由于全球气候变化的影响，各种类型灾害的发生频率和强度将有增加的趋势(Richard，2003；李伟成等，2006)，森林冰雪灾害发生的频率和强度有明显的上升趋势(Lehning et al., 2000)，尤其对速生林的生长和发育有重大的破坏作用。毛竹(Phyllostachysedulis)在我国分布面积大，用途广，经济效益佳，而2007末至2008年初的冰雪灾害给湖南、湖北、江西、安徽和浙江等省区竹产业带来重大损失。

冰雪灾害降低竹材质量和产量可收获性竹材锐减和潜在生产损失；大量折断后的竹材无法采伐、运输，导致采伐费用的增加和暂时性的市场过剩等，毛竹林大量翻蔸、折断要进行人为砍伐形成的人为林窗，由于林下层生物多样性极其匮乏(李伟成等，2006)，会造成水土流失，增加病虫害侵袭的危险性，将对竹林生态系统造成损害。

欧美学者已系统性开展冰雪灾害的研究(Lehning et al., 2000；Fabrizio et al., 2004)；国内研究较少，仅集中于雪灾频繁的青藏、新疆、内蒙和东北等地，主要侧重灾害的预报和防范措施。为减少冰雪灾害带来的损失，了解冰雪灾害危险性和竹林管理间的关系。本研究基于大量的基础调查数据，分析冰雪气候过程中主要影响毛竹林灾情的环境条件和自身生物学特征参数的关系，为建立毛竹林冰雪灾害的预防措施与灾后调控提供重要依据，为生产实践、森林认证提供农林生态系统管理的基本依据和指导，对其他竹类植物的灾害学研究亦有借鉴之用。

临安双石村位于浙江省西北部，属中亚热带季风气候，样地地貌主要为丘陵、海拔最高559 m，区域轮廓呈东西狭长形，土壤以黄红壤为主，气候温暖湿润，四季分明，年平均气温16 ℃，极端最高温41.2 ℃，极端最低温-13 ℃。年平均降雨量1 446 mm，>10 ℃积温4 990 ℃，无霜期234 d。

奉化石门镇位于浙江省东部沿海，地属亚热带，傍山近海，兼具海洋性及山地气候特性，四季分明，温和湿润，土壤以黄红壤为主。年均气温16.3 ℃，最高温度41.2 ℃，最低温度-11.1 ℃，降雨量1 450 mm左右，日照时数1 850 h，无霜期232 d，平原>10 ℃积温5 100 ℃左右，山区比平原少1 000 ℃左右。气候条件优越。

2样地林相主要为落叶阔叶混交林和针阔混交林，毛竹林均为改造纯林。样地选择与参数测量在毛竹纯林内进行。

2008年2—3月间，在受冰雪灾害的浙江省临安市双石村沿等高线设立33个20 m×20 m样地(主要受雪压影响)、奉化县石门镇设立17个20 m×20 m样地(主要受雨淞影响)。分别记录：1)立地条件：海拔(AL)、坡向(DI，以北=0；南=1，东=西=0.5，中间位置类推赋值)、坡度(GR)、针对受风速影响测得不同地形的风速并等级化(LF，山顶=4；山脊=3；山凹=2；山侧=1；其他地=0)、平均土壤层厚度(SD)；2)毛竹生物学参数：平均胸径(DM)、平均枝下高(FB)、平均株高(HT)、尖削度(Taper，DM/HT)、密度(DS)；3)经营管理：钩梢(CF，是=1，否=0)。其中，使用GARMIN GPS72 Pro测定海拔、坡向；使用testo 410-2风速仪测定风速，每个位置随机测3次，取平均值。

由于需要主观确定石门镇与双石村所有样地的经营强度，而主观参数可能导致分析的噪音和信息量的缺失，而且经营等级可以从毛竹生物学参数得到，故本文剔除该参数。同时，记录弯曲、断裂(破裂)和翻蔸数量，计算受灾总立杆数和受灾率，总共得到5个反映受灾情况的参数，以便分析冰雪所导致出现的灾害现象与立地条件、毛竹生物学参数和经营管理手段的关系。

