《Environments》：Complementary Responses of Soil Biological Quality Indices Based on Microarthropods (QBS-ar) and Earthworms (QBS-e) Under Contrasting Agroecosystem Management
编辑推荐：
对可靠生物指示剂以支持土壤生物监测的需求正在增加，特别是在农业系统中，管理措施与环境压力相互作用影响土壤生态完整性。在衡量土壤健康的土壤动物类指示剂中，基于微节肢动物的土壤生物学质量指数（QBS-ar，Soil Biological Quality index
对可靠生物指示剂以支持土壤生物监测的需求正在增加，特别是在农业系统中，管理措施与环境压力相互作用影响土壤生态完整性。在衡量土壤健康的土壤动物类指示剂中，基于微节肢动物的土壤生物学质量指数（QBS-ar，Soil Biological Quality index based on microarthropods）与基于蚯蚓的土壤生物学质量指数（QBS-e，Soil Biological Quality index based on earthworms）可提供土壤状况的功能性测度，然而二者的联合应用仍基本未被探索。在本研究中，研究人员首次在同一农业生态系统中同时应用这两个指数来评估土壤生物学质量。研究背景为真实农田实验设置下对比农业系统（条带间作（strip cropping）vs纯作（pure stands））。研究人员还考虑了额外的生物学变量以及土壤理化参数。统计分析包括Spearman相关、线性混合效应模型（LMMs，Linear Mixed-effect Models）和冗余分析（RDA，Redundancy Analysis）。QBS-ar与QBS-e对管理系统表现出相反的响应，条带间作下QBS-ar值更高，而纯作下QBS-e值更高。两个指数之间未观察到显著关系。多变量分析表明两个指数均受管理和环境变量显著影响，尽管关联模式不同。QBS-ar似乎对表层土壤（topsoil）条件变化更敏感，而QBS-e与更广泛的土壤属性及季节性群落动态相关。这些结果表明QBS-ar与QBS-e捕获了土壤生物学质量的互补方面，不应互换使用。二者联合使用可改进对农业管理及相关环境压力下土壤生物学响应的解释。总体而言，本研究强调了土壤动物类指数作为农业生态系统生物监测实用工具的潜力，并支持进一步探索生物学指数的比较响应。
论文发表在《Environments》。研究背景方面，欧盟约一半表面积用于农业，土壤健康在很大程度上依赖耕作措施；集约化农业体系与粮食增产需求导致多种土壤退化问题，如无机肥料造成的土壤酸化、有机碳减少、根际生物活性下降，以及农药残留威胁土壤生物生理过程。尽管土壤生物在生态系统功能中具有关键作用，但其尚未充分纳入监测评估框架与保护政策中。近期欧盟土壤监测与恢复指令（Soil Monitoring Law）将土壤污染与生物多样性作为土壤健康关键维度，并引入可选生物描述因子，包括微节肢动物（尤其跳虫（Collembola））及基于节肢动物的土壤生物学质量指数（QBS-ar），蚯蚓丰度与多样性也被列入描述因子，但基于蚯蚓的QBS-e目前未被考虑。QBS-ar应用广泛且对施肥、农药敏感；QBS-e仅少量研究报道，主要在农业系统与复垦土地应用，尚未标准化与常规监测。两类QBS指数（Qualità Biologica del Suolo，即土壤生物学质量）基于相同功能学途径：假设土壤动物对土壤生境的形态适应程度反映土壤质量，按生态形态指数（EMI，Eco-Morphological Index）赋值，更高分值代表更强土壤生活适应性。QBS-e整合丰度与生态类别，QBS-ar基于生物形式（BF，Biological Forms）存在与否且仅考虑最高EMI分值。目前尚无同一案例同时应用并比较QBS-ar与QBS-e的研究。条带间作（strip cropping）通过相邻窄条种植不同作物提高田间异质性与生态过程（生境提供、养分循环、生物互作、害虫控制），可能减少外部投入；相比单作（纯作，pure stands）具更低空间复杂性与更均质干扰体制。研究人员旨在评估QBS-ar与QBS-e对对比系统（条带间作vs单作）的响应，检验二者能否互换，并结合附加生物变量（微节肢动物密度、蚯蚓物种丰富度、螨类/跳虫比（A/C，Acari/Collembola ratio）、成体蚯蚓比例）与土壤理化参数进行解释。