北京市污水處理廠出水中雌二醇的概率生態風險評價

王銅，孫傅，曾思育，何苗

清華大學環境學院，北京 100084

北京市污水處理廠出水中雌二醇的概率生態風險評價

王銅，孫傅*，曾思育#，何苗

清華大學環境學院，北京 100084

隨著北京市再生水補給河湖規模擴大，污水處理廠出水中雌激素活性物質引起的受納水體生態風險日益受到關注。以雌二醇為例，利用物種敏感度分布(species sensitivity distribution，SSD)模型和聯合概率曲線(joint probability curve，JPC)方法開展北京市污水處理廠出水的概率生態風險評價研究。通過文獻調研整理了北京市約430個物種，利用美國環境保護署ECOTOX數據庫獲取了其中7個物種的雌二醇毒性數據，構建了正態分布、對數正態分布、Logistic分布、對數Logistic分布、Weibull分布、Burr III型分布和Gumbel分布等7個SSD模型，評價了北京市污水處理廠二沉池出水以及“混凝-沉淀-過濾-臭氧”、“超濾-臭氧”和“超濾-活性炭-臭氧”3種深度處理工藝組合出水的生態風險。結果表明，利用北京市7個物種雌二醇毒性數據構建的SSD模型具有合理性，SSD模型選擇對生態風險評價結果的影響較大，對數正態分布、對數Logistic分布、Weibull分布和Burr III型均是可接受的SSD模型，其中擬合效果最佳的Burr III型分布模型給出了最保守的風險估計。Burr III型分布模型的模擬結果顯示，北京市污水處理廠二沉池出水以及3種深度處理工藝組合出水的總體風險期望值分別為0.070、0.040、0.036和0.026，該結果可以為北京市未來水生態保護目標的設定以及污水處理工藝的升級改造提供決策參考。

雌二醇；本地物種；生態風險；污水處理廠；物種敏感度曲線；聯合概率曲線

污水處理廠出水中的微量有毒有害化學物質及其生態影響日益受到關注，這些物質包括內分泌干擾物、藥物及個人護理品、農藥、多環芳烴等[1-6]。內分泌干擾物(包括雌激素類、雄激素類、類固醇抑制劑和甲狀腺干擾物)因干擾生物體內荷爾蒙的合成、分泌、排泄等過程[7]，一直是這一研究領域關注的一類重要物質[6,8-11]，其中又以研究雌激素活性物質存在狀況、危害及其生態風險的居多[12-20]。Desbrow等[12]和Routledge等[13]分別利用體外實驗和體內試驗發現，污水處理廠出水中的雌激素活性物質可能誘導受納水體中雄性魚類卵黃蛋白原的合成。在我國，Zha和Wang[16]研究了北京市北小河再生水廠不同處理工藝段出水對青鳉魚的影響，發現二沉池、超濾及微濾出水在稀釋一倍的情況下都會引起青鳉魚性別比例的改變。

目前生態風險表征的方法主要包括商值法和概率法[21]。商值法比較危害物質的環境暴露濃度和預測無效應濃度(predicted no-effect concentration, PNEC)，若二者比值大于1，則表明存在風險，商值越大，風險越高[22]。概率法通常利用物種敏感度分布(species sensitivity distribution, SSD)表征在不同暴露濃度危害物質的作用下受到不利影響物種的比例[21]，在此基礎上同時考慮危害物質暴露濃度的不確定性，例如安全閾值(margin of safety)方法和聯合概率曲線(joint probability curve, JPC)方法[22-23]。商值法通常基于最敏感物種的毒性數據計算PNEC，因而評價結果偏于保守，并且其計算結果只能指示風險是否存在及其相對高低，而不能表征生態系統中物種受到不利影響的范圍和程度，因此適用于生態風險的篩查或初步評價[21]。概率法可以建立危害物質濃度與受影響物種比例之間的定量關系，因此其生態含義和管理意義更加明確(如建立有毒有害物質的環境基準)[23]。雖然具有這些優勢，概率法的應用在很大程度上依賴于危害物質對不同物種的毒性效應數據的可獲得性，并且物種選擇應能體現地域差異。由于對本地物種的相關毒性試驗和研究相對缺乏[24]，我國目前利用概率法開展有毒有害物質生態風險評價的研究通常借鑒國外相關研究成果和數據庫構建SSD，較少考慮我國和其他國家或地區在物種分布方面的地域差異，因此風險評價結果對本地的適用性需要進一步考察[24]。同時，在概率生態風險評價中，SSD模型的選擇也會直接影響評價結果。雖然一些學者和指南文件推薦了可供選擇的SSD模型(如對數正態分布和Weibull分布)，但目前尚不能找到一種適用于所用情況的模型[25-27]。現有研究通常是根據經驗直接選擇某一種模型，很少考慮SSD模型選擇的偶然性或不確定性對風險評價結果的影響。

