《Global Ecology and Conservation》：A Functional Trait-Based Indicator Value Index for Rapid Bioassessment Using Benthic Macroinvertebrate Families
编辑推荐：
为解决传统指示物种法在生态可解释性和跨水体适用性上的局限，本研究以长江流域为对象，开发了基于功能性状的指示价值指数（FIVI）。该指数将182个大型底栖无脊椎动物科分为10个功能组，量化了其在不同生物完整性等级下的指示价值，并利用丰度前三的科构建FIVI。研究表明，相较于BMWP和FBI等传统指数，FIVI在判别力、响应性、敏感性等方面表现更优，为跨生态系统、可快速应用的淡水生物评估提供了生态意义明确、操作性强的工具。
想象一下，河流和湖泊的健康就像人体的免疫系统，需要一些灵敏的“哨兵”来预警。在淡水生态系统中，大型底栖无脊椎动物（如蜉蝣、石蝇、摇蚊的幼虫）就扮演着这样的角色。长期以来，科学家们依赖“指示物种”来判断水质好坏，比如看到对污染敏感的石蝇，就认为水质较好。这种方法简单、便宜，因而被广泛应用。然而，它也有明显的短板：不同地区的指示物种可能不同，生态解释力有限，尤其是在面对人类活动带来的多重压力（如污染、栖息地破坏、气候变化等叠加影响）时，传统方法往往“说不清、道不明”，难以揭示生态功能变化的深层原因。
近年来，一种基于“功能性状”的新思路应运而生。它不再只关注物种“是谁”，而是关注它们“能做什么”，比如生命周期是长是短、移动能力强弱、用什么方式呼吸、以何种方式取食等。这些性状直接反映了生物应对环境压力的策略，理论上能更普适、更灵敏地指示生态系统健康状况。然而，如何将功能性状的理论优势，转化为一种像传统方法一样快速、简便、可大规模应用的评估工具，一直是生态监测领域面临的挑战。
为此，中国科学院水生生物研究所的何雅静等研究人员在《Global Ecology and Conservation》上发表了一项研究，他们成功开发了一种名为“基于功能性状的指示价值指数”（Functional Trait-Based Indicator Value Index, FIVI）的新工具。这项研究旨在为长江流域多样化的淡水生态系统，提供一个生态可解释性强且操作简便的快速生物评估方法。
研究人员为开展此项研究，主要应用了以下几项关键技术方法：首先，基于大量历史文献和实地调查数据，构建了覆盖长江流域干流、一二三级支流、溪流、通江湖泊和阻隔湖泊等六类水体的738个采样断面的大型底栖无脊椎动物分布数据库。其次，筛选了包括生活史、形态、生态等在内的7个功能性状（31种状态），采用Gower距离和Ward.D2层次聚类法，将182个科归类为10个功能性状组。接着，通过整合总科丰富度和功能丰富度（Functional Richness, FRic）构建了生物完整性梯度，并利用指示物种分析（Indicator Species Analysis）中的特异性（specificity）和忠诚度（fidelity）指标，计算了每个功能组在不同水体类型和完整性等级下的指示价值（FIV）。然后，将指示价值转换为指示等级（FIVG），并结合基于密度和出现频率计算的科级优势度，构建了FIVI指数（最终确定采用优势度前三的科）。最后，研究利用土地利用数据（%城市和%农田）作为人为干扰的代理变量，通过多维度统计评估（判别力、精确度、响应性、敏感性和相关性），在长江流域尺度上对FIVI的性能进行了验证，并与广泛使用的传统指数——生物监测工作小组指数（Biological Monitoring Working Party, BMWP）和科级生物指数（Family Biotic Index, FBI）进行了对比。
研究结果
3.1. 基于功能性状的组别及其在不同水体中的指示价值
