硅藻是水生态系统中重要的初级生产者，具有许多不同的生态特征和数以千计的属类(Field et al., 1998)，被认为是有效的环境指示生物，因此，在判别水体污染程度、评价水体富营养状态等方面具有重要的应用价值(Bradshaw et al., 2002).目前，硅藻已被广泛用于河流水质监测与生态质量的评价中(王倩等，2009;Bate et al., 2004).硅藻指数评价水质的适用性研究是硅藻水质生物监测的热点，在引入其他地方发展的指数来评价研究区的河流方面，各国都在进行积极的尝试.随着研究的深入，很多地域性的但具备广泛适用性的生物硅藻评价指数相继出现或完善，目前常用的硅藻指数包括阿图瓦-皮卡第硅藻指数IDAP(Prygiel et al., 1996; Lecointe et al., 2003)、富营养污染硅藻指数EPI-D(Dell′Uomo，1996)、硅藻生物指数IBD(Coste et al., 2009)、希佛尔和施赖纳指数SHE(Schiefele et al., 1991)、罗特污生指数SID(Rott et al.，1997)、罗特营养指数TID(Rott，1999)、渡边指数WAT(Watanabe et al., 1986; Lecointe et al., 2003)、特定污染敏感指数IPS(Cemagref，1982)、斯雷德切克指数SLA(Sládecˇek，1986)、戴斯指数DES(Descy，1979)、硅藻属指数IDG(Rumeau et al.，1988)、欧盟硅藻指数CEE(Descy et al., 1991)、洛博指数LOBO(Lobo et al., 2002)、南美大草原硅藻指数IDP(Gómez et al.，2001)、瑞士硅藻指数DI-CH(Lecointe et al., 2003)、硅藻营养化指数TDI(Kelly et al.，1995)等.硅藻指数有其广泛的适用性，可能是因为大部分纳入计算的硅藻种是全球广泛分布的藻种(Taylor et al.，2007)，故而源自欧洲的硅藻指数能够用于美洲、非洲、亚洲和大洋洲的水质监测工作，并且适用性良好.欧盟水框架指令要求到2015年各成员国的所有水体实现良好的生态状况，为实现这一目标，在欧洲硅藻指数被欧盟水框架指令强制用于对河流生态质量的评估中(Berthon et al.，2011).我国在应用硅藻指数评价水质方面的研究起步较晚，且大多数河流没有硅藻的基础数据.目前，我国用硅藻指数评价河流水质的研究只有一些零星的报道(齐雨藻等，1998;赵湘桂等，2009;李钟群等，2012;李国忱等，2012)，而引用广泛使用的、先进国家的硅藻指数评价水质则是不可逾越的阶段.同时，筛选出效果良好的硅藻指数评价当地的水质也是一种比较成熟的技术.可以预见，在我国使用常用的硅藻指数评价水质将很快被普及开来，随着研究的深入、持续与积累，我国全国的、地区性的硅藻指数将最终被开发，并用于科学稳定的水质和水生态质量评价工作.

基于此，本文采用相关分析法、主成分分析法、最优分割分类法、箱须图法、逐步判别分析法、TWINSPAN分类法等方法，从16项国际上广泛使用的硅藻指数中筛选出适合广西龙江和柳江中段水质和生态质量评价的硅藻指数，旨在推广此项硅藻指数适用性技术，并为硅藻水质生物监测技术的研究和推广提供基础的实验和理论数据.

2013年5月和9月在龙江和柳江中段共布设18个代表性的采样点作为研究样点(图 1)，其中，5月采样点为S1贵江、S2六甲镇、S3环江水文站、S4三江口、S5宜州水文站、S6三岔镇、S7融水水文站、S8柳州水文站、S9窑埠、S10河表村;9月采样点为S11六甲镇、S12环江水文站、S13三江口、S14宜州水文站、S15三岔镇、S16融水水文站、S17柳州水文站、S18窑埠.

