基于eDNA宏条形码的多维分析揭示长江上游鱼类群落结构的季节性差异

《Ecology and Evolution》：Seasonal Differences in Fish Community Structure in the Upper Yangtze River Based on eDNA Metabarcoding: A Multi-Dimensional Analysis

本研究采用环境DNA（eDNA）宏条形码技术，对长江上游14个站点进行了四季鱼类群落监测，通过分析物种与功能群组成、应用16种多维多样性指数（如α多样性、功能多样性FRic/FEve/FDiv/FDis/FDQ、分类学多样性Δ+/Λ+和系统发育多样性PD），揭示了群落结构的季节性规律（春夏季多样性更高），并发现水温（WT）、溶解氧（DO）、电导率（Con）和pH是主要驱动因子，为流域鱼类资源保护提供了多维度评估新范式。

　　

ABSTRACT

本研究利用环境DNA（eDNA）宏条形码技术对长江上游14个站点进行四季鱼类群落监测，旨在解析群落结构的季节性变异。通过鱼类物种与功能群组成的分析讨论、16种多维多样性指数的应用以及鱼类群落与环境变量关系的探讨，反映了该区域鱼类群落结构的现状。共检测到120种鱼类，群落以产粘性卵、定居性、杂食性鱼类为主，但产漂流性卵、洄游性和肉食性鱼类类群的序列读长在秋冬季高于春夏季。除功能均匀度指数（FEve）外，其余功能多样性指数以及α多样性、分类学多样性和系统发育多样性指数均表现为春夏季高于秋冬季，表明春夏季因鱼类繁殖期活动增强及温暖条件下eDNA释放和检测率更高，鱼类多样性更丰富，但生态位重叠更为明显。本研究为基于eDNA宏条形码技术的鱼类监测提供了实践经验。

1 Introduction

长江上游以其独特的地理特征和水文条件，为众多特有鱼类提供了栖息地，是中国最重要的鱼类遗传资源库之一。鱼类种群是区域生态系统的重要组成部分，对流域水生生物多样性贡献显著，并在维持河流生态系统结构和功能方面发挥关键作用。然而，这些种群日益受到人类活动干扰的威胁，关键驱动因素包括水利基础设施建设、外来物种的引入和传播以及长期过度捕捞的历史后果。在此背景下，监测长江上游流域的鱼类组成和多样性以及生态评估变得愈发重要。

传统的渔业资源调查方法存在诸多缺点，如对栖息地破坏大、成本高、耗时长，以及因网目尺寸选择导致捕获数据不完整，目前难以满足鱼类组成、多样性和资源评估的需求。相比之下，eDNA宏条形码技术以其非侵入性和高灵敏度等特点，现已广泛应用于淡水鱼类资源监测，逐渐成为主流方法。长江流域已有大量研究利用该技术调查鱼类组成和多样性，但多数研究通过鱼类物种组成和α、β多样性分析来反映鱼类群落结构。尽管这种方法应用广泛，但此类数据难以促进对鱼类资源信息的全面理解。

关于鱼类组成，仅从分类学角度分析忽略了物种在生态系统中的独特功能角色和相互联系。鱼类功能群由生态系统中具有相似功能或占据相似生态位的物种组成，在生态系统中发挥特定作用，因此将鱼类划分为功能群进行分析极为关键。本质上，鱼类功能群揭示了物种间相互作用的机制和群落的适应性，有助于我们深入理解鱼类在群落中的作用和结构特征。

α和β多样性是生物多样性最直接的表现，但它们仅考虑了物种丰富度和多度，忽略了生物多样性的其他组成部分。功能多样性通过物种特异性功能性状的视角阐明群落差异，充分反映了物种在生态系统中作用的相似或分歧程度。分类学多样性量化了物种间的系统发育关系和分类关系的不平衡性，展示了群落内生物谱系的多样性。从区域群落进化历史的角度看，系统发育多样性表征了物种间的生态差异，对生物多样性保护有显著贡献。功能群多样性阐明了鱼类群落与其可及生态位和栖息地规模之间的关系，指示了群落功能的丰富度。利用多层面方法量化生物多样性，可以更全面、深刻地理解生物多样性的当前模式，促进生物多样性保护的提升。

