不同栽培模式下人参萜类成分的对比研究
Comparative Study on Terpenoids of Panax ginseng under Different Cultivation Modes
-
Keywords:
- cultivation mode /
- Panax ginseng /
- terpenoids /
- differences
-
土地利用变化研究是近年来全球变化研究的热点[1]，主要包括土地覆被变化和土地利用程度变化2个方面。但当前学术界普遍关注土地覆被变化的空间形态、类型与数量、演化机理和驱动力研究[2-4]，而对土地利用程度的关注度不高。土地利用程度是一个地区土地开发数量和程度的度量指标，反映了土地自然属性和人类活动对土地利用的综合影响[5]。探究区域土地利用程度的变化，有利于人类可持续利用土地资源。国外关于土地利用程度的研究侧重于农用地的投入产出分析[6]；国内有学者选用1个[5]或多个指标[7]对土地利用程度进行量化研究，为了便于区域之间的横向比较，多数学者采用[8]或改进[9]楚玉山等[10]提出的土地利用程度综合指数量化分析方法对中国不同自然地理区域[11-12]和行政区域[8, 13]的土地利用程度进行综合评价。随着遥感和地理信息系统技术的快速发展，多源高精度影像数据在土地利用程度变化的研究中也得到普遍运用[13-15]。空间研究中经常使用的方法是空间自相关分析[16-19]。由于土地利用变化是一类具有高度空间异质性的地理现象，利用空间自相关技术分析其空间聚集规律的同时，还可以将空间数据可视化。空间自相关性使用全域和局域2种指标，Moran’s Ⅰ指数在判断区域土地利用程度的空间聚集上具有可靠性[20]和不易受偏离正态分布影响的特点[19]，得到广泛应用[11-12, 21]。
在中国，土地利用程度的研究多聚焦于黄土高原[9, 14, 22]、西南喀斯特山区[12]和西北内陆干旱区[23-24]等生态脆弱地区以及中东部人口密集地区[8, 11, 21]。青藏高原作为中国典型的生态环境脆弱地区和国家重要生态安全屏障，目前仅见三江源地区土地利用程度变化的时空分析[25]和《西藏自治区土地利用》对西藏各县土地利用程度的对比分析[10]。林芝市位于西藏东南部的高山峡谷地区，垂直落差大，土质疏松，局部暴雨多，滑坡和泥石流等自然灾害频繁。随着人口和人类社会经济活动的增加，不但会改变林芝市的社会经济发展模式，也会威胁脆弱的生态环境。因此，客观和准确地认识林芝市土地利用强度及其空间分异对高山峡谷地区的可持续发展具有重要意义。本研究以藏东南林芝市为研究区域，以2010年和2020年遥感影像为基础，建立土地利用强度及其变化模型，采用Moran’s Ⅰ指数对林芝市土地利用程度进行空间异质性分析，探究区域土地利用程度的内部差异和空间相关性，可为当地国土空间规划和生态环境保护决策提供理论基础。
1. 材料与方法
1.1 研究区概况
林芝市是西藏自治区下辖地级市，位于E92°09′~98°47′，N26°52′~30°40′ (图1)。东与昌都市和云南省迪庆藏族自治州毗邻，西与拉萨市和山南市交界，北与那曲市相连，南与缅甸和印度接壤。东西长646.7 km，南北宽353.2 km，平均海拔3 100 m，总面积11.7万km2 (包括印度非法控制区)[26]。林芝市地处青藏高原南缘，地势自西北向东南倾斜，雅鲁藏布江和怒江等水系切割高原，形成典型的高山峡谷地貌，海拔落差大。市域气候分为热带北缘和亚热带山地湿润气候区以及高原温带半湿润气候区，立体气候明显[27]。
![]()
图 1 研究区位置注：林芝市辖区范围来源于西藏自治区自然资源厅公布的全区系列标准地图，审图号：藏S(2022)004号。Figure 1. Location of the study areaNote: The base map of Nyingchi comes from a series of standard maps of the whole area published by the Department of Natural Resources of Tibetan Autonomous Region, the approval number is Tibet S(2022)004.林芝史称贡布，是藏民族发祥地之一。和平解放后，1960—1963年曾设林芝专区，随后撤销，1986年林芝地区行政公署恢复成立，2015年3月国务院批复同意撤销林芝地区，设立林芝市。2020年全市下辖1区6县，包括54个乡(镇)、2个街道办，共504个村(居)，总人口23.89万，是以藏族为主体，汉、门巴和珞巴等35个民族和僜人多民族聚居区。境内分布有中国最大的原始林区，耕地散布于河谷地带，草地位于林线上下，垂直地带性明显。2020年全市实现地区生产总值191.34亿元，可比增长7.9%，三次产业的比例为6.4∶38.7∶54.9[28]。
