阔叶山麦冬皂苷对照品

了解亚热带森林树种的准确信息对于森林可持续管理、生态系统服务评估、生物多样性监测以及生态环境保护至关重要。因此，亟待快速有效的方法对单个树种进行分类。传统的树种地面调查费事、费力、成本高，难以大面积实施。而遥感可以获取较大区域的特征信息。许多遥感数据，如超高分辨率RGB、机载高光谱和雷达数据，已广泛应用于单木分割和树种分类。然而以往都是利用其中一种或两种类型的数据进行研究，综合这三种遥感数据进行树种分类的研究十分有限。基于此，为填补研究空白， 研究者们于2019年8月在中国南方深圳的亚热带阔叶林聚龙山公园（114°23′28′′E，22°43′50′′N）基于UAV LiDAR，高光谱（Resonon Pika L高光谱成像仪）、超高分辨率RGB数据以及地面数据进行单个树种的分类。作者首次开发了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法进行单木分割。然后整合UAV LiDAR（提取结构特征），高光谱（提取光谱特征）和超高分辨率RGB数据（提取纹理特征）进行分类。最后通过总体精度（OA）和kappa系数（k）评估分类精度。主要研究目标为：（1）评估所提出的WST-Ncut算法在亚热带阔叶森林进行单木分割的准确性；（2）与单独使用这些数据相比，评估UAV LiDAR，高光谱和超高分辨率RGB数据相融合进行亚热带阔叶树种分类的有效性和改进以及（3）探索单木分割的准确性和树种数量对树种分类精度的影响。研究区位置【结果】18个树种在383-1020 nm波长下的反射率平均值和±标准差。18个树种在383-1020 nm波长下的平均光谱反射率。七种特征组合得到的树种分布图使用所有特征时获得的总体分类精度与树种数量之间的关系。【结论】在本研究中，作者利用UAV LiDAR，高光谱和超高分辨率RGB数据在亚热带阔叶森林树木尺度上进行18个树种的分类。作者首次提出了watershed-spectral-textural-controlled normalized cut（WST-Ncut）算法来描述单木。结果表明，WST-Ncut算法适合描述亚热带阔叶森林单木（Recall=0.95，Precision=0.86，F-score=0.90），可以减少过度分割。LiDAR获取的垂直结构特征，高光谱获取的光谱特征以及超高分辨率RGB数据获取的纹理特征在树种分类上相互补充。分类结果表明这三个数据集相结合可以有效区分18个树种，获得最高的分类精度（总体精度=91.8%，Kappa=0.910），比单独利用光谱特征，结构特征和纹理特征分别高10.2%，13.6%和19.0%。此外，结果表明，单木分割越好，树种分类越准确，树种数量增加将会导致分类精度下降。

2018年，由北京普瑞亿科科技有限公司研发的PRI-8800全自动变温培养土壤温室气体在线测量系统，一经推出便得到了广泛关注。该系统在土壤有机质分解速率、Q10及其调控机制方面提供了一整套高效的解决方案，为科研人员提供室内变温培养模拟野外环境的条件，让科研可以更广、更深层次地开展。目前以PRI-8800为关键设备发表的相关文章已达25篇。 今天与大家分享的是福建师范大学黄锦学、刘源豪等研究人员在研究外源碳输入对常绿阔叶林土壤碳排放影响方面取得的进展，在该项研究中，研究团队利用PRI-8800测定土壤CO2排放速率，为研究结果提供了有力的数据支撑。 土壤是陆地生态系统中最大的碳库，其碳储量约占陆地生态系统碳储量的60%，其微小变化对大气中的CO2浓度影响较大。土壤微生物呼吸是陆地生态系统向大气释放CO2的主要途径，对维持土壤碳库平衡起着重要作用。气候变暖将提高植物净初级生产力，从而提高凋落物和根系分泌物的输入量，导致外源葡萄糖输入增加，进而改变土壤碳循环过程。土壤微生物呼吸是土壤微生物为获取化学能量和营养物质，分解土壤有机碳并释放CO2的过程，其速率不仅受土壤pH值和碳、氮含量等因素的影响，而且受葡萄糖输入的显著影响。 目前对葡萄糖输入后土壤CO2排放动态特征的研究多集中在长期（60d以上）观察，对于短期内的变化研究较为缺乏。多数研究对于土壤CO2排放的动态观测时间间隔较大。因此，探究短期内不同葡萄糖输入量对土壤CO2排放的影响及其动态变化特征，对预测外源碳输入对土壤碳动态的影响具有重要意义。图1 不同浓度葡萄糖输入对土壤CO2排放速率和土壤CO2累积排放量的影响注：图中不同小写字母表示不同处理间差异显著（P0.05） 为了更好地研究外源葡萄糖输入量对土壤CO2排放动态过程的影响及机理，福建师范大学黄锦学、刘源豪等研究人员以中亚热带常绿阔叶林土壤为研究对象，在培养温度为恒温20℃，土壤田间持水量60%的条件下，输入不同浓度的葡萄糖（碳含量分别为0、50、150、450μgg-1，分别标记为CK、C1、C2、C3处理）进行室内培养试验，测定不同浓度葡萄糖输入下不同时间的土壤CO2排放。 在室内培养试验过程中，研究团队采用由普瑞亿科研发的PRI-8800全自动变温土壤培养温室气体分析系统测定土壤CO2排放速率，采样时间间隔为1h，室内培养试验结束共计获得1232条土壤CO2排放速率数据，为该项研究提供了有力的数据支撑。图2 预培养期间土壤CO2排放速率和土壤CO2累积排放量图3 葡萄糖输入后土壤CO2排放速率和土壤CO2累积排放量的动态特征注：*表示培养28h前后的土壤CO2排放速率、土壤CO2累积排放量差异显著（P0.05） 研究结果表明，C2、C3处理的土壤CO2排放速率和土壤CO2累积排放量均显著升高（P0.05）；C2、C3处理28h后，土壤CO2排放速率随培养时间的延长显著升高（P0.01），土壤CO2累积排放量随培养时间的延长显著升高（P0.01）；当培养时间超过65h后，C1处理的土壤CO2排放速率随培养时间的延长有显著降低的趋势（P0.01），C3处理的土壤C/N、DOC变化量较CK显著增大（P0.05），土壤CO2排放速率与C/N、DOC含量呈显著正相关关系（P0.05）。不同浓度葡萄糖输入对土壤CO2排放的影响有显著差异，在中亚热带常绿阔叶林土壤中，根系分泌物葡萄糖的输入增加可能会改变土壤C、N含量，提高CO2排放量，从而进一步影响土壤C库的固存。 