DOI: https://doi.org/10.1126/sciadv.adj9395
PMID: https://pubmed.ncbi.nlm.nih.gov/38381832
تاريخ النشر: 2024-02-21
المؤلف: Shane A. Blowes وآخرون
الموضوع الرئيسي: دراسات الديناميات البيئية والنباتية
نظرة عامة
تبحث الدراسة في ظاهرة التجانس البيولوجي في سياق أزمة التنوع البيولوجي، حيث تحلل بيانات من 461 مجتمعًا ميتا على فترات تتراوح من 10 إلى 91 عامًا و64 قائمة أنواع تمتد من 13 إلى أكثر من 500 عام. تكشف النتائج أن النتيجة الأكثر شيوعًا عبر هذه البيانات هي عدم وجود تغيير كبير في تركيب الأنواع، على الرغم من ملاحظة حالات من كل من التجانس والتمايز. ومن الجدير بالذكر أنه تم تحديد اتجاه تجانس طفيف، يتميز بزيادة سنوية متوسطة قدرها 0.3% في الأنواع المشتركة بين المجتمعات، مدفوعة بشكل أساسي بانتشار الأنواع الشائعة.
تؤكد الدراسة أن الأنماط الملاحظة للتجانس والتمايز تتأثر بالمقاييس المكانية والزمنية للبيانات. على المقاييس الأكبر، ترتبط الاتجاهات ارتباطًا وثيقًا ببيانات القوائم ذات المدة الأطول، بينما تلعب التغيرات في توزيع الأنواع النادرة والشائعة دورًا حاسمًا على المقاييس الأصغر. يقترح المؤلفون منظورًا متعدد المقاييس لفهم المحركات الأساسية للتغيرات البيولوجية بشكل أفضل، مما يبرز تعقيد ديناميات التنوع البيولوجي عبر سياقات مختلفة.
مقدمة
تتناول مقدمة ورقة البحث الديناميات المعقدة للتنوع البيولوجي في سياق زيادة التأثير البشري على النظم البيئية. تبرز التناقض بين ارتفاع معدل الانقراض العالمي جنبًا إلى جنب مع تغييرات طفيفة في غنى الأنواع المحلية، مما يشير إلى أن التجانس البيولوجي – وهو عملية تصبح فيها النظم البيئية المتميزة أكثر تشابهًا في تركيب الأنواع – قد يفسر هذا التباين. تساهم آليتان رئيسيتان في التجانس: انتشار الأنواع الشائعة، والتي يمكن أن تشمل كل من الأنواع المحلية وغير المحلية، والانقراض المحلي للأنواع النادرة بسبب تغييرات الموائل. من ناحية أخرى، يمكن أن يحدث التمايز البيولوجي عندما تفضل أنواع الموائل المختلفة أنواعًا مختلفة، مما يؤدي إلى زيادة التباين بين المجتمعات المحلية.
يقترح المؤلفون إطارًا قائمًا على تقسيم تنوع ويتا لتقييم التغيرات في التنوع البيولوجي عبر المقاييس المكانية بشكل كمي. يعرفون تنوع α على أنه التنوع داخل موقع واحد، وتنوع γ على أنه التنوع عبر مواقع متعددة، وتنوع β على أنه التباين في تركيب الأنواع بين هذه المواقع. يمكن أن تكشف العلاقة بين هذه الأنواع عن اتجاهات في تغير التنوع البيولوجي، سواء من خلال التجانس (حيث ينخفض تنوع β) أو التمايز (حيث يزيد تنوع β). تهدف الورقة إلى تجميع بيانات تجريبية من 525 مجموعة بيانات لاستكشاف هذه الديناميات، باستخدام نماذج متعددة المستويات لتحليل التغيرات في تنوع α و γ بمرور الوقت وآثارها على استراتيجيات الحفظ.
طرق
في قسم الطرق، يحدد المؤلفون النماذج الإحصائية والتوزيعات المستخدمة في تحليلهم. يحددون أن غنى الأنواع يتم نمذجته باستخدام توزيع طبيعي، يُشار إليه بـ $a \sim N(2, 1)$، بينما يتبع متغير آخر، ENS، توزيعًا طبيعيًا مختلفًا، $a \sim N(1.25, 1)$. يتضمن النموذج معلمات مختلفة، بما في ذلك $b \sim N(0, 0.5)$ والعديد من الانحرافات المعيارية ($\sigma$) لمكونات مختلفة، جميعها مأخوذة من توزيعات طبيعية.
يتم نمذجة المتغير الاستجابي $Y_{i,t}$ باستخدام توزيع لوغاريتمي طبيعي، يُعبر عنه بـ $Y_{i,t} \sim \text{lognormal}(\mu, \sigma)$، حيث يتم تعريف المتوسط $\mu$ بواسطة المعادلة $\mu = a + a_i + (b + b_i)x_{i,t}$. بالإضافة إلى ذلك، يستخدم المؤلفون توزيعًا طبيعيًا متعدد المتغيرات للمعلمات $[a_i, b_i] \sim \text{MVNormal}(0, SRS)$، مع هيكل التغاير المحدد بـ $S = \begin{pmatrix} \sigma_{ai} & 0 \\ 0 & \sigma_{bi} \end{pmatrix}$ ومصفوفة ارتباط $R$ تتميز بـ $\rho_{ai, bi}$. يشير استخدام توزيع t لستودنت لـ $\sigma$ إلى نهج قوي لأخذ في الاعتبار القيم الشاذة المحتملة في البيانات.
