Correlations between the distribution of salt-tolerant plants and soil chemical factors in wetland of Tianjin Coastal New Area, northern China
-
摘要:目的天津滨海新区湿地具有非常丰富的耐盐植物资源。这些耐盐植物不仅可以丰富盐渍区园林绿化植物种类，同时可为盐碱地土壤的生态修复提供理论依据。本文通过对该区域耐盐植物资源的调查以及对土壤化学性质的分析，可以揭示天津滨海新区湿地耐盐植物分布与土壤环境之间的相关性。方法选取74个天津滨海湿地样方的物种数据和土壤化学因子数据，通过单因素方差分析、双向指示种分析和典范对应分析研究耐盐植物多样性与土壤pH、可溶性盐总量、全氮、全磷、有机质、K+、Na+、Ca2+、Mg2+、Cl-、SO42-、HCO3- 12个土壤化学因子之间的关系。结果调研样方内共记录到耐盐植物34科65属80种，排名前3的科为菊科、禾本科和藜科，出现频度最高、重要值最大的物种为芦苇，该地区耐盐植物生活型主要为草本植物；潮上带湿地耐盐植物丰富程度远大于潮间带；群落类型分为4类，分别是无翅猪毛菜-砂引草+盐地碱蓬群落、芦苇-碱蓬+狗尾草群落、稗+碱蓬-酸模叶蓼群落和扁秆藨草+狭叶香蒲-碱蓬群落；土壤可溶性盐总量、土壤全氮含量及土壤水溶性离子含量是影响天津滨海湿地植被分布的主要土壤化学因子；植物群落的各种多样性指数与土壤可溶性盐总量及Na+、Mg2+、Cl-、SO42-、HCO3-呈显著负相关的关系。结论植物种类的分布格局在一定程度上决定了植物群落类型的分布格局；土壤盐分及水溶性盐离子含量越高，尤其是水溶性阴离子含量越高，物种多样性指数越低，对物种多样性造成的影响越大。
-
关键词:
- 滨海湿地 /
- 耐盐植物 /
- 土壤化学因子 /
- 相关性 /
- 双向指示种分析(TWINSPAN) /
- 典范对应分析(CCA)
Abstract:ObjectiveTianjin Coastal New Area wetland of northern China has rich resources of salt-tolerant plants. These salt-tolerant plants can not only enrich the species of landscaping plants in salinity area, but also provide a theoretical basis for the ecological restoration of saline soil. Through the investigation of salt-tolerant plant resources and the analysis of soil chemical properties in this area, the correlations between salt-tolerant plant distribution and soil properties can be revealed.MethodThe species data and environmental data of 74 sample plots in Tianjin Coastal New Area wetland were selected to study the relationship between salt-tolerant plant diversity and soil chemical factors (pH, the total amount of soil soluble salt, TN, TP, SOM, K+, Na+, Ca2+, Mg2+, Cl-, SO42-, HCO3-) by one way ANOVA, two-way indicator species analysis, canonical correspondence analysis.ResultA total of 80 species, 65 genera and 34 families of salt-tolerant plants were investigated in Tianjin Coastal New Area wetland. The species number in the top three of dominant families were Compositae, Gramineae and Chenopodiaceae, and the important value and frequency of occurrences of Phragmites australis were the largest. The life type of salt tolerant plant in this area is mainly herbs; the abundance of salt-tolerant plants in the supralittoral zone wetland was much larger than the intertidal wetland; The community of the study area can be divided into 4 plant community types: Salsola komarovii-Messerschmidia sibirica+Suaeda salsa, Phragmites australis-Suaeda glauca+Setaria viridis, Echinochloa crusgalli+Suaeda glauca-Polygonum lapathifolium, Scirpus planiculmis+Typha angustifolia-Suaeda glauca; the total amount of soil soluble salt, total nitrogen and water soluble salt ion contents is the key soil environmental factors affecting the distribution of plant species. There was a significantly negative correlation between the diversity index of plant community and the total amount of soil soluble salt (including Na+, Mg2+, Cl-, SO42- and HCO3-).ConclusionThe distribution pattern of plant species determines the distribution pattern of plant community types to a certain extent, The higher the contents of soil salt and soluble salt ions are, the lower the species diversity indexes are, the greater the impact on the species diversity is. -
有数据显示，全球陆地土壤碳含量为1 750 Pg，植被碳含量为550 Pg，总量约为大气碳含量的3倍[1]，即无论土壤作为“碳源”还是“碳汇”都将对气候变化产生巨大影响，故在全球气候变化和生态扰动背景下，陆地生态系统有机碳（SOC）分布与动态变化受到广大学者的广泛重视。尤其表层土壤，是SOC的集中分布层，其SOC含量更显著的受到微地形[2]、植被类型[3-4]、枯落物数量[5-6]、人为扰动[7]等因素的影响，使其在空间分布上具有更强的异质性，而成为研究者关注的一个焦点。
在不同空间尺度上，SOC分布的异质性为SOC储量的科学估算及关键影响因素的研究提出了挑战，故随着地统计分析工具的出现，广大学者采用地统计学的方法针对不同生态类型、空间尺度等条件下SOC的分布特征及空间变异性进行了研究，并表明地统计学是研究SOC空间分布的一种有效工具[8]。如Gao等[9]基于地统计方法研究得出中国北方丘陵地区SOC的空间异质性受随机性和结构性因素的共同控制。Göl等[10]研究发现球状模型可以很好地模拟黑海不同土地利用方式SOC的空间分布。SOC的空间分布还具有尺度效应[11]，然而在区域、县域等大、中尺度下的空间分布与预测往往简化了某些生态过程，可能增加碳研究的不确定性[12]，相比之下，小尺度下的空间预测反映的信息量更加丰富[13]，因此揭示小尺度SOC的空间分布格局及其影响因素对于精确估算SOC含量是必要的。
