2. 海南热带海洋学院崖州湾创新研究院, 海南三亚 572022;
3. 东寨港海草床资源保护与恢复海南省野外科学观测研究站, 海南海口 571129;
4. 海南热带海洋学院海洋科学技术学院, 海南三亚 572022
2. Yazhou Bay Innovation Institute, Hainan Tropical Ocean University, Sanya, Hainan, 572022, China;
3. Dongzhaigang, Conservation and Restoration of Seagrass Bed Resources, Hainan Observation and Research Station, Haikou, Hainan, 571129, China;
4. College of Marine Science and Technology, Hainan Tropical Ocean University, Sanya, Hainan, 572022, China
海草床是由海草植物组成的海底植被群落，广泛分布于全球温带和热带浅海区域，是地球上生产力最高的生态系统之一[1]。然而，受到全球气候变化、海洋污染、人类活动干扰等多重因素的影响，全球海草床正面临严重的退化危机，生态功能持续衰退[2]。因此，开展海草床生态系统的精准监测与科学评估，对制定高效的海草床保护与修复策略具有重要意义。
传统海草床监测方法主要依赖潜水调查、拖网采样等侵入性手段，存在耗时费力、覆盖范围有限、易对生态系统造成潜在干扰等局限性[3-4]。环境DNA(environmental DNA, eDNA)技术通过检测水体、沉积物等环境介质中生物脱落的细胞、组织及代谢物释放的DNA片段，实现对目标生物的存在性检测与多样性分析[5]。该技术兼具非侵入性、高效快捷、覆盖范围广等显著优势，目前已在水生生物多样性监测、濒危物种保护、生态健康评估等领域得到广泛应用[6]。水生生物eDNA监测研究已形成较为成熟的技术体系，研究对象从早期的鱼类、浮游生物逐步拓展至水生植物领域，针对沉水植物、挺水植物的eDNA提取与检测方法也有持续优化[7-8]。而海草床作为特殊的海洋水生植物生态系统，其高盐、高有机质、高腐殖质的生境特征，以及海草自身组织的特殊性，使得海草床eDNA研究与淡水水生植物、其他海洋生物eDNA研究存在显著技术差异[9-11]。近年来，eDNA技术逐渐应用于海草床生态系统研究[9, 12-13]，为破解传统监测方法的瓶颈问题提供了新思路。本文基于现有研究成果，系统综述海草床生态系统中eDNA技术的基础体系、应用方向、挑战与优化策略及未来发展前景，旨在为该领域的深入研究提供全面参考。
1 基础理论与方法体系 1.1 eDNA生物学特性海草床生态系统eDNA主要来源于海草植株叶片、根状茎等组织的脱落物以及代谢活动的分泌物，同时也包括海草床内栖息的鱼类、浮游生物、底栖生物、微生物等关联生物释放的DNA[9]。这些eDNA在环境中会经历一系列复杂的物理、化学和生物过程，呈现出显著的时空异质性。在时间维度上，eDNA的浓度和组成会随季节变化、昼夜节律发生波动[14-15]，例如海草生长旺季的eDNA释放量显著高于枯萎期[12]，eDNA的浓度与海草的茎密度和株高显著正相关[13]；在空间维度上，不同粒径的eDNA颗粒在水体中的扩散范围和沉降速率存在差异，影响其空间分布格局[16]，其中小分子eDNA颗粒可随洋流扩散数千米，大分子eDNA颗粒则多沉降于海草床周边沉积物中。此外，海草自身eDNA的释放规律还与植株生理状态密切相关，健康植株的叶片脱落量、代谢分泌物释放量显著高于胁迫状态下的植株，且不同海草物种的eDNA释放速率存在固有差异，鳗草(Zostera marina)、海菖蒲(Enhalus acoroides)等优势种的eDNA释放量显著高于小型附生海草。
此外，eDNA的降解速率受盐度、温度、pH、溶解氧、微生物活性等多种环境因子调控[13, 17-18]，例如高盐环境会显著加快eDNA的降解速率，低温条件则有利于eDNA的存留[10]；在静水环境中，海草床生态系统eDNA浓度降至检测阈值以下的时间跨度存在显著差异，从数小时至数天、数周甚至数月不等[19]，而在流动水体中，eDNA的降解与扩散速率显著加快，通常仅为几小时至几天[20]。可见，深入理解海草床eDNA的生物学特性，是保障后续研究准确性的重要基础。
1.2 样本采集与预处理技术eDNA技术的操作流程主要包括样品采集与预处理、eDNA提取、测序以及结果分析等主要步骤，具体如图 1所示。
|
| 图 1 海草床生态系统eDNA技术流程示意图 Fig. 1 Schematic diagram of the technical process for eDNA research in seagrass bed ecosystems |
样本采集是海草床生态系统eDNA研究的关键环节，直接影响后续分析结果的可靠性。根据研究目标的不同，可选择水体样本或沉积物样本开展采集工作。水体样本采集通常采用分层采样法，在海草床不同深度、不同位置设置采样点[21]，使用无菌采样瓶收集水样，严格避免采样过程中的交叉污染[22]。沉积物样本采集则使用柱状采样器，获取表层0—10 cm的沉积物样品，密封后低温保存[23]；可根据研究需求对沉积物样本进行分层取样，用于解析海草床不同历史时期的生态演变特征。
样本预处理的核心目的是去除环境样本中的杂质，并实现eDNA的浓缩。水体样本预处理常用方法包括过滤法和乙醇沉淀法：过滤法通过0.22、0.45 μm等不同孔径的滤膜对水样进行过滤，截留水体中的eDNA颗粒，滤膜材质需根据海草床水体的浊度、盐度等特性优化选择[7, 24]；乙醇沉淀法则更适用于浊度较高的水体样本[7, 25]。沉积物样本预处理通常包括冻干、研磨、洗脱等步骤，通过物理与化学方法将沉积物中的eDNA释放至溶液中，再开展后续的浓缩和纯化[25-26]。针对高有机质的海草床沉积物，可在洗脱步骤中增加脱腐殖质处理，减少杂质对eDNA的吸附。
1.3 eDNA提取与检测技术eDNA提取技术的核心是从环境样本中高效分离并纯化eDNA。目前常用的eDNA提取试剂盒包括DNeasy PowerWater Kit、QIAamp PowerFecal Pro DNA Kit、DNeasy Blood and Tissue Kit、Power Water DNA Isolation Kit等[7]，这些试剂盒针对不同类型的环境样本进行了优化设计，能有效提升eDNA的提取效率。海草床水体和沉积物中不仅含有高盐、高腐殖质，海草组织脱落物还会释放大量多酚、单宁和多糖类物质，这些物质极易与DNA共沉淀，形成黏稠复合物，严重抑制后续PCR扩增反应[12]。针对海草床这类高盐、高腐殖质含量的环境样本，提取过程中可通过调整试剂盒反应混合物的体系配比、使用DNA纯化试剂盒、添加抑制剂[如牛血清白蛋白(BSA)]等方式，同时增加聚乙烯吡咯烷酮(PVP)以特异性结合并去除多酚、单宁等物质，降低抑制因子对后续PCR扩增的影响[27]。
