海洋浮游植物初級(jí)生產(chǎn)力及碳生物量的檢測(cè)技術(shù)研究進(jìn)展

王慶軒, 崔正國(guó), 曲克明, 王慶奎, 魏玉秋, 孫 軍

海洋浮游植物初級(jí)生產(chǎn)力及碳生物量的檢測(cè)技術(shù)研究進(jìn)展

王慶軒1, 2, 3, 崔正國(guó)2, 3, 曲克明2, 3, 王慶奎1, 魏玉秋2, 3, 孫 軍4

(1. 天津農(nóng)學(xué)院 水產(chǎn)學(xué)院 天津市水產(chǎn)生態(tài)及養(yǎng)殖重點(diǎn)實(shí)驗(yàn)室, 天津, 300392; 2. 中國(guó)水產(chǎn)科學(xué)研究院黃海水產(chǎn)研究所 農(nóng)業(yè)農(nóng)村部海洋漁業(yè)可持續(xù)發(fā)展重點(diǎn)實(shí)驗(yàn)室, 山東 青島 266071; 3. 青島海洋科學(xué)與技術(shù)試點(diǎn)國(guó)家實(shí)驗(yàn)室海洋漁業(yè)科學(xué)與食物產(chǎn)出過(guò)程功能實(shí)驗(yàn)室, 山東 青島 266071; 4. 中國(guó)地質(zhì)大學(xué)廣州南沙地大濱海研究院, 廣東 廣州 511462)

浮游植物是海洋生態(tài)系統(tǒng)中的主要初級(jí)生產(chǎn)者, 構(gòu)建海洋食物網(wǎng)、生物泵和元素循環(huán)(包括碳循環(huán)、氮循環(huán)和硅循環(huán)等)的基石。因此, 海洋生態(tài)系統(tǒng)中的元素循環(huán)和能量流動(dòng)均與浮游植物的生長(zhǎng)和代謝息息相關(guān)。海洋碳循環(huán)是全球碳循環(huán)的關(guān)鍵環(huán)節(jié), 也是全球生態(tài)系統(tǒng)中生物地化循環(huán)的重要組成部分。盡管浮游植物在海洋碳循環(huán)中起著至關(guān)重要的作用, 但是直接測(cè)定浮游植物的初級(jí)生產(chǎn)力和碳生物量依舊受到傳統(tǒng)技術(shù)和方法的限制。本文詳細(xì)介紹了有關(guān)浮游植物初級(jí)生產(chǎn)力和碳生物量檢測(cè)的各種技術(shù)和方法, 列舉了其各自的優(yōu)缺點(diǎn)。目前, 測(cè)定海洋浮游植物初級(jí)生產(chǎn)力的主要方法有黑白瓶法、遙感估算法、碳同位素測(cè)定、快速重復(fù)率熒光法; 測(cè)定海洋浮游植物碳生物量的主要方法有細(xì)胞體積轉(zhuǎn)換法、流式細(xì)胞術(shù)、電子探針X射線(xiàn)顯微分析、分位數(shù)回歸模型估算法。通過(guò)對(duì)比分析發(fā)現(xiàn)碳同位素與快速重復(fù)率熒光法相結(jié)合可以更高效測(cè)定出初級(jí)生產(chǎn)力, 而最具優(yōu)勢(shì)與應(yīng)用前景的碳生物量檢測(cè)方法是基于分位數(shù)回歸模型估算法。其中, 基于分位數(shù)回歸模型估算法具有擬合異常值、測(cè)定結(jié)果準(zhǔn)確等優(yōu)勢(shì), 能夠?qū)崿F(xiàn)現(xiàn)場(chǎng)浮游植物群落以及各個(gè)功能群碳生物量的估算, 并能夠與衛(wèi)星遙感技術(shù)手段相結(jié)合, 可以應(yīng)用于大尺度和長(zhǎng)時(shí)間序列的海洋浮游植物碳生物量估算。通過(guò)本文的綜述, 一方面為海洋浮游植物初級(jí)生產(chǎn)力和碳含量的研究提供一個(gè)基本和系統(tǒng)的認(rèn)識(shí), 另一方面為深入研究浮游植物在海洋碳循環(huán)以及全球碳循環(huán)中的作用提供參考。

浮游植物; 初級(jí)生產(chǎn)力; 碳生物量; 碳循環(huán); 檢測(cè)方法; 分位數(shù)回歸模型

海洋浮游植物(Marine phytoplankton)是一類(lèi)在海洋生態(tài)系統(tǒng)中隨波逐流的微型生物集合體, 也是浮游生物的光自養(yǎng)部分, 具有長(zhǎng)達(dá)25億～35億年的復(fù)雜進(jìn)化歷史[1-2]。海洋浮游植物經(jīng)過(guò)漫長(zhǎng)的進(jìn)化, 具有豐富的物種多樣性, 因此在功能上可以劃分為原核生物類(lèi)群(藍(lán)藻)和真核生物類(lèi)群(硅藻、甲藻、金藻、綠藻和顆石藻等)[3-4]。各功能群經(jīng)過(guò)一系列復(fù)雜的生物、化學(xué)和海洋動(dòng)力學(xué)過(guò)程將元素循環(huán)緊密耦合到一起, 在海洋生地化循環(huán)過(guò)程中形成多圈層結(jié)構(gòu)穩(wěn)定的元素交互系統(tǒng)。例如, 海洋藍(lán)藻作為主要的固氮生物, 對(duì)海洋氮循環(huán)起到了關(guān)鍵的調(diào)控作用, 同時(shí)也影響到其他各個(gè)功能群的生長(zhǎng)和代謝; 硅藻通過(guò)吸收、代謝和轉(zhuǎn)換表層海洋溶解硅來(lái)構(gòu)建硅質(zhì)細(xì)胞壁, 進(jìn)而進(jìn)行更有效的光合作用, 將海洋硅循環(huán)和碳循環(huán)緊密相連, 從而成為海洋硅/碳循環(huán)交互作用的主要橋梁[5]。此外, 浮游植物作為海洋碳循環(huán)的重要參與者[6], 貢獻(xiàn)了全球海洋初級(jí)生產(chǎn)力的主要部分(約50%～90%)[7-8], 為更高營(yíng)養(yǎng)級(jí)提供食物和能量來(lái)源, 構(gòu)建了海洋食物網(wǎng)和生物泵的基礎(chǔ), 對(duì)海洋生態(tài)系統(tǒng)的結(jié)構(gòu)和功能具有重要意義。因此, 海洋生態(tài)系統(tǒng)中的元素循環(huán)和能量流動(dòng)均與浮游植物的生長(zhǎng)和代謝息息相關(guān)[9]。總之, 浮游植物作為海洋生態(tài)系統(tǒng)中的重要組成部分, 既為上層海洋食物鏈提供能量基礎(chǔ), 又不斷地將有機(jī)碳通過(guò)生物泵輸出到深層海洋, 不僅在維持海洋元素循環(huán)過(guò)程的能量平衡方面, 而且在海洋生物地球化學(xué)循環(huán)和全球氣候變化方面都有重要的調(diào)控意義。

