2023, Vol. 44
2. 江苏省生态环境保护化学品安全与健康风险研究重点实验室, 南京 210023
2. Jiangsu Key Laboratory of Chemical Safety and Health Risk of Eco-Environmental Protection, Nanjing 210023, China
生物监测与评价是流域水生态环境保护和治理的重要管理工具.河流是淡水资源的主要组成部分, 为人类生活用水、农业用水和工业用水等提供了保障[1].水生生物监测利用生物个体、种群或群落对水生态环境污染或变化所产生的反应阐明污染状况, 从生物学的角度为流域水生态环境保护和评价提供依据, 有助于水环境管理目标从“污染防治”向“水生态健康”转变. 20世纪80年代开始, 国外水资源保护政策从物理化学角度的水质监测转向综合性的生物监测, 其中评价体系比较完善的有：①基于生物完整性指数(IBI)的美国环保部快速生物评价方案(RBP); ②欧盟水框架指令(WFD).中国生态环境部“十四五”规划中指出水环境保护要更加注重“人水和谐”和生态要素, 建立统筹水资源、水生态和水环境的规划指标体系.水环境保护指标体系的建立是目前亟待解决的首要任务之一, 尽管近几年在长江[2]、黄河[3]和珠江[4]等多条河流进行了水生态健康评价方法的探索, 但是适合我国水环境保护的生物指标还需要进一步确定.IBI和WFD评价体系中生物类群包含鱼类、底栖动物和着生藻类, 其中, 硅藻反映水生态健康状况最敏感.由于底栖硅藻的生长和繁殖可以敏感地反映本地水环境的健康状况[5], 因此硅藻在河流和溪流中被广泛用作环境条件的生物指标[6, 7].传统的生物监测手段费时费力, 有可能破坏原始生态状况, 环境DNA技术的出现改进了传统监测的不足, 但是目前国内环境DNA(environmental DNA, eDNA)技术识别浮游植物[8~10]等水生生物研究较多, 硅藻群落监测和分子硅藻指数的相关研究较少[11].
近年来, 环境DNA技术广泛应用于水生和陆地生物多样性监测, 而如何通过分子数据构建生物指数评价河流生态健康是新的研究热点.环境DNA技术与传统方法在监测底栖硅藻[12]、鱼类[13]、无脊椎动物[14]和两栖动物[15]等类群存在显著的正相关关系, 同时, 环境DNA具备高通量和时间成本低的特点, 对环境样本进行宏条形码检测可以有效降低形态学对检测隐性分类群或者受损样本的模糊程度[16].20世纪初, 自Van Dam[17]提出第一个硅藻指数后, 相继发展出多种适合于不同河流污染类型的硅藻指数, 例如生物硅藻指数(BDI)[18]和硅藻营养化指数(TDI)[19]等. 但是目前用于计算传统硅藻指数的硅藻数据存在形态学鉴定费时和分辨率低等问题[20].随着eDNA技术监测硅藻群落[21]的发展, 基于eDNA宏条形码获取的硅藻数据与环境因子之间直接计算每一个硅藻物种的灵敏度和耐受值, 通过建立训练集和测试集从而构建基于Zelinka-Marvan方程(1961年)的分子硅藻指数[图 1(b)].已有研究表明分子硅藻指数与基于形态学的传统硅藻指数存在显著相关性[22], 但是随着生物信息学的不断发展, 分子数据计算策略对分子指数构建的影响有待深入研究.
|
(a)研究区域, (b)分析流程 图 1 本研究技术路线示意 Fig. 1 Flow chart for this study |
随着环境DNA生物监测的普及和标准化, 研究不同的生物信息学流程对生物指数的影响对于建立标准化的生物评价方法至关重要[23]. 2013年有学者沿用16S rRNA基因97%的相似阈值进行OTU聚类[24], 发表了UPARSE和UCHIME算法.随后, DADA2和unoise2算法相继出现, 这种聚类方式相当于以100%相似度进行聚类[25, 26], 此外还有Deblur等方法.随着DNA条形码技术的广泛应用, 使用直观统一框架的衡量标准变得尤为重要, 以便于解释和比较不同的生态问题[27].但是目前尚未系统地比较基于OTU(97%聚类)和ASV(unoise 3)两种主流分析流程对分子硅藻指数构建的影响.
本文以淮河-沙颍河流域为例开展研究.沙颍河是淮河最大的支流, 其生态健康状况对淮河具有重要影响[28].沙颍河是高强度人类活动影响下的平原河流, 历史上曾经出现过严重的水生态环境污染问题[29].近年来开展了大规模的环境治理和生态修复工作, 开展系统的生态生物监测和评价有重要的意义[30, 31].本研究通过eDNA技术解析沙颍河流域硅藻生物群落, 并构建分子硅藻指数, 以评价沙颍河不同季节和流域的生态健康状况.主要研究内容包括以下3个方面：①比较沙颍河流域春、秋两季硅藻群落组成和结构的时空变化; ②诊断影响硅藻生物多样性的主导因素; ③通过比较4种分子数据(OTU-分类、OTU-无分类、ASV-分类和ASV-无分类), 构建适合于评估沙颍河流域生态健康状况的分子硅藻指数.
