小兴安岭用材林土壤肥力综合评价及评价方法比较1)

张甜 朱玉杰 董希斌

(森林持续经营与环境微生物工程黑龙江省重点实验室(东北林业大学)，哈尔滨，150040)



小兴安岭用材林土壤肥力综合评价及评价方法比较1)

张甜 朱玉杰 董希斌

(森林持续经营与环境微生物工程黑龙江省重点实验室(东北林业大学)，哈尔滨，150040)

以小兴安岭带岭林业局用材林为研究对象，在天然林内设置6块间伐强度不同的样地(强度依次为10%、15%、20%、25%、30%、35%)，每块样地设置4种间伐带(6、10、14、18 m)。在各间伐带内采集土壤样本，测定土壤化学性质，分析不同间伐强度、不同间伐带宽对土壤肥力的影响；运用基于熵权法的灰色关联模型，综合评价小兴安岭用材林土壤肥力。结果表明：改造的样地中，最有利于土壤养分积累的是间伐强度25%～30%、间伐带宽为10 m。与灰色关联法、主成分分析法、熵权理想解法比较表明：基于熵权法的灰色关联模型用于土壤肥力评价，合理可行。

小兴安岭；用材林；土壤肥力；熵权；灰色关联度

Journal of Northeast Forestry University，2016,44(12)：10-14，98.

With the timber forest in the Dailing Forestry of Xiaoxing’an Mountain, we set different samples of six thinning intensities in the natural forest (10%, 15%, 20%, 25%, 30%, and 35%), and each sample was with 6 m, 10 m, 14 m and 18 m bandwidth. Taking soil samples in the thinning zone, we determined its chemical properties and analyzed the effect of different thinning intensities and different bandwidths on soil chemical properties by grey correlation model with entropy weight to evaluate soil fertility of Xiaoxing’an Mountain timber forest. All modification in the sample area, the most beneficial manageable way to the accumulation of soil nutrients is 25%-30% thinning intensity and the 10 m bandwidth. Compared with grey correlation analysis, the principal component analysis method and entropy weight ideal solution, the grey correlation model with entropy weight method in soil fertility evaluation is feasible.

土壤肥力是土壤诸多基本特性的综合反映，因此在评价时不能只着眼于个别的肥力因素，需从整体的观点出发进行综合指标，既是定性的又是定量的，即土壤肥力的数值化综合评价[1-4]。熵权法可以充分利用客观数据提供的信息确定客观权重，去除主观性影响；灰色关联分析[5]是建立在客观数据的基础上，能很好的处理信息不完全的问题，尤其是对小样本无规律指标的评价问题上，通过观察与理想方案的接近程度确定最优方案，这两种方法都能很好地对土壤肥力进行综合评价。罗毅等[6]提出了基于熵权法和灰色关联分析法相结合的输电网规划方案综合决策方法，并用仿真算例验证了该方法的有效性；候宝灯等[7]运用基于改进熵权的灰色关联度模型，为湿地生态系统水质综合评价提供了新的思路；但基于熵权法的灰色关联模型用于土壤肥力综合评价上的报道很少。

针对林分的具体情况和该地区的自然条件，从土壤肥力角度进行研究，了解森林土壤理化性质的变化规律，可选择有利于林分生长更新的抚育方式。本研究以小兴安岭用材林为研究对象，探讨不同抚育间伐方式对土壤肥力的影响，并运用改进熵权的灰色关联度模型进行综合评价，旨在为选择土壤养分评价方法提供参考。

1 研究区域概况

试验区位于小兴安岭地区带岭林业局东方红林场。该林场位于小兴安岭南麓，带岭区东南13.9 km处，地理坐标为东经128°37′46″～129°17′50″、北纬46°50′8″～47°21′32″。该场地处低山地区，山坡多为缓坡，平均坡度10°，平均海拔600 m。全年平均气温1.4 ℃，夏季湿润，温凉多雨；冬季干燥寒冷，少风多雪。年最低气温达-40 ℃(一般出现在1月上旬)，年最高气温达37 ℃(平均最高月气温在7月份)。年平均降水661 mm，降水全年为130 d左右。土壤以暗棕壤为主，少量林地为谷地草甸土和沼泽土。该林场中天然林多分布在山中上腹及沟系的上部，人工林多分布在山中下腹及沟系的下部。

