一种基于木材密度预测季节性干旱条件下植物物种丰度变化的方法

1.本发明属于林业工程领域，具体涉及一种基于木材密度预测季节性干旱条件下植物物种丰度变化的方法。


背景技术：

2.森林是地球上最重要的生态系统之一，其生物多样性具有重要的生态、经济和社会价值。当前全球气候持续变化，温室气体浓度不断上升，大气、海洋和陆地持续变暖，全球范围内的热浪、强降水、干旱和热带气旋等极端气候事件增加，森林生物多样性面临威胁。在全球气候变化影响下，全球或局部地区的降水格局正发生改变，极端干旱导致森林大面积衰退，国内外从生理特征(如叶膨压损失点、茎栓塞阻力等功能性状)预测植物物种对水分限制的脆弱性，以了解植物分布和生态系统结构的潜在变化的研究越来越多。
3.木材密度(wood density)是木质部导水率和储水能力的重要决定因素，可以估计树木的地上生物量和碳储量，木材密度低的物种通常有较高的生长速率和导水率，木材密度高的物种可以忍受更频繁的叶片水分缺失或更极端的干旱，也就是说，木材密度是一个可以同时体现植物物种生长速率和耐旱性的功能性状。
4.华南地区位于欧亚大陆的东南边缘,季风气候显著，近年来，在全球变暖的影响下，极端降水事件频发，随着降水强度增加和降水日数减少，年内降水越加不均匀，极端干旱事件概率增加，有湿季更湿旱季更干的趋势。量化物种在季节性干旱条件下由于木材密度的差异在抗旱性方面表现的不同，进而量化在季节性干旱条件下物种丰度随时间变化的不同，有助于研究群落生物多样性的变化及其对气候变化的响应，为林业生产作业和生物多样性保护提供理论依据。


技术实现要素：

5.本发明旨在确定季节性干旱对物种丰度的影响并评估物种丰度对季节性干旱的响应，以便预测物种丰度的变化情形。为此本发明提供了一种基于木材密度预测季节性干旱条件下植物物种丰度变化的方法。
6.本发明的基于木材密度预测季节性干旱条件下植物物种丰度变化的方法，包括如下步骤：
7.步骤1，清晨时用高枝剪采集同一物种至少5个个体的阳生枝条，放入潮湿的黑色塑料袋保存并带回实验室，去除髓和树皮以后的枝条茎段用排水法测得体积，烘干获得木材密度；
8.步骤2，采用常规群落调查物种个体，做好测量、定位、鉴定、挂牌和记录工作；
9.步骤3，用r语言的“stringr”和“dplyr”包提取调查数据中每个物种的物种丰度，并将其转化为物种相对丰度，所述的物种相对丰度是(某个物种的丰度/所有物种的丰度之和)
×
100％；
10.步骤4，用r语言的“scale”包将物种相对丰度、物种木材密度、调查年份的值做标准化处理；其中，物种的相对丰度按物种水平进行标准化，以去除物种绝对丰度差距带来的影响。
11.步骤5，用r语言中的“mumin”和“lme4”包进行广义线性混合模型的计算，物种相对丰度为响应变量，木材密度和年份为固定效应，年份和物种为随机效应，检验物种相对丰度对年份的响应随木材密度的变化，随着年份的增加，木材密度越高的物种丰度增加得越多。
12.优选，所述的烘干获得木材密度是在70℃烘72小时后测得干重，干重除以体积得出木材密度。
13.优选，所述的采用常规群落调查物种个体是采用常规群落调查对胸径1cm以上的物种个体进行调查。
14.本发明具有如下有益效果：
15.1、本发明中用到的物种功能性状测定方法简单，数据容易测得。
16.2、本发明有助于揭示气候变化下物种丰度的变化趋势和响应机理，为荒山造林、林场管理等林业实践工作提供科学依据。
17.3、本发明得到的物种的丰度变化与其木材密度之间的广义线性混合模型应用于林业工程领域。
附图说明：
18.图1是拟合的模型结果图。
具体实施方式：
19.以下实施例是对本发明的进一步说明，而不是对本发明的限制。
20.实施例1：
21.本实施例的研究样地为位于地处亚热带季风气候区南缘的广东省肇庆市鼎湖山，2013年鼎湖山经历极端干旱事件，并且2005年至2018年其降水格局有湿季降水更多，干季降水更少的变化趋势，选择鼎湖山南亚热带常绿阔叶林20ha动态监测样地，用全站仪将20ha样地划分为500个20m
×
20m的小样方，以利于后续调查。
22.木材密度的测定方法如下：清晨时用高枝剪采集同一物种至少5个个体的阳生枝条，放入潮湿的黑色塑料袋保存并尽快带回实验室，去除髓和树皮以后的枝条茎段用排水法测得体积，在70℃烘72小时后测得干重，干重除以体积得出木材密度。
23.采用常规群落调查对胸径1cm以上的物种个体进行调查，做好测量、定位、鉴定、挂牌和记录工作，此调查分别在2005、2010、2015、2020年进行一次，共获得4次调查数据。
24.用r语言的“stringr”和“dplyr”包提取调查数据中每个物种的物种丰度，并将其转化为物种相对丰度(某个物种的丰度/所有物种的丰度之和)
×
100％；用“scale”包将物种相对丰度、物种木材密度、年份的值做标准化处理；用r语言中的“mumin”和“lme4”包进行广义线性混合模型的计算，物种相对丰度为响应变量，木材密度和年份为固定效应，年份和物种为随机效应，检验物种相对丰度对年份的响应随木材密度的变化，模型如下：model《-lmer(abundance～year*trait+(year|species)，拟合的模型结果图1所示：
25.显著性检验结果sig值小于0.1，表明在90％的置信水平下，随着年份的增加，木材
密度越高的物种丰度增加得越多。


