CN103604912A - 筛选水质基准受试生物的方法 - Google Patents
筛选水质基准受试生物的方法 Download PDFInfo
- Publication number
- CN103604912A CN103604912A CN201310611407.3A CN201310611407A CN103604912A CN 103604912 A CN103604912 A CN 103604912A CN 201310611407 A CN201310611407 A CN 201310611407A CN 103604912 A CN103604912 A CN 103604912A
- Authority
- CN
- China
- Prior art keywords
- pollutant
- species
- water quality
- toxicity
- smav
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开一种筛选水质基准受试生物的方法,包括以下步骤:步骤1,确定本土代表性的水生生物;步骤2,对物种毒性数据进行搜集和筛选,并确定毒性最强的污染物;步骤3,对污染物毒性数据进行搜集和筛选,并对污染物的物种敏感度进行排序;步骤4,确定水质基准受试生物。本发明可以快速确定水质基准受试生物,可以为我国水环境保护以及水质基准研究提供支持。
Description
技术领域
本发明涉及水质检测领域,尤其涉及一种筛选水质基准受试生物的方法。
背景技术
水质基准是水质标准制定的科学依据,为水环境保护提供了科学的准绳和尺度。在水质基准制定的过程中,需要针对保护的水生生物开展污染物的毒理学测试,因此水质基准受试生物的选择至关重要,直接决定了水质基准的阈值。
水生生态系统中不同水生生物对污染物和环境压力的敏感性不同,其中敏感生物最易受到环境压力的影响而使种群发生波动,从而影响到整个水生生物群落的稳定和安全。因此,对敏感水生生物的保护对于保护水环境安全至关重要,敏感水生生物也是水质基准的重要保护对象,因而敏感水生生物类群经常被选用做水质基准受试生物。但如何确定敏感水生生物类群、如何筛选水质基准受试生物尚未解决。
国外发达国家对水质基准阈值推导中所需的生物门类进行了规定,但由于生物类群较多,具体使用哪些生物进行水质基准推导,并未推荐具体的敏感受试生物名单。鉴于我国水生生物种类众多,各物种分布区域差别较大,筛选敏感的水生物种对于保护我国水环境质量以及进行水质基准研究具有重要的意义。
发明内容
本发明的目的是:通过水生生物毒性数据的筛选与数据分析,提出了一种快速确定水质基准受试生物的方法,可以为我国水环境保护以及水质基准研究提供支持。
为了实现上述目的,本发明的技术方案是:
一种筛选水质基准受试生物的方法,包括以下步骤:
步骤1,确定本土代表性的水生生物;
步骤2,对物种毒性数据进行搜集和筛选,并确定毒性最强的污染物;
步骤3,对污染物毒性数据进行搜集和筛选,并对污染物的物种敏感度进行排序;
步骤4,确定水质基准受试生物。
进一步的,所述步骤2还包括以下步骤:
步骤21,将同种污染物对同一种水生生物的毒性值求几何平均值,得到种平均急性值SMAV值;
步骤22,对同一物种,依据污染物的SMAV的大小,对污染物进行排序;
步骤23,依据污染物SMAV的排序结果,分别选出对某种生物毒性最强的前3种污染物;
步骤24,将生物类群中各物种的前3种污染物合并,得到对该生物类群毒性最强的污染物名单。
进一步的,所述步骤3还包括以下步骤:
步骤31,搜集和筛选毒性最强的污染物生态毒性数据;
步骤32,计算同一污染物的物种SMAV值,并进行升序排列;
步骤33,计算每个物种的累积概率p,计算公式:p=ni/(n+1),i=1~n,式中n为同一污染物的SMAV个数,ni为每个物种的排序序数;
步骤四,p值小于30%的物种被确定为对该污染物敏感的水生生物,作为水质基准受试生物;
步骤五,重复上述步骤一至四,确定所有水质基准受试生物种类。
本发明由于采用了上述技术,使之与现有技术相比具有的积极效果是:本发明可以快速确定水质基准受试生物,可以为我国水环境保护以及水质基准研究提供支持。
附图说明
图1是本发明筛选水质基准受试生物的方法的流程图。
图2是本发明实施例一浮游甲壳类物种敏感性分布图。
图3是本发明实施例二底栖甲壳类物种敏感性分布图。
具体实施方式
以下结合附图进一步说明本发明的实施例。
请参见图1所示,本发明筛选水质基准受试生物的方法具体如下:
1、本土代表性水生生物的确定
根据水生生物分类学原则,首先对水生生物大类别进行确定,如水生生物主要可以分为:鱼类生物、甲壳类生物、两栖类生物、昆虫类生物、软体类生物、环节类生物等。然后主要依据生物地理分布的广泛性确定本土代表性水生生物,要求代表性水生生物至少分布在我国3个流域或4个省份以上。
2、数据搜集
针对某类代表性水生生物,依据美国环境保护署发布的《推导保护水生生物及其用途的水质基准技术指南》(1985)中规定的数据准入规范(见下),搜集筛选此类生物的生物毒性数据。
数据准入规范:
①不能采用单细胞生物毒性数据,试验水蚤的年龄不能大于24h,试验用摇蚊幼虫应该是二龄或三龄;
②试验过程不能喂食;
③稀释用水的总有机碳或颗粒物质量浓度应小于5mg/L;
④溞类或其他枝角类和摇蚊幼虫的急性毒性试验指标是48h LC50或EC50,鱼类及其他生物是96h LC50或EC50;
⑤同种或同属的急性毒性数据如果差异过大,应被判断为有疑点的数据而谨慎使用;
⑥优先使用对受试浓度进行检测的毒性数据;
⑦优先使用流水式试验数据、其次为半静态试验数据、最后为静态试验数据。
⑧仅能使用我国境内存在的本土物种的毒性数据
3、对某类生物毒性最强的污染物的确定
对搜集得到的合格毒性数据进行数据分析,确定对此类生物毒性最强的污染物名单。
数据分析步骤:
①将同种污染物对同一种生物的毒性值(V1,V2,……,Vn)求几何平均值,得到种平均急性值(SMAV,species mean acute value),SMAV=;
②对同一物种,依据污染物的种平均急性值SMAV的大小,对污染物进行排序,SMAV越小,则污染物的毒性越大;
③依据污染物SMAV的排序结果,分别选出对某种生物毒性最强(SMAV值最小)的前3种污染物;
④将该生物类群中各物种的前3种污染物合并,得到对该类生物毒性最强的污染物名单。
4、水质基准受试生物的确定
对如上所选出的污染物,依照上述数据准入规范重新搜集生态毒性数据;采用物种敏感性分布法(species sensitivity distribution,SSD),对同一污染物的各物种SMAV值进行敏感性排序,方法如下:
①搜集筛选毒性最强的污染物生态毒性数据;
②计算同一污染物的物种SMAV值,并进行升序排列;
③计算每个物种的累积概率p,计算公式:p=ni/(n+1),i=1~n,式中n为同一污染物的SMAV个数,ni为每个物种的排序序数;
④p值小于30%的物种被确定为对该污染物敏感的水生生物,推荐作为水质基准受试生物。
⑤对各种污染物的敏感水生生物进行归纳,确定对应于污染物名单的水质基准受试生物种类。
二、敏感水生生物筛选流程图
进行水质基准受试生物筛选的流程图如图1所示,并在下文对我国甲壳类水质基准受试生物进行筛选示范。
三、我国本土甲壳类基准受试生物筛选示范
以甲壳类生物为示范进行筛选,以期确定我国本土甲壳类生物的水质基准受试生物。
1、代表性本土甲壳类动物的选择
通过查阅《中国动物志》、《水生生物监测手册》和中国知网CNKI等数据库,主要依据物种在我国的地理分布范围等,并充分考虑生态毒理试验常用测试物种,确定具有代表性的本土浮游和底栖甲壳类动物。其中,浮游甲壳类共筛选出34个物种,底栖甲壳类共筛选出9个物种。
2、毒性数据的筛选
搜集上面步骤选出的本土代表性甲壳类动物的毒性数据,数据来源主要包括:美国环境保护署毒性数据库USEPA ECOTOX和中国知网CNKI数据库等。结果表明,浮游甲壳类的16个物种缺乏毒性数据,3个物种数据过少,15个物种数据较多,分别为溞科的12种、仙达溞科的1种、盘肠溞科的1种和栉水虱科的1种。通过对底栖甲壳类的9个物种进行毒性数据搜集发现,底栖甲壳类的3个物种毒性数据过少,6个物种毒性数据较多,分别为:长臂虾科的2种、钩虾科的2种、蜊蛄科的1种和方蟹科的1种。
依据美国水生生物基准技术指南的“数据准入规范”,对搜集的生物毒性数据进行初步筛选。
3、对甲壳类生物毒性最强的污染物名单的确定
对筛选得到的合格急性毒性数据进行整理和计算,求得各类污染物对所选物种的SMAV值;对同一物种的不同污染物的SMAV从小到大进行排序,选择对每种甲壳类动物毒性较大的前3名污染物;合并各甲壳类物种的毒性污染物名单,得到对甲壳类生物毒性最强的污染物名单。结果表明,对我国浮游甲壳类生物毒性较大并且毒性数据较多的污染物分别为:有机磷化合物、有机氯化合物、重金属、富营养物、苯系物和酯类化合物。
4、水质基准受试生物确定
重新搜集各污染物生物毒性数据,并计算SMAV及进行排序。将甲壳类生物分为浮游甲壳类和底栖甲壳类分别进行数据分析。
图2展示了浮游甲壳类的SMAV排序结果,可知,栉水虱科对各类污染物的敏感性比较低,均排在最不敏感的位置,并且敏感性远低于溞科、仙达溞科、盘肠溞科物种。
对于底栖甲壳类生物,如图3所示,对6个物种的最敏感的前15个污染物的毒性数据进行分类,对我国底栖甲壳类生物毒性较大并且毒性数据较多的污染物分别为:有机磷化合物、有机氯化合物、重金属、富营养物和酯类化合物。通过对各污染物的物种敏感性排序可知,对各类污染物最敏感的是钩虾科,其次为长臂虾科、方蟹科,蜊蛄科对各类污染物的敏感性比较低,均排在最不敏感的位置,并且敏感性远低于钩虾科、长臂虾科物种。
综上可知,在推导我国重金属污染物的水质基准时,大型溞、蚤状溞、锯顶低额溞、僧帽溞和透明溞可以作为推荐的浮游甲壳类受试生物;在推导有机污染物和富营养物质氨氮的水质基准时,模糊网纹溞和蚤状溞可为推荐的浮游甲壳类受试生物。对于底栖甲壳类生物,在推导我国重金属污染物的水质基准时,蚤状钩虾和日本沼虾可以作为推荐的受试生物;而对于有机污染物和富营养物质氨氮的水质基准,蚤状钩虾、淡水钩虾、中华绒螯蟹可为推荐的受试生物。
Claims (3)
1.一种筛选水质基准受试生物的方法,其特征在于:包括以下步骤:
步骤1,确定本土代表性的水生生物;
步骤2,对物种毒性数据进行搜集和筛选,并确定毒性最强的污染物;