本研究采用eDNA宏条形码技术在长江上游进行四季鱼类检测，通过剖析鱼类物种和鱼类功能群组成，并结合物种α多样性、β多样性、功能多样性、分类学多样性、系统发育多样性和功能群α多样性等多种多样性模型，对长江上游鱼类群落的季节性变异进行了全面系统的分析，旨在为完善和实施长江上游渔业资源管理和物种保护政策提供完整的基础数据支持，并为充分运用eDNA宏条形码技术于鱼类监测数据提供实践经验。

2 Materials and Methods

2.1 Water Sample Collection and eDNA Filtration Procedures

水样于2021年10月（秋季）以及2022年1月（冬季）、4月（春季）和7月（夏季）从长江上游干流14个采样点采集。在每个采样点，使用5升采水器在河流左岸、中心和右岸各采集一份表层水（0–1米深度），将三份子样（各5升）混合均匀得到15升复合水样，从中随机取10升用于后续分析。所有采样工具在采样前均用待采集河水冲洗三次。采样过程中每个站点更换新的一次性口罩和橡胶手套以避免交叉污染。所有样品在24小时内使用0.45微米孔径的聚四氟乙烯（PTFE）滤膜进行真空过滤。每个采样点过滤三个重复，每个重复使用从单一10升复合样品中分出的2升水。整个实验设置一个使用无菌蒸馏水的阴性对照以评估外源DNA污染。过滤后，滤膜立即用无菌镊子向内卷成圆柱形放入10毫升离心管中，于-80°C保存直至后续处理。过滤前，必要的过滤材料用75%乙醇消毒并用蒸馏水冲洗。每次过滤后，水桶和过滤工具均使用10%次氯酸钠溶液彻底清洗以降解残留DNA并防止样品间交叉污染。

2.2 Environmental Factors

使用HACH便携式多参数水质分析仪测量每个采样点的水温（WT）、溶解氧（DO）、电导率（Con）和pH。使用仿生网口流速计和便携式测深仪分别测量流速（FV）和深度（Dep）。

2.3 EDNA Extraction, High-Throughput Sequencing, and Data Processing

使用Magen生产的HiPure Water DNA Kit提取富集在滤膜上的DNA。提取的DNA样品通过1%琼脂糖凝胶电泳验证。以提取的DNA样品为模板，使用Mifish-U引物进行PCR扩增。首轮PCR使用TransGen AP221-02: TransStart Fastpfu DNA Polymerase，反应体系为20微升。每个样品进行三次扩增以确保可重复性。PCR扩增后，将同一样品的产物合并，通过2%琼脂糖凝胶电泳评估浓度，切取目的条带并使用AxyPrep DNA Gel Recovery Kit（AXYGEN）进行纯化，Tris HCl洗脱。纯化的PCR产物进行第二轮2%琼脂糖凝胶电泳验证纯度。产生所需亮度条带的样品送交进一步处理。使用Illumina PE250平台进行测序。通过条形码拆分获得所有eDNA样品的有效序列，随后进行严格的质量控制、过滤和操作分类单元（OTU）聚类。使用UCLUST算法（v10）在97%序列相似性阈值下进行OTU聚类。每个OTU的代表序列使用BLASTn（e-value ≤ 1e-10）针对上海领骏生物科技有限公司提供的淡水鱼类线粒体参考数据库进行物种注释。当匹配到多个候选物种时，注释为相似度最高的物种。测序工作由上海领骏生物科技有限公司完成，最终产生OTU序列读长表。

基于各采样点的OTU序列分析结果，去除注释为“Unclassified”的OTU。同时，当样品中OTU的读长数小于或等于阴性对照中观察到的读长数时，将其排除以最小化潜在污染。根据中国动物科学数据库和《四川鱼类志》，去除不在长江上游分布鱼类以及海洋鱼类的信息。

2.4 Data Analysis and Visualization

2.4.1 Fish Composition

在R4.3.1中使用“venn”和“ggplot2”包可视化显示不同季节的鱼类物种数和序列读长。

关于功能群，考虑了鱼类的繁殖、营养、表型和生态习性等方面，选择了7个分类性状和2个连续功能性状进行功能群聚类。通过文献综述、中国动物科学数据库和《四川鱼类志》收集鱼类功能性状数据。如果目标物种的性状信息在收集的文献中无法获得，则参考同属或相似属的物种性状或标记为“未知”。将“未知”物种作为单独类别纳入功能群聚类分析，并根据其可用的生态和表型特征将其分配到适当的功能群，在分析中将其性状视为“未知”。

使用R4.3.1中FD包的“gowdis”函数计算物种间的Gower距离矩阵。然后使用“hclust”函数的ward.D方法进行聚类，并使用“ggtree”包可视化聚类树。基于一定距离将物种分组为功能群，形成相似功能物种群的组合。

2.4.2 Diversity Indices

选择相关多样性指数来描述多样性的各个方面，使用箱线图可视化季节性差异。序列读长数据通过稀释进行标准化，标准化后的稀释序列读长作为计算多样性指数的基础。应用Kruskal–Wallis检验评估多样性指数季节性差异的统计显著性。可视化在R 4.3.1中进行。

2.4.2.1 Species and Functional Group α-Diversity

选择Margalef指数、Shannon指数、Simpson指数和Pielou均匀度指数来描述四季鱼类物种和功能群的丰富度和均匀度。物种的α多样性标记为SP Margalef、SP Shannon、SP Simpson和SP Pielou，功能群的α多样性标记为FG Margalef、FG Shannon、FG Simpson和FG Pielou。计算使用稀释后的序列读长作为输入，使用R4.3.1中的“picante”和“vegan”包进行计算。

2.4.2.2 Functional Diversity

参考收集的物种功能性状，选择功能丰富度（FRic）、功能均匀度（FEve）、功能离散度（FDiv）、功能分散度（FDis）和Rao二次熵指数（FD_Q）来量化功能多样性。使用基于物种的功能性状和稀释后的序列读长。在R4.3.1中使用“FD”包进行计算。

2.4.2.3 Taxonomic Diversity

选择用于分类学多样性分析的指数主要包括平均分类差异指数（Δ⁺）和分类差异变异指数（Λ⁺）。Δ⁺反映了群落内物种间的系统发育距离；Λ⁺反映了群落物种间分类关系的均匀性。使用PRIMER 7（试用版）进行计算，鱼类分类地位在目、科、属、种四个分类水平上确定，不同水平的分类多样性被赋予相等权重。

2.4.2.4 Phylogenetic Diversity

选择系统发育多样性（PD）指数来描述系统发育多样性水平。该指数代表了群落系统发育树上连接所有物种的所有最短路径分支的总长度。使用PRIMER 7（试用版）进行计算。

2.4.3 Beta Diversity

为了研究鱼类群落结构和功能的季节性变化，本研究分析了物种组成和功能群组成，使用了非度量多维尺度分析（NMDS）。在功能群分析中，将每个功能群内所有物种的序列读长求和形成新矩阵，该矩阵代表了四季中各功能群的序列读长，并作为功能群NMDS分析的输入。为了评估物种组成和功能群组成的季节性差异是否具有统计学显著性，基于Bray–Curtis相异度进行了PERMANOVA（置换多元方差分析）。Bray–Curtis距离使用R 4.3.1中的“vegan”包计算，聚类使用非加权组平均法（UPGMA）。使用“ggplot2”包可视化结果。

2.4.4 Correlation Analysis

使用R 4.3.1中“Hmisc”包的“rcorr”函数进行多样性指数与环境因子之间的Pearson相关性分析。通过该函数提供的双尾t检验评估相关性的显著性。使用“corrplot”包可视化结果，其中显著性相关（p < 0.05）用星号标记。最初使用“vegan”包进行去趋势对应分析（DCA）以确定轴长度，随后选择冗余分析（RDA）或典范对应分析（CCA）来探索环境因子对鱼类物种和功能群组成的影响。

3 Results

3.1 Species Composition

本研究所有季节样品共获得3,963,137条序列读长，其中春季1,178,184条，夏季952,039条，秋季1,130,627条，冬季702,287条。四季研究共检测到120种鱼类，隶属于7目20科79属，包括罗非鱼属未定种。其中，鲤科鱼类最多，达69种，占总种数的57.5%，其次是鳅科10种，占8.3%。检测到的物种中，有10种被列为国家级重点保护物种，具体为达氏鲟、长薄鳅、红唇薄鳅、胭脂鱼、圆口铜鱼、稀有鮈鲫、岩原鲤、吻鮈、戴氏山鳅和金黄鳅。此外，还识别出21种长江上游特有鱼类和11种外来物种，分别占总种数的17.5%和9.2%。检测到的鱼类物种数及其序列读长在四个季节间存在差异。有69种鱼类在春、夏、秋、冬四季均出现，鲤、短吻间银鱼和长鳍鲦在所有季节均显示出较高的序列读长。春季鉴定出7目19科77属109种；夏季为7目19科74属107种；秋季为7目17科65属89种；冬季为7目19科70属89种。

本研究将长江上游检测到的鱼类基于功能性状80%的相似性划分为10个功能群。这些群组的主要功能性状已概述。产粘性卵、定居性、杂食性摄食是大多数功能群中许多鱼类的共同特征，表明这些是长江上游大多数鱼类的特征。产漂流性卵、洄游性和肉食性摄食也是一小部分功能群中许多鱼类的共同特征。草食性和滤食性鱼类的比例很低，因此这些特征未被确定为任何功能群鱼类的共同特征。功能群组成在物种数量上的季节性变化不显著，但在考虑序列丰度时观察到一些差异。FG3在所有四个季节中占比最大。跨季节比较，春季和夏季的功能群组成相似，FG3和FG7占比较高。秋季FG4占比较高，而冬季FG1、FG2、FG8和FG9更为普遍。

3.2 Diversity Indices

物种α多样性显示出明显的季节性变异，所有四个指数在春季和夏季均显著高于秋季和冬季。功能群α多样性方面，Margalef指数在冬季最高，而Shannon指数和Pielou指数在春季和夏季高于秋季和冬季，Simpson指数仅在春夏季与秋季之间存在显著差异。功能多样性指数显示，FRic在春季显著高于其他季节，FEve在秋季和冬季显著高于春季和夏季，FDis和FD_Q在春季和夏季显著高于秋季和冬季，FDiv仅显示春季与其他季节之间的差异。分类学多样性指数显示秋季与其他三个季节之间存在显著差异，Δ⁺在秋季最低，Λ⁺在秋季最高。系统发育多样性（PD）遵循春季 > 夏季 > 秋季 > 冬季的模式，但秋季和冬季之间的差异不显著。

3.3 NMDS Analysis

NMDS分析揭示了鱼类群落组成的明显季节性差异。物种组成的应力值为0.131，功能群组成的应力值为0.147，表明排序精度可接受。虽然NMDS提供了相异性的可视化表示，但使用PERMANOVA进行的统计检验揭示了显著的季节性差异（p = 0.001），物种组成的R2值为0.463，功能群组成为0.362。这些结果证实长江上游鱼类群落在分类组成和功能性状方面均表现出明显的季节性模式。样品的明显季节性聚类表明了清晰的时间分离和生态异质性。

3.4 Pearson Correlation Analysis

观察到几个多样性指数之间存在统计学显著的相关性（p < 0.05）。SP Shannon、SP Simpson、SP Pielou、FG Shannon、FG Simpson、FG Pielou、FDis和FD_Q彼此之间显示出显著的正相关（p < 0.05），而FEve与这些指数中的大多数显示出显著的负相关（p < 0.05）。SP Margalef、FRic和PD之间也发现了显著的正相关（p < 0.05），支持了物种丰富度与功能或系统发育多样性之间的密切联系。相比之下，Δ⁺和Λ⁺指数之间观察到显著的负相关（p < 0.05）。关于环境因子，WT、pH和DO与多个多样性指数显示出显著相关（p < 0.05），其中WT关联的指数数量最多。在所有多样性指数中，FEve受环境因子的影响最大，表明其变化对环境变化更为敏感。

3.5 RDA Analysis Results

DCA分析结果表明，物种组成的第一轴长度为3.5429，功能群组成为1.6251。因此，选择冗余分析（RDA）方法进行后续分析。WT（R2 = 0.6855, p < 0.001）、Con（R2 = 0.3634, p < 0.001）、DO（R2 = 0.2666, p < 0.001）和pH（R2 = 0.2904, p = 0.003）对鱼类物种组成有显著影响，而WT（R2 = 0.6290, p < 0.001）、Con（R2 = 0.5397, p < 0.001）、DO（R2 = 0.2088, p < 0.001）和pH（R2 = 0.2302, p = 0.005）对鱼类功能群组成有显著影响。

4 Discussion

4.1 Fish Species Composition and Functional Group Composition

eDNA方法不仅提供物种丰富度和分布信息，还能监测环境变化及其对鱼类群落的影响，从而支持生态保护和渔业管理。因此，越来越多的研究采用eDNA宏条形码技术评估渔业资源状况，为可持续管理提供科学基础。利用eDNA宏条形码技术，我们在长江上游四季检测到120种鱼类；鲤科鱼类占很大比例。这一发现与之前大量研究结果一致。鱼类物种组成表现出季节性变化。本研究中，春季和夏季的物种多样性高于秋季和冬季。先前的研究表明，秋季和冬季的eDNA浓度低于春季和夏季。这可能是由于繁殖季节鱼类活动增加，促进了eDNA的释放。这种差异主要由鲤形目种群的变化驱动，春季和夏季观察到的鱼类比秋季和冬季多约20种。值得注意的是，鲤形目的变化占这种变异的50%以上。丰度前10的物种中有7个属于鲤形目，它们的序列读长显示出显著的季节性差异。

NMDS分析显示，春季和夏季的鱼类群落聚类更紧密，而秋季和冬季的群落分散度更大。这表明温暖季节群落同质性更高，寒冷时期异质性增加。这种季节性差异可能归因于春季和夏季同步的产卵活动和更稳定的环境条件，促进了不同采样点间相似的物种组成。此外，这种季节性模式可能受水文动态影响。在丰水期（春季和夏季），水位升高可导致洪泛区形成，增强了干流与邻近栖息地之间的横向连通性。这种扩大的连通性促进了鱼类在不同栖息地间的移动，导致物种分布更均匀。相比之下，在枯水期（秋季和冬季），水位下降减少了水文连通性并消除了洪泛区栖息地，导致栖息地碎片化增加。这些物理障碍可能限制鱼类扩散，并导致观察到的群落组成的空间异质性。

功能群组成存在明显的季节性变异，长江上游鱼类主要以产粘性卵、定居性、杂食性摄食为特征，与大量研究一致。长江流域梯级水电站的阻碍阻止了产漂流卵的洄游鱼类到达其产卵场。相比之下，大多数产粘性卵的底栖鱼类的繁殖受影响最小。此外，水坝的周期性蓄水可能为鱼类提供更广泛的食物资源，从而使具有这些特征的鱼类物种在生态系统中占据更大的生态位。FG6和FG7主要由定居性、杂食性、口亚下位的鱼类组成，它们以底栖生物为食并表现出季节性变化。FG7在春季和夏季的序列读长显著高于秋季和冬季，而FG6的季节性变化不太明显。这种差异归因于功能群的其他特征。梯级水电站运行后导致水流减缓、泥沙淤积，破坏了作为鱼类食物的底栖生物的适宜生活条件，从而减少了生物量。FG6主要由圆柱形、底栖的鳅科物种组成，能很好地适应沉积物基质且食性广泛；相比之下，FG7由中上层鱼类组成，其中大多数更喜欢生活在砾石基质中，食性较窄，主要刮食藻类。在4月和7月的汛期，流速增加清除了底部沉积物，为FG7创造了合适的栖息地。而在10月秋季和1月冬季，大多数鱼类后代发育成幼鱼阶段，肉食性类群FG2、FG4和FG8的生态位因食性更广而扩大，增加了它们在功能群中的序列读长。FG4由鲈形目和鲑形目的鱼类物种组成；鲈形目中包括乌鳢、鳜鱼等物种，而鲑形目主要包括银鱼科的几个物种，前者在冬季倾向于在深水休眠，摄食活动减少，而后者的秋季产卵种群在产卵后死亡，导致FG4在秋季达到峰值后下降，而FG2和FG8填补了FG4留下的生态位，导致种群持续增长。产漂流卵的洄游鱼类类群FG9和FG10在秋冬季的丰度高于春夏繁殖季，这可能是因为我们的采样点不在其产卵区。

4.2 Fish Diversity Analysis

在长江上游观察到鱼类多样性存在显著的季节性变异，多样性通常春夏季高于秋冬季。物种Alpha多样性表明春夏季的物种均匀度和丰富度水平优于秋冬季，与戴等人的发现一致。通常，长江流域4月和7月降水量较高，标志着汛期来临，流速增加，食物资源丰富，水温较高有利于鱼类繁殖和洄游。此外，这些季节种群补充增加导致鱼类资源更丰富；相反，10月和1月是枯水期，流速降低，水温较低，食物资源和鱼类种群相对减少。同时，鱼类繁殖期间配子释放到水生环境中，以及活跃摄食行为触发的新陈代谢加剧，增加了水中鱼类DNA分子的来源，从而提高了检测率。因此，功能群Alpha多样性也倾向于春夏季高于秋冬季。FG Margalef多样性出现异常是因为所有季节均一存在10个功能群（FG1–FG10），导致在总序列读长最低的冬季，Margalef指数反而更高。每个多样性指数侧重不同方面并有其局限性，导致大多数研究使用多个Alpha多样性指数评估鱼类群落。

本研究中FRic指数在春季最高，因为亲缘关系较近的物种通常表现出更相似的功能。春季检测到77属鱼类，超过其他三个季节，鱼类群落的整体生态位扩大，提高了FRic指数。FEve指数在秋季和冬季最高，可能由于非优势功能群（如FG2、FG4、FG8、FG9和FG10）的丰度增加，这些群主要由攻击性肉食性和洄游鱼类组成，增强了群落的运动能力和觅食能力，从而提高了对栖息地和猎物的利用率。FDiv指数在春季最低，部分原因是某些物种的高优势度，春季丰度前10的物种序列读长在所有季节中最高，导致一些生态位过饱和，种内竞争激烈。FDis和FD_Q指数在春季和夏季较高，表明这些季节鱼类群落的性状多样性更大，物种间资源利用的互补性更高，种间竞争更低，生态位重叠更少。

在分类学多样性指数中，平均分类差异指数Δ⁺在秋季显著低于其他季节，而分类差异变异指数Λ⁺显著更高，表明秋季鱼类群落的物种较少，系统发育关系更密切，但分类关系均匀度较低。PD指数表明长江上游鱼类群落的系统发育多样性遵循春季 > 夏季 > 秋季 > 冬季的季节性模式。

研究表明系统发育多样性（PD）指数与物种丰富度存在显著相关性，物种丰富度与功能丰富度之间也存在高度显著的正相关关系。SP Margalef、PD和FRic指数之间的显著正相关再次证实了这些观察结果。本研究还发现FEve、FDis、FD_Q、SP Shannon指数、SP Simpson、SP Pielou、FG Shannon、FG Simpson和FG Pielou这九个多样性指数之间存在显著相关性。具体而言，FEve与其他八个指数呈负相关，而其余八个指数彼此之间呈正相关。FDiv指数相对独立。Δ⁺和Λ⁺表现出显著的负相关，与之前的研究结果一致，Δ⁺较低的群组表现出更高的Λ⁺。不同类型的多样性指数为了解生态系统状态提供了多种视角。使用综合方法评估生态完整性可以更全面地理解生态系统结构和功能及其对主要环境驱动因素的响应，有助于更准确地认识真实的生态系统多样性。

4.3 Impact of the Environment on Fish Community Structure

鱼类群落结构的季节性分布主要受水温和鱼类生长繁殖活动等因素影响。水温被认为是影响鱼类群落的主要因子之一，在我们的研究中，它是与鱼类组成和多样性最相关的因子，与大多数鱼类多样性指数呈正相关。在基于eDNA宏条形码技术的鱼类群落结构研究中，水温的影响不仅限于对鱼类的直接影响，还影响活跃鱼类eDNA的释放和水体中eDNA的降解。研究表明，鱼类的生长、繁殖、摄食强度、新陈代谢和应激反应均受水温显著影响，从而影响鱼类多样性。可以推断，水温可能是eDNA分布的主要驱动因素，因为鱼类的摄食、运动和繁殖能力随着水温升高而逐渐增强，加速了eDNA的释放，导致水中eDNA浓度更高。

pH和溶解氧（DO）也与鱼类群落结构显示出显著相关性，通常与大多数多样性指数呈负相关。pH值在6.5–9之间被认为是鱼类生存和繁殖的完全正常范围，本研究测量的pH值范围为7.39–8.63。推测pH对结果的影响是由于秋冬季pH值较高，增加了eDNA的衰减速率。呼吸作用对鱼类生命至关重要，只能在溶解氧充足的环境中正常进行。然而，过高的溶解气体水平会导致鱼类患气泡病甚至死亡。在水电开发的背景下，由于大坝泄水，水库中的溶解氧可能变得过饱和。春季、夏季、秋季和冬季测量的平均溶解氧水平分别为8.31、7.72、8.42和9.02。结合秋冬季较低的水温（相对增加了饱和度），很可能水体溶解氧处于过饱和状态，导致鱼类丰度和生物量下降。

电导率与鱼类组成高度相关，但与鱼类多样性相关性较低。先前的研究表明，不同物种和功能群对水电导率的响应阈值不同，既有正响应也有负响应。物种和功能群的组成由这些响应决定，电导率的变化导致这些群组内部发生独立变化，从而引起群落改变。

FEve指数与环境因子的相关性更大，表明环境因子对群落中的某些鱼类物种或功能群施加了显著约束，值得进一步的数据分析。

研究表明各种环境因子对鱼类群落结构的影响不同。一项研究使用eDNA宏条形码技术调查了长江口及其邻近水域的鱼类多样性，CCA分析结果表明水温、盐度和溶解氧是影响鱼类组成季节性变化的主要环境因子。另一项研究表明，水温、pH水平和UV-B辐射等环境因子可以影响eDNA的释放和降解速率。环境因子对鱼类实际分布和eDNA分子的影响是复杂的。因此，了解不同环境因子如何影响流域水文特征以及eDNA释放和降解速率，将有助于更全面、准确地揭示鱼类时空分布格局。本研究探讨了六个