本文运用NMS(Nonmetric multidimensional scaling)进行群落分类(50个样地和5个受灾参数)(Stich et al., 2005)，距离参数使用Bray-Curtis距离(McCune，2002)，参数设置为：随机数1 778作为随机数产生器的种子，对真实数据和虚拟数据分别运行30次和50次以提供基础检验数据集，稳定性判断(stability criterion)设置为0.000 1，选取最大维数为6维，共400个重复以得到最佳的空间排序维数，用Monte Carlo方法对NMS排序结果进行检验。典范对应分析(Canonical correspondence analysis，CCA)因具有能同时结合多个环境因子，包含的信息量大，结果明确、直观、效果好等优点而受到重视(Camdevyren et al., 2005；李伟成等，2007)。运用CCA分析群落环境因子的相关性，用Monte Carlo方法对CCA排序结果进行检验：检验将随机矩阵运行N＝1 000次，得到最大值与最小值。全文运用PC-ord 4.41软件提供的程序完成。

NMS表明最终压力值(final stress value)为7.734 5(大于5的最终压力值可以认为是选取最佳维数的临界值)(McCune et al., 2002)，最终不稳定性值(final instability value)为0.000 09 < 0.000 1，于143个重复时找到最佳维数为3维，说明可以用3轴空间解释大部分的信息，Monte Carlo检验表明：所有三维轴的压力值都比随机方案小(P＝0.019 6 < 0.02)，结果可信。从图 1可以得到双石与石门2地样地可以明显地分成2组(SⅠ＝双石组，SⅡ＝石门组)，SⅠ基本处于第2轴以上，而SⅡ组处于第2轴以下，分类依据主要为生物学特性和管理参数为主，如枝下高、株高和钩梢(r＝0.843，0.838，-0.768，第1轴)、密度(r＝0.653，第2轴)和坡度(r＝0.736，第3轴)。

图 1 利用NMS得出的不同样地轴2、轴3二维排序图 Figure 1 Plot of axis 2 and 3 sample scores for different sample location using NMS 前17个样地取自石门，后33个样地取自双石 Numbers represent sample locations, the first 17 locations were taken at Shimen, and the rest were taken at Shuangshi

从图 2、3可以得到受灾情况—环境因子的排序情况。CCA结果表明：SⅠ组海拔、坡度、枝下高、株高、尖削度、密度与第一排序轴正相关(r＝0.572，0.649，0.520，0.623，0.503，0.580)，与平均土壤层厚度负相关(r＝-0.642)；枝下高、密度与第二轴正相关(r＝0.697，0.626)(表 1)，所以排序第一、二轴是基于环境和生物学特性参数的梯度而建立；其中第一轴环境解释量为48.1%，第二、三轴分别环境解释量分别为9.2%和7.5%，总体解释量为68.4%(表 2)，图 2表明SⅠ组第一、二轴平面图较好的显示环境因子、生物学参数和管理因子的贡献和排序，但由于空间旋转而缺失平均土壤层厚度的贡献。空间排序轴是由表 3、4中的CCA计算数值与变量间的线性(Pearson r系数)和等级(Kendall tau系数)关系决定的。Pearson r系数则提供一种简洁的解释排序轴内在关系的方式。CCA分析还表明：所有受灾参数与排序第一轴显著正相关(r＝0.526，0.849，r＝0.774，r＝0.793，r＝0.834)(表 3)。真实数据与模拟数据的特征向量的Monte Carlo检验值P=0.001 < 0.01、受灾参数—环境检验真实数据的相关性与模拟数据相关性的Monte Carlo检验值P=0.035 < 0.05(表 4)，表明检验呈显著性，说明随机零假设不成立，环境、生物学特性和管理参数与冰雪灾害有显著相关性。

图 2 双石受灾情况—环境因子典型对应分析 Figure 2 CCA biplot of sample locations and environmental variable for Shuangshi, SⅠ group

