基于多群落生物完整性指数（Mc-IBI）的山区小流域水生态健康评估——以中国东部杭州地区为例

为解决单一群落生物完整性指数（IBI）难以全面反映区域流域生态系统健康的问题，浙江大学团队创新性提出多群落生物完整性指数（Mc-IBI），整合底栖动物、浮游植物、浮游动物和附生藻类群落数据，通过t-SNE降维赋权构建评估体系。研究显示杭州山区小流域生态健康总体"良好"（63.58±8.52），较单一IBI更全面反映环境压力差异，为流域生态保护提供科学工具。

　　

在快速城市化的中国东部山区，河流生态系统正面临农业径流、工业排放等多重压力。传统基于单一生物群落的评估方法（如仅用底栖动物或浮游植物构建的IBI）常因不同群落对环境响应的差异性，导致评估结果矛盾。例如，某点位可能被底栖动物IBI评为"差"，却被浮游植物IBI评为"优"，这种"生态诊断分歧"严重制约管理决策。为此，浙江大学团队在《Ecological Indicators》发表研究，开创性提出多群落生物完整性指数（Mc-IBI），为区域流域健康评估提供更全面的解决方案。

研究团队选取杭州山区典型小流域（含44个采样点），通过标准化采样获取底栖动物等4类群落137项候选指标，结合分布范围分析、判别性检验和冗余分析筛选17项核心指标（如底栖类群数、桡足类类群数、辛普森指数等）。创新性采用t-SNE算法将高维群落数据降维后计算权重，最终构建加权整合的Mc-IBI体系。

3.1 生物群落特征揭示生态压力梯度
通过丰度-生物量曲线分析发现，底栖动物和浮游植物群落呈"未受干扰"状态（生物量曲线高于丰度曲线），而浮游动物和附生藻类显示"中度干扰"。PCA分析表明不同水体类型（支流、干流、水库）群落组成重叠度高，反映流域内生态压力的空间一致性。

3.2 Mc-IBI构建实现多群落协同评估
t-SNE降维后通过K-Means聚类将样本分为4类，计算欧氏距离确定各站点群落权重。结果显示支流站点底栖动物权重较高（如S4达42%），水库站点浮游生物权重突出（如S15浮游植物占38%），体现生境差异对群落贡献度的影响。

3.3 流域健康呈现空间异质性
Mc-IBI评估显示：6.82%点位"优秀"，65.91%"良好"，27.27%"中等"。空间上，支流（如S4、S10）生态状态最优，干流（S19-S24）和水库（S15、S29）因航运、农业调水等人为干扰评分较低。特别值得注意的是，干流交汇区S23受污染物累积影响显著，印证了Mc-IBI对复合压力的识别能力。

3.4 方法学验证彰显可靠性
验证集判别效率达287%，校准集与验证集的变异系数（CV）分别为0.10和0.07，表明方法稳定性。相较之下，单一IBIs的CV差异显著（如B-IBI校准/验证CV为0.32/0.08），凸显Mc-IBI的评估一致性优势。

3.5 环境驱动因子解析
冗余分析（RDA）揭示：溶解氧（DO）与底栖动物核心指标显著相关（F=5.0, P=0.008），总磷（TP）和氨氮（NH₃
-N）主要驱动浮游植物变化（F=4.6-10.5），印证不同群落对环境因子的响应特异性，这正是Mc-IBI整合评估的科学基础。

该研究突破传统IBI的"单群落局限"，通过机器学习赋权实现多维度生态信息融合。相比单一IBI，Mc-IBI具有三大优势：① 平衡短期（如浮游植物）与长期（如底栖动物）生态响应；② 降低因群落敏感性差异导致的误判风险；③ 通过权重分配反映生境特异性。尽管存在样本时效性、未包含鱼类群落等局限，但该方法为《长江保护法》实施背景下的流域精准管理提供了创新技术工具，其"可扩展框架"设计（如针对湖泊增加沉水植物指标）更具广泛适用前景。