全 文 ：第 32卷 第 5期 生 态 科 学 32(5): 564-570
2013年 9月 Ecological Science Sept. 2013
收稿日期：2012-09-02收稿，2012-12-30接受
基金项目：公益性行业科研专项(201001021)、水利部“948”引进项目(201007)资助
作者简介：黄迎艳（1985—），女，硕士，助理工程师，主要从事水质生物监测与评价工作，E-mail:hyyhaier@gmail.com.
黄迎艳，王旭涛，刘威，黄少峰，雷远达. 东江流域附着硅藻-电导率转换函数模型适用性评估[J]. 生态科学, 2013, 32(5): 564-570.
HUANG Ying-yan, WANG Xu-tao, LIU Wei, HUANG Shao-feng, LEI Yuan-da. Evaluation of a benthic diatom-conductivity
transfer function model from Dongjiang basin[J]. Ecological Science, 2013, 32(5): 564-570.

东江流域附着硅藻-电导率转换函数模型适用性评估
黄迎艳 1，王旭涛 1，刘威 1，黄少峰 1，雷远达 2
1．珠江流域水环境监测中心，广州 510611
2．华南师范大学化学与环境学院，广州 510631

【摘要】利用多元统计分析筛选出东江流域对硅藻群落影响最大的环境变量，并对附着硅藻与该环境变量转换函数模型的适用
性进行了评估。结果显示：13 个环境变量中，电导率（conductivity，Cond.）的第一特征值（λ1）和第二特征值（λ2）的比值
（λ1/λ2）最高，为 0.8，成为用于加权平均回归分析（Weighted averaging analysis，WA）建模的环境变量。用 WA初步建立了东
江流域附着硅藻-电导率转换函数模型，反向的 WA方法提供了最小的推导误差值（Root mean square error of prediction，RMSEP）
（RMSEP＝0.209）和最高的电导率推导值与实测值的回归相关系数（R2＝0.778）而成为最佳建模方法。在删除异常样品后，
硅藻-电导率转换函数的推导能力增加，推导误差值降低（RMSEP＝0.183），实测值与推导值的回归相关系数提高（R2＝0.818）。
结果表明，电导率是影响东江流域硅藻群落最大的环境变量，建立的附着硅藻-电导率转换函数模型适用于东江流域电导率值
的推导。
关键词：东江流域；附着硅藻；电导率；多元统计分析；转换函数模型
doi:10.3969/j.issn. 1008-8873.2013.05.007 中图分类号：Q178.1，Q14 文献标识码：A 文章编号：1008-8873(2013)05-564-07

Evaluation of a benthic diatom-conductivity transfer function model from
Dongjiang basin
HUANG Ying-yan1, WANG Xu-tao1, LIU Wei1, HUANG Shao-feng1, LEI Yuan-da2
1. Environmental Mornitoring Center of Pearl River Basin, Guangzhou, 510611, China
2. Institue of Environmental Science, South China Normal University, Guangzhou 510631, China
Abstract: Multivariate statistical analysis was used to identify the most important variable influencing the diatom distribution. The ratio
between the first and second eigenvalue (λ1/λ2=0.8) of conductivity was the highest and justified development of transfer function model.
The inverse weighted average model was chosen to establish the diatom-conductivity transfer function comparing with a series of WA
models. The model gave the lowest root mean square error of prediction （RMSEP=0.209）and the highest coefficient of determination
between observed and inferred values of conductivity (R2＝0.778). After deleted outliers, the new model improved the prediction ability,
with a lower predictive error ( RMSEP＝0.183 ) and a higher coefficient of prediction (R2＝0.818 ). The results indicated that the
conductivity was the most important variable, and the benthic diatom-conductivity transfer function model was suitable for Dongjiang
basin.

Key words: Dongjiang basin; benthic diatom; conductivity; multivariate statistical analysis; transfer function model
5期 黄迎艳，等. 东江流域附着硅藻-电导率转换函数模型适用性评估

565
1 引言 (Introduction)
由于硅藻可对河流环境变化作出快速响应[1]，
有着种类多，分布广的特点[2]，且生活于各种水体
中[3]，因此已被广泛用于河流水质监测与评价，在
亚洲、欧洲、美洲、非洲、大洋洲均有相关研究[4-8]。
转换函数是硅藻水质评价技术中常用的方法。
它是将硅藻群落和特定的环境变量联系起来，利用
加权平均计算属种的环境最适值和耐受值，用属种
的最适值和耐受值去推导环境变量值[9]。因此，转
换函数可以对特定的环境变量进行定量重建。常用
的用于建立转换函数的方法包括加权平均回归法
（Weighted averaging，WA）[10]、偏最小加权平均
回归方法（Weighted averaging partial least squares，
WA-PLS）[11]等。
基于硅藻的转换函数主要用于湖泊的研究，特
别是对于历史和史前环境的重建[12-15]。但近年来，
转换函数已逐渐运用于河流，通过硅藻群落推导出
一系列环境变量转换函数，如 pH、总磷（Total
phosphorus，TP）、总氮（Total nitrogen，TN）、电
导率 [16-18]。但是，在某一区域发展出的硅藻指数
和转换函数在其他区域并不准确[19-20]。这可能是因
为区域的水质差异、多态性、特有种和当地的历史
等原因[19-21]。因此，有必要建立特定区域的模型来
评价水生态系统。
东江是珠江三角洲经济圈和香港特别行政区
的重要饮用水源，是广东省目前综合开发利用程度
最高的流域。本文以东江流域为研究区域，通过多
元统计分析，确定东江流域对硅藻群落结构影响最
大的环境变量，利用WA方法，初步建立和评估了
该区域硅藻与环境变量的转换函数，为了解该区域
的硅藻生态状况，发展适合该区域的硅藻指数与预
测模型奠定基础。
2 材料与方法 (Materials and methods)
2.1 采样点概况
东江流域地跨广东、江西两省，是珠江流域第
三大水系。其发源于江西省寻乌县的桠髻钵，自东
北向西南流入广东省境内，经龙川、河源、紫金、
惠阳、博罗、东莞等县市注入狮子洋，经虎门出海。
干流全长 562 km，流域总面积 35340 km2。流域面
积 1000 km2以上的一级支流有 7 条。贝岭水、新
丰江、西枝江为东江较大的主要支流。
本研究全流域共设 27个采集点（图 1）。
采样时间：2010年 1月、2011年 1月。其中
2011年去除了采样点 5、14、25、26、27共 5个样
品。因此，此次研究共有 49个硅藻样品。
6
11
10
12
15
16
增江
9 8
17
18
秋香江
西枝江
淡水河 20
21 22 23
24
19
石马河
1
2
4 5
7
14
浰江
新丰江
13
25
26
27
寻乌水
3
康禾河
九曲河
公庄河

图 1 采样点分布示意图
Fig. 1 Locations of the sampling sites
2.2 硅藻样品采集及处理
硅藻采样基质选取能抵抗水流、地势开阔且无
树荫遮挡的石头，每个采样点至少采集 5块石头，
用干净牙刷刷洗石头向阳面取得硅藻样，甲醛
（3~4%）固定。采集后样品经过氧化氢(35%)和浓
盐酸（98%）消解， Naphrax（RI =1.74）封片胶
封片，光学显微镜 1000 倍油镜下检出，视野内破
损面积不超过 1/4的硅藻细胞都要鉴定和计数，每
个样片计数需超过 400个细胞。硅藻种类的鉴定主
要根据 Krammer 和 Lange-Bertalot 鉴定体系
（1986-1991）[22-25]。
2.3 水样采集与理化指标的测定
同步采集河流水质样品，现场测定 pH值、Cond.
两项参数。实验室测得溶解氧（dissolved oxygen，
DO)、五日生化量（Biology Oxygen Demand，
BOD5）、高锰酸盐指数（CODMn)、氨氮（NH4-N)、
硝氮（NO3-N)、亚硝氮(NO2-N)、TP、TN、磷酸盐
（PO4-P)、硅酸盐（SiO2) 和氯化物（Cl
－
）共 11
生 态 科 学 Ecological Science 32卷

566
项指标。水样采集，保存以及测定方法参照《水和
废水监测分析方法（第四版）》[26]。
2.4 数据处理
2.4.1 数据标准化
在数据分析前，需对数据进行标准化处理。对
硅藻数据，选择至少在 2个采样点中出现且至少在
一个样品中含量大于 1%的属种，对其含量进行平
方根转换；环境数据除 pH值不变外，其余指标用
对数 lg（x+1）进行转换。
2.4.2 多元统计分析
1) 消拱对应分析（Detrended correspondence
analysis，DCA）检验样方-硅藻相对丰度矩阵，获
得硅藻物种的单峰响应值，即 DCA 前两轴的梯度
长度，若梯度长度最大值大于 2，即认为单峰响应
模型的典型对应分析（Canonical correspondence
analysis，CCA）是研究硅藻群落与环境变量变化
关系的合适模型[27]。
2) 对包括所有环境变量的数据库进行初步
的 CCA分析，对膨胀因子（Variance inflation factor，
VIF）大于 20 的环境变量进行选择性删除[28]。剩
下的环境变量进行 CCA 分析，确定能解释最重要
的硅藻物种数据的最小环境变量组合。每个变量解
释的显著性由蒙特卡罗（Monte Carlo）测试来检验
（p< 0.05）。
3) 为了评估被挑选的环境变量与硅藻群落
组成之间的相关性以及确定其中何种变量对硅藻
群落的影响最大，运行每次限制一个变量的限制性
典 型 对 应 分 析 （ Constrained Canonical
correspondence analysis，cCCA）分析。第一特征
值（限制的）和第二特征值（非限制的）的高比值
（λ1/λ2＞0.5）显示环境变量对硅藻群落组成的显著
影响，可用于建立转换函数模型[29-30]。
4) 用降维的典型对应分析（ Detrended
anonical correspondence analysis，DCCA）来判识数
据库是否适用于非线性或线性回归模型的建立。
DCCA分析中每次只限定一个环境变量，根据环境
变量在第一轴上的有效梯度长度，来判识硅藻对变
量的响应模式。当梯度长度≥2.4 个标准离差单元
时[27]，可以用非线性加权平均模型来建立硅藻－环
境指标转换函数；反之用线性模型比较适合。
5) 所有的排序分析均用软件 Canoco 4.5完成
[31]。
2.4.3 转换函数的建立
对非线性响应模式主要用WA方法，计算出硅
藻物种的最佳值与耐受值，以及建立和检验硅藻与
主要环境变量的推论模型。根据还原方式的不同和
对属种忍耐值的降权与否发展了多种 WA 方法来
建立模型[10]。模型误差估计是通过 1000 次循环的
自助法(bootstrapping)计算[32]。转换函数推导能力
的评估主要依据高的实测值与推导值的相关系数
（Coefficient of determination, R2）、低的推导误差
值（Root mean square error of prediction, RMSEP）和
低的最大偏差（Maximum bias, Max. bias）[32]。在硅
藻定量中普遍选择具有最小推导误差的模型作为最
佳的转换函数模型[15, 33-34]。以上转换函数的建立及
统计检验均在 C2 version 1.5.0软件中进行[35]。
3 结果 (Results)
3.1 硅藻种类组成
49 个采样点共鉴定到 122 种硅藻。至少在 2
个采样点中出现且至少在一个样品中含量大于 1%
的有 73种。最常出现的种类为 Nitzschia palea（42
个样品），其次为 Gomphonema parvulum（40）、
Sellaphora pupula（ 33）、Navicula viridula var.
rostellata（ 28）、 Achnanthes catenata（ 25）、
Achnanthidium minutissimum（ 25）、 Pinnularia
subcapitata（25）。
3.2 多元统计分析结果
DCA 分析中，前两轴中梯度长度最大值为
3.397>2，因此应选用典型对应分析（CCA）来研
究环境因子与硅藻群落结构的关系。
限制所有 13个环境变量的 CCA分析表明，第
一轴和第二轴共解释了12.4%的硅藻数据的总特征
值。轴 1（r=0.948）和轴 2（r=0.853）显示了显著
的种类-环境相关性，共解释了 41.7%的种类-环境
相关性变化，说明 13个环境变量与 73种硅藻间的
显著相关性。将膨胀因子（VIF）大于 20的变量删
5期 黄迎艳，等. 东江流域附着硅藻-电导率转换函数模型适用性评估

567
除，将剩余的环境变量进行进一步选择性的 CCA
分析，确定了解释最重要的硅藻物种数据的最小环
境变量组合（p<0.05）：CODMn、Cond.、NO2-N、
Cl－。这 4 个变量的前两轴共解释了 10.4%的硅藻
数据的总特征值。CCA轴 1的物种-环境相关系数
（r=0.936）和轴 2（r=0.813）高，且解释了 73.2%
的种类－环境变量。
对这 4 个环境变量运行每次限制一个变量的
cCCA分析，结果表明：Cond.的 λ1/λ2 的比值（0.80）
最高。一次只限制一个变量的 DCCA 结果测试出
Cond.的梯度长度为 2.81，大于单峰响应的临界值
2.4。因此，用非线性加权平均模型来建立硅藻－
电导率转换函数模型。

3.3 转换函数的建立
用WA方法计算出主要属种的有效出现率、属
种的电导率最适值和耐受值。这些种类对电导率的
最适值范围为 55.64 μS/cm（Achnanthes helvetica）
~465.10 μS/cm（Cyclostephanos invisitatus）。
对 49个样品用各种 WA方法建模的统计检验
结果见表 1。反向WA方法提供了最小的推导误差
值（RMSEP＝0.209）和最高的电导率推导值与实
测值的回归相关系数（R2＝0.778）而成为最佳建模
方法。但从其残差分布图（图 2b）可看出有一个
点（采样点 25 号，定南县天九镇）有较高的推导
残差值，被认为是异常样点，应剔除。
异常样点剔除后包括 48 个样品的转换函数具
有更低的推导误差值（RMSEP＝0.183）和更高的推
导值与实测值的回归相关系数（R2＝0.818）（图 3）。
表 1 49个样品硅藻-电导率多种转换函数模型检验结果比较
Table 1 Comparison of different diatom-Cond. transfer function models for 49 samples
模型 Models
推导误差值
Root mean square error of
prediction ( RMSEP )
回归相关系数
coefficient of
determination ( R2 )
最大偏差
Maximum bias
( Max. bias )
反向不降权的加权平均回归模型
Inverse WA
0.209 0.776 0.386
传统不降权的加权平均回归模型
Classical WA
0.212 0.776 0.260
反向降权的加权平均回归模型
Inverse WAtol
0.240 0.767 0.380
传统降权的加权平均回归模型
Classical WAtol
0.242 0.767 0.309

4 讨论（Discussion）
多元统计分析表明电导率是影响东江流域硅
藻群落最大的环境变量，Leria和 Sabater[36]在西班
牙东北部的河流研究中也得出此结论。 Potapova
和 Charles[37]对 1109 条河流 3239 个样品的底栖硅
藻相对丰度和电导率间的关系进行了分析，结果表
明电导率和离子浓度对硅藻群落组成具有重要的
影响。王倩等[38]的研究表明水体离子和电导率都能
用于解释底栖硅藻的群落分布特征。

常出现在离子强度和电导率很高的水体中的
硅藻种类，也常记录于有机物和重金属污染的水体
中[39-41]，电导率的增加可能伴随着河流中可溶性营
养物的增加[40
，42]，因此电导率常被用作为一种简
单而传统的营养富集的替代品[43-44]。
本研究所建立的硅藻－电导率转换函数模型
的实测值与推导值的回归相关系数（R2）与国际上
其它河流建立的硅藻－电导率结果相似或略高
[45-46]，但在 Bere和 Tundisi的研究中[18]，电导率的

生 态 科 学 Ecological Science 32卷

568


图 2 49个样品硅藻-电导率转换函数推导能力评估图
Fig. 2 Evaluation of the prediction ability of diatom-Cond. models for 49 samples
(a log10 Cond.推导值与实测值的相关性；b log10 Cond.实测值的残差分布图)
（a diatom-inferred log10 Cond. values vs. observed log10 Cond. values；b showing residuals vs. observed log10 Cond. values）

图 3 48个样品底栖硅藻-电导率转换函数推导能力评估图
Fig.3 Evaluation of the prediction ability of diatom-Cond. models for 48 samples
(a log10 Cond.推导值与实测值的相关性；b log10 Cond.实测值的残差分布图)
（a diatom-inferred log10 Cond. values vs. observed log10 Cond. values；b showing residuals vs. observed log10 Cond. values）

实测值和推导值之间的相关性较弱（R2＝0.5），这
可能与该研究只采集了 10 个样品有关。而河流中
建立的硅藻－电导率转换函数其实测值和推导值
的相关性较湖泊建立的函数整体更弱[12-13]，这可能
是因为物化指标反映的是采样瞬时的水环境特征，
河流中物化指标相对湖泊来说变化更快，而硅藻反
映的是一段时间内河流水质的综合状态。这在一定
程度上也解释了电导率的实测值与推导值相关性
较弱。从另一方面也强调了生物监测相对物化监测
在河流健康管理中的重要性。
本次研究中用 WA 计算出的主要属种对电导
率的最适值范围较窄（ 55.64 μS/cm ~465.10
μS/cm）。在样点设计中，应尽可能多地包含各种环
境下的采样点，以扩宽数据库中电导率的梯度范
5期 黄迎艳，等. 东江流域附着硅藻-电导率转换函数模型适用性评估

569
围。一般环境梯度越长，属种的响应模式愈接近单
峰响应模式，最佳值计算愈可靠[47]。为了确定推算
出的硅藻属种最适值的可行性，应比较进行了
bootstrapping运算和没进行 bootstrapping运算的相
关系数值 R2。如果进行了 bootstrapping 运算得出
的值比没进行 bootstrapping运算得出的值弱很多，
那么用 WA 方法计算出的属种最适值缺乏可行性
[48]。本研究中，进行 bootstrapping运算得出的相关
系数值（ R2 ＝ 0.694）并没有比没有进行
bootstrapping运算得出的相关系数值（R2＝0.818）
弱很多，说明用 WA 方法得出的最适性具有可行
性。
目前运用 WA 方法构建河流硅藻－环境变量
转换函数模型的研究相对来说比较少，本研究初步
评估了运用这一方法的可行性。影响硅藻群落结构
的因素是多方面的，各环境变量之间相互作用，相
互影响，同一物种在不同区域也可能存在差异，这
就需要我们在今后的研究中扩充本底数据库，以提
高模型的预测能力。
参考文献 （References）
[1] Kelly M G, Haigh A, Colette J, Zgrundo A. Effect of
environmental improvements on the diatoms of the River
Axe, southern England[J]. Fottea, 2009, 9(2): 343-349.
[2] Pan Y D, Stevenson R J, Hill B H, Kaufmann P R,
Herlihy A T. Spatial patterns and ecological determinants
of benthic algal assemblages in Mid-Atlantic streams,
USA[J]. J. Phycol, 1999, 35: 460-468.
[3] Feio M J, Almeida S F P, Craveiro S C, Calado A J. A
comparison between biotic indices and predictive models
in stream water quality assessment based on benthic
diatom communities[J]. Ecological Indicators, 2009, 9:
497-507.
[4] Bere T, Tundisi J G. Applicability of the Pampean Diatom
Indes(PDI) to streams around São Carlos-SP, Brazil[J].
Ecological Indicators, 2012, 13: 342-346.
[5] Delgado C, Pardo I, García L.Diatom communities as
indicators of ecological status in Mediterranean
temporary streams (Balearic Islands, Spain)[J].
Ecological Indicators, 2012, 15: 131-139.
[6] Newall P, Bate N, Metzeling L. A comparison of diatom
and macroinverbebrate classification of sites in the Kiewa
River System, Australis[J]. Hydrobiologia, 2006, 572:
131-149.
[7] Harding W R, Archibald C G M, Taylor J C. The
relevance of diatoms for water quality assessment in
South Africa: a positon paper[J]. Water SA, 2005, 31:
41-46.
[8] Duong T T, Coste M, Mazel, A F, Dang D K, Gold C,
Park Y S, Boudou A. Impact of urban pollution from the
Hanoi area on benthic diatom communities collected from
the Red, Nhue and Tolich rivers (Vietnam)[J].
Hydrobiologia, 2006, 563: 201-216.
[9] Philibert A, Gell P, Newall P. Development of
diatom-based tools for assessing stream water quality in
south-easter n Australia:assessment of environmental
transfer functions[J]. Hydrobiologia, 2006, 572: 103-114.
[10] Birks H J B, Line J M, Juggins S. Stevenson A C, ter
Braak C J F. Diatoms and pH reconstructions[J].
Philosophical Transactions of the Royal Society of
London B, 1990, 327: 263-278.
[11] ter Braak C J F, Juggins S. Weighted averaging partial
least squares regression (WA-PLS): an improved method
for reconstructing environmental variable from species
assemblages[J]. Hydrobiologia, 1993, 269/270: 485-502.
[12] Reed J M. A diatom-conductivity transfer function for
Spanish salt lakes[J]. Journal of Palelimnology, 1998, 19:
399-416.
[13] Ryves D B, Mcgowan S, Anderson N J. Development and
evaluation of a diatom-conductivity model from lakes in
West Greenland[J]. Freshwater Biology, 2002, 47:
995-1014.
[14] Sayer C D. Problems with the application of diatom-total
phosphorus transfer functions: examples from a shallow
English lake[J]. Freshwater Biology, 2001: 46: 743-757.
[15] Dong X H, Yang X D, Wang R, Pan H X. A diatom-total
phosphorus transfer function for lakes in the middle and
lower reaches of Yangtze River[J]. J. Lake Sci, 2006, 18
(1): 1-12.
[16] Kovács C, Kahlert M, Padisák J. Benethic diatom
communities along pH and TP gradients in Hungarian and
Swedish streams[J]. Journal of Applied Phycology, 2006,
生 态 科 学 Ecological Science 32卷

570
18: 105-117.
[17] Winter J G, Duthie H C. Epilithic diatoms as indicators of
stream total N and total P concentration[J]. Journal of the
North American Benthological Society, 2000, 19(1):
32-49.
[18] Bere T, Tundisi J G. Weighted average regression and
calibration of conductivity and pH of benthic diatom
assemblages in streams influenced by urban pollution-São
Carlos/SP, Brazil[J]. Acta Limnol.Bras, 2009, 21(3):
317-35.
[19] Philibert A, Prairie Y T. Diatom inferred
paleolimnological reconstructions: do they work in
nutrient rich lakes[A]. In Veeman, T. S., D. W. Smith, B.
G. Purdy, F, J. Salkie & G. A. Larkin (eds), Proceedings of
the 1999 Sustainable Forest Management Network
Conference[C]. Edmonton, Alberta, Canada, 1999:
155-160.
[20] Pipp E. A regional diatom-based trophic state indication
system for running water sites in Upper Austria and its
overregional applicability[J]. Verhandlungen der
Internationalen Vereinigung für Theoretische und
Angewandte Limnologie, 2002, 27: 3376-3380.
[21] Potapova M, Charles D. Benthic diatoms un USA rivers:
distributions along spatial and environmental gradients[J].
Journal of Biogeography, 2002, 29: 67-187.
[22] Krammer K, Lange-Bertalot H. Suβwasserflora von
Mitteleuropa. Bacillariophyceae i Tiel: Naviculaceae[M].
Stuttgart:,Gustav Fisher Verlag, 1986.
[23] Krammer K, Lange-Bertalot H. Suβwasserflora von
Mitteleuropa. Bacillariophyceae ii Tiel: Bacillariaceae,
Epithmicaea, Surirellacaea[M]. Stuttgart: Gustav Fisher
Verlag, 1988.
[24] Krammer K, Lange-Bertalot H. Suβwasserflora von
Mitteleuropa Bacillariophyceae iii Tiel: Centrales,
Fragilariaceae, Eunotiaceae[M]. Stuttgart: Gustav Fisher
Verlag, 1991a.
[25] Krammer K, Lange-Bertalot H. Suβwasserflora von
Mitteleuropa. Bacillariophyceae iv Tiel:
Achnanthaceae[M]. Stuttgart: Gustav Fisher Verlag,
1991b.
[26] 国家环境保护局. 水和废水监测分析方法[M].北京: 中
国环境科学出版社, 2009, 200-415.
[27] ter Break C J F., Prentice I C. A theory of gradient
analysis[J]. Adv. Ecol. Res, 1988, 18: 221-317.
[28] ter Braak C J F. Canoco-a fortran program for canonical
community ordination by (partial) (detrended) (canonical)
correspondence analysis (version 2.1)[Z]. The
Netherlands: Institute of Applied Computer Science,
Statistical Department Wageningen, 1988.
[29] Bigler C, Hall R I. Diatoms as indicators of climatic and
limnological change in Swedish Lapland: a 100-lake
calibration set and its validation for paleoecological
reconstructions[J]. J. Paleolimnol, 2002, 27: 97-115.
[30] Winter J G, Duthie H C. Epilithic diatoms as indicators of
stream total N and total P concentration[J]. Journal of
the North American Benthological Society, 2000, 19:
32-49.
[31] ter Braak C J F, Šmilauer P. CANOCO reference manual
and CanoDraw for Windows. User’s guide: software for
Canonical community ordination. Version 4.5[Z]. NY:
Microcoputer Power, Ithace, 2002.
[32] Birks H J B. Quantitative paleoenvironmental
reconstructions. In: Maddy, D., Brew, J.S. (Eds.),
Statistical Modelling of Quarternary Science Data.
Technical Guide 5[Z]. Cambridge: Quarternary Research
Association, 1995.
[33] Yong X D, Anderson N J, Dong X H, Shen A J I. Surface
sediment diatom assemblages and epilimnetic total
phosphorous in large, shallow lakes of the Yangtze for
assessing long-term eutrophication[J]. Freshwater
Biology, 2008, 53: 1273-1290.
[34] Tibby J, Gell P A, Fluin J, Sluiter I R K. Diatom-salinity
relationships in wetlands: assessing the influence of
salinity variability on the development of inference
models[J]. Hydrobiologia, 2007, 591: 207-218.
[35] Juggins S. C2 User Guide. Software for ecological and
paleoecological data analysis and visualization[Z]. UK :
University of Newcastle, Newcastle upon Tyne, 2003.
[36] Leira M, Sabater S. Diatom assemblages distribution in
catalan rivers, NE Spain, in relation to chemical and
physiographical factors[J]. Water Research, 2005, 39:
73-82. (下转第页 598页)