CN116070931B - 一种基于野外生态数据的土壤污染生态效应定量评价方法 - Google Patents
一种基于野外生态数据的土壤污染生态效应定量评价方法 Download PDFInfo
- Publication number
- CN116070931B CN116070931B CN202211357926.7A CN202211357926A CN116070931B CN 116070931 B CN116070931 B CN 116070931B CN 202211357926 A CN202211357926 A CN 202211357926A CN 116070931 B CN116070931 B CN 116070931B
- Authority
- CN
- China
- Prior art keywords
- effect
- soil
- ecological
- dominant
- evaluation
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 75
- 238000003900 soil pollution Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 15
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 50
- 231100000719 pollutant Toxicity 0.000 claims abstract description 50
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 230000007613 environmental effect Effects 0.000 claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000012216 screening Methods 0.000 claims abstract description 14
- 238000010219 correlation analysis Methods 0.000 claims abstract description 13
- 238000012163 sequencing technique Methods 0.000 claims abstract description 8
- 239000002689 soil Substances 0.000 claims description 57
- 238000011835 investigation Methods 0.000 claims description 14
- 239000000356 contaminant Substances 0.000 claims description 12
- 238000000556 factor analysis Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000012352 Spearman correlation analysis Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000003802 soil pollutant Substances 0.000 claims description 5
- 238000012876 topography Methods 0.000 claims description 5
- 238000010220 Pearson correlation analysis Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 4
- 230000001364 causal effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 231100000419 toxicity Toxicity 0.000 claims description 4
- 230000001988 toxicity Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000000704 physical effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 231100000369 acute toxicity data Toxicity 0.000 abstract description 2
- 238000009533 lab test Methods 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 20
- 229910001385 heavy metal Inorganic materials 0.000 description 13
- 238000011160 research Methods 0.000 description 13
- 238000000513 principal component analysis Methods 0.000 description 6
- 238000003723 Smelting Methods 0.000 description 4
- 241000894007 species Species 0.000 description 4
- 231100000353 EC10 Toxicity 0.000 description 3
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 241000219422 Urtica Species 0.000 description 2
- 235000009108 Urtica dioica Nutrition 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 240000008564 Boehmeria nivea Species 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241001427559 Collembola Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 241000902900 cellular organisms Species 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 241001233061 earthworms Species 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 230000017448 oviposition Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 230000007226 seed germination Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 231100000820 toxicity test Toxicity 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明提供了一种基于野外生态数据的土壤污染生态效应定量评价方法，属于区域土壤污染生态效应定量评价技术领域。方法通过排序分析识别主导污染物及主要的环境影响因子；利用相关分析筛选评价终点；基于贝叶斯核机回归模型构建暴露‑效应关系曲线，计算各个评价终点的污染物效应浓度；最后根据概率分布曲线模型推导污染物危害浓度，定量评价区域土壤污染生态效应。本发明解决了现有生态效应评价方法基于实验室试验得出单物种急性毒性数据不适用于野外实际污染条件，同时野外生态环境中土壤污染暴露‑效应关系复杂从而难以构建定量关系的问题，具有可操作性强、结果可靠、准确性较高的优点。
Description
技术领域
本发明涉及区域土壤污染生态效应定量评价技术领域，具体是涉及一种基于野外生态数据的土壤污染生态效应定量评价方法。
背景技术
土壤污染生态效应是指污染物进入土壤中造成土壤污染和环境破坏，引起生态系统结构和功能的变化。生态效应评价是指对生态受体随不同程度风险源变化情况进行评价的过程，通过分析污染物的暴露表征结果，研究暴露水平和生态效应的定量关系，推导风险阈值。因此，准确评价土壤污染生态效应，是制定土壤环境质量基准、实现生态风险评价及预警与管控的重要基础。
然而，目前传统的土壤污染生态效应研究都是基于实验室的人工染毒土壤或者野外收集的历史污染土壤，选择典型土壤生物(如植物、蚯蚓、跳虫等)，进行标准化的实验室生态毒性测试。选择的评价终点常常集中个体及个体以下水平，例如无脊椎动物的繁殖率、产卵率以及植物的种子发芽、根伸长抑制和生物量等。而实际生态系统中不同污染物及不同物种之间都存在复杂相互作用，而且环境干扰因素较多。因此，在实验室受控条件及最佳环境状态下暴露的一个或几个物种的观察结果，无法反映环境真实情况，在外推到野外的实际污污染条件下时往往缺乏环境相关性，难以准确评价土壤污染的真实生态效应。
基于野外实地生态调查数据，选择群落水平以上的评价终点，评价污染胁迫对土壤生物群落及生态系统的毒性效应，比实验室研究更能代表土壤污染真实生态效应，通常更具现实性和生态意义，也可以直接评价关注的受体，整合特定地点的暴露条件，从而消除许多不确定性，提高评价结果的科学性和准确性。但在在野外实际生态环境中，土壤污染生态效应往往是土壤环境因子和污染物共同作用的结果，土壤污染暴露-效应关系复杂而难以构建定量关系，目前仍然缺少基于野外生态调查数据进行区域土壤污染生态效应定量评价的方法。
发明内容
本发明通过目标区域基础数据集收集、主导污染物及环境影响因子识别、评价终点筛选、暴露-效应关系构建、危害浓度推导等步骤，构建了以群落水平生物反应为评价终点的一种基于野外生态数据的土壤污染生态效应定量评价方法，为土壤污染生态效应及生态风险评价提供了研究思路和技术方法。
为解决上述问题，本发明的技术方案如下：
一种基于野外生态数据的土壤污染生态效应定量评价方法，包括以下步骤：
S1、区域基础数据收集；
S2、主导污染物及环境影响因子识别；
S3、评价终点筛选；
S4、暴露-效应关系构建
利用贝叶斯核机回归模型，构建评价终点与主导污染物之间的暴露-效应关系模型，暴露-效应关系模型为：
Yi＝h(zi)+βxi+εi
上式中，Yi表示筛选的敏感评价终点，Zi为胁迫向量，h(zi)为高斯核暴露-效应函数，xi为协变量，β为协变量系数，εi为残差，当主导污染物单一时，环境影响因子纳入到h(zi)中，当主导污染物不单一时，环境影响因子则作为协变量xi；
