一种优控重金属污染物铬的区域性保护水生生物水质基准推导方法技术

本发明专利技术提供一种优控重金属污染物铬的区域性保护水生生物水质基准推导方法，包括以下步骤：毒性数据的收集与筛选、受试物种筛选，将筛选后的毒性数据导入China

【技术实现步骤摘要】
一种优控重金属污染物铬的区域性保护水生生物水质基准推导方法


[0001]本专利技术涉及水质基准推导领域，提供了一种优控重金属污染物铬的区域性保护水生生物水质基准推导方法。

技术介绍

[0002]水质基准是确定水环境管理标准的科学基础，也是开展水环境质量评价、确定水环境保护目标与方向的科学依据。水环境基准与标准共同构成水环境管理的重要准绳，以此来保护水生生物免受水体中污染物所造成的负面生态效应，在环境保护方面发挥着重要作用。水质基准具有区域性，不同地区的生物区系特征不同，污染物的环境行为和毒理效应可能存在很大差异，因此导致水质基准值的不同。
[0003]虽然我国相继出台了一系列的法律法规和相关水质标准的文件，但是其中大部分水质基准值的推导借鉴了美国、欧洲等发达国家，并且在毒性数据的选择上不能系统全面的利用本土水生生物的毒性数据来推导水质基准值。这就导致了在建立水质标准时，不能依据我国国情来开展水质基准的研究，所以制定出的水质标准难以反应出我国的区域特征，缺乏科学有效性。不仅如此，我国地势复杂，环境污染具有多样性，不同流域的水环境因其物种、气候、地理位置等差异有着不同的区域特征。因此应该在国家水质基准推导的基础上建立流域或区域水环境管理和污染控制，才能实现对水环境科学有效的保护，以及为水体重金属生态风险评估的建设提供有力的依据。

技术实现思路

[0004]本专利技术的目的是提供一种优控重金属污染物铬的区域性保护水生生物水质基准推导方法，为流域或区域水生生物提供有效保护，为区域性水环境管理和水质基准的制定提供技术支撑。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种优控重金属污染物铬的区域性保护水生生物水质基准推导方法，包括如下具体步骤：
[0006](1)毒性数据的收集与筛选
[0007]毒性数据收集源于国内外毒性数据库公开发表的文件报告，以及通过对本土水生生物进行相应重金属铬毒性实验获得的毒性数据。因水质基准推导需要满足《指南》要求的囊括三门五科生物数据，因此在收集的数据不能满足推导要求的情况下，需要针对本土生物进行实验补充毒性数据。而在数据收集部分，数据收集后，需对所获得的数据进行评价和筛选，剔除非所选区域特征物种的数据、并剔除未设置对照组和空白组实验的数据以及对照组死亡数差异过大的数据；
[0008](2)物种筛选原则
[0009]区域性水质基准的制定最关键的一点，是所用于基准推导的水生生物需要是本区域的物种。根据区域的生物区系特征，筛选出有效数据，并选择具有代表性的水生生物来补
足数据，最终两组数据一起用于水质基准的推导；
[0010](3)水质基准推导
[0011]①
种平均急/慢性值计算
[0012]依据公式(1)
‑
(2)，分物种计算SMAV和SMCV，
[0013][0014][0015]式中：SMAV
i
—物种i的种平均急性值，μg/L；
[0016]SMCV
i
—物种i的种平均慢性值，μg/L；
[0017]m—物种i的ATV个数，个；
[0018]n—物种i的CTV个数，个；
[0019]i—某一物种，无量纲；
[0020]②
毒性数据分布检验
[0021]对SMAV
i
和SMCV
i
分别进行正态分布检验，即K
‑
S检验，若不符合正态分布，进行对数转换后重新检验，符合正态分布的数据按照
“④
模型拟合与评价”要求进行物种敏感度分布模型拟合，即SSD模型拟合；
[0022]③
累积概率计算
[0023]将物种SMAV
i
/SMCV
i
或其对数值分别从小到大进行排序，确定其毒性秩次R，最小毒性值的秩次为1，次之秩次为2，依次排列，如果有两个或两个以上物种的毒性值相同，则将其任意排成连续秩次，每个秩次下物种数为1，分别计算物种的累积概率P，P＝R/(N+1)，
[0024]④
模型拟合与评价
[0025]SMAV
i
/SMCV
i
分别取以10为底的对数，将lg(SMAV
i
)/lg(SMCV
i
)作为模型拟合时的自变量，以lg(SMAV
i
)/lg(SMCV
i
)对应的P为因变量，导入China
‑
WQC进行SSD模型拟合，依据模型拟合的决定系数r2、均方根RMSE、残差平方和SSE以及K
‑
S检验结果，确定最优拟合模型，对数正态分布模型和对数逻辑斯谛分布模型要求自变量为正数；
[0026](4)基准的确定
[0027]根据最优拟合模型拟合的SSD曲线，确定急/慢性5％物种危害浓度HC5，再除以评估因子，即为淡水水生生物的短期水质基准值。在慢性毒性数据不足的情况下，依据急慢性比推导获得长期水质基准值。
[0028]所述毒性数据的收集与筛选主要有以下几点：
[0029]a.所选的数据其实验方法应与国标的实验方法一致，并有明确的理化指标测定数据和方法要求；
[0030]b.只选择区域本土水生生物，剔除非所选区域的物种相关毒性数据；
[0031]c.在急性毒性实验中，当受试物种为水溞类生物时，应选用周期最长的实验数据48h LC
50
/EC
50
作为急性毒性的实验指标；鱼类及其它生物是以96h LC
50
或EC
50
表示，同一个鱼类实验如果有96h数据时弃用24h，48h及72h数据，h为小时，急性毒性试验期间不能喂食，LC
50
为半致死浓度，EC
50
为半最大效应浓度；
[0032]d.在慢性毒性实验中，选取14d以上以最低有影响浓度LOEC或最大无影响浓度NOEC为实验终值的毒性数据作为实验指标，；
[0033]e.在水生植物的实验中，应用急性毒性实验作为藻类的标准测试，选取96h LC
50
/EC
50
的毒性数据；而对水声维管束植物则采用慢性毒性实验，选取长期的LC
50
/EC
50
来表示毒性实验结果。
[0034]所述物种筛选具体要求如下：
[0035]1)硬骨鱼纲中的鲤科；
[0036]2)硬骨鱼纲中的非鲤科；
[0037]3)脊椎动物门中的另一科，非1)或2)；
[0038]4)一种浮游类动物；
[0039]5)一种底栖类动物；
[0040]6)一种昆虫；
[0041]7)除了节肢动物门或脊索动物门之外的一科；
[0042]8)昆虫的任何一个目中的一科或者上面没有提到的任何一科；
[0043]9)至少本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种优控重金属污染物铬的区域性保护水生生物水质基准推导方法，其特征在于，包括如下具体步骤：(1)毒性数据的收集与筛选毒性数据收集源于国内外毒性数据库，公开发表的文件报告以及通过对本土水生生物进行重金属毒性实验获得的毒性数据，数据收集后，对所获得的数据进行评价和筛选，剔除非区域特征物种的数据、未设置对照组和空白组试验的数据以及对照组死亡数差异过大的数据；(2)物种筛选根据区域的生物特性选择具有代表性的水生生物来制定水质基准，对重金属毒性实验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
①
种平均急/慢性值计算依据公式(1)
‑
(2)，分物种计算SMAV和SMCV，(2)，分物种计算SMAV和SMCV，式中：SMAV
i
—物种i的种平均急性值，μg/L；SMCV
i
—物种i的种平均慢性值，μg/L；ATV—急性毒性值，μg/L；CTV—慢性毒性值，μg/L；m—物种i的ATV
H
个数，个；n—物种i的CTV
H
个数，个；i—某一物种，无量纲；
②
毒性数据分布检验对SMAV
i
和SMCV
i
分别进行正态分布检验，即K
‑
S检验，若不符合正态分布，进行对数转换后重新检验，符合正态分布的数据按照
“④
模型拟合与评价”要求进行物种敏感度分布模型拟合，即SSD模型拟合；
③
累积概率计算将物种SMAV
i
/SMCV
i
或其对数值分别从小到大进行排序，确定其毒性秩次R，最小毒性值的秩次为1，次之秩次为2，依次排列，如果有两个或两个以上物种的毒性值相同，则将其任意排成连续秩次，每个秩次下物种数为1，分别计算物种的累积概率P，P＝R/(N+1)，
④
模型拟合与评价SMAV
i
/SMCV
i
分别取以10为底的对数，将lg(SMAV
i
)/lg(SMCV
i
)作为模型拟合时的自变量，以lg(SMAV
i
)/lg(SMC...

【专利技术属性】
技术研发人员：宋康，李露，刘群，谢发之，孙福红，李会仙，常红，苏海磊，赵晓丽，
申请(专利权)人：中国科学院水生生物研究所，
类型：发明
国别省市：