Date post: | 02-Jan-2016 |
Category: |
Documents |
Upload: | lacey-conley |
View: | 34 times |
Download: | 0 times |
Variabilita Melampyrum sylvaticum agg. v části Střední Evropy
Jakub Těšitel
školitel: Milan Štechkonzultant: Petr Šmilauer
finanční zajištění: Mattoni Award 2004 - 2005
Úvod - Melampyrum sylvaticum agg.
Melampyrum sylvaticum agg. - agregát tvořený třemi taxony
barva koruny zlatožlutá zlatožlutá bílá
délka koruny (5-)7-9(-11) mm (7-)9-12,5(-14) mm (7-)9-12,5(-14) mmdélka
prašníků(1,4-)1,6-2,1(-2,3)
mm(2,0-)2,4-3,6(-4,2)
mm(2,0-)2,4-3,6(-4,2)
mm
listeny úzké, bez zubů širší, se zuby širší, se zuby
rozšíření celý areál skupiny Karpaty Východní Karpaty
M. sylvaticum M. herbichii M. saxosum
Úvod - typy variability
Variabilita Melampyrum sylvaticum agg.
Složité „pattern“ genetické variability na různých úrovních
mezidruhová + lokální + sezónní variabilita
Ekologická variabilita (fenotypová plasticita)
Vzájemné interakce obou typů variability na všech úrovních
Pro vylišení taxonů lze použít jen nejvyšší úrovně genetické variability
Centrum variability: Východní Karpaty
Úvod - typy variability
Sezónní variabilita
součást genetické variability
existence dvou či více morfologicky, fenologicky, často i ekologicky definovaných typů
hlavní morfologické znaky spojené se sezónní variabilitou
• počet lodyžních článků• počet interkalárních článků• počet bočních větví na lodyze• přítomnost děložních listů v době květu
charakteristická pro mnoho rodů tribu Rhinantheae
Sezónní variabilita Melampyrum sylvaticum agg.fenologický posun sezónních typů většinou málo
výraznýsezónní typy se odlišují hlavně ekologií
časné typy - polohy při hranici lesa pozdní typy - horské smrčiny
časná rostlina
2 lodyžní články1 interkalární 1 pár větví (abortovaný)
pozdní rostlina
4 lodyžní články2 interkalární 2 páry bočních větví
1
2
3
1
2
Cíle práce
Cíle práce
• Zachycení a popis trendů v morfologické variabilitě Melampyrum sylvaticum agg. v území, kde skupina dosahuje nejvyšší variability v rámci areálu
• Kvantifikace složek variability, které odpovídají jednotlivým úrovním mezi regiony - v rámci regionu - vnitropopulační
• Popis „pattern“ variability znaků spojovaných se sezónní variabilitou
• Zachycení změn v morfologii květních částí v průběhu vegetační sezóny v rámci jedné rostliny
• Podchycení vlivu prostření na morfologii rostlin se zřetelem na jednotlivé znaky
• Zhodnocení využitelnosti znaků pro rozlišení jednotlivých druhů
Metodika - materiál
Materiál - lokality
Seznam pohoříŠumava (2)Orlické hory (2)Rychlebské hory (1)Hrubý Jeseník (3)Železné hory (1)Malá Fatra (2)Nízké Tatry (6)Západní Tatry (3)Vysoké Tatry (3)Svidovec + masiv Pietroše a Hoverly (3)Čivčinské hory (1)Munţii Rodnei (1)
}Melampyrum saxosum
} sledování změn morfologie v průběhu vegetační sezóny
Metodika - materiál
Morfologické znaky
Délka prašníku
Znaky na koruně
Znaky na kalichu
Znaky na nejspodnějším listenu
Celkový tvar nejspodnějšího listenu
Sezónní znaky - počet lodyžních a interkalárních článků
Metodika - analýza tvaru nejspodnějšího listenu
Analýza tvaru nejspodnějšího listenu
Využití metod geometrické morfometrie - analýza koeficientů eliptických Fourierových funkcí, které popisují tvar listenu
Digitalizace tvarů listenů na plochém skeneru
Převod obrysů digitalizovaných tvarů na eliptické Fourierovy funkce - software SHAPE ver. 1.2 (Iwata & Ukai 2002)
Analýza Fourierových koeficientů odpovídajících symetrické složce variability pomocí mnohorozměrných ordinačních metod
Metodika - statistické zpracování dat
Statistické zpracování dat
Morfologické znaky na květech a listenechnormální rozdělení obecné lineární modely, mnohorozměrné ordinační analýzy bez transformace dat
Sezónní znakyPoissonova distribuce zobecněné lineární modely (GLM), kombinace s logaritmickou link funkcí
Rozklad variability na úrovněVýpočet odhadu podílů variability odpovídajících jednotlivým úrovním metodami restricted maximum likelihood (REML) pro data s normální distribucí, maximum likelihood (ML) pro data s Poissonovou distribucí
Výsledky - změna morfologie květních částí v průběhu vegetační sezóny
Změna morfologie květních částí v průběhu vegetační sezóny
Výsledky - sezónní variabilita
Sezónní variabilitaZávislost sezónních znaků na nadmořské výšce
1. Lodyžní články
Zobecněný lineární model vysvětluje 56,2 % variability
p = 6*10-6
Výsledky - sezónní variabilita
Sezónní variabilitaZávislost sezónních znaků na nadmořské výšce
2. Interkalární články
Zobecněný lineární model vysvětluje 2,4 % variability
p = 0,0794
Výsledky - rozklad variability
Rozklad variability jednotlivých znaků na úrovněmezi regiony - mezi populacemi v rámci regionu - vnitropopulační
Výsledky - mnohorozměrná analýza
Mnohorozměrná analýza všech znaků
-0 .4 1 .0
-0.4
1.0
D CD C T
D H P
V H P
D D PS SP
S B ZS SZ
D S Z
D P R
K T
S U
S 1
V 1D 1
V 1/S1
D 1/S1
-0 .4 0 .8-0
.40
.8
D CD C T
D H P
V H PD D P
S S PS B ZSS Z
D SZ
D PR
K T
SU
S 1
V 1D 1 V 1/S1
D 1 /S 1
PCA analýza všech znaků
1. osa vysvětluje 37,3 % variability2. osa vysvětluje 16,3 % variability
RDA analýza všech znaků(pouze mezipopulační variabilita)
1. osa vysvětluje 50,8 (26,0) % variability2. osa vysvětluje 29,7 (10,1) % variabilityM-C permutační test: p < 0,001
Výsledky - mnohorozměrná analýza
Analýza tvaru nejspodnějšího listenu
-3 .0 4 .0
-1.5
1.5
Š u m av a M alá F a tra N ízk é T a try V y so k é a Z áp ad n í T a ry
H ru b ý Je seník Ž e lezn é h o ry U k ra j in a M . saxosum
PCA analýza Fourierových koeficientů
1. osa vysvětluje 82,0 % variability, 2. osa 6.8 % variability
RDA analýza Fourierových koeficientů - mezipopulační variabilita
1. osa vysvětluje 93,4 (54,7) % variability, 2. osa 3,3 (1,9) % variability
Monte-Carlo permutační test: p < 0,001
Výsledky - mnohorozměrná analýza
Analýza znaků na květech
PCA analýza všech znaků na květních částech
1. osa vysvětluje 50,0 % variability, 2. osa 12.3 % variability
RDA analýza všech znaků měřených na květních částech- mezipopulační variabilita1. osa vysvětluje 63,2 (33,7) % variability, 2. osa 13,8 (7,4) % variabilityMonte-Carlo permutační test: p < 0,001
-2 .5 2.8
-1.3
1.2
Š u m av a M a lá F a tra N ízk é T a tr y V y so ké a Z áp ad n í T at ry H r ub ý Je se n ík
R y ch leb sk é h or y O r li ck é h o ry Že le zn é h or y U k raj in a M . sa xo su m
-1 .0 1.0
-1.0
0.8
D CD C TD H P
V H P
D D P
SSP
S B ZSS Z
D SZ
D P R
K T SU
Šu m av a M alá F at ra N íz k é T at ry V ys ok é a Zá p ad n í T at ry H ru bý J es en ík
R y c hle b sk é ho ry O rli ck é ho ry Ž elez né h or y U k ra jin a M . sa xo s um
Výsledky - fenotypová plasticita
Korelace gradientů prvních RDA os s nadmořskou výškou
r = 0,57520
400 600 800 1000 1200 1400 1600 1800 2000
nadmořská výška (m)
-2.5
-2.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
2.5
1. R
DA
osa
95% confidence
r = 0,71621
400 600 800 1000 1200 1400 1600 1800 2000
nadmořská výška (m)
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
1. R
DA
osa
95% confidence
Korelace 1. osy RDA tvaru listenů a nadmořské výšky lokalit
Korelace 1. osy RDA znaků na květech a nadmořské výšky lokalit
Výsledky - fenotypová plasticita
Korelace gradientů prvních RDA os s nadmořskou výškou - vynechány populace ze Šumavy a Východních Karpat
Korelace 1. osy RDA tvaru listenů a nadmořské výšky lokalit
Korelace 1. osy RDA znaků na květech a nadmořské výšky lokalit
r = 0,23406
400 600 800 1000 1200 1400 1600 1800
nadmořská výška (m)
-1.6
-1.4
-1.2
-1.0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1. R
DA
osa
95% confidence
r = 0,56792
400 600 800 1000 1200 1400 1600 1800
nadmořská výška (m)
-1.6
-1.4
-1.2
-1.0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1. R
DA
osa
95% confidence