目前，北京市使用污水處理廠出水(含再生水)補給的河道比例已達70%以上[28]，其中有毒有害物質的生態風險日益引起關注[2,4-6,10]。作為雌激素活性物質的一種，雌二醇常被用作雌激素活性的當量物質，用來表征此類物質對生態系統的影響[29]，而污水處理廠出水是受納水體雌二醇的重要來源之一[30-31]。因此，本文以評價北京市污水處理廠出水中雌二醇的生態風險為目標，構建基于北京市本地物種的SSD模型，在此基礎上考察污水處理廠出水中雌二醇的濃度分布、不同SSD模型以及不同深度處理工藝對受納水體生態風險的影響，以期為北京市再生水補給河湖的生態風險評價和管理提供方法基礎。

1 方法(Methods)

1.1 生態風險評價方法

1.1.1 SSD模型的選擇

基于文獻調研[25-27]，本文選取國內外相關技術導則和現有研究推薦或常用7種SSD模型，列于表1中。本文對表中7種SSD模型開展對比研究，一方面是為了獲得與物種毒性效應數據吻合最好的模型，從而獲得最佳的生態風險估計，另一方面是為了考察SSD模型選擇對生態風險評價結果不確定性的影響。

1.1.2 JPC方法的應用

當SSD模型和危害物質的暴露濃度確定后，受影響的物種比例(fraction affected, FA)即為定值。因此，當暴露濃度存在不確定性時，這種不確定性也會傳遞到FA。本文利用JPC表征污水處理廠出水中雌二醇濃度的不確定性對生態風險評價結果的影響。JPC通過結合SSD模型和危害物質的暴露濃度分布得到，其橫坐標為一系列暴露濃度水平下受影響物種的比例，縱坐標為暴露濃度分布中超過相應濃度水平的概率。JPC越接近兩側坐標軸，其表征的生態風險越低[32-34]。除此之外，JPC與兩側坐標軸構成區域的面積可以表征總體風險的期望值(expected total risk, ETR)[23]，如式1所示

(1)

式中，x表示毒性物質濃度，CDFX1和CDFX2分別表示毒性物質濃度的累積概率分布和毒性物質的SSD。

1.2 數據來源

1.2.1 毒性數據

本文的研究區域為北京市，為了構建基于北京市本地物種的SSD模型，經過文獻調研，獲取了北京市以及水系直接關聯的河北和天津部分區域存在物種約430個[35-44]，并在美國環境保護署(EPA)的ECOTOX數據庫(http://www.epa.gov/ecotox/)中查詢雌二醇對這些物種的毒性數據。經過篩選，共獲得7個物種的雌二醇毒性數據，包括：萼花臂尾輪蟲(Brachionuscaly ciflorus)、鯽魚(Carassius auratus)、大型溞(Daphnia magna)、變異直鏈藻(Melosira varians)、泥鰍(Misgurnus anguillicaudatus)、虹鱒(Oncorhynchus mykiss)和青鳉(Oryzias latipes)。經檢驗，本文獲取的數據滿足《澳大利亞和新西蘭淡水和海水水質準則》[25]提出的建立SSD模型的要求，即包括至少4種不同生物分類的至少5個物種的慢性無觀測效應濃度(no-observed-effect concentration, NOEC)值。根據該準則的要求，對上述獲取的

表1 選取的7種SSD模型

毒性數據進行進一步處理，規則如下：(1)對于同一物種不同效應的NOEC值，選取最低值；(2)對于同一物種相同效應的NOEC值，取幾何平均值。

將經過上述處理的7個物種的NOEC值由小到大排序，利用Hazen公式[23]計算每個數據點的累積概率，見式(2)。

(2)

式中， yi為第i個數據點的累積概率，i為每個物種NOEC從小到大排列的秩，n為數據點數量。

將7組NOEC和 yi帶入表1所示的SSD模型公式中進行擬合，獲得參數值。本研究通過Kolmogorov-Smirnov(K-S)檢驗的p值和曲線擬合的相關系數r值來判斷SSD模型與毒性數據的吻合程度。

由于本文從ECOTOX數據庫中僅獲取了與北京市7個物種相關的雌二醇毒性數據，數據量偏少，為了考察其合理性和代表性，本文同時使用數據庫中可獲得的全體30個物種的雌二醇NOEC數據構建SSD模型，并與基于北京市物種構建的SSD模型相比較。

1.2.2 暴露數據

為了研究北京市污水處理廠出水中雌二醇對受納水體的生態風險以及不同深度處理工藝對削減這一風險的影響，本文通過文獻調研獲取了北京市污水處理廠二沉池出水中雌二醇的濃度以及典型深度處理工藝單元(包括混凝-沉淀、砂濾、超濾、活性炭、臭氧等)對雌二醇的去除率等數據[30,45-56]，其中二沉池出水中雌二醇濃度數據為41個，混凝-沉淀、砂濾、超濾、活性炭和臭氧等工藝去除率的數據量為10～13個。在此基礎上，參照北京市再生水廠的深度處理工藝，構造以下4種工藝組合：(A)無深度處理；(B)混凝-沉淀-過濾-臭氧；(C)超濾-臭氧；(D)超濾-活性炭-臭氧。為了考慮二沉池出水濃度以及各工藝單元去除效率的不確定性，本文在其經驗分布的基礎上進行50 000次Monte Carlo模擬，得到不同工藝組合出水中雌二醇的濃度分布，由此利用上述SSD模型，推導不同工藝組合下的JPC。

