CN101303337A - 一种水体营养状态评价方法 - Google Patents
一种水体营养状态评价方法 Download PDFInfo
- Publication number
- CN101303337A CN101303337A CNA2008101163903A CN200810116390A CN101303337A CN 101303337 A CN101303337 A CN 101303337A CN A2008101163903 A CNA2008101163903 A CN A2008101163903A CN 200810116390 A CN200810116390 A CN 200810116390A CN 101303337 A CN101303337 A CN 101303337A
- Authority
- CN
- China
- Prior art keywords
- chlorophyll
- water
- concentration
- algae
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 50
- 235000003715 nutritional status Nutrition 0.000 title claims description 21
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims abstract description 49
- 235000016709 nutrition Nutrition 0.000 claims abstract description 40
- 229930002868 chlorophyll a Natural products 0.000 claims abstract description 36
- 241000195493 Cryptophyta Species 0.000 claims abstract description 34
- NSMUHPMZFPKNMZ-VBYMZDBQSA-M chlorophyll b Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C=O)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 NSMUHPMZFPKNMZ-VBYMZDBQSA-M 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 229930002869 chlorophyll b Natural products 0.000 claims abstract description 26
- DGNIJJSSARBJSH-NLJAFYFLSA-L magnesium (E)-3-[(3R)-16-ethenyl-11-ethyl-3-methoxycarbonyl-12,17,21,26-tetramethyl-4-oxo-7,24-diaza-23,25-diazanidahexacyclo[18.2.1.15,8.110,13.115,18.02,6]hexacosa-1(22),2(6),5(26),7,9,11,13,15(24),16,18,20-undecaen-22-yl]prop-2-enoic acid Chemical compound [Mg++].CCc1c(C)c2cc3nc(cc4[n-]c(c(\C=C\C(O)=O)c4C)c4[C@@H](C(=O)OC)C(=O)c5c(C)c(cc1[n-]2)nc45)c(C)c3C=C DGNIJJSSARBJSH-NLJAFYFLSA-L 0.000 claims abstract description 25
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 20
- 230000035764 nutrition Effects 0.000 claims description 18
- 229930002875 chlorophyll Natural products 0.000 claims description 11
- 235000019804 chlorophyll Nutrition 0.000 claims description 11
- 239000012528 membrane Substances 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 10
- 238000002835 absorbance Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000002798 spectrophotometry method Methods 0.000 claims description 6
- 239000007788 liquid Substances 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000000967 suction filtration Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 229920006221 acetate fiber Polymers 0.000 claims 1
