气候变化对我国红松林地理分布影响的研究

在红松林地理分布规律研究的基础上,应用地理信息系统ＩＤＲＩＳＩ和专门计算机软件——生态信息系统ＧＲＥＥＮ,找出适宜红松林分布的地理气候参数区间,并以此确定了红松林适宜分布区,在此基础上,根据全球气候预测模型ＧＣＭｓ预测的２０３０年的气候变化结果,就气候变化对我国红松林地理分布的可能影响进行了预测。结果表明：到２０３０年,因气候变化的影响,我国适宜红松分布的面积将有所增加,但增加幅度不大,仅占当前气候条件下适宜红松分布面积的３．４％,局部地区变化的情况是：在黑龙江省的西北部适宜红松分布的面积将有所增加;在辽宁省的西南部适宜红松分布的面积将有所减少。红松林现实分布区的南界将向北移动０．１～０．６个纬度,北界将向北扩展０．３～０．５个纬度,黑龙江省境内的红松林分布区的西界将向西扩展０．１～０．５个经度。我国适宜红松分布的面积将由当前气候条件下的２．９×１０７ｈｍ２,增加到３．０×１０７ｈｍ２。就当前气候变化影响预测中存在的问题及未来研究的方向进行了讨论。     

气候变化对阔叶红松林潜在地理分布区的影响

物种地理分布主要取决于它对气候、地形等环境因子的适应性。基于22个环境因子和阔叶红松林的4类主要建群树种——红松、紫椴、水曲柳和蒙古栎的地理分布数据,采用最大熵模型模拟了阔叶红松林的潜在分布区域,并分析决定阔叶红松林地理分布的主要气候和地形因子,最后利用政府间气候变化专门委员会(IPCC)发布的3种排放场景(SRES-A2、SRES-A1B、SRES-B1)下2020、2050、2080年的气候数据预测阔叶红松林的未来潜在分布区。结果表明:各树种的受试者工作特征曲线下面积(AUC值)都大于0.8,说明模型有很好的预测能力;影响阔叶红松林分布的主导环境因子是年降雨量、季节性降雨量、海拔、年平均温度、最湿季度的平均温度。在基准气候条件下,阔叶红松林的高度适宜分布区主要分布在长白山和小兴安岭地区,占研究区总面积的11.69%,低度适宜区面积、不适宜区面积分别占研究区总面积的23%和65.31%。模型预测结果显示,未来在A2、A1B和B1气候情景下,阔叶红松林高度适宜区的南界与北界都向北移动,其面积有缩减的趋势,而低度适宜区的面积有增加的趋势。     

气候变化对我国红松要地理分布影响的研究

在红松林地理分布规律研究的基础上,应用地理信息系统ＩＤＲＩＳＩ和专门计算机软件－生态信息系统ＧＲＥＥＮ,找出适宜红松林分布的地理气候参数区间,并以此确定了红松式适宜分布区,在此基础上,根据全球气候预测模型ＧＣＭ。预测的２０３０年的气候变化结果,就气候变化对我国红松林地理分布的影响进行了预测。结果表明：到２０３０年的气候变化结果,就气候变化对我国红松林地理分布的可能影响进行了预测。结果表明：到２０３     

全球气候变化对小兴安岭阔叶红松林影响的动态模拟研究

应用林窗模型(Forest Gap Model)及4种大气环流模式(General Girculation Models,GCMs) CO₂加倍"平衡响应"数值试验结果模拟了小兴安岭阔叶红松林对未来气候变化的动态响应过程.结果表明,在美国高达空间研究实验室(Goddard Institute for Space Studies,简记GISS)和美国俄勒冈州立大学(Oregon State University,简记OSU)GCMs预测的CO₂倍增未来气候情景下,与本底生物量(目前气候条件下)相比,阔叶红松林生物量逐渐升高,目前云冷杉阔叶红松林将逐渐向枫桦、紫椴和裂叶榆阔叶红松林演变;但在普林斯顿大学地球流体动力学实验室(Geophysical Fluid Dynamics Laboratory,Princeton University,简记GFDL)和英国气象局(United Kindom Meteorological Office,简记UKMO)GCMs预测的未来情景下,由于较大幅度的增温,云冷杉红松林将向以蒙古栎、紫椴和裂叶榆为主要树种的阔叶林演变.未来增温速率决定了阔叶红松林未来的演替方向.     

