EN中文

Arid Zone Research >

2025 , Vol. 42 >Issue 12: 2343 - 2354

DOI: https://doi.org/10.13866/j.azr.2025.12.16

Agricultural Ecology

Health assessment of farmland shelterbelts in northern Xinjiang: A case study of the 150th regiment in Mosuowan

  • ZHANG Yongping , 1, 2 ,
  • WANG Yongdong 1 ,
  • ZHOU Zhibin , 1 ,
  • SHAN Jidong 3
Expand
  • 1 National Technical Research Centre for Desert-Oasis Ecological Construction Engineering, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, Xinjiang, China
  • 2 University of Chinese Academy of Sciences, Beijing 100049, China
  • 3 Agricultural, Forestry and Grassland Center of the 150th Regiment, Shihezi City, the 8th Division, Shihezi 832056, Xinjiang, China

Received date: 2025-04-24

  Revised date: 2025-11-11

  Online published: 2026-03-12

Fold

Abstract

The health of farmland shelterbelts is crucial for ensuring the sustainable development of agriculture. This study focused on the 150th Regiment of the Mosuowan Reclamation Area as the study area and constructed a farmland shelterbelt health evaluation system comprising three first-level indicators (stand structure, soil characteristics, and climatic characteristics) and 22 second-level indicators. The entropy method was used to calculate the indicator weights and the shelterbelt health index, and the health status of the shelterbelts in the study area was analyzed. The results showed that the farmland shelterbelts in the study area exhibited significant gradient degradation, following a “core-vulnerable-edge” pattern. Overall, the farmland shelterbelts were unhealthy, with a health index of 0.4810. Among them, the core area (health index=0.7227) and the vulnerable area (health index=0.7667) were classified as healthy, while the edge area (health index=0.2167) was unhealthy. Targeted soil improvement is necessary for the degraded forest belts in the core area. Forest belt repair and phosphate fertilizer supplementation should be prioritized in the vulnerable area, and systematic management of salinized land is required in the edge area. This evaluation system provides a multidimensional assessment tool for the precise restoration of degraded shelterbelts in arid areas and effectively supports the scientific decision-making of systematic restoration projects for degraded forest stands.

Key words： farmland shelterbelts; health evaluation; index system; oasis; Gurbantunggut Desert

Cite this article

ZHANG Yongping , WANG Yongdong , ZHOU Zhibin , SHAN Jidong . Health assessment of farmland shelterbelts in northern Xinjiang: A case study of the 150th regiment in Mosuowan[J]. Arid Zone Research, 2025 , 42(12) : 2343 -2354 . DOI: 10.13866/j.azr.2025.12.16

农田防护林作为人工构建的多功能林带系统，通过乔木、灌木及草本植物的合理配置，能够有效抵御风沙侵蚀并改善区域微气候、优化农田生态环境、提升农业生产力[1]。该系统在维持生态平衡、保障粮食安全及促进可持续农业发展等方面具有显著的生态服务功能，在作为生态屏障维系小区域生态系统稳定与促进工农业可持续发展层面具有不可替代的生态经济价值[2-4]。研究区位于天山北麓，处于准噶尔盆地南部，风沙灾害频繁、降水稀少及生境脆弱，农田防护林在提高农作物产量和保障绿洲生态安全方面具有极其重要的作用。然而，近20 a以来，由于农业快速发展导致农林争水矛盾突出[5-6]。受灌溉入渗与开采活动影响，地下水埋深持续增加，导致水资源供需失衡，农田防护林灌溉保证率下降，农田防护林网密度与连通性未达优质标准，生态屏障功能减弱，农田防护林生态服务功能减退[7-9]。在典型的绿洲-荒漠过渡带，受病虫害频发、水分补给不足及混交比例偏低等问题导致农田防护林出现明显衰退[10-12]。这些问题加剧了古尔班通古特沙漠南缘绿洲农田生态系统的脆弱性，严重威胁着当地农业可持续发展。因此，构建农田防护林健康评价指标体系，并对其进行健康评价，为绿洲农田防护林建设与可持续经营提供理论依据具有重要的生态意义。
目前，关于农田防护林的研究主要集中在空间结构配置的合理性、防风效应、经营管理及保护农田水土等方面[13-15]。针对防护林的健康评价，于金涛等[16]主要从林分结构、功能、生态环境及健康风险4个维度分析防护林健康状况，并采用健康综合指数进行评价。乔一娜等[17]结合毛乌素沙地榆林防护林生态特征，筛选出林分结构、林分活力、立地条件和干扰因子4个准则层共13项核心指标，构建了干旱区人工防护林健康评价指标体系。但这些健康评价指标体系未能引入防护林带结构现状的指标，比如林带完整性、破碎化[18]等指标。
梁元也等[19]对新疆额尔齐斯河流域六种草地类型的研究表明，海拔升高、降水量增加及温度降低会显著提升土壤碳氮磷含量及相关化学计量比。魏亚娟等[20]研究表明，38 a的植被恢复有效促进了吉兰泰盐湖防护体系的土壤有机碳、全氮、全磷等养分累积。张彬等[21]聚焦天山北坡耕层土壤含盐量的时空变化及开垦年限影响，发现低海拔区域易积盐，且土壤含盐量随开垦年限延长呈下降趋势并趋向“中心化”。张紫淇等[22]针对棉田探究滴灌水盐氮调控对土壤水盐运移的作用，明确土壤盐分在生育期内先减后增，中高盐条件下盐分随施氮量增加而减少；胡焕琼等[23]通过盆栽干旱胁迫试验，设置4个水分梯度探究四翅滨藜幼苗和多枝柽柳的干旱胁迫生态适应性，发现干旱加剧会导致两者叶片含水量下降，保水力升高，四翅滨藜各性状及指标受干旱影响更小，其干旱适应性更优。
本研究将农田防护林作为一个完整的生态系统，系统性地整合林分结构特征[24]、土壤特征[25-27]、气候特征[28]等多重因素，构建了更为全面的健康评价指标体系，使得防护林健康评估更加精准。通过评估研究区防护林的健康程度，利用该指标体系分析研究区防护林的种植合理性及农田防护林的健康状况，识别影响农田防护林健康的主要因素，为干旱区农田防护林的更新改造提供理论依据与数据支撑。

