CN111241476B - 一种获得区域性河口营养物基准值的方法 - Google Patents

一种获得区域性河口营养物基准值的方法 Download PDF

Info

Publication number
CN111241476B
CN111241476B CN202010009341.0A CN202010009341A CN111241476B CN 111241476 B CN111241476 B CN 111241476B CN 202010009341 A CN202010009341 A CN 202010009341A CN 111241476 B CN111241476 B CN 111241476B
Authority
CN
China
Prior art keywords
estuary
nutrient
data
index
water
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
CN202010009341.0A
Other languages
English (en)
Other versions
CN111241476A (zh
Inventor
李正炎
王蕾
娄琦
徐梦琪
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.)
Ocean University of China
Original Assignee
Ocean University of China
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 Ocean University of China filed Critical Ocean University of China
Priority to CN202010009341.0A priority Critical patent/CN111241476B/zh
Publication of CN111241476A publication Critical patent/CN111241476A/zh
Application granted granted Critical
Publication of CN111241476B publication Critical patent/CN111241476B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G06F18/24155—Bayesian classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
    • G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供的方法根据各个河口在盐度、水力停留时间、径流、潮汐、生物状况等方面的差异，河口的营养物水平和富营养化效应也具有很大的地域差异，根据不同河口区域和不同类型水体特点，研究不同河口生态系统对营养物敏感性的差异，对河口进行分类；在此基础上采用模糊综合评判模型对河口生态系统健康状况进行评估并找寻参照点状态。根据参照点的状态与生态系统健康状况共同确定基准制定方法，分别采用频数分布发、历史记录分析法、柱状沉积物分析法和压力‑响应模型法(包括线性回归模型法、分类回归树模型法、贝叶斯拐点分析法和非参数拐点分析法)建立河口的营养物基准阈值。

Description

一种获得区域性河口营养物基准值的方法
技术领域
本发明涉及环境保护技术领域，尤其涉及一种获得区域性河口营养物基准的方法。
背景技术
河口营养物基准是对河口富营养化进行评估、预防、控制和管理的科学基础；是河口环境质量统一管理的基础，河口营养物基准作为水质基准的重要组成部分，其科学化制定具有重要的科学和实践意义。目前，美国、欧盟等国家已出台针对富营养化防治的河口营养物基准制定技术指南和基于技术指南制定的营养物基准。美国的富营养化也是一个长期存在的问题，为防止富营养化，美国环保局(U.S.Environmental Protection Agency，USEPA)于1998年制定了《国家营养物基准战略》，提出了营养物基准技术方法，并相继制定了河流(US EPA，2000)、湖泊和水库(US EPA，2000)、河口和近岸海域(US EPA，2001)、湿地(US EPA，2008)等不同水域的营养物基准技术指南。营养物基准的制定方法主要有：参照状态法(Reference condition approaches)、机械模型法(Mechanistic models)和压力-响应模型法(Stressor-Response approaches)(US EPA，2000，2001)，其中参照状态法和压力-响应模型法较为常用。
发明内容
本发明的目的在于提供一种获得区域性河口营养物基准的方法，为我国环境标准体系和环境管理体系提供全面有效的科学至诚。
本发明提供了一种获得区域性河口营养物基准值的方法，包括以下步骤：
(1)对区域内河口进行分类，得到待评价河口的分属类型；所述分类的河口类型包括一级分类类型和二级分类类型，所述一级分类类型包括平原型河口、构造型河口和泻湖型河口；所述二级分类类型为对所述平原型河口进行分类得到的河口类型，所述二级分类类型包括弱潮河口、中潮河口和强潮河口；
(2)根据河口的分类情况，收集区域内河口的数据，区域内的同一类河口统一收集数据，所述数据满足完整性原则和最低需求原则，由收集到的数据中筛选可信数据，所述数据包括营养物指标、生物学指标和其他指标；
(3)根据所述步骤(2)筛选得到的可信数据进行营养物指标筛选，用于所述营养物指标筛选的可信数据包括营养物指标和生物学指标的数据，筛选得到与藻类生长密切相关的营养物指标，所述营养物指标中包括必选指标，所述必选指标为总氮、总磷、叶绿素a和透明度；
(4)获取参考点的状态，根据所述步骤(3)筛选得到的营养物响应指标进行营养物基准推导，所述营养物基准的推导为：根据所述参考点的状态与生态系统健康状况在以下推导方法中选择营养物基准制定的方法，所述营养物基准的推导方法包括频数分布法、历史记录分析法、柱状沉积物分析法和压力-响应模型法，所述历史记录分析法包括回归过程曲线法和历史-现状综合分析法，所述压力-响应模型法包括线性回归模型法、分类回归树模型法、贝叶斯拐点分析法和非参数拐点分析法；所述参照点不少于10个，所述生态系统健康状况分为完好、部分退化和完全退化；
(5)审核所述步骤(4)得到的营养物基准。
优选的，所述步骤(2)中营养物指标包括总氮、硝酸盐、亚硝酸盐、氨氮、总磷、活性磷酸盐和活性硅酸盐。
优选的，所述生物学指标包括叶绿素a、透明度、溶解氧、总有机碳和大型无脊椎动物群落。
优选的，所述步骤(2)中的其他指标用于评价河口生态健康状况，所述其他指标包括温度、盐度、pH值、化学需氧量、悬浮物、石油类、沉积物参数、浮游动物群落、底栖动物群落和土地利用。
优选的，所述步骤(3)中筛选的方法包括相关性分析、主成分分析、降维对应分析和典型对应分析。
优选的，所述参照点的数量为30个。
优选的，当所述河口生态系统完好或部分退化且参照点可寻时，采用频数分布法推导营养物基准，具体包括以下步骤：
(1)确定河口区参照点；
(2)数据筛选：对于生态环境状况完好区域，选择所有参照点的全部原始数据；对于生态环境部分退化的区域，参照点数目在15个以上时，选择所有参照点的全部原始数据，参照点数目在15个以下时，选择所有观测点的全部原始数据。
(3)数据分布检验：对参照点或者河口区域内所有站点的监测数据进行正态分布检验，符合正态分布的数据用于基准值的推导；若不符合正态分布，则甄别异常数值和极端数值后对数据进行转换，重新进行检验直到符合正态分布；
(4)营养物基准推导：符合正态分布检验的数据进行频数分布分析：
对于生态环境状况完好的河口区域，选择参照点分布曲线的中值点位作为营养物基准值；
对于生态环境部分退化但参照点数量充足，取参照点营养指标频数分布曲线的上25％点位作为营养物基准值，所述参照点数量充足指参照点数量在15个以上；
对于生态环境部分退化，参照点可寻，但数量不足15个，取所有观测点营养物指标频数分布曲线的下25％点位作为营养物基准值；若所有观测数据均采集于污染较为严重的年代，取所有观测点营养物指标频数分布曲线的下5％点位作为营养物基准值；
对于生态环境部分退化，但参照点不可寻时，从河口分类中选取相似河口的营养物频数分布曲线来推导基准值。
优选的，当河口生态环境严重退化且参照点不可寻、但历史数据充足时，采用历史记录分析法推导河口营养物基准：
当历史变化过程清晰，采用回归过程曲线法来识别参照状态；当历史变化过程模糊，存在较多的无法评估和剔除的干扰时，采用历史-现状综合分析法结合频数分布曲线来进行河口营养物基准推导；
所述回归过程曲线法包括以下步骤：
以因氮磷营养物过度富集而造成的生态损害记录做出回归过程曲线，选择河口环境未受污染或受极小污染时的状态作为参照装填确定基准值；
所述历史现状综合分析法结合频数分布曲线包括以下步骤：
选择区域河口全部历史和现状数据；
采用频数分布法对数据分布进行检验；