基于景观尺度过程模型的长白山净初级生产力空间分布影响因素分析

对长白山自然保护区的净初级生产力(NPP)的空间分布格局进行了模拟,对它们与环境因子和植被因子间的相互关系进行了分析．结果表明,1995年NPP的模拟值平均为0．680kgC·m^-2·年^-1,变幅为0．105-1．241kgC·m^-2·年^-1(82．1％),其中阔叶红松林的NPP最高(1．084kgC·m^-2·年^-1)．环境条件决定了长白山植被年NPP空间分布的大趋势．土壤含水量对NPP的限制最大,呈负相关关系(R=-0.65),长白山植物生长一般不存在水分不足的问题．植被的NPP与LAI高度正相关(R＝0．81),当LAI增大到4-5m^2·m^-2时,NPP出现饱和．植被的NPP与冠层蒸腾量呈显著的正相关关系(R＝0．77)．岳桦林和阔叶林对环境因子、LAI和冠层蒸腾的响应与其它植被有较大差异。     

吉林省东北虎的调查

经过8年的调查研究,确定了东北虎在吉林省的分布区有3处,数量为7－9只。即大龙岭分布区3－5只,哈尔巴岭分布区1只,张广才岭分布区3只。东北虎的适宜生境为海拔800－1100m的中低山：人口压力在15人／km^2以下,被捕食动物野猪、狍、马鹿的密度在2．5只／km^2以上。林型为以柞木为主的阔叶混交林,林龄为中成林。     

长白山阔叶红松林生态价位分级与生态系统经营对策

引入生态价位概念,以长白山阔叶红松林为对象,采用层次分析法进行了生态价位划分．长白山阔叶红松林的生态系统价值评价综合指数由物理环境因素、群落结构组成、干扰状况3方面8个指标构成,包括坡度、土层厚度、土壤母质稳定性、结构盖度指数、物种多样性指数、更新力指数、优势种寿命和干扰度．采用层次分析法取得相应指标的系数;根据综合评价指数分布范围划分了3个生态价位类型,即低生态价位,综合指数1～1．874;中生态价位,综合指数1．874～2．749;高生态价位,综合指数2．749～3．623;对典型样地进行了生态价位分级,分析了各个生态价位类型森林的主要特征,据此提出了相应的生态系统管理对策,即高生态价位阔叶红松林采用封禁保护型自然经营,中生态价位阔叶红松林采用生态修复型半自然经营,低生态价位阔叶红松林采用近自然生态重建型经营。     

中国主要五针松群落学特征及其生物量的研究

本文根据现有的文献资料,系统地分析了中国五针松的分布．群落学特征,按不同分布区、不同群落类型探讨了中国五针松的群落生物量和年净生产量及在群落的不同层次上的分布．比较分析了不同分布区五针松的年干物质累积速度（ＮＰ／Ｂ）．结果表明：１１５─１３５ａ生的阔叶红松林群落生物量在９７．０９─１２０．５１ｔ／ｈｍ￣２之间,年净生产量在８．６９８─１０．３４ｔ／ｈｍ￣２．ａ之间,年净生产量长白山山脉沙松、鹅耳枥红松林＞小兴安岭南坡枫桦、水曲柳红松林＞小兴安岭北坡云杉、冷杉红松林;３０─３６ａ生的华山松林群落生物量在７８．７５─９４．７３ｔ／ｈｍ￣２之间,年净生产量在４．９９３─５．５３７ｔ／ｈｍ￣２．ａ之间,年净生产量贵州山地常绿阔叶华山松林＞秦岭中山地阔叶华山松林＞甘肃小陇山针阔叶华山松林．ＮＰ／Ｂ值：长白山山脉的阔叶红松林＞小兴安岭山脉的阔叶红松林;秦岭中山地阔叶华山松林＞甘肃小陇山针阔华山松林＞贵州中山地常绿阔叶华山松林．     