1 材料与方法

1.1 研究区概况

莫索湾150团位于新疆天山北麓的准噶尔盆地西南缘，靠近古尔班通古特沙漠，由22个行政单位组成，包括21个连部和1个团部。场区南北长33.57 km，东西宽17.66 km，总森林覆盖率为38%。该地区气候为温带大陆性干旱半荒漠气候，年平均气温为6.1 ℃，年降水量117 mm，蒸发量高达1945 mm，干燥多风。土壤主要为灰漠土和风沙土，灰漠土占全区面积的67.7%。
150团防护林体系由封沙育林育草带、固沙林带、防沙基干林带、沙区农田防护林带、人居绿化林带构成，形成“带片网融合、乔灌草结合”的立体布局，各林带通过功能协同有效发挥防风固沙作用。研究区绝大多数道路防护林因与农田防护林交织且兼顾两者防护，统称农田防护林。2006—2011年，150团沿古新公路及连队道路分五期建设防风阻沙基干林，总面积331.97 hm2，从一期26.35 hm2分段试点到五期62.46 hm2连片推进，形成“以路为轴”的防护格局。老基干林从1978—2015年累计93.15 hm2，从四支渠两侧33.5 hm2水利防护到2015年干渠西38.81 hm2“干渠-道路”复合防护，与新工程形成时空互补的生态体系。防护林带中纯林占81.66%，造林树种以榆树（Ulmus pumila Linn.）和杨属植物（Populus L.）为主，其中榆树占全团林分及有林地总面积的50.62%。

1.2 研究方法与数据分析

1.2.1 研究方法

新疆莫索湾垦区150团农田防护林健康评价采用了层次分析法和熵值法。层次分析法用来构建评价指标体系，熵值法确定各指标权重，最后通过综合指数计算确定防护林健康等级。

1.2.2 数据来源

本研究综合运用遥感数据、实地调查与辅助数据，构建多源数据融合的分析框架。数据采集覆盖林分结构、土壤特征和气候特征3个维度，具体来源如下：
（1） 遥感数据 采用MODIS/061/MOD11A2数据集，获取8 d合成的地表温度（LST）产品。通过该数据提取地表温度均值、极值及变化趋势，重点分析研究区的温度梯度与农田防护林健康的关联性。风速数据采用欧洲中期天气预报中心（ECMWF）ERA5 全球再分析数据集的10 m高度风速产品，时间范围为2020年风速均值。潜在蒸散发数据采用国家青藏高原数据中心（https://doi.org/10.11866/db.loess.2021.001.）的2022年中国逐月潜在蒸散发数据集，空间分辨率为0.0083333°（约1 km），单位为0.1 mm。相对湿度数据取自 ECMWF/ERA5_LAND/HOURLY 数据集。相关核心指标定义如下：2 m高处空气温度（T）表征环境热状态，是计算当前温度下饱和水汽压（es）的基础；露点温度（Td）表示空气冷却至饱和（相对湿度100%）、水蒸气凝结时的温度，反映实际水汽含量；相对湿度（RH）即实际水汽压（e）与es的百分比（RH=(e/es)×100%），体现空气相对潮湿程度。
（2） 辅助数据 基于奥维地图高分辨率底图，采用目视解译与GIS空间分析技术，建立防护林带空间数据库。量化指标包括林带连续性、结构完整性等指标。通过专业图像分析软件Image-Pro Plus提取防护林结构参数：首先加载50 m标尺图像，建立空间参考系统。再采用多边形工具圈定典型防护林带，设置灰度阈值分割植被区域，完成林带斑块面积、周长及最大连续长度等指标的特征提取。最后导出林带保有率、林带长度、林带最大连续长度、林带最大斑块面积、林带斑块数等关键参数。
（3） 实地数据 通过标准地调查法，在不同树种及结构的样地中系统测量20株标准木的胸径、树高、株行距等生长指标；利用标准化摄影技术获取林带结构影像，结合ENVI 5.2平台算法计算疏透度，量化林带空间特征。地面实测数据为遥感影像解译提供精度验证，显著提升了林分结构的遥感识别能力。结合多源数据，全面评估了农田防护林的结构、功能及其生态作用，为研究区的生态恢复与农业优化提供了科学依据。参照《土壤农化分析》[29]系统测定了土壤有机质、碱解氮、速效磷、速效钾、pH值、水溶性盐分等指标。采用StevensHydra便携式设备进行原位测定，获取0~10 cm表层与30 cm深层的土壤电导率和体积含水量。

