基于底栖动物作为生物指示剂的香港海洋微塑料污染地统计学估算

《Marine Pollution Bulletin》:Geostatistical estimation of marine microplastics pollution in Hong Kong using benthic fauna as bioindicators

【字体: 大 中 小 】 时间:2026年10月24日 来源:Marine Pollution Bulletin 4.9

编辑推荐:

   # 结合不同摄食模式和生活环境的类群可改善微塑料分布的地理空间评估 ## 摘要 - 结合具有不同摄食模式和生活环境的类群可改善微塑料分布的地理空间评估 - 分类类群和摄食模式是评估底栖动物作为微塑料污染生物指示物的关键因素 - 滤食性藤壶和刮食性腹足类可能作为微塑料生物指

  

# 结合不同摄食模式和生活环境的类群可改善微塑料分布的地理空间评估

## 摘要

- 结合具有不同摄食模式和生活环境的类群可改善微塑料分布的地理空间评估
- 分类类群和摄食模式是评估底栖动物作为微塑料污染生物指示物的关键因素
- 滤食性藤壶和刮食性腹足类可能作为微塑料生物指示物具有更高的效用
- 微塑料污染热点出现在后海湾(香港西北部)、吐露港(香港东北部)和维多利亚港

## 1. 引言

微塑料(MPs)污染对海洋环境的未知影响及其对食物链基础生物摄取的潜在后果,已成为一个日益受到全球关注的问题。海洋每年承受约1400万吨塑料垃圾,约占从表层沉积物到深海海床所发现的碎屑的近80%,海洋生物要么被塑料垃圾缠绕,要么将其吞入体内(Jaikumar et al., 2025)。这促使大量研究涌现以量化微塑料在海洋环境中的地理分布范围(如Cheung et al., 2016; Cheung et al., 2018)。

尽管美国和欧洲许多国家对海岸沉积物中的微塑料进行了大量调查,但东南亚、尤其是中国南部和香港地区关于微塑料的海洋环境研究相对较少。令人惊讶的是,该地区似乎微塑料污染更为严重(Tran Nguyen et al., 2020)。香港尤其被证实从陆地排水系统以及面向南海的东部或南部海域接收大量塑料污染(Liu et al., 2023)。

从海洋微塑料研究中获得的地理空间数据可用于制作塑料垃圾分布图,从而增强海洋管理和空间规划(Lu et al., 2025; Grist and Coleby, 2020; Coleby and Grist, 2019)。此类数据通常从沿海向岸位置采集,需要统计学外推来估算近海水域的微塑料密度。然而,正如Bour等(2018)所指出的,仅基于水样采集来量化底栖和附底生物中环境微塑料的方法会严重低估该问题的严重程度。

一个更为稳健的方法是利用底栖动物作为海洋环境中微塑料的原位生物指示物。底栖海洋生物提供了一种通过评估其组织中记录的微塑料数量来估算海洋中微塑料污染水平的直接手段。然而,在考虑不同分类类群时,重要的是在同一分类单元内比较具有相似摄食模式的物种。这是因为具有不同摄食模式的生物体中的微塑料浓度可能反映的是不同环境区室中的污染,而非通过相同暴露途径获得。例如,滤食者主要通过水体中悬浮的微塑料积累,沉积物食者摄取与沉积物相关的微塑料,而捕食者则主要通过食物链从受污染猎物中获取微塑料。环境间的相互依赖性使情况更加复杂,如沉积物中的微塑料与水体中的微塑料之间存在相关性。因此,观察到的种间组织微塑料差异在多大程度上直接取决于环境污染而非摄食行为差异,通常很难确定。

藤壶有望成为全球微塑料污染的生物指示物,因为它们是不移动的,作为滤食者必须从周围水域中摄取微塑料,使其来源易于识别(Wang et al., 2025)。此外,它们大量附着在硬质基质上,因此易于采集样本(Xu et al., 2020a)。在其他底栖生物如软体动物中观察到微塑料升高的生物积累现象,可能表明它们也可作为微塑料污染的潜在生物指示物(Curren et al., 2024; Roshni et al., 2025)。特别是,腹足类是候选生物,因为它们在软质海岸上以微藻和碎屑为食,在岩质海岸上以微藻和大型藻类为食,并普遍存在于这些栖息地中。当这些栖息地受到微塑料污染时,其体内微塑料的数量很可能反映出污染水平(Ng et al., 2022; Wai and Williams, 2006)。

本文的目的是客观评估不同类群底栖动物在香港地区海域微塑料污染制图评估中的效用。我们采用了Xu等(2020a, Xu et al., 2020b)在香港海洋地理域沿海水域两项研究中所收集的广泛空间数据。这些数据提供了藤壶组织中的微塑料水平(Xu et al., 2020a)以及其他底栖动物中的微塑料水平(Xu et al., 2020b)。后一项研究记录了按类群(3组)或摄食模式(4组)分组后的微塑料水平。其地统计学效用在所有可能的类群或摄食模式组合中进行了探索,并在每种情况下评估了制图结果。虽然制图方法是基于沿海数据采集来估算二维推断性海洋表面,但生成的地图指示了局部尺度上海洋中平均或深度平均的微塑料污染水平。这使得能够估算整个香港海洋地理域中微塑料污染的空间分布。

