（4）柱层析法
该法的原理是将水样、土壤或生物样的提取液通过装有吸附剂的层析柱，则提取物被吸附在吸附剂上，由于不同物质与吸附剂之间的吸附力不同，当用适当溶剂淋洗时，则吸附物质将按照一定的顺序被淋洗出来，吸附力小的组分先流出，吸附力大的组分后流出，从而使得各种组分得以分离。吸附剂可分为无机吸附剂和有机吸附剂：常用的无机吸附剂有氧化铝、活性炭、硅藻土等；有机吸附剂有纤维素、网状树脂等。
（5）横化法和皂化法
磺化法是根据提取液中的脂肪、蜡质等干扰物质能与浓硫酸发生磺化反应，生成极性很强的磺酸基化合物，随硫酸层分离，从而达到与提取液中农药分离的目的。该法常用于有机氯农药的净化，对易被酸分解的或易与酸发生反应的有机磷、氨基甲酸醋类农药则不适用。皂化法是利用油脂等能与强碱发生皂化反应生成脂肪酸盐而将其分离的方法。比如在用石油醚提取粮食中的石油烃时，会将油脂一起提出来，若在提取液中加入氢氧化钾一乙醇溶液，油脂就会与之反应，生成脂肪酸钾盐进入水相，而石油烃则仍留在石油醚中，达到两者分离的目的。
（6）低温冷冻法
该法是利用不同物质在同一溶剂中的溶解度随温度不同而不同的原理进行分离的。例如，将生物样品的****提取液置于一70°C的冰一****冷阱中，脂肪和蜡质由于溶解度大大降低而析出，农药则仍留在****中，经过过滤去除沉淀，从而获得了净化后的提取液。此法的最大优点是净化过程中不发生化学变化，且分离效果很好。
4）浓缩
经过消解、灰化或提取、分离后所得的样品，虽然是较纯净的待测溶液，但有时由于含量低，达不到仪器分析的检测限要求，需要进行浓缩后方可测定。
（1）蒸发法
蒸发法是指在电热板或水浴中加热试样，使水分或溶剂慢慢蒸发，达到缩小试样体积、浓缩预测组分的目的。虽然该法操作缓慢，易吸附损失，但无更合适的富集方法时仍可采用。用这种方法可使水样中的铬、锂、钴、铜、锰、铅、铁、钡等重金属浓缩30倍。
（2）K-D浓缩器浓缩法
K-D浓缩器是一种高效浓缩仪器。为防止待测物损失或分解，加热K-D浓缩器的水浴温度一般控制在50°C以下，最高不超过80°C。特别注意不要把提取液蒸干。若需进一步浓缩，需要用微温蒸发。如改用微型Snyder柱再浓缩，可将提取液浓缩至0.1~0.2mL。
3.生态环境污染监测常用的分析技术
生态环境污染常用的分析技术有化学分析法、仪器分析法、生物监测技术等。
1）化学分析法
化学分析法是基于化学反应的分析方法，有滴定分析和重量分析两种。
滴定分析是将含有被测组分的液体样品盛装于锥形瓶中，加入适当的指示剂，然后边摇锥形瓶边从滴定管中将滴定剂逐滴加入到锥形瓶中，当滴定剂与被测组分定量反应完全，指示剂恰好发生颜色改变时，停止滴定。根据滴定剂的浓度和消耗的体积以及锥形瓶中发生的化学反应，计算出被测组分的含量。这种分析方法所需仪器设备简单，易于掌握和操作，所得结果的精密度和准确度也较高。由于滴定方式多种多样，因此它是环境分析监测中最常用、最基本的方法。该方法可用于水中氨氮、COD、BOD、DO、S2-、Cr6＋、CN-、Cl-、酚、废气中的铅等指标的测定。
重量分析是待测物质以沉淀的形式存在，经过过滤、烘干、称重后得到待测物的含量。它主要用于空气与水中的悬浮物或残渣等的测定。重量分析准确度较高，但操作繁琐、费时。
2）仪器分析法
仪器分析法是以测量物质的某些物理或物理化学性质的参数来确定其化学组成、含量或结构的分析方法，该类分析方法一般需要各种类型的精密仪器。
仪器分析在生态环境监测中应用非常广泛，能测定空气、水、土壤及各种生物样品中各种无机、有机污染物。现代社会仪器分析的发展日新月异，各种新方法、新仪器的出现使生态环境监测分析也更趋快速、灵敏、准确。