青藏高原属于典型的生态脆弱区和气候变化的敏感区，在全国乃至全球都具有重要的生态地位。近年来，随着交通不断便利，不少学者开展了青藏高原土壤碳循环研究，如王建林等[14]关于草地土壤化学计量特征的大尺度空间分布研究，从宏观上了揭示青藏高原的土壤养分状况。叶成龙等[15]人基于野外定点试验和室内试验的研究表明，氮输入将增加预测青藏高原高寒草甸地区土壤碳排放的不确定性。其他研究如吕韶利[16]、刘合满[17]等，研究结果为高寒地区土壤碳循环研究奠定了丰富的理论和技术参考。青藏高原地形、植被、气候等具有显著的差异，导致SOC含量具有高度的空间异质性，然而目前针对SOC的空间分布与模拟研究仍少见报道，尤其是在小尺度空间范围，这将阻碍我们对于青藏高原这一特殊生态系统土壤碳动态变化的认识。为科学阐明高寒地区典型植被类型表层SOC及SOCD的空间分布特征与影响因素，本研究以西藏东南部色季拉山西坡广泛分布的草甸和杜鹃灌丛土壤为研究对象，采用地统计分析方法，旨在阐明小尺度下不同植被类型SOC及SOCD的空间变异及格局，以期为高寒环境下土壤有机碳循环研究及土壤碳储量的准确估算提供理论支撑。
1. 研究区概况与研究方法
1.1 研究区概况
本研究以色季拉山西坡相邻分布的灌丛、草甸为研究样地，其海拔4 200 ~ 4 400 m，地理位置29°36′N、94°38′E。根据色季拉山道班阴坡林外（29°35′51″N，94°36′43″E，4 390 m）2005 — 2012年的观测数据，该区域年均气温约为0.64 ℃，年均相对湿度为77%，年降雨量为877 mm。土壤类型属于亚高山林灌草甸土、沼泽草甸土[18]。
本研究所选样区主要包含苔草高寒草甸（Carex alpine meadow，CAM）、林芝杜鹃灌丛（Rhododendron tanastylum shrub，RTS）、雪山杜鹃灌丛（Rhododendron aganniphum shrub，RAS）3种植被类型。苔草高寒草甸，地面以苔草为建群种，其中还分布有委陵菜（Potentilla chinensis）、老鹳草（Geranium wilfordii）、阜莱氏马先蒿（Pedicularis fletcherii）、西藏糙苏（Phlomis tibetica）、偃卧繁缕（Stellaria decumbens）、蒲公英（Taraxacu mmongolicum）等，地面凹凸不平，存在沟壑。林芝杜鹃灌丛是以林芝杜鹃（Rhododendron tanastylum）为优势种，红枝小檗（Berberis erythroclada）和雪层杜鹃（Rhododendron nivale）为亚优势种的灌草丛地，植被分布不均一。雪山杜鹃灌丛主要生长雪山杜鹃（Rhododendron aganniphum），并伴有高山柏（Sabina squamata）和急尖长苞冷杉（Abies georgei var. smithii）零星分布，地面有较厚的枯落物层（最厚可达10 cm）。样地概况如表1所示。
表 1 样地基本概况Table 1. Basic condition of sample plots植被类型
Vegetation
type海拔
Altitude/m植被盖度
Vegetation
coverage/%坡度
Slope/(°)全氮
Total nitrogen
(TN)/(g·kg−1)全磷
Total phosphorus
(TP)/(g·kg−1)pH 含水率
Water
content/%土壤密度
Soil density/
(g·cm−3)黏粒
Clay/%粉粒
Silt/%砂粒
Sand/%CAM 4242 95 16 6.54 1.12 5.59 55.37 0.81 3.82 62.76 33.42 RTS 4264 75 14 3.29 0.39 5.47 72.01 0.82 3.55 61.45 35.00 RAS 4387 > 95 25 5.48 0.37 4.30 72.62 0.46 3.19 62.07 34.75 注：CAM为苔草高寒草甸；RTS为林芝杜鹃灌丛；RAS为雪山杜鹃灌丛。黏粒粒径< 0.002 mm，粉粒粒径在0.002~0.05 mm之间，砂粒粒径在0.05~2 mm之间。下同。Notes: CAM is Carex alpine meadow; RTS is Rhododendron tanastylum shrub; RAS is Rhododendron aganniphum shrub. Clay particle size is less than 0.002 mm; silt particle size is between 0.002−0.05 mm; sand particle size is between 0.05−2 mm. The same below. 1.2 样品采集与处理
于2018年10月，在野外考察的基础上，选择坡度较缓，植被类型连续的区域作为研究区（图1），采用10 m × 10 m网格法采样。即在3种植被类型区采用测量绳分别划定一个50 m × 50 m的样地，然后按照10 m × 10 m网格设置采样点，共计36个采样点。分别采集0 ~ 10 cm层次土壤和原状土壤样品，共获得土壤样品和环刀土样各108个，详细记录每一采样点的地形（海拔、坡度、坡位、凸起、沟壑）、植被覆盖等信息。采集的样品去杂置于风干盘自然风干后，经研磨使其分别通过2.00、0.25 mm土壤筛，用以测定土壤碳、氮等理化性质。SOC采用重铬酸钾容量−外加热法测定，全氮（TN）采用半微量凯氏法测定，全磷（TP）采用钼锑抗比色法测定，土壤密度、机械组成分别采用环刀法和激光粒度分布仪（Bettersize2000，丹东百特仪器有限公司）测定，以上实验过程参照文献[19-20]进行。
1.3 土壤有机碳密度计算
SOCD的计算采用如下公式：
SOCD=CDE(1−G)/100 式中：
C 为有机碳含量（g/kg），D 为土壤密度（g/cm3），E 为土层厚度（cm），G 为直径 > 2 mm石砾百分含量（%），这里忽略G 后计算SOCD[21]。1.4 数据处理与分析
在SPSS 22.0中计算SOC及SOCD的最大值、最小值、平均值、标准差、变异系数（Coefficient of variation, CV），其中CV值在0 ~ 10%、10% ~ 100%和 > 100%之间时，分别属于弱、中等和强变异。对不同植被类型SOC、SOCD的差异显著性检验采用LSD法（P < 0.01）。在GS+ 9.0中建立半方差函数模型，模型拟合可以得到块金值（C0）、基台值（C0 + C）、变程（A0）3个评价空间变异程度的参数，其中块金值与基台值的比值（C0/（C0 + C））即结构比，反映了随机性因素引起的空间变异占系统总变异的比值，比值在 < 25%、25% ~ 75%、> 75%范围，分别表示强、中、弱的空间自相关性，随机性因素引起的空间变异逐渐增大[22]，变程反映了区域化变量存在空间自相关性的距离上限。基于半方差函数模型，在ArcGIS10.2中完成克里格插值。冗余分析采用Canoco 5.0进行，并采用Forward selection和Monte Carlo permutation test进行环境因子重要性排序和显著性检验。
2. 结果与分析
2.1 SOC及SOCD的分布特征
不同植被类型的SOC、SOCD差异显著（P < 0.01）（表2），SOC含量表现为RAS（146.45 g/kg） > CAM（95.60 g/kg） > RTS（60.43 g/kg），RAS分别较CAM和RTS的SOC含量高53.19%、142.35%，SOCD表现为CAM（7.34 kg/m2） > RAS（6.32 kg/m2） > RTS（4.80 kg/m2），CAM分别较RAS和RTS高22.31%、61.04%。该研究区SOC和SOCD均具有中等程度的空间变异。
表 2 SOC及SOCD的描述性统计特征Table 2. Descriptive statistics of SOC and SOCD指标
Item植被类型
Vegetation type样本量
Sample size平均值
Mean最大值
Max.最小值
Min.变异系数
CV/%P 分布类型
Distribution typeSOC/（g·kg−1） CAM 33 95.60 ± 44.31b 219.85 49.63 46.35 0.169 N RTS 36 60.43 ± 25.73a 148.31 24.01 42.58 0.359 N RAS 36 146.45 ± 49.67c 252.15 69.10 33.92 0.500 N SOCD/（kg·m−2） CAM 36 7.73 ± 2.39c 12.77 4.50 30.92 0.538 L RTS 36 4.80 ± 2.01a 8.92 1.90 41.88 0.943 N RAS 36 6.32 ± 1.98b 11.22 1.53 31.33 0.747 N 注：不同小写字母表示植被类型之间SOC或SOCD差异显著（P < 0.01）。N为正态分布；L为对数正态分布。Notes: different lowercase letters indicate significant differences in SOC or SOCD between vegetation types （P < 0.01）. N means normal distribution; L means lognormal distribution. 在K-S检验结果如表2所示，CAM的SOC在剔除3个异常值后符合正态分布，SOCD则符合对数正态分布，RTS及RAS的SOC和SOCD均符合正态分布。
