基于植物大数据的自然保护地识别和资源利用规划

植物多样性保护和资源利用与生态文明建设、乡村振兴等国家战略和决策密切相关,迫切需要识别自然保护地、制定资源利用规划。本文对中国被子植物的物种丰富度、特有物种丰富度、濒危物种丰富度、系统发生多样性和保护指数的空间格局进行了分析,按照保护指数从高到低的顺序选取累计面积达到陆域国土面积18%的县级行政区作为保护优先区。同时,对13类资源植物丰富度及资源指数的空间格局进行了分析,按照资源指数从高到低的顺序选取累计面积达到陆域国土面积18%的县级行政区作为资源植物片区,并将累计面积达到陆域国土面积5%的县级行政区作为资源植物片区的核心区。结果表明:保护指数与物种丰富度的空间格局较为一致,主要集中在北纬21°~35°的西南、华南和东南的大部分区域(包括西藏南部,云南北部和南部,云南、贵州和广西毗邻处,四川周边山区,重庆和湖北毗邻处,广西、湖南和贵州毗邻处等)。基于保护指数筛选到34个保护优先区,这些保护优先区的被子植物、特有植物、濒危植物和国家重点保护野生植物分别占中国相应类型被子植物总种数的80.5%、80.3%、70.6%和71.8%。基于资源指数筛选到20个资源植物片区,这些资源植物片区的被子植物、特有植物、濒危植物、资源植物和国家重点保护野生植物分别占中国相应类型被子植物总种数的82.7%、77.2%、74.9%、87.0%和72.9%,核心区的被子植物、特有植物、濒危植物、资源植物和国家重点保护野生植物分别占中国相应类型被子植物总种数的60.6%、60.6%、58.0%、76.3%和57.8%。研究结果显示:筛选的保护优先区与资源植物片区大致重叠,说明筛选出的保护优先区能最大限度地保护中国的植物多样性和物种资源。

基于植物大数据遴选中国地理标志资源植物

为了充分挖掘和利用中国野生植物资源,并将资源植物利用与乡村振兴紧密结合,本文基于植物大数据,兼顾资源植物的经济价值和地域分布,提出利用地标系数遴选各地级行政区的“地理标志资源植物”(简称“地标植物”)。在全国375个地级行政区(即省级行政区管辖的行政单位,包含地级市、盟、自治州、地区、省直辖县级行政区)共遴选出1181种地标植物候选物种,每个地级行政区至少1种;并且,从这些候选物种中遴选出661种地标植物,这些地标植物或具有独特的自然生态环境和人文历史,或已具备产业基础及当地栽培历史,或易规模化生产。从省级行政区看,广东遴选出的地标植物最多(102种),接下来依次为四川、云南和海南,遴选出的地标植物分别有96、86和83种。从地级行政区看,云南省文山壮族苗族自治州、安徽省芜湖市、江苏省淮安市、西藏自治区林芝市遴选出的地标植物最多(8种)。值得注意的是,有17种植物仅为1个地级行政区的地标植物,建议将这类植物开发成“地理标志植物产品”(简称“地标产品”)。另外,还存在1种植物被遴选为多个地级行政区地标植物的情况。对于地理空间上连续的多个地级行政区的地标植物,建议协同当地有关部门打造地标产品,塑造产业集群优势;而对于地理空间上不连续的多个地级行政区的地标植物,则需要突破地域壁垒,创新营销模式,构建营销网络,注重品牌打造,以形成拳头产品。研究结果显示:基于植物大数据可遴选出各地独特的优良植物资源,后续可将地标植物开发成地标产品,避免区域资源植物产业发展同质化,服务地方经济建设,助力乡村振兴。

植物表型组学大数据及其研究进展

植物表型组学通过集成自动化平台装备和信息化技术手段,获取多尺度、多生境、多源异构植物表型海量数据,形成植物表型组学大数据,从组学高度系统深入地挖掘“基因型-表型-环境型”内在关系、全面揭示特定生物性状的形成机制,将极大地促进功能基因组学、作物分子育种与高效栽培的进程。本文概括了植物表型组学大数据的发展背景、含义、产生过程和特点,系统综述了植物表型组学大数据研究进展,包括植物表型数据获取与解析、植物表型组大数据管理及建库技术、表型性状预测和基于表型组的多重组学分析的进展;从植物表型数据采集标准、多样化表型配套设施和低成本表型设备研发、开放共享植物表型组大数据平台构建、表型大数据融合与挖掘理论方法、植物表型组学协同共享和互作机制五个方面探讨了当前植物表型组学大数据研究与应用中面临的问题和挑战;最后从加强植物表型组技术体系设计与标准研究、植物表型-环境感知机理研究和智能化设备研发、植物表型组大数据建设以及人才队伍和协作网络建设四个方面提出具体建议。

思政元素融入教学过程的博弈分析——以植物健康与大数据课程为例

伴随着大数据时代的来临和测序平台的不断升级,大规模数据的挖掘和分析在植物健康领域发展迅猛,本文将思政元素融入植物健康与大数据课程教学后,通过博弈视角对教学双方的教学效果和影响因子进行主成分、相关性统计分析。结果表明:教师在课程中融入思政元素可有效的激发学生对植物健康与大数据课程的学习兴趣(主成分贡献率为28.89%),转变学生的学习态度(主成分贡献率为15.59%),提升学生的专业基础知识水平(主成分贡献率为13.24%)。