干旱胁迫环境中黄栌幼苗叶功能性状变异与产地地理−气候因子的关系

李金航; 朱济友; Catherine MhaeB. Jandug; 赵凯; 徐程扬

doi:10.12171/j.1000-1522.20190079

干旱胁迫环境中黄栌幼苗叶功能性状变异与产地地理−气候因子的关系

北京林业大学省部共建森林培育与保护教育部重点实验室，干旱、半干旱地区森林培育和森林生态系统国家林业和草原局重点实验室，北京林业大学城市林业研究中心，北京 100083

基金项目: 北京市教委科学研究与研究生培养共建项目

详细信息

作者简介:
李金航。主要研究方向：树木生理生态。Email：ljhbjfu@163.com　地址：100083 北京市海淀区清华东路35号北京林业大学林学院

责任作者:
徐程扬，教授，博士生导师。主要研究方向：城市林业，生态林与城市森林培育理论与技术。Email：cyxu@bjfu.edu.cn　地址：同上

计量
- 文章访问数: 2009
- HTML全文浏览量: 1008
- PDF下载量: 118
出版历程
- 收稿日期: 2019-02-24
- 修回日期: 2019-05-04
- 网络出版日期: 2019-12-01
- 发布日期: 2020-03-02

Relationship between leaf functional trait variation of Cotinus coggygria seedling and location geographical-climatic factors under drought stress

Key Laboratory for Forest Silviculture and Conservation of Ministry of Education, Key Laboratory for Silviculture and Forest Ecosystem in Arid and Semi-arid Areas of National Forestry and Grassland Administration, Research Center for Urban Forestry, Beijing Forestry University, Beijing 100083, China

摘要

摘要:
目的分析持续干旱胁迫环境中不同产地黄栌幼苗叶功能性状的变异规律及差异，并探究产地地理−气候因子对叶功能性状变异的影响。
方法采用田间模拟试验方法，选取来自5个产地的黄栌1年生幼苗作为供试材料，设置对照（CK，土壤田间持水量的75% ~ 80%）、中度胁迫（MS，土壤田间持水量的55% ~ 65%）和重度胁迫（SS，土壤田间持水量的35% ~ 45%）3个土壤水分含量梯度，分析干旱胁迫、产地及其二者的交互作用对叶功能性状的影响，并结合主成分分析（PCA）和冗余分析（RDA）分别研究产地分布与地理−气候因子的关系以及产地地理−气候因子对叶功能性状变异程度（TVD）的影响。
结果（1）干旱胁迫对幼苗叶功能性状均具有显著影响。其中，SS环境中，叶绿素含量（LChl）、叶相对含水量（RWC）、比叶面积（SLA）和叶片面积比例（LAR）分别比对照低17.61%（P < 0.001）、3.71%（P < 0.001）、10.89%（P = 0.002）和17.22%（P = 0.001），叶干物质含量（LDMC）、叶组织密度（LD）分别比对照高9.04%（P < 0.001）和14.52%（P = 0.009）。（2）黄栌叶功能性状之间的相关性在干旱胁迫环境中具有增强的趋势。其中，SLA与LDMC和LD均呈极显著（P < 0.01）的负相关关系，LDMC和LD之间具有极显著（P < 0.01）的正相关关系，RWC与LChl（P < 0.01）、SLA（P < 0.01）和LAR（P < 0.05）呈极显著或显著的正相关关系。（3）干旱胁迫环境中不同产地叶功能性状具有显著差异。MS处理时，SLA（P = 0.002）、LChl（P = 0.025）和LD（P = 0.026）在产地间具有显著差异；SS处理时，LChl（P < 0.001）、LAR（P < 0.001）和RWC（P = 0.005）存在显著的产地差异。（4）来自北京延庆区幼苗的叶功能性状平均变异程度（所有性状变异程度的平均值）最大，为17.57%，而来自山西运城绛县幼苗的最小，为6.97%。（5）经RDA筛选，最干燥月份降水量（DMP，P = 0.002）、生长季月降水量平均差（GSPD，P = 0.008）、最热月份的最高气温（WMT，P = 0.016）和年平均降水量（ANP，P = 0.036）对幼苗TVD影响显著。其中，DMP与所有性状的变异程度之间均具有不同程度的负相关关系，但与LDMC和LD变异程度之间的负相关性更为显著，GSPD和ANP与SLA和LAR变异程度的负相关性较为显著，WMT与LChl变异程度的正相关性极为密切。
结论黄栌叶功能性状在不同干旱胁迫环境中、不同产地间均具有显著差异。产地气候（尤其是DMP、GSPD、WMT和ANP）是导致干旱逆境中不同产地黄栌叶功能性状发生遗传变异的重要原因。5产地中，山西运城绛县的DMP最高，GSPD和ANP较为适宜，WMT较低，且来自该产地的黄栌叶功能性状在干旱胁迫中的平均变异程度最小，因此较适合引种至华北地区的干旱区域。
- 黄栌 /
- 叶功能性状 /
- 地理−气候因子 /
- 干旱胁迫 /
- 产地
Abstract:
ObjectiveThis study aims to identify leaf functional trait variation patterns and differences of Cotinus coggygria seedlings from different locations and to analyse the influences of different geographic-climatic factors on leaf functional trait variations under continuous drought environment.
MethodA standard continuous drought stress experiment was carried out using one-year-old C. coggygria seedlings from five different locations within China. Three levels of water regimes were set: control (CK, 75% ~ 80% of soil field capacity), moderate stress (MS, 55% ~ 65% of soil field capacity) and severe stress (SS, 35% ~ 45% of soil field capacity). ANOVA was used to identify the effects of drought, location and their interaction on leaf functional traits. On the other hand, the principal component analysis (PCA) and the redundancy analysis (RDA) were used to measure the relationship between location distribution of the species and the geographical-climatic factors and the influences of geographical-climatic conditions on leaf functional trait variation degree (TVD), respectively.
Result(1) Drought stress had significant effects on all the leaf functional traits. Seedlings under SS had lower leaf function traits in terms of leaf chlorophyll content (LChl, 17.61%, P < 0.001), relative water content (RWC, 3.71%, P < 0.001), specific leaf area (SLA, 10.89%, P = 0.002), and leaf area ratio (LAR, 17.22%, P = 0.001) compared to the seedlings under CK. However, seedlings under SS had higher leaf dry matter content (LDMC) and leaf density (LD) than control by 9.04% (P < 0.001) and 14.52% (P = 0.009), respectively. (2) Correlations among leaf functional traits became stronger in drought environment, which showed that SLA had significantly (P < 0.01) negative links with LDMC and LD, LDMC and LD had a significant (P < 0.01) and positive relation, and RWC had significantly positive correlations with LChl (P < 0.01), SLA (P < 0.01) and LAR (P < 0.05). (3) The leaf functional traits showed significant differences among C. coggygria locations under drought treatments. SLA (P = 0.002), LChl (P = 0.025) and LD (P = 0.026) were significantly different under MS treatment, and LChl (P < 0.001), LAR (P < 0.001) and RWC (P = 0.005) were significantly different under SS treatment. (4) Among the five different locations, C. coggygria seedlings from Yanqing County in Beijing had the highest average trait variation degree (the mean values of all trait variation degrees) of 17.57%, while the lowest was from Jiang County of Yuncheng City in Shanxi Province of 6.97%. (5) After the screening of RDA, precipitation of the driest month (DMP, P = 0.002), growing season mean monthly precipitation difference (GSPD, P = 0.008), Max. temperature of the warmest month (WMT, P = 0.016) and average annual precipitation (ANP, P = 0.036) had significant effects on leaf functional trait variation degree. Particularly, DMP had negative relationships with all trait variation degree, but had more significantly negative correlations with the variation degree of LDMC and LD. GSPD and ANP had significantly negative correlationss with the variation degree of SLA and LAR. WMT was closer to the variation degree of LChl.
ConclusionSignificant differences were found for leaf functional traits of C. coggygria among different drought treatments and different locations. The local climate (especially DMP, GSPD, WMT and ANP) was the main cause of leaf functional trait variation of C. coggygria from different locations under drought stress. Among seedlings from the five locations explored in our study, seedlings from Jiang County of Yuncheng City in Shanxi Province were more suitable to be introduced to the arid areas in northern China, as a result of a relatively high DMP, a proper GSPD and ANP, a relatively low WMT, and a low average leaf functional trait variation degree under drought stress.
- Cotinus coggygria /
- leaf functional trait /
- geographical-climatic factor /
- drought stress /
- location