1.2 数据来源
土地利用数据来源于中国科学院计算机网络信息中心创立的地学大数据平台——地理空间数据云(https://www.gscloud.cn/)的2010年Landsat-7 ETM+和2020年Landsat-8OLI 2期各11景卫星影像(空间分辨率为30 m×30 m)，为确保云量小于10%，影像日期选择当年10—12月或次年1—3月。利用ENVI 5.1对2期遥感数据进行辐射定标、大气校正和裁剪等预处理，对于部分 ETM+数据条带缺失的问题，利用ENVI软件中的条带修复补丁，并基于单文件三角插值的条带填充进行修复。结合研究区实际情况，依据《土地利用现状分类标准》(GB/T 21010—2017)，选取典型林地、水域、耕地、建设用地、草地和未利用地为训练样本，对研究区典型地物进行最大似然法监督分类。同时借助Google Earth高分辨率影像和部分实地考察数据，每一地类随机选取100个样本进行精度评价，2010年和2020年2期土地利用类型识别精度分别为90%和92%，kappa系数分别为0.88和0.90，满足研究需求。
1.3 研究方法
1.3.1 土地利用程度指数
土地利用程度指数是以土地开发利用程度来反映人类活动对某一区域土地利用变化的影响水平[14]。本研究参考庄大方等[29]数量化土地利用程度分析方法，将土地利用程度按照土地自然综合体在社会因素影响下的自然平衡保持状态分为4级，并分级赋予指数，从而给出土地利用程度的定量表达。其计算公式为
$ \mathrm{L}\mathrm{A}=100\times \left(\sum _{i=1}^{n}{A}_{i}\times {C}_{i}\right) 。 $
This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
由于全局空间自相关大小对采样方式和采样尺度较敏感[30]，介于研究区域林草地和未利用地占比大，垂直地带性明显，综合考虑评价单元的实效性和工作量，最终采用10 km×10 km的网格对研究区2期土地利用类型图进行采样，共计获得1 314个采样网格进行土地利用程度指数计算及土地利用程度变化分析；再利用ArcGIS 10.6，在自然断点基础上结合当地实际，依据土地利用程度指数将林芝市土地利用程度划分为强、较强、中等、较弱和弱5级(表1)。
表 1 土地利用程度分级表Table 1. Grades of land use intensity classification土地利用程度等级
grades of land use intensity土地利用程度指数
land use intensity index弱 weakest ≤120.00 较弱 weaker 120.01~145.00 中等 middle 145.01~180.00 较强 stronger 180.01~200.00 强 strongest ≥200.01 1.3.2 土地利用程度变化
本研究利用2个时期土地利用程度指数的变化来衡量某一区域土地利用程度的变化趋势[23]，其表达式为
$ \mathrm{C}{\mathrm{L}\mathrm{A}}_{b-a}={\mathrm{L}\mathrm{A}}_{b}-{\mathrm{L}\mathrm{A}}_{a} 。 $
This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
1.3.3 空间自相关分析
空间自相关是指某一变量在一定区域内空间上的相关性，土地利用程度(变化)作为连续空间的度量指标也具有空间相关性。本研究选用全域和局域Moran’s Ⅰ指数衡量土地利用程度(变化)的空间聚集程度。
全域Moran’s Ⅰ统计量用于描述土地利用程度(变化)在整个研究区域的空间依赖程度，可反映土地利用程度(变化)是否在空间上聚类，其表达式为
$ I=\frac{n\displaystyle\sum _{i=1}^{n}\sum _{j=1}^{n}{W}_{ij}\left({X}_{i}-\overline{X}\right)\left({X}_{j}-\overline{X}\right)}{\displaystyle\sum _{i=1}^{n}\sum _{j=1}^{n}{W}_{ij}\sum _{i=1}^{n}{\left({X}_{i}-\overline{X}\right)}^{2}} 。 $