海洋浮游植物作為“生物碳泵”的關(guān)鍵介質(zhì), 通過(guò)光合作用將大氣中的二氧化碳(CO2)轉(zhuǎn)化為有機(jī)碳, 隨后經(jīng)過(guò)微食物環(huán)和經(jīng)典食物鏈過(guò)程, 最終將有機(jī)碳以顆粒物的形式輸送到深海并將碳進(jìn)行封存。該過(guò)程也是在地質(zhì)時(shí)期內(nèi)從大氣中去除CO2的少數(shù)自然機(jī)制之一[10]。因此, 海洋浮游植物的固碳作用在海洋碳循環(huán)中發(fā)揮著至關(guān)重要的作用, 而海洋碳循環(huán)是全球碳循環(huán)的關(guān)鍵環(huán)節(jié), 也是全球生態(tài)系統(tǒng)中生地化循環(huán)的重要組成部分。長(zhǎng)期以來(lái), 測(cè)量浮游植物群落以及各功能群的初級(jí)生產(chǎn)力和碳生物量也就成為了研究海洋碳循環(huán)和全球生物地化循環(huán)以及氣候變化的關(guān)鍵[11-13]。盡管近些年測(cè)定海洋浮游植物細(xì)胞內(nèi)初級(jí)生產(chǎn)力和碳生物量的研究日益增多, 但受到傳統(tǒng)技術(shù)和方法的限制, 直接測(cè)定浮游植物的初級(jí)生產(chǎn)力和碳生物量依舊存在不足。因此, 本文通過(guò)詳細(xì)介紹當(dāng)前有關(guān)浮游植物初級(jí)生產(chǎn)力和碳生物量的檢測(cè)技術(shù)和方法, 列舉其各自的優(yōu)缺點(diǎn), 尋找最具優(yōu)勢(shì)與應(yīng)用前景的檢測(cè)方法, 以期為海洋浮游植物初級(jí)生產(chǎn)力和碳生物量的研究提供一個(gè)基本和系統(tǒng)的認(rèn)識(shí), 也為深入研究浮游植物在海洋碳循環(huán)和全球生物地化循環(huán)以及氣候變化中的作用提供參考。

1 海洋浮游植物初級(jí)生產(chǎn)力的檢測(cè)

1.1 黑白瓶法

1927年, 黑白瓶法由GAARDER等[14]引入海洋生態(tài)系統(tǒng)初級(jí)生產(chǎn)力的計(jì)算, 該法又稱(chēng)為氧氣測(cè)定法, 是測(cè)定海洋浮游植物初級(jí)生產(chǎn)力的經(jīng)典傳統(tǒng)方法。黑白瓶法的基本原理是通過(guò)測(cè)定水中的溶氧量變化間接利用光合作用相關(guān)方程式測(cè)得初級(jí)生產(chǎn)力[15]。此方法使用兩個(gè)瓶子, 白瓶為透光瓶可進(jìn)行光合作用, 黑瓶不透光不能進(jìn)行光合作用但是進(jìn)行呼吸作用, 用化學(xué)滴定法或者電子檢測(cè)器即可檢測(cè)出兩個(gè)瓶的溶氧量[16]。劉義豪等[17]運(yùn)用黑白瓶法對(duì)煙臺(tái)四十里灣海域的初級(jí)生產(chǎn)力進(jìn)行測(cè)定, 清晰了解了該區(qū)域春季、夏季、秋季的生產(chǎn)力狀況。黑白瓶法簡(jiǎn)單廉價(jià)的優(yōu)點(diǎn)使其被廣泛應(yīng)用, 但是其存在很大的局限性, SELVARAJ等[18]表明了黑白瓶法在淺水區(qū)域不適用, 并提出在熱帶沿岸海域測(cè)定存在極不穩(wěn)定性。

1.2 遙感估算法

遙感估算法是檢測(cè)海洋浮游植物初級(jí)生產(chǎn)力的主要技術(shù)之一[19], 其利用衛(wèi)星遙感監(jiān)測(cè)海洋顏色。海洋顏色通常用光譜的遙感反射率來(lái)表示, 從遙感反射率的波段比中推導(dǎo)出葉綠素濃度[20]。目前遙感估算最常用的模型是由BEHRENFELD等[21]提出的初級(jí)生產(chǎn)力垂向歸納模型(Vertically Generalized Production Model, VGPM), 運(yùn)用VGPM模型的核心公式便可將測(cè)定出的葉綠素濃度轉(zhuǎn)化為初級(jí)生產(chǎn)力[22]。EVERETT等[23]使用VGPM對(duì)南太平洋西部邊界流區(qū)域的初級(jí)生產(chǎn)力進(jìn)行了估算, 克服了空間、時(shí)間上的限制。衛(wèi)星遙感相比船舶上測(cè)量具有很大的優(yōu)勢(shì), 不僅省時(shí)不費(fèi)力還可以進(jìn)行更大空間尺度的采樣, 但是在海面被云層遮蓋、太陽(yáng)遮蓋地表、大氣中出現(xiàn)高濃度氣溶膠等特殊環(huán)境條件下測(cè)量會(huì)受到影響, 由于衛(wèi)星信號(hào)來(lái)自表層, 因此不能觀(guān)測(cè)到表層以下葉綠素的最大值[24]。

1.3 碳同位素測(cè)定

碳元素在自然界中以12C、13C、14C等多種同位素的形式存在[25], 利用穩(wěn)定的碳同位素可以測(cè)定海洋浮游植物的初級(jí)生產(chǎn)力。

NIELSEN等[26]首先提出14C法, 利用14C示蹤技術(shù)估算海洋中的初級(jí)生產(chǎn)力。1950年GALATHEA號(hào)探險(xiǎn)隊(duì)出海則利用該法測(cè)定了浮游植物, 為估計(jì)海洋中物質(zhì)的生產(chǎn)量奠定了基礎(chǔ)。WEI等[27]從海表面5 m和對(duì)應(yīng)于表層水體光合有效輻照度(PAR)的50%、30%、10%和1%的深度收集水進(jìn)行14C吸收培養(yǎng)實(shí)驗(yàn), 得出了孟加拉灣(BOB)區(qū)域14C的碳吸收速率即初級(jí)生產(chǎn)力, 但過(guò)程比較繁瑣, 需要出海制作培養(yǎng)箱, 人為干擾較大。此方法的基本原理是通過(guò)在溶液中加入一定劑量的放射性標(biāo)記的NaH14CO3來(lái)增加天然碳源, 該碳源被利用、吸收并固定到光合藻類(lèi)中, 光合藻類(lèi)與溶液完全接觸結(jié)束后過(guò)濾燒瓶中的內(nèi)容物用蓋革-米勒計(jì)數(shù)器對(duì)殘留物進(jìn)行計(jì)數(shù)并計(jì)算碳的吸收量[28]。長(zhǎng)期以來(lái)14C法不僅可以用來(lái)測(cè)定初級(jí)生產(chǎn)力還被用于測(cè)定天然水體中浮游植物種群的光合速率, 其高靈敏度甚至允許在低生產(chǎn)力的海洋中測(cè)定光合速率[29]。

但近些年來(lái), 由于14C的放射性危害, 其在自然環(huán)境中的使用受到嚴(yán)格限制。因此, 尋找14C的替代方法成為焦點(diǎn),13C方法成為研究熱點(diǎn)。SLAWYK等[30]結(jié)合13C和15N方法, 并且通過(guò)修改15N的質(zhì)譜實(shí)現(xiàn)了同時(shí)測(cè)量浮游植物的碳和氮吸收。HAMA等[31]在天然海域中3種不同營(yíng)養(yǎng)狀況下分別進(jìn)行實(shí)驗(yàn), 對(duì)13C法進(jìn)行改進(jìn), 證明了其在低顆粒有機(jī)碳(Particulate Organic Carbon, POC)和低生產(chǎn)力條件下對(duì)天然浮游植物種群還是具有適用性。因此,13C法可以用作14C法的替代品來(lái)研究海洋中的初級(jí)生產(chǎn)力。

