三峡水库万州段沉积土粪便污染分析

为了探究三峡水库沉积土粪便污染情况,以万州段为例,在蓄水期采集了9个采样点的沉积土,分析了理化性质和微生物指标。结果发现,三峡水库万州段沉积土的pH为6.24~7.01,含水率为9.00%~25.70%,有机质质量分数为1.90%~3.70%,细菌总数为1.30×10~6~9.37×10~8 cfu/g,真菌总数为1.12×10~3~1.44×10~5 cfu/g,放线菌总数为8.33×10~4~8.85×10~8 cfu/g,总大肠菌群数为120~3500MPN/g,耐热大肠菌群数为<20~790MPN/g,大肠埃希氏菌数为<20~210MPN/g。结果表明,三峡水库万州段沉积土受到了不同程度的粪便污染。总体而言,属于干流回水区或支流且位于江北、城市排污口下游的沉积土粪便污染较属于干流且位于江南、周围无排污口的沉积土严重。沉积土的理化性质与微生物指标基本没有相关性。但微生物指标之间基本可以相互印证,指示沉积土的粪便污染情况。

城市地表水中肠道病原微生物与粪便污染指示菌的关系研究

本研究选择肠道病毒、伤寒沙门氏菌、志贺氏菌、大肠埃希氏菌作为城市水体中典型的肠道病原微生物,分别建立起相应的实时荧光定量PCR检测方法.对水源水、景观娱乐用水以及城市河流样品进行长期监测,考察典型肠道病原微生物的分布特征和变化规律.肠道病毒在各地表水体中都有检出,浓度大都在103copy·L-1以下.大肠埃希氏菌的含量在保护良好的水体和接纳城市污水的水体中有明显差别,而伤寒沙门氏菌和志贺氏菌通常出现在受粪便污染较重的水体中.统计学的分析结果显示各种水体中的肠道病原微生物检出浓度均符合对数正态分布规律.粪便污染指示菌与肠道病毒之间不存在显著的相关性,但却能在一定程度上反映典型肠道病原菌的存在情况.在大肠菌群或粪大肠菌群浓度为104CFU·L-1以上的样品中,伤寒沙门氏菌、志贺氏菌具有较高的阳性率.

岸滩粪便污染指示菌来源与影响因素研究进展

粪便污染指示菌(Fecal Indicator Bacteria,FIB),如大肠杆菌、肠球菌和耐热大肠菌等是用于指示水体中污染程度的微生物,但近年来的研究表明岸滩逐步成为FIB的重要储存库。微生物源示踪技术(MicrobialSourceTracking,MST)等方法被广泛应用于溯源岸滩FIB污染,但FIB进入岸滩环境后的生消机制尚不明确,因此影响FIB在岸滩上生存、消亡的各类因素仍是目前研究的热点。基于此,本文综述了岸滩生态系统中FIB的来源,同时结合国内外研究进展分析了影响FIB生存的非生物因素、生物因素及间隙流动等其他影响因素,并针对岸滩环境中FIB对人体健康的潜在风险提出相关建议,以期降低游客的患病风险,保障公共健康安全。

辽河口粪便污染指示菌的时空分布特征

2013年分别于夏季和秋季对辽河口海域的粪便污染指示菌（总大肠菌群、粪大肠菌群和肠球菌）及环境、水化学要素进行分析,研究粪便污染指示菌在海水中的数量、分布特征及其与环境、水化学指标间的相关性,在此基础上,选取河口地区合适的粪便污染指示菌.结果表明：夏季总大肠菌群数量在1.7×105-6.2×106CFU·L-1之间,粪大肠菌群数量在5.0×102-8.7×104CFU·L-1之间,肠球菌数量在1.0×101-2.5×102CFU·L-1之间;秋季总大肠菌群数量在5.0×102-1.1×105CFU·L-1之间,粪大肠菌群数量在4.0×102-1.0×103CFU·L-1之间,肠球菌数量在3-95 CFU·L-1之间.总大肠菌群、粪大肠菌群和肠球菌的数量变化与环境指标之间有着密切联系,特别是与盐度存在显著相关性;粪大肠菌群、肠球菌与水化学指标Si O4-4-Si、NH＋4-N、TP和COD之间均存在显著相关性;其中粪大肠菌群与SiO4-4-Si和TP的相关性系数均大于0.742（p〈0.01）,肠球菌与TP和COD的相关性系数均大于0.742.实验结果表明,辽河口粪便污染指示菌的数量在夏季高于秋季,近岸高于远海,其中粪大肠菌群和肠球菌的数量、分布特征与陆源污染物特别是氮磷的输入量密切相关,而且两者之间呈显著正相关关系.粪大肠菌群与肠球菌在一定程度上可以反映河口粪便污染情况,建议采用粪大肠菌群与肠球菌作为河口粪便污染的指示菌.

大连重要海水增养殖区粪便污染指示菌和弧菌的时空分布

开展海水增养殖区卫生安全评价对于减少人体健康风险、提高增养殖区的有效管理尤为重要。本研究于2013年3月、5月、8月和10月对大连市金石滩、大长山岛、大李家3个重要海水增养殖区的贝类和海水进行了粪便污染指示菌总大肠菌群(TC)和粪大肠菌群(FC)的监测,同时监测了弧菌总数(TV)和主要环境要素(包括水温、pH、盐度、COD、DO、Chl a)。结果表明:这3个海区贝类组织中TC及海水中的TC、FC浓度均呈显著的时间和空间分布变化。贝类组织中TC含量随时间的分布趋势为:8月>5月>3月>10月,空间分布为:大长山岛>金石滩,大长山岛>大李家,而金石滩和大李家差异不显著(P<0.05);海水中TC和FC浓度分布特征相似,时间分布特征均为:金石滩8月份最高,大李家5月份最高,而大长山岛各月份均低于最低检测限(2 MPN/100 m L),空间分布特征均为:大李家增养殖区污染较为严重,而金石滩和大长山岛差异不显著(P<0.05)。3个增养殖区8月份和10月份的海水中TV浓度较高,为3.3×102~4.23×105CFU/100 m L。通过分析不同季节海水增养殖区中TC、FC、TV之间及其与水温、pH、盐度、COD、DO、Chl a的相关性,表明环境要素以及增养殖区水域特点对于粪便污染指示菌和弧菌的时空分布具有重要的影响。为更好地反映增养殖区的卫生安全状况,海水和养殖生物体内指示生物应同时监测,在监测传统粪便污染指示菌的同时,建议将弧菌作为重要的病原菌指标。

Prediction of Coastal Fecal Indicator Bacteria Concentrations Using Multivariate Data Analysis

The application of multivariate data analysis, a method for coping with multi-colinearity among independent variables in analyzing coastal water quality data, is presented. This study investigates the statistical regression modeling of FIB （fecal indicator bacteria） concentrations at the outlet of Talbert Marsh in Orange County, California. The multivariate data modeling utilized FIB and physical variables measurements （n = 5,580） collected during a series of longitudinal study of the Talbert Marsh. For the statistical prediction modeling in predicting the FIB concentrations at the outlet of the Talbert Marsh, multivariate analysis techniques such as PCR （principal components regression）, PLS （partial least-squares） regression and SVM （support vector machine） regression were adopted. Statistical modeling results suggest that the statistical modeling predictions are all fell within the reasonable range of actual measurement data. In addition, it is indicated that the accuracy of SVM regression for predicting FIB concentrations at the Talbert Marsh outlet is better than that of other models.