1.2.3 数据处理

利用Excel 2019筛选、整理试验数据并进行相应计算，使用R 4.1.2绘制各指标在生态分区的差异图。使用SPSS软件分析，通过熵值法确定各指标的权重、得分及得分率的计算，依据得分率划分健康类型。计算健康指数时，先对林分结构等多维度指标数据标准化，消除量纲差异。再算指标熵值，对差异系数运算后获得指标权重。对标准化数据与权重进行加权得到健康指数。本文参照八达岭林场森林健康等级划分规则[30]，构建研究区农田防护林健康评价等级体系，依据得分率将农田防护林分为3种状态：健康状态（得分率0.7~1.0）；亚健康状态（得分率0.5~0.7）；不健康状态（得分率低于0.5）。
（1） 原始数据的标准化：设共有n个待评价的样本，每个对象都有m个指标属性。由于各评价指标的单位和量纲不同，如果直接使用元数据值进行权重计算，就会突出数值高的指标的作用，而相对降低数值低的指标的作用。因此，为了保证权重计算结果的客观性，需要确定各指标的影响权重。
在熵值法中，评价指标有正向指标和负向指标，正向指标数值越大，表示指标的影响力越强；负向指标数值越大，表示指标影响力越弱，当评价指标为正向指标时，其标准化公式为：
${X\text{'}}_{xj}=\frac{{x}_{ij }-min\left({x}_{j}\right)}{max{x}_{j}-min\left({x}_{j}\right)}$
当评价指标为负向指标时，其标准化公式为：
${X\text{'}}_{xj}=\frac{max\left({x}_{j}\right)-{x}_{ij }}{max {x}_{j}-min\left({x}_{j}\right)}$
式中：i=1，2,···，n； j=1，2，···，m。
（2） 原始数据的无量纲化：一些指标数值在进行了标准化处理后，会出现数字较小或者负值的情况，为了方便计算，将其进行平移处理。由于是线性变换，因此不会影响后续的计算。其公式如下：
${X″}_{ij}=H+{X\text{'}}_{ij}^{ } $
式中：H为指标平移的幅度，一般取值为1。
（3） 通过比重法对原始指标数据进行数值无量纲化，其公式如下：
${e}_{j}=\frac{1}{lnn}\sum _{i=1}^{n}{y}_{ij}ln{y}_{ij}$
式中：i=1，2，···，n； j=1，2，···，m。
（4） 差异系数计算：
计算第j个评价指标的差异系数，其公式如下：
${g}_{j}^{ }=1-{e}_{j}^{ } $
（5） 权重计算：
通过计算得到的熵值和差异系数的数值，可以计算第j个评价指标的权重，其公式如下：
${w}_{j}=\frac{{d}_{j}}{\sum _{j=1}^{m}{d}_{j}}$
式中：j=1，2，···，m。
使用此方法精准确定评价指标体系中各指标的权重分配，为建立科学、可靠的防护林健康评价体系提供关键参数支持。

2 结果与分析

2.1 农田防护林分区依据

150团地貌呈北、东、西三面被流动沙丘区环绕的“沙漠半岛”格局。研究区植被覆盖度有效削弱了风沙侵袭强度。东南部植被指数较高，西部植被覆盖呈斑块化分布，景观连通性差，还发育出多条风蚀破碎带。因此，依据150团绿洲所在区域的立地条件（沙丘类型、土壤水分、植被覆盖度）和风沙活动强度及保护农业生产需求，根据经验由外向内划分为边缘区（距离主风向沙源0~1000 m防护林）、脆弱区（1000~2500 m防护林）及核心区（>2500 m以外）3个分区（图1）。
图1 研究分区示意图

Fig. 1 Schematic diagram of research partition

边缘区沙丘活动性强、风沙侵蚀严重，主要布设防风固沙阻沙林和基干林；脆弱区以绿洲与沙漠交界带为主体，易受风沙侵蚀且生态稳定性差，多为受风沙影响较大或防护林生长退化区域；核心区为绿洲内部农田集中分布区，涵盖村庄、道路及水渠周边。这种分区旨在针对不同区域的防护林特点，制定相应的退化林生态修复策略。

2.2 评价指标体系构建

农田防护林健康状况属于人为界定的概念，需要筛选适宜评价指标并构建科学体系以综合衡量林木健康状态。研究发现，各分区林带垂直结构与空间格局存在显著梯度变化；通过剖析不同区域土壤特性，明确土壤pH值、碱解氮等指标的变化趋势，为土壤管理与生态功能提升提供科学依据；结合气候因素分析，掌握气温、风速等指标的梯度规律，为优化防护林管理策略及树木配置的气候适配性提供支撑。在综合国内外研究的基础上，筛选出涵盖气候、林分结构、土壤特征3类共22项相关指标（图2）。
图2 农田防护林健康评价指标体系

Fig. 2 Health evaluation index system of farmland shelterbelt

2.3 健康评价指标特征

2.3.1 林分结构特征

树高范围为2.36~19.33 m。由图3a显示，从核心区到边缘区，树高指标呈降低趋势。核心区的树高指标均值（10.41 m）较脆弱区（10.14 m）略高，且均远高于边缘区（3.15 m），边缘区树高指标较低，低于核心区约70%。核心区的树高在3个分区中相对最高，边缘区的树高最低。
图3 研究分区林分结构特征对比

