灌丛是太行山地区最重要的生态系统类型之一,灌丛群落生物多样性的维持及其生态系统服务功能对京津冀地区的生态安全具有重要作用。本研究选择太行山最具代表性的两种灌木群落——荆条(Vitex negundo var. heterophylla)灌丛和三裂绣线...灌丛是太行山地区最重要的生态系统类型之一,灌丛群落生物多样性的维持及其生态系统服务功能对京津冀地区的生态安全具有重要作用。本研究选择太行山最具代表性的两种灌木群落——荆条(Vitex negundo var. heterophylla)灌丛和三裂绣线菊(Spiraea trilobata)灌丛为研究对象,利用净亲缘关系指数(net relatedness index,NRI)和多元回归等方法探究了两种灌丛群落构建机制的异同及主要的环境影响因子,同时还利用谱系结构主坐标分析(principal coordinates of phylogenetic structure,PCPS)对决定群落谱系结构的关键系统发育节点进行了探究。结果表明:两种灌丛群落内灌木植物的物种多样性没有显著差异,但谱系结构差异显著。三裂绣线菊群落表现出显著的谱系发散趋势,而荆条群落谱系聚集程度高于三裂绣线菊群落,但未表现出显著的谱系结构。三裂绣线菊灌丛群落构建的驱动机制是生态位分化,荆条灌丛中生境过滤作用有所增加,与生态位分化共同驱动其群落构建过程。与干旱胁迫相关的生境过滤因素增加是荆条灌丛群落谱系聚集程度增加的重要原因。PCPS二维排序结果表明:荆条灌丛群落谱系趋向聚集与其群落内缺乏蔷薇目、壳斗目等亲缘关系较远的类群有关,而三裂绣线菊灌丛群落内物种则包含较多的演化分支。总体而言,环境过滤不是决定太行山地区灌丛群落构建的主要驱动因素,但水分条件仍然是影响区域群落谱系结构的重要因素。展开更多
蓖麻(Ricinus communis L.)是一种重要的工业油源作物,具有多种经济价值.为了解蓖麻的遗传多样性,本研究对50份蓖麻种质的遗传多样性进行SRAP分析.结果表明50份种质之间多态性低,其多态条带比率、平均基因多样性和每对引物的多态性带,...蓖麻(Ricinus communis L.)是一种重要的工业油源作物,具有多种经济价值.为了解蓖麻的遗传多样性,本研究对50份蓖麻种质的遗传多样性进行SRAP分析.结果表明50份种质之间多态性低,其多态条带比率、平均基因多样性和每对引物的多态性带,分别为29.97%、0.0904和5.41,遗传相似系数介于0.6469至0.9739之间,香农指数为0.1379;华北种质群比其它种质群的遗传变异相对丰富,而华南种质群的各种质则紧密地聚在一起.采用不加权算术平均组对法(UPGMA)将50份种质分为三大类群,与二维主成分分析(PCA)的结果相一致,一些来自相同地区的种质紧密聚在一起,表现出一定的地域性;7个种质群分别聚为两大类群.展开更多
【目的】城市湖泊沉积物中的微生物群体是富营养环境生物修复的重要因素。本研究拟对中型富营养化湖泊——武汉东湖沉积物细菌群体结构及空间变化规律进行研究。加深对富营养湖泊微生物群体结构的理解,并为城市湖泊的保护和污染控制提...【目的】城市湖泊沉积物中的微生物群体是富营养环境生物修复的重要因素。本研究拟对中型富营养化湖泊——武汉东湖沉积物细菌群体结构及空间变化规律进行研究。加深对富营养湖泊微生物群体结构的理解,并为城市湖泊的保护和污染控制提供参考。【方法】采用16S r RNA基因RFLP分析和序列分析技术获得细菌群体系统发育信息。采用PCoA法分析武汉东湖沉积物细菌群体内以及与其它湖泊沉积物细菌群体间的相似性。采用CCA法分析环境因素对细菌群体的影响。【结果】武汉东湖沉积物细菌群体包含13个门和2个未知种群。PCoA分析进一步表明来自东湖3个子湖的细菌群体与其它地域富营养化湖泊的微生物种群结构相似,并区别于重度富营养化子湖庙湖的细菌群体。在庙湖中,我们发现了Thermogymnomonas类古菌的含量显著偏高。CCA分析表明细菌的分布与沉积物中碳、氮和磷元素的含量显著相关。【结论】本研究进一步确证了环境因素对细菌群体组成和分布的调节作用,加深了对富营养水体微生物群体结构的理解,并为城市湖泊的保护和污染控制提供了参考。展开更多
度量样方间物种组成的差异,即β多样性,是生态学研究中的常用手段。在开展生态学研究的过程中,不同样方获取的样本量通常不同。使用物种稀疏曲线可以计算不同样本量的α多样性,但常用的β多样性指数的计算却没有考虑样本量的差异。本文...度量样方间物种组成的差异,即β多样性,是生态学研究中的常用手段。在开展生态学研究的过程中,不同样方获取的样本量通常不同。使用物种稀疏曲线可以计算不同样本量的α多样性,但常用的β多样性指数的计算却没有考虑样本量的差异。本文主要介绍了从稀疏曲线演化而来的可以计算不同样本量的β多样性指数——预期共享物种数(expected species shared,ESS)及其标准化后的指数,其中详细介绍了弦标准化的预期共享物种数(chord-normalized expected species shared,CNESS)。利用真实采集的数据集,本文演示了在不同样本参数m下,CNESS经过主坐标分析(principalcoordinatesanalysis,PCo A)的二维排序结果,并比较了样本量变化后,CNESS与基于多度的Chao-Jaccard相异性指数之间的差异。模拟结果表明,CNESS指数与Chao-Jaccard指数的PCoA结果具有相关性,该相关性不随m值的变化而变化。CNESS指数较Chao-Jaccard指数具有更多优势,通过调节样本参数m,CNESS的结果可以分析优势种或者稀有种的物种组成差异,同时CNESS指数对样本量不敏感。ESS系列相异指数是基于物种多度的计算,适用于样本量不一致时的β多样性研究,建议在开展昆虫等无脊椎动物的生态学研究中使用此指数。为了更加准确地获得样方之间的物种组成差异,在数据分析的过程中应选取不同大小的m值计算CNESS。然而,由于样本量小于特定m值的样方会在计算中被剔除,因此,在实际的取样工作中,每个样方都应该尽量采集到足够多的个体,才能保证在m值足够大的时候也不丢失样方信息。展开更多
文摘蓖麻(Ricinus communis L.)是一种重要的工业油源作物,具有多种经济价值.为了解蓖麻的遗传多样性,本研究对50份蓖麻种质的遗传多样性进行SRAP分析.结果表明50份种质之间多态性低,其多态条带比率、平均基因多样性和每对引物的多态性带,分别为29.97%、0.0904和5.41,遗传相似系数介于0.6469至0.9739之间,香农指数为0.1379;华北种质群比其它种质群的遗传变异相对丰富,而华南种质群的各种质则紧密地聚在一起.采用不加权算术平均组对法(UPGMA)将50份种质分为三大类群,与二维主成分分析(PCA)的结果相一致,一些来自相同地区的种质紧密聚在一起,表现出一定的地域性;7个种质群分别聚为两大类群.
基金Supported by the National Natural Science Fund of China(31460027)~~
文摘【目的】城市湖泊沉积物中的微生物群体是富营养环境生物修复的重要因素。本研究拟对中型富营养化湖泊——武汉东湖沉积物细菌群体结构及空间变化规律进行研究。加深对富营养湖泊微生物群体结构的理解,并为城市湖泊的保护和污染控制提供参考。【方法】采用16S r RNA基因RFLP分析和序列分析技术获得细菌群体系统发育信息。采用PCoA法分析武汉东湖沉积物细菌群体内以及与其它湖泊沉积物细菌群体间的相似性。采用CCA法分析环境因素对细菌群体的影响。【结果】武汉东湖沉积物细菌群体包含13个门和2个未知种群。PCoA分析进一步表明来自东湖3个子湖的细菌群体与其它地域富营养化湖泊的微生物种群结构相似,并区别于重度富营养化子湖庙湖的细菌群体。在庙湖中,我们发现了Thermogymnomonas类古菌的含量显著偏高。CCA分析表明细菌的分布与沉积物中碳、氮和磷元素的含量显著相关。【结论】本研究进一步确证了环境因素对细菌群体组成和分布的调节作用,加深了对富营养水体微生物群体结构的理解,并为城市湖泊的保护和污染控制提供了参考。
文摘度量样方间物种组成的差异,即β多样性,是生态学研究中的常用手段。在开展生态学研究的过程中,不同样方获取的样本量通常不同。使用物种稀疏曲线可以计算不同样本量的α多样性,但常用的β多样性指数的计算却没有考虑样本量的差异。本文主要介绍了从稀疏曲线演化而来的可以计算不同样本量的β多样性指数——预期共享物种数(expected species shared,ESS)及其标准化后的指数,其中详细介绍了弦标准化的预期共享物种数(chord-normalized expected species shared,CNESS)。利用真实采集的数据集,本文演示了在不同样本参数m下,CNESS经过主坐标分析(principalcoordinatesanalysis,PCo A)的二维排序结果,并比较了样本量变化后,CNESS与基于多度的Chao-Jaccard相异性指数之间的差异。模拟结果表明,CNESS指数与Chao-Jaccard指数的PCoA结果具有相关性,该相关性不随m值的变化而变化。CNESS指数较Chao-Jaccard指数具有更多优势,通过调节样本参数m,CNESS的结果可以分析优势种或者稀有种的物种组成差异,同时CNESS指数对样本量不敏感。ESS系列相异指数是基于物种多度的计算,适用于样本量不一致时的β多样性研究,建议在开展昆虫等无脊椎动物的生态学研究中使用此指数。为了更加准确地获得样方之间的物种组成差异,在数据分析的过程中应选取不同大小的m值计算CNESS。然而,由于样本量小于特定m值的样方会在计算中被剔除,因此,在实际的取样工作中,每个样方都应该尽量采集到足够多的个体,才能保证在m值足够大的时候也不丢失样方信息。
