近日，湖南农业大学环境与生态学院袁桂香教授团队联合中国科学院水生生物研究所曹特研究员、丹麦奥胡斯大学Erik Jeppesen教授等，在国际生态学期刊"Global Change Biology"上发表了题为"Lake Water Depth and Nutrient Gradients Mediate Aquatic Plant Distribution via the Strength of Trait Network Associations"的研究论文。该研究从植物性状网络的角度，系统揭示了湖泊水深和营养梯度如何影响水生植物的分布格局及群落构建机制。

水生植物作为湖泊生态系统的关键初级生产者，不仅能够为多类水生生物提供栖息环境，还在养分吸收、沉积物稳定和生态修复中具有重要意义。然而，随着水体富营养化加剧，水生植物正面临光照受限、养分失衡等多重环境胁迫。自然界中植物依靠多个性状之间的协同或分工共同适应环境，因此植物性状网络（Plant Trait Networks, PTNs）为理解水生植物如何适应复杂环境提供了新的研究视角。

该研究分别在洱海水深梯度、以及长江流域26个湖泊营养梯度上开展调查，构建了水生植物在物种水平和群落水平上的植物性状网络。研究发现，在浅水、贫营养等相对适宜的环境中，水生植物往往表现出更强的性状整合特征，即不同性状之间联系更加紧密（高平均度、低模块度），有利于快速获取和高效利用资源，从而支撑较高的物种丰富度和系统发育多样性。相反，在深水或富营养等较高胁迫环境中，植物则倾向于形成更明显的性状模块化结构（高模块度、低平均度），以增强对逆境的耐受能力。这说明水生植物能够通过调整性状之间的关联方式，在资源利用和胁迫耐受之间进行权衡。

图1 洱海12种水生植物的性状分化及其生态适应性

NMDS排序展示了洱海12种水生植物在性状空间上的显著分化（图1a）。PTN分析在1000次重抽样运行中表明，洱海12种植物的平均度和模块度具有较好的稳健性（图1b-c）。贝叶斯回归分析进一步揭示了性状网络指标与定殖水深、生物量、频度和优势度指标之间的关系（图1d-k）。不同谱系物种散布其中，无明显科属聚集，表明局部环境过滤对性状网络分化的影响强于系统发育约束。

水深和营养通过改变植物性状网络的结构，进而影响物种在不同环境中的适应能力。在物种尺度上，具有高平均连接度的物种更适合分布在浅水和低营养环境中，而具有高模块度的物种则更容易在深水和富营养环境中占据优势。研究还发现局部环境条件比系统发育关系更能决定性状网络的差异，即使是亲缘关系较近的物种（如眼子菜属），在不同环境中也可能表现出完全不同的性状网络结构，反映出水生植物对环境过滤具有较强的可塑性。

在群落尺度上，植物性状网络深刻影响群落多样性和生产力之间的关系。变异分解表明，PTN指标分别解释了群落生产力和物种丰富度30.4%和33.1%的变异（图2a-d）。随着水深增加，群落生产力升高，但物种丰富度、Shannon多样性和系统发育多样性显著下降（图2m-p）。CWM平均度与群落生产力负相关但与多样性正相关，CWM模块度则呈相反模式（图2e-l），揭示了PTN介导的群落多样性与生产力之间的权衡机制：浅水区由性状整合型物种主导，支撑高多样性但因种间竞争和有限垂直空间限制了最高生产力；深水区由模块化物种主导，物种数减少但充足的空间促进了群落生产力的积累。

图2 水深梯度下群落属性与性状网络指标的关系

区域尺度上，NMDS排序区分了26个湖泊中的29种水生植物（图3a），PTN模块度在1000次迭代后收敛稳定（图3b）。在26个湖泊中，模块化程度较高的物种在富营养水体中往往具有更高的生物量、频度和优势度（图3c-e），进一步证实了功能模块化是水生植物跨异质生境适应成功的基础。

图3 营养梯度下不同水生植物的性状网络特征及适应性差异

变异分解表明，PTN指标、水质、湖泊形态和定殖水深共同显著解释了群落属性的变异（图4a-d）。随机森林分析显示湖泊环境对群落的过滤存在层级调控机制：水深作为主要驱动因子，营养盐作为区域尺度的重要驱动因子，湖泊形态（如平均水深、库容、海拔等）作为精细调节因子，三者共同塑造了群落组成，而植物性状网络则在其中充当了关键中介。中等营养水平创造了物种丰富度与植物存活之间的最优平衡，维持了多样性和生产力。

图4 营养梯度下群落属性与性状网络指标的关系

该研究将植物性状网络理论系统引入水生植物生态学研究，揭示了水生植物在不同环境胁迫下通过"性状整合"和"性状模块化"两种策略实现适应与分布分化的机制，同时阐明了水深、营养盐与湖泊形态对群落构建的层级式过滤作用，研究成果拓展了功能生态学中网络理论的应用范围。

论文链接：https://doi.org/10.1111/gcb.70852