一种基于大型底栖动物综合指数的溪流水质评价方法与流程

1.本发明涉及水质检测技术领域，具体是涉及一种基于大型底栖动物综合指数的溪流水质评价方法。


背景技术：

2.底栖动物是指生活史的全部或大部分时间生活于水体底部的水生动物群。除定居和活动生活的以外，栖息的形式多为固着于岩石等坚硬的基体上和埋没于泥沙等松软的基底中。此外，还有附着于植物或其他底栖动物体表的，以及栖息在潮间带的底栖种类。在摄食方法上，以悬浮物摄食和沉积物摄食居多。多为无脊椎动物，是一个庞杂的生态类群。按其尺寸，分大型底栖动物、小型底栖动物。
3.大型底栖动物是最适合反映溪流生态系统现状的生物指示类群。大型底栖动物群落结构复杂多样，生物指数类型丰富，对不同污染和干扰响应敏感，可综合反映人类干扰了活动对河流生态系统的扰动程度。作为水生态系统中的主要功能类群之一，与鱼类、浮游生物和水生植物等相比，它有分布广泛、种类多、水质敏感性高以及移动能力较弱、较易采集和鉴定等特点，因此一直是水质生物监测的重要指标生物。近年来，生物多样性研究已从群落物种多样性拓展至功能多样性层面，使用功能性状表征功能组成及功能多样性是当前底栖动物生态学研究的热点之一。物种功能性状对环境变化敏感，对群落和种群沿环境梯度的演替具有许多潜在的指示作用。以往的大型底栖动物水质生物学监测多采用反映溪流生态系统结构属性的生物学指数，如：香农维纳指数、马格里夫指数等，但目前常用的指数方法通常忽视了底栖动物功能性状及功能多样性方面的评估，难以全面客观准确的反映溪流的水质状况。


技术实现要素：

4.针对上述存在的问题，本发明提供了一种基于大型底栖动物综合指数的溪流水质评价方法。
5.本发明的技术方案是：
6.一种基于大型底栖动物综合指数的溪流水质评价方法，包括以下步骤：
7.s1、底栖动物采样：在溪流底部选取若干个采样点，在每个采样点处布设采样网进行底栖动物采样；
8.s2、样品鉴定：将步骤s1中收集到的样品采用清水冲洗的同时使用筛网过滤，过滤后的样品保存在质量浓度为75％的乙醇溶液中，在实验室利用显微镜将样品鉴定到种或属；
9.s3、理化指标测定：对溪流水体的理化指标进行测定；
10.s4、功能性状划分：基于溪流生境属性，选择若干个功能性状并收集对应的功能性状数据；
11.s5、功能多样性指数计算：根据步骤s4中得到的功能性状数据计算每一个采样点
的功能多样性指数，所述功能多样性指数包括：功能性状分离度指数fd以及功能均匀度fe；
12.s6、群落多样性指数计算：完成群落多样性指数shannon-wiener指数的计算，shannon-wiener指数h’的计算公式如下式所示：
[0013][0014]
式中：pi代表第i种个体数占样本总个体数n的比例，pi＝ni/n；
[0015]
s7、相关性分析筛选：采用线性回归模型法分析步骤s3中测定得到的理化指标与步骤s6中计算得到的shannon-wiener指数h’的相关性r
n2
，并筛选出相关性最高的理化指标，同时采用线性回归模型法分析步骤s5中计算得到的功能多样性指数与步骤s6中计算得到的shannon-wiener指数h’的相关性r
f2
，并筛选出相关性最高的功能多样性指数；
[0016]
s8、评价等级划分：根据步骤s7中筛选出的理化指标和功能多样性指数对环境因子响应的分析结果，对群落多样性指数、功能多样性指数以及理化指标赋予不同权重，进行水质评价等级划分，如下式所示：
[0017][0018]
式中，m为采样点个数，a1为底栖动物群落多样性指数的权重，取1/5，a2为底栖动物功能多样性指数的权重，取2/5，a3为理化指标的权重，取2/5，f为相关性最高的的功能多样性指数，r
f2
为相关性最高的功能多样性指数的相关系数，r
n2
为相关性最高的理化指标的相关系数，x为相关性最高的理化指标的等级转化指数；
[0019]
等级转化指数x的计算方式为：根据所选取的理化指标的国家水质标准将所选取的理化指标在溪流中的浓度范围分为6份，每一份对应的数值为-1、-0.6、-0.2、0.2、0.6、1，将相关性最高的理化指标的所有采样点平均值带入上述范围中，即可得到等级转化指数x；
[0020]