将符合正泰分布检验的历史和现状数据按照水质从高到低顺序排列，进行频数分布分析，以历史与现状数据中值区间中值作为参照状态基准值。
优选的，当所述河口为生物扰动和其他形式的沉积物扰动小的沉积物沉积区且区域内河口平均深度大于7m时，采用柱状沉积物分析法进行营养物基准推导，包括以下步骤：
采集沉积物柱芯进行分析，建立硅藻-营养物指标定量转换函数并进行检验，得到营养物基准。
优选的，当河口生态环境完全退化且历史数据不足以进行历史-现状综合分析时，采用压力-响应模型法进行营养物基准推导，所述压力-响应模型法包括线性回归模型法、分类回归树模型法、贝叶斯拐点分析法和非参数拐点分析法；
当响应指标与营养物浓度呈现为先行，则采用线性回归模型法；
当响应指标与营养物浓度之间呈现非线性、非正态和异质性，不能用线性关系表示或河口水质指标不能满足线性回归中设定的条件，则采用分类树回归模型法、贝叶斯拐点分析法和非参数拐点分析法确定营养物基准，取平均值作为营养物基准。
本发明提供的方法根据各个河口在盐度、水力停留时间、径流、潮汐、生物状况等方面的差异，河口的营养物水平和富营养化效应也具有很大的地域差异，根据不同河口区域和不同类型水体特点，研究不同河口生态系统对营养物敏感性的差异，对河口进行分类；在此基础上采用模糊综合评判模型对河口生态系统健康状况进行评估并找寻参照点状态。根据参照点的状态与生态系统健康状况共同确定基准制定方法，分别采用频数分布发、历史记录分析法、柱状沉积物分析法和压力-响应模型法(包括线性回归模型法、分类回归树模型法、贝叶斯拐点分析法和非参数拐点分析法)建立河口的营养物基准阈值。制定不同类型河口营养物基准来更好地反映河口环境的差异并满足当前河口环境管理的需求，提高制定相应水质标准的科学性，满足河口环境管理的需求。
附图说明
图1为本发明提供的河口营养物基准制定流程图；
图2为本发明提供的方法中营养物基准推导方法分类图；
图3为本发明中频数分布法推导营养物基准技术流程；
图4为本发明中回归过程曲线法确定参照状态，其中A.沉水植物丧失B.藻类异常繁殖C.鱼类死亡D.鱼类经常性死亡；
图5为历史-现状综合分析法确定基准值，其中A.现状数据下25％；B.中值区间上25％；C.历史与现状数据区间中值；D.历史数据中值；
图6为本发明中线性回归模型推导营养物基准技术流程；
图7为本发明中河口生态系统健康状况评估方法流程；
图8为本发明中柱状沉积物分析法推导基准值技术流程；
图9为大辽河口生态系统健康评价指标体系；
图10为枯水期大辽河口生态系统健康评价结果；
图11为平水期大辽河口生态系统健康评价结果；
图12为丰水期大辽河口生态系统健康评价结果；
图13为大辽河口枯水期、平水期和丰水期水生态健康变化趋势；
图14为大辽河口TN的频率分布曲线；
图15为大辽河口TP的频数分布曲线；
图16为大辽河口Chl-a的频数分布曲线。
具体实施方式
技术术语解释：
河口营养物基准：环境中营养状态参数对河口区不产生不良或有害影响的最大剂量(无作用剂量)或浓度。
本发明提供了一种获得区域性河口营养物基准值的方法，具体流程见图1，包括以下步骤：
(1)对区域内河口进行分类，得到待评价河口的分属类型；所述分类的河口类型包括一级分类类型和二级分类类型，所述一级分类类型包括平原型河口、构造型河口和泻湖型河口；所述二级分类类型为对所述平原型河口进行分类得到的河口类型，所述二级分类类型包括弱潮河口、中潮河口和强潮河口；
(2)根据河口的分类情况，收集区域内河口的数据，区域内的同一类河口统一收集数据，所述数据满足完整性原则和最低需求原则，由收集到的数据中筛选可信数据，所述数据包括营养物指标、生物学指标和其他指标；
(3)根据所述步骤(2)筛选得到的可信数据进行营养物指标筛选，用于所述营养物指标筛选的可信数据包括营养物指标和生物学指标的数据，筛选得到与藻类生长密切相关的营养物指标，所述营养物指标中包括必选指标，所述必选指标为总氮、总磷、叶绿素a和透明度；
(4)获取参考点的状态，根据所述步骤(3)筛选得到的营养物响应指标进行营养物基准推导，所述营养物基准的推导为：根据所述参考点的状态与生态系统健康状况选择营养物基准制定的方法，所述营养物基准的推导方法包括频数分布法、历史记录分析法、柱状沉积物分析法、压力-响应模型法(图2)，所述历史记录分析法包括回归过程曲线法和历史-现状综合分析法，所述压力-响应模型法包括线性回归模型法、分类回归树模型法、贝叶斯拐点分析法和非参数拐点分析法；所述参照点不少于10个，所述生态系统健康状况分为完好、部分退化和完全退化；
(5)审核所述步骤(4)得到的营养物基准。
在本发明中，河口分类有助于不同河口生态系统之间的管理与比较，解决河口区“人为”富营养化是营养物基准制定的目的，因而，河口分类分区过程中应尽量避免由于人类活动导致的营养物影响。在本发明中，所述河口分类包括一级分类、二级分类和内部分区。
在本发明中，所述一级分类是根据河口地貌特征对河口进行分类，将河口分为三大类型：平原型河口、构造型河口和泻湖型河口。
平原型河口地势平坦，水体停留时间长，通常存在盐度峰。
构造型河口形成于构造过程，如火山作用、冰后回弹及地壳均衡等更新世以来发生的构造过程。
泻湖型河口是内陆较浅的水体，通常与海岸平行，由障岛、沙洲与海洋分隔，通过一个或者多个潮流通道与海洋相通。
在本发明中，所述二级分类是根据潮汐变化特征对平原型河口进行进一步的分类，所述平原型河口分为三类：弱潮河口、中潮河口和强潮河口。
弱潮河口：径流潮流比≥1.0，径流作用占优势。
中潮河口：0.1≤径流潮流比<1.0，潮流作用占优势。
强潮河口：径流潮流比<0.1，潮流作用占绝对优势。
在本发明中，在河口分类的基础上，针对单个河口生态系统，根据实际需要和自然特征，可选择性地开展河口分区。考虑因素包括盐度(S)、环流、水深等。按盐度一般将河口划分为3个区：低盐区(S≤5)、中盐区(5<S≤18)和高盐区(S>18)。
所述分类后，本发明对区域内同一类型河口进行数据的收集，所述数据收集指标参见表1。在本发明中，所述数据收集的指标包括营养物指标、生物学指标和其他指标，所述营养物指标包括总氮、硝酸盐、亚硝酸盐、氨氮、总磷、活性磷酸盐和活性硅酸盐。所述生物学指标包括叶绿素a、透明度、溶解氧、总有机碳和大型无脊椎动物群落。所述营养物指标和生物学指标用于步骤(3)中的营养物指标筛选；所述其他指标用于评价河口生态健康状况，所述其他指标包括温度、盐度、pH值、化学需氧量、悬浮物、石油类、沉积物参数、浮游动物群落、底栖动物群落和土地利用。
表1数据收集指标
在本发明中，所述数据来源主要为环境监测机构、科研院所等机构以标准测试方法采集的数据。对于得到的数据应数据质量评价，得到可信数据，所述可信数据是指采用标准方法采集的数据。
在本发明中，所述数据质量评价的要求包括以下几个方面：
(1)监测站点：具有明确的站点信息，包括经纬度等地理位置信息。
(2)监测指标与分析方法：对于同一监测指标应使用统一的标准分析方法。若采用某一种标准方法的监测数据太少可使用其他标准方法得到的数据，标准方法及其他方法见表1。
(3)实验室质量控制：符合实验室质量控制要求的监测数据可以全部采用。
(4)数据时限：过去10年内至少连续3年的监测数据，若不满足需进行补充监测数据达到10年内至少3年监测数据要求。
(5)监测频次：一般情况下，需要在一个自然年内进行逐月监测；或者至少在一个自然年内春季、夏季、秋季各监测一次。
在本发明中，所述营养物基准是建立在大量数据的基础上的，所需数据符合以下原则：
(1)完整性原则：对于监测数据质量能达到数据质量评价的要求，包括了表1中的指标，则为数据比较完整的河口区域；对于监测数据不足或者缺乏的区域，应及时开展现场采样和监测工作以满足数据要求。
(2)最低需求原则：点位的监测数据至少包括总氮、总磷、叶绿素a和透明度。
获得数据后，本发明根据所述数据进行营养物候选指标筛选，所述筛选用到的数据包括上述技术方案所述营养物指标数据和生物学指标数据(如表1所示)。在本发明中，所述营养物指标包括：
总氮：总氮(TN)是指样品中所有形式氮的测量值，包括无机氮(硝酸盐氮、亚硝酸盐氮和氨氮)和有机氮。采用GB 17378.4分析水样中总氮的含量，单位为μg/L或mg/L，TN是营养物基准的必选指标。硝酸盐氮、亚硝酸盐氮、氨氮及总无机氮可作为营养物基准的可选指标。
总磷：总磷(TP)是指样品中存在的所有形式磷的测量值，包括有机或无机、溶解态或颗粒态磷。在径流或地区输出量中，磷浓度与流域土地利用状况相关，因此磷是一个能很好解释流域点源和面源污染负荷的变量。采用GB 17378.4分析水样中总磷的含量，单位为μg/L或mg/L，TP是营养物基准的必选指标，活性磷酸盐可作为营养物基准的可选指标。
活性硅酸盐：硅作为硅藻的营养物，可采用GB 17378.4中硅钼蓝法测量水样中活性硅酸盐的含量。活性硅酸盐可作为备选营养物指标。
在本发明中，所述生物学指标包括：
叶绿素a：叶绿素a(Chl-a)可用于指示浮游生物量，采用《水和废水监测分析方法》所规定的方法分析Chl-a的含量，单位为μg/L或mg/L。Chl-a为营养物基准的必选指标。
透明度：透明度(SD)能反映河口水质和浮游生物生长的大量信息，可利用总氮、叶绿素a和透明度来评价河口的营养状态，作为富营养化的预测指标。采用GB 17378.4测量透明度，单位为cm。
