大兴安岭北部不同降水梯度下兴安落叶松生长对升温的响应差异

目的为了解大兴安岭北部不同降水梯度下,兴安落叶松径向生长与气候关系是否存在差异,尤其是对最近的升温是否存在不同的响应。方法本文在大兴安岭北部沿降水梯度选择3个采样点?莫尔道嘎（Moerdaoga,ME,年降水量363 mm）、图里河（Tulihe,TLH,454 mm）和阿里河国家森林公园（Alihe,ALH,525 mm）进行树轮取样。运用树轮气候学方法,分析了气候变暖背景下兴安落叶松生长?气候关系随降水梯度的时空变异规律,并探讨兴安落叶松生长应对极端气候的抵抗力、恢复力和弹性力。结果不同降水梯度下,降水对兴安落叶松径向生长影响差异较小,仅有TLH兴安落叶松生长与当年8月和上年秋季降水呈显著正相关。温度是兴安落叶松径向生长的主要限制因子,但在不同降水区存在显著差异。在低降水区域（ME）,生长季最低温度是兴安落叶松生长的主要限制因子;在中降水区域（TLH）,上年9月最低温度对兴安落叶松径向生长的影响最强;在高降水区域（ALH）,均温和低温是影响兴安落叶松生长的主要气候因子,上年秋季和冬季温度升高不利于当年兴安落叶松生长增加。综合温度与降水的帕默尔干旱指数（Palmer Drought Severity Index,PDSI）表明,ME采样点兴安落叶松生长与PDSI关系不显著,TLH兴安落叶松生长与PDSI显著正相关,ALH兴安落叶松与PDSI显著负相关。20世纪80年代快速升温后,3个采样点兴安落叶松的径向生长出现与升温相反的趋势。ALH采样点相比其他两个采样点应对极端气候有较高的抵抗力,但恢复力较弱。结论我们的结果表明环境水分的多少会影响兴安落叶松对未来气候变暖的响应,尤其是在生长应对极端气候的抵抗力和恢复力上可能会存在较大差异。      

小兴安岭凉水典型阔叶红松林林冠干扰特征分析

依托小兴安岭凉水阔叶红松林动态监测样地, 运用样方法和树木年代学方法, 调查了样地中6hm2典型阔叶红松林内扩展林窗(≥50m2)特征, 分析了小兴安岭典型阔叶红松林林冠干扰特征及形成原因。结果表明: 林窗平均密度为7.67个/hm2, 平均产生速率为0.08个/(hm2·a), 干扰频率为0.42%/a, 干扰周转期约240年。林窗形成树种主要是红松(50.22%)、臭冷杉(9.78%)、枫桦(7.78%)以及腐烂程度较严重而无法判别的树种(10.44%), 死亡方式主要为干基折断(54.9%)。林窗由多种死亡方式共同形成, 3种以上形成方式占70.83%。每个林窗形成木平均为9.38 株, 且腐烂等级较高。小径级木是林窗形成的受害者, 而不是贡献者; 针叶树对林窗形成的贡献远大于阔叶树。林窗边缘木平均胸径为46.68cm, 平均树高23.6m, 以红松为主(63.08%)。边缘木中臭冷杉生长最快, 红皮云杉和色木槭生长最慢。不同等级林窗内形成木和边缘木的种类和组成相似, 林窗形成木界定标准对判定林窗形成方式影响很大。综合多种方法调查大、中型林窗及大径级形成木, 可提高林窗干扰历史重建及成因判定的准确性。此外, 利用分层解析法可将发生过2次或多次干扰的大、中型林窗形成与发展过程动态解析, 这对理解林窗干扰动态及森林群落演替至关重要。      

小兴安岭南部臭冷杉红松林树轮指数记录的7月NDVI变化

目的归一化植被指数(Normalized difference vegetation index, NDVI)是应用最广的遥感数据之一，已被广泛应用于森林生态系统净初级生产力(Net primary productivity, NPP)的估算。但其缺点是实测数据时间较短，而基于树轮资料重建NDVI序列可在一定程度上弥补NDVI时间序列短的问题。方法本文研究了小兴安岭南部黑龙江省依兰县丹青河林场内红松、臭冷杉和蒙古栎的树轮宽度数据与NDVI的潜在关系，重建了小兴安岭南部地区过去的NDVI变化。结果红松、臭冷杉和蒙古栎树轮指数与当年7月的NDVI显著正相关，3个树种合成的样地年表与7月NDVI的相关性高于单个树种年表。样地年表和7月NDVI对气候因子(温度和降水)的响应一致；均与上一年10月至当年3月温度呈正相关，与当年4—7月温度呈负相关，与当年3月降水呈负相关，与4—7月降水呈正相关。因此，基于样地年表与7月NDVI的关系，利用一元线性回归模型建立二者之间的拟合方程，重建了过去115年的NDVI数据，方程的方差解释量达42.6% (R_adj2=0.401, F=17.08, P < 0.000 1)。重建结果显示，自1900年以来NDVI序列存在2个高值时期(1967—1978、1986—1995)和3个低值时期(1920—1925、1949—1954、1999—2004)，NDVI的低值时期与该区域旱灾历史记录相吻合，因此干旱可能是导致该区域NDVI低值的主要原因；此外，砍伐、林火等因素也会导致NDVI值下降。结论建立树木年轮与NDVI的关系时应综合考虑NDVI投影范围和样地多树种组合以减少重建误差。