This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
$ z=\frac{1-E\left(I\right)}{\sqrt{v\left(I\right)}} 。 $
This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
全域Moran’s Ⅰ指数范围在[−1,1]，在既定的显著性水平下，I >0时，表示土地利用程度(变化)之间存在显著正相关，值越大相关性越强，空间上聚合； I<0时，表示土地利用程度(变化)之间存在显著负相关，绝对值越大相关性越强，空间上离散； I=0时，表示土地利用程度(变化)不存在空间自相关，随机分布。
虽然全域空间自相关可以反映土地利用程度是否在空间集聚，但它不能进一步显示具体的空间集聚特征[19]。局域空间自相关则可以进一步展示土地利用程度空间集聚或离散的位置和范围，本研究选用的局部空间关联指标(local indicators spatial association，LISA)为局域Moran’s Ⅰ指数。
局域Moran’s Ⅰ指数用于描述土地利用程度在局域空间是否存在空间自相关，能更直观地反映研究区土地利用程度的空间集聚状况，其表达式为
$ I=\frac{\displaystyle\sum _{j=1,j\ne i}^{n}{W}_{ij}\left({X}_{i}-\overline{X}\right)\left({X}_{j}-\overline{X}\right)}{\displaystyle\sum _{i=1}^{n}{\left({X}_{i}-\overline{X}\right)}^{2}} 。 $
式中变量的含义与全域Moran’s Ⅰ统计量公式相同。局域Moran’s Ⅰ指数表示土地利用程度(变化)在不同空间位置上的集聚模式，当I >0时，表示以高—高值或低—低值的模式集聚；当I<0时， 表示以高—低值或低—高值的模式集聚。
2. 结果与分析
2.1 土地利用结构及利用程度的时空特征
2.1.1 土地利用结构变化
2010—2020年，林芝市的草地、林地、未利用地和水域4类用地稍有减少，其中，林地的占比从2010年的53.49%降至2020年的53.43%，未利用地的占比从2010年的16.34%降至2020年的16.32%，草地的占比从26.20%降至26.17%，水域的占比从2.86%降至2.85%。2010—2020年，林芝市的耕地占比从2010年的1.10%增加至2020年的1.17%；建设用地明显增加，从2010的25.05 km2增加至2020年的66.57 km2，增长了2.66倍，占比从0.02%增至0.06% (表2)。
表 2 2010—2020年林芝市各用地类型面积及其占比Table 2. Area and proportion of land use types in Nyingchi City from 2010 to 2020类型
land use types2010 2020 面积/km2
area比例/%
proportion面积/km2
area比例/%
proportion草地 grassland 29 898.98 26.20 29 867.39 26.17 耕地 cropland 1 257.37 1.10 1 332.12 1.17 建设用地 construction land 25.05 0.02 66.57 0.06 林地 forest 61 042.83 53.49 60 979.75 53.43 水域 water 3 258.32 2.86 3 253.11 2.85 未利用地 unused land 18 643.28 16.34 18 626.89 16.32 2.1.2 土地利用程度时间变化
由表3可知：2010—2020年，弱等级网格单元面积的占比保持在0.51%；较弱等级网格单元面积的占比从6.50%增加至6.55%；中等等级网格单元面积的占比从26.02%降至25.82%；较强等级网格单元面积的占比从 48.48% 降至 45.61%；强等级网格单元面积的占比从 18.48% 增至 21.51%。整体而言，土地利用程度呈现出由中等和较强等级向强等级转变的态势。中等和较强等级土地利用程度网格单元面积从85 486.70 km2降至81 959.90 km2；除弱和较弱等级土地利用程度网格单元面积增加1.07和58.09 km2外，其余3 467.60 km2 (占比98.33%)全部转变为强等级土地利用程度。