S5、效应浓度计算
基于步骤S4构建的暴露-效应关系，分别通过将评价终点值固定在第50百分位和第90百分位/第10百分位，其中，第90百分位作为评价终点负向响应，第10百分位作为评价终点正向响应，计算得到在各个环境条件下主导污染物的效应浓度；
S6、危害浓度推导
基于步骤S5得到的效应浓度，利用log-logistic模型分别对10％效应浓度和半效应浓度的数据集进行概率分布曲线拟合，根据概率分布曲线拟合得到的概率分布曲线计算主导污染物的区域-特异性危害浓度HCs，计算公式为：
上式中，y为累积概率，x为经过log10转换得到的10％效应浓度或半效应浓度，p1为截距，P2为曲线的斜率。
上述步骤S4中暴露-效应关系模型构建时利用了贝叶斯核机回归模型。该模型可以很容易地适应非线性关系以及影响因子间复杂的相互作用，适用于复杂因果网络中的因果关系构建。通过将所筛选环境影响因子的其中一个设置为10分位、50分位和90分位水平，另一个(或其他)设置为50分位水平，推导出不同环境条件下不同评价终点与污染物之间的暴露效应曲线，从而将环境因子纳入到暴露-效应关系中，推导具有区域特异性的暴露-效应关系曲线。每个评价终点共计可以得到暴露-效应关系曲线的数量为环境影响因子的数量的3倍。
上述步骤S5通过将评价终点值固定在不同分位数水平，推导研究区内主导污染物的效应浓度。在野外实际环境中，受限于在相同区域类似性质的无污染土壤的可获得性，通过选定不同污染梯度的土壤，形成浓度梯度，测定相关终点响应，构建零污染浓度缺失的剂量-效应曲线关系，在此基础上进一步确定主导污染物在研究区的效应浓度范围。
上述步骤S6中危害浓度推导时利用了概率分布模型。基于不同评价终点的敏感度不同，通过构建概率分布曲线，可以推导出评价终点不同影响比例下，主导污染物的危害浓度。本方法针对污染区域土壤污染生态效应评价，因此计算土壤污染风险管理中的毒性阈值HC50作为污染物的危害浓度，实现基于野外生态调查数据的区域土壤污染生态效应定量评价。
进一步地，步骤S1包括以下内容：
对目标区域进行环境调查，获取目标区域的区域信息，
并根据区域信息对目标区域进行布点采样调查，获取目标区域的土壤理化性质、土壤污染物数据，
对目标区域进行生态调查，获取目标区域的生物群落信息。
进一步地，区域信息包括：空间位置、地形地貌、土地利用类型等。
进一步地，土壤理化性质包括：物理性质、化学性质，土壤污染物数据包括：总量及有效态含量等。
更进一步地，生物群落信息包括：各个污染梯度下生物群落组成、多样性及功能性状等。
优选地，步骤S2包括以下内容：
基于步骤S1收集的区域基础数据，通过直接排序分析在各个污染梯度下土壤生物群落的变化情况，利用方差膨胀因子分析及间接排序分析土壤生物群落特征的驱动因子、区分污染物及环境因子的影响，通过多元统计分析识别混合污染物联合毒性的主导污染物，简化混合污染物，得到影响土壤生物群落特征的主导污染物及环境影响因子。
上述步骤S2中，直接排序分析包括PCA、CA等分析方法，方差膨胀因子分析为VIF分析方法，间接排序分析包括CCA、RDA、dbRDA等分析方法。
上述步骤S2中，直接排序分析包括PCA(主成分分析)、CA(对应分析)等分析方法，方差膨胀因子分析为VIF分析方法，间接排序分析包括CCA(典范对应分析)、RDA(冗余分析)、dbRDA(基于距离的冗余分析)等分析方法。
优选地，步骤S3包括以下内容：
将步骤S2得到的主导污染物浓度与土壤生物群落参数进行相关性分析，将相关性分析的结果结合生物群落在污染胁迫下的演变及适应特征，筛选得到与主导污染物相关性高的土壤生物群落参数，并将土壤生物群落参数作为评价终点。
上述步骤S3中评价终点筛选是基于相关分析进行因果关系归因，确定野外现场观测到的不利良生态效应可归因于土壤中的污染物，即评价终点与污染物之间在实际环境条件下存在暴露-效应关系。
优选地，相关性分析包括：Pearson性相关分析、Spearman相关性分析。
其中，Pearson性相关分析用于分析变量间的线性相关程度，Spearman相关性分析用于衡量分级定序变量间的相关程度。
优选地，土壤生物群落参数包括：土壤生物群落丰度、多样性指数、群落生活型、群落功能性状等。
进一步优选地，步骤S5中，效应浓度包括：半效应浓度(EC50s)和10％效应浓度(EC10s)。
本发明的有益效果是：
(1)本发明基于野外实地生态调查数据，选择群落水平评价终点，通过多元统计分析进行主导污染物识别及评价终点筛选，利用贝叶斯核机回归模型进行暴露-效应关系构建及效应浓度计算，根据概率分布模型进行危害浓度推导，实现土壤污染胁迫对生物群落的生态毒性效应的准确评价。
(2)本发明克服了现有的生态效应评价方法基于实验室试验获取的单物种急性毒性数据，外推至野外实际污染条件下往往缺乏环境相关性的局限性，以及在野外实际生态环境中由于土壤污染暴露-效应关系复杂而难以构建定量关系的问题，实现在群落水平进行区域特异性土壤污染生态效应评价；
(3)与传统研究方法相比，本发明方法更能准确评价野外实际污染区域土壤污染真实生态效应。本方法过程透明、计算精细且定量化，可操作性强，结果具有很强的客观性和科学性，同时也更具现实性和生态意义，为土壤污染生态效应及生态风险评价提供了研究思路和技术方法。
附图说明
图1是实施例1一种基于野外生态数据的土壤污染生态效应定量评价方法流程图；