Fig. 3 Comparative of stand structure characteristics in study area

树木枝下高范围为0.3~2.55 m。由图3b显示，从核心区到边缘区，枝下高呈降低趋势。核心区的枝下高指标均值（1.34 m）较脆弱区（1.05 m）高，且均高于边缘区（0.7 m），边缘区枝下高指标较低，低于核心区约48%。核心区的枝下高指标相对最高，边缘区的枝下高指标最低。
树木胸径范围为4.8~47.32 cm。由图3c显示，从核心区到边缘区，胸径指标呈降低趋势。不同分区的胸径指标存在显著差异，核心区的胸径指标均值（29.72 cm）较脆弱区（25.11 cm）高，且均远高于边缘区（7.00 cm），边缘区胸径指标较低，低于核心区约76%。核心区的胸径指标相对最高，边缘区的胸径指标最低。
树木疏透度的指标范围为0.14~0.75。由图3d显示，不同分区的树木疏透度存在差异，边缘区的树木疏透度指标均值（0.47）较脆弱区（0.43）略高，核心区（0.33）相对较低，核心区树木疏透度指标低于边缘区约29.8 %。
林带最大林带斑块面积比例的指标范围为1.24%~92.50%。由图3e显示，不同分区的该指标存在差异，核心区的最大林带斑块面积比例指标均值（37.60%）与脆弱区（37.14%）较为接近，边缘区（40.16%）略高，但从最大值来看核心区最大。
林带最大连续长度比例的指标范围为3.68%~99.53%。由图3f显示，不同分区的该指标存在差异，核心区的最大连续长度比例指标均值（53.18%）与边缘区（53.07%）较为接近，且均高于脆弱区（50.19%）。
林带最长断带比例指标范围为0%~89.60%。由图3g显示，不同分区的该指标存在差异，脆弱区的最长断带比例指标均值（9.37%）与核心区（9.65%）和边缘区（9.82%）较为接近，但脆弱区最大值最大。
研究区林带保有率指标范围为3.59%~92.54%。由图3h显示，从核心区到边缘区，变化趋势不明显。不同分区的林带保有率指标存在差异，核心区的林带保有率指标均值（55.94%）与脆弱区（55.73%）较为接近，边缘区（56.63%）略高，但从最大值来看核心区最高。
研究区林带百米斑块数范围为1.46~205.60个。由图3i显示，从核心区到边缘区，变化趋势复杂。不同分区的百米斑块数指标存在显著差异，核心区的百米斑块数指标均值（14.38个）与脆弱区（14.30个）较为接近，边缘区（30.13个）较高，但核心区最大值极大。综上所述，核心区的百米斑块数指标最大值最高，脆弱区和核心区均值接近且低于边缘区。
研究区林带株行距乘积范围为1~20 m2。由图3j显示，从核心区到边缘区，其变化趋势与区域特性紧密关联。不同分区的株行距乘积指标存在显著差异，核心区均值（6.92 m2）与边缘区（6.51 m2）较为接近，脆弱区（5.84 m2）较低；核心区最小值（2 m2）与最大值（20 m2）的跨度较大，且标准差（5.17）为三者最高，表明核心区内不同林带的株行距配置差异更大，多样性更为突出。边缘区标准差（4.72）次之，配置多样性中等；脆弱区标准差（4.12）最小，株行距数值更集中，配置方式相对统一。

2.3.2 土壤特征

林带土壤的有机质指标范围为1.19~43.86 g·kg-1。由图4a可以看出，随着土层深度的增加，3个分区的有机质含量均呈降低趋势（表层>30 cm）。从核心区到边缘区，分区的有机质含量整体呈递减趋势，核心区表层和30 cm均值均最高，脆弱区次之，边缘区最低。边缘区表层和30 cm含量分别低于核心区约66.2%和54.7%。
图4 研究分区土壤特征对比

Fig. 4 Comparative of soil characteristics in the study area

林带土壤的碱解氮指标范围为4.19~239.94 mg·kg-1。由图4b显示，随着土层深度增加，3个分区的碱解氮含量均呈降低趋势（表层>30 cm）。从核心区到边缘区，碱解氮均值呈逐渐降低趋势，核心区表层和30 cm均值最高，脆弱区次之，边缘区最低。边缘区30 cm含量低于核心区约75.0%，表层差异相对较小，约为27.7%。综上所述，核心区碱解氮指标最高，边缘区30 cm深度含量最低，脆弱区与核心区表层差异较小。
林带土壤的速效磷指标范围为0.62~82.49 mg·kg-1。由图4c表明，随着土层深度增加，3个分区的速效磷含量均呈降低趋势（表层>30 cm）。从核心区到边缘区，速效磷均值呈“脆弱区与核心区相近、边缘区最低”的趋势，脆弱区表层（20.24 mg·kg-1）和30 cm（9.87 mg·kg-1）均值最高，核心区（表层17.41 mg·kg-1、30 cm处含量7.87 mg·kg-1）次之，边缘区最低（表层5.78 mg·kg-1、30 cm处含量2.56 mg·kg-1）。边缘区表层和30 cm含量分别低于核心区约71.4%和74.1%。综上所述，脆弱区速效磷含量最高，边缘区最低，核心区与脆弱区差异较小。
林带土壤的速效钾指标范围为108.12~2015.73 mg·kg-1。由图4d显示，随着土层深度增加，3个分区的速效钾含量均呈降低趋势（表层>30 cm）。从核心区到边缘区，速效钾均值呈“脆弱区与核心区相近、边缘区最低”的趋势。边缘区30 cm和表层含量分别低于核心区约36.0%和51.9%。综上所述，脆弱区与核心区速效钾指标最高且接近，边缘区最低。
林带土壤的pH指标范围为7.08~8.67。由图4e可以看出，从核心区到边缘区，pH均值整体呈逐渐升高趋势。边缘区30 cm和表层pH均值均高于核心区与脆弱区，其中边缘区表层pH均值较核心区表层高约3.8%，30 cm较核心区高约5.0%。综上所述，边缘区的pH整体最高，核心区与脆弱区相对较低且接近。
林带土壤的总盐指标范围为0.15~6.20 g·kg-1。由图4f可以看出，从核心区到边缘区，总盐均值呈波动变化，其中边缘区表层总盐均值最高，脆弱区整体偏低。边缘区表层总盐均值较核心区表层高约18.3%，较脆弱区表层高约39.1%。综上，边缘区表层的总盐含量最高，脆弱区整体最低。
林带土壤的含水量指标范围为0.4%~40%。由图4g可以看出，从核心区到边缘区，含水量均值呈波动变化，边缘区表层含水量显著低于脆弱区与核心区。边缘区表层含水量较核心区低约20.5%，较脆弱区低约22.4%。综上，边缘区表层的含水量最低，脆弱区与核心区表层较高且接近，30 cm深度时边缘区与核心区相近。
林带土壤的电导率指标范围为0.003~0.311 dS·m-1。由图4h可以看出，核心区30 cm处电导率相对较高，脆弱区表层最低。核心区30 cm处电导率较边缘区30 cm高约1.9%，较脆弱区30 cm高约14.9%。综上，核心区30 cm的电导率较高，脆弱区表层电导率最低，边缘区处于中间水平。

