在“十四五”时期，生态环境部以习近平生态文明思想为指引，明确提出新阶段的治水目标为“有河有水、有鱼有草、人水和谐”，标志着我国水生态环境管理由以水污染防治为主向水资源、水生态、水环境“三水”统筹转变^[1]。2020年，生态环境部发布的《生态环境监测规划纲要(2020—2035年)》中提出“地表水监测要逐步实现水质监测向水生态监测的系统转变，建立以流域为单元的水生态监测指标体系和评价体系”^[2]。其中，水生生物指标作为约束性指标首次纳入到“十四五”时期水生态考核中，要求应以促进水生态保护修复和水生生物多样性提升为导向，强化质量保证与质量控制(简称质控)工作，建立标准化的水生态环境监测体系^[3]。水生生物监测是水生态环境质量评价的重要基础^[4-5]，能补充传统水质理化监测无法反映污染生物效应的局限^[6-7]，可靠的水生生物监测数据对于准确评估诊断水生态环境状况与制定有效的修复保护措施至关重要，直接影响流域水生态环境管理的成效^[8]。然而，水生生物监测数据的质量受多种因素影响，如样品采集、生物鉴定、数据处理等环节的规范性操作。为确保监测数据真实可靠，加强质量保证和质量控制(QA/QC)是水生生物监测工作的“生命线”。

目前，国内在水生态监测基础理论和方法构建等方面开展了一定研究^{[7, 9-13]}，但针对水生生物监测数据质控方面的研究相对薄弱^[14-16]，其主要原因是水生生物监测质控工作需要较高的资源投入和技术水平。我国水生生物监测工作起步于20世纪70年代的环境污染调查，几乎与我国的环境监测事业同时开展，但由于环境管理需求的原因，我国水环境监测工作主要以水质理化监测为主，水生生物监测被弱化^{[7, 13]}。加之国家在经费、人力、物力上没能提供正常的能力建设支持和监测运行保障，各级监测站持续开展水生生物监测工作的非常少，很多于20世纪90年代中后期开展该项工作的监测站也弱化甚至取消了这方面工作^[13]。再者，水生生物监测多为形态鉴定，整个分析过程耗时长、效率低，对从业人员专业水平要求高^[17]，而我国环保系统中生物背景专业人才稀缺，各级监测站技术水平参差不齐^[13]，限制了水生生物监测质控方面的研究。当前，水生态监测评价技术标准规范体系亟待完善^[18-19]，已有的技术标准规范中缺少质控要求或多以描述性为主^[18-21]，使得各级监测单位开展水生生物监测的数据质量难以保证，导致流域尺度上的水生生物数据可比性较低，增加数据校准和流域管理的难度。近年来，新的科技手段如人工智能(AI)图像识别^[22-23]和环境DNA(eDNA)^[17]在水生生物监测中得到广泛应用，与传统形态学鉴定相比，其耗时少、效率高，不依赖于分析人员的专业知识和鉴定经验，减少了人为误差，在一定程度上提高了监测效率和可比性^{[17, 23]}，但同时也带来了新的质控挑战。因此，我国急需开展水生生物监测质控研究，建立完善的质控体系，提高水生生物监测数据质量，提升各地区水生态环境监测能力，以满足“十四五”末全国水生态监测业务化运行和流域治水目标。

鉴于此，本文围绕我国生态环境保护与环境安全的重大需求，针对我国当前水生生物监测质控体系尚不健全，水生生物监测能力和质控技术手段有待加强^{[7, 16]}，水生生物监测面临多样性、复杂性和特殊性等挑战^[24]，在总结梳理我国水生态监测工作的基础上，充分借鉴欧美发达国家水生生物监测质控实践经验，深入剖析我国水生生物监测质控存在的问题，较为系统地对实验室内部和外部质量保证与质量控制、水生生物监测质控数据库、人工智能识别和环境DNA新技术质控要点等方面提出标准化建议，为实现水生态监测业务化运行，准确评估我国流域水生态环境质量状况的变化和水生态修复保护提供科学依据和技术支持。

