banner
홈페이지 / 블로그 / 폴란드 북부의 영양 장애 호수에 정착하는 물 딱정벌레 공동체 네트워크의 지역적 차이
블로그

폴란드 북부의 영양 장애 호수에 정착하는 물 딱정벌레 공동체 네트워크의 지역적 차이

Jul 12, 2023Jul 12, 2023

Scientific Reports 13권, 기사 번호: 12699(2023) 이 기사 인용

261 액세스

측정항목 세부정보

작은 영양 장애 호수에서 네트워크를 형성하는 종 간의 관계는 아직 잘 알려져 있지 않습니다. 다양한 생태계에서 딱정벌레 공동체의 기능을 조사하고 더 잘 이해하기 위해 그래프 네트워크 분석을 적용한 세 가지 네트워크 모델을 만들었습니다. 이 접근 방식은 전체 네트워크의 특징과 역할 맥락에서 노드와 에지의 속성을 평가하여 중심성 메트릭으로 표현되는 객체(노드) 간 연결(에지)의 상관 기반 네트워크를 표시합니다. 우리는 이 방법을 사용하여 네트워크와 종간 관계에서 특정 종의 중요성을 결정했습니다. 우리의 분석은 폴란드 북부 3개 지역의 영양실조 호수 25개에서 수집된 동물상 물질을 기반으로 합니다. 우리는 다양한 생태학적 요소와 기능성 영양 그룹을 대표하는 총 104종을 발견했습니다. 우리는 종의 바이오매스 간의 관계 네트워크가 세 연구 지역에서 상당히 다르다는 것을 보여주었습니다. Kashubian Lakeland는 응집력과 밀도가 가장 높은 반면 Suwalki Lakeland의 네트워크는 가장 얇고 이질적이었습니다. 이는 연구 대상 호수의 프랙탈 구조 및 개발 정도와 관련이 있을 수 있습니다. 유사한 생태적 선호도를 가진 종과 함께 서로 다른 클러스터에 모인 작은 몸집의 포식자가 모든 네트워크를 지배했습니다. 우리는 네트워크의 가장 높은 중앙 집중화를 달성한 Masurian Lakeland에서 가장 높은 상관 관계를 발견했습니다. 작은 티로포필류는 일반적으로 네트워크의 중앙 위치를 차지한 반면, 네트워크의 주변부는 대형 포식자를 포함하여 다양한 서식지 선호도를 가진 클러스터로 구성되었습니다. 네트워크 응집력과 밀도에 가장 중요한 종은 주로 Anacaena lutescens, Hygrotus decoratus, Enochrus melanocephalus 및 Hydroporus Neglectus와 같은 티포친화성 종이었습니다. 공동체 네트워크에서 종의 역할을 결정하는 속성의 가치는 생물적 요인과 환경적 요인 모두의 영향을 받았습니다.

수생물학에 관한 광범위한 문헌은 생물권의 구조와 유기체 군집과 특정 환경 조건 사이의 관계에 많은 관심을 기울이는 출판물에 의해 지배됩니다1,2,3,4,5,6,7,8,9,10,11 . 대조적으로, 유기체 공동체는 바이오매스가 흐르는 광범위하게 정의된 포식자-피식자 시스템에서 복잡한 상호 작용 네트워크로서 기능적 관점에서 상대적으로 거의 연구되지 않습니다. 담수에서 서로 다른 종 간의 네트워크의 구조와 기능은 아직 거의 연구되지 않았습니다. 딱정벌레를 포함한 무척추동물이 수생 생태계의 영양 네트워크의 주요 구성 요소라는 것은 분명합니다13,14. 이들은 종과 생태 측면에서 매우 다양하고 환경에 널리 퍼져 있으며 일반적으로 매우 다른 서식지에서 대량으로 발생하는 유기체 그룹입니다15. 문헌에 따르면 딱정벌레는 다양한 영양 수준의 영양분 풀을 사용하지만 대부분의 딱정벌레는 약탈적이므로 다른 유기체 수의 조절자로서 영양 네트워크에서 중요한 역할을 강조합니다13,14,16,17. 소비되는 음식의 유형뿐만 아니라 음식을 얻는 방식을 나타내는 특정 기능 그룹으로 딱정벌레를 분류하는 것은 영양 네트워크에 대한 보다 포괄적인 분석을 위해 매우 중요합니다.

그래프 이론 기반 네트워크 분석의 적용은 특히 수집된 데이터를 기반으로 모델링할 때 생물군집 구조, 형성, 영양 기능 및 변화하는 환경 조건에 대한 반응에 대한 더 큰 통찰력을 제공하므로 수생 생태계 생태학의 연구 도구로 점점 인기를 얻고 있습니다. 현장12,13,20,21,22,23. 이러한 연구는 또한 네트워크의 또 다른 요소일 뿐만 아니라 생태계 전반에 걸쳐 상호 작용하는 다차원성을 대표하는 종에 대한 다른 접근 방식을 제공합니다24.

 200 were again found only for relationships between Anacaena lutescens and Helochares griseus, Hyphydrus ovatus and Helochares griseus, Ilybius ater and Hydrobius fuscipes and Ilybius ater and Graptodytes pictus. We found no statistically significant negative relationships in the networks of interspecific relationships (Table 5)./p> 100 were found in 65 cases (including 32 statistically significant cases, p < 0.05). Among the species pairs for which the shortest communication paths (EBC) were determined, 5 pairs were distinguished: Enochrus quadripunctatus and Helophorus pumilio, Colymbetes paykuli and Ilybius quadripunctatus, Colymbetes paykuli and Helophorus granularis, Ilybius quadripunctatus and Helophorus granularis, and Graptodytes bilineatus and Hydroporus piceus (r = 1). For the pairs Haliplus ruficollis and Enochrus melanocephalus, Hydroporus tristis and Anacaena lutescens, Hydroporus scalesianus and Hydroporus tristis, values of EBC > 200 were again found. Statistically significant negative correlations were also found between the following pairs: Agabus congener and Hydrochus nitidicollis (r = – 0.65), Hydrochara caraboides and Limnebius parvulus (r = – 0.46) and Dytiscus lapponicus and Hydraena palustris (r = – 0.27 (Table 5)./p> 100 values were found in 67 cases (of which 45 were statistically significant, p < 0.05), of which the highest values were for the pairs Hygrotus decoratus and Rhantus notatus (EBC = 334.63), Hydroporus erythrocephalus and Hygrotus decoratus (372.81), Noterus crassicornis and Enochrus affinis (481.17), Rhantus notatus and Hydroglyphus pusillus (450.27) and Noterus crassicornis and Hydroglyphus pusillus (620.99). These long communication paths lead to a fragmentation of the network. Negative correlations occurred in the pairs: Rhantus grapi and Coelostoma orbiculare (r = – 0.63), Rhantus grapi and Hydroporus palustris (r = – 0.28), Gyrinus suffriani and Helophorus minutus (r = – 0.29), Hydaticus continentalis and Haliplus immaculatus (r = – 0.24) (Table 5)./p> 30%) (Table 6; Table S2). For the classification, we used a modification of the scale proposed by Bayley and Prather64. We calculated the area of Sphagnum mat in a lake in GIS using ArcGIS software (for Desktop 9.3.1., ESRI, Poland). Sites were mapped using data available in WMS format in Geoportal 2./p>