表 3 2010—2020年林芝市土地利用程度等级面积及其占比Table 3. Area and proportion of land use intensity in Nyingchi City from 2010 to 2020土地利用程度等级
grades of land use intensity2010 2020 面积/km2
area比例/%
proportion面积/km2
area比例/%
proportion弱 weakest 588.53 0.51 589.60 0.51 较弱 weaker 7 456.36 6.50 7 514.45 6.55 中等 middle 29 860.50 26.02 29 622.50 25.82 较强 stronger 55 626.20 48.48 52 337.40 45.61 强 strongest 21 208.00 18.48 24 675.60 21.51 2.1.3 土地利用程度空间特征
林芝市土地利用程度空间分布(图2)表明：较强和强等级土地利用程度网格单元主要分布在墨脱县、察隅县南部的低海拔区域和人类活动密集的雅鲁藏布江及其支流尼洋河宽河谷流域，弱和较弱等级土地利用程度网格单元主要分布在高海拔的市域东北部、西北部和中部东喜马拉雅南迦巴瓦区域。2010年林芝市土地利用程度指数平均值为181.27，2020年为181.37。2010—2020年，强等级土地利用程度网格单元在尼洋河流域和墨脱县有明显增加。
2.2 土地利用程度指数空间自相关分析
2.2.1 全域空间自相关
This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
![]()
图 3 2010年(左)和2020年(右)林芝市土地利用程度散点图Figure 3. Scatterplots of land use intensity in Nyingchi City in 2010 (left) and 2020 (right)2.2.2 局域空间自相关
由图4可知：低—低值集聚区主要分布在市域东北部和西北部高海拔地区；高—高值集聚区分布在市域低海拔的南部和东南部部分地区、尼洋河流域和雅鲁藏布江宽河谷地区。2020年尼洋河流域高—高值集聚区较2010年明显增加。
![]()
图 4 2010年(左)和2020(右)年林芝市土地利用程度LISA集聚图Figure 4. LISA agglomeration graphs of land use intensity in Nyingchi City in 2010 (left) and 2020 (right)2.3 土地利用程度变化空间自相关分析
This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
![]()
图 5 2010—2020年林芝市土地利用程度变化散点图Figure 5. Scatterplots of land use intensity change in Nyingchi City from 2010 to 2020由局域空间自相关LISA集聚地图(图6)可知：2010—2020年林芝市土地利用程度变化高—高值集聚区集中分布在尼洋河流域的巴宜区的八一镇、百巴镇和更张门巴民族乡以及工布江达县的巴河镇、错高乡和工布江达镇，在巴宜区的鲁朗镇、波密县的扎木镇、墨脱县的墨脱镇和格当乡以及察隅县的下察隅镇和上察隅镇也有分布；低—高值集聚区分布在上述高—高值集聚范围的周边；低—低值集聚区分布在墨脱县的墨脱镇和背崩乡、米林县的丹娘乡和羌纳乡以及巴宜区的米瑞乡、林芝镇和布久乡，在高海拔区域如工布江达县朱拉乡和察隅县古玉乡等也有分布；高—低值在波密县松宗镇和市域边缘有少量分布。
![]()
图 6 2010—2020年林芝市土地利用程度变化LISA集聚图Figure 6. LISA agglomeration graph of land use intensity change in Nyingchi City from 2010 to 20203. 讨论
2010—2020年，林芝市人口从19.51万增加到23.89万，固定资产投资从65.17亿元增加到125.12亿元[28]，人口和资金集中在海拔低、地势平坦的河谷地带，导致这一区域建设用地和耕地增加，草地、未利用地和林地减少。建设用地的增长反映了林芝市非农经济活动的快速增长；耕地的增减变化说明林芝市人地关系渐趋紧张，城市规模扩张态势明显。在全球变暖背景下，青藏高原内流区得益于冰川融雪和降水增加，湖泊水域扩张明显[32-33]；而位于藏东南外流区的林芝市冰川消融[33]，水域面积减少。
杨玉婷等[23]研究表明张掖市甘州区2005年的土地利用程度指数为255.25，而林芝市2010年和2020年的土地利用程度指数分别为181.27和181.37，远低于西北干旱内陆河流域，土地利用程度低。林芝市土地利用程度空间分布明显受地形条件和社会经济发展的影响，高海拔地区难利用土地占比高，土地利用程度低；低海拔区域林草地占比高，土地利用程度较高；平坦的河谷地带耕地占比高，村庄和城镇分布广泛，土地利用程度最高。土地利用程度综合指数能够诠释林芝市土地利用程度的空间分布与自然环境间的关系，但尚不能准确厘定其作用机制，需要进一步研究。2010—2020年，林芝市土地利用程度由中等和较强等级向强等级转变，说明随着当地人口数量和社会经济活动的不断增加，除人类难以涉足的区域外，林芝市土地利用程度都在不断增强。
林芝市域西北部和东北部为高海拔区域，是土地利用程度低—低聚集区域；而南部和东南部为低海拔区域，是土地利用程度高—高集聚区域；以巴宜市区为中心的尼洋河和雅鲁藏布江宽河谷区域是土地利用程度高—高集聚区域。这些LISA集聚特征与实际情况较吻合，能够准确地反映林芝市自然地理环境条件和社会经济发展的特点。2010—2020年，土地利用程度变化(增加)在低海拔、宽河谷和人类活动密集地区呈高—高集聚的特征，其外围呈低—高集聚的过渡特征，说明随着林芝市城镇化水平的不断提高，农村地区土地利用程度在不断地缓释，而城镇用地利用程度不断增强，且有持续向外扩张的趋势。在可利用土地资源极其稀缺的藏东南高山峡谷地区，未来土地利用应该以挖掘现有建设用地潜力，提高城镇用地的集约性，引导其有序扩张。
4. 结论
本研究利用Landsat影像解译土地利用数据，计算土地利用程度及其变化，采用空间自相关法分析土地利用程度及其变化的空间特性，结果表明：林芝市人类社会经济活动密集的低海拔河谷平地土地利用程度高；人类社会经济活动稀少的高海拔区域土地利用程度低。2010—2020年该区域土地利用程度不断增强，低海拔河谷平地的强等级土地利用程度网格单元增加更为明显。市政府驻地尼洋河流域是土地利用程度变化的高—高值集聚区，即土地利用程度变化的热点区域，今后国土空间规划和生态环境保护应着重关注这一区域的土地集约利用。
-
![]()
图 1 多元统计分析图
注：NL2-R. 大田参根，L2-R. 林下参根；a) PCA得分图；b) OPLS-DA得分图；c) OPLS-DA验证图。
Figure 1. Multivariate statistical analysis chart
Note: NL2-R. field Radix ginseng, L2-R. forest Radix ginseng; a) scores of PCA plot; b) scores of OPLS-DA plot; c) OPLS-DA permutation.
![]()
图 2 差异化合物火山图
注：上调表示与大田参相比该物质在林下参中相对含量更高，下调表示与大田参相比该物质在林下参中相对含量更低。
Figure 2. The volcano map of differential compounds
Note: Up-regulation indicates a higher relative content of the substance in the forest Radix ginseng compared to the field Radix ginseng, down-regulation indicates a lower relative content of the substance in the forest Radix ginseng compared to the field Radix ginseng.
![]()
图 3 差异化合物分析
注：a) 上调三萜皂苷差异物相对含量对比；b) 上调三萜酸差异物相对含量对比；c)上、下调差异物的FC值；d) 上、下调差异物的VIP值。
Figure 3. Analysis of different compounds
Note: a) comparison of the relative contents of up-regulated triterpenoid saponins; b) comparison of the relative contents of up-regulated triterpenoid acids; c) FC value of the up-regulated and down-regulated different components; d) VIP value of the up-regulated and down-regulated different components.
