《Global Ecology and Biogeography》:Spatial and Seasonal Variation in Avian Dietary Strategies
编辑推荐:
食性是脊椎动物生活史的基本方面,影响着生存、补充和适合度。虽然鸟类食性特征的空间变化已被研究,但物种和集合水平上的季节性动态在很大程度上仍未探索,这阻碍了我们对生物多样性模式和过程的理解。研究人员首次提供了全球尺度的鸟类食性空间季节性变化及其环境驱动因子的评估
食性是脊椎动物生活史的基本方面,影响着生存、补充和适合度。虽然鸟类食性特征的空间变化已被研究,但物种和集合水平上的季节性动态在很大程度上仍未探索,这阻碍了我们对生物多样性模式和过程的理解。研究人员首次提供了全球尺度的鸟类食性空间季节性变化及其环境驱动因子的评估。地点:全球。时间周期:当代。研究的主要类群:鸟类。方法:研究人员整合了超过10,000种鸟类的季节性物种分布与SAviTraits 1.0数据库(一个汇总物种特异性食性偏好年内变化的资料库)。研究人员使用对数比率分析(Log Ratio Analysis,LRA)总结了鸟类食性空间,并使用主成分分析(Principal Component Analysis,PCA)识别了鸟类食性空间季节性变化的主要成分。为了评估物种对集合水平食性空间季节性的贡献,研究人员量化了物种水平上食性特征的年度变异性。最后,研究人员使用逻辑分位数回归(logistic quantile regressions,LQR)检验了集合水平食性变异性与温度、降水、总初级生产力(GPP)季节性以及季节性变化可预测性之间的相关性。结果:在集合和物种水平上均存在强烈的食性空间季节性变化,这在北半球的温带和北方地区最为显著。这种季节性源于两个关键过程:(1)迁徙物种的季节性再分布——这些物种占据食性空间的不同区域——改变了集合组成,从而改变了食性空间;(2)种内食性转变。研究人员还发现,鸟类食性的时间变化与不同纬度的环境驱动因子相关,温度季节性在北部地区起主导作用,而降水季节性在南部地区影响更大。主要结论:将物种性状视为动态系统,为捕捉性状-环境关联的时间复杂性、理解塑造群落结构的因素以及推进保护工作提供了强有力的框架。
**论文解读:鸟类食性策略的空间与季节性变化**
**研究背景与问题**
食性是脊椎动物生活史的核心特征,直接影响生存、补充和适合度。以往研究已揭示了鸟类食性特征的空间差异及其与生物地理历史、环境异质性、生物相互作用和进化过程的关联。然而,这些研究大多基于静态视角,忽略了食性特征在季节尺度上的动态变化。季节性变化可能源于两个关键过程:一是通过季节性迁徙、爆发或休眠实现的物种地理再分布,这可能导致集合水平食性特征的重新洗牌;二是物种个体在不同季节可能发生食性转变,以适应资源季节性波动或个体发育变化。忽视这种季节性动态会模糊驱动生物多样性的关键生态和进化机制,并限制在全球变化下预测能力,因为全球变化正在改变物种物候和性状的时空分布。鸟类拥有超过10,000种,占据几乎所有陆地生态系统,且食性多样性极高,加之大量物种存在季节性迁徙,是研究食性季节性变化的理想模型。因此,研究人员开展了首次全球尺度的评估,旨在揭示鸟类食性空间的季节性变化模式及其环境驱动因子。
**研究内容与结论**
研究人员利用BirdLife International物种分布图(10,349种)和SAviTraits 1.0数据库(包含10,672种鸟类的月分辨率食性数据),通过对数比率分析(LRA)提取了6个正交的食性轴,再对每个网格单元每月集合水平的食性轴得分进行主成分分析(PCA),捕获了食性空间季节性变化的主要模式。随后,研究人员量化了物种水平食性年际变异性(spVAR)和集合水平食性变异性(aVAR),并分析了aVAR与温度季节性、降水季节性、总初级生产力(GPP)季节性以及季节性可预测性之间的相关性。主要结论:鸟类食性空间在集合和物种水平均表现出强烈季节性,北半球温带和北方地区最为显著;季节性由迁徙物种再分布和种内食性转变共同驱动;环境驱动因子存在纬度非平稳性,温度季节性主导北部地区,降水季节性在南部地区影响更大。该研究发表于《Global Ecology and Biogeography》。
**关键技术与方法**
关键方法包括:(1)使用BirdLife International物种分布图(10,349种)生成100×100 km分辨率的月度集合,结合SAviTraits 1.0数据库的月分辨率食性比例数据(7类:无脊椎动物、脊椎动物、腐肉、果实与花、花蜜与花粉、种子、其他植物物质);(2)采用对数比率分析(LRA)对食性成分数据进行降维,提取6个正交食性轴(LCs),解释99%变异;(3)对12个月×6个食性轴的集合水平得分进行主成分分析(PCA),识别季节性模式(PC1和PC2解释80.6%变异);(4)量化物种水平食性年际变异性(spVAR)和集合水平食性变异性(aVAR);(5)使用逻辑分位数回归(LQR)分析aVAR与环境因子(温度季节性、降水季节性、GPP季节性及其可预测性)的关系。
**研究结果**
**3.1 鸟类食性空间**:通过LRA提取的6个食性轴分别对应不同的主导食性类型:轴1(~36%变异)无脊椎动物与花蜜/花粉;轴2(~23%变异)种子;轴3(~18%变异)果实;轴4(~15%变异)植物物质;轴5(~6%变异)脊椎动物;轴6(~2%变异)腐肉。
**3.2 鸟类食性空间的时空变化**:PCA表明PC1(~67%变异)区分北半球夏季/南半球冬季与北半球冬季/南半球夏季;PC2(~14%变异)区分迁徙期与夏冬季。加载图显示,北半球夏季无脊椎动物消费增加、花蜜消费减少;种子消费减少;果实消费在迁徙期增加但高纬度夏季减少;植物物质消费在北方地区夏季减少;脊椎动物消费在春季至秋季减少。南半球食性季节性变化微弱。单独分析留鸟和迁徙鸟发现,留鸟的种内食性变化和迁徙鸟的再分布共同驱动集合水平季节性。
**3.3 食性空间季节性的空间一致性**:通过k-means聚类识别出8个时空聚类。Cluster 1(37.2%陆地区域)覆盖南半球及北半球热带亚热带,季节性弱;Cluster 3(20.7%)覆盖北半球古北界和阿拉斯加,夏季无脊椎动物增加、种子和果实减少;Cluster 4(5.1%)与3类似但变化更剧烈;Cluster 8(22.3%)覆盖南古北界和新北界,夏季无脊椎动物增加、种子果实减少。撒哈拉和阿拉伯半岛(Cluster 2)在迁徙期无脊椎动物和植物物质增加。
**3.4 物种和类群水平的食性空间变异性**:约10%的物种表现出种内食性季节性变化(spVAR>0),其中短距离迁徙鸟(38%)和长距离迁徙鸟(40%)的比例高于留鸟(5%)。迁徙鸟的平均spVAR(短距离0.072,长距离0.065)高于留鸟(0.008)。迁徙鸟在夏季偏好无脊椎动物,冬季偏好种子和果实;且短距离迁徙鸟的食性变异性随迁徙距离增加而下降。
**3.5 集合水平食性变异性的环境驱动因子**:降水季节性与中位数aVAR在所有纬度带呈正相关(除30°–60°N弱正相关);温度季节性与aVAR在0°–30°N正相关,在30°–60°N和>60°N呈驼峰型,在南半球中性/负相关;GPP季节性与aVAR在南北半球紧密相关但赤道附近呈驼峰型。总体而言,温度与GPP季节性在北半球是主要驱动因子,降水与GPP季节性在南半球占主导。所有季节性可预测性指标与aVAR负相关,反映低纬度非季节性环境的高可预测性。
**讨论与结论**
研究首次在全局尺度上揭示了鸟类食性空间的季节性动态。北半球温带和北方地区的强烈季节性源于迁徙物种再分布和种内食性转变的相互作用。短距离迁徙鸟表现出更高的食性可塑性。南半球食性季节性较弱,可能部分归因于数据缺口,但排除低置信度物种后模式不变,表明反映真实稳定性。环境驱动因子的纬度非平稳性表明,北半球主要受温度和GPP季节性影响,南半球则受降水和GPP季节性控制。主要结论指出,将物种性状视为动态系统,为捕捉性状-环境关联的时间复杂性、理解群落结构塑造因素以及推进保护工作提供了有力框架。