首页 - 中国草学会

登录注册

中国草学会

会员登录会员注册

第一届草地资源可持续利用前沿论坛暨中国草学会草地资源与利用专业委员会2024年学术年会通知（第一轮）

2024-10-21

GR Conference | 草地研究对食物安全和全球变化的贡献国际论坛（第一轮通知）

2024-10-06

国际草地生态会议

2024-09-22

“国际草原与牧民年（IYRP2026)”系列在线课程

2024-09-18

关于开展第六届（2023-2024年度）草业科学技术奖评选活动的通知

2024-08-15

中国草学会关于征集草业科普视频作品的通知

2024-08-15

学会党建更多

党的二十届三中全会公报一图读懂

学会简报更多

2024年7-9月工作简报

分支机构更多

中国草学会分支机构管理办法

研究进展更多

张英俊教授团队揭示多年生豆禾混播草地高产高效及可持续的有效策略

张英俊教授团队揭示多年生豆禾混播草地高产高效及可持续的有效策略近日，中国农业大学草业科学与技术学院张英俊教授团队在多年生豆禾混播草地高产高效及可持续利用机制方面取得重要进展。该研究指出，以较低的豆禾播种比例建植并结合适度的养分管理措施的多样化饲草料生产模式可以同时有利于人工草地的饲草料生产和土壤质量，是实现人工草地高产高效以及可持续利用的有效策略。我国畜牧业高质量发展对优质饲草需求量巨大，农业农村部“十四五”全国饲草产业发展规划指出，目前饲草缺口达5000万吨以上。因此，建设高产并能维持持久性产量的饲草基地十分重要。建植多年生豆科与禾本科混播（简称豆禾混播）草地，是提高饲草产量、改善饲草品质、维持产量稳定性和增强草地持久力的有效措施。但是，目前通过采用最佳的豆禾混播比例和磷（P）肥管理措施是否能进一步改善这些益处尚不清楚。从2016年开始，本研究团队在沧州、太原和银川等3个地点开展了为期5年的田间实验，主要探讨了不同豆禾混播比例以及磷肥的用量对牧草产量和土壤质量的影响。试验设计包括了两种豆科植物和两种禾本科植物按照五种不同的比例（3:7、4:6、5:5、6:4和7:3）进行混播，同时还设置了每种植物的单播作为对照组。在磷肥的用量上，共设置四个水平，即0、9、18或27 kg P ha-1 year-1。通过分析比较混播与单作的牧草产量，本研究评估了植物的多样性效应，即互补效应和选择效应，同时测定了土壤养分含量及土壤微生物组成。图1 多年生豆禾混播草地的田间照片（a-b）；本研究中选择的两种豆科和两种禾本科植物（紫花苜蓿、红豆草、鸭茅、高羊茅）的功能特征以及两因素实验设计的图示（c）研究表明，以豆禾比3:7建植的混播组合在适度磷肥（8 kg P ha-1 year-1）施用下牧草年产量高达29.59 t ha-1，且在多个地点表现出持续和一致的超产效应。同时，与紫花苜蓿单播相比，豆禾比3:7组合下土壤有机质、总氮和微生物生物量碳氮分别显著提高11.27%、50.62%、23.12%和89.31%。图2 豆禾混播比例与施磷对三个实验地点年平均牧草产量的影响。a.沧州；b.太原；c.银川结构方程模型表明，较低的豆禾混播比例能直接地提高物种间的互补效应，并通过增加真菌生物量而间接地促进物种间的选择效应，从而获得较高的牧草产量。另外，施用磷肥可直接地提高土壤养分和酶的活性，进一步加强物种间的互补效应，从而提高了牧草产量和土壤质量。图3 结构方程模型（SEM）揭示试验因素（豆禾混播比例、磷肥施用量）与物种多样性效应、土壤养分含量及酶活性、土壤微生物组成及牧草产量间的关系该研究成果以“Low legume‑grass seeding ratio combined with phosphorus fertilization promotes forage yield and soil quality in managed grasslands”为题发表于农学领域顶刊Agronomy for Sustainable Development（中科院JCR一区，TOP期刊，5年IF:7.9）。中国农业大学草业科学与技术学院张英俊教授为该论文的通讯作者，秘一先博士为该论文的第一作者，其博士后合作导师杨高文教授也全程参与了该论文的撰写与发表。该研究得到了国家牧草产业技术体系、国家自然科学基金、中国农业大学人才引进科研启动基金、中央高校基本科研业务费专项资金等项目资助。原文链接：https://link.springer.com/article/10.1007/s13593-024-00973-5

白史且团队等在线公布了我国重要乡土草老芒麦高质量基因组并揭示了老芒麦遗传基础和起源进化过程

白史且团队等在线公布了我国重要乡土草老芒麦高质量基因组并揭示了老芒麦遗传基础和起源进化过程老芒麦（Elymus sibiricus L.），又称西伯利亚披碱草、垂穗大麦草等，是禾本科小麦族披碱草属的模式种。作为一种异源四倍体植物（2n = 4x = 28，StStHH），老芒麦广泛分布于欧亚大陆，是我国重要乡土草种，并展现出了丰富的遗传多样性和生态适应性。因此，它被广泛应用于高产人工草地的建立和天然草地的恢复与改良工作中，在青藏高原草地畜牧业发展和草原生态修复方面发挥着重要作用。 2024年4月20日，四川省草原科学研究院/西南科技大学白史且、鄢家俊团队联合扬州大学严学兵团队和四川农业大学马啸团队在bioRxiv在线发表了题为A high-continuity and annotated reference genome of allotetraploid Siberian wildrye (Elymus sibiricus L., Poaceae: Triticeae) 的研究论文，公布了染色体级别的“川草2号”老芒麦参考基因组序列，对老芒麦的基因组序列及群体基因组数据进行了深度挖掘，揭示了老芒麦遗传基础和起源进化过程。 “川草2号”老芒麦（Elymus sibiricus L. cv. Chuancao No. 2）是由中国四川省草原科学研究院选育的优良老芒麦品种，因其产量高和抗逆性强的特性，在青藏高原地区被广泛应用。前期通过流式细胞仪的调查研究，初步估算了“川草2号”老芒麦的基因组大小约为6.74 Gb。在此基础上，本研究整合了单分子测序（PacBio，97.34X）和双末端测序（Illumina，68X）技术，完成了“川草2号”老芒麦基因组的高质量从头组装，其基因组大小为6.57 Gb，Contig N50 达到了4.46 Mb。进一步通过461.17 Gb的Hi-C测序数据，成功将6.53 Gb的基因序列挂载到14条染色体上，其中St亚基因组和H亚基因组分别包含3.15和3.37 Gb的基因序列（图1）。这一成果标志着国际上首次获得了达到染色体级别的“川草2号”老芒麦参考基因组序列。图1 染色体级别的“川草2号”老芒麦参考基因组图谱染色体级别的“川草2号”老芒麦参考基因组图谱的获得，有助揭示老芒麦基因组大小变异的动态历史及其进化轨迹。研究人员通过比较基因组学，推断出老芒麦的H亚基因组与大麦的H亚基因组的遗传距离较近，并且Gypsy (RLG)和未分类逆转座元件（RLX）是老芒麦基因组扩增的主要贡献者（图2）。此外，古染色体进化分析的结果表明老芒麦H和St亚基因组中的3号染色体（Es3St和Es3H），在小麦族中具有高度保守的进化模式。值得注意的是，通过基因组之间的共线性分析，我们发现老芒麦H亚基因组上4号染色体（Es4H）和6号染色体（Es6H）之间存在较大的易位片段，并且这个较大的结构变异与老芒麦的抗性有关（图3）。图2 比较基因组及LTR插入分析图3“川草2号”老芒麦基因组进化及结构变异（易位）分析基于“川草2号”老芒麦参考基因组数据，开展了老芒麦的群体基因组学研究。通过对来自我国东北、西北、华北和青藏高原地区的90份老芒麦野生种质进行重测序分析，不仅从SNP和INDEL水平揭示了老芒麦自然群体的遗传多样性，还首次提出了青藏高原是老芒麦起源和发展中心的观点。这项研究为老芒麦的遗传进化和环境适应性研究提供了宝贵的数据支持。图4 老芒麦野生种质的群体多样性分析成功绘制“川草2号”老芒麦参考基因组精细图谱并探究老芒麦自然群体的遗传多样性，不仅有助于深入理解老芒麦的遗传基础和分子机制，而且为揭示老芒麦在不同生境下的适应机制和进化历史提供了关键信息。此外，这一成果有助于加速发掘老芒麦的优异新基因及培育优异新品种。同时，深入了解老芒麦的遗传背景有利于促进全球野生老芒麦种质资源的遗传保护，这对未来披碱草属优异种质资源的保护、发掘与育种利用具有重要的战略意义。该项研究得到十三五国家重点研发项目、四川省重点研究项目、首批万人计划天府杰出科学家项目、草原生态修复科技支撑等项目的支持。作者简介白史且，1964年生，彝族，二级教授、博士，博士生导师，长期从事乡土草种质资源发掘与育种利用工作，现任西南科技大学农业科技研究院院长，中国草学会副理事长，曾任四川省草原科学研究院院长和四川省林草局总工程师。享受国务院特殊津贴专家，国家牧草产业技术创新战略联盟首席科学家，国家公益性行业科技专项首席科学家。主持国家和省项目20余项，选育草品种19个，制定标准52项，获科技成果9项，其中：国家科技进步二等奖2项（第一、第五），神农中华农业科技奖优秀团队奖1项（第一）。

