環境中重金屬和有機污染物的物種敏感性分布研究進展

田大勇， 常琛朝， 王成志， 茹宗玲， 宋海香， 侯紹剛

安陽工學院化學與環境工程學院，安陽 455000

?

環境中重金屬和有機污染物的物種敏感性分布研究進展

田大勇*， 常琛朝， 王成志， 茹宗玲， 宋海香， 侯紹剛

安陽工學院化學與環境工程學院，安陽 455000

物種敏感性分布法(SSD，Species Sensitivity Distribution)是一種相對于傳統評價因子法具有更高置信度的統計學外推方法，在環境質量基準制定及生態風險評價中得到廣泛應用。本文對近年來國內外重金屬和有機污染物的物種敏感性分布研究成果進行了綜述，闡述了在水體、土壤和沉積物等環境介質中應用SSD方法開展生態風險評價的研究現狀，從SSD模型選擇、毒性數據點篩選等方面對影響SSD模型不確定性的因素進行探討，并對SSD方法在生態風險評價領域的應用進行了展望。

物種敏感性分布；重金屬；有機污染物；生態風險評價

隨著經濟的高速發展，環境污染問題引起了人們的廣泛關注，環境質量基準推導和生態風險評價方法也日臻完善[1]，從早期以單一物種毒性測試為基礎的外推法發展到以多物種毒性測試數據為基礎的模型法，比如物種敏感性分布法(SSD, Species Sensitivity Distribution)[2]、SPEAR(SPEcies At Risk)生物指數法[3]等。與傳統評價因子法相比，SSD方法是一種具有更高置信度的統計學外推方法，該方法以多個物種的毒理數據來構建SSD曲線，應用合適的模型進行擬合，從而獲得在特定條件下物種受潛在影響的比例(PAF，Potentially Affected Fraction)和保護95%的物種不受影響的情況下所允許的最大環境有害濃度(HC5, Hazardous Concentration for 5% of species)[4]，以此作為制定環境質量基準和開展生態風險評價的重要依據。該方法已被多個國家確立為制定環境質量基準的方法[5]，應用領域涵蓋了水體、土壤、沉積物及大氣環境介質[6-7]。

從SSD研究對象來看，SSD方法研究對象多數仍集中在傳統的重金屬、有機污染物方面，對于一些新興有機污染物的研究較少。重金屬是傳統的持久性污染物，近年來重金屬污染事件不斷發生，因此應用SSD法考察重金屬的生態風險意義重大[8]。陳璐璐等[9]用SSD法對太湖水體中鉻和鎘的生態風險進行了評估；Klepper等[10]對荷蘭境內不同水體中重金屬進行SSD研究，獲得不同水生物種的PAF。有機污染物種類繁多，其SSD研究更為廣泛，學者應用SSD方法研究了多環芳烴(PAHs)、多氯聯苯(PCBs)、壬基酚、鄰苯二甲酸二異辛酯(DEHP)、農藥、殺蟲劑、溢油和石油分散劑等的生態風險[11-15]。在有機污染物中，新興有機污染物是近年來引起人們廣泛關注的一類有機污染物，主要是指環境中未列入常規監測、但能夠進入環境并能對生態或人類健康產生負面影響的有機化合物[16-17]，這些新興有機污染物不但存在于水體、土壤、生物體中，在人體血清和胎盤中也已經發現它們的存在[18]。但是國內外的環境質量基準對這些新興有機污染物缺少明確的規定，對它們的SSD研究資料相對較少[19]。

本文對國內外重金屬和有機污染物的SSD研究進行綜述，闡述了該方法在生態風險評價方面的應用(包括水體、土壤、沉積物等環境介質)，系統分析了SSD方法的優缺點，從SSD模型選擇、樣本數據篩選、方法不確定度等方面探討了影響SSD結果的因素，并對SSD法在新興有機污染物生態風險研究中的應用進行了展望。

1 重金屬的SSD研究(SSD for heavy metals)

重金屬的物種敏感性分布研究資料相對較多，整體呈現多樣化趨勢，我們把這些多樣性歸納為污染物研究對象多樣性、受試物種多樣性、擬合函數多樣性及環境介質多樣性。本文按照重金屬SSD模型的研究對象、毒理學終點、樣本容量、環境介質及主要結果指標進行分類匯總，結果見表1。

1.1 水體中重金屬的SSD研究

在所有環境介質中，地表水體中重金屬的SSD研究資料相對較多。SSD研究有三個主要用途：環境質量基準推導、基準評估和生態風險評價。作為傳統污染物，多數重金屬已有相應的環境質量基準，因此重金屬的SSD研究主要集中在基準評估(即對現有環境質量基準或標準限值保護能力的評估)和生態風險評價方面。

應用SSD方法對重金屬環境基準進行評估是重金屬SSD研究的一個主要方面。張瑞卿等[22]應用SSD方法對包括植物、無脊椎動物和脊椎動物等90個水生生物的急性毒性數據進行研究，并采用急慢性比率法(ACR)推導慢性水質基準[32]，得到無機汞的急性和慢性水質基準分別是1.743和0.467 μg·L-1，該數據大于我國《地表水環境質量標準》中汞的限值，說明現行標準對汞的保護適當。吳豐昌等[21]應用SSD法研究當前我國鋅的漁業水質標準限值對生物的保護程度，他們推導得到鋅的基準最大濃度和基準連續濃度分別為89.7和34.5 μg·L-1。我國目前鋅的漁業水質標準為0.1 mg·L-1，因此可能存在著對水生生物的“欠保護”問題。杜建國等[26]構建了8種常見重金屬(As、Cd、Cr、Cu、Hg、Mn、Pb、Zn)對海洋生物的SSD曲線，計算了它們對海洋生物的HC5及不同暴露濃度對海洋生物的PAF。結果發現，當前《海洋漁業水質標準》中規定的限值對Zn、Cr、Cu、Cd和As也存在欠保護問題。在生態風險評價領域，SSD方法可以用來評估污染物的生態風險。Klepper等[10]對荷蘭境內不同地區水體中Cd、Cu、Zn、Pb和殺蟲劑進行研究，利用SSD方法獲得不同水生系統物種的PAF。DeForest等[27]以17種海洋生物的慢性毒性數據為基礎，構建海水中鎳的SSD曲線，計算得到了HC5，通過與歐洲海水中鎳的濃度比較，發現當前鎳的生態風險較小。王俊能等[25]應用SSD方法計算得到鉈對淡水生物系統的HC5為210 μg·L-1，據此評價了在北江鉈污染事件中鉈對水生生物的生態風險。陳璐璐等[9]運用SSD法結合安全閾值法對太湖水體中鉻和鎘的生態風險進行評估，結果發現，盡管太湖水生生物對鎘更加敏感，但由于鉻的暴露濃度大于鎘，導致鉻對太湖水生生物造成的生態風險更高。這表明在普遍關注高毒性污染物的同時，低毒性但環境暴露量大的污染物質可能對環境造成的生態風險更大，應引起足夠重視。

表1 重金屬的物種敏感性分布研究數據匯總表

注： a 指每條SSD曲線所包含的毒性數據的個數； b NOEC: 無觀察效應濃度； c LC50或EC50: 半數致死濃度或半數效應濃度； d msPAF: 混合物的潛在受影響比例。

Note: a denotes the number of toxicity data in a SSD curve; b NOEC refers to no observed effect concentration; c LC50or EC50is a median lethal concentration or half effective concentration; d msPAF denotes the potential affected fractions of mixtures.

