利用Hyperion高光谱数据的三波段法反演太湖叶绿素a浓度

以2004-08-19太湖野外试验所获取的水质数据(叶绿素a浓度7.8~154.3μg.L-1,总悬浮物浓度65.0~190.2 mg.L-1,N=38)和同步的Hyperion星载高光谱数据为研究对象,利用三波段算法反演太湖水体的叶绿素a浓度.通过分析太湖固有光学量的特点,提出适用于太湖的3个特征波段的选择依据,并对波段进行优化计算,在此基础上建立了三波段统计模型,最后对模型的反演精度进行分析与评价.结果表明,Hyperion的B34(691.37 nm)、B37(721.90 nm)和B50(854.18 nm)组成三波段模型变量与叶绿素a浓度具有最高的相关系数(r=0.934),模型的决定系数(R2)和均方根误差(RMSE)分别为0.872和13.93μg.L-1,其反演精度优于传统经验统计模型,如比值模型(R2=0.844,RMSE=15.41μg.L-1)和一阶微分模型(R2=0.831,RMSE=16.00μg.L-1).研究结果证实了三波段法适用于内陆富营养化浑浊水体和Hyperion高光谱数据,为今后更精确地反演内陆水体的叶绿素a浓度提供了参考依据.     

基于数据同化的太湖叶绿素多模型协同反演

在国内外众多学者的不懈努力下,开发了大量的水质参数遥感估算反演模型,但不同的模型都具有其"局限性",只能从某个层面反映"真值".基于上述考虑,本研究发展了基于数据同化方法的太湖叶绿素a浓度多模型协同反演算法.利用2006~2009年太湖野外实测水体高光谱遥感反射率数据,构建了7个叶绿素a浓度反演模型;通过模型精度对比,最终遴选出6个适宜的叶绿素a浓度反演模型.进而使用不同模型组合,进行多模型协同反演.结果表明:1多模型协同反演算法的反演精度要高于单模型反演的反演精度,最优MAPE仅为22.4%;2随着参与多模型协同反演的模型个数的增加,其反演精度也逐渐提高,MAPE均值从25.6%降低到23.4%,RMSE均值从15.082μg·L-1降低到14.575μg·L-1,相关系数R均值从0.91提升到0.92;3通过对多模型协同反演产品的置信区间进行计算,可以有效地估算产品精度和误差,同时使得获取全湖反演叶绿素a浓度的误差空间分布情况成为可能.     

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.     

MODIS时序影像的福建近岸叶绿素a浓度反演

叶绿素a(Chl-a)浓度是可以直接遥感反演的重要水质参数之一,常用来评价近岸水体的富营养化程度.为有效监测福建近岸水域中的叶绿素a浓度变化,本文利用MODIS时间序列影像数据,采用适用于小样本数据的机器学习方法随机森林(Random Forest, RF)和传统的特征波段比值(Band Ratio, BR)方法,结合时序浮标观测数据,在浮标观测站点有限的情况下,采用"以时间连续补空间稀疏"的建模策略,分别对福建近岸不同时相叶绿素a浓度进行遥感反演,并对反演结果进行验证与分析.结果显示RF、BR两种方法反演的均方根误差(RMSE)分别为0.49、0.52μg·L~(-1),平均绝对百分比误差(MAPE)分别为37.50%、50.20%,平均决定系数(R~2)分别为0.87、0.21.可见,基于MODIS时序影像的RF模型可较准确估测福建近岸叶绿素a浓度,且精度优于BR模型.在近岸水环境普遍恶化且浮标观测站点有限的情况下,本研究可提供一种有效监测叶绿素a浓度的方法,有利于福建近岸水环境(如赤潮)的遥感监测.     

基于环境一号卫星的太湖叶绿素a浓度提取

综合环境一号小卫星的CCD数据和同步地面水质监测数据,发现可见光红波段与近红外波段的波段组合与叶绿素a实测浓度存在较高相关性,并以此为基础建立了3个提取水体表层叶绿素a浓度的遥感信息模型.经验证分析,基于近红外波段与红波段比值的模型用于叶绿素a浓度反演提取的精度良好,RMSE达到了6.04mg/m3.将该模型应用于环境一号卫星CCD数据,生成了2009年5~12月共8幅太湖水体叶绿素a浓度分布图,并对其进行了时空分析,结果符合实际,并与以往的研究结果相一致.但模型不适用于水生植被覆盖较多区域叶绿素a浓度估算.     

基于GOCI影像和水体光学分类的内陆湖泊叶绿素a浓度遥感估算

叶绿素a作为水质参数之一,常用来作为衡量水体富营养化程度的指示标准.利用从太湖及洞庭湖获取的326个实测数据,基于实测遥感反射率对水体光谱进行光学分类,结果表明所采集的样点可分为3种水体类型.结合GOCI的波段设置,建立了不同类型水体的叶绿素a浓度反演模型.水体类型一可以利用490 nm(3波段)和555 nm(4波段)来反演,水体类型二可利用660 nm(5波段)和443 nm(2波段),水体类型三利用745 nm(7波段)和680 nm(6波段).精度分析表明,分类后的平均相对误差明显下降,类型一为38.91%、类型二为24.19%、类型三为22.90%;类型一均方根误差为4.87μg·L-1、类型二为8.13μg·L-1、类型三为11.66μg·L-1;分类前后的总体平均相对误差由49.78%降低到29.59%,总体均方根误差由14.10μg·L-1降低到9.29μg·L-1,分类后反演精度得到了显著提高.利用2013年5月13日8景GOCI影像反演了太湖的叶绿素a浓度,结果表明,2013年5月13日太湖叶绿素a浓度日变化显著,高值区主要集中在竺山湾、梅梁湾、贡湖湾,低值区主要集中在湖心区以及南部区域,10:00以后太湖西南部沿岸的叶绿素a浓度显著降低.这种先分类后反演的方法对于二类水体的模型反演精度的提高具有重要作用.     

太湖水域叶绿素a浓度的遥感反演研究

利用太湖水域MODIS遥感数据的各波段反射率组合计算值,与实测的叶绿素a浓度进行相关性分析,找到相关性最好的反射率组合,建立反演太湖叶绿素a浓度的遥感模型.结果表明,利用MODIS数据可以较好地实现对太湖水域叶绿素a浓度的定量反演计算,并以MODIS数据第3、第17波段的反射率组合作为遥感指数建立了反演叶绿素a浓度的模型.第3、第17波段的波长范围分别为459nm～479nm、890nm～920nm,这一波段选择与以往使用TM数据得到的结论有所不同.     

基于HJ-1A卫星超光谱数据的太湖叶绿素a浓度及悬浮物浓度反演

通过对2010年5月2日太湖HJ-1A卫星超光谱影像的几何纠正和6S模型辐射校正,以及水体实测光谱数据和影像光谱数据分析,将太湖28个水体采样点光谱数据分别进行归一化处理和一阶微分处理后,选取和水质参数相关系数最大的波段或波段组合建立反演模型,获得太湖叶绿素a浓度以及悬浮物浓度的空间分布图.研究表明,超光谱影像B73波...     

香港近海海域叶绿素a定量反演及时空变化分析

以2009~2019年HJ-1A/B卫星多光谱数据和对应日期的实测数据为数据源,通过预处理提取出各波段组合反射率并与实测叶绿素a浓度数据进行统计相关性分析,选取相关性最高的波段组合作为特征变量与2/3的实测叶绿素a浓度数据进行建模,并用剩下的1/3实测叶绿素a浓度数据进行精度验证以确定最佳遥感反演模型,最后根据最佳反演模型对2009-2019年的香港近海海域叶绿素a浓度进行反演,明晰该海域近10年的叶绿素a浓度时空变化特征.结果表明：利用HJ-1A/B卫星多光谱数据反演香港近海海域叶绿素a浓度的最佳波段组合为第3波段和第2波段比值（B3/B2）,相关系数（r）为0.893;最佳反演模型为利用B3/B2构建的e指数回归模型（Chl=0.004e^6.693(B3/B2)）,决定系数（R²）为0.934,均方根误差（RMSE）为0.255μg/L,平均相对误差（RPD）为25%;近10年香港近海海域的叶绿素a浓度时空变化特征：空间上整体呈现“东高西低,由东向西逐渐减小”的分布特征,西部海域比东部海域平均浓度低5μg/L左右;2017年内呈“春低秋高,夏升冬降”的随季节变化特点,其中秋季最高,夏春两季次之,冬季最低.     

二龙湖富营养化状态高光谱遥感评价研究

通过对二龙湖水体高光谱反射率、归一化以及一阶微分反射率与叶绿素a(Chl-a)进行相关分析,确定与其相关性最好的波段,对Chl-a浓度进行反演。同时,波段比值法也用于反演Chl-a浓度。研究结果表明,单波段模型以及波段比值建立的模型精度均较高,而基于波段比值法的模型验证精度更高(R~2=0.71)。基于高光谱反射率数据,选择敏感波段,对透明度(SDD)、总磷(TP)和总氮(TN)浓度进行反演,结果表明基于原始数据所建模型精度较为理想。结合综合营养状态指数法和营养状态分级指标,对二龙湖的富营养状态进行评价,结果显示,基于高光谱数据反演二龙湖富营养化程度的精度较高(r=0.88),湖水呈现中营养化状态。     

面向GOCI数据的太湖总磷浓度反演及其日内变化研究

总磷浓度是水质评价的一个重要指标,是水体富营养化、蓝藻水华暴发的重要影响因素,遥感技术具有范围广、时效高的优势,利用卫星遥感监测总磷浓度,对于水质和富营养化的研究有着重要意义.利用2013~2014年3次地面实验数据,构建了基于GOCI影像的总磷反演模型,为了检验模型的适用性,选取2014年春、夏、秋、冬各1日GOCI影像,对太湖总磷浓度的日内变化进行分析.结果表明,利用GOCI数据8个波段的波段组合作为变量,进行逐步回归分析所建立的模型具有较高的反演精度,模型的决定系数为0.898,平均绝对误差百分比为14.296%,均方根误差为0.026 mg·L~(-1).同时,利用地面实测样点与同步卫星影像对模型进行了精度分析,2014年8月5日和2014年10月24日同步影像的验证精度分别为:平均绝对误差百分比为33.642%和22.551%,均方根误差为0.076 mg·L~(-1)和0.028 mg·L~(-1).对4个季节中4 d的30幅影像对比分析表明,不同季节总磷浓度的绝对含量存在差异,但是,总磷浓度的时空分布及从早晨到下午的差异性存在相似性.从空间分布上看,梅梁湾、竺山湾、贡湖湾及西南部沿岸小梅港、长兜港总磷浓度长期偏高,各个区域的总磷浓度变化受到风向、风速等因素的影响;从时间变化上看,早上总磷浓度最高,随后逐渐降低,反映了总磷浓度受到温度和光照影响的效果.     

基于OLCI数据的福建近海悬浮物浓度遥感反演

悬浮物（TSM）是评估水质的重要指标,也是水色遥感反演的核心参数之一.海陆色度仪（OLCI）是新一代海洋水色传感器,具有良好的光谱及时空分辨率.为有效监测福建近海悬浮物浓度的时空变化,本文结合OLCI遥感数据和现场实测悬浮物浓度数据,使用CatBoost、随机森林和多元回归方法,分别构建悬浮物浓度反演模型,最后使用验证集对比分析不同模型的反演精度.结果表明,CatBoost模型估算精度最高,均方根误差（RMSE）为2.76 mg·L^-1,平均绝对百分比误差（MAPE）为23.67%,决定系数R²为0.89.使用CatBoost模型对2017—2018年多时相OLCI影像进行TSM浓度遥感反演,结果发现,福建近海TSM浓度变化显著,但总体呈现近岸高于远岸、北部高于南部、江河入海口和港湾处高于周围其他海域、春季高于夏季的时空分布特征.本研究可为福建近海的悬浮物浓度监测提供一种有效的方法,也进一步证明了OLCI影像良好的水色反演能力,可作为水质监测的有效遥感数据源.     

氧化石墨烯对邻苯二甲酸二丁酯藻毒性的影响

以海洋微藻青岛大扁藻(Platymonas helgolanidica var.tingtaoensis)为受试对象,研究了氧化石墨烯(graphene oxide,GO)与邻苯二甲酸二丁酯(dibutyl phthalate,DBP)单独及共同对青岛大扁藻的急性毒性效应,考察了藻细胞的生长状况,光合色素产量,细胞通透性,氧化应激指标及扫描电镜,以探讨GO的加入对DBP藻毒性的影响.结果表明,低浓度GO(0.1~10 mg·L~(-1))对青岛大扁藻的藻密度和叶绿素产量无明显影响,但藻细胞通透性随GO浓度升高显著增加(P0.05),10mg·L~(-1)时达到空白组的2.2倍.DBP对青岛大扁藻的EC50,96 h为(11.14±0.80)mg·L~(-1),其毒性远大于GO(EC50,96 h大于100mg·L~(-1)).1 mg·L~(-1)GO的加入使DBP的EC50,96 h降低到(4.93±2.14)mg·L~(-1),低浓度GO对DBP藻毒性表现出一定的增强作用.1 mg·L~(-1)的GO加入时,对低浓度DBP组(0.1~2 mg·L~(-1))的藻密度、叶绿素产量、细胞通透性水平没有显著性影响,但加剧了高浓度DBP组(4 mg·L~(-1))对藻密度、叶绿素产量的抑制,使单个藻细胞内ROS和SOD平均增加了21%和7%.扫描电镜结果发现GO对藻细胞具有覆盖,包裹及聚集作用,这些可能是DBP藻毒性增强的主要原因.该结果为揭示新型污染物碳纳米材料对海洋生物的风险提供了数据支持.     

北京市典型土著沉水植物对水体中硝酸盐和正磷酸盐的耐受性研究

以北京市3种典型土著沉水植物轮叶黑藻、狐尾藻和金鱼藻为研究对象,构建模拟水生生态系统,研究3种沉水植物对水体中NO₃^-和PO₄^3-的耐受性并确定其耐受范围.同时,对植物体内过氧化氢酶、丙二醛、叶绿素和蛋白质4种指标进行检测.结果表明,轮叶黑藻对NO₃^-具有较强的耐受性,耐受浓度可达8 mg·L^-1,金鱼藻和狐尾藻次之,耐受浓度为3~5 mg·L^-1;狐尾藻对PO₄^3-的耐受性最差,耐受浓度约为0.2 mg·L^-1,轮叶黑藻和金鱼藻的耐受性相当,当PO₄^3-浓度达到0.4 mg·L^-1时开始出现显著胁迫.因此,在本研究的实验条件下,当水体NO₃^-浓度<5 mg·L^-1、PO₄^3-浓度<0.2 mg·L^-1时,建议3种沉水植物同时种植;当NO₃^-浓度>5 mg·L^-1时,建议种植轮叶黑藻;当PO₄^3-浓度为0.2~0.4 mg·L^-1时,建议种植轮叶黑藻和金鱼藻.研究结果可为北京市再生水补给河湖水库的水生态修复及其沉水植物群落的构建提供一定的理论指导.     

滨海地区混盐水体富营养化主因子识别与分析——以天津市清净湖为例

水质与水体营养化程度密切相关,提炼识别其中的主要影响因素并合理控制是水体富营养化防治的有效途径.我国滨海地区地表水咸化问题突出,混盐水体(含盐量500~30000 mg·L-1)众多,其中,许多混盐水体还同时面临富营养化加剧及水华的威胁.因此,本文以天津滨海地区典型混盐水体清净湖为研究对象,通过对其水环境监测数据的统计学分析,结合藻类生长模拟实验,对其富营养化主要影响因子进行识别与分析.结果表明,总磷和矿化度为清净湖藻类生长的主要影响因子,叶绿素a浓度与矿化度呈显著负相关关系,与总磷呈显著正相关关系,以总磷和矿化度为自变量的多元线性回归模型可较好地预测叶绿素a动态.水体含盐量在15000~25000 mg·L-1的范围适宜藻类生长增殖,而当盐度小于10000 mg·L-1或大于30000 mg·L-1时,藻类生长受到抑制;在清净湖当前氮浓度水平下,磷含量增加会促进藻类生长增殖,藻类生长速率呈P3组(10∶1,氮磷比)P4组(5∶1)P2组(20∶1)P1组(50∶1)P0组(无磷培养液),氮磷比为10∶1时最适宜藻类生长.     

基于改进的PSO优化LSSVM参数的松花江哈尔滨段悬浮物的遥感反演

悬浮物是松花江水质和水环境评价的重要参数之一.利用在松花江哈尔滨段江面上29个采样点的实测高光谱和悬浮物浓度数据,用20个采样点数据为训练集,9个采样点数据为测试集.将机器学习和全局优化智能计算方法引入,应用改进的粒子群(PSO)优化最小二乘支持向量机(LSSVM)参数,以均方根误差RMSE为适应度函数,根据迭代得到LSSVM最优参数值,用700 nm和750 nm光谱反射率比值(R700/R750)为特征变量,悬浮物数据为目标变量,用训练集数据训练得到反演模型,使用测试集数据进行验证.结果表明,此模型收敛速度快,精度高,得到预测值的均方根误差RMSE为10.11 mg·L-1,平均绝对百分误差MAPE为10.72%,模型决定系数R2为0.952,该方法可用来对其它水质参数反演预测提供参照.     

辽河流域河流秋季CDOM光学特性及影响因素研究

了解有色溶解有机物(CDOM)的光学特性有助于对水生生态系统中溶解有机物(DOM)循环过程的研究,而环境要素对CDOM光学特性的影响会进一步影响水环境中的碳循环过程.利用2013年9月和10月辽河水体实测数据对水体反射特性、CDOM的吸收特性、荧光特性及各种水质参数对CDOM光学特性的影响进行研究.结果表明,辽河流域河流总氮(均值4.40 mg·L~(-1))、铬浓度(均值0.0065 mg·L~(-1))超过国家地表水V类标准.悬浮泥沙光谱特征较为明显的水样,其CDOM的吸收曲线非常相近,叶绿素a光谱特征较为明显的水样,其CDOM吸收曲线之间的差别较大.辽河流域水体CDOM的吸收斜率S275-295(0.0163~0.0191 nm-1)高于其他大多数河流,而低于湖泊、水库.对比辽河流域河流发现,东辽河与辽河水体CDOM组成物质的分子量相对较小,东辽河CDOM的芳香性最高,而西辽河最低.根据荧光指数、腐殖化指数及生物源指数分析发现,辽河流域水体主要以陆源的、高等植物DOM为主,太子河、大凌河CDOM具有较为明显的自生源特征.通过荧光峰的分布发现,辽河水体CDOM以类腐殖酸荧光峰(A峰、C峰)为主,部分河流(辽河干流)同时表现出较强的类蛋白质荧光峰(B峰、T峰).通过冗余分析(RDA)发现,水体中溶解有机碳(DOC)、总氮(TN)、总磷(TP)、总碱度(TAlk)、砷(As)及汞(Hg)与表征CDOM光学特性的参数之间存在显著的相关性(p0.05),是CDOM光学特征的主要影响因子.     

模拟水体硝态氮对黄菖蒲生长及其氮吸收的影响

为了对挺水植物在水环境与水生态修复中的应用提供参考依据,选取黄菖蒲(Iris pseudacorus L.)为对象,通过模拟水培实验,对比研究了6种水体硝态氮质量浓度(10.68、23.88、42.22、63.33、82.92、97.13 mg·L~(-1))下,黄菖蒲地上和地下生物量、根冠比、叶绿素含量、氮累计吸收量以及对硝态氮去除效果的差异,以期明确模拟水体硝态氮质量浓度对黄菖蒲生长及其氮吸收能力的影响.结果显示,首先,不同硝态氮质量浓度对黄菖蒲地上部分(茎叶)生长的影响大于地下部分(根);当硝态氮质量浓度为10.68 mg·L~(-1)时,黄菖蒲的根冠比增加;当硝态氮质量浓度为42.22~97.13 mg·L~(-1)时,黄菖蒲的根冠比减少.其次,黄菖蒲适宜生长的硝态氮质量浓度为23.88~63.33 mg·L~(-1);硝态氮质量浓度低于10.68 mg·L-1或高于82.92mg·L-1时,均会对黄菖蒲的叶绿素合成产生抑制作用.再次,黄菖蒲对氮的累积量随硝态氮质量浓度增加而增加,且地下部分对氮的累积能力优于地上部分;6种浓度下,单株黄菖蒲的氮累计吸收量为10.56~75.43 mg,其地下部分依次为地上部分的7.2、2.3、2.5、2.1、1.6以及1.5倍.此外,黄菖蒲对氮的利用效率与硝态氮质量浓度之间成显著的幂函数关系,且地上部分的氮利用效率高于地下部分.最后,黄菖蒲对硝态氮的去除率随硝态氮质量浓度增加而增加,6种浓度下黄菖蒲对硝态氮的去除率介于94.9%和99.3%之间,且水体中硝态氮质量浓度随时间延续呈指数函数降低.结果表明,黄菖蒲对硝态氮有很好的去除效果,但黄菖蒲的生长及其对氮的吸收与去除效率受水体硝态氮质量浓度影响显著,且地上部分较地下部分更为敏感.     

渭河陕西段浮游植物群落结构时空变化与影响因子分析

浮游植物是水生态系统的初级生产者,其群落结构与水环境密切相关.为了解渭河陕西段浮游植物群落结构时空格局及其与环境因子的关系,更好地进行水资源和水生态保护,于2017年9月—2018年4月在丰水期和枯水期对该河段设定的9个研究断面,27个采样点位进行浮游植物群落结构和水环境因子调查监测,共检出浮游植物8门69种,群落结构分析表明,枯水期浮游植物种类数高于丰水期.浮游植物细胞密度和生物量变化分别为84.9×10⁴~3868.3×10⁴ cells·L^-1、0.268~20.978 mg·L^-1,丰水期平均密度（1490.0×10⁴ cells·L^-1）和平均生物量（7.864 mg·L^-1）显著大于枯水期（354.8×10⁴ cells·L^-1、1.152 mg·L^-1）.优势种分别为6种和8种,主要以绿藻门和硅藻门为主.浮游植物Shannon-Wiener指数（H''）、Pielou均匀度指数（J）、Margalef丰富度指数（d）均表明丰水期浮游植物多样性高于枯水期,9个采样断面的水质总体评价呈现出无污染或轻度污染至中轻污染状态.典范对应分析（CCA）排序结果表明,影响枯水期浮游植物群落结构的主要环境因子为总磷（TP）、pH和总溶解性固体（TDS）,TP和高锰酸盐指数（COD_Mn）是影响丰水期浮游植物群落结构的主要环境因子.     

海河悬浮颗粒物影响阿特拉津对斑马鱼的急性毒性研究

悬浮颗粒物对有机污染物的吸附降低了其表观生物富集系数,这一过程是否同时能够减弱有机污染物对水生生物的毒性却少有报道.因此,本研究选取海河干流二道闸沉积物为悬浮颗粒物,以阿特拉津为目标污染物,斑马鱼为目标生物,进行急性毒性试验.结果表明,无悬浮颗粒物时,阿特拉津对斑马鱼的96 h半致死浓度(96h-LC50)为29.06 mg·L-1,95%置信区间为24.41~40.70 mg·L-1,悬浮颗粒物浓度为7500mg·L-1和15000 mg·L-1时这一指标分别为30.74 mg·L-1和39.51 mg·L-1,对应的95%置信区间分别为27.17~40.91 mg·L-1和30.43~126.93 mg·L-1.并且无悬浮颗粒物、7500 mg·L-1悬浮颗粒物、15000 mg·L-1悬浮颗粒物3组染毒系列中出现的最大无效应浓度分别为3、9和15 mg·L-1.研究表明,悬浮颗粒物的存在降低了阿特拉津对斑马鱼的急性毒性.