1.4 快速重復(fù)率熒光法

快速重復(fù)率熒光測(cè)定法(Fast Repetition Rate Fluorescence, FRRF)指通過(guò)光系統(tǒng)II (PSII)的線(xiàn)性電子輸運(yùn)的量子產(chǎn)率的測(cè)量[32], 是快速估計(jì)光吸收特性和電子輸運(yùn)變化的主要方式, 具有相當(dāng)高的空間和時(shí)間分辨率[33-36]。1994年活性葉綠素?zé)晒?ChlF)測(cè)定法引入海洋學(xué)和湖沼學(xué)[37-38], 特別是快速重復(fù)率熒光法克服了估算浮游植物初級(jí)生產(chǎn)力在方法上的限制, 可以提供瞬時(shí)速率測(cè)量值[39]。應(yīng)用在沿海和寡營(yíng)養(yǎng)開(kāi)放水域的研究中, 該法簡(jiǎn)單、非侵入性、廉價(jià)[32]。WEI等[40]在2018年10月3日-28日秋季西太平洋巡航期間則用FRRF技術(shù)海水對(duì)樣品進(jìn)行測(cè)定, 估算了海洋初級(jí)生產(chǎn)力。目前, FRRF儀器可以自主、即時(shí)采集數(shù)據(jù)[41], 應(yīng)用涉及珊瑚生物學(xué)到海洋生物地球化學(xué)的幾乎所有領(lǐng)域[38], 其廣泛用于各個(gè)地點(diǎn)的海洋航行調(diào)查, 以評(píng)估海洋浮游植物的生理狀況[42]以及光合參數(shù)[33, 43-44]。FRRF還可以作為探測(cè)浮游植物群落營(yíng)養(yǎng)情況的方法[45]。

快速重復(fù)率熒光法需要轉(zhuǎn)化因子(8e: C/nPSII) 來(lái)導(dǎo)出生態(tài)相關(guān)的碳吸收速率, 所需的轉(zhuǎn)化因子一般通過(guò)14C同化來(lái)測(cè)定, 所以WEI等[32]用14C法測(cè)定出FRRF所需要的轉(zhuǎn)化因子, 將兩項(xiàng)技術(shù)相結(jié)合更好地測(cè)定出海洋浮游植物初級(jí)生產(chǎn)力。海洋浮游植物初級(jí)生產(chǎn)力各項(xiàng)檢測(cè)技術(shù)優(yōu)缺點(diǎn)的比較如表1。

表1 海洋浮游植物初級(jí)生產(chǎn)力主要檢測(cè)技術(shù)的優(yōu)缺點(diǎn)

2 海洋浮游植物碳生物量的檢測(cè)

2.1 細(xì)胞體積轉(zhuǎn)化法與流式細(xì)胞術(shù)

細(xì)胞體積轉(zhuǎn)化法是通過(guò)估算浮游植物體積從而進(jìn)一步利用方程式轉(zhuǎn)化成碳生物量的方法。該方法應(yīng)用幾何模型或形狀的原理, 這些模型或形狀與浮游植物真實(shí)形狀相似。但在選擇模型或形狀的標(biāo)準(zhǔn)上有時(shí)會(huì)存在困難, 測(cè)定浮游植物體積是選取形狀復(fù)雜難測(cè)定但是相似的幾何模型形狀還是一個(gè)簡(jiǎn)單、方便測(cè)量但是相似度低的模型或形狀[46]。MULLIN等[47]在測(cè)定了不同浮游植物細(xì)胞的碳含量、細(xì)胞體積、細(xì)胞表面積后, 發(fā)現(xiàn)細(xì)胞體積比細(xì)胞表面積與細(xì)胞碳生物量的相關(guān)性更高, 因此更多地是將細(xì)胞體積轉(zhuǎn)化為其碳生物量。HILLEBRAND等[48]推薦了20種幾何形狀, 這些幾何形狀可以為850多個(gè)不同物種的體積測(cè)量作參考, 并且還提供了合適的線(xiàn)性尺寸用來(lái)準(zhǔn)確估計(jì)微藻細(xì)胞體積和表面積的方程式。SUN等[46]與HILLEBRAND等[48]類(lèi)似基于浮游植物屬水平進(jìn)行其細(xì)胞體積估算工作, 其模型用軟件的形式涵蓋了HILLEBRAND等[48]的所含850多個(gè)屬并擴(kuò)展到了全球的1 000多個(gè)屬, 且將可測(cè)量的維度從至少3個(gè)降低到大多數(shù)只有2個(gè),這些幾何模型的應(yīng)用可以擴(kuò)展到許多其他相關(guān)領(lǐng)域, 提高了實(shí)用性并被全世界廣泛采用。此方法要用顯微鏡對(duì)浮游植物細(xì)胞進(jìn)行計(jì)數(shù), 測(cè)定過(guò)程需要專(zhuān)業(yè)且有經(jīng)驗(yàn)的人員進(jìn)行操作, 轉(zhuǎn)化體積時(shí)需處理大量數(shù)據(jù)會(huì)產(chǎn)生誤差并且耗時(shí)長(zhǎng)。使用有關(guān)浮游植物物種的回歸線(xiàn)繪制出碳的對(duì)數(shù)(logc)和體積的對(duì)數(shù)(logv)的關(guān)系從而計(jì)算出碳生物量。SUN等[49]分析比較了MULLIN等[47]、STRATHMANN等[50]、EPPLEY等[51]、TAGUCHI等[52]提出的4種不同體積轉(zhuǎn)化為碳生物量的方法, 通過(guò)聚類(lèi)分析EPPLEY等[51]的方法適用于計(jì)算中國(guó)海域浮游植物碳生物量并被廣泛使用。

流式細(xì)胞術(shù)是研究0.5～30 μm大小范圍內(nèi)細(xì)胞的有價(jià)值的工具, 可以對(duì)單個(gè)懸浮微觀(guān)顆粒進(jìn)行快速定量測(cè)量[53-58]。運(yùn)用流式細(xì)胞儀測(cè)定細(xì)胞大小進(jìn)而通過(guò)細(xì)胞體積轉(zhuǎn)化法測(cè)得碳生物量。由于流式細(xì)胞術(shù)在船上或?qū)嶒?yàn)室中采集離散水樣進(jìn)行分析會(huì)受到限制, 為此, OLSON等[59]開(kāi)發(fā)了一種可以原位操作且無(wú)人值守的自動(dòng)化流式細(xì)胞儀(FlowCytobot), 通過(guò)電力和通信電纜連接到海岸, 并由一臺(tái)微型計(jì)算機(jī)控制, 該計(jì)算機(jī)的程序不僅可以遠(yuǎn)程加載而且可以調(diào)節(jié)采樣率。不過(guò)適合FlowCytobot等儀器的海洋觀(guān)測(cè)站數(shù)量很少, 但預(yù)計(jì)在外海此類(lèi)站點(diǎn)將不斷增多[60]。GRAFF等[61]使用流式細(xì)胞術(shù)從樣品中分離浮游植物并分析浮游植物樣品的碳生物量。該法可以驗(yàn)證測(cè)定區(qū)域的浮游植物碳估算值, 對(duì)浮游植物生物量進(jìn)行實(shí)地分析性測(cè)量, 以便于遙感算法的開(kāi)發(fā), 有助于遙感應(yīng)用, 并且提高我們對(duì)浮游植物化學(xué)計(jì)量的認(rèn)識(shí)以及更好地了解浮游植物對(duì)環(huán)境的生理反應(yīng)。但是流式細(xì)胞儀對(duì)細(xì)胞尺寸有要求, 鏈狀浮游植物因體積大不能在大多數(shù)流式細(xì)胞儀上進(jìn)行分析, 因此大粒徑的浮游植物選擇用顯微鏡鏡檢, 小粒徑浮游植物選用流式細(xì)胞術(shù)法。

