三種判定落葉闊葉混交林土壤損害基線的方法研究
——以吉林省撫松縣為例

李嘉珣,曹飛飛,吳 鋼,*

1 中國科學(xué)院生態(tài)環(huán)境研究中心,城市與區(qū)域生態(tài)國家重點實驗室,北京 100085 2 中國科學(xué)院大學(xué),北京 100049

生態(tài)環(huán)境損害是指因污染環(huán)境、破壞生態(tài)造成大氣、地表水、地下水、土壤等環(huán)境要素和植物、動物、微生物等生物要素的不利改變,及上述要素構(gòu)成的生態(tài)系統(tǒng)功能的退化的行為[1]。生態(tài)環(huán)境損害既包含了環(huán)境的損害,也包含了生態(tài)系統(tǒng)整體結(jié)構(gòu)和功能的損害,具有潛伏時間長、受損對象廣、恢復(fù)難度大、定責(zé)困難的特點[2]。隨著人類活動的影響,我國生態(tài)環(huán)境損害事件頻發(fā),對損害類型的甄別和損害程度的判定顯得十分重要。生態(tài)破壞行為發(fā)生前,受影響區(qū)域內(nèi)生態(tài)系統(tǒng)的狀態(tài)或水平被稱為生態(tài)環(huán)境損害基線(簡稱“損害基線”)[3]。損害基線既包含了動植物種群、數(shù)量、結(jié)構(gòu)等生物因素,也包含了區(qū)域的土壤、水質(zhì)、空氣等非生物因素,是反映一個地區(qū)生態(tài)系統(tǒng)狀態(tài)的綜合性指標(biāo)集[4]。對損害區(qū)域而言,首先要判斷損害的類型和程度,繼而為后續(xù)量化損失和責(zé)任判定提供依據(jù)[5]。而在具體操作過程中,要先確定損害區(qū)域的損害基線,再與當(dāng)前狀態(tài)進行比較,通過兩者的差異來判定損害程度。準(zhǔn)確地確定一個地區(qū)的損害基線將是損害鑒定評估的基礎(chǔ),也是判定人為破壞生態(tài)行為與環(huán)境損害因果關(guān)系的紐帶,更是開展生態(tài)損害量化評估的前提[6-7]。

森林土壤作為重要的營養(yǎng)輸出者和能量轉(zhuǎn)化者,能有效協(xié)調(diào)植物生長所需的水肥氣熱等條件,是影響樹木生存的重要因素[8-9]。研究森林土壤狀態(tài),揭示森林與土壤間的動態(tài)變化規(guī)律,可以為森林植被損害程度鑒定和生態(tài)重建提供理論依據(jù)和參考。在我國,破壞森林資源違法行為依然存在,森林保護形勢嚴(yán)峻復(fù)雜,其主要表現(xiàn)在毀林開墾、土地整理、中藥材種植和采石采礦等方面,造成森林土壤不可逆損害[10],如何甄別森林土壤損害類型并判定其損害程度顯得十分重要,森林土壤的基線的判定成為關(guān)注的重點[11-12]。

目前生態(tài)損害基線的方法眾多,適用范圍不盡相同。如果區(qū)域內(nèi)有詳細的歷史數(shù)據(jù),可采用歷史數(shù)據(jù)法或者古生態(tài)學(xué)法反推過去的生態(tài)環(huán)境[13]；如果區(qū)域內(nèi)有環(huán)境標(biāo)準(zhǔn)或行業(yè)限定值,可采用相關(guān)環(huán)境基準(zhǔn)值作為損害基線[14]；在區(qū)域受干擾程度較深的地區(qū),可采用專家判別法或者模型法,利用專家經(jīng)驗或者數(shù)據(jù)構(gòu)建模型來確定基線值[15- 17]；在生境變化不大的區(qū)域可采用參照點位法,用受損區(qū)域周圍未受影響的區(qū)域的生態(tài)狀態(tài)作為基線值[18]。此外,在研究較為成熟的湖泊生態(tài)系統(tǒng)中,美國環(huán)境保護署(U.S.EPA)在指南中推薦統(tǒng)計學(xué)方法,即選擇樣點群中某一點位的數(shù)值作為基線值[19]。目前在土壤基線研究中,學(xué)者一般采用參照點位法和統(tǒng)計學(xué)方法對城市、礦區(qū)、湖泊周圍的土壤重金屬元素含量和分布進行研究,以確定區(qū)域內(nèi)受到人類工業(yè)活動的環(huán)境污染及污染程度[20-22]。然而,并非所有方法都適用于森林土壤基線判斷中。首先,森林土壤對環(huán)境、氣候、植被及人為干擾十分敏感,存在巨大的時空變異性[23],同時森林常位于人類難以到達的閉塞區(qū)域,歷史數(shù)據(jù)缺失且相關(guān)標(biāo)準(zhǔn)不足；其次,專家判別法僅能依靠專家經(jīng)驗判別區(qū)域有無受損,無法定量確定損害程度和基線值；再次,不同生態(tài)系統(tǒng)受到的干擾源不同,在其他生態(tài)系統(tǒng)中使用的模型,在森林土壤基線的判定中往往不顯著[24]。因此,尋找出合適的能判定森林土壤基線的方法顯得十分重要。本研究主要目的在于：1)對已存在損害基線的研究方法進行篩選；2)運用篩選后的方法進行實例研究和分析,確定這些方法的適用范圍,以選擇判定森林土壤基線合適的方法。

1 研究區(qū)概況和研究方法

1.1 研究區(qū)概況

圖1 研究區(qū)位置Fig.1 Direction of study area

研究地在吉林省東南邊陲白山市的撫松縣。該縣位于松花江上游,長白山西北麓,東經(jīng)127°01′—128°06′,北緯41°42′—42°49′,面積6153km2,人口28.5萬(2017)。撫松縣屬于寒溫帶濕潤氣候,四季分明,冷暖階段性變化顯著,年均降水800 mm。區(qū)域內(nèi)地形垂直分化顯著,平均海拔300—700 m。撫松縣森林資源豐富,林地占全縣面積的90%以上,以落葉松為主的針葉林和紅松針葉闊葉混交林為主。撫松縣獨特的自然條件非常適宜人參生長,素有“中國人參之鄉(xiāng)”的美譽。該地區(qū)是我國最早有人參栽培的地區(qū),人參栽培始于1567年,距今已有450年歷史。但是,隨著人參需求的擴大,人參種植面積也不斷增加,森林結(jié)構(gòu)失調(diào)、面積減少,水土流失現(xiàn)象嚴(yán)重[25]。

1.2 研究方法

本研究于2015年7—8月在研究區(qū)進行土壤樣點采集(圖1)?；诘湫腿釉瓌t,首先根據(jù)遙感影像確定林地及還林地位置,再進行實地取樣,共采集29個樣地,其中一個樣地作為參照區(qū)樣地,無人參種植及其他人為干擾。土壤樣地為1 m×1 m方格,分別記錄土壤樣地的經(jīng)緯度、海拔、棄耕時間、還林時間、群落類型、土壤類型、枯落葉厚度等內(nèi)容,每個樣方內(nèi)先去掉土壤表層覆蓋物(殘值、枯葉等),再用五點法取樣地中10—20 cm層土樣,混合后裝入土壤袋(200 g)帶回實驗室,總計29個土壤樣本數(shù)量。實驗測定每個樣本的TOC、P、N、K、B、Mn、Ca、Zn、Cu,同時測定樣本中pH值、平均粒徑(APS)、陽離子交換量(CEC)等指標(biāo)(表1)。其中,pH值采用電位法測定；CEC采用中性乙酸銨法測定；TOC含量采用重鉻酸鉀容量法測定；N含量采用微量凱氏法測定；P含量采用酸溶-鉬銻抗比色法測定；K含量采用乙酸銨浸提-火焰光度法測定；Ca采用EDTA容量法測定；其余指標(biāo)含量使用ICP-MS(Agilent USA)測定[26,27]。

表1 樣本指標(biāo)數(shù)統(tǒng)計

TOC: Total Organic Carbon; N：Alkali-hydrolysable Nitrogen; P: Available Phosphorus; K: Quick Available Potassium; B: Available Boron; CEC: Cation Exchange Capacity; APS: Average Particle Size

1.3 數(shù)據(jù)分析

本研究篩選了U.S.EPA推薦的群體分布法、三分位法以及被廣泛應(yīng)用的回歸模型法分別對樣本土壤指標(biāo)進行測算。通過3種方法計算得出各自基線值,再分別與該地區(qū)歷史數(shù)據(jù)進行比較,分析3種方法的科學(xué)性與適用性。

群體分布法(Population Distribution Method, PDM),該方法以評價區(qū)內(nèi)所有樣點(除去已知損害嚴(yán)重的樣點)為樣本,選擇每個指標(biāo)數(shù)據(jù)頻數(shù)分布的后25%作為該地區(qū)的基線值[28-29](圖2)。本研究將采集的土壤樣點各指標(biāo)值按從小到大順序排列,選擇每個指標(biāo)值后四分位的數(shù)作為基線值,由于樣本數(shù)量不能被4整除,后四分位數(shù)由其相隔兩個數(shù)按比例計算得出。

三分位法(Trisection Method, TM),該方法對評價區(qū)內(nèi)所有森林樣點指標(biāo)值進行排序,選擇數(shù)據(jù)中最好的三分之一的中位數(shù)作為基線值(圖3)。本方法包含了所有樣點數(shù)據(jù),將樣點各指標(biāo)值按從小到大順序排列,選擇指標(biāo)數(shù)值最大的后三分之一的中位數(shù)作為基線值[19]。

圖2 群體分布法示意圖Fig.2 Diagrammatic sketch of PDM

圖3 三分位法示意圖Fig.3 Diagrammatic sketch of TM

回歸模型法(Regression Model Method, RMM),該方法通過對現(xiàn)有樣點數(shù)據(jù)進行處理,運用模型確定解釋變量和被解釋變量的關(guān)系[15,30]。被解釋變量通常為基線指標(biāo)值,如某種營養(yǎng)物質(zhì)的濃度、物種數(shù)量等。解釋變量可以為生態(tài)風(fēng)險源,如人為干擾時間、破壞程度等,也可以為某些有利因素,如綠地占有率、植被恢復(fù)時間等。不同研究選擇的解釋變量不同,回歸模型也需根據(jù)基線判定情況來確定。人參種植是目前對研究區(qū)域內(nèi)森林生態(tài)環(huán)境威脅較大的人為干擾之一,森林被不斷砍伐來滿足日益增長的人參需求,但人參種植會使土壤養(yǎng)分流失愈加嚴(yán)重[31],人參棄耕后需要至少3—5年來恢復(fù)土壤養(yǎng)分,才能再重新種植樹木。林地的土壤狀態(tài)遠好于參地,人參還林地的土壤狀態(tài)也因還林時間的不同而呈現(xiàn)較大差異。本研究根據(jù)其他研究成果,以參地還林時間、pH值、土壤平均粒徑、土壤陽離子交換量(CEC)等可能影響土壤指標(biāo)含量的因素作為解釋變量,以土壤元素含量作為被解釋變量建立回歸模型(公式1)。由于部分樣點存在人工施肥和新填土現(xiàn)象,因此某些樣點元素數(shù)值與該地本底值存在差別,剔除異常值(與均值相差3倍以上),再進行回歸,形成不同指標(biāo)的回歸模型,計算每個解釋變量在最優(yōu)樣點集(前50%)中的平均值代入回歸模型中,作為該方法的基線值。

Yi=β0+∑βiXi

(1)

式中,Xi代表影響樣點的解釋變量,Yi代表土壤指標(biāo)數(shù)值,i代表不同樣點。

2 計算結(jié)果

通過公式1計算得到的土壤各元素回歸模型,見表2。

將影響土壤指標(biāo)的因素分別進行回歸后,得到不同的模型公式。結(jié)果顯示,還林時間與所有土壤指標(biāo)都成正相關(guān)關(guān)系,說明森林土壤狀態(tài)好于參地或者撂荒地,且還林地隨著還林時間的增加,土壤各項指標(biāo)含量均有不同程度增加。土壤中營養(yǎng)物質(zhì)含量與土壤陽離子交換量、pH值和平均粒徑均呈現(xiàn)正相關(guān)關(guān)系,B元素含量與pH值呈現(xiàn)負相關(guān)關(guān)系,金屬元素含量與pH值呈現(xiàn)正相關(guān)關(guān)系。Ca的相關(guān)系數(shù)最高,與影響因素相關(guān)度最高,達到0.836；B的相關(guān)系數(shù)最低,達到0.499。在回歸模型的方差分析中,所有回歸模型的P值均<0.05,說明回歸模型顯著有效。將所有樣點中影響因素最優(yōu)樣點集的均值帶入回歸公式中,得到每個指標(biāo)的基線值 (表3)。

表2 不同指標(biāo)的回歸模型

X:還林時間, Forest returning time;Y:土壤pH值, Soil pH value;Z:土壤平均粒徑, Soil average particle size;W:土壤陽離子交換量, Soil cation exchange capacity.

表3 三種方法確定的土壤指標(biāo)基線值、參照點值及歷史均值

—為未記載; PDM: Population distribution method; TM: Trisection method; RMM: Regression model method

圖4 3種方法基線值與樣本均值的差異比Fig.4 Difference ratio between three methods′ baseline and average value TOC: Total Organic Carbon,總有機碳

結(jié)果顯示,三分位法確定的基線值最高,群體分布法確定的基線值最低,回歸法確定的基線值居中。3種方法的基線值均低于參照點位的土壤指標(biāo)值,其中TOC含量差別最大,參照區(qū)土壤TOC含量是平均基線值的3.2倍,Ca含量是平均基線值得2.1倍,說明無人為干擾林地土壤狀態(tài)好于還林地土壤,人參種植對于土壤肥力產(chǎn)生不利影響,且影響持續(xù)時間較長。本研究選擇中國土壤數(shù)據(jù)庫及相關(guān)文獻中長白山撫松地區(qū)的土壤微量元素平均值作為歷史均值[32-33],結(jié)果發(fā)現(xiàn),除N和Zn外,3種方法的基線均值均大于歷史均值,其中TOC和P的基線均值均大于歷史均值2倍以上；但土壤中金屬元素含量差異較小,平均差異為4.7%,說明近幾十年來該地區(qū)人為活動較為頻繁,在人參種植和還林過程中已經(jīng)改變部分土壤性狀,土壤肥力明顯增強。此外,通過3種方法得出的基線值的相互比較,群體分布法的基線值和三分位法基線值相差較大,最大(N)差異為52.34%,最小(Mn)差異為11.81%,平均差異為25.78%,且非金屬含量差異(32.34%)大于金屬含量差異(17.57%)；回歸模型法和群體分布法數(shù)值差異較小,最大(P)差異為38.31%,最小(B)差異為0.01%,平均差異為12.34%。土壤中非金屬元素含量波動比金屬元素含量波動大,樣點中指標(biāo)差異最大的為N,極值相差82.19倍,差異最小的為Zn,極值相差1.86倍,3種方法計算非金屬元素基線值的差異(20.9%)也大于金屬元素基線值的差異(11.5%)。一般判斷基線的方法是取參照樣點的均值,除群體分布法中的P外,本研究的3種方法的指標(biāo)基線值均大于均值,其基線值分別是均值的1.14、1.35、1.21倍,其中差異最大為三分位法的N,是均值的1.82倍,最小為群體分布法的Zn,是均值的1.03倍；各指標(biāo)值中,差異最大的為N,平均是均值的1.48倍,差異最小的為Cu,是均值的1.12倍(圖4)。

3 討論

3.1 3種方法結(jié)果分析

從結(jié)果中看,樣點中極值將顯著影響群體分布法和三分位法的結(jié)果。由于森林樣點選取的隨機性以及土壤空間異質(zhì)性,某些樣點的某些指標(biāo)存在高異常值,如果異常值占到總樣本數(shù)量的15%,三分位法確定的基線結(jié)果將偏高,如果異常值占到總樣本的25%,群體分布法確定的基線結(jié)果將偏高。對于回歸模型法而言,解釋變量的相關(guān)性將決定模型預(yù)測的準(zhǔn)確性。在其他生態(tài)系統(tǒng)中,農(nóng)業(yè)種植活動,牲畜養(yǎng)殖和人口密度都顯著影響土壤營養(yǎng)物質(zhì)含量[34]。本研究中土壤營養(yǎng)物質(zhì)含量均與人為干擾有關(guān),人為干擾影響越小,土壤營養(yǎng)物質(zhì)含量越高,這與已有研究成果結(jié)論相似[35]。此外,非金屬元素基線值的差異大于金屬元素的差異,尤以N、P兩者差異值最大,這是由于該地區(qū)屬于落葉闊葉混交林,不同樹種養(yǎng)分?jǐn)z取側(cè)重存在差異[36],人為干預(yù)(施肥、移土、枯落葉清理)對N、P的影響較大[37],造成樣點N、P含量差別較大。在所有指標(biāo)中,P的極值比最大,達到82.2倍,最小的是Zn,為1.86倍。已有研究結(jié)果表明樹木枯落葉分解后土壤P、N、TOC含量有顯著增加趨勢[38-40],本研究部分樣點枯落葉大量存在且無人為清理,造成這些樣點中非金屬元素含量極高,基線測定結(jié)果偏高；而該區(qū)域周圍并無工礦業(yè)和制造業(yè)活動,所以樣點間金屬元素含量差異較小。為避免單一因素的影響,在確定森林土壤基線時,應(yīng)在遠離人為活動的地區(qū)連續(xù)采集不同季節(jié)的土壤指標(biāo)值,或避免選擇落葉較多或者人工施肥、移土的地方進行土壤收集。

3.2 不同基線方法在該地區(qū)的適用性分析

雖然樣本均值是判定生態(tài)狀態(tài)的常用指標(biāo),但在該地區(qū)作為基線不適宜,均值只能反映一個地區(qū)受干擾的平均狀態(tài),受極值影響巨大,基線是反映區(qū)域未被干擾前的良好狀態(tài),一般用以描述區(qū)域內(nèi)人為干擾少、生態(tài)系統(tǒng)功能健全的樣點,若選擇均值作為基線值,將導(dǎo)致?lián)p害程度判定和修復(fù)難度的低估,造成生態(tài)損害鑒定的不準(zhǔn)確。在本研究的樣點中,非金屬元素受環(huán)境影響巨大,個別樣點出現(xiàn)高異常值,樣本均值被嚴(yán)重高估,造成結(jié)果失真。群體分布法和回歸模型法均將異常點值去掉,能更加準(zhǔn)確評估該地區(qū)原始狀態(tài)而非均化狀態(tài)。歷史數(shù)據(jù)法在該區(qū)域同樣不適用。首先,該地區(qū)的歷史數(shù)據(jù)基于長白山地區(qū),該地區(qū)分布著山地暗棕壤土、棕色針葉林土、亞高山疏林草甸土和高山苔原土等不同類型土壤,不同類型土壤性狀不同,土壤元素含量和評價區(qū)差異較大,影響基線準(zhǔn)確度。其次,歷史數(shù)據(jù)采集時間較為久遠,經(jīng)過人為擾動后生境狀態(tài)發(fā)生改變,歷史數(shù)據(jù)不能準(zhǔn)確反映土壤目前情況,影響基線準(zhǔn)確度。參照點位法在該地區(qū)應(yīng)用同樣受限。本研究選擇的參照點選擇在人參還林區(qū)旁邊的原始森林中,但測定的土壤指標(biāo)值遠大于測定基線值。在實際操作過程中,森林情況復(fù)雜,參照點位的選擇存在偏差,易導(dǎo)致基線值偏高。

3.3 3種方法應(yīng)用的優(yōu)勢與不足

群體分布法及三分位法計算簡便,數(shù)據(jù)利用率高,結(jié)果可比性強。兩種方法確定的基線均是人為設(shè)定的,該基線值有可能落在樣本中,也可能存在于未采集的區(qū)域中,還可能并不存在于自然界中,但基線值的大小能夠反映過去評價區(qū)內(nèi)的生態(tài)系統(tǒng)狀態(tài),對損害程度的判定起到關(guān)鍵作用,適合在研究區(qū)較小范圍內(nèi)進行基線判定。隨著樣點區(qū)域的擴大,樣點區(qū)的優(yōu)勢物種、土壤理化性質(zhì)、氣候條件等均不一致,在此狀態(tài)下得出的基線值與原區(qū)域的生態(tài)狀態(tài)不一致,在樣點差異較大的情況下得出的基線值可能會失真?；貧w模型法可充分利用現(xiàn)有數(shù)據(jù),可以在樣本數(shù)據(jù)有限的情況下進行基線判定,靈活度高,適用范圍大。該方法下的基線值與樣本均值差異較小,與通用的生態(tài)評價方法得出的結(jié)論差異性小,也更易被接受和采納。但該方法在判定過程前需要對評價區(qū)進行風(fēng)險識別,建立風(fēng)險源或影響因素與基線指標(biāo)的關(guān)系,在實際操作過程中要求較高。在很多情況下,若未找到基線指標(biāo)值與影響因素直接的關(guān)系或兩者相關(guān)性不顯著,將無法使用該方法作為基線判定的方法。此外,異常值在樣本數(shù)量較少情況下將顯著影響結(jié)果。本研究中個別還林地、人參轉(zhuǎn)林地土壤經(jīng)過施肥后的TOC、P含量顯著高于其他樣點值,回歸分析時未采用該樣點數(shù)據(jù)。在實際操作過程中應(yīng)去除異常值或?qū)⒈唤忉屪兞窟M行對數(shù)化(log)處理后做回歸分析[19,41],以避免基線值受到過多異常值的影響?；貧w模型法最大的缺陷在于過于依賴現(xiàn)有樣本數(shù)據(jù)信息,然而在參照點位信息不足時,回歸法是為數(shù)不多能夠確定基線值的方法。

3.4 3種方法適用范圍討論與最優(yōu)方法確定

在本研究中,三分位法判定的基線值大于群體分布法的基線值,但不能簡單認為三分位法更優(yōu)于群體分布法,應(yīng)根據(jù)不同需要來選擇不同的方法。通過與樣本均值相比,群體分布法與均值相差比例遠小于三分位法與均值之差,說明三分位法受到極值影響更明顯,三分位法更加適合受人類干擾不大的區(qū)域[42-43]。隨著人類活動的日益頻繁,在某一區(qū)域?qū)ふ彝耆珱]有人類影響的區(qū)域顯得越來越困難,兩種方法的應(yīng)用也受到較大限制,雖然有研究表明基線的樣本中應(yīng)有10%來自未受干擾區(qū)域并對人為干擾來源進行校正[44],但本研究認為為了增加基線的準(zhǔn)確性,在小尺度范圍內(nèi),樣本中至少應(yīng)有25%來自未受干擾區(qū)域,并且土壤樣點盡量避免選擇人工林地或較短時間的還林地。隨著生態(tài)損害鑒定研究尺度的不斷擴大,回歸模型法憑借著其靈活度廣和適用性強被廣泛應(yīng)用。在未來大尺度的基線確定中,火災(zāi)頻率、動物活動情況、人工干預(yù)措施等有可能影響回歸模型準(zhǔn)確度的因素也應(yīng)該被考慮進去[45],將多因子解釋變量加入回歸模型,并采用廣義線性回歸模型等措施將顯著增強基線回歸預(yù)測的準(zhǔn)確性[46]。對于回歸模型法而言,樣本的數(shù)目決定了數(shù)據(jù)的質(zhì)量,進而影響回歸模型法判定基線的精度。樣本越多,回歸分析受極值的影響越小,但樣本的采集將花費巨大的人力物力,在實際操作過程中存在諸多困難。如何尋找合適的樣本數(shù)量為生態(tài)損害提供合理的基線評估成為未來研究的對象。通過本次實例分析,我們建議在人類干擾不大的區(qū)域內(nèi)進行基線評估時,原則上樣點數(shù)量不少于25個。

4 結(jié)論

本研究對森林土壤損害基線的確定方法進行了研究,提出了針對森林土壤損害基線的3種方法,群體分布法、三分位法、回歸模型法,并以吉林省撫松縣長白山地區(qū)落葉闊葉混交林進行實例分析,驗證了這3種方法在判定過程中準(zhǔn)確性和可行性?；?種方法的判定結(jié)果可知,3種方法均能在基線判定中應(yīng)用,但不同方法確定的基線值不同,三分位法確定的基線值最高,群體分布法最低,回歸模型法和群體分布法數(shù)值差異較小,三分位法與樣本均值差異較大。在具體應(yīng)用中,群體分布法及三分位法計算方法簡便,結(jié)果可比性強,但易受樣點極值的干擾,導(dǎo)致基線值偏高,兩種方法適用于受人類影響不大的區(qū)域。隨著研究尺度的擴大,回歸模型法充分利用有限數(shù)據(jù)進行推算,在數(shù)據(jù)有限的情況下是較好的基線判定方法。目前,對土壤損害基線的表征指標(biāo)和判定方法仍處在探索階段,不同地區(qū)可根據(jù)實際情況采用多種方法共同確定基線。未來在制定土壤損害鑒定評估工作中,首選回歸模型法,在回歸模型法無法得出基線值得情況下,再選擇群體分布法和三分位法作為補充。隨著基線內(nèi)涵的不斷豐富和數(shù)據(jù)的充實,未來對森林損害的界定還包括樹木的損害,而基線界定的內(nèi)容也將由單一的土壤元素含量值向樹木種類、結(jié)構(gòu)、年齡、密度、空間分布等多角度多指標(biāo)擴充。通過對樹木和土壤基線的綜合測定,為森林損害程度的判斷和經(jīng)濟評估提供科學(xué)依據(jù)。