沈阳应用生态研究所在森林根系及菌根生物学过程方面取得新进展

沈阳应用生态研究所在森林根系及菌根生物学过程方面取得新进展根系是林木重要的功能器官，也是维持森林生产力与土壤肥力的重要驱动力。一方面根系不断地从土壤中获取养分和水分，满足林木生长发育；另一方面根系在固持森林土体以及防治土壤侵蚀等方面发挥着至关重要的作用。同时，林木根系与土壤中的真菌侵染而形成的互惠共生体系，对于森林土壤有机质提升以及造林过程中的幼苗生长等具有重要实践应用意义。基于长期野外原位监测、跨区域联网研究以及整合分析等手段，中国科学院沈阳应用生态研究所北方生态屏障功能形成维持机制与提质增效创新组群林业生态工程（地下）团队在森林根系过程、菌根真菌介导的森林土壤碳积累方面取得如下新进展：（1）系统研究了不同根序细根的全寿命周期过程，揭示了不同区域林木细根寿命的调控机制，并发现细根寿命和叶片寿命不相关。林木的全寿命周期过程主要包括萌生、生长、衰老、死亡与分解等。采用微根管技术，连续4年、跨区域联网动态追踪了中国东北温带森林12个人工林树种、美国东北部温带森林12个人工林树种以及芬兰北部北方森林4个人工林树种细根的全寿命周期过程，生长季内根系的监测周期为2周至4周。累计动态追踪了近20000条吸收根（1-3级根）和运输根（4-5级根）的动态过程，发现细根的生长与死亡在冬季均较小。其中，落叶阔叶树种细根的生长主要发生在春季，死亡主要发生在春季和夏季；针叶树种细根的生长主要发生在夏季，死亡主要发生在夏季和秋季。细根表现出的不同季节动态格局可能主要受树木的生长策略以及根系储存碳水化合物库容能力的调控。图1 细根寿命与细根功能性状之间的关系。MRL：细根寿命；RD：根直径；RCN：碳氮比；RN：根氮浓度；MAT：年均温度；MAT：年均降水量；SRL：比根长尽管吸收根（1-3级根）的生物量较低（仅占根系生物量的4%左右），却主导着整株树木根系的产量和周转。通过整合全球其它站点利用微根管技术监测吸收根的数据，发现全球森林树木吸收根的平均寿命是226天，其中最短的是27天，最长的是656天。细根寿命的最佳预测模型参数包括细根直径、细根氮浓度、年均温度及降水量，预测解释度为47%。吸收根的寿命随氮含量的增加而减少，随直径的增加而显著增加，特别是在年均温度较低、降水较多的地点，细根具有较长的寿命（图1）。此外，除常绿树种外，细根寿命和叶片寿命不相关，这表明细根和叶片具有不同的进化选择和周转策略以适应地上和地下不同的环境条件。吸收根（1-3级根）由于具有较高的产量和周转速率，然而衰老和死亡以后，分解速率却较低（图2），因此该根系模块对森林土壤碳的贡献可能居首位。依托该研究网络监测的数据，初步估算吸收根输入对森林土壤碳库的贡献可占整株林木根系的75%以上。图2 不同分支结构（根序）细根的动力学过程概念框架我国是全球人工林面积最大的国家，但存在树种组成单一、地力衰退等林业问题，其服务功能不能满足国家战略需求。该研究成果可为我国人工林地力提升与土壤培育提供参考。例如，未来人工林结构优化或造林过程中，优先补植或选择低级根密度分布较高的树种更有利于土壤肥力和地力的提升，从而加速森林土壤碳和养分循环过程，促进其生产-生态功能协同提升。（2）揭示了外生菌根真菌通过调控土壤锰元素循环促进了落叶松人工林腐殖质层碳库积累的新机制。北方森林（Boreal forests）储存了全球陆地生态系统24%以上的碳库，其中大约64%储存于地下。其储存的碳库主要位于腐殖质层中，包含正在分解的凋落物和其它有机物质。Agaricomycetes是高纬度地区落叶松人工林土壤中普通存在的一类外生菌根真菌，Agaricomycetes特异性产生的锰过氧化物酶通过驱动锰氧化还原循环，可以把腐殖质层中可利用的二价锰离子（Mn2+）转化为活性三价锰离子（Mn3+），该活性三价锰离子与真菌分泌的草酸类螯合剂形成化合物，可穿透木质素和木质素类化合物的酚类结构，从而调控有机质分解和腐殖质层碳库积累。基于此假设，研究团队在大兴安岭寒温带落叶松人工林设置了长达14年的锰添加实验（图3），发现锰添加处理进行到第5年后，显著改变了外生菌根真菌的群落组成并增加了腐殖层碳库容量。本研究解析到的锰添加的滞后影响，可能是由于外生菌根真菌需要一定周期后才能适应锰有效性的增加和土壤环境的变化。图3 长期锰添加（14年）对大兴安岭落叶松人工林腐殖质层碳储量的影响对我国大兴安岭落叶松人工林318个样点腐殖层碳库的调查研究，也表明腐殖质层可交换态锰含量是调控碳库的重要调控因子（r2=0.20）。同时，结合瑞典国家森林土壤清查、瑞典国家森林清查数据以及数据整合分析的手段，建立了覆盖全球北方森林范围的2437个样点的腐殖质层碳储量数据，发现可交换态锰含量可以解释北方森林腐殖层碳库36%的变化（图4）。研究结果与长期锰添加实验相互验证和补充。图4 北方森林腐殖质层可交换态锰含量与腐殖质层碳储量的关系该研究揭示的外生菌根真菌通过调控土壤锰元素循环促进腐殖质层碳库积累的机制，可为外生菌根树种为对象的人工林经营与服务功能提升提供方案。例如，未来通过甄别介导人工林土壤有机质形成与稳定性的关键真菌类别，研发“根+菌”应用技术，可为解决人工林长期经营或连栽后土壤退化等问题提供实践依据。以上两方面研究成果分别于2024年3月份和2月份被PNAS期刊接受录用。沈阳应用生态研究所侯佳文博士研究生为以上第一篇论文的第一作者，合作者还有美国莫顿植物园M. Luke McCormack博士和芬兰赫尔辛基大学Yiyang Ding博士等。沈阳应用生态研究所张云宇硕士研究生为以上第二篇论文的第一作者，合作者还有芬兰赫尔辛基大学Björn Berg教授等。沈阳应用生态研究所孙涛研究员为2篇论文的通讯作者。研究得到了国家自然科学基金（32022054、32192432）、国家重点研发计划青年科学家项目（2022YFD2201300）和中国科学院青促会优秀会员等项目资助。 #1论文链接：https://www.pnas.org/doi/10.1073/pnas.2320623121#core-collateral-metrics #2论文链接：https://www.pnas.org/doi/10.1073/pnas.2318382121#core-collateral-metrics

