CN1268926C - 利用藻类进行水体监测的方法 - Google Patents

Abstract

本发明涉及一种利用藻类进行水体监测的方法，可以通过藻类特别是新月藻属艾伦藻，监测河流的污染程度。根据本发明利用藻类进行水体的监测方法包括以下步骤：从水系中提取原始水体、在提取的原始水体中加入已经培养新月藻属艾伦藻的培养液、分别测定加入培养液的原始水体和培养液中荧光的数量并且互相比较荧光数量，以及分析比较的荧光数量并定量得出水体污染程度。因此，根据本发明，其优点在于，可以实时测定水体污染。另外，由于可以定量分析水体污染程度，另一优点在于，水体污染程度可以精确表达为数字值。而且，进一步的优点在于，可以大量节省用于水体监测的相关人力物力。

Description

利用藻类进行水体监测的方法

技术领域

本发明涉及一种利用藻类进行水体监测的方法，更具体地说，涉及一种通过观测可进行光合作用的藻类如绿藻的光合作用来监测环境特别是水体环境的方法。

背景技术

通常，利用鱼类、贝类等生物对如河流等区域监测有害物泄漏事件的方法被称为生物监测的方法。自从在70年代后期，德国利用鱼类或水蚤等的方法测定在包括湖泊、河流的水系中是否有有毒物质侵入，包括新西兰、比利时、法国、瑞士、奥地利、英国等等许多国家开始研究生物监测系统。目前为止，针对那些适于测定水系是否有有毒物质侵入的不同水生物，进行了各种不同的研究。也因此提出许多利用水生物的异常行为模式分析或生物特性来监测水体是否污染的方法。

至于在利用鱼类进行的生物监测中，人们对鱼类的行为模式，如浮游、环境反射、聚群、散布以及游动进行观察分析。如果观察的鱼类出现异常行为模式，就预示水系的污染，如水系中有有毒物质侵入。

然而，影响鱼类行为模式的不仅包括有毒物质的环境因素，而且还有其他鱼类健康状况或其他本能要求等内在因素。因此，造成了这样的问题：由于鱼类的行为模式与水污染之间的因果联系的不紧密，常常出现测定的失误。

进一步说，仅当污染程度超出预定程度时，水污染才会影响鱼类的行为模式。由于在未达到预定程度的情况下，鱼类的行为模式将不会发生变化，这就不可能测定是否存在水污染。而且，即使水污染超出极限程度，鱼类也不会立即表现出异常行为模式，依据污染的种类和程度，会有一定潜伏期的延迟，才会表现出异常。也就是说，鱼类对水污染的敏感度相对较小。

研究生物监测的一个主要课题就是提高这种因果联系和敏感度。

尽管水蚤表现出较强的这种因果联系和敏感度，但仍不够充分。

最近有效的方法是利用发光微生物。

杜邦公司(E.I.Du Pont De Nemours and Company)的韩国10-0262681号、名称为“监测环境污染高敏感方法”的专利；欧圣肯(Seong-Keun Oh)的韩国10-0300445号、名称为“利用发光微生物持续监测水系中有毒物质的方法和工具”的专利；欧圣肯(Seong-KeunOh)韩国10-0305218号名称为“利用固定发光微生物自动测定水毒性的设备”的专利；韩国公开专利出版物(Korean Laid-Open PatentPublication)刊号2000-0024847记载的LG公司(LG Industrial SystemsCo.，Ltd.)的、名称为“利用固定发光微生物和生物传感工具测定有毒物质的方法”的文献；韩国公开专利出版物刊号2001-0086342记载的百欧尼尔(Bioneer)公司的、名称为“持续测试水毒性的设备”的文献，以及其他专利文件都公开了利用发光微生物监测环境污染的技术。

利用发光微生物的生物监测中，测定微生物发光程度的变化来预测环境污染。然而，微生物发光程度的变化不仅仅取决于环境因素，而且由于各种内在因素也产生变化。也就是说，利用发光微生物的生物监测环境污染也没有紧密的因果联系。

发明内容

本发明的目的是提供一种对环境压力具有紧密联系及高敏感度的环境监测方法。

本发明的目的还要提供利用藻类进行水监测的方法，藻类敏感于水系中的有毒物质的侵入，能够将有毒物质的程度定量化并表示为数字量，还能够实现实时监测水污染的状况，实现水污染级别的定量分析，并可明显减少水检测的物力、人力需求。

影响光合作用的因素有光的强度、二氧化碳浓度以及温度。也就是说，健康的光合作用的植物细胞的光合作用的总量仅受上述外部因素的影响，在排除细胞健康条件的情况下几乎不受其他因素影响。

根据影响因素的不同，具体植物细胞光合作用数量的变化可以通过实验提前获取，而且如果细胞的数量足够，则健康细胞存在的概率在正常分布下根据各自环境条件的不同有所下降。

也就是说，可以预计，在各自不同环境条件下，如果根据影响因素的变化给于补偿，足量植物细胞光合作用的总量近似于一个恒定值。

同时，多细胞植物的健康条件随环境因素的变化需要大量时间，相反，单细胞植物的健康条件和新陈代谢几乎随环境因素立即变化。

当考虑这些因素时，可以预期，利用足够的单细胞植物光合作用的总量可以针对环境压力实现紧密联系和高敏感性的环境监测系统。

本发明的另一目的，提供一种通过观测光合作用藻类的光合作用总量的监测环境压力的环境监测方法。

另外，考虑到每个能够实现光合作用的表面入射的光能量流，光能的一部分首先通过每个表面的反射作用作为反射光的能量向外辐射，仅存留的光能为每个个体所吸收。为个体吸收的能量，大部分用于光合作用；未用于光合作用的吸收的能量部分则转化为热能，向每个个体体外依次释放，剩余的能量转化为光波向每个个体外部依次辐射。

为机体吸收的向外部辐射的光波与入射光或反射光没有任何联系，根据物种的不同具有单一频率。这种光波也被称为荧光。

在发光微生物常规的发光中，光波在一定频率范围内，该范围包括可见光；该发光可在没有外界入射光的情况下自发产生，并向外界辐射。相反的，当入射光消失时，上文所述的荧光立即或持续较短时间后消失，并且通常具有一个超出可见光范围的波长。

实验发现，荧光的强度反比于光合作用的总量。也就是说，当个体完成光合作时，荧光强度变弱；反之，当由于新陈代谢和健康条件的异常，个体的光合作用的活动减弱时，荧光亮度变强。

因此，根据本发明环境监测方法，利用光合作用的藻类，通过测量荧光总量、观测光合作用的总量，可以监测环境压力。

本发明的环境监测方法可以用于水系中监测水体污染。

这种监测水体污染的方法包括以下步骤：从需要监测水体污染的水系中提取水体样本的步骤；准备包含有光合作用藻类的液体反应物的步骤；准备包含液体反应物和水体样本的混合液体的步骤；对液体反应物和混合液体进行光照的步骤；分别测量液体反应物和混合液体发出的荧光亮度的步骤；将从液体反应物中测定的和从混合液体中测定的荧光亮度进行比较的步骤；以及根据比较步骤中得到的比较结果估测水体污染的程度的步骤。

本发明的另一方面，通过对这种被监测的水体污染的估值，可以实现水系中监测水体污染的方法。该方法还包括以下步骤：预选水体污染警告的参考值；比较基于估值步骤获得的估计值与参考值；以及基于比较参考值和估计值所获得的结果进行预警。

本方法更有效的方式还可以包括以下步骤：将测量步骤所得的测量值转换为数字值；以及在数据库中存储数字值的步骤。此时，在估计步骤中可以估计水污染的程度，通过参考测量记录中从相关水系获得的、存储于数据库的采样点数字值，来估计水污染的程度。

进一步说，本方法还可以包括光照步骤中对液体反应物和混合液体中具有光合作用藻类的行为模式分别进行观察的步骤。此时，在估值步骤中估值操作可以基于观察步骤中光合作用藻类的行为模式来实现。

更适合的方式，本发明还包括在光照步骤中分别对液体反应物和混合液体中具有光合作用藻类的行为模式分别成像的成像步骤；以及将成像步骤中获得的图像输出到显示设备上。此时，在观察步骤中，可以通过输出到成像设备的图像观察具有光合作用藻类的行为模式。

