基于MaxEnt探究东亚特有属−天女花属(Oyama)的分布格局变迁
探究东亚特有属——天女花属(Oyama)的分布格局及其变迁。
基于温度、降雨、土壤和紫外线辐射共58个环境变量，结合分布点数据，在MaxEnt中分别基于属和种水平对天女花属的生态位进行模拟，并推测其过去(末次冰盛期和全新世中期)及未来(2050年和2070年) 4个时期的潜在分布区。
自过去到未来，天女花属植物有向高纬度和高海拔迁移的趋势，但末次冰盛期到当前时期的分布区面积均减少，当前时期到未来的面积变化有增加也有减少。在不同时期，基于种水平的模拟在环境异质性高的西南地区更精确且适生区面积更大，而在东北地区不存在显著差异。基于不同水平模拟的不同时期分布区变化有不同的趋势。
在未来对东亚特有属分布格局变迁模拟的研究中，需要注意不同水平模拟产生的差异并选择适合的方法。
Distributional Shift of East Asian Endemic Genus Oyama Based on MaxEnt
To explore the distributional shift of Oyama, an endemic genus in East Asia.
In MaxEnt, ecological niche of Oyama was modeled at both genus and species level based on occurrence points and 58 environmental variables including temperature, precipitation, soil and ultraviolet radiation variables. Potential distributions of four different periods including past (last glacial maximum and mid-Holecene) and future (2050s and 2070s) were predicted.
From past to future, Oyama species tend to migrate to high latitude and altitude regions. Their distributions decrease from last glacial maximum to present while changes from present to future include both increase and decrease pattern. More precise distribution and larger distribution range size are predicted in southwest region with higher topographic and environmental heterogeneity based on species level at different periods, while no significant differences are found in northeast region. Different trends are found between different periods at both genus and species levels.
Attention should be paid to the differences between different genus or species level in prediction of distributional shift of endemic genus in East Asia and select appropriate method.
-
Keywords:
- Oyama /
- MaxEnt /
- last glacial maximum /
- future /
- southwest region
-
多花黑麦草(Lolium multiflorum)是越年生或多年生禾本科丛生型牧草，抗寒性强，分蘖多，基部叶片较多，在长江流域及其以南广泛种植，鲜草量高，营养丰富，为南方畜牧业发展提供优良饲草，也是中国南方干旱地区良好的地被植物[1-3]。在实际生产中，由于氮肥施用时间不合理，会导致营养生长旺盛，生殖枝数量减少，种子产量低；合理的施肥时间不仅能提高作物种子的产量，而且还可以提高氮肥的利用率，减少肥料对土壤环境的污染[4-5]。研究表明：禾本科牧草的种子生产中氮肥施用一般在秋季和春季，秋季施肥能促进分蘖的形成，有利于生殖枝的形成，而春季氮肥是为生殖枝的生长发育提供营养，促使形成良好的花序和种子[6-9]。COOKSON等[10]研究发现：同一施氮量下，分成秋季、早冬和次年春季施用，能显著提高黑麦草种子的产量；但国内关于早冬施氮肥对禾本科牧草种子产量的影响研究较少。本试验研究不同氮肥配比对多花黑麦草种子产量的影响，揭示氮肥对多花黑麦草种子产量形成的机理，确定提高多花黑麦草种子产量的最佳施肥方式，为多花黑麦草及其他禾本科牧草种子生产的氮肥管理和精确施肥提供理论依据和技术途径。
1. 材料与方法
1.1 试验地概况