- 238000013467 fragmentation Methods 0.000 claims 1
- 238000006062 fragmentation reaction Methods 0.000 claims 1
- 239000011521 glass Substances 0.000 claims 1
- 238000006467 substitution reaction Methods 0.000 claims 1
- 235000015097 nutrients Nutrition 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012851 eutrophication Methods 0.000 description 6
- 241000195628 Chlorophyta Species 0.000 description 5
- 241000206751 Chrysophyceae Species 0.000 description 4
- 241000192700 Cyanobacteria Species 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 239000001301 oxygen Substances 0.000 description 4
- 241000206761 Bacillariophyta Species 0.000 description 3
- 241000199914 Dinophyceae Species 0.000 description 3
- 229920002301 cellulose acetate Polymers 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 239000011148 porous material Substances 0.000 description 3
- 239000002352 surface water Substances 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- VVQNEPGJFQJSBK-UHFFFAOYSA-N Methyl methacrylate Chemical compound COC(=O)C(C)=C VVQNEPGJFQJSBK-UHFFFAOYSA-N 0.000 description 2
- 229920005372 Plexiglas® Polymers 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000001228 trophic effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000192531 Anabaena sp. Species 0.000 description 1
- 241000195652 Auxenochlorella pyrenoidosa Species 0.000 description 1
- 235000007091 Chlorella pyrenoidosa Nutrition 0.000 description 1
- 241000924360 Glenodinium Species 0.000 description 1
- 241000192710 Microcystis aeruginosa Species 0.000 description 1
- 241001303192 Nitzschia hantzschiana Species 0.000 description 1
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 241000394663 Prymnesium parvum Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 230000001969 hypertrophic effect Effects 0.000 description 1
- 239000001095 magnesium carbonate Substances 0.000 description 1
- ZLNQQNXFFQJAID-UHFFFAOYSA-L magnesium carbonate Chemical compound [Mg+2].[O-]C([O-])=O ZLNQQNXFFQJAID-UHFFFAOYSA-L 0.000 description 1
- 229910000021 magnesium carbonate Inorganic materials 0.000 description 1
- 235000014380 magnesium carbonate Nutrition 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011155 quantitative monitoring Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供一种水体营养状态评价方法，包括以下步骤：1)采集待监测水体样本；2)测定步骤1)采集的水体样本中藻类叶绿素a、b和c的浓度；3)计算步骤2)测得的藻类叶绿素a与b的比值b/a和藻类叶绿素a与c的比值c/a；4)根据常规藻类所含相应叶绿素的特点和不同营养状态下水体中藻类种群组成规律，对水体生态恢复程度进行评价。本发明的评价方法可以广泛应用于各种水体，与现有技术相比，具有精确、简便、能够定量评价水体营养状态等有益效果。
