三種判定落葉闊葉混交林土壤損害基線的方法研究
——以吉林省撫松縣為例

李嘉珣,曹飛飛,吳 鋼,*

1 中國科學院生態環境研究中心,城市與區域生態國家重點實驗室,北京 100085 2 中國科學院大學,北京 100049

生態環境損害是指因污染環境、破壞生態造成大氣、地表水、地下水、土壤等環境要素和植物、動物、微生物等生物要素的不利改變,及上述要素構成的生態系統功能的退化的行為[1]。生態環境損害既包含了環境的損害,也包含了生態系統整體結構和功能的損害,具有潛伏時間長、受損對象廣、恢復難度大、定責困難的特點[2]。隨著人類活動的影響,我國生態環境損害事件頻發,對損害類型的甄別和損害程度的判定顯得十分重要。生態破壞行為發生前,受影響區域內生態系統的狀態或水平被稱為生態環境損害基線(簡稱“損害基線”)[3]。損害基線既包含了動植物種群、數量、結構等生物因素,也包含了區域的土壤、水質、空氣等非生物因素,是反映一個地區生態系統狀態的綜合性指標集[4]。對損害區域而言,首先要判斷損害的類型和程度,繼而為后續量化損失和責任判定提供依據[5]。而在具體操作過程中,要先確定損害區域的損害基線,再與當前狀態進行比較,通過兩者的差異來判定損害程度。準確地確定一個地區的損害基線將是損害鑒定評估的基礎,也是判定人為破壞生態行為與環境損害因果關系的紐帶,更是開展生態損害量化評估的前提[6-7]。

森林土壤作為重要的營養輸出者和能量轉化者,能有效協調植物生長所需的水肥氣熱等條件,是影響樹木生存的重要因素[8-9]。研究森林土壤狀態,揭示森林與土壤間的動態變化規律,可以為森林植被損害程度鑒定和生態重建提供理論依據和參考。在我國,破壞森林資源違法行為依然存在,森林保護形勢嚴峻復雜,其主要表現在毀林開墾、土地整理、中藥材種植和采石采礦等方面,造成森林土壤不可逆損害[10],如何甄別森林土壤損害類型并判定其損害程度顯得十分重要,森林土壤的基線的判定成為關注的重點[11-12]。

目前生態損害基線的方法眾多,適用范圍不盡相同。如果區域內有詳細的歷史數據,可采用歷史數據法或者古生態學法反推過去的生態環境[13]；如果區域內有環境標準或行業限定值,可采用相關環境基準值作為損害基線[14]；在區域受干擾程度較深的地區,可采用專家判別法或者模型法,利用專家經驗或者數據構建模型來確定基線值[15- 17]；在生境變化不大的區域可采用參照點位法,用受損區域周圍未受影響的區域的生態狀態作為基線值[18]。此外,在研究較為成熟的湖泊生態系統中,美國環境保護署(U.S.EPA)在指南中推薦統計學方法,即選擇樣點群中某一點位的數值作為基線值[19]。目前在土壤基線研究中,學者一般采用參照點位法和統計學方法對城市、礦區、湖泊周圍的土壤重金屬元素含量和分布進行研究,以確定區域內受到人類工業活動的環境污染及污染程度[20-22]。然而,并非所有方法都適用于森林土壤基線判斷中。首先,森林土壤對環境、氣候、植被及人為干擾十分敏感,存在巨大的時空變異性[23],同時森林常位于人類難以到達的閉塞區域,歷史數據缺失且相關標準不足；其次,專家判別法僅能依靠專家經驗判別區域有無受損,無法定量確定損害程度和基線值；再次,不同生態系統受到的干擾源不同,在其他生態系統中使用的模型,在森林土壤基線的判定中往往不顯著[24]。因此,尋找出合適的能判定森林土壤基線的方法顯得十分重要。本研究主要目的在于：1)對已存在損害基線的研究方法進行篩選；2)運用篩選后的方法進行實例研究和分析,確定這些方法的適用范圍,以選擇判定森林土壤基線合適的方法。

