專利名稱：預(yù)測地表水水環(huán)境中污染物對生物的生態(tài)風(fēng)險的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種預(yù)測地表水水環(huán)境中污染物對生物的生態(tài)風(fēng)險的方法。
背景技術(shù)：
科學(xué)地預(yù)測污染事件發(fā)生的可能性，明確不同類型污染事件發(fā)生的主控要素，評估事件可能導(dǎo)致的污染程度、影響范圍和風(fēng)險水平，開展生態(tài)風(fēng)險評價具有重要的研究意義。生態(tài)風(fēng)險評價方法主要有以單物種測試為基礎(chǔ)的外推法、以多物種測試為基礎(chǔ)的微、中宇宙生態(tài)系統(tǒng)模擬法、以種群或生態(tài)系統(tǒng)為基礎(chǔ)的生態(tài)風(fēng)險模型法。單物種測試的外推技術(shù)在評估化合物的效應(yīng)時起到一個很好的預(yù)知作用，并且通過一定的假設(shè)能應(yīng)用到對整個生態(tài)系統(tǒng)的風(fēng)險評估，但外推法存在很多不符合實際情況的假設(shè)。微、中宇宙模擬生 態(tài)系統(tǒng)能觀察到化合物的間接作用及物種間的相互關(guān)聯(lián)，但所用的物種來源通常不在生態(tài)系統(tǒng)涵蓋的物種內(nèi)，并且也不符合生態(tài)系統(tǒng)隨機(jī)取樣的原則。此外，微、中宇宙生態(tài)模擬包括復(fù)雜的技術(shù)和高昂的費(fèi)用。以種群或生態(tài)系統(tǒng)為基礎(chǔ)的生態(tài)風(fēng)險模型法既考慮了真實生態(tài)系統(tǒng)，又考慮了經(jīng)濟(jì)可靠，并使得生態(tài)風(fēng)險評價由單純依靠生態(tài)毒理學(xué)實驗工具向毒理學(xué)和模型模擬相結(jié)合轉(zhuǎn)化，其優(yōu)點(diǎn)在于能把暴露和生態(tài)效應(yīng)之間的過程關(guān)系用數(shù)學(xué)公式進(jìn)行量化，通過把生態(tài)系統(tǒng)中各種效應(yīng)和生態(tài)過程用數(shù)學(xué)公式來描述。因此，生態(tài)系統(tǒng)風(fēng)險模型的應(yīng)用為生態(tài)風(fēng)險評價提供了廣闊的發(fā)展空間。目前，我國尚缺乏生態(tài)風(fēng)險評估技術(shù)，生態(tài)風(fēng)險評估研究處于探索階段，現(xiàn)有的生態(tài)系統(tǒng)風(fēng)險評價模型中，一些模型沒有考慮研究區(qū)的空間特征，本質(zhì)上屬于物料平衡的零維模型；另一些模型沒有考慮研究區(qū)的水質(zhì)、水動力特征，其本質(zhì)上是一個靜態(tài)的箱式評價模型；也有部分模型僅關(guān)注污染物在多介質(zhì)間的遷移轉(zhuǎn)化過程，沒有考慮其生態(tài)毒理效應(yīng)；部分側(cè)重的評價內(nèi)容僅限于局部因素，沒有從綜合角度進(jìn)行考慮；也有部分模型僅側(cè)重污染物長期累積效應(yīng)，運(yùn)算量大，不能兼顧長期累積評價和急性“快速、有效”評價的兩種需求。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種預(yù)測地表水水環(huán)境中污染物對生物的生態(tài)風(fēng)險的方法。本發(fā)明提供的預(yù)測地表水水環(huán)境中待測污染物對待檢測生物的生態(tài)風(fēng)險的方法，包括如下步驟(I)測定污染物事故發(fā)生點(diǎn)的如下數(shù)據(jù)組I :當(dāng)前水位、流量、糙率值和風(fēng)速值；獲得如下數(shù)據(jù)組2 :污染物事故發(fā)生點(diǎn)的地形、污染物事故發(fā)生點(diǎn)的經(jīng)緯度、待測污染物、待測污染物總質(zhì)量、待測污染物比重、待測污染物溶解速率、待測污染物飽和溶解度、待測污染物揮發(fā)性和待測污染物降解速率；將數(shù)據(jù)組I和數(shù)據(jù)組2的各項數(shù)據(jù)輸入非恒定水環(huán)境模型，生成地表水水環(huán)境中待檢測污染物的濃度場數(shù)據(jù)，作為一次參數(shù)；所述濃度場數(shù)據(jù)由說明文件gridinfo. ini、網(wǎng)格信息文件gridinfo. txt、網(wǎng)格結(jié)構(gòu)文件grid, txt和網(wǎng)格組成文件gridnet. txt組成；所述說明文件gridinfo. ini的參數(shù)如下整個模擬的起始時間、濃度場中結(jié)點(diǎn)個數(shù)、濃度場中網(wǎng)格個數(shù)和模擬運(yùn)行的時間；所述網(wǎng)格信息文件gridinfo. txt的參數(shù)如下網(wǎng)格編號、網(wǎng)格最大長度、網(wǎng)格面積、平均水深、最大深度、網(wǎng)格初始水容量、網(wǎng)格入水量、網(wǎng)格出水量、網(wǎng)格水溫和網(wǎng)格污染物濃度；所述網(wǎng)格結(jié)構(gòu)文件grid, txt的參數(shù)如下網(wǎng)格四頂點(diǎn)的X坐標(biāo)、網(wǎng)格四頂點(diǎn)的Y坐標(biāo)和網(wǎng)格面積；所述網(wǎng)格組成文件gridnet. txt的參數(shù)如下四邊形四結(jié)點(diǎn)的結(jié)點(diǎn)編號；(2)按照下述(a)和/或(b)的方法預(yù)測地表水水環(huán)境中待測污染物對待測生物 的生態(tài)風(fēng)險；(a)以步驟(I)獲得的一次參數(shù)為輸入?yún)?shù)，預(yù)測地表水水環(huán)境中待測污染物對待測生物的生態(tài)風(fēng)險；輸入暴露時刻t處每個網(wǎng)格的污染物濃度Concentration(t)和暴露時刻t處污染物對待檢測水生動物的半致死濃度LC50(t)，得到所述水生動物對污染物的風(fēng)險值Risk(t) ；Risk(t) = Concentration(t)/LC50(t)；輸入暴露時刻t處每個網(wǎng)格的污染物濃度Concentration(t)和暴露時刻t處污染物對待檢測水生植物的半數(shù)有效濃度EC50 (t)，得到所述水生植物對污染物的風(fēng)險值Risk(t) ；Risk (t) = Concentration(t)/EC50 (t)；采用OpenGl技術(shù)結(jié)合聚類算法、顏色分形算法對所有網(wǎng)格進(jìn)行圖像渲染，輸出地表水水環(huán)境中待測污染物對待測生物的生態(tài)風(fēng)險圖；(b)采集所述地表水水環(huán)境的水樣，檢測水樣獲得水質(zhì)參數(shù)；所述水質(zhì)參數(shù)包括營養(yǎng)鹽濃度、碎屑濃度、水生植物生物量和水生動物生物量；所述營養(yǎng)鹽濃度指的是氨氮濃度、硝酸鹽濃度、磷酸鹽濃度、二氧化碳濃度和溶解氧濃度；所述碎屑濃度指的是可溶性和非可溶性碎屑的濃度值；將上述數(shù)據(jù)輸入水生態(tài)毒理模型，選擇待測污染物，然后以步驟(I)獲得的一次參數(shù)為輸入?yún)?shù)，應(yīng)用所述水生態(tài)毒理模型預(yù)測地表水水環(huán)境中待檢測污染物對待檢測生物的生態(tài)風(fēng)險；讀取網(wǎng)格信息文件gridinfo. txt，提取地表水水環(huán)境的無結(jié)構(gòu)網(wǎng)格幾何分布，采用空間網(wǎng)格聚集技術(shù)與水生態(tài)毒理模型進(jìn)行耦合，網(wǎng)格聚集后的每一個網(wǎng)格作為水生態(tài)毒理模型的一個輸入單元，所有空間網(wǎng)格信息由GIS平臺MAPWINGIS組件管理和維護(hù)；讀取網(wǎng)格信息文件gridinfo. txt,提取動態(tài)參數(shù),采用時間步長稱合技術(shù)與水生態(tài)毒理模型進(jìn)行耦合；所述動態(tài)參數(shù)包括網(wǎng)格最大長度、網(wǎng)格面積、平均水深、最大深度、網(wǎng)格入水量(動態(tài)變化)、網(wǎng)格出水量(動態(tài)變化)、網(wǎng)格水溫、網(wǎng)格污染物濃度；所述水生態(tài)毒理模型對每一個輸入單元進(jìn)行逐一處理，得到各網(wǎng)格中待測生物的濃度變化、生物種群和生物量變化，采用OpenGL技術(shù)結(jié)合聚類算法、顏色分形算法對各網(wǎng)格進(jìn)行圖形渲染，輸出地表水水環(huán)境中待檢測污染物對待檢測生物的生態(tài)風(fēng)險圖?，F(xiàn)有成熟的非恒定水環(huán)境模型均可采用，如Delft3D、MIKE21、EFDC等。所述水生態(tài)毒理模型可為AQUAT0X模型。
本發(fā)明的技術(shù)方案具體如下I、利用非恒定水環(huán)境模型獲得一次參數(shù)利用非恒定水環(huán)境模型生成說明文件gridinfo. ini (見表I)、網(wǎng)格信息文件gridinfo. txt (見表2)、網(wǎng)格結(jié)構(gòu)文件grid, txt (見表3)和網(wǎng)格組成文件gridnet. txt (見表4)；表I gridinfo. ini 文件格式
權(quán)利要求
1.預(yù)測地表水水環(huán)境中待測污染物對待檢測生物的生態(tài)風(fēng)險的方法，包括如下步驟 (1)測定污染物事故發(fā)生點(diǎn)的如下數(shù)據(jù)組I:當(dāng)前水位、流量、糙率值和風(fēng)速值； 獲得如下數(shù)據(jù)組2 :污染物事故發(fā)生點(diǎn)的地形、污染物事故發(fā)生點(diǎn)的經(jīng)緯度、待測污染物、待測污染物總質(zhì)量、待測污染物比重、待測污染物溶解速率、待測污染物飽和溶解度、待測污染物揮發(fā)性和待測污染物降解速率； 將數(shù)據(jù)組I和數(shù)據(jù)組2的各項數(shù)據(jù)輸入非恒定水環(huán)境模型，生成地表水水環(huán)境中待檢測污染物的濃度場數(shù)據(jù)，作為一次參數(shù)；所述濃度場數(shù)據(jù)由說明文件gridinfo. ini、網(wǎng)格信息文件gridinfo. txt、網(wǎng)格結(jié)構(gòu)文件grid, txt和網(wǎng)格組成文件gridnet. txt組成；所述說明文件gridinfo. ini的參數(shù)如下整個模擬的起始時間、濃度場中結(jié)點(diǎn)個數(shù)、濃度場中網(wǎng)格個數(shù)和模擬運(yùn)行的時間； 所述網(wǎng)格信息文件gridinfo. txt的參數(shù)如下網(wǎng)格編號、網(wǎng)格最大長度、網(wǎng)格面積、平均水深、最大深度、網(wǎng)格初始水容量、網(wǎng)格入水量、網(wǎng)格出水量、網(wǎng)格水溫和網(wǎng)格污染物濃度； 所述網(wǎng)格結(jié)構(gòu)文件grid, txt的參數(shù)如下網(wǎng)格四頂點(diǎn)的X坐標(biāo)、網(wǎng)格四頂點(diǎn)的Y坐標(biāo)和網(wǎng)格面積； 所述網(wǎng)格組成文件gridnet. txt的參數(shù)如下四邊形四結(jié)點(diǎn)的結(jié)點(diǎn)編號； (2)按照下述(a)和/或(b)的方法預(yù)測地表水水環(huán)境中待測污染物對待測生物的生態(tài)風(fēng)險； (a)以步驟(I)獲得的一次參數(shù)為輸入?yún)?shù)，預(yù)測地表水水環(huán)境中待測污染物對待測生物的生態(tài)風(fēng)險； 輸入暴露時刻t處姆個網(wǎng)格的污染物濃度Concentration(t)和暴露時刻t處污染物對待檢測水生動物的半致死濃度LC50 (t)，得到所述水生動物對污染物的風(fēng)險值Risk (t)；Risk(t) = Concentration(t)/LC50(t)； 輸入暴露時刻t處姆個網(wǎng)格的污染物濃度Concentration(t)和暴露時刻t處污染物對待檢測水生植物的半數(shù)有效濃度EC50 (t)，得到所述水生植物對污染物的風(fēng)險值Risk(t) ；Risk(t) = Concentration(t)/EC50(t)； 采用OpenGl技術(shù)結(jié)合聚類算法、顔色分形算法對所有網(wǎng)格進(jìn)行圖像渲染，輸出地表水水環(huán)境中待測污染物對待測生物的生態(tài)風(fēng)險圖； (b)采集所述地表水水環(huán)境的水樣，檢測水樣獲得水質(zhì)參數(shù)；所述水質(zhì)參數(shù)包括營養(yǎng)鹽濃度、碎屑濃度、水生植物生物量和水生動物生物量；所述營養(yǎng)鹽濃度指的是氨氮濃度、硝酸鹽濃度、磷酸鹽濃度、ニ氧化碳濃度和溶解氧濃度；所述碎屑濃度指的是可溶性和非可溶性碎屑的濃度值； 將上述數(shù)據(jù)輸入水生態(tài)毒理模型，選擇待測污染物，然后以步驟(I)獲得的一次參數(shù)為輸入?yún)?shù)，應(yīng)用所述水生態(tài)毒理模型預(yù)測地表水水環(huán)境中待檢測污染物對待檢測生物的生態(tài)風(fēng)險； 讀取網(wǎng)格信息文件gridinfo. txt,提取地表水水環(huán)境的無結(jié)構(gòu)網(wǎng)格幾何分布,采用空間網(wǎng)格聚集技術(shù)與水生態(tài)毒理模型進(jìn)行耦合，網(wǎng)格聚集后的每ー個網(wǎng)格作為水生態(tài)毒理模型的ー個輸入單元，所有空間網(wǎng)格信息由GIS平臺MAPWINGIS組件管理和維護(hù)； 讀取網(wǎng)格信息文件gridinfo. txt,提取動態(tài)參數(shù),采用時間步長f禹合技術(shù)與水生態(tài)毒理模型進(jìn)行耦合；所述動態(tài)參數(shù)包括網(wǎng)格最大長度、網(wǎng)格面積、平均水深、最大深度、網(wǎng)格入水量、網(wǎng)格出水量、網(wǎng)格水溫、網(wǎng)格污染物濃度； 所述水生態(tài)毒理模型對每ー個輸入單元進(jìn)行逐一處理，得到各網(wǎng)格中待測生物的濃度變化、生物種群和生物量變化，采用OpenGL技術(shù)結(jié)合聚類算法、顔色分形算法對各網(wǎng)格進(jìn)行圖形渲染，輸出地表水水環(huán)境中待檢測污染物對待檢測生物的生態(tài)風(fēng)險圖。
2.如權(quán)利要求I所述的方法，其特征在于所述非恒定水環(huán)境模型為Delft3D、MIKE21或 EFDC。
3.如權(quán)利要求I或2所述的方法，其特征在于所述水生態(tài)毒理模型為AQUAT0X模型。
全文摘要
本發(fā)明公開了一種預(yù)測地表水水環(huán)境中污染物對生物的生態(tài)風(fēng)險的方法。本發(fā)明結(jié)合非恒定水環(huán)境模型和水生態(tài)毒理綜合模型，發(fā)明了一種地表水水環(huán)境生態(tài)風(fēng)險的評價方法，包括長期生態(tài)風(fēng)險評價和急性生態(tài)風(fēng)險評價方法。前者側(cè)重污染物的長期累積效應(yīng)，兼顧生態(tài)毒理效應(yīng)和水動力學(xué)、水質(zhì)學(xué)時空動態(tài)特征，是一種綜合的生態(tài)風(fēng)險評價方法；后者側(cè)重污染物急性生態(tài)評價，為地表水污染事件的生態(tài)風(fēng)險快速評價提供方法學(xué)支撐。
文檔編號G01N33/18GK102737156SQ20111009346
公開日2012年10月17日 申請日期2011年4月14日 優(yōu)先權(quán)日2011年4月14日
發(fā)明者吳文強(qiáng), 李偉峰, 陳求穩(wěn), 馬金鋒, 黃國鮮 申請人:中國科學(xué)院生態(tài)環(huán)境研究中心