试验区位于安徽省滁州市来安县施官镇贾龙民族村的校企合作实践基地(N32°47′，E118°55′，海拔26.3 m)，四季分明，气候温和，无霜期长，为典型的亚热带湿润季风气候区。2016年7月用土钻在试验田选取5个点，分别按0~15、>15~30、>30~45和>45~60 cm分层取样，4次重复，检测土壤基本理化性状(表1)。
表 1 试验地土壤理化性状Table 1. Properties of the soil in the experimental field土层深度/cm
soil depthpH 含量 content 有机质/%
organic matter全氮/(g·kg−1)
total N全磷/(g·kg−1)
total P全钾/(g·kg−1)
total K碱解氮/(mg·kg−1)
alkali-hydrolyzed N速效磷/(mg·kg−1)
available P速效钾/(mg·kg−1)
available K0~15 5.69 0.85 0.50 0.85 21.37 17.20 42.69 151.25 >15~30 5.98 0.83 0.47 0.75 24.95 16.01 43.01 200.04 >30~45 6.12 0.78 0.36 0.71 27.46 15.59 39.23 283.05 >45~60 6.22 0.74 0.31 0.65 28.70 15.20 39.18 363.43 1.2 试验设计
多花黑麦草于2016年9月秋播建植，试验设计采用不完全区组正交设计(三因素五水平)，以不施氮肥为对照 (CK)，设14个处理(表2)，共计56个小区。每个小区面积20 m2 (5 m×4 m)，小区采用随机排列。使用的氮肥是尿素(有效N含量46%)，采用人工开沟施肥的方式。施氮时间分为秋季(2016年10月12日)、早冬(2016年12月10日)和春季(2017年3月28日)。施肥后及时灌溉，适时进行中耕除草。
表 2 氮肥施用试验设计Table 2. Field experiment design of N fertilizer application combinationskg/hm2 处理 treatment 秋季 autumn 早冬 early winter 春季 spring 总量 total CK 0 0 0 0 T1 50 50 50 150 T2 50 0 100 150 T3 0 50 100 150 T4 0 0 150 150 T5 150 0 0 150 T6 50 50 100 200 T7 100 0 100 200 T8 50 50 150 250 T9 100 0 150 250 T10 100 50 150 300 T11 50 100 150 300 T12 100 0 200 300 T13 100 50 200 350 1.3 测定指标与方法
1.3.1 多花黑麦草产量测定
在开花期每个小区随机选择10个生殖枝统计其生殖枝上的小穗数目(即小穗/生殖枝)；分别在上、中、下各取1个小穗，统计每个小穗上的小花数(即小花/小穗)。在成熟期，统计每个小穗的种子数(即种子/小穗)；各小区随机选取4个1 m2样段，齐地面刈割，统计每平方米生殖枝的数量；将风干后的小穗脱粒，用风筛清选后称量，按公式计算种子产量：实际种子产量=收获的种子质量/收获面积。从自净种子中取4份，每份500粒，称量折算种子的千粒质量[11-13]。
1.3.2 多花黑麦草植株含氮量与相对种子产量测定
在多花黑麦草的三叶期、抽穗期、开花期和种子成熟期分别取1 m2样段，齐地面刈割测定，重复4次，样品经过烘干、称量、粉碎、过筛和充分混合后，采用凯氏定氮法测定其含氮量[11]，并按照以下公式计算各处理的相对种子产量。
相对种子产量＝A0÷A1×100%
式中，A0为各处理种子产量，A1为试验中最高种子产量[14]。
1.4 数据分析与统计方法
数据采用SPSS 21.0软件进行单因素方差分析，差异显著性比较采用邓肯多重范围检验法。各处理数值是4个重复(小区)的平均值，并进行组间数据的标准差分析。
2. 结果与分析
2.1 不同施氮处理对多花黑麦草种子产量及相关因子的影响
由表3可知：多花黑麦草种子产量随施氮量的增加而增加。其中T11处理的种子实际产量最高，达到2523.6 kg/hm2，是CK种子产量的3.5倍，与其他施肥处理的差异达到显著水平(P<0.05)。生殖枝数量的差异性与种子产量相似，也是以T11处理最大，为941.2个/m2，说明多花黑麦草种子产量主要取决于单位面积生殖枝的数量。处理T12的种子千粒质量最大，为3.43 g；小花/小穗以处理T4和T13最大，为8.2个；种子/小穗以处理T12最大，为6.3个，比CK高50%。以施氮总量150 kg/hm2为例(T1~T5)，T1的种子实际产量最高，并与其他4个处理差异达到显著水平(P<0.05)，说明氮肥在秋季、早冬和春季分开施用能显著提高种子产量。处理T10和T11的种子产量分别是2243.3和2523.6 kg/hm2，两者达到显著差异(P<0.05)，说明增加早冬氮肥的施用能提高第二年的种子产量。而T2和T3处理的种子产量没有显著差异，其原因可能是早冬氮肥对种子产量增产效应是建立在秋季氮肥基础上。
表 3 不同施氮处理对多花黑麦草种子产量及相关因子的影响Table 3. The effect of N fertilizer application combinations on the seed yield of L. multiflorum处理
treatment产量/(kg·hm−2)
seed yield生殖枝/(个·m−2)
fertile tiller千粒质量/g
1 000-seed weight小穗/生殖枝
spikelet number
per fertile tiller小花/小穗
floret number
per spikelet种子/小穗
seed number
per spikeletCK 727.4±24.8 a 427.9±25.3 a 2.98±0.13 a 33.5±2.5 a 5.6±0.4 a 4.2±0.4 a T1 1553.0±71.1 d 694.3±58.3 cd 3.13±0.08 ab 33.3±2.8 a 7.1±0.7 bcd 5.8±0.5 bc T2 1331.6±64.1 c 504.8±55.0 b 3.31±0.13 bcd 34.3±3.1 abc 7.6±0.3 cde 5.1±0.6 b T3 1265.5±50.5 c 497.5±24.0 b 3.39±0.17 cd 35.2±3.1 abc 7.5±0.6 cde 5.8±0.5 bc T4 965.9±36.4 b 480.7±38.7 b 3.36±0.16 cd 33.8±2.9 a 8.2±0.4 e 5.7±0.4 bc T5 1341.9±48.9 c 725.6±50.5 d 2.99±0.20 a 35.3±1.0 abc 6.4±0.7 ab 4.3±0.6 a T6 1616.2±33.4 d 630.9±36.2 c 3.41±0.20 cd 38.6±3.0 c 6.7±0.5 bc 5.2±0.4 b T7 2176.1±95.7 fg 866.0±29.4 ef 3.12±0.04 ab 36.9±4.1 abc 7.1±0.6 bcd 5.3±0.5 b T8 2001.0±101.4 e 666.9±89.7 cd 3.39±0.12 cd 35.5±3.4 abc 7.4±0.5 cde 5.7±0.2 bc T9 2107.7±108.9 f 832.1±65.7 e 3.19±0.04 ab 36.2±1.4 abc 7.5±0.6 cde 5.3±0.4 b T10 2243.3±115.4 g 703.6±67.7 cd 3.35±0.14 bcd 35.2±1.2 abc 7.7±0.5 ce 5.8±0.1 bc T11 2523.6±28.3 i 941.2±96.0 f 3.13±0.20 ab 38.1±2.0 bc 7.8±0.5 ce 5.8±0.3 bc T12 2396.3±59.1 h 818.3±63.3 e 3.43±0.07 d 38.2±3.1 bc 7.5±0.8 cde 6.3±0.3 c T13 2402.1±34.3 h 899.0±52.1 ef 3.37±0.04 bcd 36.5±1.2 abc 8.2±0.4 e 5.8±0.3 bc 注：同列不同字母表示0.05水平的显著性 (P<0.05)；下同。
Note: Different letters in the same column indicate the 0.05 level of significance (P<0.05); the same as below.2.2 不同施氮处理对多花黑麦草植株含氮量的影响
由表4可知：多花黑麦草植株含氮量随着时间的推移逐渐降低，同一时期植株含氮量也会随着氮肥总量升高而增加。三叶期植株含氮量为3.55%~5.49%，抽穗期、开花期和成熟期分别下降到2.47%~3.47%、2.04%~2.64%和0.76%~1.33%，也说明多花黑麦草消耗氮素最多的时期是在开花期到成熟期。在三叶期，多花黑麦草植株的氮素含量差异较大，含氮量最高的处理是T12和T13，分别为5.46%和5.49%，分别比对照高出53.8%和54.6%，与除T11外的各处理差异达到显著水平(P<0.05)。
表 4 施肥处理对多花黑麦草各个时期植株含氮量的影响Table 4. Effects of N fertilizer application combinations on the N content of L. multiflorum% 处理
treatment三叶期
three-leaf stage抽穗期
heading stage开花期
flowering stage成熟期
seed harvesting stageCK 3.55±0.11 a 2.47±0.03 a 2.05±0.01 a 0.76±0.02 a T1 3.94±0.10 a 2.82±0.06 ab 2.10±0.02 ab 0.91±0.03 ab T2 5.21±0.12 b 3.09±0.04 b 2.18±0.01 ab 1.09±0.02 b T3 5.01±0.13 b 3.23±0.05 b 2.26±0.02 ab 1.07±0.02 b T4 4.96±0.12 b 3.28±0.05 b 2.43±0.03 b 1.27±0.01 b T5 3.96±0.12 a 2.50±0.03 a 2.04±0.02 a 0.87±0.02 a T6 4.39±0.13 ab 3.05±0.04 bc 2.11±0.02 a 1.11±0.02 bc T7 4.89±0.11 b 2.89±0.05 abc 2.04±0.01 a 0.92±0.05 b T8 5.38±0.10 c 3.29±0.03 bc 2.31±0.02 abc 1.13±0.02 bc T9 5.38±0.15 c 3.27±0.06 bc 2.16±0.03 ab 1.19±0.01 bc T10 5.25±0.12 c 3.30±0.04 bc 2.62±0.02 d 1.20±0.02 bc T11 5.42±0.13 cd 3.22±0.03 bc 2.46±0.03 bcd 1.19±0.02 bc T12 5.46±0.13 d 3.47±0.02 c 2.64±0.01 d 1.33±0.04 d T13 5.49±0.14 d 3.35±0.05 bc 2.51±0.03 cd 1.33±0.03 d 2.3 各生育期多花黑麦草植株含氮量与相对种子产量之间的关系
从图1可知：三叶期、抽穗期、开花期和成熟期植株含氮量与相对种子产量的关系呈现线性关系，其决定系数分别为0.8824、0.7145、0.8543和0.7170，拟合度达到显著水平(P<0.05)。以相对产量80%为标准，运用拟合函数可求得三叶期、抽穗期、开花期和成熟期的植株含氮量分别为4.96%、3.27%、2.46%和1.13%，多花黑麦草各生育期的植株含氮量低于此值时，植株处于氮素缺乏状态，种子产量会出现减产效应。
![]()
图 1 不同生育期多花黑麦草植株含氮量与相对种子产量的关系注/Note: *. P<0.05。Figure 1. Relationship between N content and relative seed yield of L. multiflorum at different growth stages3. 讨论
合理施肥方案是影响禾本科牧草种子产量的重要因素，不同禾本科植物种子生产有不同的施肥方案。兰剑等[15]研究发现：分蘖期和抽穗期施氮肥能显著提高多花黑麦草种子产量；潘多锋等[9]研究发现：羊草适宜的施氮期是在上年秋季和当年春季；HASEGAW等[16]研究发现：开花前10~15 d施氮能够改变水稻源−库关系，实现产量的提高；SERIN等[17]研究发现：无芒雀麦秋季施氮肥比春季施氮肥的种子增产效果显著。本试验中，种子实际产量最高的氮肥处理是50 kg/hm2 (秋季)+100 kg/hm2 (早冬)+150 kg/hm2 (春季)，为2523.6 kg/hm2，与其他处理达到显著差异，说明该处理较符合多花黑麦草种子生长发育周期的氮素需求，增加早冬氮肥的施用能够显著提高种子产量，这与COOKSON等[10]在研究黑麦草种子高产配比施肥的结论相一致，其原因可能是早冬的氮肥对多花黑麦草的成功分蘖并安全越冬有显著的作用，能促进形成大量分蘖。而春季氮肥是为了满足每个分蘖的继续发育提供营养，使其完全成熟并最终形成良好的花序[6, 18-20]。在相同的氮总量下，分次施用能提高多花黑麦草种子的产量，这与王明亚[21]研究老芒麦的结论相似，其原因是分施氮肥减少肥料损失，能提高氮肥利用率。
精准施氮肥可以有效提高禾本科植物的有效分蘖数量，提高种子产量。全氮诊断是氮素营养诊断的主要方法，主要依据植株的氮素含量与种子产量的相对比例关系，就能够判断植株是否缺氮[22-23]。本研究表明：多花黑麦草氮素营养诊断的阈值存在时期的差异，三叶期为4.98%，抽穗期为3.27%，开花期为2.46%，成熟期降为1.13%，其值可应用在多花黑麦草种子生产管理的精确施肥技术方面，这与HILL等[24]研究多花黑麦草的结论相似。根据植物营养诊断学知识，多花黑麦草各生育期氮素低于上述数值时，植株处于氮素缺乏状态，种子产量会因为缺乏氮素而出现减产效应，需要及时增加氮素营养[25]。当然，氮肥增产效应还受土壤环境温度、氮肥性质及转运氮素形式等因素的影响，其机理有待于进一步研究。
-
![]()
图 1 天女花属不同物种的标本记录点和相同时期基于种和基于属水平模拟的潜在分布区差异
注：数值表示基于属水平和基于种水平适合度的差值；审图号：GS (2020) 4619号，底图无修改；下同。
Figure 1. Records of specimens of different species and differences of potential distributions at the same periods based on specie or genus level of Oyama
Note: The values indicate the differences between fitness based on genus level and fitness based on species level; the approval number is GS (2020) 4619, and the base drawing has not been modified; the same as below.