1 研究區概況和研究方法

1.1 研究區概況

圖1 研究區位置Fig.1 Direction of study area

研究地在吉林省東南邊陲白山市的撫松縣。該縣位于松花江上游,長白山西北麓,東經127°01′—128°06′,北緯41°42′—42°49′,面積6153km2,人口28.5萬(2017)。撫松縣屬于寒溫帶濕潤氣候,四季分明,冷暖階段性變化顯著,年均降水800 mm。區域內地形垂直分化顯著,平均海拔300—700 m。撫松縣森林資源豐富,林地占全縣面積的90%以上,以落葉松為主的針葉林和紅松針葉闊葉混交林為主。撫松縣獨特的自然條件非常適宜人參生長,素有“中國人參之鄉”的美譽。該地區是我國最早有人參栽培的地區,人參栽培始于1567年,距今已有450年歷史。但是,隨著人參需求的擴大,人參種植面積也不斷增加,森林結構失調、面積減少,水土流失現象嚴重[25]。

1.2 研究方法

本研究于2015年7—8月在研究區進行土壤樣點采集(圖1)。基于典型取樣原則,首先根據遙感影像確定林地及還林地位置,再進行實地取樣,共采集29個樣地,其中一個樣地作為參照區樣地,無人參種植及其他人為干擾。土壤樣地為1 m×1 m方格,分別記錄土壤樣地的經緯度、海拔、棄耕時間、還林時間、群落類型、土壤類型、枯落葉厚度等內容,每個樣方內先去掉土壤表層覆蓋物(殘值、枯葉等),再用五點法取樣地中10—20 cm層土樣,混合后裝入土壤袋(200 g)帶回實驗室,總計29個土壤樣本數量。實驗測定每個樣本的TOC、P、N、K、B、Mn、Ca、Zn、Cu,同時測定樣本中pH值、平均粒徑(APS)、陽離子交換量(CEC)等指標(表1)。其中,pH值采用電位法測定；CEC采用中性乙酸銨法測定；TOC含量采用重鉻酸鉀容量法測定；N含量采用微量凱氏法測定；P含量采用酸溶-鉬銻抗比色法測定；K含量采用乙酸銨浸提-火焰光度法測定；Ca采用EDTA容量法測定；其余指標含量使用ICP-MS(Agilent USA)測定[26,27]。

表1 樣本指標數統計

TOC: Total Organic Carbon; N：Alkali-hydrolysable Nitrogen; P: Available Phosphorus; K: Quick Available Potassium; B: Available Boron; CEC: Cation Exchange Capacity; APS: Average Particle Size

1.3 數據分析

本研究篩選了U.S.EPA推薦的群體分布法、三分位法以及被廣泛應用的回歸模型法分別對樣本土壤指標進行測算。通過3種方法計算得出各自基線值,再分別與該地區歷史數據進行比較,分析3種方法的科學性與適用性。

群體分布法(Population Distribution Method, PDM),該方法以評價區內所有樣點(除去已知損害嚴重的樣點)為樣本,選擇每個指標數據頻數分布的后25%作為該地區的基線值[28-29](圖2)。本研究將采集的土壤樣點各指標值按從小到大順序排列,選擇每個指標值后四分位的數作為基線值,由于樣本數量不能被4整除,后四分位數由其相隔兩個數按比例計算得出。

三分位法(Trisection Method, TM),該方法對評價區內所有森林樣點指標值進行排序,選擇數據中最好的三分之一的中位數作為基線值(圖3)。本方法包含了所有樣點數據,將樣點各指標值按從小到大順序排列,選擇指標數值最大的后三分之一的中位數作為基線值[19]。