步骤3,对污染物毒性数据进行搜集和筛选,并对污染物的物种敏感度进行排序;
步骤4,确定水质基准受试生物。
2.根据权利要求1所述的筛选水质基准受试生物的方法,其特征在于:所述步骤2还包括以下步骤:
步骤21,将同种污染物对同一种水生生物的毒性值求几何平均值,得到种平均急性值SMAV值;
步骤22,对同一物种,依据污染物的SMAV的大小,对污染物进行排序;
步骤23,依据污染物SMAV的排序结果,分别选出对某种生物毒性最强的前3种污染物;
步骤24,将生物类群中各物种的前3种污染物合并,得到对该生物类群毒性最强的污染物名单。
3.根据权利要求1所述的筛选水质基准受试生物的方法,其特征在于:所述步骤3还包括以下步骤:
步骤31,搜集和筛选毒性最强的污染物生态毒性数据;
步骤32,计算同一污染物的物种SMAV值,并进行升序排列;
步骤33,计算每个物种的累积概率p,计算公式:p=ni/(n+1),i=1~n,式中n为同一污染物的SMAV个数,ni为每个物种的排序序数;
步骤四,p值小于30%的物种被确定为对该污染物敏感的水生生物,作为水质基准受试生物;
步骤五,重复上述步骤一至四,确定所有水质基准受试生物种类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310611407.3A CN103604912A (zh) | 2013-11-26 | 2013-11-26 | 筛选水质基准受试生物的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310611407.3A CN103604912A (zh) | 2013-11-26 | 2013-11-26 | 筛选水质基准受试生物的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103604912A true CN103604912A (zh) | 2014-02-26 |
Family
ID=50123155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310611407.3A Pending CN103604912A (zh) | 2013-11-26 | 2013-11-26 | 筛选水质基准受试生物的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103604912A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104722569A (zh) * | 2013-12-18 | 2015-06-24 | 中国环境科学研究院 | 确定化工区土壤重金属生态安全阈值的方法 |
CN105205322A (zh) * | 2015-09-17 | 2015-12-30 | 中国环境科学研究院 | 基于模型预测的生物毒性预测方法 |
CN105224781A (zh) * | 2014-07-04 | 2016-01-06 | 中国环境科学研究院 | 评估水体突发性污染事故风险的方法及装置 |
CN105279356A (zh) * | 2014-07-04 | 2016-01-27 | 中国环境科学研究院 | 获取水环境基准优先研究污染物的方法及装置 |
CN105303015A (zh) * | 2014-07-04 | 2016-02-03 | 中国环境科学研究院 | 优化污染场地土壤生态毒性诊断结果的方法及装置 |
CN106556683A (zh) * | 2016-11-23 | 2017-04-05 | 中国环境科学研究院 | 一种水生生物基准值测定方法 |
CN113740510A (zh) * | 2021-09-06 | 2021-12-03 | 宁波大学 | 农田土壤动物活性生物传感器的绿色生态浮标的筛选方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005091091A (ja) * | 2003-09-16 | 2005-04-07 | Fuji Electric Systems Co Ltd | 環境水中の有害物質のモニタリング方法 |
CN102175606A (zh) * | 2011-01-19 | 2011-09-07 | 西安建筑科技大学 | 一种污水急性生物毒性的检测方法 |
CN103336889A (zh) * | 2013-06-07 | 2013-10-02 | 中国环境科学研究院 | 水生生物水质基准值推导方法及水质安全评价方法 |
-
2013
- 2013-11-26 CN CN201310611407.3A patent/CN103604912A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005091091A (ja) * | 2003-09-16 | 2005-04-07 | Fuji Electric Systems Co Ltd | 環境水中の有害物質のモニタリング方法 |
CN102175606A (zh) * | 2011-01-19 | 2011-09-07 | 西安建筑科技大学 | 一种污水急性生物毒性的检测方法 |
CN103336889A (zh) * | 2013-06-07 | 2013-10-02 | 中国环境科学研究院 | 水生生物水质基准值推导方法及水质安全评价方法 |
Non-Patent Citations (2)
Title |
---|
刘征涛等: ""三门六科"水质基准最少毒性数据需求原则", 《环境科学研究》, vol. 25, no. 12, 31 December 2012 (2012-12-31), pages 1364 - 1369 * |
王伟莉等: "五种底栖动物对优控污染物的敏感性评价", 《中国环境科学》, vol. 33, no. 10, 20 October 2013 (2013-10-20) * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104722569A (zh) * | 2013-12-18 | 2015-06-24 | 中国环境科学研究院 | 确定化工区土壤重金属生态安全阈值的方法 |
CN104722569B (zh) * | 2013-12-18 | 2019-04-12 | 中国环境科学研究院 | 确定化工区土壤重金属生态安全阈值的方法 |
CN105224781A (zh) * | 2014-07-04 | 2016-01-06 | 中国环境科学研究院 | 评估水体突发性污染事故风险的方法及装置 |
CN105279356A (zh) * | 2014-07-04 | 2016-01-27 | 中国环境科学研究院 | 获取水环境基准优先研究污染物的方法及装置 |
CN105303015A (zh) * | 2014-07-04 | 2016-02-03 | 中国环境科学研究院 | 优化污染场地土壤生态毒性诊断结果的方法及装置 |
CN105303015B (zh) * | 2014-07-04 | 2018-04-10 | 中国环境科学研究院 | 优化污染场地土壤生态毒性诊断结果的方法及装置 |
CN105224781B (zh) * | 2014-07-04 | 2018-06-29 | 中国环境科学研究院 | 评估水体突发性污染事故风险的方法及装置 |
CN105205322A (zh) * | 2015-09-17 | 2015-12-30 | 中国环境科学研究院 | 基于模型预测的生物毒性预测方法 |
CN106556683A (zh) * | 2016-11-23 | 2017-04-05 | 中国环境科学研究院 | 一种水生生物基准值测定方法 |
CN113740510A (zh) * | 2021-09-06 | 2021-12-03 | 宁波大学 | 农田土壤动物活性生物传感器的绿色生态浮标的筛选方法 |
CN113740510B (zh) * | 2021-09-06 | 2023-09-08 | 宁波大学 | 农田土壤动物活性生物传感器的绿色生态浮标的筛选方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103604912A (zh) | 筛选水质基准受试生物的方法 | |
Emad AM et al. | Assessment of water quality of Euphrates River using cluster analysis | |
Marques | Ecological indicators for coastal and estuarine environmental assessment: a user guide | |
Schmera et al. | A proposed unified terminology of species traits in stream ecology | |
Cummins et al. | The use of invertebrate functional groups to characterize ecosystem attributes in selected streams and rivers in south Brazil | |
Carneiro et al. | Influence of taxonomic and numerical resolution on the analysis of temporal changes in phytoplankton communities | |
Pilière et al. | On the importance of trait interrelationships for understanding environmental responses of stream macroinvertebrates | |
Wu et al. | Assessment of aquatic ecological health based on determination of biological community variability of fish and macroinvertebrates in the Weihe River Basin, China | |
Kuhar et al. | Development of a River Macrophyte Index (RMI) for assessing river ecological status | |
Bonato et al. | Diet and trophic guilds of fish assemblages in two streams with different anthropic impacts in the northwest of Paraná, Brazil | |
Teixeira et al. | Calibration and validation of the AZTI's Marine Biotic Index (AMBI) for Southern California marine bays | |
Banks-Leite et al. | The confounded effects of habitat disturbance at the local, patch and landscape scale on understorey birds of the Atlantic Forest: Implications for the development of landscape-based indicators | |
CN103440539B (zh) | 一种用户用电数据处理方法 | |
Rimet et al. | A trait database for Phytoplankton of temperate lakes | |
Qin et al. | Quantitative tolerance values for common stream benthic macroinvertebrates in the Yangtze River Delta, Eastern China | |
Ni et al. | Benthic ecological quality assessment of the Bohai Sea, China using marine biotic indices | |
Ferreira et al. | The fish zonation of the Itanhaém river basin in the Atlantic Forest of southeast Brazil | |
CN105279356B (zh) | 获取水环境基准优先研究污染物的方法及装置 | |
Paz et al. | Impacts of urban and industrial pollution on functional traits of benthic macroinvertebrates: Are some traits advantageous for survival? | |
Wei et al. | Fungal spore indicators of vegetation and highland pastoralism in modern topsoil and dung, eastern Tibetan Plateau | |
Cardoso et al. | Relationship between nematode assemblages and physical properties across land use types | |
Pyron et al. | Are long-term fish assemblage changes in a large US river related to the Asian Carp invasion? Test of the hostile take-over and opportunistic dispersal hypotheses | |
Stojković et al. | Using a fish-based model to assess the ecological status of lotic systems in Serbia | |
Pingram et al. | Food web characteristics of fish communities across degraded lakes provide insights for management in multi-stressor environments | |
Ao et al. | Harmonizing and searching macroinvertebrate trait information in alpine streams: method and application–a case study in the three parallel rivers region, China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140226 |