A Cistanche Deserticola YC Ma ökológiai modellezése Alxában, Kínában

Absztrakt

CistancheA deserticola YC Ma-t régóta használják gyógyászati ​​célokra Kínában. Főleg a kínai Belső-Mongólia, Ningxia, Gansu és Hszincsiang tartományokban nő, az északnyugat-kínai Alxa régióban található fajok pedig a legkülönlegesebb tulajdonságokkal rendelkeznek. A cistanche deserticola herbalizmus minőségének és földrajzi elterjedésének magyarázatára 65 vadon élő növényből vettünk mintát Alxában, meghatároztuk azok echinakozid- és akteozidtartalmát, valamint maximális entrópiamodellezés és földrajzi információs rendszer segítségével felmértük az ökológiai környezet és a cistanche deserticola minősége közötti kapcsolatot. Meghatároztuk a jó minőségű cistanche deserticola fajok növekedésére alkalmas területeket. A növekedési alkalmasság regionalizációs elemzése kimutatta, hogy a cistanche deserticola növekedését leginkább befolyásoló ökológiai tényezők a talajtípus, az éves napsütés időtartama, a tengerszint feletti magasság, a hőmérsékleti szezonalitás (szórás × 100), a vegetáció típusa, a napsütés időtartama a vegetációs időszakban, az átlagos csapadék mennyisége. augusztusban és az átlaghőmérséklet júliusban.

A cistanche deserticola termesztésére a legalkalmasabb területek az Ejin Bannertől délkeletre, az Alxa Right Banner középső részén és az Alxa Left Bannertől északra találhatók. A minőségi alkalmasság regionalizációs elemzése kimutatta, hogy a glikozidok esetében a leginkább befolyásoló ökológiai tényezők acistancheA deserticola a napsütés időtartama júniusban, az átlagos csapadék májusban, az átlagos hőmérséklet márciusban, és a legjobb minőségűcistancheA deserticola Dalaihob városában, Ejin Bannerben nő. Az ellenőrzés során a kísérlet eredménye nagy pontosságot ért el, 0.994, ami azt jelzi, hogy ezek az eredmények összhangban vannak a cistanche deserticola tényleges elterjedésével Alxában. A tanulmány eredményei tudományos alapként szolgálhatnak a mesterséges ültetési alapok helyválasztásáhozcistanchedeserticola.

Kattintson a Cistanche kapszula termékre

Bevezetés

Az ökológiai környezet, beleértve a domborzatot és az éghajlatot, kulcsfontosságú külső tényezők, amelyek befolyásolják a gyógynövények növekedését, elterjedését és minőségét. Kína az 1980-as években kezdett kutatni a gyógynövény-források regionalizálásával, a kínai Materia Medica erőforrások harmadik országos felmérése alapján.

Az akkori technikai korlátok miatt az ökológiailag megfelelő régiók és a gyógynövények elterjedésének elemzésére csak olyan tényezőket alkalmaztak, mint a kínálat, a kereslet és a termelés. A növények ökológiai fülkéire vonatkozó tanulmányokat a térinformatikai rendszer erős térinformáció-kezelési képességének és a MaxEntnek a lehetséges fajeloszlás előrejelzésére való képességének kombinációjával frissítették. Emellett korrelációs és klaszteranalízisek segítségével kvantitatív összefüggés állapítható meg az ökológiai környezet és a gyógynövények minősége között2,3,4. Ezt a növekedési alkalmasság regionalizálási módszerét széles körben alkalmazták a gyógynövények eredetének megfelelőségének felmérésére, jó eredménnyel5,6. A MaxEnt modellezés az egyik leggyakrabban használt fajeloszlási modell, és ökológiai tényezőkön alapuló automatikus számításokat végez a fajok elterjedésének előrejelzésére7,8,9. Ez a szoftver biztosítja az ökológiai tényezők kompatibilitását, kiküszöböli a szubjektív tényezők hatását a számítási folyamatra, és a modell kimenete teljes mértékben az objektív mintavételi eredményektől függ10.

Egyes tanulmányok szerint, ha a MaxEnt modellt a térinformatikai szoftverrel alkalmazzák, jobb teljesítményt mutat a potenciális fajok elterjedésének előrejelzésében, mint más modellek11,12,13. Különösen akkor is képes kielégítő előrejelzést adni, ha a fajok elterjedésére vonatkozó információk hiányosak14,15,16. Ahogy a 21. században egyre fejlettebbé vált a minőségi alkalmasság regionalizálási módszertana17,18, a minőségi alkalmassági regionalizálás eredményei nélkülözhetetlenek és fontosak lettek a gyógynövények telepítési alapjainak pontos helyválasztásához.

