• 中国中文核心期刊
  • 中国科学引文数据库(CSCD)核心库来源期刊
  • 中国科技论文统计源期刊(CJCR)
  • 第二届国家期刊奖提名奖

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

呼伦贝尔沙地樟子松生产力及其对气候因子的响应

牛进松 刘小粉 SeMyungKwon 潘磊磊 时忠杰 杨晓晖 张晓 张日升

引用本文:
Citation:

呼伦贝尔沙地樟子松生产力及其对气候因子的响应

    作者简介: 牛进松,硕士研究生。主要研究方向:树轮生态学。Email :2367465915@qq.com.
    通讯作者: 张晓, zhangxiao978@caf.ac.cn
  • 中图分类号: S781.45

Productivity of Mongolian Pine (Pinus sylvestris var. mongolica) and Its Response to Climate Change in Hulunbuir Sandy Land

    Corresponding author: ZHANG Xiao, zhangxiao978@caf.ac.cn ;
  • CLC number: S781.45

  • 摘要: 目的 森林在减缓温室气体浓度和气候变化方面发挥着巨大作用,研究不同密度下林分生产力及其对气候的响应有助于森林生态系统的功能评估及适应性管理。 方法 本研究利用树木年轮学方法得到了呼伦贝尔沙地不同密度(用林分胸高断面积表示)的天然樟子松林净初级生产力,并结合气象因子分析其对温度、降水及干旱指数的响应。 结果 表明:胸高断面积为8.83、21.94、24.28、32.36和34.9 m2·hm−2的樟子松林的多年平均净初级生产力分别为1.17、2.99、3.55、4.69和4.86 t ·hm−2 ·a−1,随样地密度增加而增加;高密度樟子松林净初级生产力与上年7月和当年9月平均气温及平均最高气温显著正相关(P<0.05);5月降水是天然樟子松林净初级生产力的关键限制因子,所有密度林分的净初级生产力均与当年5月降水显著正相关(P<0.05);自上年11月至当年7月,净初级生产力与帕默尔干旱胁迫指数(PDSI)的相关系数随林分密度增加而减小,表明林分竞争的增加导致了净初级生产力对PDSI敏感性的降低。 结论 林分密度对呼伦贝尔沙地天然樟子松的净初级生产力及其气候响应存在明显影响,密度调整可能是气候变化下森林适应性管理的关键措施。
  • 图 1  研究区1960—2016年的年平均气温和年降水量

    Figure 1.  Changes of annual mean air temperature and precipitation from 1960 to 2016

    图 2  不同密度天然樟子松林的胸径径级分布

    Figure 2.  Diameter at breast height (DBH) distribution of natural Pinus sylvestris var. mongolica Litv. forest with different density

    图 3  不同密度样地樟子松天然林年净初级生产力

    Figure 3.  Annual net primary productivity of Pinus sylvestris var. mongolica Litv. natural forest with different density

    图 4  不同密度樟子松天然林生物量

    Figure 4.  Biomass of Pinus sylvestris var. mongolica Litv. natural forests with different densities

    图 5  不同密度樟子松天然林与逐月气温的相关系数

    Figure 5.  Correlation coefficient between natural forests of Pinus sylvestris var. mongolica Litv. with different densities and monthly air temperature

    图 6  不同密度樟子松天然林与逐月降水量的相关系数

    Figure 6.  correlation coefficient between natural forest of Pinus sylvestris var. mongolica Litv. with different densities and monthly precipitation

    图 7  不同密度樟子松天然林与逐月干旱指数的相关系数

    Figure 7.  Correlation coefficient between natural forests of Pinus sylvestris var. mongolica Litv. with different densities and monthly drought index

    表 1  样地基本情况

    Table 1.  Basic information of sample plot

    样地编号
    Plot No.
    地理位置
    Geographical position
    海拔
    Altitude/m
    坡度
    Slope
    坡向
    Aspect
    胸高断面积
    Section area at
    breast height/
    (m2·hm−2)
    平均胸径
    Mean diameter at
    breast height/cm
    平均树高
    Average tree
    height/m
    平均树龄
    Average tree
    age/year
    1 47°38′55.59 N, 119°11′51.43 E 900 10 ES 8.83 21.67 8.79 24.5
    2 47°38′55.48 N, 119°10′57.92 E 910 8 S 21.94 16.80 10.41 23.9
    3 47°38′36.35 N, 119°11′24.93 E 900 10 E 24.28 21.55 11.48 23.6
    4 47°39′18.81 N, 119°12′02.37 E 900 2 WS 32.36 16.99 11.06 22.8
    5 47°39′03.29 N, 119°12′49.36 E 890 1 S 34.9 15.19 10.29 22.6
      注:林分密度利用胸高断面积表示
      Note: The stand density is expressed by the cross-sectional area of breast height
    下载: 导出CSV

    表 2  5个不同密度样地树轮宽度年表的统计特征参数

    Table 2.  Chronology statical characteristic of tree-ring width of 5 sampling plots with different densities