## 2. 材料与方法

Xu等(2020a)和Xu等(2020b)开展的两项研究地点有很强的区域重叠(附录A)。特别是,Xu等(2020a)中藤壶的采样在采集个体数量方面(n个体 = 1650)比Xu等(2020b)中任何底栖动物的采集个体数量(n个体 = 313)更为广泛。同样,各自的采样地点数(n地点)分别为30和18。数据的制图效用在每项单独研究中定义的所有可能分组组合中进行了评估,同时对合并数据集也进行了评估。这是通过对三个数据集(即(1)Xu等(2020a)中藤壶数据的种级分组以及汇总为单一数据集后的结果,称为"藤壶"组,(2)Xu等(2020b)底栖数据中按类群或摄食模式定义的每个子组,以及(3)两项研究合并数据中按类群或摄食模式定义的每个子组)分别评估空间自相关和制图结果质量来实现的。

### 2.1. 数据概述

在本文中,微塑料定义为直径<5毫米的塑料颗粒。用于空间制图的指标(z)为在香港各采集地点(x, y)所采集样本中每克组织记录的平均微塑料颗粒数(MPs)。此外,两项研究中用于识别和计数动物组织中微塑料的实验室和采样方案完全相同,且所有样本均在固定的季节基础上于香港夏季期间(7月至9月)采集。从微观尺度来看,在给定采样地点采集的样本可能不可避免地反映了不同栖息地环境中的微塑料浓度,因为不同生物体的生态特征各不相同。然而,通过取平均值来合并样本,可提供该采样地点整体微塑料的总体估算,这被用于合并两个数据集时的地统计学插值,这也是本文的主要研究目的。z值通过在每个采样地点每个分组的各空间样本中分析的个体数量上取平均值来计算。

#### 2.1.1. Xu等(2020a)数据

在Xu等(2020a)中,从香港各地的30个采样海岸地点采集了33个藤壶空间样本,并记录了四种最常见物种的平均微塑料水平: Amphibalanus amphitrite(A. amphitrite)、Fistulobalanus albicostatus(F. albicostatus)、Tetraclita japonica japonica(T. j. japonica)以及鹅颈藤壶Capitulum mitella(C. mitella)。每个空间样本中的个体数量固定为n = 50,样本空间位置(x, y)以纬度和经度记录。图1显示了各物种频率的柱状图,其计数定义为采集的空间样本数量(n空间样本)。与n地点相比,这一指标更准确地代表了所获得的空间分布信息,因为某些地点被多次采样。柱状图显示,从种级视角来看可用空间信息较少,只有T. j. japonica物种的数据超过10个空间样本,n空间样本 = 16。

图1. 显示Xu等(2020a)中收集的4种藤壶物种频率的柱状图,以各物种采集的空间样本数量(n空间样本)表示(总n空间样本 = 33):A. amphitrite(n空间样本 = 8),C. mitella(n空间样本 = 3),F. albicostatus(n空间样本 = 6),T. j. japonica(n空间样本 = 16)。

#### 2.1.2. Xu等(2020b)数据

在Xu等(2020b)中,记录了3个属的其他底栖动物在3个类群中的微塑料水平,即蟹类、腹足类或双壳类。此外,将每个类群的摄食模式记录为4个类别:滤食者、沉积物食者、刮食者或捕食者。采样方案通过在18个站点采集来确保数据能代表区域沿海环境,其中一半位于东部区域水域,另一半位于西部水域,同样以纬度和经度记录样本位置(x, y)。共采集了81个空间样本,各底栖分组在每个空间样本中采集的个体数量在不同地点从n = 1到5不等。在两个区域的9个站点中,4个为泥滩,其余5个为沙滩,从而对各种沿海环境提供了良好的代表性。

Xu等(2020b)中采集的底栖物种采样频率如图2所示,该图同样以柱状图显示采集的空间站点数(n空间样本),分别按类群(以摄食模式分层)在图2A中分组,或按摄食模式(以类群分层)在图2B中分组。图2A显示,腹足类是最丰富采样的单一类群组,主要由沉积物食者或刮食者组成,含有一些捕食者。数量第二多的类群组为蟹类,主要由沉积物食者和捕食者组成,其次是双壳类,完全由滤食者组成。图2B确认,按摄食模式来看,沉积物食者是最丰富采样的分组,完全由腹足类和蟹类组成。该图还显示,刮食者同样主要由腹足类组成,含有一些蟹类。

图2. 显示Xu等(2020b)中收集的其他底栖数据不同类别频率的柱状图,以采集的空间样本数量(n空间样本)表示(总n空间样本 = 81),分为以下组:(A)顶部按类群(以摄食模式分层)分组;(B)底部按摄食模式(以类群分层)分组。

### 2.2. 空间自相关

空间自相关是一种衡量空间依赖性的指标,可衡量给定空间数据集的"平滑度"。这可以指示不同观测值之间在距离方面的任何聚集性(Cressie, 2015; Wackernagel, 1995)。正空间自相关的存在对于普通克里金法和地统计学制图构建很重要,因为它使得空间插值成为可能,从而在未能采集样本的位置生成有意义的地图(Lu et al., 2025; Liu et al., 2023; Coleby and Grist, 2023; Grist, 2022; Grist and Coleby, 2020)。

