| 摘要 | 第8-11页 |
| Abstract | 第11-15页 |
| 本论文的特色和创新之处 | 第16-24页 |
| 第1章 绪论 | 第24-52页 |
| 1.1. 研究背景 | 第24-45页 |
| 1.1.1 水环境污染现状 | 第24-32页 |
| 1.1.2 水生生物多样性与环境污染的生态效应 | 第32-36页 |
| 1.1.3 环境污染对浮游动物群落的影响 | 第36-38页 |
| 1.1.4 水生态健康研究的挑战 | 第38页 |
| 1.1.5 宏条形码监测技术与环境监测 | 第38-45页 |
| 1.2. 研究领域存在的问题 | 第45-49页 |
| 1.2.1 宏条形码技术监测浮游动物群落存在的问题 | 第45-48页 |
| 1.2.2 环境基准推导存在的问题 | 第48页 |
| 1.2.3 生态完整性评估存在的问题 | 第48-49页 |
| 1.3. 本论文的研究目的和研究内容 | 第49-52页 |
| 第2章 太湖流域本土浮游动物条形码数据库构建 | 第52-73页 |
| 2.1. 引言 | 第52-53页 |
| 2.2. 研究目的 | 第53-54页 |
| 2.3. 研究方法 | 第54-57页 |
| 2.3.1 NCBI在线公共COI条形码数据库构建 | 第54页 |
| 2.3.2 浮游动物采样方法 | 第54-55页 |
| 2.3.3 浮游动物DNA提取和PCR扩增 | 第55页 |
| 2.3.4 Ion Torrent PGM高通量测序 | 第55-56页 |
| 2.3.5 生物信息学分析 | 第56页 |
| 2.3.6 种间和种内遗传距离 | 第56-57页 |
| 2.4. 结果 | 第57-69页 |
| 2.4.1. 基于高通量测序的条形码数据库构建流程 | 第57页 |
| 2.4.2. 本土物种样本清单 | 第57-59页 |
| 2.4.3. 本土数据库浮游动物物内和种间多样性 | 第59-61页 |
| 2.4.4. 在线公共条形码数据库组成 | 第61-63页 |
| 2.4.5. 本土数据库和在线公共条形码数据库的比较 | 第63-64页 |
| 2.4.6. 本土数据库和公共数据库对宏条形码数据的注释情况 | 第64-69页 |
| 2.5. 讨论 | 第69-72页 |
| 2.6. 本章小节 | 第72-73页 |
| 第3章 浮游动物宏条形码快速监测技术的建立与优化 | 第73-92页 |
| 3.1. 引言 | 第73-74页 |
| 3.2. 研究目的 | 第74-75页 |
| 3.3. 实验方法 | 第75-78页 |
| 3.3.1 浮游动物样品采集 | 第75页 |
| 3.3.2 浮游动物16S宏条形码引物设计 | 第75-76页 |
| 3.3.3 浮游动物DNA提取 | 第76页 |
| 3.3.4 PCR扩增和高通量测序 | 第76页 |
| 3.3.5 生物信息学分析 | 第76-78页 |
| 3.4. 实验结果 | 第78-88页 |
| 3.4.1 不同采样方法对浮游动物宏条形码监测的影响 | 第78-81页 |
| 3.4.2 通用浮游动物宏条形码16S引物 | 第81-82页 |
| 3.4.3 不同宏条形码测序引物对OTUs多样性的影响 | 第82-84页 |
| 3.4.4 不同引物检测到的浮游动物种类的比较 | 第84-85页 |
| 3.4.5 不同引物对浮游动物多样性的影响 | 第85-86页 |
| 3.4.6 不同引物在浮游动物结构表征上的差异 | 第86-88页 |
| 3.5. 讨论 | 第88-91页 |
| 3.5.1. 采样体积对浮游动物宏条形码的影响 | 第89-90页 |
| 3.5.2. 不同引物对浮游动物宏条形码的影响 | 第90-91页 |
| 3.6. 本章小节 | 第91-92页 |
| 第4章 宏条形码监测技术的验证与太湖流域浮游动物多样性研究 | 第92-113页 |
| 4.1. 引言 | 第92-93页 |
| 4.2. 研究目的 | 第93-94页 |
| 4.3. 实验方法 | 第94-99页 |
| 4.3.1 采样点位分布 | 第94-96页 |
| 4.3.2 采样方法 | 第96页 |
| 4.3.3 浮游动物的形态学鉴定 | 第96页 |
| 4.3.4 DNA提取和PCR扩增 | 第96页 |
| 4.3.5 高通量测序和数据分析 | 第96-97页 |
| 4.3.6 统计分析方法 | 第97-99页 |
| 4.4. 实验结果 | 第99-109页 |
| 4.5. 讨论 | 第109-112页 |
| 4.6. 本章小节 | 第112-113页 |
| 第5章 基于浮游动物宏条形码监测推导太湖流域氨氮环境基准 | 第113-140页 |
| 5.1. 引言 | 第113-115页 |
| 5.2. 研究目的 | 第115页 |
| 5.3. 实验方法 | 第115-122页 |
| 5.3.1 研究区域和采样 | 第115-116页 |
| 5.3.2 水化学参数测定 | 第116-121页 |
| 5.3.3 宏条形码和形态学物种鉴定方法 | 第121-122页 |
| 5.3.4 实验室浮游动物氨氮毒性数据 | 第122页 |
| 5.3.5 统计分析 | 第122页 |
| 5.4. 结果 | 第122-131页 |
| 5.4.1 环境因子间的相关性 | 第122-123页 |
| 5.4.2 水体营养盐因子对浮游动物群落结构的影响 | 第123-125页 |
| 5.4.3 氨氮与浮游动物群落的相关性 | 第125-127页 |
| 5.4.4 对氨氮敏感的浮游动物OTUs | 第127-129页 |
| 5.4.5 基于敏感浮游动物推导地方性氨氮基准 | 第129-131页 |
| 5.5. 讨论 | 第131-134页 |
| 5.6. 本章小结 | 第134-135页 |
| 附图表 | 第135-140页 |
| 第6章 基于浮游动物宏条形码监测技术评估水生态健康状况 | 第140-173页 |
| 6.1 引言 | 第140-141页 |
| 6.2 研究目的 | 第141-142页 |
| 6.3 实验方法 | 第142-148页 |
| 6.3.1 样品采集 | 第142页 |
| 6.3.2 宏条形码监测 | 第142-146页 |
| 6.3.3 生物多样性指数计算 | 第146-147页 |
| 6.3.4 水体质量指数计算 | 第147页 |
| 6.3.5 综合浮游动物指数(IZI)的计算 | 第147-148页 |
| 6.3.6 监督机器学习 | 第148页 |
| 6.4 实验结果 | 第148-161页 |
| 6.4.1 宏条形码序列组成 | 第148-149页 |
| 6.4.2 浮游动物群落的季节差异 | 第149-153页 |
| 6.4.3 机器学习季节分类 | 第153-154页 |
| 6.4.4 不同生态功能区分水质差异 | 第154-155页 |
| 6.4.5 生物指数与水质相关性 | 第155-157页 |
| 6.4.6 浮游动物完整性指数IZI与水质相关性 | 第157页 |
| 6.4.7 机器学习评估水质分类 | 第157-158页 |
| 6.4.8 机器学习评估水体健康状况 | 第158-161页 |
| 6.5 讨论 | 第161-163页 |
| 6.5.1 太湖流域浮游动物群落的季节差异 | 第161-162页 |
| 6.5.2 浮游动物完整性指数对水质的指示意义 | 第162页 |
| 6.5.3 监督机器学习评估水生态健康 | 第162-163页 |
| 6.6 本章小节 | 第163-164页 |
| 附图表 | 第164-173页 |
| 研究结论 | 第173-175页 |
| 研究展望 | 第175-176页 |
| 参考文献 | 第176-205页 |
| 攻读博士期间主要成果 | 第205-208页 |
| 致谢 | 第208-210页 |