HTML全文

从古至今，木材作为一种天然可再生的环保型材料，以其独特的性能和优良的环境学特性深受人们喜爱，并广泛应用于生产生活的各个方面。随着现代科学技术的突飞猛进、人类学理论的不断发展，考古木材作为进行植物考古学和环境考古学研究的一种典型生物材料，正成为专家学者的研究热点，国内外考古作业挖掘出大量的木质文物^[1-2]，例如：“Riksapplet号”沉船^[3]、“小白礁Ⅰ号”沉船^[4]、“南海Ⅰ号”船木^[5]等为出土考古木材的研究提供了丰富的材料。

Crestini等^[6]运用X射线衍射和扫描电镜的方法对埃及古代棺木进行研究，研究发现：考古木材中纤维素、半纤维素、木质素均产生不同程度的降解，小分子化合物发生改变，使考古木材变得脆弱而柔软。Łucejko等^[7]运用热裂解气相色谱–质谱联用法对取自比萨圣罗索雷古船的木材样品进行了主成分分析，样品木质素中愈创木基和紫丁香基的去甲基化表明考古木材中多糖产生了流失。卢芸^[8]指出大多木质文物纤维素结晶区被严重破坏，葡聚糖侧链的乙酰基消失，多糖类物质遭到严重降解，木质素相对含量明显增加。

考古木材微观结构的变化，将在很大程度上影响其水分吸着行为，因而可利用等温吸附曲线和水分吸着理论对考古木材与吸着水分子的相互作用进行分析，如Guggenheim-Anderson-de Boer模型^[9]、Hailwood-Horrobin模型^[10]等。Guo等^[11]利用Guggenheim-Anderson-de Boer模型计算得到每千克古代润楠木（Machilus pingii Cheng ex Yang）样品的最大单层吸水量为7.388 kg，而相同树种现代木材的最大单层吸水量仅为4.602 kg，考古木材的最大单层吸水量比现代木材增加了61%。

木材的水分吸着过程必然伴随着热量或能量的变化^[12]，因此基于吸附热力学考察水分吸着机理，有助于从本质上获得考古木材与水分相互作用方面的信息。曹金珍^[13]发现西藏云杉（Picea spinulosa）在水分吸着过程中微分吸着热、微分吸着熵值随吸湿过程不断增大。Simón 等^[14]研究了在吸湿和解吸平衡态下辐射松（Pinus radiata）的微分吸着熵值随含水率的变化曲线，结果显示在相同平衡含水率下辐射松解吸的微分吸着熵值大于吸湿值。

在以往的研究中，研究者多从成分、结构角度对考古木材水分吸着行为进行研究，且取得了一定进展，而对考古木材的吸附热力学研究较少，而且对各种热力学量变化的系统分析也很欠缺。本研究将聚焦考古木材在吸湿和解吸平衡状态下微分吸着热、自由能变化及微分吸着熵三大热力学量的研究，并分别利用电子显微镜（scanning electron microscope，SEM）、傅里叶红外光谱（Fourier transform infrared spectroscopy，FTIR）分析考古木材的细胞壁结构和化学成分变化，从而建立考古木材微观结构与其水分吸着行为间的构效关系，探究考古木材与现代木材在水分吸附热力学方面的差异及其原因，为从能量角度解析考古木材与水分之间的相互作用机制奠定理论基础，同时也可为我国木质文物的保护提供科学依据，以减少出土饱水木质文物与环境中水分的相互作用，提高木质文物的尺寸稳定性。

1. 材料与方法

1.1 材　料

本研究所用考古木材取自成都文物考古研究院发掘出土的南宋木棺残片，由研究院提供的材料和信息确定为考古柏木，并采集四川产柏木（Cupressus sp.）作为现代对照材。

1.2 细胞壁微观形貌表征

利用滑动切片机（REM-710，Yamato Kohki industrial Co.，Ltd，Japan）制得尺寸为1 mm（轴向） × 2 mm（弦向） × 2 mm（径向）的柏木考古木材与现代木材薄片试样（试样重复数为3），用于SEM观察。在80 ℃的鼓风干燥箱中将试样干燥至质量恒定后进行喷金处理，设置SEM（S-3400，Hitachi，日本）加速电压为3 kV，对柏木试样的细胞结构进行观察，初步了解考古木材的降解、腐朽情况。

1.3 化学成分表征

利用研磨机将考古木材与现代木材样品加工成100目以下的木粉，并在80 ℃的真空干燥箱中干燥至质量恒定，之后将木粉与溴化钾充分混合研磨压制成透明薄片，利用红外光谱仪（BRUKER vertex 70 V，德国）对试样进行检测分析，扫描范围设为400 ~ 4 000 cm⁻¹，分辨率为4 cm⁻¹，每个试样扫描次数为32次。重复测试3次，取平均值。

1.4 吸附热力学量测定

将柏木考古木材、现代木材样品加工为20 mg左右木片，并分别置于（103 ± 2）℃下干燥至质量恒定，用于动态水分吸附分析（dynamic vapor sorption，DVS）实验。将各组试样放入DVS中，分别预设恒定温度为25和50 ℃，相对湿度以10%为梯度从0%增加到90%，继续增加至95%，然后降回至90%，再以10%为梯度从90%降低到0%，试样在每个相对湿度下逐渐达到吸湿/解吸平衡后（当样品质量变化速率连续在10 min内小于0.000 1%/min，则认为样品达到吸湿/解吸平衡），仪器自动进入下一个相对湿度梯度。仪器每隔1 min记录样品质量、温度和相对湿度等数据，得到考古木材和现代木材的吸湿和解吸平衡的等温吸附曲线。

利用Hailwood-Horrobin水分吸着理论^[10]分析所获得的等温吸附曲线，木材在不同相对湿度条件下达到的平衡含水率可表达为

$M=M_{{\rm{h}}} + M_{{\rm{d}}}= \frac{18}{m}\left(\frac{{K}_{\mathrm{h}}{K}_{\mathrm{d}}H}{1 + {K}_{\mathrm{h}}{K}_{\mathrm{d}}H} + \frac{{K}_{\mathrm{d}}H}{1-{K}_{\mathrm{d}}H}\right)$

(1)

式中：M为试样平衡含水率（%）；M_h为水合水质量分数（%）；M_d为溶解水质量分数（%）；m为单位摩尔数吸着位点的绝干木材质量（g/mol）；K_h为水合水与溶解水之间的平衡常数；K_d为溶解水与环境温湿度之间的平衡常数；H为相对湿度（%）。