图 3 石门受灾情况—环境典型对应分析 Figure 3 CCA biplot of sample locations and environmental variable for Shimen, SⅡ group

表 1 各环境、生物学、管理变量与轴的相关性 Tab.1 Correaltion bewteen variables and axis

表 1 各环境、生物学、管理变量与轴的相关性 Tab.1 Correaltion bewteen variables and axis

表 2 环境解释及参量间相关性 Tab.2 The environmental interpretation and inter-set correlations for five traits in Canonical Correspondence Analysis

表 2 环境解释及参量间相关性 Tab.2 The environmental interpretation and inter-set correlations for five traits in Canonical Correspondence Analysis

表 3 受灾参数空间排序轴的Pearson和Kendall相关性^① Tab.3 Pearson and Kendall Correlations with Ordination Axes

表 3 受灾参数空间排序轴的Pearson和Kendall相关性① Tab.3 Pearson and Kendall Correlations with Ordination Axes

表 4 Monte Carlo检验CCA结果 Tab.4 The Monte Carlo test of eigenvalues and species-environment results using Canonical Correspondence Analysis

表 4 Monte Carlo检验CCA结果 Tab.4 The Monte Carlo test of eigenvalues and species-environment results using Canonical Correspondence Analysis

SⅡ组第一轴排序主要以海拔、地形的梯度为主(r＝-0.699，-0.653)(表 1)，说明第一轴以环境梯度为主要贡献；第二轴与尖削度正相关(r＝-0.580)；其中第一轴环境解释量为60.5%，第二、三轴分别环境解释量分别为20%和15.1%，总体解释量为95.6%(表 2)，图 2.21表明SⅡ组一、二轴平面图的效果与SⅠ组类似。翻蔸、破裂和受灾率与排序第一轴负相关(r＝-0.648，-0.799，-0.748)，同时，翻蔸还与第二轴负相关(r＝-0.727)。Monte Carlo检验结果与SⅠ组样地一样，真实数据与模拟数据的特征向量检验、受灾参数－环境的相关性检验都表明CCA结果可信(P=0.002 < 0.01)(表 4)。总体样地数据的Monte Carlo检验结果亦类似(P=0.003 < 0.01)(表 4)。

双石和石门2地的样地根据毛竹自身的生物学特性为依据，如枝下高、株高，可清晰地分为2大类。冰雪灾害对双石和石门的毛竹纯林的影响类型不同：双石毛竹林大多数为雪压，气温下降和连续阴天导致积雪增多，而没有雨夹雪、雨凇现象出现；石门则相反，持续低温、雨夹雪、雨淞天气使得毛竹每盘2级枝节受冰块(直径d＝3~4 cm)的重力影响。故积雪是否会引起雪害取决于降雪量和降雪类型，而降雪中的水分含量很大程度上依赖于温度(Camdevyren et al., 2005)。

多因素环境因子的影响体现冰雪灾害的复杂性(Lopez et al., 2005)，毛竹生物学特性参数也反映这一点。环境因子、生物学特性参数、经营管理手段与受灾参数的关系得到较好的解释，同时结果表明：两地对灾害影响的响应方式差异较大，如SⅠ组受到多种因素海拔、坡度、枝下高、株高、尖削度、密度、平均土壤层厚度的影响，5项受灾参数响应统一，而且累积解释度仅为68.4%，说明尚有大量缺失信息没有分析到，但并不妨碍分析和了解受灾与环境、生物学特性、管理手段的关系；而SⅡ组则仅受到海拔、地形和尖削度的影响，除弯曲数量不显著外，其他4项受灾参数表现出极相关，但累积解释度确达却到了95.6%，说明SⅠ组样地受到雪压的影响，其外部因素和条件比受到冰害的SⅡ组样地而言更为复杂。

除SⅡ组的弯曲数量外，两地的受灾参数都对海拔表现出相同的趋势，即海拔越高受灾情况越严重，相关性极显著，这与大量研究结果相符(陶芳明，1990；Chung et al., 2006)；坡度和平均土壤层厚度成为SⅠ组样地的另2个环境影响因子是因为双石的毛竹都生长在陡坡和岩石地，土壤瘠薄，导致其蔸系浅而不均衡，故在这些地方竹林的受雪压的灾情随着坡度的增加和土壤层厚度减少而上升；在SⅠ组中，毛竹自身生物学特征如枝下高、株高、尖削度(平均0.007 8 < 0.01，远小于乔木的尖削度)、立竹密度决定受灾的立竹数量，SⅠ组的立竹由于立地条件较差，长期粗放管理，不进行施肥，多数仅在入冬前进行钩梢，导致胸径小、材质差、密度高，也将直接影响到尖削度的下降，因此大大增加受灾的机率，而尖削度作为SⅠ、SⅡ 2组数据的1个显著相关性指标，这与乔木受灾情况类似(Fabrizio et al., 2004)；SⅡ组立竹受灾与地形形成了显著相关性，充分说明由于受到冰害，自身重力很容易受到风速的影响而形成大面积受灾的情况。有研究表明：南坡日照时间长，积温高，冠层上结冰少，所以危害程度小(Lehning et al., 2000)，但本文分析表明2地都没有显示坡向的影响，可能是无论南坡还是北坡，受压的应力都远远超过物种自身能够承受的范围，出现受灾的高峰期，从而在分析结果中坡向梯度的影响不大。对于SⅠ组样地的分析结果，这与粗放的管理水平有关，可针对性地进行添土，在春夏季施肥，并减少秋季施肥，以增强抗逆能力。毛竹破裂、折断可发生在不同高度处，调查发现距竹秆基部大约1~5 m高度处折断较为常见，占总受损立竹的83.7%。乔木受损可能出现在不同部位，可留有部分光合器官与营养物质的运输途径，而毛竹光合器官与营养物质的运输途径却遭到绝大部分的破坏，更容易引起大面积的林窗出现和严重的水土流失。双石与石门的毛竹林在经营管理上的最大区别在于双石的毛竹经过钩梢，毛竹是否钩梢的经营管理参数对冰雪灾害比较敏感(SⅡ毛竹的破裂数量特别大)，这与已有的研究(周芳纯，1998；何虎，2007)结果相符：钩梢对弯曲、翻蔸、折断和破裂有较大作用。

自然现象作为干扰的一种形式是竹林生态系统中普遍存在的，会对竹林生态系统的健康、安全和稳定起到很大的影响，甚至引起竹林生态系统的改变(李伟成等，2006)。毛竹生长发育比较特殊。毛竹笋的萌发的基径决定新竹的基径，而短时间内的爆发式生长基本就已经决定了尖削度，但是随竹龄的增加竹材的强度和抗逆性增加。毛竹径级越大，受灾率越大，而立竹量大，叶面积减少，这样结冰量减少(陶芳明，1990)，亦有学者认为冰雪危害程度与胸径的关系不明确，这可能是样本量和对不同性质灾害的差异导致的，如数据处理有可能是单独针对某项生物学特性参数与环境因子的回归分析，将直接影响真正影响分析其他冰雪灾害的外部因素(肖本权，2003)。本文认为立竹密度明显地影响着立竹的形态结构，影响着立竹对冰雪的敏感性，而冰雪危害程度与胸径的关系是存在的，除去材质因素外，尖削度是较好的参考参数，大量研究表明毛竹生物学特性参数如枝下高、胸径、株高、密度、叶面积指数自身存在着相关性(周芳纯，1998)，而密度与尖削度应该存在着一个临界点，在高密度的大径竹林分中随竹林的竹龄增加竞争更强烈，使得毛竹的尖削度明显降低，尖削度随着立竹度上升而降低，此时冰雪灾害对毛竹的影响会增加，为了促进尖削度的稳定而减少冰雪灾害，应当及时进行钩梢、择伐和精确施肥，合理的立竹密度与尖削度是影响毛竹抵抗冰雪灾害的主要因素。