CN110275003B - 一种筛选修复高悬浮物浓度水体贝类的方法 - Google Patents

一种筛选修复高悬浮物浓度水体贝类的方法 Download PDF

Info

Publication number
CN110275003B
CN110275003B CN201910392748.3A CN201910392748A CN110275003B CN 110275003 B CN110275003 B CN 110275003B CN 201910392748 A CN201910392748 A CN 201910392748A CN 110275003 B CN110275003 B CN 110275003B
Authority
CN
China
Prior art keywords
shellfish
water
group
water body
turbidity
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
Application number
CN201910392748.3A
Other languages
English (en)
Other versions
CN110275003A (zh
Inventor
张又
李伟
苏雅玲
李宽意
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.)
Nanjing Institute of Geography and Limnology of CAS
Original Assignee
Nanjing Institute of Geography and Limnology of CAS
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 Nanjing Institute of Geography and Limnology of CAS filed Critical Nanjing Institute of Geography and Limnology of CAS
Priority to CN201910392748.3A priority Critical patent/CN110275003B/zh
Publication of CN110275003A publication Critical patent/CN110275003A/zh
Application granted granted Critical
Publication of CN110275003B publication Critical patent/CN110275003B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00—Biological treatment of water, waste water, or sewage
    • C02F3/32—Biological treatment of water, waste water, or sewage characterised by the animals or plants used, e.g. algae
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biotechnology (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Botany (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Microbiology (AREA)
  • Hydrology & Water Resources (AREA)
  • Environmental & Geological Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Organic Chemistry (AREA)
  • Farming Of Fish And Shellfish (AREA)

Abstract

本发明公开了一种筛选修复高悬浮物浓度水体贝类的方法，属于水体修复领域。本发明中通过室内控制实验分析不同贝类对水体高浓度悬浮物的净化效果，并结合不同悬浮物条件下不同贝类的滤水实验，筛选改善水质能力强的贝类种类，在实验过程中，通过S2和S3来检测不同贝类对水体高浓度悬浮物的净化效果，通过S4和S5来检测不同悬浮物条件下不同贝类的滤水效果，通过前者可以分析筛选出在相同水体环境下的最优贝类，后者可以分析筛选出在不同水体环境下的最优贝类，该方法在使用的时候，可以针对不同的情况进行选择，若现有水体环境较为复杂，可以使用两种或者多种贝类混搭的方式，加快对水体环境的净化。