研究假设条带间作提升土壤生物学质量，且QBS-ar与QBS-e因生态与方法学差异而有不同响应。研究开展情况：研究人员在意大利中部马尔凯大区两座有机农场（Lubachi农场约2.5 ha，Fratterosa；Malavolta农场约0.5 ha，Campofilone）设置实验。每农场分处理组“条带间作（strip stands）”与对照组“纯作（pure stands）”，条带间作含10 m宽作物条带与2.5 m宽多年花带，纯作为传统有机单作无结构元素。作物类型：Lubachi为小麦、蚕豆（faba）、三叶草；Malavolta为小麦、豆类（蚕豆或豌豆）与西葫芦（采样时仅小麦与豆类）。2023年4月下旬采样，Lubachi共18个采样点，Malavolta共16个，总计34个采样点。每个采样点分别采集QBS-ar与QBS-e样本：QBS-ar用直径8 cm土芯至10 cm深（去除植被与凋落物），Lubachi每纯作3个子样，Malavolta每纯作4个子样，对应条带同等数量，经Berlese-Tullgren装置提取微节肢动物，立体显微镜下鉴定至目或纲级，赋予EMI后计算QBS-ar，并导出微节肢动物密度（ind/m2）、生物形式（BF）数、A/C比；QBS-e用30×30×20 cm土柱（monolith）挖掘手拣蚯蚓约15分钟，Lubachi每纯作3个土柱，Malavolta每纯作4个，对应条带同等数量，蚯蚓按形态与习性分为表栖型（epigeic）、内栖型（endogeic）、深栖型（anecic）、嗜水型（hydrophilic）、粪食型（coprophagic）等生态类别并计算QBS-e（基于丰度与生态类别），导出蚯蚓密度（ind/m2）、物种丰富度、成体比例（具发达环带者种级鉴定）。土壤理化：复合样0–20 cm分析质地（砂、粉、黏，g/kg）、pH（H2O）、活性石灰石（g/kg）、有效磷（Olsen，mg/kg）、交换性钾（mg/kg）、有机质（g/kg）、全氮（Dumas法，g/kg）、C/N；原位10 cm深处用便携探头测土壤温度、湿度三重复。结论与意义：该研究首次在同一农业生态背景下直接比较QBS-ar与QBS-e，表明两指数对对比管理响应不同且捕获互补成分，QBS-ar在条带间作更高，QBS-e在纯作更高，不应互换使用；QBS-ar对表层土壤短期变异更敏感，QBS-e受更广土壤属性与蚯蚓种群季节结构影响更强；联合使用可更全面评估农业管理与环境压力的土壤生物学响应。这支持土壤动物指数作为农业生态系统生物监测实用工具，并为未来监测框架整合提供依据。
关键技术方法：研究人员在意大利中部两处有机农场真实农田中设置条带间作（strip cropping）与纯作（pure stands）对比，按农场内管理与作物类型分布结构化布设共34个采样点（Lubachi 18个、Malavolta 16个）。样本采集采用并列独立取样：每个点取土芯（?8 cm，深10 cm）多亚样经Berlese-Tullgren提取微节肢动物以计算QBS-ar（基于生物形式（BF）最高生态形态指数（EMI）），并取30×30×20 cm土柱手拣蚯蚓以计算QBS-e（基于丰度与生态类别）；同步采集0–20 cm复合土样分析理化参数，原位测10 cm深土壤温湿度。统计上，研究人员先用Shapiro–Wilk与Bartlett检验正态与方差齐性，QBS-e右偏故平方根变换；鉴于数据嵌套结构（子样嵌套于样地（plot，n=10），样地嵌套于农场），采用线性混合效应模型（LMMs，Linear Mixed-effect Models）以“plot”为随机效应、“管理类型”等为固定效应；通过似然比检验（LRTs，Likelihood Ratio Tests）比较随机结构，AIC定最优模型；QBS-ar与QBS-e关系用LMMs检验多种回归形式；解释变量筛选用“all-possible-best-subsets”（leaps包）按R2最高、RSS最低选候选模型，再LRT比较简化模型；Spearman秩相关分析生物指标关联；冗余分析（RDA，Redundancy Analysis）在vegan包中进行，响应变量Hellinger变换、连续解释变量对plot残差化、分类变量不残差化，999次置换检验显著性；组间对比用Tukey HSD（emmeans包），Bonferroni校正，α=0.05。
