淡水资源及其支持的生物群落受到多重人为压力的威胁，同时自然压力因素也在以前所未有的速度变化（Reid et al., 2019）。水生生物长期以来被用作生态系统健康的指标，因为它们可以反映各种环境压力的综合效应，从而提供对它们所栖息的水体整体状况的更全面理解。淡水群落通常包括具有广泛耐受性的物种，其中高度敏感的物种可以作为早期预警系统，在问题变得明显之前发出警报，而耐受性强的物种则整合并反映了慢性或长期压力因素的影响（Bonada et al., 2006）。然而，由于资金限制、时间限制和缺乏专业人员，生物数据的获取往往相对缓慢（且不完整）。这引发了对快速且成本效益高的方法的需求，以减少获取相关生物信息的复杂性。一种常见的策略是使用替代分类单元，即少数物种或分类单元对关键环境变量和压力的响应能够代表其他物种，包括那些难以直接调查的物种（T?lle et al., 2023）。
有几种常用的替代方法（参见T?lle et al., 2023）；在这里，我们重点介绍两种在淡水生物监测中最广泛使用的方法：指示物种方法（ISA）和高级分类单元方法（HTA）。ISA关注一个已知良好的物种或分类单元，其存在、丰度或丰富度作为目标物种、整体生物多样性、环境条件或其他感兴趣属性的指标，从而依赖跨分类单元的一致性来评估一个群体中的模式是否反映了更广泛的生态趋势。例如，在溪流环境中，蜉蝣目（Ephemeroptera）、石蛾目（Plecoptera）和毛翅目（Trichoptera）（统称为EPT）经常被用于生物监测和保护规划，因为它们具有众所周知的生态学特性、与其他目标群体的相对较强和可预测的关系以及对各种环境压力的敏感性。相比之下，HTA强调使用物种以外的分类级别（如属、科），以平衡生物数据的解释与物种级别识别所需的时间和精力（Gaston and Williams, 1993）。例如，一个蜉蝣科数量较多的溪流段被认为也包含许多该属的物种。这种方法在生物监测和保护中受到了相当多的关注，因为它有助于实现成本效益高的监测计划，并允许更广泛的实施（Bailey et al., 2001; T?lle et al., 2023）。
在这里，我们使用溪流宏观无脊椎动物群落来探讨ISA和HTA的有效性背后的变量——这是一个在监测和保护中广泛使用的超级多样化的群体（Bonada et al., 2006），其特性使它们成为测试替代指标性能机制的理想案例研究。首先，由于宏观无脊椎动物对环境变化的高度敏感性，它们特别适合用于生物监测，这使它们成为其所栖息水体整体状况的可靠哨兵。其次，某些属和科在同一群落和地点包含数十种物种，而其他则相对物种贫乏。这些属或科的物种数量的差异使得宏观无脊椎动物非常适合评估HTA是否受到物种与高级分类单元比例的影响，这一因素在之前已被确定为影响其他分类单元中超物种替代指标的关键因素（Andersen, 1995）。溪流宏观无脊椎动物也因其在中许多生态系统过程中的关键作用而具有内在价值，包括分解和营养循环（Wallace and Webster, 1996）、生物扰动和栖息地创建（Tumolo et al., 2019）以及向相邻陆地生态系统的物质和能量转移（Raitif et al., 2019）。最后，评估替代指标的性能及其在溪流宏观无脊椎动物群落中的变异性有重要的实际理由。由于各种因素，包括生命阶段的个体发育变化、水生无脊椎动物的小体型、分类学文献的局限性、专业知识的缺乏、密集准备或饲养的需要以及时间和资源的限制，对整个宏观无脊椎动物群落的物种级别识别具有挑战性。因此，特别是在需要大量时间和专业知识的高度多样化地区，迫切需要可靠的生物多样性替代指标。
一些作者提倡使用ISA和HTA作为评估和预测生态模式的有效替代策略。事实上，这两种方法揭示的趋势往往反映了物种在地方和区域尺度上的分布、丰度、多样性和动态（Johnson and Hering, 2009）。例如，Valente-Neto et al. (2018) 发现，在巴西南部的Betione河流网络中，EPT与整个水生昆虫群落有很强的相关性。然而，这种总体趋势受到了挑战，一些研究人员表明ISA和HTA无法获取完整的物种级别信息。例如，Heino et al. (2009) 发现，在芬兰的湖泊宏观无脊椎动物中，指示群体与其他分类单元之间的丰富度和群落相似性相关性较弱。同样，Padial et al. (2012) 发现巴拉那河上游（巴西）的分类单元之间的一致性较弱且随时间变化，这使人们对替代分类单元的可靠性产生了怀疑。显然，替代方法并非普遍适用，但影响其性能的因素和情境却很少被研究，尤其是在淡水环境中。
在这项研究中，我们探讨了影响ISA和HTA作为淡水宏观无脊椎动物直接物种评估的可靠替代指标的能力的因素。更具体地说，我们评估了EPT亚群落代表整个宏观无脊椎动物群落生物多样性模式的能力（ISA），并考察了科级数据在多大程度上能够捕捉到物种级别的模式（HTA）。我们还评估了ISA和HTA表示物种级别群落模式的能力是否可能是由于采样努力、物种与高级分类单元之间的数值关系、群落均匀度或非生物变量（如气候、人类压力）造成的。我们分析了一个包含近10,000个样本的大型数据集，涵盖了各种气候、生态区域和物种池，从而比以往的研究具有更广泛的普遍性。早期的研究表明，替代指标的有效性可能取决于样本大小（Neeson et al., 2013）、干扰（Rooney and Azeria, 2015）以及属内的物种数量（Andersen, 1995）等因素。因此，我们的最终目标是为未来的生物监测和生物多样性调查提供更实用的建议，以便更自信地使用这些替代方法。
