一种适用于再生水补给河流的健康评价方法

1.本发明属于污水资源化利用和水环境监测评价领域，具体涉及一种适用于再生水补给河流的健康评价方法。


背景技术：

2.由于水资源紧缺的加剧，北方季节性河流在一些季节会出现断流现象。随着污水再生利用的趋势，对于北方缺水河道，再生水已经成为维系河流生态流量的重要水源。污水的再生利用能够充分利用非常规水资源，推动水污染负荷的削减，扩充环境容量。但相比于自然景观水体的水质，再生水中的氮磷污染物浓度仍较高，易引起水体富营养化的问题。避免藻类水华也是再生水补给河流调控的重点之一。同时，再生水补给河道内浮游生物、大型底栖动物、水生生物等构建的水生态系统的稳定性亦为重要。
3.在恢复河流生态流量的同时，维持河流的水生态健康系统也已经成为水环境治理与管理的重要调控目标。河流的水生态系统健康评价方法通常包括指示物种法和指标体系法。指示物种法操作简便，但难以全面展现河流水生态系统的复杂变化。指标体系法综合河流的水文、水质、水生态等指标，能够全方位地反映河流的健康水平，在河流健康评价中的应用也日趋广泛。
4.目前，我国已有的河流健康评价方法普遍基于流域尺度构建，缺少适用于城市景观河流，尤其是再生水补给河流的健康评价方法。在传统的水文、水质、水生态指标基础上，增加底泥微生物指标作为再生水补给河流的健康评价指标具有显著优势。首先，由于再生水处理厂普遍采用生物处理工艺，出水中易携带微生物，随再生水补给入河道；其次，微生物群落结构能够全面地反映再生水中污染物浓度对河流的长期影响；最后，相比于浮游生物和水生生物的流动性，底泥微生物能更好地对周围环境的变化做出响应。同时，随着高通量测序技术在微生物检测方面的普及，微生物群落的结构和多样性也可以快速且经济地获取。
5.因此，针对再生水资源用于城市景观河流补给的趋势，亟需构建一套完整的适用于再生水补给河流的水生态健康评价方法，以促进水环境的健康治理与管理，推动水资源循环利用。


技术实现要素：

6.针对目前缺少再生水补给河流水生态健康评价方法的现状，本发明的目的是提供一种适用于再生水补给河流的水生态健康评价方法。
7.本发明通过以下技术方案予以实现：
8.一种适用于再生水补给河流的水生态健康评价方法，所述方法包括以下关键步骤：
9.s1、依据再生水补给口及其上下游500m、1000m、2000m等位置条件，沿河布置采样点位，进行水样、底泥等样品的采集，并进行水文、水质、水生态、微生物群落的检测：
10.(1)现场检测采样断面样品水文指标包括流速v、水深d、流量f，水质指标包括温度t、ph值、溶解氧do、氧化还原电位orp、电导率cond和透明度tr；
11.(2)实验室检测各个样品的水质指标，包括化学需氧量cod、五日生化需氧量bod5、悬浮物浓度ss、氨氮浓度nh
4+
‑
n、总氮浓度tn、总磷浓度tp、叶绿素a浓度chla；
12.(3)对浮游植物、浮游动物、底栖动物、着生藻类进行定性与定量检测，并计算其密度n
s
及shannon
‑
wiener多样性指数h，作为水生态指标，
13.其中，浮游植物密度n
fz
计算公式如下：
[0014][0015]
式中，n
fz
为1l水样中的浮游植物个体数(cells/l)，c为计数框面积(mm2)，s为视野面积(mm2)，n为计数过的视野数(个)，v为1l水样浓缩后的体积(ml)，w为计数框体积(ml)，p
n
为每片计数的浮游植物个体数(个)；
[0016]
浮游动物密度n
fd
计算公式如下：
[0017][0018]
式中，n
fd
为1l水样中浮游动物的个体数(ind./l)，c为计数过的个体数(个)，v1为1l水样浓缩后的体积(ml)，v2为计算体积(ml)，v3为采样量(l)；
[0019]
底栖动物密度n
dq
根据每m2内计数的个体数，记录n
dq
(ind./m2)；
[0020]
着生藻类密度n
szz
计算公式如下：
[0021][0022]
式中，n
zs
为单位面积内的着生藻类细胞数(cells/cm2)，c1为样本定容水量(ml)，c2为实际计数的样本水量(ml)，l为计数框长度(μm)，r为计数行数，n为计数所得着生藻类个数(个)，h为平行线间距(μm)，s为刮取着生藻类的基质面积(cm2)；
[0023]
shannon
‑
wiener多样性指数h计算公式如下：
[0024][0025]
式中，s为总物种数，p
i
为i物种在总数量中所占的比例；
[0026]
(4)观测并计算水生植物覆盖度cov，作为水生态指标，计算公式如下：
[0027][0028]
式中，s1、s2、s3、s4分别为浮水植物、漂浮植物、沉水植物和挺水植物的面积(m2)，s为水面面积(m2)；
[0029]
(5)观测并记录鱼类物种数n
f
，作为水生态指标；
[0030]
(6)对采集的底泥样品进行dna提取，采用高通量测序平台对质量合格的dna进行测序；对下机原始数据进行质量检验、去除引物拼接序列、去除短序列、过滤低复杂度序列等预处理后，根据97％的一致性划分操作分类单元(otu)，并对代表性序列进行分类，获得微生物群落的物种信息和丰度信息；计算微生物群落的shannon
‑
wiener多样性指数h
m
；根
据物种及丰度信息，在原核生物分类功能注释(faprotax版本1.2.4)中计算微生物群落的功能丰度，包括硝化功能丰度a1、反硝化功能丰度a2、人类病原菌丰度a3、蓝细菌丰度a4、发酵功能丰度a5、碳氢化合物降解功能丰度a6、光能自养功能丰度a7、光能异养功能丰度a8、化能异养功能丰度a9、芳香族化合物降解功能丰度a
10
；以及能够反映再生水补水影响的β
‑
变形菌纲(β
‑
proteobacteria)丰度b1、δ
‑
变形菌纲(δ
‑
proteobacteria)丰度b2、拟杆菌门(bacteriodetes)丰度b3、酸杆菌门(acidobacteria)丰度b4；以上指标均为微生物指标。
[0031]
s2、对步骤s1所述的水文、水质、水生态、微生物指标进行筛选：
[0032]
(1)在r语言(版本4.0.0)vegan包中，计算主成分分析(pca)的轴1、轴2、轴3和轴4，保留前4轴中特征贡献率绝对值>0.6的指标；
[0033]
(2)对(1)中保留的指标数据进行正态分布检验，满足正态分布的指标，采用pearson相关分析计算指标间的相关性；不满足正态分布的指标采用spearman秩相关分析计算指标间的相关性；以上相关性分析均在水文、水质、水生态、微生物四类指标各自的组内进行分析，剔除显著相关(p<0.05)且相关性绝对值>0.8的指标，以去除指标间的信息重叠。
[0034]
s3、对步骤s2所述的筛选后所保留的指标，采用熵权法计算指标权重：
[0035]
(1)对筛选后的指标数据进行标准化处理，对于n个样本各有m个指标，则x
ij
为第i个样品的第j个指标；其中，i＝1，
…
，n；j＝1，
…
，m；
[0036]
(2)对于第j个指标的信息熵e
j
，计算公式如下：
[0037][0038]
其中，p
ij
为第j个评价对象在第i个评价指标上的标准值占该评价指标标准值总和的比重；n为评价对象的个数；y
ij
为第j个评价对象在第i个评价指标上的标准值，y
ij
∈[0,1]；
[0039][0040]
当p
ij
＝0时，
[0041][0042]
(3)第j个指标的权重计算公式如下：
[0043][0044]
s4、按步骤s3计算所得的评价指标及其权重，计算河流健康综合指数z：
[0045][0046]
其中，x
ij
为标准化后的数据，i＝1，
…
，n；
[0047]
根据所有监测断面的健康综合指数值，建立健康评价标准：
[0048]
(1)大于95％分位值的断面对应健康等级为健康；
[0049]
(2)其余小于95％分位值的综合指数值均分四等分，健康等级依次为亚健康、一般、较差和极差。
+
‑
n、总磷浓度tp、悬浮物浓度ss、溶解氧浓度do；水生态指标包括浮游植物密度n
sfz
、浮游动物密度n
sfd
、着生藻类多样性h
zz
、底栖动物多样性h
dq
；微生物指标包括β
‑
变形菌纲(β
‑
proteobacteria)丰度b1、δ
‑
变形菌纲(δ
‑
proteobacteria)丰度b2、硝化功能丰度a1、反硝化功能丰度a2、人类病原菌丰度a3、碳氢化合物降解功能丰度a6。
[0061]
(2)对上述(1)中经过pca筛选后的指标进行pearson或spearman相关性检验：
[0062]
(a)水文指标
[0063]
流速v与水深d之间p＝0.11，不显著相关，保留两个指标。
[0064]
(b)水质指标
[0065]
氨氮浓度nh
4+
‑
n与总磷浓度tp之间显著相关且相关性>0.6，保留tp浓度，去除nh
4+
‑
n浓度，其余指标均保留。
[0066]
表1水质指标相关性
[0067] bod5nh
4+
‑
ntpssdobod
51ꢀꢀꢀꢀ
nh
4+
‑
n0.67*1
ꢀꢀꢀ
tp0.420.85*
ꢀꢀꢀ
ss0.68*0.170.111 do0.540.480.120.241
[0068]
*代表p<0.05显著相关
[0069]
(c)水生态指标
[0070]
浮游植物密度n
sfz
、浮游动物密度n
sfd
、着生藻类多样性h
zz
、底栖动物多样性h
dq
之间均不满足显著相关(p<0.05)且相关性绝对值>0.8的条件，全部保留。
[0071]
表2水生态指标相关性
[0072] h
dq
h
zz
n
sfz
n
sfd
h
dq1ꢀꢀꢀ
h
zz
0.60*1
ꢀꢀ
n
sfz
‑
0.43
‑
0.471 n
sfd
0.068
‑
0.067
‑
0.0561
[0073]
*代表p<0.05显著相关
[0074]
(d)微生物指标
[0075]
微生物指标之间均不显著相关，全部保留。
[0076]
表3微生物指标相关性
[0077] b1b2a3a2a1a6b11
ꢀꢀꢀꢀꢀ
b2‑
0.241
ꢀꢀꢀꢀ
a30.21
‑
0.131
ꢀꢀꢀ
a2‑
0.39
‑
0.15
‑
0.341
ꢀꢀ
a10.08
‑
0.46
‑
0.260.011 a60.120.160.33
‑
0.40
‑
0.111
[0078]
三、对步骤二所述的筛选后所保留的指标，采用熵权法计算指标权重，各指标的权重w如下：
[0079]
表4各指标的权重
[0080][0081][0082]
四、按步骤三计算所得的评价指标及其权重，计算河流健康综合指数，大于95％分位值的断面对应健康等级为健康，其余小于95％分位值的综合指数值均分四等分，健康等级依次为亚健康、一般、较差和极差，建立健康评价标准如下：
[0083]
表5健康评价体系标准
[0084]
健康亚健康一般较差极差>81.6％73.0％～81.6％56.8％～73.0％35.1％～56.8％<35.1％
[0085]
以上所述，仅为本发明优选的具体实施方式，本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。