圣劳伦斯湾七岛港沿岸硅藻物种-环境关系解析及其在气候变化下的生态指示意义

本综述系统探讨了加拿大魁北克圣劳伦斯湾七岛港地区沿岸硅藻群落与21种环境变量的关系，通过冗余分析（RDA）和加权平均偏最小二乘法（WAPLS）建模，揭示温度（14.62%）、赛克深度（Secchi depth，12.97%）、溶解硅（DSi，6.91%）和镁（Mg，6.23%）是驱动硅藻分布的关键因子，并成功构建温度转移函数（r2=0.59, RMSEP=0.45°C），为沿海生态系统响应气候变暖与人类活动提供了高分辨率生物指标工具。

　　

研究区域与背景

圣劳伦斯湾七岛港地区（Bay of Sept-?les, BSI）位于加拿大魁北克省北部，是北美重要矿产港口区，受工业活动、航运及气候变化多重压力影响。该区域具有典型的亚北极气候特征，冬季海冰覆盖（11月至次年4月），近年因气候变暖导致冰盖消退时间提前、厚度减少。研究沿80公里海岸线布设35个站点，涵盖港口工业区、自然海岸及生态保护区等不同土地利用类型。

环境参数与采样设计

研究于2021年7月和2022年7月分两次采集水体及表层沉积物样本。现场测量包括温度、盐度、总溶解固体（TDS）、浊度、pH、赛克深度（Secchi depth）等物理参数；实验室分析涵盖钙（Ca）、铁（Fe）、镁（Mg）、锰（Mn）、钾（K）、钠（Na）、溶解硅（DSi）、氯化物（Cl）、总磷（TP）、硫酸盐（SO₄）、铵盐（NH₄⁺）等21项化学指标。沉积物样本经盐酸（HCl）和过氧化氢（H₂O₂）处理去除碳酸盐和有机质后，通过光学显微镜（DIC成像）鉴定硅藻，每个样本计数至少400个瓣膜。

硅藻群落特征

共鉴定735个硅藻分类单元，其中74个优势物种（相对丰度≥1%且出现于≥2个站点）占总量的82%。群落以底栖硅藻为主（55种），浮游类仅19种。优势种包括冰柱脆杆藻（Fragilariopsis cylindrus）、太平洋海链藻（Thalassiosira pacifica）和菱形海线藻（Thalassionema nitzschioides）。聚类分析显示站点分为6组，与基于环境参数的3组聚类（河流组、BSI湾内组、东西海岸组）存在差异，反映生物响应复杂性。BSI湾内群落以附生性物种为主，如盾卵形藻（Cocconeis scutellum）和簇生平板藻（Tabularia fasciculata），可能与当地大规模鳗草（Zostera marina）床（覆盖27.42 km2）提供的基质有关。

环境驱动因子分析

通过主成分分析（PCA）和皮尔逊相关性检验识别出三组高度关联变量：

1. 1.
   盐度相关群组（盐度、TDS、电导率）
2. 2.
   水化学相关群组（Cl、Na、K、SO₄、DSi、Mg）
3. 3.
   物理参数群组（赛克深度、温度、浊度、Mn）
   冗余分析（RDA）表明，温度（14.62%）、赛克深度（12.97%）、DSi（6.91%）和Mg（6.23%）是解释硅藻变异的关键独立因子，共解释28.6%的群落方差。温度与赛克深度显著相关（r>0.8），但因温度更易量化且广泛用于古环境重建，被选为转移函数开发变量。

温度转移函数构建

采用加权平均偏最小二乘法（WAPLS）比较多种模型后，三组分WAPLS模型（Hellinger转换数据）表现最优：训练集包含32个站点、55个底栖物种，交叉验证决定系数r2_jack=0.59，预测均方根误差（RMSEP）为0.45°C，最大偏差0.63°C。物种温度最适值分析显示，Navicula gp.19（12.39°C）、簇生平板藻（12.35°C）和海洋斑条藻（Grammatophora oceanica，12.29°C）偏好高温环境，多见于BSI湾内；而奈氏菱形藻（Nitzschia nanodissipata，10.78°C）则指示低温。

模型局限性与空间自相关

随机-邻近-环境删除分析（RNE）显示，当排除10公里内邻近站点时，模型r2降至0.1以下，表明强烈空间自相关性。此外，未测量变量（如底质类型、鳗草分布）可能通过间接途径影响群落，导致温度信号与其它环境协变量混淆。建议古重建时结合多指标（如藻类色素、有孔虫）以增强推论可靠性。

指示物种的生态意义

冰柱脆杆藻和角毛藻（Chaetoceros spp.）作为海冰指示种，在西侧站点丰度较高，可能反映该区域海冰消退时序差异。盾卵形藻、簇生平板藻等附生种在BSI富集，暗示局部生境异质性对群落的塑造作用。淡水物种（如微小异极藻Achnanthidium minutissimum）在河流入口站点占比升高，体现盐度梯度的影响。

结论与展望

本研究建立了七岛港沿岸硅藻-温度定量响应模型，为评估气候变化与人类活动对沿海生态的影响提供了生物工具。尽管存在空间自相关和次要变量干扰的局限，该模型在区域尺度古环境重建中仍具应用潜力。未来需加强长期监测、扩展环境参数（如底质类型、营养盐动态），并整合多学科证据以提升预测准确性。