1.3 數據處理

SSD模型的擬合和驗證、不同工藝組合下出水中雌二醇濃度分布的Monte Carlo模擬、JPC的推導以及ETR的計算均使用Matlab軟件完成。

2 結果(Results)

2.1 SSD模型

本文從美國EPA的ECOTOX數據庫中獲取了雌二醇對北京市7個物種全部毒性效應終點的NOEC值，對于每個物種不同效應終點選取最低的NOEC值表征其對雌二醇的敏感度。毒性數據較多的是虹鱒(Oncorhynchus mykiss)和青鳉(Oryzias latipes)，毒性效應終點包括對卵黃蛋白原、繁殖能力、生長的影響等。最敏感的物種為虹鱒(Oncorhynchus mykiss)，其NOEC值最低的毒性效應終點為對繁殖能力的影響，這與文獻中報道的魚類生殖系統對雌激素類物質最為敏感相一致[34, 57-59]。青鳉(Oryzias latipes)NOEC值最低的毒性效應終點為對生長長度的影響；泥鰍(Misgurnus anguillicaudatus)最低NOEC值對應的毒性效應終點為對體內生化指標(鈣、鎂和蛋白質含量)的影響；鯽魚(Carassius auratus)只有一個可用的NOEC值，為對體內熒光素酶的影響；大型溞(Daphnia magna)NOEC值最低的毒性效應終點為存活率和形態變化；變異直鏈藻(Melosira varians)最低NOEC值對應的毒性效應終點為葉綠素a的比例；萼花臂尾輪蟲(Brachionuscaly ciflorus)只有一個有效的NOEC數據，其毒性效應終點為對受精的影響。總體來看，營養等級高的魚類對雌二醇比較敏感，萼花臂尾輪蟲(Brachionuscaly ciflorus)、變異直鏈藻(Melosira varians)和大型溞(Daphnia magna)的耐受性較高。

雌二醇對北京市7個物種的毒性數據以及表1中7種SSD模型對這些數據的擬合結果如圖1所示，每種SSD模型的K-S檢驗p值和曲線擬合相關系數r也列在圖中。從圖中可以看出，7種SSD模型的K-S檢驗p值均大于0.05，且擬合相關系數r均大于0.9，總體上能夠較好地模擬北京市7個物種對雌二醇毒性的響應關系。進一步觀察7種SSD模型可以看出，正態分布、Logistic分布和Gumbel分布3種SSD模型的模擬效果略差，并且其累積概率在雌二醇濃度為40 μg·L-1時已接近1，過高地估計了雌二醇的毒性效應。故在下文的生態風險評價中，僅選取擬合效果較好的對數正態分布、對數Logistic分布、Weibull分布和Burr III型分布4種SSD模型。同時，通過擬合相關系數比較以及圖形直觀比較可以發現，這4種SSD模型中Burr III型分布的擬合效果最好。

本文還利用ECOTOX數據庫中可獲得的全體30個物種的雌二醇NOEC數據建立了SSD模型，對表1中7種SSD模型的擬合結果比較后發現，Weibull分布的擬合效果最好，這一結果亦列于圖1中。

圖1 基于北京市物種和ECOTOX數據庫中全體物種的雌二醇SSD模型Fig. 1 SSDs models based on Beijing native species and all available species in the ECOTOX database

2.2 污水處理廠出水的雌二醇濃度分布

圖2對比了4種不同深度處理工藝組合出水的雌二醇濃度分布。工藝組合A為無深度處理工藝時即二沉池出水的雌二醇濃度分布，其均值為2.2 ng·L-1，中位值為0.35 ng·L-1，均低于孫艷等[7]報道的結果，這可能與二者統計范圍不同有關，本文主要關注北京市污水處理廠的相關數據。同時，從圖2可以看出，3種深度處理工藝組合對雌二醇去除效率的高低依次是：超濾-活性炭-臭氧(工藝組合D)>超濾-臭氧(工藝組合C)>混凝-沉淀-過濾-臭氧(工藝組合B)，這與預期結果是一致的。以中位值來看，

圖2 北京市污水處理廠不同深度處理工藝組合出水的雌二醇濃度分布Fig. 2 Cumulative distribution of estradiol concentration in the effluents from different advanced treatment processes in Beijing

工藝組合D、C和B對雌二醇的去除率均可達98%以上，而以第95百分位數來看，三者的去除率分別為85.5%、92.3%和98.5%。

2.3 污水處理廠出水中雌二醇的生態風險

利用圖2中工藝組合A出水雌二醇濃度的概率分布和圖1中4種不同SSD模型可以推導得到不同工藝組合的JPC。圖3所示為無深度處理工藝時北京市污水處理廠二沉池出水中雌二醇的生態風險。以橫坐標取值0.05為例，從圖3可以看出Burr III型分布對應的縱坐標取值約為0.63，這表明北京市污水處理廠二沉池出水中雌二醇造成受納水體5%的物種受到不利影響的概率為63%。相應地，根據Weibull分布、對數正態分布和對數Logistic分布模型得到的概率分別為51%、21%和11%。如前所述，JPC越接近兩側坐標值，其生態風險越低，因此4種SSD模型計算得到的生態風險由高到低依次是：Burr III型分布>Weibull分布>對數正態分布>對數Logistic分布，其相應的ETR分別為0.070、0.047、0.032和0.023。

