摘要
当今强人类活动干扰使我国城市湖泊生态问题愈发严重，湖泊生态系统安全已经成为人们关注的热点问题，准确评估湖泊水生态系统健康状况对实施精准治理、生态修复与保护尤为重要。鱼类作为水生食物链的高级消费者，是水生态系统重要组成部分，也是评估水生态健康状况的重要指标。本研究选取了武汉市及周边10个城市湖泊作为研究对象，利用环境DNA（eDNA）技术分析鱼类群落特征状况，在此基础上，建立针对城市湖泊水域生态健康的鱼类生物完整性指数（F-IBI）评价体系，评估湖泊的健康状况。结果表明，调查期间共检测到50种鱼类，隶属于7目10科39属，鲤形目鲤科鱼类为优势类群，贝氏䱗(Hemiculter bleekeri)、鳙(Hypophthalmichthys nobilis)、波氏吻虾虎鱼(Rhinogobius cliffordpopei)、子陵吻虾虎鱼(Rhinogobius giurinus)、鲤(Cyprinus carpio)、团头鲂(Megalobrama amblycephala)、鲫(Carassius auratus)为优势物种。F-IBI评价结果显示，在全部27个采样点中，11个健康等级为健康，占40.74%；4个为亚健康，占14.81%；10个为一般，占37.04%；2个为较差，占7.41%。结合湖泊水质状况数据分析可知，评价结果较好地体现不同湖泊水生态系统健康状况，表明基于eDNA技术的F-IBI方法在水生态系统健康评价中表现良好。研究结果为指导城市湖泊水生态保护和修复工作提供了有力的基础支撑。
Abstract
Due to the interference of strong human activities, the ecological problems of urban lakes have become increasingly prominent. As a high-level consumer of the aquatic food chain, fish is an important part of the aquatic ecosystem and an important indicator of the health of aquatic ecosystems. In this study, ten urban lakes in Wuhan and its surrounding cities were selected as study areas. Fish data monitored by environmental DNA (eDNA) were used to analyze the characteristics of fish communities and establish a fish-based index of biotic integrity (F-IBI). The health status of lakes were evaluated and studied through F-IBI evaluation system targeting the ecological health of urban lake water bodies. The research revealed that during the survey periods, there were 50 fish species belonging to 39 genera, 10 families, and 7 orders. Among them, 7 species, including Hemiculter bleekeri, Hypophthalmichthys nobilis, Rhinogobius cliffordpopei, Rhinogobius giurinus, Cyprinus carpio, Megalobrama amblycephala and Carassius auratus were identified as dominant species. At the order and family levels, Cypriniformes and Cyprinidae fish were the dominant groups. The F-IBI evaluation result showed that among all the 27 sampling sites in ten lakes, 11 sites were evaluated being health, accounting for 40.74%; 4 sites being sub-health, accounting for 14.81%; 10 sites being general, accounting for 37.04%; 2 sites being poor, accounting for 7.41%. Analysis based on the lake water quality data showed that the evaluation results reasonably reflected the health of the different urban lake ecosystem. The study indicated that the eDNA-based F-IBI method performs well in ecosystem health assessment of urban lakes. The research results provided strong basic supports for guiding the precise ecological restoration and ecosystem management.