技术特征：
1.一种基于木材密度预测季节性干旱条件下植物物种丰度变化的方法，其特征在于，包括如下步骤：步骤1，清晨时用高枝剪采集同一物种至少5个个体的阳生枝条，放入潮湿的黑色塑料袋保存并带回实验室，去除髓和树皮以后的枝条茎段用排水法测得体积，烘干获得木材密度；步骤2，采用常规群落调查物种个体，做好测量、定位、鉴定、挂牌和记录工作；步骤3，用r语言的“stringr”和“dplyr”包提取调查数据中每个物种的物种丰度，并将其转化为物种相对丰度，所述的物种相对丰度是(某个物种的丰度/所有物种的丰度之和)
×
100％；步骤4，用r语言的“scale”包将物种相对丰度、物种木材密度、调查年份的值做标准化处理；步骤5，用r语言中的“mumin”和“lme4”包进行广义线性混合模型的计算，物种相对丰度为响应变量，木材密度和年份为固定效应，年份和物种为随机效应，检验物种相对丰度对年份的响应随木材密度的变化，随着年份的增加，木材密度越高的物种丰度增加得越多。2.根据权利要求1所述的方法，其特征在于，所述的烘干获得木材密度是在70℃烘72小时后测得干重，干重除以体积得出木材密度。3.根据权利要求1所述的方法，其特征在于，所述的采用常规群落调查物种个体是采用常规群落调查对胸径1cm以上的物种个体进行调查。

技术总结
本发明公开了一种基于木材密度预测季节性干旱条件下植物物种丰度变化的方法。获得物种阳生枝条的木材密度；调查物种个体；用r语言的“stringr”和“dplyr”包提取调查数据中每个物种的物种丰度，并将其转化为物种相对丰度；用r语言的“scale”包将物种相对丰度、物种木材密度、调查年份的值做标准化处理；用r语言中的“MuMIn”和“lme4”包进行广义线性混合模型的计算，物种相对丰度为响应变量，木材密度和年份为固定效应，年份和物种为随机效应，检验物种相对丰度对年份的响应随木材密度的变化，随着年份的增加，木材密度越高的物种丰度增加得越多。本发明有助于揭示气候变化下物种丰度的变化趋势和响应机理，为荒山造林、林场管理等林业实践工作提供科学依据。业实践工作提供科学依据。业实践工作提供科学依据。


技术研发人员：练琚愉 林沁
受保护的技术使用者：中国科学院华南植物园
技术研发日：2023.05.15
技术公布日：2023/8/16