将式（1）整理成多项式，具体为

$\frac{H}{M}=A + BH-C{H}^{2}$

(2)

式中：A、B、C为多项式的拟合参数，A、B、C与K_h、K_d、m的关系为

$A=\frac{m}{18} \times \frac{1}{{K}_{\mathrm{d}}({K}_{\mathrm{h}} + 1)}$

(3)

$B=\frac{m}{18}\times \frac{{K}_{\mathrm{h}}-1}{{K}_{\mathrm{h}} + 1}$

(4)

$C=\frac{m}{18}\times \frac{{K}_{\mathrm{h}}{K}_{\mathrm{d}}}{{K}_{\mathrm{h}} + 1}$

(5)

通过不同相对湿度环境试样的等温吸湿曲线数据分析可得到拟合参数A、B、C的值，进而可以求解m、K_h和K_d的值，公式中 $\dfrac{m}{18}$ 的倒数 $\dfrac{18}{m}$ 表示木材中有效吸着基团被水合水饱和时的含水率，间接表达了水分吸着位点的数量。

利用各组试样的DVS数据拟合等温吸附曲线，进一步通过Clausius-Clapeyron公式^[15]分别计算考古木材与现代木材的微分吸着热Q_S、自由能变化ΔG和微分吸着熵ΔS，分析考古木材与现代木材在吸附热力学量间的差异，各热力学量的计算公式如下。

${Q_{\text{S}}} = 0.254\;{{{\text{d}}\left( {\ln \frac{1}{H}} \right)} \mathord{\left/ {\vphantom {{{\text{d}}\left( {\ln \frac{1}{H}} \right)} {{\text{d}}\left( {\frac{1}{T}} \right)}}} \right.} {{\text{d}}\left( {\frac{1}{T}} \right)}}$

(6)

$\Delta G= -\frac{\mathrm{R}T}{18} \ln\;H$

(7)

$\Delta S= Q_{\rm{S}} −\Delta G/T$

(8)

式中：T为温度（K）；R为气体常数。

T和H的值均由DVS实验的拟合数据获取，然后分别通过公式（6）、（7）计算得到Q_S和ΔG的值，进一步计算得到ΔS。

2. 结果与讨论

2.1 细胞壁结构

图1为考古木材与现代木材横切面、纵切面的SEM图片。对比考古木材与现代木材图像，可以发现在经历长时间的饱水腐朽下，考古木材除复合胞间层、细胞角隅保存相对完整外^[16-17]，其细胞壁结构发生了明显的变化，与现代木材完整有序的细胞排列相比（图1b），考古木材由于长时间遭受微生物降解，细胞结构发生破坏，细胞壁产生腐朽。

图 1 考古木材和现代木材的SEM图

Figure 1. SEM images of archaeological wood and recent wood

下载: 全尺寸图片幻灯片

具体而言，考古木材细胞壁上出现少量圆形孔洞（图1a），除此之外，从考古木材纵切面可见纹孔膜腐朽细节（图1c），并有菌丝体的存在（图1d），该菌丝体是导致考古木材在所处环境中受到降解的各类真菌的聚集体。Guo等^[11]通过氮气吸附法和压汞法对山桐子（Idesia polycarpa）考古木材多孔结构的研究结果表明，考古木材的中孔隙的总孔体积比现代木材样品增加了471%，这也进一步证明了本研究中考古木材孔洞增多的事实。

2.2 化学成分变化

对等量考古木材与现代木材样品的红外光谱进行归一化处理后，可用吸收峰高度半定量表示吸收峰所代表基团的含量^[18]，通过对比考古木材与现代木材试样红外光谱（图2）的特征吸收峰位置变化及消失情况，结合各特征吸收峰所代表的化学基团，研究得到考古木材3种主要化学成分（纤维素、半纤维素、木质素）的含量变化情况及极性基团−OH、−COOH类型和含量的变化情况。

图 2 考古木材与现代木材的红外光谱图

Figure 2. FTIR spectra of archaeological wood and recent wood

下载: 全尺寸图片幻灯片

3 337 ~ 3 401 cm⁻¹范围内的吸收峰代表极性基团−OH（O−H伸缩振动），考古木材在此处的吸收峰高度小于现代木材，证明考古木材中−OH含量减少。选取1 742 cm⁻¹（半纤维素C=O伸缩振动）、1 231 cm⁻¹（半纤维素酰氧键−COO伸缩振动）为半纤维素的代表特征峰，与现代木材相比，柏木考古木材的红外吸收光谱在1 742、1 231 cm⁻¹处吸光度变小，特别是在1 742 cm⁻¹处吸收峰几乎完全消失，证明考古木材细胞壁结构中的半纤维素降解严重；另一方面，1 231 cm⁻¹吸收峰代表半纤维素酰氧键−COO，考古木材在1 231 cm⁻¹处的吸收峰高度明显小于现代木材，证明考古木材半纤维素上的−COOH含量减少。

此外，由于考古木材纤维素结晶区中纤维素链的氢键网络的部分断裂，导致892 cm⁻¹处的峰几乎消失，而该处波峰代表C−H弯曲振动，并且对氢键系统的性质敏感，因此该峰几乎消失表明，在考古木材试样中形成更稳定氢键的羟基数量减少，同时这也表明考古木材中无论是无定形区还是结晶区中的纤维素链都发生部分降解^[19]。

指纹区吸收光谱峰数多、较为复杂，包含了更多能反映分子结构细微变化的信息^[20]。为了提供更多的信息，将FTIR光谱图分析细化至3个指纹区域（1 550 ~ 1 800 cm⁻¹、1 200 ~ 1 550 cm⁻¹和850 ~ 1 200 cm⁻¹），在这个范围内通过直接的红外光谱分析考古木材和现代木材仍存在一定局限性，因为指纹区往往存在高度重叠的峰，难以分辨和解析。为此，通过对考古木材和现代木材指纹区光谱进行分峰拟合处理，得到分峰拟合曲线，可以更直观地分析考古木材化学成分的变化。

通过对比考古木材和现代木材FTIR在1 550 ~ 1 800 cm⁻¹波数范围内的分峰拟合曲线（图3a）可以发现，考古木材在1 654 cm⁻¹（木质素中共轭C=O伸缩振动）处吸收峰吸光度值较高，这说明考古木材木质素相对含量升高。通过对比考古木材和现代木材FTIR在1 200 ~ 1 550 cm⁻¹波数范围内的分峰拟合曲线（图3b）可以发现，考古木材在1 418 cm⁻¹（木质素甲基中C−H弯曲振动）处吸收峰强度变大，代表考古木材木质素相对含量升高。通过对比分析考古木材和现代木材FTIR在850 ~ 1 200 cm^–1波数范围内的分峰拟合曲线（图3c）可以得到：考古木材在892 cm^–1（纤维素C−H弯曲振动）处峰几乎消失，这表明在考古木材中形成更稳定氢键的羟基数目减少；1 159 cm^–1（综纤维素C−O−C变形振动）处，考古木材吸收峰吸光度值很低，这表明综纤维素也有一定程度的降解。

图 3 考古木材与现代木材在1 550 ~ 1 800 cm^–1（a）、1 200 ~ 1 550 cm^–1（b）、850 ~ 1 200 cm^–1（c）波数范围内的分峰拟合曲线

Figure 3. Deconvolution of the “fingerprint” region for archaeological wood and recent wood FTIR spectrum 1 550 − 1 800 cm^–1 (a), 1 200 − 1 550 cm^–1(b), 850 −1 200 cm^–1(c)

下载: 全尺寸图片幻灯片

综上可以发现，考古木材与现代木材相比，半纤维素、纤维素降解严重，纤维素骨架结构受到破坏，因此在SEM下可观察到细胞壁产生腐朽，这种化学成分和化学结构的变化进一步导致了细胞壁孔洞的出现，从化学成分变化角度解释了SEM中观察到考古木材出现孔洞等腐朽现象的原因。通过Xia等^[21]的研究，考古木材木质素的化学结构也发生了变化，木质素仍会有降解，但考古木材中多糖类物质（纤维素、半纤维素）比芳环类物质（木质素）降解程度更高，因而木质素相对含量总体有升高趋势^[22-23]。除纤维素、半纤维素含量降低及木质素相对含量升高的变化外，考古木材中极性基团−OH、−COOH含量均减少，导致考古木材对水分的吸着减少。

2.3 吸附热力学分析

2.3.1 Hailwood-Horrobin模型拟合

通过Hailwood-Horrobin模型拟合等温吸附曲线，不仅可以得到给定温度下木材吸湿和解吸任意平衡含水率状态下的相对湿度，更可以通过研究考古木材与现代木材的曲线差异，帮助理解考古木材水分吸附行为的差异本质。

根据Hailwood-Horrobin模型分别拟合出在25和50 ℃下考古木材、现代木材的等温吸附曲线（图4）。从中可以看出各等温吸附曲线的拟合度R²值均高于0.99，即Hailwood-Horrobin模型能够较好地描述考古木材及现代木材的等温吸附曲线。所有的等温吸附曲线均呈现“S”形，这说明无论考古木材还是现代木材都属于Ⅱ类等温吸附曲线，具备多孔材料的吸附特征^[24-25]。在给定温度的每一个相对湿度条件下，考古木材的平衡含水率均高于现代木材，以温度为50 ℃，相对湿度为0.6时为例，考古木材平衡含水率为7.94%，现代木材为7.46%，考古木材是现代木材的1.1倍。这是因为图1a的 SEM图像显示考古木材物理环境遭到改变，细胞壁孔洞增多，即木材降解程度越大，木材细胞壁内孔隙越多，对水分的容纳空间增加，含水率越高，所以考古木材在经历长时间的降解后平衡含水率高于现代木材。

图 4 考古木材与现代木材的等温吸附曲线

Figure 4. Adsorption isotherms of archaeological wood and recent wood

下载: 全尺寸图片幻灯片

图5为50 ℃下考古木材吸湿和解吸平衡状态的等温吸附曲线，图5显示考古木材的解吸曲线始终位于吸湿之上，即出现了水分吸湿滞后现象。表1总结了在不同相对湿度条件下，考古木材、现代木材分别在25、50 ℃下的滞后率。从表1可以看出：随着温度或相对湿度的升高，考古木材和现代木材的滞后率均增大，即水分吸湿滞后均减小，这与以往研究结果一致^[13]；另一方面，考古木材与现代木材的水分吸湿滞后大小差异不大。

图 5 50 ℃下考古木材的吸湿和解吸等温吸附曲线

Figure 5. Adsorption and desorption isotherms of archaeological wood at 50 ℃

下载: 全尺寸图片幻灯片

2.3.2 吸湿平衡状态下的热力学量分析

2.3.2.1 微分吸着热

图6是吸湿平衡状态下考古木材与现代木材中水分的微分吸着热（Q_S）随含水率（moisture content，MC）的变化曲线，Q_S值越大表示木材中水分子与周围分子之间的结合力越强^[13]。与以往研究结果略有不同的是，在MC为5%处产生一明显拐点。根据曲线变化趋势，可以将曲线分为两个阶段，当MC小于 5%的低含水率状态下时，Q_S值逐渐增大直至达到最大值，这表明水分子和木材之间的氢键结合首先表现为单层分子之间的相互结合，且随MC增大，单个水分子和木材中的−OH形成了更多的氢键结合，相互作用更强，形成的键能更高^[18]。当含水率大于5%时，Q_S值随MC的增大而减小，此时单分子层吸着水几乎达到饱和，吸着水分子与木材实质之间形成的氢键结合作用变弱，键能降低^[13]。

表 1 考古木材、现代木材在25、50 ℃下不同相对湿度下的吸湿滞后

Table 1. Moisture sorption hysteresis of archaeological wood and recent wood under different relative humidities at 25 and 50 ℃

相对湿度 Relative humidity	滞后率 Hysteresis rate
相对湿度 Relative humidity	25 ℃考古木材 25 ℃-archaeological wood	50 ℃考古木材 50 ℃-archaeological wood	25 ℃现代木材 25 ℃-recent wood	50 ℃现代木材 50 ℃-recent wood
0.1	0.62	0.74	0.63	0.71
0.2	0.63	0.72	0.64	0.73
0.3	0.64	0.72	0.65	0.74
0.4	0.66	0.73	0.67	0.76
0.5	0.68	0.75	0.70	0.78
0.6	0.71	0.77	0.73	0.81
0.7	0.76	0.81	0.77	0.84
0.8	0.82	0.86	0.84	0.89
0.9	0.91	0.94	0.93	0.95

下载: 导出CSV

| 显示表格

图 6 考古木材与现代木材中水分的微分吸着热（Q_S）随含水率（MC）的变化曲线

Figure 6. Variation curves of differential heat of sorption (Q_S) of moisture in archaeological wood and recent wood against moisture content (MC)

下载: 全尺寸图片幻灯片

考古木材与现代木材相比，整体曲线形状基本相同，但考古木材的Q_S值随MC的变化曲线位于现代木材之下。根据上文FTIR分析，考古木材化学成分中纤维素、半纤维素大量降解，因此外界水分子可结合−OH、−COOH位点数量减少，这种化学环境的改变导致吸着水与木材分子之间的结合减少，Q_S值降低^[26]。

2.3.2.2 自由能变化

水分的自由能变化的物理意义是水分子润胀木材并切断木材分子相互间氢键结合，裸露木材吸着点所需做的功^[13]。基于图7所示吸湿平衡状态下考古木材与现代木材中水分的自由能变化ΔG值随MC的变化曲线，可以发现考古木材与现代木材的ΔG值均随MC的增大而减小。ΔG值与MC变化呈负相关可以解释为，MC升高使木材可塑性增大，吸着水分子与木材实质分子的协同运动加剧，因此裸露木材吸着点所需做的功减少。

图 7 考古木材（a）与现代木材（b）中水分的自由能变化（ΔG）随含水率的变化曲线

Figure 7. Variation curves of free energy change (ΔG) of moisture in archaeological wood (a) and recent wood (b) against moisture content

