辽宁省主要河流底栖动物群落结构及水质评价研究

姜永伟，丁振军，袁俊斌，张峥，李杨，问青春，王业耀，金小伟

1.辽宁省生态环境监测中心，辽宁 沈阳 120031；2.北京师范大学水科学研究院，北京 100875；3.中国环境监测总站/国家环境保护环境监测质量控制重点实验室，北京 100012

关建词：底栖动物；群落结构；环境因子；多样性指数；分值指数；完整性指数；辽宁

底栖动物因其种类多、生活周期长、活动场所比较固定、不同类群对水质的敏感性差异大、以及受外界干扰后群落结构的变化趋势可以预测等优点长期作为水生生物监测与水质生物评价的重要类群（仇伟光等，2014）。其在辽宁省河流水质评价的研究主要集中在底栖动物群落结构与环境因子的关系以及底栖动物评价指数两个方面。

国内外已有的关于底栖动物群落结构与环境因子的关系研究中，水温、透明度、水深、河宽、流速、海拔、土地利用、水污染、生境复杂性、溶解氧、高锰酸盐指数、生化需氧量、氨氮、总氮、总磷、汞、铅、锌、盐度、电导率、沉水植物、底质、流量等因素被认为是影响底栖动物群落分布的主要环境因子（Xu et al.，2011；渠晓东等，2013；梁露巍等，2015；王艳杰等，2016；殷旭旺等，2017；孟云飞等，2018，2019；Shen et al.，2020；Horak et al.，2020）。常用的底栖动物评价方法有生物指数（Biotic index，BI）法、生物监测工作组记分法（ Biological Monitoring Working Party index，BMWP）、底栖动物完整性指数法（B-IBI）和香农-维纳多样性指数法（中华人民共和国生态环境部，2023）。生物指数法在辽河流域开展了大量研究并建立了地方标准（邢树威等，2013；姜永伟，2017；辽宁省市场监督管理局，2018）；生物监测工作组记分法基于国内江苏、浙江、辽宁、江西和湖南的底栖动物监测数据实现了本地化应用（张汲伟等，2018）；底栖动物完整性指数法是多度量评价方法，经过复杂的统计分析确定核心参数和评价标准，在辽河流域得到广泛应用（张远等，2007；姜永伟等，2020；张宇航等，2020）；香农-维纳多样性指数法常用于评价物种的多样性和均匀度水平（陈勇等，2022；彭定华等，2023）。通过比较不同生物指数的相关性及其对环境要素的响应程度，可以找到评估河流健康状况的最佳方法（冷龙龙等，2016）。

以往的研究区域主要涉及辽宁省内的某一条河流或者较小的流域范围，本研究覆盖了辽宁省内辽河、浑河、太子河、大辽河、大凌河、鸭绿江和碧流河7 条主要河流及其支流，以期通过更全面的调查研究，探索底栖动物群落结构特征及其与环境因子的关系，分析不同评价指数之间及其与物理生境和主要水环境因子的相关性，找到简单易行、代表性强的评价指数，为辽宁省河流水生生物评价提供参考。

1 材料与方法

1.1 研究区域概况

辽宁省位于中国东北地区南部，在118°53′－125°46′E，38°43′－43°26′N 之间，全省流域划分为辽河流域、黑龙江流域和海河流域，以辽河流域为主，主要包括辽河水系、辽东湾西部沿渤海诸河水系、辽东湾东部沿渤海诸河水系、辽东沿黄海诸河水系和鸭绿江水系（辽宁省水利厅，2014）。辽河流域属温带暖温带半湿润大陆性季风气候，年平均气温4－9 ℃，年降水量350－1 000 mm，是中国七大流域之一，也是国家重点治理的“三河三湖”之一（张远等，2007）。辽河流域在辽宁省内主要分布在辽中辽南少水区和辽东部多水区两个水生态区（孟伟等，2007），根据辽河流域多年的水生生物例行监测结果，两个水生态区的底栖动物仅软体动物种类存在少量差异（如光滑狭口螺仅在大凌河中有发现，方格短沟蜷仅在鸭绿江中有发现），其余类群有较高的相似性，因此将两个水生态区作为一个整体进行调查研究。监测点位在国控水质监测点位的基础上，兼顾河流上中下游、可达性、干支流等要素，确保点位代表性，共设置47 个底栖动物采样点位。将辽河、浑河、太子河、大辽河、大凌河、鸭绿江和碧流河7 条河流的点位根据其位置、地形、海拔、地市级行政区划等划分为上游、中游和下游。辽宁省主要河流底栖动物采样点位见表1 和图1。

图1 辽宁省主要河流底栖动物采样点位Figure 1 Sampling sites of benthic macroinvertebrates in main rivers of Liaoning province

表1 辽宁省主要河流底栖动物采样点位Table 1 Sampling sites of benthic macroinvertebrates in main rivers of Liaoning province

1.2 样品采集与分析方法

（1）样品采集。采样时间为2021 年9－10 月，分两个采样组同时开展，具体采样方法为：在点位上下游各50 m，合计100 m 河段内选择不同生境类型（水草区、流水区、静水区、泥质底、石质底等），采用索伯网和D 形网两种方法分别采集定量和半定量样品。索伯网（25 cm×25 cm，500 μm 孔径）采集4 个样方，采样面积为0.25 m2，D 形网（底边30 cm，500 μm 孔径）采集3 次，每次采集1 m 距离，采样面积约为1 m2。采集后的样品过500 μm孔径分样筛后转移至白瓷盘中，加入适量清水，将所有样品挑拣至含有75%酒精的样品瓶中固定后带回实验室。样品鉴定至种级，无法鉴定至种级的需鉴定到属，区分到种（王业耀等，2017）。

（2）河岸带生境调查评价。采用郑丙辉等（2015）构建的辽河流域河流生境评价指标、方法和标准，分别对底质、栖境复杂性、流速/深度结合特性、河岸稳定性、河道变化、河水水量状况、河岸带植被多样性、水质状况、人类活动强度和河岸土地利用类型10 项指标进行赋分评价。

（3）水质理化因子分析。共测定25 项。其中，水温、pH、溶解氧、电导率和叶绿素a 浓度用Hydrolab DS5 多参数水质分析仪现场测定；透明度用赛氏盘现场测定。实验室测定项目包括化学需氧量、生化需氧量、氨氮、总磷、总氮、石油类、挥发酚、汞、铅、铜、锌、氟化物、硒、砷、镉、六价铬、氰化物、阴离子表面活性剂、硫化物，测定方法按照《地表水环境质量标准》（GB 3838—2002）（国家环境保护总局，2022）的规定。

（4）数据分析。通过对水环境理化因子的主成分分析（PCA），从25 项因子中筛选出主要的水环境因子，对底栖动物总分类单元和各类群密度进行去趋势对应分析（DCA），DCA 第一轴长度为2.19（小于3），为线性模型，因此底栖动物与环境因子的关系采用冗余分析（RDA）更加合适。为使数据趋于正态分布，物种及环境因子（除pH 外）数据进行lg(x+1)处理。

底栖动物种类组成和群落结构分析在Excel 2007 中进行，底栖动物完整性指数有效性验证和Pearson 相关性分析在SPSS 19.0 中进行，PCA、DCA和RDA 分析在R 语言（v4.2.1）vegan 包（v2.6–2）中进行。

2 结果与分析

2.1 群落结构

2021 年47 个点位共检出底栖动物120 种，隶属于4 门8 纲22 目57 科98 属。其中，水生昆虫最多，有86 种，占总种类数的71.7%。而水生昆虫中，EPT（蜉蝣目、襀翅目和毛翅目）种类有28 种，占总种类数的23.3%；其他水生昆虫58 种，占48.4%。其次为软体动物，有18 种，占15.0%。环节动物9 种，占7.5%；甲壳动物6 种，占5.0%；扁形动物1 种，占0.8%。底栖动物种类组成见图2。

图2 底栖动物种类组成Figure 2 Composition of benthic macroinvertebrates species

上游点位以水生昆虫和甲壳动物为优势类群（戈布桥除外），其中辽河辽源段、大凌河葫芦岛段、鸭绿江上游和碧流河大连段水生昆虫占绝对优势地位，33%的上游点位EPT 为优势类群。中游点位以甲壳动物为优势类群（个别点位如参窝坝下和长宝渡口以水生昆虫为优势类群），软体动物和环节动物较上游明显增多。下游点位以甲壳动物和环节动物为优势类群，水生昆虫和软体动物的相对密度较上游和中游明显减少。从上游到下游整体呈现水生昆虫相对密度不断减少、环节动物相对密度不断增多、软体动物相对密度先增多后减少、甲壳动物基本稳定的趋势。上游、中游和下游点位底栖动物群落结构见图3－5。

图3 上游点位底栖动物群落结构Figure 3 The benthic macroinvertebrates community structure of upstream sites

图4 中游点位底栖动物群落结构Figure 4 The benthic macroinvertebrates community structure of midstream sites

图5 下游点位底栖动物群落结构Figure 5 The benthic macroinvertebrates community structure of downstream sites

2.2 底栖动物群落结构与水环境因子的相关性

对25 种水环境因子进行主成分分析（PCA），筛选出溶解氧、氟化物、化学需氧量、氨氮、总磷、生化需氧量、阴离子表面活性剂和锌8 个水环境主要因子，见图6。

图6 辽河流域水体环境因子主成分分析（PCA）Figure 6 Water environmental factor PCA in Liaohe River Basin

底栖动物总分类单元数、各类群生物密度和8个水环境主要因子的RDA 分析结果（图7）表明，第一轴和第二轴的特征值分别为0.535 和0.064，前两轴总共解释了93.29%的底栖动物群落结构空间差异，第一轴贡献率最大，达83.33%。氟化物、化学需氧量、生化需氧量、总磷、锌和溶解氧6 种环境因子与底栖动物群落结构相关性较高（P<0.05），其中，氟化物、化学需氧量、生化需氧量和总磷与底栖动物群落数显著负相关（夹角>90°），溶解氧和锌与底栖动物群落数显著正相关（夹角<90°）。溶解氧与总分类单元数相关性最高（F=2.37，P=0.02），锌与环节动物相关性最高（F=3.30，P=0.01）。

图7 底栖动物与环境因子的RDA 分析Figure 7 The RDA of benthic macroinvertebrates and environmental factors

2.3 构建底栖动物完整性指数（B–IBI）

2.3.1 点位筛选

根据Kerans et al.（1994）的方法，按照采样点位受人类活动的干扰程度将47 个辽河流域河流点位分为轻微干扰点位和干扰点位，将轻微干扰点位作为参照点位，干扰点位作为监测点位。经过筛选，最终确定了10 个参照点位，主要分布在浑河、太子河、大凌河和碧流河上游干流及支流入干流处，分别为北杂木、古楼、阿及堡、老关砬子、汤河桥、王家窝棚、坦甸子、蒲石河大桥、荒沟、茧场；其余37 个点位为监测点位。

2.3.2 候选参数确定及筛选

选取代表物种丰富度、物种组成和物种敏感性3 个方面的21 个参数作为候选参数。分别为总分类单元数（M1）、密度（M2）、EPT 分类单元数（M3）、EPT 密度（M4）、摇蚊分类单元数（M5）、摇蚊密度（M6）、敏感种分类单元数（M7）、敏感种密度（M8）、耐污种分类单元数（M9）、耐污种密度（M10）、优势种百分比（M11）、EPT 百分比（M12）、敏感物种分类单元百分比（M13）、敏感种数量百分比（M14）、耐污物种分类单元百分比（M15）、耐污种数量百分比（M16）、香农-维纳多样性指数（M17）、Margalef 丰富度指数（M18）、Hilsenhoff 生物指数（HBI）（M19）、生物学污染指数（BPI）（M20）、BMWP 记分系统（M21）。计算10 个参照点位中各候选参数的分布范围，剔除以下两类参数：对于随干扰增大值减小的参数，如果其25%分位数值太小（如小于0.1），说明受干扰后可变化范围很窄，不易区分受不同干扰程度的水体，剔除摇蚊分类单元数（M5）；对于标准差很大的参数，说明数值离散程度高，不适合参与构建B-IBI 指数，剔除密度（M2）、EPT 密度（M4）、敏感种密度（M8）和耐污种密度（M10）。其余的16 个参数做进一步分析。21 个候选参数对干扰的反应及其在参照点位中的分布范围见表2。

表2 21 个候选参数对干扰的反应及其在参照点位中的分布范围Table 2 The responses of 21 candidate parameters to disturbance and their distribution ranges at reference sites

计算16 个参数在37 个监测点位的分布范围，参照Barbour et al.（1996）的评价方法，对参照点位和监测点位的16 个参数进行判别能力分析。仅保留能够有效区分参照点位和监测点位的参数（IQ≥2）。经过分析，保留总分类单元数（M1）、EPT 分类单元数（M3）、敏感种分类单元数（M7）、耐污种分类单元数（M9）、优势种百分比（M11）、EPT 百分比（M12）、香农-维纳多样性指数（M17）和BMWP 记分系统（M21）8 个参数。16 个参数在监测点位的分布范围、IQ 值及取舍见表3。

表3 16 个参数在监测点位的分布范围、IQ 值及取舍Table 3 The distribution range, IQ value and choice of 16 parameters at monitoring sites

2.3.3 冗余度分析

计算8 个参数的Pearson 相关性（表4），检验各参数所反映信息的独立性，去除冗余信息。采用Maxted et al.（2000）的标准，对高度相关的两个参数（相关性系数r绝对值大于0.75），取其中一个参数即可代表两个参数的大部分信息。经过分析，总分类单元数（M1）同BMWP 记分系统（M21）高度相关，EPT 分类单元数（M3）同敏感种分类单元数（M7）、EPT 百分比（M12）、BMWP记分系统（M21）高度相关，敏感种分类单元数（M7）同BMWP 记分系统（M21）高度相关，优势种百分比（M11）同香农-维纳多样性指数（M17）高度相关，香农-维纳多样性指数（M17）同BMWP记分系统（M21）高度相关，保留总分类单元数（M1）、EPT 分类单元数（M3）和香农-维纳多样性指数（M17），由于耐污种分类单元数（M9）同其他参数相关性均较低，予以保留。综上，组成B-IBI 的参数共4 个，分别为总分类单元数（M1）、EPT 分类单元数（M3）、耐污种分类单元数（M9）和香农-维纳多样性指数（M17）。

表4 8 个参数间的Pearson 相关性系数Table 4 Pearson correlation coefficient among 8 parameters

2.3.4 统一评价量纲

比值法统一评价量纲优于3 分制法和4 分制法（王备新等，2005），用比值法对B-IBI 组成参数进行记分。对于干扰越强，指数值越低的参数，以95%分位数值为最佳值，各指数值的分值等于指数值/95%分位数值。对于干扰越强，指数值越高的参数，则以5%分位数值为最佳值，其分值等于(最大值−指数值)/(最大值−5%分位数值)。计算后的分值若大于1，则记为1。组成B-IBI 的4 个参数分值计算公式见表5。

表5 组成B-IBI 的4 个参数分值计算公式Table 5 Score calculation formulas of the four parameters that constitute B-IBI

2.3.5 建立B-IBI 评价标准

采用参照点位25%分位数值作为优秀标准，如果点位B-IBI 值大于25%分位数值表示该点位受到干扰很小，为优秀状态，小于该值的分布范围进行4 等分，分别代表良好、中等、较差和很差。B-IBI评价标准见表6。

表6 B-IBI 评价标准Table 6 B-IBI evaluation criteria

2.3.6 B-IBI 有效性验证

为确保构建的B-IBI 的科学性和有效性，对参照点位和监测点位B-IBI 进行箱线图分析，由图8可以看出，两个箱体没有重叠区域，说明建立的IBI评价指标可以有效区分参照点位与监测点位的状态，建立的B-IBI 评价体系适用于辽宁省主要河流水生态环境质量评价。

图8 参照点位与监测点位的箱线图Figure 8 Boxplot of reference sites and monitoring sites

2.4 底栖动物评价指数之间及其与环境因子的相关性

辽河流域广泛使用的底栖动物评价指数有底栖动物完整性指数（B-IBI）、BI 指数、底栖动物分值指数（CMSI）、底栖动物平均分值指数（ACMSI）、生物学污染指数（BPI）和香农-维纳多样性指数（SDI）。其中BI 指数在辽河流域建立了本地化评价标准并应用多年（辽宁省市场监督管理局，2018）；CMSI 和ACMSI 是BMWP 和ASPT 在中国的研究成果，张汲伟等（2018）根据江苏、浙江、辽宁、江西和湖南等省份的溪流与河流湖泊共计839 个底栖动物数据，将中国已有的底栖动物科级分类单元水质敏感性分值打分表扩充和修订至159 个科，采用统计法分别构建了符合中国可涉水水体和不可涉水水体底栖动物分值指数和底栖动物平均分值指数，它利用底栖动物的定性监测数据，按照各个类群科级分类单元的耐受程度记分来评价水生态环境质量；SDI 是目前国内水生生物评价最常用的生物指数之一，它最早由美国学者Claude Shannon 和Robert H.Wiener 于20 世纪50 年代末提出，国内黄玉瑶等（1982）首次将其应用于底栖动物水质评价，它利用水生生物定量监测数据反映生物群落结构的复杂程度，进而反映水生态环境质量状况，通常多样性指数越大，表示群落结构越复杂，群落稳定性越高，水生态环境质量状况越好。底栖动物评价指数的计算方法和等级标准见表7。

表7 底栖动物评价指数的计算方法和等级标准Table 7 Calculation method and grade standard of the benthic macroinvertebrates evaluation index

计算6 个指数在47 个点位的值并分析各指数之间及其与河岸带生境质量、主要水环境因子（溶解氧、氟化物、化学需氧量、氨氮、总磷、生化需氧量、阴离子表面活性剂和锌）的Pearson 相关性（图9）。结果表明，B-IBI 与SDI（r=0.86，P=0.00）、CMSI（r=0.84，P=0.00）、ACMSI（r=0.55，P=0.00）、河岸带生境质量（r=0.54，P=0.00）高度相关，与BI 指数（r= −0.42，P=0.01）、DO（r=0.37，P=0.01）、TP（r= −0.33，P=0.03）、氟化物（r= −0.35，P=0.02）中度相关；CMSI 与SDI（r=0.71，P=0.00）高度相关；河岸带生境质量与氟化物（r= −0.55，P=0.00）、ACMSI 与SDI（r=0.58，P=0.00）高度相关。

图9 6 个指数与生境和水环境因子的Pearson 相关性Figure 9 Pearson correlation among six indexes, habitat and water environment factors

3 讨论

3.1 群落结构

环境压力和自然分布共同影响了河流底栖动物群落结构的空间差异（Chessman，2006；Laursenet al.，2015）。本调查从底栖动物群落结构变化的角度反映了从上游到中下游水质逐步变差的整体趋势。水生昆虫尤其是蜉蝣目、襀翅目、毛翅目、广翅目以及鞘翅目的扁泥甲科、双翅目的大蚊科和网蚊科等均为清洁水体指示类群，在上游区域占据优势地位；甲壳动物耐受性范围较广，在大型水生植物较为丰富的区域，即使水质在Ⅴ类甚至劣Ⅴ类，仍会有较多的甲壳动物生存，本研究中甲壳动物在上中下游均占据优势地位也说明了这一点；软体动物为中等敏感类群，水质污染较重时自然消失，在中游区域较为常见；环节动物为耐污类群，有机污染严重的水体中环节动物尤其是颤蚓科的种类会大量繁殖，常常在下游区域占据优势地位。

3.2 群落结构与环境因子的关系

本研究得到的影响底栖动物群落结构的8 个主要环境因子中有4 种（溶解氧、生化需氧量、总磷和锌）在以往的研究中多次被证实（渠晓东等，2013；梁露巍等，2015；Meng et al.，2016；王艳杰等，2016；孟云飞等，2018；Govenor et al.，2019；孟云飞等，2019；朱韩等，2022；王齐等，2023），本研究首次证实氟化物和化学需氧量与辽宁省河流底栖动物群落结构呈显著负相关关系。氟化物对底栖动物群落结构的影响尚不明了，氟化物的主要来源是河流沿岸的钢铁、制铝、磷肥、氟化工等工业排放的含氟废水，其对水生生物存在毒性效应，但是目前世界上旨在保护水生生物而建立的氟化物标准非常缺乏（庄平等，2009）。化学需氧量的降解会消耗水中大量的氧气，经微生物分解过程使水体变黑变臭，进而影响底栖动物的群落结构，陈丽等（2019）的研究也认为化学需氧量是影响拉萨河流域底栖动物群落结构的主要环境因子。锌与环节动物相关性最高这一结论同以往的研究不同，张琦等（2018）研究认为锌同霍甫水丝蚓和日本医蛭显著负相关，本研究中47 个点位锌的浓度最大值为0.053 mg·L−1，根据《地表水环境质量标准》（GB 3838—2002）（国家环境保护总局，2022），均在Ⅰ类和Ⅱ类水质水平，表明在较低浓度条件下，锌与环节动物的密度呈显著正相关关系。除以上6 种环境因子外，渠晓东等（2013）研究认为土地利用、河道物理特征，梁露巍等（2015）研究认为总氮、沉水植物、底质和水深，王艳杰等（2016）研究认为生境复杂性，殷旭旺等（2017）研究认为总氮、流量和氨氮，孟云飞等（2018，2019）研究认为海拔、水深、总氮、盐度和电导率也是影响辽宁省河流底栖动物群落结构的重要环境因子。

3.3 评价方法

应用底栖动物评价水质的方法包括单指标、多指标和多变量三大类（陈凯等，2016），不同的评价方法评价结果存在差异，它们反映的环境信息也各有不同，如香农-维纳多样性指数反映的是物种的多样性和均匀度，生物学污染指数、底栖动物平均分值指数、底栖动物分值指数和BI 指数反映的是物种的敏感性，多指标的底栖动物完整性指数较全面地反映了物种的群落结构、多样性和敏感性，多变量河流无脊椎动物预测与分类系统（Rivpacs）反映的是干扰样点现有的动物区系与样点受干扰前期望的动物区系组成之间的差距（张杰等，2011），后两种方法所反映的信息更为全面、系统，但是其所需的数据量大，计算过程繁琐，不利于开展业务化应用。本研究中底栖动物分值指数与底栖动物完整性指数显著正相关的结论同冷龙龙等（2016）的研究一致，在两种评价方法呈显著正相关时，简单的评价方法显然具有更大的实用性。

4 结论

（1）辽宁省主要河流底栖动物种类丰富，共发现4 门8 纲22 目57 科98 属120 种。空间分布差异较大，上游点位以水生昆虫和甲壳动物为优势类群，中游点位以甲壳动物为优势类群，下游点位以甲壳动物和环节动物为优势类群，软体动物在中游点位较多，甲壳动物在上中下游均为优势类群。

（2）从25 项水质理化因子中筛选出8 种主要水环境因子，经过RDA 分析表明，6 种环境因子与底栖动物群落结构相关性较高（4 种为负相关，2种为正相关），溶解氧与总分类单元数相关性最高，锌与环节动物相关性最高。

（3）筛选出底栖动物完整性指数核心参数并建立了评价标准。将底栖动物常用评价指数、河岸带生境质量、主要水环境因子进行Pearson 相关性分析，结果表明，河岸带生境质量、底栖动物多样性指数、底栖动物分值指数、底栖动物平均分值指数与底栖动物完整性指数相关性较高。底栖动物多样性指数和底栖动物分值指数两个评价指数与底栖动物完整性指数显著正相关，二者的评价过程较后者简单易行，便于将底栖动物评价方法简单化，提高业务化应用效率。