通过计算Moran's I统计量(MI),对三个数据集中所有可能的子组组合进行了空间自相关评估。作为单一的汇总统计量,MI有时会通过提供全局平均值而掩盖局部关联,因此评估辅以对相关经验变异函数的目视检查。MI的范围从-1(完全分散)到1(完全聚集),MI = 0表示完全随机,并使用R包spdep进行评估。

在Moran's I计算中,决定不同位置邻近程度如何影响相似性的空间权重矩阵,针对两种标准方法进行了调查:(1)欧氏距离的倒数法和(2)最近邻法(nnbs),其中后者通过邻接性对固定数量k个最近邻施加权重,并通过行标准化(或行归一化)的最近邻权重矩阵实现最稳定的评估(Cressie, 2015)。后一方法使得能够通过与不同参数k选择的结果进行比较来检验局部聚类的效应。

2.3 制图方法

对三个数据集的所有可能子组组合分别评估了制图结果,全程使用普通克里金插值。模型变差函数用于表示总体趋势,在所有情况下均表现为非线性且无界的,未实现有限基台(平台)。标准指数模型最佳地捕捉了这种总体形状,如图3中所有所示的变差函数所清晰展示的。因此,没有理由拟合其他模型(如球模型或高斯模型,两者均能达到有限基台),因为在此类情况下,指数模型的拟合是标准的地球统计学实践,并在全过程中使用(附录B)。

下载:下载高分辨率图片(300KB)下载:下载全尺寸图片

图3. 由指数模型拟合的经验变差函数(红色方块,nbins=20,实线),并用于生成相应的微塑料污染地图(见图4),数据来源为Xu等人2020a、Xu等人2020b收集的MPs数据。γ(h)为半方差,h为滞后距离,其中c0("基台")和a0("范围")为给定数据集导出的常数。(A)仅有藤壶:c0=10.338,a0=0.139,rsq=0.569,RMSE=1.943;(B)藤壶与所有底栖动物:c0=4.617,a0=0.065,rsq=0.523,RMSE=0.888;(C)藤壶与腹足类:c0=6.939,a0=0.117,rsq=0.684,RMSE=1.047;(D)藤壶与碎屑食者和食草者(DepoGraz):c0=5.553,a0=0.082,rsq=0.536,RMSE=1.105。(关于图例中颜色引用的解释,请参阅本文的网页版本。)

因此,制图结果取决于(1)底层样本数据在多大程度上准确代表了MPs的地理空间分布,以及(2)施加空间结构的模型变差函数在多大程度上拟合了经验变差函数。

针对这些问题依次进行回答,我们(1)结合MI统计量目视检查了经验变差函数,(2)确定了变差函数模型的拟合优度。后者通过两个常用的曲线拟合统计量进行评估:(a)决定系数(r2=rsq),其范围从0到1,表示拟合曲线解释的方差比例;以及(b)均方根误差(RMSE)。RMSE表示数据点与拟合曲线之间的平均距离,因此较低的值表示模型拟合更好(零表示完美拟合)。

分析针对三个数据集中每个数据集的所有可能样本数据分组进行了执行。在所有情况下,经验变差函数均通过使用20个箱来构建,以表示生成的变差函数云。所有生成的地图均使用MATLAB软件完成(The Math Works, Inc. (2019))。区域地理范围使用从GADM数据库(全球行政区划数据库,www.gadm.org,版本2.8,2015年11月)下载的中国和香港开源地理空间数据进行定义,网格分辨率为1:500000(0.2厘米=1公里)。

3. 结果

3.1. 空间自相关

采用欧氏距离倒数法计算的MI,对于三个数据集中任何分组内的任何子组(无论按分类群类型还是摄食方式分类),均未发现统计显著性(p > 0.05)(附录C)。这与采用nnbs加权方法计算MI所得到的结果形成对比,如表1所示,表中还包含其他汇总统计量,包括每个子组中Moran's I值最高的最近邻数k。在探索性数据分析或假设检验中,通常设定20%的较高显著性水平(p < 0.20),以避免遗漏潜在效应(假阴性)或意外丢弃可能重要的变量或趋势(Hosmer Jr.等, 2013)。在此我们使用该水平来标记在MI值方面可能具有重要意义的分类群或摄食方式分组,以确保它们不会因较高的噪声或较小的样本量而被过早丢弃。因此,该方法具有整体性,因为它能够发现可能值得讨论或进一步大规模研究的暗示性证据,这在许多生态学背景下经常出现(Muff等, 2022)。

表1. Xu等人2020a、Xu等人2020b收集的藤壶与其他底栖动物MPs数据的Moran's I和汇总空间统计量,其中其他底栖动物按(A)分类群和(B)摄食方式进行分组。(C)中的单行为Xu等人(2020a)的仅有藤壶数据(见附录D表D1)。关键词:Dep(碎屑食者),Filt(滤食者),Graz(食草者),Pred(捕食者)。DepoFilt = 碎屑食者和滤食者,依此类推。nnnbs = 使用的最近邻数量,numsites = 采样站点数,numspats = 收集的空间样本数,numinds = 采样的个体数。加粗字体表示p < 0.20的正向空间自相关。斜体表示统计变量。

Xu等人2020a、Xu等人2020b微塑料空间数据

藤壶(Xu等人2020a)与底栖动物(Xu等人2020b)

排除藤壶

空单元格

Moran's I 回归 样本 numsites numspats numinds

观测值 期望值 方差 nnnbs p值 rsq RMSE numsites numspats numinds

A. 藤壶与按分类群分组的底栖动物

1 分类群组

蟹 0.008 ?0.025 0.0048 0.299 0.508 1.424 41 56 172 41 123 74

腹足类 0.081 ?0.022 0.0038 0.040 0.684 1.047 47 72 182 21 73 91 72

双壳类 ?0.032 ?0.026 0.0048 0.533 0.410 1.602 39 52 171 79 19 67 2

2 分类群组

BivaCrab 0.007 ?0.023 0.0048 0.309 0.461 1.148 44 75 179 114 42 141

GastBiva 0.037 ?0.021 0.0038 0.153 0.637 0.933 48 91 188 9 18 58 239

GastCrab 0.019 ?0.021 0.0038 0.244 0.524 1.047 48 95 189 6 18 62 246

3 分类群组(全部)

GastBivaCrab 0.010 ?0.021 0.0038 0.290 0.523 0.888 48 114 196 3 18 81 3 13

B. 藤壶与按摄食方式分组的底栖动物

1 摄食方式组

碎屑食者 0.023 ?0.022 0.0038 0.221 0.621 1.220 47 69 181 0 17 36 160

滤食者 ?0.032 ?0.026 0.0048 0.533 0.410 1.602 39 52 171 79 19 67

食草者 0.033 ?0.026 0.0048 0.180 0.601 1.637 39 45 169 49 12 44

捕食者 0.012 ?0.026 0.0048 0.276 0.654 1.436 40 47 169 2 10 14 42

2 摄食方式组

DepoFilt 0.011 ?0.021 0.0038 0.285 0.583 1.053 48 88 187 7 18 55 227

DepoGraz 0.035 ?0.021 0.0038 0.165 0.536 1.105 48 81 185 4 18 48 204

DepoPred 0.001 ?0.021 0.0038 0.350 0.606 1.159 48 83 185 2 18 50 202

FiltGraz ?0.010 ?0.024 0.0048 0.412 0.610 1.046 42 64 176 11 23 111

FiltPred ?0.007 ?0.024 0.0048 0.393 0.545 1.185 43 66 175 9 13 33 109

PredGraz 0.035 ?0.024 0.0048 0.170 0.602 1.264 43 59 173 6 13 26 86

3 摄食方式组

DepoFiltGraz 0.019 ?0.021 0.0038 0.243 0.546 0.914 48 100 192 1 18 67 271

DepoFiltPred 0.000 ?0.021 0.0038 0.359 0.583 0.985 48 102 191 9 18 69 269

DepoPredGraz 0.019 ?0.021 0.0038 0.244 0.524 1.047 48 95 189 6 18 62 246

FiltPredGraz 0.011 ?0.023 0.0048 0.285 0.589 0.943 44 78 180 3 14 45 153

4 摄食方式组(全部)

DepoFiltPredGraz 0.010 ?0.021 0.0038 0.290 0.523 0.888 48 114 196 3 18 81 3 13

C. 仅有藤壶

藤壶(Xu等人2020a) 0.037 ?0.034 0.0058 0.152 0.569 1.943 30 33 16 50 000

两种不同邻域加权方法结果的对比可能由香港海洋区域破碎的海岸线和众多岛屿所解释,其中强调局部聚类(如nnbs加权方法所提供)能更好地衡量空间自相关。此后,所有MI计算和数值均指采用nnbs加权方法获得的结果。

3.1.1. Xu等人(2020a)数据

对所有可能的藤壶物种分组组合(numsites=30)计算了MI,结果表明仅有非常弱的空间自相关,在5%显著性水平(p < 0.05)下均无统计显著性(附录D,表D1)。在某些情况下,MI值显示负向空间自相关,这可能归因于在物种水平上观察到的站点稀疏性和数据站点配置。然而,跨不同物种的数据汇总意味着空间自相关的总体改善。最高的正向MI值出现在A. amphitrite与F. albicosta的组合中,MI=0.103(p=0.103),其次是A. amphitrite与C. mitella以及T.j. japonica的组合,MI=0.080(p=0.095),以及所有4个物种组合在一起(称为"藤壶"),MI=0.037(p=0.152),尽管均较弱,但均可在20%显著性水平(p < 0.20)下显著。

3.1.2. Xu等人(2020b)数据

对其他底栖动物的这些数据(numsites=18),按分类群或摄食方式的每个子组组合评估了空间自相关,相应的MI值显示于附录D,表D2中。按分类群分组时,腹足类、蟹类,或腹足类和双壳类(缩写为GastBiva)显示出最高的正向空间自相关值,均接近统计显著性(p < 0.05),分别为MI=0.170(p=0.052)、MI=0.169(p=0.055)和MI=0.142(p=0.057)。按摄食方式分组时,仅碎屑食者和食草者子组(缩写为DepoGraz)发现显著的正向空间自相关,MI=0.206(p=0.016),因此在5%显著性水平下显著。

3.1.3. Xu等人(2020a, 2020b)合并数据

当藤壶与所有其他底栖动物分组(numsites=48)时,发现正向空间自相关为弱且不具统计显著性(MI=0.010,p=0.290)。然而,通过排除某些类别可显示更强的空间自相关,特别是当仅从Xu等人(2020b)中选取包含腹足类的分类群子组与藤壶分组时,如表1所示。这里,最高的正向空间自相关出现在藤壶仅与腹足类组合的情况下,MI=0.081(p=0.04),因此在5%显著性水平下统计显著。其次是藤壶与腹足类和双壳类(GastBiva)的组合,MI=0.037(p=0.153)。藤壶与其他附加子组的组合显示较弱的空间自相关。

当藤壶与Xu等人(2020b)的摄食方式子组分组时,当子组包含食草者时,正向空间自相关最高。具体而言,碎屑食者和食草者(DepoGraz)的MI=0.035(p=0.165),捕食者和食草者(PredGraz)的MI=0.035(p=0.170),以及食草者的MI=0.033(p=0.180),但均略低于上述包含腹足类的分类群分组。

关于分类身份与摄食方式之间潜在混杂的问题,可通过考虑表1中Xu等人2020a、Xu等人2020b藤壶与底栖动物合并数据集与不同比例的分类群或摄食方式组相关的MI值来解决,这些值在图2A和B的分层条形图中展示并提供于附录E。应首先指出的是,包含蟹类(MI=0.008,p=0.299)或双壳类(MI=?0.032,p=0.533)均产生不显著的空间自相关,因此这两个分类群均不能作为混杂因素。此外,由于双壳类等同于(相同于)滤食者(如图2A、B所示),后者作为摄食方式组也被排除产生任何混杂效应。

对于其他剩余底栖组,从分类学角度开始,包含腹足类达到最高且最统计显著的MI=0.0811(p=0.04)。当腹足类与其他分类群(由摄食方式组的分类群成分定义)汇总时,随着腹足类比例被稀释,MI值(p值增加)呈明显的单调递减方式。因此,我们发现,对于由92%(=11/12)腹足类组成的食草者(附录E,表E2),MI降至MI=0.033(p=0.18);对于由67%(=24/36)腹足类组成的碎屑食者,MI=0.023(p=0.221);对于由29%(=4/14)腹足类组成的捕食者,MI降至MI=0.012(p=0.276)。这表明空间自相关的驱动因素是腹足类,这通过从摄食方式角度使用交叉分类论证(附录E,表E1)得到确认。因此,如果我们相反假设食草者(MI=0.033,p=0.18)是驱动因素,对于由较低28%(=11/39)食草者组成的腹足类,MI增加至MI=0.081(p=0.040),从而导致矛盾。同样,如果我们假设碎屑食者(MI=0.023,p=0.221)是驱动因素,对于由较低62%(=24/39)碎屑食者组成的腹足类,MI再次增加至MI=0.081(p=0.040)。最后,如果我们假设捕食者(MI=0.012,p=0.276)是主要驱动因素,对于由较低29%(=4/14)捕食者组成的腹足类,同样得出相同的矛盾。因此结论是,只有将腹足类作为分类群包含在内才能是观测到的空间相关的驱动因素。这在逻辑上与将碎屑食者和食草者合并组(DepoGraz)包含在藤壶中是一致的,该组合由73%([24+11]/[36+12])腹足类组成,我们发现其MI=0.035(p=0.165)比单独包含由62%和28%腹足类分别组成的碎屑食者或食草者更接近于腹足类获得的MI=0.081(p=0.040)。

总之,将藤壶按分类群与腹足类分组,或按摄食方式与碎屑食者和食草者分组,意味着通过Moran's I统计量衡量的空间自相关得到最强增强。

3.2. 制图结果

图3显示了(A)Xu等人(2020a)藤壶(MI=0.037,p=0.152)和(B)藤壶与Xu等人(2020b)所有其他底栖动物分组(MI=0.010,p=0.290)的经验变差函数与拟合变差函数模型的图。图3还显示了藤壶与Xu等人(2020b)子组分组的变差函数,这些子组通过MI统计量的显著性达到了最高的正向空间自相关,按分类群或摄食方式划分,即(C)藤壶与腹足类(MI=0.081,p=0.040)和(D)藤壶与碎屑食者和食草者(DepoGraz)(MI=0.035,p=0.165)。相应的生成地图显示于图4中。

下载:下载高分分辨率图片(874KB)下载:下载全尺寸图片

图4.