由水质评价等级p得出的水质评价标准为：p＞1.5，非常清洁；1.2＜p≤1.5，较清洁；0.9＜p≤1.2，轻污染；0.6＜p≤0.9，中污染；0.3＜p≤0.6，重污染；0＜p≤0.3，严重污染。
[0021]
进一步的，所述步骤s1中采样点总数为30-40个，每两个相邻的采样点之间相距5-10km，确保采集的样品足够能反映出底栖动物的分布特征。
[0022]
进一步的，所述步骤s1中采样网为d型网和开口面积0.3m
×
0.3m、孔径60目的索伯网，提高了采样效率。
[0023]
进一步的，所述步骤s2中筛网孔径为60目，将样品中的杂质筛除。
[0024]
进一步的，所述步骤s3中理化指标为水体中氨氮、bod5和cod含量，均为水体中常见的污染物或标准。
[0025]
进一步的，所述步骤s4中功能性状共包括10种，分别为底栖动物化性、漂移性、游泳能力、吸附能力、形状、成熟个体大小、流态偏好、温度偏好、生活型和营养习性。
[0026]
进一步的，所述步骤s5中功能性状分离度指数fd的计算公式如下式所示：
[0027][0028]
式中，ci为第i项功能性状的数值；ai为第i项功能性状的相对丰度；为物种特
征值自然对数的加权平均值，x为物种个数；
[0029]
功能均匀度fe的计算公式如下式所示：
[0030][0031]
式中，s为物种丰富度，pewi为物种i的局部加权均匀度。
[0032]
进一步的，所述步骤s8中水体中氨氮的国家地表水环境质量标准为0-2.0mg/l划分为5个等级，因此0＜nh
3-n≤0.3时等级转化指数x取值为1，0.3＜nh
3-n≤0.6时等级转化指数x取值为0.6，0.6＜nh
3-n≤0.9时等级转化指数x取值为0.2，0.9＜nh
3-n≤1.2时等级转化指数x取值为-0.2，1.2＜nh
3-n≤1.5时等级转化指数x取值为-0.6，1.5＜nh
3-n≤2时等级转化指数x取值为-1；
[0033]
水体中bod5的国家地表水环境质量标准为0-10mg/l划分为5个等级，因此0＜bod5≤1时等级转化指数x取值为1，1＜bod5≤2时等级转化指数x取值为0.6，2＜bod5≤3时等级转化指数x取值为0.2，3＜bod5≤4时等级转化指数x取值为-0.2，4＜bod5≤5时等级转化指数x取值为-0.6，5＜bod5≤10时等级转化指数x取值为-1；
[0034]
水体中cod的国家地表水环境质量标准为0-40mg/l划分为5个等级，因此0＜cod≤6时等级转化指数x取值为1，6＜cod≤12时等级转化指数x取值为0.6，12＜cod≤18时等级转化指数x取值为0.2，18＜cod≤24时等级转化指数x取值为-0.2，24＜cod≤30时等级转化指数x取值为-0.6，30＜cod≤40时等级转化指数x取值为-1。
[0035]
本发明的有益效果是：
[0036]
(1)本发明的溪流水质评价方法通过shannon-wiener指数与功能多样性指数相结合的方式进行溪流水质生物学评价，该评价方法同时考虑了群落结构和功能变化对环境影响的响应，可以全面的表征溪流生态系统的结构与功能，相对准确的评价溪流水质状况。
[0037]
(2)本发明的溪流水质评价方法通过建立水质类别评价参数p能够更加直观的对水质的污染程度进行判断，并结合了功能多样性指数、理化指标与shannon-wiener指数的相关性以判断该公式的相关性好坏，能够直观、快速、方便的对水质做出综合评价。
附图说明
[0038]
图1是本发明的溪流水质评价方法工艺流程图。
[0039]
图2是本发明实施例1中shannon-wiener指数h’与功能分离度指数fd相关性示意图；
[0040]
图3是本发明实施例1中shannon-wiener指数h’与均匀度指数fe相关性示意图；
[0041]
图4是本发明实施例1中shannon-wiener指数h’与氨氮含量相关性示意图；
[0042]
图5是本发明实施例1中shannon-wiener指数h’与bod5值相关性示意图；
[0043]
图6是本发明实施例1中shannon-wiener指数h’与cod值相关性示意图。
具体实施方式
[0044]
实施例1
[0045]
一种基于大型底栖动物综合指数的溪流水质评价方法，包括以下步骤：
[0046]
s1、底栖动物采样：在溪流底部选取若干个采样点，采样点总数为36个，每两个相邻的采样点之间相距8km，在每个采样点处布设采样网进行底栖动物采样，采样网为d型网和开口面积0.3m
×
0.3m、孔径60目的索伯网；
[0047]
s2、样品鉴定：将步骤s1中收集到的样品采用清水冲洗的同时使用60目筛网过滤，过滤后的样品保存在质量浓度为75％的乙醇溶液中，在实验室利用显微镜将样品鉴定到种或属；
[0048]
s3、理化指标测定：对溪流水体的理化指标进行测定，理化指标为水体中氨氮、bod5和cod含量；
[0049]
s4、功能性状划分：基于溪流生境属性，选择10个功能性状并收集对应的功能性状数据，功能性状分别为底栖动物化性、漂移性、游泳能力、吸附能力、形状、成熟个体大小、流态偏好、温度偏好、生活型和营养习性；
[0050]
s5、功能多样性指数计算：根据步骤s4中得到的功能性状数据计算每一个采样点的功能多样性指数，所述功能多样性指数包括：功能性状分离度指数fd以及功能均匀度fe，功能性状分离度指数fd的计算公式如下式所示：
[0051][0052]
式中，ci为第i项功能性状的数值；ai为第i项功能性状的相对丰度；为物种特征值自然对数的加权平均值，x为物种个数；
[0053]
功能均匀度fe的计算公式如下式所示：
[0054][0055]
式中，s为物种丰富度，pewi为物种i的局部加权均匀度；
[0056]
s6、群落多样性指数计算：完成群落多样性指数shannon-wiener指数的计算，shannon-wiener指数h’的计算公式如下式所示：
[0057][0058]
式中：pi代表第i种个体数占样本总个体数n的比例，pi＝ni/n；
[0059]
s7、相关性分析筛选：采用线性回归模型法分析步骤s3中测定得到的理化指标与步骤s6中计算得到的shannon-wiener指数h’的相关性r
n2
，并筛选出相关性最高的理化指标，同时采用线性回归模型法分析步骤s5中计算得到的功能多样性指数与步骤s6中计算得到的shannon-wiener指数h’的相关性r
f2
，并筛选出相关性最高的功能多样性指数；
[0060]
s8、评价等级划分：根据步骤s7中筛选出的理化指标和功能多样性指数对环境因子响应的分析结果，对群落多样性指数、功能多样性指数以及理化指标赋予不同权重，进行水质评价等级划分，如下式所示：
[0061][0062]
式中，m为采样点个数，a1为底栖动物群落多样性指数的权重，取1/5，a2为底栖动物功能多样性指数的权重，取2/5，a3为理化指标的权重，取2/5，f为相关性最高的的功能多样性指数，r
f2
为相关性最高的功能多样性指数的相关系数，r
n2
为相关性最高的理化指标的相关系数，x为相关性最高的理化指标的等级转化指数；
[0063]
等级转化指数x的计算方式为：根据所选取的理化指标的国家水质标准将所选取的理化指标在溪流中的浓度范围分为6份，每一份对应的数值为-1、-0.6、-0.2、0.2、0.6、1，将相关性最高的理化指标的所有采样点平均值带入上述范围中，即可得到等级转化指数x；
[0064]
水体中氨氮的国家地表水环境质量标准为0-2.0mg/l划分为5个等级，因此0＜nh
3-n≤0.3时等级转化指数x取值为1，0.3＜nh
3-n≤0.6时等级转化指数x取值为0.6，0.6＜nh
3-n≤0.9时等级转化指数x取值为0.2，0.9＜nh
3-n≤1.2时等级转化指数x取值为-0.2，1.2＜nh
3-n≤1.5时等级转化指数x取值为-0.6，1.5＜nh
3-n≤2时等级转化指数x取值为-1；
[0065]
水体中bod5的国家地表水环境质量标准为0-10mg/l划分为5个等级，因此0＜bod5≤1时等级转化指数x取值为1，1＜bod5≤2时等级转化指数x取值为0.6，2＜bod5≤3时等级转化指数x取值为0.2，3＜bod5≤4时等级转化指数x取值为-0.2，4＜bod5≤5时等级转化指数x取值为-0.6，5＜bod5≤10时等级转化指数x取值为-1；
[0066]
水体中cod的国家地表水环境质量标准为0-40mg/l划分为5个等级，因此0＜cod≤6时等级转化指数x取值为1，6＜cod≤12时等级转化指数x取值为0.6，12＜cod≤18时等级转化指数x取值为0.2，18＜cod≤24时等级转化指数x取值为-0.2，24＜cod≤30时等级转化指数x取值为-0.6，30＜cod≤40时等级转化指数x取值为-1；
[0067]
由水质评价等级p得出的水质评价标准为：p＞1.5，非常清洁；1.2＜p≤1.5，较清洁；0.9＜p≤1.2，轻污染；0.6＜p≤0.9，中污染；0.3＜p≤0.6，重污染；0＜p≤0.3，严重污染。
[0068]
实施例2
[0069]
本实施例与实施例1不同之处在于：步骤s1中的采样点个数不同。
[0070]
s1、底栖动物采样：在溪流底部选取30个采样点，在每个采样点处布设采样网进行底栖动物采样，每两个相邻的采样点之间相距5km，采样网为d型网和开口面积为0.3m
×
0.3m、孔径为60目的索伯网。
[0071]
实施例3
[0072]
本实施例与实施例1不同之处在于：步骤s1中的采样点个数不同。
[0073]
s1、底栖动物采样：在溪流底部选取40个采样点，在每个采样点处布设采样网进行底栖动物采样，每两个相邻的采样点之间相距10km，采样网为d型网和开口面积为0.3m
×
0.3m、孔径为60目的索伯网。
[0074]
实施例4
[0075]
本实施例与实施例1不同之处在于：步骤s4中选取的功能性状不同。
[0076]
s4、功能性状划分：基于溪流生境属性，选择8个功能性状并收集对应的功能性状数据，功能性状分别为底栖动物化性、漂移性、游泳能力、吸附能力、形状、成熟个体大小、流态偏好、温度偏好功能性状并收集对应的功能性状数据。
[0077]
实施例5
[0078]
本实施例与实施例1不同之处在于：步骤s4中选取的功能性状不同。
[0079]
s4、功能性状划分：基于溪流生境属性，选择8个功能性状并收集对应的功能性状数据，功能性状分别为底栖动物游泳能力、吸附能力、形状、成熟个体大小、流态偏好、温度偏好、生活型和营养习性功能性状并收集对应的功能性状数据。
[0080]
实施例6
[0081]
本实施例与实施例1不同之处在于：步骤s7中所选取的理化指标不同。
[0082]
s7、相关性分析筛选：采用线性回归模型法分析步骤s3中测定得到的理化指标与步骤s6中计算得到的shannon-wiener指数h’的相关性r
n2
，并筛选出相关性最高的理化指标，同时采用线性回归模型法分析步骤s5中计算得到的功能多样性指数与步骤s6中计算得到的shannon-wiener指数h’的相关性r
f2
，并筛选出相关性最高的功能多样性指数，所选取的理化指标为水体中bod5值。
[0083]
实施例7
[0084]
本实施例与实施例1不同之处在于：步骤s7中所选取的理化指标不同。
[0085]
s7、相关性分析筛选：采用线性回归模型法分析步骤s3中测定得到的理化指标与步骤s6中计算得到的shannon-wiener指数h’的相关性r
n2
，并筛选出相关性最高的理化指标，同时采用线性回归模型法分析步骤s5中计算得到的功能多样性指数与步骤s6中计算得到的shannon-wiener指数h’的相关性r
f2
，并筛选出相关性最高的功能多样性指数，所选取的理化指标为水体中cod含量。
[0086]
实验例
[0087]
将本发明的实施例1、4-7共五组实施例中的方法进行模拟实验，选取同一条溪流多个位置处进行取样，由于实施例2和3与实施例1仅取样组数不同，因此选取实施例1中的36个采样点为代表；实施例4、5为选取的功能性状不同，实施例6、7为选取的理化指标不同，经鉴定底栖动物种类如下：
[0088]
实施例1：底栖动物样本4035个，共83种，其中昆虫纲71种，甲壳纲3种，双壳纲3种，腹足纲4种，寡毛纲2种，其余为环节动物。
[0089]
实施例4：底栖动物样本3948个，共81种，其中昆虫纲69种，甲壳纲4种，双壳纲3种，腹足纲3种，寡毛纲2种，其余为环节动物。
[0090]
实施例5：底栖动物样本4078个，共79种，其中昆虫纲65种，甲壳纲6种，双壳纲4种，腹足纲1种，寡毛纲3种，其余为环节动物。
[0091]
实施例6：底栖动物样本3875个，共80种，其中昆虫纲71种，甲壳纲4种，双壳纲2种，腹足纲3种，其余为环节动物。
[0092]
实施例7：底栖动物样本4107个，共82种，其中昆虫纲68种，甲壳纲7种，双壳纲6种，腹足纲1种，其余为环节动物。
[0093]
可以看出，上述5组实施例中大型底栖动物种类近似，可以作为对比组进行实验。
[0094]
对5组实施例中的功能性状进行划分，以实施例1为例，筛选出相关性最高的功能多样性指数，如图2、3可以看出功能性状分离度指数fd与多样性指数的相关性最高，因此选用功能性状分离度指数fd作为功能多样性指数，并使用数据分析软件对所有36组采样点功
能性状分离度指数fd进行计算，并将36组数据带入步骤s8中的公式中，m＝36。结果如表1所示：
[0095]
表1 5组实施例中功能性状分离度指数fd平均数
[0096]
实施例fd实施例10.73实施例40.82实施例50.64实施例60.55实施例70.68
[0097]
对5组实施例中的shannon-wiener指数h’进行计算，分析使用的软件为ibm spss19.0，并将36组数据带入步骤s8中的公式中，m＝36。
[0098]
结果如表2所示：
[0099]
表2 5组实施例中shannon-wiener指数h’[0100]
实施例h’实施例12.7实施例42.5实施例51.8实施例63.2实施例72.9
[0101]
对5组实施例中的36个采样点的理化指标进行统计，并将每组实施例中的36组理化指标与shannon-wiener指数h’的相关系数r
n2
进行计算，分析使用的软件为ibm spss19.0以及oringpro8.0，筛选出相关性最高的理化指数，其中实施例1、4、5选出氨氮含量为相关性最高的理化指数，如图4-6为实施例1的3种理化指标与shannon-wiener指数h’的相关系数r
n2
，实施例6筛选出bod5指数为相关性最高的理化指数，实施例7筛选出cod含量为相关性最高的理化指数，并将其转化为等级转化指数x，相关系数结果及等级转化指数x如表3所示：
[0102]
表3 5组实施例中理化指标的等级转化指数x及其与shannon-wiener指数h’相关系数r
n2
[0103]
[0104]
上述结果表明，当r
n2
＞0.8时，理化指标与shannon-wiener指数h’的相关系数r
n2
影响显著；当0.8＞r
n2
＞0.6时，理化指标与shannon-wiener指数h’的相关系数r
n2
影响比较显著；当0.6＞r
n2
＞0.4时，理化指标与shannon-wiener指数h’的相关系数r2影响一般；当r
n2
＜0.4时，理化指标与shannon-wiener指数h’的相关系数r
n2
影响比较不显著。实施例1、4、5中的理化指标氨氮含量与shannon-wiener指数h’的相关系数r
n2
影响比较显著，实施例6中的理化指标bod5与shannon-wiener指数h’的相关系数r
n2
影响比较显著，实施例7中的理化指标cod与shannon-wiener指数h’的相关系数r
n2
影响比较显著。
[0105]
对5组实施例中的与shannon-wiener指数h’相关性最高的功能多样性指数的相关系数r
f2
进行统计，结果如表4所示：
[0106]
表4 5组实施例中功能多样性指数与shannon-wiener指数h’相关系数r
f2
[0107][0108][0109]
最后将5组实施例的评价等级进行划分，将上述数据带入步骤s8公式中，结果如表5所示：
[0110]
表5 5组实施例中水质评价等级p
[0111]
实施例p实施例10.8938实施例40.8749实施例50.4709实施例61.0742实施例70.8308
[0112]
将表4数据带入水质评价等级p的评价标准中：p＞1.5，非常清洁；1.2＜p≤1.5，较清洁；0.9＜p≤1.2，轻污染；0.6＜p≤0.9，中污染；0.3＜p≤0.6，重污染；0＜p≤0.3，严重污染，可以看出：
[0113]
实施例1中的溪流段水质为中污染，实施例4中的溪流段水质为中污染，实施例5中的溪流段水质为重污染，实施例6中的溪流段水质为轻污染，实施例7中的溪流段水质为中污染。