Using spatial distribution patterns and sample plot design to improve the accuracy of forest resource sampling survey
-
摘要:目的
森林资源调查中，研究森林属性空间分布模式下的抽样设计，以突破地域限制，为抽样调查提供可推广的经验法则。
方法利用北京市鹫峰国家森林公园样地调查的实测数据，构建人工总体。以树木死亡率作为为森林属性的代理属性,表达空间自相关。采用系统抽样设计，并通过蒙特卡洛模拟法，评估森林空间自相关、样地大小以及系统抽样设计对抽样精度的影响。
结果（1）4种不同空间分布模式的总体变异系数，从小到大依次为：死亡率为0%的总体、死亡率为20%的随机模式总体、死亡率为10%的聚集模式总体、死亡率为20%的聚集模式总体。当死亡率为20%，抽样强度为2.73%时，随机模式的变异系数比聚集模式的变异系数低了1.3%。（2）3种不同大小的样地总体变异系数，从小到大依次为：20 m × 20 m、30 m × 30 m、40 m × 40 m。其中，40 m × 40 m的变异系数明显高于20 m × 20 m和30 m × 30 m对应的变异系数。（3）随着抽样强度增大，随机模式下8 × 8的主单元数目设计的人工总体的变异系数比4 × 4的约高0.02%，比16 × 16的约高0.15%；聚集模式下，8 × 8的N设计的人工总体的变异系数比4 × 4的约高0.32%，比16 × 16的约低0.54%。
结论（1）不同强度的空间自相关都会削弱抽样精度，其中聚集模式相比随机模式的影响更为显著；（2）较小的样地有利于提高抽样精度和精度的收敛速度，但合理大小的样地设计才能有效提升抽样效率；（3）系统抽样中不同主单元数目对抽样精度的影响不明显，实际调查中应避免选择样本量为1的系统抽样，否则抽样误差难以度量。
Abstract:ObjectiveIn forest resource survey, sampling design under the spatial distribution pattern of forest attributes was studied to break through regional limitations and provide generalizable empirical rules for sampling survey.
MethodArtificial forest populations were constructed with the data field survey at the Beijing Jiufeng National Forest Park. Tree mortality rate was used as a proxy for expressing forest spatial autocorrelation. Systematic sampling design was adopted, and Monte Carlo simulations were implemented to evaluate the effects of spatial autocorrelation, sample plot size and systematic sampling on sampling precision.
Result(1) The coefficients of variation for the four different spatial distribution patterns increased in the following order: 0% mortality, 20% mortality in random pattern, 10% mortality in aggregated pattern, and 20% mortality in aggregated pattern. When mortality rate was 20% and sampling intensity was 2.73%, the coefficient of variation for random pattern was 1.3% lower than that for aggregated pattern. (2) The coefficients of variation for three different sample plot sizes increased in the following order: 20 m × 20 m, 30 m × 30 m, and 40 m × 40 m. The coefficient of variation of 40 m × 40 m was significantly higher than that of 20 m × 20 m and 30 m × 30 m. (3) With increasing sampling intensity, under the random pattern, the coefficient of variation for the artificial population designed with 8 × 8 main units was about 0.02% higher than that for 4 × 4, and about 0.15% higher than that for 16 × 16. Under the clustered pattern, the coefficient of variation for the artificial population designed with 8 × 8 main units was about 0.32% higher than that for 4 × 4, and about 0.54% lower than that for 16 × 16.
Conclusion(1) Different degrees of spatial autocorrelation reduce sampling accuracy, among which aggregated pattern has a more significant impact than random pattern. (2) Smaller sample plots help improve sampling accuracy and convergence rate, but reasonable sample plot design can effectively enhance sampling efficiency. (3) The number of main units in systematic sampling has little impact on sampling accuracy. In practice, systematic sampling designs with a sample size of 1 should be avoided because sampling errors would be hard to quantify.
