超越物种多样性：洞穴节肢动物对微气候稳定性和结构复杂性的功能响应

《Ecological Entomology》：Beyond species diversity: Functional responses of cave arthropods to microclimatic stability and structural complexity

　　摘要

理解微气候条件和栖息地异质性如何塑造群落结构及其背后的组装过程，对于解释生物多样性模式和预测未来变化至关重要。然而，自然微气候梯度（如从洞穴入口到更深区域的梯度）对物种组合的影响仍知之甚少。这些梯度由温度、湿度和光照的变化定义，并与由洞穴结构特征塑造的细尺度栖息地异质性相结合。由于栖息地异质性可以缓冲气候变化，我们研究了它在塑造群落组装过程中的作用，以及与微气候梯度的共同影响。我们在八个洞穴中采样了160个单元，量化了属于七个纲的11个节肢动物目的物种数量，以及与形态、生态、活动、摄食和地下特化相关的八个功能特征的分布。物种多样性通过物种丰富度和辛普森多样性指数来表征。我们使用Rao的二次熵指数和社区加权平均值（CWMs）分析了群落内部特征的差异，并设计了特定的零模型。随着微气候稳定性的增加（接近恒定的温度和饱和的湿度），物种丰富度下降，而辛普森多样性随着栖息地异质性的增加而增加。诸如体型和眼睛退化等特征的CWMs沿着微气候梯度变化，在更恶劣的条件下，体型较大、眼睛退化更严重的物种占主导地位。运动特征对栖息地异质性的响应是非线性的，在结构复杂性中等水平时特征分化达到峰值。这些发现表明，微气候和栖息地异质性作为不同的环境过滤器，通过趋同和分化来塑造群落特征组成。这些结果强调了细尺度环境变化在塑造地下群落中的重要性，并突显了洞穴作为预测气候变化下生物多样性响应的自然实验室的作用。

引言

气候变化被广泛认为是全球生态系统生物群落重组和重新组装的主要驱动力（Halsch等人，2021年）。地下生态系统，特别是洞穴，由于以下原因特别容易受到气候变化的影响：（i）空间环境变异性低，限制了行为适应或栖息地迁移（Hose等人，2022年）；（ii）地下物种的高度特化和有限的扩散能力，限制了向更适宜栖息地的迁移（Sánchez-Fernández等人，2016年）；（iii）地理范围狭窄和生态可塑性低（Borko等人，2023年）；（iv）在热稳定性下的长期进化历史，导致对温度波动的生理耐受性降低（Di Lorenzo & Reboleira，2022年）。洞穴也可能作为地表物种的气候避难所，从而驱动地下群落结构和新的生物相互作用的变化（Cartwright等人，2020年；Ledesma等人，2020年；Mammola, Piano, Cardoso等人，2019年；Marcin等人，2022年）。洞穴为研究物种如何应对气候变化提供了理想的机会，因为其中的物种通常适应了稳定、恒定的温度（Mammola等人，2021年）。尽管洞穴相对于地表环境具有普遍的热稳定性，但从洞穴入口延伸数百米的异温带仍会受到季节性温度波动的影响（Luetscher等人，2008年）。在异温带内，温度通常随着距离洞穴入口的距离增加而降低。这种模式在单向空气循环的洞穴中观察到，遵循一个松弛长度，即温度随着距离入口的距离逐渐接近热平衡（Wigley & Brown，1976年）。这些温度梯度可以作为研究群落组装过程和预测物种对气候变化响应的自然替代指标。除了温度之外，从入口到更深区域的过渡还涉及相对湿度的变化和光照可用性的减少，从而形成了复杂的微气候梯度。洞穴在短距离内呈现出多样的微气候条件，这由结构复杂性驱动，包括通道大小、布局以及裂缝和腔室等特征的存在，导致了多样的栖息地异质性（Tews等人，2004年）。在单个研究洞穴中，可以根据结构变量的性质来量化这种异质性，即结构丰富度捕捉离散元素的数量，而结构范围反映了连续特征的变化（Tews等人，2004年）。当多个结构属性相互作用时，结构梯度（即总结共变变量的多变量轴）提供了更综合的环境复杂性度量（Brose，2003年）。由于栖息地异质性可以缓冲微气候的变化，忽视它可能导致高估物种对气候变化的响应。尽管迫切需要了解气候变化的影响，但很少有研究探讨洞穴结构创造的微气候和环境异质性如何影响物种组合（但参见Reis-Venancio, Ferreira, & Souza-Silva, 2024；Reis-Venancio, Rabelo等人，2024；Pacheco等人，2025）。节肢动物代表了全球生物多样性的大部分，并且在地下环境中占主导地位，包括许多稀有、特有和残遗物种（Culver等人，2006；Gibert & Deharveng，2002；Reboleira等人，2011）。然而，我们对节肢动物群落及其在洞穴中组装规则的理解仍然有限。这一知识空白可能是由于采样地下栖息地的技术难度以及研究工作的地理分布不均（Jiménez-Valverde & Ortu?o，2007）和分类学专业知识不足所致。大多数研究洞穴节肢动物组合的研究集中在物种丰富度或分类组成上（Cardoso等人，2022，2024；Chiavazzo等人，2015；da Rocha Melo等人，2025），强调了微栖息地异质性在塑造洞穴内无脊椎动物群落结构中的重要性（Pacheco等人，2020；Souza-Silva等人，2021）。然而，关于节肢动物群落组装规则的研究揭示了分类多样性和功能多样性模式之间的对比（Cadotte等人，2011；Lamarre等人，2016）。某些生态特征在特定环境条件下可以提供优势，从而决定了沿环境梯度的物种组合模式。环境过滤对群落功能结构的强度可能因所考虑的特定特征而大不相同（Moretti等人，2017；Poff等人，2006）。在地下环境中，环境过滤已被确定为生态特化的主要驱动力（Mammola等人，2020）。环境梯度根据物种的功能特征进行筛选。更深的洞穴倾向于支持具有更高特征过度分散的群落，因为它们提供了更多样化的栖息地和资源可用性，促进了具有多样化特征的独特群落的发展（Mammola等人，2024）。因此，通过关注物种的功能角色而不是物种多样性本身，我们可以更深入地了解节肢动物如何应对环境（Cadotte等人，2011；Mouillot等人，2013）。在这项研究中，我们通过检查与形态、生态、活动、摄食行为和地下栖息地特化相关的八个功能特征，量化了节肢动物群落中物种多样性和特征变化的驱动因素。我们的重点关注11个主要节肢动物目，所有这些目都在物种水平上进行了鉴定。群落沿着自然发生的微气候和栖息地异质性梯度进行采样，该梯度从洞穴入口向内延伸100米。根据它们的生态特征，预计节肢动物群会对微气候和栖息地异质性的变化有不同的响应。我们测试了以下假设：（1）随着微气候梯度的增加，节肢动物多样性下降，因为洞穴内部的接近恒定温度和饱和湿度，即微气候稳定性，有助于物种筛选；（2）非生物过滤促进了具有相似功能特征的个体共存，导致功能趋同；（3）栖息地异质性的增加增强了生态位的可用性，从而促进了分类多样性和功能多样性；（4）与耐受地下环境条件相关的特征预计在环境条件中等水平下达到峰值；（5）环境异质性作为过滤器，偏好具有特定功能特征的物种，从而减少了整体特征变异。

