化學品環境暴露評估模型研究進展

周林軍, 古文, 劉濟寧,范德玲, 楊先海, 石利利

環境保護部南京環境科學研究所，南京 210042

由于化學品的生產使用引發的環境問題，各國政府已高度重視化學品的風險評估和管理，開始對數量眾多的化學品實施管制。歐盟于2006年12月30日發布了《化學品的注冊、評估、授權和限制(REACH)》法規，開始對進入歐盟市場的所有化學品進行預防性管理，并要求企業必須對產量或進口量超過10 t 的化學品提交化學品安全報告。美國于1976 年頒布并于2016年修訂了《有毒物質控制法(TSCA)》，對新化學物質實施生產前申報制度(PMN)，要求生產者對新化學物質進行風險評估并向美國環境保護局(US EPA)申報，US EPA 可據此來決定是否需要限制或禁止。中國也實施了《危險化學品安全管理條例》、《新化學物質環境管理辦法》，要求危險化學品生產使用企業開展重點環境管理危險化學品的環境風險評估；對于生產和進口量每年超過1 t的新化學物質，要求制造商或者進口商向環保部提交風險評估報告。

實施化學品風險評估環境管理制度，是實現從傳統的末端治理向風險預防的轉變。化學品風險評估包括危害鑒別、暴露評估和風險表征。危害鑒別主要是識別化學品的物理、健康及環境危害性，暴露評估是評價化學品在環境介質中的分布情況及對生物體的暴露情況，將危害性數據與暴露濃度相比較即可表征化學品的風險[1]。

監測暴露評估方法相比于預測模型，費時費力，且數據質量、采樣代表性等方面存在一定缺陷，環境暴露預測模型一次開發可反復使用，且可在化學品生產和使用前，預測化學品潛在的環境歸趨，從而達到預先防范的目的，更加符合風險管理的方針[2]。環境暴露模型還可以根據評估的需要，得到保守的預測結果，目前成為各國政府評估中的主要手段。

經過多年的發展和實踐，經濟合作與發展組織(OECD)、歐盟和美國開發了相對系統的環境暴露預測模型。2012年OECD調查獲得了暴露評估領域的56個模型和工具，并根據所模擬和關注的對象，將其分為22大類[3](表1)。

這些模型涵蓋了健康暴露、環境暴露以及綜合暴露模型。環境暴露模型有排放模型、水/氣模型、多介質模型以及生物模型，且包含了從點源到面源的各種暴露模式，從局部到區域直到洲際暴露的各種尺度，從篩選到確認水平的各階段暴露評估，從環境管理和政策支持到科學研究的不同目的。REACH實施后，隨著暴露評估工作的大量開展，歐盟也在不斷開發和改進暴露評估工具，如新發布了SimpleTreat 4.0[4]，SimpleBox 4.0[5-6]以及Chesar[7]。US EPA也啟動了ExpoCast項目，研發高通量、快速化的暴露評估方法[8-15]，ExpoCast的諸多成果將為化學品篩查、暴露評估提供巨大支持。

我國在環境暴露模型方面開展了一些探索研究[16-19]，但與化學品環境管理的還存在較大的差距。因此，本文從化學品環境暴露評估的角度，重點綜述了國內外化學品環境管理當局所使用的環境暴露評估模型的功能、基本原理，以期為我國化學品暴露評估模型構建、暴露科學的發展提供借鑒。

1　環境暴露評估模型的主要功能(Models function of environmental exposure assessment)

無論是歐盟REACH法規還是美國TSCA法規，按化學品暴露過程分析，其暴露評估及模型主要關注5個方面。

1)環境源排放。即化學品從生產、使用過程中向環境(廢氣、廢渣和廢水)的排放，模型主要預測環境排放量或者排放因子。

2)化學品的環境歸趨和行為參數預測；如EPI Suite軟件中MPBPVP(熔點、沸點、蒸汽壓)、KOWWIN(正辛醇/水分配系數)、WSKOWWIN(水溶解度)、HENGYWIN(亨利常數)、AOPWIN(大氣氧化性)、HYDROWIN(水解)、BIOWIN(生物降解)、PCKOCWIN(吸附系數)、BCFWIN(生物富集系數)。這類模型主要為環境暴露評估模型提供數據支持，通常采用定量構效活性關系(QSAR)，不是本文綜述重點。

表1　OECD調查的化學品暴露評估模型分類[3]Table 1　Categorization of models for exposure assessment surveyed by OECD[3]

3)化學品在污水處理廠中的暴露預測。

4)化學品在各環境介質中的歸趨。

5)化學品在食物鏈中的傳遞。

各國政府使用的主要化學品環境暴露評估模型見表2。這些模型預測及評估功能方面各有側重，其中Chesar[7]、EUSES[20]與TRA[21]屬于綜合模型，這類模型綜合了暴露評估乃至整個風險評估的各個過程，在支持REACH法規實施中發揮了巨大作用。其中，Chesar的暴露評估部分使用了TRA的職業暴露和消費暴露模塊，環境暴露模型則來自EUSES的。

這3個綜合模型中的STP暴露預測和多介質暴露預測則分別使用了SimpleTreat和SimpleBox模型。

2　源排放模型 (Release models)

2.1　EUSES

EUSES是由歐盟研發的化學品定量風險評估工具，可以評估人體暴露及環境暴露[22]。基于歐盟2003版的風險評估導則，考慮了3種類型的分類：4種主分類(MC)，16種工業分類(IC)，55種用途或功能分類(UC)。EUSES為每種UC的所有生命周期階段(生產、配制、加工、私人使用、回收)都推薦了排放因子，且形成了A表和B表。

A表為每個IC相關生命周期階段提供了水、土、氣排放因子。這些排放因子可能與化學品的理化性質(如水溶解度、蒸氣壓)、噸位、工藝(如干法、濕法)及UC相關。化學品的排放量按年取平均值，用于計算區域預測環境濃度(PECregional)。在沒有特定使用及排放信息的情形下，在區域尺度內假定化學品的量為歐盟總噸位10%，在其余的量(90%)用于全球水平。化學品的區域排放量可以使用以下公式計算：

