CN116433447B - 一种基于群落构建机制的荒漠植被恢复物种配置方法 - Google Patents

一种基于群落构建机制的荒漠植被恢复物种配置方法 Download PDF

Info

Publication number
CN116433447B
CN116433447B CN202310686809.3A CN202310686809A CN116433447B CN 116433447 B CN116433447 B CN 116433447B CN 202310686809 A CN202310686809 A CN 202310686809A CN 116433447 B CN116433447 B CN 116433447B
Authority
CN
China
Prior art keywords
species
plant
lineage
distance
community
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310686809.3A
Other languages
English (en)
Other versions
CN116433447A (zh
Inventor
董雷
苑淑娟
代海燕
鲁旭东
潘永杰
周慧
郑颖
李锦荣
王健
刘悦
葛楠
程波
李红芳
王奇
曹煜轩
鲍莉莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Water Resources for Pasteral Area Ministry of Water Resources PRC
Original Assignee
Institute of Water Resources for Pasteral Area Ministry of Water Resources PRC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Water Resources for Pasteral Area Ministry of Water Resources PRC filed Critical Institute of Water Resources for Pasteral Area Ministry of Water Resources PRC
Priority to CN202310686809.3A priority Critical patent/CN116433447B/zh
Publication of CN116433447A publication Critical patent/CN116433447A/zh
Application granted granted Critical
Publication of CN116433447B publication Critical patent/CN116433447B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/12Computing arrangements based on biological models using genetic models
    • G06N3/126Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0637Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Forestry; Mining

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Physiology (AREA)
  • Data Mining & Analysis (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Mining & Mineral Resources (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)

Abstract

本发明公开了一种基于群落构建机制的荒漠植被恢复物种配置方法,该方法包括以下步骤:结合区域植被调查及植物志获取分布在自然荒漠群落的本土待选植物种以及植物种的共存和结构状况;对获取的植物种整理及分类,构建物种名录库;构建所有植物种之间的系统发育树,并计算物种名录库中所有植物种之间的平均谱系距离;计算自然荒漠群落的净谱系亲缘关系指数;验证群落谱系结构理论预测的群落构建机制的适用性;从系统发育树中选择待配置物种,并在系统发育树上检索待配置物种之间的分化节点时间;将待配置物种之间的谱系距离与平均谱系距离进行对比,判断待配置物种之间的搭配价值。本发明能够快速判断待配置物种之间共同建植搭配的适宜性。