1 国外水生生物监测质量保证与质量控制措施 1.1 美国

为了保证监测工作的统一、科学和规范，美国环保署(US EPA)修订并不断更新其质量保证项目计划(quality assurance project plan, QAPP)。例如，2018—2019年的美国国家河流评价项目^[25-27]和2017年的美国国家湖泊评价项目^[28-29]。这两个项目都发布了详细的现场操作手册和质控方案，为现场监测、实验室分析和质控目标等关键环节提供了明确的技术指导。所有监测过程，从最初的样点选择到数据上报均严格按照QAPP执行，并通过信息化手段进行记录、统计和审核。这套严谨的程序对保证水生生物调查监测质量起到了关键作用。

现场监测环节，制定了明确的监测计划，包括监测点位信息、监测指标、标准化的现场数据表单、样品标签和样品容器等。为了确保数据的准确性，现场工作人员需要接受标准化的现场操作培训或由专业人员给予现场监督和指导，所有的野外作业均需按照现场操作手册(field operations manual, FOM)进行监测，同时会抽取10% 的样点进行重复采样以检查现场采样误差。

实验室分析环节，制定了实验室操作手册(laboratory operations manual, LOM)和标准化的数据表格来规范样品保存、处理、鉴定和数据记录。同时，实验室分析人员需接受内部鉴定能力验证，还需明确指定分类鉴定资料(例如，物种检索表、物种图谱、物种标本)和分类阶元(例如，科、属、种)，进一步保证物种鉴定的准确性。

在设定质控目标方面，美国环保署采取了量化的策略，包括物理生境指标的精确度、底栖动物以及浮游生物等水生生物类群的鉴定精确度和准确度。以美国国家河流调查项目为例，EPA随机选择10% 的样本进行抽检，规定其质控目标包括：物理生境调查精确度≤10%，10% 硅藻样品判定其计数差异百分比(PDE)≤15%、分类差异百分比(PTD)≤25% 为合格，大型底栖无脊椎动物样品需满足挑拣效率(PSE)≥90%、10% 的样本计数差异百分比(PDE)≤5% 和分类差异百分比(PTD)≤15% 视为样品检测合格。具体信息详见表 1。

1.2 欧盟

欧洲环境署(european environment agency，EEA)按照《水框架指令》(water framework directive，WFD)^[30]的要求开展水生态调查和评估，由于涉及多个国家，需要对各成员国提交的数据进行综合校核，并通过测量不确定度来对生物和生态数据的质量进行评估。

在质控方面，为确保数据的科学性和可比性，欧盟《水框架指令》^[30]规定欧盟各成员国开展环境监测应采用符合相关国际标准，如欧洲标准化委员会(CEN)和国际标准化组织(ISO)制定的标准^[30-31]。例如，爱尔兰、英国、丹麦、荷兰等12个国家均执行了欧洲标准化委员会制定的《水质电捕鱼取样》(BS EN 14011: 2003)标准^[32]，该委员会发布的《水质河床硅藻类常规取样和预处理指南》(BS EN 13946: 2003)^[33]也在欧盟各成员国广泛采用，《水质河流生物分类第2部分大型底栖无脊椎动物调查的生物质量数据表示方法指南》(BS EN ISO 8689—2: 2000)^[34]则是由国际标准化组织制定的标准。这些标准确保了水生生物监测的规范性和数据质量，防止各成员国由于采样和分析方法不一致而导致欧盟在流域尺度上的水生态监测数据不具可比性，进而影响对不同区域的水生态环境质量状况的准确评估^{[24, 35]}。2006年，欧盟标准化委员会通过了《水质水环境中生物和生态评价质量保证指南》(BS EN 14996: 2006(E))^[36]，该标准为水生生物监测质控制定了总体框架，包括研究设计、调查和采样、鉴定分析、验证、数据分析和报告以及人员培训。

