不同生态环境蒙古栎的解剖结构差异分析Word格式文档下载.docx
- 文档编号:22265740
- 上传时间:2023-02-03
- 格式:DOCX
- 页数:7
- 大小:20.50KB
不同生态环境蒙古栎的解剖结构差异分析Word格式文档下载.docx
《不同生态环境蒙古栎的解剖结构差异分析Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《不同生态环境蒙古栎的解剖结构差异分析Word格式文档下载.docx(7页珍藏版)》请在冰豆网上搜索。
解剖结构;
干旱胁迫
同种植物生长在不同的生态环境下,植物的形态结构也会有所差异。
当植物长期处于逆境下:
如寒冷、盐碱胁迫和干旱胁迫等,植物颉颃逆境往往发生形态结构上的改变。
如阴生和阳生环境下植物会演化出不同的外部形态以及内部解剖结构特征,而
且,大量实验已充分证明植物的结构演化与环境的密切关系。
蒙古栎为壳斗科,栎属植物,是国家二级珍贵树种[1]。
在我国广泛分布于黑龙江、吉林、辽宁、内蒙古等省区[2]。
与常见农作物饲料玉米,高粱,青干草相比,蒙古栎含有较多的粗脂肪和粗蛋白,因而蒙古栎可作为高能量饲料[3,4];
蒙古栎中含有
7.24%单宁,单宁具有防腐作用,从而保证了蒙古栎木材的采集及使用[5];
此外,蒙古栎还用于饲养桑蚕以及医药等方面。
本文研究不但证明了环境影响植物形态建成的观点,也为蒙古栎栽培及应用提供了实验依据及指导。
一、实验材料及方法
实验材料为阴生和阳生蒙古栎的叶片和叶柄,材料均选取于吉林省长春市吉林大学校园内,取材时间均为2013年6月。
材
料清洗后,将叶片和叶柄切块后用固定液固定48h以上后,再经
酒精脱水,二甲苯透明,浸蜡包埋后切片、展片及粘片,阴干后将材料脱蜡并用番红固绿复染色法染色,最后进行封片烘干。
本实验使用显微镜(80i)观察蒙古栋石蜡切片的二维透射结构并进行显微摄像和数据测量。
、实验结果
2.1阴生环境蒙古栎的解剖结构
阴生环境下,蒙古栎的叶片相对阳生的大而薄,表皮毛较少或无。
显微镜下可清楚看到叶片由表皮,叶肉和叶脉3部分组成,但角质层相对较薄,栅栏组织一层且排列疏松,海绵组织不发达,栅栏组织与海绵组织比值较小,且主脉相对不发达。
显微镜下观察叶柄由表皮、皮层和维管柱3部分组成,阴生叶柄角质层较薄,维管束数目较多且分散,内部晶体数目较少。
详细数据见表1和图1(每个处理均设10个重复)。
2.2阳生环境蒙古栎的解剖结构
阳生环境下,蒙古栎的叶片相对小而厚,出现革质化,覆有表皮毛,叶片的解剖结构中同样是由表皮,叶肉和叶脉3部分组成,但发现阳生蒙古栎较阴生环境下叶片角质层明显加厚,形成2层栅栏组织且排列紧密,栅栏组织与海绵组织比值增大,叶主脉相对发达。
阳生叶柄基本结构也是由表皮、皮层和维管柱组成,但阳生蒙古栎的叶柄角质层加厚,并在角隅处明显加厚,维管束较集中,且晶体数目明显增多。
详细数据见表1和图1。
表1阴
生和阳生环境下蒙古栎特征结构的显微测量
特征结构阴生阳生叶片角质层厚度11.98;
0.174.30;
0.5叶9片表皮毛无或很少有栅栏组织层数1层2层栅栏组织高度138.46;
3.1652.63;
5.0海1绵组织高度135.19;
2.8745.91;
4.8叶5柄角质层厚度13.09;
0.475.42;
1.1叶3柄内维管束数目多束且分散少束且集中叶柄内晶体数目较少较多表中数据均为10次重复实验结果,'
;
表示测量数据标准误差()。
A1:
阴生叶片横切整体结构X4A2:
阳生叶片横切整体结构
X4B1:
阴生叶片栅栏组织X20B2:
阳生叶片栅栏组织及表皮毛
X20C1:
阴生叶主脉维管束X20C2:
阳生叶主脉维管束X20D1:
阴生叶柄横切整体结构X4D2:
阳生叶柄横切整体结构X4E1:
阴生叶柄表皮细胞X20E2:
阳生叶柄表皮细胞X20
图1阴生和阳生环境下蒙古栎特征结构的显微观测3分析及讨论
生态环境影响植物的形态建成,环境不同,植物会演化出不同的形态结构[3]。
本实验所用的阴生蒙古栎材料长年生长在少光阴湿的环境下,倾向于湿生植物的形态结构;
阳生蒙古栎常年生
长在光照充足,水分较少的干旱胁迫环境下,倾向于旱生植物形态结构。
本实验比较同种蒙古栎在不同生态环境下的解剖结构差异,从而验证植物形态建成与环境之间的密切关系。
实验结果表明,不同生境下蒙古栎解剖结构存在明显差异。
阴生与阳生蒙古栎的生境虽然不同,但2者叶和叶柄的基本结构相同。
但由于不同的环境胁迫条件,2种生境下蒙古栎演化出不同的内部解剖结构。
如叶片表皮毛有无和多少,角质层厚度[3],
维管束发达程度,以及晶体数目多少等。
阴生环境下水分相对较多,但阳光不够充足,因而阴生蒙古栎表现出叶片大而薄,叶片角质层相对较薄,维管组织相对不发达,叶柄角质层较薄,叶柄内晶体数目较少等特征。
阳生环境下植物可接受充足的阳光,但水分供应不足,阳生蒙古栎倾向于旱生植物结构,表现出叶片面积减小且厚度增加,此外叶片表面还出现革质化并覆盖有表皮毛,阳生蒙古栎叶片和叶柄均出现角质层加厚现象,皮层数增多,维管组织发达等特征,叶柄内晶体数目增多,这些结构的改变均有助于阳生环境下蒙古栎对水分的吸收,减少水分的蒸发以及起到对强光反射和遮蔽的作用,从而完成正常的新陈代谢作用和生长发育,体现了蒙古栎颉颃干旱逆境的能力[6]。
研究生态环境与植物解剖结构的关系,不仅丰富了解剖学的研究内容,还为实际栽培育种、园林规划和生产应用提供了重要的理论依据。
>
参考文献:
[1]许中旗,王义弘•蒙古栋研究进展[J]河北林果研究,2002(04):
365-370.
[2]于顺利,马克平,陈灵芝.中国北方蒙古栋林起源和发展的初步探讨[J].广西植物,2000(02):
131-137.
[3]谷安根,陆静梅•维管植物演化形态学[M].吉林科学技术出版社,1993.
[4]敖特根,等•蒙古栋橡子营养成分的研究[J]内蒙古农牧学院学报,1998(01):
77-81.
[5]曹海霞,杨晓清•蒙古栋橡子中单宁的脱除工艺[J].食品科学,2013(08):
136-139.
[6]冯成果•植物生态规律在城市绿地系统中的应用[J].农业开
发与装备,2012(06):
238-239.
与流量系数相关联的数据有闸前水头、闸后水头、空口净宽、闸门开度,则输入层神经元个数为4,输出层神经元为1,选取n个样本:
{(X1,y1),(X2,y2),...,(X20,)}(5)
其中{1,2,3,4},1,2,…,n。
表示第i个样本中第k个参数所代表的流量强度1,2,3,4。
为第i个样本中的实测流量。
输入层神经元4个,为闸门开度、闸前水头、闸后水头、空口净宽,输出层神经元1个,为实测流量,将所有数据进行归一化处理。
取神经网络梯度下降法学习算法学习效率为0.5,训练
精度取0.01,训练次数为2000。
对上述神经网络模型进行网络训练,训练结果如下:
放水河节制闸隐含层设为3层时精度为:
0.015441;
4层时精度为:
0.015376;
5层时精度为:
0.015378。
故隐含层选取精度最小的4层隐含层。
各闸门输入、输出权矩阵如表2。
表2隐含神经元个数为4权矩阵
闸门输入层权矩阵输出层权矩阵放水河节制闸5.74020.46128960.94999-0.5571120.3358424-0.2866769-0.92112231.05
8965-0.713352-5.1802-0.8456119-0.8865428-0.01462-0.9969012.34514
7-0.3966391-0.27491370.818604-0.787825-0.3147664
2.3合理性评价
流量系数与各相关影响因子的回归分析,建立回归方程仅仅是一种假定,是否符合实际情况就必须对率定系数的结果进行检验。
从已知数据中随机找10次测量数据,用上述最小二乘法推求的流量系数以及神经网络法求出的权矩阵求解计算流量,再与实测流量对比,求出相对误差。
经计算各组样本中,平均误差均不到3%,误差小于5%[6]的样本比例分别为:
最小二乘法数据:
70%、100%、100%、60%;
神经网络法数据:
80%、100%、100%、100%。
从以上计算及相关统计参数可以很明显的看出,用神经网络回归得出的数据相比最小二乘法的要好些,并且计算的流量很接近原始测量数据。
但回归分析的效果好坏要综合来看,比如考虑相关参数的全面性,计算量的大小,回归方程的直观性,回归数据统计效果等[7],下面就从这几个方面进行对比分析。
2.3.1相关参数的全面性
最小二乘法中,率定的拟合流量系数中有2项:
淹没系数、流量系数,淹没系数是反应下游水深对于过闸水流的淹没影响程度,由于每组数据的开度-闸后水位-上下游水位差差别较小,淹没系数表中精度有限,使得人工读数误差加大。
而神经网络法在输入层数据函数中加入了闸后水位这一项,在网络内部建立样本的复杂结构,考虑影响流量的参数更为全面,回归出的数据精度更高。
2.3.2计算量
最小二乘法等传统回归方法,计算量的大小会随着变量个数的增加而呈指数形式增加,而神经网络法回归分析时,较多的计算量都花费在训练上。
对于本次回归分析,由于变量较少,最小二乘法的计算量不是很大,求解的精度达到了相应要求,所以神经网络的优越性不是很显著。
2.3.3回归方程的直观性
从回归方程的直观性来看,最小二乘法求出的回归方程比较直观,而用神经网络不能求出回归方程。
最小二乘法等一般回归方法是以求解回归方程为目的,本次分析研究中,先建立了闸孔出流的数学模型,根据此模型和样本数据进行下一步的计算。
而神经网络是通过学习来逼近目标函数,它把信息记忆在相关联的连接权上,当误差达到一定要求时,就形成了输入和输出之间的一定程度上的近似对应关系。
2.3.4回归数据统计效果
最小二乘法是对目标函数的一种近似求解,是一种用数学模型去近似表达输入输出的某种关系。
对于模型的选取要求较严格。
神经网络是对目标函数的逼近,只要网络结构合理,训练效果好,回归出的数据精度相比最小二乘法要高,从本次计算数据上也证明了这一点。
三、总结
通过运用最小二乘法、神经网络法这2种回归方法分析京石段第4次通水放水河节制闸、坟庄河节制闸、北拒马河节制闸、沙河引水闸数据,可得出闸门开启程度、流量系数与水头具有相应的函数关系。
应用最小二乘法推算出的流量系数,为闸孔自由出流的淹没系数,而查表得出的淹没系数会使误差加大。
而神经网络在输入层数据矩阵中有闸孔开度、闸前水位、闸后水位和孔口净宽4项,考虑影响因素更全面,输入层数据矩阵为实测流量。
其中个别点误差较大,是由于仪器、检测条件、环境等因素的限制,对于实测流量的测量不可能无限精确,测量值与客观存在的真实值之间总会存在着一定的差异,这是不可避免的。
由于京石段运行年数有限,实测数据并不充足,相信在日后数据更充足情况下计算的数据会更具备参考价值。
[1]廖伟明,罗剑,周斌.最小二乘法在水文参数率定中的应
用[J].上饶市水利水电勘测设计院,2012(04).
[2]吴新根,葛家理•人工神经网络在回归分析中的应用[J]北京石油大学,1995(07).
[3]陈晓楠,黄强,邱林,等.基于神经网络的农业干旱评估
模型及其概率分布研究[J]西安理工大学,2011(05).
[4]孙东坡,丁求新•水力学[M].黄河水利出版社,2009.
[5]宋孝玉,马细霞.工程水文学[M].黄河水利出版社,2009.
[6]尚松浩.水资源系统分析方法及应用[M].清华大学出版社,2007.
[7]辛大欣,王长元,肖峰神经网络在回归分析中的应用研究
[J]•西安工业学院,2002(11).
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 不同 生态环境 蒙古 解剖 结构 差异 分析
![提示](https://static.bdocx.com/images/bang_tan.gif)