表2給出了北京市污水處理廠不同深度處理工藝組合出水中雌二醇的ETR。與未采用深度處理工藝即工藝組合A相比，其他3種工藝組合均能顯著降低出水雌二醇的生態風險，但根據不同SSD模型計算得到的ETR存在較大差異。

3 討論(Discussion)

3.1 物種選擇對于SSD模型的影響

對比圖1中基于北京市物種和ECOTOX數據庫中全體物種構建的雌二醇SSD模型可以看出，在低濃度段時后者的累積概率高于前者，在高濃度段時則相反。這是因為ECOTOX數據庫涵蓋的物種豐富，NOEC的跨度較大(0.00027～1361.9 μg·L-1)，故在低濃度段和高濃度段均有充足的數據點，而北京市7個物種的NOEC則相對集中(0.00042～100 μg·L-1)。北京市7個物種NOEC的最小值(0.00042 μg·L-1，y1=0.07)、中位數(2.72 μg·L-1，y4=0.50)和最大值(100 μg·L-1，y7=0.93)在全體30個物種NOEC值中對應的累積概率分別為0.07、0.57和0.90，由此可見二者的概率分布具有較好的相似性。因此，雖然本文從ECOTOX數據庫中僅獲取到北京市7個物種的雌二醇毒性數據，但是這7個物種具有較好的代表性，由此建立SSD模型開展生態風險評價具有合理性。

圖3 基于不同SSD模型的北京市污水處理廠二沉池出水中雌二醇的生態風險Fig. 3 Estimated ecological risk of estradiol in the effluents of secondary sedimentation tanks from wastewater treatment plants in Beijing based on different SSD models

表2 北京市污水處理廠不同深度處理工藝組合出水中雌二醇的生態風險

制定水環境質量基準時，通常以造成5%物種損害的濃度值作為參考，即HC5(hazardous concentration for 5% of the species)，通過安全因子，計算得到PNEC值。本文采用的毒性數據為慢性NOEC值，具有較高的可信度，故采用其HC5作為PNEC值[25]。根據圖1中不同的SSD模型可以得到，基于北京市物種的對數正態分布、對數Logistic分布、Weibull分布和Burr III型分布4種模型的PNEC值分別為1.49×10-3、3.19×10-3、3.35×10-4和2.20×10-5μg·L-1。Young等[59]以青鳉魚早期生命階段雌化現象為效應終點推導得到雌二醇的PNEC值為1 ng·L-1，Kramer等[60]采用黑頭呆魚產卵量為效應終點獲得的PNEC值為6.6 ng·L-1，Caldwell等[58]采用魚類繁殖能力為效應終點獲得的PNEC值為2 ng·L-1。本文4種SSD模型推導得到的雌二醇PNEC值與這些文獻值基本可比或低于文獻值，這可能與物種和毒性效應終點選擇的差異有關。這些文獻中的PNEC值是基于單一或多個魚類物種的某一類與生殖系統相關的毒性效應終點得到的，而本文考慮水生生態系統的整體影響，對多個營養級的物種選取最敏感的毒性效應終點。根據圖1還可以得到基于全體物種的PNEC值為7.46×10-6μg·L-1，較基于北京市物種得到的結果低1～2個數量級。這意味著，在制定雌二醇水環境質量標準時，如果不考慮北京市物種特點而直接采用ECOTOX數據庫全體物種的毒性數據，有可能導致標準過于嚴格，造成“過保護”和資源浪費。

3.2 SSD模型選擇對生態風險的影響

從圖3和表2可以看出，SSD模型選擇對雌二醇生態風險評價結果的影響很大，對于同一工藝組合，采用Burr III型分布和對數Logistic分布模型得到的ETR可相差3～9倍。從表2還可以看出，使用對數Logistic分布模型得到的二沉池出水的ETR(0.023)低于使用Burr III型分布模型得到的工藝組合D的ETR(0.026)，說明SSD模型選擇對ETR的影響甚至超過處理工藝組合的影響。因此，在開展生態風險評價時，應充分考慮SSD模型選擇帶來的不確定性，僅僅依靠經驗或參照其他研究直接選擇一種SSD模型，可能會導致生態風險評價結果出現系統偏差。需要指出的是，本文中擬合效果最佳的Burr III型分布模型恰好具有最保守的風險估計，因此以此為基礎的風險管理是偏于安全的。

3.3 深度處理工藝的選擇

本文的生態風險評價結果可以為北京市未來污水處理系統升級改造的工藝選擇提供參考。從表2可以看出，北京市污水處理廠二沉池出水經過3種不同的深度處理工藝組合后，出水中雌二醇的生態風險均有顯著下降。以最保守的Burr III型分布模型為例，如果北京市以保護95%的物種為目標，那么未經深度處理的二沉池出水不能達到這一保護目標，而增加深度處理工藝組合B、C或D之后均可滿足這一目標。若將保護目標提升為保護99%的物種，那么本文所研究的工藝組合B、C和D均無法達到，需要引入更加高效的處理工藝。