下载: 全尺寸图片幻灯片

其次，无论是考古木材或是现代木材，50 ℃相较于25 ℃的ΔG值都有一定程度的减小，这是因为温度升高吸着水分子能量增加，活动加剧，所需做的功减小。

2.3.2.3 微分吸着熵

微分吸着熵（ΔS）体现了木材中吸着的水分子与液态水分子相比排列规则上的差异，ΔS > 0代表木材中水分子排列更有规律^[13]。根据吸湿平衡状态下考古木材与现代木材中水分的ΔS值随MC的变化曲线（图8）可知：ΔS值与Q_S值随MC的变化曲线在MC小于5%呈现相似的变化趋势，都随MC的增大而增大。在MC小于5%的低含水率阶段，ΔS < 0表明木材中吸着的水分子比液态水分子更无序，这是因为此时木材中吸着的水分子主要为单分子层吸着水，它们比处于液体状态的水分子显示出更无序的状态；在经过5%的拐点之后，ΔS值随MC变化不明显。而随着MC的增大，ΔS值经历了由负到正、由无序到有序的变化，这说明吸着在木材中的水分子排列越来越规则。

图 8 考古木材与现代木材中水分的微分吸着熵（ΔS）随含水率的变化曲线

Figure 8. Variation curves of differential entropy of sorption (ΔS) of moisture in archaeological wood and recent wood againstmoisture content

下载: 全尺寸图片幻灯片

进一步分析考古木材与现代木材的曲线差异，考古木材ΔS值低于现代木材，这是因为考古木材在经历长期酸碱环境下软腐菌等真菌的降解后^[27]，细胞壁出现的孔洞分布是随机的，且与水结合的−OH分布也十分不均匀，造成考古木材中吸着的水分子排列更无序。

2.3.3 水分吸湿与解吸的比较

以50 ℃考古木材为例，分别绘制Q_S、ΔG、ΔS三大热力学量随MC的变化曲线，每张图包含吸湿和解吸平衡态下的两条曲线（图9）。发现吸湿和解吸变化曲线形状基本一致，但解吸的Q_S、ΔG和ΔS值均大于吸湿的值^[14]，对应于水分吸湿滞后（图5），这个现象即为“热力学吸湿滞后”，其表征在吸湿与解吸平衡态下，每一个吸着水分子与木材吸着点之间的氢键结合平均数的差异^[13]。

图 9 50 ℃下考古木材吸湿与解吸过程中的Q_S（a）、ΔG（b）、ΔS（c）随含水率的变化曲线

Figure 9. Variation curves of Q_S (a), Δ G (b), Δ S (c) in archaeological wood against moisture content during moisture adsorption and desorption at 50 ℃

下载: 全尺寸图片幻灯片

热力学吸湿滞后同样可以用水分吸湿滞后的“有效羟基说”^[28]解释，即在干燥状态下，部分木材吸着点之间形成氢键结合，当木材从干燥状态开始吸湿时，由于这部分已经形成的氢键结合的影响，处于游离状态能够吸着水分子的吸着点的数量减少，每个吸着水分子与木材吸着点之间的氢键结合平均数减少，从而吸湿的热力学量也低于解吸过程。

3. 结　　论

为探究考古木材的水分吸着行为与现代木材的差异机理，本研究从考古木材与现代木材微观结构与吸附热力学两个层面进行了研究。

考古木材三大主要成分（纤维素、半纤维素、木质素）均发生不同程度的降解，且考古木材中极性基团−OH、−COOH含量均减少，导致考古木材对水分的吸着减少。其中半纤维素、纤维素降解程度更大，因此在SEM中可观察到细胞壁产生腐朽，且可见孔洞分布；而考古木材中多糖类物质（纤维素、半纤维素）比芳环类物质（木质素）降解程度更高，因而木质素相对含量升高。

在吸附热力学研究中，通过DVS等温吸附实验并利用Hailwood-Horrobin模型拟合等温吸附曲线，在给定温度条件下考古木材的平衡含水率高于现代木材。结合Clausius-Clapeyron公式计算考古木材与现代木材的Q_S、ΔG和ΔS三大热力学量。考古木材因纤维素、半纤维素降解导致−OH、−COOH数量减小，Q_S值低于现代木材；考古木材与现代木材的ΔG值差异不大，且随温度升高而减小；考古木材的细胞壁孔洞、−OH分布不均匀，所以ΔS值低于现代木材；在MC小于5%，考古木材Q_S值和ΔS值随MC的变化曲线趋势相似，在此范围内木材中吸着的水分子主要为单分子层吸着水，随后在5%处产生一拐点，此时单分子层吸着水达到饱和，此后木材中吸着的水分子以多分子层吸着水占主导。最后，通过对比吸湿和解吸过程的热力学量（吸湿 < 解吸），发现考古木材存在热力学吸湿滞后现象。

基于以上对于考古木材水分吸着行为差异的研究，考古木材的吸湿性在经历长时间的泡水、腐朽下发生了较大变化，因此在出土饱水木质文物的保护工作中，建议采用各种物理、化学手段减少木质文物与环境中水分的相互作用，如涂覆防水涂层、浸渍脱水材料等，从而提高木质文物的尺寸稳定性^[29]，为我国出土饱水木质文物的保护提供理论支撑。

图 1 不同产地黄栌幼苗叶功能性状对持续干旱胁迫的响应

CK. 对照；MS. 中度胁迫；SS. 重度胁迫。采用LSD检验，在α = 0.05水平上执行单因素方差分析，误差棒代表标准差。大写字母表示同一产地不同水分处理之间的差异显著性，小写字母则表示同一水分处理时产地之间的差异显著性。CK, control; MS, moderate stress; SS, severe stress. One-way ANOVA was performed with Fisher LSD-test at α = 0.05 level. The error bars represent error of means. The capital letters indicate differences between water treatments in one location and the lowercase letters indicate differences among locations under the same treatment.

Figure 1. Responses of leaf functional traits of C. coggygria seedlings from different locations to continuous drought stress

下载: 全尺寸图片幻灯片

图 2 产地分布与地理−气候因子的关系

Lat. 纬度Latitude；Lng. 经度Longitude；ANP. 年平均降水量Average annual precipitation；GSP. 生长季平均降水量Growing season precipitation；WMP. 最湿润月份降水量Precipitation of the wettest month；DMP. 最干燥月份降水量Precipitation of the driest month；GSPD. 生长季月降水量平均差Growing season mean monthly precipitation difference；RH. 平均相对湿度Mean relative humidity；ANT. 年平均气温Average annual temperature；GST. 生长季平均气温Mean temperature in growing season；GSTD. 生长季平均气温日较差 Mean daily temperature difference in growing season；WMT. 最热月份的最高气温Max. temperature of the warmest month；CMT. 最冷月份的最低气温Min. temperature of the coldest month

Figure 2. Relationship between location distribution and geographical-climatic factors

下载: 全尺寸图片幻灯片

图 3 黄栌幼苗叶功能性状在持续干旱胁迫环境中的平均变异程度

Figure 3. Average variation degree of leaf functional traits of C. coggygria seedlings under continuous drought stress

下载: 全尺寸图片幻灯片

图 4 不同产地黄栌幼苗叶功能性状在持续干旱胁迫环境中的变异程度

Figure 4. Variation degree of leaf functional traits of different C. coggygria locations under continuous drought stress

下载: 全尺寸图片幻灯片

图 5 叶功能性状的变异程度（TVD）与黄栌产地地理−气候因子之间关系的RDA分析

Figure 5. RDA analysis of the relationships between leaf functional trait variation degree (TVD) and geographical-climatic factors of C. coggygria locations

下载: 全尺寸图片幻灯片

表 1 黄栌5产地地理位置及气候特征

Table 1 Geographic locations and climatic characteristics of the five C. coggygria seedling collection counties

产地 Location	产地编号 Location code	纬度 Latitude	经度 Longitude	年平均降水量 Average annual precipitation/ mm	生长季平均降水量 Mean precipitation in growing season/mm	最湿润月份降水量 Precipitation of the wettest month/mm	最干燥月份降水量 Precipitation of the driest month/mm	生长季月降水量平均差 Mean monthly precipitation difference in growing season/mm
北京延庆区 Yanqing District in Beijing	L1	40°21′00″N	116°01′12″E	435	427.6	122.5	2.0	19.2
河北石家庄赞皇县 Zanhuang County of Shijiazhuang City in Hebei Province	L2	37°39′00″N	114°22′48″E	508.9	497.6	123.2	2.6	28.8
山东泰安高新区 Gaoxin District of Tai’an City in Shandong Province	L3	30°04′12″N	117°10′12″E	686.5	664	205.9	5.3	37.6
山西运城绛县 Jiang County of Yuncheng City in Shanxi Province	L4	35°28′48″N	111°34′12″E	573.5	550.5	108.6	6.3	28.3
河南三门峡陕州区 Shanzhou District of Sanmenxia City in Henan Province	L5	34°43′12″N	111°06′00″E	549.6	532.1	107.2	4.8	27.0

产地 Location	产地编号 Location code	平均相对湿度 Mean relative humidity/%		年平均气温 Average annual temperature/℃	生长季平均气温 Mean temperature in growing season/℃	生长季平均气温日较差 Mean daily temperature difference in growing season/℃	最热月份的最高气温 Max. temperature of the warmest month/℃	最冷月份的最低气温 Min. temperature of the coldest month/℃
北京延庆区 Yanqing District in Beijing	L1	55		9.7	14.7	11.9	39.2	− 26.2
河北石家庄赞皇县 Zanhuang County of Shijiazhuang City in Hebei Province	L2	60		13.6	18.2	11.1	43.4	− 16.2
山东泰安高新区 Gaoxin District of Tai’an City in Shandong Province	L3	66		13.3	17.7	11.2	42.1	− 20.7
山西运城绛县 Jiang County of Yuncheng City in Shanxi Province	L4	61		11.9	16.3	10.2	39.4	− 20.5
河南三门峡陕州区 Shanzhou District of Sanmenxia City in Henan Province	L5	61		14.4	18.6	10.3	41.4	− 12.8

下载: 导出CSV

表 2 干旱胁迫、产地及其交互作用对黄栌幼苗叶功能性状影响的方差分析

Table 2 ANOVA of the influences of drought stress and location on the leaf functional traits of C. coggygria seedlings

变异来源 Source of variation	df	叶绿素含量 Leaf chlorophyll content (LChl)		叶相对含水量 Leaf relative water content (RWC)		叶干物质含量 Leaf dry matter content (LDMC)
变异来源 Source of variation	df	F	P	F	P	F	P
干旱胁迫 Drought stress	2	32.43	0.000	26.10	0.000	30.53	0.000
产地 Location	4	22.64	0.000	5.83	0.001	1.82	0.152
干旱胁迫 × 产地 Drought stress × location	8	1.01	0.449	5.34	0.003	1.35	0.258

变异来源 Source of variation	df	叶组织密度 Leaf tissue density (LD)		比叶面积 Specific leaf area (SLA)		叶面积比例 Leaf area ratio (LAR)
变异来源 Source of variation	df	F	P	F	P	F	P
干旱胁迫 Drought stress	2	3.79	0.034	7.01	0.002	7.98	0.000
产地 Location	4	2.62	0.055	3.01	0.025	5.17	0.001
干旱胁迫 × 产地 Drought stress × location	8	1.22	0.346	2.47	0.022	3.04	0.006

下载: 导出CSV

表 3 水分充足环境和干旱胁迫环境中黄栌幼苗叶功能性状之间的Pearson相关系数

Table 3 Pearson’s correlation coefficients among leaf functional traits of C. coggygria in well-irrigated and drought stress environments

叶功能性状 Leaf functional trait	叶绿素含量 LChl	叶相对含水量 RWC	叶干物质含量 LDMC	叶组织密度 LD	比叶面积 SLA
对照处理 CK
叶相对含水量 RWC	0.353
叶干物质含量 LDMC	− 0.037	− 0.102
叶组织密度 LD	− 0.357	− 0.312	0.286
比叶面积 SLA	0.140	0.017	− 0.080	− 0.227
叶面积比例 LAR	0.185	0.220	− 0.111	− 0.019	0.194
干旱胁迫 Drought stress
叶相对含水量 RWC	0.316^**
叶干物质含量 LDMC	− 0.424^**	− 0.455^**
叶组织密度 LD	− 0.481^**	− 0.321^**	0.467^**
比叶面积 SLA	0.102	0.337^**	− 0.398^**	− 0.325^**
叶面积比例 LAR	0.102	0.280^*	− 0.320^**	− 0.330^**	0.371^**
注：^*表示P < 0.01，^表示P < 0.05。Notes: ^** and ^* represent P < 0.01 and P < 0.05, respectively.

下载: 导出CSV

表 4 RDA筛选出的地理−气候因子对叶片功能性状变异程度解释的贡献率（从大到小）

Table 4 Contribution of the explanation of the selected geographical-climatic factors in RDA analysis to leaf functional trait variation degree (from high to low)

地理−气候因子 Geographical-climatic factors	贡献率 Contribution/%	F	P
最干燥月份降水量 Precipitation of the driest month (DMP)	41.3	19.8	0.002
生长季月降水量平均差 Growing season mean monthly precipitation difference (GSPD)	38.7	12.1	0.008
最热月份的最高气温 Max. temperature of the warmest month (WMT)	17.4	6.3	0.016
年平均降水量 Average annual precipitation (ANP)	2.6	2.1	0.036

下载: 导出CSV

参考文献(36)