-
Keywords:
- sampling survey /
- spatial model /
- sample plot size /
- systematic sampling
-
转录因子通过调节动物和植物基因的时空表达水平，来调控生物体的细胞增殖、生长发育及免疫反应过程[1]。TCP基因家族编码植物特有的转录调控因子，该家族成员在植物生长[2]、花瓣的不对称性[3-4]、细胞分裂[5]、叶形态发生[6-7]、衰老[8-9]、胚胎生长[10]、昼夜节律[2]中起着关键作用。基于蛋白质的DNA结构域不同，该家族成员分为Class I（PCF类）和Class II（CIN和CYC/TB1）两类。目前，Class I类基因功能在草本植物中研究的较为深入。在拟南芥（Arabidopsis thaliana）中，AtTCP11通过上调VND7基因的表达，引起维管发育缺陷[11]；AtTCP14通过细胞增殖控制叶的形态发生；AtTCP20通过抑制茉莉酸（JA）在植物体内的合成，降低其抑制细胞增殖的能力，从而使细胞大小发生改变[12]，同时转AtTCP20::EAR拟南芥表现出发芽延迟、茎尖和根尖分生组织生长速度放缓、子叶变黄，下胚轴区域膨胀等特征[13]。
TCP基因参与多种激素信号传递过程，调控植物形态发育。在拟南芥中，AtTCP5、AtTCP13和AtTCP17通过PIFs依赖途径和不依赖PIFs途径两种方式来促进生长素的合成，进而介导拟南芥下胚轴在遮荫条件下的伸长[14]；AtTCP3和AtTCP15通过调控生长素响应相关基因SHY2/IAA3和SAUR的表达参与生长素信号的转导[15-16]；AtTCP9通过改变JA的代谢从而改变根长[17]；在陆地棉（Gossypium hirsutum）中，GhTCP1基因通过促进JA的合成而使棉花纤维伸长并促进根毛发育[18]。AtTCP14和AtTCP15参与细胞分裂素（CK）信号途径的应答，影响细胞分裂[19]；I类TCP转录因子家族参与赤霉素（GA）信号转导，研究发现GA通过刺激DELLA蛋白的降解来控制茎和节间伸长，而DELLA蛋白直接调节植物特异性I类TCP转录因子家族的活性，从而控制细胞增殖，同时拟南芥tcp8、tcp14、tcp15、tcp22这4个基因的突变体表现出严重的侏儒症和对GA作用的反应敏感性降低的性状[20]。目前对PCF亚类基因的研究主要集中在草本植物上，而在木本植物中研究较少。
白桦（Betula platyphylla），桦木科（Betulaceae）落叶类乔木，白桦树干修直、洁白，且耐严寒，生长较快，是我国东北地区珍贵阔叶树种之一。本研究以白桦为试材，克隆了BpTCP2基因编码区的全长序列，对其进行生物信息学分析，同时采用qRT-PCR分析该基因在白桦不同组织部位的表达特征以及对植物激素处理和非生物胁迫的应答机制，为揭示白桦的生长发育、抗逆机制，以及培育优良的白桦新品系提供参考。
1. 材料与方法
1.1 材 料
1.1.1 植物材料
材料于2018年夏季取自东北林业大学林木遗传育种白桦强化育种基地栽植的2年生白桦组培苗木，依次选取5株的顶芽、腋芽、第1到第7茎节（幼嫩到成熟）、成熟茎节的木质部和韧皮部、第1到第13片叶（包括叶片从幼嫩到衰老过程）。以上植物材料经液氮速冻后，放入− 80 ℃超低温冰箱保存，用于RNA的提取和研究BpTCP2在白桦不同组织部位的表达。
从白桦强化育种基地采集的白桦全同胞家系种子通过水培萌发，待长出两片子叶时，分别取10株长势均一的植株，放置在涂有相应外源激素和非生物胁迫试剂的WPM培养基中。激素处理的种类及浓度分别为：50 mg/L IAA，100 μmol/L ABA，0.2 mg/L油菜素类固醇（BR），1 μmol/L JA，350 μmol/L 水杨酸（SA）。非生物胁迫处理的浓度分别为：0.4 mol/L NaCl，0.3 mol/L NaHCO3，150 μmol/L CdCl2，20% PEG。分别在0、2、4、6、12和24 h取材并放置于1.5 mL离心管中，液氮速冻后，放入− 80 ℃超低温冰箱内保存，用于RNA提取。
1.1.2 试 剂
RNA提取试剂盒为通用植物总RNA提取试剂盒（离心柱型），购置于北京百泰克生物技术有限公司，反转录试剂盒为ReverTra Ace® qPCR RT Master Mix with gDNA Remover试剂盒，购置于东洋纺（上海）生物科技有限公司，TransStart Top Green qPCR SuperMix（Perfect Real Time染料法实时荧光定量）购置全式金生物（北京）有限公司，Topo试剂盒为pENTRTM/D-TOPO® Cloning Kit购置于invitrogen公司，大肠杆菌Trans1-T1感受态细胞购自世国生物科技（哈尔滨）有限公司。引物由擎科（哈尔滨）公司合成。
1.2 方 法
1.2.1 白桦BpTCP2基因的克隆
根据白桦基因组和转录组序列比对获得BpTCP2基因的序列设计引物，上、下游引物序列分别为5′-CACCGACATGGCAGAGAGCAAGC-3′、5′-ATTCTTCTACTGCCTTGACC-3′。以白桦不同组织部位的cDNA为模板，PCR扩增BpTCP2基因目标片段，反应体系如下：10 × KOD Buffer 1.7 μL，2 mmol/L dNTPs 1.7 μL，MgSO4 0.8 μL，cDNA模板0.4 μL，上、下游引物各为10 mmol/L 0.6 μL，KOD Plus 0.4 μL，ddH2O补足20 μL。PCR扩增程序为94 ℃预变性2 min；94 ℃变性45 s，58 ℃退火45 s，68 ℃延伸2 min，35个循环；68 ℃延伸10 min。PCR产物经1.0% 琼脂糖凝胶电泳检测，并进行胶回收纯化，将纯化产物进行Topo反应，连接体系为：胶回收产物1 μL，Topo Vector 0.5 μL，Salt Solution 0.5 μL，用ddH2O补足反应体系至3 μL。25 ℃连接30 min，连接反应完成后，通过热击法将连接产物转化到大肠杆菌Trans1-T1感受态细胞中。对获得的单克隆进行PCR检测，条带位置正确后送公司测序，保存经测序对比正确的菌液。