研究结果：
3.1. Microarthropod Communities and QBS-ar Index（微节肢动物群落与QBS-ar指数）：研究人员共提取鉴定7821只微节肢动物，密度约20000–140000 ind/m2；QBS-ar范围144–244（均值183）。Lubachi记录17个生物形式（BF），Malavolta 13个；除 ubiquitous 螨类（Acari）与跳虫（Collembola）外，Pauropoda与Symphyla占成年微节肢动物50%以上，Myriapoda（包括Diplopoda、Chilopoda）也较多；Araneae、Palpigradi、Opiliones、Psocoptera仅见于Lubachi，表明其更高分类多样性；A/C比在LCS（Lubachi strip cropping）较高。通过LMM得出QBS-ar在条带间作显著更高（estimate=36.235，std.err.=10.691，p=0.0069）。
3.2. Earthworm Communities and QBS-e Index（蚯蚓群落与QBS-e指数）：共收集184条蚯蚓，仅28.3%（52条）为具环带成体可种级鉴定；密度约15–200 ind/m2，QBS-e范围54–487（均值162）。鉴定6种隶属3生态类别：内栖型（endogeic）、嗜水型（hydrophilic）、粪食型（coprophagic）；Malavolta特有Microscolex phosphoreus；优势种Malavolta为Aporrectodea rosea，Lubachi为Allolobophora chlorotica；Eisenia fetida为粪食型，Eiseniella tetraedra为嗜水型；成体比例0%–约50%，物种丰富度最高5种/样地。QBS-e在纯作数值更高但LMM中未达显著（estimate=?5.002，std.err.=2.697，p=0.093）。
3.3. Soil Chemical and Physical Properties（土壤理化性质）：所有样地pH碱性（7.87–8.06），质地偏高粉粒与黏粒；有机质（SOM）、全氮（total N）、有效磷（available P）、交换性钾（exchangeable K）在样地间有异：LWP有最高SOM（21.0 g/kg）、total N（1.4 g/kg）、K（382 mg/kg）；MBP最高available P（33.7 mg/kg）与较高SOM（16.3 g/kg）；Lubachi部分条带/纯作available P较低（4.4–5.1 mg/kg）；总石灰与活性石灰普遍高反映母质富钙。
3.4. Relationship Between QBS-ar and QBS-e Indices（QBS-ar与QBS-e指数的关系）：回归（线性、曲线）未显示显著关系（线性estimate=?0.042，std.err.=0.027，p=0.129）；Spearman相关弱负相关（rho=?0.23），说明关系非严格线性且可能对样本量与模型设定敏感。散点图显示QBS-ar更高在条带间作，QBS-e更高在纯作。其他生物变量：微节ropod密度对管理中等响应（estimate=27.52，std.err.=14.668，p=0.090），蚯蚓物种丰富度中等反向（estimate=?0.765，std.err.=0.363，p=0.061）；A/C比在未施肥样地显著更高（estimate=?8.62，std.err.=2.845，p=0.006，尤Lubachi三叶草与蚕豆）；成体蚯蚓比例与施肥地块显著正相关（estimate=0.313，std.err.=0.104，p=0.006）。
3.5. Effects of Management and Environmental Variables on QBS Indices（管理与环境变量对QBS指数的影响）：RDA模型整体不显著（p=0.417），但置换检验中total N（p=0.004）、K（p=0.04）、humidity（p=0.035）显著；管理类型与site靠近原点解释力弱。LMM最佳模型：QBS-ar含管理类型+土壤湿度（p=0.002），QBS-e含管理类型+作物类型+碳（p=0.03）；作物类型对QBS-e显著：豆类低于三叶草（p=0.037）与小麦（p=0.045）；管理对QBS-ar正向、对QBS-e负向（estimate符号一致前述）。湿度与碳提升模型拟合但调整样本量后显著性减弱。