Description

一种基于群落构建机制的荒漠植被恢复物种配置方法
技术领域
本发明涉及生态恢复技术领域,具体来说,涉及一种基于群落构建机制的荒漠植被恢复物种配置方法。
背景技术
近自然植被恢复是近年来生态修复中的热点,然而对于如何进行近自然植被恢复仍然缺乏量化指标。以往的生态修复大多使用单一物种,存在种类单一、生物多样性低、系统不稳定等诸多问题,因此需要引入不同物种之间的搭配以提高系统稳定性,增加生物多样性。荒漠地区具有丰富的本土物种资源可供利用,然而在当前的生态恢复中经常使用的仍是柠条、沙蒿等一些常规的、十分有限的几种植物种,既是对当地种质资源的浪费,也不利于区域生物多样性的保护。鉴于在对物种筛选过程中存在大量潜在的可使用物种,不同物种之间的搭配需要花费大量的精力和时间去筛选。因此本发明根据最新的生态学研究成果,利用群落系统发育结构和物种共存机制的相关理论为基础,提出一种用于筛选潜在的具有共生和互利关系的物种搭配的配置方法,从而可以减少筛选过程的盲目性,从理论上提高不同物种之间筛选和搭配的成功率。
根据群落系统发育结构的理论,亲缘关系较近的物种之间生态位更加接近,对资源的需求也更加相似,相互之间的竞争也更加激烈,因此在植物种搭配时应该选择亲缘关系较远的物种以避免建植物种之间的竞争,从而提高建植植物的存活率。
根据调查研究的结果证实:区域群落的系统发育确实以谱系发散为主(即大多自然群落中的物种平均谱系距离都大于区域平均值),因此该原则对于指导区域生态的近自然修复具有充分的理论依据。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对现有技术的不足,本发明提供了基于群落构建机制的荒漠植被恢复物种配置方法,具备快速判断待配置物种之间搭配的适宜性的优点,进而解决无法快速判断出配置物种之间搭配的适宜性的问题。
为实现上述快速判断待配置物种之间搭配的适宜性的优点,本发明采用的具体技术方案如下:
一种基于群落构建机制的荒漠植被恢复物种配置方法,包括一种基于群落构建机制的荒漠植被恢复物种配置方法,该方法包括以下步骤:
S1、对自然荒漠群落进行调查,并结合区域植被调查及植物志获取分布在自然荒漠群落的本土待选植物种以及植物种的共存和结构状况;
S2、对获取的植物种整理及分类,构建物种名录库;
S3、以物种名录库为基础,构建所有植物种之间的系统发育树,并计算物种名录库中所有植物种之间的平均谱系距离;
S4、对植物种的共存和结构状况进行分析,计算自然荒漠群落的净谱系亲缘关系指数;
S5、基于净谱系亲缘关系指数,验证群落谱系结构理论预测的群落构建机制的适用性;
S6、从系统发育树中选择待配置物种,并在系统发育树上检索待配置物种之间的分化节点时间,计算待配置物种之间的谱系距离;
S7、将待配置物种之间的谱系距离与平均谱系距离进行对比,判断待配置物种之间的搭配价值。
进一步的,所述对获取的植物种整理及分类,构建物种名录库包括以下步骤:
S21、根据植物种级别对获取的植物种进行分类,并记录每个植物种的物种信息;
S22、利用MySQL创建物种名录库,将每个植物种的物种信息录入到物种名录库中;
S23、对物种名录库中的物种信息进行校验,并对重复的物种信息进行过滤;
S24、对物种名录库中的物种信息进行可视化。
进一步的,所述利用MySQL创建物种名录库,将每个植物种的物种信息录入到物种名录库中包括以下步骤:
S221、利用MySQL创建物种名录库,并设置相应的参数;
S222、根据植物种的物种信息,设计物种名录库的表结构;
S223、在表结构中创建相应的表格,并设置相关字段的属性和类型;
S224、通过批量导入的方式,将每个植物种的物种信息输入到物种名录库中,并对每个植物种的物种信息进行备份。
进一步的,所述植物种的物种信息包括拉丁学名、别名、用途、生境类型、分布范围、中文名及形态特征。
进一步的,所述以物种名录库为基础,构建所有植物种之间的系统发育树,并计算物种名录库中所有植物种之间的平均谱系距离包括以下步骤:
S31、从物种名录库获取所有植物种的基因序列数据;
S32、将所有植物种的基因序列数据进行多序列比对,并消除基因序列数据的差异性;
S33、基于处理后的基因序列数据,构建系统发育树;
S34、利用遗传算法计算所有植物种之间的谱系距离;
S35、将获得的谱系距离进行归一化处理,并计算植物种之间的平均谱系距离。
进一步的,所述从系统发育树中选择待配置物种,并在系统发育树上检索待配置物种之间的分化节点时间,计算待配置物种之间的谱系距离包括以下步骤:
S61、获取待配置物种在系统发育树上的分支点及直接祖先节点;
S62、利用最大似然法估计每个分支的长度;
S63、基于每个分支的长度,计算待配置物种与其直接祖先节点之间的距离;
S64、将直接祖先节点之间的距离进行相加,得到总分化节点的时间;
S65、将总分化节点的时间乘以二,得到待配置物种之间的谱系距离。
进一步的,所述利用最大似然法估计每个分支的长度的表达式为:
式中,B表示矩阵V(θ)的逆矩阵,其中,θ表示树枝长度值;
n表示观测值的数量;
X表示待配置物种的特征向量;
μ表示θ的预期值。
进一步的,所述利用遗传算法计算所有植物种之间的谱系距离包括以下步骤:
S341、从构建的系统发育树中提取目标进化树枝;
S342、将目标进化树枝两端的初始进化距离值设置为随机值;
S343、基于初始进化距离值构建适应度函数,并利用适应度函数计算初始进化距离的适应度值;
S344、通过交叉和变异操作创建新生成的进化树枝解;
S345、利用适应度函数计算新生成的进化树枝解的适应度值;
S346、对两组适应度值进行比较,并选择适应度更高的解作为下一轮进化的初始解;
