基于因子分析法的五节芒生长相关因子研究

（湖北省林业科学研究院，湖北 武汉 430075）

重要值是植被数量生态学中表征优势种群地位，进而掌握群落动态的综合数量指标，常用于种群优势种的集中程度分析[1-3]。通过研究影响种群重要值的相关因子，有助于反映种群在群落中的分布情况、对环境因子的适应性和在环境因子作用下的种间关系，可以更好地解释种群生长动态及环境适合度，对于揭示植物群落结构的形成和稳定性机理具有重要意义[4-8]。五节芒Miscanthus floridulus隶属禾本科芒属，是鄂东南低山丘陵区林业生产中常见恶性杂草之一[9-10]。常作为先锋草本植物物种，形成绝对优势种侵占宜林荒山或新造林地，不仅严重危害苗木幼树及其他植物生长，造成入侵地区生物多样性不可弥补的减少，而且防治难度极大、防治成本较高[11-12]。目前，有关五节芒种群生态学方面的研究还不够系统[13-14]，五节芒防治的研究还主要集中在人工和化学方法防治上，但这两种方法各有弊端，人工方法防治对土壤扰动极大易造成生态失衡，化学方法则易残留而对环境产生负面影响[15]。近年来，基于种群生态学的种群演替原理来实现林业杂草生态防治研究越来越受到林业专家学者的重视，但鉴于研究周期及成本等因素影响，五节芒生态防治相关研究的文献资料还较少[16-17]。特别是从森林经营角度，开展五节芒生长动态的相关因子研究尚未见报道。本文以鄂东南低山丘陵区咸宁市咸安区境内五节芒为研究对象，利用因子分析法对影响五节芒重要值的相关因子进行研究，旨在揭示影响五节芒生长动态的主导因素，进而为探索五节芒生态综合防治技术，制定五节芒生态防治策略提供理论和科学依据。

1 研究区概况

研究地点位于湖北省东南部咸宁市咸安区境内，素有“中国桂花之乡”美誉。该区地处幕阜山系和江汉平原的过渡地带，地势东南高西北低，位 于 114°06′～ 114°43′E，29°39′～ 30°02′N。 中部和东部为低山丘陵区，海拔50～300 m。属于典型的亚热带湿润型大陆性季风气候，年平均气温16.8℃，极端最高气温41.4℃，极端最低的气温为-15.4℃。年平均降水量1 531.4 mm，年平均日照时间为1 879.65 h，年平均无霜期为245～258 d。土壤主要为黄红壤和棕红壤，土层深厚，pH值5.5～6.8。得天独厚的自然条件，不仅造就了境内丰富的森林植被资源，也为五节芒等先锋草本植物提供了先天条件，在荒山和新造林地五节芒覆盖率常达90%以上。

2 材料与方法

2.1 数据来源

本研究数据来源于2014年7～9月份对咸安区五节芒随机样点抽样调查。在对研究区充分调查和了解基础上，共确定咸安区双溪桥镇、马桥镇、汀泗桥镇、桂花镇国营小岭林场、大幕乡国营白云山林场5个采样点，分别用Q1、Q2，…，Q5表示。在每个样点设置方形样地调查，样地面积0.04 hm2，共调查样地50块。对样地内胸径＞1 cm的树木均进行每木检尺，详细记录样地地理及常用测树因子信息，并于样地内沿对角线设置3个1 m×1 m的草本样方，记录各样方内所有草本植物的种类、数量、盖度、高度等。各样点样地林分概况见表1。

表1 各取样点林分概况Table 1 Stand factors of each sampling points

2.2 数据预处理

本文以五节芒重要值为因变量，以Y表示，计算公式为：重要值＝(相对多度＋相对盖度＋相对频度)/3[18]。综合考虑影响五节芒重要值大小的立地条件、林分条件及经营措施等因素[19-21]，共选取出林分年龄、平均胸径、平均树高、林木株数、郁闭度、海拔、坡度、坡向、土层厚度9个观测因子作为自变量，分别以X1，X2，…，X9表示。其中，海拔、坡度、坡向、土层厚度按照湖北省森林资源连续清查技术规程进行代码数量化。

2.3 数据分析方法

因子分析法核心是把众多的指标综合成几个为数较少的指标，用较少的几个综合因子来反映原有变量的绝大部分信息，该方法不仅克服了传统的用权重方法来统计分析林木生长过程中各环境因子相关性的主观随意性，而且其本身具有的变差最优性、信息损失最小性、相关及回归最优性等优点，使得综合评价结果唯一且更加客观合理[22-24]。因子分析法可以用数学模型表示。设有p个变量，X=(x1，x2，…，x p)，其均值E(X)=0，将每个原有变量用m(m＜p)个因子f1，f2，…，f m的线性组合来表示，即因子分析模型如(1)式所示[25]，其矩阵形式表示为：X =AF + e。

式中：F为公因子，A为因子载荷阵，a ij=(i=1，2，…，p；j=1，2，…，k) 称为因子载荷；e为特殊因子（随机误差），表示原有变量不能被解释的部分，相互独立，服从正态分布，均值为0。

3 结果与分析

3.1 因子相关性分析

观测自变量数p=9，样本数n=50，利用统计软件SPSS对原始数据进行标准化和处理，得到因子相关矩阵（见表2）。由表2可以看出，五节芒重要值与林分年龄、平均胸径、平均树高、林木株数、郁闭度、海拔、坡度7个观测变量均呈负相关关系，而与坡向、土层厚度2个观测变量呈正相关关系，其中，林木株数和郁闭度对五节芒重要值的相关性最显著，分别为-0.712和-0.835，表明林木株数和郁闭度对五节芒重要值的影响最为直接。五节芒为阳性草本植物，光照条件对五节芒的更新和生长影响极大，而林分株数和郁闭度一起直接决定着林地光照条件，影响着温、湿度等小气候条件，因此，随着五节芒生境郁闭度的加大。必然导致五节芒分枝、分孽数和产草量逐渐降低。死亡茎枝增多，五节芒种群重要值变小的趋势[13,22]，这与现实林分中五节芒生长分布情况是一致的。

表2 因子相关矩阵†Table 2 Factors correlation matrix

3.2 公因子提取及命名

基于标准化处理数据，利用SPSS软件进行因子分析。通过主成分分析法确定出特征值大于1的4个公因子。公因子的KMO值=0.588＞0.5， Bartlett球形检验卡方值的显著性P(Sig.)=0.000 ＜ 0.05，累计贡献率达83.466，各项指标均符合公因子选取和度量标准[26]，说明本次因子分析的效果较好，因子之间相关性也较大，可用因子分析法来进行统计分析。由于通过软件计算所得的公因子含义含糊不清，需采用最大方差法对因子载荷矩阵进行正交旋转，得到旋转后的公共因子载荷矩阵及得分系数矩阵(见表 3)。

表3 旋转后的因子载荷、特征值、贡献率及得分系数Table 3 Factor loadings, eigenvalues, variance contribution and factor scores after rotated

由表3可以看出4个公因子能反映9项指标信息总量的 83.466%，说明因子本次分析结果较满意。从因子载荷结果看，第1公因子在平均胸径、平均树高和林分年龄3个观测变量上有较大载荷和较高得分系数，这三个因子是描述林分特征的基本因子，可将其定义为林分基本因子；第2公因子在林木株数和郁闭度上有较大载荷和较高得分系数，这两个因子是反应林分生长空间大小的基本因子，可将其定义为林分密度因子；第3公因子在土层厚度和坡度上有较大载荷和较高得分系数，坡度和土层厚度基本可以反映五节芒生长的土壤肥力状况，可将其定义为土壤因子；第4公因子在坡向和海拔上有较大载荷和较高得分系数，坡向和海拔反映了五节芒生长的地形条件，可将其定义为地形因子。从方差贡献率看，4个公因子方差贡献率由大到小排序依次为：林分基本因子(31.582%)＞林分密度因子(19.867%)＞土壤因子(18.454%)＞地形因子(13.563%)，表明林分基本因子对五节芒重要值起着决定性作用，而上述因子相关性表明林分密度因子(即林木株数和郁闭度)是五节芒重要值最直接影响因素，说明林分基本因子与林分密度因子间相关性密切。

3.3 模型建立与检验

鉴于参与建模样本数量较少，所得模型只能是描述性的而不是可预测性的，因此，本文只对4个公因子全部参与建模所得模型进行讨论和分析。将50块样地数据全部参与建模，以五节芒重要值为因变量，4个公因子累积观测变量为自变量，采用多元线性回归方法，建立了五节芒重要值与各观测变量回归模型，回归系数见表4。

表4 回归系数Table 4 Regression coefficient

回归方程如(2)式：

式中：IV为重要值，X1～X9依次为林分年龄、平均胸径、平均树高、林木株数、郁闭度、海拔、坡度、坡向、土层厚度。

通过模型精度检验，R2=0.896，P(Sig.)＜0.001，表明五节芒重要值与各观测变量回归方程精度较高，回归效果较好，模型可以很好的描述五节芒重要值与各观测因子的相关性。另外，从回归方程各变量系数看，林木株数和郁闭度最大，与上述相关性研究结果较一致，而平均树高回归系数为正值，与上述相关性分析结果相反，原因主要是因子间出现多重共线性[27]，即林分年龄、平均胸径、平均树高三者相关性较强，平均树高对五节芒重要值的作用需要通过林分年龄和平均胸径2个因子去影响，体现了因子间多重关系和相互间作用的复杂性。

4 结论与讨论

(1)五节芒重要值与9个观测因子相关性分析表明，五节芒重要值与林分年龄、平均胸径、平均树高、林木株数、郁闭度、海拔、坡度均呈负相关，与坡向和土层厚度呈正相关；其中，五节芒重要值与林木株数和郁闭度具有显著的负相关性，二者为影响五节芒重要值的最直接因素。

(2)因子分析结果表明，可将影响五节芒重要值的诸因素归并为林分基本因子、林分密度因子、土壤因子、地形因子4类，其对五节芒重要值得影响程度由大到小依次为：林分基本因子＞林分密度因子＞土壤因子＞地形因子。

(3)五节芒重要值与各观测因子回归模型表明，模型精度较高，回归效果较好，模型可以很好的描述五节芒重要值与各观测因子的相关性；除平均树高因与林分年龄、平均胸径出现多重共线性，回归系数出现正值外，其余观测变量的回归系数均与因子相关性分析结果相一致。

对影响五节芒重要值的相关因子进行研究，根本目的在于通过对其研究，找出影响五节芒生长动态的主导因素，通过诱导植物种群优势向目的树种种群发展[16,28]，从而为探索一条五节芒生态综合防治技术寻求理论和对策取向。研究表明林分因子（林分基本因子和林分密度因子）是影响五节芒种群生长动态的主要因子，因此，在进行五节芒防治工作时，应注意从森林经营的角度，重视林分因子特别是与森林经营相关的林分因子对其种群生长动态的影响和作用，这样才能使得五节芒防治工作真正做到因地制宜，有的放矢。同时，鉴于五节芒生物-生态特性较为复杂，在因子评价体系构建、五节芒草丛地营林技术、五节芒生态防治应用技术等方面还有待进一步研究和完善。

参考文献：

[1]Curtis J T, Mcintosh R P. An upland forest continuum in the prairie-forest border region of Wisconsin [J]. Ecology, 1951, 32:476-496.

[2]谢春平,方 彦,方炎明.乌冈栎群落垂直结构与重要值分析 [J].安徽农业大学学报,2011,38(2):176-184.

[3]何兴东,高玉葆,刘惠芬.重要值的改进及其在羊草群落分类中的应用[J].植物研究,2004,24(4):466-472.

[4]张明霞,王得祥,康 冰,等.秦岭华山松天然次生林优势种群的种间联结性[J].林业科学,2015,51(1):12-21.

[5]纪 托,杨 敏,杨 乐,等.基于贝叶斯二项式模型分析棕头鸥种群多度与环境因子间的关系[J].四川动物,2012,31(4):524-532.

[6]刘淑娟,袁宏波,张锦春,等.库姆塔格沙漠典型植物种群特征与自然环境要素的因子分析[J].西北植物学报,2012, 32(9):1874-1881.

[7]张文辉,王延平,康永祥,等.太白红杉种结构与环境的关系[J].生态学报,2004,24(1):42-47.

[8]刘玉成,黎云祥,苏 杰,等.缙云山大头茶幼苗种群构件结构及与环境因子的多元分析[J].植物生态学报,1996,20(4):338-347.

[9]周 婧,李巧云,肖 亮,等.芒和五节芒在中国的潜在分布[J].植物生态学报,2012,36(6):504-510.

[10]肖 亮,蒋建雄,易自力,等.五节芒种质资源的表型多样性分析[J].湖南农业大学学报,2013,39(2):150-154.

[11]张黎华,冯玉龙.外来入侵杂草的生物防治及生防因子对本地非目标种的影响[J].生态学报, 2007,27(2):802-809.

[12]王 朋,梁文举,孔垂华,等.外来杂草入侵的化学机制[J].应用生态学报,2004,15(4):707-711.

[13]萧运峰,王 锐,高 洁.五节芒生态——生物学特性的研究[J].四川草原,1995,(1):25-29.

[14]陈慧娟,宁祖林,张卓文.五节芒生物学特性及能量生产动态变化[J].草业学报,2012,21(6):252-257.

[15]周俊宏,毛 斌,舒 骏,等.新造林地五节芒防治试验[J].浙江林业科技,2014,34(5):53-56.

[16]孔红娃,刘书成,陈福平,等.论林地杂草防治中的生态学原理[J].森林工程,1999,15(4):18-19.

[17]严忠海,胥耀平,刘彬彬.陕西秦巴山区林业生态综合治理模式研究[J].西北林学院学报,2005,20(2):28-31.

[18]李效文,贾黎明,李广德,等.抚育对北京低山侧柏游憩林灌草生物多样性的影响[J].北京林业大学学报, 2009,31(6):193-197.

[19]雷相东,唐守正,李冬兰,等.影响天然林下层植物物种多样性的林分因子的研究[J].生态学杂志,2003, 22 (3): 18-22.

[20]成向荣,徐金良,刘 佳,等.间伐对杉木人工林林下植被多样性及其营养元素现存量影响[J].生态环境学报, 2014,23(1):30-34.

[21]赵 芳,欧阳勋志.飞播马尾松林林下植被盖度与环境因子的关系[J].应用生态学报,2015,26(4):1071-1076.

[22]卢晓强,杨德超,张显松.贵州喀斯特地区侧柏人工林天然更新效果的因子分析法研究[J].西部林业科学, 2006, 35(2):78-81, 85.

[23]王京民,李清顺.应用因子分析法对林分蓄积相关因子的分析[J].西北林学院学报,2012,27(1):169-172.

[24]温小荣,蒋丽秀,郑 勇,等.因子分析法在马尾松人工林蓄积相关因子评价中的应用[J].中南林业科技大学学报,2014,34(11): 32-36.

[25]Costa H, Medeiros V, Azevedo E B,et al. Evaluating ecologicalniche factor analysis as a modelling tool for environmental weed management in island systems[J].Weed Research,2013, 53(3):221-230.

[26]游家兴.如何正确运用因子分析法进行综合评价[J].统计教育,2003,56(5):53-56.

[27]刘国旗.多重共线性的产生原因及其诊断处理[J].合肥工业大学学报,2001,24(4):607-610.

[28]曾思齐,张 敏,肖化顺,等.青石岗林场木荷杉木混交林更新演替研究[J].中南林业科技大学学报, 2013,33 (1):1-6.