北京市经济林生态系统服务功能评估

依照《森林生态系统服务功能评估规范》（LY/T 1721-2008）,以北京市13个区县、14个经济林树种为研究对象,定量评估北京市经济林生态系统服务功能。结果表明,北京市年经济林生态系统涵养水源和保育土壤等7项评估指标总价值为78.41亿元,以涵养水源（30.15亿元·a^-1）、固碳释氧（17.42亿元·a^-1）、净化大气环境（11.59亿元·a^-1）为主;北京市各区经济林生态系统中密云区、平谷区和怀柔区的服务价值相对高于其他区县;以板栗林生态服务价值量较高（29.90%）;北京市各项生态服务功能空间分布格局由大到小基本呈现为:东北部、西北部、西南部、东南部、中部。     

抚育间伐对小兴安岭天然次生林中云杉、冷杉的碳密度分配与竞争的影响

间伐改变林分环境,也对林木生长、森林碳储量及林木竞争关系造成一定影响,研究15%、25%、35% 3个间伐强度处理8 a后小兴安岭天然次生林中杉木的径阶分布、碳密度分配特征及竞争指数,对森林经营的指导和森林碳汇发展有重要意义。结果表明,35%抚育间伐强度均使杉木径阶分布频率偏离正态性;间伐改变了林木各器官碳密度的分配,其趋势是随着间伐强度的增大树干碳密度占总量的比例先减小再增加,而树枝生物量分配规律则呈逐渐减小的趋势;25%和35%间伐强度,杉木地上部分的生物量和碳密度均显著大于对照样地,其中25%间伐强度时生物量和碳密度最大,而15%间伐强度的杉木生物量与对照样地无显著差异,而碳密度却小于对照样地;同CK相比,T₁₅样地杉木的Hegyi竞争指数减少了2.05%,而T₂₅、T₃₅分别增加了36.07%和14.66%;冗余分析（RDA）结果表明,Hegyi竞争指数、间伐强度共同解释了碳密度变化的61.3%,且Hegyi竞争指数增长不利于林分碳密度增加,竞争压力通过改变各器官的碳密度来响应。     

日本森林疗养研究概况及其启示

在对日本森林疗养文献查询与阅读的基础上,通过对相关文献的分析,将日本森林疗养研究分为森林疗养效益实证研究、森林疗养基地研究及自然体验活动研究三个方面内容进行阐述,并将日本森林疗养的概念、研究内容与我国的森林康养进行比较,最后对中国森林康养产业发展做出展望。     

基于产业精准扶贫辽宁省枫林谷森林公园跨界利益实现机制案例研究

产业扶贫是实现稳定脱贫与解决相对贫困的根本之策。森林公园建设与运营管理涉及地方政府、央地关系、社区居民、产业企业、当代后代等多主体、多层次、跨世代的跨界利益问题。文章基于产业精准扶贫视角,以辽宁省枫林谷森林公园为例,综合运用案例剖析与深度访谈等研究方法,探索出森林公园跨界利益实现机制的有益做法:衔接政策边界,塑造协同共推机制;优化区划边界,开拓辐射带动机制;打通产业边界,催生融合衍生机制;善用群体界别,健全利益分享机制;弥合世代界限,构建永续发展机制。并就如何进一步完善森林公园跨界利益提出探索方向与思路。     

海南西部热带雨林次生林土壤易氧化有机碳分布特征及影响因素

【目的】检测云南八角主产区林地土壤重金属污染水平,为八角产地土壤环境质量评价、潜在 风险评估提供参考依据。【方法】以云南省文山州 7 个县的八角林地土壤为研究对象,测定土壤重金属 As、 Cd、Cu、Cr、Pb、Hg、Zn 和 Ni 的含量,应用单项和综合污染指数对林地土壤重金属污染风险进行评价。 【结果】检测区土壤重金属变异系数在 7.11%~18.75% 之间,Hg、As、Pb、Cr 的平均含量超过云南省土壤重金 属背景值,As、Pb、Cu 超过风险筛选值。污染评价表明,As 单因子污染指数平均值最高为 1.99,为警戒级别, 内梅罗综合污染指数评价为轻污染;潜在生态风险因子和潜在生态风险指数均处于低风险等级,其中 Cd 生态风 险因子最高;地质累积指数 Hg 和 As 在 1~2 之间,为中度污染等级。聚类分析表明,林地土壤重金属 As、Pb、 Cd、Cu、Zn、Hg 主要受土壤母质和人类活动的共同影响,Cr 和 Ni 来源相似,主要为自然来源。【结论】云南 八角种植区土壤重金属含量差异较大,受人类活动和成土母质的共同影响,部分区域重金属存在一定程度的超 标现象。     

