利用流式影像術(FlowCAM)分析淡水浮游藻類群落特征
——以北京城區(qū)主要河流為例

王珊珊,萬 峻,馬 丁,董曉偉

北京歐仕科技有限公司,北京 100083

浮游藻類作為水生態(tài)系統(tǒng)中重要的初級生產(chǎn)者,其光合作用產(chǎn)生的能量支撐著水生態(tài)系統(tǒng)的正常運轉。 作為其他生物的直接或間接食物來源,浮游藻類的盛衰直接影響著整個河流生態(tài)系統(tǒng)的生產(chǎn)力[1-3]。 另外,浮游藻類對水環(huán)境的變化十分敏感,其種類組成和數(shù)量變化可在一定程度上反映水環(huán)境的變化趨勢[4-5],已被廣泛用于各類水域的水環(huán)境評價[6-7]。 而對浮游藻類的研究、開發(fā)和利用都離不開對其種類和數(shù)量的準確鑒定,其中,最傳統(tǒng)和應用最廣的方法是根據(jù)藻類的形態(tài)特征,利用光學顯微鏡直接進行物種鑒定和計數(shù)[8-9]。 但這需要復雜的人工操作和專業(yè)的生物學分類知識,費時費力,極易因觀察者的主觀判斷而造成誤差,尤其是當研究區(qū)域較大、時效性要求較高時,容易引發(fā)樣品分析滯后,無法及時準確地反映水體實際狀況。 為了更好地研究和利用藻類資源,人們開始尋求和開發(fā)更加簡便的檢測方法,流式影像術(Flow Cytometer and Microscope,FlowCAM)就屬于近年發(fā)展起來的浮游藻類新型觀測方法。 該方法已在歐洲、美國等地的海洋生態(tài)系統(tǒng)研究及監(jiān)測中得到了廣泛應用[10-11],但在我國水生態(tài)領域的應用還比較滯后,只有少數(shù)學者利用FlowCAM 檢測了海洋浮游藻類并建立了圖譜庫[12-13]。 FlowCAM 將流式細胞分析技術與顯微成像技術相結合,對通過流通池的每個顆粒進行連續(xù)拍攝和計數(shù),可以直觀地展示樣品中顆粒的圖片,并利用專業(yè)軟件對其結果進行查看、篩選、分類等,對浮游藻類鑒定、物種多樣性研究有著重要意義。

城市河流是重要的水生態(tài)系統(tǒng)之一,在緩解城市熱島效應、維持城市生態(tài)多樣性、保障城市給排水等方面發(fā)揮著重要的作用。 目前,我國對淡水浮游藻類的研究主要集中在一些重要的河流和湖泊,對北京市主要河流中浮游藻類群落特征的研究較少,僅限于城區(qū)的部分河段或者單條河流。因此,本研究利用FlowCAM 對北京城區(qū)主要河流中的浮游藻類進行了檢測,分析北京城區(qū)主要河流中浮游藻類的粒徑組成和群落分布特征,以期為北京市河流水質監(jiān)測與評價提供基礎數(shù)據(jù)和科學依據(jù),為浮游藻類檢測提供準確、高效的檢測方法。

1 材料與方法

1.1 研究區(qū)概況及采樣站位設置

北運河水系共有干流和一級支流14 條,總長290 km,較大的支流有溫榆河、北沙河、清河、壩河、通惠河、涼水河等。 北運河水系周邊是北京市人口最集中、產(chǎn)業(yè)最密集、城市化水平最高的區(qū)域[14]。 該區(qū)域夏季炎熱多雨,冬季寒冷干燥,氣溫季節(jié)變化很大。 本研究于2020 年6—7 月(夏季)、10 月(秋季)對北運河水系22 個站位進行了采樣調查,站位分布如圖1 所示。 使用玻璃采水器在水面以下0.5～1 m 處采集水樣1 L,置于樣品瓶中。 將水樣帶回實驗室后,加入體積分數(shù)為40%的甲醛溶液,用量為水樣體積的4%。

圖1 采樣站位分布Fig.1 Distribution of the sampling stations

1.2 FlowCAM 的原理及檢測方法

如圖2 所示,FlowCAM 主要由流控系統(tǒng)、光學系統(tǒng)和電學系統(tǒng)3 個子系統(tǒng)構成。 其中,流控系統(tǒng)主要包括流通池、注射器等,光學系統(tǒng)包括物鏡、熒光檢測器、激光器等光學部件,電學系統(tǒng)主要控制整個設備的運轉、獲取圖像信號和完成數(shù)據(jù)處理等。 FlowCAM 包含熒光觸發(fā)和自動成像兩種工作模式,本研究主要應用自動成像模式。

