Detectability of landscape-genetic signal in fragmented landscapes: habitat area, configuration, dispersal, and the dual role of corridors

技术摘要：破碎化景观中景观遗传信号的可检测性

问题陈述
本文探讨了景观生态学中一个长期存在且存在争议的问题：生境破碎化是否除了单纯减少生境面积之外，还会对遗传分化产生影响。一个互补的、发展较慢的问题是，连接孤立斑块的廊道（corridors）的引入，如何改变景观遗传信号的强度和统计可检测性，以及这种影响如何取决于扩散能力。虽然现有文献记录了“隔离-阻力”（isolation-by-resistance）效应，但很大程度上将其可检测性视为一个固定属性，而非景观格局、扩散能力和种群规模的函数。本研究旨在通过构建一个多因素相互作用框架（生境量 × 配置 × 扩散），来确定景观遗传信号何时以及如何可以被恢复，并特别考察了廊道在“人口救济”（demographic rescue）与“推断信号侵蚀”（inferential signal erosion）方面的双重作用。

方法论
本研究利用基于个体建模的模拟（CDPOP, Cushman, 2006; Landguth & Cushman, 2010），采用四因子、面积守恒的析因设计进行研究。

• 实验设计： 总计 1,500 次模拟，包含 150 种唯一的组合，每种组合重复 10 次。
  • 生境面积： 5 个水平（10% 至 50% 的 100×100 景观）。
  • 生境聚集度（Clumping）： 5 个水平（高斯平滑 $\sigma$ = 3 至 7）。
  • 连通性： 2 个水平（“基础型”与“连接型”，后者增加了最近邻廊道）。至关重要的是，总生境面积保持严格恒定；廊道像素是通过随机侵蚀现有斑块的边缘像素而添加的。
  • 扩散阈值： 3 个水平（50、100 和 150 代价单位）。
• 模拟参数： 在采样点初始化 100 个个体，模拟 200 代，环境容纳量 ($K$) 为 100。基因型由 10 个无连锁的位点组成，每个位点有 5 个等位基因，无突变，并采用密度依赖的指数增长模型。
• 遗传分析：
  • 计算生存个体的成对 Bray–Curtis 遗传距离、欧几里得距离以及代价距离矩阵。
  • 统计检验：
    1. Mantel 检验： 比较遗传距离与代价距离（$r_{cost}$）对阵欧几里得距离（$r_{Euclidean}$）的相关性。度量指标 $\Delta r = r_{cost} - r_{Euclidean}$ 用于衡量阻力假设相对于地理零假设的增益。
    2. MLPE 混合模型： 将遗传距离对代价距离进行线性混合模型回归，并包含种群结构的随机效应。提取的指标包括代价系数 ($\beta$)、边际 $R^2$（解释方差）以及似然比检验 $p$ 值（用于衡量检测效能）。
• 分析： 使用四向析因方差分析（four-way factorial ANOVA）来分析 $\Delta r$、$\beta$ 和边际 $R^2$ 的效应。鉴于大规模模拟样本量，推断依赖于偏 $\eta^2$ 效应量和相互作用结构，而非 $p$ 值。

核心贡献

1. 非单调可检测性： 研究表明，景观遗传可检测性并非破碎化的线性函数，而是遵循一个“双侧窗口”。信号强度在中间水平的生境面积、中间水平的聚集度和低至中等水平的扩散能力下达到峰值。
2. 廊道的双通道效应： 本文识别并从机制上分离了添加廊道产生的两个相反效应：
   • 方差供给通道（正向）： 廊道减少了孤立斑块中的遗传漂变，从而增加了种群内杂合度 ($H_o$)。这种效应在高度聚集且具有大型紧凑斑块的景观中最为显著。
   • 空间异质性通道（负向）： 廊道使基因流在阻力梯度上趋于均一，从而侵蚀了产生代价距离信号所需的空间异质性。这种效应在具有中间聚集度和中间面积的景观中最为显著，因为这些景观之前的阻力梯度最为强烈。
3. 扩散依赖型侵蚀： 廊道导致的景观遗传信号强度（$R^2$）下降取决于物种的扩散能力。较高的扩散阈值会导致更大的信号侵蚀（在 100–150 代价单位时减少 34–35%，而在 50 代价单位时仅减少 16%），因为廊道相对于运动能力而言在功能上变得更短，从而更有效地使景观同质化。
4. 生物学结果与推断结果的脱节： 研究显示，尽管廊道在增加遗传多样性 ($H_o$) 的同时会降低景观遗传信号强度 ($R^2$)，但这两种效应在组合层面上是不相关的（$|r| < 0.13$）。它们运行在不同的“面积 $\times$ 聚集度”参数空间区域。

结果

• 可检测性： MLPE 在 96.7% 的运行中检测到显著的代价效应。然而，效应的大小随系统变化。$\beta$ 和边际 $R^2$ 变化的主要驱动因素是生境面积与聚集度的相互作用（$\eta^2_p$ 分别为 0.239 和 0.226）。
• 信号强度： 最大信号强度出现在中间面积（20–40%）、中间聚集度（$\sigma=4–5$）和低扩散（50 代价单位）时。信号在极端情况下会崩溃：高破碎化导致由漂变主导的隔离（案例 IV），而高面积/高扩散则导致泛基因（panmixia）。
• 廊道影响： 添加廊道在 75 个“面积 $\times$ 聚集度 $\times$ 扩散”组合中的 58 个组合中降低了边际 $R^2$（根据扩散程度的不同，平均减少 16–35%）。相反，廊道在 75 个组合中的 52 个组合中增加了 $H_o$。
• 相互作用结构： “连接性 $\times$ 扩散”的相互作用对 $\beta$ 和 $R^2$ 均显著，证实了廊道的推断影响无法与物种的扩散能力相分离。四向相互作用（面积 $\times$ 聚集度 $\times$ 连接性 $\times$ 扩散）对 $\beta$ 的影响处于边缘显著水平，进一步强调了没有任何单一因素可以概括整个系统。

意义与主张
本文声称，景观遗传关系的检测受控于一个扩展了“双通道机制”的“限制因素”框架。

• 推断意义： 未能检测到景观遗传信号并不一定意味着缺乏生物学响应。相反，这可能表明景观要么过于破碎（漂变占主导），要么过于连通（泛基因占主导），从而无法产生可检测的阻力梯度。
• 廊道解释： 廊道引起的“信号侵蚀”不应被解释为廊道在生物学功能上的失败。恰恰相反，信号侵蚀是廊道成功实现基因流同质化并救济遗传多样性的直接推断结果。这两个结果（更高的多样性、更低的信号强度）是同时发生的，但在机制上是截然不同的，且在空间上是分离的。
• 方法论转向： 研究主张超越针对特定位点的推断，转向多因素相互作用框架。生境配置对遗传分化的影响是真实的，但本质上是一个取决于生境量、扩散能力和连通性结构的相互作用效应。
• 实际应用： 设计景观遗传研究的研究人员必须根据其研究系统在“面积 $\times$ 聚集度 $\times$ 扩散”空间中的具体位置来校准效能分析。无论物种的生物学特征如何，一个物种可能会在过渡性的破碎化状态下表现出强信号，而在高度完整或严重破碎化的景观中表现出弱信号。

文章总结道，景观遗传测试并非固定不变的工具，而是与生态背景耦合的；理解何时以及为何这些信号可以被恢复，其答案在于绘制出整个参数空间内的“可检测性地图”。