基于權重敏感度分布研究太湖有機磷農藥單一和復合風險

劉帆，孔昊玥，劉紅玲

南京大學環境學院，污染控制與資源化研究國家重點實驗室，南京 210023

物種敏感度分布法(species sensitivity distribution, SSD)是推導基準、評估風險常用的方法，最早由Kooijman[1]提出，其基本理論是用統計或經驗分布函數來描述敏感性的范圍。使用SSD進行生態風險評價的基本假設是：一組物種的相對敏感性可用某種分布來描述，如三角分布、正態分布等；用于構造SSD的單個物種對毒物敏感性的數據被看作是整個生態系統的隨機樣本；當某部分物種受到保護時，生態系統也受到保護。但由于不同種類生物對化合物敏感性不同，可獲得有效毒性數據十分有限，要使獲得的毒性數據能充分代表該區域生態系統，在使用SSD進行生態風險評價時，對于不同物種類群的生物不應該均等對待，應該采用權重的方法[2]。在Forbes和Calow[2]的研究中，從生態系統能量傳遞和食物鏈結構角度出發，描述一般生態系統中不同營養級之間的物種數比例，并依據該比例關系考慮該營養級物種所占權重，推導區域水質基準。Wang等[3]從生物分類學角度出發，考慮到親緣關系相近的生物因其生活史、發展史相似，而對化合物敏感性接近，結合搜集到毒性數據的不同類物種間比例和松花江該分類水平不同類物種間比例，推導氨氮急性基準值。使用加權SSD方法推導水質基準，更適合保護生態系統的完整性。

我國農藥生產和使用量居世界前列，其中，有機磷農藥(OPP)因其在環境中較容易被分解，不易在人體及動物體內蓄積等特點[4]，在我國被作為主要殺蟲劑。據統計，2013年在中國有機磷農藥總用量約81 900 t[5]，占國內農藥使用量的1/2以上[6]。有機磷農藥致毒主要是通過其代謝產生的磷酸根與乙酰膽堿酯酶的絲氨酸羥基共價結合[7]，影響乙酰膽堿酯酶活性，從而影響乙酰膽堿酯的降解使膽堿能神經過度興奮[8]，引起毒蕈堿樣、煙堿樣和中樞神經系統癥狀[9]。研究表明，有機磷農藥與神經行為功能障礙、神經發育障礙、生殖功能降低以及胎兒出生體重降低等有關[10-11]。有機磷農藥的大量使用，對生態系統造成了嚴重的危害。

太湖是中國的五大淡水湖之一，是我國農藥生產與使用的聚集區域，因此，太湖流域農業面源污染嚴重。調研顯示，中國地表水體含量最高的5種有機磷農藥分別是敵敵畏、樂果、對硫磷、馬拉硫磷和甲基對硫磷[12]。本文選取太湖中5種有機磷農藥作為研究對象，通過考慮區域生物區系特征賦予權重的加權SSD方法，利用風險商法(hazard quotient, HQ)和概率風險評價法(probabilistic risk assessment, PRA)評估有機磷農藥的單一和復合風險。

1 材料與方法(Materials and methods)

1.1 數據選擇

暴露數據獲取：以“太湖、有機磷農藥”為關鍵詞，檢索Web of Knowledge (http://apps.webofknowledge.com/)和中國知網(http://www.cnki.net/)等數據庫，找出明確報道太湖中有機磷農藥濃度水平的文獻。污染物濃度單位統一為μg·L-1，并分成3個水平：平均值、最小值和最大值。僅以“平均值±標準偏差”形式報道的，假設其濃度在環境水體中呈標準正態分布，外推獲得最大值和最小值。濃度水平低于檢出限或未檢出的，則假定為其檢出限的1/2。

毒性數據獲取：5種有機磷農藥的急性數據來自美國環境保護局(U.S. EPA)的ECOTOX數據庫(http://www.epa.gov/ecotox)。急性終點包括半數致死濃度(LC50)或半數效應濃度(EC50)，數據篩選依據準確性、相關性和可靠性原則。具體按照如下原則篩選：(1) 1980年以后報道的毒性數據；(2) 測試環境為淡水；(3) 測試農藥純度≥80%；(4) 對于急性毒性數據，魚類和軟體動物優先選擇暴露時間96 h，浮游甲殼類動物選擇48 h，底棲甲殼類動物選擇96 h，溞類和搖蚊幼蟲選擇48 h；(5) 對同一個物種同一個毒理終點有多篇文獻報道不同的數據時，進行數據離散程度表征，去除離群值后，取數據的幾何均值。將所有毒性數據單位統一為μg·L-1。由于所選擇的5種有機磷農藥均為殺蟲劑，因此，僅選擇水生動物的毒性數據。

1.2 傳統SSD方法

首先把毒性數據進行整理，然后按照數值大小對物種毒性數據進行排序，按照式(1)計算每個物種的累積概率，Ri為物種排序的秩，n為樣本數，P為累積概率[13-14]。

(1)

1.3 加權SSD方法

方法一：考慮區域內的生物組成，劃分到科、屬和種[3]。

區域物種可以根據生物分類學將其劃分成不同層次，每個層次中有不同的物種，根據可獲得毒性數據的物種數和區域含有的物種數的關系賦予權重[3]。太湖中有很多生物仍缺乏相應的毒性數據，收集到的物種不能涵蓋當地的所有屬(l)和所有種(N)，不包括的物種的敏感性不能估計，在這種情況下，采用保守的方法，假設沒有包含進來的物種(物種數為Nj)更為敏感[3]，本文中，將生物劃分到種，累積概率計算方法如式(2)，k為可獲得的樣本數，Ni為可獲得的累積物種數。

(2)

方法二：考慮區域內生物組成，由脊椎動物、無脊椎動物以及植物組成[15]。

將區域內的生物劃分為：植物(plant)、無脊椎動物(invertebrate)和脊椎動物(vertebrate)，計算3個營養級所占比例，進而計算出一種植物、無脊椎動物和脊椎動物的發生概率，最后計算累積概率，方法為式(3～5)。

Ppi=Np/(N×k)

(3)

Pli=Nl/(N×l)

(4)

Pvi=Nv/(N×m)

(5)

式中：Np、Nl和Nv分別為太湖中植物、無脊椎動物和脊椎動物的數量，N為總數量，k、l和m分別為搜索得到的數據中植物、無脊椎動物和脊椎動物的數量。

本文考慮太湖區域生物組出，首先搜集太湖水生生物組成數據，太湖歷史和當前水生物種組成的信息來自公開發表的文獻，21世紀初，太湖共有524種生物，脊椎動物、無脊椎動物和植物分別有60、111和353種[16-19]。選擇方法一——加權SSD方法1(weighted species sensitivity distribution, WSSD 1)和方法二——加權SSD方法2(weighted species sensitivity distribution, WSSD 2)對太湖有機磷農藥進行風險評估。

1.4 生態風險評價

生態風險評價是對環境中污染物產生危害的范圍和可能性進行評估。常用的方法主要包括風險商法(hazard quotient, HQ)和概率風險評價法(probabilistic risk assessment, PRA)。

1.4.1 風險商法

商值法是一種非常簡單的風險評價方法，其結果可以直接給出風險的有無。如果HQ值>1，環境風險較高；如果HQ值<0.1，環境風險較低；0.1

(6)

式中：MECi是測量的農藥i的環境濃度，TRVi是該農藥的毒性參考值(LC50、預測無效應濃度(PNEC)或HC5等)。為保護95%的物種，本文選擇HC5(危害5%生物的污染物濃度)作為毒性參考值[21]。

1.4.2 概率風險評價法

概率風險評價法是通過分析環境暴露濃度分布(exposure concentration distribution, ECD)與SSD之間的關系，考察污染物對生物的毒害程度，從而確定污染物對生態系統的風險。它給出的最終結果表述形式為“多少生物受到影響的概率是多少”。通過計算環境中暴露濃度大于效應濃度的概率來判斷風險的大小，它更明確地表達出評估過程中的不確定性和隨機性[22-23]。本文通過聯合概率曲線(joint probability curves, JPC)研究太湖中5種有機磷農藥的風險。在繪制而成的聯合概率曲線圖中，曲線越接近2個坐標軸，說明發生不利影響的可能性越小[22]。

1.4.3 混合物生態風險評價

自然環境中的污染物是共同存在的而非單獨作用，只研究一種污染物的風險評價是不夠的，但由于生物個體可以接觸難以計數的污染物，確定最需要進行混合風險評價的化合物十分重要。最大累積率(maximum cumulative ratio, MCR)定義為生物個體在接觸多個化學應激源時所受到的累積毒性與單一化合物產生的最大毒性之比[24]。數值越大，表明越需要進行累積風險評估[25]，由此確定是否需要進行聯合暴露風險評價以及哪些化合物在混合物的風險中貢獻較大。使用HQ和危險指數(hazard index, HI)計算MCR，方法為式(7～9)。

(7)

(8)

(9)

HQ是環境暴露濃度與安全濃度的比值，安全濃度可以是預測無效應濃度或者是水生生物基準。

風險商法：混合物的風險商(HQm)計算是將混合物中各個化合物的HQi相加，如式(10)所示：

(10)

概率風險評價法：參照毒性當量的概念和原理，混合物總的當量濃度(total equivalent concentration,cequ,tol)可以通過式(11)進行計算：

(11)

式中：ci是第i種污染物的環境暴露濃度，HC50,ref和HC50,i分別是水生生物50%受到參照化合物和第i種化合物危害的濃度(通過各自的SSD求得)。

1.5 數據處理

通過ECOTOX和文獻收集毒性數據和暴露數據，運用SPSS中的Kolmogorov-Smirnov檢驗方法進行分布檢驗，均服從對數正態分布(P>0.05)。

2 結果與分析(Results and analysis)

2.1 數據收集

本文太湖水中5種有機磷農藥的環境濃度來自Ta等[26]研究中的數據，該研究中的樣品均采自太湖北部的梅梁灣，5種有機磷農藥在環境中的分布情況如圖1和表1所示。由圖1可知，樂果的暴露濃度最高，其次是敵敵畏和馬拉硫磷，甲基對硫磷和對硫磷的環境暴露濃度較小。

從ECOTOX收集到的數據包含了從生產者、初級消費者到次級消費者的3個營養級。敵敵畏得到16個急性數據，樂果得到13個數據，馬拉硫磷得到16個數據，甲基對硫磷得到27個數據，對硫磷得到27個數據。篩選的數據包括太湖生物數據和中國本土生物與引進養殖生物中在敏感性排序上比較敏感的與太湖物種同科或屬的物種，包括泥鰍、鯉魚、鯽魚、黑魚、鯰魚和鱒魚等脊椎動物，以及克氏原螯蝦、無齒蚌、水溞、輪蟲屬和搖蚊屬等無脊椎動物。

2.2 SSD曲線繪制

在GraphPad Prism 7中采用Log-Normal(Cumulative Gaussian-Percents)對收集到的物種數據進行擬合，采用傳統SSD方法和2種加權方法得到如圖2所示的SSD曲線。

圖1 5種有機磷農藥環境暴露濃度數據分布的箱形圖Fig. 1 Boxplot of exposure concentration data of five organophosphate pesticides

表1 太湖梅梁灣5種有機磷農藥的含量水平[26]Table 1 The contents of five organophosphate pesticides in Meiliangwan Bay, Tai Lake [26] (μg·L-1)

圖2 考慮太湖生物組成和未考慮太湖生物組成的5種有機磷農藥的物種敏感度分布曲線注：SSD表示傳統物種敏感度分布方法，WSSD表示賦予權重的物種敏感度分布方法。Fig. 2 The species sensitivity distributions of five organophosphate pesticides derived with and without considering the species compositions in Tai Lake, ChinaNote: SSD stands for species sensitivity distribution; WSSD stands for weighted species sensitivity distribution.

SSD曲線擬合除甲基對硫磷的R2為0.900左右外，其余農藥的R2均>0.940，表明擬合結果較好，這可能與甲基對硫磷收集到的毒性數據所述物種的敏感性分布存在偏差有關。由SSD得到的HC5值如表2所示，范圍在0.030～2.103 μg·L-1，當考慮太湖生物組成時，加權SSD方法得到的HC5要小于傳統SSD方法所得到的值。

2.3 風險評價結果

2.3.1 風險商評價

根據急性毒性數據得到5種有機磷農藥的SSD曲線及其HC5值，根據式(6)和(10)計算HQ和HQm，結果如表3所示。

由表3可知，采用傳統SSD的方法計算HQ時，敵敵畏和樂果的HQ為0.1～1，對于太湖的生態風險處于中等水平，馬拉硫磷、甲基對硫磷和對硫磷的HQ<0.1。當使用加權SSD方法時，計算得到的HQ大于傳統SSD方法計算得到的HQ，特別是敵敵畏，使用傳統SSD方法計算得到的HQ<1，但是使用加權SSD方法1計算得到的HQ為1.799大于1，加權SSD方法2計算得到的HQ也大于傳統SSD方法得到的值。

2.3.2 概率風險評價

如圖3所示，使用加權SSD方法得到的毒性數據分布繪制的聯合概率曲線距離坐標軸遠于傳統SSD方法得到的曲線。尤其是對于樂果，使用傳統SSD方法得到的5%生物受到影響的概率為2.51%，但使用2種加權SSD方法得到的值分別為44.10%和18.99%。敵敵畏5%生物受影響的概率較大，傳統SSD、加權SSD方法1和加權SSD方法2的計算結果分別為69.88%、89.49%和80.03%，其風險需要引起重視；馬拉硫磷、甲基對硫磷和對硫磷5%生物受影響的概率較小，僅為0.001%左右。

2.3.3 混合物生態風險評價

HC5作為安全濃度，使用式(7～9)，計算得到的HQ、HI和MCR如圖4和表3所示。由圖4和表3可知，敵敵畏的HQ較大，對總的風險貢獻最大，其次是樂果、馬拉硫磷和對硫磷。甲基對硫磷的HQ較小，在混合風險中占比較小，不是必要關注的。傳統SSD和加權SSD方法計算得到的MCR均>1。

表2 考慮太湖生物組成和未考慮太湖生物組成的5種有機磷農藥危害5%生物的污染物濃度(HC5)Table 2 The hazardous concentration for 5% of the species (HC5) of five organophosphate pesticides of SSD derived with and without considering the species compositions in Tai Lake, China (μg·L-1)

表3 考慮太湖生物組成和未考慮太湖生物組成的5種有機磷農藥風險商和最大累積率Table 3 Hazard quotient and maximum cumulative ratio of five organophosphate pesticides of SSD derived with and without considering the species compositions in Tai Lake, China

圖3 考慮太湖生物組成和未考慮太湖生物組成下5種有機磷農藥的聯合概率曲線Fig. 3 Joint probability curves for the exposure concentrations and toxicity data of five organophosphorus pesticide derived with and without considering the species compositions in Tai Lake, China

利用式(10)計算得到的HQm，如表3所示，均>1。以敵敵畏為參照物，將其余農藥的環境暴露濃度利用式(11)轉化為敵敵畏的當量濃度，混合污染物的風險評價轉化為單一物質的風險評價，結果如圖5所示，聯合概率曲線距離坐標軸較遠，3種方法得到的5%生物受影響的概率均高達90%，混合物的風險不可忽視。

圖4 5種有機磷農藥的風險商(HQ)和危害指數(HI)Fig. 4 The hazard quotient (HQ) and hazard index (HI) of five organophosphate pesticides

圖5 5種有機磷農藥混合物的聯合概率曲線Fig. 5 Joint probability curves of mixture of fiveorganophosphate pesticides

3 討論(Discussion)