Releasereg=F×Q

(1)

式中，Releasereg為區域排放量(kg·d-1)，F為排放因子，Q為噸位(kg·y-1)。

B表為每個IC的相關生命周期階段逐一提供了單一點源(主排放源)的噸位占比(Fmain)、年排放天數(Temission)，且Fmain和Temission與噸位和/或UC相關，用于計算局部預測環境濃度(PEClocal)：

Elogcal=Fmain×Releasereg×365/Temission

(2)

Zhang等[23]使用EUSES評估了全氟辛烷磺酸鹽(PFOS)的環境風險，其中用EUSES估計PFOS在阻燃劑行業的排放量結果為：局部層面，大氣排放量為332.36 kg·d-1，水體排放量為683.18 kg·d-1，土壤排放量為0.60 kg·d-1；區域層面，華東區域排放量最大，為15.69 t·y-1，排放強度為24.45 g·km-2·y-1。

表2　各國政府主要化學品環境暴露評估模型一覽[3]Table 2　List of major environmental exposure assessment models in different countries[3]

2.2　TRA

TRA(Targeted Risk Assessment)是由歐洲化學品毒理和生態毒理學中心開發的一款可評估消費者暴露、職業暴露、環境暴露以及風險的工具[24]。TRA模型假設較為保守，用于快速篩查確定無風險化學品，其諸多方法和原理被REACH法規所接受，并被推薦用于REACH化學品暴露評估。

TRA(REACH等同采用)根據化學品使用的生命周期階段、生產使用密閉程度、使用方式、釋放源的分散性、室內/室外釋放、釋放潛能和動機等，歸納定義了12大類環境暴露場景(ERC)，每類場景都設定了保守的水、土、氣排放因子。TRA中的排放因子來自于歐盟2003年TGD的A表中排放因子最大值，作為保守型預測，默認無風險管理措施時才會產生該排放因子。其中，ERC1～7、ERC12為工業點源釋放，ERC8～11為廣泛分散源釋放。廣泛分散源用于消費使用和職業使用的釋放源，釋放不可控制，且在較大區域內常年發生，用于估計區域暴露。間接排放，即經由污水處理廠(STP)的排放，將STP視為一個點源，用于估計局部暴露評估。此時，化學品點源使用量相當于一個標準的10 000人口的城鎮規模。作為默認值，點源的主要源排放比例設置為1，而廣泛分散性的主要源排放比例設置為0.002，作為保守估計，點源的年排放時間為10～20 d，而廣泛分散源的年排放時間為365 d。在STP接入上，點源和廣泛分散源也有差別，由于廣泛分散源排放的不可控性，STP接入率設置為80%，點源默認為100%。根據化學品的排放因子即可計算化學品的排放量：

(3)

式中，E為化學品排放量(kg·d-1)，Q為生產或進口量(kg·y-1)，FQ為主要區域的使用比例(%)，Femission為排放因子(%)，Fabatement為減排效率(%)。

圖1　ERCs和SPERCs 在層級排放評估中的地位[25]Fig. 1　Illustrative scheme of the role of ERCs and SPERCs in tiered emission estimation[25]

圖2　EPA各環境暴露評估模型的角色[26]Fig. 2　Role of ChemSTEER and E-Fast in US EPA[26]

2.3　SPERC

由于ERC中的排放因子非常保守，估計的環境排放量非常高，因此歐洲化工行業委員會(CEFIC)基于ERC開發了具體的環境釋放分類場景(SPERC)[25]。SPERC共包含190個釋放場景，其主要特征是在ERC的基礎上加入了操作條件(OCs)和風險管理措施(RMMs)，此外還加入了產品分類、活性成分分類、理化性質、稀釋類型、使用規模。SPERC中主要輸入和輸出參數為化學品的使用速率、RMMs的防護效率以及環境排放因子。目前ERC已被嵌合進TRA、EasyTRA和CHESAR軟件中使用。

2.4　ChemSTEER

化學品暴露和環境排放篩選工具(Chemical Screening Tool for Exposures and Environmental Releases，ChemSTEER)是由美國EPA 污染預防和有毒物質辦公室(OPPT)開發的預測化學品生產或商用場所環境排放和職業暴露的篩選水平的預測工具，主要用于新化學物質的產前申報評估[26]，ChemSTEER與E-FAST在暴露評估的作用見圖2。

ChemSTEER預測化學品的排放量主要通過操作(process)以及釋放源/暴露活動來實現。“操作”指具有基本上相同或相似過程、設備、化學品產量、程序和工人群體的作業場景，并假定每個作業場景中化學品的釋放和暴露基本相同。ChemSTEER中內置了26個操作場景，與OECD的行業排放場景相似，ChemSTEER中的操作場景也是分行業建立，不過其還依據化學品的基本性質，即揮發性液體、非揮發性液體、固體對操作場景作了區分。除此之外，用戶可以自行增加操作場景。釋放源/暴露活動是ChemSTEER的核心，每個釋放源/暴露活動都有相應的公式以計算釋放量或暴露水平。

ChemSTEER中用于計算化學品蒸汽向大氣揮發量的公式[27]為：

E=G×OHa×3600 s·h-1

(4)

式中，E為每個場所每天的釋放量，g·d-1；OHa為每個場所每天該活動的持續時間，h；G為化學品揮發速率，g·s-1，通過化學品的蒸汽壓以及表面積計算；

化學品向非大氣環境介質排放量的公式為：

E= LF×Amt

(5)

式中，E為每個場所每天的釋放量，g·d-1；LF為損失比例，%；Amt為用于計算揮發損失的化學品的質量，kg·site-1·d-1。

3　STP暴露評估模型 (Exposure assessment models for STP)

污水處理廠(STP)是化學品在環境中分配轉移的一個重要的中轉站，也是化學品污染預防的最后一道防線。化學品隨廢水進入STP后，未處理完全的化學品，重新進入環境。重新分配或者遷移的途徑有：排入地表水、曝氣過程中揮發進入大氣、吸附于污泥并通過填埋或者施肥進入土壤環境。