1.2.2 生物信息学分析
采用NCBI ORF Finder查找序列的ORF；用在线软件BioEdit预测该基因氨基酸序列；用Blastx进行同源序列比对，搜索不同物种中的同源基因及蛋白，并先将氨基酸序列利用Clustal X进行多序列比对的分析，借助MEGA 5.1软件的Neighbor-Joining算法，1 000次重复，以默认参数构建系统发育进化树[21]。
1.2.3 Real-time PCR分析BpTCP2基因的表达特性
使用RNA提取试剂盒提取白桦不同组织部位（顶芽、腋芽、木质部、韧皮部、1 ~ 7茎节、1 ~ 13叶片）、5种外源植物激素（IAA、ABA、BR、JA、SA）及4种非生物胁迫（NaCl、NaHCO3、CdCl2、PEG）处理后的整株材料的总RNA，并进行反转录。根据克隆获得的BpTCP2基因的全长cDNA序列设计定量引物，同时选用α-Tubulin作为内参基因[21]（引物见表1）。获得的cDNA稀释10倍作为qPCR模板。实时定量PCR反应体系为：6 μL Top qMix，0.24 μL Passive Reference Dye，2 μL cDNA，10 μmol/L的上、下游引物各0.24 μL，用ddH2O补足反应体系至12 μL。扩增反应在ABI PRISM® 7500荧光定量PCR仪上完成，反应程序为94 ℃预变性30 s，94 ℃变性5 s，56 ℃退火15 s，72 ℃延伸34 s（45个循环），绘制溶解曲线的温度为95 ℃持续15 s，60 ℃持续1 min，95 ℃持续30 s。所有样品均进行3次重复，采用– ΔΔCt方法进行基因的相对定量分析。
表 1 实时荧光定量PCR引物序列Table 1. Real-time PCR primer sequences引物名称 Primer name 上游引物序列（5′→3′） Forward primer (5′→3′) 下游引物序列（5′→3′） Reverse primer (5′→3′) BpTCP2 5′-GCTTGCATACAAAGATGGAAGG-3′ 5′-GGAAAAGCTCAATGGACCCAG-3′ α-Tubulin 5′-GCACTGGCCTCCAAGGAT-3′ 5′-TGGGTCGCTCAATGTCAAGG-3′ 2. 结果与分析
2.1 BpTCP2基因的克隆
以白桦不同组织部位的cDNA为模板，根据白桦基因组序列和转录组数据比对获得BpTCP2基因序列设计特异性引物，PCR扩增其全长cDNA序列，扩增产物于1.0%琼脂糖凝胶电泳检测（图1），纯化后的胶回收产物通过Topo反应进行菌液PCR检测，结果显示在813 bp处获得特异性条带，与预期目标条带大小一致（图2）。
![]()
图 2 BpTCP2基因Topo菌液PCR片段M. DL2000 Marker；1.水对照；2 ~ 4菌液PCR。M, DL2000 Marker; 1, water control; 2−4, bacterial solution PCR.Figure 2. PCR fragment of BpTCP2 gene2.2 白桦BpTCP2基因的生物信息学分析
2.2.1 白桦BpTCP2基因编码区序列分析
利用BLASTx及NCBI ORF Finder预测BpTCP2基因的ORF全长，利用生物学软件BioEdit预测BpTCP2基因的ORF全长为804 bp，编码267个氨基酸（图3）。
![]()
图 3 BpTCP2基因编码区序列及推测的氨基酸序列Figure 3. BpTCP2 gene coding sequence and predicted amino acid sequence2.2.2 白桦BpTCP2基因结构域分析
分别选取拟南芥、葡萄（Vitis vinifera）、水稻（Oryza sativa）、毛果杨（Populus trichocarpa）4个物种PCF亚类基因各2条与BpTCP2基因进行氨基酸的多序列比对分析，结果如图4所示，BpTCP2基因与其他物种PCF亚类基因的氨基酸序列均含有TCP保守结构域bHLH[22]。bHLH基序由44个氨基酸组成，包括一个能与DNA结合的碱性区域和α螺旋1-环-α螺旋2（Helix1- Loop-Helix2）组成[23-24]，其中Basic结构域含有16个氨基酸，helixI、loop和helixII结构域分别含有11、8和9个氨基酸。从比对结果可以看出无论是Basic结构域还是其他3个结构域均高度保守。
2.2.3 白桦BpTCP2基因的进化树分析
利用MEGA 5.1对白桦BpTCP2与拟南芥、水稻、葡萄及毛果杨TCP的蛋白序列进行聚类分析，结果如图5所示，97个TCP成员被清楚的分为Class I（PCF）和Class II（CIN和CYC/TB1）两大类，其中BpTCP2属于PCF亚类，并与毛果杨的TCP1基因相似性较高。
![]()
图 5 白桦BpTCP2与其他4个物种TCP蛋白的进化树Figure 5. Phylogenetic tree of BpTCP2 and TCP proteins from other four species2.3 BpTCP2基因的组织表达特性分析
2.3.1 不同组织部位
以叶为对照，分析了BpTCP2基因在顶芽、腋芽、嫩茎、木质部及韧皮部的表达情况（图6），结果表明：该基因在腋芽中表达量最低，而在其他4个组织部位中均上调表达，尤其在木质部和韧皮部中，表达量分别上调32倍和16倍。
