慢性干扰如何重塑干热带森林种子传播与食果动物资源的奥秘

《Scientific Reports》：Chronic disturbance alters seed dispersal traits and frugivores resources in a dry tropical forest

为探究慢性干扰（CD）对季节性干热带森林（SDTFs）木本植物群落功能性状及食果动物资源的影响，研究人员评估了相关功能性状及多样性指标。结果发现 CD 改变了种子传播相关性状，减少果实资源。这为理解 SDTFs 生态系统变化提供依据，对保护和管理有重要意义。

　　在广袤的地球生态系统中，季节性干热带森林（SDTFs）犹如一颗独特的明珠，然而，它正面临着严峻的挑战。人类活动带来的慢性干扰，如同一场看不见的风暴，逐渐侵蚀着这片森林的生态平衡。目前，人们虽知道森林因慢性干扰物种丰富度下降，但对其在功能维度上的影响，尤其是种子传播性状方面，却知之甚少。为了揭开这层面纱，来自厄瓜多尔技术大学洛哈分校（Universidad Técnica Particular de Loja）等机构的研究人员展开了深入研究。

研究旨在回答几个关键问题：特定传播性状物种的丰度如何随慢性干扰变化？这些变化是否源于对特定功能性状物种的环境过滤？功能性状丰度和多样性的变化对食果动物获取资源有何影响？研究人员提出假设，认为慢性干扰会限制肉质果实、大种子且靠动物传播的植物的生存，还会对果实和种子的功能多样性产生负面影响。

研究人员在厄瓜多尔西南部的 SDTFs 区域开展研究。该地区海拔在 120 - 1100 米，年平均温度 20 - 26°C，年降水量 300 - 700 毫米，有明显的干湿季。这里的森林主要用于放牧和零星木材采伐，存在多种潜在的种子传播者。

研究中，研究人员在 1800 平方公里的区域内随机选取 24 个地点，每个地点设置 3 个 60×60 米的样地，记录胸径≥10 厘米的树木和胸径≥5 厘米的灌木信息。在 2017 年 1 月至 6 月，收集果实和种子，对其重量、长度、宽度、种子数量等进行测量，并确定果实类型、颜色和传播综合征等定性特征。

为了分析慢性干扰，研究人员选取距离人类定居点的距离、山羊粪便生物量和胸径 > 20 厘米的树木个体数量这三个变量，通过主成分分析（PCA）得到慢性干扰指数（CDI）。计算群落加权平均值（CWM）来评估慢性干扰对具有特定传播性状物种丰度的影响，同时计算功能丰富度（FRic）、功能均匀度（FEve）和功能离散度（FDis）这三个功能多样性指标，探究慢性干扰对功能多样性的影响。利用广义线性模型（GLMs）分析慢性干扰指数（CDI）、海拔以及它们的交互作用对各指标的影响。

研究结果显示，在研究样地记录的 100 种木本植物中，72 种有完整数据，分属 33 科 59 属。干果占比 64%，肉质果占比 36%，动物传播（zoochory）是主要的传播综合征。

慢性干扰对果实类型比例影响各异。豆荚（pods）受 CDI 正向影响，而其他果实类型多受负面影响。海拔会改变 CDI 对果实类型的影响，如在高海拔地区，CDI 对浆果（berries）、蒴果（capsules）等果实类型比例的负面影响会减弱。果实颜色方面，红色、白色和黄色果实的树种比例受 CDI 负面影响，棕色果实比例则受正向影响，且海拔也会改变这些影响。在传播综合征上，CDI 增加了自播（autochory）树木的比例，减少了动物传播树木的比例，对风播（anemochory）树木的影响随海拔变化。此外，CDI 还显著影响果实重量、种子数量和种子面积等特征。

慢性干扰对功能多样性的影响显著。在树木方面，CDI 降低了果实颜色的 FRic 和 FEve，以及果实类型的 FEve 和 FDis，但增加了传播综合征的 FRic 和 FEve。分析树木和灌木整体时，多数影响与树木单独分析时相似，但部分指标的影响程度和显著性有所变化。

在果实对食果动物的可用性上，慢性干扰减少了鸟类、爬行动物和非有蹄类哺乳动物传播的树种丰富度和树木数量，不过增加了小型哺乳动物传播的树种丰富度。

综合来看，慢性干扰通过环境过滤作用，筛选掉了一些具有特定种子传播性状的物种，改变了植被结构和功能多样性。这直接影响了食果动物的资源可用性，可能对整个森林生态系统产生连锁反应。该研究成果发表在《Scientific Reports》上，为理解 SDTFs 生态系统的变化提供了重要依据，有助于制定针对性的保护和管理策略，增强森林生态系统对未来环境变化的适应能力。

研究人员运用的主要技术方法包括：通过随机选取样地和设置样方进行野外数据采样；对果实和种子进行形态学测量和特征记录；利用主成分分析（PCA）构建慢性干扰指数；计算群落加权平均值（CWM）和功能多样性指标；运用广义线性模型（GLMs）分析变量间的关系 。