图2是实施例1中基于研究区不同研究地点植物群落结构和功能性状的主成分分析；
图3是实施例1中基于研究区不同研究地点植物群落结构和功能性状的dbRDA分析；
图4是实施例1中主导污染物Zn与筛选的评价终点在不同pH条件下的暴露-效应关系，其中SG固定在50分位水平；
图5为实施例1中主导污染物Zn与筛选的评价终点在不同SG条件下的暴露-效应关系，其中pH固定在50百分位水平；
图6为实施例1中不同评价终点主导污染物Zn的10％效应浓度(EC10s)；
图7为实施例1中不同评价终点主导污染物Zn的半效应浓度(EC50s)；
图8为实施例1中不同评价终点的10％效应浓度(EC10s)的概率分布曲线；
图9为实施例1中不同评价终点的半效应浓度(EC50s)的概率分布曲线；
图10为实施例1一种基于野外生态数据的土壤污染生态效应定量评价方法的原理图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。
实施例
本实施例为一种基于野外生态数据的土壤污染生态效应定量评价方法，选择湖南省衡阳市某矿冶区土壤作为研究对象。以冶炼厂为中心，选取厂区周边半径2km范围作为研究区，根据矿冶区主导风向、风力、冶炼厂排气特征、地形地势、土地利用类型等，在距离厂区不同方位及不同距离随机布设16个调查样点。本实施例基于野外生态调查数据，通过分析重金属污染梯度下植物群落的演变及适应特征，构建植物群落与土壤重金属之间的暴露-效应关系，以植物群落为例，在群落水平定量评价研究区土壤重金属污染生态效应。
如图1、图10所示，本实施例包括以下步骤：
S1、区域基础数据收集
对目标区域进行环境调查，获取目标区域的区域信息，
并根据区域信息对目标区域进行布点采样调查，获取目标区域的土壤理化性质、土壤污染物数据，
对目标区域进行生态调查，获取目标区域的生物群落信息。
其中，区域信息包括：空间位置、地形地貌、土地利用类型。土壤理化性质包括：物理性质、化学性质，土壤污染物数据包括：总量及有效态含量。生物群落信息包括：各个污染梯度下生物群落组成、多样性及功能性状。
本实施例中具体为：
研究区地处衡阳盆地南缘与南岭北向余脉交接地带，湘江中游南岸，为典型南方红壤丘陵区，属亚热带半湿润季风大陆气候，土壤类型主要为红壤，主要土地利用类型为林草地。如表1所示，研究区内土壤重金属污染现象严重，重金属与土壤理化性质等环境因子都具有高度变异性，主要污染重金属为Cu、Cd、Pb、Zn，表现出类似的空间分布特征，厂区南北两侧重金属含量高，同时受地形、主导风向、土地利用类型、与冶炼厂距离、以及pH、SOC及CEC等环境因子的影响。
表1土壤环境因子统计概况
主成分分析结果如图2所示，由图2可知，不同污染程度下，植物群落特征存在明显差异。其中，与草本群落相比，灌木群落受到的重金属污染胁迫的影响更显著。长期重金属污染胁迫下，灌木群落物种丰度、多样性及群落高度均显著降低，对重金属具有耐受性及富集能力的物种，如苎麻，广泛定植生长。
S2、主导污染物及环境影响因子识别
基于步骤S1收集的区域基础数据，通过直接排序分析在各个污染梯度下土壤生物群落的变化情况，利用方差膨胀因子分析及间接排序分析土壤生物群落特征的驱动因子、区分污染物及环境因子的影响，通过多元统计分析识别混合污染物联合毒性的主导污染物，简化混合污染物，得到影响土壤生物群落特征的主导污染物及环境影响因子。其中，直接排序分析为PCA分析方法，方差膨胀因子分析为VIF分析方法，间接排序分析为dbRDA分析方法。
如图3所示，坡度(SG)、pH和Zn分别可以解释研究区内植物群落结构和功能性状的58.5％、9.20％和7.80％的变异，说明植物群落特征受到重金属Zn、地形(坡度)和土壤性质(pH)的共同影响。
S3、评价终点筛选
将步骤S2得到的主导污染物浓度与土壤生物群落参数进行相关性分析，将相关性分析的结果结合生物群落在污染胁迫下的演变及适应特征，筛选得到与主导污染物相关性高的土壤生物群落参数，并将土壤生物群落参数作为评价终点。其中，土壤生物群落参数包括：土壤生物群落丰度、多样性指数、群落生活型、群落功能性状。相关性分析包括：Pearson性相关分析、Spearman相关性分析，Pearson性相关分析用于分析变量间的线性相关程度，Spearman相关性分析用于衡量分级定序变量间的相关程度。
本实施例中，筛选条件为p<0.05。相关性分析结果如表2所示，表2表明，在研究区植物群落和灌木群落的丰富度、辛普森指数、香农指数、荨麻科的比例、常绿灌木的比例以及灌木群落的高度与土壤众Zn浓度呈显著相关关系。因此，共有9个参数被筛选为群落水平生态效应评价的终点。
表2主导污染物Zn与植物群落指标之间的相关性分析结果
S4、暴露-效应关系构建
利用贝叶斯核机回归模型，构建评价终点与主导污染物之间的暴露-效应关系模型，暴露-效应关系模型为：
Yi＝h(zi)+βxi+εi
上式中，Yi表示筛选的敏感评价终点，Zi为胁迫向量，h(zi)为高斯核暴露-效应函数，xi为协变量，β为协变量系数，εi为残差，当主导污染物单一时，环境影响因子纳入到h(zi)中，当主导污染物不单一时，环境影响因子则作为协变量xi。
本实施例中，在不同土壤pH及不同坡度SG条件下，不同植物群落评价终点与主导污染物Zn之间的暴露-响应关系曲线如图4和图5所示。每个评价终点共计获得6条不同的暴露-效应关系曲线，其中环境因素pH及SG对暴露-效应曲线的形状有不同程度的影响，说明暴露-效应关系曲线具有区域特异性。
S5、效应浓度计算
