助于庐山日本柳杉碳汇能力的评估以及提升杉木林的经营管理水平，同时为该地区杉木林生态系统的维护提供理论指导。
-
![]()
图 1 不同树种器官含水率分布格局
不同小写字母表示不同树种的同一器官间含水率差异显著（P < 0.05）。下同。Different lowercase letters indicate significant differences in moisture content between the same organ of varied tree species (P < 0.05). The same below.
Figure 1. Distribution patterns of moisture content in organs of different tree species
![]()
图 2 不同树种各器官储水量的分配格局
Figure 2. Allocation patterns of water storage capacity in organs of different tree species
![]()
图 3 树木各器官储水量占比随胸径变化的分配格局
Figure 3. Allocation patterns of water storage capacity in organs with DBH
![]()
图 4 12个树种整株（a）、树叶（b）、树枝（c）、树干（d）、树根（e）及地上部分（f）储水量随胸径变化的分配格局
Figure 4. Allocation patterns of water storage capacity of whole plant (a), leaf (b), branch (c), stem (d), root (e) and aboveground (f) of 12 tree species with DBH
![]()
图 5 12个树种整株（a）、树叶（b）、树枝（c）、树干（d）、树根（e）及地上部分（f）储水量随树高变化的分配格局
Figure 5. Allocation patterns of water storage capacity of whole plant (a), leaf (b), branch (c), stem (d), root (e) and aboveground (f) of 12 tree species with H
![]()
图 6 12个树种整株（a）、树叶（b）、树枝（c）、树干（d）、树根（e）及地上部分（f）储水量随胸径树高组合变化的分配格局
Figure 6. Allocation patterns of water storage capacity of whole plant (a), leaf (b), branch (c), stem (d), root (e) and aboveground (f) of 12 tree species with D2H
![]()
图 7 不同发育阶段林地树种储水量的分布格局
Figure 7. Distribution patterns of water storage capacity of tree species at different developing stages
表 1 不同发育阶段林分树种组成及相关指标
Table 1 Composition of tree species and related indicators in different developing stages of stand
林分
Stand胸高断面积和物种重要值
Basal area and species important value平均胸径
Average DBH/cm平均树高
Average
tree height/m密度/（株·hm−2）
Density/
(tree·ha−1)树种
Tree species胸高断面积/（m2·hm−2）
Basal area/(m2·ha−1)重要值
Important
value中龄林
Middle-aged forest胡桃楸 Juglans mandshurica 11.35 25.12 9.20 10.52 1 405 东北槭 Acer mandshuricum 1.95 15.58 五角槭Acer pictum subsp. mono 2.06 12.99 裂叶榆 Ulmus laciniata 1.05 8.58 春榆 Ulmus japonica 1.34 8.40 近熟林
Near-mature forest水曲柳 Fraxinus mandshurica 6.52 11.58 9.52 10.85 1 539 五角槭 Acer pictum subsp. mono 4.61 11.07 红松 Pinus koraiensis 3.42 7.05 紫椴 Tilia amurensis 4.29 6.52 春榆 Ulmus japonica 1.16 6.07 成熟林
Mature forest五角槭 Acer pictum subsp. mono 5.91 8.86 10.87 14.38 1 004 红松 Pinus koraiensis 4.91 7.41 紫椴 Tilia amurensis 4.15 6.52 水曲柳 Fraxinus mandshurica 4.24 6.26 东北槭 Acer mandshuricum 2.29 5.19 老龄林
Old growth forest千金榆 Carpinus cordata 1.70 10.83 11.20 15.43 980 五角槭 Acer pictum subsp. mono 4.03 10.63 裂叶榆 Ulmus laciniata 4.48 9.56 东北槭 Acer mandshuricum 1.91 8.98 紫椴 Tilia amurensis 4.92 7.90 注：表中仅列出各发育阶段林分中物种重要值排名前5位的树种。引自文献[21−22]。Notes: the table only lists the top 5 tree species with the highest species importance values in each developing stage of stand. Cited from reference [21−22]. 
下载: 导出CSV
表 2 12个优势树种样本数量和测定指标
Table 2 Sample size and measurement indicators of 12 dominant tree species
树种
Tree species样本数
Sample size胸径
DBH/cm树高
Tree height/m整株储水量
Water storage capacity of whole plant/kg白桦 Betula platyphylla 10 5.7 ~ 40.0 9.3 ~ 22.8 8.34 ~ 1 027.83 东北槭 Acer mandshuricum 10 7.8 ~ 35.9 9.1 ~ 18.5 18.07 ~ 725.20 春榆 Ulmus japonica 9 5.6 ~ 39.9 6.8 ~ 20.1 10.17 ~ 1 343.24 红松 Pinus koraiensis 11 8.4 ~ 44.0 6.7 ~ 22.3 14.77 ~ 1 132.20 胡桃楸 Juglans mandshurica 10 6.5 ~ 42.5 8.2 ~ 23.0 15.03 ~ 1 169.22 朝鲜槐 Maackia amurensis 9 4.9 ~ 25.4 7.0 ~ 18.2 7.73 ~ 391.08 蒙古栎 Quercus mongolica 9 8.0 ~ 41.2 8.4 ~ 22.8 16.83 ~ 1 036.42 千金榆 Carpinus cordata 9 5.1 ~ 13.4 7.9 ~ 11.9 6.04 ~ 67.91 青杨 Populus ussuriensis 10 9.1 ~ 47.1 10.5 ~ 26.4 20.78 ~ 1 329.98 五角槭 Acer pictum subsp. mono 12 6.4 ~ 45.3 8.5 ~ 20.6 10.72 ~ 1 105.85 水曲柳 Fraxinus mandshurica 10 10.7 ~ 41.4 10.9 ~ 23.7 16.21 ~ 1 371.45 紫椴 Tilia amurensis 10 7.0 ~ 42.2 9.6 ~ 22.5 10.57 ~ 950.29
下载: 导出CSV
表 3 储水量方程式
Table 3 Water storage capacity equation
方程代码
Equation code方程类型
Equation type方程形式
Equation form方程代码
Equation code方程类型
Equation type方程形式
Equation formEq.1 一元线性 Univariate linear y = aD + b Eq.8 多元二次 Multivariate quadratic y = aD2 + bH + c Eq.2 一元线性 Univariate linear y = aH + b Eq.9 多元二次 Multivariate quadratic y = aD + bH2 + c Eq.3 多元线性 Multivariate linear y = aD + bH + c Eq.10 多元二次 Multivariate quadratic y = aD2 + bH2 + c Eq.4 一元二次 Quadratic y = aD2 + b Eq.11 对数 Logarithmic ln y = ln a + bln D Eq.5 一元二次 Quadratic y = aH2 + b Eq.12 对数 Logarithmic ln y = ln a + bln H Eq.6 一元二次 Quadratic y = aD2 + bD + c Eq.13 对数 Logarithmic ln y = ln a + bln（D2H） Eq.7 一元二次 Quadratic y = aH2 + bH + c Eq.14 对数 Logarithmic ln y = ln a + bln D + cln H 注：y代表组分储水量（kg），包括整株、叶、茎干、根和地上储水量。H表示树高（m），D表示胸径（cm）。a、b、c为回归方程参数。下同。Notes: y, water storage capacity of component (kg), including leaf water storage capacity, stem water storage capacity, root water storage capacity, aboveground water storage capacity and water storage capacity of whole plant. H, tree height (m); D, diameter at breast height (cm). a, b, c are regression equation parameters, respectively. The same below.
下载: 导出CSV
表 4 肯德尔秩相关性分析
Table 4 Kendall_tau correlation analysis
储水量
Water storage capacityD H D2H 冠幅
Crown width整株 Whole plant 0.922*** 0.709*** 0.910*** 0.213 叶 Leaf 0.753*** 0.583*** 0.728*** 0.109 枝 Branch 0.802*** 0.609*** 0.777*** 0.138 干 Stem 0.881*** 0.733*** 0.889*** 0.232 根 Root 0.881*** 0.674*** 0.859*** 0.156 注：***表示极显著相关（P < 0.001）。 Note: *** indicates extremely significant correlation (P < 0.001).
