利用基因组预测和遥感技术对欧洲山毛榉（Fagus sylvatica）的表型干旱胁迫进行预测

《Frontiers in Ecology and Evolution》：Phenotypic drought stress prediction of European beech (Fagus sylvatica) by genomic prediction and remote sensing

本研究整合遥感技术与群体基因组学，评估欧洲山毛榉在干旱气候下的表型响应及进化潜力。通过全基因组测序和长期气象数据分析，构建基因组预测模型，发现中等气候变化情景下山毛榉可通过自然选择维持种群，但极端干旱情景可能导致灭绝。模型验证表明，基因组预测显著提升干旱适应预测精度，为主动进化管理提供依据。

　　当前全球气候变化已成为生态系统面临的重要挑战之一，而传统的物种响应模型往往忽略了进化因素。本研究通过整合遥感技术和种群基因组学方法，提高了对关键森林树种欧洲山毛榉（*Fagus sylvatica* L.）在干旱胁迫下的表型响应预测能力。欧洲山毛榉作为欧洲木本生态系统中的重要组成部分，其分布主要受到水分供应的限制，而近年来的干旱事件已经对德国地区的山毛榉造成了严重影响。因此，准确预测气候变化对山毛榉森林的影响对于制定有效的缓解措施至关重要。

本研究采用了一种新的方法，通过全基因组测序获取自然种群沿湿度-寒冷到温暖-干燥气候梯度分布的基因组数据。同时，对15个德国山毛榉种群在2016至2022年的叶面积指数（LAI）和水分胁迫指数（MSI）进行了表型分析。利用匹配的气象数据和新开发的基因组种群预测评分，在广义线性模型中对这些数据进行了预测。模型选择结果显示，基因组预测显著提升了模型的可解释性。随后，研究进一步预测了山毛榉在未来气候变化情景下的响应，发现中等气候变化情景下，适应的山毛榉森林仍有可能维持其生存，但在最坏情况情景下则可能面临灭绝风险。因此，该方法可以为缓解措施提供指导，例如允许自然选择或主动的进化管理。

本研究强调了基因组学在预测气候变化对生态系统影响中的重要性。传统的方法主要依赖于环境变量与表型特征之间的线性关系，但近年来的研究表明，这种假设并不总是成立。特别是在多基因性状中，基因变异可能并不遵循气候梯度的连续分布模式。因此，基因组环境关联（GEA）方法可能会产生大量的假阳性结果。此外，假设种群已经适应其所处的环境梯度也可能不准确，因为人类活动引起的气候变化可能已经超出了种群的适应能力。

为了克服这些局限性，本研究提出了一种新的预测框架，结合了基因组预测（GP）与环境数据，以评估山毛榉在干旱胁迫下的表型响应。研究发现，尽管没有检测到明显的种群结构，但基因多样性在所有研究地点都较为丰富，这为自然选择提供了足够的遗传基础。通过模拟不同生长阶段的山毛榉个体基因型，计算出的PDPS（种群干旱表型评分）能够有效地反映种群对干旱胁迫的反应。进一步分析表明，PDPS与干旱风险之间存在显著相关性，这为未来气候情景下的预测提供了依据。

研究还利用遥感数据，对山毛榉的LAI和MSI进行了长期监测。结果显示，LAI和MSI在不同年份和地点之间存在显著差异，尤其是在干旱年份。通过分析遥感数据，研究确定了干旱胁迫下的阈值，这些阈值可以帮助识别长期的干旱损伤。例如，LAI低于1.4时，可能表明干旱引起的叶片脱落或活力下降，而MSI高于1.2时，可能预示着长期的生理损伤。

此外，研究还探讨了基因组预测模型的构建方法。通过利用PoolSeq数据，即基于种群的基因频率估计，而不是个体基因型，研究模拟了大量可能的基因型，并计算了其对应的表型评分。这种方法不仅降低了测序成本，还提高了预测的效率。通过比较不同生长类别的PDPS，研究发现，年轻树木和老年树木在干旱适应性上存在显著差异，这表明自然选择在不同年龄阶段可能具有不同的影响。

研究还预测了未来气候情景下山毛榉的表型响应。结果表明，在RCP 4.5情景下，如果山毛榉种群能够根据现有的遗传变异进行适度适应，它们可能能够维持生存。然而，在RCP 8.5情景下，即使进行最极端的适应，也可能无法避免种群的灭绝。因此，研究建议采取主动的进化管理措施，例如通过选择性采伐去除干旱敏感个体，以促进适应性更强的个体繁殖。

本研究的结果表明，基因组预测方法在气候变化影响评估中具有重要应用价值。通过整合基因组、环境和表型数据，可以更准确地预测森林对气候变化的响应。这种方法不仅适用于山毛榉，还可能推广到其他生态系统塑造物种。随着基因组数据的广泛应用，大规模表型数据的获取成为限制因素，而遥感技术则提供了一种高效、经济的解决方案。通过遥感技术，可以实时监测森林的表型变化，从而为适应性管理提供科学依据。

研究还指出，未来的森林管理需要更加注重适应性选择。通过识别干旱敏感的个体并进行适当的管理，可以提高森林的适应能力。此外，结合人工智能和机器学习技术，可以进一步提升预测模型的准确性和实时性，从而实现更有效的生态系统管理。这些方法的应用不仅有助于保护山毛榉这一关键物种，还可能为其他森林树种的适应性管理提供参考。

综上所述，本研究通过基因组学与遥感技术的结合，提供了一种新的方法来预测气候变化对山毛榉的影响。这种方法不仅提高了预测的准确性，还为森林管理提供了科学依据。随着气候变化的加剧，未来的森林管理需要更加注重适应性选择，以确保生态系统的可持续性和生物多样性。同时，研究也强调了保护自然再生和避免过度人为干预的重要性，以维持种群的遗传多样性。通过这些措施，可以有效缓解气候变化带来的影响，保护重要的森林生态系统。