2.2 SOC及SOCD的空间自相关性
本研究以最大间距的1/2（35.56 m）为样本变化范围，以最小间距（10 m）为步长，并以平均预测误差（ME）最接近于0，决定系数（R2）和均方根标准预测误差（RMSSE）最接近于1交叉验证模型精度，最优模型如图2所示。
在不考虑各向异性的前提下，除RAS外，CAM和RTS的SOC、SOCD均得到了较好的拟合（表3）。CAM、RTS的SOC最优拟合为球状模型（spherical model），R2分别达0.998、0.432，ME依次为3.268、0.506，RMSSE为0.920、1.057；RAS的SOC最佳拟合模型为线性模型（linear model），R2为0.091，拟合效果较差。3种植被类型SOCD的拟合效果均较好，CAM、RTS及RAS分别符合指数模型（exponential model）、球状模型和线性模型，R2达0.965、0.864和0.996，ME在−0.145 ~ 0.021之间，RMSSE在1.017 ~ 1.059之间。
表 3 不同植被类型SOC及SOCD半方差函数模型及交叉验证Table 3. Semivariogram and cross-validation of SOC and SOCD under different vegetation types指标
Item植被类型
Vegetation
type理论模型
Theoretical model块金值
Nugget
(C0)基台值
Sill
(C0 + C)结构比
Structure ratio
(C0/(C0 + C))/%变程
Range (A0)/
m决定系数
Determination
coefficient (R2)预测误差 Prediction error ME RMSSE SOC CAM 球状模型 Spherical model 25.00 1716.00 1.46 30.29 0.998 −3.268 0.920 RTS 球状模型 Spherical model 58.00 721.30 8.04 17.68 0.432 0.506 1.057 RAS 线性模型 Linear model 2338.32 2338.32 100.00 32.69 0.091 −1.009 1.068 SOCD CAM 指数模型 Exponential model 0.01 4.67 2.14 20.31 0.965 −0.145 1.042 RTS 球状模型 Spherical model 0.58 4.64 12.51 17.44 0.864 0.021 1.059 RAS 线性模型 Linear model 4.00 4.00 100.00 32.69 0.996 −0.065 1.017 从结构比来看，除RAS外，其他植被类型的SOC及SOCD均具有强烈的空间自相关性。CAM与RTS的SOC结构比分别为1.46%、8.04%，SOCD结构比分别为2.14%、12.51%，即CAM < RTS < 25%，结构性因素引起的空间变异大于75%，具有较强的空间依赖性。RAS的SOC及SOCD块金值等于基台值，结构比达100%，属于纯块金方差，空间自相关性较弱，随机性因素控制为主。
从变程来看，SOC、SOCD的空间变异尺度存在差异，反映出不同程度的空间连续性。3种植被类型SOC的变程表现为RAS（32.69 m） > CAM（30.29 m） > RTS（17.68 m），SOCD为RAS（32.69 m） > CAM（20.31 m） > RTS（17.44 m），即SOC、SOCD的空间连续性从RAS、CAM到RTS逐渐变差。除RNS外，CAM和RTS的空间变程均表现为SOC > SOCD，即SOC可能较SOCD具有更大的空间自相关距离，在考察SOC含量时的采样可以适当加大采样间距。
2.3 SOC及SOCD的空间分布
本研究RAS的SOC及SOCD空间上主要受随机因素控制，故不适合做空间插值[23]。CAM及RTS的SOC及SOCD的空间分布如图3所示。总体而言，SOC及SOCD呈斑状或条带状分布，并且同一植被类型的SOC与SOCD空间分布相似。其中CAM的SOC、SOCD高值区集中分布在样地南部和东部边缘，分别在90.29 ~ 219.85 g/kg、8.05 ~ 14.05 kg/m2之间，并且由北部、西部边缘向中部延伸分别形成两个低值分布带，值在49.63 ~ 90.29 g/kg、8.05 ~ 14.50 kg/m2之间。RTS的SOC、SOCD具有相似的高低值分布区，高值区SOC、SOCD分别为56.63 ~ 148.31 g/kg、5.31 ~ 13.09 kg/m2范围，低值区分别在24.01 ~ 56.63 g/kg和2.67 ~ 5.31 kg/m2范围，但与CAM相比，RTS的SOC及SOCD均未表现出明显的边缘效应，而呈高低值交错分布的特征，空间连续性较差。
![]()
图 3 SOC及SOCD的水平分布格局Figure 3. Horizontal distribution patterns of SOC and SOCD under different vegetation types2.4 SOC和SOCD与土壤因子的相关性分析
如图4所示，RDA排序图的典型轴1和轴2解释了SOC、SOCD与土壤性质总体变异的58.2%。土壤含水率、TN在SOC箭头连线上的投影长度最长，表明其与SOC呈较强的正相关性，土壤密度、pH在SOC箭头反向延长线上的投影较长，表明二者与SOC呈较强的负相关性，而土壤机械组成、坡度、TP与SOC的相关性不大。SOCD与SOC呈正相关性，但与土壤各性质的相关性不如SOC显著，主要与TP、TN的关系较为密切。
![]()
图 4 SOC及SOCD与土壤因子相关性的冗余分析排序图SOC. 土壤有机碳；SOCD. 土壤有机碳密度；TN. 全氮；TP. 全磷；Water content. 含水率；Soil density. 土壤密度；Slope. 坡度；Clay. 黏粒；Silt.粉粒；Sand. 砂粒。SOC, soil organic carbon.; SOCD, soil organic carbon density; TN, total nitrogen; TP, total phosphorus.Figure 4. Redundancy analysis on the correlation between SOC and SOCD with soil properties由表4可知，各土壤因子对SOC、SOCD的影响存在一定差异。各土壤因子对SOC、SOCD影响的重要性排序从大到小依次为含水率 > 土壤密度 > pH > TN > 黏粒 > 砂粒 > 粉粒 > 坡度 > TP，除TP对SOC、SOCD的影响未达显著水平外（P > 0.05），其他土壤因子对SOC、SOCD的影响均达极显著水平（P < 0.01），其中含水率、土壤密度和pH因子对SOC、SOCD空间变异的贡献率较高，分别为69.60%、65.70%、53.50%，其次是TN和黏粒，贡献为44.20%和30.10%。表明土壤含水率、土壤密度、pH是影响研究区SOC、SOCD空间分布的关键因素。
表 4 土壤因子解释量及显著性检验Table 4. Explanation rate and significance test of soil factors土壤因子
Soil
factor重要性排序
Importance
ranking因子解释量
Factor explanation
rate/%F P 含水率 Water content 1 69.60 98.40 0.002 土壤密度 Soil density 2 65.70 88.30 0.002 pH 3 53.50 62.10 0.002 全氮 TN 4 44.20 46.60 0.002 黏粒 Clay 5 30.10 27.80 0.002 砂粒 Silt 6 17.50 14.60 0.002 粉粒 Sand 7 15.80 13.00 0.002 坡度 Slope 8 12.50 10.00 0.004 全磷 TP 9 0.20 0.10 0.740 3. 讨 论
3.1 植被类型对SOC和SOCD的影响