2.2 電子探針X射線(xiàn)顯微分析

電子探針X射線(xiàn)顯微分析 (XRMA) 是使用掃描電子顯微鏡 (SEM) 或透射電子顯微鏡 (TEM) 來(lái)確定浮游生物中的元素組成。它使用能量色散光譜儀(EDS)檢測(cè)器同時(shí)識(shí)別和量化海洋生態(tài)中最重要的元素碳、鈉、磷和存在于單個(gè)自然細(xì)胞上的氧、鎂、鈉、鋁、硅、硫、氯、鉀、鈣等元素[62]。該技術(shù)用于測(cè)定海洋和淡水浮游植物[63-65]和浮游細(xì)菌[66-67]的元素組成已有30多年的歷史。在最初的研究中由于儀器的限制沒(méi)有方法對(duì)C、N和O等關(guān)鍵元素進(jìn)行測(cè)量, 但是隨著電子探針X射線(xiàn)顯微分析技術(shù)的進(jìn)步, 掃描透射電子顯微鏡(STEM)的能量色散光譜儀已成功地分析單個(gè)海洋細(xì)菌和藍(lán)細(xì)菌的完整元素的組成[65, 68-69], 實(shí)現(xiàn)了C、N、O等輕元素的測(cè)量。由于透射電子顯微鏡支架的尺寸較小, 該分析僅限于直徑小于5 μm的細(xì)胞, SEGURA‐NOGUERA等[62]提出了一種改進(jìn)的方法, 此方法已應(yīng)用于西地中海的硅藻和甲藻, 是將樣品與底部保持一定距離, 消除掃描電子顯微鏡(SEM)短截線(xiàn)對(duì)細(xì)胞分析的干擾并提高低濃度元素的檢測(cè)限。TWINING等[70-71]提出了X射線(xiàn)熒光光譜顯微術(shù), 可以用更高的精度來(lái)測(cè)定存在于單個(gè)細(xì)胞中的一些元素, 但是X射線(xiàn)源的可用性較低以及電子入射束能量較低時(shí)該技術(shù)無(wú)法進(jìn)行測(cè)量使其難以廣泛使用。

2.3 基于分位數(shù)回歸模型估算海洋浮游植物的碳生物量

綜合上述有關(guān)浮游植物碳生物量檢測(cè)的各種技術(shù)和方法, 列舉其優(yōu)勢(shì)與不足, 我們發(fā)現(xiàn)這些方法都會(huì)存在一些限制, 并且檢測(cè)標(biāo)準(zhǔn)也未完全統(tǒng)一。因此, 我們介紹一種最初由SATHYENDRANATH等[72]開(kāi)發(fā)的方法, 即基于分位數(shù)回歸模型估算海洋浮游植物的碳生物量。此方法與其他測(cè)定方法相比具有更大的優(yōu)勢(shì)和應(yīng)用前景。

2.3.1 分位數(shù)回歸模型的分析估算

SATHYENDRANATH等[72]在對(duì)海洋中提取的樣品觀(guān)測(cè)時(shí), 將樣品中的顆粒碳分為自養(yǎng)生物浮游植物中所含有的碳和非自養(yǎng)成分生物、各種碎屑等含有的碳。非自養(yǎng)成分的變化會(huì)影響整個(gè)樣品中顆粒碳的含量, 但非自養(yǎng)成分無(wú)葉綠體, 所以成分變化其葉綠素含量不會(huì)發(fā)生改變。因此在任意葉綠素含量時(shí)假設(shè)總顆粒碳處于最低含量時(shí), 非自養(yǎng)成分的碳生物量可以忽略不計(jì), 此時(shí)整個(gè)顆粒碳生物量就相當(dāng)于自養(yǎng)成分的浮游植物碳生物量, 但是樣品中肯定存在非自養(yǎng)成分, 因此測(cè)定的浮游植物碳生物量的數(shù)值會(huì)偏高?；谶@種概念, 在給定的葉綠素濃度數(shù)據(jù)范圍之中尋找浮游植物碳生物量(相對(duì)于總顆粒碳)和葉綠素濃度之間的關(guān)系, 這種關(guān)系可以表示為總顆粒碳值的一條相關(guān)線(xiàn), 所述總顆粒碳值被繪制成葉綠素濃度的函數(shù), 找到這種關(guān)系的適當(dāng)方法就是分位數(shù)回歸(QR)[73]。SATHYENDRANATH等[72]在西北大西洋和阿拉伯海的近海水域中收集大量的原位顆粒N和C以及葉綠素-(chl-) 的數(shù)據(jù)集, 間接檢測(cè)得出浮游植物N和C。該方法使用分位數(shù)回歸將顆粒物C和N分為自養(yǎng)和非自養(yǎng)兩種部分, 浮游植物C和N的估計(jì)值結(jié)合起來(lái)計(jì)算碳氮比率。藻類(lèi)的總N和C含量隨著Chl-的增加而增加, 而C: N的比率隨著Chl-的增加而降低。

MANIACI等[74]的研究分析的數(shù)據(jù)集均建立在SATHYENDRANATHh等研究總顆粒碳(PC)和Chl-之間關(guān)系時(shí)所使用的數(shù)據(jù)。在分析之前, 對(duì)顆粒碳(PC), 顆粒氮(PN)和Turner Chl-組測(cè)量進(jìn)行對(duì)數(shù)轉(zhuǎn)換, 以線(xiàn)性化觀(guān)察到的關(guān)系, 并減少具有不同C, N和Chl-的高值的樣本在回歸中的影響[75]。PC和PN被視為因變量, 按照標(biāo)準(zhǔn)做法通過(guò)對(duì)Turner Chl-的簡(jiǎn)單的最小二乘回歸分析[72, 76-78], 總C和N的擬合方程表示為:

Y=mBp,

其中,為預(yù)測(cè)變量,為Chl-,、為冪律模型的參數(shù), 下標(biāo)表示預(yù)測(cè)變量以及和的參數(shù)值或參照總PC或PN。該方程可以在log 10空間中以線(xiàn)性的形式表示:

log10(Y)=log10(m)plog10() ,

其中l(wèi)og10(m)表示線(xiàn)性回歸的截距, p表示線(xiàn)性回歸的斜率。對(duì)于=PC和PN, 使用總Y和Chl-() 之間的分位數(shù)回歸 (QR) 擬合方程。對(duì)于給定的Chl-濃度, 主要計(jì)算與浮游植物對(duì)元素 (C或N) 的貢獻(xiàn)相關(guān)的下限。1% 的 QR (=0.01) 被確定為最合適的分位數(shù), 根據(jù)>5/的標(biāo)準(zhǔn) (是總觀(guān)測(cè)值的數(shù)量)并考慮對(duì)于C的為773,為771 確定浮游植物貢獻(xiàn)的最低觀(guān)測(cè)范圍[79]。此方法提供了浮游植物對(duì)總顆粒C和N池的貢獻(xiàn)的上限, 將C和N的QR分析結(jié)果合并以計(jì)算浮游植物的碳氮比隨Chl-的變化。通過(guò)在Chl-范圍內(nèi)運(yùn)行一系列模擬來(lái)計(jì)算碳氮比是具有不確定性的, 在每個(gè)排列中改變其置信區(qū)間的四個(gè)參數(shù)(C和N方程的斜率和截距), 并取最小值和最大值, 使用HPLC色素組成數(shù)據(jù)來(lái)檢查樣品中存在的浮游植物類(lèi)型, 然后使用參數(shù)化模型和HPLC Chl-作為輸入, 進(jìn)一步利用分類(lèi)群計(jì)算不同藻類(lèi)群的化學(xué)計(jì)量。本研究的所有分析均在Python中進(jìn)行, 分位數(shù)回歸使用QuantRepackage進(jìn)行, 軟件包使用迭代加權(quán)最小二乘法將QR模型估計(jì)為標(biāo)準(zhǔn)回歸[74], 可以更好地?cái)M合異常值, 測(cè)得的數(shù)值較為準(zhǔn)確, 并且能更加全面的了解變量的變化。MARTINY等[80]利用人工神經(jīng)網(wǎng)絡(luò)(ANN)分析得出C∶N的區(qū)域差異與環(huán)境條件的差異有關(guān), 在不同緯度、不同營(yíng)養(yǎng)水域C∶N是存在差異的。針對(duì)不同的海域分位數(shù)回歸模型通用, 其模型參數(shù)需要進(jìn)行變化。但隨著研究的不斷深入, MARTINY等[80]對(duì)不同海域不同環(huán)境下的C∶N建立起相關(guān)性, 在測(cè)定一些海域碳生物量可以直接依據(jù)相關(guān)性迅速建立起經(jīng)驗(yàn)公式計(jì)算。

2.3.2 分位數(shù)回歸模型的現(xiàn)實(shí)應(yīng)用

SATHYENDRANATH等[72]通過(guò)對(duì)海洋顏色進(jìn)行衛(wèi)星遙感測(cè)量出Chl-, 將海洋中的總顆粒有機(jī)氮與葉綠素制成QR模型測(cè)定出海洋浮游植物氮生物量, 同理可得碳生物量。使用該模型獲取有關(guān)浮游植物元素組成的信息, 并將其應(yīng)用于遙感數(shù)據(jù), 以繪制目前尚未由衛(wèi)星服務(wù)提供的諸如氮之類(lèi)的元素庫(kù)的分布圖。通過(guò)研究表明與浮游植物C和N的估計(jì)值一致, 所以采用的此方法能獲取正確的結(jié)果, 其產(chǎn)生的估計(jì)值還可以測(cè)試復(fù)雜的生態(tài)系統(tǒng)模型。建立的比率與衛(wèi)星衍生的Chl-可用于估計(jì)浮游植物C, N, C∶N及其空間分布, 從而證明了該模型的可靠性。在將來(lái), 該方法的復(fù)刻可以適應(yīng)于添加其他元素例如加入顆粒有機(jī)磷或鐵。在更廣泛的地理范圍內(nèi)進(jìn)行觀(guān)察可以進(jìn)一步評(píng)估該方法的廣泛適用性[74]。海洋浮游植物碳生物量各項(xiàng)檢測(cè)技術(shù)優(yōu)缺點(diǎn)的比較如下表2。

表2 海洋浮游植物碳生物量主要檢測(cè)技術(shù)的優(yōu)缺點(diǎn)

3 結(jié)論和展望

探究海洋浮游植物的初級(jí)生產(chǎn)力和碳生物量檢測(cè)技術(shù)對(duì)了解全球海洋碳循環(huán)以及生物地化循環(huán)都具有重要意義。然而, 直接測(cè)定浮游植物初級(jí)生產(chǎn)力及碳生物量目前受到諸多傳統(tǒng)技術(shù)和方法的限制, 這嚴(yán)重阻礙了我們對(duì)全球海洋碳循環(huán)過(guò)程的模擬和分析以及對(duì)全球生物地球化學(xué)循環(huán)的了解[81]。因此, 本文詳細(xì)綜述了海洋浮游植物初級(jí)生產(chǎn)力檢測(cè)從黑白瓶法到快速重復(fù)率熒光法, 碳生物量檢測(cè)技術(shù)經(jīng)過(guò)顯微細(xì)胞計(jì)數(shù)到基于分位數(shù)回歸模型估算所取得的重大進(jìn)展, 以及各個(gè)技術(shù)方法存在的優(yōu)點(diǎn)和缺陷。目前海洋浮游植物初級(jí)生產(chǎn)力可以采用碳同位素和快速重復(fù)率熒光法相結(jié)合進(jìn)行測(cè)定, 海洋浮游植物碳生物量可以通過(guò)分位數(shù)回歸模型進(jìn)行快速精準(zhǔn)測(cè)定。通過(guò)本文的綜述, 一方面為海洋浮游植物初級(jí)生產(chǎn)力和碳生物量的研究提供一個(gè)基本和系統(tǒng)的認(rèn)識(shí); 另一方面為深入研究浮游植物在全球海洋碳循環(huán)以及生物地化循環(huán)中的作用提供前提基礎(chǔ)。針對(duì)當(dāng)前浮游植物初級(jí)生產(chǎn)力及碳生物量檢測(cè)技術(shù)所存在的各種缺陷, 未來(lái)的研究將集中在以下幾個(gè)方面: (1)提高各個(gè)浮游植物初級(jí)生產(chǎn)力和碳生物量檢測(cè)技術(shù)的精度, 減少人為因素; (2)研發(fā)針對(duì)不同浮游植物功能群初級(jí)生產(chǎn)力和碳生物量檢測(cè)的新方法或新技術(shù); (3)建立海洋浮游植物初級(jí)生產(chǎn)力和碳生物量的統(tǒng)一檢測(cè)標(biāo)準(zhǔn), 使各種技術(shù)方法通用化; (4)增加海洋浮游植物初級(jí)生產(chǎn)力和碳生物量檢測(cè)的時(shí)間和空間尺度, 準(zhǔn)確模擬和分析全球海洋碳循環(huán)過(guò)程, 并了解其在全球生物地球化學(xué)循環(huán)中重要作用。

[1] OLSON J M, BLANKENSHIP R E. Thinking about the evolution of photosynthesis[J]. Photosynthesis Research, 2004, 80: 373-386.

[2] YOON H S, HACKETT Y D, CINIGLIA C, et al. A molecular timeline for the origin of photosynthetic eukaryotes[J]. Molecular Biology and Evolution, 2004, 21: 809-818.

[3] REYNOLDS, COLIN S. The ecology of phytoplankton[M]. New York: Cambridge University Press, 2006.

[4] LITCHMAN E, DE TEZANOS PINTO P, EDWARDS K F, et al. Global biogeochemical impacts of phytoplankton: a trait-based perspective[J]. Journal of Ecology, 2015, 103(6): 1384-1396.