西北旱区不同覆膜和灌溉水平下的玉米冠层氮含量垂直分布及高光谱反演

为探究不同覆膜和灌溉水平下玉米叶片氮含量垂直分布特征及其遥感反演规律,2020年在甘肃省武威绿洲农业高效用水国家野外科学观测研究站进行大田试验,设置3种灌水量水平(春玉米灌溉需水量的100%(W₁₀₀)、70%(W₇₀)和40%(W₄₀))和3种覆膜处理(不覆膜(M₀)、普通塑料膜(M₁)和生物可降解膜(M₂)),测定春玉米在不同灌水量和覆膜条件下叶片氮含量垂直分布、冠层反射特征和反射率与叶片氮含量等指标,并采用随机森林法构建氮含量估测模型分析垂直分布的叶片氮含量。结果表明,相同灌水处理的玉米冠层叶片中氮含量由高到低为M₀>M₂>M₁,M₀比M₂的上、中、下部位叶片氮含量分别增加6.78%、5.11%、2.55%,M₂比M₁的上、中、下部位叶片氮含量分别增加7.14%、5.24%、5.39%。相同覆膜条件下玉米冠层叶片氮含量由高到低为W₁₀₀>W₇₀>W₄₀,W₁₀₀比W₇₀的上、中、下部位叶片氮含量分别增加6.84%、6.23%、7.74%,W₇₀比W₄₀的上、中、下部位叶片氮含量分别增加4.41%、3.32%、9.49%。在M₀W₁₀₀处理中,玉米冠层叶片氮含量从上到下依次减小,上部比中部叶片氮含量增加7.44%,中部比下部叶片氮含量增加7.60%。在相同覆膜条件下,在可见光波段范围内,冠层反射率随着灌水量的增加而降低;在近红外波段范围内,冠层反射率随着灌水量的增加而增加。综上,基于随机森林的春玉米不同垂直部位叶片中氮含量估算模型均与实测结果相吻合(验证的R²>0.5),上部叶片中氮含量估算精度最高(R²为0.63,RMSE为1.66 g/kg,RPD为1.57),其次为中部叶片(R²为0.73,RMSE为1.66 g/kg,RPD为1.30),精度最低的下部叶片(R²为0.00)。     

我国林业鼠（兔）害发生现状及防治技术研究进展

林业害鼠（兔）是我国4大类林业有害生物之一,对林业生产和生态建设造成严重危害,探讨其分布范围、发生现状及防治措施对保护我国森林资源具有重要的理论和实践意义。文中论述了我国林业害鼠（兔）的主要种类、发生现状、分布范围、危害程度,并简要回顾了不同防治措施的发展历程,总结归纳了取得的防治效果及近年来涌现出的新技术、新药剂,指出了当前在我国林业鼠（兔）防治工作中存在的主要问题,并提出了将来林业鼠（兔）害防治研究设想,以期为我国林业鼠（兔）害防治技术的后续研究和科学治理提供参考。     

中国台湾地区森林疗愈发展计划及其内容

发展森林康养是新兴的森林可持续经营方式,是缓解现代社会压力有效而简捷的措施,也有助于弥补预防医学领域的短板。发展全民健康养生和森林康养产业是时代所趋,同时也符合乡村振兴战略的目标。文中以中国台湾地区“林务局”编写的《森林疗愈发展策略暨行动计划书》为基础,重点梳理台湾地区森林疗愈计划的内容,包括“森林疗愈的发展趋势”“森林疗愈场地选址原则”“森林疗愈课程与运营规划”“森林疗愈发展策略方案”4项议题;总结森林疗愈发展的过程、内容和进展,目的是为进行森林康养规划、编制相关经营计划以及调整研究方向提供参考。     

云南宝台山国家森林公园森林资源现状分析

为掌握云南宝台山国家森林公园的森林资源特点,并为制定森林公园的森林资源保护与利用规划提供依据,对该公园2019年森林资源监测数据进行了分析。结果表明:该森林公园林地面积占公园总面积的99.4%,森林覆盖率高达90.50%。林地以有林地为主,面积占比为90.9%。森林起源以天然为主,面积占比为77.8%;人工起源为辅。优势树种以栎类为主,面积占比为45.9%;其次为云南松林,面积占24.1%;再次为核桃林,面积占17.7%。栎类的蓄积量超过总蓄积量的一半,达51.4%;其次为云南松;再次为栲类。森林的龄组以中龄林为主,面积占比为55.2%;幼龄林的面积比例过小。     

基于ICESat-GLAS数据和回波仿真原理识别森林类型

【目的】利用星载激光雷达波形数据对森林类型识别时,受地形、噪声和林层结构等因素影响,针叶林、阔叶林和混交林森林类型识别精度较低,为提高森林类型识别精度,需提取与森林类型相关的波形特征参数。【方法】结合回波仿真原理与林分冠层特征对GLAS回波波形进行理论分析,提出了与森林类型相关的波形特征参数Rcafit1-47、K1-47,并与其他森林类型相关的波形特征参数进行联合,建立多种波形特征参数组合,用于森林类型识别。【结果】1)针叶林和阔叶林森林类型识别时,波形特征参数组合Rcafit1-47、K1-47森林类型总体识别精度为92.86%,优于另外两种波形特征参数组合AGS、MSGS和AGS、SGS森林类型总体识别精度;2)针叶林、阔叶林和混交林森林类型识别时,波形特征参数组合Rcafit1-47、K1-47森林类型总体识别精度为77.03%,低于另外两种波形特征参数组合AGS、MSGS和AGS、SGS森林类型总体识别精度;3)波形特征参数Rcafit1-47、K1-47与其他波形特征参数组合后能够提高森林类型识别精度,其中,Rcafit1-47、K1-47、AGS、MSGS参数组合森林类型识别精度最高,针叶林和阔叶林森林类型识别精度为94.64%,针叶林、阔叶林和混交林林分类型识别精度为89.19%。【结论】提出的波形特征参数Rcafit1-47和K1-47在针叶林和阔叶林森林类型识别方面具有明显优势,而且与其他波形特征参数组合后能够明显提高针叶林、阔叶林和混交林3种森林类型的识别精度。