2.3.3 气候特征

研究区气温范围为8.34~10.41 ℃。由图5a可以看出，从核心区到边缘区，各分区的气温指标呈逐渐升高趋势。边缘区的气温均值较核心区高约8.3%，较脆弱区高约7.2%。边缘区的气温最高，核心区和脆弱区的气温均值较为接近且相对最低。
图5 研究分区气候特征对比

Fig. 5 Comparative of climate characteristics of the study area

研究区风速范围为1.675~1.826 m·s-1。由图5b可以看出，从核心区到边缘区，分区的风速指标呈轻微波动上升趋势。边缘区风速均值较核心区高1.0%，较脆弱区高1.2%。
研究区相对湿度范围为53.851%~55.254%。由图5c可以看出，从核心区到边缘区，分区的相对湿度指标呈轻微下降趋势。边缘区相对湿度均值较核心区低0.52%，较脆弱区低0.51%。核心区与脆弱区的相对湿度指标最高且几乎一致，边缘区的相对湿度均值最低。
研究区潜在蒸散发范围为79.33~92.23 mm·m-1。由图5d可以看出，从核心区到边缘区呈逐渐升高趋势。边缘区均值较核心区高6.4%，较脆弱区高5.1%；核心区与脆弱区均值差异较小，仅为1.2%。边缘区的潜在蒸散发指标是所有分区中最高的，核心区和脆弱区的潜在蒸散发均值较为接近且相对最低。

2.4 各级评价指标权重

通过对图6中各指标进行分析发现，土壤特征（权重为0.370）中土壤含水量、肥力及理化性质等，直接影响树木根系生长及生态系统稳定，肥沃土壤有利于根系健壮，增强树木抗逆性。林分结构特征（权重为0.452）中林带的完整性、连续性以及合理的空间分布模式，直接关系到其防风固沙、水土保持等生态功能的有效发挥。气候特征（权重为0.178）涵盖温度的动态变化、降水的时空分布格局以及风速的量级大小等关键气象要素。作为植被生长发育所依赖的外部环境条件，这些气候要素直接参与并影响着植被从种子萌发、幼苗生长到成熟植株的整个生命周期。
图6 农田防护林健康评价指标分级权重

Fig. 6 Farmland shelter forest health evaluation index classification weight diagram

2.5 研究区农田防护林健康评价

核心区和脆弱区适宜的气候条件以及较高的林带保有率，为该区域生态系统的稳定运行提供了有力保障，加强了农田防护林带的抗干扰能力。然而，林带的退化现象以及土壤养分含量较低等问题，导致其生态功能受到了一定程度的损害。为精确衡量各区域对研究区生态健康的贡献，基于各分区健康指数与面积占比，采用加权平均法计算综合得分率。
由表1和表2显示，各分区的生态健康存在显著差异。核心区健康指数为0.7227，脆弱区健康指数为0.7667，都属于健康等级。其生态系统稳定，抗干扰能力强，是维护研究区生态安全的重要基础。边缘区健康指数仅为0.2167，处于不健康等级，生态系统的稳定性极为薄弱，自我调节和恢复能力较差，是生态保护与修复工作中亟需重点关注和着力改善的关键区域。全区域综合健康指数为0.4810，健康等级为不健康。因此，改善边缘区的生态健康状况，是提升研究区生态健康水平的关键，对实现区域生态可持续发展至关重要。
表1 研究分区生态指标健康指数

Tab. 1 Study area ecological index health index table

指标级 健康指数
一级指标 二级指标 核心区 脆弱区 边缘区
林分结构 树高 15.143 0.57 16.357 0.55 6.342 0.49
胸径 15.104 16.315 6.326
枝下高 14.7 15.879 6.157
株行距乘积 15.084 16.293 6.318
树木疏透度 14.179 15.316 5.939
林带保有率 13.973 15.093 5.852
百米斑块数 15.144 16.358 6.343
最长断带比例 14.535 15.7 6.088
最大连续长度比例 15.143 16.357 6.343
最大林带斑块面积占比 13.442 14.52 5.63
土壤特征 有机质 15.143 0.64 16.357 0.83 6.342 0.16
碱解氮 15.128 16.34 6.336
速效磷 15.065 16.273 6.31
速效钾 15.138 16.352 6.34
pH值 15.125 16.338 6.335
总盐 13.57 14.658 5.684
含水量 14.395 15.55 6.029
电导率 13.604 14.695 5.698
气候特征 气温 15.131 0.97 16.344 0.92 6.337 0
风速 15.134 16.348 6.339
相对湿度 15.144 16.358 6.343
潜在蒸散发 15.109 16.321 6.328
表2 研究分区综合健康指数与等级

Tab. 2 Study on the comprehensive health index and grade of the partition

区域 健康指数 健康等级 面积/km2 面积比例/%
核心区 0.7227 健康 132.04 29.27
脆弱区 0.7667 健康 95.27 21.12
边缘区 0.2167 不健康 223.78 49.61
全区域 0.4809 不健康 451.10

3 讨 论

3.1 不同指标特征对农田防护林健康的影响

从气候特征、林分结构特征、土壤特征3个方面讨论不同指标特征对农田防护林健康的影响。
在沙漠绿洲区，潜在蒸散发是评估水分平衡、生态脆弱性和绿洲稳定性的核心指标，其得分率的区域差异（核心区15.109，边缘区6.328）为水资源管理和生态保护提供了重要依据。结合风速和其他气候指标如气温、相对湿度，可以全面优化绿洲的水资源利用效率，提升生态系统健康水平，为绿洲的长期稳定和可持续发展提供科学支撑。
林分结构特征的各项因子中，最大林带斑块面积占比的权重为0.0497，最大连续长度比例的权重为0.0442。反映了森林覆盖变化、景观破碎化对生态系统的深远影响。这一结果与Jain等[31]的研究发现一致，这些研究深入揭示了森林景观格局变化及其生态效应。研究结果进一步验证了该权重设置的合理性，表明其在评估森林景观格局及其生态功能中的科学性和适用性，为相关研究和管理实践提供了重要参考。
在土壤特征中，土壤含水量是支持防护林生长的核心指标，其含量变化对土壤肥力与林木生长质量具有显著影响。多项研究表明，衰退林分普遍面临pH值失衡、养分亏缺及水分缺失的多重胁迫。数据显示，核心区与脆弱区有机质含量显著高于边缘区。干旱与养分匮乏的协同效应会加剧生态系统压力。通过实施林下精准施肥、周期性土壤改良及动态密度调控等综合管理措施，可有效提升林分健康指数，同时降低干旱风险[32]。

3.2 农田防护林健康状况的区域分异特征

核心区与脆弱区的高健康指数，直接关联其适宜气候与高林带保有率的协同效应，体现了自然条件与人工生态工程对生态系统稳定性的正向支撑。边缘区生态问题由植被稀疏、土壤恶劣及高强度人类活动所致，符合PSR模型中“人类干扰→生态退化”机制[33]。
核心区林带呈现出较高的连通性和结构稳定性，具备良好的生态防护功能。土壤养分状况与植被生长需求适配。为持续提升区域生态系统服务效能，建议采取以下措施：一是强化林带结构的稳定性维护，二是实施土壤肥力的精细化管理，通过系统性养护确保生态功能的长期稳定发挥。
脆弱区农田防护林的主要问题为林带破碎与土壤养分含量不足。需要加强防护林的有效灌溉量，对防护林进行有效的抚育管理，定期施肥，修剪枯枝；更新造林和补植时选择补植耐旱耐盐树种，配置乔灌草混交以提高林带层次结构和改善林带连通性。
边缘区农田防护林的主要问题为林带破碎、土壤养分流失、盐碱化加剧及植被覆盖度下降。应该优化林带结构布局，推广多树种混交；实施精准灌溉与土壤改良，缓解盐碱化；补植修复破损林带，以提升防护林生态防护效能。
核心区遵循保护优先与提质增效原则，通过林带结构优化和土壤改良巩固生态功能；边缘区作为重点修复区，实施植被重建与人类活动管控组合策略，阻断干扰退化恶性循环。提升农田防护林健康水平，需要先强化农民生态保护意识以摒弃毁林与侵占行为，在绿洲边缘风沙活跃区采用乔灌混交林带增强防风固沙效能，绿洲内部改造时选用沙枣（Elaeagnus angustifolia）、文冠果（Xanthoceras sorbifolium）等适应性强且胁地效应弱的经济树种延长林带更新周期。

4 结 论

本文从林分结构特征、土壤特征和气候特征对150团农田防护林进行健康评价，构建包含3个维度22项指标的健康评价体系，采用熵值法计算指标权重与防护林健康指数，分析研究区防护林健康状况。分析3个分区（核心区，脆弱区，边缘区）在林分结构特征、土壤特征和气候特征方面的差异。得出以下主要结论：
（1） 土壤特征（权重0.370）作为农田防护护林健康的基础支撑层，其土壤含水量、土壤肥力、盐碱度等属性直接决定生态系统的稳定性；林分结构特征（权重0.452）作为农田防护林健康的核心表征层，反映了林带完整性、连续性及树种配置合理性；气候特征（权重0.178）作为环境驱动层，通过影响植被生长节律对系统健康产生间接作用。
（2） 150团农田防护林健康综合指数为0.4810，处于不健康状态。3个分区农田防护林的健康情况存在显著的空间分异性。核心区农田防护林健康综合指数为0.7227，处于健康状态。林带呈现出较高的连通性和结构稳定性，具备良好的生态防护功能。
（3） 脆弱区农田防护林健康综合指数为0.7667，处于健康状态。存在部分林带破碎显著与土壤养分含量不足的问题；林带最大连续长度比例均值为50.19%。林带最长断带比例指标均值为9.37%，最大值高达14.33%。脆弱区表层土壤有机质含量均值为13.79 g·kg-1，深层土壤的有机质含量均值为8.59 g·kg-1。
（4） 边缘区农田防护林健康综合指数为0.2167，处于不健康状态。土壤养分含量低，边缘区表层土壤有机质含量均值为4.92 g·kg-1，深层土壤有机质含量均值为3.99 g·kg-1。分别低于核心区约66.2%和54.7%。边缘区土壤盐碱化突出。远高于核心区和脆弱区。边缘区表层和30 cm土壤的pH均值为7.92和8.04。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
高志义. 我国防护林建设与防护林学的发展[J]. 北京林业大学学报, 1997, 19(S1): 67-73.

[ Gao Zhiyi. Construction of protection forest and development of protection forest science in China[J]. Journal of Beijing Forestry University, 1997, 19(S1): 67-73. ]

[2]
李鹏辉, 徐丽萍, 刘笑, 等. 基于三维生态足迹模型的天山北麓绿洲生态安全评价[J]. 干旱区研究, 2020, 37(5): 1337-1345.

[ Li Penghui, Xu Liping, Liu Xiao, et al. Ecological security evaluation of an oasis in the north of the Tianshan Mountains based on three-dimensional ecological footprint model[J]. Arid Zone Research, 2020, 37(5): 1337-1345. ]

[3]
毛东雷, 蔡富艳, 杨雪峰, 等. 新疆策勒绿洲——沙漠过渡带不同下垫面风场特征[J]. 干旱区研究, 2019, 36(5): 1117-1126.