-
[1] 国家药典委员会. 中华人民共和国药典: 一部[M]. 北京: 中国医药科技出版社, 2020. [2] 张亚玉, 孙海, 李美佳. 基于生境的人参分类[J]. 人参研究, 2021, 33(3): 53. DOI: 10.19403/j.cnki.1671-1521.2021.03.013. [3] 郭兰萍, 周良云, 康传志, 等. 药用植物适应环境胁迫的策略及道地药材“拟境栽培”[J]. 中国中药杂志, 2020, 45(9): 1969. DOI: 10.19540/j.cnki.cjcmm.20200302.101. [4] 陈虹宇, 曹洋, 杨华平. 林下山参与栽培人参的应用价值剖析[J]. 中医药导报, 2019, 25(6): 67. DOI: 10.13862/j.cnki.cn43-1446/r.2019.06.019. [5] 高健, 吕邵娃. 人参化学成分及药理作用研究进展[J]. 中医药导报, 2021, 27(1): 127. DOI: 10.13862/j.cnki.cn43-1446/r.2021.01.030. [6] 吕重宁, 路金才. 人参皂苷在不同商品人参中的分布研究进展[J]. 中草药, 2021, 52(17): 5336. DOI: 10.7501/j.issn.0253-2670.2021.17.025. [7] 陈士林, 黄林芳, 陈君, 等. 无公害中药材生产关键技术研究[J]. 世界科学技术(中医药现代化), 2011, 13(3): 436. [8] 张博, 孙秀丽, 郭云龙, 等. 液质联用技术分析不同产地不同年限人参的化学成分[J]. 中国实验方剂学杂志, 2020, 26(8): 206. DOI: 10.13422/j.cnki.syfjx.20200315. [9] 陈丽雪, 曲迪, 华梅, 等. 不同年生和不同部位人参样品有效成分的比较[J]. 食品科学, 2019, 40(8): 126. DOI: 10.7506/spkx1002-6630-20180320-260. [10] 孙海, 张亚玉, 孙长伟, 等. 不同生长模式下人参土壤养分状况与人参皂苷含量的关系[J]. 西北农业学报, 2012, 21(8): 150. DOI: 10.7606/j.issn.1004-1389.2012.8.027. [11] 杨秀伟, 富力. 人参中三萜类化学成分的生物学活性和药理学作用[J]. 中国现代中药, 2016, 18(1): 36. DOI: 10.13313/j.issn.1673-4890.2016.1.005. [12] 郑雪莹, 曹宁宁, 裴帅, 等. 人参皂苷Rh2抗肝癌作用机制的研究进展[J]. 中国实验方剂学杂志, 2019, 25(20): 209. DOI: 10.13422/j.cnki.syfjx.20191329. [13] 胡乃华. 三七皂苷Ft1缓解高脂饮食引起的小鼠肥胖和胰岛素抵抗[J]. 天然产物研究与开发, 2021, 33(8): 1443. [14] 蔡树杏, 张慧晔, 邹江林, 等. 三七茎叶中皂苷类成分研究进展[J]. 食品与发酵科技, 2021, 57(3): 110. DOI: 10.3969/j.issn.1674-506X.2021.03-017. [15] 呼延丽, 张秀娟, 周进, 等. 人参皂苷Rd对非家族性高血脂SD大鼠血管保护的作用机制[J]. 兰州大学学报(医学版), 2022, 48(3): 23. DOI: 10.13885/j.issn.1000-2812.2022.03.006. [16] 朱春燕, 马爱珍, 黄勇, 等. 人参皂苷Rd抑制人非小细胞肺癌A549细胞的生长及作用机制[J]. 临床肿瘤学杂志, 2022, 27(1): 1. DOI: 10.3969/j.issn.1009-0460.2022.01.001. [17] YAN C L, HAO C Y, JIN W Z, et al. Biotransformation of ginsenoside Rb1 to ginsenoside F2 by recombinant β-glucosidase from rat intestinal enterococcus gallinarum[J]. Biotechnology and Bioprocess Engineering, 2021, 26(6): 968. DOI: 10.1007/S12257-021-0008-2.
[18] ZAHNG F Y, XU H L, XIA R, et al. Pseudo-ginsenoside Rh2 induces protective autophagy in hepatocellular carcinoma HepG2 cells[J]. Recent Patents on Anti-Cancer Drug Discovery, 2021, 16(4): 521. DOI: 10.2174/1574892816666210607100239.
[19] 孙海明, 王晶, 王金龙. 3种转化人参皂苷CK菌群的结构与多样性[J]. 北华大学学报(自然科学版), 2021, 22(4): 469. DOI: 10.11713/j.issn.1009-4822.2021.04.008. [20] LEE W, KU S K, KIM J E, et al. Inhibitory effects of protopanaxatriol type ginsenoside fraction (Rgx365) on particulate matter-induced pulmonary injury[J]. Journal of Toxicology and Environmental Health: Part A, 2019, 82(5): 338. DOI: 10.1080/15287394.2019.1596183.
