CN107991452B - 一种淡水水生动物急性水质基准的推导方法 - Google Patents

一种淡水水生动物急性水质基准的推导方法 Download PDF

Info

Publication number
CN107991452B
CN107991452B CN201810018678.0A CN201810018678A CN107991452B CN 107991452 B CN107991452 B CN 107991452B CN 201810018678 A CN201810018678 A CN 201810018678A CN 107991452 B CN107991452 B CN 107991452B
Authority
CN
China
Prior art keywords
value
acute
water quality
category
species
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.)
Expired - Fee Related
Application number
CN201810018678.0A
Other languages
English (en)
Other versions
CN107991452A (zh
Inventor
陈曲
宋凡浩
白英臣
吴丰昌
赵天慧
栗婷婷
王珺瑜
刘大庆
陈季康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chinese Research Academy of Environmental Sciences
Original Assignee
Chinese Research Academy of Environmental Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chinese Research Academy of Environmental Sciences filed Critical Chinese Research Academy of Environmental Sciences
Priority to CN201810018678.0A priority Critical patent/CN107991452B/zh
Publication of CN107991452A publication Critical patent/CN107991452A/zh
Application granted granted Critical
Publication of CN107991452B publication Critical patent/CN107991452B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • G01N33/186—Water using one or more living organisms, e.g. a fish
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • Y02A20/152—Water filtration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Computing Systems (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明公开了一种淡水水生动物急性水质基准的推导方法，包括以下步骤：a、急性毒性数据的收集和筛选；步骤b、依次分别求出筛选出的急性毒性数据的属平均急性值及对应的累积概率；步骤c、以步骤b中求得的属平均急性值的自然对数为横坐标X，以其对应的累积概率P为纵坐标Y构造三次样条函数S(x)，对Y赋值，对应求得一个X值，对X取反对数，得短期危险浓度STHC100Y，即为针对目标污染物的急性水质基准值。本发明产生的有益效果是数据可信度高、计算过程简单、客观性强和实效精确性好，同时，克服了现有水质基准计算模型的不足，丰富了水质基准的计算方法，为科学地计算水质基准提供了技术支持。

Description

一种淡水水生动物急性水质基准的推导方法
技术领域
本发明属于水质基准计算技术领域，具体涉及一种淡水水生动物急性水质基准的推导方法。
背景技术
水环境质量基准(以下简称“水质基准”)，是指水环境中的污染物质或有害因素对人体健康、水生态系统与使用功能不产生有害效应的最大剂量或水平。淡水水生生物水质基准(freshwater quality criteria for the protection of aquatic organisms)是指能够保护淡水水生生物及其生态功能的水质基准，包括短期水质基准和长期水质基准。
水质基准的推导技术路线主要为：(1)收集评价数据，如动物急性毒性、动物慢性毒性、植物毒性、生物累积或其他数据，(2)根据毒性数据分别推导出水生动物的最终急性毒性值(FAV)、最终慢性毒性值(FCV)、最终残留毒性值(FRV)、最终植物毒性值(FPV)或最低重要效应值，(3)计算基准最大浓度CMC和基准持续浓度CCC用来表示水生生物水质基准值，(4)对结果和数据评估。
目前淡水水生生物水质基准的推导方法主要有评价因子法、毒性百分数排序法及物种敏感度分布曲线法三种。
评价因子法的优点是简单易行，所需数据量少且适用范围广，但由于评价因子法推导出的基准值仅取决于最敏感物种的毒性数据且评价因子的确定通常是从经验出发，因此结果的准确性存在较大的不确定因素。
毒性百分数排序法计算基准时，仅仅考虑最敏感的四个属种，但当对生态系统具有重要生态价值或对人类具有经济、娱乐价值的属种比以上四个属种更敏感时，即有可能造成基准值偏高而造成“欠保护”。并且该方法计算较为复杂，如以下基准最大浓度CMC的计算公式为例即可说明其复杂性。
此外，对于大多数污染物来说，现有的毒性数据无法满足毒性百分数排序法的数据要求，要使用该方法还需要开展大量的毒理学实验研究，而这是一项耗时耗资耗力的工作。
物种敏感度分布曲线法利用不同数学模型对所有毒性数据进行拟合，根据相关系数选择较优的拟合方程，但是实际工作中不可能穷尽所有的计算公式，不排除存在更好的数学模型，因此，该方法受研究人员数理知识背景等因素影响大，具有一定的不确定性。
近年来，我国不断完善各项环境标准，尤其在水环境领域更是密集，不少标准都在制定或修订中。然而，作为标准的制定依据，水质基准还缺乏植根于我国国情的持续研究，难以为标准制定提供有力支撑，导致现行水质标准的科学准确性和实效精确性都可能存在问题。
CN103336889A公开了一种水生生物水质基准推导方法，采用毒性百分数排序法计算基准，受试生物采用水生动物和水生植物，采用了大量毒性数据，但最终仅选择其中4个属的数据进行分析，造成“欠保护”问题，同时，由于在目前急性毒性数据的收集中，水生动物的数据更容易收集，数据更多且筛选出的数据可信度更高；而大部分水生植物对污染物的灵敏度较低，所需毒性实验的时间更久，并且数据较少，进行对比后，难将异值点排除，容易对基准的推导造成偏差，造成水质基准的精确性较差。
CN107392780A公开了一种用于淡水水生生物水质基准预测的系统，采用物种敏感度分布曲线法利用不同的数学模型对所有毒性数据进行拟合。然而，当毒性数据少于5个时则不能采用本系统；此外，当来自相同分类学类群的多个生物均为受试生物时，物种的相似性可能导致存在多个相近的种平均急性值，进而使多个相邻的数据点在分布曲线中近乎垂直，这种分布情况可能会很难找到一个合适的拟合度满足要求的分布模型。
样条插值是一种工业设计中常用的、得到平滑曲线的一种插值方法，三次样条又是其中用的较为广泛的一种。三次样条函数插值是通过构造多项式来形成一条把所有主干点连接起来的平滑曲线，然后进行插值的方法。三次样条插值既可保持分段低次插值多项式，又可提高插值函数光滑性，但至今仍无人将其用于水质基准的推导计算。
发明内容
针对以上技术问题，本发明提供了一种数据可信度高、计算过程简单、客观性强和实效精确性好的淡水水生动物急性水质基准的推导方法，同时，克服了现有水质基准计算模型的不足，丰富了水质基准的计算方法，为科学地计算水质基准提供了技术支持。
为了解决以上技术问题，本发明提供的一种淡水水生动物急性水质基准的推动方法，包括以下步骤：
步骤a、急性毒性数据的收集和筛选；
步骤b、数据处理：
依次分别求出筛选出的急性毒性数据的属平均急性值GMAV及对应的累积概率P；
步骤c、急性基准值的计算：
以步骤b中求得的属平均急性值GMAV的自然对数为横坐标X，以其对应的累积概率P为纵坐标Y，构造三次样条函数S(x)，对Y赋值，其中Y＝0～1，对应求得一个X值，对X取反对数，得短期危险浓度STHC100Y，即为针对目标污染物的急性水质基准值。
优选地，所述步骤a中急性毒性数据的受试物种为淡水水生动物，包括本地物种和在当地大量繁殖的外来物种，符合三门八科的物种筛选原则。
优选地，所述急性毒性数据的筛选遵循以下原则：
毒性试验必须设置对照试验，对照组和试验组的理化条件、试验生物和试验步骤应完全相同，不能使用物种表现出疾病症状或者大量死亡的对照组试验结果；不能使用未有明确测试终点、暴露时间的试验数据；水蚤或其他枝角类动物所做实验应使用龄期小于24h的生物，其急性毒性值采用48hEC50或LC50表示；其他水生动物的急性毒性值采用96hEC50或LC50表示，若暴露时间不足96h，采用48hEC50或LC50代替。
优选地，所述步骤b的具体步骤如下：
(1)利用筛选出的急性毒性数据，计算出目标污染物对生物的属平均急性值GMAV；
(2)将所述的属平均急性值GMAV按从小到大的顺序并分别赋予从1至N的排号R，其中，R为自然数，排号1为最小属平均急性毒性值，排号N为最大属平均急性毒性值；
(3)利用公式P＝R/(N+1)，计算每个属的属平均急性值GMAV的累积概率P，其中，P代表水生生物被危害的比例。
进一步地，所述步骤(1)中同一物种有多个有效毒性终点LC50或EC50，则以多个毒性终点LC50或EC50的几何平均值作为该种平均急性值SMAV，计算公式如下：
其中：EC50n代表同一物种中，第n个有效毒性终点；
n代表同一物种中有效毒性终点的个数；
EC50可用LC50替代。
进一步地，所述步骤(1)中同一个属的一个以上物种的急性毒性数据存在时，属平均急性值GMAV为种平均急性值SMAV的几何平均值，计算公式如下：
其中：SMAVn代表第n种物种的种平均急性值；
n代表物种个数。
进一步地，所述步骤(2)中有多个属平均急性值GMAV是相等的，任意将它们排成连续的等级。
优选地，所述步骤c的具体步骤如下：
对所述的属平均急性值GMAV取自然对数后作为横坐标X，记为X＝(x1,x2,....,xN)，以其对应的累积概率P为纵坐标Y，记为Y＝(y1,y2,.....,yN)；在区间[x1,xN]上拟合求得三次样条函数S(x)，使它满足S(xn)＝yn，n＝1,2….N，同时满足边界条件S”(x1)＝S”(xN)＝0；
基于风险安全评价方法对Y赋值，根据该Y值确定其对应的X的区间[xi,xi+1]，进而确定在区间[xi,xi+1]上的三次样条函数，将Y值代入该三次样条函数，对应求得一个X值，将X取反对数，得到目标污染物的短期危险浓度STHC100Y，其中，Y的取值范围为0～1。
优选地，所述步骤c中Y＝0.05，得到短期危险浓度STHC5，即为保护95％以上水生动物的急性水质基准值。
优选地，所述步骤c中的三次样条函数满足边界条件S”(x1)＝S”(xN)＝0。
优选地，所述步骤c中Y＝0.05或0.1。
本发明提供的一种淡水水生动物急性水质基准的推导方法，与现有技术相比，具有以下有益效果：
(1)受试物种选择目前急性毒性数据多，收集容易的水生动物，提高数据的可信度，降低基准推导造成的偏差，提高水质基准的精确性；
(2)由于三次样条函数本身的平滑性特点，利用它拟合得到的曲线可以通过所有的毒性数据，基于该曲线求得的急性水质基准值，可以照顾到所有物种，克服了百分排序法存在的只考虑4个属而造成的欠保护问题；同时也不会因为某一或某些属中种急性毒性值过少造成对这些物种过少关注而引起的基准偏差。
(3)对于相同的毒性数据，只能得到唯一的一个三次样条函数，不会因为研究人员的数理知识背景等客观因素，影响到急性水质基准值计算的客观性；计算过程比较简单，也克服了因毒性数据分布的特殊造成的拟合度难以确定的问题。
(4)本发明首次将三次样条函数引入水质基准的推导过程，该方法克服了现有水质基准计算模型的不足，丰富了水质基准的计算方法，为科学地计算水质基准提供了技术支持。
具体实施方式
本发明涉及一种淡水水生动物急性水质基准的推导方法，该方法适用于甲萘威、苯、四溴双酚A等有机物，以及铜、镉等重金属。
下面结合具体实施例对本发明做进一步详细的说明。
实施例1
本实施例以甲萘威为例，计算基于保护淡水水生动物的甲萘威的急性水质基准值。
甲萘威又名西维因，分子式为C12H11NO2，是一种广谱氨基甲酸酯类杀虫剂，其抑制生物体内乙酰胆碱酯酶的活性，可最终造成生物死亡，大量报道已证实甲萘威对淡水水生生物具有显著的毒性效应。目前，我国地表水中已检测到甲萘威，部分水体中甲萘威浓度远高于我国地表水质量标准和美国甲萘威淡水水质基准值。
本发明提供的一种淡水水生动物急性水质基准的推导方法，具体步骤如下：
步骤a、急性毒性数据的收集和筛选：
收集目标污染物的急性毒性数据，并按照国际认可的毒性数据筛选原则进行筛选；例如，在计算保护淡水水生动物水质基准值时，参照美国环保局的数据筛选原则，收集至少涉及三门八科水生动物的急性毒性数据；
所述急性毒性数据的受试物种包括本地物种和在当地大量繁殖的外来物种。
急性毒性数据的筛选原则如下：毒性试验必须设置对照试验，对照组和试验组的理化条件、试验生物和试验步骤应完全相同，不能使用物种表现出疾病症状或者大量死亡的对照组试验结果；不能使用未有明确测试终点、暴露时间的试验数据；水蚤或其他枝角类动物所做实验应使用龄期小于24h的生物，其急性毒性值采用48hEC50或LC50表示；其他水生动物的急性毒性值采用96hEC50或LC50表示，若暴露时间不足96h，采用48hEC50或LC50代替。筛选结果如表1所示。
表1甲萘威的急性毒性数据筛选统计结果
步骤b、数据处理：
(1)利用筛选出的急性毒性数据，先计算出甲萘威对水生动物的种平均急性值SMAV的几何平均值，然后求出属平均急性值GMAV；
(2)将所述的属平均急性值GMAV按从小到大的顺序并分别赋予从1至N的排号R，其中，R为自然数，排号1为最小属平均急性毒性值，排号N为最大属平均急性毒性值；
(3)利用公式P＝R/(N+1)，计算每个属的属平均急性值GMAV的累积概率P，其中，P代表水生生物被危害的比例。
进一步地，所述步骤(1)中同一物种有多个有效毒性终点LC50或EC50，则以多个毒性终点LC50或EC50的几何平均值作为该种平均急性值SMAV，计算公式如下：
其中：EC50n代表同一物种中，第n个有效毒性终点；
n代表同一物种中有效毒性终点的个数；
EC50可用LC50替代。
进一步地，所述步骤(1)中同一个属的一个以上物种的急性毒性数据存在时，属平均急性值GMAV为种平均急性值SMAV的几何平均值，计算公式如下：
其中：SMAVn代表第n种物种的种平均急性值；
n代表物种个数。
结果如表1所示。
步骤c、基准值的计算
依次对上述属平均急性值GMAV取自然对数后作为横坐标X，记为X＝(x1,x2,....,xN)，以其对应的累积概率P为纵坐标Y，Y＝(y1,y2,.....,yN)；此处采用常用程序matlab构造三次样条，在matlab中输入X＝(x1,x2,....,xN)，Y＝(y1,y2,.....,yN)构造三次样条函数，其中边界条件为S”(x1)＝S”(xN)＝0；
其中，Y的取值范围为0～1，例如，取Y＝0.05，在matlab中输入spline(Y,X,0.05)，对应求得的X值取反对数，得到短期危险浓度(STHC5)，即保护95％以上水生动物的急性水质基准值；
得出X＝1.5524，取反对数得出STHC5＝4.72μg/L，即为保护的淡水水生动物的甲萘威的急性水质基准值。
实施例2
本实施例以铜为例，计算基于保护淡水水生动物的铜的急性水质基准值。
本发明提供的一种淡水水生动物急性水质基准的推导方法，具体步骤如下：
步骤a、急性毒性数据的收集和筛选
收集目标污染物的急性毒性数据，并按照国际认可的毒性数据筛选原则进行筛选；例如，在计算保护淡水水生动物水质基准值时，参照美国环保局的数据筛选原则，收集至少涉及三门八科水生动物的急性毒性数据；
所述急性毒性数据的受试物种包括本地物种和在当地大量繁殖的外来物种。
急性毒性数据的筛选原则如下：毒性试验必须设置对照试验，对照组和试验组的理化条件、试验生物和试验步骤应完全相同，不能使用物种表现出疾病症状或者大量死亡的对照组试验结果；不能使用未有明确测试终点、暴露时间的试验数据；水蚤或其他枝角类动物所做实验应使用龄期小于24h的生物，其急性毒性值采用48hEC50或LC50表示；其他水生动物的急性毒性值采用96hEC50或LC50表示，若暴露时间不足96h，采用48hEC50或LC50代替。筛选结果如表2所示。
表2铜的急性毒性数据筛选统计结果
步骤b、数据处理
(1)利用筛选出的急性毒性数据，先计算出铜对水生动物的种平均急性值SMAV的几何平均值，然后求出属平均急性值GMAV；
(2)将所述的属平均急性值GMAV按从小到大的顺序并分别赋予从1至N的排号R，其中，R为自然数，排号1为最小属平均急性毒性值，排号N为最大属平均急性毒性值；
(3)利用公式P＝R/(N+1)，计算每个属的属平均急性值GMAV的累积概率P，其中，P代表水生生物被危害的比例。
进一步地，所述步骤(1)中同一物种有多个有效毒性终点LC50或EC50，则以多个毒性终点LC50或EC50的几何平均值作为该种平均急性值SMAV，计算公式如下：
其中：EC50n代表同一物种中，第n个有效毒性终点；
n代表同一物种中有效毒性终点的个数；
EC50可用LC50替代。
进一步地，所述步骤(1)中同一个属的一个以上物种的急性毒性数据存在时，属平均急性值GMAV为种平均急性值SMAV的几何平均值，计算公式如下：
其中：SMAVn代表第n种物种的种平均急性值；
n代表物种个数。
结果如表2所示。
步骤c、急性基准值的计算
依次对上述属平均急性值取自然对数后作为横坐标X，记为X＝(x1,x2,....,xN)，以其对应的累积概率P为纵坐标Y，Y＝(y1,y2,.....,yN)；此处采用常用程序matlab构造三次样条，在matlab中输入X＝(x1,x2,....,xN)，Y＝(y1,y2,.....,yN)构造三次样条函数，其中边界条件为S”(x1)＝S”(xN)＝0；
其中，Y的取值范围为0～1，例如，取Y＝0.05，在matlab中输入spline(Y,X,0.05)，对应求得的X值取反对数，得到短期危险浓度(STHC5)，即保护95％以上水生动物的急性水质基准值；
得出X＝2.7245，取反对数得出STHC5＝15.25μg/L，即为保护淡水水生动物的铜的急性水质基准值。
熟悉本技术领域的人员应理解，以上所述仅为本发明的较佳实施例，并非用来限定本发明的实施范围；凡是依本发明作等效变化与修改，都被本发明的专利范围所涵盖。

Claims (7)

1.一种淡水水生动物急性水质基准的推导方法，其特征在于，包括以下步骤：
步骤a、急性毒性数据的收集和筛选：
所述的急性毒性数据的受试物种为淡水水生动物，包括本地物种和在当地大量繁殖的外来物种，符合三门八科的物种筛选原则；
步骤b、数据处理：
依次分别求出筛选出的急性毒性数据的属平均急性值GMAV及对应的累积概率P；
步骤c、急性基准值的计算：
以步骤b中求得的属平均急性值GMAV的自然对数为横坐标X，以其对应的累积概率P为纵坐标Y，构造三次样条函数S（x），对Y赋值，其中Y=0~1，对应求得一个X值，对X取反对数，得短期危险浓度STHC100Y，即为针对目标污染物的急性水质基准值;
其中，所述步骤c具体为：对所述的属平均急性值GMAV取自然对数后作为横坐标X，记为X=（x1,x2,....,xN)，以其对应的累积概率P为纵坐标Y，记为Y=(y1,y2,.....,yN)；在区间［x1,xN］上拟合求得三次样条函数S（x），使它满足S（xn）=yn，n=1,2….N，同时满足边界条件S''(x1)＝S''(xN)=0；
基于风险安全评价方法对Y赋值，根据该Y值确定其对应的X的区间［xi,xi+1］，进而确定在区间［xi,xi+1］上的三次样条函数，将Y值代入该三次样条函数，对应求得一个X值，将X取反对数，得到目标污染物的短期危险浓度STHC100Y，其中，所述Y=0.05或0.1。
2.根据权利要求1所述的一种淡水水生动物急性水质基准的推导方法，其特征在于，毒性试验必须设置对照试验，对照组和试验组的理化条件、试验生物和试验步骤应完全相同，不能使用物种表现出疾病症状或者大量死亡的对照组试验结果；不能使用未有明确测试终点、暴露时间的试验数据；水蚤或其他枝角类动物所做实验应使用龄期小于24h的生物，其急性毒性值采用48hEC50或LC50表示；其他水生动物的急性毒性值采用96hEC50或LC50表示，若暴露时间不足96h，采用48hEC50或LC50代替。
3.根据权利要求1所述的一种淡水水生动物急性水质基准的推导方法，其特征在于，所述的步骤b的具体步骤如下：
（1）利用筛选出的急性毒性数据，计算出目标污染物对生物的属平均急性值GMAV；
（2）将所述的属平均急性值GMAV按从小到大的顺序并分别赋予从1至N的排号R，其中，R为自然数，排号1为最小属平均急性毒性值，排号N为最大属平均急性毒性值；
（3）利用公式P=R/(N+1)，计算每个属的属平均急性值GMAV的累积概率P，其中，P代表水生生物被危害的比例。
4.根据权利要求3所述的一种淡水水生动物急性水质基准的推导方法，其特征在于，所述步骤（1）中同一物种有多个有效毒性终点LC50或EC50，则以多个毒性终点LC50或EC50的几何平均值作为该种平均急性值SMAV，计算公式如下：
其中：EC50n代表同一物种中，第n个有效毒性终点；
n代表同一物种中有效毒性终点的个数；
EC50可用LC50替代。
5.根据权利要求3所述的一种淡水水生动物急性水质基准的推导方法，其特征在于，所述步骤（1）中同一个属的一个以上物种的急性毒性数据存在时，属平均急性值GMAV为种平均急性值SMAV的几何平均值，计算公式如下：
其中：SMAVn代表第n种物种的种平均急性值；
n代表物种个数。
6.根据权利要求3所述的一种淡水水生动物急性水质基准的推导方法，其特征在于，所述步骤（2）中有多个属平均急性值GMAV是相等的，任意将它们排成连续的等级。
7.根据权利要求1所述的一种淡水水生动物急性水质基准的推导方法，其特征在于，所述步骤c中Y=0.05，得到短期危险浓度STHC5，即为保护95%以上水生动物的急性水质基准值。
CN201810018678.0A 2018-01-09 2018-01-09 一种淡水水生动物急性水质基准的推导方法 Expired - Fee Related CN107991452B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810018678.0A CN107991452B (zh) 2018-01-09 2018-01-09 一种淡水水生动物急性水质基准的推导方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810018678.0A CN107991452B (zh) 2018-01-09 2018-01-09 一种淡水水生动物急性水质基准的推导方法

Publications (2)

Publication Number Publication Date
CN107991452A CN107991452A (zh) 2018-05-04
CN107991452B true CN107991452B (zh) 2019-05-10

Family

ID=62040719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810018678.0A Expired - Fee Related CN107991452B (zh) 2018-01-09 2018-01-09 一种淡水水生动物急性水质基准的推导方法

Country Status (1)

Country Link
CN (1) CN107991452B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113917102B (zh) * 2021-10-09 2024-01-12 中国人民大学 通过参数校正获取铜短期水质基准的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103810390A (zh) * 2014-02-20 2014-05-21 闫振广 计算应急水质标准的方法
CN105738590A (zh) * 2016-02-23 2016-07-06 中国环境科学研究院 一种生物累积性物质的保护水生生物水质标准的确定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103810390A (zh) * 2014-02-20 2014-05-21 闫振广 计算应急水质标准的方法
CN105738590A (zh) * 2016-02-23 2016-07-06 中国环境科学研究院 一种生物累积性物质的保护水生生物水质标准的确定方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《淡水水生生物水质基准制定技术指南（征求意见稿）编制说明》;《淡水水生生物水质基准制定技术指南编制组;《淡水水生生物水质基准制定技术指南（征求意见稿）编制说明》;20161231;9-27
美国水环境质量基准体系;陈艳卿;《环境科学研究》;20110430;第24卷(第4期);467-474
美国水质基准技术分析与我国相关基准的构建;孟伟;《环境科学研究》;20090731;第22卷(第7期);757-761

Also Published As

Publication number Publication date
CN107991452A (zh) 2018-05-04

Similar Documents

Publication Publication Date Title
Woodley Monitoring and measuring ecosystem integrity in Canadian National Parks
Bässler et al. The BIOKLIM Project: Biodiversity Research between Climate Change and Wilding in a temperate montane forest–The conceptual framework
US20160110835A1 (en) A method for determining ecological risks of heavy metal pollution in river and lake sediments
Huo et al. Development of methods for establishing nutrient criteria in lakes and reservoirs: a review
Rossaro et al. A biotic index using benthic macroinvertebrates for Italian lakes
Bittner et al. Patterns of morphological changes and hybridization between sympatric whitefish morphs (Coregonus spp.) in a Swiss lake: a role for eutrophication?
Laird et al. Diatom habitats, species diversity and water-depth inference models across surface-sediment transects in Worth Lake, northwest Ontario, Canada
El Hadri et al. Assessment of diffuse contamination of agricultural soil by copper in Aquitaine region by using French national databases
CN105303015B (zh) 优化污染场地土壤生态毒性诊断结果的方法及装置
Havens Using trophic state index (TSI) values to draw inferences regarding phytoplankton limiting factors and seston composition from routine water quality monitoring data
CN105279356B (zh) 获取水环境基准优先研究污染物的方法及装置
Pearson et al. Resolving large‐scale pressures on species and ecosystems: propensity modelling identifies agricultural effects on streams
Bidwell et al. Random placement models predict species–area relationships in duck communities despite species aggregation
CN111861242A (zh) 一种重金属海水水生生物水质基准值推导方法
Mikulyuk et al. A macrophyte bioassessment approach linking taxon-specific tolerance and abundance in north temperate lakes
Napiórkowska-Krzebietke et al. Phytoplankton in relation to water quality of a mesotrophic lake.
Garamszegi et al. Untested assumptions about within-species sample size and missing data in interspecific studies
CN107991452B (zh) 一种淡水水生动物急性水质基准的推导方法
Kendrick et al. Fish assemblages in the Hauraki gulf, New Zealand
Waugh et al. Debunking paradigms in estuarine fish species richness
Lubinevsky et al. Monitoring long-term spatial and temporal trends of the infaunal community characteristics along the shallow waters of the Mediterranean coast of Israel
CN112216342A (zh) 一种针对多溴联苯醚类有机污染物的海水水生生物水质基准值推导方法
Anderson Variability of diatom-inferred phosphorus profiles in a small lake basin and its implications for histories of lake eutrophication
CN109409590A (zh) 一种用于淡水水生生物水质基准预测的系统
Hanson et al. Influences of forest harvest and environmental gradients on aquatic invertebrate communities of seasonal ponds

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190510

Termination date: 20210109

CF01 Termination of patent right due to non-payment of annual fee