目前歐盟和美國的化學品風險評估都非常重視化學品在STP階段的暴露評估，并分別使用SimpleTreat模型[28-30]和STPWIN模型[31-32]預測化學品的歸趨。以風險管理為目的的STP預測模型，主要功能是：計算化學品在廢水中的濃度，用于評估STP中對接種物的毒性；同時預測化學品在STP中的去除效率以及水土氣排放因子，并作為一種局部排放源，為PEClocal和PECregional預測提供信息。

圖3　SimpleTreat模型概念圖(9個箱體)[30]Fig. 3　The conception figure of SimpleTreat model[30]

SimpleTreat模型和STPWIN模型都是篩選水平模型，模擬的污水處理工藝為普通活性污泥法(O)，即包含初沉池(PS)、曝氣池(O)和二沉池(SLS)。都屬于Makacy的Level III模型，即非平衡、流動、穩態體系。SimpleTreat依據環境相和3個池體將模型劃分為9箱模型，箱體之間發生平流、擴散以及生物降解(見圖3)。而STPWIN直接使用了化學品的9個質量流過程(見圖4)。

概念模型不同導致了計算過程的差異：SimpleTreat為每個箱體建立了一個質量方程，共為9元一次方程，而STPWIN則為每個池體建立一個逸度表達的質量守恒方程，共為3元一次方程。SimpleTreat模型和STPWIN的異同點見表3。2個模型機理較為相似，模型中的揮發過程采用了惠特曼雙阻力理論，其中曝氣池揮發速率為表面揮發速率和曝氣揮發速率之和。生物降解主要發生在曝氣池，其生物降解速率根據生物降解測試結果由各自的外推標準外推得到。污泥吸附速率則根據污泥/水平衡時間估算得到。

STP模型對于化學品的歸趨機理解釋也具有重要意義，如Wang等[33]通過試驗發現3種環狀甲基硅氧烷在典型二級處理STP中去除率>96%，與

STPWIN模型預測結果較為一致，且STPWIN模型分析去除機理發現，在曝氣過程中的揮發是其主要的去除過程。此外，STP模型可以多介質模型或其他模型串聯后研究化學品在環境中的暴露評估，如Polesel等[34]利用SimpleTreat模型預測的三氯生等化學品經STP處理后在二級出水和剩余污泥中的濃度，為其評估二級出水和剩余污泥施用農作物后植物的吸收或蓄積提供給了信息。

最近，SimpleTreat 4.0在原有的生活污水處理廠基礎上，加入了工業污水處理廠模擬功能[4]。我國也借鑒SimpleTreat模型機理[17]，通過確定具有我國環境場景特征的STP場景參數，開發了C-STP模型，用于支持我國的化學品風險評估。

圖4　STPWIN模型概念圖(9個質量流過程)[32]Fig. 4　The conception figure of STPWIN model[32]

建模過程SimpleTreatSTPWIN輸入亨利常數(或蒸汽壓與水溶解度)、lgKoc或Kow、生物降解性、強制輸入參數蒸汽壓及水溶解度、lgKow、生物降解性可以調用EPISuite預測輸出去除率(總去除、降解、吸附、揮發)、局部濃度去除率(總去除、降解、吸附、揮發)場景參數日處理量2000m3·d-1進水SS=200mg·L-1出水SS=30mg·L-1水力停留時間6.9h(生活STP)日處理量24000m3·d-1進水SS=200mg·L-1出水SS=15mg·L-1水力停留時間8h建模機理箱體模型質量守恒非逸度表達非箱體模型質量守恒逸度表達生物降解僅發生在曝氣池、一級動力學(默認)、Monod動力學(可選)初沉池和二沉池降解速率為曝氣池1/10一級動力學揮發雙阻力理論曝氣池揮發速率采用Hsieh方程雙阻力理論曝氣池液相傳質系統是其他池的2.5倍吸附雙阻力理論簡單分配適用范圍生活和工業STP、有機化學品(包含可電離化學品)生活STP、有機化學品(包含可電離化學品)

4　環境介質暴露評估模型(Environmental media models for exposure assessment)

4.1　水

地表水是化學品排放的重要受納介質，也是環境生物主要的集聚區，人體通過飲用/使用受污染的地表水，或食用水生生物而發生暴露，因此地表水水安全一直是風險評估的重點。通過模擬化學品的遷移轉化規律以及地表水的預測環境濃度(PEC)，可以對水生環境的風險作出評估。

地表水模型通常使用質量守恒方程，需要定義水體的邊界條件及化學品排放進入水體的方式，如點源或者非點源方式(徑流、干濕沉降、消費產品)。簡單的質量守恒方程，可以假定化學品以恒定速率排入水體，并充分的混勻，如稀釋模型，通過化學品的排放量除以河流流量即可得到PEC。REACH[2]在計算局部地表水PEC時，認為排放源和受納水體接觸時間較短，因此僅考慮稀釋和污泥的吸附作用，不考慮化學品的揮發、降解和沉積過程。其中STP日處理量為2 000 m3·d-1，地表水流量為18 000 m3·d-1，因此稀釋因子為10。而EPA的E-FAST軟件[35]僅考慮地表水的稀釋，當化學品排放源確定時，使用美國地質調查觀測站確定的收納河流流量，當排放源不確定時，則使用化學品所在排放行業的典型河流流量。

篩選水平的地表水PEC計算模型，通常構建一種通用的場景，環境介質特征單一，是一種“混沌”的介質，不具有時空分辨，無法提供基于陸地、河流等地理特征以及化學品排放特征的預測。如，篩選水平的模型認為歐盟全境80%的污水經過了STP處理，還有20%的污水未經STP處理，因此區域濃度是一個平均值。然而70%污水處理的區域，PEC可能是95%污水處理區域的5～20倍。因此，篩選水平的評估模型可能會高估處理率較高區域的PEC，低估處理率較低區域及重點關注地區的PEC[36-37]。