长白山阔叶红松林演替序列水分利用效率特征

水分利用效率是反映植物水分利用的客观指标,对其研究有助于了解陆地生态系统的碳水耦合机制。本研究利用稳定碳同位素技术分析了长白山阔叶红松林演替序列下3种林分(中龄杨桦林、成熟杨桦林、阔叶红松林)中优势树种的水分利用效率。结果表明: 3种林分的水分利用效率在不同演替阶段存在阔叶红松林＞中龄杨桦林＞成熟杨桦林的大小顺序,且同一树种在不同林分中水分利用效率不同,中龄杨桦林中山杨和白桦的水分利用效率高于成熟杨桦林,阔叶红松林中水曲柳的水分利用效率远高于其在中龄杨桦林,阔叶红松林中色木槭和蒙古栎的水分利用效率高于其在成熟杨桦林;优势树种的水分利用效率存在木材类型上的差异,总体呈现环孔材树种＞散孔材树种;阔叶红松林优势树种中,阔叶树种和针叶树种的水分利用效率在生长季呈现两种不同的变化趋势,水曲柳、色木槭、蒙古栎、紫椴总体呈现先减小后增加的趋势,而红松呈现先增加后减小的趋势。生长季阔叶红松林的水分利用效率与温度呈显著负相关。不同的水分利用效率是长白山阔叶红松林优势树种适应演替进程、响应气候和环境变化的策略之一。     

基于遥感和地面数据的景观尺度生态系统生产力的模拟

描述了一个反映系统碳循环和水循环的景观尺度生态系统生产力过程模型(EPPML)．该模型以遥感图像作为数据源,从中获取影响植被生产力的重要变量——叶面积指数(LAI);主要对景观尺度生态系统的净初级生产力(NPP)和蒸散量的空间分布格局和时间动态进行模拟;用地理信息系统(GIS)手段对空间数据进行处理、分析和显示,从而实现将植物生理生态研究的结果从小尺度向中尺度进行拓展和转换．本研究用EPPML对1995年长白山自然保护区的植被生产力进行了模拟,结果表明,EPPML可以比较准确地模拟该保护区主要植被的NPP．NPP的模拟值年均为0．680kgC·m^-2,变幅为0．105—1．241kgC·m^-2(82.1％),其中阔叶红松林的年NPP最高(1．084kgC·m^-2)．NPP年总量为1．332×10^6tC,以阔叶红松林和云冷杉林最高,分别为0．540×10^6tC和0．428×10^6tC．NPP的季节变化呈明显的单峰型,7月最大(6．13gC·m^2·d^-1)．NPP在夏季积累最多(0．465kgC·m^-2),春季次之,冬季最少。     

Predicting Impacts of Climate Change on the Aboveground Carbon Sequestration Rate of a Temperate Forest in Northeastern China

The aboveground carbon sequestration rate (ACSR) reflects the influence of climate change on forest dynamics. To reveal the long-term effects of climate change on forest succession and carbon sequestration, a forest landscape succession and disturbance model (LANDIS Pro7.0) was used to simulate the ACSR of a temperate forest at the community and species levels in northeastern China based on both current and predicted climatic data. On the community level, the ACSR of mixed Korean pine hardwood forests and mixed larch hardwood forests, fluctuated during the entire simulation, while a large decline of ACSR emerged in interim of simulation in spruce-fir forest and aspen-white birch forests, respectively. On the species level, the ACSR of all conifers declined greatly around 2070s except for Korean pine. The ACSR of dominant hardwoods in the Lesser Khingan Mountains area, such as Manchurian ash, Amur cork, black elm, and ribbed birch fluctuated with broad ranges, respectively. Pioneer species experienced a sharp decline around 2080s, and they would finally disappear in the simulation. The differences of the ACSR among various climates were mainly identified in mixed Korean pine hardwood forests, in all conifers, and in a few hardwoods in the last quarter of simulation. These results indicate that climate warming can influence the ACSR in the Lesser Khingan Mountains area, and the largest impact commonly emerged in the A2 scenario. The ACSR of coniferous species experienced higher impact by climate change than that of deciduous species.     