图3中各模型变异函数所生成的对应地图,展示了香港海域海洋微塑料污染的估算分布(另见表1)。红色(蓝色)表示微塑料水平最高(最低)的区域(单位为每克组织的微塑料颗粒数)。numspats 为所采集的空间样本数量,MI 为莫兰指数(Moran's I)统计量,并附有 p 值。白色圆圈为采样点。所采用的 Xu et al., 2020a 和 Xu et al., 2020b 的数据子组包括:(A)藤壶,numspats = 33,MI = 0.037,p = 0.152;(B)藤壶及所有底栖物种,numspats = 114,MI = 0.010,p = 0.290;(C)藤壶和腹足类,numspats = 72,MI = 0.081,p = 0.040;(D)藤壶与沉积物食性和刮食性生物(DepoGraz),numspats = 81,MI = 0.035,p = 0.165。(关于本图注中颜色描述的解读,请参阅本文的网络版本。)

3.2.1. Xu et al. (2020a) 数据

在图3A中,藤壶的经验变异函数表现出较弱的结构,半方差与滞后距离之间没有明显的依赖性。因此,所拟合的模型变异函数曲线也很弱(rsq = 0.569,RMSE = 1.943),且在图4A对应的生成地图中可见,其地图范围(a0 = 0.130)可能被高估。

3.2.2. Xu et al. (2020b) 数据

在所有按分类群或摄食模式划分的子组组合中,经验变异函数均缺乏结构,因此无法获得有意义的模型变异函数拟合。这很可能归因于较低的空间自相关性以及采样点稀疏(numsites = 18)。因此,在其他底栖动物的单独分析中,未生成任何制图结果。

3.2.3. Xu et al. (2020a, 2020b) 合并数据

在图3B中,当藤壶与所有其他底栖动物合并时,经验变异函数表现出稳定性,并且与仅使用藤壶(rsq = 0.569,RMSE = 1.943)相比,模型曲线拟合总体有所改善(rsq = 0.523,RMSE = 0.888)。模型变异函数的较短范围(a0 = 0.065,与 a0 = 0.13 相比)在图4B对应的地图中表现为更为紧凑的邻域结构。在图3A中,仅藤壶获得的 rsq 值 0.569 之所以偏高,是因为与图3B中藤壶与所有底栖动物的数据相比,数据在 y 变量方向上的离散度更大。因此,在整个分析过程中同时提供 rsq 和 RMSE 统计量,以便对模型变异函数拟合进行更具统计稳健性的评估。在此,RMSE 值从 1.943 显著改善至 0.888,这表明图3B中藤壶与所有底栖数据的曲线拟合效果更好。与图3C-D中藤壶与腹足类或藤壶与沉积物食性和刮食性生物的对比结果同样如此。

在图3C中,藤壶与腹足类的经验变异函数表现出最强的空间自相关性,这与统计显著且最高的 MI 值一致(MI = 0.081,p = 0.04)。模型变异函数曲线的拟合也更好(rsq = 0.684,RMSE = 1.047),且范围更长(a0 = 0.117),如图4C对应地图中更为广泛的邻域所示。

在图3D中,藤壶与沉积物食性和刮食性生物(DepoGraz)组合的结果与图3C相似。空间相关性 MI = 0.035(p = 0.165)、模型变异函数拟合(rsq = 0.536,RMSE = 1.105)以及较低的范围(a0 = 0.082)均表明,与图4C相比,图4D对应地图的制图结果质量略低。

就生成的地图而言,通过藤壶与所有底栖物种(图4B)、腹足类(图4C)或沉积物食性和刮食性生物(图4D)评估的微塑料污染空间分布相似。仅纳入腹足类时,空间自相关性有所边际改善,这由统计显著的 MI = 0.081(p = 0.040)所表明,提示该分类群提供的信息含量有助于获得更好的制图结果。同样,由于沉积物食性和刮食性生物主要由腹足类组成,该分类群再次被证实有助于改善制图结果。蟹类的作用可能较弱,它们主要由沉积物食性和刮食性生物(DepoGraz)(图2A)组成,是该组中唯一起到平衡作用的分类群。

3.2.4. 微塑料污染分布的不确定性

图4中估算微塑料分布地图的预测误差(克里金方差)在图5对应的不确定性地图中展示。这些地图具有一个共同特征,即中心区域为蓝色低不确定性区,将其叠加在对应的微塑料地图上可确定一个具有更高确定性的核心污染水平区域。由于图4中分布地图上的热点区域大部分位于该区域内,因此这些区域也是污染估计精度最高的区域。在所有这些地图中,外围边缘区域均显示出更高的不确定性,该区域从图5A中仅藤壶的最高水平(红色)到图5B中藤壶与所有底栖物种合并的最低水平(浅绿色)不等。较高的不确定性意味着外围区域距离采样点更远且空间样本数量较少(numspats)。因此,外围区域在图5A(仅藤壶,numspats = 33)中最大,在图5B(藤壶与所有其他底栖物种合并,numspats = 114)中最小。在图5C中,藤壶仅与腹足类合并(numspats = 72),预测误差相对较高(黄色),但在图5D中,当藤壶与沉积物食性和刮食性生物合并且空间样本数量更多(numspats = 81)时,预测误差水平较低(从黄色趋向绿色)。

下载:下载高分辨率图片(881KB)
下载:下载全尺寸图片

图5. 图4微塑料污染地图分别对应的克里金方差不确定性地图。红色(蓝色)表示预测误差最高(最低)的水平。numspats 为所采集的空间样本数量。白色圆圈为采样点。(A)藤壶:numspats = 33;(B)藤壶与所有底栖物种:numspats = 114;(C)藤壶与腹足类:numspats = 72;(D)藤壶与 DepoGraz:numspats = 81。(关于本图注中颜色描述的解读,请参阅本文的网络版本。)

3.2.5. 制图结果总结

一个一致的信息是,微塑料污染水平最高区域出现在西北部深湾附近和东北部吐露港附近。这表明该区域有大量微塑料来源于河流,很可能源自生活及工业塑料废弃物经河流侵蚀破碎后污染河口底栖生态系统(Li et al., 2025; Zhang et al., 2024, Zhang et al., 2025)。此外,半封闭或封闭海湾的地理和水动力特征,由于水体循环相对较弱,限制了微塑料的扩散并促进其积累。同样,吐露港因其瓶颈状地形而易受污染,仅有一条狭窄出口连接港湾与外海,导致潮汐冲刷能力弱且水体停留时间长,使微塑料得以持续存在并积累。此外,该地区周围是人口稠密的城区(如大埔、沙田和马鞍山),这些区域是塑料废弃物和城市径流的重大来源(Liu et al., 2023)。人为输入量大与水动力冲刷能力有限的结合,可能是导致微塑料浓度较高的原因。

在维多利亚港九龙与香港岛之间的一个孤立热点区域也被识别出来,该区域航运和休闲船只活动繁忙。尽管维多利亚港以较强的潮汐流和更活跃的水体交换为特征,但由于密集的航运交通以及众多的污水和雨水排放口,其仍然是微塑料污染热点,这些排放口持续输入微塑料,其影响可能超过了较强水动力条件的扩散作用。

在南部的南角角和西部的大屿山长洲附近还有两个较小的区域,其估算微塑料水平也较高。这两个区域均以较高的渔业和航运活动为特征,常观察到废弃渔具和泡沫箱。长洲也是热门旅游目的地,设有多个游泳海滩,游客可能显著贡献了当地微塑料废弃物。

这些结果总体上与 Lu et al. (2025) 的制图研究一致,该研究同样使用克里金法,并将深湾和维多利亚港识别为香港水域三个微塑料热点中的两个。第三个热点是大屿山岛西部的铜锣湾,在当前分析中并未显示为热点;而吐露港虽被 Lu et al. (2025) 识别为微塑料水平较高的区域,但并非热点。然而,其研究基于离岸沉积物样本的空间插值,深度可达35米,仅取自香港20个采样点。Xu et al., 2020a 和 Xu et al., 2020b 数据采样的更广泛的沿海区域很可能反映的是较浅深度的微塑料水平,可能代表也可能不代表更深处底泥或离岸其他深度的污染情况。这可能是差异的原因之一,尽管局部海洋水动力和上升流等其他因素也可能至关重要,需要进一步研究。

4. 讨论

海洋微塑料污染现已被认为是一项重大环境隐患,影响着广泛的海洋生物,尤其是底栖和潮间带无脊椎动物。多位学者的研究表明,摄食行为是影响微塑料摄入的最重要因素之一,其重要性往往超过栖息地、营养级甚至体型(Cole and Galloway, 2015; Bour et al., 2018; Berlino et al., 2021)。因此,科学家和生态系统管理者有必要在微塑料污染评估中纳入具有不同摄食模式的底栖动物(Khan and Rountos, 2025)。

本次分析表明,分类群类型和摄食模式很可能是影响海洋无脊椎动物微塑料摄入水平的关键驱动因素,应成为未来监测和生态风险评估的核心。滤食性藤壶和刮食性腹足类尤为敏感,因为其摄食策略增加了与悬浮或沉积微塑料的接触机会。由于藤壶是滤食者,从水柱中收集包括微塑料在内的颗粒物,且被微塑料污染的水体也倾向于将微塑料沉积在沙滩上,因此其效用可能还取决于环境关联性。例如,Xu et al. (2020b) 指出藤壶中的微塑料浓度与周围沉积物之间存在相关性。在邻近栖息地摄食的动物,如刮食性腹足类(在沉积物中摄食的沉积物食性动物)和藤壶(在水柱中滤食),由于这种关联性,更有可能反映相似水平的微塑料。如果藤壶是全球微塑料污染的生物指示物,那么随之而来的问题就是哪些其他底栖动物组合最适合补充藤壶作为微塑料生物指示物的作用。

令人意外的是,与双壳类贝类和鱼类相比,藤壶在微塑料研究中受到的关注相对较少(Falkenberg et al., 2024; Fang et al., 2023)。对柄海胆(Lepas spp.)的研究表明,在塑料积累较高的区域(如北太平洋副热带环流区),微塑料摄入现象普遍存在(Goldstein and Goodwin, 2013)。尽管某些藤壶物种能够拒食不合适的食物颗粒,但其摄食机制与双壳类高度选择性的摄食行为不同(Ward et al., 2019)。这表明某些藤壶物种作为微塑料污染指示物的潜力更强,但仍需更多研究来了解其摄食选择性和摄入模式。Wang et al. (2025) 最近的研究证明藤壶是非选择性摄食微塑料的生物,这进一步支持了将其作为有效生物指示物的用途。

刮食活动增加了摄入二次微塑料(尤其是来自降解塑料、衣物和绳索材料的纤维)的可能性(Song et al., 2025; Andrady, 2011)。因此,进行刮食或沉积物摄食的动物特别容易摄入海洋环境中的微塑料,被视为潜在的生物指示物。潮间带岩石海岸上的刮食性腹足类可能比其他大多数底栖动物(除藤壶外)提供更强的微塑料污染指示(Doyle et al., 2019; Xu et al., 2020a, Xu et al., 2020b)。摄入的微塑料可能会减少其能量储备、堵塞消化和呼吸器官、干扰避敌机制并增加死亡风险。

尽管Doyle等人(2019)发现不同站点间微塑料的丰度存在显著差异,但这可能与当地海洋水文条件及沉降模式有关。关于潮间带螃蟹的研究表明,摄食行为对微塑料的积累具有强烈影响,微塑料主要富集于胃肠道中(Aminah等人,2023)。沉积物食性蟹类,尤其是体型较小的个体,通常含有更高浓度的微塑料,这再次凸显了摄食策略在决定微塑料暴露水平方面的重要性。了解这些与摄食相关的路径对于评估生态风险以及评价不同海洋生物作为微塑料污染指示物种的适用性至关重要。

河床沉积物也可能是微塑料的重要时空汇,其分布受输运和沉降机制的支配(Wazne等人,2025)。除海洋污染外,沉积物组成差异、水动力条件以及微塑料自身特性也可能驱动这一过程(Ye等人,2025)。在此背景下,双壳类动物因滤食行为及其在污染评估项目中已确立的角色,成为微塑料监测中被研究最为广泛的生物类群之一(Covernton等人,2019;Le等人,2024;Van Cauwenberghe等人,2014)。研究表明,微塑料的积累会损害双壳类动物吸收营养物质的能力,导致氧化应激,损害细胞和组织,在人类食用海产品时也构成健康威胁(Ho等人,2025;Thao等人,2025;Mu?iz和Rahman,2025)。然而,它们高度选择性的摄食行为限制了其作为生物指示物种的实用性(Davies等人,2021)。这与本次分析的结果一致:Xu等人(2020b)研究中藤壶与双壳类动物滤食机制的差异,可能比后者较小的样本量更为关键。

### 5. 结论

本次分析强调了不同分类群和生物摄食模式在确定其作为微塑料生物指示物种适用性方面的重要差异。藤壶特别适合作为生物指示物种,因为其所有物种均为专性滤食者。因此,即使不同藤壶物种分布于不同区域,微塑料浓度的空间比较仍然有效,因为它们代表了共同的暴露途径。相比之下,对摄食策略更多样化的分类群(如腹足类或蟹类)的解释需要更加谨慎。有意义的比较应仅限于共享相同摄食模式的物种(例如,食碎屑的蟹类与食碎屑的腹足类),因为将具有不同摄食策略的物种纳入分析可能会混淆环境污染效应与暴露途径差异,从而降低站点间比较及地理空间推断的可解释性。

将腹足类动物纳入采样计划可以提高微塑料的空间制图精度,因为许多腹足类属于碎屑食性。在软底岸上,其主要食物来源是沉积物表面的微型藻类和碎屑。因此,一个同时纳入藤壶和腹足类的监测体系可以反映两个环境组分中的微塑料污染,即水柱和沉积物。

就香港特别行政区而言,需要灵活且能适应微塑料科学认识不断演进的微塑料污染管理政策,并在变化的环境条件和社会经济背景下保持有效(Zhao和Li,2025;Ulhasanah等人,2025)。未来的方向之一是采用联合优先区域制图(JPAM),以评估利益相关方管理应优先进行的区域(Grist和Coleby,2020;Coleby和Grist,2019)。该方法提供了一种便捷的方式来量化关键问题以供利益相关方讨论,从而辅助政策制定。它为综合海岸带管理和海洋空间规划提供了数据驱动的支撑,以减轻生态健康影响。这可能包括结构完善且稳健的社区驱动监测项目,通过研究机构、商业伙伴和非营利组织的合作,使社区能够收集有关海洋微塑料污染丰度和分布的重要系统性数据,监测海洋物种,并报告生态系统污染状况(Ovide等人,2025)。如果未来能够建立关于底层海洋地球物理机制和水动力学的信息,还可以纳入更复杂的方法(Miao和Wang,2024)。

公众社区、政府和工业界在实施可持续塑料废弃物管理实践方面缺乏意识、执行力度和承诺,以及非法塑料进口活动仍然显著,导致受影响环境中微塑料污染的加剧(Gao等人,2025)。因此,需要一项综合战略,通过工程升级以去除微塑料、可降解/生物基聚合物、微生物/酶法生物修复、全面的公众教育以及微塑料来源追溯等途径实现缓解,同时兼顾海洋生物多样性和公共健康(Uma?a等人,2025)。

### CRediT作者贡献声明

Eric P.M. Grist:撰写—审稿与编辑,撰写—初稿,可视化,验证,软件,方法论,调查研究,形式分析,数据管理,概念构思,资源,项目管理。Alastor M. Coleby:撰写—审稿与编辑,概念构思。Xiaoyu Xu:软件,数据管理。Hoi-Shing Lo:软件,数据管理。Hoi-Man Liu:软件,数据管理。Siu-Gin Cheung:撰写—审稿与编辑,概念构思。

### 关于生成式人工智能及人工智能辅助技术在写作过程中使用的声明

所有科学内容、解释和结论均由作者独立完成,作者对本手稿承担全部责任。

Eric P.M. Grist | Alastor M. Coleby | Xiaoyu Xu | Hoi-Shing Lo | Hoi-Man Liu | Siu-Gin Cheung
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号