Journal: bioRxiv
Posted March 19, 2021
Link: https://www.biorxiv.org/content/10.1101/2021.03.17.435827v1.abstract
摘要
此研究分析了包括不同类型生物和环境的149个数据集，首次提供了全球分类学和功能上的空间和环境衰减规律。
使用广义线性模型为每个数据集建立指数型距离衰减模型。
与功能距离衰减相比，分类学距离衰减沿空间距离和环境距离更强。中纬度数据集的分类空间距离衰减速率最快，功能衰减速率随纬度的增加而增加。
总体而言，沿空间距离的衰减率较低，沿环境距离的衰减率较高。海洋生态系统的衰减速度是最慢的。
(a)分类学和功能距离衰减。
(b)研究主假设:分类学相似性的空间距离衰减大于功能相似性的空间距离衰减，而功能相似性的环境距离衰减大于功能相似性的空间距离衰减。
(c) 研究跨数据集的特定假设：
纬度:来自高纬度的数据集空间距离衰减更平缓，分类相似性比功能相似性更显著。对于功能相似性而言，来自更高纬度的数据集的环境距离衰减更剧烈，而对于分类相似性而言，环境距离衰减并不会随着纬度的变化而显著变化。
空间范围:分类学和功能的空间距离衰减在覆盖空间范围较大的数据集中较为平缓，而环境距离衰减在覆盖空间范围较大的数据集中较为陡峭。
领域:海洋生态系统比陆地和淡水系统表现出更平坦的空间和环境距离衰减。FRE=淡水系统，TER =陆地系统，MAR =海洋系统。
(a)研究地图，根据领域(FRE =淡水，TER =陆地，MAR =海洋)着色;
(b)主要生物的数据集数目;
(c)数据集在空间范围、研究站点数量、功能gamma多样性、分类gamma多样性(物种数量)、环境变量数量和纬度的分布。
分析框架。
a-c层次地描述了实验及分析过程。对数-二项广义线性模型(GLM)提取每个数据集距离衰减的强度(r²)和速率(斜率)。
d为检验方法。
分类学和功能相似度的计算
采用基于树（tree-based）的方法，因为它提供了分类和功能相似性的明确比较。群落相似性(S)的取值范围介于0和1之间，对于群落对，通常计算为：
每个群落的独特特征之和/（群落间共有特征之和 每个群落的个独特特征之和）
在基于树的方法中，这些特征是边，可能有不同的长度，并被不同的物种共享，可存在于不同的群落。
基于sorensen指数计算了物种的分学类和功能相似性:
在估计分类学相似性时，每个物种都是一个独特的实体，与其他物种没有共享的边，因此，树的所有边都具有相同的长度。因此，边的长度之和等于观察到的物种数之和。
对于功能相似性，两个物种之间共享的边的长度取决于物种与特征的相似程度。首先通过Gower相似性指数构建了一个全球物种相似性矩阵。利用物种相似度矩阵，基于UPGMA分层聚类方法构建了物种相似度的全局树。两个物种共享的边的长度估计为树中两个物种的交点到树根部的距离。基于这些边的长度，利用公式1估算了群落对之间的功能相似性。
结果
沿(a)空间距离和(b)环境的距离衰减。
不同生物群落的平均衰减率
跨数据集的特定假设：纬度；空间范围；领域。（a）空间；（b）环境距离衰减。