Description
技术领域
本发明涉及一种水体生态评价方法，尤其涉及一种水体营养状态的评价方法。
背景技术
水体富营养化的发生是由于过量营养盐进入湖泊、河流等水体，在适宜的温度、光照和水流条件下，藻类大量繁殖，引起水体透明度下降，溶解氧减少，鱼类及其他水生物死亡，严重影响湖泊水体的使用价值。在自然因素和人为干扰的共同作用下，城市水体超营养状态加剧，水体营养状态的监测及测定已经成为热点问题，虽然，现在国内外有很多关于水体营养化程度的测定和评价方法，但缺少一种相对简便而行之有效的准确测定的方法。
现有技术中，对水体营养状态的评价通常选取水体的透明度、水温、叶绿素a含量、总磷、总氮、亚硝酸盐氮、化学需氧量、生化需氧量、高锰酸盐指数、溶解氧量等作为主要评价指标；较常用的评价方法有：专家评价法、综合指数评价法、主分量分析评价法、层次分析法、模糊集理论法以及人工神经网络法等。
以上方法不足之处在于：
(1)测定的参数数量多，受环境影响大，在采样、保存和测定过程中环节多，不确定性和误差较大。
(2)综合指数评价法，只有叶绿素a含量属于生态指标，仅表达水体中蓝藻门、绿藻门和金藻门等淡水浮游藻类叶绿素的总和。缺少定量描述浮游藻类不同种群和群落生态系统变化的指标，无法建立营养状态水平与生态恢复和浮游植物种群变化的定量模型并从本质上探讨湖泊营养状态的演化机制。
(3)生物多样性指数是生态系统结构与功能国际通用的指标体系，而营养状态水体普遍存在、具有可比性的关键生物种群和群落即是浮游藻类的生物多样性指数。传统的藻类种群和群落的定量化方法，通过水体中浮游植物的鉴别和采用基于藻类外部形态的显微镜观察和计数法。这种方法专业要求高，费时费力，且鉴定和计数结果的人为误差较大。
基于上述技术背景，有必要提出一种新的评价方法，克服上述现有评价方法的不足，更有效、更客观、同时又能相对简便地对水体营养状态做出评价。
发明内容
本发明的目的在于：提供一种水体营养状态评价方法，能够准确客观、简便快捷地实现对水体营养状态的定量评价和监测。
本发明的目的是通过以下技术方案实现的：
提供一种水体营养状态评价方法，包括以下步骤：
1)采集待监测水体样本；
2)测定步骤1)采集的水体样本中藻类叶绿素a、b和c的浓度；
3)计算步骤2)测得的藻类叶绿素a与b的浓度比值b/a和藻类叶绿素a与c的浓度比值c/a；
4)根据常规藻类所含相应叶绿素的特点和不同营养状态下水体中藻类种群组成规律，对水体营养状态进行评价。
其中，步骤1)所述采集待监测水体样本可以在相同水体的多个不同位置同时采集等量样本。
所述采集样本的方法优选用有机玻璃采样器在每个采样点采集1L表层水样，然后立即带回检测场所。
步骤2)所述藻类叶绿素a、b和c的浓度测定方法可以是破碎细胞后用热乙醇直接浸提叶绿素，再用分光光度法测定叶绿素浓度。
所述藻类叶绿素a、b和c的浓度测定方法具体可以是量取500～1000ml水样，加入3～5滴1％MgCO3悬浮液，采用孔径0.45μm，直径47mm的醋酸纤维滤膜进行抽滤；用定性滤纸将滤膜水分吸干，将滤膜剪碎放入5ml离心管中，加入5ml 90％乙醇，用常规破碎方法进行细胞破碎，破碎完成后将液体收集进入离心管，在80℃热水浴中加热2min，然后置于暗处4℃下提取4～6h；然后用分光光度法测定提取液中的叶绿素a、b和c的浓度。
所述细胞破碎可优选使用高压细胞破碎仪进行。
所述用分光光度法测定藻类叶绿素a、b和c浓度的优选的方案为：提取藻类叶绿素后，以3000r/min的速度离心30min，以90％乙醇作参比，用分光光度计于750nm、664nm、647nm、630nm下测定其吸光度，然后用公式1～3(记载于2005年6月29日公开的中国专利文献CN 1631117 A中)计算出所述叶绿素a、b、c的浓度：
公式1：chl a＝[12.12(D664-D750)-1.58(D647-D750)-0.08(D630-D750)]VE/VS·d
公式2：chl b＝[-5.55(D664-D750)+21.5(D647-D750)-2.72(D630-D750)]VE/VS·d
公式3：chl c＝[-1.71(D664-D750)-7.77(D647-D750)+25.08(D630-D750)]VE/VS·d
其中，chl a、chl b、chl c分别为水样中叶绿素a、b、c的浓度，单位为μg/L；D664、D647、D630、D750分别为提取液在630、647、664、750nm处的吸光度；VE为离心管中提取液的定容体积，单位为mL；VS为水样体积，单位为L；d为比色皿光程，单位为cm。
步骤4)所述的评价可以按照两种方案进行，方案(1)可将计算得到的b/a值和c/a值分别代入以下式A和B，优选的方案(2)是将计算得到的b/a值和c/a值分别代入式C和D。两种方案均可分别计算出水体样本的两个营养状态等级x1和x2，并求两者平均值x作为所监测水体的最终营养状态等级，由1～8的实数表示：
式A：b/a＝0.0012x1 4-0.0185x1 3+0.0823x1 2-0.0718x1+0.0024；
式B：c/a＝0.0029x2 2-0.0037x2+0.1229；
式C：b/a＝-0.0306x1 2+0.2481x1-0.334；
式D：c/a＝0.0054x2 2-0.0162x2+0.1311；
