中国西南云南淡水介形虫作为人为压力潜在生物指示物：环境与土地利用关联评估

《Global Ecology and Conservation》：Freshwater ostracods as potential bioindicators of anthropogenic pressures in Yunnan, southwestern China

　　

研究人员调查了中国云南沿环境与土地利用梯度的淡水介形虫群落组成及其生物指示潜力。研究人员分析了2023年4月和2025年4月三个采样组（澜沧江、怒江、元江）中76个点位（海拔305–1579 m）的样本；在55个点位记录到20个介形虫分类单元。分类单元优势度和出现率在各采样组间存在差异，三个采样组共有5个分类单元。在4月群落的约束排序中，人类活动和环境冗余分析（redundancy analysis, RDA）模型的调整后R²分别为0.121和0.079，环境前向选择保留了大型植物覆盖度等级。两个模型均将采样组身份作为分类因子，并未量化独立的环境和人为贡献。一项补充的机器学习分析使用每个参考主成分分析（principal component analysis, PCA）轴的9种回归配置和200次自举重采样，评估了条件化的样本内预测因子排序。电导率、温度和浊度在PC1上排名最高。没有任何配置在全部三个留出采样组中，针对两个响应轴联合优于训练均值基线。这些结果识别了环境和土地利用关联，但未建立物种特异性耐受等级或因果路径。在支持跨栖息地、区域和季节的生物评估之前，需要独立验证分类单元特异性响应和预测性能。

淡水介形虫（Crustacea: Ostracoda）因分布对水化学条件（如电导率、pH）和底质特征敏感，且钙化壳能保存环境变化记录，常被用于淡水栖息地关联研究。云南地处古北界—东洋界过渡带，地形高度异质，淡水生境从山地溪流到农业池塘多样；然而，云南现生介形虫多样性记录仍不完整，此前记录多基于亚化石壳，区域尺度上环境与空间关联的解析尚不充分。将观测关联转化为生物评估指标时必须区分“关联”与“物种特异性响应”，耐受值和指示物种清单需在不同区域和物种库条件下验证。因此，研究人员在云南澜沧江、怒江、元江三个采样组开展4月调查，探讨群落组成差异、局部环境关联以及土地利用与群落的协变关系。

研究人员于2023年4月和2025年4月共调查76个点位，另于2024年11月调查5个点位作为区域补充记录；在55个阳性点位记录到20个介形虫分类单元。群落分析显示采样组身份仅解释5.05%的变异（PERMANOVA p=0.057），未达显著，但优势分类单元明显不同。环境RDA模型全局显著（p=0.0321，调整后R²=0.079），人类活动RDA模型全局显著（p=0.0006，调整后R²=0.121），前向选择分别保留大型植物覆盖等级和农业覆盖/HII/路网组合。条件化样本内机器学习排序显示电导率、温度、浊度在PC1排名最高，城市覆盖/HII在PC2排名最高，但没有任何回归配置能在三个留出采样组中相对训练均值基线获得联合正技能。这些结果识别出候选生物评估关联，但未建立可转移的预测关系或因果路径，需独立验证后才能支持跨栖息地、区域和季节的生物评估。

关键分析方法包括：使用Bray-Curtis相异矩阵的置换多元方差分析（PERMANOVA）检验采样组间差异，并用相似性百分比分析（SIMPER）识别主要贡献分类单元；对Hellinger转换的群落矩阵进行冗余分析（RDA）和典范对应分析（CCA），以环境描述符和人为活动描述符分别建立约束排序，采用调整后R²和前向选择比较和筛选预测变量；采用九种回归配置（Lasso、Elastic Net、随机森林、Extra Trees、Histogram Gradient Boosting、LightGBM、XGBoost以及目标标准化的多层感知机和Histogram Gradient Boosting）对群落PCA轴进行留组验证和自举重要度排序；用Ward层级聚类描述群落结构。样本队列包括76个4月点位（55个阳性、20个分类单元）和用于描述性参考PCA的54个点位、12个分类单元矩阵；人类影响指数（Human Influence Index, HII）由Esri Sentinel-2 10 m土地利用数据的农业、建筑覆盖和OpenStreetMap路网密度按缓冲区半径计算。

3.1 介形虫群落组成：研究人员在76个采样点共鉴定20个介形虫分类单元，其中55个点位有记录；代表壳瓣图像和物种名录见附录。这些分类单元属于Ilyocyprididae、Cyprididae、Candonidae、Cyclocyprididae和Darwinulidae等科。

3.2 区域群落格局：基于Bray-Curtis相异度的PERMANOVA表明，采样组身份解释5.05%变异（F_2,52=1.3828，p=0.0570），平方根转换敏感性分析结果类似；betadisper检验无显著组内离散差异。20个分类单元中仅5个（25%）由三个采样组共有，各组有特有记录：元江和澜沧江各3个特有分类单元，怒江2个。堆叠相对丰度显示澜沧江以Cypridopsis vidua和Ilyocypris japonica为主，怒江以I. japonica为主，元江以I. japonica和Stenocypris menghaiensis为主。SIMPER显示I. japonica、C. vidua和S. menghaiensis是组间差异的主要贡献者。

3.3 环境关联：全模型环境RDA全局p=0.0321，调整后R²=0.079；前向选择仅保留大型植物覆盖度等级，调整后R²=0.042。补充CCA也显著。环境单变量检验经Benjamini-Hochberg校正后无变量达到q<0.05。该结果表明大型植物覆盖度与群落组成存在关联，但不能据此推断直接效应。

3.4 人为压力关联：人类活动RDA全局p=0.0006，调整后R²=0.121，高于环境RDA。前向选择保留1000 m农业覆盖、500 m HII和路网密度，累计调整后R²=0.093。农业覆盖向量主要沿RDA2分布，Cypridopsis vidua得分最高，Stenocypris menghaiensis最低；这描述排序格局，不构成已估计的物种响应函数。

3.5 预测因子排序与预测表现：条件化样本内排序中，电导率、温度、浊度在参考PC1上排名最高，1000 m城市覆盖、100 m HII和电导率在PC2上排名最高；农业覆盖在每次拟合中均因共线性筛选被排除。参考PCA中PC1和PC2分别解释28.23%和24.23%变异。Ward聚类得到四个群（混合、I. japonica主导、C. vidua主导、S. menghaiensis主导），轮廓得分为0.417。留组验证中，没有配置在全部三个留出采样组相对训练均值基线获得联合正技能，最大折内R²为0.16。因此，样本内重复排序不能证明可转移的群落-环境关系。

讨论部分指出，区域格局受采样设计限制：采样组解释变异小，且所有怒江点位均在2023年采集，难以区分地理模式与年份效应；大型植物覆盖在环境前向选择中被保留，支持栖息地异质性的候选关联，但单变量检验未达阈值。电导率在机器学习中排名高但未在RDA前向选择中被保留，因分析目标和数据矩阵不同。与Wang等（2025）的记录比较，Physocypria kraepelini、Dolerocypris sinensis、Stenocypris hirutai等分类单元在云南的海拔记录得到扩展，但现有数据不支持推断连续分布或直接海拔限制。人类活动预测块与群落组成显著关联，城市覆盖和HII在PC2排序中排名高，但土地利用变量是景观描述而非污染直接测量，且HII由组分变量构建，不能作为独立压力源解释。研究人员未计算Ostracod Generalist–Specialist Ratio（OGSR），该指数仍处于候选阶段，需明确生态位宽度标准、丰度或出现率权重和缺失类群规则。

研究结论可翻译为：4月调查记录了云南三个采样组中淡水介形虫群落与栖息地和土地利用的关联；环境前向选择保留大型植物覆盖等级；条件化样本内预测因子排序识别了候选关联；但没有任何回归配置能在全部三个留出采样组中相对训练均值基线获得联合正技能。观测到的关联为当地生物评估校准提供起点，但分别拟合的排序不能建立独立的环境和人为效应或因果路径。栖息地覆盖不均和调查年份差异进一步限制了解释。在分配指示值之前，需要对独立表征的压力梯度测试分类单元特异性响应；在一个区域得到的指示关系需经当地验证后才能在其他区域使用。