讨论部分总结：微节肢动物平均QBS-ar与密度略低于马尔凯有机农田已有报道，蚯蚓QBS-e与密度可比意大利东北部葡萄园与林地；Pauropoda与Symphyla（排除螨/跳虫）优势符合碎屑食物链早期分解，Myriapoda暗示良好孔隙结构与通气；捕食者（Araneae等）少反映群落新建或猎物有限；LCS高A/C可能因邻近施肥小麦条带及耙地造成扰动富有机质生境利于泛化螨类。蚯蚓以广布耐受种Allolobophora chlorotica、Aporrectodea rosea为主，缺表栖型与深栖型反映地表枯枝层不稳定与反复扰动，功能上削弱枯枝掺入与垂直运输；Eisenia fetida（粪食）与Eiseniella tetraedra（嗜水）出现分别对应局部有机肥输入与近水体高湿处，符合生境特化。两指数相反响应原因：生态与方法差异——QBS-ar基于最上层（0–10 cm）微节肢动物，对表层生境异质性、有机质、微气候缓冲更敏感；QBS-e基于至20 cm蚯蚓，反映表土与亚土综合条件（紧实度、孔隙连续性、湿度动态、干扰历史）；条带间作增加水平异质性与植物残体、根系微生境利于小型土壤生物（微节肢动物），但蚯蚓可能需要更长时间响应空间多样化，且机械扰动、作物特异效应、短期资源间断抵消益处；微节肢动物体型小、世代短、依赖表土基质可对新建生境异质快速反应，蚯蚓需要更长调整期尤其是成体周期受温湿季节制约（春初采样成体比例低、物种鉴定受限可能弱化QBS-e）。时间尺度上QBS-ar提供早期季节代表性信号，QBS-e宜秋采以提高成体检出与可靠性。两指数不仅分类焦点不同，时间与生态敏感性也不同：QBS-ar响应表土短期变异与资源可得性更快，QBS-e整合更广土壤属性与较长时间尺度种群结构；应互补而非互换。 abiotic因素：RDA中total N、K、humidity显著影响生物指标，符合养分水分塑造土壤生物群落及间接反映农业管理（施肥、有机质输入）；QBS-ar与土壤养分浓度关联弱于QBS-e（LMM中p值更高），说明微节肢类指数更响应生境结构与短期环境变异，蚯蚓指数整合更广土壤条件与较长时间尺度。管理类型在RDA近原点但LMM显著，反映方法互补：RDA抓多生物指标共享变异，LMM评估单响应变量可检测更特定效应。地形（坡度）可能影响土壤有效深度与侵蚀风险进而调控动物分布，但未显著改善模型。研究在真实农场进行虽生态效度高但控制弱于严格控制实验；两农场图配置、尺寸、坡度等不同可能贡献变异，但主要模式跨统计方法一致支持管理差异趋势。单季（2023春初）采样限制季节动态捕捉，尤其蚯蚓活动/繁殖春末才升、秋更活跃，成体比例低影响QBS-e稳健性与种级解读；零成体样地保留因仍提供有效QBS-e值反映实际条件。作物轮作致秋无法多季同质采样（部分作物收获），单时间点差异也可能反映前期 plot 条件而非完全归因于管理；需多季多年验证。QBS-ar方法较标准（ moisture、重复数、空间分布），QBS-e尚缺可比标准化；建议完善重复策略、整合物种丰富度等互补描述符、明确解释阈值以提升跨研究可比。综上讨论指出两指数互补，联合使用改进农业生态系统土壤生物监测解释。
结论部分翻译：本研究首次在同一农业生态背景下直接比较QBS-ar与QBS-e。其表明两个指数对对比管理系统响应不同，并捕获土壤生物学质量的互补组分。QBS-ar在条带间作下更高，而QBS-e在纯作下显示更高值，证实两个指数不应互换解释。这些相反响应反映了目标动物类群的生态与方法学特征。QBS-ar对表层土壤条件短期变异更具敏感性，而QBS-e可能受更广土壤属性集影响，且更易受蚯蚓种群季节结构影响。因此其联合使用可更全面评估农业管理与环境压力的土壤生物学响应。从应用视角，结果确认QBS-ar作为成熟可操作土壤生物指示剂的稳健性，具较明确采样标准与解释阈值；相比之下QBS-e更新近开发，代表一种有前景途径，但受益于进一步方法学标准化。与原始QBS-e框架一致，结果强调采样季节、田间条件（土壤湿度与温度）与采样设计（含地形背景）的重要性。QBS-e应用的进一步改进可来自细化重复策略、整合互补描述符如物种丰富度、强化解释阈值定义，以提升跨研究与环境背景的可比性。