![]()
图 6 BpTCP2在不同组织部位下的相对表达量不同小写字母表示不同组织部位的基因表达差异显著性（P < 0.05）。Different lowercase letters indicate significant differences in gene expression at different tissue sites (P < 0.05).Figure 6. Relative expression level of BpTCP2 at different tissues of birch2.3.2 不同叶发育阶段
根据白桦叶片的发育情况，分别选取从幼嫩到衰老整个发育阶段的叶片（图7），并以第1片叶为对照，分析了BpTCP2基因在叶片不同发育时期的表达情况（图8），结果表明：该基因随着叶龄的增加整体呈现下调的趋势；在前期发育过程中（第1 ~ 4片叶）BpTCP2表达量呈现先下调后上调的趋势；在中期发育过程（第5 ~ 9片叶），该基因表达量变化并不明显（< 2倍），但低于对照；在后期发育过程（第10 ~ 13片叶）中，该基因持续下调，在第12片叶时下调达到峰值，为对照的128倍，在第13片叶时表达量略有回升。
![]()
图 7 不同发育时期的叶片图中叶片从左到右分别是从顶端数第1到第13片叶片。In the figure, the blades are from the left to the right, representing the first to thirteenth blades from the top.Figure 7. Leaves at different developmental stages![]()
图 8 BpTCP2在不同叶片发育下的相对表达量不同小写字母表示不同发育时期叶片的基因表达差异显著性（P < 0.05）。Different lowercase letters indicate significant differences in gene expression between leaves at varied developmental stages (P < 0.05).Figure 8. Relative expression level of BpTCP2 during leaf development2.3.3 茎节发育阶段
根据白桦茎节的发育情况，选取了白桦从幼嫩到成熟的茎节如（图9），分析BpTCP2基因在茎节发育阶段的表达情况（图10），以第1茎节为对照，该基因在茎发育初期，表达量呈现持续上调的趋势，尤其是在第4茎节中表达量达到最高峰，为对照的4倍。但从第5茎节到成熟茎节其在韧皮部中的表达量变化不明显（< 2倍）。
![]()
图 10 BpTCP2在不同茎节发育下的相对表达量不同小写字母表示不同发育时期的茎节基因表达差异显著性（P < 0.05）。Different lowercase letters show significant differences in gene expression between stem segments at different developmental stages (P < 0.05).Figure 10. Relative expression level of BpTCP2 during stem development2.4 激素应答分析
在BR、JA、SA、IAA、ABA这5种激素处理下，BpTCP2的表达情况呈现不同的表达趋势，如图11所示。在BR处理下，BpTCP2基因呈现下调表达的趋势，尤其是在4 h时表达量达到最低值，下调为对照的256倍，随着处理时间的延长，其略有上升但还是低于处理前（0 h）；在JA处理过程中，除6、12 h与对照相比变化不明显外，其他时间点均呈现上调表达的趋势，尤其在4 h时，其表达量明显比对照提高了32倍；SA处理后，BpTCP2的表达量在12 h前均上调，且在6 h时达到峰值，为未处理的8倍，而在24 h时骤然下调为4倍；在IAA的处理过程中，BpTCP2基因呈现下调表达的趋势，且除了6 h外，在其他时间点BpTCP2基因的表达量没有发生明显的变化（< 2倍）；在ABA处理过程中，BpTCP2的表达量呈现波动，在12 h时表达量达到最高峰，为对照的32倍，而在24 h时表达量最低，为对照的64倍。
![]()
图 11 BpTCP2在植物激素信号下的相对表达量不同小写字母表示不同处理下不同时间点的基因表达差异显著性（P < 0.05），下同。Different lowercase letters mean significant difference in gene expression at different time points under varied treatments (P < 0.05). Same as below.Figure 11. Relative expression level of BpTCP2 under hormone treatments2.5 非生物胁迫应答分析
通过CdCl2、NaCl、NaHCO3、PEG 4种胁迫处理，分析BpTCP2的表达情况，结果如图12所示。其中，在CdCl2、NaCl和NaHCO3处理下，BpTCP2基因的表达模式相似且均为高表达，并且CdCl2和NaCl在处理12 h时上调表达量达到峰值，分别为对照的128倍和64倍，NaHCO3处理后表达量最高峰出现在24 h，为对照的64倍；在PEG胁迫处理过程中，BpTCP2与对照相比变化并不明显（< 2倍）。
![]()
图 12 BpTCP2在植物激素信号下的相对表达量Figure 12. Relative expression level of BpTCP2 under abiotic stress3. 讨 论