圖2 FlowCAM 原理和樣品檢測流程Fig.2 FlowCAM principle and sample testing process

FlowCAM 工作流程:①根據(jù)流通池的大小規(guī)格,利用對應目數(shù)的篩絹對樣品進行過濾,將過濾后的樣品放置在不同倍鏡下檢測,檢測范圍為5～600 μm。 ②在自動成像模式下,將樣品以預設的速度導入流通池,按照預先設定的時間間隔抓拍、保存流動顆粒的圖像,直接給出樣品中顆粒物的總濃度和每個顆粒的42 個形態(tài)學參數(shù)。 ③利用FlowCAM 配置的Visual Spreadsheet 軟件處理數(shù)據(jù),快速篩選出樣品中的同種藻類,保存為數(shù)據(jù)庫并提取篩選算法。 將篩選算法加載到分類模板中,保存模板以供重復使用。 最后,導出分類數(shù)據(jù)。

每個樣品至少計數(shù)3 次,若同一樣品的3 次計數(shù)結果與平均值之差不大于±15%,即視為有效結果,取其平均值。 藻類物種鑒定主要參考《中國淡水藻類——系統(tǒng)、分類及生態(tài)》[15]、《中國常見淡水浮游藻類圖譜》[16]、《中國內(nèi)陸水域常見藻類圖譜》[17]等。

1.3 數(shù)據(jù)處理與分析

Visual Spreadsheet 軟件可以自動計算每種藻類的數(shù)量、長度、寬度、直徑、面積等統(tǒng)計學參數(shù),并導出到Excel 中,利用Excel 軟件進行數(shù)據(jù)處理和圖表繪制。 FlowCAM 以1 個群體的剪貼圖像為1 個細胞,因此,單一細胞個體(如針桿藻、小環(huán)藻等)的細胞豐度按軟件給出的細胞數(shù)量直接計數(shù);規(guī)則團塊(如柵藻、盤星藻等)則根據(jù)其細胞數(shù)量倍數(shù)特性進行計數(shù);絲狀藻體(如魚腥藻、直鏈藻等)以20 μm 為一個計數(shù)單位進行計數(shù);不規(guī)則團狀藻體(如微囊藻等)以每個藻體的平均面積和濃度進行換算,具體換算方式見公式(1)。

式中:Ni為藻類物種i的細胞豐度,cells/L;S1為藻類物種i群體的平均面積,即圖3 中的“Area(ABD)”,μm2;C為藻類物種i群體的濃度,即圖3 中的“Particles/ml”,cells/mL;S2為選取的藻類物種i的總面積,μm2;Nt為選取的藻類物種i的總個數(shù)。 圖3 中的數(shù)據(jù)是由Visual Spreadsheet軟件直接導出到Excel 中得到的。

圖3 Visual Spreadsheet 軟件中微囊藻各參數(shù)的分類統(tǒng)計信息Fig.3 Classified statistics of Microcystis parameters in Visual Spreadsheet

優(yōu)勢屬是根據(jù)物種出現(xiàn)的概率來確定的,用相對豐度表示:

式中:P為相對豐度;Ni為藻類物種i的細胞豐度;N為樣品中全部藻類物種豐度之和。

2 結果分析

2.1 浮游藻類細胞豐度分布特征

對比分析22 個采樣站位夏、秋季節(jié)浮游藻類的細胞豐度(圖4)可以發(fā)現(xiàn),其存在著明顯的時空差異特征。 從季節(jié)上看,夏季浮游藻類的細胞豐度整體上要高于秋季。 其中:夏季浮游藻類的細胞豐度范圍為 4. 69 × 105～3. 35×107cells/L,平均值為5. 80×106cells/L;秋季浮游藻類的細胞豐度范圍為2.60×105～2.74×107cells/L,平均值為3.78×106cells/L。 從空間上看,夏、秋季節(jié)浮游藻類細胞豐度的最大值均出現(xiàn)在21#(溫榆河大橋)采樣站位,最低值分別出現(xiàn)在9#(南護城河)、14#(小月河)采樣站位。

圖4 2020 年夏秋季北京城區(qū)主要河流浮游藻類細胞豐度分布特征Fig.4 Distribution characteristics of phytoplankton abundance in major rivers of Beijing in summer and autumn of 2020

為了驗證使用FlowCAM 檢測細胞豐度時的準確性,選擇8 個站位的秋季樣品進行顯微鏡檢測對比分析,結果如圖5 所示。 8 個采樣站位的秋季樣品中,利用FlowCAM 檢測出的浮游藻類細胞豐度介于7.19×105～3.39×107cells/L,平均值為8.91×106cells/L,最高值出現(xiàn)在21#(溫榆河大橋)采樣站位,最低值出現(xiàn)在3#(什剎海銀錠橋)采樣站位。 利用顯微鏡檢測出的浮游藻類細胞豐度最大值為20#(北運河)采樣站位的3.46×106cells/L,最小值為19#(壩河)采樣站位的2.45×105cells/L,平均值為1.55×106cells/L。 兩種檢測方法相比,使用FlowCAM 得到的細胞豐度整體上要高于顯微鏡檢測法。

圖5 兩種方法下的浮游藻類細胞豐度對比Fig.5 Comparison of phytoplankton abundance under the two methods

2.2 浮游藻類粒徑組成

按照粒徑大小,浮游藻類一般可以分為微微型浮游藻類(Picophytoplankton,<2 μm)、微型浮游藻類(Nanophytoplankton,2～20 μm)、小型浮游藻類(Microphytoplankton,20～200 μm)和中型浮游藻 類(Mesoplankton,200 ～ 2 000 μm)。 利 用Visual Spreadsheet 軟件按粒徑大小對檢測結果進行分級,結果如圖6 所示。 此次采集的夏、秋兩個季節(jié)的樣品中,均未檢測到中型浮游藻類。 小型浮游藻類的圖像較為清晰,建庫和自動分類效果較好,物種類別基本可以鑒定到屬,部分藻類的建庫圖片如圖7 所示。 微型浮游藻類顆粒較小,圖像模糊,自動分類效果很差,多數(shù)需要人工挑選,每個樣品檢測一次所需時間約為8 h,耗時耗力且很難鑒定到種或屬。 因此,本研究僅對粒徑>20 μm 的小型浮游藻類進行物種鑒定和數(shù)量統(tǒng)計,對粒徑<20 μm 的微型浮游藻類只做數(shù)量統(tǒng)計,不做物種鑒定。

圖7 部分小型藻類建庫圖片F(xiàn)ig.7 Some pictures of microphytoplankton for database construction

結果顯示,22 個采樣站位夏、秋季節(jié)的浮游藻類在粒徑組成上存在著明顯的時空差異(圖8)。

圖8 2020 年夏秋季北京城區(qū)主要河流浮游藻類的組成Fig.8 Composition of phytoplankton in major rivers of Beijing in summer and autumn of 2020

從圖8 可以明顯看出,隨著季節(jié)的變化,多數(shù)站位小型浮游藻類所占比例明顯降低。 在夏季,各采樣站位小型浮游藻類所占比例的范圍為3.11%～56.91%,平均值為23.66%。 其中:小型浮游藻類占優(yōu)勢地位的站位為1#(京密引水渠向山路)和2#(京密引水渠入昆明湖)采樣站位,所占比例分別為56.91%和53.17%;占比較少的站位為5#(永定河引水渠)和7#(涼水河上段)采樣站位,所占比例分別為3.13%和6.19%。 在秋季,各采樣站位小型浮游藻類所占比例的范圍為2. 53%～44. 28%,平均值為16. 02%。 其中:小型浮游藻類占比較多的站位為5#(永定河引水渠)和2#(京密引水渠入昆明湖)采樣站位,所占比例分別為44. 28%和41. 74%;占比較少的站位為8#(涼水河中段)、10#(通惠河)、11#(通惠河上段)、12#(清河立水橋)、14#(小月河)、15#(北小河)、19#(壩河)和22#(壩河金榆路)采樣站位,所占比例均少于10%。

2.3 小型浮游藻類物種組成

夏季小型浮游藻類主要由硅藻、綠藻、藍藻、甲藻、金藻和隱藻組成,共鑒定出37 個屬,包括硅藻18 個屬、綠藻10 個屬、藍藻5 個屬、甲藻2 個屬、金藻1 個屬、隱藻1 個屬[圖9(a)]。 硅藻和綠藻是研究區(qū)夏季小型浮游藻類的主要類群,占物種數(shù)的比例分別為48.65%和27.03%。 秋季小型浮游藻類主要由硅藻、綠藻、藍藻和甲藻組成,共鑒定出21 個屬,包括硅藻9 個屬、綠藻7 個屬、藍藻4 個屬、甲藻1 個屬[圖9(b)]。 硅藻和綠藻是研究區(qū)秋季浮游藻類的主要類群,占總物種數(shù)的比例分別為42.86%和33.33%。

