張軍, 章路, 張琴, 鄭紹偉, 慕長龍, 黎燕瓊,*

1.四川省林業(yè)和草原調(diào)查規(guī)劃院，四川 成都 610081；

2.四川省林業(yè)科學(xué)研究院/四川森林生態(tài)與資源環(huán)境研究實驗室/森林和濕地生態(tài)恢復(fù)與保育四川省重點實驗室，四川 成都 610081

岷江是長江主要支流，生態(tài)地位突出，而岷江干旱河谷區(qū)域受“焚風(fēng)效應(yīng)”嚴(yán)重影響，導(dǎo)致輻射強、氣溫高、風(fēng)速大、蒸發(fā)量大于降水量，土壤瘠薄、干燥，植被以灌、草叢為主，并形成穩(wěn)定的灌木群落[1,2]。灌木在岷江干旱河谷區(qū)水土保持和植被恢復(fù)中具有重要的生態(tài)地位，而生物量是灌木群落結(jié)構(gòu)和功能的主要測度指標(biāo)之一，研究灌木生物量對于研究灌木生長發(fā)育規(guī)律以及在生態(tài)系統(tǒng)中的作用和地位等都具有重要意義?，F(xiàn)已有研究證明了該區(qū)幾種主要灌叢地上生物量的分布規(guī)律[3,4]。岷江干旱河谷區(qū)有豐富的薔薇資源，而峨眉薔薇（Rosa omeiensis）是優(yōu)良的抗旱樹種和綠化景觀樹種，其中分布廣，適應(yīng)性強，抗病性強，其根和果實有止血，止痢等功效，多用于治療吐血，衄血，崩漏，帶下病，赤白痢疾。本文在大量野外調(diào)查的基礎(chǔ)上，研究了岷江干旱河谷區(qū)不同海拔梯度峨眉薔薇單株地上生物量及估測模型，目的是分析峨眉薔薇的生物量與環(huán)境因子的關(guān)系，找到該區(qū)域峨眉薔薇最適合的單株生物量估測模型，從而為岷江干旱河谷區(qū)植被保護與恢復(fù)工作提供科學(xué)理論依據(jù)。

1 研究區(qū)域概況

岷江上游干旱河谷分布于松潘鎮(zhèn)江關(guān)以下，經(jīng)茂縣鳳儀鎮(zhèn)至汶川縣綿虒間的岷江正河，以及黑水縣的黑水河谷和理縣樸頭鄉(xiāng)以下的雜谷腦河谷等岷江支流。雜谷腦河是四川岷江的一級支流，發(fā)源于四川省阿壩藏族羌族自治州理縣西北的鷓鴣山北麓的洪水溝，縱貫理縣全境，經(jīng)汶川縣城匯入岷江，全長157 km。根據(jù)理縣雜谷腦河干旱河谷地段9 個鄉(xiāng)鎮(zhèn)和理縣、汶川兩縣縣城的氣候資料統(tǒng)計，該地段年均氣溫11.0 ℃，≥0 ℃積溫3 800～4 500 ℃，無霜期190 d，≥10 ℃活動積溫3 200～3 800 ℃，年降水量400～600 mm，降雨主要集中于4—10 月，全年日照時數(shù)是在1 200～2 000 h[5]。該區(qū)土壤屬灰褐土類，pH 值為7.4～8.4。區(qū)域原生植被主要以灌木和草本為主，植物個體多具有叢生、根深、葉小、具刺、被毛、低矮等相同特點[6]。近年來，為了恢復(fù)植被，栽植了一些抗旱能力較強的鄉(xiāng)土樹種和外來樹種，如岷江柏、輻射松、刺槐等。

