CN107273669B - 生态清淤工程水生态修复效果的监控方法 - Google Patents
生态清淤工程水生态修复效果的监控方法 Download PDFInfo
- Publication number
- CN107273669B CN107273669B CN201710395752.6A CN201710395752A CN107273669B CN 107273669 B CN107273669 B CN 107273669B CN 201710395752 A CN201710395752 A CN 201710395752A CN 107273669 B CN107273669 B CN 107273669B
- Authority
- CN
- China
- Prior art keywords
- dredging
- index
- data
- monitoring
- point
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/40—Protecting water resources
- Y02A20/402—River restoration
Abstract
本发明涉及生态清淤工程水生态修复效果的监控方法，包括：生态清淤工程实施之前，在预设的监测区域内设置若干测试采样点，并分别获取采样数据；对各测试采样点获取的采样数据进行聚类分析；根据聚类分析结果，从各测试采样点中选出至少一个测试采样点，作为监控采样点；在预设的各采样时间点，各监控采样点分别获取采样数据，作为清淤前采样数据；生态清淤工程实施之后，各监控采样点继续在预设的各采样时间点获取采样数据，作为清淤后采样数据；根据清淤前采样数据和清淤后采样数据，筛选出效果监控指标；按效果监控指标，结合清淤前采样数据和清淤后采样数据，判断水生态修复效果。本发明方法能对生态清淤工程的水生态修复效果作出客观判断。
Description
技术领域
本发明涉及一种生态清淤工程水生态修复效果的监控方法，属于流域水污染防治监控预警技术领域。
背景技术
河流、湖泊、近海水体等水生态系统受到破坏，出现水质恶化、藻类爆发、生物多样性降低等各种水生态问题，水体使用功能逐渐丧失。生态修复或生态重建工程措施是修复受损水生态系统重要手段。
其中，生态修复是通过人为改变和切断导致生态系统退化的主导因子或过程，调整、配置和优化系统内部及其与外界的物质、能量和信息流动过程和时空秩序，使生态系统的结构、功能尽快恢复到受损前甚至于更高的水平。
底泥清淤生态修复方法属于生态修复措施之一，它是利用机械作用力将沉积在水底受污染的泥沙从水体剥离出去，实现清除内源污染的生态修复方法，该方法能够直接将污染物清除出水体，实现将污染源“釜底抽薪”的目的。底泥清淤生态修复方法通常应用于水体底质污染物累积严重、污染物释放对上覆水体易形成“二次”污染的水体。
随着人们对内源污染认识深入，生态清淤作为近20年来发展起来的环保技术，不但能够清除底泥中的污染物，还可为水生态系统的恢复创造条件。环保生态清淤是水利工程、环境工程和疏浚工程交叉的边缘工程技术，其与一般工程疏浚的区别主要在于：环保生态清淤旨在清除湖泊中富含污染物质的底泥和浮淤，并要求尽可能保护水生生态系统恢复的生境条件。
环保生态清淤主要有以下几个特点：1、泥沙搅动少,扩散和泄漏少,吸入浓度高,悬浮状态的污染物对周围水体影响小；2、定位精度高、开挖精度高, 能彻底清除污染物,超挖量少,既保证环保疏浚效果,又降低工程成本；3、避免淤泥输送过程中的泄漏对水体造成二次污染；4、对疏浚的污染底泥进行安全处理,避免污染物对其他水系及环境的污染。
生态清淤工程量大，耗费的时间和精力较大，且对水生植物生长和底栖动物潜在干扰较大，这就需要科学合理地监控该工程实施后的生态修复效果。
完整的水生态系统通常认为由水体所处的物理环境如河流的水文地貌、泥沙底质、温度、水流流态等，化学组成如水体内电导率、溶解氧、各种营养元素、污染物等，以及各种生物组成如浮游动植物、大型水生植物、底栖生物、鱼类等共同组成。对于水生态修复效果的监控主要是通过监测水生态系统结构组成的变化，判断是否具备相应的使用功能来实现的。
国内外的水生态修复工程中已经分别从水质、重金属、水生生物、栖息地质量等多个方面，利用不同的监测指数开展了修复效果的监控。
例如，美国环保署国家风险管理研究实验室在对流向切萨皮克湾的波托马克河的一个城市流域河流生态恢复项目开展了水生态监测。该研究于生态工程实施前后分别在实施区的上游和下游监测了河流水质和底栖动物。结果表明，经过项目实施2年后运用底栖动物监控的河流生态指数略有改善，但是河流水质和微生物指标并没有显著改善。仅靠减少河道岸边侵蚀、稳定河床、恢复河岸带不能完全实现生态恢复目标，特别是恢复对水质敏感的生物。若要改善河流水质，仅靠某个河段的生态恢复还不够，需要在全流域对污染负荷进行有效控制。采用最佳管理模式控制暴雨径流减少和延迟洪峰有助于提高生物栖息地和水质[1]。
我国科学家也有不少水生态修复工程效果的报道，但是大多数均为生态修复实施主体实施，均从正面说明工程实施效果，鲜有工程实施效果不理想的报道。例如，北京什刹海水体修复工程试验[2]，上海大莲湖湿地修复示范工程[3]，天津大沽河排污河道开展原位生态修复工程[4]，等。总体来说，我国已经开展水生态修复项目监测总量占已经实施的生态修复工程比例较低，特别缺乏由独立于施工方组织实施的第三方全面监测和评估。
然而，目前国内外针对水生态系统修复工程项目开展相应的水生态修复监测工作并没有得到完全重视，水生态修复措施实施效果没有得到全面、客观、科学、合理的监控，不利于水生态修复经验教训的总结。
例如，欧盟水框架指针水生态恢复项目监测得到的数据主要在小尺度和单个生态系统压力，缺乏流域数据。Verdonschot等总结欧盟水框架指针实施的水生态恢复工程监测相对薄弱时，提出可能包括的主要原因有：1、大多数项目在制定恢复方案时就没有包括监测内容，这可能与没有强制要求有关；2、即使有恢复工程项目开展生态监测，采样的方法和持续的时间通常较短，甚至短于生态恢复效果显现滞后期；3、大多数水管理部门不注意长期的或者整个生态系统生态过程，而是看重短期的效果，对长期监控没有兴趣；4、科研人员对生态恢复过程的研究重视程度不够[5]。
