《Ecological Modelling》:Disturbance and landscape characteristics interactively drive dispersal strategies in continuous and fragmented metacommunities
编辑推荐:
摘要
由人类活动驱动的栖息地丧失和破碎化,通过几何和种群统计学破碎化效应破坏栖息地连通性并改变生态过程。扩散在塑造改造景观中物种的分布、丰度和持久性方面起着基础性作用。虽然先前的研究关注了物种水平上扩散策略的进化,但群落水平的动态仍未被充分探索。物种表现出多种
摘要
由人类活动驱动的栖息地丧失和破碎化,通过几何和种群统计学破碎化效应破坏栖息地连通性并改变生态过程。扩散在塑造改造景观中物种的分布、丰度和持久性方面起着基础性作用。虽然先前的研究关注了物种水平上扩散策略的进化,但群落水平的动态仍未被充分探索。物种表现出多种扩散策略以在改造景观中持续存在,然而预测这些策略如何在群落水平上相互作用需要更综合的方法。本研究采用基于个体的模拟模型(individual-based simulation model)来探索栖息地丧失和破碎化以及其他景观特征如何影响群落水平的扩散策略。研究人员测试了不同栖息地数量和破碎化程度、环境自相关(environmental autocorrelation)以及干扰水平对改造景观和连续景观中群落内扩散距离分布的影响。研究人员假设,景观改造(包括栖息地丧失和破碎化)将显著塑造群落组成,在特定环境条件下有利于特定的扩散策略。研究结果表明,较高的干扰水平和较大的栖息地数量增加了群落加权平均扩散距离(community-weighted mean of dispersal distance, CWMDD),而破碎化仅产生较小影响。此外,低自相关与最高的群落加权平均扩散距离相关。这些结果强调了在预测生态系统对景观改造的响应时考虑群落水平动态的重要性。通过阐明景观结构和干扰如何塑造群落水平的扩散策略,本研究增进了我们对改造景观中物种持久性和群落结构背后机制的理解。
人类活动导致的栖息地丧失(habitat loss)和破碎化(fragmentation)是生物多样性变化的主要驱动因素。它们通过几何和种群统计学效应破坏栖息地连通性并改变生态过程。扩散(dispersal)是塑造物种分布、丰度和持久性的基础生态过程,但先前研究多关注物种水平,群落水平动态未被充分探索。物种在改造景观中表现出多种扩散策略,但预测这些策略在群落水平上的相互作用需要更综合的方法。此外,环境自相关(environmental autocorrelation)和干扰(disturbance)对扩散策略的影响存在争议,且相互作用尚不清楚。因此,研究人员采用基于个体的模拟模型(individual-based simulation model),在连续和改造景观中模拟群落动态,系统变化环境自相关、干扰强度、栖息地数量和破碎化水平,考察群落加权平均扩散距离(community-weighted mean of dispersal distance, CWMDD)、物种丰富度(species richness)和扩散距离标准差(standard deviation of dispersal distances, SDDD)等响应变量。主要发现包括:较高干扰水平和较大栖息地数量增加CWMDD,破碎化影响较弱;低环境自相关导致最高CWMDD;交互作用显示低自相关下干扰效应更强,栖息地数量在低自相关下对CWMDD影响更显著。研究强调在预测生态系统对景观改造响应时考虑群落水平动态的重要性,阐明了景观结构和干扰如何塑造群落水平扩散策略,增进了对改造景观中物种持久性和群落结构机制的理解。论文发表在《Ecological Modelling》。
技术方法方面,研究人员使用基于个体的空间显式模拟模型,模拟200×200网格(每个单元格容纳一个个体),模拟1000时间步。环境值通过基于快速傅里叶变换(FFT)的谱合成生成高斯随机场,控制自相关水平。栖息地丧失和破碎化采用“cookie-cutter”方法实现。扩散使用对数正态核(log-normal kernel),并以负指数核(negative exponential kernel)进行稳健性检验。模型包含繁殖、死亡、竞争和干扰过程;干扰模拟为随机起始点并以一定概率向四邻域扩散。实验设计包括单变量、双变量和三变量全因子设计,各参数组合重复20次,使用R软件分析。无样本队列来源。
研究结果部分:
3.1 单变量效应:通过独立改变每个环境变量(环境自相关、干扰传播率、干扰频率、破碎化水平、栖息地数量),发现低自相关下CWMDD最高,高自相关下CWMDD低;干扰传播率和频率增加均导致CWMDD增加、物种丰富度降低;破碎化水平对CWMDD影响较小,仅最高破碎化时CWMDD略高;栖息地数量增加导致CWMDD和物种丰富度增加。
3.2 双变量交互作用:同时改变环境自相关与干扰传播率,发现低自相关下干扰对CWMDD的正效应更强;同时改变栖息地数量与破碎化,发现高栖息地数量下破碎化对物种丰富度有正效应,低栖息地数量下高破碎化降低物种丰富度。
3.3 三变量交互作用:同时改变环境自相关、干扰传播率和栖息地数量,发现低自相关和高栖息地数量下干扰对CWMDD的正效应最显著;栖息地数量对CWMDD的正效应在低自相关下更强;高干扰下即使高自相关,栖息地数量也对CWMDD有正效应。
讨论部分总结:本研究表明改造景观中的扩散距离受土地利用变化前景观结构、土地利用变化强度(以栖息地丧失为主)以及干扰的联合和交互影响。静态空间变异有利于短距离扩散,而时空变异驱动长距离扩散。环境自相关在未改造景观中的作用较少被研究,不同自相关水平可能导致生物群落对土地利用变化的不同适应程度。研究还讨论了与先前研究结果差异的原因,如是否允许后代在母体位置建群等。局限性包括:关注固着物种、被动扩散,未考虑定向扩散、种内变异、性状权衡等。结论部分翻译如下:总体而言,本研究表明改造景观中的扩散距离受到土地利用变化前景观结构、土地利用变化强度(以栖息地丧失为主)以及干扰(可能属于自然景观动态的一部分,或本身随土地利用变化而改变)的联合和交互影响。具体而言,模拟结果综合了先前发现,证明静态且可预测的空间变异有利于短距离扩散,而只有资源和/或竞争压力的时空变异才能驱动长距离扩散的选择。由于未改造景观中环境自相关的影响在此背景下鲜有研究,研究人员强调不同水平的环境自相关可能导致生物群落对土地利用变化的不同适应程度。理解扩散动态至关重要,因为扩散是不同空间尺度之间的纽带,调节物种共存,并在变化环境下驱动群落组成。通过揭示环境因素及其相互作用如何影响扩散策略的选择,本研究增进了我们对群落如何响应全球环境变化的理解。