相关研究成果以“外源碳输入对常绿阔叶林土壤碳排放的影响”为题发表于期刊《Journal of Forest & Environment》上。相关论文信息：刘源豪, 熊德成, 吴晨, 等. 外源碳输入对常绿阔叶林土壤碳排放的影响[J]. Journal of Forest & Environment, 2023, 43(5).DOI:10.13324/j.cnki.jfcf.2023.05.006 截至目前，以PRI-8800为关键设备发表的相关文章已达25篇，分别发表在10余种影响因子较高的国际期刊上——数据来源：https://sci.justscience.cn/ 很荣幸PRI-8800可以为这些高质量学术研究贡献一份力量，感谢各位老师对普瑞亿科产品的支持和信任。如果您成功发表文章，并且在研究过程中使用了普瑞亿科的国产仪器设备，请与我们公司联络，我们为您准备了一份小礼物，以感谢您对国产设备以及普瑞亿科的信任和支持！ 为响应国家“双碳”目标，针对国内“双碳”行动有效性评估，普瑞亿科全新升级了PRI-8800 全自动变温培养土壤温室气体在线测量系统，结合了连续变温培养和高频土壤呼吸在线测量的优势，模式的培养与测试过程非常简单高效，这极大方便了大量样品的测试或大尺度联网的研究，可以有效服务科学研究和生态观测。PRI-8800的成功推出，为“双碳”目标研究和评价提供了强有力的工具。 土壤有机质分解速率（R）对温度变化的响应非常敏感。温度敏感性参数（Q10）可以刻画土壤有机质分解对温度变化的响应程度。Q10是指温度每升高10℃，Ｒ所增加的倍数；Q10值越大，表明土壤有机质分解对温度变化就越敏感。Q10不仅取决于有机质分子的固有动力学属性，也受到环境条件的限制。Q10能抽象地描述土壤有机质分解对温度变化的响应，在不同生态类型系统、不同研究间架起了一个规范的和可比较的参数，因此其研究意义重大。 以往Q10研究通过选取较少的温度梯度（3-5个点）进行测量，从而导致不同土壤的呼吸对温度变化拟合相似度高的问题无法被克服。Robinson最近的研究（2017）指出，最低20个温度梯度拟合土壤呼吸对温度的响应曲线可以有效解决上述问题。PRI-8800全自动变温土壤温室气体在线测量系统为Q10的研究提供了强有力的工具，不仅能用于测量Q10对环境变量主控温度因子的响应，也能用于测量其对土壤含水量、酶促反应、有机底物、土壤生物及时空变异等的响应。PRI-8800为Q10对关联影响因子的研究，提供了一套快捷、高效、准确的整体解决方案。可设定恒温或变温培养模式；温度控制波动优于±0.05℃；平均升降温速率不小于1°C/min；150ml样品瓶，25位样品盘；大气本底缓冲气或钢瓶气清洗气路；一体化设计，内置CO2 H2O模块；可外接高精度浓度或同位素分析仪。 为了更好地助力科学研究，拓展设备应用场景，普瑞亿科重磅推出「加强版」PRI-8800——PRI-8800 Plus全自动变温培养土壤温室气体在线测量系统。 1）原状土冻融过程模拟：气候变化改变了土壤干湿循环和冻融循环的频率和强度。这些波动影响了土壤微生物活动的关键驱动力，即土壤水分利用率。虽然这些波动使土壤微生物结构有少许改变，但一种气候波动的影响（例如干湿交替）是否影响了对另一种气候（例如冻融交替）的反应，其温室气体排放是如何响应的？通过PRI-8800 Plus 的冻融模拟，我们可以找出清晰答案。 2）湿地淹水深度模拟：在全球尺度上湿地甲烷（CH4）排放的温度敏感性大小主要取决于水位变化，而二氧化碳（CO2）排放的温度敏感性不受水位影响。复杂多样的湿地生态系统不同水位的变化及不同温度的变化如何影响和调控着湿地温室气体的排放？我们该如何量化不同水位的变化及不同温度的变化下湿地的温室气体排放？借助PRI-8800 Plus，通过淹水深度和温度变化的组合测试，可以查出真相。 3）温度依赖性的研究：既然温度的变化会极大影响土壤呼吸，基于温度变化的Q10研究成为科学家研究中重中之重。2017年Robinson提出的最低20个温度梯度拟合土壤呼吸对温度响应曲线的建议，将纠正以往研究人员只设置3-5个温度点(大约相隔5-10℃)进行呼吸测量的做法，该建议能解决传统方法因温度梯度少而导致的不同土壤的呼吸对温度变化拟合相似度高的问题，更能提升不同的理论模型或随后模型推算结果的准确性。而上述至少20个温度点的设置和对应的土壤呼吸测量，仅仅需要在PRI-8800 Plus程序中预设几个温度梯度即可完成多个样品在不同温度下的自动测量，这将极大提高科学家的工作效率。 除了上述变温应用案例外，科学家还可以依据自己的实验设计进行诸如日变化、月变化、季节变化、甚至年度温度变化的模拟培养，通过PRI-8800 Plus的“傻瓜式”操作测量，将极大减少科学家实验实施的周期和工作量，并提高了工作效率。 PRI-8800 Plus除了具有上述变温培养的特色，还可以进行恒温培养，抑或是恒温/变温交替培养，这些组合无疑拓展了系统在不同温度组合条件下的应用场景。 4）水分依赖性的研究：多数研究表明，在温度恒定的情况下，Q10很容易受土壤含水量的影响，表现出一定的水分依赖特性。PRI-8800 Plus可以通过手动调整土壤含水量的做法，并在PRI-8800 Plus快速连续测量模式下，实现不同水分梯度条件下土壤呼吸的精准测量，而PRI-8800 Plus的逻辑设计，为短期、中期和长期湿度控制条件下的土壤呼吸的连续、高品质测量提供了可能。 5）底物依赖性的研究：底物物质量与Q10密切相关，这里的底物包含不限于自然态的土壤，如含碳量，含氮量，易分解/难分解的碳比例、土壤粘粒含量、酸碱盐度等；也可能包含了某些外源底物，如外源的生物质碳、微生物种群、各种肥料、呼吸促进/抑制剂、同位素试剂等。通过PRI-8800快速在线变温培养测量，能加速某些研究进程并获得可靠结果，如生物质炭在土壤改良过程中的土壤呼吸研究、缓释肥缓释不同阶段对土壤呼吸的持续影响、盐碱土壤不同改良措施下的土壤呼吸的变化响应等等。 6）生物依赖性的研究：土壤呼吸包含土壤微生物呼吸（90%）和土壤动物呼吸（1-10%），土壤微生物群落对Q10影响重大。通过温度响应了解培养前后的微生物种群和数量的变化以及对应的土壤呼吸速率的变化有重要意义。