在德国,虽然拥有大约 800 个永久土壤观测地块 (BDF) 等全面的基础设施用于此目的,但是却没有对土壤生物进行全面、标准化的记录。然而,目前并非所有联邦州都对其 BDF 开展土壤生物学调查。其中最重要的原因可能是土壤无脊椎动物的鉴定复杂且昂贵。本项目应该有助于解决这一问题。在 25 个地点记录了蚯蚓、蚓螈和跳虫,通过形态学和 DNA 条形码对动物进行了识别,并对结果进行了比较。目的是在德国 BDF 计划框架内制定有效且可定期实施的土壤动物监测建议。结果表明,遗传测定方法基本适合此目的。在其投入正式实践之前,必须满足一些要求。 DNA 参考数据库必须全面、精心管理且质量可控。基于DNA的方法需要标准化。需要开发基于土壤生物数据的可靠土壤健康指标。建议所有联邦州以相同的程度和方法开展土壤动物调查。最初应使用经典的形态学方法定期记录土壤生物,至少记录蚯蚓、蚓螈和跳虫。应研究纳入更多群体。遗传方法的引入应逐步进行,从蚯蚓开始。所收集的数据应集中汇总并向公众开放。从长远来看,环境DNA条形码应该成为研究和评估土壤生物多样性的标准实践。
跳虫(Collembola Lubbock, 1870)是一类内颌、无翅、主要以腐食为生的节肢动物,主要栖息在潮湿的栖息地(Hopkin 1997)。然而,其中许多形式已经发展出不同的生活策略,其中一些形式很好地适应了干燥的栖息地。毫无疑问,Xenylla Tullberg, 1869 属的大多数物种都可以归入这一类。Xenylla 是 Hypogastruridae Börner, 1906 科中最大的属之一(139 种),分布于世界各地(Bellinger 等人 1996-2024),并表现出高度的地方特有性(Babenko 等人 1994)。在该属中,有几个生态组:森林、草原和滨海堆肥物种。它们通常出现在苔藓和地衣中、树干树皮下或岩石缝隙中(Babenko 等人,1994 年)。
引言植物是生物,特别是植物,通常由人类栽培(Yassir & Asnah,2019)。作物这一术语通常与草本植物区分开来,草本植物是为了使用而种植的,例如在特定时间收获。世界各地种植的主要作物包括小麦、玉米、水稻、土豆、甘蔗和大豆(Wattimena,2011)。因此,利用土壤微生物来增加养分的利用率和吸收率非常重要。养分含量和植物反应是土壤的化学、物理和生物方面相互作用的结果(Sari 等人,2020 年)。这三个因素相互关联,共同影响土壤肥力,进而影响植物所需养分的形态和有效性以及植物吸收养分的能力。土壤含有两种类型的矿物质,即原生矿物质和次生矿物质。一般而言,所有营养物质均来自母岩及其所含的矿物质(Yassir & Asnah,2019)。土壤是各种微生物的栖息地。土壤微生物包括生活在土壤中的微小生物。土壤微生物的一些例子包括螨虫、昆虫幼虫、蚯蚓、白蚁、蚂蚁、甲虫、藻类、蓝藻、真菌、跳虫、线虫和原生动物。土壤微生物是一类生物,它们可能是最丰富但看起来最微不足道的,然而它们在土壤生态系统的功能中起着非常关键的作用(Febriana,2024)。它们负责有机化合物的分解过程,利用和释放营养物质,甚至起到增加植物对营养物质吸收的作用。在农业生态系统中,土壤微生物可以充当生物肥料、生物农药和设施友好的生物修复剂。 (Tesiana et al., 2024)甚至表示,使用包括枯草芽孢杆菌在内的合生元可以避免高达40%的污染并可以维护环境。此外,土壤微生物有助于减少因使用农用化学品而造成的土壤污染。 (Pratiwi & Asri, 2022) 还解释说,土壤微生物可以降解有机磷农药残留,从而不会降低土壤和农业环境的质量。这不仅有利于植物生长,而且还最大限度地减少了对环境的负面影响。因此,土壤微生物对
摘要 Jacobsen, RM、Davey, M.、Endrestøl, A.、Fossøy, F. 和 Åström, J. 2024. 早期发现新的陆地外来物种。 2023 年昆虫和蛛形纲动物 DNA 条形码结果。NINA 数据报告 1。挪威自然研究所。 https://hdl.handle.net/11250/3165181 自 2018 年起,挪威自然研究所每年对挪威东南部的 25 条路线进行监测,主要目的是检测挪威自然界中早期建立阶段的新外来物种。每个方格中都绘制了陆生维管植物和节肢动物(主要是昆虫,但也有一些蛛形纲动物、少量跳虫和其他节肢动物)。这里只报告了 2023 年节肢动物调查的结果。每个方格都用一个病虫害陷阱收集昆虫和蜘蛛,病虫害陷阱于 5 月设置,9 月拆除,清空 4 次。这样一来,一共得到了 100 个疾病陷阱样本。节肢动物是通过 DNA 条形码来识别的。通过裂解陷阱材料提取 DNA,然后在 PCR 中扩增线粒体基因 COI,然后在 Illumina NovaSeq 平台上进行测序。对得到的序列进行过滤、纠错和质量保证,并生成 ASV(扩增子序列变体)。 ASvene 使用程序 RDP-Classifier 进行分类,它是一个“贝叶斯概率估计器”。该程序使用 NINA 开发的经过训练的数据库,根据参考序列将 ASV 分类为物种。 ASV 和分类的质量有保证,并且对物种分类给出了置信度评估。仅报告物种置信度评估为高或中等的 ASV。然后将该物种名单与挪威外来物种名单、挪威物种名称数据库、GBIF 的全球出现数据和四个欧洲外来物种名单进行核对。然后将物种发现分为以下类别; (1) 挪威物种;出现在物种名称数据库中,但不在挪威外来物种名单中,(2)已知外来物种;出现在物种名称数据库和挪威外来物种名单中,(3)芬诺斯坎迪亚物种;在物种名称数据库中未出现,但已在芬诺斯坎底亚被发现;(4) 可能是新的外来物种;没有出现在物种名称数据库中,也没有在芬诺斯坎迪亚检测到,或者没有在芬诺斯坎迪亚或欧洲被登记为外来物种。在 2023 年野外采集的病虫害陷阱样本中,检测到了 18 种已知外来物种、70 种潜在的新外来物种和 160 种可能未登记的挪威物种(芬诺斯坎迪亚物种)。在已知的外来物种中,有两种生态风险非常高的物种(胡萝卜织布虫和七彩瓢虫),以及两种目前在挪威自然界中没有独立繁殖种群的门把手物种(叶甲虫Deraeocoris flavilinea和寄生蜂Dacnusa sibirica)。在70种潜在新外来物种中,两大优势物种组分别为蝇类(双翅目)38种和黄蜂(膜翅目)21种。对于使用 DNA 宏条形码检测到的潜在新外来物种,应通过在样本中找到检测到该物种的个体并通过形态学鉴定确认物种判定来进行验证。然后,应该对新的外来物种进行风险评估,然后才能评估是否需要采取控制或消灭措施的快速反应。 Rannveig M. Jacobsen (rannveig.Jacobsen@nina.no)、Anders Endrestøl、NINA Oslo、Sognsveien 68、0855 Oslo Marie Davey、Frode Fossøy、Jens Åström、NINA Trondheim、Høgskoleringen 9、7034 Trondheim