綜上所述，考慮SSD模型的不確定性，目前北京市污水處理廠二沉池出水中雌二醇的總體生態風險期望值為0.023～0.070，即約2.3%～7.0%的水生生物物種可能受到不利影響，總體處于較低水平。經過不同深度處理工藝后，雌二醇的總體生態風險期望值可降至0.04以下，滿足國際上通常采用的保護95%物種的生態管理要求。研究還發現，利用SSD模型開展概率生態風險評價時，物種選擇和SSD模型選擇對生態風險評價結果的不確定性會產生重要影響。因此，在數據可獲得的情況下，應盡可能選擇本地物種的毒性數據構建SSD模型，同時對多種SSD模型進行綜合比選，從而提高生態風險評價結果的可靠性。隨著北京市再生水補給河湖利用規模的迅速擴大，應加強其生態風險研究，建立本地物種毒性測試和評價方法以及相應的毒性數據庫，從而降低毒性數據稀缺帶來的SSD模型的不確定性，為確定經濟合理、技術可達的生態保護水平提供決策依據。此外，本文的研究對象是污水處理廠出水中的雌二醇，但水生生物直接暴露的應是水環境中的雌二醇，所以后續應進一步研究水環境中雌二醇的存在狀況以及污水處理廠出水中的雌二醇在水環境中的遷移轉化規律，修正本文的相關研究結果。

[1] Peng X Z, Yu Y Y, Tang C M, et al. Occurrence of steroid estrogens, endocrine-disrupting phenols, and acid pharmaceutical residues in urban riverine water of the Pearl River Delta, South China [J]. Science of the Total Environment, 2008, 397(1-3): 158-166

[2] Sun Q F, Deng S B, Huang J, et al. Contributors to estrogenic activity in wastewater from a large wastewater treatment plant in Beijing, China [J]. Environmental Toxicology and Pharmacology, 2008, 25(1): 20-26

[3] Zhao J L, Ying G G, Wang L, et al. Determination of phenolic endocrine disrupting chemicals and acidic pharmaceuticals in surface water of the Pearl Rivers in South China by gas chromatography-negative chemical ionization-mass spectrometry [J]. Science of the Total Environment, 2009, 407(2): 962-974

[4] Sui Q, Huang J, Deng S B, et al. Occurrence and removal of pharmaceuticals, caffeine and DEET in wastewater treatment plants of Beijing, China [J]. Water Research, 2010, 44(2): 417-426

[5] Sui Q, Huang J, Deng S B, et al. Seasonal variation in the occurrence and removal of pharmaceuticals and personal care products in different biological wastewater treatment processes [J]. Environmental Science & Technology, 2011, 45(8): 3341-3348

[6] Chang H, Wan Y, Wu S M, et al. Occurrence of androgens and progestogens in wastewater treatment plants and receiving river waters: Comparison to estrogens [J]. Water Research, 2011, 45(2): 732-740

[7] 孫艷, 黃璜, 胡洪營, 等. 污水處理廠出水中雌激素活性物質濃度與生態風險水平[J]. 環境科學研究, 2010, 23(12): 1488-1493

Sun Y, Huang H, Hu H Y, et al. Concentration and ecological risk level of estrogenic endocrine-disrupting chemicals in the effluents from wastewater treatment plants [J]. Research of Environmental Sciences, 2010, 23(12): 1488-1493 (in Chinese)

[8] Wang Y Q, Hu W, Cao Z H, et al. Occurrence of endocrine-disrupting compounds in reclaimed water from Tianjin, China [J]. Analytical and Bioanalytical Chemistry, 2005, 383(5): 857-863

[9] Fan Z L, Wu S M, Chang H, et al. Behaviors of glucocorticoids, androgens and progestogens in a municipal sewage treatment plant: Comparison to estrogens [J]. Environmental Science & Technology, 2011, 45(7): 2725-2733

[10] Li N, Ma M, Rao K F, et al. In vitro thyroid disrupting effects of organic extracts from WWTPs in Beijing [J]. Journal of Environmental Sciences, 2011, 23(4): 671-675

[11] Rao K F, Li N, Ma M, et al. In vitro agonistic and antagonistic endocrine disrupting effects of organic extracts from waste water of different treatment processes [J]. Frontiers of Environmental Science & Engineering, 2014, 8(1): 69-78

[12] Desbrow C, Routledge E J, Brighty G C, et al. Identification of estrogenic chemicals in STW effluent. 1. Chemical fractionation and in vitro biological screening [J]. Environmental Science & Technology, 1998, 32(11): 1549-1558

[13] Routledge E J, Sheahan D, Desbrow C, et al. Identification of estrogenic chemicals in STW effluent. 2. In vivo responses in trout and roach [J]. Environmental Science & Technology, 1998, 32(11): 1559-1565

[14] Welshons W V, Thayer K A, Judy B M, et al. Large effects from small exposures. I. Mechanisms for endocrine-disrupting chemicals with estrogenic activity [J]. Environmental Health Perspectives, 2003, 111(8): 994-1006

