-
黄土高原是世界上水土流失严重、生态环境最脆弱的区域之一,水土保持造林植被已覆盖大面积的黄土地,有效缓解该地区的水土流失,生态环境逐步恢复和改善[1-2]。但大规模植被建设引发径流减少、土壤干化等问题亦格外引人关注[3],植被结构与功能的多目标调控、植被从数量增加到质量提升的转变日益成为国内外研究的焦点。黄土残塬沟壑区植被发挥的水土保持功能主要为涵养水源、保育土壤和拦蓄泥沙等3方面[4]。林分结构与水土保持功能的研究重点从关注各自的特征,逐渐过渡为指标体系综合评价森林植被水土保持机理的阶段,包括以林水平衡、植被承载力、结构化经营、生物多样性、景观等为对象,探讨植被结构与径流、土壤流失的相关性[5-7]。然而,目前较全面反映林分结构和水土保持功能的多因子相互影响的研究较少。结构方程模型(Structural Equation Model,SEM)提出了量化多因子复杂关系的可行方案[8],其关键优势为有效解决因果关系、测试竞争模型和理论的能力[9-10],在生态恢复和水土保持领域逐步应用[11-12],为深入探索林分结构和功能的多因子关系奠定了方法基础。
本研究以晋西黄土区成熟油松(Pinus tabulaeformis Carr.)人工林为对象,采用结构方程模型,以胸径、林分密度等表征林分的水平结构,叶面积指数(LAI)、林层指数等表征垂直结构,林冠截留、枯落物持水等表征涵养水源功能,有机质、氮、磷等表征保育土壤功能,产流、产沙表征拦沙减沙功能,探究多因子之间的复杂影响和程度,揭示油松林水平和垂直结构对涵养水源、保育土壤、拦沙减沙等功能的作用机制,提出适宜黄土高原坡面的林分结构调控因子组合,为黄土高原油松人工植被建设提供借鉴。
HTML
-
研究区位于山西吉县蔡家川流域(地理坐标110°27′~111°7′ E,35°53′~36°21′ N,海拔范围904~1 592 m),主要植被为不同时期的刺槐、油松人工林,植被覆盖率72%。区域年均气温10.2 ℃,无霜期172 d,年均降水量571 mm且分配不均,年潜在蒸发量1 724 mm。土壤主要为褐土。流域的林下灌木和草本情况详见前期研究报道[12]。地被由松针等枯落物覆盖,明显分为未分解层与半分解层,厚度分别为5~15 mm和5~40 mm。
-
2017年4—10月对试验区林地调查分析,选择不同坡度、坡向和海拔,林龄约为28年的油松人工林开展研究,共设置16块20 m×20 m的标准样地,用测绳将样地划分为4个10 m×10 m的样方。样地的坡向分别为阴坡、半阴坡和半阳坡,坡度26°~35°,海拔1 100~1 200 m。
样方内每木检尺,调查林分及更新情况,计算林分密度、角尺度、大小比数、林木竞争指数等指标。采用LAI-2000植被冠层分析仪测定样方的叶面积指数;自记式雨量筒测定林内外降雨和树干流,并基于水量平衡计算林冠截留率。采用环刀法分3层(0~20、20~40、40~60 cm)采集土壤样品并充分混合,用烘干法测定土壤质量含水量,浸润土壤法测定土壤最大持水率[11];自然风干土壤过0.25 mm筛后,用重铬酸钾稀释热法测定土壤有机质含量,用SmartChem200-全自动智能化学分析仪测定全氮(TN)、全磷(TP)、氨氮、硝氮、速效磷等的含量。在样地上、中、下坡位处随机选取30 cm×30 cm的样方调查枯落物层,用室内浸泡法测定未分解层和半分解层的枯落物持水率。采用双环入渗法测定土壤入渗率[13]。采用标准径流小区观测样地场降雨的产流量和产沙量。油松样地的基本情况如表1所示。
林分和土壤特征
Stands and soil characteristics最大值
Maximum最小值
Minimum平均值
Average变异系数
Variable coefficient坡度 Slope/° 35 26 30.6 0.10 海拔 Elevation/m 1 200 1 100 1 148 0.02 胸径 Diameter at breast height/cm 21.8 6.0 13.0 0.20 树高 Tree height /m 10.7 3.0 7.1 0.20 冠幅面积 Crown area/m2 29.6 1.1 10.0 0.08 郁闭度 Canopy density 0.87 0.54 0.69 0.14 林分密度 Stand density/(株·hm−2) 1 800 600 1 147 0.33 幼树更新 Seedling regeneration /株 7 1 4 0.43 叶面积指数 Leaf area index 3.04 1.25 2.07 0.26 角尺度Uniform angle 0.700 0.375 0.535 0.19 大小比数 Neighborhood comparison 0.625 0.250 0.518 0.18 林木竞争指数 Tree competition index 2.23 1.17 1.61 0.19 林层指数 Stand layer index 0.50 0 0.20 0.87 林冠截留率 Canopy interception rate /% 20.4 8.7 15.43 0.22 土壤质量含水量 Soil moisture content /% 16.93 5.77 10.99 0.26 土壤最大持水率 Maximum water holding capacity/% 61.00 25.54 46.76 0.18 土壤有机质Soil organic matter/(g·kg−1) 18.97 3.49 9.85 0.41 全氮Total nitrogen/(g·kg−1) 1.76 0.18 0.74 0.71 全磷Total phosphorus/(g·kg−1) 1.81 0.47 0.76 0.45 氨氮Ammonia-nitrogen /(mg·kg−1) 34.42 17.72 25.55 0.20 硝氮Nitrate-nitrogen/(mg·kg−1) 13.33 1.56 6.99 0.42 速效磷Available phosphorus/(mg·kg−1) 55.66 25.52 37.66 0.21 未分解层枯落物持水率 Water retention rate of litter in the undecomposed layer/% 166.05 37.04 65.31 0.52 半分解层枯落物持水率 Water retention rate of litter in the semidecomposed layer /% 235.92 23.84 80.63 0.68 土壤入渗率 Soil infiltration rate /(mm·h−1) 277.05 219.30 233.43 0.10 产流量Average runoff yield /(mm·场−1) 78.02 65.42 72.38 0.04 产沙量 Average sediment yield /(t·km−2) 604 361 456 0.19 Table 1. Characteristics of Pinus tabulaeformis plantation in Caijiachuan watershed
-
结构方程模型包括测量模型和结构模型[14-15],用于探究生态系统中多个观测变量、潜变量以及残差之间的关系,定量描述自变量对因变量的影响路径和程度,包括直接影响、间接影响和总影响[16]。基于以往研究成果及2017年生长季的野外调查数据,构建表达油松人工林分结构与水土保持功能多因子复合关系的结构方程初始模型,路径系数表示变量之间关联程度,采用极大似然估计法计算[9]。研究区内的气候、水文等环境条件基本一致,地形因子(ξ1)有显著差异。建模时主要考虑林分的水平结构(ξ2)和垂直结构(ξ3),涵养水源、保育土壤(η1)、拦沙减沙(η2)等功能,以及对应的观测变量和误差、潜变量的残差等。
-
模型构建前,采用通用Cronbach α系数进行信度检验,值越大表明信度越高;采用KMO度量和Bartlett球形检验进行效度分析,KMO值域为0~1,越接近1,变量效度越好;Bartlett球形检验结果显著小于1%,效度越好。模型构建、运行后,应检验卡方(χ2)、卡方自由度比(χ2/df∈[0,3])、显著性概率值(p>0.05)、绝对适配指数(GFI)、规准适配指数(NFI)、增值适配指数(IFI)、比较适配指数(CFI)、近似误差均方根(RMSEA∈[0,0.05])、赤池信息准则(AIC,越小越好)、贝叶斯准则(BCC,越小越好)等参数。其中,各适配指数值范围在[0.9,1]时模型适配程度高,在[0.7,0.9]时模型适配程度也容许。
初始模型参数不适配时需修正模型,方法如下:①根据经验理论和路径系数值增减、调整变量;②根据初始模型的参数显著性和修正指标(Modification Index)进行模型扩展(Model Building),释放部分限制路径或添加新路径来改善模型结构;③根据初始模型的参数显著性和修正指标及临界比率(Critical Ratio)进行模型限制(Model Trimming),删除或限制部分路径以简化模型结构。
-
使用SPSS19.0软件分析数据基本特征、信度和效度等,借助Amos 22.0软件完成结构方程模型构建,部分图表在Excel 2016软件中完成。
1.1. 试验区域及材料
1.2. 样品采集
1.3. 结构方程构建方法
1.4. 模型检验与修正方法
1.5. 数据处理与分析
-
构建模型前分析油松林结构和功能的基本特征。水平结构方面,油松林的郁闭度为0.54~0.87,与林分密度的关系呈双峰曲线,其中郁闭度峰值出现在林分密度1 400株·hm−2处,次大值分别出现在1 100株·hm−2和1 800株·hm−2处,这可能受到微地形差异的影响,致使本研究中郁闭度和林分密度相关性不强(图1.a)。林木竞争指数与林分密度存在较密切的正相关(图1.b)。角尺度为0.375~0.700,林木分布格局大多为均匀分布或团状分布,与造林时均匀种植或呈一定角度种植的特点一致;大小比数≥0.500的林分占比76%,表明油松林的长势较均匀(图1.c)。垂直结构方面,叶面积指数为1.25~3.04,与林分密度的关系呈多峰曲线,峰值出现在林分密度1 100株·hm−2处,次大值出现在1 400株·hm−2处,其值与林分密度不具有明显的线性相关。林层指数为0~0.50,表明油松林的林木分层集中在1~2层,反映其垂直成层分布格局(图1.d)。
水土保持功能特征主要体现在林冠截留和径流泥沙方面。林冠截留率与叶面积指数存在较密切的正相关关系(图2.a)。油松林产流量和产沙量的总体趋势为随坡度增大而增大,总体表明产流量和产沙量具有较强相关性,但在28°处出现异常;二者的峰值和次峰值均出现在坡度28°和35°处,其中,产流量分别为78.02和77.43 mm·场−1,产沙量分别为604和595 t·km−2(图2.b)。
-
按照前述方法进行数据检验,确定通过检验的指标(α≥0.9、KMO≥0.8、sig.<1%)。将建模数据导入Amos 22.0软件构建标准化的结构方程,计算判别模型适应性的参数值。初始模型的卡方χ2=63.743,自由度χ2/df=3.642>3,显著性概率p=0.001<0.05,与观测数据的适配性较差,应进行修正。
修正时首先分析出各指标对于表征潜变量的作用不可或缺,不考虑删减。其次,考虑某潜变量的残差与其他潜变量相关的观测变量残差的相关性,采用模型扩展方法逐一检验,用双箭头连接有较强相关关系的指标组,经反复调整、匹配后,得到接受虚无假设、适配性高的油松林林分结构与水土保持功能多因子关系的结构方程模型(图3)。修正后的模型参数(χ2=46.359,χ2/df=1.376,p=0.101>0.05 RMSEA=0.036<0.05,AIC=232.913,BCC=214.772)接受虚无假设,且适配统计量的各项检验指标(GFI=0.912,NFI=0.787,IFI=0.805,CFI=0.823)均大于0.7,表明模型与观测数据的适配性较好,对理论假设和实际观测数据的拟合可行、适用。
-
地形因子与垂直结构、涵养水源和保育土壤、拦沙减沙之间都有正影响,路径系数分别为0.13、0.37和0.98(图3)。地形对于拦沙减沙的影响远大于对其他因子的影响,而与水平结构之间没有直接的影响路径。水平结构与垂直结构、拦沙减沙之间有正影响,其路径系数分别为0.16和0.79;对涵养水源和保育土壤有负影响,路径系数为−0.93。垂直结构对于涵养水源和保育土壤、拦沙减沙都有负影响,其路径系数分别为−0.08和−0.42。拦沙减沙与涵养水源和保育土壤之间也存在正影响,路径系数为0.35。结构方程计算的标准化影响系数也能表征潜变量之间的相互影响程度(表2)。其中,影响较显著的有3组:地形因子对拦沙减沙的总影响系数为0.822,其中直接影响0.734,间接影响0.088;水平结构对涵养水源和保育土壤的总影响系数为−0.906,其中直接影响−0.993,间接影响0.087;对拦沙减沙的总影响系数为0.663,其中直接影响0.784,间接影响−0.121。
相互影响的潜变量
Effect latent variables标准化总影响
Standardized
total impact标准化直接影响
Standardized
direct impact标准化间接影响
Standardized
indirect impact地形因子与水平结构 Horizontal structure and topography −0.327 0 −0.327 地形因子与垂直结构 Vertical structure and topography 0.069 0.114 −0.045 地形因子与涵养水源和保育土壤 Soil and water conservation and topography 0.217 0 0.217 地形因子与拦沙减沙 Sediment reduction and topography 0.822 0. 734 0.088 水平结构与垂直结构 Vertical structure and horizontal structure 0.154 0.154 0 水平结构与涵养水源和保育土壤 Soil and water conservation horizontal structure −0.906 −0.993 0.087 水平结构与拦沙减沙 Sediment reduction and horizontal structure 0.663 0.784 −0.121 垂直结构与涵养水源和保育土壤 Soil and water conservation and vertical structure −0.109 −0.041 −0.068 垂直结构与拦沙减沙 Sediment reduction and vertical structure −0.335 −0.406 0.071 涵养水源和保育土壤与拦沙减沙 Soil and water conservation and Sediment reduction 0.308 0.284 0.024 Table 2. The influence coefficients of latent variable standardization in the structure equation model of Pinus tabuliformis plantation
路径图和影响效应总体反映出潜变量之间的耦合机制和复杂关系。①地形因子对拦沙减沙功能的影响最为显著,即地形因子正向变化时,拦沙减沙因子的数值会增大,此时林分的拦沙减沙功能急剧削弱。②林分结构内部在水平和垂直方向上有较小程度的协同和促进。③水平结构正向变化对拦沙减沙有较显著的正效应、对涵养水源和保育土壤有显著的负效应;相对地,垂直结构对两个功能因子的影响较小,且呈负效应。④涵养水源和保育土壤、拦沙减沙两个功能因子之间具有一定的协同效应。
-
潜变量与观测变量之间的直接影响由模型拟合的路径系数体现(图3)。影响地形因子的观测变量中,坡度表现为正影响,路径系数为0.90;坡向和海拔表现为负影响,路径系数分别为−0.76和−0.95。除郁闭度(路径系数为−0.21)以外,观测变量对水平结构的影响均为正;其中林分密度和林木竞争指数,路径系数分别为0.98和0.97,远大于其他因素。影响垂直结构的树高、叶面积指数、林层指数,均表现为正影响,路径系数分别为0.96、0.28和0.78。影响涵养水源和保育土壤的变量中,林冠截留、枯落物持水、土壤入渗率和土壤含水量为正影响,土壤最大持水量、有机质和全氮为负影响;林冠截留率的路径系数为0.69,影响较显著。影响拦沙减沙的产流量、产沙量均为较强的正影响,路径系数分别为0.97和0.91。
模型计算得到的标准化影响系数表征潜变量与观测变量之间的直接或间接影响效果。①地形因子对坡度、坡向和海拔有较强的直接影响,总影响系数分别为0.971、−0.836和−0.764;对产流量和产沙量的间接影响效果也较显著,总影响系数分别为0.624和0.568。②水平结构对林分密度、林木竞争指数和林冠截留率的影响大,总影响系数分别为−0.987、−0.956和−0.715,对产流量、产沙量的间接影响也较大,影响系数分别为0.537和0.503。③垂直结构对树高、林层指数的影响效果显著,影响系数分别为−0.919和0.793,对产流量、产沙量和叶面积指数等有一定程度的影响。④拦沙减沙对产流量、产沙量的影响效果非常显著,分别达到0.986和0.961。⑤涵养水源和保育土壤对林冠截留的影响效果显著,达到0.731;对未分解层枯落物持水率、土壤入渗率、土壤含水量、海拔、坡向和坡度等也有一定程度的影响。