附图说明

结合附图、通过阅读下文优选实施例的说明，将能更清楚地理解本发明上文所述特点以及其他特点、优点和其他方面。附图说明如下：

图1是根据本发明利用藻类实现水体监测方法的优选实施例的说明流程图

图2为执行图1所示方法中，完成光合作用的光照时，为了测定荧光亮度，而将液体反应物和由液体反应物和采样液体构成的混合液体点滴到调色板上的示意图。

具体实施方式

本发明优选实施例是利用一种属于绿藻的新月藻属艾伦藻(closterium ehrenbergii)，在水系中监测水体污染，图1给出了根据本实施例描述的水体监测方法的流程示意图。

如图1所示，根据本实施例水体监测的方法包括：准备参考值的步骤S00、采样步骤S10、准备液体反应物的步骤S20、混合步骤S30、光照步骤S40、测量荧光数量的步骤S50、比较荧光总量的步骤S60、估计水体污染程度的步骤S70、对比估计值的步骤S80以及预警步骤S90。

在准备参考值的步骤S00中，预定多个参考值。这些参考值表示水体污染的程度；依据该值以及水系的使用情况和污染物的种类，向管理员预警。

在采样步骤S10中，需要从待监测水体污染的水系中提取使用的水体样本，而后将其存于蓄水池中。

在准备液体反应物的步骤S20中，准备好的新月藻属艾伦藻培养液作为液体反应物用于监测水体污染。此时新月藻属艾伦藻数量在培养液中最好在适当浓度范围内保持恒定。而且，如果提供了一种用于补偿根据总数的变化的测量值的方法，计量新月藻属艾伦藻数量的培养液可以代替恒定数量来使用。准备的培养液，如图2所示，点滴到调色板10的两个位置上。本实施例中，在调色板10的第一位值11大约点滴1ml的培养液，在调色板10的第二位置12大约点滴2ml的培养液作为液体反应物。

在混合步骤S30中，提取大约1ml水体作为样品液体点滴到调色板10上已点滴液体反应物的第一位置11中，并与其混合。

在光照步骤S40中，用光照射调色板10上的液体反应物和混合液体用于实现新月藻属艾伦藻的光合作用。

在测量荧光数量的步骤S50中，测量调色板10的第一位置11的混合液体发出的荧光数量以及测量调色板10的第二位置12的液体反应物发出的荧光数量。此时，利用可在市场上买到的荧光计测量荧光数量。

在比较荧光数量的步骤S60中，将从液体反应物测得的荧光数量与从混合液体中测得的荧光数量做比较。

在估计水体污染程度的步骤S70中，根据在S60步骤中获得的比较结果预估水体污染程度。

同时，假设样品水体中没有新月藻属艾伦藻，则根据本实施例依据一定混合比率通过混合获得的处在第一位置11的混合液体中所含新月藻属艾伦藻总数大约是第二位置12液体反应物中新月藻属艾伦藻总数的一半。因此，在步骤S50中测量的荧光数量也将是大约一半的程度。如果样本水体中存在新月藻属艾伦藻，则总数的比例以及因此得到荧光数量的比率将会增加。而且，如果从同一水系中提取的样本预先测试并记录结果，测试结果将反应在步骤S70的估计值上，这种总数的差异是肯定的。

在对比估计值的步骤S80中，步骤S70所得估计值与S00步骤中的参考值做比较。

在预警步骤S90中，根据对比参考值和估计值获得的结果向水系管理员进行预警。

本实施例描述的实例中，含有新月藻属艾伦藻的培养液用作液体反应物。然而，如果存在一种藻类培养液作为更适用的液体反应物能够在水系中监测出更高概率的污染物质，则该培养也可作为液体反应物使用。如果需要，两个或更多藻类培养液的混合体也可以作为液体反应物。

此外，根据本实施例，本方法还可以包括数字化测量值的步骤S51、存储测量值的步骤S52、成像行为模式的步骤S41、显示图像的步骤S42、以及观察行为模式的步骤S43。

在数字化测量值的步骤S51中，将在测量步骤中获得的测量值转化成数字值。转化了的数字值，在存储测量值的步骤S52中存储到数据库中。在这种方式下，估计水体污染程度的步骤S70可以在考虑历史记录中的从相关水系采样、存于数据库中数字值的样本的情况下，估计水体污染程度。

在光照步骤S40中完成成像行为模式的步骤S41，对存在于液体反应物和混合液体中藻类光合作用的行为模式分别成像。在显示成像的步骤S42中，S41所得的图像输出到显示装置。在观察行为模式的步骤S43中，通过输出到显示装置的图像观察光合作用藻类的行为模式。这种方式下，根据观察步骤中观察光合作用藻类的行为模式，来完成估计步骤中估计值的预估。

在观察行为模式的步骤S43中，通过显微镜、内诊镜或其他装置分别直接观察液体反应物和混合液体中的光合作用藻类的行为模式。由于本实施例中的新月藻属艾伦藻具有比其他藻类更大的细胞，因此个体的行为模式也就便于观察。

在步骤S50中获得的测量值能定量的表达为依次存储的数字值，因此在研究相关水质的分析工作中更加适用。

根据本实施例实现的水体监测系统，考虑到其操作步骤可以部分或全部由计算机控制自动完成。这种情况下，虽然可以利用程序实现测量值的数字分析、数字管理以及其他操作，然而细节描述也会被忽略。

根据本发明的方法，输出步骤和图像显示步骤所述数据互锁到一个输出装置中执行。因此，使用者即可以通过输出步骤获得水体污染程度的定量数据，又可以通过成像输出步骤得到图像信息，甚至在例如实验室的给定位置。因此可以多角度的监测水系中水体的污染程度。进一步说，根据本发明方法，由于不需要耗时的物化方法来测定水系中水体的污染，其优点在于，能够实时测量和监控水体污染。另外，由于依赖外界刺激通过藻类荧光的测量来完成水体污染的定量分析，其另一优点在于，水污染程度能精确表达成数字形式。而且，因为水质测量仅需简单方便的步骤，从水系中提取样本水体以及通过荧光计测量藻类荧光数量，其进一步的优点是，不再需要大量装置和器械用于水质测量，因此节省大量水体监测所需的人力和物力。

虽然本发明已结合优选实施例给出了描述，但描述并不用于限定本发明，而是示意性的说明。显而易见，本领域人员在未脱离本发明技术实质和范围的情况下能够实现各种修改、变化或调整的方法。因此，依附的权利要求的范围也包括各种修改、变化或调整的方法。

Claims (7)

1、一种监测水体污染的方法，包括以下步骤：

从待监测水体污染的水系中提取样本水体；

准备包含光合作用藻类的液体反应物；

准备液体反应物和样本水体的混合液体；

光照液体反应物和混合液体；

分别测量液体反应物和混合液体所发出的荧光的数量；

比较已测定的液体反应物和混合液体所发出荧光的数量；

根据比较步骤中获得的对比结果估计水体污染的程度。

2、根据权利要求1所述方法，还包括以下步骤：

准备发出水体污染警报的参考值；

将估计步骤中获得的水体污染程度的估计值与参考值比较；

根据比较参考值和估计值的结果发出警报。

3、根据权利要求1所述方法，还包括以下步骤：

将测量步骤得到的测量值转化为数字值，

在数据库中存储数字值；

其中在估计步骤中，估计水体污染程度是考虑样本测定历史记录做出的，该历史纪录来源于存于数据库中相关水系的数字值。

4、根据权利要求1所述方法，还包括以下步骤：

在光照步骤中分别观察液体反应物和混合液体中光合作用藻类的行为模式；

其中根据观察步骤中光合作用藻类的行为模式，在估计步骤中做出估计。

5、根据权利要求4所述方法，还包括以下步骤：

在光照步骤中分别对液体反应物和混合液体的光合作用藻类的行为模式成像；

将在成像步骤中获得的图像输出到显示装置中；

其中在观察步骤中，通过输出到显示装置的图像观察光合作用藻类的行为模式。

6、根据权利要求1-5中任一所述的方法，其特征在于，根据污染物的种类，光合作用的藻类至少包括两种具有不同因果联系和敏感性的藻类。

7、根据权利要求1-5中任一所述的方法，其特征在于，光合作用的藻类包括新月藻属艾伦藻。