1. 引言

植物叶片结构性状决定了叶片的机械强度[1]，植物通过调整此类性状对生物量产出与资源储存之间进行权衡[2]。叶片形态的变化是植物在选择压力下适应不同生境的表现，反映了植物适应环境变化所形成的生存策略[3]。例如叶厚(LT)、叶面积(LA)、叶干物质量(LDMC)、比叶面积(SLA)等均可反映植物的资源获取能力和功能优化策略[4] [5]；叶组织密度(LTD)可反映植物器官中生物量的累积状况[6]，与叶片承载力和周转生长速度密切相关[7]。叶片解剖结构可反映植物对水分状况的响应，并直接影响植物的光合能力[8]。发达的主脉木质部面积(MXA)、维管束面积(MVBA)可增强叶片水分吸收与输送能力，从而更好适应干旱胁迫环境[9]；栅栏组织(PT)与光合作用效率、水分利用和养分生产有关[10]；叶片结构疏松度 (SR)能综合叶厚度与海绵组织(ST)厚度来反映叶片的抗旱能力，与抗旱能力成反比[11]。植物在干旱环境下通常生长出较厚的叶片，并以减小LA、SLA、增大LTD等资源保守型策略来增强抗逆性[12] [13]。在资源匮乏情况下，植物通过调整或牺牲其他功能性状构建及其功能发挥而平衡或补偿自身功能，从而形成生态适应[14]。如植物增加叶片厚度以减少水分蒸发、保持叶片储水能力，在传输结构中的投资更高以避免栓塞[15]。已有研究表明植物叶片性状随气候的变化主要由温度驱动，降水所起的作用相对较弱[16]。土壤在植物生长过程中的作用同样不可替代，土壤养分条件反映了植物的营养状况。通过测定不同生境下植物性状的变化，可为植物与环境的协同适应机制提供重要理论依据，有助于更好地了解植物对环境要素变化的敏感性和提高预测植物抵御外界环境变化的能力[17]。

近年来，植物性状网络(Plant Trait Network, PTN)被越来越多用于探索分析多个性状间的复杂关系[18]，因为PTN有助于显示不同生长形式的性状之间的相互依存关系[19]，并可识别性状网络的中心性状，有助于研究植物对环境变化的响应策略。在PTN中，性状被视为节点，性状之间的关系被视为边。网络节点参数用于识别网络不同节点的拓扑角色，节点参数“度”较高的性状有利于资源的有效利用和获取，较高“介数”的性状是连接功能模块的“桥梁”，性状拥有较高的紧密度意味着该性状与网络中其他性状有紧密的联系[20]。

灰杨(Populus pruinosa Schrenk)，也称灰胡杨、灰叶胡杨，在中国主要分布在新疆塔里木盆地，是极端干旱区荒漠河岸林的建群种[21]。灰杨在遏制荒漠化、维持新疆极端干旱荒漠区生态系统平衡、保护生物多样性等方面发挥着关键作用。近年来，由于水土资源过度开发利用和气候变暖，塔里木河流域河道变迁，天然灰杨林大面积锐减，导致生态系统服务和生态功能大大降低。本研究以灰杨为对象，结合气候因子和土壤因子开展不同生境下的叶片形态和解剖性状研究，以期解决以下科学问题：1) 哪些性状是灰杨叶片结构性状的关键性状？2) 影响灰杨叶片结构性状的环境驱动因子是什么？

2. 材料与方法

2.1. 研究区概况

研究区位于中国新疆(北纬36.9291˚~43.8444˚，东经76.1722˚~85.4831˚)，年均气温和年均降水量分别在9.73℃~12.67℃和28~217 mm之间，干旱指数变化范围为0.0184~0.1432，海拔为543~1400 m，土壤含水量在1.13%~16.77%之间(表1、表2)。研究区内常见的物种有柽柳(Tamarix chinensis Lour.)、芦苇(Phragmites australis (Cav.) Trin. ex Steud.)、黑果枸杞(Lycium ruthenicum Murr.)、铃铛刺(Halimodendron halodendron (Pall.) Voss)、苦豆子(Sophora alopecuroides L.)等。

