《Molecular Ecology Resources》：Car-Mounted Airborne eDNA Sampling Detects Landscape Scale Biodiversity Turnover Along Environmental Gradients
编辑推荐：
记录全球生物多样性的加速下降，需要能够在较大空间尺度和重复时间框架内运行的监测工具。空气环境DNA（environmental DNA, eDNA）分析是一种用于追踪物种分布的新兴方法，但尚不清楚空气eDNA是否能在陆地景观中保留连贯的生态信号，或者大气混合和
记录全球生物多样性的加速下降，需要能够在较大空间尺度和重复时间框架内运行的监测工具。空气环境DNA（environmental DNA, eDNA）分析是一种用于追踪物种分布的新兴方法，但尚不清楚空气eDNA是否能在陆地景观中保留连贯的生态信号，或者大气混合和DNA运输是否会使其在空间上过于分散，从而无法解析有意义的宏观生态模式。为解决这一问题，研究人员沿澳大利亚西南部一条重复的1155 km路线（跨越西南澳大利亚生物多样性热点区域及邻近内陆地区）进行了车载空气eDNA采样的生物多样性调查。这一广阔且环境异质性强的区域正面临栖息地丧失、入侵物种和气候变化的持续压力，凸显了对可扩展生物多样性监测方法的需求。样本以约26 km的间隔采集，并使用靶向植物、脊椎动物和节肢动物的宏条形码检测方法进行分析，同时采用广义相异性模型（generalised dissimilarity modelling, GDM）评估群落周转的环境驱动因素。研究人员检测到广泛的植物和动物，包括具有生态和生物安全重要性的物种。不同分类群表现出不同空间尺度的空气eDNA群落相似性，β多样性主要受栖息地及环境梯度而非单纯地理距离的调控。这表明空气eDNA并非简单地反映空间上均质化的生物材料，而是保留了可指示宏观生态模式的生态结构。综上所述，这些发现表明，车载空气eDNA能够恢复异质陆地景观中具有生态意义的群落周转模式，并支持景观尺度的生物多样性评估。
空气环境DNA监测：从车载采样到景观尺度生物多样性评估的研究解读
一、研究背景与科学问题
全球生物多样性正以前所未有的速度下降，这对生态系统功能和人类福祉构成严重威胁。准确、及时且可扩展的生物多样性监测是制定有效保护策略和评估环境变化影响的基础。传统的生态调查方法，如样方调查、直接观察和诱捕，虽然在局部尺度上能提供高精度数据，但在面对大空间尺度、复杂地形和偏远区域时，往往成本高昂、耗时费力且难以标准化。因此，开发能够跨越较大空间尺度和重复时间框架的监测工具成为生态学研究的迫切需求。
环境DNA（environmental DNA, eDNA）分析作为一种非侵入性、高灵敏度的生物多样性评估工具，已在水生和陆地生态系统中得到广泛应用。其中，空气eDNA分析是近年来的前沿方向，通过直接从空气样本中捕获遗传物质来检测物种。已有研究表明，空气eDNA能够检测到植物、脊椎动物和无脊椎动物等多种陆生生物，显示出其作为陆地生物多样性监测工具的潜力。然而，一个关键的科学问题尚待解答：空气eDNA信号是否能在较大空间尺度上保留连贯的生态结构？大气混合和远距离运输是否会使其空间信号过于分散，从而无法解析有意义的宏观生态模式？现有证据表明，空气eDNA的可检测性通常随距源距离的增加而下降，但在特定环境条件下，大气传输也能将遗传物质重新分布到相当远的距离。这种传播距离的变异性，使得基于空气eDNA的物种分布数据能否可靠地反映局部生态格局成为核心疑问。
为回答这一问题，需要在大空间尺度且底层生物多样性模式已知的区域开展空气eDNA监测。然而，固定监测站网络的空间覆盖受限于站点分布，在偏远地区仍存在关键空白。移动式空气eDNA采样，特别是车载采样平台，为突破这一限制提供了新思路，能够沿道路网络快速、高密度地采集样本，覆盖固定站点难以触及的区域。本研究正是在此背景下，利用车载空气eDNA采样技术，在澳大利亚西南部一条1155 km的路线上开展生物多样性调查，旨在评估该方法能否恢复预期的宏观生态模式，并探索其在生物安全监测中的应用潜力。
二、研究内容与主要结论
研究人员在澳大利亚西南部一条1155 km的路线（从西部的Cottesloe Beach延伸至Nullarbor Plain南缘的Cocklebiddy）上，利用安装在车门上的空气eDNA采样器（内置活检泡沫垫）进行移动采样。采样于2024年11月17日至20日进行，分为东行和西行两次行程，每次行程以约26 km为间隔设置45个断面（transect），每个断面在车辆两侧同时放置两个采样器，共采集180个空气样本。样本随后在Trace and Environmental DNA (TrEnD) Laboratory进行DNA提取，并使用三组引物（12S-V5靶向脊椎动物、fwh靶向节肢动物、rbcL靶向植物）进行宏条形码（metabarcoding）扩增，最后在Illumina NextSeq 2000平台测序。序列数据通过eDNAFlow生物信息学流程进行处理，包括质量控制、零半径操作分类单元（ZOTU）生成、BLASTN比对及LULU后聚类，最终采用最低共同祖先（LCA）方法进行物种注释。
研究的主要结果如下：
1. 测序输出与物种检测：研究共获得71,740,071条原始读段，经质量过滤后保留42,831,933条。共鉴定出633个ZOTU对应的独特分类单元，包括141种植物、63种脊椎动物和429种节肢动物。检测到的物种涵盖多种生态和经济重要类群，如西部灰袋鼠（Macropus fuliginosus）、灰头狐蝠、南方棕袋狸（Isoodon fusciventer）、大麦（Hordeum vulgare）等。值得注意的是，研究在东行和西行行程中均检测到南方毛鼻袋熊（Lasiorhinus latifrons），其分布位置超出了该物种已记录的西部范围界限，可能指示了二次运输或真实分布扩展。
2. 采样一致性评估：同一断面内同时采集的重复样本（车辆两侧）在群落组成上显著相似，三个分类群的Jaccard相异性均显著低于不同断面间的相异性，表明采样方法具有可重复性。然而，东行和西行两次行程之间，同一断面的样本相似性较弱，ANOSIM分析显示群落结构在两次行程间的区分度较低，表明空气eDNA信号存在时间变异性。尽管如此，双向采样显著增加了所有分类群的累积物种丰富度，说明重复采样有助于提高检测完整性。
3. 空间生物多样性模式：植物和脊椎动物的分类丰富度在不同IBRA生物区（Interim Biogeographic Regionalisation for Australia）间存在显著差异。Jarrah Forest生物区的植物和脊椎动物丰富度最高，而单一Swan Coastal Plain断面检测到的植物丰富度最高（54种）。PERMANOVA分析显示，所有分类群的群落组成在不同生物区之间存在显著差异，PCoA排序图清晰展示了沿路线的东西向群落组成梯度。Avon Wheatbelt生物区的eDNA谱相对均质，而Coolgardie生物区则表现出更高的群落周转和区域内变异。
4. 空间尺度与距离衰减：Mantel检验显示，所有三个分类群的总β多样性（Jaccard相异性）与地理距离显著相关，其中植物的相关性最强（r = 0.326），其次是脊椎动物（r = 0.269）和节肢动物（r = 0.178）。Mantel相关图进一步显示，在约50 km的最小距离等级上，所有分类群均表现出显著的正空间自相关，表明邻近断面间的群落相似性高于随机预期。植物和脊椎动物在约150 km距离上仍保持正自相关，而在约350–500 km距离上则出现显著负自相关。节肢动物仅在最小距离等级上表现出显著正自相关。
5. 环境驱动因素分析：广义相异性模型（GDM）分析表明，环境梯度是群落周转的更强预测因子，而非单纯的地理距离。缩减环境模型对植物群落周转的解释率最高（34.6%），其次是脊椎动物（18.4%）和节肢动物（9.2%）。在植物模型中，最干旱季度降水量是最重要的预测因子（占解释偏差的45.1%），其次是土壤属性（深度、容重、pH、磷、氮、黏粒含量）。脊椎动物模型中，最冷月最低温贡献最大（43.3%），其次是土壤粗碎片百分比、土壤pH和树高。节肢动物模型中，土壤深度和电导率是最重要的预测因子。方差分配分析显示，栖息地变量对所有分类群的群落周转贡献了最大的独立解释比例，气候变量次之，而地理距离的独立贡献极小，其大部分解释力与环境变量重叠。
6. 生物安全物种检测：研究将物种检测结果与西澳大利亚《生物安全与农业管理法案》（Biosecurity and Agriculture Management Act 2007）列出的管制有害生物清单进行比对，识别出12种受管制分类单元，包括鸸鹋（Dromaius novaehollandiae）、粉红凤头鹦鹉（Eolophus roseicapilla）、欧洲兔（Oryctolagus cuniculus）和赤狐（Vulpes vulpes）等。所有检测均与2020–2025年GBIF记录的空间分布重叠。此外，还检测到多种农业害虫，如本地棉铃虫（Helicoverpa punctigera）在农业小麦带区域高频出现，以及厩螫蝇（Stomoxys calcitrans）、澳大利亚羊丽蝇（Lucilia cuprina）和入侵性阿根廷蚁（Linepithema humile）等。
三、讨论与结论
研究结果表明，车载空气eDNA采样能够恢复异质陆地景观中具有生态意义的群落周转模式。空气eDNA信号在短距离内保留了局部空间结构，尽管存在时间变异性，但大气运输并未完全均质化生物信号。环境梯度（尤其是气候和土壤属性）是群落周转的主要驱动因素，这与基于传统样方调查的GDM研究结果一致。研究还展示了该方法在生物安全监测中的应用潜力，能够在大尺度上检测多种受管制和农业重要物种。
研究也指出了方法的局限性：空气eDNA检测可能受到二次运输（如车辆携带的生物材料）的影响，导致个别检测出现在预期分布范围之外；不同分类群的检测效率存在差异，节肢动物的环境模型解释率较低；天气条件（如降雨）可能影响检测结果。因此，移动空气eDNA采样应被视为一种“初筛”工具，用于捕捉大尺度生物多样性模式，而非详尽或完全代表性的区域物种清单，其检测结果需要结合针对性调查进行验证。
总之，车载空气eDNA采样提供了一种可扩展的多分类群生物多样性监测方法，能够跨越传统调查难以企及的空间和时间尺度。与GDM等空间建模方法结合，可建立生物多样性基线、识别快速群落周转区域，并支持未来环境条件下生物多样性变化的预测。该方法有望整合到现有监测项目中，作为生物多样性初筛和生物安全监测的有效工具。