下载: 导出CSV
表 5 各组分储水量最优方程形式
Table 5 Optimal equation forms for the water storage capacity of each component
树种 Tree species 组分 Component 方程形式 Equation form R2 P AIC 白桦 Betula platyphylla 整株 Whole plant ln y = 1.042ln（D2H） − 3.965 0.98 < 0.01 −4.140 叶 Leaf ln y = 1.031ln（D2H） − 7.353 0.90 < 0.01 18.269 枝 Branch ln y = 1.441ln（D2H） − 9.520 0.92 < 0.01 22.886 干 Stem ln y = 0.939ln（D2H） − 3.631 0.99 < 0.01 −18.812 根 Root ln y = 2.780ln D − 4.467 0.98 < 0.01 5.694 地上 Aboveground ln y = 1.014ln（D2H） − 3.993 0.99 < 0.01 −9.207 东北槭 Acer mandshuricum 整株 Whole plant ln y = 2.425ln D − 2.101 0.99 < 0.01 −12.626 叶 Leaf ln y = 2.686ln D − 2.832ln H + 1.28 0.76 < 0.01 15.751 枝 Branch ln y = 3.914ln D − 2.367ln H − 1.611 0.94 < 0.01 11.654 干 Stem ln y = 0.955ln（D2H） − 3.981 0.99 < 0.01 −11.171 根 Root ln y = 2.303ln D − 3.010 0.98 < 0.01 −3.235 地上 Aboveground ln y = 2.471ln D − 2.567 0.99 < 0.01 −13.765 春榆 Ulmus japonica 整株 Whole plant ln y = 2.446ln D − 2.200 0.98 < 0.01 1.746 叶 Leaf ln y = 2.308ln D − 4.717 0.98 < 0.01 3.353 枝 Branch ln y = 4.033ln D − 2.317ln H − 1.967 0.97 < 0.01 12.564 干 Stem ln y = 0.948ln（D2H） − 3.571 0.96 < 0.01 9.203 根 Root ln y = 2.633ln D − 3.786 0.98 < 0.01 2.582 地上 Aboveground ln y = 2.487ln D − 2.318 0.98 < 0.01 4.405 红松 Pinus koraiensis 整株 Whole plant ln y = 0.984ln（D2H） − 3.377 0.97 < 0.01 6.370 叶 Leaf ln y = 0.8497ln（D2H） − 4.8269 0.91 < 0.01 15.640 枝 Branch ln y = 2.652ln D − 4.920 0.86 < 0.01 24.353 干 Stem ln y = 0.937ln D + 2.698ln H − 5.283 0.99 < 0.01 −0.603 根 Root ln y = 0.952ln（D2H） − 4.663 0.96 < 0.01 9.206 地上 Aboveground ln y = 0.992ln（D2H） − 3.690 0.97 < 0.01 6.555 胡桃楸 Juglans mandshurica 整株 Whole plant ln y = 2.6679ln D − 0.5497ln H − 1.201 3 0.99 < 0.01 −11.226 叶 Leaf ln y = 3.2676ln D − 2.73ln H + 0.395 6 0.97 < 0.01 1.119 枝 Branch ln y = 4.861 8ln D − 3.8021ln H − 0.1967 0.93 < 0.01 19.893 干 Stem ln y = 0.893 9ln（D2H） − 3.407 6 0.99 < 0.01 −13.070 根 Root ln y = 2.543ln D − 3.949 0.97 < 0.01 5.653 地上 Aboveground ln y = 2.635ln D − 0.558ln H − 1.326 0.99 < 0.01 −12.311 朝鲜槐 Maackia amurensis 整株 Whole plant ln y = 2.328ln D − 1.812 0.98 < 0.01 −1.580 叶 Leaf ln y = 1.502ln D − 3.100 0.78 < 0.01 14.688 枝 Branch ln y = 2.952ln D − 5.301 0.86 < 0.01 22.856 干 Stem ln y = 0.855 5ln（D2H） − 3.021 7 0.99 < 0.01 −12.734 根 Root ln y = 2.391ln D − 3.456 0.97 < 0.01 2.387 地上 Aboveground ln y = 0.904 5ln（D2H） − 3.072 8 0.97 < 0.01 0.724 千金榆 Carpinus cordata 整株 Whole plant ln y = 2.389ln D − 2.072 0.97 < 0.01 −7.642 叶 Leaf ln y = 2.917 1ln D-2.309 7ln H − 0.344 3 0.86 < 0.01 7.819 枝 Branch ln y = 3.476ln D − 5.862 0.93 < 0.01 7.884 干 Stem ln y = 1.936ln D − 1.842 0.95 < 0.01 −6.045 根 Root ln y = 1.006ln（D2H） − 5.366 0.78 < 0.01 12.272 地上 Aboveground ln y = 2.393ln D − 2.267 0.98 < 0.01 −10.507 青杨 Populus ussuriensis 整株 Whole plant ln y = 1.007ln（D2H） − 3.776 0.99 < 0.01 −26.517 叶 Leaf ln