通过对白桦的BpTCP2氨基酸序列以及葡萄、拟南芥、水稻、毛果杨TCP氨基酸序列进行系统聚类分析，根据其序列差异将其分为Class I（PCF）和Class II（CIN和CYC/TB1）两大类，其中BpTCP2属于Class I类PCF亚类。Class I类和Class II类相比，Class I类在Basic结构域上有4个氨基酸的缺失[25-26]。
分析BpTCP2在不同组织部位的特异性表达发现，该基因在嫩茎、木质部、韧皮部、顶芽中均呈上调表达，且在木质部中表达量最高，表明BpTCP2可能与木质素的生物合成相关。在安家兴等人[11]的研究中，也证明了Class I类PCF亚类的AtTCP11通过改变VND7的表达量从而影响维管束的发育。分析BpTCP2在茎节发育中的表达水平，从第1茎节到第4茎节表达量呈现持续上调的趋势，说明BpTCP2可能参与白桦茎的初期发育，Kieffer等[27]发现了AtTCP15和AtTCP14的突变体通过影响细胞增殖来影响茎节发育。在叶片发育的表达分析中，随着叶龄的增加，BpTCP2表达量整体呈现一个下调的趋势说明BpTCP2可能和延缓衰老相关，张春雷等[28]人在对拟南芥的PCF亚类基因AtTCP15、AtTCP22研究时发现，35S::TCP15-SRDX和35S::TCP22-SRDX同时表现出提前衰老的现象。
近年研究发现TCP转录因子除了在植物发育过程中发挥重要作用外，还参与植物激素及胁迫的信号传导等过程[29]，同时我们对BpTCP2基因的启动子序列进行分析，也发现其含有多种激素和胁迫的应答元件（未发表），故本研究对BpTCP2基因进行了外源激素和非生物胁迫应答分析，结果表明，在植物激素处理下，BpTCP2呈现不同的表达趋势。经ABA处理后，BpTCP2呈现出先上调后下调的波动型表达模式，说明该基因参与ABA的信号应答。Mukhopadhyay等[30]对PCF亚类的OsTCP19的信号通路进行研究，发现OsTCP19通过与转录因子ABI4的互作来调控ABI3的表达从而对ABA信号通路进行调控；经BR处理后，BpTCP2整体均呈现下调表达，尤其在4 h时表达量最低，说明BpTCP2明显的响应了BR的信号且为负响应模式。DWARF4是BR生物合成中的关键酶，在拟南芥中，通过染色体免疫共沉淀发现AtTCP1可以促进DWF4的表达，使内源BR含量增加，促进植物的生长[29]；在IAA处理后，BpTCP2在6 h时呈现下调表达的趋势而在其他时间点表达量变化并不明显，说明BpTCP2也响应了IAA的初期信号。在拟南芥中CIN类的AtTCP3可以引起IAA合成的负调节因子CYP83B1/SUR2的上调[31]，AtTCP15（PCF类）也可间接诱导IAA3/SHY2表达[2]，通过使用IAA响应原件DR5::GUS分析，AtTCP15和AtTCP3在一定程度上功能冗余，表明他们在IAA信号通路中可能发挥着相同的作用，这与BpTCP2处理后的结果类似；在JA处理后，BpTCP2除6 h、12 h与对照相比变化不明显外，其他时间点均呈现上调表达的趋势，说明BpTCP2响应了JA的信号且为正响应模式，在冯志娟等人[29]的研究中，LIPOXYGENASE2（LOX2）基因受TCP转录因子的调控且LOX2的诱导使JA积累；在SA处理下，BpTCP2的表达量在12 h前均为上调表达，但在24 h时骤然下降，说明BpTCP2响应了SA的信号，拟南芥AtTCP8（PCF亚类）与ICS1转录激活因子SARD1和WRKY28以及ICS1阻遏蛋白NAC019相互作用，ICS1基因是编码SA生物合成过程中必需的酶[32]且拟南芥中AtTCP8可以作为效应诱导免疫过程中的正向调节者[29]。
在CdCl2、NaCl、NaHCO3处理过程中，BpTCP2呈现上调表达的趋势，表明该基因在相应的非生物胁迫过程中表现出正调控模式，这一结果与水曲柳（Fraxinus mandschurica）和木薯（Manihot esculenta）的研究结果一致，水曲柳的FmTCP4和木薯的MeTCPs基因在盐胁迫下也呈现出正响应模式[33-34]；在水稻中，OsTCP19的过表达导致LOX2（茉莉酸信号通路基因）的下调，从而减少水分流失和活性氧的缺失以及脂肪的积累，进而提高植株的耐盐性[30]；本实验团队前期对PromTCP7::GUS拟南芥株系进行盐、旱处理，发现该基因对盐、旱途径均有不同程度响应[35]。耐盐性结果与本实验基本一致，但在PEG（干旱）处理下，BpTCP2的变化并不明显。目前，miR319的靶位点已在多个物种的TCP基因中被发现，在植物非生物胁迫应答的过程中，miR319与TCP基因的模式靶向关系为负调控[29]，作为miR319的靶基因，TCP家族基因间存在功能冗余与分歧；并且在拟南芥中Viola等[36]发现，半胱氨酸（Cys-20）是AtTCP15保守结构域中的重要组成部分，AtTCP15通过其在氧化胁迫条件下发生的氧化反应从而抑制该基因的转录水平，进而参与非生物胁迫过程。
4. 结 论
本实验成功克隆了BpTCP2基因，生物信息分析表明该基因属于Class I类PCF亚类且含有高度保守的bHLH结构域；BpTCP2参与木质素的生物合成、初期茎节发育及叶片发育过程；BpTCP2参与植物外源激素（ABA、IAA、BR、JA、SA）及非生物胁迫（重金属、盐、碱）的响应。
-
![]()
图 1 鹫峰森林人工总体构建框架
图中颜色由深到浅变化反映了树木个体蓄积由大到小的梯度变化。The color gradient in the image reflects a gradient change of tree biomass from large to small.