![]()
图 2 相同时期不同方法模拟的天女花属适生区面积
Figure 2. Distribution area of potential distribution at the same periods based on different methods
![]()
图 3 不同时期天女花属的潜在分布区
Figure 3. Potential distribution areas of Oyama in different periods
![]()
图 4 不同时期圆叶天女花的潜在分布区
Figure 4. Potential distribution areas of O. sinensis in different periods
![]()
图 5 不同时期毛叶天女花的潜在分布区
Figure 5. Potential distribution areas of O. globosa in different periods
![]()
图 6 不同时期西康天女花的潜在分布区
Figure 6. Potential distribution areas of O. wilsonii in different periods
![]()
图 7 不同时期天女花的潜在分布区
Figure 7. Potential distribution areas of O. sieboldii in different periods
![]()
图 8 不同时期4种天女花植物叠加的潜在分布区
Figure 8. Potential distribution areas superimposed by four Oyama plants in different periods
表 1 影响天女花属植物潜在分布区格局的主要环境变量
Table 1 Main environmental variables affecting the pattern of Oyama potential distributions
物种
species环境变量
environmental variable变量描述
variable description贡献率/%
contribution rate天女花属
Oyamabio9 最干季平均温度 mean temperature of driest season 33.7 bio18 最暖季降水 precipitation of warmest season 17.5 SU_CODE 土壤类型 soil classification 13.1 毛叶天女花
O. globosabio6 最冷月最低温度 minimum temperature of coldest month 50.9 uvb3 紫外线最强月平均辐射量 mean UV-B radiation of highest month 30.0 SU_CODE 土壤类型 soil classification 15.2 西康天女花
O. wilsoniibio4 温度季节性 temperature seasonality 32.6 bio9 最干季平均温度 mean temperature of driest season 30.8 SU_CODE 土壤类型 soil classification 29.1 天女花
O. sieboldiibio9 最干季平均温度 mean temperature of driest season 33.6 IAWC_CLASS 土壤有效含水量 available soil water storage capacity 14.4 uvb2 紫外线辐射量季节性 UV-B radiation seasonality 11.8 圆叶天女花
O. sinensisbio9 最干季平均温度 mean temperature of driest season 30.4 bio4 温度季节性 temperature seasonality 21.4 T_USDA_TEX_CLASS 上层 USDA土壤质地分类 top layer USDA soil texture classification 14.2 
下载: 导出CSV
-
[1] QIAN H, RICKLEFS R E. Large-scale processes and the Asian bias in species diversity of temperate plants[J]. Nature, 2000, 407(6801): 180. DOI: 10.1038/35025052.
[2] MANCHESTER S R, CHEN Z D, LU A M, et al. Eastern Asian endemic seed plant genera and their paleogeographic history throughout the Northern Hemisphere[J]. Journal of Systematics and Evolution, 2009, 47(1): 1. DOI: 10.111/j.1759-6831.2009.00001.x.
[3] TANG C Q, MATSUI T, OHASHI H, et al. Identifying long-term stable refugia for relict plant species in East Asia[J]. Nature Communications, 2018, 9(1): 4488. DOI: 10.1038/s41467-018-07727-4.
[4] ARAÚJO M B, PETERSON A T. Uses and misuses of bioclimatic envelope modeling[J]. Ecology, 2012, 93(7): 1527. DOI: 10.1890/11-1930.1.