Description

一种筛选修复高悬浮物浓度水体贝类的方法
技术领域
本发明涉及水体修复领域，尤其涉及一种筛选修复高悬浮物浓度水体贝类的方法。
背景技术
营养物质输入造成的蓝藻水华爆发和水动力造成的沉积物再悬浮是胁迫河湖生态系统的关键因子。目前针对蓝藻水华的研究较多，已有关于水体悬浮物控制的技术往往只注重蓝藻等有机颗粒物的去除效果，而对无机颗粒物的控制效果有限。
然而，要达到良好的水体修复效果，除了控制蓝藻，还需提高水体透明度，为水生动植物提供良好的生存环境。因此，对高悬浮物浓度水体的修复，需要对有机悬浮物和无机悬浮物均进行有效去除。
现有技术采用贝类可以对有机悬浮物和无机悬浮物进行有效去除，但是在利用贝类的滤食作用修复高悬浮物浓度的水体时，就需要利用技术手段筛选出对水体悬浮物去除效果较好的贝类进行投放使用，但截至目前为止，尚没有可以高效筛选出修复高悬浮物浓度水体贝类的有效方法。
发明内容
本发明的目的是为了解决无法高效的筛选出修复高悬浮物浓度水体贝类的问题，而提出的一种筛选修复高悬浮物浓度水体贝类的方法。
为了实现上述目的，本发明采用了如下技术方案：
一种筛选修复高悬浮物浓度水体贝类的方法，包括以下步骤：
S1、采集实验湖泊底泥，烘干研磨后，过300目筛，并采集该湖泊中的3种贝类，清理其表面附着物，挑选无损伤和有活力的个体用湖水暂养7天，实验前24h停止投喂；
S2、向160L的塑料桶中加入100L经63μm浮游动物网过滤的实验湖泊湖水，并且加入8g烘干研磨后经300目过筛的底泥，充分搅拌使其悬浮均匀，将16个8L方形塑料箱均分为4组，其中3个贝类处理组和1个空白对照组，每组设置有4个8L方形塑料箱，之后将充分搅拌的湖水倒入16个8L的方形塑料箱中，每个8L方形塑料箱中倒入5L湖水；
S3、向S2中的3个贝类处理组中各加入S1中3种贝类中的1种，实验控制每个贝类处理组中的每个方形塑料箱贝类湿重一致，3种贝类的放置密度为470-520g/m2；
S4、用3个160L塑料桶调配出100LA组、B组和C组相应水体，并将36个8L方形塑料箱均分为3套水体处理组，每套水体处理组设置有3个贝类处理组和1个空白对照组，每组设置有3个8L方形塑料箱，并且向3套水体处理组中各加入A组、B组和C组中的1种对应水体，每套水体处理组中的12个8L方形塑料箱中各加入5L对应水体；
S5、向S4中的B组和C组的水体处理组中各加入8g S1中的实验湖泊底泥，并充分搅拌使其悬浮均匀，之后向每套水体处理组中的3个贝类处理组中各加入S1中3种贝类中的1种，实验控制每个贝类处理组中每个方形塑料箱中的贝类湿重一致，3种贝类的放置密度为470-520g/m2；
S6、对S2中调配好的水体进行取样，并对其进行浊度(Turbid ity)、总悬浮物(TSS)、无机悬浮物(ISS)和叶绿素a(Chl-a)含量的测定，之后对S2中的每个方形塑料箱每20分钟使用玻璃注射器分别采集10ml水体，进行浊度的测定，实验结束之后，每个方形塑料箱用虹吸法取500ml水样两份，分别进行总悬浮物、无机悬浮物和叶绿素a含量测定，并且将3个贝类处理组中的贝类去壳烘干，称组织干重，并进行记录；
S7、对S4中调配好的3种水体进行取样，对其进行浊度、总悬浮物、无机悬浮物含量的测定，并使用原位藻类分析仪测量水体中的绿藻、蓝藻和叶绿素a含量，对S5中所有方形塑料箱在加入贝类1小时后使用虹吸法取样500ml，用于测定总悬浮物、无机悬浮物和浊度，另用虹吸法取样3.5L，用于原位藻类分析仪测量水体中的绿藻、蓝藻和叶绿素a含量，实验结束之后将所有贝类处理组中的贝类去壳烘干，称组织干重，并进行记录；
S8、对S6和S7中测定记录的数据进行整理处理，之后综合分析不同贝类对高悬浮物水体浊度滤除效果、高悬浮物水体条件下不同贝类的滤水率和贝类对不同水体的净化效果，选择出在相应条件下水体净化效果最好的贝类。
优选地，所述S4中的A组水体为50％体积含量的绿藻和50％体积含量的蓝藻的藻水，所述B组水体为50％体积含量的绿藻、50％体积含量的蓝藻和底泥的藻水，所述C组水体为充分曝气的自来水和底泥的水体。
优选地，所述S8中的数据处理中不同贝类对高悬浮物水体浊度滤除效果的分析包括：
A1、对S6中浊度的测量结果进行重复测量方差分析；
A2、根据S3中各贝类处理组的组织干重，换算出各贝类处理组在相同组织干重下的滤水情况，并记录；
A3、对A2中的滤水情况记录进行重复测量方差分析；
A4、对S3中各贝类处理组的总悬浮物、无机悬浮物和叶绿素a浓度使用单因素方差分析，再基于最小显著差别方法进行两两比较，选出净化效果最好的贝类。
优选地，所述S8中的数据处理中高悬浮物水体条件下不同贝类的滤水率，采用单因素方差分析3种贝类的单位体重滤水率，再基于最小显著差别方法进行两两比较，若P＜0.05则存在显著差异，若P＞0.05则差异不显著，选出净化效果最好的贝类。
优选地，所述S8中的数据处理中贝类对不同水体的净化效果，采用双因素方差分析，再基于最小显著差别方法进行两两比较，若P＜0.05则存在显著差异，若P＞0.05则差异不显著，从而选出净化效果最好的贝类。
优选地，所述S8中的数据处理中，采用以下公式计算不同贝类的单位体重滤水率CRg：
Figure GDA0002338035340000041
式中：V为实验用水体积，G为贝类组织干重，t为取样间隔时间；C0和Ct分别为t时刻的空白对照组和贝类处理组水体浊度，实验以浊度值估算悬浮物浓度，以空白对照组的浊度值为起始值，以1小时各处理的浊度值为结束值，计算前1个小时，每种贝类的单位体重滤水率。
