硅藻指数在龙江与刁江流域生态健康评价中的应用

张 昆，蔡德所，林金城，散剑娣，谢紫珺

（1.三峡大学水利与环境学院，湖北宜昌443002；2.中国电建集团贵阳勘测设计研究院有限公司，贵阳550081）

1 研究背景

在河流生态系统中，藻类是水体中的初级生产者，对污染物反应灵敏，且群落结构组成随着水体生态环境的变化而变化，常被用于水质监测和评价［1］。不同的底栖硅藻具有不同环境的耐受性，它们固着生长，不能通过迁移或其他形式来躲避污染的危害，对环境变化能够迅速做出响应［2］，对环境变化如富营养化、酸化、土地利用和污染等干扰非常敏感，在淡水系统中被认为是有力反映水质状况的指示物种［3］，许多研究者们利用数理统计的方法，挖掘硅藻群落与水环境因子的响应关系，开发了具有地域特色的各种硅藻指数。硅藻指数主要优点是计算相对简便，将数据整理好导入软件得出结果，即可根据该计算结果数值判定该区域的水生态健康质量。

本文研究区域为龙江与刁江流域，以目前成熟的十六项硅藻指数，通过因子分析、聚类分析、箱型图分析等多种统计分析方法研究硅藻指数在该流域的适用性，对该地区河流水生态状况作出科学合理的解释，为以后水生态相关研究提供理论依据。

2 研究地区与方法

2.1 研究区域概况

地理位置位于广西壮族自治区西北角，属于河池市境内并且有着独特的卡斯特地貌以及亚热带季风气候的刁江与龙江，常年日照总时长不低于1 400 h，全年平均温度处于17～21.5 ℃的范围，全年平均降雨量为1 200～1 600 mm。作为河池地区的河流，刁江和龙江起着非常重要的作用，在各个河段分布着中、小型水利设施，在水力发电、渔业养殖也有重大贡献，在本地区的经济发展、基础建设以及居民生活具有举足轻重的作用［4］。

2.2 采样点布设

本次采样时间为2014年8月，属于丰水期，包括龙江16（S1～S16）个样点，刁江16（S17～S32）个样点，共32 个样点，具体采样点地理位置分布见图1。

图1 河池地区各个采样点分布图Fig.1 Distribution of sampling points in Hechi area

2.3 硅藻样品采集与处理

参考欧盟相关技术标准EN-13946（2003）［5］，采样点应为地势开阔无遮挡，选择合适水深处的石头或水生植物的水中部分进行采集。有相关研究认为不同的基质上硅藻的类型会出现一定的差异［6］。故每个样品应选用不少于的5 块石头，并用干净的牙刷对石头的向阳面进行刷洗，加入4%浓度的甲醛溶液于250 mL样品瓶中密封保存。

样品运回实验室后，进行酸化处理（浓硝酸和浓硫酸体积比为1∶1），并制成硅藻封片，在1 000 倍光学显微镜（OLMPUS BX51）下进行鉴定计数，每张封片观察到的硅藻细胞个数不少于400个［7］。

2.4 理化数据采集

按照《水和废水监测分析方法》［8］进行水样采集及测定。采用Hydrolab DS5 多参水质分析仪，现场测定的参数有pH 值、溶解氧DO、电导率Cond、水温T、流速V、水深H；手持GPS 测定采样点地理位置信息，包括海拔、经纬度。其他化学指标委托广西水环境监测中心进行测定：总磷TP（钼酸铵分光光度法GB11893-1989）、总氮TN（紫外分光光度法GB11894-1989）、氨氮NH4-N（纳氏试剂分光光度法GB7479-1987）、硝氮NO3-N（酚二磺酸分光光度法GB7480-1987）。

