2015년 10월 12일
생리 및 형태가 연결되는 방식을 탈피하여 공장의 기계적인 기능의 깊은 이해 잎 수 있습니다. 우리는 기존의 기능 잎의 특성과 기공 전도도 측정과 상관 관계에서 기공 규제의 매개 변수를 도출하는 과정을 모두 제시한다.
이 절차의 전반적인 목표는 다양한 식물 군집에서의 생태계 기능을 더 잘 이해하기 위해 잎의 생태 생리학적 특성과 생태 생리학적 특성을 연관시키는 것입니다. 이는 먼저 일상 과정에서 장(요)루 전도도를 측정한 다음, 다른 종의 장(요)루 조절을 설명하는 관련 매개변수를 추출함으로써 달성됩니다. 두 번째 단계는 현미경을 사용하여 장(요)루 크기와 밀도를 측정하는 것입니다.
다음으로 잎맥 형질을 평가합니다. 마지막 단계는 형태학적, 해부학적 특징을 식물 종의 생태 생리학적 특성과 연결하는 것입니다. 이를 통해 식물 잎에 대한 더 깊은 기계론적 이해를 할 수 있습니다.체세포 폐쇄의 예에서 볼 수 있듯이, 잎 특성이 다른 다른 종에 대해 공기가 더 건조해질 때.
우리 연구의 일반적인 아이디어는 쉽게 측정할 수 있는 잎 형질을 직접 측정할 경우 많은 노력이 필요한 주요 식물 기능에 대한 프록시로 사용하는 것입니다. 이 프로토콜의 주요 목적은 물 사용과 성장의 균형을 맞추기 위한 식물 전략의 핵심 측면인 여러 계곡 평가 잎 형질을 일부 규제에 연결하는 것입니다. 방법을 사용하면 다양한 나무 군집에 있는 다양한 종의 생태 생리학적 과정이 생태계 기능에 어떻게 기여하는지에 대한 기능적 생물 다양성 연구 분야의 주요 질문에 답하는 데 도움이 될 수 있습니다. 재현 가능한 패턴에 따라 다른 종과 개체의 잎을 선택하십시오.
예를 들어, 가능한 경우 식물 내에서 동일한 높이, 동일한 노출, 동일한 위치를 가진 잎을 선택하고 동일한 노드 및 태양 또는 그늘과 같은 하나의 범주에서만 선택하십시오. 잎. 건강하고 완전히 발육된 상태의 잎만 측정하십시오. 동일한 잎에서 반복 측정이 수행되는지 확인하기 위해 개체의 잎을 표시하십시오.
정상 상태 매개변수를 사용하여 중간 늑골과 강한 잎 정맥을 피하면서 잎 표면에서만 기공 전도도 측정을 준비합니다. 일출 전 이른 아침에 측정을 시작합니다. s 장(요)루 전도도 값이 정오에 뚜렷한 감소를 보일 때까지 5-10회 반복 측정을 수행합니다.
일일 측정 과정은 증기압 부족과 STO 금속 전도도 간의 관계를 분석하기 위한 좋은 데이터를 제공합니다. 각 dooma 전도도 측정으로 온도와 상대 습도를 기록하고, 가급적이면 휴대용 로거를 사용하여 동일한 잎을 소유하고 있는 조건을 직접 측정하는 것이 좋습니다. 증기압 부족을 계산하기 위해 August Roche Magnus 공식을 사용합니다.
이제 종별 플롯, 증기압 결핍에 대한 모든 장루 전도도 데이터. 개별 잎의 모든 일일 과정을 종당 하나의 분석으로 결합합니다. 모델을 스케일링하기 위해 최대값을 검색하여 장루 전도도 데이터에서 관찰된 최대값을 추출합니다.
종의 현명한 비교를 위해. 관찰된 값을 해당 종에 대해 관찰된 최대값으로 나눕니다. 각 종에 대해 증기압 적자에 대한 기공 전도도의 논리와 이항 오차 분포가 있는 일반화된 선형 모델을 사용하여 증기압 적자의 2차 항을 회귀합니다.
다음으로, 절대 모델링된 최대 기공 전도도 또는 GS 최대값을 계산하여 모든 종에 대한 기공 조절 매개변수를 추출합니다. 이렇게 하려면 이 곡선의 1차 도함수를 0으로 설정하여 최대 장루 전도도에서 증기압 부족을 계산하면 A VPD GS 최대 맞춤이 2에 대한 B를 뺀 값이 됩니다. 곡선의 공식에 VPD GS max fit을 삽입하고 E의 거듭제곱으로 올려 최대 fit을 얻습니다.
종당 모든 컨덕턴스 측정의 평균을 계산하여 스케일링된 모델의 상대 값을 계산합니다. 모델의 최대값에서 장루, 전도도 및 증기압 부족 값과 곡선의 두 번째 굴절점에서 증기압 부족 값이라는 두 점에 대한 nooma 전도도 전도도 및 증기압 부족 값을 추출합니다. 이 값에 GS max를 곱하여 절대 담비 전도도 값을 구합니다.
이 점에 대해. 스토에이트 전도도 측정에 사용된 것과 정확히 동일한 잎에서 샘플을 채취하는 것이 좋습니다. 이것이 가능하지 않은 경우, S 체세포 전도도 측정을 위한 잎을 선택하기 위해 적용된 것과 동일한 선택 절차를 적용하고, 가급적이면 동일한 개체에 적용하십시오.
샘플을 즉시 처리할 수 없는 경우 70% 알코올에 보관하십시오. 무색의 빠르게 건조되는 매니큐어를 신선한 샘플에 얇게 바르십시오. 매니큐어가 다 묻은 후 잎의 인상을 부드럽게 벗겨내고 현미경 분석을 진행합니다.
일반 잎 샘플과 마찬가지로 카메라를 현미경에 연결한 후 40배에서 400배 사이로 확대할 수 있는 광학 현미경에 카메라를 연결합니다. Image J.Analyze와 같은 오픈 소스 이미지 처리 소프트웨어를 사용하는 저울의 도움으로 촬영된 사진을 사진의 광학 배율 및 해상도에 맞춥니다. 이미지 분석 도구의 모양 도구를 사용하여 먼지, 지문, 손상된 부분 또는 큰 잎맥이 없는 영역의 이미지에 모양을 그립니다.
이 영역과 샘플당 최소 50, 000제곱 미크론의 S 장루를 계산합니다. S 기공 보호 세포의 길이와 좋지 않은 길이를 측정합니다. 잎을 표백하기 위해 평방 밀리미터당 S의 수를 계산합니다.
72% 용액에 최소 50시간 동안 그대로 두십시오. 탈색제, 용액을 섭씨 30도까지 가열합니다. 그 후 잎을 물로 여러 번 헹굽니다. 잎의 특성에 따라 특정 종에 대한 표백 과정을 조정하여 잎을 색칠하십시오.
99 % 에탄올에 넣고 1 % 사인 용액에서 2-30 분 동안 착색하십시오. 착색 후에는 잎을 물로 여러 번 헹굽니다. 잎이 너무 깊게 더러워지면 시간이 더 걸립니다.
에탄올 또는 탈색제는 샘플을 분석하는 데 도움이 될 수 있습니다. 백라이트 스캐너로 약 1, 200dpi의 해상도로 나뭇잎을 스캔합니다. 측정된 스캔을 눈금을 사용하여 사진의 해상도에 일치시켜 픽셀 길이를 스캔된 leaf의 절대 길이 측정으로 다시 추적할 수 있도록 합니다.
잎의 면적, 둘레, 길이 및 너비를 측정합니다. 길이와 너비의 비율 또는 둘레와 면적의 비율과 같은 여러 인덱스를 계산합니다. 그런 다음 그림 중앙에서 1-1cm 직사각형을 자릅니다.
첫 번째 및 두 번째 정맥의 직경을 측정합니다. 1 차 정맥의 모든 정맥의 길이를 측정합니다. 이 사분면에는 모든 종에 대한 증기압 결핍 회귀에 대한 장루 전도도 데이터에 대한 적합 모델 그래프가 있습니다.
서로 다른 색깔의 선은 각 잎의 습성을 나타내며 검은색 선은 상록수를 나타내고 빨간색 선은 낙엽 종을 나타냅니다. 담비 전도도 조절 패턴과 잎 특성 사이의 연관성을 조사하면 변곡 지점의 증기압 부족이 ssoad 밀도 및 담비 지수에 따라 감소하고 잎 탄소 함량에 따라 증가한다는 것을 알 수 있습니다. 대조적으로, 체세포 전도도의 어떤 매개변수도 잎 습관과 명확한 관계를 보여주지 않았습니다.
두 그룹의 잎 습관 사이의 높은 차이는 상록수 습관과 부지런한 잎 습관 그룹 내에서 서로 다른 조절 메커니즘이 존재한다는 것을 보여줍니다. 이 절차를 적용할 때 특정 잎 속성에 맞게 처리의 세부 사항을 조정하는 것이 중요합니다. 잎 형질은 종에 따라 큰 차이를 보이기 때문에 이 절차를 따르면 우리의 형태학적 잎 형질은 xim과 같은 다른 생태 생리학적 특성과도 연결될 수 있습니다.
캐비테이션 또는 특정 수력 연결성에 대한 민감도는 다시 가뭄에 대한 계획된 대응을 이해하는 데 도움이 됩니다. 우리는 우리의 비디오가 쉽게 측정할 수 있는 특성에서 생태계 기능을 예측하는 것을 목표로 형태학적 잎 특성과 기능적 생물 다양성 연구의 사용에 영감을 주기를 바랍니다.
본 연구에서는 생태계 기능에 대한 이해를 높이기 위해 식물 잎의 생리학적 및 형태학적 특성 사이의 관계를 탐구합니다. 방법론으로는 기공 전도도를 측정하고 이를 잎의 특성과 상관 분석하여 기공 조절 파라미터를 도출하는 과정이 포함됩니다.
기공 전도도를 잎의 기능적 형질과 정량적으로 연결함으로써 식물의 물 이용 및 생리적 전략에 대한 예측 모델링이 가능하며, 이는 작물 개량 및 생태계 모델링을 위한 응용 통찰력을 제공합니다. 이러한 접근 방식은 형태학적 대리 지표를 생태 생리학적 결과와 연결함으로써 초기 발견 단계에서 기전적 리스크를 완화하며, 식물 형질 선택 시 리스크가 조정된 우선순위 결정을 용이하게 합니다. 이러한 측정값을 R&D 파이프라인에 통합하면 형질 기반 선택 및 기능적 생물 다양성 연구에 대한 예측 신뢰도를 높일 수 있습니다.
이 방법은 표준화된 정량적 형질 측정값을 제공함으로써, 식물 R&D의 초기 발견 단계와 중개 연구 모두에 정보를 제공하여 발견부터 검증까지의 연속적인 과정에 통합됩니다.