[ Mao Donglei, Cai Fuyan, Yang Xuefeng, et al. Characteristics of wind filed over different underlying surfaces in the oasis-desert ecotone in Qira, Xinjiang[J]. Arid Zone Research, 2019, 36(5): 1117-1126. ]

[4]
吴祥云, 孙晓辉, 李玉航, 等. 风沙区农田防护林构建多样性及景观效益分析[J]. 东北林业大学学报, 2005, 33(2): 10-11.

[ Wu Xiangyun, Sun Xiaohui, Li Yuhang, et al. Construction diversity and landscape benefit of farmland shelterbelt in sandy area[J]. Journal of North-East Forestry University, 2005, 33(2): 10-11. ]

[5]
钱剑平, 赵建平, 桂东伟, 等. 策勒绿洲生态与灌溉用水对地下水埋深的影响[J]. 水土保持通报, 2018, 38(1): 96-102.

[ Qian Jianping, Zhao Jianping, Gui Dongwei, et al. Effects of ecological water use and irrigation on groundwater depth in Cele oasis[J]. Bulletin of Soil and Water Conservation, 2018, 38(1): 96-102. ]

[6]
李志忠, 韩洪凌. 天山北麓的水资源利用与绿洲稳定性——以玛纳斯河流域为例[J]. 干旱区资源与环境, 2004, 18(8): 139-142.

[ Li Zhizhong, Han Hongling. Water resources utilization and oasis stability at Tian Mountain northern foot ——taking the Manasi River valley as example[J]. Journal of Arid Land Resources and Environment, 2004, 18(8): 139-142. ]

[7]
王艳艳, 封心志, 郝金秀, 等. 干旱区长期不同灌溉模式及灌溉量对绿洲农田生态系统盐分分布的影响[J]. 农业资源与环境学报, 2024, 41(6): 1251-1259.

[ Wang Yanyan, Feng Xinzhi, Hao Jinxiu, et al. Comparison of salt distribution and accumulation characteristics of oasis farmland ecosystem under different irrigation modes in arid region[J]. Journal of Agricultural Resources and Environment, 2024, 41(6): 1251-1259. ]

[8]
秦东旭, 李中华, 徐敏, 等. 植被与水平衡要素的时空演变及交互关系[J]. 中国工程科学, 2024, 26(6): 140-156.

[ Qin Dongxu, Li Zhonghua, Xu Min, et al. Spatiotemporal evolution and interactions of vegetation and water balance elements[J]. Strategic Study of CAE, 2024, 26(6): 140-156. ]

[9]
曹尤淞, 李生宇. 北疆农田防护林衰退现状及治理对策——以石河子市150团为例[J]. 中国水土保持, 2020(3): 14-17.

[ Cao Yousong, Li Shengyu. Present situation of decline of farmland shelterbelts and control countermeasures in northern Xinjiang[J]. Soil and Water Conservation in China, 2020(3): 14-17. ]

[10]
崔桂鹏, 党宏忠, 熊伟, 等. 对“三北”工程区退化林修复策略的思考[J]. 林业科学, 2025, 61(1): 10-16.

[ Cui Guipeng, Dang Hongzhong, Xiong Wei, et al. Thoughts on restoration strategies of degraded plantations in the area of China’s Great Green Wall Project[J]. Scientia Silvae Sinicae, 2025, 61(1): 10-16. ]

[11]
林魏巍. 克拉玛依杨树人工林主要病虫害发生的景观驱动因素研究[D]. 北京: 北京林业大学, 2023.

[ Lin Weiwei. Landscape Driving Factors of Major Pests and Diseases Occurrence in Poplar Plantations in Karamay of China[D]. Beijing: Beijing Forestry University, 2023. ]

[12]
肖建明, 石长春, 魏道伟, 等. 毛乌素沙地退化防护林成因分析与修复改造建议[J]. 灌溉排水学报, 2022, 41(S1): 34-38.

[ Xiao Jianming, Shi Changchun, Wei Daowei, et al. Analysis of cause of degradation shelterbelt and suggestions for restoration in Mu Us Sandy Land[J]. Journal of Irrigation and Drainage, 2022, 41(S1): 34-38. ]

[13]
孔同伟, 王帅, 刘滨辉. 农田防护林更新改造对土壤团聚体特征和可蚀性的影响[J]. 中南林业科技大学学报, 2022, 42(11): 128-140.

[ Kong Tongwei, Wang Shuai, Liu Binhui. Effects of farmland shelterbelt transformation on soil aggregate characteristics and soil erodibility[J]. Journal of Central South University of Forestry & Technology, 2022, 42(11): 128-140. ]

[14]
宋立宁, 朱教君, 郑晓. 基于沙地樟子松人工林衰退机制的营林方案[J]. 生态学杂志, 2017, 36(11): 3249-3256.

[ Song Lining, Zhu Jiaojun, Zheng Xiao. Forestation and management scheme of Pinus sylvestris var. mongolica plantations in sandy lands based on their decline mechanisms[J]. Chinese Journal of Ecology, 2017, 36(11): 3249-3256. ]

[15]
高岗, 秦富仓, 姚云峰, 等. 农牧交错带小流域防护林水源涵养功能研究[J]. 干旱区资源与环境, 2009, 23(8): 180-185.

[ Gao Gang, Qin Fucang, Yao Yunfeng, et al. Study on water conservation function of protective forest in watershed of farming-pastoral zone[J]. Journal of Arid Land Resources and Environment, 2009, 23(8): 180-185. ]

[16]
于金涛, 雷静品, 王鹏程, 等. 秭归县防护林健康评价指标体系的建立及应用[J]. 生态学报, 2015, 35(7): 2094-2104.

[ Yu Jintao, Lei Jingpin, Wang Pengcheng, et al. Health evaluation model of shelterbelt and its application in Zigui County of the Three Gorges Reservoir area[J]. Acta Ecologica Sinica, 2015, 35(7): 2094-2104. ]

[17]
乔一娜, 曹双成, 石孟迪, 等. 基于层次分析法的毛乌素榆林沙区防护林健康评价体系研究[J]. 林草资源研究, 2024(2): 109-115.

