下载:
-
植物通过光合作用固定大气中的碳并产生碳水化合物，不同的碳水化合物在植物生长发育过程中的作用不同[1]。结构性碳水化合物(SC)主要用于植物的结构组织构建，非结构性碳水化合物(NSC)参与植物的生理代谢和渗透调节等过程，是植物进行生理调节的物质基础[2]。葡萄糖、果糖和蔗糖等可溶性糖及淀粉，是NSC的主要组成部分[3]。植物利用可溶性糖调节自身生理状态，同时将部分碳水化合物合成淀粉作为储能物质。当植物面临碳资源不足时，可将淀粉再活化形成可溶性糖以及时补充碳资源[4]。植物体内的NSC水平受生物和环境因素影响较大，土壤水分、气温、光照、损伤、常绿树种的叶龄以及植物自身休眠与否等[5-6]都在不同程度上调控着植物体内的NSC水平[7-8]。除此之外，所有影响植物生长的因素也都会改变NSC在不同器官间的分配格局。NSC及其组分的含量水平是植物在不同生长阶段中碳收支平衡的体现，反映了植物的生长状态和碳代谢差异[9]，因此对树木中NSC进行探究是研究树木适应性和固碳潜力的关键。
林分密度和种植点配置是人工林造林的重要技术措施，合理的林分密度和空间配置有助于植株的良好生长，可以优化树木生长的地上空间结构。林分密度与种植点配置共同调控了地上部分和地下根系的协调发展和碳分配格局。不同的造林方式通过改变林分采光时间、光照角度和林分内微环境的气象条件等影响地上冠层的光合作用，同时也作用于林分地下根系生长及其对水肥的吸收效率。研究表明：林分密度影响造林树种的生长状况(树高、胸径等)[10]和林下土壤理化性质[11]等。不同林分密度和栽种配置可构建不同的生长空间，林木在不同的生长空间中调节碳资源在各组织间的分配，加强自身的竞争能力和对环境的适应性。有研究指出：红桦Betula albosinensis幼苗的光合适应性受林分密度的调控，随林分密度的增加，苗木的二氧化碳同化率升高[12]。林分密度对不同树种碳分配的影响各异，高密度林分中紫果云杉Picea pururea针叶中淀粉和可溶性糖含量均表现为较高水平[13]，并且林分密度增大也能够促进杂交杨Populus canadensis×Populus maximowiczii向地下部分投资碳资源[14]。然而也有研究表明：苹果Malus × domestica中低密度配置时，具有更高的可溶性糖和NSC含量[15]。当林分密度为中低水平时，林分环境中土壤微生物多样性较高，碳代谢能力更强[16]。林分密度对不同树种NSC含量的影响存在差异，密度影响树木各器官NSC分布仍需进一步探讨。种植点配置对树木的生物特性也有一定的影响，相比于长方形种植点配置，正方形配置中的林分板材质量更优[17]，并且林分根系生长空间更加均一，根系对养分的吸收能力更高[18]。然而关于种植点配置对树木内部各器官NSC分布影响的相关研究较少。
NSC代谢是生态系统中植物碳循环过程重要的组成部分[19]，对NSC的合理分配和调节是植物生长发育的基础。杨树Populus作为一种快速生长型的落叶乔木，具有明显的生长季和休眠季之分，树木在生长季对养分的快速消耗使NSC在各器官之间的分配特征更加明显。因此，本研究以苏北地区杨树人工林为研究对象，对不同林分密度和种植点配置下树木中NSC的分配和利用进行了研究，以期为营造高效固碳人工林提供科学参考。
-
本研究地位于江苏省宿迁市泗洪林场马浪湖分场(33°33′N，118°32′E)，地处江苏中北部洪泽湖西岸，属北亚热带和暖温带季风气候交界区，年平均气温为14.4 ℃，无霜期为197 d，年平均降水量为973 mm，降水主要集中在6—8月，土壤母质为洪泽湖淤积土，土壤质地多为中壤至轻黏。
研究地中栽植的杨树品种为‘南林95’杨Populus × euramericana ‘Nanlin 95’，杨属Populus黑杨派，具有品质优良、环境适应性广、速生等特点，是长江中下游区域人工造林的主栽品种之一。于2007年以1年生带根幼苗进行试验林造林[20]。该试验林以高(400 株·hm−2)、低(278 株·hm−2) 2个种植密度造林，在高、低林分密度下均设置有正方形和长方形2种种植点配置(表1)。不同林分密度和种植点配置下各设置3个30 m × 60 m的试验小区(3个重复)，并使用胸径尺和激光测距测高仪(Nikon F550，日本)调查了整个林分中共计632棵杨树的胸径(cm)和树高(m)用于估算生物量。
表 1 试验林分及其土壤0~20 cm土层概况
Table 1. Basic status of experimental stands and basic characters of 0−20 cm soil layer
林分密度/(株·hm−2) 株行距 种植点配置 平均树高/m 平均胸径/cm 土壤pH 400 (高密度) 3.0 m×8.0 m 长方形 21.63 ± 2.30 21.20 ± 2.60 6.69 a 5.0 m×5.0 m 正方形 23.37 ± 3.02 22.21 ± 3.05 6.64 a 278 (低密度) 4.5 m×8.0 m 长方形 23.06 ± 2.30 25.25 ± 3.23 6.54 a 6.0 m×6.0 m 正方形 25.86 ± 2.84 27.15 ± 3.41 6.77 a 说明：土壤pH数据后相同字母表示差异不显著(P＞0.05) -
于2018年7月中旬(杨树生长季)，分别在高密度正方形配置(400株·hm−2，5.0 m × 5.0 m)、高密度长方形配置(400株·hm−2，3.0 m × 8.0 m)、低密度正方形配置(278株·hm−2、6.0 m × 6.0 m)和低密度长方形配置(278株·hm−2，4.5 m × 8.0 m)的样地中选取2株与标准木相似的、健康、直立、生长状态良好和无病虫害的样株进行取样。每样株取健康叶片(大于30片)和1年生嫩枝(3~5枝，干质量大于10 g)，叶和枝样品均采集于冠层中上部向阳位置[21]，采样时间为8:00—11:00。使用生长锥在胸径处于南北向、东西向各钻取树干木芯样品2支，在距离根茎50 cm位置处人工挖掘2~10 mm的粗根样品(由于细根采集样本过少，不作为研究对象)，将采集好的样品立刻装入配有冰板的保温箱中低温保存并带回实验室备用(＜24 h)。在实验室将样品清洗干净后，放入烘箱中65 ℃烘干至恒量，然后用组织研磨仪磨粉，室温避光处保存待测。
-
采用改进的苯酚硫酸法[22]提取样品中的淀粉和可溶性糖，根据可溶性糖和淀粉的不同紫外吸光值，计算单位组织样品中的可溶性糖和淀粉的质量分数(可溶性糖和淀粉占NSC的绝大部分，本研究以可溶性糖和淀粉质量分数之和为NSC总量[23])。
-
根据生物量方程，来估算杨树各器官的生物量[24]。各器官中NSC储量由NSC含量和生物量计算得出，单株NSC储量通过各个器官中NSC储量加权得出，林分NSC储量由林分密度和单株NSC储量计算得到。
$$ \mathrm{l}\mathrm{g}{W}_{\mathrm{叶}}=0.448\;9 \;\mathrm{lg}\left({D}^{2}H\right)-1.145\;5\text{；} $$ (1) $$ \mathrm{l}\mathrm{g}{W}_{\mathrm{枝}}=0.991\;1\;\mathrm{lg}\left({D}^{2}H\right)-2.379\;1\text{；} $$ (2) $$ \mathrm{l}\mathrm{g}{W}_{\mathrm{干}}=1.065\;9\;\mathrm{lg}\left({D}^{2}H\right)-2.130\;5\text{；} $$ (3) $$ \mathrm{l}\mathrm{g}{W}_{\mathrm{根}}=0.706\;1\;\mathrm{lg}\left({D}^{2}H\right)-1.258\;8\mathrm{。} $$ (4) 式(1) ~ (4)中：W叶为叶生物量；W枝为枝生物量；W干为树干生物量；W根为根生物量；D为胸径(cm)；H为树高(m)。
-
采用嵌套方差分析法，分析不同林分密度和种植点配置间杨树人工林总NSC储量以及个体单株叶、枝、干和根中NSC及组分含量的差异性水平，显著水平为0.05。使用单因素方差分析(ANOVA)比较杨树不同器官间NSC及其组分含量的差异性，并使用最小显著差异法(LSD)进行多重对比(P＜0.05)。利用Pearson相关分析法，估算杨树各器官NSC及组分含量间的相关关系。以上分析均使用SPSS 23.0完成，用Origin 2017作图。
-
从图1可见：杨树各器官的NSC及其组分质量分数存在显著差异(P＜0.05)，从叶、枝、到干的可溶性糖质量分数依次递减，到根部有所升高。杨树各器官中的淀粉质量分数从树干位置(最高)开始，向地上部分(枝、叶)和地下部分递减，而NSC总量在各个器官中从大到小依次为根、枝、叶、干。杨树叶、枝、干、根的可溶性糖质量分数占NSC总量的比例分别为62.3%、33.2%、15.9%和36.8%，淀粉质量分数占NSC总量的比例分别为37.7%、66.8%、84.1%和63.2%。
图 1 杨树不同器官的非结构性碳水化合物(NSC)质量分数
Figure 1. Non-structural carbohydrates (NSC) concentrations in the different organs of poplar
从图2可见：养分利用的就近原则使NSC及组分质量分数的显著相关关系主要发生在相邻器官之间。枝中可溶性糖分别与叶的NSC和淀粉呈显著负相关关系(P＜0.05)；树干可溶性糖与根的NSC及各组分均为显著正相关(P＜0.05)。器官内部(叶、根)对碳资源的利用与储存则主要表现为显著正相关(P＜0.05)，体现了NSC及组分在不同器官间以及器官内调节与分配关系的多样性。
图 2 杨树各器官非结构性碳水化合物及各组分的相关关系
Figure 2. Correlation analysis of non-structural carbohydrate content and its components among poplar organs
-
从图3可见：林分密度对不同器官中可溶性糖质量分数的影响存在差异。不同林分密度下杨树叶中可溶性糖质量分数差异极显著(P＜0.01)，枝、干和根中可溶性糖质量分数则不受林分密度影响。种植点配置对可溶性糖质量分数的影响因器官而异，不同配置下杨树叶、根中的可溶性糖质量分数差异极显著(P＜0.01)，树干中可溶性糖质量分数差异显著(P＜0.05)，枝中可溶性糖质量分数在不同配置间差异不显著。
图 3 不同林分密度和种植点配置对杨树各器官中可溶性糖的影响
Figure 3. Effect of stand densities and spacing configurations on soluble sugar in different organs of poplar
根与叶中可溶性糖分布相一致，均为同密度下正方形配置高于长方形配置。不同配置林分杨树树干中可溶性糖表现趋势不同，高密度林分表现为正方形配置大于长方形配置，而低密度林分则表现为正方形配置小于同密度下的长方形配置。
-
从图4可见：杨树地上部分各器官中淀粉质量分数均不受林分密度和种植点配置的影响。林分密度对地下部分(根)的淀粉影响也不显著，然而不同种植点配置对杨树根中淀粉质量分数的影响差异极显著(P＜0.01)。高密度下，正方形配置的杨树根中淀粉质量分数极显著高于长方形配置(P＜0.01)；与之相似，低密度林分条件下正方形配置的杨树根中淀粉同样极显著高于长方形配置(P＜0.01)。
图 4 不同林分密度和种植点配置对杨树各器官中淀粉的影响
Figure 4. Effect of stand densities and spacing configurations on starch in different organs of poplar
-
从图5可见：杨树叶中NSC质量分数在不同林分密度间差异显著(P＜0.05)，其他器官中NSC质量分数受林分密度影响差异不显著，高密度林分的杨树叶中NSC质量分数显著高于低密度林分。叶中NSC质量分数受种植点配置的影响显著(P＜0.05)，根中NSC质量分数受种植点配置的影响极显著(P＜0.01)，其他器官中NSC质量分数在不同林分密度和种植点配置下差异不显著。整体上，相同林分密度的杨树叶和根中NSC质量分数均表现为对应的正方形配置大于长方形配置。
图 5 不同林分密度和种植点配置对杨树各器官非结构性碳水化合物 (NSC)的影响
Figure 5. Effect of stand densities and spacing configurations on non-structural carbohydrate (NSC) in different organs of poplar
-
根据生物量估测公式(1) ~ (4)，得到单株生物量(表2)。由表2可知：杨树单株生物量在不同林分密度间差异极显著(P＜0.01)，低密度杨树单株生物量显著大于高密度单株生物量；杨树单株生物量在不同种植点配置间差异极显著(P＜0.01)。在林分密度相同的情况下，杨树单株生物量均表现为正方形配置大于长方形配置。
表 2 不同林分密度及种植点配置中单株生物量方差分析
Table 2. Variance analysis of individual tree biomass in stands with different stand densities and spacing configurations
林分密度/(株·hm−2) 单株生物量/(kg·株−1) 种植点配置(株行距) 单株生物量/(kg·株−1) 400 (高密度) 239.28 ± 83.11** 长方形(3.0 m×8.0 m) 216.77 ± 64.03** 正方形(5.0 m×5.0 m) 257.82 ± 91.96** 278 (低密度) 373.41 ± 122.58** 长方形(4.5 m×8.0 m) 325.39 ± 102.73** 正方形(6.0 m×6.0 m) 417.76 ± 122.76** 说明：**表示差异极显著(P＜0.01) 从图6可见：林分总生物量和林分NSC总储量受种植点配置的影响极显著(P＜0.01)。当林分密度为400和278 株·hm−2时，林分总生物量和总NSC储量受林分密度的影响不显著。相同林分密度下林分NSC总储量均表现为正方形配置高于长方形配置。
图 6 不同密度和种植点配置对林分生物量和非结构性碳水化合物(NSC)储量的影响
Figure 6. Effect of different densities and spacing configurations on biomass and non-structural carbohydrate (NSC) reserves in the stand level
-
碳资源是植物生长发育的代谢基础，植物按照一定比例将碳分配至各个器官中[3]。杨树的叶、枝、干、根4个器官中，可溶性糖从大到小依次为叶、根、枝、干，淀粉从大到小依次为干、根、枝、叶。糖类在器官间分配格局主要受“源—汇”关系和同化物利用的就近原则影响[9]，在叶和根系等生长性强的器官中居多[25]，其次是离生长中心较近的器官较多，这与刘万德等[26]的结果相似。而淀粉作为暂时储存物质，当光合产物的消耗大于合成时，淀粉被重新活化为可溶性糖，用于缓冲碳资源不足[27]。因此淀粉主要分布在干、根和枝等储存器官中，叶中仅有少量淀粉存在。然而有研究表明：兴安落叶松Larix gmelinii和红松Pinus koraiensis的根具有较高的可溶性糖[28]，这与本研究结果不一致。但是该地区蒙古栎Quercus mongolica可溶性糖含量在器官间的分布与本研究结果相似。此外，蒙古栎和兴安落叶松根中的淀粉含量处于相对较高的水平值[28]，这与本研究中树干淀粉最高，根部淀粉次之的结果不一致，这可能由不同针阔树种及气候差异所引起。上述2个树种所处样地年均气温和降水量分别为3.1 ℃和629 mm，而本研究中样地年均气温和降水量分别为14.4 ℃ 和973 mm。长期的低温驯化驱动蒙古栎和兴安落叶松将淀粉更多地转移并储存于地下根系，当低温来临时转化为可溶性糖增加根系细胞中的渗透物质，以避免根系因“根际低温”而出现生长被抑制的现象[29]。相比之下，杨树处于相对温湿的环境中则不需要在根系中储存大量的淀粉来应对低温胁迫，因此淀粉被更多的储存在树干中。尽管根系和树干均为主要的储存器官[30]，但还没有明确的研究证明根系和树干储存的主次关系，储存器官的优先级可能受到多种因素影响。本研究中苏北地区杨树在生长季将碳更多地分配到地上部分，把树干作为主要的储存器官，这也可能是杨树生长于该地区所形成的一种适应性策略。
-
人工造林时，较高的碳资源储量是苗木健康生长的重要保障[31]。碳水化合物的含量水平反映了林木的生长状态。整体上，本研究中个体水平上仅叶器官中可溶性糖和总NSC质量分数在不同林分密度间存在显著差异(P＜0.05)，且杨树叶中NSC及可溶性糖均表现为高密度(400 株·hm−2)大于低密度(278 株·hm−2)。这可能是高密度林分提高了叶片光合作用，进而促使叶中具有较多的光合产物。研究表明：5年生杨树种苗在较高的林分密度能有效地增加冠层的光拦截量，提高冠层的光合效率[32]；并且在较低的林分密度中光能可能会被过多的耗散，降低了冠层对光能的利用效率[33]。林分水平的NSC储量在不同林分密度间差异不显著，这与TRUAX等[14]的研究结果一致，可能是研究区种植密度梯度差较小的缘故。
总的来说，在相同林分密度下不同种植点配置间杨树个体和林分水平上的NSC含量及总储量均表现为正方形配置大于长方形配置。与以往研究表明“宽行窄距”林分配置中个体具有更强生长潜力[34]的结论不一致，可能是由于当单株种植面积相似时，“宽行窄距”的配置使个体生长空间有所压缩，个体在正方形配置的林分中具有更加均匀的生长空间，对水分和光能的利用率有所提高[35]。王琪等[18]研究表明：杨树细根对正方形配置的土地空间利用度更高。然而种植点配置对个体的影响具有较大的变异性，当评估种植点配置对个体的效应时，应结合造林密度、造林树种、林龄以及造林地环境条件等因素综合考虑种植点配置对个体的影响。
综上可知，较高的林分密度促进了杨树叶中可溶性糖质量分数的升高。相同林分密度下不同配置间，正方形配置对杨树叶、干和根中NSC质量分数具有促进作用，正方形种植点配置更有利于杨树储备碳资源，促进林分中个体的生长发育。未来进行营林活动时，相同林分密度下应优先考虑正方形的种植点配置，以促进个体积累更多的碳资源，提升个体及林分水平的固碳增汇潜力。
Effects of stand density and spacing configuration on the non-structural carbohydrate in different organs of poplar
-
摘要:
目的 探究林分密度和种植点空间配置对树木各器官非结构性碳水化合物(NSC)的影响，了解杨树Populus在生长季的碳代谢特征。 方法 试验林分以密度为一级因素，种植点配置为二级因素，采用嵌套设计。于‘南林95’杨P.×euramericana ‘Nanlin 95’生长季(7月)选取叶、枝、树干和粗根4个器官，测定各个器官中NSC (可溶性糖和淀粉) 的质量分数。 结果 在生长季，杨树各器官中可溶性糖质量分数从大到小依次为叶、根、枝、干，淀粉质量分数从大到小依次为干、根、枝、叶。不同林分密度和种植点配置的杨树叶中可溶性糖质量分数差异极显著(P＜0.01)，根中可溶性糖和淀粉质量分数受种植点配置影响极显著(P＜0.01)，总体上枝和树干受林分密度和种植点配置影响差异不显著。尽管林分NSC总储量在2种密度间(278和400 株·hm−2)差异不显著，但林分NSC总储量在种植点配置间差异显著(P＜0.05)。 结论 在生长季，苏北地区杨树优先将碳资源供给地上部分，其中首要的储存器官是树干。一定密度范围内(278~400 株·hm−2)，杨树叶中可溶性糖随林分密度增大而升高。林分密度相同时，正方形的种植点配置方式更有助于杨树个体对NSC的积累，促进植株生长发育，增强林分的固碳潜力。图6表2参35 Abstract:Objective With an exploration of the effects of stand density and spacing configurations on the non-structural carbohydrate (NSC) of poplar throughout the growing season, this study is aimed to investigate the NSC concentration in various organs of poplar under different stand conditions. Method Employing the nested design with density set as the first factor and plant spacing set as the second factor, foliage, branches, stems, and roots of Populus × euramericana ‘Nanlin 95’ were sampled from the experimental stands, in July, their poplar growing season before the soluble sugar and starch in each of them were measured. Result The soluble sugar content in the four organs of poplar followed the order of foliage＞root＞branch＞stem during the growing season whereas the starch concentration followed the order of stem＞root＞branch＞foliage. There was a significant difference in the content of soluble sugar among poplar leaves with different densities and plant spacings (P＜0.01). The contents of soluble sugar and starch in roots were significantly affected by the spacing configurations (P＜0.01), while the influence of stand density and spacing configuration on NSC in branch and stem was not significant and the total NSC content of stand was not significantly affected by stand densities (a comparison between 278 and 400 plants·hm−2), but significantly affected by spacing configurations (P＜0.05). Conclusion For poplars in northern Jiangsu Province during the growing season, the carbon resources are generally distributed to the parts above the ground with the stems as the primary storage organ. Within a certain density range (278−400 plants·hm−2), the sugar content in poplar leaves would increase with an increase in density. With the same stand densities, the square configuration would be conducive to the accumulation of NSC in poplar organs, which could in turn promote plant growth and stand development, increasing the carbon sequestration potential of the stand. [Ch, 6 fig. 2 tab. 35 ref.] -
Key words:
- soluble sugar /
- starch /
- non-structural carbohydrate(NSC) /
- stand density /
- spacing configuration /
- poplar
-
棉纤维是由外珠被表皮层的单细胞分化发育而成，分为长绒(lint)和短绒(fuzz)2种，长绒是高级棉纱纺织品的主要原材料，短绒主要用做制作纤维素、絮棉、纸张及纺织品的原料。在已有的四倍体棉种中，陆地棉Gossypium hirsutum和海岛棉Gossypium barbadense已经被驯化为栽培种[1-3]。目前世界上97%的棉纤维都产自陆地棉，产量高且适应性广，但是纤维品质中等；海岛棉产量低，适应性差，栽培范围不广泛，但是其纤维更长且品质高。如何获得优质高产的棉种，一直是遗传育种学家关注的焦点。而随着遗传学、细胞学和分子生物学等学科的交叉融合，棉纤维生长发育分子机制已成为国内外研究的热点。探明棉花种子表皮细胞生长发育的分子基础，对于提高棉花产量及改良纤维品质至关重要。早期有关棉纤维发育研究大多集中于遗传定位。大量与纤维品质和产量相关的数量性状位点(QTL)通过图位克隆的方法被发现于各个染色体[4-5]，而光子显性基因Li1，Li2，N1和Fbl以及光子隐性基因n2，sma-4(fz)和sma-4(ha)[6]等一直备受关注。近年来，深度测序技术的兴起，对棉纤维发育的分子机制的研究起了有效的推动作用。随着深度测序技术的不断革新，棉花全基因组测序不断完善[7]，全基因组微卫星序列得以注释[8]，单核苷酸多态性(SNP)芯片的开发成为可能[9]，使得遗传定位工作更加便捷[9-10]。转录组学、蛋白组学及表观遗传学领域三方位的深度测序有效构建了核糖核酸(RNA)水平和蛋白质水平、编码区域和非编码序列之间的联系，并发现一系列的转录因子、编码转脂蛋白的基因、钙信号转导相关基因、多糖合成相关蛋白、大量的微核糖核酸(miRNA)以及脱氧核糖核酸(DNA)甲基化作用等共同参与棉纤维发育过程[11-16]。本文将从棉纤维发育各时期的形态结构变化及特征，经典遗传学研究，深度测序技术在转录组学、蛋白组学及表观遗传学领域的运用，以及棉纤维发育各个时期所涉及的相关调控基因等4个方面对棉纤维发育机制的研究进展进行综述。
1. 棉纤维发育各时期的形态结构变化特征
棉纤维细胞发育进程是一个多基因调控的有序的系统发生过程，整个细胞分化过程可被分为棉纤维起始、伸长、次生壁合成与增厚、脱水成熟等4个时期[17-20]。
1.1 棉纤维起始期
长绒纤维细胞一般在开花前或开花当天就开始突起，而短绒纤维的突起要稍迟几天，两者的分化过程基本相似[21]。RAMSEY等[22]通过观察开花前16 d到开花当天胚珠的亚显微结构，发现开花前16 d到前3 d表皮细胞无差异，说明纤维原始细胞的分化与突起晚于开花前3 d。而在开花前2~3 d纤维原始细胞受生长素(IAA)和赤霉素(GA3)的刺激开始产生纤维[11]，开花当天，纤维原始细胞的分化与突起已基本完成。棉花纤维原始细胞分化与突起多少决定种子表面纤维数量，从而决定了棉纤维的产量。
1.2 棉纤维伸长期
研究发现一般只有25%~30%的棉花种子表皮细胞(约2万个)能正常突起伸长，形成成熟的纤维[23-24]。棉纤维的伸长几乎和突起同时进行，从开花当天开始，发生在细胞壁膨胀过程，纤维的最终长度取决于纤维伸长速率和持续时间2个方面[25]，一般持续20~30 d，该过程通过一种扩散生长机制实现并指导纤维细胞的极化生长[26-27]。纤维伸长分为非极性膨胀和极性伸长2个阶段：非极性膨胀期决定了纤维的细度，纤维细胞向四周扩展直至形成纤维的最终直径[28]；极性伸长期可使纤维长度达到最终长度的80%[29]，这一时期生化反应最为活跃，主要决定纤维的长度，是影响纤维品质的关键时期[24]。
1.3 棉纤维次生壁合成与增厚期
棉纤维次生壁合成与增厚期和纤维伸长期存在一段时期的重叠[17]，在开花后16 d开始，持续到开花后40 d，在这段时期，纤维素大量沉积，次生壁不断加厚[30]。伴随着纤维素沉积的加速，纤维伸长逐渐减弱，该过程是影响纤维强度和韧性的关键时期。
1.4 棉纤维脱水成熟期
在次生壁合成与增厚期后就进入了纤维脱水成熟期，发生在开花后40~50 d，棉铃开裂至充分吐絮，纤维失水，形成转曲[31]。成熟的棉纤维由外向内依次为初生壁、次生壁和中腔。
2. 棉花纤维生长发育的遗传学研究
遗传规律研究和基因遗传定位是经典遗传学中2项重要的基础工作。在棉纤维遗传规律研究中发现，相同性状的材料基因型不同，其遗传模式也不同，而棉纤维发育相关基因的遗传定位又可被分成质量性状和数量性状(QTL)的定位。
2.1 棉纤维遗传规律研究
CARVER[32]和KEARNEY等[33-34]研究发现棉花光子性状主要由2对独立的位点控制，显性光子基因(N1)和隐性光子基因(n2)，宋丽等[35]证实这2种光子基因均符合单基因遗传模型。既无长绒也无短绒的L40突变体的光子性状为不完全显性[36]。既无长绒也无短绒的突变体Xu142 fl的短绒的发育受N1和n2 2对基因控制，长绒的发育受Li3基因位点控制[37]。陆地棉短绒突变体Li1和Li2均为单基因显性遗传[38-40]。孙亚莉等[41]选取大量的陆地棉和海岛棉的光子材料对棉花光子性状进行了遗传分析，其研究发现棉花短绒多少与生态环境有关系，且不同品种光子材料的遗传模式也不同，不论海岛棉还是陆地棉材料均存在显性、部分显性和隐性遗传。对3个陆地棉隐性性状的材料进一步研究表明：这3个材料的遗传规律均不同，‘库光子’的光子性状由2对隐性等位基因控制，并且有互补效应；‘陆无絮’的光子性状由2对隐性等位基因控制，基因间呈积加作用；SA65的光子性状由单隐性基因控制。
2.2 棉纤维基因的QTL定位
纤维品质性状包括长度、整齐度、伸长率、强度、细度、颜色和马克隆值等多个方面。随着分子标记的不断开发与应用，在棉花染色体A组和D组染色体上都有大量棉纤维品质和产量相关的QTL被发现(表 1)。从表 1可知：纤维品质和产量性状的QTL几乎遍布了每一条染色体，且不同实验室使用不同的群体所得到的结果也有很大差异。同时，研究也发现这些性状受环境的影响很大，某些QTL在不同环境条件下有变化，甚至检测不到，导致已定位的QTL间重复性差[10, 42]，这也说明纤维品质及产量性状的遗传非常复杂。研究也发现了一些稳定的主效QTL，如第10号染色体的棉纤维强度主效QTL(FS1)，解释了超过30.00%的表型变异[43]；第19号染色体影响衣分的QTL(qLI17)，解释24.30%的表型变异[34]；第8号染色体上颜色相关QTL(Ge6_Rd_8_3_10.60_[+])，解释48.00%的表型变异[5]；以及第14号染色体上与长度相关的QTL(qFL-Chr14-3)，解释15.05%的表型变异[10]，等等。此外，有些QTL虽然微效，但在不同环境下都能稳定存在，比如WANG等[42]在8，11，12和21号染色上发现的6个QTL：qFL-A8-1(长度相关)，qFS-A8-1(强度相关)，qFS-A12-1(强度相关)，qFS-A12-2(强度相关)，qFS-D11-1(强度相关)和qFM-A11-1(马克隆值相关)。这些稳定存在的QTL都值得科研工作者进一步关注和研究。
表 1 不同群体中与棉纤维品质和产量相关的QTL分布Table 1. QTL related to cotton fiber quality and yield in different populations性状 QTL所在染色体或连锁群 检出限(LOD) 变异率1% 群体 出处 长度 Chr04，Chrl8，Chr22 2.00~2.74 7.80~12.60 陆地棉TM-1×海岛棉3-79的F2群体 KOHEL等[44] Chr20，LGA02(Chr08)，LGA03 (Chr11)，LGA05 2.63~5.40 2.90~13.70 陆地棉Siv’ on×海岛棉F-177的F2和F3群体 PATERSON等[4] Chr04 3.50 24.00 陆地棉Acala 44×海岛棉Pima S-7的F2群体 MEI等[45] Chr01，Chr03，Chr04，Chr06，Chr09，Chr13，Chr14，Chr18，Chr19，Chr20，Chr21，Chr23，Chr24，Chr26 3.30~9.50 6.00~40.00 陆地棉Guazuncho-2×海岛棉VH8-4602RIL LACAPE等[5] Chr05，Chr07，Chr08，Chr11，Chr12，Chr19，Chr21，Chr23，Chr26 4.57~6.05 2.47~8.49 陆地棉TM-1×海岛棉Hai7124的CSILs群体 WANG等[42] Chr10，Chr14，Chr15 2.50~7.71 6.21~15.05 陆地棉HS46 ×陆地棉MAR CABU-CAG8US-1-88 RIL LI等[10] 整齐度 Chr04，Chr14，Chr15，Chr22，LGA03 (Chr11)，LGA05 1.65~3.79 2.10~13.30 陆地棉Siv’on×海岛棉F-177的F2和F3群0体 PATERSON等[4] Chr05，Chr09，Chr12，Chr15，Chr16，Chr18，Chr19，Chr20，Chr23，Chr26 3.50~7.80 9.00~32.00 陆地棉Guazuncho-2×海岛棉VH8-4602 RIL LACAPE等[5] Chr09 2.68~4.17 5.58~10.94 陆地棉HS46 ×陆地棉MARCABU- CAG8US-1-88的RIL LI等[10] 伸长率 Chr05，Chr10，Chr15，Chr23，LGA02 (Chr8)，LGA03(Chr11)，LGD07 2.32~5.77 3.40~8.90 陆地棉Siv’on×海岛棉F-l77的F2和F3群体 PATERSON等[4] Chr09 5.16 42.00 陆地棉Acala 44×海岛棉Pima S-7的F2群体 MEI等[45] Chr02，Chr06，Chr09，Chr10，Chr12，Chr13，Chr15，Chr19，Chr20，Chr21，Chr23，Chr26 3.40~6.70 6.00~21.00 陆地棉Guazuncho-2×海岛棉VH8-4602RIL LACAPE等[5] Chr14，Chr20，Chr24 2.49~7.80 5.35~32.28 陆地棉HS46 ×陆地棉MARCABU-CAG8US-1-88 RIL LI等[10] 强度 Chr03，Chr14，Chr15，Chr25 2.08~2.69 10.40~23.10 陆地棉TM-1×海岛棉3-79的F2群体 KOHEL等[10] Chr10 4.79~5.80 53.00~53.80 异质棉7235×陆地棉TM-1的F2群体 ZHANG等[43] Chr01，Chr04，Chr14，Chr17，Chr18，Chr20，Chr22，Chr23，Chr25，LGA01 (Chr13)，LGA02(Chr08)，LGA03(Chr11)，LGA05，LGD02(Chr21)，LGD03(Chr24)，LGD04，LGD07 0.21~6.22 2.50~17.40 陆地棉Siv’on×海岛棉F-177的F2和F3群体 PATERSON等[4] Chr03，Chr04，Chr05，Chr07，Chr09，Chr12，Chr14，Chr15，Chr16，Chr18，Chr19，Chr21，Chr23，Chr26 3.30~8.50 7.00~31.00 陆地棉Guazuncho-2×海岛棉VH8-4602RIL LACAPE等[5] Chr05，Chr07，Chr08，Chr09，Chr11，Chr12，Chr13，Chr14，Chr15，Chr16，Chr17，Chr18，Chr21，Chr23 7.32~22.54 5.07~15.82 陆地棉TM-1×海岛棉Hai7124的CSILs群体 WANG等[42] 细度 Chr01，Chr02，Chr03，Chr12，Chr16，LGD01 2.16~4.04 16.70~43.90 陆地棉TM-1×海岛棉3-79的F2群体 KOHEL等[44] Chr02，Chr04，Chr05，Chr06，Chr09，Chr14，Chr15，Chr17，Chr20，Chr23，Chr25，LGA01 (Chr13)，LGA05，LGA06，LGD01，LGD02(Chr2l)，LGD03(Chr24)，LGD04，LGD05，LGD07 2.21~9.78 2.20~30.30 陆地棉Siv’on×海岛棉F-l77的F2和F3群体 PATERSON等[4] Not determined 5.11 43.20 陆地棉Acala 44×海岛棉Pima S-7的F2群体 MEI等[45] Chr01，Chr02，Chr03，Chr04，Chr05，Chr06，Chr08，Chr09，Chr10，Chr12，Chr15，Chr16，Chr17，Chr18，Chr19，Chr20，Chr21，Chr22，Chr23，Chr24，Chr25，Chr26 3.30~8.90 6.00~41.00 陆地棉Guazuncho-2×海岛棉VH8-4602RIL LACAPE等[5] 颜色 Chr06，Chr09，Chr14，Chr17，Chr18，Chr22，Chr25，LGA01，LGA02，LGA03，LGD02(Chr21) 2.66~11.67 2.50~14.90 陆地棉Siv’on×海岛棉F-177的F2和F3群体 PATERSON等[4] Chr01，Chr02，Chr06，Chr07，Chr08，Chr09，Chr11，Chr14，Chr15，Chr17，Chr18，Chr19，Chr21，Chr22，Chr25 3.30~10.60 6.00~48.00 陆地棉Guazuncho-2×海岛棉VH8-4602RIL LACAPE等[5] 马克隆值 Chr05，Chr06，Chr09，Chr11，Chr12，Chr15，Chr16，Chr19，Chr21，Chr22 4.56~9.09 0.80~8.03 陆地棉TM-1×海岛棉Hai7124的CSILs群体 WANG等[42] Chr14，Chr16 2.51~4.23 5.52~9.20 陆地棉HS46 ×陆地棉MARCABU- CAG8US-1-88 RIL LI等[10] 产量 A02(Chr08)，A03(Chr11)，Chr14，Chr23，Chr25，LG5 3.00~5.28 13.01~28.35 陆地棉Handan 208×海岛棉Pima 90的F2群体 HE等[46] 衣分 D08(Chr19) 3.45 24.34 陆地棉Handan 208×海岛棉Pima 90的F2群体 HE等[46] 然而，棉纤维相关性状QTL的分离和克隆仍然很少。有研究发现在第12条染色体上(A12/D12)与棉纤维品质相关的QTL附近的GhHOX3基因对棉纤维长度起重要调控作用[47]，以及定位于同源染色体A8(chr08)和D8(chr24)上的GhSusA1基因过表达可以增强纤维长度和强度[48]。
2.3 棉纤维基因的质量性状定位
在光子显性基因定位中发现，N1和Fbl基因位于chr12上[6]，其中N1基因被鉴定为转录因子MYB25-like[49]。光子隐性基因定位研究表明：n2定位在chr26上，sma-4(fz)位于L.G.A3的端部，sma-4(ha)位于L.G.A3中部[6]。超短纤维突变体Li1基因位于chr22上，并已通过精细定位被克隆到，是一个肌动蛋白家族基因[50-53]；而Li2基因则位于chr18上[6, 53]。
3. 棉纤维发育组学研究
棉纤维发育过程涉及到大量的基因和通路调控。利用高通量测序技术，对棉纤维发育的转录组和蛋白组分析及表观遗传研究，可以短时间内获得大量信息，捕获到许多参与不同发育阶段的特异性基因及信号通路，为下游单独研究重要基因的功能奠定良好的基础。
3.1 转录组学研究
利用棉花胚珠体外培养技术结合转录组数据分析比较，KIM等[11]在纤维起始分化时期发现了许多在野生型和无毛突变体间表达有差异的基因，包括MYB25，MYB109，PDF1，MYB25-like，HD1等转录调节因子，表明在棉纤维起始分化过程中存在复杂的信号网络调节机制。通过比较短绒突变体(Li1)与野生型之间在开花后1，3和8 d的转录组数据，LIANG等[49]在胚珠中共检测到7 852个差异表达基因，主要参与次生代谢物和脂质代谢途径，其中涉及非长链脂肪酸生物合成的37个基因在Li1突变体纤维的快速伸长发育过程中被显著抑制，这说明脂质代谢途径与纤维伸长密切相关。HOVAV等[54]评估了从开花后初级次生壁到次级次生壁合成过程中棉纤维发育的转录组变化发现，棉纤维发育过程中的基因转录水平很高，在每个阶段占到所有基因的75%~94%，并且半数以上的基因在纤维发育的至少一个阶段中上调。BOLTON等[55]利用基因芯片技术和实时荧光定量PCR技术在Li1突变体中发现超过100个基因在次生壁的生物合成过程中差异表达，其中的3个候选基因：伸展蛋白(extensin)，蔗糖合成酶(sucrose synthase)和微管蛋白(actin)的表达量明显偏离野生型的表达水平。通过陆地棉TM-1背景下的海岛棉染色体导入系与亲本纤维的转录组差异比较，FANG等[56]在CSIL-35431和CSIL-31010等2个导入系的次生壁合成过程中发现了大量与TM-1有表达差异的基因，功能富集分析表明这些基因主要富集于次生细胞壁的生物合成、葡糖醛酸合成、纤维素合成等生物途径。
3.2 蛋白质组学研究
利用蛋白组学研究，许多棉纤维发育过程中的重要蛋白被不断发掘，且此技术很好地互补了转录组只能在mRNA水平上研究纤维相关基因的劣势。HU等[12]应用相对和绝对定量(iTRAQ)LC-MS/MS分析技术研究了1 317个纤维特异性表达蛋白，其中205个蛋白在发育阶段中差异表达，190个蛋白在野生和栽培棉之间差异表达。结合转录组、iTRAQ蛋白质组和遗传图谱定位的综合分析方法，MA等[13]发现徐州142野生型与其无绒毛突变体(fl)的胚珠之间存在大量差异表达的基因和蛋白，这些差异基因和蛋白主要存在于氨基酸、核苷酸、脂肪酸和叶酸代谢以及黄酮生物合成中，说明这些代谢途径在纤维发育过程中具有重要作用。
3.3 表观遗传学研究
近年来，棉纤维发育的表观遗传学研究也取得了巨大进展。基于pre-miRNAs和已发现的miRNA靶基因数据，CHEN等[14]对83个miRNA前体及其目标调控基因进行了研究，并构建了miRNAs及其靶位点调控网络，并揭示了这些miRNA及靶基因在纤维不同发育阶段的表达模式。SONG等[15]对纤维和胚珠进行了甲基化组、转录组和小RNA组学分析，发现在胚珠和纤维发育过程中CHH甲基化变化显著。该研究发现，在胚珠中，启动子中的CHH甲基化与可诱导RNA依赖的DNA甲基化(RdDM)和胚珠偏好基因上调的siRNA呈正相关；在纤维细胞中，胚珠衍生细胞产生独立的RdDM的异染色质CHH超甲基化，抑制转座子及附近纤维相关基因的活性。使用甲基化抑制剂5-氮-2′-脱氧胞苷对胚珠进行体外培养，可以减少纤维细胞的数量和长度，这表明DNA甲基化在纤维发育中具有潜在作用。这些研究表明：启动子和转座子及附近基因中的RdDM依赖的甲基化可作为基因和转座子表达的双保险反馈机制。ZOU等[16]对参与纤维起始和伸长过程的长链非编码RNA(lncRNA)进行了系统分析，共鉴定到5 996条lncRNAs，其中长链非编码RNA(lincRNA)3 510条，天然反义转录RNA(lncNAT)2 486条，表明lncRNA对棉纤维的发育至关重要。
4. 棉纤维发育不同时期相关调控基因研究
4.1 棉纤维起始期相关基因
在棉花胚珠EST数据库中，约10%的基因与转录因子密切相关，包括56个转录因子家族成员[57]，如MYB类转录因子家族的GL1及其同源基因MYB2[58]，MYB109[59]，TTG1[60]和GL2[61]等均被发现在棉纤维发育的早期阶段高效表达。棉花GaMYB2基因可以诱导种子表皮毛的产生，且转化拟南芥可以弥补GL1突变对表皮毛起始分化造成的影响[58]。通过干扰GhMYB109的表达，PU等[62]发现棉纤维细胞分化延迟且起始数量减少，说明GhMYB109在棉花纤维分化阶段起重要作用。LOGUERICO等[63]发现GhMYB4和GhMYB5基因在纤维分化期的胚珠中特异表达。WALFORD等[64]发现GhHD1可以介导棉花表皮细胞的分化。辛婧[65]的研究表明转录因子GbSPB8可能调控棉花纤维起始发育。
4.2 棉纤维伸长期相关基因
转脂蛋白和钙信号转导相关蛋白在棉纤维伸长过程中起到极其重要的作用。MA等[66]研究发现：转脂蛋白GhLTP3和GhLTP6的表达量在纤维快速伸长期达到最高水平，此外李锡花等[67]发现GhLTP3的表达量从开花后0~15 d中表达量不断升高，在第15天达到顶峰，之后逐渐下降。赵存鹏等[68]和GAPPER等[69]研究发现：钙调蛋白CaM在低温逆境的条件下能使活性氧(ROS)、超氧游离基、过氧化氢和羟自由基等物质提高，进而使纤维细胞壁松弛，从而影响细胞伸长。CHENG等[70]发现GhCaM7-like基因在纤维快速伸长期显著表达。HUANG等[71]发现钙依赖性蛋白激酶GhCPK1在开花第10天的胚珠中高表达。这些研究都说明钙信号转导在纤维伸长过程中发挥重要作用。除了转脂蛋白和钙信号转导相关蛋白，转录调节因子也参与其中，如ZHANG等[72]发现GbMYB25与GbML1相互作用并通过调节ROS信号调节纤维伸长。HSU等[73]发现GhMYB7可以调控LTP3等脂转移蛋白编码基因。
4.3 棉纤维次生壁合成与加厚期相关基因
DELMER等[74]发现Rac9和Rac13可以控制棉花纤维素沉积方向。ZHAO等[75]发现GhRGP1在纤维发育的初生壁伸长及次生壁加厚后期优势表达，参与植物细胞壁非纤维素类的多糖合成。杨郁文等[76]发现一种Ser/Thr激酶和Try激酶的双受体蛋白GhRLK1与激活和维持次级细胞壁形成的细胞信号传导过程有关。此外，GhRDL1(RD22-Like1)与GhEXPA1互作会影响纤维细胞壁发育，GhRDL1基因过表达会产生长且质量较好的棉纤维[77]。
4.4 棉纤维脱水成熟期相关基因
目前，关于棉纤维细胞脱水成熟期的相关研究较少，对于纤维在脱水成熟过程中细胞与分子水平的变化还不清楚，只是猜想可能涉及到棉纤维细胞的程序性死亡[78]。
5. 研究展望
随着技术的革新，大量棉纤维发育相关基因和涉及的调控网络被不断发现，但是基因间的相互作用及其潜在的调控机制还有待进一步探索。近年来，棉花转基因技术日益成熟，新兴的CRISPR/Cas9基因编辑系统也于2017年3月在棉花基因组靶基因敲除中得到首次应用。JANGA等[79]利用CRISPR/Cas9系统成功将转绿色荧光蛋白(GFP)基因棉花系的GFP基因敲除；LI等[80]以棉花內源GhMYB25为目标基因，使用2种单导向RNA对该基因进行定点突变，突变率分别为100%和98.8%。这些研究表明：CRISPR/Cas9可以在棉花基因组上进行高效和高特异性地突变。随着新技术在棉花中的应用与成熟，棉纤维发育相关基因及其调控机制也有望有更多的发现。
-
图 1 杨树不同器官的非结构性碳水化合物(NSC)质量分数
Figure 1 Non-structural carbohydrates (NSC) concentrations in the different organs of poplar
图 2 杨树各器官非结构性碳水化合物及各组分的相关关系
Figure 2 Correlation analysis of non-structural carbohydrate content and its components among poplar organs
图 3 不同林分密度和种植点配置对杨树各器官中可溶性糖的影响
Figure 3 Effect of stand densities and spacing configurations on soluble sugar in different organs of poplar
图 4 不同林分密度和种植点配置对杨树各器官中淀粉的影响
Figure 4 Effect of stand densities and spacing configurations on starch in different organs of poplar
图 5 不同林分密度和种植点配置对杨树各器官非结构性碳水化合物 (NSC)的影响
Figure 5 Effect of stand densities and spacing configurations on non-structural carbohydrate (NSC) in different organs of poplar
图 6 不同密度和种植点配置对林分生物量和非结构性碳水化合物(NSC)储量的影响
Figure 6 Effect of different densities and spacing configurations on biomass and non-structural carbohydrate (NSC) reserves in the stand level
表 1 试验林分及其土壤0~20 cm土层概况
Table 1. Basic status of experimental stands and basic characters of 0−20 cm soil layer
林分密度/(株·hm−2) 株行距 种植点配置 平均树高/m 平均胸径/cm 土壤pH 400 (高密度) 3.0 m×8.0 m 长方形 21.63 ± 2.30 21.20 ± 2.60 6.69 a 5.0 m×5.0 m 正方形 23.37 ± 3.02 22.21 ± 3.05 6.64 a 278 (低密度) 4.5 m×8.0 m 长方形 23.06 ± 2.30 25.25 ± 3.23 6.54 a 6.0 m×6.0 m 正方形 25.86 ± 2.84 27.15 ± 3.41 6.77 a 说明：土壤pH数据后相同字母表示差异不显著(P＞0.05) 
下载: 导出CSV
表 2 不同林分密度及种植点配置中单株生物量方差分析
Table 2. Variance analysis of individual tree biomass in stands with different stand densities and spacing configurations
林分密度/(株·hm−2) 单株生物量/(kg·株−1) 种植点配置(株行距) 单株生物量/(kg·株−1) 400 (高密度) 239.28 ± 83.11** 长方形(3.0 m×8.0 m) 216.77 ± 64.03** 正方形(5.0 m×5.0 m) 257.82 ± 91.96** 278 (低密度) 373.41 ± 122.58** 长方形(4.5 m×8.0 m) 325.39 ± 102.73** 正方形(6.0 m×6.0 m) 417.76 ± 122.76** 说明：**表示差异极显著(P＜0.01)
下载: 导出CSV
-
[1] 潘庆民, 韩兴国, 白永飞, 等. 植物非结构性贮藏碳水化合物的生理生态学研究进展[J]. 植物学通报, 2002, 19(1): 30 − 38. PAN Qingmin, HAN Xingguo, BAI Yongfei, et al. Advances in physiology and ecology studies on stored non-structure carbohydrates in plants [J]. Chin Bull Bot, 2002, 19(1): 30 − 38. [2] HARTMANN H, TRUMBORE S. Understanding the roles of nonstructural carbohydrates in forest trees: from what we can measure to what we want to know [J]. New Phytol, 2016, 211(2): 386 − 403. [3] SMITH M G, MILLER R E, ARNDT S K, et al. Whole-tree distribution and temporal variation of non-structural carbohydrates in broadleaf evergreen trees [J]. Tree Physiol, 2017, 38(4): 570 − 581. [4] HARTMANN H, ADAMS H D, HAMMOND W M, et al. Identifying differences in carbohydrate dynamics of seedlings and mature trees to improve carbon allocation in models for trees and forests [J]. Environ Exp Bot, 2018, 152: 7 − 18. [5] 施征, 白登忠, 张维诚, 等. 青海云杉休眠前后非结构性碳水化合物含量随海拔变化[J]. 林业科学研究, 2017, 30(6): 908 − 915. SHI Zheng, BAI Dengzhong, ZHANG Weicheng, et al. Variation of nonstructural carbohydrates (NSC) in Picea crassifolia at the alpine treeline of Qilian Mountains before and after dormancy [J]. For Res, 2017, 30(6): 908 − 915. [6] 杜秀芳, 刘盟盟, 贾丽, 等. 冷蒿非结构性碳水化合物代谢对机械损伤的响应[J]. 浙江农林大学学报, 2016, 33(4): 629 − 635. DU Xiufang, LIU Mengmeng, JIA Li, et al. Responses of non-structural carbohydrate metabolism to mechanical damage in Artemisia frigida [J]. J Zhejiang A&F Univ, 2016, 33(4): 629 − 635. [7] JACQUET J, BOSC A, O’GRADY A, et al. Combined effects of defoliation and water stress on pine growth and non-structural carbohydrates [J]. Tree Physiol, 2014, 34(4): 367 − 376. [8] 王小东, 汪俊宇, 周欢欢, 等. 模拟酸雨高温胁迫对桂花品种‘杭州黄’抗氧化酶活性和非结构性碳代谢的影响[J]. 浙江农林大学学报, 2019, 36(1): 54 − 61. WANG Xiaodong, WANG Junyu, ZHOU Huanhuan, et al. Effects of simulated acid rain and heat stress on antioxidant enzyme activities and non-structural carbon metabolism of Osmanthus fragrans‘Hangzhou Huang’ [J]. J Zhejiang A&F Univ, 2019, 36(1): 54 − 61. [9] WÜRTH M K R, PELÁEZ-RIEDL S, WRIGHT S J, et al. Non-structural carbohydrate pools in a tropical forest [J]. Oecologia, 2005, 143(1): 11 − 24. [10] 欧建德, 康永武. 造林密度对乳源木莲人工林生长形质及林分分化的影响[J]. 西南林业大学学报(自然科学), 2019, 39(4): 40 − 45. OU Jiande, KANG Yongwu. Planting density effects on the growth, stem-form quality and stand differentiation of Manglietia yuyuanensis plantation [J]. J Southwest For Univ Nat Sci, 2019, 39(4): 40 − 45. [11] ALI A, DAI D, AKHTAR K, et al. Response of understory vegetation, tree regeneration, and soil quality to manipulated stand density in a Pinus massoniana plantation[J/OL]. Glob Ecol Conserv, 2019, 20: e00775[2021-01-30]. doi: 10.1016/j.gecco.2019.e00775. [12] ZHANG Yuanbin, DUAN Baoli, QIAO Yunzhou, et al. Leaf photosynthesis of Betula albosinensis seedlings as affected by elevated CO2 and planting density [J]. For Ecol Manage, 2008, 255(5/6): 1937 − 1944. [13] WANG Jinchuang, DUAN Baolin, ZHANG Yuanbin, et al. Density-dependent responses of Picea purpurea seedlings for plant growth and resource allocation under elevated temperature [J]. Trees, 2013, 27(6): 1775 − 1787. [14] TRUAX B, FORTIER J, GAGNON D, et al. Planting density and site effects on stem dimensions, stand productivity, biomass partitioning, carbon stocks and soil nutrient supply in hybrid poplar plantations[J/OL]. Forests, 2018, 9(6): 293[2021-01-05]. doi: 10.3390/f9060293. [15] ZHANG Qingwei, HAN Mingyu, SONG Chunhui, et al. Optimizing planting density for production of high-quality apple nursery stock in China [J]. N Z J Crop Hortic Sci, 2015, 43(1): 7 − 17. [16] 李智超, 张勇强, 厚凌宇, 等. 杉木人工林土壤微生物对林分密度的响应[J]. 浙江农林大学学报, 2020, 37(1): 76 − 84. LI Zhichao, ZHANG Yongqiang, HOU Lingyu, et al. Response of soil microorganism to stand density in Cunninghamia lanceolata plantation [J]. J Zhejiang A&F Univ, 2020, 37(1): 76 − 84. [17] TUN T N, GUO Jiao, FANG Shengzuo, et al. Planting spacing affects canopy structure, biomass production and stem roundness in poplar plantations [J]. Scand J For Res, 2018, 33(5): 464 − 474. [18] 王琪, 于水强, 王维枫, 等. 不同密度和植株配置形状的杨树人工林细根生物量特征研究[J]. 南京林业大学学报(自然科学版), 2020, 44(1): 179 − 185. WANG Qi, YU Shuiqiang, WANG Weifeng, et al. Characteristics of fine-root biomass in poplar plantations with different planting densities and spacing configurations [J]. J Nanjing For Univ Nat Sci Ed, 2020, 44(1): 179 − 185. [19] DIETZE M C, SALA A, CARBONE M S, et al. Nonstructural carbon in woody plants [J]. Annu Rev Plant Biol, 2014, 65: 667 − 687. [20] 燕亚飞, 田野, 方升佐, 等. 不同密度杨树人工林的外源无机氮输入及土壤无机氮库研究[J]. 南京林业大学学报(自然科学版), 2015, 39(4): 69 − 74. YAN Yafei, TIAN Ye, FANG Shengzuo, et al. External nitrogen input and soil inorganic nitrogen pool in different stands of poplar plantations [J]. J Nanjing For Univ Nat Sci Ed, 2015, 39(4): 69 − 74. [21] HOCH G, RICHTER A, KÖRNER C. Non-structural carbon compounds in temperate forest trees [J]. Plant Cell Environ, 2003, 26(7): 1067 − 1081. [22] BUYSSE J, MERCKX R. An improved colorimetric method to quantify sugar content of plant tissue [J]. J Exp Bot, 1993, 267(44): 1627 − 1629. [23] HOCH G, POPP M, KÖRNER C. Altitudinal increase of mobile carbon pools in Pinus cembra suggests sink limitation of growth at the Swiss treeline [J]. Oikos, 2002, 98(3): 361 − 374. [24] 唐罗忠, 生原喜久雄, 黄宝龙, 等. 江苏省里下河地区杨树人工林的碳储量及其动态[J]. 南京林业大学学报(自然科学版), 2004, 28(2): 1 − 6. TANG Luozhong, HAIBARA K, HUANG Baolong, et al. Storage and dynamics of carbon in a poplar plantation in Lixiahe region, Jiangsu Province [J]. J Nanjing For Univ Nat Sci Ed, 2004, 28(2): 1 − 6. [25] 章异平, 曹鹏鹤, 徐军亮, 等. 秦岭东段栓皮栎叶片非结构性碳水化合物含量的季节动态[J]. 生态学报, 2019, 39(19): 7274 − 7282. ZHANG Yiping, CAO Penghe, XU Junliang, et al. Seasonal dynamics of non-structural carbohydrate contents in leaves of Quercus variabilis growing in the east Qinling Mountain range [J]. Acta Ecol Sin, 2019, 39(19): 7274 − 7282. [26] 刘万德, 苏建荣, 李帅锋, 等. 云南普洱季风常绿阔叶林主要树种非结构性碳水化合物变异分析[J]. 林业科学, 2017, 53(6): 1 − 9. LIU Wande, SU Jianrong, LI Shuaifeng, et al. Variation of non-structural carbohydrates for the dominant species in a monsoon broad-leaved evergreen forest in Pu’Er, Yunnan Province [J]. Sci Silv Sin, 2017, 53(6): 1 − 9. [27] SALLEO S, TRIFILO P, ESPOSITO S, et al. Starch-to-sugar conversion in wood parenchyma of field-growing Laurus nobilis plants: a component of the signal pathway for embolism repair? [J]. Funct Plant Biol, 2009, 36(9): 815 − 825. [28] 于丽敏, 王传宽, 王兴昌. 3种温带树种非结构性碳水化合物的分配[J]. 植物生态学报, 2011, 35(12): 1245 − 1255. YU Limin, WANG Chuankuan, WANG Xingchang. Allocation of nonstructural carbohydrates for three temperate tree species in northeast China [J]. Chin J Plant Ecol, 2011, 35(12): 1245 − 1255. [29] 王彪, 江源, 王明昌, 等. 芦芽山不同海拔白杄非结构性碳水化合物含量动态[J]. 植物生态学报, 2015, 39(7): 746 − 752. WANG Biao, JIANG Yuan, WANG Mingchang, et al. Variations of non-structural carbohydrate concentration of Picea meyeri at different elevations of Luya Mountain, China [J]. Chin J Plant Ecol, 2015, 39(7): 746 − 752. [30] BARBAROUX C, BREDA N, DUFRENE E. Distribution of above-ground and below-ground carbohydrate reserves in adult trees of two contrasting broad-leaved species (Quercus petraea and Fagus sylvatica) [J]. New Phytol, 2003, 157(3): 605 − 615. [31] MARTENS L A, LANDHUSSER S M, LIEFFERS V J. First-year growth response of cold-stored, nursery-grown aspen planting stock [J]. New For, 2007, 33(3): 281 − 295. [32] 王宁宁, 黄娟, 丁昌俊, 等. 不同栽植密度下欧美杨叶片耐荫性与生物累积量的关系[J]. 林业科学研究, 2015, 28(5): 691 − 700. WANG Ningning, HUANG Juan, DING Changjun, et al. The relationship of shade tolerance of poplar and biomass production under different plantation density [J]. For Res, 2015, 28(5): 691 − 700. [33] 骆丹, 王春胜, 曾杰. 西南桦幼林冠层光合特征及其对造林密度的响应[J]. 中南林业科技大学学报, 2020, 40(4): 44 − 49. LUO Dan, WANG Chunsheng, ZENG Jie. Photosynthetic characteristics in crown and its response to planting density of young Betula alnoides [J]. J Cent South Univ For Technol, 2020, 40(4): 44 − 49. [34] 黄绢, 李丹, 王宁宁, 等. 不同配置方式杨树超短轮伐人工林光合特性及生长差异[J]. 林业科学, 2016, 52(8): 131 − 137. HUANG Juan, LI Dan, WANG Ningning, et al. Differences in photosynthetic characteristics and growth in short-rotation poplar of different spacing configurations [J]. Sci Silv Sin, 2016, 52(8): 131 − 137. [35] 秦柱南, 孙超, 韩义, 等. 株行距配置对杨树生长及光合特性的影响[J]. 山东大学学报(理学版), 2014, 49(7): 1 − 6. QIN Zhunan, SUN Chao, HAN Yi, et al. Effect of plants spacing on growth and photosynthetic of poplar plantations [J]. J Shandong Univ Nat Sci, 2014, 49(7): 1 − 6. 期刊类型引用(6)
1. 冯常辉，李林，张友昌，王琼珊，张教海，王孝刚，夏松波. 棉花纤维品质SNP标记研究进展. 湖北农业科学. 2024(S1): 5-9+13 . 
百度学术2. 龙遗磊，郑凯，齐静潇，蔡永生，邓晓娟，曲延英，陈全家. 海岛棉GbPIN1a基因的克隆与表达特性分析. 农业生物技术学报. 2022(11): 2086-2098 . 百度学术3. 孟超敏，耿翡翡，卿桂霞，周佳敏，张富厚，刘逢举. 陆地棉磷高效基因GhMGD3的克隆与表达分析. 浙江农林大学学报. 2022(06): 1203-1211 . 本站查看4. 闵凯丽，晁祥保，滕露，蔡永生，雷慧辰，严中建，郑凯，陈全家. 海岛棉GbHCT10基因的克隆与表达分析. 新疆农业科学. 2021(02): 206-215 . 百度学术5. 郭宝生，刘素恩，赵存鹏，王兆晓，王凯辉，李丹，刘旭，杜海英，耿军义. 转FBP7::iaaM基因陆地棉种质冀资139纤维品质性状杂种优势分析. 植物学报. 2021(02): 166-174 . 百度学术6. 赵柯柯，曲延英，段雅洁，石颖颖，范蓉，刘亚丽，陈全家. 海岛棉GbMYB5基因的克隆及表达分析. 分子植物育种. 2021(08): 2512-2520 . 百度学术其他类型引用(11)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20210223
点击查看大图
计量
- 文章访问数: 1098
- HTML全文浏览量: 177
- PDF下载量: 54
- 被引次数: 17