A Cistanche nemzetségbe tartozó növények az Orobanchaceae családba tartozó évelő parazita gyógynövények, és gazdanövényeik többsége olyan nemzetségekhez tartozó homokkötő növény, mint a Kalidium, Haloxylon, Tamarix stb. Kínában a Cistanche négy faja és egy fajtája van, melyek közöttcistancheA deserticola (1. ábra) a kínai Materia Medica irodalomban az egyik legjobb kínai gyógynövény-gyógyszerként szerepel.cistancheA deserticola régóta orvosi felhasználásra került, mint hagyományos kínai recept a vesék erősítésére és a Yang tonizálására. Egészséges gyógyászati ​​funkcióinak és hatásainak köszönhetőencistancheA deserticolát nagyra értékelik, és "A sivatagi ginzeng" néven ismerik19,20,21,22. A Kínai Gyógyszerkönyv megjelenése (1977) ótacistancheA deserticolát Cisztanche egyetlen ortodox forrásának tekintették. és később kiderültcistancheA deserticola nagy piaci keresletéhez képest hiányt szenvedett.

Ezért a Cistanche tubulosa a Kínai Gyógyszerkönyvbe is bekerült (2015), mint egy másik valódi Cistanche23. VadcistancheA deserticola igen specifikus termesztési környezetet igényel, és a környezeti feltételek nagyban befolyásolják a növény minőségét. Ezért csak Kína Belső-Mongólia, Gansu és Hszincsiang területén található sivatagi területeken van elterjedve. Ezek közül a régiók közül a Belső-Mongóliában található Alxa (97° 10′E–106° 52′E/37° 21′N – 42° 47′N) a legideálisabb hely a fajok növekedéséhez.cistanchedeserticola faj és tápnövényei, a Saxaul (Haloxylon ammo dendron), mivel a közép-ázsiai kontinensen, a tengertől távol eső szárazföldi fennsíkon található, és jellegzetes kontinentális éghajlatú.cistancheAz Alxában termő deserticola termése nagyobb és húsosabb, pektinben és tanninban gazdag, kiváló minőségű, így az Alxa jól ismert eredete ennek a gyógynövénynek.

Anyagok és metódusok

Célfaj

Az Alxa körülbelül 10,{1}} km2 természetes Haloxylon ammo dendron erdőt és több mint 500 km2 mesterséges Haloxylon ammo dendron erdőt foglal magában. Dokumentumkutatás és helyszíni látogatások szerint vadcistancheA deserticola fajok főként az Alxa Left Banner Jilantai és Aolunbulage régióiban, az Alxa Right Banner Alatengaobao és Alatengzhaokesumu régióiban, valamint az Ejin Banner Dongfeng Town, Dalaihob Town és Saihantaolai régiójában találhatók. A hagyományos útvonalmérést a négyzetméréssel ötvöztük, és a tapasztalatok alapján három reprezentatív útvonalat választottunk kicistanchedeserticola gyűjtemény helyi gazdáktól és pásztoroktól.

Ezen útvonalak követésével mintavételi pontokat határoztunk meg az Ejin Bannerben, az Alxa Left Bannerben és az Alxa Right Bannerben. Az egyes mintavételi pontok koordinátáit (szélességi és hosszúsági adatok) GPS segítségével rögzítettük, és a kvadrátokat kijelöltük. Az egységesség és reprezentativitás elvét követve 15 mintavételi területet véglegesítettünk Alxában, aholcistanchedeserticola mintákat gyűjtöttünk rácsos mintavételi módszerrel24,25,26. Minden mintavételi területen három-öt mintavételi pontot helyeztek el, amelyek egymástól nagyjából 500-1,{5}} m távolságra helyezkedtek el. Összesen 65 mintavételi pont volt. Mivel az echinakozid (EC) és az akteozid (AC) tartalma a növekedés időtartamával változik, a növekedés időtartamacistancheDezerticola fajokat figyelembe vettünk. A változók elfogadható tartományon belüli szabályozására csak tavasszal gyűjtöttünk mintát a tartalom meghatározásához. Így a minták hatékony összetevői közötti eltérések csökkentek. A mintavételi pozíciókat a 2. ábra részletezi. Az ezekre a mintákra vonatkozó információk a kiegészítő anyag 1. függelékében találhatók. Az EK referenciaanyagokat (CAS: 82854-37-3) és az AC referenciaanyagokat (CAS: 50932-20-2) a Chengdu Pufeide Biotech Co., Ltd.-től vásárolták.

Kísérleti berendezés

HPLC (Ultimate3000 modell, Thermo Fisher Scientific), porlasztó (ST-08 modell, 1800 W, Shuaitong Electric), digitális ultrahangos tisztító (KQ-500DE modell, Sonxi Ultrasonic), laboratóriumi víztisztító (AMFI modell) -5-P, Yiyang Enterprise), elektronikus analitikai mérleg (AR153O modell, Mettler Toledo), asztali centrifuga (TGL-16G, Shanghai Anting).

