slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Variabilita Melampyrum sylvaticum agg. v části Střední Evropy PowerPoint Presentation
Download Presentation
Variabilita Melampyrum sylvaticum agg. v části Střední Evropy

Loading in 2 Seconds...

play fullscreen
1 / 18
lacey-conley

Variabilita Melampyrum sylvaticum agg. v části Střední Evropy - PowerPoint PPT Presentation

101 Views
Download Presentation
Variabilita Melampyrum sylvaticum agg. v části Střední Evropy
An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. Variabilita Melampyrum sylvaticum agg. v části Střední Evropy Jakub Těšitel školitel: Milan Štech konzultant: Petr Šmilauer finanční zajištění: Mattoni Award 2004 - 2005

  2. Úvod - Melampyrum sylvaticum agg. Melampyrum sylvaticum agg. - agregát tvořený třemi taxony M. sylvaticum M. herbichii M. saxosum

  3. 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

  4. Úvod - typy variability 2 3 1 2 1 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. časná rostlina 2 lodyžní články 1 interkalární 1 pár větví (abortovaný) pozdní rostlina 4 lodyžní články 2 interkalární 2 páry bočních větví fenologický posun sezónních typů většinou málo výrazný sezónní typy se odlišují hlavně ekologií časné typy - polohy při hranici lesa pozdní typy - horské smrčiny

  5. 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

  6. Metodika - materiál Materiál - lokality } sledování změn morfologie v průběhu vegetační sezóny Seznam pohoří Šumava (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

  7. 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

  8. 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

  9. Metodika - statistické zpracování dat Statistické zpracování dat Morfologické znaky na květech a listenech normální rozdělení  obecné lineární modely, mnohorozměrné ordinační analýzy bez transformace dat Sezónní znaky Poissonova distribuce  zobecněné lineární modely (GLM), kombinace s logaritmickou link funkcí Rozklad variability na úrovně Výpočet odhadu podílů variability odpovídajících jednotlivým úrovním metodami restrictedmaximum likelihood (REML) pro data s normální distribucí, maximum likelihood (ML) pro data s Poissonovou distribucí

  10. Výsledky - změna morfologie květních částí v průběhu vegetační sezóny Změna morfologie květních částí v průběhu vegetační sezóny

  11. Výsledky - sezónní variabilita Sezónní variabilita Závislost sezónních znaků na nadmořské výšce 1. Lodyžní články Zobecněný lineární model vysvětluje 56,2 % variability p = 6*10-6

  12. Výsledky - sezónní variabilita Sezónní variabilita Závislost sezónních znaků na nadmořské výšce 2. Interkalární články Zobecněný lineární model vysvětluje 2,4 % variability p = 0,0794

  13. Výsledky - rozklad variability Rozklad variability jednotlivých znaků na úrovně mezi regiony - mezi populacemi v rámci regionu - vnitropopulační

  14. Výsledky - mnohorozměrná analýza Mnohorozměrná analýza všech znaků PCA analýza všech znaků 1. osa vysvětluje 37,3 % variability 2. osa vysvětluje 16,3 % variability RDA analýza všech znaků (pouze mezipopulační variabilita) 1. osa vysvětluje 50,8 (26,0) % variability 2. osa vysvětluje 29,7 (10,1) % variability M-C permutační test: p < 0,001

  15. Výsledky - mnohorozměrná analýza Analýza tvaru nejspodnějšího listenu 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 PCA analýza Fourierových koeficientů 1. osa vysvětluje 82,0 % variability, 2. osa 6.8 % variability

  16. Výsledky - mnohorozměrná analýza Analýza znaků na květech RDA analýza všech znaků měřených na květních částech- mezipopulační variabilita 1. osa vysvětluje 63,2 (33,7) % variability, 2. osa 13,8 (7,4) % variability Monte-Carlo permutační test: p < 0,001 PCA analýza všech znaků na květních částech 1. osa vysvětluje 50,0 % variability, 2. osa 12.3 % variability

  17. Výsledky - fenotypová plasticita Korelace gradientů prvních RDA os s nadmořskou výškou Korelace 1. osy RDA tvaru listenů a nadmořské výšky lokalit Korelace 1. osy RDA znaků na květech a nadmořské výšky lokalit

  18. Výsledky - fenotypová plasticita Korelace gradientů prvních RDA os s nadmořskou výškou - vynechánypopulace 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