2 研究方法

2.1 樣品采集

本研究在2016 年9 月下旬植物停止生長時進行調(diào)查，分別于岷江干旱河谷區(qū)（理縣甘堡鄉(xiāng)）兩邊的陰坡和陽坡由山腳至山頂沿海拔各設(shè)3 個梯度，海拔間隔約為100～150 m，在陰、陽坡各海拔梯度人畜干擾少的地段選擇有代表性的植被類型，設(shè)置1—2 個20 ×20 m2的標(biāo)準(zhǔn)樣地，在樣地內(nèi)對峨眉薔薇進行每木檢尺，測定基徑（D）、樹（H）、冠幅（C）等指標(biāo)。按不同徑級，結(jié)合峨眉薔薇分布密度，每個樣地選擇5—10 株樣木，采取直接收獲法，刈割全部灌木地上部分稱其總鮮重，再按干、枝、皮、葉、花（果）等不同部位，分別稱鮮重并取樣，將樣品帶回實驗室在85 ℃的通風(fēng)干燥箱內(nèi)烘干至絕對干重，稱重并計算出各部位干重及單株地上部分總干重（W干樣）。同時采用GPS 全球定位儀調(diào)查海拔、坡度、坡向等環(huán)境因子（見表1）。

表1 岷江干旱河谷區(qū)樣地特征表Tab.1 Characteristics of sample plots in the dry valley of Minjiang River

2.2 分析與建模

估測灌木地上生物量，選擇自變量十分重要。既可采用由D、H、C 等單一變量，也可以采用D、D2、C、C2、C2H、D2H、HC、HD、DC 等多因子相組合的復(fù)合變量。本文采用EXCEL 對峨眉薔薇的基徑、樹高、冠幅進行統(tǒng)計，采用SPSS13.0 的Bivariate Correlation 分析對基徑、樹高、冠幅與峨眉薔薇生物量的相關(guān)性進行分析，最終選擇預(yù)測模型自變量，同時建立峨眉薔薇生物量預(yù)測回歸方程，選出擬合性好，相關(guān)系數(shù)高的模型作為峨眉薔薇生物量預(yù)測模型?？蛇x擇許多種線性、對數(shù)、指數(shù)、冪函數(shù)以及多項式等回歸模型來進行灌木生物量預(yù)測模型的建立[7,8]，常用的回歸方程有一元方程y=a+bx、冪函數(shù)方程y=axb、指數(shù)函數(shù)y=aebx等。

3 研究結(jié)果

3.1 峨眉薔薇地上生物量及其分配

表2 為陰陽坡不同海拔梯度樣地峨眉薔薇地上生物量分配比例表，從表中可以看出，不論陰陽坡，不同徑級的峨眉薔薇莖和枝在地上生物量（即干重）中占比最大，陽坡為0.41，陰坡為0.39，其中莖占比略大于枝，陽坡為0.35，陰坡為0.34，葉占比最小，陰陽坡均為0.11，而皮占比略大于葉，陽坡為0.13，陰坡為0.16；而從地上總生物量對鮮重的占比來看（生物量占鮮重比越大，說明植株含水率越低，木質(zhì)化程度高），陽坡中，呈現(xiàn)出中下坡（0.67）＞上坡（0.66）＞中坡（0.61）的趨勢，陰坡中，上坡（0.71）＞下坡（0.69）＞中坡（0.61）的趨勢，說明不論陰陽坡，中坡位的峨眉薔薇植株干鮮重比例都是最低的。

表2 陰陽坡不同海拔梯度峨眉薔薇地上生物量分配比例表Tab.2 Aboveground biomass allocation ratio of Rosa omeiensis at different altitude gradients on shady and sunny slopes

3.2 峨眉薔薇地上生物量模型建立

從表3 可以看出，峨眉薔薇地上部分生物量W 與D、H、C、D2H、HC、HD、DC 等多因子或多因子組合的復(fù)合變量有著極顯著的相關(guān)關(guān)系。在所有因子中，以D 與W 相關(guān)性最高（0.854），而C 與W 相關(guān)性最低（0.691）；在單因子中，也以D 與W 相關(guān)性最高（0.854），H 與W 相關(guān)性次之（0.733），而C 與W 相關(guān)性相對較低（0.691）；在復(fù)合因子中，以DC 與W 相關(guān)性最高（0.848），而HC 與W 相關(guān)性相對較低（0.70）。在單因子之間，D 與C 之間也有著較為明切的關(guān)系（0.762），而H 與C 和D 之間相關(guān)性均不太顯著。

通過選擇與生物量密切相關(guān)的測樹因子和復(fù)合因子為自變量，進行曲線擬合，篩選出估測峨眉薔薇單株地上生物量的統(tǒng)計模型（見表4）。從篩選出的模型來看，預(yù)測生物量最優(yōu)模型多以三次曲線和冪函數(shù)為佳，其中以單因子D 和HD、DC、D2H 復(fù)合因子為自變量對峨眉薔薇地上生物量預(yù)測模型最佳，其相關(guān)系數(shù)R2均為0.95 以上，又以單因子C 為自變量對峨眉薔薇地上生物量預(yù)測模型較差，其相關(guān)系數(shù)R2為0.891 9。

4 結(jié)論與討論

不論陰陽坡，不同徑級的峨眉薔薇各器官生物量分配大小表現(xiàn)為干生物量＞枝生物量＞皮生物量＞葉生物量，占比最大的主干部分對地上生物量總量貢獻較大，這與前人研究較為吻合[9]；而從地上總生物量對鮮重的占比來看，不論陰陽坡，中坡位的峨眉薔薇都是最低的，而郭威星[10]在荒漠化地區(qū)研究灌叢地上生物量，結(jié)果表明灌叢地上生物量與土壤含水率的關(guān)系極顯著。嚴(yán)代碧[11]研究了岷江干旱河谷區(qū)不同海拔梯度土壤水分變化，結(jié)果表明，該區(qū)域不論陰陽坡，中坡位土壤含水率是相對最低的。本文研究結(jié)果表明，不論陰陽坡，中坡位的峨眉薔薇植株地上生物量占鮮重比是最低的，說明在該區(qū)域中坡位，受土壤含水率低的影響，峨眉薔薇植株生長受到影響，木質(zhì)化率低，在相同鮮重的情況下，地上部分生物量明顯低于其他坡位。

表3 峨眉薔薇自變量因子和地上生物量相關(guān)關(guān)系分析表Tab.3 Correlation analysis results between independent variable factors and aboveground biomass of Rosa omeiensis

表4 峨眉薔薇地上生物量模型Tab.4 Aboveground Biomass Model of Rosa omeiensis

峨眉薔薇生物量估測模型篩選結(jié)果顯示，冪函數(shù)模型和三多項式模型都有令人滿意的R2值，最優(yōu)模型多以三次多項式為佳，因為三次多項式模型R2值更高。而且利用軟件模擬，可以通過增加回歸模型形式復(fù)雜程度而有效地提高R2值。但估測模型并非R2值越高就越準(zhǔn)確，因為模型越復(fù)雜，涉及的因子就越多，過多的模型因子會帶來不可避免的因子測量誤差的疊加。曾慧卿[12]研究了江西泰和縣紅壤丘陵區(qū)林下灌木生物量估算模型的建立，結(jié)果表明，對于大部分物種而言，單一模型的估測精度高于混合模型，只有小部分物種的混合模型優(yōu)于單一模型。）因此研究者應(yīng)根據(jù)研究需要選用具有一定R2值的簡易估測模型。

從建立生物量模型的自變量因子來看，以單因子D 和HD、DC、D2H 復(fù)合因子為自變量對峨眉薔薇地上生物量預(yù)測模型最佳，這和前人提出的以冠幅（C）和高度（H）的復(fù)合因子以及采用基徑（D）和高度（H）的復(fù)合因子D2H 為自變量有所不同[13]，因為峨眉薔薇的形態(tài)既不是圓形也不是球形，且自變量因子D 的相關(guān)度與其代表的器官（莖）在生物量分配中占比最大也有密切的關(guān)聯(lián)。

雖然冠幅（C）、基徑（D）和樹高（H）都是和灌木生物量有密切相關(guān)關(guān)系的因子，但由于灌木形態(tài)，所以應(yīng)根據(jù)實際情況進行自變量因子的選擇；而且不同地區(qū)不同物種的灌木生物量預(yù)測模型，受海拔、降水量等環(huán)境因子影響，并不一定適用于該地區(qū)其他灌木物種，甚至不適用于不同地區(qū)相同灌木物種。因此通過遙感技術(shù)，以期找到一種通用的預(yù)測或估算灌木生物量方法，是現(xiàn)在灌木生物量研究的熱點，也將是研究的主要方向。