《Flora》：A simple method for discriminating
Schizolobium parahyba (vell.) blake (Fabaceae) seeds population by dimensional morphometry and machine learning algorithms
编辑推荐：
种子大小与形状是植物生物学中最具生态信息价值的性状之一，影响扩散、幼苗建成及土壤种子库中的持久性。在热带森林中，环境异质性在多空间尺度上发挥作用，因此物种内的形态计量变异可能反映对局部选择压力的适应性响应、遗传漂变或表型可塑性，这使得定量种子形态计量学成为研究
种子大小与形状是植物生物学中最具生态信息价值的性状之一，影响扩散、幼苗建成及土壤种子库中的持久性。在热带森林中，环境异质性在多空间尺度上发挥作用，因此物种内的形态计量变异可能反映对局部选择压力的适应性响应、遗传漂变或表型可塑性，这使得定量种子形态计量学成为研究广泛分布热带树木种群分化的有力工具。Schizolobium parahyba（Vell.）Blake（豆科，苏木亚科）是一种大型、速生且生态上重要的先锋树种，分布于巴西的大西洋森林与塞拉多（Cerrado）两个生物群系，其种子较大（干重约2.0 g），有利于在茂密地被中建立。传统上，种子形态计量与结构表征依赖于单变量描述统计和双变量相关分析，可能无法充分捕捉形态计量数据的多变量结构。近年来，机器学习（ML）算法已成为植物学形态分类与聚类研究的有力补充工具。无监督方法可在不预设类别标签的情况下识别数据中的群体结构，而有监督分类器则可基于所测性状对种群可分性进行定量评估。自组织映射（SOM）作为一种保持拓扑结构的无监督技术，已被用于生态数据集中的模式识别以及种子种皮模式和农业种子批次的分类，但其在野生热带树木种子种群中的应用仍十分有限。本研究旨在探讨来自巴西两个对比生物群系——塞拉多与大西洋森林——的S. parahyba种子种群，能否基于简单的线性维度形态计量性状及衍生的种子结构物理属性加以区分，以评估种群间的环境与遗传分化。据研究人员所知，这是SOM首次应用于野生非农业热带树种种子形态计量表征，并结合无泄漏、交叉验证的线性和非线性有监督分类器比较，以量化种群水平的判别能力。
论文解读文章
研究背景与问题
种子大小和形状是植物生物学中最具生态信息价值的性状之一，直接影响种子扩散、幼苗建成以及土壤种子库中的持久性。在热带森林中，环境异质性存在于多个空间尺度，物种内的形态计量变异可能反映对局部选择压力的适应性响应、遗传漂变或表型可塑性。Schizolobium parahyba（Vell.）Blake（豆科，苏木亚科）是一种大型、速生且生态上重要的先锋树种，分布于巴西大西洋森林与塞拉多两个生物群系，其种子较大（干重约2.0 g），有利于在茂密地被中建立。该物种在大西洋森林片段中已有种子大小和休眠的种群内及种群间变异记录，但种子形态计量学能否区分来自对比生物群系的种群尚未得到检验。传统种子形态计量与结构表征方法依赖单变量描述统计和双变量相关分析，可能无法充分捕捉形态计量数据的多变量结构。近年来，机器学习算法已成为植物学形态分类与聚类的有力补充工具。无监督方法可在不预设类别标签的情况下识别数据中的群体结构，而有监督分类器则可定量评估基于所测性状的种群可分性。自组织映射（SOM）作为一种保持拓扑结构的无监督技术，已被用于生态数据集模式识别及种子种皮模式和农业种子批次分类，但其在野生热带树木种子种群中的应用仍十分有限。因此，本研究旨在探讨来自塞拉多与大西洋森林两个对比生物群系的S. parahyba种子种群能否基于简单线性维度形态计量性状及衍生结构物理属性加以区分，以评估种群间的环境与遗传分化。
研究内容与结论
研究人员从巴西两个地理上分离的地点采集S. parahyba种子：塞拉多地点位于南马托格罗索州杜拉多斯市（22°13′16"S；54°48′20"W），大西洋森林地点位于米纳斯吉拉斯州雷克雷奥市（21°33′10.64"S，42°26′14.18"W）。塞拉多地点从68棵母树采集种子，大西洋森林地点从53棵母树采集种子，各地点种子混合为批量样本，每地点随机抽取100粒种子进行分析。研究人员使用分辨率为0.01 mm的数字卡尺测量每粒种子的三个主轴线性尺寸：长轴（长度a）、中间轴（宽度b）和短轴（厚度c），并计算算术平均直径（Da）、几何平均直径（Dg）、长宽比（R）和球形度指数（Φ）等衍生描述符，以及将种子视为椭球体计算体积（V）和表面积（S）。研究采用描述统计、Shapiro-Wilk正态性检验、Levene方差齐性检验、Welch t检验或Mann-Whitney U检验比较种群间差异，使用Pearson相关分析评估性状间线性关联并进行Benjamini-Hochberg错误发现率（FDR）校正，对合并数据集（n=200）的九个形态计量变量进行主成分分析（PCA），并采用逻辑回归、线性判别分析（LDA）、二次判别分析（QDA）、线性与径向基函数（RBF）核支持向量机、k近邻（k-NN，k=5）、随机森林和梯度提升等有监督分类器，在无泄漏的分层10折交叉验证重复5次协议下评估判别性能。此外，还应用k均值聚类、Ward链接层次聚类和高斯混合模型等无监督聚类方法，以及10×10六边形网格自组织映射（SOM），通过置换检验评估种群在SOM上的空间分离显著性。
研究结果
3.1 维度形态计量分析
频率分布显示，塞拉多种群种子长度呈对称尖峰分布，集中于约13 mm，而大西洋森林种群在三个维度上均呈更宽的平阔分布，表明其表型变异更大。描述统计显示，塞拉多种子平均长度为12.86 ± 1.86 mm，宽度6.78 ± 0.55 mm，厚度4.77 ± 0.56 mm；大西洋森林种子分别为12.96 ± 2.27 mm、6.92 ± 0.99 mm和4.70 ± 0.80 mm。Mann-Whitney U检验显示所有性状在种群间均无显著差异（所有p > 0.22），效应量均较小（|r| ≤ 0.10）。然而，Pearson相关分析揭示了种群间协方差结构的显著差异：塞拉多种群中长度与宽度呈弱负相关（r = -0.17，FDR校正后不显著），而大西洋森林种群中长度与宽度（r = 0.68，q < 0.001）及宽度与厚度（r = 0.49，q < 0.001）呈强正相关，表明大西洋森林种子三维整合更紧密，呈正异速生长模式。
3.2 多元主成分分析（PCA）
对九个标准化形态计量变量的合并数据集（n=200）进行PCA，得到两个特征值大于1的主成分，累计解释89.9%的总方差。PC1解释66.2%方差，为大小轴，算术和几何平均直径、表面积和体积的载荷达0.98以上；PC2解释23.7%方差，由球形度指数（0.89）和长宽比（0.86）主导，为形状轴。PCA双标图显示两个种群的95%置信椭圆大幅重叠，表明形态计量差异是程度问题而非清晰区分。
3.3 机器学习分类
线性分类器中，逻辑回归交叉验证准确率为74.4 ± 10.8%，LDA为69.8 ± 11.7%，线性核SVM为69.7 ± 7.8%，均显著高于50%随机基线。QDA达到80.9 ± 8.9%，与相关分析显示的种群间协方差结构差异一致。非线性分类器略优于线性分类器：SVM-RBF达到最高准确率82.6 ± 8.4%（95% CI [0.661, 0.989]），梯度提升为80.9 ± 8.5%，k-NN为80.0 ± 9.5%，随机森林为79.2 ± 9.0%。SVM-RBF混淆矩阵显示正确分类87%的塞拉多种子和78%的大西洋森林种子。仅使用三个主轴作为特征时，线性分类器性能大幅下降至接近随机水平（逻辑回归51.4%，LDA 51.9%，线性SVM 51.7%），而非线性分类器基本不变，表明衍生描述符仅提供对线性分类器有利的非线性到线性重编码，未编码超出原始维度的额外种群信息。
3.4 无监督聚类分析
k均值聚类按轮廓宽度选择两个簇，但与真实种群标签几乎无对应（调整兰德指数ARI = -0.001）；Ward链接层次聚类选择两个簇，对应关系较弱（ARI = 0.064）；高斯混合模型按BIC选择五个分量，对应关系也较弱（ARI = 0.092）。三种无监督方法均未在形态计量空间中恢复塞拉多/大西洋森林的种群划分，表明两个种群占据重叠且连续变化的形态计量区域，而非形成两个离散自然群。
3.5 无监督自组织映射分析
10×10网格经量化误差和拓扑误差评估后保留。SOM组件平面显示各变量在六边形网格上的平滑梯度，U矩阵识别出划分形态计量均匀区的边界。占用图显示塞拉多种子主要映射到网格右下区域，大西洋森林种子主要占据左上和中心区域，优势图确认了空间分离。置换检验（2,000次）显示种群在SOM上的空间分离具有统计学显著性（p = 0.0005）。
讨论与结论
讨论部分指出，尽管两个种群的种子平均尺寸和中心趋势保持一致，但其方差-协方差结构存在根本差异。塞拉多种群中长度与横向维度呈负相关，形成细长、侧向压缩的形态，研究人员推测这可能与季节性干旱和火灾环境下的土壤接触和水分吸收有关；大西洋森林种群中三个主轴呈正相关，形成更等轴生长模式，研究人员推测这可能与冠层连续覆盖下低光条件对更大种子储备的选择有关，但这些假设均未在本研究中直接检验。研究结论为：基于简单线性维度形态计量性状，结合无泄漏交叉验证的机器学习分类器，特别是SVM-RBF，能够以82.6%的准确率区分来自塞拉多和大西洋森林两个对比生物群系的S. parahyba种子种群，而传统单变量和双变量方法无法检测到这种差异。该研究首次将SOM应用于野生非农业热带树种种子形态计量表征，证明机器学习方法可以在传统方法显示高度重叠时检测到种群水平的形态计量差异，为广泛分布热带树木的种群分化研究提供了新的分析框架。