[5] 孫軍, 魏玉秋. 聚球藻硅質(zhì)化作用初探[J]. 生態(tài)學(xué)報(bào), 2018, 38(14): 5234-5243.SUN Jun, WEI Yuqiu. Preliminary thoughts on Silicon accumulation in[J]. Acta Ecologica Sinica, 2018, 38(14): 5234-5243.

[6] FIELD C B, BEHRENFELD M J, RANDERSON J T, et al. Primary production of the biosphere: integrating terrestrial and oceanic components[J]. Science, 1998, 281(5374): 237-240.

[7] 孫軍. 海洋浮游植物與生物碳匯[J]. 生態(tài)學(xué)報(bào), 2011, 31(18): 5372-5378.SUN Jun. Marine phytoplankton and biological carbon sink[J]. Acta Ecologica Sinica, 2011, 31(18): 5372-5378.

[8] 蔡琨, 秦春燕, 李繼影, 等. 基于浮游植物生物完整性指數(shù)的湖泊生態(tài)系統(tǒng)評(píng)價(jià)—以2012年冬季太湖為例[J]. 生態(tài)學(xué)報(bào), 2016, 36(5): 1431-1441. CAI Kun, QIN Chunyan, LI Jiying, et al. Preliminary study on phytoplanktonic index of biotic integrity (P-IBI) assessment for lake ecosystem health: a case of Taihu Lake in winter, 2012[J]. Acta Ecologica Sinica, 2016, 36(5): 1431-1441.

[9] 陳蕓燕. CytoSub在浮游植物生態(tài)學(xué)中的應(yīng)用研究[D].北京: 中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院海洋研究所), 2017. CHEN Yunyan. Study on phytoplankton communities using CytoSub[D]. Beijing: University of Chinese Academy of Sciences (Institute of Oceanology, CAS), 2017.

[10] 孫軍. 海洋浮游植物與漁業(yè)碳匯計(jì)量[J]. 漁業(yè)科學(xué)進(jìn)展, 2013, 34(1): 90-96.SUN Jun. Carbon calculation on marine phytoplankton and its related fishery carbon sink[J]. Progress in Fishery Sciences, 2013, 34(1): 90-96.

[11] SUTHERLAND G K. Some methods of plankton investigation[J]. Journal of Ecology, 1913, 1(3): 166-176.

[12] EPPLEY R W. An incubation method for estimating the carbon content of phytoplankton in natural samples[J]. Limnology and Oceanography, 1968, 13(4): 574-582.

[13] LAWS E A. Evaluation of in situ phytoplankton growth rates: a synthesis of data from varied approaches[J]. Annual Review of Marine Science, 2013, 5: 247-268.

[14] GAARDER T, GRAN H H. Production of plankton in Oslo Kjord[J]. Rap Proc Verb Cons Prem Int Explor Mer, 1927, 42: 9-48.

[15] 閻希柱. 初級(jí)生產(chǎn)力的不同測(cè)定方法[J]. 水產(chǎn)學(xué)雜志, 2000, 1: 81-86. YAN Xizhu. The different methods for determing primary production[J]. Chinese Journal of Fisheries, 2000, 1: 81-86.

[16] 王驥.浮游植物的初級(jí)生產(chǎn)力與黑白瓶測(cè)氧法[J]. 淡水漁業(yè), 1980, 3: 26-30. WANG Ji. Primary productivity of phytoplankton and oxygen measurement with black and white bottle[J]. Freshwater Fisheries, 1980, 3: 26-30.

[17] 劉義豪, 秦華偉, 王國(guó)強(qiáng), 等. 煙臺(tái)四十里灣海域初級(jí)生產(chǎn)力特征[J]. 海洋湖沼通報(bào), 2016, 6: 60-66. LIU Yihao, QIN Huawei, WANG Guoqiang, et al. Characteristics of the primary productivity in Sishili Bay, Yantai[J]. Transactions of Oceanology and Limnology, 2016, 6: 60-66.

[18] SELVARAJ G S D. Validity of net primary productivity estimation by light and dark bottle oxygen technique in tropical inshore waters, with a note on primary productivity of the surf zone at Cochin[J]. Seaweed Research and Utilisation, 2000, 22(1/2): 81-88.

[19] BABIN M, ARRIGO K, BéLANGER S, et al. Ocean colour remote sensing in polar seas[M]. Canada: International Ocean Colour Coordinating Group, 2015.

[20] LEE Z, MARRA J, PERRY M J, et al. Estimating oceanic primary productivity from ocean color remote sensing: A strategic assessment[J]. Journal of Marine Systems, 2015, 149: 50-59.

[21] BEHRENFELD M J, FALKOWSKI P G. A consumer’s guide to phytoplankton primary productivity models[J]. Limnology and Oceanography, 1997, 42(7): 1479-1491.

[22] 鄧瑜兵, 張運(yùn)林, 李德平. 浮游植物初級(jí)生產(chǎn)力的遙感研究綜述[J]. 遙感信息, 2017, 32(3): 1-9. DENG Yubing, ZHANG Yunlin, LI Deping. Progress and prospect of remote sensing on phytoplankton primary productivity estimation[J]. Remote Sensing Information, 2017, 32(3): 1-9.

[23] EVERETT J D, DOBLIN M A. Characterising primary productivity measurements across a dynamic western boundary current region[J]. Deep Sea Research Part I: Oceanographic Research Papers, 2015, 100: 105-116.

[24] JOINT I, GROOM S B. Estimation of phytoplankton production from space: current status and future potential of satellite remote sensing[J]. Journal of Experimental Marine Biology and Ecology, 2000, 250(1/2): 233-255.

[25] 洪阿實(shí). 同位素海洋學(xué)的發(fā)展[J]. 海洋科學(xué), 1994, 13(1): 53-56.HONG Ashi. Development ofisotope oceanography[J]. Marine Sciences, 1994, 13(1): 53-56.

[26] NIELSEN E S. The use of radio-active carbon (14C) for measuring organic production in the sea[J]. ICES Journal of Marine Science, 1952, 18(2): 117-140.

[27] WEI YQ, ZHAO XW, SUN J, et al. Fast repetition rate fluorometry (FRRF) derived phytoplankton primary productivity in the Bay of Bengal[J]. Frontiers in Microbiology, 2019, 10: 1164.

[28] REYNOLDS C S. The ecology of phytoplankton[M]. New York: Cambridge University Press, 2006.

[29] ICHIMURA S, SAIJO Y, ARUGA Y. Photosynthetic characteristics of marine phytoplankton and their ecological meaning in the chlorophyll method[J]. Bot Mag Tokyo, 1962, 75: 212-220.

[30] SLAWYK G, COLLOS Y, AUCLAIR J C. The use of the13C and15N isotopes for the simultaneous measurement of carbon and nitrogen turnover rates in marine phytoplankton 1[J]. Limnology and Oceanography, 1977, 22(5): 925-932.

[31] HAMA T, MIYAZAKI T, OGAWA Y, et al. Measurement of photosynthetic production of a marine phytoplankton population using a stable13C isotope[J]. Marine Biology, 1983, 73(1): 31-36.

[32] WEI Y, ZHAO X, SUN J, et al. Fast repetition rate fluorometry (FRRF) derived phytoplankton primary productivity in the Bay of Bengal[J]. Frontiers in Microbiology, 2019, 10: 1164.

[33] MOORE C M, SUGGETT D, HOLLIGAN P M, et al. Physical controls on phytoplankton physiology and production at a shelf sea front: a fast repetition-rate fluorometer based field study[J]. Marine Ecology Progress Series, 2003, 259: 29-45.

[34] SMYTH T J, PEMBERTON K L, AIKEN J, et al. A methodology to determine primary production and phytoplankton photosynthetic parameters from Fast Repetition Rate Fluorometry[J]. Journal of Plankton Research, 2004, 26(11): 1337-1350.

[35] OXBOROUGH K, MOORE C M, SUGGETT D J, et al. Direct estimation of functional PSII reaction center concentration and PSII electron flux on a volume basis: a new approach to the analysis of Fast Repetition Rate fluorometry (FRRF) data[J]. Limnology and Oceanography: Methods, 2012, 10(3): 142-154.

[36] AARDEMA H M, RIJKEBOER M, LEFEBVRE A, et al. High-resolution underway measurements of phytoplankton photosynthesis and abundance as an innovative addition to water quality monitoring programs[J]. Ocean Science, 2019, 15(5): 1267-1285.

[37] FALKOWSKI P G, RAVEN J A. Aquatic photosynthesis 2nd[M]. New Jersey: Princeton University Press, 2007.

[38] PRASIL O, SUGGETT D J, CULLEN J J, et al. Aquafluo 2007: chlorophyll fluorescence in aquatic sciences, an international conference held in Nové Hrady[J]. Photosynthesis Research, 2008, 95(1): 111-115.

[39] SMYTH T J, PEMBERTON K L, AIKEN J, et al. A methodology to determine primary production and phytoplankton photosynthetic parameters from fast repetition rate fluorometry[J]. Journal of Plankton Research, 2004, 26(11): 1337-1350.

[40] WEI Y, CHEN Z, GUO C, et al. Physiological and ecological responses of photosynthetic processes to oceanic properties and phytoplankton communities in the oligotrophic western Pacific Ocean[J]. Frontiers in Microbiology, 2020, 11: 1774.

[41] SCHUBACK N, FLECKEN M, MALDONADO M T, et al. Diurnal variation in the coupling of photosynthetic electron transport and carbon fixation in iron-limited phytoplankton in the NE subarctic Pacific[J]. Biogeosciences Discussions, 2016, 13(4): 1019-1035.

[42] STRUTTON P G, MITCHELL J G, PARSLOW J S, et al. Phytoplankton patchiness: quantifying the biological contribution using fast repetition rate fluorometry[J]. Journal of Plankton Research, 1997, 19(9): 1265-1274.

[43] AIKEN J, REES N, HOOKER S, et al. The Atlantic meridional transect: overview and synthesis of data[J]. Progress in Oceanography, 2000, 45(3/4): 257-312.

[44] AIKEN J, FISHWICK J, MOORE G, et al. The annual cycle of phytoplankton photosynthetic quantum efficiency, pigment composition and optical properties in the western English Channel[J]. Journal of the Marine Biological Association of the United Kingdom, 2004, 84(2): 301-313.

[45] KOLBER Z S, BARBER R T, COALE K H, et al. Iron limitation of phytoplankton photosynthesis in the equatorial Pacific Ocean[J]. Nature, 1994, 371(6493): 145-149.

[46] SUN J, LIU D. Geometric models for calculating cell biovolume and surface area for phytoplankton[J]. Journal of Plankton Research, 2003, 25(11): 1331-1346.

[47] MULLIN M M, SLOAN P R, EPPLEY R W. Relationship between carbon content, cell volume, and area in phytoplankton[J]. Limnology and Oceanography, 1966, 11(2): 307-311.

[48] HILLEBRAND H, DüRSELEN C D, KIRSCHTEL D, et al. Biovolume calculation for pelagic and benthic microalgae[J]. Journal of Phycology, 1999, 35(2): 403-424.

[49] SUN Jun, LIU Dongyan. Estimating biomass of phytoplankton in the Jiaozhou Bay[J]. Acta Oceano-logica Sinica, 2000, 19: 19-31.

[50] STRATHMANN R R. Estimating the organic carbon content of phytoplankton from cell volume or plasma volume 1[J]. Limnology and Oceanography, 1967, 12 (3): 411-418.

[51] EPPLEY R W, REID F M H, STRICKLAND J D H. Estimates of phytoplankton crop size, growth rate, and primary production[J]. Bulletin of the Scripps Institution of Oceanography, 1970, 17: 33-42.

[52] TAGUCHI S. Relationship between photosynthesis and cell size of marine diatoms[J]. Journal of Phycology, 1976, 12(2): 185-189.

[53] OLSON R J, ZETTLER E R, CHISHOLM S W, et al. Advances in oceanography through flow cytometry[J]. Particle Analysis in Oceanography, 1991: 351-399.

[54] OLSON R J, ZETTLER E R, DURAND M D. Phytoplankton analysis using flow cytometry[J]. Handbook of Methods in Aquatic Microbial Ecology, 1993, 22: 175-186.

[55] VAULOT D, MARIE D, OLSON R J, et al. Growth of Prochlorococcus, a photosynthetic prokaryote, in the equatorial Pacific Ocean[J]. Science, 1995, 268(5216): 1480-1482.

[56] VAULOT D, MARIE D. Diel variability of photosynthetic picoplankton in the equatorial Pacific[J]. Journal of Geophysical Research: Oceans, 1999, 104(C2): 3297-3310.

[57] RECKERMANN M. Flow sorting in aquatic ecology[J]. Scientia Marina, 2000, 64(2): 235-246.

[58] LI W K W, DICKIE P M. Monitoring phytoplankton, bacterioplankton, and virioplankton in a coastal inlet (Bedford Basin) by flow cytometry[J]. Cytometry: The Journal of the International Society for Analytical Cytology, 2001, 44(3): 236-246.

[59] OLSON R J, SHALAPYONOK A, SOSIK H M. An automated submersible flow cytometer for analyzing pico-and nanophytoplankton: FlowCytobot[J]. Deep Sea Research Part I: Oceanographic Research Papers, 2003, 50(2): 301-315.

[60] GLENN S M, DICKEY T D, PARKER B, et al. Long- term real-time coastal ocean observation networks[J]. Oceanography, 2000, 13(1): 24-34.

[61] GRAFF J R, MILLIGAN A J, BEHRENFELD M J. The measurement of phytoplankton biomass using flow- cytometric sorting and elemental analysis of carbon[J]. Limnology and Oceanography: Methods, 2012, 10(11): 910-920.

[62] SEGURA‐NOGUERA M, BLASCO D, FORTU?O J M. An improved energy-dispersive X‐ray microanalysis method for analyzing simultaneously carbon, nitrogen, oxygen, phosphorus, sulfur, and other cation and anion concentrations in single natural marine microplankton cells[J]. Limnology and Oceanography: Methods, 2012, 10(9): 666-680.

[63] SIGEE D C, KRIVTSOV V, BELLINGER E G. Elemental concentrations, correlations and ratios in micropopulations of(): an X-ray microanalytical study[J]. European Journal of Phycology, 1998, 33(2): 155-164.

[64] KRIVTSOV V, BELLINGER E G, SIGEE D C. Changes in the elemental composition ofduring the diatom spring bloom[J]. Journal of Plankton Research, 2000, 22(1): 169-184.

[65] HELDAL M, SCANLAN D J, NORLAND S, et al. Elemental composition of single cells of various strains of marineandusing X-ray microanalysis[J]. Limnology and Oceanography, 2003, 48(5): 1732-1743.

[66] HELDAL M, NORLAND S, TUMYR O. X-ray microanalytic method for measurement of dry matter and elemental content of individual bacteria[J]. Applied and Environmental Microbiology, 1985, 50(5): 1251-1257.

[67] BOOTH K N, SIGEE D C, BELLINGER E. Studies on the occurrence and elemental composition of bacteria in freshwater plankton[J]. Scanning Microscopy, 1987, 1(4): 50.

[68] NORLAND S, FAGERBAKKE K M, HELDAL M. Light element analysis of individual bacteria by X-ray microanalysis[J]. Applied and Environmental Microbiology, 1995, 61(4): 1357-1362.

[69] VREDE K, HELDAL M, NORLAND S, et al. Elemental composition (C, N, P) and cell volume of exponentially growing and nutrient-limited bacterioplankton[J]. Applied and Environmental Microbiology, 2002, 68(6): 2965-2971.

[70] TWINING B S, BAINES S B, FISHER N S, et al. Quantifying trace elements in individual aquatic protist cells with a synchrotron X-ray fluorescence microprobe[J]. Analytical Chemistry, 2003, 75(15): 3806-3816.

[71] DIAZ J, INGALL E, VOGT S, et al. Characterization of phosphorus, calcium, iron, and other elements in organisms at sub-micron resolution using X-ray fluorescence spectromicroscopy[J]. Limnology and Oceanography: Methods, 2009, 7(1): 42-51.

[72] SATHYENDRANATH S, STUART V, NAIR A, et al. Carbon-to-chlorophyll ratio and growth rate of phytoplankton in the sea[J]. Marine Ecology Progress Series, 2009, 383: 73-84.

[73] KOENKER R, BASSETT JR G. Regression quantiles[J]. Econometrica, 1978, 46(1): 33-50.

[74] MANIACI G, BREWIN R J W, SATHYENDRANATH S. Concentration and distribution of phytoplankton nitrogen and carbon in the Northwest Atlantic and Indian Ocean: A simple model with applications in satellite remote sensing[J]. Frontiers in Marine Science, 2022, 9: 1035399.

[75] LEGENDRE L, MICHAUD J. Chlorophyll a to estimate the particulate organic carbon available as food to large zooplankton in the euphotic zone of oceans[J]. Journal of Plankton Research, 1999, 21(11): 2067-2083.

[76] BUCK K R, CHAVEZ F P, CAMPBELL L. Basin-wide distributions of living carbon components and the inverted trophic pyramid of the central gyre of the North Atlantic Ocean, summer 1993[J]. Aquatic Microbial Ecology, 1996, 10(3): 283-298.

[77] MARA?óN E, CERME?O P, HUETE-ORTEGA M, et al. Resource supply overrides temperature as a controlling factor of marine phytoplankton growth[J]. PloS one, 2014, 9(6): e99312.

[78] THOMALLA S J, OGUNKOYA A G, VICHI M, et al. Using optical sensors on gliders to estimate phytoplankton carbon concentrations and chlorophyll-to- carbon ratios in the Southern Ocean[J]. Frontiers in Marine Science, 2017, 4: 34.

[79] ROGERS W. Quantile regression standard errors[J]. Stata Technical Bulletin, 2008, 2(9): 204-227.

[80] MARTINY A C, VRUGT J A, PRIMEAU F W, et al. Regional variation in the particulate organic carbon to nitrogen ratio in the surface ocean[J]. Global Biogeochemical Cycles, 2013, 27(3): 723-731.

[81] WEI Y, DING D, GU T, et al. Different responses of phytoplankton and zooplankton communities to current changing coastal environments[J]. Environmental Research, 2022, 215: 114426.

Advances in primary productivity and carbon biomass detection of marine phytoplankton

WANG Qing-xuan1, 2, 3, CUI Zheng-guo2, 3, QU Ke-ming2, 3, WANG Qing-kui1, WEI Yu-qiu2, 3, SUN Jun4

(1. Tianjin Key Laboratory of Aquatic Ecology and Aquaculture, College of Fisheries, Tianjin Agricultural University, Tianjin 300392, China; 2. Key Laboratory of Sustainable Development of Marine Fisheries, Ministry of Agriculture and Rural Affairs, Yellow Sea Fisheries Research Institute, Chinese Academy of Fishery Sciences, Qingdao 266071, China; 3. Qingdao Pilot National Laboratory of Marine Science and Technology Marine Fishery Science and Food Production Process Function Laboratory, Qingdao 266071, China; 4. Institute for Advanced Marine Research, China University of Geosciences, Guangzhou 511462, China)

Phytoplankton are major primary producers in marine ecosystems, supporting marine food webs, biological pumps, and elemental cycles (carbon, nitrogen, and silicon cycles). Therefore, elemental cycles and energy flow in marine ecosystems are closely related to phytoplankton growth and metabolism. The marine carbon (C) cycle is key to the global C cycle and an important part of the biogeochemical cycle. Although phytoplankton plays a critical role in the marine C cycle, the direct determination of phytoplankton primary productivity and C biomass remains limited to traditional methods. In this review, various methods associated with phytoplankton primary productivity and C biomass estimation are discussed in detail, along with their respective advantages and disadvantages. Currently, the main methods for determining the primary productivity of marine phytoplankton include the black-white bottle method, remote sensing estimation method, C isotope determination, and fast repetition rate fluorescence method (FRRF). The primary methods for determining the C biomass of marine phytoplankton include cell volume conversion, flow cytometry, electron probe X-ray microanalysis, and quantile regression model estimation. Through comparative analysis, we established that combining the C isotope and FRRF method can determine primary productivity more efficiently, while the most promising method for C biomass detection was quantile regression model estimation. This regression model has the advantages of fitting outliers and providing accurate measurement results, including C biomass estimations for phytoplankton communities and each functional group in the field. The approach can also be combined with satellite remote sensing technology to estimate biomass on a large scale and for a prolonged period. Although this review offers a basic and systematic understanding of phytoplankton primary productivity and C biomass analysis, it provides a valuable reference for future research on the role of phytoplankton in the marine and global C cycles.

phytoplankton; primary productivity; carbon biomass; carbon cycle; detection method; quantile regression model

Jan. 28, 2023

[National Natural Science Foundation of China, No.42206103; China Postdoctoral Science Foundation, No. 2021M703590; Shandong Province Postdoctoral Innovative Talent Support Program, No. SDBX2021014; Shandong Provincial Natural Science Foundation, No. ZR2022QD133]

Q71

A

1000-3096(2023)8-0131-10

10.11759/hykx20230128003

2023-01-28;

2023-02-25

國(guó)家自然科學(xué)基金資助項(xiàng)目(42206103); 中國(guó)博士后科學(xué)基金資助項(xiàng)目(2021M703590); 山東省博士后創(chuàng)新人才支持計(jì)劃項(xiàng)目(SDBX2021014); 山東省自然科學(xué)基金資助項(xiàng)目(ZR2022QD133)

王慶軒(1998—), 男, 山東肥城人, 碩士研究生, 從事海洋浮游生物生態(tài)學(xué)研究, E-mail: wangqingxuan2022@163.com; 魏玉秋(1991—), 男, 山東日照人, 博士研究生,通信作者, 助理研究員, 從事海洋浮游生物生態(tài)學(xué)研究, E-mail: weiyuqiu@163.com

(本文編輯: 譚雪靜)