通过无人机环境DNA采样评估农业景观中的生物多样性

《Ecology and Evolution》:Assessing Biodiversity in Agricultural Landscapes Through Drone-Based Environmental DNA Sampling

【字体: 大 中 小 】 时间:2026年08月12日 来源:Ecology and Evolution 2.6

编辑推荐:

  随着全球农业集约化的扩展,人们越来越关注粮食生产对全球生物多样性的影响。生物多样性下降是有问题的,因为物种在农业生态系统中提供了丰富的益处,包括授粉、土壤肥力和害虫防治。许多国家,尤其是欧洲,已经实施了激励措施,鼓励农民引入生物多样性友好的土地管理实践,从建造

  
随着全球农业集约化的扩展,人们越来越关注粮食生产对全球生物多样性的影响。生物多样性下降是有问题的,因为物种在农业生态系统中提供了丰富的益处,包括授粉、土壤肥力和害虫防治。许多国家,尤其是欧洲,已经实施了激励措施,鼓励农民引入生物多样性友好的土地管理实践,从建造树篱到种植传粉者田地。量化这些措施在农场尺度上对生物多样性的影响在技术上具有挑战性。在本研究中,研究人员开发了一种方法,涉及使用无人机从作物中收集环境DNA(eDNA)样本,并在三种管理类型(常规、生物和IP Suisse)的油菜田中进行案例研究。研究人员通过16S扩增子的宏条形码(metabarcoding)分析擦拭材料,以检测田间六足动物(hexapod)的组成。经过清理和分类学分配后,研究人员总共获得了75个分类单元,归属于19科、23属和33种。研究人员发现,田间的重复样本之间恢复的多样性方差显著高于田内重复样本之间的方差,表明eDNA擦拭重复样本提供了一致的局部结果。研究人员未检测到处理之间的显著差异,可能是因为景观效应导致物种从邻近的半自然栖息地溢出。研究结果为开发农业田间生物多样性测量的工具箱提供了方向,强调了扩展这些方法以满足科学家、农民和其他利益相关者理解和促进农场尺度生物多样性需求的潜力。
**论文解读:基于无人机环境DNA采样的农业景观生物多样性评估**

**研究背景与问题**
全球生物多样性正经历令人担忧的下降,尤其是昆虫类群,这与农业集约化密切相关。农药使用和土地管理方式显著加剧了物种损失,并破坏了授粉、土壤肥力和害虫防治等关键生态系统服务。尽管许多国家(尤其是欧洲)推行了鼓励农民采取生物多样性友好型管理措施(如建造树篱、种植传粉者田地)的激励政策,但量化这些措施在农场尺度上对生物多样性的影响仍面临技术挑战。传统监测方法(如扫网、陷阱法)劳动强度大、耗时且难以在大面积农田中标准化实施,且依赖专业分类学家,难以覆盖隐蔽或夜行性物种。此外,现有方法时空覆盖有限,难以获得长期、稳健的农场尺度生物多样性数据。因此,迫切需要开发可扩展、高效的田间生物多样性监测方法,以支持可持续农业管理。

**研究开展与结论**
为填补这一空白,研究人员开发了一种结合无人机与环境DNA(eDNA)采样的方法,并在瑞士La Broye地区的油菜田(*Brassica napus*)中进行了案例研究。研究选取了9个油菜田,分别采用常规管理、有机管理和IP-Suisse(瑞士综合生产农民协会)管理三种类型,于2024年5月底至6月初进行采样。通过无人机拖拽湿润拭子擦拭作物表面,收集eDNA样本,随后对16S扩增子进行宏条形码(metabarcoding)测序,以检测六足动物(hexapod)的物种组成。经过生物信息学处理和分类学分配,共获得75个分类单元,分属19科、23属和33种。研究发现,田间重复样本之间的多样性方差显著高于田内重复样本之间的方差,表明该方法的田内重复一致性好,能可靠表征局部多样性。然而,未检测到三种管理类型之间的显著差异,这可能是因为景观效应导致邻近半自然栖息地的物种溢出,掩盖了管理措施的影响。该研究验证了无人机eDNA擦拭作为农业田间生物多样性监测工具的有效性,为开发可扩展的监测工具箱提供了方向,具有重要应用前景。论文发表在《Ecology and Evolution》。

**关键技术方法**
研究人员在瑞士La Broye地区选取了9个油菜田(3个常规、3个有机、3个IP-Suisse),使用搭载特制eDNA探头的DJI Matrice M300无人机,在每块田的6个非重叠区域(距边缘15米缓冲区)进行5分钟拖拽擦拭采样。拭子湿润后收集eDNA,样本置于Longmire缓冲液中保存。DNA提取后,使用16S六足动物特异性引物(INS-16S)进行两步PCR扩增,通过Illumina NovaSeq测序。生物信息学分析采用dada2流程生成扩增子序列变异(ASV),并利用MIDORI2数据库进行物种级(100%匹配)、属级(≥98%)、科级(≥96%)分类分配。通过方差分析、Lomolino模型、PERMANOVA和主坐标分析(PCoA)比较多样性和组成差异。

**研究结果**
**3.1 读长数量与物种多样性**
测序共获得3,150,657条读长,经清理后保留755,207条读长,代表75个分类单元。不同管理类型间每个样本的平均读长数相近(常规:109,646;IP-Suisse:108,177;有机:108,435)。检测到的主要目为鞘翅目(Coleoptera,以象甲科Curculionidae和叶甲科Chrysomelidae为主)、半翅目(Hemiptera)和双翅目(Diptera)。优势物种包括植物蝽(*Lygus pratensis/Lygus wagneri*,占35%)和叶甲(*Oulema rufocyanea*,占9%)。物种积累曲线未达到平台期,表明采样未完全覆盖区域多样性。

**3.2 田内与田间多样性和均匀度变异**
通过方差分析,发现田内重复样本的物种丰富度方差(MS residual = 12.17)显著低于田间方差(MS between = 49.35;F = 4.06,p = 0.007),表明方法能一致反映田间多样性。Lomolino模型预测最大分类单元数:常规81.3、有机88.35、IP-Suisse 76.4,但管理类型间无显著差异(Tukey校正后p值均>0.05)。基于读长计数的均匀度(Hill数q1)在田内和田间均无显著差异(线性混合模型,Type III Wald χ2 = 1.61,p = 0.448),管理类型也无显著影响。

**3.3 组成差异**
基于Jaccard相异度的β多样性分析显示,所有样点间平均相异度较高(βjac = 0.80 ± 0.1),主要由物种周转(βjtu = 0.67 ± 0.2)驱动。PERMANOVA表明管理类型对六足动物群落组成无显著影响(R2 = 0.09,F = 1.21,p = 0.12),而采样时间有显著影响(R2 = 0.06,F = 1.53,p = 0.023),83%的变异未被解释。PCoA显示管理类型间椭圆重叠大,表明各管理类型内样点高度离散,田间特异性因子是群落结构变异的主要来源。

**讨论与结论**
讨论部分指出,无人机eDNA擦拭方法为非侵入性、可重复且高效的农业田野生物多样性监测工具,优于传统方法。该方法能一致检测六足动物多样性,且田内重复一致性高,支持其用于空间模式表征。未检测到管理类型间的显著差异,可能源于景观异质性(小田块和半自然生境交错)导致的物种溢出,以及采样覆盖不完全。研究还检测到害虫(如油菜象甲*Ceutorhynchus pallidactylus*、花粉甲虫*Brassicogethes*)和有益物种(如七星瓢虫*Coccinella septempunctata*、欧洲蠼螋*Forficula auricularia*),展示了其在害虫监测和生物防治中的应用潜力。局限性包括参考数据库不完整(16S数据库不如CO1完善)、环境因素影响eDNA信号,以及缺乏飞行中负对照。未来需整合景观指标、扩大采样时间和分类范围,并与传统方法交叉验证。

**结论翻译**:本研究引入了一种新颖、可扩展的农业景观六足动物生物多样性监测方法,利用无人机eDNA擦拭。该研究设计为概念验证,重点关注害虫检测。该方法提供了传统采样的非侵入性、可重复和高效的替代方案,成功检测了害虫和有益物种,凸显了其应用价值。随着eDNA参考数据库的改进和生物信息学流程的标准化,无人机辅助eDNA宏条形码(metabarcoding)有望成为生态监测工具箱的核心工具,最终通过实现大规模、高分辨率的生物多样性监测,帮助弥合生态研究与农业政策之间的差距,支持全球可持续土地管理的循证策略。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号