论文部分内容阅读
多参数(multi-metric index,MMI)指数的实质就是生物完整性指数,计算MMI的过程中需要综合代表不同生物学特征(例如:物种组成、结构、耐污值和功能多样性)的一系列生物参数,因此MMI反映了评价点位生物群落结构和功能的完整性。多变量指数(multi-variate index,基于RIVPACS模型的Observed/Expected[O/E]指数)是测量物种组成完整性的重要的指标之一,该指数通过比较监测点位的实际观测到的物种数与缺少明显人为干扰情况下该点位期望出现的物种数来评估样点物种组成的受损程度。目前,中国环境监测部门正大力推进MMI指数的应用,但几乎没有对能够测量物种组成完整性的O/E指数的研究和推广。 在利用MMI和O/E指数进行水质生物评价的过程中,高稳定性是保障评价结果可靠性的前提;如何提升生物指数的稳定性是水质生物评价的重要问题。引起MMI和O/E指数稳定性变化的原因是多方面的,本研究分析了自然变量、采样个体数和参照点位的质量与代表性等3种因素对MMI和O/E指数稳定性的影响,并尝试探讨降低这些影响因素作用的方法或途径。 一直以来,预测模型的方法都可以很好地控制自然梯度对O/E指数的影响;同时也有研究证明预测模型方法可以提高MMI指数的稳定性,但国内尚无利用预测模型方法控制自然变量并构建MMI的研究。野外采样的样本大小是生态学和环境学研究与实践长期关注的基础问题,我国溪流水质生物评价实践中,一直缺乏关于单个样点样本大小(个体数)的研究。构建MMI和O/E指数的参照点位组合应该由受到最少干扰的,且能够代表研究区域所有自然梯度的点位组成,但在参照点位选择过程中,研究人员通常关注于如何设定高等级的物理或者化学或者物理栖境标准获得高质量的参照点位,而忽略参照点是否能够很好的代表研究区域的自然梯度范围;目前为止,还没有关于参照点位代表的自然梯度范围的大小如何影响生物指数评价能力的研究。 本研究的目的是利用预测模型的方法构建MMI和O/E指数进行水质生物评价,同时检验不同大型底栖无脊椎动物个体数,以及拥有不同质量和不同研究区域自然梯度代表性的参照点位对评价结果的影响。本研究使用的底栖动物数据包括作者在野外采集的部分底栖动物数据,以及实验室积累的底栖动物数据。 本研究的创新点:(1)证实应用多季节与多年份的底栖动物数据,采用预测模型的方法构建MMI,仅利用聚类分析和t检验构建MMI可以有效降低MMI构成参数的的冗余性,并提高MMI的表现力;(2)结合采样个体数影响自然变量对生物组成和生物参数解释量的关系,初步提出我国华东地区溪流水质生物评价时,样点最少野外采样个体数450;(3)利用野外采集的数据证明了在每个生态分区内选择参照点位不仅可以扩大参照点位覆盖的自然梯度范围,提高参照点位质量和代表性,而且可以显著提升生物指数评价能力的假设。 一、利用预测模型提高MMI和O/E指数的表现力:以中国季风气候区溪流为例 利用中国季风气候特征下的浙江省溪流底栖动物数据,采用随机森林模型(Random Forest,RF)的方法构建控制自然变量后的MMI和O/E指数,并比较控制自然变量和原始MMI和O/E指数的表现力。研究目的是:1)构建生态学和统计学层面都较稳定的,对自然环境梯度不敏感的MMI和O/E指数;2)发展较稳定的,可以最大化生物参数相互独立性的构建MMI的方法;3)评估剔除稀有物种对控制自然变量和原始O/E值的影响。利用聚类分析和t检验从55个候选生物参数中选择了7个控制自然变量后的构成生物参数构建控制自然变量的MMI。与原始MMI相比,控制自然变量的MMI拥有更高的精确度和生态学意义。同时,控制自然变量对生物参数的影响后,不仅可以降低所有最终生物参数之间的平均Pearson相关系数,而且可以降低它们之间的最大相似系数。用于O/E指数计算的物种被采集的可能性会显著的影响参照点位的平均期望丰富度和O/E指数的表现力。在不同的物种被采集可能性的阈值下,所有控制自然变量的O/E指数的除敏感性以外的表现力均强于它们相对应的原始O/E值。在计算过程中剔除稀有物种的影响后构建的O/E指数的敏感性和响应性要优于利用所有物种构建的O/E值和MMI的敏感性和响应性。本研究的结果显示,无论是用于MMI构建的生物参数还是用于O/E指数构建的物种组成,均与自然环境梯度的异质性有强烈的相关性,这个结果意味着,无论是MMI还是O/E指数的计算都需要基于特定点位的预测结果,而随机森林模型可以对特定点位的生物状况进行很好的预测。 二、不同采样个体数对预测溪流底栖动物群落组成及生物指数的影响 使用中国季风气候区浙江省中部和北部四个不同流域的溪流点位的数据,评价了不同采样个体数对大型底栖无脊椎动物的物种丰富度、区分不同点位和点位类群的能力和控制自然变量前后的MMI和O/E指数表现力的影响。利用计算机软件采用不放回随机采样法,每个样点随机抽取50头,100头,150头…,500头个体,这些不同的采样个体数被看做在野外不同采样强度下的采样结果,然后估计能够采集到95%的真实物种丰富度的最少个体数。同时,估计不同采样个体数对区分不同点位和不同点位类群能力的影响,以及估计不同的采样个体数对MMI和O/E指数的精确度、敏感性和响应性的影响。研究结果发现,随着采样个体数的增加,平均物种积累丰富度也随着增加,同时,物种丰富度占真实物种丰富度的比例也在增加。当采样个体数达到150头和200头个体数时,才能够分别有75%和95%可能性采集到75%的真实物种丰富度。通过将真实物种丰富度的百分比与log转换后的采样个体数进行简单回归分析后可以得出,至少需要1500头个体才能够采集到95%的真实物种丰富度。区分不同点位和不同点位类群的能力也随着采样个体数的增加而增强。较大的采样个体数仅仅明显地增加了控制自然变量的O/E50(也就是使用可能采集到的概率超过50%的物种计算的O/E值)的表现力,但并没有明显地增加控制自然变量和原始MMI和O/E0(也就是利用所有物种计算的O/E值)和原始O/E50的表现力。本研究还发现,不同的采样个体数可能会影响自然变量对生物组成和生物参数的解释量,因此最终会影响控制自然变量的生物指数的表现力。用于MMI构建的生物参数的类型和稀有物种的存在被认为是影响最终生物指数表现力的可能原因。综上所述,本研究发现不同采样个体数会影响底栖动物的丰富度和区分不同点位及不同点位类群的能力,但不能够影响MMI和O/E指数的表现力。最后,在中国发展并构建出适合中国的标准化采样方法之前,本研究仍然建议使用物种稀释的方法,或者使用随机抽样的方法从样本的所有个体中采样到至少450头个体来最小化由于不同的研究目的、不同采样工具、不同采样时间、不同重复数量和不同采样强度引起的采样误差。 三、参照点位质量及其代表性对MMI和O/E指数表现力的影响 利用采集自浙江流域和漓江流域的多季节和多年份的数据,采用不同的选择参照点位的方法,在浙江和漓江流域分别选择三组由不同参照点位组成的参照点位类群:方法1,在整个研究区域内设定筛选参照点位的物理和化学标准,然后选择参照点位;方法2,根据研究区域的优势环境梯度将研究区域进一步划分小区域,然后设定每个小区域内独立的参照点位标准筛选参照点;方法3,在方法2的基础上,在每个小区域内使用比方法2更宽松的选择标准选择参照点位。对于每个参照类群,利用多变量的nearest-neighbor方法计算监测点位是否处于参照点位覆盖的自然梯度范围内,比较不同参照类群的对监测点位的覆盖程度。最后,比较不同参照类群的MMI和O/E指数的表现力。结果表明,相对于方法1选择的参照点位,通过海拔和流域面积将研究区域分为小区域后的选择参照点位的方法(方法2和方法3),增加了来自不同自然环境梯度的参照点,有超过2倍的监测点位被标记在了参照点位覆盖的自然梯度范围内。增加的对研究区域的代表性仅仅提高了一个研究流域内的MMI和O/E指数的精确度的绝对值(6-44%),但同时提高了两个研究流域的控制自然变量后的O/E值的相对精确度。生物指数的响应性和敏感性取决于参照类群和生物指数的类型,总体而言,无论控制自然变量的还是原始的MMI,参照类群2和参照类群3比参照类群1构建的拥有更高的响应性。但在所有的参照类群内,O/E50指数并不总是比它们对应的原始O/E50拥有更高的响应性。在两个研究区域内,参照类群2和3的原始MMI,O/E50和控制自然变量的O/E50指数的敏感性要低于参照类群1的敏感性。同时研究结果发现,使用仅拥有较高质量的,但不能够代表研究区域的所有自然梯度的参照点位构建MMI时,不仅会影响用于MMI构建的生物参数的选择,而且限制了构建的MMI能够应用到的监测点位的空间范围。因此,根据优势环境梯度将研究区域分为小区域,然后在每个小区域内设定对应的、严格的参照点位选择标准选择参照点位,可以保证不仅能够选择到拥有较高质量的参照点位,而且可以保证这些参照点位可以覆盖研究区域的所有自然梯度,因此可以提高对点位进行生物评价的能力。