eDNA检测技术主要分为靶向检测和非靶向检测两大类。靶向检测技术以定量聚合酶链式反应(quantitative PCR，qPCR)为代表，通过设计海草或特定关联生物的特异性引物和探针，实现对目标物种的定性检测和定量分析[28]。例如，针对鳗草、海菖蒲等优势海草物种设计的特异性引物，能够快速、准确地检测其在环境中的存在状态及相对丰度[29]。数字PCR(digital droplet PCR，ddPCR)作为qPCR技术的升级版本，以微滴化为基础实现单分子扩增，大幅提升了定量检测的灵敏度和准确性[30]。非靶向检测技术主要包括宏基因组测序和宏条形码测序技术，宏基因组测序可全面获取环境样本中所有生物的DNA序列信息，宏条形码测序则通过扩增18S rRNA、COI基因等特定基因片段，实现对生物群落多样性的高通量分析[31]。近年来，纳米孔实时测序等新型检测技术逐渐兴起，该技术具有测序速度快、无需PCR扩增、可实时获取序列信息等优势[32]，为海草床eDNA的现场快速检测提供了可能。
1.4 数据分析与验证方法eDNA数据分析需要结合生物信息学、生态学等多学科知识。针对靶向检测数据，主要通过qPCR扩增曲线和熔解曲线分析判断目标物种存在与否，利用标准曲线计算eDNA的浓度[33]。ddPCR数据则通过阳性微滴数直接计算目标eDNA的绝对拷贝数，无需标准曲线校准[30]。对非靶向检测数据，首先需要对原始测序数据进行质量控制，如去除低质量reads、接头序列等，再通过BLAST等生物信息学比对工具，与NCBI GenBank、BOLD Systems等已知的基因数据库进行匹配，实现物种注释[34]。目前，中国沿海海草及共生生物在NCBI GenBank、BOLD Systems等主流数据库中的序列覆盖率不足，大量本土特有海草物种、底栖生物的DNA条形码序列缺失，导致物种注释过程中出现大量“未分类序列”，显著降低了eDNA数据分析的准确性。此外，还需开展α多样性(如Shannon指数、Simpson指数)分析和β多样性分析揭示海草床生物群落的结构特征和时空变化规律[35]。
为确保eDNA数据的可靠性，需要与传统调查数据进行交叉验证。例如，Thomsen等[36]将eDNA检测得到的鱼类群落组成与9种传统海洋鱼类调查方法的结果进行对比，验证了eDNA技术的准确性；Takahara等[37]通过构建eDNA浓度与鲤鱼(Cyprinus carpio)生物量的相关性模型，结合实地采样测量的生物量数据，优化了eDNA定量分析方法。同时，利用广义线性模型、贝叶斯模型等时空分布模型，整合eDNA数据和环境因子数据，能够更准确地揭示海草床生态系统的动态变化机制[38-39]。
2 核心应用方向 2.1 物种多样性监测eDNA技术为海草床生态系统的物种多样性监测提供了高效、全面的技术手段。在海草物种的遗传多样性研究中，eDNA技术能够从基因组和表观遗传层面，揭示海草种群的遗传结构和变异特征[40]。Muñiz-Salazar等[41]通过分析圣昆廷湾7个不同区域鳗草种群的8个多态微卫星位点，发现鳗草种群的遗传分化与地理距离呈显著关联——最远距离位点种群间的遗传分化指数显著高于近岸位点种群间的，表明海洋环流、水流连通性及地理隔离共同影响鳗草的花粉、种子扩散与基因交流过程。
在海草床关联生物多样性评估方面，eDNA技术能够快速检测出鱼类[42]、底栖生物[43]、浮游生物[44]等各类生物的存在，相比传统调查方法，能更全面地捕捉生物群落的组成信息[45-47]。研究表明，利用宏条形码测序技术分析海草床水体eDNA，能够检测到传统调查方法遗漏的小型底栖生物和稀有鱼类物种[36, 48-49]。此外，eDNA技术还被应用于热带岛屿海草床鱼类群落连通性分析，通过比较不同岛屿海草床鱼类eDNA的相似性，揭示鱼类在不同栖息地之间的迁移路径和交流频率[50-51]，为海洋保护区的规划设计提供了科学依据。
2.2 生态系统健康与环境胁迫评估海草床生态系统的健康状况直接决定其生态功能的发挥，受富营养化、重金属污染、海洋酸化、生境扰动等多重环境胁迫影响，其群落结构与功能易发生失衡。eDNA技术凭借高灵敏度、高检测效率的技术优势，可通过解析环境介质中DNA的物种组成、基因丰度及群落结构特征，实现对海草床生态健康状况的快速诊断与环境胁迫程度的定量评估，成为监测海草床生态系统健康的重要技术手段[52-53]。
富营养化作为近海海草床的首要环境胁迫因子。氮、磷营养盐过量输入诱发藻类爆发性增殖，藻类通过遮蔽光照、争夺营养等方式抑制海草光合作用与生长代谢[54]，同时显著重塑海草床的微生物群落结构[55-58]，最终引发生态系统功能退化[54, 59]。eDNA技术可通过靶向解析海草床水体、沉积物及叶际微环境中微生物与浮游生物的群落组成差异，以及功能基因丰度的特异性变化，精准量化富营养化胁迫的影响范围与程度。已有研究证实，在富营养化胁迫下，海草叶际微生物中厌氧代谢类群的相对丰度呈显著上升趋势，而反硝化等有益生态功能基因的丰度呈显著下降趋势[52]，这为富营养化胁迫的精准评估提供了可靠的分子生物学依据。
此外，eDNA技术可有效监测污染物在海草床食物链中的传递与累积特征，通过追踪生产者、初级消费者、次级消费者等不同营养级生物的eDNA丰度动态，能够清晰揭示污染胁迫对海草床食物网结构完整性与稳定性的影响[60]。同时，该技术在海草病原菌与病害早期预警中具有独特价值，通过靶向检测腐霉菌、疫霉菌等特定病原菌的eDNA浓度变化，可在病害症状显现前预判其发生风险与扩散趋势，为制定精准防控海草病害争取关键时间[61]。
2.3 生物量与分布动态监测准确监测海草生物量和分布，是评估海草床生态系统结构完整性与功能稳定性的核心内容。传统生物量监测依赖实地采样测量，不仅耗时费力，还可能对海草床生境造成破坏性干扰，难以满足大范围、常态化监测需求。Matsuhashi等[8]通过建立eDNA浓度与黑藻(Hydrilla verticillata)、水蕴草(Egeria densa)生物量的相关性模型，证实了通过水体eDNA浓度估算沉水植物生物量的技术可行性。后续针对海草床的相关研究进一步验证，海草eDNA浓度与海草生物量呈显著正相关[13]。借助qPCR技术检测eDNA浓度，在海草生物量推算中具备一定的应用潜力，为非破坏性的海草生物量监测提供了高效的技术探索路径。
海草床作为海洋蓝碳的核心载体之一，其碳汇潜力的量化评估主要依赖海草生物量与沉积物有机碳的输入与积累。eDNA技术可从两个维度为海草床碳汇评估提供技术支撑：一是通过海草eDNA浓度定量推算海草活体生物量，快速表征海草床的即时固碳能力[62]；二是通过解析沉积物中eDNA的物种溯源信息，精准区分沉积物有机碳的内源贡献(海草光合作用固定碳)与外源输入(陆源有机质、浮游生物沉降碳)，明确海草床对沉积物碳库的实际贡献比例[63]。此外，通过检测不同深度沉积物中海草特异性eDNA序列的丰度与分布特征，可追溯数百年甚至上千年尺度上海草床物种组成演变与固碳能力动态变化[64]，为海草床历史蓝碳储量核算与长期碳汇潜力预测提供分子生物学依据。
在海草床分布动态监测领域，eDNA技术不是旨在替代传统潜水调查与遥感解译方法，而是通过技术互补形成“宏观格局—微观验证—分子佐证”的多维度监测体系，弥补传统监测的技术短板，实现海草床分布边界的精准界定与生态状况的综合评估。传统潜水调查依托实地原位观测优势，能够直接获取海草植株密度、覆盖度、生长状态及叶片形态等直观且精准的形态学指标，是验证各类监测技术结果的核心基准，为生态系统状况评估提供不可或缺的基础数据[3]；但该方法存在固有局限性，不仅覆盖范围有限、耗时费力，还易受水深、水体能见度等环境条件制约，难以实现大范围、常态化监测。遥感解译技术凭借大尺度、快速获取的技术特性，能够高效捕捉海草床的宏观分布格局与覆盖度时空变化，为长期动态监测提供有力支撑[65]；然而其在微观尺度监测中存在明显短板，对水下稀疏分布、被沉积物覆盖隐蔽的海草识别精度不足，且无法反映生物群落组成、生态健康状况等分子层面与功能层面的关键信息。eDNA技术恰好针对性弥补了上述传统方法的技术缺口：其一，其非侵入性特征无需人工水下作业，可覆盖潜水调查难以抵达的偏远区域或复杂生境，大幅提升监测的空间覆盖度与执行效率；其二，通过特异性检测水体、沉积物等环境介质中的海草特异性eDNA序列，能够精准识别水下稀疏分布或隐蔽生长的海草区域，有效解决遥感解译对低覆盖度海草识别不准的技术难题；其三，可同步获取海草及关联生物的分子信息，为其分布范围监测赋予生态功能关联的深层内涵。在实际应用中，eDNA技术为传统监测方法提供分子层面的补充数据与隐蔽区域的分布佐证，传统监测方法则为eDNA技术提供实地验证与量化校准依据，二者相互印证、协同支撑，共同构建科学、全面、精准的海草床监测技术体系。此外，通过定期追踪海草eDNA的空间分布动态变化，还能够清晰揭示海草床的扩张、退化等演变趋势，为生态保护与修复成效评估提供连续的时序数据支撑。
沉积物eDNA作为海草床长期演化的“分子档案”，在揭示海草床历史演变与物种更替方面具有独特的应用价值。通过对不同深度沉积物eDNA进行测序分析，可还原数百年甚至上千年的海草床物种组成变化、群落演替规律[66]，明确海草床退化的历史驱动因素，为修复工程基准线的确定、修复目标的制定提供科学的历史参照，有效破解了传统监测方法仅能反映现状、无法追溯历史演变过程的局限性。
2.4 生态扰动与入侵物种监测外来入侵物种对海草床生态系统的结构和功能具有严重威胁，eDNA技术能够实现对入侵物种的早期检测和快速识别，是海草床生态安全预警的重要技术手段。例如，Holman等[67]利用eDNA技术对比英国各人工海岸区域沉积物和水样的群落组成，发现了许多非本土物种，其中包括部分新入侵物种，凸显了eDNA技术在入侵物种早期检测中的实用性。通过持续监测入侵物种eDNA的浓度变化，还能够评估其扩散速率和入侵范围，为制定防控措施提供科学依据[68]。
人类活动如渔业捕捞、海洋工程建设等，会对海草床生态系统造成显著扰动，eDNA技术能够通过分析生物群落eDNA指纹的变化，评估人类活动的影响程度[69]。研究发现，渔业捕捞活动会导致海草床鱼类群落eDNA的多样性下降，优势物种的基因丰度发生显著变化[70]；海洋工程建设会改变海草床的水文环境，导致海草床分布范围收缩，关联生物的eDNA组成发生改变。此外，eDNA技术还能够监测到人类活动导致的间接生态扰动，如污染物排放导致的生物群落结构改变[71]。
3 关键挑战与优化策略 3.1 技术层面挑战海草床环境的特殊性给eDNA技术的应用带来了诸多挑战。首先，海草床水体和沉积物中含有高浓度的腐殖质、重金属等物质，加之海草组织分解释放的多酚、单宁、多糖等有机质，这些环境基质会显著干扰eDNA的提取效率，导致eDNA产量降低，同时还会抑制后续PCR扩增反应[11]。其次，受温度[11, 27, 72-76]、水体浑浊程度[6, 77]、pH[74-75, 78]和盐度[79]等多种因素影响，eDNA在海草床环境中的降解速率较快，导致eDNA的时空代表性存在偏差，难以准确反映生物群落的真实状况[80-81]；而海草自身eDNA释放规律的个体差异、物种差异及生理状态差异，进一步增加了eDNA浓度与实际生物量之间的误差。再次，虽然可以通过eDNA技术实现海草床生态系统的动态监测，但引物特异性不足仍是现阶段应用中的突出问题，由于海草与部分藻类、高等植物的基因序列具有较高的同源性，设计的特异性引物可能会与非目标生物的DNA发生交叉反应，引发检测误差[82]。最后，中国沿海海草及共生生物在NCBI GenBank等主流参考序列数据库中的序列覆盖率不足，本土特有类群的DNA条形码数据缺失，成为制约eDNA物种注释准确性的核心瓶颈[83]。
3.2 方法标准化问题目前，海草床生态系统eDNA研究缺乏统一的技术规范和标准流程，不同研究团队在采样方法、样本预处理、eDNA提取、检测技术和数据分析等方面存在较大差异，导致研究数据的可比性较差[84]。例如，在采样深度和采样频率的选择上，不同研究采用的方案各不相同：部分研究采用表层水样采样，部分则采用分层采样；部分研究每月采样一次，部分则每季度采样一次[85]。这些差异会导致eDNA数据的时空分辨率不一致，难以进行跨区域、跨时间的对比分析。此外，不同研究使用的基因数据库和生物信息学分析方法也存在差异，导致物种注释结果的准确性和一致性难以保证[86]。缺乏针对海草床生态系统的eDNA技术标准，严重制约了该领域研究的深入开展和研究成果的推广应用。
3.3 优化方向为解决上述挑战，需要从技术创新、方法标准化、数据库建设等方面开展全方位优化。
针对海草床环境基质干扰、eDNA降解快、引物特异性不足等技术难题，开展多环节技术优化。一是优化eDNA提取与扩增体系，结合海草床高腐殖质、高有机质的生境特征，通过脱脂、脱腐殖质等预处理步骤，搭配PVP、BSA等抑制剂组合使用，高效去除多酚、单宁、多糖等干扰物质，提升eDNA提取纯度与产量；同时通过体系优化缓解环境因子对PCR扩增的抑制作用，提高扩增效率。二是厘清eDNA时空动态规律，利用水族缸构建模拟海草床环境，开展室内模拟控制实验，重点探究不同海草物种、不同生理状态下的eDNA释放规律，分析温度、盐度、pH、水体浑浊度等环境因子对eDNA释放、扩散与降解的耦合影响，为野外采样的时间、点位、频率选择提供科学依据[12]，提升eDNA时空代表性。三是提升引物特异性与检测灵敏度，基于海草、近缘藻类以及目标关联生物的全基因组数据，通过多序列比对设计针对鳗草、海菖蒲等优势种的高特异性引物，以及实验验证引物的特异性和有效性；同时引入巢式PCR、ddPCR等技术，提升低浓度eDNA检测的灵敏度和准确性[30]。
针对当前研究流程不统一、数据可比性差的问题，推动海草床eDNA研究全流程的标准化规范制定。一方面，整合现有研究成果，结合海草床不同生境、不同研究目标的差异，制定统一的采样技术规范，明确采样深度、采样频率、样本保存与运输等关键参数，实现跨区域、跨时间采样数据的时空分辨率一致。另一方面，规范后续实验与分析流程，统一eDNA提取、PCR扩增的技术方法与试剂选型，明确基因数据库选用、生物信息学分析的标准流程，减少因实验方法、分析手段差异导致的物种注释偏差，保障研究结果的准确性与一致性；同时加强不同研究团队之间的合作交流，推动标准流程的落地与推广，提升研究数据的可比性与可靠性[87]。
针对本土参考序列数据库缺失这一核心瓶颈，开展海草床eDNA基础资源的系统性建设，为物种准确注释提供数据支撑。系统开展中国沿海海草及共生生物的DNA条形码测序工作，重点补充本土特有类群、珍稀濒危物种的序列信息，构建中国海草床专属的eDNA参考序列数据库；同时推动本土数据库与NCBI GenBank、BOLD Systems等国际主流参考序列数据库的对接与互补，实现数据的共享与互通，从根本上解决物种注释准确性不足的问题。此外，推动多组学技术整合与多指标方法集成，将eDNA技术与转录组、代谢组等组学技术结合，更全面揭示海草床生态系统的分子机制与生态过程[88]；坚持eDNA分子监测与传统形态学调查相结合，整合分子层面与形态生理层面的监测数据，提升海草床生态系统评估的全面性与准确性。
4 未来发展前景 4.1 生态保护与修复实践eDNA技术在海草床生态保护与修复实践中具有广阔的应用前景。在海草床退化区修复效果监测方面，传统修复效果评估方法主要依赖海草覆盖率、生物量等指标的实地测量，而eDNA技术能够通过检测修复区域海草eDNA的浓度变化和生物群落多样性的恢复情况，更快速、全面地评估修复效果。例如，在海草移植修复项目中，通过定期监测移植区域海草eDNA的浓度和分布范围，能够及时判断海草的存活状况和扩散趋势；同时，分析关联生物eDNA的组成变化，能够评估修复区域生态系统功能的恢复程度。沉积物eDNA数据还可用于评估修复工程的长期效果，通过对比修复前后沉积物中eDNA的群落组成变化，判断修复措施是否推动海草床群落实现自然演替。
基于eDNA的生态廊道构建评估，是海草床保护的另一重要应用方向。生态廊道能够促进不同海草床斑块之间的生物交流，维持种群的遗传多样性[89]。eDNA技术通过检测生态廊道沿线海草和关联生物的eDNA分布特征，能够科学评估生态廊道的连通性和有效性[50]。例如，通过比较生态廊道构建前后不同海草床斑块中鱼类eDNA的相似性，能够判断鱼类通过生态廊道的迁移情况。此外，eDNA技术还能够为海草床保护区的规划设计提供科学依据[90]，通过全面监测保护区内生物多样性的分布特征，优化保护区的边界范围和功能分区。
同时，eDNA技术可成为海草床碳汇评估与核算的重要技术支撑，通过快速量化海草生物量、解析沉积物有机碳的物种来源，为海草床蓝碳交易、碳汇补偿提供精准的分子生物学数据，推动海草床蓝碳资源的市场化开发与保护。
4.2 监测网络与政策决策支撑基于区域尺度，构建全国性的海草床生态系统eDNA监测网络，是实现海草床生态系统长期、动态监测的重要保障。通过在重点海草床分布区域设置监测站点，定期采集水样和沉积物样本，分析eDNA的浓度、组成和时空变化规律，能够及时掌握海草床生态系统的健康状况和变化趋势。监测网络获取的数据可为海洋生态环境预警系统提供支撑，当eDNA数据出现异常变化时，如入侵物种eDNA浓度突然升高、海草eDNA浓度急剧下降，能够及时发出预警信号，为应急处置争取时间。沉积物eDNA数据可作为监测网络的重要补充指标，实现海草床现状监测与历史演变分析的有机结合。
将eDNA数据纳入海洋生态保护政策制定，能够提高政策的科学性和针对性。目前，我国的海洋生态保护政策主要基于传统调查数据，而eDNA数据能够提供更全面、更精准的生物多样性和生态健康状况信息，为政策制定者提供更可靠的决策依据。例如，基于eDNA数据，能够制定更科学的海草床保护区管理办法、渔业捕捞限制政策和海洋工程环境影响评价标准。此外，eDNA数据还能够为海洋生态补偿机制的建立提供量化指标，通过评估人类活动对海草床生态系统的破坏程度[70]，确定生态补偿的金额和方式。基于eDNA的蓝碳汇评估数据，还可纳入海洋生态保护政策体系，推动制定海草床蓝碳保护的专项政策。
4.3 跨学科融合发展跨学科融合是海草床生态系统eDNA技术未来的重要发展趋势，其中eDNA技术与遥感、人工智能(AI)技术的集成融合将成为核心发展方向。将eDNA技术与遥感技术相结合，能够实现海草床大尺度、高精度的综合监测：遥感技术能够快速获取海草床的分布范围、覆盖度等宏观信息[66]，而eDNA技术能够提供生物群落组成、生态健康状况等微观信息，二者互补能够更全面地揭示海草床生态系统的时空变化规律。例如，通过遥感技术识别海草床的分布区域，再利用eDNA技术对重点区域进行详细的生物多样性监测，能够显著提高监测效率和准确性。
AI技术在eDNA数据分析中的深度应用，将显著突破传统生物信息学分析的效率瓶颈[91]。eDNA测序产生的海量数据需要进行生物信息学分析，而随机森林、支持向量机、深度学习等机器学习算法，能够自动识别数据中的模式和规律，实现物种快速注释、环境因子关联分析和生态风险预测等功能[92]；利用AI算法构建eDNA数据与环境因子的非线性关联模型，能够快速预测不同环境胁迫下海草床生态系统的变化趋势[93]，还能实现海草eDNA释放、降解规律的精准模拟，优化野外采样方案。结合遥感的宏观空间数据和AI技术的智能分析能力，可构建海草床生态健康的立体化、自动化监测网络，实现海草床生态变化的实时预警和动态评估。
此外，将eDNA技术与地理学、海洋化学、生态学、蓝碳科学等学科相结合，能够深入研究海草床生态系统的结构与功能、物质循环与能量流动、碳汇形成与维持机制等科学问题，推动海草床生态学研究向更深层次发展。
5 结束语海草床生态系统eDNA技术作为一种新兴的非侵入性监测手段，在海草床生态系统研究中发挥着日益重要的作用，其不仅为海草床物种多样性监测、生态健康评估提供了高效技术手段，还在碳汇潜力评估、沉积物历史演变解析等前沿领域展现出独特的应用价值。随着技术的不断创新和方法的逐步完善，海草床生态系统eDNA研究将在以下3个方面取得更大的突破：一是检测技术的灵敏度和准确性将进一步提高，ddPCR等新型技术将得到更广泛的应用，结合针对海草床生境优化的提取方法，实现海草床eDNA的现场快速检测和精准定量；二是中国海草床专属参考序列数据库的建立，将从根本上解决物种注释的瓶颈问题，研究范围将不断拓展，从单一区域、单一物种的监测，向全球尺度、整个生态系统的综合研究延伸，深入揭示海草床生态系统的全球变化响应机制；三是跨技术融合与跨学科研究的双重推进将更加深入，eDNA技术与遥感、AI技术集成融合将产生更多创新成果，构建海草床生态健康的立体化、自动化监测网络，同时结合地理学、海洋化学、生态学、蓝碳科学等学科的理论与方法，深度解析海草床生态系统的内在运行机制，为海草床生态保护与修复提供更全面的技术支撑。
然而，海草床eDNA研究仍面临诸多挑战，如技术标准化不足、海草床特有的环境基质干扰、海草eDNA释放规律尚未明晰、eDNA定量与真实生物量的偏差尚未完全解决、数据解读复杂等，需要科研工作者持续开展攻关研究。未来，应加强技术创新和方法优化，制定统一的海草床生态系统eDNA技术规范，加快建立中国海草床专属eDNA参考序列数据库，搭建全球数据共享平台；同时始终坚持eDNA技术与传统调查方法相结合的多指标集成研究思路，规避单一技术的局限性。加强跨区域、跨学科合作，推动海草床eDNA技术的不断发展和广泛应用；尤其要结合我国南海、黄海、东海的海域特征和海草床修复需求，开展本土化的eDNA技术研发与应用，形成具有中国特色的海草床生态系统eDNA监测与保护技术体系。相信在不久的将来，eDNA技术将成为海草床生态系统监测、保护与管理的核心技术手段，为全球海草床生态系统的可持续发展、蓝碳资源的保护与开发提供强有力的科学保障。
| [1] |
ORTH R J, CARRUTHERS T J B, DENNISON W C, et al. A global crisis for seagrass ecosystems[J]. BioScience, 2006, 56(12): 987-996. DOI:10.1641/0006-3568(2006)56[987:AGCFSE]2.0.CO;2 |
| [2] |
WAYCOTT M, DUARTE C M, CARRUTHERS T J B, et al. Accelerating loss of seagrasses across the globe threatens coastal ecosystems[J]. Proceedings of the National Academy of Sciences of the United States of America, 2009, 106(30): 12377-12381. |
| [3] |
SAHU A, SINGH M, AMIN A, et al. A systematic review on environmental DNA (eDNA) Science: an eco-friendly survey method for conservation and restoration of fragile ecosystems[J]. Ecological Indicators, 2025, 173: 113441. DOI:10.1016/j.ecolind.2025.113441 |
| [4] |
RUPPERT K M, KLINE R J, RAHMAN M S. Past, present, and future perspectives of environmental DNA (eDNA) metabarcoding: a systematic review in methods, monitoring, and applications of global Edna[J]. Global Ecology and Conservation, 2019, 17: e00547. DOI:10.1016/j.gecco.2019.e00547 |
| [5] |
TABERLET P, COISSAC E, HAJIBABAEI M, et al. Environmental DNA[J]. Molecular Ecology, 2012, 21(8): 1789-1793. DOI:10.1111/j.1365-294X.2012.05542.x |
| [6] |
DEINER K, BIK H M, MÄCHLER E, et al. Environmental DNA metabarcoding: transforming how we survey animal and plant communities[J]. Molecular Ecology, 2017, 26(21): 5872-5895. DOI:10.1111/mec.14350 |
| [7] |
李红婷, 张帅, 邹柯姝, 等. 珠江河口水体环境DNA提取方法的建立及优化[J]. 南方水产科学, 2022, 18(3): 30-37. |
| [8] |
MATSUHASHI S, DOI H, FUJIWARA A, et al. Evaluation of the environmental DNA method for estimating distribution and biomass of submerged aquatic plants[J]. PLoS One, 2016, 11(6): e0156217. DOI:10.1371/journal.pone.0156217 |
| [9] |
GOLD Z, SPRAGUE J, KUSHNER D J, et al. eDNA metabarcoding as a biomonitoring tool for marine protected areas[J]. PLoS One, 2021, 16(2): e0238557. DOI:10.1371/journal.pone.0238557 |
| [10] |
TZAFESTA E, SHOKRI M. The combined negative effect of temperature, UV radiation and salinity on eDNA detection: a global meta-analysis on aquatic ecosystems[J]. Ecological Indicators, 2025, 176: 113669. DOI:10.1016/j.ecolind.2025.113669 |
| [11] |
BARNES M A, TURNER C R, JERDE C L, et al. Environmental conditions influence eDNA persistence in aquatic systems[J]. Environmental Science & Technology, 2014, 48(3): 1819-1827. |
| [12] |
AKATSUKA M, TAKAYAMA Y, ITO K, et al. Study on seasonal, daily and morphological change of environmental DNA for seagrass bed[J]. Journal of Japan Society of Civil Engineers, Ser.B2 (Coastal Engineering), 2019, 75(2): 1075-1080. DOI:10.2208/kaigan.75.I_1075 |
| [13] |
AKATSUKA M, TAKAYAMA Y, MUCHEBVE E, et al. Study on a monitoring method for seagrass beds monitoring using environmental DNA[C]//Proceedings of the 22nd IAHR-APD Congress 2020. Hokkaido, Sapporo: [s. n. ], 2020.
|
| [14] |
SAEKO M, TOSHIFUMI M, HIDEYUKI D. Seasonal change in environmental DNA concentration of a submerged aquatic plant species[J]. Freshwater Science, 2019, 38(3): 654-660. DOI:10.1086/704996 |
| [15] |
DOWELL R, DUNN N, HEAD C, et al. Environmental DNA captures diurnal fluctuations of surface eukaryotes on a tropical coral reef[J]. Environmental DNA, 2024, 6(1): e512. DOI:10.1002/edn3.512 |
| [16] |
VERDIER H, DATRY T, LOGEZ M, et al. Environmental DNA particle size distribution and quantity differ across taxa and organelles[J]. Environmental DNA, 2024, 6(5): e598. DOI:10.1002/edn3.598 |
| [17] |
ÇEVIK T, ÇEVIK N. Environmental DNA (eDNA): a review of ecosystem biodiversity detection and applications[J]. Biodiversity and Conservation, 2025, 34(9): 2999-3035. DOI:10.1007/s10531-025-03112-y |
| [18] |
MCCARTIN L J, VOHSEN S A, AMBROSE S W, et al. Temperature controls eDNA persistence across physicochemical conditions in seawater[J]. Environmental Science & Technology, 2022, 56(12): 8629-8639. |
| [19] |
SHOGREN A J, TANK J L, EGAN S P, et al. Water flow and biofilm cover influence environmental DNA detection in recirculating streams[J]. Environmental Science & Technology, 2018, 52(15): 8530-8537. |
| [20] |
PILLIOD D S, GOLDBERG C S, ARKLE R S, et al. Factors influencing detection of eDNA from a stream-dwelling amphibian[J]. Molecular Ecology Resources, 2014, 14(1): 109-116. DOI:10.1111/1755-0998.12159 |
| [21] |
中华人民共和国自然资源部. 海岸带生态系统现状调查与评估技术导则第6部分: 海草床[S]. HY/T 0460.6—2024. 北京: 中国标准出版社, 2025.
|
| [22] |
PATIN N V, GOODWIN K D. Capturing marine microbiomes and environmental DNA A field sampling guide[J]. Frontiers in Microbiology, 2022, 13: 1026596. |
| [23] |
PAWLOWSKI J, BRUCE K, PANKSEP K, et al. Environmental DNA metabarcoding for benthic monitoring: a review of sediment sampling and DNA extraction methods[J]. Science of the Total Environment, 2022, 818: 151783. DOI:10.1016/j.scitotenv.2021.151783 |
| [24] |
DJURHUUS A, PORT J, CLOSEK C J, et al. Evaluation of filtration and DNA extraction methods for environmental DNA biodiversity assessments across multiple trophic levels[J]. Frontiers in Marine Science, 2017, 4: 314. DOI:10.3389/fmars.2017.00314 |
| [25] |
陈治, 宋娜, 源利文, 等. 舟山近海水样环境DNA获取方法的建立[J]. 水生生物学报, 2020, 44(1): 50-58. |
| [26] |
CORINALDESI C, DANOVARO R, DELL'ANNO A. Simultaneous recovery of extracellular and intracellular DNA suitable for molecular studies from marine sediments[J]. Applied and Environmental Microbiology, 2005, 71(1): 46-50. DOI:10.1128/AEM.71.1.46-50.2005 |
| [27] |
EICHMILLER J J, MILLER L M, SORENSEN P W. Optimizing techniques to capture and extract environmental DNA for detection and quantification of fish[J]. Molecular Ecology Resources, 2016, 16(1): 56-68. DOI:10.1111/1755-0998.12421 |
| [28] |
BUSTIN S A, BENES V, GARSON J A, et al. The MIQE guidelines: minimum information for publication of quantitative real-time PCR experiments[J]. Clinical Chemistry, 2009, 55(4): 611-622. DOI:10.1373/clinchem.2008.112797 |
| [29] |
NGUYEN X V, HÖFLER S, GLASENAPP Y, et al. New insights into DNA barcoding of seagrasses[J]. Systematics and Biodiversity, 2015, 13(5): 496-508. DOI:10.1080/14772000.2015.1046408 |
| [30] |
CAPO E, SPONG G, KOIZUMI S, et al. Droplet digital PCR applied to environmental DNA, a promising method to estimate fish population abundance from humic-rich aquatic ecosystems[J]. Environmental DNA, 2021, 3(2): 343-352. DOI:10.1002/edn3.115 |
| [31] |
GROUP C P W, HOLLINGSWORTH P M, FORREST L L, et al. A DNA barcode for land plants[J]. Proceedings of the National Academy of Sciences of the United States of America, 2009, 106(31): 12794-12797. |
| [32] |
JAIN M, OLSEN H E, PATEN B, et al. Nanopore sequencing and assembly of a human genome with ultra-long reads[J]. Nature Biotechnology, 2018, 36(4): 338-345. DOI:10.1038/nbt.4060 |
| [33] |
PFAFFL M W. A new mathematical model for relative quantification in real-time RT-PCR[J]. Nucleic Acids Research, 2001, 29(9): e45. DOI:10.1093/nar/29.9.e45 |
| [34] |
ALTSCHUL S F, GISH W, MILLER W, et al. Basic local alignment search tool[J]. Journal of Molecular Biology, 1990, 215(3): 403-410. DOI:10.1016/S0022-2836(05)80360-2 |
| [35] |
CAPORASO J G, KUCZYNSKI J, STOMBAUGH J, et al. QⅡME allows analysis of high-throughput community sequencing data[J]. Nature Methods, 2010, 7(5): 335-336. DOI:10.1038/nmeth.f.303 |
| [36] |
THOMSEN P F, KIELGAST J, IVERSEN L L, et al. Detection of a diverse marine fish fauna using environmental DNA from seawater samples[J]. PLoS One, 2012, 7(8): e41732. DOI:10.1371/journal.pone.0041732 |
| [37] |
TAKAHARA T, MINAMOTO T, YAMANAKA H, et al. Estimation of fish biomass using environmental DNA[J]. PLoS One, 2012, 7(4): e35868. DOI:10.1371/journal.pone.0035868 |
| [38] |
FOSTER N R, GOMIS E, MONTEMAYOR D I, et al. Global patterns and drivers of seagrass biomass, net primary production and meadow structure[J]. Journal of Biogeography, 2025, 52(11): e70041. DOI:10.1111/jbi.70041 |
| [39] |
DUARTE A, SPAAN R S, PETERSON J T, et al. Bayesian networks facilitate updating of species distribution and habitat suitability models[J]. Ecological Modelling, 2025, 501: 110982. DOI:10.1016/j.ecolmodel.2024.110982 |
| [40] |
PHAIR N L, NIELSEN E S, VON DER HEYDEN S. Applying genomic data to seagrass conservation[J]. Biodiversity and Conservation, 2021, 30(7): 2079-2096. DOI:10.1007/s10531-021-02184-w |
| [41] |
MUÑIZ-SALAZAR R, TALBOT S L, SAGE G K, et al. Genetic structure of eelgrass Zostera marina meadows in an embayment with restricted water flow[J]. Marine Ecology Progress Series, 2006, 309: 107-116. DOI:10.3354/meps309107 |
| [42] |
FRAIJA-FERNÁNDEZ N, BOUQUIEAUX M C, REY A, et al. Marine water environmental DNA metabarcoding provides a comprehensive fish diversity assessment and reveals spatial patterns in a large oceanic area[J]. Ecology and Evolution, 2020, 10(14): 7560-7584. DOI:10.1002/ece3.6482 |
| [43] |
LEJZEROWICZ F, ESLING P, PILLET L, et al. High-throughput sequencing and morphology perform equally well for benthic monitoring of marine ecosystems[J]. Scientific Reports, 2015, 5: 13932. DOI:10.1038/srep13932 |
| [44] |
CHEN X Y, WEI Q Q, NIU Y N, et al. Complementary roles of eDNA metabarcoding and microscopy in plankton monitoring across seven habitats[J]. Journal of Plankton Research, 2024, 46(6): 555-566. DOI:10.1093/plankt/fbae052 |
| [45] |
CORDIER T, ANGELES I B, HENRY N, et al. Patterns of eukaryotic diversity from the surface to the deep-ocean sediment[J]. Science Advances, 2022, 8(5): eabj9309. DOI:10.1126/sciadv.abj9309 |
| [46] |
DE VARGAS C, AUDIC S, HENRY N, et al. Eukaryotic plankton diversity in the sunlit ocean[J]. Science, 2015, 348(6237): 1261605. DOI:10.1126/science.1261605 |
| [47] |
DJURHUUS A, CLOSEK C J, KELLY R P, et al. Environmental DNA reveals seasonal shifts and potential interactions in a marine community[J]. Nature Communications, 2020, 11: 254. DOI:10.1038/s41467-019-14105-1 |
| [48] |
DENG J, ZHANG X, YAO X, et al. eDNA metabarcoding reveals differences in fish diversity and community structure in Danjiang River[J]. Scientific Reports, 2024, 14: 29460. DOI:10.1038/s41598-024-80907-z |
| [49] |
DUKAN N, CORNELIS I, MAES S, et al. Vertical and horizontal environmental DNA (eDNA) patterns of fish in a shallow and well-mixed North Sea area[J]. Scientific Reports, 2024, 14: 16748. DOI:10.1038/s41598-024-66912-2 |
| [50] |
QIU S T, OOI J L S, CHEN W L, et al. Heterogeneity of fish taxonomic and functional diversity evaluated by eDNA and gillnet along a mangrove-seagrass-coral reef continuum[J]. Animals, 2023, 13(11): 1777. DOI:10.3390/ani13111777 |
| [51] |
DU J G, XIE M L, WANG Y Y, et al. Connectivity of fish assemblages along the mangrove-seagrass-coral reef continuum in Wenchang, China[J]. Acta Oceanologica Sinica, 2020, 39(8): 43-52. DOI:10.1007/s13131-019-1490-7 |
| [52] |
DENG W C, CHEN S Y, CHEN S Q, et al. Impacts of eutrophication on microbial community structure in sediment, seawater, and phyllosphere of seagrass ecosystems[J]. Frontiers in Microbiology, 2024, 15: 1449545. DOI:10.3389/fmicb.2024.1449545 |
| [53] |
GIBB J, HUGGETT M, PLATELL M, et al. Environmental DNA as a tool for detecting ocean outfall impacts and environmental gradients in coastal ecosystems[J]. Science of the Total Environment, 2026, 1010: 181105. DOI:10.1016/j.scitotenv.2025.181105 |
| [54] |
BURKHOLDER J M, TOMASKO D A, TOUCHETTE B W. Seagrasses and eutrophication[J]. Journal of Experimental Marine Biology and Ecology, 2007, 350(1/2): 46-72. |
| [55] |
LIU S L, DENG Y Q, JIANG Z J, et al. Nutrient loading diminishes the dissolved organic carbon drawdown capacity of seagrass ecosystems[J]. Science of the Total Environment, 2020, 740: 140185. DOI:10.1016/j.scitotenv.2020.140185 |
| [56] |
ZHANG X, ZHAO C Y, YU S, et al. Rhizosphere microbial community structure is selected by habitat but not plant species in two tropical seagrass beds[J]. Frontiers in Microbiology, 2020, 11: 161. DOI:10.3389/fmicb.2020.00161 |
| [57] |
TREVATHAN-TACKETT S M, SEYMOUR J R, NIELSEN D A, et al. Sediment anoxia limits microbial-driven seagrass carbon remineralization under warming conditions[J]. FEMS Microbiology Ecology, 2017, 93(6): fix033. |
| [58] |
WANG L, TOMAS F, MUELLER R S. Nutrient enrichment increases size of Zostera marina shoots and enriches for sulfur and nitrogen cycling bacteria in root-associated microbiomes[J]. FEMS Microbiology Ecology, 2020, 96(8): fiaa129. DOI:10.1093/femsec/fiaa129 |
| [59] |
RALPH P J, DURAKO M J, ENRÍQUEZ S, et al. Impact of light limitation on seagrasses[J]. Journal of Experimental Marine Biology and Ecology, 2007, 350(1/2): 176-193. |
| [60] |
CHANG C, ZHOU Y, ZHANG C Y, et al. Environmental stress drives biotic homogenization and food-web destabilization across river basins with contrasting pollution[J]. Environmental Science & Technology, 2026, 60(7): 5270-5284. |
| [61] |
GRAHAM O J, ADAMCZYK E M, SCHENK S, et al. Manipulation of the seagrass-associated microbiome reduces disease severity[J]. Environmental Microbiology, 2024, 26(2): e16582. DOI:10.1111/1462-2920.16582 |
| [62] |
ORTEGA A, GERALDI N R, DUARTE C M. Environmental DNA identifies marine macrophyte contributions to Blue Carbon sediments[J]. Limnology and Oceanography, 2020, 65(12): 3139-3149. DOI:10.1002/lno.11579 |
| [63] |
REEF R, ATWOOD T B, SAMPER-VILLARREAL J, et al. Using eDNA to determine the source of organic carbon in seagrass meadows[J]. Limnology and Oceanography, 2017, 62(3): 1254-1265. DOI:10.1002/lno.10499 |
| [64] |
MARTINS M, ABRANTES F, AIRES T, et al. First assessment of blue carbon stocks, sequestration rates and potential sources since 1900 at Arguin Island (Mauritania)[J]. Aquatic Sciences, 2025, 87(4): 86. DOI:10.1007/s00027-025-01211-0 |
| [65] |
HOSSAIN M S, BUJANG J S, ZAKARIA M H, et al. The application of remote sensing to seagrass ecosystems: an overview and future research prospects[J]. International Journal of Remote Sensing, 2015, 36(1): 61-114. DOI:10.1080/01431161.2014.990649 |
| [66] |
FOSTER N R, JONES A R, SERRANO O, et al. Environmental DNA identifies coastal plant community shift 1, 000 years ago in Torrens Island, South Australia[J]. Communications Earth & Environment, 2024, 5: 115. |
| [67] |
HOLMAN L E, DE BRUYN M, CREER S, et al. Publisher Correction: detection of introduced and resident marine species using environmental DNA metabarcoding of sediment and water[J]. Scientific Reports, 2020, 10(1): 2457. DOI:10.1038/s41598-020-58228-8 |
| [68] |
BELL K L, CAMPOS M, HOFFMANN B D, et al. Environmental DNA methods for biosecurity and invasion biology in terrestrial ecosystems: progress, pitfalls, and prospects[J]. Science of the Total Environment, 2024, 926: 171810. DOI:10.1016/j.scitotenv.2024.171810 |
| [69] |
LI F L, ZHANG X W, XIE Y W, et al. Sedimentary DNA reveals over 150 years of ecosystem change by human activities in Lake Chao, China[J]. Environment International, 2019, 133: 105214. DOI:10.1016/j.envint.2019.105214 |
| [70] |
GOOD E, HOLMAN L E, PUSCEDDU A, et al. Detection of community-wide impacts of bottom trawl fishing on deep-sea assemblages using environmental DNA metabarcoding[J]. Marine Pollution Bulletin, 2022, 183: 114062. DOI:10.1016/j.marpolbul.2022.114062 |
| [71] |
LIU S, WANG P F, WANG C, et al. Ecological insights into the disturbances in bacterioplankton communities due to emerging organic pollutants from different anthropogenic activities along an urban river[J]. Science of the Total Environment, 2021, 796: 148973. DOI:10.1016/j.scitotenv.2021.148973 |
| [72] |
LACOURSIÈRE-ROUSSEL A, CÔTÉ G, LECLERC V, et al. Quantifying relative fish abundance with eDNA: a promising tool for fisheries management[J]. Journal of Applied Ecology, 2016, 53(4): 1148-1157. DOI:10.1111/1365-2664.12598 |
| [73] |
TSUJI S, USHIO M, SAKURAI S, et al. Water temperature-dependent degradation of environmental DNA and its relation to bacterial abundance[J]. PLoS One, 2017, 12(4): e0176608. DOI:10.1371/journal.pone.0176608 |
| [74] |
STRICKLER K M, FREMIER A K, GOLDBERG C S. Quantifying effects of UV-B, temperature, and pH on eDNA degradation in aquatic microcosms[J]. Biological Conservation, 2015, 183: 85-92. DOI:10.1016/j.biocon.2014.11.038 |
| [75] |
GOLDBERG C S, STRICKLER K M, FREMIER A K. Degradation and dispersion limit environmental DNA detection of rare amphibians in wetlands: increasing efficacy of sampling designs[J]. Science of the Total Environment, 2018, 633: 695-703. DOI:10.1016/j.scitotenv.2018.02.295 |
| [76] |
BUXTON A S, GROOMBRIDGE J J, ZAKARIA N B, et al. Seasonal variation in environmental DNA in relation to population size and environmental factors[J]. Scientific Reports, 2017, 7: 46294. DOI:10.1038/srep46294 |
| [77] |
STOECKLE B C, BEGGEL S, CERWENKA A F, et al. A systematic approach to evaluate the influence of environmental conditions on eDNA detection success in aquatic ecosystems[J]. PLoS One, 2017, 12(12): e0189119. DOI:10.1371/journal.pone.0189119 |
| [78] |
SEYMOUR M, DURANCE I, COSBY B J, et al. Acidity promotes degradation of multi-species environmental DNA in lotic mesocosms[J]. Communications Biology, 2018, 1: 4. DOI:10.1038/s42003-017-0005-3 |
| [79] |
KELLY R P, GALLEGO R, JACOBS-PALMER E. The effect of tides on nearshore environmental DNA[J]. PeerJ, 2018, 6: e4521. DOI:10.7717/peerj.4521 |
| [80] |
KONG L R, ZHENG R, FENG Y M, et al. Anammox bacteria adapt to long-term light irradiation in photogranules[J]. Water Research, 2023, 241: 120144. DOI:10.1016/j.watres.2023.120144 |
| [81] |
JANE S F, WILCOX T M, MCKELVEY K S, et al. Distance, flow and PCR inhibition: eDNA dynamics in two headwater streams[J]. Molecular Ecology Resources, 2015, 15(1): 216-227. DOI:10.1111/1755-0998.12285 |
| [82] |
MARÍN A, ALFARO R, REYES-FLORES L E, et al. Development and validation of versatile species-specific primer assays for eDNA monitoring and authentication of 10 commercially important Peruvian marine species[J]. PLoS One, 2025, 20(7): e0313181. DOI:10.1371/journal.pone.0313181 |
| [83] |
纪莹璐, 陈琳琳, 李奇, 等. 基于环境DNA宏条形码技术的庙岛群岛海域大型底栖动物多样性研究[J]. 海洋科学进展, 2025, 43(4): 840-855. |
| [84] |
BOHMANN K, EVANS A, GILBERT M T P, et al. Environmental DNA for wildlife biology and biodiversity monitoring[J]. Trends in Ecology & Evolution, 2014, 29(6): 358-367. |
| [85] |
BEDWELL M E, GOLDBERG C S. Spatial and temporal patterns of environmental DNA detection to inform sampling protocols in lentic and lotic systems[J]. Ecology and Evolution, 2020, 10(3): 1602-1612. DOI:10.1002/ece3.6014 |
| [86] |
PRIETO-BAÑOS S, NEVERS Y, ALTENHOFF A, et al. Annotation matters: the effect of structural gene annotation on orthology inference[J]. Bioinformatics, 2025, 41(7): btaf365. DOI:10.1093/bioinformatics/btaf365 |
| [87] |
LU S X, ZENG H H, XIONG F, et al. Advances in environmental DNA monitoring: standardization, automation, and emerging technologies in aquatic ecosystems[J]. Science China Life Sciences, 2024, 67(7): 1368-1384. DOI:10.1007/s11427-023-2493-5 |
| [88] |
VAN DER OOST R, BEYER J, VERMEULEN N P E. Fish bioaccumulation and biomarkers in environmental risk assessment: a review[J]. Environmental Toxicology and Pharmacology, 2003, 13(2): 57-149. DOI:10.1016/S1382-6689(02)00126-6 |
| [89] |
杜建国, 陈琳, 胡文佳, 等. 海洋生态廊道研究进展: 概念、方法与展望[J]. 应用海洋学学报, 2025, 44(1): 3-14. |
| [90] |
PASCHER K, ŠVARA V, JUNGMEIER M. Environmental DNA-based methods in biodiversity monitoring of protected areas: application range, limitations, and needs[J]. Diversity, 2022, 14(6): 463. DOI:10.3390/d14060463 |
| [91] |
BREIMAN L. Random forests[J]. Machine Learning, 2001, 45: 5-32. DOI:10.1023/A:1010933404324 |
| [92] |
YOON H J, SEO J H, SHIN S H, et al. Bioinformation and monitoring technology for environmental DNA analysis: a review[J]. Biosensors, 2025, 15(8): 494. DOI:10.3390/bios15080494 |
| [93] |
OLDEN J D, LAWLER J J, POFF N L. Machine learning methods without tears: a primer for ecologists[J]. The Quarterly Review of Biology, 2008, 83(2): 171-193. DOI:10.1086/587826 |