世界希斯藻属Sheathia地理分布与环境因子的关系

郭伟楠 王 飞 南芳茹 刘旭东 刘 琪 冯 佳 谢树莲

(山西大学生命科学学院, 太原 030006)

淡水红藻是真核藻类演化历程中较为特殊的类群, 因对生境的要求较高而种类较少[1,2]。最早的文献记载始于1753年[3], 距今已有270多年的历史。在长期的演化历程中, 淡水红藻逐步形成了真核藻类中的一个重要分支[4]。

关于淡水红藻生长与环境因子关系的研究有过一些报道。孙存华等[5]对江苏拔剑泉的Batrachospermum longipedicellataHua & Shi 1996[已更名为Sheathia longipedicellata(Hua & Shi) Han, Nan,Feng, Lv, Liu, Kociolek & Xie 2018]进行了生理生态特性研究, 发现其光合作用的最适温度为15, 适宜的光照强度为30—50 μmol/(m2∙s)。谢树莲[6,7]分别对山西晋祠泉的Batrachospermum arcuatumKylin 1912[已更名为Sheathia arcuata(Kylin) Salomaki &Vis 2014]和娘子关泉的Batrachospermumgelatinosum(Linnaeus) De Candolle 1801进行了生长季节动态研究, 发现水温、pH均会受到季节更替的影响, 但总体变化幅度不大, 而泉水的流速则无明显的季节变化, 藻体的生长高峰出现在春末夏初, 水温与藻体各形态特征间如藻体高度、轮节直径等呈负相关。胡变芳等[8]对山西辛安泉的大型藻类植物分布特点进行了研究, 发现上游的种类数明显多于下游,推测是上下游流速不同的缘故。邱明宇等[9]通过对中国BatrachospermumRoth 1797、KumanoaEntwisle & al. 2009和SheathiaSalomaki & Vis 2014三个属淡水红藻的研究发现, 它们的地理分布与海拔高度、大气压强、风速等环境因子存在明显差异。Aigner等[10]研究发现生长于奥地利阿尔卑斯山的Batrachospermum turfosumBory 1808对温度和光照有较大的适应性。Sherwood等[11]通过对生长于夏威夷的Batrachospermum spermatiophorumVis &Sheath 1994[现已更名为Kumanoa spermatiophora(Vis & Sheath) Entwisle, Vis, Chiasson, Necchi &Sherwood 2009]研究发现, 水体pH能够显著影响其生长。Wehr等[12]研究发现串珠藻科Batrachospermaceae植物为了不断适应复杂多变的自然环境, 提高了自身对生境变化的敏感程度, 形成了特殊的生长条件。近些年, 关于淡水红藻生长条件的相关研究报道虽然有所增加, 但在种水平上的地理分布与环境因子之间的关系还无报道。

希斯藻属Sheathia是由Salomaki等[13]学者基于形态学和分子生物学的方法从原串珠藻属Batrachospermum中分离出来建立的, 是淡水红藻中分布较广的代表性类群, 隶属红藻门Rhodophyta, 真红藻纲Florideophyceae, 串珠藻目Batrachospermales, 串珠藻科Batrachospermaceae。该属多固着生长在洁净、低光、低温和高溶氧的小溪、河流和泉水等流动水体中的岩石和石灰质等基质上[14—20]。随着板块运动和环境变化, 使得许多物种之间的地理分布出现明显的差异, 且逐渐由地理隔离演变成明显的生殖隔离[2,21]。

本研究统计了全球五大洲目前已报道的希斯藻属的样本信息和分布地的环境因子, 分析了环境因子对希斯藻属植物地理分布的影响及属内同一物种在不同生境下的差异性。由于希斯藻属等淡水红藻生境的复杂性, 目前还没有实现在实验室模拟人工培养。由于水环境污染的加剧, 淡水红藻的分布受到严重威胁, 许多种类已成为濒危植物。因此, 对于世界希斯藻属地理分布与环境因子之间关系的研究对保护淡水红藻的生物多样性具有重要的科学意义。

1 材料与方法

1.1 藻种数据

通过查阅AlgaeBase数据库https://www.algaebase.org/, 筛选其中希斯藻属的信息, 并结合已有的文献, 最大范围地收集希斯藻属地理分布与环境因子的相关数据。本文共收集到25种116个希斯藻属样本信息。

本文研究的希斯藻属样本主要来源于亚洲、欧洲和北美洲, 非洲和大洋洲也有少量样本信息。经度Longitude和纬度Latitude信息源于相关文献和Bigemap GIS Office软件http://www.bigemap.com,海拔高度Altitude、水温Water temperature、流速Current velocity和pH 四个重要的环境因子信息源于相关文献[22—26]。

由于部分种类样本较少且数据缺失, 未能用于分析。因此, 从中选择了样本信息较多的Sheathia arcuata、S. boryana(Sirodot) Salomaki & Vis 2014、S. confusa(Bory) Salomaki & Vis 2014、S. dispersaNecchi, West, Ganesan & Rai 2019和S. longipedicellata, 将剩余种类的样本信息归为一类, 标记为Remainder。

1.2 统计分析

单因素方差分析One-way ANOVA已分组的样本数据导入GraphPad Prism 9.0 软件https://www.graphpad.com/中, 经度、纬度、海拔高度、水温、流速和pH 六个环境因子设为因变量,Sheathia ar-cuata、S. boryana、S. confusa、S. dispersa、S. longipedicellata和Remainder设为自变量, 绘制小提琴图, 同时进行单因素方差分析和组间的多重检验比较, 根据P值结果标记组间的显著性。利用单因素方差分析的方法可判断单一环境因子对不同样本的显著性影响[27,28]。

相关性分析Correlation analysis研究希斯藻属种类分布的经纬度与其余4个环境因子的相关关系时, 通常利用相关系数r进行判断, 是可以反映两个变量间相关关系密切程度的统计指标。相关系数r的取值范围为-1≤r≤1, 若r为正, 表示两者为正相关, 若r为负, 表示两者为负相关, 若r=0, 则表示两者无相关性。相关系数的绝对值越接近1, 则表示两个变量间相关关系的密切程度越高。一般认为, 当0<|r|≤0.33时, 表示两者具有弱相关关系,当0.33<|r|≤0.67时, 表示两者具有中度相关关系,当0.67<|r|≤1时, 表示两者具有强相关关系[29]。

逐步回归分析Stepwise regression analysis经纬度指标设为因变量, 海拔高度、水温、流速和pH四个环境因子设为自变量, 将已分组的样本数据导入SPSS Statistics 27.0软件https://www.ibm.com/products/spss-statistics/support中, 采用步进法进行线性回归分析, 预测种类分布的经纬度与其余4个环境因子之间的线性关系, 从而得到预测公式[30]。

主成分分析Principal component analysis, PCASheathia arcuata、S. boryana、S. confusa、S.dispersa、S. longipedicellata和Remainder为研究对象, 经度、纬度、海拔高度、水温、流速和pH六个环境数据为指标, 利用Origin Pro 2022b软件https://www.originlab.com/进行主成分分析PCA, 结合PCA图分析数据之间的相关性。PCA是一种用综合指标替代多个指标后, 进行定量化研究的多元降维统计方法。因此, 利用PCA可以从众多环境因子中排除具有相关性的环境因子, 从而得到具有独立综合的环境因子, 为结果提供理论依据[31—33]。

线性判别式分析Linear discriminant analysis,LDA已分组的样本数据导入R语言中, 通过提取特征值进行线性判别式分析LDA。LDA是一种重要的监督降维分类方式, 可结合LDA图分析不同物种之间分布的差异性[34,35]。

2 结果

2.1 单因素方差分析结果

由表1可以看出, 利用SPSS Statistics 27.0软件对已分组的希斯藻属样本数据进行多元方差检验,由协方差矩阵等同性的Box检验结果中, Sig.<0.05,说明纬度和经度的协方差矩阵在Sheathia arcuata、Sheathia boryana、Sheathia confusa、Sheathia dispersa、Sheathia longipedicellata和Remainder六组样本中具有显著性差异, 因此样本数据不适合进行多元方差分析[36]。当仅考虑纬度或经度单个因素时, 由多元方差分析中误差方差等同性的Levene检验结果可以看出, Sig.>0.05, 差异不显著, 说明在六组样本中的纬度、经度、海拔高度、水温、流速和pH 六个环境数据的随机误差相等, 因此可以进行单因素方差分析[36]。

表1 协方差矩阵等同性的Box检验和误差方差等同性的Levene检验Tab. 1 Box’ test of equality of covariance matrices and Levene’s test of equality of error variances

通过GraphPad Prism 9.0软件绘制小提琴图图1并进行单因素方差分析和组间的多重检验比较, 可以看出, 六组样本中的经度、水温和流速三个环境因子具有显著性差异。

图1 单因素方差分析结果的小提琴图Fig. 1 Violin plot of One-way ANOVA

2.2 相关分析结果

利用SPSS Statistics 27.0软件对Sheathia arcuata、S. boryana、S. confusa、S. dispersa、S. longipedicellata和Remainder六组样本数据进行正态性检验。当样本数据大于5000时, 正态性检验以选取柯尔莫戈洛夫-斯米诺夫Kolmogorov-Smirnov,KS检验结果为准, 当样本数据小于或等于5000时, 正态性检验以选取夏皮洛-威尔克Shapiro-Wilk, SW检验结果为准[37]。因此, 本研究数据采用SW检验结果, 纬度和pH的样本数据Sig.>0.05, 符合正态分布, 经度、海拔高度、水温和流速的样本数据Sig.≤0.05不符合正态分布表2。

表2 希斯藻属植物的经纬度与环境因子的SW检验Tab. 2 SW test of longitude, latitude and environmental factors of Sheathia

然后, 对样本数据进行相关性分析。当样本数据为连续数值变量、符合正态分布时, 相关分析的结果选取皮尔逊Pearson相关系数。当样本数据为等级变量、不符合正态分布时, 相关分析的结果选取斯皮尔曼Spearman相关系数[38]。结果显示, 位于各大洲的希斯藻属样本的纬度与海拔高度、水温呈显著负相关, 与流速呈显著正相关, 而经度与4个环境因子未表现出显著相关关系表3。

表3 希斯藻属植物的经纬度与环境因子的相关系数Tab. 3 Correlation analysis between longitude, latitude and environmental factors of Sheathia

Sheathia arcuata样本的纬度与水温呈显著负相关,S. boryana样本的纬度与流速呈显著正相关,经度与水温呈显著正相关,S. confusa样本的经度与水温呈显著正相关,S. dispersa样本的经度与pH呈显著正相关, 流速因仅含两个数据而未能确定其是否符合正态分布,S. longipedicellata样本的经度与海拔高度呈显著负相关, 与pH呈显著正相关, Remainder样本的纬度与水温呈显著负相关, 与流速呈显著正相关。

2.3 逐步回归分析结果

通过对已有数据进行逐步回归分析并建立模型, 可预测影响希斯藻属经纬度变化的主要环境因子。根据相关分析的结果, 将经纬度设为因变量,海拔高度、水温、流速和pH 四个环境因子设为自变量, 对希斯藻属种类的经纬度与海拔高度、水温、流速和pH 指标进行回归分析, 建立回归模型。在逐步回归模型中, 调整后的拟合优度R2越大, 表明该模型的预测精度越高, 反之则越低。德宾-沃森Durbin-Watson的计算值越接近2, 说明样本数据各指标越独立, 可供模型参考用。当回归关系中的显著性系数Sig.<0.05时, 该模型的预测结果成立, 反之无意义。B值为回归系数, 当Sig.<0.05时有意义, B值大于0, 说明有正向影响, 反之为负向影响。容差Tolerance和方差膨胀系数Variance Inflation Factor, VIF用于判断共线性问题, 当该值小于5时, 说明无共线性, 当该值大于10时, 说明模型构建较差[30,39,40]。

利用SPSS Statistics 27.0软件对希斯藻属种类的纬度与其余4个环境因子数据进行逐步回归分析,结果如表4和表5所示。从表4结果可以看出, 调整后的模型拟合优度R2为0.634, 表明该模型的预测精度较高, 德宾-沃森Durbin-Watson的值为1.175,显著性系数Sig.<0.05, 表明该模型的预测具有统计学意义。从表5可以看出, 具有显著性变化的环境因子有水温、流速和pH。从而得到逐步回归方程为:

表4 纬度和经度与环境因子关系的模型和方差分析结果Tab. 4 Model and ANOVA results for the relationship between latitude and longitude and environmental factors

表5 纬度和经度与环境因子回归方程中的相关系数Tab. 5 Correlation coefficients in regression equations for latitude and longitude and environmental factors

利用SPSS Statistics 27.0软件对希斯藻属种类的经度与其余4个环境因子数据进行逐步回归分析从表4可以看出, 调整后的模型拟合优度R2为0.319, 表明该模型的预测精度一般, 德宾-沃森Durbin-Watson的计算值为1.178, 显著性系数Sig.<0.01, 表明该模型的预测具有统计学意义。从表5可以看出, 具有显著性变化的环境因子有海拔高度和水温。从而得到的逐步回归方程为:

2.4 主成分分析结果

为深入研究Sheathia arcuata、S. boryana、S.confusa、S. dispersa、S. longipedicellata和Remainder六组样本地理分布与环境因子之间的相互关系, 通过OriginPro 2022b软件对样本数据的经纬度和其他4个环境因子进行主成分分析。从图2可以看出, 第一主成分和第二主成分的贡献率之和为69.2%, 能够较好地反映希斯藻属不同种地理分布与环境因子之间的显著差异与相互关系。

图2 希斯藻属植物经纬度与环境因子的主成分分析Fig. 2 Principal component analysis of longitude, latitude and environmental factors of Sheathia

在主成分分析图中各指标的指示线越长, 表明该指标所占贡献率的比例越高, 解释越充分[41,42]。从图2可以看出, 纬度、经度、海拔高度、水温和流速能够更为充分地被第一主成分和第二主成分解释, pH较其余5个指标被解释的比例略低[41,42]。另外, 在主成分分析中的两个指标相距越近, 表明两个指标之间的相关性越强。从图3可以看出, 纬度、经度、海拔高度、水温和流速距离相对较近,与pH距离相对较远, 说明六组样本数据的经纬度与海拔高度、水温和流速的互作关系较强, 与pH的互作关系较弱。这与相关分析的结果基本是一致的。同时也说明海拔高度、水温、流速和pH四个环境因子与希斯藻属藻的生长发育有着密切联系,故各指标解释比例相对较高。

图3 希斯藻属植物的经纬度与环境因子的线性判别分析Fig. 3 Linear discriminant analysis of longitude, latitude and environmental factors of Sheathia

2.5 线性判别分析结果

在线性判别分析中, 一般认为不同种类的样本点相距越远, 之间的差异越明显, 越易区分, 反之,样本点之间差异越小, 越难区分[34,43,44]。

从图3可以看出, 希斯藻属不同种的样本点大部分都聚在一起, 仅有少部分样本点零散分布在周围, 说明从整体上看世界希斯藻属不同种之间的地理分布与纬度、经度、海拔高度、水温、流速和pH 六个环境因子的差异较小。其中Sheathia confusa和S. longipedicellata两种与其他种的地理分布与环境因子较为不同,S. arcuata、S. boryana、S.dispersa和Remainder的地理分布与环境因子差异不明显。由此可知, 在漫长的演化历程中, 同一属内的不同种类逐渐适应了适合自身生长、发育和繁殖并在一定范围内波动的生境条件, 这与其特殊的生态分布有着密切联系。

3 讨论

从本研究分析结果可知, 世界希斯藻属Sheathia arcuata、S. boryana、S. confusa、S. dispersa、S.longipedicellata和Remainder六组样本的地理分布和环境因子具有明显的差异性。海拔高度、水温、流速和pH是直接影响该属地理分布的重要环境因素。

3.1 海拔高度

由相关分析、逐步回归分析和主成分分析结果可知, 海拔高度在影响希斯藻属地理分布的环境因子中占有较高的贡献度, 与众多环境因子密切相关。据相关报道, 海拔高度是影响群落结构和植物种类分布的重要因素[45,46]。当海拔高度发生变化时, 其他环境因子如光照、温度、降水和大气压强等均会随之改变, 因此海拔高度是一个综合影响因子[47—49]。Sherwood等[11]曾研究发现, 海拔高度的改变会对串珠藻科植物果孢子的数量产生一定的影响, 从而影响藻体的生长。邱明宇等[9]的研究也发现海拔高度对中国串珠藻科植物的地理分布具有显著性影响。

3.2 水温

通过单因素方差分析、相关分析、逐步回归分析和主成分分析结果可知, 不同地区的希斯藻属在适应水体温度上有显著性差异。在影响希斯藻地理分布的众多环境因子中, 水温能够充分地被第一主成分和第二主成分解释。在大多数情况下, 水体温度是串珠藻目植物分布的限制因子[50—52]。虽然希斯藻属的不同种类所适应的温度范围有所差异, 但从整体上看, 它们均适合生长于水温较低的溪流和泉水中。Sheath和Cole[52]曾研究发现, 当水温超过一定范围时, 藻体的生长与水温之间呈负相关。谢树莲[6]对山西太原晋祠泉中的Sheathia arcuata进行了生长物候期研究, 发现水温与藻体的生长发育、各形态特征均呈负相关, 这与本研究的结果相一致。

3.3 流速

通过单因素方差分析、相关分析、逐步回归分析和主成分分析结果可知, 希斯藻属在不同生境处的流速具有显著性差异, 在第一主成分和第二主成分中占有较高的解释比例。希斯藻属多生长在洁净、高溶氧的溪流和泉水等流动的淡水中, 几乎所有种类均固着生长在岩石、石灰质等基质上[14—20]。Sheath和Cole[52]曾研究发现, 在一定范围内, 串珠藻目的藻体生长与水流速度呈正相关, 推测虽然水流对藻体本身有冲击作用, 但是也为藻体更新了水中必要的营养物质, 对藻体的生长具有一定的促进作用。Krupek和Branco[53]研究发现不同流速对藻类的地理分布会产生一定的影响。

3.4 pH

由逐步回归分析、主成分分析结果可知, pH在第一主成分和第二主成分中也占有一定的贡献度,与海拔高度、水温和流速等环境因子密切相关, 共同影响希斯藻属的地理分布。之前, 也有过相关的研究报道。如Sherwood等[11]研究发现, pH对Batrachospermum spermatiophorum[现已更名为Kumanoa spermatiophora]的生长具有一定的影响。谢树莲[6]对山西太原晋祠泉中的Sheathia arcuata进行过生长物候期的研究, 发现pH与藻体各形态特征的发育有一定的相关性, 虽然有些特征不显著。

3.5 其他

还有一些重要的环境因子可能与希斯藻属等淡水红藻的地理分布密切相关, 如光照强度Illumination intensity、电导率Conductivity、氯化物Chloride、总氮TN、总磷TP、溶解氧DO和硫酸盐Sulfate等环境因子, 因之前的文献资料对这些数据记录不全或无记录, 使得数据量极少, 不足以进行统计性研究。今后还需要加强这方面数据的积累, 以得出更客观更全面的结论。

4 结论

通过对五大洲希斯藻属的数据进行单因素方差分析、相关性分析、逐步回归分析、主成分分析和线性判别分析, 该属植物的地理分布与环境因子之间存在显著性差异。海拔高度、水温、流速和pH是影响希斯藻属植物地理分布的重要环境因子。希斯藻属植物由于特殊的生境很容易因环境的改变而无法正常生长, 许多种类已经被一些国家列为濒危植物[54—56]。本研究也可为丰富淡水红藻生态地理分布数据, 进一步保护濒危藻种, 保护淡水红藻生物多样性提供参考依据。