其中1～8的水体营养状态等级x分别代表水体从重度富营养到贫营养的连续渐变的营养状态，具体为：x＝1～3代表重度富营养；x＝3～4代表中度富营养；x＝4～5代表轻度富营养；x＝5～7代表中营养；x＝7～8代表贫营养。
本发明的评价方法可应用于包括湖泊、河流等各种水体的营养状态评价与监测中。
水体的营养状态变化是一个渐变的过程。当水体从富营养状态向贫营养状态变化时，水体中的优势藻类种群依次从蓝藻、绿藻向硅藻、甲藻、金藻转变。具体讲，当水体呈现营养状态时，蓝藻和绿藻是优势种群；中营养状态时，硅藻和绿藻是优势种群；而贫营养状态时，甲藻和金藻占优势。本发明人根据现有技术中的参考文献确定了不同营养状态下水体藻类的种群组成，详见附图1所示。
在上述不同营养状态下，相对应的藻类种群中，蓝藻以铜绿微囊藻(Microcystis aeruginosa，BGll medium)和鱼腥藻(Anabaena sp.，SE medium)为代表，只含叶绿素a，不含b、c；绿藻以蛋白核小球藻(Chlorella pyrenoidosa，SE medium)为代表，含叶绿素a和b；硅藻以汉氏菱形藻(Nitzschia hantzschiana，D1 medium)为代表，含叶绿素a和c；甲藻以薄甲藻(Glenodinium pulvisculus，HB 119 medium)为代表，也含叶绿素a和c；金藻以小定鞭金藻(Prymnesiumparvum，AF-6 medium)为代表，也含叶绿素a和c。本发明人经大量实验室研究，得到上述藻类叶绿素a、b、c的浓度及叶绿素b/a、c/a的比值，详见附图2所示。
结合上述两方面的研究结论，可以计算出不同营养状态(可用x表示)下藻类群落的叶绿素b/a、c/a比值。进而得到不同营养状态下藻类群落的叶绿素b/a、c/a比值变化曲线(见附图3所示)和曲线所对应的以下函数式A、B：
A：b/a＝0.0012x4-0.0185x3+0.0823x2-0.0718x+0.0024
B：c/a＝0.0029x2-0.0037x+0.1229
另外还可进一步精确地得到不同营养状态下藻类群落的叶绿素b/a、c/a比值变化的优化曲线(见附图4所示)和以下更优选的函数式C、D：
C：b/a＝-0.0306x2+0.2481x-0.334
D：c/a＝0.0054x2-0.0162x+0.1311
根据上述所得曲线可知，当水体从富营养状态向贫营养状态变化时，表现为叶绿素b/a比值先增大，后减少，而叶绿素c/a的值则逐渐增大。图3(a)、(b)和图4(a)、(b)分别反映了上述变化趋势，尤其是图4所反映的从中、重度富营养状态到中营养状态之间的变化更加接近真实状况，在近实际中更加实用。
因此，对于一个未知营养状态的水体，只要测定其叶绿素b/a和c/a值，即可由图3或4中的曲线定性地判断其营养状态，或由上述函数式A、B或C、D的计算结果均值定量地评价其营养状态，其中尤其以函数式C、D计算出的结果更为准确实用。
与现有技术的综合营养状态指数法相比，本发明的叶绿素比值法无需测定多个参数，在不增加仪器和操作难度的条件下，只需测定叶绿素a浓度的同时纳入常规监测中所没有的叶绿素b和c，因而不仅保证了结果的准确性，更大大减少了工作量。其主要有益效果可以概括为：
(1)定量化
利用本发明的藻类叶绿素比值法，可以在种群和群落层面上定量评估水体营养状态。
(2)简洁化
与现有技术相比，简化了原有的5-10个监测参数，只一次性测定叶绿素a、b和c的浓度，并以北京西海为案例(本发明实施例1)对照综合营养状态指数法，验证了本发明所述方法的可靠性。
(3)精确化
室内样品前处理和野外监测采样和保存简单易行，系统误差小，可以同时监测大量的样本，一次性样品处理可以同时获得3个数据，并具有很好的重复性和可比性。
(4)应用广泛
可以广泛应用于中国各类水体，特别是水环境水污染严重、超营养状态和亟待进行生态恢复水体，并对水体生态恢复的动态过程进行定量化监测和评价。
附图说明
图1是不同营养状态下水体中藻类的种群组成图；
图2(a)是常规藻类指数增长期时叶绿素a的浓度；
图2(b)是常规藻类指数增长期时叶绿素b、c的浓度及叶绿素b/a、c/a比值；
图3(a)是使用前述方案(1)的评价方法中，不同营养状态下叶绿素b/a比值变化图；
图3(b)是使用前述方案(1)的评价方法中，不同营养状态下叶绿素c/a比值变化图；
图4(a)是使用前述方案(2)的评价方法中，不同营养状态下叶绿素b/a比值变化图
图4(b)是使用前述方案(2)的评价方法中，不同营养状态下叶绿素c/a比值变化图；
图5是北京西海采样点位置图。
具体实施方式
以下通过实施例的方式进一步详细阐述本发明的技术方案和效果，但本发明的保护范围不局限于所述实施例。
实施例1.利用本发明的评价方法评价北京西海水体营养状态水平
1.野外采样
选取北京西海为样地，分别于2007年5月和10月在其进水口、出水口和静水处三个样点采集水样，采样点设置见图5，用有机玻璃采样器在每个采样点采集1L表层水样，用萨氏盘测量水体的透明度(SD)。采样后立即带回实验室；
2.测定水样叶绿素a、b、c的含量
量取500ml水样，加入3～5滴1％MgCO3悬浮液，采用孔径0.45μm，直径47mm的醋酸纤维滤膜进行抽滤；用定性滤纸将滤膜水分吸干，将滤膜剪碎放入5ml离心管中，加入5ml 90％乙醇，用常规细胞破碎方法进行破碎后将液体收集进入离心管，在80℃热水浴中加热2min，然后置于暗处4℃下提取4～6h；然后以3000r/min的速度离心提取液30min，以90％乙醇作参比，用分光光度计于750nm、664nm、647nm、630nm下测定其吸光度，然后用下面的公式1～3(记载于2005年6月29日公开的中国专利文献CN 1631117 A中)计算出所述叶绿素a、b、c的浓度：