1 材料与方法 1.1 采样区域淮河发源于河南省桐柏山区, 由西向东, 全长约1 000 km.沙颖河是淮河最大的支流, 主线西起河南省伏牛山东麓, 东至安徽省正阳关入淮, 全长624 km, 流域面积39 880 km2, 约为淮河流域总面积的1/7.研究区域[图 1(a)]流经河南、安徽两省, 共设置19个点位, 上游采样点分布在干、支流区域, 下游交汇在干流.
1.2 数据分析 1.2.1 数据来源2018年4月和10月, 根据采样点的布设, 每个位点选取上、中和下游这3个监测位点, 在每个位点收集1 L水样和半露出水面的石块、树枝和泡沫板等生物膜样品, 使用牙刷刷取生物膜样品, 纯净水冲洗并收集至50 mL离心管中(离心管内水的体积 < 40 mL).所有样品野外-20℃保存, 于实验室-80℃保存.
水体物化指标利用AP-2000便携式多参数水质仪, 在现场进行溶解氧(DO)、氧化还原电位(ORP)、电导率(EC)、pH和水温(WT)等参数测定.采集的1 L地表水带回实验室后进行总氮(TN)、总磷(TP)、氨氮(NH4+)、化学需氧量(COD)和重金属(As、Cd、Cr、Cu、Fe、Mn、Ni、Zn)等水质参数分析, 具体的方法如下:
① TP采用钼酸铵分光光度法(GB 11893289).
② NH4+采用纳氏试剂比色法, TN采用碱性过硫酸钾消解紫外分光光度法(GB 11894289).
③ COD：水样经浓硫酸消解后, 采用草酸钠滴定法测量.
④ 重金属：样品消化预处理后, 采用原子吸收分光光度法检测.
1.2.2 DNA提取、PCR扩增和测序生物膜样品使用DNeasy PowerWater Kit(Qiagen)提取, 利用通用引物DIV4F和DIV4R进行PCR以扩增硅藻18S rDNA基因的V4区域[32].扩增引物DIV4F: 5′-GCGGTAATTCCAGCTCCAATAG-3′, DIV4R: 5′-CTCTGACAATGGAATACGAATA-3′.
PCR扩增体系为30 μL: 15 μL Phanta聚合酶(诺唯赞), 上游和下游引物各1 μL, 2 μL的模板DNA和11 μL的无酶水.为了减小PCR的偏好性, 每个样品分别设置3个PCR反应并将产物合并.每个样品的PCR产物稀释到10 ng·μL-1等体积混合建库, 保证样本间序列数大致相同.混库样品Agencourt AMPure XP kit(Beckman Coulter, 德国)和Ion Plus Fragment Library kit试剂盒(Life Technologies, 美国)纯化测序文库.纯化后的测序文库使用Agilent 2100 Bioanalyzer (Agilent Technologies, 美国)检测文库质量.最后将测序文库稀释至100 pmol·L-1, 利用试剂盒Ion PGM Template OT2 400 kit(Life Technologies, 美国)中Ion Sphere Particles(ISPs)富集测序文库, 在Ion PGM测序仪(Life Technologies, 美国)进行测序.
1.2.3 生物信息学分析硅藻注释数据库采用R-Syst(V7)[32].利用Mothur软件将fastq文件转为fasta, 使用Qiime对原始测序文件进行修剪、分类和样品划分[33]并按照UPARSE7方法将相似性大于97%的DNA序列进行OTUs聚类[34].为了减少假阳性, 去除总丰度小于10且在少于5个样品中被检出的OTUs.使用“sintax_cutoff”命令对硅藻群落中的每个OTU进行分类注释.在vsearch中使用“derep_fulllength”命令识别唯一序列, 使用usearch命令“unois3”将测序错误和嵌合体从复杂的fasta文件中删除, 以产生扩增子序列变体(ASVs)[26], 注释流程与OTU相同.分子数据通过分析得到：①采用97%相似阈值聚类OTU-无分类(OTU_free); ②对OTU_free进行物种筛选的OTU-分类(OTU_tax); ③采用unois3算法提供的精确序列变异得到的ASV-无分类(ASV_free); ④对ASV_free进行物种筛选的ASV-分类(ASV_tax).
1.3 硅藻指数计算硅藻指数基于Zelinka-Marvan方程[35], 以同一个采样点为基础, 直接利用其分子数据, 构建了4个评价河流生态状况的硅藻指数.
|
(1) |
式中, aj为OTU_free/OTU_tax/ASV_free/ASV_tax的相对丰度; sj为OTU_free/OTU_tax/ASV_free/ASV_tax的灵敏度; vj为样品中OTU_free/OTU_tax/ASV_free/ASV_tax的指标值.利用它们的丰度值与环境因子的PC1值的函数关系, 计算每种指标的灵敏度sj(每个筛选后的OTU相对丰度和PC1之间的加权平均数)和指标值vj(1除以每个筛选后的OTU相对丰度和PC1之间的标准差).
硅藻指数计算随机进行100次, 具体的指数构建过程[20, 22, 36, 37]如下: ①对环境因子进行降维分析, 通过皮尔逊相关性检验PC1和环境因子之间的相关性; ②将75%样本量作为训练集, 25%样本量作为测试集; ③去除训练集中相对丰度低于5%的OTUs和ASVs, 进一步计算每一个OTU和ASV的sj和vj; ④通过公式(1)和训练集的sj和vj, 计算测试集中每个样品的硅藻指数, 最终取100次计算结果的平均值.