高級別的模型不僅需考慮化學品釋放速率隨時間的變化，以及吸附(溶解態或吸附態)、降解(水解、光解、生物降解，一級動力學方程或莫諾特方程)、揮發、沉積等過程，還會考慮地理、河流的差異[38]。如歐盟研發了河流區域暴露評估模型(GREAT-ER)[36, 39-40]，其將歐盟所有區域的污水排放、污水傳輸、STP與水文模型和水文數據存儲在GIS中，通過GIS調用河流模型、化學品歸趨模型，預測化學品的釋放、遷移、處理、轉化和歸趨，得到歐盟每個河流節點的PEC，GREAT-ER建模是一個點-線-面層層遞進的過程。

GREAT-ER已經在英國[41-42]、德國[43- 44]、意大利[45]、西班牙[46]等地區，使用直鏈烷基苯磺酸鹽、雙氯芬酸鈉、鋅等化學品開展了應用和驗證，與實測值獲得了較好的一致性。劉建國等[47]將GREAT-ER模型用于北京溫榆河，獲得了內分泌干擾物壬基酚在溫榆河的空間濃度和風險分布，并發現大型STP排放以及河流的未充分稀釋是壬基酚較高風險的主因。Kehrein等[48]更新發布了GREAT-ER4，并評估了雙氯芬鈉在德國魯爾河流域的暴露水平，通過優化個別區域的污染防控措施，如升級污水處理廠(增加額外的處理措施)、改變STP服務人口、選址重建STP以及新建STP模型，能以最低代價的方式使雙氯芬鈉暴露濃度大大降低。因此，GREAT-ER模型可為優化污染防控措施提供了有力支撐。

4.2　土

土壤主要的來源方式有：機動車及工業排放的大氣污染物向土壤表面大范圍的沉降、農用化學品使用、污染灌溉、污泥農藥、固廢傾倒。土壤污染使土壤微生物、植物、動物或人類(通過攝食、吸入、接觸)產生風險。

化學品在土壤中的遷移和歸趨行為有：平流(土壤和水)、淋溶到地下水、孔隙水或孔隙水氣的擴散，土壤基體的吸附、生物及非生物降解和轉化，植物吸收，揮發等，此外，土壤生物還能使化學品在土壤中混合。目前REACH(代表性模型為EUSES)的篩選水平的土壤暴露評估中，土壤的暴露源主要考慮污泥農用以及大氣的干濕沉降，并考慮了揮發、淋溶和降解3個去除過程。用于評價化學品土壤歸趨的高級模型還有殺蟲劑根區模型(PRZM)[49]和季節性土壤區間模型(SESOIL)[50]。SESOIL模型用于預測有機化學品和金屬通過未飽和土壤帶的遷移過程及其向鄰近地下水滲透過程。模型對于垂直對流、揮發、吸附、陽離子交換過程、金屬絡合、水解和一級衰減均進行了考慮。

4.3　氣

化學品排放到大氣中的主要源有機動車、工業源、消費源、熱源、電廠、農藥，通過顆粒懸浮、容器排空、水體或土壤揮發等方式進入大氣。化學品一旦釋放到空氣中，則依據地形條件、氣相條件、理化特性，向下風向擴散或者發生縱向擴散。進入大氣后，化學品通過擴散或者平流發生遷移，并通過沉降或者光降解發生去除。大氣模型主要模擬污染物如何在大氣中發生擴散，計算從釋放源釋放后在下風向的化學品濃度。大氣模型有點源和面源模型，面源通常使用穩態模型，伴隨風的稀釋，并通過沉降和降解去除，如城市面源排放及農藥施用。對于點源排放，通常使用局部煙羽模型，并考慮隨大氣中擴散而稀釋。常用的有高斯煙羽模型，由一個三元擴散平流方程組成，其中，風引起平流，大氣擾動導致擴散。

REACH風險評價導則標準的局部大氣濃度預測場景為：排放源高度10 m、非熱源排放、揮發性化學品和氣溶膠化學品區別對待、大氣沉降損失忽略不計，將離排放源100 m處的大氣濃度作為局部大氣濃度。暴露和風險評估大氣擴散模型(ADMER)是由日本研發的用于模擬化學品大氣濃度和暴露評估的軟件[51]。ADMER可以預測相對大區域(約1/10日本)的長期平均化學品濃度，預測結果以5 km×5 km的空間網格4 h平均濃度表示。US EPA開發了工業復合源短期模型(ISCST)[52]，該模型是一種高級的高斯煙羽模型，用于預測單工業場所復合設施多排放源的大氣質量釋放，能計算不同時間化學品的沉降濃度。US EPA已將該模型與網絡版地理暴露模型系統(IGEMS)結合在一起，用于特定氣象條件下排放源周邊的大氣濃度預測和結果顯示。驗證結果表明，預測結果和實測結果處于同一數量級[53]。日本經濟貿易與工業部在ISC模型基礎上改進研發了METI-LIS軟件[54]，更加重視排放源周圍建筑引起的下沉效應。

4.4　多介質

化學品排放到環境后，會在多個介質間發生遷移和轉化，因此多介質模型能更好地反映化學品在介質間的遷移方向和最終的歸趨介質。Mackay 等[55]基于Lewis 的逸度理論，提出了4 類逸度模型，即Level Ⅰ(平衡、穩態、非流動系統) 、Level Ⅱ(平衡、穩態、流動系統) 、Level Ⅲ(非平衡、穩態、流動系統)和Level Ⅳ(非平衡、非穩態、流動系統)。常見的多介質模型有SimpleBox[6]、EQC[56]、CalTox[57]、QWASI[58-59]、G-CIEMS[60-61]和ChemCAN[62]，其模型的主要功能和機理見表4。

EQC模型[56]將上述Level Ⅰ、Level Ⅱ和Level Ⅲ模型集成在一起，包含水、氣、土、沉積物4個環境相。EQC被加拿大環境部用于化學品的環境風險評估。US EPA則在EPI suite軟件中集成了EQC的Level Ⅲ模型預測化學品在環境多介質中的歸趨評估。

