【LorMe周刊】多种全球变化因子在驱动土壤功能和微生物多样性中的作用
作者：汪宁祺，南京农业大学博士在读，主要研究土壤抑病性的构建与形成机制。
土壤是陆地生态系统的功能支柱，但其面临着巨大的人为压力。尽管土壤的生态作用至关重要，但我们对土壤如何同时对两种以上的环境因子作出的反应知之甚少。本研究通过实验表明，尽管随全球变化因子的数量的增加，预测土壤变化幅度存在更大的不确定性，但土壤性质、生态过程和微生物群落朝确定的方向变化。我们的研究为如何通过有效而广泛适用的实验设计，以研究多因子全球环境变化的影响提供了一个蓝图。
全球环境的多因子变化给预测土壤效应带来较大的不确定性。为研究全球变化多驱动因子对土壤的影响，生态学家各尽所能，使用了包括研究复杂环境梯度、长时间序列及建模在内的多种观察工具。然而相比观察工具，在生态学标准中，实验有助于建立驱动因子和反应之间的因果关系，是至关重要的。
考虑到土壤经受的多重压力，研究首先提出问题：生态学家如何通过实验研究全球变化对土壤的影响。为此，本研究进行了系统性调查，筛选了研究全球变化因子如何影响土壤生物群落和过程的实验研究文献（图1）。4202篇文献中，1228篇最终符合本研究的纳入标准。随后，研究统计了这些实验中包含的全球变化因子的数量，大约80%的研究只考量了一个因子，19%的研究考量了两个因子互作，仅有极少数的研究（<2%）研究了三个以上的因子（图1A）。
尽管全球变化涉及多种因子，但生态学家通常只在同一研究中改变一到两个因子，且这种模式随着时间的变化，并未有任何改变的迹象（图1B）。这些研究主要以某种因子 (例如，施肥，可能是由于易于施用，图1C)和某些因子的组合为主，以排除其他因子的影响（图1D）。由于逻辑限制和试验花销，这些模式塑造了我们目前对土壤和生态学的认知，但同时不可避免的是，解决多因子相互作用的主要工具——析因实验，随着研究因子的增加因子组合数迅速增加，会逐渐失去作用。
图1 来自于1957-2017年土壤生态实验中包含全球变化因子的文献调查。
A：研究中包括的全球变化因素数量的频率分布。19篇研究三方交互作用的研究中，共有38个被调查的响应量，其中有21.05%发现了显著的交互作用。共有5篇文献包括了四方交互，但交互效应都不显著。B：过去50年对于特定数量因子的研究。为便于比较，灰色虚线表示“Web of knowledge”中“Ecology”分类发表的文献数量。C：特定因子研究中，包含1-4个因子的研究数量。D：实验研究全球变化因素的共现网络图。圆的大小表示驱动因子在研究中的频率，线的粗细表示研究因子作为组合研究的频率。
虽然研究一个特定的因子组合可能提供机制上的见解，探究土壤面临更多因子时可能发生的变化也是有意义的。本研究通过实验表明，随全球变化因子数增加，土壤性质、过程和微生物群落会发生定向变化，但预测这些变化的幅度仍然具有挑战性。
本研究从生物多样性对生态系统功能的影响试验中获得灵感，其使用一种设计检验了多因子组合对土壤的影响。这个生物多样性相关的设计中无视物种身份，物种池中的物种会随着物种数量（丰富度）增加被随机选择，以研究物种数量的变化如何影响整个生态系统功能。类似的，本研究使用10个全球变化因子作为因子库，随着因子数量增加，从中随机选择因子，以2,5,8,10个因子数量为测定标尺，每个因子数量水平上重复10次实验，从而检验生物多样性和生态过程的模式是否随着因子数量增加呈现一致方向的变化趋势（图2）。研究测试了非生物因子（包括温度）、资源可利用性、化学毒物和化合物（包括无机物和有机合成物）以及驱动物理变化的因子（微塑料）。在这些“因子丰富度”水平上，每个重复都有随机且不同的因子组合。
图2 仅用全球变化因子的数量可以预测生物多样性和生态过程变化趋势的示意图。
A：关于生物多样性和生态过程，随着环境因子数量的增加，表现出一致的方向性变化的假设。B：预测方法设计的基本原理图。随着因子增加，因子被选中的机会也会增加（选择效应），这些因子可能会更多的影响不同组成（互补效应），并且各因子间可能相互作用，从而加强整体效应（因子互作效应）。
在单因子水平上，一些因子对包括土壤团聚体（土壤结构的关键组成）、土壤斥水性（排水时间）、降解能力和土壤呼吸在内的关键反应具有正面、负面或中性的影响（图3A,E,I,M）。因此，结合单因素影响的预测通常拥有广泛的置信区间（图3B,F,J,N）。土壤团聚体和斥水性在8个或8个以上因子作用下发生了显著的变化且与预测结果有偏差，表明他们之间存在协同作用。尽管如此，与原先的假设一致，随着因子数量的增加，所有响应变量呈现出方向一致的变化（图3C,G,K,O，使用随机森林机器学习建模，R2 范围13%-52%）。除土壤斥水性外，相比于确认因子数量，确认因子身份增加了变量的解释度（图3D,H,L,P）。
图3 不同全球变化因子对土壤性质的单独效应及不同数量因子的共同效应。
每一行表示测试的土壤性质。单一效应及固定数量因子的共同效应（A,E,I,M），基于多因子共同作用的三种假设进行的多因子效应预测（B,F,J,N）。理想的预测应该有较小的偏差（准度）和狭窄的置信区间，但对于A-D及D-H，预测记不准确也不精确。因为单因子效应具有较大的变异性及很强的相互作用，预测变化幅度会非常困难，但随着因子数量的增加，其对于土壤性质影响的变化方向是一致的（C,G,K,O）。以上四图的曲线使用随机森林机器学习模型估计，其预测准度在图D,H,L,P中展示。本研究测定的土壤性质为土壤团聚体（A-D），土壤斥水性（E-H），降解速率（I-L）及土壤呼吸（M-P）。重复以带密度的脊线图表示，水平虚线代表对照的平均值。
研究还通过丰富度、群落组成和离散程度检验了生物多样性效应。本研究中重点关注土壤真菌，因为其与之前研究的土壤性质密切相关。研究利用高通量测序对土壤真菌群落进行评估，鉴定出346个扩增序列变异（ASVs）。同土壤性质的结果一样，随因子数量增加生物多样性发生固定方向的变化：ASVs丰富度、群落组成和离散程度下降（图4D,H,L，图S2,S3）。面对更多因子时，群落的物种会更加贫瘠（主要由更多耐逆境真菌组成，而主要流失担子菌门的物种，图S2和S3）
图4 不同全球变化因子对土壤生物多样性的单独效应及不同数量因子的共同效应。
真菌多样性表现为ASV丰富度（A-D），群落组成（E-H），群落离散度（I-L）。群落组成由基于bray-curtis距离的NMDS第一轴表示。
本研究扩展了多种全球变化因子对土壤的影响的理解，证明了全球变化因子数量的增加导致土壤性质、生态过程和微生物群落发生固定方向的变化，但对于变化幅度预测并不直接(图S1)。研究发现，只有在较多水平(特别是8个和10个)的因子相互作用中，才会出现“生态惊喜（ecological surprise）”。土壤斥水性在单因子水平上影响不大，但在多因子水平上影响较大。显然这些现象使对多因子预测更具挑战性，但本研究结果强调，首先完成简单地方向变化的预测并认识到影响的难以预测性非常重要，是实现更好预测的第一步。
全球变化的因子不会在所有情况下都获得同样强烈的表达，事实上，不同因子的组合会共同发挥作用。尽管如此，本研究的结果为多个全球变化梯度的系统性响应提供了一个整体见解。除了体现因子数量的重要性，数据分布还表明系统性响应倾向以双生态模式发展（图S4），导致观察到的相互作用具有不可预测性。驱动因子多样性的增加可能引发状态变化，但大多数实验研究聚焦于单一因子，忽略了多因子可能产生的更大影响。
图S4 标准化测量响应变量的类双峰分布。
可能表明多因子的相互作用所导致的系统性响应以双生态模式发展。
本研究的实验设计采用逻辑上可行的重复数（比如140）以揭示生态系统和生物多样性特重要方面的轨迹。因此，该方法还适用于更复杂的系统，包括植物和土壤动物，甚至在野外环境也具有应用价值。本研究的文献调查和试验结果表明，有必要重新思考全球变化生物学，关注多因子数量及其高阶互作对土壤或者其他对象的影响。
论文信息
译名：多种全球变化因子在驱动土壤功能和微生物多样性中的作用
期刊：Science
发表时间：2019.11
通讯作者：Matthias C. Rillig
通讯作者单位：柏林自由大学生物学院