重金属作为最常见的不可降解的污染物，对生物的危害日益受到全世界的关注。镉污染范围广、毒性较强，这主要是因为镉具有易被植物吸收与积累的特点，可造成植物的生理过程受到抑制，甚至死亡。柳树（Salix spp.）是Cd²⁺高积累型速生树种，对修复镉引起的环境污染有极大潜力。因此研究柳树对镉胁迫下的生长与生理响应有意义。主要结果如下：1.采用沙培法，研究Cd²⁺胁迫对旱柳、银芽柳、杞柳根系形态的影响。在Cd²⁺处理6天、9天时，旱柳根系长度显著低于对照；在处理9天时，杞柳根系长度显著低于对照；在处理9天时，银芽柳根系长度也低于对照，但差异不显著，说明在Cd²⁺处理下，银芽柳对镉的耐性较旱柳、杞柳强。在Cd²⁺处理6天、9天时：旱柳根系的表面积、体积在较对照无明显差异，但是根系中起主要吸收功能的直径≤0.5mm的根系长度、表面积、体积明显低于对照。可能因为直径≤0.5mm的根系吸收能力强，被动吸收Cd²⁺多，富集的镉浓度大，进而受到镉的伤害严重。杞柳根系长度、表面积、平均直径、根尖数量以及直径≤0.5mm的根系长度、表面积、体积，在Cd²⁺处理3天、6天时，与对照无显著差别；在处理9天时，则显著低于对照，印证了Cd²⁺处理强烈抑制根尖的产生的现象。2.以沙培条件下浇灌Cd²⁺处理液的方法研究镉在旱柳、杞柳、银芽柳中的积累特性及Cd²⁺处理对钙、镁、钾三种元素分配的影响。结果表明，随着Cd²⁺处理时间的延长，三种柳树根、茎、叶中的镉浓度逐渐升高，在处理9天时，三种柳树地上部的镉浓度均超过了100mg/kg。镉处理9天时，三种柳树的地上部、地下部生物量均未受到显著影响，三种柳树对镉表现出较强的抗性，具备了镉修复植物的潜在特性。Cd²⁺处理下，三种柳树根中的镉浓度远大于茎和叶片，镉在植物体内被限制运输到茎、叶，这在一定程度上降低了镉对植物地上部的毒害。Cd²⁺处理下，三种柳树根中的钾浓度显著降低，且处理9天时茎、叶中的钾浓度较3天降低，三种柳树根系对钾的吸收能力和钾向地上部的转运能力均受镉的抑制。Cd²⁺处理9天，旱柳根、茎、叶中的镉浓度较3天分别提高了3.04、2.36和21.56倍，旱柳地上部对镉的富集能力随着处理时间的延长持续增加。Cd²⁺处理3、6天时，镉的分布比例以地上部为主，处理时间延长至9天时，镉向地上部的转运能力受到了抑制，根中镉的分布比例超过了地上部。Cd²⁺胁迫下，旱柳根系加速了对钙的吸收，并将其转运到地上部，处理9天时旱柳茎中的钙浓度较3、6天分别显著上升了21.73%、23.66%。旱柳茎、叶对镁的转运能力受Cd²⁺的抑制。Cd²⁺胁迫下，旱柳根系对钾的吸收能力和钾向地上部的转运能力均受镉的抑制，处理9天时旱柳根中的钾浓度较3、6天分别显著下降了51.98%和66.79%。Cd²⁺胁迫下，旱柳根中镁的分布比例显著升高，处理9天时较3、6天显著提高了80.22%和77.57%。Cd²⁺处理下，三种柳树中，除旱柳根中镉的分布比例与镁的分布比例显著正相关、杞柳茎中钾的分布比例与镉的分布比例显著正相关外，矿质元素的其他分配格局均未受到镉的显著影响。旱柳、杞柳、银芽柳对矿质元素的分配具有较强的调节能力。3.以盆栽银芽柳为材料，利用Mini-Imaging-PAM荧光成像测定系统，研究了Cd²⁺胁迫下叶片叶绿素荧光参数的变化及其光响应曲线。结果表明，初始荧光Fo与最大荧光Fm随着Cd²⁺浓度的增大而呈现先升后降的趋势，Fo与Fm在200mg/L的Cd²⁺处理4周时达到最高值，400mg/L的Cd²⁺处理则显著下降；PSⅡ最大光化学效率（Fv/Fm）与PSⅡ潜在光化学效率（Fv/Fo）显著受Cd²⁺胁迫抑制，但随Cd²⁺浓度的增加呈先降后升的变化趋势。Cd²⁺胁迫下各叶绿素荧光参数的光响应结果表明，PSⅡ实际光量子效率Y（Ⅱ）、荧光淬灭系数（qP）随光化光强度的增加呈下降趋势，而同光强下高浓度Cd²⁺使Y（Ⅱ）与（qP）显著降低；PSⅡ调节性能量耗散的量子产额Y（NPQ）、非光化学淬灭系数（qN）与表观电子传递速率（ETR）则随着光强增加呈上升趋势，同光强下高浓度Cd²⁺处理显著提高Y（NPQ）、qN与ETR。Cd²⁺胁迫下，PSⅡ非调节性能量耗散的量子产额Y（NO）稳定在较低水平，同光强下Y（NO）随Cd²⁺浓度增加略有提高。说明，银芽柳通过调节PSⅡ反应中心开放程度与活性，对Cd²⁺胁迫表现出较强的耐性，高浓度Cd²⁺胁迫导致PSⅡ反应中心关闭或不可逆失活，表现出光抑制。基于以上研究结果，旱柳、杞柳、银芽柳对高浓度Cd²⁺胁迫均有较强抗性，可用于重度镉污染地区的植物修复，并且是选育用于重金属植物修复的柳树品种的良好材料。4.利用分类统计分析和Fisher判别分析，对银芽柳、垂柳、旱柳、蒿柳、杞柳、沙柳、苏172、苏799、垂爆柳9种柳属植物的叶长、叶宽、叶最宽处距叶尖距离、叶柄长、腋芽长、叶片密度和叶序比等7个指标进行分析，得出这9种柳属植物的判别函数，构建判别模型，再将这9种柳属植物的形态指标数据代入相应判别模型，检验其判别效果。结果表明，判别模型对柳属植物的识别正确率高于95%。