研究人员将182个大型底栖无脊椎动物科成功划分为10个功能性状组。基于整合了总科丰富度和功能丰富度（FRic）的生物完整性值，各采样断面被划分为五个完整性等级。计算显示，不同功能组在不同水体类型中的指示价值（FIV）存在显著差异。例如，包含部分碎食者（shredder）和刮食者（scraper）、具有强游泳能力和鳃呼吸的功能组（如第4组和第8组），在大多数水体类型中表现出最高的FIV，表明它们对高完整性条件有很强的指示能力。相反，第2组在所有水体类型中FIV均最低，反映了其与退化环境的关联。这些基于FIV排序确定的指示等级（FIVG）为后续FIVI的构建提供了基础。
3.2. 干扰等级划分与最优优势科数量选择
通过95%分位数回归，研究确定了人为干扰的阈值：耕地（%crops）和建设用地（%urban）的上阈值分别为19.68%和33.17%。根据此阈值，采样断面被划分为低、中、高三个干扰等级。通过比较基于优势度前1-5个科构建的FIVI变体（FIVI1–FIVI5）发现，FIVI3（基于前三个优势科）在判别力、精确度、响应性、敏感性和相关性五个评估维度上均表现出一致的高性能，因此被选定为最优配置用于后续分析和验证。
3.3. 指数的比较验证
桑基图（Sankey diagram）分析显示，FIVI、BMWP和FBI三种指数给出的健康评估等级存在显著不一致。BMWP的评估趋向保守，大部分断面（82%）被评定为“差”或“极差”；FBI则倾向于集中在中等至高等级。而FIVI在大多数水体类型中五个等级的分布更为均衡，表明其不易出现系统性的等级压缩或膨胀。
箱线图进一步显示，FIVI的评估等级中位数在大多数水体类型中能清晰地从低干扰到高干扰呈现下降趋势，对人为干扰梯度响应明确。相比之下，BMWP和FBI在部分水体类型（特别是二级支流和湖泊）中趋势较弱或不一致。
定量化的多维度性能比较（见表4）最终证实了FIVI的优越性：FIVI在干扰组间表现出最强的判别力（Kruskal–Wallis p < 0.001）；响应性最高（标准化均数差SMD = 0.94）；误分类率远低于BMWP（仅18%的低干扰断面被误分为差/极差，32%的高干扰断面被误分为健康/亚健康）；并且其评估等级与建设用地比例（%urban）显示出显著且最强的负相关（比值比OR = 0.64, p < 0.001），而BMWP和FBI与干扰因子的相关性则弱得多或不显著。
研究结论与意义
本研究成功开发并验证了基于功能性状的指示价值指数（FIVI）。该指数通过四个关键改进，桥接了生态学理论与监测实践之间的鸿沟：1) 明确以整合了分类学和功能维度（总科丰富度与FRic）的“生物完整性”为核心目标，超越了单一污染指标；2) 采用“功能性状组”而非分类单元作为指示单元，增强了结果对生态过程的解释力；3) 在科级水平进行操作，平衡了科学严谨性与现场鉴定的可行性；4) 采用“最大指示值”原则，仅依赖丰度前三的优势科，大幅提升了现场快速评估的效率。
研究表明，FIVI不仅能有效区分不同人为干扰水平下的生态系统状态，其评估结果还与干扰梯度（尤其是城市化压力）具有显著且稳健的相关性。相较于传统的BMWP和FBI指数，FIVI展现出了更优的判别能力、更高的响应灵敏度、更低的误判率以及更强的生态可解释性。这意味着FIVI能够更可靠地捕捉由多重压力引起的、隐藏在物种更替背后的功能性群落变化，例如特化功能群的丧失和广适性功能群的扩张。
这项研究的重要意义在于，它提供了一套标准化的、附有查询表格的快速评估工具包。监测人员只需鉴定样品至科级，确定其所属功能组，查询对应水体的指示等级表，即可快速获得生态健康评估结果。这极大地降低了对专业分类学知识和大量数据处理的依赖，使得基于生态功能的大范围、常规性淡水生态系统健康监测与管理决策成为可能。未来，通过整合环境DNA（eDNA）技术、细化分类分辨率、纳入气候变化敏感性状，并与多类群指标结合，FIVI框架有望进一步发展，为全球淡水生物多样性保护和生态系统管理提供更强大的科学支持。