外源微生物种群的添加，或许帮助科学家找出更好的Q10对土壤生物依赖性的响应解析。1.Li C, Xiao C, Li M, et al. The quality and quantity of SOM determines the mineralization of recently added labile C and priming of native SOM in grazed grasslands[J]. Geoderma, 2023, 432: 116385.2.Ma X, Jiang S, Zhang Z, et al. Long‐term collar deployment leads to bias in soil respiration measurements[J]. Methods in Ecology and Evolution, 2023, 14(3): 981-990.3.He Y, Zhou X, Jia Z, et al. Apparent thermal acclimation of soil heterotrophic respiration mainly mediated by substrate availability[J]. Global Change Biology, 2023, 29(4): 1178-1187.4.Mao X, Zheng J, Yu W, et al. Climate-induced shifts in composition and protection regulate temperature sensitivity of carbon decomposition through soil profile[J]. Soil Biology and Biochemistry, 2022, 172: 108743.5.Pan J, He N, Liu Y, et al. Growing season average temperature range is the optimal choice for Q10 incubation experiments of SOM decomposition[J]. Ecological Indicators, 2022, 145: 109749.6.Li C, Xiao C, Guenet B, et al. Short-term effects of labile organic C addition on soil microbial response to temperature in a temperate steppe[J]. Soil Biology and Biochemistry, 2022, 167: 108589.7.Jiang ZX, Bian HF, Xu L, He NP. 2021. Pulse effect of precipitation: spatial patterns and mechanisms of soil carbon emissions. Frontiers in Ecology and Evolution, 9: 673310.8.Liu Y, Xu L, Zheng S, Chen Z, Cao YQ, Wen XF, He NP. 2021. Temperature sensitivity of soil microbial respiration in soils with lower substrate availability is enhanced more by labile carbon input. Soil Biology and Biochemistry, 154: 108148.9.Bian HF, Zheng S, Liu Y, Xu L, Chen Z, He NP. 2020. Changes in soil organic matter decomposition rate and its temperature sensitivity along water table gradients in cold-temperate forest swamps. Catena, 194: 104684.10.Xu M, Wu SS, Jiang ZX, Xu L, Li MX, Bian HF, He NP. 2020. Effect of pulse precipitation on soil CO2 release in different grassland types on the Tibetan Plateau. European Journal of Soil Biology, 101: 103250.11.Liu Y, He NP, Xu L, Tian J, Gao Y, Zheng S, Wang Q, Wen XF, Xu XL, Yakov K. 2019. A new incubation and measurement approach to estimate the temperature response of soil organic matter decomposition. Soil Biology & Biochemistry, 138, 107596.12.Yingqiu C, Zhen Z, Li X, et al. Temperature Affects new Carbon Input Utilization By Soil Microbes: Evidence Based on a Rapid δ13C Measurement Technology[J]. Journal of Resources and Ecology, 2019, 10(2): 202-212.13.Cao Y, Xu L, Zhang Z, et al. Soil microbial metabolic quotient in inner mongolian grasslands: Patterns and influence factors[J]. Chinese Geographical Science, 2019, 