《Plant and Soil》：Hearing and seeing through the soils: insights from new sensing technologies to monitor soil invertebrate activity
编辑推荐：
摘要：土壤蕴藏着巨大的生物多样性，在生态系统功能中发挥关键作用。尽管目前对土壤动物区系的理解依赖传统采样方法作为高分辨率基准，但这些方法通常具破坏性、劳动密集且时间分辨率有限。近期技术进步为实时、低侵入性(low-invasive)监测土壤中型和大型土壤动物(
摘要：土壤蕴藏着巨大的生物多样性，在生态系统功能中发挥关键作用。尽管目前对土壤动物区系的理解依赖传统采样方法作为高分辨率基准，但这些方法通常具破坏性、劳动密集且时间分辨率有限。近期技术进步为实时、低侵入性(low-invasive)监测土壤中型和大型土壤动物(meso- and macrofauna)活动提供了前景广阔的替代方案，克服了关键的方法学局限。本文探讨将新型基于传感器(sensor-based)的技术整合入土壤生态学的可能性，借鉴陆地和水生生态系统中成功应用案例。光学成像(optical imaging)可在毫米尺度上对土壤生物进行原位(in situ)目视观察，而生物声学(bioacoustics)可捕获无脊椎动物产生的振动信号，揭示其活动动态。这些方法提升了生物多样性评估的时空分辨率和覆盖范围（即便在较低分类分辨率下），为深入理解物种间相互作用、物候(phenology)、昼夜(diel)或季节性活动模式、其功能意义及对环境变化的响应开辟新途径。挑战仍存于提高检测精度、自动化数据处理及从大数据中提取相关生物学信息。将传感器整合入全球监测网络及/或将其与非生物(abiotic)参数测量耦合，是使这些工具转变为真正综合系统的可行方向。此类网络可能革新对土壤生物多样性的理解，揭示此前不可见的生态过程，并扩展生态系统功能模型的预测能力。
论文解读：《Hearing and seeing through the soils: insights from new sensing technologies to monitor soil invertebrate activity》发表于《Plant and Soil》
研究背景与立题依据
土壤是复杂的三维多孔介质(matrix)，宿主超过半数陆生生物生命周期的一部分，土壤生物多样性驱动碳转化、养分循环及维持土壤结构等关键生态系统过程。然而传统土壤动物调查方法——如手捡法(hand-sorting)、化学驱赶(Tullgren/Baermann提取)、陷阱(collar trap)及电刺激法等——本质上是破坏性(destructive)、劳动密集型且低频次的，仅能提供静态"快照(snapshot)"，无法捕捉生物实时移动、昼夜垂直迁移、种间互作及对环境波动的动态响应。此外，土壤黑暗、致密且不透明，传统手段难以原位观测微生境中生物行为。尽管高通量测序(metabarcoding)和深度学习辅助样本鉴定提升了分类效率，物理采样瓶颈仍未解决，导致土壤生态学存在"recognized without represented（承认重要性却缺乏投入）"的方法学滞后。因此，研究人员提出引入源自地上及水生生态学中成熟的自动传感技术——光学成像(optical imaging)与生物声学/生态声学(bioacoustics/ecoacoustics)——对土壤中型(mesofauna, 如弹尾目Collembola、螨类Acari、线蚓Enchytraeidae)及大型动物(macrofauna, 如蚯蚓earthworm、蜈蚣centipede)进行原位、连续、低侵入性活动监测，以弥补传统方法的时空盲区。
主要关键技术方法
研究人员通过文献综述与概念性分析，系统评述两类适配土壤环境的自动传感技术及数据分析框架：（1）原位光学成像技术——将防水处理的台式平板扫描仪(flatbed scanner)垂直埋设于土壤中，利用内置LED光源以固定频率(如每6小时)采集土壤-玻璃界面高分辨率平面图像，结合深度学习计算机视觉(computer vision)进行个体追踪与行为识别；（2）土壤生物声学(soil ecoacoustics)监测——采用接触式麦克风(contact microphone)或改良地震检波器(geophone)埋入土壤，记录无脊椎动物爬行、取食、掘穴产生的基质传播振动(substrate-borne vibration)信号，通过事件检测(event detection)及声学复杂度指数(Acoustic Complexity Index, ACI)分析生物活动强度；辅以与传统采样数据比对验证。数据分析强调多维数据立方体(data cube)、边缘计算(edge computing)、机器学习分类及FAIR(Findable Accessible Interoperable Reusable)数据管理原则，并主张将生物传感器与温湿度等非生物(abiotic)参数传感器耦合校准。
研究结果（按原文小节总结）
Automated biodiversity monitoring: key technologies and principles（自动生物多样性监测：关键技术与原理）
研究人员综述指出，近二十年微型低功耗硬件、无线通信及机器学习三大趋势推动了"技术生态学(techno-ecology)"兴起。被动声学监测(passive acoustic monitoring)与水下/空中生态已成熟应用；相机陷阱(camera trap)与延时摄影(time-lapse photography)广泛用于地表生物。多传感器集成（光学+声学+环境因子）构成自主"生物多样性站(biodiversity station)"雏形，为土壤应用提供范式参考。
Why soils remain a blind spot?（为何土壤仍是盲区？）
研究人员分析土壤因其黑暗、致密、三维异质性成为原位观测难点；传统采样破坏微生境且忽略昼夜节律与垂直迁移；DNA metabarcoding虽革新分类流程但仍依赖手动采样，无法高频连续监测；多数研究集中于温带农田森林，热带/干旱区数据缺失。因此土壤动物长期被保护政策与生态评估忽视，亟需非破坏性原位传感技术介入。
Optical imaging and bioacoustics: promising methods for in situ soil fauna monitoring（光学成像与生物声学：有前景的原位土壤动物监测方法）
- •
Optical imaging: seeing the hidden dynamics of the soil fauna（光学成像：看见土壤动物隐藏动态）：研究人员指出埋设的防水平板扫描仪(minirhizotron/rhizotron衍生装置)可连续记录土壤-玻璃界面毫米至厘米级生物（弹尾虫、螨类、线蚓、蚯蚓等）的位置与运动轨迹，获取昼夜/季节活动节律、垂直分布、微生境偏好及回避行为。局限性包括仅观测平面界面(planar bias)、分类分辨率通常止于属/科级、光照或干燥可能驱避部分类群、需深度学习自动图像分析管道。
- •
Bioacoustics tracking the sound of animal activity in the soil（生物声学追踪土壤动物活动声音）：研究人员指出土壤并非无声，无脊椎动物掘穴、取食、摩擦产生可检测低频振动，接触麦克风或geophone可记录；声学复杂度指数(ACI)及事件计数与土壤动物丰度/活动呈一定正相关，可用于反映干扰响应及恢复序列变化。局限性包括无法种级鉴别、土质地/含水量/紧实度强烈影响声波传播、无标准协议与参考声库、地音(geophony)与人为噪声干扰需滤除。
Analytical challenges（分析挑战）
研究人员强调原始图像/声学文件需经自动检测、分类、偏差校正转为生态指标，是当前主要瓶颈；需边缘计算、FAIR数据存储及针对传感器偏差（如平面观测偏差、土壤湿度和背景噪声对声传播的影响）建模校正。所提取指标（ACI、共现图）多为群落功能/结构代理而非直接分类组成，要求生态学分析框架从物种名录转向过程描述。高频多维"生物多样性大数据(big biodiversity data)"支持因果推断(causal inference)、临界点检测及非线性动态分析，结合生物与非生物传感器可交叉验证，形成物联网(Internet of Things, IoT)式生态观测站，但需权衡数据基础设施成本与生态足迹，提倡针对性布设与既有数据复用。
Perspectives for testing long-standing soil ecological hypotheses（检验土壤生态学长期假说的展望）
研究人员归纳自动传感使以下原难实证的问题可被检验：时间生态位分化(temporal niche partitioning)与昼夜/季节活动分离；垂直生境利用与深度可塑性(vertical habitat use and depth plasticity)对环境梯度（温、湿、根际沉积rhizodeposition）的响应；微生境特化与厘米级空间结构(microhabitat specialization and fine-scale spatial structuring)；功能类群物候匹配/错配(phenological matching and mismatch)及地上-地下偶联；通过时空共现推断促进/回避/竞争等 emergent ecological interactions（涌现生态互作）；声学/视觉信号微小变异作为生物多样性崩溃或生态系统胁迫的早期预警信号(early warning signals)。这些技术推动土壤生态学向假设驱动、机制性、预测性范式转变。
讨论与结论翻译（浓缩原文结论段）
研究人员认为新型传感技术并非取代传统采样——后者仍为密度、生物量与分类组成定量基准——而是互补地提供传统方法无法获得的高时空分辨率活动与行为信息。光学成像与土壤生物声学使连续原位监测中型及大型土壤动物活动成为可能，揭示隐蔽行为、昼夜节律及对扰动与微气候的响应。当前主要障碍在于检测精度提升、自动化大数据处理管线开发、标准操作程序建立及跨生境校准参考库构建。未来将传感器联网并与非生物参数耦合，有望建成类"气象站"式的综合土壤生态观测系统，揭开以往不可见的地下生态过程，增强生态系统功能模型预测力，最终推动更具整合性与预测性的土壤生态学发展。
以上内容全部依据上传论文原文浓缩整理，未添加推测性信息。