调查和采样方面的质控要求包括：(1)完整记录现场调查和采样信息，如地理坐标、网格信息、附注、地图和现场照片，并具有唯一的标识符(位置元数据)，以确保工作人员能够准确地确定样本或调查地点的位置；(2)明确规定样本采集和保存程序，以及需要在实验室中确定的分类单元；(3)在进行生物学或生态学研究之前，应由熟悉生态区及其生物群落特征的专家提供适当的培训。

实验室分析方面的质控要求包括：(1)规定样品需按照欧洲实验室标准进行样品制备和前处理，并要求采取平行样实验和降低基质效应干扰等方法来降低制样和分析误差；(2)明确相关规范和原数据记录，提供一份能说明调查和研究地区可能遇到哪些物种的分类清单；(3)有新的分类单元出现时，需由分类学专家进行鉴定；(4)收集和保存参考资料、凭证标本和存档样本以做验证；(5)在可能的情况下，进行生态评估的人员应参与实验室间比对或熟练程度测试。

关于质控目标，《水质水环境中生物和生态评价质量保证指南》(BS EN 14996: 2006(E))^[36]指出，生物学评估方法的不确定度往往是定性的，很难对整个监测过程(采样、样品处理、鉴定、定量等)给出不确定度的绝对范围和统计限值^[36]。在许多情况下，一个良好的估计值就足以满足要求，无需精确量化不确定度^[36]。作为一般原则，测量不确定度的目的在于为数据的最终用户提供足够的指导，使其能够根据具体应用情境来判断数据的价值。然而，现有的欧洲标准和国际文件尚未给出一种适用于所有情况的不确定评估方法^[36]，这仍是一个待解决的挑战。

1.3 其他

加拿大环境部建立了加拿大水生生物监测网络(canadian aquatic biological monitoring network，CABIN)。这一网络为加拿大全国各地和各机构提供了标准化的监测方案和数据分析程序，以实现关于淡水生态系统健康的可比性和一致性。CABIN项目源自加拿大环境部在大湖区^[35]和不列颠哥伦比亚的弗雷泽河流域^[37]进行的研究，这些地区已广泛开展生物常规监测。1999年，加拿大环境部制定了CABIN国家生物监测战略^[38]，建立了共享的CABIN网站、数据库和培训方案，以支持各机构按照国家可比标准进行生物监测信息的标准化收集、评估、报告和分发^[24]。每个参与CABIN计划的组织或实验室都必须遵循既定的质控(QA/QC)程序，确保生物指标分类鉴定符合质量要求，如加拿大2014年颁布的《大型底栖无脊椎动物样品的处理、鉴定和质量控制实验室方法》(EN 84—86/2014E)^[39]。

澳大利亚在1994—2002年期间实施了国家河流健康计划(national river health program，NRHP)，旨在监测和评估澳大利亚全国河流的生态健康状况^[40]。该计划要求在1994—1996年和1997—2000年期间，澳大利亚国家、州和地区分阶段执行相应的质控计划，以解决大型底栖无脊椎动物分类鉴定问题，确保参考点和试验点收集的数据符合质控要求^[40]。然而，仍然存在一些问题，如未对所有调查点位的生物数据进行严格的质量筛选，或者由于过度取样和过度分类导致河流健康评估产生误差。为了解决这些问题，2000年新南威尔士州环保局制定了《新南威尔士州的NRHP质量控制和保证计划》，着重检测和消除大型底栖无脊椎动物由于采集和分类水平不足而产生的误差^[41]。

2 我国水生生物监测质控体系现状与标准化建议 2.1 水生生物监测质控体系研究现状与存在的问题

当前，我国的水生态监测技术质控体系正处于持续完善的阶段。生态环境部、水利部、农业农村部以及地方都发布了一系列与水生态、水生生物监测相关的标准规范^{[18-21, 42-49]}(表 2)，但这些标准尚未构成统一、规范的质控体系，大多数以描述性为主，缺乏明确的量化质控目标。比如，生态环境部中《水生态监测技术指南河流水生生物监测与评价(试行)》(HJ 1295—2023)^[18-21]现有的水生态标准中关于水生生物监测质控主要侧重于规定现场监测操作程序和分析数据记录的质控要求，除浮游植物测定方法标准^[42-43]和浮游动物测定指南^[19]外，其余均未量化质控目标。水利部的《水环境监测规范》(SL 219—2013)^[44]规定了浮游植物、浮游动物和小型底栖动物的计数精密度和准确度范围；《内陆水域浮游植物监测技术规程》(SL 773—2016)^[45]要求浮游植物计数精密度不大于30%，未提出更具体的质控目标。农业农村部的《渔业生态环境监测规范第3部分: 淡水》(SC/T 9102.3—2007)^[46]则仅要求对底栖动物的监测结果进行统计处理，也没有明确的质控目标。地方水生态标准主要针对浮游藻类提出了质控要求，但这些要求在不同的地方标准中有所不同^[47-49]，如江苏省《淡水浮游藻类监测技术规范》(DB 32/T 4005—2020)^[47]质控要求更为严格，要求每个样品均要至少计数两片标本，计数偏差(PDE)≤15%，还规定了2名人员的物种分类差异百分比(PTD)≤50% 和随机抽检10% 样本要求，而山东省《水质藻类计数视野计数法》(DB 37/T 4163—2020)^[48]则只要求每批次样品中抽取一个样品计数至少两片标本，计数偏差(PDE)≤15% 即可。

综上所述，我国水生生物监测质量保证与质量控制体系仍然存在一些问题，主要表现在质控理念和管理体系滞后、监测能力与技术体系不完善、以及新技术引入带来的挑战等问题。这些问题均可能导致监测结果出现较大的误差，影响水生态环境质量评价的准确性、精确性和可比性，不利于流域尺度的水生态环境管理。

1) 质控理念和管理体系滞后：目前，我国水生生物监测尚缺乏明确的质控思路和全面的质控管理体系。水生生物监测的各个环节，如样品采集、处理、实验室分析等环节均需明确的质控管理理念。现行的质控思路主要借鉴理化监测的质控思路和要求，简单采用准确度和精密度作为质控指标，未充分考虑生物监测的特殊性，导致质控目标难以实现。如在水利行业标准《水环境监测规范》^[44]中，对于水生生物的质控仅在附表中提及计数精密度和准确度范围，忽视了对水生生物监测全过程的质控管理，由于缺乏水生生物标准样本而无法进行准确度分析。这种简单套用传统质控方法的质控目标，使得质控适用性不强，可达性较低，同时给鉴定分析和质控管理带来难度。

2) 监测能力与技术体系不完善: 与发达国家相比，我国各级监测站的水生生物监测能力相对较弱，持续开展监测工作的站点较少，各单位监测能力参差不齐。近十年来，我国水生生物监测主要集中在长江中下游、松花江、辽河等流域，监测范围覆盖面小、数据积累不足，各单位的物种鉴定能力和鉴定要求不一致，质控目标不明确，业务体系和质控体系亟待完善。缺乏完整的水生生物监测技术规范、质控技术标准、生物标准样品和数据图库，导致各级监测人员未能采取适当的质控措施，影响监测数据的准确性和可比性。

3) 新技术引入带来挑战：当前，国外浮游植物快速监测方法多为荧光技术^[50]或流式细胞仪^[51]，但荧光技术受限于监测原理的缺陷无法对浮游植物进行属水平的分类鉴定^[52]，流式细胞仪主要适用于寡营养盐的海水样品，且未能达到智能识别的水平，不能满足我国水生态监测和评价的需要^[23]。近年来，人工智能识别^[22-23]和环境DNA^{[17, 53-55]}作为新技术手段不断应用到我国水生态监测工作中，虽然提高了监测效率，同时也为水生生物监测的质控带来机遇与挑战^[56]。从质控角度来看，新技术的优势主要体现在自动化和标准化、高通量质控、数据可追溯等方面^[56]。但与此同时，这些新技术在推广应用中也面临一些质控难题。例如，藻类人工智能分析仪通过AI图像识别对样本进行定性和定量分析，但其鉴定结果的准确性依赖于完整的、标准的生物数据库和人工智能算法的训练强度，且暂无相关的方法标准支撑。环境DNA技术尽管在国内^[54-55]和国外^[57-58]已有一些标准化的研究，但在采样效率、假阴性和假阳性、eDNA来源的不确定性、数据库缺失和定量结果不准确等方面仍然面临问题和挑战^[59]。

2.2 我国水生生物监测质控标准化建议

水生生物监测的数据质量是实现流域水生态环境质量评价和管理的重要基础。然而，我国地域广阔，生境类型多样、区域特色明显，各地区水生生物监测能力发展不均衡，不同检测机构测得的数据往往因为缺乏可比性而难以进行统一的归纳和总结^[8]。为了确保各地监测结果具有可比性，实现精准监测，提高监测工作的规范性和效率，我们需要建立一套科学、合理的水生生物监测质控体系和标准化的操作流程。借鉴欧美发达国家质控体系建设中的经验，结合中国环境监测总站印发的《水生态监测技术要求水生生物监测质量保证和质量控制(试行)》(总站水字〔2022〕386号)文件^[60]和《生态环境监测机构资质认定生物监测方法验证技术规定》(总站质管字〔2023〕279号)文件^[61]，本文针对水生生物监测的质控重点和存在问题，提出以下具体建议：

2.2.1 基本原则与主要框架

应构建一套包括内部和外部质控在内的完整的水生生物监测质控体系，目标是优化质控流程，统一监测和质控要求，以保证监测数据的准确性和可靠性。此外，应严格执行样品采集、运输和流转、实验室鉴定分析的质量管理要求，进而形成标准化体系，确保监测工作的规范性和一致性。具体实施流程见图 1。

2.2.2 内部质量保证与质量控制

内部质控重点在于规范监测流程和提升监测能力，主要包括监测前准备、样品采集与保存、样品运输与流转、实验室分析与数据审核以及信息化管理5个环节。首先，在监测前准备阶段，应制定科学、可行、统一的水生生物监测(包括质控)方案，并做好人员、技术要求、设备和车辆等准备工作。其次，样品采集阶段应有规范的采样操作程序，样品采集严格按照监测方案、技术指南和标准采样程序开展，包括采样时间、采样方法、样品数量、样品筛洗与保存、样品标记与记录等。再者，样品运输与流转阶段要控制好样品流转的时间和条件，避免水生生物样品受气温、光照等环境因素影响，导致监测结果误差增大。此外，在实验室分析阶段，人员和设备需满足生态环境检验检测机构相关要求^[62]，并使用标准化的分析方法、统一的分类参考资料和指定的物种分类单元(水平)，同时需建立有效的样品质控分析(包括平行样和比对分析)与适用的质控目标(表 3)、严格的数据记录与数据审核、以及凭证标本保存等质控管理制度，保证分析结果的准确性。最后，通过信息化手段，实现采样、分析和数据处理等全过程信息化管理，并建立质控数据平台，如样品抽检分析、物种图谱入库和难鉴定物种实现专家线上审核等，从而提高监测数据的准确性和管理效率。

2.2.3 外部质量保证与质量控制

外部质控主要是通过定期开展水生生物监测监督检查与能力考核，评价各监测单位的质控工作，包括采样、运输、保存、分析、数据记录、数据审核等方面的质控能力。通过监督检查和比对分析，了解各单位的监测水平，提高整个行业的质控水平。倡导科研机构、监测单位和标准样品研制机构积极研究和制定水生生物标准样本，进而推动水生生物样本标准化、普及化和常规化，有效实现水生生物标准样本质控。同时，应设立第三方评价机构，进行定期的质控评价，对优秀单位给予奖励，对未达标的单位提出整改要求，推动质控水平的不断提升。

2.2.4 建立水生生物监测数据库

建议建立全国水生生物监测质控数据库，将各监测单位的监测结果、质控比对结果等信息进行整合，使数据的管理和使用更加方便、准确。这个数据库不仅可以为政策制定者和科研人员提供大量实用的数据，也能为监测单位自我改进提供参考。

2.2.5 推进新技术应用与标准化建设

人工智能(AI)图像识别和环境DNA等方法引入水生生物监测，体现了监测数据的“快和新”，未来很有希望发展成为一种常规的物种监测、群落功能预测、生态过程分析的方法^[53]，但也对质控提出了新的挑战。推进这些新技术在实际监测中的标准化应用，是解决质控难题、提高监测数据质量的关键。对于人工智能识别，需要建立标准化的分析方法、完整的数据库、完善的系统管理和维护程序、标准化的质控技术体系，要求对监测全过程和数据库进行质控，充分利用智能系统能将样本信息永久保存这一特点，有效实现监测数据电子化、信息化和数字化^[22-23]，并与LIMS实验室系统相结合，实现水生生物监测数据信息化管理。环境DNA方法应建立一个准确、透明、开放、可用的高质量水生生物环境DNA监测数据库^[53]，从样品重复数、采样时间、采样点、采样方法、样品前处理、样品保存、扩增引物选择、DNA提取-扩增-测序-分析程序、序列比对注释、监测结果后评估等关键环节推进标准化研究^[53]，提高eDNA采集效率、降低假阴性和假阳性率、提高监测灵敏度和定量结果的准确性^[54]。

2.2.6 加强质控培训和技术指导

相关部门应定期开展质控培训，提高各监测单位分析人员的业务能力和素质。同时，还要提供技术指导和咨询服务，帮助各单位解决质控过程中遇到的问题，促进质控工作的持续改进。

3 结论与展望

我国流域水生态监测工作受到高度重视，建立并完善以水生生物监测为核心的质控标准化体系，可为流域环境管理提供“真实、准确、全面”的基础数据，并为实现流域“三水”统筹提供重要技术支撑。本文总结了欧美发达国家水生生物监测质量保证与质量控制标准化进展及详细要求，分析了当前我国水生生物监测需明确和完善的质控技术内容，并从内部质量保证与质量控制、外部质量保证与质量控制、水生生物监测质控数据库、人工智能识别与环境DNA新技术质控要点提出了标准化建议。

我国各地区经济和技术发展不平衡为流域水生态监测工作带来挑战。在未来，应特别关注欠发达地区，提升其监测技术和质量控制水平，以实现全国监测工作标准化。因此，对欠发达地区流域生态环境的监测和管理，建立和完善质控体系将具有重要的现实意义，以此可以减少因能力不平衡而引起的数据质量差异。研究倡导相关单位或地方监测部门积极采用上述质控方法，尤其是经济发达地区，不仅能提升自身监测质量，还能分享经验和技术，帮助经济欠发达地区提升监测水平。

无论是传统形态学还是智能化新技术，完善的质控体系均是保证水生生物监测数据可靠性的关键。未来，应加强新技术的方法学、数据库和质控物质等基础性工作，加强对新技术应用全过程的质控管理，建立标准化的数据库和分析方法，制定完善的技术规范和质控要求，促进新技术在实际监测中的规范化应用，为提高水生态监测的整体质量奠定坚实基础。与此同时，不应忽视传统生物学鉴定方法的重要价值。新技术与传统方法相结合，在质控体系建设上相互借鉴和促进，形成多元化的监测和评价技术体系，将有利于水生态监测质量的全面提升，切实提高我国水生态监测数据质量。随着我国水生生物监测技术和质控体系的不断完善，流域水生态环境质量评价的准确性、代表性和可比性也将得到显著提升，我国水生态环境评价的科学性和应用价值将进一步凸显，为流域生态环境的精细化管理奠定坚实基础。