[发明专利]一种淡水水生生物水质基准推导的方法

说明书

本发明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)。

技术领域

本发明涉及水质基准预测技术领域，具体涉及一种淡水水生生物水质基准推导的方法。

背景技术

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 qualitycriteria 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。

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。

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。

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。

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。

发明内容

为了克服现有技术中存在的问题，本发明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。

为实现上述目的，本发明所述的一种淡水水生生物水质基准推导的方法步骤如下：

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；

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。