🧬 生物学

Beyond Species Richness: Empirical Assessment of a Consumption-Weighted Functional Diversity Index Across Aquatic Ecosystems

本研究实证评估了水生生态系统中一种基于摄食加权的功能多样性指数（FDI），证明了其作为描述营养级结构的补充指标的效用，能够捕捉到与分类多样性不同的模式，同时强调了其对测量选择的敏感性，并指出其在预测生态系统功能方面并不一定优于更简单的模型。

原作者： Aryan Ayyanger

发布于 2026-10-20

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Aryan Ayyanger

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

生物多样性通常是通过一个简单的计数来衡量的：在某个地方生活着多少种不同的物种。但一个拥有百棵同种树木的森林，与一个拥有百棵不同物种树木的森林，在生态学上是截然不同的。科学家们早就知道，物种数量仅仅是故事的一部分。真正的问题在于这些物种如何与它们的环境相互作用。它们是否都吃同样的食物？它们的摄食速率是否都一样？或者有些吃得少而另一些吃得多，它们是否依赖不同的资源？理解这些模式有助于我们了解一个生态系统是如何运作的，而不只是它承载了多少生命。

多年来，研究人员一直试图创建一个能够同时捕捉饮食多样性和摄食量这两个维度的单一数值。一项新研究采用了一种专门用于衡量这种“消费加权”多样性的数学工具，并将其应用于来自三个完全不同的水生环境的真实世界数据进行测试。其目标并非证明该工具是完美的，而是要观察它是否确实可以从野外数据中计算出来，它能告诉我们关于自然的哪些简单物种计数无法提供的信息，以及它是否有助于预测生态系统执行其日常工作（如分解落叶）的表现如何。

研究人员首先观察了中国金沙江下游，这是一条受大型大坝调节的大型水道。他们检查了四个不同时段的数据，涵盖了年度洪水发生前后的时期。在其中一个时期，河流中鱼类种类极多，显示出高度的分类多样性。然而，当研究人员应用他们的新指数——即对食草动物、肉食动物和滤食动物等不同群体的摄食量进行加权后——该时期得分却最低。这揭示了一个关键洞察：一条河流可以拥有许多种类的鱼，但这些鱼可能都在以相似的比例摄取相同的食物。新指数捕捉到了这种饮食分离度的缺失，而标准的物种计数则完全忽略了这一点。研究还表明，结果对数据的加权方式非常敏感；如果研究人员使用鱼类的体重而非其估计的食物消耗量，那么最好和最差时期的排名会发生彻底改变。

接着，团队转向了新加坡的十二个水库，这些水库涵盖了从城市环境到森林环境的各种类型。在这里，他们面临着数据限制：虽然他们知道鱼类吃什么，但并不确切知道每条鱼消耗了多少。由于该指数需要知道每个群体的总摄食量才能正确运作，因此他们无法计算出完整的得分。相反，他们只关注饮食部分的等式。他们发现，如果仅观察鱼类，森林水库中的饮食结构似乎比城市水库更具差异性。但当他们扩大视野，将整个食物网（包括昆虫和其他小型生物）纳入考虑时，这种差异就消失了。这凸显了“饮食多样性如何？”这一问题的答案完全取决于你决定将哪些动物计入统计。

最后，研究人员在北卡罗来纳州的五个小型实验溪流中测试了该指数，在这些溪流中，科学家们向水中添加了额外的营养物质，以观察生态系统会如何反应。在这些溪流中，他们拥有关于不同类型的昆虫和其他小型生物究竟摄食了多少食物的详细记录。正如预期的那样，添加营养物质导致流经溪流的总食物量剧增。然而，新指数并不总是随之上升。在某些溪流中，额外的食物被少数几种优势物种摄取，导致指数下降。而在另一些溪流中，食物被更均匀地分配给具有不同饮食习惯的不同物种，指数则上升了。这证明了总食物消耗量的激增并不自动意味着一个更具多样性或平衡的生态系统。

为了观察这个复杂的指数是否真的有助于预测现实世界的产出，研究人员将其与另一个测量指标进行了对比：叶片在溪流中的分解速度。他们询问，了解该指数值是否比仅仅了解一年中的季节更能帮助他们预测分解速度。答案是否定的。将该指数加入他们的预测模型后，结果的准确性反而略有下降，而不是提高了。这表明，尽管该指数是描述群落饮食习惯平衡的一种复杂方法，但它并不一定能作为预测生态系统健康或效率的“水晶球”。

研究结论认为，这种消费加权指数是一个有效且可计算的工具，但它并非万灵药。它提供了关于自然的另一种互补视角，强调了食物是如何被分享的以及饮食如何各异，这些细节是简单的物种计数所忽略的。然而，它对研究人员选择包含哪些动物以及如何衡量它们的贡献高度敏感。它能精确地描述群落的结构，但并不自动告知我们该群落是否健康或具有韧性。该工具的价值在于它能够揭示这些隐藏的资源利用模式，前提是科学家要结合其他测量指标并理解其特定的局限性。

技术摘要：超越物种丰富度：跨水生生态系统的消费加权功能多样性指数的实证评估

问题陈述
传统的分类学多样性指数（如物种丰富度、香农熵）描述了群落组成，但未能明确整合资源消耗的分布与饮食生态位利用的差异。虽然生物可能占据相似数量的物种，但在消耗量及其饮食重叠程度上可能存在显著差异。现有的功能多样性度量指标（如 Rao's 二次熵或 Pianka 重叠指数）分别处理加权差异或饮食重叠，但并未本质上将这些维度与资源消耗的量级结合起来。功能多样性指数（FDI）由 Ayyanger 和 Vijay (2026) 在 NetLogo 模拟研究中首次提出，该指数通过一种消费加权的二次型公式来填补这一空白。然而，其在实证群落中的表现、对测量选择的敏感性以及在预测生态系统过程中的效用仍有待测试。

方法论
本研究通过三个不同的水生数据集评估了 FDI，这些数据集提供了不同的时间、空间和实验结构。FDI 被定义为两个部分的乘积：

消费均匀度 ( $E$ )：应用于消费份额 ( $p_i$ ) 而非物种丰度的 Gini–Simpson 形式。
饮食差异性 ( $D$ )：基于 Pianka 饮食重叠度 ( $O_{ij}$ ) 的 Rao 式消费加权二次熵。
指数计算公式为： $FDI = E \times D$ 。

用于评估的三个数据集包括：

金沙江下游（中国）：源自 Ecopath 食物网模型的四个时期（2022年5月、2022年10月、2023年5月、2023年6月）。输入数据包括模拟的年度食物消耗通量 ( $Q = B \times Q/B$ ) 和六个消费者类群的饮食矩阵。
新加坡水库（新加坡）：十二个水库（城市、河口、森林型）的肠道内容物数据。由于缺乏绝对消耗数据，仅计算了未加权的饮食差异性部分，涵盖鱼类及整个食物网范围。
Coweeta 实验溪流（美国）：五条源头溪流，跨越三年（处理前及两个富营养化年份）。数据包括对无脊椎动物分类单元的估算资源特异性食物消耗。该数据集允许计算完整的 FDI，并可作为对凋落物分解速率 ( $K$ ) 的独立测试。

主要结果

金沙江：鱼类香农多样性最高的时期（2023年5月）表现出最低的消费加权 FDI (0.05516)。时期的排名对加权方法具有敏感性；若将消费份额替换为生物量份额，会导致排名最高的时期发生变化。FDI 与同位素生态位宽度 (SEAc) 的相关性弱于其单个组成部分。
新加坡水库：在仅考虑鱼类时，不同类型水库之间的饮食差异性表现出显著差异（置换检验 $p = 0.0366$ ），但当分析整个食物网时，这种模式消失了（ $p = 0.8508$ ）。研究证实，由于缺少绝对摄入数据，无法计算完整的 FDI，这凸显了生态位指标对群落边界的敏感性。
Coweeta 溪流：总消耗量在富营养化年份增加，但 FDI 在不同溪流间呈现出混合方向的变化。该指数对消费者覆盖范围具有敏感性：将分析限制在所有时期均存在的分类单元时，保留了 8/10 的处理前/后方向性比较，但在第 6 号溪流中趋势发生了反转。
预测能力：在 Coweeta 数据集中，在预测凋落物分解速率 ( $K$ ) 的模型中加入 FDI（或其组成部分）并不能提高相对于仅使用时期模型的预测准确性。留一溪流交叉验证显示，均方根误差 (RMSE) 从 0.001720（仅时期模型）增加到 0.002016（时期 + FDI 模型）。

核心贡献

实证可计算性：本研究证明了在存在适当输入（消耗通量和饮食矩阵）的情况下，FDI 框架可以应用于现实世界的食物网数据，同时也指出了在其他情境下阻碍完整计算的具体数据缺口（如绝对摄入量）。
敏感性分析：研究量化了 FDI 数值及其排名如何严格依赖于消费者贡献的定义（消费量 vs 生物量）以及食物网的范围（仅鱼类 vs 整个食物网）。
描述性与预测性效用：论文明确了 FDI 是一个描述性的工具，它描述了不同于分类多样性或总资源流量的营养组织模式，但并未证明其在预测独立生态系统过程（特别是测试的凋落物分解）方面的优越性。
成分分解：通过分别报告 $E$ 、 $D$ 和 $FDI$ ，研究阐明了该指数是关于两个相关属性（均匀度和差异性）的有意识综合，而非一个独立的生态信号。

意义与主张
本文将 FDI 定位为一种互补的、可解释的描述符，用于描述消费加权的营养组织，而非替代已建立的生物多样性指数。其主要意义在于能够描述消费者参与度和饮食分离度的共同平衡，这是一个仅靠物种计数无法捕捉的维度。

作者明确指出，研究结果并未证明 FDI 在预测生态系统功能方面的优越性。在凋落物分解测试中预测准确性的提升不足，表明在缺乏进一步证据的情况下，不应将该指数直接解释为生态系统健康、韧性或稳定性的指标。研究结论认为，当研究问题专门涉及资源消耗分布与饮食差异化时，FDI 最具实用价值，但前提是必须承认其在加权选择和数据分辨率方面的局限性。

类似论文