2.5 数据处理

根据文献［9-23］得出，对目前成熟的16 项硅藻指数在龙江与刁江进行水质健康评价，硅数介绍如表1所示。

2.5.1 硅藻指数计算及水质等级划分

16 项硅藻指数中，其中，IDAP，EPI-D，IBD，SID，TID，IPS，SLA，DES，IDG，LOBO，IDP，DI-CH，TDI，都是基于Zelinka 和Marvan 加权平均方程得出［24］，各项硅藻指数通过软件Omnidia 6.0 计算获得，为方便对比，将所有指数转换成0～20 分制，得分越高说明水质越好，反之则越差。

式中：a为物种相对丰度；s为物种敏感值；v为物种指示值；i为物种；N为物种总数。

2.5.2 硅藻指数的优选与评估

在硅藻指数的优选与评估过程中，主要进行以下分析：

（1）分析16项硅藻指数与水质理化指标之间的相关关系；

（2）将所有水质指标进行因子分析，即降维处理；

（3）以影响较大主成分因子得分数据矩阵对样品进行Q 型系统聚类分析；

（4）将16 项硅藻指数在各个类群的分布情况作箱形图分析，选出对不同水质类别反应变化较大的，即敏感性较好，另外各个样点之间重叠率在合适范围内，以确保硅藻指数有较好的辨别力。其中箱形图最上端与最下端分别为上四分位数和下四分位数，箱子中的横线代表样本中位数；

（5）将所有样点进行双向指示种分类TWINSPAN，对每个分类群的优势种进行分析，按照van Dam［26］硅藻生态类群划分及欧洲硅藻数据库European Diatom Database 和美国硅藻DIA⁃TOMS of the United States 提供的藻类生态偏好，对各个个组群进行水体质量初步评估；

表1 硅藻指数简介Tab.1 Diatom indexes and introduction

表2 水质状况分类标准［25］Tab.2 Water quality classification criteria［25］

（6）将经过步骤（4）优选后的硅藻指数再次作箱型图分析，同样确保较好的辨别力外，还要对步骤（5）中各个水质类别做出正确的较正确的判断；

（7）将经过步骤（6）优选后的硅藻指数进行水质评价，并参考水质评价标准。

3 结果分析

3.1 硅藻群落结构特征

鉴定结果显示表明，在河池地区的两条流域内共鉴定出硅藻31 属162 种，龙江与刁江流域分别鉴定出硅藻28 属121 种、硅藻23 属114 种，含变种和亚种。其中舟形藻属种数最多，共39 种，菱形藻属、曲壳藻属、桥弯藻属、异极藻属分别为24 种、20种、14种、11种，其余藻属均未超过10种（图2）。

图2 龙江与刁江流域硅藻各属类物种丰富度Fig.2 Species richness of diatoms in the Longjiang and Diaojiang basins

两条流域的主要优势属为舟形藻属，菱形藻属，曲壳藻属，桥弯藻属，异极藻属，并分别占比24.07%、14.81%、12.34%、8.64%、6.79%，其余藻属总占比33.33%（图3）。

图3 硅藻属分类占比Fig.3 Classification of diatoms

3.2 硅藻指数与环境因子相关性分析

本章节中选取了水质指标包括（总磷TP、总氮TN、氨氮NH4-N、硝氮NO3-N，水温T，溶解氧DO，电导率Cond，pH，流速V与水深H）与16 项硅藻指数进行皮尔逊相关系数分析。结果显示（表3）参与优选的硅藻指数与环境因子都有不同程度的相关关系，尤其是一些显著相关的硅藻指数能够较好地反映水环境的改变，但并不代表所有硅藻指数都适合刁江与龙江的水质评价，需要对参数进行因子分析，以进一步验证评价指数的可靠性。

表3 硅藻指数与各项水质因子的皮尔逊相关情况Tab.3 Pearson correlation between diatom index and water quality factors

3.3 根据水质主成分因子分类的硅藻指数优选

在进入因子分析前，先对水质参数统计量进行KMO（Kaiser-Meyer-Olkin）检验及巴特雷特（Bartlett）球形度检验。检验结果显示：理化参数统计量检验KMO=0.513＞0.5，巴特莱特值为126.352，sig＜0.01。证明水质参数具有一定的相关性，适合进行因子分析。

以选取的水质参数作为原始变量，因子抽取方法选择主成分分析，为了在降维后获得更好因子解释量，并保证降维效果，暂且将抽取特征值大于1的主成分因子。由于公因子是非观测变量，为避免单个水质参数可能同时拥有两个以上因子隶属关系，将采用方差极大正交旋转方法进行因子轴旋转，便可得到互不相关的因子矩阵。

根据表4结果显示，龙江和刁江的因子提取共同度都超过0.5，提取效果比较理想；按设定的特征根阀值，经过因子旋转后，抽取了前4 个主成分因子，从表6可以看出，第一主成分因子特征根为2.122，方差贡献率为21.215%；第二主成分因子特征根为1.968，方差贡献率为19.675%；第三主成分因子特征根为1.863，方差贡献率为18.631%；第四主成分特征根为1.765，方差贡献率为17.653%。前4 个主成分因子累积方差贡献率达到了77.174%。说明选择前4 个主成分因子是合理的，因子分析的效果比较好。

表4 水质参数统计量的KMO及Bartlett球形度检验Tab.4 KMO and Bartlett sphericity test of water quality parameter statistics

表5 因子提取方差Tab.5 Factor extraction variance

表6 各个因子解释的总方差Tab.6 Total variance of explanations for each factor

为获得各个样品在4 个公因子上的取值，需要计算出各个样品的因子得分值，把公因子表示成各个原始变量的线性组合。求因子得分的常用方法有Thompson 法、Barttlett 法和Anderson-Rubin 法，本文选择系统默认的基于最小二乘法Thompson 方法进行因子得分估计。以公因子为因变量，原始变量为自变量的回归方程为［27］：

式中：F为因子；j为因子序数；β为因子得分系数；p为各个参数；X为参数原始值。

表7 因子得分系数矩阵Tab.7 Factor score coefficient matrix

最终通过因子得分系数矩阵，将公因子以原始变量的线性组合表示为：

通过公式计算每个样点在各个主因子轴的因子得分（表8），以前4 个主成分因子得分数据矩阵分别对所有的样品进行Q 型系统聚类分析，测量方法选择组间联接（Between-groups linkage），距离种类选择皮尔逊相关（Pearson cor-relation）。聚类分析结果树状图如图4，将所有样点大致分为4 个类别，分别为A1（S1，S2，S3，S6，S7，S9，S12，S21，S31）、A2（S8，S10，S11，S13，S14，S16，S30）、A3（S4，S5，S15，S27，S32）、A4（S17，S18，S19，S20，S22，S23，S24，S25，S26，S28，S29）。结合样点分布图及水质理化指标，依次分为4 个水质类别的集群。

表8 因子得分数据Tab.8 Factor score data

通过Omnidia 6.0 计算16 项硅藻指数，各个指数值见图5。各项硅藻指数在4 类水质类别箱型图中都出现一定程度的差异，从16 张箱型图中可以看出，指数IBD、SHE、SID、IPS、CEE、DICH、IDG 都有随着水质类别等级不同，出现比较明显的变化趋势，说明判别能力相对比较强，其他的指数在各类别水质中变化并不明显。经过初步筛选后，选择IBD、SHE、SID、IPS、IDG、CEE、DICH 7项指数进入下一步评选。

3.4 根据双向指示种分类的硅藻指数筛选

双向指示种分析TWINSPAN 广泛的运用于植物研究中，在CA/RA 排序的基础上对数据进行样方分类和种类分类［28］。剔除在所有样品中偶见种后，根据数据范围，设置合适的切割水平为3，最小分类组容量小于3即停止分类。

所有样点分类结果如图6，主要分为a，b，c，d 4 个组群。其中a 组样点中的主要优势种包括了Achnanthes minutissima、Achnanthes biasolettiana、Achnanthes biasolettia-na var.subato⁃mus、Achnanthes lanceolata. ssp 、Achnanthidium pyrenaicum、Cocconeis placentula var.lineata、Cocconeis placentula、Achnan⁃thes minutissima var.jackii、Achnanth-es reimeri、Gomphonema minutum、Cymbella tumidula var lancettula、Encyonopsis leei；b 组样点主要优势种包括了Achnanthes minutissima、Achnanthes biasolettiana var.subat-omus 、Encyonopsis leei、Melosira varians、Anomoeoneis vitrea、Achnanthes lanceo-lata. ssp、Achnanthes minutissima var.jackii 、Nitzschia paleacea、Cocconeis placentula、Bacillaria paradoxa、Nitzschia palea 、Navicula cryptotenella；c 组样点主要优势种包括Achnanthes minutissima、Navicula atomus、Amphora montana、Nitzschia palea；d 组样点主要优势种包括Achnanthes minutissima、Amphora montana、Nitzschia palea、Nitzschia paleacea、Fragilaria ulna、Nictzshia fonticola。

图4 32个样点系统聚类分析情况Fig.4 32Clustering analysis of sample system

根据Van Dam［26］硅藻生态类群划分及European Diatom Da⁃tabase 和DIATOMS of the United States 提供的藻类生态偏好，对以上几个组群进行水体质量评估。Achnanthes minutissima 能够在多种类型水体中生存，有较宽的生态指示值，其在每个样点都以一定的相对丰度出现，属于极端多的种类，对于分类排序不一定能提供有用的信息，但其以绝对的优势存在于某一个样点中。Navicula atomus 属于α-中强污染类型藻类，适合生存在Ⅲ-Ⅳ类水体中；Cymbella tumidula var.lancettula是喜磷TP的种类；Surirella angusta 经常出现在富营养及β-中污染水体；Nitzschia palea、Nitzschia palea-cea、Nitzschia fonticola 这3 类菱形藻属在低溶解氧、富营养状态水体中大量出现，尤其是Nitzschia palea 能够指示重度污染水体，属于强耐污种；Fragilar⁃ia ulna 在α-中强污染水体中出现频率也较高；Achnanthes bi⁃asolettiana 喜碱性，不指示污染类型；Achnanthes reimeri 属于低营养低离子含量类型藻属；Navicula cryptotenella、Gomphonema minutum 有相近生态指示值，常出现在β中污染、Ⅱ类水体中；Encyonopsis leei 中性藻类，无机盐含量较高的水体中频繁出现；Melosira varians 浮游硅藻，属于α-中污染指示类型，适合在Ⅲ类水体中；Luticola plausibilis 与Cocconeis placentula 及其变种的腐殖度为β-中污染的Ⅱ类水体；Achnanthes minutissima var.jackii 和Anomoeo-neis vitrea 是轻度污染水体指示种；Navic⁃ula halophila 倾向于α-中污染及富营养水体中；Cymbella turgid⁃ula在中富营养状态的水环境中较多发现；Amphora strigosa是耐盐碱性种；Bacillaria paradoxa 低需氧型，比较适应在富营养及α-中强污染的水环境中。

综合各个组出现的优势种的生态特性、优势种丰富水平及均匀性，将a，b，c，d四组样点以水质优劣排序，a组水质最好，其次是b组，c组较差，d组最差。

将上一步筛选出来的指标（IBD、SHE、SID、IPS、IDG、CEE、DICH），按照以上排序组进行箱型图分析。结果显示（图7），IPS、IDG、CEE 3项指数整体按照水质等级递减而成明显的下降趋势，且没有较大的两极差异和重叠部分，另外3项指数则成波动的趋势或者在两类不同水质之间辨别能力较弱。经过进一步筛选后，优选出IPS、IDG、CEE 3 项指数，可作为本地区河流水质监测的生物指标。

图5 16项硅藻指数在四类别水质中分布箱型图Fig.5 Distribution box chart of sixteen diatom indices in four types of water quality

图6 TWINSPAN分类树状图Fig.6 TWINSPAN classification tree

3.5 硅藻指数评价水质

结果显示，IPS，IDG，CEE 3项硅藻指数评价整体较为一致，只在个别样点出现判别差异，且3 项指数在各个样点的指数值都比较接近，并未出现极端现象，其中IDG 在这6个样点中相对于IPS，CEE 两项指数判别水质生态等级略微好一点。从综合水质等级上来看，判别为良好水质生态等级的样点，其中龙江样点占11 个，而刁江样点仅占4 个，中等水质生态等级的样点中龙江样点为4 个刁江样点为7 个，差等水质生态等级的样点均为刁江样点，因此，通过龙江中的样点（S1～S16）与刁江中的样点（S17～S32）对比，龙江水质整体水平要好与刁江。

图7 7项硅藻指数在各等级水质中的分布箱型图Fig.7 Box diagram of seven diatom index distribution in water quality of different grades

表9 IPS、IDG、CEE 3项硅藻指数的水质评价结果Tab.9 Water quality evaluation results of IPS，IDG and CEE diatom indices

4 讨 论

结果表明，在龙江与刁江流域中舟形藻属、菱形藻属、曲壳藻属、桥弯藻属、异极藻属物种数最高，占比66.7%。舟形藻属、菱形藻属多存在于低溶解氧、富营养状态水体及水体透明度较低的环境中。受流域周边人为活动和农业生产影响，使得氮磷含量增加，水体富营养化，相比于其他藻类而言，更有利于其生存并成为优势属。

龙江流域水质和生态环境质量从上游到下游水质状况良好，某些样点可能受到轻微人为因素影响，使水质状况由良好转为中等。刁江流域水质上游较好，中下游水质状况较差，受采矿活动及农业生产影响较大，生态环境遭到一定破坏导致。根据广西2014年8月水资源质量通报显示，龙江整体水质达到了Ⅱ类及以上，刁江河段水质较差，多处断面为Ⅳ类以下，明显刁江的水质状况较低于龙江水质。以上通过硅藻指数对水质评价的结论与理化指标评价的结论较为一致。

从硅藻指数与环境因子相关性分析得出，多数硅藻指数与TN、TP、电导率、pH 呈显著相关，与流速V 呈极显著相关。TP、TN是反映水体富营养化的重要指标，电导率由水体内溶解离子浓度决定［29］，表示水体的导电能力，间接说明出人类活动对河流生态环境的影响［30］，农业生产、化工废水废料排放增多，从而导致水体内溶解离子、总磷、总氮含量上升。

本文研究结果表明IPS、IDG、CEE 3 项指数可以作为该地区水质健康状况评价的生物指标。IPS 指数在许多地区都运用的比较广泛，IDG指数有着简便快捷省时，能够对流域的水生态状况快速评价等优点，在该地区的两条重要流域仍可作为生物指标，CEE 指数不仅在欧洲许多河流进行评价且效果显著，在该地区流域水生态健康状况评价中也有着不错的效果。但在基于法国水质监测建立的IBD 指数，在国外河流评价中有着良好的适用性，在我国的太子河流域、东江流域等河流评价中也有着显著效果［31］。但在该地区流域水质生态健康评价中却并没有得出很理性的效果。所以在引入一些硅藻指数时，如果未加以甄选就简单应用于本地区河流水质评价，可能会造成与现实差距较大的结果。

5 结 论

（1）鉴定结果显示表明，龙江与刁江共鉴定出硅藻31 属162种，龙江流域共鉴定出硅藻28属121种，刁江流域共鉴定出硅藻23属114种，其中舟形藻属种数最多，共39种，其次为菱形藻属和曲壳藻属分别为24种、20种。

（2）大多数硅藻指数与TN、TP、电导率、pH呈显著相关与流速V呈极显著相关，仅WAT指数与NO3-N显著相关。

（3）龙江与刁江水质健康评价过程中，认为IPS、IDG、CEE是比较适合河池地区水质评价的参考生物指数。

（4）龙江水质健康状况整体较好，73%的样点处于良好等级水质，少数为中等水质，无差等水质。刁江水质健康状况大多数处于中等及差等水质，差等水质样点处于下游位置，龙江水质整体水平好于刁江。 □