一种淡水水生生物水质基准推导的方法技术

本发明专利技术公开了一种淡水水生生物水质基准推导的方法，该方法包括水质基准污染物质确定、毒理数据收集和筛选、物种筛选和水质基准推导和水质基准审核，将最终筛选出的毒性数据的导入SSDToolbox，以normal模型、logistic模型、triangular模型、gumbel模型、bull模型五种模型进行拟合，依据拟合曲线和P值，确定最优拟合模型，得到5％物种危害浓度(HC5)，除以评估因子，确定最终淡水水生生物水质基准低/高值(LSWC/HSWC)。(LSWC/HSWC)。

【技术实现步骤摘要】
一种淡水水生生物水质基准推导的方法


[0001]本专利技术涉及水质基准预测
，具体涉及一种淡水水生生物水质基准推导的方法。

技术介绍

[0002]水质基准是指水环境中的污染物质或有害因素对水生态系统、人体健康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。水生生物水质基准是制定水环境管理目标及措施的重要依据。目前用于推导淡水水生生物水质基准的方法主要有评价因子法、物种敏感度分布曲线法和毒性百分数排序法。
[0003]评价因子的优点是简单易行，所需数据量少，适用范围广，但由于该方法推导出的水质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从经验出发，因此结果存在较大的不确定因素。
[0004]物种敏感度分布曲线法可通过有限的毒理学数据有效地表征污染物对整个水生系统的影响，但是该方法无法考虑生物体内污染物的富集效应，采用物种敏感度分布曲线法推导基准值时，需要当毒性数据量充分时选用该方法，当毒性数据少于5个时则不能采用物种敏感度分布曲线法。
[0005]毒性百分数排序法综合考虑了污染物的多种环境行为和环境毒理学因素，生物体内的富集效应和物种间的相互联系，可以更全面的反映污染物对水生生物的影响，但由于该推导方法要求包括3门，8科水生生物的大量毒性数据，从而计算相关的累积概率，据此推导水质基准。该方法所需数据量大，但最终仅选择4个属的数据进行分析，未充分利用所收集的数据，不能全面表征污染物对整个生态系统的不利影响。
[0006]现有技术中用于推导淡水水生生物水质基准的方法较为繁琐，需要计算每一种污染物毒性数据的概率分布以及累计概率条件下的污染物质浓度，不具备输出模型拟合优度的检验参数的功能。

技术实现思路

[0007]为了克服现有技术中存在的问题，本专利技术提供一种用于淡水水生生物水质基准推导的方法，该方法适合个人和单位建立模型，用于拟合水质基准推导所需要的污染物质毒性数据的分布曲线，具备输出模型拟合优度检验参数的功能。
[0008]为实现上述目的，本专利技术所述的一种淡水水生生物水质基准推导的方法步骤如下：
[0009]1.毒理数据收集和筛选
[0010]本地物种实测数据或从数据库中获取毒性数据；所述毒性数据包括淡水水生生物毒性数据、水体理化参数数据、污染物质环境分布数据和污染物质理化性质数据；
[0011]所述数据的可靠性分为四个等级，包括无限制可靠数据、限制性可靠数据、不可靠数据和不确定数据，其中无限制可靠数据是指数据来自GLP(Good Laboratory Practice，GLP，良好实验室规范)体系，或数据产生过程完全符合实验准则；限制性可靠数据是指数据产生过程不完全符合实验准则，但有充足的证据证明数据可用；不可靠数据是指数据产生过程与实验准则有突或矛盾，没有充足的证据证明数据可用，实验过程不能令人信服或被判断专家所接受；不确定数据是指没有提供足够的实验细节，无法判断数据可靠性。
[0012]用于水质基准制定的数据采用无限制可靠数据和限制性可靠数据，可靠数据和限制性可靠数据来自严格控制实验条件的实验，实验过程中维持受试物种的最适合生长范围内，其中，溶解氧饱和度大于60％，总有机碳或颗粒物的浓度不超过5mg/L；实验用水采用标准稀释水，避免是用蒸馏水或去离子水，优先采用流水式实验获徘的水生生物毒性数据，其次采用半静态或静态实验数据，而且实验必须设置对照组，如果对照组中的物种出现胁迫、疾病和死亡比例超过10％，不采用该数据。
[0013]2.物种筛选
[0014](1)所述的基准受试物种包括本土物种、引进物种以及在我国自然水体中有广泛分布的国际通用物种；
[0015](2)所述的基准受试物种至少涵盖水生植物、无脊椎动物和脊椎动物3个营养级；物种至少包括5个，一种硬骨鲤科鱼、一种硬骨非鲤科鱼、一种浮游动物、一种底栖动物、一种水生植物。
[0016]3.水质基准推导
[0017](1)模型拟合与评价
[0018]将筛选后的毒性数据进行SSD模型拟合(包括：normal模型、logistic分布、triangular模型、gumbel模型和bull模型)，所述SSD模型拟合软件为SSDToolbox，依据模型拟合图和P值，确定最优拟合模型。
[0019]最终选择的分布模型应能充分描绘数据分布情况，确保根据拟合的SSD曲线外推得出的水质基准在统计学上具有合理性、可靠性。
[0020](2)水质基准外推
[0021]根据确定的最优拟合模型拟合的SSD曲线，确定累积频率5％所对应的急性浓度/慢性浓度，即为5％物种危害浓度(HC5)，除以评估因子值2(根据GB3838-2002，M和N均大于等于13且涵盖至少三个营养级，评估因子取值为2)后，即为淡水水生生物水质基准低值/高值(LSWC/HSWC)。
[0022]4.水质基准的结果表述
[0023]推导出的水质基准属于数值型基准，用于表述淡水水生生物水质基准，水质基准保留4位有效数字，单位用μg/L表示。
[0024]5.水质基准制定审核
[0025](1)自审核项目
[0026]审核本次基准推导所涉及物种在营养级、类别、数据质量等方面是否满足GB3838-2002要求：物种涵盖3个营养级、至少包括5个物种、以及毒性数据的有效性。
[0027](2)专家审核项目
[0028]a.基准推导所用数据是否可靠；
[0029]b.物种要求和数据量是否符合水质基准推导要求；
[0030]c.基准推导过程是否符合技术指南；
[0031]d.基准值的得出是否合理：
[0032]e.是否有任何背离技术指南的内容并评估是否可接受。
[0033]本专利技术的优点：
[0034]1.本专利技术所述的一种用于淡水水生生物水质基准推导方法操作速度快，性能稳定，不需要计算累计频率以及概率分布，可以同时对比分析多数据；
[0035]2.本专利技术在水质基准推导过程中综合了三种已有推导方法的优点，可以全面考虑污染物在生物体内富集的影响，以及表征污染物对整个生态系统的不利影响，一次执行可查看多种预计结果；
[0036]3.本专利技术在推导方法上填补了国内淡水水生生物水质基准推导计算方法的空缺，为制定淡水水生生物水质标准提供计算方法。
附图说明
[0037]图1为实施例铅(Pb
2+
)对淡水水生生物的SSD曲线
具体实施方式
[0038]本专利技术涉及一种淡水水生生物水质基准值推导的方法，该方法适用于我国淡水流域大部分污染物质如重金属、石油烃、有机污染物等。
[0039]下面通过具体的实施例铅(Pb
...

【技术保护点】

【技术特征摘要】
1.一种淡水水生生物水质基准值推导的方法，特征是包括如下步骤：(1)毒理数据收集和筛选本地物种实测数据或从数据库中获取毒性数据；所述毒性数据包括淡水水生生物毒性数据、水体理化参数数据、污染物质环境分布数据和污染物质理化性质数据；(2)物种筛选对实测数据和从数据库收集的数据进行物种检验与筛选；(3)水质基准推导将筛选后的毒性数据导入SSDToolbox进行SSD模型拟合(包括：normal模型、logistic分布、triangular模型、gumbel模型和burr模型)，依据拟合曲线与P值，确定最优拟合模型以及HC5，结合评价因子法，确定最终淡水水生生物水质基准值。2.根据权利要求1所述的用于淡水水生生物水质基准推导的方法，其特征在于，用于水质基准制定的数据采用无限制可靠数据和限制性可靠数据，可靠数据和限制性可靠数据来自严格控制实验条件的实验，实验过程...

【专利技术属性】
技术研发人员：刘宪华，李嘉垚，李鸿钰，
申请(专利权)人：天津大学，
类型：发明
国别省市：