基于生态因子与神经网络的杉木叶片碳氮磷含量预测

[目的]利用神经网络所具有的输入层与输出层间存在的高度非线性映射关系,对杉木叶片C、N、P含量实现准确、经济、快捷的预测。[方法]以我国亚热带地区杉木人工林为研究对象,运用径向基函数(RBF)神经网络在杉木叶片C、N、P含量与地理、气候及土壤性质等生态因子间构建最优预测模型,并结合已发表文献数据进行叶片C、N、P含量预测。[结果]模拟预测叶片C、N和P含量分别为476.68、12.27和1.24 mg·g^(-1),其中N含量远低于我国陆地植物叶片平均含量;叶片C/N、C/P和N/P平均值分别为40.28、412.01和10.50。预测结果与实测值较为符合,表明RBF人工神经网络模型用于预测杉木叶片C、N、P含量与生态因子的关系是可行的。[结论]模型可以较为准确地估测杉木叶片C、N、P含量,平均误差分别为1.82%、9.88%和7.02%。较低的叶片N含量和N/P表明亚热带地区杉木生长主要受到N素限制。

PEG模拟干旱对毛竹种子萌发及生长生理特性的影响

[目的]通过比较不同程度干旱胁迫对毛竹种子萌发及生长生理的影响,探究毛竹种子萌发期对水分胁迫的耐受机理,为毛竹的水分管理提供科学依据。[方法]以毛竹种子为试验材料,采用培养皿滤纸萌发的方法研究不同浓度(0%、5%、10%、15%、20%、25%) PEG-6000溶液对其种子萌发、生长、渗透调节物质、抗氧化酶活性的影响。并对种子萌发率、胚根和胚芽的生长量与PEG胁迫浓度间进行回归分析。[结果](1)对照组(CK)和5%处理组在第4天开始发芽,其余各处理组的发芽起始时间随处理浓度的升高逐渐延迟,25%处理组不发芽。(2)最终发芽率、发芽势、发芽指数、活力指数、胚根长度、胚芽长度随PEG浓度的升高呈现先增大后减小的趋势,且均在5%浓度达到最大值。干旱胁迫下毛竹种子发芽率日变化曲线中对照组和5%处理组间存在唯一交叉点。毛竹种子在PEG胁迫下发芽率的临界值和极限值分别为14. 49%和19. 27%。(3)胚根和胚芽最终长度均在5%浓度时达到最大值,其后随着浓度的升高而减小,处理间差异显著(P <0. 05)。对照组和5%处理组的胚根平均长度日变化曲线存在交叉点。PEG胁迫下胚根生长的临界值和极限值分别为20. 43和23. 01%。(4)胚根中SOD、POD、CAT的活性均随PEG浓度的升高呈先上升后下降的趋势,且分别在5%、10%、10%浓度时达到最大值。(5) MDA和可溶性蛋白含量随PEG浓度的升高而持续升高,但低浓度(0%10%)时MDA含量差异不显著。[结论]低浓度干旱胁迫抑制发芽前期毛竹种子萌发以及胚根的形成,但显著提高毛竹种子的最终发芽率并且促进胚根后期的生长;而高浓度PEG干旱胁迫延迟毛竹发芽,抑制整个发芽时期的发芽率以及胚根、胚芽的生长; PEG浓度高于15%的干旱胁迫使毛竹的抗氧化酶系统发生紊乱,并对组织膜系统造成显著伤害。

树种配置和叶元素含量的空气负离子浓度效应

【目的】在人工气候室控制试验条件下,分析不同树种配置的空气负离子(NAI)效应以及叶片养分元素和NAI效应的关系,旨在探究森林的NAI作用机理,为未来康养森林的树种配置选择提供理论参考。【方法】于2018年6—9月在浙江钱江源森林生态站杭州虎山实验基地人工气候室内控制相同环境的条件下,对6种亚热带典型树种及其配置的NAI浓度进行连续监测。同时,测定叶元素含量。采用单因素和LSD法进行方差分析和多重比较(α=0.05),利用Person分析法对NAI浓度与叶养分含量进行相关分析。【结果】树叶中锰离子和钾离子含量与NAI浓度均呈显著正相关(P<0.05),阔叶树叶中铁离子含量与NAI浓度呈极显著正相关(P<0.01),针叶树叶中氮和铜离子含量与NAI浓度呈极显著正相关(P<0.01)。不同树木组成会导致NAI浓度差异显著,存在树种混合的交互作用。在混合树种为2种和4种时交互作用表现为正效应,且NAI的交互效应随叶面积和单种平均NAI浓度增加而增大。在混合树种为5种和6种时交互作用表现为负效应。在混合树种为2~6种时,交互效应与各树种混合处理的叶量呈紧密的非线性递增关系,回归方程y=-0.0631x^(2)+78.322x-23783。【结论】对提升植物周围的NAI浓度而言,树叶中锰离子和钾离子含量具有积极作用,阔叶树叶中铁离子含量和针叶树叶中氮和铜离子含量的作用更显著。不同树种的数量组成会导致NAI浓度的差异,交互作用效应受到叶生物量、叶面积、树高配置和单个树种NAI效应的影响。总体来说,树种配置的NAI浓度效应取决于它们之间的交互作用,有针叶树种时更利于提升NAI浓度,具有高NAI效应的树种处于配置最上层空间时更利于NAI浓度提升。开展树种配置和叶元素含量的NAI浓度效应研究将为高效康养森林的树种选择和结构配置提供科学依据。