y = 2.85ln D − 1.89ln H − 1.575 0.89 < 0.01 14.203 枝 Branch ln y = 3.895ln D − 2.074ln H − 2.540 0.96 < 0.01 10.814 干 Stem ln y = 1.557ln D + 1.900ln H − 5.451 0.99 < 0.01 −21.472 根 Root ln y = 2.469ln D − 3.831 0.98 < 0.01 −2.403 地上 Aboveground ln y = 1.004ln（D2H） − 3.974 0.99 < 0.01 −27.189 五角槭 Acer pictum subsp. mono 整株 Whole plant ln y = 0.979 7ln（D2H） − 3.492 4 0.99 < 0.01 −10.945 叶 Leaf ln y = 0.726 6ln（D2H） − 4.598 7 0.90 < 0.01 11.838 枝 Branch ln y = 1.132ln（D2H） − 6.653 0.91 < 0.01 21.919 干 Stem ln y = 0.937 8ln（D2H） − 3.824 7 0.99 < 0.01 −11.027 根 Root ln y = 2.535ln D − 3.801 0.98 < 0.01 −1.232 地上 Aboveground ln y = 0.955 6ln（D2H） − 3.616 5 0.99 < 0.01 −11.835 蒙古栎 Quercus mongolica 整株 Whole plant ln y = 2.155 0ln D + 0.572 3ln H − 2.847 4 0.99 < 0.01 −16.751 叶 Leaf ln y = 2.201 92ln D − 0.063 17ln H − 4.740 38 0.98 < 0.01 −2.433 枝 Branch ln y = 4.576ln D − 1.727ln H − 5.735 0.93 < 0.01 18.667 干 Stem ln y = 1.640ln D + 1.248ln H − 3.715 0.99 < 0.01 −12.174 根 Root ln y = 2.315ln D − 3.337 0.98 < 0.01 −2.664 地上 Aboveground ln y = 0.9912ln（D2H） − 3.737 9 0.99 < 0.01 −16.113 水曲柳 Fraxinus mandshurica 整株 Whole plant ln y = 2.865ln D − 3.470 0.97 < 0.01 3.883 叶 Leaf ln y = 0.785 2ln（D2H） − 4.784 3 0.91 < 0.01 8.269 枝 Branch ln y = 1.438ln（D2H） − 9.785 0.97 < 0.01 8.782 干 Stem ln y = 3.173ln D − 5.147 0.86 < 0.01 22.814 根 Root ln y = 3.09ln D − 0.991 1ln H − 2.552 4 0.99 < 0.01 −8.244 地上 Aboveground ln y = 2.985ln D − 4.186 0.96 < 0.01 8.710 紫椴 Tilia amurensis 整株 Whole plant ln y = 0.999 5ln（D2H） − 3.737 4 0.99 < 0.01 −14.284 叶 Leaf ln y = 0.913 9ln（D2H） − 6.460 3 0.93 < 0.01 12.766 枝 Branch ln y = 3.698ln D − 1.282ln H − 4.12 0.99 < 0.01 1.795 干 Stem ln y = 1.548ln D + 1.739ln H − 5.148 0.99 < 0.01 −5.491 根 Root ln y = 2.256ln D − 3.059 0.97 < 0.01 2.284 地上 Aboveground ln y = 1.024ln（D2H） − 4.246 0.99 < 0.01 −14.025 全树种 All tree species 整株 Whole plant ln y = 2.296 7ln D + 0.350 8ln H − 2.674 1 0.98 < 0.01 −44.547 叶 Leaf ln y = 2.449 9lnD − 0.920 2ln H − 2.853 2 0.85 < 0.01 179.610 枝 Branch ln y = 3.333 0lnD − 0.943 2ln H − 3.993 6 0.89 < 0.01 217.206 干 Stem ln y = 0.962 3ln（D2H） − 3.919 0 0.96 < 0.01 48.822 根 Root ln y = 2.456 8ln D + 0.165 4ln H − 4.098 4 0.96 < 0.01 57.071 地上 Aboveground ln y = 2.254 5ln D + 0.400 9ln H − 2.962 9 0.98 < 0.01 −16.184
下载: 导出CSV
表 6 不同发育阶段林分单位面积乔木储水量
Table 6 Water storage capacity of trees per unit area in different developing stages of stand
指标
Index中龄林
Middle-aged forest近熟林
Near-mature forest成熟林
Mature forest老龄林
Old growth forest储水量/（t·hm−2） Water storage capacity/(t·ha−1) （194.37 ± 10.39）b （201.37 ± 6.58）b （271.88 ± 8.96）a （276.36 ± 10.70）a 生物量/（t·hm−2） Biomass/(t·ha−1) （248.02 ± 13.97）b （248.66 ± 7.31）b （299.78 ± 12.21）a （312.18 ± 12.65）a 注：同行不同小写字母表示差异显著（P < 0.05）。Notes: different lowercase letters in the same line indicate significant differences (P < 0.05).
