环境DNA宏条形码技术监测大型河漫滩鱼类群落：与传统电捕鱼方法的比较及在圣皮埃尔湖的应用

本文推荐一篇利用环境DNA（eDNA）宏条形码技术监测圣劳伦斯河圣皮埃尔湖漫滩鱼类群落的研究。该研究系统比较了eDNA技术与传统电捕鱼（electrofishing）方法，发现eDNA能检测更多物种，尤其适用于稀有物种和复杂水文环境下的生物多样性评估。研究进一步分析了漫滩不同区域（sectors）及土地利用方式（如农业与自然湿地）对鱼类群落组成的影响，证明eDNA宏条形码是可扩展、非侵入性且高效的新一代生态监测工具。

　　

1 引言

淡水生态系统具有高度生物多样性，并提供支持生态系统健康和经济可持续性的重要服务。然而，这些系统正经历全球生物多样性危机，其中大型河漫滩作为淡水生态系统的关键组成部分，维持着鱼类多样性、生长和繁殖。但漫滩也面临日益增加的人为压力，包括物理改造和农业用地转换。因此，迫切需要可扩展的生物监测方法，以更有效地评估这些异质且动态的漫滩生态系统。

传统鱼类监测方法如电捕鱼和网捕通常具有侵入性、成本高且资源密集。相比之下，环境DNA（eDNA）宏条形码提供了一种非侵入性、成本效益高且可扩展的替代方案。本研究旨在比较eDNA宏条形码与电捕鱼在圣皮埃尔湖（St. Lawrence河最大的漫滩栖息地）鱼类群落监测中的效果，并评估漫滩区域和从自然湿地到一年生作物（如玉米和大豆）的土地利用梯度对鱼类群落多样性和组成的影响。

2 材料与方法

2.1 样品收集

研究区域为加拿大魁北克的圣皮埃尔湖，是圣劳伦斯河的一个扩大部分，面积达50,000公顷，属于五大湖-圣劳伦斯流域——全球最大的淡水系统。该湖支持多样的湿地生态系统，为众多水生物种提供关键栖息地。每年春季，融雪和降水导致洪水淹没邻近的农业和自然土地，形成一个28,000公顷的漫滩——圣劳伦斯系统中最大的湿地。

研究在2019年和2022年春季洪水期间进行采样，共涉及30个站点，覆盖四个漫滩区域，总计47个采样点。所有站点均位于圣皮埃尔湖的2年洪水重现区内，即最常被淹没的部分。土地利用类别包括传统管理的年度作物（CM）、改进管理的年度作物（IM）、临时草地、永久草地、沼泽和森林沼泽。水样用于eDNA提取和环境参数测量，同时在部分站点进行电捕鱼采样。

2.2 环境参数

研究重点关注浊度和归一化植被指数（NDVI），以表征不同土地利用类别并确认栖息地质量梯度。浊度使用多参数探头测量，NDVI则通过欧盟Copernicus陆地监测服务提供的数据计算，作为洪水期间淹没植被的代理。此外，还使用水深模型（基于测深和LIDAR数据）估计水位，以解释洪水时间和强度。

2.3 电捕鱼

在2019年和2022年洪水期间，使用威斯康星型电捕鱼船进行鱼类群落采样。每个站点电捕鱼20分钟，覆盖约650线性米。捕获的鱼类进行物种鉴定和体长测量，并将原始丰度转换为相对丰度，以便与eDNA分析保持一致。

2.4 eDNA样品收集、提取和测序

在每个站点收集1升水样，使用Whatman GF/D（2.7μm）和Sterivex（0.22μm）过滤器进行过滤。提取DNA使用DNeasy PowerSoil Pro试剂盒，并进行Illumina测序前的文库制备，使用靶向鱼类12S rRNA基因的MiFish-U引物。测序在Illumina MiSeq平台上进行。

2.5 生物信息学

序列处理使用Barque宏条形码管道（版本1.7.4），包括质量修剪、合并、去重复和注释步骤。序列与MitoFish、GENBank和Barcode of Life数据库进行比对，相似度阈值设为97%。物种级分配仅针对魁北克已有记录的物种，且序列数低于总读数0.001%的物种被移除以消除假阳性。

2.6 数据分析

多样性指数包括Alpha多样性（exp(Shannon)）、Beta多样性（LCBD）和系统发育多样性（Faith's PD的标准化效应大小）。使用主坐标分析（PCoA）、置换多元方差分析（perMANOVA）、判别分析和基于距离的冗余分析（db-RDA）评估群落组成与环境变量的关系。广义线性混合模型（GLMMs）用于检验土地利用对多样性指标的影响。

3 结果

3.1 采样方法之间的差异

eDNA宏条形码检测到的物种数（36种）显著多于电捕鱼（19种），其中eDNA独家检测到21种，电捕鱼独家检测到4种，15种为两种方法共同检测。优势物种在两种方法间有所不同：电捕鱼中以Hybognathus regius、Ameiurus nebulosus、Perca flavescens和Notemigonus crysoleucas为主；eDNA则以Perca flavescens、Cyprinus carpio、Hybognathus regius和Esox lucius为主。两种方法的多样性指数相关性较低（Alpha多样性r=0.27，Beta多样性r=0.05，系统发育多样性r=-0.16），群落组成也存在显著差异（perMANOVA，p<0.0001）。

3.2 eDNA宏条形码采样的鱼类群落

鱼类群落多样性和组成在圣皮埃尔湖的不同区域（sectors）之间存在显著差异，但土地利用类别内未发现明显影响。Beta多样性在区域间变化显著，其中Baie-du-Febvre较高，St-Barthélemy较低。PCoA、perMANOVA和判别分析均表明，鱼类群落组成在不同区域间差异显著（perMANOVA，p=0.0001，R2=20.5%），而土地利用类别的影响不显著（p=0.325）。db-RDA显示，区域和水位是群落组成变异的主要驱动因素，环境变量（NDVI、浊度和水位）解释了17.6%的方差，其中区域单独贡献11.3%。

4 讨论

4.1 采样方法之间的差异

eDNA宏条形码在检测物种丰富度方面优于电捕鱼，尤其对于稀有和难以捕捉的物种。两种方法在优势物种检测上的一致性表明，eDNA能够可靠地捕获群落中的常见物种。方法间的差异可能源于电捕鱼的采样偏差（如对小型和底栖物种的敏感性）以及eDNA的运输和降解过程。例如，Cyprinus carpio在eDNA中的高检测率可能与其逃避行为和繁殖活动相关eDNA释放有关。

4.2 eDNA宏条形码采样的鱼类群落

eDNA成功揭示了圣皮埃尔湖漫滩不同区域间的鱼类群落差异，表明其在捕捉大尺度空间模式方面的有效性。然而，土地利用对群落的影响较弱，可能由于eDNA在动态水文环境中的运输和混合导致信号均质化。此外，采样设计的局限性和空间自相关性可能也影响了土地利用效应的检测。未来研究需结合更精细的时空采样和空白控制，以提高eDNA在复杂生态系统中的分辨率。

总体而言，eDNA宏条形码是监测河漫滩鱼类群落的有力工具，能够补充传统方法，尤其适用于大规模、非侵入性和高敏感度的生物多样性评估。随着全球漫滩面临农业、城市化和气候变化等威胁，eDNA技术有望在生态保护和恢复中发挥重要作用。