S347、重复步骤S343-S346,直至获得最优解,并将最优解作为植物种之间的谱系距离。
进一步的,所述自然荒漠群落的净谱系亲缘关系指数的计算公式为:
式中,表示样方内物种间的平均谱系距离;
表示在谱系树上通过零模型随机化后获得的平均谱系距离;
SD表示标准偏差。
进一步的,所述基于净谱系亲缘关系指数,验证群落谱系结构理论预测的群落构建机制的适用性包括以下步骤:
S51、若净谱系亲缘关系指数>0,则表示所选植物种间的平均谱系距离低于随机零模型的谱系距离;
S52、若净谱系亲缘关系指数<0,则表示所选物种间的平均谱系距离高于随机零模型的谱系距离;
S53、若净谱系亲缘关系指数≈0,则表示样地群落谱系随机;
S54、选择净谱系亲缘关系指数<0的物种搭配作为待配置物种之间的最优选择,即所选物种之间具有较高的搭配适宜性,适宜于搭配建植。
与现有技术相比,本发明提供了基于群落构建机制的荒漠植被恢复物种配置方法,具备以下有益效果:
(1)本发明提供了可供选择的常见本土灌木物种名录,所选物种均为地区较为常见的本土物种,对环境适应能力较强,可以提高建植成功率。
(2)本发明提供了一种荒漠植被恢复物种配置方法,该方法在理论和时间上均具有较高的科学性,减少了物种筛选和搭配中的盲目性,可为区域近自然生态恢复中的植物种筛选和搭配提供参考。
(3)本发明提供了常见本土灌木物种的谱系距离树以及区域物种之间的平均谱系参考距离,可以快速计算待配置物种之间的谱系距离,并将待配置物种之间的谱系距离与平均谱系参考距离进行对比,进而能够快速判断待配置物种之间共同建植搭配的适宜性,减少大量的重复和无效劳动。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的基于群落构建机制的荒漠植被恢复物种配置方法的流程图;
图2是根据本发明实施例的基于群落构建机制的荒漠植被恢复物种配置方法的荒漠地区常见本土灌木植物谱系树示意图之一;
图3是根据本发明实施例的基于群落构建机制的荒漠植被恢复物种配置方法的荒漠地区常见本土灌木植物谱系树示意图之二;
图4是根据本发明实施例的基于群落构建机制的荒漠植被恢复物种配置方法中沙拐枣和油蒿谱系距离计算示意图之一;
图5是根据本发明实施例的基于群落构建机制的荒漠植被恢复物种配置方法中沙拐枣和油蒿谱系距离计算示意图之二;
图6是根据本发明实施例的基于群落构建机制的荒漠植被恢复物种配置方法中物种名录的示意图。
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点,图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例,提供了一种基于群落构建机制的荒漠植被恢复物种配置方法。
现结合附图和具体实施方式对本发明进一步说明,如图1所示,根据本发明实施例的基于群落构建机制的荒漠植被恢复物种配置方法,包括一种基于群落构建机制的荒漠植被恢复物种配置方法,该方法包括以下步骤:
S1、对自然荒漠群落进行调查,并结合区域植被调查及植物志获取分布在自然荒漠群落的本土待选植物种以及植物种的共存和结构状况;
S2、对获取的植物种整理及分类,构建物种名录库。
其中,所述对获取的植物种整理及分类,构建物种名录库包括以下步骤:
S21、根据植物种级别对获取的植物种进行分类,并记录每个植物种的物种信息。
其中,所述植物种的物种信息包括拉丁学名、别名、用途、生境类型、分布范围、中文名及形态特征。
S22、利用MySQL创建物种名录库,将每个植物种的物种信息录入到物种名录库中。
其中,所述利用MySQL创建物种名录库,将每个植物种的物种信息录入到物种名录库中包括以下步骤:
S221、利用MySQL创建物种名录库,并设置相应的参数。
具体的,MySQL是一种关系型数据库管理系统,广泛用于Web应用程序的后端数据存储。它是一种开源软件,最初MySQL以CT-SQL(也称为My SQL)命名,与其他数据库管理系统相比,MySQL具有易于使用、高性能、可靠性好等特点。
S222、根据植物种的物种信息,设计物种名录库的表结构;
S223、在表结构中创建相应的表格,并设置相关字段的属性和类型;
S224、通过批量导入的方式,将每个植物种的物种信息输入到物种名录库中,并对每个植物种的物种信息进行备份。
S23、对物种名录库中的物种信息进行校验,并对重复的物种信息进行过滤;
S24、对物种名录库中的物种信息进行可视化。
具体的,如图6所示,将待选择物种及其基于APG Ⅲ的科属信息整理到Excel表格中,其中第一列为待筛选物种的拉丁学名,第二列和第三列分别为对应物种的属名和科名的拉丁名,将该表格保存为“splist.csv”的CSV文件。
S3、以物种名录库为基础,构建所有植物种之间的系统发育树,并计算物种名录库中所有植物种之间的平均谱系距离。
其中,所述以物种名录库为基础,构建所有植物种之间的系统发育树,并计算物种名录库中所有植物种之间的平均谱系距离包括以下步骤:
S31、从物种名录库获取所有植物种的基因序列数据;
S32、将所有植物种的基因序列数据进行多序列比对,并消除基因序列数据的差异性;
S33、基于处理后的基因序列数据,构建系统发育树。
具体的,通过在 R4.1.0软件中录入以下命令:
library("V.PhyloMaker")#调用"V.PhyloMaker"程序包
sl<- read.csv("splist.csv")#读取物种名录数据
phy<- phylo.maker(sp.list=sl, tree=GBOTB.extended,nodes=nodes.info.1,scenarios="S3")#构建系统发育树
