基于GAM模型的硅藻群落与环境因子相关性分析

作者:网站采编
关键词:
摘要：为了提高河流生态安全控制水平，减少或避免水生态安全事故的发生，降低事故危害，需采用合理的水质监测手段，有效地对河流污染进行防治、预警[1]，而理化监测与生物监测方法被

为了提高河流生态安全控制水平，减少或避免水生态安全事故的发生，降低事故危害，需采用合理的水质监测手段，有效地对河流污染进行防治、预警[1]，而理化监测与生物监测方法被认为是其中最基本的监测手段[2]。

大量研究结果表明，当水体的富营养化、酸化、重金属污染发生时，硅藻群落会响应这些变化，因此，硅藻群落结构被许多生态学家用于评价水质。外部环境因子对硅藻群落的影响主要可以从两个层次进行描述。在大的流域尺度上，土地利用、地形、地质特征、流域面积以及水质对硅群落分布的影响明显；在小的空间尺度上，如河段尺度，河流物理生境、河流形态、河道水文条件、水质都与硅藻的分布有关。硅藻群落与环境因子的关系主要通过统计分析方法得以实现，通过排序和分类可以量化出各个环境因子对硅藻群落组成的贡献率，从而解释硅藻群落与水环境因子的关系。

人类活动对河流影响的增加,使得生物多样性降低。在高度受影响的水体环境中,微生物群落被证明是更敏感的生态健康指标。生物完整性指数(Index of biotic integrity,IBI)是水生态系统健康评价常用指标之一。IBI指数的大小也受到各种水环境因子的影响。吴述园[3]采用藻类建立的IBI指数发现，该指数与总磷、氨氮和电导率之间的关系极显著，与流速呈负相关；王备新[4]利用底栖动物建立的IBI指数也证明了其与电导率和生境质量之间的关系。模型GAM是一种基于数据的模型，其优点在于能够解决响应变量与预测因子间的高度非线性和非单调关系，其本质是用高阶的多项式来模拟响应变量与预测因子之间的关系，其数据决定了响应变量与预测因子之间的关系[5]。因此，本文采用GAM模型研究IBI指数与各种水环境因子之间的相关关系。

1 材料与方法

1.1 研究区域概况

龙江流域主要位于广西的西北部，在东经107°00′～109°20′和北纬24°00′～26°00′之间。处于云贵高原向广西盆地的过渡地带，包括广西、贵州两省区的交界地区，发源于贵州三都县月亮山西南侧，流经贵州荔波县、广西南丹县、环江县、河池市、宜州市，至柳城县南丹村附近与融江汇合后注人柳江[6]。龙江全长390 km，集水面积16 900 km2，总落差400 m，多年平均径流量131亿m3，干流自西北流向东南。

1.2 样品采集与处理

2014年5月在龙江进行现场采样，样点布设如图1所示，在每个断面附近100 m处采集4～5块河底石头，刷取石头上的藻类，刷下的藻类装入样本瓶后加甲醛保存。流速采用便捷式流速仪测定，其他理化参数按照标准测定。硅藻样品用30%的双氧水和35%的盐酸处理后制片，参照Krammer和Lange-Bertalot[7]的分类系统，每个样点计数400个藻左右。

图1 龙江样点分布Fig.1 Sample sites distribution of Longjiang River

1.3 数据处理

在处理分析数据前，为减小各指标量纲和数量级不同带来的误差，对所有环境因子数据进行lg(x+1)转换。为使种群数据集中，减小杂乱信息干扰，得到更明显的变化趋势，保留至少在两个样点中相对丰度大于1%的种类，物种数据进行平方根转化。除趋势对应分析DCA检验样方-硅藻相对丰度矩阵，获得硅藻物种的单峰响应值，即DCA前两轴的梯度长度SD，若SD最大值大于2，即认为单峰响应模型是研究底栖硅藻群落特征的合适模型，同时单峰响应模型CCA是研究硅藻群落与环境变量变化关系的合适模型。以上分析过程在生态统计软件Canoco 4.5中完成[8]，采样点水质特征如表1所示。

1.4 相关分析

响应变量Y(IBI指数)与解释变量X(水环境因子)之间的相关关系利用GAM实现，其公式为

式中，g[E(Y/Xi)]为联系函数，a0为截距，fi(xi)是第i个解释变量与响应变量之间的函数关系式，ε为随机变量。

本文采用的模型为g[log(IBI+1)]=a0+f(TP)+ε，式中的TP亦可替换成其它的环境因子，为了防止IBI出现零值，本文采用IBI+1，并进行对数处理。

模型后评价采用的指标主要有广义交叉验证偏差(Generalized cross-devianced,GCV)、F检验的P值、调整后的决定系数(adjusted R-Square)、偏差变化量(Deviancevariation)[9]。前两个指标数值越小，模型效果越好，后两个指标数值越大，模型效果越好。模型建立与实现在R语言中完成[10]。

2 IBI与水环境因子关系

对物种和环境因子进行分析，DCA分析前两轴中梯度长度最大值为2.664大于2，因此采用CCA分析物种与环境因子之间的关系。其中第一轴到第四轴的特征值分别为为0.257，0.190，0.097与0.068，说明排序图反映的硅藻和环境因子关系表现良好。物种与环境CCA排序轴的相关系数各为0.933，0.842，0.813与0.697。CCA前四轴共解释了硅藻群落与环境关系变化率的74.8%，其中前两轴解释了54.6%，同时，前两轴的物种与环境因子也是显著相关的。CCA第一轴与总磷、总氮、氨氮、高锰酸盐指数、电导率正相关，与海拔负相关；CCA第二轴与pH负相关，综合而言，第一轴主要与营养盐有关，第二轴与水体物理指标相关。10个环境因子中，对物种分布影响最小的是温度，其典范特征值为0.06，影响较大的为总氮、氨氮、总磷以及电导率，其典范特征值分别为0.190，0.185,0.185和0.150。环境因子CCA排序如表2所示，CCA物种-环境排序图如图2所示。

文章来源：《黑龙江科学》 网址: http://www.hljkxzz.cn/qikandaodu/2021/0121/907.html

上一篇：多彩龙江释放新活力
下一篇：黑龙江：扎实推进殡葬改革 让人民群众“逝有所