Módszer

Ebben a vizsgálatban 65 helyet választottunk ki a mintavételre, és meghatároztuk az összes minta EC és AC tartalmát. A növekedési alkalmasság kiszámításához MaxEnt-et használtunkcistanchedeserticolával, és azonosítani kell a megfelelő termőhelyeket. A fűszernövények minősége és ökológiai termőkörnyezetük közötti összefüggés feltárására térképet készítünk a minőség-alkalmassági regionalizáláshoz.cistanchedeserticola Alxa-ban az élőhelyi feltételek EC és AC akkumulációs folyamatra gyakorolt ​​serkentő és gátló hatásának elemzése alapján ábrázoltuk. A technológiai útiterv a 3. ábrán látható.

Ökológiai tényező adatok beszerzése

74 ökológiai tényező adatait gyűjtötték össze, beleértve a meteorológiai adatokat, a talajtípusokat, a topográfiai adatokat, a vegetációtípusokat és az átfogó meteorológiai adatokat (lásd a Kiegészítő információkat a cikkben használt adatokért). Az elemzéshez 69 folytonos és 5 kategorikus folytonos változó volt. A meteorológiai adatokat 1951-től 2000-ig Kínában 752 felszíni meteorológiai állomásról és automata meteorológiai állomásról szerezték be havi és éves szinten 1 km-es felbontással.

A tanulmány meteorológiai tényezőadatait tudományos elemzésből és számítási eredményekből nyertük, beleértve a havi csapadék és átlaghőmérséklet adatokat27. A talajtípus adatokat a Kína földkészletére vonatkozó második, 1995-ös országos felmérésből származtattuk, és Kína 1:1,000,000 talajtípus adatait használtuk fel28. A domborzati adatok a magasságot, a lejtőt és a szempontot tartalmazták 1 km-es felbontással 29. A vegetációtípusok adatait az 1:1,000,000 vegetációs térkép alnemzetségeinek vegetációs adatai alapján gyűjtöttük össze. Botanikai Intézet, Kínai Tudományos Akadémia30. Az átfogó meteorológiai adatként használt melegségi indexet és hidegségi indexet a Kira termikus indexéből31 származtatták, a páratartalom indexét pedig a Xu Wenduo által módosított Kira 32-es páratartalom-index.

Ökológiai tényezők szűrése

Az egyes mintavételi pontokhoz tartozó attribútumadatokat a korrelációs szoftver elemzése előtt számítottuk ki. A korrelációs együtthatókat 74 ökológiai tényező között számoltuk, és megtartottuk a 0,8-nál kisebb korrelációs együtthatójú ökológiai tényezőket. Huszonkilenc ökológiai tényező felelt meg ezeknek a követelményeknek.

A MaxEnt működésének és pontosságának tesztelése

A mintavételi helyek adatait és a megmaradt ökológiai tényezőket a MaxEnt szoftverben rögzítettük (3.3.3 k verzió, biodiversityinformatics.amnh.org/open_source/maxent). A szoftver ezen verziója folyamatos változókat és kategorikus változókat tud azonosítani. A nem folytonos változó (kategorikus változó) olyan szám, amely egy kategorikus változó minden kategóriáját azonos intervallumban reprezentálja. Ez egy általános gyakorlat, ahol különböző intervallumokat használnak a végső korreláció befolyásolása nélkül4. Az iterációk maximális számát 106-ra állítottuk be, a konvergencia küszöbértékét 0,00005-re állítottuk be, míg a többi paramétert az alapértelmezett értékre állítottuk be. A „Fixed kumulative value 1”-re egy küszöbérték-szabálykészletet alkalmaztunk, majd létrehoztuk a ROC-görbét. Ezeket a számításokat tízszer megismételték. Ezen számítások átlageredményeit használtuk végső élőhely-alkalmasságként. Az egyes ökológiai tényezők hozzájárulása a növekedéshezcistanchedeserticolát kaptunk, és kiszámítottuk az átlagos növekedési alkalmasságot. Az előrejelzési modellben a potenciális fajok eloszlásának ROC görbe elemzését széles körben alkalmazzák a MaxEnt számítások pontosságának értékelésében. Az AUC-érték a tesztelési és értékelési mutatók értékelésére általánosan használt mutató 33. A ROC-görbe elemzésével kapott AUC-értéket (a ROC-görbe alatti területet) a küszöb nem befolyásolja.

Növekedési alkalmasság regionalizálásacistanchedeserticola

Az élőhely-alkalmassági megoszlás kimutatására a regionalizációs modellt alkalmaztukcistanchedeserticola. Az élőhely-alkalmasságot 65 mintavételi pontból határoztuk meg, és kiszámítottuk az átlagot (μ) és a szórást (σ). Az élőhely-alkalmasságot ezután 3 szintre osztották, és három színnel jelölték meg nem megfelelő, megfelelő és optimális területként. Az alkalmassági osztályozás a normál eloszlás elméletét alkalmazza a μ − 0.5σ értékhez a nem megfelelő és megfelelő területek közötti küszöbként, valamint a μ plusz σ értékhez a megfelelő és optimális területek közötti küszöbként. Az ökológiai fedőrétegeket tartalmazó rétegek az ArcMap-be lettek betöltve. A rétegtulajdonságok szimbólumrendszerében az élőhely-alkalmassági besorolás szerint Beállítások.

Index összetevők tartalmának meghatározása acistanchedeserticola

A feniletanoid-glikozidok (PhG-k) a legnagyobb mennyiségben előforduló glikozidokcistanchedeserticola, valamint az EC és az AC ezeknek a vegyületeknek a képviselői34,35. A Kínai Gyógyszerkönyv (2015) szerint az EC és az AC az index összetevői acistanchedeserticola tartalom36.cistancheMinden mintavételi pontról deserticola mintákat gyűjtöttünk, és három párhuzamos mintát készítettem elő HPLC analízishez, hogy kiszámítsuk az egyes mintavételi pontokból származó minták átlagos EC és AC tartalmát.

Minőségi alkalmasság regionalizálásacistanchedeserticola

Változó korrelációs analízist végeztünk az AC és EC tartalom, valamint a mintavételi pontokról gyűjtött összes ökológiai tényező adat között, hogy létrehozzuk az AC és EC előrejelzési modelljét. Azonosítottuk azokat az ökológiai tényezőket, amelyek együttesen hatnak az EC és AC tartalom felhalmozódására, és megvizsgáltuk az ökológiai tényezők hatását a PhG-k felhalmozódására. Az EC és AC tartalmat függő változóként, az ökológiai tényezőket pedig független változóként használták fel, hogy lineáris összefüggést illesszenek, és felállítsák a modell minőségi alkalmassági regionalizálását.cistanchedeserticola.

Eredmények

Ökológiai tényezők szűrése

A mintavételi pontokról gyűjtött 74 ökológiai tényezőre korrelációs elemzést végeztünk, és a 0,8-nál nagyobb korrelációs együtthatójú tényezőket eltávolítottuk. A szűrést követően 29 ökológiai tényező maradt meg(Ábra.4).

MaxEnt modell pontossági tesztelése

A modell pontossági tesztjében az AUC értékek a {{0}},5–0,6, 0,6–0,7 tartományba esnek. , {{10}},7–0,8 és 0,8–0,9 azt jelezték, hogy a pontossági modell rendkívül alacsony, alacsony, magas és nagyon magas szinttől 37-ig terjedt. a MaxEnt számított eredményei, a működési jelleggörbecistanchedeserticola.kitervezték. ábrán látható módon.5, a szimulált tesztelési adatokból kapott átlagos AUC érték 0,994 volt, ami azt jelzi, hogy a hangprediktív teljesítményű MaxEnt rendkívül megbízható és pontos.

Az ökológiai tényezők hozzájárulásacistanchedeserticola

Kiszámoltuk a környezeti tényezők hozzájárulását a növekedéshezcistanchedeserticola (lásd a kiegészítő anyag 2. függelékét). Nyolc ökológiai tényező, nevezetesen a talajtípus, az éves napsütés időtartama, a tengerszint feletti magasság, az évszakos változások szórása, a vegetáció típusa, a napsütés időtartama a vegetációs időszakban, az augusztusi átlagos csapadékmennyiség és a júliusi átlaghőmérséklet több mint 90 százalékát adták. a teljes hozzájárulás.

Növekedési alkalmasság regionalizálásacistanchedeserticola az Alexában

A növekedési alkalmasság regionalizációs térképecistanchedeserticola (6. ábra) növekedési alkalmassága után ábrázoltukcistancheA deserticolát különböző szintekbe sorolták. Az optimális területek a növekedéshezcistancheA deserticola az Alxa Left Banner központjában található Jilantai várost, az Alxa Right Bannerben lévő Tamusubulaget, az Ejin Banner délnyugati részén fekvő Dongfeng várost és Dalaihob város környékét körülvevő területen helyezkedett el. A megfelelő területek a növekedéshezcistanchedeserticola közé tartozik Bayannuorigong, Yingen és környéke Alxa Left Bannerben, Alatengaobao és Tamusubulage környező területei Alxa Right Bannerben, valamint Mazongshan és Saihantaolai Ejin Bannerben. A fennmaradó területek az előrejelzések szerint nem megfelelőek a növekedéshezcistanchedeserticola.

Az ökológiai tényezők válaszgörbéit úgy állítottuk elő, hogy a nyolc legfontosabb ökológiai tényezőt elemeztük a növekedéshez való hozzájárulásukra vonatkozóan.cistanche deserticola, és az eredményeket a 7. ábra foglalja össze.

A növekedésre alkalmas talajtípusokcistanche deserticolák közé tartoznak a kalóriatartalmú cambisolok, a függőleges cambisolok, a kalóriatartalmú szolonchakok és a luvisolok (A). Növekedésére alkalmas növényzettípusokcistanche A deserticola a mérsékelt égövi sivatagi sztyeppéket vagy sivatagi cserjéket foglalja magában (B). Ha a szórás 10-16 tartományba esik, akkor ez kedvez a növekedésnekcistanche deserticola (C). Ha a tengerszint feletti magasság 500-2,000 m tartományban van, akkor alkalmas acistanche deserticola (D). A napsütés időtartamának egy bizonyos tartományán belül a növekedési alkalmasságcistanche A deserticola pozitív korrelációt mutat az éves napsütés időtartamával és a tenyészidőszak napsütési időtartamával, ami a növekedési alkalmasságot jelenti.cistanche A deserticola megnövekszik az éves napsütéses időtartam meghosszabbodásával (E). Acistanche A 3,000 órát meghaladó éves napsütéses deserticola fajok kiválóan alkalmasak a növekedésre. A tenyészidőszakban a 2,000 óránál hosszabb napsütés kedvező hatással van a növekedésrecistanche deserticola (F). Növekedésére alkalmascistanche deserticola, amikor az augusztusi átlagos csapadékmennyiség 0–200 mm tartományba esik, miközben a túl sok csapadék nem tesz jót acistanche deserticola (G). Növekedésére alkalmascistanche deserticola, amikor a júliusi átlaghőmérséklet 20-30 fok (H) között van.

AC és EC tartalom

Az EC és az AC tartalma incistanche deserticola minták a hatályos Kínai Gyógyszerkönyvben (2015) meghatározott előírások szerint készültek, és indikátorként használhatók fel a minőségi alkalmassági regionalizáláshoz.cistanche deserticola.

Minőségi alkalmasság regionalizálásacistanche deserticola az Alexában

Az AC és EC tartalom bennecistanche deserticola minták a Kiegészítő Anyag 3. függelékében találhatók. Az AC, EC és az ökológiai tényezők közötti korrelációs együtthatók a Kiegészítő Anyag 4. függelékében találhatók. Amint azt az AC, EC és az ökológiai tényezők közötti korrelációs együtthatók is tükrözik, a júniusi átlagos napsütéses időtartam szignifikánsan pozitívan korrelált az AC és EC felhalmozódásával, a májusi és augusztusi átlagos csapadék pedig szignifikánsan, negatívan az EC felhalmozódásával. , a márciusi átlaghőmérséklet pedig szignifikánsan, pozitívan korrelált az AC felhalmozódásával. Szignifikáns összefüggések voltak megfigyelhetők az AC, EC és az ökológiai tényezők között is. A májusi és augusztusi átlagos csapadékmennyiség és a páratartalom index szignifikánsan korrelált az EC-vel, ami azt jelzi, hogy a tavaszi és nyári túlzott csapadék nem kedvez az EC felhalmozódásának.cistanche deserticola.

A márciusi átlaghőmérséklet és a júniusi napsütés időtartama szignifikánsan és pozitívan korrelált az AC-tartalommal, ami azt jelzi, hogy bizonyos mértékig kedvezőbb az AC felhalmozódása, ha a márciusi hőmérsékletek magasabbak és a napsütés időtartama A június hosszabb. A korrelációs együttható alapján ökológiai tényezőkből és indexkomponensekből álló illeszkedő egyenleteket állítottunk fel: y{{0}} −0.053x1 − 0.06x2 plusz 1,326 , R2 = 0.621 (y1 az EC-tartalmat, x1 az augusztusi átlagos csapadékmennyiséget, x2 pedig a májusi átlagos csapadékmennyiséget jelöli). y2 = −0,001x1 plusz 0,008x2 − 2,196, R2 = 0,499 (y2 jelöli az AC tartalmát, x1 a napsütés időtartamát júniusban, x1 pedig a márciusi átlaghőmérsékletet). A fajták különböző tulajdonságait különböző színek képviselik.

Az EC, AC és ökológiai tényezők közötti korrelációs együtthatók összesítése azt is mutatja, hogy mind a júniusi napsütés időtartama, mind a márciusi átlaghőmérséklet szignifikánsan, pozitívan korrelált az EC és AC tartalom felhalmozódásával, míg a májusi átlagos csapadékmennyiség szignifikánsan negatívan korrelált az EC és AC tartalom felhalmozódásával. Ezért egy két PhG-ből (y3) és ökológiai tényezőből (x) álló illeszkedő egyenlet y3 = −0.002x1 plusz 0,015x2 − 0,048 − 4,018, R2 = 0,36, (y3 jelöli az EC és AC tartalmat összesen, x1 a júniusi napsütés időtartamát, x2 a márciusi átlaghőmérsékletet, x3 pedig a májusi átlagos csapadékmennyiséget). Az alkalmasság regionalizálásacistanche deserticola AC és EC alapú, és ezt szemlélteti a 8. ábra.

A 8(A) ábra szerint az EK-tartalom megoszlása ​​a bencistanche A deserticola Alxában folyamatos növekedést mutat keletről nyugatra. Ezenkívül az Ejin banner keleti részén és az Alxa Right Banner északi részén az ökológiai környezet kedvez az EC felhalmozódásának, míg az Alxa Left Banner klímája viszonylag kedvezőtlen az EK felhalmozódására, ami azt jelzi, hogy ez a leginkább alkalmatlan élőhely a felhalmozódásra. EK-tartalom az Alxában. Saihantaolai városa, Dongfeng városa és környéke a legkedvezőbb terület az EK-tartalom felhalmozódása szempontjából.cistanche deserticola. A 8(B) ábra azt mutatja, hogy az AC tartalom eloszlásacistanche deserticola in Alxa általában összhangban van az EC-vel. A 8(C) ábra az alkalmassági regionalizálás EC és AC alapján történő integrálását mutatja be. Jelezte, hogy acistancheAz Ejin Banner keleti részén növekvő deserticola fajok a legjobb általános minőséggel rendelkeznek, ami arra utalt, hogy acistancheA Saihantaolaiban, Dongfeng Townban, Dalaihob Townban és Subornaoerben termelt deserticola fajok tartalmazzák a legmagasabb aktív összetevőket.

Vita

A tanulmányi eredmények összehasonlítása másokkal

Vizsgálataink egybeestek a korábbi élőhely-alkalmassági vizsgálatok eredményeivelcistanche deserticola.

A minőségi regionalizáció eredményének elemzése

Ebben a tanulmányban az EK és az AC tartalmacistanche deserticola méréseket végeztek az ökológiai környezet és a növekedés minősége közötti kapcsolat feltárásáracistanche deserticola ökológiai tényezők és MaxEnt modell alapján, a növekedési alkalmasság és a minőségi alkalmasság regionalizációjának elemzésére.cistanchedeserticola. Az EC és AC tartalmat és két pozitív korrelációs faktort lineárisan elemeztük, és az R2 értéke 0,621 és 0,499 volt. Az R2 nem érte el az ideális értéket, ami a faj ritkaságából és a minták korlátozott számából adódhat. Az eredmények megbízhatóságának további igazolására főkomponens-elemzést (PCA) használtunk a növényi metabolitkoncentráció és a környezet kapcsolatának szemléltetésére. A kifejtett teljes variancia a kiegészítő anyag 5. függelékében látható. Az első 8 jellemző gyökfőkomponens kumulatív variancia-hozzájárulási aránya 91,884 százalék volt, ami az információ nagy részét lefedte. Ez azt jelzi, hogy az első 8 fő komponens képviselheti a kezdeti 29 mutatót annak elemzéséhez, hogy az éghajlat milyen hatással van az aktív komponensek felhalmozódására.cistanche deserticola. A PCA első 8 jellegzetes gyökere talajtípusokat, elhúzódó éves napfénytartamot, szórást, vegetációtípusokat, júliusi átlaghőmérsékletet, tengerszint feletti magasságot, tenyészidőszaki napsütést és augusztusi átlagos csapadékmennyiséget tartalmaz, ami összhangban van a korrelációs elemzés.

A korrelációs együtthatók összegzése arra utal, hogy három ökológiai tényező azonos tendenciát mutat szignifikáns korrelációban az EC és AC tartalom felhalmozódásával, ezek a júniusi napsütés időtartama, a márciusi átlaghőmérséklet és a májusi átlagos csapadékmennyiség. Mivel az EC és az AC a PhG-k reprezentatív aktív összetevői, arra lehet következtetni, hogy ez a három ökológiai tényező jelentősen befolyásolhatja a PhG-k szintézisétcistanche deserticola. Célunk volt az Alxa-ban más, PhG-t tartalmazó gyógynövények termesztési regionalizációjának vizsgálata, valamint a PhG-k gyógynövényekben való eloszlásának feltárása ezen a területen.

Összehasonlítás a jelen tanulmányban az alkalmassági regionalizáció alapján kiválasztott területek és a hagyományos termőterületek közöttcistanche deserticola azt sugallja, hogy a leginkább alkalmas területek a hagyományos termesztési területek. Bár a mintavételi kört a fajok maximalizálása érdekében bővítettékcistanche deserticola mintát kell venni, néhány vadoncistanche Az ismeretlen területeken növekvő deserticola fajok korlátok, például ökológiai feltételek miatt nem szerepeltek ebben a vizsgálatban. Ezeket az ismeretlen területeket bevonjuk további vizsgálatainkba.

A Cistanche deserticola minőségi regionalizálásának eredménye az Alexában

A regionalizációs vizsgálat módszere felhasználható a termelés irányítására és a jó minőségű területek pontosabb azonosítására, mesterséges telepítési bázisok kialakítására.cistanche deserticolát azokon a területeken. A talajtípus, az éves napsütés időtartama, a tengerszint feletti magasság, a hőmérséklet szezonalitása (szórás × 100), a vegetáció típusa, a napsütés időtartama a tenyészidőben, az augusztusi átlagos csapadék és júliusi átlaghőmérséklet a legfontosabb tényezők, amelyek befolyásolják a növény növekedését.cistanche deserticola. A júniusi napsütés időtartama, a márciusi átlaghőmérséklet és a májusi átlagos csapadékmennyiség a legfontosabb tényezők, amelyek befolyásolják a minőséget.cistanche deserticola. Javasoljuk, hogy Dalaihob városát válasszák a mesterséges központnakcistanche deserticola ültetési bázisok Alxában, annak érdekében, hogy elősegítsék a GAP termelőbázisok építését, valamint a gyógynövények védelmét és gondozását Alxában. Az ültetés gazdasági előnyeicistancheA deserticola javulni fog, mivel a szántóföldi kezelés tudományos technikáit elfogadják az ökológiai tényezők szabályozására az ültetési területen.

Adatok elérhetősége

A 74 ökológiai tényezőt tartalmazó adatkészletet a kínai orvoslás forrásainak geospatial grid information adatbázisa biztosítja Pekingben.

Hivatkozások

1. Kínai Nemzeti Hagyományos Kínai Orvostudományi Társaság. A hagyományos kínai orvoslás regionalizálása. Science Press, Peking (1997).

2. Phillips, SJ, Anderson, RP és Schapire, RE A fajok földrajzi eloszlásának maximális entrópia modellezése. Ecol. Modell. 190, 231–259 (2006).

3. Elith, J. et al. A MaxEnt statisztikai magyarázata ökológusok számára. Különféle. Distrib. 17, 43–57 (2011).

4. Zhu, SD et al. A kínai anyaggyógyászati ​​minőség regionalizálása a maximális entrópia modell alapján: az atractylodes lancea esettanulmánya. Sci. Rep. 7, 42417 (2017).

5. Qin, A. et al. Maxent modellezés az éghajlatváltozás hatásainak előrejelzésére a Thuja sutchuenensis Franch., egy rendkívül veszélyeztetett tűlevelű Délnyugat-Kínából lehetséges elterjedésére. Glob. Ecol. Conserv. 10, 139–146 (2017).

6. Zhang, XB, Guo, LP & Huang, LQ A kínai anyag-egészségügyi régiók fejlődése. Áll. J. Agr. Res. - Reg. Terv. 31, 64–69 (2010).

7. Mohammadi, S., Ebrahimi, E., Moghadam, MS & Bosso, L. Két sivatagi jerboa jelenlegi és jövőbeli potenciális eloszlásának modellezése klímaváltozás alatt Iránban. Ecol. Tájékoztassa. 52, 7–13 (2019).

8. Moraitis, ML, Valavanis, VD & Karakassis, I. Az éghajlatváltozás hatásainak modellezése a bentikus indikátorfajok elterjedésére a Földközi-tenger keleti részén. Sci. Teljes. Environ 667, 16–24 (2019).

9. Bosso, L. et al. A denevérek potenciális élőhelyének elvesztése súlyos erdőtűz után: modellalapú gyors értékelés. Int. J. Wildland Fire. 27(11), 756–769 (2018).

10. Merow, C., Smith, MJ & Silander, JA Jr. A MaxEnt gyakorlati útmutatója a fajok eloszlásának modellezéséhez: mit csinál, és miért fontosak a bemenetek és beállítások. Ecography 36(10), 1058–1069 (2013).

11. Kalboussi, M. & Achour, H. Kígyófajok térbeli eloszlásának modellezése Északnyugat-Tunéziában maximális entrópia (Maxent) és földrajzi információs rendszer (GIS) segítségével. J. Forestry Res. 29(1), 233–245 (2018).

12. Bosso, L., De Conno, C. & Russo, D. A zebrakagyló által jelentett kockázat modellezése Dreissena polymorpha: Italy as a case study. Environ. Kezelése. 60. (2), 304–313. (2017).

13. Yuan, HS, Wei, YL & Wang, XG Maxent modellezés a kínai gyógygombák fontos csoportja, a Sanghuang lehetséges elterjedésének előrejelzésére. Gombás. Ecol. 17, 140–145 (2015).

14. Renner, IW & Warton, DI A MAXENT és Poisson pontfolyamat-modellek egyenértékűsége a fajeloszlás modellezéséhez az ökológiában. Biometrikus adatok. 69 (1), 274–281 (2013).

15. Moreno, R., Zamora, R., Molina, JR, Vasquez, A. & Herrera, M. Á. Az endemikus madarak mikroélőhelyeinek prediktív modellezése dél-chilei mérsékelt égövi erdőkben a maximális entrópia (maxent) felhasználásával. Ecol. Tájékoztassa. 6, 364–370 (2011).