公式1：chl a＝[12.12(D664-D750)-1.58(D647-D750)-0.08(D630-D750)]VE/VS·d
公式2：chl b＝[-5.55(D664-D750)+2 1.5(D647-D750)-2.72(D630-D750)]VE/VS·d
公式3：chl c＝[-1.71(D664-D750)-7.77(D647-D750)+25.08(D630-D750)]VE/VS·d
其中，chl a、chl b、chl c分别为水样中叶绿素a、b、c的浓度，单位为μg/L；D664、D647、D630、D750分别为提取液在630、647、664、750nm处的吸光度；VE为离心管中提取液的定容体积，单位为mL；VS为水样体积，单位为L；d为比色皿光程，单位为cm。
然后计算出上述水样中chl b/chl a和chl c/chl a的值。
3.用本发明的评价方法判断西海营养状态水平
将步骤2计算得到的chl b/chl a和chl c/chl a值分别代入下面两个关系式：
b/a＝0.0012x1 4-0.0185x1 3+0.0823x1 2-0.0718x1+0.0024
c/a＝0.0029x2 2-0.0037x2+0.1229
计算出x1和x2的平均值x作为水体营养状态等级值，该结果与现有技术中的综合营养指数法评价的结果相比较，得到表1：
可见，两种方法均得出5月份三处水体处于重度营养状态状态；10月份三处水体水质状况均有所好转，且都处于轻度富营养-中营养状态。因而可得，本发明所述的方法与综合营养状态指数法所得结果基本吻合，但本发明所述的方法测定过程简单易行，可重复性好，更适合广泛应用。
实施例2.利用本发明的评价方法评价白洋淀水体营养状态水平
1.野外采样
选取河北省白洋淀为样地，于2008年4月分别于表2中所列各采样点采集水样，用有机玻璃采样器在每个采样点采集1L表层水样，现场测其水温和pH值，用萨氏盘测量水体的透明度(SD)。采样后立即带回实验室。
2.测定每个水样叶绿素a、b、c的含量
量取1000ml水样，加入3～5滴1％MgCO3悬浮液，采用孔径0.45μm，直径47mm的醋酸纤维滤膜进行抽滤；用定性滤纸将滤膜水分吸干，将滤膜剪碎放入5ml离心管中，加入5ml 90％乙醇，用高压细胞破碎仪进行破碎，破碎完成后将液体收集进入离心管，在80℃热水浴中加热2min，然后置于暗处4℃下提取4～6h；然后以3000r/min的速度离心提取液30min，以90％乙醇作参比，用分光光度计于750nm、664nm、647nm、630nm下测定其吸光度，然后用下面的公式1～3(记载于2005年6月29日公开的中国专利文献CN 1631117 A中)计算出所述叶绿素a、b、c的浓度：
公式1：chl a＝[12.12(D664-D750)-1.58(D647-D750)-0.08(D630-D750)]VE/VS·d
公式2：chl b＝[-5.55(D664-D750)+21.5(D647-D750)-2.72(D630-D750)]VE/VS·d
公式3：chl c＝[-1.71(D664-D750)-7.77(D647-D750)+25.08(D630-D750)]VE/VS·d
其中，chl a、chl b、chl c分别为水样中叶绿素a、b、c的浓度，单位为μg/L；D664、D647、D630、D750分别为提取液在630、647、664、750nm处的吸光度；VE为离心管中提取液的定容体积，单位为mL；VS为水样体积，单位为L；d为比色皿光程，单位为cm。
然后计算出上述每个水样中chl b/chl a和chl c/chl a的值。
3.用本发明的评价方法判断白洋淀营养状态水平
将步骤2计算得到的chl b/chl a和chl c/chl a值分别代入下面两个关系式：
b/a＝-0.0306x1 2+0.2481x1-0.334
c/a＝0.0054x2 2-0.0162x2+0.1311
计算出x1和x2的平均值x，作为水体营养状态等级值，该结果与现有技术中的综合营养指数法评价的结果相比较，得到表2：
由表2可见，本发明的评价方法所得结果与现有技术中的综合营养指数法基本一致，在实际应用中重复性好，客观可靠，但评价过程更加简便，更适合广泛应用。
总之，本发明的水体营养状态评价方法作为一种快速、准确的水体营养状态评价方法，值得推广。
Claims (9)
1.一种水体营养状态评价方法，包括以下步骤：
1)采集待监测水体样本；
2)测定步骤1)采集的水体样本中藻类叶绿素a、b和c的浓度；
3)计算步骤2)测得的藻类叶绿素a与b的浓度比值b/a和藻类叶绿素
a与c的浓度比值c/a；
4)根据常规藻类所含相应叶绿素的特点和不同营养状态下水体中藻类
种群组成规律，对水体营养状态做出评价。
2.权利要求1所述的水体营养状态评价方法，其特征在于：步骤1)所述采集待监测水体样本是在相同水体的不同位置同时采集等量样本。
3.权利要求2所述的水体营养状态评价方法，其特征在于：所述采集样本的方法是用有机玻璃采样器在每个采样点采集1L表层水样，然后立即带回检测场所。
4.权利要求1所述的水体营养状态评价方法，其特征在于，步骤2)所述藻类叶绿素a、b和c的浓度测定方法是破碎细胞后用热乙醇直接浸提叶绿素，再用分光光度法测定叶绿素浓度。