本研究中植被类型显著影响了表层0 ~ 10 cm土壤有机碳含量（P < 0.01），与前人研究结果一致[24-25]。表层SOC含量为RAS > CAM > RTS，与植被覆盖度规律一致（表1），即RAS（> 95%） > CAM（95%） > RTS（75%）。这是因为自然生态系统植被枯落物是表层土壤有机碳的重要来源，并与植被覆盖度显著正相关。研究区SOC含量处于较高水平，均值达100.97 g/kg，显著高于全国0 ~ 10 cm土壤水平（24.56 g/kg）[26]。与相似生态类型区比较，CAM的SOC（95.60 g/kg）亦高于青海省河南县杂类草型草甸（74.99 g/kg）[27]和江西省武功山草甸（63.52 g/kg）[28]，两种灌丛SOC的平均含量（103.44 g/kg）亦显著高于燕山北部绣线菊（Spiraea salicifolia）灌丛（37.65 g/kg）和榛子（Corylus heterophylla）灌丛（64.74 g/kg）[29]。这可能与低温抑制酶活性、减缓土壤有机质的矿化分解有关[30]，该区域年均气温仅0.64 ℃，且降水丰富，年降雨达877 mm，有利于表层有机质的积累。SOCD与SOC的表现基本一致，CAM（7.73 kg/m2）、RTS（4.8 kg/m2）和RAS（6.32 kg/m2）的SOCD显著高于全国10 cm土壤厚度的SOCD（1.21 kg/m2）[31]，表明色季拉山高海拔区土壤有机碳储量较丰富，可能成为未来大气CO2浓度升高的潜在碳源。
3.2 SOC及SOCD的空间异质性
本研究小空间尺度上，植被类型影响了表层土壤有机碳的空间分布与变异特征。SOC和SOCD的空间变异半方差函数分析结果表明，拟合度以CAM最佳，其次为RTS，而RAS则较差。这可能是由于小空间尺度上RAS地表地形及植被、枯落物等基本立地条件较为破碎有关，故可能需要增加采样点或缩小采样间距[32]。结构比反映了引起变量空间异质性的主要影响因素，本研究中CAM、RTS的SOC、SOCD结构比均小于13%，由结构性因素引起的空间异质性占总空间异质性的87.49% ~ 98.54%，表明小尺度空间范围，在气候、土壤类型一致的前提下，地面枯落物量、微地形、土壤理化性质等结构性因素是表层SOC、SOCD空间变异的主要原因。而RAS的SOC、SOCD表现为以人为干扰等随机因素控制为主，考虑是采样间距大于其空间变异尺度引起的[33]。
变程反映的是变量的空间自相关范围，在变程内的变量才具有空间自相关性[23]。本研究中CAM和RTS的SOC、SOCD变程均大于取样距离（10 m），表明本研究在该小尺度下设置的采样间距是合理的，可以反映SOC、SOCD的空间异质性。对于RAS而言，10 m可能超出了其SOC、SOCD空间自相关的最大距离，而未表现出空间结构性，反映了SOC、SOCD的尺度效应。本研究中，SOC由空间自相关部分引起的变异占总变异的91.96% ~ 98.54%，表现在30.29 m以下的范围，与辽东山区次生林[34]土壤有机质由空间自相关引起的变异占总变异的65.40%，发生在46.77 m尺度以内相比，本研究SOC在较小尺度内存在较强的空间自相关性，表明色季拉山微生境比较复杂，SOC的空间破碎化严重。
3.3 SOC及SOCD水平分布格局的影响因素分析
SOC空间分布受多种因素的综合影响，其中土壤含水率、微地形是影响该研究区SOC空间分布格局的重要环境变量。CAM样地东、南边缘是SOC、SOCD高值的集中分布区，该边缘与嵩草沼泽化草甸接壤，土壤含水率较高（多数采样点超过100%），在低温通气不良的条件下，微生物活动受限，植物残体和根系不易分解，使土壤有机物质大量积累，符合冗余分析中SOC与土壤含水率极显著正相关的规律。在CAM的中部到北部边缘，存在一条东西方向的沟壑，在地面径流的作用下，导致土壤中可溶性有机碳向地势较低的东部边缘迁移，可能是CAM北部低值分布带形成的主要原因，与石峰[35]关于土壤无机氮的研究结果一致，表明在小尺度空间范围，微地形可能成为土壤养分空间分布的主要驱动因子[36-37]。在本研究中，坡度与SOC、SOCD的相关性较低（P > 0.05），这与Ritchie等[38]的研究结果相异，可能是水、热等条件的差异弱化了小尺度下坡度对SOC、SOCD的影响[39]。
研究区RTS样地为裸地、草本和灌丛镶嵌性分布，可能是其SOC、SOCD空间连续性较CAM差，破碎化程度高的原因。有研究表明土壤有机碳含量与灌丛凋落物生物量呈正相关性[40]，在本研究中，灌丛斑块地上凋落物数量明显高于灌丛间裸地、草地斑块，导致交错分布的不同斑块下表层SOC存在差异，从而表现出空间异质性，与何俊龄[41]的研究结果一致，其研究亦表明金露梅（Potentilla fruticosa）灌丛表层土壤养分含量显著高于灌丛间草地。本研究未对RAS的SOC、SOCD进行空间插值，但其纯块金效应的出现表明其SOC、SOCD的空间连续性可能较差，事实上RAS微地形较复杂，平均坡度达25°，且地面枯落物分布不均匀，厚度0 ~ 10 cm不等，因此有待更小尺度的研究。
土壤密度、pH、TN、机械组成亦是影响SOC及SOCD空间分布格局的重要因素。冗余分析结果表明，土壤密度、pH是影响研究区SOC、SOCD空间变异的关键因子，与SOC、SOCD呈极显著负相关，这一结果与卓志清等[42]、贡璐等[43]人的研究结果一致，SOC含量提高时有利于改善土壤结构，使土壤疏松多孔，降低土壤紧实度。同时在一定范围内，随着土壤酸性增强，微生物活动受限，从而导致碳的积累。土壤中TN大部分来源于土壤有机质，因此与SOC极显著正相关。本研究SOC、SOCD与土壤黏粒、粉粒呈负相关，与砂粒正相关，这是因为黏粒、粉粒含量的降低，有利于提高土壤透气性，从而加快微生物分解释放养分元素，与马文瑛等[44]、Igor等[45]的研究结果相似。
4. 结 论
（1）SOC、SOCD显著受植被类型的影响，本研究区SOC表现为RAS > CAM > RTS，SOCD为CAM > RAS > RTS。
（2）研究区CAM、RTS的SOC和SOCD主要受结构性因素的影响，具有较强的空间自相关性，二者空间自相关的最大距离在17.44 ~ 30.29 m之间，表明本研究采取的地统计采样间隔是合理的。RAS的SOC、SOCD具有纯块金效应，即随采样间隔变化，其方差均为一常量，说明本研究采取的10 m间隔采样超出了RAS 的SOC、SOCD的空间变异尺度。
（3）在水平方向，CAM的SOC、SOCD主要受含水率、微地形影响，而在样地的东部、南部边缘存在高值区，在北部存在东西向的低值分布带。RTS的SOC、SOCD呈高低值交错分布，破碎化程度高，可能与地面覆被物的镶嵌性分布有关。
（4）冗余分析表明，土壤含水率、土壤密度、pH、TN是影响表层SOC、SOCD空间变异的关键要素。
-
![]()
图 1 天津滨海新区湿地样地位置图
Figure 1. Distribution of sampling plots in Tianjin Coastal New Area Wetland
![]()
图 2 天津滨海新区湿地植物群落的TWINSPAN分类树状图
Figure 2. Dendrogram of the TWINSPAN classification of phytocoenosiums in Tianjin Coastal New Area Wetland
![]()
图 3 植物种类与土壤化学因子的CCA双序图
GTB:光头稗Echinochloa colonum; CMB:长芒稗Echinochloa caudata; XL:小藜Chenopodium serotinum; HWC:虎尾草Chloris virgate; YYQN:圆叶牵牛Pharbitis purpurea; L:藜Chenopodium album; ZHSWJ:紫花山莴苣Mulgedium tataricum; CGSM:齿果酸模Rumex dentatus; SMYL:酸模叶蓼Polygonum lapathifolium; HLL:灰绿藜Chenopodium glaucum; B:稗Echinochloa crusgalli; JP:碱蓬Suaeda glauca; ERT:鹅绒藤Cynanchum chinense; GWC:狗尾草Setaria viridis; TXH:田旋花Convolvulus arvensis; YDJP:盐地碱蓬Suaeda salsa; QM:苘麻Abutilon theophrasti; JMC:苣荬菜Sonchus arvensis; XLB:西来稗Echinochloa crusgalli; YCH:茵陈蒿Artemisia capillaris; LW:芦苇Phragmites australis; MCX:马齿苋Portulaca oleracea; AETGWH:阿尔泰狗娃花Heteropappus altaicus; CGJ:翅果菊Pterocypsela indica; BX:萹蓄Polygonum aviculare; CEC:刺儿菜Cirsium setosum; LC:葎草Humulus scandens; NMH:南牡蒿Artemisia eriopoda; DF:地肤Kochia scoparia; CL:柽柳Tamarix chinensis; SYC:砂引草Messerschmidia sibirica; WCZMC:无翅猪毛菜Salsola komarovii; SC:筛草Carex kobomugi; DYSL:东亚市藜Chenopodium urbicum; BGBC:扁秆藨草Scirpus planiculmis