圖2 群體分布法示意圖Fig.2 Diagrammatic sketch of PDM

圖3 三分位法示意圖Fig.3 Diagrammatic sketch of TM

回歸模型法(Regression Model Method, RMM),該方法通過對現有樣點數據進行處理,運用模型確定解釋變量和被解釋變量的關系[15,30]。被解釋變量通常為基線指標值,如某種營養物質的濃度、物種數量等。解釋變量可以為生態風險源,如人為干擾時間、破壞程度等,也可以為某些有利因素,如綠地占有率、植被恢復時間等。不同研究選擇的解釋變量不同,回歸模型也需根據基線判定情況來確定。人參種植是目前對研究區域內森林生態環境威脅較大的人為干擾之一,森林被不斷砍伐來滿足日益增長的人參需求,但人參種植會使土壤養分流失愈加嚴重[31],人參棄耕后需要至少3—5年來恢復土壤養分,才能再重新種植樹木。林地的土壤狀態遠好于參地,人參還林地的土壤狀態也因還林時間的不同而呈現較大差異。本研究根據其他研究成果,以參地還林時間、pH值、土壤平均粒徑、土壤陽離子交換量(CEC)等可能影響土壤指標含量的因素作為解釋變量,以土壤元素含量作為被解釋變量建立回歸模型(公式1)。由于部分樣點存在人工施肥和新填土現象,因此某些樣點元素數值與該地本底值存在差別,剔除異常值(與均值相差3倍以上),再進行回歸,形成不同指標的回歸模型,計算每個解釋變量在最優樣點集(前50%)中的平均值代入回歸模型中,作為該方法的基線值。

Yi=β0+∑βiXi

(1)

式中,Xi代表影響樣點的解釋變量,Yi代表土壤指標數值,i代表不同樣點。

2 計算結果

通過公式1計算得到的土壤各元素回歸模型,見表2。

將影響土壤指標的因素分別進行回歸后,得到不同的模型公式。結果顯示,還林時間與所有土壤指標都成正相關關系,說明森林土壤狀態好于參地或者撂荒地,且還林地隨著還林時間的增加,土壤各項指標含量均有不同程度增加。土壤中營養物質含量與土壤陽離子交換量、pH值和平均粒徑均呈現正相關關系,B元素含量與pH值呈現負相關關系,金屬元素含量與pH值呈現正相關關系。Ca的相關系數最高,與影響因素相關度最高,達到0.836；B的相關系數最低,達到0.499。在回歸模型的方差分析中,所有回歸模型的P值均<0.05,說明回歸模型顯著有效。將所有樣點中影響因素最優樣點集的均值帶入回歸公式中,得到每個指標的基線值 (表3)。

表2 不同指標的回歸模型

X:還林時間, Forest returning time;Y:土壤pH值, Soil pH value;Z:土壤平均粒徑, Soil average particle size;W:土壤陽離子交換量, Soil cation exchange capacity.

表3 三種方法確定的土壤指標基線值、參照點值及歷史均值

—為未記載; PDM: Population distribution method; TM: Trisection method; RMM: Regression model method

圖4 3種方法基線值與樣本均值的差異比Fig.4 Difference ratio between three methods′ baseline and average value TOC: Total Organic Carbon,總有機碳

結果顯示,三分位法確定的基線值最高,群體分布法確定的基線值最低,回歸法確定的基線值居中。3種方法的基線值均低于參照點位的土壤指標值,其中TOC含量差別最大,參照區土壤TOC含量是平均基線值的3.2倍,Ca含量是平均基線值得2.1倍,說明無人為干擾林地土壤狀態好于還林地土壤,人參種植對于土壤肥力產生不利影響,且影響持續時間較長。本研究選擇中國土壤數據庫及相關文獻中長白山撫松地區的土壤微量元素平均值作為歷史均值[32-33],結果發現,除N和Zn外,3種方法的基線均值均大于歷史均值,其中TOC和P的基線均值均大于歷史均值2倍以上；但土壤中金屬元素含量差異較小,平均差異為4.7%,說明近幾十年來該地區人為活動較為頻繁,在人參種植和還林過程中已經改變部分土壤性狀,土壤肥力明顯增強。此外,通過3種方法得出的基線值的相互比較,群體分布法的基線值和三分位法基線值相差較大,最大(N)差異為52.34%,最小(Mn)差異為11.81%,平均差異為25.78%,且非金屬含量差異(32.34%)大于金屬含量差異(17.57%)；回歸模型法和群體分布法數值差異較小,最大(P)差異為38.31%,最小(B)差異為0.01%,平均差異為12.34%。土壤中非金屬元素含量波動比金屬元素含量波動大,樣點中指標差異最大的為N,極值相差82.19倍,差異最小的為Zn,極值相差1.86倍,3種方法計算非金屬元素基線值的差異(20.9%)也大于金屬元素基線值的差異(11.5%)。一般判斷基線的方法是取參照樣點的均值,除群體分布法中的P外,本研究的3種方法的指標基線值均大于均值,其基線值分別是均值的1.14、1.35、1.21倍,其中差異最大為三分位法的N,是均值的1.82倍,最小為群體分布法的Zn,是均值的1.03倍；各指標值中,差異最大的為N,平均是均值的1.48倍,差異最小的為Cu,是均值的1.12倍(圖4)。