因此，亟待提出科学合理的、能监控水体流域内生态清淤工程对其水生态修复效果的方法。
发明内容
本发明所要解决的技术问题是：克服现有技术存在的问题，提出一种生态清淤工程水生态修复效果的监控方法，通过该监控方法能对生态清淤工程的水生态修复效果作出客观判断。
本发明解决其技术问题的技术方案如下：
生态清淤工程水生态修复效果的监控方法，其特征是，包括以下步骤：
第一步、生态清淤工程实施之前，在预设的监测区域内设置若干测试采样点，并分别获取采样数据；对各测试采样点获取的采样数据进行聚类分析；根据聚类分析结果，从各测试采样点中选出至少一个测试采样点，作为监控采样点；在预设的各采样时间点，各监控采样点分别获取采样数据，作为清淤前采样数据；所述采样数据的类型包括水质数据、底泥理化性质数据、底栖动物生物学数据；
第二步、生态清淤工程实施之后，各监控采样点继续在预设的各采样时间点获取采样数据，作为清淤后采样数据；
第三步、根据清淤前采样数据和清淤后采样数据，筛选出效果监控指标；效果监控指标的类型包括与底泥理化性质数据相关的底泥理化性质指标、与底栖动物生物学数据相关的底栖动物生物学指标；
第四步、按效果监控指标，结合清淤前采样数据和清淤后采样数据，判断生态清淤工程对水生态修复的效果。
本发明进一步完善的技术方案如下：
优选地，第一步中，所述聚类分析的具体过程包括以下步骤：
S1、在采样数据的类型中，选择至少一个类型作为聚类分析的依据，转至S2；
S2、以S1所选择类型中的一个类型作为当前分析类型，转至S3；
S3、在各测试采样点获取的采样数据中，以当前分析类型的数据为基础，分别采用层次聚类分析方法和非层次聚类分析方法，将各测试采样点进行分组，并获得层次分组结果和非层次分组结果；转至S4；
S4、先根据层次分组结果确定分组数量，再将分组数量相同的非层次分组结果与层次分组结果进行比较，然后以该层次分组结果作为当前分析类型的聚类分析分组结果，或者，参考该非层次分组结果对该层次分组结果进行调整后作为当前分析类型的聚类分析分组结果；转至S5；
S5、判断S1所选择类型中是否还有类型未进行聚类分析，若是，则以S1 所选择类型中的下一个类型作为当前分析类型，转至S3；若否，则转至S6；
S6、先从所得的各类型的聚类分析分组结果中选择一个分组结果，再按该分组结果从各组中分别选择一个测试采样点作为监控采样点；或者，先从所得的各类型的聚类分析分组结果中选择一个待用分组结果，再参考其余的各类型的聚类分析分组结果对待用分组结果进行调整后得出最终分组结果，再按该最终分组结果从各组中分别选择一个测试采样点作为监控采样点。
更优选地，S3中，采用层次聚类分析方法时，先分别以单链接聚合聚类法、完全链接聚合聚类法、平均聚合聚类法、Ward最小方差聚类法对各测试采样点进行分组，并分别获得初步分组结果，然后将这些初步分组结果进行重新排列并获得重排分组结果，作为层次分组结果；
采用非层次聚类分析方法时，按照不同的分组数量对各测试采样点进行分组，并获得一组不同分组数量下的分组结果，作为非层次分组结果。
优选地，第一步中，采样时间点的确定过程包括以下步骤：
T1、在生态清淤工程实施之前，且在确定监控采样点之后，于所述监测区域内：
在平水期、丰水期和枯水期中的至少两个时期，分别设至少一个时间点，作为测试采样时间点；或者，在春季、夏季、秋季和冬季中的至少两个季节，分别设至少一个时间点，作为测试采样时间点；转至T2；
T2、各监控采样点分别在各测试采样时间点采集底栖动物生物学数据；转至T3；
T3、针对每个监控采样点，分别对其在各测试采样时间点采集的底栖动物生物学数据进行聚类分析；转至T4；
T4、根据聚类分析结果，从各测试采样时间点中选出后续正式使用的采样时间点。
优选地，第三步中，底泥理化性质指标的筛选过程包括：
将清淤前、后采样数据中的底泥理化性质数据进行比较，从中筛选出能将监控采样点的清淤前、后状态区别开的底泥理化性质数据，作为效果监控指标的底泥理化性质指标；其中，所述底泥理化性质数据包括全氮含量、有效磷含量、总磷含量、底泥pH值、有机质含量、含水率。
优选地，第三步中，底栖动物生物学指标的筛选过程包括：
根据清淤前、后采样数据中的底栖动物生物学数据，分别计算出清淤前、后底栖动物生物学候选指标，然后将清淤前、后底栖动物生物学候选指标进行比较，从中筛选出能将监控采样点的清淤前、后状态区别开的指标，作为效果监控指标的底栖动物生物学指标；
其中，所述底栖动物生物学候选指标包括群落丰度类指标、物种组成类指标、生物耐污能力类指标、功能摄食类指标、生物多样性指数类指标以及综合指数类指标；
所述群落丰度类指标包括总分类单元数，软体动物分类单元数，甲壳动物分类单元数，摇蚊分类单元数，甲壳动物及软体动物的分类单元数，蛭纲分类单元数，总密度，寡毛纲密度或Wright指数，蛭纲密度；
所述物种组成类指标包括优势分类单元个体相对丰度，前3位优势分类单元相对丰度，颤蚓相对丰度，摇蚊相对丰度，甲壳动物相对丰度，软体动物相对丰度，腹足纲相对丰度，甲壳动物及软体动物的相对丰度，寡毛纲相对丰度，水丝蚓相对丰度；
所述生物耐污能力类指标包括敏感类群分类单元数、耐污类群相对丰度，敏感类群相对丰度；
所述功能摄食类指标包括捕食者相对丰度，滤食者相对丰度，刮食者相对丰度，撕食者相对丰度，直接收集者相对丰度；
所述生物多样性指数类指标包括Shannon-wiener生物多样性指数， Simpson多样性指数，invSimpson多样性指数，Pielou均匀度指数，Margalef 多样性指数；
所述综合指数类指标包括BI指数，BPI指数。
优选地，第四步中，判断生态清淤工程对水生态修复的效果包括判断水质修复效果，判断底泥修复效果以及底栖动物生态修复效果；
判断水质修复效果即：通过比较清淤前、后采样数据中的水质数据，判断水质是否变好；
判断底泥修复效果即：通过比较清淤前、后的底泥理化性质指标，判断底泥污染程度是否减轻；
判断底栖动物生态修复效果即：通过比较清淤前、后采样数据中的底栖动物生物学指标，判断底栖动物生态是否转好。
