朱 杰，王照蘭，張彩琴*

(1.內(nèi)蒙古農(nóng)業(yè)大學(xué) 理學(xué)院，呼和浩特010018； 2.中國農(nóng)業(yè)科學(xué)院 草原研究所，呼和浩特010010)

0 引言

錫林郭勒草原有著良好的自然資源，但因過度放牧等人為因素以及氣候等自然因素的影響而導(dǎo)致草場退化嚴重，生態(tài)平衡遭到破壞[1-2]。

關(guān)于草原植物與氣象因子間的關(guān)系已在相關(guān)領(lǐng)域得到了較為成熟的研究成果。白永飛等人發(fā)現(xiàn)牧草的高度與生物量的增長呈正相關(guān)，而且溫度、水分影響了牧草的生長發(fā)育，不同牧草對溫度和水分的需求有差異[3]。王鵬飛等人前期研究了錫林郭勒草原的氣候變化及其對植被的影響，發(fā)現(xiàn)植被與氣溫和降水量之間具有顯著性關(guān)系，而且植被受降水的影響要大于受溫度的影響[4]。張軍等人運用灰色關(guān)聯(lián)矩陣進行了優(yōu)勢分析，說明了氣象因子對草原植物地上生物量的影響程度，并得到了水分因子對牧草的影響程度最強等結(jié)論[5]。張彩琴等人通過逐步回歸的方法剔除了不重要的氣象因子，發(fā)現(xiàn)降水和積溫因子對生物量形成表現(xiàn)的影響最為明顯，而且降水的影響更顯著，相同生活型的草原植物對積溫因子的響應(yīng)程度類似，不同功能群的植物對積溫因子的響應(yīng)程度有差異[6-7]。

眾多學(xué)者基于多年數(shù)據(jù)的研究結(jié)果和一致性結(jié)論證實[8-10]，上述諸多方法均有一定的可行性和借鑒意義。但基于僅一個生長季的相關(guān)研究報道尚少[3，7，10]，找到一個科學(xué)合理可行的研究方法和思路能夠在一定程度上及時發(fā)現(xiàn)問題。比如，對試驗設(shè)計的合理性及時進行評價指導(dǎo)等，這將會對接下來多個生長季的連續(xù)試驗設(shè)計及數(shù)據(jù)積累研究乃至研究結(jié)果產(chǎn)生重要影響。每個生長季的相關(guān)研究是多年累計數(shù)據(jù)研究的重要鋪墊，對后續(xù)研究具有重要的指導(dǎo)意義。

本研究運用試驗設(shè)計及單因子方差分析和偏相關(guān)分析的方法對一個生長季的七種重要植物的生長動態(tài)及其與八種氣象因子的關(guān)系逐一進行研究，旨在通過不同的思路和角度對比前人的研究成果及異同點找到更科學(xué)、更符合實際的理論研究方法，以期為草地生態(tài)系統(tǒng)的相關(guān)研究提供數(shù)據(jù)依據(jù)和理論依據(jù)。

1 材料與方法

1.1 研究區(qū)域概況

研究地點為中科院內(nèi)蒙古草原生態(tài)系統(tǒng)定位研究站，該樣地位于內(nèi)蒙古錫林郭勒盟白音錫勒牧場境內(nèi)，總面積26.6 hm2，海拔1 186 m，年平均降水量349.6 mm。該地區(qū)降水量在各季節(jié)間差異較大，一般集中在6～9月，其降水量約占全年的80%。該區(qū)域于1983年實施圍欄封育后，至今停止放牧和人為干擾。

1.2 研究方法

采用試驗設(shè)計中單因子方差分析和偏相關(guān)分析的方法來研究不同植物生長動態(tài)的差異及其與八種氣象因子間的相關(guān)性。

1.3 數(shù)據(jù)來源

1.3.1 干重和高度數(shù)據(jù)

選取有代表性的七種植物作為研究樣本?？紤]到群落空間異質(zhì)性增強對試驗取樣的影響，在取樣地內(nèi)選擇了100×200 m的樣地作為實驗小區(qū)，實驗過程中的隨機抽樣均在該樣地內(nèi)進行取樣測定。采用齊地刈割法，每次每種植物隨機取100個單株，測定其2017年6---8月的干重和高度。單株生物量是植物個體諸多性狀的集體變現(xiàn)，因此每期均取平均單株的干重和高度來作為指標。

1.3.2 氣象數(shù)據(jù)

數(shù)據(jù)來源于2017年6---8月中科院內(nèi)蒙古草原生態(tài)系統(tǒng)定位站的氣象資料，包含了氣壓、水氣壓、相對濕度、蒸發(fā)量、氣溫、地溫、日照時間、降水量這八個變量。

2 結(jié)果與分析

2.1 單因子方差分析

將草原植物作為單因子方差分析中的一個因子，用A表示。羊草、針茅、冰草、苔草、冷蒿、羽茅、雙齒蔥這七種植物為七個不同水平，分別記為A1,A2,A3,A4,A5,A6,A7。

2.1.1 隨機性檢驗

植物高度和干重數(shù)據(jù)均通過隨機取樣得到，因此所有的數(shù)據(jù)yij相互獨立，取平均值后仍符合隨機要求。

2.1.2 正態(tài)性檢驗

選用K-S正態(tài)性檢驗的方法，運用SPSS 23.0對植物的干重和高度指標進行正態(tài)性檢驗，見表1。

表1 七種草原植物干重、高度數(shù)據(jù)正態(tài)性檢驗輸出結(jié)果Tab.1 Output results of normality test on dry weight and height data of grassland plants of seven types

運用雙側(cè)檢驗在顯著性水平α=0.05的情況下進行統(tǒng)計推斷，七種植物干重和高度的K-S正態(tài)性檢驗的P值均大于0.05，認為原假設(shè)H0正確，證明七種植物的干重和高度均服從正態(tài)分布。

2.1.3 方差齊性檢驗

在H0成立時，多個方差之間的差異越大，H越大，會拒絕原H0假設(shè)。因此，要對于給定顯著性的水平α進行H0拒絕域檢驗：

W={H>H1-α(r,f)}，H1-α(r,f)為H分布的1-α分位數(shù)。

在顯著性水平α=0.05時，H0.95(7,6)=15.0，H值遠大于15.0，拒絕原假設(shè)H0，即七個總體方差間具有顯著性差異。

運用SPSS 23.0對植物的干重和高度指標進行正態(tài)性檢驗。結(jié)果表明，高度的顯著性為0.349(P>0.05)。保留原假設(shè)，方差齊性相等，能夠進行方差分析。而干重的顯著性是0(P<0.05)，拒絕原假設(shè)，方差齊性不相等，有顯著性差異。

2.1.4 Box-Cox數(shù)據(jù)變換

根據(jù)P檢驗可知，七個總體干重有顯著性差異，不滿足方差齊性。而滿足方差齊性是進行單因子方差分析的條件之一，于是需要處理數(shù)據(jù)。適當(dāng)變換試驗數(shù)據(jù)之后，可以將變換后的數(shù)據(jù)看作是來自具有正態(tài)性和方差齊性的總體，然后再進行方差分析。

根據(jù)實際觀測數(shù)據(jù)得到：ymax/ymin=32.910 9/0.048 3=681.38>2

可采用Box-Cox變換對原始數(shù)據(jù)進行有效聯(lián)合變換，并選取6個λ的值，計算后得到對應(yīng)的Se值如表2所示。

表2 不同對應(yīng)的值Tab.2 Different corresponding values

結(jié)果表明，λ=-0.25時，Se為最小值，于是對原數(shù)據(jù)進行z=y-0.25的變換，見表3。

表3 變換后七種植物的干重數(shù)據(jù)Tab.3 Dry weight data of plants of seven types after transformation

2.1.5 變換后數(shù)據(jù)的正態(tài)性檢驗

利用上述方法對變換后的數(shù)據(jù)進行正態(tài)性檢驗，得到變換后干重數(shù)據(jù)K-S正態(tài)性檢驗的P值為0.2，大于0.05，接受原假設(shè)H0，則變換后七種植物的干重服從正態(tài)分布。

2.1.6 變換后數(shù)據(jù)的方差齊性檢驗

在顯著性水平α=0.05時，H0.95(7,6)=15.0，H值小于15.0，接受原假設(shè)H0，即認為七個總體方差間無顯著性差異。

2.1.7 單因子方差分析

運用SPSS 23.0分別對七種植物的干重和高度數(shù)據(jù)進行單因子方差檢驗，得到干重和高度F值分別為2.447和5.470。取顯著性水平α=0.05，查表可知H0.95(6,42)=2.34，因為F>2.34，拒絕原假設(shè)H0，所以七種草原植物的干重和高度均具有顯著性差異。

2.1.8 多重比較

進行單因子方差分析時，若經(jīng)過F檢驗后拒絕原假設(shè)(H0∶μ1=μ2=…=μr)，則因子A的水平均值(μ1,μ2,…,μr)不均相等，但也不一定每兩兩之間都有顯著差異，還需進行下一步驟來確認哪些水平下的均值之間有顯著性差異，哪些無顯著性差異。每次取樣均取100株，則實驗重復(fù)次數(shù)m相等，因此選用重復(fù)次數(shù)相等情況下的多重比較方法。

結(jié)果如下：對植物干重指標而言，可分為四類，第Ⅰ類為A4,A7(苔草、雙齒蔥)，高度處于最低水平，均接近于20 cm；第Ⅱ類為A1,A3,A5(羊草、冰草、冷蒿)，高度處于中等，均接近于30 cm；第Ⅲ類為A6(羽茅)，高度較高；第Ⅳ類為A2(針茅)，高度遠高于其他植物。對植物高度指標而言，可分為兩類，第Ⅰ類為A1,A4,A7(羊草、苔草、雙齒蔥)，其干重與其他種類植物相比較高；第Ⅱ類為A2,A3,A5,A6(針茅、冰草、冷蒿、羽茅)，其干重較低。

2.2 偏相關(guān)分析

2.2.1 植物干重指標的偏相關(guān)分析

結(jié)果表明，就干重而言，針茅和羽茅(叢生型)與相對濕度的相關(guān)性最強，其次是蒸發(fā)量，均與氣壓、水氣壓無線性關(guān)系；苔草(叢生型)與水氣壓的相關(guān)性最強，其次是相對濕度，與氣溫、氣壓和蒸發(fā)量無線性關(guān)系；羊草(根莖型)與水氣壓的線性關(guān)系最強，其次是地溫，與氣溫、氣壓和相對濕度無線性關(guān)系；冰草(根莖型)與相對濕度的線性關(guān)系最強，其次是蒸發(fā)量，與氣壓、水氣壓沒有線性關(guān)系；冷蒿(匍匐莖型)與水氣壓的相關(guān)性最強，其次是相對濕度，與氣溫、蒸發(fā)量、日照時數(shù)和降水量無線性關(guān)系；雙齒蔥(鱗型)與氣溫的相關(guān)性最強，其次是蒸發(fā)量，與相對濕度無線性關(guān)系。

2.2.2 植物高度的偏相關(guān)分析

結(jié)果表明，就高度而言，羊草和冰草(根莖型)與水氣壓的線性關(guān)系最強，其次是相對濕度，與降水量無線性關(guān)系；針茅、羽茅和苔草(叢生型)與相對濕度和水氣壓的相關(guān)性較強，均與地溫、蒸發(fā)量、日照時數(shù)和降水量無線性關(guān)系；冷蒿(匍匐莖型)與水氣壓的相關(guān)性最強，其次是相對濕度，與氣溫、蒸發(fā)量、日照時數(shù)和降水量無線性關(guān)系；雙齒蔥(鱗型)與相對濕度的相關(guān)性最強，其次是氣壓，與地溫、蒸發(fā)量、日照時數(shù)和降水量無線性關(guān)系。

表4 各變量與植物干重間的偏相關(guān)分析結(jié)果Tab.4 Partial correlation analysis between variables and plant dry weight

表5 各變量與植物高度間的偏相關(guān)分析結(jié)果Tab.5 Partial correlation analysis between variables and plant height

3 討論

眾多研究文獻通常是將氣象因子整合后再進行分析，旨在減少次要因子對主要因子研究的干擾。本研究對八種氣象因子逐一進行研究的目的是想通過與前人研究結(jié)果的對比來根據(jù)異同之處進行更為細化的討論，進而為今后的研究提供數(shù)據(jù)支持和理論依據(jù)。

通過多重比較結(jié)果可知，羊草和冰草在高度水平上被分一類，針茅和羽茅在干重水平上被分為一類。通過偏相關(guān)分析研究表明，就高度而言，羊草和冰草都與水氣壓及相對濕度有著較強的線性關(guān)系，針茅、羽茅、苔草都與相對濕度和水氣壓有著很強的相關(guān)性。就干重而言，針茅和羽茅都與相對濕度和蒸發(fā)量有著較強的線性關(guān)系，這些結(jié)果與植物生活型的分類相符。偏相關(guān)分析中無線性關(guān)系的因子并不代表兩者之間沒有關(guān)系，只是此方法的結(jié)果中并未展現(xiàn)出來。部分植物的分類并不完全與生活型分類一致，可能是受到了研究時間、氣溫和降水等因素的影響。

本研究根據(jù)試驗設(shè)計的相關(guān)分析方法和結(jié)果對植物生活型進行分類，這在該領(lǐng)域中是一次新的探索，而且與已有的分類方式有諸多相似之處[6，7]，同時也看到兩種分類方法之間存在的差異，這也為今后的進一步探索差異產(chǎn)生的原因和精確找出影響因素并進行分析奠定了基礎(chǔ)，進而為尋求到更為準確的結(jié)論來明確研究標準。

4 結(jié)論

由單因子方差分析結(jié)果得到，羊草、針茅、冰草、苔草、冷蒿、羽茅、雙齒蔥這七種植物在同一生長季節(jié)的干重與高度因受環(huán)境因素的影響而存在差異。不同生活型草原植物在同一生長季內(nèi)的生長動態(tài)有顯著性差異，而同一生活型草原植物生長動態(tài)相似。但仍有部分植物不符合這一特征，這可能與研究時段較短以及當(dāng)時的氣溫和降水等原因有關(guān)。同一種植物的高度和干重對同一氣象因子的相關(guān)性較為接近，而且大多與該植物的生長習(xí)性相符合。