29: 1001-1010.14.Liu Y, He NP, Wen XF, Xu L, Sun XM, Yu GR, Liang LY, Schipper LA. 2018. The optimum temperature of soil microbial respiration: Patterns and controls. Soil Biology and Biochemistry, 121: 35-42.15.Liu Y, Wen XF, Zhang YH, Tian J, Gao Y, Ostle NJ, Niu SL, Chen SP, Sun XM, He NP. 2018.Widespread asymmetric response of soil heterotrophic respiration to warming and cooling. Science of Total Environment, 635: 423-431.16.Wang Q, He NP, Xu L, Zhou XH. 2018. Important interaction of chemicals, microbial biomass and dissolved substrates in the diel hysteresis loop of soil heterotrophic respiration. Plant and Soil, 428: 279-290.17.Wang Q, He NP, Xu L, Zhou XH. 2018. Microbial properties regulate spatial variation in the differences in heterotrophic respiration and its temperature sensitivity between primary and secondary forests from tropical to cold-temperate zones. Agriculture and Forest Meteorology, 262, 81-88.18.He N P, Liu Y, Xu L, Wen X F, Yu G R, Sun X M. Temperature sensitivity of soil organic matter decomposition:New insights into models of incubation and measurement. Acta Ecologica Sinica, 2018, 38(11): 4045-4051.19.Li J, He NP, Xu L, Chai H, Liu Y, Wang DL, Wang L, Wei XH, Xue JY, Wen XF, Sun XM. 2017. Asymmetric responses of soil heterotrophic respiration to rising and decreasing temperatures. Soil Biology & Biochemistry, 106: 18-27.20.Liu Y, He NP, Xu L, Niu SL, Yu GR, Sun XM, Wen XF. 2017. Regional variation in the temperature sensitivity of soil organic matter decomposition in China’s forests and grasslands. Global Change Biology, 23: 3393-3402.21.Wang Q, He NP*, Liu Y, Li ML, Xu L. 2016. Strong pulse effects of precipitation event on soil microbial respiration in temperate forests. Geoderma, 275: 67-73.22.Wang Q, He NP, Yu GR, Gao Y, Wen XF, Wang RF, Koerner SE, Yu Q*. 2016. Soil microbial respiration rate and temperature sensitivity along a north-south forest transect in eastern China: Patterns and influencing factors. Journal of Geophysical Research: Biogeosciences, 121: 399-410.23.He NP, Wang RM, Dai JZ, Gao Y, Wen XF, Yu GR. 2013. Changes in the temperature sensitivity of SOM decomposition with grassland succession: Implications for soil C sequestration. Ecology and Evolution, 3: 5045-5054.24.Liu Y, Kumar A, Tiemann L K, et al. Substrate availability reconciles the contrasting temperature response of SOC mineralization in different soil profiles[J]. Journal of Soils and Sediments, 2023: 1-15.25.Liu YH,Xiong DC,Wu C,et al.Effects of exogenous carbon addition on soil carbon emission in a subtropical evergreen broad-leaf forest[J]. Journal of Forest & Environment, 2023, 43(5).

ASD | 利用高光谱反射率预测温带落叶阔叶树木的叶片性状：通用模型可适用于整个生长季节吗？追踪生长季和地理区域中叶片性状的变化是理解陆地生态系统功能的关键。野外光谱法是原位监测叶片功能性状的有力工具，在农业、林业和生态学中都有许多应用，例如，叶片光谱已用于表征许多叶片理化特性，预测倍体水平，估计叶龄，甚至可以预测入侵植物对凋落物分解的影响。但目前尚不清楚是否可以开发通用统计模型来根据光谱信息预测性状，或是否需要根据条件变化进行重新校准。特别是，生长季多个叶片性状同时变化，是否可以从高光谱数据成功预测这些时间变化是一个悬而未决的问题。基于此，为了填补研究空白，在本研究中，一组国际研究团队利用标准实验室方法（包括光捕获和生长：N（%），δ15N（‰），δ13C（‰），叶绿素，可溶性C（%）和叶片含水量（LWC）；防御和结构：每单位面积的叶片质量（LMA g m-2）、总C（%）、半纤维素（%）、纤维素（%）、木质素（%）、总酚类（mg g-1）和单宁（mg g-1）；岩石衍生营养素：P（%）、K（%）、Ca（%）、Mg（%）、Fe（μg g-1）、Mn（μg g-1）、Zn（μg g-1）和B（μg g-1））和叶片光谱（利用光谱范围为350-2500 nm的ASD FieldSpec 3进行测量，在350-1000 nm，采样间隔为1.4 nm，在1000-2500 nm，采样间隔为2 nm）追踪了整个生长季的变化，研究了温带落叶树木多种叶片性状和光谱特性之间的联系。旨在回答以下问题：（1）常见物种叶片的理化性状在生长季如何变化？（2）叶片反射率在生长季如何变化？（3）生长季叶片理化性状和光谱之间是否存在可预测的关系，从而使叶片光谱能够不受时间限制地远程追踪森林生态系统功能的变化？然后评估叶片光谱是否可以在季节效应的影响下稳定地捕获叶片性状，为通过机载和星载传感器的高光谱成像进行大尺度叶片性状调查奠定基础。【结果】理化性状和光谱在整个生长季变化很大，虽然6月和9月之间收获的成熟叶片变化较小。重要的是，叶片光谱可以准确预测大多数叶片性状的季节性变化，成熟叶片的预测精度通常较高。然而，对于一些性状，PLSR估算模型因物种而异，单一PLSR模型不能用于物种水平的准确预测。8个落叶树种叶片光谱及其变异性（平均反射率（a）和变异系数（b））的季节模式。2017 年 5 -10 月，不同季节对英国剑桥Madingley林地21种叶片性状全/特定光谱数据最佳PLSR性能的影响。2017 年 5-10 月，不同物种对英国剑桥Madingley林地21种叶片性状全/特定光谱数据最佳PLSR性能的影响。【结论】叶片光谱可成功预测整个生长季多种功能性叶片性状，为机载和星载成像光谱技术监测和绘制温带森林植物功能多样性奠定了一定基础。请点击下方链接，阅读原文：https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650309890&idx=1&sn=9bddcb74cbb31a26c18ad6aee87f4344&chksm=bee1a9fd899620ebd02f200799a9370626a1d8b6fee07375ad2580b562fa8ad686a495393775&token=1524960455&lang=zh_CN#rd