利用大型底栖无脊椎动物进行河流生态系统健康评价

Assessing the River Health Using Benthic Macroinvertebrate Assemblages

王备新

南京农业大学昆虫系 水生昆虫与溪流生态实验室

Beixin Wang

Laboratory of aquatic insects and stream ecology

Department of Entomology, Nanjing Agricultural University

wangbeixin@njau.edu.cn

Outline一、底栖动物介绍

二、底栖动物作为生物指示种的优点

三、河流健康的底栖动物学评价方法

四、利用底栖动物完整性指数B-IBI评价河流健康

五、利用RIVPACS模型评价河流健康

一、底栖动物介绍

底栖动物（benthos）是指生活史的全部或大部分时间生活在水体（溪、河、水库、湖）底部的水生动物

通常将不能通过500µm（0.5mm）孔径筛网的底栖动物称为大型底栖无脊椎动物（benthic macroinvertebrate）.

大型底栖动物中的无脊椎动物称为大型底栖无脊椎动物，包括昆虫纲的蜉游、蜻蜓、毛翅目、襀翅目等，甲壳纲的龙虾、水虱等，软体动物门的蚌、螺等，环节动物门的水蛭、水蚯蚓等。

扁形动物 线形动物环节动物—寡毛纲

环节动物—蛭纲

软体动物—腹足纲软体动物—瓣腮纲

昆虫纲Insecta

蜉蝣目 襀翅目 毛翅目

双翅目 鞘翅目 蜻蜓目

二、底栖动物作为生物指示种的优点

1. 水生态环境质量（水质/生境）的指示性好且准确，方便水环境管理实践的应用。

（1）极清洁水体指示种（Excellent): 蜉蝣目Ephemeroptera, 襀翅目Plecoptera, 毛翅目Trichoptera，脉翅目Neuroptera

（2）清洁水体指标种：蜉蝣目Ephemeroptera, 毛翅目Trichoptera，广翅目Megaloptera

（3）污染水体指示种：蛭纲Hirudina, 红摇蚊red chironomids, 水丝蚓属 Limnodrilus sp.

2. 生活周期长，活动能力弱，能够反应污染物的累积效应

大部分1年发生1代或2代

3. 个体大，较易鉴定或识别

绝大多数的类群凭肉眼就可以识别至科。

4. 采集方法比较简单，1-2人就可以完成野外采集。

三、河流健康的底栖动物学评价方法

1. 健康的河流

组成结构（物理、化学、生物）和功能（自然、生态、社会服务）

2. 河流健康的生物学评价方法

生物群落的结构与功能

能源河道特征

化学属性

水文

生物相互作用

（1）单个生物指数法 (BI: Biotic Index)

（2）生物完整性指数法（IBI)

（3）摄食功能类群分析法(Functional

Feeding Group)

（4）生物群落的生物属性法(Biological

traits) ----功能多样性

（5）落叶分解速率法

（6）预测模型法(RIVPACS)

三、利用底栖动物完整性指数B-IBI评价河流健康

1. 研究区域概况

西苕溪（30°23′~31°11′N，119°14′~120°29′E）位于太湖上游地区的浙西水利分区，发源于天目山，下游是长兴平原。干流总长157 km，流域面积约2200 km2，

2. Methods2.1 Field work 64 sampling sites

( 15 reference sites)

Five surber nets each site

8 environmental variablesincluding waterchemistry, habitat variables, watershed land use upstream of sampling sites

2.2 Data analysisStepwise evaluating 36 candidate

metrics. Crop, forest and urban land use in

upstream watershed of every site were analyzed using satellite image and a Digital Elevation Model.Statistical analysis was performed by

SPSS 16.0.

3. Results B-IBI was composed of seven metrics: Total taxa, EPT taxa, Coleoptera%, Three dominant taxa, (Hydropsychidae/Trichoptera) %, Filterers% Biotic Index (BI).

Fig.1 Box-plot of IBI in reference sites (R) and stressed sites (S)

Table 1. Narrative interpretations and their numeric criteria (n=64)

Excellent Good Fair Poor>4.64 3.15-4.64 2.34～3.15 <2.34

Relationship of B-IBI with environmental variables

Pearson’s coefficient=-0.431, (p<0.001, n=99) Pearson’s coefficient=0.482, (p<0.001, n=99)

Pearson’s coefficient=-0.403, (p<0.001, n=84) Pearson’s coefficient=-0.357, (p=0.001, n=84)

Sub-basin Riparian Localentire drainage upstream from sample point

200m buffer on each side of sample point extending length of the drainage network

200m buffer on each side of sample point extending 1km upstream

Morley and Karr (2002)

Fig. 2 the relationship among IBI and the percentage of forest land use, cropland use and urban land use at the sub-basin scale.

Pearson’s coefficient=0.471, (p<0.001, n=101)Pearson’s coefficient=-0.352, (p<0.001, n=101)

Pearson’s coefficient=-0.421, (p<0.001, n=101)

Fig. 3 the relationship among IBI and the percentage of forest land use, cropland use and urban land use at the local scale.

Pearson’s coefficient=0.655, (p<0.001, n=100)Pearson’s coefficient=-0.460, (p<0.001, n=100)

Pearson’s coefficient=-0.444, (p<0.001, n=100)

Pearson’s coefficient=0.633, (p<0.001, n=100)Pearson’s coefficient=-0.470, (p<0.001, n=100)

Pearson’s coefficient=-0.397, (p<0.001, n=100)

Fig. 4 the relationship among IBI and the percentage of forest land use, cropland use and urban land use at the riparian scale.

四、 利用RIVPACS模型评价河流健康

1. 原理

生物的分布受自然环境梯度（气候、地形地貌、土壤、温度、光照、降水量、海拔）等决定。可根据生物分布的规律与自然环境梯度之间的内在关系来预测生物可能的分布范围。

2. 理论假设

期望值E（Expected value):监测样点在受干扰前，可能具有的生物群落组成（物种名录和物种数）。

观测值O（Observed value): 期望出现的生物物种被实际调查到的数量。

O/E值（O/E value):监测样点偏离“正常位置”的“距离”，也可以认为是受干扰样点生物多样性丧失的程度 。

3. 发展历史及现状英国淡水生态研究所（Institute of Freshwater Ecology）于

1984年建立. 至2008年先后开发出了：RIVPACS II、RIVPACS III和RIVPACS III+ 。

澳大利亚1996年开发了AUSRIVAS 模型，目前已建立了适合不同生态区使用的48个相对独立的模型。

新西兰1998年建立了溪流健康监测和评价的预测模型SHMAK（Stream Health Monitoring and Assessment Kit）。

瑞典开发了适合本国溪流使用的SWEPACSRI和湖泊使用的SWEPACLLI模型。

加拿大的模型是BEAST(BEnthic Assessment of SedimenT)模型。

美国EPA和各州已开始构建和推广使用预测模型评价水体生态质量。

目前O/E指标是欧盟水框架计划最主要的生物评价指标之一。

AUSRIVAS

http://ausrivas.canberra.edu.au/

4、RIVPACS模型的构建

4.1 研究区域概况

• 漓江为珠江的上游河段，发源于兴安县猫儿山，

止于平乐，平乐以下江段称为桂江。漓江全长

164km，总流域面积6050km2 ，市区内长度

49.3km。

• 漓江流域属于亚热带温润季风气候，年均降雨量

达到1627mm，受季风影响，丰枯水季明显。

4.2.1 理化、生境和生物数据采集

2008年3月 35个样

点（20个样点）

2008年10月 39个样

点（28个样点）。

3月和10月皆采样的

样点数15。

Fig. 1 Benthos sampling sites in Lijiang River in Mar.

(left) and Oct. (Right)

4.2 材料与方法

4. 2. 2 构建RIVPACS模型的步骤（1）根据生物数据对样点进行分组，

（2）判别分析的方法确定与生物分组结果一致的一组环境变量，建立判别函数，

（3）预测监测点属于不同组的概率，

（4）计算不同分类单元在监测点可能出现的概率，

（5）确定在监测点期望出现的具体的分类单元（物种）。

环境数据

经纬度、海拔、河流的水面宽度、深度、平均流

速、最大流速 、pH、电导率、溶解氧、温度、

COD 、TN、TP等、底质组成等。

生物数据

底栖动物群落数据。

4.3 研究结果

Fig.2 Cluster results of reference sites using BC index

参照点分组结果

Predictor variables

深宽比、温度、底质类型I（≤2mm）、底质类型I（>256mm）

Predictive model validation

漓江源头猫儿山

Baetidae Baetis 四节蜉属 1 Ephemerellidae Cincticostella 带肋蜉属 0.802

Hydropsychidae Cheumatopsyche 纹石蛾属 1 Nemouridae Nemoura 叉襀属 0.801

Simuliidae 蚋科 1 Baetidae Baetiella 花翅蜉属 0.8

Tipulidae 大蚊 1 Leptophlebiidae facialis 宽基蜉属 0.796

Neochaliodes 斑鱼蛉属 1 Leuctridae Perlomyla 长卷襀属 0.796

Neoneuromus 齿蛉属 1 Heptageniidae Cinygmina 似动蜉属 0.607

Helodidae 沼甲科 1 Ephemerellidae Torleya 大鳃蜉属 0.605

Parapoynx crisonalis 草螟科 1 Euphaeidae 溪蟌科 0.605

Thalerosphyrus 短鳃蜉属 0.999 Hydrophilidae 水龟虫科 0.605

Philopotamidae 等翅石蛾科 0.999 Psephenidae 扁泥甲科 0.604

Elmidae 长角泥甲科 0.995 Gomphidae 春蜓属 0.602

Tabanidae 虻科 0.803 涡虫 0.593

Hydrobiosidae 螯石蛾科 0.802

E=20.8

O=22

O/E=1.057

表1. 漓江源头猫儿山期望出现的具体分类单元和实际观测到的分类单元及数量

Heptageniidae Cinygmina 似动蜉属 1 Euphaeidae 溪蟌科 0.889

Baetidae Baetis 四节蜉属 1 Hydrophilidae 水龟虫科 0.889

Hydropsychidae Cheumatopsyche 纹石蛾 1 Baetidae Baetiella 花翅蜉属 0.888

Simuliidae 蚋科 1 Ephemerellidae Uracanthella 角蜉属 0.886

Tipulidae 大蚊 1 Perlidae Neoperla 新襀属 0.778

Neochaliodes 斑鱼蛉属 1 Gomphidae Ophiogomphus 春蜓属 0.777

Neoneuromus 齿蛉属 1 Caenidae Caenis 细蜉属 0.777

Helodidae Scrites 沼甲科 1 Isonychiidae Isonychia 等蜉属 0.775

Crambidae 草螟科 1Potamomusa

midas 0.668

Heptageniidae Thalerosphyrus 短鳃蜉属 1 Ephemeridae Ephemera 徐氏蜉 0.667

Ephemerellidae Torleya 大鳃蜉属 1 Gyrinidae Gyretes 豉甲科 0.665

Hydrobiosidae 螯石蛾科 1 Baetidae Acentrella 0.665

Leptophlebiidae choroterpes 宽基蜉属 0.998 Psephenidae Psephenus 扁泥甲科 0.557

Tabamidae 0.889 Protohermes 星齿蛉属 0.554

Philopotamidae 等翅石蛾科 0.889 Pyralidae Petrophila 0.553

E=25.766

O=13

O/E=0.505

表2. 漓江中游兴坪期望出现的具体分类单元和实际观测到的分类单元及数量

E=25.698

O=12

O/E=0.467漓江下游荔浦河

Baetidae Baetis 四节蜉属 1 Euphaeidae 溪蟌科 0.888

Hydropsychidae Cheumatopsyche 心唇纹石蛾 1 Hydrophilidae Enochrus 水龟虫科 0.888

Simuliidae 蚋科 1 Baetidae Baetiella 花翅蜉属 0.886

Tipulidae 大蚊 1 Ephemerellidae Uracanthella 角蜉属 0.873

Neochaliodes 斑鱼蛉属 1 Perlidae Neoperla 新襀属 0.776

Neoneuromus 齿蛉属 1 Gomphidae Ophiogomphus 春蜓属 0.775

Helodidae Scrites 沼甲科 1 Caenidae Caenis 细蜉属 0.771

Crambidae 草螟科 1 Isonychiidae Isonychia 等蜉属 0.765

Heptageniidae Thalerosphyrus 短鳃蜉属 0.999 Potamomusa 0.671

Heptageniidae Cinygmina 似动蜉属 0.998 Ephemeridae Ephemera 蜉蝣属 0.665

Hydrobiosidae 螯石蛾科 0.998 Gyrinidae 豉甲科 0.66

Ephemerellidae Torleya 大鳃蜉属 0.997 Baetidae Acentrella 0.659

Leptophlebiidae choroterpes 宽基蜉属 0.991 Psephenidae 扁泥甲科 0.561

Tabanidae 虻科 0.89 Protohermes 星齿蛉属 0.55

Philopotamidae 等翅石蛾科 0.89 Pyralidae 草螟科 0.546

表3. 漓江下游荔浦河期望出现的具体分类单元和实际观测到的分类单元及数量

漓江预测模型 新南威尔士春秋两季激流预测模型

健康等级 模型O/E值 Bands O/E值

最佳 >0.984 X >1.1

健康 0.984-0.787（0.198） A 1.11-0.90

（0.22）

中等 0.786-0.591（0.198） B 0.89-0.67

（0.22）

一般 0.59-0.394（0.198） C 0.66-0.44

（0.22）

差 0.393-0 D 0.43-0

（4）O/E值评价水生态健康的标准

表3. 漓江及新南威尔士应用预测模型评价水质的分级标准

最佳

健康

中等

一般

差

Summary1. Benthic macroinvertebrates have been used in

river health assessment in China.2. Benthic Index of biological integrity (B-IBI) was

a sensitive indicator of stream health and had close relationship with watershed land use change and water nutrient enrichment in Xitiaoxi watershed.

3. Predictive model might be a good alternative in river health assessment in future.

4. More research on benthos-based assessment is required to further enhance its important role in the management of aquatic ecosystem.

Acknowledgements All of my colleagues and students in our laboratory contributed to this study,

including Prof. Lianfang Yang, Dr. Changhai Su, Mr. Jie Zhang, Dr. Yong Zhang.

Many thanks to all my collaborators, including Dr. Yong Cao, Dr. Wei Liu, Dr. Desuo Cai, Dr. Lizhu Wang, Dr. John C Morse, Dr. Richard Johnson, Dr. Robert M. Hughes, Dr. Yangdong Pan, Dr. Susan K Jackson.

The studies were supported by NSFC and grants from MWR .