英文题目：Geographical, climatic, and soil factors control the altitudinal pattern of rhizosphere microbial diversity and its driving effect on root zone soil multifunctionality in mountain ecosystems

中文题目：地理、气候和土壤因子调控山地生态系统根际微生物多样性的海拔格局及其对根区土壤多功能性的驱动作用

发表期刊：Science of The Total Environment

影响因子：9.8（一区）

发表时间：2023年9月9日

研究亮点

●根际细菌和真菌多样性不遵循相似的海拔格局。

●山地两端的根际微生物组显示出更高的共生性。

●微生物正负效应的平衡决定了微生物多样性对土壤多功能性的影响。

●细菌而不是真菌的多样性是根区土壤多功能性的主要驱动力。

●微生物多样性-土壤多功能性受到地理、气候和土壤因子的强烈调控。

抽象

优势植物根际土壤微生物对气候变化的响应深刻影响了山地土壤生态系统的多功能性，但人们对它们之间的关系及起驱动因素仍然知之甚少。本研究采用了微生物扩增子绝对定量测序技术，对贺兰山海拔在1350-2900米的6个典型植被区的6种优势植物根际微生物的海拔格局、群落组装和共生网络进行了分析，终将微生物组与根区土壤多功能性（以下简称“土壤多功能性”）联系起来，探讨了两者的环境依赖关系。研究发现，根际土壤细菌和真菌多样性的海拔格局存在显著差异。在低和高海拔地区发现短花针茅（Stipa breviflora）和高原嵩草（Carex coninux）根际土壤微生物的共生和潜在相互作用更多。细菌α多样性，即一些优势细菌和真菌类群，对土壤多功能性具有显著的正负影响。微生物多样性对土壤多功能正效应大于负效应。这些结果表明，微生物正负效应的平衡决定了微生物多样性对土壤多功能性影响。随着门水平微生物数量的增加，土壤多功能性出现净增长。研究表明，地理和气候因子可直接或间接调控土壤性质，进而影响微生物多样性对土壤多功能性的驱动作用，并发现根际细菌多样性而非真菌与土壤多功能性密切相关。这项工作对于预测山地生态系统中多种环境-植物-土壤-微生物相互作用将如何响应未来的气候变化具有重要的生态意义。

研究背景

山地生态系统是全球对气候变化敏感的生态系统之一，也面临着范围广的环境问题，生物多样性减少、生态环境破坏和恶化的趋势正在逐渐加剧。值得注意的是，作为调控山地生态系统以应对全球变化的重要组成部分，土壤微生物在几乎所有陆地生物地球化学循环和维持多种土壤功能（以下简称“多功能”）方面发挥着至关重要的作用，例如初级生产、碳固定和总氮矿化。此外，土壤微生物可以增强植物对干旱、高温或寒冷胁迫等恶劣山地环境的耐受性，并在强烈的气候变暖下推动植物物种在海拔高度上定植，所有这些都促进了山地生态系统的服务功能和稳定性。近十年来，土壤微生物海拔多样性模式及其形成机制和驱动因素受到广泛关注。然而，与大型生物（如植物和动物）不同，在山地生态系统中仍然缺乏对微生物多样性-土壤生态系统多功能关系的研究。相对而言，关于它们如何依赖各种环境驱动因素的信息有限。

到目前为止，只有少数山地研究探讨了土壤微生物多样性如何独立地与特定的土壤生态系统功能相关。例如，在高山生态系统的底土中，微生物多样性已被证明可以保持土壤有机碳分解的稳定性。然而，据研究者所知，土壤功能本质上是多功能的。微生物多样性不仅影响单一功能，而且绝不是土壤生态系统多功能性的唯一驱动因素。山地生态系统表现出广泛的空间异质性和地质多样性。气候因子、地形参数、植被形态、土壤性质等多种因素的相互作用，塑造了土壤微生物多样性更加多样化的海拔格局，从而驱动了微生物与土壤生态系统多功能性的反馈回路。原位土壤实验表明，变暖导致土壤细菌多样性显著减少，并进一步降低了生态系统功能，例如总初级生产力和生态系统呼吸。此外，在预测山地微生物多样性-多功能关系时，地理参数经常被忽略。这限制了研究者对不同地理条件下山地土壤微生物多样性变化对土壤多功能性的预测认识。到目前为止，很少有研究讨论土壤微生物多样性相对于土壤多功能性的其他潜在驱动因素的相对重要性。由于缺乏研究，很难预测全球环境不断变化将如何影响山地生态系统的功能。

在山地，由于多种环境因子的梯度效应，可以观察到以不同优势植物为导向的植物群落海拔景观。根据Grime的质量比假说，群落中这些具有高丰度和生物量的优势物种通常被认为决定了生产力，并有助于维持群落的时间稳定性。许多周围的特定微生物通过根系分泌物和特化代谢物被招募到这些优势植物的根际，各种营养类群相互作用和相互依赖，促进根区养分循环，提高植物抗病性和生态适应性。作为回报，许多根际沉积物，如有机碳，从植物根部释放出来，从而增加了根际微生物的数量和活性。近的研究提供了证据，表明根际土壤微生物多样性和群落组装被用作根区土壤健康、质量和功能的潜在指标，因为它们在植物-土壤循环中起着至关重要的作用，并且对环境变化和扰动敏感。因此，需要特别关注根际微生物多样性与土壤功能之间的关系。然而，它们可能的关系，特别是在受多种环境因素影响的山地，仍未完全清楚。了解优势植物的根际土壤微生物多样性与根区土壤多功能性（以下简称“土壤多功能性”）在空间尺度上跨不同环境梯度之间的联系对于确保植物健康、山地生态系统管理和评估生态系统服务至关重要。

本研究以贺兰山海拔梯度的BEF关系（根际微生物生物多样性-土壤生态系统多功能性）为研究对象。本工作旨在研究根际土壤微生物多样性和优势植物的土壤多功能性如何沿海拔梯度变化，这种海拔格局的主要驱动因素是什么，以及环境预测因子如何直接或间接影响微生物多样性-土壤多功能关系。因此，研究者检测了以下假设：1）优势植物的根际土壤细菌和真菌表现出显著的空间尺度效应，并且不遵循相似的海拔多样性模式，因为不同微生物分类群的垂直变化趋势不同；2）响应海拔梯度的不同生境，根际土壤中的微生物共生网络发生显著变化，确定性过程主导着微生物群落组装，乔木的共生网络包含更复杂和更紧密的关系；3）根际微生物多样性对土壤多功能性的驱动作用受到地理、气候和土壤因子的强烈调控，细菌与土壤多功能性的联系高于真菌。本研究结果有助于确定山地生态系统对气候变化的潜在维持机制。

研究方法

2.1. 研究地点

本研究在中国西北部宁夏贺兰山（北纬38°42′04“–38°46′43”和东经105°53′50“–106°00′03”）进行，时间在2021年7-8月生长旺季。研究区域的海拔范围为 1350 至 2900 米，是典型的温带干旱半干旱山地森林生态系统，是我国三荒漠与银川平原的分界线。气候为温带和半干旱季风。具体而言，研究者沿海拔梯度对6个典型植被类型进行了调查，包括荒漠草原（1350 m，S1）、浅山灌丛（1800 m，S2）、温带针叶林（2100 m，S3）、暗针叶林（2450 m，S4）、亚高山灌丛草甸（2600 m，S5）和高山草甸（2900 m，S6）（图1）。不同海拔梯度的采样点包含较大的气候梯度，过去30年的年平均降水量（MAP）为200.40至279.56毫米，年平均气温（MAT）为8.6至2.0°C。

图1、沿海拔梯度分布的六个采样点。

2.2. 实地调查和抽样

6个采样点位于贺兰山自然保护区东坡。通过选择没有明显破坏迹象的地点，将人类和动物活动的影响降至低。研究者对6个采样点（6个采样点×每个采样点3个样本×每个样本3次重复）进行了随机完全抽样，获得18个20×20平方米的乔木样地， 21个5 × 5 平方米的灌木样地和 54个1 × 1平方米的草本样地，每个高度每个采样样地之间的小距离为50米。

在植被调查后，每个采样点收集了不同优势植物（S1短花针茅（Stipa breviflora）、S2蒙古扁桃（Prunus mongolica）、S3油松（Pinus tabuliformis）、S4青海云杉（Picea crassifolia）、S5银露梅（Dasiphora glabra）和S6高原嵩草（Carex coninux））的根际（rhizosphere）和外根围（ectorhizosphere，紧邻根际的土壤）土壤样品对微生物测序，并对土壤理化性质、酶活性、微生物生物量进行测定。土壤采集器和铲子用75%乙醇消毒，并在收集每个根际土壤样本之前戴上新手套。在相同条件（深度为0-20 cm）的样地中收集不同优势物种的5种单独植物的根。然后将多余的土壤从根部手动甩掉并彻底混匀后形成一个混合样品，代表外根围土壤。根际土壤是通过抖掉根部松散结合的土壤后，将紧密粘附在根部约2 mm 内的土壤刷下来并保留获得样品。因取样困难，仅分别采集了3个蒙古扁桃的根际土壤和外根围土壤样本。从优势植物根系周围获得96个根际和外根际土壤样品。随后，使用2毫米的网筛除去所有外根围土壤样品中的石头、凋落物和根。将外根围土壤样品分成两部分，其中一部分放入塑料袋中风干进行理化性质分析，另一部分用冰（4°C）带到实验室进行酶活性和微生物生物量的测定。根际土壤样品放入15 mL无菌离心管，放到干冰上冷冻，然后储存在-80°C直至DNA提取及测序。

2.3. 土壤参数和功能评估

通过在105 °C下干燥进行重量法测量外根围土壤含水量（SM），直到达到恒定重量。根据报告的方法，在土壤-水浆中测量土壤 pH 值和电导率（EC）（1:2.5 w:v 比率）。分别采用重铬酸盐氧化法、凯氏定氮消解法和钼锑抗比色法定量土壤有机碳（SOC）、总氮（TN）和总磷（TP）。硝酸盐氮（NO3−-N）和铵氮（NH4+-N）的浓度通过紫外分光光度法和吲哚酚蓝法进行比色测量。分别采用苯氧化钠-次氯酸钠比色法、3,5-二硝基水杨酸比色法和苯基磷酸二钠比色法测定土壤蔗糖酶（SSC）、脲酶（SUE）和碱性磷酸酶（SALP）活性。土壤微生物生物量采用氯仿熏蒸-提取法测定C（MBC）、微生物生物量N（MBN）和微生物生物量P（MBP）含量。

在这项研究中，共有11个变量（SOC、TN、TP、NO3—N、NH4+-N、SSC、SUE、SALP、MBC、MBN、MBP）作为主要土壤参数，用于土壤多功能性计算，特别是因为这些参数构成了山地生态系统土壤C、N和P循环、固存、生产力和土壤肥力积累的良好参数。以前有三种方法用于量化生物多样性-土壤功能关系：单功能、平均量和周转情况。使用 Z 值变换量化土壤多功能性，然后按照前面描述的方法取这些变换变量的平均值。使用Shapiro-Wilk检验测试数据的正态分布，并在必要时对非正态分布的数据进行正态变换。

2.4. DNA 提取、PCR 扩增和绝对定量测序

如下所示：每个解冻土壤样品的DNA（N = 48）按照制造商的说明通过FastDNA® SPIN试剂盒提取土壤DNA提取（MP Biomedicals，美国）。提取的DNA使用DNeasy PowerClean Pro净化试剂盒（Qiagen，美国）纯化。通过1.5%琼脂糖凝胶电泳测定提取DNA的完整性，并使用Qubit 3.0分光光度计（Thermo Fisher Scientific，美国）定量DNA的浓度和纯度。为了从16S rRNA和ITS扩增子测序中获得绝对定量结果，将具有一定量加标合成样品的内标（Spike-in）添加到实验DNA样品中，具有已知拷贝数梯度的内标。使用16S标准引物V4-V5 515F（5′-GTGCCAGCMGCCGCGG-16′）/907R（5′-CCGTCAATTCMTTTRAGTTT-3′）检测细菌16S rRNA基因，并使用ITSF（2′-GCATCGATGAAGAACGCAGC-5′）/ITSR（3′-TCCTCCGCTTATTGATATGC-5′）扩增真菌ITS2区域。PCR（总体积为10 μL）使用ABI 2720进行。所有扩增反应一式三份进行，PCR产物使用VAHTS DNA清洁珠（中国）凝胶纯化。纯化的扩增子利用上海天昊生物扩增子绝对定量技术，在Illumina NovaSeq平台上进行配对末端测序（2×250 bp）。

2.5. 序列处理

在QIIME 2中通过以下步骤处理初始细菌和真菌测序数据：1）研究者使用Cutadapt插件来修整适配器和引物序列。2）DADA2插件用于质量控制，包括过滤，去重复，配对末端序列合并和嵌合体识别，以分配扩增子序列变体（ASV）。3）分别使用RDP分类器针对细菌ASV的释放或真菌ASV的UNITE数据库版本对每个ASV的代表性序列进行分类分配。还根据读取计数与加标拷贝数为每个样品创建标准曲线方程，以计算绝对丰度和拷贝数。在随后的分析中去除了加标序列，16S rRNA和ITS绝对丰度表示为每克冻干土壤的拷贝数。后，研究者的数据集分别包括67,026和13,822个用于细菌和真菌的ASV。所有样本序列的检出概率均超过0.99。

2.6. α和β多样性的量化以及微生物丰度的差异

根际微生物α和β多样性分析按照前面描述的方法进行。计算了包括Chao1、ACE、香农和辛普森指数在内的指数，以比较根际土壤微生物的α多样性。Bray-Curtis相异性指数用于评估根际土壤细菌和真菌β多样性，通过主坐标分析（PCoA）可视化结果，并使用ADONIS检验定量估计样本组间群落的差异性。利用在线工具Galaxy（http://huttenhower.sph.harvard.edu/lefse/）进行LEfSe分析，以比较差异微生物丰度并根据P<0.05和LDA评分>4鉴定生物标志物。

2.7. 统计分析

采用Tukey多重比较法，采用单因素分析（ANOVA）检验了6种在海拔梯度上优势植物的外根围土壤参数和根际微生物α多样性方面的显著差异。为了确定富含根际的微生物群落之间可能存在的潜在关系，研究者通过成分数据的稀疏相关性（SparCC）与集成网络分析管道（iNAP）（http://mem.rcees.ac.cn:8081）建立了域间生态共生网络（IDEN）。由于样本有限，无法建立蒙古扁桃的网络。对于每个网络分析，研究者将生成区域网络的阈值设置为 0.4，显著性值为 0.05以过滤非相关关联。在Gephi v0.9.2中可视化了绝对值>0.8且具有统计学意义的SparCC相关系数。研究者还计算了一组指标，例如模块化、模块内连通性（Zi）和模块间连通性（Pi），以促进核心根际土壤微生物（keystones）的鉴定。

采用普通小二乘法（OLS）线性回归模型检验了个体土壤功能、土壤多功能性和根际微生物多样性指数之间的关系。研究者使用每个站点记录的细菌和真菌ASV的总数分别作为细菌和真菌α多样性的替代。此外，研究者使用逐步AIC模型选择方法来拟合每个土壤功能的线性加法模型。这有助于研究者确定影响每个土壤功能的小微生物物种集（门水平，33个细菌门，9个真菌门）。研究者还估计了土壤功能的数量与积极影响或消极影响的微生物库比例之间的相关性。通过合并这两种关系，研究者可以确定正负影响的平衡情况，或者一种类型是否占主导地位。

通过使用R统计软件v3.4.0的“A3”和“rfPermute”包进行随机森林（RF）建模，以确定土壤多功能性的中心环境（地理条件，气候因子和土壤性质）和微生物（微生物多样性和优势门）多样性。此外，研究者使用“rdacca.hp”包进行分层分析，以阐明环境和微生物驱动因素对土壤多功能性的相对重要性。采用分段结构方程模型（分段式SEM）确定地理条件、气候因子和土壤性质对根际土壤微生物多样性的影响及其对土壤沿海拔梯度多功能性的驱动作用。根据随机森林分析结果，将地理条件、气候因子、土壤性质和微生物多样性以复合变量建模。在模型中，“地点”被设置为随机效应。采用Fisher's C检验评估模型结果的优度，并根据模型的路径显著性（P < 0.05）和优化程度对模型进行逐步修正。

研究结果

3.1. 根际微生物多样性和群落组成

计算了所研究优势植物根际土壤细菌和真菌沿海拔梯度的丰富度和α多样性。所有这些指数在细菌和真菌中均显示出显著差异（P < 0.05），而辛普森优势指数在细菌中没有显著差异。基于代表β多样性的Bray-Curtis相异性矩阵的PCoA分析显示，根际细菌和真菌与不同优势植物相关的群落结构沿海拔梯度明显分离（图2a和b）。短花针茅和蒙古扁桃的细菌和真菌β多样性在低海拔地区略有差异。

图2、根际土壤细菌和真菌多样性与群落组成的对比。PCoA分析表示细菌（a）和真菌（b）群落变化差异。不同的颜色表示不同的优势植物，每个点代表一个重复。R2表示样本之间差异的解释。主要分类群的相对和绝对丰度（丰度比例>1%）分别在细菌（c）和真菌（d）门的水平上予以表示。No_Rank表示数据库中此水平的注记为空。Unassigned表示注释信息的置信度低于阈值。

在门水平上分析了6种优势植物根际细菌和真菌群落的相对丰度和绝对拷贝数（图2c和d）。结果表明，与所有优势植物相关的优势细菌门是酸杆菌、放线菌和变形杆菌。在真菌组成中，只有两个优势门是担子菌门和子囊菌门。根际土壤细菌和真菌拷贝数随海拔升高呈单峰变化模式。与P. crassifolia相关的绝对细菌和真菌丰度显著高于其他植物。LEfSe分析揭示了不同优势植物根际土壤细菌和真菌群落组成的显著差异。有75种显著不同的细菌生物标志物的LDA效应大小评分为>4，而真菌为62。

3.2. 根际微生物域间生态共生分析

研究者又利用细菌和真菌绝对定量测序数据，构建了IDENs以阐明不同优势植物根际土壤中细菌和真菌共生模式和潜在相互作用，并测量相应的网络结构和拓扑指标。所有观测到的网络都是无标度的，并且显示出非随机共现模式，平均路径长度短，大多数物种的连接很少。多个网络指标一致表明，6种优势植物的微生物共生网络存在很大差异。海拔演替分析表明，低海拔和较高海拔（S. breviflora和D. glabra、C. coninux）的拓扑性质（包括连接数、平均程度和平均聚类系数）均高于中海拔（P. tabuliformis和P. crassifolia）。相比之下，平均路径长度显示出对比趋势，表明结构差，相关性弱且广泛分散，包括P. tabuliformis和P. crassifolia的连接很少。

此外，提取了一些相关系数为|r| >0.80和P < 0.01的子网，以说明核心根际土壤微生物群落（图3）。在除C. coninux的所有其他优势植物的根际微生物群落中，细菌和真菌之间广泛观察到正相关。因此，无论优势植物如何，大多数节点都由细菌代表，而真菌表现出更高的平均连通性。此外，在所有网络中都观察到相对较高的细菌生态位重叠、功能互补性和稳健性。因此，细菌在调控微生物相互作用方面的相对重要性得到了部分证明。

图3、优势植物根际土壤微生物跨域共生网络分析。基于与S. breviflora（a）、P. tabuliformis（b）、P. crassifolia（c）、D. glabra（d）和C. coninux（e）相关的细菌（黄点）和真菌（蓝点）的 SparCC 分析的共生网络（|r| > 0.8，P < 0.01）。每个节点的大小与度数成正比。绿线表示正相关，红线表示负相关。

随后，研究者构建了Zi-Pi图来识别二分网络中每个节点的拓扑作用。在本文中，外围节点占总节点的67.80-92.58%，表明大多数节点没有或只有少数边，主要连接到其模块内的节点。研究发现，沿海拔梯度的不同优势植物共生网络中分别有77、167、246、58和96个keystones。有趣的是，细菌只充当连接器，而真菌充当不同网络中的网络集线器、连接器和模块集线器。此外，与不同优势植物相关的分类群类型各不相同，这表明相同的分类群可能发挥不同的作用，具体取决于它们栖息在哪些特定植物的根际土壤中。

3.3. 根际微生物多样性-土壤多功能关系

研究者进一步评估了微生物多样性（即微生物α和β多样性以及分类群）与单个土壤功能和土壤多功能性（图4）之间的关系。沿海拔梯度、土壤多功能性与细菌α多样性呈显著负相关（图4a）。然而，它与细菌β多样性或真菌α或β多样性无关（图4b，c和d）。细菌分类群方门与土壤多功能性呈显著负相关（图4e，h和k）。关于真菌类群，子囊菌门与土壤多功能性显著负相关（图4 m），而担子菌门则不显著（图4l）。

图4、微生物多样性与土壤多功能性的关系（Z评分）。土壤多功能性与采样点细菌α多样性（a）、真菌α多样性（b）、细菌β多样性（c）、真菌β多样性（d）、酸杆菌（e）、变形杆菌（f）、放线菌（g）、扁平菌（h）、拟杆菌（i）、氯柔性菌（j）、双胞菌（k）、担子菌（l）、子囊菌（m）（n）= 48。线表示拟合线性小二乘模型（OLS）。实线和虚线分别表示统计显著性（P < 0.05）和不显著性（P > 0.05）关系。阴影区域显示拟合的 95% 置信区间。AIC 表示线性回归分析的Akaike信息规则。

研究者进行了一项测试，以便更准确对平衡关系影响进行定量。这涉及检查微生物物种在门水平上的平均标准化正效应和负效应大小与其影响的所有土壤功能之间的相关性。当研究者考虑更多的土壤功能时，观察到微生物的累积比例越高，至少对一种土壤功能产生了积极影响。然而，这种关系似乎接近饱和（图5）。平均而言，约13.10%的微生物物种库对土壤功能产生积极影响，而7.14%的微生物物种库对土壤功能产生负面影响。当研究者考虑所有11种土壤功能时，只有33.33%的微生物物种具有正贡献，而35.71%具有负贡献（图5a和b）。研究者还观察到，负面影响随着积极影响的增加而减少（图5c），反之亦然。此外，正效应的效应大小通常比负效应的效应大小更突出（图5d）。这表明，增加优势植物的更多根际微生物（门水平）将导致土壤多功能性的整体增加。

图5、土壤功能、微生物种物池的比例以及正负效应相对平衡之间的关系。所考虑的功能数量与微生物物种（门水平）池的一部分之间的关系，对土壤功能产生积极（a）或消极（b）的影响。微生物物种对不同土壤功能正负贡献总数的关系（c）。每种微生物物种的平均积正效应与平均负效应之间的关系（d）。每个点都是一个微生物物种（门水平）。阴影区域显示拟合的 95% 置信区间。虚线是1:1关系。

3.4. 根区土壤多功能性的潜在驱动因素

为了确定土壤多功能性的主要环境和根际微生物驱动因素，利用绝对定量测序数据，研究者首先进行了随机森林（RF）分析（图6a）。RF模型结果表明环境因子MAT、海拔、MAP和坡向是影响土壤多功能调控的关键驱动因素，其次是经度、EC和SM。优势细菌类群酸杆菌和扁平菌类群被确定为显著驱动因素，表明其在驱动贺兰山生态系统土壤多功能性方面的重要性。此外，真菌多样性和分类群对土壤多功能的驱动力较差。层次分析结果表明，微生物多样性对根区土壤多功能性的影响大，为31.41%，其次是地理条件、土壤性质和气候因子（图6b）。

采用分段SEM分析建立了影响贺兰山生态系统土壤多功能的综合路径（图6c和d）。由于海拔和优势植物塑造的地理条件、气候因子和土壤性质可能通过改变根际微生物的群落结构和多样性来直接或间接影响土壤的多功能性，因此在研究者的分析中明确研究了这种可能性。在考虑了采样点的随机效应后，终模型解释了土壤多功能性变化的79%。结果表明，地理、气候和土壤因子通过改变细菌和真菌多样性和群落结构间接影响土壤多功能性。具体而言，地理条件分别对细菌和真菌多样性具有直接和显著的正负效应。气候直接显著影响真菌多样性，并通过影响外根际土壤性质间接影响真菌多样性。此外，在各种因素的影响下，研究者发现土壤多功能性的直接驱动因素是细菌多样性而不是真菌（图6b，c和d）。

图6、根区土壤多功能性的主要驱动因素及其作用途径。随机森林（a）和分层（b）分析揭示了环境和根际微生物（占群落总>5%）驱动因素对土壤多功能性的平均预测因子重要性。分段SEM考虑环境和根际微生物多样性对土壤多功能性的直接和间接影响（c和d）。蓝色和红色箭头分别表示正负效应，实线和虚线表示显著（P < 0.05）和不显著（P > 0.05）系数（*P < 0.05、**P < 0.01、***P < 0.001）。复合变量之间带有数字的箭头表示直接路径和标准化路径系数，箭头的宽度与路径系数的强度成正比。包含内生变量的框随附的数字表示固定解释方差（R2marginal）和固定随机因子（R2conditional)。缩写：MSE，均方误差；MAT，年平均温度；MAP，年平均降水量；ALT，海拔高度；SLO，斜率；ASP，朝向；SM，土壤含水量；pH、酸碱值；EC，电导率。

研究结论

本研究旨在解决地理，气候和土壤因子对根际土壤微生物多样性的共同影响及其对山地生态系统根区土壤多功能性的驱动作用。本研究结果提供了明确的证据，表明随着海拔梯度的变化，地理、气候和土壤变量可以通过塑造根际微生物的多样性和群落更替来调控优势植物的土壤多功能性。此外，研究结果表明，细菌多样性和特定的细菌类群是温带干旱和半干旱山地生态系统土壤多功能性的关键驱动因素，有助于预测未来全球变化的深远影响。值得注意的是，在全球气候快速演变下，加强干旱和半干旱山地生态系统保护迫在眉睫，显著提升优势植物的关注度。就研究者的证据而言，多种环境相互作用引起的根际微生物群落组成更替可能会破坏微生物作用机制，破坏微生物多样性与土壤多功能关系。