歐盟REACH的化學品風險評估軟件EUSES和Chesar都基于SimpleBox模型評估化學品的區域環境暴露。SimpleBox基于Level Ⅲ(非平衡、穩態、流動系統)和Level Ⅳ原理[5-6]。最新版本的SimpleBox 4.0取消了局部尺度，只剩3種尺度：區域、洲際、全球。區域和洲際模型包含了9個環境介質(空氣、湖水、淡水、淡水沉積物、海水、海洋沉積物、天然土壤、農業土壤、城市或工業土壤)，全球模型包含了5個環境介質(大氣、淺海、深海、海洋沉積物、土壤)。SimpleBox模型基于Microsoft excel編程，所有計算過程和參數均可見，是一個非常便于理解化學品遷移轉化過程和影響因素的軟件。

CalTOX由美國加州環保局開發，用于污染場地的環境多介質暴露及健康暴露評估，模型特點是對污染場地的土壤介質劃分較細，將其分為表層土壤、根際土壤及包氣帶土壤，考慮了污染物在土壤垂直維度上的歸趨過程。QWASI模型則由Mackay研發，包含了河流多介質和湖泊多介質模型。

為了增加多介質模型的預測精度，減少區域環境差異對模型不確定的影響，可以根據地形和環境特征將模擬區域進行劃分。如ChemCAN模型將加拿大全境劃分為24個模擬區域，分別定義了每個模擬區域的環境場景參數，并在常規環境介質的基礎上增加了魚、植物相。日本開發了G-CIEMS模型，其基于地理信息系統將日本全境劃分為40 000個空氣網格和38 000個河流集水區，構建了具有空間分辨的多介質模型[60]。面對我國地理區域跨度較大，各區域環境條件差異較多的現狀，G-CIEMS對我國具有極大的參考意義。

環境多介質模型已經成功用于描述化學品在全球、區域及局部環境范圍(包括湖泊、河流、植物等) 中的行為。如高俊敏等[63]運用QWASI模擬了三峽水庫水環境中內分泌干擾物三丁基錫在各環境介質中的濃度分布及遷移歸趨，認為QWASI模型能夠較為合理地給出各個物理化學過程的速率參數,可對三丁基錫在三峽水庫這種超大型河道型水庫中跨介質間的遷移傳輸、各環境相分布等作出定性和定量的模擬估計,模型輸出結果與實測結果較為吻合。Achten等[64]使用EQC模型系統地評價了甲基叔丁基醚在德國環境介質中的歸趨行為和環境濃度，在地表水和大氣的濃度分別為19 ng·L-1，在地表水中的濃度為167 ng·m-3，其余EUSES預測結果較為一致。

表4　多介質模型的主要功能和機理分析Table 4　Main function and mechanism of environmental multi-media models

Kawamoto等[65]使用68種不同性質的化學品比較了SimpleBox和ChemCAN在日本2個區域主要介質(水、土、氣、沉積物)的PEC，70%的預測結果差異都在3個數量級之內，因此其認為2種模型沒有顯著的差異，但模型與測量值的主要差異來自化學品排放速率。Hollander等[66]比較了7種環境多介質模型對14種參比物的環境遷移規律，發現所有模型在分配規律和降解處理較為相似，模型預測結果也較為一致(相關系數為0.44～0.98)。

4.5　食物鏈模型

水生及陸生環境污染后，通過生物富集最終使生態系統中所有高營養級環境生物暴露于污染中。例如，化學品從大氣沉降到牧場，動物攝食牧草發生暴露，而人體又攝食農牧產品如牛奶發生暴露。食物鏈模型可以為了解污染物在食物鏈的傳遞過程以及估計生物暴露提供工具。

EUSES模型預測了3種食物鏈。分別是：水-魚-食魚捕食者；水-魚-食魚捕食者-頂級捕食者；土壤-蚯蚓-食蟲捕食者。

在EUSES模型中，魚和蚯蚓體內的化學品濃度由相應的環境介質濃度(水和土壤)乘以生物濃縮因子(BCF)計算。由于環境介質濃度有局部PEC和區域PEC之分，局部PEC往往高于區域PEC，因此EUSES在計算魚和蚯蚓體內的化學品濃度時使用了PEClocal和PECregional的平均值。食魚捕食者(或食蟲捕食者)及頂級捕食者體內的化學品濃度，則使用生物放大因子(BMF)。EUSES模型中，lgKow、BCF和BMF的估算關系見表5。

在食物鏈模型中，最關鍵的參數是BCF。BCF預測模型從建模方法劃分有2類：回歸模型和機理模型。經典的回歸模型通過回歸lgKow與BCF之間的關系，使用lgKow預測魚體lgBCF[67]，EUSES就使用了此類方法。還有一類回歸模型，使用分子描述符或連接性描述符回歸BCF的關系[68]。回歸模型的主要缺陷是其假設魚體生長的水體濃度恒定，忽略魚體的代謝作用，因此其預測精度有限。而機理模型則考慮了魚體的吸收和清除過程，如Fish模型[69](模型示意見圖5)，該模型中吸收過程為鰓的呼吸和食物的攝取，去除過程有鰓的轉移、排泄、代謝轉化以及生長稀釋。機理模型涉及諸多動力學、化學品、魚體和環境特征參數，如lgKow、魚類代謝半衰期，魚的體積、魚體和食物的脂肪含量、喂食速率、生長速度、鰓的吸收阻力、腸道吸收效率，水中懸浮顆粒濃度、密度、有機碳含量等，因此機理模型預測精度更高[70]。這類機理模型還被擴展至底棲無脊椎生物的生物蓄積性預測[71-72]，且Diepens等[71]研究表明，隨著化學品lgKow的增加，底棲無脊椎生物從沉積物有機質中的吸收速率開始高于從水中的吸收速率。

現有的研究以及歐盟的化學品風險評估主要關注水生生物的食物鏈傳遞過程，對陸生生物鏈的傳遞過程研究較少[73]。雖然EUSES也包含了陸生生物食物鏈傳遞，但其主要關注食蟲捕食者的暴露，而忽視了化學品在環境介質-植物-食草動物-捕食者這一食物鏈中的評價，其對陸生高級捕食者的保護也具有重要的意義。

5　總結與展望(Conclusion and prospect)

