与气孔导度，以叶功能性状

该程序的总体目标是将叶子的生态生理特性与形态特性联系起来，以更好地了解不同植物群落的生态系统功能。这是通过首先在日常过程中测量造口电导率，然后提取描述不同物种造口控制的相关参数来实现的。第二步是使用显微镜测量造口大小和密度。

接下来，评估叶脉性状。最后一步是将形态学和解剖学特征与植物物种的生态生理特性联系起来。这允许对植物叶子有更深入的机制理解，如此处以体细胞闭合为例，当具有不同叶子性状的不同物种的空气变得更干燥时。

我们研究的总体思路是使用易于测量的叶子性状作为关键植物功能的代理，如果直接测量，则需要付出很大的努力。该协议的主要目标是将几个山谷评估的叶子性状与一些调节联系起来，这是平衡水分利用和生长的植物策略中的一个关键方面 With 方法可以帮助回答功能性生物多样性研究领域的关键问题，即不同树木群落中不同物种的生态生理过程如何促进生态系统功能。根据可重复的模式选择不同物种和个体的叶子。

例如，如果可能的话，选择具有相同高度、相同曝光度、在植物内相同位置的叶子，仅来自同一节点，并且仅来自一个类别，例如阳光或阴影。叶。只测量健康和完全发育状态的叶子。在个体上标记叶子，以确保在同一片叶子上进行重复测量。

使用稳态参数，准备仅在叶子表面测量 stoate 电导，同时避免中肋和强叶脉。在日出前的清晨开始测量。重复测量 5 到 10 次，直到造口电导率值在中午显示明显下降。

每日测量过程将为分析蒸气压差和 STO 金属电导之间的关系提供良好的数据。每次 dooma 电导测量时，记录温度和相对湿度，最好使用便携式记录仪直接测量同一叶子拥有的条件。使用 August Roche Magnus 公式计算蒸气压亏量。

现在，绘制物种，所有造口电导数据与蒸气压差的关系。将单个叶子的所有每日疗程合并为每个物种的一次分析。通过搜索最大值来缩放模型，从造口电导数据中提取观察到的最大值。

对于物种方面的可比性。将观测值除以该物种观测到的最大值。对于每个物种，使用具有二项式误差分布的广义线性模型，将气孔电导率与蒸气压亏缺的逻辑和蒸气压亏缺的二次项回归。

接下来，通过计算绝对建模的最大气孔电导率或 GS max 值来提取每个物种的 stoate 调节参数。为此，通过将该曲线的一阶导数设置为零来计算最大造口电导处的蒸气压亏缺，这得到 A VPD GS 最大拟合等于负 B 乘以 2。将 VPD GS max fit 插入到曲线公式中，并将其提高到 E 的幂以获得最大拟合。

计算每个物种的所有电导测量值的平均值，以计算缩放模型中的相对值。提取以下两个点的 nooma 电导率电导率和蒸气压亏量值，即模型最大值处的气孔、电导率和蒸气压亏量值，以及曲线拐点第二个拐点处的蒸气压亏量。将这些值乘以 GS max 以获得绝对白鼬电导值。

对于这些点。最好从用于测量 stoate 电导率的完全相同的叶子中取样。如果这是不可能的，请应用与选择 S 体细胞电导测量的叶子相同的选择程序，最好是针对相同的个体。

如果样品无法立即处理，请将其储存在 70% 酒精中。在新样品上涂上一层薄薄的无色快干指甲油。指甲油出来后，轻轻地从叶子上剥下印记，然后进行显微镜分析。

与普通叶子样品一样，在将相机连接到显微镜后，将相机连接到能够放大 40 倍到 400 倍的光学显微镜上。借助采用开源图像处理软件（如 Image J.Analyze these pictures）的比例，将拍摄的照片与图片的光学放大倍率和分辨率相匹配。使用图像分析工具中的形状工具在图像上绘制形状，该区域没有污垢、指纹、损坏区域或大叶脉。

计算该区域以及每个样品至少 50， 000 平方微米的 S 造口。测量 S 气孔保卫细胞长度和不良长度。计算每平方毫米漂白叶子的 S 数。

将它们在 50% 脱色剂溶液中放置至少 72 小时，将溶液加热至 30 摄氏度。之后用水冲洗叶子几次。根据叶子的特性为特定物种调整漂白过程，以给叶子着色。

将它们放入 99% 乙醇中，在 1% 正弦溶液中着色 2 至 30 分钟。着色后，用水冲洗叶子数次。如果叶子染色太深，请额外花一些时间。

乙醇或脱色剂可能有助于分析样品。用背光扫描仪以大约每英寸 1， 200 点的分辨率扫描叶子。借助比例尺将扫描与图片的分辨率相匹配，以确保像素长度可以追溯到扫描叶子的绝对长度测量值。

测量叶子的面积、周长和宽度。计算几个指数，例如长宽比或周长与面积比。然后从图片的中间剪出一个 1 到 1 厘米的矩形。

测量一阶和二阶脉的直径。测量所有一阶静脉的长度。在这个象限中，这里显示的是所有物种的造口电导数据到蒸气压亏缺回归的拟合模型图。

不同颜色的线条代表每种叶性，黑线代表常绿树种，红线代表落叶树种。探究白鼬电导调控模式与叶片性状之间的联系，发现拐点蒸气压亏缺随白鼬密度和白鼬指数的增加而减小，随叶片碳含量的增加而增加。相比之下，没有体细胞电导参数显示出与叶片习性的明确关系。

两组叶习性之间的高度差异表明，常绿叶习性和勤奋叶性类群中存在不同的调控机制。在应用此程序时，重要的是要根据特定的叶子特性调整处理的细节。由于叶子性状在物种之间表现出很大的差异 遵循这个程序，我们的形态学叶性状也可以与其他生态生理特性（如 xim）相关联。

同样，对空化或特定水力连接的敏感性有助于了解对干旱的计划响应。我们希望我们的视频能够激发形态学叶性状和功能生物多样性研究的使用，目的是从易于测量的性状中预测生态系统功能。