摘 要 在2017年九寨溝地震后，為修復(fù)受損的林地，相關(guān)部門采取了人工林種植的修復(fù)手段。為給區(qū)域生態(tài)恢復(fù)提供數(shù)據(jù)支持，運用等距法分析了2017—2021年九寨溝地區(qū)植被NDVI的時空變化特征，以及云杉-紅樺、云杉-疏花槭-連香樹、油松-青榨槭、云杉-疏花槭這4種典型人工林組合的凋落物性質(zhì)。結(jié)果表明：1）2018年九寨溝地區(qū)覆蓋度略有下降，但5年間整體覆蓋度上升了0.008 2；2）修復(fù)效果最好的組合是油松-青榨槭，其次是云杉-疏花槭-連香樹。

關(guān)鍵詞 九寨溝；震損地區(qū)；歸一化植被指數(shù)；樹種篩選；人工林

中圖分類號：S718.55+1.2；X171.1 文獻標(biāo)志碼：A DOI：10.19415/j.cnki.1673-890x.2024.11.023

九寨溝所處山區(qū)地質(zhì)構(gòu)造復(fù)雜，地震發(fā)生后引起大量的崩塌、滑坡和泥石流等次生災(zāi)害，造成土體大量掩埋，形成了大量的次生裸地及創(chuàng)傷面，破壞了區(qū)域內(nèi)原有植被和土壤條件，致使植物生長發(fā)育的基本條件惡化[1]。森林作為地球上陸地生態(tài)系統(tǒng)之一，是動植物賴以生存的棲息地[2]。森林覆蓋度是檢測生態(tài)環(huán)境變化的重要指示器，森林覆蓋度的時空變化受到大氣、土壤、水文和人類的影響[3-5]。森林可以固定碳、降低地表徑流的沖刷、穩(wěn)定氣候，同時為人類提供重要的生產(chǎn)和生存資源，是生態(tài)系統(tǒng)中不可或缺的組成部分[6]。震后受損的地區(qū)依據(jù)適時適地、宜草宜林原則進行人工林的種植，可以快速修復(fù)地表植被，減少地表徑流的產(chǎn)生[7]。

森林凋落物是指森林中植物在生命周期結(jié)束后的落葉、枝干、果實和失去生命力的根等殘體。森林凋落物是維持林地生態(tài)系統(tǒng)的關(guān)鍵環(huán)節(jié)，其分解貢獻養(yǎng)分給土壤，具有促進植物生長和調(diào)控生態(tài)系統(tǒng)功能。此外，森林凋落物還是土壤中碳的重要來源，維持著土壤肥力和碳循環(huán)[8-9]。

歸一化植被指數(shù)（NDVI）是表征植被覆蓋的一個重要指標(biāo)，與地面生物量密切相關(guān)，能夠較精確地反映地表植被的生長狀態(tài)及演變特征，已經(jīng)廣泛運用于植被動態(tài)變化研究[10]。九寨溝自然保護區(qū)地處四川省北部山區(qū)，于1992年作為自然遺產(chǎn)被列入《世界遺產(chǎn)名錄》，同時是國家級自然保護區(qū)、國家地質(zhì)公園，5A級景區(qū)[11]。九寨溝核心景區(qū)西部5 km處比芒村于2017年8月8日發(fā)生了7.0級地震，嚴(yán)重破壞了山區(qū)森林植被，野生動物的棲息地也遭受了嚴(yán)重的破壞，給自然生態(tài)系統(tǒng)帶來了災(zāi)難性的打擊。中央及四川省委對九寨溝災(zāi)后重建十分重視，在受損地區(qū)進行人工林種植。為給區(qū)域生態(tài)恢復(fù)提供數(shù)據(jù)支持，本文以九寨溝地震后4種人工林種植的受損地為研究對象，探討2017—2021年九寨溝地區(qū)植被NDVI變化特征，并結(jié)合土壤凋落物和有機質(zhì)情況，尋找出最佳的人工林修復(fù)模式。

1" 研究區(qū)概況

九寨溝縣位于四川西北部高原地區(qū)，是阿壩藏族羌族自治州的東北部，位于北緯32°53′～33°43′、東經(jīng)103°27′～104°26′。九寨溝縣主要包含高山山地、高山峽谷和中山河谷等地貌類型，總面積達5 286 km²，海拔1 000～4 500 m，森林覆蓋率達55%，是四川省第二大的林區(qū)。九寨溝縣氣候獨特，整體上屬于川西北高原氣候中的暖溫帶氣候帶，氣溫溫和偏冷，夏季短而冬季較長。此外，由于海拔的變化，九寨溝縣各個區(qū)域間的氣候特征存在較大差異。九寨溝地區(qū)的多年平均氣溫13 ℃左右，活動積溫3 880 ℃左右，年均降水量547 mm[12]，共有10余個土類，26個土種。

2" 數(shù)據(jù)與方法

2.1" 數(shù)據(jù)來源與處理

通過野外實際調(diào)查和GPS定位等手段，確定受損地塊的情況，利用ArcGIS進行點位的標(biāo)定。根據(jù)不同的修復(fù)手段進行分類，一共24個地塊，4種典型人工林組合：云杉-紅樺、云杉-疏花槭-連香樹、油松-青榨槭、云杉-疏花槭，NDVI變化值是2017—2021年的變化值，詳見圖1、表1。

DEM（空間分辨率為30 m）數(shù)據(jù)來源美國太空總署（NASA）和國防部國家測繪局（NIMA）聯(lián)合測量（https：//srtm.csi.cgiar.org/srtmdata/）。

NDVI最大值數(shù)據(jù)集是基于Google Earth Engine（GEE）遙感云計算平臺，利用哨兵2（Sentinel-2）的B8和B4波段遙感影像計算的逐年NDVI最大值數(shù)據(jù)集，數(shù)據(jù)空間分辨率為10 m，時間分辨率為2017—2021年逐年度[13]。

于2021年到實地采樣，樣方大小為20 m×20 m，每個樣方采用5點取樣法，并在樣方內(nèi)未受到采土樣干擾的地方圈起1個1 m×1 m的小樣方，收集表面所有枯落物并放入自封袋保存，帶回實驗室檢測土壤凋落物中有機質(zhì)、可溶性有機碳、非結(jié)構(gòu)性碳水化合物。1）土壤有機質(zhì)采用重鉻酸鉀容量法，在加熱的條件下，用過量的重鉻酸鉀-硫酸（K2Cr2O7-H2SO4）溶液氧化土壤有機質(zhì)中的碳，Cr2O7-2等被還原成Cr+3，剩余的重鉻酸鉀（K2Cr2O7）用硫酸亞鐵（FeSO4）標(biāo)準(zhǔn)溶液滴定，根據(jù)消耗的重鉻酸鉀量計算出有機碳量，再乘以常數(shù)1.724，即為凋落物有機質(zhì)量。2）可溶性有機碳測定：取10 g新鮮土樣，按照土∶水為1∶5的比例混勻，在25 ℃條件下，以250 r·min^-1的速度振蕩1 h，接著在轉(zhuǎn)速為15 000 r·min^-1離心10 min，上部懸浮液過0.45 μm薄濾膜，過濾液用碳自動分析儀來測定。3）非結(jié)構(gòu)性碳水化合物測定采用酶解法。

2.2" 研究方法

2.2.1" 等距法

采用等距法更加直觀分析九寨溝地區(qū)的NDVI動態(tài)變化，將NDVI分為5個層級：低（＜0.2）、中低[0.2，0.4）、中[0.4，0.6）、中高[0.6，0.8）及高（≥0.8）植被覆蓋度[14]。

2.2.2" 單因素方差分析

使用SPSS 25.0對NDVI變化、凋落物重量、有機質(zhì)、可溶性有機碳和非結(jié)構(gòu)性碳水化合物進行單因素方差分析，旨在確定這些變量在不同組合之間是否存在顯著差異（p＜0.05）。

3" 結(jié)果與分析

3.1" 九寨溝地區(qū)2017—2021年植被覆蓋度變化

從表2可以看出九寨溝地區(qū)其中2018年NDVI值發(fā)生了下降，在2017—2021年多年均值接近于0.7，低植被覆蓋度的比例從3.03%降低到2.63%，中低覆蓋度比例變化不大，中覆蓋度從7.4%降低到6.43%，中高覆蓋度從63.38%降低到61.02%，高覆蓋度從22.38%增加到25.92%，說明九寨溝地區(qū)總體植被覆蓋較好，整個地區(qū)的植被經(jīng)過5年時間覆蓋度上升0.008 2。

總體而言在“8·8”地震發(fā)生后，在2018年九寨溝地區(qū)的植被覆蓋表現(xiàn)出一定程度的下降，但是總體比較穩(wěn)定，2021年整體覆蓋度相較于2017年是略有上升的，植被覆蓋度得以在震后上升一定程度上受益于相關(guān)部門開展的人工林種植。

3.2" 不同人工林組合修復(fù)效果分析

從圖2可知，4種修復(fù)措施的NDVI的均值T3（0.178 8）＞T2（0.129 9）＞T1（0.097 3）＞T4（0.083 8），T3顯著高于T2（p＜0.05），所有的進行人工林修復(fù)的樣地覆蓋度都得到一定程度的提升，植被覆蓋得到一定程度的改善，T4措施下NDVI恢復(fù)情況波動較大，其中NDVI提升最大的為T4-1（0.248 5），NDVI提升最小的為T4-4（0.011 8）。凋落物量均值是T3（223.8 g）＞T4（217.5 g）＞T2（204.3 g）＞T1（202.3 g），T3顯著高于T2，最大值是237.2 g（T3-4），最小值出現(xiàn)在166.7 g（T1-1）。有機質(zhì)均值T2（865.5 g·kg^-1）＞T4（863.5 g·kg^-1）＞T3（852.6 g·kg-1）＞T1（852.5 g·kg^-1）差異并不顯著（p＞0.05），T2的均值高但是方差較大，T3的方差較小但是均值較低，最大值887.0 g·kg^-1（T2-4），最小值844.4 g·kg^-1（T1-4）。非結(jié)構(gòu)性碳含量T3（12.0%）＞T1（11.9%）＞T2（11.7%）＞T4（11.4%）差異并不顯著（p＞0.05），T1、T2和T3的均值較高且方差都小，最大值為12.27%（T3-1），最小值10.78%（T4-2）?？扇芙庑蕴己縿t為T2＞T3＞T1＞T4，T2和T3的均值較大且方差小，T2顯著高于T3和T4，T3顯著高于T4，最大值為11.3 g·kg^-1（T2-5），最小值為5.9 g·kg-1（T4-7）。

凋落物可以在土壤表面形成保護層，減少徑流沖刷，減少土壤水分的蒸發(fā)，同時也是幼芽出土屏障[15]。杜雨潭等對亞熱帶地區(qū)不同恢復(fù)階段林地凋落物化學(xué)計量特征進行研究后發(fā)現(xiàn)，凋落物總量隨著林地恢復(fù)程度呈現(xiàn)出正相關(guān)關(guān)系。綜合覆蓋度恢復(fù)，凋落物總量看來T3為較好的修復(fù)方案，能較快的增加區(qū)域的植被覆蓋度，同時也具有較多的的地面凋落物量，有利于土壤的恢復(fù)[16]?？扇苄杂袡C碳可被地上植物吸收利用，其是林地土壤養(yǎng)分優(yōu)劣的重要指標(biāo)之一[17]，所以T2也是較好的樹種修復(fù)組合。

4" 結(jié)論與討論

九寨溝地區(qū)2018年的NDVI相較于2017年略有下降，是由于部分區(qū)域受“8·8”地震的影響，山體出現(xiàn)滑坡，植被受到了嚴(yán)重的破壞，但是地區(qū)整體NDVI在2017—2021年略有上升，這與前人的研究結(jié)果一致[18-19]。

人工林種植能提高當(dāng)?shù)氐母采w度，同時也產(chǎn)生了許多凋落物進入土壤循環(huán)，云杉、紅樺、油松、青榨槭和疏花槭5種樹種均是該地區(qū)的優(yōu)勢喬木[20]，最優(yōu)選擇種植油松和青榨槭（T3）的組合，其次為云杉-疏花槭-連香樹（T2）組合。九寨溝地區(qū)地質(zhì)結(jié)構(gòu)復(fù)雜，地質(zhì)災(zāi)害較多，生態(tài)環(huán)境脆弱，植被生長環(huán)境一旦受到破壞，加上高寒山地受環(huán)境條件制約，植物生長周期較短，土壤有機質(zhì)積累植物生緩慢，在人工林種植的前提上可以進行適當(dāng)?shù)氖┓蕘肀ＷC植被恢復(fù)成功[21]。

本文通過研究NDVI的變化和地面凋落物性質(zhì)，初步篩選出適合不同受損地塊的樹種，為九寨溝地震災(zāi)后的人工植被恢復(fù)提供了重要基礎(chǔ)。但植被生長受氣候因子的影響，這種影響是復(fù)雜的，存在空間和時間上的差異。本研究只考慮了凋落物和NDVI的影響，還應(yīng)綜合考慮地位條件（坡向、坡度和光照等）、土壤條件（土壤肥力、土壤物理性質(zhì)等）等的影響，只有這樣才能更好地選擇不同地區(qū)所適宜的樹種。

參考文獻：

[1] FAN X M， SCARINGI G， KORUP O， et al. Earthquake-induced chains of geologic hazards： patterns， mechanisms， and impacts[J]. Reviews of Geophysics，2019，57（2）：421-503.

[2]" PAN Y， BIRDSEY R A， PHILLIPS O L， et al. The structure， distribution， and biomass of the world's forests[J]. Annual Review of Ecology， Evolution， and Systematics，2013，44：593-622.

[3]" GAO J B， JIAO K W， WU S H， et al. Past and future effects of climate change on spatially heterogeneous vegetation activity in China[J]. Earths Future，2017，5（7）：679-692.

[4] PARMESAN C， YOHE G. A globally coherent fingerprint of climate change impacts across natural systems[J]. Nature，2003，421（6918）：37-42.

[5]" BRASWELL B H， SCHIMEL D S， UNDER E， et al. The response of global terrestrial ecosystems to interannual temperature variability[J]. Science，1997，278（5339）：870-872.

[6]" PENG J， LI Y， TIAN L， et al. Vegetation dynamics and associated driving forces in eastern China during 1999—2008[J]. Remote Sensing，2015，7（10）：13641-13663.

[7]" 干龍梅，劉屹，覃志剛，等.我國地震災(zāi)后生態(tài)修復(fù)研究現(xiàn)狀及展望[J].四川林業(yè)科技，2018，39（4）：17-21.

[8]" HESSEN D O， AGREN G I， ANDERSON T R， et al. Carbon sequestration in ecosystems： the role of stoichiometry[J]. Ecology，2004，85（5）：1179-1192.

[9]" 王云霞. 黃土丘陵區(qū)人工林刺槐和油松凋落葉分解特征及其對土壤養(yǎng)分影響的研究[D].楊凌：西北農(nóng)林科技大學(xué)，2020.

[10] ZHAO L， DAI A G， DONG B. Changes in global vegetation activity and its driving factors during 1982—2013[J].Agricultural and Forest Meteorology，2018，249：198-209.

[11] 廖雨辰，史雪威，劉俊雁，等.九寨溝國家級自然保護區(qū)地震前后生態(tài)系統(tǒng)服務(wù)價值評估[J].生態(tài)學(xué)報，2022，42（6）：2063-2073.

[12] 文鳳娟，張輝，王全蘭.九寨溝縣近30年氣候特征分析[J].農(nóng)家參謀，2019（12）：179.

[13] 徐新良.中國10 m逐年NDVI最大值數(shù)據(jù)集[EB/OL].[2024-02-03].https：//www.resdc.cn/DOI/DOI.aspx？DOIID=97.

[14] 王勁峰，徐成東.地理探測器：原理與展望[J].地理學(xué)報，2017，72（1）：116-134.

[15] SAYER E J. Using experimental manipulation to assess the roles of leaf litter in the functioning of forest ecosystems[J]. Biological Reviews，2006，81（1）：1-31.

[16] 杜雨潭，陳金磊，李雷達，等.亞熱帶不同植被恢復(fù)林地凋落物層碳、氮、磷化學(xué)計量特征[J].中南林業(yè)科技大學(xué)學(xué)報，2020，40（2）：108-119.

[17] FROBERG M， KLEJA D B， HAGEDORN F. The contribution of fresh litter to dissolved organic carbon leached from a coniferous forest floor[J]. European Journal of Soil Science， 2007，58（1）：108-114.

[18] 謝慧君，張廷斌，易桂花，等.川西高原植被NDVI動態(tài)變化特征及對氣候因子的響應(yīng)[J].水土保持通報，2020，40（4）：286-294，328，封2.

[19] 辛宇，孫夢鑫，張岳，等.2000—2020年四川省植被覆蓋時空變化特征及其氣候驅(qū)動因子[J].水土保持通報，2022，42（4）：312-319.

[20] 張煒，代金莉，賀維，等.九寨溝地震災(zāi)后植被恢復(fù)過程中樹種篩選[J].四川林業(yè)科技，2020，41（6）：117-123.

[21] 劉韓，帥偉，茍?zhí)煨郏?基于土壤特征的川西高寒山地公路邊坡生態(tài)修復(fù)困難性分析[J].公路交通科技（應(yīng)用技術(shù)版），2018，14（3）：16-19.

（責(zé)任編輯：敬廷桃）