优选地，所述S8中的数据处理采用以下公式计算不同贝类对水体中总悬浮物、无机悬浮物、浊度、叶绿素a、绿藻和蓝藻的单位体重滤除率CRgx：
Figure GDA0002338035340000051
式中：CRgx为贝类对水体中总悬浮物、无机悬浮物、浊度、叶绿素a、绿藻和蓝藻的单位体重滤食率，V为实验用水体积，G为每个处理组的贝类组织干重，t为取样间隔时间；W0、Wt分别为t时刻的空白对照组和贝类处理组水体相应指标的浓度，实验以空白对照组的浓度值为起始值，以实验结束时各处理组的浓度值为结束值，计算前1个小时，每种贝类对水体中总悬浮物、无机悬浮物、浊度、叶绿素a、绿藻和蓝藻的单位体重滤除率。
与现有技术相比，本发明提供了一种筛选修复高悬浮物浓度水体贝类的方法，具备以下有益效果：
1.本发明中通过室内控制实验分析不同贝类对水体高浓度悬浮物的净化效果，并结合不同悬浮物条件下不同贝类的滤水实验，筛选改善水质能力强的贝类种类，在实验过程中，通过S2和S3来检测不同贝类对水体高浓度悬浮物的净化效果，通过S4和S5来检测不同悬浮物条件下不同贝类的滤水效果，通过前者可以分析选择出在相同水体环境下的最优贝类，后者可以指导在不同水体环境下如何选择最优贝类，该方法在使用的时候，可以针对不同的情况进行选择，若现有水体环境较为复杂，可以使用两种或者多种贝类混搭的方式，加快对水体环境的净化。
2.本发明中采用多种水体对贝类的净化效果进行了准确有效地判定，使用绿藻、蓝藻和底泥，可以有效地模拟出具体生态环境中可能出现的水体环境，可以有效地选择出在自然环境下净化效果更加优秀的贝类，并且在后期数据处理的时候，通过将检测的结果转变为单位体重滤水率，从而可以更加直观地比对出各种贝类对于水体的净化效果，在具体的使用过程中，对于贝类的净化效果考察项目较多，所以可以更加准确地根据不同水体选择出最优的贝类，在比对的过程中，多采用方差分析，可以有效地分析出两者之间是否存在显著差异，从而可以快速有效地分析出两者之间对于水体净化效果的优劣，从而可以快速地选择出性能卓越的贝类。
附图说明
图1为本发明提出的一种筛选修复高悬浮物浓度水体贝类的方法的不同贝类处理组的浊度变化图；
图2为本发明提出的一种筛选修复高悬浮物浓度水体贝类的方法的不同贝类处理组经过组织干重换算后的浊度变化图；
图3为本发明提出的一种筛选修复高悬浮物浓度水体贝类的方法的三种贝类滤水4小时后的单位体重滤水率图；
图4为本发明提出的一种筛选修复高悬浮物浓度水体贝类的方法的各水体处理组内对总悬浮物、无机悬浮物和叶绿素a的滤除情况图；
图5为本发明提出的一种筛选修复高悬浮物浓度水体贝类的方法的三种贝类对三种水体中总悬浮物的单位体重滤除率图；
图6为本发明提出的一种筛选修复高悬浮物浓度水体贝类的方法的三种贝类对三种水体中叶绿素a的单位体重滤除率图；
图7为本发明提出的一种筛选修复高悬浮物浓度水体贝类的方法的三种贝类对三种水体中无机悬浮物的单位体重滤除率图；
图8为本发明提出的一种筛选修复高悬浮物浓度水体贝类的方法的三种贝类对三种水体中浊度的单位体重滤除率图；
图9为本发明提出的一种筛选修复高悬浮物浓度水体贝类的方法的三种贝类对三种水体中绿藻的单位体重滤除率图；
图10为本发明提出的一种筛选修复高悬浮物浓度水体贝类的方法的三种贝类对三种水体中蓝藻的单位体重滤除率图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
实施例1：
一种筛选修复高悬浮物浓度水体贝类的方法，包括以下步骤：
S1、采集实验湖泊底泥，烘干研磨后，过300目筛，并采集该湖泊中的3种贝类，清理其表面附着物，挑选无损伤和有活力的个体用湖水暂养7天，实验前24h停止投喂；
S2、向160L的塑料桶中加入100L经63μm浮游动物网过滤的实验湖泊湖水，并且加入8g烘干研磨后经300目过筛的底泥，充分搅拌使其悬浮均匀，将16个8L方形塑料箱均分为4组，其中3个贝类处理组和1个空白对照组，每组设置有4个8L方形塑料箱，之后将充分搅拌的湖水倒入16个8L的方形塑料箱中，每个8L方形塑料箱中倒入5L湖水；
S3、向S2中的3个贝类处理组中各加入S1中3种贝类中的1种，实验控制每个贝类处理组中的每个方形塑料箱贝类湿重一致，3种贝类的放置密度为470-520g/m2；
S4、用3个160L塑料桶调配出100LA组、B组和C组相应水体，并将36个8L方形塑料箱均分为3套水体处理组，每套水体处理组设置有3个贝类处理组和1个空白对照组，每组设置有3个8L方形塑料箱，并且向3套水体处理组中各加入A组、B组和C组中的1种对应水体，每套水体处理组中的12个8L方形塑料箱中各加入5L对应水体；
S5、向S4中的B组和C组的水体处理组中各加入8g S1中的实验湖泊底泥，并充分搅拌使其悬浮均匀，之后向每套水体处理组中的3个贝类处理组中各加入S1中3种贝类中的1种，实验控制每个贝类处理组中每个方形塑料箱中的贝类湿重一致，3种贝类的放置密度为470-520g/m2；
S6、对S2中调配好的水体进行取样，并对其进行浊度(Turbidity)、总悬浮物(TSS)、无机悬浮物(ISS)和叶绿素a(Chl-a)含量的测定，之后对S2中的每个方形塑料箱每20分钟使用玻璃注射器分别采集10ml水体，进行浊度的测定，实验结束之后，每个方形塑料箱用虹吸法取500ml水样两份，分别进行总悬浮物、无机悬浮物和叶绿素a含量测定，并且将3个贝类处理组中的贝类去壳烘干，称组织干重，并进行记录；
S7、对S4中调配好的3种水体进行取样，对其进行浊度、总悬浮物、无机悬浮物含量的测定，并使用原位藻类分析仪测量水体中的绿藻、蓝藻和叶绿素a含量，对S5中所有方形塑料箱在加入贝类1小时后使用虹吸法取样500ml，用于测定总悬浮物、无机悬浮物和浊度，另用虹吸法取样3.5L，用于原位藻类分析仪测量水体中的绿藻、蓝藻和叶绿素a含量，实验结束之后将所有贝类处理组中的贝类去壳烘干，称组织干重，并进行记录；
S8、对S6和S7中测定记录的数据进行整理处理，之后综合分析不同贝类对高悬浮物水体浊度滤除效果、高悬浮物水体条件下不同贝类的滤水率和贝类对不同水体的净化效果，选择出在相应条件下水体净化效果最好的贝类。
进一步，优选地，S4中的A组水体为50％体积含量的绿藻和50％体积含量的蓝藻的藻水，B组水体为50％体积含量的绿藻、50％体积含量的蓝藻和底泥的藻水，C组水体为充分曝气的自来水和底泥的水体。
进一步，优选地，S8中的数据处理中不同贝类对高悬浮物水体浊度滤除效果的分析包括：
A1、对S6中浊度的测量结果进行重复测量方差分析；
A2、根据S3中各贝类处理组的组织干重，换算出各贝类处理组在相同组织干重下的滤水情况，并记录；
A3、对A2中的滤水情况记录进行重复测量方差分析；
A4、对S3中各贝类处理组的总悬浮物、无机悬浮物和叶绿素a浓度使用单因素方差分析，再基于最小显著差别方法进行两两比较，选出净化效果最好的贝类。
进一步，优选地，S8中的数据处理中高悬浮物水体条件下不同贝类的滤水率，采用单因素方差分析3种贝类的单位体重滤水率，再基于最小显著差别方法进行两两比较，若P＜0.05则存在显著差异，若P＞0.05则差异不显著，选出净化效果最好的贝类。
进一步，优选地，S8中的数据处理中贝类对不同水体的净化效果，采用双因素方差分析，再基于最小显著差别方法进行两两比较，若P＜0.05则存在显著差异，若P＞0.05则差异不显著，从而选出净化效果最好的贝类。
进一步，优选地，S8中的数据处理中，采用以下公式计算不同贝类的单位体重滤水率CRg：
Figure GDA0002338035340000111
式中：V为实验用水体积，G为贝类组织干重，t为取样间隔时间；C0和Ct分别为t时刻的空白对照组和贝类处理组水体浊度，实验以浊度值估算悬浮物浓度，以空白对照组的浊度值为起始值，以1小时各处理的浊度值为结束值，计算前1个小时，每种贝类的单位体重滤水率。
进一步，优选地，S8中的数据处理采用以下公式计算不同贝类对水体中总悬浮物、无机悬浮物、浊度、叶绿素a、绿藻和蓝藻的单位体重滤除率CRgx：
Figure GDA0002338035340000112
式中：CRgx为贝类对水体中总悬浮物、无机悬浮物、浊度、叶绿素a、绿藻和蓝藻的单位体重滤食率，V为实验用水体积，G为每个处理组的贝类组织干重，t为取样间隔时间；W0、Wt分别为t时刻的空白对照组和贝类处理组水体相应指标的浓度，实验以空白对照组的浓度值为起始值，以实验结束时各处理组的浓度值为结束值，计算前1个小时，每种贝类对水体中总悬浮物、无机悬浮物、浊度、叶绿素a、绿藻和蓝藻的单位体重滤除率。
实施例2：基于实施例1但有所不同的是；
S1、采集太湖底泥，烘干研磨后，过300目筛，备用。在太湖采集河蚬、背角无齿蚌、三角帆蚌，清理其表面附着物，挑选无损伤、有活力的个体用湖水暂养7天，实验前24h停止投喂；
S2、实验开始前，向160L的塑料桶中加入100L经63μm浮游动物网过滤的太湖湖水，并且加入8g烘干研磨后经300目过筛的底泥，充分搅拌使其悬浮均匀，将16个8L方形塑料箱均分为4组，其中3个贝类处理组和1个空白对照组，每组设置4个8L方形塑料箱，之后将充分搅拌的湖水倒入16个8L的方形塑料箱中，每个8L方形塑料箱中倒入5L湖水；
S3、向S2中的3个贝类处理组中各加入S1中3种贝类中的1种，实验控制每个贝类处理组中的每个方形塑料箱贝类湿重一致，3种贝类的放置密度约为480g/m2。背角无齿蚌组每组放置5个，每个处理组的生物量为32.35g-32.85g，均值为32.67g。三角帆蚌每组放置3个，每个处理组的生物量为32.54g-33.19g，均值为32.99g。河蚬每组放置24个，每个处理组的生物量为33.07g-33.65g，均值为33.45g；
S4、实验开始前对混合均匀的水体进行取样，用于测定浊度、总悬浮物、无机悬浮物和叶绿素a含量。实验开始后每20分钟用玻璃注射器采集10ml水体，用于测定浊度。实验结束后，每个处理组用虹吸法取500ml水样两份，分别用于测定总悬浮物、无机悬浮物和叶绿素a含量，并且将背角无齿蚌、三角帆蚌和河蚬去壳烘干，称组织干重。
实施例3：基于实施例1和2但有所不同的是；
S1、采集太湖底泥，烘干研磨后，过300目筛，备用。在太湖采集河蚬、背角无齿蚌、三角帆蚌，清理其表面附着物，挑选无损伤、有活力的个体用湖水暂养7天，实验前24h停止投喂；
S2、实验分3个水体处理组，分别为A藻水(50％体积含量绿藻+50％体积含量蓝藻)、B加入底泥的藻水(50％体积含量绿藻+50％体积含量蓝藻+底泥)和C只有底泥的水体(充分曝气的自来水+底泥)。实验开始前，分别用160L的桶调配出100L的相应水体，并将36个8L方形塑料箱均分为3套水体处理组，每套水体处理组设置有3个贝类处理组和1个空白对照组，每组设置有3个8L方形塑料箱，并且向3套水体处理组中各加入A组、B组和C组中的1种对应水体，每套水体处理组中的12个8L方形塑料箱中各加入5L对应水体，其中A组和B组的藻类组成和浓度均一致，B组和C组各加入8g烘干研磨后经300目过筛的底泥，并充分搅拌使其悬浮均匀；
