论文信息
原名：Soil fungal diversity in natural grasslands of the Tibetan Plateau: associations with plant diversity and productivity.
译名：青藏高原天然草地土壤真菌多样性:与植物多样性和生产力的关系
期刊:New Phytol
IF：7.299
发表时间：2017
原文链接：https://nph.onlinelibrary.wiley.com/doi/full/10.1111/nph.14606
总结
以往的研究表明，从地方到全球范围内，真菌多样性与植物多样性之间的相关性不一致，缺乏关于高山地区真菌多样性-多样性和生产力-多样性关系的信息。
本文利用转录内间隔2（ITS2）区的Illumina序列对青藏高原60个草地的土壤真菌多样性、植物多样性和生产力之间的内在关系进行了研究。
当考虑到环境驱动因素和地理距离时，真菌α和β的多样性分别最好地解释为植物α和β的多样性。最小二乘（OLS）多元回归模型、偏最小二乘回归法（PLSR）和变异分配分析（VPA）表明，植物丰富度与真菌丰富度呈正相关。然而，当单独分析时，植物丰富度与真菌丰富度之间没有明显的相关性。
植物生产力与真菌多样性的关系较弱，真菌多样性与植物多样性等其他因素相互关联，因而被排除为主要驱动因素。我们的研究指出，植物多样性以及碳氮比、土壤磷和溶解有机碳等其他因素对土壤真菌丰富度的主要影响。
研究背景
土壤真菌在分解和养分循环中发挥着重要作用，同时也是动植物的共生体和病原体。根据地理尺度和研究系统，真菌群落结构和多样性可能受到如温度、降水、海拔、土壤pH、营养素可用性等各种环境变量的影响。
空间尺度对生态学模式和进程有着深刻的影响，研究发现在较大尺度上，真菌和植物多样性有着密切的相关关系，两者之间协同变化。同时，基于环境能量假说，真菌α多样性随着植物生产力变化而增加，更丰富的资源将促进更多真菌种的存在。
在全球尺度上，Tedersoo发现土壤真菌丰富度与植物分类学多样性存在直接的相关关系，但与植物生产力不相关，仅仅在全球干旱地区中，植物生产力与真菌群落有较弱的相关关系。有理由认为，在全球范围内，真菌群落受到气候和土壤预测因素的强烈影响，以及区域进化和灭绝的历史影响，这可能掩盖植物生产力或植物分类多样性与真菌多样性的关系。因此，大尺度（全球或洲际尺度）研究可能没有更好地解决土壤真菌多样性、植物多样性和生产力三者之间的关系。有机体之间的内在联系和协同进化主要出现在局部地区尺度，因此植物多样性的影响在这些尺度上比全球和洲际尺度上可能会更加明显。Tedersoo认为在爱沙尼亚地区，随着林分中树种多样性的增加，真菌丰富度也会随之增加。
研究目的及假设
在本研究中，我们的目的是通过对青藏高原（TP）草原强烈的气候，土壤和植物区系梯度进行密集采样，在区域范围内解决土壤真菌多样性的决定因素。
做以下假设（1）当考虑混杂的环境变量时，真菌α和β多样性分别与植物α和β多样性密切相关（真菌α多样性定义为每个位点观察到的操作分类单位（OTU）的数量（即真菌丰富度），而真菌β多样性定义为位点之间的组成差异。（2）基于资源丰度和环境能量理论，真菌α多样性与植物生产力正相关。（3）影响真菌组成（而非多样性）及其功能的，更多的是气候和土壤预测因子而不是植物区系变量（如植物多样性指数和生产力），因为与树木相比，草地植物中特定植物物种的影响可能太弱。
研究方法
土壤取样
在青海省和中国藏族自治区的东北部和中部的60个草地采样，从北向南延伸815公里，从东向西延伸960公里（图S1）。在2011年植被生长高峰期（7月至8月）进行采样，以确定最大微生物活性和生物量。调查区域包括大量的植被类型（高山草甸、高山草原和沙漠草原）、气候条件（年平均温度（MAT）-5.2至4.7°C；年平均降雨量（MAP）66–560 mm）和土壤性质（表S1）。
在整个样带上，建立了60个100*100 m的场地，以代表当地的植被类型，避免了因放牧和人为活动造成明显干扰的场地。在每一个场地内，三个小地块——每个1 * 1米大小——被随机放置在1公顷场地的对角线上，至少相隔40米。在每个地块内，采集了7个直径为5厘米的随机土壤芯。清除植物，5厘米的表层土均质化。在一些干旱地区，土壤主要由有机土壤或表层矿物土壤组成。
图S1.TP中取样点的位置，n=60个采样点
表S1 不同植被类型中地理、气候、土壤和植物变量的描述
2.植被调查
所有维管植物物种和个体均在180个地块中进行了记录总结（表S2）。大多数植物种类分为杂草（44.1%）、莎草类（29.1%）和禾本类（21.6%），豆科植物的比例较低（5.0%）。使用归一化差异植被指数（NDVI）作为植物生产力的度量。NDVI数据每16天更新一次，分辨率为250米。具体来说，选择采样日期期间的平均NDVI（同时也是TP上的植物生长高峰期）作为现场水平上植物生产力的代表。此外，据报告，在整个西藏草原上，NDVI与地上生物量之间存在强正线性相关。
3.土壤性质测量
4.测序和生物信息学
5.统计
结果
测序数据
总共有11576489个高质量序列在60个采样点聚集成14207个真菌OTU。在14207个真菌OTU中，4936个OTU被分配到10个真菌功能团，占总序列49.8%。土壤真菌群落主要由子囊菌属组成，占序列的90.9%。就真菌群落的功能组成而言，腐生菌(30.5%)和植物病原体(13.6%)是主要的功能组合(图S3)。
多样性-多样性关系
真菌丰富度（α多样性）对C:N比、植物丰富度、土壤总磷 和溶解有机碳有显著的响应，这共同解释了最佳OLS多元回归模型中真菌丰富度变化的46.3%（表1）。PLSR分析还表明，考虑到植物生产力和土壤和气候变量的影响，增加植物丰富度显著提高了土壤真菌丰富度（图1）。真菌β多样性（位点间成分差异性）与植物β多样性、年平均降水量 、C:N比和植物生产力最为相关（图2）。随着植物α和β多样性的增加，真菌α和β的多样性也相应增加（图2）。
在最好的OLS多元回归模型（表1）中，真菌和植物丰富度没有共享的环境驱动因素，这表明这两组的丰富度受到不同环境预测子集的限制。相反，mantel试验表明，MAP、C:N比率和生产力是真菌和植物β多样性的三个最强的个体环境驱动因素。在控制了这些共享的环境驱动因素和地理距离之后，真菌和植物之间的强β-多样性耦合仍然存在。
表1 环境变量对真菌丰度和植物丰度影响的最佳普通最小二乘(OLS)多元回归模型综述
图1 基于(a–c)偏最小二乘回归和(d)变异划分分析的真菌丰度、植物丰度和生产力之间的内在关系。
变异分配分析图，说明植物丰富度、生产力、土壤变量和气候因素对土壤真菌丰富度的共有和专有影响。
图2.青藏高原真菌和植物多样性的耦合(n = 60个位点)。
α多样性显示土壤真菌丰富度对植物物种丰富度的线性回归，β多样性显示真菌和植物群落成对Bray–Curtis 距离的线性回归。
生产力-多样性关系
最佳OLS多元回归模型表明，降水、土壤湿度和温度是植物生产力的最佳预测因子，共解释了68.7%的变化。此外，真菌丰富度多元回归模型（C:N比、DOC、植物丰富度和STP）中的最佳预测因子也解释了65.9%的植物生产力变化。在真菌丰富度模型中增加生产力并不能改善模型的拟合度。PLSR分析也证实，考虑到植物丰富度、土壤和气候变量的影响，植物生产力不会直接影响土壤真菌丰富度（图1）。此外，VPA还表明，植物生产力对真菌丰富度的影响大部分与其他变量类别（如植物丰富度、土壤和气候变量）相同，而植物生产力对土壤真菌丰富度的影响并不是唯一的（图1）。
然而，PLSR分析表明，考虑到土壤真菌丰富度以及土壤和气候变量的影响，植物分类丰富度随着植物生产力的提高而显著增加（图1）。最佳的OLS多元回归模型也表明，植物生产力和降水量是植物丰富度的最佳预测因子，共解释了43.5%的变异。
群落构成
土壤真菌的群落组成受空间、气候、土壤和植物区系变量的影响。在32个变量（15个PCNM向量、11个土壤参数、4个植物区系变量和2个气候因素）中，12个重要的预测因子共同解释了真菌成分变化的43.0%。具体来说，空间因子（PCNM1-PCNM6）和气候因子（MAP）分别累计解释了真菌群落20.7%和7.9%的变异，而土壤因子（SM、PH和容重）和植物区系因子（植物NMDS1和NMDS2）分别解释了7.5%和7.0%的变异。.对于腐生生物，空间（PCNM1–PCNM7）、气候（MAP）、土壤（SM、PH和容重）和植物区系因子（植物NMDS1和NMDS2）分别解释了群落组成变化的22.1%、7.2%、8.3%和7.5%。对于病原体，仅MAP就解释了8.1%的变异。空间因子（PCNM1-PCNM2和PCNM4）、土壤变量（PH、SM和C:N比）和植物区系因子（植物NMDS1、NMDS2和生产力）分别解释了病原菌组成变化的11.0%、18.5%和10.7%。在所有共生体中，空间因子（PCNM1–PCNM3和PCNM7）解释了24.8%的群落组成变化，其次是气候预测因子（MAP）、土壤变量（SM）和植物区系因子（生产力），分别解释了7.0%、2.9%和2.3%的群落变化。对于AM真菌，空间（PCNM1–PCNM3和PCNM5）和气候因子（MAP）分别解释了群落组成变化的25.7%和4.9%。对于ECM真菌，空间（PCNM1–PCNM3、PCNM9和PCNM13）和气候因子（MAT和MAP）分别解释了29.7%和9.3%的群落变异。
对于每个真菌功能组合的分类丰富度，气候、土壤和植物区系变量的不同子集构成了最强的预测因子（表2）。具体来说，腐生生物的丰富度最好的解释是碳氮比、溶解氧和溶解氧，这累计解释了30.7%的变异。碳氮比、DOC和STP累计解释了共生体丰富度变化的42.3%，而MAT、DOC和STP累计解释了病原菌丰富度变化的34.0%。AM真菌的丰富度最好的解释是AM植物覆盖率、SM、C:N比和STP，累积解释了52.1%的变异。SM、DOC和生产力最能解释ECM真菌的丰富度，累积解释了48.8%的变异。PLSR模型一致地表明，植物丰富度与真菌各功能组合的分类丰富度之间没有显著关系，而随着AM植物覆盖率和位点生产力的提高，AM和ECM真菌丰富度分别增加。
讨论
1、多样性产生多样性
当考虑到重要的环境预测因子时，真菌α和β的整体多样性分别与植物α和β的多样性呈正相关。在α多样性方面，最好的OLS多元回归模型分别占真菌和植物丰富度变化的46.3%和43.5%，植物丰富度是最好的OLS模型中真菌丰富度的最强预测因子之一。相应的PLSR模型也证实了植物丰富度与土壤真菌丰富度在考虑植物生产力、土壤和气候变量的影响时显著正相关（图1）。观察到的多样性-多样性关系比全球范围或地方范围观察到的更为牢固和一致。
在合成过程中，Hooper等人发现，当两个分类群对相同的环境驱动因素作出类似的反应时，植物和微生物的多样性可能发生正相关。在我们的研究中，真菌丰富度与植物丰富度之间耦合部分是由于它们对共享环境驱动因素的类似响应。
VPA明确表明，考虑到混杂的土壤、气候和生产力影响后，植物丰富度对真菌丰富度有排他性影响。此外，在真菌β多样性与其他环境变量的相关性方面，真菌β多样性与植物β多样性之间存在着最强的相关性。
植物丰富度对总真菌丰富度本身的强烈影响具有重要的生态意义，突出表明即使是小个体的草原植物物种也可以通过提供不同的根环境、分泌物、根和叶的品质来产生互补的地下生态位。
在多个测试变量中，在最佳OLS多元回归模型中缺乏真菌和植物丰富度的共同预测因子，这表明植物和土壤真菌的α多样性受到环境预测因子不同子集的限制。
2.生产力-多样性关系
物种数量通常随着总可用能量的增加而增加，这就是所谓的物种-能量理论。尽管物种-能量理论在动植物中被广泛接受，但一些实证研究已经证明其在真菌生态学中的适用性。在我们的研究中，在简单线性回归模型中，土壤真菌丰富度与植物生产力显著正相关；然而，在PLSR和OLS多重回归模型中，我们没有发现真菌丰富度与植物生产力之间的显著关系。此外，VPA表明，植物生产力解释了土壤真菌丰富度约30%的变化，但所有影响均与其他变量类别（如植物丰富度、土壤和气候）相同。这些结果表明，土壤真菌丰富度与植物本身生产力之间缺乏直接的相关性，生产力和其他环境驱动因素对真菌丰富度的影响可能相互混淆并具有协同效应。
此外，还认为植物丰富度和生产力对真菌丰富度的影响可能相互混淆，因为约20%的真菌丰富度变化归因于植物丰富度和生产力的综合效应（图1）。
3.群落组成
我们发现，不同类型土壤真菌群落的组成受不同空间、气候、土壤和植物区系变量的驱动，这些变量在功能群之间的相对重要性不同。植物群落组成部分受空间（PCNM1-PCNM4）、气候（MAP）和土壤因子（SM和容重）等类似环境预测因子的驱动，这些因素也强烈影响土壤真菌及其功能组合的群落组成。
与第三个假设相一致，总真菌群落的组成更受空间、气候和土壤预测因子的影响，这些预测因子累计解释了36.1%的变异，而植物区系变量解释的变异为7.0%。
结论
与之前在全球范围内的研究结果相比，在本次区域范围研究中，在考虑了一系列环境预测因子和植物生产力影响后，植物和土壤真菌之间在α和β多样性方面存在着强烈和一致的联系。这表明了这种耦合在维持生物多样性方面的潜在重要性，即使植物和真菌多样性之间的因果方向不明确。
此外，地上植物多样性可以很好地代表土壤真菌资源，用于区域保护规划。植物丰富度与植物生产力呈显著正相关，而真菌丰富度与生产力无显著差异，但考虑了植物丰富度、土壤和气候变量的影响。这表明生产力-多样性的关系是复杂的，并显示出不同的模式地上植物和地下生物。
我们的结果也强调了记录土壤和植物区系变量的重要性，以及选择合适的统计方法。需要对其他生态系统和更高生产力栖息地进行进一步的地方到区域规模的研究，以确定本研究的结果是否更普遍地适用于自然生态系统。