    样地编号 Plot No.12345
    年表时间跨度 Time span 1969—2016 1969—2016 1975—2016 1990—2016 1979—2016
    平均轮宽 Mean ring width/mm 3.173 2.593 3.337 2.611 2.374
    标准差 Standard deviation 0.688 0.792 0.913 0.740 0.676
    树芯间相关系数 Mean inter-series coefficient 0.819 0.805 0.846 0.804 0.653
    群体表达信号 Express population signal 0.978 0.994 0.995 0.998 0.992
    信噪比 Signal to noise ratio 43.699 171.777 201.715 523.623 124.559
    下载: 导出CSV
  • [1]

    Masson-Delmotte, V, Zhai P, Pirani A, et al.IPCC, 2021: Summary for Policymakers.In:Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change[R] . In Press.
    [2]

    Dixon R K, Brown S, Houghton R A, et al. Carbon pools and flux of global forest ecosystem[J]. Science, 1994, 263: 185-190. doi: 10.1126/science.263.5144.185
    [3]

    Pan Y, Birdsey R A, Fang J, et al. A large and persistent carbon sink in the world’s forests[J]. Science, 2011, 333: 988-993. doi: 10.1126/science.1201609
    [4] 方欧娅, 汪 洋, 邵雪梅. 基于树轮资料重建森林净初级生产力的研究进展[J]. 地理科学进展, 2014, 33(8):1039-1046. doi: 10.11820/dlkxjz.2014.08.004

    [5] 于 健, 罗春旺, 徐倩倩, 等. 长白山原始林红松径向生长及林分碳汇潜力[J]. 生态学报, 2016, 36(9):2626-2636.

    [6] 王云霓, 邓秀秀, 王彦辉, 等. 宁夏六盘山香水河小流域华北落叶松人工林乔木层生物量的坡面变化和尺度效应[J]. 林业科学研究, 2015, 28(5):701-707. doi: 10.3969/j.issn.1001-1498.2015.05.015

    [7] 刘立斌, 许海洋, 郭银明, 等. 基于树木年轮定量重建过去50年贵州典型森林优势树种的地上生物量与生产力变化[J]. 生态学报, 2020, 40(10):3441-3451.

    [8]

    Zhu J J, Kang H Z, Tan H, et al. Effects of drought stresses induced by polyethylene glycol on germination of Pinus sylvestris var. mongolica seeds from natural and plantation forests on sandy land[J]. Journal of Forest Research, 2006, 11: 319-328. doi: 10.1007/s10310-006-0214-y
    [9] 闫德仁, 闫 婷. 内蒙古森林碳储量估算及其变化特征[J]. 林业资源管理, 2010(3):31-33,103. doi: 10.3969/j.issn.1002-6622.2010.03.007

    [10] 丛俊霞. 1985-2015年呼伦贝尔沙地樟子松天然林碳储量动态变化[D]. 沈阳: 沈阳农业大学, 2017.

    [11] 曹恭祥, 郭 中, 王云霓, 等. 呼伦贝尔沙地樟子松人工林乔木层固碳速率及其对气象因子的响应[J]. 生态学杂志, 2020, 39(4):1082-1090.

    [12] 闫德仁, 王玉华, 姚洪林, 等. 呼伦贝尔沙地[M]. 呼和浩特: 内蒙古大学出版社, 2010.

    [13] 中国科学院内蒙宁夏综合考察队. 内蒙古自治区及东北西部地区地貌[M]. 北京: 科学出版社, 1980.

    [14] 中国科学院内蒙古宁夏综合考察队. 内蒙古植被[M]. 北京: 科学出版社, 1985.

    [15]

    Stokes M A, Smiley T L. An Introduction to Tree-Ring Dating[R]. Chicago, Arizona University, 1996.
    [16]

    Holmes R L, Adams R K, Fritts H C. Tree-ring chronologies of western North America: California, eastern Oregon and northern Great Basin with procedures used in the chronology development work including users manuals for computer programs COFECHA and ARSTAN[S]. 1986.
    [17] 丛俊霞, 郑 晓, 朱教君, 等. 沙地樟子松天然林地上碳储量估算及其空间分布特征[J]. 生态学杂志, 2017, 36(11):2997-3007.

    [18] 董利虎. 黑龙江省主要树种相容性生物量模型研究[D]. 哈尔滨: 东北林业大学, 2012.

    [19]

    Osborn T J, Barichivich J, Harris I, et al. State of the Climate in 2017[R]. Bulletin of the American Meteorological Society, 2018, 99(8): 36-37.
    [20] 李宗善, 刘国华, 傅伯杰, 等. 不同去趋势方法对树轮年表气候信号的影响——以卧龙地区为例[J]. 植物生态学报, 2011, 35(7):707-721.

    [21] 张 晓, 潘磊磊, Semyung Kwon, 等. 沙地天然樟子松径向生长对干旱的响应[J]. 北京林业大学学报, 2018, 40(7):27-35.

    [22] 胡海清, 罗碧珍, 魏书精, 等. 小兴安岭7种典型林型林分生物量碳密度与固碳能力[J]. 植物生态学报, 2015, 39(2):140-158. doi: 10.17521/cjpe.2015.0014

    [23] 苑增武, 丁先山, 李成烈, 等. 樟子松人工林生物生产力与密度的关系[J]. 东北林业大学学报, 2000, 28(1):21-24. doi: 10.3969/j.issn.1000-5382.2000.01.006

    [24] 李晓莎, 楚聪颖, 许中旗, 等. 河北省塞罕坝地区樟子松人工林的生物量[J]. 河北林果研究, 2016, 31(3):230-234.

    [25] 袁立敏, 闫德仁, 王熠青, 等. 沙地樟子松人工林碳储量研究[J]. 内蒙古林业科技, 2011, 37(1):9-13. doi: 10.3969/j.issn.1007-4066.2011.01.003

    [26] 贾忠奎, 公宁宁, 姚 凯, 等. 塞罕坝华北落叶松人工林生产力对坡向的响应[J]. 西北林学院学报, 2012, 27(4):1-6. doi: 10.3969/j.issn.1001-7461.2012.04.01

    [27] 宋来萍, 刘礴霏, 王玉华, 等. 呼伦贝尔沙地不同树龄樟子松对气候的响应[J]. 南京林业大学学报:自然科学版, 2020, 44(2):159-164.

    [28] 尚建勋, 时忠杰, 高吉喜, 等. 呼伦贝尔沙地樟子松年轮生长对气候变化的响应[J]. 生态学报, 2012, 32(4):1077-1084.

    [29] 梁尔源, 邵雪梅, 刘鸿雁, 等. 树轮所记录的公元1842年以来内蒙古东部浑善达克沙地PDSI的变化[J]. 科学通报, 2007, 52(14):1694-1699. doi: 10.3321/j.issn:0023-074x.2007.14.016

    [30]

    Martin-Benito D, Pederson N, Kose N, et al. Pervasive effects of drought on the tree growth across a wide climatic gradient in the temperate forests of the Caucssus[J]. Global Ecology and Biogeography, 2018, 27: 1314-1325. doi: 10.1111/geb.12799
    [31]

    Calama R, Condea. M, de-Dios-Garciab J, et al. Linking climate, annual growth and competition in a Mediterranean forests: Pinus pinea in the Spanish Northern Plateau[J]. Agricultural and Forest Meteorology, 2019, 264: 309-321. doi: 10.1016/j.agrformet.2018.10.017
    [32]

    Anderegg W R L, Kane J M, Anderegg L D L. Consequences of widespread tree mortality triggered by drought and temperature stress[J]. Nature Climate Change, 2013, 3: 30-36. doi: 10.1038/nclimate1635
    [33]

    Schmitt A, Trouvé R, Seynave I, et al. Decreasing stand density favors resistance, resilience, and recovery of Quercus petraea trees to a severe drought, particularly on dry sites[J]. Annals of Forest Science, 2020, 77(1): 660-684.
  • [1] 韩辉张学利党宏忠徐贵军张柏习尤国春 . 基于树干液流通量的沙地樟子松合理林分密度的确定. 林业科学研究, 2015, 28(6): 797-803.
    [2] 惠刚盈童书振刘景芳罗云伍 . 杉木造林密度试验研究Ⅰ.密度对幼林生物量的影响. 林业科学研究, 1988, 1(4): 413-417.
    [3] 徐静郭滨德孙洪志 . 帽儿山地区不同种源樟子松树轮对气候因子的响应. 林业科学研究, 2016, 29(4): 581-586.
    [4] 孙长忠沈国舫李吉跃贾黎明 . 我国主要树种人工林生产力现状及潜力的调查研究Ⅱ.桉树、落叶松及樟子松人工林生产力研究. 林业科学研究, 2001, 14(6): 657-667.
    [5] 段爱国张建国何彩云童书振 . 杉木人工林生物量变化规律的研究. 林业科学研究, 2005, 18(2): 125-132.
    [6] 张少伟张弓乔惠刚盈 . 内蒙古大兴安岭森林净初级生产力时空格局分析. 林业科学研究, 2019, 32(5): 74-82. doi: 10.13275/j.cnki.lykxyj.2019.05.010
    [7] 郭光智段爱国张建国 . 南亚热带杉木林分蓄积量生长立地与密度效应. 林业科学研究, 2019, 32(4): 19-25. doi: 10.13275/j.cnki.lykxyj.2019.04.003
    [8] 丁贵杰王鹏程 . 马尾松人工林生物量及生产力变化规律研究Ⅱ.不同林龄生物量及生产力. 林业科学研究, 2002, 15(1): 47-53.
    [9] 陈遐林马钦彦康峰峰曹文强张国华陈宗伟 . 山西太岳山典型灌木林生物量及生产力研究. 林业科学研究, 2002, 15(3): 304-309.
    [10] 方江平 . 西藏南伊沟林芝云杉林生物量与生产力研究. 林业科学研究, 2012, 25(5): 582-589.
    [11] 陈德祥李意德骆土寿林明献孙云霄 . 海南岛尖峰岭鸡毛松人工林乔木层生物量和生产力研究. 林业科学研究, 2004, 17(5): 598-604.
    [12] 邱尔发陈卓梅郑郁善洪伟黄宝龙杨主泉 . 山地麻竹笋用林生态系统生物量、生产力及能量结构. 林业科学研究, 2004, 17(6): 726-730.
    [13] 漆良华张旭东周金星李志辉黄玲玲杨模华 . 马尾松飞播林生物量与生产力的变化规律与结构特征. 林业科学研究, 2007, 20(3): 344-349.
    [14] 张群范少辉刘广路冯慧想宗亦尘费本华 . 长江滩地I-72杨人工林生物量和生产力研究. 林业科学研究, 2008, 21(4): 542-547.
    [15] 周政贤谢双喜 . 杜仲人工林生物量及生产力研究. 林业科学研究, 1994, 7(6): 646-651.
    [16] 廖宝文郑德璋郑松发 . 木榄林生物量和生产力的研究*. 林业科学研究, 1991, 4(1): 22-29.
    [17] . 枫香种源生物量和NRA对供氮水平的响应差异. 林业科学研究, 2009, 22(2): -.
    [18] 张小全 . 环境因子对树木细根生物量、生产与周转的影响. 林业科学研究, 2001, 14(5): 566-573.
    [19] 王建宇胡海清邢亚娟闫国永王庆贵 . 大兴安岭兴安落叶松林树木生物量对氮沉降的响应. 林业科学研究, 2018, 31(3): 88-94. doi: 10.13275/j.cnki.lykxyj.2018.03.012
    [20] 张蓝霄李雅婧胡晓创孙守家张劲松蔡金峰孟平 . 基于Biome-BGC模型的刺槐人工林生产力和内在水分利用效率研究. 林业科学研究, 2023, 36(3): 1-10. doi: 10.12403/j.1001-1498.20230015
  • 加载中
图(7) / 表(2)
计量
  • 文章访问数:  3628
  • HTML全文浏览量:  2118
  • PDF下载量:  76
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-10-18
  • 录用日期:  2021-12-11
  • 网络出版日期:  2022-03-22
  • 刊出日期:  2022-06-20

呼伦贝尔沙地樟子松生产力及其对气候因子的响应

    通讯作者: 张晓, zhangxiao978@caf.ac.cn
    作者简介: 牛进松,硕士研究生。主要研究方向:树轮生态学。Email :2367465915@qq.com
  • 1. 河北工程大学园林与生态工程学院,河北 邯郸 056038
  • 2. 中国林业科学研究院荒漠化研究所,北京 100091
  • 3. 中国林业科学研究院生态保护与修复研究所,北京 100093
  • 4. 韩国公州国立大学生态修复学院,忠清南道 32439
  • 5. 辽宁省沙地治理与利用研究所,辽宁 阜新 123000

摘要:  目的 森林在减缓温室气体浓度和气候变化方面发挥着巨大作用,研究不同密度下林分生产力及其对气候的响应有助于森林生态系统的功能评估及适应性管理。 方法 本研究利用树木年轮学方法得到了呼伦贝尔沙地不同密度(用林分胸高断面积表示)的天然樟子松林净初级生产力,并结合气象因子分析其对温度、降水及干旱指数的响应。 结果 表明:胸高断面积为8.83、21.94、24.28、32.36和34.9 m2·hm−2的樟子松林的多年平均净初级生产力分别为1.17、2.99、3.55、4.69和4.86 t ·hm−2 ·a−1,随样地密度增加而增加;高密度樟子松林净初级生产力与上年7月和当年9月平均气温及平均最高气温显著正相关(P<0.05);5月降水是天然樟子松林净初级生产力的关键限制因子,所有密度林分的净初级生产力均与当年5月降水显著正相关(P<0.05);自上年11月至当年7月,净初级生产力与帕默尔干旱胁迫指数(PDSI)的相关系数随林分密度增加而减小,表明林分竞争的增加导致了净初级生产力对PDSI敏感性的降低。 结论 林分密度对呼伦贝尔沙地天然樟子松的净初级生产力及其气候响应存在明显影响,密度调整可能是气候变化下森林适应性管理的关键措施。

English Abstract

  • 最新发布的第六次气候变化评估报告显示,2019年大气CO2浓度高达410 ppm,是工业化前的148%,人类活动与气候变化导致全球地表温度进一步升高,2011—2020年地表温度比1850—1900年升高1.09 ℃[1]。森林覆盖全球陆地面积的30.6%,是陆地生态系统中最大的碳库,在缓解CO2浓度升高和全球变暖方面发挥着重要作用[2-3]。森林净初级生产力是植物在扣除自身呼吸后,剩余的单位面积单位时间的有机物增量,能够表示森林的碳汇功能,因此,研究森林中主要植被的生物量和净初级生产力及其与气候间的关系,有助于评估森林生态系统的固碳功能,并预测未来气候变化下该系统的功能稳定性。

    目前,森林净初级生产力及碳储量的估算方法主要包括:基于森林清查资料的估算方法、遥感反演法及模型模拟法等[4],但这些方法均难以获取树木生长历史中长时间序列的生物量及生产力,树木年轮方法利用年轮宽度得到逐年胸径,并与生物量方程结合,能够得到树木整个生长历史中的生物量及净初级生产力,因此,树木年轮法在研究植被的净初级生产力及其气候响应中具有较大的优势且已有较多的应用,如于健等[5]分析了长白山红松(Pinus koraiensis Sieb. et Zucc.)林生产力的年际动态及其对气候因子的响应,王云霓等[6]利用华北落叶松年轮宽度反演了其碳密度的历史动态,刘立斌等[7]对比了贵州喀斯特地区与非喀斯特地区主要阔叶树与针叶树的地上生物量及生产力。

    樟子松(Pinus sylvestris var. mongolica Litv.)又称欧洲赤松,天然分布在我国大兴安岭和呼伦贝尔沙地、俄罗斯和蒙古的部分地区[8]。由于沙地樟子松具有耐寒、耐旱、耐贫瘠及生态适应性强等特点,已被广泛应用到我国北方沙地造林中,在防风固沙、水土保持及森林固碳等方面发挥重要的生态功能[9]。第八次森林资源清查(2009—2013年)结果显示,目前我国沙地樟子松人工林面积达到41.7万hm2,仅分布在科尔沁、浑善达克和毛乌素沙地的樟子松人工林面积就达33万hm2,赤峰市计划在“十二五”至“十四五”期间完成100万hm2樟子松林基地的建设。目前已有学者针对樟子松林净初级生产力及其气候响应展开研究,丛俊霞等[10]结合地面调查及遥感数据分析了呼伦贝尔樟子松天然林的地上碳密度及空间分布特征,并提出了分区经营以提高碳汇的建议;曹恭祥等[11]研究了41年生呼伦贝尔沙地樟子松人工林的固碳速率及对气候的响应,目前针对不同密度樟子松林的净初级生产力及其对气候响应的对比研究尚未开展。密度通过调整树木间竞争来影响树木生长及生物量累积,是影响林分净初级生产力的重要因素,间伐是通过调整林分密度来改善林分结构、生产力及其功能的一种重要的森林经营管理措施,更是森林生态研究的热点。

    通常,位于天然分布边缘区的植被具有更高的气候敏感性,更能预测未来气候变化对该植被的潜在影响。本研究以位于地理分布南缘的呼伦贝尔沙地不同密度的天然樟子松林为研究对象,结合树木年轮学方法与生物量方程计算樟子松林的生物量及净初级生产力,对比不同密度天然樟子松林的净初级生产力及其对气候的影响,不仅有助于预测未来气候变化下天然樟子松林的生态功能,也为预估我国北方营造的大规模人工樟子松林的固碳潜力及其制定适应未来气候变化的营林措施有重要意义。

    • 研究区位于呼伦贝尔沙地东南端、新巴尔虎左旗罕达盖苏木中蒙边界附近(47°38′~47°39′ N,119°09′~119°12′ E),属中温带半干旱大陆性气候,夏季温暖,冬季严寒、日照充足,昼夜温差大,年均气温−2.6 ℃,年降水量 270~650 mm(图1),多集中于夏秋季,年蒸发量1 400~1 900 mm,无霜期 90~100 d,积雪期长达 140 d 左右[12]。研究区以固定沙地和半固定沙地为主,土壤为风沙土[13],处于森林-草原过渡带上,是沙地樟子松种群在我国地理分布的最南缘。本区的樟子松林多以纯林为主,并伴生有白桦(Betula platyphylla Suk.)、榛子(Corylus heterophylla Fisch.)等乔灌树种,以及线叶菊(Filifolium sibiricum)、大针茅(Stipa grandis)、羊草(Leymus chinensis)、日阴菅(Carex pediformis)、地榆(Sanguisorba officinalis)等草本物种[14]

      图  1  研究区1960—2016年的年平均气温和年降水量

      Figure 1.  Changes of annual mean air temperature and precipitation from 1960 to 2016

    • 2017年7—9月,在人为干扰较小的沙地樟子松天然林选择5个不同密度的标准样地(30 m × 30 m),记录样地的海拔、坡度等立地因子,并进行每木检尺,测定样地内所有树木的胸径、树高、枝下高及东西南北4个方位的冠幅等树木生长信息,胸径径级分布见图2。樟子松的林分密度利用胸高断面积来表示,利用胸径计算每个样地的胸高断面积分别为8.83、21.94、24.28、32.36和34.9 m2 hm−2表1)。利用内径为5.15 mm的瑞典产Haglof生长锥沿东西、南北两个交叉方向对所有胸径大于10 cm的树木进行胸径位置(1.3 m)处的树芯取样(2芯/树),尽量取到髓芯。

      表 1  样地基本情况

      Table 1.  Basic information of sample plot

      样地编号
      Plot No.
      地理位置
      Geographical position
      海拔
      Altitude/m
      坡度
      Slope
      坡向
      Aspect
      胸高断面积
      Section area at
      breast height/
      (m2·hm−2)
      平均胸径
      Mean diameter at
      breast height/cm
      平均树高
      Average tree
      height/m
      平均树龄
      Average tree
      age/year
      1 47°38′55.59 N, 119°11′51.43 E 900 10 ES 8.83 21.67 8.79 24.5
      2 47°38′55.48 N, 119°10′57.92 E 910 8 S 21.94 16.80 10.41 23.9
      3 47°38′36.35 N, 119°11′24.93 E 900 10 E 24.28 21.55 11.48 23.6
      4 47°39′18.81 N, 119°12′02.37 E 900 2 WS 32.36 16.99 11.06 22.8
      5 47°39′03.29 N, 119°12′49.36 E 890 1 S 34.9 15.19 10.29 22.6
        注:林分密度利用胸高断面积表示
        Note: The stand density is expressed by the cross-sectional area of breast height

      图  2  不同密度天然樟子松林的胸径径级分布

      Figure 2.  Diameter at breast height (DBH) distribution of natural Pinus sylvestris var. mongolica Litv. forest with different density

    • 将采集的树芯带回实验室风干,利用白乳胶将树芯粘贴、固定于木制树芯凹槽内,并依次利用由粗到细不同粒度(240目、600目和800目)的砂纸进行打磨直至肉眼清晰可辨树木的年轮界限[15]。在显微镜下用骨架图法进行目视交叉定年,利用精度为0.01 mm的Lintab 6树木年轮分析仪(Frank Rinn,德国)与TSAP软件进行年轮宽度测量,利用 COFECHA程序[16]对所有的树轮宽度测量结果进行交叉定年检验,手动调整或消除定年不准确和相关性较低的树芯样本,5个样地的树轮年表统计特征见表2。5个天然樟子松林的平均树龄均在23 a左右(表1),样地1和样地2仅个别树木的年龄为40 a以上,因此研究样地樟子松林处于相似的生长发育阶段,其生产力的差异主要来自于林分密度影响。

      表 2  5个不同密度样地树轮宽度年表的统计特征参数

      Table 2.  Chronology statical characteristic of tree-ring width of 5 sampling plots with different densities

      样地编号 Plot No.12345
      年表时间跨度 Time span 1969—2016 1969—2016 1975—2016 1990—2016 1979—2016
      平均轮宽 Mean ring width/mm 3.173 2.593 3.337 2.611 2.374
      标准差 Standard deviation 0.688 0.792 0.913 0.740 0.676
      树芯间相关系数 Mean inter-series coefficient 0.819 0.805 0.846 0.804 0.653
      群体表达信号 Express population signal 0.978 0.994 0.995 0.998 0.992
      信噪比 Signal to noise ratio 43.699 171.777 201.715 523.623 124.559
    • 根据树芯取样年份(2017年)测定的树木胸径及逐个树木的年轮宽度原始数据,减去后面所有年份的年轮宽度即得到这一年份的树木胸径值。然后,根据以树木胸径为参数的樟子松生物量方程计算得到这一年份的树木各组分生物量及总生物量,树干、枝、叶的生物量方程来自丛俊霞等[17],根的生物量方程来自董利虎[18],樟子松林的总生物量为样地内所有树木各组分的累积生物量:

      $ W_{干} = 0.058\;1DBH^{2.388\;8} $

      (1)

      $ W_{枝} = 0.027\;1DBH^{2.064\;9} $

      (2)

      $ W_{叶} = 0.018\;5DBH^{2.146\;2} $

      (3)

      $ W_{根} = 0.068\;9DBH^{1.961\;3} $

      (4)

      $ W = \sum\nolimits_{i=1}^{m}\left({W}_{\mathrm{干}} + {W}_{\mathrm{枝}} + {W}_{\mathrm{叶}} + {W}_{\mathrm{干}\mathrm{根}}\right)/(\mathrm{S}\times 1\;000)$

      (5)

      其中,WWWW依次为樟子松树木的干、枝、叶及根的生物量(kg),W为样地内所有树木的总生物量(kg·hm−2),DBH为树木胸径(1.3 m处)(cm),m为每个调查样地的樟子松株数,S为样地面积(hm2)。

      样地的年净初级生产力(NPP)为样地历年单位面积上的生物量之差:

      $ NPP_{i}=W_{i}-W_{i-1 }(6)$

      (6)

      其中,NPPi是第i年的净初级生产力(t·hm−2·a−1),WiWi分别表示第i年与前一年的总生物量(t)。

    • 气象数据来源于国家气象科学数据中心(http://data.cma.cn),下载临近的阿尔山气象站(47°10′ N,119°56′ E)1960—2016年的月平均气温、月平均最高气温、月平均最低气温和月降水量数据。帕尔默干旱胁迫指数(Palmer drought severity index, PDSI)利用荷兰皇家气象研究所数据共享网(http://climexp.knmi.nl/)中的格点数据,该数据集为利用CRU TS 3.26计算而来的自校正PDSI数据(scPDSI,时长1901—2017),经纬度的精度都为0.5°[19]。下载的NC格式scPDSI数据利用美国国家航空航天局(NASA)开发的Panoply 4.11.1软件(https://www.giss.nasa.gov/tools/panoply/)读取。本研究选取天然樟子松林树木生长的公共时间段进行净初级生产力与气候因子的相关分析,即1990—2016年。考虑到上一年气候对当年树木生长存在明显影响[20-21],相关分析的时间跨度为上一年6月至当年12月。统计分析利用SPSS Statistics 20完成,利用Pearson相关分析净初级生产力与气候因子间关系,绘图利用Excel 2010完成。

    • 不同密度樟子松天然林净初级生产力年际波动趋势基本一致,所有密度樟子松林的1998年净初级生产力均较大,最大值为样地4的11.9 t·hm−2,最小值为样地1的1.2 t·hm−2,2007年的净初级生产力较小,所有林分的年净初级生产力均在2 t·hm−2以内(图3)。5个样地天然樟子松林的多年平均净初级生产力分别为1.17、2.99、3.55、4.69 和4.86 t·hm−2,平均净初级生产力随胸高断面积增加而增加。

      图  3  不同密度样地樟子松天然林年净初级生产力

      Figure 3.  Annual net primary productivity of Pinus sylvestris var. mongolica Litv. natural forest with different density

      不同密度天然樟子松林的生物量逐年增高,1990—2016年的27年间样地1增长幅度最小,为31 t·hm−2,样地2增长了79 t·hm−2,样地3增长了100 t·hm−2,样地4增长了125 t·hm−2,样地5增长幅度最大为130 t·hm−2图4)。随林分胸高断面积增加,天然樟子松林的生物量逐渐增加,2016年5个样地的樟子松林生物量分别为38.4、91.5、102.4、126.6和132.9 t· hm−2

      图  4  不同密度樟子松天然林生物量

      Figure 4.  Biomass of Pinus sylvestris var. mongolica Litv. natural forests with different densities

    • 不同密度天然樟子松林的净初级生产力与平均气温的相关分析表明温度对樟子松林净初级生产力无明显影响,仅样地5樟子松林净初级生产力与前一年7月平均气温显著正相关(P<0.05),样地4樟子松林净初级生产力与当年9月平均气温显著正相关(P<0.05),其余密度天然樟子松林的净初级生产力与平均气温的相关关系均不显著(图5a)。

      图  5  不同密度樟子松天然林与逐月气温的相关系数

      Figure 5.  Correlation coefficient between natural forests of Pinus sylvestris var. mongolica Litv. with different densities and monthly air temperature

      与平均气温影响一致,样地4和样地5天然樟子松林净初级生产力与前一年7月的平均最高气温显著正相关(P<0.05),相关系数分别为0.392和0.407;样地5的天然樟子松林与当年9月的平均最高气温显著正相关(P<0.05),其余样地林分净初级生产力与平均最高气温的相关性均不显著(图5b)。

      天然樟子松林净初级生产力与前一年及当年的月平均最低气温大多无显著相关关系,仅低密度天然樟子松林(样地1和样地2)净初级生产力与前一年6月平均最低气温显著正相关(图5c)。天然樟子松林净初级生产力与气温相关性不大,仅秋季9月的月平均气温和月平均最高气温对大密度樟子松林有显著的正相关关系,表明大密度天然樟子松林生物量累积仅受秋季9月最高气温的限制,较低的月平均最高气温影响了樟子松林的生长。总体来说,气温不是限制研究区天然樟子松林净初级生产力的主要气候因子。

    • 不同密度樟子松天然林净初级生产力与月降水量的相关分析表明:样地1的天然樟子松林净初级生产力与前一年8月降水显著正相关(P<0.05),所有密度的樟子松林净初级生产力均与当年5月降水显著正相关(P<0.05),样地1的樟子松林净初级生产力与当年7月降水显著正相关(P<0.05),样地4的樟子松林净初级生产力与当年10月降水显著正相关(P<0.05)(图6)。当年5月降水是限制樟子松林净初级生产力的主要气候因子,这与樟子松树木进入生长期及相对缺乏的降水有关。

      图  6  不同密度樟子松天然林与逐月降水量的相关系数

      Figure 6.  correlation coefficient between natural forest of Pinus sylvestris var. mongolica Litv. with different densities and monthly precipitation

    • 不同密度天然樟子松林净初级生产力与帕尔默干旱胁迫指数的相关性见图7,结果表明样地1的天然樟子松林净初级生产力与当年1至7月的PDSI均呈显著正相关关系(P<0.05),样地2的天然樟子松林净初级生产力与当年6至7月的PDSI显著正相关(P<0.05),样地3的天然樟子松林净初级生产力与当年5月的PDSI显著正相关(P<0.05),相关系数为0.409。此外,在前一年11月至当年7月,天然樟子松林净初级生产力与PDSI的相关系数随密度增加呈减小趋势,表明相比于高密度天然樟子松林,低密度天然樟子松林的净初级生产力对PDSI的响应更为敏感。

      图  7  不同密度樟子松天然林与逐月干旱指数的相关系数

      Figure 7.  Correlation coefficient between natural forests of Pinus sylvestris var. mongolica Litv. with different densities and monthly drought index

    • 2016年5个不同密度的天然樟子松林生物量分别为38.4、91.5、102.4、126.6和132.9 t·hm−2,5个不同密度天然樟子松林在1990—2016年的年平均净初级生产力分别为1.17、2.99、3.55、4.69和4.86 t·hm−2。随林分基面积增加,天然樟子松林的生物量及多年平均净初级生产力逐渐增加。小兴安岭幼龄、中龄、近熟及成熟的樟子松林生物量分别为47.25、106.25、143.09和185.01 t·hm−2[22],苑增武等[23]研究了两个林场内人工樟子松林的多年平均净初级生产力,数值分别介于0.53~8.17 t·hm−2和0.99~6.68 t· hm−2,本研究天然樟子松林的生物量及多年平均净初级生产力值多位于过去研究值范围之内。

