文章简介

生态学是研究有机体（生物）与其周围环境相互关系的学科。既然如此，生态学的实验设计无外乎是要考虑如下问题：某（几）个环境因子的变化是否会影响生物？如果是，生物的响应曲线是啥样的？怎样设计科学、合理的实验予以验证？例如，现在比较火热的一个研究主题就是，气候变化对全球生物多样性的影响。基于此，以CO2为例，比较常规浓度和提高浓度下生物的响应过程与机理等，正进行的如火如荼。生物对环境的响应模式可能是线性的，也可能是非线性的。虽然现在的诸多统计方法是基于线性回归的，但实际上非线性的作用也非常多。实验设计本身，重复实验（experimental replicates）相对来说，可以得到更高的准确度和精确度，更适合线性模式的研究。而梯度实验（experimental gradients）可能更适合挖掘和研究非线性模式。这两种模式的结合现在也已经有所应用，但是仍然需要更多的数据来比较两种方法的优劣，尤其是，梯度实验是否能够更好地应用于非线性关系的研究？

为此，本研究通过大量的实验模拟、数据模拟、数据分析等，比较了在同等条件下，梯度设计和重复设计的异同。结果表明，相对来说，梯度实验预测的成功率几乎总是高于重复实验的。也就说，一些情况下，梯度实验是更优势的策略。当然，具体情况也需要具体对待，在讨论部分有相关说明。

图表解读

图1. 重复设计和梯度设计的概念图。

如图1所示，常用的两种设计概念分别是重复设计和梯度设计。重复设计，相对来说，梯度比较短，多用于比较某个因子“有-无”两个状态下生物的响应差异，每个状态下的生物重复比较多。梯度设计，则用于比较连续状态下生物的响应，相对来说，梯度较长，而每个梯度条件下对应的生物重复比较少，甚至没有重复（每个条件有且仅有一个样品/生物）。 

图2. 数据模拟的结果。

如图2所示，在同等条件下，梯度最大化的取样方式（或设计方式）预测的成功率高与重复最大化的取样方式（或设计方式）。上图中，蓝色线表示梯度设计；红色线表示重复比较多。

图3. 基于N2O和纤毛虫的模拟结果。

如图3所示，当采用具有一定生物学意义的数据进行模拟时，得到同样的结果。梯度最大化的预测结果优于重复最大化。

原文链接：https://doi.org/10.1111/ele.13134