Figure 3. CCA bi-plot of plant species and soil chemical variables
![]()
图 4 样方及群落类型与土壤化学因子的CCA双序图
图中数字表示样方号；大写字母A~D表示不同群落类型。
Figure 4. CCA bi-plot of quadrats, community types and soil chemical variables
Number in the figure represents the sample plot No.; A-D represent different community types.
![]()
图 5 不同群落类型的Shannon-Wiener多样性、Patrick丰富度、Pielou均匀度指数箱式分布图
Figure 5. Box plots of Shannon-Wiener diversity index, Patrick richness index and Pielou evenness index of different vegetation communities clustered by TWINSPAN
表 1 不同群落类型土壤化学因子的平均值及方差检验
Table 1 Mean±standard deviation and ANOVA F-ratio and P values of the soil chemistry variables in the sites of different vegetation types obtained by TWINSPAN
土壤化学因子
Soil chemical variable植物群落类型Plant community type 方差分析ANOVA A(n=11) B(n=55) C(n=5) D(n=3) F P pH 8.11±0.21 8.00±0.27 8.07±0.13 8.05±0.11 0.556 0.646 可溶性盐总量
Total soluble salt(S)/(mS·cm-1)0.63±0.31 1.75±0.91 1.96±0.56 3.24±0.22 8.383 0.000 全氮Total nitrogen(TN)/(g·kg-1) 0.14±0.053 0.72±0.30 0.50±0.021 1.59±0.12 26.685 0.000 全磷Total phosphorus(TP)/(g·kg-1) 4.15±0.78 3.52±1.32 3.27±0.19 3.42±0.49 1.001 0.397 有机质Organic matter content(SOM)/(g·kg-1) 2.58±0.96 10.54±4.10 9.19±0.31 12.66±2.93 13.995 0.000 K+ /(g·kg-1) 0.053±0.011 0.063±0.002 7 0.063±0.000 69 0.062±0.001 7 13.391 0.000 Na+ /(g·kg-1) 0.72±0.29 1.01±0.30 1.23±0.054 1.14±0.11 4.620 0.005 Ca2+/(g·kg-1) 0.14±0.071 0.36±0.27 0.46±0.19 0.59±0.15 3.816 0.014 Mg2+/(g·kg-1) 0.080±0.039 0.21±0.11 0.23±0.12 0.38±0.022 7.117 0.000 Cl- /(g·kg-1) 2.40±0.77 1.74±0.70 1.77±0.15 2.73±0.13 4.562 0.006 SO42-/(g·kg-1) 0.63±0.28 1.32±0.65 1.18±0.40 2.46±0.11 8.463 0.000 HCO3-/(g·kg-1) 0.60±0.071 0.53±0.13 0.68±0.036 0.55±0.033 3.167 0.030 
下载: 导出CSV
表 2 不同立地类型土壤化学因子的平均值及方差检验
Table 2 Mean±standard deviation and ANOVA F-ratio and P values of the soil chemistry variables in the different site types obtained by TWINSPAN
土壤化学因子
Soil chemical variable立地类型Site type 方差分析ANOVA 总的Total 潮间带湿地
Intertidal wetland(n=10)潮上带湿地
Supralittoral zone wetland(n=64)F P pH 8.13±0.20 8.01±0.26 2.099 0.152 8.03±0.25 S/(mS·cm-1) 0.39±0.21 1.86±0.92 23.415 0.000 1.66±1.02 TN/(g·kg-1) 0.091±0.087 0.74±0.34 35.638 0.000 0.65±0.39 TP/(g·kg-1) 4.28±0.71 3.49±1.23 3.853 0.054 3.60±1.20 SOM/(g·kg-1) 1.86±0.70 10.52±3.88 47.080 0.000 9.35±4.74 K+/(g·kg-1) 0.052±0.010 0.063±0.002 5 52.281 0.000 0.061±0.005 7 Na+/(g·kg-1) 0.67±0.25 1.03±0.29 13.664 0.000 0.98±0.31 Ca2+/(g·kg-1) 0.065±0.017 0.38±0.26 14.422 0.000 0.34±0.27 Mg2+/(g·kg-1) 0.041±0.028 0.22±0.12 24.295 0.000 0.20±0.12 Cl-/(g·kg-1) 2.40±0.82 1.79±0.69 6.489 0.013 1.88±0.73 SO42-/(g·kg-1) 0.57±0.21 1.36±0.66 14.003 0.000 1.26±0.68 HCO3-/(g·kg-1) 0.59±0.068 0.54±0.13 1.076 0.303 0.55±0.12 盐分类型Salt type 氯化物Chloride 硫酸盐-氯化物
Sulfate-chloride硫酸盐-氯化物
Sulfate-chloride
下载: 导出CSV
表 3 土壤化学因子之间的Pearson相关系数
Table 3 Pearson correlation coefficients of soil chemical factors
pH S TN TP SOM K+ Na+ Ca2+ Mg2+ Cl- SO42- HCO3- pH 1 S -0.188 1 TN -0.192 0.638** 1 TP 0.161 -0.394** -0.239* 1 SOM -0.324** 0.396** 0.637** -0.194 1 K+ -0.066 0.416** 0.383** -0.187 0.423** 1 Na+ -0.03 0.850** 0.392** -0.278* 0.234* 0.364** 1 Ca2+ -0.290* 0.671** 0.657** -0.223 0.447** 0.347** 0.505** 1 Mg2+ -0.241* 0.827** 0.680** -0.256* 0.489** 0.409** 0.660** 0.913** 1 Cl- -0.078 0.439** 0.116 -0.151 -0.126 -0.139 0.311** 0.256** 0.300** 1 SO42- -0.192 0.789** 0.765** -0.053 0.342** 0.353** 0.579** 0.755** 0.781** 0.382** 1 HCO3- -0.001 0.363** 0.028 -0.248* 0.042 0.051 0.442** 0.512** 0.495** 0.320** 0.193 1 注：**表示P＜0.01水平上相关性显著；*表示P＜0.05水平上相关性显著。下同。Notes: ** means significant correlations at P＜0.01 level; * means significant correlations at P＜0.05 level. Same as below.
下载: 导出CSV
表 4 CCA排序前4轴的特征值、物种-环境相关性和累计百分比方差
Table 4 Eigenvalues, species-environment correlations and cumulative percentage variance of the four axes of CCA
项目Item 轴Axe 1 2 3 4 特征值Eigenvalue 0.507 0.271 0.176 0.149 物种-环境相关性Specices-environment correlation 0.888 0.705 0.686 0.738 累计百分比方差Cumulative percentage variance 物种数据Species data 9.6 14.8 18.1 20.9 物种-环境关系Species-environment relation 33.0 50.6 62.0 71.7 总特征值Total eigenvalues 5.268 总典范特征值Total canonical eigenvalues 1.537
下载: 导出CSV
表 5 土壤化学因子与CCA前2轴相关系数
Table 5 Relative coefficients of the soil chemical variables with the first two axis of CCA
轴Axis pH S TN TP SOM K+ Na+ Ca2+ Mg2+ Cl- SO42- HCO3- 轴1
Axis 10.096 -0.536*** -0.643*** 0.246 -0.578*** -0.618*** -0.427** -0.384* -0.493** 0.297 -0.458** 0.164 轴2
Axis 2-0.013 0.005 0.236 -0.030 -0.039 -0.170 -0.252 -0.082 -0.004 0.185 0.138 -0.260 注：***表示P＜0.001水平上相关性显著；**表示P＜0.01水平上相关性显著；*表示P＜0.05水平上相关性显著。下同。Notes: *** means significant correlation at P＜0.001 level; ** means significant correlation at P＜0.01 level; * means significant correlation at P＜0.05 level. Same as below.
下载: 导出CSV
表 6 植物种类在CCA排序图上的位置及土壤条件
Table 6 Location on the CCA and soil conditions of plant species
植物种类
Plant speciesCCA排序图位置
Position on the CCA土壤条件
Soil condition光头稗Echinochloa colonum、长芒稗Echinochloa caudata、小藜Chenopodium serotinum 右上方
Upper right高K+、高Na+、高HCO3-、中等Ca2+、中等SOM、中等TP、低Mg2+、低S、低SO42-、低TN、低Cl-High K+, high Na+, high HCO3-, medium Ca2+, medium SOM, medium TP, low Mg2+, low S, low SO42-, low TN, low Cl- 地肤Kochia scoparia、柽柳Tamarix chinensis、砂引草Messerschmidia sibirica、无翅猪毛菜Salsola komarovii、筛草Carex kobomugi 右下方
Lower right高Cl-、高TP、高HCO3-、低K+、低Na+、低SOM、低Ca2+、低Mg2+、低S、低SO42-、低TNHigh Cl-, high TP, high HCO3-, low K+, low Na+, low SOM, low Ca2+, low Mg2+, low S, low SO42-, low TN 虎尾草Chloris virgata、圆叶牵牛Pharbitis purpurea、藜Chenopodium album、紫花山莴苣Mulgedium tataricum、齿果酸模Rumex dentatus、酸模叶蓼Polygonum lapathi-folium、灰绿藜Chenopodium glaucum、稗Echinochloa crusgalli、碱蓬Suaeda glauca、鹅绒藤Cynanchum chinense、狗尾草Setaria viridis、田旋花Convolvulus arvensis、盐地碱蓬Suaeda salsa、苘麻Abutilon theophrasti、苣荬菜Sonchus arvensis、西来稗Echinochloa crusgalli 第一排序轴上方和第二排序轴左侧
Above the first axis and left of the second axis高K+、高Na+、高Ca2+、高SOM、高Mg2+、高S、高HCO3-、中等SO42-、中等TN、低Cl-、低TPHigh K+, high Na+, high Ca2+, high SOM, high Mg2+, high S, high HCO3-, medium SO42-, medium TN, low Cl-, low TP 茵陈蒿Artemisia capillaris、芦苇Phragmites australis、马齿苋Portulaca oleracea、阿尔泰狗娃花Heteropappus altaicus、翅果菊Pterocypsela indica、萹蓄Polygonum aviculare、刺儿菜Cirsium setosum、葎草Humulus scandens、南牡蒿Artemisia eriopoda 第一排序轴下方和第二排序轴左侧
Underneath the first axis and left of the second axis高Cl-、高SO42-、高TN、高Mg2+、高S、中等Ca2+、中等SOM、中等K+、中等Na+、低HCO3-、低TPHigh Cl-, high SO42-, high TN, high Mg2+, high S, medium Ca2+, medium SOM, medium K+, medium Na+, low HCO3-, low TP 东亚市藜Chenopodium urbicum、扁秆藨草Scirpus planiculmis 左下方
Lower left高Cl-、高TN、高SO42-、高S、高Mg2+、中等SOM、中等Ca2+、中等K+、中等Na+、低HCO3-、低TPHigh Cl-, high TN, high SO42-, high S, high Mg2+, medium SOM, medium Ca2+, medium K+, medium Na+, low HCO3-, low TP
下载: 导出CSV
表 7 物种多样性指数与土壤化学因子之间的Spearman相关系数
Table 7 Spearman rank correlations between species diversity indexes and soil chemical variables
pH S TN TP SOM K+ Na+ Ca2+ Mg2+ Cl- SO42- HCO3- Patrick物种丰富度
Patrick species richness-0.001 -0.380** -0.042 0.043 0.022 -0.034 -0.306** -0.246* -0.273* -0.701** -0.304** -0.393** Shannon-Wiener多样性
Shannon-Wiener diversity-0.026 -0.347** 0.016 0.008 0.064 0.027 -0.301** -0.168 -0.230* -0.687** -0.231* -0.371** Pielou均匀度Pielou evenness -0.063 -0.186 0.113 -0.029 0.121 -0.002 -0.131 0.028 -0.098 -0.383** -0.042 -0.091
下载: 导出CSV
-
[1] Kenkel N C, Derksen D A, Thomas A G, et al. Multivariate analysis in weed science research[J].Weed Science, 2002, 50(3): 281-292. doi: 10.1614/0043-1745(2002)050[0281:RMAIWS]2.0.CO;2
[2] 何小琴, 蒋志荣, 王刚, 等.子午岭地区植被恢复演替过程与环境因子的分类与排序[J].西北植物学报, 2007, 27(3):601-607. doi: 10.3321/j.issn:1000-4025.2007.03.031 He X Q, Jiang Z R, Wang G, et al. The successional recovery process of plant communities in Ziwuling area and classification and ordination of environmental factors[J].Acta Botanica Boreali-Occidentalia Sinica, 2007, 27(3):601-607. doi: 10.3321/j.issn:1000-4025.2007.03.031
[3] 李伟, 崔丽娟, 赵欣胜, 等.采砂迹地型湿地恢复过程中植物群落分布与土壤环境因子的关系[J].生态环境学报, 2010, 19(10):2325-2331. doi: 10.3969/j.issn.1674-5906.2010.10.011 Li W, Cui L J, Zhao X S, et al. Spatial distribution of vegetation and soil interpretation in the process of wet-land restoration with the type of sand-mining land[J]. Ecology and Environmental Sciences, 2010, 19(10):2325-2331. doi: 10.3969/j.issn.1674-5906.2010.10.011
[4] 马宗文, 谢正磊, 段晓峰, 等.黄河三角洲自然保护区植物与土壤因子关系及生态位分析[J].北京大学学报(自然科学版), 2012, 48(5):801-811. http://d.old.wanfangdata.com.cn/Periodical/bjdxxb201205014 Ma Z W, Xie Z L, Duan X F, et al. Plant-soil relationship and plant niche in the Yellow River Delta National Natural Reserve, China[J].Acta Scientiarum Naturalium Universitatis Pekinensis, 2012, 48(5):801-811. http://d.old.wanfangdata.com.cn/Periodical/bjdxxb201205014
[5] 赵鹏, 徐先英, 屈建军, 等.民勤绿洲-荒漠过渡带白刺群落空间分布及其环境解释[J].干旱区研究, 2016, 33(5):1003-1011. http://d.old.wanfangdata.com.cn/Periodical/ghqyj201605013 Zhao P, Xu X Y, Qu J J, et al. Spatial distribution of Nitraria tangutorum communities and its environmental interpretations in the Minqin Oasis-desert Ecotone[J]. Arid Zone Research, 2016, 33(5):1003-1011. http://d.old.wanfangdata.com.cn/Periodical/ghqyj201605013
[6] 龙婷, 王健铭, 李景文, 等.青藏高原北部戈壁区植物多样性及其环境解释[J].北京林业大学学报, 2017, 39(12):17-24. doi: 10.13332/j.1000-1522.20150120 Long T, Wang J M, Li J W, et al. Plant diversity and its environmental explaination in gobi district of northern Qinghai-Tibet Plateau, northwestern China[J]. Journal of Beijing Forestry University, 2017, 39(12):17-24. doi: 10.13332/j.1000-1522.20150120
[7] 张桐, 王玉杰, 王云琦, 等.晋西黄土区不同森林群落类型植物多样性研究[J].北京林业大学学报, 2015, 37(11):82-88. http://d.old.wanfangdata.com.cn/Periodical/bjlydxxb201511010 Zhang T, Wang Y J, Wang Y Q, et al. Plant diversity in various forest community types in the Loess Plateau of western Shanxi Province, northern China[J]. Journal of Beijing Forestry University, 2015, 37(11):82-88. http://d.old.wanfangdata.com.cn/Periodical/bjlydxxb201511010
[8] 阎旭东, 赵松山.环渤海低平原区耐盐植物资源及环境改良[M].北京:中国农业科学技术出版社, 2011. Yan X D, Zhao S S. Salt tolerant plant resources and environmental improvement in low plain area around Bohai[M]. Beijing: China Agricultural Science and Technology Press, 2011.
[9] 郝翠, 梁耀元, 孟伟庆, 等.天津滨海新区自然湿地植物分布与土壤理化性质的关系[J].湿地科学, 2009, 7(3):266-272. http://d.old.wanfangdata.com.cn/Periodical/shidkx200903012 Hao C, Liang Y Y, Meng W Q, et al. Relations between plant community characteristic and soil physicochemical factors in natural wetlands of Binhai New District, Tianjin[J].Wetland Science, 2009, 7(3):266-272. http://d.old.wanfangdata.com.cn/Periodical/shidkx200903012
[10] 莫训强, 李洪远, 郝翠, 等.天津市滨海新区湿地优势植物区系特征研究[J].水土保持通报, 2009, 29(6):79-83. doi: 10.1016-S0140-6736(10)60515-6/ Mo X Q, Li H Y, Hao C, et al. Floral characteristics of dominant plants in Tianjin Coastal New Area wetland[J]. Bulletin of Soil and Water Conservation, 2009, 29(6):79-83. doi: 10.1016-S0140-6736(10)60515-6/
[11] 宋永昌.植被生态学[M].上海:华东师范大学出版社, 2001. Ssong Y C. Vegetation ecology[M]. Shanghai: East China Normal University Press, 2001.
[12] 鲍士旦.土壤农化分析[M].北京:中国农业出版社, 2013. Bao S D. Soil agricultural chemistry analysis[M]. Bejing: China Agriculture Press, 2013.
[13] Leps J, Smilauer P. Multivariate analysis of ecological data using CANOCO[M]. New York: Cambridge University Press, 2003.
[14] 中国土壤学会盐渍土专业委员会.中国盐渍土分类分级文集[M].南京:江苏科学技术出版社, 1989. Soil Science Society of China, Saline Soil Specialized Committee. Classification collected works of saline soil in China[M]. Nanjing: Jiangsu Science and Technology Press, 1989.
[15] Gauch G. Multivariate analysis in community ecology[M]. Beijing: Science Press, 1989.
[16] Cacador I, Tiberio S, Cabral H N. Species zonation in Corroios salt marsh in the Tagus estuary (Portugal) and its dynamics in the past fifty years[J]. Hydrobiologia, 2007, 587(1): 205-211. doi: 10.1007/s10750-007-0681-y
[17] Shaltout K H, Ei-kady H F, Ai-sodany Y M. Vegetation analysis of the Mediterranean region of Nile Delta[J]. Vegetatio, 1995, 116(1): 73-83. http://cn.bing.com/academic/profile?id=10da985bd31cea4e652cdd7879b3bae3&encoded=0&v=paper_preview&mkt=zh-cn
[18] Funk D W, Noel L E, Freedman A H. Environmental gradients, plant distribution, and species richness in arctic salt marsh near Prudhoe Bay, Alaska[J]. Wetlands Ecology and Management, 2004, 12(3): 215-233. doi: 10.1023/B:WETL.0000034074.81373.65
[19] 凌敏, 刘汝海, 王艳, 等.黄河三角洲柽柳林场湿地土壤养分的空间异质性及其与植物群落分布的耦合关系[J].湿地科学, 2010, 8(1):92-97. http://d.old.wanfangdata.com.cn/Periodical/shidkx201001014 Ling M, Liu R H, Wang Y, et al. Spatial heterogeneity of soil nutrients and the relationship between soil nutrients and plant community in Tamarix chinensis forest farm wetland of Yellow River Delta wetland[J]. Wetland Science, 2010, 8(1):92-97. http://d.old.wanfangdata.com.cn/Periodical/shidkx201001014
[20] 贺强, 崔保山, 赵欣胜, 等.黄河河口盐沼植被分布、多样性与土壤化学因子的相关关系[J].生态学报, 2009, 29(2):676-687. doi: 10.3321/j.issn:1000-0933.2009.02.016 He Q, Cui B S, Zhao X S, et al. Relationships between saltmarsh vegetation distribution/diversity and soil chemical factors in the Yellow River Estuary, China[J]. Acta Ecologica Sinica, 2009, 29(2):676-687. doi: 10.3321/j.issn:1000-0933.2009.02.016
[21] Tang N, Cui B S, Zhao X S. The restoration of reed (Phragmites australis) wetland in the Yellow River Delta[J]. Acta Ecologica Sinica, 2006, 26(8): 2616-2624. https://www.researchgate.net/publication/285091459_The_restoration_of_reed_Phragmites_australis_wetland_in_the_Yellow_River_Delta
[22] Alvarez-rogel J, Jimenez-carceles F J, Roca M J, et al. Changes in soils and vegetation in a Mediterranean coastal salt marsh impacted by human activities[J]. Estuarine, Coastal and Shelf Science, 2007, 73(3): 510-526. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=a20a1e908c241899a107aabd981812ea
[23] Keddy P A. Wetland ecology: principles and conservation[M]. Cambridge: Cambridge University Press, 2000.
[24] Aari Y, Ghorbanli M. The halophilous vegetation of the Orumieh Lake salt marshes, NW. Iran[J]. Plant Ecology, 1997, 132(2): 155-170. doi: 10.1023/A:1009790901167
[25] Ramberg L, Hancock P, Lindholm M, et al. Species diversity of the Okavango delta, Botswana[J]. Aquatic Sciences, 2006, 68(3): 310-337. doi: 10.1007/s00027-006-0857-y
[26] 谭向峰, 杜宁, 葛秀丽, 等.黄河三角洲滨海草甸与土壤因子的关系[J].生态学报, 2012, 32(19):5998-6005. http://d.old.wanfangdata.com.cn/Periodical/stxb201219006 Tan X F, Du N, Ge X L, et al. Relationships between coastal meadow distribution and soil characteristics in the Yellow River Delta[J]. Acta Ecologica Sinica, 2012, 32(19):5998-6005. http://d.old.wanfangdata.com.cn/Periodical/stxb201219006
[27] 赵欣胜, 崔保山, 孙涛, 等.黄河三角洲潮沟湿地植被空间分布对土壤环境的响应[J].生态环境学报, 2010, 19(8):1855-1861. doi: 10.3969/j.issn.1674-5906.2010.08.015 Zhao X S, Cui B S, Sun T, et al. The relationship between the spatial distribution of vegetation and soil environ-mental factors in the tidal creek areas of the Yellow River Delta[J]. Ecology and Environmental Sciences, 2010, 19(8):1855-1861. doi: 10.3969/j.issn.1674-5906.2010.08.015
-
期刊类型引用(21)
1. 张蔓蔓，郑聪慧，徐振华，李新利，杜克久，田芸，孟李冰，柳明妹，聂佳佳，邢争. 2种红果臭椿表型特征及色素组分相关性. 东北林业大学学报. 2025(01): 23-34+42 . 
百度学术
2. 刘玉军，秦波，李媚，黄耀恒，刘芳，黄欣，刘莉. 黑紫色叶紫薇品种‘赤红’叶片转录组测序及注释分析. 湖南农业科学. 2024(01): 1-6 . 百度学术
3. 胡平. 光照条件对不同类型绿地南天竹叶色变化的影响. 安徽林业科技. 2024(02): 24-28 . 百度学术
4. Lu Feng，Ping Shen，Xiufeng Chi，Yang Zhou，Jieru Liu，Tangren Cheng，Jia Wang，Qixiang Zhang，Ming Cai，Huitang Pan. The anthocyanin formation of purple leaf is associated with the activation of LfiHY5 and LfiMYB75 in crape myrtle. Horticultural Plant Journal. 2024(05): 1230-1246 . 必应学术
5. 崔祺，吴昀，李东泽，吴凡，韩蕊莲，黄均华，胡绍庆. 彩叶桂叶片发育过程中叶色表型与色素成分变化. 南京林业大学学报(自然科学版). 2023(02): 79-86 . 百度学术
6. 李茂娟，崔强，徐毓泽，张海霞，廖祯妮，何才生. 紫叶紫薇高接换冠技术研究. 中国农学通报. 2023(25): 21-26 . 百度学术
7. 刘雄盛，尹国平，肖玉菲，蒋燚，王仁杰，黄荣林，姜英，王勇. 枫香叶片变色期全长转录组测序及分析. 广西植物. 2023(09): 1710-1720 . 百度学术
8. 郑聪慧，徐振华，王玉忠，张蔓蔓，杜克久，李向军，刘春鹏. 四种臭椿不同叶位叶片色素组成及分布变化. 中国农学通报. 2023(32): 56-65 . 百度学术
9. 尹国平，刘雄盛，蒋燚，王勇，杨继生，肖玉菲，黄荣林，姜英. 枫香变红过程中叶片组织结构、光合特性及色素含量变化研究. 广西植物. 2022(07): 1213-1221 . 百度学术
10. 邵雯雯，何钢，乔中全，曾慧杰，蔡能，石炳霖. 6个紫薇品种叶片色彩变化及其与色素含量的相关性. 西北林学院学报. 2022(05): 104-110+123 . 百度学术
11. 张阳，钱多，马喆. 彩叶树种叶色影响因素及光合特性研究进展. 安徽农业科学. 2022(20): 12-17 . 百度学术
12. 王永涛，杨宁，李贵学，于林倩，姜锡川. 彩叶植物SPAD值及其荧光参数的异质性. 绿色科技. 2022(23): 92-97 . 百度学术
13. 马赞留. 彩叶紫薇育种及繁育技术研究进展. 农业开发与装备. 2022(12): 238-240 . 百度学术
14. 吴焦焦，田秋玲，谭星，乐佳兴，张文，高岚，李林珂，王一诺，刘芸. 氮磷钾肥配施对黄栌生长和叶片呈色的影响. 林业科学. 2021(11): 179-189 . 百度学术
15. 卢玉生，官凤英，彭超，尹子旭，张美曼，詹美春，晏颖杰. 竹笋截梢对绿竹生长及叶绿素荧光特性的影响. 浙江农林大学学报. 2020(01): 51-59 . 百度学术
16. 陈露，李家明，周相助，许茹，林义章，钟凤林. 外施苹果酸对紫色小白菜花青苷合成关键基因的影响. 农业生物技术学报. 2020(03): 407-419 . 百度学术
17. 肖杰，薛欢，苑景淇，于忠亮，李成宏，王梅芳，周梅妹，杜凤国. 3个紫薇品种幼苗光响应特性. 北华大学学报(自然科学版). 2020(03): 311-319 . 百度学术
18. 崔舜，邱国金，吴茜，戴静，徐炅，夏爱华. 彩叶紫薇新品种红火球与仑山1号的叶色及生理变化特性. 贵州农业科学. 2020(09): 16-21 . 百度学术
19. 肖杰，薛欢，苑景淇，于忠亮，李成宏，王梅芳，周梅妹，杜凤国. 3个紫薇品种实生苗和扦插苗光合特性比较及光合效率评价. 西部林业科学. 2020(06): 85-93 . 百度学术
20. 吕运舟，董筱昀，杨小鑫，孙海楠，何开跃，黄利斌. 黄山栾树新品种‘金焰彩栾’叶片呈色的生理特性及影响因子分析. 植物资源与环境学报. 2020(06): 51-56 . 百度学术
21. 宋鹏，丁彦芬，卓启苗，李涵，王亚楠，徐子涵，蔡慧. 3种卫矛属植物叶片秋冬季转色期生理生化特征研究. 西北植物学报. 2019(04): 669-676 . 百度学术
其他类型引用(10)
计量
- 文章访问数: 2773
- HTML全文浏览量: 768
- PDF下载量: 66
- 被引次数: 31