下载: 导出CSV
-
[1] Ievinsh G. Water content of plant tissues: so simple that almost forgotten?[J]. Plants, 2023, 12(6): 1238.
[2] 王曙光, 普晓兰, 丁雨龙, 等. 云南箭竹地上部分生物量模型研究[J]. 南京林业大学学报(自然科学版), 2010, 34(1): 141−144. Wang S G, Pu X L, Ding Y L, et al. A study on the aboveground biomass models of Fargesia yunnanensis[J]. Journal of Nanjing Forestry University (Natural Science Edition), 2010, 34(1): 141−144.
[3] Yang Y, Kim J E, Song H J, et al. Methodology: non-invasive monitoring system based on standing wave ratio for detecting water content variations in plants[J/OL]. Plant Methods, 2021, 17[2023−10−16]. https://doi.org/10.1186/s13007-021-00757-y.
[4] 刘树华, 李浩, 陆宏芳. 鼎湖山南亚热带森林生态系统服务价值动态[J]. 生态环境学报, 2011, 20(6): 1042−1047. doi: 10.3969/j.issn.1674-5906.2011.06.009 Liu S H, Li H, Lu H F. Dynamics in ecosystem service values of lower subtropical forest in Dinghushan[J]. Ecology and Environment, 2011, 20(6): 1042−1047. doi: 10.3969/j.issn.1674-5906.2011.06.009
[5] 王忠诚, 邓秀秀, 崔卓卿, 等. 洞庭湖区主要森林类型土壤持水性能研究[J]. 中南林业科技大学学报, 2016, 36(5): 79−84. Wang Z C, Deng X X, Cui Z Q, et al. Research on water holding capacity of forest soil around Dongting Lake[J]. Journal of Central South University of Forestry & Technology, 2016, 36(5): 79−84.
[6] 张远东, 刘世荣, 马姜明, 等. 川西亚高山桦木林的林地水文效应[J]. 生态学报, 2005, 25(11): 147−154. Zhang Y D, Liu S R, Ma J M, et al. Woodland hydrological effects of birch forests in sub-alpine region of western Sichuan, China[J]. Acta Ecologica Sinica, 2005, 25(11): 147−154.
[7] Wang B, Wu F, Xiao S, et al. Effect of succession gaps on the understory water-holding capacity in an over-mature alpine forest at the upper reaches of the Yangtze River[J]. Hydrological Processes, 2016, 30(5): 692−703. doi: 10.1002/hyp.10613
[8] Neris J, Tejedor M, Rodriguez M, et al. Effect of forest floor characteristics on water repellency, infiltration, runoff and soil loss in Andisols of Tenerife (Canary Islands, Spain)[J]. Catena, 2013, 108: 50−57. doi: 10.1016/j.catena.2012.04.011
[9] Gash J H C. An analytical model of rainfall interception by forests[J]. Quarterly Journal of the Royal Meteorological Society, 1979, 443: 43−55.
[10] 陈振雄, 贺东北. 南方马尾松含水率特征及其模型研建[J]. 中南林业调查规划, 2011, 30(2): 56−60, 64. Chen Z X, He D B. Moisture content and model of Pinus massoniana in southern China[J]. Central South Forest Inventory and Planning, 2011, 30(2): 56−60, 64.
[11] 张清, 陆素娟, 李品荣, 等. 半干旱石漠化地区直干桉生物量及含水率特征分析[J]. 西部林业科学, 2019, 48(4): 126−131. Zhang Q, Lu S J, Li P R, et al. Biomass of Eucalyptus maidenii in semi-arid rocky desertification area[J]. Journal of West China Forestry Science, 2019, 48(4): 126−131.
[12] 王柯人, 罗文秀, 舒清态, 等. 龙竹人工林的含水率分析及地上生物量回归模型构建[J]. 西南林业大学学报(自然科学), 2021, 41(6): 168−174. Wang K R, Luo W X, Shu Q T, et al. Analysis of moisture content and construction of aboveground biomass regression model for Dendrocalamus giganteus plantation[J]. Journal of Southwest Forestry University (Natural Sciense), 2021, 41(6): 168−174.
[13] 薛杨, 王小燕, 宿少锋, 等. 不同径阶木麻黄含水率和生物量的研究[J]. 热带农业科学, 2017, 37(12): 87−91. Xue Y, Wang X Y, Su S F, et al. Determination of moisture content and biomass of Casuarina equisetifolia with different trunk diameters[J]. Tropical Forestry, 2017, 37(12): 87−91.
[14] 董点, 林天喜, 唐景毅, 等. 紫椴生物量分配格局及异速生长方程[J]. 北京林业大学学报, 2014, 36(4): 54−63. Dong D, Lin T X, Tang J Y, et al. Biomass allocation patterns and allometric models of Tilia amurensis [J]. Journal of Beijing Forestry University, 2014, 36(4): 54−63.
[15] 兰洁, 肖中琪, 李吉玫, 等. 天山雪岭云杉生物量分配格局及异速生长模型[J]. 浙江农林大学学报, 2020, 37(3): 416−423. Lan J, Xiao Z Q, Li J M, et al. Biomass allocation and allometric growth of Picea schrenkiana in Tianshan Mountains[J]. Journal of Zhejiang A&F University, 2020, 37(3): 416−423.
[16] 李亚麒, 孙继伟, 李江飞, 等. 云南松不同家系苗木生物量分配及其异速生长[J]. 北京林业大学学报, 2021, 43(8): 18−28. Li Y Q, Sun J W, Li J F, et al. Biomass allocation and its allometric growth of Pinus yunnanensis seedlings of different families[J]. Journal of Beijing Forestry University, 2021, 43(8): 18−28.
[17] Enquist B J, Niklas K J. Invariant scaling relations across tree-dominated communities[J]. Nature, 2001, 410: 655−660. doi: 10.1038/35070500
[18] Dias D P, Marenco R A. Tree growth, wood and bark water content of 28 Amazonian tree species in response to variations in rainfall and wood density[J]. Iforest-Biogeosciences and Forestry, 2016, 9: 445−451. doi: 10.3832/ifor1676-008
[19] 何怀江, 叶尔江·拜克吐尔汉, 张春雨, 等. 吉林蛟河针阔混交林12个树种生物量分配规律[J]. 北京林业大学学报, 2016, 38(4): 53−62. He H J, Yeerjiang Baiketuerhan, Zhang C Y, et al. Biomass allocation of twelve tree species in coniferous and broad-leaved mixed forest in Jiaohe, Jilin Province, northeast China[J]. Journal of Beijing Forestry University, 2016, 38(4): 53−62.
[20] 何怀江. 采伐干扰对吉林蛟河针阔混交林碳储量和碳平衡的影响[D]. 北京: 北京林业大学, 2018. He H J. Effects of thinning disturbance on carbon storage and carbon balance in coniferous and broad-leaved mixed forest in Jiaohe, Jilin Province[D]. Beijing: Beijing Forestry University, 2018.
[21] 范娟. 吉林蛟河针阔混交林生物多样性时空格局及其与地上部分生物量的关系[D] 北京: 北京林业大学, 2015. Fan J. Spatial and temporal pattern of biodiversity and its correlation with aboveground biomass in coniferous and broadleaved mixed forests of Jiaohe, Jilin[D]. Beijing: Beijing Forestry University, 2015.
[22] 吴金卓, 孔琳琳, 王娇娇, 等. 吉林蛟河不同演替阶段针阔混交林凋落物持水特性研究[J]. 南京林业大学学报(自然科学版), 2016, 40(2): 113−120. Wu J Z, Kong L L, Wang J J, et al. Hydrological characteristics of forest litters in conifer and broad-leaved mixed forests at different forest successional stages in Jiaohe, Jilin Province[J]. Journal of NanJing Forestry University (Natural Science Edition), 2016, 40(2): 113−120.
[23] Mate R, Johansson T, Sitoe A. Biomass equations for tropical forest tree species in Mozambique[J]. Forests, 2014, 5(3): 535−556. doi: 10.3390/f5030535
[24] Wang C K. Biomass allometric equations for 10 co-occurring tree species in Chinese temperate forests[J]. Forest Ecology and Management, 2006, 222(1): 9−16.
[25] Niklas K J. Modelling below- and above-ground biomass for non-woody and woody plants[J]. Annals of Botany, 2005, 95(2): 315−321. doi: 10.1093/aob/mci028
[26] Enquist B J, Niklas K J. Global allocation rules for patterns of biomass partitioning in seed plants[J]. Science, 2002, 295: 1517−1520. doi: 10.1126/science.1066360
[27] Luo W, Jiang Y, Lu X, et al. Patterns of plant biomass allocation in temperate grasslands across a 2500-km transect in northern China[J]. PLoS ONE, 2013, 8(8): e71749. doi: 10.1371/journal.pone.0071749
[28] 张德军, 张廓玉, 张利梅. 防风固沙林营造技术[J]. 内蒙古林业科技, 2000(1): 30−33. Zhang D J, Zhang K Y, Zhang L M. Techniques for creating windbreak and sand fixation forests[J]. Inner Mongolia Forestry Science & Technology, 2000(1): 30−33.
[29] 金胶胶, 宋子文, 马晓雨, 等. 大青杨对不同干旱胁迫强度的形态和生理响应[J]. 植物研究, 2019, 39(4): 490−496. Jin J J, Song Z W, Ma X Y, et al. Morphological and physiological responses of Populus ussuriensis Kom. to drought stress[J]. Bulletin of Botanical Research, 2019, 39(4): 490−496.
[30] 于森. 大青杨PubZIP43基因抗旱功能研究[D] 哈尔滨: 东北林业大学, 2021. Yu S. Study of drought tolerance function of PubZIP43 in Populus ussuriensis[D]. Harbin: Northeast Forestry University, 2021.
[31] 李金明, 叶玉媛, 刘锦春, 等. 重庆地区几种常见单叶与复叶树种叶内生物量分配及异速生长分析[J]. 植物科学学报, 2021, 39(1): 76−84. Li J M, Ye Y Y, Liu J C, et al. Analysis of leaf biomass allocation and allometric growth of several common single-leaf and compound-leaf tree species in the Chongqing area[J]. Plant Science Journal, 2021, 39(1): 76−84.
[32] 赵厚本, 周光益, 李兆佳, 等. 南亚热带常绿阔叶林4个常见树种的生物量分配特征与异速生长模型[J]. 林业科学, 2022, 58(2): 23−31. Zhao H B, Zhou G Y, Li Z J, et al. Biomass allocation and allometric growth models of four common tree species in southern subtropical evergreen broad-leaved forest[J]. Scientia Silvae Sinicae, 2022, 58(2): 23−31.
[33] Weiner J. Allocation, plasticity and allometry in plants[J]. Perspectives in Plant Ecology Evolution and Systematics, 2004, 6(4): 207−215. doi: 10.1078/1433-8319-00083
[34] Gren G I, Franklin O. Root: shoot ratios, optimization and nitrogen productivity[J]. Annals of Botany, 2003, 92(6): 795−800.
[35] Niklas K J, Enquist B J. Canonical rules for plant organ biomass partitioning and annual allocation[J]. American Journal of Botany, 2002, 89(5): 812−819. doi: 10.3732/ajb.89.5.812
[36] Poorter H, Niklas K J, Reich P B, et al. Biomass allocation to leaves, stems and roots: meta-analyses of interspecific variation and environmental control[J]. New Phytologist, 2012, 193(1): 30−50.
[37] Veronica G, Luis P P, Gerardo R. Allometric relations for biomass partitioning of Nothofagus antarctica trees of different crown classes over a site quality gradient[J]. Forest Ecology and Management, 2010, 259(6): 1118−1126. doi: 10.1016/j.foreco.2009.12.025
[38] 周琳月. 千金榆繁殖技术研究[D] 杨陵: 西北农林科技大学, 2016. Zhou L Y. Study on propagation technique of Carpinus cordata[D]. Yangling: Northwest A&F University, 2016.
[39] 赵儒楠, 何倩倩, 褚晓洁, 等. 气候变化下千金榆在我国潜在分布区预测[J]. 应用生态学报, 2019, 30(11): 3833−3843. Zhao R N, He Q Q, Chu X J, et al. Prediction of potential distribution of Carpinus cordata in China under climate change[J]. The Journal of Applied Ecology, 2019, 30(11): 3833−3843.
[40] 左舒翟, 任引, 翁闲, 等. 亚热带常绿阔叶林9个常见树种的生物量相对生长模型[J]. 应用生态学报, 2015, 26(2): 356−362. Zuo S Z, Ren Y, Weng X, et al. Biomass allometric equations of nine common tree species in an evergreen broadleaved forest of subtropical China[J]. Chinese Journal of Applied Ecology, 2015, 26(2): 356−362.
[41] Lin K, Lyu M, Jiang M, et al. Improved allometric equations for estimating biomass of the three Castanopsis carlesii H. forest types in subtropical China[J]. New Forests, 2017, 48(1): 115−135.
[42] Peng S, He N, Yu G, et al. Aboveground biomass estimation at different scales for subtropical forests in China[J]. Botanical Studies, 2017, 58(1): 45. doi: 10.1186/s40529-017-0199-1
[43] 范春楠, 郑金萍, 韩士杰, 等. 吉林省中东部森林分布区水曲柳分布及其生态特征[J]. 北京林业大学学报, 2017, 39(4): 1−11. Fan C N, Zheng J P, Han S J, et al. Resource distribution and ecological characteristics of Fraxinus mandshurica in central-eastern forest region of Jilin Province, northeastern China[J]. Journal of Beijing Forestry University, 2017, 39(4): 1−11.
[44] 吴升仕, 朱国和, 许仲明, 等. 水曲柳引种驯化研究初报[J]. 浙江林业科技, 1992(6): 41−42. Wu S S, Zhu G H, Xu Z M, et al. Preliminary report on research of introducing variety and domestication of Fraxinus mandshurica Rupr.[J]. Journal of Zhejiang Forestry Science and Technology, 1992(6): 41−42.
[45] 薛思雷, 王庆成, 孙欣欣, 等. 遮荫对水曲柳和蒙古栎光合、生长和生物量分配的影响[J]. 植物研究, 2012, 32(3): 354−359. Xue S L, Wang Q C, Sun X X, et al. Effects of shading on thephotosynthetic characteristics, growth, and biomass allocation in Fraxinus mandshurica and Quercus mongolica[J]. Bulletin of Botanical Research, 2012, 32(3): 354−359.
[46] 张鑫鑫. 不同光照条件下胡桃楸幼苗生长、生理及分子响应机制研究[D] 哈尔滨: 东北林业大学, 2023. Zhang X X. Study on physiological and molecular response mechanism of Juglans mandshurica seedlings under different light conditions[D]. Harbin: Northeast Forestry University, 2023.
[47] 李旭华, 于大炮, 代力民, 等. 长白山阔叶红松林生产力随林分发育的变化[J]. 应用生态学报, 2020, 31(3): 706−716. Li X H, Yu D P, Dai L M, et al. Changes of productivity with stand development in broadleaf-Korean pine forest in Changbai Mountain, China[J]. Chinese Journal of Applied Ecology, 2020, 31(3): 706−716.
[48] 黄柳菁, 林欣, 刘兴诏, 等. 广东不同林龄乔木生物量及物种多样性与叶面积指数的关系[J]. 西南林业大学学报(自然科学), 2017, 37(6): 91−98. Huang L J, Lin X, Liu X Z, et al. The relation among biomass, biodiversity and LAI of trees at different stand ages in Guangdong Province[J]. Journal of Southwest Forestry University, 2017, 37(6): 91−98.
-
期刊类型引用(3)
1. 陈彩云. 天然染料在鲜茧丝染色中的应用. 轻纺工业与技术. 2023(02): 145-147 . 
百度学术
2. 杨雨桐，张卿硕，符韵林，孙静. 巴里黄檀心材色素的提取及其抑菌活性. 东北林业大学学报. 2020(10): 100-103+119 . 百度学术
3. 王敬贤. 木材染色技术研究进展. 林业科技. 2020(06): 42-47 . 百度学术
其他类型引用(4)
计量
- 文章访问数: 460
- HTML全文浏览量: 88
- PDF下载量: 57
- 被引次数: 7
