小黑杨花粉植株H_1株系间变异及其选择利用的研究

小黑杨(Populus xiaohei T.S.Hwang ex C.Wang et Tung)花药离体培养获得单倍体植株,经14年的生长观察,发现花粉植株间表现出明显分离。选出19个株系进行田间比较试验,统计分析,结果发现材积生长差异显著。可从中选出优良株系加以利用,并提出杨树单倍体育种程序。     

小黑杨PsnHB13基因在烟草中的遗传转化与功能分析

克隆小黑杨HD-ZIP家族基因PsnHB13,对该基因进行生物信息学分析、过表达载体构建、烟草的遗传转化。结果表明小黑杨PsnHB13基因cDNA全长870 bp,编码289个氨基酸。成功构建植物过表达载体pROKⅡ-PsnHB13,并通过农杆菌介导的叶盘法将外源基因转入野生型烟草。检测结果显示PsnHB13已成功整合入烟草基因组中,并在mRNA水平表达。通过观察转基因烟草的生长,发现过表达PsnHB13基因的烟草与野生型相比出现叶面积变小、叶型变长,根系生长缓慢,花朵变小等明显表型。说明PsnHB13基因主要对烟草叶片、根系及花的生长发育起到负调控作用。本文为研究PsnHB13基因对杨树生长发育的影响提供理论基础。     

松籽油的干式酶法提取工艺优化与理化性质分析

应用单因素实验设计对干式酶法松籽油提取工艺进行优化。结果表明,干式酶法提取松籽油最佳制备工艺为：0.2%淀粉酶、料液比为6：1、酶解温度为55℃、酶解时间为8 h,所得最大出油率为90.2%,残油率为6.2%。经检测最佳制备条件提取的松籽油不饱和脂肪酸的含量为90.09%,其中油酸含量为26.84%,介酸含量为2.41%、亚油酸含量为46.25%、皮诺敛酸为14.59%;饱和脂肪酸中棕榈酸含量为6.5%、硬脂酸为3.41%。松籽油酸价为2.61 mg·g^-1、过氧化值为1.56 mmol·kg^-1、丙二醛含量为0.41 mg·kg^-1。所有检测结果均高于《中华人民共和国粮食行业标准LS/T 3242-2014》松籽油中质量标准的要求。     

β-环糊精包合红松籽油的制备工艺及生物利用度评价

介绍了单因素法优化红松籽油包合物的制备工艺,在最优条件下制备的红松籽油包合物固化率为70.95%,包合物含油率为26.88%。且对红松籽油和红松籽油包合物脂肪酸组分、粒径、电位和生物利用度进行对比。研究结果表明,包合物中红松籽油的各组分含量与红松籽油中各组分含量无明显差异,其中皮诺敛酸的含量为14%~16%。红松籽油包合物的平均粒径为177.3±2.6 nm,电位为-33.01±1.4 mV。红松籽油包合物组的血药最大浓度（Cmax）是红松籽油组的1.27倍,t1/2a是红松籽油的1.42倍;AUC值是红松籽油1.56倍;平均滞留时间（MRT）是红松籽油的1.04倍。因此,通过本实验说明红松籽油包合物与水溶液形成乳剂,粒径减小,水溶性增大,增加了包合物在体内的t1/2a和平均滞留时间（MRT）,提高了皮诺敛酸在体内的吸收。     

细叶百合LpPEX7基因克隆及盐胁迫下的表达特性分析

从细叶百合的鳞茎中克隆出过氧化物酶体生物合成蛋白基因（LpPEX7）,该基因ORF全长957 bp,编码318个氨基酸。LpPEX7蛋白序列包含6个WD40保守结构域,通过同源蛋白序列比对和进化树分析,发现LpPEX7与其他植物的PEX7蛋白具有较高的同源性。LpPEX7基因在细叶百合种子,叶片和鳞茎中的表达量比较高,在根和花中表达量比较低,在H₂O₂,NaCl,NaHCO₃不同逆境处理条件下,LpPEX7基因的表达量都发生了改变。在盐碱和氧化胁迫处理下,LpPEX7过表达拟南芥株系种子的萌发要早于野生型种子的萌发,这些研究结果表明LpPEX7基因与盐碱、氧化逆境有一定的应答关系,为细叶百合的耐盐碱性分子机理研究提供一个非常重要的候选基因。     

拟南芥AtR8 lncRNA对盐胁迫响应及其对种子萌发的调节作用

长链非编码RNA (lncRNA)是一类长度大于200个核苷酸且不编码蛋白质的非编码RNA, 主要由RNA聚合酶II转录生成, 大量存在于生物体内并具有多种生物学功能。AtR8 lncRNA是拟南芥(Arabidopsis thaliana)中RNA聚合酶III转录的长链非编码RNA。前期研究发现, 水杨酸(SA)处理诱导萌发种子中AtR8 lncRNA的表达, AtR8 lncRNA缺失抑制SA胁迫下的种子萌发。进一步研究发现, AtR8 lncRNA转录区域内存在保守的盐胁迫响应元件(TCTTCTTCTTTA); NaCl处理抑制萌发种子中AtR8 lncRNA的表达; 与野生型相比, 高浓度NaCl处理明显抑制了atr8 (AtR8 lncRNA部分缺失型拟南芥)种子萌发。研究结果表明, AtR8 lncRNA在拟南芥种子萌发期的盐胁迫中起重要作用。     