3 討論

3.1 3種方法結果分析

從結果中看,樣點中極值將顯著影響群體分布法和三分位法的結果。由于森林樣點選取的隨機性以及土壤空間異質性,某些樣點的某些指標存在高異常值,如果異常值占到總樣本數量的15%,三分位法確定的基線結果將偏高,如果異常值占到總樣本的25%,群體分布法確定的基線結果將偏高。對于回歸模型法而言,解釋變量的相關性將決定模型預測的準確性。在其他生態系統中,農業種植活動,牲畜養殖和人口密度都顯著影響土壤營養物質含量[34]。本研究中土壤營養物質含量均與人為干擾有關,人為干擾影響越小,土壤營養物質含量越高,這與已有研究成果結論相似[35]。此外,非金屬元素基線值的差異大于金屬元素的差異,尤以N、P兩者差異值最大,這是由于該地區屬于落葉闊葉混交林,不同樹種養分攝取側重存在差異[36],人為干預(施肥、移土、枯落葉清理)對N、P的影響較大[37],造成樣點N、P含量差別較大。在所有指標中,P的極值比最大,達到82.2倍,最小的是Zn,為1.86倍。已有研究結果表明樹木枯落葉分解后土壤P、N、TOC含量有顯著增加趨勢[38-40],本研究部分樣點枯落葉大量存在且無人為清理,造成這些樣點中非金屬元素含量極高,基線測定結果偏高；而該區域周圍并無工礦業和制造業活動,所以樣點間金屬元素含量差異較小。為避免單一因素的影響,在確定森林土壤基線時,應在遠離人為活動的地區連續采集不同季節的土壤指標值,或避免選擇落葉較多或者人工施肥、移土的地方進行土壤收集。

3.2 不同基線方法在該地區的適用性分析

雖然樣本均值是判定生態狀態的常用指標,但在該地區作為基線不適宜,均值只能反映一個地區受干擾的平均狀態,受極值影響巨大,基線是反映區域未被干擾前的良好狀態,一般用以描述區域內人為干擾少、生態系統功能健全的樣點,若選擇均值作為基線值,將導致損害程度判定和修復難度的低估,造成生態損害鑒定的不準確。在本研究的樣點中,非金屬元素受環境影響巨大,個別樣點出現高異常值,樣本均值被嚴重高估,造成結果失真。群體分布法和回歸模型法均將異常點值去掉,能更加準確評估該地區原始狀態而非均化狀態。歷史數據法在該區域同樣不適用。首先,該地區的歷史數據基于長白山地區,該地區分布著山地暗棕壤土、棕色針葉林土、亞高山疏林草甸土和高山苔原土等不同類型土壤,不同類型土壤性狀不同,土壤元素含量和評價區差異較大,影響基線準確度。其次,歷史數據采集時間較為久遠,經過人為擾動后生境狀態發生改變,歷史數據不能準確反映土壤目前情況,影響基線準確度。參照點位法在該地區應用同樣受限。本研究選擇的參照點選擇在人參還林區旁邊的原始森林中,但測定的土壤指標值遠大于測定基線值。在實際操作過程中,森林情況復雜,參照點位的選擇存在偏差,易導致基線值偏高。

3.3 3種方法應用的優勢與不足

群體分布法及三分位法計算簡便,數據利用率高,結果可比性強。兩種方法確定的基線均是人為設定的,該基線值有可能落在樣本中,也可能存在于未采集的區域中,還可能并不存在于自然界中,但基線值的大小能夠反映過去評價區內的生態系統狀態,對損害程度的判定起到關鍵作用,適合在研究區較小范圍內進行基線判定。隨著樣點區域的擴大,樣點區的優勢物種、土壤理化性質、氣候條件等均不一致,在此狀態下得出的基線值與原區域的生態狀態不一致,在樣點差異較大的情況下得出的基線值可能會失真。回歸模型法可充分利用現有數據,可以在樣本數據有限的情況下進行基線判定,靈活度高,適用范圍大。該方法下的基線值與樣本均值差異較小,與通用的生態評價方法得出的結論差異性小,也更易被接受和采納。但該方法在判定過程前需要對評價區進行風險識別,建立風險源或影響因素與基線指標的關系,在實際操作過程中要求較高。在很多情況下,若未找到基線指標值與影響因素直接的關系或兩者相關性不顯著,將無法使用該方法作為基線判定的方法。此外,異常值在樣本數量較少情況下將顯著影響結果。本研究中個別還林地、人參轉林地土壤經過施肥后的TOC、P含量顯著高于其他樣點值,回歸分析時未采用該樣點數據。在實際操作過程中應去除異常值或將被解釋變量進行對數化(log)處理后做回歸分析[19,41],以避免基線值受到過多異常值的影響。回歸模型法最大的缺陷在于過于依賴現有樣本數據信息,然而在參照點位信息不足時,回歸法是為數不多能夠確定基線值的方法。

3.4 3種方法適用范圍討論與最優方法確定

在本研究中,三分位法判定的基線值大于群體分布法的基線值,但不能簡單認為三分位法更優于群體分布法,應根據不同需要來選擇不同的方法。通過與樣本均值相比,群體分布法與均值相差比例遠小于三分位法與均值之差,說明三分位法受到極值影響更明顯,三分位法更加適合受人類干擾不大的區域[42-43]。隨著人類活動的日益頻繁,在某一區域尋找完全沒有人類影響的區域顯得越來越困難,兩種方法的應用也受到較大限制,雖然有研究表明基線的樣本中應有10%來自未受干擾區域并對人為干擾來源進行校正[44],但本研究認為為了增加基線的準確性,在小尺度范圍內,樣本中至少應有25%來自未受干擾區域,并且土壤樣點盡量避免選擇人工林地或較短時間的還林地。隨著生態損害鑒定研究尺度的不斷擴大,回歸模型法憑借著其靈活度廣和適用性強被廣泛應用。在未來大尺度的基線確定中,火災頻率、動物活動情況、人工干預措施等有可能影響回歸模型準確度的因素也應該被考慮進去[45],將多因子解釋變量加入回歸模型,并采用廣義線性回歸模型等措施將顯著增強基線回歸預測的準確性[46]。對于回歸模型法而言,樣本的數目決定了數據的質量,進而影響回歸模型法判定基線的精度。樣本越多,回歸分析受極值的影響越小,但樣本的采集將花費巨大的人力物力,在實際操作過程中存在諸多困難。如何尋找合適的樣本數量為生態損害提供合理的基線評估成為未來研究的對象。通過本次實例分析,我們建議在人類干擾不大的區域內進行基線評估時,原則上樣點數量不少于25個。

4 結論

本研究對森林土壤損害基線的確定方法進行了研究,提出了針對森林土壤損害基線的3種方法,群體分布法、三分位法、回歸模型法,并以吉林省撫松縣長白山地區落葉闊葉混交林進行實例分析,驗證了這3種方法在判定過程中準確性和可行性。基于3種方法的判定結果可知,3種方法均能在基線判定中應用,但不同方法確定的基線值不同,三分位法確定的基線值最高,群體分布法最低,回歸模型法和群體分布法數值差異較小,三分位法與樣本均值差異較大。在具體應用中,群體分布法及三分位法計算方法簡便,結果可比性強,但易受樣點極值的干擾,導致基線值偏高,兩種方法適用于受人類影響不大的區域。隨著研究尺度的擴大,回歸模型法充分利用有限數據進行推算,在數據有限的情況下是較好的基線判定方法。目前,對土壤損害基線的表征指標和判定方法仍處在探索階段,不同地區可根據實際情況采用多種方法共同確定基線。未來在制定土壤損害鑒定評估工作中,首選回歸模型法,在回歸模型法無法得出基線值得情況下,再選擇群體分布法和三分位法作為補充。隨著基線內涵的不斷豐富和數據的充實,未來對森林損害的界定還包括樹木的損害,而基線界定的內容也將由單一的土壤元素含量值向樹木種類、結構、年齡、密度、空間分布等多角度多指標擴充。通過對樹木和土壤基線的綜合測定,為森林損害程度的判斷和經濟評估提供科學依據。