Table 1. Geographic information and climatic characteristics of sampling sites

表1. 样点的地理信息及气候特征

Table 2. Soil physical and chemical properties of sampling sites

表2. 样点的土壤理化性质

2.2. 实验设计与方法

选取新疆具有代表性的天然灰杨居群为研究对象，共设置11个采样点(中国的灰杨林集中分布于塔里木盆地，本研究选择样点的依据是基于新疆区域内的集中成林区)，每个采样点选择胸径、树高及长势大致相同的20株植株，在灰杨的生长季七、八月进行采样。在距离地面2/3树高处朝南向采取3枝当年生枝条，选取从基部向顶端方向的第3节位阔卵形叶进行性状测定。

2.3. 形态性状的测定

将样品整齐摆在带有刻度尺的黑色卡板上拍照，利用Image J软件测量叶长、叶柄长、叶宽、叶面积、叶周长(LC)，计算叶形指数(LI)、每枝总叶面积(TLA)。计数每枝总叶片数，用电子天平(精度0.0001)称量过饱和后的叶片、叶柄、当年生枝鲜重，后将其放105℃烘箱杀青10 min，调至80℃烘干至恒重，称量叶片、叶柄、当年生枝干重，计算叶干物质量(LDMC)、叶柄干物质量(PDMC)、当年生枝干物质量(BDMC)、叶含水量(LWC)、叶柄含水量(PWC)、当年生枝含水量(BWC)、比叶面积(SLA)、叶组织密度(LTD) [22]和出叶强度(LIM) [23]。计算公式如下：

叶形指数 = 叶长 ÷ 叶宽

叶干物质量 = 叶干重 ÷ 叶鲜重

叶柄干物质量 = 叶柄干重 ÷ 叶柄鲜重

当年生枝干物质量 = 当年生枝干重 ÷ 当年生枝鲜重

比叶面积 = 叶面积 ÷ 叶干重

叶组织密度 = 叶干重 ÷ (叶面积 × 叶厚)

出叶强度 = 每枝总叶片数 ÷ (叶干重 + 当年生枝干重)

2.4. 解剖性状的测定

从叶片最宽处横切取材(保留主脉部分)，用福尔马林–酒精–冰醋酸混合液(FAA)固定保存。利用石蜡切片法制成永久组织切片，拍照、测定叶片厚度(LT)、上表皮厚(UE)、栅栏组织厚度(PT)、海绵组织厚度(ST)、上角质层厚度(USC)、最大导管壁厚度(CWTmax)、最小导管壁厚度(CWTmin)、主脉维管束面积(MVBA)、主脉木质部面积(MXA)等，计数导管数目(VN)，计算栅海比(PT/ST)、叶片结构紧密度(CTR)、叶片结构疏松度(SR)。计算公式如下：

叶片结构紧密度 = 栅栏组织厚度 ÷ 叶片厚度

叶片结构疏松度= 海绵组织厚度 ÷ 叶片厚度

2.5. 环境因子的获取

利用GPS定位系统，记录各样点的经纬度、海拔。从worldclim中提取11个灰杨采样点的19个Bioclim定义气候数据(http://www.worldclim.org)。干旱指数(AI)提取自CGIAR-CSI (https://www.cgiar-csi.org)。共收集20个气候因子，根据气候因子的生态重要性，固定保留3个气候因子(年均温、年降水量、干旱指数)，通过主成分分析(PCA)降维、剔除相关性 > 0.8的气候因子并进行VIF共线性检验[24]，保留4个气候因子(等温性、最湿季度平均温度、最湿月份降水量、降水量季节变化)，共确定7个因子作为固定变量。

在样地内随机选取三个点，去除土壤表面的凋落物后，用土钻钻取0~20 cm的土壤样品，做好标记后带回实验室风干处理。将风干的土样过60目筛、去除异物后测定土壤指标。土壤全氮采用半微量凯氏定氮法测定；土壤全磷采用钼锑抗比色法测定；土壤全钾采用火焰光度法测定；土壤有机碳采用重铬酸钾外加热法测定。该部分测试工作委托中国科学院新疆生态与地理研究所完成。利用烘干法测定土壤含水量(SWC)，三份平行测定取均值即为该样点的土壤含水量。

2.6. 数据分析

为了评估性状的变异性，计算了每个性状的四分位数系数(Quartile coefficient of dispersion, QCD)，即上、下四分位数[(Q3 − Q1)/2]与[(Q1 + Q3)/2]之间的比值[25]。利用Pearson相关性分析探究性状间的关系。为了描述物种内部的性状复杂性，通过R中的igraph包(版本4.3.2)可视化，用图形展示多性状间的复杂关系。将性状作为节点，彼此之间的关系作为连接性状的边界，计算每个性状的网络节点参数：度、紧密度和介数。用简单最小二乘法分析性状的影响因素。利用Microsoft excel 2019进行数据预处理，利用Canoco 5.0进行冗余分析(RDA)，利用SPSS 27.0进行数据方差齐性检验和统计分析，利用Origin Pro 2021及R 4.3.2进行绘图。

3. 结果与分析

3.1. 结构性状的空间变异性

形态性状的四分位数系数结果表明(图1(a))，变异程度最高的性状是出叶强度(LIM)，四分位数系数为0.28；变异最小的是叶片含水量(LWC)，四分位数系数为0.06。解剖性状的四分位数系数结果所示(图1(b))，变异程度最高的性状是主脉维管束面积(MVBA)，四分位数系数为0.44；变异最小的是叶片结构紧密度(CTR)，四分位数系数为0.07。解剖性状的变异性较形态性状高。

疏勒、麦盖提和沙雅灰杨的叶柄长显著高于其他样点，尉犁最低(图2(a))；民丰灰杨的叶组织密度显著高于其他样点，轮台最低(图2(b))；轮台的比叶面积显著高于其他样点，策勒和民丰显著低于其他样点(图2(c))；尉犁灰杨的出叶强度显著高于其他样点，策勒、疏勒、麦盖提和沙雅的出叶强度显著低于其他样点(图2(d))；尉犁和沙雅灰杨的叶片结构疏松度显著高于其他样点，麦盖提最低(图2(e))；轮台的主脉维管束面积最高，柯坪最低(图2(f))；麦盖提灰杨的栅栏组织厚度显著高于其他样点，尉犁最低(图2(g))；麦盖提灰杨的栅海比显著高于其他样点，尉犁和沙雅显著低于其他样点(图2(h))。

注：LIM为出叶强度；TLA为总叶面积；LTD为叶组织密度；PL为叶柄长；SLA为比叶面积；LC为叶周长；LI为叶形指数；LDMC为叶干物质量；PDMC为叶柄干物质量；BDMC为当年生枝干物质量；PWC为叶柄含水量；BWC为当年生枝含水量；LWC为叶含水量；MVBA为主脉维管束面积；MXA为主脉木质部面积；USC为上角质层厚度；VN为导管数目；CWTmin为最小导管壁厚度；CWTmax为最大导管壁厚度；PT/ST为栅海比；SR为叶片结构疏松度；PT为栅栏组织厚；ST为海绵组织厚；UE为上表皮厚；LT为叶厚；CTR为叶片结构紧密度。下同。

Figure 1. Quartile coefficient of dispersion of the morphological traits across all measurements of the study

图1. 结构形状在研究区的所有测量中的四分位数系数

注a：横轴不同大写字母代表不同样点，A-K依次代表策勒、民丰、墨玉、疏勒、麦盖提、巴楚、柯坪、尉犁、沙雅、轮台、察县；下同。注b：不同小写字母表示样点之间性状的显著差异(P < 0.05)，误差线表示标准误差(SE)。

Figure 2. The difference of structural traits of leaves of Populus pruinosa Schrenk at different sampling sites

图2. 不同样点灰杨叶结构性状的差异

3.2. 结构性状的相关性

形态性状间、解剖性状间有多对性状相关性显著。其中，形态性状间的出叶强度(LIM)与叶形指数(LI)、比叶面积(SLA)极显著正相关，与叶周长(LC)、叶柄长(PL)、总叶面积(TLA)、当年生枝干物质量(BDMC)极显著负相关；叶组织密度(LTD)与LC、SLA、TLA、LIM极显著负相关；比叶面积(SLA)与LI、LC、当年生枝含水量(BWC)、TLA显著或极显著正相关，与PL极显著负相关(图3(a))。解剖性状间的叶厚(LT)与海绵组织厚(ST)、CTR、主脉木质部面积(MXA)、叶片结构疏松度(SR)显著或极显著正相关，与叶片结构疏松度(SR)、最大导管壁厚度(CWTmax)显著或极显著负相关；主脉维管束面积(MVBA)与海绵组织厚(ST)、MXA、SR、VN极显著正相关，与栅海比(PT/ST)、上角质层厚度(USC)极显著负相关(图3(b))。

注：^*、^**分别代表0.05、0.01水平的显著，下同。

Figure 3. The correlation between morphological traits and the correlation between anatomical traits

图3. 形态性状间、解剖性状间的相关性

形态性状与解剖性状间的相关性大多数达显著水平(图4)，其中，SLA与LT、UE、PT、PT/ST、CWTmin显著或极显著负相关，与MVBA、MXA、SR、VN显著或极显著正相关；MVBA与LI极显著正相关，与PL、PDMC、BDMC、LTD、显著或极显著负相关；LIM与LT、UE、PT、PT/ST、CTR极显著负相关，与MVBA、SR、CWTmax、CWTmin、VN显著或极显著正相关。

注：横轴为形态性状，纵轴为解剖性状。

Figure 4. The correlation between morphological and anatomical traits

图4. 形态性状与解剖性状间的相关性

灰杨结构性状网络的变化所示(图5(a))，网络内共有五个模块，单个模块内的性状间联系紧密：衡量叶片持水能力的LDMC、PDMC、LWC等构成一个模块，MXA、MVBA、VN、LI形成一个模块，PT、ST、UE、SR等解剖性状为一个模块，SLA、TLA、LC、PL、LIM、LTD等形态性状为一个模块，CWTmax、CWTmin、USC单独形成了一个模块。网络节点参数的变化表明(图5(b))，主脉维管束面积(MVBA)的度、介数和紧密度均最高，为中心性状。

注：背景颜色相同的性状属于同一模块；性状周围圆圈的大小表示其在网络中的重要性；线条代表模块之间和模块内部的关联；红线和黑线分别代表正相关、负相关。

Figure 5. Structural trait network and network node parameter

图5. 结构性状网络和网络节点参数

3.3. 结构性状与环境因子的关系

形态性状与气候因子间的冗余分析二维排序图表明(图6(a))，气候因子对形态性状的总累积解释率为69.4%，年均温(BIO1)对形态性状的解释率最高(19.7%)；气候因子对解剖性状的总累积解释率为66.8%，年降水量(BIO12)对解剖性状的解释率最高，为19.7% (图6(b))。土壤因子对形态性状的总累积解释率为44.7% (图6(c))；土壤因子对解剖性状的总累积解释率为35.8 % (图6(d))。土壤全钾含量(K)对形态性状和解剖性状的解释率均最高(13.9%, 11.6%)。

注：红色箭头表示环境因子，蓝色箭头表示性状，绿色星表示样点。

Figure 6. Redundancy analysis of structural characteristics and climate factors

图6. 结构性状与气候因子的冗余分析

结构性状的影响因素(图7)结果显示：叶组织密度(LTD)随等温性增大而显著升高(图7(a))，随土壤全磷含量、全钾含量升高而显著降低(图7(b)、图7(c))，比叶面积(SLA)随等温性增大而显著减小(图7(d))，随土壤全磷含量、全钾含量升高而显著增大(图7(e)、图7(f))。叶片厚度(LT)随着土壤全氮含量、土壤有机碳含量的增加而显著降低(图7(g)、图7(h))。

注：阴影部分表示95%的置信区间，红线表示线性回归拟合线。

Figure 7. Influencing factors of structural traits

图7. 结构性状的影响因素

4. 讨论

4.1. 性状的空间变异性分析

性状变异反映了植物应对不同生境的形态可塑性和生态幅[26]。本研究中，灰杨的解剖性状变异性大于形态性状，说明灰杨叶片解剖性状在应对环境变化时比形态性状更敏感。翟军团等人研究表明，灰杨的抗旱性随着径阶的增加而增强，表现为叶片厚度、栅栏组织厚度、栅海比的增大[27]。在本研究中，较干旱生境(麦盖提)的栅栏组织、栅海比最高，且叶片结构疏松度最低，说明灰杨通过调节叶片解剖结构来提升其保水、抗旱能力。水分条件较好(轮台)的主脉维管束面积最高，说明灰杨通过增加主脉维管束面积来提高叶片水分吸收与输送能力。不同环境会影响灰杨的资源分配策略，具体体现在：干旱少雨(策勒、民丰)时灰杨叶形态表现出小比叶面积和大叶组织密度的资源保守策略，其对叶生物量的投资最高，叶片承载力强；而较湿润(尉犁、轮台)时灰杨则表现出高比叶面积和低叶组织密度，但养分资源的利用效率相对较低。

4.2. 性状间的相关性分析

荒漠植物为适应干旱胁迫会在不同功能性状间权衡互作[28]，性状间的权衡使得难以存在理想竞争表型的有机体[29]。在本研究中，灰杨叶片形态和解剖性状间存在紧密的联系：灰杨的叶柄长、当年生枝干物质量和出叶强度表现出显著的权衡关系，因为长叶柄在重力与风压胁迫下，机械负载过大，因此会降低当年生枝的出叶强度，并促进当年生枝生物量的投资，以获得更多适应性收益[30]。灰杨的叶柄长与总叶面积显著正相关，是因为大叶片承受了更大的拉力和重量，并将压力传递给它们的支撑结构叶柄，使得叶柄需要具有更强的支撑和机械抵抗力，进而驱动叶柄变长[31]。比叶面积与叶组织密度的权衡关系可以反映出植物的抗旱能力及其叶片的保护机制[32]，马丽等研究发现，荒漠植物的比叶面积与叶组织密度极显著负相关[33]。在本研究中，灰杨的叶组织密度和比叶面积也表现出显著的权衡关系，这可能是因为植物通过增大比叶面积来适应干旱胁迫，但此过程增加了植物对光照的需求，同时减少了对叶片中储存的养分和水分的需求，故养分利用效率相对较低，因此植物叶片通常更薄，叶组织密度相对较小[34]。植物性状网络有助于阐释表型整合的复杂关系，具有相似功能的性状往往相互关联并形成一个模块，模块内的性状具有较高的相关性[35]。在灰杨叶片的结构性状网络中，所有网络的模块间连通性相对较高，五个模块各司其职。主脉维管束面积为中心性状，可能起着影响整个灰杨叶片结构的中心调控作用。

4.3. 环境因子对叶片结构性状的影响

植物的形态适应性与异质性生境密切相关[10]，植物的资源利用策略也受生境质量的影响[36]。有研究表明，叶形态对气候变化响应敏感[37]，叶片解剖性状包括叶片厚度、表皮厚度、栅栏组织与海绵组织等的空间变化主要受温度和降水影响[38] [39]。本研究发现年均温、年降水量分别是对灰杨叶片形态和解剖性状的影响最大的气候因子。土壤作为最直接提供养分和养料的来源，对叶片功能的维持提供了最直接能量来源和养分来源[40]。长期干旱胁迫会造成植物对钾的依赖性增高[41]，本研究表明土壤全钾含量是最影响灰杨结构性状的土壤因子。有研究表明，叶片厚度受土壤养分控制[42]，在本研究中，叶片厚度随着土壤全氮含量、土壤有机碳含量的增加而显著降低。与土壤因子相比，气候因子对灰杨叶片结构性状的影响更大，表明气候是灰杨叶片结构性状变异的重要驱动因子，这与之前从区域到全球的研究结果一致[43] [44]。

5. 结论

本研究中，解剖性状比形态性状的变异性更大，出叶强度和叶片主脉维管束面积具有较高的可塑性。主脉维管束面积可能起着影响整个灰杨叶片结构的中心调控作用。灰杨通过增加栅栏组织、栅海比来提升保水、抗旱能力，通过增加主脉维管束面积来提升水分获取和利用能力。在较干旱生境下灰杨表现出资源保守策略，相对湿润时则采取资源获取策略。在气候因子中，年均温和年降水量对灰杨叶片结构性状的影响最大；土壤全钾含量是最影响灰杨叶片结构性状的土壤因子。本研究有助于了解灰杨在极端干旱区的生态适应策略，为灰杨在极端干旱区的稳定生存和脆弱生态环境保护等方面提供科学依据。

基金项目

感谢国家自然科学基金面上项目(32371838)和塔里木大学校长基金重大项目培育(TDZKZD202301)的资助。

参考文献