5.权利要求4所述的水体营养状态评价方法，其特征在于：所述藻类叶绿素a、b和c的浓度测定方法是量取500～1000ml水样，加入3～5滴1％MgCO3悬浮液，采用孔径0.45μm，直径47mm的醋酸纤维滤膜进行抽滤；用定性滤纸将滤膜水分吸干，将滤膜剪碎放入5ml离心管中，加入5ml 90％乙醇，用常规破碎方法进行细胞破碎，破碎完成后将液体收集进入离心管，在80℃热水浴中加热2min，然后置于暗处4℃下提取4～6h；然后用分光光度法测定提取液中的叶绿素a、b和c的浓度。
6.权利要求5所述的水体营养状态评价方法，其特征在于：所述细胞破碎使用高压细胞破碎仪进行。
7.权利要求5所述的水体营养状态评价方法，其特征在于：所述分光光度法测定提取液中的叶绿素a、b和c的浓度是提取藻类叶绿素后，以3000r/min的速度离心30min，以90％乙醇作参比，用分光光度计于750nm、664nm、647nm、630nm下测定其吸光度，然后用公式1～3计算出所述叶绿素a、b、c的浓度：
公式1：chl a＝[12.12(D664-D750)-1.58(D647-D750)-0.08(D630-D750)]VE/VS·d
公式2：chl b＝[-5.55(D664-D750)+21.5(D647-D750)-2.72(D630-D750)]VE/VS·d
公式3：chl c＝[-1.71(D664-D750)-7.77(D647-D750)+25.08(D630-D750)]VE/VS·d
其中，chl a、chl b、chl c分别为水样中叶绿素a、b、c的浓度，单位为μg/L；D664、D647、D630、D750分别为提取液在630、647、664、750nm处的吸光度；VE为离心管中提取液的定容体积，单位为mL；VS为水样体积，单位为L；d为比色皿光程，单位为cm。
8.权利要求1所述的水体营养状态评价方法，其特征在于：步骤4)所述的评价过程是将计算得到的b/a值和c/a值分别代入以下式A和B，分别计算出水体样本的两个营养状态等级x1和x2，并求两者平均值x作为所监测水体的最终营养状态等级，由1～8的实数表示；
式A：b/a＝0.0012x1 4-0.0185x1 3+0.0823x1 2-0.0718x1+0.0024
式B：c/a＝0.0029x2 2-0.0037x2+0.1229
其中1～8的水体营养状态等级分别代表水体从重度富营养到贫营养的连续渐变的营养状态，具体为：x＝1～3代表重度富营养；x＝3～4代表中度富营养；x＝4～5代表轻度富营养；x＝5～7代表中营养；x＝7～8代表贫营养。
9.权利要求8所述的水体营养状态评价方法，其特征在于：用以下式C和D分别代替所述A和B。
式C：b/a＝-0.0306x2+0.2481x-0.334
式D：c/a＝0.0054x2-0.0162x+0.1311。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200810116390 CN101303337B (zh) | 2008-07-09 | 2008-07-09 | 一种水体营养状态评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200810116390 CN101303337B (zh) | 2008-07-09 | 2008-07-09 | 一种水体营养状态评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101303337A true CN101303337A (zh) | 2008-11-12 |
| CN101303337B CN101303337B (zh) | 2013-05-01 |
Family
ID=40113343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200810116390 Expired - Fee Related CN101303337B (zh) | 2008-07-09 | 2008-07-09 | 一种水体营养状态评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101303337B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2447435C2 (ru) * | 2010-03-04 | 2012-04-10 | Государственное образовательное учреждение высшего профессионального образования "Петрозаводский государственный университет" | Способ оценки влияния садковой аквакультуры на состояние водной экосистемы |
| US20130342844A1 (en) * | 2012-06-21 | 2013-12-26 | Honeywell Asca Inc. | Sensor for early detection of problems in algae cultures and related system and method |
| CN104459074A (zh) * | 2014-12-19 | 2015-03-25 | 西安建筑科技大学 | 一种测定水体富营养化驱动力因子的实验方法 |
| CN105116127A (zh) * | 2015-09-21 | 2015-12-02 | 南开大学 | 一种评价流域营养盐污染等级的方法 |
| CN106769903A (zh) * | 2017-01-12 | 2017-05-31 | 南京渔管家物联网科技有限公司 | 一种养殖水体藻类浓度检测方法 |
| CN111474021A (zh) * | 2020-01-07 | 2020-07-31 | 三峡大学 | 一种水体浮游植物快速固定及鉴定的方法 |
| CN114971129A (zh) * | 2022-01-11 | 2022-08-30 | 淮阴师范学院 | 一种ii类水体藻类生物多样性指数的快速估算方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040241644A1 (en) * | 2003-05-16 | 2004-12-02 | Institute For Environmental Health, Inc. | Enrichment methods for the detection of pathogens and other microbes |
| CN1631117A (zh) * | 2004-12-30 | 2005-06-29 | 西安建筑科技大学 | 水生藻类叶绿素测定方法 |
| CN1963466A (zh) * | 2006-11-20 | 2007-05-16 | 南开大学 | 水中浮游藻类叶绿素测定方法 |
-
2008
- 2008-07-09 CN CN 200810116390 patent/CN101303337B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040241644A1 (en) * | 2003-05-16 | 2004-12-02 | Institute For Environmental Health, Inc. | Enrichment methods for the detection of pathogens and other microbes |
| CN1631117A (zh) * | 2004-12-30 | 2005-06-29 | 西安建筑科技大学 | 水生藻类叶绿素测定方法 |
| CN1963466A (zh) * | 2006-11-20 | 2007-05-16 | 南开大学 | 水中浮游藻类叶绿素测定方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2447435C2 (ru) * | 2010-03-04 | 2012-04-10 | Государственное образовательное учреждение высшего профессионального образования "Петрозаводский государственный университет" | Способ оценки влияния садковой аквакультуры на состояние водной экосистемы |
| US20130342844A1 (en) * | 2012-06-21 | 2013-12-26 | Honeywell Asca Inc. | Sensor for early detection of problems in algae cultures and related system and method |
| US8848190B2 (en) * | 2012-06-21 | 2014-09-30 | Honeywell Asca Inc. | Sensor for early detection of problems in algae cultures and related system and method |
| CN104459074A (zh) * | 2014-12-19 | 2015-03-25 | 西安建筑科技大学 | 一种测定水体富营养化驱动力因子的实验方法 |
| CN105116127A (zh) * | 2015-09-21 | 2015-12-02 | 南开大学 | 一种评价流域营养盐污染等级的方法 |
| CN106769903A (zh) * | 2017-01-12 | 2017-05-31 | 南京渔管家物联网科技有限公司 | 一种养殖水体藻类浓度检测方法 |
| CN106769903B (zh) * | 2017-01-12 | 2020-05-19 | 南京渔管家物联网科技有限公司 | 一种养殖水体藻类浓度检测方法 |
| CN111474021A (zh) * | 2020-01-07 | 2020-07-31 | 三峡大学 | 一种水体浮游植物快速固定及鉴定的方法 |
| CN114971129A (zh) * | 2022-01-11 | 2022-08-30 | 淮阴师范学院 | 一种ii类水体藻类生物多样性指数的快速估算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101303337B (zh) | 2013-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101303337A (zh) | 一种水体营养状态评价方法 | |
| Johan et al. | Laboratory measurement: Chlorophyll-a concentration measurement with acetone method using spectrophotometer | |
| CN104899419A (zh) | 一种淡水水体中氮和/或磷含量检测的方法 | |
| CN102539794B (zh) | 海洋浮游微生物含量实时监测及赤潮预警装置及工艺 | |
| CN107727556A (zh) | 一种水中铜绿微囊藻快速定量方法 | |
| CN107025381A (zh) | 基于p‑ibi的阳澄湖生态系统健康评价方法 | |
| CN109852664B (zh) | 一种用于检测水华或赤潮水体中单一藻类生物量的方法 | |
| CN102453743A (zh) | 一种制备水源水水质急性生物毒性检测试剂的方法及其检测方法 | |
| CN111781147A (zh) | 基于两波段的内陆湖泊水体叶绿素a浓度遥感反演模型和方法 | |
| CN105954226B (zh) | 对叶表结构不敏感的叶绿素含量的检测方法 | |
| CN1631117A (zh) | 水生藻类叶绿素测定方法 | |
| WO2023221509A1 (zh) | 一种土壤/底泥活体藻细胞分离提取与快速分类计数方法 | |
| WO2024131012A1 (zh) | 一种分析海洋刺胞生物中微塑料含量与分布的方法 | |
| CN101430281A (zh) | 饮用水中隐孢子虫卵囊和贾第虫孢囊的活性检测方法 | |
| CN108827891A (zh) | 船舶压载水微藻细胞生物量检测系统及方法 | |
| CN103913421A (zh) | 一种用于富营养化湖泊水溶态Fe含量测定的方法 | |
| CN100501373C (zh) | 一种测试活性炭对有机物吸附性能的方法 | |
| CN104458343A (zh) | 一种在高藻水源地分层取水的方法 | |
| CN116106092A (zh) | 基于流式细胞仪鉴定马铃薯倍性的高通量样品制备方法 | |
| CN102721640B (zh) | 一种快速测定水样中微囊藻细胞数目的方法 | |
| CN101975849A (zh) | 一种浮游植物快速定性定量优化方法 | |
| CN116124680A (zh) | 一种鉴定青钱柳倍性的方法 | |
| Wang et al. | Scallop farming impacts on dissolved organic matter cycling in coastal waters: Regulation of the low molecular weight fraction | |
| Lin et al. | Exploring the light environment of lakes with different trophic levels in the middle reaches of the Yangtze River: Implications for lake regime shifts | |
| CN109580514B (zh) | 一种测量非生物颗粒态磷和生物颗粒态磷含量的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| ASS | Succession or assignment of patent right |
Owner name: BEIJING NORMAL UNIVERSITY Free format text: FORMER OWNER: LIU JINGLING Effective date: 20140321 Free format text: FORMER OWNER: XU JIE Effective date: 20140321 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20140321 Address after: 100875 Beijing city Haidian District Xinjiekou Avenue No. 19 Patentee after: Beijing Normal University Address before: 100875 School of environmental science, Beijing Normal University, 19 Xinjie street, Haidian District, Beijing Patentee before: Liu Jingling Patentee before: Xu Jie |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20190109 Address after: 101102 No. 17, Huanke Middle Road, Tongzhou District, Beijing, 15A Patentee after: Beijing Kezhuo Testing Technology Co.,Ltd. Address before: 100875 No. 19 Xinjiekouwai Street, Haidian District, Beijing Patentee before: Beijing Normal University |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130501 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |