施肥管理重塑全球生态系统植物-线虫相互作用
基于论文标题的语义与学科语境,将标题“Fertilization management reshapes plant-nematode interactions across global ecosystems”译为中文专业术语如下:
**施肥管理重塑全球生态系统植物-线虫相互作用**
**方法部分** 本研究通过Web of Science对1990年1月至2024年8月间发表的同行评审研究进行了全球荟萃分析。搜索词包括“土壤线虫”和“肥料/施肥/营养/碳/氮/磷/钾”。研究纳入标准包括:(1)在控制条件下比较施肥与未施肥土壤:对于农业系统,这通常代表常规未施肥对照田;对于半自然系统,这些地点不是原始生态系统,而是在实验期间未施加额外肥料投入的低管理系统(如草地或管理农田);(2)以英文撰写;(3)不专注于单一植物寄生线虫物种;(4)采样表层土壤(0–45 cm);(5)报告线虫群落指标;(6)持续时间超过一个生长季。最终,125篇文章符合标准。
研究人员收集了线虫丰度、多样性和生态指数的估计值,并根据施肥制度(矿质 vs. 有机)、土地利用(农业 vs. 半自然)、气候带(热带、亚热带、温带)和施肥时长(短期 < 3年;中期 3–6年;长期 > 6年)对数据进行分类。线虫丰度以每100克干土为单位表示,并分为四个营养类群。研究人员综合了四个植物生产力性状(总植物生物量、作物产量、单株植物生物量和根长)和四个土壤功能替代指标(微生物生物量氮、微生物生物量碳、生物固氮量和土壤呼吸)。使用多层次效应模型(rma.mv, metafor)和响应比(Response Ratio)估计总体效应量(Effect Size)。此外,还采用了结构方程模型(Structural equation modeling, SEM)在全球尺度上整合气候(年均温、年降水)、肥料投入(碳、氮)和土壤变量。
**全球尺度预测模型** 开发了随机森林(Random forest, RF)回归模型(使用“randomForest”包)来预测食细菌线虫和植物生产力对施肥的响应比(lnRR)的全球空间分布。通过重复随机10折交叉验证(Repeated random 10-fold cross-validation)对模型进行评估。模型训练使用90%的数据,验证使用10%的数据,重复10次。基于RF模型,使用“caret”包评估了预测因子的重要性。归一化后的变量重要性得分(0%至100%)表示每个预测因子对模型结果的相对影响。
**研究结果** **施肥制度对线虫和植物生产力的影响** 全球荟萃分析显示,土壤施肥显著增加了线虫总丰度(+25.6%)。其中,食细菌线虫(+46.5%)和食真菌线虫(+27.5%)的增幅最大,而植食性线虫丰度无显著变化。土壤施肥增加了富集指数(Enrichment Index, EI, +11.8%),降低了成熟度指数(Maturity Index, MI, -4.5%),但其他生态指数无显著变化。此外,土壤施肥使植物生产力提高了40.7%。