[5] MEROW C, SMITH M J, SILANDER Jr J A. A practical guide to MaxEnt for modeling species’ distributions: what it does, and why inputs and settings matter[J]. Ecography, 2013, 36(10): 1058. DOI: 10.1111/j.1600-0587.2013.07872.x.
[6] PHILLIPS S J, ANDERSON R P, SCHAPIRE R E. Maximum entropy modeling of species geographic distributions[J]. Ecological Modelling, 2006, 190(3/4): 231. DOI: 10.1016/j.ecolmodel.2005.03.026.
[7] NIU Y T, YE J F, ZHANG J L, et al. Long-distance dispersal or postglacial contraction? Insights into disjunction between Himalaya-Hengduan Mountains and Taiwan in a cold-adapted herbaceous genus, Triplostegia[J]. Ecology and Evolution, 2018, 8(2): 1131. DOI: 10.1002/ece3.3719.
[8] ZHANG J J, LI Z Z, FRITSCH P W, et al. Phylogeography and genetic structure of a Tertiary relict tree species, Tapiscia sinensis (Tapisciaceae): implications for conservation[J]. Annals of Botany, 2015, 116(5): 727. DOI: 10.1093/aob/mcv112.
[9] LU R S, CHEN Y, TAMAKI I, et al. Pre-quaternary diversification and glacial demographic expansions of Cardiocrinum (Liliaceae) in temperate forest biomes of Sino-Japanese Floristic Region[J]. Molecular Phylogenetics and Evolution, 2020, 143: 106693. DOI: 10.1016/j.ympev.2019.106693.
[10] MA X G, WANG Z W, TIAN B, et al. Phylogeographic analyses of the East Asian endemic genus Prinsepia and the role of the East Asian monsoon system in shaping a north-south divergence pattern in China[J]. Frontiers in Genetics, 2019, 10: 128. DOI: 10.3389/fgene.2019.00128.
[11] XIA N H, LIU Y H, HANS P N. Flora of China: Magnoliaceae[M]. Beijing: Beijing Science Press, 2018.
[12] LIANG Q L, XU X T, MAO K S, et al. Shifts in plant distributions in response to climate warming in a biodiversity hotspot, the Hengduan Mountains[J]. Journal of Biogeography, 2018, 45(6): 1334. DOI: 10.1111/jbi.13229.
[13] HU J H, LIU Y. Unveiling the conservation biogeography of a data-deficient endangered bird species under climate change[J]. PLoS One, 2014, 9(1): e84529. DOI: 10.1371/journal.pone.0084529.
[14] NAIMI B, HAMM N S, GROEN T A, et al. Where is positional uncertainty a problem for species distribution modelling?[J]. Ecography, 2014, 37(2): 191. DOI: 10.1111/j.1600-0587.2013.00205.x.
[15] MORALES N S, FERNÁNDEZ I C, BACA-GONZÁLEZ V. MaxEnt’s parameter configuration and small samples: are we paying attention to recommendations? A systematic review[J]. PeerJ, 2017, 5(2): e3093. DOI: 10.7717/peerj.3093.
[16] WARREN D L, SEIFERT S N. Ecological niche modeling in MaxEnt: the importance of model complexity and the performance of model selection criteria[J]. Ecological Applications, 2011, 21(2): 335. DOI: 10.1890/10-1171.1.
[17] LIU C R, NEWELL G, WHITE M. On the selection of thresholds for predicting species occurrence with presence-only data[J]. Ecology and Evolution, 2015, 6(1): 337. DOI: 10.1002/ece3.1878.
[18] QIU Y X, FU C X, COMES H P. Plant molecular phylogeography in China and adjacent regions: tracing the genetic imprints of quaternary climate and environmental change in the world’s most diverse temperate flora[J]. Molecular Phylogenetics and Evolution, 2011, 59(1): 225. DOI: 10.1016/j.ympev.2011.01.012.
[19] HEWITT G M. Genetic consequences of climatic oscillations in the Quaternary[J]. Philosophical Transactions of the Royal Society of London, 2004, 359(1442): 183. DOI: 10.1098/rstb.2003.1388.
[20] HARRISON S P, YU G, TAKAHARA H, et al. Palaeovegetation (communications arising): diversity of temperate plants in East Asia[J]. Nature, 2001, 413(6852): 129. DOI: 10.1038/35093166.
[21] BAI W N, WANG W T, ZHANG D Y. Phylogeographic breaks within Asian butternuts indicate the existence of a phytogeographic divide in East Asia[J]. New Phytologist, 2016, 209(4): 1757. DOI: 10.1111/nph.13711.
[22] LIU J, MÖLLER M, PROVAN J, et al. Geological and ecological factors drive cryptic speciation of yews in a biodiversity hotspot[J]. New Phytologist, 2013, 199(4): 1093. DOI: 10.1111/nph.12336.
[23] NIE Z L, WEN J, AZUMA H, et al. Phylogenetic and biogeographic complexity of Magnoliaceae in the Northern Hemisphere inferred from three nuclear data sets[J]. Molecular Phylogenetics and Evolution, 2008, 48(3): 1027. DOI: 10.1016/j.ympev.2008.06.004.
[24] KIKUCHI S, OSONE Y. Subspecies divergence and pronounced phylogenetic incongruence in the East-Asia-endemic shrub Magnolia sieboldii[J]. Annals of Botany, 2021, 127(1): 75. DOI: 10.1093/aob/mcaa174.
[25] XING Y W, REE R H. Uplift-driven diversification in the Hengduan Mountains, a temperate biodiversity hotspot[J]. Proceedings of the National Academy of Sciences of the United States of America, 2017, 114(17): E3444. DOI: 10.1073/pnas.1616063114.
[26] YU H B, DEANE D C, SUI X H, et al. Testing multiple hypotheses for the high endemic plant diversity of the Tibetan Plateau[J]. Global Ecology and Biogeography, 2019, 28(2): 131. DOI: 10.1111/geb.12827.
[27] 庄鸿飞, 张殷波, 王伟, 等. 基于最大熵模型的不同尺度物种分布概率优化热点分析: 以红色木莲为例[J]. 生物多样性, 2018, 26(9): 931. DOI: 10.17520/biods.2018059. [28] SHIELDS C A, BAILEY D A, DANABASOGLU G, et al. The low-resolution CCSM4[J]. Journal of Climate, 2012, 25: 3993. DOI: 10.1175/JCLI-D-11-00260.1.
[29] YE J W, GUO X D, WANG S H, et al. Molecular evidence reveals a closer relationship between Japanese and mainland subtropical specimens of a widespread tree species, Acer mono[J]. Biochemical Systematics and Ecology, 2015, 60: 143. DOI: 10.1016/j.bse.2015.04.010.
[30] QI X S, CHEN C, COMES H P, et al. Molecular data and ecological niche modelling reveal a highly dynamic evolutionary history of the East Asian Tertiary relict Cercidiphyllum (Cercidiphyllaceae)[J]. New Phytologist, 2012, 196(2): 617. DOI: 10.1111/j.1469-8137.2012.04242.x.
[31] QI X S, YUAN N, COMES H P, et al. A strong ‘filter’ effect of the East China Sea land bridge for East Asia’s temperate plant species: inferences from molecular phylogeography and ecological niche modelling of Platycrater arguta (Hydrangeaceae)[J]. BMC Evolutionary Biology, 2014, 14(1): 41. DOI: 10.1186/1471-2148-14-41.
-
期刊类型引用(5)
1. 何斌，张敏，王彦龙，刘颖，马玉寿. 不同农艺措施与发草种子产量及产量构成因素的关系. 草业科学. 2024(02): 371-381 . 
百度学术
2. 毛培胜，欧成明，贾志程，洪流，马馼. 我国牧草与草坪草种子生产技术的研究进展. 中国草地学报. 2023(01): 1-11 . 百度学术
3. 张文洁，马冉冉，袁洁，许能祥，丁成龙，李青丰. 有机无机肥配施对多花黑麦草产量、饲用和青贮发酵品质的影响. 中国草地学报. 2022(04): 76-84 . 百度学术
4. 江生泉，林森，程建峰. 氮肥运筹对多花黑麦草种子生产性能和氮肥利用效率的影响. 中国草地学报. 2022(09): 75-82 . 百度学术
5. 何斌，刘颖. 牧草种子产量影响因子研究进展. 青海畜牧兽医杂志. 2022(06): 44-51 . 百度学术
其他类型引用(7)
计量
- 文章访问数: 1758
- PDF下载量: 13
- 被引次数: 12