1.4 统计分析本研究使用公式(2)选取优势种:
|
(2) |
式中, ni为i种的物种序列数, N为所有种类的总序列数, fi为该种出现的频率, Y值大于0.02的种类为优势种.
进行排序分析之间先对17种环境因子相关性检验, 两两之间相关性大于0.7的因子保留其一, 4月指标Cr、EC和WT这3个因子剔除后进行后续排序分析, 同理, 10月指标Ni、Cd、EC和NH4+这4个因子剔除后进行后续分析.DCA分析显示最大的Axis lengths分别为2.782和2.904, 故本研究选择RDA(redundancy analysis) 研究不同季节硅藻群落与环境因子的关系.RDA等数据处理和绘图在R软件(R Version 4.0.3)和Prism 9下完成.
2 结果与分析 2.1 硅藻群落结构组成和时空变化 2.1.1 流域底栖硅藻群落组成沙颍河流域春秋两季硅藻群落分别在OTUs和ASVs数据集注释结果的生物分类数量上呈现一致性(表 1).2018年沙颍河流域4月和10月共34个eDNA样品, OTUs分析流程共保留118 046条序列, 其中, 4月和10月分别为240个和310个OTUs, 均被注释为4个纲、19个目、35个科、65个属和99个种(表 1); ASVs分析流程共保留76 493序列, 其中, 4月和10月分别为287个和298个ASVs, 均被注释为4个纲、16个目、27个科、45个属和76个种(表 1).OTUs和ASVs注释到相同种水平的数量是65, 占总检出种水平数的59.1%, 只被OTUs注释到种水平的占比为30.9%(34种), 只被ASV注释到种水平的占比为10%.
|
表 1 不同季节硅藻群落OTUs和ASVs生物分类注释结果 Table 1 Annotation results of OTU and ASV bioclassification of diatom communities in different seasons |
沙颍河流域春秋两季硅藻群落(OTUs)硅藻目的相对丰度存在显著季节性差异, 其中Achnanthales、Cymbellales和Bacillariales等硅藻目是区分硅藻群落季节差异的主要因素(图 2).环境DNA宏条形码获取了沙颍河流域春秋两季19个硅藻目的序列信息[图 2(a)], Thalassiosirales的总序列数最多, 为10027条[图 2(b)]; Naviculales的OTUs数量最多, 为78个[图 2(c)]; Naviculales、Thalassiophysales、Thalassiosirales、Fragilariales、Achnanthales、Cymbellales和Bacillariales这7个硅藻目检出频率大于0.9, 在两个月份大部分点位之间均有分布[图 2(e)].硅藻目Achnanthales、Cymbellales和Bacillariales显示了两个月份之间的差异, 10月的相对丰度较高, 4月较低; Thalassiosirales(海链藻目)在两个季节各个点位均有较高的相对丰度; Naviculales(舟形藻目)在两个季节各个点位的分布一致[图 2(f)].
|
(a)基于18S序列目水平的系统进化, 进化距离依据K2P模型计算, 进化树构建基于Neighbor-Joining模型; (b)每个目对应的序列数; (c)每个目对应的OTUs; (d)平均每个OTUs含有的序列数; (e)硅藻目在淮河流域两季节的检出频率; (f)硅藻在淮河流域每个点位的季节分布热图, 白色条带对应样品弃用(测序深度不够) 图 2 eDNA宏条形码表征的硅藻群落(OTUs) Fig. 2 Diatom community (OTUs) characterized using eDNA metabarcoding |
沙颍河流域硅藻群落(OTUs)在4月和10月的前5个优势种群完全不同(表 2).SIMPER分析表明Discostella pseudostelligera、Nitzschia amphibia和Diatoma vulgaris是造成季节差异的主要硅藻优势种.沙颍河流域4月硅藻群落优势种是Discostella pseudostelligera、Mayamaea atomus_var._permitis、Diatoma vulgaris、Fistulifera saprophila、Gomphonema pumilum_var._pumilum和Cyclotella meneghiniana, 占比分别为37.1%、19.5%、6.6%、5.3%、5.2%和2.4%.沙颍河流域10月硅藻群落优势种是Cyclotella meneghiniana、Cymbella excisa、Thalassiosira guillardii、Nitzschia amphibia、Discostella sp.和Nitzschia palea, 占比分别为28.9%、14.1%、10.9%、8.9%、6.8%和3.0%.只有梅尼小环藻在4月和10月均是优势种, 4月的优势种梅尼小环藻相对丰度为2.37%, 而10月其相对丰度为28.89%.
|
|
表 2 不同季节硅藻群落优势种/% Table 2 Dominant species of diatom community in different seasons/% |
2.1.3 硅藻生物多样性时空变化规律
沙颍河流域春季硅藻群落(OTUs)3种生物多样性指数在空间上的均值小于秋季[图 3(a)和3(b)].沙颍河流域春季硅藻香农、辛普森和均匀度指数均值分别为0.65、0.78和0.59; 沙颍河中游清潠河(S05)和下游泉河(S18)生物多样性指数值较低[图 3(a)].沙颍河流域秋季硅藻香农、辛普森和均匀度指数均值分别为0.79、0.90和0.68; 颍河(S08)的生物多样性指数较高[图 3(b)].
|
(a)和(b)分别为4月和10月硅藻α多样性指数空间变化; (c)为β多样性, 基于Jaccard距离的主坐标轴分析(PCoA)和Anoism检验 图 3 硅藻群落(OTUs)生物多样性时间变化 Fig. 3 Temporal variation in diatom community (OTUs) biodiversity |
沙颍河流域春、秋两季硅藻群落(OTUs)β多样性存在显著性差异[图 3(c)].基于Jaccard距离的非限制性主坐标轴分析(PCoA)表明, 群落在4月和10月明显形成两大类(P=0.001, r=0.36), 4月硅藻群落之间的相似性程度高于10月, 且在第一主轴分开, 表明季节差异是沙颍河流域硅藻群落β多样性变化的主要影响因素.
2.2 春、秋季硅藻群落与环境因子的关系Fe、Mn和TN是影响沙颍河流域春季硅藻群落(OTUs)结构变化的主要环境因子[图 4(a)].春季硅藻群落和环境因子之间的RDA模型总解释度(constrained proportion)为81.62%, 其中环境因子的解释度36.31%.RDA结果表明显著影响沙颍河春季硅藻群落的环境因子有重金属Mn(r2=0.69, P=0.001), Fe(r2=0.68, P=0.003), 营养元素TN(r2=0.66, P=0.004).沙颍河上游澧河(S14和S12)受到重金属Mn的影响较大, 沙颍河中游清潠河、清流河(S4和S5)和贾鲁河下游(S6)受到重金属Fe的影响较大.同时, 对比地表水环境质量标准(GB 3838-2002), 沙颍河流域重金属Mn浓度处在安全水平, Fe和总氮浓度超标.因此, 沙颍河流域春季硅藻群落最大的污染因素是重金属Fe和营养元素TN.
|
黑色箭头表示环境因子和其对硅藻群落的相对影响，黄色点表示采样点，仅显示P < 0.05的环境因子 图 4 不同季节硅藻群落(OTUs)和环境因子之间的RDA分析 Fig. 4 RDA analysis between diatom community (OTUs) and environmental factors in different seasons |
Cu和COD是影响沙颍河流域秋季硅藻群落(OTUs)结构变化的主要污染因素[图 4(b)].秋季硅藻群落和环境因子之间RDA模型总解释度为75.74%, 其中环境因子的解释度为33.82%. RDA结果表明营养元素COD(r2=0.48, P=0.005)和重金属Cu(r2=0.46, P=0.015)对秋季硅藻群落结构影响显著, 贾鲁河支流的硅藻群落受到COD影响最大, 同时与地表水环境质量标准相比, 沙颍河流域COD和Cu浓度超标.
2.3 生态健康评价在4种计算策略中, 基于OTU-free计算的硅藻指数可以更好地反映沙颍河流域生态健康状况[图 5(a)].线性模型[38]评估了沙颍河流域硅藻群落4种计算策略与环境因子的拟合情况, 4种指数(ASV-free、ASV-tax、OTU-free和OTU-tax)和环境因子PC1的r2分别为0.74、0.66、0.82和0.66, P < 0.01, 基于ASV-分类和OTU-分类的指数在r2结果上是等效的, 基于OTU-无分类的分子硅藻指数与环境因子的拟合响应最高(r2=0.82, P < 0.01).因此, 使用无分类分子数据揭示同一采样点硅藻序列的生态信息优于分类分子数据.
|
(a)环境梯度(PC1)与4种硅藻指数之间的线性回归关系, 点表示100次训练重复的平均偏差和标准偏差的平均值, 黑线表示PC1和指数之间的完美等价性; (b)基于OTU_free数据的硅藻指数随上下游关系的线性拟合, 横坐标表示采样点距离下游河口的网络距离 图 5 硅藻指数和环境因子相关性和上下游分析 Fig. 5 Correlation between diatom index and environmental factors and upstream and downstream analysis |
硅藻指数显示, 沙颍河流域生态健康状况在时间上秋季优于春季, 而在空间上上游优于下游[图 5(b)].沙颍河流域10月硅藻指数整体高于4月, 空间上从上游采样点到下游, 硅藻指数值逐渐降低, 生态健康状况逐渐变差.其中可以发现, 4月沙颍河中游清潠河(S05)和下游泉河(S17和S18)的硅藻指数较低, 沙颍河上游甘江河(S13)、澧河(S12)和沙河(S10和S11)等上游点位硅藻指数值较高; 10月贾鲁河下游(S6)和泉河(S17)最低, 北汝河(S09)和颍河(S08)点位的硅藻指数值较高.
3 讨论环境DNA在流域尺度上识别出沙颍河硅藻群落结构的显著春、秋季节性差异.本研究发现从春季到秋季, 沙颍河流域除了梅尼小环藻, 优势硅藻种群组成完全不同.赵杨[39]通过硅藻形态学鉴定发现梅尼小环藻在哈尔滨市不同河段(松花江、呼兰河、阿什河和拉林河) 春、秋两季均是优势种, 但是春、秋两季的硅藻优势种组成差异很大.本研究进一步发现沙颍河流域秋季α多样性指数高于春季, 这与张珊等[40]和王东伟等[41]等基于形态学研究的结论一致.同时, 环境DNA还识别出硅藻目Achnanthales、Cymbellales和Bacillariales是区分春、秋季硅藻群落季节差异的主要因素.
联合环境DNA生物群落和环境污染因素分析揭示了沙颍河流域水生态系统主要的环境驱动因子.通过RDA分析得到Fe、Mn和TN是影响春季硅藻群落结构变化的因素, 重金属Cu和COD是影响秋季硅藻群落最大的环境因素.城市工业和生活污水、农业用水是造成水体污染的重要因素[42, 43].沙颍河流域属于温带季风气候, 冬季寒冷干燥, 夏季高温多雨.根据真实采样天气情况, 4月降雨较多, 地表径流较大, 河流受到农田等面源污染, 这可能是TN显著影响硅藻群落的原因.10月水量较小, 天气少雨, 河流生态状况主要受点源污染影响, 因此秋季硅藻群落受COD影响更为显著.本研究结论与胡建成等[44]的研究结论一致.同时, 大部分研究也得到了TN和COD是影响硅藻群落的主要因素, 这与本研究结果是相似的[45~48].在全国其他流域也发现了其他因素(溶解氧和水温等)影响硅藻群落更为显著[49, 50], 这可能是因为不同流域河流污染情况和地理条件不同导致的.硅藻的生长状况与水体的重金属浓度有关[51].Pandey等[52]提出重金属Cu的浓度与硅藻异常形态在统计学上有显著关系, 并提出通过硅藻来对水体中重金属进行生物监测.Corcoll等[53]发现Fe可以通过光合作用影响硅藻生物量的累积.同时基于环境DNA硅藻群落识别的Cu、Fe和Mn等重金属元素在水中的浓度已经超过国家标准(GB 3838-2002), 表明硅藻群落具有识别水环境中重金属污染特征的潜力.
联合环境DNA生物群落和环境污染因素的分子硅藻指数评估了沙颍河流域生态健康状况, 结果表明沙颍河流域上游生态健康状况优于下游.徐伟义等[54]和殷守敬等[55]分别从物理化学和遥感方面评估发现沙颍河水质从上游到下游逐步恶化, 这从一定程度上体现了生物监测和传统水质监测结果的一致性, 但是分子硅藻指数结合生物和物理化学等指标可以更精准地指示河流生态健康状况和识别水环境生态环境健康最差的河段, 比如春季清潠河(S05)和泉河(S17和S18)等河段硅藻生物多样性指数和分子硅藻指数较低.本研究首次通过环境DNA技术在国内流域尺度进行了硅藻群落监测和分子硅藻指数构建, 突破了传统硅藻指数依赖国外数据库和形态学鉴定困难等难题, 进一步比较了基于OTUs和ASVs两种主流分析流程对分子硅藻指数构建的影响, 发现基于OTU-无分类的分子硅藻指数可更好地指示河流生态健康.
4 结论本研究首次通过环境DNA技术在国内流域尺度开展了硅藻群落监测和分子硅藻指数构建, 揭示出沙颍河底栖硅藻群落的时空异质性.首先, 春、秋两季硅藻群落组成结构存在差异, 其中Achnanthales、Cymbellales和Bacillariales等硅藻目和Discostella pseudostelligera、Nitzschia amphibia和Diatoma vulgaris等优势硅藻种的相对丰度变化是区分硅藻群落季节差异的主要因素.其次, 重金属Mn、Fe和TN是影响春季硅藻群落结构变化的主要环境因子, COD和Cu是影响秋季硅藻群落结构变化的主要环境因子.最后, 4种基于环境DNA宏条形码的硅藻指数计算策略突破了传统硅藻指数依赖国外数据库和形态学鉴定困难等难题, 其中基于OTU-无分类数据计算的硅藻指数更好地反映了环境梯度变化.结果表明, 时间上, 秋季沙颍河流域分子硅藻指数优于春季, 空间上, 生态健康状况随着上游至下游逐渐变差.
| [1] | Carpenter S R, Stanley E H, Zanden M J V. State of the world's freshwater ecosystems: physical, chemical, and biological changes[J]. Annual Review of Environment and Resources, 2011, 36(1): 75-99. DOI:10.1146/annurev-environ-021810-094524 |
| [2] |
李金京, 李卫明, 粟一帆, 等. 长江支流桥边河大型底栖动物群落结构及水质生物评价[J]. 环境科学学报, 2020, 40(8): 3020-3027. Li J J, Li W M, Su Y F, et al. Community structure of macroinvertebrates and water quality bioassessment in Qiaobian River, a tributary of Yangtze River[J]. Acta Scientiae Circumstantiae, 2020, 40(8): 3020-3027. DOI:10.13671/j.hjkxxb.2020.0120 |
| [3] |
丁一桐, 潘保柱, 赵耿楠, 等. 黄河干流全河段浮游植物群落特征与水质生物评价[J]. 中国环境科学, 2021, 41(2): 891-901. Ding Y T, Pan B Z, Zhao G N, et al. Phytoplankton in the mainstem of the Yellow River: community characteristics and bioassessment of water quality[J]. China Environmental Science, 2021, 41(2): 891-901. DOI:10.3969/j.issn.1000-6923.2021.02.043 |
| [4] |
王旭涛, 谢昭, 刘威, 等. 珠江重要河流底栖动物水质生物学评价[J]. 水资源保护, 2016, 32(3): 94-98, 136. Wang X T, Xie Z, Liu W, et al. Bioassessment of water quality using benthic macroinvertebrates in major rivers of Pearl River Basin[J]. Water Resources Protection, 2016, 32(3): 94-98, 136. |
| [5] | Li L, Zheng B H, Liu L S. Biomonitoring and bioindicators used for river ecosystems: definitions, approaches and trends[J]. Procedia Environmental Sciences, 2010, 2: 1510-1524. DOI:10.1016/j.proenv.2010.10.164 |
| [6] | Rimet F. Recent views on river pollution and diatoms[J]. Hydrobiologia, 2012, 683(1): 1-24. DOI:10.1007/s10750-011-0949-0 |
| [7] | Smol J P, Stoermer E F. The diatoms: applications for the environmental and earth sciences[M]. (2nd ed). Cambridge: Cambridge University Press, 2010. |
| [8] |
张丽娟, 徐杉, 赵峥, 等. 环境DNA宏条形码监测湖泊真核浮游植物的精准性[J]. 环境科学, 2021, 42(2): 796-807. Zhang L J, Xu S, Zhao Z, et al. Precision of eDNA metabarcoding technology for biodiversity monitoring of eukaryotic phytoplankton in lakes[J]. Environmental Science, 2021, 42(2): 796-807. DOI:10.13227/j.hjkx.202007236 |
| [9] |
王靖淇, 王书平, 张远, 等. 高通量测序技术研究辽河真核浮游藻类的群落结构特征[J]. 环境科学, 2017, 38(4): 1403-1413. Wang J Q, Wang S P, Zhang Y, et al. Community structure characteristics of eukaryotic planktonic algae in Liaohe River through high-throughput sequencing[J]. Environmental Science, 2017, 38(4): 1403-1413. |
| [10] |
张宛宛, 谢玉为, 杨江华, 等. DNA宏条形码(metabarcoding)技术在浮游植物群落监测研究中的应用[J]. 生态毒理学报, 2017, 12(1): 15-24. Zhang W W, Xie Y W, Yang J H, et al. Applications and prospects of metabarcoding in environmental monitoring of phytoplankton community[J]. Asian Journal of Ecotoxicology, 2017, 12(1): 15-24. |
| [11] |
夏桢妍, 高桂青, 计勇, 等. 河湖生态演变过程中硅藻的环境指示作用及研究进展[J]. 南昌工程学院学报, 2019, 38(3): 58-64. Xia Z Y, Gao G Q, Ji Y, et al. Environmental indication and research progress of diatom in process of ecological evolution of river and lake[J]. Journal of Nanchang Institute of Technology, 2019, 38(3): 58-64. DOI:10.3969/j.issn.1006-4869.2019.03.012 |
| [12] | Zimmermann J, Glöckner G, Jahn R, et al. Metabarcoding vs. morphological identification to assess diatom diversity in environmental studies[J]. Molecular Ecology Resources, 2015, 15(3): 526-542. DOI:10.1111/1755-0998.12336 |
| [13] | Hänfling B, Handley L L, Read D S, et al. Environmental DNA metabarcoding of lake fish communities reflects long-term data from established survey methods[J]. Molecular Ecology, 2016, 25(13): 3101-3119. DOI:10.1111/mec.13660 |
| [14] | Gardham S, Hose G C, Stephenson S, et al. DNA metabarcoding meets experimental ecotoxicology: advancing knowledge on the ecological effects of copper in freshwater ecosystems[J]. Advances in Ecological Research, 2014, 51: 79-104. |
| [15] | Lacoursière-Roussel A, Dubois Y, Normandeau E, et al. Improving herpetological surveys in eastern north America using the environmental DNA method[J]. Genome, 2016, 59(11): 991-1007. DOI:10.1139/gen-2015-0218 |
| [16] | Deiner K, Bik H M, Mächler E, et al. Environmental DNA metabarcoding: transforming how we survey animal and plant communities[J]. Molecular Ecology, 2017, 26(21): 5872-5895. DOI:10.1111/mec.14350 |
| [17] | Van Dam H. On the use of measures of structure and diversity in applied diatom ecology[J]. Hydrobiological Bulletin, 1982, 16(2). DOI:10.1007/BF02255385 |
| [18] | Coste M, Boutry S, Tison-Rosebery J, et al. Improvements of the biological diatom index (BDI): description and efficiency of the new version (BDI-2006)[J]. Ecological Indicators, 2009, 9(4): 621-650. DOI:10.1016/j.ecolind.2008.06.003 |
| [19] | Kelly M G, Whitton B A. The trophic diatom index: a new index for monitoring eutrophication in rivers[J]. Journal of Applied Phycology, 1995, 7(4): 433-444. DOI:10.1007/BF00003802 |
| [20] | Apothéloz-Perret-Gentil L, Bouchez A, Cordier T, et al. Monitoring the ecological status of rivers with diatom eDNA metabarcoding: a comparison of taxonomic markers and analytical approaches for the inference of a molecular diatom index[J]. Molecular Ecology, 2021, 30(13): 2959-2968. DOI:10.1111/mec.15646 |
| [21] | Jahn R, Mann D G, Evans K M, et al. The identity of Sellaphora bacillum (Ehrenberg) D. G. Mann[J]. Fottea, 2008, 8(2): 121-124. DOI:10.5507/fot.2008.009 |
| [22] | Visco J A, Apothéloz-Perret-Gentil L, Cordonier A, et al. Environmental monitoring: inferring the diatom index from next-generation sequencing data[J]. Environmental Science & Technology, 2015, 49(13): 7597-7605. |
| [23] | Bailet B, Apothéloz-Perret-Gentil L, Baričević A, et al. Diatom DNA metabarcoding for ecological assessment: comparison among bioinformatics pipelines used in six European countries reveals the need for standardization[J]. Science of the Total Environment, 2020, 745. DOI:10.1016/j.scitotenv.2020.140948 |
| [24] | Shokralla S, Spall J L, Gibson J F, et al. Next-generation sequencing technologies for environmental DNA research[J]. Molecular Ecology, 2012, 21(8): 1794-1805. DOI:10.1111/j.1365-294X.2012.05538.x |
| [25] | Callahan B J, Mcmurdie P J, Rosen M J, et al. DADA2: high-resolution sample inference from illumina amplicon data[J]. Nature Methods, 2016, 13(7): 581-583. DOI:10.1038/nmeth.3869 |
| [26] | Edgar R C. UNOISE2: improved error-correction for illumina 16S and ITS amplicon sequencing[J]. bioRxiv, 2016. DOI:10.1101/081257 |
| [27] | Alberdi A, Gilbert M T P. A guide to the application of hill numbers to DNA-based diversity analyses[J]. Molecular Ecology Resources, 2019, 19(4): 804-817. DOI:10.1111/1755-0998.13014 |
| [28] |
丁婷婷, 李强, 杜士林, 等. 沙颍河流域水环境重金属污染特征及生态风险评价[J]. 环境化学, 2019, 38(10): 2386-2401. Ding T T, Li Q, Du S L, et al. Pollution characteristics and ecological risk assessment of heavy metals in Shaying River Basin[J]. Environmental Chemistry, 2019, 38(10): 2386-2401. DOI:10.7524/j.issn.0254-6108.2018121806 |
| [29] |
田进宽, 吴青松, 左其亭, 等. 沙颍河流域水生态监控框架体系及建设内容[J]. 水电能源科学, 2021, 39(4): 56-59. Tian J K, Wu Q S, Zuo Q T, et al. Framework system and construction content of water ecological monitoring of Shaying River Basin[J]. Water Resources and Power, 2021, 39(4): 56-59. |
| [30] | Li F L, Peng Y, Fang W D, et al. Application of environmental DNA metabarcoding for predicting anthropogenic pollution in rivers[J]. Environmental Science & Technology, 2018, 52(20): 11708-11719. |
| [31] | Li F L, Zhang Y, Altermatt F, et al. Consideration of multitrophic biodiversity and ecosystem functions improves indices on river ecological status[J]. Environmental Science & Technology, 2021, 55(24): 16434-16444. |
| [32] | Rimet F, Chaumeil P, Keck F, et al. R-Syst: : diatom: an open-access and curated barcode database for diatoms and freshwater monitoring[J]. Database, 2016, 2016. DOI:10.1093/database/baw016 |
| [33] | Caporaso J G, Kuczynski J, Stombaugh J, et al. QⅡME allows analysis of high-throughput community sequencing data[J]. Nature Methods, 2010, 7(5): 335-336. DOI:10.1038/nmeth.f.303 |
| [34] | Edgar R C. UPARSE: highly accurate OTU sequences from microbial amplicon reads[J]. Nature Methods, 2013, 10(10): 996-998. |
| [35] | Zelinka M, Marvan P. Zur prazisierung der biologischen klassifikation der reinheid fliessender gewasser[J]. Archiv für Hydrobiologie, 1961, 57: 389-407. |
| [36] | Tapolczai K, Vasselon V, Bouchez A, et al. The impact of OTU sequence similarity threshold on diatom-based bioassessment: a case study of the rivers of Mayotte (France, Indian Ocean)[J]. Ecology and Evolution, 2019, 9(1): 166-179. |
| [37] | Apothéloz-Perret-Gentil L, Cordonier A, Straub F, et al. Taxonomy-free molecular diatom index for high-throughput eDNA biomonitoring[J]. Molecular Ecology Resources, 2017, 17(6): 1231-1242. |
| [38] | Chambers J, Hastie T, Pregibon D. Statistical models in S[A]. Proceedings of the 9th Symposium on Computational Statistics[C]. Dubrovnik: Springer, 1990. |
| [39] | 赵杨. 城市河段底栖硅藻多样性格局及其环境相关性初步研究——以哈尔滨市4条河流为例[D]. 哈尔滨: 哈尔滨师范大学, 2020. |
| [40] |
张珊, 商乃萱, 张金羽, 等. 淮河流域西淝河浮游植物群落结构特征[J]. 水生态学杂志, 2020, 41(4): 81-89. Zhang S, Shang N X, Zhang J Y, et al. Phytoplankton community structure in Xifei river of Huai River Basin[J]. Journal of Hydroecology, 2020, 41(4): 81-89. |
| [41] |
王东伟, 龚江, 杨晓曦, 等. 淮河荆涂峡鲤、长吻鮠国家级水产种质资源保护区浮游植物群落结构时空格局及影响因子[J]. 大连海洋大学学报, 2022, 37(4): 658-667. Wang D W, Gong J, Yang X X, et al. Spatio-temporalpattern and influencing factors of phytoplankton community structure in the national aquatic germplasm resources reserve of cyprinus carpio and leiocassis longirostris in Huaihe River[J]. Journal of Dalian Ocean University, 2022, 37(4): 658-667. |
| [42] |
付小峰. 淮河流域水环境现状和防治建议[J]. 陕西水利, 2019(11): 83-85. Fu X F. Present situation of water environment in Huaihe River basin and its suggestions for prevention and control[J]. Shaanxi Water Resources, 2019(11): 83-85. |
| [43] |
王谦, 高红杰. 我国城市黑臭水体治理现状、问题及未来方向[J]. 环境工程学报, 2019, 13(3): 507-510. Wang Q, Gao H J. Current situation, problems and future direction for governance of black and odorous water bodies in Chinese cities[J]. Chinese Journal of Environmental Engineering, 2019, 13(3): 507-510. |
| [44] |
胡建成, 郭姝含, 唐涛, 等. 基于着生硅藻多参数指标评价赤水河生态状况[J]. 中国环境监测, 2020, 36(3): 94-104. Hu J C, Guo S H, Tang T, et al. Using benthic diatom-based multi-metric indices to assess ecological conditions of the Chishui River[J]. Environmental Monitoring in China, 2020, 36(3): 94-104. |
| [45] |
孙世鹏, 孔超, 陆欣鑫, 等. 暴雨期前后库里泡底栖硅藻群落结构变化及其环境因子相关性[J]. 海洋与湖沼, 2021, 52(1): 162-174. Sun S P, Kong C, Lu X X, et al. Changes in community structure of benthic diatom and the environmental factors before and after rainstorm season in the Kulipao lake[J]. Oceanologia et Limnologia Sinica, 2021, 52(1): 162-174. |
| [46] |
杨佳星, 蔡德所, 姚文婷, 等. 基于GAM模型的硅藻群落与环境因子相关性分析[J]. 人民长江, 2020, 51(6): 43-48. Yang J X, Cai D S, Yao W T, et al. Analysis on correlation of diatom community and environmental factors in Longjiang River based on GAM model[J]. Yangtze River, 2020, 51(6): 43-48. |
| [47] |
陈瑜, 景明, 高昕, 等. 太湖(苏州辖区)出入湖水体着生硅藻群落分布特点[J]. 环境科技, 2020, 33(5): 59-64. Chen Y, Jing M, Gao X, et al. Distribution characteristics of diatom communities in Taihu Lake watercourse (Suzhou area)[J]. Environmental Science and Technology, 2020, 33(5): 59-64. |
| [48] | 孙世鹏. 安肇新河流域底栖硅藻群落构建机制及其多样性格局[D]. 哈尔滨: 哈尔滨师范大学, 2021. |
| [49] |
秦斌, 兰晶晶, 王浩, 等. 北运河城区段着生硅藻群落结构及水质分析[J]. 北京水务, 2021(4): 28-34. Qin B, Lan J J, Wang H, et al. Community structure of benthic diatom and water quality analysis in the city section of the North Canal[J]. Beijing Water, 2021(4): 28-34. |
| [50] |
张纪晖, 周成旭, 李冬玲, 等. 福建敖江口表层沉积硅藻空间分布特征[J]. 热带亚热带植物学报, 2021, 29(6): 597-604. Zhang J H, Zhou C X, Li D L, et al. Diatom distribution in surface sediments of Aojiang River estuary in Fujian, China[J]. Journal of Tropical and Subtropical Botany, 2021, 29(6): 597-604. |
| [51] | Falasco E, Bona F, Badino G, et al. Diatom teratological forms and environmental alterations: a review[J]. Hydrobiologia, 2009, 623(1): 1-35. |
| [52] | Pandey L K, Kumar D, Yadav A, et al. Morphological abnormalities in periphytic diatoms as a tool for biomonitoring of heavy metal pollution in a river[J]. Ecological Indicators, 2014, 36: 272-279. |
| [53] | Corcoll N, Bonet B, Morin S, et al. The effect of metals on photosynthesis processes and diatom metrics of biofilm from a metal-contaminated river: a translocation experiment[J]. Ecological Indicators, 2012, 18: 620-631. |
| [54] |
徐伟义, 王志强, 张桐菓. 淮河流域河南段水环境空间异质性分析[J]. 湿地科学, 2017, 15(3): 425-432. Xu W Y, Wang Z Q, Zhang T G. Spatial heterogeneity analysis of water environment in the Huaihe River Basin of Henan Province[J]. Wetland Science, 2017, 15(3): 425-432. |
| [55] |
殷守敬, 吴传庆, 王晨, 等. 淮河干流岸边带生态健康遥感评估[J]. 中国环境科学, 2016, 36(1): 299-306. Yin S J, Wu C Q, Wang C, et al. Remote sensing assessment of ecological health of the riparian buffer along Huaihe River[J]. China Environmental Science, 2016, 36(1): 299-306. |