國外化學品環境管理機構為了篩選或者評估化學品的環境暴露，已經研發了較為系統的環境暴露預測模型，包含了排放估計、水/土/氣、多介質以及食物鏈各種模型，涵蓋了點源暴露到面源暴露的各種暴露模式，從局部暴露、區域暴露及洲際暴露的各種尺度，從篩選評估到確認水平的不同層級。由于法規的支持及要求，這些環境暴露預測模型在國外已經開展了較多的應用。我國應該借鑒這些先進模型，重點針對化學品的排放估計、環境多介質評估以及食物鏈暴露，結合中國的環境參數以及實際行業發展水平，盡快建立一批環境暴露預測模型用于化學品的篩選和評估，并在高通量、快速暴露評估領域開展研究。

圖5　Fish 模型概念圖 [69]注：k為吸收或去除速率，c為介質中化學品濃度 。Fig. 5　Sketch of the Fish model [69]Note: k is rate of uptake or elimination, and c is concentration of chemicals.

lgKowBCFBMF1BMF2<4.5<2114.5～<52～5225～8>51010>8～95～233>9<211

參考文獻(References)：

[1]范萊文, 韋梅爾. 化學品風險評估[M]. 北京: 化學工業出版社, 2010: 2-4

[2]European Chemicals Agency. ECHA-16-G-03-EN Guidance on information requirements and chemical safety assessment, chapter R.16: Environmental exposure assessment [S]. Helsinki: ECHA, 2016

[3]Organization for Economic Co-operation and Development. Series on Testing and Assessment, No. 182, Descriptions of existing models and tools used for exposure assessment results of OECD Survey [R]. Paris: OECD, 2012: 22-23

[4]Struijs J, Van De Meent D, Schowanek D, et al. Adapting SimpleTreat for simulating behaviour of chemical substances during industrial sewage treatment [J]. Chemosphere, 2016, 159: 619-627

[5]Hollander A, Schoorl M, Van De Meent D. SimpleBox 4.0: Improving the model while keeping it simple [J]. Chemosphere, 2016, 148: 99-107

[6]Schoorl M H A. SimpleBox 4.0: A multimedia mass balance model for evaluating the fate of chemical substances [R]. Bilthoven: RIVM, 2016: 1-90

[7]Ramosperalonso M J. Chemical Safety Assessment and Reporting Tool (Chesar), REACH - Encyclopedia of Toxicology (Third Edition) [M]// Encyclopedia of Toxicology. EU, 2014: 797-800

[8]Egeghy P P, Sheldon L S, Isaacs K K, et al. Computational exposure science: An emerging discipline to support 21st-Century risk assessment [J]. Environmental Health Perspectives, 2015, 124(6): 697-702

[9]Rager J E, Strynar M J, Liang S, et al. Linking high resolution mass spectrometry data with exposure and toxicity forecasts to advance high-throughput environmental monitoring [J]. Environment International, 2016, 88: 269-280

[10]Dionisio K L, Frame A M, Goldsmith M R, et al. Exploring consumer exposure pathways and patterns of use for chemicals in the environment [J]. Toxicology Reports, 2015, 29(29): 228-237

[11]Wetmore B A, Wambaugh J F, Allen B, et al. Incorporating high-throughput exposure predictions with dosimetry-adjusted in vitro bioactivity to inform chemical toxicity testing [J]. Toxicological Sciences, 2015, 148(1): 121-136

[12]Sobus J R, Dewoskin R S, Tan Y M, et al. Uses of NHANES biomarker data for chemical risk assessment: Trends, challenges, and opportunities [J]. Environmental Health Perspectives, 2015, 123(10): 919-927

[13]Mitchell J, Pabon N, Collier Z A, et al. A Decision analytic approach to exposure-based chemical prioritization [J]. PloS One, 2013, 8(8): e70911

[14]Mitchell J, Arnot J A, Jolliet O, et al. Comparison of modeling approaches to prioritize chemicals based on estimates of exposure and exposure potential [J]. Science of the Total Environment, 2013, 460(3): 555-567

[15]Wambaugh J F, Setzer R W, Reif D M, et al. High-throughput models for exposure-based chemical prioritization in the ExpoCast project [J]. Environmental Science and Technology, 2013, 47(15): 8479-8488

[16]賀瑩瑩, 李雪花, 陳景文. 多介質環境模型在化學品暴露評估中的應用與展望[J]. 科學通報, 2014, 32: 3130-3143

He Y Y, Li X H, Chen J W. Use of multimedia environmental models in chemical exposure assessments [J]. Chinese Science Bulletin, 2014, 32: 3130-3143 (in Chinese)

[17]周林軍, 劉濟寧, 石利利, 等. 好氧生化污水處理廠化學品暴露預測模型構建[J]. 環境科學, 2016, 37(1): 228-239

Zhou L J, Liu J N, Shi L L, et al. Development of chemical exposure prediction model for aerobic sewage treatment plant for biochemical wastewaters [J]. Environmental Science, 2016, 37(1): 228-239 (in Chinese)

[18]馮潔, 周林軍, 劉濟寧, 等. 污水處理廠暴露模型參數及對化學品歸趨的影響[J]. 生態與農村環境學報, 2015, 31(2): 262-268

Feng J, Zhou L J, Liu J N, et al. Parameters of exposure models for sewage treatment plants and their impacts on fate of chemicals [J]. Journal of Ecology and Rural Environment, 2015, 31(2): 262-268 (in Chinese)

[19]莫俊超, 舒耀皋, 董晶, 等. 預測沉積物-水微宇宙系統中化學品濃度變化的多介質模型[J]. 生態毒理學報, 2015, 10(6): 101-109

Mo J C, Shu Y G, Dong J, et al. A multimedia model for prediction of chemicals concentration changes in sediment-water microcosm systems [J]. Asian Journal of Ecotoxicology, 2015, 10(6): 101-109 (in Chinese)

[20]Vermeire T, Rikken M, Attias L, et al. European union system for the evaluation of substances: The second version [J]. Chemosphere, 2005, 59(4): 473-485

[21]Money C, Schnoeder F, Noij D, et al. ECETOC TRA version 3: Capturing and consolidating the experiences of REACH [J]. Environmental Science: Processes and Impacts, 2014, 16(5): 970-977

[22]Lijzen J P A, Rikken M G J. European Union System for the Evaluation of Substances 2.0 (EUSES 2.0) background report [R]. Bilthoven: RIVM, 2004: 1-451

[23]Zhang L, Liu J, Hu J, et al. The inventory of sources, environmental releases and risk assessment for perfluorooctane sulfonate in China [J]. Environmental Pollution, 2012, 165: 193-198

[24]ECETOC. Targeted Risk Assessment. Technical Report No. 93 [R]. Brussels: ECETOC, 2004: 1-228

[25]Reihlen A, Bahr T, B?gi C, et al. SPERCS—A tool for environmental emission estimation [J]. Integrated Environmental Assessment and Management, 2016, 12(4): 772-781

[26]United States Environmental Protection Agency (US EPA). Chemsteer user guide [R]. Washington DC: OPPT, 2013: 1-228

[27]Linders J B H J. Modelling of Environmental Chemical Exposure and Risk [M]. Netherlands: Kluwer Academic Publishers, 2001: 61-71

[28]Franco A, Struijs J, Gouin T, et al. Evolution of the sewage treatment plant model SimpleTreat: Use of realistic biodegradability tests in probabilistic model simulations [J]. Integrated Environmental Assessment and Management, 2013, 9(4): 569-579

[29]Franco A, Struijs J, Gouin T, et al. Evolution of the sewage treatment plant model SimpleTreat: Applicability domain and data requirements [J]. Integrated Environmental Assessment and Management, 2013, 9(4): 560-568

[30]Struijs J, Stoltenkamp J, Vandemeent D. A spreadsheet-based box model to predict the fate of xenobiotics in a municipal waste-water treatment-plant [J]. Water Research, 1991, 25(7): 891-900

[31]Clark B, Henry J G, Mackay D. Fugacity analysis and model of organic-chemical fate in a sewage-treatment plant [J]. Environmental Science & Technology, 1995, 29(6): 1488-1494

[32]Seth R, Webster E, Mackay D. Continued development of a mass balance model of chemical fate in a sewage treatment plant [J]. Water Research, 2008, 42(3): 595-604

[33]Wang D-G, Aggarwal M, Tait T, et al. Fate of anthropogenic cyclic volatile methylsiloxanes in a wastewater treatment plant [J]. Water Research, 2015, 72: 209-217

[34]Polesel F, Plósz B G, Trapp S. From consumption to harvest: Environmental fate prediction of excreted ionizable trace organic chemicals [J]. Water Research, 2015, 84: 85-98

[35]USEPA. Exposure and Fate Assessment Screening Tool (E-FAST) Beta Version Documentation Manual [R]. Springfield: Versar, Inc., 1999: 6-7

[36]Feijtel T, Boeije G, Matthies M, et al. Development of a geography-referenced regional exposure assessment tool for European rivers - GREAT-ER contribution to GREAT-ER #1 [J]. Chemosphere, 1997, 34(11): 2351-2373

[37]Wind T. Prognosis of environmental concentrations by geo-referenced and generic models: A comparison of GREAT-ER and EUSES exposure simulations for some consumer-product ingredients in the Itter [J]. Chemosphere, 2004, 54(8): 1145-1153

[38]Simeonov L I, Hassanien M A. Exposure and Risk Assessment of Chemical Pollution—Contemporary Methodology [M]. Dordrecht: Springer Netherlands, 2009: 29-50

[39]Feijtel T, Boeije G, Matthies M, et al. Development of a geography-referenced regional exposure assessment tool for European rivers - GREAT-ER [J]. Journal of Hazardous Materials, 1998, 61(1-3): 59-65

[40]Koormann F, Rominger J, Schowanek D, et al. Modeling the fate of down-the-drain chemicals in rivers: An improved software for GREAT-ER [J]. Environmental Modelling and Software, 2006, 21(7): 925-936

[41]Price O R, Munday D K, Whelan M J, et al. Data requirements of GREAT-ER: Modelling and validation using LAS in four UK catchments [J]. Environmental Pollution, 2009, 157(10): 2610-2616

[42]Holt M S, Fox K K, Daniel M, et al. Linear alkylbenzene sulfonate and boron monitoring in four catchments in the UK contribution to GREAT-ER #11 [J]. Science of the Total Environment, 2003, 314: 271-288

[43]Berlekamp J, Lautenbach S, Graf N, et al. Integration of MONERIS and GREAT-ER in the decision support system for the German Elbe River basin [J]. Environmental Modelling & Software, 2007, 22(2): 239-247

[44]Huffmeyer N, Klasmeier J, Matthies M. Geo-referenced modeling of zinc concentrations in the Ruhr River basin (Germany) using the model GREAT-ER [J]. Science of the Total Environment, 2009, 407(7): 2296-2305

[45]Wind T, Werner U, Jacob M, et al. Environmental concentrations of boron, LAS, EDTA, NTA and Triclosan simulated with GREAT-ER in the river Itter [J]. Chemosphere, 2004, 54(8): 1135-1144

[46]Aldekoa J, Medici C, Osorio V, et al. Modelling the emerging pollutant diclofenac with the GREAT-ER model: Application to the Llobregat River Basin [J]. Journal of Hazardous Materials, 2013, 263: 207-213

[47]Zhang L, Cao Y, Hao X W, et al. Application of the GREAT-ER model for environmental risk assessment of nonylphenol and nonylphenol ethoxylates in China [J]. Environmental Science and Pollution Research, 2015, 22(23): 18531-18540

[48]Kehrein N, Berlekamp J, Klasmeier J. Modeling the fate of down-the-drain chemicals in whole watersheds: New version of the GREAT-ER software [J]. Environmental Modelling and Software, 2015, 64: 1-8

[49]Carsel R F, Imhoff J C, Hummel P R. PRZM-3: A model for predicting pesticide and nitrogen fate in the crop root and unsaturated soil zones; Users Manual for Release 3.0 [R]. Washington: US EPA, 1998: 1-426

[50]Bonazountas M, Wagner J. SESOIL: A Seasonal Soil Compartment Model [R]. Washington: US EPA, 1984

[51]Higashino H, Kitabayashi K, Inoue K, et al. Development of an Atmospheric Dispersion Model for Exposure and Risk Assessment (ADMER) [J]. Journal of Japan Society for Atmospheric Environment/Taiki Kankyo Gakkaishi, 2003, 38(2): 100-115

[52]USEPA. User's Guide for the Industrial Source Complex (ISC3) Dispersion Models, Vol. I User Instructions and Vol. II Description of Model Algorithms [R]. Washington: USEPA, 1995: 1-390

[53]Lorber M, Robinson R E A. Testing the USA EPA's ISCST-Version 3 model on dioxins: A comparison of predicted and observed air and soil concentrations [J]. Atmospheric Environment, 2000, 34(23): 3995-4010

[54]Kouchi A, Okabayashi K, Okamoto S, et al. Development of a low-rise industrial source dispersion model [J]. International Journal of Environment and Pollution, 2004, 21(4): 325-338

[55]Mackay D. Multimedia environmental models: The fugacity approach. 2nd ed [M]. Boca Raton, Fla.: Taylor & Francis, 2001: 1-272

[56]Mackay D, Guardo A D, Paterson S, et al. Evaluating the environmental fate of a variety of types of chemicals using the EQC model [J]. Environmental Toxicology and Chemistry, 1996, 15(9): 1627-1637

[57]Huijbregts M A, Geelen L M, Hertwich E G, et al. A comparison between the multimedia fate and exposure models CalTOX and uniform system for evaluation of substances adapted for life-cycle assessment based on the population intake fraction of toxic pollutants [J]. Environmental Toxicology and Chemistry, 2005, 24(2): 486-493

[58]Mackay D, Joy M, Paterson S. A quantitative water, air, sediment interaction (QWASI) fugacity model for describing the fate of chemicals in lakes [J]. Chemosphere, 1983, 12(7): 981-997

[59]Mackay D, Joy M, Paterson S. A quantitative water, air, sediment interaction (QWASI) fugacity model for describing the fate of chemicals in lakes [J]. Chemosphere, 1983, 12(7-8): 981-997

[60]Suzuki N, Murasawa K, Sakurai T, et al. Geo-referenced multimedia environmental fate model (G-CIEMS): Model formulation and comparison to the generic model and monitoring approaches [J]. Environmental Science and Technology, 2004, 38(21): 5682-5693

[61]Suzuki N, Murasawa K, Matsuhashi K, et al. Development of Geo-Referenced Environmental Fate Model (G-CIEMS) for Chemical Contaminants Based on GIS (Geographic Information System) [J]. JEC, 2005, 15(2): 385-395

[62]Webster E, Mackay D, Di Guardo A, et al. Regional differences in chemical fate model outcome [J]. Chemosphere, 2004, 55(10): 1361-1376

[63]高俊敏, 張科, 周彬, 等. 三峽水庫水環境中內分泌干擾物TBT的多介質遷移和歸趨模擬 [J]. 環境科學學報, 2015, 35(5): 1350-1357

Gao J M, Zhang K, Zhou B，et al. Simulation of multi-media transfer and fate of TBT in the aquatic environment of the Three Gorges Reservoir [J]. Acta Scientiae Circumstantiae, 2015, 35(5): 1350-1357 (in Chinese)

[64]Achten C, Puttmann W, Klasmeier J. Compartment modeling of MTBE in the generic environment and estimations of the aquatic MTBE input in Germany using the EQC model [J]. Journal of Environmental Monitoring, 2002, 4(5): 747-753

[65]Kawamoto K, Macleod M, Mackay D. Evaluation and comparison of multimedia mass balance models of chemical fate: Application of EUSES and ChemCAN to 68 chemicals in Japan [J]. Chemosphere, 2001, 44(4): 599-612

[66]Hollander A, Scheringer M, Shatalov V, et al. Estimating overall persistence and long-range transport potential of persistent organic pollutants: A comparison of seven multimedia mass balance models and atmospheric transport models [J]. Journal of Environmental Monitoring, 2008, 10(10): 1139-1147

[67]Dimitrov S, Dimitrova N, Parkerton T, et al. Base-line model for identifying the bioaccumulation potential of chemicals [J]. SAR and QSAR in Environmental Research, 2005, 16(6): 531-554

[68]鄭玉婷, 喬顯亮, 楊先海, 等. 鹵代有機化合物生物富集因子的定量結構-活性關系模型[J]. 生態毒理學報, 2013, 8(5): 772-777

Zheng Y T, Qiao X L, Yang X H, et al. Quantitative structure - activity relationship model for bioconcentration factors of halogenated organic compounds [J]. Asian Journal of Ecotoxicology, 2013, 8(5): 772-777 (in Chinese)

[69]Clark K E, Gobas F, Mackay D. Model of organic-chemical uptake and clearance by fish from food and water [J]. Environmental Science and Technology, 1990, 24(8): 1203-1213

[70]Mcleod A M, Paterson G, Drouillard K G, et al. Ecological Implications of Steady State and Nonsteady State Bioaccumulation Models [J]. Environmental Science & Technology, 2016, 50(20): 11103-11111

[71]Diepens N J, Van Den Heuvel-Greve M J, Koelmans A A. Modeling of bioaccumulation in marine benthic invertebrates using a multispecies experimental approach [J]. Environmental Science and Technology, 2015, 49(22): 13575-13585

[72]Morrison H A, Gobas F, Lazar R, et al. Development and verification of a bioaccumulation model for organic contaminants in benthic invertebrates [J]. Environmental Science and Technology, 1996, 30(11): 3377-3384

[73]Gobas F A, Burkhard L P, Doucette W J, et al. Review of existing terrestrial bioaccumulation models and terrestrial bioaccumulation modeling needs for organic chemicals [J]. Integrated Environmental Assessment and Management, 2015, 12(1): 123-134