溶解氧：溶解氧(DO)是生态系统健康和栖息地功能评价的综合指标，底层水中的溶解氧可反映底栖动物健康及底栖环境质量状况，可作为营养状态变化潜在的早期预警指标，采用《水和废水监测分析方法》中的方法分析水样中DO的含量，单位为mg/L。
碳化合物：有机物含量通常以总有机碳(TOC)和溶解性有机碳(DOC)来衡量，是碳循环的重要组成部分。有机碳的产生和分解速率以及与其相关的微生物生物量是富营养化问题的核心。对水生生态系统中含碳化合物的评估可以反映其有机污染特征，采用GB17378.4分析水样中TOC的含量，单位为mg/L。
大型无脊椎动物群落：底栖大型无脊椎动物群落是河口和近岸海洋生态系统的重要组成部分。这些群落通过营养循环的底栖-中上层耦合促进底栖食物网的养分循环和生产过程，并有助于维持海洋生物多样性。河口或沿海地区的底栖动物群落十分多样，可采用香农-维纳多样性指数(Shannon Wiener’s diversity index)或生物完整性指数(Indexof Biological Integrity，IBI)对生物群落结构进行定量分析。
在本发明中，所述营养物候选指标筛选的方法包括：采用软件SPSS对候选指标和必选指标进行相关性分析、主成分分析，筛选出与藻类生长密切相关的响应指标，作为营养物基准制定的指标。
(1)总氮、总磷作为原因指标，叶绿素a、透明度作为响应指标，为河口营养物基准制定的必选指标。
(2)考虑气候、地理和历史人文等因素，确定河口营养状态的关键影响因素，可因地制宜地适当增加相关指标，表1中的除必选指标之外的营养物指标和生物学指标可作为候选相关指标，但不仅限于这些指标。相关指标采用相关性分析和主成分分析选择与藻类生长密切相关的响应指标。
相关性分析：两两进行相关性分析，判断相关指标与总氮、总磷、叶绿素a和透明度有无显著性相关关系。
主成分分析：对必选指标和候选指标做主成分分析，选择累积贡献率E≥80的指标作为综合指标，分析与综合指标相关的指标，鉴别候选指标与综合指标之间的关系。
若候选指标与必选指标总氮、总磷、叶绿素a和透明度有显著相关关系，且有清晰的与综合指标的关系，则候选指标可作为制定营养物基准的指标。
(3)所采用的指标应有标准监测分析方法，并易于全国推广。
获得营养物基准制定所需指标后，本发明根据参考点状态与生态系统健康状况选择营养物基准制定的办法，进行营养物基准值的推导。
在本发明中，所述河口生态系统健康状况可分为完好、部分退化和完全退化三类。健康及以上等级为完好，亚健康等级为部分退化，其他等级为完全退化。所述生态系统健康状况根据上述技术方案所述其他指标数据进行评估，所述其他指标包括：
温度：采用GB 17378.4中方法进行采样分析，在河口生态系统健康评价时需考虑温度对营养物藻类-生长响应关系的影响。
盐度：采用GB 17378.4中盐度计法采样分析，在河口分类中需考虑盐度。
pH值：采用精确度为0.1的pH计测量，在河口生态系统健康状况评价时需考虑pH值。
悬浮物：采用《水和废水监测分析方法》中重量法测定水中的悬浮物，悬浮物对水体透明度有影响。
沉积物参数：包括重金属(Cu、Pb、Zn、Cr)、硫化物、粒度等，采用GB 17374.4中方法进行测量，在河口生态系统健康状况评价中需考虑沉积物参数。
土地利用：土地利用是参照点选择和河口生态系统健康评价的重要指标，也是氮、磷污染物输入的重要影响因素。
在本发明中，河口生态系统健康状况评估方法的流程如图7所示，包括以下步骤：
A.1健康评价指标体系构建
根据整体性、简明可操作性和定性定量相结合的原则，选择对人类活动有明显响应关系，并且能够全面反映河口健康不同特征属性的指标。
筛选过程如下：
①对河口健康等级影响的判别能力分析：选择敏感、贡献率大或对河口生态系统健康影响明确的指标作为初选指标；
②分析初选指标对河口生态系统健康的贡献率：将数据进行Z标准化转换后，利用主成分分析法(PCA)对指标进行统计分析，依据提取主成分个数累计方差超过70％的原则，通过最大方差旋转(Varimax)，经因子载荷矩阵旋转后选择载荷值大于0.5的指标作为下一步待筛选指标；
③指标独立性检验。首先对待筛选指标进行正态分布检验，然后利用相关性分析提取具有代表性和独立性的特征指标，对于符合正态分布的指标采用Pearson相关分析，非正态分布的指标则采用Spearman秩相关分析，由此确定指标信息间的重叠程度；
④结合专家判断及指标对河口生态系统健康的重要程度，选取其中相对独立和重要的指标作为最终的评价指标。
最终确立的河口生态系统健康评价指标体系可分为目标层、要素层和指标层三个层次。
A.2评价等级和标准的确立
根据河口健康程度分为五个等级，依次为很健康、健康、亚健康、不健康和病态。
A.3评价指标权重的确定
采用目前较为成熟的层次分析法(AHP)进行指标权重的计算。
基本步骤如下：
①递阶层次结构的建立
建立的层次结构模型主要分为三层：
目标层：河口生态系统健康状况；
要素层：包括水环境质量、生物生态特征和栖息地环境质量；
指标层：包括体现以上要素层的各项物理、化学和生物指标。
递阶层次结构是上层元素对下层元素的支配关系所形成的层次结构，其层次数与问题的复杂程度及需要分析的详尽程度有关，且上层元素可支配下层的所有或部分元素，但每一层次中各元素所支配的元素一般不超过9个。
②构建两两比较判断矩阵
对于n个元素来说，各元素之间的相对重要性一般采用1～9及其倒数的标度方法，得到两两比较判断矩阵C＝(cij)n×n，其中cij表示元素i对元素j的相对重要性。cij的取值见表2。
表2判断矩阵标度及其含义
③单因素相对权重的计算及判断矩阵的一致性检验
元素相对权重的计算可归结为计算判断矩阵的最大特征根及其对应的特征向量。利用方根法判断矩阵C最大特征根和特征向量的求解方法如下：
ⅰ计算判断矩阵每一行元素的乘积Mi
ⅱ计算Mi的n次方根
ⅲ对向量规范化，即为所求的特征向量：/>
ⅳ计算判断矩阵的最大特征根λmax，
式中，(PW)i表示向量PW的第i个元素。
④计算各层元素对目标层的总排序权重
依据上述方法，依次沿递阶层次结构由下而上逐层计算，即可得出指标层相对于目标层相对重要性的权重值。
设是第k层各指标对第k+1层指标的权向量(j＝1,2,…,m，m为k+1层指标数)，则为第k+1层j指标对k+2层i指标的权重，则k层指标对k+2层i指标的权向量为：对于河口生态系统健康评价，指标层相对于目标层的权重值可由指标层相对于要素层与要素层相对于目标层的相对重要性相乘得到。
层次总权重的一致性检验从高层到底层进行。当CR＜0.1时，则认为层次总权重的结果可接受。
A.4基于模糊综合评判模型的河口生态系统健康评价
主要包括以下评价指标隶属度的计算和模糊综合评价方法
(1)评价指标隶属度的计算
根据各环境因子对河口生态系统健康状况的压力-响应关系，评价指标可分为正向指标和逆向指标两类。各类指标隶属度的计算方法如下(以第i项指标xi为例，aij为第i项指标的第j级评价标准，rij为第i项指标对第j级健康等级的隶属度)：
正向指标：指标值越大，河口生态系统健康状况越好。
ⅰ当xi＞ai,1时，
ri1＝1,ri2＝ri3＝ri4＝ri5＝0
ⅱ当ai,j≥xi≥ai,j+1时，
ⅲ当xi＜ai,5时，
ri1＝ri2＝ri3＝ri4＝0,ri5＝1
逆向指标：指标值越小，河口生态系统健康状况越好。
ⅰ当xi＜ai,1时，
ri1＝1,ri2＝ri3＝ri4＝ri5＝0
ⅱ当ai,j≤xi≤ai,j+1时，
ⅲ当xi＜ai,5时，
ri1＝ri2＝ri3＝ri4＝0,ri5＝1
(2)模糊综合评价方法
根据模糊数学理论，把指标层对要素层的评判看作第一级评判，把要素层对目标层的评判看作第二级评判，从而构成一个二级三层的模糊综合评价模型。具体评价步骤如下：
①对河口生态系统健康进行层次分析，建立目标层、要素层和指标层。
将总目标U分为m个要素Ui，i＝1,2,…,m，即：U＝{U1,U2,…,Um}。其中，Ui又包含ni个指标：Ui＝{Ui1,Ui2,…,Uin}，式中，Uij为第i个要素的第j个指标。
②确定各层次指标权重
权重值包括要素层相对于目标层的权重集A＝(a1,a2,…,am)和指标层相对于要素层的权重集Ai＝(ai1,ai2,…,aimi)。
③根据隶属函数建立模糊关系矩阵R
根据上述隶属度的计算方法，可以确定从评价指标(m：指标个数)到健康等级(n＝5)的模糊关系矩阵：
④河口健康模糊综合评价
河口生态系统健康评价指标体系共分为三层，因此可进行两级模糊评判，即指标层对要素层(第一级)和要素层对目标层(第二级)的评价。根据各评价指标的指标权重A和模糊关系矩阵R，通过矩阵运算，将结果归一化处理后，即可得到模糊综合评价集B。
指标层对要素层的模糊评价，第i要素的模糊评价为：
式中，i＝1,2,…,m。
要素层对目标层的模糊评价为：
式中，bi为评价指标对第i个等级的隶属度；为模糊矩阵复合运算。
根据最大隶属度原则，取与相对应的健康等级作为最终评价结果。
生态系统健康评价分级标准见表3。河口生态系统健康分为五个等级，依次为很健康、健康、亚健康、不健康、病态。指标包括高锰酸盐指数(CODMn)、悬浮物(SS)、氨氮(NH3-N)、总氮(TN)、总磷(TP)、叶绿素a(Chl-a)、浮游动物多样性指数、底栖动物完整性指数(Benthic Index of Biotic Integrity,B-IBI)溶解氧(DO)、沉积物粒度、水深等。