图 1(Fig.1)

图 1 龙江和柳江采样点位置 Fig.1 Sampling sites located in the Longjiang and Liujiang river

本文主要根据EN 13946(2003)和EPA(Barbour et al., 1999)标准并结合龙江现场采样的实际来进行.底栖硅藻采样基质选取能抵抗水流、地势开阔处无树荫遮挡的石头，每个样点至少采集5块石头，用干净牙刷在石头向阳面取下硅藻样或在硬质载体(如板柱、桥墩、难以撼动的石头)一定深度处刮取硅藻样，硅藻样装入125 mL塑料广口瓶中，用4%的甲醛固定保存.然后用30%的双氧水消解，36%~38%的浓盐酸酸化，Meltmount^TM封片胶进行封片，1000倍油镜下进行藻种的鉴定与计数，视野内所有完好程度超过3/4的硅藻壳都进入鉴定和计数，每个样点玻片计数不小于400个硅藻壳，硅藻种类的鉴定和命名主要根据文献(Krammer et al., 2000;克拉默等，2012;Round et al.，1990;Hartley，1996;胡鸿钧等，1979;齐雨藻，1995;齐雨藻等，2004)的鉴定图谱.

水样采集、保存及测定方法参照《水和废水监测分析方法(第4版)》(魏复盛，2002).现场测定pH、水温(T)和溶解氧(DO)这3项常规指标；实验室测得五日生化需氧量(BOD₅)、高锰酸盐指数(COD_Mn)、氨氮(NH⁺₄-N)、总磷(TP)、氟化物(Fluoride)、硫化物(Sulifide)和粪大肠菌群(FC)等指标.

本研究主成分分析与综合得分、相关分析、逐步判别分析和箱须图分析由SPSS 18.0完成，硅藻指数计算由Omnidia 5.3完成，最优分割法分类由MATLAB R2010b完成，双向指示种分析由PC-ORD 5.0完成.

本试验共鉴定出硅藻32属222种.水质常规指标之间、硅藻指数之间的及常规指标与硅藻指数之间相关分析结果如表 1和2所示.常规理化指标间除COD_Mn、pH和DO外，其他常规指标与其他某个或某几个硅藻指数显著相关；除LOBO指数只与DES指数呈显著正相关外，其他硅藻指数都能与十多个硅藻指数呈正相关关系；SHE、SID、TID和DI-CH这4个硅藻指数与所有常规理化指标间均不存在显著相关性，而其他12个硅藻指数则与某个或某几个理化指标存在显著相关性.

表 1(Table 1)

表 1 16个硅藻指数之间的相关系数 Table 1 Correlation coefficients between the sixteen diatom indices

表 1 16个硅藻指数之间的相关系数 Table 1 Correlation coefficients between the sixteen diatom indices IDAP EPI-D IBD SHE SID TID WAT IPS SLA DES IDG CEE LOBO IDP DI-CH TDI 注：* *p< 0.01，*p<0.05. IDAP 1 EPI-D 0.783** 1 IBD 0.717** 0.888** 1 SHE 0.740** 0.871** 0.823** 1 SID 0.733** 0.843** 0.772** 0.896** 1 TID 0.735** 0.810** 0.832** 0.926** 0.895** 1 WAT 0.543* 0.623** 0.665** 0.629** 0.568* 0.627** 1 IPS 0.784** 0.866** 0.953** 0.822** 0.800** 0.865** 0.670** 1 SLA 0.681** 0.626** 0.532* 0.670** 0.574* 0.648** 0.533* 0.612** 1 DES 0.593** 0.783** 0.796** 0.691** 0.725** 0.719** 0.414 0.763** 0.224 1 IDG 0.704** 0.668** 0.741** 0.644** 0.556* 0.603** 0.667** 0.776** 0.595** 0.358 1 CEE 0.681** 0.816** 0.903** 0.806** 0.838** 0.875** 0.656** 0.915** 0.468* 0.850** 0.642** 1 LOBO 0.072 -0.244 -0.185 -0.223 -0.25 -0.19 0.022 -0.113 0.337 -0.512* 0.215 -0.291 1 IDP 0.851** 0.848** 0.765** 0.803** 0.823** 0.775** 0.591** 0.758** 0.623** 0.731** 0.547* 0.764** -0.128 1 DI-CH 0.534* 0.684** 0.719** 0.847** 0.883** 0.846** 0.639** 0.713** 0.396 0.724** 0.468 0.820** -0.325 0.668** 1 TDI 0.754** 0.899** 0.789** 0.893** 0.845** 0.861** 0.458 0.750** 0.582* 0.754** 0.528* 0.731** -0.224 0.863** 0.687** 1

