基因编辑技术发展现状

鉴于以CRISPR/Cas9为代表的基因编辑技术在可操作性、经济性和时效性上取得的革命性突破,以及国内外对此技术的研发和应用现状,中国有可能在基因编辑技术的下游技术研发 (特别是植物基因编辑的应用)、专业公司孵化等方面取得突破。因此分析目前中国基因编辑技术发展的关键需求、潜在应用领域就显得尤为迫切和必要。采用问卷调查和计量方法对基因编辑技术发展的关键技术需求和最潜在应用领域进行研究。首先建立有序多分类Logistic回归模型并进行因变量分析,通过显著性检验在4个方面共24个问卷问题中选择8个存在显著因果关系的自变量,然后基于有序多分类Logistic回归模型,分析8个问题中不同选项对基因编辑技术发展的具体影响作用。调查结果表明多数基因编辑领域的研究人员认为在注重基因编辑基础技术研发的同时应更多地关注如何进行技术产业化,要注重在植物领域发展潜在竞争优势;促进我国基因编辑技术发展不仅需要科研机构参与,更需要包括高校、政府在内的多方力量协同作用;正确引导公众的基因编辑技术舆论认识和建立安全规范体系较为迫切;技术风险规避的重点应放在生物武器和生物恐怖、基因编辑相关传染病、物种基因改变对生态环境的潜在风险等方面。     

大渡河中游干暖河谷区生境对植物群落分布格局和多样性的影响

大渡河中游干暖河谷区滑坡和泥石流灾害频发, 对该区域坡面植物群落的研究有助于揭示植被演替的方向, 为坡面植被生态恢复提供基本依据。本研究沿大渡河中游河谷区每隔约5 km设置典型样地, 调查了植被的物种组成和分布以及样地的地形、土壤等10个生境因子, 探讨河谷区植被的连续性变化, 并通过多元回归树(multivariate regression trees, MRT)、多样性指数和典范对应分析(canonical correspondence analysis, CCA)等方法对植物群落进行分类、比较和排序。结果表明: 大渡河中游干暖河谷植被以土壤碳含量、pH值和C : N等3个因子为节点, 可划分为多花胡枝子(Lespedeza floribunda)-荩草(Arthraxon hispidus)-香薷(Elsholtzia ciliate)(群落A)、地果(Ficus tikoua)-车桑子(Dodonaea viscosa)-川滇薹草(Carex schneideri)(群落B)、云南松(Pinus yunnanensis)-栓皮栎(Quercus variabilis)(群落C)和荩草-扭黄茅(Heteropogon contortus)(群落D)等4种群落。该区域以灌木和草本为主要植被类型(群落A、B、C), 间或有裸地分布, 易成为泥石流灾害产生的物源区; 以多花胡枝子为主的灌草群落A的物种丰富度、优势度与多样性表现一致, 均高于以乔木和草本为主的群落C和D, 但物种多样性优势并不显著, 灌草群落分布广而结构单一, 外来物种占比为8.33%, 是生态系统脆弱和不稳定的表现。多元回归树和典范对应分析结果表明, pH值、C : N、坡向和土壤容重等4个因子对植物群落组成和分布影响最大, 且土壤因子的影响大于地形因子。     

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。     

基于GTWR模型的浙江省海岸带三维生态足迹动态变化及其影响因素

厘清海岸带自然资本存量消耗和自然资本流量占用情况及其影响因素,能有效缓解海岸带社会经济发展与自然资源、生态环境之间的矛盾,促进区域协调可持续发展。本研究基于二维和三维生态足迹评价模型,分析浙江省海岸带2006—2016年生态足迹时空变化特征,基于足迹深度和足迹广度探究了区域自然资本存量和资本流量占用情况,并利用时空地理加权模型分析其影响因素的时空异质性。结果表明: 研究期间,浙江省海岸带生态危机加深,人均生态赤字平均值为3.5 hm²·cap^-1,人均生态赤字上升了15.5%,其中,能源消耗账户对人均生态足迹的贡献率大于生物资源账户;各县区人均生态足迹呈增长趋势,且空间分异显著。浙江省海岸带以消耗自然资本存量为主,且对自然资本流量更新起到较大的抑制作用;2016年,自然资本存量的消耗量是资本流量占有量的14.87倍。城市规模和经济发展水平、人民收入水平对浙江省海岸带各县区生态足迹以正向促进作用为主,渔业生产对生态足迹为负向影响,并有向正向影响作用转换的趋势,3个影响因子的影响机制时空分异性显著。     

宁德水产养殖区水质状况及驱动力分析

水产养殖对海岸带生态系统的水环境有显著影响,研究水产养殖地区的水质动态及其驱动力对海洋牧场建设和海岸带生态系统管理有着重要意义。以宁德为研究区域,基于2017年夏季和冬季水质监测和遥感影像等数据,通过地理信息系统技术和统计分析软件,分析了水产养殖区域的水质现状、水质变化和驱动力。结果表明,该海域水质处于重污染状态,富营养化水平较高。除了悬浮物和总磷之外,其他水质指标都呈现出显著的季节性差异,不同季节影响水质的因素也不相同。水质的季节性变化是初始水质状况、养殖活动和自然因素共同作用的结果。基于研究结果,笔者建议结合高分遥感技术对养殖区水面覆盖和利用进行监测,对养殖类型和行为(如饵料类型和投放方式)进行调控,开展水质长期监测和风险应急管理,保障海洋牧场社会经济效益的同时降低生态环境影响、防控生态和人体健康风险。     

西南山地流域NDVI变化特征及降水敏感性——以贵州沅江流域为例

归一化植被指数(Normalized Difference Vegetation Index,NDVI)是反映植被生长的重要指标,探究其时空变化特征,对生态保护、退耕还林和灾害防治具有重要意义。选取2000—2015年贵州沅江流域典型年份NDVI,采用重心分析、标准差椭圆、地理加权回归等方法,从干旱视角探究流域NDVI变化和降水敏感性。得出以下结论:(1)2000—2015年贵州沅江流域NDVI总体处于上升趋势,植被正在改善,期间西部植被改善最为明显,退耕还林还草取得较好成果。(2)2000—2015年贵州沅江流域干旱年与正常年NDVI空间变化趋势不一致,干旱程度对植被影响具有区域差异。(3)贵州沅江流域NDVI与降水呈负相关,空间敏感性自西向东递增,降水对流域西部喀斯特山区NDVI影响更明显。(4)2000—2015年贵州沅江流域NDVI时段变化与降水主要为负相关,降水越多NDVI时段变化敏感性越弱,退耕还林还草工程应重点放在负敏感区。研究结果可为退耕还林还草和干旱灾害防治提供科学参考。     

基于logistic模型的中国自然保护区增长动态分析

中国自然保护区建设已由数量扩张型进入质量效益型的新阶段,运用自然保护区统计年鉴数据,基于logistic模型,借助R语言,对自然保护区发展上限进行了估算。同时,运用高等数据曲线曲率求导方法,对发展阶段进行划分,对持续时长和增长速度进行了测算。结果表明:①面积理论饱和值为15470.00万hm~2;②将自然保护区发展历程分为缓慢起步期(1956—1989年)、快速发展期(1990—2008年)和稳定完善期(2009—至今);③目前则处于稳定完善期,面积已渐近饱和值,数量仍在小幅度增加。希望本研究结果能为自然保护区主管部门制定管理政策、规划以及整合组建以国家公园为主体的自然保护地体系提供参考。     

Energy–water and seasonal variations in climate underlie the spatial distribution patterns of gymnosperm species richness in China

Studying the pattern of species richness is crucial in understanding the diversity and distribution of organisms in the earth. Climate and human influences are the major driving factors that directly influence the large‐scale distributions of plant species, including gymnosperms. Understanding how gymnosperms respond to climate, topography, and human‐induced changes is useful in predicting the impacts of global change. Here, we attempt to evaluate how climatic and human‐induced processes could affect the spatial richness patterns of gymnosperms in China. Initially, we divided a map of the country into grid cells of 50 × 50 km² spatial resolution and plotted the geographical coordinate distribution occurrence of 236 native gymnosperm taxa. The gymnosperm taxa were separated into three response variables: (a) all species, (b) endemic species, and (c) nonendemic species, based on their distribution. The species richness patterns of these response variables to four predictor sets were also evaluated: (a) energy–water, (b) climatic seasonality, (c) habitat heterogeneity, and (d) human influences. We performed generalized linear models (GLMs) and variation partitioning analyses to determine the effect of predictors on spatial richness patterns. The results showed that the distribution pattern of species richness was highest in the southwestern mountainous area and Taiwan in China. We found a significant relationship between the predictor variable set and species richness pattern. Further, our findings provide evidence that climatic seasonality is the most important factor in explaining distinct fractions of variations in the species richness patterns of all studied response variables. Moreover, it was found that energy–water was the best predictor set to determine the richness pattern of all species and endemic species, while habitat heterogeneity has a better influence on nonendemic species. Therefore, we conclude that with the current climate fluctuations as a result of climate change and increasing human activities, gymnosperms might face a high risk of extinction.     

The use and misuse of regression models in landscape genetic analyses

The field of landscape genetics has been rapidly evolving, adopting and adapting analytical frameworks to address research questions. Current studies are increasingly using regression‐based frameworks to infer the individual contributions of landscape and habitat variables on genetic differentiation. This paper outlines appropriate and inappropriate uses of multiple regression for these purposes, and demonstrates through simulation the limitations of different analytical frameworks for making correct inference. Of particular concern are recent studies seeking to explain genetic differences by fitting regression models with effective distance variables calculated independently on separate landscape resistance surfaces. When moving across the landscape, organisms cannot respond independently and uniquely to habitat and landscape features. Analyses seeking to understand how landscape features affect gene flow should model a single conductance or resistance surface as a parameterized function of relevant spatial covariates, and estimate the values of these parameters by linking a single set of resistance distances to observed genetic dissimilarity via a loss function. While this loss function may involve a regression‐like step, the associated nuisance parameters are not interpretable in terms of organismal movement and should not be conflated with what is actually of interest: the mapping between spatial covariates and conductance/resistance. The growth and evolution of landscape genetics as a field has been rapid and exciting. It is the goal of this paper to highlight past missteps and demonstrate limitations of current approaches to ensure that future use of regression models will appropriately consider the process being modeled, which will provide clarity to model interpretation.