基于熵权灰色关联分析的喀斯特石漠化地区植被恢复效应评价

庞世龙，凌福诚，侯远瑞，欧芷阳，申文辉

（1.广西壮族自治区林业科学研究院，广西 南宁 530002；2.广西平果县林业局，广西 平果 531499）

石漠化是喀斯特地区土地退化的极端形式，普遍存在于热带、亚热带喀斯特地区[1]。中国西南喀斯特地区是全球三大喀斯特集中分布区中连续分布面积最大、发育最强烈、生态环境最脆弱的片区，喀斯特面积达45.2×104km2，其中石漠化土地面积12.0×104km2，潜在石漠化土地面积13.3×104km2[2]。石漠化已成为中国西南喀斯特地区最为严峻的生态问题，制约着区域经济社会的可持续发展。

植被恢复是退化生态系统恢复与重建的首要任务，亦是恢复生态学研究的热点和国际前沿学科之一，已成为各国政府的主要政策取向。进入新世纪以来，中国西南喀斯特地区先后实施了天然林保护、水土保持、退耕还林、石漠化治理试点及森林生态效益补偿等国家重点生态工程[3]，石漠化治理取得了一定成效，但局部地区仍在恶化，防治形势仍很严峻。有关科研院所和高校对石漠化形成机理[4-5]、植被演替与更新[6-7]、物种选择与配置[8-9]和治理模式[10-13]等方面开展了大量卓有成效的研究，然而关于石漠化地区植被恢复效应的适宜性评价研究还处于起步阶段，评价体系尚不完善，理论研究和定性分析较多，而定量分析较少。本研究以广西平果县喀斯特石漠化地区不同人工植被恢复模式为研究对象，初步分析了不同植被恢复模式林下凋落物和土壤的变异特征，确定了研究区植被恢复效应评价指标最小数据集，应用熵权灰色关联法对其进行定量分析与评价，以期为石漠化地区植被的恢复与重建提供科学依据。

1 研究区概况与研究方法

1.1 研究区概况

平果县位于广西西南部右江河畔，地理坐标23°12′ ～ 23°54′ N，107°53′ ～ 108°18′ E，是广西喀斯特地貌特征最典型、石漠化最严重的地区之一。全境地处南亚热带季风气候区，气候温暖，雨量丰沛，年平均气温19.0 ～ 21.5℃，历年极端最高气温40.1℃，极端最低气温-1.3℃，≥10 ℃年积温7 731℃，年均日照时数1 619 h，全年无霜期345 d 以上，年均降水量1 200 ～ 1 500 mm，降雨集中于5—8月，约占全年降水量的70%，干湿季明显。土壤类型属石灰（岩）土，多零散分布于洼地、石隙和石窝中，土壤浅薄，土被不连续，岩石裸露率高。由于长期不合理的经济活动，原生植被已遭破坏殆尽，退化为次生矮林、藤刺灌丛或草丛。2007年退耕还林，人工栽植柚木Tectona grandis、银合欢Leucaena leucocephala、任豆Zenia insignis、 乌墨Syzygium cumini、 顶果木Acrocarpus fraxinifolius、香樟Cinnamomum camphora和苏木Caesalpinia sappan等树种。银合欢和苏木采用播种造林，其余采用植苗造林，造林后各项管理抚育措施一致。

1.2 研究方法

1.2.1 样地调查与样品采集

2017年12月，在每种植被恢复模式中分别选取有代表性的典型地段设置实验样地，每样地设3个重复，重复样地间距≥20 m，样地面积20 m × 20 m，共设置调查样地21 块（表1）。对各样地内胸径≥1 cm 的所有林木进行每木调查，分别测量其胸径、树高和冠幅。在每块样地的上、中、下坡位设置3 个1 m × 1 m 的小样方，对样方内的凋落物按未分解层（凋落物颜色变化细微，结构完整，外表无分解的痕迹）和半分解层（凋落物颜色变黑，结构已破坏，多数凋落物已开始分解）分层取样，并测量其厚度。用环刀在各样地采集表层原状土样（0 ～ 10 cm），重复3 次，作为物理性质测试样品；用土钻按S 型采集5 点表层土样混合，剔除植物残茬和石砾等非土杂质，四分法取约1 kg 土样，作为化学性质测试样品。

表1 样地基本概况Table1 General situation of the sample plots

1.2.2 样品指标的测定

凋落物现存量采用质量法，85 ℃烘至恒质量，以干物质质量推算其单位面积现存量；凋落物持水性能采用室内浸泡法，将烘干的凋落物试样装入尼龙网袋，完全浸入清水中浸泡24 h，取出在空中静置至不滴水时立刻称量，计算凋落物最大持水率、最大持水量、最大拦蓄率、最大拦畜量、有效拦蓄率和有效拦蓄量[14]。

土壤物理、化学性质的分析测定采用中华人民共和国林业行业标准《森林土壤分析方法》[15-16]，其中土壤质量含水量采用烘干法（LY/T 1213—1999）；土壤容重、土壤最大持水量、毛管持水量、田间持水量、毛管孔隙度、非毛管孔隙度和总孔隙度采用环刀法（LY/T 1215—1999）；土壤pH 值采用电位法（LY/T 1239—1999）；土壤有机质含量采用重铬酸钾氧化-外加热法（LY/T 1237— 1999）；全氮含量采用凯氏定氮法（LY/T 1228— 2015）；水解性氮含量采用碱解扩散法（LY/T 1228—2015）；全磷含量采用酸熔法（LY/T 1232—2015）；速效磷含量采用碳酸氢钠浸提法（LY/T 1232—2015）；全钾含量采用氢氧化钠碱熔法（LY/T 1234—2015）；速效钾含量采用1 mol·L-1乙酸铵浸提-火焰光度法（LY/T 1234—2015）。

1.2.3 数据分析

在进行评价前，需从候选参数集中选出一个对质量变异敏感、能最大限度代表所有候选参数的最小数据集（Minimum Data Set,MDS）[17-18]。为消除数据冗余，采用主成分分析，结合计算变量的Norm 值，以避免变量在其他特征值＞1 的主成分上的信息丢失。Norm 值的计算公式如下：

式中：Nik为第i个变量在特征值＞1 的前k个主成分上的综合载荷；Uik为第i个变量在第k个主成分上的载荷；λk为第k个主成分的特征值。

由于各指标对评价结果的影响力、作用和地位不尽相同，必须根据各指标的相对重要程度赋予不同的权重。根据原始数据的不同来源，权重的确定方法分为主观赋权法（如德尔菲法、层次分析法、模糊统计法等）和客观赋权法（如变异系数法、相关系数法、熵权法等）两类。其中，熵权法是根据各指标反映的客观信息来确定其权重[19-23]，能准确量化各指标所含的信息量，使评价结果更符合客观实际。其计算步骤如下：

设有m个评价对象、n个评价指标构成的原始评价矩阵：

为消除原始指标不同量纲和数量级的影响，同时又保留指标的变异信息，采用线性比例变换法对指标数据进行无量纲化处理[21-22]，其计算公式如下。

正向型指标：

逆向型指标：

式中：xij为原始指标数据无量纲化处理后的标准化值；maxx′ij和minx′ij为x′ij原始指标的最大值和最小值。

无量纲化处理后的数据矩阵为：X′=[x′ij]m×n，（i=1，2，…，m；j=1，2，…，n）。对第j个指标的熵定义为：

式中：ej为第j个指标的熵；yij为第j个指标下第i个评价对象的特征比重。

第j个指标的熵权定义为：

式中：wj为第j个指标的熵权；ej为第j个指标的熵。

运用灰色系统理论的原理与方法[24]，对不同模式植被恢复效应进行灰色关联分析与关联排序。在无量纲化数据矩阵中，选取各项指标的最优值构建参考序列x0={x0(j)|j=1，2，…，n}，各评价对象序列的标准化值作为比较序列xi={xi(j)|j=1，2，…，n}，xi(j)与x0(j)的关联系数计算公式如下：

式中：ξi(j) 为参考序列x0(j)与比较序列xi(j)第j个指标的关联系数；|x0(j)-xi(j)|为参考数列xi(j)与比较数列x0(j)各对应指标的绝对差值；分别为绝对差值的最小值和最大值；ρ为分辨系数，ρ∈[0，1]，通常取ρ=0.5。

加权关联度的计算公式如下：

式中：Rij为关联度；ξi(j)为x0(j)与xi(j)第j个指标的关联系数；ωj为第j个指标的权重。

2 结果与分析

2.1 不同植被恢复模式的凋落物厚度及现存量

由表2可知，不同植被恢复模式林下凋落物厚度和现存量变化较大。凋落物总厚度变幅为2.4 ～ 15.9 cm，由大到小依次为柚木＞任豆＞顶果木＞香樟＞银合欢＞乌墨＞苏木；层次间厚度表现为未分解层大于半分解层，尤其是乌墨的未分解层厚度占总厚度的80.00%。凋落物总现存量以柚木最大，达6.74 t·hm-2；苏木最小，仅为1.55 t·hm-2，柚木是苏木的4.35 倍。柚木凋落物总厚度、总现存量、未分解层厚度、半分解层厚度及现存量均显著高于其他6 种植被模式，这主要是由于柚木为落叶大乔木，生长迅速，叶片大且厚，自然整枝能力强，多年层层积累，致使其凋落物现存量水平最高。此外，凋落物现存量还与林分密度、郁闭度、水分、温度、土壤微生物以及人为活动等关系密切。

不同植被林下凋落物未分解层和半分解层现存量占总现存量的比例各不相同。未分解层凋落物现存量占总现存量的34.12% ～ 50.15%，半分解层凋落物现存量占总现存量的49.85% ～ 65.88%。

表2 不同植被恢复模式下凋落物厚度及现存量Table2 Litter thickness and stock under different vegetation restoration pattern

其中乌墨未分解层与半分解层的比例相当，而其他6 种植被模式均表现为半分解层大于未分解层，这主要是因为不同植被凋落物的物理化学性质不同，分解速率存在一定差异所致；同时也说明喀斯特地区水热条件较好，有利于凋落物的分解，植被凋落物以半分解层为主。

2.2 不同植被恢复模式的凋落物持水能力

凋落物持水能力是反映凋落物层水文作用的一个重要指标。表3显示，不同植被恢复模式的凋落物持水能力存在一定差异。最大持水率变幅为128.42% ～ 222.17%，大小排序依次为任豆＞苏木＞柚木＞顶果木＞银合欢＞香樟＞乌墨；最大持水量变幅为3.14 ～ 12.00 t·hm-2，表现为柚木＞香樟＞顶果木＞银合欢＞任豆＞乌墨＞苏木，其大小排序与凋落物现存量和最大持水率并不一致。最大持水量除与最大持水率密切相关外，还与凋落物现存量有直接关系。苏木的最大持水率虽然较高，但其凋落物现存量最小，以致其最大持水量最低。

由于森林植被多位于山坡，只有一部分雨水被凋落物和土壤拦蓄，另一部分很快在地表积聚形成径流，不具备长时间浸泡的条件，最大持水率和最大持水量不能准确反映凋落物对降水的实际拦蓄能力。一般用最大拦蓄率和最大拦蓄量反映凋落物的持水能力，用有效拦蓄率和有效拦蓄量估算凋落物对降水的实际拦蓄效果[26]。由表3可知，不同植被凋落物最大拦蓄率变幅为91.02% ～ 182.55%，依次为任豆＞苏木＞柚木＞顶果木＞香樟＞银合欢＞乌墨；最大拦蓄量变幅为2.55 ～ 10.69 t·hm-2，依次为柚木＞香樟＞顶果木＞任豆＞银合欢＞乌墨＞苏木，其中柚木是苏木的4.19 倍。有效拦蓄率（量）和最大拦蓄率（量）的变化规律一致。在7 种植被恢复模式中，柚木凋落物层的最大持水量、最大拦蓄量和有效拦蓄量均最大，凋落物的持水能力最强，在涵养水源、保持水土和提高土地生产力等方面发挥着重要的作用。

表3 不同植被恢复模式下凋落物持水能力Table3 Water-holding capacity of the litter under different vegetation restoration pattern

2.3 不同植被恢复模式的土壤理化性质

分析结果（表4、表5）表明，除非毛管孔隙度和速效磷之外，其他土壤理化指标在不同植被恢复模式下均存在显著性差异（P＜0.05），说明植被类型对土壤性质具有明显的影响。苏木林下土壤容重最大，而其土壤自然含水量、最大持水量、毛管持水量、田间持水量、总孔隙度和毛管孔隙度最小，主要原因是苏木易受寒害，生长受到抑制，不能形成闭合的群落环境，对土壤微结构的改善和水分的截流作用较弱所致。

表4 不同植被恢复模式下土壤物理性质Table4 Soil physical properties under different vegetation restoration pattern

土壤pH 值变幅为6.88 ～ 7.57，呈现中性偏微碱性，这反映了喀斯特石灰土的典型性。土壤有机质含量是反映土壤肥力高低的一个重要指标，又是氮、磷等养分的主要来源。从总体上看，植被恢复效果较好的银合欢和任豆的土壤有机质、全氮、全磷、全钾和碱解氮含量显著高于长势较差的苏木，这是因为银合欢和任豆均为豆科固氮类植物，生长速率快，固氮效率高，为土壤不断输入氮素，明显增加林冠下土壤有机碳、全氮和碱解氮含量[27]。不同植被恢复模式下土壤各养分含量分布规律表现各异，这一方面与植被恢复前耕作过程中长期大量施用农家肥和化肥有关，另一方面也受成土母质、地形等自然因素的影响。

表5 不同植被恢复模式下土壤化学性质Table5 Soil chemical properties under different vegetation restoration pattern

2.4 植被恢复效应评价

2.4.1 评价指标体系的构建

根据指标体系构建的科学性、系统性、综合性和实用性原则，本研究建立了涵盖林分生长、凋落物和土壤3 类23 个参数的植被恢复效应评价体系。采用主成分分析结合计算变量的Norm 值，综合相关性分析和敏感性分析，确定研究区植被恢复效应评价指标最小数据集（MDS）。对23 个参数进行主成分分析，结果表明，前5 个主成分特征值均＞1，累积方差贡献率达98.66%，表明这5 个主成分包含了原始变量23 个参数的绝大部分信息，映射捕获了原始数据中的固有变异性（表6）。将特征值＞1 和因子载荷≥0.5 的参数分为1 组，若某参数同时在多个主成分上的载荷≥0.5，则将该参数归并到与其他参数相关性较低的那一组[17]。据此分组原则，胸径、树高、林分蓄积量、土壤容重、土壤最大持水量、毛管持水量、田间持水量、毛管孔隙度和总孔隙度划分为一组，组1；凋落物现存量、凋落物最大持水量、最大拦蓄量、有效拦蓄量、pH 值、全磷、全钾和速效磷划为组2；有机质、水解性氮和速效钾为组3；土壤自然含水量和非毛管孔隙度为组4；全氮为组5。

表6 评价指标的主成分因子载荷矩阵、Norm值及变异系数Table6 Factor loading matrix of principal component analysis,norm values,and variation coefficients of evaluation indicators

分组后，考察每组参数之间的相关性（表7）。若某参数与该组中其他参数的相关系数r＜0.3，表明它们之间的线性相关关系极弱或无相关，该参数应从该组中分离出来独成一组。组2 中，全钾和速效磷与同组其他参数的相关系数均较低（r＜0.3），故将这两个参数分离出来，划为组6。在每组内选取Norm 值在最高分值10%范围内的参数进行相关性分析，若参数间相关系数r≥0.5，则选取Norm 值最高的参数进入MDS；若相关系数r＜0.5，则全部进入MDS[17]。组1中，6 个参数之间的相关系数均较高，表明这6 个参数所提供的信息存在一定程度的重叠。胸径与组内5 个参数之间存在显著（P＜0.05）或极显著（P＜0.01）相关性，且胸径的Norm 值最高，包含着较多的信息，所以选取胸径进入MDS。组2 中，4 个参数之间存在极显著（P＜0.01）相关性，尤以最大拦蓄量与有效拦蓄量的相关性最强（r=0.999，P＜0.01），且最大拦蓄量与组内其他参数的相关系数高于有效拦蓄量与组内其他参数的相关系数，因此选取最大拦蓄量而未选取Norm 值最高的凋落物最大持水量进入MDS。组3、组4 和组5 各一个参数，全部进入MDS。组6 中，全钾和速效磷存在极显著（r=0.910，P＜0.01）相关性，由于速效磷的变异系数为153.50%，属高度敏感指标[24]，对植被恢复效应的响应最为敏感，所以剔除全钾，选取速效磷进入MDS。

表7 评价指标间的Pearson相关分析†Table7 Pearson correlation analysis among evaluation indicators

综上所述，进入最终MDS 的参数有：胸径、最大拦蓄量、土壤自然含水量、全氮、速效磷和速效钾等6 个参数。

2.4.2 指标权重系数的确定

依据最小数据集所确定的指标评价体系，构建了7 个评价对象6 个评价指标的原始评价距阵。由于各指标的目标取向均为指标值越大越好，属正向型指标，故利用式（2）对原始指标数据进行无量纲化处理，得其标准化值。应用熵值赋权法，利用式（4）、式（5）和式（6）计算得到各指标的权重，wj=（胸径0.132、最大拦蓄量0.212、土壤自然含水量0.013、全氮0.037、速效磷0.576、速效钾0.030）。速效磷的权重最大，进一步印证了速效磷对植被恢复效应的差异反应最为敏感，是研究区植被恢复与调控的主要目标。

2.4.3 评价指标的关联度分析

根据灰色关联分析原理，关联度是表征各评价对象与理想对象的相似程度，其值越大，评价对象越优，反之越劣。由表8可知，不同模式植被恢复效应的加权关联度由大到小依次为银合欢0.795 ＞任豆0.631 ＞柚木0.583 ＞香樟0.541 ＞顶果木0.433 ＞乌墨0.391 ＞苏木0.381。借鉴前人研究成果[25]，将关联度划分为5 个等级：0.75 ～ 1.0 为Ⅰ级（优）；0.60 ～ 0.75 为Ⅱ级（良）；0.30 ～ 0.60 为Ⅲ级（中）；0.30 ～ 0.45 为Ⅳ级（差）；0 ～ 0.30 为Ⅴ级（较差）。由此可知，研究区植被恢复效应银合欢属Ⅰ级（优），任豆属Ⅱ级（良），柚木和香樟属Ⅲ级（中），顶果木、乌墨和苏木属Ⅳ级（差），评价结果与实际相吻合。

表8 不同模式植被恢复效应各指标的关联系数、加权关联度及关联序Table8 Correlation coefficients,weighted incidence degrees,and relational orders of evaluation indicators

3 结论与讨论

凋落物是森林生态系统生物量的重要组成部分，其大小主要取决于植物群落的生产力。本研究中7 种植被恢复模式的凋落物现存量变幅为1.55 ～ 6.74 t·hm-2，与贵州省喀斯特地区人工林的研究结果相似[30]。这主要是因为喀斯特生境普遍存在着干湿频繁交替巨变的胁迫，植物生长受到抑制，生产力低，凋落物输入量亦低。凋落物持水能力主要取决于凋落物现存量、自然含水率和最大持水率。在7 种植被恢复模式中，最大拦蓄量和有效拦蓄量的变化规律一致，表现为柚木＞香樟＞顶果木＞任豆＞银合欢＞乌墨＞苏木。柚木凋落物的自然含水率最小，但其凋落物现存量最大，故仍能维持较高的蓄水功能。

植被恢复是治理土地退化、提高土壤质量的有效途径[21]。在其恢复过程中，植被通过根系对土壤进行挤压、穿插所产生的裂隙和死亡根系腐解后形成的孔道改善土壤结构，通过凋落物和根系分泌物向土壤输入更多的有机质，增加土壤肥力。本研究分析结果显示，不同植被恢复模式下土壤理化性质存在一定差异，其中银合欢和任豆对土壤的改良作用较显明，这是因为固氮类植物具有很强的肥力岛效应[27]，明显增加林冠下土壤有机碳、全氮和碱解氮含量。因此，在目标生态系统中植入一定数量的多年生固氮植物，有利于碳、氮和磷元素的积累，提高土壤肥力，促进植被演替，增强系统的稳定性和恢复力[32]。

植被恢复效应的计量与评价是国内外林业研究最复杂的问题之一，其理论和实践尚处于探索研究阶段[30]。众多学者基于不同的学科开展了大量有益的探讨，但在评价方法和标准上仍存在分歧[33]。Larson和Pierce提出了最小数据集（Minimum Data Set,MDS）的概念，MDS 作为一种工具在土壤质量评价中得到了广泛应用。本研究采用主成分分析、相关性分析和敏感性分析法，对涵盖林分生长、凋落物和土壤3 类23 个候选参数进行分析，选取对质量变异敏感、能最大限度代表所有候选参数的MDS，最终进入MDS 的参数有胸径、最大拦蓄量、土壤自然含水量、全氮、速效磷和速效钾等6 个参数。

灰色关联分析是一种量化比较分析方法，根据因素之间的相似或相异程度来衡量因素间的关联度。它解决了多因子作用评价排序的问题，将复杂系统综合优势进行定量排序分析，简便、直观、有效[34]。为避免主观因素对评价过程的干扰，采用熵权法对各指标进行赋权，使评价结果能够更为准确地反映客观实际情况。本研究将熵权法与灰色关联法有机结合，定量测度了喀斯特石漠化地区植被恢复效应，结果显示：加权关联度由大到小依次为银合欢0.795 ＞任豆0.631 ＞柚木0.583 ＞香樟0.541 ＞顶果木0.433 ＞乌墨0.391 ＞苏木0.381。不同模式植被恢复效应存在一定差异，银合欢属Ⅰ级（优），任豆属Ⅱ级（良），柚木和香樟属Ⅲ级（中），顶果木、乌墨和苏木属Ⅳ级（差）。这种差异是由植物自身的生物学特性决定的，银合欢和任豆属植被演替过程中的先锋树种，占据着演替早期生态位，更能适应演替早期的环境，在生理特征上有显明优势。因此，在喀斯特石漠化地区植被恢复初期筛选配置适生先锋树种，率先恢复植物群落的基本结构和功能，有利于演替后续优势物种的入侵和定居，加快植被恢复演替进程。

喀斯特石漠化地区植被恢复是一项复杂的系统工程，对植被恢复过程的监测与优化调控将是一个长期的过程。本研究所选植被类型正处于植被恢复早期，研究年限仅为11 a，群落结构单一，生态效益与经济效益未能充分体现，评价结果不足以全面反映植被恢复的综合效应，植被恢复模式的筛选尚需进一步验证。只有长时间序列的植被恢复效应研究才能对其恢复效应进行深入分析，未来应建立更全面的指标评价体系，多种评价方法联合应用，以提高评价的准确性和可信性。