高等植物大多为C₃植物, C₄植物和景天酸代谢(Crassulacean acid metabolism, CAM)植物是由C₃植物进化而来的。C₄途径的多源进化表明, 光合途径由C₃途径向C₄途径的转变相对简单。该文分析研究了植物光合途径的进化前景, 指出C₄植物是从C₃植物进化而来的高光效种类, 且地质时期以来降低的大气CO₂浓度和升高的大气温度以及干旱和盐渍化是C₄途径进化的外部动力。C₃植物的C₄途径的发现说明植物的光合途径并非是一成不变的, C₃和C₄植物的光合特征具有极大的可塑性, 某些环境的变化会引起植物光合途径在C₃和C₄途径之间转变。C₃植物具有的C₄途径是环境调控的产物, 是对逆境的适应性进化结果, 因而光合途径的转变也适用于干旱地区植被的适应性生存机理研究。该文还利用国外最新的C₄光合进化模型介绍了植物在进化C₄途径中所经历的7个重要时期(从分子基础到形态基础、结构基础, 再到物质代谢水平、光合酶活水平, 直到C3和C4途径协调运转时期, 最后达到形态与功能最优化阶段), 并结合全球气候变化的特点对国内外相关领域的研究进行了分析, 总结了植物光合途径的适应性转变和进化的研究成果, 为今后的相关工作提出建议。

代谢组学技术是研究植物代谢的理想平台, 通过现代检测分析技术对胁迫环境下植物中代谢产物进行定性和定量分析, 可以监测其随时间变化的规律。而各种组学平台包括基因组学、转录组学及代谢组学的整合, 更是一个强有力的工具箱, 将所获得的不同组学的信息联系起来, 有利于从整体研究生物系统对基因或环境变化的响应, 如可判断代谢物的变化是从哪一个层面开始发生的, 帮助人们揭开复杂的植物胁迫应答机制。该文对近期代谢组学技术及其与蛋白质组学、基因组学技术相结合探索植物应答非生物胁迫的研究进行了综述。代谢组学的应用, 拓展了对植物耐受非生物胁迫分子机制的认识, 开展更多这方面的研究, 再通过植物代谢组学、转录组学、蛋白质组学和基因组学整合, 有助于从整体水平上把握植物胁迫应答机制。

结合对新疆伊犁河两岸科古琴山南坡(河谷北坡)和乌孙山北坡(河谷南坡) 94个样地的调查资料, 采用DCCA (detrended canonical correspondence analysis)排序法, 分析了物种多样性指数与环境因子之间的关系, 运用广义可加模型拟合植物群落总体多样性指数对海拔梯度的响应曲线, 探讨了伊犁河谷山地植物群落物种多样性的垂直分布格局。结果表明: 在调查的94个样地中, 共出现259种植物, 其中, 草本植物的种类极其丰富, 多达235种, 木本植物的种类极其有限; 垂直结构完整的植物群落具有较高的多样性指数; 河谷北坡植物群落物种多样性的分布格局受海拔、坡度、坡向以及土壤全氮、全钾、有机质、含水量等环境因子的影响较大, 而在河谷南坡, 物种多样性分布格局主要受坡度、海拔、有效磷含量和土壤含水量等环境因子的影响; 在河谷北坡, 植物群落的Patrick丰富度指数与Shannon-Wiener指数与海拔呈明显的双峰曲线关系, Simpson指数与Pielou均匀度指数呈不对称的单峰格局, 而河谷南坡的物种多样性指数随海拔均呈双峰格局, 尽管Patrick丰富度指数不甚明显。山地植物群落物种多样性的垂直分布格局是由海拔为主的多种环境因子综合作用的结果。

根系分泌物是植物与土壤进行物质交换和信息传递的重要载体物质, 是植物响应外界胁迫的重要途径, 是构成植物不同根际微生态特征的关键因素, 也是根际对话的主要调控者。根系分泌物对于生物地球化学循环、根际生态过程调控、植物生长发育等均具有重要功能, 尤其是在调控根际微生态系统结构与功能方面发挥着重要作用, 调节着植物-植物、植物-微生物、微生物-微生物间复杂的互作过程。植物化感作用、作物间套作、生物修复、生物入侵等都是现代农业生态学的研究热点, 它们都涉及十分复杂的根际生物学过程。越来越多的研究表明, 不论是同种植物还是不同种植物之间相互作用的正效应或是负效应, 都是由根系分泌物介导下的植物与特异微生物共同作用的结果。近年来, 随着现代生物技术的不断完善, 有关土壤这一“黑箱”的研究方法与技术取得了长足的进步, 尤其是各种宏组学技术(meta-omics technology), 如环境宏基因组学、宏转录组学、宏蛋白组学、宏代谢组学等的问世, 极大地推进了人们对土壤生物世界的认知, 尤其是对植物地下部生物多样性和功能多样性的深层次剖析, 根际生物学特性的研究成果被广泛运用于指导生产实践。深入系统地研究根系分泌物介导下的植物-土壤-微生物的相互作用方式与机理, 对揭示土壤微生态系统功能、定向调控植物根际生物学过程、促进农业生产可持续发展等具有重要的指导意义。该文综述了根系分泌物的概念、组成及功能, 论述了根系分泌物介导下植物与细菌、真菌、土壤动物群之间的密切关系, 总结了探索根际生物学特性的各种研究技术及其优缺点, 并对该领域未来的研究方向进行了展望。

该文以北京国家褐潮土土壤肥力与肥料效益长期监测基地的长期肥料定位试验为平台，研究了长期不同施肥制度对土壤的生物学特性及其土壤酶的影响。主要研究结果：长期撂荒土壤(15年)的有机质和全氮(TN)的含量、微生物量碳(SMB-C)和氮(SMB-N)、土壤的蔗糖酶、磷酸酶和脲酶活性以及SMB-C/SOC(土壤有机碳)和SMB-N/TN比值都高于种植作物的农田土壤；而其代谢商和容重值低于农田土壤。长期施肥的农田(NPK、NPKM 、NPKS和NPKF)，其土壤养分含量、微生物量碳和氮以及土壤蔗糖酶、磷酸酶和脲酶活性均高于不施肥的农田(CK)；而小麦(Triticum aestivum)-玉米(Zea mays)→小麦-大豆(Glycine max)复种轮作(NPKF)的农田又高于长期复种连作(NPK)的农田；在施肥处理中(NPK、NPKM、NPKS和NPKF)，长期化肥与有机肥配合施用的处理(NPKM )的土壤上述指标高于其它施肥处理(NPK、NPKS和NPKF)，但其土壤的代谢商、pH值和容重值较低。

蛋白质组学是后基因组时代功能基因组学研究的新兴学科和热点领域。该文简要介绍了蛋白质组学产生的科学背景、研究方法和研究内容。蛋白质组学研究方法主要有双向聚丙烯酰胺凝胶电泳（2D-PAGE）、质谱(Mass-spectrometric)技术、蛋白质芯片（Protein chips）技术、酵母双杂交系统（Yeast two-hybrid system）、植物蛋白质组数据库等。其应用的范围包括植物群体遗传学、在个体水平上植物对生物和非生物环境的适应机制、植物的发育和组织器官的分化过程，以及不同亚细胞结构在生理生态过程中的作用等诸多方面。同时对植物蛋白质组学的发展前景进行了展望。

基于多变量统计方法同时研究自然系统内多个因子之间的相互关系, 是阐释复杂的自然系统的一个重要手段。相比传统的多变量统计法, 结构方程模型基于研究者的先验知识预先设定系统内因子间的依赖关系, 不仅能够判别各因子之间的关系强度(路径系数), 还能对整体模型进行拟合和判断, 从而能更全面地了解自然系统。由于结构方程模型只在近年才被应用到生态学的数据分析中, 因此该文试图对其作一简略介绍, 包括结构方程模型的定义和变量类型, 结合事例研究展现结构方程模型分析的一般步骤、在生态学中的应用以及相关软件的介绍等。望能为相关研究人员提供直观的认识, 加强结构方程模型在生态学数据分析中的应用。

物种分布模型被广泛应用于评估气候变化对物种分布的影响。随着计算机和统计学的发展, 模拟物种分布的模型层出不穷, 但对这些模型的相对表现知之甚少, 因此需要对其进行对比分析, 以便更可靠地评估气候变化的影响。该文采用3个比较新颖的组合集成学习(ensemble learning)模型(随机森林(random forest, RF)、广义助推法和NeuralEnsembles)、3个常规模型(广义线性模型、广义加法模型和分类回归树)、3个大气环流模型(global circulation model, GCM) (MIROC32_medres, JP; CCCMA_CGCM3, CA; BCCR-BCM2.0, NW)和一个气体排放情景(SRES_A2), 模拟分析了马尾松(Pinus massoniana)历史基准气候(1961–1990)和未来3个不同时期(2010–2039, 2020s; 2040–2069, 2050s; 2070–2099, 2080s)的潜在分布。基于环境阈值方法选择物种不发生区, 依据ClimateChina软件进行当前和未来气候数据的降尺度处理, 采用接收机工作特征曲线(receiver operator characteristic, ROC)下的面积(area under the curve, AUC)、Kappa值和真实技巧统计法(true skill statistic, TSS)以及马尾松种子区划范围来评价模型的预测精度。结果表明: 6个物种分布模型都具有较高的预测精度, 但组合集成学习模型的预测精度稍高于其他常规模型, 其中RF的预测精度最高。3个GCM和6个模型模拟条件下, 马尾松对气候变化的响应格局既有一致性也有异同性。一致性表现在: 随着时间的推移, 马尾松分布区将逐渐向北迁移, 未来潜在分布区的面积将逐渐增加; 异同性表现在: 在不同模型和不同气候情景下, 马尾松潜在分布区的迁移距离和面积变化幅度不同, 其中NW模式下预测的变化幅度小于CA和JP模式; RF模型预测的分布区迁移距离和面积变化幅度最大。随着时间的推移, 未来马尾松的18个潜在分布空间预测图(6个模型 × 3 GCM)之间的差异也逐渐增大, 其中空间不一致性地区主要集中发生在马尾松潜在分布区的北部和西部边缘地带。模型本身不同的构建原理以及GCM之间的差异是导致预测结果存在差异的主要原因。

光合作用对光和CO₂响应模型是研究植物生理和植物生态学的重要工具, 可为植物光合特性对主要环境因子的响应提供科学依据。该文综述了当前光合作用对光和CO₂响应模型的研究进展和存在的问题, 并在此基础上探讨了这些模型的可能发展趋势。光合作用涉及光能的吸收、能量转换、电子传递、ATP合成、CO₂固定等一系列复杂的物理和化学反应过程。光合作用由原初反应、同化力形成和碳同化3个基本过程构成, 任一个过程均可对光合作用速率产生直接的影响。光合作用对光响应模型只涉及光能的转换, 而光合作用的生化模型包含了同化力形成和碳同化这两个基本过程。把光合作用的原初反应, 即把参与光能吸收、传递和转换的捕光色素分子的物理参数(如捕光色素分子数、捕光色素分子光能吸收截面、捕光色素分子处于激发态的平均寿命等)结合到生化模型中, 可能是今后光合作用对光响应机理模型的发展方向。