[21] WANG D D, JIN Y, WANG C, et al. Rare ginsenoside Ia synthesized from F1 by cloning and overexpression of the UDP-glycosyltransferase gene from Bacillus subtilis: synthesis, characterization, and in vitro melanogenesis inhibition activity in BL6B16 cells[J]. Journal of Ginseng Research, 2018, 42(1): 42. DOI: 10.1016/j.jgr.2016.12.009.
[22] LEE I S, UH I J, KIM K S, et al. Anti-Inflammatory effects of ginsenoside Rg3 via NF-κB pathway in A549 cells and human asthmatic lung tissue[J]. Journal of Immunology Research, 2016, 2016: 7521601. DOI: 10.1155/2016/7521601.
[23] 郭盛, 段金廒, 朱邵晴, 等. 基于一测多评法的大枣药材三萜酸类化学成分检测分析方法的建立[J]. 中草药, 2016, 47(21): 3884. DOI: 10.7501/j.issn.0253-2670.2016.21.022. [24] GINER-LARZA E M, MÁNẼZ S, RECIO M C, et al. Oleanonic acid, a 3-oxotriterpene from Pistacia, inhibits leukotriene synthesis and has anti-inflammatory activity[J]. European Journal of Pharmacology, 2001, 428(1): 137. DOI: 10.1016/S0014-2999(01)01290-0.
[25] 班玉娟, 陈瑞, 张宇, 等. 五环三萜类化合物的口服吸收与代谢研究进展[J]. 化学试剂, 2021, 43(7): 906. DOI: 10.13822/j.cnki.hxsj.2021008033. [26] 章沙沙, 张海玲, 叶静, 等. 稀有人参皂苷微生物转化研究进展[J]. 特产研究, 2021, 43(2): 91. DOI: 10.16720/j.cnki.tcyj.2021.037. [27] 赵子璇, 李春峰, 杨洪旺, 等. 五环三萜类化合物微生物转化研究进展[J]. 天然产物研究与开发, 2021, 33(8): 1415. DOI: 10.16333/j.1001-6880.2021.8.017. [28] 王勇, 何舒, 熊冰杰, 等. 不同栽培模式对人参根际土壤微生物多样性的影响研究[J]. 中草药, 2021, 52(17): 5307. DOI: 10.7501/j.issn.0253-2670.2021.17.023. [29] 左湘熙, 张亚玉. 土壤特性对人参生长及品质的影响研究进展[J]. 特产研究, 2020, 42(1): 58. DOI: 10.16720/j.cnki.tcyj.2020.01.012. [30] 马文琪, 王红阳, 张文晋, 等. 生态因子对人参外形和皂苷类成分的影响[J]. 中国中药杂志, 2021, 46(8): 1926. DOI: 10.19540/j.cnki.cjcmm.20210123.102. [31] 董燕梅, 张文颖, 凌正一, 等. 转录因子调控植物萜类化合物生物合成研究进展[J]. 植物学报, 2020, 55(3): 340. DOI: 10.11983/CBB19186. [32] 杨林林, 张涛, 杨利民, 等. 生态因子对人参皂苷合成及其关键酶基因表达的影响[J]. 中草药, 2017, 48(20): 4302. DOI: 10.7501/j.issn.0253-2670.2017.20.026. -
期刊类型引用(5)
1. 魏伟，益西才措，尹力，薄立明. 西藏自治区国土空间格局演变特征及驱动力分析. 长江流域资源与环境. 2025(03): 558-572 . 
百度学术
2. 李浩楠，窦蒙召，郭健斌. 林芝市代耕农空间分布的驱动机制研究. 农业与技术. 2024(16): 156-161 . 百度学术
3. 沈盈佳，李灿松，葛旭瑞，黄宇，刘宇斯，钱镜帆. 澜沧江—湄公河跨境流域土地利用变化及生态环境质量演变. 云南农业大学学报(自然科学). 2024(05): 178-190 . 百度学术
4. 宋玉林，杨泽凡，余敖，李浩. 广州增城区县域尺度的森林生物量碳储量估算及空间分布特征. 陆地生态系统与保护学报. 2024(04): 10-19 . 百度学术
5. 李国庆，赵洪升，张浩东. 淮北市林地景观格局特征与优化研究. 绿色科技. 2023(19): 96-100 . 百度学术
其他类型引用(3)
下载:
计量
- 文章访问数:
- PDF下载量:
- 被引次数: 8