S3、该实验亦选择背角无齿蚌、三角帆蚌和河蚬3种贝类，实验控制每个贝类处理组中每个方形塑料箱的贝类湿重一致，3种贝类的放置密度约为520g/m2。背角无齿蚌组每组放置2个，每个处理组的生物量为36.7g-37.5g，均值为36.9g。三角帆蚌每组放置3个，每个处理组的生物量为35.5g-36.0g，均值为35.8g。河蚬每组放置18个，每个处理组的生物量为35.5g-36.0g，均值为35.8g；
S4、实验开始前分别对3组水体进行取样，用于测定总悬浮物、无机悬浮物和浊度，并且用原位藻类分析仪测量水体中的绿藻、蓝藻和叶绿素a含量。实验进行1小时后，每个处理组用虹吸法取样500ml，用于测定总悬浮物、无机悬浮物和浊度，另用虹吸法取样3.5L，用于原位藻类分析仪测量水体中的绿藻、蓝藻和叶绿素a含量。实验结束后，将背角无齿蚌、三角帆蚌和河蚬去壳烘干，称组织干重。
基于实施例2和3的分析结果；
根据图1，重复测量方差分析结果表明，除了背角无齿蚌组和三角帆蚌组的浊度差异不显著(P＝0.200)外，其他各处理组之间均具有显著差异(P<0.01)。河蚬组的浊度降低最为明显，其次是背角无齿蚌组和三角帆蚌组，说明三种不同贝类在相同湿重下，对高悬浮物浓度的滤除效果存在差异，其中河蚬的滤除效果最好，背角无齿蚌和三角帆蚌稍逊色于河蚬；
根据图2，实验中不同处理组的贝类采用相同湿重，根据各处理组的组织干重，换算出各处理组在相同组织干重下的滤水情况。重复测量方差分析结果表明，除了河蚬组和三角帆蚌组的浊度差异不显著(P＝1.00)外，其他各处理组之间均具有显著差异(P<0.001)。换算后的浊度变化图中可以看出，背角无齿蚌组的浊度要高于河蚬组和三角帆蚌组，说明三种不同贝类在相同组织干重下，对高悬浮物浓度的滤除效果存在差异，其中河蚬和三角帆蚌对高悬浮物浓度的滤除效果更好，背角无齿蚌稍逊色；
根据图4，单因素方差分析结构表明，各处理组的总悬浮物、无机悬浮物和叶绿素a浓度均存在显著差异(P<0.01)。基于最小显著差别方法进行两两比较的结果表明：对总悬浮物的滤除情况，各处理组间均存在显著差异(P<0.01)；对无机悬浮物的滤除情况，除背角无齿蚌组和三角帆蚌组差异不显著(P＝0.069)外，其他各处理组之间均具有显著差异(P<0.01)；对叶绿素a的滤除情况，除了背角无齿蚌组和河蚬组差异不显著(P＝0.057)外，其他各处理组之间均具有显著差异(P<0.01)。并且各处理组在实验持续4小时后的总悬浮物浓度、无机悬浮物浓度和叶绿素a浓度均为：空白对照组>三角帆蚌组>背角无齿蚌组>河蚬组，说明高悬浮浓度水体中，三种贝类均可有效滤除水体中的悬浮物，河蚬的滤除效果最好，其次是背角无齿蚌，三角帆蚌效果最差。对于水体中的无机悬浮物，河蚬的滤除效果也是最好的，背角无齿蚌和三角帆蚌稍差。对于水体中的悬浮藻类，河蚬和背角无齿蚌的滤除效果都很好，三角帆蚌稍差。
根据图3，单因素方差分析结果表明，三种贝类的单位体重滤水率存在显著差异(P<0.01)。基于最小显著差别方法进行两两比较的结果表明：背角无齿蚌的单位体重滤水率与三角帆蚌和河蚬的单位体重滤水率均存在显著差异(P<0.01)，但三角帆蚌与河蚬的单位体重滤水率没有显著差异(P＝0.087)。
根据图5-10，双因素方差分析结果表明，不同水体、不同贝类对总悬浮物的滤除效果均具有显著差异(P<0.01)。基于最小显著差别方法进行两两比较的结果表明：藻水(A组)和加了底泥的藻水(B组)中，背角无齿蚌与河蚬、背角无齿蚌与三角帆蚌对总悬浮物的滤除效果均存在显著差异(P<0.01)，但三角帆蚌与河蚬对总悬浮物的滤除效果均没有显著差异(P＝0.646和P＝0.055)，背角无齿蚌对总悬浮物的单位体重滤除率均低于三角帆蚌和河蚬，说明三角帆蚌和河蚬对总悬浮物的滤除效果均较好，而背角无齿蚌对总悬浮物的滤除效果稍差；在只有底泥的水体(C组)中，任意两种贝类之间对总悬浮物的滤除效果均存在显著差异(P<0.01)，三种贝类对总悬浮物的单位体重滤除率为河蚬>三角帆蚌>背角无齿蚌，说明该条件下河蚬对总悬浮物的滤除效果最好，三角帆蚌其次，背角无齿蚌最差；河蚬、背角无齿蚌和三角帆蚌对A组与B组中总悬浮物的滤除效果没有显著差异(P＝0.096、P＝0.691和P＝0.653)，对A组与C组、B组与C组中总悬浮物的滤除效果均存在显著差异(P<0.01)，三种贝类对A组和B组中总悬浮物的单位体重滤除率高于C组，说明三种贝类在前两种情况下可以更有效地滤除水体中的总悬浮物。
各处理组中，不同水体、不同贝类对无机悬浮物的滤除效果均具有显著差异(P<0.01)。基于最小显著差别方法进行两两比较的结果表明：A组中，背角无齿蚌与河蚬、背角无齿蚌与三角帆蚌对无机悬浮物的滤除效果均存在显著差异(P<0.01)，但三角帆蚌与河蚬对总悬浮物的滤除效果没有显著差异(P＝0.514)，背角无齿蚌对无机悬浮物的单位体重滤除率低于三角帆蚌和河蚬，说明三角帆蚌和河蚬对无机悬浮物的滤除效果相似，而背角无齿蚌对无机悬浮物的滤除效果稍差；B组和C组中，任意两种贝类之间对无机悬浮物的滤除效果均存在显著差异(P<0.05)，且三种贝类对无机悬浮物的单位体重滤除率为河蚬>三角帆蚌>背角无齿蚌，说明这两种条件下，河蚬对无机悬浮物的滤除效果最好，三角帆蚌其次，背角无齿蚌最差；河蚬、背角无齿蚌和三角帆蚌对A组与B组中无机悬浮物的滤除效果没有显著差异(P＝0.107、P＝0.993和P＝0.998)，对A组与C组、B组与C组中无机悬浮物的滤除效果均存在显著差异(P<0.01)，三种贝类对A组和B组中无机悬浮物的单位体重滤除率高于C组，说明三种贝类在前两种情况下可以更有效地滤除水体中的无机悬浮物。
各处理组中，不同水体、不同贝类对浊度的滤除效果均具有显著差异(P<0.01)。基于最小显著差别方法进行两两比较的结果表明：A组和B组中，背角无齿蚌与河蚬、背角无齿蚌与三角帆蚌对浊度的滤除效果均存在显著差异(P<0.01)，但三角帆蚌与河蚬对浊度的滤除效果均没有显著差异(P＝0.172和P＝0.057)，背角无齿蚌对浊度的单位体重滤除率均低于三角帆蚌和河蚬，说明三角帆蚌和河蚬对浊度的滤除效果相似，而背角无齿蚌对浊度的滤除效果稍差；在C组中，河蚬与背角无齿蚌对浊度的滤除效果存在显著差异(P<0.01)，但河蚬与三角帆蚌(P＝0.145)、背角无齿蚌与三角帆蚌(P＝0.154)之间均没有显著差异；任意两种贝类对三种水体中浊度的滤除效果均具有显著差异(P<0.01)，且三种贝类在三种水体中对浊度的单位体重滤除率为B组>A组>C组，说明三种贝类对加了底泥的藻水中浊度的滤除效果最好，藻水其次，只有底泥的水体最差。
各处理组中，不同水体、不同贝类对叶绿素a的滤除效果均具有显著差异(P<0.01)。基于最小显著差别方法进行两两比较的结果表明：A组中，河蚬与背角无齿蚌、河蚬与三角帆蚌对叶绿素a的滤除效果均存在显著差异(P<0.01)，但三角帆蚌与背角无齿蚌对叶绿素a的滤除效果没有显著差异(P＝0.141)，河蚬对叶绿素a的单位体重滤除率高于三角帆蚌和背角无齿蚌，说明河蚬对叶绿素a的滤除效果较好，而三角帆蚌和背角无齿蚌对叶绿素a的滤除效果稍差；B组中，背角无齿蚌与河蚬、背角无齿蚌与三角帆蚌对叶绿素a的滤除效果均存在显著差异(P<0.01)，但三角帆蚌与河蚬对叶绿素a的滤除效果没有显著差异(P＝0.052)，背角无齿蚌对叶绿素a的单位体重滤除率低于河蚬和三角帆蚌，说明河蚬和三角帆蚌对叶绿素a的滤除效果均较好，而背角无齿蚌对总悬浮物的滤除效果稍差；河蚬和三角帆蚌对A组与B组中叶绿素a的滤除效果均存在显著差异(P<0.01)，且对A组中叶绿素a的单位体重滤除率低于B组，说明河蚬和三角帆蚌对加了底泥的藻水中叶绿素a的滤除效果要好于藻水；背角无齿蚌对A组与B组中叶绿素a的单位体重滤除率没有显著差异(P＝0.326)，说明背角无齿蚌在两种条件下对叶绿素a的滤除效果没有差异。
各处理组中，不同水体、不同贝类对绿藻的滤除效果均具有显著差异(P<0.01)。基于最小显著差别方法进行两两比较的结果表明：A组中，河蚬与背角无齿蚌(P<0.01)、河蚬与三角帆蚌(P<0.05)对绿藻的滤除效果均存在显著差异，但三角帆蚌与背角无齿蚌对绿藻的滤除效果没有显著差异(P＝0.171)，河蚬对绿藻的单位体重滤除率高于三角帆蚌和背角无齿蚌，说明河蚬对绿藻的滤除效果较好，而三角帆蚌和背角无齿蚌对绿藻的滤除效果稍差；B组中，河蚬与背角无齿蚌(P<0.01)、背角无齿蚌与三角帆蚌(P<0.01)、三角帆蚌与河蚬(P<0.05)之间对绿藻的滤除效果均存在显著差异，且三种贝类对绿藻的单位体重滤除率为河蚬>三角帆蚌>背角无齿蚌，说明该种条件下，河蚬对绿藻的滤除效果最好，三角帆蚌其次，背角无齿蚌最差；河蚬和三角帆蚌对A组与B组中绿藻的滤除效果均存在显著差异(P<0.01)，且对A组中绿藻的单位体重滤除率低于B组，说明河蚬和三角帆蚌对加了底泥的藻水中绿藻的滤除效果要好于藻水；背角无齿蚌对A组与B组中绿藻的单位体重滤除率没有显著差异(P＝0.373)，说明背角无齿蚌在两种条件下对绿藻的滤除效果没有差异。
各处理组中，不同水体、不同贝类对蓝藻的滤除效果均具有显著差异(P<0.01)。基于最小显著差别方法进行两两比较的结果表明：A组中，河蚬与背角无齿蚌(P<0.01)、河蚬与三角帆蚌(P<0.05)对蓝藻的滤除效果均存在显著差异，但三角帆蚌与背角无齿蚌对蓝藻的滤除效果没有显著差异(P＝0.153)，河蚬对蓝藻的单位体重滤除率高于三角帆蚌和背角无齿蚌，说明河蚬对蓝藻的滤除效果较好，而三角帆蚌和背角无齿蚌对蓝藻的滤除效果稍差；B组中，背角无齿蚌与河蚬、背角无齿蚌与三角帆蚌对蓝藻的滤除效果均存在显著差异(P<0.01)，但三角帆蚌与河蚬对蓝藻的滤除效果没有显著差异(P＝0.128)，背角无齿蚌对蓝藻的单位体重滤除率均低于河蚬和三角帆蚌，说明河蚬和三角帆蚌对蓝藻的滤除效果均较好，而背角无齿蚌对蓝藻的滤除效果稍差；河蚬和三角帆蚌对A组与B组中蓝藻的滤除效果均存在显著差异(P<0.01)，且对A组中的蓝藻的单位体重滤除率低于B组，说明河蚬和三角帆蚌对加了底泥的藻水中蓝藻的滤除效果要好于藻水；背角无齿蚌对A组与B组中蓝藻的单位体重滤除率没有显著差异(P＝0.201)，说明背角无齿蚌在两种条件下对蓝藻的滤除效果没有差异。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种筛选修复高悬浮物浓度水体贝类的方法，其特征在于：包括以下步骤：
S1、采集实验湖泊底泥，烘干研磨后，过300目筛，并采集该湖泊中的3种贝类，清理其表面附着物，挑选无损伤和有活力的个体用湖水暂养7天，实验前24h停止投喂；
S2、向160L的塑料桶中加入100L经63μm浮游动物网过滤的实验湖泊湖水，并且加入8g烘干研磨后经300目过筛的底泥，充分搅拌使其悬浮均匀，将16个8L方形塑料箱均分为4组，其中3个贝类处理组和1个空白对照组，每组设置有4个8L方形塑料箱，之后将充分搅拌的湖水倒入16个8L的方形塑料箱中，每个8L方形塑料箱中倒入5L湖水；
S3、向S2中的3个贝类处理组中各加入S1中3种贝类中的1种，实验控制每个贝类处理组中的每个方形塑料箱贝类湿重一致，3种贝类的放置密度为470-520g/m2；
S4、用3个160L塑料桶调配出100LA组、B组和C组相应水体，并将36个8L方形塑料箱均分为3套水体处理组，每套水体处理组设置有3个贝类处理组和1个空白对照组，每组设置有3个8L方形塑料箱，并且向3套水体处理组中各加入A组、B组和C组中的1种对应水体，每套水体处理组中的12个8L方形塑料箱中各加入5L对应水体；
S5、向S4中的B组和C组的水体处理组中各加入8g S1中的实验湖泊底泥，并充分搅拌使其悬浮均匀，之后向每套水体处理组中的3个贝类处理组中各加入S1中3种贝类中的1种，实验控制每个贝类处理组中每个方形塑料箱中的贝类湿重一致，3种贝类的放置密度为470-520g/m2；
S6、对S2中调配好的水体进行取样，并对其进行浊度、总悬浮物、无机悬浮物和叶绿素a含量的测定，之后对S2中的每个方形塑料箱每20分钟使用玻璃注射器分别采集10ml水体，进行浊度的测定，实验结束之后，每个方形塑料箱用虹吸法取500ml水样两份，分别进行总悬浮物、无机悬浮物和叶绿素a含量测定，并且将3个贝类处理组中的贝类去壳烘干，称组织干重，并进行记录；
S7、对S4中调配好的3种水体进行取样，对其进行浊度、总悬浮物、无机悬浮物含量的测定，并使用原位藻类分析仪测量水体中的绿藻、蓝藻和叶绿素a含量，对S5中所有方形塑料箱在加入贝类1小时后使用虹吸法取样500ml，用于测定总悬浮物、无机悬浮物和浊度，另用虹吸法取样3.5L，用于原位藻类分析仪测量水体中的绿藻、蓝藻和叶绿素a含量，实验结束之后将所有贝类处理组中的贝类去壳烘干，称组织干重，并进行记录；
S8、对S6和S7中测定记录的数据进行整理处理，之后综合分析不同贝类对高悬浮物水体浊度滤除效果、高悬浮物水体条件下不同贝类的滤水率和贝类对不同水体的净化效果，选择出在相应条件下水体净化效果最好的贝类；
数据处理中不同贝类对高悬浮物水体浊度滤除效果的分析包括：
A1、对S6中浊度的测量结果进行重复测量方差分析；
A2、根据S3中各贝类处理组的组织干重，换算出各贝类处理组在相同组织干重下的滤水情况，并记录；
A3、对A2中的滤水情况记录进行重复测量方差分析；
A4、对S3中各贝类处理组的总悬浮物、无机悬浮物和叶绿素a浓度使用单因素方差分析，再基于最小显著差别方法进行两两比较，选出净化效果最好的贝类；
数据处理中高悬浮物水体条件下不同贝类的滤水率，采用单因素方差分析3种贝类的单位体重滤水率，再基于最小显著差别方法进行两两比较，若P＜0.05则存在显著差异，若P＞0.05则差异不显著，选出净化效果最好的贝类；
数据处理中贝类对不同水体的净化效果，采用双因素方差分析，再基于最小显著差别方法进行两两比较，若P＜0.05则存在显著差异，若P＞0.05则差异不显著，从而选出净化效果最好的贝类。
2.根据权利要求1所述的一种筛选修复高悬浮物浓度水体贝类的方法，其特征在于：所述S4中的A组水体为50％体积含量的绿藻和50％体积含量的蓝藻的藻水，所述B组水体为50％体积含量的绿藻、50％体积含量的蓝藻和底泥的藻水，所述C组水体为充分曝气的自来水和底泥的水体。
3.根据权利要求1所述的一种筛选修复高悬浮物浓度水体贝类的方法，其特征在于：所述S8中的数据处理中，采用以下公式计算不同贝类的单位体重滤水率CRg：
Figure FDA0002338035330000031
式中：V为实验用水体积，G为贝类组织干重，t为取样间隔时间；C0和Ct分别为t时刻的空白对照组和贝类处理组水体浊度，实验以浊度值估算悬浮物浓度，以空白对照组的浊度值为起始值，以1小时各处理的浊度值为结束值，计算前1个小时，每种贝类的单位体重滤水率。
4.根据权利要求1所述的一种筛选修复高悬浮物浓度水体贝类的方法，其特征在于：所述S8中的数据处理采用以下公式计算不同贝类对水体中总悬浮物、无机悬浮物、浊度、叶绿素a、绿藻和蓝藻的单位体重滤除率CRgx：
Figure FDA0002338035330000041
式中：CRgx为贝类对对水体中总悬浮物、无机悬浮物、浊度、叶绿素a、绿藻和蓝藻的单位体重滤食率，V为实验用水体积，G为每个处理组的贝类组织干重，t为取样间隔时间；W0、Wt分别为t时刻的空白对照组和贝类处理组水体相应指标的浓度，实验以空白对照组的浓度值为起始值，以实验结束时各处理组的浓度值为结束值，计算前1个小时，每种贝类对水体中总悬浮物、无机悬浮物、浊度、叶绿素a、绿藻和蓝藻的单位体重滤除率。
CN201910392748.3A 2019-05-13 2019-05-13 一种筛选修复高悬浮物浓度水体贝类的方法 Active CN110275003B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910392748.3A CN110275003B (zh) 2019-05-13 2019-05-13 一种筛选修复高悬浮物浓度水体贝类的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910392748.3A CN110275003B (zh) 2019-05-13 2019-05-13 一种筛选修复高悬浮物浓度水体贝类的方法

Publications (2)

Publication Number Publication Date
CN110275003A CN110275003A (zh) 2019-09-24
CN110275003B true CN110275003B (zh) 2020-03-06

Family

ID=67959748

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910392748.3A Active CN110275003B (zh) 2019-05-13 2019-05-13 一种筛选修复高悬浮物浓度水体贝类的方法

Country Status (1)

Country Link
CN (1) CN110275003B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1778716A (zh) * 2005-10-19 2006-05-31 江苏省淡水水产研究所 湖泊水源地富营养水体中蚌的净化系统及其净化方法
CN102295333A (zh) * 2011-06-15 2011-12-28 中国科学院南京地理与湖泊研究所 大型浅水湖泊越冬水华蓝藻种源的去除方法
CN104839056A (zh) * 2015-05-14 2015-08-19 中国科学院南京地理与湖泊研究所 一种利用滤食生物控制生态修复工程中幼鱼暴发所致负面效应的模拟方法
CN104876336A (zh) * 2015-05-07 2015-09-02 中国科学院南京地理与湖泊研究所 一种利用滤食生物恢复底栖藻类的模拟方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1778716A (zh) * 2005-10-19 2006-05-31 江苏省淡水水产研究所 湖泊水源地富营养水体中蚌的净化系统及其净化方法
CN102295333A (zh) * 2011-06-15 2011-12-28 中国科学院南京地理与湖泊研究所 大型浅水湖泊越冬水华蓝藻种源的去除方法
CN104876336A (zh) * 2015-05-07 2015-09-02 中国科学院南京地理与湖泊研究所 一种利用滤食生物恢复底栖藻类的模拟方法
CN104839056A (zh) * 2015-05-14 2015-08-19 中国科学院南京地理与湖泊研究所 一种利用滤食生物控制生态修复工程中幼鱼暴发所致负面效应的模拟方法

Also Published As

Publication number Publication date
CN110275003A (zh) 2019-09-24

Similar Documents

Publication Publication Date Title
Prata et al. Methods for sampling and detection of microplastics in water and sediment: A critical review
Porter et al. Role of marine snows in microplastic fate and bioavailability
Xu et al. How to detect small microplastics (20–100 μm) in freshwater, municipal wastewaters and landfill leachates? A trial from sampling to identification
Dris et al. Microplastic contamination in freshwater systems: Methodological challenges, occurrence and sources
Nakajima et al. A new small device made of glass for separating microplastics from marine and freshwater sediments
Cheshmedjiev et al. Multi-habitat sampling method for benthic macroinvertebrate communities in different river types in Bulgaria
CN207689188U (zh) 一种海水中微塑料采集系统
CN106769380B (zh) 一种浮游植物现场分离浓缩方法
CN106124266B (zh) 一种液基细胞制片方法
CN109540641B (zh) 海洋沉积物中微塑料的分离提纯装置及使用方法
Bronzo et al. Accumulation and distribution of microplastics in coastal sediments from the inner Oslofjord, Norway
CN109529425A (zh) 湿地沉积物中微塑料浮选分级分离装置及其方法
Wohlsen et al. Evaluation of five membrane filtration methods for recovery of Cryptosporidium and Giardia isolates from water samples
Nakajima et al. A small, stainless-steel sieve optimized for laboratory beaker-based extraction of microplastics from environmental samples
JP2022060173A (ja) 水中からマイクロプラスチックを回収する方法及びシステム
CN110275003B (zh) 一种筛选修复高悬浮物浓度水体贝类的方法
CN207385940U (zh) 可拆装的底栖动物分选装置
Harrold et al. A peristaltic pump and filter-based method for aqueous microplastic sampling and analysis
CN110530696A (zh) 一种用于固体样品的微塑料筛选装置及筛选方法
CN209927568U (zh) 海洋沉积物中微塑料的分离提纯装置
CN209475693U (zh) 一种湿地沉积物中微塑料浮选分级分离装置
Hickley An apparatus for subdividing benthos samples
CN215202941U (zh) 一种土壤中微塑料的提取分离及净化分级系统
Belhaouari et al. Study of the benthic macrofauna and application of AMBI index in the coastal waters of Algeria
CN104876336B (zh) 一种利用滤食生物恢复底栖藻类的模拟方法

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