2 试验方法

天然林试验区设置在东方红林场414林班内，作业面积约54.93 hm2(824亩)，位于山的中腹，坡度14°，坡向为西北方向；土壤为暗棕壤，厚度约30 cm。林分类型为针阔混交林，主要树种有云杉(PiceaasperataMast.)、臭冷杉(Abiesnephrolepis(Trautv.) Maxim.)、红松(PinuskoraiensisSieb. et Zucc.)、白桦(BetulaplatyphyllaSuk.)、紫椴(TiliaamurensisRupr.)、水曲柳(FraxinusmandschuricaRupr.)、杨树(PopulusL.)。平均林龄70 a，平均胸径16 cm，平均树高11 m，林分郁闭度0.9。具体试验区概况见表1。

表1 天然林试验区植被构成

在天然林试验区内设置6块样地，每块样地的面积均为100 m×100 m。对样地进行带状抚育间伐，间伐带顺山设置(见图1)。间伐带宽分别为6 m(S1)、10 m(S2)、14 m(S3)、18 m(S4)；抚育间伐强度分别为10%(A)、15%(B)、20%(C)、25%(D)、30%(E)、35%(F)。各间伐带之间设置保留带作为对照样地(CK)。

样地面积为100 m×100 m；S为间伐带，S1为6 m、S2为10 m、S3为14 m、S4为18 m；P为保留带，P1为6 m、P2为10 m、P3为14 m、P4为18 m。

图1 试验样地设置

于2015年5月进行野外取样，在各间伐带内随机设置4个样点，各间伐带之间样点保持同一水平位置，对照样地选择在10 m保留带内，每个样点取土壤剖面为0～10 cm的土壤1 kg左右带回实验室进行化学性质分析。

土壤化学物质主要测定指标，包括pH值、有机质质量分数、全量养分(全N、全P、全K)、速效养分(水解N、有效P、速效K)。①pH值，用水浸法测定(LY/T 1239—1999)；②土壤有机质质量分数，用油浴重铬酸钾(K2Cr2O7)氧化法测定(LY/T 1237—1999)；③全氮，用自动凯氏法测定(LY/T 1228—1999)，仪器为VS-KT-P型全自动定氮仪；④全P，用酸溶钼锑抗比色法测定(LY/T 1232—1999)，用分光光度计进行测定；⑤全K，用酸溶-火焰光度法测定(LY/T 1234—1999)；⑥水解N，用扩散吸收法测定(LY/T 1231—1999)；⑦有效P，用氢氧化钠浸提-钼锑抗比色法测定(LY/T1233—1999)；⑧速效K，用乙酸铵浸提-火焰光度法测定(LY/T 1236—1999)。

将测得的数据录入到Excel表里并进行基本处理，然后通过Matlab软件进行综合评价的计算。

3 结果与分析

3.1 土壤化学性质的变化

由表2可见：在间伐带宽一定时，土壤pH值、有机质及各营养元素质量分数，随着间伐强度的增大而呈现出先升高再下降的“V”型趋势，或为先升再降然后再升高再下降的“M”型过程。其中：间伐强度为20%时，pH值、全磷及全钾质量分数相对较高；pH值平均为6.15，表现出强的弱酸性；全磷质量分数平均为1.20 g·kg-1，全钾质量分数平均为19.47 g·kg-1。间伐强度为30%时，有机质及速效养分质量分数相对较高，有机质平均质量分数21.09 g·kg-1、水解氮平均质量分数91.19 mg·kg-1、有效磷平均质量分数18.66 mg·kg-1、速效钾平均质量分数52.72 mg·kg-1。间伐强度为15%时，全氮质量分数相对较高，为1.56 g·kg-1。低间伐强度(10%)或高间伐强度(35%)时，样地土壤化学性质各项指标都较低。在间伐强度一定时，土壤化学性质各项指标随着间伐带宽的增大也是呈现“V”型或“M”型趋势。其中：间伐带宽18 m时，pH值、全氮及全磷质量分数相对较高；间伐带宽14 m时，有机质质量分数相对较高；其余营养元素均在间伐带宽10 m时，质量分数较高。

由表2各指标的变化程度可见：大部分抚育间伐样地与相应的对照样地相比，土壤化学性质各项指标均有不同程度的增加，且随着间伐强度的增加，营养元素由高间伐带宽(14 m)向低间伐带宽(6 m)集中。间伐强度为10%～20%时，有机质及营养元素都集中在高的间伐带宽(14～18 m)中；间伐强度为20%～25%时，有机质及营养元素都集中在较高的间伐带宽(10～14 m)中，间伐强度为25%～35%时，有机质及营养元素都集中在低的间伐带宽(6～10 m)中。

表2 各样地土壤养分实测值

3.2 基于熵权法的土壤肥力灰色关联评价

将熵权法与灰色关联法结合起来对土壤的肥力进行综合评价，首先用熵权法确定各指标的权重，然后用灰色关联度对土壤肥力进行综合评价。灰色关联综合评价方法的计算过程如下。①确定原始矩阵。原始评价矩阵是由n个样地的m个评价指标实测值组成的集合，其中m=8、n=30，由表3可得到原始矩阵Dn×m。

②对原始矩阵进行标准化处理。采用线性比例变换中的正向指标型，即各样地的指标实测值与对应的指标最大值的比值(见式(1))，标准化后的矩阵记为R′(见式(2))。

(1)

(2)

这里理想对象矩阵为R0=(1 1 1 1 1 1 1 1)。

③确定各样地各指标灰色关联系数(见表3)。

④确定评价指标权重。这里采用熵权法确定指标权重。熵权法是一种依据各指标所包含的信息量的多少确定指标权重的客观赋权法，某个指标的熵越小，说明该指标值的变异程度越大，提供的信息量也越多，在综合评价中起的作用越大，则该指标的权重也越大[8]。熵权法计算步骤简单，有效利用了指标数据，排除了主观因素的影响。引进熵值，可以很好地避免在取值时主观因素的干扰，在综合评价时可以与实际结合，得到比较客观的结果，同时计算过程简单易行，直观表达优劣。

运用Matlab软件熵权算法即可得到权重W=[0.012 0.110 0.126 0.230 0.126 0.072 0.047 0.277]。由权重结果可以看出，在土壤化学性质的各项指标中，pH值所起作用最小，有机质、全氮、全磷、全钾、速效钾5个因素对土壤养分影响较大。

⑤运用Matlab软件灰色关联分析算法得到各样地灰色关联度(见表3)。

根据灰色系统理论中关联度分析原则，由于选定的“理想对象”的质量是系统中质量“最高”的，如果被评价样地土壤养分的关联度越大，则其与“理想对象”越接近，表明其土壤养分越高[9]。通过灰色关联度综合评价后结果可看出：在A样地，即间伐强度为10%的情况下，间伐带宽为6 m的关联度低于对照样地的关联度，其余带宽的关联度都大于对照样地；在B样地，即间伐强度为25%的情况下，间伐带宽为6 m的关联度低于对照样地的关联度；在C样地，即间伐强度为20%的情况下，间伐带宽为14 m的关联度低于对照样地的关联度；在D样地、E样地、F样地，即在25%、30%、35%间伐强度下，各间伐带宽的关联度都高于对照样地。关联度高于对照样地，说明其土壤养分优于对照样地。

从表3综合排序结果可见：在所有改造的样地中，关联度高的为E-S2样地、D-S2样地，即在抚育间伐强度为25%～30%、间伐带宽为10 m的情况下，最有利于土壤养分的积累。

表3 各样地灰色关联评价结果

3.3 基于熵权法的灰色关联模型可行性

运用熵权法、灰色关联法、主成分分析法对土壤养分数据进行综合评价，然后将排序结果与基于熵权法的灰色关联模型的排序结果进行比较，以此验证模型的可行性。在进行主成分分析时，KMO和Barlett球形度检验中sig=0，表明数据可以进行因子分析；同时，累计贡献率达到84%(见表4)，表明可以做主成分分析。将基于熵权法的灰色关联模型与主成分分析、熵权法、灰色关联法进行排序结果比较(见表5)，结果4种方法得出的综合评价排序结果相类似。

表4 主成分分析贡献率

将基于熵权法的灰色关联模型评价结果与其他综合评价方法评价结果进行相关性分析，发现此模型得出的结果与主成分分析法得到的结果相关性达到0.88、与熵权法得到的结果相关性为0.974、与灰色关联法得到的结果相关性为0.995。说明基于熵权法的灰色关联模型用于土壤肥力综合评价是可行的。

表5 4种方法综合评价排序结果比较

方 法样地25%～35%间伐强度综合评价排序结果D-S1D-S2D-S3D-S4D-CKE-S1E-S2E-S3E-S4E-CKF-S1F-S2F-S3F-S4F-CK基于熵权法的灰色关联模型6238174179211218222728熵权法5239154178191721232627灰色关联法62381741711211020232728主成分分析法13347102151917814222425

4 结论与讨论

以小兴安岭用材林为研究对象，在天然林设置试验样地，进行不同强度、不同带宽的抚育间伐，研究间伐后林地土壤化学性质的变化。通过分析各样地的pH值、有机质质量分数以及氮质量分数，发现当pH值接近6.20时，有机质质量分数较高，并且土壤中总N量最高。小兴安岭地区雨水充足，植物生长茂盛，年平均气温较低，有利于有机质积累，同时弱酸性的土壤最适宜微生物生长繁殖和有机质分解。在评价土壤肥力的指标中，有机质质量分数占据主要作用，而且其与土壤中氮质量分数呈现一定的正相关性，微生物活动活跃，有机质转化都有利于土壤中全氮、水解氮含量增加。

随着间伐强度的增加，营养元素由高间伐带宽向低间伐带宽集中。经过低间伐强度后，各间伐带内环境变化不大，因此林内各项指标不会有大的变化。中等间伐强度使得林内小气候发生变化，透光率增加，土壤温度升高，加速了间伐剩余物的分解，使得土壤有机质质量分数升高，有机质丰富了土壤中的营养物质、改良土壤物理性状。间伐后林地中的凋落物的矿化作用也大大提高了P、K的质量分数。较高强度的间伐对原始林内环境破坏极大，很容易受到雨水冲刷，林地地表植被、枯枝落叶很容易被冲走，土壤养分降低。高明等[10]运用主成分分析综合评价采伐强度对大兴安岭用材林土壤化学性质的影响，得出采用强度为19%～21%的抚育间伐，可以改善土壤化学性质，提高土壤肥力。高阳等[11]总结出随着抚育间伐强度的增大，土壤有机质和土壤全氮在0～10 cm和10～20 cm都呈上升趋势，土壤pH值呈下降趋势。纪浩[12]研究发现，采伐带宽10 m和14 m内，适宜的光照条件为土壤微生物生存创造了良好的环境，林地土壤大量微生物的活动促进土壤肥力改善。间伐带宽较小时，由于改造面积较小，使得林内环境变化很小，土壤养分变化不明显。

在对土壤肥力进行综合评价的方法中，主成分分析法[13]多用于有大量的数据的研究，数据量小会导致所得结果与实际偏差较大；粗糙集理论，虽然可以在属性约简上有很大的优势，但是在实际操作上会因为各种问题得到不同的约简结果，使得在评价时更加复杂。通过熵权法确定权重，避免了主观随意性[14-16]；土壤养分的影响因子很多，有一部分是已知的，一部分是未知的，运用灰色关联法进行综合评价，可以在很大程度上减少由于信息不对称带来的损失，并且对数据要求较低，所以，运用基于熵权法的灰色关联模型对土壤养分进行综合评价是合理可行的。

目前指标权重的确定方法有主观赋权、客观赋权、主客观综合赋权[16-20]。主观赋权法多以专家长期的研究经验为准；客观赋权是不受主观因素干扰，得到的结果能很好地反映客观情况。两种方法都有其优点和缺点，扬长避短，发挥两者的优点，即在赋权时采用主客观综合赋权，这是今后研究中需要改进的地方。

[1] 刘占锋，傅伯杰，刘国华，等.土壤质量与土壤质量指标及其评价[J].生态学报，2006，26(3)：901-913.

[2] 王子龙，付强，姜秋香.土壤肥力综合评价研究进展[J].农业系统科学与综合研究，2007，23(1)：15-18.

[3] 黄勇，杨忠芳.土壤质量评价国外研究进展[J].地质通报，2009，28(1)：130-136.

[4] 陈美军，段增强，林先贵.中国土壤质量标准研究现状及展望[J].土壤学报，2011，48(5)：1059-1071.

[5] CHEN J Y， TAN L， ZHANG Q, et al. Grey correlation analysis of artemisinin content in artemisiae annie in three gorges reservoir region[J]. Medicinal Plant，2015(Z1)：28-31.

[6] 罗毅，李昱龙.基于熵权法和灰色关联分析法的输电网规划方案综合决策[J].电网技术，2013，37(1)：77-81.

[7] 侯保灯，李佳蕾，潘妮，等.基于改进熵权的灰色关联模型在湿地水质综合评价中的应用[J].安全与环境学报，2008，8(6)：80-83.

[8] 陈立荣，郭继伟，王敬敏.基于熵权的灰色关联分析在电力企业竞争力评价中的应用[J].电力学报，2005，20(4)：359-361.

[9] 张磊，苏芳莉，郭成久，等.灰色关联分析在不同生态修复模式土壤质量评价中的应用[J].沈阳农业大学学报，2009，40(6)：703-707.

[10] 高明，朱玉杰，董希斌.采伐强度对大兴安岭用材林土壤化学性质的影响[J].东北林业大学学报，2013，41(12)：39-41，76.

[11] 高阳.不同抚育间伐强度对杨树人工林林分及土壤环境的影响[D].郑州：河南农业大学，2014.

[12] 纪浩.大兴安岭低质林改造后土壤肥力质量评价[D].哈尔滨：东北林业大学，2013.

[13] 林海明，杜子芳.主成分分析综合评价应该注意的问题[J].统计研究，2013，30(8)：25-31.

[14] 朱春娆，苏恒强.基于熵权系数土壤肥力评价方法的研究[J].广东农业科学，2013，40(15)：200-202，217.

[15] 苏恒强，陈桂芬，朱春娆，等.熵权系数法在土壤环境质量评价中的应用[J].安徽农业科学，2010，38(25)：13928-13930.

[16] 宋苏苏.土壤肥力评价方法研究[D].杨凌：西北农林科技大学，2011.

[17] OBERHOLZER H R， KNUCHEL R F， WEISSKOPF P， et al. A novel method for soil quality in life cycle assessment using several soil indicators[J]. Agronomy for Sustainable Development，2012，32(3)：639-649.

[18] ZHANG G L， BAI J H， XI M， et al. Soil quality assessment of coastal wetlands in the Yellow River Delta of China based on the minimum data set[J]. Ecological Indicators，2016，66：458-466.

[19] ROSA D D L. Soil quality evaluation and monitoring based on land evaluation[J]. Land Degradation & Development，2005，16(6)：551-559.

[20] 郭晓晶，何倩，张冬梅，等.综合运用主客观方法确定科技评价指标权重[J].科技管理研究，2012，32(20)：64-67，71.

Comprehensive Evaluation and Method Comparison of Timber Forest Soil Fertility in Xiaoxing’an Mountain

Zhang Tian， Zhu Yujie， Dong Xibin

(Key Laboratory of Forest Sustainable Management and Environmental Microorganism Engineering of Heilongjiang Province, Northeast Forestry University, Harbin 150040, P. R. China)

Xiaoxing’an Mountain; Timber forest; Soil fertility; Entropy weight; Grey correlation

张甜，女，1993年1月生，森林持续经营与环境微生物工程黑龙江省重点实验室(东北林业大学)，博士研究生。E-mail：346168733@qq.com。

董希斌，森林持续经营与环境微生物工程黑龙江省重点实验室(东北林业大学)，教授。E-mail：xibindong@163.com。

2016年6月6日。

S753.7；S714

1)林业公益性行业科研专项(201204509)。

责任编辑：张 玉。