基于步骤S4构建的暴露-效应关系，分别通过将评价终点值固定在第50百分位和第90百分位/第10百分位，其中，第90百分位作为评价终点负向响应，第10百分位作为评价终点正向响应，计算得到在各个环境条件下主导污染物的效应浓度。其中，效应浓度包括：半效应浓度和10％效应浓度。
本实施例中，如图6、图7所示，EC10(Zn)和EC50(Zn)的平均值分别为94.2-123mgkg-1和555-725mgkg-1，不同评价终点的变异范围不同。其中，PRi、PSi、PSh、SRi、SSi、SSh代表植物群落和灌木群落的丰度、辛普森指数和香浓指数，Urt和Eve代表荨麻科和常绿灌木的比例；CWM代表灌木高度群落加权均值。
S6、危害浓度推导
基于步骤S5得到的效应浓度，利用log-logistic模型分别对10％效应浓度和半效应浓度的数据集进行概率分布曲线拟合，根据概率分布曲线拟合得到的概率分布曲线计算主导污染物的区域-特异性危害浓度HCs，计算公式为：
上式中，y为累积概率，x为经过log10转换得到的10％效应浓度或半效应浓度，p1为截距，P2为曲线的斜率。
在本实施例中，如图8、图9所示，通过log-logistic模型拟合得到评价终点的EC1(Zn)和EC50(Zn)的概率分布曲线。基于平均EC10和EC50，土壤Zn的危害浓度(HC50s)分别为107mg kg-1(104-110)和603mg kg-1(595-612)，研究区土壤Zn的浓度超出危害浓度的样点所占比例分别为71.4％和10.7％。因此，研究区内植物群落受到土壤重金属污染的影响，应当加强对超标点位土壤重金属污染的管控及修复治理。
实施例2
本实施例为一种基于野外生态数据的土壤污染生态效应定量评价方法，与实施例1的区别在于：
步骤S2中，直接排序分析为CA分析方法，方差膨胀因子分析为VIF分析方法，间接排序分析为CCA分析方法。
实施例3
本实施例为一种基于野外生态数据的土壤污染生态效应定量评价方法，与实施例1的区别在于：
步骤S2中，直接排序分析为CA分析方法，方差膨胀因子分析为VIF分析方法，间接排序分析为RDA分析方法。
Claims (6)
1.一种基于野外生态数据的土壤污染生态效应定量评价方法，其特征在于，包括以下步骤：
S1、区域基础数据收集，包括以下内容：
对目标区域进行环境调查，获取目标区域的区域信息，
并根据区域信息对目标区域进行布点采样调查，获取目标区域的土壤理化性质、土壤污染物数据，
对目标区域进行生态调查，获取目标区域的生物群落信息；
S2、主导污染物及环境影响因子识别：
基于步骤S1收集的区域基础数据，通过直接排序分析在各个污染梯度下土壤生物群落的变化情况，利用方差膨胀因子分析及间接排序分析土壤生物群落特征的驱动因子、区分污染物及环境因子的影响，通过多元统计分析识别混合污染物联合毒性的主导污染物，简化混合污染物，得到影响土壤生物群落特征的主导污染物及环境影响因子；
S3、评价终点筛选：
将步骤S2得到的主导污染物浓度与土壤生物群落参数进行相关性分析，将相关性分析的结果结合生物群落在污染胁迫下的演变及适应特征进行因果分析，筛选得到与主导污染物相关性高的土壤生物群落参数，并将土壤生物群落参数作为评价终点；
S4、暴露-效应关系构建
利用贝叶斯核机回归模型，构建评价终点与主导污染物之间的暴露-效应关系模型，暴露-效应关系模型为：
Yi＝h(zi)+βxi+εi
上式中，Yi表示筛选的评价终点，Zi为胁迫向量，h(zi)为高斯核暴露-效应函数，xi为协变量，β为协变量系数，εi为残差，当主导污染物单一时，环境影响因子纳入到h(zi)中，当主导污染物不单一时，环境影响因子则作为协变量xi；
S5、效应浓度计算
基于步骤S4构建的暴露-效应关系，分别通过将评价终点值固定在第50百分位和第90百分位/第10百分位，其中，第90百分位作为评价终点负向响应，第10百分位作为评价终点正向响应，计算得到在各个环境条件下主导污染物的效应浓度；
S6、危害浓度推导
基于步骤S5得到的效应浓度，利用log-logistic模型分别对10％效应浓度和半效应浓度的数据集进行概率分布曲线拟合，根据概率分布曲线拟合得到的概率分布曲线计算主导污染物的区域-特异性危害浓度HCs，计算公式为：
上式中，y为累积概率，x为经过log10转换得到的10％效应浓度或半效应浓度，p1为截距，P2为曲线的斜率。
2.如权利要求1所述的一种基于野外生态数据的土壤污染生态效应定量评价方法，其特征在于，所述区域信息包括：空间位置、地形地貌、土地利用类型。
3.如权利要求1所述的一种基于野外生态数据的土壤污染生态效应定量评价方法，其特征在于，所述土壤理化性质包括：物理性质、化学性质，所述土壤污染物数据包括：总量及有效态含量。
4.如权利要求1所述的一种基于野外生态数据的土壤污染生态效应定量评价方法，其特征在于，所述生物群落信息包括：各个污染梯度下生物群落组成、多样性及功能性状。
5.如权利要求1所述的一种基于野外生态数据的土壤污染生态效应定量评价方法，其特征在于，所述相关性分析包括：Pearson性相关分析、Spearman相关性分析。
6.如权利要求1所述的一种基于野外生态数据的土壤污染生态效应定量评价方法，其特征在于，所述土壤生物群落参数包括：土壤生物群落丰度、多样性指数、群落生活型、群落功能性状。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211357926.7A CN116070931B (zh) | 2022-11-01 | 2022-11-01 | 一种基于野外生态数据的土壤污染生态效应定量评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211357926.7A CN116070931B (zh) | 2022-11-01 | 2022-11-01 | 一种基于野外生态数据的土壤污染生态效应定量评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116070931A CN116070931A (zh) | 2023-05-05 |
| CN116070931B true CN116070931B (zh) | 2024-03-12 |
Family
ID=86177687
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211357926.7A Active CN116070931B (zh) | 2022-11-01 | 2022-11-01 | 一种基于野外生态数据的土壤污染生态效应定量评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116070931B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118297388A (zh) * | 2024-04-07 | 2024-07-05 | 南京林业大学 | 城市路旁绿地土壤重金属污染评估方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080088011A (ko) * | 2007-03-28 | 2008-10-02 | 한국화학연구원 | 통합환경관리를 위한 위해성 예측 시스템 및 방법, 그리고이 방법을 구현할 수 있는 컴퓨터 판독 가능한 프로그램이기록된 기록매체 |
| CN103853931A (zh) * | 2014-03-25 | 2014-06-11 | 国家海洋环境监测中心 | 海洋水环境中多环芳烃类化合物及其混合物的生态风险评价方法 |
| CN104722569A (zh) * | 2013-12-18 | 2015-06-24 | 中国环境科学研究院 | 确定化工区土壤重金属生态安全阈值的方法 |
| CN110889611A (zh) * | 2019-11-20 | 2020-03-17 | 中国环境科学研究院 | 一种精准评估重金属污染场地生态风险的证据权重方法 |
| CN111429039A (zh) * | 2020-04-26 | 2020-07-17 | 国家海洋环境监测中心 | 一种海岛生态脆弱性评估方法 |
| CN112309506A (zh) * | 2020-11-11 | 2021-02-02 | 中国科学院生态环境研究中心 | 一种基于排序和概率的层次化生态风险评价方法 |
| CN112836912A (zh) * | 2019-11-25 | 2021-05-25 | 天津大学 | 基于gis的土壤污染防治分区划定的方法 |
| CN113962534A (zh) * | 2021-10-09 | 2022-01-21 | 生态环境部南京环境科学研究所 | 修复后污染场地再开发安全利用评估指标体系构建方法 |
| CN114049037A (zh) * | 2021-11-25 | 2022-02-15 | 生态环境部环境规划院 | 一种场地复合污染土壤生态风险评估方法 |
| CN114239693A (zh) * | 2021-11-24 | 2022-03-25 | 华中科技大学 | 一种基于贝叶斯层次模型的食品污染物暴露评估方法 |
| CN114357889A (zh) * | 2022-01-10 | 2022-04-15 | 中国环境科学研究院 | 一种基于人群健康风险的地块土壤优先控制污染物筛选方法及其应用 |
| CN114444252A (zh) * | 2021-11-25 | 2022-05-06 | 中国科学院生态环境研究中心 | 基于环境容量及自然消减模型的土壤环境承载力计算方法 |
| CN114862203A (zh) * | 2022-05-10 | 2022-08-05 | 上海交通大学 | 一种对生物炭基肥施用于土壤的健康风险评价方法 |
| CN115033552A (zh) * | 2022-04-20 | 2022-09-09 | 生态环境部南京环境科学研究所 | 一种场地土壤污染物环境与毒性数据库构建方法 |
-
2022
- 2022-11-01 CN CN202211357926.7A patent/CN116070931B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080088011A (ko) * | 2007-03-28 | 2008-10-02 | 한국화학연구원 | 통합환경관리를 위한 위해성 예측 시스템 및 방법, 그리고이 방법을 구현할 수 있는 컴퓨터 판독 가능한 프로그램이기록된 기록매체 |
| CN104722569A (zh) * | 2013-12-18 | 2015-06-24 | 中国环境科学研究院 | 确定化工区土壤重金属生态安全阈值的方法 |
| CN103853931A (zh) * | 2014-03-25 | 2014-06-11 | 国家海洋环境监测中心 | 海洋水环境中多环芳烃类化合物及其混合物的生态风险评价方法 |
| CN110889611A (zh) * | 2019-11-20 | 2020-03-17 | 中国环境科学研究院 | 一种精准评估重金属污染场地生态风险的证据权重方法 |
| CN112836912A (zh) * | 2019-11-25 | 2021-05-25 | 天津大学 | 基于gis的土壤污染防治分区划定的方法 |
| CN111429039A (zh) * | 2020-04-26 | 2020-07-17 | 国家海洋环境监测中心 | 一种海岛生态脆弱性评估方法 |
| AU2020102177A4 (en) * | 2020-04-26 | 2020-10-15 | National Marine Environmental Monitoring Center | Method for Evaluating Ecological Vulnerability of Island |
| CN112309506A (zh) * | 2020-11-11 | 2021-02-02 | 中国科学院生态环境研究中心 | 一种基于排序和概率的层次化生态风险评价方法 |
| CN113962534A (zh) * | 2021-10-09 | 2022-01-21 | 生态环境部南京环境科学研究所 | 修复后污染场地再开发安全利用评估指标体系构建方法 |
| CN114239693A (zh) * | 2021-11-24 | 2022-03-25 | 华中科技大学 | 一种基于贝叶斯层次模型的食品污染物暴露评估方法 |
| CN114049037A (zh) * | 2021-11-25 | 2022-02-15 | 生态环境部环境规划院 | 一种场地复合污染土壤生态风险评估方法 |
| CN114444252A (zh) * | 2021-11-25 | 2022-05-06 | 中国科学院生态环境研究中心 | 基于环境容量及自然消减模型的土壤环境承载力计算方法 |
| CN114357889A (zh) * | 2022-01-10 | 2022-04-15 | 中国环境科学研究院 | 一种基于人群健康风险的地块土壤优先控制污染物筛选方法及其应用 |
| CN115033552A (zh) * | 2022-04-20 | 2022-09-09 | 生态环境部南京环境科学研究所 | 一种场地土壤污染物环境与毒性数据库构建方法 |
| CN114862203A (zh) * | 2022-05-10 | 2022-08-05 | 上海交通大学 | 一种对生物炭基肥施用于土壤的健康风险评价方法 |
Non-Patent Citations (7)
| Title |
|---|
| Advances in ecological risk assessment of soil in contaminated sites;Mei-E Wang;Chinese Journal of Applied Ecology;3946-3958 * |
| Ecological risk evaluation of combined pollution of herbicide siduron and heavy metals in soils;Rong Jiang;Science of the Total Environment;1047-1056 * |
| Evaluation of joint toxicity of heavy metals and herbicide mixtures in soils to earthworms (Eisenia fetida);Xuzhi Li;journal of environmental sciences;137-146 * |
| 土壤重金属污染评价方法进展;范拴喜;甘卓亭;李美娟;张掌权;周旗;;中国农学通报;20100905(第17期);310-315 * |
| 基于双指标多等级的土壤重金属生态风险评价;张霖琳;霍晓芹;刘丽;袁懋;肖建军;;中国环境监测(第06期);34-39 * |
| 基于生态风险的土壤重金属贝叶斯综合污染评价法;王晓钰;;郑州大学学报(理学版)(第03期);106-109，114 * |
| 环草隆与重金属复合污染对黄瓜及小麦的毒性效应评估;姜瑢;《生态毒理学报》;544-555 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116070931A (zh) | 2023-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111652462B (zh) | 一种农用地重金属污染及潜在生态风险的评价方法 | |
| Raschke et al. | The use of the algal growth potential test for data assessment | |
| De la Rey et al. | Determining the possible application value of diatoms as indicators of general water quality: a comparison with SASS 5 | |
| Chessman et al. | Differing effects of catchment land use on water chemistry explain contrasting behaviour of a diatom index in tropical northern and temperate southern Australia | |
| CN115829420B (zh) | 浅水湖泊稳态转换阈值的判定方法 | |
| CN116070931B (zh) | 一种基于野外生态数据的土壤污染生态效应定量评价方法 | |
| CN116882792A (zh) | 一种基于水质生物综合的采煤沉陷水域生态环境评价方法 | |
| Brabec et al. | Macrophytes and diatoms—major results and conclusions from the STAR project | |
| 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 | |
| CN116502034A (zh) | 一种基于无线通讯的河流水文监测系统 | |
| CN116310771A (zh) | 一种耦合遥感的面源污染源识别方法 | |
| Pouyat et al. | Investigative approaches to urban biogeochemical cycles: New York metropolitan area and Baltimore as case studies | |
| CN115112862A (zh) | 基于土壤线虫完整性指数的土壤生态损害基线确定方法 | |
| Patrick et al. | Monitoring acid waters in the UK: an overview of the UK Acid Waters Monitoring Network and summary of the first interpretative exercise | |
| Zakaria et al. | Comparative analysis of Biotic Indices in water quality assessment: Case study at Sg. Bantang, Johor | |
| Wang et al. | Identifying potential pollution sources in river basin via water quality reasoning based expert system | |
| Maraslioglu | Assessment of ecological status and water quality by using some trophic indices in a dam lake | |
| CN116484153B (zh) | 一种基于卫星物联网的环境监测方法 | |
| Liu et al. | Impacts of land use/cover and slope on the spatial distribution and ecological risk of trace metals in soils affected by smelting emissions | |
| Larson | Investigating E. coli Contamination in Choccolocco Creek, AL | |
| Wang et al. | Concentration of Heavy Metals in the Surface Sediments of Inflow Rivers in Northeastern Lake Tanganyika, East Africa | |
| Reif | Assessment of stream quality using biological indices at selected sites in the Delaware River Basin, Chester County, Pennsylvania, 1981-97 | |
| CN118136162A (zh) | 基于遥感技术的氮磷关键源区识别方法 | |
| Olson et al. | Candidate Reference Conditions | |
| CN117172520A (zh) | 一种基于无线网的土壤重金属监控系统及监控方法 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wang Meie Inventor after: Jiang Rong Inventor after: Chen Weiping Inventor after: Xie Tian Inventor before: Jiang Rong Inventor before: Wang Meie Inventor before: Chen Weiping Inventor before: Xie Tian |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |