Site quality evaluation of Larix olgensis plantations based on potential productivity in Jilin Province of northeastern China
-
摘要:目的
为验证基于林分潜在生长量的立地质量评价方法的可行性，并优化此方法，采用潜在生长量法估算林分断面积和蓄积潜在生产力，为长白落叶松人工林立地质量评价和抚育经营提供科学依据。
方法基于吉林省一类调查和二类调查局级固定样地数据，采用广义代数差分法建立长白落叶松人工林优势高生长模型，根据地位指数划分立地等级。建立含立地等级哑变量的断面积和蓄积生长模型，利用黄金分割法搜索最优密度，求解潜在生产力，并通过自然稀疏线进行验证；以现实林分年龄和林分密度指数计算现实生产力；结合现实生产力和潜在生产力两者差异综合评估生产力提升空间。
结果（1）长白落叶松人工林的优势高、断面积、蓄积生长模型拟合效果良好，调整决定系数为0.877、0.985、0.966；均方根误差为1.037 m、0.886 m2/（hm2·a）、9.756 m3/（hm2·a）；相对均方根误差为7.353%、6.588%、11.890%。5个立地等级的地位指数平均值大小为19.8、17.8、15.7、13.5和11.6 m。（2）同一林龄，断面积和蓄积潜在生产力对应的最优林分密度指数不同。基准年龄30年时断面积潜在生产力为0.861 ~ 0.941 m2/（hm2·a），蓄积潜在生产力为5.319 ~ 8.775 m3/（hm2·a）。与近熟林、成熟林、过熟林相比，中龄林和幼龄林现实生产力与潜在生产力差异较大，表明它们具有较大的生产力提升空间。（3）在林分生长过程中，潜在生产力对应的最优密度始终不大于林分自然稀疏的最大密度。
结论约束林分初始株数后计算的潜在生产力更符合实际，进一步验证了基于潜在生长量的立地质量评价方法的可行性。在中幼龄阶段，长白落叶松的现实生产力与潜在生产力差异显著，该差异随立地质量的下降而增大。研究结果给出了潜在生产力对应的最优林分密度，可为长白落叶松人工林的抚育经营提供依据。
Abstract:ObjectiveThis paper verifies the feasibility of site quality evaluation method based on potential annual increment of forest and optimize this method. The potential annual increment method was used to estimate the potential productivity of basal area and stand volume, providing a scientific basis for site quality evaluation and silvicultural management of Larix olgensis plantations.
MethodThe dominant height growth model of L. olgensis plantations was developed using generalized algebraic difference method based on the permanent sample plot data from the national forest inventory and forest management unit-level inventory in Jilin Province of northeastern China. Site grades were ranked according to the site index. The growth models of basal area and volume, incorporating site grades as dummy variables, were constructed, and the optimal stand density index was searched using golden section method. The corresponding potential productivity was calculated and verified by self-thinning line. Realized productivity was calculated from the actual stand age and stand density index. The productivity improvement gap was comprehensively evaluated by combining the difference between realized and potential productivity.
Result(1) The models of dominant height, basal area and volume growth of L. olgensis plantations showed good performance. The adjusted coefficients of determination values were 0.877, 0.985 and 0.966. The root mean square error values were 1.037 m, 0.886 m2/(ha·year) and 9.756 m3/(ha·year), while the relative root mean square error values were 7.353%, 6.588% and 11.890%. The average site index values for the five site grades were 19.8, 17.8, 15.7, 13.5 and 11.6 m, respectively. (2) For the same stand age, the optimal stand density index differed for basal area and volume potential productivity. At the base age of 30 years, the potential productivity for stand basal area ranged from 0.861 to 0.941 m2/(ha·year), while the potential productivity for volume ranged from 5.319 to 8.775 m3/(ha·year). The productivity gap between realized and potential productivity was larger in young and middle-aged stands compared with near-mature, mature and overmature stands, indicating a greater potential for productivity improvement. (3) During stand growth, the optimal stand density corresponding to potential productivity was always less than or equal to the maximum density determined by self-thinning process.
ConclusionThe potential productivity calculated after constraining the initial stand density is more realistic, further validating the feasibility of site quality evaluation method based on potential mean annual increment. During the young and middle-aged stages, the realized productivity of L. olgensis differs significantly from its potential productivity, with the difference increasing as site quality declines. The results provide the optimal stand density corresponding to potential productivity, offering a basis for tending operations and management of L. olgensis plantations.
-
随着工业化进程的加快，社会发展对矿产资源的需求程度越来越大，大规模开采造成矿区植被破坏和水土流失[1-3]。张宣矿区作为河北省三大铁矿矿集区之一，在带动当地经济发展的同时也造成了大量尾矿堆积，形成了众多的裸露创面和次生裸地，这类废弃地肥力低下、植被稀少，严重影响矿区及周边环境[4-6]。因此，植被恢复和土壤改良已成为矿区生态环境改善的首要任务[7]。人工植被措施是铁尾矿库生态重建的重要环节, 恢复措施选取的好坏也直接决定了生态恢复效果[8]。
近年来，矿区生态修复取得了一定的成果，比较热门的研究方向有恢复措施筛选[9]、植物种选配[10-11]、土壤改良[12-14]和重金属污染治理[15-16]等。侯永莉等[17]认为，原矿土 + 黄土 + 刺槐（Robinia pseudoacacia）组合模式对铁矿废弃地生态修复效果最佳。李想等[18]通过研究表明，有机肥 + 保水剂配施对尾矿土壤结构和养分改良效果比其他模式更好，并确定了最优配比。由此可见，适生植物种的选择与生境的创造是矿区生态修复的关键所在。但目前关于矿区生态修复措施的研究仍存在技术种类多、技术适应性不强和修复效果差等问题，导致矿区生态恢复进展缓慢，因而有必要就不同植被模式对铁尾矿的生态恢复效果做进一步研究。生态恢复效果评价可以为生态恢复提供反馈信息，是调整和改进恢复方案的重要手段。灰色关联分析（GRA）、模糊数学分析和主成分分析作为目前主流的评价方法，得到的评价结果具有较强的客观性与数学理论依据[19-21]；CRITIC法是一种基于对比强度和冲突性指标的客观赋权法，可以避免人为主观臆断的影响[22]。基于以上，本研究在CRITIC法确定权重的基础上，借助灰色关联度模型来完成计算分析，从而全面提升评价结果的准确性。
2022年的冬奥会，给予张宣矿区生态恢复巨大的推动力。以该矿区铁尾矿库植被模式为研究对象，综合评价分析其生态恢复效果，旨在为张宣矿区优势植被模式的选择和环境条件的改善提供参考。
1. 研究区概况
研究区位于河北省张家口市赤城县西部、宣化区东部（40°32′38″ ~ 41°25′27″N，115°25′19″ ~ 116°26′34″E），地处河北省北部山区，海拔1 100 ~ 2 100 m之间。属中温带半干旱大陆性季风气候，年平均气温6.5 ℃，无霜期145 d，多年平均降水量约为450 mm。褐土和棕壤土为主要土壤类型，土层较薄，肥力较低，氮磷钾分布不均匀。赤城县森林覆盖率57.57%，宣化区森林覆盖率27%，乡土植物有油松（Pinus tabuliformis）、侧柏（Platycladus orientalis）、荆条（Vitex negundo）、草木犀（Melilotus officinalis）等。目前研究区内约有130座铁尾矿库，其中仅有25%左右的尾矿库存在治理措施。
2. 研究方法
2.1 样地选择
2019年7月对张宣矿区铁尾矿库进行调查，获取样地基本情况（表1）。选择尾矿库13个坡面恢复区域，恢复年限为3 ~ 5年，未治理区域作为对照。本研究选择的坡向以阳坡为主，坡度为缓坡（5° ~ 15°）或斜坡（15° ~ 25°），斜坡居多。选取的恢复区域包括3种典型恢复措施，覆土整地植苗恢复（A）：全面覆土，厚度约为40 cm，采用穴状整地，乔木、灌木树种均为植苗造林；覆土自然恢复（B）：全面覆土，厚度约为40 cm，未进行整地，所有植被均为自然恢复；自然恢复（C）：铁尾矿库裸露坡面，未进行人为治理。
表 1 样地基本情况Table 1. General condition of sample plots编号
No.恢复措施
Restoration measure植被模式
Vegetation pattern坡向
Aspect坡度
Slope/（°）海拔
Altitude/m栽植密度/
（株·hm−2） Planting density/（plant·ha−1）恢复年份
Restoration yearⅠ A 油松 + 元宝枫
Pinus tabuliformis + Acer truncatum阳坡 Sunny slope 10 1 315 750 2015 Ⅱ 油松 + 洋白蜡
Pinus tabuliformis + Fraxinus pennsylvanica阳坡 Sunny slope 10 1 315 780 2015 Ⅲ 油松
Pinus tabuliformis阳坡 Sunny slope 15 1 305 820 2015 Ⅳ 油松 + 胡枝子
Pinus tabuliformis + Lespedeza bicolor阳坡 Sunny slope 18 1 129 760 2014 Ⅴ 沙棘 + 胡枝子
Hippophae rhamnoides + Lespedeza bicolor阳坡 Sunny slope 15 1 137 3 650 2014 Ⅵ 紫穗槐 + 胡枝子
Amorpha fruticosa + Lespedeza bicolor阳坡 Sunny slope 25 1 181 2 980 2014 Ⅶ 沙棘
Hippophae rhamnoides阳坡 Sunny slope 20 1 310 4 350 2015 Ⅷ 胡枝子
Lespedeza bicolor阳坡 Sunny slope 18 1 182 2 800 2016 Ⅸ 紫穗槐
Amorpha fruticosa阳坡 Sunny slope 27 1 167 3 230 2014 Ⅹ B 黄芪 + 狗尾草
Astragalus membranaceus + Setaria viridis阳坡 Sunny slope 14 1 221 2016 Ⅺ 草木犀 + 披碱草
Melilotus officinalis + Elymus dahuricus阴坡 Shady slope 25 1 130 2016 Ⅻ 芦苇 + 野艾蒿
Phragmites communis + Artemisia lavandulaefolia阳坡 Sunny slope 28 1 309 2016 Ⅹ Ⅲ 野艾蒿 + 牛筋草
Artemisia lavandulaefolia + Eleusine indica阴坡 Shady slope 18 1 154 2016 Ⅹ Ⅳ C 裸露尾矿
Bare tailings阴坡 Shady slope 30 1 200 2014 注：A、B和C分别为覆土整地植苗恢复、覆土自然恢复和自然恢复，Ⅹ ~ Ⅹ Ⅳ中未出现乔木或灌木种，因此未进行栽植密度测定。Notes: A, B and C are soil preparation and planting restoration, natural restoration and natural restoration, respectively, no tree or shrub species are found in pattern Ⅹ−Ⅹ Ⅳ, so planting density is not determined. 在每个恢复区域设置3个20 m × 20 m的标准样地，并在每个样地内的四角和对角线交点区域共布设5个5 m × 5 m的灌木样方和5个1 m × 1 m的草本样方。记录样方内植物种类、高度、盖度等。在每个样方内随机取3个0 ~ 20 cm、20 ~ 40 cm深的土壤样品，将所有样品带回实验室进行测定。
2.2 指标测定与方法
各样方植被盖度使用基于DJIPhantom 4 型无人机可见光图像提取，物种重要值和植物多样性指数参考下列公式计算[23]。采用pH计法测定样品pH值，重铬酸钾稀释热法测定有机质，碱解氮扩散法测定速效氮，钼锑抗比色法测定速效磷，火焰光度计法测定速效钾[24]。
重要值 = （相对密度 + 相对频度 + 相对盖度）/ 3
Shannon-Wiener 多样性指数：
H=−∑Sy=1Py⋅lnPy Margalef 丰富度指数：
M=(S−1)/lnN Pielou 均匀度指数：
E=H/lnS 式中：
Py 为物种y在样方中的数量占比，即Py=Ny/N ，其中Ny 为样方内物种y的个体数，N 为样方内所有个体数；S 为样方内植物种类总数。2.3 数据处理与分析
采用Excel 2019进行数据处理，采用Pearson法分析不同模式植被指标和土壤指标的相关性，使用SPSS 24进行CRITIC权重计算（表2）和灰色关联分析，采用Origin 2021进行制图，参考前人相关研究成果[25-27]和土壤农化分析（第3版）设立各指标分级标准（表2）。
表 2 各指标权重与评价标准Table 2. Index weight and evaluation standard指标 Index 权重 Weight 优 Excellent 良 Credit 中 Medium 差 Poor H 0.15 > 0.7 0.7 ~ 0.5 0.5 ~ 0.3 < 0.3 M 0.12 > 10 10 ~ 7.5 7.5 ~ 5 < 5 E 0.12 > 0.7 0.7 ~ 0.5 0.5 ~ 0.3 < 0.3 植被盖度 Vegetation coverage/% 0.10 > 60 60 ~ 40 40 ~ 20 < 20 pH值 pH value 0.03 6.5 ~ 8.5 — — — 有机质 Organic matter/（g·kg−1） 0.12 30 ~ 20 20 ~ 15 15 ~ 10 < 10 速效氮 Available nitrogen/（mg·kg−1） 0.13 120 ~ 90 90 ~ 60 60 ~ 45 < 45 速效磷 Available phosphorus/（mg·kg−1） 0.15 20 ~ 10 10 ~ 5 5 ~ 3 < 3 速效钾 Available potassium/（mg·kg−1） 0.07 150 ~ 100 100 ~ 50 50 ~ 30 < 30 注：H. Shannon-Wiener 多样性指数；M. Margalef 丰富度指数；E. Pielou均匀度指数。下同。Notes: H, Shannon-Wiener diversity index; M, Margalef richness index; E, Pielou evenness index. The same below. 2.4 CRITIC –GRA法
将试验所得数据规范化后作为比较序列，表示为Xi（i = 0，1，···，14），代表模式Ⅰ到Ⅹ Ⅳ。选取各指标的最优值作为最优序列X0（k），k = {1，2，···，m}，m即为k的取值。 W 为权重，分辨系数ρ = 0.5。参考公式（1）计算各序列与参考序列的关联系数S。
Si(k)=min (1) 采用CRITIC权重法确定各指标权重W，参考公式（2）对关联系数求加权平均值得到加权关联度R。
{R}=\frac{1}{m}\sum _{k=1}^{m}{W}_{k} \cdot S_i\left(k\right) (2) 3. 结果与分析
3.1 不同植被模式下植被恢复情况
3.1.1 植物生长特征
由不同模式的植物生长特征（表3）知，在本研究区含乔木的模式中，乔木平均树高为185.11 ~ 519.63 cm，平均胸径为2.29 ~ 9.05 cm，平均冠幅为149.77 ~ 302.75 cm，乔木郁闭度为19% ~ 34%。油松 + 洋白蜡（Fraxinus pennsylvanica）模式的乔木生长特征均显著优于其他模式。油松 + 胡枝子（Lespedeza bicolor）模式仅次于油松 + 洋白蜡模式。灌木和草本平均高分别为45.68 ~ 189.25 cm、5.73 ~ 90.28 cm，其中以沙棘（Hippophae rhamnoides）和紫穗槐（Amorpha fruticosa）为主的覆土自然恢复措施的灌木平均株高显著高于其他模式，自然恢复措施的草本平均高度显著高于其他两种措施。
表 3 不同模式的植物生长特征Table 3. Plant growth characteristics of different patterns编号
No.乔木层
Tree layer灌木层
Shrub layer草本层
Herb layer植被盖度
Vegetation coverage/%树种
Tree species平均树高
Mean tree height/cm平均胸径
Mean DBH/cm平均冠幅
Average crown width/cm平均株高
Mean plant height/cm平均株高
Mean plant height/cmⅠ 油松
Pinus tabuliformis217.58 ± 9.95c 2.81 ± 0.19b 187.62 ± 15.74c 21.99 ± 2.98c 52.30 元宝枫
Acer truncatum265.38 ± 13.83b 2.75 ± 0.21b 176.78 ± 14.05c Ⅱ 油松
Pinus tabuliformis210.67 ± 14.14c 2.29 ± 0.30b 149.77 ± 9.34c 32.84 ± 4.39bc 48.30 洋白蜡
Fraxinus pennsylvanica519.63 ± 35.07a 9.05 ± 0.77a 302.75 ± 2.45a Ⅲ 油松
Pinus tabuliformis185.11 ± 13.83d 2.65 ± 0.23b 174.24 ± 14.94c 13.22 ± 2.25d 64.80 Ⅳ 油松
Pinus tabuliformis213.79 ± 24.14c 8.22 ± 0.85a 224.89 ± 20.38b 53.27 ± 5.74c 8.23 ± 1.76de 72.30 Ⅴ 189.25 ± 16.37a 6.99 ± 0.82e 68.10 Ⅵ 132.33 ± 11.21b 5.73 ± 1.11e 50.30 Ⅶ 176.55 ± 13.95a 8.32 ± 1.45de 85.00 Ⅷ 45.68 ± 3.58c 15.33 ± 3.25d 48.60 Ⅸ 157.54 ± 18.22ab 9.84 ± 0.99de 54.70 Ⅹ 41.37 ± 5.39bc 33.10 Ⅺ 83.91 ± 4.46a 38.20 Ⅻ 90.28 ± 10.26a 36.20 Ⅹ Ⅲ 66.18 ± 7.33b 40.00 注：模式Ⅴ ~ Ⅹ Ⅲ中没有出现乔木树种，Ⅰ ~ Ⅲ和Ⅹ ~ Ⅹ Ⅲ中没有出现灌木树种，模式Ⅹ Ⅳ没有出现任何植物种。不同小写字母分别表示不同模式间差异显著（P < 0.05）。Notes: there are no tree species in pattern Ⅴ−Ⅹ Ⅲ, no shrub species in pattern Ⅹ−Ⅹ Ⅲ and Ⅹ−Ⅹ Ⅳ, and no plant species in pattern Ⅹ Ⅳ. Different lowercase letters indicate significant differences among different patterns (P < 0.05). 基于无人机可见光图像提取并计算的各模式植被盖度（表3）结果表明，所有模式植被盖度均优于自然恢复措施，其中沙棘模式的植被盖度最高（85.00%），油松（64.80%）和油松 + 胡枝子模式（72.30%）植被盖度明显高于油松 + 元宝枫（Acer truncatum）（52.30%）和油松 + 洋白蜡模式（48.30%），草本模式的植被盖度普遍偏低，基本处在40.00%以下，且未治理区域植被盖度最低。
3.1.2 植被群落特征
由不同模式的植物多样性指数（表4）知，多样性指数H处于0.21 ~ 1.88，以乔木为主的覆土整地植苗恢复模式中的多样性指数普遍高于其他模式，其中油松 + 洋白蜡模式最高（1.88）。覆土自然恢复措施的多样性指数普遍较低，其中野艾蒿（Artemisia lavandulaefolia） + 牛筋草（Eleusine indica）模式（0.21）最低。不同模式丰富度指数处于0.33 ~ 1.41，油松 + 洋白蜡（1.41）和油松 + 元宝枫（1.37）等乔木混交林丰富度指数显著高于其他灌草、草本模式。草木犀+披碱草（ Elymus dahuricus ）模式（0.33）的丰富度指数为所有人工恢复措施中最小。均匀度指数处于0.13 ~ 0.82，油松 + 洋白蜡（0.82）最高、其次为油松 + 胡枝子模式（0.80）。覆土整地植苗恢复措施中以沙棘为主的模式均匀度指数普遍偏低，覆土自然恢复措施中以芦苇（Phragmites communis）、野艾蒿为主的草本模式均匀度指数最低。
表 4 不同模式的植物多样性Table 4. Species diversity of different patterns编号 No. Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ Ⅵ Ⅶ Ⅷ Ⅸ Ⅹ Ⅺ Ⅻ Ⅹ Ⅲ Ⅹ Ⅳ H 1.53 1.88 1.76 1.03 0.60 0.66 0.72 0.55 0.52 0.69 0.44 0.64 0.21 — M 1.37 1.41 0.98 0.94 0.78 0.79 0.51 0.63 0.68 0.98 0.33 0.79 0.47 — E 0.74 0.82 0.80 0.50 0.31 0.34 0.45 0.31 0.29 0.33 0.40 0.32 0.13 — 注：模式Ⅹ Ⅳ没有出现植物种。Note: there are no plant species in pattern Ⅹ Ⅳ. 各模式中乔木树种以油松存在优势最为明显，灌木种类以蔷薇科（Rosaceae）、马鞭草科（Verbenaceae）为主，草本植物以菊科（Compositae）、豆科（Leguminosae）和禾本科（Gramineae）为主。油松模式的林下植被种类最多为7种，沙棘模式最少为4种。覆土整地植苗恢复措施中沙棘的重要值远高于胡枝子、紫穗槐等灌木，因此可以将沙棘作为灌木的优势种。在覆土自然恢复的植被模式中，黄芪（Astragalus membranaceus）、芦苇、野艾蒿的重要值相对其他草本较高，因此可以将此3种植物作为草本植物的优势种。
3.2 不同植被模式下土壤养分情况
3.2.1 土壤pH值
由不同模式的土壤pH值（图1）知：各模式0 ~ 20 cm土层pH值整体低于20 ~ 40 cm土层，但差异不显著。模式Ⅰ ~ Ⅹ Ⅲ中0 ~ 20 cm土层土壤pH值处于7.35 ~ 8.13，20 ~ 40 cm土层土壤pH值为7.44 ~ 8.19，为弱碱性或碱性土。模式Ⅹ Ⅳ中0 ~ 20 cm土层土壤pH值为8.72，20 ~ 40 cm土层pH值为8.82，属强碱性土壤，且自然恢复措施不同土层土壤pH值均显著高于其他模式。覆土整地植苗恢复措施中，沙棘 + 胡枝子模式不同土层土壤pH值显著低于其他模式。覆土自然恢复措施中，草木犀 + 披碱草模式不同土层土壤pH值显著低于其他模式。
![]()
图 1 不同模式的土壤pH值不同小写字母分别表示不同模式间差异显著（P < 0.05）。下同。Different lowercase letters indicate significant differences among varied modes (P < 0.05). The same below.Figure 1. pH values in soil of different patterns3.2.2 土壤有机质
由不同模式的土壤有机质含量（图2）知：各模式0 ~ 20 cm土层的土壤有机质含量显著高于20 ~ 40 cm土层。与未治理的铁尾矿废弃地相比，不同模式均能显著提高土壤有机质含量，恢复模式之间的存在一定差异，但各模式有机质含量依然处于较低水平。在0 ~ 20 cm土层中，沙棘 + 胡枝子模式土壤有机质含量最高，达到16.95 g/kg，是自然恢复措施有机质含量的15倍。相比于0 ~ 20 cm土层，20 ~ 40 cm土层有机质含量整体较低，最高为沙棘 + 胡枝子模式（10.37 g/kg），最低为未治理尾矿废弃地（1 g/kg）。
3.2.3 土壤速效养分
由不同模式0 ~ 20 cm和20 ~ 40 cm土层速效养分含量（图3）知：覆土整地植苗恢复措施和覆土自然恢复措施不同土层速效养分含量均高于自然恢复措施。不同模式0 ~ 20 cm土层的速效氮含量整体显著高于 20 ~ 40 cm土层。油松模式0 ~ 20 cm土层速效氮含量显著高于其他模式。在覆土自然恢复措施中，草木犀 + 披碱草模式0 ~ 20 cm 土层中的速效磷含量显著高于其他模式。油松 + 元宝枫和油松模式20 ~ 40 cm土层速效氮含量显著高于其他模式。覆土整地植苗恢复措施中以胡枝子为主的模式0 ~ 20 cm土层中的速效磷含量显著高于其他模式，其他模式之间无显著差异。各模式0 ~ 20 cm、20 ~ 40 cm土层速效钾含量差异显著。除胡枝子模式外，其他模式0 ~ 20 cm速效钾含量均显著高于20 ~ 40 cm土层。在覆土自然恢复措施中，芦苇 + 野艾蒿模式不同土层的速效钾含量均显著高于其他模式。
3.3 植被和土壤指标相关性分析
由各模式植被和土壤指标相关性分析（图4）可知，Shannon-Wiener多样性指数、Pielou均匀度指数与速效氮呈极显著正相关（P < 0.01），与速效钾呈显著正相关（P < 0.05）。Margalef丰富度指数与各土壤指标均呈弱相关关系（P > 0.05），植被盖度与有机质、速效磷、速效钾呈极显著正相关（P < 0.01），与速效氮呈显著正相关（P < 0.05），与pH值呈弱正相关关系（P > 0.05）。
![]()
图 4 植被和土壤指标的相关性分析VC.植被盖度；pH.pH值；OM.有机质；AN.速效氮；AP.速效磷；AK.速效钾。** 表示P < 0.01水平上极显著相关；* 表示P < 0.05水平上显著相关。VC, vegetation coverage; pH, pH value; OM, organic matter; AN, available nitrogen; AP, available phosphorus; AK, available potassium. ** indicates the correlation is significant at the 0.01 level; * indicates the correlation is significant at the 0.05 level.Figure 4. Correlation analysis of vegetation and soil index3.4 生态恢复效果评价
本研究中铁尾矿库的恢复年限为3 ~ 5年，仍处于生态恢复初始阶段，故在植被恢复效果方面选取Shannon-Wiener多样性指数、Margalef丰富度指数、Pielou均匀度指数和植被盖度。土壤迟效性养分固定在矿物质和有机质中，不经分解释放，植物不能吸收利用，因此在土壤改良效果方面选取植物可以直接吸收利用的速效养分指标（速效氮、速效磷、速效钾）、土壤pH值、有机质。共计选取9个指标对尾矿库生态恢复效果进行评价，将上述指标进行规范化处理，参照CRITIC-GRA法进行计算得到最终评价结果。
由各模式评价等级（表5）可知：各模式生态恢复效果的关联度处于0.41 ~ 0.80，其中油松（0.80） > 油松 + 洋白蜡（0.72） > 沙棘 + 胡枝子（0.71） > 沙棘（0.68） > 油松 + 胡枝子（0.64） = 紫穗槐 + 胡枝子（0.64） > 油松 + 元宝枫（0.63） > 紫穗槐（0.61） > 胡枝子（0. 60） > 芦苇 + 野艾蒿（0.55） > 草木犀 + 披碱草（0.54）、黄芪 + 狗尾草（Setaria viridis）（0.52） > 野艾蒿 + 牛筋草（0.49） > 未治理（0.41），且9种覆土整地植苗恢复措施和4种覆土自然恢复措施的植被恢复效果均优于自然恢复措施。油松、油松 + 洋白蜡、沙棘 + 胡枝子为研究区内排名前3的模式，评价等级处于“优”，该结果符合上文植被生长及土壤养分状况分析结果。整体来看，覆土整地植苗恢复措施评价等级为“优”或“良”，覆土自然恢复措施评价等级为“中”，仅自然恢复措施评价等级为“差”。
表 5 各模式评价等级Table 5. Evaluation levels of different patterns编号 No. 植被模式 Vegetation pattern 评价等级 Evaluation level 排名 Ranking 优 Excellent
1 ~ 0.70良 Credit
0.69 ~ 0.60中 Medium
0.59 ~ 0.45差 Poor
0.44 ~ 0Ⅰ 油松 + 元宝枫 Pinus tabuliformis + Acer truncatuma 0.63 6 Ⅱ 油松 + 洋白蜡 Pinus tabuliformis + Fraxinus pennsylvanic 0.72 2 Ⅲ 油松 Pinus tabuliformis 0.80 1 Ⅳ 油松 + 胡枝子 Pinus tabuliformis + Lespedeza bicolor 0.64 5 Ⅴ 沙棘 + 胡枝子 Hippophae rhamnoides + Lespedeza bicolor 0.71 3 Ⅵ 紫穗槐 + 胡枝子 Amorpha fruticosa + Lespedeza bicolor 0.64 5 Ⅶ 沙棘 Hippophae rhamnoides 0.68 4 Ⅷ 胡枝子 Lespedeza bicolor 0.60 8 Ⅸ 紫穗槐 Amorpha fruticosa 0.61 7 Ⅹ 黄芪 + 狗尾草 Astragalus membranaceus + Setaria viridis 0.52 11 Ⅺ 草木犀 + 披碱草 Melilotus officinalis + Elymus dahuricus 0.54 10 Ⅻ 芦苇 + 野艾蒿 Phragmites communis + Artemisia lavandulaefolia 0.55 9 ⅩⅢ 野艾蒿 + 牛筋草 Artemisia lavandulaefolia + Eleusine indica 0.49 12 ⅩⅣ 裸露尾矿 Bare tailings 0.41 13 4. 讨 论
植被修复是矿区生态修复的首要之举[28-29]。经以上分析，在尾矿库生态恢复中，油松、油松 + 胡枝子等乔木、乔灌混交林搭配可以有效促进林下灌草生长[25]。覆土整地植苗恢复措施中沙棘对研究区环境的适应性优于其他植被，这与其生长迅速、极耐贫瘠和干旱的生长习性是密切关联的[30]。松针土具有更好的保湿作用且能有效防治土壤侵蚀，松针腐烂后能提供更多的营养给植物，因此油松模式林下草本生长特征优于其他乔木模式[25]。各模式的植被盖度普遍处于中上水平，油松和油松 + 胡枝子模式的植被盖度明显高于其他模式，这可能是因为油松有着较高的郁闭度。在研究区铁尾矿库土壤肥力贫瘠、保水性差的条件下，乔木树种成活率低、生长缓慢，油松作为针叶树种凭借其较强的耐旱性和林下土层较好的持水能力，为矿山废弃地的植被建设带来了良好的生态效益[31]。乔木、乔灌等模式多样性指数普遍高于灌木、灌草等恢复模式，可能是由于灌木层恢复过程缓慢。在群落结构组成方面，草本植物占比较大，多样性指数高于灌木，丰富度指数普遍较差，在不同程度上反映了不同模式的群落结果偏简单，这与韩煜等[32]、任余艳等[33]研究结果相似。
土壤养分的有效性与土壤pH值的变化密切相关[34]。在本研究中，绝大多数模式0 ~ 20 cm土层土壤pH值均低于20 ~ 40 cm土层，但差异不显著，这说明植物对土壤pH值的改良是自上而下的。土壤有机质含量可以衡量土壤养分与肥力好坏，植物根系新陈代谢产物能够增加土壤有机质含量[35]。各模式0 ~ 20 cm土层的土壤有机质含量显著高于20 ~ 40 cm土层，0 ~ 20 cm土层中沙棘 + 胡枝子混交林有机质含量最高，20 ~ 40 cm土层中沙棘 + 胡枝子、芦苇 + 野艾蒿模式均显著高于其他模式，这可能是因为林下枯落物在矿质化过程中形成的腐殖质的积累。土壤中速效养分是衡量土壤中氮、磷、钾素供应的重要指标，可以直接被植物吸收利用[36]。林下枯落物已成为土壤氮、磷、钾等元素重要来源，同时枯落物的积累量和分解速度等也都影响着营养元素的补充[37]。研究发现，该地区土壤富含钾，但缺氮、磷和有机质。综上，植物在生长过程中改良了尾矿库的养分状况，相比自然恢复措施均有所提高，这与周月杰等[38]、任晓旭等[39]的研究结果相符。
土壤提供了植物生长发育所必需的养分，是植物的重要生态因子[12]。在本研究中，Shannon-Wiener多样性指数、Pielou均匀度指数与土壤速效氮、速效钾呈显著正相关，植被盖度与有机质、速效磷、速效钾呈极显著正相关，这主要是由于植物根系与土壤之间具有较大的接触面，植物和土壤通过频繁的物质交换相互影响[25]。油松 + 胡枝子模式植被生长特征优于其他模式，多样性指数及土壤养分含量也处于较优水平。自然恢复的裸露坡面没有任何植物生长，土壤养分含量也偏低。由此可见，土壤养分状况与植物生长及群落特征息息相关[23]。从评价结果来看，油松、油松 + 洋白蜡、沙棘 + 胡枝子3种模式处于“优”，与上文物种组成及重要值分析结果相符。其中沙棘模式恢复效果较其他灌木模式好，这可能是因为在铁尾矿库土壤瘠薄、养分含量少的条件下，人工栽植灌木恢复模式中沙棘纯林苗木规格高，凭借自身适生性强和耐干旱瘠薄特性，比其他植物种更能适应这一环境，因此可以当作铁尾矿库生态恢复的优选植被[39-40]。此外，紫穗槐、胡枝子灌木纯林或其混交模式评价等级处于“良”，这可能是由于它们具有发达的根系，适应能力较强，能够有效增加土壤速效养分含量。而覆土自然恢复措施中所有模式评价等级为“中”，表明单一的草本植物无法改善铁尾矿库植被状况差、土壤养分含量低的现状[25]。自然恢复措施未进行覆土，且尾矿砂孔隙度大、保水保肥性差，植物扎根困难，因而评价等级为“差”。本研究模式样地多设置在阳坡，因此评价结果更适用于阳坡的植被恢复。除模式Ⅰ和Ⅱ外，其他模式样地均处于斜坡（15° ~ 25°）范围，对于坡度大于斜坡的坡面，使用本研究恢复模式前应进行适当削坡处理。基于以上分析，在今后矿山废弃地生态恢复中应加大乔灌木配比，可优先采用覆土整地植苗恢复措施，并适当保证其成活率，如施有机肥或化肥，提高根际周围土壤的养分含量[41]。
5. 结 论
（1）各模式的植被盖度普遍处于中上水平，油松、沙棘、芦苇、野艾蒿分别为研究区内乔木、灌木、草本植物的优势种；乔木、乔灌等模式多样性指数普遍高于灌木、灌草等恢复模式，但丰富度指数普遍较差。植物在生长过程中明显改善了尾矿库土壤的养分状况，相比自然恢复模式均有所提高，不同模式、不同土壤深度对土壤速效氮、速效磷、速效钾和有机质含量均影响显著；该区土壤富含速效钾，但缺乏氮、磷和有机质。
（2）从CRITIC-GRA法得分排名来看，除自然恢复措施评价等级处于“差”，其他措施均处于“中”及以上。覆土整地植苗恢复措施为尾矿库生态恢复最优措施，其中油松、油松 + 洋白蜡、沙棘 + 胡枝子和沙棘模式在研究区内得分排名前3。
（3）建议当地采用覆土整地植苗恢复措施，植物种选择上优先考虑油松 + 沙棘或胡枝子 + 野艾蒿或草木犀，如为加快土壤养分库的改良，可适时施用一定量的氮磷肥和有机肥。
-
![]()
图 1 长白落叶松人工林优势高生长的5个立地等级分布
Figure 1. Distribution of dominant height growth across 5 site grades in Larix olgensis plantations
![]()
图 2 立地等级1最优林分密度指数及潜在生产力
实线为约束（3 000株/hm2）条件下的断面积、蓄积年生长量曲线，虚线为无约束的年生长量曲线；红点与黑点分别为各林龄约束与无约束的年生长量最大值。
Figure 2. Optimal stand density index and potential productivity for site grade 1
![]()
图 3 长白落叶松林分断面积和蓄积的潜在生产力、现实生产力和可提升空间
Figure 3. Potential productivity, realized productivity and their difference in basal area and volume for Larix olgensis
![]()
图 4 最大密度线与潜在生产力最优密度线
Figure 4. Maximum density line and optimal density line for potential productivity
表 1 吉林省长白落叶松人工林样地林分因子统计量
Table 1 Summary statistics of stand factors in Larix olgensis plantation plots in Jilin Province
林分因子 平均值 标准差 最小值 最大值 林分平均年龄/a 27 10 6 65 林分优势高/m 14.5 3.0 5.6 23.0 林分平均胸径/cm 13.0 3.8 5.7 28.1 林分断面积/（m2·hm−2） 13.45 7.24 0.79 37.13 林分蓄积/（m3·hm−2） 82.05 52.76 2.53 284.31 林分密度指数/（株·hm−2） 499 246 40 1 285 
下载: 导出CSV
表 2 模型参数估计与留一交叉法验证结果
Table 2 Parameter estimates and leave-one-out cross-validation results
生长模型 参数 估计值 留一交叉法验证结果 平均值 标准差 变异系数/% 优势高 b 0.056 0.056 0.000 0.00 f1 4.489 4.489 0.013 0.29 f2 −1.146 −1.146 0.004 0.35 断面积 a13 45.554 45.555 0.119 0.26 a1 1.015 1.015 0.004 0.39 b1 32.543 32.544 0.386 1.19 c1 3.793 3.793 0.003 0.08 d1 0.268 0.268 0.000 0.00 蓄积 a23 383.523 383.535 1.473 0.38 a2 47.019 47.020 0.188 0.40 b2 0.368 0.368 0.002 0.54 c2 1.477 1.477 0.001 0.07 d2 0.723 0.723 0.001 0.14
下载: 导出CSV
表 3 5个立地等级的地位指数与极值参数
Table 3 Site index and asymptote parameters for 5 site grades
立地
等级地位指数/m 断面积生长模型 蓄积生长模型 范围 平均值 极值参数 值 极值参数 值 1 ≥18.6 19.8 a11 47.584 a21 477.561 2 [16.6 ~ 18.6） 17.8 a12 46.569 a22 430.542 3 [14.6 ~ 16.6） 15.7 a13 45.554 a23 383.523 4 [12.6 ~ 14.6） 13.5 a14 44.539 a24 336.504 5 < 12.6 11.6 a15 43.524 a25 289.485
下载: 导出CSV
表 4 立地等级1最优林分密度指数
Table 4 Optimal stand density index for site grade 1
潜在生产力 不同林分年龄最优林分密度指数/（株·hm−2） 20 a 40 a 60 a 80 a 断面积 995 841 759 706 蓄积 1 096 850 722 638
下载: 导出CSV
表 5 15 a长白落叶松林分断面积和蓄积的潜在生产力、现实生产力和相对可提升空间
Table 5 Potential productivity, realized productivity and their difference in basal area and volume for Larix olgensis at 15 years
类别 指标 立地等级 1 2 3 4 5 断面积 现实生产力/（m2·hm−2·a−1） 1.155 0.814 0.709 0.370 0.163 潜在生产力/（m2·hm−2·a−1） 1.834 1.748 1.638 1.513 1.378 生产力相对提升空间/% 37.02 53.43 56.72 75.55 88.17 蓄积 现实生产力/（m3·hm−2·a−1） 8.473 5.504 4.365 2.019 0.761 潜在生产力/（m3·hm−2·a−1） 13.704 11.911 10.107 8.350 6.692 生产力相对提升空间/% 38.17 53.79 56.81 75.82 88.63
下载: 导出CSV
表 6 林分断面积和蓄积潜在生产力（基准年龄30年）
Table 6 Potential productivity of basal area and volume (base age = 30 years)
潜在生产力 立地等级 1 2 3 4 5 断面积/（m2·hm−2·a−1） 0.941 0.921 0.901 0.881 0.861 蓄积/（m3·hm−2·a−1） 8.775 7.911 7.047 6.183 5.319
下载: 导出CSV
-
[1] 张会儒, 雷相东, 张春雨, 等. 森林质量评价及精准提升理论与技术研究[J]. 北京林业大学学报, 2019, 41(5): 1−18. Zhang H R, Lei X D, Zhang C Y, et al. Research on theory and technology of forest quality evaluation and precision improvement[J]. Journal of Beijing Forestry University, 2019, 41(5): 1−18.
[2] 高若楠, 谢阳生, 雷相东, 等. 基于随机森林模型的天然林立地生产力预测研究[J]. 中南林业科技大学学报, 2019, 39(4): 39−46. Gao R N, Xie Y S, Lei X D, et al. Study on prediction of natural forest productivity based on random forest model[J]. Journal of Central South University of Forestry & Technology, 2019, 39(4): 39−46.
[3] 郭艳荣, 吴保国, 刘洋, 等. 立地质量评价研究进展[J]. 世界林业研究, 2012, 25(5): 47−52. Guo Y R, Wu B G, Liu Y, et al. Research progress of site quality evaluation[J]. World Forestry Research, 2012, 25(5): 47−52.
[4] 吴恒, 党坤良, 田相林, 等. 秦岭林区天然次生林与人工林立地质量评价[J]. 林业科学, 2015, 51(4): 78−88. Wu H, Dang K L, Tian X L, et al. Evaluating site quality for secondary forests and plantation in Qinling Mountains[J]. Scientia Silvae Sinicae, 2015, 51(4): 78−88.
[5] Bontemps J D, Bouriaud O. Predictive approaches to forest site productivity: recent trends, challenges and future perspectives[J]. Forestry, 2014, 87(1): 109−128. doi: 10.1093/forestry/cpt034
[6] 徐罗, 亢新刚, 郭韦韦, 等. 天然云冷杉针阔混交林立地质量评价[J]. 北京林业大学学报, 2016, 38(5): 11−22. Xu L, Kang X G, Guo W W, et al. Site quality evaluation of natural spruce-fir and broadleaf mixed stands[J]. Journal of Beijing Forestry University, 2016, 38(5): 11−22.
[7] Vander Yacht A L, Kobe R K, Walters M B. Hardwood regeneration in red pine plantations: thinning and site quality effects on changes in density and species composition from edges to interiors[J/OL]. Forest Ecology and Management, 2022, 526: 120576[2024−03−11]. https://doi.org/10.1016/j.foreco.2022.120576.
[8] Pan X, Sun S C, Hua W P, et al. Predicting the stand growth and yield of mixed Chinese fir forests based on their site quality, stand density, and species composition[J/OL]. Forests, 2023, 14(12): 2315[2024−03−08]. https://doi.org/10.3390/f14122315.
[9] Sharma R P, Brunner A, Eid T, et al. Modelling dominant height growth from national forest inventory individual tree data with short time series and large age errors[J]. Forest Ecology and Management, 2011, 262(12): 2162−2175. doi: 10.1016/j.foreco.2011.07.037
[10] Kitikidou K, Petrou P, Milios E. Dominant height growth and site index curves for Calabrian pine (Pinus brutia Ten.) in central Cyprus[J]. Renewable and Sustainable Energy Reviews, 2012, 16(2): 1323−1329. doi: 10.1016/j.rser.2011.10.010
[11] Diéguez-Aranda U, Burkhart H E, Rodríguez-Soalleiro R. Modeling dominant height growth of radiata pine (Pinus radiata D. Don) plantations in north-western Spain[J]. Forest Ecology and Management, 2005, 215(1−3): 271−284.
[12] 牛亦龙, 董利虎, 李凤日. 基于广义代数差分法的长白落叶松人工林地位指数模型[J]. 北京林业大学学报, 2020, 42(2): 9−18. Niu Y L, Dong L H, Li F R. Site index model for Larix olgensis plantation based on generalized algebraic difference approach derivation[J]. Journal of Beijing Forestry University, 2020, 42(2): 9−18.
[13] 黄国胜, 马炜, 王雪军, 等. 基于一类清查数据的福建省立地质量评价技术[J]. 北京林业大学学报, 2014, 36(3): 1−8. Huang G S, Ma W, Wang X J, et al. Forestland site quality evaluation of Fujian Province based on continuous forest inventory data[J]. Journal of Beijing Forestry University, 2014, 36(3): 1−8.
[14] 沈剑波, 雷相东, 雷渊才, 等. 长白落叶松人工林地位指数及立地形的比较研究[J]. 北京林业大学学报, 2018, 40(6): 1−8. Shen J B, Lei X D, Lei Y C, et al. Comparison between site index and site form for site quality evaluation of Larix olgensis plantation[J]. Journal of Beijing Forestry University, 2018, 40(6): 1−8.
[15] Do H T T, Zimmer H C, Vanclay J K, et al. Site form classification: a practical tool for guiding site-specific tropical forest landscape restoration and management[J]. Forestry, 2022, 95(2): 261−273. doi: 10.1093/forestry/cpab046
[16] Castaño-Santamaría J, López-Sánchez C A, Obeso J R, et al. Development of a site form equation for predicting and mapping site quality. a case study of unmanaged beech forests in the Cantabrian Range (NW Spain)[J/OL]. Forest Ecology and Management, 2023, 529: 120711[2024−03−05]. https://doi.org/10.1016/j.foreco.2022.120711.
[17] 雷相东, 符利勇, 李海奎, 等. 基于林分潜在生长量的立地质量评价方法与应用[J]. 林业科学, 2018, 54(12): 116−126. Lei X D, Fu L Y, Li H K, et al. Methodology and applications of site quality assessment based on potential mean annual increment[J]. Scientia Silvae Sinicae, 2018, 54(12): 116−126.
[18] Fu L Y, Sharma R P, Zhu G Y, et al. A basal area increment-based approach of site productivity evaluation for multi-aged and mixed forests[J/OL]. Forests, 2017, 8(4): 119[2024−03−12]. https://doi.org/10.3390/f8040119.
[19] Liu X Z, Duan G S, Chhin S, et al. Evaluation of potential versus realized site productivity of Larix principis-rupprechtii plantations across northern China[J/OL]. Forest Ecology and Management, 2021, 479: 118608[2024−03−13]. https://doi.org/10.1016/j.foreco.2020.118608.
[20] 段光爽, 郑亚丽, 洪亮, 等. 基于潜在生产力的华北落叶松纯林和白桦山杨混交林立地质量评价[J]. 林业科学, 2022, 58(10): 1−9. Duan G S, Zheng Y L, Hong L, et al. A potential productivity-based approach of site quality evaluation for larch pure forest and birch-aspen mixed forest[J]. Scientia Silvae Sinicae, 2022, 58(10): 1−9.
[21] Yan X R, Feng L Y, Sharma R P, et al. Evaluating forest site quality using the biomass potential productivity approach[J/OL]. Forests, 2024, 15(1): 23[2024−03−17]. https://doi.org/10.3390/f15010023.
[22] Zang H, Lei X D, Zeng W S. Height-diameter equations for larch plantations in northern and northeastern China: a comparison of the mixed-effects, quantile regression and generalized additive models[J]. Forestry, 2016, 89(4): 434−445. doi: 10.1093/forestry/cpw022
[23] Reineke L. Perfecting a stand-density index for even-aged forests[J]. Journal of Agriculture Research, 1933, 46(7): 627−638.
[24] 雷相东, 唐守正, 符利勇, 等. 森林立地质量定量评价: 理论 方法 应用[M]. 第1版. 北京: 中国林业出版社, 2020. Lei X D, Tang S Z, Fu L Y, et al. Quantitative evaluation of forest site quality: theory, method, application[M]. 1st ed. Beijing: China Forestry Publishing House, 2020.
[25] Fu L Y, Liu S R, Tang S Z, et al. Forestat: forest carbon sequestration and potential productivity calculation [EB/OL]. (2023−10−10) [2024−04−06]. https://cran.r-project.org/package=forestat.
[26] 全国森林资源标准化技术委员会. 地位指数表编制技术规程: LY/T 2415—2015[S]. 北京: 中国标准出版社, 2015. Forest Resources. Technical regulations for drafting of site index table: LY/T 2415—2015[S]. Beijing: Standards Press of China, 2015.
[27] 唐守正. 广西大青山马尾松全林整体生长模型及其应用[J]. 林业科学研究, 1991, 4(增刊): 8−13. Tang S Z. Establishment and application of an integrated stand growth model of masson pine in Daqingshan[J]. Forest Research, 1991, 4(Suppl.): 8−13.
[28] Elzhov T, Mullen K M, Spiess A, et al. Minpack.lm: R interface to the Levenberg-Marquardt nonlinear least-squares algorithm found in MINPACK, plus support for bounds[EB/OL]. (2023−09−11)[2023−10−15]. https://cran.r-project.org/package=minpack.lm.
[29] 高慧淋, 董利虎, 李凤日. 基于分位数回归的长白落叶松人工林最大密度线[J]. 应用生态学报, 2016, 27(11): 3420−3426. Gao H L, Dong L H, Li F R. Maximum density-size line for Larix olgensis plantations based on quantile regression[J]. Chinese Journal of Applied Ecology, 2016, 27(11): 3420−3426.
[30] Koirala A, Montes C R, Bullock B P. Modeling dominant height using stand and water balance variables for loblolly pine in the Western Gulf, US[J/OL]. Forest Ecology and Management, 2021, 479: 118610[2024−03−12]. https://doi.org/10.1016/j.foreco.2020.118610.
[31] Scolforo H F, de Castro Neto F, Scolforo J R S, et al. Modeling dominant height growth of eucalyptus plantations with parameters conditioned to climatic variations[J]. Forest Ecology and Management, 2016, 380: 182−195. doi: 10.1016/j.foreco.2016.09.001
[32] Diéguez-Aranda U, González J G, Anta M B, et al. Site quality equations for Pinus sylvestris L. plantations in Galicia (northwestern Spain)[J]. Annals of Forest Science, 2005, 62(2): 143−152. doi: 10.1051/forest:2005006
[33] 尹明宇, 吴波, 乌云塔娜, 等. 初植密度对科尔沁沙地樟子松人工林生长和健康状况及土壤化学性质的影响[J]. 西北农林科技大学学报(自然科学版), 2024, 52(7): 1−11. Yin M Y, Wu B, Wuyun T N, et al. Effects of initial planting density on growth, health status and soil chemical properties of Pinus sylvestris var. mongolica plantations in Horqin Sandy Land[J]. Journal of Northwest A&F University (Natural Sciences Edition), 2024, 52(7): 1−11.
[34] Torita H, Masaka K. Influence of planting density and thinning on timber productivity and resistance to wind damage in Japanese larch (Larix kaempferi) forests[J/OL]. Journal of Environmental Management, 2020, 268: 110298[2024−03−13]. https://doi.org/10.1016/j.jenvman.2020.110298.
[35] 邵英男, 田松岩, 刘延坤, 等. 密度调控对长白落叶松人工林土壤呼吸的影响[J]. 北京林业大学学报, 2017, 39(6): 51−59. Shao Y N, Tian S Y, Liu Y K, et al. Effects of density control on soil respiration in Larix olgensis plantation[J]. Journal of Beijing Forestry University, 2017, 39(6): 51−59.
[36] 宋磊, 金星姬, Pukkala T, 等. 长白落叶松人工林多目标经营模式研究[J]. 南京林业大学学报(自然科学版), 2023, 47(2): 150−158. Song L, Jin X J, Pukkala T, et al. Research on multi-objective management schedules of Larix olgensis plantations[J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2023, 47(2): 150−158.
[37] 马炜, 孙玉军. 长白落叶松人工林密度表的编制及应用[J]. 南京林业大学学报(自然科学版), 2012, 36(6): 69−75. Ma W, Sun Y J. Compilation and application of reasonable density table for plantations of Larix olgensis Herry[J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2012, 36(6): 69−75.
[38] 王冬至, 张志东, 牟洪香, 等. 结构方程模型在落叶松林经营中的应用[J]. 北京林业大学学报, 2015, 37(3): 69−75. Wang D Z, Zhang Z D, Mu H X, et al. Applications of structural equation model in the management of Larix principis-rupprechtii plantations[J]. Journal of Beijing Forestry University, 2015, 37(3): 69−75.
[39] Fadrique B, Santos-Andrade P, Farfan-Rios W, et al. Reduced tree density and basal area in Andean forests are associated with bamboo dominance[J/OL]. Forest Ecology and Management, 2021, 480: 118648[2024−03−02]. https://doi.org/10.1016/j.foreco.2020.118648.
[40] 林富成, 王维芳, 门秀莉, 等. 兴安落叶松人工林空间结构优化[J]. 北京林业大学学报, 2021, 43(4): 68−76. Lin F C, Wang W F, Men X L, et al. Spatial structure optimal of Larix gmelinii plantation[J]. Journal of Beijing Forestry University, 2021, 43(4): 68−76.
-
期刊类型引用(15)
1. 李雪，朱宾宾，满秀玲. 温度和水分对寒温带典型森林类型土壤有机碳矿化的影响. 东北林业大学学报. 2025(02): 127-136 . 
百度学术
2. 王军，满秀玲. 去除凋落物和草毡层对寒温带典型森林土壤活性有机碳的短期影响. 水土保持研究. 2024(01): 168-177 . 百度学术
3. 刘巧娟，张之松，满秀玲，高明磊，赵佳龙. 寒温带多年冻土区不同林龄白桦林土壤酶活性动态特征. 东北林业大学学报. 2024(03): 125-131 . 百度学术
4. 祝顺万，刘利霞，胡雪凡，代伟，王月容，李芳. 华北落叶松混交林林下植物群落特征对间伐的响应. 森林工程. 2024(03): 47-55 . 百度学术
5. 刘贝贝，蔡体久. 大兴安岭北部主要森林类型土壤活性碳组分及碳库稳定性变化特征. 水土保持学报. 2024(06): 203-213 . 百度学术
6. 沈健，何宗明，董强，林宇，郜士垒. 滨海防护林土壤CO_2排放和土壤因子对计划火烧的响应. 水土保持学报. 2023(01): 254-261 . 百度学术
7. 沈健，何宗明，董强，郜士垒，曹光球，林宇，黄政. 滨海沙地两种防护林土壤呼吸月际动态及影响因素. 应用与环境生物学报. 2023(02): 432-439 . 百度学术
8. 王军，满秀玲. 去除凋落物和草毡层对寒温带典型森林土壤氮素的短期影响. 森林工程. 2023(04): 1-9 . 百度学术
9. 刘思琪，满秀玲，张頔，徐志鹏. 寒温带4种乔木树种不同径级根系分解及碳氮释放动态. 北京林业大学学报. 2023(07): 36-46 . 本站查看
10. 沈健，何宗明，董强，林宇，郜士垒. 尾巨桉人工林火烧迹地土壤呼吸组分特征及其与土壤因子的关系. 生态学杂志. 2023(07): 1537-1547 . 百度学术
11. 沈健，何宗明，董强，郜士垒，林宇. 轻度火烧对滨海沙地人工林土壤呼吸速率和非生物因子的影响. 植物生态学报. 2023(07): 1032-1042 . 百度学术
12. 沈健，何宗明，董强，郜士垒，林宇，石焱. 不同处理方式下湿地松人工林土壤呼吸及温度敏感性变化. 西北林学院学报. 2023(05): 10-18 . 百度学术
13. 田慧敏，刘彦春，刘世荣. 暖温带麻栎林凋落物调节土壤碳排放通量对降雨脉冲的响应. 生态学报. 2022(10): 3889-3896 . 百度学术
14. 张茹，马秀枝，杜金玲，李长生，梁芝，吴天龙. 模拟增温对大兴安岭兴安落叶松林土壤CO_2通量的影响. 东北林业大学学报. 2022(08): 83-88 . 百度学术
15. 张扬，张秋良，李小梅，代海燕，王飞. 兴安落叶松林生长季碳交换对气候变化的响应. 西部林业科学. 2021(05): 73-80+89 . 百度学术
其他类型引用(4)
计量
- 文章访问数: 319
- HTML全文浏览量: 74
- PDF下载量: 120
- 被引次数: 19
