续断居群主要活性成分空间结构和地理分布规律
续断居群主要活性成分空间结构和地理分 布规律 [摘要]为研究贵州省续断居群主要活性成分的 空间结构及地理分布规律,作者在贵州省的38个续断居群 内采集获取了每个居群的川续断皂昔VI含量,应用空间统计 和传统统计方法发掘续断居群的空间变异规律,并结合环境 变量来分析续断居群主要活性成分的群组与环境因子群组 的地理分布规律。结果显示:贵州省续断居群主要活性成分 的空间结构在全局空间上是完全随机的分布,而在局域空间 上有2个聚集点,具有较高的正相关性。续断居群川续断皂 昔VI组群的组间环境因子得分差别较大,组内环境因子得分 差别较小。 [关键词]续断;空间自相关;空间结构;地理分布 续断为川续断科植物川续断Dipsacus asper Wall, ex Henry的干燥根,是中国传统药材之一,有促进骨损伤愈合、 治疗腰椎骨质增生、骨质疏松等作用[1],为历版《中国药 典》所收载,主要含有生物碱、皂昔、挥发油等成分,其中 川续断皂昔VI为其指标性成分;续断产地较多,主要分布于 四川、重庆、贵州、云南、湖南、湖北、江西、广西等省[2-3] o 前人针对不同地区某种药材主要活性成分的空间差异 和地理分布规律开展了诸多研究[4-6],结果表明不同地区 的某种药材由于受该地区某些环境变量(地形、地貌、气候 等)的影响而造成主要活性成分不同;但由于忽略了药材主 要活性成分的空间自相关性以及数据本身的特殊性,以及药 材活性成分往往与环境变量相关性不强,因此,这些研究不 适用于其他药材的分析。 本文通过对续断居群主要活性成分的空间自相关性进 行分析,研究续断居群主要活性成分的空间变异规律,并结 合续断居群的高程、温度、降水和日照等环境变量来探讨续 断主要活性成分地理分布与环境变量之间的关系。 1方法 1.1研究区域 贵州省位于中国西南的东南部,地理坐标为东经 103° 36 —109° 35’、北纬 24° 37 —29° 13’,全省东 西长约595 km,南北相距约509 km,面积约17.6万km2。 贵州省共有9个地级行政区划单位,88个县级行政区划单位。 境内地势西高东低,自中部向北、东、南三面倾斜,平均海 拔在1 100 m左右。贵州省气候温暖湿润,属亚热带湿润季 风气候。全省各地均有续断资源分布,尤以西部、西南部、 北部、东北部海拔1 000 m以上的区域最为丰富[7]。 1. 2样品采集及活性成分提取 本研究于2011年11—12月在贵州省续断自然分布区 内,选取具有代表性和典型性的续断居群进行实地采样,采 样时间控制在1个月内。采集范围涉及龙里县、贵定县、沿 河县、黎平县、盘县和仁怀县等25个县级行政单位,最终 共在38个居群内实地采样。每个居群内采集6〜8株续断样 本,采集过程中使用手持GPS获取每个居群的经纬度。样品 采用HPLC测定川续断皂昔VI的含量,并计算居群内样品川 续断皂昔VI含量的平均值来表示该居群的川续断皂昔VI含 量,每个续断居群川续断皂昔VI含量的空间分布见图1。 1. 3环境变量数据提取 本文选取高程、温度、降水和日照时数4个环境变量, 来研究续断居群主要活性成分的地理分布规律。高程数据使 用2009年30 m分辨率的DEM数据,使用ArcGIS 10. 0的重 采样工具对其进行重采样生成1 km栅格影像(图2)。同时 收集贵州省19个气象站近10年(2002年至2011年)每个 月的平均气温、降水量和日照时数,使用ArcGIS 10.0将其 空间化,见图3〜5。最终与续断居群的空间数据进行属性关 联,得到续断居群点的高程、月均温、月降水和月日照时数。 1. 4数据分析 1.4.1续断居群主要活性成分空间自相关分析空间自 相关分析是检验具有空间位置的某一要素的属性值是否显 著地与其相邻空间点上的属性值相关联的一种统计方法,通 过检测一个位置上的变异是否依赖于邻近位置上的变异来 判断该变异是否存在空间自相关性[8-10] o 表不空间自相关的指标和方法很多,其中最常用的是 Moran s I指数,Moranz s I指数一般可分为全局型[8]和 局域型[11]2种:全局空间自相关是对每个空间要素属性值 在整个区域的空间特征的描述,局域空间自相关是衡量每个 空间要素属性在局部的相关性质,从本质上看,局域 Moran s I是将Moranz s I分解到各个区域单元。计算出 Moranz s I指数还需对其结果进行统计检验,一般采用Z检 验[8],当Z得分或P值指示统计显著时,如果Moranz s I 指数值为正则表示要素分布为聚集分布,如果Mora“ s I 指数值为负则表示要素分散分布。 通过ArcGIS 10.0的空间自相关工具分析续断居群主要 活性成分的自相关性,来检验续断皂昔VI其否显著地与其相 邻空间位置上的续断居群的皂昔VI相关联。 1.4.2续断居群主要活性成分的地理分布规律 首先借 助SPSS 19.0的Spearman相关方法[12]分析续断居群川续 断皂昔VI与高程、温度、降水和日照时数之间的相关性,针 对续断居群川续断皂昔VI与这些环境变量之间没有显著相 关性的情况,采用因子分析方法计算每个居群的环境因子总 得分。由于居群之间没有明显的界限,这里使用模糊聚类的 方法[13]实现续断居群川续断皂昔VI的分组以及续断居群 环境因子得分的分组。 最终,通过ArcGIS软件将环境因子总得分的分组数据 和川续断皂昔VI分组数据进行空间叠加分析,进而发掘续断 居群川续断皂昔VI在综合环境因子影响下的地理分布规律。 2结果分析 2.1续断居群主要活性成分空间自相关分析应 用ArcGIS 10.0空间统计工具集中的空间自相关工具,得到 全局空间自相关分析结果,Z得分是标准偏差的度量,用来 检验空间自相关分析的统计显著性。P表示显著水平,即要 素分布完全空间随机分布的概率。分析结果见图6,可以看 出当P为0. 22的显著水平下,Moran s指数为0. 88, Z得 分为1.23。分析结果说明从全局上看,续断居群的川续断皂 昔VI分布是完全随机的,并不受其他空间位置的续断居群影 响。 应用ArcGIS 10. 0空间统计工具集中的聚集和分散分析 工具,得到局域空间自相关分析结果。利用局域空间自相关 指标表达某一点和其周围点5种类型的局域空间联系:“高 高“型表示某一点和其周围点属性值都较高,“高低型”表 示某一点的属性值较高,但其周围点的属性值较低。“低 低“型与“低高“型的意义正好相反,“不显著“型表示某 观测点与其周围观测点的空间差异不显著。“高高”型和 “低低“型表明具有较高的空间正相关,表示局域的集聚和 相似性,分析结果见图7O说明从局域上看,只有龙里县麻 芝乡新民村和贵定县沿山镇新兴村的续断居群川续断皂昔 VI在空间位置上具有较高的正相关性,川续断皂昔VI含量都 比较高。 2.2续断居群主要活性成分的地理分布规律 由于续断居群的川续断皂昔VI含量数据不满足正态分 布,因此使用SPSS 19. 0中的Spearman相关性分析工具对 皂昔和高程、温度、降水及日照时数分别做相关性分析。根 据P和相关系