AI读MEE丨功能多样性的新时代：DRQ三元图帮助理解群落组成的驱动机制

01| 研究速读

本文提出了一种基于功能多样性、功能冗余和物种优势度的三元图，用于更全面地展示生态群落的结构，并通过实际草地植物群落数据验证了这一方法的有效性。

研究背景：传统的多样性指标通常只考虑物种丰度，而忽视物种间的功能差异。为了弥补这一不足，近年来提出了多种功能多样性指标，但缺乏一种综合不同群落特征的框架。

研究方法：本文通过将经典的Simpson多样性分解为Rao的功能多样性和功能冗余，提出了一种三元图（DRQ三元图），该图可用于直观展示群落的功能结构。研究还通过在意大利Tuscany地区采样的放牧和未放牧的草地植物群落数据进行了验证。

研究结果：放牧的草地植物群落在功能多样性上显著高于未放牧群落，而未放牧群落的物种优势度更高。两者在功能冗余上没有显著差异，说明不同管理方式对群落功能结构有明显影响。

研究结论：提出的三元图可以通过同时展示功能多样性、功能冗余和物种优势度，帮助更全面地理解群落结构及其对不同生态过程的响应。这一框架有助于揭示群落组成在不同环境条件下的驱动机制。

02| 研究结论

1. 提出的功能多样性三元图（DRQ三元图）为分析生态群落的功能结构提供了一个有效的可视化工具，通过同时展示功能多样性、功能冗余和物种优势度，更全面地反映了群落的功能组成。

2. 三元图的分解方法能够将物种的功能相似性/差异性直观地表示出来，弥补了传统多样性理论中假设物种完全不同的不足。

3. 功能多样性与功能冗余是生态群落稳定性和功能的重要组成部分，而高功能冗余可以为群落在面对物种局部灭绝时提供保险效应，增强群落的稳定性。

4. 高功能多样性的群落通常具备更多的功能差异物种，这些物种在面对环境扰动时可能具有更强的适应能力，从而促进生态系统的重新组装。

5. 三元图还可以用于不同群落之间的比较，有助于揭示不同环境条件下生态过程对群落组织结构的影响。

03| 研究方法

论文概念图

（图片由AI大侠🤖阅读论文后绘制，技术来源GPT-4o

#方法简介#

研究区域：本文研究区域位于意大利中部托斯卡纳地区的一个干燥石灰质草地，该区域经历了不同的放牧管理方式，以比较放牧和未放牧条件下植物群落的功能变化。

实验设计：研究设置了15个样地，其中8个样地为放牧样地，7个样地为未放牧样地。通过比较两种管理方式的样地，分析其群落结构中的功能多样性、功能冗余和物种优势度。

数据采集：在每个样地中，记录了植物物种的丰度，并测量了四个功能性状，包括比叶面积（SLA）、叶干物质含量（LDMC）、氮含量（N%）和碳含量（C%）。这些性状数据被用于评估功能多样性和冗余。

统计方法：数据分析使用了Rao的功能多样性指数（Q）、功能冗余（R）和Simpson优势度（D），并通过将Simpson多样性分解为R和Q，构建了DRQ三元图。使用基于置换的多元方差分析（permutational ANOVA）和Bray-Curtis相异性检验样地间的显著性差异。还通过单变量ANOVA检验放牧和未放牧样地的R、Q和D三元组分的差异。

04| 详细结果

FIG1

FIG2

• 文章的详细研究结果包括以下几点：

1. 功能多样性（Q）差异：放牧样地的功能多样性显著高于未放牧样地。具体来说，放牧样地的Rao功能多样性平均值为0.355，而未放牧样地为0.215。

2. 物种优势度（D）差异：未放牧样地的物种优势度显著高于放牧样地。未放牧样地的Simpson优势度平均值为0.349，而放牧样地为0.151，表明未放牧样地中物种的分布更加不均。

3. 功能冗余（R）差异：放牧和未放牧样地之间的功能冗余没有显著差异。放牧样地的功能冗余值为0.494，而未放牧样地为0.435，但这种差异并不显著。

4. 放牧对群落结构的影响：放牧增加了植物群落的功能异质性，尤其是通过选择性食草和动物粪便引起的营养分布不均，放牧样地表现出更高的物种周转率和功能多样性。

5. 未放牧对群落的影响：未放牧样地随着时间的推移，由于功能相似的灌木扩展，群落功能变得更加均质，物种多样性和功能多样性较低。

6. 不同样地之间的统计显著性：使用Bray-Curtis距离和置换多元方差分析显示，放牧和未放牧样地在DRQ三元图上的功能组成存在显著差异，p值小于0.001。

• 本文提出的DRQ三元图相较于传统方法具有以下几个优势：

1. 综合性强：三元图将功能多样性（Q）、功能冗余（R）和物种优势度（D）同时呈现，提供了对群落功能结构的全面概括，而传统方法通常只侧重于单一指标，如物种丰度或功能多样性。

2. 直观可视化：三元图以三角形的形式展示群落的功能组成，使研究者可以直观地看到不同样地之间的功能差异及其驱动因素，而传统方法的结果通常难以通过简单图形全面呈现。

3. 反映群落多层次信息：三元图能够同时展示个体层面的功能差异（Q）、物种间的功能相似性（R）以及物种丰度分布的均衡性（D），而传统方法往往忽视了物种间的功能相似性或优势度对群落结构的影响。

4. 适用于多种生态过程分析：通过功能多样性和功能冗余的分解，三元图能够更好地关联群落的多样性与生态过程，帮助理解放牧、扰动等环境因素如何影响群落的组成和功能稳定性，而传统指标无法同时捕捉这些多方面的生态信息。

5. 总体而言，三元图为生态学研究提供了一种更为全面、灵活和可视化的工具，能够深入揭示生态群落的复杂性。

其他公众号的两期推送非常详细总结了文章内容和代码，可参考：

公众号：Biodiversity Monitoring

扫码vx，说出对AI大侠🤖的期待