优选地，第一步中，所述水质数据包括水pH值、溶解氧含量、总氮含量、总磷含量、氨氮含量、高锰酸盐指数、BOD5；所述底泥理化性质数据包括全氮含量、有效磷含量、总磷含量、底泥pH值、有机质含量、含水率；所述底栖动物生物学数据包括底栖动物群落组成和数量。
优选地，第一步中，设置测试采样点时，先将预设的监测区域划分为：入口区、深水区以及出口区，或者，亚沿岸带以及沿岸带，或者污染区以及相对清洁区；再在各区或各带内分别设置至少一个测试采样点。
优选地，第一步中，所述聚类分析采用的统计软件为R语言的Stats工具包；第三步中，筛选时采用的筛选方法包括分布范围检验法、敏感性分析法、相关性分析法。
本发明构建了能反映生态清淤工程对水生态环境影响的方法，可对实施生态清淤工程的水体水生态修复效果进行监控，并作出客观判断。
附图说明
图1至图4分别为本发明实施例1中以底泥理化性质数据为基础的单链接聚合聚类法、完全链接聚合聚类法、平均聚合聚类法、Ward最小方差聚类法的分组结果示意图。
图5为本发明实施例1中以底泥理化性质数据为基础的重排分组结果示意图。
图6至图9分别为本发明实施例1中以底栖动物生物学数据为基础的单链接聚合聚类法、完全链接聚合聚类法、平均聚合聚类法、Ward最小方差聚类法的分组结果示意图。
图10为本发明实施例1中以底栖动物生物学数据为基础的重排分组结果示意图。
图11至图15为本发明实施例2中5个监控采样点的聚类分析结果示意图。
图16为本发明实施例3中生态清淤工程实施前后底泥理化性质数据比较示意图。
图17为本发明实施例3中底泥理化性质数据之间的相关关系示意图。
图18为本发明实施例3中底栖动物候选生物指数及对环境胁迫的预期响应表。
图19为本发明实施例3中底栖动物生物指数之间的相关关系示意图。图中，shannon表示Shannon-wiener生物多样性指数，Margalef表示Margalef指数，gm.density表示寡毛纲密度或Wright指数，zg.density表示蛭纲密度， prop.ysfldy表示前3位优势分类单元相对丰度，prop.fzgdw表示腹足纲相对丰度，prop.gsz表示刮食者相对丰度，prop.ssz表示撕食者相对丰度，BI.index 表示BI指数，BPI.index表示BPI指数。
具体实施方式
下面结合实施例对本发明作进一步详细描述。但是本发明不限于所给出的例子。
本发明具体实施时，其生态清淤工程水生态修复效果的监控方法包括：
第一步、生态清淤工程实施之前，在预设的监测区域内设置若干测试采样点，并分别获取采样数据；对各测试采样点获取的采样数据进行聚类分析；根据聚类分析结果，从各测试采样点中选出至少一个测试采样点，作为监控采样点；在预设的各采样时间点，各监控采样点分别获取采样数据，作为清淤前采样数据；采样数据的类型包括水质数据、底泥理化性质数据、底栖动物生物学数据。
第一步中，设置测试采样点时，先将预设的监测区域划分为：入口区、深水区以及出口区，或者，亚沿岸带以及沿岸带，或者污染区以及相对清洁区；再在各区或各带内分别设置至少一个测试采样点。
第一步中，聚类分析采用的统计软件为R语言的Stats工具包；聚类分析的具体过程包括以下步骤：
S1、在采样数据的类型中，选择至少一个类型作为聚类分析的依据，转至S2；
S2、以S1所选择类型中的一个类型作为当前分析类型，转至S3；
S3、在各测试采样点获取的采样数据中，以当前分析类型的数据为基础，分别采用层次聚类分析方法和非层次聚类分析方法，将各测试采样点进行分组，并获得层次分组结果和非层次分组结果；转至S4；
S4、先根据层次分组结果确定分组数量，再将分组数量相同的非层次分组结果与层次分组结果进行比较，然后以该层次分组结果作为当前分析类型的聚类分析分组结果，或者，参考该非层次分组结果对该层次分组结果进行调整后作为当前分析类型的聚类分析分组结果；转至S5；
S5、判断S1所选择类型中是否还有类型未进行聚类分析，若是，则以S1 所选择类型中的下一个类型作为当前分析类型，转至S3；若否，则转至S6；
S6、先从所得的各类型的聚类分析分组结果中选择一个分组结果，再按该分组结果从各组中分别选择一个测试采样点作为监控采样点；或者，先从所得的各类型的聚类分析分组结果中选择一个待用分组结果，再参考其余的各类型的聚类分析分组结果对待用分组结果进行调整后得出最终分组结果，再按该最终分组结果从各组中分别选择一个测试采样点作为监控采样点。
具体而言，S3中，采用层次聚类分析方法时，先分别以单链接聚合聚类法、完全链接聚合聚类法、平均聚合聚类法、Ward最小方差聚类法对各测试采样点进行分组，并分别获得初步分组结果，然后将这些初步分组结果进行重新排列并获得重排分组结果，作为层次分组结果；
采用非层次聚类分析方法时，按照不同的分组数量对各测试采样点进行分组，并获得一组不同分组数量下的分组结果，作为非层次分组结果。
第一步中，采样时间点的确定过程包括以下步骤：
T1、在生态清淤工程实施之前，且在确定监控采样点之后，于监测区域内：
在平水期、丰水期和枯水期中的至少两个时期，分别设至少一个时间点，作为测试采样时间点；或者，在春季、夏季、秋季和冬季中的至少两个季节，分别设至少一个时间点，作为测试采样时间点；转至T2；
T2、各监控采样点分别在各测试采样时间点采集底栖动物生物学数据；转至T3；
T3、针对每个监控采样点，分别对其在各测试采样时间点采集的底栖动物生物学数据进行聚类分析；转至T4；
T4、根据聚类分析结果，从各测试采样时间点中选出后续正式使用的采样时间点。
第一步中，水质数据包括水pH值、溶解氧含量、总氮含量、总磷含量、氨氮含量、高锰酸盐指数、BOD5；底泥理化性质数据包括全氮含量、有效磷含量、总磷含量、底泥pH值、有机质含量、含水率；底栖动物生物学数据包括底栖动物群落组成和数量。
第二步、生态清淤工程实施之后，各监控采样点继续在预设的各采样时间点获取采样数据，作为清淤后采样数据。
第三步、根据清淤前采样数据和清淤后采样数据，筛选出效果监控指标；效果监控指标的类型包括与底泥理化性质数据相关的底泥理化性质指标、与底栖动物生物学数据相关的底栖动物生物学指标。
第三步中，筛选时采用的筛选方法包括分布范围检验法、敏感性分析法、相关性分析法。
