喀斯特地区阔叶混交林蓄积的相关因子研究

杜明凤 ，李明军 ，徐 海

（1.贵州师范大学 喀斯特研究院，贵州 贵阳 550001；2.国家喀斯特石漠化防治工程技术研究中心，贵州 贵阳 550001；3.贵州省林业调查规划院，贵州 贵阳 550003；4.贵州大学 林学院，贵州 贵阳 550025）

喀斯特地区阔叶混交林蓄积的相关因子研究

杜明凤1，2，4，李明军3，4，徐 海3

（1.贵州师范大学 喀斯特研究院，贵州 贵阳 550001；2.国家喀斯特石漠化防治工程技术研究中心，贵州 贵阳 550001；3.贵州省林业调查规划院，贵州 贵阳 550003；4.贵州大学 林学院，贵州 贵阳 550025）

利用两期贵州森林资源连续清查数据资料(2000～2010年)，通过主成份法和多元回归研究贵州阔叶混交林林分蓄积与各因子的相关性。结果表明：非喀斯特林区特征值大于1的有2个公因子，累积贡献率66.392%；第一公因子贡献率为48.255%，包括平均胸径、平均树高、郁闭度、坡度、海拔，定义为林分及环境因子；第二公因子是林分密度，定义为密度因子，贡献率18.137%。喀斯特林区特征值大于1的有2个公因子，累积贡献率63.708%；第一公因子贡献率为45.675%，包括平均胸径、平均树高、郁闭度、坡度、林分密度，定义为林分因子；第二公因子土壤类型，定义为土壤因子，贡献率为18.034%。多元回归建模和T检验结果表明，喀斯特或非喀斯特阔叶混交林的蓄积相关因子均包括平均胸径、平均树高、郁闭度和林分密度；此外，非喀斯特区林分蓄积相关因子还包括海拔、坡度。该结论为贵州阔叶混交林区资源保护和管理提供了一定的依据。

喀斯特；阔叶混交林；林分蓄积；主成份分析；多元线性回归

林分蓄积作为林地生产力高低的主要标志，能直接反映出森林资源规模及森林经营水平，因而成为森林资源监测的一项重要内容，可为森林生态环境评估、森林经营策略及采伐利用提供科学数据参考。林分蓄积由树高、断面积和形数构成，还具有林木群体的生长连续性特点。此外，生境差异，人为干扰等因素都将影响林木的生长发育，因而林分蓄积还受到林分密度、立地条件、经营措施等因子的影响[1]。

贵州是我国喀斯特中心区域，受地质和气候影响，水热充沛但分布不均，碳酸盐岩溶蚀性较强，土层浅薄，水土流失严重[2]。该区域亚热带喀斯特常绿阔叶混交林分布广泛，植被分布交错复杂，生物多样性丰富，但关于阔叶混交林的研究报道较少，主要集中于阔叶混交林的物种丰富度[3]、空间分布[4]及碳素分配特征[5]等方面；而植物生长及生态环境适应及维持机制方面研究尚未见报道。基于此，本研究从两期贵州森林资源连续清查（2000～2010年）①②数据中，筛选出586个阔叶混交林样地，通过主成份法和构建多元回归模型[6-7]，拟从区域大尺度角度定性分析阔叶混交林林分蓄积的相关因子，找出影响阔叶混交林蓄积及生长的主因子，可进一步探寻提高林分生长速率和林木生产力的对策，为贵州喀斯特退化生态系统的植被恢复与重建、喀斯特森林可持续经营管理提供理论依据和科学数据。

1 研究区概况及方法

1.1 研究区概况

贵州地处云贵高原的东部，东经103°36′～109°35′、 北 纬 24°37′～ 29°13′， 是 岩 溶 地 貌 发育最完善的喀斯特区域，山高坡陡，水土流失严重[7]。地势由东南向西北逐级抬升，平均海拔1 100 m。属亚热带湿润季风气候，年均气温10～18℃，年降水量1 100～1 500 mm，相对湿度70%以上，全年日照时数1300 h，无霜期270 d左右。中部和东部为湿润性常绿阔叶林、西南部为偏干性常绿阔叶林、西北部属北亚热带常绿阔叶林。阔叶混交林植被错综复杂、多样性丰富、优势种不明显，主要包括石栎Lithocarpus glaber、栲 Castanopsis fargesii、木荷 Schima superba、木莲Manglietia fordiana等常绿树种，以及水青冈Fagus longipetiolata、多脉青冈Cyclobalanopsis multinervis、亮叶水青冈Fagus lucida、白辛树Pterostyrax psilophyllus等落叶树种。

1.2 数据及预处理

利用贵州省森林资源连续清查资料（2000～2010年），从中提取阔叶混交林样地586个。根据国家喀斯特数据中心[8]区域划分得到非喀斯特林区164个，喀斯特林区422个；林区内海拔390～23 90 m，坡度2°～75°，平均年龄3～115 a，平均胸径1～47 cm，平均树高0.8～20.6 m，林分密度15～3 900 株/hm2，林分蓄积0.18～510.63 m3/hm2。

林分蓄积的相关因子包括平均胸径、平均树高、郁闭度、林分密度、年龄、立地条件（海拔、土壤厚度）等[9]。本研究选择胸径、树高、郁闭度、林分密度、年龄、海拔、坡度、坡位、坡向、土壤厚度、土壤类型、石漠化程度共12个因子。

为便于统计分析，对坡位、坡向、土壤类型、石漠化程度等进行数值量化处理。坡位由脊、上、中、下、谷、平地依次赋值为1～6；将南坡、东南坡、西坡、西南坡划为阳坡，北坡、西北坡、东坡、东北坡划为阴坡，无坡向单独划为一类，依次赋值1～3；林区以黄壤为主，红壤、黄壤、黄棕壤、紫色土、石灰土等分别赋值1～5；石漠化程度按照石漠化零度、轻度、中度、重度、极重度，依次赋值1～5。

1.3 统计分析

EXCEL进行数据量化处理，运用SPSS20.0软件分别进行相关性分析、主成份分析、构建回归模型以及对模型进行T检验等。

①第七次国家森林资源连续清查贵州省第五次复查(2005年)成果汇编，贵州林业厅，2006年。

②第八次国家森林资源连续清查贵州省第六次复查(2010年)成果汇编，贵州林业厅，2011年。

2 结果与分析

2.1 林分蓄积与各因子的相关分析

表1显示，喀斯特林区蓄积与年龄、海拔、坡向、坡位、土壤厚度、石漠化程度等因子相关性均不显著；与胸径、树高、郁闭度、坡度等呈极显著相关，与土壤类型呈极显著负相关，相关性系数为-0.139～0.655。非喀斯特林区蓄积与坡位、坡向、土壤类型、土壤厚度、石漠化程度等因子无显著相关；与平均胸径、平均树高、林分密度、郁闭度、年龄、坡度、海拔等的相关性达极显著或显著水平，相关性系数为0.217～0.768。可见，不同区域阔叶混交林蓄积与平均树高、平均胸径、林分密度、郁闭度等林分因子的响应较一致；此外，对环境（海拔、土壤类型）的响应存在较大差异，非喀斯特林区蓄积受海拔的影响较大 ，喀斯特林区蓄积受土壤类型的影响较明显。

表1 各因子与贵州阔叶混交林蓄积的相关分析†Table 1 Correlation analysis between influence factor and stand volume of broad-leaved mixed forest in Guizhou

2.2 各环境因子的主成份分析

基于相关性分析结果，筛选相关性显著的因子开展主成份分析，公因子设定其特征值大于1，采用最大方差法进行正交旋转计算公因子载荷，回归法计算因子得分。表2可知，喀斯特林区的KMO值为0.678，其累积贡献率为63.708%；其中第1公因子的贡献率45.675%，在平均胸径、平均树高、林分密度、郁闭度、坡度上载荷较大，因此定义其为林分因子；第2公因子的贡献率18.034%，表现为土壤类型的载荷较大，定义其为土壤因子。非喀斯特林区的KMO值为0.701，其累积贡献率为66.392%；其中，第1公因子的贡献率48.255%，在平均胸径、平均树高、郁闭度、坡度、海拔等因子上载荷较大，包含林分蓄积的树高和断面积两个要素，及环境因子坡度、海拔，定义为林分及环境因子；第2公因子贡献率18.137%，表现为林分密度的载荷较大，定义其为密度因子。

表2 各因子旋转后的因子载荷、特征值、贡献率及因子得分Table 2 Factor loadings, eigenvalues, cumulative variance contribution and factor scores after rotated

2.3 主要因子回归模型构建

以各公因子为自变量，林分蓄积为因变量，利用逐步法分别构建非喀斯特和喀斯特林区的多元线性回归模型[9]。如表3所示，喀斯特林区的第1公因子回归方程中，坡度因子（P=0.950）被剔除，仅保留胸径、树高、郁闭度、林分密度，说明与林分因子具有较强相关性，反映该林区林分蓄积主要由树种自身生物学特性所决定，与环境无显著相关；第1、2公因子回归建模时，随着土壤类型的加入，建模的相关因子发生变化，但坡度、土壤类型均未达到显著水平被剔除（P=0.838，0.074），其回归模型中保留因子与第1公因子一致，系数发生相应变化。非喀斯特林区第一公因子回归方程的决定系数R2为0.627，F值72.935，表明林分蓄积与林分及环境因子的相关性较强；与之相比，第1、2公因子回归方程决定系数R2（0.653）、F值(81.853）均有小幅提高，其回归方程中保留胸径、海拔因子，增加了林分密度、坡度因子，去掉郁闭度因子，说明随着林分密度因子的加入，相关性和准确性均有所提高，胸径与蓄积的相关性增大，郁闭度与蓄积的相关性反而变小则可以忽略。

表3 不同林区林分蓄积与相关因子的多元回归模型†Table 3 Multiple linear regression between influence factor and stand volume of broad-leaved mixed forest in Guizhou

2.4 回归模型T检验

非喀斯特林区和喀斯特林区分别用30块样地对回归模型进行T检验，表4显示，喀斯特林区中，方程V3、V4的T值均无显著差异，即预测值与实际值接近，表明V3或V4均能较好地反映出林分蓄积与因子之间的交互关系。其中，V3、V4的标准差、均值以及T值均随着因子的增多而增大，说明随着因子的增多，因子间互作变得复杂，反而降低了回归模型的精度；反映出喀斯特林区蓄积主要与林分因子（平均树高、平均胸径、林分密度）有关。非喀斯特林区中，方程V1、V2的T值无显著差异，即预测值与实际值较接近，表明V1、V2均能反映林分蓄积与各因子的交互关系。其中，V1、V2的标准差、均值以及T值均随因子的增多而减小，显著性呈减小趋势，实际值与回归值的差异相应越来越小，与主成份分析的结果一致；反映了非喀斯特林区林分因子（胸径、郁闭度、林分密度）和环境因子（坡度、海拔）对蓄积的影响均十分重要。

表4 不同林区多元回归模型的T检验Table 4 T-test of multiple linear regression from different broad-leaved mixed forest

3 结论与讨论

研究植物与环境之间的互作联系，有助于掌握森林生长发育的变化规律，更好地指导森林资源的发展及保护。主成份分析发现，喀斯特林区也找出与林分蓄积相关的2类因子：第一类因子林分因子（包含平均树高、平均胸径、郁闭度、林分密度、坡度），第二类为土壤因子（土壤类型）；非喀斯特林区可找出与林分蓄积相关的2类因子：第一类林分环境因子（包含平均树高、平均胸径、郁闭度、海拔、坡度），第二类密度因子（林分密度）。可见，贵州非喀斯特和喀斯特阔叶混交林区的林分蓄积相关因子均包含平均树高、平均胸径、郁闭度及密度，与林分蓄积的三要素相吻合。这与王京民[6]研究落叶松，杜明凤[7]、温小荣[10]等研究马尾松所得出结论较为相似；反映出任何树种的林分蓄积，对林分因子和密度因子的变化均有较一致的响应，是由林木特有的生物学特性所决定。

喀斯特林区中，坡度、土壤类型等环境因子在回归建模和T检验时被逐一剔除，仅保留了胸径、树高、郁闭度、林分密度等林分因子，反映了喀斯特林区环境因素对阔叶林生长的影响远低于林分因子。贵州喀斯特地貌区域广阔、地形复杂、生境脆弱[11-12]，各因子彼此间的互作影响和牵制愈加激烈，反而会削弱单因子对林分蓄积的作用，从而表现为回归建模时土壤类型、坡度被剔除。反映了在喀斯特地区生境恶劣的基底下，选择生活力强的优良树种是造林成功的关键。此外，贵州喀斯特地区存在不同程度石漠化现象，且在人为活动的频繁干扰下进一步恶化，因此该区域人为因素的影响是十分显著的，需加以考虑。但本研究缺少人为因素方面影响的分析，有待后续开展相关研究。

非喀斯特林区，坡度、海拔等环境因子与蓄积显著相关，且海拔在第1公因子，第1、2公因子的回归建模中均被保留，说明海拔对阔叶混交林蓄积的影响较大；原始资料显示，该区域气候温暖、土壤厚实、水分充沛，是林木生长的适宜区；随着海拔变化，气温、水分、土壤等立地环境因子都将发生变化，林木生长随之受到影响；因而，该区域的分析结论与林区实际基本相符。笔者也曾对该区域杉木蓄积进行研究[13]，亦发现海拔对杉木蓄积影响亦较大，与本研究结论相似；但坡向、坡位、坡度等因子对其影响均较小，在相关性分析时均被剔除，与本研究结论相反；反映出不同树种因其不同的遗传机制，因而对相同生境的响应存在差异。温小荣[10]等对广西马尾松人工林蓄积相关因子进行研究，认为坡向、坡位、土壤厚度对其有明显影响，与本研究结论相反；因此，不同研究区域、其立地条件、生态环境等差异较大，植物为适应不同生境，其生长机制亦存在差异。由此可见，林分蓄积与各因子间的互作影响十分复杂，树种差异、生境差异都将引起林分蓄积响应的差异。本研究中，基于阔叶混交林优势种不明显，将其视为整体进行研究，其结果虽然能阐释阔叶混交林与各因子间的互作关系，但亦受到树种不同的影响，其结果的精确性仍有提升空间，有待区分树种进一步分析和验证。

综上所述，贵州境内阔叶混交林培育，需分区制定相应的营林措施。喀斯特地区生境脆弱，造林关键应选择适宜该区域的优良树种；非喀斯特地区需重视各立地因子的互作影响，同时应提高森林经营水平，制定适宜的采伐、抚育等经营措施，从而有效提高林分生产力。

[1] 孟宪宇,佘光辉,李凤日,等.测树学[M].北京:中国林业出版社,2005.

[2] 兰安军,张百平,熊康宁,等.黔西南脆弱喀斯特生态环境空间格局分析[J].地理研究,2003,22(6):733-741.

[3] 张忠华,胡 刚,祝介东,等.喀斯特常绿落叶阔叶混交林物种多度与丰富度空间分布的尺度效应[J].生态学报,2012,32(18): 5663-5672.

[4] 彭晚霞,宋同清,曾馥平,等.喀斯特常绿落叶阔叶混交林植被的空间异质性[J].西北植物学报,2011,31(4):0815-0822.

[5] 丁访军,潘忠松,吴 鹏,等.贵州东部常绿落叶阔叶混交林碳素积累及其分配特征[J].生态学报,2015, 35(6):1761-1768.

[6] 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.

[7] 杜明凤,李明军,郭 颖.贵州马尾松天然林蓄积相关因子的主成分分析[J].浙江林业科技,2015,35(4):47-51.

[8] 喀斯特科学数据中心(http://www.karstdata.cn).贵州省石漠化程度及喀斯特地貌分布.2007-05-31.

[9] 李崇贵,赵宪文,李春干,等.森林蓄积量遥感估测理论与实现[M].北京:科学出版社,2006.

[10] 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.

[11] 陈起伟,熊康宁,兰安军.基于3S的贵州喀斯特石漠化遥感监测研究[J].干旱区资源与环境,2014,28(3):62-67.

[12] 熊康宁.喀斯特石漠化的遥感-GIS典型研究——以贵州省为例[M].北京:地质出版社,2002.

[13] 杜明凤,李明军,徐 海.贵州杉木人工林蓄积相关因子的主成分分析[J].林业科技开发,2015,29(6):132-135.

Study on related factors of stand volume of broadleaved mixed forest in karst district

DU Ming-feng1,2,4, LI Ming-jun3,4, XU Hai3
(1. School of Karst Science ,Guizhou Normal University, Guiyang 550001, Guizhou, China; 2.State Engineering Technology Institute for Karst Deserti fi cation Control, Guiyang 550001, Guizhou, China; 3. Guizhou Forestry Survey and Planning Institute, Guiyang 550025,Guizhou, China; 4. College of Forestry, Guizhou University, Guiyang 550003, Guizhou, China)

Based on the forest resources continuous investigation data of Guizhou from2000 to 2010, this study took broadleaved mixed forest as the research object and extracted 586 pieces of sample plots, and the factors related to stand volume were analyzed by the method of principal component analysis and multiple liner regression. There had some results: In no-karst area, two common factors with the eigenvalue more than 1 were selected, and the cumulative variance contribution was 66.392%.The fi rst common factor was composed of height, DBH, canopy density, slope and altitude, which was de fi ned as the basic stand and environment factor with variance contribution of 48.255%. The second common factor was stand density, which was de fi ned as the soil factor with variance contribution of 18.137%. In karst area, two common factors with the eigenvalue more than 1 were selected, and the cumulative variance contribution was 63.708%.The fi rst common factor were de fi ned nearly the same as them in no-karst area , composed of height, DBH, canopy density,slope and stand density , and the variance contribution were 45.675%.The second common factor was soil type, which was de fi ned as soil factor with variance contribution of 18.034%.The multiple linear regression analysis of the modeling samples were conducted,and the fi ndings showed that the related factors of stand volume were height, DBH, canopy density and stand density in no-karst area and karst area of Guizhou province, and slope and altitude was an important related factor in no-karst area. The conclusion provides a foundation for conservation and management about broadleaved mixed forest in Guizhou province.

karst; broadleaved mixed forest; stand volume; principal component analysis; multiple liner regression

S758.5+1

A

1673-923X(2016)11-0028-04

10.14067/j.cnki.1673-923x.2016.11.005

2016-03-30

贵州省森林资源监测与评价科技创新人才团队项目（黔科合人才团队(2013)4007）；贵州省林业调查规划院森林生态监测评估院士工作站项目（黔科合院士站(2013)4004）

杜明凤，副教授，博士研究生 通讯作者：徐 海，研究员，博士；E-mail：dmf1979@126.com

杜明凤，李明军，徐 海.喀斯特地区阔叶混交林蓄积的相关因子研究[J].中南林业科技大学学报，2016,36(11):28-31,46.

[本文编校：吴 毅]