1. 利用大型底栖无脊椎动物进行
河流生态系统健康评价
Assessing the River Health Using Benthic
Macroinvertebrate Assemblages
王备新
南京农业大学 昆虫系 水生昆虫与溪流生态实验室
Beixin Wang
Laboratory of aquatic insects and stream ecology
Department of Entomology, Nanjing Agricultural University
wangbeixin@njau.edu.cn

2. Outline
一、底栖动物介绍
二、底栖动物作为生物指示种的优点
三、河流健康的底栖动物学评价方法
四、利用底栖动物完整性指数B-IBI评价河流健康
五、利用RIVPACS模型评价河流健康

3. 一、底栖动物介绍
底栖动物（benthos）是指生活史的全部或大部分时
间生活在水体（溪、河、水库、湖）底部的水生
动物
通常将不能通过500µm（0.5mm）孔径筛网的底栖
动物称为大型底栖无脊椎动物（benthic
macroinvertebrate）.
大型底栖动物中的无脊椎动物称为大型底栖无脊椎
动物，包括昆虫纲的蜉游、蜻蜓、毛翅目、襀翅
目等，甲壳纲的龙虾、水虱等，软体动物门的蚌、
螺等，环节动物门的水蛭、水蚯蚓等。

4. 扁形动物 线形动物
环节动物—寡毛纲
环节动物—蛭纲
软体动物—瓣腮纲
软体动物—腹足纲

5. 昆虫纲Insecta
襀翅目 毛翅目
蜉蝣目
双翅目 鞘翅目 蜻蜓目

6. 二、底栖动物作为生物指示种的优点
1. 水生态环境质量（水质/生境）的指示性
好且准确，方便水环境管理实践的应用。
（1）极清洁水体指示种（Excellent): 蜉蝣目
Ephemeroptera, 襀翅目Plecoptera, 毛翅目
Trichoptera，脉翅目Neuroptera

7. （2）清洁水体指标种：蜉蝣目Ephemeroptera, 毛
翅目Trichoptera，广翅目Megaloptera

8. （3）污染水体指示种：蛭纲Hirudina, 红摇蚊red
chironomids, 水丝蚓属 Limnodrilus sp.

9. 2. 生活周期长，活动能力弱，能够反应污染
物的累积效应
大部分1年发生1代或2代
3. 个体大，较易鉴定或识别
绝大多数的类群凭肉眼就可以识别至科。

10. 4. 采集方法比较简单，1-2人就可以完成野外
采集。

11. 三、河流健康的底栖动物学评价方法
1. 健康的河流
组成结构（物理、化学、生物）和功能（自然、
生态、社会服务）
2. 河流健康的生物学评价方法
河道特征 能源
生物群落的结
构与功能
化学属性
生物相互作用
水文

12. （1）单个生物指数法 (BI: Biotic Index)
（2）生物完整性指数法（IBI)
（3）摄食功能类群分析法(Functional
Feeding Group)
 （4）生物群落的生物属性法(Biological
traits) ----功能多样性
（5）落叶分解速率法
（6）预测模型法(RIVPACS)

13. 三、利用底栖动物完整性指数B-IBI评
价河流健康
1. 研究区域概况
西苕溪
（30°23′~31°11′N，
119°14′~120°29′E）
位于太湖上游地区的浙西
水利分区，发源于天目山，
下游是长兴平原。干流总
长157 km，流域面积约
2200 km2，

14. 2. Methods
2.1 Field work
 64 sampling sites
( 15 reference
sites)
 Five surber nets
each site
 8 environmental
variables
including water
chemistry, habitat
variables,
watershed land
use upstream of
sampling sites

15. 2.2 Data analysis
Stepwise evaluating 36 candidate
metrics.
 Crop, forest and urban land use in
upstream watershed of every site were
analyzed using satellite image and a
Digital Elevation Model.
Statistical analysis was performed by
SPSS 16.0.

16. 3. Results
 B-IBI was composed of seven metrics:
 Total taxa,
 EPT taxa,
 Coleoptera%,
 Three dominant taxa,
 (Hydropsychidae/Trichoptera) %,
 Filterers%
 Biotic Index (BI).
Fig.1 Box-plot of IBI in reference
sites (R) and stressed sites (S)
Table 1. Narrative interpretations and their numeric criteria (n=64)
Excellent Good Fair Poor
>4.64 3.15-4.64 2.34～3.15 <2.34

17. Relationship of B-IBI with environmental
variables

18. Pearson’s coefficient=-0.431, (p<0.001, n=99) Pearson’s coefficient=0.482, (p<0.001, n=99)
Pearson’s coefficient=-0.403, (p<0.001, n=84) Pearson’s coefficient=-0.357, (p=0.001, n=84)

19. Sub-basin Riparian Local
entire drainage 200m buffer on each 200m buffer on
upstream from side of sample point each side of
sample point extending length of sample point
the drainage extending 1km
network upstream
Morley and Karr (2002)

20. Pearson’s coefficient=0.471, (p<0.001, n=101)
Pearson’s coefficient=-0.352, (p<0.001, n=101)
Fig. 2 the relationship among IBI and
the percentage of forest land use,
cropland use and urban land use at
the sub-basin scale.
Pearson’s coefficient=-0.421, (p<0.001, n=101)

21. Pearson’s coefficient=0.655, (p<0.001, n=100)
Pearson’s coefficient=-0.460, (p<0.001, n=100)
Fig. 3 the relationship among IBI and
the percentage of forest land use,
cropland use and urban land use at
the local scale.
Pearson’s coefficient=-0.444, (p<0.001, n=100)

22. Pearson’s coefficient=0.633, (p<0.001, n=100)
Pearson’s coefficient=-0.470, (p<0.001, n=100)
Fig. 4 the relationship among IBI and
the percentage of forest land use,
cropland use and urban land use at
the riparian scale.
Pearson’s coefficient=-0.397, (p<0.001, n=100)

23. 四、 利用RIVPACS模型评价河流健康
1. 原理
生物的分布受自然环境梯度（气候、地形地貌、土壤、
温度、光照、降水量、海拔）等决定。可根据生物分
布的规律与自然环境梯度之间的内在关系来预测生物
可能的分布范围。
2. 理论假设
期望值E（Expected value):监测样点在受干扰前，可能具
有的生物群落组成（物种名录和物种数）。
观测值O（Observed value): 期望出现的生物物种被实际调
查到的数量。
O/E值（O/E value):监测样点偏离“正常位置”的“距
离”，也可以认为是受干扰样点生物多样性丧失的程
度。

24. 3. 发展历史及现状
 英国淡水生态研究所（Institute of Freshwater Ecology）于
1984年建立. 至2008年先后开发出了：RIVPACS II、
RIVPACS III和RIVPACS III+ 。
 澳大利亚1996年开发了AUSRIVAS 模型，目前已建立了适合
不同生态区使用的48个相对独立的模型。
 新西兰1998年建立了溪流健康监测和评价的预测模型
SHMAK（Stream Health Monitoring and Assessment Kit）。
 瑞典开发了适合本国溪流使用的SWEPACSRI和湖泊使用的
SWEPACLLI模型。
 加拿大的模型是BEAST(BEnthic Assessment of SedimenT)模
型。
 美国EPA和各州已开始构建和推广使用预测模型评价水体生
态质量。
 目前O/E指标是欧盟水框架计划最主要的生物评价指标之一。

25. AUSRIVAS
http://ausrivas.canberra.edu.au/

26. 4、RIVPACS模型的构建
4.1 研究区域概况
• 漓江为珠江的上游河段，发源于兴安县猫儿山，
止于平乐，平乐以下江段称为桂江。漓江全长
164km，总流域面积6050km2 ，市区内长度
49.3km。
• 漓江流域属于亚热带温润季风气候，年均降雨量
达到1627mm，受季风影响，丰枯水季明显。

27. 4.2 材料与方法
4.2.1 理化、生境
和生物数据采集
2008年3月 35个样
点（20个样点）
2008年10月 39个样
点（28个样点）。
3月和10月皆采样的
样点数15。
Fig. 1 Benthos sampling sites in Lijiang River in Mar.
(left) and Oct. (Right)

28. 4. 2. 2 构建RIVPACS模型的步骤
（1）根据生物数据对样点进行分组，
（2）判别分析的方法确定与生物分组结果
一致的一组环境变量，建立判别函数，
（3）预测监测点属于不同组的概率，
（4）计算不同分类单元在监测点可能出现
的概率，
（5）确定在监测点期望出现的具体的分类
单元（物种）。

29.  环境数据
经纬度、海拔、河流的水面宽度、深度、平均流
速、最大流速 、pH、电导率、溶解氧、温度、
COD 、TN、TP等、底质组成等。
 生物数据
底栖动物群落数据。

30. 4.3 研究结果
参照点分组结果
Fig.2 Cluster results of reference sites using BC index

31.  Predictor variables
深宽比、温度、底质类型I（≤2mm）、底质类型I
（>256mm）
 Predictive model validation

32. 表1. 漓江源头猫儿山期望出现的具体分类单元和实际观测到的分类单元及数量
Baetidae Baetis 四节蜉属 1 Ephemerellidae Cincticostella 带肋蜉属 0.802
Hydropsychidae Cheumatopsyche 纹石蛾属 1 Nemouridae Nemoura 叉襀属 0.801
Simuliidae 蚋科 1 Baetidae Baetiella 花翅蜉属 0.8
Tipulidae 大蚊 1 Leptophlebiidae facialis 宽基蜉属 0.796
Neochaliodes 斑鱼蛉属 1 Leuctridae Perlomyla 长卷襀属 0.796
Neoneuromus 齿蛉属 1 Heptageniidae Cinygmina 似动蜉属 0.607
Helodidae 沼甲科 1 Ephemerellidae Torleya 大鳃蜉属 0.605
Parapoynx crisonalis 草螟科 1 Euphaeidae 溪蟌科 0.605
Thalerosphyrus 短鳃蜉属 0.999 Hydrophilidae 水龟虫科 0.605
Philopotamidae 等翅石蛾科 0.999 Psephenidae 扁泥甲科 0.604
Elmidae 长角泥甲科 0.995 Gomphidae 春蜓属 0.602
Tabanidae 虻科 0.803 涡虫 0.593
Hydrobiosidae 螯石蛾科 0.802
E=20.8
O=22
O/E=1.057
漓江源头猫儿山

33. 表2. 漓江中游兴坪期望出现的具体分类单元和实际观测到的分类单元及数量
Heptageniidae Cinygmina 似动蜉属 1 Euphaeidae 溪蟌科 0.889
Baetidae Baetis 四节蜉属 1 Hydrophilidae 水龟虫科 0.889
Hydropsychidae Cheumatopsyche 纹石蛾 1 Baetidae Baetiella 花翅蜉属 0.888
Simuliidae 蚋科 1 Ephemerellidae Uracanthella 角蜉属 0.886
Tipulidae 大蚊 1 Perlidae Neoperla 新襀属 0.778
Neochaliodes 斑鱼蛉属 1 Gomphidae Ophiogomphus 春蜓属 0.777
Neoneuromus 齿蛉属 1 Caenidae Caenis 细蜉属 0.777
Helodidae Scrites 沼甲科 1 Isonychiidae Isonychia 等蜉属 0.775
Potamomusa
Crambidae 草螟科 1 0.668
midas
Heptageniidae Thalerosphyrus 短鳃蜉属 1 Ephemeridae Ephemera 徐氏蜉 0.667
Ephemerellidae Torleya 大鳃蜉属 1 Gyrinidae Gyretes 豉甲科 0.665
Hydrobiosidae 螯石蛾科 1 Baetidae Acentrella 0.665
Leptophlebiidae choroterpes 宽基蜉属 0.998 Psephenidae Psephenus 扁泥甲科 0.557
Tabamidae 0.889 Protohermes 星齿蛉属 0.554
Philopotamidae 等翅石蛾科 0.889 Pyralidae Petrophila 0.553
E=25.766
O=13
O/E=0.505

34. 表3. 漓江下游荔浦河期望出现的具体分类单元和实际观测到的分类单元及数量
Baetidae Baetis 四节蜉属 1 Euphaeidae 溪蟌科 0.888
Hydropsychidae Cheumatopsyche 心唇纹石蛾 1 Hydrophilidae Enochrus 水龟虫科 0.888
Simuliidae 蚋科 1 Baetidae Baetiella 花翅蜉属 0.886
Tipulidae 大蚊 1 Ephemerellidae Uracanthella 角蜉属 0.873
Neochaliodes 斑鱼蛉属 1 Perlidae Neoperla 新襀属 0.776
Neoneuromus 齿蛉属 1 Gomphidae Ophiogomphus 春蜓属 0.775
Helodidae Scrites 沼甲科 1 Caenidae Caenis 细蜉属 0.771
Crambidae 草螟科 1 Isonychiidae Isonychia 等蜉属 0.765
Heptageniidae Thalerosphyrus 短鳃蜉属 0.999 Potamomusa 0.671
Heptageniidae Cinygmina 似动蜉属 0.998 Ephemeridae Ephemera 蜉蝣属 0.665
Hydrobiosidae 螯石蛾科 0.998 Gyrinidae 豉甲科 0.66
Ephemerellidae Torleya 大鳃蜉属 0.997 Baetidae Acentrella 0.659
Leptophlebiidae choroterpes 宽基蜉属 0.991 Psephenidae 扁泥甲科 0.561
Tabanidae 虻科 0.89 Protohermes 星齿蛉属 0.55
Philopotamidae 等翅石蛾科 0.89 Pyralidae 草螟科 0.546
E=25.698
O=12
O/E=0.467
漓江下游荔浦河

35. （4）O/E值评价水生态健康的标准
表3. 漓江及新南威尔士应用预测模型评价水质的分级标准
漓江预测模型 新南威尔士春秋两季激流预测模型
健康等级 模型O/E值 Bands O/E值
最佳 >0.984 X >1.1
健康 0.984-0.787 A 1.11-0.90
（0.198） （0.22）
中等 0.786-0.591 B 0.89-0.67
（0.198） （0.22）
一般 0.59-0.394 C 0.66-0.44
（0.198） （0.22）
差 0.393-0 D 0.43-0

36. 最佳
健康
中等
一般
差

37. Summary
1. Benthic macroinvertebrates have been used in
river health assessment in China.
2. Benthic Index of biological integrity (B-IBI) was
a sensitive indicator of stream health and had
close relationship with watershed land use
change and water nutrient enrichment in
Xitiaoxi watershed.
3. Predictive model might be a good alternative in
river health assessment in future.
4. More research on benthos-based assessment
is required to further enhance its important role
in the management of aquatic ecosystem.

38. Acknowledgements
 All of my colleagues and students in our laboratory contributed to this study,
including Prof. Lianfang Yang, Dr. Changhai Su, Mr. Jie Zhang, Dr. Yong Zhang.
 Many thanks to all my collaborators, including Dr. Yong Cao, Dr. Wei Liu, Dr.
Desuo Cai, Dr. Lizhu Wang, Dr. John C Morse, Dr. Richard Johnson, Dr. Robert
M. Hughes, Dr. Yangdong Pan, Dr. Susan K Jackson.
 The studies were supported by NSFC and grants from MWR .