[15] Vom Saal F S, Hughes C. An extensive new literature concerning low-dose effects of bisphenol A shows the need for a new risk assessment [J]. Environmental Health Perspectives, 2005, 113(8): 926-933

[16] Zha J M, Wang Z J. Assessing technological feasibility for wastewater reclamation based on early life stage toxicity of Japanese medaka(Oryzias latipes) [J]. Agriculture, Ecosystems & Environment, 2005, 107(2-3): 187-198

[17] Zha J M, Wang Z J. Acute and early life stage toxicity of industrial effluent on Japanese medaka (Oryziaslatipes) [J]. Science of the Total Environment, 2006, 357(1-3): 112-119

[18] Zha J M, Sun L W, Zhou Y Q, et al. Assessment of 17α-ethinylestradiol effects and underlying mechanisms in a continuous, multigeneration exposure of the Chinese rare minnow (Gobiocypris rarus) [J]. Toxicology and Applied Pharmacology, 2008, 226(3): 298-308

[19] Jukosky J A, Watzin M C, Leiter J C. The effects of environmentally relevant mixtures of estrogens on Japanese medaka (Oryzias latipes) reproduction [J]. Aquatic Toxicology, 2008, 86(2): 323-331

[20] Waiser M J, Humphries D, Tumber V, et al. Effluent-dominated streams. Part 2: Presence and possible effects of pharmaceuticals and personal care products in Wascana Creek, Saskatchewan, Canada [J]. Environmental Toxicology and Chemistry, 2011, 30(2): 508-519

[21] 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): 350-358

Lei B L, Huang S B, Wang Z J. Theories and methods of ecological risk assessment [J]. Progress in Chemistry, 2009, 21(2/3): 350-358 (in Chinese)

[22] 郭廣慧, 吳豐昌, 何宏平, 等. 太湖梅梁灣、貢湖灣和胥口灣水體PAHs的生態風險評價[J]. 環境科學學報, 2011, 31(12): 2804-2813

Guo G H, Wu F C, He H P, et al. Ecological risk assessment of PAHs in the Meiliang Bay, Gonghu Bay, and Xukou Bay of Taihu Lake [J]. Acta Scientiae Circumstantiae, 2011, 31(12): 2804-2813 (in Chinese)

[23] Aldenberg T, Jaworska J S, Traas T P. Normal species sensitivity distributions and probabilistic ecological risk assessment [M]// Species Sensitivity Distributions in Ecotoxicology. Boca Raton, USA: Lewis Publishers, 2002: 49-102

[24] 金小偉, 王業耀, 王子健. 淡水水生態基準方法學研究: 數據篩選與模型計算[J]. 生態毒理學報, 2014, 9(1): 1-13

Jin X W, Wang Y Y, Wang Z J. Methodologies for deriving aquatic life criteria (ALC): Data screening and model calculation [J]. Asian Journal of Ecotoxicology, 2014, 9(1): 1-13 (in Chinese)

[25] ANZECC (Australian and New Zealand Environment and Conservation Council), ARMCANZ (Agriculture and Resource Management Council of Australia and New Zealand). Australian and New Zealand guidelines for fresh and marine water quality.Volume 2 [R]. Canberra: ANZECC and ARMCANZ, 2000

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

[27] CCME(Canadian Council of Ministers of the Environment). A protocol for the derivation of water quality guidelines for the protection of aquatic life 2007 [R]. Winnipeg: CCME, 2007

[28] 北京市發展和改革委員會. 近年來北京市用水量變化情況[EB/OL]. (2009-12-16) [2014-04-22]. http://www.bjpc.gov.cn/zt/09shui/xgqk/200912/t510940.htm

[29] Falconer I R, Chapman H F, Moore M R, et al. Endocrine-disrupting compounds: A review of their challenge to sustainable and safe water supply and water reuse [J]. Environmental Toxicology, 2006, 21(2): 181-191

[30] 曹仲宏, 馬永民, 胡偉, 等. 再生水中內分泌干擾物的初步研究[J]. 環境與健康雜志, 2005, 22(3): 171-173

Cao Z H, Ma Y M, Hu W, et al. Endocrine disrupting compounds in reclaimed water produced by a certain water plant: Some preliminary results [J]. Journal of Environment and Health, 2005, 22(3): 171-173 (in Chinese)

[31] 黃深. 城市污水廠二級處理出水臭氧深度處理研究[D]. 北京: 清華大學, 2008

Huang S. Advanced treatment of secondary effluent by ozonation [D]. Beijing: Tsinghua University, 2008 (in Chinese)

[32] Solomon K, Giesy J, Jones P. Probabilistic risk assessment of agrochemicals in the environment [J]. Crop Protection, 2000, 19(8): 649-655

[33] Wang Z, Wang Y, Ma X D, et al. Probabilistic ecological risk assessment of typical PAHs in coastal water of Bohai Sea [J]. Polycyclic Aromatic Compounds, 2013, 33(4): 367-379

[34] Jin X W, Wang Y Y, Jin W, et al. Ecological risk of nonylphenol in China surface waters based on reproductive fitness [J]. Environmental Science & Technology, 2014, 48(2): 1256-1262

[35] 王宏偉, 昌艷萍, 張磊, 等. 拒馬河原生動物和底棲動物初步調查及水質分析[J]. 動物學雜志, 2006, 41(4): 77-82

Wang H W, Chang Y P, Zhang L, et al. Primary survey on protozoa and benthos and assessment of water quality in Juma River [J]. Chinese Journal of Zoology, 2006, 41(4): 77-82 (in Chinese)

[36] 任淑智. 北京小型湖泊底棲無脊椎動物群落結構特征與營養狀況的研究[J]. 應用生態學報, 1991, 2(3): 221-225

Ren S Z. Community structure of macroinvertebrates and trophic level of several small lakes in Beijing city [J]. Chinese Journal of Applied Ecology, 1991, 2(3): 221-225 (in Chinese)

[37] 許木啟. 京密運河-北京排污河浮游動物群落變化與水質關系的研究[J]. 環境科學學報, 1993, 13(3): 347-354

Xu M Q. Relationship between change in zooplankton community and water quality of Jingmi Canal and Beijing sewage stream [J]. Acta Scientiae Circumstantiae, 1993, 13(3): 347-354 (in Chinese)

[38] 王鴻媛, 北京魚類和兩棲. 爬行動物志[M]. 北京: 北京出版社, 1994

[39] 楊文波, 李繼龍, 李緒興, 等. 拒馬河北京段魚類組成及其多樣性[J]. 上海水產大學學報, 2008, 17(2): 175-181

Yang W B, Li J L, Li X X, et al. Fish composition and species biodiversity of the Beijing section of Juma River [J]. Journal of Shanghai Fisheries University, 2008, 17(2): 175-181 (in Chinese)

[40] 衛新鋒, 趙彥偉, 彭可揚, 等. 北京市五景觀湖泊浮游藻類評價及聚類分析[J]. 水土保持研究, 2009, 16(2): 212-215

Wei X F, Zhao Y W, Peng K Y, et al. Phytoplankton evaluation and cluster analysis of 5 landscape-lakes in Beijing [J]. Research of Soil and Water Conservation, 2009, 16(2): 212-215 (in Chinese)

[41] 李竹, 楊定, 李樞強. 北京地區常見昆蟲和其他無脊椎動物[M]. 北京: 北京科學技術出版社, 2011

[42] 李永剛. 密云水庫浮游生物底棲動物群落結構及生物多樣性研究[D]. 北京: 中國農業科學院研究生院, 2012

Li Y G. Studies of the community structure and biodiversity of plankton and zoobenthos in Miyun Reservoir [D]. Beijing: Graduate School of Chinese Academy of Agricultural Sciences, 2012 (in Chinese)

[43] 高彩鳳. 北運河水系水生態調查及水質評價[D]. 河南: 河南師范大學, 2012

Gao C F. Investigation of aquatic ecosystem and water quality evaluation in Beiyunhe River [D]. Henan: Henan Normal University, 2012 (in Chinese)

[44] 張春光, 趙亞輝. 北京及其鄰近地區的魚類: 物種多樣性、資源評價和原色圖譜[M]. 北京: 科學出版社, 2013

Zhang C G, Zhao Y H. Fishes in Beijing and adjacent areas, China [M]. Beijing: Science Press, 2013(in Chinese)

[45] Deborde M, Rabouan S, Duguet J P, et al. Kinetics of aqueous ozone-induced oxidation of some endocrine disruptors [J]. Environmental Science & Technology, 2005, 39(16): 6086-6092

[46] Westerhoff P, Yoon Y, Snyder S A, et al. Fate of endocrine-disruptor, pharmaceutical, and personal care product chemicals during simulated drinking water treatment processes [J]. Environmental Science & Technology, 2005, 39(17): 6649-6663

[47] Huber M M, Gobel A, Joss A, et al. Oxidation of pharmaceuticals during ozonation of municipal wastewater effluents: A pilot study [J]. Environmental Science & Technology, 2005, 39(11): 4290-4299

[48] 王淑娟. 典型水處理過程中有毒有機物質的污染與去除[D]. 北京: 北京林業大學, 2006

Wang S J. Study on the pollution and removal of toxic organic pollutants in typical water treatment process [D]. Beijing: Beijing Forestry University, 2006 (in Chinese)

[49] Hashimoto T, Takahashi K, Murakami T. Characteristics of estrogen decomposition by ozonation [J]. Water Science & Technology, 2006, 54(10): 87-93

[50] Snyder S A, Adham S, Redding A M, et al. Role of membranes and activated carbon in the removal of endocrine disruptors and pharmaceuticals [J]. Desalination, 2007, 202(1): 156-181

[51] 周益奇. 北京市不同水體中內分泌干擾物質的來源和歸屬[D]. 北京: 中國科學院研究生院, 2008

Zhou Y Q. Source and fate of endocrine disrupting compounds in different water body in Beijing, China [D]. Beijing: Graduate School of the Chinese Academy of Sciences, 2008 (in Chinese)

[52] Broseus R, Vincent S, Aboulfadl K, et al. Ozone oxidation of pharmaceuticals, endocrine disruptors and pesticides during drinking water treatment [J]. Water Research, 2009, 43(18): 4707-4717

[53] Yoon Y, Westerhoff P, Snyder S A, et al. HPLC-fluorescence detection and adsorption of bisphenol A, 17β-estradiol, and 17α-ethynyl estradiol on powdered activated carbon [J]. Water Research, 2003, 37(14): 3530-3537

[54] Yoon Y, Westerhoff P, Snyder S A, et al. Removal of endocrine disrupting compounds and pharmaceuticals by nanofiltration and ultrafiltration membranes [J]. Desalination, 2007, 202(1): 16-23

[55] Zhou H D, Huang X, Wang X L, et al. Behaviour of selected endocrine-disrupting chemicals in three sewage treatment plants of Beijing, China [J]. Environmental Monitoring and Assessment, 2010, 161(1-4): 107-121

[56] Zhou Y Q, Zha J M, Wang Z J. Occurrence and fate of steroid estrogens in the largest wastewater treatment plant in Beijing, China [J]. Environmental Monitoring and Assessment, 2012, 184(11): 6799-6813

[57] Caldwell D J, Mastrocco F, Hutchinson T H, et al. Derivation of an aquatic predicted no-effect concentration for the synthetic hormone, 17α-ethinyl estradiol [J]. Environmental Science & Technology, 2008, 42(19): 7046-7054

[58] Caldwell D J, Mastrocco F, Anderson P D, et al. Predicted-no-effect concentration for the steroid estrogens estrone, 17β-estradiol, estriol, and 17α-ethinylestradiol [J]. Environmental Toxicology and Chemistry, 2012, 31(6): 1396-1406

[59] Young W F, Whitehouse P, Johnson I, et al. Proposed predicted-no-effect-concentrations (PNECs) for natural and synthetic steroid oestrogens in surface waters [R]. Bristol: Environmental Agency R&D Dissemination Centre, 2004

[60] Kramer V J, Miles-Richardson S, Pierens S L, et al. Reproductive impairment and induction of alkaline-labile phosphate, a biomarker of estrogen exposure, in fathead minnows (Pimephales promelas) exposed to waterborne 17β-estradiol [J]. Aquatic Toxicology, 1998, 40(4): 335-360

◆

Probabilistic Ecological Risk Assessment of Estradiol in the Effluents of Wastewater Treatment Plants in Beijing

Wang Tong, Sun Fu*, Zeng Siyu#, He Miao

School of Environment,Tsinghua University, Beijing 100084, China

23 April 2014 accepted 13 May 2014

With the augmentation of rivers and lakes using reclaimed wastewater expanding in Beijing, there have been growing concerns about the ecological risk caused by estrogenic endocrine-disrupting chemicals in the effluents of wastewater treatment plants (WTPs). The ecological risk of estradiol, as an example, in WTPs' effluents was assessed with species sensitivity distribution (SSD) models and joint probability curves (JPCs). About 430 native species in Beijing were collected through literature review, among which 7 species found their toxicity data associated with estradiol in the ECOTOX database developed by US EPA. Seven SSD models were established to fit the available toxicity data including Normal distribution, Log-normal distribution, Logistic distribution, Log-logistic distribution, Weibull distribution, Burr Type III distribution and Gumbel distribution, and then the validated SSD models were applied to assess the ecological risk of estradiol caused by the effluents of secondary sedimentation tanks and 3 advanced treatment processes, i.e. coagulation-sedimentation-filtration-O3, ultrafiltration-O3, and ultrafiltration-activated carbon-O3, from typical WTPs in Beijing. The SSD models based on the toxicity data of estradiol with respect to the 7 native species of Beijing could be reasonably interpreted, and different types of SSD models had significant impact on the results of ecological risk assessment. Log-normal distribution, Log-logistic distribution, Weibull distribution and Burr Type III distribution were acceptable SSD models, and the best fitted model, Burr Type III distribution, gave the most conservative risk estimates. With Burr Type III distribution model, expected total risk of estradiol from the effluents of secondary sedimentation tanks and 3 advanced treatment processes was estimated to be 0.070, 0.040, 0.036 and 0.026, respectively. The results could support future decision-making when defining protection goals of aquatic ecosystems and upgrading and retrofitting wastewater treatment processes in Beijing.

estradiol; native species; ecological risk; wastewater treatment plant; species sensitivity distribution; joint probability curve

國家水體污染控制與治理科技重大專項(2009ZX07318-001-02)

王銅(1989-)，女，碩士，研究方向為再生水生態風險評價，E-mail: hydkce@163.com；

*通訊作者(Corresponding author)，E-mail: sunfu@tsinghua.edu.cn

10.7524/AJE.1673-5897.20140423003

2014-04-23 錄用日期：2014-05-13

1673-5897(2015)1-271-10

X171.5

A

孫傅(1981—)，男，環境科學與工程博士，助理研究員，主要研究方向為環境系統分析和環境風險評價，發表學術論文30余篇。

曾思育(1973—)，女，環境工程博士，副教授，主要研究方向為水系統規劃管理，發表學術論文80余篇。

#共同通訊作者(Co-Corresponding author)，E-mail: szeng@tsinghua.edu.cn

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, 2015, 10(1): 271-280

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): 271-280 (in Chinese)