write.tree(tree.a$scenario.3,"tree.tre")#系统发育树导出到文件。
从而得到待计算物种的系统发育树,具体如附录2所示。
S34、利用遗传算法计算所有植物种之间的谱系距离。
其中,所述利用遗传算法计算所有植物种之间的谱系距离包括以下步骤:
S341、从构建的系统发育树中提取目标进化树枝;
S342、将目标进化树枝两端的初始进化距离值设置为随机值;
S343、基于初始进化距离值构建适应度函数,并利用适应度函数计算初始进化距离的适应度值;
S344、通过交叉和变异操作创建新生成的进化树枝解;
S345、利用适应度函数计算新生成的进化树枝解的适应度值;
S346、对两组适应度值进行比较,并选择适应度更高的解作为下一轮进化的初始解;
S347、重复步骤S343-S346,直至获得最优解,并将最优解作为植物种之间的谱系距离。
具体的,遗传算法是一种优化算法,它模拟了生物进化中的基本过程:遗传、交叉和突变等操作,通过对潜在解的迭代,在搜索空间中寻找最佳解,遗传算法可以通过仿真物种的进化过程,利用适应度函数对每个物种进行评价,找到最优的谱系距离矩阵。
S35、将获得的谱系距离进行归一化处理,并计算植物种之间的平均谱系距离。
S4、对植物种的共存和结构状况进行分析,计算自然荒漠群落的净谱系亲缘关系指数。
其中,所述自然荒漠群落的净谱系亲缘关系指数的计算公式为:
式中,表示样方内物种间的平均谱系距离;
表示在谱系树上通过零模型随机化后获得的平均谱系距离;
SD表示标准偏差。
具体的,使用净谱系亲缘关系指数(net relatedness index,NRI)来分析待选物种之间的亲缘关系。该指数首先计算出待选物种对的平均谱系距离(mean phylogeneticdistance,MPD),然后保持物种数量及物种个体数不变,从物种名从物种库中随机抽取替换并重复999次,从而获得该样方中物种在随机零模型下的MPD的分布。最后利用随机分布结果将观察值标准化,从而获得NRI值。
S5、基于净谱系亲缘关系指数,验证群落谱系结构理论预测的群落构建机制的适用性。
其中,所述基于净谱系亲缘关系指数,验证群落谱系结构理论预测的群落构建机制的适用性包括以下步骤:
S51、若净谱系亲缘关系指数>0,则表示所选植物种间的平均谱系距离低于随机零模型的谱系距离;
S52、若净谱系亲缘关系指数<0,则表示所选物种间的平均谱系距离高于随机零模型的谱系距离;
S53、若净谱系亲缘关系指数≈0,则表示样地群落谱系随机;
S54、选择净谱系亲缘关系指数<0的物种搭配作为待配置物种之间的最优选择,即所选物种之间具有较高的搭配适宜性,适宜于搭配建植。
具体的,若NRI>0,则表示所选物种间的平均谱系距离低于随机零模型的谱系距离,即观察群落谱系聚集;若NRI<0,说明所选物种间的平均谱系距离高于随机零模型的谱系距离,群落谱系结构发散;若NRI≈0,则表明样地群落谱系随机。植物种配置时原则上宜优先选择谱系距离较远的物种,使物种之间的谱系距离(MPDobs)大于零模型随机的平均谱系距离(MPDrand),从而使NRI<0,避免谱系聚集(NRI>0)的物种搭配。
S6、从系统发育树中选择待配置物种,并在系统发育树上检索待配置物种之间的分化节点时间,计算待配置物种之间的谱系距离。
其中,所述从系统发育树中选择待配置物种,并在系统发育树上检索待配置物种之间的分化节点时间,计算待配置物种之间的谱系距离包括以下步骤:
S61、获取待配置物种在系统发育树上的分支点及直接祖先节点;
S62、利用最大似然法估计每个分支的长度。
其中,所述利用最大似然法估计每个分支的长度的表达式为:
式中,B表示矩阵V(θ)的逆矩阵,其中,θ表示树枝长度值;
n表示观测值的数量;
X表示待配置物种的特征向量;
μ表示θ的预期值。
S63、基于每个分支的长度,计算待配置物种与其直接祖先节点之间的距离;
S64、将直接祖先节点之间的距离进行相加,得到总分化节点的时间;
S65、将总分化节点的时间乘以二,得到待配置物种之间的谱系距离。
S7、将待配置物种之间的谱系距离与平均谱系距离进行对比,判断待配置物种之间的搭配价值。
具体的,根据调查研究获取的116个自然荒漠群落证实形成了47种区域常见本土荒漠灌木物种名录库(附录1),并构建了系统发育树(附录2)。依照构建的系统发育树计算得到的物种间平均谱系距离约为217.51(百万年)。因此在物种选择时应尽量选择平均谱系距离大于217百万年的物种搭配。
下面结合具体的实施例,对本发明提供的基于群落构建机制的荒漠植被恢复物种配置方法进行详细说明:
如图2-图5所示,以附录1种选取沙拐枣和油蒿两种植物的组合为例。在图2中检索二者的最近共同分化节点时间为119.8724Ma.(即图3中的实线路经),则二者的谱系距离为119.8724Ma.×2=239.7448Ma.,大于区域平均值217.51Ma.,因此可以认为这两个物种之间竞争相对较小,具有潜在的搭配能力。当待选物种有三种时则分别计算两两物种之间的谱系距离然后求平均值,以柠条、白刺、沙冬青三者为例,三者之间两两的谱系距离分别为237.16Ma.、237.16Ma.和128.43Ma.,因此三者的平均谱系距离为200.92Ma.,小于区域平均值,认为三者之间存在一定的竞争关系不适宜进行搭配建植。进一步,其中柠条和沙冬青同属豆科植物,二者之间的谱系距离仅为128.43Ma.,如果把其中的沙冬青改为油蒿,则三个物种之间的平均谱系距离变为240.60Ma.,大于区域平均值,可以认为具有潜在的搭配价值。可以进行下一步的野外建植试验。
附录1:47种常见本土荒漠灌木植物名录
/>
/>
附录2:47种常见本土荒漠灌木植物系统发育距离
((((Asterothamnus_centraliasiaticus:18.943102,(((((Artemisia_sphaerocephala:0.003602,Artemisia_ordosica:0.003602):0.028855,Artemisia_xanthochloa:0.032457):1.793702,Artemisia_xerophytica:1.826159):0.515037,(Ajania_achilleoides:0.311514,Ajania_fruticulosa:0.311515):2.029681):0.530867,Brachanthemum_gobicum:2.872063):16.071039):87.798309,(Periploca_sepium:85.913137,(Lycium_ruthenicum:66.649825,(Convolvulus_tragacanthoides:14.577688,Convolvulus_gortschakovii:14.577688):52.072136):19.263312)mrcaott1191ott2192:20.828274)mrcaott248ott320:13.132823,((Gymnocarpos_przewalskii:70.112632,(((((Salsola_arbuscula:10.967489,Salsola_passerina:10.967489,Salsola_laricifolia:10.96749):0.00773,Anabasis_brevifolia:10.97522):5.021852,Sympegma_regelii:15.997072):15.716179,(Kalidium_foliatum:3.026239,Kalidium_cuspidatum:3.026239):28.687012):8.536166,Krascheninnikovia_ceratoides:40.249417):29.863215):36.938676,((Atraphaxis_frutescens:27.644087,Calligonum_mongolicum:27.644087):65.611462,(Tamarix_chinensis:29.822659,(Reaumuria_trigyna:12.433193,Reaumuria_soongarica:12.433194):17.389465):63.43289):13.795759)Caryophyllales.rn.d8s.tre:12.822926)mrcaott248ott557:3.860003,(((((((Oxytropis_aciphylla:28.654284,((Corethrodendron_lignosum_var._laeve:0.490306,Corethrodendron_scoparium:0.490307):17.964485,Alhagi_sparsifolia:18.454792):10.199492):0.376782,(Caragana_intermedia:9.123557,Caragana_brachypoda:9.123557,((Caragana_stenophylla:6.559321,Caragana_tibetica:6.559321):0.004978,(Caragana_korshinskii:0.21777,Caragana_microphylla:0.21777):6.346529):2.559259):19.907508):35.18486,Ammopiptanthus_mongolicus:64.215926):48.48527,((Amygdalus_mongolica:47.2805895,Amygdalus_pedunculata:47.2805895):47.2805895,Potaninia_mongolica:94.56118):18.140016)mrcaott371ott579:3.084369,Salix_cheilophila:115.785564)mrcaott2ott371:1.025329,(Zygophyllum_xanthoxylon:35.946006,Tetraena_mongolica:35.946007):80.864887)mrcaott2ott2737:1.76771,(Helianthemum_songaricum:104.258058,((Nitraria_tangutorum:2.516199,Nitraria_sibirica:2.516199):10.689447,Nitraria_sphaerocarpa:13.205646):91.052413)mrcaott96ott378:14.320545)mrcaott2ott96:5.155633)Pentapetalae。
综上所述,借助于本发明的上述技术方案,本发明提供了可供选择的常见本土灌木物种名录,所选物种均为地区较为常见的本土物种,对环境适应能力较强,可以提高建植成功率;本发明提供了一种荒漠植被恢复物种配置方法,该方法在理论和时间上均具有较高的科学性,减少了物种筛选和搭配中的盲目性,可为区域近自然生态恢复中的植物种筛选和搭配提供参考;本发明提供了常见本土灌木物种的谱系距离树以及区域物种之间的平均谱系参考距离,可以快速计算待配置物种之间的谱系距离,并将待配置物种之间的谱系距离与平均谱系参考距离进行对比,进而能够快速判断待配置物种之间共同建植搭配的适宜性,减少大量的重复和无效劳动。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于群落构建机制的荒漠植被恢复物种配置方法,其特征在于,该方法包括以下步骤:
S1、对自然荒漠群落进行调查,并结合区域植被调查及植物志获取分布在自然荒漠群落的本土待选植物种以及植物种的共存和结构状况;
S2、对获取的植物种整理及分类,构建物种名录库;
S3、以物种名录库为基础,构建所有植物种之间的系统发育树,并计算物种名录库中所有植物种之间的平均谱系距离;
S4、对植物种的共存和结构状况进行分析,计算自然荒漠群落的净谱系亲缘关系指数;
S5、基于净谱系亲缘关系指数,验证群落谱系结构理论预测的群落构建机制的适用性,包括以下步骤:
S51、若净谱系亲缘关系指数>0,则表示所选植物种间的平均谱系距离低于随机零模型的谱系距离;
S52、若净谱系亲缘关系指数<0,则表示所选物种间的平均谱系距离高于随机零模型的谱系距离;
S53、若净谱系亲缘关系指数≈0,则表示样地群落谱系随机;
S54、选择净谱系亲缘关系指数<0的物种搭配作为待配置物种之间的最优选择,证明所选物种之间具有好的搭配适宜性,适宜于搭配建植;
S6、从系统发育树中选择待配置物种,并在系统发育树上检索待配置物种之间的分化节点时间,计算待配置物种之间的谱系距离,包括以下步骤:
S61、获取待配置物种在系统发育树上的分支点及直接祖先节点;
S62、利用最大似然法估计每个分支的长度;
S63、基于每个分支的长度,计算待配置物种与其直接祖先节点之间的距离;
S64、将直接祖先节点之间的距离进行相加,得到总分化节点的时间;
S65、将总分化节点的时间乘以二,得到待配置物种之间的谱系距离;
S7、将待配置物种之间的谱系距离与平均谱系距离进行对比,判断待配置物种之间的搭配价值。
2.根据权利要求1所述的一种基于群落构建机制的荒漠植被恢复物种配置方法,其特征在于,所述对获取的植物种整理及分类,构建物种名录库包括以下步骤:
S21、根据植物种级别对获取的植物种进行分类,并记录每个植物种的物种信息;
S22、利用MySQL创建物种名录库,将每个植物种的物种信息录入到物种名录库中;
S23、对物种名录库中的物种信息进行校验,并对重复的物种信息进行过滤;
S24、对物种名录库中的物种信息进行可视化。
3.根据权利要求2所述的一种基于群落构建机制的荒漠植被恢复物种配置方法,其特征在于,所述利用MySQL创建物种名录库,将每个植物种的物种信息录入到物种名录库中包括以下步骤:
S221、利用MySQL创建物种名录库,并设置相应的参数;
S222、根据植物种的物种信息,设计物种名录库的表结构;
S223、在表结构中创建相应的表格,并设置相关字段的属性和类型;
S224、通过批量导入的方式,将每个植物种的物种信息输入到物种名录库中,并对每个植物种的物种信息进行备份。
4.根据权利要求3所述的一种基于群落构建机制的荒漠植被恢复物种配置方法,其特征在于,所述植物种的物种信息包括拉丁学名、别名、用途、生境类型、分布范围、中文名及形态特征。
5.根据权利要求1所述的一种基于群落构建机制的荒漠植被恢复物种配置方法,其特征在于,所述以物种名录库为基础,构建所有植物种之间的系统发育树,并计算物种名录库中所有植物种之间的平均谱系距离包括以下步骤:
S31、从物种名录库获取所有植物种的基因序列数据;
S32、将所有植物种的基因序列数据进行多序列比对,并消除基因序列数据的差异性;
S33、基于处理后的基因序列数据,构建系统发育树;
S34、利用遗传算法计算所有植物种之间的谱系距离;
S35、将获得的谱系距离进行归一化处理,并计算植物种之间的平均谱系距离。
6.根据权利要求1所述的一种基于群落构建机制的荒漠植被恢复物种配置方法,其特征在于,所述利用最大似然法估计每个分支的长度的表达式为:
式中,B表示矩阵V(θ)的逆矩阵,其中,θ表示树枝长度值;
n表示观测值的数量;
X表示待配置物种的特征向量;
μ表示θ的预期值。
7.根据权利要求5所述的一种基于群落构建机制的荒漠植被恢复物种配置方法,其特征在于,所述利用遗传算法计算所有植物种之间的谱系距离包括以下步骤:
S341、从构建的系统发育树中提取目标进化树枝;
S342、将目标进化树枝两端的初始进化距离值设置为随机值;
S343、基于初始进化距离值构建适应度函数,并利用适应度函数计算初始进化距离的适应度值;
S344、通过交叉和变异操作创建新生成的进化树枝解;
S345、利用适应度函数计算新生成的进化树枝解的适应度值;
S346、对两组适应度值进行比较,并选择适应度更高的解作为下一轮进化的初始解;
S347、重复步骤S343-S346,直至获得最优解,并将最优解作为植物种之间的谱系距离。
8.根据权利要求1所述的一种基于群落构建机制的荒漠植被恢复物种配置方法,其特征在于,所述自然荒漠群落的净谱系亲缘关系指数的计算公式为:
式中,表示样方内物种间的平均谱系距离;
表示在谱系树上通过零模型随机化后获得的平均谱系距离;
SD表示标准偏差。
CN202310686809.3A 2023-06-12 2023-06-12 一种基于群落构建机制的荒漠植被恢复物种配置方法 Active CN116433447B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310686809.3A CN116433447B (zh) 2023-06-12 2023-06-12 一种基于群落构建机制的荒漠植被恢复物种配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310686809.3A CN116433447B (zh) 2023-06-12 2023-06-12 一种基于群落构建机制的荒漠植被恢复物种配置方法

