干旱与盐胁迫下本土和外来植物的耐受性差异及 ANN 分类研究

研究人员通过分析 220 条伊朗数据，利用 ANN 区分本土和外来植物，发现本土植物耐旱性更强，意义重大。

　　在干旱和半干旱地区，恶劣的环境条件限制了植物的生长范围，这些地区的植物必须具备耐受干旱和盐分的特性。本研究旨在探究多种因素之间的复杂相互作用，从而找出最能耐受干旱和盐分的外来及本土植物物种。研究人员从伊朗的 220 条记录中收集了植物种子对干旱和盐分的萌发耐受性数据，这些数据包含 X₅₀（即导致最终种子萌发率降低 50% 的干旱或盐分胁迫水平）。他们依据伊朗最新的外来植物清单，按照植物的原生范围（本土或外来）筛选记录，并将考察干旱和盐分耐受性的作物、植物家族、物种的生命周期以及生态区域等额外信息纳入分析。研究运用人工神经网络（ANN），以这些数据作为输入，对本土和外来物种进行区分。结果显示，在训练、验证和测试过程中，对外来和本土物种分类的错误率分别为 0、0.023 和 0.01。本土马齿苋科（Portulacaceae）和牻牛儿苗科（Geraniaceae）的物种具有较高的耐旱性，而马齿苋科、苋科（Amaranthaceae）和豆科（Fabaceae）对盐分的耐受性最强。在外来植物中，唇形科（Lamiaceae）的耐旱和耐盐性最高。总体而言，植物家族对耐旱性和耐盐性的影响最大，其次是生态区域对耐旱性的影响以及生命周期对耐盐性的影响。耐旱性最强的外来植物主要集中在伊朗 - 图兰生态区。希尔卡尼亚地区的外来植物数量较多，而哈利吉 - 阿曼尼亚地区的数量极少。总体来看，本土物种的耐旱性明显高于外来物种，但在耐盐性方面两者没有显著差异。研究表明，ANN 能够基于干旱和盐分耐受性对本土和外来植物进行分类。植物家族特征、作物类型和生命周期对物种分类有很大影响。本土植物在更恶劣的环境中占优势，而外来物种在较温和的条件下生长旺盛。了解这些差异有助于改进风险评估，在气候变化的背景下，对有害物种进行优先排序。