湖泊在维持区域水量平衡、调节局部气候、减缓洪涝灾害以及提供生物栖息地等方面发挥着重要作用。然而，随着城镇化进程的加快，湖泊生态功能的退化已成为城市发展亟待解决的突出问题[1]。因此，科学评估湖泊生态状况对于维护湖泊生态系统的稳定性以及促进城市可持续发展具有重要意义。水生态系统的健康水平、抵抗人为干扰的能力及自我恢复能力通常与生物群落结构的完整性密切相关。1981年，Karr首次提出了生物完整性指数（index of biotic integrity，IBI），并以鱼类作为指示生物，构建了基于鱼类的生物完整性指数（fish-based IBI，F-IBI）评估方法，成功应用于美国印第安纳州水系的健康评估[2]。经过不断发展和验证，该方法逐渐得到了广泛认可，并应用于全球河流、湖泊等水体生态系统的健康评估[3-5]。然而，传统的鱼类调查监测（如鱼网、诱饵陷阱、视觉普查、声学调查等）尽管在鱼类生物完整性研究中起到重要作用，但由于操作过程复杂、耗时费力且监测结果准确性不足等局限性，难以全面反映水体生态系统的健康状况[6]。
随着高通量测序技术的迅速发展，环境DNA（eDNA）技术逐渐成为一种新兴的生物多样性监测手段，广泛应用于淡水、海洋和陆地生态系统的物种丰富度调查中，在生态学、保护生物学和生物监测等领域展现出巨大的应用潜力[7]。eDNA技术能够通过从环境样本中提取生物信息，具有非侵入性、高效性和高灵敏度等优势[8-10]，尤其在稀有和濒危物种的检测中表现尤为突出，eDNA技术检出概率几乎是传统方法的2倍，从而显著提升了物种分布估计的准确性和管理效率[11]。此外，Duarte等[12]对2008—2022年间549篇基于eDNA监测的文献进行综述，结果表明，淡水生态系统（74%）和鱼类（38%）是eDNA研究的主要关注领域和物种类型，进一步验证了eDNA技术在全球范围内鱼类生物多样性监测中的广泛应用及其在鱼类群落评估中的有效性与研究价值。随着长江“十年禁渔”政策的施行，eDNA技术逐渐成为鱼类群落监测的重要替代手段，为鱼类资源保护和管理提供了科学依据。欧洲不同类型水体（如河流、湖泊、沿海等）的研究结果表明，eDNA方法在鱼类检测中的适用性较高，可替代成本昂贵且可能对环境有害的传统捕捞方法，并在生态状况评估中具有重要应用价值[13]。在我国长江流域，eDNA技术已被广泛应用于鱼类生物多样性调查，并在检测低丰度和稀有物种方面显示出显著优势[14-15]。尤其是在受城市化影响严重的水生态系统中，eDNA技术作为传统监测手段的有效补充，能够更加全面地反映水体生态状况及物种多样性[16]。
长江中下游流域是我国浅水湖泊最为集中的地区之一。然而，由于受长期频繁的人类活动影响，大多数湖泊已呈现出富营养化趋势[17-18]，湖泊健康状况亟需系统性评估和有效管理。基于此，本研究针对长江中下游地区的武汉市及其周边10个城市湖泊进行鱼类eDNA数据采集和分析，并据此构建鱼类生物完整性指数，以量化评估武汉市及其周边城市湖泊水生态系统健康状况。本研究旨在通过建立基于eDNA的F-IBI，定量评估人类活动影响下的城市湖泊水生态状况，为推动eDNA技术在湖泊生态系统健康评价与管理应用方面提供科学依据。
1 材料与方法
1.1 研究区域与数据采集
本研究以武汉市及周边10个城市湖泊作为研究对象（图1），包括武汉市的东湖、梁子湖、涨渡湖、武湖、汤逊湖、斧头湖和西凉湖以及黄石市的大冶湖、网湖和武山湖。研究湖泊水深为1.2~3.7 m，面积介于16.7~328.2 km2之间，历史上均为鲤、鲌、鲢等经济鱼类的丰富产地。然而，随着城市化进程的加速，这些湖泊的生态功能受到严重威胁，亟需开展系统性生态健康评估并制定保护策略。其中，梁子湖（HK）作为生态修复的典型案例，生物多样性丰富，是团头鲂和湖北圆吻鲴的原产地，同时也是中华鳖、青虾等经济水生物种的重要栖息地，因保存多种国家重点保护物种而被誉为“化石型湖泊”和“物种基因库”[19-20]。网湖（HG）为典型自然湖泊，生态环境质量良好，2006年被列为省级自然保护区，并纳入《中国湿地保护行动计划》，是华中地区的重要湿地[21]。而涨渡湖（HA）、武湖（HB）、汤逊湖（HC）、斧头湖（HD）、西凉湖（HE）、大冶湖（HF）、武山湖（HI）及东湖（HJ）均不同程度地受到渔业、农业及城市发展等人类活动的影响，部分湖泊面临富营养化风险。本研究根据湖泊的分布特征和干扰情况，共设置27个采样点，以系统评估湖泊的鱼类生物完整性状况。
图1研究区域和湖泊采样点位置
Fig.1Study area and the distribution of sampling sites in lakes
2022年8月，针对东湖、梁子湖、涨渡湖等10个湖泊开展了样品采集和分析工作（表1）。使用赛氏盘测定透明度（SD），并通过测深杆测定水深。现场使用YSI professional plus仪器进行溶解氧（DO）、水温（Temp）、电导率（Cond）和pH值等参数的测定。每个采样点利用无菌采样瓶采集6 L水样，经0.45 μm孔径的Durapore PVDF滤膜（millipore，USA）过滤后，将滤膜保存于-20℃冰箱中，以用于后续的DNA提取和鱼类群落结构分析。
1.2 环境DNA的提取、测序及分析
抽滤后的滤膜样品经震荡离心处理后，利用FastDNA Spin Kit（MP Biomedicals，USA）提取DNA，并使用NanoDrop One分光光度计（thermo fisher scientific，USA）测量DNA浓度和纯度。为分析湖泊鱼类的eDNA数据，本研究采用线粒体基因16S引物对（Ac16S-F：5′-CCTTTTGCATCATGATTTAGC-3′和 Ac16S-R：5′-CAGGTGGCTGCTTTTAGGC-3′）进行目标基因的PCR扩增[22]。PCR扩增体系为50 μL，包括：Truepol2X PCR Mix for Microbiome25 μL（爱博泰克），前向引物（10 μmol/L）2 μL、反向引物（10 μmol/L）2 μL、DNA模板2 μL、ddH2O 19 μL。 PCR反应在A200 PCR仪（杭州朗基）上进行，反应程序为：98℃预变性2 min，98℃变性15 s，55℃退火30 s，72℃延伸30 s，最终72℃延伸5 min，共30个循环，10℃保存。将同一样品的PCR产物混合后，使用2%琼脂糖凝胶电泳回收产物，并通过AxyPrep DNA Gel Extraction Kit（axygen biosciences，union city，CA，USA）对回收产物进行纯化。纯化后的产物经2%琼脂糖凝胶电泳检测，并用QuantusTM Fluorometer（Promega，USA）对产物进行定量分析。采用NEXTflexTM Rapid DNA-Seq Kit（Bioo Scientific，USA）进行文库构建，具体步骤包括：（1）接头连接，接头包含P5和P7序列、Rd1 SP和Rd2 SP以及Index序列；（2）通过磁珠筛选去除接头自连片段，（3）利用PCR扩增进行文库模板进行富集，PCR反应条件：95℃预变性3 min，95℃变性15 s，58℃退火15 s，72℃延伸30 s，最终72℃延伸10 min，6个循环；（4）通过磁珠回收PCR产物以获得最终文库。文库构建完成后，使用Illumina NovaSeq PE250平台（Illumina，San Diego，CA，USA）进行高通量测序。
表1研究区域湖泊基础信息 *
Tab.1 Basic information of lakes in the study area
*平均检测物种数为基于各采样点的鱼类eDNA检测结果。
测序所得原始数据使用fastp（version 0.20.0）和FLASH（version 1.2.7）进行质量控制及序列拼接。拼接后的有效序列根据barcode和引物序列进行样本区分，并调整序列方向。经过质控后，每个样本的有效序列数量在53676~112291条之间，平均每个样本获得约85000条有效序列，满足每个样本25000~50000条有效序列的测序深度要求，确保了数据的可靠性和准确性[23-24]。随后，使用UPARSE（version 7.1）对序列进行操作分类单元（OTU）聚类，并使用UCHIME软件剔除嵌合体序列。样本测序信息的注释使用RDP Classifier（version 2.2）工具，并通过NCBI的NT数据库（nucleotide database）进行OTU分类信息注释。OTU的定义依据序列之间的聚类相似度大于97%，即当测序数据中的序列相似度达到97%以上时，这些序列会被归为同一OTU，确保准确反映遗传差异阈值[25]。在数据库注释阶段，将每个OTU的代表性序列与NCBI数据库进行比对，置信度阈值设定为0.7。若比对结果达到物种级别标准，则注释至物种；如果物种注释未达到此阈值，则选择更高的分类层次进行注释[26]。剔除不满足要求的OTU，以确保分类结果的准确性。为了确保检测物种的准确性和区域适用性，对获得的所有鱼类OTU序列进行人工复检。对于明显不属于本地区的物种，将予以剔除；已有记录的物种或入侵物种则予以保留。
1.3 鱼类多样性分析
通过eDNA鉴定的鱼类物种信息计算鱼类群落的多样性[27-28]。其中，Margalef丰富度指数（R）通常用于描述群落中的物种丰富程度；Shannon多样性指数（H′）用于指示鱼类群落的物种多样性，综合考虑了物种的丰度和优势度；Pielou均匀度指数（E）用于衡量鱼类群落的物种分布离散程度和变异性。计算公式如下：
(1)
(2)
(3)
式中，S为鉴定的鱼类物种数量，N表示测序的序列总数，pi为第i个物种的相对丰度。
1.4 F-IBI研究方法
基于鱼类完整性指数的湖泊生态系统健康状况评价的主要步骤包括：参考点的选择、候选指标的确定与筛选、评价指标体系的构建及指标分值计算以及评价标准的界定与评价结果的确定。
1.4.1 参考点的选择
参考点的确定是生物完整性评价质量的重要步骤。参考点是指没有人类活动干扰或者人为干扰较少的采样点，而参照点的选取目前没有明确的规定，通常是依靠人工判定或者专家经验判断。本研究结合渠晓东等[29]提出的参考点筛选标准并考虑湖泊实际情况，确定生物多样性高、群落结构完整的生态修复典型湖泊梁子湖以及自然保护状况较好、湖泊湿地形态稳定的自然湖泊网湖作为参考湖泊。
1.4.2 候选指标的确定与筛选
根据相关文献[30-35]，结合湖泊类型和特点，初步选择若干与群落组成、物种丰富度及生物多样性等相关参数作为候选指标。再通过Spearman相关性分析，筛选出与环境因子具有显著相关性的生物指标作为补充候选指标。最终候选指标通过干扰反应分析、判别能力分析和Pearson相关性分析进行筛选与确定。①干扰反应分析。对所有候选指标进行初步筛选，剔除分布范围狭窄、异常值差距过大以及零值比例超过95%的指标。通过查阅相关文献和实验数据[29-35，42]，判断各指标在受到人为干扰增大时的反应趋势（如上升或下降）。对于无法通过文献确定的指标，可直接利用实验数据，通过比较参考点与受损点的指标数值大小来判断其反应形式。②判别能力分析。将筛选出的参考点和受损点分为两组，分别绘制各指标在两组中的箱型图，并比较其1/4分位数和3/4分位数之间的重叠情况。仅保留参考点组和受损点组中位数均在对方箱体之外的指标，并确保其具有较高的区分能力。③Pearson 相关性分析。对通过前两个步骤筛选的指标进行Pearson相关性分析，剔除相关性系数|R|≥0.90的高度相关指标，防止信息重合和评价冗余，从而保证所选指标能够独立、有效地反映生态健康状况。
1.4.3 评价体系的构建及指标分值计算
根据筛选出的指标建立F-IBI指标体系，利用比值法（O/E法）计算各指标得分[36]。比值法中，O/E代表指标实测值（Observed）与期望值（Expect）的比值。对于随着干扰强度增大而数值减小的指标，以所有采样点指标值的95%分位数为最佳期望值，指标分值=实测值/最佳期望值。随干扰强度增大数值也增大的指标，以所有采样点5%分位数的指标值为最佳期望值，指数分值=（最大值-实测值）/（最大值-最佳期望值）。所有指标得分范围在0~1之间，大于1的值统一记为 1，而小于0的值则记为 0.01。经筛选后获得的各核心指标值之和即为该样点的F-IBI值。F-IBI数值越大，表示实测值越接近理想状态，即反映出更好的生物完整性和健康状况。
1.4.4 评价标准划分
以参考点F-IBI值分布的25%分位数法作为健康评价的标准，如果样点F-IBI值大于25%分位数值，则表示该样点受到的干扰很小，是健康的；对小于25%分位数值的分布范围，进行四等分，分别代表不同的健康程度。据上述方法，就可以确定出健康、亚健康、一般、较差、极差5个等级的划分标准[37]。
1.5 统计分析
所有数据分析均通过R语言（version 3.2.2）完成。利用R语言分析优势物种与环境因子的Spearman秩相关系数，并基于环境因子与OTU表进行冗余分析（RDA）或典范对应分析（CCA），以探讨环境因子与鱼类群落结构之间的关系。显著性水平设定为P＜0.05、P＜0.01或P＜ 0.001。
2 结果与讨论
2.1 鱼类组成和多样性分析
根据测序所得OTU进行注释，并结合《中国动物志硬骨鱼纲鲤形目》（中卷、下卷）[38-39]、《中国淡水鱼类检索》[40]以及 FishBase 数据库（www.fishbase.org）校对鱼类物种名称和分类系统[41]。物种有效学名以FishBase 数据库为准，共检测出鱼类50种，隶属于7目10科39属。其中鲤形目物种最多，占总数的 82.66%；其次是虾虎鱼目，占16.18%。以科的组成来看，鲤科占比高达 82.61%，虾虎科次之，占比为16.18%。以属的组成来看，䱗属、鲢属和吻虾虎属的OTU比例分别为37.87%、16.42%和16.18%（图2）。根据各样点物种出现频率显示，贝氏䱗（Hemiculter bleekeri）、鳙（Hypophthalmichthys nobilis）、波氏吻虾虎鱼（Rhinogobius cliffordpopei）、子陵吻虾虎鱼（Rhinogobius giurinus）、鲤（Cyprinus carpio）、团头鲂（Megalobrama amblycephala）、鲫（Carassius auratus）出现频率较高。
具体采样点检出鱼类种类数及主要优势物种见表2。通过分析Shannon、Margalef、Pielou 指数，可综合评估不同湖泊的鱼类多样性状况。研究结果表明，东湖Shannon指数最高，表明东湖物种多样性丰富且分布相对均匀；网湖Margalef指数最高，表示物种种类多、丰富度高；武山湖Pielou指数最高，说明物种分布较为均匀。相较之下，斧头湖的Shannon、Margalef、Pielou指数均处于最低水平，反映出该湖物种多样性及均匀度较低，可能受到人类活动影响较大。此外，不同指数评估的侧重点具有一定差异，丰富度指数并不能完全衡量群落多样性高低。例如，西凉湖HE-2点位Margalef指数最大，但Shannon多样性指数与Pielou指数较低，表明该点位物种多样性不均衡，这可能与样本中少数鱼类物种OTU丰度过高有关。
图2各采样点鱼类目（a）、科（b）和属（c）水平组成情况
Fig.2Composition of fish communities at each sampling site at the order (a) , family (b) and genus (c) levels
2.2 候选指标的确定与评价结果
通过文献调研[30-35]，在参考不同水域 F-IBI评价指标的基础上，初步筛选出鱼类生物学特征及生态系统功能相关的37个候选参数，涵盖种类组成与丰度、营养结构、耐受性、繁殖共位群、鱼类数量5个方面。考虑到研究的城市湖泊受人为因素影响较大，通过分析环境因子与优势物种的Spearman相关性（图3），将一些对环境敏感的相关物种候选参数纳入候选指标体系作为补充[42]。根据分析结果，筛选出红鳍鲌属OTU相对丰度、䱗属OTU相对丰度、鲢属OTU相对丰度、鲂属OTU相对丰度等10个补充指标，最终形成了47个候选参数（附表Ⅰ）。通过分析所有参数对干扰增加的响应，并利用箱体图（图4）剔除参照点与受损点差异不明显的指标，即保留参照点位与受损点位在25%~75%分位数范围的参数，得到M4、M19、M26、M36；最后，对剩余参数进行Pearson 相关性分析和检验，未出现相关性过高、两者|R|≥0.90的参数。最终得到4项指标：M4、M19、M26、M36。
利用比值法得到的公式来计算筛选出的参数对应的得分（表3），最终统计所有采样点的F-IBI得分，以此构建区域水生态系统F-IBI指标体系健康评价标准：F-IBI≥1.4777，等级为健康；1.4777＞F-IBI≥1.1083，等级为亚健康；1.1083＞F-IBI≥0.7388，等级为一般；0.7388＞F-IBI ≥0.3694，等级为较差；F-IBI＜0.3694，等级为极差。根据构建的得分评价区间与各采样点F-IBI得分，得到各区域采样点健康状况如表4。结果显示，在27个采样点中，11个健康等级为健康（40.74%），4个为亚健康（14.81%），10个为一般（37.04%），2个为较差（7.41%）。总体来看，评价湖泊的健康状况存在一定差异，但总体处于较好的状态。除参照湖泊外，武山湖、武湖作为重要湿地和水产种质资源保护区，健康状况优良，而受水产养殖等人类活动干扰较大的斧头湖，评价结果较差，表明水体生态受损严重。
表2各采样点鱼类种类数、主要优势物种、多样性指数的比较
Tab.2 Comparison of the fish species number, major species and diversity indexes of each sampling site
图3属（a）和种（b）水平环境因子与前10优势属、种的 Spearman 相关性热图 （*表示 0.01≤P＜0.05，**表示 0.001≤P＜0.01，***表示 P＜0.001）
Fig.3Spearman correlation heatmap of environmental factors at genus (a) and species (b) levels and the top 10 dominant genera and species
图4候选生物参数在受损点与参照点的箱型图比较
Fig.4Comparison of box diagram of candidate biological parameters between damaged sites and reference sites
表3F-IBI指标在采样点中的计算公式
Tab.3 The scoring formula of the F-IBI parameters at the sampling sites
2.3 eDNA技术优势与应用探讨
通过与2022年8—9月湖北省各地区生态环境状况公报、地表水环境质量状况公开数据的对比分析，本研究发现各湖泊的综合F-IBI评分与水质状况总体一致（表5）。然而，对于人类活动相对较少的重要湿地网湖和武湖，其水生态健康等级评价较高，但水质评价等级却较低。这表明，单纯依靠水质指标无法全面衡量湖泊健康状况，难以准确反映水生态系统的结构和功能完整性，这也与长江流域现行的水生态考核标准相吻合。本研究利用eDNA技术监测了武汉市及周边湖泊的鱼类群落结构，并基于此构建了F-IBI评价体系，能够较为有效地反映各湖泊的水生态健康状况，验证了eDNA技术在湖泊生物完整性评估中的应用潜力和优势。
eDNA技术凭借其非侵入性、高效性及高灵敏度特点，能够弥补传统鱼类监测方法的不足，特别是在禁捕水域及稀有、濒危物种的生态状况评估中展现了广泛的应用前景[14]。然而，水体环境的复杂性使得eDNA的产生及降解速率容易受到水温、pH、流速、紫外线照射强度及水域底质等多种环境因素的影响[43-44]。例如，在本研究中，不同湖泊的环境差异显著影响了eDNA检测结果的可靠性。夏季采样期间，各湖泊水温普遍较高，斧头湖、西凉湖和大冶湖的溶解氧浓度较低，可能是由富营养化程度较高导致的生态压力所致；汤逊湖和大冶湖的电导率较高，则表明水中盐类或其他溶解物质较多，可能受到高盐度地下水或污染物输入的影响。环境因子的波动可能导致eDNA在水体中的浓度和降解速率不均衡，从而影响检测结果的准确性与稳定性。例如，网湖HG-2点位检测到的鱼类物种数量较少，可能由于水样中泥沙等悬浮物较多，影响了eDNA的提取效率[45]；汤逊湖HC-1点位和斧头湖HD-3点位的多样性指数偏低，则可能是由于主要优势物种OTU序列数偏高，导致物种相对丰度分布不均匀。这表明，即使在环境条件相对稳定的情况下，物种群落结构的差异也可能对多样性指数产生显著影响，而这一结果反映了样本中物种丰度分布的均衡性问题，而非环境因素引起的检测差异。
表4采样点F-IBI法评价结果
Tab.4 Evaluation results of F-IBI method at sampling sites
表5各湖泊水质情况
Tab.5 Water quality of each lake
为提升eDNA技术的检测可靠性，应进一步优化采样方法，如增加水样采集量、改进过滤条件及选择合适的滤膜孔径和类型等[46-47]，并结合声学或水下视频监测等技术，更合理地设置采样点位和监测频次。尽管eDNA技术在检测物种多样性方面具有显著优势，但目前其在鱼类生物量或个体数量的准确定量评估方面仍存在一定局限性，难以直接反映物种的绝对丰度或数量。由于缺乏同时期的传统捕捞数据，本研究无法深入评估eDNA技术与传统方法在数据差异性和互补性上的表现。此外，eDNA技术在实际应用中仍面临标准化与规范化程度不足的挑战，导致不同研究结果之间的可比性较差[48]。因此，有必要逐步推进eDNA技术的标准化进程，制定相应的操作规范与数据库体系，以提升检测结果的稳定性和应用效果。同时，未来的研究应考虑多季节、多时段的采样设计，并结合传统捕捞方法和其他新兴监测技术（如声学监测与水下视频），以提升数据的全面性和检测结果的准确性[49-50]。随着大数据和人工智能等先进技术的引入，eDNA技术在生物多样性保护和生态系统管理中的应用前景将更加广阔[48]。未来，在标准化与智能化技术的助力下，eDNA技术有望在更大尺度、更复杂的水体生态系统和更广范围的流域中发挥其在生物多样性评估和生态系统管理中的巨大潜力，并通过制定针对不同区域的评价体系，为水生态健康评估和监测提供更加科学有效的技术支撑，从而为生态环境保护和恢复提供更有力的科学支持。
3 结论与展望
本研究基于武汉市及周边10个城市湖泊的鱼类eDNA数据采集与分析，构建了基于鱼类群落的生物完整性指数（F-IBI）评价体系，并制定了相应的健康评价标准。研究结果表明，F-IBI能够较好地反映各湖泊的水生态健康状况，且与湖泊水质状况基本吻合，验证了该方法的可靠性和实用性。eDNA技术凭借其非侵入性、高效性和高灵敏度，在鱼类群落监测中展示了良好的应用潜力。然而，本研究仍存在采样时段单一、缺乏传统捕捞数据对比等局限性，难以全面评估湖泊的生态状况。未来研究应考虑多季节、多时段的采样设计，并结合传统捕捞与其他新兴监测技术（如声学监测与水下视频），以提升eDNA检测的全面性和数据准确性。同时，需逐步推进eDNA技术的标准化和规范化进程，进一步完善数据库体系，为更大尺度、更复杂水生态系统的评估和修复研究提供科学支撑，助力我国河湖生态环境的保护与修复。
4 附录
附表Ⅰ见电子版（DOI: 10.18307/2025.0404）。
