这里是科研人的「方法急救站」！🚑

• • 欢迎加入我们的**"学术社群"**，每日更新热点论文复现指南！

我们通过小程序科研零时差追踪到: 「Agriculture, Ecosystems and Environment」近期发表题为“Altitude, agricultural disturbance intensity, soil biotic and abiotic factors jointly affect soil multifunctionality in mountain farmlands”的文章。第一单位为贵州大学。
doi: https://doi.org/10.1016/j.agee.2026.110280
作者邮箱：lsgs160@126.com, tbhe@gzu.edu.cn
标签：#山区农田 #土壤多功能性 #农业干扰强度 #结构方程模型 #变差分解分析 #微生物网络分析

本文内容速览：

1. 1. 提出科学问题
2. 2. 文章的主要结论
3. 3. 分析过程和方法
4. 4. 研究的局限性

1. 提出科学问题

1.1 研究领域现状

山区生态系统由于地形复杂和形成条件严苛，具有较高的环境脆弱性和较低的生态弹性。在全球范围内，山区农田不仅是生物多样性的宝库，也为人类提供了关键的生态系统服务。然而，随着人口压力的增大和耕地资源的限制，西南山区（如贵州）的农业生产方式正经历显著转型，由传统的水稻种植转向高经济价值的作物栽培，且农业集约化水平不断提高。这种转变伴随着频繁的土壤扰动、化肥农药的大量投入以及耕作制度的改变。尽管学术界已知土壤多功能性（SMF）受到生物和非生物因素的影响，但在生态敏感的山区，农业干扰强度（ADI）如何通过改变土壤微生物群落结构、网络复杂性及其稳定性来进而驱动SMF的具体机制尚不清晰。

1.2 本文要解决的关键科学问题

• • 问题 1: 不同海拔高度和种植模式（水田、旱地、弃耕地）对土壤多功能性以及土壤生物网络的复杂性和稳定性有何差异化影响？
• • 问题 2: 农业干扰强度（ADI）、海拔、土壤理化性质（非生物因素）与土壤生物因子（多样性、网络特征）在驱动山区农田SMF中的相对重要性和路径关系是什么？

1.3 研究的理论/现实意义

研究在理论上深化了对脆弱山区土壤生态系统功能维持机制的认识，挑战了“高多样性/复杂性必然导致高功能性”的传统观点。在实践层面，研究结果为山区农田管理提供了重要参考，强调了通过降低农业扰动强度和重塑土壤微生物网络来提升土壤健康和生态系统服务的必要性，对于保障山区农业的可持续发展具有现实指导价值。

2. 文章的主要结论

研究团队通过对贵州省榕江县9种典型种植模式的深入调查分析，得出以下核心结论：

• • 结论 1: 山区农田的土壤多功能性（SMF）普遍高于平原农田，且水田的微生物多样性和丰富度显著高于旱地。弃耕地在抑制病原体方面表现出最强的能力。
• • 结论 2: 农业干扰强度（ADI）与SMF之间呈现凹型曲线关系（先降后升），而与微生物多样性呈现凸型曲线关系。高强度的干扰虽然增加了微生物网络的复杂性，但却对SMF产生了负面影响。
• • 结论 3: 非生物因子（如土壤pH、海拔）对SMF的驱动作用强于生物因子。微生物网络复杂性与SMF之间存在显著的负相关，这一发现与许多自然生态系统的研究结果相反，表明山区农田系统具有独特的响应模式。

3. 分析过程和方法

[更加详细的复现指南可加入学术社区获取!]

作者在研究设计和实施过程中，展现了一套逻辑严密的分析框架，主要分为评价指标构建、生物网络分析、驱动力解析和路径建模四个阶段。

首先是指标体系的构建与标准化。作者并未单一使用某种土壤功能，而是选择了涉及物理结构、碳周转、氮供应、磷供应、碳循环酶、氮循环酶、磷循环酶以及病原体抑制等8个类别共27个独立指标。为了解决指标量纲不一的问题，作者采用了最大值标准化法。在SMF的合成上，作者同时应用了平均值法（ASMF）和主坐标分析法（PSMF），以确保评估结果的稳健性。这种多指标、多方法的评价体系，是顶刊中评估生态系统功能的标准配置，能更全面地捕捉系统的整体状态。

在人为干扰的量化上，作者提出了农业干扰强度（ADI）的概念。这通过收集作物轮作史、整地频率、施肥习惯（有机与化肥）、农药使用频率以及秸秆还田比例等6个关键指标，利用主成分分析（PCA）的第一主成分来代表ADI。这种将复杂的定性管理行为转化为定量连续变量的方法，是连接社会管理因子与自然生态过程的关键桥梁。

其次是土壤生物群落的深度解析。研究利用高通量测序技术分析了细菌、真菌、古菌和原生生物四个类群。除了常规的Alpha多样性（Chao1、Shannon、Pielou指数），作者重点构建了跨类群的共发生网络（Co-occurrence Network）。网络复杂性通过节点数、边数、平均度、网络密度等拓扑参数归一化求均值获得。此外，还通过模拟节点移除（随机或定向）来计算自然连通度的变化，以此衡量生物群落的稳定性（Robustness）。这种多营养级、多维度的生物学表征，使得分析不再局限于“物种多寡”，而是深入到“群落结构与互动”。

在统计分析与结果展示阶段，作者首先通过ANOVA或Kruskal-Wallis检验对比了不同采样点的差异。随后，利用Spearman相关分析和普通最小二乘回归（OLS）探讨了单一因子与SMF的关系。Figure 7中展示的曲线拟合（如凹型或凸型关系）不仅揭示了线性关系，还捕捉到了生态学中常见的非线性响应。

为了确定各因子的相对贡献，作者采用了变差分解分析（VPA）。将解释变量分为海拔、农业管理、非生物因子和生物因子四个模块。这种方法能够清晰地展示各模块独立解释的变异份额以及它们之间的共同解释部分（Figure 8），有效应对了变量间的共线性问题。

最后，也是本文的核心，作者构建了分层结构方程模型（piecewiseSEM）。SEM的优势在于能够区分直接效应和间接效应。例如，ADI如何通过直接路径影响SMF，以及如何通过改变微生物网络复杂性这一中介变量间接影响SMF。在模型优化过程中，作者利用Shipley的d-分离检验和AIC值不断调整路径，直至获得最佳适配。这种模型化思维是深入理解复杂生态机制的有力工具。

作者在结果展示上的巧思也值得借鉴。利用雷达图展示网络拓扑特征的差异，利用热图展示功能指标间的相关性，利用Venn图展示变差分解结果，这些可视化手段使得复杂的数据关系变得直观易懂。

4. 研究的局限性

文章在讨论部分诚实地指出了研究的不足之处。首先是空间和时间尺度的局限。山区采样成本极高，限制了研究范围的广泛性和观测的连续性，因此研究结果在推广到其他区域时需保持审慎。其次是PCA指数的解释难度。虽然PCA能有效降维并处理共线性，但当管理措施（如化肥与有机肥）具有相反生态效应时，合成后的单一指数可能掩盖某些具体机制。最后，作者提出未来需要建立更大规模的全球样本数据库，以更全面地建立农业管理措施与生态系统功能之间的定量联系，增强研究的普适性。

如果你觉得这篇文章对你有帮助，欢迎点赞👍、收藏⭐️和分享🔗给更多的科研小伙伴们！

如果你有任何问题，欢迎加入我们的学术社群与大家讨论交流💬