Geographical and climatic gradients of evergreen versus deciduous broad‐leaved tree species in subtropical China: Implications for the definition of the mixed forest

Understanding climatic influences on the proportion of evergreen versus deciduous broad‐leaved tree species in forests is of crucial importance when predicting the impact of climate change on broad‐leaved forests. Here, we quantified the geographical distribution of evergreen versus deciduous broad‐leaved tree species in subtropical China. The Relative Importance Value index (RIV ) was used to examine regional patterns in tree species dominance and was related to three key climatic variables: mean annual temperature (MAT ), minimum temperature of the coldest month (MinT), and mean annual precipitation (MAP ). We found the RIV of evergreen species to decrease with latitude at a lapse rate of 10% per degree between 23.5 and 25°N, 1% per degree at 25–29.1°N, and 15% per degree at 29.1–34°N. The RIV of evergreen species increased with: MinT at a lapse rate of 10% per °C between ?4.5 and 2.5°C and 2% per °C at 2.5–10.5°C; MAP at a lapse rate of 10% per 100 mm between 900 and 1,600 mm and 4% per 100 mm between 1,600 and 2,250 mm. All selected climatic variables cumulatively explained 71% of the geographical variation in dominance of evergreen and deciduous broad‐leaved tree species and the climatic variables, ranked in order of decreasing effects were as follows: MinT > MAP  > MAT . We further proposed that the latitudinal limit of evergreen and deciduous broad‐leaved mixed forests was 29.1–32°N, corresponding with MAT of 11–18.1°C, MinT of ?2.5 to 2.51°C, and MAP of 1,000–1,630 mm. This study is the first quantitative assessment of climatic correlates with the evergreenness and deciduousness of broad‐leaved forests in subtropical China and underscores that extreme cold temperature is the most important climatic determinant of evergreen and deciduous broad‐leaved tree species’ distributions, a finding that confirms earlier qualitative studies. Our findings also offer new insight into the definition and distribution of the mixed forest and an accurate assessment of vulnerability of mixed forests to future climate change.     

林窗模型的几个基本问题的研究:I.模拟样地面积的效应

以中国东北长白山阔叶红松林为例,应用林窗模型NEWCOP探索了不同模拟样地面积对林窗模型输出结果的影响.结果表明,模拟样地面积大小变化可影响模拟出的森林群落的树种组成和模拟样地的林窗出现周期,通过应用这一特点确定了阔叶红松林的林窗面积为400～800m².     

林窗模型BKPF模拟红松针阔叶混交林群落对气候变化的潜在反应

用森林动态模型ＢＫ荭松针阔叶混交林群落在气候变化和ＣＯ２倍增后的反应得出,在气候变化５０ａ后现存的天然红松林林木总株数减少２０％以上,地上部分生物量将减少９０％以上,蒙古栎的生物量占锯林分的５７％以上,林分生产力与现在气候条件下比较接近,略高４％,但主要以蒙古栎、山杨、白桦为主,林分叶面积指数大幅度减少。     

小兴安岭两种森林类型土壤有机碳库及周转

采用室内培养法测定了不同温度下(8、18、28 ℃)小兴安岭原始阔叶红松林和阔叶次生林土壤有机碳的矿化速率和矿化量,并用三库一级动力学模型对有机碳各库进行拟合.结果表明： 基于单位干土质量的阔叶次生林土壤有机碳矿化速率和累计矿化量均大于原始红松林,但有机碳累计矿化量占总有机碳的比率小于原始红松林.2种森林类型土壤活性碳库和缓效碳库随土层加深而减小,其占总有机碳的比例增加.尽管阔叶次生林土壤活性和缓效碳库均大于原始红松林,但其占总有机碳的比例却小于原始红松林,而土壤惰性碳库及其比例均大于原始红松林,表明阔叶次生林土壤有机碳整体上更稳定.土壤活性碳库平均驻留时间(MRT)为9～24 d,且随土层加深而缩短,而缓效碳库MRT为7～42 a,且随土层加深而延长.土壤活性碳库及其占总有机碳的比例随温度升高而线性增加,缓效碳库则降低;原始红松林土壤活性碳随温度的增速大于阔叶次生林,表明原始红松林土壤有机碳库对温度变化反应更敏感.     

气候变化对阔叶红松林不同演替阶段红松种群生产力的影响

本文以长白山地区阔叶红松林不同演替阶段(次生杨桦林、次生针阔混交林、原始红松林)内红松种群作为研究对象,采用树轮学与相对生长式相结合,获取红松种群净初级生产力(NPP)连年生长(1921—2006年)数据以及相对增长率的年际变化数据,建立红松种群NPP与年际和季节性气候因子的关系,分析不同气候时期长白山阔叶红松林不同演替阶段内红松种群NPP年际变化特征及其对气候变化的响应差异.结果表明： 研究期间,不同演替阶段红松种群NPP与气候因子响应关系存在差异.随着温度上升,次生杨桦林红松种群NPP与上年生长季和当年生长季低温由显著负相关关系转变为显著正相关关系;次生针阔混交林红松种群NPP由与当年春季最低温度的正相关关系转变为与上年和当年生长季温度的显著正相关关系,气候因素对次生针阔混交林红松种群NPP影响的滞后效应增强;原始红松林红松种群NPP与温度的相关性减弱,与上年生长季降水量的正相关关系增强.研究区气候变化表现为低温和平均温度显著上升,而最高温度和降水没有明显变化.气候变化有利于提高演替初级阶段次生杨桦林和演替中级阶段次生针阔混交林内红松种群生产力,尤其是次生针阔混交林,而对演替顶极阶段红松种群NPP影响不明显.     

长白山阔叶红松林带内杨桦林动态模拟

利用改进的ZELIG .CBA模型模拟了长白山杨桦林的动态变化过程 .根据红松种源的存在与否 ,将模拟分为两种方案 ,结果表明 ,红松参加演替与否决定了山杨、白桦退出林分时间的早晚 ;红松种源存在时 ,演替的最终结果是阔叶红松林 ;无红松种源时 ,演替的最终结果是阔叶混交林 ,两种林分的生物量和蓄积量相差很大     

长白山阔叶红松林退化生态系统的土壤呼吸作用

选择处于全球变化中国东北样带东部典型生态系统的长白山阔叶红松林作为研究区,采用动态气室-CO₂红外分析法测定了森林生态系统不同退化阶段的土壤呼吸作用.结果表明：在生长季,长白山阔叶红松林不同退化阶段的土壤呼吸动态变化呈单峰型曲线,在7-8月达到最大值;不同退化阶段林地土壤呼吸大小顺序为：杨桦林＞蒙古栎林＞阔叶红松林＞硬阔叶林＞裸地.其中,杨桦林和蒙古栎林样地的碳释放量分别为对照阔叶红松林的1.4和1.3倍,硬阔叶林和裸地的碳释放量分别为对照阔叶红松林的88%和78%.     

凉水自然保护区阔叶红松林林分空间结构特征及其与影响因子关系简

根据凉水自然保护区28块典型阔叶红松林样地的5个林分空间结构参数和18个影响因子数据,采用典范对应分析（CCA）方法,对凉水自然保护区阔叶红松林林分空间结构与影响因子间关系进行分析。研究结果表明：（1）研究区域阔叶红松林整体具有较好的林分空间结构,其水平分布格局主要表现为随机分布,树木生长整体处于中庸状态,林木的整体混交程度较高;（2）林分空间结构的CCA排序较好的揭示了该区林分空间结构与影响因子的关系;CCA第一排序轴反映了林龄、坡度、阔叶比和坡向的变化,第二排序轴反映了坡向、土壤有机质和平均胸径的变化,上述6因子的组合是决定林分空间结构特征的主要影响因子;（3）影响林分空间结构的变量中,地形、土壤和林分因子共解释了林分空间结构变化的59.20%,其中纯地形因子占30.68%,纯林分因子占19.01%,纯土壤因子占8.21%,未能解释部分为40.80%。