Publications (2)

Publication Number Publication Date
CN116433447A CN116433447A (zh) 2023-07-14
CN116433447B true CN116433447B (zh) 2023-08-18

Family

ID=87087569

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310686809.3A Active CN116433447B (zh) 2023-06-12 2023-06-12 一种基于群落构建机制的荒漠植被恢复物种配置方法

Country Status (1)

Country Link
CN (1) CN116433447B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105493828A (zh) * 2015-12-09 2016-04-20 安庆师范学院 一种荒山植被快速恢复的方法
CN106472134A (zh) * 2016-09-18 2017-03-08 海南大学 一种消落区湿地植被恢复适宜物种筛选的方法
CN108875002A (zh) * 2018-06-14 2018-11-23 环境保护部南京环境科学研究所 一种基于遥感与gis的荒漠生态系统红色名录评估方法
CN109326328A (zh) * 2018-11-02 2019-02-12 西北大学 一种基于谱系聚类的古生物谱系演化分析方法
CN110100636A (zh) * 2019-04-24 2019-08-09 中国科学院新疆生态与地理研究所 一种河道生态恢复植被的构建方法
CN110400244A (zh) * 2019-07-25 2019-11-01 广州大学 一种湖泊生态修复所用水生植物物种的选择及配置方法
CN110622756A (zh) * 2019-09-12 2019-12-31 邳州市苏鲁粮种繁育专业合作社 一种抗重度盐碱环保型窄冠杨树的培育方法
CN114698534A (zh) * 2022-03-21 2022-07-05 中国科学院新疆生态与地理研究所 基于汊渗轮灌调整植被恢复的方法
CN115239750A (zh) * 2022-09-19 2022-10-25 江西师范大学 计算人工植被恢复适宜性方法、系统及计算机
CN115362864A (zh) * 2022-01-10 2022-11-22 中国水利水电科学研究院 一种石漠化脆弱区光伏场区植物群落结构的构建方法
CN116138113A (zh) * 2023-04-20 2023-05-23 水利部牧区水利科学研究所 一种林业种植的退化草地植被恢复方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170213127A1 (en) * 2016-01-24 2017-07-27 Matthew Charles Duncan Method and System for Discovering Ancestors using Genomic and Genealogic Data

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105493828A (zh) * 2015-12-09 2016-04-20 安庆师范学院 一种荒山植被快速恢复的方法
CN106472134A (zh) * 2016-09-18 2017-03-08 海南大学 一种消落区湿地植被恢复适宜物种筛选的方法
CN108875002A (zh) * 2018-06-14 2018-11-23 环境保护部南京环境科学研究所 一种基于遥感与gis的荒漠生态系统红色名录评估方法
CN109326328A (zh) * 2018-11-02 2019-02-12 西北大学 一种基于谱系聚类的古生物谱系演化分析方法
CN110100636A (zh) * 2019-04-24 2019-08-09 中国科学院新疆生态与地理研究所 一种河道生态恢复植被的构建方法
CN110400244A (zh) * 2019-07-25 2019-11-01 广州大学 一种湖泊生态修复所用水生植物物种的选择及配置方法
CN110622756A (zh) * 2019-09-12 2019-12-31 邳州市苏鲁粮种繁育专业合作社 一种抗重度盐碱环保型窄冠杨树的培育方法
CN115362864A (zh) * 2022-01-10 2022-11-22 中国水利水电科学研究院 一种石漠化脆弱区光伏场区植物群落结构的构建方法
CN114698534A (zh) * 2022-03-21 2022-07-05 中国科学院新疆生态与地理研究所 基于汊渗轮灌调整植被恢复的方法
CN115239750A (zh) * 2022-09-19 2022-10-25 江西师范大学 计算人工植被恢复适宜性方法、系统及计算机
CN116138113A (zh) * 2023-04-20 2023-05-23 水利部牧区水利科学研究所 一种林业种植的退化草地植被恢复方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Conservation of endangered species: In the case of Shorea macrantha;Liliwirianis Nawi etc.;《IEEE》;第154-157页 *

Also Published As

Publication number Publication date
CN116433447A (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
Smith A comparison of niche construction theory and diet breadth models as explanatory frameworks for the initial domestication of plants and animals
Reynolds et al. Clustering rules: a comparison of partitioning and hierarchical clustering algorithms
Liu et al. Op-cluster: Clustering by tendency in high dimensional space
Haila et al. Stochasticity in bird habitat selection: year-to-year changes in territory locations in a boreal forest bird assemblage
CN107169355B (zh) 一种蠕虫同源性分析方法和装置
Sucahyo et al. CT-ITL: Efficient frequent item set mining using a compressed prefix tree with pattern growth
CN107463665A (zh) 一种数据关联规则挖掘算法
Killingback et al. Self-organized criticality in spatial evolutionary game theory
CN111027629A (zh) 基于改进随机森林的配电网故障停电率预测方法及系统
Li et al. A spectral clustering-based adaptive hybrid multi-objective harmony search algorithm for community detection
Cedeño et al. Analysis of speciation and niching in the multi-niche crowding GA
CN116433447B (zh) 一种基于群落构建机制的荒漠植被恢复物种配置方法
CN107194468A (zh) 面向情报大数据的决策树增量学习方法
Heinonen Developing landscape connectivity in commercial boreal forests using minimum spanning tree and spatial optimization
Horesh et al. Designing an A* algorithm for calculating edit distance between rooted-unordered trees
Böhmová et al. Next-generation sequencing data show rapid radiation and several long-distance dispersal events in early Costaceae
Poladian A GA for maximum likelihood phylogenetic inference using neighbour-joining as a genotype to phenotype mapping
Koza et al. The importance of reuse and development in evolvable hardware
Evenson et al. Optimal collection and search for crop genetic resources
KR101317540B1 (ko) 최대 가중화 빈발 패턴 마이닝 방법
Finch et al. Variation in plant distributions, plant traits and disease levels across a woodland/grassland ecotone
Graham et al. Symmetric comparator pairs in the initialization of genetic algorithm populations for sorting networks
Bureva et al. A generalized net model of the process of decision tree construction
KR101213701B1 (ko) 조절회로 동일 위상 그래프 기반 생체신호 전달 조절회로 탐색 시스템 및 방법
Acan et al. Evolutionary multiobjective optimization with a segment based external memory support for the multiobjective quadratic assignment problem

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant