编辑推荐：
理论与实验均表明，生物多样性（biodiversity）可能提高生产力（productivity）。然而，理论往往关注长期平衡，而实验最关注短期效应。这意味着现有理论预测可能与实验结果不匹配。本研究的目的在于探索既能在短期趋势又能在长期趋势中起作用的多样性–生
理论与实验均表明，生物多样性（biodiversity）可能提高生产力（productivity）。然而，理论往往关注长期平衡，而实验最关注短期效应。这意味着现有理论预测可能与实验结果不匹配。本研究的目的在于探索既能在短期趋势又能在长期趋势中起作用的多样性–生产力机制。研究人员从种群增长的短期理论出发，分析正多样性–生产力关系出现的条件。与当代预测一致，研究人员表明，物种多样性可通过增强生态位差异（niche differences）的重要性直接提高生产力。对选择（selection）而言，情况并不那么简单。既往作者提出，生物多样性通过一种选择形式塑造生产力：物种多样性促进成功物种相对于其他物种的丰度增加，从而导致更高的总体生产力。该机制被认为类似于进化中的自然选择（natural selection），但聚焦于不同物种而非不同基因型（genotypes）。研究人员表明，这种类比并不完整。当应用选择的形式定义时，选择并不影响绝对生产力（absolute productivity）。相反，选择影响生产力随时间的变化率。因此，测量选择效应需要来自至少三个不同时间点的测量，以便对比多个生产力测度。研究人员说明了如何在竞争实验中测量选择。这些结果表明，多样性可通过比生态学中已强调机制更广泛的机制影响生产力。研究人员的结果表明，超越对生产力的单次观测并对生产力如何随时间变化建模，可以弥合理论与实验之间的这种脱节。
研究背景与问题：生物多样性与生产力关系是生态学的重要问题。理论与实验均提示，生物多样性可能提高生产力，但理论多关注长期平衡，实验多关注短期效应，因此现有理论预测可能与实验结果不匹配。Loreau and Hector 将多样群落相对单一种植的生产力增加区分为选择效应（selection effect）与生态位互补效应（niche complementarity），但其分析关注处理间差异，缺乏明确时间维度。许多生态模型以种内相互作用、种间相互作用和密度独立增长描述种群增长，但短实验未必达到平衡，动态种群增长与多样性–生产力关系之间缺少一般联系。研究人员因此试图填补这一空白，统一动态模型与多样性–生产力分析，并厘清生态位分化与选择分别如何影响生产力。
研究人员开展的研究、结论与意义：研究人员从短期种群增长理论出发，将绝对丰度模型重参数化为相对丰度模型，分析正多样性–生产力关系出现的条件。结论是：物种多样性可通过增强生态位差异直接提高生产力；选择并不直接改变绝对生产力，而改变生产力随时间的变化率。因此，检测选择需要至少三个时间点的多次生产力测量。其意义在于，多样性影响生产力的机制范围比生态学中已强调的更广；通过超越单次生产力观测并建模生产力随时间变化，可弥合理论与实验之间的脱节。
关键技术与方法：研究人员基于动态种群模型，将绝对丰度模型重参数化为相对丰度，纳入密度独立增长、种内与种间相互作用，并以 Lotka–Volterra 框架分析生态位差异和选择；用 Fisher 基本定理与 Price 方程思想定义选择项，对平均人均增长率求时间导数，并用中心差分近似从至少三个时间点估计生产力变化。进一步扩展至饱和互惠互作与 MacArthur 消费者–资源动态，使用 rescomp R 包模拟。实证示例来自 Gause 的 Paramecium aurelium 与 P. caudatum 竞争实验数据；用 GauseR 默认设置估计 Lotka–Volterra 参数，用 deSolve 计算丰度变化。样本队列来源为 Gause 的 Paramecium 竞争实验历史数据集。
研究结果：
Introduction（引言）：许多实验观察到增加生物多样性会提高生产力，常见设计是操纵物种丰富度并测量生产力。Loreau and Hector 的影响力工作将多样性效应分为选择效应和生态位互补效应，但聚焦处理间差异。生态模型多基于种群增长机制，短实验又未必达到平衡，因此研究人员要建立动态种群增长与多样性–生产力关系之间的一般联系。
The model（模型）：考虑 S 个物种，绝对丰度记为 n
i，总丰度 N=Σn
i，相对丰度 p
i=n
i/N。生产力可定义为单位时间丰度增加；常用对数丰度变化，即人均增长率。总人均增长率可分解为密度独立增长项与相互作用项。N 很小时密度独立增长项主导，多样性不提高生产力；只有相互作用项主导时，多样性才可能最大化生产力。零和动态是该模型的重要特例。
Box 1. Population density mediates diversity–productivity relationships（种群密度介导多样性–生产力关系）：基于模型模拟指数增长、生态位分化和互惠。指数增长中，高增长率物种占优时人均增长最高；高多样性反而人均增长较低，但人均增长的时间变化在高多样性时出现峰值。生态位分化模型中，高 N 时高多样性人均增长较高，低 N 时较低。互惠模型中，饱和收益使结果同样依赖 N，说明种群密度介导多样性–生产力关系。
Box 2. How do interactions shape diversity–productivity relationships?（相互作用如何塑造多样性–生产力关系？）：生态位互补随密度变化。低密度时个体很少相互作用，生长近似密度独立，生态位互补优势较小；高密度时相互作用常见，生态位分化可使多样群落生产力更高。
Niche differences lead to a diversity–productivity relationship（生态位差异导致多样性–生产力关系）：将相互作用项分为种内和种间相互作用。完全生态位差异时种间相互作用项消失。种内项与 Simpson's diversity index 相乘，种间项与 Gini–Simpson's diversity index 相乘，并含协方差项以校正相互作用强度的非随机分布。多样性通过介导种间相互作用频率影响生产力，但该效应通常不比例于物种丰富度，因为多样性指数会饱和。该分区泛化了 Shimatani 的论证。
Selection leads to changes in productivity over time（选择导致生产力随时间变化）：进化生物学提出，更大的基因型变异导致更强选择，进而提高平均人均增长率；类似逻辑被用于物种间相互作用。对平均人均增长率求时间导数后，变化率包含选择项和传递项。选择项为社区人均增长率方差；单一种植时该方差为 0，加入第二物种后大于 0。更高初始多样性可增加出现高增长优势物种的机会，类似取样效应，但取样效应涉及承载力而非短期人均增长。传递项描述环境变化如何改变物种增长率，例如高多样性样地保留更多氮。指数增长时传递项为零，仅选择可改变生产力随时间；零和动态时传递抵消选择，无多样性–生产力关系。Lotka–Volterra 简化下，变化还取决于 N 变化和 p 变化。
Box 3. The effect of selection on productivity（选择对生产力的影响）：选择通过偏好高增长率物种改变总体生产力，但短时观测可能错过该效应。一个时间步内，选择不导致多样性–生产力关系，最高生产力出现在仅高增长率物种存在时；两个时间步后，高多样性群落生产力增加。检测选择对生产力的影响需比较多个时间点。
Mutualistic interactions（互惠相互作用）：该方法可扩展到互惠。Lotka–Volterra 对互惠过于简化并可能导致无界增长，因此使用饱和收益的 type II 功能反应。yucca–yucca moth 专性互惠是例子：蛾少时授粉收益大，蛾多时幼虫消耗种子限制收益。模型结果类似前文：N 小时多样性无益；N 较大时互惠双方受益，高多样性时生长出现峰值。时间变化分析中，高多样性低 N 时 Δ 峰值，高 N 时高多样性导致负 Δ，表示人均增长减速。
Consumer–resource dynamics（消费者–资源动态）：消费者–资源动态提供进一步机制。使用 MacArthur 模型并在 rescomp R 包中实现。模拟中，初始密度小，生长近似指数增长，选择主导，资源消耗少，传递项影响小；较长时间后资源被消耗，种间生态位分化变得重要，多样群落可减少资源影响并提高生产力。更一般的消费者–资源动态通常不产生简单相互作用表达式，需要限制性假设才能使相互作用项与多样性成正比。但选择导致的生产力变化可推广到含环境变量的方程中。
Example dataset（示例数据集）：将方法应用于 Gause 的 Paramecium aurelium 与 P. caudatum 竞争数据。两者初始快速生长，约 10 天后总生长减慢，P. aurelium 相对增加。用 GauseR 默认设置估计 Lotka–Volterra 参数，得到密度独立增长率约 1.26 与 1.03，以及种内和种间竞争效应 0.005、0.007、0.008 和 0.002；用 deSolve 每 0.22 天计算丰度变化。分析显示，密度独立增长项持续较高，相互作用项随时间变负，生产力先高后降至近零。时间变化中，传递 N 项主导，反映系统从密度独立转向密度依赖；选择项较弱。多样性有可检测但较弱的效应：不论 N 如何，P. aurelia 优势时生产力最高；N 大时高多样性略高于预期；N 小时多样群落的生产力时间变化有小峰。
Discussion（讨论）：目标是统一多样性–生产力分析与动态模型。多样性可通过生态位分化提高平均人均增长率；选择不直接改变该平均值，而增加生产力随时间的变化率。这与将选择和生态位互补置于连续谱的隐含假设相矛盾。生态位差异直接导致多样性–生产力关系，因为多样性介导相互作用；无相互作用时低多样性生产力最高。选择改变的是生产力随时间的变化。Fisher 曾指出变异与选择联系，Loreau and Hector 等也讨论过与 Fisher 基本定理的类比，但未数学形式化。研究人员借鉴 Gandon and Day、Lion 等分析，并强调选择定义采用 Price 方程意义。未分析随机性；Bhat and Guttal 将 Fisher 基本定理推广到随机系统，产生类似分区并含噪声诱导选择项，提示该分析可进一步推广。
Speculations（推测）：许多多样性–生产力实验关注高密度群落，作者推测这掩盖了部分机制。模型中生态位分化效应在高密度最强，因为种间相互作用最有害；低密度时生态位分化应较弱。选择效应在高密度较难检测，因为会被种内和种间相互作用抵消；低密度时更易检测。该推测可通过微生物实验初始生长阶段等低密度条件检验。
研究结论翻译：总之，进化与生态学理论表明，多样性可能提高生产力。受此理论启发，许多既往研究试图直接联系生物多样性与生产力。研究人员表明，此类检验充其量是不完整的。原因在于，一类连接多样性与生产力的重要机制改变的是生产力随时间的变化。检测这一效应需要明确测量生产力随时间的变化。研究人员强调了如何在实验中检验这一预测。
