2024, Vol. 45
2. 中国科学院生态环境研究中心环境化学与生态毒理学国家重点实验室, 北京 100085;
3. 北京工业大学城镇污水深度处理与资源化利用技术国家工程实验室, 北京 100124
, WEI Dong-bin2
, WU Yin-hu1 , CHEN Zhuo1 , LU Yun1 , GAO Hua-nan1 , LIAO An-ran1 , HUANG Nan3 , XU Hong-wei1 , LIAO Zi-tong1 , DING Ren1 , YAN Han1 , ZHANG Zhuo-wei1 , HU Hong-ying1
2. State Key Laboratory of Environmental Chemistry and Ecotoxicology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China;
3. National Engineering Laboratory for Advanced Municipal Wastewater Treatment and Reuse Technology, Beijing University of Technology, Beijing 100124, China
水生态完整性关乎地表水系统的健康, 对于维护生态平衡、保障人类生活质量具有重要意义. 然而, 各国在水生态完整性保护的标准和要求方面尚存差异. 美国的《清洁水法》要求保护地表水的化学、物理和生物完整性, 欧盟的《水框架指令》旨在实现地表水的良好生态. 而我国现行的《地表水环境质量标准》（GB 3838-2002）主要关注饮用水源的安全和水生生物的保护, 尚未涵盖水生态完整性的相关指标[1]. 从其编制说明可以看出, 基本项目标准限值的确定主要参考美国的水生生物急性慢性、人体健康基准[2, 3]. 从指标类型看, 仍以全国统一的理化指标为主, 未考虑区域差异, 缺少生态指标, 难以达到水生态保护、“三水”统筹治理和“减污降碳”协同治理目标[4], 无法适用于各区域/流域的水环境特征和生态保护需求[5].
我国目前尚未系统开展区域差异性水质标准制定方法方面的研究, 本文从发展区域差异性水质标准研究的需求出发, 分析引起区域水质标准差异性的原因和影响因素, 提出未来制定区域差异性水质标准时可能会面临的问题和挑战, 旨在为我国区域差异性水质标准的制定提供重要参考, 并有效提升我国水生态系统的精细化管理水平.
1 我国制定区域差异性水质标准的需求随着我国环境管理工作的不断深入, 水污染控制的模式正经历从浓度控制、目标总量控制向环境容量控制转变, 从关注化学污染治理向注重水生态安全管理和控制转变. 在这一转变过程中, 水质标准的科学性、合理性、适用性和可操作性尤为关键[6], 发展区域差异性的水质标准势在必行. 区域差异性的水质标准是指根据不同地理区域或特定环境条件, 制定或调整适用于该区域的城镇污水处理厂污染物排放、地表水环境质量等标准. 标准可以根据区域的自然特征、当地水体的特殊需求、环境风险等因素进行适当调整, 以确保水体的质量、水生态的健康和水资源的可持续利用. 这种差异化的标准适应各地水资源的特定情况, 有助于更好地满足不同区域的水质管理和保护需求.
区域差异性水质标准的制定需要多方面的考虑, 既要满足标准的适应性、精确性、全面性等基本需求, 又要克服数据的不确定性、环境的复杂性、技术的适用性和经济可行性等困难. 同时, 还要达到促进各区域参与合作、确保标准制定的广泛共识和持续性、全面保护水体生态环境和人类健康等目标. 我国幅员辽阔, 水域广阔, 环境问题多样, 若在不同功能区域执行相同的水质标准, 可能导致对水生生物的“欠保护”或“过保护”[7], 而区域差异性水质标准的制定有利于解决该类矛盾.
不同区域的自然资源、产业结构、污染治理水平、社会属性和水生态环境状况等往往存在较为显著的差异, 而且不同区域在环境特征和水生态管理需求方面也存在差异. 为合理满足区域差异性, 2019年12月, 生态环境部印发了《重点流域水生态环境保护“十四五”规划编制技术大纲》, 明确提出“流域统筹、区域落实”的工作思路, 逐步建立流域空间管控体系. 2021年11月, 中共中央国务院在《关于深入打好污染防治攻坚战的意见》中明确要求加强生态环境分区管控. 2023年4月, 生态环境部等印发了《重点流域水生态环境保护规划》, 进一步明确需要充分考虑各流域的特殊性和差异性, 包括资源禀赋、生态功能定位、经济社会发展水平等. 由此可见, 制定区域差异性水质标准符合我国战略发展需求.
2 区域性水质标准差异的原因及其影响因素分析 2.1 区域性水质标准差异的原因 2.1.1 稀释系数具有区域差异性城镇污水处理厂污染物排放标准规定了污水处理厂排水中污染物的排放限值. 一般而言, 排水中某污染物的排放标准值往往高于或等于地表水环境质量标准. 排放标准可以理解为排水中的污染物进入受纳水体后经过稀释、水体自净等过程（图 1）, 浓度降低至满足地表水环境质量标准[8]. 由此可见, 排放标准与地表水环境质量标准之间的衔接主要取决于受纳水体的稀释和自净能力. 比如在北方由于水体稀释和自净能力较弱, 相应的排放标准应适当严于地表水环境质量标准；而在稀释能力较强、生态系统更为稳定的南方, 排放标准可适当放宽.
|
图 1 我国区域差异性与水质标准的关联关系 Fig. 1 Correlation between regional differences and water quality standards in China |
受纳水体的自净能力是指其自然处理净化污染物的能力. 自净涉及生物降解等多种复杂生态过程, 研究自净能力有助于预测水体在受到污染时的自我修复能力, 同时也为生态系统管理和保护提供了基础, 但必须认识到这种能力是有限的. 同时, 研究水体自净能力更注重水体本身的生态系统功能和生态学过程, 而研究稀释程度更偏向于解决人类活动引起的排水污染问题. 鉴于自净的复杂性和有限性, 本文暂不讨论自净的影响, 更关注于与人类活动相关的排水稀释程度.
不同区域的排放标准、水环境质量标准并不完全一致[9], 但在同一区域排放标准和地表水环境质量标准之间存在相关性. ①区域适应性：区域性地表水环境质量标准的制定考虑了特定区域的环境条件和生态系统需求, 排放标准的制定也同样需要考虑这些因素, 确保排放不造成区域水生态系统的不可逆损害. ②指标关联性：排放标准通常规定了特定污染物的最大允许浓度或排放水平, 这些限值应与地表水环境质量标准协调, 确保受纳水体污染物浓度不超过可接受水平. ③条件可行性：排放标准的制定需综合考虑当地的法规、政策、技术可行性和社会经济因素, 这些因素在制定区域性地表水环境质量标准时也应考虑, 保证水质标准的全面性和可行性. ④监管一致性：区域性地表水环境质量标准通常包含监测和执行的要求, 排放标准也应有与之匹配的水质监测和执行要求. ⑤季节变异性：环境条件和生态系统在不同的季节可能会发生变化, 排放标准制定时需要考虑这些变化, 保持与区域性地表水环境质量标准的一致性.
排放标准是制定和执行区域性地表水环境质量标准的参考依据, 它们需要相互协调, 以确保水体的质量受到有效的保护并满足当地的环境和社会需求. 我国的自然地理条件、生态系统特征和社会经济特点与发达国家存在差异, 即使国内的不同区域之间也存在显著差异, 因此, 现行“一刀切”的环境标准难以满足我国环境管理工作的需求[10]. 结合我国的区域特征, 建立适合我国不同区域的水质标准体系势在必行.
排水稀释系数是表征出水排放进入受纳水体时的混合程度, 定义为受纳水体流量加上出水排放流量后与出水排放流量的比值. 稀释系数是衔接排放标准和地表水环境质量标准的关键, 其具有区域特征. 一般来说, 稀释系数可以通过测定或计算得到, 该系数在一定区域内相对稳定, 但不同区域间可能存在显著差异. 不同区域的稀释程度取决于受纳水体的流量、流速、河道形态等因素, 直接影响污染物进入受纳水体后的浓度水平. 因此, 稀释系数可以作为纽带联动排放标准和地表水环境标准间的区域差异性（图 1）.