第三步中，底泥理化性质指标的筛选过程包括：
将清淤前、后采样数据中的底泥理化性质数据进行比较，从中筛选出能将监控采样点的清淤前、后状态区别开的底泥理化性质数据，作为效果监控指标的底泥理化性质指标。
第三步中，底栖动物生物学指标的筛选过程包括：
根据清淤前、后采样数据中的底栖动物生物学数据，分别计算出清淤前、后底栖动物生物学候选指标，然后将清淤前、后底栖动物生物学候选指标进行比较，从中筛选出能将监控采样点的清淤前、后状态区别开的指标，作为效果监控指标的底栖动物生物学指标；
其中，底栖动物生物学候选指标包括群落丰度类指标、物种组成类指标、生物耐污能力类指标、功能摄食类指标、生物多样性指数类指标以及综合指数类指标；
群落丰度类指标包括总分类单元数，软体动物分类单元数，甲壳动物分类单元数，摇蚊分类单元数，甲壳动物及软体动物的分类单元数，蛭纲分类单元数，总密度，寡毛纲密度或Wright指数，蛭纲密度；
物种组成类指标包括优势分类单元个体相对丰度，前3位优势分类单元相对丰度，颤蚓相对丰度，摇蚊相对丰度，甲壳动物相对丰度，软体动物相对丰度，腹足纲相对丰度，甲壳动物及软体动物的相对丰度，寡毛纲相对丰度，水丝蚓相对丰度；
生物耐污能力类指标包括敏感类群分类单元数、耐污类群相对丰度，敏感类群相对丰度；
功能摄食类指标包括捕食者相对丰度，滤食者相对丰度，刮食者相对丰度，撕食者相对丰度，直接收集者相对丰度；
生物多样性指数类指标包括Shannon-wiener生物多样性指数，Simpson多样性指数，invSimpson多样性指数，Pielou均匀度指数，Margalef多样性指数；
综合指数类指标包括BI指数，BPI指数。
第四步、按效果监控指标，结合清淤前采样数据和清淤后采样数据，判断生态清淤工程对水生态修复的效果。
第四步中，判断生态清淤工程对水生态修复的效果包括判断水质修复效果，判断底泥修复效果以及底栖动物生态修复效果；
判断水质修复效果即：通过比较清淤前、后采样数据中的水质数据，判断水质是否变好；
判断底泥修复效果即：通过比较清淤前、后的底泥理化性质指标，判断底泥污染程度是否减轻；
判断底栖动物生态修复效果即：通过比较清淤前、后采样数据中的底栖动物生物学指标，判断底栖动物生态是否转好。
实施例1确定监控采样点
本试验项目以某湖泊中待清淤的某湾为预设的监测区域，将该监测区域划分为入口区、深水区以及出口区，然后在各区内分别设置至少一个测试采样点，使测试采样点数量为10个，标记为ZSW1至ZSW10。
在生态清淤工程实施前，每个测试采样点分别获取采样数据，采样数据的类型包括水质数据、底泥理化性质数据、底栖动物生物学数据。然后，根据这些数据进行聚类分析。
聚类分析采用的统计软件为R语言的Stats工具包。选择底泥理化性质数据和底栖动物生物学数据，作为聚类分析的依据。
首先，以底泥理化性质数据为基础，先进行层次聚类分析，再进行非层次聚类分析。具体如下：
10个测试采样点的底泥理化性质数据：全氮含量(TN)、总磷含量(TP)、有效磷含量(Olsen-P)、有机质含量(OM)、底泥pH值和含水率，其总体分布情况如下表所示。
以前述数据为基础，进行层次聚类分析：
先分别以单链接聚合聚类法、完全链接聚合聚类法、平均聚合聚类法、 Ward最小方差聚类法对各测试采样点进行分组，并分别获得初步分组结果：图1为单链接聚合聚类法分组结果，图2为完全链接聚合聚类法分组结果，图3为平均聚合聚类法分组结果，图4为Ward最小方差聚类法分组结果。由此可见，尽管不同分组结果略有差异，但是总体来说还是类似的。
再将上述分组结果进行重新排列，所得结果如图5所示。此即层次分组结果。
以前述数据为基础，进行非层次聚类分析，结果如下表所示：
| 2组 | 3组 | 4组 | 5组 | 6组 | 7组 | 8组 | 9组 | |
| ZSW1 | 2 | 3 | 4 | 2 | 2 | 3 | 4 | 4 |
| ZSW2 | 2 | 3 | 4 | 2 | 2 | 3 | 1 | 5 |
| ZSW3 | 2 | 3 | 1 | 4 | 3 | 4 | 7 | 6 |
| ZSW4 | 2 | 2 | 3 | 3 | 1 | 6 | 6 | 8 |
| ZSW5 | 2 | 2 | 3 | 3 | 1 | 6 | 6 | 8 |
| ZSW6 | 2 | 3 | 4 | 2 | 2 | 5 | 5 | 2 |
| ZSW7 | 2 | 3 | 4 | 2 | 2 | 5 | 5 | 7 |
| ZSW8 | 2 | 2 | 3 | 3 | 6 | 2 | 8 | 3 |
| ZSW9 | 2 | 2 | 1 | 5 | 5 | 7 | 2 | 1 |
| ZSW10 | 1 | 1 | 2 | 1 | 4 | 1 | 3 | 9 |
此即非层次分组结果。
先根据层次分组结果确定分组数量为5，再将分组数量为5的非层次分组结果与层次分组结果进行比较，发现两者相同，因此以该层次分组结果作为底泥理化性质数据的聚类分析分组结果，即第1组为ZSW10，第2组为ZSW1、 ZSW2、ZSW6和ZSW7，第3组为ZSW4、ZSW5和ZSW8，第4组为ZSW3，第5组为ZSW9。
以底泥理化性质数据为基础的聚类分析至此结束。
其次，以底栖动物生物学数据为基础，先进行层次聚类分析，再进行非层次聚类分析。具体如下：
以10个测试采样点的底栖动物生物学数据为基础，进行层次聚类分析：先分别以单链接聚合聚类法、完全链接聚合聚类法、平均聚合聚类法、Ward 最小方差聚类法对各测试采样点进行分组，并分别获得初步分组结果：图6 为单链接聚合聚类法分组结果，图7为完全链接聚合聚类法分组结果，图8 为平均聚合聚类法分组结果，图9为Ward最小方差聚类法分组结果。由此可见，四种不同方法得到的分析结果相类似。
再将上述分组结果进行重新排列，所得结果如图10所示。此即层次分组结果。
以10个测试采样点的底栖动物生物学数据为基础，进行非层次聚类分析，结果如下表所示：
| 2组 | 3组 | 4组 | 5组 | 6组 | 7组 | 8组 | 9组 | |
| ZSW1 | 1 | 3 | 3 | 3 | 5 | 5 | 2 | 1 |
| ZSW2 | 1 | 3 | 3 | 3 | 5 | 5 | 2 | 6 |
| ZSW3 | 1 | 3 | 1 | 2 | 1 | 2 | 8 | 9 |
| ZSW4 | 2 | 1 | 4 | 5 | 6 | 7 | 4 | 3 |
| ZSW5 | 2 | 2 | 2 | 4 | 2 | 4 | 1 | 4 |
| ZSW6 | 1 | 3 | 3 | 1 | 3 | 3 | 6 | 8 |
| ZSW7 | 1 | 3 | 3 | 3 | 5 | 5 | 3 | 5 |
| ZSW8 | 2 | 1 | 4 | 5 | 4 | 6 | 5 | 2 |
| ZSW9 | 2 | 2 | 2 | 4 | 2 | 4 | 1 | 4 |
| ZSW10 | 1 | 3 | 1 | 2 | 1 | 1 | 7 | 7 |
此即非层次分组结果。
先根据层次分组结果确定分组数量为5，再将分组数量为5的非层次分组结果与层次分组结果进行比较，发现两者相同，因此以该层次分组结果作为底栖动物生物学数据的聚类分析分组结果，即第1组为ZSW6，第2组为ZSW3 和ZSW10，第3组为ZSW1、ZSW2和ZSW7，第4组为ZSW5和ZSW9，第5组为ZSW4和ZSW8。
以底栖动物生物学数据为基础的聚类分析至此结束。
需要指出的是，以上均遇到了非层次分组结果与层次分组结果相同的情况，如果遇到两者不同的情况，则参考非层次分组结果对层次分组结果进行调整，并将调整后的层次分组结果作为当前分析类型的聚类分析分组结果。
最后，以上已获得底泥理化性质数据的聚类分析分组结果和底栖动物生物学数据的聚类分析分组结果，两者有相似之处但并不完全一致，考虑到本试验项目中底栖动物生物学数据更为重要，因此选择底栖动物生物学数据的聚类分析分组结果，从其分组结果的各组中分别选择一个测试采样点作为监控采样点，共5个监控采样点。
需要指出的是，以上的做法为直接选择一个聚类分析分组结果，再从其所分各组选择测试采样点作为监控采样点；实际实施时，也可先从所得的各类型的聚类分析分组结果中选择一个待用分组结果，再参考其余的各类型的聚类分析分组结果对待用分组结果进行调整后得出最终分组结果，再按该最终分组结果从各组中分别选择一个测试采样点作为监控采样点。
需要说明的是，如本领域技术人员所知，层次聚类分析方法中，低级的聚类族是高级聚类族的一部分，聚类结果是可以用树状图表示的层次分类系统。非层次聚类分析方法的结果只给出所分类群及每一类所含的对象，聚类族之间没有层次性。
在层次聚类分析方法中，单链接聚合聚类法也称为最近邻体分类法，该法聚合对象的依据是最短的成对距离(或最大相似性)：一个对象(或一个组) 选择另一个对象(或一个组)融合的依据试看与哪个对象在所有可能成对距离中最短。完全链接聚合聚类法(也称为最远邻体分类法)允许一个对象(或一个组)与另一个组聚合的依据是最远距离对；在这种规则下，两个组所有成员之间的距离都必须全部计算，然后比较。平均聚合聚类法是一类基于对象间平均相异性或聚类族行心的聚类方法；此聚类分析方法有四种，不同方法的区别在于组的位置计算方式(算术平均或形心)和当计算融合距离时是否用每组包含的对象数量作为权重，其中最有名的是UPGMA聚类法，该方法一个对象加入一个组的依据是这个对象与改组每个成员之间的平均距离，两组聚合的依据是一个组内所有成员与另一组内成员之间所有对象对的平均距离。Ward最小方差聚类法是一种基于最小二乘线性模型准则的聚类方法，分组的依据是是组内平方和(方差分析的方差)最小化，聚类族内方差和等于聚类族内成员间距离的平方和除以对象的数量。
实施例2确定采样时间点
本实施例为实施例1试验项目的延续。
在春季、夏季、秋季和冬季分别设一个时间点，作为测试采样时间点。具体为3月、4月、9月、11月。
各监控采样点在各测试采样时间点分别采集底栖动物生物学数据，然后进行聚类分析：
利用R语言统计分析软件中的Stats软件包进行聚类分析。采用层次聚类分析方法中的Ward最小方差聚类法做聚类树图，并用热图表示不同采样时期之间相似程度，热图中颜色越接近表示两个采样时期底栖动物群落信息越相似。
5个监控采样点的聚类分析结果如图11至图15所示。
如图11所示，该监控采样点9月和11月两次采样时期得到底栖动物群落欧式空间距离最近。如图12所示，该监控采样点4月和3月两次采样时期欧式距离最近。如图13所示，该监控采样点9月和3两次采样时期欧式距离最近。如图14所示，该监控采样点9月、11月和3月三次采样时期欧式距离接近。如图15所示，该监控采样点9月和3月两次采样时期欧式距离接近。
综合上述结果，从总体来说，以每年的7～8月温度最高、水位最高的汛期为界限，上半年内或者下半年内不同月份之间欧式距离较小。在条件具备的条件下，一年内分成四个季节采集底栖动物样品更能够获取生态清淤工程对于水生态影响信息。若条件有限，采样时期分别设置在上半年和下半年各一次即可。就本实施例而言，将3月、4月、9月、11月定为后续正式使用的采样时间点。
实施例3筛选效果监控指标
本实施例为实施例2试验项目的延续。
生态清淤工程实施方式采用的是环保绞吸式施工方法。
在生态清淤工程实施前后监测数年，各监控采样点分别在各采样时间点获取采样数据。然后，根据清淤前采样数据和清淤后采样数据，筛选出效果监控指标。
其中，筛选底泥理化性质指标具体如下：
如图16所示，将生态清淤工程实施前后底泥理化性质数据进行比较，可知，在清淤前后底泥全氮含量有显著差别，底泥有效磷含量中位数在清淤后有明显降低、但是清淤后底泥有效磷含量变化范围较宽，底泥有机质含量变化不明显。
如图17所示，底泥理化性质数据之间的相关关系中，底泥总磷与有效磷呈正相关关系，相关系数达0.85。相对于底泥有效磷的测定，底泥总磷含量测定手续较为繁琐，加之在清淤前后底泥有效磷含量差异较总磷明显，生态清淤工程清除的主要是表层有效磷含量较高的底泥，有效磷对生态清淤工程实施更加敏感，因此选择底泥有效磷含量作为底泥清淤前后磷素含量变化指标。选用全氮、有效磷含量作为效果监控指标的底泥理化性质指标。
筛选底栖动物生物学指标具体如下：
利用清淤前、后采样数据中的底栖动物生物学数据(包括底栖动物群落组成和数量)，计算图18所示的各项底栖动物候选生物指数，然后将清淤前、后底栖动物生物学候选指标进行比较，由比较结果得知，寡毛纲密度或Wright 指数、蛭纲密度和撕食者相对丰度三项指标的清淤前中值大于清淤后25％分位数，前3位优势分类单元相对丰度、腹足纲相对丰度和刮食者相对丰度的中值在清淤后增加到清淤前25％分位数。其中，寡毛纲密度或Wright指数、蛭纲密度属于群落丰度类指标，撕食者相对丰度和刮食者相对丰度属于功能摄食类指标，前3位优势分类单元相对丰度和腹足纲相对丰度属于物种组成类指标。
此外，将国内外学者常用的底栖动物生物指数Shannon-wiener生物多样性指数、BI指数、BPI指数、Margalef指数也列入筛选范围。
如图19所示，检验不同指数之间的相关性，剔除相关性较高、具有重复意义的指数，对候选参数做相关分析。结果表明，Shannon-wiener生物多样性指数和前3位优势分类单元相对丰度之间相关系数高达0.87，选择应用较为广泛的Shannon-wiener生物多样性指数代替前3位优势分类单元相对丰度指数；腹足纲相对丰度和刮食者相对丰度相关系数为1，主要原因是本试验项目在检测得到的底栖动物刮食者就是腹足纲动物。
综合以上结果，选定寡毛纲密度或Wright指数、Shannon-wiener生物多样性指数、BI指数、BPI指数4个指数作为效果监控指标的底栖动物生物学指标。
需要说明的是，有学者通过研究，提出表征清洁和污染程度不同水体的底栖动物生物学指标阈值，如下表所示。
需要说明的是，如本领域技术人员所知，在上述筛选过程中，可采用的筛选方法包括分布范围检验法、敏感性分析法、相关性分析法。
分布范围检验法是指候选参数在所有监测样点中分布频率进行分析，如果参数在样点中分布范围过窄或者存在零值过多的情况(95％)，将剔除该参数。
敏感性分析法是指分析候选参数对人类活动的响应程度，主要利用箱线图结合单因素方差分析或者非参数检验，比较各参数在参照点和受损点间的差异是否达到显著性水平，选择对于人类活动具有显著响应的参数作为评价指标，把各个候选参数的参考点和受损点数据作箱线图，参考点和受损点箱位图25％～75％区间完全不重合或者中位数不在彼此之间的候选参数被选中。
相关性分析法是检验候选参数是否独立，利用Pearson相关性分析(参数符合正态分布)或Spearman相关性分析(参数不符合正态分布)，|r|>0.75则认为参数之间信息重叠，剔除相关性较高的参数。
实施例4判断生态清淤工程对水生态修复的效果
本实施例为实施例3试验项目的延续。
(1)判断水质修复效果
水质数据包括水pH值、溶解氧含量、总氮含量、总磷含量、氨氮含量、高锰酸盐指数、BOD5。
水pH值变化不大，约在8.0上下，总体来看水pH值呈现一定季节性规律。
溶解氧含量受温度影响，表现出明显的季节性波动，冬季溶解氧含量高，夏季偏低。生态清淤工程实施后，溶解氧含量的年内最低值逐渐增加，且高于5mg/L，说明水体自净能力有所上升。
总氮含量在生态清淤工程实施后呈逐步下降趋势，稍好的部分区域水体总氮含量降至GB3838-2002中地表水V水体质量标准浓度(2.0mg/L)左右。
氨氮含量变化趋势与总氮含量相似，在生态清淤工程实施后呈逐步下降趋势，稍好的部分区域水体氨氮含量在全年均能维持在III类水体质量标准以下。
总磷含量变化趋势不明显，基本保持稳定。
高锰酸盐指数在生态清淤工程实施后呈持续下降趋势，稍好的部分区域水体高锰酸盐指数基本稳定在III类水体(6mg/L)。
BOD5在生态清淤工程实施后呈下降趋势。
根据以上情况，生态清淤工程实施后水质总体为变好的趋势。
(2)判断底泥修复效果
含水率变化趋势不明显，生态清淤工程实施前后总体变化不大。
全氮含量在生态清淤工程实施后最近一次监测中有明显的下降。
有效磷含量在生态清淤工程实施后有所下降。
根据以上情况，生态清淤工程实施前后表层底泥全氮含量明显下降，有效磷含量有所下降，因此底泥污染程度有减轻趋势。
(3)判断底栖动物生态修复效果
寡毛纲动物能够在低氧、无光等恶劣条件下生存，是反映水体污染状况的重要指标，寡毛纲密度也称为Wright指数，本项目采集得到的寡毛纲动物主要有苏氏尾鳃蚓、水丝蚓属、管水蚓属几种。在生态清淤工程实施后寡毛纲密度有明显下降，根据实施例3提及的底栖动物生物学指标阈值，工程实施前底泥为轻微污染～中度污染程度，各监控采样点的寡毛纲密度最高值达 2920ind/m2，在实施生态工程清淤后1年内，各监控采样点的寡毛纲密度基本相同，维持在260ind/m2，底泥状态为轻微污染。
Shannon-wiener生物多样性指数在生态清淤工程实施后短期内略有降低，在清淤后1年开始上升至清淤前的水平，局部区域甚至高于清淤前。
在实施生态清淤工程前4次监测数据表明，底栖动物BI指数超过7.5，在清淤工程实施后BI指数呈逐渐下降趋势，在清淤1年后BI指数在6.5左右，参考秦春燕等人提出的溪流BI指数评价标准，BI指数在6.44和7.47之间水体水质为“一般”，BI指数在7.48和8.51之间上覆水体水质为“较差”，据此可以认为水体水质在生态清淤工程实施后由“较差”向好转变为“一般”。
生态清淤工程实施后各采样点BPI指数均有幅度大小不等的下降，根据实施例3提及的底栖动物生物学指标阈值，上覆水水质由中等污染转为轻污染，说明清淤后总体水质向好的趋势发展。
根据以上情况，底栖动物生态呈转好趋势。
综上，当前的水体综合治理仍以污染物控制为主要任务，在此阶段内按本发明进行的例行监测建议全年监测2次即可，但是需要开展长期观测。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。
参考文献：
[1]Selvakumar A,O'Connor T P,Struck S D,2010.Role of StreamRestoration on Improving Benthic Macroinvertebrates and In-Stream WaterQuality in an Urban Watershed:Case Study.Journal of EnvironmentalEngineering-Asce,136(1):127-139.
[2]屠清瑛,章永泰,杨贤智,2004.北京什刹海生态修复试验工程.湖泊科学,16(1):61-67.
[3]吴迪,岳峰,罗祖奎,王天厚,2011.上海大莲湖湖滨带湿地的生态修复.生态学报,31(11):2999-3008.
[4]王敏,唐景春,朱文英,粱霍燕,王如刚,2012.大沽排污河生态修复河道水质综合评价及生物毒性影响.生态学报,32(14):4535-4543.
[5]Verdonschot P F M,Spears B M,Feld C K,Brucet S,Keizer-Vlek H,Borja A,Elliott M,Kernan M,Johnson R K,2013.A comparative review of recoveryprocesses in rivers,lakes,estuarine and coastal waters.Hydrobiologia, 704(1):453-474。
Claims (9)
1.生态清淤工程水生态修复效果的监控方法，其特征是，包括以下步骤：
第一步、生态清淤工程实施之前，在预设的监测区域内设置若干测试采样点，并分别获取采样数据；对各测试采样点获取的采样数据进行聚类分析；根据聚类分析结果，从各测试采样点中选出至少一个测试采样点，作为监控采样点；在预设的各采样时间点，各监控采样点分别获取采样数据，作为清淤前采样数据；所述采样数据的类型包括水质数据、底泥理化性质数据、底栖动物生物学数据；
第二步、生态清淤工程实施之后，各监控采样点继续在预设的各采样时间点获取采样数据，作为清淤后采样数据；
第三步、根据清淤前采样数据和清淤后采样数据，筛选出效果监控指标；效果监控指标的类型包括与底泥理化性质数据相关的底泥理化性质指标、与底栖动物生物学数据相关的底栖动物生物学指标；
第四步、按效果监控指标，结合清淤前采样数据和清淤后采样数据，判断生态清淤工程对水生态修复的效果；
第一步中，所述聚类分析的具体过程包括以下步骤：
S1、在采样数据的类型中，选择至少一个类型作为聚类分析的依据，转至S2；
S2、以S1所选择类型中的一个类型作为当前分析类型，转至S3；
S3、在各测试采样点获取的采样数据中，以当前分析类型的数据为基础，分别采用层次聚类分析方法和非层次聚类分析方法，将各测试采样点进行分组，并获得层次分组结果和非层次分组结果；转至S4；
S4、先根据层次分组结果确定分组数量，再将分组数量相同的非层次分组结果与层次分组结果进行比较，然后以该层次分组结果作为当前分析类型的聚类分析分组结果，或者，参考该非层次分组结果对该层次分组结果进行调整后作为当前分析类型的聚类分析分组结果；转至S5；
S5、判断S1所选择类型中是否还有类型未进行聚类分析，若是，则以S1所选择类型中的下一个类型作为当前分析类型，转至S3；若否，则转至S6；
S6、先从所得的各类型的聚类分析分组结果中选择一个分组结果，再按该分组结果从各组中分别选择一个测试采样点作为监控采样点；或者，先从所得的各类型的聚类分析分组结果中选择一个待用分组结果，再参考其余的各类型的聚类分析分组结果对待用分组结果进行调整后得出最终分组结果，再按该最终分组结果从各组中分别选择一个测试采样点作为监控采样点。
2.根据权利要求1所述的监控方法，其特征是，S3中，采用层次聚类分析方法时，先分别以单链接聚合聚类法、完全链接聚合聚类法、平均聚合聚类法、Ward最小方差聚类法对各测试采样点进行分组，并分别获得初步分组结果，然后将这些初步分组结果进行重新排列并获得重排分组结果，作为层次分组结果；
采用非层次聚类分析方法时，按照不同的分组数量对各测试采样点进行分组，并获得一组不同分组数量下的分组结果，作为非层次分组结果。
3.根据权利要求1所述的监控方法，其特征是，第一步中，采样时间点的确定过程包括以下步骤：
T1、在生态清淤工程实施之前，且在确定监控采样点之后，于所述监测区域内：
在平水期、丰水期和枯水期中的至少两个时期，分别设至少一个时间点，作为测试采样时间点；或者，在春季、夏季、秋季和冬季中的至少两个季节，分别设至少一个时间点，作为测试采样时间点；转至T2；
T2、各监控采样点分别在各测试采样时间点采集底栖动物生物学数据；转至T3；
T3、针对每个监控采样点，分别对其在各测试采样时间点采集的底栖动物生物学数据进行聚类分析；转至T4；
T4、根据聚类分析结果，从各测试采样时间点中选出后续正式使用的采样时间点。
4.根据权利要求1所述的监控方法，其特征是，第三步中，底泥理化性质指标的筛选过程包括：
将清淤前、后采样数据中的底泥理化性质数据进行比较，从中筛选出能将监控采样点的清淤前、后状态区别开的底泥理化性质数据，作为效果监控指标的底泥理化性质指标；其中，所述底泥理化性质数据包括全氮含量、有效磷含量、总磷含量、底泥pH值、有机质含量、含水率。
5.根据权利要求1所述的监控方法，其特征是，第三步中，底栖动物生物学指标的筛选过程包括：
根据清淤前、后采样数据中的底栖动物生物学数据，分别计算出清淤前、后底栖动物生物学候选指标，然后将清淤前、后底栖动物生物学候选指标进行比较，从中筛选出能将监控采样点的清淤前、后状态区别开的指标，作为效果监控指标的底栖动物生物学指标；
其中，所述底栖动物生物学候选指标包括群落丰度类指标、物种组成类指标、生物耐污能力类指标、功能摄食类指标、生物多样性指数类指标以及综合指数类指标；
所述群落丰度类指标包括总分类单元数，软体动物分类单元数，甲壳动物分类单元数，摇蚊分类单元数，甲壳动物及软体动物的分类单元数，蛭纲分类单元数，总密度，寡毛纲密度或Wright指数，蛭纲密度；
所述物种组成类指标包括优势分类单元个体相对丰度，前3位优势分类单元相对丰度，颤蚓相对丰度，摇蚊相对丰度，甲壳动物相对丰度，软体动物相对丰度，腹足纲相对丰度，甲壳动物及软体动物的相对丰度，寡毛纲相对丰度，水丝蚓相对丰度；
所述生物耐污能力类指标包括敏感类群分类单元数、耐污类群相对丰度，敏感类群相对丰度；
所述功能摄食类指标包括捕食者相对丰度，滤食者相对丰度，刮食者相对丰度，撕食者相对丰度，直接收集者相对丰度；
所述生物多样性指数类指标包括Shannon-wiener生物多样性指数，Simpson多样性指数，invSimpson多样性指数，Pielou均匀度指数，Margalef多样性指数；
所述综合指数类指标包括BI指数，BPI指数。
6.根据权利要求1所述的监控方法，其特征是，第四步中，判断生态清淤工程对水生态修复的效果包括判断水质修复效果，判断底泥修复效果以及底栖动物生态修复效果；
判断水质修复效果即：通过比较清淤前、后采样数据中的水质数据，判断水质是否变好；
判断底泥修复效果即：通过比较清淤前、后的底泥理化性质指标，判断底泥污染程度是否减轻；
判断底栖动物生态修复效果即：通过比较清淤前、后采样数据中的底栖动物生物学指标，判断底栖动物生态是否转好。
7.根据权利要求1至6任一项所述的监控方法，其特征是，第一步中，所述水质数据包括水pH值、溶解氧含量、总氮含量、总磷含量、氨氮含量、高锰酸盐指数、BOD5；所述底泥理化性质数据包括全氮含量、有效磷含量、总磷含量、底泥pH值、有机质含量、含水率；所述底栖动物生物学数据包括底栖动物群落组成和数量。
8.根据权利要求1至6任一项所述的监控方法，其特征是，第一步中，设置测试采样点时，先将预设的监测区域划分为：入口区、深水区以及出口区，或者，亚沿岸带以及沿岸带，或者污染区以及相对清洁区；再在各区或各带内分别设置至少一个测试采样点。
9.根据权利要求1至6任一项所述的监控方法，其特征是，第一步中，所述聚类分析采用的统计软件为R语言的Stats工具包；第三步中，筛选时采用的筛选方法包括分布范围检验法、敏感性分析法、相关性分析法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710395752.6A CN107273669B (zh) | 2017-05-27 | 2017-05-27 | 生态清淤工程水生态修复效果的监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710395752.6A CN107273669B (zh) | 2017-05-27 | 2017-05-27 | 生态清淤工程水生态修复效果的监控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107273669A CN107273669A (zh) | 2017-10-20 |
| CN107273669B true CN107273669B (zh) | 2018-08-17 |
Family
ID=60064841
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710395752.6A Active CN107273669B (zh) | 2017-05-27 | 2017-05-27 | 生态清淤工程水生态修复效果的监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107273669B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107989101B (zh) * | 2017-11-14 | 2019-08-09 | 中电建水环境治理技术有限公司 | 河湖及湿地整体移植的保护性生态清淤方法 |
| CN108398547A (zh) * | 2018-02-02 | 2018-08-14 | 北京中科乾和环保科技服务有限公司 | 一种水丝蚓应用于受污染底泥修复效果评估方法 |
| CN111680764B (zh) * | 2020-08-13 | 2020-10-27 | 国网浙江省电力有限公司 | 一种行业复工复产程度监控方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104915805A (zh) * | 2015-07-07 | 2015-09-16 | 郑州大学 | 一种河流生态修复效果评估方法 |
-
2017
- 2017-05-27 CN CN201710395752.6A patent/CN107273669B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104915805A (zh) * | 2015-07-07 | 2015-09-16 | 郑州大学 | 一种河流生态修复效果评估方法 |
Non-Patent Citations (3)
| Title |
|---|
| Role of Stream Restoration on Improving Benthic Macroinvertebrates and In-Stream Water Quality in an Urban Watershed:Case Study;Selvakumar A,O’Connor T P,Struck S D;《Journal of Environmental Engineering-Asce》;20101231;第136卷(第1期);第127-139页 * |
| 大沽排污河生态修复河道水质综合评价及生物毒性影响;王敏等;《生态学报》;20120731;第32卷(第14期);第4535-4543页 * |
| 杭州城市河道综合治理工程生态环境效应评估指标体系;余海霞等;《水资源保护》;20170520;第33卷(第3期);第90-94页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107273669A (zh) | 2017-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Insights into the long-term pollution trends and sources contributions in Lake Taihu, China using multi-statistic analyses models | |
| WO2022099852A1 (zh) | 一种城市景观湖泊水生态系统健康评价及诊断方法 | |
| Li et al. | Combining multivariate statistical techniques and random forests model to assess and diagnose the trophic status of Poyang Lake in China | |
| Tang et al. | Using epilithic diatom communities to assess ecological condition of Xiangxi River system | |
| CN107273669B (zh) | 生态清淤工程水生态修复效果的监控方法 | |
| Verdonschot et al. | Development of a multimetric index based on macroinvertebrates for drainage ditch networks in agricultural areas | |
| Logez et al. | Development of metrics based on fish body size and species traits to assess European coldwater streams | |
| Yang et al. | Spatio-temporal variations of benthic macroinvertebrates and the driving environmental variables in a shallow lake | |
| CN111241476B (zh) | 一种获得区域性河口营养物基准值的方法 | |
| Li et al. | Macrozoobenthos variations in shallow connected lakes under the influence of intense hydrologic pulse changes | |
| Hu et al. | Response of macroinvertebrate community to water quality factors and aquatic ecosystem health assessment in a typical river in Beijing, China | |
| Rääpysjärvi et al. | Macrophytes in boreal streams: Characterizing and predicting native occurrence and abundance to assess human impact | |
| Sudaryanti et al. | Assessment of the biological health of the Brantas River, East Java, Indonesia using the Australian River Assessment System (AUSRIVAS) methodology | |
| Everall et al. | Macroinvertebrate community structure as an indicator of phosphorus enrichment in rivers | |
| Li et al. | Ecological health evaluation of rivers based on phytoplankton biological integrity index and water quality index on the impact of anthropogenic pollution: A case of Ashi River Basin | |
| Yu et al. | Long-term monitoring of community succession in impoundment lake: Responses of macroinvertebrate to South-to-North Water Diversion Project | |
| CN113658640B (zh) | 一种淡水生态系统健康评价方法 | |
| Shan et al. | Development and preliminary application of a method to assess river ecological status in the Hai River Basin, north China | |
| Wang et al. | Evaluation and comparison of the benthic and microbial indices of biotic integrity for urban lakes based on environmental DNA and its management implications | |
| Applegate et al. | First steps in developing a multimetric macroinvertebrate index for the Ohio River | |
| CN110885132B (zh) | 一种农村生活污水处理设施优先监管集的识别方法 | |
| Rakocinski et al. | Comparative evaluation of macrobenthic assemblages from the Sulphur River Arkansas in relation to pulp mill effluent | |
| CN113393081A (zh) | 一种适用于再生水补给河流的健康评价方法 | |
| Liu et al. | Improved method for benthic ecosystem health assessment by integrating chemical indexes into multiple biological indicator species—A case study of the Baiyangdian Lake, China | |
| Zhu et al. | Assessing the ecological health of the Qingyi River Basin using multi-community indices of biotic integrity |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |