文章快速检索     高级检索
  中国水土保持科学   2019, Vol. 17 Issue (6): 111-118.  DOI: 10.16843/j.sswc.2019.06.014
0

引用本文 

闫升, 杨建英, 史常青, 张璐瑶, 赵廷宁. 基于AHP-PCA的铁尾矿不同植被恢复模式土壤养分评价[J]. 中国水土保持科学, 2019, 17(6): 111-118. DOI: 10.16843/j.sswc.2019.06.014.
YAN Sheng, YANG Jianying, SHI Changqing, ZHANG Luyao, ZHAO Tingning. Soil nutrient evaluation of iron tailings in different vegetation restoration modes based on AHP-PCA[J]. Science of Soil and Water Conservation, 2019, 17(6): 111-118. DOI: 10.16843/j.sswc.2019.06.014.

项目名称

国家林业局林业科技成果推广计划“张家口市剪子岭林场废弃矿山生态修复综合技术”([2017]01)

第一作者简介

闫升(1995-), 男, 硕士研究生。主要研究方向:水土保持与荒漠化防治。E-mail:2313892181@qq.com

通信作者简介

赵廷宁(1962-), 男, 博士, 教授。主要研究方向:水土保持与荒漠化防治。E-mail:zhtning@bjfu.edu.cn

文章历史

收稿日期:2019-07-04
修回日期:2019-11-15
基于AHP-PCA的铁尾矿不同植被恢复模式土壤养分评价
闫升 , 杨建英 , 史常青 , 张璐瑶 , 赵廷宁     
北京林业大学水土保持学院, 100083, 北京
摘要:为探究铁尾矿废弃地不同植被模式下土壤养分的恢复效果,采用综合层次分析(AHP)与主成分分析(PCA)权重的评价模型对6种植被恢复模式(板栗+核桃、板栗+山楂、板栗、油松+碧桃、油松+紫穗槐、碧桃+紫穗槐)及客土裸地的土壤pH值、有机质、速效养分进行评价。结果表明:1)各模式对土壤养分恢复的趋势表现为pH值改善情况较好,富含速效钾,速效氮含量中等、缺乏速效磷与有机质;6种模式的养分得分是客土裸地的2.66~3.40倍,其中板栗+核桃混交林模式的评价得分最高(为5.61),等级为"良",该模式对土壤pH值、有机质的改善显著,但各养分在不同土层间存在显著差异。碧桃+紫穗槐模式的评价得分为5.40,等级为"良",该模式在土壤速效磷、钾的恢复上优于其他模式。2)建议采用板栗+核桃混交林模式修复该区尾矿废弃地,同时选择豆科落叶灌木在林下栽植并选择适时适量施用磷肥,以加快恢复有机质与速效磷。3)AHP-PCA评价模型能够更加全面反映评价对象的实际状况,评价效果优于单一方法,在土壤养分及生态修复的评价中有重要实用价值。
关键词铁尾矿    土壤养分    植被恢复模式    评价模型    
Soil nutrient evaluation of iron tailings in different vegetation restoration modes based on AHP-PCA
YAN Sheng , YANG Jianying , SHI Changqing , ZHANG Luyao , ZHAO Tingning     
School of Soil and Water Conservation, Beijing Forestry University, 100083, Beijing, China
Abstract: [Background] Iron tailings wasteland is one of the most degraded site types caused by the violent disturbance of mining activities. Studies have shown that vegetation restoration can significantly improve soil properties and nutrient content as one of the effective methods for soil reclamation. It is of great significance for soil conservation to evaluate and study soil nutrients of vegetation restoration mode. At present, the sole use of the mainstream evaluation method cannot completely reflect the characteristics of the evaluation object, because the results are affected by the subjectivity of method and the error of the sample difference. This work is to explore the effects of different vegetation restoration modes on soil nutrient recovery in iron tailings wasteland. [Methods] The pH, organic matter, available nitrogen, available phosphorus and available potassium of 6 restoration modes (Castanea mollissima + Juglans regia, C. mollissima + Crataegus pinnatifida, C. mollissima, Pinus tabuliformis + Amygdalus persica, P. tabuliformis + Amorpha fruticosa, A. persica + A. fruticosa) and bare soil were evaluated by evaluation model which combined the weight of analytic hierarchy process (AHP) and principal component analysis (PCA). The above nutrient indexes were obtained by experiment from soil samples of different vegetation modes in the study area. [Results] 1) The trend of soil nutrient recovery in the 6 modes showed that the pH value was improved well, rich in available potassium, medium in available nitrogen, lacking in available phosphorus and organic matter. The nutrient score of the 6 modes was 2.66 -3.40 times higher than the soil of bare land, the highest score of C. mollissima + J. regia mode was 5.61 grade "Credit", in which the soil pH value and organic matter were significantly improved. However, there were significant differences in nutrients between different soil layers in this mode, which indicated the improvement of soil nutrient by vegetation restoration mode was achieved from the surface layer to the deep layer. The evaluation score of A. persica + A. fruticosa mode was 5.40 grade "Credit", which was superior to other modes in the recovery of available phosphorus and potassium. [Conclusions] It is suggested that the mode of C. mollissima + J. regia mixed forest should be adopted to restore the abandoned tailing land. Meanwhile, leguminous deciduous shrubs should be selected to be planted under the forest and phosphorus fertilizer should be applied timely and appropriately to accelerate the recovery of organic matter and available phosphorus. The AHP-PCA evaluation model may reflect the actual situation of the evaluation objects more comprehensively, and the evaluation effect is better than the single method, which has significant practical value for the evaluation of soil nutrients and ecological restoration.
Keywords: iron tailings    soil nutrient    vegetation restoration modes    evaluation model    

铁尾矿废弃地是受采矿活动剧烈干扰所形成的极度退化的立地类型之一,尾矿砂结构松散、养分贫瘠[1]。已有研究表明植被恢复作为复垦土壤的有效方法之一,能明显改善土壤性状与养分含量[2]。目前国内外对铁尾矿废弃地的研究主要集中在矿区土壤与植物群落、不同复垦模式下的植被与土壤特征、矿区生态重建效果评价等[3-6],对矿区复垦土壤养分准确全面的评价较少。李文等[7]和赵韵美等[8]的研究发现废弃地复垦土壤养分主要受修复年限与植被模式影响,选择合适的植被恢复模式是改善该类废弃地养分的关键,故准确评价不同植被模式土壤养分恢复效果对土壤保育有着重要意义。目前对废弃地复垦中土壤养分的评价研究方法过于单一,如模糊评价法、层次分析法等,复合的评价方法多为2种主观评价的结合,难以降低人为赋权的主观性。层次分析与主成分分析作为评价研究中的主流方法,结合李峰等[9]的研究发现,前者缺乏对矩阵的合理性的判断导致无法排除主观因素的影响,后者以提取样本差距显著的指标作为评价元素,指标间不同差距的局限性会影响所提取的评价元素。基于以上原因,本研究采用的AHP-PCA复合模型通过确定最优权重来减小主观性和样本差异带来的误差,从而全面反映实际情况来提升治理对象的准确性。

笔者选择处于首都生态涵养发展带内的威克治理示范工程中不同恢复模式的土壤为对象,探讨并评价不同植被恢复模式下复垦土壤养分改善情况及特征,以期为周边铁尾矿废弃地复垦中植被恢复模式的选择、准确评价模型的确定提供参考。

1 研究区概况

研究区位于北京市密云区巨各庄镇西部,地理坐标E 116°58′0″、N 40°22′50″,处于华北平原与蒙古高原的过渡地带,属燕山山脉低山丘陵区,土层薄、坡地多、平地少,海拔在200~300 m之间。气候属暖温带大陆性季风气候,四季分明,年平均气温10.5 ℃,年平均降水量为550 mm。土壤以棕壤、褐土为主。主要乔木为山杨(Populus davidiana)、榆树(Ulmus pumila)等,灌木为胡枝子(Lespedeza bicolor)、荆条(Vitex negundo)、酸枣(Ziziphus jujuba)等,草本为马唐(Digitaria sanguinalis)、藜(Chenopodium album)等[10]

2 研究方法 2.1 样地选择

研究区中所调查的植被均栽种于2009年。2018年7月,对研究区中不同植被恢复模式的样地进行全面调查。其中气候、地质条件均相同,植被恢复区域全面客土且厚度均为40 cm、客土类型为棕壤土,整地方法均为穴状整地,所有模式均无人为施肥及抚育措施。根据植被恢复模式的不同选择样地,经调查共有6种不同的植被恢复模式(表 1),各恢复模式面积均约为0.4 hm2,其中混交林模式中树种比例均为1:1。对照(CK)为2009年与各模式一同设置的裸地客土,面积约为500 m2,主要植被为一年生草本狗尾草(Setaria viridis)。

表 1 样地基本情况 Tab. 1 General condition of sample plots
2.2 样本测定指标与方法

在不同模式样地中分别建立3块20 m×20 m标准样方,在每个样方内对角线上选取等距离的3个点作为土壤取样重复。每个样点取土壤剖面0~20、20~40 cm深的土壤样品,风干后过0.25 mm土壤筛,测定。pH值(电位法);有机质(重铬酸钾稀释热法);速效氮(碱解扩散法);速效磷(钼锑抗比色法);速效钾(火焰光度计法)[11]

2.3 数据处理与分析

使用Excel统计数据,使用SPSS 19.0对不同植被恢复模式下的土壤养分进行ANOVA检验及主成分分析。综合层次分析法与主成分分析法的权重对不同恢复模式的土壤养分进行评价。评价标准按照优、良、中、差4级设立如表 2。其土壤理化性质指标标准参考土壤农化分析(第3版)及第2次全国土壤普查评级。

表 2 土壤养分评价标准[12] Tab. 2 Evaluation standard of soil nutrients
2.4 AHP-PCA模型

首先由专家评判1~9比较标度矩阵如表 3,其次使用和积法计算判断矩阵的最大特征根λmax及特征向量ω[13],将特征向量归一化得出层次分析法的指标间的权重值[14],如表 3所示。一致性比率RC < 0.1时,可认为该指标权重合理。RC的计算公式为

$ {{R}_{\text{C}}}=\frac{{{C}_{1}}}{{{R}_{1}}}=\frac{{{\lambda }_{\text{max}}}-n}{{{R}_{1}}(n-1)}。$ (1)
表 3 土壤养分评价指标比较标度及权重 Tab. 3 Comparison scale of evaluation index and weight of soil nutrients

式中:CI为一致性指标;RI为随机指标;n为要素数量。

对主成分分析得出每个指标主成分的特征值乘以各指标对应成分的载荷后求和后除以所选主成分的累积特征值即为未归一化权重,对所有指标的未归一化权重进行归一化即为每个指标的对应权重。结合上文所得层次分析法的指标权重,将2方法所得权重进行“乘法”集成法综合处理,最后将综合权重乘以各因子与最高标准值的比值即为评价得分值[15],AHP-PCA模型计算公式为

$ K=\sum\limits_{i=1}^{n}{\frac{{{a}_{i}}{{b}_{i}}}{\sum\limits_{i=1}^{n}{{{a}_{i}}{{b}_{i}}}}}\frac{{{P}_{i}}}{{{P}_{\max }}}。$ (2)

式中: ai为第i项指标层次分析法权重值;bi为第i项指标主成分分析权重值;Pi为第i项指标测定值;Pmax为第i项指标最大值;K为总得分值。

3 结果与分析 3.1 土壤养分情况 3.1.1 土壤pH值、有机质

土壤pH值和有机质含量是评价土壤养分质量最重要的2个指标。客土裸地的土壤pH值偏碱,显著高于其他模式(图 1)。所有模式土壤pH值均为“优”等。由图 2知,0~20 cm土层土壤有机质质量分数表现为板栗+山楂、板栗+核桃混交林模式都达到1.5%以上,显著高于其他模式,该模式有机质等级为“良”。其余模式有机质等级均为“差”,对照土壤的有机质质量分数仅为0.3%左右,显著低于其他模式。20~40 cm土层土壤有机质质量分数均低于10 g/kg,等级为“差”。

小写字母表示不同模式下相同土层在5%水平的差异显著性,下同。 Different normal letters show significant difference at 5% level between the same soil layers in different modes. The same below. 图 1 不同植被恢复模式下各土壤pH值 Fig. 1 pH values in soil of different vegetation restoration modes
图 2 不同植被恢复模式下各土壤有机质质量分数 Fig. 2 Organic matter contents in soil of different vegetation restoration modes
3.1.2 土壤速效养分

表 4知,0~20 cm土层速效氮质量分数表现为板栗+山楂、板栗+核桃等级为“优”,油松+碧桃、对照土壤为“差”,其余模式等级为“中”。在20~40 cm土层中,除油松+碧桃、对照显著低于其他模式,其他5种模式间显著不差异,速效氮质量分数等级均为“中”。0~20 cm土层速效磷质量分数表现为除对照土壤外的其他模式质量分数等级均为“良”。在20~40 cm土层中,油松+紫穗槐、碧桃+紫穗槐混交林等模式的速效磷质量分数分别为10.47、10.68 mg/kg,显著高于其他模式,说明油松+紫穗槐、碧桃+紫穗槐混交林等模式对改善20~40 cm土层速效磷的效果更加显著,该模式20~40 cm土层速效磷质量分数为“优”。0~20 cm土层速效钾质量分数表现为除对照外,其他模式土壤速效钾质量分数等级均为“优”。20~40 cm土层中碧桃+紫穗槐、油松+紫穗槐等模式的速效钾质量分数均显著高于其他模式。结合表 2得出各模式下土壤养分表现为速效氮质量分数中等,缺乏速效磷,富含速效钾。

表 4 不同植被恢复模式下土壤速效养分质量分数 Tab. 4 Available nutrients content in soil of different vegetation restoration modes  mg/kg
3.1.3 不同土层间土壤养分情况

表 4知,0~20 cm土层中pH值集中在6.87~7.49,20~40 cm土层pH值主要集中在6.94~7.58。不同土层的土壤有机质质量分数表现为0~20 cm土层均高于20~40 cm土层,不同土层的土壤速效养分表现与土壤有机质趋势相同,说明植被恢复模式对土壤养分的改善是通过表层向深层进行,且板栗+山楂、板栗+核桃、板栗纯林等阔叶树种模式对土壤养分的改善在土层垂直方向存在显著差异。

3.2 土壤养分评价

将上述不同植被恢复模式的土壤养分指标进行主成分分析,本研究主成分个数的提取为特征值大于1且累计贡献率≥95%的前3个主成分如表 5

表 5 主成分提取分析 Tab. 5 Analysis of extracted principal components

表 6可见,20~40 cm土壤速效磷、钾在第2主成分上有较高载荷,其余变量均在第1主成分上有较高载荷。使用表 6中每个指标的系数分别乘以每个主成分对应的特征值后求和即为每个指标未归一化的权重,未归一化权重F计算公式如下。将每个模式的指标归一化即为由主成分分析得出的评价指标权重。

$ {F} = \frac{{\left( {70.055\% {F_1} + 26.036\% {F_2} + 2.990\% {F_3}} \right)}}{{99.081\% }}。$ (3)
表 6 初始因子载荷矩阵 Tab. 6 Component matrix of initial factors

式中:F1F2F3分别为表 6中各指标对应成分1、2、3的因数。

由式(2)综合处理2种方法的指标权重,各方法权重情况如表 7。各恢复模式AHP-PCA模型得分为板栗+核桃(5.61)>板栗+山楂(5.42)≈碧桃+紫穗槐(5.40)>板栗纯林(4.96)≈油松+紫穗槐(4.93)>油松+碧桃(4.39)>CK(1.65),将表 2的养分指标标准代入模型得出评价等级分级分别为优(10~7.56)、良(7.56~5.03)、中(5.03~2.52)、差(2.52~0)。该研究区土壤养分恢复水平除对照得分为1.65等级为“差”之外,板栗+核桃、板栗+山楂、碧桃+紫穗槐3种模式评价结果为“良”,其余3种模式评价结果为“中”。板栗+山楂模式对土壤有机质、速效氮的改善虽然达到最优(优于板栗+核桃),但是由于其在速效磷、钾的恢复中效果较差,故养分恢复的综合效果并不是最佳。

表 7 不同评价方法各指标因子权重值 Tab. 7 Weights of indexes in different evaluation methods
4 讨论

相比于对照土壤,不同植被恢复模式对土壤养分均有改善,但效果不同。板栗+核桃、板栗+山楂混交林模式的有机质、速效氮改善显著。原因是板栗、核桃等阔叶树种枯落物数量较大,枯落物被微生物分解后产生大量的有机质、铵态氮及硝态氮。对比板栗+核桃混交林模式与板栗纯林模式,虽然2种模式均为阔叶树种,但混交林模式林下植被多样性与植被覆盖度显著高于纯林,林下自然生草本的根系分泌物促进了枯落物分解与土壤有机质发育的同时改善了土壤pH值。这与袁勇等[16]的研究结果类似。板栗+核桃、板栗+山楂混交林模式中林下植物多为根系在0~20 cm土层的自然生草本,故此类模式20~40 cm土层植物根系较少,说明速效磷主要受植物根系分泌的有机酸影响。何冰等[17]的研究也证明土壤中含有大量游离的碳酸钙,致使大部分磷成为了难溶的磷酸钙盐,故速效磷在植物根系分泌有机酸的土层中含量较高。速效钾由植物根系所分泌的有机酸通过配位交换与还原作用对含钾矿物进行分解来释放[18],说明土壤钾素同样受植物根系有机酸分泌的限制;故碧桃+紫穗槐模式中灌木的栽植是该类模式20~40 cm土层速效养分改善较优的原因。相比其他模式,pH值较低的板栗+核桃、板栗+山楂模式果实的积累也是20~40 cm土层中的速效磷、钾含量较低的原因,这与姚小华等[19]得出的结论类似。虽然板栗+核桃模式的评价结果最优,但土层垂直方向的养分存在差异,结合养分标准考虑到速效磷与有机质作为该模式土壤养分恢复的主要限制因子,建议选取豆科落叶灌木在林下栽植。

表 3可见,层次分析法在指标赋权时主观性强,速效磷、钾的权重分别为0.177和0.130,明显低于有机质(0.377),存在部分信息无法表达的情况,如恢复有机质最显著的板栗+山楂模式无法有效改善土壤20~40 cm土壤速效磷、钾却排名靠前。主成分分析法是通过抽取样本差距显著的指标作为评价体系的主要元素,同一指标出现的不同相对差距会影响主成分指标的选取[20],且第1主成分(70.055%)和第2主成分(26.036%)对应的特征值之间的差异较大,会出现某种模式的第1主成分有机质、速效氮等指标恢复程度中等,第2主成分的指标恢复较差,但综合排名靠前的情况如板栗纯林。因为2种评价方法的评价角度不同,将2评价方法的权重通过“乘法”集成法综合处理计算得出的AHP-PCA模型能弥补2方法各自在赋权上的缺点,减小单个方法赋权误差为某种模式带来的优势或劣势误差,从而全面的反映恢复效果。

综上,本文揭示了不同植被恢复模式与土壤养分间的关系,确定了AHP-PCA评价模型的可行性。尾矿废弃地土壤养分的监测与分析应向长期动态监测方向发展,周边背景值与评价标准需要保持更新,各类效益指标的拟合与完整评价体系的建立将是尾矿废弃地复垦土壤评价的未来发展趋势[21-22]

5 结论

1) 北京市密云区铁尾矿废弃地在植被恢复下土壤养分得到了有效改善,各模式土壤养分恢复的趋势为pH值改善情况较好,富含速效钾,速效氮含量中等、缺乏速效磷与有机质。评价结果表明,板栗+核桃模式的综合改善效果最优,但该模式不同土层间养分仍存在显著差异。碧桃+紫穗槐模式在土壤速效磷、钾的恢复效果优于其他模式。

2) 在该矿区尾矿库废弃地的植被恢复中建议采用板栗+核桃混交林模式,同时建议选择豆科落叶灌木(如紫穗槐)在林下栽植并选择适当时间施用适量的磷肥,以加快土壤养分库中有机质与磷的恢复。

3) AHP-PCA评价模型综合了2种评价方法的优点,优于单一评价模型,评价结果更符合该废弃地各模式的土壤养分特征。

6 参考文献
[1]
陈颖, 李晨光, 徐学华, 等. 铁尾矿废弃地火炬树林水土保持功能[J]. 水土保持学报, 2015, 29(3): 107.
CHEN Ying, LI Chenguang, XU Xuehua, et al. Soil and water conservation function of Rhus typhina L. forest in Iron tailings[J]. Journal of Soil and Water Conservation, 2015, 29(3): 107.
[2]
王超, 毕君, 尤海舟. 矿山废弃地生态退化程度评价[J]. 生态环境学报, 2014, 23(6): 1070.
WANG Chao, BI Jun, YOU Haizhou. Evaluation of ecological degradation on mine wasteland[J]. Ecology & Environmental Sciences, 2014, 23(6): 1070. DOI:10.3969/j.issn.1674-5906.2014.06.026
[3]
闫德民, 赵方莹, 孙建新. 铁矿采矿迹地不同恢复年限的植被特征[J]. 生态学杂志, 2013, 32(1): 2.
YAN Demin, ZHAO Fangying, SUN Jianxin. Characters of the vegetations with different restoration age on a mining site of Shouyun Iron Ore Mine, Beijing[J]. Chinese Journal of Ecology, 2013, 32(1): 2.
[4]
GOMEZ-ROS J M, GARCIA G, PEAS J M. Assessment of restoration success of former metal mining areas after 30 years in a highly polluted Mediterranean mining area:Cartagena-La Unión[J]. Ecological Engineering, 2013, 57(3): 394.
[5]
VICKERS H, GILLESPIE M, GRAVINA A. Assessing the development of rehabilitated grasslands on post-mined landforms in Northwest Queensland, Australia[J]. Agriculture Ecosystems & Environment, 2012, 163(6): 73.
[6]
赵川, 和丽萍, 李贵祥, 等. 昆阳磷矿废弃地植被恢复对土壤质量的影响及评价[J]. 西部林业科学, 2018, 47(2): 107.
ZHAO Chuan, HE Liping, LI Guixiang, et al. Effect and assessment of vegetation restoration on soil quality in Kunyang phosphorite mine area[J]. Journal of West China Forestry Science, 2018, 47(2): 107.
[7]
李文, 任晓旭, 蔡体久. 不同排矸年限煤矸石废弃地养分含量及重金属污染评价[J]. 林业科学, 2011, 47(6): 163.
LI Wen, REN Xiaoxu, CAI Tijiu. Assessment of nutrient content and heavy metal pollution in gangue waste lands with different dumping years[J]. Scientia Silvae Sinicae, 2011, 47(6): 163.
[8]
赵韵美, 樊金拴, 苏锐, 等. 阜新矿区不同植被恢复模式下煤矿废弃地土壤养分特征[J]. 西北农业学报, 2014, 23(8): 211.
ZHAO Yunmei, FAN Jinshuan, SU Rui, et al. Soil Nutrient characteristics for different vegetation restoration models in an abandoned area of Fuxin coal mine[J]. Acta Agriculturae Boreali-Occidentalis Sinica, 2014, 23(8): 211.
[9]
李峰, 刘小阳, 于雪涛, 等. 基于AHP-PCA模型的煤炭城市生态环境质量评价[J]. 矿业安全与环保, 2017, 44(5): 106.
LI Feng, LIU Xiaoyang, YU Xuetao, et al. Eco-environmental quality evaluation of coal city based on AHP-PCA Model[J]. Mining Safety and Environmental Protection, 2017, 44(5): 106.
[10]
闫德民.北京首云铁矿尾矿库生态恢复的植被特征分析[D].北京: 北京林业大学, 2013: 14.
YAN Demin. Analysis of vegetational traits on tailings dam following ecological restoration at Shouyun iron ore mining site in suburban Beijing[D]. Beijing: Beijing Forestry University, 2013: 14. http://cdmd.cnki.com.cn/Article/CDMD-10022-1013213987.htm
[11]
刘永光.北京山区关停废弃矿山人工恢复效果及评价研究[D].北京: 北京林业大学, 2012: 19.
LIU Yongguang. Evaluation of artificial restoration effect of the abandoned mines in Beijing[D]. Beijing: Beijing Forestry University, 2012: 19. http://cdmd.cnki.com.cn/Article/CDMD-10022-1012261254.htm
[12]
鲍士旦. 土壤农化分析[M]. 北京: 中国农业出版社, 2007: 269.
BAO Shidan. Soil agro-chemistrical analysis[M]. Beijing: China Agriculture Press, 2007: 269.
[13]
郭庆勇, 王凤, 史惠堂. 基于层次分析法的页岩气产业风险评价探讨[J]. 矿业安全与环保, 2015, 42(1): 113.
GUO Qingyong, WANG Feng, SHI Huitang. Discussion on risk evaluation of shale gas industry based on analytic hierarchy process[J]. Mining safety & Environmental Protection, 2015, 42(1): 113.
[14]
李江锋.北京矿山废弃地生态恢复质量评价研究[D].北京: 北京林业大学, 2010: 42.
LI Jiangfeng. Study on quality assessment of ecological restoration in mine derelict land in Beijing[D]. Beijing: Beijing Forestry University, 2010: 42. http://cdmd.cnki.com.cn/Article/CDMD-10022-2010128611.htm
[15]
王超, 毕君, 尤海舟. 冀东地区铁矿废弃地生态治理效果评价研究[J]. 环境科学与技术, 2015, 38(52): 433.
WANG Chao, BI Jun, YOU Haizhou. Evaluation on ecological restoration of iron mine wasteland in eastern Hebei province[J]. Environmental Science & Technology, 2015, 38(52): 433.
[16]
袁勇, 李小英, 刘晓梅, 等. 磷矿采空区恢复林地土壤养分:以云南昆阳磷矿为实例研究[J]. 基因组学与应用生物学, 2017(5): 2013.
YUAN Yong, LI Xiaoying, LIU Xiaomei, et al. Restoration of soil nutrients in phosphate mined-out areas:A case study of the phosphate mine in Kunyang, Yunnan[J]. Genomics & Applied Biology, 2017(5): 2013.
[17]
何冰, 薛刚, 张小全, 等. 有机酸对土壤钾素活化过程的化学分析[J]. 土壤, 2015, 47(1): 78.
HE Bing, XUE Gang, ZHANG Xiaoquan, et al. Analysis on chemical mechanism of potassium release process from soil as influenced by organic acids[J]. Soils, 2015, 47(01): 78.
[18]
任启文, 毕君, 李联地, 等. 冀北山地3种森林植被恢复类型对土壤质量的影响[J]. 生态环境学报, 2018, 27(10): 45.
REN Qiwen, BI Jun, LI Liandi, et al. Effects of three forest vegetation restoration types on soil quality in northern Hebei mountain area[J]. Ecology and Environmental Sciences, 2018, 27(10): 45.
[19]
姚小华, 罗细芳. 生态经济林模式土壤养分与颗粒变化研究[J]. 水土保持研究, 2005, 12(4): 163.
YAO Xiaohua, LUO Xifang. Study on soil nutrient and soil granule of ecological economic forest[J]. Research of Soil & Water Conservation, 2005, 12(4): 163.
[20]
李刚, 李建平, 孙晓蕾, 等. 主客观权重的组合方式及其合理性研究[J]. 管理评论, 2017, 29(12): 18.
LI Gang, LI Jianping, SUN Xiaolei, et al. Research on combination mode of subjective and objective weights and its rationalit[J]. Management Review, 2017, 29(12): 18.
[21]
张耿杰.矿区复垦土地质量监测与评价研究[D].北京: 中国地质大学, 2013: 118.
ZHANG Gengjie. Study on monitoring and evaluation of the quality of reclaimed land in mining area[D]. Beijing: China University of Geosciences, 2013: 118. http://cdmd.cnki.com.cn/Article/CDMD-11415-1013267245.htm
[22]
陈优良, 史琳, 王兆茹. GIS的矿区土壤重金属污染评价及空间分布[J]. 测绘科学, 2018, 238(4): 85.
CHEN Youliang, SHI Lin, WANG Zhaoru. Pollution assessment and spatial distribution of soil heavy metals in mining area based on GIS[J]. Science of Surveying and Mapping, 2018, 238(4): 85.