材料与方法

研究地点和环境

对于这项研究，我们选择了位于罗马尼亚Banat和Oltenia地区的八个洞穴。选择标准包括可访问性（即没有门或其他障碍物）、安全性（即洪水风险低）、地表栖息地的相似性、洞穴入口特征、足够的长度以涵盖洞穴内通常发现的三个不同区域（入口区、中间区和无光区），以及洞穴入口内最初100米内没有地下河流。作为局部环境因素，我们记录了洞穴入口的海拔（Alt a.s.l.（米）和洞穴延伸长度（Exten（米），即洞穴的总平面发展。关于洞穴名称、地理坐标、海拔和发展的详细信息见表S1。为了描述每个洞穴内的环境，我们在从入口到洞穴的100米横断面上测量了环境变量。在这个横断面上每隔10米（即每个10米的10个部分），我们测量了墙壁异质性（Hetero）、走廊最大宽度（Width（米）和高度（Height（米））、光照强度（Light（勒克斯））和空气相对湿度（Rhair（%））。为了估计墙壁异质性（即裂缝的丰富度），我们遵循了Manenti（2014）描述的方法。在每个部分的墙壁上1.5米的高度垂直放置了一根100厘米的绳子。然后使用卷尺测量绳子两端之间的线性距离。由于绳子跟随墙壁的不规则性，高度异质的墙壁（有许多裂缝和不平坦的表面）导致绳子端点之间的线性距离较短，而较平滑的墙壁产生的距离接近100厘米。在每个部分的左右墙壁上都进行了测量，并使用平均值进行分析。接近100的值表示墙壁异质性低，而接近0的值表示异质性高。已知地下无脊椎动物在地面和壁面微栖息地的使用上有显著差异，反映了诸如湿度、温度稳定性、矿物组成和暴露等环境条件的对比（Balestra等人，2021）。因此，我们定义了两种基质类别：地面和墙壁，以表征洞穴微栖息地（Microhab）。