[1]	余华, 钟全林, 黄云波, 等. 不同种源刨花楠林下幼苗叶功能性状与地理环境的关系[J]. 应用生态学报, 2018, 29(2):449−458. Yu H, Zhong Q L, Huang Y B, et al. Relationships between leaf functional traits of Machilus pauhoi understory seedlings from different provenances and geographical environmental factors[J]. Chinese Journal of Applied Ecology, 2018, 29(2): 449−458.
[2]	张慧文, 马剑英, 孙伟, 等. 不同海拔天山云杉叶功能性状及其与土壤因子的关系[J]. 生态学报, 2010, 30(21):5747−5758. Zhang H W, Ma J Y, Sun W, et al. Altitudinal variation in functional traits of Picea schrenkiana var. tianschanica and their relationship to soil factors in Tianshan Mountains, Northwest China[J]. Acta Ecologica Sinica, 2010, 30(21): 5747−5758.
[3]	陈莹婷, 许振柱. 植物叶经济谱的研究进展[J]. 植物生态学报, 2014, 38(10):1135−1153. Chen Y T, Xu Z Z. Review on research of leaf economics spectrum[J]. Chinese Journal of Plant Ecology, 2014, 38(10): 1135−1153.
[4]	王玉平, 陶建平, 刘晋仙, 等. 不同光环境下6种常绿阔叶林树种苗期的叶片功能性状[J]. 林业科学, 2012, 48(11):23−29. doi: 10.11707/j.1001-7488.20121104 Wang Y P, Tao J P, Liu J X, et al. Response of leaf functional traits to different light regimes in an evergreen broad-leaved forest in the Jinyun Mountain[J]. Scientia Silvae Sinicae, 2012, 48(11): 23−29. doi: 10.11707/j.1001-7488.20121104
[5]	孟婷婷, 倪健, 王国宏. 植物功能性状与环境和生态系统功能[J]. 植物生态学报, 2007, 31(1):150−165. doi: 10.3321/j.issn:1005-264X.2007.01.019 Meng T T, Ni J, Wang G H. Plant functional traits, environments and ecosystem functioning[J]. Chinese Journal of Plant Ecology, 2007, 31(1): 150−165. doi: 10.3321/j.issn:1005-264X.2007.01.019
[6]	李颖, 姚婧, 杨松, 等. 东灵山主要树种在不同环境梯度下的叶功能性状研究[J]. 北京林业大学学报, 2014, 36(1):72−77. Li Y, Yao J, Yang S, et al. Leaf functional traits of main tree species at different environmental gradients in Dongling Mountain, Beijing[J]. Journal of Beijing Forestry University, 2014, 36(1): 72−77.
[7]	Males J, Griffiths H. Functional types in the Bromeliaceae: relationships with drought-resistance traits and bioclimatic distributions[J]. Functional Ecology, 2017, 31: 1868−1880. doi: 10.1111/1365-2435.12900
[8]	Sánchez-Gómez D, Zavala M A, Valladares F. Functional traits and plasticity linked to seedlings’ performance under shade and drought in Mediterranean woody species[J]. Annuals of Forest Science, 2008, 65(3): 311. doi: 10.1051/forest:2008004
[9]	Donovan L A, Maherali H, Caruso C M, et al. The evolution of the worldwide leaf economics spectrum[J]. Trends in Ecology & Evolution (Personal edition), 2011, 26(2): 88−95.
[10]	冯秋红, 史作民, 董莉莉. 植物功能性状对环境的响应及其应用[J]. 林业科学, 2008, 44(4):125−131. doi: 10.3321/j.issn:1001-7488.2008.04.023 Feng Q H, Shi Z M, Dong L L. Response of plant functional traits to environment and its application[J]. Scientia Silvae Sinicae, 2008, 44(4): 125−131. doi: 10.3321/j.issn:1001-7488.2008.04.023
[11]	陈书文, 李娟娟, 雷新彦, 等. 观赏植物黄栌快繁技术研究[J]. 西北农林科技大学学报(自然科学版), 2005, 33(9):117−120. Chen S W, Li J J, Lei X Y, et al. Study on rapid propagateion technic for ornamental of Cotinus coggygria[J]. Journal of Northwest A&F University (Natural Science Edition), 2005, 33(9): 117−120.
[12]	孙鹏, 李金航, 刘海轩, 等. 黄栌根系结构与个体健康程度的关系[J]. 西北林学院学报, 2016, 31(2):20−27. doi: 10.3969/j.issn.1001-7461.2016.02.04 Sun P, Li J H, Liu H X, et al. Relationship between root structure and health level of Cotinus coggygria trees[J]. Journal of Northwest Forestry University, 2016, 31(2): 20−27. doi: 10.3969/j.issn.1001-7461.2016.02.04
[13]	Deng Z J, Hu X F, Ai X R, et al. Dormancy release of Cotinus coggygria, seeds under a pre-cold moist stratification: an endogenous abscisic acid/gibberellic acid and comparative proteomic analysis[J]. New Forests, 2016, 47(1): 105−118. doi: 10.1007/s11056-015-9496-2
[14]	陆秀君, 董胜君, 毛红玉. 黄栌容器育苗及其对苗木耐旱性的影响[J]. 北京林业大学学报, 2001, 23(增刊):30−31. Lu X J, Dong S J, Mao H Y. Study on container seedling-raising of Cotinus coggygria var. pubescens and its effect on seedling’s drought resistance[J]. Journal of Beijing Forestry University, 2001, 23(Suppl.): 30−31.
[15]	李红云, 李焕平, 杨吉华, 等. 4种灌木林地土壤物理性状及抗侵蚀性能的研究[J]. 水土保持学报, 2006, 20(3):13−16. doi: 10.3321/j.issn:1009-2242.2006.03.004 Li H Y, Li H P, Yang J H, et al. Study on soil physical properties and anti-erosion capability under four kinds of shrubbery[J]. Journal of Soil and Water Conservation, 2006, 20(3): 13−16. doi: 10.3321/j.issn:1009-2242.2006.03.004
[16]	李金航, 齐秀慧, 徐程扬, 等. 华北4产地黄栌幼苗根系形态对干旱胁迫的短期响应[J]. 北京林业大学学报, 2014, 36(1):48−54. Li J H, Qi X H, Xu C Y, et al. Short term responses of root morphology to drought stress of Cotinus coggygria seedlings from four varied locations in northern China[J]. Journal of Beijing Forestry University, 2014, 36(1): 48−54.
[17]	李金航, 齐秀慧, 徐程扬, 等. 黄栌幼苗叶片气体交换对干旱胁迫的短期响应[J]. 林业科学, 2015, 51(1):29−41. Li J H, Qi X H, Xu C Y, et al. Short-term responses of leaf gas exchange characteristics to drought stress of Cotinus coggygria seedlings[J]. Scientia Silvae Sinicae, 2015, 51(1): 29−41.
[18]	杨晓霞, 冷平生, 郑健, 等. 暴马丁香不同种源种子和幼苗的表型性状变异及其与地理−气候因子的相关性[J]. 植物资源与环境学报, 2016, 25(3):80−89. doi: 10.3969/j.issn.1674-7895.2016.03.10 Yang X X, Leng P S, Zheng J, et al. Variation of phenotypic traits of seed and seedling of Syringa reticulata subsp. amurensis from different provenances and their correlations with geographic-climatic factors[J]. Journal of Plant Resources and Environment, 2016, 25(3): 80−89. doi: 10.3969/j.issn.1674-7895.2016.03.10
[19]	安海龙, 谢乾瑾, 刘超, 等. 水分胁迫和种源对黄柳叶功能性状的影响[J]. 林业科学, 2015, 51(10):75−84. An H L, Xie Q J, Liu C, et al. Effects of water stress and provenance on leaf functional traits of Salix gordejevii[J]. Scientia Silvae Sinicae, 2015, 51(10): 75−84.
[20]	白雪卡, 刘超, 纪若璇, 等. 种源地气候对蒙古莸光响应特性的影响[J]. 生态学报, 2018, 38(23):8425−8433. Bai X K, Liu C, Ji R X, et al. Effects of origin climate on light response characteristics of Caryopteris mongholica[J]. Acta Ecologica Sinica, 2018, 38(23): 8425−8433.
[21]	Ramírez-Valiente J A, Koehler K, Cavenderbares J. Climatic origins predict variation in photoprotective leaf pigments in response to drought and low temperatures in live oaks (Quercus series Virentes)[J]. Tree Physiology, 2015, 35(5): 521−534. doi: 10.1093/treephys/tpv032
[22]	李永华, 卢琦, 吴波, 等. 干旱区叶片形态特征与植物响应和适应的关系[J]. 植物生态学报, 2012, 36(1):88−98. Li Y H, Lu Q, Wu B, et al. A review of leaf morphology plasticity linked to plant response and adaption characteristics in arid ecosystems[J]. China Journal of Plant Ecology, 2012, 36(1): 88−98.
[23]	靳泽辉, 苗峻峰, 张永端, 等. 华北地区极端降水变化特征及多模式模拟评估[J]. 气象科技, 2017, 45(1):91−100. Jin Z H, Miao J F, Zhang Y D, et al. Characteristics of extreme precipitation and its multi-model simulation evaluation in North China[J]. Meteorological Science and Technology, 2017, 45(1): 91−100.
[24]	刘大川, 周磊, 武建军. 干旱对华北地区植被变化的影响[J]. 北京师范大学学报(自然科学版), 2017, 53(2):222−228. Liu D C, Zhou L, Wu J J. Drought impacts on vegetation changes in North China[J]. Journal of Beijing Normal University (Natural Science), 2017, 53(2): 222−228.
[25]	王涛, 罗艳, 钟亦鸣, 等. 西北与华北地区现代降水变化趋势的对比[J]. 水文, 2017, 45(1):91−100. Wang T, Luo Y, Zhong Y M, et al. Comparison of recent precipitation tendency between Northwest and North China[J]. Journal of China Hydrology, 2017, 45(1): 91−100.
[26]	李岚, 王厚领, 赵琳, 等. 异源表达Peu-miR473a增强拟南芥的抗旱性[J]. 北京林业大学学报, 2015, 37(5):30−39. Li L, Wang H L, Zhao L, et al. Heterogeneous expression of Peu-miR473a gene confers drought tolerance in Arabidopsis thaliana[J]. Journal of Beijing Forestry University, 2015, 37(5): 30−39.
[27]	朱济友, 于强, 刘亚培, 等. 植物功能性状及其叶经济谱对城市热环境的响应[J]. 北京林业大学学报, 2018, 40(9):72−81. Zhu J Y, Yu Q, Liu Y P, et al. Response of plant functional traits and leaf economics spectrum to urban thermal environment[J]. Journal of Beijing Forestry University, 2018, 40(9): 72−81.
[28]	Maseda P H, Fernández R J. Growth potential limits drought morphological plasticity in seedlings from six Eucalyptus provenances[J]. Tree Physiology, 2016, 36(2): 243.
[29]	Valladares F, Sanchez-Gomez D, Zavala M A. Quantitative estimation of phenotypic plasticity: bridging the gap between the evolutionary concept and its ecological applications[J]. Journal of Ecology, 2006, 94(6): 1103−1116. doi: 10.1111/j.1365-2745.2006.01176.x
[30]	朱济友, 于强, Di Y, et al. 叶生态特征及其相关性对下垫面热效应的生态权衡[J]. 农业机械学报, 2018, 49(1):201−209. Zhu J Y, Yu Q, Di Y., et al. Ecological balance of leaf ecological characteristics and their correlation to thermal effects of underlying surfaces[J]. Transactions of The Chinese Society of Agricultural Machinery, 2018, 49(1): 201−209.
[31]	Gholami M, Rahemi M, Rastegar S. Use of rapid screening methods for detecting drought tolerant cultivars of fig (Ficus carica L.)[J]. Scientia Horticulturae, 2012, 143: 7−14. doi: 10.1016/j.scienta.2012.05.012
[32]	Chaves M M, Maroco J P, Pereira J S. Understanding plant responses to drought - from genes to the whole plant[J]. Functional Plant Biology, 2003, 30(3): 239−264. doi: 10.1071/FP02076
[33]	Marron N, Dreyer E. Impact of successive drought and re-watering cycles on growth and specific leaf area of two Populus × canadensis (Moench) clones, ‘Dorskamp’ and ‘Lusisa_Avanzo’[J]. Tree Physiology, 2003, 23(18): 1225−1235. doi: 10.1093/treephys/23.18.1225
[34]	Anderegg L D L, Hillerislambers J. Drought stress limits the geographic ranges of two tree species via different physiological mechanisms[J]. Global Change Biology, 2016, 22(3): 1029−1045. doi: 10.1111/gcb.13148
[35]	Reich P B. The world-wide ‘fast-slow’ plant economics spectrum: a traits manifesto[J]. Journal of Ecology, 2014, 102(2): 275−301. doi: 10.1111/1365-2745.12211
[36]	Volaire F. Plant traits and functional types to characterise drought survival of pluri-specific perennial herbaceous swards in Mediterranean areas[J]. European Journal of Agronomy, 2008, 29(2−3): 116−124. doi: 10.1016/j.eja.2008.04.008

施引文献(9)

期刊类型引用(6)

1.	冯林艳，周火艳，赵晓迪. 乌兰布和沙漠两种植物的分布格局及其变化. 南京林业大学学报(自然科学版). 2024(01): 155-160 . 百度学术
2.	曾红，徐永艳，邵琳亚，闻永慧，夏小丽，汪琼. 4种植物叶片浸提液成分分析及其对珊瑚樱种子萌发的影响. 西南林业大学学报(自然科学). 2023(04): 39-46 . 百度学术
3.	马光宗，徐高峰，杨韶松，杨云海，张付斗，温丽娜，陶琼，申时才，叶敏. 甘薯提取物对3种杂草种子萌发和幼苗生长的化感作用. 西南农业学报. 2022(06): 1295-1302 . 百度学术
4.	路文杰，佛芒芒，肖毅，王永新，杜利霞，钟华，赵祥，董宽虎. 草地植物凋落物浸提液对根际微生物碳源利用的影响. 中国草地学报. 2021(06): 35-42 . 百度学术
5.	张林媚，刘姝玲，郭彩云. 立地条件对榆林沙区樟子松嫁接红松生长的影响. 林业科技通讯. 2021(11): 32-37 . 百度学术
6.	王方琳，尉秋实，柴成武，王理德，张德魁，王昱淇，王飞，胡小柯. 沙蒿（Artemisia desertorum）浸提液对自身种子萌发与幼苗生长的化感作用. 中国沙漠. 2021(06): 21-28 . 百度学术

其他类型引用(3)

资源附件(0)

图(5) / 表(4)

计量

文章访问数: 2009
HTML全文浏览量: 1008
PDF下载量: 118
被引次数: 9

1. 材料与方法
1.1 材　料
1.2 细胞壁微观形貌表征
1.3 化学成分表征
1.4 吸附热力学量测定
2. 结果与讨论
2.1 细胞壁结构
2.2 化学成分变化
2.3 吸附热力学分析
2.3.1 Hailwood-Horrobin模型拟合
2.3.2 吸湿平衡状态下的热力学量分析
2.3.2.1 微分吸着热
2.3.2.2 自由能变化
2.3.2.3 微分吸着熵
2.3.3 水分吸湿与解吸的比较
3. 结　　论

1. 材料与方法
1.1 材　料
1.2 细胞壁微观形貌表征
1.3 化学成分表征
1.4 吸附热力学量测定
2. 结果与讨论
2.1 细胞壁结构
2.2 化学成分变化
2.3 吸附热力学分析
2.3.1 Hailwood-Horrobin模型拟合
2.3.2 吸湿平衡状态下的热力学量分析
2.3.2.1 微分吸着热
2.3.2.2 自由能变化
2.3.2.3 微分吸着熵
2.3.3 水分吸湿与解吸的比较
3. 结　　论

参考文献(36)

施引文献(9)

资源附件(0)

干旱胁迫环境中黄栌幼苗叶功能性状变异与产地地理−气候因子的关系

作者简介: 李金航。主要研究方向：树木生理生态。Email：ljhbjfu@163.com 地址：100083 北京市海淀区清华东路35号北京林业大学林学院

责任作者: 徐程扬，教授，博士生导师。主要研究方向：城市林业，生态林与城市森林培育理论与技术。Email：cyxu@bjfu.edu.cn 地址：同上

计量

出版历程