《Ecological Indicators》:Life-history type-based functional indicators mediate avian community responses to airport-associated disturbance gradients
编辑推荐:
人为环境变化可在物种与群落两个水平重塑动物空间分布,但个体行为响应如何向上尺度化影响群落演替仍不清楚。为解决该问题,研究人员提出“干扰梯度过滤(disturbance gradient filtering, DGF)”假说,认为人为干扰梯度作为生态过滤器对不同
人为环境变化可在物种与群落两个水平重塑动物空间分布,但个体行为响应如何向上尺度化影响群落演替仍不清楚。为解决该问题,研究人员提出“干扰梯度过滤(disturbance gradient filtering, DGF)”假说,认为人为干扰梯度作为生态过滤器对不同生活史类型的物种进行筛选,并以三个驱鸟历史与频率各异的机场(中川、临洮、武威)周边鸟类群落数据予以检验。研究人员计算了两种常规多样性指数(Shannon 和 Simpson)与一种基于生活史类型的指数 AWM_PC1(abundance-weighted mean position of the first principal component of life-history traits along the fast-slow continuum,即生活史性状沿快-慢连续体第一主成分丰度加权均值),并将其与距机场距离在不同机场及栖息地类型下回归。结果表明,相较 Shannon 与 Simpson 指数,AWM_PC1 在跨机场或栖息地类型的空间变异及与机场距离的空间关联上均呈现独特模式。中川机场各栖息地类型下 AWM_PC1 与距离呈正向关联,表明近机场快生活史物种占比更高,远机场慢生活史物种更丰富;临洮无此趋势,武威呈栖息地特异性。Shannon 与 Simpson 指数在中川呈二次型、临洮呈线性、武威不显著。研究发现群落水平响应的强度与方向随频率与距离相关的干扰梯度变化,且基于生活史类型的指标能有效补充常规多样性指数以解释这些响应。
研究背景方面,人为环境变化已成为过去百年生物多样性的主要驱动因素,但干扰多具区域特异性,其生态后果随距干扰中心距离衰减。鸟类凭借快速运动能力可通过行为调整(时间或空间位移)耐受一定干扰,然而个体行为响应如何向上尺度化重塑群落组成仍缺乏框架性解释。现有常规α多样性指数(如 Shannon、Simpson)仅反映物种丰富度与均匀度,无法揭示驱动群落变动的具体物种功能属性。为此,研究人员提出“干扰梯度过滤(DGF)”假说,将干扰强度距离梯度、物种在快-慢连续体(fast-slow continuum)上的位置、以及生活史类型作为功能指示物三者整合,预测干扰期快生活史(fast-lived)物种近中心更敏感而衰退陡,干扰停止后因其对资源依赖低而恢复更快。
该研究由兰州大学研究人员团队开展,以甘肃黄土高原三个机场(中川、临洮、武威)为对象,基于 2024–2026 年样线调查,留存 139 种有效鸟类、中川 238 条/20 次调查、临洮 284 条/27 次、武威 294 条/14 次有效样线,样本覆盖农田、林地、湿地三类栖息地及四季。论文发表于《Ecological Indicators》。研究结论指出:群落水平响应方向和强度同时受驱鸟频率(历史)与距机场距离(强度)共同塑造;基于生活史类型的 AWM_PC1 能弥补常规多样性指数机制解释力不足,可作为机场生态风险评价与驱鸟策略优化的功能指示工具。
关键技术方法上,研究人员在每机场 12 km 半径内布设四段距离梯度(0–3、3–6、6–9、9–12 km),每段五条 2 km 样线,由四人小组按晨昏双高峰以约 2 km/h 速度调查视听觉鸟类并核对。生活史性状取体重、窝卵数、卵体积、孵卵期与雏期(合计营巢期)、最大寿命,缺失值用系统发育随机森林(missForest 结合 PVRdecomp 系统发育向量)插补;对对数化性状做 PCA,取 PC1(解释率 62.42%)代表快-慢轴(高分为慢生活史)。每样线计算 Shannon(H′)、Simpson(D)及 AWM_PC1(∑ni×PC1i / ∑ni)。统计采用广义线性混合模型(GLMM),固定效应含机场、季节、栖息地、距离及其平方,样线身份为随机效应,向后逐步剔除至 AIC 最小,栖息地对 AWM_PC1 做合并与分类型双套拟合,正态性以 Q-Q 图核验。
研究结果部分,3.1 节“三个生物多样性指数的时空变异”通过跨机场、栖息地、季节的 GLMM 发现:Shannon 在临洮最高、武威最低,湿地最高农田最低,夏高冬低;Simpson 反之(临洮低、武威高,农田林地高于湿地,夏低春高);AWM_PC1 武威高于中川,湿地高于农田林地,夏低于冬。说明常规指数与功能指数在空间格局上解耦。
3.2 节“AWM_PC1 与距机场距离的空间关联”显示:中川各栖息地 AWM_PC1 随距离显著正关联(近机场快生活史主导);临洮无论合并或分类型均无显著关联;武威合并不显著,但分类型时林地负关联、湿地正关联、农田不显著。证明生活史过滤效应受驱鸟时长与栖息地背景调制。
3.3 节“Shannon 和 Simpson 指数与距机场距离的空间关联”表明:中川两指数呈二次型(Shannon 先升后降、Simpson 先降后升,中距多样度最高);临洮呈线性(Shannon 升、Simpson 降);武威仅 Shannon 线性下降、Simpson 不显著。常规指数模式高度情境依赖,且不能指向具体功能群。
讨论部分总结:中川驱鸟仅一年,鸟类未习惯化,近距被驱赶致中距聚集多样度峰值,AWM_PC1 正关联符合 DGF 预测;武威、临洮驱鸟多年,行为习惯化使快生活史种近机场定殖,AWM_PC1 模式复杂化。AWM_PC1 通过慢生活史种相对多度直接刻画过滤过程,解释 Shannon/Simpson 的距离偏移。作者指明局限——距离仅为驱鸟间接代理,未纳入噪声/光照/土地利用等协变量;PC1 解释率约 60% 仅支撑快-慢定性二分;结论限于甘肃机场需外推验证。
结论部分译文:研究揭示,尽管机场关联干扰在机场间、栖息地间及驱鸟历史下的群落水平响应强度与方向各异,基于生活史类型的指标仍能有效补充常规多样性指数以解释这些响应。该发现通过同时考量干扰强度的空间异质性与物种特异性生活史类型,推进了对人为环境变化驱动动物群落动态的理解,在物种与群落水平响应解释层面提供新框架。