SSD研究中毒性數據來源日益多樣化，除了使用急性和慢性毒性數據，基因組學的毒性數據也可以用來研究物種敏感性分布。Yan等[33]以急、慢性毒性數據和基因表達數據為對象，研究了鎘、銅和鋅三種重金屬的物種敏感性分布。結果發現，三種數據構成的敏感性分布等級不盡相同，對于銅來講：慢性>基因>急性；與銅的SSD趨勢不同，鎘和鋅具有較高的基因表達數據的敏感性，即基因>慢性>急性。這表明，盡管基因表達現有數據仍不足以構建完整的SSD模型，但是他們用于慢性水質標準制定具有很大的發展潛力(與急性毒性數據相比較)。另一方面，毒性數據來源多樣化也將進一步推動SSD研究的多樣化發展。

當前研究多數關注于單一污染物的物種敏感性分布，而環境中的污染物通常是以混合物形式聯合存在，因此針對混合物的聯合毒性效應和物種敏感性分布開展相關研究，具有更為重要的環境意義[20, 34-38]。王印等[20]采用濃度加和方式，對不同水體中5種重金屬進行聯合生態風險評價，發現在鄱陽湖和黃浦江水域的聯合急性風險最高，混合物潛在受影響比例(msPAF)達63%和21%。

1.2 土壤中重金屬的SSD研究

土壤理化性質的差異對重金屬污染的毒性效應影響較大[39]，因此，充分考慮生物有效性的影響對于提高土壤介質中重金屬SSD模型的質量意義重大。為了消除這種影響，學者建立了一些生物毒害模型，對不同土壤對應毒性進行歸一化預測[40-41]，結合這些生物毒害模型，進而構建土壤介質中的SSD模型[29, 42-43]，得到的SSD研究結論更為科學，更宜于推廣使用。魏威等[23]采用基于log-logistic分布的SSD模型，研究了2種土壤中添加不同水平的外源鋅后對8種植物毒性的劑量效應關系，結果發現在土壤介質中物種敏感性與土壤性質、不同基因型植物品種均有關系。王小慶等[24, 42-43]以土壤中銅、鎳為對象，在綜合考慮了土壤性質、生物有效性的基礎上，采用基于Burr III分布的SSD方法，得到不同土壤中銅、鎳的生態閾值預測模型。孫聰等[29]應用類似的方法對不同性質土壤中鎘的SSD進行研究，得到了保護95%水稻品種的Cd毒性閾值。

2 有機污染物的SSD研究(SSD for organic contaminants)

與重金屬相比，有機物種類繁多，SSD研究更為復雜。一方面，傳統有機污染物(比如持久性有機污染物POPs)多具有難降解、可在食物鏈中富集放大、可以進行長距離遷移等特點，導致其在環境介質中長期存在[44]；另一方面，伴隨著工農業的快速發展，一些新興有機污染物不斷出現，比如多溴聯苯醚類、全氟羧酸類、短鏈氯化石蠟類化合物、抗生素類、新興農藥和殺蟲劑等[45]，目前關于這些有機污染物的環境質量基準制定和生態風險評價的資料相對較少。本文把有機污染物分成傳統有機污染物和新興有機污染物兩類，分別闡述它們的物種敏感性研究進展，具體的SSD模型參數和結果見表2。

2.1 傳統有機污染物SSD研究

作為疏水性有機污染物，多環芳烴易于在水體和沉積物中進行遷移、轉化，因此研究它們在沉積物體系中的物種敏感性分布對于指導沉積物生態風險評價有重要意義。陳燕燕等[12,48]用SSD方法對太湖沉積物中的六種多環芳烴污染物的風險進行了排序。劉良等56]以8種脊椎類、無脊椎類生物為受試物種，采用基于Burr III分布的SSD方法，得到了8種多環芳烴的SSD曲線，計算出PAF；并利用濃度相加和效應相加的方法計算了國內幾種典型水體中多環芳烴的聯合生態風險msPAF，其聯合風險計算結果均小于1%，生態風險可控。蔣丹烈等15]對太湖沉積物中多環芳烴進行了SSD研究，得到6種多環芳烴的HC5，評價發現萘、蒽、芴和熒蒽為沉積物中具有風險的物質，風險排序為萘>熒蒽>蒽>芴。在該研究中，他們對沉積物的預測無效應濃度(PNECsed)計算模型進行改進，使用修正后的參數更符合實際情況，評價結果更準確。

在有機農藥污染物方面，SSD常用于研究農藥對環境的生態危害大小。王印等[47]構建了水生生物對DDT和林丹的物種敏感性分布曲線，計算出DDT和林丹對水生生物的HC5分別為1.70和5.96 μg·L-1，由此可見，DDT對生態系統的危害大于林丹。

草甘膦是一種常見除草劑，在南非尚無水質標準。2013年，Mensah等[52]利用SSD法對南非水體草甘膦的標準限值進行了研究。他們選取5個類別的8種非洲水生生物為對象，推導得到其基準值應為0.205(以急性毒性數據推導)和0.002 mg·L-1(以慢性毒性數據推導)，該研究為《南非水質指南摘要》提供了數據支撐。陳波宇等[49]以有機磷農藥三唑磷為研究對象，構建水生生態系統中不同物種對三唑磷的SSD模型，計算出三唑磷對水生生物的HC5值為1.992 μg·L-1，并推導得到三唑磷對渤海萊州灣海域中物種的PAF為0.36%，生態風險較小。

Barron等[54]對原油產品及分散劑的生態風險進行了研究，以7種產品的急性毒性數據為基礎構建SSD，得到HC5。結果表明SSD法可以較好地反映各產品的生態敏感性，因此可用于原油產品的水質基準制定或生態風險評價。穆景利等57]針對海水中石油烴也進行了相似研究。

土壤介質中有機污染物的SSD研究也受到了關注。Silva等[55]對土壤中三丁基錫的SSD進行研究，評價了三丁基錫對陸生生態系統的生態風險，得到土壤中的HC5為2.06 mg·kg-1，PNEC為30 μg·kg-1。經比較，發現其生態風險較小。研究認為沒有必要對不同土壤類型分別進行SSD分析，適合的方法是對所有毒性數據進行統一整合構建一個土壤物種敏感性分布。

表2 有機物的物種敏感性分布研究數據匯總表

注： a 指每條SSD曲線所包含的毒性數據數目; b PNECsed：指在沉積物中的預測無效應濃度；RQ：Risk Quotient，風險商。

Note: a denotes the number of toxicity data in a SSD curve; b PNECsedrefers to predicted no effect concentration in sediment and RQ denotes the risk quotient.

有機污染物混合體系的SSD研究正成為近年來環境領域研究熱點。葛鴻銘等[34]采用SSD法對美國EPA優先控制名單中的14種有機污染物進行生態風險分析，計算了急、慢性毒性數據時的HC5；并預測了太湖梅梁灣水體環境濃度下化合物的單一PAF和混合物msPAF，結果發現，慢性混合生態風險msPAF結果從大到小依次為春季(枯水期，5.22%)、秋季(0.61%)、夏季(0.49%)、冬季(0.33%)。王印等[20]采用濃度加和方式對不同水體中8種多環芳烴進行聯合生態風險評價，發現岷江成都段多環芳烴聯合急性生態風險高達24.23%，生態風險較高；長江武漢段干流中聯合急性生態風險較小。

當前物種敏感性數據多數源于實驗室理想條件下測定數據，對于復雜現實環境中的毒性數據，它們的物種敏感性研究結論是否相似？這也是SSD研究的一個新方向。 Smetanová[3]以德國、法國和芬蘭河流中殺蟲劑混合物為研究對象，以河流中無脊椎動物為受試物種，用SSD計算殺蟲劑的混合物受影響比例(msPAF)，以此作為SSD方法評價得到的生態風險結果，將此結果與采用SPEAR方法推導得到的實際效應數據進行比較。結果表明兩種方法得到的數據有顯著相關性；但是，與SPEAR所測得的生物學指標相比較，已被普遍認同的SSD法的結果明顯低估了觀察到的影響。若要使SSD更加準確，需使用現場數據進行校正或驗證。Sona等[13]以德國、法國和芬蘭的25種殺蟲劑毒性數據為基礎，應用SSD預測農藥混合物的生態風險，結果表明SSD和SPEAR方法在結果上具有一致性，但SPEAR方法得到的結果要更加準確。同時還發現，使用慢性數據時可縮小兩種方法結果的差異。由此可見，采用慢性數據或采用現場生態性數據進行驗證，可使SSD研究結論更加準確、可靠。

2.2 新興有機污染物的SSD研究

常見的新興有機污染物包括環境內分泌干擾物、藥物類、農藥、個人護理用品等，多具有肝毒性、腎毒性、內分泌干擾毒性等[58-61]，現有研究表明它們在動物、植物及人體中均有檢出[62-66]。我國作為發展中國家，對于新興有機污染物的研究尚處于起步階段，也缺少統一的環境質量基準來衡量其生態風險。因此，開展對新興有機污染物的生態毒理和SSD研究具有積極的現實意義。

環境內分泌干擾物是較早引起人們關注的新興有機污染物。胡習邦等[14]應用SSD法對鄰苯二甲酸二異辛酯(DEHP)進行了風險評估，采用基于Burr III分布的SSD方法，得出DEHP對淡水生物系統的HC5為4521.46 μg·L-1。使用這一結果對我國不同河流和湖庫水體中DEHP的生態風險進行評價，發現大部分水體生態風險極低(PAF接近于0)。 Gao等[11]對中國沿海水體中的壬基酚進行了生態風險評價，他們以壬基酚對水生生物的慢性毒性數據為基礎構建SSD模型，得到淡水和海水中PNEC分別為0.48和0.28 μg·L-1，在中國沿海水域壬基酚的風險商(RQ)從0.01到69.7，大約60%的地區顯示出高生態風險(RQ>1.00)。雷炳莉等[67]以4-壬基酚為目標化合物，對SSD法和評估因子法(AF)推導得到的水質基準進行比較，發現兩者獲得的基準值差異較大，這是由于AF法只依賴于最小毒性數據，存在較大不確定性，而SSD法引用的數據較多，結果更可靠。研究還發現，當選用生殖和死亡兩個不同的毒性終點作為毒性數據篩選的依據時，以生殖毒性終點獲得的基準值小于以死亡終點獲得的基準值。這提示我們，對源于不同測試終點的毒性數據，其SSD結果會有差別。

短鏈氯化石蠟(SCCPs)是近年來引起環境學者關注的新興污染物。Fukuyaiino等[19]對SCCPs進行研究，發現日本居民體內SCCPs的來源主要是攝食；通過對日本水體和沉積物中的SCCPs進行風險評估，得到SCCPs在水體和沉積物中HC5分別為41.8 ng·L-1和558 ng·g-1(濕重)。研究表明SCCPs在日本尚無明顯的生態危險。

Kazuhiko等[51]首次對海水中金屬羥基吡啶硫酮的光降解產物——2，2-二吡啶基二硫進行了生態風險評估，他們應用SSD法與貝葉斯統計模型，計算得到HC5和HC1分別為31和10.1 μg·L-1。經與海水中實際測定值比較(0.4 ng·L-1)，該污染物的生態風險較低。

物種對污染物的敏感性不僅與毒物種類有關，還與物種的生理和生態特征有關。Larras等[50]選用11種硅藻和5種除草劑為對象，采用SSD法評價除草劑對硅藻的生態風險。結果發現，對于光合作用II型除草劑，硅藻的敏感性與其營養級相對應；異養型硅藻表現出很高耐受水平，自養生物對光合作用II型除草劑更加敏感，除草劑的毒性大小分別為敵草隆>去草凈>異丙隆>草脫凈>異丙甲草胺。

3 影響SSD研究的不確定性因素(Influences onthe uncertainty of the SSD models)

3.1 SSD模型選擇

物種敏感性分布可采用參數模型和非參數模型進行研究。參數模型是目前使用較多、計算相對簡單的一種方式[30]，常用的參數模型包括log-normal、log-logistic和Burr III累積概率分布函數等[68-69]。Wheeler等[70]研究發現，如果數據量充足(n>20)，log-normal的適用性更高；若毒性數據不是很充足，數據質量好，則可考慮選擇log-logistic。張瑞卿等[22]的研究表明，log-logistic累積概率分布函數對90組汞污染物的毒性數據擬合效果最佳。蔣丹烈等[15]發現，與log-normal相比，log-logistic和Burr III累積概率分布函數對數據的擬合效果好，可優先選擇。王小慶等[28]比較了log-normal、log-logistic和Burr III等5種累積概率分布函數擬合結果中x軸方向的均方根誤差(RMSE)的大小，最終選取Burr III建立銅SSD曲線。王印等[47]利用不同分布函數擬合DDT和林丹在水體中的SSD曲線時亦得出Burr III擬合效果最佳的結果。

當不同物種的毒性數據分布無法適用于任何一種參數模型時，常采用非參數模型bootstrap方法來進行SSD研究[68]。Xing等人[30]研究發現，8種參數方法和非參數bootstrap方法得到的結果稍有差異但明顯相關(HC5最大相差倍數為3.5)，其中非參數bootstrap方法擬合最佳；當毒性數據大于15個時，所有模型得到的結果不確定度較小，反之，則不確定度明顯變大。在一項使用5種模型對18種有機氯進行的SSD研究中，Wang等人[46, 68]也發現參數方法和非參數bootstrap方法得到的結果具有較好的相關性。但是，對于小樣本量數據集，bootstrap方法得到的結果不確定性較大，因此通常適用于20個以上數據集[71]。為了克服以上問題，學者提出了一些改進的非參數方法，比如聯合bootstrap方法和參數方法，使得構建模型更加穩健，不確定度減小[46, 71-72]。此外，針對部分污染物毒性數據少或同一化合物對同一物種毒性數據不確定性大的情況，Gottschalk等提出了一個基于概率的SSD方法(PSSD)，對傳統SSD模型進行了修正，得到的HC5不確定度顯著改善[53, 73]。

從以上研究成果可以看出，在SSD的模型分析中沒有哪一個特定的模型可以適用于所有數據集，總的來說，非參數模型對于數據的擬合效果更好，尤其適用于樣本容量大于20時；而參數模型通常表現出較小的不確定度，且方法簡便，適用于數據較少的情況下[30, 46, 68, 71]。在實際應用時，為了選取合適的模型，需要判斷模型質量，進行擬合優度檢驗或者評定SSD模型的不確定性，可以采用Kolmogorov-Smirnov、Anderson-Darling檢驗、卡方檢驗判斷數據是否服從某一特定分布(比如正態分布)[71]，結合決定系數(R2)和均方根誤差(RMSE)考察不同參數模型對同一組數據的擬合情況[30, 68]。Wang等人[46]采用Kolmogorov-Smirnov檢驗對18種有機氯的擬合模型進行了檢驗。Xing等[30]用決定系數、標準差等判斷log-normal、log-logistic、Burr III等8種參數模型的擬合情況。陳波宇等人[49]采用Kolmogorov-Smirnov、Anderson-Darling和卡方檢驗驗證了模型的擬合優度，三種檢驗方法結果一致。對SSD模型結果進行不確定性評估也是當前SSD研究的一個新課題，常用方法包括最大似然估計法、貝葉斯方法和bootstrap方法[71]等。通過比較2組樣本數據，Verdonck等[71]發現最大似然估計法、貝葉斯方法推導得到的不確定度要優于bootstrap方法。

3.2 毒性數據選擇

3.2.1 數據量的選擇

SSD模型的樣本容量對模型的可靠性存在顯著影響。Wheeler等[70]建議數據量應為10～15個，且在水生生態系統研究中使用數據點應不低于5個毒性數據。經合組織規定至少應包括5個來自不同種類生物的毒性數據，美國環保署規定至少8個毒性數據，歐盟規定為至少10個毒性數據[30]。Newman等[68]用bootstrap方法研究發現，為使得到的HC5偏差最小，最小的樣本量應在15～55之間。

3.2.2 數據來源

毒性數據的質量也是影響SSD準確性的一個重要因素。一方面，學者認為毒性數據來源于實驗室測定還是現場生態數據，對于生態風險評價有重要影響[3,57,74-75]。另一方面，毒性數據來源于急性還是慢性數據，也會對結果產生顯著影響。

在Frampton等[76]的SSD研究中，他們強調毒性數據應具有現實意義和生態意義。但是實驗條件往往很難模擬實際的生態環境，比如在土壤測試中，人造土壤與自然土壤中有機質的不同會給SSD研究帶來誤差，他們建議對土壤毒性數據進行適當的修正。與該研究相似，王小慶等[24]在對土壤中鎳的SSD研究中，對土壤毒性數據進行了歸一化處理，歸一化后結果更能體現土壤性質對鎳毒害的影響，且HC5具有更好的精確度和靈敏度，相比于未歸一化更具科學性。張瑞卿等[22]發現，對于不同區域不同國家水生態系統，SSD法得到的汞水質基準值存在差異，這從另一個側面反映了毒性數據應當具有區域生態性。

慢性毒性數據比急性毒性數據更具有生態現實性[77]，這是由于環境中污染物作用于受體生物往往是長期累積作用的結果，因此慢性毒性更能反映實際要求[78]。在針對多環芳烴進行的SSD研究中，慢性毒性數據得到的HC5值[15]比急性數據得到的結果低[56]，表明使用急性數據會低估生態風險。王印[47]、吳豐昌[21]等也發現急性毒性數據得到的SSD結果偏大，不足以保護所有敏感物種，因此，環境質量基準制定時可優先考慮以慢性數據為依據。Frampton等[76]也發現慢性數據比急性數據更加準確，但是僅以急慢性比為系數從急性數據轉化得到的慢性數據，其準確度尚有待考證。因此提高急慢性比轉化系數的準確性或者探索其它急慢性數據的轉化方法也是SSD方法的一個重要課題。

3.2.3 毒性數據較少時的解決方案

對于毒性數據較少無法直接構建SSD模型的污染物，可以應用種間相關估計(ICE)模型來補充毒性數據[79]，或者采用最低值的方法來推導污染物的毒性閾值[80]。Awkerman等[79]使用種間相關估計構建了一個擴展SSD模型，與全數據集的SSD模型進行比較，結果表明，擴展SSD模型的HC5與全數據集的SSD模型的HC5不確定性沒有太大的影響。這為構建SSD模型提供了一個新思路。

當毒性數據較少時，敏感物種的毒性數據對于SSD結果影響非常大。DeForest等[27]以17種海洋生物的慢性毒性數據為基礎，構建海水中鎳的SSD曲線，其中最敏感的物種是來自加勒比海的熱帶海膽Diadema antillarum ，對于包含和不包含該物種的SSD曲線，計算得到的HC5分別為3.9和20.9 μg·L-1。鑒于歐洲部分海域中鎳的濃度為2.9 μg·L-1，因此作者建議采用包含敏感物種的HC5為保守標準限值。在毒性數據選擇方面，加拿大環境委員會推薦采用如下方法[80]：當有足夠可用的毒性數據時，建議SSD得到的HC5使用第五個百分位得到；當毒性數據有限時，建議使用最低值方法，以最低的毒性閾值除以安全系數。DeForest等[80]以硒為研究對象，用SSD方法得出硒的HC5為20 μg·g-1(干重)。如果采用最低值方法，采用安全系數10，計算得出硒的指導濃度為2.0 μg·g-1，這個數值已經低于硒濃度的背景值，這是不切實際的。因此，加拿大海水中硒的標準濃度限值為20 μg·g-1被認為是廣泛適用的。上面兩個研究提示我們，在毒性數據較少時，應當結合環境背景值，統籌考慮敏感物種的毒性數據采用與否，否則得到的結果相差較大，對生態系統的保護會產生偏差。

4 展望(Prospect)

SSD方法是環境質量基準推導和生態風險評價的常用方法，得到了越來越多的關注，從重金屬、傳統有機污染物到新興有機污染物，從水體、土壤、沉積物到大氣環境都得到廣泛應用。但是，SSD研究也存在一些亟待解決的難題，比如模型不確定性、毒性數據選擇、不確定性評估等方面。因此，今后的研究要著重關注以下幾個方面。

(1)目前，SSD方法應用于重金屬的研究資料較多，對有機物尤其是新興有機污染物的研究較少，這可能是由于后者的毒性數據較少所致。因此，應當加大對新興有機污染的生態毒理學研究，為新興有機污染物的SSD研究和風險評價提供數據支撐。此外，當前SSD方法在水體、土壤和沉積物中的應用較多，在大氣環境介質中的研究資料十分有限。鑒于霧霾天氣頻繁出現，我們可以嘗試借助該方法對大氣中顆粒物及其他污染物進行生態風險評價研究，這對于霧霾的控制和大氣環境基準制定有一定的指導作用。

(2)SSD模型不確定性的定量表征研究、不同生態毒理學數據的使用對模型質量的影響也是SSD未來研究的重要方向。

(3)以往研究較多的是單一污染物的毒性效應，但是自然界的生物通常同時受到多種污染物的影響，因此，要更多地關注混合污染物的SSD模型構建。

(4)毒性數據的準確性是SSD研究的一個重要影響因素。這表現在三個方面，一方面，以往我們常用的是容易獲得的急性毒性數據，慢性數據較少；另一方面，更接近現實環境的生態性毒性數據的應用更少，毒性數據的獲得若是更接近生態自然條件，比如在SSD 研究中考慮利用種群增長率、食物鏈結構等內容，則數據更具代表性；此外，需要對環境介質的差異、對污染物的生物有效性進行統籌考量，比如實驗介質是土壤，可以考慮對土壤毒性數據進行歸一化處理，減小不同介質中得到的毒性數據差異。

(5)SSD方法是為生態風險評價和環境質量基準制定服務的，各個國家、每個地區的環境狀態不盡相同，因此，區域生態風險評價是更加適合當地條件的評價方法。對不同國家、不同區域，甚至不同環境功能區，可以開展不同的SSD研究，以便更好地保護特定區域的生態安全。

[1] 陳波宇, 鄭斯瑞, 牛希成, 等. 物種敏感度分布及其在生態毒理學中的應用[J]. 生態毒理學報, 2010, 5(4): 491-497

Chen B Y, Zheng S R, Niu X C, et al. Species sensitivity distribution and its application in ecotoxicology [J]. Asian Journal of Ecotoxicology, 2010, 5(4): 491-497 (in Chinese)

[2] 雷炳莉, 黃圣彪, 王子健. 生態風險評價理論和方法[J]. 化學進展, 2009, 21(2/3): 350-357

Lei B L, Huang S B, Wang Z J. Theories and methods of ecological risk assessment [J]. Progress in Chemistry, 2009, 21(2/3): 350-357 (in Chinese)

[3] Smetanová S, Bláha L, Liess M, et al. Do predictions from species sensitivity distributions match with field data? [J]. Environmental Pollution, 2014, 189: 126-133

[4] Van Straalen N, Posthuma L. Theory of Ecological Risk Assessment Based on Species Sensitivity Distributions [M]. Florida: CRC Press, 2002: 110-122

[5] 解瑞麗, 周啟星. 國外水質基準方法體系研究與展望[J]. 世界科技研究與發展, 2012, 34(6): 939-944

Xie R L, Zhou Q X. Methodology of water quality criteria in foreign countries and its future researching prospects [J]. World Sci-Tech R & D, 2012, 34(6): 939-944 (in Chinese)

[6] Azevedo L B, Schryver A, Hendriks A J, et al. Calcifying species sensitivity distributions for ocean acidification [J]. Environmental Science & Technology, 2014, 49(3): 1495-1500

[7] Van Goethem T, Azevedo L, Van Zelm R, et al. Plant species sensitivity distributions for ozone exposure [J]. Environmental Pollution, 2013, 178(1): 1-6

[8] 孫聰, 陳世寶, 馬義兵, 等. 基于物種敏感性分布(Burr III)模型預測Cd對水稻毒害的生態風險閾值HC5[J]. 農業環境科學學報, 2013, 32(12): 2316-2322

Sun C, Chen S B, Ma Y B, et al. Ecological hazard concentration (HC5) of Cadmium (Cd) to rice cultivars under hydroponic culture as determined with species sensitivity distribution model (Burr III) [J]. Journal of Agro-Environment Science, 2013, 32(12): 2316-2322 (in Chinese)

[9] 陳璐璐, 周北海, 徐冰冰, 等. 太湖水體典型重金屬鎘和鉻含量及其生態風險[J]. 生態學雜志, 2011, 30(10): 2290-2296

Chen L L, Zhou B H, Xu B B, et al. Cadmium and chromium concentrations and their ecological risks in the water body of Taihu Lake, East China [J]. Chinese Journal of Ecology, 2011, 30(10): 2290-2296 (in Chinese)

[10] Klepper O, Bakker J, Traas T P, et al. Mapping the potentially affected fraction (PAF) of species as a basis for comparison of ecotoxicological risks between substances and regions [J]. Journal of Hazardous Materials, 1998, 61(1): 337-344

[11] Gao P, Li Z, Gibson M, et al. Ecological risk assessment of nonylphenol in coastal waters of china based on species sensitivity distribution model [J]. Chemosphere, 2014, 104: 113-119

[12] 陳燕燕, 尹穎, 王曉蓉, 等. 太湖表層沉積物中PAHs 和PCBs 的分布及風險評價[J]. 中國環境科學, 2009, 29(2): 118-124

Chen Y Y, Yin Y, Wang X R, et al. Polycyclic aromatic hydrocarbons and polychlorinated biphenyl in surface sediments of Taihu Lake: The distribution, sources and risk assessment [J]. China Environmental Science, 2009, 29(2): 118-124 (in Chinese)

[13] Jesenska S, Liess M, Sch?fer R, et al. Impacts of pesticide mixtures in European rivers as predicted by the species sensitivity distribution (SSD) models and SPEAR bioindication [C]. in EGU General Assembly Conference Abstracts. 2013: 31-39

[14] 胡習邦, 王俊能, 許振成, 等. 應用物種敏感性分布評估DEHP對區域水生生態風險[J]. 生態環境學報, 2012, 21(6): 1082-1087

Hu X B, Wang J N, Xu Z C, et al. Assessing aquatic ecological risk of DEHP by species sensitivity distributions [J]. Ecology and Environment Sciences, 2012, 21(6): 1082-1087 (in Chinese)

[15] 蔣丹烈, 胡霞林, 尹大強. 應用物種敏感性分布法對太湖沉積物中多環芳烴的生態風險分析[J]. 生態毒理學報, 2011, 6(1): 60-66

Jiang D L, Hu X L, Yin D Q. Ecological risk assessment on polycyclic aromatic hydrocarbons of sediment in Taihu Lake using species sensitivity distributions [J]. Asian Journal of Ecotoxicology, 2011, 6(1): 60-66 (in Chinese)

[16] Field J A, Johnson C A, Rose J B. What is "emerging"? [J]. Environmental Science & Technology, 2006, 40(23): 7105-7105

[17] 楊濱, 應光國, 趙建亮, 等. 高鐵酸鉀氧化降解新興有機污染物的研究進展[J]. 環境化學, 2013, 32(1): 54-64

Yang B, Ying G G, Zhao J L, et al. Research progess on the oxidation of emerging organic contaminants by ferrate (VI) [J]. Environmental Chemistry, 2013, 32(1): 54-64 (in Chinese)

[18] 徐龍, 史志華, 徐錫金. 婦女兒童多溴聯苯醚暴露與健康效應的研究進展[J]. 環境與健康雜志, 2012, 29(5): 473-477

Xu L,Huo X, Xu X J. A review of exposure and health effects of polybrominated diphenyl ethers on women and children [J]. Journal of Environment and Health, 2012, 29(5): 473-477 (in Chinese)

[19] Iino F, Takasuga T, Senthilkumar K, et al. Risk assessment of short-chain chlorinated paraffins in Japan based on the first market basket study and species sensitivity distributions [J]. Environmental Science & Technology, 2005, 39(3): 859-866

[20] 王印. 基于物種敏感性分布(SSD)的生態風險評價方法及其應用研究[D]. 北京大學, 2009: 11-35

[21] 吳豐昌, 馮承蓮, 曹宇靜, 等. 鋅對淡水生物的毒性特征與水質基準的研究[J]. 生態毒理學報, 2011, 6(4): 367-382

Wu F C, Fen C L, Cao Y J, et al. Toxicity characteristic of zinc to freshwater biota and its water quality criteria [J]. Asian Journal of Ecotoxicology, 2011, 6(4): 367-382 (in Chinese)

[22] 張瑞卿, 吳豐昌, 李會仙, 等. 應用物種敏感度分布法研究中國無機汞的水生生物水質基準[J]. 環境科學學報, 2012, 32(2): 440-449

Zhang R Q, Wu F C, Li H X, et al. Deriving aquatic water quality criteria for inorganic mercury in China by species sensitivity distributions [J]. Acta Scientiae Circumstantiae, 2012, 32(2): 440-449 (in Chinese)

[23] 魏威, 梁東麗, 陳世寶. 土壤中外源鋅對不同植物毒性的敏感性分布[J]. 生態學雜志, 2012, 31(3): 538-543

Wei W, Liang D L, Chen S B. Plant species sensitivity distribution to the phytotoxicity of soil exogenous zinc [J]. Chinese Journal of Ecology, 2012, 31(3): 538-543 (in Chinese)

[24] 王小慶, 韋東普, 黃占斌, 等. 物種敏感性分布在土壤中鎳生態閾值建立中的應用研究[J]. 農業環境科學學報, 2012, 31(1): 92-98

Wang X Q, Wei D P, Huang Z B, et al. Application of species sensitivity distribution in deriving of ecological thresholds for nickel in soils [J]. Journal of Agro-Environment Science, 2012, 31(1): 92-98 (in Chinese)

[25] 王俊能, 胡習邦, 李玉炫, 等. 物種敏感性分布在鉈污染淡水生物生態風險評估中的應用[J]. 安全與環境學報, 2012, 12(6): 134-139

Wang J N, Hu X B, Li Y X, et al. Assessing ecological risk of sudden thallium pollution accident to freshwater organisms by species sensitivity distributions [J]. Journal of Safety and Environment, 2012, 12(6): 134-139 (in Chinese)

[26] 杜建國, 趙佳懿, 陳彬, 等. 應用物種敏感性分布評估重金屬對海洋生物的生態風險[J]. 生態毒理學報, 2013, 8(4): 554-560

Du J G, Zhao J Y, Chen B, et al. Assessing ecological risks of heavy metals to marine organisms by species sensitivity distributions [J]. Asian Journal of Ecotoxicology, 2013, 8(4): 554-560 (in Chinese)

[27] DeForest D K, Schlekat C E. Species sensitivity distribution evaluation for chronic nickel toxicity to marine organisms [J]. Integrated Environmental Assessment and Management, 2013, 9(4): 580-589

[28] 王小慶, 韋東普, 黃占斌, 等. 物種敏感性分布法在土壤中銅生態閾值建立中的應用研究[J]. 環境科學學報, 2013, 33(6): 1787-1794

Wang X Q, Wei D P, Huang Z B, et al. Application of species sensitivity distribution in deriving of ecological thresholds for copper in soils [J]. Acta Scientiae Circumstantiae, 2013, 33(6): 1787-1794 (in Chinese)

[29] 孫聰. 水稻Cd毒害的敏感性分布及土壤主控因子研究[D]. 中國農業科學院, 2014

[30] Xing L, Liu H, Zhang X, et al. A comparison of statistical methods for deriving freshwater quality criteria for the protection of aquatic organisms [J]. Environmental Science and Pollution Research, 2014, 21(1): 159-167

[31] Liu Y, Wu F C, Mu Y, et al. Setting water quality criteria in China: Approaches for developing species sensitivity distributions for metals and metalloids [J]. Reviews of Environmental Contamination and Toxicology, 2014, 230: 35-57

[32] Warne M S J. Derivation of the australian and new zealand water quality guidelines for toxicants [J]. Australasian Journal of Ecotoxicology, 2002, 7(2): 123-136

[33] Yan Z, Yang N, Wang X, et al. Preliminary analysis of species sensitivity distribution based on gene expression effect [J]. Science China Earth Sciences, 2012, 55(6): 907-913

[34] 葛鴻銘, 王婷, 郁建橋, 等. 應用物種敏感性分布評價法對太湖梅梁灣入湖河流交匯處優控有機污染物的生態風險分析[J]. 安全與環境學報, 2011, 11(6): 116-120

Ge H M, Wang T, Yu J Q, et al. Eco-risk assessment on the primarily organic pollutants at Meiliang Bay inlet of Taihu Lake by analyzing the species-sensitivity distributions [J]. Journal of Safety and Environment, 2011, 11(6): 116-120 (in Chinese)

[35] Tian D Y, Lin Z F, Yu J Q, et al. Influence factors of multicomponent mixtures containing reactive chemicals and their joint effects [J]. Chemosphere, 2012, 88(8): 994-1000

[36] Tian D Y, Lin Z F, Yin D Q, et al. Atomic charges of individual reactive chemicals in binary mixtures determine their joint effects: An example of cyanogenic toxicants and aldehydes [J]. Environmental Toxicology and Chemistry, 2012, 31(2): 270-278

[37] Tian D Y, Lin Z F, Ding J Q, et al. Application of the similarity parameter (λ) to prediction of the joint effects of nonequitoxic mixtures [J]. Archives of Environmental Contamination and Toxicology, 2012, 62(2): 195-209

[38] Tian D Y, Lin Z F, Zhou X H, et al. The underlying toxicological mechanism of chemical mixtures: A case study on mixture toxicity of cyanogenic toxicants and aldehydes to Photobacterium phosphoreum [J]. Toxicology and Applied Pharmacology, 2013, 272(2): 551-558

[39] 張曉晴, 韋東普, 李波, 等. 土壤水溶態銅對小白菜的毒害效應及其預測模型[J]. 生態毒理學報, 2014(4): 729-736

Zhang X Q, Wei D P, Li B, et al. The toxicity effect of soil soluble copper on bok choy and its prediction model [J]. Asian Journal of Ecotoxicology, 2014(4): 729-736 (in Chinese)

[40] Rooney C P, Zhao F J, McGrath S P. Phytotoxicity of nickel in a range of European soils: Influence of soil properties, Ni solubility and speciation [J]. Environmental Pollution, 2007, 145(2): 596-605

[41] Li B, Zhang H, Ma Y, et al. Influences of soil properties and leaching on nickel toxicity to barley root elongation [J]. Ecotoxicology and Environmental Safety, 2011, 74(3): 459-466

[42] 王小慶. 中國農業土壤中銅和鎳的生態閾值研究[D]. 中國礦業大學(北京), 2012

[43] 王小慶, 李菊梅, 韋東普, 等. 土壤中銅生態閾值的影響因素及其預測模型[J]. 中國環境科學, 2014(2): 445-451

Wang X Q, Li J M, Wei D P, et al. Major soil factors affecting ecological threshold for copper and the predictable models [J]. China Environmental Science, 2014(2): 445-451 (in Chinese)

[44] Jones K C, De Voogt P. Persistent organic pollutants (POPs): State of the science [J]. Environmental Pollution, 1999, 100(1): 209-221

[45] Hoff P T, Scheirs J, Van de Vijver K, et al. Biochemical effect evaluation of perfluorooctane sulfonic acid-contaminated wood mice (Apodemus sylvaticus ) [J]. Environmental Health Perspectives, 2004, 112(6): 681

[46] Wang B, Yu G, Huang J, et al. Development of species sensitivity distributions and estimation of HC5of organochlorine pesticides with five statistical approaches [J]. Ecotoxicology, 2008, 17(8): 716-724

[47] 王印, 王軍軍, 秦寧, 等. 應用物種敏感性分布評估DDT和林丹對淡水生物的生態風險[J]. 環境科學學報, 2009, 29(11): 2407-2414

Wang Y, Wang J J, Qin N, et al. Assessing ecological risks of DDT and lindane to freshwater organisms by species sensitivity distributions [J]. Acta Scientiae Circumstantiae, 2009, 29(11): 2407-2414 (in Chinese)

[48] 喬敏, 黃圣彪, 朱永官, 等. 太湖梅梁灣沉積物中多環芳烴的生態和健康風險[J]. 生態毒理學報, 2007, 2(4): 456-463

Qiao M, Huang S B, Zhu Y G, et al. Ecological risk assessment of polycyclic aromatic hydrocarbons in sediments of Meiliang Bay, Taihu Lake [J]. Asian Journal of Ecotoxicology, 2007, 2(4): 456-463 (in Chinese)

[49] 陳波宇, 鄭斯瑞, 牛希成, 等. 水生生物對三唑磷的物種敏感度分布研究[J]. 環境科學, 2011, 32(4): 1101-1107

Chen B Y, Zhen S R, Niu X C, et al. Species sensitive distribution for aquatic biota exposed to triazophos [J]. Environmental Science, 2011, 32(4): 1101-1107 (in Chinese)

[50] Larras F, Bouchez A, Rimet F, et al. Using bioassays and species sensitivity distributions to assess herbicide toxicity towards benthic diatoms [J]. Plos One, 2012, 7(8): e44458

[51] Mochida K, Amano H, Ito K, et al. Species sensitivity distribution approach to primary risk analysis of the metal pyrithione photodegradation product, 2, 2′-dipyridyldisulfide in the Inland sea and induction of notochord undulation in fish embryos [J]. Aquatic Toxicology, 2012, 118-119(8): 152-163

[52] Mensah P K, Palmer C G, Muller W J. Derivation of south African water quality guidelines for roundupusing species sensitivity distribution [J]. Ecotoxicology and Environmental Safety, 2013, 96: 24-31

[53] Gottschalk F, Nowack B. A probabilistic method for species sensitivity distributions taking into account the inherent uncertainty and variability of effects to estimate environmental risk [J]. Integrated Environmental Assessment and Management, 2013, 9(1): 79-86

[54] Barron M G, Hemmer M J, Jackson C R. Development of aquatic toxicity benchmarks for oil products using species sensitivity distributions [J]. Integrated Environmental Assessment and Management, 2013, 9(4): 610-615

[55] Silva P V, Silva A R R, Mendo S, et al. Toxicity of tributyltin (TBT) to terrestrial organisms and its species sensitivity distribution [J]. Science of the Total Environment, 2014, 466: 1037-1046

[56] 劉良, 顏小品, 王印, 等. 應用物種敏感性分布評估多環芳烴對淡水生物的生態風險[J]. 生態毒理學報, 2009, 4(5): 647-654

Liu L, Yan X P, Wang Y, et al. Assessing ecological risks of polycyclic aromatic hydrocarbons (PAHs) to freshwater organisms by species sensitivity distributions [J]. Asian Journal of Ecotoxicology, 2009, 4(5): 647-654 (in Chinese)

[57] 穆景利, 靳非, 王菊英, 等. 基于物種敏感性分布的保護海水水生生物的石油烴急性毒性基準研究 [J]. 生態毒理學報, 2015, 10(1): 158-170

Mu J L, Jin F, Wang J Y, et al. Development of acute aquatic toxicity criteria for total petroleum hydrocarbon in oil spill based on species sensitivity distributions [J]. Asian Journal of Ecotoxicology, 2015, 10(1): 158-170 (in Chinese)

[58] Eriksson P, Ankarberg E, Viberg H, et al. The developing cholinergic system as target for environmental toxicants, nicotine and polychlorinated biphenyls (pcbs): Implications for neurotoxicological processes in mice [J]. Neurotoxicity research, 2001, 3(1): 37-51

[59] Austin M E, Kasturi B S, Barber M, et al. Neuroendocrine effects of perfluorooctane sulfonate in rats [J]. Environmental Health Perspectives, 2003, 111(12): 1485

[60] 范軼歐, 金一和, 麻懿馨, 等. 全氟辛烷磺酸對雄性大鼠生精功能的影響[J]. 衛生研究, 2005, 34(1): 37-39

Fan Y O, Jin Y H, Ma Y X, et al. Effects of perfluorooctane sulfonate on spermiogenesis function of male rats [J]. Journal of Hygiene Research, 2005, 34(1): 37-39 (in Chinese)

[61] Olson C T, Andersen M E. The acute toxicity of perfluorooctanoic and perfluorodecanoic acids in male rats and effects on tissue fatty acids [J]. Toxicology and Applied Pharmacology, 1983, 70(3): 362-372

[62] 陸敏, 韓姝媛, 余應新, 等. 蔬菜中多溴聯苯醚的定量測定及其對人體的生物有效性[J]. 分析測試學報, 2009, 28(1): 1-6

Lu M, Han S Y, Yu Y X, et al. Determination of polybrominated diphenyl ethers in vegetable and their bioaccessibility to human [J]. Journal of Instrumental Analysis, 2009, 28(1): 1-6 (in Chinese)

[63] Kannan K, Corsolini S, Falandysz J, et al. Perfluorooctanesulfonate and related fluorinated hydrocarbons in marine mammals, fishes, and birds from coasts of the Baltic and the Mediterranean Seas [J]. Environmental Science & Technology, 2002, 36(15): 3210-3216

[64] Chao H R, Wang S L, Lee W J, et al. Levels of polybrominated diphenyl ethers (PBDEs) in breast milk from central Taiwan and their relation to infant birth outcome and maternal menstruation effects [J]. Environment International, 2007, 33(2): 239-245

[65] Mhadhbi L, Fumega J, Boumaiza M, et al. Acute toxicity of polybrominated diphenyl ethers (pbdes) for turbot (psetta maxima) early life stages (els) [J]. Environmental Science and Pollution Research, 2012, 19(3): 708-717

[66] Olsen G W, Hansen K J, Stevenson L A, et al. Human donor liver and serum concentrations of perfluorooctanesulfonate and other perfluorochemicals [J]. Environmental Science & Technology, 2003, 37(5): 888-891

[67] 雷炳莉, 劉倩, 孫延楓, 等. 內分泌干擾物 4-壬基酚的水質基準探討[J]. 中國科學: 地球科學, 2012, 42(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 Science, 2012, 42(5): 657-664 (in Chinese)

[68] Newman M C, Ownby D R, Mezin L C, et al. Applying species-sensitivity distributions in ecological risk assessment: Assumptions of distribution type and sufficient numbers of species [J]. Environmental Toxicology and Chemistry, 2000, 19(2): 508-515

[69] 王銅, 孫傅, 曾思育, 等. 北京市污水處理廠出水中雌二醇的概率生態風險評價[J]. 生態毒理學報, 2005, 10(1): 260-269

Wang T, Sun F, Zeng S Y, et al. Probabilistic ecological risk assessment of estradiol in the effluents of wastewater treatment plants in Beijing [J]. Asian Journal of Ecotoxicology, 2015, 10(1): 260-269 (in Chinese)

[70] Wheeler J, Grist E, Leung K, et al. Species sensitivity distributions: Data and model choice [J]. Marine Pollution Bulletin, 2002, 45(1): 192-202

[71] Verdonck F A, Jaworska J, Thas O, et al. Determining environmental standards using bootstrapping, Bayesian and maximum likelihood techniques: A comparative study [J]. Analytica Chimica Acta, 2001, 446(1): 427-436

[72] 王穎, 馮承蓮, 黃文賢, 等. 物種敏感度分布的非參數核密度估計模型[J]. 生態毒理學報, 2015, 10(1): 204-213

Wang Y , Feng C L , Huang W X, et al. Non-parametric kernel density estimation of developing species sensitivity distributions [J]. Asian Journal of Ecotoxicology, 2015, 10(1): 204-213 (in Chinese)

[73] 侯俊, 趙芊淵, 王超, 等. 應用概率物種敏感度分布法研究太湖銅水生生物水質基準[J]. 生態毒理學報, 2015, 10(1): 180-192

Hou J, Zhao Q Y, Wang C, et al. Deriving aquatic water quality criteria for copper in Taihu Lake by probabilistic species sensitivity distributions [J]. Asian Journal of Ecotoxicology, 2015, 10(1): 180-192 (in Chinese)

[74] Sch?fer R B, Gerner N, Kefford B J, et al. How to characterize chemical exposure to predict ecologic effects on aquatic communities? [J]. Environmental Science & Technology, 2013, 47(14): 7996-8004

[75] Beketov M A, Foit K, Sch?fer R B, et al. SPEAR indicates pesticide effects in streams-comparative use of species-and family-level biomonitoring data [J]. Environmental Pollution, 2009, 157(6): 1841-1848

[76] Frampton G K, J?nsch S, Scott-Fordsmand J J, et al. Effects of pesticides on soil invertebrates in laboratory studies: A review and analysis using species sensitivity distributions [J]. Environmental Toxicology and Chemistry, 2006, 25(9): 2480-2489

[77] Beach S A, Newsted J L, Coady K, et al. Ecotoxicological evaluation of perfluorooctanesulfonate (pfos) [J]. Reviews of Environmental Contamination and Toxicology, 2006, 186(4): 133-174

[78] Shi Y, Pan Y, Wang J, et al. Perfluorinated chemicals related environmental problems [J]. Progress in Chemistry, 2009, 21(2-3): 369-376

[79] Awkerman J A, Raimondo S, Jackson C R, et al. Augmenting aquatic species sensitivity distributions with interspecies toxicity estimation models [J]. Environmental Toxicology and Chemistry, 2014, 33(3): 688-695

[80] DeForest D K, Gilron G, Armstrong S A, et al. Species sensitivity distribution evaluation for selenium in fish eggs: Considerations for development of a Canadian tissue-based guideline [J]. Integrated Environmental Assessment and Management, 2012, 8(1): 6-12

◆

Review of Species Sensitivity Distributions for Heavy Metals and Organic Contaminants

Tian Dayong*, Chang Chenchao, Wang Chengzhi, Ru Zongling, Song Haixiang, Hou Shaogang

Department of Chemical and Environmental Engineering, Anyang Institute of Technology, Anyang 455000, China

Received 14 January 2015 accepted 7 April 2015

Species sensitivity distribution (SSD) is a statistical extrapolation method with a higher confidence level than that of the assessment factor method. It has been widely used in developing the environmental quality criteria and ecological risk assessments. This paper discusses the development of the SSD of heavy metals and organic contaminants in recent years, and elaborates the application of the SSD method in the field of ecological risk assessments of these chemicals in different environmental media, including water, soil and sediments. In addition, the influences on the uncertainty of the SSD models, such as the selection of SSD models and data screening, were summarized. The application of SSD method in ecological risk assessment is also prospected.

species sensitivity distribution; heavy metal; organic contaminants; ecological risk assessment

國家自然科學基金(U1404217)，河南省重點科技攻關項目(142102310190)，河南省教育廳科學技術研究重點項目資助計劃(14A610011),安陽工學院校級重點科研項目(AGJ2014008)

田大勇(1975- )，男，博士，研究方向為復合污染毒理及控制策略，E-mail: astdy@126.com

10.7524/AJE.1673-5897-20150114001

2015-01-14 錄用日期：2015-04-07

1673-5897(2015)3-038-12

X171.5

A

田大勇，常琛朝，王成志, 等. 環境中重金屬和有機污染物的物種敏感性分布研究進展[J]. 生態毒理學報，2015, 10(3): 38-49

Tian D Y, Chang C C, Wang C Z, et al. Review of species sensitivity distributions for heavy metals and organic contaminants [J]. Asian Journal of Ecotoxicology, 2015, 10(3): 38-49 (in Chinese)