Figure 1. Construction framework of artificial forest in Jiufeng
![]()
图 2 鹫峰地区树种径阶分布
Figure 2. Distribution of tree species diameter classes in Jiufeng area
![]()
图 3 森林空间自相关表达
图中坐标为UTM Zone 50N投影坐标。红色表示活树，灰色表示死树；死树是任何依赖于树木生死状态的森林属性或生态指标的载体；死亡模式反映了任何替代属性或指标的空间分布模式。The coordinates in the image are UTM Zone 50N projected coordinates. Living trees in red, dead trees in gray; dead trees are surrogate for any forest attributes or ecological indicators relying on living status; mortality patterns represent the spatial distribution of any surrogated attributes or indicators.
Figure 3. Forest spatial autocorrelation expression
![]()
图 5 森林空间自相关对抽样精度的影响
Figure 5. Effects of forest spatial autocorrelation on sampling accuracy
![]()
图 7 系统抽样设计对抽样精度的影响
R.随机模式；C.聚集模式；两种空间模式下死亡率均为20%，样地大小均为20 m × 20 m。R, Random; C, Cluster; The mortality rate is 20% under both spatial patterns, with plot sizes of 20 m × 20 m in each case.
Figure 7. Effects of systematic sampling design on sampling accuracy
表 1 鹫峰乔木树种调查基本信息统计
Table 1 Basic information statistics of Jiufeng arbor species investigation
树种 Tree species 胸径 DBH/cm 树高 Tree height (H)/m 最小值
Min. value最大值
Max. value平均值
Mean标准差
SD最小值
Min. value最大值
Max. value平均值
Mean标准差
SD栓皮栎 Quercus variabilis 3.0 59.2 15.9 9.2 1.4 31.0 10.0 4.9 侧柏 Platycladus orientalis 1.7 23.5 10.3 3.5 2.2 14.9 8.0 2.3 五角枫 Acer mono 4.1 24.2 10.6 4.8 3.0 23.0 10.8 4.9 千金榆 Carpinus cordata 4.2 30.6 9.3 4.4 2.3 16.9 7.5 3.2 槲栎 Quercus aliena 5.0 36.4 13.5 5.1 2.3 23.6 9.5 3.4 朴树 Celtis sinensis 5.0 24.5 10.9 5.5 2.4 20.2 10.1 4.7 白蜡 Fraxinus chinensis 5.0 21.6 7.8 3.2 3.1 14.2 6.5 2.0 刺槐 Robinia pseudoacacia 5.2 32.6 12.4 9.0 2.1 14.0 6.3 3.1 油松 Pinus tabuliformis 6.3 19.1 13.3 3.5 3.7 11.5 8.1 2.5 华北落叶松 Larix principis-rupprechtii 8.4 17.1 12.4 2.6 4.7 9.4 6.2 1.3 
下载: 导出CSV
表 2 基于鹫峰数据的人工总体构建汇总
Table 2 Summary of artificial population construction based on Jiufeng data
序号
No.总体
Population空间模式
Spatial pattern死亡率
Mortality/%样地尺寸
Sample size总蓄积
Total volume/m3单位蓄积量/(m3·hm−2)
Unit volume/（m3·ha−1）聚集辐射距离
Cluster radius distance/m1 M0-P20 0 20 m × 20 m 35 642.97 49.58 2 M0-P30 0 30 m × 30 m 35 642.97 49.58 3 M0-P40 0 40 m × 40 m 35 642.97 49.58 4 R-M20-P20 随机 Random 20 20 m × 20 m 28 584.23 49.70 5 R-M20-P30 随机 Random 20 30 m × 30 m 28 584.23 49.70 6 R-M20-P40 随机 Random 20 40 m × 40 m 28 584.23 49.70 7 C-M10-P20 聚集 Cluster 10 20 m × 20 m 31 829.55 49.69 50 8 C-M10-P30 聚集 Cluster 10 30 m × 30 m 31 829.55 49.69 50 9 C-M10-P40 聚集 Cluster 10 40 m × 40 m 31 829.55 49.69 50 10 C-M20-P20 聚集 Cluster 20 20 m × 20 m 28 125.76 49.72 70 11 C-M20-P30 聚集 Cluster 20 30 m × 30 m 28 125.76 49.72 70 12 C-M20-P40 聚集 Cluster 20 40 m × 40 m 28 125.76 49.72 70
下载: 导出CSV
表 3 各树种异速生长模型参数统计
Table 3 Parameter statistics of allometric growth model of various tree species
树种 Tree species 材积参数 Timber volume parameter 树高曲线参数 Tree height curve parameter a b c c0 c1 c2 栓皮栎 Quercus variabilis 0.000 057 469 1.915 56 0.926 60 10.010 30 0.155 53 1.788 38 侧柏 Platycladus orientalis 0.000 091 972 1.863 98 0.831 57 4.298 95 0.458 07 4.320 85 五角枫 Acer mono 0.000 057 469 1.915 56 0.926 60 10.017 40 0.292 15 4.296 35 千金榆 Carpinus cordata 0.000 062 324 1.825 58 0.977 49 12.584 10 0.120 40 1.670 84 槲栎 Quercus aliena 0.000 057 469 1.915 56 0.926 60 10.010 30 0.155 53 1.788 38 朴树 Celtis sinensis 0.000 057 469 1.915 56 0.926 60 19.487 60 0.040 81 0.801 35 白蜡 Fraxinus chinensis 0.000 057 469 1.915 56 0.926 60 19.487 60 0.040 81 0.801 35 刺槐 Robinia pseudoacacia 0.000 071 182 1.941 49 0.814 87 13.725 10 0.130 98 1.818 21 油松 Pinus tabuliformis 0.000 066 492 1.865 56 0.937 69 9.285 56 0.219 29 3.400 51 华北落叶松 Larix principis-rupprechtii 0.000 053 403 1.808 07 1.072 42 19.614 70 0.014 09 0.432 46
下载: 导出CSV
-
[1] 白降丽, 彭道黎, 庾晓红. 我国森林资源调查技术发展研究[J]. 山西林业科技, 2005(1): 4−7. Bai J L, Peng D L, Yu X H. Study on the development of forest resource inventory technology in China[J]. Shanxi Forestry Science and Technology, 2005(1): 4−7.
[2] 张会儒, 雷相东, 李凤日. 中国森林经理学研究进展与展望[J]. 林业科学, 2020, 26(9): 130−142. Zhang H R, Lei X D, Li F R. Research progress and prospects of forest management science in China[J]. Scientia Silvae Sinicae, 2020, 26(9): 130−142.
[3] 陈盼盼. 地面摄影测量在森林资源调查中的关键技术研究[D]. 北京: 北京林业大学, 2020. Chen P P. Study on key technologies of ground photogrammetry in forest inventory[D]. Beijing: Beijing Forestry University, 2020.
[4] 冯仲科. “互联网+”推进森林资源调查走进精准林业新时代[J]. 国土绿化, 2019(2): 16−19. Feng Z K. “Internet+” promotes the forest resource survey to enter the era of precision forestry[J]. Land Greening, 2019(2): 16−19.
[5] 罗仙仙, 亢新刚, 杨华. 我国森林资源综合监测抽样理论研究综述[J]. 西北林学院学报, 2008, 23(6): 187−193. Luo X X, Kang X G, Yang H. A review on the sampling theory of forest resources comprehensive monitoring[J]. Journal of Northwest Forestry University, 2008, 23(6): 187−193.
[6] 曾伟生, 黄国胜, 党永峰, 等. 全国森林资源宏观监测的抽样设计与估计方法探索[J]. 林业资源管理, 2016(3): 1−6. Zeng W S, Huang G S, Dang Y F, et al. Discussion on sampling design and estimation methods of national forest resources macro-monitoring[J]. Forest Resources Management, 2016(3): 1−6.
[7] 高宏. 森林资源抽样调查技术方法[J]. 林业勘查设计, 2018, 188(4): 87−88. doi: 10.3969/j.issn.1673-4505.2018.04.040 Gao H. Technical methods of sampling survey of forest resources[J]. Forest Investigation Design, 2018, 188(4): 87−88. doi: 10.3969/j.issn.1673-4505.2018.04.040
[8] 李春干, 代华兵. 中国森林资源调查: 历史、现状与趋势[J]. 世界林业研究, 2021, 34(6): 72−80. Li C G, Dai H B. Forest management inventory in China: history, current status and trend[J]. World Forestry Research, 2021, 34(6): 72−80.
[9] Tomppo E. Forest inventory: methodology and applications[M]. Dordrecht: Springer, 2006: 179−194.
[10] 李明阳, 姜文倩, 徐婷, 等. 基于总体表面属性特征的森林资源抽样调查方法比较[J]. 东北林业大学学报, 2011, 39(9): 49−51, 64. doi: 10.3969/j.issn.1000-5382.2011.09.016 Li M Y, Jiang W Q, Xu T, et al. Comparison of sampling survey methods of forest resources for populations with different surface attributes[J]. Journal of Northeast Forestry University, 2011, 39(9): 49−51, 64. doi: 10.3969/j.issn.1000-5382.2011.09.016
[11] Annika K M. Forest inventory: methodology and applications [M]. New York: Springer-Verlag, 2006.
[12] Cochran W G. Sampling techniques[M]. 3rd ed. Hoboken: John Wiley & Sons, 1977: 227.
[13] Mcroberts R E, Westfall J A. Propagating uncertainty through individual tree volume model predictions to large-area volume estimates[J]. Annals of Forest Science, 2016, 73(3): 625−633. doi: 10.1007/s13595-015-0473-x
[14] Särndal C E T, Hoem L, Lindley J M, et al. Design-based and model-based inference in survey sampling[J]. Scandinavian Journal of Statistics, 1978(5): 27−52.
[15] Schreuder H T, Gregoire T G, Wood G B. Sampling methods for multiresource forest inventory [M]. New York: John Wiley & Sons, 1993: 446.
[16] 金勇进, 郝一炜. 非概率样本的模型推断[J]. 数学的实践与认识, 2019, 49(5): 246−255. Jin Y J, Hao Y W. Model-based inference for non-probability sample[J]. Mathematics in Practice and Theory, 2019, 49(5): 246−255.
[17] Thompson S K. Sampling[M]. 3rd ed. Hoboken: John Wiley & Sons, 2012.
[18] Legendre P. Spatial autocorrelation: trouble or new paradigm[J]. Ecology, 1993, 74(6): 1659−1673. doi: 10.2307/1939924
[19] Reed D, Burkhart H. Spatial autocorrelation of individual tree characteristics in loblolly pine stands[J]. Forest Science, 1985, 31(3): 575−587.
[20] Penttinen A , Henttonen H M. Marked point processes in forest statistics[J]. Forest Science, 1992, 38(4): 806−824.
[21] Tomppo E. Models and methods for analyzing spatial pattern of trees[J]. Communicationes Instituti Forestalis Fenniae, 1986(138): 65.
[22] Chou Y H. Spatial patterns and spatial autocorrelation[J]. Lecture Notes in Computer Science, 1995(988): 365−376.
[23] Zeng W S, Tomppo E, Healey S P, et al. The national forest inventory in China: history-results-international context[J]. Forest Ecosystems, 2015(2): 23.
[24] 宋新民, 李金良. 抽样调查技术[M]. 北京: 中国林业出版社, 2007. Song X M, Li J L. Sampling survey technology[M]. Beijing: China Forestry Publishing House, 2007.
[25] Hou Z, Xu Q, Hartikainen S, et al. Impact of plot size and spatial pattern of forest attributes on sampling efficacy[J]. Forest Science, 2015, 61(5): 847−860. doi: 10.5849/forsci.14-197
[26] 庞丽峰, 雷渊才, 陆元昌, 等. 森林经营单位级系统群团抽样设计比较[J]. 西北农林科技大学学报(自然科学版), 2015, 43(6): 141−152. Pang L F, Lei Y C, Lu Y C, et al. Comparison of cluster systematic sapling at management unit level[J]. Journal of Northwest A & F University (Natural Science Edition), 2015, 43(6): 141−152.
[27] 嘎拉泰, 朱双双, 徐道春, 等. 鹫峰森林多层土壤温度变化规律的研究[J]. 林业工程学报, 2018, 3(3): 136−141. Ga L T, Zhu S S, Xu D C, et al. Investigation of temperature changing patterns of multi-layer soil in Jiufeng forest[J]. Journal of Forestry Engineering, 2018, 3(3): 136−141.
[28] 孟芮萱. 城郊型森林公园游憩功能评价及结构优化方法研究: 以鹫峰国家森林公园为例[D]. 北京: 北京林业大学, 2020. Meng R X. The study on recreation function evaluation and structure optimization methods in the suburban forest park: take Jiufeng National Forest Park as a case[D]. Beijing: Beijing Forestry University, 2020.
[29] 蒲莹, 曾伟生, 阳帆. 北京市树高胸径回归模型研建及一元立木材积表检验[J]. 林业资源管理, 2021(3): 62−66. Pu Y, Zeng W S, Yang F. Tree height-diameter regression models development and one-variable tree volume tables examination in Beijing[J]. Forest Resources Management, 2021(3): 62−66.
[30] Berrill J P, O’hara K L. Influence of tree spatial pattern and sample plot type and size on inventory estimates for leaf area index, stocking, and tree size parameters[C]//Proceedings of coast redwood forests in a changing California: A symposium for scientists and managers. Albany, CA: Pacific Southwest Research Station, 2012: 485– 497.
-
期刊类型引用(1)
1. 吕思毓，安旆其，王朋阳，刘牧田，吕汐，祁明惠，张磊. 长白落叶松HD-Zip基因对外源激素的响应模式. 东北林业大学学报. 2021(02): 1-4 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 414
- HTML全文浏览量: 63
- PDF下载量: 70
- 被引次数: 1
