FennoTraits：北欧植物区系植物功能性状与群落组成数据集

《Nordic Journal of Botany》：FennoTraits: dataset of plant functional traits and community composition in northern European flora

　　

研究人员在此呈现FennoTraits——一个收集自芬诺斯堪的亚（Fennoscandia）横跨芬兰北部、挪威和瑞典的2016–2025年植物功能性状（plant functional traits）与群落组成（community composition）数据集。该数据集包含42 049个多度估算和155 794个位点级功能性状观测，涵盖10个性状，代表373种维管植物物种，采集自七个研究区内的1235个研究样地。性状测量包括大小结构性状、叶片经济性状、叶片光谱性状和繁殖性状。这些物种代表了七个研究区内出现的大部分本地维管植物物种，且许多物种出现在所有七个区域，跨越两个生物群落及其交错带：冻原（tundra）和北方森林（boreal forest）。每个研究区具有独特特征和一系列栖息地：冻原、草甸、湿地、灌丛和北方森林。这些区域受人为影响较低，许多样地位于保护区，用于自然保护和科学研究。最后，研究人员随数据集提供了北欧植物区系主要性状模式和特征概貌的一般描述。

植物功能性状（plant functional traits，指影响植物生长、生存和繁殖的可测量特征）能够揭示生态系统动态和物种互作机制，已成为生态学、生物地理学与环境科学的关键研究主题。理解功能性状在种内和种间的变异，对于阐明植物对气候变化的适应以及生态系统服务（如碳固存）至关重要。北欧生态系统正面临快速增温，其碳储存、自然生计和独特生物多样性受到挑战。测量跨越环境梯度的功能性状是相关研究的基础，但部分性状测量成本高昂，而株高、叶面积、比叶面积（specific leaf area, SLA；叶面积与干重之比）和叶片干物质含量（leaf dry matter content, LDMC；干重与鲜重之比）等成本较低，且构成全球植物性状变异的两大主要轴。目前，北欧地区缺乏由同一团队采用统一方法收集、跨越多个生物群落且具有高可比性的综合性功能性状数据集。

为此，研究人员在2016–2025年间，从芬诺斯堪的亚（Fennoscandia，即北欧的芬兰、挪威和瑞典北部）的七个研究区——Máttavárri、Rásttigáisá、Kilpisj?rvi、Pallas、V?rri?、Oulanka和Vindelfj?llen——共计1235个样地，收集了包含42 049个多度估算和155 794个位点级功能性状观测的数据集FennoTraits。该数据集涵盖10个性状，包括中位株高、最大株高、繁殖努力、鲜重、干重、叶面积、SLA、LDMC、叶片亮度指数（brightness index, BITM）和叶片绿色指数（excess green index, ExG），代表373种维管植物，覆盖了上述研究区的大部分本地维管植物，并跨越冻原（tundra）和北方森林（boreal forest）两个生物群落及其交错带。所有野外和实验室工作均由两名研究人员完成，最大程度提高了数据的可比性。基于该数据集，研究人员描述了北欧植物区系的主要性状模式和特征概貌。

主要技术方法包括：样地选择采用分层随机抽样，以覆盖主要环境梯度；大多数样地采用嵌套样方结构（含0.2×0.2 m、1×1 m和2 m半径圆形样方），部分使用1×1 m样方。群落组成通过目视估计物种覆盖百分比获得；株高用尺测量中位和最大营养高度，繁殖努力按0–5等级估算。叶片样品按标准协议采集，经称重、扫描和烘干，计算叶面积、SLA和LDMC，并利用扫描图像计算BITM和ExG。质量控制结合视觉检查、生物学硬阈值和基于种内性状协方差的稳健回归（Huber M估计）识别异常值。样地坐标采用高精度全球导航卫星系统定位，精度可达厘米级。

研究结果方面，**Data**：九个连续性状在七个研究区间的分布总体重叠，表明局部条件和环境梯度对功能性状的重要影响。数据集中最频繁的物种是矮灌木，其次为广布北方林下草本，与北方、亚北极和山地北极植被特征相符；这些频繁出现的物种跨越全部地理和气候梯度，为研究种内性状变异提供了机会。**Dataset structure and data dictionary**：数据集由五个文件组成，包括三个文本数据表（群落组成与株高数据、叶性状与繁殖努力数据、分类查找表）、一个元数据电子表格和一个R脚本，并配有完整的数据字典。**Technical validation**：通过逐物种诊断图、硬阈值（如覆盖率0.25–100%、LDMC 0–1、SLA 0–200 mm² mg^?1）以及基于性状对协方差的稳健回归，结合MAD学生化残差模式识别可疑测量，最终14个叶样本的特定性状被判定为错误并设为缺失。

讨论方面，**Usage notes**：该数据集的主要优势是操作一致性高、嵌套样方支持多水平分析、厘米级定位支持样地重访。注意事项包括：收集期超过十年，期间气候极端事件频发，2024年可能是北欧近两千年来最温暖生长季；数据除季节性监测设计外均在生长旺季采集；驯鹿放牧压力存在时空差异；分层抽样使非典型生境被过度代表；株高测量排除花序；木贼属以枝条或绿色茎代替叶片；叶性状数据不包含覆盖率≤1%的物种和受保护物种。**Limitations and uncertainties**：局限性包括物种误认风险（通过经验和双人核验缓解）、覆盖率目视估计较主观、中位株高由目测后测量单株代表个体获得、叶样本在样地级混合从而限制了对样方内和种群内变异的量化。

**结论**：研究人员随数据集提供了北欧植物区系主要性状模式和特征概貌的一般描述，该数据集将有助于深入研究生物多样性、性状变异和不同环境条件下的生态响应，但使用时需综合考虑时间、空间、土地利用及测量细节等因素。