      本研究中各样地樟子松林地上生物量分别为31.60、74.51、83.70、101.30和105.43 t·hm−2,5个不同密度的天然樟子松林地上生物量远远低于黑龙江省西部地区的154.07 t·hm−2[23],而属于高密度林的样地4和样地5高于黑龙江大兴安岭45 a的(94.87 t·hm−2)、小兴安岭45 a的(80.50 t·hm−2[22]、塞罕坝地区45 a左右樟子松林地上生物量(94.20 t·hm−2[24]和内蒙古科尔沁沙地35 a的(86.45 t·hm−2[25]

      生物量或生产力的差异可能是由立地条件、林龄、林分密度、气候等因素引起的。袁立敏等[25]研究认为:科尔沁沙地樟子松林生物量随着林龄的增加而增大,王云霓等[6]发现华北落叶松同龄人工林生物量具有显著的坡位差异,贾忠奎等[26]发现塞罕坝华北落叶松同龄人工林生产力具有显著的坡向差异,丛俊霞[10]研究得出结论樟子松天然林植被碳储量随海拔升高先增加后减少,随坡度增大急速减少,在海拔和坡向上无明显规律。以上因素可能是本研究中樟子松林生物量与生产力与其它研究结果存在差异的原因。

    • 不同密度的天然樟子松林净初级生产力均受到温度、降水和PDSI的影响。高密度的样地4和样地5天然樟子松林净初级生产力分别与当年9月平均气温和当年9月平均最高气温显著正相关;所有密度的天然樟子松林净初级生产力均与当年5月降水显著正相关,样地1与样地4的净初级生产力还分别与当年7月和10月降水显著正相关;样地1、2和3的净初级生产力分别与当年1—7月、当年6—7月和当年5月的PDSI显著正相关,还呈现出随胸高断面积增加,净初级生产力与PDSI的相关系数减小的趋势。由于呼伦贝尔沙地9月气温逐渐降低,影响了樟子松的光合作用及生物量积累,且在密度较大林分竞争大,对温度抑制生长的过程表现更加敏感,这导致了9月平均气温、平均最高气温与高密度天然樟子松林净初级生产力的显著正相关关系。

      呼伦贝尔沙地天然樟子松树木在5月进入树木生长期,树木生长需水与5月相对较少的降水导致了所有密度天然樟子松林净初级生产力与5月降水间的显著正相关关系[27]。10月份进入沙地天然樟子松生长的末期,降水不足也同样导致了样地4林分净初级生产力对当年10月降水具有较高的敏感性。此外,样地1天然樟子松林净初级生产力与上一年8月降水显著正相关,可能是由于前一年降水充足为树木体内储存了较多的养分,进而为下一年生长提供了更好的营养条件[28]PDSI综合考虑降水、气温等因素的影响,是衡量植物生长可利用水分的重要指标[29],在前一年11月至当年7月,天然樟子松林净初级生产力与PDSI的相关系数随密度增加呈减小趋势,可能是由于相比于气候因素,高密度天然樟子松林的净初级生产力更多地受到了竞争等生物因素干扰的影响。

      很多研究表明:树木的气候敏感性随地理位置(纬度、经度或海拔高度)、土壤等立地条件和树木间竞争等影响而存在分异[30-31]。本研究也表明竞争强度的差异导致了不同密度天然樟子松林净初级生产力对气候因子响应的差异,与气温、水分及水热综合因子PDSI等气候因素相比,高密度樟子松林的净初级生产力还受林内树木间竞争的较大影响,使其与PDSI的相关系数低于低密度的天然樟子松林。气候变化导致全球多地干旱事件的频率与程度增加,并引起大范围的森林衰退与树木死亡[32],在此背景下,间伐作为重要的森林管理措施,被认为在调节林分结构、竞争及提升应对干旱抵抗力等方面有积极作用[33],本研究明确了密度对天然樟子松净初级生产力及其气候响应的影响,不仅为未来气候变化对樟子松林生产力影响提供依据,还为樟子松天然林与人工林的经营管理措施制定提供理论依据。

    • 天然樟子松林的生物量及多年平均净初级生产力随林分密度增加而增加,高密度天然樟子松林具有更高的生物量及生产力,本研究中最高密度林分生产力及生物量分别是最低密度林分生产力及生物量的4.2和3.5倍。通过分析不同密度天然樟子松林净初级生产力对气温、降水与帕尔默干旱胁迫指数的响应,发现高密度天然樟子松林的净初级生产力主要受9月平均气温及平均最高气温的影响,低密度天然樟子松林的净初级生产力主要受6—7月干旱指数影响,所有密度天然樟子松林均与5月降水显著正相关,表明5月降水是限制天然樟子松林的关键因子。本研究还发现随林分密度增加,净初级生产力与干旱指数的相关系数减小,表明了林分竞争对天然樟子松净初级生产力存在明显影响,林分竞争导致了高密度天然樟子松林净初级生产力对干旱指数的敏感性降低。本研究明确了呼伦贝尔沙地不同密度天然樟子松林的生物量及净初级生产力动态变化,并分析了不同密度天然樟子松林净初级生产力对气候因子的响应,有助于预测未来气候变化下天然樟子松林的生产力及固碳功能,也能为制定相应的森林经营管理措施提供支撑。

参考文献 (33)

目录

    /

    返回文章
    返回