Colman等[11]选取美国马萨诸塞州河流的最低平均径流量, 计算该径流条件下的稀释系数, 并将其用于预测该州污染物排放至水环境的浓度. 在管理层面, 欧洲药品管理局、加拿大环境部等部门在预测环境中污染物浓度时通常将稀释系数设定为10[12, 13], 即认为污染物进入受纳水体时被稀释了10倍, 以此建立排放标准和地表水环境质量标准之间的联系. 美国在制定水质基准时, 若稀释系数小于10, 则使用急毒性基准值替代长期毒性基准值[14]. 此外, Abily等[15]利用稀释系数评价西班牙河流当前和未来的生态状况, 结果表明稀释系数可作为河流生态状况的替代指标, 可显著区分水体达到良好生态状况的概率. 但迄今为止, 多数国家尚未充分考虑并系统绘制全国的稀释系数地图, 尚不了解其空间变异性.
稀释系数的区域差异性将影响排放标准和地表水环境质量标准制定, 主要原因分析如下. ①影响污染物浓度分布：排水中污染物的浓度相对稳定, 倘若稀释系数越高, 则排水中的污染物进入受纳水体后的浓度就越低, 地表水环境质量标准可以宽松；相反, 若稀释系数低则受纳水体中污染物浓度高, 需要制定更严格的地表水环境质量标准. ②影响水质标准差异：稀释系数通常用于预测受纳水体中污染物的浓度. 一些国家和区域将稀释系数纳入水质标准的制定, 确保水质标准能够适应不同区域的出水排放. 因此, 区域稀释系数的不同将导致水质标准的区域差异. ③影响生态系统保护：稀释系数不同的排水对受纳水体的生态系统产生不同影响, 若稀释系数高, 长期排放对受纳水体的水生生物和生态系统的影响较小；若稀释系数低, 短时间排入的高浓度污染物将对生态系统构成威胁. 生态系统的脆弱性和稳定性需要在制定环境标准时给予考虑. ④依赖水体特征影响：不同的水体因其流速、深度、湍流度等特征不同, 出水排入后的稀释程度也因此而异, 在制定区域差异性水质标准时, 需要考虑不同区域受纳水体的特征.
目前, 我国的排放标准和地表水环境质量标准尚未充分联动, 未来可基于稀释系数, 通过模型模拟、污染源总量控制、污染负荷分配等措施科学合理地制定区域差异性的水质标准.
2.1.2 生物毒性的影响因素具有区域差异性环境基准为污染物对特定对象不产生有害影响的最大浓度, 其制定应考虑如气候、地理特点等限制因素. 而环境标准为保护健康、维持生态安全而制定污染物的最高限额的标准. 科学合理的标准值应考虑基准值, 同时考虑不同区域的环境条件、基准数据的修正、经济效益和技术可行性等因素.
随着社会发展水平的不断提高, 保障环境质量和人民健康成为首要目标, 所制定的标准值逐渐接近基准值, 目前一些发达国家已开始直接采用部分污染物的基准值作为标准值[16]. 美国环境保护局（EPA）定期发布一些有毒污染物的环境水质基准, 可以作为各州制定或修订环境水质标准的依据, 但环境标准必须提交美国环境保护局, 经审核批准后方可实施[17]. 美国EPA在全国水质基准的基础上, 还提出了重新计算法、水效应比法（WER）和本地物种法对国家基准进行修正, 以便得到适用于各州的区域性基准. 其中, 本地物种法同时关注物种差异和水质差异, 利用本地原水与本地物种的毒性试验结果推导基准值. 基准的区域差异性决定了标准也具有区域差异性. 由于区域特征影响生物毒性的测定结果, 在基准推导时需要对毒性数据进行修正, 这也是引起水质标准存在区域差异性的原因之一.
事实上, 在水质基准制定过程中涉及大量水生生物的毒性数据, 水生生物的急性、慢性毒性测定方法、毒性数据的收集和整理, 都是水质基准制定的重要组成部分[18]. 此外, 水质理化特性对水体生态系统和生物毒性具有重要影响. 不同区域水体的温度、溶解氧、pH值、浊度等不同, 这些理化特性显著影响水生生物的生存和繁衍（图 1）. 同时, 水质的理化特性也会影响水体中有毒物质的赋存形态, 影响毒性结果. 比如水中的盐度、可溶性有机物、硬度等因素能够通过改变游离铜的活度（通过形成络合物等方式）, 影响铜的生物毒性, 进而影响基准的推导[19].
不同区域的生态系统和生物多样性各不相同, 不同区域的敏感性物种存在差异, 污染物对生物的毒性和生态风险会因区域的生物组成不同而异. 丁仁等[20]基于《淡水水生生物水质基准-镉》的推荐方法, 分别推导了长江流域物种区系校正前后Cd的长期水质基准曲线, 校正前后水质基准的范围从0.10~0.92 μg·L-1变化至0.080~0.75 μg·L-1, 两者具有显著差异. 就人类健康基准而言, 不同区域人们的暴露途径可能会有不同, 包括饮用水、食物摄入、空气呼吸等. 这些暴露途径的差异也会影响人们对污染物的暴露水平和健康风险. 因此, 区域差异会引起本地敏感物种和人体暴露途径、污染物有效毒性差异, 从而导致毒性数据及基准值的差异, 进而影响标准的制定.
我国地域广阔, 不同区域的地形、气候和开发程度存在明显差异, 在制定水质标准时, 必须综合考虑水质特性与生态系统的关系, 以保护水生生物的健康和生态平衡. 当前污染物基准值的确定方法多依赖毒理学数据, 但需要根据不同区域的实际情况进行调整. 因此, 亟需发展考虑水环境特点的水质基准值确定理论和方法, 结合区域生态条件确定水质标准值.
综上所述, 确定稀释系数的理论与方法具有重要意义, 研究不同区域生物毒性的影响因素的差异性同样重要. 系统阐明水质理化特性、水生生物种群等区域差异性, 基于生物毒性评估水体生态系统安全, 科学揭示污水厂排水进入受纳河流的稀释程度, 有助于深化对区域差异性水质标准科学制定的理解, 可为科学制定区域差异性水质标准提供参考依据.
2.2 区域性水质标准差异的影响因素如前所述, 生态环境特征、污染特征和生物区系等差异都会影响水质标准对水生态的保护效果. 表 1列出了受纳水体特征和社会属性、气候条件、水质理化特征和水生生物种群这4个要素影响水质标准制定的途径. 受纳水体特征包括水体类型和土壤类型等因素, 这些因素影响排水的稀释系数、水体的自净能力和污染物的分布. 受纳水体特征不同的区域对水质标准的要求也有所不同. 社会属性包括人口密度、工业结构和城市化程度等因素, 它们与水体污染的来源和规模有关. 不同区域的社会属性影响水体的污染程度, 因此水质标准需要根据社会属性进行调整, 以控制污染物的排放和保护水环境质量. 受纳水体特征和社会属性可通过影响排水稀释系数最终影响标准的制定.
|
表 1 区域性水质标准差异的影响因素及其途径 Table 1 Influencing factors and ways of regional water quality standard difference |
气候条件包括降雨量、温度和季节变化等因素, 对水体的水质和生态系统状态有显著影响. 不同气候条件下, 水体中的污染物浓度、溶解氧和水温等都会发生变化. 因此, 水质标准需要根据气候的特点来进行调整, 以保护水体和生态系统. 水质理化特征包括水体的pH值、溶解氧浓度、浊度和盐度等参数, 这些参数直接影响水体的化学和物理性质. 不同水体的水质理化特征差异较大, 水质标准需要根据水体的实际情况制定, 以确保水体的健康状态. 水生生物种群反映了水体的生态系统状态, 不同水体中的生物种群组成和数量各不相同, 因此水质标准需要考虑不同区域水生生物种群的特点, 以保护水生生物的多样性和生态平衡. 气候条件、水质理化特征和水生生物种群通过影响毒性确定结果, 进而影响基准推导和标准制定.
综上, 需要全面考虑不同区域的受纳水体特征和社会属性、气候条件、水质理化特征、水生生物种群等方面的差异, 才能建立适合我国水环境条件和生物区系特征的水质标准体系.
2.2.1 受纳水体特征和社会属性的区域差异性及其影响受纳水体特征和社会属性通常被用来分析和解释区域差异. 受纳水体特征的影响在于排水受纳河流流量等, 而社会属性与水体污染的来源和规模有关, 不同区域的社会属性影响出水排放量及污染物浓度. 因此, 区域差异性水质标准制定需要考虑受纳水体特征和社会属性差异.
图 2总结了我国不同流域的流量差异, 长江流域的流量明显高于黄河、松花江、淮河和海河等流域. 一般来说, 我国各区域河流年径流量存在显著的空间差异, 南方与北方江河的径流量相差悬殊, 径流深相差数十倍[21]. 同时, 污染物排放负荷与人口规模成正比, 我国东南与西北区域的人口密度差异大, 这也一定程度上造成了出水排放量和水质的差异[22 ~ 24], 从而影响稀释系数. 由此可见, 径流量、缺水率、人口密度等受纳水体特征和社会属性的影响, 会体现在排水稀释系数的区域性差异.
|
1.松花江流域（n=1 318）, 2.长江流域（n=213 092）, 3.黄河流域（n=56 569）, 4.辽河流域（n=9 120）, 5.淮河流域（n=18 631）, 6.海河流域（n=18 460）, 7.浙闽片河流（n=14 257） 图 2 不同流域的流量差异性（2022年2月至2023年1月） Fig. 2 Variation of river discharge in different basins (February 2022 to January 2023) |
美国环保署认为, 在限定水体区域内, 短期内受纳超过基准浓度的污染物对整体水体用途可能无显著影响. 但也规定了一些不适宜排放的情形, 如具有生物积累性的有害废水排放、含有可能危及重要区域（如繁殖场、濒危物种栖息地）或严重引起人体健康风险污染物的废水排放. 这是因为在低流量条件下, 可供稀释的水量有限, 导致污染物浓度升高. 因此, 为了确定基于水质的排放限值, 在确定废水排放的临界低流量值下, 应考虑可用的稀释量, 以保护水体的基准水质[7]. 相关研究表明美国超900条河流中污水占比超50%, 超一半河流中内分泌干扰物（EDCs）超标, 这与受纳水体的低稀释系数显著相关, 约1/3河流超过了典型EDCs的稀释系数[25], 这一研究结果揭示了稀释系数对于出水排放的重要性. 在这一背景下, 科学揭示我国污水厂排水稀释系数对加强标准间的联系至关重要, 而受纳水体特征和社会属性影响了我国排水稀释系数的区域差异性.
我国最早于1985年报道了全国性污水稀释系数, 污径比（污水排放量与径流量的比值）大于0.3的区域几乎全部集中在华北、东北与上海、江苏等地[26]. 但该资料存在出版较早、未区分丰枯季差异、点位选取原则不一致等问题, 与我国当前生态保护发展的新需求不匹配, 亟待更新我国的排水稀释系数信息. 通过计算出水排放与受纳水体的混合比例, 以及混合过程中污染物的稀释和分散情况可确定环境效应. 综合运用不同方法可以提供全面的排水稀释系数评估, 可为环境管理和污水处理系统的设计提供科学依据. 排水稀释系数研究方法可基于质量平衡原理、示踪法（如稳定同位素、荧光染料）[27]或通过建立水动力数学模型[28]等数值模拟方法.
综上所述, 受纳水体特征和社会属性对区域差异性水质标准制定的影响途径之一是通过排水稀释系数. 因此, 在制定环境政策和发展战略时, 需要科学的方法确定排水稀释系数, 以实现适应不同受纳水体的区域差异性水质标准.
2.2.2 气候条件的区域差异性及其影响受地理位置、地形和季风等因素影响, 我国气候条件具有明显的区域差异性. 东北、华北和西北等北方区域, 四季分明, 冬季寒冷干燥, 夏季炎热短暂. 华东、华南和西南等南方区域, 温暖湿润, 常年降水充沛. 西藏和青海区域地处高原, 具有明显寒冷干燥的高原气候特征. 表 2中列出了我国一些主要湖泊气候条件的区域差异性[29 ~ 31], 鄱阳湖区域的气温为18.57℃, 降水为4.84 mm·d-1, 明显高于太湖、洞庭湖等其他湖泊, 但其太阳辐射为155.46 W·m-2, 低于洪泽湖和滇池区域.
|
|
表 2 我国湖泊气候条件多年平均值的区域差异性1） Table 2 Regional variation of annual mean value of lake climatic conditions in China |
气候条件的区域差异性将影响不同区域的水质基准值. 比如, 中国湖泊温度变化与气候变化趋势基本一致, 水温变化可认为是对气候变化的响应[32]. 生态环境部发布的《淡水水生生物水质基准-氨氮》文件中明确指出, 氨氮的短期和长期基准与水温密切相关. 随着水温的升高, 氨氮的毒性作用增强[33]. 此外, 如图 3（a）所示, 本文进一步总结了我国不同流域影响氨氮毒性的水温参数差异性（数据来源于国家地表水水质数据发布系统、国家地表水水质自动监测实时数据发布系统和青悦数据中心）. 我国松花江流域和西北诸河的水温明显低于其他流域, 推测其氨氮毒性作用可能相对其他流域较弱. 由以上结果可知, 气候条件的区域差异性导致氨氮基准存在明显的区域差异性.
|
a1.珠江流域（n=3 043）, a2.松花江流域（n=1 983）, a3.长江流域（n=9 573）, a4.黄河流域（n=2 652）, a5.辽河流域（n=1 917）, a6.淮河流域（n=4 240）, a7.海河流域（n=2 882）, a8.浙闽片河流（n=2 075）, a9.西南诸河（n=1 070）, a10.西北诸河（n=820）, a11.太湖流域（n=1 749）, a12.巢湖流域（n=325）, a13.滇池流域（n=260）；b1.珠江流域（n=394 112）, b2.松花江流域（n=129 077）, b3.长江流域（n=991 699）, b4.黄河流域（n=172 647）, b5.辽河流域（n=146 513）, b6.淮河流域（n=423 048）, b7.海河流域（n=307 746）, b8.浙闽片河流（n=251 757）, b9.西南诸河（n=62 773）, b10.西北诸河（n=39 461）, b11.太湖流域（n=165 016）, b12.巢湖流域（n=49 103）, b13.滇池流域（n=34 049）；c1.珠江流域（n=3 774）, c2.松花江流域（n=2 498）, c3.长江流域（n=10 298）, c4.黄河流域（n=2 650）, c5.辽河流域（n=1 917）, c6.淮河流域（n=4 237）, c7.海河流域（n=2 881）, c8.浙闽片河流（n=2 075）, c9.西南诸河（n=1 070）, c10.西北诸河（n=820）, c11.太湖流域（n=1 749）, c12.巢湖流域（n=325）, c13.滇池流域（n=260）；d1.珠江流域（n=4 558）, d2.松花江流域（n=2 624）, d3.长江流域（n=12 685）, d4.黄河流域（n=2 994）, d5.辽河流域（n=2 130）, d6.淮河流域（n=4 389）, d7.海河流域（n=3 099）, d8.浙闽片河流（n=2 418）, d9.西南诸河（n=1 585）, d10.西北诸河（n=1 257）, d11.太湖流域（n=1 806）, d12.巢湖流域（n=352）, d13.滇池流域（n=259） 图 3 可能影响毒性确定的水质理化特征指标的区域差异性 Fig. 3 Regional differences in water quality physicochemical characteristics that may affect toxicity determination |
温度和光照等气候条件具有区域差异性, 也是水质基准研究中不可忽视的因素. 气温影响水温, 而水温是影响水质和水生生物活动的关键因素. 不同区域的温度条件会影响水体中的生化反应速率、氧溶解度、生物代谢率等[34]. 较高的水温通常会导致水中溶解氧含量的降低, 水中氧气不足, 对水生生物产生不利影响. 此外, 水温还会影响水生生物的生长和繁殖, 不同种类的生物对温度的适应性各不相同. 因此, 水质标准需要根据水体温度的特点来进行制定, 以维护水生生物的健康和生态平衡. 光照条件对水体中的光合作用和溶解有机物的降解至关重要. 光照强度和光照周期影响水体中藻类和水生植物的生长, 这些生物在水体中具有重要的生态功能[35]. 光照条件还会影响水体中的溶解氧浓度, 因为光照可以促进水中的氧气释放, 进而影响水生生物的生态平衡[36]. 因此, 光照条件对水质标准的制定和水体健康也至关重要.
综上所述, 温度和光照等气候条件直接影响水生生物、溶解氧含量、水体化学反应和富营养化等方面[36, 37]. 气候条件的区域差异性会影响毒性的确定, 进而影响水质基准的推导, 从而影响区域性水质标准的制定. 需要在区域差异性水质标准的制定和评估过程中综合考虑.
2.2.3 水质理化特征的区域差异性及其影响目前许多学者针对溶解有机碳（DOC）、硬度、pH和盐度等水质理化特征对污染物毒性的影响开展研究, 并取得包括自由离子活度模型和生物配体模型（BLM）等[38]重要的理论成果. 相关研究表明, 水体pH、硬度、碱度、盐度、腐殖质和黏土悬浮液等因素均会对重金属的毒性产生影响, 比如二价铅离子和钙离子都可作用于相似的靶点, 产生拮抗作用, 降低了铅的生物可利用性；随着水体硬度的增加, 铅的化合物对多种水生生物的毒性作用显著降低[39]. 美国EPA公布的水质基准同样认为铅的基准值受硬度的影响[40]. 此外, 不同碱度条件下（0.2~1.8 mmol·L-1的HCO3-）, 镧对斑马鱼的96 h-LC50值跨度为50~350 μmol·L-1[41]. 随着水体硬度和碱度的增加, 还会形成方解石（Calcite）, 影响大型蚤（Daphnia magna）的存活[42].
pH也是影响污染物基准值的主要因素之一, 图 3（b）展示了我国不同区域水体pH分布的差异性, 珠江、松花江和浙闽片流域的pH相对较低. 由于pH的差异, 淮河流域, 氨氮的基准值最低, 夏季和非夏季氨氮慢性基准分别为0.06 mg·L-1和0.15 mg·L-1；而珠江流域的氨氮基准值最高, 夏季和非夏季的氨氮慢性基准分别为0.32 mg·L-1和0.57 mg·L-1[43]. 廖梓童等[44]基于黄河流域国控断面的pH监测数据对氨氮水生生物生态风险的时空分异特征进行了研究, 结果表明黄河流域氨氮长期毒性基准和风险商的空间差异性分别是时间差异性的3.3倍和2.1倍, 该研究结果强调了制定区域性氨氮水质标准和排放标准的重要性.
此外, 丁仁等[20]研究了长江流域地表水中镉生态风险的区域差异特征, 结果表明因长江流域不同河流硬度的差异, 不同城市间的镉风险商可相差32倍, 不同城市间镉长期水质风险阈值可相差10倍. 同时, 有研究认为电导率与硬度存在线性相关性[45], 所以考察电导率对毒性的影响也非常必要. 图 3（c）展示了我国不同区域水体电导率分布的差异性, 黄河、淮河、海河和西北诸河流域的电导率相对较高, 以上流域的镉生态风险可能较低.
盐度也是影响毒性基准的主要因素之一, 盐度对毒性效应的影响具有复杂性, 一般来说增加盐度有助于减轻重金属的生物毒性. 不同生物门类对铜的敏感性存在差异, 且盐度与毒性值之间的相关程度也不同. 相关研究表明, 藻类和节肢动物对铜的敏感性最高, 并且铜的毒性值与盐度之间呈现显著正相关关系[19]. 一般认为硬度、电导率和盐度三者间具有一定的指标相关性, 我国不同流域间的相关水质指标对生物毒性测定的影响仍需要进一步的分析和总结.
水体中广泛存在的有机质也同样影响水生生物的毒性测试结果. 比如, DOC是一种广泛用来表征水中有机物的指标, 研究发现铜对紫贻贝（Mytilus edulis）的EC50值与水中DOC浓度呈明显的线性关系[46]. 污水厂出水中不同亲疏水性组分的含量也影响铜对大型蚤（Daphnia magna）的毒性, 其中有机组分影响下的EC50值（> 20 μg·L-1）明显高于无机组分（< 5 μg·L-1）, 对于亲水的有机组分来说, 其EC50值在统计学上略高于疏水性组分[47]. 高锰酸盐指数也是表征水中有机物的重要指标, 我国不同流域的高锰酸盐指数差异性明显[图 3（d）], 但目前不同区域高锰酸盐指数差异对水生生物毒性测试结果的影响仍未见报道. 有机组分在不同流域的毒性差异有待进一步研究, 亲疏水性物质对生物毒性测定的影响也需要进一步分析和总结.
此外, Yi等[48]以费氏弧菌（Vibrio fischeri）发光抑制试验为工具, 研究了华东区域饮用水源骆马湖43个点位水样的pH值、有机物、浊度、硬度和溶解氧等水质理化参数对急性毒性的影响, 结果表明43个水样的发光抑制率在-11.21%~10.80%之间, 该结果表明各类水质理化参数对生物毒性的影响体现为综合效应. 目前大多数研究仅考虑单一水质理化参数对单一物质的毒性影响, 如何从单一水质理化参数的影响外推至多类水质理化参数的综合毒性影响, 还需要开展大量深入的研究.
综上所述, 已有研究证实了不同的水质理化特征会影响污染物的毒性测试结果, 但尚无系统总结. 我国各地水体水质理化特征差异较大, 水质指标也较多, 有必要结合我国不同区域的水质差异, 系统评估和研究水质理化特征对水生生物毒性的影响, 遴选关键水质指标, 以期为区域差异性水质标准的制定提供参考.
2.2.4 水生生物种群的区域差异性及其影响不同区域水生生物群落的优势物种、经济物种和代表性物种存在显著差异. 毒性基准推导时, 建议采用当地物种测定毒性数据. 区域物种敏感性差异是导致水质基准差异的最主要因素之一[7]. 例如, 在美国, 鲑鱼科被视为代表性鱼类, 而我国的淡水鱼中有一半属于鲤鱼科[49]. 由于水生生物的物种敏感度存在差异, 导致同一污染物在不同国家不同区域的水质基准值可能相差超过100倍[50]. 王晓南等[51]对比了中美水生生物基准所推荐的受试物种的敏感性差异, 发现中美物种敏感性分布存在显著性差异（P < 0.05）. 若直接采用美国受试物种的毒性数据或推导出的基准值保护我国的水生生物种群, 可能存在“欠保护”或“过保护”风险.
生物因素（不同物种和不同生命阶段等）影响重金属的生物有效性及毒性. 目前, 多采用BLM、物种权重敏感度分布法（WSSD）和WER对毒性值进行校正. BLM考虑颗粒吸附、络合作用、无机配体结合、竞争活性位点等多个影响因素, 能较好地预测重金属对水生生物的毒性. WSSD和WER则通过链接真实水环境对毒性值进行校正[52], 但这些方法没有考虑区域差异性.
刘萌硕等[53]整理了黄河流域水生生物的研究, 应用毒性百分数排序方法, 推导出阿特拉津的短期和长期水质基准值分别为14.20 μg·L-1和2.85 μg·L-1. 梁霞等[54]选择了分布在长江三角洲流域的6门12科共14个代表物种进行毒性试验, 推导了长江三角洲区域阿特拉津的短期和长期水质基准值分别为2.60 μg·L-1和0.007 1 μg·L-1. Liu等[55]将辽河当地水生物种的氨毒性数据与中国本土和非本土物种的数据进行了比较, 发现“中国分类群”的物种敏感度分布曲线斜率比“非中国分类群”的更陡, “中国-本地分类群”对氨的敏感性略高于“中国-非本地分类群”. 从以上结果可以看出, 基于不同水生生物种群的毒性数据推导出的水质基准存在差异, 说明了研究水生生物种群的区域差异性及其影响的重要性.
我国水生生物种类繁多, 不可能对所有物种进行毒理试验, 因此在进行物种选择时, 必须确保所选物种对生态系统的完整性具有一定的影响力, 优先保护具有较高生态学意义的代表性物种. 同时, 优先考虑敏感性较高的物种, 选择的物种应对污染物具有较高的敏感性. 例如青海湖中的代表性物种是裸鲤, 洞庭湖中的代表性物种是剑水蚤, 鄱阳湖中的代表性物种是轮虫, 它们共同具有敏感性强、易于饲养等特点[56, 57]. 另外, 目前国际上使用的通用试验生物种类并不全面, 其中一些食物链中的物种缺乏, 这可能导致对污染物的毒性评估结果存在一定的生态风险. 所以在开展毒理学测试时不仅需要选择本地物种, 还需要增加食物链中具有重要地位的物种或经济物种[58].
综上所述, 水生生物群落的组成和分布具有区域差异性, 影响污染物毒性的确定, 影响水质基准的推导, 从而影响区域性水质标准的制定. 因此, 在制定水质基准时, 必须考虑不同区域的生物多样性特征, 确保特定水生生物的健康状态得到保护和维持.
3 我国区域差异性水质标准发展面临的关键科学问题及挑战我国在区域差异性水质标准制定方面尚未开展实质性工作, 未来在制定区域差异性水质标准时, 可能会面临排水稀释系数的确定理论与方法、区域关键水质指标的确定方法及其对水质标准的影响、区域特征物种的确定方法及其对水质标准的影响、全国范围内差异性区域的划分理论与方法等关键科学问题及挑战.
3.1 稀释系数的确定理论与方法排水稀释程度和受纳水体自净能力是环境科学和生态学领域两个不同但相关的方向. 出水排放对受纳水体的影响首先需要考虑稀释效应, 研究排水稀释系数可了解出水排入受纳水体时污染物的稀释倍数, 以及需要多少倍的稀释才能使污染物浓度降到安全水平. 排水稀释系数的确定涉及多种因素, 包括实测数据、环境特征等, 其中关键的问题在于统计各污水厂排水的受纳河流是几级河流, 这些河流的汇流模式如何.
对于出水排放点的稀释系数可直接采用排水流量和受纳水体流量进行计算, 但排放点下游污染物浓度的计算还需考虑受纳水体的自净能力. 在排水稀释系数计算中, 如何选取或建立指标表征排水和受纳水体的水质区别至关重要, 可选取一些与人类活动相关而天然水体中较少且难降解的物质进行探索, 比如选择卡马西平、辣椒轻斑驳病毒[59]等物质间接表征排放点下游的污水厂处理出水稀释程度, 或通过指纹图谱结合机器学习[60]等方法解析排水和受纳水体的混合程度. 此外, 确定排水的稀释系数还涉及水体动力学过程、水流速度、水体混合等因素. 科学确定排水稀释系数可准确评估出水排放对其受纳水体的影响, 可阐明设厂位置和受纳水体干流、支流属性的相关联性, 可为制定排放标准和相应的水质标准提供重要依据, 通过排水稀释系数的计算, 可以合理衔接排放标准和地表水环境质量标准.
对于受纳水体自净能力, 可利用如高通量测序、遥感技术和生态系统模型等先进技术开展实时监测, 有助于更好地理解生态系统的动态变化和出水污染物的迁移转化途径. 此外, 对受纳水体中微生物的多样性和功能也应进行更深入的研究, 以了解它们在水体自净过程中的作用, 其中需要特别关注微生物群落的响应和适应性, 以更好理解出水中污染物的生物降解过程. 排水稀释系数和水体自净能力的结合可以更全面地了解出水排放对受纳水体的影响. 受纳水体自净能力的评估目前较为困难, 因此排水稀释程度的研究还是以排放点的稀释系数为主. 未来通过对以上问题的解决可获得排水稀释程度的沿程分布数据, 制定科学合理的排放标准, 确保受纳水体的生态安全.
3.2 区域关键水质指标的确定方法及其对水质标准的影响因为不同区域的水体特征和生态系统需求各不相同, 制定水质标准时需要根据区域差异遴选关键指标, 确保水质标准适应不同区域和水体类型的需求. 比如, 生态环境部发布的镉、氨氮和苯酚这3种污染物的淡水水生生物水质基准技术报告中, 苯酚的基准推导没有考虑水质参数的影响, 氨氮的基准推导中进行了水温和pH校正, 镉的基准推导进行了硬度校正. 未来可通过水温、pH和硬度等水质参数进行毒性结果的校正, 深入开展区域差异性研究.
水质的区域性差异主要取决于水体的理化性质和污染物特征等因素. 在制定水质标准时, 深入研究这些因素对生物毒性的影响机制, 明确水温、电导率、pH值、浊度和DOC等关键指标对不同区域生物毒性的影响程度, 分别从某一水质指标影响哪些物质的生物毒性和某一物质的毒性受哪些水质指标影响两方面进行阐明. 此外, 制定区域差异性水质标准需要大量的水质数据支持. 然而, 不同区域的数据可获得性和数据质量可能存在差异, 比如监测站点的分布、指标监测的频率、水质参数的选择等. 如何获得准确和全面的数据, 并进行合理的数据分析也是一个严峻挑战.
目前, 国控断面的水质数据较为丰富, 可以先对这些数据进行分析, 但如何从点扩展到线再到面, 合理表征区域差异性仍需进一步考虑. 同时, 这些指标之间的关联性和影响因素复杂, 需要建立合理的权衡方法, 以确保标准的科学性和可操作性. 亟需绘制影响物质毒性的重要水质指标的全国分布地图, 为区域差异性水质标准的制定提供基础数据, 确保标准更贴近实际情况.
3.3 区域特征物种的确定方法及其对水质标准的影响不同区域的水生生物群落组成存在显著差异, 直接影响污染物的毒性评估和水质基准的确定. 单一生物指数可能无法全面反映水体的生态复杂性, 通常需要综合选择多种生物指标, 才能更准确地描述水生生物群落的特点和变化, 并采用更精细的方法确定区域特征的物种组成和丰度分布. 通过深入研究特定物种的生态功能、毒性响应和毒性终点等, 可以更准确地评估水体的生态健康状况, 从而更科学地制定区域差异性水质标准.
在深入研究区域特定物种时, 需要考虑其在生态系统中的功能、生态位和食物链地位等因素. 比如, 浮游动物是生态系统的关键节点生物, 枝角类具有对毒性物质敏感、饲喂方便等特点, 大型蚤常被用作模式生物, 已有大量基础数据. 因此, 可以选取我国水体中常见的大型蚤为代表性物种, 揭示我国各区域生物毒性阈值的差异性. 此外, 还需要明确优势物种或需要保护的经济物种在不同区域的差异性, 研究某一物质对不同区域优势或经济物种的毒性差异, 并以此制定标准才能保护当地生态健康. 深入研究区域性特征物种的确定方法及其对水质标准的影响, 有助于建立更为精准和科学的水质管理框架, 实现环境保护与生态平衡的双重目标.
3.4 全国范围内差异性区域的划分理论与方法我国地域广阔, 各区域特征差异显著, 目前仍缺乏全国范围内差异性区域的划分理论与方法. 当考虑水质特征、地理位置和气候、水体类型、水体连通性、水资源利用、生态环境、社会经济、水质需求等因素时, 可能会出现不同差异性区域互相包含或交叉的问题. 为了更准确制定区域差异性水质标准, 需要针对地理、气候、地质等因素, 结合不同区域的经济和管理情况. 区域差异性水质标准的制定过程需要具备透明性和可参与性, 需要相关利益方、专家、公众等的参与. 如何确保制定过程的公正性和科学性, 是一个需要解决的问题.
制定更具代表性的全国区域划分方案需要综合考虑多种基础数据、因素、方法和技术, 将理论转化为实际的区域划分可能涉及到使用统计数据、地理信息系统技术、空间分析、机器学习和人工智能等工具来绘制区域边界. 田艺苑等[61]以白洋淀区为研究案例, 通过自组织映射神经网络, 将人类活动、生态系统服务等因素融入生态功能区划指标系统, 这一方法帮助确定了各因素之间的权重, 减少了主观性, 提高了区域分类的科学性和可信度. 王一旭等[62]将自组织映射和随机森林模型耦合, 对苕溪流域水质进行了空间差异性评估, 研究结果表明蒸发蒸腾量、坡度、人口密度等流域特征指标与水质具有强相关性.
由此可见, 差异性区域的划分需要基于更多的基础数据, 比如全国各区域的水质理化指标分布、水生生物种群的分布、气候等条件的分布以及各流域/区域特征作为数学物理模型的底层数据, 再结合管理等层面进行合理的区域划分. 未来, 全国范围内差异性区域的划分可先从长江或黄河等流域展开, 建立试点工程, 再研究流域内差异, 考虑水体连通性等条件下, 进一步划分为上、中和下游区域. 需要确保划分结果的科学性和可行性, 能够更精准地反映各区域的水环境特点和保护需求.
综上所述, 引起区域性水质标准差异的影响因素包括受纳水体特征和社会属性、气候条件、水质理化特征和水生生物种群等多个方面, 具体在于：温度和光照等气候条件、DOC和电导率等水质理化特征、敏感物种和经济物种等水生生物、河流径流量和污水厂出水排放量等受纳水体特征和社会属性. 这些因素的核心可归纳为影响排水稀释系数和生物毒性的确定, 同时这两个因素衔接着排放标准、地表水环境标准和水质基准. 基于以上考虑, 全国范围内差异性区域的划分仍是一个复杂问题, 起步阶段可先化繁为简, 未来研究中还需深入探索以下关键方向.
（1）夯实基础数据, 深入研究水质理化特性. 通过分析温度、溶解氧、pH值、浊度、营养物质等指标对毒性的影响机制和区域差异性, 阐明影响生物毒性的关键水质参数及其影响程度和范围.
（2）重视水体生态系统在水质标准制定中的作用, 探索水生生物种群的区域差异性及其对水质标准的影响. 定量研究毒性的区域差异性, 基于区域流域特点对毒性结果进行修正, 发展包含水环境特质的水质基准值确定理论和方法, 结合区域生态禀赋差异确定水质标准值, 通过对生物毒性的修正将水质基准和标准衔接起来.
（3）尽管推导环境基准的理论方法在国际范围内被广泛接受, 但在特定区域进行环境基准研究时, 需结合地理、气候、生态等区域特征, 对方法进行校正和验证, 实现方法的区域化, 降低不确定性, 提高基准研究的精确度和可靠性, 实现基准向标准的合理转化.
（4）确定排水稀释系数的理论与方法还需深入挖掘. 我国尚无全国性污水处理厂排入的河流属性信息, 精确匹配出水排入的河流是目前的难点. 深入研究稀释系数的影响因素, 如流量、水体特性等, 可更准确预测不同条件下的污染物扩散规律和浓度分布, 有助于制定更科学合理的水质标准, 精确的稀释系数可实现排放标准和地表水环境标准合理街接.
通过解决这些关键问题, 可以不断完善和提升我国区域差异性水质标准制定的能力, 实现水生态保护与管理的科学化、精细化. 总之, 我国区域差异性水质标准的制定具有重要的科学意义和实践价值. 今后需加强多领域、多学科的合作, 推动不同区域的水质标准研究的发展, 为保护水生态环境、促进可持续发展提供科学支撑.
4 结论（1）针对不同区域的水环境条件和生态特征, 制定区域差异性的水质标准, 有助于更好地保护水体生态健康, 推动水资源和水生态的可持续发展. 排放标准、地表水环境质量标准和水质基准是水质管理和保护中相辅相承的3个要素.
（2）区域差异性排水稀释系数是衔接排放标准和地表水环境质量标准的重要纽带, 污水厂处理出水排入受纳水体后经稀释和水体自净, 使污染物的浓度进一步降低, 满足地表水环境质量标准限值. 因此, 引起区域水质标准差异性的原因之一是不同区域排水稀释系数的不同. 此外, 在水质基准制定过程中涉及大量水生生物的毒性数据, 基于区域差异性对污染物的毒性数据进行修正, 可以推导出更为科学合理的水质基准值, 才能以此为参考制定出区域差异性的水质标准. 对于受纳水体特征和社会属性来说, 区域差异性影响排水稀释系数, 进而影响排放标准的确定, 影响排放标准和地表水环境质量标准的衔接. 而气候条件、水质理化特征和水生生物种群的区域差异性则会影响毒性结果, 进而影响水质基准的推导, 影响区域差异性水质标准的制定.
（3）综上所述, 我国区域差异性水质标准发展应主要针对稀释系数和生物毒性影响因素的区域差异性这两方面开展更为深入的研究和总结.
致谢: 感谢青悦信息科技有限公司（data.epmap.org）提供的环境数据.
| [1] |
冯承莲, 赵晓丽, 侯红, 等. 中国环境基准理论与方法学研究进展及主要科学问题[J]. 生态毒理学报, 2015, 10(1): 2-17. Feng C L, Zhao X L, Hou H, et al. Research progress and main scientific problems of theory and methodology of China's environmental quality criteria[J]. Asian Journal of Ecotoxicology, 2015, 10(1): 2-17. |
| [2] |
张远, 林佳宁, 王慧, 等. 中国地表水环境质量标准研究[J]. 环境科学研究, 2020, 33(11): 2523-2528. Zhang Y, Lin J N, Wang H, et al. Research on environmental quality standard for surface water[J]. Research of Environmental Sciences, 2020, 33(11): 2523-2528. |
| [3] |
王菲菲, 赵永东, 钱岩, 等. 国际水质基准对我国水质标准制修订工作的启示[J]. 环境工程技术学报, 2016, 6(4): 331-335. Wang F F, Zhao Y D, Qian Y, et al. Enlightenment of international water criteria for future revision of water quality standard in China[J]. Journal of Environmental Engineering Technology, 2016, 6(4): 331-335. DOI:10.3969/j.issn.1674-991X.2016.04.049 |
| [4] | Su J, Ji D F, Lin M, et al. Developing surface water quality standards in China[J]. Resources, Conservation and Recycling, 2017, 117: 294-303. DOI:10.1016/j.resconrec.2016.08.003 |
| [5] | Wu F C, Meng W, Zhao X L, et al. China embarking on development of its own national water quality criteria system[J]. Environmental Science & Technology, 2010, 44(21): 7992-7993. |
| [6] |
孟伟, 张远, 郑丙辉. 水环境质量基准、标准与流域水污染物总量控制策略[J]. 环境科学研究, 2006, 19(3): 1-6. Meng W, Zhang Y, Zheng B H. The quality criteria, standards of water environment and the water pollutant control strategy on watershed[J]. Research of Environmental Sciences, 2006, 19(3): 1-6. DOI:10.3321/j.issn:1001-6929.2006.03.003 |
| [7] |
苏海磊, 李信茹, 陶艳茹, 等. 美国水质标准制定研究及其对中国的借鉴意义[J]. 生态环境学报, 2021, 30(11): 2267-2274. Su H L, Li X R, Tao Y R, et al. Study on water quality standard formulation of USA and its revelation to China[J]. Ecology and Environment Sciences, 2021, 30(11): 2267-2274. |
| [8] |
陈华. 《城镇污水处理厂污染物排放标准》与《地表水环境质量标准》的比较和发展趋势探索[J]. 净水技术, 2019, 38(10): 56-61. Chen H. Comparison between Standards for pollutants discharge from municipal WWTPs and standards for environmental quality of surface water and exploration on the development trends[J]. Water Purification Technology, 2019, 38(10): 56-61. |
| [9] |
赵庆, 查金苗, 许宜平, 等. 中国水质标准之间的链接与差异性思考[J]. 环境污染与防治, 2009, 31(6): 104-108. Zhao Q, Zha J M, Xu Y P, et al. Thinking about difference and link among water quality standards in China[J]. Environmental Pollution & Control, 2009, 31(6): 104-108. DOI:10.3969/j.issn.1001-3865.2009.06.030 |
| [10] |
毕岑岑, 王铁宇, 吕永龙. 环境基准向环境标准转化的机制探讨[J]. 环境科学, 2012, 33(12): 4422-4427. Bi C C, Wang T Y, Lv Y L. Mechanism for transformation of environmental criteria into environmental standards in China[J]. Environmental Science, 2012, 33(12): 4422-4427. |
| [11] | Colman J A, Massey A J, Levin S B. Determination of dilution factors for discharge of aluminum-containing wastes by public water-supply treatment facilities into lakes and reservoirs in Massachusetts[R]. Washington: U.S. Geological Survey, 2016. |
| [12] | Wess R A. Update of EMA's guideline on the environmental risk assessment (ERA) of medicinal products for human use[J]. Therapeutic Innovation & Regulatory Science, 2021, 55(2): 309-323. |
| [13] | Canada Environment, Canada Health. Priority substances list state of the science report[EB/OL]. https://www.canada.ca/en/health-canada/services/environmental-workplace-health/reports-publications/environmental-contaminants/canadian-environmental-protection-act-1999-priority-substances-list-assessment-report-ethylene-glycol.html, 2007-12-17. |
| [14] | EPA. Methods for measuring the acute toxicity of effluents and receiving waters to freshwater and marine organisms[EB/OL]. https://nepis.epa.gov/Exe/ZyPURL.cgi?Dockey=P1008IOL.txt, 2010-09-27. |
| [15] | Abily M, Acuña V, Gernjak W, et al. Assessment of Spanish rivers current and future ecological status using urban wastewater dilution factor[M]. Singapore: Springer, 2022: 1087-1101. |
| [16] |
王颖, 符志友, 冯承莲, 等. 水质基准与标准对我国环保产业的拉动分析[J]. 中国环境管理, 2017, 9(4): 13-19. Wang Y, Fu Z Y, Feng C L, et al. Effects of water quality criteria and standards on environmental protection industry in China[J]. Chinese Journal of Environmental Management, 2017, 9(4): 13-19. |
| [17] |
李橙, 吴亦红, 赵阳, 等. 水质基准与标准研究现状及转化方法分析[J]. 环境与发展, 2023, 35(1): 99-104. Li C, Wu Y H, Zhao Y, et al. Research status of water quality criteria and standards and analysis on the transformation methods[J]. Environment and Development, 2023, 35(1): 99-104. |
| [18] |
夏鹏, 金琪, 司静宜, 等. 基于CiteSpace的中国水质基准研究热点分析[J]. 环境污染与防治, 2022, 44(11): 1546-1550. Xia P, Jin Q, Si J Y, et al. Research hotspots analysis of water quality criteria in China based on CiteSpace[J]. Environmental Pollution & Control, 2022, 44(11): 1546-1550. |
| [19] |
马超群, 李正炎, 胡泓, 等. 基于盐度校正的中国河口铜水生生物水质基准研究[J]. 中国海洋大学学报, 2023, 53(3): 82-97. Ma C Q, Li Z Y, Hu H, et al. Study of water quality criteria of copper for the protection of Chinese estuarine species based on salinity correction method[J]. Periodical of Ocean University of China, 2023, 53(3): 82-97. |
| [20] |
丁仁, 廖梓童, 陆韻, 等. 长江流域地表水中镉生态风险的区域差异分析[J]. 环境科学, 2024, 45(6): 3186-3195. Ding R, Liao Z T, Lu Y, et al. Analysis of regional differences in cadmium ecological risk in surface waters of the Yangtze River basin[J]. Environmental Sciences, 2024, 45(6): 3186-3195. |
| [21] |
王国庆, 张建云, 管晓祥, 等. 中国主要江河径流变化成因定量分析[J]. 水科学进展, 2020, 31(3): 313-323. Wang G Q, Zhang J Y, Guan X X, et al. Quantifying attribution of runoff change for major rivers in China[J]. Advances in Water Science, 2020, 31(3): 313-323. |
| [22] | Xu K H, Milliman J D, Xu H. Temporal trend of precipitation and runoff in major Chinese Rivers since 1951[J]. Global and Planetary Change, 2010, 73(3-4): 219-232. DOI:10.1016/j.gloplacha.2010.07.002 |
| [23] | O'Brien J W, Thai P K, Eaglesham G, et al. A model to estimate the population contributing to the wastewater using samples collected on census day[J]. Environmental Science & Technology, 2014, 48(1): 517-525. |
| [24] | Choi P M, O'Brien J W, Tscharke B J, et al. Population socioeconomics predicted using wastewater[J]. Environmental Science & Technology Letters, 2020, 7(8): 567-572. |
| [25] | Rice J, Westerhoff P. High levels of endocrine pollutants in US streams during low flow due to insufficient wastewater dilution[J]. Nature Geoscience, 2017, 10(8): 587-591. DOI:10.1038/ngeo2984 |
| [26] |
唐以剑, 章申. 我国发展中的水环境问题与对策[J]. 地理学报, 1989, 44(3): 302-313. Tang Y J, Zhang S. The problems of the control of water quality in economic development of china[J]. Acta Geographica Sinica, 1989, 44(3): 302-313. DOI:10.3321/j.issn:0375-5444.1989.03.007 |
| [27] | Good S P, Kennedy C D, Stalker J C, et al. Patterns of local and nonlocal water resource use across the western U.S. determined via stable isotope intercomparisons[J]. Water Resources Research, 2014, 50(10): 8034-8049. DOI:10.1002/2014WR015884 |
| [28] | Moore J W, Semmens B X. Incorporating uncertainty and prior information into stable isotope mixing models[J]. Ecology Letters, 2008, 11(5): 470-480. DOI:10.1111/j.1461-0248.2008.01163.x |
| [29] |
彭宗琪. 中国主要大型湖泊表面水温变化特征与驱动因素分析[D]. 昆明: 云南师范大学, 2022. Peng Z Q. Analysis on the characteristics and driving factors of surface water temperature variation of major large lakes in China[D]. Kunming: Yunnan Normal University, 2022. |
| [30] |
张兆康. 高密度光释光测年揭示青海湖流域千年尺度气候演变[D]. 西宁: 青海师范大学, 2023. Zhang Z K. Millennial-scale climate evolution in the Qinghai Lake basin revealed by high-resolution optically stimulated luminescence dating[D]. Xining: Qinghai Normal University, 2023. |
| [31] |
蔡平, 刘荣坤, 高鸣远, 等. 2009—2021年高邮湖水质时空变化与驱动因素[J]. 江苏水利, 2023(5): 4-9. Cai P, Liu R K, Gao M Y, et al. Spatial-temporal changes and driving factors of water quality in Gaoyou lake from 2009 to 2021[J]. Jiangsu Water Resources, 2023(5): 4-9. |
| [32] |
王瑞, 牛振国. 中国湖泊温度变化特征及其对气候变化的响应[J]. 中国环境科学, 2020, 40(2): 780-788. Wang R, Niu Z G. Characteristics of changes in lake temperature in China and their response to climate change[J]. China Environmental Science, 2020, 40(2): 780-788. DOI:10.3969/j.issn.1000-6923.2020.02.038 |
| [33] |
刘炎. 环境因子对氨氮毒性影响及氨氮水生生物基准校验[D]. 南京: 南京大学, 2014. Liu Y. Influence of environmental factors on the acute toxicity of ammonia to Corbiculafluminea and Limnodrilushoffmeisteri and validation of aquatic criteria for ammonia in China[D]. Nanjing: Nanjing University, 2014. |
| [34] | Auderset A, Moretti S, Taphorn B, et al. Enhanced ocean oxygenation during Cenozoic warm periods[J]. Nature, 2022, 609(7925): 77-82. DOI:10.1038/s41586-022-05017-0 |
| [35] |
高静思, 朱佳, 董文艺. 光照对我国常见藻类的影响机制及其应用[J]. 环境工程, 2019, 37(5): 111-116. Gao J S, Zhu J, Dong W Y. Influence mechanism of light on common algae and its application[J]. Environmental Engineering, 2019, 37(5): 111-116. |
| [36] |
黄炜惠, 马春子, 李文攀, 等. 我国地表水溶解氧时空变化及其对全球变暖的响应[J]. 环境科学学报, 2021, 41(5): 1970-1980. Huang W H, Ma C Z, Li W P, et al. Spatial-temporal variations of dissolved oxygen and their response to global warming in China[J]. Acta Scientiae Circumstantiae, 2021, 41(5): 1970-1980. |
| [37] |
黄炜惠, 李文攀, 霍守亮, 等. 美国溶解氧基准标准及其对我国的启示[J]. 环境科学研究, 2021, 34(6): 1338-1346. Huang W H, Li W P, Huo S L, et al. US Dissolved oxygen criterion, standard and its revelation for China[J]. Research of Environmental Sciences, 2021, 34(6): 1338-1346. |
| [38] |
廖伟, 冯承莲, 刘大庆, 等. 基于累积概率分布法评估典型水环境因子对铜毒性的影响[J]. 环境工程, 2019, 37(11): 25-29. Liao W, Feng C L, Liu D Q, et al. Evaluation of influence of typical water conditions on cooper toxicity based on the cumulative probability distribution method[J]. Environmental Engineering, 2019, 37(11): 25-29. |
| [39] |
梁为纲, 牛琳, 王珺瑜, 等. 水体硬度对铅水质基准值的影响及校正方法探究[J]. 生态毒理学报, 2021, 16(4): 191-206. Liang W G, Niu L, Wang J Y, et al. Effect of water hardness on water quality criteria of lead and correction method[J]. Asian Journal of Ecotoxicology, 2021, 16(4): 191-206. |
| [40] |
王菲, 廖静, 茅丹俊, 等. 中国典型河湖水体铅的水生生物安全基准与生态风险评价[J]. 生态毒理学报, 2017, 12(3): 434-445. Wang F, Liao J, Mao D J, et al. Aquatic quality criteria and ecological risk assessment for lead in typical waters of China[J]. Asian Journal of Ecotoxicology, 2017, 12(3): 434-445. |
| [41] |
孙梨宗, 郭橙, 台培东. 水环境因子对镧系元素生物毒性效应的影响[J]. 生态学杂志, 2022, 41(5): 955-962. Sun L Z, Guo C, Tai P D. Effects of water environmental factors on the biological toxicity of lanthanides[J]. Chinese Journal of Ecology, 2022, 41(5): 955-962. |
| [42] | Bogart S J, Woodman S, Steinkey D, et al. Rapid changes in water hardness and alkalinity: calcite formation is lethal to Daphnia magna [J]. Science of the Total Environment, 2016, 559: 182-191. DOI:10.1016/j.scitotenv.2016.03.137 |
| [43] |
刘征涛. 中国氨氮水质基准研究支撑相关水质标准的科学制订[J]. 世界环境, 2018(2): 27-30. Liu Z T. China's benchmarking study of ammonia nitrogen water quality supports the scientific formulation of relevant water quality standards[J]. World Environment, 2018(2): 27-30. |
| [44] |
廖梓童, 陆韻, 陈卓, 等. 黄河流域氨氮水生生物生态风险时空分异特征[J]. 环境科学研究, 2024, 37(1): 42-50. Liao Z T, Lu Y, Chen Z, et al. Characteristics of spatial-temporal variation of ammonia nitrogen aquatic organism ecological risks in the Yellow River Basin[J]. Research of Environmental Sciences, 2024, 37(1): 42-50. |
| [45] | 芦朋, 刘悦. 电导率在水质分析中的应用[J]. 河北水利, 2020(3): 40-41. DOI:10.3969/j.issn.1004-7700.2020.03.030 |
| [46] | Li Y, Mu D, Wu H Q, et al. Derivation of copper water quality criteria in the Bohai Sea of China considering the effects of multiple environmental factors on copper toxicity[J]. Environmental Pollution, 2022, 308: 119666. DOI:10.1016/j.envpol.2022.119666 |
| [47] | Pernet-coudrier B, Clouzot L, Varrault G, et al. Dissolved organic matter from treated effluent of a major wastewater treatment plant: characterization and influence on copper toxicity[J]. Chemosphere, 2008, 73(4): 593-599. DOI:10.1016/j.chemosphere.2008.05.064 |
| [48] | Yi X W, Gao Z Q, Liu L H, et al. Acute toxicity assessment of drinking water source with luminescent bacteria: impact of environmental conditions and a case study in Luoma Lake, East China[J]. Frontiers of Environmental Science & Engineering, 2020, 14(6): 109. |
| [49] |
黄轶, 闫振广, 张天旭, 等. 我国水质基准制定中生态毒性数据质量评估方法研究[J]. 环境工程技术学报, 2021, 11(1): 122-128. Huang Y, Yan Z G, Zhang T X, et al. Evaluation method of ecotoxicity data quality for deriving water quality criteriain China[J]. Journal of Environmental Engineering Technology, 2021, 11(1): 122-128. |
| [50] |
闫振广, 王一喆. 水环境重点污染物物种敏感度分布评价[M]. 北京: 化学工业出版社, 2015. Yan Z G, Wang Y Z. Evaluation of species sensitivity distribution for water pollutants[M]. Beijing: Chemical Industry Press, 2015. |
| [51] |
王晓南, 闫振广, 余若祯, 等. 中美水生生物基准受试物种敏感性差异研究[J]. 环境科学, 2016, 37(8): 3216-3223. Wang X N, Yan Z G, Yu R Z, et al. Difference of species sensitivities for aquatic life criteria in China and the USA[J]. Environmental Science, 2016, 37(8): 3216-3223. |
| [52] |
刘娜, 李亚兵, 刘红玲. 多因子影响下铜的水质基准及生态风险[J]. 中国环境科学, 2022, 42(7): 3353-3361. Liu N, Li Y B, Liu H L. The water quality criteria and ecological risks of copper under the influence of multiple factors[J]. China Environmental Science, 2022, 42(7): 3353-3361. DOI:10.3969/j.issn.1000-6923.2022.07.039 |
| [53] |
刘萌硕, 王召丁, 马云龙, 等. 黄河流域阿特拉津的水质基准研究[J]. 生态毒理学报, 2022, 17(6): 400-408. Liu M S, Wang Z D, Ma Y L, et al. Water quality criteria for atrazine in the Yellow River Basin[J]. Asian Journal of Ecotoxicology, 2022, 17(6): 400-408. |
| [54] |
梁霞. 长江三角洲流域溴氰菊酯和莠去津水生生物基准研究[D]. 南京: 南京师范大学, 2015. Liang X. The aquatic organism criteria for deltamethrin and atrazine in the Yangtze River delta region[D]. Nanjing: Nanjing Normal University, 2015. |
| [55] | Liu Z H, Tai P D, Li X J, et al. Deriving site-specific water quality criteria for ammonia from national versus international toxicity data[J]. Ecotoxicology and Environmental Safety, 2019, 171: 665-676. DOI:10.1016/j.ecoenv.2018.12.078 |
| [56] |
雷炳莉, 刘倩, 孙延枫, 等. 内分泌干扰物4-壬基酚的水质基准探讨[J]. 中国科学: 地球科学, 2012, 55(5): 657-664. Lei B L, Liu Q, Sun Y F, et al. Water quality criteria for 4-nonylphenol in protection of aquatic life[J]. Science China Earth Sciences, 2012, 55(6): 892-899. |
| [57] |
苏海磊, 吴丰昌, 李会仙, 等. 我国水生生物水质基准推导的物种选择[J]. 环境科学研究, 2012, 25(5): 506-511. Su H L, Wu F C, Li H X, et al. Species selection for deriving water quality criteria for protection of aquatic organisms in China[J]. Research of Environmental Sciences, 2012, 25(5): 506-511. |
| [58] |
赵晓丽, 赵天慧, 李会仙, 等. 中国环境基准研究重点方向探讨[J]. 生态毒理学报, 2015, 10(1): 18-30. Zhao X L, Zhao T H, Li H X, et al. Investigation on important directions of China environmental quality criteria[J]. Asian Journal of Ecotoxicology, 2015, 10(1): 18-30. |
| [59] |
张昕喆, 王俊岭, 冯萃敏, 等. 辣椒轻斑驳病毒作为水中粪便污染指示物研究进展[J]. 中国公共卫生, 2020, 36(2): 265-269. Zhang X Z, Wang J L, Feng C M, et al. Pepper mild mottle virus as an indicator of fecal contamination in water: a review on research progress[J]. Chinese Journal of Public Health, 2020, 36(2): 265-269. |
| [60] | Chen M, Wei D B, Li L P, et al. Magnitude filter combined with mass filter: a reliable strategy to improve the reproducibility of ESI-FT-ICR-MS analysis on the fingerprint of dissolved organic matter[J]. Analytical Chemistry, 2022, 94(30): 10643-10650. DOI:10.1021/acs.analchem.2c00879 |
| [61] |
田艺苑, 孙立鑫, 杨薇. 使用自组织特征映射神经网络对湖泊水生态功能分区[J]. 北京师范大学学报(自然科学版), 2021, 57(1): 159-165. Tian Y Y, Sun L X, Yang W. Eco-functional regionalization of Baiyangdian Lake water system according to self-organizing feature map of neural networks[J]. Journal of Beijing Normal University (Natural Science), 2021, 57(1): 159-165. |
| [62] |
王一旭, 王飞儿, 俞洁. 基于自组织映射与随机森林耦合模型的流域水质空间差异性评估[J]. 环境科学学报, 2020, 40(6): 2278-2285. Wang Y X, Wang F E, Yu J. Self-organizing map random forest coupling model based spatial heterogeneity evaluation of water quality in the watershed[J]. Acta Scientiae Circumstantiae, 2020, 40(6): 2278-2285. |