采样节肢动物群落

2017年8月底至9月初，我们使用三种采样技术对洞穴栖息的节肢动物进行了采样：机会性收集、定时搜索和样方采样（Bichuette等人，2015；Wynne等人，2018）。在机会性收集过程中，一名研究人员（AN）从洞穴入口向内一次穿越100米横断面，并在洞穴墙壁、地面和天花板上进行了7分钟的视觉搜索。遇到的所有节肢动物都被记录下来，并根据观察到的位置分配到10个部分之一。在定时搜索中，每个部分的末端，将1米的测量带垂直放置在洞穴墙壁上，并记录了带子两侧出现的节肢动物，持续3分钟。我们在洞穴的相反墙壁上重复了这个过程。在样方采样中，每个部分的末端，在洞穴地面上放置了一个0.25平方米的样方，并记录了样方内的节肢动物，持续10分钟。在所有采样技术中，无法在现场鉴定的节肢动物被收集起来，以便在实验室中进一步鉴定。一般而言，收集了一到五个标本，这些标本被认为足以进行物种鉴定，并保存在90%的乙醇中。鉴定出的成年节肢动物属于11个重要目（Araneae、Acari、Isopoda、Glomerida、Lithobiomorpha、Geophilomorpha、Scolopendromorpha、Symphypleona、Entomobryomorpha、Poduromorpha和Coleoptera），代表了七个纲。所有分类群在采样技术中都得到了统一处理，三种技术的丰度数据被合并到一个数据库中，用于每个部分和微栖息地。来自洞穴左右墙壁的数据按物种和部分进行了汇总。这导致了160个采样单元，即8个洞穴×每个横断面10个部分×2个微栖息地（地面和墙壁）。

节肢动物的功能分类

我们关注了八个功能特征，这些特征涵盖了所有存在的物种，并反映了形态（体型）、生态（生态类别）、活动（运动方式）、摄食（营养模式）和地下栖息地特化（垂直性、色素沉着、眼睛存在/缺失和眼睛退化）的关键特征（见表1，了解所选特征的参考文献）。

表1. 洞穴栖息节肢动物的物种特征，涉及形态（体型）、生态（生态类别）、活动（运动方式）、摄食（营养模式）和地下栖息地特化（垂直性、色素沉着、眼睛存在/缺失和眼睛退化）。特征
功能分类
描述

体型
有序
0–1毫米，1–3毫米，3–5毫米，5–10毫米，10–20毫米，20–35毫米，35–50毫米

生态类别
因素
洞穴生物（troglobite）、喜洞生物（troglophile）、半洞穴生物（trogloxene）

运动方式
名义
行走、行走和飞行、行走和跳跃

营养方式
名义
食肉、食碎屑、食真菌、杂食、食腐、食植物

垂直分布
名义
土壤、土壤和墙壁

色素沉着
名义
无色素沉着、完全色素沉着、部分色素沉着

眼睛存在/缺失
二元
有，无

眼睛退化
名义
无眼、眼睛退化、眼睛完全发育

数据分析
所有统计程序均在R 4.1.3版本（R Development Core Team 2022）和RStudio（RStudio Team 2022，版本：2022.12.0）中实现。我们的假设基于这样的预期：随着距离洞穴入口的距离增加，非生物条件会变得更加恶劣，表现为空气温度降低、相对湿度升高、光照减少以及栖息地异质性降低（这与通道宽度和高度的减少有关）。因此，我们测试了沿100米样带连续10个区域中所有五个环境变量的方向性趋势。我们使用了线性模型。所有变量都显示出显著的趋势（所有p<0.05，图S1），这与我们的预测一致，表明100米的样带长度足以捕捉到相关的入口-内部梯度。环境变量通过混合数据的因子分析（FAMD）进行了分析，这是一种可以分析包含定量和定性变量的数据集的方法（Pagès, 2004）。重要的是，大多数环境变量被发现是共线的，这一点通过广义方差膨胀因子（GVIF）得到了证实（Fox & Monette, 1992）。为了检测共线性，我们使用了‘car’包中的vif函数计算每个解释变量的GVIF。GVIF >2的解释变量被认为受到共线性的严重影响。所有连续的解释变量都被中心化并缩放到平均值0和标准差1。FAMD的第一个轴解释了32.38%的变异，捕捉了从干燥温暖条件到湿润寒冷条件的空气相对湿度和温度的变化（表S2，图S2）。第二个轴解释了超过25.02%的变异，捕捉了从宽高明亮条件到狭窄低暗条件的变化（表S2，图S2）。此后，我们将FAMD第一个轴（Dim 1）上的得分称为“微气候梯度”，将第二个轴（Dim 2）上的得分称为“异质性梯度”，并在所有后续统计分析中将这些值作为独立变量使用。

物种丰富度和多样性
物种多样性通过计算物种丰富度和Simpson多样性指数（1?D）来表征。Simpson多样性指数是使用‘vegan’包中的多样性函数计算的。我们使用了带有负二项分布的广义线性混合模型（GLMMs）来研究物种丰富度与微气候梯度（McrG）和异质性梯度（HtrG）之间的关系，作为固定因素。模型被指定为glmmTMB（Y ~ McrG + HtrG，random = ~1 | cave/transect），其中Y是解释变量之一，即物种丰富度。以‘~’开头的术语列表是解释变量，1 | cave/transect表示将样带作为随机效应包含在内。为了拟合模型，我们使用了‘glmmTMB’包中的glmmTMB函数（Magnusson et al., 2019）。鉴于Simpson多样性指数的范围在0到1之间，且有许多值为0（表示没有单一物种占主导），我们使用了零膨胀贝塔回归模型来评估物种多样性对相同响应变量的响应。这些模型是使用‘gamlss’包中的gamlss函数拟合的。模型选择基于小样本量的Akaike信息准则（AICc），使用‘MuMIN’包中的dredge函数。保留了ΔAICc <4的模型（Harrison et al., 2018）。使用同一包中的sw函数确定了每个解释变量的相对重要性。通过平均预测变量出现的模型中的值来获得预测估计值，从而防止估计值向零收缩（Harrison et al., 2018）。对于所有模型，我们检查了残差的同方差性和正态性。为了评估最佳选定模型（即AICc最低的模型）的拟合优度，我们使用了‘MuMIN’包中的r.squaredGLMM函数（Nakagawa & Schielzeth, 2013）来评估GLMMS的拟合优度，并使用‘gamlss’包中的wp函数来评估零膨胀贝塔回归模型的随机分位数残差图（Stasinopoulos & Rigby, 2007）。为了可视化模型中显著项的效果，我们使用了‘ggeffects’包中的ggpredict函数（Lüdecke, 2018）。

功能多样性
我们选择了Rao的二次熵（RaoQ）和群落加权平均值（CWM）指数（Mouchet et al., 2010; Ricotta & Moretti, 2011）作为功能多样性指数。RaoQ是物种间成对距离的总和，按其丰度加权，可以解释为两个随机选择个体之间的平均功能距离（Botta-Dukát, 2005）。CWM是特定特征值的平均值，按每个物种在群落中的相对丰度加权。这两个指数都是使用‘FD’包中的dbFD函数计算的（Laliberté et al., 2014）。我们使用Gower距离从物种-特征矩阵创建了一个距离矩阵。Gower距离允许我们使用分类特征，并根据特征的级别数量对分类特征进行加权。例如，生态类别（有三个级别）被赋予与体型（八个级别）相同的总体权重，以便这两个特征对功能多样性的计算贡献相等。然后使用主坐标分析分析了距离矩阵，得到的轴被用作特征。由于物种-距离矩阵无法在欧几里得空间中表示，因此使用了cailliez校正（dbFD函数的corr参数）。我们使用gamlss来评估RaoQ对微气候和异质性梯度的响应。我们使用Kendall检验测试了每个特征的CWM与相同响应变量之间的相关性。然后，为了评估梯度上的群落组装模式，我们使用标准化效应大小（SES）比较了观察到的RaoQ与预期的零分布的偏差，遵循Gotelli和McCabe（2002）的方法。正的SES_RaoQ表明沿梯度的功能分散高于预期，而负的SES_RaoQ表明功能收敛。观察到的RaoQ（RaoQobs）是使用原始物种数据计算的，而零RaoQ的均值和标准差（SD）是从模拟的零模型生成的。我们选择了一个独立交换模型，该模型保留了物种丰富度和出现频率，但不保留空间传播或扩散限制（Swenson, 2014）。这个模型的零假设认为物种在地点之间是随机分布的，前提是每个物种保持其总体频率，每个地点保持其丰富度。独立交换模型比固定物种在矩阵中位置的模型（即仅改变物种丰度的模型）具有更强的检测环境过滤的能力。我们使用‘picante’包中的randomizeMatrix函数运行了999次排列的模型，其中这个零模型是一个标准选项，即函数中的null.model参数被指定为independentswap。SES RaoQ的定义如下：

为了测试CWM值中的非随机模式，构建了第二个零模型。这个模型从特定洞穴的物种池中随机抽取与我们观察到的相同数量的物种。特定区域的物种池由可能在洞穴生态条件下繁衍的物种组成。特定区域的物种池包括我们在采样时存在的物种，以及采样时不存在的其他物种。这第二个物种子集被称为洞穴的暗多样性（P?rtel et al., 2011）。这个模型的零假设认为缺失是随机的，即属于暗多样性的物种（缺失但预测为适合的）是随机缺失的，它们的缺失并不反映超出偶然性的显著生态或生物限制。然后我们使用Welch双样本t检验比较了每个特征的CWM与观察到的CWM和暗多样性（CWMobs和CWMdark）之间的差异。我们将较低的CWMobs解释为向共同特征值的收敛，而较高的CWMobs表示特征分布的分散。接近零期望的CWMobs表明局部物种特征值的随机分散。CWMobs的偏差根据以下公式量化为SES：

CWMobs值是使用原始物种数据计算的，而零CWM的均值和标准差（SD）是从第二个模拟的零模型生成的。我们使用带有高斯分布的广义加性混合模型（GAMMs）来研究SES_RaoQ与特征级SES之间的关系，这些变量被作为固定因素包括在内。GAMMs是使用‘mgcv’包中的gam函数拟合的（Wood, 2017），固定效应预测器包括平滑项（例如，s(McrG)，随机效应包括s(cave, bs = ‘re’) + s(transect, bs = ‘re’），以考虑数据的层次结构，其中样带嵌套在洞穴中。使用限制最大似然（REML）方法估计了平滑参数。模型残差被视觉检查以评估正态性和同方差性的假设。使用相同包中的predict函数生成预测值，并使用该包中的plot函数将预测值与观察值一起可视化。

结果
共记录了1407个节肢动物标本，归属于81个物种，属于11个目（Coleoptera、Symphypleona、Entomobryomorpha、Poduromorpha、Litobiomorpha、Scolopendromorpha、Geophilomorpha、Glomerida、Isopoda、Acari、Araneae），属于六个纲（Insecta、Collembola、Chilopoda、Diplopoda、Malacostraca、Arachnida）。最丰富的物种是Nesticus cellulanus（536个个体）和Meta menardi（463个个体），都属于Araneae目，占总节肢动物丰度的71%。模型平均表明微气候梯度是物种丰富度最重要的预测因子（最佳模型=0.32，表2），较冷和较湿的条件导致物种丰富度下降（图1a）。对于Simpson多样性指数，最佳支持的模型包括异质性梯度，表明随着异质性的增加多样性增加（图1b）。对于RaoQ，最佳模型仅包括截距（表2），表明两个梯度都没有显著影响。

表2. 模型平均标准化系数、标准误差（SEs）和预测因子的相对重要性，即微气候梯度和异质性梯度对群落分类（物种丰富度和Simpson多样性指数）和功能多样性（Rao的二次熵（RaoQ）的影响。显著效应的模型关系显示在图1a,b中。

物种丰富度
截距
0.791
0.096
8.118
<0.001

微气候梯度
?0.115
0.051
2.208
0.027
0.80

异质性梯度
0.074
0.064
1.148
0.250
0.41

Simpson多样性指数
截距
?0.087
0.097
0.883
0.377

mu（截距）
?1.165
0.138
8.433
<0.001

Sigma（截距）
0.469
0.111
4.209
<0.001

微气候梯度
?0.039
0.067
0.587
0.557
0.29

异质性梯度
0.144
0.072
1.993
0.046
0.69

RaoQ
mu（截距）
?3.291
0.067
49.094
<0.001

Sigma（截距）
?2.539
0.129
19.604
<0.001

微气候梯度
?0.013
0.030
0.450
0.653
0.24

异质性梯度
0.011
0.029
0.399
0.69

图1（a–e）显示了八个研究洞穴中160个采样单元的分类多样性和功能多样性与两个环境梯度（微气候和栖息地异质性）之间的关系。图(a)和(b)显示了基于表2中呈现的模型平均系数的微气候和异质性梯度对物种丰富度和Simpson多样性の显著影响。图(c)、(d)和(e)展示了微气候和异质性梯度与表3中呈现的GAMMs确定的体型、眼睛退化和运动特征的群落加权平均值（CWMs）的标准化效应大小之间的显著关系。每个点代表一个采样单元。实线表示拟合的关系，阴影区域表示95%的置信区间。模型包括洞穴和样带作为随机效应。所有特征的CWM沿微气候或异质性梯度都没有显著变化（图S3），体型沿微气候梯度的变化除外。体型的CWM从干燥温暖条件到湿润寒冷条件呈现出稳定的线性增加（τ = 0.14，p = 0.026）。拉奥Q（RaoQ）的SES（标准化效应大小）沿着两个梯度随机分布（表3）。在八个特征中，体型特征的SES随着温度的降低和湿度的增加而线性增加（表3；图1c），表明位于洞穴较深区域的群落中特征存在分化模式。运动特征的SES表现出非线性响应：它最初沿着异质性梯度增加，然后在高、宽和光照充足的洞穴区域表现出强烈的特征分化，而在低、窄和黑暗的区域则表现出强烈的特征趋同（表3；图1d）。眼睛退化特征的SES随着微气候梯度的增加而线性增加，使群落的功能特征结构从趋同转变为分化（表3；图1e）。其余特征的SES值沿任一梯度都没有显著变化（表3）。

表3. 用于分析功能多样性随微气候梯度和微生境异质性梯度变化的广义加性混合模型（GAMMs）。响应变量

预测变量 EDF（平滑处理）
F p值 调整后的R2 解释的偏差

拉奥Q的SES 微气候梯度 4.628 0.680 0.554 0.06 9.96
异质性梯度 2.584 1.233 0.262
洞穴（随机效应） 8.000 0.000 0.766
横断面（随机效应） 10.000 0.000 0.781

CWM生态类别的SES 微气候梯度 4.850 1.058 0.429 0.051 12.6
异质性梯度 3.015 0.955 0.415
洞穴（随机效应） 7.000 0.170 0.311
横断面（随机效应） 10.000 0.000 0.600

CWM体型的SES 微气候梯度 1.000 4.951 0.028 0.03 4.84
异质性梯度 1.000 0.993 0.321
洞穴（随机效应） 8.000 0.000 0.752
横断面（随机效应） 10.000 0.000 0.861

CWM运动的SES 微气候梯度 2.644 1.679 0.185 0.074 10.6
异质性梯度 3.248 2.190 0.051
洞穴（随机效应） 8.000 0.000 0.371
横断面（随机效应） 10.000 0.000 0.754

CWM营养模式的SES 微气候梯度 1.000 0.346 0.558 0.009 4.41
异质性梯度 1.000 0.072 0.789
洞穴（随机效应） 7.000 0.259 0.305
横断面（随机效应） 10.000 0.000 0.615

CWM垂直度的SES 微气候梯度 2.644 1.183 0.351 0.055 9.04
异质性梯度 3.100 1.931 0.120
洞穴（随机效应） 8.000 0.000 0.976
横断面（随机效应） 10.000 0.000 0.909

CWM色素沉着的SES 微气候梯度 4.408 1.176 0.327 0.079 15.9
异质性梯度 6.675 1.014 0.452
洞穴（随机效应） 7.000 0.069 0.331
横断面（随机效应） 9.000 0.429 0.154

CWM眼睛存在/缺失的SES 微气候梯度 2.786 0.970 0.500 0.023 6.04
异质性梯度 2.050 0.597 0.557
洞穴（随机效应） 8.000 0.000 0.723
横断面（随机效应） 9.000 0.154 0.329

CWM眼睛退化的SES 微气候梯度 1.000 5.296 0.023 0.089 4.54
异质性梯度 1.000 0.132 0.717
洞穴（随机效应） 8.000 0.000 0.927
横断面（随机效应） 10.000 0.000 0.938

注：功能多样性的描述符是拉奥二次熵（RaoQ）和群落加权平均值（CWM）的标准化效应大小（SES），针对八个功能特征。模型使用了平滑函数来拟合功能多样性描述符与微气候梯度和异质性梯度的关系，洞穴和横断面作为随机效应。显著结果的模型关系显示在图1c–e中。

**讨论**

**物种多样性对梯度的响应**

我们的结果显示，物种丰富度沿着微气候梯度下降。在这项研究中，从洞穴入口到内部区域的自然微气候梯度与从入口附近的温暖、干燥条件到内部更冷、更潮湿和更稳定的条件有关。物种丰富度通常随着距离洞穴入口的距离增加而减少（Kurniawan等人，2018；Prous等人，2015；Reis-Venancio, Ferreira, & Souza-Silva，2024；Reis-Venancio, Rabelo等人，2024）。物种丰富度的减少通常反映了非生物压力（例如，接近恒定的温度、饱和的湿度和完全的黑暗）和营养资源减少的综合效应（Kurniawan等人，2018；Prous等人，2015）。先前的研究发现，在高湿度但温度不饱和且相对温暖的地点物种丰富度最高（Lunghi等人，2017），而较冷且永久湿润的地点物种丰富度最低（Petrovová等人，2024）。洞穴入口通常作为生态过渡带，为不将洞穴作为主要栖息地的物种提供临时庇护所（即偶然或短暂的物种；Prous等人，2015）。因此，入口区域的物种丰富度高于洞穴内部区域，因为这里同时存在地表和地下物种（Culver，2005）。有两种机制可以解释物种丰富度沿微气候梯度的下降：温度限制假说和生态学的代谢理论。根据这一假说，由于生理和代谢限制，物种多样性随着温度的降低而减少（Allen等人，2002；Brown等人，2004；Kaspari等人，2000；Rohde，1997；Rohde，1992）。地下无脊椎动物的耐热性低于地表无脊椎动物（Mammola, Piano, Malard等人，2019；Pallarés等人，2019, 2021；Rizzo等人，2015），并且随着谱系地下特化的程度增加，耐热性趋于降低（Colado等人，2022）。然而，一些地下无脊椎动物的耐热范围超过了它们当前环境的极端温度范围（Mermillon-Blondi等人，2013；Rizzo等人，2015）。湿度是一个额外的关键环境因素。尽管地表栖息地中增加的土壤湿度促进了节肢动物的数量和多样性，但极端湿度——干燥和饱和——都可能对群落结构产生负面影响（Fournier等人，2015；Newell等人，2023）。地下节肢动物特别容易脱水（Plaza-Buendía等人，2025；Yoder等人，2011），这解释了为什么湿度是影响洞穴节肢动物群落的关键因素（Harrison等人，2012；Pacheco等人，2025）。然而，饱和湿度要求强烈的生理适应。专性洞穴物种通常表现出角质层变薄和角质层渗透性增加。这些特征在潮湿环境中增加了水分流失，但限制了对环境变化的耐受性，特别是在较干燥的条件下（Howarth，1983）。这样的适应限制了能够在这些环境中生存的物种数量。因此，只有少数高度特化的洞穴生物能够在温度稳定和湿度饱和的深层洞穴区域生存。在我们的研究中，只有两个物种被归类为洞穴生物，这突显了深层洞穴微气候条件所施加的强烈环境过滤。与我们的预期相反，物种丰富度与栖息地异质性梯度没有显著关系，后者从高、宽和光照充足的洞穴入口到狭窄、低和黑暗的内部区域变化。我们假设物种丰富度会随着栖息地异质性的增加而增加。结构多样的栖息地预计提供更多的生态位维度，从而支持更多的物种（Kadmon & Allouche，2007；Murdoch等人，1972；Pianka，1966）。已知入口区域的环境异质性提供了更多的潜在栖息地。栖息地的增加可能减少生态位重叠和竞争互动（Souza-Silva等人，2021；Reis-Venancio等人，2022），从而允许物种共存。然而，这种模式可能反映了高度破碎化栖息地的有限可持续性（Allouche等人，2012）。光照区域比无光区域表现出更高的物种多样性。缺乏光照阻止了许多不适应地下生活的地表物种的建立（Mammola & Isaia，2018；Moldovan等人，2018；Souza-Silva等人，2021）。此外，尽管本研究没有考虑，物种丰富度也可能受到营养资源可用性和生态系统承载能力的限制。地下环境中的营养资源通常稀少且分散，作为洞穴动物的局部“吸引子”（Ferreira & Martins，1999；Schneider等人，2011）。这一特征有利于捕食者的存在，它们被可用资源吸引（Ferreira & Martins，1999；Schneider等人，2011）。在这种条件下，更高的结构异质性不一定导致更多的物种共存，物种丰富度仍然受到营养资源可用性的限制。此外，物种丰富度也可能受到洞穴承载能力的限制（Simoes等人，2022），特别是当空间异质性的增加没有伴随着食物资源可用性的相应增加时。我们预期随着微气候稳定性的增加，Simpson多样性会减少。然而，我们研究中的Simpson多样性与微气候梯度无关（Vo? & Sch?fer，2017）。这可能部分是因为Simpson多样性受到最丰富类群的强烈影响，对稀有物种的变化不太敏感（Magurran，2004）。在我们的研究中，75%的物种数量只有一到两个个体，使它们变得稀有。多样性与微气候梯度之间缺乏明确的关系也可能由微栖息地的存在解释。由砾石聚集形成的微栖息地包含间隙空隙，可能为陆地无脊椎动物提供食物资源、保护和庇护所（Pacheco等人，2020）。这一解释支持了我们的发现，即Simpson多样性随着栖息地异质性的增加而增加，这与先前的研究结果一致，即结构更复杂的环境支持更高的节肢动物多样性（Habel等人，2021；Haslett，1997；Martínez等人，2015；Peng等人，2020）。我们的结果与早期研究一致，这些研究表明物种多样性与栖息地异质性之间存在正相关（Cardoso等人，2022；Mammola & Leroy，2018；Reis-Venancio, Ferreira, & Souza-Silva，2024）。先前的研究强调了栖息地异质性对洞穴无脊椎动物分布的尺度依赖性效应（Cardoso等人，2022；Mammola & Leroy，2018）。在局部尺度上，异质性塑造了特定区域的群落（Reis-Venancio, Ferreira, & Souza-Silva，2024）。也记录了非线性模式，即在微栖息地多样性中等水平时群落相似性最高，在低和高水平时群落差异更大（Cardoso等人，2022）。在局部尺度上提出了多种地下栖息地异质性的代理指标（例如，地质基底、碳酸盐岩床的百分比），最合适的指标取决于地下环境和所考虑的类群（Mammola & Leroy，2018）。我们使用了整合多个洞穴特征的多变量梯度。与Brose（2003）的研究一致，我们的研究支持多样性与多变量结构梯度之间存在显著关系。我们的结果强调了复合结构梯度在解释节肢动物多样性模式中的重要性。

**与我们的预期相反，RaoQ沿微气候或异质性梯度都没有显著变化。沿微气候梯度的缺乏显著变化与先前显示洞穴环境中强烈环境过滤的结果形成对比（Bastos-Pereira等人，2026；Mammola等人，2024）。然而，Fernandes等人（2016）发现洞穴居住的等足类可以保持相对较高的功能多样性，这表明洞穴可能不像之前认为的那样恶劣。几种机制可以解释我们的结果。首先，区域物种池的小规模可能限制了强烈功能信号的潜力（Spasojevic等人，2018）。其次，群落之间的高功能冗余可能掩盖了环境过滤器对功能多样性的潜在影响（Fetzer等人，2015）。专性洞穴物种表现出对地下条件的趋同适应，这压缩了占据的功能空间，从而增加了特征冗余（Bastos-Pereira等人，2026）。重要的是，这种功能趋同并没有被解释为冗余，而是作为在有限环境和进化框架内的适应特化的证据（Bastos-Pereira等人，2026）。第三，像RaoQ这样的功能多样性指数可能对只影响有限特征子集的变化不敏感，因为将多维特征数据简化为单一多样性值会丢失信息。尽管整体功能多样性稳定，我们还是检测到了特定特征的响应。值得注意的是，CWM体型特征沿微气候梯度增加，表明在温度稳定和湿度饱和的洞穴区域中大型节肢动物占主导地位。这种模式与对地下生活的形态适应预期一致，其中洞穴居住的物种表现出较大的体型（Taiti，2004；Trontelj，2019）。观察到的响应可以通过温度-体型规则来解释，该规则预测在较温暖条件下成体体型较小，因为生长加速和发育时间减少（Atkinson，1994）。观察到的变化也与生态学的代谢理论预测一致（Brown等人，2004）。这表明温度是生理过程的关键限制因素，从而影响生活史特征，如体型。较大的体型在潮湿条件下也可能通过降低脱水风险而带来优势（Harrison等人，2012）。这一发现得到了先前研究的支持，这些研究表明增加的湿度选择了较大的无脊椎动物类群，导致体型分布的变化（Andriuzzi等人，2020；Fournier等人，2015；Newell等人，2023）。与我们的结果相反，（Shen等人，2025）发现了相反的模式，其中最小的体型出现在洞穴内部区域。这突显了体型反映了对外部条件调节的适应策略，这些条件受到营养资源可用性的影响。在资源贫乏的洞穴区域，较小的体型更受青睐，因为它们可能减少代谢需求（Gobbi & Fontaneto，2008）。在资源丰富的区域，较大的体型可能增强移动能力和觅食效率，从而带来竞争优势（Shen等人，2025年）。我们还发现了功能特征随环境梯度变化而分散的证据。具体来说，体型和眼睛尺寸的差异沿着微气候梯度增加。虽然通常认为非生物因素的筛选会导致特征趋同（Cardoso，2012年；Trontelj等人，2012年），但我们的研究结果表明存在功能分化。在地下环境中，特征趋同，尤其是与栖息地特化相关的特征，主要归因于强烈的非生物筛选作用，其次是趋同进化，而特征位移或竞争排斥的作用较小（Culver & Pipan，2019年；Fi?er等人，2013年；Mammola等人，2020年）。然而，其他研究表明，恶劣的环境并不总是导致趋同，特别是在存在细尺度生态位划分的情况下，这允许功能分化（Fernandes等人，2016年）。此外，像体型这样的特征——与有限资源的竞争能力相关——可能更多地受到生物相互作用的影响，而非生物因素的限制，反映了竞争排斥或促进等过程。在洞穴中，环境筛选与特征相似性限制之间的相互作用随空间尺度变化而变化，在局部尺度上特征过度分散，在更大尺度上特征分散不足（Mammola等人，2024年）。最后，我们发现运动特征与栖息地异质性之间存在非线性关系，功能分散在异质性中等水平时达到峰值，而在极端低或高异质性情况下则出现趋同。这一模式与最近关于地下蜘蛛群落的研究结果一致，即适度的结构复杂性促进了最大的生态位分化和特征分化（Mammola等人，2024年）。在非常低或非常高的异质性情况下，环境限制或特定类群的支配可能会减少可行的特征策略范围，从而导致趋同。

**结论**
我们发现，微气候变异性和栖息地异质性都驱动了物种多样性和功能特征的多样性，但不同特征的重要性各不相同。我们的研究强调了小尺度环境条件在驱动群落特征变异中的重要性，并建议在预测分类学和功能多样性时应考虑小尺度的环境和空间异质性。此外，我们的研究表明，细尺度的结构异质性可以缓冲微气候的变化，因此在评估群落组装过程的环境驱动因素和预测气候变化时必须考虑这一点。

**作者贡献**
Raluca Ioana Bǎncilǎ：概念化；方法论；撰写初稿；可视化；资金获取；监督；正式分析。
Augustin Nae：数据管理；撰写——审阅和编辑；调查。
Ioana Nae：数据管理；调查。
Eugen Nitzu：数据管理；撰写——审阅和编辑。
Andrei Giurginca：数据管理。
Ionu? Popa：数据管理。
Stefan Cǎtǎlin Baba：数据管理。
Rodica Plǎia?u：概念化；数据管理；方法论；撰写——审阅和编辑。

**致谢**
我们还要感谢匿名审稿人花费时间和精力审阅我们的手稿；我们非常感谢他们所有的宝贵意见和建议，这些都有助于提高论文的质量。在准备这项工作时，作者使用了ChatGPT（OpenAI）来提高手稿的可读性和语言表达。使用该工具/服务后，作者根据需要对内容进行了审阅和编辑，并对出版物的内容负全责。

**资金信息**
这项工作得到了罗马尼亚国家科学研究机构CNCS—UEFISCDI的两项研究资助：PN-II-RU-TE-2014-4-1536和PN-III-P1-1.1-TE-2019-1233。资助者在研究设计、数据收集与分析、发表决定或手稿准备过程中没有发挥作用。该研究由Biodiversa+资助，这是欧洲生物多样性伙伴关系在2021–2022年BiodivProtect联合研究提案征集中的项目，得到了欧盟委员会（GA No. 101052342）以及以下机构的共同资助：意大利大学和研究部、西班牙国家研究机构—生物多样性基金会、葡萄牙区域科学技术基金、芬兰环境部—Suomen Akatemia、比利时科学政策办公室、法国国家研究署、德国研究联合会（Deutsche Forschungsgemeinschaft e.V.）、瑞士国家基金（Grant No. 31BD30_209583）、奥地利科学研究促进基金、斯洛文尼亚高等教育、科学和创新部以及罗马尼亚高等教育、研究、发展和创新执行机构。

**利益冲突声明**
作者声明没有利益冲突。

**数据可用性声明**
本手稿中使用的数据可从Knowledge Network for Biocomplexity Repository获取：https://doi.org/10.5063/F1FX77ZW（Bancila & Nae，2026年）。