
原文以Temperature governs the relative contributions of cuticle and stomata to leaf minimum conductance為標題發表在New Phytologist(IF=8.3)上
作者 | Josef C. Garen 和Sean T. Michaletz
文章摘要隨著全球氣候變暖,極端高溫和干旱事件在世界各地發生得越來越頻繁。研究者們將這種高溫與干旱疊加的現象稱為 “熱旱(Hot drought)”。在這樣的環境中,植物為了減少水分蒸騰,會關閉葉片表面的氣孔。然而,即使氣孔“關閉”,葉子依然會持續失水。
這種水分損失主要來自兩個途徑:
角質層滲透(Cuticular conductance, gcw) ——葉片表面那層保護膜并非完全不透水。
未完全閉合的氣孔 ——即使氣孔關閉得很緊,也可能仍然留有極微小的縫隙。
這種“最小導度”(gmin)的存在,意味著在極端高溫干旱中,植物仍然可能因持續蒸騰而加速失水,進而影響存活。這一現象不僅關系到植物自身的生理命運,還會影響到整個生態系統的水分循環。
圖1:葉片水通量在水分充足與不足條件下的變化
在水分充足且光合作用活躍的時期,氣孔打開以與大氣進行氣體交換(如上圖所示)。在這種情況下,葉片對水汽的總導度 gtw等于氣孔導度 gsw與角質層導度 gcw 的總和(忽略邊界層的影響)。
在水分不足或光合作用低下的時期,氣孔關閉以限制水分損失(如下圖所示)。當氣孔完全關閉時,gtw 達到最小值,稱為葉片最小導度 gmin,其由 gcw與最小氣孔貢獻 gsw,min之和構成。所有導度均以單位 mmol·m⁻²·s⁻¹ 表示。
高溫下,水分從哪里流走?
要回答這個問題,研究者們需要弄清楚:
在不同溫度條件下,葉片最小導度(gmin)和角質層導度(gcw)是如何變化的?
不同植物種類之間是否存在差異?
這些水分流失是否會影響我們對光合作用能力的測量和理解?
實驗方案與 LI-6800 的應用
在研究中,研究者們從加拿大不列顛哥倫比亞大學植物園采集了 11 種闊葉樹的枝條。為了避免切枝過程中產生氣泡阻塞,他們小心翼翼地在水下剪切,并迅速送回實驗室。
隨后,他們利用兩臺 LI-6800 便攜式光合熒光系統同時對同一片葉子的不同表面進行監測:
一臺測量葉片正面(無氣孔),
另一臺測量葉片背面(有氣孔)。

這樣就能準確區分氣孔和角質層的貢獻。LI-6800 不僅能精確控制光照、溫度、濕度等環境條件,還能實時記錄氣體交換數據,如凈光合速率(A)、氣孔導度(gsw)、胞間 CO₂ 濃度(Ci)等。
通過對比正反兩面的氣體通量,并結合模型計算,研究人員得以推算出角質層的導度值,并進一步揭示了在 20℃ 到 50℃ 不同溫度下,葉片水分損失的動態變化。
為什么使用 LI-6800?
圖3:LI-6800便攜式光合熒光測量系統
葉室緊靠分析器,高精準度環境控制 ——溫度、濕度、CO₂ 濃度等參數可以被嚴格設定,避免外界環境干擾。
單面測量 ——能夠分離并比較正反兩面的氣體交換,為角質層導度的量化提供了可能。
擴展應用 ——不僅用于研究水分流失,也能同時幫助分析光合作用參數(如 Vcmax、Jmax),為生態模型和作物改良提供依據。
實驗延伸:葉片最小導度的進一步測定
在完成 LI-6800 的測量后,研究人員還利用 “臺式干燥法(Bench drying method)” 對葉片最小導度(gmin)進行驗證。他們將葉片切下、封住葉柄,放在黑暗環境下使氣孔關閉,并通過不斷稱量葉片失重來計算水分流失速度。結合數學模型,可以更加客觀地估算 gmin。
研究結論
通過 LI-6800 的實驗測量與 Bench drying 方法的結合,研究者們得出了幾項關鍵結論:
在氣孔關閉時期,葉片仍然會持續失水,其速率由最小導度(gmin)決定。
溫度顯著影響水分流失途徑:隨著溫度升高,水分丟失的主要通道逐漸從氣孔轉向角質層。
葉片性狀與水分導度的關系具有溫度依賴性:在高溫下,葉片厚度、角質層厚度等性狀與 gcw、gmin 的相關性更強。角質層越厚,高溫下的 gcw 越低。
對光合測量的潛在影響:模擬結果顯示,忽視角質層導度可能會高估植物的光合能力,尤其是在氣孔導度較低的物種中。
水分虧缺模型的意義:在區域尺度的水分平衡模擬中,如果不考慮溫度對水分流失途徑的影響,可能會低估生態系統的蒸散發水平。研究還提出,VPD(飽和水汽壓差)隨溫度增加的變化,可能是導致不同實驗中 gmin 和 gcw 差異的一個重要原因。
小結
這項研究表明:植物并不是關上氣孔就能徹底“鎖水”。在高溫環境下,角質層的作用變得愈發重要,甚至可能成為主導的水分流失通道。通過 LI-6800 的精確測量與環境控制,研究者們不僅揭示了水分流失的隱秘路徑,還發現了其對光合能力評估和生態模型預測的深遠影響。
在全球氣候變化日益加劇的今天,理解這些機制將有助于:
改進作物的抗旱性培育;
優化區域乃至全球的水循環模型;
更好地預測植物在未來極端氣候下的命運。