上海交通大学安渊团队揭示果胶乙酰酯酶MsPAE12调控紫花苜蓿分枝形成的分子机制

上海交通大学安渊团队揭示果胶乙酰酯酶MsPAE12调控紫花苜蓿分枝形成的分子机制近日，上海交通大学农业与生物学院安渊教授团队在Plant Physiology在线发表了题为“PECTIN ACETYLESTERASE12 regulates shoot branching via acetic acid and auxin accumulation in alfalfa shoots” 的研究论文。该研究揭示了紫花苜蓿果胶乙酰酯酶MsPAE12调控苜蓿分枝形成的分子机制，并发掘到抑制MsPAE12表达的转录因子MsNAC73，建立了MsNAC73-MsPAE12-乙酸-生长素调控苜蓿分枝形成的通路。紫花苜蓿是广泛栽培的豆科牧草，营养价值高，经济效益好，其分枝的多少直接决定了苜蓿的株型和产量。果胶乙酰酯酶（PECTIN ACETYLESTERASE，PAE）是植物中一类重要的细胞壁果胶修饰酶，广泛参与植物的生长发育及生物胁迫响应调控。MsPAE12定位于细胞膜，在顶芽中高表达；超表达（12OE）和RNAi干扰（12RNAi）表达MsPAE12发现，MsPAE12以细胞壁果胶为底物水解乙酰酯键，从而降低苜蓿顶芽中乙酸(AA）、色氨酸（TRP）和吲哚丙酸（IPA）含量，抑制IAA合成通路MsTAA1, MsTAR2 和MsYUCC4的表达。作为生长素合成的前体物质，乙酸含量的减少抑制了苜蓿顶芽生长素的合成(图1 A-B, D-H)，从而促进苜蓿分枝的形成，但株高并未受到抑制，因此，产量明显增加；外源添加乙酸、IAA和IAA合成/运输抑制剂获得与转基因苜蓿一致的结果和分枝表型。进一步研究发现，植物中特有的NAC转录因子MsNAC73直接与MsPAE12基因启动子结合，抑制其表达。过表达MsNAC73（73OE）促进乙酸和IAA的合成，抑制苜蓿分枝的形成 (图1 C, I)。图1 MsNAC73-MsPAE12模块调控苜蓿分枝形成上海交通大学农业与生物学院已毕业博士生樊娜娜为论文第一作者，安渊教授为通讯作者，苏连泰博士后、吕爱敏博士后、文武武博士后、博士生高鲤、硕士生游翔凯及周鹏副教授等参与了研究工作。该研究得到科技创新2030重大项目、国家自然科学基金等项目资助。原文链接：https://doi.org/10.1093/plphys/kiae071

JGG | 西北农林科技大学植物免疫研究团队构建小麦条锈菌泛基因组

论文链接：https://doi.org/10.1016/j.jgg.2023.12.004

PNAS: 人工智能与生态学的协同未来

PNAS: 人工智能与生态学的协同未来NewEcologist 生态学家生态学和人工智能领域的研究都致力于对复杂系统的预测性理解，而复杂系统的非线性则来自多维度的相互作用和多尺度的反馈。一个世纪以来，计算和生态学研究取得了独立、不同步的进展；然而，在全球变化的背景下，两个学科迫切需要有意识地协同合作，以应对当前的社会挑战。这些挑战包括理解系统级现象的不可预测性以及快速变化的地球上的恢复力动态。在此，本文强调生态学与人工智能融合研究范式的前景和紧迫性。即使使用当今最著名的人工智能技术：深度神经网络，也很难对生态系统进行全面、整体的建模。此外，生态系统具有突发性和恢复的行为，这可能会激发新的、稳健的人工智能架构和方法。本文将举例说明生态系统建模方面的挑战如何从人工智能技术的进步中获益，而人工智能技术本身也受到了其所要建模的系统的启发。这两个领域在向这种融合发展的过程中相互启发，尽管是间接的。本文强调需要更有目的性的协同，以加快对生态恢复力的理解，同时建立现代人工智能系统目前所缺乏的复原力。持续存在的认识论障碍将受益于两个学科的关注。成功融合的意义不仅在于推动生态学科的发展或实现人工通用智能--它们对于在不确定的未来持续发展和繁荣都至关重要。要应对多种相互关联的现象，包括疾病爆发频率的增加、全球生物多样性的指数级损失以及气候变化的深远影响，了解生态至关重要。这些危机都有一个共同点：它们产生于复杂系统的扰动，而复杂系统的高维度支撑着难以预测的非线性动态。人工智能的进步有可能改变我们对生态系统的理解。同时，生态系统本身也是推动人工智能进步的动力。在多尺度、依赖环境和观测不完全的生态系统中普遍存在的挑战提供了一系列问题，通过这些问题，人工智能更接近于实现其全部潜力。预测和有目的地管理对自然复杂系统的扰动所造成的结果是我们这个时代面临的一项巨大挑战，它要求人工智能与生态科学大胆地协同融合，以实现更全面的理解，从而为行动提供依据——创造系统智慧，实现具有恢复能力的未来（图 1）。▲图1 | 数据、信息、知识和智慧之间相互联系的示意图。数据反映了原始观测或测量结果（例如，卫星数据，如特定地点的海面温度（SST）），而将这些测量结果综合成有意义的形式则构成了信息（例如，以时间序列图的形式为 SST 测量结果提供空间或时间背景）。知识增加了背景，提供类似的例子或与其他知识系统进行比较（例如，一些海洋生物会经历热应力）。最后，智慧会考虑所有这些因素以及社会或文化价值，以评估可能采取的行动（例如，限制碳排放以减轻气候变暖的有害影响）。箭头表示机器学习（ML，蓝色）和生态系统研究（黄色）如何在此框架内建立联系。ML 可以将数据转化为信息，但也可以绕过信息步骤，直接进行推理，并将其作为知识传达。相比之下，生态学的双向箭头代表了对数据收集过程的迭代反馈，以便通过统计建模和假设完善来实现知识。如果我们能将各学科的优势结合起来，明确识别偏差，管理不确定性和不同的认知方式，尤其是在信息和知识层面，那么人工智能和生态系统科学的有意协同进步可能会促进对复杂系统功能的更深入理解、预测和保护。正如人类从数据中学习模式以建立对系统的智能思考一样，人工智能是现代人工智能的基础，其近似目标是在特定领域执行任务或做出决策。将人工智能工具应用于生态领域，大大提高了我们量化以前无法量化或难以观察的现象的能力，并为更快、更准确地预测生态系统提供了可能。最近的例子包括通过摄像头和声学数据研究生物与其环境之间的相互作用；将地球系统卫星数据提炼为有意义的生态功能（如生产力）；通过深度学习和姿势估计分析动物行为；利用生物信息学预测和验证新病毒是否能够感染人类；以及哪些动物物种最有可能携带这些病毒。这些都是"AI for Ecology"的例子--将现有的人工智能工具应用于生态问题。然而，生态科学启发人工智能新范式的另一个方向也同样重要。人工智能研究的终极目标是实现人工通用智能（AGI），能够推断和推理其他领域和系统，与人类智能类似。AGI 很可能需要将数据驱动的 ML 与表现和推理不同知识类型的新方法结合起来，以应对对无模拟未来进行可信预测的挑战，例如我们在瞬息万变的地球上所预测的未来。从根本上改变人工智能与生态研究相互推动的方式，可能有助于应对这些挑战。本文发现，生态学研究与人工智能研究的融合即将到来，而生态学研究历来落后于人工智能和计算科学的发展（图 2）。这种融合寻求新的思维范式，以支持对未观察到（或无法观察到）的系统和未来进行智能推断。本文的论点超出了 "AI for XX"范式，即简单地将人工智能应用于XX领域。向共同生产、融合研究的转变有可能推动下一代人工智能的进步和对生态的理解。▲图2 | 生态建模中计算方法的弧线（黄色）落后于计算方法本身的发展（蓝色），但已接近趋同。两种科学认识文化的融合将有助于这种趋同。生态学的主要目标是理解跨越物理和生物的复杂系统。这种理解通常体现在数学模型中，数学模型反映了我们对产生可观测结果的协同作用机制的假设。但是，生态学既不会屈服于 "数学的不合理有效性"（如纯物理现象），也不会屈服于 "数据的不合理有效性"（如某些生物现象）。简单的数学方程无法完全捕捉到生态系统的本质。同样，复杂的 ML 模型也不能很好地概括意外扰动带来的非线性--ML 模型从数据中获得算法理解，而这些数据往往是关于一个特定系统的。此外，由于生态学研究的目标不仅仅是预测，而是对复杂系统的现象学和机理的理解，因此生态学家在不同尺度上使用各种建模技术，这些建模技术以系统级的整体方式连贯地捕捉突发特性，有利于进一步的研究。这种方法与人工智能研发形成了鲜明对比，在人工智能研发中，多个模型之间的冲突并非不可取，因为这些模型只是用于预测（哪个模型表现最好），而不是用于解释（为什么一个模型比另一个模型表现更好）。例如，人工智能中的大型语言模型会显示出小型语言模型所不具备的新兴行为，但目前的人工智能技术却无法解释这些行为。生态系统研究的工作方式是优先了解我们所观察到的数据的生成机制，这可以推动人工智能研究人员将重点放在能够更深入地了解这些观察到的现象背后的原因的方法上--系统中的哪些定量变化会导致系统行为的定性变化。生态系统的一个重要新兴行为--如果可以说是一种智能--就是它们对扰动的惊人恢复力。这种特性进一步表明，生态学是人工智能的灵感源泉，而人工智能在为神经启发式人工智能的现有脆性智能注入弹性方面只取得了喜忧参半的成功。因此，不仅是不同的、综合的生态系统建模方式有助于推动人工智能研究，而且生态系统本身也能为人工智能的稳健多尺度架构提供灵感。[这与量子化学和量子计算之间的协同关系不谋而合。］通过共同开辟一条相互交织的研究道路，人工智能和对生态的理解能够很好地相互促进，超越每个学科独立完成的领域。在未来，人工智能研究发展与生态学研究的协同作用将推动人们在与社会需求相关的时间和空间尺度上理解复杂的生态系统。下面，本文将介绍人工智能研究的现状（第 1 节）。本文简要追溯了生态系统建模的历史，直至目前深度神经网络的使用（第 2 节），并阐述了人工智能与生态学融合研究的机遇。然后，本文将举例说明这种融合研究范式，探讨生态学研究如何推动人工智能的发展（第 3 节）、人工智能如何推动生态学的发展（第 4 节），以及开展协同研究以加快相互发现和发展的机会（第 5 节）。最后，本文确定了人工智能和生态学学科应解决的一些不同和共同的偏见，并强调了一些共同的机会，以便更负责任地开发和部署人工智能（第 6 节）。 1. 人工智能：技术现状在过去的 10 年中，深度神经网络（又称深度学习）因其强大的建模能力而成为人工智能的代名词。本文所熟知的成功案例包括：通过放射成像获得更准确的临床诊断，以及用于自动驾驶汽车技术的日益快速的分析和决策。2022 年 12 月，基于深度学习的语言模型 ChatGPT 显示了深度学习模型迅速扩展的潜力。深度神经网络是 ML 的一个子领域。ML 的智能来源于数据中的模式，无论是表格数据、时间序列、图像还是文本。其目标是将这些数据中的模式推广到新的未见数据点上。ML 模型有多种形式；有些较为简单，如决策树和线性模型，有些则较为复杂。例如，人工神经网络受到大脑神经元布线的启发，利用层级结构通过非线性函数计算加权点积。深度神经网络有很多层，并在大型数据集上进行训练。尽管最近人工智能中的 ML，尤其是深度学习大放异彩，但其他几种人工智能方法也在同步发展，它们可能会克服深度学习的局限性，为复杂系统建模，并实现更具弹性的智能。其中一个例子是符号人工智能，它涉及知识图谱的逻辑推理。知识图谱与统计数据不同，它明确捕捉概念及其语义关系。图中的顶点可能是 "动物"、"牛"、"植物 "和 "草"，它们之间的边表示牛 "是 "动物，草 "是 "植物，牛 "吃 "草。然后，人工智能系统就可以推理出更广泛的概括，例如有些动物吃有些植物。知识图谱是符号人工智能中使用的一种表示方法。其他表示法包括本体、逻辑规则集、概率依赖图、微分方程和解析方程；每种表示法都有建立在其上的推理算法。这些知识和推理构成了专家系统。目前的人工智能技术是基于在难以想象的庞大数据集上训练出来的 "基础模型"，这些数据集被用作许多不同任务的基础模型。在特定领域的小型数据集上进行微调的过程，可以使基础模型专门用于该任务。此外，基础模型还被用于生成模型中，生成模型能够创建新数据，例如，生成新病毒变体的序列和分子结构，从而研究人类和其他动物的感染风险假设。另一方面，神经符号人工智能结合了深度神经网络和基于知识的符号方法的优点，超越了每种方法的独特局限。神经符号人工智能系统被认为比狭隘的深度学习方法更宽泛，在通往 AGI 的道路上更进一步。它们可以帮助完成具有挑战性的知识发现任务（生成新假设），并处理不同模式、规模、质量和数量的异构复杂数据--所有这些在复杂系统的生态学研究中都很常见。与贝叶斯统计方法一样，神经符号人工智能也能在推理中纳入不同模式的专家知识，而这些知识并不总是以数据的形式呈现。与其他人工智能方法相比，神经符号人工智能还具有更强的适应性和鲁棒性，并能提供可解释的输出结果，从而提供机理上的洞察力，而这正是生态学研究的指导原则。 2. 生态系统模拟生态系统的预测是复杂系统建模困难的缩影，复杂系统的定义是由跨越时间、空间和社会等多个尺度的反馈和依赖关系所产生的非线性动态。由于生态系统科学是多个成熟分支学科的交叉学科，许多物理和生物原理都可以指导我们对这些系统的理解--例如，水文学、生物地球化学和景观生态学的物理学原理，或种群动力学中的适应性原理。从对生态系统的观测中提取信息时，最好考虑到生态系统固有的随机性和环境依赖性。生态学家们采用了大量建模方法来应对这一挑战，其中一些方法侧重于系统的组成部分（例如，有限资源的分布和丰度受哪些生物物理因素控制等问题），而另一些方法则侧重于全局建模（例如，在快速变化的景观中，生态群落将如何发挥不同的功能？）改进生态学中的系统级预测也可能对新型人工智能的发展大有裨益，而且这些创新可能比过去更快实现。在生态建模中，新计算方法的采用通常会滞后多年（图 2）。这方面的例子包括图论（如食物网建模）、线性回归（如遗传建模）、偏微分方程（如种群增长建模）、专家系统（如环境决策管理）、分层贝叶斯方法（如估算树木繁殖力）和深度学习（如评估生物多样性）。从发明一种计算方法到将其融入生态建模之间的历史滞后期似乎正在缩短（图 2），人工智能在生态建模中的应用大大增加（图 3）。在水文学、人畜共患病生态学和森林生态学等领域，基于 ML 的预测已开始补充理论驱动的预测。然而，人工智能的应用范围在很大程度上仍局限于模式识别和预测，人工智能作为一种工具仍未得到充分利用，例如，用于生态学大数据的综合或用于确定生态功能的新假说并确定其优先级以进行进一步研究。▲图3 | 关键词为((TS=("artificial intelligence" OR "machine learning"))) AND WC=(Ecology OR "environmental sciences")的Web of Science上的论文数量。与深度学习中受大脑启发而取得的突破类似，生物学的自组织特性和过程很可能隐藏着人工智能系统设计的灵感，人工智能研究与生态问题的紧密结合将揭示这些灵感。扩展这种生物学灵感提供了一个新的视角，突出了人工智能创新的机会，这些创新借鉴了从简单生物体（如粘菌）中经验观察到的智能决策，这些生物体违背了我们目前对 "智能 "的概念。同样，作为生物学和生态学基础的进化原理也为人工智能研究提供了灵感。进化计算是受生态学启发的人工智能分支，它应用遗传算法来指导系统进化，以实现应用目标，其进展源自硅学研究，如微生物的定向进化。符号回归是进化计算的另一种形式，目前通过在生态学中的应用得到了发展，从而产生了人类可解释的复杂生态系统函数方程模型，这些模型是由更原始的方程组成的。生态学中的生物多样性测量通常是生态系统复杂性的代用指标，它激励人工智能研究人员开发新的方法来测量训练数据中不必要的偏差。本文看好人工智能和生态研究之间的协同进步--生态理论有可能推动人工智能研究的前沿；现有的人工智能方法被注入复杂系统的生态建模中；人工智能和生态研究的共同成果有望实现关键的共同进步。 3. 人工智能生态学：复原力理论在生态学中，复原力是指系统抵御干扰或从干扰中恢复的能力。生态系统之所以具有复原力，是因为其生态功能或系统成员所扮演的角色既是冗余的，又与环境有关。了解生态系统的恢复力是现代科学面临的最关键问题之一。我们在测量和预测系统恢复能力方面取得的进展，将决定我们能在多大程度上为全球气候变化和土地使用影响生物过程和高阶相互作用（生态系统恢复能力的基础）所带来的反响做好准备，并对这些影响做出响应。生态学中的复原力理论可为人工智能研究人员提供线索，帮助他们建立更稳健、适应性更强的系统，这些系统涉及反馈回路、冗余途径和满足行为，可确定系统的哪些基本原则最好能被量化和捕捉，以便再现复原力。这些人工智能系统本身可用于模拟和研究生态复原力。分布外泛化和对分布转移的复原力是人工智能研究的一个活跃领域。未来的人工智能技术可以模拟这种依赖于环境的行为，可能会受益于复杂的非线性互动和内置的鲁棒性。人工智能研究与生态学之间有目的的联合进展有可能扩展一般系统理论，受生态系统复杂性启发和制约的新型人工智能可作为通往其他领域（如心理学或经济学）的途径，在这些领域中，由于跨越多个相互作用尺度的复杂性，预测同样困难重重。 4. 生态学人工智能：知识引导的 ML 现有的深度学习算法都是数据饥渴型的，而且由于其架构不包含对所建模现象的先验知识，可能会产生与现实不一致的预测结果。不断发展的知识引导的 ML（KGML）领域是推动人工智能和生态学发展的一种方法，尤其是在数据稀缺的条件下，这在许多生态学领域仍然很常见。KGML 试图将科学知识注入 ML 算法的基础结构中，以帮助生成的模型做出更符合物理规律的预测。这种想法与贝叶斯统计方法中的先验知识是一致的，贝叶斯统计方法在生态学研究中也被用于类似目的，但往往受到数据需求和计算成本的限制。将知识指导注入 ML 模型的例子包括：定制损失函数以遵守物理定律；使用现有的 ML 架构（如长短期记忆（LSTM））或开发新的架构以更好地表示现实（如质量守恒-LSTM、递归图网络）；使用基于过程的模型输出作为 ML 模型的输入或作为预训练数据集；在 ML 模型中使用偏微分方程表示系统；或将神经网络嵌入分层模型。展望未来，生态建模可能会激发更先进的架构，其中包括与层次结构、物理和生物定律以及微分方程相结合的先验本体知识，以及分散和新兴的训练范例。 5. 通过人工智能与生态学的协同作用加速发现人工智能系统正开始从模式识别扩展到假设生成和发现，部分是通过揭示代表复杂系统的高维网络中变量之间缺失的联系。这些缺失的环节代表了跨越多个尺度的系统组件中未曾预料到的相互作用或依赖关系。生态系统中状态和过程的多样性和广度为提高人工智能能力提供了令人兴奋的潜力，以识别这些缺失环节并提出新的假设。人工智能与生态学之间的一个协同机会是在人工智能研究中被称为模式崩溃的问题，即算法无法捕捉多模式分布的全部多样性，因为建模必然集中在少数观察到的模式上。生态学和人工智能交替解决了这一长期存在的问题--扩散模型是生态学的起点，目前在生成式人工智能中成功解决了这一问题；但自那时以来，生态建模取得了巨大进步，电报模型、反应扩散模型和种群循环模型在解决生态系统的模式坍塌问题上不断取得进展。在这里，共同生成的研究对人工智能和生态学都有好处--一个相关的例子是，人工智能生成的关于多模式分布的假设有可能阐明是什么驱动了埃博拉病毒从野生动物宿主溢出传播的双峰。这种生成式人工智能将受益于先进的生态建模技术。与许多人工智能系统不同，生态系统是通过基于理论的规则来理解的。例如，我们对生物地球化学的理解建立在物理和化学、地质学、水文学以及生物学规则的基础之上。我们对种群如何随时间变化的理解建立在支持适应性概念的进化规则之上，而适应性是捕食者与猎物之间的相互作用、生物之间的竞争以及食物网结构的基础。然而，尽管基于理论的方法提供了对机制的理解，但可能不足以应对我们面临的生态危机。在人工智能研究中，基础建模也采用了类似的理念--即模式和预测的基础是规则，但与生态学不同的是，基础模型是通过利用大量可用数据，而不是通过数十年的科学方法，以算法的方式学习规则。强化学习是人工智能研究中另一个活跃的前沿领域，在这一领域中，这些规则被明确纳入，以生成关于系统如何随时间演变和稳定的假设。因此，尽管生态系统非常复杂，看似混乱不可预测，但管理规则，无论是源自理论还是数据，都为我们观察、解释和预测复杂生态系统的突发特性提供了锚点。这种方法尤其有望将复杂系统的社会维度纳入其中，因为社会维度对生态系统的影响历来未得到充分认识，而且仍然是一个跨学科的前沿领域。 6. 负责任的人工智能与生态学行业在人工智能研究中日益占据主导地位，导致产品和平台不断改进，从而提供了有用的方法，而有关人工智能伦理和其他社会因素的研究却相对被忽视。然而，对安全、合乎伦理和负责任的人工智能的呼吁以及对减少偏见的方法的研究正在不断增加。本土、女权主义、非殖民主义和其他批判性视角为此类人工智能研究提供了基础，但这些视角仍处于人工智能的边缘，面临着认识论上的障碍，需要加以克服才能纳入主流人工智能研究。同样，生态学的历史根植于殖民主义；生态保护主义经常被用来为控制环境辩护；排斥性做法继续产生只对社会中享有特权的子集有利的推论。最近，生态学家正在努力发展将各种知识联系起来的做法，以更好地理解社会生态系统。例如，在获得知情同意并了解对社区的明确互惠利益的情况下获得的本土知识（又称传统生态知识）加强了生态学的研究方向，扩展到保护、负责任的管理、监管以及人与自然之间的关系伦理。例如，土著知识对北极积雪和海冰状况的细微了解被用来指导无人驾驶飞行器和卫星数据收集。这些信息被用来更好地了解和管理环斑海豹，这是一个在不断变化的气候中具有重要文化价值的物种。社会和文化结构的细微差别及其融合对于获得有关复杂系统的知识和智慧以及负责任地影响其未来至关重要。例如，系统性种族主义深刻影响了城市环境的社会、生态和进化特征，这对于确保社会公正和加强这些系统对气候变化的适应能力非常重要。至关重要的是，人工智能和生态学都要继续扩大认识论的界限，承认不同的认识方式在科学上是有效的，并尊重本土数据主权。为了成功做到这一点，两者都可以从社会科学的定性研究方法中学习，特别是要捕捉 "与土著认识论密不可分的背景，同时保持标准化的时间和表示参数，使其与其他数据集保持一致，以便进行整合和分析"（图 1 的层次图在各种认识论下都有争议）。此外，对土著数据遵循 CARE 原则（集体利益、控制权、责任和道德）有助于确保这些数据对土著人民有用，并始终处于他们的控制之下，同时还能促进人工智能和生态学知识的发展。 7. 展望融合研究事业一直沿着学科轨迹前进，人工智能与生态系统科学之间的重要融合正在快速接近。生物医学领域的融合研究凸显了人工智能在实现以往被称为 "登月计划 "的目标方面尚未实现的潜力--对尚未出现的传染性疾病和由多组相互作用因素引起的非传染性疾病的治疗。多方面的投资将有助于加速这种融合性突破：正视并改善目前存在的数据和认知方式中的偏见和局限性，考虑跨学科思维和实践以弥合知识构成中的哲学和伦理差异，以及在探索新的学科语言和视角的同时建立信任。对这种有意识的融合进行投资，有可能产生变革性的观点和解决方案，就像最近在聊天机器人和生成式深度学习方面取得的突破一样，具有超乎想象的颠覆性。在环境快速变化带来生存风险的时代，生态系统科学与人工智能之间的战略协同作用有助于推动我们更好地理解并有可能恢复我们赖以生存的生态系统的复原力。论文信息标题：A synergistic future for AI and ecology 期刊：PNAS 类型：Perspective 作者：Barbara A. Han, Kush R. Varshney, ..... , & Jacob Zwart【University of Vienna】时间：2023-10-10 DOI：https://doi.org/10.1016/j.soilbio.2023.109205

张英俊教授团队：温性草原大型真菌降低土壤有机碳储存

张英俊教授团队：温性草原大型真菌降低土壤有机碳储存图文摘要 | Graphical abstract导读 | Introduction 草原是最重要的生态系统之一，储存了大约34%的陆地碳（C）。土壤有机碳（SOC）固存是草原生态系统的一项重要功能，而SOC储量的大小取决于微生物，特别是真菌的参与。大型真菌产生的菌丝体可能影响C的固定和分解，但它们对草原生态系统SOC储存的影响机制尚不清楚。草原大型真菌形成的蘑菇圈是探索大型真菌对SOC影响的天然平台。目前，将SOC分为颗粒有机碳（POC）和矿物结合态有机碳（MAOC）来研究，这更有助于预测SOC的储存量。本研究采集了35个温带草原蘑菇圈的4个不同区域表层土壤（图1），以揭示大型真菌对SOC组分（包括POC和MAOC）的影响，并利用宏基因组测序技术揭示SOC储存的微生物机制。图1 中国内蒙古温性草原上5个取样地点的蘑菇圈形态及样品采集示意图一、蘑菇圈中SOC及其组分的变化大型真菌从蘑菇圈的圈外到圈内区域显著降低了SOC（图2A，p < 0.05）。与大型真菌尚未扩散到的圈外区域相比，圈内区域的SOC降低了7.37%。POC和MAOC都显示出与SOC相似的趋势，都在真菌到达后开始下降（圈外 vs. 前沿，圈上，圈内）（图2B和C）。在4个区域中，MAOC在圈内区域处于最低值，而POC在菌丝刚刚通过的圈上区域处于最低值。此外，在大型真菌通过后POC对SOC的贡献降低，但MAOC对SOC的贡献增加，尽管它们仅在圈外和圈上区域之间有显著差异（图2D，p < 0.05）。这意味着POC和MAOC的消耗均随着蘑菇圈真菌的移动而增加，并且POC的消耗更大。图2 蘑菇圈4个区域的土壤有机碳浓度（SOC）（A），颗粒有机碳浓度（POC）（B），矿物结合态有机碳浓度（MAOC）（C），颗粒有机碳和矿物结合态有机碳对土壤有机碳的贡献（D），可溶性有机碳（DOC）（E），土壤微生物生物量碳（MBC）（F）以及β-1,4-葡萄糖苷酶（BG）酶活性（G）二、土壤MBC和BG酶活性与SOC组分的关系在蘑菇圈中，真菌的存在改变了MBC、BG和DOC，这与SOC组分的变化显著相关。有菌丝通过的区域（圈内和圈上）的MBC明显低于没有菌丝的区域（圈外）（图2F，p < 0.05）。大型真菌诱导的MBC变化与SOC、POC、MAOC呈显著正相关（图3，p < 0.05）。这表明大型真菌抑制了微生物源C对SOC固存的贡献。圈上和菌丝前沿区域的参与C矿化胞外酶（BG）活性分别比圈外区域高43.16%和24.41%（图2G）。同时，圈上和前沿区域的DOC浓度也显著高于圈外和圈内区域（图2E，p < 0.05），并且BG与DOC呈显著正相关关系。大型真菌诱导的DOC与POC变化呈负相关关系（图3B，p < 0.05)。这些结果表明大型真菌的存在降低SOC的累积，同时促进SOC的分解。图3 预测变量对大型真菌诱导的土壤有机碳（A）、颗粒有机碳（B）和矿物结合态有机碳（C）变化影响的拟合多元回归模型的模型系数图三、大型真菌对C循环相关土壤微生物群落组成及基因丰度的影响随着大型真菌从圈内到圈上/前沿再向圈外的移动，土壤微生物群落的生态策略从寡营养型转变为富营养型，再回到寡营养型（图4A）。具体来说，属于寡营养型微生物的放线菌门（Actinobacteria）、疣微菌门（Verrucomicrobia）、酸杆菌门（Acidobacteria）和绿弯菌门（Chloroflexi）在圈外区域的丰度大于在圈上区域的。同时，属于富营养型微生物的变形菌门（Proteobacteria）和拟杆菌门（Bacteroidetes）在圈上区域的丰度最高。属于寡营养型的酸杆菌门、绿弯菌门和芽单胞菌门（Gemmatimonadetes）在圈内区域的丰度高于其他三个区域的。在属水平上，圈上区域与其他3个区域（圈内、前沿和圈上）共同拥有的常见物种数量分别为183、105和41种（图4B）。大型真菌的存在减少了C固定基因的丰度，但增加了C降解基因的丰度（图5）。具体来说，在大型真菌移动过程中，所有参与C固定循环相关的基因在圈上区域的丰度都最低（图5A）。C降解基因在圈外区域的丰度最低，但仅与菌丝前沿区域有显著差异（图5B，p < 0.05）。不同底物的C降解相关基因在蘑菇圈4个区域之间表现出不同的变化。参与半纤维素降解基因的丰度在圈外区域最低，包括内切-1,4-β-木聚糖酶、α-L-阿拉伯糖苷酶和β-木糖苷酶基因。与圈外区域相比，菌丝前沿区域的淀粉和芳香族化合物降解基因丰度呈上升趋势。圈上区域的几丁质降解基因丰度显著高于其他3个区域（图5B，p < 0.05）。图4 蘑菇圈4个区域门（A）和属（B）水平微生物分布情况图5 蘑菇圈4个区的碳固定（A）和碳降解（B）基因丰度的变化总结 | Conclusions 综上所述，在草地生态系统中，大型真菌通过调节土壤微生物功能，加速了POC和MAOC组分的分解（特别是POC），最终降低了表层土壤SOC含量。大型真菌的存在增加了BG活性和C代谢率较低的富营养型微生物的相对丰度，降低了MBC浓度和底物利用效率较高的寡营养型微生物的相对丰度。这些变化促进SOC的分解，但抑制SOC的固存。此外，大型真菌的存在增加了C降解基因的丰度（特别是编码参与半纤维素降解的内切-1,4-β-木聚糖酶、α-L-阿拉伯糖苷酶和β-木糖苷酶的基因），降低了C固定基因的丰度。因此，尽管已有研究发现大型真菌的出现可以提高地上植物的生产力，但应该注意这可能会加速土壤养分的消耗并减少土壤C的储存。本研究对于进一步了解草原生态系统土壤C持久性过程中大型真菌与其他微生物的相互作用具有重要意义。本文内容来自ELSEVIER旗舰期刊Sci Total Environ第899卷发表的论文：Liu M.H., Wei Y.Q., Lian L., Wei B., Bi Y.X., Liu N., Yang G.W., Zhang Y.J., 2023. Macrofungi promote SOC decomposition and weaken sequestration by modulating soil microbial function in temperate steppe. Sci Total Environ 899, 165556.DOI: https://doi.org/10.1016/j.scitotenv.2023.165556 第一作者：刘沫含博士中国农业大学草业科学与技术学院在中国农业大学获得博士学位，主要研究方向为草地生态与管理、草地土壤改良机制、草地生态系统碳氮磷循环。以第一作者在Science of the Total Environment、Ecotoxicology and Environmental Safety、Chemosphere等国际期刊发表论文6篇。通讯作者：张英俊教授中国农业大学草业科学与技术学院中国农业大学草业科学与技术学院教授、博导，全国农业科研杰出人才，科中国农业大学国家级创新团队负责人，国家级高层次人才获得者，国家牧草产业技术体系首席科学家。现担任国务院学位委员会第八届草学学科评议组秘书长、中国草学会副理事长兼秘书长。Grassland Research副主编、Grass and Forage Science杂志副编审（Associate Editor）、Grass Research杂志副编审（Associate Editor），国内《草地学报》、《草业学报》和《草业科学》编委。主要研究方向为草地管理与牧草生产。先后完成国家自然科学基金面上项目以及重大项目、973课题等40余项。发表论文200余篇，主编著作14部，获授权发明专利30余项，制定行业标准6项；以第一完成人获得教育部科技进步一等奖1项，农业部中华农业科技奖二等奖1项、大北农科技一等奖1项和河北省科技进步二等奖1项。

【榜样引领】匠心育人润桃李潜心科研寸草心 ——记甘肃农业大学“黄大年式教学团队”负责人师尚礼教授

【榜样引领】匠心育人润桃李潜心科研寸草心——记甘肃农业大学“黄大年式教学团队”负责人师尚礼教授文章来源：新闻中心甘肃农业大学草业学院编者按：为进一步落实立德树人根本任务，践行社会主义核心价值观，唱响主旋律、凝聚正能量，用榜样的力量激发全校师生精诚团结、奋发有为的工作热情和追逐理想、实现梦想的创业激情，党委宣传部将持续开展身边的榜样寻访活动和甘农人物典型事迹宣传报道，深度挖掘学校不同时期名师大家、杰出校友和在校师生感人故事和工作成就，深入阐释“自强不息，奋发有为”的甘农精神和情系稼穑、强农报国、富民安民等价值追求，强化典型事迹和先进人物的示范带动作用，力争讲出有思想、有温度的甘农故事，传播好有品质、有能量的甘农声音，营造正能量充沛的校园氛围，全力构建“大思政”“大宣传”工作格局。师尚礼指导牧民种植苜蓿 “没有花香，没有树高，我只是一颗无人知道的小草，但小草为人们带来了充满生机和孕育希望的绿色愿景。把小草的事情做好，发展草业和保护好草原生态，乃‘国之大者’！”在中国草学会党委委员、原副理事长、甘肃农业大学师尚礼教授看来，“甘肃横跨长江、黄河流域，从湿润到干旱、从平谷到高山，拥有着类型丰富的草地和风光旖旎的草原，是研究草、培育草、利用草的最好场所。” 师尚礼教授所在的甘肃农业大学草业学院是一个薪火相继、勇毅前行的光荣集体，我国草业领域的两名院士——任继周、南志标，都曾在这里工作和学习过，为草业科学的发展奠定了坚实的基础。学院曾在国内率先开设草原本科及硕士专业，获批首个草原科学博士点和国家重点学科，培养了一大批草学人才，被业界誉为中国草业的“黄埔军校”。曾先后获“全国先进基层党组织”、教育部“三全育人”综合改革试点院系、“全国党建工作标杆院系”等。由师尚礼教授牵头的草业科学本科专业获评国家级特色专业和一流本科专业，引领创建并获批首个国家级草坪科学与工程本科特种专业，草种创新与草地利用教学科研团队成功入选第三批全国高校黄大年式教师团队……师尚礼工作照言传身教，做好师生的引路人师尚礼教授作为“黄大年式教学团队”的负责人，在近40年的教育教学生涯中，坚持为党育人、为国育才的初心使命，秉承教书与育人相统一，以多年担任学院和学科负责人的敏锐和担当，打造了契合现代草学发展的人才培养体系，取得了显著的办学成绩。他基于任继周院士草地农业“三个界面”理论，首倡提出并实践的理学、农学、经济学对应支撑的“草丛-生境”生态过程、“草地—家畜”生产过程、“草畜产品—社会”经济过程和“学草人—社会责任”思政过程的“三学四过程”知识学习和能力素养融合构建体系，已普遍运用于草业科学专业人才培养全过程，培养的学生既懂理论又能实践，得到了行业和社会的广泛认可。 “师老师每节课都有‘新花样’，他总是能调动我们学习的积极性，在‘参与讨论’互动教学法中，营造差异化学习环境，启迪我们每个人的心智。”草业学院的学生特别喜欢上师尚礼教授的课，每次提起来都是满脸的开心和钦佩之情。草业学院的青年老师也常常说，“师老师很好地发挥了‘传、帮、带’的作用，帮助我们尽快站稳讲台，快速提升科研能力，在真正落实着‘知农、爱农、兴农、强农’的责任，是为人和治学的好榜样。” 而对于师尚礼自己而言，做一名受师生都喜欢的老师是自己工作的动力源泉，他常常说：“‘老师’不仅仅是一个称呼、一项工作，更是一片真心、一份责任！” 躬行实践，成为草地科学领域的开拓者草地作为地球上最大的陆地生态系统，对人类生产生活产生着深远的影响，而我国草地退化问题比较突出。身为草学教育与苜蓿科技工作者的师尚礼教授带领团队成员，迎难而上，用脚步丈量广袤的西北草原，给草原“治病”、护草原“健康”，用实际行动维系着“草—畜—人”和谐共生的生命共同体。被称为世界第三极的青藏高原，受自然和人为双重因素的影响，青藏高原的草地退化现象日趋严峻，直接危及着牧民生产生活的可持续发展和国家生态安全。2011年，因农业公益性行业项目“社区生态畜牧业”执行的需要，邀请他主持“甘南社区特色生态畜牧业关键技术集成与示范”项目。本着强烈的事业心和责任感，他把国家所需、牧民所盼、专家所能和未来所向融合起来，因为这是他深深眷恋和舍得投入时间精力的地方。十二载与牛羊为伍，与雨雪同行，足迹踏遍青藏高原的六大牧区，只为牧区转型发展实现草好、人也好的目标，真情守护青藏高原的草原绿色生命线。经过长期深入思考和验证，师尚礼教授逐渐意识到草地退化的本质，是由草地生态系统中能量流动和物质循环“入不敷出”造成的。他说：“人类利用天然草地时，土壤养分随着大量植物与动物性产品输出，各种元素被过量带出草原系统，在得不到有效补给的情况下，打破了系统内原有的‘土壤-植被’养分循环，长年累月则使土壤肥力降低、养分储量亏损，以致地表最终裸露。” 之后，通过对夏河县桑科乡草场的动态监测，师尚礼教授带领团队成员从生态系统整体性研究出发，揭示出水、土、气、人、草、畜和微生物间存在的耦合关系，并由此集成了一套退化草地生态恢复重建的关键技术，创建了高寒地区“以牧民为中心”的生态保护和民生发展“种草养畜”草畜平衡理论，国家林业和草原局2019年在甘南夏河启动实施退化草原修复工程示范项目，基于该理论和技术的推广应用，邀请师尚礼教授为首席专家，在遵从牧民传统利用方式的前提下，实施修复草原面积8.2万多亩，效果良好，为青藏高原大面积推广提供了可复制的草地生态循环样板。 2023年，师尚礼教授作为首席科学家承担了国家重点研发计划重点专项“六盘山—秦巴山区特色种养绿色高效关键技术集成与示范”项目和中国工程院“重要草类甘肃种业发展战略咨询项目”，一如继往地奋战在自己挚爱的牧草事业第一线。作为师尚礼教授团队成员的曹文侠教授说：“师老师的治学态度、创新意识、工作热情及奉献精神，值得我们团队传承和发扬，也是激励我们努力工作和不断创新的持续动力。” 科技强农富民，推动民族地区经济社会发展甘肃省是个多民族地区，由于历史、自然和区域位置等原因,经济社会发展仍然相对滞后,发展不协调、不充分的问题比较突出。师尚礼教授团队多年来一直致力于解决制约甘南藏族自治州发展的瓶颈问题，从“富口袋”到“富脑袋”，努力推动民族地区经济社会发展。师尚礼教授是长期从事苜蓿研究和利用的科技工作者，苜蓿富含蛋白质、优良纤维及多种维生素，是畜禽喜食的“牧草之王”，而青藏高原自然生长的牧草多以禾本科、莎草科为主，是苜蓿生长的禁区，人工种植苜蓿的历史尚属空白。师尚礼教授认为，青藏高原高寒区苜蓿草地建植成败的关键，取决于优质苜蓿品种的越冬性能和寒作栽培技术。基于此，他和团队百折不挠、反复试验，最终在甘南夏河高寒牧区使人工种植的苜蓿越冬率由之前的35%以下提高到87%以上，平均亩产鲜草由950公斤左右提升至2100公斤以上，同时也使青藏高原的苜蓿种植区由原先的海拔2.5千米以下的暖温带，扩展至3千米的高寒带，使青藏高原的家畜吃上了“香饽饽”。现如今，师尚礼教授团队不但筛选出了抗寒能力极强的紫花苜蓿品种，同时还设计完善适宜高原气候的原地荫干、土法晾晒、压扁晾晒、草架晾晒、切节晾晒法和青贮剂筛选等流程，开发了空心圆草捆、青贮包、草束和苜蓿蛋白营养舔砖等草产品，切实增强了牧民抗灾保畜能力，使牧民饲养的牲畜冬季损失率降低了80%以上、收入提高30%，累计为牧区带来直接经济效益30多亿元。师尚礼教授说，自己和团队成员2011年第一次踏进夏河县王格尔塘镇永杰草业合作社和桑科乡央吉才让畜牧业合作社的情景，至今仍然历历在目：“草捆凌乱地晾晒在路边，牛羊毛色杂乱、瘦骨嶙峋，职业的习惯让我们停下了脚步，我们想用专业的技术改变他们粗放经营的现状，解决他们的现实困难，让农牧民获得实实在在的致富能力。” “能遇到专家我们太幸运了，假如回到几年前，我们牧民们会经常遇到冬季牛羊掉膘、空怀胎和冬瘦春亡的问题，常常会损失很多钱呢！”当地牧民说起甘肃农业大学草业学院和师尚礼教授都流露出由衷的感激之情。除了帮扶增富，师尚礼教授团队还非常重视“扶智”。多年来，他们将产业培育、合作社壮大、带头人培养与拉动就业、乡村振兴、民族团结及牧区发展融合起来，通过互访式、浸入式的“心贴心”观摩交流，培养了一大批乡土专家、新型牧民和致富能人。羊吉才让曾是夏河当地一名普普通通的藏族牧民，通过师尚礼教授团队十余年的“陪伴式”培养，现在已成为合作社负责人并被县政府聘为“新时代牧民讲习员”。“这十几年，我不仅学会了种草，还掌握了牦牛养殖和鲜奶加工技术，也认识到了生产许可证、质量认证和生产标准对增收致富的重要性。我自己最明显的变化是年收益从2万元增加到了如今的40万元，家里的土坯房已经变成了三层大楼房，我期盼师院长能到我的新家里住一住。”朴实的话语道出了草原牧民心底的喜悦与自豪。 “我们的草原上经常有‘专家’来做项目，项目做完就走了，与我们牧民没有什么关系”央吉才让说。 “最初我们看到的是合作社负责人和牧民们那种不相信的眼光，通过几年的真心帮助，他们从怀疑到信任，再到渴望合作，对我们的态度也发生了巨大转变。我们确实在科技帮扶和富民上做了些事情，也慢慢地跟牧民成为了朋友，这也是我们搞科研额外的收获。”师尚礼教授在回忆往事时也很感慨。牧民们开玩笑地说：“第一次遇见师院长和团队老师对我们这么关心，还有些不习惯，还以为专家是骗我们呢！” 是的，是专家团队用真情真心、细心耐心把他们“骗”上了一条更宽阔的农牧结合发展致富之路。科学研究从来不是“空中楼阁”，接地气、有实效的科研工作让师尚礼教授感到欣慰，“牧民们的自我发展水平和眼界视野拓宽了，组织意识、集体意识和生态保护意识也被激发出来了。我们希望能帮助这些少数民族地区的人们在国家好政策的引领下，加强民族交往交流交融，跟上时代发展的步伐，真正过上民族团结一家亲、同心共筑中国梦的幸福生活。”

Grass Res 精选2023 | 罗格斯大学黄炳茹团队揭示形态素在热胁迫下抑制匍匐翦股颖叶绿素降解的调节作用

Grass Res 精选2023 | 罗格斯大学黄炳茹团队揭示形态素在热胁迫下抑制匍匐翦股颖叶绿素降解的调节作用热胁迫会通过改变植物叶片中叶绿素的合成或降解速率来阻断叶绿素代谢，从而诱导和加速植物叶片衰老。开发延缓叶绿素流失以延长叶片绿叶性状的策略，对于提高植物对热胁迫耐受性十分重要。先前的研究发现，形态素（morphactin）在调控植物叶片衰老（提高叶绿素含量）和植物生长中扮演着重要作用。匍匐翦股颖（Agrostis stolonifera L.）是全球广泛种植的草坪草之一，这种耐旱植物在热胁迫条件下叶片衰老的现象已有报道。而形态素能否通过调控叶绿素代谢来延缓热胁迫下匍匐翦股颖叶片的衰老尚不清楚。2023年7月，Grass Research期刊在线发表了罗格斯大学黄炳茹团队题为Regulatory roles of morphactin on suppressing chlorophyll degradation under heat stress in creeping bentgrass 的研究文章。该研究揭示了形态素在热胁迫下抑制匍匐翦股颖叶片中叶绿素降解的作用。该研究通过测量胁迫和非胁迫条件下形态素甲酯（CM）处理后草坪质量（TQ）、叶绿素含量和电解质渗漏（EL）等指标，评估了热胁迫对匍匐剪股颖的影响。在非胁迫条件下，CM处理组和未处理组中TQ、EL和叶绿素含量无显著差异。而热胁迫条件下，两组样本中TQ和叶绿素含量均有所下降，同时EL有所增加；CM的应用在热胁迫25天后显著改善了植物状态，具体表现为TQ提升和EL下降（图1）。CM处理组的植物叶绿素含量也有所提高，尤其是叶绿素b，这些有益效果在胁迫期间较早出现（图2）。此外，非胁迫条件下CM并没有改变叶绿素合成或降解酶的活性。然而，CM的处理可以延缓热胁迫处理下植物叶绿素合成酶（PBGD）的活性下降和叶绿素降解酶活性的增加。这些结果表明，CM可以作为一种有效的工具，通过维持TQ、降低EL和维持叶绿素含量来缓解热胁迫对匍匐剪股颖的影响。图1. 在(a)非胁迫最佳温度或(b)热胁迫条件下，用CM处理的匍匐翦股颖或未经处理的对照组的叶片电解质泄漏（EL）图2. 在非胁迫最佳温度或热胁迫条件下，用CM处理的匍匐翦股颖或未经处理的对照组的叶绿素a ，叶绿素b 和总叶绿素图3. 热胁迫下经CM处理的匍匐剪股颖叶绿素合成和降解的路径图总之，这项研究在进一步理解匍匐剪股颖对热胁迫的反应方面取得了突破，揭示了形态素在抑制叶绿素降解中的调控作用，强调了研究植物生长调节剂作为增强植物应对全球温度升高的抵抗力工具的重要性。原文链接： https://doi.org/10.48130/GR-2023-0011

GCB-中科院水保所揭示长期禁牧下草地土壤团聚体中微生物组和养分固存

论文链接：https://doi.org/10.1111/gcb.17027

科学普及更多

联系我们

联系地址：北京市海淀区圆明园西路2号中国农业大学西校区土化楼101室邮政编码：100193 联系电话：010-62732799 、62731666 传真：86-10-62732799 电子邮箱：cgsoffice@163.com

关注微信公众号

关注微信服务号