表 2(Table 2)

表 2 硅藻指数与各项理化指标的相关系数 Table 2 Correlation coefficients between diatom indices and physiochemical variables

表 2 硅藻指数与各项理化指标的相关系数 Table 2 Correlation coefficients between diatom indices and physiochemical variables T pH DO CODMn BOD5 NH+4-N TP FC Fluoride Sulfide 注：* *p< 0.01，* p<0.05. IDAP 0.129 0.242 -0.054 -0.126 -0.144 0.244 -0.416 -0.547* 0.130 -0.649** EPI-D -0.281 0.215 -0.213 -0.098 0.199 0.278 -0.291 -0.624** -0.247 -0.398 IBD -0.214 0.210 -0.277 -0.014 0.239 0.401 -0.372 -0.575* -0.229 -0.454 SHE -0.184 0.229 -0.239 -0.081 0.157 0.218 -0.228 -0.349 -0.208 -0.361 SID -0.159 0.162 -0.204 -0.103 0.189 0.176 -0.147 -0.429 -0.160 -0.235 TID -0.151 0.139 -0.274 -0.148 0.124 0.322 -0.170 -0.377 -0.194 -0.366 WAT -0.216 0.038 -0.066 0.018 0.039 0.517* -0.492* -0.277 0.018 -0.327 IPS -0.121 0.095 -0.244 -0.045 0.124 0.403 -0.350 -0.575* -0.131 -0.481* SLA 0.160 0.346 -0.160 -0.284 -0.103 0.475* -0.138 -0.519* -0.018 -0.619** DES -0.164 0.182 -0.351 0.121 0.352 0.047 -0.182 -0.470* -0.285 -0.222 IDG -0.178 0.121 -0.068 -0.157 -0.180 0.276 -0.609** -0.493* 0.100 -0.547* CEE -0.129 0.208 -0.433 0.155 0.318 0.200 -0.184 -0.539* -0.139 -0.370 LOBO 0.474* 0.003 0.296 -0.199 -0.738** 0.427 -0.300 0.072 0.626** -0.416 IDP -0.089 0.414 -0.345 -0.114 0.162 0.274 -0.323 -0.613** -0.162 -0.592** DI-CH -0.120 0.027 -0.164 -0.008 0.192 0.186 -0.138 -0.143 -0.116 -0.048 TDI -0.285 0.301 -0.236 -0.233 0.130 0.195 -0.256 -0.483* -0.318 -0.402

对18个样点与10个常规理化指标矩阵进行主成分分析，结果发现，3个主成分共集中了原始10个变量信息的74.209%.由主成分综合评价法得到水质的综合排名与综合得分结果如表 3所示，然后根据排名顺序与综合得分对样点按照最优分割法进行分类(刘克琳等，2007)，将样点分为水质逐渐变差的4个类别，记为A(A1、A2、A3、A4)，各类别包括的样点各自为A1(S1、S11、S14)、A2(S2、S3、S4、S5、S6、S12、S13、S15)、A3(S7、S8、S16、S17、S18)、A4(S9、S10)，可以看到，分成4类的水质与实际评估结果的情况大体是相符的，接着进行箱须图分析.

