广义可加模型在R中的快捷实现及蓝藻水华预测分析中的应用

广义可加模型(generalized additive models,GAM)适用于响应变量与解释变量之间的关系是非线性或非单调的数据分析,近年来在生态学中受到越来越多的关注。本文利用太湖湖泊生态系统研究站的监测数据,在RStudio集成编程环境下通过R对数据进行预处理、确定连接函数、对模型进行筛选以及评估等步骤,运用GAM分析了环境因子对微囊藻生物量的影响。结果表明,水温、总磷、化学需氧量以及电导率是影响太湖微囊藻生物量的4个关键环境因子。分析过程中,通过自编函数能有效地减少编程过程中的代码输入工作;R+RStudio是高效、快捷的编程环境。     

博斯腾湖细菌丰度时空分布及其与环境因子的关系

于2010年6月—2011年6月在新疆博斯腾湖共进行了9次采样,获得了140份样品,采用表面荧光显微镜直接计数法及广义可加模型(Generalized Additive Models,GAM)研究了表层水体中细菌丰度的时空分布规律及其与环境因子的关系。结果表明博斯腾湖细菌丰度平均值为(1.48±0.95)×106个/mL;细菌丰度季节差异显著,夏季最高(2.05×106个/mL),冬季最低(3.81×105个/mL)。在大湖区,春季和冬季细菌丰度最大值均位于湖区中部,冬季细菌丰度由湖区中部向东南、西南逐渐减少。夏季和秋季细菌丰度分布与春季大致相反,湖区中部较低,西北部较高。GAM分析结果表明,温度、溶解性有机碳(DOC)、叶绿素a、电导率、浊度等5个环境因子对细菌丰度总偏差解释率为81.2%,其中温度贡献最大,贡献率为63.3%,DOC、叶绿素a和电导率,贡献率分别为12.5%、2.7%和1.7%;浊度对偏差的解释率仅为1.0%。在温度超过22℃时,影响博斯腾湖细菌丰度空间分布的主要因子是DOC。     

湖泛发生过程中水体理化性质及细菌群落的变化

运用分子生物学技术及多元统计分析的方法, 跟踪湖泛爆发过程中细菌群落的动态及环境因子变化。结果表明: 湖泛爆发过程中水质明显恶化, DO(溶解氧)、SD(透明度)、pH(酸碱度)显著降低, 其中DO 含量均低于0.51 mg·L^-1, 水体中TN(总氮)、TP(总磷)等营养盐的含量远远高于正常水体中的含量。细菌丰度和藻类数量明显升高, 其中, 湖泛中心区的细菌丰度上升到10⁷ cells·L^-1, 相比未发生湖泛的区域提高了一个数量级。运用高通量测序技术, 分析比较非湖泛区及不同程度湖泛区的细菌群落结构的差异。结果表明: 湖泛最严重的区域, α-、γ-变形菌纲(alpha-, gamma-Proteobacteria)分别由未发生湖泛时的4.10%和13.16%降至0.59%和1.91%; 放线菌门(Actinobacteria)所占比例由未发生湖泛区域的19.04%降至0.92%; 而拟杆菌门(Bacteriodetes)所占的比例则由1.12%增加至36.32%。此外, 还检测到一些特殊生境的细菌类群,如Ilumatobacter,Chitinophagaceae。通过对湖泛事件中细菌群落与关键环境因子的变化规律研究, 为湖泛问题的深入研究提供一定科学依据。