[ Qiao Yina, Cao Shuangcheng, Shi Mengdi, et al. Health assessment system of forest shelterbelts in Yulin sandy region of Mu Us based on analytic hierarchy process[J]. Forest and Grassland Resources Research, 2024(2): 109-115. ]

[18]
Randhawa K, Bhattacharya P, Shimrah T. Spatio-temporal analysis of urban forest fragmentation in Delhi, India, using landscape fragmentation tool v2.0[J]. Environmental Monitoring and Assessment, 2024, 196(12): 1273.

[19]
梁元也, 范连连, 马学喜, 等. 新疆北部六种草地类型土壤碳氮磷生态化学计量特征[J]. 干旱区研究, 2024, 41(10): 1708-1718.

[ Liang Yuanye, Fan Lianlian, Ma Xuexi, et al. Ecological stoichiometry of soil carbon, nitrogen, and phosphorus in six grassland types in northern Xinjiang[J]. Arid Zone Research, 2024, 41(10): 1708-1718. ]

[20]
魏亚娟, 刘美英, 解云虎, 等. 吉兰泰盐湖防护体系建立38 a以来土壤养分特征[J]. 干旱区研究, 2023, 40(5): 747-755.

[ Wei Yajuan, Liu Meiying, Xie Yunhu, et al. Characteristics of soil nutrient accumulation after 38 years of the Jilantai Salt Lake protection system[J]. Arid Zone Research, 2023, 40(5): 747-755. ]

[21]
张彬, 郑新军, 王玉刚, 等. 1990—2022年天山北坡地区不同开垦年限耕层土壤盐分变化[J] 干旱区研究, 2024, 41(9): 1435-1445.

[ Zhang Bin, Zheng Xinjun, Wang Yugang, et al. Changes in the salt content of the plow layer soil during cultivation from 1990 to 2022 on the northern slope of the Tianshan Mountains[J]. Arid Zone Research, 2024, 41(9): 1435-1445. ]

[22]
张紫淇, 杨丽莉, 何新林, 等. 滴灌水盐氮调控对棉田水肥盐运移及棉花产量的影响[J] 干旱区研究, 2024, 41(5): 876-893.

[ Zhang Ziqi, Yang Lili, He Xinlin, et al. Effects of the regulation of water-salt-nitrogen on water-salt nutrient transport and yield in drip-irrigated cotton fields[J]. Arid Zone Research, 2024, 41(5): 876-893. ]

[23]
胡焕琼, 李利, 于军, 等. 四翅滨藜和多枝柽柳对土壤干旱的响应差异[J] 干旱区研究, 2023, 40(12): 2007-2015.

[ Hu Huanqiong, Li Li, Yu Jun, et al. Differences in the response to soil drought in Atriplex canescens and Tamarix ramosissima[J]. Arid Zone Research, 2024, 41(5): 2007-2015. ]

[24]
Anderson N S, Fontaine J B, Lewandrowski W, et al. Drought and wildfire legacies highlight vulnerability of a mediterranean climate-type forest[J]. Austral Ecology, 2025, 50(1): e70011.

[25]
Ellis E C, Guy R D, Wei X A. Seasonal shifts in depth-to-water uptake by young thinned and overstocked lodgepole pine (Pinus contorta) forests under drought conditions in the Okanagan Valley, British Columbia, Canada[J]. Hydrology and Earth System Sciences, 2024, 28(20): 4667-4684.

[26]
Zhang Yafeng, Yao Weiqi, Yuan Chuan, et al. Alterations of throughfall and stemflow chemistry by vegetation in China: Insights from a machine learning based meta-analysis[J]. Journal of Hydrology, 2024, 641: 131786.

[27]
Li Wenxin, Zhu Liangjun, Zhu Lianhua, et al. Old Pinus massoniana forests benefit more from recent rapid warming in humid subtropical areas of central-southern China[J]. Journal of Forestry Research, 2024, 35(1): 88.

[28]
Guerrieri R, Caliz J, Mattana S, et al. Substantial contribution of tree canopy nitrifiers to nitrogen fluxes in European forests[J]. Nature Geoscience, 2024, 17(2): 130-136.

[29]
鲍士旦. 土壤农化分析[M]. 北京: 中国农业出版社, 2000.

[ Bao shidan. Soil Agricultural Chemical Analysis[M]. Beijing: China Agriculture Press, 2000. ]

[30]
鲁绍伟, 刘凤芹, 余新晓, 等. 北京市八达岭林场森林生态系统健康性评价[J]. 水土保持学报, 2006, 20(3): 79-82, 105.

[ Lu Shaowei, Liu Fengqin, Yu Xinxiao, et al. Health assessment of forest ecosystem in Badaling forest center[J]. Journal of Soil and Water Conservation, 2006, 20(3): 79-83, 105. ]

[31]
Jain P, Ahmed R, Sajjad H. Assessing and monitoring forest health using a forest fragmentation approach in Sariska Tiger Reserve, India[J]. Norsk Geografisk Tidsskrift-Norwegian Journal of Geography, 2016, 70(5): 306-315.

[32]
Livingston W H, Kenefic L S. Low densities in white pine stands reduce risk of drought-incited decline[J]. Forest Ecology and Management, 2018, 423: 84-93.

[33]
王青, 李富程, 李国蓉, 等. 基于“压力-状态-响应”框架的长江上游防护林健康评价[J]. 长江流域资源与环境, 2010, 19(8): 953-958.

[ Wang Qing, Li Fucheng, Li Guorong, et al. Health assessment of protection forest based on pressure-state-response model[J]. Resources and Environment in the Yangtze Basin, 2010, 19(8): 953-958. ]

Options
Outlines

/

〈 〉