基于不同可加性方法的黑龙江省红松人工林林分生物量模型

大尺度估算森林生物量一直是人们关注的焦点,而构建林分水平的生物量模型是一种估算森林乔木层生物量的方法。本研究基于聚合法1、聚合法2、平差法、分解法构建红松人工林林分生物量模型,并对比分析4种可加性方法的预测精度,为黑龙江省红松人工林的生物量预测提供科学依据。各模型均使用权函数来消除各模型的异方差,并以留一交叉验证法(LOOCV)作为各模型的检验方法。结果表明: 平差法的整体预测能力略优于聚合法1、聚合法2和分解法,预测精度排序为平差法>聚合法1>聚合法2>分解法;分别对比不同林分断面积的预测能力时,4种可加性方法的预测精度不一致。当红松人工林的林分断面积分布于0～10或50～60 m²·hm^-2区间时,建议采用分解法的参数估计值,而林分断面积分布于其他区间时,建议采用平差法的参数估计值。     

不同林型树倒林隙内微立地类型的土壤微团聚体组成及其分形特征

采用野外调查和室内分析相结合的方法,分析小兴安岭地区阔叶红松林和云冷杉红松林两种林型下树倒林隙内丘坑微立地类型(丘顶和坑底)土壤微团聚体组成及其分形特征。结果表明: 两种林型的土壤微团聚体0.25～2 mm和0.05～0.25 mm粒级含量较高,分别为25.7%～50.7%和27.0%～42.8%,<0.002 mm粒级含量最小,为4.4%～8.9%。在两种林型的树倒林隙内,坑底和丘顶的土壤容重较大,且丘顶土壤养分含量均高于坑底。阔叶红松林树倒林隙内丘顶和坑底的土壤养分含量均高于云冷杉红松林。<0.002 mm土壤微团聚体与土壤物理和化学性质均无相关性,0.25～2 mm和0.002～0.02 mm土壤微团聚体分别与土壤非毛管孔隙度、总孔隙度、通气度、有机质、全磷、全氮和有机碳之间呈极显著正相关和极显著负相关。整体来看,阔叶红松林的土壤分形维数(D)和土壤特征微团聚体组成比例(PCM)大于云冷杉红松林。两种林型下,丘顶和坑底的土壤特征微团聚体粒级比值(RMD)均增高。土壤D和PCM与各土壤理化性质均无显著相关性,土壤RMD与土壤毛管孔隙度、总孔隙度、土壤容重和通气度呈显著负相关。丘顶和坑底微立地的形成会导致土壤较大粒级微团聚体减少,土壤微团聚体稳定性降低,土壤D和PCM增加,RMD显著增加;土壤RMD可作为定量化描述不同林型下丘坑微立地内土壤理化性质的指标。     

大兴安岭北部不同海拔天然林土壤胞外酶化学计量特征及其季节动态

研究了大兴安岭北部奥克里堆山不同海拔(750～1420 m)天然林土壤胞外酶活性(EEA)和酶计量比的变化特征及影响机制。结果表明: 海拔、季节及其交互作用对β-葡萄糖苷酶(BG)、N-乙酰-β-氨基葡萄糖苷酶(NAG)、亮氨酸氨基肽酶(LAP)和酸性磷酸酶(AP)活性均存在显著影响。5月,BG和NAG活性随海拔升高呈逐渐增大趋势,AP活性随海拔升高呈先升高后降低的趋势。7月,NAG活性随海拔升高而增大,AP活性则先升高后降低。9月,不同海拔上NAG活性变化幅度较大,在1420 m处活性最高,为124.22 nmol·h^-1·g^-1。随着海拔的升高,酶化学计量比ln(BG)∶ln(NAG+LAP)呈降低的趋势。除海拔830 m外,7月化学计量比值最高。土壤C、N、P转化酶活性对数转换后的比值为1∶1.25∶0.82。海拔和土壤温度是影响土壤胞外酶的主要因素,土壤温度与BG、NAG和AP呈显著正相关。ln(BG)∶ln(NAG+LAP)和ln(NAG+LAP)∶ln(AP)与pH分别呈显著正相关和负相关,与DOC分别呈显著负相关和正相关,而ln(BG)∶ln(AP)受土壤容重的影响较大。     

我国林火发生预测模型研究进展

通过文献回顾,总结了国内林火发生预测模型的研究现状,并从林火发生驱动因子、林火发生概率预测模型、林火发生频次预测模型和模型检验方法等方面进行归纳分析。得出以下结论: 1)气象、地形、植被、可燃物、人类活动等因素是影响林火发生及模型预测精度的主要驱动因子;2)林火发生概率模型中,地理加权逻辑斯蒂回归模型考虑了变量之间的空间相关性,Gompit回归模型适宜非对称结构的林火数据,随机森林模型不需要多重共线性检验,在避免过度拟合的同时提高了预测精度,是林火发生概率预测模型的优选方法之一;3)林火发生频次模型中,负二项回归模型更适合对过度离散数据进行模拟,零膨胀模型和栅栏模型可以处理林火数据中包含大量零值的问题;4)ROC检验、AIC检验、似然比检验和Wald检验方法是林火概率和频次模型的常用检验方法。林火发生预测模型研究仍是我国当前林火管理工作的重点,预测模型的选择需要依据不同地区林火数据特点。此外,构建林火预测模型时需要考虑更多的影响因素,以提高模型预测精度;未来,需要进一步探索其他数学模型在林火发生预测中的应用,不断提高林火发生预测模型的准确度。