在众多仪器分析方法中，使用较多的是光学分析法、电化学分析法和色谱分析法。其中，气相色谱法已成为苯、甲苯、多氯联苯、多环芳烃、酚类、有机磷与有机氯农药等有机污染物的重要分析方法。离子色谱法能测定数百种阴阳离子和化合物，适合多组分与多元素的同时分析。原子吸收光谱、原子发射光谱法已经成为分析环境样品中各种金属元素的最重要的手段。利用选择性电极可以测定土壤等样品中pH值、K+、Na+、NH、Cu2+等项目。微型电极还可插入动植物组织或细胞内，在生命活动不受显著干扰的情况下进行活体分析，适宜野外原位研究。电导分析法常用来测定水体和土壤中可溶性盐分总量和电导率等。
除了上述各类仪器分析方法外，还有各种专项分析仪器，如DO测定仪、BOD测定仪、COD测定仪、TOC测定仪、浊度计等。
3）生物监测技术
生物监测是根据生物的个体、种群和群落等各层次的生物特征反应及其变化评价环境的污染状况，从生物学角度为环境质量的监测和评价提供依据。根据生物所处的环境介质的不同，生物监测可分为大气污染生物监测、水体污染生物监测、土壤污染生物监测。从生物分类角度分，则包括动物监测、植物监测、微生物监测。从生物学层次划分，主要包括生态监测（群落生态或个体生态），生物测试（急性、亚急性、慢性毒性测定），以及分子、生理、生化指标和污染物在体内的行为、残留情况监测等。生物监测能综合反映环境质量状况，监测污染效应的发展动态，反映环境质量对各生物学层次的影响，还可以作为早期污染的报警器。但由于生物监测很难准确判断污染物的具体成分及浓度，需要和物理、化学、仪器分析知识相互结合、互为补充，共同进行综合评价，才能取得完整而可靠的评价结果。
1.2数据处理及实验结果分析
随着生态学向宏观、微观方向的深入发展，实验数据分析需要用到的数学、统计学、信息学知识也日益增多。生物统计学是运用数理统计的原理和方法，分析和解释生物界各种现象和规律的一门学科。由于生态学研究中所观测的样品都是实际生物种群或群落中的一部 分，要想通过这些观测数据作出预测和推论，必须使用统计学方法。实验设计与数据统计分析是现代生物学的基石，是生物学研究人员检验假说、寻找模式、建立生物学理论的有利工具，是探索微观生物世界和宏观生物世界的必备基础知识。可以说，在现代要完成任何一项生物学研究，都需要坚实的统计学知识。生物统计学方法使生态学工作者能够通过分析观测随机抽取的部分样品数据，来描述或概括生物种群或群落的一些特性，从而得出结论，并有目的地分析评估一些数据之间的异同和关联性（如通过分析一些数据，判定2个种群之间的关系或两个群落的相似性）。
1.2.1生态学实验数据处理的统计学基础
1.数据整理
生态学研究中，通过观察、测定和记载，可以得到大量的实验数据。对于取得的原始数据，首先进行分类，区分数据值变量、类别变量等，然后把这些数据按数值大小进行分组，制成次数分布表，就可以看到资料的集中和变异的情况，从而对资料有初步的认识。对于所获得的数据，也可以用次数分布图来表示，它可以更形象地表明次数分布的情况。较常见的图示形式有柱形图、拆线图、条形图等。
如果数据分布图大致呈两边对称的钟形，说明数据符合正态分布（normal distribution）规律。正态分布是连续性变数的理论分布，在理论和实践上都具有非常重要的意义，因为大部分统计运算都是以假定数据呈正态分布为前提的。如要比较两组数据平均数的大小，必须首先确认两组数据都呈正态分布，而且偏差相等。许多生物学数据，如生理生态学研究中用的较多的生理指标（体长、体重、高度、心率等）都呈正态分布，但是，生态学野外研究中取得的许多数据（如个体的空间分布、行为学记录数据等）往往不符合正态分布规律。因此，在进行数据的统计分析前，首先要判断其是否符合正态分布规律。可用SPSS软件中的kolmogorovsmirnov test来检验。如果数据不符合正态分布规律，可根据数据特性先将其进行简单的转换，如对测量分布密度的计数数据做对数、方根转换，对比率数据做角度（反正弦等）转换，再看其是否符合正态分布规律。如果仍不符合正态分布规律，则不能用通常的参数检验方法，而要用非参数检验法（nonparametric testing）进行统计分析。
2.统计描述
生物学家们常常希望通过所有可能搜集到的有价值的观测资料推断（得出）一个关于总体的结论。那么，从总体中得到的观测对象称为样本（sample），观测样本的数量称为样本容量（常用字母n表示）。样品的测量特征称为统计数据（如样本平均数），相应的总体特征则称为参数（如总体平均数）。生态学上，由于我们无法取得整个种群或者群落的所有数据，只能根据所抽取到的样本数据对整体数据进行统计学估测，这样的估测结果称为描述统计（deive statistics）。
1）平均数
平均数是数据的代表值，它表示资料中观察值的中心位置，是表示数据集中趋势的最常用指标，并且可作为资料的代表而与另一组同类资料相比较，借以明确两者间相关的情况。例如，可以通过求平均数来得到种群的平均密度、某个种群个体的平均质量、树木的平均高度等。通过2组数据平均数的比较，还能判断两组之间特性参数的相对大小。如分别在2块样地计算种群密度，通过平均数的比较，可得知这块地上的种群密度比另一块地高还是低。只要采样是随机采样，抽取的样本数量足够多，得到的平均数就可很好地估计种群中该参数的平均值。
平均数的种类较多，其中主要有算术平均数、中数、众数与几何平均数等。在生物统计学中，表示数据集中趋势的指标有多个，使用最多的是算术平均数，简称为平均数，通常用符号x表示。
2）变异度
每个样本有一批观察值，以平均数作为样本的代表值，但其代表性的强弱受样本内各个观察值的变异程度影响。如算术平均数只告诉我们一组数据的平均大小，却无法反映该组数据偏离平均数的程度。因而，为了更全面地描述样本，只有平均数是不够的，还必须度量其变异度。表示变异度的方法虽然较多，但最常用的为方差、标准差和变异系数。
（1）方差
为了正确反映数据的变异度，较为合理的方法是根据样本全部观察值来度量资料的变异度。这时要选定一个数值作为共同比较的标准。平均数为样本的代表值，则以平均数作为比较的标准最为合理。含有n个观察值的样本，其各个观察值为m，x2，x3，…，xn，如每个观察值皆与：相减，即得到各个离均差。然后将各个离均差平方，再相加，得出离均差平方和。最后用n-1除离均差平方和（按照统计学原理，不要用样本含量n去除），所得的商称为样本方差，用符号/表示。
（2）标准差
方差s2是离均差平方的平均数。虽然方差在实际应用中最为广泛，但因它的单位是原始数据单位的平方，所以它不能直接地指出某个数x与平均数之间的偏离究竟达到什么程度。为此，采用标准差s做标准，衡量x与平均数之间的离散程度。标准差是方差的正根值，用以表示资料的变异度，其单位与观察值的度量单位相同。
（3）标准误差
尽管我们可以通过计算样本平均数来估算某个观测变量的平均值，我们可能想了解这样取样后样本平均值的精确性好不好，可以理解为从一个种群中多次抽样后根据多组样本计算的样本平均数的变异有多大。这些样本平均数的变异可用标准误差SE（standard error）来表示。
标准误差可显示样本平均数的变异，是有限的“误差”，因为它表示的是用样本平均数估计总体平均数时产生的误差。如果标准误差很大，则意味着重复抽样的样本平均数可能很不相同，而且任一单个样本的平均数就不可能接近真实的总体平均数，此时对于每个具体样本平均数能否较好估计总体平均数是没有把握的。如果标准误差很小，则意味着重复抽样的样本平均数相似，而且任一单个样本平均数很可能接近真实的总体平均数，因此，可以相信每个具体样本的平均数能够较好反映出总体平均数。
（4）变异系数
标准差和观察值的单位相同，可以表示一个样本的变异度。若比较两个样本的变异度，则因单位不同或均数不同，不能用标准差进行直接比较。而变异系数CV则可以消除单位和（或）平均数不同对两个或多个样本变异程度比较的影响。
由于CV是一个不带单位的纯数，表示单位量的变异，故可用以比较。但是在采用变异系数时，应该认识到它是由标准差和平均数构成的比数，既受标准差的影响，又受平均数的影响。因此，在采用变异系数以表示样本的变异程度时，宜同时列举平均数和标准差，否则可能会引起误解。