表3生态系统健康评价分级标准
在本发明中，所述参照点是指那些不受人为活动损害，或者受到的损害很小，且对该水体或邻近水体的生物学完整性具有代表性的点位，理想参照点具有以下特征：
(1)沉积物及水体中不存在大量污染物；
(2)自然水深，该年份水深与历史水深未发生巨大变化；
(3)自然的河流及潮汐作用；
(4)代表未受破坏的河口及海岸线(一般覆盖有植被，岸线未受侵蚀)；
(5)水体颜色及气味自然。
基于以上原则，确定生态类型中具有代表性的参照点，参照点一般30个比较合适，最低不少于10个。
在本发明中，所述营养物基准的推导包括以下方法：
1、频数分布法
根据河口生态系统健康状况，生态环境完好或部分退化，参照点可寻时，考虑采用频数分布法，具体推导流程如下(图3)：
(1)确定河口区参照点；
(2)数据筛选：对于生态环境状况完好区域，选择所有参照点的全部原始数据；对于生态环境部分退化的区域，参照点数目在15个以上时，选择所有参照点的全部原始数据，参照点数目在15个以下时，选择所有观测点的全部原始数据。
(3)数据分布检验：对参照点或者河口区域内所有站点的监测数据进行正态分布检验(如t检验、F检验)，符合正态分布方可用于基准值的推导；若不符合正态分布，利用箱线图甄别异常数值并剔除(异常数值为小于Q1-1.5IQR或大于Q3+1.5IQR的值)，并采用对数转换(以10为底数)等方法进行转换，重新进行检验直到符合正态分布。
(4)营养物基准推导：符合正态分布检验的数据进行频数分布分析(按水质从高到低的顺序分别排列)：
对于生态环境状况完好的河口区域，选择参照点分布曲线的中值点位作为营养物基准值；
对于生态环境部分退化但参照点数量充足(最好15个以上)，取参照点营养指标频数分布曲线的上25％点位作为营养物基准值；
对于生态环境部分退化，参照点可寻，但数量不足15个，取所有观测点营养物指标频数分布曲线的下25％点位作为营养物基准值。若所有观测数据均采集于污染较为严重的年代，取所有观测点营养物指标频数分布曲线的下5％点位作为营养物基准值；
对于生态环境部分退化，但参照点不可寻时，从河口分类中选取相似河口的营养物频数分布曲线来推导基准值。
2、历史记录分析法
对于河口生态环境严重退化，参照点不可寻，但是历史数据充足，则主要通过分析历史数据变化来识别参照状态。
进行历史记录分析需具备以下要求：
(1)具有充足的有效数据，包括营养物、水文、浮游生物、鱼类及底栖生物的历史数据等；
(2)分析者需具有丰富的实践经验，能进行敏锐、科学的判断，在复杂的历史情况中去伪存真；
(3)需选择相对稳定的时间段和空间范围；
(4)要求在相似理化特征的生态区域(如相同盐度区)开展分析。
若历史变化过程清晰，主要借助回归过程曲线法来识别参照状态；若历史变化过程模糊，存在较多的无法评估和剔除的干扰时，可采用历史-现状综合分析法，借助频数分布曲线来完成。
2.1、回归过程曲线法
根据对河口历史记录的分析，通过在过去几十年中营养物监测数据，选择因氮磷营养物过度富集而造成的生态损害记录(例如，视觉污染和鱼类生产力下降)作出回归过程曲线(如图4)，选择河口环境未受污染、或受极小污染时的状态作为参照状态确定基准值。
2.2、历史-现状综合分析法
当历史变化过程模糊，无法确定参照状态，无法用回归过程曲线分析法时，采用历史-现状综合分析法，借助频数分布曲线来推导基准值。
(1)数据选择：选择区域河口全部历史和现状数据；
(2)数据分布检验：同频数分布法；
(3)营养物基准推导：将符合正态分布检验的历史和现状数据进行频数分布分析(按水质从高到低的顺序排列)，选择历史与现状数据中值区间中值作为参照状态基准值(见图5)。
3、柱状沉积物分析法
当满足以下条件时，采用柱状沉积物分析法。
(1)生物扰动和其他形式(如海浪潮汐)的沉积物扰动小(最大侵蚀深度小于30cm)的沉积物沉积区；
(2)区域内河口平均深度大于7m。
满足以上条件时，现场采集沉积物柱芯进行分析，建立硅藻-营养物指标定量转换函数并进行检验，得到营养物基准值。
所述柱状沉积物分析法(流程图如图8所示)的具体过程如下：
B.1数据库的建立
数据库包括现代硅藻-水环境数据库和化石硅藻数据库。前者包括河口硅藻数据和水质数据。河口硅藻数据采集表层沉积物(0.2～2cm)进行硅藻分析；河口水质数据应与硅藻样本采集时间相对应，需涵盖年变化数据。水质指标包括物理指标(水深、盐度、温度、透明度等)和化学指标(电导率、pH值、总磷、总氮等)。化石硅藻数据库通过沉积物柱芯硅藻分析获取。
B.2环境梯度分析
采用主成分分析法对化学指标(电导率、pH值等)进行分析，揭示化学指标中的主要环境梯度，并阐述各参数之间的关系；典型对应分析用于分析硅藻组合与环境指标的关系，并检测具有异常硅藻组合的外溢样本；降维对应分析测试数据中硅藻组成的变化情况，通过梯度分析帮助选择线性或单峰型的数值分析方法，并探测潜在的环境梯度，检测异常样本点及属种；平方弦距系数评价参照样本和表层样本物种变化的程度。
B.3转换函数建立
采用相似比较模型、最大似然模型、线性回归模型和加权平均回归与校正(或重建)等模型，建立硅藻-营养物定量转换函数。
B.4转换函数模型检验
采用误差、最大实测值与推导值的相关系数、最小残差等，检验转换函数模型的有效性。
B.5基准值的推导
采用210Pb、137Cs或14C对沉积物柱芯进行年代推断，结合硅藻-营养物转换函数重建过去不同年代的营养物水平，推导河口营养物基准值。
4、压力-响应模型法
对于河口生态环境完全退化，且历史数据不足以进行历史-现状综合分析时，可通过建立营养物负荷-生态响应关系模型，使各个指标的参照负荷直接对应于水生态参考状态的浓度值。
在本发明中，历史数据充足指的是至少有过去二十年的历史数据。
对于河口流域上游基本未受干扰，则流域的营养物负荷代表着较好自然状态，可设为参照负荷。
若上述条件不满足，对于流域上游存在开发程度低、受影响小、且与整个流域地理状况相似的子流域或流域片区，则可通过该子流域或流域片区的营养负荷推算整个流域的最小营养负荷。运用此方法的前提条件还包括：
(1)流域内大气沉降稳定；
(2)原始负荷水平相似(如用单位面积生物量来衡量，单位面积生物量在同一数量级)；
对于海岸地区，污染负荷相对于流域上游而言可以忽略。
压力-响应模型法包括线性回归模型法、分类回归树模型法、贝叶斯拐点分析法和非参数拐点分析法。若响应指标与营养物浓度呈现为线性，则使用线性回归模型法，若符合下列两种情况之一的，需采用分类回归树模型法、贝叶斯拐点分析法和非参数拐点分析法确定营养物基准值，并取其平均值作为营养物基准值：
(1)响应指标与营养物浓度之间呈现非线性、非正态和异质性，无法用线性关系表示；
(2)河口水质指标不能满足线性回归中设定的条件。
4.1线性回归模型法
线性回归模型法包括简单线性回归模型和多元线性回归模型，本标准采用简单线性回归模型，其具体推导技术流程如下(图6)：
(1)数据筛选：选取区域内河口4～9月份各站位数据的平均值进行线性回归分析，用于线性拟合的独立样本数不少于20个。
(2)数据检验：检验数据是否满足以下条件：1)线性回归方程是否反映营养物浓度与响应指标之间的关系(同步骤3中的相关性分析)；2)营养物浓度是否满足正态分布；3)使用的数据样本是否为独立样本(样本之间相互独立，不互相影响)。若不满足上述假设，需使用箱线图甄别异常值(异常数值为小于Q1-1.5IQR或大于Q3+1.5IQR的值)，并对数据进行对数转换(以10为底数)。
(3)线性回归模型建立：经检验后的数据代入线性回归方程式(1)，采用最小二乘法对模型进行拟合，得到系数a和b。
式中：SD估计值，μg/L、cm；
x——氮磷浓度检测值，mg/L；
a——截距，无量纲；
b——线性回归斜率，无量纲。
(4)模型评价：采采用相关性系数(R2)评价模型拟合度。R2范围为[0,1],取值越接近1拟合度越好，这里拟合度需大于0.9，模型才可用。
(5)基准值推导：考虑到我国河口营养状态及功能要求，Chl-a取值范围为2～5μg/L，以90％置信区间计，运用方程式(1)推导氮磷的基准值。
4.2分类回归树模型法
分类回归树模型法可以定量反映不同预测指标(如营养物等)对响应指标(Chl-a)的影响，确定指标变化阈值。使用分类回归树模型确定营养物基准不需要假定响应指标的基准值。具体推导方法如下：
(1)数据筛选：选取区域内河口4～9月份各站位数据的平均值进行分类回归树模型分析。根据预测指标的数量，确定模型拟合所需的数据量，独立样本数与预测样本数的比值应大于等于10。
(2)分类回归树模型的建立：包括树的构建、停止、剪枝以及最优树的选择四个步骤。
(3)重要预测指标确定：在选定潜在的预测指标基础上，根据分类回归树模型确定影响响应指标波动性的重要预测指标。
(4)基准值推导：最优树的节点对应的营养物浓度和Chl-a均值即为基准值。
4.3贝叶斯拐点分析法
运用贝叶斯拐点分析法出现营养物浓度跃迁时的拐点即为营养物基准值。贝叶斯拐点分析法能够给出跃迁拐点可能发生位置的概率分布，并将概率最大的跃迁拐点作为营养物基准值。具体推导方法如下：
