一个新的杂草数据库可以帮助科学家了解历史上传统农业系统是如何管理的，也可以为气候危机等全球趋势如何影响我们现代粮食系统的恢复能力提供见解。
该数据库是谢菲尔德大学和牛津大学的考古学家和生态学家30年合作研究的成果。它对欧洲、西亚和北非传统农业体制中生长的近1000种杂草进行了分类。这项研究发表在《植被史与古植物学》上。
这个开放获取的资源是由学者们通过牛津大学研究档案馆继续研究项目创建和出版的，它为全世界的研究人员提供了将考古植物数据与“传统”农业系统进行比较的机会。
该数据库收录了928种杂草在谷类作物和豆类作物中生长的功能性状。该项目的目的是能够通过与可耕地作物一起生长的杂草来比较过去和现在的农业系统。
植物生态学家约翰·霍奇森(John Hodgson)曾在现在的谢菲尔德大学生物科学学院工作，他从20世纪90年代开始参与这项研究。他说:“这些数据为考古学家和植物生态学家提供了一种了解过去和预测未来的方法。
“在现代农业环境中，作物被微观管理，所有不需要的东西都被移除，很难监测环境和植物物种的长期变化。因此，通过调查历史上的杂草数量，而不是农作物，这些数据为研究人员提供了一种独特的方式来观察这些年来失去和获得的东西。
“对数据的分析使我们能够看到什么样的植物有能力适应，或者可能容易受到栖息地条件变化的影响。这项长达数年的研究提供了可靠的数据，为了解气候变化、干旱和土地退化时期粮食系统的复原力提供了可能，也为探索当今世界在全球粮食生产方面面临的问题提供了可能。”
新包中包含的数据模型旨在了解低投入(粗放)农业和高投入(集约)可耕地农业的比较情况，这为学者们了解田间研究地点作物种植的性质提供了免费资源，包括在给定时间内人们在农业实践中投入了多少劳动力，以及这可能说明的关于地点及其居民的情况。
谢菲尔德大学考古学名誉教授Glynis Jones评论说，这些数据揭示了关于农业历史的新见解，并改变了我们对全球农业发展的理解。她说:“该项目的目的是利用不同植物物种相对简单的功能属性，这可以比昂贵和耗时的实验更快地测量，从而为我们提供一些对历史遗迹的全新见解。”
“我们倾向于假设农业以非集约化的方式开始，并随着时间的推移逐渐变得更加集约化。然而，我们发现新石器时代和青铜器时代的遗址挑战了这一信念，小块土地被集中耕种，使用施肥、浇水和除草等方法种植小麦或大麦;在这些地方，人们在种植庄稼上投入了大量的人力。
“我们还发现，铁器时代和罗马时期的遗址面积更大，集约化耕种较少，因此可能会种植更多的作物，但它们不会像以前那样集约化耕种，因为它们覆盖的面积更大。”而现代农业的特点是包括集约化和粗放化的农业实践。
“我们的研究向我们揭示了耕地农业随着时间的推移的趋势，以及农业实践在不同环境下的变化。”
参与该数据库的人说，它为从事生态学和古植物学研究的学者提供了一个重要的研究资源。这是谢菲尔德大学现任和前任学者以及牛津大学现任学者30年研究的成果，其中包括环境考古学教授迈克·查尔斯(Mike Charles)和欧洲考古学教授艾米·博加德(Amy Bogaard)，后者领导了创建面向所有人开放的新R软件包“WeedEco”的工作。
牛津大学的伊丽莎白·斯特劳德(Elizabeth Stroud)领导开发了新的R软件包WeedEco，她说:“新出版物首次使任何对过去和现在的耕地农业比较研究感兴趣的人都可以访问这些数据集和模型。这意味着任何来自开发商资助或大学考古学，或来自植物科学和生态学方面的人，都可以直接参与这项研究并进行自己的分析。
“我们在R包中发布的模型在牛津大学考古学院最近的农业相关研究项目中占有突出地位，例如FeedSax和AgricUrb。这项工作揭示了不同社会在不同时期是如何生产主要作物的。”
来自牛津大学的Amy Bogaard是这项最新研究的资深作者，她指出:“新的R包和新发布的近1000种杂草的功能特征数据集证明了每个人的奉献精神，尤其是谢菲尔德大学同事的远见和承诺，功能生态学方法以及与考古植物学的联系就是在这里开始的。”这在很大程度上是与谢菲尔德大学和牛津大学考古学院的同事共同庆祝的。”
更多信息:Elizabeth Stroud等人，通过杂草看到田地:介绍WeedEco R软件包，用于比较过去和现在的耕地耕作系统，使用功能性杂草生态学，植被历史和考古植物学(2023)。DOI: 10.1007 / s00334 - 023 - 00964 - 8。link.springertgd/article/10.1…7/s00334-023-00964-8
谢菲尔德大学提供
引文:世界上最大的杂草数据库，让科学家可以窥探全球农业的过去和未来(2024年1月23日)，检索自httpsokphys.org/news/2024-01-world-largest-database-weeds-scientists.html
本文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