圖9 2020 年北京城區(qū)主要河流小型浮游藻類物種組成及所占比例Fig.9 Species composition and proportion of microphytoplankton in major rivers of Beijing in 2020

2.4 小型浮游藻類優(yōu)勢屬組成及分布特征

各個采樣站位小型浮游藻類優(yōu)勢屬(相對豐度>5%)的組成與分布如圖10 所示。 多數(shù)站位的優(yōu)勢屬占小型浮游藻類總物種豐度的80%以上,基本可以代表該站位的小型浮游藻類物種組成和季節(jié)變動情況。

圖10 2020 年夏秋季北京城區(qū)主要河流小型浮游藻類優(yōu)勢種的分布Fig.10 Distribution of dominant species of planktonic algae in major rivers of Beijing in summer and autumn of 2020

從季節(jié)上看,多數(shù)站位夏季優(yōu)勢屬的個數(shù)要明顯高于秋季。 在夏季,多數(shù)站位以硅藻門脆桿藻屬、直鏈藻屬、針桿藻屬、小環(huán)藻屬和舟形藻屬為主。 其中:4#(西護城河起點)、6#(永定河盧溝新橋)和18#(溫榆河)采樣站位以藍藻門囊藻屬、平裂藻屬和魚腥藻屬為主;5#(永定河引水渠)、21#(溫榆河大橋)和22#(壩河金榆路)采樣站位以綠藻門盤星藻屬和集星藻屬為主。 在秋季,多數(shù)站位的優(yōu)勢屬轉變?yōu)橐运{藻門微囊藻屬和魚腥藻屬為主。 其中:3#(什剎海銀定橋)、7#(涼水河上段)、10#(通惠河)和15#(北小河)采樣站位以綠藻門盤星藻屬和小球藻屬為主;硅藻門占優(yōu)勢地位的站位僅包括2#(京密引水渠入昆明湖)、12#(清河立水橋)和14#(小月河)采樣站位。 因此,隨著季節(jié)的變動,小型浮游藻類優(yōu)勢屬的物種組成由夏季的以硅藻為主轉變?yōu)榍锛镜囊运{藻或藍藻-綠藻為主。

3 討論

3.1 影響浮游藻類分布的因素

浮游藻類既受到各種環(huán)境因素的影響,又能反映出各種環(huán)境因子的變動趨勢。 一直以來,如何準確檢測出浮游藻類的物種組成和豐度都是水生態(tài)研究中的關鍵內(nèi)容之一。 在本研究中,各采樣站位的浮游藻類細胞豐度存在著較大的空間差異,這可能與采樣站位的地理位置有關。 夏、秋季節(jié)浮游藻類細胞豐度的最大值均出現(xiàn)在21#(溫榆河大橋)采樣站位,最低值分別出現(xiàn)在9#(南護城河)、14#(小月河)采樣站位。 從地理位置上看,南護城河和小月河均位于人員密集的城市中心,受到更多人類活動的影響,而溫榆河大橋位置較偏僻,人為影響較少,生態(tài)環(huán)境較好。 同時,位置較為偏僻的18#(溫榆河)、20#(北運河)和22#(壩河金榆路)采樣站位的浮游藻類細胞豐度均較高。 一般而言,當水體受到污染時,營養(yǎng)鹽水平會升高,導致耐受污染的某一種藻類大量繁殖,如引發(fā)水華的微囊藻,進而導致浮游藻類其他物種減少[18-19]。 另外,有研究表明,水體營養(yǎng)鹽水平對浮游藻類的個體大小也有明顯影響[20]。 一般認為,隨著水體富營養(yǎng)化水平的升高,生長周期短的微型浮游藻類更占優(yōu)勢。 例如,在本研究中,1#(京密引水渠向山路)和2#(京密引水渠入昆明湖)采樣站位屬于飲用水水源地,其水體較清潔,營養(yǎng)鹽水平較低,所含浮游藻類體型較大、豐度較低。

隨著季節(jié)的變化,藻類群落中的不同物種會出現(xiàn)明顯的更替,其中,溫度是水環(huán)境中影響藻類生長極為重要的因素。 從季節(jié)上看,從夏季到秋季,藻類物種數(shù)量會明顯減少。 這種分布規(guī)律主要與水溫的變動有關:水溫越低越不利于其生長代謝,出現(xiàn)的種類越少;只有溫度適宜,藻類才會大量出現(xiàn)[21-23]。 在本研究中,藻類總物種數(shù)在水溫較低的10 月較小,而在水溫較高的7 月較大。由圖10 可知,北京地區(qū)主要河流的優(yōu)勢種群主要為硅藻、綠藻和藍藻,這一研究結果與之前關于北運河浮游藻類的研究結果一致[24-25]。 城市河流浮游藻類的種類組成和分布不僅僅受水文、溫度、光照等環(huán)境因素的綜合影響,更受到人類活動的影響。 已有研究表明[26-27],在未受污染的河流中,硅藻為主要浮游藻類種群;在河流受到人為污染以后,藍藻、綠藻的種類會增多。 在本研究中,受污染較少的京密引水渠同樣以硅藻為優(yōu)勢種。

3.2 FlowCAM 與傳統(tǒng)檢測方法的比較分析

FlowCAM 自動成像模式和顯微鏡檢測法的分類原理相同,均是根據(jù)待鑒定物種的形態(tài)學特征進行計數(shù)和鑒定。 區(qū)別在于顯微鏡檢測法均以人工操作為主,而FlowCAM 將待測樣品狀態(tài)由靜置變?yōu)榱鲃?根據(jù)流動速率實時拍照,實現(xiàn)了對樣品的自動計數(shù),并根據(jù)獲得的圖片進行后續(xù)的分類鑒定。 這一操作不僅大大縮短了樣品鑒定的時間,還增大了所檢測樣品的體積。 在本研究中,FlowCAM 的檢測速度一般設置為 0.5 ～2 mL/min,根據(jù)樣品濃度和所選用倍鏡的不同,可以靈活調控,一般計數(shù)一個樣品只需要幾分鐘。另外,利用顯微鏡進行樣品檢測前,需要先對樣品進行濃縮處理,濃縮過程至少需要48 h,且在移除樣品上清液時很可能會導致浮游植物的損失[28]。FlowCAM 可以檢測到的顆粒濃度范圍較廣,一般來說,低于10 萬個/mL 的樣品均可直接進樣,而不需要進行濃縮、稀釋等前處理,因此,可直接對采集到的新鮮樣品進行檢測,省略添加固定劑、濃縮等步驟,不僅節(jié)約時間,還可以保證樣品的真實性,避免樣品保存過程中的破損和分解。 這可能就是本研究中采用FlowCAM 檢測出的浮游藻類細胞豐度整體要高于顯微鏡檢測法的原因。

但與顯微鏡檢測相比,FlowCAM 檢測的分辨率會有所下降。 一是因為在FlowCAM 檢測過程中,樣品是流動的,且焦距固定,這就無法保證所有顆粒都得到很好的對焦,可能會有一小部分顆粒因對焦不清晰而導致圖像模糊,進而導致分類結果不準確。 二是因為FlowCAM 檢測的樣品顆粒是多維度的,同一物種拍出的圖片會有不同的形態(tài)特征,這就增加了建庫分類的難度。 顯微鏡分析只允許在水平面上進行,其樣品是固定的,同時分析人員可以通過人為改變焦距來更好地檢查生物體的細節(jié)。 因此,顯微鏡處理通?？蓪⒏∮卧孱愯b定到種或屬水平,而FlowCAM 對粒徑在20 μm 以上的小型浮游藻類可以鑒定到屬的水平,對粒徑在20 μm 以下的微型浮游藻類只能提供較低分辨率的圖像,分類效果較差。

3.3 FlowCAM 的應用廣泛性及不足

FlowCAM 由 美 國 Yokogawa Fluid Imaging Technology 公司研發(fā)。 該方法首先綜合利用流式細胞儀和顯微成像技術進行細胞識別和計數(shù),之后利用處理軟件實現(xiàn)顆粒篩選和自動分類。 該處理軟件屬于顯微圖像輔助處理系統(tǒng),可以快速地從圖像數(shù)據(jù)中集中提取大量信息[29]。 將FlowCAM 與新穎的機器學習算法相結合,可以同時識別和計算成像顆粒的長度、寬度、面積等多個指標,從而對浮游植物的各個特征進行快速而準確的估計。 因此,FlowCAM 大大減少了處理浮游植物樣本的時間,并增加了所檢測樣品的體積,在水生態(tài)環(huán)境監(jiān)測和研究中具有很大的應用空間。實際上,很多研究和監(jiān)測并不需要精確知道水樣中每一個物種是如何分布和變化的,例如對有害藻華等的監(jiān)測,只需要測定其類群總量,或不同群落的物種豐度變動趨勢。 研究人員曾在墨西哥灣通過FlowCAM 檢測到有害浮游藻類物種的細胞豐度在不斷增加,為幾次藻類大量繁殖提供了早期預警[10]。 因此,可以利用FlowCAM 監(jiān)測河流浮游藻類優(yōu)勢種的變動,以此反映城市河流的污染狀況,為河流治理提供數(shù)據(jù)支撐。

以生物個體大小為基礎的粒徑方法,能夠克服物種分類方法的局限,使生物群落、生態(tài)系統(tǒng)研究擺脫物種間復雜關系的阻拌。 許多研究表明,浮游藻類的新陳代謝、光合作用、能量利用等生理特性都與其粒徑大小和分布有關[20]。 粒徑的改變同樣可以反映出周圍環(huán)境的變化,如藻華的生成、光照和營養(yǎng)鹽等的變化。 在富營養(yǎng)化程度較高的水體,藻類粒徑往往較大[30]。 目前主要的浮游藻類粒徑測量方法為顯微測微計法、葉綠素a粒級分離法等。 其中,顯微測微計法是測量浮游藻類粒徑的經(jīng)典和基準方法,以目鏡測微尺為標尺測量細胞的長、寬、高等線性參數(shù),然后根據(jù)相關幾何公式計算細胞的體積,并將體積折算為球體的個體等效直徑。 然而許多浮游藻類的細胞形狀很不規(guī)則,計算細胞體積時很難選取到合適的計算公式,需要測量足夠多數(shù)量的細胞才能得到具有統(tǒng)計意義的粒徑數(shù)據(jù)。 因此,這種方法雖然可以直觀地測算出細胞粒徑的大小和分布情況,但是測量過程耗時較長且存在較大的誤差。 葉綠素a 粒級分離法雖然簡單、易操作,但用網(wǎng)篩和濾膜進行粒級分離時,勢必會造成很大的誤差。FlowCAM 的應用可使這些問題迎刃而解。

但FlowCAM 在分類方面也有一些不足之處,比如對20 μm 以下的微型浮游藻類的拍攝效果較差,圖像分辨率較低,很難實現(xiàn)自動分類,且每一個樣品的分類時間達8 h 以上,很難鑒別到種或屬,存在很大的誤差。 FlowCAM 的自動分類功能在實際應用中還只是半自動分類,仍然需要一定程度的人工輔助,同時需要使用者根據(jù)實際情況建立適用于該水體的藻類信息數(shù)據(jù)庫,方可實現(xiàn)部分藻類的自動分類。 雖然目前FlowCAM 還沒有完全解決需要人工輔助分類鑒定的問題,但是研究人員已經(jīng)在嘗試開發(fā)可達到自動分類水平的新方法,以推動FlowCAM 在浮游藻類分類鑒定方面獲得新的突破。

4 結論

1)2020 年夏秋季,北京城區(qū)主要河流22 個站位的浮游藻類細胞豐度存在著明顯的時空差異,夏季整體高于秋季。 在粒徑組成上,以微型浮游藻類和小型浮游藻類為主,且隨著季節(jié)的變動,多數(shù)站位的小型浮游藻類占比明顯降低。 在物種組成上,小型浮游藻類以藍藻、綠藻和硅藻為主。隨著季節(jié)的變化,不同采樣站位小型浮游藻類群落中的優(yōu)勢物種存在著明顯的更替,優(yōu)勢屬的物種組成由夏季的以硅藻為主轉變?yōu)榍锛镜囊运{藻或藍藻-綠藻為主。

2)利用FlowCAM 可以快速完成對浮游藻類的計數(shù)、粒徑分級和對小型浮游藻類的識別鑒定。與顯微鏡檢測法相比,FlowCAM 減少了樣品前處理的時間,增加了所測量樣品的體積,在細胞計數(shù)上有明顯優(yōu)勢。 FlowCAM 對粒徑在20 μm 以上的小型浮游藻類可以鑒定到屬水平,但對粒徑在20 μm 以下的微型浮游藻類只能提供較低分辨率的圖像,分類效果較差。

3)FlowCAM 在水生態(tài)環(huán)境監(jiān)測和研究中具有很大的應用空間,但在浮游藻類分類方面還存在很多不足,需進一步優(yōu)化提升。