النتائج
في هذه الدراسة، قمنا بتحليل الاتجاهات في تنوع β عبر مجموعات بيانات مختلفة، كاشفين عن مشهد معقد من النتائج. بينما أدت العديد من تركيبات التغيرات في α (التنوع المحلي) و γ (التنوع الإقليمي) إلى إما التجانس (انخفاض تنوع β) أو التمايز (زيادة تنوع β)، أشار الاتجاه العام إلى تجانس طفيف متوسط (∆β = -0.003، فترة موثوقية 90%: -0.005 إلى -0.001). وهذا يشير إلى فقدان تدريجي للمجتمعات المتميزة، مما يعادل زيادة سنوية قدرها 0.3% في الأنواع المشتركة بين المواقع. ومن الجدير بالذكر أن هذا الاتجاه تأثر بشكل أساسي بمجموعات بيانات تحتوي على نقطتين زمنيتين فقط، وخاصة بيانات القوائم وإعادة المسح. عند استبعاد هذه المجموعات، لوحظ اتجاه طفيف نحو التمايز (الوسيط ∆β = 0.002، فترة موثوقية 90%: -0.002 إلى 0.005).
تسلط النتائج الضوء على أن الاتجاه الضعيف الملاحظ نحو التجانس مرتبط بزيادة في تنوع α بدلاً من فقدان في تنوع γ، مما يتعارض مع الافتراض الشائع بأن التجانس يرتبط بانخفاضات كبيرة في التنوع الإقليمي. بالإضافة إلى ذلك، تؤكد الدراسة على تباين التغيرات في التنوع البيولوجي عبر مقاييس مكانية وزمنية مختلفة، مما يشير إلى أن كل من التجانس والتمايز يمكن أن يتواجدان معًا اعتمادًا على السياق. تؤكد النتائج على أهمية مراعاة الطبيعة متعددة المقاييس لتغير التنوع البيولوجي والحاجة إلى فهم دقيق لكيفية تأثير العوامل البشرية على هذه الديناميات. بشكل عام، تدعو الدراسة إلى نهج أكثر شمولاً لمراقبة التنوع البيولوجي والحفظ يأخذ في الاعتبار الاتجاهات المتنوعة الملاحظة عبر مجتمعات ميتا مختلفة.
نقاش
في هذا القسم، يوضح المؤلفون نهجهم الشامل لجمع وتوحيد البيانات حول تغييرات غنى الأنواع عبر مقاييس مكانية مختلفة، مع التركيز بشكل خاص على تنوع α (المقياس المحلي) وتنوع γ (المقياس الإقليمي). حددوا 115 مجموعة بيانات من قاعدة بيانات BioTIME ووسعوا هذه المجموعة لتشمل بيانات السلاسل الزمنية الإضافية، ودراسات إعادة المسح، ودراسات القوائم، مما أدى في النهاية إلى تجميع بيانات من 525 منطقة و38,166 موقعًا. أكد المؤلفون على أهمية المعلمات الزمنية والمكانية المتسقة لضمان مقارنات دقيقة لتغييرات غنى الأنواع، مما يتطلب جهدًا موحدًا في أخذ العينات عبر جميع المواقع.
تضمنت المنهجية لتقدير غنى الأنواع حساب عدد الأنواع المتميزة على كل من المقاييس المحلية والإقليمية، مع إجراء تعديلات على جهود أخذ العينات المتنوعة من خلال تقنيات مثل التخفيف القائم على العينة وإعادة أخذ العينات بطريقة جاكنايف. استخدم المؤلفون نماذج إحصائية، وبشكل خاص نماذج متعددة المستويات، لتحليل التغيرات في غنى الأنواع ومقاييس التنوع، بما في ذلك الأعداد الفعالة للأنواع. حسبوا التغيرات في تنوع β كفرق بين التغيرات في تنوع γ و α، مستخدمين إطارًا بايزيًا لضمان استنتاج إحصائي قوي. تُعرض النتائج مع التركيز على أهمية التغيرات، مع استخدام فترة موثوقية 90% لتحديد الأهمية الإحصائية.
DOI: https://doi.org/10.1126/sciadv.adj9395
PMID: https://pubmed.ncbi.nlm.nih.gov/38381832
Publication Date: 2024-02-21
Author(s): Shane A. Blowes et al.
Primary Topic: Ecology and Vegetation Dynamics Studies
Overview
The research investigates the phenomenon of biotic homogenization within the context of the biodiversity crisis, analyzing data from 461 metacommunities over periods ranging from 10 to 91 years and 64 species checklists spanning 13 to over 500 years. The findings reveal that the most prevalent outcome across these datasets is no significant change in species composition, although instances of both homogenization and differentiation were observed. Notably, a slight homogenizing trend was identified, characterized by an average annual increase of 0.3% in species shared among communities, primarily driven by the proliferation of widespread species.
The study emphasizes that the observed patterns of homogenization and differentiation are influenced by the spatial and temporal scales of the data. At larger scales, the trends are closely linked to longer-duration checklist data, while at smaller scales, variations in the distribution of both rare and common species play a crucial role. The authors propose a multiscale perspective to better understand the underlying drivers of biotic changes, highlighting the complexity of biodiversity dynamics across different contexts.
Introduction
The introduction of the research paper addresses the complex dynamics of biodiversity in the context of increasing human impact on ecosystems. It highlights the paradox of a rising global extinction rate alongside minimal changes in local species richness, suggesting that biotic homogenization—a process where distinct ecosystems become more similar in species composition—may explain this discrepancy. Two primary mechanisms contribute to homogenization: the proliferation of widespread species, which can include both native and non-native species, and the local extirpation of rare species due to habitat changes. Conversely, biotic differentiation can occur when varying habitat types favor different species, leading to increased variability among local communities.
The authors propose a framework based on Whittaker’s diversity partitioning to quantitatively assess changes in biodiversity across spatial scales. They define α diversity as the diversity within a single site, γ diversity as the diversity across multiple sites, and β diversity as the variation in species composition among these sites. The relationship between these diversities can reveal trends in biodiversity change, whether through homogenization (where β diversity decreases) or differentiation (where β diversity increases). The paper aims to synthesize empirical data from 525 datasets to explore these dynamics, employing multilevel models to analyze changes in α and γ diversity over time and their implications for conservation strategies.
Methods
In the Methods section, the authors outline the statistical models and distributions used in their analysis. They specify that species richness is modeled using a normal distribution, denoted as $a \sim N(2, 1)$, while another variable, ENS, follows a different normal distribution, $a \sim N(1.25, 1)$. The model incorporates various parameters, including $b \sim N(0, 0.5)$ and several standard deviations ($\sigma$) for different components, all drawn from normal distributions.
The response variable $Y_{i,t}$ is modeled using a lognormal distribution, expressed as $Y_{i,t} \sim \text{lognormal}(\mu, \sigma)$, where the mean $\mu$ is defined by the equation $\mu = a + a_i + (b + b_i)x_{i,t}$. Additionally, the authors employ a multivariate normal distribution for the parameters $[a_i, b_i] \sim \text{MVNormal}(0, SRS)$, with the covariance structure defined by $S = \begin{pmatrix} \sigma_{ai} & 0 \\ 0 & \sigma_{bi} \end{pmatrix}$ and a correlation matrix $R$ characterized by $\rho_{ai, bi}$. The use of a Student’s t-distribution for $\sigma$ suggests a robust approach to account for potential outliers in the data.
Results
In this study, we analyzed the trends in β diversity across various datasets, revealing a complex landscape of outcomes. While many combinations of α (local diversity) and γ (regional diversity) changes led to either homogenization (decreased β diversity) or differentiation (increased β diversity), the overall trend indicated a slight mean homogenization (∆β = -0.003, 90% credible interval: -0.005 to -0.001). This suggests a gradual loss of distinct communities, equating to a 0.3% annual increase in shared species among localities. Notably, this trend was primarily influenced by datasets with only two time points, particularly checklist and resurvey data. When these datasets were excluded, a slight tendency toward differentiation was observed (median ∆β = 0.002, 90% CI: -0.002 to 0.005).
The findings highlight that the observed weak trend toward homogenization is associated with gains in α diversity rather than losses in γ diversity, contradicting the common assumption that homogenization correlates with significant declines in regional diversity. Additionally, the study emphasizes the variability of biodiversity changes across different spatial and temporal scales, suggesting that both homogenization and differentiation can coexist depending on the context. The results underscore the importance of considering the multiscale nature of biodiversity change and the need for a nuanced understanding of how anthropogenic factors influence these dynamics. Overall, the study calls for a more comprehensive approach to biodiversity monitoring and conservation that accounts for the diverse trends observed across different metacommunities.
Discussion
In this section, the authors detail their comprehensive approach to compiling and standardizing data on species richness changes across various spatial scales, specifically focusing on α diversity (local scale) and γ diversity (regional scale). They identified 115 datasets from the BioTIME database and expanded this collection to include additional time series data, resurvey studies, and checklist studies, ultimately compiling data from 525 regions and 38,166 locations. The authors emphasized the importance of consistent temporal and spatial parameters to ensure accurate comparisons of species richness changes, necessitating a standardized sampling effort across all locations.
The methodology for estimating species richness involved calculating distinct species counts at both local and regional scales, with adjustments made for varying sampling efforts through techniques such as sample-based rarefaction and jackknife resampling. The authors employed statistical models, specifically multilevel models, to analyze changes in species richness and diversity metrics, including effective numbers of species. They calculated changes in β diversity as the difference between changes in γ and α diversity, utilizing a Bayesian framework to ensure robust statistical inference. The results are presented with a focus on the significance of changes, with a 90% confidence interval used to determine statistical relevance.