太湖有機磷農藥污染受到廣泛關注，Qu等[27]對太湖中有機磷農藥數據進行SSD擬合得到敵敵畏、樂果、馬拉硫磷、甲基對硫磷和對硫磷的HC5分別為0.07、1.62、0.23、0.77和0.06 μg·L-1，與本文利用傳統SSD方法得到的0.063、2.103、0.287、0.477和0.052 μg·L-1數據基本一致。Shi等[28]將水生生物按照植物、無脊椎動物和脊椎動物分類賦予權重，推導太湖Cu的基準最大濃度為5.30 μg·L-1，傳統SSD推導得到基準最大濃度為1.30 μg·L-1。Wang等[3]使用加權SSD方法1得到的氨氮急性基準值為5.09 mg TAN·L-1與傳統SSD方法得到的7.64 mg TAN·L-1結果比較，加權SSD法更為保守和合理地保護松花江區域水生動物免受氨氮的負面影響。具有毒性數據的物種數量相對于特定生態系統中物種總數來說是非常少的，物種的敏感性范圍和物種選擇的隨機性無法確定，因此，傳統的SSD方法很難充分代表特定區域生態系統的物種敏感性分布。加權SSD方法1基于特定區域的分類群和可獲得的毒性數據的物種進行加權處理使得SSD曲線可以更準確地表示特定場地的水生生物敏感性分布，原則上，這種方法具有自調整的特點，累積概率是基于特定場地的生物群計算的，可以避免過度表達[3]。本文中，將生物劃分到種，并假定未包含的物種最為敏感，更好地保護生態系統的結構和功能。加權SSD方法2從生態系統能量傳遞和食物鏈結構角度出發，對3個主要類別——無脊椎動物、脊椎動物和植物賦予權重，描述一般生態系統中不同營養級之間的物種數比例。相對于傳統SSD方法對所有物種賦予相同權重，加權SSD方法2對化合物敏感性相似的物種賦予相同的權重。本文使用加權SSD方法2時，由于5種有機磷農藥均為殺蟲劑，植物不是敏感物種，考慮區域生物組成不考慮植物，使得SSD曲線下方的敏感物種權重不會降低，更貼近環境中真實的狀況，更能找到真實受到迫害的生物。因此，加權SSD方法得到的HC5小于傳統SSD方法所得到的值。本文中采用加權SSD方法得到的HQ和用概率風險評價法得到的5%生物受到影響的概率比傳統SSD方法得到的數值更高，表明僅使用傳統SSD方法判定物質的風險可能會導致風險被低估。使用2種加權方法進行風險評價時，敵敵畏和樂果使用加權SSD方法1計算的風險更高，馬拉硫磷、甲基對硫磷和對硫磷則使用加權SSD方法2計算的風險較高，這可能與收集到的毒性數據和暴露數據有關。加權SSD方法1采用保守的方法假設沒有毒性數據的物種最敏感，而5種有機磷農藥所收集到的有毒性數據的物種不同，且不同物種的敏感度也不同，因此，不確定程度也不同，加權SSD方法2中5種有機磷農藥風險的不確定性程度相同。但是2種加權方法的計算結果都表明，考慮區域內生物組成的加權SSD方法可以更好地保護區域的生物。

使用加權SSD方法2時需注意：考慮區域生物組成時是否需考慮植物。對于除草劑類的農藥以及其他污染物，使用加權SSD方法2時，需要根據實際情況選擇是否考慮植物。以太湖為例，由于太湖周邊工農業發展迅速，污染加劇[29]，自1998年以來，藍藻成為太湖主要的分類群[30]，太湖中藻類植物大幅上升，從20世紀80年代時的180種上升到目前的353種，使得太湖中植物的比例非常大，這將賦予植物極大的權重。此外，新興的耐污型植物缺乏毒性數據，檢索到的大多數是敏感的動物，這也導致了對脊椎動物和無脊椎動物所賦予的權重極小，而賦予植物的權重極大。Chen等[15]考慮太湖生物組成加權推導五氯苯酚的基準時發現，考慮21世紀初物種組成推導得到的基準值>不考慮生物組成推導得到的基準值>考慮20世紀80年代物種組成推導得到的基準值，表明對于21世紀初的耐污型湖泊，若考慮植物可能會導致水生生物欠保護。目前，很多湖泊出現了大量的耐污性藻類使其成為耐污型湖泊[31-33]，對于這類湖泊，如果區域內檢索得到的植物毒性數據較少，建議在使用加權SSD方法2時不考慮植物。

污染物的混合風險不容忽視。本文中，5種有機磷農藥HQm>1，處于高風險中；使用聯合概率風險評價時發現，3種有機磷農藥混合風險使5%生物受影響的概率高達90%，說明太湖中5種有機磷農藥的混合物對生態造成的風險很大，需要重視。雖然混合風險中敵敵畏是主要貢獻者，但單獨風險評價中風險較小的馬拉硫磷和對硫磷也對總風險貢獻較大，復合暴露風險評價是必要的。

生態風險評價過程中，即使使用高級的方法，不確定性也是不可避免的[34]，主要包括暴露數據和毒性數據的可變性、風險評價模型和水環境的實際特性[34-35]。不確定性主要來自暴露數據的不確定性和構建SSD曲線的毒性數據的代表性。本文通過考慮生物組成給予物種權重的方法對毒性數據代表性進行了校正，并且選擇了更好的評價模型——概率風險評價，這使得風險評價過程中的不確定性盡可能地減少，但生態系統本身是復雜的，因此，評價結果的不確定性很難完全避免。由于缺乏慢性毒性數據，本文未考慮慢性效應，慢性數據的補充對太湖區域農藥殘留所帶來的風險進行更全面的評估極為重要。