(1)数据筛选：选取区域内河口4～9月份各站位数据的平均值进行拐点分析。采用贝叶斯拐点分析法需要分析响应指标是否符合正态分布，对不符合正态分布的指标需要进行对数转换(以10为底数)。
(2)模型构建：将符合正态分布要求的数据按照从低到高的顺序梯度排序，在压力指标和响应指标之间建立响应关系中概率最大的突变点即为跃迁拐点。
在本发明中，所述贝叶斯拐点分析法的原理如下：
假设n个样本的响应指标y1,…,yn取自序列随机指标Y1,…,Yn，这些指标属于参数θ的同一个分布。
如果指标值在r(1≤r≤n)点发生变化，那么r就是随机指标Y1,…,Yn的一个拐点：
Y1,…,Yr～π(Yi|θ1)
Yr+1,…,Yn～π(Yi|θ2)(C.1)
式中，π为通用概率密度函数，θ1≠θ2。
(3)营养物基准推导：以90％置信区间计，采用自举法(bootstrap)模拟确定基准值。
4.4非参数拐点分析法
采用非参数拐点分析法找出压力指标和响应指标关系中的跃迁拐点，即为营养物基准值。具体推导方法如下：
(1)数据筛选：选取区域内河口4-9月份各站位数据平均值进行拐点分析。本方法不需要进行正态分布检验。
(2)模型构建：将符合要求的数据按照从低到高的顺序排列，在压力指标和响应指标之间建立响应关系最大偏差对应的突变点即为跃迁拐点。
在本发明中，所述非参数拐点分析法的原理如下：
采用偏差降低的方法对营养物指标值进行评价和非参数拐点分析。一组样本的偏差是指单个样本值与组内样本平均值之间差异的平方和，用公式(C.2)计算。
式中：D——偏差；
n——样本大小；
μ——n个响应指标yk的均值。
当响应指标分为两组时，两个子组的偏差之和总会小于或等于总体偏差。每个可能的拐点偏差都会减小。
Δi＝D-(D≤i+D＞i) (C.3)
式中：D——数据y1,…,yn的偏差；
D≤i——子组y1,…,yi的偏差；
D＞i——子组yi+1,…,yn的偏差。
拐点r为Δi最大时对应的i值，r＝maxxiΔi。
(3)营养物基准值推导：以90％置信区间计，采用自举法(bootstrap)模拟确定基准值。
按照上述技术方案得到的营养物基准值为初步确定的基准值，获得初步确定的基准值后，本发明优选对所述基准值进行综合评价，判断基准是是否满足产生的生态效应不危害水体功能或用途，所述综合评价包括以下几个方面：
(1)濒危物种
若水体中存在濒危物种，拟定的营养物基准值不得影响濒危物种的生长与繁殖。
(2)反降级政策
对于区域内水质好于拟定营养物基准值的河口，应以保持现有良好水质为原则，充分体现反降级政策。
根据上述综合评价的要求最终确定得到的基准值。
获得基准值后，为保证所述基准值制定过程科学可靠，本发明对所述基准值进行审核，审核所采用的基准推导所采用的数据及基准制定的方法，所述审核包括自审核和专家审核，在本发明中，所述自审核项目包括：
(1)监测数据所采用的方法是否可靠、一致，是否采用标准方法；
(2)所有使用的数据是否符合数据质量要求；
(3)总氮、总磷等原因指标数据是否与叶绿素a等响应指标数据相对应；
(4)是否存在明显数据异常，所述数据异常的情况为箱线图甄别出的异常值(异常数值为小于Q1-1.5IQR或大于Q3+1.5IQR的值；
(5)相关指标的监测数据中是否存在可疑数据，在本发明中某个数据与测量平均值之间的差大于3倍的标准差的高度异常值，则为可疑数据；
(6)是否遗漏其他重要数据，其他重要数据的获得：查阅相关区域的已发表论文，是否存在该区域特有的指标未作为候选指标，若有遗漏，则添加该指标数据；
(7)在数据分析之前是否已经对异常数据、可疑数据进行相应分析。
在本发明中，所述专家审核为技术专家对基准值进行咨询论证。河口营养物基准专家审核项目包括：
(1)基准制定所使用数据是否可靠；
(2)参照点的选择是否合理；
(3)河口分类是否合理；
(4)不同区域河口采用的基准制定方法的适用范围和条件是否一致；
(5)河口营养物基准推导过程是否准确；
(6)基准值的得出是否合理；
下面以大辽河口为例，详细说明本发明提供的方法，但不能把这理解为对本发明保护范围的限制。
1河口分类：根据《中国海湾志中》中记录，辽东湾属于构造型海湾，因此大辽河口属于构造型河口。
2数据收集：收集指标包括：温度(T)、盐度(S)、pH值、溶解氧(DO)、高锰酸盐指数(CODMn)、硝酸盐(NO3 --N)、亚硝酸盐(NO2 --N)、氨氮(NH3-N)、无机氮(DIN)、有机氮(DON)、总氮(TN)、活性磷酸盐(PO4 3--P)、有机磷(DOP)、总磷(TP)、叶绿素a(Chl-a)、悬浮物(SS)、石油类；沉积物参数包括：总有机碳(TOC)、重金属(Cu、Pb、Zn、Cr)、石油类、硫化物、粒度。
收集年限：2009年5、9月，2010年6、10月，2015～2016年3、5、8、10月，2017年8月的监测数据。由于大辽河口生态健康状况评价需要的数据指标较多，于2009年枯水期(5月15-25日)、平水期(9月1-12日)和2010年丰水期(6月19-29日)分别开展水生态外业调查，此数据用于大辽河口生态系统健康状况评价。
3大辽河口生态健康状况评价
3.1大辽河口生态系统健康评价指标体系
(1)确定候选指标
根据数据选取能够反映水环境质量、生物生态特征及栖息地环境质量的33个特征指标作为大辽河口水生态系统健康评价的候选指标。其中，反映水环境质量状况的指标20个，包括T、S、pH值、CODMn、SS、NO3 --N、NO2 --N、NH3-N、DIN、DON、TN、PO4 3--P、DOP、TP、TOC、石油烃类、重金属(Pb、Zn、Cu、Cr)；反映水生生物特征的指标10个，包括浮游植物生物量、浮游植物多样性指数、浮游植物丰富度指数、浮游植物均匀度指数、叶绿素a、浮游动物生物量、浮游动物多样性指数、浮游动物丰富度指数、浮游动物均匀度指数、底栖动物完整性指数(B-IBI)；反映栖息地环境质量的指标3个，包括DO、水深和沉积物粒径。
(2)构建指标体系
首先对全部指标进行初筛，将对变化不敏感且对河口生态系统健康意义含糊的指标删除。水体温度和pH值在各调查站位波动较小，且测定结果受潮汐运动干扰，不能真实反映河口水生态健康状况；PO4 3--P含量基本保持在一个相对恒定范围，变化幅度较小，表明已发生明显转移现象，因此对河口健康状况不具有评判能力；沉积物中总有机碳、石油烃和重金属由于存在于底质，含量在短时间内相对恒定，不足以反映河口在一定时间内的健康状况，因此将上述指标予以删除，不参与下一步筛选。对余下的23个评价指标进行主成分分析，通过最大方差旋转法(Varimax)，经因子载荷矩阵旋转后选择载荷值大于0.6的指标作为下一步待筛选指标。利用相关性分析提取具有代表性且相对独立的指标，最后结合专家判断，确定CODMn、SS、NH3-N、TN、TP、Chl-a、浮游动物多样性指数、B-IBI、DO、沉积物粒径、水深等11个对河口健康贡献较大的指标构建综合评价指标体系(图9所示)。其中，水环境质量由CODMn、SS、NH3-N、TN、TP等指标构成；生物生态特征由Chl-a、浮游动物多样性、B-IBI等指标构成；栖息地环境质量由DO、沉积物粒径、水深等指标构成。
(3)健康评价标准
大辽河口生态系统健康评价标准，如表3所示。河口生态系统健康分为五个等级，依次为很健康、健康、亚健康、不健康、病态。
3.2大辽河口生态系统健康评价
(1)枯水期河口生态系统健康评价
①大辽河生态系统基本数据
枯水期外业调查结果表明，大辽河口表现出典型的有机污染和营养物质超标，主要污染物为NH3-N、TP和CODMn。大辽河口水体中NH3-N含量介于0.380-1.75mg/L之间，平均浓度为1.07mg/L，其最大值已属V类水质；TP含量介于0.150-0.228mg/L之间，平均浓度为0.188mg/L，虽污染程度不及NH3-N，但最大值已超过III类水质标准；CODMn含量介于2.72-5.70mg/L之间，平均浓度为4.32mg/L，总体表现为河口上游浓度较低，中下游浓度较高的分布特征，表明沿河存在有机污染源，此监测结果恰好与下游地处营口城市段且入海口处(S1)营口污水处理厂向河口排放工业废水导致有机污染严重相吻合。此外，河口生态系统动态复杂的水体环境也造成了生物量、生物多样性和丰富度的相对偏低，栖息地环境质量难以满足丰富多样的生物类群。
②指标权重
运用AHP法计算大辽河口枯水期各评价指标及要素的相对重要性，并结合专家判断最终得出各层次评价指标和要素的权重值(表4)。结果表明，水环境质量、生物生态特征和栖息地环境质量对枯水期河口水生态健康不具有同等重要性。水环境质量以0.731的权重值对枯水期河口水生态健康贡献最大，其中TN、NH3-N和CODMn在水环境质量中相对重要，权重值依次为0.307、0.290和0.241。生物生态特征和栖息地环境质量在河口水生态健康中权重分配相对较低，分别只有0.188和0.0810，表明生物生态特征与栖息地环境质量虽然同样制约着河口生态健康，但重要程度较水环境质量次之。
表4枯水期大辽河口生态系统健康评价指标权重
③综合评价结果