16. Yang, XQ, Kushwaha, SPS, Saran, S., Xu, JC és Roy, PS Maxent modellezés a gyógyszerek lehetséges eloszlásának előrejelzésére; növény, Justicia adhatoda l. a kisebb Himalája lábánál. Ecol. Eng. 51, 83–87 (2013).

17. Yu, J., Tang, YX & Guo, SL A Racomitrium és a Grimmia kínai földrajzi eloszlásának összehasonlítása ArcGIS és MaxEnt szoftverrel. Plant Sci. J. 30, 443–458 (2012).

18. Sobek-Swant, S., Kluza, DA, Cuddington, K. & Lyons, DB A smaragdhamufúró lehetséges elterjedése: Mit tanulhatunk a Maxent és a GARP használatával végzett ökológiai niche modellekből? Forest Ecol. Manag. 281, 23–31 (2012).

19. Wang, T., Zhang, XY & Xie, WY Cistanche deserticola yc ma, "sivatagi ginzeng": áttekintés. Am. J. Chin. Med. 40, 1250083 (2014).

20. Nan, ZD et al. Gyulladáscsökkentő iridoidok a Tarim sivatagban tenyésztett Cistanche deserticola szárából. Áll. J. Nat. Med. 14, 61–65 (2016).

21. Yu, Q., Li, X. & Cao, X. Cistanche deserticola feniletanoid-glikozidban gazdag kivonatának szívvédő hatása ischaemia-reperfúzió által kiváltott szívizominfarktusban patkányokban. Ann. Vasc. Surg. 34, 234–242 (2016).

22. Hao, YY, Yue, LJ, Kang, JJ & Wang, SM A "sivatagi ginzeng" kutatásának előrehaladása - Cistanche deserticola és myometrium szolárium. Acta Prataculturae Sin. 21, 286–293 (2012).

23. Lin, RC Zhong Guo Yao Cai Ming Lu. Science Press, Peking (2011).

24. Zhou, LY et al. A Chuzhou városában található Huangfu hegy gyógynövényeinek forrásvizsgálata rácsos mintavételi módszer alapján. Áll. J. Chin. Mater. Med. 38, 1688–1691 (2013).

25.Hirzel, A. & Guisan, A. Melyik az optimális mintavételi stratégia az élőhely-alkalmassági modellezéshez. Ecol. modell. 157, 331–341 (2002).

26. Guisan, A., Theurillat, JP & Kienast, F. Növényfajok lehetséges elterjedésének előrejelzése alpesi környezetben. J. Veg. Sci. 9, 65–74 (2010).

27. Országos Meteorológiai Információs Központ, Kínai Meteorológiai Igazgatóság. Kínai Meteorológiai Adathálózat, Peking, Kína

28. Kína második nemzeti talajfelmérésének hivatala. Talaj sorozat Kína. China Agricultural Press (1996).

29. Számítógépes hálózati információs központ, Kínai Tudományos Akadémia. Térinformatikai adatfelhő, Peking, Kína

30. Kínai Tudományos Akadémia Kínai vegetációs térképszerkesztő bizottság. A Kínai Népköztársaság növényzeti térképe (1: 1 millió). Geológiai Kiadó, Peking (2007).

32. Kira, T. Az éghajlat új osztályozása Kelet-Ázsiában, mint a mezőgazdasági földrajz alapja. Kyoto, Japán: Kertészeti Intézet Kyoto University (1945).

33. Hanley, JA & McNeil, BJ A vevő működési jellemzői (ROC) görbe alatti terület jelentése és használata. Radiológia. 143, 29–36 (1982).

34. Boakye-Yiadom, M. et al. A Cistanches deserticola szárából származó kémiai összetevők. Áll. Herb Med. 8, 293–296 (2016).

35. Luo, GM & Huang, YL Kutatási előrehaladás az echinacoside farmakológiai hatásaival kapcsolatban Cistanche deserticolában. Ázsiai-csendes-óceáni hagyomány. Med. 10, 58–60 (2014).

36.Kínai Gyógyszerkönyvi Bizottság. A Kínai Népköztársaság gyógyszerkönyve. China Medical Science Press, Peking (2015).

37. Che, L., Cao, B., Bai, CK, Wang, JJ & Zhang, LL A Notholirion bulbuliliferum prediktív elterjedésének és élőhely-alkalmasságának értékelése MaxEnt és ArcGIS alapján. Áll. J. Ecol. 33, 1623–1628 (2014).

Köszönetnyilvánítás

Köszönjük a kínai Materia Medica Nemzeti Erőforrás Központjának az ökológiai tényezőkre vonatkozó adatokat. Ezúton is köszönjük a lektoroknak a kézirattal kapcsolatos észrevételeiket. Ezt a munkát a Kínai Mezőgazdasági Kutatási Rendszer (CARS{0}}) és a Kínai Belső-Mongólia Autonóm Régió Tudományos és Technológiai Tervezési Projektje (201701040) támogatta.

For more information:1950477648nn@gmail.com