表 3(Table 3)

表 3 主成分得分及综合得分 Table 3 Principal component score and synthesized scores

表 3 主成分得分及综合得分 Table 3 Principal component score and synthesized scores 样点 得分 综合得分 排名 F1 F2 F3 S1 -1.4697 0.5408 -1.1514 -0.7694 1 S2 -1.7906 1.2823 0.7684 -0.1636 10 S3 -0.0692 0.0424 -1.1812 -0.3338 7 S4 -0.7468 0.0357 -0.3445 -0.3994 5 S5 -1.2673 0.9526 0.5718 -0.0945 11 S6 -0.6018 0.4927 -0.4264 -0.2200 9 S7 1.3436 1.0492 -1.1381 0.5870 15 S8 0.9358 0.8970 -0.0112 0.6696 16 S9 1.2563 0.9289 0.3798 0.9207 17 S10 1.8410 1.5083 0.5041 1.3802 18 S11 0.7173 -1.9216 -1.5706 -0.7042 2 S12 -0.1828 -0.6044 -0.6885 -0.4476 4 S13 -0.0904 -0.7357 -0.3284 -0.3516 6 S14 -0.1638 -1.1723 -0.2960 -0.5077 3 S15 -0.6853 -0.4730 0.3920 -0.3310 8 S16 0.5529 -0.8453 0.6081 0.1402 12 S17 0.2739 -0.9895 1.7883 0.2943 13 S18 0.1470 -0.9880 2.1237 0.3308 14

作16项硅藻指数分别在4个水质类别中的箱须图(图 2)，16项硅藻指数(IDAP、EPI-D、IBD、SHE、SID、TID、WAT、IPS、SLA、DES、IDG、CEE、LOBO、IDP、DI-CH、TDI)在不同水质分类中有不同的表现.LOBO指数因为其水质评判标准是指数值越大水质越差，箱须图随水质类别上下起伏，从最后3个箱线图的趋势看，随水质类别从A1到A4变化，伴随着水质的变差，最终箱线图略有上升趋势；除这个指数及个别箱须图的波动外(除掉1个箱线图看整体水质变化趋势)，最终发现，与预期一样，随指数值的变小，4个水质类别所反映的趋势确实是下降的，这也进一步证明了主成分分析法与最优分割法在本次研究中水质类别划分的合理性.然后继续研究各个指数的表现，发现IDAP、SHE、WAT、SLA、DES、IDG、CEE、LOBO、DI-CH在水质等级的变化中呈现比较明显的波动情况或不能表现出相对明显的水质等级区别，而EPI-D、IBD、SID、TID、IPS、IDP、TDI指数得分在箱须图上的体现则是明显随水质变差而得分变低，相对是比较合理的.

图 2(Fig.2)

图 2 16项硅藻指数在类别A中分布的箱型图(○表示温和异常值，*表示极端异常值，下同) Fig.2 Box plots of the sixteen diatom indices in Category A

EPI-D、IBD、SID、TID、IPS、IDP、TDI指数值总体呈现随水质类别下降而变低的合理趋势，而SID、TID又与水质因子不存在显著相关性，故而选择EPI-D、IBD、IPS、IDP和TDI这5个指数进行接下来的研究分析.

对选取的5个硅藻指标进行主成分分析，第一个主成分的特征根为4.353，方差贡献率为87.069%，解释了总变异的87.069%.求出18个样点的主成分得分，接着进入最优分割方法对样点的分类工作.由基于5个硅藻指数与18个样点的主成分综合评价法，得到水质的综合排名与综合得分，然后按照排名顺序对样点按照最优分割法进行分类，得到4个新的水质等级(由高到低)组合，记为B(B1、B2、B3、B4).其中，对应的样点即B1(S5、S11、S12)、B2(S1、S2、S3、S4、S13、S14、S16、S18)、B3(S8、S17)、B4(S6、S7、S9、S10、S15)进行箱须图筛选.

本文试图从箱须图中剔除与水质类别梯度变化不相符合的指标，结果发现，5组指数都随着水质等级的降低而有规律的变小(图 3).说明此次主成分结合最优分割得到的水质类别划分也是合理的，而从中也不适合剔除硅藻指数，因而接着进行判别分析.

图 3(Fig.3)

图 3 5项硅藻指数在类别B中分布的箱须图 Fig.3 Box plots of the five diatom indices in Category B

根据各个硅藻指数划分水质等级组别的能力强弱依次选取硅藻指数，从而删除区分能力弱的硅藻指数，水质划分能力强而准确的指标则被保留下来，可以进行下一步的分析(张莹等，2013).

首先按照Wilks统计量最小值方法选择硅藻指数进入计算，分析停止的依据选用系统默认的F值或F值的概率，筛选出IPS和TDI指数.发现F值检验的概率小于或等于0.001即可引入IPS和TDI，而且原始判断准确率为100%，交互校验准确率为94.4%，判断正确率非常高，故而认为筛选出的IPS和TDI是比较理想的水质级别区分指数.

为了进一步验证筛选出的IPS和TDI的合理性，本文进行了全部一共31组引入情况的对比，结果如表 4和图 4(图中函数1和函数2分别代表典 型判别函数，不同颜色点表示各样点两个硅藻指数值在两个函数上的得分，方框代表典型判别函数在各个水质组别(1、2、3、4)的质心)所示.表 4中数据显示，IPS与TDI在所有组合中初次验证分组正确率为100%，交互校验正确率为94.4%，两次正确率都为最高，二维费希尔判别函数空间上的投影聚类效果也最好.引进单组变量的两次分组正确率最高值为初次验证分组正确率83.3%，交互校验正确率77.8%，也就是两次18个样点误判分别有3个和4个.而引入两组变量时，IPS与TDI也为正确率最高.引入3组变量时，IPS、TDI、EPI-D和IPS、TDI、IDP也达到了和IPS、TDI同样的分组正确率，但EPI-D、IDP与其他变量组合时的正确率较低，故EPI-D与IDP不是影响分组的主要变量.而更多变量的引入往往会因为变量之间相关性的影响，使得逆矩阵计算精度下降，从而导致判别函数不稳定，也会加大计算量，造成信息冗余.另一方面，过多指数的引入也会干扰水质等级的划分与评判，难于形成统一的标准.由此，其他的组别也可以一并排除.逐步综合判别分析表明，剔除掉水质区分能力弱的硅藻指数后，IPS和TDI指数具备最强而准确的水质等级组别划分能力，从而被保留下来.

表 4(Table 4)

表 4 逐步判别分析结果 Table 4 Results from the stepwise discriminant analysis

表 4 逐步判别分析结果 Table 4 Results from the stepwise discriminant analysis 引入指数变量 初始验证 分组正确率 交互校验 分组正确率 引入指数变量 初始验证 分组正确率 交互校验 分组正确率 EPI-D 77.8% 72.2% EPI-D、IBD、IDP 100% 88.9% IBD 77.8% 77.8% EPI-D、IBD、TDI 94.4% 88.9% IPS 83.3% 77.8% EPI-D、IDP、TDI 83.3% 72.2% IDP 77.8% 77.8% IBD、IPS、IDP 100% 94.4% TDI 72.2% 72.2% IBD、IPS、TDI 100% 88.9% EPI-D、IBD 88.9% 83.3% IPS、TDI、IDP 100% 94.4% EPI-D、IPS 88.9% 83.3% IPS、TDI、EPI-D 100% 94.4% EPI-D、IDP 83.3% 72.2% IBD、IDP、TDI 94.4% 88.9% EPI-D、TDI 72.2% 61.1% EPI-D、IPS、IDP 100% 88.9% IBD、IPS 88.9% 66.7% EPI-D、IBD、IDP、TDI 94.4% 88.9% IBD、IDP 100% 88.9% EPI-D、IPS、IDP、TDI 100% 88.9% IBD、TDI 94.4% 88.9% EPI-D、IBD、IPS、IDP 100% 94.4% IPS、IDP 100% 88.9% EPI-D、IBD、IPS、TDI 100% 88.9% IPS、TDI 100% 94.4% IBD、IPS、IDP、TDI 100% 94.4% IDP、TDI 83.3% 77.8% EPI-D、IBD、IPS、IDP、TDI 100% 88.9% EPI-D、IBD、IPS 94.4% 72.2%

图 4(Fig.4)

图 4 各指数组合的典型判别函数图 Fig.4 A typical combination of each index discriminant function diagram

利用TWINSPAN(罗涛等，2012)分类方法对不同时空的样点与硅藻群落进行水质分类，将硅藻群落分为4个类群，样点也被分成4个组类(图 5、表 5).然后就需要弄清这4个组别的水质等级情况，方便用箱须图方法来验证本文所筛选出的IPS、TDI指数的适用性.先将4个组别记为C(C1、C2、C3、C4)，各个组水质类别的高低由样方对应的优势种和指示种的生态属性确定.由于我国没有河流硅藻生态类群的系统划分，采用目前国外通用的硅藻研究方法，即参照国际上已经相对成熟稳定的划分方法，因此，各个优势种的生态指示作用参照国外的资料.本文主要参照范 · 戴姆(van Dam et al.，1994)和霍夫曼(Hofmann，1994)的划分方法.

图 5(Fig.5)

图 5 TWINSPAN分类树状图(D表示分类次序，N表示样点数量) Fig.5 Dendrogram from TWINSPAN(D: Division order; N: Number of plots)

表 5(Table 5)

表 5 硅藻优势种分布 Table 5 Diatom dominant species distributions

表 5 硅藻优势种分布 Table 5 Diatom dominant species distributions 组别 样点 优势种 C1 S11 ABSU、AMIN S12 CHUS、CTGL S13 AMIN、ACTT S17 CHUS、ABIA C2 S16 MVAR、AMIN S18 AMIN、MVAR C3 S2 GPUM、AUGR S3 DDEL、AMMO S4 FBID、NFON S5 NSIT、CAFF S6 AMIN、NPAL S8 CBOL、AMIN S10 NIGR、NSIG S14 NCTO、NCIN C4 S1 DDEL、AAMB、GPUM S7 AMJA、FUAC、NPAL S9 LCOH、MVAR、LGOE S15 MVAR、LGOE

先整体看4类组别，水质最好和最差的很容易确定，(S11、S12、S13、S17)组里面样点S12与样点S17以Cymbella hustedtii Krasske var.hustedtii (CHUS)为第一优势种，而CHUS是贫污染的指示藻种，代表清洁的水体，样点S11与S13则是曲壳藻属为优势种和亚优势种.根据范 · 戴姆的指示名录，水体中要是没有出现以Pinnularia、Eunotia、Cocconeis属种为优势种的情况，曲壳藻属为优势种代表的水体为最好，总体上也代表清洁的水体，故可以把此组定为水质最好组，记为C1(S11、S12、S13、S17).(S1、S7、S9、S15)组里，标示强污染富营养化水体的Luticola goeppertiana(LGOE)、Nitzschia palea(NPAL)、Luticola cohnii(LCOH)在3个样点大量出现，表明该组代表的水体质量在本次研究中最差，把此组记为C4(S1、S7、S9、S15).比较剩下的两组，本文按照名录的生态属性作一个大体定性的比较，Melosira varians(MVAR)与Achnanthes minutissima(AMIN)组合所标示的样点水体的质量要好过Fragilaria bidens(FBID)和Nitzschia fonticola(NFON)、Nitzschia sinuate(NSIT)和Cymbella affinis(CAFF)、Achnanthes minutissima(AMIN)和Nitzschia palea(NPAL)、Nitzschia gracilis(NIGR)和Nitzschia sigma(NSIG)、Navicula cryptotenelloides(NCTO)和Navicula cincta(NCIN)组合所对应5个样点的水质情况，还是在没考虑5组外其他组还存在其他污染种如富营养中污染种Amphora montana(AMMO)与Aulacoseira granulata(AUGR)的情况下，故而(S16、S18)组的水质比另外一组从总体上讲要好，因此，把它记为C2(S16、S18)，剩下一组记为C3(S2、S3、S4、S5、S6、S8、S10、S14)，则最终得到按水质好坏递减的组C(C1、C2、C3、C4)，然后再次进行箱须图分析.

图 6表明，IPS和TDI指数从C1到C4逐渐下降，而从C1到C4的水质情况也是逐渐下降的，这已被本文用硅藻群落的生态划分所证实，说明IPS和TDI同样呈现出合理的趋势，这也表明用IPS和TDI评价龙江的水质是合适的.

图 6(Fig.6)

图 6 两项硅藻指数在类别C中分布的箱须图 Fig.6 Box plots of the two diatom indices in Category C

各个样点纳入计算的藻种所占的比例是影响硅藻指数适用性的重要原因.本研究中各个样点用于计算指数得分的硅藻种比例，IPS最小值为93.48%，TDI最小值为85.71%，比例都比较高；而其他指数(IDAP、EPI-D、SHE、SID、TID、WAT、SLA、DES、CEE、LOBO、IDP、DI-CH)在很多样点用于计算的藻种比例都小于60%，其中，IDAP、WAT、DES、LOBO、IDP在很多样点都小于30%.一方面能解释筛选出的IPS和TDI合理的原因，另一方面也能说明所选IPS和TDI的相对合理性.国外报道通常从硅藻指数与常规理化指标的相关性方面来讨论硅藻指数在河流水质评价的适用性(Bere et al., 2011; Kalyoncu et al., 2013)，并建立硅藻指数与常规指标的回归模型(Tan et al.，2013)，往往得出适用的指数过多，不利于水质等别的统一划分.本研究在考虑相关性的同时，从不同水质组别总体上对指数进行筛选，更为全面、彻底.国内有关硅藻适用性的报道相对较少，有的直接引用国外的1~2个硅藻指数对水体进行评估(齐雨藻等，1998;赵湘桂等，2009;李钟群等，2012)，没有指数筛选的步骤，比较突兀.李国忱等(2012)在10项硅藻生物指数的适用性研究中，仅利用箱须图和指数间的相关性进行筛选，只采用了1次2组水质类别的箱线图，而本文进行相关分析的同时仅箱线图就用了3次4组水质类别，并采用了其他筛选手段.邓培雁等(2012)研究了7项硅藻指数在东江的适用性，该研究备选指数较少；基于常规指标层次聚类得到的样点组别，水质的好坏没能给出一个具体的评判标准，其运用的逐步判别分析筛选指数的过程也有待商榷.本文则采用主成分分析法与最优分割法进行样点水质组别分类与评判.笔者认为，单个指数分类的判别分析采用不同的引入方法，会引入不同的常规指标；不同指数的分类的判别分析也可以引入同样的某项或某几项常规指标；分组正确率在引入同样常规指标情况下的比较可能会更加客观，而本文也相对全面与完善.本次研究筛选出IPS和TDI指数为龙江和柳州中段水质评价最适用的硅藻指数，如何用IPS和TDI评价水体水质和生态质量，水质等别如何划分与修正，以及地区性的硅藻指数如何建立则是接下来需要研究的内容.

1)第一次主成分综合得分与最优分割法分类为基于理化指标的分类，箱须图发挥了筛选与验证功能；第二次主成分综合得分与最优分割法分类为基于指数本身的分类，箱须图验证了分类的合理性，而逐步判别分析则筛选出相对合适的指数；第三次TWINSPAN分类为基于物种的分类，箱须图则表明了筛选出指数的最适用性.多种数学手段的联合运用可以相互补充、相互印证，增加了结果的科学与有效性.

2)3次4组不同水质类别中，IPS和TDI指数与样点的箱须图都表现出合理的趋势，而且IPS和TDI与环境因子、与其他大多数硅藻指数及两者间的相关性良好.因此，认为IPS和TDI指数最适合进行龙江和柳江中段的水质生物监测评价.