Waterholes that remain in the dry season in intermittent dryland rivers are important biotic refugia, but detailed ecological descriptions of these habitats and their plankton are scarce. We aimed to determine spatial and temporal variation in phytoplankton assemblages in a tropical Australian dryland river system, their main environmental determinants and the potential of the phytoplankton for ecosystem monitoring. We sampled nine sites in three rivers over 2 years using standard methods. Water quality and phytoplankton assemblages varied considerably among sites, rivers and seasons, reflecting lithology, hydrology, bathymetry and local catchment influences. Major environmental drivers included conductivity, pH, temperature and species of N and P. We analysed several derived versions of the original dataset by using density and presence–absence data, eliminating rarer species and grouping species into higher taxa. We found substantial consistency among analyses in environmental drivers, identified using distance-based linear modelling, and in variability among systems, identified using nested permutational multivariate analysis of variance (PERMANOVA). Responsiveness of the algal assemblages to environmental drivers and consistency among analyses, even using subsamples at low taxonomic resolution, suggests potential for ecosystem monitoring and optimising of sample throughput, although variability among systems requires substantial effort to determine the range of reference conditions.

中文翻译：

---

旱地河流水坑中的浮游植物：使用不同级别的分类分辨率和数据集缩减的环境驱动因素、可变性和生态系统监测潜力

在断断续续的旱季河流中留在旱季的水坑是重要的生物避难所，但对这些栖息地及其浮游生物的详细生态描述很少。我们旨在确定澳大利亚热带旱地河流系统中浮游植物组合的时空变化、它们的主要环境决定因素以及浮游植物在生态系统监测中的潜力。我们在 2 年内使用标准方法在 3 条河流的 9 个地点取样。水质和浮游植物组合因地点、河流和季节而异，反映了岩性、水文、水深和当地集水区的影响。主要的环境驱动因素包括电导率、pH 值、温度以及 N 和 P 的种类。我们通过使用密度和存在-不存在数据分析了原始数据集的几个派生版本，消除了稀有物种并将物种分组为更高的分类群。我们发现使用基于距离的线性建模确定的环境驱动因素分析和使用嵌套置换多变量方差分析 (PERMANOVA) 确定的系统之间的可变性分析之间具有实质性的一致性。藻类组合对环境驱动因素的响应和分析之间的一致性，即使使用低分类分辨率的子样本，也表明了生态系统监测和样本吞吐量优化的潜力，尽管系统之间的可变性需要大量努力来确定参考条件的范围。我们发现使用基于距离的线性建模确定的环境驱动因素分析和使用嵌套置换多变量方差分析 (PERMANOVA) 确定的系统之间的可变性分析之间具有实质性的一致性。藻类组合对环境驱动因素的响应和分析之间的一致性，即使使用低分类分辨率的子样本，也表明了生态系统监测和样本吞吐量优化的潜力，尽管系统之间的可变性需要大量努力来确定参考条件的范围。我们发现使用基于距离的线性建模确定的环境驱动因素分析和使用嵌套置换多变量方差分析 (PERMANOVA) 确定的系统之间的可变性分析之间具有实质性的一致性。藻类组合对环境驱动因素的响应和分析之间的一致性，即使使用低分类分辨率的子样本，也表明了生态系统监测和样本吞吐量优化的潜力，尽管系统之间的可变性需要大量努力来确定参考条件的范围。