利用模糊综合评判模型进行大辽河口生态系统健康评价，根据最大隶属度原则得到枯水期河口水生态健康综合评价结果(图10，图10中每一组数据由左到右分别是水环境质量、生物生态特征、栖息地环境质量和综合健康状况)。大辽河口的综合健康状况，除入海口处(S1)为病态外，其它站位总体表现为自入海口至河口上游逐渐恶化的趋势。其中，河口下游段(S2-S6)呈现健康状态，但S5、S6站位已经开始由健康向亚健康状态过渡；河口中游段(S7-S11)基本呈现亚健康状态，S11认为是健康状况由健康向不健康甚至病态的过渡；河口上游段(S12-S16)已总体呈现病态的健康状态，表明大辽河口上游段环境污染及生态破坏问题较为严重。
模糊综合评价结果显示，“健康”和“亚健康”等级的采样点基本位于大辽河口中下游段，占全部调查站位的66％；“不健康”甚至“病态”等级的采样点位于河口上游段及入海口处S1站位，占全部调查站位的34％；评价结果中没有“很健康”等级的采样点，基本呈现两极分化的健康状态。这一综合健康评价结果与水环境质量的观测结果趋于一致。
(2)平水期河口生态系统健康评价
①大辽河口生态系统基本数据
平水期外业调查结果表明，大辽河口有机污染相对严重，CODMn含量介于2.14～4.85mg/L之间，平均浓度为3.99mg/L，总体表现为河口上游浓度较高，中下游浓度逐渐降低的分布特征，表明大辽河口上游段存在有机污染源。水体溶解氧含量介于2.12～4.77mg/L之间，平均浓度为3.67mg/L，总体表现为入海口处较高，向河口上游逐渐降低的趋势，河口上游甚至出现了溶解氧含量低于3mg/L的低氧区。正是夏季溶解氧含量的明显偏低，使得水质反而降低到V类标准。河口生态系统动态复杂的水体环境也造成了浮游植物和浮游动物生物量、生物多样性及丰富度的相对偏低。
②指标权重
运用AHP法计算大辽河口平水期各评价指标及要素的相对重要性，并结合专家判断最终得出各层次评价指标和要素的权重值(表5)。结果表明，水环境质量、生物生态特征和栖息地环境质量对平水期河口水生态健康不具有同等重要性。水环境质量以0.630的权重值对平水期河口水生态健康贡献仍然最大，其中TN、NH3-N和CODMn在水环境质量中相对重要，权重值依次为0.307、0.290和0.241。生物生态特征和栖息地环境质量在河口水生态健康中权重分配有所提高，但仍相对较低，分别为0.218和0.152，表明平水期生物生态特征与栖息地环境质量与枯水期相比对河口生态健康的贡献有所增大，但重要程度仍较水环境质量次之。
表5平水期大辽河口生态系统健康评价指标权重
③综合评价结果
平水期生态健康模糊综合评价结果见图11(图11中，每组柱形图的数据由左到右依次为水环境质量、生物生态特征、栖息地环境质量和综合健康状况)，大辽河口生态系统健康状况，总体仍表现为自入海口至河口上游逐渐恶化的趋势，这一综合健康状况与水环境质量、生物生态特征和栖息地环境质量的观测结果基本一致。其中，河口下游段(S1-S7)呈现很健康状态，占全部调查站位的44％；河口中游段(S8-S11)开始由健康逐渐向亚健康甚至不健康状态过渡；河口上游段(S12-S16)已完全呈现病态的健康状态，占全部调查站位的31％，表明大辽河口上游长期存在严重的环境污染和生态破坏等问题。
在河口上游段，特别是S15和S16站位，水污染问题十分突出，由于承接了浑河、太子河两条河流中的污染物，以及农业灌溉区农药、化肥等营养盐和有机污染物的大量输入，水环境质量处于不健康水平。严重的水环境污染同时造成了生物多样性的明显减少和栖息地环境质量的显著下降，从而导致其较差的健康状况。污染物自河口上游向入海口的迁移过程中，因海水混合得到了一定程度的稀释和扩散，再加上平水期水量较枯水期增多，水环境质量得到显著提高。生物多样性和栖息地环境质量因其相对稳定性及难以恢复性，健康状况仍不乐观，但入海口处良好的水交换条件和充足的溶解氧给水生生物及其栖息地环境质量创造了积极的条件，因此健康状况相对较好。总体而言，平水期水环境质量与枯水期相比明显改善，但栖息地环境质量反而出现退化，原因是代表栖息地环境特征的溶解氧含量在夏季出现低氧现象，因此可将栖息地环境质量视为平水期大辽河口水生态健康的限制因素。
(3)丰水期河口生态系统健康评价
①大辽河口生态系统基本数据
丰水期外业调查结果表明，大辽河口继续表现出典型的有机污染和营养物质超标，主要污染物为TN、NH3-N和CODMn。大辽河口水体中TN含量介于6.84-12.0mg/L之间，平均浓度为9.35mg/L，是平水期TN含量的5.3倍，且其最小值已经超过地表水Ⅴ类标准，属于劣Ⅴ类水质；河口水体中NH3-N含量介于0.006-1.06mg/L之间，平均浓度为0.336mg/L，虽污染程度不及TN，但最大值已超过Ⅲ类水质标准；CODMn含量介于1.68-4.80mg/L之间，平均浓度为3.45mg/L，分布特征与枯水期基本一致，同样表现为河口上游浓度低，中下游浓度高的趋势，表明下游营口城市段生活污水的倾倒以及入海口处(S1)营口污水处理厂工业废水的排放导致了其严重的有机污染。此外，生物生态特征包括浮游植物、浮游动物生物量、生物多样性和丰富度都存在普遍偏低的现象，而栖息地环境质量则由于其溶解氧含量的相对较高而处于较为健康的状态。
②指标权重
运用AHP法计算大辽河口丰水期各评价指标及要素的相对重要性，并结合专家判断最终得出各层次评价指标和要素的权重值(表6)。结果表明，水环境质量以0.613的权重值对丰水期河口水生态健康贡献最大，其中TN、NH3-N和CODMn在水环境质量中相对重要，权重值依次为0.306、0.266和0.255。生物生态特征和栖息地环境质量在河口水生态健康中权重分配相对于枯水期和平水期有了明显的提高，分别为0.280和0.107，但水环境质量依然在很大程度上决定丰水期大辽河口的水生态健康水平。
表6丰水期大辽河口生态系统健康评价指标权重
/>
③综合评价结果
丰水期大辽河口生态系统健康状况如图12(图12中，每组数据中的柱形图由左到右依次表示水环境质量、生物生态特征、栖息地环境质量和综合健康状况)所示，总体仍表现为自入海口至河口上游逐渐恶化的趋势，但与平水期相比发生了明显的退化。除S1-S3处于相对健康的状态外，其余站位均呈现病态的健康状态，占全部调查站位的69％，这一综合健康状况与生物生态特征的观测结果趋于一致。
在河口上游，造成水污染问题的原因依然是浑河、太子河两条河流中污染物以及农业灌溉区农药、化肥等营养物质的输入。而位于营口城市段的河口下游，城市生活污水及营口市化工厂、造纸厂、污水处理厂等工业废水大量排入河道也会造成水质的显著恶化。综合水环境质量、生物生态特征和栖息地环境质量在丰水期大辽河口生态系统健康中的作用，水环境质量作为河口水生态健康的主要贡献者，其整体较差的空间分布是综合健康状况的最大限制因素。尽管如此，河口入海口处仍呈现很健康的状态，这是由于良好生物生态特征和栖息地环境质量的共同作用，使大辽河口综合健康状况保持在一个相对健康的水平。
丰水期水量充足，污染物本应在迁移过程中得到更好的稀释和混合，但模糊综合评价结果显示，水环境质量与平水期相比反而呈现恶化趋势，造成以上矛盾结果的原因可能是由于丰水期雨量较大，采样期间恰逢上游水库放水，导致大量污染物的持续输入，海水混合无法对降低污染物含量产生实质性的作用，从而导致水环境质量的急剧下降。此外，沿河排污口在采样期间向河口排放工业废水及生活污水也会直接或间接导致水环境质量的显著下降。大辽河口丰水期特殊的水生态健康状况表明，河口的综合健康水平除了受其内在机制的控制外，外部因素的影响也有可能显著改变原本的健康状况。以丰水期为例，上游水库放水会造成大辽河口水环境质量发生严重恶化并导致综合健康状况的显著退化，从而致使其健康评价结果与理论值相比出现异常现象。这对于研究河口生态系统健康具有更加突出的现实意义，河口作为污染物的最终汇聚水域，其水生态健康具有一定的脆弱性，极易受到外界环境条件的影响，尤其是人为因素导致的河口状态改变。因此，维持及改善河口区域的生态健康水平，除需保护河口自然生态条件外，还应密切关注人类活动对于河口水生态健康造成的不良影响，从而保证河口健康状况的良性、可持续发展。
(4)河口生态系统健康季节变化趋势
大辽河口生态系统健康总体表现为自入海口至河口上游逐渐恶化的趋势，在季节变化上呈现平水期＞丰水期＞枯水期的趋势(图13，图13中每组数据的柱形图由左到右依次表示枯水期、平水期和丰水期的综合健康指数)。根据模糊综合评价结果，本文构建了综合健康指数对大辽河口水生态健康的季节变化进行了量化分析。综合健康指数用FCI表示，FCI＝B·S，其中B为评价要素对各评价等级的隶属度矩阵，S＝(5，4，3，2，1)T，为等级标准向量，对应评价等级为很健康、健康、亚健康、不健康和病态。通过上述矩阵运算，可以分别得到枯水期、平水期和丰水期的水环境质量、生物生态特征、栖息地环境质量及河口健康水平的综合健康指数，从而对河口生态系统健康状况进行直观判断。
由图13可以得出，水环境质量对平水期良好的水生态健康状况起到了积极的影响，而栖息地环境质量则在一定程度上制约了其健康水平。较差的水环境质量是导致枯水期水生态健康退化的主要因素，虽然生物生态特征和栖息地环境质量相对较好，但其在生态系统健康评价中的贡献远低于水环境质量，不足以对河口水生态健康起决定作用。丰水期较差的水生态健康状况，主要取决于生物生态特征对河口生态系统健康的阻碍作用，但相对较差的水环境质量也在一定程度上制约了其健康水平。综合枯水期、平水期和丰水期的健康评价结果，水环境质量因其相对重要性及主要贡献率对河口综合健康状况起决定作用。
根据建立的模糊综合评判模型，对大辽河口枯水期、平水期和丰水期的水生态健康状况进行了综合评价。结果表明，平水期河口水生态健康状况最好，丰水期次之，枯水期健康状况最差。枯水期站点大多处于亚健康状态。辽河口整体处于亚健康状态。
4大辽河口营养物基准值的推导
4.1基准值的推导
根据河口生态健康状况评价，使用频数分布法对大辽河口营养物基准值进行推导。
采样点均匀覆盖了大辽河口的淡水区、咸淡水混合区和咸水区，能全面反映大辽河口的水环境状况，根据参照点的相关标准，对于大辽河口的站点进行判断，采样点具体经纬度及能否作为参照点情况见表7。大辽河口的参照点个数为13个，参照点数不足15个，因此本研究选择了所有数据来推导基准值。
表7采样站点具体信息
根据2009～2017年中国近岸海域环境质量公报：辽东湾水质均较差，超过80％的海域属于四类或劣四类海水，且近年来，无机氮均为主要污染物，故选取了所有监测点营养物指标频数分布曲线的下第5个百分点对应值作为营养物的基准值。利用SPSS进行频数分析拟合，得到结果(图14～图16)，TN、TP、Chl-a第5个百分点对应值分别为0.91mg/L、0.033mg/L和2.01mg/m3，得到大辽河口TN、TP基准推荐值分别为0.91mg/L、0.033mg/L和2.01mg/m3。
4.2不确定性分析
本发明推导的营养物基准值与我国地表水环境质量标准相比发现，辽河口TN基准值属于Ⅲ类地表水标准(≤1.0mg/L)，TP基准值属于Ⅱ类地表水标准(≤0.1mg/L)。但地表水环境质量标准适用于淡水水域，如河流湖泊水库等，原则上不适用于咸淡水混合的河口区域。
由于数据的有限性，收集的数据实际上不能满足十年内至少三年的数据要求，且缺少透明度的数据，但由于数据的收集存在难度，故先由现存数据进行了基准值的推导。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种获得区域性河口营养物基准值的方法，包括以下步骤：
(1)对区域内河口进行分类，得到待评价河口的分属类型；所述分类的河口类型包括一级分类类型和二级分类类型，所述一级分类类型包括平原型河口、构造型河口和泻湖型河口；所述二级分类类型为对所述平原型河口进行分类得到的河口类型，所述二级分类类型包括弱潮河口、中潮河口和强潮河口；
(2)根据河口的分类情况，收集区域内河口的数据，区域内的同一类河口统一收集数据，所述数据满足完整性原则和最低需求原则，由收集到的数据中筛选可信数据，所述数据包括营养物指标、生物学指标和其他指标；所述步骤(2)中的其他指标用于评价河口生态健康状况，所述其他指标包括温度、盐度、pH值、化学需氧量、悬浮物、石油类、沉积物参数、浮游动物群落、底栖动物群落和土地利用
(3)根据所述步骤(2)筛选得到的可信数据进行营养物指标筛选，用于所述营养物指标筛选的可信数据包括营养物指标和生物学指标的数据，筛选得到与藻类生长密切相关的营养物指标，所述营养物指标中包括必选指标，所述必选指标为总氮、总磷、叶绿素a和透明度；
(4)获取参考点的状态，根据所述步骤(3)筛选得到的营养物响应指标进行营养物基准推导，所述营养物基准的推导为：根据所述参考点的状态与生态系统健康状况在以下推导方法中选择营养物基准制定的方法，所述营养物基准的推导方法包括频数分布法、历史记录分析法、柱状沉积物分析法和压力-响应模型法，所述历史记录分析法包括回归过程曲线法和历史-现状综合分析法，所述压力-响应模型法包括线性回归模型法、分类回归树模型法、贝叶斯拐点分析法和非参数拐点分析法；所述参照点不少于10个，所述生态系统健康状况分为完好、部分退化和完全退化；
(5)审核所述步骤(4)得到的营养物基准。
2.根据权利要求1所述的方法，其特征在于，所述步骤(2)中营养物指标包括总氮、硝酸盐、亚硝酸盐、氨氮、总磷、活性磷酸盐和活性硅酸盐。
3.根据权利要求1所述的方法，其特征在于，所述生物学指标包括叶绿素a、透明度、溶解氧、总有机碳和大型无脊椎动物群落。
4.根据权利要求1所述的方法，其特征在于，所述步骤(3)中筛选的方法包括相关性分析、主成分分析、降维对应分析和典型对应分析。
5.根据权利要求1所述的方法，其特征在于，所述参照点的数量为30个。
6.根据权利要求1～5任意一项所述的方法，其特征在于，当所述河口生态系统完好或部分退化且参照点可寻时，采用频数分布法推导营养物基准，具体包括以下步骤：
(1)确定河口区参照点；
(2)数据筛选：对于生态环境状况完好区域，选择所有参照点的全部原始数据；对于生态环境部分退化的区域，参照点数目在15个以上时，选择所有参照点的全部原始数据，参照点数目在15个以下时，选择所有观测点的全部原始数据；
(3)数据分布检验：对参照点或者河口区域内所有站点的监测数据进行正态分布检验，符合正态分布的数据用于基准值的推导；若不符合正态分布，则甄别异常数值和极端数值后对数据进行转换，重新进行检验直到符合正态分布；
(4)营养物基准推导：符合正态分布检验的数据进行频数分布分析：
对于生态环境状况完好的河口区域，选择参照点分布曲线的中值点位作为营养物基准值；
对于生态环境部分退化但参照点数量充足，取参照点营养指标频数分布曲线的上25％点位作为营养物基准值，所述参照点数量充足指参照点数量在15个以上；
对于生态环境部分退化，参照点可寻，但数量不足15个，取所有观测点营养物指标频数分布曲线的下25％点位作为营养物基准值；若所有观测数据均采集于污染较为严重的年代，取所有观测点营养物指标频数分布曲线的下5％点位作为营养物基准值；
对于生态环境部分退化，但参照点不可寻时，从河口分类中选取相似河口的营养物频数分布曲线来推导基准值。
7.根据权利要求1～5任意一项所述方法，其特征在于，当河口生态环境严重退化且参照点不可寻、但历史数据充足时，采用历史记录分析法推导河口营养物基准：
当历史变化过程清晰，采用回归过程曲线法来识别参照状态；当历史变化过程模糊，存在较多的无法评估和剔除的干扰时，采用历史-现状综合分析法结合频数分布曲线来进行河口营养物基准推导；
所述回归过程曲线法包括以下步骤：
以因氮磷营养物过度富集而造成的生态损害记录做出回归过程曲线，选择河口环境未受污染或受极小污染时的状态作为参照装填确定基准值；
所述历史现状综合分析法结合频数分布曲线包括以下步骤：
选择区域河口全部历史和现状数据；
采用频数分布法对数据分布进行检验；
将符合正泰分布检验的历史和现状数据按照水质从高到低顺序排列，进行频数分布分析，以历史与现状数据中值区间中值作为参照状态基准值。
8.根据权利要求1～5任意一项所述的方法，其特征在于，当所述河口为生物扰动和其他形式的沉积物扰动小的沉积物沉积区且区域内河口平均深度大于7m时，采用柱状沉积物分析法进行营养物基准推导，包括以下步骤：
采集沉积物柱芯进行分析，建立硅藻-营养物指标定量转换函数并进行检验，得到营养物基准。
9.根据权利要求1～5任意一项所述的方法，其特征在于，当河口生态环境完全退化且历史数据不足以进行历史-现状综合分析时，采用压力-响应模型法进行营养物基准推导，所述压力-响应模型法包括线性回归模型法、分类回归树模型法、贝叶斯拐点分析法和非参数拐点分析法；
当响应指标与营养物浓度呈现为先行，则采用线性回归模型法；
当响应指标与营养物浓度之间呈现非线性、非正态和异质性，不能用线性关系表示或河口水质指标不能满足线性回归中设定的条件，则采用分类树回归模型法、贝叶斯拐点分析法和非参数拐点分析法确定营养物基准，取平均值作为营养物基准。
CN202010009341.0A 2020-01-06 2020-01-06 一种获得区域性河口营养物基准值的方法 Active CN111241476B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010009341.0A CN111241476B (zh) 2020-01-06 2020-01-06 一种获得区域性河口营养物基准值的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010009341.0A CN111241476B (zh) 2020-01-06 2020-01-06 一种获得区域性河口营养物基准值的方法

Publications (2)

Publication Number Publication Date
CN111241476A CN111241476A (zh) 2020-06-05
CN111241476B true CN111241476B (zh) 2023-08-08

Family

ID=70864815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010009341.0A Active CN111241476B (zh) 2020-01-06 2020-01-06 一种获得区域性河口营养物基准值的方法

Country Status (1)

Country Link
CN (1) CN111241476B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112069287B (zh) * 2020-09-08 2021-06-11 中国农垦经济发展中心 标准阈值数字化转译方法
CN112417649B (zh) * 2020-10-27 2022-09-09 中国科学院城市环境研究所 一种联合营养盐基准制定方法、装置、设备及存储介质
CN113139745A (zh) * 2021-05-13 2021-07-20 生态环境部南京环境科学研究所 一种生态破坏影响评估方法
CN113847954B (zh) * 2021-09-24 2023-10-20 浙江农林大学 一种森林生态环境监测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201624020U (zh) * 2010-02-02 2010-11-10 中国海洋大学 一种绿化植生袋
CN102628856A (zh) * 2012-02-24 2012-08-08 中国环境科学研究院 一种湖泊营养物基准参照状态确定的组合方法
CN103034770A (zh) * 2011-09-30 2013-04-10 邓义祥 河流污染物通量监测方法
CN110570089A (zh) * 2019-08-09 2019-12-13 中国科学院南京地理与湖泊研究所 水生生物群落多参数指数评价河流生态状况的构建方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105608324B (zh) * 2015-12-30 2017-03-01 中国环境科学研究院 基于毒性效应的流域沉积物中重金属生态风险评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201624020U (zh) * 2010-02-02 2010-11-10 中国海洋大学 一种绿化植生袋
CN103034770A (zh) * 2011-09-30 2013-04-10 邓义祥 河流污染物通量监测方法
CN102628856A (zh) * 2012-02-24 2012-08-08 中国环境科学研究院 一种湖泊营养物基准参照状态确定的组合方法
CN110570089A (zh) * 2019-08-09 2019-12-13 中国科学院南京地理与湖泊研究所 水生生物群落多参数指数评价河流生态状况的构建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于集对分析模型评价大辽河口生态系统健康;邵志芳;胡泓;李正炎;郑云云;;中国海洋大学学报(自然科学版)(第05期);全文 *

Also Published As

Publication number Publication date
CN111241476A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN111241476B (zh) 一种获得区域性河口营养物基准值的方法
Beck et al. A review of research on the development of lake indices of biotic integrity
Jackson et al. Evaluation guidelines for ecological indicators
Roe et al. Controls on the contemporary distribution of lake thecamoebians (testate amoebae) within the Greater Toronto Area and their potential as water quality indicators
Wan et al. A novel comprehensive model of set pair analysis with extenics for river health evaluation and prediction of semi-arid basin-A case study of Wei River Basin, China
CN110969346A (zh) 基于指标筛选的流域水生态功能分区治理需求评价方法
Wu et al. Ecological environment health assessment of lake water ecosystem system based on simulated annealing-projection pursuit: A case study of plateau lake
Jordan et al. Summer fish communities in northern Gulf of Mexico estuaries: indices of ecological condition
Zhao et al. Effects of spatial variation in water quality and hydrological factors on environmental flows
Gao et al. Water quality pollution assessment and source apportionment of lake wetlands: A case study of Xianghai Lake in the Northeast China Plain
Tu et al. Biodiversity assessment in the near-shore waters of Tianjin city, China based on the Pressure-State-Response (PSR) method
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
Hall Jr et al. The effects of land‐use characteristics and acid sensitivity on the ecological status of maryland coastal plain streams
Paisley et al. Identification of macro-invertebrate taxa as indicators of nutrient enrichment in rivers
CN114626771B (zh) 一种城市区域水生态状态反应器构建方法、装置及反应器
Zhao et al. Effects and prediction of nonpoint source pollution on the structure of aquatic food webs
CN113157772A (zh) 一种基于古湖沼学方法的湖泊适宜生态水位确定方法
Zhao et al. Quantifying the response of aquatic biodiversity to variations in river hydrology and water quality in a healthy water ecology pilot city, China
Ge et al. Development and testing of a planktonic index of biotic integrity (P-IBI) for Lake Fuxian, China
Moasheri et al. ‘SAR’qualities parameter persistence by a compound method of geostatic and artificial neural network (Case study of Jiroft plain)
Ma et al. Eutrophication trend analysis and forewarning model construction of water source reservoirs: Gaozhou Reservoir, China
Corry Development of a tool for assessment of the environmental condition of wetlands using macrophytes
Stojković et al. Ichthyological integral indices, the history of development and possible application on rivers in Serbia
Herger et al. Ecological condition of streams in the Coast Range ecoregion of Oregon and Washington
THUAN et al. Prediction model of taste-and-odor events in Kamafusa Reservoir

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