中国各生物群落植物功能性状沿海拔梯度的格局及阈值(Elevational patterns and thresholds of plant functional traits across China's biomes)

《Ecological Indicators》：Elevational patterns and thresholds of plant functional traits across China's biomes

　　

海拔梯度整合了温度、水分有效性和土壤条件的协同变化，为检验大尺度性状(plant functional trait)–环境关系提供了天然实验。研究人员利用涵盖中国20,774种维管植物的全国性数据集，量化了叶面积(leaf area)、株高(plant height)、种子大小(seed size)和球果大小(cone size)沿海拔的变化模式，评估了环境驱动因子，并探讨了未来气候情景下的潜在响应。四种性状均与海拔呈显著非线性关系，统计支持的断点(breakpoint)分别约为1838 m（叶面积）、2925 m（株高）、2585 m（种子大小）和2275 m（球果大小）。超过这些断点后，营养性状(vegetative traits)与海拔呈更陡的负标度关系，而繁殖性状(reproductive traits)变化较平缓，表明其对高海拔胁迫的敏感性存在差异。结构方程模型(structural equation modeling, SEM)显示性状–环境耦合在低、高海拔区不同：低海拔以环境因子的间接介导作用为主，高海拔海拔的直接效应相对更强。基于核心气候驱动因子的情景预测表明，营养性状对未来水热变化的敏感性可能高于繁殖性状。上述发现凸显了性状–环境关系随海拔的分段转变，及异质景观中性状特异性敏感性的重要性。

《Ecological Indicators》刊载论文解读：中国各生物群落植物功能性状沿海拔梯度的格局及阈值

一、研究背景与立项依据

植物功能性状（plant functional traits）是可量化的形态、生理和生化特征，反映植物资源获取、生长和繁殖的策略权衡。现有研究多聚焦单一梯度、局部尺度或有限性状集，对多性状在全国尺度下沿海拔梯度的非线性阈值响应及气候–土壤–性状耦合机制尚缺乏系统性认识。海拔同时改变温度、降水和生长季长度等生态因子，是性状研究的关键环境驱动因子，且营养性状（叶面积、株高）与繁殖性状（种子大小、球果大小）可能呈现不同的海拔响应模式。为此，研究人员基于中国全境维管植物性状大数据，探讨：（1）植物功能性状沿海拔梯度的变化及其标度关系是否发生分段转变；（2）海拔通过气候和土壤路径如何影响功能性状；（3）未来气候情景下功能性状的潜在响应。

二、主要技术方法

研究人员整合TRY、PlantPlus、iPlant、BIEN、LEDA等数据库及文献，构建含20,774种中国维管植物物种水平叶面积（cm2）、株高（m）、种子大小（cm）和球果大小（cm）的数据集，异常值剔除后取物种均值，并进行10 km空间稀疏（spatial thinning）以降低采样偏差；物种出现点提取海拔及WorldClim v2.1气候变量（Bio1–Bio19）、干旱指数（Aridity Index, AI）、NDVI及CSDLv2土壤属性（全氮Soil N、全磷Soil P、全钾Soil K、有机碳Soil TOC、pH，5–15 cm层）。分析框架为四步：（i）log??转化后对性状–海拔做分段回归（segmented regression）识别断点（阈值）并划分低/高海拔组；（ii）分别拟合XGBoost模型并以SHAP（Shapley Additive exPlanations）值量化环境预测因子相对贡献；（iii）基于SHAP筛选变量构建分段结构方程模型（piecewise SEM）解析海拔→气候/土壤→性状的直接与间接效应；（iv）以SEM识别的核心气候驱动因子建立多元线性回归，代入BCC-CSM2-MR模式SSP126/245/370/585四种情景未来气候图层，投影性状变化。

三、研究结果

3.1 分段回归结果（Result 第一段及Fig. 2）

通过分段回归分析，研究人员发现四种性状–海拔关系均存在统计支持的断点（breakpoint）：叶面积约1838 m、株高约2925 m、种子大小约2585 m、球果大小约2275 m。超过断点后，叶面积（斜率＝?0.36, P＜0.001）和株高（斜率＝?0.43, P＜0.001）与海拔呈更陡负向标度；种子大小（斜率＝?0.08, P＜0.001）和球果大小（斜率＝?0.02, P＝0.04）变化斜率较浅。四种性状低海拔组均值均显著高于高海拔组（P＜0.001）。表明营养性状在高海拔超出阈值后急剧缩减，繁殖性状沿海拔渐变且保守。

3.2 XGBoost与SHAP分析结果（Result 第二段）

SHAP分析显示：低海拔组土壤养分指标（Soil N、P、K、TOC）是营养性状最重要预测因子，叶面积还受年温较差（Bio7）及最冷月均温（Bio6）影响，株高受降水季节性（Bio15）影响；繁殖性状主要受土壤养分和pH驱动，气候变量贡献小。高海拔组营养性状仍受土壤养分主导，叶面积和株高额外受最冷季降水（Bio19）及NDVI影响；繁殖性状主要响应Soil P、K、pH及少量气候因子。说明环境驱动因子重要性随海拔区段而异。

3.3 结构方程模型（SEM）结果（Result 第三、四段及Fig. 3、Fig. 4）

低海拔：叶面积主要通过降水（Bio12、Bio15）和温度（Bio5、Bio7）的级联间接效应受影响（温度标准化路径系数β＝0.30）；株高受海拔直接效应（β＝0.13）及土壤养分（Soil N、P、K；β＝0.10）间接效应共同影响；种子大小主要受海拔直接效应（β＝0.16），也经降水（Bio15）和温度（Bio2、Bio9）间接介导；球果大小主要通过NDVI和温度（Bio2、Bio3）间接路径受海拔影响。

高海拔：叶面积主要受海拔直接效应（β＝0.30），并有降水（Bio19）和NDVI间接影响；株高直接受海拔影响（β＝0.39），并经降水（Bio15）和温度（Bio3、Bio11）间接介导；种子大小主要依赖海拔直接效应（β＝0.104）及土壤养分（Soil N、K、pH）间接效应；球果大小无显著海拔直接效应，变异主要通过最冷季降水（Bio19）和温度（Bio3、Bio7）间接路径传递。表明低海拔性状受气候–土壤间接介导强，高海拔海拔直接约束增强。

3.4 未来气候情景预测结果（Result 第五段及Fig. 5）

以SEM识别的核心气候驱动因子建立回归模型并代入未来气候图层，相对于1970–2020基线：低海拔系统营养性状变化较大——叶面积增约4.65%–16.9%，株高增约3.85%–8.2%；繁殖性状变化小——种子大小变约2.6%–3.5%，球果大小＜1%。高海拔系统营养性状变化较小且方向混合——叶面积约?4.32%至＋18.6%，株高约?4.81%至＋5.7%；繁殖性状变动均在±2%内。总体营养性状对未来气候变化敏感性高于繁殖性状，低海拔响应幅度更大。

四、讨论与结论总结

讨论指出营养性状（叶面积、株高）存在明确海拔阈值，超越阈值后因生长季缩短、冻融循环及强风辐射等选择压力，植物转向小型叶和矮化构型以平衡碳获取与水力安全；繁殖性状沿海拔变化平缓，体现系统发育保守性及稳定选择——维持种子大小利于萌发成功，球果结构稳定性减少繁殖失败风险。低海拔营养性状主要通过水–能条件和土壤养分间接调节；高海拔直接海拔效应增强，植物由"资源驱动生长"转为"安全导向紧凑结构与代谢调控"。气候与土壤因子（冻融、水分限制、养分有效性）联合塑造营养与繁殖性状的分级敏感性。未来变暖下营养性状可快速调整以增强碳获取，繁殖性状较保守；高海拔受土壤过程及冻融遗留效应限制，实际可塑性受限。需注意未来预测基于历史时期线性气候–性状关系外推，未考虑土壤动态及生物互作，属情景推演而非精确预报。

结论（翻译）：本研究系统分析了中国各生物群落四种关键植物功能性状沿海拔梯度的变异模式，揭示明显的海拔阈值及不同海拔带性状约束机制的分段转变。营养性状（叶面积、株高）在低海拔具高可塑性，主要受水热条件与土壤养分共同调节；随海拔升高其变异日益受更强环境过滤及海拔直接效应制约。繁殖性状整体具较高功能保守性——种子大小主要受海拔直接效应控制，球果大小主要通过环境间接路径调节，且主导驱动因子从低海拔资源相关变量转为高海拔气候季节性及冷季降水。未来气候情景下营养性状预测响应普遍大于繁殖性状，低海拔系统变化更显著，高海拔系统变化较小且方向不一。研究支持"海拔–气候/土壤–性状"耦合框架，强调资源可用性、气候过滤及分配权衡共同塑造植物沿海拔梯度的生长与繁殖策略分化。